一種面診圖像的分割算法

劉媛+趙鵬程+陸小左

摘要：為了能夠解決傳統圖像提取算法中沒有充分考慮面診圖特點而造成的未能對于目標區域進行很好的預處理、顏色空間轉換失真、以及忽視細節處理的情況，設計實現了針對中醫面診儀的面診圖自動分割算法?？紤]到面診儀的光照環境，采用灰度自適應增強的方法進行預處理；為了防止傳統顏色空間轉換中色度信息失真的情況，采用了自適應非線性的轉換方法；使用聚類方法及數學形態學運算對細節進行了處理，最終分割出最終的目標區域。實驗表明，該算法能夠準確有效地分割面診儀所采集的面診圖，為后續分析處理挖掘更多的有效信息。

關鍵詞： 面診客觀化； 面診圖分割； 灰度增強； YCrCb； 聚類分析

中圖分類號：TP391 文獻標識碼：A 文章編號：1009-3044（2017）26-0183-03

Abstract： In order to solve the problem of not fully considering the characteristics of face consultation image in traditional image extraction algorithm， such as can not preprocess the target area， convert the color space and handle details commendably， an automatic segmentation algorithm of face consultation image for face consultation instrument is designed and implementated. Considering the light environment of face consultation instrument， the gray scale adaptive enhancement method is used for the pretreatment. Avoiding the distortion of color information in traditional color space conversion， the adaptive non-linear conversion method is adopted. For the final target area segmentation， the clustering method and mathematical morphological operations are used to deal with the details. Experiments showed that the algorithm could segment the face consultation image accurately and effectively， and could mine more effective information for subsequent analysis.

Key words：face consultation objective of Traditional Chinese Medicine； segmentation of face consultation image； grayscale enhancement； YCrCb； cluster analysis

顏面望診由醫祖扁鵲提出，為傳統中醫學四診之首[1]，通過望其形而可知其內部臟腑陰陽氣血，不同的面部定位反射區分別對應人體的心、肝、脾、肺、腎、膽、腸、胃、膀胱、腦、胸（乳）、生殖系統等區域[2]。然而，不同的光照條件、不同的醫師水平等使傳統的中醫面診往往不能進行客觀化的診療[3]。以臨床經驗豐富，具有主任醫師級別的中醫師為主體，結合人工智能與識別技術為處理手段的中醫面診儀的研制，為中醫客觀化的診療模式提供了可行性[4]。進行面診診療的第一步是觀看面部的整體顏色；處理面診圖的第一步也是進行面部的分割提取。由于面診圖后續的提取分析工作是基于分割提取整個面部而進行的，因此將面部從面診圖中分割具有較強的實際意義。本算法是針對中醫面診儀的面診圖進行自動分割處理，相較于其他面部提取算法，具有較強的針對性。

1 中醫面診儀采集系統的光照環境和采集過程

實驗采用天津市天中依脈科技開發有限公司與天津中醫藥大學聯合研制的YM-Ⅲ系列中醫面診儀，面診儀采集系統的光照環境是依據中醫專家的意見，模擬晴天上午9時的標準自然光照的人工光照環境。YM-Ⅲ系列面診儀采集系統如圖1所示，整體采用積分球設計，暗箱內部采用LED光源照明，采集口設計貼合面部曲線，保證了采集時單一穩定的采集光源，拍攝環境無閃爍、無雜光干擾、無采集陰影。光照環境相關技術參數如表1所示。采集時觀察對象按照中醫面診要求取正坐位，將頭部置于下頜托上，輕輕貼近采集口，拍照時面部不緊繃，無抖動。

2 面診圖像的分割算法

2.1 面診圖像的自適應預處理

1） 將面診圖像的RGB值轉化為灰度值；

2） 算出面診圖像灰度值（由大到小排列）前4.5%灰度值的平均值avg；

3） 令處理系數procco=255/avg ；

4） 將面診圖像的灰度乘以處理系數，得到處理后的面診灰度圖像；

5） 將面診灰度圖像轉化為面診圖像的RGB值，得到預處理后的面診圖像。

2.2 面診圖顏色空間的轉換

面診圖相對于其他圖像（如提取舌圖像）的主要特點在于可以根據皮膚的特點分割提取整個面部目標區域。然而，面診圖像中亮度的變化會使面診圖變得更加復雜，不利于分割提取面診圖像的目標區域。因此，面診圖的顏色空間不應含有亮度信息。經過預處理后的面診圖像的顏色空間依然是RGB空間，由于其三基色（R、G、B）均含有亮度信息，所以需要將面診圖進行顏色空間的轉換。常見的顏色空間模型有HSL、HSV，YCrCb、YIQ，XYZ，CMY及RGB等模型[5-6]。綜合考慮應方便排除亮度信息、方便進行運算等，本算法采用YCrCb顏色空間模型作為面診圖轉換后的顏色空間。YCrCb顏色空間模型中，Y表示亮度，Cr表示紅色分量，Cb表示藍色分量；亮度信息與色度信息（紅色分量、藍色分量）三維獨立分布。實驗表明，膚色在色度信息上（即Cr、Cb）均服從于二維高斯分布endprint

2.5 面診圖像的初步分割

面診圖經過二值化處理后依然存在部分偽目標區域（如頸部信息等）。這是因為本算法是基于膚色的特點進行分割提取的。為了能夠將偽目標區域濾除掉，應將面診圖中除連通區域面積值為最大以外的區域濾除掉。具體步驟如下：

1） 將二值化處理后的面診圖像進行膨脹和腐蝕運算，以便更好地連通離散化的像素點；

2） 尋找每個置為白的像素連通區域，分別計算區域面積值，只保留最大值區域。

2.6 面診圖目標區域的最終提取

面診圖經過初步分割后，再經過數學形態學的運算就可實現目標區域的最終提取。具體步驟如下：

1） 進行膨脹和腐蝕運算，使面診圖目標區域更好地融為一體；

2） 面診圖取反，提取最大連通區域，再次取反；

3） 將經過數學形態學運算后的面診圖與原始面診圖進行與運算，得到分割提取后的面診圖像。

3 結果

面診圖的自動分割算法整體流程圖、分割過程圖及實驗結果如圖2、圖3所示。其中，圖2（a）為通過面診儀采集得到的面診圖，圖2（e）3為經過分割提取后的面診圖。經過實驗可知，本算法中的自適應預處理、非傳統線性自適應顏色空間的轉換以及適當的數學形態學的運算，可以滿足面診圖分割提取的需要。

參考文獻：

[1] 譚旭彤. 鼻部望診研究[D]. 黑龍江中醫藥大學， 2016.

[2] 袁路云. 心腦血管疾病早知道——反射區望診法的初步應用[J]. 中華養生保健， 2014（5）：61-65.

[3] 邸丹， 周敏， 秦鵬飛，等. 中醫舌診、面診客觀化研究進展[J]. 上海中醫藥雜志， 2012（4）：89-92.

[4] 胡志希. 早發冠心病血瘀證痰濁證面部光電血流容積信息特征及與GMP-140含量的相關研究[J]. 全國第十二次中醫診斷學術年會， 2012.

[5] 楊立志， 屠莉. 一種基于直方圖的車牌定位方法[J].電腦知識與技術，2012（30）：7335-7338.

[6] 王玉玨. 計算機色彩模型應用[J].電腦知識與技術，2010，6（6）：1458-1460.

[7] 姚軍財. 一種基于YC_rC_b顏色空間和視覺特性的彩色圖像水印技術[J].包裝工程，2012（9）：111-116.endprint