專利名稱：改進(jìn)的最大類間方差法在舌像裂紋識別中的應(yīng)用的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及計(jì)算機(jī)技術(shù)領(lǐng)域，特別地涉及圖像的自動閾值濾波方法。
背景技術(shù)：
舌診是中醫(yī)臨床四診中的重要內(nèi)容，舌診結(jié)果可以反映很多病人的信息，是中醫(yī)診斷的一個重要組成部分。在現(xiàn)今中醫(yī)舌診中，醫(yī)生只是對病人的舌體特征進(jìn)行定向的分析，簡單的描述舌體特征，具有相當(dāng)大的主觀性。在科技飛速進(jìn)步的今天，如何將先進(jìn)技術(shù)和嚴(yán)格標(biāo)準(zhǔn)引入中醫(yī)舌診，使舌診結(jié)果有定性定量的數(shù)據(jù)描述，成為廣大相關(guān)學(xué)者的研究課題。此類研究勢必推動舌診的客觀化、規(guī)范化、標(biāo)準(zhǔn)化的研究進(jìn)程。舌診中舌苔面積、舌色苔色、裂紋、瘀斑等舌體特征都是重要的診斷信息，如何準(zhǔn)確客觀的得到這些信息也就成為了傳統(tǒng)中醫(yī)和現(xiàn)代科技結(jié)合的研究內(nèi)容。在裂紋提取方面，許多研究人員利用邊緣檢測或是閾值分割的方法提取裂紋，在閾值分割方法上，舌像裂紋的提取收到了拍照環(huán)境和舌體表面其他特征的影響，并且閾值的選取也成為了決定裂紋提取優(yōu)劣的關(guān)鍵，因?yàn)樯嘞窳鸭y識別最終要實(shí)現(xiàn)自動化，所以根據(jù)不同舌像動態(tài)計(jì)算合適的閾值也就成為了非常重要的研究課題。

發(fā)明內(nèi)容
本發(fā)明實(shí)例給出一種舌像識別裂紋的方法，以解決現(xiàn)有舌診中的裂紋的自動識別問題，并再最大類間方差濾波算法(OSTU)的基礎(chǔ)上對圖像進(jìn)行自動閾值濾波，去除噪點(diǎn)， 增大識別范圍作了處理。本發(fā)明給出的一種圖像特征識別、去噪的方法，包括得到標(biāo)準(zhǔn)舌圖后，轉(zhuǎn)為灰度圖。復(fù)制圖像，按照圖像寬高大小將兩張圖像劃分為小區(qū)域，并且使兩張圖像任何一個小區(qū)域不會和原圖小區(qū)域重合；利用OSTU濾波方法對兩幅圖像的每個小區(qū)域單獨(dú)濾波；根據(jù)兩張圖像的濾波結(jié)果按照一定規(guī)則，合并為一張圖像；對濾波后的圖像去噪，排除干擾；本發(fā)明實(shí)例中給出的一種圖像特征識別方法，包含區(qū)域劃分模塊、OSTU濾波模塊、圖像合并模塊、去噪模塊。其中區(qū)域劃分模塊，將圖像復(fù)制，對兩張相同的圖像進(jìn)行區(qū)域劃分，劃分的原則為區(qū)域大小根據(jù)圖像的寬高而定，分別來自兩張圖像的任意區(qū)域重合部分要盡量的??；OSTU濾波模塊，OSTU濾波方法是一種比較成熟的自動閾值濾波方法，利用該方法對兩幅圖像的每一個小區(qū)域進(jìn)行二值化濾波；圖像合并模塊，將兩張濾波后的圖像合成為一張，合并的原則為在任意一張圖像上某個像素點(diǎn)為白色，那么合并后該像素點(diǎn)為白色；去噪模塊，去除小的干擾點(diǎn)或干擾區(qū)域，去除舌體邊界的影響。本發(fā)明的有益效果在于使舌象裂紋識別更加準(zhǔn)確、清晰并進(jìn)一步自動化，使舌象教學(xué)更加方便、形象生動。


圖1為本發(fā)明實(shí)例的方法流程圖2為標(biāo)準(zhǔn)舌圖轉(zhuǎn)化后的灰度圖；圖3為舌圖交叉分區(qū)后的示意圖；圖4為ostu濾波后的效果圖；圖5為舌體裂紋提取完成后的特征舌圖。
具體實(shí)施例方式本發(fā)明實(shí)例給出一種舌像圖的裂紋特征識別及去噪方法，如圖1所示，包括以下步驟步驟1 得到一副標(biāo)準(zhǔn)的舌圖，如圖2 ；步驟2 復(fù)制該舌圖，得到兩張完全相同的圖像image 1和image2，對兩張圖像進(jìn)行分區(qū)，如圖3;步驟3 用OSTU方法對兩張圖像的每個小區(qū)域單獨(dú)濾波；步驟4:合并圖像，合并；步驟5 去噪，減少干擾，得到裂紋識別后的舌圖，如圖4 ；步驟6 提取裂紋特征，包括裂紋條數(shù)，裂紋長度，如圖5.
下面對上述各步驟進(jìn)行詳細(xì)說明。在本發(fā)明實(shí)例中，假設(shè)當(dāng)前舌圖已經(jīng)是進(jìn)行了舌體輪廓查照和舌體提取的標(biāo)準(zhǔn)舌圖。用于得到步驟1中的舌像圖。這通常需要，一個輪廓查找的過程，根據(jù)舌體和臉部的特征差異，精確查找出舌體的輪廓，進(jìn)行切割和舌體提取，如圖2。在步驟2中，將圖像復(fù)制，分區(qū)，一般根據(jù)寬高的大小將其等分為小區(qū)域。在對兩張圖像的區(qū)域劃分過程中，保證兩張圖像劃分的區(qū)域是交叉的，這樣做的目的是為了排除小區(qū)域邊界部分濾波不完全的影響。分區(qū)后大致如圖3 ；在步驟3中，對圖像的每個小區(qū)域進(jìn)行OSTU濾波。OSTU方法原名為最大類間方差法，由Ostu于1978年提出的，依據(jù)的原理是利用類別方差作為判斷條件，選取使類間方差最大的灰度值作為最佳閾值。設(shè)一副圖像的灰度值為0 口 1-1級，灰度值i的像素?cái)?shù)為Iii，則總像素?cái)?shù)為
權(quán)利要求
1.一種圖像的特征識別及提取方法，其特征在于，包括用改進(jìn)的最大類間方差法對圖像進(jìn)行閾值濾波，提取圖像指定特征；對濾波后的圖形進(jìn)行合并去噪處理，使裂紋特征更加清晰。
2.如權(quán)利要求1中所述方法，其特征在于，在最大類間方差濾波算法的基礎(chǔ)上結(jié)合舌像采集的特點(diǎn)對算法改進(jìn)，用交叉分區(qū)的方法提高濾波質(zhì)量。
3.如權(quán)利要求1中所述方法，其特征在于，進(jìn)行濾波后的舌像圖片上會有一些很小的噪點(diǎn)存在，去除噪點(diǎn)更加容易提取出裂紋特征。
4.如權(quán)利要求2中所述方法，其特征在于，對圖片進(jìn)行交叉分區(qū)，將兩張相同圖像，按照圖像高寬大小將圖像等分成小區(qū)域，并且使兩張圖像劃分后的小區(qū)域互不重合。
5.如權(quán)利要求3中所述方法，其特征在于，將周長小于一定值的噪點(diǎn)去除，從而可以排除非裂紋點(diǎn)的影響。
全文摘要
本發(fā)明實(shí)例給出一種舌像識別裂紋的方法，以解決現(xiàn)有舌診中的裂紋的自動識別問題，并再最小類間方差濾波算法(OSTU)的基礎(chǔ)上對圖像進(jìn)行自動閾值濾波，去除噪點(diǎn)，增大識別范圍作了處理。本發(fā)明給出的一種圖像特征識別、去噪的方法，包括得到標(biāo)準(zhǔn)舌圖后，轉(zhuǎn)為灰度圖。復(fù)制圖像，按照圖像寬高大小將兩張圖像劃分為小區(qū)域，并且使兩張圖像任何一個小區(qū)域不會和原圖小區(qū)域重合；利用OSTU濾波方法對兩幅圖像的每個小區(qū)域單獨(dú)濾波；根據(jù)兩張圖像的濾波結(jié)果按照一定規(guī)則，合并為一張圖像；對濾波后的圖像去噪，排除干擾。
文檔編號G06T5/00GK102194121SQ20101011745
公開日2011年9月21日 申請日期2010年3月4日 優(yōu)先權(quán)日2010年3月4日
發(fā)明者趙亮 申請人:天津市天堰醫(yī)教科技開發(fā)有限公司