基于改進的最大類間方差的舌色和舌苔分離技術

摘要：舌苔、舌色分離是實現舌診圖像自動分析的重要的預處理工作。舌的分部圖象的直方圖是單峰的，采用一維最大類間方差法確定最佳分割閾值比較合適的，該方法簡單有效，很受歡迎。但由于其對噪聲和圖象頻數分布的敏感性，成為當前研究的熱點之一。該文提出一種新計算公式，實驗表明該公式對噪聲等零星分布有較強的抑制作用，得到的最佳閾值比較得穩定，有參考意義。

關鍵詞：圖像分割；舌診；最大類間方差

中圖分類號：TP313文獻標識碼：A文章編號：1009-3044(2008)23-00711-03

Based on Advenced Otsu MethordSeparating the Tongue Coating and the Tongue Image

FANG Heng

(Department of Information and Technology， Heyuan Polytechnic， Heyuan 517000， China)

Abstract: In automatic analysis of the tongue image， to separating the tongue coatingand the tongue image is a important pretreatment work.The OTSU method is a simple and effective method for image segmentation， especial when the histogram of which image has single peak value.So it is very useful，to process the tongue image by OTSU method.But which is sensitivity to the noise and image frequency distribution， Andbecomes into a hot spot now.A new formula is put forward in this paper， and the experiment indicated that the fragmentary distribution “noise” in histogram are inhibited strongly by the new method.The best threshold value get by this paper become more steady，and the method has the reference significance.

Key words: Image Segmentation; tongue diagnosis; OTSU

1 引言

運用現代科技及信息科學的理論和方法，進行中醫信息獲取和處理的信息化研究，實現中醫學中信息客觀化、定量識別，是中醫科研發展的必由之路。舌色舌質的研究是中醫望診中一個重要部分，舌苔是舌表面的一個附著層，把舌苔從舌表面的圖象中分離出來，是一個基本的工作。這是一個圖象分割的基本問題，分割的方法也很多，本文感興趣于目前比較熱門的，用基于最大類間方差進行分割[1]的方法，因為該方法以其簡單有效，而贏得眾多學者的青睞。但由于摘要中提到的缺點，人們從不同的角度對Otsu法進行了討論和改進。最近，付忠良[2-4]分別從不同的角度對Otsu法進行了推廣。不管如何改變公式，一個基本問題是方差的形成公式沒有變化，這使得遠離期望的點的作用較大，這是Otsu方法閾值不穩定的主要原因 。此文提出一個新的計算公式，在解決舌苔、舌色的分離中取得穩定的效果。

2 基本理論

2.1基于一維最大類間方差的閾值的確定

先定義一些符號：ni是灰度級為i的像素頻數，N是圖像的全部像素

各像素的概率為：pi=ni/N。閾值把圖象分為兩類C1和C2，其概率為: ωk=Pr(Ck)=■Pi (k=1，2)，灰度均值和方差分別為：

■

圖像的整體灰度平均值μT、總體方差σ2T分別為：μT=■iPi，σ2T=■ (i-μT)2Pi，可求得類內方差σ2w和類間方差σ2B分別為：σ2w=ω1σ21+ω2σ22，σ2B=σ2T-σ2w。 則使σ2B/σ2w 最大的灰度級T，即為

最佳分割閾值：

■（1）

2.2 算法的實施

本分割算法基本思想是把彩色圖象變換為單色圖象，然后采用區域生長的方法進行區域分割，用最大類間方差求得區域生長的約束性條件，以提高分割的精度[5]。最后用分割的結果從彩色圖象中提取需要留下的彩色信息部分。

令已生長得到的區域為R，μ、σ是均值及標準方差，作為衡量灰度一致性的特征量。

一維最大類間方差比確定的最佳分割閾值為T1，帶約束條件的生長規則可用下式表示：

■ （2）

T2是相似性準則的的容許誤差，點的3×3領域的灰度均值f(i，j)與m接近，滿足公式（2）的點視為通過了一致性測試，將其并入生長區域R，并更新μ與σ，反復執行，直到無法生長為止，完成對目標區域的分割。如果是提取舌苔，舌苔作為種子點，賦值255，其它部分留本色。最佳分割閾值T1相當于目標類與背景類像素的邊界灰度值，由于有T1的限制作用，提高了分割精度。

2.3 問題的提出

1）閾值的變化和結果的差異。圖1是舌表面的彩色分部圖灰度化后的圖象， 圖2它的直方圖，圖3分割后的結果，表1是圖3說明 。從圖3可見，由于閾值的變化分割出舌苔圖象的面積有較大的變化。

■

圖1 分部舌表面原圖 圖2 圖1的直方圖 圖3 結果圖

表1 圖的數據

■

2）直方圖分布對閾值的影響。表1顯示出范圍變化引起最佳閾值的變化的差等于6，造成分割圖象明顯不同。從公式(2)可見在直方圖中遠離數學期望的點對方差的貢獻是不可忽視的。但從客觀上講上圖中80-140范圍內的少量的點不應該較大地左右最佳閾值。

2.4 解決辦法

有兩種可選擇的方法：

1）改造直方圖，把很小數值或空格部分刪除，以減少灰度和期望之間的差值大小。

2）建立一個新的公式[4，6]，或減少遠離期望的點的作用，

此文采用第二種方法。從公式(1)可知，最佳閾值主要決定于類間方差σw，它的有關部分再述如下：

q1=σ21; q2=σ22，ω1=n1/N ，ω2=n2/N ，qw=q1*ω1+q2*ω2; qb=qt-qw;

為了抵消少量“噪聲”， 本文提出下面的最大類間方差修正公式(3)，λ是修正系數，減號后面的一項是修正項。

η(T)=(1-λ)*( qb/qw)-λ*(N/(n1-n2))(3)

當η(T)最大時的閾值T就是最佳的。

分析修正項可知，n1-n2隨著閾值逐步增大會出現由負到正的過程，由于修正項前面是減號，所以它的作用是加大整體結果η(T)的值，如果n1很最接近n2時修正項的絕對值最大，加大的作用也最強。而Max(qb/qw)

2.5 彩色圖象的提取

上面的敘述已經提到，舌苔部分已經置以最高值255，這樣用兩個文件邏輯與的辦法很容易把舌苔部分從彩色圖象中去掉，留下舌底色部分，在這個基礎上可比較方便的進行下一步工作。

3 實驗

3.1 公式沒有改變前的結果

文中對舌表面的彩色分部圖象分離出綠色的成分，對A，B，C，D，E，F，G，H 8張灰度圖象進行分割處理。圖A，d，e，f，g的分割結果還可以， 最佳閾值的變化在1~2之間，而圖c，b，h的最佳閾值的差距比較大，達到5~6以上，而且h圖在取值范圍較寬時出現反常現象

3.2 新方法

對于上述8個圖片用本文的新方法分割，發現結果很一致。幾個問題突出的圖片的數據匯總于表2。修正系數λ取0.005（λ有一個較寬的可取范圍），在表2中范圍一項雖然取得不全，但也足以說明最佳閾值的穩定性。

3.3 對于修正公式的測試

為了透析修正項的作用，對公式（2）進行數據測試，匯總于表（3）中。 從表3可知(1-λ)qb/qw的范圍在0~1.042，隨著閾值增加，公式（1）的值逐步增大，當n1接近n2的時候，達到最大，最佳閾值就發生在這里，圖4顯示最佳閾值附近η(T)分布圖。

表3 舌分部圖片B的計算數據

■

3.4 分割的結果

下面選擇了3幅舌分部圖進行彩色分割處理，它們分別是圖5、圖6、圖7 ，從下面的結果中可以看到分割還是比較成功的。

4 結論

本文方法對于公式的缺點進行修正，獲得的結果還比較理想。數據表明本文方法使OTUS方法有比較穩定最佳分割閾值，方法簡單可行，有參考價值。

參考文獻：

[1] Otsu N. A threshold selection methord from gray-levelhistogram[J].IEEE Trans SMC-9(1)，1979:62-66.

[2] 付忠良.圖象閾值選取方法-Otsu方法的推廣[J].計算機應用，2000，20(5):37-39

[3] 付忠良.一些新的圖象閾值選取方法[J].計算機應用，2000，(10):13-15.

[4] 付忠良.圖象閾值選取方法的構造[J].中國圖象圖形學報，2000，(5)A(6):466-469.

[5] 張玲，郭磊民，何偉.一種基于最大類間方差和區域生長的圖像分割法[J].信息與電子工程學報，2005，3(2):91-96.

[6] Yu Qiao，，Qingmao Hu，Guoyu Qiam，. Thresholding based on variance and intensity contrast[J].Patter Recognition，2007(40):596-608.