一種改進snake模型的中醫舌體分割方法

孫曉琳，龐春穎

（長春理工大學 生命科學技術學院，長春 130022）

舌診是中醫“望、聞、問、切”四診中的重要內容之一。它通過觀察舌象了解人體生理功能和病理變化，據此辨證論治［1］。長期的臨床實踐證明，舌象變化猶如人體內臟的一面鏡子。舉凡臟腑虛實、氣血盛衰、津液盈虧、病性寒熱及病位深淺、病勢預后，均能客觀的從舌象上反應出來。但長期以來，舌診都是偏重于醫生個人的臨床實踐，依靠醫生的目視觀察，根據臨床經驗進行判斷分析，沒有統一的標準去衡量其所描述的癥狀，存在顏色分辨率低、主觀依賴性強等不利因素，不利于中醫治療技術的發展。近年來，隨著科學技術的發展，很多學者已經對舌診客觀化做了深入的研究［2，3］，從而證實了基于圖像處理技術等對舌象進行分析的技術［4］，具有非常重要的現實意義。

基于舌象分析的舌診處理過程是通過特殊的圖像采集設備將舌象進行采集，其中包括數碼相機和相應的標準光源。雖然通過此設備可以獲得最大的舌體原始圖像，但由于被檢測者的情況各有不同，因此采集出的數字化彩色舌圖像仍然包括非舌體部分，如面部、唇、牙齒等背景區。因此，舌體區域的分割成為舌象分析的第一步并且其分割效果直接影響到病理分析的準確性。

目前，傳統的分割方法有很多，諸如閾值分割法、區域生長法、分裂合并法、分水嶺變換法、聚類分割法、形態運算法等。但這些方法或先驗知識在進行舌體輪廓提取時均存在缺陷，不能改善舌體圖像與嘴唇的錯分現象。目前采用snake模型進行分割的方法被廣泛應用。但基本Snake模型在實際應用中仍存在兩個難題：1.對初始輪廓線的位置敏感，初始輪廓線必須完全包含且靠近目標區域；2.對目標存在的凹角的地方不能收斂。為克服這兩個難題，本文采用色彩空間模型的轉換，確定邊緣輪廓線，最后應用改進的snake模型進行邊緣收斂，從而得到了舌體提取的理想效果。

1 確定初始輪廓線

為了得到理想的初始輪廓線，根據舌體的特殊性，利用舌體的先驗知識，采取顏色空間模型轉換的方法得到舌體的初始輪廓線。

HSV顏色模型是一種適合人眼視覺的顏色模型，它把彩色信號表示為色調（Hue）、飽和度（Saturation）和亮度（Value）三種屬性，與人類對顏色的感知更為接近。而舌體表面有一層對外界光線有很強反射特性的水膜，使得舌象中舌體部分的亮度值通常比較高，因此從舌體亮度信息較為突出的角度出發，并根據HSV的特性，將HSV色彩空間作為舌體分割的依據，預處理原始的舌體圖像，從而得到舌體初始輪廓線。

圖1 H、V分量二值化

將RGB顏色模型轉化為HSV顏色模型，提取H，S，V三個分量，然后分別對H分量與V分量進行圖像二值化，我們發現H分量能很好地顯現出舌尖及舌體兩側的輪廓（圖1（a）），而V分量恰好能很好的凸顯出舌根處的輪廓（圖1（b）），因此我們將兩個經過二值化處理后的分量進行融合（圖2（a））。圖像2（a）有嘴唇部分，對其圖像進行小面積區域刪除運算，得到圖2（b）。由于舌體區域存在若干小孔洞以及邊緣處有離散的噪聲點，故對其圖像進行中值濾波，得到圖2（c）。為了消除邊緣的小缺口，對圖2（c）進行形態學運算，先閉后開，如圖2（d）所示。最后得到舌象輪廓初始化圖，如圖3所示。

圖2 輪廓提取步驟

圖3 舌體輪廓初始化結果

2 原始的snake模型

Snake模型稱為動態輪廓模型［5］（Active Contour Model），是Kass［6］于1987年提出的。其基本思想是根據圖像信息進行曲線或曲面演化，利用閉合曲線或曲面形變的特定規律，定義度量閉合曲線或曲面形變的能量函數，然后通過最小能量函數使曲線或曲面逐漸逼近圖像中目標物體的邊緣。

原始的snake模型就是找到一條連續的封閉變形曲線：v（s）=（x（s），y（s）），其中s∈［0，1］為曲線參數，定義一個能量函數：

其中：Eint為曲線自有的內部能量，Eext為外部能量。Eint定義如下：

其中：vs(s)是曲線v(s)對弧長s的一階導數，根據彈性系數α(s)的改變，控制曲線的張力；vss(s)是曲線v(s)對弧長s的二階導數，根據剛性系數β(s)的改變，控制曲線的變形程度。

外部能量Eext是由圖像作用力產生的能量Eimage和外部局限作用力產生的能量Econ組成，一般情況下Econ缺省值為0，因此函數定義如下：

其中：Gσ(x,y)為方差σ的二維高斯函數；?為梯度算子。

因此，為了使公式（1）能量達到最小化，使用歐拉—拉格朗日方程進行求解，得到函數需滿足的方程：

上述能量最小化方程還可以視為力的平衡方程：

其中：Fint表示snake模型受到的內作用力，主要是保持曲線的平滑性和收縮性；Fext表示外作用力，它控制模型可變曲線朝著真實的目標輪廓移動［7］。最終當內外力之和為零達到平衡狀態時候，snake輪廓曲線在真實的目標輪廓上停止移動，完成目標輪廓的提取。但此方法在完成能量最小化的過程中，能量函數存在多個局部極小值，導致不能保證snake輪廓曲線收斂到全局極值。

3 snake模型優化

根據舌象初始化的輪廓，確定n個控制點。vi代表第i個控制點，那么，各個控制點的能量函數可以寫為：

根據上式，分別計算輪廓線上第i個控制點的總能量與該控制點八鄰域中每一點的總能，若Esnake(vi)大于八個鄰域點中任意一點的總能，那么最小總能的鄰域點將替代該控制點；相反，控制點不變。以此類推，順序計算第i+1控制點的總能，并與周圍八鄰域點總能做比較，從而判斷此控制點是否應該發生改變直到輪廓上確定的每一個控制點都計算完畢。此時，若輪廓不再發生任何變化，則計算結束，此次迭代結果即為所求的舌體區域新的輪廓；相反，以新輪廓作為初始輪廓，繼續重復以上步驟，直至輪廓不再發生改變。最終舌體提取結果，如圖4所示。

圖4 最終舌體提取結果

4 結論

舌體提取的準確性直接影響著中醫舌診系統和進一步的特征提取的準確性。本文運用一種轉換顏色空間和優化的snake模型的方法來實現對舌圖像的分割，首先根據RGB空間到HSV空間的轉換原理［8］，將舌采集圖像在HSV空間進行分量提取并作二值化處理，通過中值濾波及形態學運算處理，得到舌體的初始化輪廓線，然后采用snake模型最小能量函數對得到的初始化輪廓線進行邊緣修正。實驗證明了該改進的算法具有魯棒性，適用于舌體圖像輪廓的分割。

［1］朱文峰.中醫診斷學［M］.上海：上海科學技術出版社，1982：35-49.

［2］沈蘭蓀，王愛民，衛保國，等.圖像分析技術在舌診客觀化中的應用［J］.電子學報，2001，29（12）：1762-1765.

［3］王愛民.用于舌診客觀化的圖像分析技術的研究［D］.北京：北京工業大學，2001.

［4］Chiu Chuang-Chien.A novel approach based on computerized image analysis for traditional Chinese medical diagnosis of the tongue［J］.Computer Methods and Programs in Biomedicine，2000，61（2）：77-89.

［5］Xu C Y，Prince J L.Snakes，and gradient vector flow［J］.IEEE Transactions on Image Processing，1998，7（3）：359-369.

［6］Kass M，Witkin A，Terzopoulos D.Snakes：Active Contour Models［J］.International Journal of Computer Vision，1988，1（4）：321-331.

［7］侯志強，韓崇昭.基于力場分析的主動輪廓模型［J］.計算機學報，2004，27（6）：743-749.

［8］劉剛，王立香，董延.MATLAB數字圖像處理［M］.北京：機械工業出版社，2010：157-163.