中醫面部色澤望診的客觀量化研究進展

韓鵬鵬 王天芳 廖結英 楊瑩瑩 呂宏蓬

望面部色澤是中醫望診的重要內容之一，在中醫臨床中占有重要的地位。由于望面部色澤主要依賴于醫者的主觀感覺器官，因此，在中醫理論指導下，運用現代科學技術的方法和手段對面部色澤信息進行采集與分析，使模糊、主觀的診斷信息具有客觀量化的依據，從而推動中醫望診的現代化進程。筆者擬以中國知網(CNKI)、萬方數據知識服務平臺和維普期刊資源整合服務平臺(VIP)三大中文數據庫為文獻來源，從基于圖像分析和基于光譜技術的面部色澤評價兩個方面，對近十年來有關中醫面部色澤望診的客觀量化研究內容進行綜述，旨在讓大家了解其研究進展，為今后進一步研究提供參考。

1 基于圖像分析的面部色澤評價

基于圖像的面部色澤評價，主要是應用顏色空間模型的參數進行色澤的量化分析，常用的顏色空間模型主要有RGB、HSI以及Lab等。

1.1 基于RGB顏色空間模型的面部色澤客觀量化研究

RGB顏色空間模型是根據國際制定的Red(700.0 nm)、Green(546.1 nm)、Blue(435.8 nm)三原色來描述顏色，該三原色可以對人眼的錐形感光細胞產生刺激，以不同比例進行復合后，能夠產生與各種頻率可見光等效的色覺[1]。因為數碼成像中單像素點中的數據大部分基于24 bit的RGB值，從而使得RGB色彩資料的獲得更為簡單。

基于RGB顏色空間模型的面部色澤量化研究，既有單一量化分析RGB值的研究報道，也有將RGB顏色空間值轉化為顏色指數來分析的。因為RGB顏色空間模型中，是三原色來描述顏色，單一個RGB值變化，難以直觀分析色澤的變化規律。因此，有研究者通過直接進行RGB數碼圖像的分析或者進行轉換研究，將RGB顏色空間值轉化為青色指數、紅色指數、黃色指數、白色指數、黑色指數以及面色總指數等以評價面部色澤，既符合中醫“五色”理論，又可直觀地反映顏色特征變化。研究報道中面色分析結果絕大部分以面部整體的形式呈現，也有分區域描述的。如吉杉等[2]應用中醫四診儀采集了肝硬化患者整體面部、額部、鼻部、唇部、雙側臉頰、雙側眼眶各區位點的圖像信息，結果發現肝硬化患者面部整體、頰區、眼區位點R值、G值較健康人群低，失代償期患者頰區、眼區B值降低，說明單一觀測面部各部位的RGB值可為肝硬化患者病情判定提供一定依據。宮愛民等[3]對健康人群面色指數進行了觀測，以此來探討面色與性別及年齡變化的相關性。研究結果也證實了男、女不同性別之間的面色指數確實存在差異；隨著年齡增加，紅色指數會出現下降，而黃色指數出現升高。在面部色澤的臨床研究報道中，主要關注了冠心病不同證型[4]，慢性腎衰虛實兼證、慢性腎衰不同腎功能分期、慢性腎炎濕熱證以及慢性腎衰虛兼濕濁證等腎系疾病[5-9]以及冠心病、慢性腎衰、慢性乙肝之間的鑒別比較[10]。如董夢青等[10]應用上海中醫藥大學自行研制的中醫面色檢測儀采集了冠心病、慢性腎衰、慢性乙肝患者的面色圖像，來探討三種疾病患者的面色指數變化，研究發現冠心病組的紅、黑色指數和面部總指數相較于慢性腎衰組和慢性乙肝組明顯升高；慢性腎衰組的白、青色指數相較于冠心病組和慢性乙肝組明顯升高；慢性乙肝組的紅、白、青色指數和面色總指數相較于慢性腎衰組明顯降低。

總之，基于RGB顏色空間模型的客觀量化研究，在健康人群與患病人群的面部色澤評價中均得到應用。由于單一觀測RGB值與人眼視覺效果有所差異，近年來研究者多采用面色指數的觀測，使得面部色澤特征的表達更加直觀。基于RGB面色指數評價面色特征的應用結果，為分析健康人群的生理性變化及臨床病證的診斷提供一定客觀、量化的參考依據。

1.2 基于HSI顏色空間模型的面部色澤客觀量化研究

HSI顏色空間是基于人的視覺系統感知色彩的方式而建立的一個色空間，由孟塞爾于1915年提出；其中，H(Hue)為色調，表示對不同顏色的感受，如紅色、綠色、藍色等，S(Saturation)為飽和度表示顏色的純度，I(Intensity)表示顏色的強度[11]；亦有部分研究描述成HSV，只是將Intensity換成了Value。目前中醫面部望診的HSI顏色空間結果往往是將RGB顏色空間數據進行非線性數字轉化而來[1]，之所以將RGB轉換為HIS進行量化分析，這是因為H和S值與人感受顏色的方式是緊密相聯的，能與中醫臨床色診的目測結果直接相關聯，非常適合彩色特性數據的檢測與分析。

基于HSI顏色空間模型的面部色澤量化研究，有些僅分析RGB或HSI(HSV)值，有些則運用面色指數來評價，甚至還增加了光澤指數、唇色指數等。光澤指數包括有光澤指數、少光澤指數及無光澤指數，唇色指數主要是指HSI色彩空間下的色調H，飽和度S和明度I[11]。面部色澤分析結果絕大部分以面部整體的形式呈現，也有分區域描述者。

有些研究僅以RGB或HSI(HSV)值評價面部色澤。如吉杉等[12]應用DS-01A中醫四診儀檢測了肝硬化代償期患者198例，失代償期患者164例及健康人134例的面色圖像，通過分析受試者面部整體、額區、鼻區、唇區、左右臉頰區、眼區各部位HSV值，結果發現肝硬化患者面部整體、頰區、眼區位點H、V值相較于健康人群低，失代償期患者面部整體、頰區、眼區位點S值相較于代償期患者高，表明對面部不同位點HSV值的觀測可為肝硬化患者病情程度的判定提供一定依據。王祉等[13]應用上海中醫藥大學自行研制的中醫舌診、面診數字化檢測儀采集了36例冠心病患者的面色圖像，通過對治療前后的RGB、HSI值進行比較，結果發現治療后的H值較治療前降低，治療前后的R、G、B、H、I值無顯著性差異，治療后的R、G、S、I值出現下降趨勢，B值出現上升趨勢，說明對于RGB、HSI值的觀測可以對冠心病患者治療后的臨床療效作出評價。相似的研究報道還有對高血壓裂紋舌患者[14]、冠心病痰瘀互結證和血瘀證患者[15]以及五臟系疾病患者[16]RGB、HSI值的觀測。

有些研究運用面色指數、光澤指數及唇色指數進行面部色澤的評價。如李雪等[11]應用上海中醫藥大學自行研制的DKF-Ⅱ型中醫舌、面診數字化檢測系統采集了貴州苗族與江蘇漢族各429名健康人的面色圖像，以研究不同地區、民族的差異對于人群面部色澤的影響，研究發現苗族人群紅、黑色指數及面色總指數明顯高于漢族人群；苗族人群白、黃色指數、各光澤指數、唇色指數H、S值低于漢族人群，而青色指數、唇色指數I值高于漢族人群。也有學者進行了相似研究[17]。蘇義書[18]運用道生醫療科技有限公司生產的DS01-A舌面脈信息采集體質辨識系統對健康體檢人群和原發性痛風患者不同體質面部光澤度、唇色、面色的差異進行比較指出：在面部光澤度方面無統計學意義；在唇色、面色方面平和質、痰濕質、血瘀質原發性痛風患者唇色暗紅色比例、陰虛質中紅色面色比例、痰濕質黃色比例以及濕熱質紅色比例高于健康體檢者，濕熱質中唇色紅色比例、平和質和陰虛質中正常面色比例低于健康體檢者。李福鳳團隊應用上海中醫藥大學自行研制的DKF-II中醫面診數字化檢測系統觀測了大腸癌、2型糖尿病患者的面部色澤參數，以大腸癌患者為例，研究發現大腸癌組的紅、青、黑色指數比正常人高，白、黃色指數比正常人低；面部有光澤指數比正常人低；唇色飽和度S比正常組高，明度I比正常組低；大腸癌氣血兩虛組的紅色指數比其他組低，與脾虛氣滯組有顯著差異；濕熱蘊結組白色指數比其他組低，與脾腎陽虛組有顯著差異。也有學者對慢性腎衰、冠心病、慢性乙肝、支氣管哮喘、慢性胃炎患者的面部色澤參數的變化進行了觀測[19-21]。

總之，基于HSI顏色空間模型的面部色澤量化研究，其觀測對象涵蓋了健康人群與患病人群，其中有些研究的面色評價是基于體質分類進行的。此類研究既有對RGB或HSI(HSV)值的直接觀測，也有通過面色指數、唇色指數及光澤指數來評價面部色澤的。相較于RGB顏色空間模型，HSI顏色空間模型更符合人眼的視覺效果。基于HIS的面部色澤評價的應用結果，初步驗證了中醫關于不同種族和體質的健康人群的面部色澤存在差異的認識；不同病證面部色澤的量化分析，為臨床病證的診斷提供一定客觀、量化的參考依據。

1.3 基于Lab顏色空間模型的面部色澤客觀量化研究

Lab顏色空間是一種均勻色空間，是根據CIE(國際照明組織委員會)在1931年所制定的國際標準色度系統(CIE 1931色度系統)基礎上建立的。Lab顏色模型由三個要素組成，其中L代表亮度，a和b是指兩個顏色通道。1976年進一步改進為CIE 1976 L*a*b*顏色空間。作為一個均勻的色空間，在色差計算上有獨特的優勢，可以計算出與人眼觀察能力相匹配的色差參數，如2個樣本間的色度差、飽和度差、色相差、明度差、總色差等參數，有利于量化結果之間的比較研究。

雖然Lab顏色空間參數原則上基于可見光范圍內(波長間隔小于5 nm)光譜數據計算而獲得，但有部分研究者通過數碼成像的RGB 3個位點數據進行Lab顏色空間的推導，以進行色差的比較研究。如宮愛民等[22]應用舌面一體檢測系統采集了372例上海中醫藥大學在校學生的面色信息，除比較RGB值之外，還進行了Lab顏色空間參數結果的分析，以進行健康人群面部色澤四季之間變化規律研究。結果顯示，夏季a值最高，說明夏季面色以紅色為主；b值春季較高，說明春天面色偏青；冬季面色L值最低，說明冬季面色偏于灰黑色。該研究團隊[23]還應用上海中醫藥大學與上海亞泰公司研發的中醫四診儀器采集了120例肝纖維化患者的面色圖像，Lab參數結果表明：肝纖維化濕熱中阻證面色偏黃色、肝腎陰虛證面色以紅色為主、肝郁脾虛型面色偏青、氣虛血瘀證面色偏暗，面色偏青黑色，為肝纖維化的中醫臨床診斷提供了參考。

這里要說明的是，基于數碼的RGB值推導的Lab參數結果存在一定的失真，在各色差參數的比較時尤為明顯，還是以分光光度測色設備采集的數據進行統計分析為好。

1.4 基于HSI與Lab顏色空間模型綜合分析的面部色澤客觀量化研究

許家佗等[24]應用自行設計研制的面色舌象采集標準光源箱，NIKON D40單鏡頭反光數碼照相機對207名受試者進行了面色圖像采集，分別對額頭、左頰、右頰、鼻頭、下頜、口唇共6個部位進行亞健康不同證型的RGB、HIS、Lab分析，指出亞健康各證型組之間存在較多顯著性差異，對局部面色的分析比整體更有價值。崔龍濤等[25]對大學生亞健康狀態氣虛型、血虛型、陰虛型、氣郁型各20例進行中藥干預2周，通過對額頭、右頰、左頰、鼻頭、下頜5個部位的中藥干預前后的Lab、HSI分析，指出中藥干預后亞健康狀態氣虛型學生額頭、右頰、左頰、鼻頭、下頜各部L、I值明顯升高，b、H值明顯降低，陰虛型下頜部b值明顯降低，氣郁型額頭S值、鼻頭和下頜的a、S值明顯升高，而血虛型無統計學意義。阮銘等[26]應用四診儀采集了觀察組97例惡性腫瘤伴抑郁焦慮患者的面色圖像，對照組為排除內科疾病的正常人，結果發現觀察組眼眶、鼻子、額頭、口唇和面部整體的灰度、各部位V值、各部位L值低于對照組，H值在顏色空間上色度接近黃色，對照組更接近紅色，觀察組比對照組面色黑、顏色深、暗淡。

總之，HSI以人的視覺系統感知色彩的方式進行參數表征，Lab色空間的均勻特性有利于色差的比較，因此，HSI與Lab顏色空間模型的結合性評價具有更好的互補性。基于HSI與Lab顏色空間模型的面部色澤綜合評價，觀測對象涉及亞健康人群與患病人群，面部色澤結果多采用分區域描述。上述基于HIS與Lab顏色空間模型相結合的面部色澤評價結果，為辨識不同類型的亞健康狀態與觀測一些疾病的面部色澤特征提供了一定參考。

2 基于光譜技術的面部色澤評價

基于光譜技術的色澤數據采集與RGB的3個可見光波長位點不同，而是進行可見光范圍內(間隔波長<5～10 nm)的反射光或透射光的數據采集，可直接進行CIE色度學參數結果的對接，具有更好的準確性，如CIE三刺激值XYZ、色度坐標xy以及CIE 1976 L*a*b*等。

基于光譜技術的色澤測定主要有分光光度設備與光譜儀設備2類。早期主要是應用分光光度測色類設備進行樣本反射率(或透射率)的檢測，在CIE1976L*a*b*均勻顏色空間下對明亮度L、紅光度a、黃光度b、飽和度C值、400～700 nm波長段下的面色反射率、色差比較結果等指標進行分析。如許家佗團隊應用日產柯尼卡美能達CM-2600D分光測色儀對不同健康狀態下受試者面部額部、眉間部、鼻部、下頦、左右顴部、左右眼胞8處的光譜色度指標進行了觀測[27-29]。以疾病狀態下的觀測為例，研究發現疾病組L值顯著低于健康組，b、C值顯著高于健康組，各波長段下反射率顯著低于健康組；疾病組除左右眼胞外的6處L、a、b、C值有顯著差異；五臟病各組光譜色度特征比較有顯著差異。反映了分光光度測色系統可區分不同健康狀態下的面部色澤。

隨著光譜檢測技術的發展，基于光譜儀的測色具有檢測速度更快、分辨率更好、可耦合于光纖、自動繪出光譜圖等優勢。如曾常春團隊應用海洋光學USB4000型VIS/NIR可見近紅外光纖光譜儀采集了516名正常人群印堂、準頭、口唇與舌質的色澤信息，獲得了CIE 1964色度坐標、亮度、主波長、色純度等色度學參數的正常值參考范圍；同時，還比較了印堂與準頭部位的色差，結果顯示：總色差為1.846、明度差為0.514、色度差為1.773、飽和度差為1.759、色相差為0.218單位，以與人眼色差能力相對的參數進行表述[30-32]。朱志榮等[33]對印堂和準頭部位的明度Y值與其色度的主波長和興奮純度的相關性進行了分析，結果表明膚色中偏白或偏黑不會對色診光譜測色的主色調造成影響，而明度Y值與興奮純度有負相關性，說明其主色調飽和度受到皮膚偏白或偏黑的影響，以正確地理解色度學參數與望診之對應性。張郁靖等[34]應用光纖光譜儀對翠鳥羽毛(翠羽)、干枯的草葉片(草茲)進行青色特性分析，雞冠和干涸的豬血(衃血)進行赤色分析，螃蟹的腹部(蟹腹)和枳實進行黃色分析以及35名正常人的鼻準與額頭進行反射光譜分析,結果發現主生的青(翠羽)、赤(雞冠)、黃(蟹腹)光譜分析反映出反射色譜波峰單一，體現了其色的鮮艷性；而主死的青(草茲)、赤(衃血)、黃(枳實)光譜分析反映出其反射色譜以復合色為主，體現了色的晦暗；正常人群的面色則在一定程度上顯示了紅黃微隱與氣血的充盈，通過望色的鮮艷性或晦暗性可以反映主生與主死之色的差異性。鄔艷波等[35]應用光纖型可見近紅外光譜儀搭建的光譜測色系統采集了268位肝原性黃疸患者的面色信息，通過比較肝原性黃疸陰黃與陽黃患者的色差變化，結果發現二者在鼻尖與額頭部位的總色差分別為9.98和5.82色差單位，在明度上的差別最為明顯。上述研究表明，基于光譜儀的測色技術，分辨率更高，有利于細微色差的對比分析。

總之，基于光譜技術的面部色澤評價，可直接進行CIE色度學參數結果的對接，對色差分析的準確性更有優勢。尤其是近年來，高光譜成像技術取得較大的突破，對中醫面部色澤的量化研究具有潛在的影響作用。高光譜成像的數據與數碼成像相比，一個像素點信息由24 bit的RGB值提升為全可見光范圍的光譜數據，從而使光譜技術的測色得到質的提升。如李慶利等[36]基于高光譜技術研發了一款中醫舌象輔助診斷系統，該系統替代數碼相機采集舌圖像，提供了更加豐富的舌象信息，使舌診更加客觀化和精確化。高光譜成像技術將圖像信息和光譜信息合為一體，具有良好的空間分辨率，具有廣泛性、信息全面性、使用安全性、技術實用性、數據處理方法多樣性等特點[37]。今后若將高光譜成像技術應用于面部望診的客觀量化研究中，將進一步推動先進光子學技術與面部望診參數量化的交叉學科發展。

3 展望

基于近十年的研究報道，中醫面部色澤望診的客觀量化研究主要圍繞人體不同健康狀態下的面部色澤進行評價。基于圖像分析和光譜技術的面部色澤信息評價是面部色澤客觀量化研究的主要方法。

基于圖像的色澤數據分析，目前仍主要應用數碼成像設備采集信息資料，借助RGB、HSI以及Lab顏色空間參數實現量化分析與評價，其中RGB顏色空間可以與數碼設備對接以獲得相關數據值，但其結果的變化不能直接對應人眼色覺；將數據進行HIS值轉換，有利于順應人眼感知色彩的方式進行數據結果的比較與分析。Lab色空間對亮度、色相、飽和度3個參數的衡量是一個心理的色彩，具有與人眼的色彩判別特點相近的優勢；同時，作為一個均勻的顏色空間參數在中醫面部望診中的應用，可以將人眼對色知覺差異值進行量化的表征；兩個樣本間的比較可以獲得總色差、明度差、色度差、飽和度差、色相差等具體特征性的比較結果，而應用HIS色空間參數比較時僅能知H、I、S值的差值大小，其色差特點與差值就無法量化，也就是說，基于國際標準Lab色空間的應用將更有利于中醫面部望診的標準化與規范化發展。

隨著數碼成像與數字圖像技術的發展，對中醫面部色澤望診的客觀量化研究起到了直接促進作用，如基于圖像的面部色澤比較研究，國內若干研究團隊自行建立有中醫面部(包括舌診)信息采集系統。然而，這里想要說明的是，對目前色澤研究的RGB值范圍各小組數據存在較大差異，其原因可能是數碼成像過程若干因素所導致的偏倚，如成像設備本身的差異、光源的不同、曝光程度、與樣本的距離、白平衡干擾等因素。有研究團隊提出采用統一設備、標準光源等方法，但仍因標準不一致限制著中醫面部望診的多中心合作性研究的發展進程。另外，數碼RGB并不等同于CIE 1931標準色度的RGB概念，應用數碼的RGB值代替CIE RGB進行CIE Lab顏色空間參數的轉換，將使結果帶來一定失真，在色澤量化研究時需值得我們注意，在顏色測量技術中原本就不推薦應用數碼成像資料的結果進行色度學參數的計算與分析。

基于光譜技術的測色方法，能夠采集全可見光波段范圍內一定間隔波長的數據，也就是光譜數據，特別是同色異譜情況下可以根據光譜數據去分析該色澤產生的深層次含義。隨著光學技術的發展，基于光譜儀的色度檢測設備得到很大發展，不僅具有檢測速度快、精確度高、分辨力高等優勢，還可以根據不同標準照明體的光譜特點進行均一化處理，對同一樣本可以獲得相同色度學結果[38]，即可以避免照射光源對色澤結果帶來的干擾。集成像與光譜技術于一體的高光譜成像技術的應用，可以在面診資料采集的過程獲得全部位點基于光譜的色澤資料，在數據資料的完整性與分析處理的能力上具有更大的應用前景，但其便攜性和波長分辨率仍需得到進一步提升。

總之，面部色澤望診為中醫望診的重要內容，備受歷代醫家的重視。開展面部色澤望診的客觀量化研究，不僅可為臨床辨別病證提供更為精準的依據，而且在體質辨識、治未病領域有潛在價值。但今后的研究中還有很多關鍵性問題需要解決。例如，如何解決客觀界定中醫的五色的問題，如何精準分辨相同面色之間(如面如煙煤、黧黑、青黑、蒼黑、灰黑等)的微小差異等。這些都需要我們結合現代的光學、色度學及人工智能等多學科的方法進行進一步的探索。