基于圖像修復(fù)的舌象采集標(biāo)準(zhǔn)化處理及驗(yàn)證研究*

吳文珍，謝建輝，李倩，楊小波△，王瑞軒，李青海，黃旭東，潘宇翔，王羽飛，黃嗣宗

（1.省部共建中醫(yī)濕證國(guó)家重點(diǎn)實(shí)驗(yàn)室（廣州中醫(yī)藥大學(xué)第二附屬醫(yī)院），廣東廣州 510120；2.廣東省中醫(yī)院，廣東廣州 510120；3.中山大學(xué)，廣東廣州 510275；4.廣東精點(diǎn)數(shù)據(jù)科技股份有限公司，廣東廣州 510000）

中醫(yī)在我國(guó)發(fā)展歷史悠久，舌象診斷是中醫(yī)望診中的重要組成部分，其主要依賴于舌象的外觀表現(xiàn)，通過(guò)觀察舌質(zhì)和舌苔的變化情況來(lái)感知患者疾病。現(xiàn)代硬件技術(shù)已能達(dá)到良好舌象獲取標(biāo)準(zhǔn)，目前舌象標(biāo)準(zhǔn)化采集的研究主要聚焦于采集光源與采集設(shè)備。在采集光源的研究上，石強(qiáng)[1]通過(guò)比較標(biāo)準(zhǔn)光源D50和自然光源下舌像診斷結(jié)果的相似度，認(rèn)為D50光源穩(wěn)定性強(qiáng)，在舌象采集中有較好效果；在采集設(shè)備的研究上，王憶勤團(tuán)隊(duì)研制的ZBOX-1型舌脈象數(shù)字化分析儀構(gòu)建了中醫(yī)舌脈象規(guī)范采集和信息處理方法[2],蔡軼珩團(tuán)隊(duì)設(shè)計(jì)的以計(jì)算機(jī)為核心的標(biāo)準(zhǔn)舌像分析儀實(shí)現(xiàn)了舌像采集、處理、分析與定量化的標(biāo)準(zhǔn)流程[3]；在專利研究方面，目前已研究出LED光源手持式中醫(yī)舌診儀、微云智能舌診儀、電子舌診儀、電子舌面鏡等[4]，滿足了各應(yīng)用場(chǎng)景的舌像采集需要。但是，現(xiàn)存的舌像采集方式大多依賴于實(shí)驗(yàn)場(chǎng)景標(biāo)準(zhǔn)光源，以及成本高、普及性低的舌像采集儀，難以在日常生活發(fā)揮作用，因此在互聯(lián)網(wǎng)、手機(jī)移動(dòng)終端快速發(fā)展的今日，對(duì)于中醫(yī)舌診提出了便攜化、客觀化和定量化的要求，基于智能手機(jī)平臺(tái)的舌象圖片采集，需要在兼顧操作便利的同時(shí)，提高智能舌診識(shí)別的準(zhǔn)確率。本文研究的舌象采集標(biāo)化處理方案旨在開(kāi)發(fā)基于微信小程序平臺(tái)的舌象采集分析交互前端頁(yè)面，在合理的范圍內(nèi)對(duì)采集圖像進(jìn)行標(biāo)化處理，滿足舌診準(zhǔn)確化、客觀化的要求，更好地服務(wù)于患者與醫(yī)生。

1 舌象采集流程的標(biāo)準(zhǔn)化

本研究對(duì)于舌象采集流程中的標(biāo)準(zhǔn)化問(wèn)題包括顏色校正、亮度檢測(cè)、模糊檢測(cè)等進(jìn)行了研究，并在此基礎(chǔ)上提出以超分辨率為核心的圖像增強(qiáng)修復(fù)方案，并設(shè)計(jì)了依賴于智能手機(jī)前端的舌象采集流程（見(jiàn)圖1）：前端采集的原圖片，上傳服務(wù)器后第一流程是使用支持向量回歸的顏色校正算法進(jìn)行顏色校正。經(jīng)過(guò)顏色校正后的圖片進(jìn)入舌象裁剪流程，即調(diào)用YOLOv5模型使用標(biāo)注舌象進(jìn)行監(jiān)督學(xué)習(xí)后的輸出，對(duì)圖片進(jìn)行裁剪處理只保留舌象目標(biāo)部分。成功進(jìn)行舌象目標(biāo)裁剪后對(duì)目標(biāo)進(jìn)行亮度檢測(cè)分析和調(diào)整，亮度檢測(cè)除非特殊情況（該情況會(huì)先在前一流程導(dǎo)致目標(biāo)檢測(cè)失敗），都可以調(diào)整至適合進(jìn)行舌診的亮度，考慮計(jì)算成本和實(shí)際應(yīng)用情況，這一流程使用固定算法和閾值的亮度檢測(cè)算法，將亮度不合格的圖片進(jìn)行調(diào)整。進(jìn)行圖像亮度識(shí)別以及調(diào)整后，進(jìn)入對(duì)圖片模糊程度的判斷以及處理，本流程選擇拉普拉斯算子方法作為判斷圖片模糊的算法，雖然該算法有設(shè)備自動(dòng)對(duì)焦錯(cuò)誤時(shí)導(dǎo)致錯(cuò)判模糊區(qū)域的風(fēng)險(xiǎn)，但前面的舌象裁剪流程可以有效減少該類誤判，使其成功識(shí)別模糊程度并最終決定是否需要對(duì)圖像進(jìn)行超分辨率增強(qiáng)，對(duì)于可增強(qiáng)圖像進(jìn)行超分辨率修復(fù)后保存至服務(wù)器并返回成功信息，而過(guò)于模糊的圖像由于信息損失嚴(yán)重將返回失敗信息。

圖1 舌象手機(jī)采集處理流程圖

2 采集舌象顏色校正

2.1 顏色校正方法

2.1.1 白平衡 白平衡即將非真實(shí)顏色變換去除的過(guò)程，使得被平衡后圖中物件被人觀察時(shí)和在照片中呈現(xiàn)一樣的顏色。某些相機(jī)的白平衡功能會(huì)將光源的“色溫”考慮進(jìn)去（色溫意指白光的冷暖程度）。人類的眼睛在不同的光源下具有自動(dòng)平衡的能力，合理的白平衡對(duì)在本次舌象采集中，能對(duì)不同環(huán)境中可能存在的各種光照環(huán)境下拍攝出的照片進(jìn)行合理的調(diào)整，提升照片的質(zhì)量。

2.1.2 灰度世界+完美反射白平衡 灰度世界是施行白平衡處理時(shí)的一種假設(shè)：對(duì)于顏色豐富的圖像，RGB三通道統(tǒng)計(jì)平均值都趨向于同一個(gè)灰階的顏色[5]。根據(jù)此假設(shè)，在處理時(shí)保持G分量不變，通過(guò)調(diào)整R、B分量的均值實(shí)現(xiàn)顏色校正。完美反射是施行白平衡處理時(shí)的另一種假設(shè)：圖像中存在一個(gè)純白色的物體或區(qū)域（完美反射體），在任何光源色溫下R、G、B皆為極大值，處理時(shí)以完美反射體為基準(zhǔn)對(duì)其他顏色進(jìn)行校正。灰度世界、完美反射兩種白平衡處理算法適用于大部分圖像的顏色校正，但在特定情況下不能正確再現(xiàn)物體的真實(shí)顏色。因此本文中采用結(jié)合兩者優(yōu)點(diǎn)的算法，在灰度世界和完美反射校正原有的線性映射基礎(chǔ)上，校正R通道時(shí)使用平方的形式[6]：

2.1.3 SVR支持向量機(jī)回歸支持向量機(jī)（Support Vector Machine,SVM）是一類監(jiān)督學(xué)習(xí)方式的二元分類模型，是定義在特征空間上依據(jù)間隔最大化進(jìn)行分割的線性分類器[7]。支持向量回歸是支持向量機(jī)標(biāo)準(zhǔn)模型的復(fù)雜形式，將硬間隔距離最小化結(jié)合拉格朗日函數(shù)的偏導(dǎo)特性可得該支持向量回歸的對(duì)偶問(wèn)題，以及偏移量b的解：

2.1.4 多項(xiàng)式回歸 多項(xiàng)式回歸具有建模速度快、占用計(jì)算資源少、算法實(shí)現(xiàn)易等優(yōu)點(diǎn)，常用于打印機(jī)色彩校正[8]。其算法原理如下：在標(biāo)準(zhǔn)空間下第i個(gè)色塊的RGB值為R0i、G0i、B0i，則轉(zhuǎn)換多項(xiàng)式表示為：

本文選擇多項(xiàng)式項(xiàng)數(shù)為9，最高次為2.多項(xiàng)式向量如下：

RGB值組合的多項(xiàng)式向量是多項(xiàng)式回歸校正算法的關(guān)鍵。當(dāng)多項(xiàng)式次數(shù)過(guò)少時(shí)會(huì)導(dǎo)致欠擬合，達(dá)不到理想的校正效果；而多項(xiàng)式次數(shù)過(guò)多時(shí)容易導(dǎo)致過(guò)擬合，使算法可拓展性差[9]。

2.2 舌象實(shí)驗(yàn)校正方案和結(jié)果

用智能手機(jī)拍攝舌象圖片，分別用上述4種算法進(jìn)行顏色校正，對(duì)比色差公式的客觀顏色評(píng)價(jià)計(jì)算值，結(jié)合人眼觀察得到的主觀顏色評(píng)價(jià)（見(jiàn)表1），選擇顏色校正效果最好的算法。

表1 各種顏色校正算法主觀顏色評(píng)價(jià)對(duì)照

客觀標(biāo)準(zhǔn)即設(shè)定在CIE-Lab顏色空間中使用如下色差公式計(jì)算兩幅圖像的差異，客觀評(píng)價(jià)結(jié)果由avg（a）、avg（b）和avg（E）三個(gè)計(jì)算值來(lái)衡量，認(rèn)為當(dāng)avg（a）＜=14、avg（b）＜=8且avg（E）＜=16時(shí)顏色基本一致，統(tǒng)計(jì)得到上述算法通過(guò)色差公式計(jì)算的客觀評(píng)價(jià)結(jié)果（見(jiàn)表2），支持向量回歸算法各項(xiàng)色差計(jì)算值均為最小。結(jié)合4種顏色校正算法的客觀評(píng)價(jià)計(jì)算結(jié)果和人眼主觀判斷結(jié)果進(jìn)行分析和比較，選擇結(jié)果最優(yōu)秀的支持向量回歸算法進(jìn)行舌象顏色校正。

表2 各種顏色校正算法客觀顏色評(píng)價(jià)結(jié)果

3 亮度和模糊檢測(cè)

3.1 亮度檢測(cè)

3.1.1 顏色空間轉(zhuǎn)換檢測(cè) 顏色空間轉(zhuǎn)換檢測(cè)的主要是考慮圖片在HSL（色相、飽和度、亮度）顏色空間下L分量（亮度）的大小[10]，L公式為:

將獲取圖像的RGB值代入上述公式得到亮度分量L，與預(yù)設(shè)閾值進(jìn)行對(duì)比即可判斷圖片的明暗程度是否符合要求。相對(duì)模糊檢測(cè)，亮度問(wèn)題可以通過(guò)圖片校正來(lái)提高亮度，相對(duì)來(lái)說(shuō)可以采用比較柔和的策略提高用戶體驗(yàn)。

3.1.2 機(jī)器學(xué)習(xí)方法 上述公式容易受到圖像中某一像素點(diǎn)的干擾，無(wú)論最后判斷亮度采用平均或是極值處理，會(huì)發(fā)生圖像中某部分像素對(duì)圖片整體產(chǎn)生影響而判斷有誤的情況。相對(duì)地采用監(jiān)督學(xué)習(xí)的機(jī)器學(xué)習(xí)方法，在有足夠數(shù)據(jù)支撐的情況下，可以正確的學(xué)習(xí)到標(biāo)注過(guò)為暗和亮圖片中的特征并對(duì)其進(jìn)行分類判斷。實(shí)驗(yàn)過(guò)程中，將顏色空間轉(zhuǎn)換算法對(duì)同一張圖片置暗處理后（見(jiàn)圖8）的亮度檢測(cè)計(jì)算結(jié)果分別為56%與34%，與人眼主觀判斷基本保持一致（見(jiàn)表3）。對(duì)比人工智能方法所用的計(jì)算成本和亮度檢測(cè)算法的結(jié)果代價(jià)，最終選擇使用顏色空間轉(zhuǎn)換法，并設(shè)置閾值為45%。

表3 對(duì)舌象圖片進(jìn)行暗化處理的結(jié)果

3.2 模糊檢測(cè)

3.2.1 拉普拉斯算子檢測(cè)及快速Fourier檢測(cè)（FFT）本文利用了cv2實(shí)現(xiàn)的拉普拉斯算子，計(jì)算圖片通過(guò)拉普拉斯算子后的方差，通過(guò)方差給定閾值之間的關(guān)系判斷圖片是否模糊。FFT和拉普拉斯算子檢測(cè)作為類似的檢測(cè)方法，本質(zhì)在于提取圖片的高頻信息，因?yàn)槠渥饔迷谡麄€(gè)圖片上，會(huì)受到目標(biāo)區(qū)域和非目標(biāo)區(qū)域模糊程度不同而影響檢測(cè)效果，由于非目標(biāo)區(qū)域占圖片較大比例而目標(biāo)區(qū)域占圖片比例較小，非目標(biāo)區(qū)域的清晰程度會(huì)成為決定最后檢測(cè)值的主要原因。參考圖9，由于對(duì)焦問(wèn)題，肉眼可見(jiàn)的在衣服處的紋理比人像上清晰，簡(jiǎn)單截取衣服紋理區(qū)域（見(jiàn)圖10）和目標(biāo)人像區(qū)域（見(jiàn)圖11）對(duì)算法的結(jié)果進(jìn)行校驗(yàn)，校驗(yàn)結(jié)果如下（見(jiàn)表4）：

表4 兩種模糊檢測(cè)算法的舌象校驗(yàn)結(jié)果

可見(jiàn)上述中截取了圖片部分，由于目標(biāo)圖片使用前置攝像頭在默認(rèn)條件下采集，疑似出現(xiàn)了對(duì)焦問(wèn)題，對(duì)焦位置在衣服紋理而非目標(biāo)人像上。對(duì)整體圖像、疑似對(duì)焦區(qū)域、舌象目標(biāo)區(qū)域分別使用拉普拉斯算子與FFT檢測(cè)，在合理的閾值內(nèi)（太高可能意味著噪音太多），值越高說(shuō)明圖片越清晰，結(jié)果值大小與人眼主觀判斷基本一致（較為清晰、清晰、模糊），同時(shí)也暴露該算法的問(wèn)題：如果目標(biāo)區(qū)域與非目標(biāo)區(qū)域（背景等）存在因?qū)钩霈F(xiàn)的模糊狀況，在進(jìn)行評(píng)估計(jì)算時(shí)，依然會(huì)被統(tǒng)計(jì)進(jìn)值中。因此在整個(gè)舌象采集流程中，需要在進(jìn)行模糊判斷前對(duì)目標(biāo)區(qū)域（舌象）進(jìn)行裁剪的必要。

3.2.2 機(jī)器學(xué)習(xí)方法 相對(duì)上述利用過(guò)濾器對(duì)圖片進(jìn)行運(yùn)算并判定閾值，本實(shí)驗(yàn)中判定/標(biāo)定是否模糊應(yīng)以客戶為準(zhǔn)。在實(shí)際舌象診斷中，由于診室的環(huán)境無(wú)法標(biāo)準(zhǔn)化，實(shí)際進(jìn)行診斷時(shí)也并非對(duì)著標(biāo)準(zhǔn)化的舌象進(jìn)行診斷。考慮到診斷還會(huì)受到諸多因素影響：時(shí)間（早中晚對(duì)舌苔色澤等特征會(huì)產(chǎn)生影響）、事件（就診人是否食用帶顏色食物飲料等）等，圖片失真程度只要在一定的合理范圍內(nèi)，均可以視為有效采集的舌象。基于上述要求，設(shè)置了以監(jiān)督學(xué)習(xí)為基礎(chǔ)的機(jī)器學(xué)習(xí)方法進(jìn)行判斷是否模糊的方案。構(gòu)建深度學(xué)習(xí)網(wǎng)絡(luò)，標(biāo)定樣本的label，進(jìn)行訓(xùn)練并對(duì)模型預(yù)測(cè)結(jié)果進(jìn)行評(píng)估。

4 圖像增強(qiáng)

圖像增強(qiáng)技術(shù)主要存在兩個(gè)分支：人工智能和圖像校正。圖像增強(qiáng)的主要應(yīng)用場(chǎng)景為圖像信息損失的情況。但是圖像增強(qiáng)后，已經(jīng)損失的信息無(wú)法還原，即圖像增強(qiáng)并非模糊化圖像（諸如打馬賽克等技術(shù)）的逆運(yùn)算，其最多能減少增強(qiáng)后圖像與源圖像的區(qū)別。通過(guò)卷積神經(jīng)網(wǎng)絡(luò)將分辨率低的圖片進(jìn)行無(wú)損放大，提升細(xì)節(jié)的技術(shù)。增強(qiáng)圖片清晰度的技術(shù)一般稱為超分辨率技術(shù)，常見(jiàn)的有基于臨近像素點(diǎn)計(jì)算的方法、基于貼片的方法、基于圖像成像原理的方法以及基于深度神經(jīng)網(wǎng)絡(luò)的方法等，目前效果最好的是基于深度神經(jīng)網(wǎng)絡(luò)的方法。本文中實(shí)現(xiàn)了Google RAISR超分辨率技術(shù)[11]，對(duì)在前文中提到的模糊檢測(cè)中無(wú)法通過(guò)的原始圖片（圖12）進(jìn)行圖像增強(qiáng)（見(jiàn)表5），在圖像符合模糊檢測(cè)的要求后（圖13），再對(duì)數(shù)據(jù)進(jìn)行存儲(chǔ)，模糊檢測(cè)計(jì)算值也符合人眼的主觀判斷結(jié)果。

表5 對(duì)舌象圖片進(jìn)行超分辨率圖像增強(qiáng)

5 總結(jié)

隨著近年來(lái)科學(xué)技術(shù)的不斷發(fā)展，中醫(yī)舌診的標(biāo)準(zhǔn)化、客觀化、定量化是中醫(yī)智能診斷的發(fā)展方向，本研究探討一種舌象采集標(biāo)準(zhǔn)化處理流程，發(fā)現(xiàn)①顏色校正方面：中醫(yī)舌診主要是診察舌質(zhì)和舌苔的情況對(duì)病情做出初步判斷，舌苔的顏色表現(xiàn)是診察的重要依據(jù)，舌象圖片的顏色是直接影響診斷結(jié)果的重要指標(biāo)。舌象采集會(huì)受采集設(shè)備、環(huán)境光源、采集角度等因素影響而導(dǎo)致顏色失真，影響醫(yī)生對(duì)于患者病情的主觀判斷，以及后續(xù)舌象分析系統(tǒng)的預(yù)測(cè)結(jié)果。因此進(jìn)行顏色校正是實(shí)現(xiàn)舌象采集標(biāo)準(zhǔn)化處理的關(guān)鍵步驟之一。前端采集的原圖片上傳至服務(wù)器后，服務(wù)器后臺(tái)首先對(duì)原始圖片進(jìn)行色彩校正，這一部分就顏色校正算法進(jìn)行了實(shí)驗(yàn)，共實(shí)驗(yàn)了：白平衡、結(jié)合灰度世界和完美反射假設(shè)的白平衡、多項(xiàng)式回歸、支持向量回歸的顏色校正算法。實(shí)驗(yàn)中，基于手機(jī)拍攝的圖片在經(jīng)過(guò)候選顏色校正算法后的結(jié)果，使用能夠客觀判斷色差的算法對(duì)不同顏色校正算法的結(jié)果進(jìn)行比對(duì)，客觀評(píng)價(jià)結(jié)果顯示支持向量回歸算法各項(xiàng)色差計(jì)算值均為最小，結(jié)合人眼對(duì)于圖片顏色的主觀判斷，最終選擇支持向量回歸算法作為顏色校正的處理方法。在亮度檢測(cè)方面：對(duì)舌象圖片進(jìn)行亮度的檢測(cè)與調(diào)整，相對(duì)來(lái)說(shuō)是采用比較柔和的策略提高了用戶體驗(yàn)。顏色校正并成功進(jìn)行舌象目標(biāo)裁剪后將對(duì)目標(biāo)進(jìn)行亮度檢測(cè)分析和調(diào)整，在實(shí)驗(yàn)中提出兩種方法：轉(zhuǎn)換顏色空間后檢測(cè)亮度分量大小、訓(xùn)練人工智能二分類模型后進(jìn)行判斷分類。前者為固定算法+閾值選擇，流程較快但會(huì)受到圖片成分的影響，因此需要先進(jìn)行舌象裁剪。后者雖然仍需更多數(shù)據(jù)支持，但能夠有效的學(xué)習(xí)到圖片中的特征并進(jìn)行分類，輔以訓(xùn)練圖像的變化則可以更好的提高模型的識(shí)別能力。實(shí)驗(yàn)過(guò)程中，將顏色空間轉(zhuǎn)換算法對(duì)同一張圖片置暗處理后，顏色空間轉(zhuǎn)換法的檢測(cè)結(jié)果與人眼主觀判斷結(jié)果基本一致。對(duì)比計(jì)算成本和結(jié)果誤差后選擇使用顏色空間轉(zhuǎn)換法作為亮度檢測(cè)算法。②模糊檢測(cè)方面：舌形信息包含舌的輪廓、形狀、表面紋理，舌苔信息包含舌苔的密度、紋理、數(shù)量以及位置，對(duì)于這些舌象信息的觀察需要對(duì)圖像有一定的清晰度要求，因此需要使用模糊檢測(cè)算法判斷圖像是否需要進(jìn)行圖像修復(fù)。通過(guò)對(duì)比拉普拉斯算子檢測(cè)與FFT檢測(cè)的測(cè)試結(jié)果，對(duì)整體圖像、疑似對(duì)焦的截取部分、舌象目標(biāo)區(qū)域分別使用拉普拉斯算子方法所得值，符合人眼對(duì)其的主觀判斷：較為清晰、清晰、模糊，可見(jiàn)兩種方法都存在當(dāng)圖片在智能手機(jī)中拍攝時(shí)存在背景模糊或因?yàn)樵O(shè)備自動(dòng)對(duì)焦錯(cuò)誤時(shí)導(dǎo)致錯(cuò)判的問(wèn)題，而流程中對(duì)目標(biāo)舌象的裁剪可以有效減少該類誤判。考慮到人工智能方法對(duì)服務(wù)器產(chǎn)生的負(fù)擔(dān)，以及兩種圖片算法的相似程度以及運(yùn)算速度，選擇拉普拉斯算子檢測(cè)作為模糊檢測(cè)算法。③圖像增強(qiáng)方面：模糊本身是一種圖片信息的損失，修復(fù)處理可以還原部分信息，當(dāng)圖片過(guò)于模糊無(wú)法還原時(shí)，后臺(tái)將直接返回失敗至客戶端并要求重新采樣。而當(dāng)模糊不嚴(yán)重時(shí)，可以嘗試調(diào)用超分辨率算法對(duì)圖像進(jìn)行修復(fù)。做出這個(gè)考慮一是因?yàn)橛脩舨杉瘯r(shí)即便按照要求操作，也無(wú)法達(dá)到實(shí)驗(yàn)室的采集效果，需要給予一定容錯(cuò)率，否則將降低用戶的操作體驗(yàn)；二是基于對(duì)中醫(yī)醫(yī)師的調(diào)查得知，在真實(shí)舌象診斷時(shí)，診斷環(huán)境也存在一定的寬容范圍。文中實(shí)現(xiàn)并試驗(yàn)了Google RAISR超分辨率技術(shù)，并使用模糊檢測(cè)算子進(jìn)行檢測(cè)，可見(jiàn)檢測(cè)值得到了大幅提升，與人眼判斷下感到明顯分辨率上升一致。

通過(guò)對(duì)相關(guān)研究資料整理發(fā)現(xiàn)，目前研究主要集中于采集光源選擇、圖像大數(shù)據(jù)分析、舌象智能診斷等方面，在智能手機(jī)前端舌象采集處理方面的研究還存在著一定的空白。韋玉科[12]研究了一種基于圖像信息的中醫(yī)舌診圖像智能采集方法，通過(guò)分析圖像信息，控制系統(tǒng)發(fā)出步進(jìn)電機(jī)的驅(qū)動(dòng)信號(hào)，控制或調(diào)整相機(jī)去適應(yīng)病人以獲得效果佳的圖像，對(duì)比本文的采集場(chǎng)景，該方法難以應(yīng)用于智能手機(jī)等便攜平臺(tái)。朱明峰[13]研究的融合顏色和空間信息的舌象提取方法：在舌象圖片中尋找與舌象的色調(diào)和亮度特征接近的起始像素作為目標(biāo)區(qū)域，根據(jù)色調(diào)相似性排序的結(jié)果選擇差異最小的像素，重復(fù)上述過(guò)程直到提取完整舌象，對(duì)比本文的標(biāo)化流程，該方法缺少圖像標(biāo)準(zhǔn)化處理過(guò)程，因此容易受原始圖像顏色信息、模糊度影響導(dǎo)致提取舌象難以使用。本研究基于圖像修復(fù)的舌象采集標(biāo)化處理過(guò)程，提出了基于采集便捷性和診斷準(zhǔn)確性的最優(yōu)處理流程，使舌象圖片滿足舌診準(zhǔn)確化、客觀化要求，希望為后續(xù)舌診智能化分析的發(fā)展提供參考。