唐俊安， 徐學軍， 盧 玲， 馬 燕， 唐 偉

(長沙理工大學 物理與電子科學學院， 長沙 410114)

0 引 言

中國古典醫(yī)學認為，人的舌頭與內(nèi)臟有著密切的關系，舌體的各個部位均與腑臟各部位相對應，且通過經(jīng)絡運行相連通。中醫(yī)的舌診就是通過觀察舌體各部分的變化，以此診斷相應內(nèi)臟的病變情況。冀敦福的《中醫(yī)舌象辨析》一書中記載了各種舌象與病癥的對應關系。如舌苔顏色發(fā)黃，說明肝功能有問題；舌頭左邊特別紅，存在胰腺炎的先兆；舌苔呈褐色，膽汁或是靜脈系統(tǒng)出問題的概率很大[1]。現(xiàn)代科技運用舌象信息研判人體健康狀況是一個有待挖掘和推進的研究方法。圖像處理(image processing)，是用計算機對圖像進行分析，以達到所需結果的技術。筆者將圖像處理技術應用到中醫(yī)的“望診”技藝上。以求解決將傳統(tǒng)中醫(yī)的望診結果轉換為現(xiàn)代科技客觀的數(shù)據(jù)，從而實現(xiàn)中醫(yī)診斷技術的再次騰飛。

1 系統(tǒng)設計分析

研究主要以“濕寒”和“濕熱”2種典型病例的舌象信息為落本。首先，采集或在傳統(tǒng)中醫(yī)圖庫中獲得“濕寒”、“濕熱”和正常的舌象。其次，再進行舌象預處理，預處理是對舌象進行snake分割實現(xiàn)了嘴與舌的分割。然后，將分割出的舌象進行苔質(zhì)分離，提取舌苔與舌質(zhì)顏色分布特征，以獲得關鍵的顏色信息。最后，將提取出的顏色信息和已有數(shù)據(jù)進行對比分析，從而得出結論。系統(tǒng)流程如圖1所示。

圖1系統(tǒng)流程

Fig.1Systemflowdiagram

1.1 舌象預處理

隨著面陣CCD技術的飛速發(fā)展和不斷完善，對于舌象的采集，最基本的智能手機都能完成高像素圖像的拍攝，使舌象信息處理成為可能。

舌體分割是舌象客觀定量化研究的關鍵步驟，準確、完整地將舌體從背景區(qū)域中分割出來，是后續(xù)舌象研究的重要前提。主動輪廓模型的主要原理通過構造能量泛函，在能量函數(shù)最小值驅(qū)動下，輪廓曲線逐漸向待檢測物體的邊緣逼近，最終分割出目標[2]。由于主動輪廓模型利用曲線演化定位目標的邊緣，因此也稱為Snake模型。主動輪廓模型是當前應用最多的利用變分思想求解的圖像分割方法。其最大優(yōu)點是在高噪聲的情況下，也能得到連續(xù)、光滑的閉合分割邊界。按照能量函數(shù)構造方式的不同，可以將主動輪廓模型主要分為基于邊緣和基于區(qū)域2類，同時也有一些研究人員提出了基于邊緣和區(qū)域相結合的主動輪廓模型。

舌象包括舌質(zhì)和舌苔2個部分，準確地將舌質(zhì)和舌苔區(qū)域分離是臨床辨證論治的需要，也是進行舌象分析前的重要步驟。國內(nèi)外研究人員開始大力展開對苔質(zhì)自動分離方法的研究。常見的苔質(zhì)分離方法可分為以下4種：

(1)郭文杰提出一種改進后的閾值算法進行舌苔、舌質(zhì)的分離，并對苔色、質(zhì)色和舌尖紅進行分類，取得了較好的效果[3]。

(2)闞紅星對薄苔采用基于色度值的閾值分割算法，對厚苔使用K均值聚類算法，從而使苔質(zhì)分離達到最好的效果[4]。

(3)杜建強提出了一種快速彩色圖像分割算法，通過獲取有效色調(diào)值及其權系數(shù)，進行加權聚類，其性能優(yōu)于傳統(tǒng)模糊C均值聚類[5]。

(4)胡申寧提出了一種基于水平集的彩色舌圖像苔質(zhì)分離算法，改進了水平集方程(水平集方程是一種用于界面追蹤和形狀建模的數(shù)值技術)，成功分離了舌苔和舌質(zhì)[6]。

1.2 顏色空間的確定

顏色特征是一種全局特征,描述了圖像或圖像區(qū)域所對應的景物的表面性質(zhì)。一般顏色特征是基于像素點的特征，此時所有屬于圖像或圖像區(qū)域的像素都有各自的貢獻。顏色直方圖是最常用的表達顏色特征的方法，其優(yōu)點是不受圖像旋轉和平移變化的影響，進一步借助歸一化還可不受圖像尺度變化的影響，其缺點是不能表達出顏色空間分布的信息。顏色空間[7]可分為RGB模型(一種根據(jù)人眼對不同波長的紅、綠、藍光做出錐狀體細胞敏感度的基礎彩色模型)、HIS模型(指顏色的色度、亮度、飽和度)以及HSV模型(依據(jù)人類對色澤、明暗和色調(diào)的直觀感覺來定義顏色)。

本文是基于RGB顏色模型下的舌象信息處理方法，故將詳細介紹RGB顏色模型。RGB顏色空間是工業(yè)界的一種顏色標準，也是目前應用最為廣泛的顏色模型之一。該模型以紅(R)、綠(G)、藍(B)3色光互相疊加組合得到人類視覺系統(tǒng)所能感知的所有顏色。

R、G、B這3種基色的灰度值范圍從0到255，每一種R、G、B的組合都對應著一種顏色。當3種基色灰度值都為0時，混合光為黑色，當3種基色灰度值都為255時，混合光則為白色。RGB顏色模型如圖2所示。

圖2 RGB顏色模型圖

1.3 特征提取

特征提取是計算機視覺和圖像處理中的一個概念。指的是使用計算機提取圖像信息，決定每個圖像的點是否屬于一個圖像特征。特征提取的結果是把圖像上的點分為不同的子集，這些子集往往屬于孤立的點、連續(xù)的曲線或者連續(xù)的區(qū)域。常用的圖像特征有顏色特征、紋理特征、形狀特征、空間關系特征。

2 濕寒與濕熱的病例分析實驗

本次實驗在Intel(R) Pentium(R) CPU，1.87GHz，4GB內(nèi)存環(huán)境，Microsoft Windows 7操作系統(tǒng)下，采用MATLAB R2012a為開發(fā)工具完成的。

實驗在中醫(yī)圖庫中選出3副舌象，分別編號(a)、(b)、(c)，如圖3所示。

(a)濕寒癥舌象 (b)濕熱癥舌象 (c) 正常舌象

對于圖3中的3個樣本，根據(jù)中醫(yī)望診理論，對應編號(c)的舌象淡紅附淡白薄苔，屬于正常舌象。編號(a)舌象、舌質(zhì)淡附有白苔，有“濕寒癥”的跡象。而編號(b)舌象、舌紅苔黃，有“濕熱癥”跡象。

分割后得到新的(a)、(b)、(c)3副舌象。如圖4所示。

(a)濕寒癥舌象 (b)濕熱癥舌象 (c)正常舌象

(a)picture of wet cold (b)picture of wet hot (c)picture of normal

圖4snake分割后舌象

Fig.4Tongueimageaftersnakedivision

對分割后圖像進行特征提取后得到濕寒與濕熱色特征點統(tǒng)計數(shù)據(jù)見表1。

表1 濕寒與濕熱色特征點統(tǒng)計數(shù)據(jù)

3 濕寒與濕熱的快速辨別法

通過實驗得出了圖(a)“濕寒癥”、圖(b)“濕熱癥”、圖(c)正常舌象的RGB分布值。通過表1的數(shù)據(jù)將濕寒與濕熱2種癥狀的RGB值與正常數(shù)據(jù)進行對比見表2與表3。

表2濕寒癥與正常舌象RGB高低比較

Tab.2ComparisonofwetcolddiseasewithRGBinnormaltongue

病例特別RGB濕寒低高高正常高低低

通過表2與表3中數(shù)據(jù)所示，濕寒癥舌象相較于正常舌象的R值偏低，G值較高，B值也較高。濕熱癥舌象相較于正常舌象的R值較低，G值幾乎相等，B值較高。

表3濕熱癥與正常舌象RGB高低比較

Tab.3ComparisonofwethotdiseasewithRGBinnormaltongue

病例特別RGB濕熱高基本相等低正常低基本相等高

根據(jù)此結果，后續(xù)檢測一副舌象的濕寒、濕熱性質(zhì)時只需將待測舌象的RGB值提取出來，與正常值進行比較即可快速得出待測舌象所屬濕寒性質(zhì)。

4 結束語

本次對舌象辯證信息處理方法的研究，是對探究古典中醫(yī)與現(xiàn)代科學技術跨學科結合的一次有益嘗試。通過對“濕寒癥”以及“濕熱癥”案例進行分析對比，得出的RGB值結果符合已有文獻的參考值。特別是得出的“濕寒癥”以及“濕熱癥”舌象的辨別的快速方法。

本研究只單方面討論分析了舌色信息，沒有結合到舌形對病癥的影響。其次，收集的數(shù)據(jù)不夠全面，病例的典型性不夠充分。隨著大量素材的獲取和數(shù)據(jù)的建立，利用舌象辯證信息處理實現(xiàn)無損耗診斷疾病的時代前景光明。