舌體圖像的分割方法和裝置的制造方法
【技術領域】
[0001] 本發明涉及醫學圖像處理領域，具體地，涉及一種舌體圖像的分割方法和裝置。
【背景技術】
[0002] 醫學圖像分割算法眾多，常用的如閾值分割算法，分水嶺分割算法、主動輪廓模型 分割算法，基于神經網絡的分割算法等，但由于每種算法自身都存在一定問題，并非所有方 法均適用于圖像中的舌體分割。舌苔表面有復雜的紋理特征，舌體與嘴唇、皮膚等器官圖像 灰度相近，因此舌體的邊界模糊，邊界信息弱。同時，舌診系統最終面向普通患者，舌體分割 算法一方面需要具備準確性，另一方面也需要具備時效性。
[0003] 閾值分割算法是一種傳統的圖像分割技術。通過計算圖像一個或多個灰度閾值， 并將圖像各像素灰度與閾值比較，最終分類到相應合適的類別。這是一種比較簡單的分割 算法。利用閾值分割的方法來進行舌體圖像分割準確率較低，在分割的結果中，舌體邊緣輪 廓曲線比較粗糙，不能夠精確地勾勒出舌體邊緣。尤其由于舌體分割比較特殊，舌苔表面有 復雜的紋理特征，舌體與嘴唇、皮膚等器官圖像灰度相近，因此，分割所獲舌體的邊界模糊， 邊界信息弱。舌體圖像用閾值分割方法，效果并不理想。
[0004] 分水嶺分割算法以閾值分割方法為基礎。分水嶺分割算法是將圖像視作測地學中 的拓撲地貌，各像素灰度值視作海拔高度，每一個局部極小值及其影響區域構成集水盆，各 個集水盆的邊界就是分水嶺。然而某些被當作分水嶺的局部最大值所分割出的輪廓，并不 是所需要分割出的真正輪廓，造成真實的輪廓被掩埋，這就是過分割現象。分水嶺算法的過 分割現象對舌體圖像的分割效果會產生嚴重的負面影響。
[0005] 基于主動輪廓模型（Active contour models, ACM)的分割方法實現分割速度較 慢，而且過分依賴于初始輪廓的選取，如果初始輪廓選取不好，則算法可能收斂到局部極 值，不能正確地實現舌體分割。此外，主動輪廓模型方法是一個迭代算法，在初始輪廓選的 偏差較大的情況下，若想取得很好的結果，則迭代的次數就會增多，增長了運算時間。時效 性差、速度較慢是主動輪廓模型方法的一大缺點。
[0006] 基于神經網絡的分割算法存在計算量大，所耗時間長，收斂速度慢等問題，也不適 用于醫學圖像中的舌體分割。

【發明內容】

[0007] 為了至少部分地解決上述技術問題，根據本發明的一個方面，提供一種舌體圖像 的分割方法，包括：
[0008] 根據原始彩色圖像獲得灰度舌體圖像和HSI彩色圖像；
[0009] 基于所述灰度舌體圖像，利用分水嶺算法獲得第一圖像；
[0010] 基于所述HSI彩色圖像的H通道的數據，對所述HSI彩色圖像進行分割，以獲得第 二圖像；
[0011] 基于所述HSI彩色圖像的I通道的數據，對所述第二圖像進行分割，以獲得第三圖 像；以及
[0012] 計算所述第一圖像和所述第三圖像的并集，以獲得舌體分割結果圖。
[0013] 可選地，所述利用分水嶺算法獲得第一圖像進一步包括以下步驟：
[0014] 利用邊緣增強方法獲得所述灰度舌體圖像的梯度圖；
[0015] 基于所述HSI彩色圖像的S通道的數據，利用閾值分割技術獲得標記圖像；
[0016] 將所述標記圖像覆蓋在所述梯度圖上，獲得待分割灰度圖；以及
[0017] 對所述待分割灰度圖利用所述分水嶺算法進行分割，獲得所述第一圖像。
[0018] 可選地，所述利用閾值分割技術獲得標記圖像進一步包括以下步驟：
[0019] 對所述HSI彩色圖像的S通道的數據進行閾值分割；以及
[0020] 利用形態學圖像處理技術對經閾值分割的圖像進行優化，獲得標記圖像。
[0021] 可選地，所述利用閾值分割技術獲得標記圖像是利用大津閾值。
[0022] 可選地，在所述根據原始彩色圖像獲得灰度舌體圖像和HSI彩色圖像之前，所述 原始彩色圖像被預處理。
[0023] 根據本發明另一方面，還提供了一種舌體圖像的分割裝置，包括：
[0024] 圖像轉換模塊，用于根據原始彩色圖像獲得灰度舌體圖像和HSI彩色圖像；
[0025] 第一分割模塊，用于基于所述灰度舌體圖像，利用分水嶺算法獲得第一圖像；
[0026] 第二分割模塊，用于基于所述HSI彩色圖像的H通道的數據，對所述HSI彩色圖像 進行分割，以獲得第二圖像；
[0027] 第三分割模塊，用于基于所述HSI彩色圖像的I通道的數據，對所述第二圖像進行 分割，以獲得第三圖像；以及
[0028] 合并模塊，用于計算所述第一圖像和所述第三圖像的并集，以獲得舌體分割結果 圖。
[0029] 可選地，第一分割模塊進一步包括以下模塊：
[0030] 邊緣增強模塊，用于利用邊緣增強方法獲得所述灰度舌體圖像的梯度圖；
[0031] 標記圖像獲得模塊，用于基于所述HSI彩色圖像的S通道的數據，利用閾值分割技 術獲得標記圖像；
[0032] 屏蔽模塊，用于將所述標記圖像覆蓋在所述梯度圖上，獲得待分割灰度圖；以及
[0033] 分水嶺分割模塊，用于對所述待分割灰度圖利用所述分水嶺算法進行分割，獲得 所述第一圖像。
[0034] 可選地，所述標記圖像獲得模塊進一步包括以下模塊：
[0035] 閾值分割模塊，用于對所述HSI彩色圖像的S通道的數據進行閾值分割；以及
[0036] 優化模塊，用于利用形態學圖像處理技術對經閾值分割的圖像進行優化，獲得標 記圖像。
[0037] 可選地，所述標記圖像獲得模塊利用大津閾值。
[0038] 可選地，所述裝置還包括預處理模塊，用于在所述圖像轉換模塊根據原始彩色圖 像獲得灰度舌體圖像和HSI彩色圖像之前，預處理所述原始彩色圖像。
[0039] 本發明提出的上述分割方法和分割裝置不僅實現了舌體圖像的自動分割；而且， 一方面，分割結果更準確，另一方面，分割速度更快。該分割方法和分割裝置復雜度不高，并 對圖像中的舌體邊界敏感，還具備時效性。
[0040] 在
【發明內容】
中引入了一系列簡化形式的概念，這將在【具體實施方式】部分中進一步 詳細說明。本
【發明內容】
部分并不意味著要試圖限定出所要求保護的技術方案的關鍵特征和 必要技術特征，更不意味著試圖確定所要求保護的技術方案的保護范圍。
[0041] 以下結合附圖，詳細說明本發明的優點和特征。
【附圖說明】
[0042] 本發明的下列附圖在此作為本發明的一部分用于理解本發明。附圖中示出了本發 明的實施方式及其描述，用來解釋本發明的原理。在附圖中，
[0043] 圖1是根據本發明一個具體實施例的分割方法的流程圖；
[0044] 圖2是根