基于直方圖巴氏距離的舌色分類

覃海松

摘 要：目的：利用計算機實現對正常舌與異常舌的自動分類。方法：利用彩色舌圖像R通道的直方圖巴氏距離，計算出正常舌標準圖像，并利用該標準圖像計算各舌圖像的直方圖巴氏距離，最后通過最小距離分類器實現對正常舌與異常舌的自動分類。結論：該方法可以準確地實現正常舌與異常舌的自動分類。

關鍵詞：舌診；舌色分類；巴氏距離

引言

舌色是舌診中最重要的特征，在舌圖像分析過程中，顏色特征提供了大量有價值的診斷信息，這些信息揭示了人體內部器官的失調情況甚至是病理變化[1]。在過去的幾年中，舌色分析和診斷分類技術已經取得了一定的進展，但舌色分析和分類至今為止仍沒有確定出一個統一的診斷標準，舌色分類界限模糊[2]。

針對以上問題，提出了基于直方圖巴氏距離的正常舌標準圖像選取的方法，并利用舌圖像的R通道分量直方圖的巴氏距離作為最小距離分類器的模式向量描述子，通過最小距離分類器對正常舌、異常舌進行分類研究。

1 方法

1.1 巴氏距離（Bhattacharyya Distance）

巴氏距離由印度統計研究所的Bhattacharyya A.[3]于十九世紀三十年代提出，為了紀念這位偉大的統計學家，人們把它命名為巴氏距離。在統計學中，巴氏距離常被用于對兩個離散或連續的概率分布進行相似性度量。

巴氏系數的計算式為：

（1）

1.2 最小距離分類器

最小距離分類器通過計算每個模式類的平均向量，然后求出兩個模式類平均向量之間的垂線或垂面或超垂面，作為分類決策邊界，從而進行分類[4]。

類？棕i和？棕j類之間的最小距離分類器決策邊界 可以由式（15）得出：

（2）

1.3 基于巴氏直方圖距離與最小距離分類器的舌色分類

本節根據snake算法，計算出的舌體邊緣輪廓，把輪廓以外的區域設為黑色（R=0，G=0，B=0），從而只對分割出來的舌體進行舌色的分類。分類算法實現步驟如下：

（1）彩色圖像通道選擇：取分割后彩色舌圖像的R通道分量作為分類對象；（2）計算舌體區域總像素數n；（3）計算舌體區域各灰度級的所出現的像素個數；（4）計算歸一化直方圖：根據n和 計算出歸一化直方圖；（5）正常舌標準圖像的選取：取訓練樣本中的正常舌圖像，兩兩計算出其巴氏距離，然后選取出的最大距離，并把此時的兩幅圖像標記為O1、O2，再分別對每幅正常舌圖像與O1、O2的巴氏距離求積，選取取得最大積值的圖像作為標準圖像；（6）舌色分類：計算訓練樣本中的舌圖像與標準正常舌圖像的巴氏距離均值，作為最小分類器的模式向量描繪子，并利用最小距離分類器對舌色進行分類。

2 結果與討論

實驗采用黃苔舌、淡紫舌、紅舌三種常見的異常舌色與正常舌色進行分類。圖1（a）所示為基于巴氏距離的最小距離分類器訓練及分類結果示意圖。其中y=1的綠色圓圈為兩幅正常舌圖像與利用選取出來的標準舌圖像之間的巴氏距離，其均值由黑色圓圈標示；y=2的藍綠色星號“*”表示黃苔舌圖像與標準舌圖像之間的巴氏距離，黑色星號為其均值；y=3的紅色菱形表示淡紫舌與標準舌圖像之間的巴氏距離，黑色菱形為其均值；y=4的藍色五角星為紅舌與標準舌圖像之間的巴氏距離，黑色五角星為其均值；y=1的品紅色三角符號表示訓練樣本中所有異常舌象巴氏距離的均值；紅色垂線為利用巴氏直方圖距離作為最小距離分類器的描述子得出的分類決策邊界。

采用以上決策邊界對舌色測試樣本進行實驗的結果如圖3所示。測試樣本包括5幅正常舌色圖像、6幅黃苔舌色圖像、4幅淡紫舌圖像、2幅紅舌圖像。圖中的標記的意義與訓練過程的一致。從該實驗結果圖可以清晰地看出，基于巴氏距離的最小距離分類器可以正確地對正常舌色與異常舌色進行分類。

3 結束語

文章提出了一種正常舌標準圖像選取的方法，并采用基于巴氏直方圖距離與最小距離分類器的方法對舌色分類進行了初步研究。首先，將彩色舌圖像的舌體區域提取出來，只針對舌體區域進行舌色分類；然后，計算出舌體區域的R通道分量直方圖，以用于正常舌標準圖像的獲取以及巴氏距離的計算；其后，利用5節提出的正常舌標準圖像獲取方法，取得標準舌圖像，用于計算巴氏距離；最后，計算標準正常舌圖像與異常舌圖像之間的巴氏距離，作為最小距離分類器的模式向量描述子，并通過最小距離分類器對正常舌色與異常舌色進行舌色分類。實驗結果表明，這種方法較準確地實現了正常舌與異常舌的分類。

參考文獻

[1]Kirschbaum B. Atlas of Chinese tongue diagnosis [M]. Eastland Press： 2000.

[2]Wang X，Zhang B，Yang Z，Wang H，et，al. Statistical Analysis of Tongue Images for Feature Extraction and Diagnostics [J]. IEEE TRANSACTIONS ON IMAGE PROCESSING. 2013，22（12）： 5336-5347，.

[3]Bhattacharyya A. On a measure of divergence between two multinomial populations [J]. Sankhyā： The Indian Journal of Statistics. 1946： 401-406.

[4]Gonzalez R，Woods R. Digital image processing，2nd[M].SL： Prentice Hall2002.endprint

摘 要：目的：利用計算機實現對正常舌與異常舌的自動分類。方法：利用彩色舌圖像R通道的直方圖巴氏距離，計算出正常舌標準圖像，并利用該標準圖像計算各舌圖像的直方圖巴氏距離，最后通過最小距離分類器實現對正常舌與異常舌的自動分類。結論：該方法可以準確地實現正常舌與異常舌的自動分類。

關鍵詞：舌診；舌色分類；巴氏距離

引言

舌色是舌診中最重要的特征，在舌圖像分析過程中，顏色特征提供了大量有價值的診斷信息，這些信息揭示了人體內部器官的失調情況甚至是病理變化[1]。在過去的幾年中，舌色分析和診斷分類技術已經取得了一定的進展，但舌色分析和分類至今為止仍沒有確定出一個統一的診斷標準，舌色分類界限模糊[2]。

針對以上問題，提出了基于直方圖巴氏距離的正常舌標準圖像選取的方法，并利用舌圖像的R通道分量直方圖的巴氏距離作為最小距離分類器的模式向量描述子，通過最小距離分類器對正常舌、異常舌進行分類研究。

1 方法

1.1 巴氏距離（Bhattacharyya Distance）

巴氏距離由印度統計研究所的Bhattacharyya A.[3]于十九世紀三十年代提出，為了紀念這位偉大的統計學家，人們把它命名為巴氏距離。在統計學中，巴氏距離常被用于對兩個離散或連續的概率分布進行相似性度量。

巴氏系數的計算式為：

（1）

1.2 最小距離分類器

最小距離分類器通過計算每個模式類的平均向量，然后求出兩個模式類平均向量之間的垂線或垂面或超垂面，作為分類決策邊界，從而進行分類[4]。

類？棕i和？棕j類之間的最小距離分類器決策邊界 可以由式（15）得出：

（2）

1.3 基于巴氏直方圖距離與最小距離分類器的舌色分類

本節根據snake算法，計算出的舌體邊緣輪廓，把輪廓以外的區域設為黑色（R=0，G=0，B=0），從而只對分割出來的舌體進行舌色的分類。分類算法實現步驟如下：

（1）彩色圖像通道選擇：取分割后彩色舌圖像的R通道分量作為分類對象；（2）計算舌體區域總像素數n；（3）計算舌體區域各灰度級的所出現的像素個數；（4）計算歸一化直方圖：根據n和 計算出歸一化直方圖；（5）正常舌標準圖像的選取：取訓練樣本中的正常舌圖像，兩兩計算出其巴氏距離，然后選取出的最大距離，并把此時的兩幅圖像標記為O1、O2，再分別對每幅正常舌圖像與O1、O2的巴氏距離求積，選取取得最大積值的圖像作為標準圖像；（6）舌色分類：計算訓練樣本中的舌圖像與標準正常舌圖像的巴氏距離均值，作為最小分類器的模式向量描繪子，并利用最小距離分類器對舌色進行分類。

2 結果與討論

實驗采用黃苔舌、淡紫舌、紅舌三種常見的異常舌色與正常舌色進行分類。圖1（a）所示為基于巴氏距離的最小距離分類器訓練及分類結果示意圖。其中y=1的綠色圓圈為兩幅正常舌圖像與利用選取出來的標準舌圖像之間的巴氏距離，其均值由黑色圓圈標示；y=2的藍綠色星號“*”表示黃苔舌圖像與標準舌圖像之間的巴氏距離，黑色星號為其均值；y=3的紅色菱形表示淡紫舌與標準舌圖像之間的巴氏距離，黑色菱形為其均值；y=4的藍色五角星為紅舌與標準舌圖像之間的巴氏距離，黑色五角星為其均值；y=1的品紅色三角符號表示訓練樣本中所有異常舌象巴氏距離的均值；紅色垂線為利用巴氏直方圖距離作為最小距離分類器的描述子得出的分類決策邊界。

采用以上決策邊界對舌色測試樣本進行實驗的結果如圖3所示。測試樣本包括5幅正常舌色圖像、6幅黃苔舌色圖像、4幅淡紫舌圖像、2幅紅舌圖像。圖中的標記的意義與訓練過程的一致。從該實驗結果圖可以清晰地看出，基于巴氏距離的最小距離分類器可以正確地對正常舌色與異常舌色進行分類。

3 結束語

文章提出了一種正常舌標準圖像選取的方法，并采用基于巴氏直方圖距離與最小距離分類器的方法對舌色分類進行了初步研究。首先，將彩色舌圖像的舌體區域提取出來，只針對舌體區域進行舌色分類；然后，計算出舌體區域的R通道分量直方圖，以用于正常舌標準圖像的獲取以及巴氏距離的計算；其后，利用5節提出的正常舌標準圖像獲取方法，取得標準舌圖像，用于計算巴氏距離；最后，計算標準正常舌圖像與異常舌圖像之間的巴氏距離，作為最小距離分類器的模式向量描述子，并通過最小距離分類器對正常舌色與異常舌色進行舌色分類。實驗結果表明，這種方法較準確地實現了正常舌與異常舌的分類。

參考文獻

[1]Kirschbaum B. Atlas of Chinese tongue diagnosis [M]. Eastland Press： 2000.

[2]Wang X，Zhang B，Yang Z，Wang H，et，al. Statistical Analysis of Tongue Images for Feature Extraction and Diagnostics [J]. IEEE TRANSACTIONS ON IMAGE PROCESSING. 2013，22（12）： 5336-5347，.

[3]Bhattacharyya A. On a measure of divergence between two multinomial populations [J]. Sankhyā： The Indian Journal of Statistics. 1946： 401-406.

[4]Gonzalez R，Woods R. Digital image processing，2nd[M].SL： Prentice Hall2002.endprint

摘 要：目的：利用計算機實現對正常舌與異常舌的自動分類。方法：利用彩色舌圖像R通道的直方圖巴氏距離，計算出正常舌標準圖像，并利用該標準圖像計算各舌圖像的直方圖巴氏距離，最后通過最小距離分類器實現對正常舌與異常舌的自動分類。結論：該方法可以準確地實現正常舌與異常舌的自動分類。

關鍵詞：舌診；舌色分類；巴氏距離

引言

舌色是舌診中最重要的特征，在舌圖像分析過程中，顏色特征提供了大量有價值的診斷信息，這些信息揭示了人體內部器官的失調情況甚至是病理變化[1]。在過去的幾年中，舌色分析和診斷分類技術已經取得了一定的進展，但舌色分析和分類至今為止仍沒有確定出一個統一的診斷標準，舌色分類界限模糊[2]。

針對以上問題，提出了基于直方圖巴氏距離的正常舌標準圖像選取的方法，并利用舌圖像的R通道分量直方圖的巴氏距離作為最小距離分類器的模式向量描述子，通過最小距離分類器對正常舌、異常舌進行分類研究。

1 方法

1.1 巴氏距離（Bhattacharyya Distance）

巴氏距離由印度統計研究所的Bhattacharyya A.[3]于十九世紀三十年代提出，為了紀念這位偉大的統計學家，人們把它命名為巴氏距離。在統計學中，巴氏距離常被用于對兩個離散或連續的概率分布進行相似性度量。

巴氏系數的計算式為：

（1）

1.2 最小距離分類器

最小距離分類器通過計算每個模式類的平均向量，然后求出兩個模式類平均向量之間的垂線或垂面或超垂面，作為分類決策邊界，從而進行分類[4]。

類？棕i和？棕j類之間的最小距離分類器決策邊界 可以由式（15）得出：

（2）

1.3 基于巴氏直方圖距離與最小距離分類器的舌色分類

本節根據snake算法，計算出的舌體邊緣輪廓，把輪廓以外的區域設為黑色（R=0，G=0，B=0），從而只對分割出來的舌體進行舌色的分類。分類算法實現步驟如下：

（1）彩色圖像通道選擇：取分割后彩色舌圖像的R通道分量作為分類對象；（2）計算舌體區域總像素數n；（3）計算舌體區域各灰度級的所出現的像素個數；（4）計算歸一化直方圖：根據n和 計算出歸一化直方圖；（5）正常舌標準圖像的選取：取訓練樣本中的正常舌圖像，兩兩計算出其巴氏距離，然后選取出的最大距離，并把此時的兩幅圖像標記為O1、O2，再分別對每幅正常舌圖像與O1、O2的巴氏距離求積，選取取得最大積值的圖像作為標準圖像；（6）舌色分類：計算訓練樣本中的舌圖像與標準正常舌圖像的巴氏距離均值，作為最小分類器的模式向量描繪子，并利用最小距離分類器對舌色進行分類。

2 結果與討論

實驗采用黃苔舌、淡紫舌、紅舌三種常見的異常舌色與正常舌色進行分類。圖1（a）所示為基于巴氏距離的最小距離分類器訓練及分類結果示意圖。其中y=1的綠色圓圈為兩幅正常舌圖像與利用選取出來的標準舌圖像之間的巴氏距離，其均值由黑色圓圈標示；y=2的藍綠色星號“*”表示黃苔舌圖像與標準舌圖像之間的巴氏距離，黑色星號為其均值；y=3的紅色菱形表示淡紫舌與標準舌圖像之間的巴氏距離，黑色菱形為其均值；y=4的藍色五角星為紅舌與標準舌圖像之間的巴氏距離，黑色五角星為其均值；y=1的品紅色三角符號表示訓練樣本中所有異常舌象巴氏距離的均值；紅色垂線為利用巴氏直方圖距離作為最小距離分類器的描述子得出的分類決策邊界。

采用以上決策邊界對舌色測試樣本進行實驗的結果如圖3所示。測試樣本包括5幅正常舌色圖像、6幅黃苔舌色圖像、4幅淡紫舌圖像、2幅紅舌圖像。圖中的標記的意義與訓練過程的一致。從該實驗結果圖可以清晰地看出，基于巴氏距離的最小距離分類器可以正確地對正常舌色與異常舌色進行分類。

3 結束語

文章提出了一種正常舌標準圖像選取的方法，并采用基于巴氏直方圖距離與最小距離分類器的方法對舌色分類進行了初步研究。首先，將彩色舌圖像的舌體區域提取出來，只針對舌體區域進行舌色分類；然后，計算出舌體區域的R通道分量直方圖，以用于正常舌標準圖像的獲取以及巴氏距離的計算；其后，利用5節提出的正常舌標準圖像獲取方法，取得標準舌圖像，用于計算巴氏距離；最后，計算標準正常舌圖像與異常舌圖像之間的巴氏距離，作為最小距離分類器的模式向量描述子，并通過最小距離分類器對正常舌色與異常舌色進行舌色分類。實驗結果表明，這種方法較準確地實現了正常舌與異常舌的分類。

參考文獻

[1]Kirschbaum B. Atlas of Chinese tongue diagnosis [M]. Eastland Press： 2000.

[2]Wang X，Zhang B，Yang Z，Wang H，et，al. Statistical Analysis of Tongue Images for Feature Extraction and Diagnostics [J]. IEEE TRANSACTIONS ON IMAGE PROCESSING. 2013，22（12）： 5336-5347，.

[3]Bhattacharyya A. On a measure of divergence between two multinomial populations [J]. Sankhyā： The Indian Journal of Statistics. 1946： 401-406.

[4]Gonzalez R，Woods R. Digital image processing，2nd[M].SL： Prentice Hall2002.endprint