一種新的MLBP-Otsu算法及在舌裂紋分割中的應(yīng)用

覃海松 ，黃忠朝 ，趙于前 ，彭子壯

1.中南大學(xué) 地球科學(xué)與信息物理學(xué)院 生物醫(yī)學(xué)工程研究系，長(zhǎng)沙 410083

2.廣州中醫(yī)藥大學(xué) 第二臨床醫(yī)學(xué)院，廣州 510405

一種新的MLBP-Otsu算法及在舌裂紋分割中的應(yīng)用

覃海松1，黃忠朝1，趙于前1，彭子壯2

1.中南大學(xué) 地球科學(xué)與信息物理學(xué)院 生物醫(yī)學(xué)工程研究系，長(zhǎng)沙 410083

2.廣州中醫(yī)藥大學(xué) 第二臨床醫(yī)學(xué)院，廣州 510405

1 引言

舌診是中國(guó)傳統(tǒng)醫(yī)學(xué)中非常有價(jià)值的診斷方法，醫(yī)生僅通過(guò)觀察即可了解病人的病情，具有無(wú)痛苦、無(wú)創(chuàng)傷、無(wú)副作用、簡(jiǎn)單易行等特點(diǎn)，在中醫(yī)臨床診斷過(guò)程中有著重要的作用[1-3]。然而傳統(tǒng)舌診往往只依據(jù)醫(yī)生個(gè)人的知識(shí)和經(jīng)驗(yàn)，缺少客觀評(píng)價(jià)的標(biāo)準(zhǔn)，嚴(yán)重阻礙了舌診的應(yīng)用及發(fā)展。為了解決這一現(xiàn)狀，需要實(shí)現(xiàn)舌診的定量化與標(biāo)準(zhǔn)化。隨著計(jì)算機(jī)處理能力的提高和圖像處理技術(shù)的發(fā)展，舌診計(jì)算機(jī)定量化研究已經(jīng)取得了一定的進(jìn)步[4-7]，但主要集中于舌苔及舌質(zhì)，對(duì)舌裂紋的研究相對(duì)較少。舌裂紋信息不僅能夠客觀、準(zhǔn)確地反映若干典型疾病和中醫(yī)證候的變化情況，還可以與其他舌象特征相結(jié)合來(lái)進(jìn)一步對(duì)疾病確診。由于舌裂紋與舌苔上的粗紋理難以鑒別，舌象顏色分布復(fù)雜以及光照條件不一等原因，導(dǎo)致了舌裂紋分割及特征分析面臨很大困難，嚴(yán)重制約了舌診定量化的進(jìn)一步發(fā)展。

目前，有關(guān)舌裂紋的研究方法大致可分成兩大類(lèi)。其中，一類(lèi)方法主要是基于舌圖像的灰度、色彩信息對(duì)舌裂紋進(jìn)行閾值分割[8-10]，但并未考慮舌裂紋的紋理特征，因而難以精確、完整地分割出舌裂紋。另一類(lèi)主要是基于線(xiàn)偵測(cè)方法對(duì)舌裂紋進(jìn)行分割，還可以分成3個(gè)小類(lèi)，即基于輪廓的線(xiàn)偵測(cè)方法[11]、基于中心線(xiàn)的線(xiàn)偵測(cè)方法[12]及基于區(qū)域的線(xiàn)偵測(cè)方法[13]。雖然基于線(xiàn)偵測(cè)的方法考慮了舌裂紋紋理特征，但都存在一定程度的不足，例如：基于輪廓的線(xiàn)偵測(cè)方法采用的是一階導(dǎo)數(shù)，對(duì)噪聲敏感，而且在實(shí)際應(yīng)用中往往得不到閉合的輪廓；基于中心線(xiàn)的線(xiàn)偵測(cè)方法一般采用的是二階導(dǎo)數(shù)，同樣對(duì)噪聲敏感，而且中心線(xiàn)位置的提取往往存在較大誤差；而基于區(qū)域的線(xiàn)偵測(cè)方法往往會(huì)將舌苔上的粗紋理、偽裂紋也分割出來(lái)，需要手動(dòng)去除多余紋理、才能分割出裂紋。

針對(duì)以上問(wèn)題，本文提出了一種新穎的基于改進(jìn)的局部二值模式（Local Binary Pattern，LBP）算子與Otsu閾值法相結(jié)合的舌裂紋分割算法。首先，根據(jù)舌裂紋的紋理特征對(duì)LBP的模式分類(lèi)方法進(jìn)行重定義；然后，引入一個(gè)粗糙度度量因子R，如某區(qū)域的R值偏小或偏大，則把其歸類(lèi)為非裂紋區(qū)，不進(jìn)行LBP特征值計(jì)算；再通過(guò)這種重定義的模式分類(lèi)方法與粗糙度度量因子R計(jì)算出舌圖像的LBP特征；最后，結(jié)合Otsu閾值分割技術(shù)，完成對(duì)舌裂紋的精確、完整分割。

2 對(duì)LBP算子的改進(jìn)和Otsu閾值分割

2.1 基本LBP算法

LBP是由Ojala等[14]提出的一種局部紋理描述算子，具有計(jì)算簡(jiǎn)單、對(duì)光照變化不敏感、旋轉(zhuǎn)不變性等特點(diǎn)，已被廣泛應(yīng)用于各種領(lǐng)域。其基本方法概述如下：在圖像中取一個(gè)半徑為r的圓形鄰域，在該鄰域圓周上等間隔采樣P個(gè)像素，以鄰域中心像素灰度為閾值，與鄰域內(nèi)P個(gè)采樣像素灰度值進(jìn)行比較，采樣像素灰度值大于等于中心像素灰度值，結(jié)果為1，反之為0，比較所得二進(jìn)制序列即為該中心像素的局部模式，其計(jì)算公式如式（1）所示：

其中，gi為第i個(gè)采樣像素灰度值，gc為中心像素灰度值。

傳統(tǒng)LBP算子能產(chǎn)生2P種局部模式，但Ojala等[14]發(fā)現(xiàn)，一幅圖像實(shí)際產(chǎn)生的局部模式主要集中在某幾種模式上，約占全部模式的90%。基于此，Ojala等[14]在引入均勻值U（U值即二進(jìn)制序列中允許0和1之間跳變次數(shù)的最大值）的基礎(chǔ)上，提出了均勻局部二值模式（Uniform LBP，ULBP）算子。若二進(jìn)制序列0和1之間的跳變次數(shù)小于等于U值，則該序列被判為均勻模式，并將其分配到標(biāo)簽為0到P的模式子類(lèi)中；反之，則被判為非均勻模式，分配到標(biāo)簽為P+1的模式子類(lèi)中。ULBP算子共可以產(chǎn)生P+1種均勻模式子類(lèi)，其不但可以有效地描述出圖像中大部分的紋理特征，還可有效地降低模式子類(lèi)數(shù)量。

2.2 對(duì)ULBP算子的改進(jìn)

為了使傳統(tǒng)LBP算子更適用于舌裂紋分割，本文根據(jù)舌裂紋的紋理特征對(duì)ULBP分類(lèi)方法進(jìn)行了重定義，提出了改進(jìn)的ULBP算子（Modified ULBP，MULBP）。首先，把所有的局部模式分成4個(gè)子類(lèi)，分別為強(qiáng)邊緣、角類(lèi)；潛在邊緣、角類(lèi)；線(xiàn)條末端類(lèi)；無(wú)意義模式類(lèi)。然后，引入一個(gè)粗糙度度量因子R來(lái)表示任意局部窗口的粗糙度，粗糙度偏小或偏大的區(qū)域被視為平滑區(qū)域，不存在裂紋，不進(jìn)行局部模式計(jì)算，直接把該局部窗口的中心像素歸為無(wú)意義局部模式。最后，建立一個(gè)子類(lèi)查詢(xún)表，把每個(gè)局部模式歸類(lèi)到相應(yīng)的子類(lèi)中。通過(guò)這些改進(jìn)，使得LBP算子計(jì)算更快速、抗噪性更強(qiáng)、對(duì)光照條件的魯棒性也更強(qiáng)，且不必預(yù)先分割出舌體區(qū)域，即可分割出舌裂紋。以上所述MULBP算法的詳細(xì)流程可參考圖1。 2.2.1 對(duì)模式分類(lèi)方法的重定義

圖1MULBP算法流程圖

當(dāng) P=8，r=1時(shí)，均勻LBP有9種均勻模式、27種非均勻模式，如圖2所示，而所有的非均勻模式都被簡(jiǎn)單地分配到一個(gè)子類(lèi)中（P+1子類(lèi)）。這種簡(jiǎn)單的分類(lèi)方法會(huì)導(dǎo)致一些復(fù)雜紋理信息的丟失，并且對(duì)噪聲也比較敏感。

圖2 均勻LBP的36種局部模式

裂紋通常由強(qiáng)邊緣和角組成，裂紋里面是弱邊緣和較平緩的區(qū)域。在舌裂紋分割中，并不是所有局部模式都是本文感興趣的，而感興趣的局部模式有一部分是非均勻模式。因此，既沒(méi)必要定義過(guò)多的模式子類(lèi)，也不能簡(jiǎn)單地把所有非均勻模式都?xì)w為一類(lèi)。只有那些表示裂紋特征的局部模式對(duì)于舌裂紋的分割才是有用的，例如代表著邊緣或者角的局部模式。所以，需要對(duì)ULBP算子的模式分類(lèi)方法進(jìn)行重定義。

本文采用的模式集包括4個(gè)子類(lèi)，見(jiàn)表1所示，每個(gè)子類(lèi)包含表示相似特征的局部模式。表示強(qiáng)邊緣和角的均勻模式被歸類(lèi)到子類(lèi)3中；與邊緣和角有相似特征的非均勻模式被視為可能存在的邊緣和角，被歸類(lèi)到子類(lèi)2中；表示線(xiàn)段末端的局部模式被歸類(lèi)到子類(lèi)1中；其他局部模式被視為是對(duì)裂紋分割無(wú)意義的模式，被分到標(biāo)簽0中。最后，為了快速實(shí)現(xiàn)，建立了一個(gè)子類(lèi)查詢(xún)表，把每個(gè)局部模式歸類(lèi)到相應(yīng)的子類(lèi)下。

表1 局部模式分類(lèi)

2.2.2 粗糙度度量因子R

傳統(tǒng)LBP算子對(duì)圖像中所有像素進(jìn)行LBP特征值計(jì)算。而在裂紋舌圖像中，面部、唇部以及某些舌體表面、舌體邊緣區(qū)域像素的鄰域灰度值變化不大，可以斷定這個(gè)局部區(qū)域的中心像素不屬于舌裂紋處。研究發(fā)現(xiàn)，由于裂紋內(nèi)部區(qū)域灰度變化較平緩，舌苔上粗紋理區(qū)域的粗糙度往往比這部分區(qū)域更大，因此，粗糙度最大的這些區(qū)域也不屬于舌裂紋。在這些無(wú)意義區(qū)域中進(jìn)行LBP特征值計(jì)算是沒(méi)有必要的。基于此，本文引入了一項(xiàng)粗糙度度量因子來(lái)表示局部區(qū)域的粗糙度。一旦某個(gè)局部區(qū)域被判定為無(wú)意義區(qū)域，該區(qū)域的中心像素將直接被記為無(wú)意義局部模式，不進(jìn)行LBP特征值計(jì)算。

粗糙度度量因子R的定義如式（2）所示：

其中，gc表示局部區(qū)域中心像素的灰度值，gi表示局部區(qū)域中除中心像素以外的周邊像素的灰度值，n表示局部區(qū)域周邊像素的個(gè)數(shù)。這樣，R值在灰度相等區(qū)域?yàn)?，在越粗糙的區(qū)域其值越大。

在圖像質(zhì)量較好的情況下，為了減少計(jì)算量，在實(shí)驗(yàn)中，也可以采用粗糙度度量因子的近似估計(jì)值THR來(lái)表示局部區(qū)域的粗糙度，如式（3）所示：

2.2.3 邊緣提取與偽裂紋消除

在所有的像素都被分配到特定的子類(lèi)中之后，將進(jìn)行邊緣提取。表示強(qiáng)邊緣、角的像素（標(biāo)簽號(hào)為3），被視為裂紋，由白色像素表示；而標(biāo)簽號(hào)為0，代表與裂紋提取無(wú)關(guān)的像素，由黑色像素表示；表示潛在的邊緣、角和線(xiàn)末端像素（標(biāo)簽號(hào)為1和2），只有那些在空間分布上與邊緣、角相連的像素，才會(huì)被視為裂紋，由白色像素表示，而其余像素則被視為非裂紋，由黑色像素表示。上述的邊緣、角既包括標(biāo)簽3子類(lèi)的像素，也包括標(biāo)簽1和標(biāo)簽2子類(lèi)中已被判定為裂紋的像素。完成該步驟后，得到了一幅有著裂紋和近似裂紋特征的邊緣二值圖像。在偽裂紋消除中，先計(jì)算出邊緣二值圖像中每個(gè)連通區(qū)域的一些統(tǒng)計(jì)特征，例如裂紋數(shù)量、面積、長(zhǎng)度、寬度等；然后把那些有較少像素點(diǎn)或塊狀的連通區(qū)域視為偽裂紋予以消除，從而得到一幅分割裂紋圖。

由于本文根據(jù)裂紋紋理特征重定義了模式分類(lèi)方法，并且引入了粗糙度度量因子。而非舌體區(qū)域一般都是平緩區(qū)域，此外，大部分非平緩區(qū)域的局部模式又屬于無(wú)意義模式子類(lèi)。當(dāng)與連通區(qū)域的統(tǒng)計(jì)特征相結(jié)合時(shí)，就可利用以上MULBP算子，在不必預(yù)先分割出舌體區(qū)域的情況下分割出舌裂紋，并成功濾除舌裂紋以外的大部分區(qū)域，只呈現(xiàn)裂紋區(qū)域。但是，此時(shí)的分割結(jié)果通常還包含裂紋附近舌苔上的粗紋理（即偽裂紋，參見(jiàn)實(shí)驗(yàn)結(jié)果部分圖3（c），圖4（c），圖5（c））。因此，單獨(dú)用MULBP算子難以實(shí)現(xiàn)對(duì)舌裂紋的精確分割，而閾值分割技術(shù)不僅計(jì)算簡(jiǎn)單，而且能得到待分割目標(biāo)的準(zhǔn)確輪廓。本文接下來(lái)將通過(guò)對(duì)分割裂紋圖與閾值分割結(jié)果相與，以在一定程度上彌補(bǔ)MULBP算子的不足，實(shí)現(xiàn)對(duì)舌裂紋更精確、完整的分割。

2.3 結(jié)合閾值分割方法

圖像的閾值分割技術(shù)主要用于區(qū)分目標(biāo)和背景區(qū)域，通過(guò)選取一個(gè)閾值，將圖像中每個(gè)像素的灰度值與閾值進(jìn)行比較，把灰度值大于閾值的像素歸為一類(lèi)，小于閾值的像素歸為另一類(lèi)。舌苔在顏色信息上，主要以紅色為主色調(diào)，而舌裂紋相對(duì)較暗，因此可以利用全局閾值分割法，將舌裂紋與周?chē)纳嗵Ψ指铋_(kāi)。由于Otsu閾值算法[15]計(jì)算簡(jiǎn)單，且在一定條件下不易受圖像對(duì)比度和亮度變化的影響，被認(rèn)為是一種全局閾值自動(dòng)選擇的最優(yōu)方法[16]。因此，本文采用該方法對(duì)舌裂紋進(jìn)行閾值分割。

Otsu閾值算法[15]根據(jù)圖像的灰度級(jí)分布特性，以目標(biāo)和背景的類(lèi)間方差最大為閾值選取的準(zhǔn)則。該方法中，目標(biāo)和背景區(qū)域的類(lèi)間方差σ2計(jì)算方法如式（4）所示：

其中，PA、PB分別為目標(biāo)和背景像素出現(xiàn)的概率，ωA、ωB、ω分別為目標(biāo)、背景、圖像的平均灰度值。由于PA、PB、ωA、ωB、ω 都是閾值 T 的函數(shù)，當(dāng) σ2取得最大值時(shí)的閾值T*即為錯(cuò)分概率最小的最優(yōu)閾值，即

舌苔主要以紅色為主色調(diào)，在彩色舌圖像RGB色彩空間的R通道上，舌苔與裂紋差異較大，故本文采用彩色舌圖像的R通道進(jìn)行閾值分割。由于舌圖像的質(zhì)量和光照條件不一，所以本文在Otsu閾值T*的基礎(chǔ)上引入了一個(gè)灰度權(quán)衡系數(shù)μ，其值由取得T*時(shí)對(duì)應(yīng)的背景區(qū)域平均灰度值ω*B和整幅圖像的平均灰度值ω的比例決定，如式（6）。

因此，本文閾值分割所使用的最終閾值Tter為：

如分割結(jié)果不理想，也可通過(guò)手動(dòng)微調(diào)μ值來(lái)獲取更理想的分割結(jié)果。經(jīng)大量實(shí)驗(yàn)研究發(fā)現(xiàn)，μ的理想取值位于1～1.6之間。值得注意的是，由于舌裂紋與舌苔的R通道灰度值差異較大，閾值在一定的范圍內(nèi)都能正確分割出裂紋區(qū)域，而在這個(gè)范圍內(nèi)不同的μ值，主要影響舌苔上粗紋理的分割結(jié)果，對(duì)裂紋區(qū)域的影響較小。由于本文方法結(jié)合了裂紋的紋理特征，只要求閾值分割方法分割出裂紋區(qū)域即可，故對(duì)于大部分圖像，無(wú)需手動(dòng)調(diào)節(jié)μ值。

3 實(shí)驗(yàn)結(jié)果分析與討論

為驗(yàn)證本文算法的有效性，本文在MATLAB R2010a（?MathworksInc.）實(shí)驗(yàn)平臺(tái)上對(duì)不同環(huán)境下拍攝的裂紋舌圖像進(jìn)行了廣泛測(cè)試。實(shí)驗(yàn)中的樣本均由數(shù)碼相機(jī)拍攝，圖像有在暗室中使用D65光源、色溫為6 500 K的標(biāo)準(zhǔn)環(huán)境下拍攝的，也有在一般診室壞境下拍攝的。

圖3為對(duì)標(biāo)準(zhǔn)環(huán)境下拍攝的典型裂紋舌圖像進(jìn)行實(shí)驗(yàn)的結(jié)果。臨床診斷上常見(jiàn)的裂紋舌的主裂紋一般較粗，位于舌體中央，并且在主裂紋附近具有其他小裂紋，如圖3（a）所示。該舌象舌苔上具有較多類(lèi)似裂紋的粗紋理，舌體中央為一條較粗的主裂紋，并且除了主裂紋之外，還有兩處間距較小、與主裂紋不相連的弧形小裂紋；圖3（b）為Otsu閾值分割結(jié)果，雖然其精確地分割出了舌體上的三處裂紋，但分割目標(biāo)區(qū)域還包含了大量舌體邊緣附近的粗紋理；圖3（c）所示MULBP算子結(jié)果完整地分割出了舌體上的裂紋，成功濾除了舌體邊緣附近的粗紋理，但分割出的裂紋包含了裂紋附近的舌苔粗紋理，比實(shí)際裂紋偏粗；圖3（d）所示為本文的最終分割結(jié)果，通過(guò)將MULBP算子與Otsu閾值分割技術(shù)相結(jié)合，優(yōu)勢(shì)互補(bǔ)，精確并較完整地分割出了主裂紋與兩處小裂紋。由本實(shí)驗(yàn)可以看出，本文方法可以在未預(yù)先分割出舌體區(qū)域的情況下，對(duì)舌苔上粗紋理較多、具有小裂紋、不規(guī)則形狀裂紋或不相連多處裂紋的一般裂紋舌圖像進(jìn)行裂紋分割，取得了理想的分割結(jié)果。

圖3 標(biāo)準(zhǔn)環(huán)境下拍攝的舌圖像（1）

為了進(jìn)一步測(cè)試本文算法，還對(duì)圖像質(zhì)量較差、在一般診室環(huán)境下拍攝的典型裂紋舌圖像進(jìn)行了實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果如圖4所示。其中圖4（a）為原圖，顯示該舌象有3條長(zhǎng)短、粗細(xì)不一、互不相連的裂紋，圖像的光照強(qiáng)度并不均勻，舌體前半部分與后半部分光強(qiáng)差異較明顯，并且在裂紋區(qū)域，光照強(qiáng)度就有較明顯的變化，因此給閾值分割帶來(lái)了一定的難度；圖4（b）所示的Otsu閾值分割結(jié)果雖然精確地分割出了大部分裂紋，但少部分位于舌體暗區(qū)中的裂紋與舌體暗區(qū)融為一體，從而無(wú)法獲取該部分裂紋的信息；圖4（c）為MULBP算子的結(jié)果，能看出其不會(huì)受到光照條件的影響，能完整地分割出三處互不相連的裂紋，其中還包括處于舌體暗區(qū)的裂紋，但分割出的裂紋比實(shí)際偏粗，尤其是舌體右側(cè)較粗的裂紋附近，包含了大量舌苔邊緣附近的粗紋理；圖4（d）為MULBP與Otsu閾值分割技術(shù)相結(jié)合的最終結(jié)果，顯示出圖4（a）中的3條裂紋得到了正確、完整的分割。由本實(shí)驗(yàn)可以看出，本文方法對(duì)一般診室環(huán)境下拍攝的光照強(qiáng)度不均勻的舌圖像具有較強(qiáng)的魯棒性。

圖4 一般診室壞境下拍攝的舌圖像

另外，在對(duì)裂紋延伸到舌體前部舌苔邊緣附近、且該處裂紋深度較淺的舌圖像進(jìn)行分割時(shí)，本文方法表現(xiàn)出了它的不足之處，如圖5所示。其中圖5（a）為R原圖，圖 5（b）為 Ostu閾值分割結(jié)果圖，圖 5（c）為 MULBP結(jié)果圖，圖5（d）為本文最終分割結(jié)果圖。該舌象裂紋較細(xì)長(zhǎng)，從接近舌根處一直延伸到舌體前部邊緣，并且舌體前部裂紋的深度較淺（圖像上表現(xiàn)為灰度值較大），其紋理特征與舌苔邊緣的紋理特征非常相似，灰度值也比較接近，從而導(dǎo)致圖5（b）所示閾值分割結(jié)果中舌裂紋與舌體前部的舌苔連成一片，但還是能較精確地分割出大部分舌裂紋；而圖5（c）所示的MULBP結(jié)果卻把該淺裂紋視為舌苔上的偽裂紋，一并進(jìn)行了濾除；進(jìn)而導(dǎo)致圖5（d）所示的分割結(jié)果丟失了舌體前部舌苔邊緣附近的淺裂紋，未能實(shí)現(xiàn)對(duì)全部裂紋的完整分割。

圖5 標(biāo)準(zhǔn)環(huán)境下拍攝的裂紋舌圖像（2）

4 總結(jié)

本文提出了一種新穎的基于MULBP算子與Otsu閾值分割技術(shù)相結(jié)合的舌裂紋分割方法。首先，根據(jù)裂紋的紋理特征重新定義了LBP算子的模式分類(lèi)方法，并引入了一個(gè)粗糙度度量因子R來(lái)表示圖像的粗糙度；然后，利用重定義的模式分類(lèi)方法及粗糙度度量因子R計(jì)算出舌圖像的裂紋二值圖像，該二值圖像包含了豐富的舌裂紋信息；最后，結(jié)合裂紋二值圖像連通區(qū)域的統(tǒng)計(jì)特征并和Otsu閾值分割結(jié)果相與，進(jìn)一步更精確、完整地分割出舌裂紋。實(shí)驗(yàn)結(jié)果表明，本文算法對(duì)裂紋舌圖像中小的裂紋、不規(guī)則形狀的裂紋、不相連的多處裂紋和位于粗紋理舌苔中的裂紋，都能成功實(shí)現(xiàn)精確、完整的分割；同時(shí)該算法不需要預(yù)先分割出舌體區(qū)域，并對(duì)光照條件具有較強(qiáng)的魯棒性，有利于算法的推廣。

然而，值得注意的是，由于LBP算子分割出的裂紋比實(shí)際裂紋偏粗，當(dāng)光照條件較差、舌裂紋又延伸到舌體深處較暗的區(qū)域時(shí)，將導(dǎo)致閾值分割結(jié)果不理想，使部分閾值分割未計(jì)算出的裂紋比實(shí)際偏粗。再者，當(dāng)深度較淺的裂紋延伸至舌苔邊緣時(shí)，本文的MULBP算法將把該淺裂紋視為偽裂紋，并與附近的舌苔邊緣一起被濾除，使最終分割結(jié)果丟失了該部分淺裂紋。在將來(lái)的研究工作中，需要進(jìn)一步對(duì)LBP模式分類(lèi)方法進(jìn)行改進(jìn)，并采用對(duì)光照條件更魯棒的閾值分割方法，以解決本文算法的不足。

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

[2]Yin Huihe，Shuai Xuezhong.Fundamentals of traditional Chinese medicine[M].Beijing：Foreign Language Press，1955.

[3]Maciocia G.Tongue diagnosis in Chinese medicine（revised edition）[M].Seattle，WA：Eastland Press，1995.

[4]Saritha B，Kannan B.Disease analysis using tongue image[J]. International Journal of Engineering Research& Technology，2013，2（4）：671-676.

[5]Liu Hong，Wang Ye，Yue Xiaoqiang，et al.A multi-feature fusion method for tongue image matching in traditional Chinesemedicine[C]//2011 InternationalConferenceof Soft Computing and Pattern Recognition，Dalian，China，2011：57-62.

[6]張志順.改進(jìn)的小波變換在中醫(yī)舌象邊緣檢測(cè)中的研究[J].計(jì)算機(jī)工程與應(yīng)用，2012，48（35）：135-138.

[7]陳善超，符紅光，王穎.改進(jìn)的一種圖論分割方法在舌像分割中的應(yīng)用[J].計(jì)算機(jī)工程與應(yīng)用，2012，48（5）：201-203.

[8]趙亮.改進(jìn)的最大類(lèi)間方差法在舌像裂紋識(shí)別中的應(yīng)用：中國(guó)，CN102194121A[P].2011-09-21.

[9]陳小芬，李翠華，杜曉鳳.自適應(yīng)閾值的舌象裂紋檢測(cè)[J].計(jì)算機(jī)技術(shù)與發(fā)展，2009，19（1）：17-20.

[10]楊朝輝，李乃民，王寬全，等.裂紋舌中醫(yī)診斷的客觀化研究[C]//第一屆中西醫(yī)結(jié)合診斷學(xué)術(shù)會(huì)議，北海，2006：27-31.

[11]Loh A W K，Robey M C，West G A W.Analysis of the interaction between edge and line finding techniques[J]. Pattern Recognition，2001，34（6）：1127-1146.

[12]Haralick R M.Ridges and valleys on digital images[J]. Computer Vision，Graphics，and Image Processing，1983，22（1）：28-38.

[13]Liu L L，Zhang D.Extracting tongue cracks using the wide line detector[C]//1st Internati-onal Conference on Medical Biometrics，Hongkong，China，2008：49-56.

[14]Ojala T，Pietikainen M，Maenpaa T.Multiresolution grayscale and rotation invariant texture classification with localbinary patterns[J].IEEE Transactionson Pattern Analysis and Machine Intelligence，2002，24（7）：971-987.

[15]Otsu N.A threshold selection method from gray-level histograms[J].IEEE Transactions on Systems，Man，and Cybernetics，1979，9（1）：62-66.

[16]Xu Xiangyang，Xu Shengzhou，Jin Lianghai，et al.Characteristic analysis of Otsu threshold and its applications[J]. Pattern Recognition Letters，2011，32（7）：956-961.

QIN Haisong1,HUANG Zhongchao1,ZHAO Yuqian1,PENG Zizhuang2

1.Department of Biomedical Engineering,School of Geoscience and Info-physics,Central South University,Changsha 410083,China
2.College of the Second Clinical Medicine,Guangzhou University of Chinese Medicine,Guangzhou 510405,China

To represent and describe the tongue crack information of tongue diagnosis in Traditional Chinese Medicine（TCM）,it needs to segment tongue cracks from tongue image correctly and completely.But few methods can meet the requirements.In this paper,a novel method based on the combination of modified LBP（Local Binary Pattern）operator and Otsu’s threshold technique is proposed,i.e.,MLBP-Ostu algorithm.The principle of classification of the traditional LBP local pattern has been redefined according to the texture features of tongue tracks.A roughness measurement factor Ris introduced.The region with over-high or over-lowRvalue will be regrouped into the meaningless subclass,and the LBP operator will not operate on the central pixel of this region.To acquire the final binary image with true cracks,the Otsu’s method is used to threshold the LBP feature image obtained by the fore step.Experiments on the several of typical tongue images show that the method proposed in this paper can achieve correct and complete segmentation of tongue cracks.In addition,it isn’t necessary to segment the tongue body part from tongue image in advance.So,it will be an effective tool for the research on the quantification of tongue diagnosis and its clinical application.

tongue diagnosis;tongue crack;local binary pattern;Otsu’s method

中醫(yī)舌診中只有精確、完整地分割出舌裂紋，才能準(zhǔn)確地對(duì)舌裂紋信息進(jìn)行定量化的特征表示與描述，而目前少有方法能達(dá)到此要求。為此，提出了一種新穎的基于改進(jìn)的局部二值模式（Local Binary Pattern，LBP）算子與Otsu閾值分割技術(shù)相結(jié)合的舌裂紋分割算法（MLBP-Ostu算法）。根據(jù)舌裂紋的紋理特征對(duì)傳統(tǒng)LBP的模式分類(lèi)方法進(jìn)行重定義；引入一個(gè)粗糙度度量因子R，如某區(qū)域的R值偏小或偏大，則把其歸類(lèi)為非裂紋區(qū)，不進(jìn)行LBP特征值計(jì)算；利用Otsu方法對(duì)前面得到的LBP特征圖進(jìn)行閾值分割，從而得到舌裂紋的二值圖像。實(shí)驗(yàn)結(jié)果表明，該算法能較精確、完整地分割出舌裂紋，并且不需要預(yù)先分割出舌體區(qū)域，為將來(lái)舌診的定量化研究及臨床應(yīng)用提供了有效手段。

中醫(yī)舌診；舌裂紋；局部二值模式；Otsu法

CNKI網(wǎng)絡(luò)優(yōu)先出版：2014-09-18,http://www.cnki.net/kcms/doi/10.3778/j.issn.1002-8331.1404-0115.html

QIN Haisong,HUANG Zhongchao,ZHAO Yuqian,et al.New MLBP-Otsu method and its application in tongue crack image segmentation.Computer Engineering and Applications,2014,50（23）：151-155.

A

TP751

10.3778/j.issn.1002-8331.1404-0115

中南大學(xué)中央高校基本科研業(yè)務(wù)費(fèi)專(zhuān)項(xiàng)資金（No.2011QNZT013）；國(guó)家自然科學(xué)基金面上項(xiàng)目（No.61172184）。

覃海松（1988—），男，在讀碩士研究生，主要研究領(lǐng)域?yàn)獒t(yī)學(xué)圖像處理；黃忠朝（1976—），男，副教授，主要研究領(lǐng)域?yàn)獒t(yī)學(xué)信號(hào)和圖像處理；趙于前（1973—），男，教授，主要研究領(lǐng)域?yàn)獒t(yī)學(xué)圖像處理；彭子壯（1990—），男，碩士研究生，研究領(lǐng)域?yàn)橹形麽t(yī)結(jié)合臨床醫(yī)學(xué)。E-mail：lipse_huang@163.com

2014-04-08

2014-08-04

1002-8331（2014）23-0151-05