基于分水岭变换和主动轮廓模型的舌体轮廓图像分割

！墨量塑！ＱＱＱ：ＱＱ§垒清华大学学报（自然科学版）２００８年第４８卷第６期ＣＮ１１—２２２３／ＮＪＴｓｉｎｇｈｕａＵｎｉｖ（Ｓｃｉ＆Ｔｅｃｈ），２００８，Ｖ０１．４８，Ｎｏ．６

３２／３８１０４０—１０４３

基于分水岭变换和主动轮廓模型的舌体轮廓图像分割

吴佳１，张永红１，白净１，翁维良２，吴煜２，韩盎２，李敬华２

（１．清华大学生物医学工程系，北京１０００８４）２．西苑医院，北京１０００９１）

擒要：舌体轮廓的图像分割是计算机辅助舌诊系统进行图像分析的前提条件。提出了一种基于分水岭交换和主动轮廓模型相结合的自动轮廓分割算法。采用了分水岭变换的结果作为主动轮廓模型算法的初始曲线。在分水岭变换中，通过引入标记函数和强制最小值技术解决了传统分水岭变换可能导致的过分割问题，同时，在保证分割质量的基础上，通过降采样的方法来提高分割速度。算法对６７８例临床舌像进行了分割，正确分割率为９６．９０Ａ。

关键词：图像分割，中医舌诊；分水岭变换｝主动轮廓模型中图分类号：ＴＰ３１９；Ｒ２４１．２５文献标识码：Ａ文章编号：１０００—００５４（２００８）０６—１０４０—０４

Ｔｏｎｇｕｅｃｏｎｔｏｕｒｉｍａｇｅｅｘｔｒａｃｔｉｏｎｕｓｉｎｇａｗａｔｅｒｓｈｅｄｔｒａｎｓｆｏｒｍａｎｄａｎａｃｔｉｖｅ

ｃｏｎｔｏｕｒｍｏｄｅｌ

ＷＵＪｉａｌ．ＺＨＡＮＧＹｏｎｇｈｏｎ９１，ＢＡＩＪｉｎ９１，ＷＥＮＧＷｅｉｌｉａｎ９２，

ＷＵｙｕｚ。ＨＡＮＹａ０２。ＬＩＪｉｎｈｕａｚ

（１．ＤｅｐａｒｔｍｅｎｔｏｆＢｉｏｍｅｄｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，ＴｓｉｎｇｈｎｎＵｎｉｖｅｒｓｉｔｙ，

Ｂｅｉｊｉｎｇ１０００８４，ＣｈｉｎａＩ

２．ＸｉｙｎａｎＨｏｓｐｉｔａｌ，Ｂｅｉｊｉｎｇ１０００９１，Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ：Ａｃｏｍｐｕｔｅｒ—ａｉｄｅｄｔｏｎｇｕｅｄｉａｇｎｏｓｉｓｓｙｓｔｅｍｗａｓｄｅｖｅｌｏｐｅｄｂａｓｅｄｏｎｔｈｅｅｘｔｒａｃｔｉｏｎｏｆｔｈｅｔｏｎｇｕｅｂｏｄｙｉｍａｇｅｆｒｏｍｄｉｇｉｔａｌｐｈｏｔｏｇｒａｐｈｓ．Ｔｈｅｔｏｎｇｕｅｂｏｄｙｓｈａｐｅｗａｓａｕｔｏｍａｔｉｃａｌｌｙｅｘｔｒａｃｔｅｄｕｓｉｎｇａｗａｔｅｒｓｈｅｄｔｒａｎｓｆｏｒｍａｎｄａｎａｃｔｉｖｅｃｏｎｔｏｕｒｍｏｄｅｌ．Ｔｈｅｗａｔｅｒｓｈｅｄｔｒａｎｓｆｏｒｍｕｓｅｓａｍａｒｋｉｎｇｆｕｎｃｔｉｏｎａｎｄｍｉｎｉｍａｉｍｐｏｓｉｔｉｏｎｔｏｓｏｌｖｅｔｈｅｏｖｅｒ—ｓｅｇｍｅｎｔａｔｉｏｎｐｒｏｂｌｅｍ．Ｔｈｅａｃｔｉｖｅｃｏｎｔｏｕｒｍｏｄｅｌｃｏｎｖｅｒｇｅｄｔｏｔｈｅｐｒｅｃｉｓｅｅｄｇｅｆｒｏｍｔｈｅｉｎｉｔｉａｌｃｏｎｔｏｕｒｇｉｖｅｎｂｙｔｈｅｗａｔｅｒｓｈｅｄｔｒａｎｓｆｏｒｍ．Ｔｈｅｄｏｗｎ—ｓａｍｐｌｅｄｍｅｔｈｏｄｉｍｐｒｏｖｅｄｔｈｅｓｐｅｅｄｏｆｔｈｅｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎ．Ｔｈｅｍｅｔｈｏｄｗａｓａｐｐｌｉｅｄｏｎ６７８ｃｌｉｎｉｃａｌｉｍａｇｅｓｗｉｔｈ９６．９％ｏｆｔｈｅｔｅｓｔｉｍａｇｅｓｓｕｃｃｅｓｓｆｕｌｌｙｓｅｇｍｅｎｔｅｄ．

Ｋｅｙｗｏｒｄｓ：ｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎ；ｔｏｎｇｕｅｄｉａｇｎｏｓｉｓｉｎｔｒａｄｉｔｉｏｎａｌＣｈｉｎｅｓｅｍｅｄｉｃｉｎｅ；ｗａｔｅｒｓｈｅｄｔｒａｎｓｆｏｒｍ；ａｃｔｉｖｅｃｏｎｔｏｕｒ

ｍｏｄｅｌ

舌诊是中医学诊断疾病的“望”诊中的重要一环。图像处理技术可用于舌诊照片的分析，属于医学图像分析范畴之中Ⅱ］。有文献说明图像分析技术用于舌诊客观化是可行的比１。

舌体分割涉及的技术主要分为２个大类：一类采用简单的阈值分割算法，如赵忠旭［３１等人采用的固定阈值分割结合数学形态学的办法进行舌体的提取，分割的结果舌头边缘轮廓曲线比较粗糙，不能够精确地勾勒出舌头边缘；另一类技术以主动轮廓模型法为核心［４噶］。主动轮廓模型通过逐步改变封闭曲线的形状来逼近图像中目标的轮廓，得到的舌头轮廓边缘准确。但是该算法的结果依赖于曲线初始的轮廓，如果初始轮廓选取不好的话，算法可能收缩到局部极值，不能正确地分割。

沈兰荪等＿１指定初始曲线为刚性模板，曲线迭代次数较多，分割正确率为８２％。ＬＩＷｅｎｓｈｕ等哺１采用Ｈ空间内阈值分割的结果作为初始曲线，分割率达到了９４％。ＰＡＮＧＢｏ等哺１针对舌头的特点设计了双椭圆形变轮廓（ｂｉ—ｅｌｌｉｐｔｉｃａｌｄｅｆｏｒｍａｂｌｅｃｏｎｔｏｕｒ）方法，该方法针对舌头形状特意设计，分割率为９５．３％。

为了得到更高的分割准确率，本文提出了一种舌体轮廓图像分割算法，该算法采用标记控制的分水岭变换的结果作为主动轮廓模型的初始曲线，并且在保证分割效果的基础上将图像降采样来提高分割速度。

收稿日期：２００７—０４—１ｚ

基金项目：国家自然科学基金资助项目

（３０６７０５７７，６０５７１０１３，６０３３１０１０）‘

国家“九七三”重点基础研究发展计划

（２００６ＣＢ７０５７００）；

国家科技攻关计划项目（２００４ＢＡ７２１Ａ０８）ｌ

清华一裕元医学科学研究基金项目

作者简介：吴佳（１９８２一），女（汉），湖南，硕士研究生。

通讯联系人：张永红，副教授，

Ｅ—ｍａｉｌ：ｚｙｈｂｍｅ＠ｍａｉｌ．ｔｓｉｎｇｈｕａ．ｅｄｕ．ｃｎ

吴佳，等：基于分水岭变换和主动轮廓模型的舌体轮廓图像分割

１方法

１．１主动轮廓模型

主动轮廓模型最早由Ｋａｓｓ等口１提出，其目的是通过迭代的方法，寻找一条曲线ｙ，使得定义的曲线能量项Ｅ（ｙ）为最小。设初始曲线轮廓为：

Ｖ一｛Ｖ１，Ｖ２，…，ｙＬ），Ｖ，一（ｚｆ，Ｙｆ），

ｉ一｛１，２，…，￡｝．（１）

设定能量项凹１为

Ｅ（ｙ）一ａＥｉｎｔ（ｙ）＋肥。。（ｙ）．（２）其中：ａ、卢是加权常数；Ｅｉ。。是依赖于轮廓形状的能量函数，选取它为连续能量，迫使封闭曲线变成圆环，使得轮廓趋于光滑；Ｅ。是依赖于图像性质的能量函数，选取它为图像某通道（指图像的Ｒ、Ｇ、Ｂ通道和Ｈ、Ｓ、Ｖ通道）灰度的梯度能量，将变形轮廓向梯度高的点即轮廓处移动。通过迭代后曲线收缩到使得能量Ｅ最小的位置，即舌头的边缘。

一方面，主动轮廓模型收缩的结果依赖于初始轮廓曲线的位置，假如初始轮廓选取不好的话，曲线可能收缩到局部极值∞］，不能正确地分割出舌头。另一方面，主动轮廓模型算法是一个迭代的算法，在初始曲线偏移较大的时候，若要取得很好的效果，则迭代的次数就比较多，导致了运算时间过长。

１．２生成初始轮廓曲线

分水岭变换方法的基本思想源于地理学，它将原图像的梯度幅值图像看成是一幅地形图，梯度幅值对应海拔高度。设想在各个局部极小值点打一个洞，将地形图逐渐浸入一个湖中，全局极小值点的盆地先进水，水位逐渐升高，当相邻两个盆地的水即将合并时，在两个盆地间建坝拦截。最终整幅图将被划分成许多山谷盆地，分水岭就是分割这些盆地的堤坝，作为各个区域的分隔线凹ｏ。

分水岭变换是图像分割中一个常用的工具，但是它对图像的高度变化十分敏感［８］，如图１ａ所示，将把大量的局部最大值作为分水岭，而将真实的轮廓淹没，这就是过分割（ｏｖｅｒ—ｓｅｇｍｅｎｔａｔｉｏｎ）现象。针对舌头的图像，由于舌面上有大量的细节，会引起过分割的问题，因此分水岭变换在舌体分割相关文献中没有被采用过。为解决过分割问题，通常在分水岭变换前加一个预处理步骤。本算法利用的是标记控制的分割（ｍａｒｋｅｒ—ｃｏｎｔｒｏｌｌｅｄｓｅｇｍｅｎｔａｔｉｏｎ）方法。标记控制的分割采用标记和强制最小值技术来避免过分割，简要的思路是：标记（Ｍａｒｋｅｒ）是图像中的连通组员，对应于需分割的目标，具有相似的灰度值并组成一个连通的局部。如图１ｂ中的阴影部分，就是两个标记。强制最小值技术（ｍｉｎｉｍａｉｍｐｏｓｉｔｉｏｎ）将该标记所在的位置的图像点置为最小值０，屏蔽掉图中次要的轮廓，突出主要的轮廓，避免过分割现象。

瑚／服ｋ７ｉ

（ａ）分水岭过分割示意图（ｂ）标记作用

Ｖ为分水岭嚣强为标记

图１分水岭算法示意图

图２为该方法的实现的步骤图。首先一方面从原始图像通过边缘增强得到图像的梯度图，另一方面，通过已知的信息获得图像的标记函数；将标记函数通过强制最小值技术覆盖在梯度图上，屏蔽掉次要的轮廓后，再对图像进行分水岭变换。

图２标记控制的分水呤方法步骤图

标记应当选取相似的灰度值并组成一个连通的局部。对于舌体分割而言，所需要的标记应该是能够将舌体内部的舌苔裂纹等细节全部覆盖住，因此通道图应具有２个特征：一个是在该通道内舌体部分与非舌体部分的差异较大，另一个是该通道舌体部分的值分布要集中。通过下列２个函数来衡量这２个特征。

设在某一个通道内属于舌体部分的点的值组成的列向量为Ｔ，非舌体部分的值组成的列向量为Ｆ，Ⅳ和Ｍ分别表示舌体部分点的个数和非舌体部分点的个数；矩代表舌体部分的均值和非舌体部分均值的差，这个值越大，则表示在该通道内，舌体部分和非舌体部分的差异越大；有

１０４２清华大学学报（自然科学版）

ｆ甜一ｌ“Ｔ一甜ＦＩ，为了保证标记的连通性，对分割后的图像需进，Ｎ

行数学形态学的处理［８］。用形态元素圆盘Ｄ对二值．｛扰丁一丙台ｏ’（３）图像＾作开启操作后，得到需要的标记函数：

Ｉ】三、Ｌ一＾ｏＤ．（６）

【“Ｆ一赢二Ｆｚ?其中“。”代表数学形态学的开启运算符。标记部分第二个特征可以用向量Ｔ的标准差

的值是０，非标记部分的值是１。

盯一寺（∑（丁。一／ＡＴ）２）２（４）来衡量。若盯越小，则说明该通道内舌体部分的值分布越集中，越有利于计算出标记。通过对多幅图像的这２个函数值的验证选择了饱和度通道（Ｓ通道）。

采用Ｏｓｔｕ方法Ｄｏ］求出自动阈值Ｗ，对图像的Ｓ通道进行阈值分割，对于每个像素（ｚ，ｙ），分割后图像每一点数值厶（ｚ，ｙ）定义为

肥∽一㈦老慧：ｊ㈣其中ｓｔ（ｚ，ｊ，）代表在（ｚ，ｙ）这一坐标点的饱和度通道的数值。

接着要进行强制最小值操作。这一步的工作是对梯度函数ｇ用图像Ｌ（ｚ，ｊ，）进行强制最小值，得到待分割图像厶。。强制最小值的公式表达为

／二。（ｚ，ｙ）一ｇ（ｚ，ｙ）／．ｍ（ｚ，ｙ）．（７）即当（ｚ，ｙ）为标记时，凡。（ｚ，ｙ）为０；当（ｚ，ｙ）不是标记时，＾，。（ｚ，ｙ）为本来梯度函数的值ｇ（ｘ，ｙ）。

在分水岭变换完毕后，计算出图像正中的区域的边界Ｖ，

Ｖ一｛Ｖ１，Ｖ２，…，ｙ工｝．

ｙ中的点（Ｖ，一（ｚ，，Ｙｉ），ｉ一｛１，２，…，Ｌ））是分水岭变换后确定为分水岭的点的子集。

图３给出了运用标记分水岭算法的分步效果。

图３分水岭变换分步效果

图３ａ是照片图像的红色通道，图３ｂ是对图３ａ直接使用分水岭的结果，舌体部分被分成很多小块，不能够反映出舌体真实的轮廓，是典型的过分割现象。图３ｃ是从图３ａ求出的图像的梯度图，图３ｄ所示从图３ａ通过特征提取求得的标记图，图３ｅ是将图３ｄ的标记图经过强制最小值操作覆盖在图４ｃ得到的结果。对比图３ｅ和图３ｃ可以看出，标记图把舌头上的细节都覆盖掉。对图３ｅ进行分水岭变换，得到的结果图线如图３ｆ所示，中间的曲线即我们要求的主动轮廓模型的初始曲线ｙ。

１．３快速算法

本文使用的计算机硬件配置是ＣＰＵ为奔腾ＩＶ，主频２．００ＧＨｚ，５１２ＭＢ内存，软件环境为ＭａｔＬａｂ７．０。

将图像取红色通道的灰度图，并进行降采样。随机选出的１０幅１２８０×９６０像素的图像。在降采样率Ｍ≥５，所耗费时间由降采样前的接近４ｒａｉｎ都下降到５

ｓ以下，临床应用可以接受。

吴佳，等：基于分水岭变换和主动轮廓模型的舌体轮廓图像分割１０４３

将降采样后图像分割的结果和原始图像的结果进行比较。选择Ｍ一５，错误率低于０．０１％。

２实验结果与讨论

利用本算法对６７８幅图像进行分析。其中，从北京西苑医院高血压科和心血管科取得的５９５例舌诊照片，在本实验室中取得８３幅正常人的图像。根据西苑医院医生的判断，有６５７幅图片分割准确，分割成功率为９６．９％。

图４ａ是经过分水岭变换后的图像，是算法的中间结果，图４ｂ是算法的最终结果曲线。

图４结果曲线

对于一些图片，算法不能得到准确的结果，其原因是在初始曲线步骤，即分水岭变换的结果没有得到接近舌体边缘的曲线，而主动轮廓模型方法也不能克服这种错误。

３结论

舌体轮廓图像分割是进行舌象客观性分析的基础性的一步。本文提出了分水岭变换和主动轮廓模型相结合的算法解决舌体轮廓图像分割的问题，并采用降采样方法提高分割速度。对６７８例临床实验，数据的正确分割率为９６．９％。

参考文献（Ｒｅｆｅｒｅｎｃｅｓ）

［１３周越，杨杰，沈利．中医舌象信息的数字化方法研究ｒ］－ｉ．生物医学工程学杂志，２００４，２１（６）：９１７—９２０．

ＺＨＯＵＹｕｅ，ＹＡＮＧＪｉｅ，ＳＨＥＮＬｉ．Ｍｅｔｈｏｄｏｌｏｇｉｃａｌｓｔｕｄｙｏｎ

ｄｉｇｉｔａｌｉｚａｔｉｏｎｏｆｔｏｎｇｕｅｉｍａｇｅｉｎＴｒａｄｉｔｉｏｎａｌＣｈｉｎｅｓｅＭｅｄｉｃａｌｄｉａｇｎｏｓｉｓ［Ｊ］．ＪＢｉｏｍｅＥｎｇ，２００４，２１（６）：９１７—９２０．

（ｉｎＣｈｉｎｅｓｅ）［２］王爱民，赵忠旭，沈兰荪．中医舌象自动分析中舌色、苔色分类方法的研究［Ｊ］．北京生物医学工程，２０００，１９（３）；１３６．

ＷＡＮＧＡｉｍｉｎ，ＺＨＡ０Ｚｈｏｎｇｘｕ，ＳＨＥＮＬａｎｓｕｎ．ＲｅｓｅａｒｃｈｏｎｔｈｅｔｏｎｇｕｅｃｏｌｏｒｃｌａｓｓｉｆｉｃａｔｉｏｎｉｎａｕｔｏｍａｔｉｃｔｏｎｇｕｅａｎａｌｙｓｉｓｏｆＴｒａｄｉｔｉｏｎａｌＣｈｉｎｅｓｅＭｅｄｉｃｉｎｅ［Ｊ］．ＢｅｉｊｉｎｇＢｉｏｍｅＥｎｇ，

２０００。１９（３）：１３６．（ｉｎＣｈｉｎｅｓｅ）

［３３赵忠旭，王爱民，沈兰荪．基于数学形态学和ＨＩＳ模型的彩色舌图像分割［Ｊ］．北京工业大学学报，１９９９，２５（２）：６７—７１．

ＺＨＡＯＺｈｏｕｘｕ，ＷＡＮＧＡｉｍｉｎ。ＳＨＥＮＬａｎｓｕｎ．ＴｈｅｃｏｌｏｒｔｏｎｇｕｅｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎｂａｓｅｄｏｎｍａｔｈｅｍａｔｉｃａｌｍｏｒｐｈｏｌｏｇｙａｎｄＨＩＳｍｏｄｅｌＩ－Ｊ－］．ＪＢｅｉｊｉｎｇＰｏｌｙｔｅｃｈＵｎｉｖ，

１９９９，２５（２）：６７—７１．（ｉｎＣｈｉｎｅｓｅ）

Ｅ４］沈兰荪，王爱民，卫保国，等．图像分析技术在舌诊客观化中的应用［Ｊ］．电子学报，２００１，２９（１２）：１７６２—１７６５．

ＳＨＥＮｌａｎｓｕｎ，ＷＡＮＧＡｉｍｉｎ，ＷＥＩＢａｏｇｕｏ，ｅｔａ１．ＩｍａｇｅａｎａｌｙｓｉｓｆｏｒｔｏｎｇｕｅｃｈａｒａｃｔｅｒｉｚａｔｉｏｎＩ－Ｊ］．ＡｃｔａＥｌｅｃｔｒｏｎｉｃａＳｉｎｉｃａ，２００１，２９（１２）：１７６２—１７６５．（ｉｎＣｈｉｎｅｓｅ）

Ｅｓ］ＬＩＷｅｎｓｈｕ，ＺＨＯＵＣｈａｎｇｌｅ，ＺＨＡＮＧＺｈｉｆｅｎｇ．ＴｈｅｓｅｇｍｅｎｔａｔｉｏｎｏｆｔｈｅｂｏｄｙｏｆｔｈｅｔｏｎｇｕｅｂａｓｅｄｏｎｔｈｅｉｍｐｒｏｖｅｄｓｎａｋｅａｌｇｏｒｉｔｈｍｉｎＴｒａｄｉｔｉｏｎａｌＣｈｉｎｅｓｅＭｅｄｉｃｉｎｅＥＣ］｝？ＩＥＥＥＩｎｔＣｏｎｔｒａｎｄＡｕｔｏｍａ，２００４．ＷＣＩＣＡ２００４，５ｔｈＷｏｒｌｄＣｏｎｇｒｅｓｓ，２００４：５５０１—５５０５．

［６３ＰＡＮＧＢｏ，ｚＨＡＮＧＤａｖｉｄ，ＷＡＮＧＫｕａｎｑｕａｎ．Ｔｈｅｈｉ—ｅｌｌｉｐｔｉｃａｌｄｅｆｏｒｍａｂｌｅｃｏｎｔｏｕｒａｎｄｉｔｓａｐｐｌｉｃａｔｉｏｎｔＯａｕｔｏｍａｔｅｄｔｏｎｇｕｅｓｅｇｍｅｎｔａｔｉｏｎｉｎＣｈｉｎｅｓｅｍｅｄｉｃｉｎｅ［Ｊ］．

ＪＥＥＥＴｒａｎｓＯｎＩｖｉｅｄｌｍａｇ，２００５，２４（８）：９４６—９５６．

［７］ＫａｓｓＭ，ＷｉｒｋｉｎＡ，ＴｅｒｚｏｐｏｕｌｏｓＤ．Ｓｎａｋｅｓ：Ａｃｔｉｖｅｃｏｎｔｏｕｒｍｏｄｅｌｓ口］．ＩｎｔＪｏｆＣｏｍｐｕｔｅｒＶｉｓｉｏｎ，１９８８，１（４）：３２１—３３１．

［８３章毓晋．图像分析［Ｍ］．２版．北京：清华大学出版社，２００５：１２９，１３Ｚ．

ＺＨＡＮＧＹｕｊｉｎ．ＩｍａｇｅＡｎａｌｙｓｉｓ［Ｍ］．２ｎｄｅｄ．Ｂｅｉｊｉｎｇ：ＴｓｉｎｇｈｕａＵｎｉｖｅｒｓｉｔｙＰｒｅｓｓ，２００５：１２９。１３２．（ｉｎＣｈｉｎｅｓｅ）［９］ＶｉｎｃｅｎｔＬ，ＰｉｅｒｒｅＳ．Ｗａｔｅｒｓｈｅｄｓｉｎｄｉｇｉｔａｌｓｐａｃｅｓ：Ａｎｅｆｆｉｃｉｅｎｔａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｉｍｍｅｒｓｉｏｎｓｉｍｕｌａｔｉｏｎｓ［Ｊ］．ＩＥＥＥＴｒａｍＰａｔｔｅｒｎＡｎａｌｙａｎｄＭａｃｈＩｎｔｅｌ，１９９１，１３（６）：

５８３—５９８．

［１０３ＯｓｔｕＮ．Ａｔｈｒｅｓｈｏｌｄｓｅｌｅｃｔｉｏｎｍｅｔｈｏｄｆｒｏｍｇｒａｙ—ｌｅｖｅｌｈｉｓｔｏｇｒａｍ［Ｊ］．ＩＥＥＥＴｒａｍＳｙｓｔｅｍｓ，ＭａｎａｎｄＣｙｂｅｒｎｅｔｉｃｓ，

１９７８．Ｓ（１）：６２—６６．