第4期 于淼，等：一种近红外舌下静脉提取方法 ·311 外舌下静脉图像的灰度特征，静脉区域的灰度值小 于其周围的舌质区域，计算图4(c)中的各个连通区 域对应原图像中区域的灰度均值，如果该均值小于 舌下区域的平均灰度值则被保留，否则被丢弃，即为 (a)近红外舌下静脉图像 (b)应用射线法获得的舌 非静脉候选区域，如图4(d)所示 下区域轮廓 (C)形态学滤波后保留的(d)去除反光点后舌下 舌下区域图像 区域图像 (a)自适应直方图均衡化 (b)经动态灰度阈值法处 后结果图像 理得到二值图像 图3去反光 Fig 3 The removal of light-reflecting points 3 提取舌下静脉候选区域 为了进一步缩小舌下静脉所在区域的面积，确 保能提取出舌下静脉的精确边缘，需要选择使用适 当的二值化方法获取舌下静脉的候选区域.二值化 (c)去除冗余信息后的图像(d)舌下静脉候选区域 方法主要包括：1)全局阈值法；2)局部灰度阈值法： 图4提取静脉候选区域 3)动态灰度阈值法等.全局阈值化方法实现简单， Fig 4 Extraction of candidate sublingual veins regions 对于具有明显双峰直方图的图像效果明显，但对于 低对比度和光照不均匀的图像效果不佳，抗噪能力 4舌下静脉提取 差.局部阈值法能处理较为复杂的情况，但往往忽略 根据舌下静脉图像的特点，舌下静脉区域相对 了图像的边缘特征，容易出现伪影现象，如经典的局 其周围舌质背景区域较暗.因此，这里在所得到的舌 部阈值化算法Bemsen算法，其阈值由考察点邻 下静脉候选区域中选择灰度值最小的点作为种子 域的灰度确定，算法中不存在预定阈值，适应性较全 点.以去反光后的舌下静脉灰度图像为基础，使用区 局阈值法强，但是当窗口的宽度较小时，很容易出现 域生长法，当处于候选区域的像素点与当前考虑的 伪影现象和目标的丢失；而当窗口宽度增大时，算法 像素点的灰度值的差异较小时，则认为该像素点属 的速度将受到很大影响.动态阈值法充分考虑了像 于舌下静脉区域.当相邻2次生长所增加的像素点 素的邻域特征，能够根据图像的不同背景情况自适 足够少时，生长过程结束.此时形成的区域即为最终 应地改变阈值，可较精确地提取出二值图像 分割得到的舌下静脉区域，分割结果如图5所示 文中使用的动态灰度阈值方法是：首先在感兴 趣区域内，通过直方图统计的方法获得初始阈值“， 并由μ将区域内图像像素分为A伯色)，B黑色)2 个区域，计算A,B两个区域内像素灰度均值H、“2 然后计算区域内所有像素点分别到山，马的欧氏距 离d,d,如式(1)所示.区域内像素满足式(2)所示 (a)静脉区域映射回舌(b)静脉区域映射回原近红外 的条件后，分别被置为0和255.应用动态灰度阈值 下区域的结果图像 舌下静脉图像的结果图像 法对图4(a)进行处理后所得结果如图4(b)】 图5最终分割结果 d,=|fx以-u,l,i=1,2 1) Fig 5 Final results of segnentation f(x,y以= 255,d<, 2) 0,d<d. 5实验结果 从图4(b)实验结果可以看出，动态灰度阈值 本文所使用的近红外舌下静脉图像均是用专门 法，既保留了全部的静脉区域，又尽可能多地去除了 用于近红外舌下静脉图像采集的采集仪器来获取. 其他干扰信息.应用形态学方法对二值化后图像进 该采集设备由近红外光源及红外摄像机等组件构 行适当处理，去除冗余信息后得图4(c).根据近红 成.实验所采用的图像样本库是由解放军211医院 1994-2009 China Academic Journal Electronic Publishing House.All rights reserved.http://www.cnki.net图 3 去反光 Fig. 3 The removal of light2reflecting points 3 提取舌下静脉候选区域 为了进一步缩小舌下静脉所在区域的面积 ,确 保能提取出舌下静脉的精确边缘 ,需要选择使用适 当的二值化方法获取舌下静脉的候选区域. 二值化 方法主要包括 : 1)全局阈值法 ; 2)局部灰度阈值法 ; 3)动态灰度阈值法等. 全局阈值化方法实现简单 , 对于具有明显双峰直方图的图像效果明显 ,但对于 低对比度和光照不均匀的图像效果不佳 ,抗噪能力 差. 局部阈值法能处理较为复杂的情况 ,但往往忽略 了图像的边缘特征 ,容易出现伪影现象 ,如经典的局 部阈值化算法 ———Bernsen算法 ,其阈值由考察点邻 域的灰度确定 ,算法中不存在预定阈值 ,适应性较全 局阈值法强 ,但是当窗口的宽度较小时 ,很容易出现 伪影现象和目标的丢失 ;而当窗口宽度增大时 ,算法 的速度将受到很大影响. 动态阈值法充分考虑了像 素的邻域特征 ,能够根据图像的不同背景情况自适 应地改变阈值 ,可较精确地提取出二值图像. 文中使用的动态灰度阈值方法是 :首先在感兴 趣区域内 ,通过直方图统计的方法获得初始阈值 μ, 并由 μ将区域内图像像素分为 A (白色 ) , B (黑色 ) 2 个区域 ,计算 A, B 两个区域内像素灰度均值 μ1、μ2 . 然后计算区域内所有像素点分别到 μ1 ,μ2的欧氏距 离 d1 , d2 , 如式 (1)所示. 区域内像素满足式 (2)所示 的条件后 ,分别被置为 0和 255. 应用动态灰度阈值 法对图 4 ( a)进行处理后所得结果如图 4 ( b). di =| f ( x, y) - μi | , i = 1, 2. (1) f ( x, y) = 255, d1 < d2 , 0 , d2 < d1 . (2) 从图 4 ( b)实验结果可以看出 ,动态灰度阈值 法 ,既保留了全部的静脉区域 ,又尽可能多地去除了 其他干扰信息. 应用形态学方法对二值化后图像进 行适当处理 ,去除冗余信息后得图 4 ( c). 根据近红 外舌下静脉图像的灰度特征 ,静脉区域的灰度值小 于其周围的舌质区域 ,计算图 4 ( c)中的各个连通区 域对应原图像中区域的灰度均值 ,如果该均值小于 舌下区域的平均灰度值则被保留 ,否则被丢弃 ,即为 非静脉候选区域 ,如图 4 ( d)所示. 图 4 提取静脉候选区域 Fig. 4 Extraction of candidate sublingual veins regions 4 舌下静脉提取 根据舌下静脉图像的特点 ,舌下静脉区域相对 其周围舌质背景区域较暗. 因此 ,这里在所得到的舌 下静脉候选区域中选择灰度值最小的点作为种子 点. 以去反光后的舌下静脉灰度图像为基础 ,使用区 域生长法 ,当处于候选区域的像素点与当前考虑的 像素点的灰度值的差异较小时 ,则认为该像素点属 于舌下静脉区域. 当相邻 2次生长所增加的像素点 足够少时 ,生长过程结束. 此时形成的区域即为最终 分割得到的舌下静脉区域 ,分割结果如图 5所示. 图 5 最终分割结果 Fig. 5 Final results of segmentation 5 实验结果 本文所使用的近红外舌下静脉图像均是用专门 用于近红外舌下静脉图像采集的采集仪器来获取. 该采集设备由近红外光源及红外摄像机等组件构 成. 实验所采用的图像样本库是由解放军 211医院 第 4期 于 淼 ,等 :一种近红外舌下静脉提取方法 ·311·