·310· 智能系统学报 第3卷 使舌下静脉透过黏膜而呈现出的静脉颜色与周围舌 点到该候选边缘点的距离定义为该边缘点的半径 质背景的颜色差异的明显程度不同.为了尽可能多 根据图像的特点，当某候选边缘点的半径小于所有 地获取舌下静脉的信息，使用了新的传感器便 边缘点半径的平均值时，则确定该点为舌下区域的 携式近红外舌下静脉图像采集仪1来获取舌下静 一个边缘点，否则该点为伪边缘点.图2(b)中用浅 脉图像，并对采集到的图像进行舌下静脉的轮廓分 色表示边缘点，深灰色表示伪边缘点使用所得到的 割.与彩色图像相比，近红外舌下静脉图像可以完整 边缘点拟合成的曲线即为舌下区域的边缘.应用此 地保留舌脉的形态信息，具有很高的研究价值 方法得到的舌下区域边缘图像如图2(c)所示，映射 回近红外舌下静脉图像后如图2(d)所示.由于在采 1舌体轮廓分割 集过程中经常会在舌体的边缘部分形成阴影，且舌 在采集图像时，由于人张嘴的时候舌的侧边和 下静脉必然位于用上述方法得到的舌下区域中部 嘴的两侧留有一定空隙，照射在空隙处的红外光只 可以对得到的舌体区域进行适当腐蚀操作，以减小 有很少一部分反射并被采集仪接收，因此空隙处成 舌体边缘的阴影对后续处理的影响 像后显得很暗.采集到的近红外舌下静脉图像如图 1(a)所示，舌体被一个空隙所形成的不规则环形黑 色区域包围.这个区域将舌与图像中的其他部分大 致分离开来，将这个区域称为隔离带”，依据此隔 离带可将舌体与背景分开.首先，计算原图像的形态 (a)射线发射示意图 (b)舌下轮廓边缘点及 学梯度图，如图1(b)所示.然后应用分水岭法将具 伪边缘点 有相近灰度值的像素点用相同的颜色表示，结果如 图1(c)所示.从图中可清晰地看到，舌体部分被 条不闭合的“隔离带”与图像的其他部分隔离开来 由于图1(c)中的每一区域都是具有相似灰度值的 像素点构成，因此由它的梯度图像即可得到其边缘 (c)候选点拟合轮廓 (d)舌下轮廓结果图像 信息，提取图1(c)的水平梯度，再对其进行开运算 图2舌下区域轮廓提取 则得到可有效提取“隔离带”区域的二值图像，如图 Fig 2 Contour extraction of sublingual region 1(d)所示 2 去除反光点 舌下静脉图像中的反光点是很明显的，这些反 光点主要是由人伸舌时舌下腺体分泌的唾液形成 通过对大量图像观察得出，反光点的灰度值大都集 ()近红外舌下静脉图像 (b)图1(a)的形态学梯度图 中在250之上，因此可以很容易地根据阈值找到反 光点区域.在待处理图像中，舌下静脉区域很暗，而 其周围的背景区域较亮.为了尽量不丢失静脉区域 有效信息，这里采用8邻域最小值法填充检测出的 反光点区域，即用反光点8邻域内的最小灰度值去 (c)分水岭作用于梯度 (d)经形态学滤波后得到“隔 替换反光点的灰度值，但这种方法对于8邻域范围 图像示意图 离带”区域的二值图像 内都是反光点的区域无效.对于这种情况，再做一次 图1获取隔离带示意图 形态学开运算即可将高亮点全部去除 Fig 1 Illustration of getting "isolation band" 图3(b)为应用前面提出的舌下区域轮廓提取 方法对另一幅近红外舌下静脉图像处理得到的舌下 由于在采集图像时，尽量让被采集者的舌下部 区域图像.为去除阴影而进行形态学滤波处理后保 分位于图像的中央.因此，图像的中心点必然位于舌 留的舌下区域图像如图3(c)所示.对图3(c)进行 下区域之中.基于这个特点，在经形态学滤波后得到 去反光处理得到的图像如图3()所示.为进一步增 的二值图像上以此中心点为圆心，以一定角度向各 强舌下静脉区域与其周围舌质背景的对比度，从去 个方向发射射线.当该射线遇到隔离带时，则该 反光后图像中截取包含舌下区域的最小矩形，进行 射线与“隔离带的最近交点即为当前角度发射出 自适应直方图均衡化处理，其结果如图4(a)所示 的射线所确定的候选边缘点，如图2(a)所示.中心 1994-2009 China Academic Journal Electronic Publishing House.All rights reserved.http://www.cnki.net使舌下静脉透过黏膜而呈现出的静脉颜色与周围舌 质背景的颜色差异的明显程度不同. 为了尽可能多 地获取舌下静脉的信息 ,使用了新的传感器 ———便 携式近红外舌下静脉图像采集仪 [ 7 ]来获取舌下静 脉图像 ,并对采集到的图像进行舌下静脉的轮廓分 割. 与彩色图像相比 ,近红外舌下静脉图像可以完整 地保留舌脉的形态信息 ,具有很高的研究价值. 1 舌体轮廓分割 在采集图像时 ,由于人张嘴的时候舌的侧边和 嘴的两侧留有一定空隙 ,照射在空隙处的红外光只 有很少一部分反射并被采集仪接收 ,因此空隙处成 像后显得很暗. 采集到的近红外舌下静脉图像如图 1 ( a)所示 ,舌体被一个空隙所形成的不规则环形黑 色区域包围. 这个区域将舌与图像中的其他部分大 致分离开来 ,将这个区域称为“隔离带 ”,依据此隔 离带可将舌体与背景分开. 首先 ,计算原图像的形态 学梯度图 ,如图 1 ( b)所示. 然后应用分水岭法将具 有相近灰度值的像素点用相同的颜色表示 ,结果如 图 1 ( c)所示. 从图中可清晰地看到 ,舌体部分被一 条不闭合的“隔离带 ”与图像的其他部分隔离开来. 由于图 1 ( c)中的每一区域都是具有相似灰度值的 像素点构成 ,因此由它的梯度图像即可得到其边缘 信息 ,提取图 1 ( c)的水平梯度 ,再对其进行开运算 则得到可有效提取“隔离带 ”区域的二值图像 ,如图 1 ( d)所示. 图 1 获取“隔离带 ”示意图 Fig. 1 Illustration of getting“isolation band” 由于在采集图像时 ,尽量让被采集者的舌下部 分位于图像的中央. 因此 ,图像的中心点必然位于舌 下区域之中. 基于这个特点 ,在经形态学滤波后得到 的二值图像上以此中心点为圆心 ,以一定角度向各 个方向发射射线. 当该射线遇到“隔离带 ”时 ,则该 射线与“隔离带 ”的最近交点即为当前角度发射出 的射线所确定的候选边缘点 ,如图 2 ( a)所示. 中心 点到该候选边缘点的距离定义为该边缘点的半径. 根据图像的特点 ,当某候选边缘点的半径小于所有 边缘点半径的平均值时 ,则确定该点为舌下区域的 一个边缘点 ,否则该点为伪边缘点. 图 2 ( b)中用浅 色表示边缘点 ,深灰色表示伪边缘点. 使用所得到的 边缘点拟合成的曲线即为舌下区域的边缘. 应用此 方法得到的舌下区域边缘图像如图 2 ( c)所示 ,映射 回近红外舌下静脉图像后如图 2 ( d)所示. 由于在采 集过程中经常会在舌体的边缘部分形成阴影 ,且舌 下静脉必然位于用上述方法得到的舌下区域中部 , 可以对得到的舌体区域进行适当腐蚀操作 ,以减小 舌体边缘的阴影对后续处理的影响. 图 2 舌下区域轮廓提取. Fig. 2 Contour extraction of sublingual region 2 去除反光点 舌下静脉图像中的反光点是很明显的 ,这些反 光点主要是由人伸舌时舌下腺体分泌的唾液形成. 通过对大量图像观察得出 ,反光点的灰度值大都集 中在 250之上 ,因此可以很容易地根据阈值找到反 光点区域. 在待处理图像中 ,舌下静脉区域很暗 ,而 其周围的背景区域较亮. 为了尽量不丢失静脉区域 有效信息 ,这里采用 82邻域最小值法填充检测出的 反光点区域 ,即用反光点 82邻域内的最小灰度值去 替换反光点的灰度值 ,但这种方法对于 82邻域范围 内都是反光点的区域无效. 对于这种情况 ,再做一次 形态学开运算即可将高亮点全部去除. 图 3 ( b)为应用前面提出的舌下区域轮廓提取 方法对另一幅近红外舌下静脉图像处理得到的舌下 区域图像. 为去除阴影而进行形态学滤波处理后保 留的舌下区域图像如图 3 ( c)所示. 对图 3 ( c)进行 去反光处理得到的图像如图 3 ( d)所示. 为进一步增 强舌下静脉区域与其周围舌质背景的对比度 ,从去 反光后图像中截取包含舌下区域的最小矩形 ,进行 自适应直方图均衡化处理 ,其结果如图 4 ( a)所示. ·310· 智 能 系 统 学 报 第 3卷