基于直方图均衡化的伽马校正和K-means聚类的舌象苔质分离方法

目的舌苔、舌质分离对后续肿瘤患者舌象的客观化辨证具有重要的意义。常用的算法是基于颜色空间通道舌图像的K-means聚类算法。CIELAB颜色空间的a*通道舌图像相较于其他颜色空间通道的舌图像分割结果稳定,常用于后续的分割。对于部分舌图像,a*通道舌图像的舌苔、舌质虽然具有一定的区分度,但二者的区分度并不是十分明显,影响后续的分割结果。因此,本文提出一种基于直方图均衡化的伽马校正和K-means聚类的舌苔、舌质分离方法。方法采用200幅肿瘤患者的舌图像作为实验样本。首先将舌图像从RGB颜色空间转换到CIELAB颜色空间,对a*通道舌图像进行直方图均衡化增强以及伽马校正,然后利用K-means聚类方法对增强后的舌图像舌苔、舌质分离,得到直方图均衡化以及伽马校正后的a*通道舌图像和分割后的舌苔、舌质图像。为了验证算法的可行性,请5位专业中医医生对200例肿瘤患者的舌图像舌苔、舌质分割效果进行辨析。结果进行直方图均衡化以及伽马校正后的a*通道舌图像舌苔、舌质分割结果明显强于未经处理的a*通道舌图像分割结果。经辨析,分割合格率为97%。结论该方法可以很好地实现舌苔、舌质分离,具有一定的应用价值。