[发明专利]基于图论的中医舌质、舌苔分离算法

摘要

本发明涉及基于图论的中医舌质、舌苔分离算法，采舌象转化为HSV模型由H值划分舌苔初始分割区域；将舌象分为区域的集合；初始分割区域与图中的单独顶点构成初始分割结果；区域结合算子计算区域间差值按序存堆；堆中有有效元素时，堆顶区域间差值大于两区域内部差值之一则区域分离，堆顶元素无效，重复此步，否则两区域合并，堆顶元素及两区域有关区域间差值删除；计算新合并区域相关内容，区域间差值存堆，无效元素重置有效。本发明根据HSV空间H值的特性，确定舌苔初始分割区域，提高算法分割效率与精度；构造阈值函数自适应算法，算法区分质苔交错细节能力提高；利用区域结合算子改进分割过程的迭代算法根据人眼知觉性分割质苔过渡较平缓的区域。

主权项

1.基于图论的中医舌质、舌苔分离算法，其特征在于：所述算法包括下列步骤：步骤一：采样获得舌象，将其由RGB模型转化为HSV模型，将其中满足25≤H≤40的部分标识为C₀，C₀为舌苔的初始分割区域；步骤二：将舌象转换为灰度图并映射为加权图G＝(V，E)，其中，V表示图G的顶点集合，即待分割的顶点集合，E表示连接顶点的边集合；根据最小生成树图像分割算法，分割后的图像满足其中，C_i为V的一个子集，在图像上表现为分割出的区域，S是C_i的集合，即分割后图像区域的集合；0＜i＜300，0＜j＜300；步骤三：若存在C_i的集合S，则根据HSV模型中的H值确定的初始分割区域C₀与图中的单独顶点C_i构成S⁰，单个顶点的区域内部差值Int(C_i)＝0；步骤四：根据区域结合算子的算法，结合顶点间的最小权值、边的数量及区域面积，计算S⁰中任意两相邻区域之间的Dif值，其中，Dif定义为单个顶点构成的两区域之间的区域间差值；步骤五：根据Dif值大小，将图中所有Dif值存入一小根堆A，堆中所有元素均置为有效，即可参与堆中元素的比较；若堆A中存在有效元素，则重复执行步骤六、七，否则进行步骤八；步骤六：取出堆顶元素中的Dif，计算Dif涉及的两区域C_α与C_β的MInt(C_α，C_β)，即C_α与C_β分别加上改进算法的自适应阈值函数τ(C_α)与τ(C_β)后的较小值；若Dif值大于MInt(C_α，C_β)，则C_α与C_β间存在边界，不满足合并的条件而需要分离，若Dif值不大于MInt(C_α，C_β)，则区域C_α与C_β不存在边界，满足合并的条件；若满足合并的条件则将S^q-1中的C_α与C_β合并得到S^q，将此刻的堆顶元素以及存储S^q-1中C_α、C_β与各自相邻区域之间的Dif的元素从堆A中删除，进行步骤七；如果判断为分离，将此刻的堆顶元素置为无效，不参与堆中元素的比较，S^q＝S^q-1，重复步骤六；1≤q≤300；步骤七：根据新合并区域C_new涉及的C_α与C_β的各自内部差值Int(C_α)与Int(C_β)以及该两区域间的区域间差值Dif(C_α，C_β)，取其中的最大值为新合并区域C_new的内部差值Int(C_new)、计算新区域的顶点个数|C_new|以及新区域C_new与其所有相邻区域之间的Dif，并将这些Dif存入堆A，同时将堆中的无效元素重置为有效，参与堆中元素的比较；返回步骤五；步骤八：返回分割结果S＝S^q。