CN111144479A - 基于图像处理的中医面色识别方法 - Google Patents
基于图像处理的中医面色识别方法 Download PDFInfo
- Publication number
- CN111144479A CN111144479A CN201911358025.8A CN201911358025A CN111144479A CN 111144479 A CN111144479 A CN 111144479A CN 201911358025 A CN201911358025 A CN 201911358025A CN 111144479 A CN111144479 A CN 111144479A
- Authority
- CN
- China
- Prior art keywords
- face
- face color
- color
- chinese medicine
- image processing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Pathology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Image Analysis (AREA)
Abstract
本发明公开基于图像处理的中医面色识别方法，使用图像处理方法将中医面色分类定量化。使用YCbCr颜色空间椭圆肤色模型分割，设定YCbCr颜色空间满足条件，将人脸面部从复杂背景中分割。使用Dlib特征点定位准确找到面部感兴趣区位置，便于特征点提取。使用LBP特征提取方法有效提取面色特征信息。使用SVM分类器将提取的特征信息进行分类，获得一个准确的面色分类模型。基于图像处理的面色识别方法所需的面色数据不用非常多，这在本身获取面色数据困难的前提下具有很好的效应，以最少化的数据获得最佳的分类结果。基于图像处理的面色识别方法中面色特征提取分类过程可人为调控，能够得到一个最佳的分类模型。
Description
技术领域
本发明涉及医学信号处理，尤其涉及基于图像处理的中医面色识别方法。
背景技术
中医四诊包括望诊、闻诊、问诊和切诊，其中关于中医望诊中的舌诊的相关研究进展神速，部分研究成果已应用到临床，而针对望诊中的面色望诊则相对较少。中医学中认为脏腑、心理、气血和经络变化均可人脸的相关区域呈现出来。在进行望诊诊断时，通过观察人脸面色进行判别。中医面色可分为青、赤、黄、白、黑共5种，其中青、黑色可提示疼痛，赤、黄色可提示热证，白色可提示寒证。
当前对中医面色识别诊断主要依赖中医医师经验积累从而做出判断，其结果往往受到医生的个人经验的限制，同时由于外部光线等的影响，导致产生较大的主观性。此外，目前在临床上面的面色诊断仍缺乏固定的评价标准，采用计算机技术对其进行定量分析能够使得中医面色临床诊断的客观化。
发明内容
本发明的目的在于提供基于图像处理的中医面色识别方法。
本发明采用的技术方案是：
基于图像处理的中医面色识别方法，其包括以下步骤：
步骤1，获取中医面色图像数据；
步骤2，面色图像进行颜色空间转换，从RGB空间转换到YCbCr颜色空间，采用YCbCr空间的椭圆肤色模型将面部感兴趣区进行分割出来，滤除其他背景因素的影响；步骤2的具体步骤为：
步骤2-1，输入面色图像首先进行一个均值滤波，用于降噪，过滤图像中的高频信息，如边界信息。
步骤2-2，计算得到YCbCr颜色空间的Cb、Cr的值，定义Wcb＝46.97，Wcr＝38.76，WHCb＝14，WHCr＝10，WLCb＝23，WLCr＝20，Ymin＝16，Ymax＝255，Kl＝128，Kh＝188，WCb＝0，WCr＝0，CbCenter＝0，CrCenter＝0，满足如下：
步骤2-3，YCbCr颜色空间使用椭圆肤色模型分割面色感兴趣区，基于计算得到Cb、Cr值其中将在YCbCr颜色空间中同时满足肤色亮度范围是133≤Cr≤173以及77≤Cb≤127的像素点置为1，否则置为0。
步骤3，对分割出来的面部感兴趣区进行Dlib面部特征点定位，获取人脸面部额头、眼底部位、下颌在图像中的位置；
步骤4，采用LBP特征提取方法对定位得到的面部额头、眼底部位、下颌进行特征信息的提取；
步骤5，提取到特征信息使用SVM分类器进行面色分类，得到一个面色分类模型；分类类别包括青、赤、黄、白、黑5种；
步骤6，输入面色图像通过面色分类模型预测该面色图像类别。
本发明采用以上技术方案，使用图像处理方法将中医面色分类定量化，有助于医生的辅助诊断。使用YCbCr颜色空间椭圆肤色模型分割，设定YCbCr颜色空间满足条件，从而将人脸面部从复杂背景中分割出来,分割效果优异。使用Dlib特征点定位准确找到面部感兴趣区位置，便于特征点提取。使用LBP特征提取方法，能够有效提取面色特征信息。使用SVM分类器，能够将提取的特征信息进行分类，获得一个准确的面色分类模型，分类类别包括青、赤、黄、白、黑5种。基于图像处理的面色识别方法所需的面色数据不用非常多，这在本身获取面色数据困难的前提下具有很好的效应，以最少化的数据获得最佳的分类结果。基于图像处理的面色识别方法中面色特征提取分类过程可人为调控，能够得到一个最佳的分类模型。
本发明利用计算技术对中医面色诊断的5种面色类别进行定量，采用图像处理的相关方法进行处理分析，最终得到一个稳定模型用于分析诊断结果。
附图说明
以下结合附图和具体实施方式对本发明做进一步详细说明；
图1为本发明基于图像处理的中医面色识别方法的流程示意图。
具体实施方式
中医面色识别在中医望诊中占着相当重要的地位，为中医的整体诊断起到了辅助诊断的作用。本发明是通过利用图像处理、计算机技术将中医医生诊断人脸面色定量化，提出一种中医面色识别方法。
如图1所示，本发明公开了基于图像处理的中医面色识别方法，其包括以下步骤：
步骤1，获取中医面色图像数据；
步骤2，面色图像进行颜色空间转换，从RGB空间转换到YCbCr颜色空间，采用YCbCr空间的椭圆肤色模型将面部感兴趣区进行分割出来，滤除其他背景因素的影响；步骤2的具体步骤为：
步骤2-1，输入面色图像首先进行一个均值滤波，用于降噪，过滤图像中的高频信息，如边界信息。
步骤2-2，计算得到YCbCr颜色空间的Cb、Cr的值，定义Wcb＝46.97，Wcr＝38.76，WHCb＝14，WHCr＝10，WLCb＝23，WLCr＝20，Ymin＝16，Ymax＝255，Kl＝128，Kh＝188，WCb＝0，WCr＝0，CbCenter＝0，CrCenter＝0，满足如下：
步骤2-3，YCbCr颜色空间使用椭圆肤色模型分割面色感兴趣区，基于计算得到Cb、Cr值其中将在YCbCr颜色空间中同时满足肤色亮度范围是133≤Cr≤173以及77≤Cb≤127的像素点置为1，否则置为0。
步骤3，对分割出来的面部感兴趣区进行Dlib面部特征点定位，获取人脸面部额头、眼底部位、下颌在图像中的位置；
步骤4，采用LBP特征提取方法对定位得到的面部额头、眼底部位、下颌进行特征信息的提取；
步骤5，提取到特征信息使用SVM分类器进行面色分类，得到一个面色分类模型；分类类别包括青、赤、黄、白、黑5种。
步骤6，输入面色图像通过面色分类模型预测该面色图像类别。
本发明采用以上技术方案，使用图像处理方法将中医面色分类定量化，有助于医生的辅助诊断。使用YCbCr颜色空间椭圆肤色模型分割，设定YCbCr颜色空间满足条件，从而将人脸面部从复杂背景中分割出来,分割效果优异。使用Dlib特征点定位准确找到面部感兴趣区位置，便于特征点提取。使用LBP特征提取方法，能够有效提取面色特征信息。使用SVM分类器，能够将提取的特征信息进行分类，获得一个准确的面色分类模型，分类类别包括青、赤、黄、白、黑5种。基于图像处理的面色识别方法所需的面色数据不用非常多，这在本身获取面色数据困难的前提下具有很好的效应，以最少化的数据获得最佳的分类结果。基于图像处理的面色识别方法中面色特征提取分类过程可人为调控，能够得到一个最佳的分类模型。
本发明利用计算技术对中医面色诊断的5种面色类别进行定量，采用图像处理的相关方法进行处理分析，最终得到一个稳定模型用于分析诊断结果。
Claims (6)
1.基于图像处理的中医面色识别方法，其特征在于：其包括以下步骤：
步骤1，获取经中医确诊的面色图像数据；
步骤2，面色图像进行颜色空间转换，从RGB空间转换到YCbCr颜色空间，并将面部感兴趣区进行分割出来，滤除其他背景因素的影响；
步骤3，对分割出来的面部感兴趣区进行Dlib面部特征点定位，获取人脸面部额头、眼底部位、下颌在图像中的位置；
步骤4，采用LBP特征提取方法对定位得到的面部额头、眼底部位、下颌进行特征信息提取；
步骤5，提取到特征信息使用SVM分类器进行面色分类，得到一个面色分类模型；
步骤6，输入面色图像通过面色分类模型预测该面色图像类别。
2.根据权利要求1所述的基于图像处理的中医面色识别方法，其特征在于：步骤2采用YCbCr空间的椭圆肤色模型将面部感兴趣区进行分割出来。
3.根据权利要求1所述的基于图像处理的中医面色识别方法，其特征在于：步骤2具体包括以下步骤为：
步骤2-1，输入面色图像首先进行一个均值滤波降噪，过滤图像中的高频信息；
步骤2-2，计算获取YCbCr颜色空间的Cb、Cr的值，
步骤2-3，YCbCr颜色空间使用椭圆肤色模型分割面色感兴趣区，利用步骤2-2计算得到Cb、Cr值将在YCbCr颜色空间中同时满足肤色亮度范围是133≤Cr≤173以及77≤Cb≤127的像素点置为1，否则置为0。
4.根据权利要求3所述的基于图像处理的中医面色识别方法，其特征在于：步骤2-1中的高频信息包括边界信息。
5.根据权利要求3所述的基于图像处理的中医面色识别方法，其特征在于：步骤2-2的具体计算方法为：Cb、Cr的值满足如下条件：
其中，Wcb＝46.97，Wcr＝38.76，WHCb＝14，WHCr＝10，WLCb＝23，WLCr＝20，Ymin＝16，Ymax＝255，Kl＝128，Kh＝188，WCb＝0，WCr＝0，CbCenter＝0，CrCenter＝0。
6.根据权利要求1所述的基于图像处理的中医面色识别方法，其特征在于：步骤5中得到的面色分类模型，分类类别包括青、赤、黄、白、黑5种。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911358025.8A CN111144479A (zh) | 2019-12-25 | 2019-12-25 | 基于图像处理的中医面色识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911358025.8A CN111144479A (zh) | 2019-12-25 | 2019-12-25 | 基于图像处理的中医面色识别方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111144479A true CN111144479A (zh) | 2020-05-12 |
Family
ID=70520081
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911358025.8A Withdrawn CN111144479A (zh) | 2019-12-25 | 2019-12-25 | 基于图像处理的中医面色识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111144479A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113140309A (zh) * | 2021-04-14 | 2021-07-20 | 五邑大学 | 中医面色诊断方法及装置 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170231550A1 (en) * | 2014-08-25 | 2017-08-17 | Singapore University Of Technology And Design | Method and device for analysing an image |
| CN109063542A (zh) * | 2018-06-11 | 2018-12-21 | 平安科技（深圳）有限公司 | 图片识别方法、装置、计算机设备及存储介质 |
-
2019
- 2019-12-25 CN CN201911358025.8A patent/CN111144479A/zh not_active Withdrawn
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170231550A1 (en) * | 2014-08-25 | 2017-08-17 | Singapore University Of Technology And Design | Method and device for analysing an image |
| CN109063542A (zh) * | 2018-06-11 | 2018-12-21 | 平安科技（深圳）有限公司 | 图片识别方法、装置、计算机设备及存储介质 |
| WO2019237548A1 (zh) * | 2018-06-11 | 2019-12-19 | 平安科技（深圳）有限公司 | 图片识别方法、装置、计算机设备及存储介质 |
Non-Patent Citations (4)
| Title |
|---|
| 李燕等: "一种基于椭圆肤色模型的人脸检测方法", 《计算机测量与控制》 * |
| 胡章芳 等: "《MATLAB仿真及其在光学课程中的应用 第2版》", 30 April 2018, 北京航空航天大学出版社 * |
| 裔隽 等: "《Python机器学习实战》", 28 February 2018, 科学技术文献出版社 * |
| 陈梦竹等: "基于图像处理的望诊面色自动识别研究", 《中国中医药信息杂志》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113140309A (zh) * | 2021-04-14 | 2021-07-20 | 五邑大学 | 中医面色诊断方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Senan et al. | Analysis of dermoscopy images by using ABCD rule for early detection of skin cancer | |
| CN109472781B (zh) | 一种基于串行结构分割的糖尿病视网膜病变检测系统 | |
| CN103400146B (zh) | 基于颜色建模的中医面色识别方法 | |
| CN104299242B (zh) | 基于ngc‑acm的荧光造影眼底图像提取方法 | |
| CN105513077A (zh) | 一种用于糖尿病性视网膜病变筛查的系统 | |
| CN102426652A (zh) | 基于图像分析的中医面色识别和检索方法 | |
| CN107527326A (zh) | 一种基于高光谱成像的小麦赤霉病诊断方法 | |
| CN108670297B (zh) | 基于多模态经颅超声的帕金森病辅助分析系统及方法 | |
| CN108695000B (zh) | 基于超声图像的甲状腺弥漫性疾病智能诊断系统 | |
| Vocaturo et al. | Features for melanoma lesions characterization in computer vision systems | |
| CN105869151B (zh) | 舌分割及舌苔舌质分离方法 | |
| CN108961242A (zh) | 一种荧光染色图像ctc智能识别方法 | |
| CN106570530A (zh) | 一种眼底影像中硬性渗出提取的方法 | |
| CN113130066A (zh) | 一种基于人工智能的舌诊图像识别方法 | |
| CN119480075A (zh) | Ai体质诊断软件分析系统 | |
| Abbes et al. | High-level features for automatic skin lesions neural network based classification | |
| CN115530846A (zh) | 头皮脑电图棘波检测方法及系统 | |
| CN108921133A (zh) | 基于特征融合的多模块无监督学习视网膜血管分割系统 | |
| CN110866547B (zh) | 基于多特征和随机森林的中药饮片自动分类系统及方法 | |
| CN111144479A (zh) | 基于图像处理的中医面色识别方法 | |
| CN108230341B (zh) | 一种基于分层抠图算法的眼底图像血管分割方法 | |
| Kekal et al. | Optimization of Melanoma Skin Cancer Detection with the Convolutional Neural Network | |
| Liu et al. | Hepatitis diagnosis using facial color image | |
| CN113222009A (zh) | 一种基于甲状腺超声视频估算结节纵横比的方法 | |
| CN109711306B (zh) | 一种基于深度卷积神经网络获取面部特征的方法及设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20200512 |
|
| WW01 | Invention patent application withdrawn after publication |