(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210794033.2 (22)申请日 2022.07.07 (71)申请人 五邑大学 地址 529020 广东省江门市蓬江区东成村 22号 (72)发明人 孔凡国　王炜洲　 (74)专利代理 机构 广州市红荔专利代理有限公 司 44214 专利代理师 李彦孚 (51)Int.Cl. G06V 40/10(2022.01) G06V 10/764(2022.01) G06V 10/762(2022.01) G06V 10/56(2022.01) G06V 10/44(2022.01) (54)发明名称 一种基于OpenCV的舌质舌 苔识别方法 (57)摘要 本发明提供一种基于OpenCV的舌质舌苔识 别方法， 包括S1)、 利用OpenCV模块中的 图片读取 函数imread来读取选定的图片， 并对获取的 图像 进行灰度处理； S2)、 利用基于OpenCV训练的分类 器来识别图片中是否存在目标物体， 当检测到目 标物体后框选出来； S3)、 对框选后的图像目标进 行裁剪， 完成舌头的检测提取， 裁剪出来的图片 用imshow展示在屏幕上； S4)、 分割舌质舌苔， 对 步骤S3)中的提取的舌头图像进行均衡化处理再 进行K_means运算， 调整好递增的步距使其适配 到当前环境； 本发明利用OpenCV技术进行准确识 别， 避免庞大的神经网络进行运算， 从而提高舌 苔舌质的识别效率。 权利要求书2页 说明书5页 附图2页 CN 115100685 A 2022.09.23 CN 115100685 A 1.一种基于OpenCV的舌质舌 苔识别方法， 其特 征在于， 包括以下步骤： S1)、 利用Op enCV模块 中的图片读取函数imread来读取选定的图片， 并对获取的图像进 行灰度处理； S2)、 利用基于Op enCV训练的分类器来识别图片中是否存在目标物体， 当检测到目标物 体后框选出来； S3)、 对框选后的图像目标进行裁剪， 完成舌头的检测提取， 裁剪出来的图片用imshow 展示在屏幕上； S4)、 分割舌质舌苔， 对步骤S3)中的提取的舌头图像进行均衡化处理再进行K_means运 算， 调整好 递增的步距使其 适配到当前环境； S5)、 分析舌质和舌苔， 对舌质和舌苔进行分析获得其颜色、 外观和纹理特征将其与现 有舌诊数据库对比得 出用于参 考的诊断结果。 2.根据权利要求1所述的一种基于OpenCV的舌质舌苔识别方法， 其特征在于： 步骤S1) 中， 获取的图片为从事先准备好的图片数据库中选取或利用摄像头获取， 若图像利用摄像 头获取， 则使用VideoCapture 方法获取摄 像头画面， 并读取 出每一帧； 若获取的图像来自摄像头， 则在检测到目标物体后框选出来后， 停止对摄像头 图像的 获取。 3.根据权利要求1所述的一种基于OpenCV的舌质舌苔识别方法， 其特征在于： 步骤S2) 中， 所述的OpenCV训练的分类 器训练过程 为： S201)、 准备训练用的数据库， 数据中的正样本采用20 *20像素的灰度图像共计10 00张； 负样本中为相关场景下常见的无关图片， 并对正、 负样本进行灰度处理不需要改变图 片尺寸， 将正负 样本输入分类 器中进行训练， 训练次数为20次； 将正负数据集的路径分别保存在两个txt文件中； 执 行 opencv_createsamples.exe产生 正负样本对应的vec文件； 然后就可以使用OpenCV中的opencv_t raincascade.exe来进行训练； 对应分类 器进行测试调整参数后达 到稳定的状态。 4.根据权利要求3所述的一种基于OpenCV的舌质舌苔识别方法， 其特征在于： 步骤S2) 中， 所述的OpenCV训练的分类器的结构为： xml格式的文件内部网络结构是一种 树状结构， 有强分类器和弱分类器的区别； 对于强分类器当检测窗口通过所有的强分类器时才被认为 是目标， 否则拒绝。 5.根据权利要求1所述的一种基于OpenCV的舌质舌苔识别方法， 其特征在于： 步骤S3) 中， 通过获取矩形框的位置以及长宽， 已完成对矩形框的裁切， 其中， 获取矩形框的位置为 获取矩形框左上角的坐标， 通过将矩形框左上角的坐标位置的横纵坐标分别加上矩形框的 宽高可得出矩形框右下角的坐标位置 。 6.根据权利要求5所述的一种基于OpenCV的舌质舌苔识别方法， 其特征在于： 步骤S3) 中， 所述的矩形框的最大值为取值不超出原图片的长宽， 最小值根据设定按照图片像素 的 大小来调整。 7.根据权利要求1所述的一种基于OpenCV的舌质舌苔识别方法， 其特征在于： 步骤S4) 中， 通过将舌头图像按照像素点的聚类分成背景、 舌质和舌苔， 然后 将聚类出来的像素集合 拟合出边 缘线分割出三个区域得到背景、 舌质和舌 苔。权　利　要　求　书 1/2 页 2 CN 115100685 A 28.根据权利要求7所述的一种基于OpenCV的舌质舌苔识别方法， 其特征在于： 步骤S4) 中， 所述的均衡化处 理具体包括如下步骤： 第一步计算累计直方图； 第二步将累计直方图进行区间转换； 第三步在累计直方图中， 概率相近的原始值， 会被处理为相同的值， 通过使用OpenCV库 中的equalizeHist()函数实现， 目的是把一个已知灰度概率密度分布的图像经过变换， 使 之演变为 一幅具有均匀灰度概 率密度分布的新图像； 最后的效果是将过暗和过亮的图像经 过直方图均衡化， 使得图像 变得清晰。 9.根据权利要求1所述的一种基于OpenCV的舌质舌苔识别方法， 其特征在于： 步骤S4) 中， 所述的K_means运 算具体包括以下步骤： 第一步， 从舌头图片的像素中随机 选择3个点作为初始质心； 第二步， 计算每个像素点到各个质心在像素值上的欧式距离， 将每个像素划分到距离 最近的质心所对应的簇中； 第三步， 计算每 个簇内所有像素点的均值计算公式如下， 并使用该均值更新簇的质心： 式中， ai， Ci， x分别为： 新 一轮聚类的中心、 上一轮聚类后某一类的集 合、 类内元 素。 第四步， 重复步骤二与步骤三， 直到达到以下条件之一： 质心的位置变化小于指定的阈 值、 达到最大迭代次数。 10.根据权利 要求1所述的一种基于OpenCV的舌质舌苔识别方法， 其特征在于： 步骤S5) 中， 对舌质和 舌苔进行分析获得其颜色均值、 外观和纹理等特征利用模板匹配法将其于现 有舌诊数据库对比， 运用OpenCV中的matc hTemplate函数将其于数据库对比； 将匹配度最高的且不低于设定的阈值的选为匹配结果， 将该结果对应的病理特征输 出， 得出用于参 考的诊断结果。权　利　要　求　书 2/2 页 3 CN 115100685 A 3