1、PAGE PAGE 152015 年 春 季學期研究生課程考核（讀書報告）考核科目: 光學圖像數字化處理學生所在院（系）: 航天學院21系學生所在學科: 物理電子學學 生 姓 名: 楊宏宇學 號: 14S021016學 生 類 別: 非委培考核結果閱卷人 第 1 頁 （共 頁）圖像處理在中醫手掌診斷法中的應用摘要：近年來，掌紋識別技術被廣泛用于身份認證等領域。同時，手掌的一些特征，可以形象的傳達身體健康以及疾病狀況的一些信息。利用數字圖像處理技術，我們可以研究手掌診斷在中醫中的應用。在手掌診斷中，掌紋特征和內部反射區域的顏色特征是非常重要的病理特征。特別的掌紋和不同反射區域的顏色變化，表示著不

2、一樣的疾病。我們想利用數字圖像處理技術來處理手掌的圖像，將內部反射區域定位并分區，來抽取關鍵的掌紋和顏色信息，幫助中醫醫生根據掌紋診斷疾病。這篇論文主要致力于手掌圖像的處理手段和方法，為將來的研究和成果做準備。我們的主要工作如下：關于圖像獲得條件、中央濾波器、圖像二值化、二值圖像優化、手掌提取、手掌邊緣提取以及角落的探測的研究。關鍵詞：手掌診斷；TCM；圖像處理；提取；探測引言研究背景與目的掌紋醫學，也就是掌紋診斷醫學，又叫手掌醫學與手掌診斷醫學，是TCM（傳統中醫）的一個前沿課題。我們可以更加綜合地將手掌診斷統稱為手掌診斷醫學或手掌醫學。它形象且直接地表現了人類生命的系統化與自制，它也是人類

3、生命科學的系統理論和控制理論的實際應用。根據手掌診斷理論，手掌的一些特征，可以形象的傳達身體健康以及疾病狀況的一些信息。“看”是中醫中的四大基本診斷方法之一，所以手掌診斷成為了一個熱門研究領域。但是問題在于TCM已經獨立發展了很長一段時間。通常需要用肉眼來完成手掌診斷，這主要依賴于醫師的經驗，缺乏先進的診斷工具。并且沒有統一的病例標準來參考。數字圖像處理技術可以分辨不同的顏色變化，抽取有用的信息。所以它可以應用于中醫中的診斷領域。這項技術已經成功應用于舌部診斷以及面部診斷。自然它也可以應用于手掌診斷。手掌診斷是一種科學的診斷方法，它也是TCM中的一個先進課題。它們有著廣闊的前景。基于手掌醫學理

4、論和中醫的傳統理論，數字圖像處理技術可以應用于手掌診斷，通過獲得病人的手掌顏色圖像，通過固定算法對反射區域進行分區，抽取以掌紋和顏色信息為主的ROI，我們可以分別與確定的疾病相關的手掌信息，為醫生的診斷提供依據。手掌診斷的簡要介紹觀察我們的手掌，我們可以發現掌紋并不是亂作一團。他們由14條主要的線以及八種不尋常的掌紋組成。在長期的實踐中，人們發現手掌顏色和掌紋的細微變化往往意味著身體狀況的改變以及疾病的發生。這是一種生理學現象。人們記錄并中介了掌紋變化對應的生理變化規律。在中國，這個規律以及在傳統中醫中有很長的應用歷史了。在繼承和發展了中國古代易經理論、八卦和中醫診脈的基礎上，又和西方藥理學和

5、解剖學的相關理論融合，手掌診斷醫學在當代被發展，并成為傳統中醫中的一個前沿課題。人類手掌的紋路很密。手掌同時布滿很多神經末端和毛細血管，所以手掌可以很敏感地反映出內部器官的生理狀況。手掌診斷中，醫生通過觀察病人手掌的顏色等的變化，就可以判斷他們的病情。這有潛力很快成為一項很好的輔助診斷工具。14條主要紋路和8條不尋常掌紋如圖1中所示，人類手掌掌紋主要有一下14條紋路：感情線。主要顯示腸胃系統、呼吸系統和生殖系統的狀況。通常狀況下，掌紋應該是深且紅潤清晰，并且很少分叉。智慧線。主要和大腦以及神經系統功能相關。生命線。和人的健康、精力和能力狀況相關。健康線。腦力工作者或者虛弱的人，以及肝腎功能衰竭

6、或者有慢性呼吸道疾病的病人，他們的健康線都會比較深且清晰。玉柱線。和健康狀況相關，并且代表心臟和肺功能衰竭之類的慢性疾病。干擾線。代表近期身體狀況。太陽線。在無名指下，臨床很少見。放縱線。預示著不規律的生活，以及體力的過度消耗。金星線。在大多數情況下，有過敏癥狀的病人會有這條線。土星線。代表著情緒，并和家族近視史有關。性線。和泌尿生殖系統功能有關。肝病線。有這條線的人大多酗酒或者不能喝酒。隨著肝臟解毒功能的弱化，他們很容易得肝硬化。悉尼線。這是第二條線的演化，代表腫瘤和癌癥。手掌截斷線。它通常和疾病無關，我們只知道它和家族遺傳關系很大。圖1 手掌的14條主要紋路（圖中黑線）掌紋在變化，這些變化

7、和由疾病、心理以及環境因素引起的生理狀況改變有關。不同反射區域會有不一樣的掌紋。有些會變成好分辨的主要的紋路，有些掌紋則會和主要紋路融合，變成新的掌紋。只有固定的掌紋出現在固定的區域，它才會變成病態的掌紋。所以手掌診斷的關鍵在于從固定區域找到病態的掌紋。8種和疾病相關的不尋常的掌紋：十字型掌紋。代表疾病剛剛開始。“#”字型掌紋。代表臟器的實質性病變。“*”字型掌紋。代表臟器中血液已經空氣流動的停滯。“”字型掌紋。代表疾病已經從剛剛萌芽向實質性轉變。“”字型掌紋。代表穩定的情況或者需要手術。“”字型掌紋。代表中風。“”字型掌紋。代表外部創傷的影響。島型掌紋。警示我們惡性腫瘤已經腫囊。圖2 手掌中

8、于器官相關區域說明內部反射區域如圖2中所示，我們手掌不同的區域反映了不同器官的狀況。如果在固定的內部反射區域出現了相關的病態掌紋，或者說相關手掌區域皮膚的顏色發生了變化，比如變紅了或者變成了其他異常的顏色，相關的內臟就有可能出了問題。舉個例子：在心臟區域2中出現了十字型掌紋，并在周圍有藍綠色的血管和紅點，出現了這種情況的人八成都有心率不齊。在手掌診斷中 ，精通診斷之道的醫生可以通過你的手掌獲得信息。通過圖像數字化處理，手掌的識別將會變得很容易。本篇文章接下來的部分結構如下：第二部分有關于手掌圖像處理的相關工作，第三部分是手掌圖像的捕捉與處理，第四部分給出結論和預期。手掌圖像的捕捉與處理本部分展

9、示幾個圖像處理步驟所用的方法和器材，來討論圖像獲得所需的條件。獲得圖像的條件為了分辨主要紋路中的細小變化和顏色變化，我們需要精確且高分辨率的圖像。所以找到一種精確且快速的獲得圖像的模式就很重要。根據一些掌紋識別技術的研究，下面總結了一些通常的手掌圖像獲得模式：基于數字掃描的獲得模式。優點：體積小使用方便。缺點：圖像獲得的速度慢，對污點的處理不準確，手掌凹處的掌紋難以掃描，缺少顏色信息。基于精密CCD設備的獲得模式。優點：圖像質量優秀，手掌位置精確，圖像獲得速度快，可以用于圖像實時處理系統。缺點：設備昂貴，不便于在醫院病房及診所中使用，不能提取完整的手掌圖像，有些手掌區域被覆蓋了，缺少顏色信息。

10、基于高分辨率的數碼相機的獲得模式。優點：設備費用低，使用方便，圖像質量好，圖像細節豐富。缺點：圖像質量不穩定，圖像的獲得需要固定的條件。綜合已有的條件和集中圖像獲得模式，我們選擇了高分辨率數碼相機的獲得模式。因為對于病人來說，這種模式更加簡單并且可以接受。需要根據以下幾種條件來獲得手掌圖像：手掌平放于桌上，掌心向上，五指自然張開。為了減少光噪聲的干擾，優化圖像質量并簡化處理工作，背景必須選擇黑色。所以可以用一張黑色的紙或者黑色的布當做背景。為了通過閾值處理灰度圖獲得二值圖，手掌和背景的顏色密度必須不一樣，這樣燈光必須要柔和。圖3所示為數碼相機捕獲的一個圖像樣本。圖3 圖像樣本將彩色圖像轉變為灰

11、度圖首先，將獲得的RGA圖轉化為灰度圖。當從手掌圖像中提取掌紋時，我們不需要顏色信息，在灰度圖中信息的總量少了，計算量也隨之減少。我們也可以通過二值化處理，來將手掌從背景中提取出來。據我們所知，灰度圖和彩色圖像一樣，可以反映整張圖的區域分布和密度特征。有幾種轉換RGB圖像的方式。1、加權平均法。基于重要性和其他因素，統計圖像中R，G和B成分的統計權重。2、平均值法。統計每一個像素點上三種成分的平均值，然后將平均值賦予每一個點（R=G=B=(R+G+B)/3）。3、最大值法（R=G=B=max(R+G+B)）。以上三個方法都便于實施，第一個方法所得的結果最精確合理。圖4 灰度圖從灰度圖中去除噪聲

12、捕獲圖像時很難避免噪聲，噪聲可以影響接下來處理得到的結果。灰度圖中的大多數噪聲都在圖像的邊緣，這通常都是高頻區域，所以大多數噪聲都是高頻噪聲。在7中，我們用空間濾波器來濾掉圖像中的高頻噪聲。中央濾波器和低通濾波器也符合我們的需求。所以我們選擇中央濾波器（中央濾波器是一種非線性空間濾波器）。用中央或者相鄰像素點（包括像素點本身）的灰度值來替換一個某一個像素點的灰度值。我們用3*3的相鄰區域來估算中央區域，在它的邊界做鏡像，圖像被對稱地擴展。通過中央濾波器后的圖像如圖5所示。圖5 通過中央濾波器后的灰度圖有一些高頻噪聲被成功的去除了。我們選擇3*3的相鄰區域，是考慮了計算速度，處理效果和為了避免邊

13、緣模糊和圖像出現斑點的圖像二值化我們通過全局閾值來處理去噪后的灰度圖，來獲得二值圖。方程（1）表示全局閾值處理，f(x,y)帶便每一個像素點的灰度值，T 代表我們選擇的閾值。 fx,y=255,fx,yT0,fx,yT (1)提取灰度圖中灰度值柱狀圖。圖6 灰度值柱狀圖根據圖像獲得的條件，手掌圖像的前景色和背景色要有很大差異。所以在圖6中，柱狀圖有兩個峰值。每一個峰值分別代表前景和背景的像素點，我們取最低點的灰度為閾值，來獲得二值圖，并給圖中的手掌分區。這個方法被稱為模式法。在同樣條件下獲得的圖像，都會有相同的閾值。圖7為經過閾值處理后的二值圖。圖7 手掌二值圖像如果仔細看手掌區域，會發現有一

14、個孤立的黑色部分。并且在黑色背景上也有一些白色的點。二值圖像優化為了解決最后一個步驟中的問題，我們將會用到一些圖像學知識，包括圖像膨脹與腐蝕。它們常被用于各種混合處理。B對A的開運算是首先用B對A進行腐蝕，然后用B對結果進行膨脹，閉運算則是先用B對A進行膨脹，再用B對結果進行腐蝕。A代表最后一步獲得的二值圖，B代表我們從磁盤（R=3）中選擇的結構成分。開運算可以打斷圖像中的細小的連接處，使輪廓更加平滑，去掉一些細小的突出。再用閉運算處理，可以填充一些細長的裂口、小的空洞和一些小斷裂。先對獲得的二值圖進行開運算，再進行閉運算。孤立的黑色區域和白色亮點都被去除了，并且手掌的邊緣變得更加平滑。有利于

15、制作手掌提取面具以及提取手掌邊緣。圖8 開運算和閉運算后的手掌二值圖3.手掌的提取以及角落的探測這一部分主要展示手掌提取中去掉背景影響的方法；手掌邊緣提取；為ROI提取做準備的角落探測。手掌提取在處理過程中，背景會和手掌區域相互干涉。所以，我們需要將背景上的每一個像素點都變成不含任何干涉信息的確定像素點。在灰度圖中，將每一個背景像素點都賦值為0.在RGB彩色圖像中，賦值R=G=B=0。通過這樣的處理，手掌就被從圖像中提取出來了。最后一步中獲得二值圖，認為背景像素點的灰度值是0。將手掌區域像素點（圖8中白色區域的像素點）的灰度值標準化后，我們得到了手掌提取面具，一個只有0和1兩種灰度值的二值圖像

16、。Goc 代表經過圖像開運算和閉運算后的手掌二值圖像，M代表手掌提取面具。通過操作可以得到一個新的圖像N。N的每個像素點的灰度值是Goc和M在相關區域（由X和Y決定）灰度值的作用結果： N(x, y)=Goc(x, y)M(x, y) (2)圖像N可以用于提取ROI和手掌每個內部反射區域的信息。對于彩色圖片，F代表我們獲得的原始圖像。首先提取圖像中的R, G和B成分。用相同的處理思路，每個像素點的色度成分和M的灰度值M（x, y）構成了以下操作： Ra(x, y)=R(x, y)M(x, y) (3) Ga(x, y)=G(x, y)M(x, y) (4) Ba(x, y)=B(x, y)M(

17、x, y) (5)圖9 圖像N，屏蔽背景后的灰度圖混合Ra，Ga和Ba成分，可以獲得一個背景被屏蔽掉的新的彩色圖像。手掌邊緣提取手掌邊緣提取是角落探測前的一個必要的步驟，因為手掌的特征點是從手掌邊緣提取的。用邊緣探測處理二值圖像優化所得到的Goc二值圖。比較常用的處理方式有Sober處理法、Canny處理法、Kirsch處理法和LoG處理法。Canny處理法和LoG處理法提取的手掌邊緣寬度為單個像素，有利于點探測。LoG處理法提取的邊緣是連續的。所以我們用LoG法處理二值圖Goc來獲得手掌輪廓。獲得的圖像仍然是一個二值圖，我們稱它為Ge，如圖11所示。圖11 手掌輪廓，Ge圖手掌角落探測角落點

18、是手掌輪廓上特有的有代表性的店，包括指根的點和指尖的點。這些點可以幫助我們定位和去除我們不感興趣的手指區域。這些點又是我們提取一些內部反射區域的參考點。所以，角落探測是為了之后的圖像分區和ROI提取做準備。之前獲得的手掌輪廓是連續的，寬度為一個像素點，通過求取8-連通Freeman鏈碼來探測轉折點的方法是可取的。但是這種方法要處理的數據量巨大，并且實現起來比較復雜。為了解決這個問題，在調研之后，我們用了以下方法。如圖12所示，如果我們用平行線橫向切割手掌輪廓，可以得到以下結論：指尖的點在線A,B,C,D和E上。指根的點在線F,G,H和J上。A和B之間的先，以及J和底部之間的線（如K），都和手掌輪廓線有兩個交叉點。C和D，G和H之間的平行線和手掌輪廓有6個交叉點。D和E，F和G之間的平行線和手掌輪廓有8個交叉點。E和F之間的平行線和手掌輪廓有10個交叉點。如圖13所示，通過放大圖片中的指尖和指根區域，可以發現在指尖和指根的輪廓線的同一個位置上，有不止一個像素點，構成了一個“平臺”。通過實驗，可以確定A,B,C,D,E,F,G,H和J和手掌輪廓有著多于10個的交叉點，包括特征點附近的連續點群。圖12 手掌輪廓和切割線處理步驟如下所示，Ge代表手掌輪廓的二值圖，建立XY坐標系，Ge(x, y)代表每個像素點的灰度值。圖13 指尖