1 简介
在智能舌诊时，需要判断舌头的胖瘦，这需要舌头在图片中处于近似垂直的位置才方便判断，不能过于倾斜。那么如何让计算机智能地知道舌体是否倾斜呢？这是这篇文章讨论的重点！
首先也是最重要的前提是让计算机知道那些像素点是属于舌体的，这需要用到Unet语义分割，在我的【python-Unet】计算机视觉 舌象舌头图片分割 机器学习文章中有详细的讲解，这里不做过多的赘述。
假设我们现在通过上述文章获得了舌体分割好的图片如下图所示：
现在我们就来讨论这个舌体是否倾斜！
2 实现概述
分析舌体的胖瘦最重要的一点是舌体是否摆正，即舌体的中轴线应与水平轴呈约为90°的夹角。若舌体过斜，那么后续的分析毫无意义。将分隔的舌体轮廓像素点进行标记，后计算像素矩阵中每一行像素点在水平轴上的平均坐标像素点。示例图如下：
由于舌体大致呈现对称形态，故中轴线应将近垂直水平轴。为方便计算，将像素点标记图旋转90度，那么舌体中轴线应与水平轴的夹角为0，即tanα=0。将标记中轴线上的点进行直线拟合（y=kx+b），若舌体呈现垂直状则k应趋近于0，即k→0。经过不断测试不影响后续判断的k的取值范围应是-0.2~0.2。若用户上传的舌体图片拟合直线的斜率超出k的取值范围，则提示用户重新拍摄。直线拟合图如下：
3 代码细节
3.1 统计舌体轮廓以及“对称轴”坐标
首先应将分隔好的图片中的舌体轮廓像素点坐标统计出来，然后在横坐标固定的维度上取同一横坐标上的两个轮廓像素点，取其距离的平均值，计算出在该横坐标纬度上的属于对称轴的像素点坐标。
from PIL import Image import numpy as np def contour_to(in_path=r"result\blend.png", out_path=r"result\inline.png"): """ 将分隔好的图像数据进行描点 in_path为绿底+原图图片 put_path为黑底+白点图片 返回对称轴坐标以及轮廓坐标 """ img_before = Image.open(in_path) img_before_array = np.array(img_before) #把图像转成数组格式img = np.asarray(image) shape_before = img_before_array.shape height = shape_before[0] width = shape_before[1] dst = np.zeros((height,width,3)) wire = [] axle_wire = [] outcome_wire = [] for h in range(0,height): lis = [] h_all = 0 w_all = 0 for w in range (0,width-1): (b1,g1,r1) = img_before_array[h,w] (b2,g2,r2) = img_before_array[h,w+1] if (b1, g1, r1) == (1,204,182) and (b2,g2,r2) != (1,204,182): dst[h, w] = (255,255,255) lis.append((h,w)) outcome_wire.append((h,w)) elif (b1, g1, r1) != (1,204,182) and (b2,g2,r2) == (1,204,182): dst[h, w+1] = (255,255,255) lis.append((h,w+1)) outcome_wire.append((h,w+1)) else: pass if len(lis) == 0: pass else: for i in lis: h_all += i[0] w_all += i[1] h_avg = h_all//len(lis) w_avg = w_all//len(lis) dst[h_avg, w_avg] = (255,255,255) axle_wire.append((h_avg, w_avg)) img2 = Image.fromarray(np.uint8(dst)) img2.save(out_path,"png") wire.append(axle_wire) wire.append(outcome_wire) return wire
实现效果如下如所示：
可见该段代码成功地标记出舌体的轮廓以及其“对称轴”~
3.2 利用一元函数拟合计算其对称轴斜率
import numpy as np import matplotlib.pyplot as plt def Least_squares(axle_wire): """ 拟合中轴线函数,判断图片是否倾斜 """ a1, a2 = zip(*axle_wire) x = list(a1) y = list(a2) x_ = np.mean(x) y_ = np.mean(y) m = np.zeros(1) n = np.zeros(1) k = np.zeros(1) p = np.zeros(1) for i in np.arange(50): k = (x[i]-x_)* (y[i]-y_) m += k p = np.square( x[i]-x_ ) n = n + p a = m/n b = y_ - a* x_ if abs(a) > 0.2: print("图片过于倾斜！") return 0 else: return 1
经过不断测试不影响后续判断的k的取值范围应是-0.2~0.2！
至此，舌体倾斜判断算法结束
