CN110648336B

CN110648336B - 一种舌质和舌苔的分割方法及装置

Info

Publication number: CN110648336B
Application number: CN201910900014.1A
Authority: CN
Inventors: 肖俊勇; 马方励; 胡明华
Original assignee: Infinitus China Co Ltd
Current assignee: Infinitus China Co Ltd
Priority date: 2019-09-23
Filing date: 2019-09-23
Publication date: 2022-07-08
Anticipated expiration: 2039-09-23
Also published as: CN110648336A

Abstract

本申请提供了一种舌质和舌苔的分割方法及装置，基于脸图像中的特征点，确定脸图像中的目标区域(包括口腔区域和舌头区域)，基于目标区域在HSV空间中的颜色分量从目标区域中分割得到舌头区域，再基于舌头区域在CIELAB空间中的颜色分量，从舌头区域中分割得到舌质区域和舌苔区域，可见，基于特征点和不同颜色空间的颜色分量，通过分层递进的方式，从脸图像中分割出舌质区域和舌苔区域，从而为自动化舌诊奠定基础。

Description

一种舌质和舌苔的分割方法及装置

技术领域

本申请涉及图像处理领域，尤其涉及一种舌质和舌苔的分割方法及装置。

背景技术

在医学领域，舌头是诊断疾病的重要依据，医学上，舌头可分为舌质和舌苔两部分，其中，舌质的颜色和形态，舌苔的厚度、分布和颜色均可作为诊断依据。

目前，舌诊依靠人为完成，还无法实现自动化。但自动化舌诊是趋势，在自动化舌诊中，如何从图像中分割舌质和舌苔是重要的研究方法之一。

发明内容

本申请提供了一种舌质和舌苔的分割方法及装置，目的在于解决如何从图像中分割舌质和舌苔的问题。

为了实现上述目的，本申请提供了以下技术方案：

一种舌质和舌苔的分割方法，包括：

获取脸图像，所述脸图像中包括口腔区域和舌头区域；

基于所述脸图像中的特征点，确定所述脸图像中的目标区域，所述目标区域包括所述口腔区域和所述舌头区域；

基于所述目标区域在HSV空间中的颜色分量，从所述目标区域中分割得到所述舌头区域；

基于所述舌头区域在CIELAB空间中的颜色分量，从所述舌头区域中分割得到舌质区域和舌苔区域。

可选的，所述基于所述脸图像中的特征点，确定所述图像中的目标区域，包括：

将所述脸图像输入预设的神经网络模型，得到所述神经网络模型输出的所述脸图像的所述特征点的位置信息；其中，所述神经网络模型用于提取所述脸图像的卷积特征，并基于所述卷积特征输出所述脸图像的所述特征点的位置信息；

基于所述特征点的位置信息和预设的运算规则，确定所述脸图像中的所述目标区域的位置信息。

可选的，所述基于所述目标区域在HSV空间中的颜色分量，从所述目标区域中分割得到所述舌头区域，包括：

计算所述目标区域在HSV空间中的H分量和V分量；

将所述H分量和所述V分量进行二值化处理；

将二值化后的所述H分量和所述V分量融合，并经过二值化得到二值化图像；

将所述二值化图像中的最大连通域，作为掩膜图像；

将所述掩膜图像与所述目标区域进行与运算，得到所述舌头区域。

可选的，所述脸图像和所述目标区域均为RGB空间的图像；

在所述计算所述目标区域在HSV空间中的H分量和V分量之前，还包括：

将所述目标区域从所述RGB空间转换至所述HSV空间。

可选的，在所述将所述二值化图像中的最大连通域，作为掩膜图像之前，还包括：

对所述二值化图像进行形态学的开运算和闭运算，得到处理后的二值化图像；

所述将所述二值化图像中的最大连通域，作为掩膜图像，包括：

将所述处理后的二值化图像中的最大连通域，作为所述掩膜图像。

可选的，所述基于所述舌头区域在CIELAB空间中的颜色分量，从所述舌头区域中分割得到舌质区域和舌苔区域，包括：

基于所述舌头区域在所述CIELAB空间中的a*分量，确定大津算法的阈值；

依据所述阈值，得到种子点；

使用所述种子点进行聚类，得到舌质区域掩膜图像和舌苔区域掩膜图像；

将所述舌质区域掩膜图像与所述舌头区域进行与运算，得到所述舌质区域，将所述舌苔区域掩膜图像与所述舌头区域进行与运算，得到所述舌苔区域。

可选的，所述脸图像、所述目标区域和所述舌头区域均为RGB空间的图像；

在所述计算所述舌头区域在所述CIELAB空间中的a*分量之前，还包括：

将所述舌头区域从所述RGB空间转换至所述CIELAB空间。

可选的，在所述从所述舌头区域中分割得到舌质区域和舌苔区域之后，还包括：

对所述分割得到舌质区域和舌苔区域进行形态学开和闭运算。

一种舌质和舌苔的分割装置，包括：

图像获取模块，用于获取脸图像，所述脸图像中包括口腔区域和舌头区域；

第一分割模块，用于基于所述脸图像中的特征点，确定所述脸图像中的目标区域，所述目标区域包括所述口腔区域和所述舌头区域；

第二分割模块，用于基于所述目标区域在HSV空间中的颜色分量，从所述目标区域中分割得到所述舌头区域；

第三分割模块，用于基于所述舌头区域在CIELAB空间中的颜色分量，从所述舌头区域中分割得到舌质区域和舌苔区域。

一种舌质和舌苔的分割设备，包括：

存储器和处理器；

所述存储器用于存储程序；

所述处理器用于执行所述程序，以上述的舌质和舌苔的分割方法。

11、一种存储介质，其特征在于，其上存储有程序，所述程序被处理器执行时，实现上述的舌质和舌苔的分割方法。

本申请所述的舌质和舌苔的分割方法及装置，基于脸图像中的特征点，确定脸图像中的目标区域(包括口腔区域和舌头区域)，基于目标区域在HSV空间中的颜色分量从目标区域中分割得到舌头区域，再基于舌头区域在CIELAB空间中的颜色分量，从舌头区域中分割得到舌质区域和舌苔区域，可见，基于特征点和不同颜色空间的颜色分量，通过分层递进的方式，从脸图像中分割出舌质区域和舌苔区域，从而为自动化舌诊奠定基础。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例公开的一种舌质和舌苔的分割方法的流程图；

图2为本申请实施例公开的从人脸图像中识别出特征点的具体流程图；

图3为本申请实施例公开的基于目标区域在HSV空间中的颜色分量，从目标区域中分割得到舌头区域的具体流程图；

图4为本申请实施例公开的基于舌头区域在CIELAB空间中的颜色分量，从舌头区域中分割得到舌质区域和舌苔区域的流程图；

图5为目标区域的示例图；

图6为从图5中分割出的舌头区域的示例图；

图7(a)为从舌头区域中分割得到的舌质区域的示例图；

图7(b)为从舌头区域中分割得到的舌苔区域的示例图；

图8为本申请实施例公开的一种舌质和舌苔的分割装置的结构示意图。

具体实施方式

本申请实施例公开的舌质和舌苔的分割方法，目的在于自动从图像中分割出舌质区域和舌苔区域，需要说明的是，舌质和舌苔包括但不限定于人体组织，也可以是动物组织，因此，用于分割的图像包括但不限定于人脸图像，也可以是动物脸图像。以下将以人体的舌质和舌苔，以及人脸图像为例进行说明。

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

图1为本申请实施例公开的一种舌质和舌苔的分割方法，包括以下步骤：

S101：获取人脸图像。

其中，人脸图像中包括口腔区域和舌头区域。

具体的，人脸图像的获取方式为：使患者打开口腔，并将舌头伸出来，并使用图像采集设备例如相机对准患者的脸部区域，采集图像。

需要说明的是，本实施例中，没有直接采集舌头的图像，而采集人脸图像，理由在于，因为舌头位于口腔中，所以即使只想采集舌头区域的图像，图像中还是无法避免地带有口腔区域和脸部的部分区域，例如嘴角等。而口腔区域和脸部的部分区域，反而有助于定位舌头区域，并且，人脸图像更易采集，因此，本实施例选择使用人脸图像。

可选的，为了尽量保持舌头的颜色在图像中的真实性，即保证舌像的保真度，对相机和摄像头的质量要有一定的要求，在拍摄前应该利用标准色卡进行颜色校正，进一步的，还可以增加均匀的白色光源。具体的矫正方式可参见现有技术。

本实施例中，相机采集的人脸图像的参数的示例可以为：图像存储为24位的RGB图像，格式为bmp或者TIFF，图像的尺寸不小于1280*1024像素，口腔区域在图像中所占的面积不小于320*240像素。

S102：基于人脸图像中的特征点，确定人脸图像中的目标区域。

其中，目标区域包括口腔区域和舌头区域。

如前所述，人脸图像中包括口腔区域和舌头区域，因此，S102的步骤的目的在于从人脸图像中提取出口腔区域和舌头区域。

因为人脸中的某些点，例如嘴角、眼角等，与口腔及舌头的位置和距离相对固定，因此，可以将这些点作为特征点，用于定位口腔区域。

本步骤中，特征点可以包括但不限于：眼角、嘴、鼻子、眉毛和两颊的点，例如，从上述区域选择68个点作为特征点。从人脸图像中识别出特征点的位置信息，再利用特征点与口腔区域、舌头区域的位置和距离，确定出口腔与舌头区域的大致位置。其中，脸部特征点与口腔、舌头区域的位置和距离关系可以预先估计，其依据为大量样本中的特征点与口腔区域及舌头区域的相应值。例如，从大量样本中获取眼角与嘴角的距离和夹角，作为设定的关系之一。

目标区域的示例如图5所示。从人脸图像中识别出特征点的具体过程可以参见图2所示。

S103：基于目标区域在HSV空间中的颜色分量，从目标区域中分割得到舌头区域。

该步骤的主要目的是从目标区域中提取出舌头区域，而舍弃嘴角、牙齿等无用区域。

HSV是一种比较直观的颜色模型，分别包括如下颜色分量：色调(Hue，H)，饱和度(Saturation，S)和明度(Value，V)。

申请人在研究的过程中发现，由于嘴唇、口腔和舌头的颜色相近，因此通过RGB分量进行阈值分割，往往无法将舌头与嘴唇和口腔分离开，而将图像转换到HSV模型后，各通道(即H、S、V)的直方图都有了明显的峰，因此，能够实现舌头区域和口腔区域的分割。因此，本步骤中基于目标区域在HSV空间中的颜色分量，从目标区域中分割得到舌头区域。

图6为从图5中分割出的舌头区域。S103具体的实现过程可以参见图3所示。

S104：基于舌头区域在CIELAB空间中的颜色分量，从舌头区域中分割得到舌质区域和舌苔区域。

该步骤的主要目的是从舌头区域中将舌质区域和舌苔区域分开。因为舌质和舌苔各自具有医学意义，因此，将两者分开，才能明确各自的医学意义。

CIELAB空间是利用L*,a*,b*三个不同的坐标轴，表示颜色在几何坐标图中的位置。L*轴表示明度，黑和白分别在L*轴的底和顶端；+a*表示红色，-a*表示绿色；+b*，-b*分别表示黄色到蓝色。任何颜色的层次变化可以用L*表示，L*,a*,b*描述自然界的任何颜色。

申请人在研究的过程中发现，舌质区域和舌苔区域在CIELAB空间，具有明显的区别特征，因此在CIELAB空间分割舌质区域和舌苔区域，具有较好的效果。

S104具体的实现过程可以参见图4所示。

S105：对分割得到舌质区域和舌苔区域进行形态学开和闭运算。

数学形态学的开运算和闭运算具有平滑图像边缘的作用。本实施例中，开运算以及闭运算的次数，可以依据需求设定，这里不做限定。

图7(a)为从舌头区域中分割得到的舌质区域，图7(b)为从舌头区域中分割得到的舌苔区域。

S105为可选步骤，也可以不执行。

图1所示的流程具有以下有益效果：

1、实现舌质和舌苔的自动分割，为医学自动检测提供了一种有效的基础手段。

2、执行的对象为脸图像，而非舌图像，更易实施。

3、基于特征点，从脸图像中分割出口腔区域和舌头区域，基于HSV空间中的颜色分量进一步分割出舌头区域，在基于CIELAB空间中的颜色分量，分割得到舌质区域和舌苔区域，这种基于特征点和不同颜色空间的、层层递进的分割方法，具有较高的准确性。

图2为从人脸图像中识别出特征点的具体流程，包括以下步骤：

S201：训练神经网络模型。

神经网络模型的一种示例为CNN模型。具体的，神经网络模型包括卷积层、池化层、激励层、连接层和分类层。卷积是一种线性的、平移不变性的运算，其由在输入信号上执行局部加权的组合构成，经过卷积层的运算，可以得到多种新的图像特征；池化层用于快速降低特征的维数；激励层对特征进行非线性映射；全连接和分类层对特征进行分类和判别。

本实施例中，从人脸特征检测的数据库中，收集一定数量的人脸样本，作为训练样本，并得到样本图像的标签图像，标签图像中有标注人脸的特征点，共68个，包括眼角、嘴、鼻子、眉毛和两颊的像素点，背景为纯黑或白色。

使用样本图像以及标签图像对神经网络模型进行训练，具体的，将样本图像深入神经网络模型，得到神经网络模型输出的特征点，再使用预设的误差函数，计算模型输出的特征点与标签图像中的特征点之间的差异，并基于随机梯度下降等算法使得差异最小化，得到模型的参数。

S202：将S201得到的人脸图像输入训练后的神经网络模型，得到神经网络模型输出的人脸图像的特征点的位置信息。

使用神经网络模型得到人脸图像的特征点，具有较高的准确性。需要说明的是，以上方式仅为实现方式中的一种，除了神经网络模型之外，也可以使用其它方式，例如现有的其它特征提取方式提取特征点。

图3为基于目标区域在HSV空间中的颜色分量，从目标区域中分割得到舌头区域的具体流程，包括以下步骤：

S301：将目标区域从RGB空间转换至HSV空间。

如前所述，相机采集的脸图像为RGB图像，因此，目标图像也为RGB图像，因此，需要先将RGB图像转换为HSV图像，才能提取HSV分量。

RGB是从颜色发光的原理来设计定的，通俗地说就是红(R,Red)、绿(G,Green)、蓝(B,Blue)三色的混合。

RGB空间与HSV空间的转化关系如下：

R′＝R/255.0

G′＝G/255.0

B′＝B/255.0

C_max＝max(R′,G′,B′),C_min＝min(R′,G′,B′)

V＝V_max

S302：计算目标区域在HSV空间中的H分量和V分量。

S303：将H分量和V分量进行二值化处理。

S304：将二值化后的H分量和V分量融合，经过阈值化(即二值化)得到二值化图像。

融合是指，对于任意一个像素的位置，将其H和V分量的值进行运算，例如相加，得到一个新的值，作为融合后该位置的像素值。阈值化通常基于大津算法实现。。

S305：对二值化图像进行形态学的开运算和闭运算，得到处理后的二值化图像。

形态学的开运算和闭运算用于断开图像中的细小连接、填补细长的裂缝，以平滑图像，该步骤为可选步骤，可以不执行。

S306：将处理后的二值化图像中的最大连通域，作为掩膜图像。

可以基于8邻域原则搜索最大连通区域，搜索图像中的最大连通域的方式，可以参见现有技术，这里不再赘述。

S307：将掩膜图像与目标区域进行与运算，得到舌头区域。

申请人在研究的过程中发现，H分量能很好的显示出舌尖以及舌体两侧的轮廓，而V分量能够很好的显示出舌根处的轮廓，将此二值化分量融合后得到比较粗糙的舌头的轮廓，基于该发现，使用图3所示的流程分割出舌头区域，具有较高的准确性。

图4为基于舌头区域在CIELAB空间中的颜色分量，从舌头区域中分割得到舌质区域和舌苔区域的流程，包括以下步骤：

S401：将舌头区域从RGB空间转换至CIELAB空间。

如前所述，使用掩膜图像与目标区域进行与运算得到舌头区域，因为目标区域为RGB图像，所以，舌头区域也为RGB图像。

因此，要获取CIELAB分量，需要先将舌头区域从RGB空间转换到CIELAB空间。RGB空间与CIELAB空间的转换关系如下：

S402：基于舌头区域在所述CIELAB空间中的a*分量，确定大津算法的阈值。

舌苔是指舌体背部所散布的一层薄薄的苔状物，舌苔的颜色通常为白色或黄色，一般不可能有红色或绿色，舌质一般为红色、绛红色或紫色，少有白色的舌质出现。申请人在研究的过程中发现，虽然舌质和舌苔在颜色上有区别，但是舌苔是附着在舌质上的，所以分离舌苔和舌质比较困难。而二者在a*分量上有区别。因此基于a*分量进行分割。

大津算法是按图像的灰度特性，将图像分成背景和目标两部分。背景和目标之间的类间方差越大，说明构成图像的两部分的差别越大，当部分目标错分为背景或部分背景错分为目标都会导致两部分差别变小。因此，使类间方差最大的分割意味着错分概率最小。

大津算法的阈值即为将像素分割为两部分的门限值，大于阈值即为目标(或背景)，小于阈值即为背景(或目标)。

确定大津算法的阈值的具体方式，可以参见现有技术，这里不再赘述。

S403：依据阈值，得到种子点。

对于本实施例中的步骤而言，阈值为一个a*分量的值，大于阈值为舌质种子，小于阈值为舌苔种子。

因为完全按照阈值分割的准确性不高，所以，本实施例中，仅使用阈值确定种子点。

S404：使用种子点进行聚类，得到舌质区域掩膜图像和舌苔区域掩膜图像。

即，使用舌质种子点聚类得到舌质区域掩膜图像，使用舌苔种子点聚类得到舌苔区域掩膜图像。

S405：将舌质区域掩膜图像与舌头区域进行与运算，得到舌质区域，将舌苔区域掩膜图像与舌头区域进行与运算，得到舌苔区域。

从图4所示的流程可以看出，本实施例基于大津算法的改进，分割舌质区域与舌苔区域，能够得到较为准确的分割效果。

图8为本申请实施例公开的一种舌质和舌苔的分割装置，包括：图像获取模块、第一分割模块、第二分割模块和第三分割模块。

其中，图像获取模块用于获取脸图像，脸图像中包括口腔区域和舌头区域。第一分割模块，用于基于脸图像中的特征点，确定脸图像中的目标区域，目标区域包括口腔区域和舌头区域。第二分割模块用于基于目标区域在HSV空间中的颜色分量，从目标区域中分割得到舌头区域。第三分割模块用于基于舌头区域在CIELAB空间中的颜色分量，从舌头区域中分割得到舌质区域和舌苔区域。

具体的，第一分割模块基于脸图像中的特征点，确定脸图像中的目标区域的具体实现方式为：将脸图像输入预设的神经网络模型，得到神经网络模型输出的脸图像的特征点的位置信息；其中，神经网络模型用于提取脸图像的卷积特征，并基于卷积特征输出脸图像的特征点的位置信息，基于特征点的位置信息和预设的运算规则，确定脸图像中的目标区域的位置信息。

第二分割模块用于基于目标区域在HSV空间中的颜色分量，从目标区域中分割得到舌头区域的具体实现方式为：计算目标区域在HSV空间中的H分量和V分量；将H分量和V分量进行二值化处理；将二值化后的H分量和V分量融合，得到二值化图像；将二值化图像中的最大连通域，作为掩膜图像；将掩膜图像与目标区域进行与运算，得到舌头区域。进一步的，脸图像和目标区域均为RGB空间的图像；在计算目标区域在HSV空间中的H分量和V分量之前，第二分割模块还用于：将目标区域从RGB空间转换至HSV空间，以及在将二值化图像中的最大连通域，作为掩膜图像之前，对二值化图像进行形态学的开运算和闭运算，得到处理后的二值化图像；并将处理后的二值化图像中的最大连通域，作为掩膜图像。

第三分割模块用于基于舌头区域在CIELAB空间中的颜色分量，从舌头区域中分割得到舌质区域和舌苔区域的具体实现方式为：基于舌头区域在CIELAB空间中的a*分量，确定大津算法的阈值；依据阈值，得到种子点；使用种子点进行聚类，得到舌质区域掩膜图像和舌苔区域掩膜图像；将舌质区域掩膜图像与舌头区域进行与运算，得到舌质区域，将舌苔区域掩膜图像与舌头区域进行与运算，得到舌苔区域。进一步的，脸图像、目标区域和舌头区域均为RGB空间的图像；第三分割模块还用于：在计算舌头区域在CIELAB空间中的a*分量之前，将舌头区域从RGB空间转换至CIELAB空间。

可选的，装置还可以包括：形态学处理模块，用于对分割得到舌质区域和舌苔区域进行形态学开和闭运算。

图8所示的舌质和舌苔的分割装置，基于特征点的提取和不同颜色空间的颜色分量，逐步从脸图像中分割出舌质区域和舌苔区域，具有较高的准确性，并为自动舌质的实现奠定了基础。

本申请实施例还公开了一种舌质和舌苔的分割设备，包括：存储器和处理器。存储器用于存储程序；处理器用于执行程序，以实现上述舌质和舌苔的分割方法。

本申请实施例还公开了一种存储介质，其上存储有程序，程序被处理器执行时，实现上述舌质和舌苔的分割方法。

本申请实施例方法所述的功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算设备可读取存储介质中。基于这样的理解，本申请实施例对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该软件产品存储在一个存储介质中，包括若干指令用以使得一台计算设备(可以是个人计算机，服务器，移动计算设备或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims

1.一种舌质和舌苔的分割方法，其特征在于，包括：

获取脸图像，所述脸图像中包括口腔区域和舌头区域；

基于所述舌头区域在CIELAB空间中的颜色分量，从所述舌头区域中分割得到舌质区域和舌苔区域；

其中，所述基于所述舌头区域在CIELAB空间中的颜色分量，从所述舌头区域中分割得到舌质区域和舌苔区域，包括：

依据所述阈值，得到种子点；

2.根据权利要求1所述的方法，其特征在于，所述基于所述脸图像中的特征点，确定所述图像中的目标区域，包括：

3.根据权利要求1所述的方法，其特征在于，所述基于所述目标区域在HSV空间中的颜色分量，从所述目标区域中分割得到所述舌头区域，包括：

计算所述目标区域在HSV空间中的H分量和V分量；

将所述H分量和所述V分量进行二值化处理；

将所述二值化图像中的最大连通域，作为掩膜图像；

4.根据权利要求3所述的方法，其特征在于，所述脸图像和所述目标区域均为RGB空间的图像；

将所述目标区域从所述RGB空间转换至所述HSV空间。

5.根据权利要求3所述的方法，其特征在于，在所述将所述二值化图像中的最大连通域，作为掩膜图像之前，还包括：

6.根据权利要求1所述的方法，其特征在于，所述脸图像、所述目标区域和所述舌头区域均为RGB空间的图像；

在所述基于所述舌头区域在所述CIELAB空间中的a*分量之前，还包括：

将所述舌头区域从所述RGB空间转换至所述CIELAB空间。

7.根据权利要求1-6任一项所述的方法，其特征在于，在所述从所述舌头区域中分割得到舌质区域和舌苔区域之后，还包括：

8.一种舌质和舌苔的分割装置，其特征在于，包括：

第三分割模块，用于基于所述舌头区域在CIELAB空间中的颜色分量，从所述舌头区域中分割得到舌质区域和舌苔区域；

其中，所述第三分割模块，具体用于：

依据所述阈值，得到种子点；

9.一种舌质和舌苔的分割设备，其特征在于，包括：

存储器和处理器；

所述存储器用于存储程序；

所述处理器用于执行所述程序，以实现权利要求1-7任一项所述的舌质和舌苔的分割方法。

10.一种计算机可读存储介质，其特征在于，其上存储有程序，所述程序被处理器执行时，实现如权利要求1-7任一项所述的舌质和舌苔的分割方法。