中医舌诊以其无创与便捷性在全世界引起广泛关注,通过综合分析舌象的生理及病理特征得到诊断结果,然而传统的中医舌诊受限于医师的知识水平和主观意识,并受环境光线等因素影响。数字化舌诊分析系统正是解决了这一问题,通过临床经验结合计算机图像处理技术实现了舌诊的客观化、数字化及自动化,是舌诊信息化发展的主要方向。目前,数字化舌诊分析系统为了得到高质量的舌象图像,多是在密闭、固定光源的标准环境下采集舌象图像。然而,随着智能手机等移动设备的发展和普及,采用移动设备在开放环境下采集图像逐渐成为一个新的研究方向。但随之而来的问题是,开放环境下的舌象分析容易受光照强弱和复杂背景等因素的影响,因此,在进行舌象分析前,首先需检测并分割出图像中可供后续分析的舌象。本文针对开放环境这一特点,提出了一种舌象检测与分割方法。针对开放环境下的舌象检测与分割,本文的主要工作包含以下三部分:1.提出了一种改进的图像预处理方法,首先采用中值滤波去除噪点,平滑图像;然后对图像进行颜色校正,在传统灰度世界颜色校正算法的基础上,调整算法的收敛值以符合舌象图像三通道均值占比不同的特点,并将传统灰度世界算法的线性校正改为非线性校正的伽马变换,避免了校正强度过大或过小;最后对图像进行亮度校正。2.在预处理图像的基础上,提出了一种新的舌象检测算法。该算法的思路是对图像进行先分割再检测,提高检测速度的同时获取舌体基本轮廓。图像分割部分提出了通过结合最大类间方差、色调阈值分割和RGB三色分量差值三种方法对图像进行二值化,并利用形态学的“开”、“闭”运算平滑连通域、去除杂质,然后对三个结果图像作“并”操作得到最终分割结果。检测部分则通过提取各个连通域的特征,训练随机森林分类器达到舌象检测的目的。3.在舌象检测的基础上,我们能够获得图像中舌体的基本轮廓与位置,因此,提出了一种改进的梯度矢量流主动轮廓模型(GVF Snake)的舌象分割方法,对经过边缘强化后的舌体区域进行进一步的细化分割,在提高计算速度的同时具有更高的分割精度。最后将分割结果对比于传统的Snake模型、GVF Snake模型和距离正则化水平集演化模型(DRLSE)。实验结果表明,本文提出的舌象检测与分割方法具有较好的鲁棒性,且有较好的检测与分割结果,能够实现开放环境下的舌象检测与分割。