摘 要：中藥炮制過程中中藥色質(zhì)與成分含量、藥材質(zhì)量之間存在一定的關(guān)系，提出一種基于MATLAB圖像處理的中藥炮制色質(zhì)的客觀化辨識技術(shù)與鑒別方法。首先，利用MATLAB對大量選定的中藥圖片進行圖像分割，提取藥材的RGB、HSX、Lab等特征值，并通過GUI界面顯示，最終實現(xiàn)中藥材炮制程度和藥材分類和質(zhì)量鑒別的目的。研究顯示，利用圖像處理技術(shù)能夠快速進行中藥特征提取與顯示，對不同炮制方式的姜類有很好的區(qū)別。結(jié)果表明，利用圖像處理技術(shù)與色度值能夠有效提高中藥材炮制色質(zhì)辨識的效率和直觀性，為中醫(yī)藥現(xiàn)代化發(fā)展提供技術(shù)支持。

關(guān)鍵詞：MATLAB；中藥炮制；色質(zhì)辨識；客觀化辨識；快速鑒別

中圖分類號：TP319.4 文獻標識碼：A 文章編號：2096-4706（2024）20-0149-05

Research on Objective Identification Technology of Color Quality in Traditional Chinese Medicine Processing Based on MATLAB

CHEN Qingmei， TAO Peng， ZOU Yizhang

（College of Computer Science， Jiangxi University of Chinese Medicine， Nanchang 330004， China）

Abstract： There is a certain relationship between the color quality of Traditional Chinese Medicine processing， the content of its components， and the quality of medicinal materials during the TCM processing. In this paper， an objective identification technology and identification method are proposed for the color quality of TCM processing based on MATLAB image processing. Firstly， this paper uses MATLAB to perform image segmentation on a large number of selected TCM images， extracts the RGB， HSX， Lab and other feature values of the medicinal materials， and displays them through a GUI interface， ultimately achieving the purpose of identification of processing degree， medicinal material classification， and quality of TCM. Research shows that the use of image processing technology can quickly extract and display TCM features， which has a good difference for ginger processed in different ways. The results show that the use of image processing technology and chromaticity values can effectively improve the efficiency and intuitiveness of color quality identification in the processing of TCM， providing technical support for the modern development of TCM.

Keywords： MATLAB; Traditional Chinese Medicine processing; color quality identification; objective identification; quick identification

0 引 言

中藥炮制是一項傳統(tǒng)的制藥技術(shù)，是連接中醫(yī)學(xué)和中藥學(xué)的關(guān)鍵點，是中醫(yī)辨證論治的一大特色與優(yōu)勢。經(jīng)過炮制處理之后的中藥材發(fā)生了復(fù)雜的化學(xué)變化，這些變化正是導(dǎo)致中藥炮制前后中藥性味功能改變的重要原因[1]。不同的炮制技術(shù)和炮制程度與中藥的藥性、方劑均存在一定的關(guān)聯(lián)性，對臨床療效也有一定的影響[2-3]。因此，中藥炮制過程中條件和程度的過程控制是中醫(yī)藥質(zhì)量控制的關(guān)鍵，是實現(xiàn)中藥質(zhì)量評價的重要因素?，F(xiàn)行中藥質(zhì)量控制模式是參照國外植物藥和化學(xué)藥品的質(zhì)量控制模式而建立的，然而中約成分復(fù)雜，采用國外評價方式很難對中藥的質(zhì)量、安全性和有效性進行準確評估[4]，由此提出了“辨色論質(zhì)”的評價方式[4-5]。由于中藥炮制過程中中藥色質(zhì)與藥物成分含量之間存在一定的關(guān)系，所以，中藥炮制程度和中藥質(zhì)量的過程控制也可通過色質(zhì)進行判別[6]。

傳統(tǒng)目測法主觀性強，測量不準確，目前常用評價顏色的儀器有色卡、光電積分測試儀、分光光度測色儀機器視覺等方法。色卡具有簡單有效、方便攜帶、成本低等特點。但由于中藥的顏色不均勻、形狀不規(guī)則，因此色卡在中藥方面應(yīng)用具有一定的局限性。光電積分測色儀器，簡稱為色差計，其具有體積小、容易攜帶等特點，常用于測定色彩色差?！吨袊幍洹纷?000年版開始將色差法收錄到藥品溶液顏色控制內(nèi)容中，采用CIEL*a*b*值對中藥顏色的描述已被運用到中成藥成品的檢測中。分光光度測色儀是通過探測樣品的光譜成分來確定其顏色數(shù)值，因此精度非常高、穩(wěn)定性好，但成本高，且不方便實時大量監(jiān)測，常用于科學(xué)研究。此外，由于大部分中藥飲片形狀不規(guī)則，顏色亦不均勻，色彩色差計、分光光度計均適用于均勻性樣品的顏色測定，因此在中藥顏色的測定領(lǐng)域，色彩色差計、分光光度計受到了很大的局限性，制約了中藥顏色表達現(xiàn)代化發(fā)展進程，由此出現(xiàn)了顏色客觀化研究的思考[7]與展望[8-9]。此后，解達帥[10]開展了基于智能感官技術(shù)和模式識別的中藥炮制“火候”的研究，取得了一定的進展。但是，目前關(guān)于中藥炮制色質(zhì)的客觀化研究依然不多，還有很多值得探究的問題。

近年來，隨著計算機技術(shù)的快速發(fā)展，圖像處理和機器學(xué)習(xí)等技術(shù)在中藥材鑒別領(lǐng)域得到了廣泛應(yīng)用。其中，基于圖像分割和特征提取的方法成為中藥色澤研究的熱點。MATLAB作為一種強大的數(shù)學(xué)計算和圖像處理軟件，其在圖像處理領(lǐng)域具有廣泛的應(yīng)用。因此，提出一種利用MATLAB軟件進行中藥圖片的圖像分割，提取中藥材的色度特征，從而提取出中藥材的關(guān)鍵圖像特征，提取炮制中藥的顏色值，輔助中藥炮制中火候、時間的控制，提高藥材的質(zhì)量。

1 方法介紹

1.1 藥材的選取

為了進行提取中藥材炮制色質(zhì)特征，首先應(yīng)該選取不同炮制方法或不同火候的藥材進行圖像采集。實驗主要選取了多種炮制方式的姜類作為研究對象，包括炮姜、高良姜和干姜三種姜類。

1.2 圖像預(yù)處理

中藥圖像的預(yù)處理是圖像分析和識別流程中的關(guān)鍵步驟，旨在提高圖像質(zhì)量，減少噪聲和冗余信息，以便后續(xù)的特征提取和識別，包括灰度化和濾波等手段。

1.2.1 圖像灰度化處理

灰度化的目的是將彩色圖像轉(zhuǎn)換為灰度圖像，減少圖像的數(shù)據(jù)量，同時保留圖像的形態(tài)特征。常用的灰度化方法有分量法、最大值法、平均值法和加權(quán)平均法。對于中藥圖片，加權(quán)平均法，通常能較好地保留圖像的細節(jié)和對比度。式（1）使用RGB到灰度的轉(zhuǎn)換公式。進行灰度化處理之后的圖像僅包含亮度信息，沒有色彩信息，但圖像的紋理和形態(tài)特征仍然保留，這對于后續(xù)的圖像處理和分析是有利的。

Gray=（0.299R+0.587G+0.114B）   （1）

1.2.2 圖像濾波處理

濾波是為了消除或減弱圖像中的噪聲和細節(jié)，平滑圖像，改善圖像質(zhì)量，包括線性濾波和非線性濾波兩種。線性濾波主要通過計算鄰域內(nèi)像素的平均值或加權(quán)平均值來平滑圖像，比如均值濾波、高斯濾波等。對于中藥圖片，高斯濾波能較好地保留圖像的細節(jié)和邊緣信息。

非線性濾波是基于鄰域內(nèi)像素的統(tǒng)計特性或像素間的空間鄰近度和灰度相似性來進行濾波，比如中值濾波、雙邊濾波等。針對中藥圖片中的椒鹽噪聲，中值濾波具有較好的濾波效果。

經(jīng)過濾波后的圖像噪聲減少，細節(jié)平滑，但也可能導(dǎo)致邊緣模糊或丟失部分細節(jié)。因此，在選擇濾波方法和參數(shù)時需要根據(jù)具體的應(yīng)用場景和需求進行權(quán)衡。

1.2.3 其他預(yù)處理

除了上述介紹的方法之外，還有二值化處理、對比度增強、幾何變換、圖像分割等一系列預(yù)處理的方法。二值化就是將灰度圖像轉(zhuǎn)換為二值圖像，即只包含黑白兩種顏色的圖像。這有助于進一步簡化圖像，突出圖像的輪廓和形態(tài)特征。對比度增強是通過拉伸圖像的灰度級范圍或直方圖均衡化等方法，增強圖像的對比度，使圖像的細節(jié)和紋理更加清晰。幾何變換，包括旋轉(zhuǎn)、縮放、平移等，用于校正圖像的幾何失真或使圖像符合特定的要求。圖像分割是將圖像劃分為多個區(qū)域或?qū)ο?，以便后續(xù)對每個區(qū)域或?qū)ο筮M行單獨的分析和處理。對于中藥圖片，可以使用閾值分割、邊緣檢測等方法進行圖像分割。在實際應(yīng)用中，可能還需要根據(jù)具體的需求和場景進行其他預(yù)處理操作，如銳化等。

1.3 色度空間模型介紹

1.3.1 RGB模型

RGB特征提取與范圍值確定是計算機視覺和圖像處理中非常重要的步驟，特別是在進行圖像分類、識別和檢索等任務(wù)時。以下將詳細闡述如何從預(yù)處理后的圖像中提取RGB特征，并確定其用于鑒別的有效范圍。

1）RGB值的提取。RGB特征是最基礎(chǔ)的圖像特征之一，它基于圖像的三個顏色通道：紅色（R）、綠色（G）和藍色（B）。每個通道都有256個可能的值（0～255），因此，每個像素都可以用這三個值來表示。

對采集的圖像進行去噪、對比度增強、顏色空間轉(zhuǎn)換（如果原始圖像不是RGB顏色空間）等預(yù)處理，使用適當(dāng)?shù)膱D像處理庫（如OpenCV、PIL等）讀取這些圖像，然后通過圖像的二維數(shù)組或類似的數(shù)據(jù)結(jié)構(gòu)來完成的像素的訪問，最后提取每一個像素的RGB特征值。如果需要全局特征，可以計算整個圖像的RGB值的統(tǒng)計量（如均值、標準差、直方圖等）。

2）RGB特征有效范圍的確定。確定RGB特征的有效范圍對于圖像分類和識別等任務(wù)至關(guān)重要。有效的范圍取決于具體的應(yīng)用場景和數(shù)據(jù)集。包括基于統(tǒng)計的方法和基于閾值的方法。統(tǒng)計方法是計算整個數(shù)據(jù)集中RGB值的統(tǒng)計量（如均值、中位數(shù)、標準差等），然后根據(jù)這些統(tǒng)計量確定有效范圍。例如，可以將均值加減一個標準差作為有效范圍。閾值法是根據(jù)具體任務(wù)和數(shù)據(jù)集的特點，手動設(shè)定RGB值的閾值。例如，在檢測紅色物體時，可以設(shè)定紅色通道的閾值，并忽略低于該閾值的像素。

需要注意的是，RGB特征雖然簡單直觀，但在某些情況下可能不夠魯棒。例如，當(dāng)光照條件、視角或物體顏色發(fā)生變化時，RGB值可能會發(fā)生顯著變化。因此，在實際應(yīng)用中，可能需要結(jié)合其他類型的特征（如紋理、形狀等）來提高識別的準確性和魯棒性。此外，也可以在RGB模型的基礎(chǔ)上進行改進，轉(zhuǎn)換成其他模型，比如HSV、HSI和Lab色度空間模型等。

1.3.2 HSV人眼視覺系統(tǒng)

HSV指的是人眼對圖像的視覺感知能力，包括對亮度、顏色、紋理等視覺信息的敏感度。HSV的特性表明，人眼對亮度的變化比對色度的變化更為敏感，而且對于圖像中的高頻細節(jié)（如噪聲）不如對低頻細節(jié)（如邊緣）敏感。在圖像分割和識別中，利用HSV的特性可以優(yōu)化算法，減少計算量，同時保持或提高識別的準確性。

1.3.3 HSI顏色空間

HSI顏色空間是一個基于人眼對顏色感知的模型。在圖像分割中，使用HSI顏色空間可以更直觀地處理顏色信息，因為色調(diào)和飽和度與人的感知更為接近。例如，在膚色檢測或特定顏色物體的識別中，HSI顏色空間可能會提供更好的結(jié)果。

1.3.4 Lab顏色空間

Lab顏色空間是一種廣泛應(yīng)用于顏色表示和轉(zhuǎn)換的顏色空間。Lab顏色空間的色域非常寬廣，包含了人眼可以感知的所有顏色。在圖像分割和識別任務(wù)中，Lab顏色空間有助于在顏色的明度、色調(diào)和飽和度上進行精確的區(qū)分，從而提高分割的準確性。利用式（2）還可以計算總色度E*ab的值。

（2）

在MATLAB中，可以使用內(nèi)置函數(shù)方便地在這些顏色空間之間進行轉(zhuǎn)換，并利用它們的特性來優(yōu)化圖像分割和識別算法。選擇哪種顏色空間取決于具體的應(yīng)用場景和所需處理的圖像特性。

2 結(jié)果與分析

在對中藥圖像進行處理的過程中，包括圖像的讀取、處理、分析和顯示幾個環(huán)節(jié)。

2.1 圖像的讀取

讀取圖像時使用了uigetfile函數(shù)，讓使用者從文件系統(tǒng)中選擇所需要識別的中藥圖像文件。每次選擇的圖像都會顯示在GUI中的不同axes上，如圖1所示。

2.2 圖像的預(yù)處理

讀取原始圖像之后，使用size函數(shù)計算圖像大小，包括圖像的行數(shù)、列數(shù)和顏色通道數(shù)。然后創(chuàng)建一個零矩陣，將RGB圖像的每個像素值通過灰度化處理轉(zhuǎn)換為灰度值，具體如式（3）所示：

I（i，j）=ima（i，j，1）*0.30＋ima（i，j，2）*0.59

＋ima（i，j，3）*0.11 （3）

由于RGB均值計算中可能存在計算目標區(qū)域不確定的問題，因此需要對圖像進行其他預(yù)處理來準確確定目標區(qū)域。首先使用Sobel算子檢測灰度化圖像，并生成一個二值圖像BWs，完成邊緣檢測與后處理；再對二值圖像BWs進行膨脹操作，使用水平和垂直方向的線性結(jié)構(gòu)元素，即圖像膨脹；使用imfill函數(shù)填充膨脹后的二值圖像中的內(nèi)部空隙；使用imclearborder函數(shù)刪除填充后的二值圖像中邊界上的連通對象；對刪除邊界對象后的二值圖像進行兩次侵蝕操作，使用鉆石形結(jié)構(gòu)元素；在界面中顯示平滑后的二值圖像（BWfinal），如圖2所示。最后使用sum（sum（BWfinal==1））計算二值圖像中白色像素（即目標區(qū)域）的數(shù)量，使用find函數(shù)找到二值圖像中所有黑色像素（即非目標區(qū)域）的索引，并存儲在target中。

2.3 色度值提取

通過上述處理之后，接下來就是RGB特征值的提取，如圖3所示。由于RGB值受外界光線的影響較大，為了提高中藥材識別的魯棒性，尤其是在不同光照條件下的識別能力，本研究采用了HSV模型、HSI模型、Lab模型對RGB值進行了轉(zhuǎn)換，將RGB顏色值轉(zhuǎn)換為HSV、HSI或Lab色度值的方法。這些色彩空間的設(shè)計注重于顏色的感知屬性，從而減少了光線變化對識別過程的影響。特別是HSV色彩空間中的色相（H）和飽和度（S）對光照強度變化不敏感，使得在不同光照環(huán)境下，同一物體的感知顏色更為一致。圖3是三種姜類的圖像處理結(jié)果與特征值提取結(jié)果的顯示界面。

由圖3可見，三種姜類的不同色度值都有差異。在RGB模型中，三種姜的各色度值存在一定差異，但不同光線條件下對處理結(jié)果存在一定的影響。在HSV和HSI模型中，三種姜類的色相H、明度V和強度I差異比較大，飽和度S差異不明顯。目前已有研究通過HSV和HSI分析發(fā)現(xiàn)山楂[11]、九蒸九制何首烏[12]、白附子[13]和天南星飲片[14]的顏色值與有效成分之間存在一定的相關(guān)性。由此，可以通過H、V和I作為中藥色澤識別的依據(jù)。在Lab模型中，三種姜類的L、a、b值都有明顯差異。根據(jù)L、a、b的值和式（2），可以計算出三種姜類的E*ab值分別為9.303 420×101、3.457 741×101和1.780 107×101?？梢姡ㄟ^L、a、b值和E*ab值均能夠很好地將三種姜進行區(qū)分。杜偉鋒[15]等對不同炮制程度下薏苡仁生品、炮制不及薏苡仁飲片、麩炒薏苡仁飲片和炮制太過薏苡仁飲片的L、a、b值分別進行了檢測，計算得到E*ab，通過與9種成分含量的線性分析發(fā)現(xiàn)，不同炮制程度薏苡仁的亮度、色度值不一樣，且與指標性成分含量有顯著相關(guān)性，進一步說明可以通過色澤及色度值判斷中藥的炮制程度并實行中藥質(zhì)量的控制。

3 結(jié) 論

通過實驗研究發(fā)現(xiàn)，利用MATLAB和圖像處理技術(shù)可以比較客觀地給出中藥的相應(yīng)顏色參數(shù)值，可以對給定類別與炮制形式的中藥材的各種色度值確定一個參考范圍，用于中藥炮制程度的評價、中藥材分類，以及中藥材質(zhì)量的鑒別。通過GUI界面設(shè)計，可以幫助使用者更加直觀、快速地進行比較、判斷與操作。

當(dāng)然，本研究還只是一個初步的結(jié)果，后續(xù)還有許多需要改進與完善的地方，比如算法優(yōu)化、與傳統(tǒng)中醫(yī)藥識別方法相結(jié)合，等等。

參考文獻：

[1] 孫嘉辰，李霞，王瑩，等.中藥加工炮制過程中質(zhì)量標志物的研究進展 [J].中草藥，2020，51（10）：2593-2602.

[2] 劉瑩，徐志堯，陳麗佳.探討中藥飲片炮制與臨床療效的關(guān)系 [J].繼續(xù)醫(yī)學(xué)教育，2021，35（5）：166-168.

[3] 朱月健，尹磊，段體斌，等.不同中藥炮制方法對中藥飲片的療效影響 [J].中國衛(wèi)生標準管理，2020，11（18）：93-95.

[4] 徐曼菲.中藥紅花辨色論質(zhì)方法學(xué)研究 [D].北京：北京中醫(yī)藥大學(xué)，2016.

[5] 徐曼菲，吳志生，劉曉娜，等.從辨色論質(zhì)談中藥質(zhì)量評價方法 [J].中國中藥雜志，2016，41（2）：177-181.

[6] 艾莉，陳君程，張繼良，等.基于色彩色差計的川楝子炮制前后含量和顏色變化 [J].成都中醫(yī)藥大學(xué)學(xué)報，2011，34（4）：81-83+90.

[7] 李濤，莫雪林，程雪嬌，等.中藥飲片“炮制經(jīng)驗”客觀化研究的思考 [J].時珍國醫(yī)國藥，2016，27（12）：2919-2922.

[8] 黎江華，吳純潔，孫靈根，等.基于機器視覺技術(shù)實現(xiàn)中藥性狀“形色”客觀化表達的展望 [J].中成藥，2011，33（10）：1781-1784.

[9] 吳建華，劉婧，吳志瑰，等.顏色量化及其在中藥中的應(yīng)用研究進展 [J].江西中醫(yī)藥大學(xué)學(xué)報，2016，28（5）：114-115+119.

[10] 解達帥.基于智能感官技術(shù)和模式識別的中藥炮制“火候”的研究 [D].成都：成都中醫(yī)藥大學(xué)，2017.

[11] 黎量，楊詩龍，胥敏，等.基于顏色及成分動態(tài)變化的山楂炮制機理初探 [J].中成藥，2015，37（7）：1530-1533.

[12] 宋晨鴿，馬彥江，姚超，等.九蒸九制何首烏色澤與二苯乙烯苷、蒽醌類成分的相關(guān)性分析 [J].中國醫(yī)院藥學(xué)雜志，2021，41（8）：783-789.

[14] 王夢偉，王夢珂，李蒙恩，等.基于AHP—熵權(quán)法的天南星飲片顏色與有效成分相關(guān)性研究 [J].時珍國醫(yī)國藥，2022，33（11）：2648-2652.

[15] 杜偉鋒，湯璐璐，朱偉豪，等.基于色度原理的薏苡仁炮制過程顏色與化學(xué)成分相關(guān)性分析 [J].藥物分析雜志，2022，42（8）：1391-1399.

作者簡介：陳慶梅（1974—），女，漢族，湖北鐘祥人，副教授，博士，研究方向：生物醫(yī)學(xué)信息檢測與分析。