摘 要：中药炮制过程中中药色质与成分含量、药材质量之间存在一定的关系，提出一种基于MATLAB图像处理的中药炮制色质的客观化辨识技术与鉴别方法。首先，利用MATLAB对大量选定的中药图片进行图像分割，提取药材的RGB、HSX、Lab等特征值，并通过GUI界面显示，最终实现中药材炮制程度和药材分类和质量鉴别的目的。研究显示，利用图像处理技术能够快速进行中药特征提取与显示，对不同炮制方式的姜类有很好的区别。结果表明，利用图像处理技术与色度值能够有效提高中药材炮制色质辨识的效率和直观性，为中医药现代化发展提供技术支持。
关键词：MATLAB；中药炮制；色质辨识；客观化辨识；快速鉴别
中图分类号：TP319.4 文献标识码：A 文章编号：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
中药炮制是一项传统的制药技术，是连接中医学和中药学的关键点，是中医辨证论治的一大特色与优势。经过炮制处理之后的中药材发生了复杂的化学变化，这些变化正是导致中药炮制前后中药性味功能改变的重要原因[1]。不同的炮制技术和炮制程度与中药的药性、方剂均存在一定的关联性，对临床疗效也有一定的影响[2-3]。因此，中药炮制过程中条件和程度的过程控制是中医药质量控制的关键，是实现中药质量评价的重要因素。现行中药质量控制模式是参照国外植物药和化学药品的质量控制模式而建立的，然而中约成分复杂，采用国外评价方式很难对中药的质量、安全性和有效性进行准确评估[4]，由此提出了“辨色论质”的评价方式[4-5]。由于中药炮制过程中中药色质与药物成分含量之间存在一定的关系，所以，中药炮制程度和中药质量的过程控制也可通过色质进行判别[6]。
传统目测法主观性强，测量不准确，目前常用评价颜色的仪器有色卡、光电积分测试仪、分光光度测色仪机器视觉等方法。色卡具有简单有效、方便携带、成本低等特点。但由于中药的颜色不均匀、形状不规则，因此色卡在中药方面应用具有一定的局限性。光电积分测色仪器，简称为色差计，其具有体积小、容易携带等特点，常用于测定色彩色差。《中国药典》自2000年版开始将色差法收录到药品溶液颜色控制内容中，采用CIEL*a*b*值对中药颜色的描述已被运用到中成药成品的检测中。分光光度测色仪是通过探测样品的光谱成分来确定其颜色数值，因此精度非常高、稳定性好，但成本高，且不方便实时大量监测，常用于科学研究。此外，由于大部分中药饮片形状不规则，颜色亦不均匀，色彩色差计、分光光度计均适用于均匀性样品的颜色测定，因此在中药颜色的测定领域，色彩色差计、分光光度计受到了很大的局限性，制约了中药颜色表达现代化发展进程，由此出现了颜色客观化研究的思考[7]与展望[8-9]。此后，解达帅[10]开展了基于智能感官技术和模式识别的中药炮制“火候”的研究，取得了一定的进展。但是，目前关于中药炮制色质的客观化研究依然不多，还有很多值得探究的问题。
近年来，随着计算机技术的快速发展，图像处理和机器学习等技术在中药材鉴别领域得到了广泛应用。其中，基于图像分割和特征提取的方法成为中药色泽研究的热点。MATLAB作为一种强大的数学计算和图像处理软件，其在图像处理领域具有广泛的应用。因此，提出一种利用MATLAB软件进行中药图片的图像分割，提取中药材的色度特征，从而提取出中药材的关键图像特征，提取炮制中药的颜色值，辅助中药炮制中火候、时间的控制，提高药材的质量。
1 方法介绍
1.1 药材的选取
为了进行提取中药材炮制色质特征，首先应该选取不同炮制方法或不同火候的药材进行图像采集。实验主要选取了多种炮制方式的姜类作为研究对象，包括炮姜、高良姜和干姜三种姜类。
1.2 图像预处理
中药图像的预处理是图像分析和识别流程中的关键步骤，旨在提高图像质量，减少噪声和冗余信息，以便后续的特征提取和识别，包括灰度化和滤波等手段。
1.2.1 图像灰度化处理
灰度化的目的是将彩色图像转换为灰度图像，减少图像的数据量，同时保留图像的形态特征。常用的灰度化方法有分量法、最大值法、平均值法和加权平均法。对于中药图片，加权平均法，通常能较好地保留图像的细节和对比度。式（1）使用RGB到灰度的转换公式。进行灰度化处理之后的图像仅包含亮度信息，没有色彩信息，但图像的纹理和形态特征仍然保留，这对于后续的图像处理和分析是有利的。
Gray=（0.299R+0.587G+0.114B） （1）
1.2.2 图像滤波处理
滤波是为了消除或减弱图像中的噪声和细节，平滑图像，改善图像质量，包括线性滤波和非线性滤波两种。线性滤波主要通过计算邻域内像素的平均值或加权平均值来平滑图像，比如均值滤波、高斯滤波等。对于中药图片，高斯滤波能较好地保留图像的细节和边缘信息。
非线性滤波是基于邻域内像素的统计特性或像素间的空间邻近度和灰度相似性来进行滤波，比如中值滤波、双边滤波等。针对中药图片中的椒盐噪声，中值滤波具有较好的滤波效果。
经过滤波后的图像噪声减少，细节平滑，但也可能导致边缘模糊或丢失部分细节。因此，在选择滤波方法和参数时需要根据具体的应用场景和需求进行权衡。
1.2.3 其他预处理
除了上述介绍的方法之外，还有二值化处理、对比度增强、几何变换、图像分割等一系列预处理的方法。二值化就是将灰度图像转换为二值图像，即只包含黑白两种颜色的图像。这有助于进一步简化图像，突出图像的轮廓和形态特征。对比度增强是通过拉伸图像的灰度级范围或直方图均衡化等方法，增强图像的对比度，使图像的细节和纹理更加清晰。几何变换，包括旋转、缩放、平移等，用于校正图像的几何失真或使图像符合特定的要求。图像分割是将图像划分为多个区域或对象，以便后续对每个区域或对象进行单独的分析和处理。对于中药图片，可以使用阈值分割、边缘检测等方法进行图像分割。在实际应用中，可能还需要根据具体的需求和场景进行其他预处理操作，如锐化等。
1.3 色度空间模型介绍
1.3.1 RGB模型
RGB特征提取与范围值确定是计算机视觉和图像处理中非常重要的步骤，特别是在进行图像分类、识别和检索等任务时。以下将详细阐述如何从预处理后的图像中提取RGB特征，并确定其用于鉴别的有效范围。
1）RGB值的提取。RGB特征是最基础的图像特征之一，它基于图像的三个颜色通道：红色（R）、绿色（G）和蓝色（B）。每个通道都有256个可能的值（0～255），因此，每个像素都可以用这三个值来表示。
对采集的图像进行去噪、对比度增强、颜色空间转换（如果原始图像不是RGB颜色空间）等预处理，使用适当的图像处理库（如OpenCV、PIL等）读取这些图像，然后通过图像的二维数组或类似的数据结构来完成的像素的访问，最后提取每一个像素的RGB特征值。如果需要全局特征，可以计算整个图像的RGB值的统计量（如均值、标准差、直方图等）。
2）RGB特征有效范围的确定。确定RGB特征的有效范围对于图像分类和识别等任务至关重要。有效的范围取决于具体的应用场景和数据集。包括基于统计的方法和基于阈值的方法。统计方法是计算整个数据集中RGB值的统计量（如均值、中位数、标准差等），然后根据这些统计量确定有效范围。例如，可以将均值加减一个标准差作为有效范围。阈值法是根据具体任务和数据集的特点，手动设定RGB值的阈值。例如，在检测红色物体时，可以设定红色通道的阈值，并忽略低于该阈值的像素。
需要注意的是，RGB特征虽然简单直观，但在某些情况下可能不够鲁棒。例如，当光照条件、视角或物体颜色发生变化时，RGB值可能会发生显著变化。因此，在实际应用中，可能需要结合其他类型的特征（如纹理、形状等）来提高识别的准确性和鲁棒性。此外，也可以在RGB模型的基础上进行改进，转换成其他模型，比如HSV、HSI和Lab色度空间模型等。
1.3.2 HSV人眼视觉系统
HSV指的是人眼对图像的视觉感知能力，包括对亮度、颜色、纹理等视觉信息的敏感度。HSV的特性表明，人眼对亮度的变化比对色度的变化更为敏感，而且对于图像中的高频细节（如噪声）不如对低频细节（如边缘）敏感。在图像分割和识别中，利用HSV的特性可以优化算法，减少计算量，同时保持或提高识别的准确性。
1.3.3 HSI颜色空间
HSI颜色空间是一个基于人眼对颜色感知的模型。在图像分割中，使用HSI颜色空间可以更直观地处理颜色信息，因为色调和饱和度与人的感知更为接近。例如，在肤色检测或特定颜色物体的识别中，HSI颜色空间可能会提供更好的结果。
1.3.4 Lab颜色空间
Lab颜色空间是一种广泛应用于颜色表示和转换的颜色空间。Lab颜色空间的色域非常宽广，包含了人眼可以感知的所有颜色。在图像分割和识别任务中，Lab颜色空间有助于在颜色的明度、色调和饱和度上进行精确的区分，从而提高分割的准确性。利用式（2）还可以计算总色度E*ab的值。
（2）
在MATLAB中，可以使用内置函数方便地在这些颜色空间之间进行转换，并利用它们的特性来优化图像分割和识别算法。选择哪种颜色空间取决于具体的应用场景和所需处理的图像特性。
2 结果与分析
在对中药图像进行处理的过程中，包括图像的读取、处理、分析和显示几个环节。
2.1 图像的读取
读取图像时使用了uigetfile函数，让使用者从文件系统中选择所需要识别的中药图像文件。每次选择的图像都会显示在GUI中的不同axes上，如图1所示。
2.2 图像的预处理
读取原始图像之后，使用size函数计算图像大小，包括图像的行数、列数和颜色通道数。然后创建一个零矩阵，将RGB图像的每个像素值通过灰度化处理转换为灰度值，具体如式（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均值计算中可能存在计算目标区域不确定的问题，因此需要对图像进行其他预处理来准确确定目标区域。首先使用Sobel算子检测灰度化图像，并生成一个二值图像BWs，完成边缘检测与后处理；再对二值图像BWs进行膨胀操作，使用水平和垂直方向的线性结构元素，即图像膨胀；使用imfill函数填充膨胀后的二值图像中的内部空隙；使用imclearborder函数删除填充后的二值图像中边界上的连通对象；对删除边界对象后的二值图像进行两次侵蚀操作，使用钻石形结构元素；在界面中显示平滑后的二值图像（BWfinal），如图2所示。最后使用sum（sum（BWfinal==1））计算二值图像中白色像素（即目标区域）的数量，使用find函数找到二值图像中所有黑色像素（即非目标区域）的索引，并存储在target中。
2.3 色度值提取
通过上述处理之后，接下来就是RGB特征值的提取，如图3所示。由于RGB值受外界光线的影响较大，为了提高中药材识别的鲁棒性，尤其是在不同光照条件下的识别能力，本研究采用了HSV模型、HSI模型、Lab模型对RGB值进行了转换，将RGB颜色值转换为HSV、HSI或Lab色度值的方法。这些色彩空间的设计注重于颜色的感知属性，从而减少了光线变化对识别过程的影响。特别是HSV色彩空间中的色相（H）和饱和度（S）对光照强度变化不敏感，使得在不同光照环境下，同一物体的感知颜色更为一致。图3是三种姜类的图像处理结果与特征值提取结果的显示界面。
由图3可见，三种姜类的不同色度值都有差异。在RGB模型中，三种姜的各色度值存在一定差异，但不同光线条件下对处理结果存在一定的影响。在HSV和HSI模型中，三种姜类的色相H、明度V和强度I差异比较大，饱和度S差异不明显。目前已有研究通过HSV和HSI分析发现山楂[11]、九蒸九制何首乌[12]、白附子[13]和天南星饮片[14]的颜色值与有效成分之间存在一定的相关性。由此，可以通过H、V和I作为中药色泽识别的依据。在Lab模型中，三种姜类的L、a、b值都有明显差异。根据L、a、b的值和式（2），可以计算出三种姜类的E*ab值分别为9.303 420×101、3.457 741×101和1.780 107×101。可见，通过L、a、b值和E*ab值均能够很好地将三种姜进行区分。杜伟锋[15]等对不同炮制程度下薏苡仁生品、炮制不及薏苡仁饮片、麸炒薏苡仁饮片和炮制太过薏苡仁饮片的L、a、b值分别进行了检测，计算得到E*ab，通过与9种成分含量的线性分析发现，不同炮制程度薏苡仁的亮度、色度值不一样，且与指标性成分含量有显著相关性，进一步说明可以通过色泽及色度值判断中药的炮制程度并实行中药质量的控制。
3 结 论
通过实验研究发现，利用MATLAB和图像处理技术可以比较客观地给出中药的相应颜色参数值，可以对给定类别与炮制形式的中药材的各种色度值确定一个参考范围，用于中药炮制程度的评价、中药材分类，以及中药材质量的鉴别。通过GUI界面设计，可以帮助使用者更加直观、快速地进行比较、判断与操作。
当然，本研究还只是一个初步的结果，后续还有许多需要改进与完善的地方，比如算法优化、与传统中医药识别方法相结合，等等。
参考文献：
[1] 孙嘉辰，李霞，王莹，等.中药加工炮制过程中质量标志物的研究进展 [J].中草药，2020，51（10）：2593-2602.
[2] 刘莹，徐志尧，陈丽佳.探讨中药饮片炮制与临床疗效的关系 [J].继续医学教育，2021，35（5）：166-168.
[3] 朱月健，尹磊，段体斌，等.不同中药炮制方法对中药饮片的疗效影响 [J].中国卫生标准管理，2020，11（18）：93-95.
[4] 徐曼菲.中药红花辨色论质方法学研究 [D].北京：北京中医药大学，2016.
[5] 徐曼菲，吴志生，刘晓娜，等.从辨色论质谈中药质量评价方法 [J].中国中药杂志，2016，41（2）：177-181.
[6] 艾莉，陈君程，张继良，等.基于色彩色差计的川楝子炮制前后含量和颜色变化 [J].成都中医药大学学报，2011，34（4）：81-83+90.
[7] 李涛，莫雪林，程雪娇，等.中药饮片“炮制经验”客观化研究的思考 [J].时珍国医国药，2016，27（12）：2919-2922.
[8] 黎江华，吴纯洁，孙灵根，等.基于机器视觉技术实现中药性状“形色”客观化表达的展望 [J].中成药，2011，33（10）：1781-1784.
[9] 吴建华，刘婧，吴志瑰，等.颜色量化及其在中药中的应用研究进展 [J].江西中医药大学学报，2016，28（5）：114-115+119.
[10] 解达帅.基于智能感官技术和模式识别的中药炮制“火候”的研究 [D].成都：成都中医药大学，2017.
[11] 黎量，杨诗龙，胥敏，等.基于颜色及成分动态变化的山楂炮制机理初探 [J].中成药，2015，37（7）：1530-1533.
[12] 宋晨鸽，马彦江，姚超，等.九蒸九制何首乌色泽与二苯乙烯苷、蒽醌类成分的相关性分析 [J].中国医院药学杂志，2021，41（8）：783-789.
[14] 王梦伟，王梦珂，李蒙恩，等.基于AHP—熵权法的天南星饮片颜色与有效成分相关性研究 [J].时珍国医国药，2022，33（11）：2648-2652.
[15] 杜伟锋，汤璐璐，朱伟豪，等.基于色度原理的薏苡仁炮制过程颜色与化学成分相关性分析 [J].药物分析杂志，2022，42（8）：1391-1399.
作者简介：陈庆梅（1974—），女，汉族，湖北钟祥人，副教授，博士，研究方向：生物医学信息检测与分析。
