随着中医药的发展,越来越多的人开始关注舌诊,舌诊有很强的辅助诊疗效果,通过舌诊可以较为全面地判断人的身体健康。如今计算机技术日新月异,数字化舌诊开始普及,数字化舌诊采集舌象图片分为标准环境和开放环境。在开放环境自然光照条件下采集的舌象图片往往会被拍摄角度和复杂背景影响,为舌诊的分析带来挑战。本文基于开放环境下的舌象图片,采用深度学习的方法,从舌象的检测和分割两个角度展开研究,分割出可供后续中医诊断疾病的舌象,主要研究内容有:1.在开放环境下拍摄的舌象图片往往含有太多杂乱的背景,拍摄出的舌象大小不一,甚至拍摄出的图片不含有舌体。针对上述问题提出了一种基于改进的SSD网络模型的舌象检测算法。本文使用深度可分离卷积提取舌象的特征,减少网络参数,在网络中添加特征图提高网络的特征提取能力。然后修改网络的检测类别,在获得检测网络生成的舌体检测框后,定位检测框的坐标位置,并对图片进行裁剪,得到裁剪出的只含有舌体区域的舌象图片。2.针对检测出的舌象图片仍然存在的面部、嘴唇、牙齿等干扰信息,提出了一种基于改进的DeeplabV3+网络模型的舌象分割算法。首先对网络输出类别进行修改,把分割目标分为舌体和背景。然后把该语义分割网络的骨干网络换成轻量级的网络,并在网络中添加注意力机制,使用开放环境下的舌象图片输入到语义分割网络中进行训练,最后根据分割结果把舌体区域还原成初始的颜色,从而得到所需要的只含有舌体的舌象图片。3.中医舌象图片分割系统的设计与实现。本文根据舌象图片的检测和分割算法,设计并实现中医舌象图片分割系统的对应功能模块。将研究结果融入舌象分割系统中,根据需求分析和相应的数据库等模块的设计,实现舌象的采集模块、检测模块和舌体分割模块,从而满足人们对开放环境下的舌象分割的需求。本文围绕舌象图片分割问题,通过在开放环境下对舌象的采集、检测和分割,获得了完整的舌体目标,并设计出了中医舌象图片分割系统,为后续中医舌象的分析打下坚实的基础,为数字化舌诊贡献自己的力量。