舌诊是中医诊断过程中的一种重要辅助手段,医生通过对病人舌头的观察可对病情有一定了解。依传统而言,这种诊断方法过于依赖医生主观判断而容易出现误诊等问题,故对于中医舌诊自动化、标准化的研究逐渐成为热门,很多研究都致力于建立一套客观、标准的舌诊自动分析系统。舌诊自动分析系统的建立包括两个部分:硬件部分和软件部分,而软件部分中对于舌体图像分割的研究有着极其重要的意义,本课题的研究重点便集中于对舌体图像分割算法的研究。对舌体特征进行自动分析进而了解病情的前提是能够将非舌体部分分离出去而仅保留待分析的舌体部分,非舌体部分主要包括嘴唇与外围皮肤等杂乱的背景,由于嘴唇和脸部皮肤与舌体的颜色非常相近,这些部分的存在会严重影响舌体的颜色、舌苔纹理等特征的自动分析,最终会对诊察结果造成一定的影响。因此能够完整而准确地将舌体分割出来对后续的分析等研究具有重要意义,这一过程对于舌体图像分割算法的要求比较高。本课题对随机游走算法进行了研究,该方法基于图论,有着扎实的理论基础。目前,将随机游走算法应用于舌体图像分割中的研究非常有限。相较于现有常用的舌体图像分割算法,随机游走算法有着明显的优势,本课题将其应用于舌体图像的分割中,对大量舌体数据进行测试,并对其分割效果进行了定量评估,结果表明该方法对于舌体图像的分割效果很好,准确率能够达到94.3%。传统的随机游走是一种半自动分割方法,依赖人工手动选取初始种子点,为了实现自动分割,解决初始种子点自动选取的问题则是重点与难点。本课题提出了基于初始区域和位置信息、基于种子点特征信息的两种改进方法,实现了初始种子点的自动选取,使传统随机游走的半自动分割方法能够实现舌体图像的自动分割,通过测试大量舌图数据对改进方法进行定量评估,结果表明两种改进方法准确率均能达到74%左右。最后,本课题对自主研发的舌诊软件系统进行了改进,将本文研究的基于随机游走的算法整合其中,旨在帮助临床医生实现舌诊的自动化与标准化。