中医舌面诊可以识别内脏病变,在中医领域具有重要地位,然而当前舌面诊多依赖中医师的主观经验,其客观化研究不够全面且无法很好地在实际中运用。基于这些情况,本文研究了中医舌面象特征提取算法,搭建了中医舌面象采集系统,实现特征的提取和采集过程的系统化,使得中医望诊可以在人类健康事业中发挥更大的作用。本文分析和整理现有舌面象特征提取算法,针对现有算法存在的不足,设计了更为全面合理的舌面象特征提取算法,可分为舌诊算法和面诊算法两大部分。在舌诊部分,本文的主要工作包括舌定位、分割以及特征提取,具体如下:通过多任务卷积神经网络（Multi-Task Convolutional Neural Network,MTCNN）定位舌在人脸的位置,舌定位的准确率可以达到95.5%;通过高斯混合模型实现舌分割,达到与背景分离的效果;采用支持向量机（Support Vector Machine,SVM）实现舌色和苔色的分类;分别采用模板匹配法、反高斯掩膜法、分水岭算法、凸包检测法提取点刺、裂纹、瘀斑和齿痕等舌质特征;通过舌口宽度比等参数提取舌形特征;分别采用K-means聚类、Gabor纹理特征、U-Net网络提取厚薄、腐腻和剥落等苔质特征。通过验证,上述方法提取舌象特征的准确率大多可达90%以上。在面诊部分,本文设计了面部和脏腑对应的面部分区算法,具体如下:通过MTCNN定位人脸五官特征点,准确率可达99.6%;利用五官特征点坐标与脏腑在面部分区的对应关系实现面分割;通过SVM分类器对各区域颜色以及对应脏腑寒热进行分类。上述工作实现了反映脏腑寒热的“颜面-脏腑”模型搭建。最后,本文基于QT平台搭建了舌面象采集系统,同时使用上述算法对采集到的98例糖尿病患者舌面象数据进行统计分析。结果表明,糖尿病患者的舌象多有舌红、舌胖、舌齿痕、苔黄或黄白相兼、苔厚的特点;依据面象特征发现患者多脾热、肺热。上述舌面象特征均与糖尿病病机相吻合,证明了本文设计的舌面象特征提取算法在疾病诊断中的辅助作用。