舌诊是传统中医的重要诊断方法之一。近年来,随着图像处理和机器学习技术的发展,计算机舌诊系统的研究受到越来越广泛的关注。完整的计算机舌诊系统分为舌象采集、舌体分割和舌象识别分析三部分,并利用图像处理和机器学习相关技术完成对舌象信息的识别和分类,最终得到诊断结果。考虑到舌诊系统应适用于各种平台,以便更好地推广中医舌诊技术,本文将致力于研究不依赖于采集条件的舌体分割和舌象识别方法。本文所做的工作分为舌体分割和舌象识别两部分:舌体分割是计算机舌诊系统的首要工作和关键技术,本文提出一种由粗定位到精确分割的舌体分割方法。该方法第一步是对舌体进行粗定位。首先利用肤色检测算法去除复杂背景;然后在HSV色彩空间中对H分量进行平移;最后采用均值漂移算法对HSV分量进行平滑,并在L*a*b*色彩空间中提取出粗定位结果。第二步是实现精确分割。首先利用形态学技术得到前景标记,并将前景标记与定位结果合成新的前景标记;然后采用分水岭算法进行分割;最后采用测地线轮廓模型得到最终精确分割结果。在舌象识别部分,本文提出了一种对点刺和瘀点的识别与提取方法。该方法第一步是进行点刺和瘀点舌象识别。首先利用斑点检测算法检测斑点;然后计算斑点数量、大小和分布等特征值,并生成特征向量;最后使用支持向量机得到分类模型。第二步是进行点刺和瘀点提取。首先更换斑点检测参数得到第二次检测结果,并提取出斑点颜色特征;然后使用K-均值聚类将斑点检测结果聚类为多个小类簇;最后,通过定义基于加权颜色空间距离的判别函数,把以上聚类结果同第一次斑点检测结果对比,最终提取出点刺和瘀点。实验结果表明,本文提出的舌体分割算法对于各种采集条件下的舌诊图像都有很好的分割效果。舌象识别部分,点刺和瘀点的识别正确率达到了97.4%,提取的误检率为6.0%,漏检率为10.1%,表明了本文方法的有效性和应用前景。