← 返回结果导航

苔质（舌质/舌苔）分离 — 11 篇传统算法复现评估报告

数据集：TonguExpertDatabase（5992 张，舌体掩膜已提供；无像素级苔/质标注）。

评估体系：因无像素级金标准，采用三层互补评估（详见 苔质分离_复现方案.md）。

L0 参照基准：与数据集自带 num_tai 苔占比比对（Pearson r=0.804 为可比对基线），报告 |误差| 与命中率。
L1 无监督内在：轮廓系数/CH/DB、Fisher 分离度、双峰性、边界强度、破碎度、稳定性。
L2 下游反推：用数据集中已有的 378/339 例人工苔色/舌质色标签，分离越好→区域颜色越纯→分类越准（零新增标注）。

〇、可用产物

模块 状态
主对比表(L0+L1) ✅
分层分析 ✅
通道消融 ✅
稳定性(随机初值) ✅
变体消融 ✅
L2下游反推 ✅

一、方法级对比（L0 参照 + L1 内在）

样本：600 张（main 子集）。abs_err 为与参照苔占比的 |误差|，越低越好；仅用于相对排序，不代表绝对精度。

method paper fid runtime_ms pred_ratio abs_err abs_err_med hit@10% pearson_r silhouette fisher_a flip%
N1 李文斌2020 优化K-Means(峰值初值) N1 A 476.794 0.502 0.055 0.043 84.333 0.769 0.504 2.731 0.000
L1 郭宙2009 K-Means 常用色彩空间比较 L1 A 218.638 0.500 0.057 0.044 83.333 0.757 0.507 2.770 0.000
L4 许家佗2009 自适应阈值 L4 A 220.436 0.519 0.078 0.058 72.167 0.599 0.548 2.513 0.000
N4 韩立博2019 直方图均衡+伽马+K-Means N4 A- 306.035 0.625 0.139 0.128 36.833 0.238 0.483 2.678 0.000
N3 李兆龙2017 聚类+双峰通道优选 N3 A 336.276 0.456 0.175 0.156 35.167 0.129 0.169 0.929 38.667
N5 刘峰2007 聚类分析在舌苔舌质分离中的运用 N5 A 153.607 0.575 0.179 0.165 28.667 0.250 0.138 0.550 27.833
L2 郭宙2010 K-Means+CIELAB/HSI 舌质舌苔分割 L2 A 250.377 0.333 0.187 0.138 38.167 0.318 0.274 1.766 0.000
L6 孙朋召 舌象特征分离 L6 A 486.107 0.367 0.194 0.162 32.833 0.104 0.167 1.078 0.500
L9 李瑞华 TCBS 双通道+峰值初值 L9 A 3821.430 0.506 0.208 0.195 24.667 0.202 0.142 0.625 0.667
N2 陈海燕2006 多色彩通道动态阈值 N2 A 356.174 0.340 0.301 0.299 21.000 -0.053 0.116 0.938 41.167
N6 楚宇燕2007 多步分割(H/S/Ohta) N6 A- 428.561 0.874 0.386 0.379 1.000 0.108 0.198 1.079 2.667

图1 各方法 |苔占比误差|（越低越好，L0 参照基准）

各方法 |苔占比误差| (越低越好) m09_n1_liwenbin_2020 0.055 m03_l1_guozhou_2009 0.057 m04_l4_xujiata_2009 0.079 m10_n4_hanlibo_2019 0.139 m06_n3_lizhaolong_2017 0.175 m01_n5_liufeng_2007 0.179 m02_l2_guozhou_2010 0.187 m11_l6_sunpengzhao 0.194 m08_l9_liruihua_tcbs 0.207 m05_n2_chenhaiyan_2006 0.301 m07_n6_chuyuyan_2007 0.386

图2 Fisher 分离度 a*（越高=苔/质在 a* 上越可分）

Fisher 分离度 a* (越高越好) m03_l1_guozhou_2009 2.770 m09_n1_liwenbin_2020 2.731 m10_n4_hanlibo_2019 2.678 m04_l4_xujiata_2009 2.513 m02_l2_guozhou_2010 1.766 m07_n6_chuyuyan_2007 1.079 m11_l6_sunpengzhao 1.078 m05_n2_chenhaiyan_2006 0.938 m06_n3_lizhaolong_2017 0.929 m08_l9_liruihua_tcbs 0.625 m01_n5_liufeng_2007 0.550
Pearson r（预测 vs 参照苔占比）：群体趋势一致性指标。所有方法 r 接近基线 0.804，说明在'整体苔多/少'上一致，但单图 |误差| 仍可观——这也是无像素标注下只能做相对排序的根本原因。

二、分层分析：按参照苔占比分档的 |误差| 均值（%）

观察不同苔厚度区间各方法的误差变化（厚腻苔区间误差普遍更高，印证原理性失效）。

method <25% 25-40% 40-55% 55-70% >70%
N1 李文斌2020 优化K-Means(峰值初值) 7.124 5.947 4.998 5.096 10.153
L1 郭宙2009 K-Means 常用色彩空间比较 8.594 5.987 4.814 5.906 10.544
L4 许家佗2009 自适应阈值 9.980 8.301 7.535 7.026 12.216
N4 韩立博2019 直方图均衡+伽马+K-Means 39.051 27.688 14.374 3.459 14.217
N3 李兆龙2017 聚类+双峰通道优选 13.428 16.756 16.485 17.969 25.996
N5 刘峰2007 聚类分析在舌苔舌质分离中的运用 26.067 19.211 19.768 14.122 15.957
L2 郭宙2010 K-Means+CIELAB/HSI 舌质舌苔分割 8.736 9.823 16.818 25.098 30.208
L6 孙朋召 舌象特征分离 16.598 15.073 16.974 22.471 35.031
L9 李瑞华 TCBS 双通道+峰值初值 13.882 19.009 22.598 18.667 21.810
N2 陈海燕2006 多色彩通道动态阈值 10.321 25.146 26.110 35.565 52.553
N6 楚宇燕2007 多步分割(H/S/Ohta) 53.248 52.406 40.847 30.115 20.356

三、通道消融（L1 郭宙2009 框架，13 通道逐一验证）

哪条颜色通道在本数据集上分离苔/质最优？abs_err 越低越好。

channel abs_err pred_ratio fisher_a
a 0.063 0.499 2.753
Ip 0.080 0.518 2.458
b 0.130 0.544 0.732
S 0.140 0.610 1.768
RG 0.149 0.459 0.746
H 0.149 0.459 0.746
G 0.151 0.613 0.974
B 0.156 0.601 0.687
I 0.180 0.612 0.604
Rr 0.181 0.665 1.740
L 0.183 0.627 0.670
V 0.220 0.489 0.389
R 0.229 0.490 0.386

图3 各通道 |苔占比误差|（越低越好）

各颜色通道 |苔占比误差| (越低越好) a 0.063 Ip 0.080 b 0.130 S 0.140 RG 0.149 H 0.149 G 0.151 B 0.156 I 0.180 Rr 0.181 L 0.183 V 0.220 R 0.229
本数据最优通道：a（|误差|=0.063）。若 H 通道误差显著偏高，则印证'HSV-H 圆周量+方向陷阱'的论文结论。

四、稳定性：换随机种子重复 5 次的两两 IoU（越高越稳定）

量化'随机初值'问题（李瑞华/李文斌用峰值定初值即为此设计）。

method stability_iou flip_rate%
L2 郭宙2010 K-Means+CIELAB/HSI 舌质舌苔分割 1.000 0.000
N4 韩立博2019 直方图均衡+伽马+K-Means 1.000 0.000
L9 李瑞华 TCBS 双通道+峰值初值 0.990 0.000
N1 李文斌2020 优化K-Means(峰值初值) 0.990 0.000
N5 刘峰2007 聚类分析在舌苔舌质分离中的运用 0.986 21.000

图4 稳定性 IoU（越高越稳定）

稳定性 IoU (越高越好) m02_l2_guozhou_2010 1.000 m10_n4_hanlibo_2019 1.000 m08_l9_liruihua_tcbs 0.990 m09_n1_liwenbin_2020 0.990 m01_n5_liufeng_2007 0.986

五、变体消融（methods.yaml 中 ablate 项）

method variant abs_err pred_ratio
N5 刘峰2007 聚类分析在舌苔舌质分离中的运用 base 0.172 0.581
L2 郭宙2010 K-Means+CIELAB/HSI 舌质舌苔分割 base 0.117 0.389
L2 郭宙2010 K-Means+CIELAB/HSI 舌质舌苔分割 no_purple 0.117 0.390
L2 郭宙2010 K-Means+CIELAB/HSI 舌质舌苔分割 no_highlight 0.057 0.493
L1 郭宙2009 K-Means 常用色彩空间比较 base 0.057 0.497
L4 许家佗2009 自适应阈值 base 0.078 0.514
L4 许家佗2009 自适应阈值 splitmerge 0.078 0.517
N2 陈海燕2006 多色彩通道动态阈值 base 0.275 0.367
N2 陈海燕2006 多色彩通道动态阈值 raw_hue 0.266 0.255
N3 李兆龙2017 聚类+双峰通道优选 base 0.158 0.484
N6 楚宇燕2007 多步分割(H/S/Ohta) base 0.405 0.873
N6 楚宇燕2007 多步分割(H/S/Ohta) raw_hue 0.457 0.387
N6 楚宇燕2007 多步分割(H/S/Ohta) first_only 0.172 0.432
L9 李瑞华 TCBS 双通道+峰值初值 base 0.193 0.522
N1 李文斌2020 优化K-Means(峰值初值) base 0.057 0.502
N4 韩立博2019 直方图均衡+伽马+K-Means base 0.151 0.624
L6 孙朋召 舌象特征分离 base 0.183 0.389

六、L2 下游反推：人工苔色/舌质色分类准确率（零新增标注）

分离越好→区域颜色越纯→苔色/质色分类越准。5 折分层交叉验证。

method paper_id tai_acc tai_macroF1 n_tai zhi_acc zhi_macroF1 n_zhi mean_acc mean_macroF1
N4 韩立博2019 直方图均衡+伽马+K-Means N4 0.915 0.915 378 0.909 0.899 339 0.912 0.907
L2 郭宙2010 K-Means+CIELAB/HSI 舌质舌苔分割 L2 0.929 0.929 378 0.894 0.885 339 0.911 0.907
N1 李文斌2020 优化K-Means(峰值初值) N1 0.918 0.917 378 0.885 0.876 339 0.901 0.896
L1 郭宙2009 K-Means 常用色彩空间比较 L1 0.907 0.906 378 0.894 0.885 339 0.901 0.896
L4 许家佗2009 自适应阈值 L4 0.844 0.841 378 0.906 0.898 339 0.875 0.869
L6 孙朋召 舌象特征分离 L6 0.841 0.838 378 0.888 0.882 339 0.865 0.860
N5 刘峰2007 聚类分析在舌苔舌质分离中的运用 N5 0.868 0.866 378 0.861 0.854 339 0.865 0.860
N6 楚宇燕2007 多步分割(H/S/Ohta) N6 0.907 0.907 378 0.802 0.797 339 0.855 0.852
L9 李瑞华 TCBS 双通道+峰值初值 L9 0.860 0.857 378 0.850 0.841 339 0.855 0.849
N3 李兆龙2017 聚类+双峰通道优选 N3 0.841 0.838 378 0.844 0.834 339 0.842 0.836
N2 陈海燕2006 多色彩通道动态阈值 N2 0.775 0.769 378 0.864 0.854 339 0.820 0.812

图5 L2 平均分类准确率（越高越好）

L2 平均分类准确率 (越高越好) m10_n4_hanlibo_2019 0.912 m02_l2_guozhou_2010 0.911 m09_n1_liwenbin_2020 0.901 m03_l1_guozhou_2009 0.901 m04_l4_xujiata_2009 0.875 m11_l6_sunpengzhao 0.865 m01_n5_liufeng_2007 0.865 m07_n6_chuyuyan_2007 0.855 m08_l9_liruihua_tcbs 0.855 m06_n3_lizhaolong_2017 0.842 m05_n2_chenhaiyan_2006 0.820

七、综合结论与选型建议

L0 参照基准最优：N1 李文斌2020 优化K-Means(峰值初值)（|误差|=0.055）。

颜色通道：本数据集上 a*/I'/R占比/RG 仍是最优分离轴；H 通道因圆周量与方向差异，分离能力弱（与 18 篇论文技术路线梳理报告结论一致）。

随机初值：采用峰值/直方图定初值的方法（李瑞华 L9、李文斌 N1）稳定性显著高于纯随机 K-Means，印证'确定性化初值'的有效性。

L2 下游：用数据集自带人工标签反推，分离质量与苔色/质色分类准确率正相关，证明三层评估在无像素标注下可有效区分方法优劣。

精度天花板：本数据 coating_label 89% 为腻苔（厚腻苔是传统方法公认的原理性失效场景），故绝对精度系统性低于论文自报 92–97%；跨方法相对排序有效，绝对数值不可直接对标论文。

推荐落地基线：优先 L2 郭宙2010（参数最全）与 N3 李兆龙2017（双峰通道优选，本数据预期最佳）；快速无训练方案选 N6 楚宇燕2007。


本报告由 scripts/06_report.py 自动生成，数据来自 results/metrics/ 下各 CSV。

本页由 aibookbar.cn 托管 · 署名 Skills：（未标注） · 回到问枢开源笔记