【正文】 sel detection include segmentation technique, tracking techniques and fitting techniques. This thesis arms to study the minimalpath based tracking algorithm and the corresponding implementation techniques. The main contributions are the follows: 1) presented a brief review of various published detection methods of retinal vessels。盡我所知，除文中特別加以標(biāo)注和致謝的地方外，不包含其他人或組織已經(jīng)發(fā)表或公布過的研究成果，也不包含我為獲得 及其它教育機(jī)構(gòu)的學(xué)位或?qū)W歷而使用過的材料。臨床上,視網(wǎng)膜血管網(wǎng)絡(luò)對(duì)高血壓、糖尿病、動(dòng)脈硬化、腎炎等疾病的診斷、治療、愈后評(píng)價(jià)都具有重要意義 [23]。目前視網(wǎng)膜血管的檢測(cè)方法已有不少，但是基于 Canny 算子與數(shù)學(xué)形態(tài)學(xué)濾波相結(jié)合的方法算法尚未見發(fā)表。該方法既可有效地抑制圖像中的噪聲，有可保持邊緣的連通性，是一種較理想的邊緣檢測(cè)算子。圖象的邊緣部分集中了圖象的大部分信息，圖象邊緣的確定與提取對(duì)于整個(gè)圖象場(chǎng)景的識(shí)別與理解是非常重要的，同時(shí)也是圖象浙江省“新苗人才計(jì)劃”項(xiàng)目 視網(wǎng)膜血管分割系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn) 項(xiàng)目研究報(bào)告6分割所依賴的重要特征，邊緣檢測(cè)主要是圖象的灰度變化的度量、檢測(cè)和定位。 基于 Laplacian算子的視網(wǎng)膜圖像的分割方法Laplacian 算子是常用的邊緣檢測(cè)算子。圖11（a）表示離散拉普拉斯算子的模板，圖11（b）表示其擴(kuò)展模板，從模板形式容易看出，如果在圖像中一個(gè)較暗的區(qū)域中出現(xiàn)了一個(gè)亮點(diǎn)，那么用拉普拉斯運(yùn)算就會(huì)使這個(gè)亮點(diǎn)變得更亮。 11(a) 11(b) 基于 Sobel算子的視網(wǎng)膜圖像的分割方法Sobel 算子在圖像上求出二維的空間梯度，和梯度高的區(qū)域與邊緣的區(qū)域相浙江省“新苗人才計(jì)劃”項(xiàng)目 視網(wǎng)膜血管分割系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn) 項(xiàng)目研究報(bào)告7一致。而 LOG 算子比 Laplacian 算子多做的就是它是先對(duì)圖像進(jìn)行了 Gauss 平滑。圖像采集主要完成視網(wǎng)膜原始圖像的獲取及保存任務(wù)，然后經(jīng)過預(yù)處理階段進(jìn)行圖像的去噪、平滑等操作，形成標(biāo)準(zhǔn)視網(wǎng)膜數(shù)據(jù)庫(kù)，再對(duì)這些數(shù)據(jù)庫(kù)中的圖像進(jìn)行算法處理，然后保存處理以后的圖片以進(jìn)行不同的算法之間的比較。以一個(gè)人采集為例：第一步，將 Nommyd7 免散瞳眼底相機(jī)跟計(jì)算機(jī)連接好。具體命名方法如下：每幅圖像用二個(gè)字段表示 ，即表示為 AB. bmp 的形式。這樣命名，對(duì)于較小的環(huán)境而言，是有好處的，可以直接通過命名，得知這是誰(shuí)的視網(wǎng)膜。這也是我們這個(gè)系統(tǒng)第一步要做的事情。算法：1) 取得圖像文件的拷貝文件；2) 取得圖像的數(shù)據(jù)區(qū)指針，得到 R，G，B 三個(gè)分值；3) 對(duì) R，G，B 三個(gè)分量做比較，gray=max（R，G，B） ；4) 將 gray 返回給 R，G，B 三個(gè)分量；5) 顯示圖像。并在此基礎(chǔ)上提出了一個(gè)實(shí)用算法。(3)對(duì)同一邊緣僅有唯一的響應(yīng)，即單個(gè)邊緣產(chǎn)生多個(gè)響應(yīng)的概率要低，并且虛假邊緣應(yīng)受到極大的抑制。一般通過計(jì)算梯度幅值完成。通俗的講，高斯濾波就是對(duì)整幅圖像進(jìn)行加權(quán)平均的過程，每一個(gè)像素點(diǎn)的值，都由其本身和鄰域內(nèi)的其他像素值經(jīng)過加權(quán)平均后得到。 計(jì)算梯度與梯度幅值這一部分是以 F(x,y)為基礎(chǔ)的，要求出 F(x,y)的梯度則必須要求出 F(x,y)的 x 偏導(dǎo)和 y 偏導(dǎo)。X偏導(dǎo)與Y偏導(dǎo)分別為一下兩個(gè)。M[i,j]是梯度幅值。其實(shí)可以說是4個(gè)方向，因?yàn)檫@個(gè)鄰域是對(duì)稱。在每一個(gè)點(diǎn)上, 鄰域的中心像素 m [ i, j ]與沿梯度方向的 2 個(gè)梯度幅值的插值結(jié)果進(jìn)行比較。然后就是拿中間的那個(gè)值與8和4這兩個(gè)位置的像素進(jìn)行比較，如果不是最好的則將其設(shè)置為0，不然則這個(gè)像素就是邊緣的極值點(diǎn)。 Canny算法的缺點(diǎn)(1) Canny算法在求梯度的時(shí)候，由于模板的不同會(huì)有很大的不同。膨脹和腐蝕是數(shù)學(xué)形態(tài)學(xué)的2種最基本運(yùn)算，由這2種基本運(yùn)算可以組成多種復(fù)合運(yùn)算，產(chǎn)生各種形態(tài)學(xué)實(shí)用算法。(x,y) ∈D } ○ + f b其中，f(x,y)和 b(x,y)表示定義在二維離散空間 D 和 D 上的兩個(gè)離散函fb數(shù)，f(x,y)表示輸入圖像，b(x,y)表示結(jié)構(gòu)元素； 腐蝕：是膨脹的對(duì)偶運(yùn)算，表示用結(jié)構(gòu)元素 b 對(duì)圖像 f 進(jìn)行檢測(cè)，尋找圖像內(nèi)部可以容納該元素的區(qū)域，若原點(diǎn)在結(jié)構(gòu)元素內(nèi)部，則腐蝕具有收縮圖像作用；若原點(diǎn)不在結(jié)構(gòu)元素內(nèi)部，則可用于填充圖像內(nèi)部的孔洞；同樣，其離散形式的變換如下：(f ?b) (s,t)=min{f(s+x,t+y)b(x,y)︱(s+x,t+y) ∈D 。這個(gè)數(shù)學(xué)形態(tài)學(xué)主要做的是前期的工作，而 Canny算法本身應(yīng)該說是不變的。本文中數(shù)學(xué)形態(tài)學(xué)主要用于前期的圖像去噪。因?yàn)閿?shù)學(xué)形態(tài)學(xué)是基于信息的幾何特征，預(yù)先定義了結(jié)構(gòu)元素，所以能達(dá)到既能消除噪聲又能很好的保留圖像的信息。 浙江省“新苗人才計(jì)劃”項(xiàng)目 視網(wǎng)膜血管分割系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn) 項(xiàng)目研究報(bào)告16第 3章 實(shí)驗(yàn)結(jié)果 實(shí)驗(yàn)結(jié)果實(shí)驗(yàn)的結(jié)果是通過 5 個(gè)人的視網(wǎng)膜進(jìn)行邊緣識(shí)別。雖然從這張照片中看不去數(shù)學(xué)形態(tài)學(xué)的很大的優(yōu)勢(shì)，但是如果當(dāng)照片原圖沒有那么好的情況下，則優(yōu)勢(shì)就很明顯了。本文主要的研究工作和成果體現(xiàn)在如下幾個(gè)方面:1).對(duì) Sobel，Reberts，Laplacian，LOG，Canny 幾種常見算法進(jìn)行了比較，然后通過對(duì)不同質(zhì)量照片的出來，來發(fā)現(xiàn)它們的優(yōu)點(diǎn)和缺點(diǎn)。并對(duì)數(shù)學(xué)形態(tài)學(xué)也有了一定的掌握的，數(shù)學(xué)形態(tài)學(xué)是一門新興的、以形態(tài)為基礎(chǔ)對(duì)圖像進(jìn)行分析的學(xué)科,它用具有一定形態(tài)的結(jié)構(gòu)元素去度量和提取圖像中的對(duì)應(yīng)形狀以實(shí)現(xiàn)對(duì)圖像的分析和識(shí)別、邊緣檢測(cè)等圖像預(yù)處理問題中有著明顯的優(yōu)勢(shì)。尤其是在一些核心算法的研究上，如何針對(duì)視網(wǎng)膜圖像的特點(diǎn)，提出更高效的邊緣提取算法，是后續(xù)研究工作的重點(diǎn)。作為新興的生物特征身份識(shí)別技術(shù)，視網(wǎng)膜識(shí)別憑借其高度的準(zhǔn)確性，已經(jīng)得到學(xué)術(shù)界和企業(yè)界越來越廣泛的關(guān)注。private:int m_imgWidthOut。ImgSegment(CSize size,int nBitCount,LPRGBQUAD lpColorTable,unsigned char *pImgData)。void Canny()。//求梯度的函數(shù) //閾值估計(jì)void EstimateThreshold(unsigned char * imgIn, int nWidth, int nHeight, int *pnThdHigh,int *pnThdLow, unsigned char * imgOut, double dRatioHigh, double dRationLow)。private://模板卷積函數(shù)void TemplateEdge(unsigned char * imgIn,int width,int height,int nBitCount,int *mask,int maskW,int maskH,unsigned char *amp。G_mask[0] = 2。浙江省“新苗人才計(jì)劃”項(xiàng)目 視網(wǎng)膜血管分割系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn) 項(xiàng)目研究報(bào)告23G_mask[4] = 2。G_mask[8] = 9。G_mask[12] = 15。G_mask[16] = 9。G_mask[20] = 2。G_mask[24] = 2。Grad_maskX[1] = 0。Grad_maskX[5] = 1。Grad_maskY[0] = 0。Grad_maskY[4] = 0。浙江省“新苗人才計(jì)劃”項(xiàng)目 視網(wǎng)膜血管分割系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn) 項(xiàng)目研究報(bào)告24Grad_maskY[8] = 0。m_lpColorTableOut = NULL。memcpy(thism_lpColorTableOut,m_lpColorTable,sizeof(RGBQUAD) * thism_nColorTableLengthOut)。//臨時(shí)變量 unsigned char * T_ImgDataOut_G。T_ImgDataOut_G = new unsigned char[LineByte * thism_imgWidthOut]。浙江省“新苗人才計(jì)劃”項(xiàng)目 視網(wǎng)膜血管分割系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn) 項(xiàng)目研究報(bào)告25//thism_lpImgDataOut = new unsigned char[LineByte * thism_imgWidthOut]。//梯度幅值for(int i =0 。//閾值化thisHysteresis(thism_lpImgDataOut,thism_imgWidth,thism_imgHeight,T_ImgDataOut_S)。delete [] T_ImgDataOut_Y。//輸出圖像的顏色表LPRGBQUAD m_lpColorTableOut。int *m_maskBuf。Morphology(CSize size, int nBitCount, LPRGBQUAD lpColorT