【正文】 able, unsigned char *pImgData)。//灰值開void GrayOpen()。//結(jié)構(gòu)元素（模板）輸入函數(shù)，在調(diào)用其它形態(tài)學(xué)處理函數(shù)前必須先調(diào)用此函數(shù)void InputMask(int *mask,int maskW, int maskH)。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29致 謝衷心的感謝張永平教授給我們耐心的指導(dǎo)和幫助，張教授嚴(yán)謹(jǐn)?shù)闹螌W(xué)態(tài)度、豐富的研究經(jīng)驗(yàn)、開闊的思維方式都給我們以很大的啟迪和教益。在此向他們表示由衷的謝意。從項(xiàng)目的選題、研究過程的逐步推進(jìn)、問題的解決到論文的撰寫、修改等全過程都是在張教授的悉心指導(dǎo)下完成的。//灰值膨脹基本運(yùn)算 ,灰值開、閉、形態(tài)學(xué)梯度操作等都要調(diào)用這個(gè)函數(shù)void BasicDilationForGray(unsigned char *imgBufIn, unsigned char *imgBufOut,int imgWidth,int imgHeight,int *maskBuf, int maskW, int maskH)。//灰值形態(tài)學(xué)梯度void GrayGradient()。//灰值腐蝕浙江省“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28void GrayErosion()。int m_maskH。int m_imgHeightOut。}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27附錄 2 數(shù)學(xué)形態(tài)學(xué)程序源代碼：class Morphology : public ImgCenterDib {public://輸出圖像每像素的位數(shù)int m_nBitCountOut。delete [] T_ImgDataOut_G。 i++){thism_lpImgDataOut[i] = thisComputeGrad(T_ImgDataOut_X[i],T_ImgDataOut_Y[i])。//求 X的梯度thisTemplateEdge(T_ImgDataOut_G,thism_imgWidth,thism_imgHeight,thism_nBitcount,Grad_maskX,3,3,T_ImgDataOut_X,true)。T_ImgDataOut_Y = new unsigned char[LineByte * thism_imgWidthOut]。unsigned char * T_ImgDataOut_Y。thism_imgWidthOut = thism_imgWidth。thism_nColorTableLengthOut = thisComputeColorTableLength(thism_nBitCountOut)。m_lpImgDataOut = NULL。Grad_maskY[6] = 0。Grad_maskY[2] = 0。Grad_maskX[7] = 0。Grad_maskX[3] = 1。int Grad_maskY[9]。G_mask[22] = 5。G_mask[18] = 9。G_mask[14] = 5。G_mask[10] =5。G_mask[6] = 9。G_mask[2] = 5。}。//也是最后邊緣連接的一個(gè)函數(shù)，用來自我調(diào)用void TraceEdge (int y, int x, int nLowThd, unsigned char *pUnchEdge, unsigned char *pnMag, int nWidth)。void LOG()。CSize GetDimensions()。int m_nColorTableLengthOut。//輸出圖像位圖數(shù)據(jù)指針unsigned char * m_lpImgDataOut。隨著現(xiàn)代化技術(shù)的不斷出現(xiàn)，傳統(tǒng)身份識(shí)別方法已經(jīng)不能滿足現(xiàn)代社會(huì)對(duì)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19個(gè)人身份識(shí)別的要求。也發(fā)現(xiàn)了正確的使用數(shù)學(xué)形態(tài)學(xué)可以能很好的處理圖像邊緣的問題。2).讓 Canny 算法與數(shù)學(xué)形態(tài)學(xué)進(jìn)行了結(jié)合，數(shù)學(xué)形態(tài)學(xué)很好的彌補(bǔ)了Canny 算法的部分的確定。通過不同的算法對(duì) 5 個(gè)同學(xué)的左右眼睛的視網(wǎng)膜進(jìn)行了檢測(cè)，并且對(duì)處理以后的進(jìn)行仔細(xì)的對(duì)比，然后保存。而且也很著重的比較了使用了數(shù)學(xué)形態(tài)學(xué)以后 Canny 算法與沒有使用以前的差別。對(duì)圖像使用數(shù)學(xué)形態(tài)學(xué)的閉運(yùn)算，仔細(xì)的觀察會(huì)發(fā)現(xiàn)黑噪聲也全部消失了，但是會(huì)有點(diǎn)圖像有點(diǎn)輕微的模糊，不過應(yīng)該影響不大。濾波器可能在一定程度上到達(dá)去噪，但是在去噪的同時(shí)也是會(huì)消減圖像本身的邊緣的信息，可能導(dǎo)致最后的邊緣不完整。從上述可以知道形態(tài)學(xué)的基本運(yùn)算就兩種，一種是膨脹，用來填充一些小孔，有對(duì)圖像外部濾波的作用。b=(f b) ?b ○ +在上述的 Canny 算法已經(jīng)是邊緣檢測(cè)算法中效果比較好的一種了，但是有時(shí)候它的效果還是不那么讓人滿意?？梢杂脕硖钛a(bǔ)物體中的空洞。(2) 關(guān)于雙閾值算法的高閾值與低閾值的取值問題也是一個(gè)很大的問題，不能根據(jù)圖像本身的特點(diǎn)去估計(jì)這兩個(gè)值，每一次都是認(rèn)為的去設(shè)定這幾個(gè)值。由于圖像 T h [ i, j ]是由高閾值得到, 因此它應(yīng)該不含有假邊緣, 但 T h [ i, j ]可能在輪廓上有間斷?？梢酝ㄟ^下圖(12)更加清楚的了解非極大值抑制的過程。括號(hào)內(nèi)是每一個(gè)角度的范圍。通俗的講就是，保證Canny算法的單個(gè)邊緣響應(yīng)，不能單看像素點(diǎn)的梯度幅值的大小來判斷這個(gè)點(diǎn)是否是邊緣點(diǎn)，必須通過讓像素點(diǎn)進(jìn)行比較，看它是不是一定范圍內(nèi)的極大值才能確定。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12接下來則是要求出每個(gè)像素的梯度幅值與梯度方向。傳統(tǒng)的Canny算子是采用2*2鄰域來計(jì)算F(x,y) 的梯度的。然后就是用 Gauss 函數(shù)對(duì)圖像 f(x,y)進(jìn)行平滑就可以得 ，這里的*符號(hào)表示的是卷積運(yùn)算。(4)對(duì)邊緣精確的定位。但是濾波器在降低噪聲的強(qiáng)度的同時(shí)也降低了邊緣強(qiáng)度的強(qiáng)度。也就是說將非邊緣點(diǎn)判別為邊緣點(diǎn)比將邊緣點(diǎn)判別為非邊緣點(diǎn)的概率要低。文章中還給出了邊緣檢測(cè)的三條準(zhǔn)則，即 Canny 準(zhǔn)備(Canny39。轉(zhuǎn)換后的黑白圖像的一個(gè)像素用一個(gè)字節(jié)表示該點(diǎn)的灰度值，它的值在 0～255 之間，轉(zhuǎn)換關(guān)系為：Gray（i，j）=（i，j）+（i，j）+(i，j)在實(shí)際中，可以取 3 個(gè)分量中的最大值作為灰度值。 數(shù)字圖像預(yù)處理由于 Canny 算子這個(gè)算法本身就是根據(jù)灰度值的變化來確定某一點(diǎn)是否是邊緣，但是我們從相機(jī)中得到的是真彩色圖。B 區(qū)分采集人的左右 ，左眼用“L”表示 ，右眼用“R”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9表示；例如，陳紅用右眼拍攝，命名為：。第三步，開始拍攝，將拍攝以后的圖像以 bmp 的格式保存下來。Nommyd7 免散瞳眼底相機(jī)、掃描圖像類型真彩色圖像、圖像存儲(chǔ)格式 BMP 格式、分辨率 565584。下面是 LOG 的 5*5 的模板。Sobel 模板設(shè)計(jì)是用來在圖像的垂直和水平方向最大的限度去反映邊緣，這些方向性的邊緣最后會(huì)匯合在一起的。一般增強(qiáng)技術(shù)對(duì)于陡峭的邊緣和緩慢變化的邊緣很難確定其邊緣線的位置。一個(gè)二維圖像函數(shù)的拉普拉斯變換是各向同性的二階導(dǎo)數(shù)。大致可以分為兩類，(1)基于梯度的邊緣檢測(cè)算法，(2)基于零點(diǎn)交叉邊緣檢測(cè)算法。為提高邊緣檢測(cè)的有效性，該研究將探討基于數(shù)學(xué)形態(tài)學(xué)的后處理算法，已提取真實(shí)的血管網(wǎng)絡(luò)?；?Canny 邊緣檢測(cè)算子的血管分割算法。由于硬件限制，視網(wǎng)膜圖像較明顯地表現(xiàn)出以下特點(diǎn)：光照不均勻；血管與背景的對(duì)比度不強(qiáng)；圖像噪聲點(diǎn)多。作 者 簽 名：　　 　 　　 日　 期：　　 　 　　 指導(dǎo)教師簽名：　　 　 　　 日 　　期：　　 　 　　 使用授權(quán)說明本人完全了解 大學(xué)關(guān)于收集、保存、使用畢業(yè)設(shè)計(jì)（論文）的規(guī)定，即：按照學(xué)校要求提交畢業(yè)設(shè)計(jì)（論文）的印刷本和電子版本；學(xué)校有權(quán)保存畢業(yè)設(shè)計(jì)（論文）的印刷本和電子版，并提供目錄檢索與閱覽服務(wù)；學(xué)?？梢圆捎糜坝　⒖s印、數(shù)字化或其它復(fù)制手段保存論文；在不以贏利為目的前提下，學(xué)?？梢怨颊撐牡牟糠只蛉?jī)?nèi)容。 3) realized the extraction of retinal vessels based on Dijkstra algorithm, programming with VC++。本文主要致力于研究基于采用 Canny 算子與數(shù)學(xué)形態(tài)學(xué)濾波相結(jié)合的方法進(jìn)行自適應(yīng)圖像分割算法及其實(shí)現(xiàn)技術(shù)?；趫D像處理的血管檢測(cè)方法主要包括分割技術(shù)、跟蹤技術(shù)和擬合技術(shù)。 2) discussed the minimalpath algorithms and their implementations。對(duì)本研究提供過幫助和做出過貢獻(xiàn)的個(gè)人或集體，均已在文中作了明確的說明并表示了謝意。另外，視網(wǎng)膜血管作為一種人體生物特征，其結(jié)構(gòu)穩(wěn)定，隱蔽性強(qiáng)，在身份鑒別等高層次安全保密方面有重要的應(yīng)用前景。本文就重點(diǎn)研究基于 Canny 算子與數(shù)學(xué)形態(tài)學(xué)濾波相結(jié)合的視網(wǎng)膜血管檢測(cè)算法。無論采用何種邊緣檢測(cè)算法都難以完全消除噪聲的影響。圖像邊緣檢測(cè)算法在過去已經(jīng)被許多人提出過，并且這些人的算法都有著很多不一樣的地方。拉普拉斯算子是最簡(jiǎn)單的各向同性微分算子，具有旋轉(zhuǎn)不變性。因?yàn)閳D像中