【正文】 if (()==IDOK){ SetCursor(LoadCursor(0,IDC_WAIT))。此外，眼底圖像中血管網(wǎng)絡(luò)的提取屬于弱信號(hào)的提取，由于血管網(wǎng)絡(luò)的復(fù)雜性、特殊性和處理結(jié)果要求的高精確性，使得研究面臨的難題仍然很多，算法有待改進(jìn)的空間仍然很大。文中給出了若干幅具有代表性的實(shí)驗(yàn)結(jié)果圖，并對(duì)這些實(shí)驗(yàn)結(jié)果圖進(jìn)行比較和分析，來(lái)說(shuō)明其算法的優(yōu)點(diǎn)以及不足之處。反之，當(dāng)選取的鄰域越大的分割圖像背景噪聲分布顯得集中了，但對(duì)所提取的目標(biāo)血管有所 影響。 EndWaitCursor()。 ynHeight。 /*開(kāi)辟內(nèi)存，存儲(chǔ)圖像數(shù)據(jù) */ for(y=0。 /*提示用戶(hù) */ 寧波工程學(xué)院本科畢業(yè)設(shè)計(jì)論文 15 return。 delete pnGradMag 。 /*對(duì)原圖像進(jìn)行濾波 */ DirGrad(pUnchSmooth, nWidth, nHeight, pnGradX, pnGradY) 。 /*經(jīng)過(guò)高斯濾波后的圖像數(shù)據(jù) */ int * pnGradX 。 } } for (y = 0。amp。 /*對(duì)變量 v 賦初值 0*/ c =0。 /*讀取圖像的高度 */ imageGrayScale()。 /*對(duì)所得的像素點(diǎn)進(jìn)行顯示 */ } } free(thd_img)。 y++) /*對(duì)圖像的高度 h 開(kāi)始遍歷 */ { 寧波工程學(xué)院本科畢業(yè)設(shè)計(jì)論文 11 for (x =0。 double v=0。本課題的核心算法是在均值閾值算法基礎(chǔ)上，用鄰域內(nèi)的均值作為閾值進(jìn)行比較，以提高實(shí)驗(yàn)性能。 自適應(yīng)閾值算法 當(dāng)照明不均勻、有突發(fā)噪聲，或者背景灰度變化比較大時(shí)，整幅圖像分割將沒(méi)有合適的單一門(mén)限，因?yàn)閱我坏拈撝挡荒芗骖檲D像各個(gè)像素的實(shí)際情況。 固定閾值算法 固定閾值分割的研究已經(jīng)有幾十年的歷史，到現(xiàn)在為止，已經(jīng)提出了很多算法。先對(duì)并行區(qū)域分割技術(shù)進(jìn)行描述，再對(duì)經(jīng)典的并行區(qū)域分割算法 —— 固定閾值算法和自適應(yīng)閾值算法分別作詳細(xì)討論。當(dāng)新的點(diǎn)被合并后再用新的區(qū)域重復(fù)這一過(guò)程，直到?jīng)]有可接受的鄰近點(diǎn)時(shí)生成過(guò)程終止，性質(zhì)的相似性和空間的相鄰性是其重要準(zhǔn)則。為了彌補(bǔ)不使用訓(xùn)練數(shù)據(jù)所造成的缺陷 ,聚類(lèi)算法在分割圖像和確定每一類(lèi)特征之間進(jìn)行迭代計(jì)算。方法的缺點(diǎn)在于它不是全自動(dòng)的，需要操作者給出初始點(diǎn)和結(jié)束條件。 Canny自適 應(yīng)算法在保持了 Canny算子原有的定位準(zhǔn)確 ,單邊響應(yīng)和信噪比高等優(yōu)點(diǎn)的基礎(chǔ)上 , 提高了 Canny算子在提取圖像邊緣細(xì)節(jié)信息和抑制假邊緣噪聲方面的性能。 [2]：通過(guò)順序的搜索邊緣點(diǎn)，采用串行的方法來(lái)對(duì)目標(biāo)邊界檢測(cè)來(lái)實(shí)現(xiàn)分割的方法。 然而 ,通過(guò)肉眼直接觀測(cè)眼睛或者人工分析視網(wǎng)膜影像是耗時(shí)的 ,耗力的 ,而且需要經(jīng)過(guò)專(zhuān)門(mén)培訓(xùn)的眼科醫(yī)生和專(zhuān)業(yè)設(shè)備 .一種可以精確的繪制視網(wǎng)膜血管的方法是采用一般的數(shù)碼相機(jī)和陳舊的計(jì)算機(jī)設(shè)備 ,自動(dòng)化的分析和 診斷工具可以在這些儀器上配合使用 ,這大大提升了這些檢測(cè)的速度和效度 ,同時(shí)也大大減少了寧波工程學(xué)院本科畢業(yè)設(shè)計(jì)論文 2 成本 .任何自動(dòng)視網(wǎng)膜圖像分割方法都需要精確確定眼內(nèi)的靜脈 ,動(dòng)脈以及毛細(xì)血管的位置 ,大小和邊界 ,通過(guò)此圖像去追蹤它們的通路 .這使得自動(dòng)化診斷工具的應(yīng)用成為可能 .這些自動(dòng)診斷工具通過(guò)進(jìn)行視網(wǎng)膜檢測(cè) ,可以預(yù)見(jiàn)和顯示這些健康問(wèn)題的所在 ,并為此提供很多有價(jià)值的信息 . 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： III 基于自適應(yīng)閾值的視網(wǎng)膜圖像分割算法及程序設(shè)計(jì) 摘 要 視網(wǎng)膜圖像分割作為圖像處理的一個(gè)應(yīng)用在臨床醫(yī)學(xué)和身份鑒定中發(fā)揮著愈來(lái)愈重要的作用。 作 者 簽 名： 日 期： 指導(dǎo)教師簽名： 日 期： 使用授權(quán)說(shuō)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?、縮印、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?；谝暰W(wǎng)膜的身份鑒別技術(shù)日益得到學(xué)術(shù)界和企業(yè)界的重視。 根據(jù)分割方法的不同，可分為： [2]：對(duì)圖像上的每一點(diǎn)所作的分割處理不依賴(lài)與其他的點(diǎn)處理結(jié)果，同時(shí)地在所有點(diǎn)上進(jìn)行分割運(yùn)算。 如下圖２為當(dāng)如上所述的分割方法的框架表： 寧波工程學(xué)院本科畢業(yè)設(shè)計(jì)論文 3 圖 2 圖像分割方法框架 基于并行邊界的分割方法 —— Canny 自適應(yīng)的邊緣檢測(cè)方法 [3] 基于 Canny算子 [2],提出了一種 Canny自適應(yīng)的邊緣檢測(cè)方法。根據(jù)算法的不同，搜索起點(diǎn)可有一個(gè)或數(shù)個(gè)。閾值法實(shí)際上是聚類(lèi)法的一個(gè)特例。 基于串行區(qū)域的分割方法 —— 區(qū)域生長(zhǎng)分割法 [5] 基于區(qū)域生長(zhǎng) (region growing)的分割方法區(qū)域生長(zhǎng)法從滿(mǎn)足檢測(cè)準(zhǔn)則的寧波工程學(xué)院本科畢業(yè)設(shè)計(jì)論文 5 種子點(diǎn)開(kāi)始，在各個(gè)方向上生長(zhǎng)區(qū)域，當(dāng)其相鄰點(diǎn)滿(mǎn)足特定檢測(cè)準(zhǔn)則就并入小塊 區(qū)域中。 寧波工程學(xué)院本科畢業(yè)設(shè)計(jì)論文 7 第 2章 基本算法原理 本章主要介紹算法的基本原理。當(dāng)物體的灰度級(jí)比較集中時(shí)，簡(jiǎn)單設(shè)置灰度級(jí)閾值提取物體是一個(gè)有效方法。在選用閾值時(shí)，根據(jù)不同的目標(biāo)，對(duì)圖像分割往往存在一個(gè)最佳的閾值。 寧波工程學(xué)院本科畢業(yè)設(shè)計(jì)論文 10 第 3章 基于自適應(yīng)算法的視網(wǎng)膜圖像分割 本章深入研究自適應(yīng)算法在視網(wǎng)膜圖像分割的實(shí)現(xiàn)技術(shù)。 /*w 為圖像的寬度， h 為圖像的高度， x 為像素的橫坐標(biāo)， y為像素的縱坐標(biāo) */ int c=0。 y h。 imageSetPixelIndex(x,y,(BYTE)thd_img[y*w+x])。 /*讀取圖像的寬度 */ h = imageGetHeight()。 x++) /*對(duì)圖像的寬度 w 開(kāi)始遍歷 */ { v =0。(y+l)hamp。 寧波工程學(xué)院本科畢業(yè)設(shè)計(jì)論文 13 else thd_img[y*w+x]=0。 void Canny(unsigned char *pUnchImage, int nWidth, int nHeight, double sigma, double dRatioLow, double dRatioHigh, unsigned char *pUnchEdge) { unsigned char * pUnchSmooth 。 GaussianSmooth(pUnchImage, nWidth, nHeight, sigma, pUnchSmooth) 。 pnGradY = NULL 。 if (lpBMIHbiBitCount != 8) /*判斷是否是 8bpp 位圖 */ { MessageBox(目前只支持 256 色位圖的圖像分割！ , 系統(tǒng)提示 , MB_ICONINFORMATION | MB_OK)。 unsigned char * pUnchImage = new unsigned char[nWidth*nHeight]。 /*調(diào)用 canny 函數(shù)進(jìn)行邊界提取 */ for(y=0。 pUnchEdge = NULL 。所選取子鄰域越小的分割圖像背景噪聲分布越廣，但對(duì)所提取的目標(biāo)血管影響越小。最后自己開(kāi)始著手于第三大類(lèi)并行區(qū)域分 割法中的自適應(yīng)閾值分割算法進(jìn)行深入研究，并開(kāi)始了軟件的設(shè)計(jì)，過(guò)程中還發(fā)生過(guò)許多小的問(wèn)題，在張教授的指導(dǎo)下進(jìn)行程序的分部調(diào)試和檢測(cè)，最終完成了本程序并開(kāi)始進(jìn)行具體實(shí)驗(yàn)驗(yàn)證。 本文中該視網(wǎng)膜圖像分割算法取得了若干成果，但是，視網(wǎng)膜圖像分割技術(shù)涉及到圖像處理、計(jì)算機(jī)、醫(yī)學(xué)、數(shù)學(xué)等許多方面，作為一項(xiàng)多學(xué)科交叉的綜合性技術(shù)，它還有許多問(wèn)題有待進(jìn)一步研究。 DlgCanny dlg。 /* The dimensions of the image. */ float sigma, /* Standard deviation of the gaussian kernel. */ tlow, /* Fraction of the high threshold in hysteresis. */ thigh。y++) { for(x =0。y++) { for(x =0。 if (NewDocg) { NewDocgimage = newb。 } } void CDemoDoc::OnUpdateCximageCanny(CCmdUI* pCmdUI) { // TODO: Add your mand update UI handler code here m_MenuCommand=ID_CXIMAGE_CANNY。 //long x1,y1,x2,y2,x3,y3,x4,y4。 edgeimg = (BYTE *)malloc((w)*(h)*sizeof(BYTE))。(x1)=0amp。 v = 2*imageGetPixelIndex(x1,y)。 imageSetPixelIndex(x,y,v)。// convert the color image into gray image/ BYTE v, *edge。 } } //// output result for(y = 0。 long w, h, x, y。/// save processed results ///(1 1 1。 for (l=2。(x+k)=0amp。 y h。 long w, h, x, y。/// save processed results ///(1 1 1。 for (l=2。(x+k)=0amp。 y h。本人在程序的整體架構(gòu)上的基礎(chǔ)比較薄弱，張教授放棄周末休息時(shí)間為我指導(dǎo)，使我對(duì)程序編寫(xiě)思路茅塞頓開(kāi)。打開(kāi)后如圖 16。在此再次感謝。 } } free(thd_img)。 } } 寧波工程學(xué)院本科畢業(yè)設(shè)計(jì)論文 32 } v/=c。k++) { if((y+l)=0amp。 y++) { for (x =0。/// obtain the width of image h = imageGetHeight()。 } } free(thd_img)。 } } } v/=c。k++) { if((y+l)=0amp。 y++) { for (x =0。/// obtain the width of image h = imageGetHeight()。 x++) { imageSetPixelIndex(x,y,edge[y*w+x])。 y++) { for (x = 0。 long w, h, x, y。yh。(y1)=0) { v += imageGetPixelIndex(x+1,y1)。 xw。 Stopwatch(0)。 CxImage *newg = new CxImage()。 NewDocgUpdateAllViews(0,WM_USER_NEWIMAGE)。 = edge[y*w+x]。 free(img)。 img = (unsigned char *) calloc(w*h,sizeof(unsigned char))。 h = imageGetHeight()。 寧波工程學(xué)院本科畢業(yè)設(shè)計(jì)論文 21 參考文獻(xiàn) [1] . Wong and R. McIntosh. Systemic associations of retinal microvascular signs: a review of recent populationbased studies. Opht