【正文】 if (()==IDOK){ SetCursor(LoadCursor(0,IDC_WAIT))。此外，眼底圖像中血管網(wǎng)絡的提取屬于弱信號的提取，由于血管網(wǎng)絡的復雜性、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，算法有待改進的空間仍然很大。文中給出了若干幅具有代表性的實驗結(jié)果圖，并對這些實驗結(jié)果圖進行比較和分析，來說明其算法的優(yōu)點以及不足之處。反之，當選取的鄰域越大的分割圖像背景噪聲分布顯得集中了，但對所提取的目標血管有所 影響。 EndWaitCursor()。 ynHeight。 /*開辟內(nèi)存，存儲圖像數(shù)據(jù) */ for(y=0。 /*提示用戶 */ 寧波工程學院本科畢業(yè)設計論文 15 return。 delete pnGradMag 。 /*對原圖像進行濾波 */ DirGrad(pUnchSmooth, nWidth, nHeight, pnGradX, pnGradY) 。 /*經(jīng)過高斯濾波后的圖像數(shù)據(jù) */ int * pnGradX 。 } } for (y = 0。amp。 /*對變量 v 賦初值 0*/ c =0。 /*讀取圖像的高度 */ imageGrayScale()。 /*對所得的像素點進行顯示 */ } } free(thd_img)。 y++) /*對圖像的高度 h 開始遍歷 */ { 寧波工程學院本科畢業(yè)設計論文 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上，用鄰域內(nèi)的均值作為閾值進行比較，以提高實驗性能。 自適應閾值算法 當照明不均勻、有突發(fā)噪聲，或者背景灰度變化比較大時，整幅圖像分割將沒有合適的單一門限，因為單一的閾值不能兼顧圖像各個像素的實際情況。 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。先對并行區(qū)域分割技術進行描述，再對經(jīng)典的并行區(qū)域分割算法 —— 固定閾值算法和自適應閾值算法分別作詳細討論。當新的點被合并后再用新的區(qū)域重復這一過程，直到?jīng)]有可接受的鄰近點時生成過程終止，性質(zhì)的相似性和空間的相鄰性是其重要準則。為了彌補不使用訓練數(shù)據(jù)所造成的缺陷 ,聚類算法在分割圖像和確定每一類特征之間進行迭代計算。方法的缺點在于它不是全自動的，需要操作者給出初始點和結(jié)束條件。 Canny自適 應算法在保持了 Canny算子原有的定位準確 ,單邊響應和信噪比高等優(yōu)點的基礎上 , 提高了 Canny算子在提取圖像邊緣細節(jié)信息和抑制假邊緣噪聲方面的性能。 [2]：通過順序的搜索邊緣點，采用串行的方法來對目標邊界檢測來實現(xiàn)分割的方法。 然而 ,通過肉眼直接觀測眼睛或者人工分析視網(wǎng)膜影像是耗時的 ,耗力的 ,而且需要經(jīng)過專門培訓的眼科醫(yī)生和專業(yè)設備 .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)碼相機和陳舊的計算機設備 ,自動化的分析和 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的速度和效度 ,同時也大大減少了寧波工程學院本科畢業(yè)設計論文 2 成本 .任何自動視網(wǎng)膜圖像分割方法都需要精確確定眼內(nèi)的靜脈 ,動脈以及毛細血管的位置 ,大小和邊界 ,通過此圖像去追蹤它們的通路 .這使得自動化診斷工具的應用成為可能 .這些自動診斷工具通過進行視網(wǎng)膜檢測 ,可以預見和顯示這些健康問題的所在 ,并為此提供很多有價值的信息 . 由于硬件限制，視網(wǎng)膜圖像較明顯地表現(xiàn)出以下特點：光照不均勻；血管與背景的對比度不強；圖像噪聲點多。 作者簽名： 日 期： III 基于自適應閾值的視網(wǎng)膜圖像分割算法及程序設計 摘 要 視網(wǎng)膜圖像分割作為圖像處理的一個應用在臨床醫(yī)學和身份鑒定中發(fā)揮著愈來愈重要的作用。 作 者 簽 名： 日 期： 指導教師簽名： 日 期： 使用授權說明 本人完全了解 大學關于收集、保存、使用畢業(yè)設計（論文）的規(guī)定，即：按照學校要求提交畢業(yè)設計（論文）的印刷本和電子版本；學校有權保存畢業(yè)設計（論文）的印刷本和電子版，并提供目錄檢索與閱覽服務；學校可以采用影印、縮印、數(shù)字化或其它復制手段保存論文；在不以贏利為 目的前提下，學?？梢怨颊撐牡牟糠只蛉績?nèi)容?；谝暰W(wǎng)膜的身份鑒別技術日益得到學術界和企業(yè)界的重視。 根據(jù)分割方法的不同，可分為： [2]：對圖像上的每一點所作的分割處理不依賴與其他的點處理結(jié)果，同時地在所有點上進行分割運算。 如下圖２為當如上所述的分割方法的框架表： 寧波工程學院本科畢業(yè)設計論文 3 圖 2 圖像分割方法框架 基于并行邊界的分割方法 —— Canny 自適應的邊緣檢測方法 [3] 基于 Canny算子 [2],提出了一種 Canny自適應的邊緣檢測方法。根據(jù)算法的不同，搜索起點可有一個或數(shù)個。閾值法實際上是聚類法的一個特例。 基于串行區(qū)域的分割方法 —— 區(qū)域生長分割法 [5] 基于區(qū)域生長 (region growing)的分割方法區(qū)域生長法從滿足檢測準則的寧波工程學院本科畢業(yè)設計論文 5 種子點開始，在各個方向上生長區(qū)域，當其相鄰點滿足特定檢測準則就并入小塊 區(qū)域中。 寧波工程學院本科畢業(yè)設計論文 7 第 2章 基本算法原理 本章主要介紹算法的基本原理。當物體的灰度級比較集中時，簡單設置灰度級閾值提取物體是一個有效方法。在選用閾值時，根據(jù)不同的目標，對圖像分割往往存在一個最佳的閾值。 寧波工程學院本科畢業(yè)設計論文 10 第 3章 基于自適應算法的視網(wǎng)膜圖像分割 本章深入研究自適應算法在視網(wǎng)膜圖像分割的實現(xiàn)技術。 /*w 為圖像的寬度， h 為圖像的高度， x 為像素的橫坐標， y為像素的縱坐標 */ int c=0。 y h。 imageSetPixelIndex(x,y,(BYTE)thd_img[y*w+x])。 /*讀取圖像的寬度 */ h = imageGetHeight()。 x++) /*對圖像的寬度 w 開始遍歷 */ { v =0。(y+l)hamp。 寧波工程學院本科畢業(yè)設計論文 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，但對所提取的目標血管影響越小。最后自己開始著手于第三大類并行區(qū)域分 割法中的自適應閾值分割算法進行深入研究，并開始了軟件的設計，過程中還發(fā)生過許多小的問題，在張教授的指導下進行程序的分部調(diào)試和檢測，最終完成了本程序并開始進行具體實驗驗證。 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)膜圖像分割技術涉及到圖像處理、計算機、醫(yī)學、數(shù)學等許多方面，作為一項多學科交叉的綜合性技術，它還有許多問題有待進一步研究。 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上的基礎比較薄弱，張教授放棄周末休息時間為我指導，使我對程序編寫思路茅塞頓開。打開后如圖 16。在此再次感謝。 } } free(thd_img)。 } } 寧波工程學院本科畢業(yè)設計論文 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()。 寧波工程學院本科畢業(yè)設計論文 21 參考文獻 [1] . Wong and R. McIntosh. Systemic associations of retinal microvascular signs: a review of recent populationbased studies. Opht