【正文】 自適應(yīng)閾值算法 ...............................................................................................................7第 3 章 基于自適應(yīng)算法的視網(wǎng)膜圖像分割 ..............................................................................9 核心算法 ..............................................................................................................................9 固定閾值 ...........................................................................................................................9 自適應(yīng)閾值 ....................................................................................................................10 canny 算 子 .....................................................................................................................12 實(shí)驗(yàn)結(jié)果 ............................................................................................................................15 性能分析 ............................................................................................................................18第 4 章 總結(jié) ................................................................................................................................19參考文獻(xiàn) ............................................................................................................................................20附錄 核心代碼 ..................................................................................................................................22VI致謝 ....................................................................................................................................................32軟件使用說(shuō)明書(shū) ................................................................................................................................33寧波工程學(xué)院本科畢業(yè)設(shè)計(jì)論文1第 1 章 緒論 本課題研究的目的及意義 圖 1 眼底結(jié)構(gòu)示意圖由哈佛公共衛(wèi)生學(xué)院和世界衛(wèi)生組織聯(lián)合展開(kāi)的一項(xiàng)長(zhǎng)期的研究表明,在發(fā)達(dá)國(guó)家和發(fā)展中國(guó)家,包含中風(fēng)和糖尿病在內(nèi)的心血管疾病是導(dǎo)致死亡的首要原,將每年挽救和提高廣大群體的生活質(zhì)量,在如高血壓,心血管和心衰竭等疾病的癥狀明顯出現(xiàn)前,循 等人 [1]的通過(guò)對(duì)大量研究,可以預(yù)測(cè)疾病的發(fā)生和輔助診斷,以及追蹤一系列與循環(huán)系統(tǒng)相關(guān)的疾病和癥狀.另外，視網(wǎng)膜，具有唯一性、穩(wěn)定性、可采集性、非侵犯性等優(yōu)點(diǎn)，在身份鑒別等高層次安全保密方面有重要的應(yīng)用前景。 當(dāng)前的研究進(jìn)展和存在的問(wèn)題視網(wǎng)膜圖像的分割檢測(cè)在臨床醫(yī)療過(guò)程和身份鑒定中發(fā)揮著重要作用。 [2]：采用串行處理策略對(duì)目標(biāo)區(qū)域直接檢測(cè)來(lái)實(shí)現(xiàn)分割的方法。Canny自適應(yīng)算法也存在如檢測(cè)效果優(yōu)于Sobel、Laplacian等簡(jiǎn)單算子,但是速度相對(duì)較慢等問(wèn)題,這有待于進(jìn)一步研究解決。但是這種計(jì)算帶來(lái)的問(wèn)題是：如果希望分割是可靠的，這些計(jì)算可能會(huì)相當(dāng)?shù)膹?fù)雜，因?yàn)椴坏貌辉谔幚碓撓袼氐臅r(shí)候，考慮鄰域甚至更多其他的像素。由于聚類(lèi)算法不需要直接包含空間建模，所以對(duì)初始化參數(shù)敏感、噪聲和灰度不均勻性均比較敏感；但這種缺乏空間模型的算法卻帶來(lái)了計(jì)算的快捷。 本課題研究的主要內(nèi)容及貢獻(xiàn)1） 綜述了公開(kāi)報(bào)道的各種視網(wǎng)膜血管檢測(cè)方法；2） 深入研究并行區(qū)域分割法，重點(diǎn)比較了固定閾值分割和自適應(yīng)閾值分割算法；3） 研究自適應(yīng)算法的實(shí)現(xiàn)技術(shù)；4） 以自適應(yīng)閾值算法為工具研究視網(wǎng)膜圖像分割問(wèn)題。并行區(qū)域是把圖像分成前景和背景，所以閾值分割相當(dāng)于對(duì)圖像進(jìn)行二值化，實(shí)質(zhì)是對(duì)每一個(gè)像素點(diǎn)確定一個(gè)閾值，根據(jù)閾值決定當(dāng)前像素是前景還是背景點(diǎn)。固定閾值方法分全局閾值和局部閾值兩種，如果分割過(guò)程中對(duì)圖像上每個(gè)像寧波工程學(xué)院本科畢業(yè)設(shè)計(jì)論文8素所使用的閾值都相等，則為全局閾值方法；如果每個(gè)像素所使用的閾值可能不同，則為局部閾值方法。令 Value max 表示 n 鄰域像素的最大灰度值，Value min 表示 n 鄰域像素的最小灰度值,則閾值可以設(shè)定為： （23）2minaxValuelueT??也可以采用均值設(shè)定閾值：寧波工程學(xué)院本科畢業(yè)設(shè)計(jì)論文9 （24）nPiTni??1具體如下圖(3）所示選取的窗口為當(dāng)前像素的 8 鄰域窗口：PC 圖 3 自適應(yīng)閾值確定方法在圖（ 3 ）中，令 C 表示當(dāng)前像素，P 為 C 的 8 鄰域像素，根據(jù)上訴公式則閾值具體可以設(shè)定為： （25）881??iiT其中 Pi 是 C 的 8 鄰域像素。 /*如果沒(méi)有讀取到圖像，返回*/long w, h, x, y。 /*給圖像分配內(nèi)存*/for (y = 0。else　thd_img[y*w+x]=0。 /*v 為所求灰度的均值*/w = imageGetWidth()。 x w。amp。if(imageGetPixelIndex(x,y)=(BYTE)v) /*跟所求閾值進(jìn)行比較并賦值*/　thd_img[y*w+x]=255。 /*釋放指針*/} Canny 算子 本算法先是利用高斯函數(shù)對(duì)圖像進(jìn)行平滑，去除圖像中的噪聲，并產(chǎn)生一個(gè)一維高斯分布函數(shù)，在高斯平滑函數(shù)中生成高斯濾波函系數(shù) [7]，然后采用二階范數(shù)計(jì)算梯度，抑制局部像素非最大梯度點(diǎn)，根據(jù)梯度計(jì)算及經(jīng)過(guò)非最大值抑制后的結(jié)果設(shè)定閾值，再利用函數(shù)尋找邊界的起點(diǎn)，最后用 Hysteresis[2]執(zhí)行的結(jié)果，從一個(gè)像素點(diǎn)開(kāi)始進(jìn)行搜索，搜索以該像素為邊界起點(diǎn)的一條邊界所有的邊界點(diǎn)。 pnGradMag = new int [nWidth*nHeight] 。 delete pnGradY 。 寧波工程學(xué)院本科畢業(yè)設(shè)計(jì)論文15LPBITMAPINFOHEADER lpBMIH=pDibm_lpBMIH。 int nSaveWidth = pDibGetDibSaveDim().cx。 /* canny 算子計(jì)算后的結(jié)果*/ Canny(pUnchImage, nWidth, nHeight, , , , pUnchEdge) 。 delete []pUnchEdge 。? 圖 7 至圖 11 的以自適應(yīng)閾值分割可得到圖像中，可以清晰的看到所提取的視網(wǎng)膜血管，并且選用不同的鄰域進(jìn)行自適應(yīng)閾值分割，所得到的圖像清晰程度也不同。說(shuō)明了當(dāng)今視網(wǎng)膜圖像分割的研究和存在的問(wèn)題。對(duì)于去噪算法的介紹在很多公開(kāi)的期刊上都能找到。RGBQUAD c。 /* The output edge image */ //int rows, cols。 yh。 yh。CDemoDoc *NewDocg=(CDemoDoc*)((CDemoApp*)AfxGetApp())demoTemplateOpenDocumentFile(NULL)。SetCursor(LoadCursor(0,IDC_ARROW))。//int n。BYTE *edgeimg, v。amp。v = imageGetPixelIndex(x1,y1)。x++){ v = edgeimg[y*w+x]。//// obtain the height of the imageimageGrayScale()。 edge[y*w+x] = 255v。}void CDemoDoc::OnCximageSmooth() {// TODO: Add your mand handler code hereif (image==NULL) return。 thd_img = (BYTE *)malloc((w)*(h)*sizeof(BYTE))。c =0。amp。}}for (y = 0。}void CDemoDoc::OnCximageAdth() 寧波工程學(xué)院本科畢業(yè)設(shè)計(jì)論文32{// TODO: Add your mand handler code hereif (image==NULL) return。 thd_img = (BYTE *)malloc((w)*(h)*sizeof(BYTE))。c =0。amp。}}for (y = 0。}致謝寧波工程學(xué)院本科畢業(yè)設(shè)計(jì)論文34非常感謝張教授在我大學(xué)的最后學(xué)習(xí)階段——畢業(yè)設(shè)計(jì)階段給予指導(dǎo)，在大三學(xué)年的期末張教授就讓我去做了圖像分割的學(xué)年論文報(bào)告，很好的為這次畢業(yè)設(shè)計(jì)做了充分的技術(shù)鋪墊。圖 15 選擇測(cè)試圖像3) 選擇一幅測(cè)試圖像如圖 15 所示。軟件使用說(shuō)明書(shū)1) 鼠標(biāo)左鍵雙擊圖 13 所示的可執(zhí)行文件可以打開(kāi)軟件，打開(kāi)軟件后主界寧波工程學(xué)院本科畢業(yè)設(shè)計(jì)論文35面如圖 14 所示。}void CDemoDoc::OnUpdateCximageAdth(CCmdUI* pCmdUI) {// TODO: Add your mand update UI handler code herem_MenuCommand=ID_CXIMAGE_ADTH。if(imageGetPixelIndex(x,y)=(BYTE)v)thd_img[y*w+x]=255。amp。 x w。//// obtain the height of the imageimageGrayScale()。}void CDemoDoc::OnUpdateCximageSmooth(CCmdUI* pCmdUI) {// TODO: Add your mand update UI handler code herem_MenuCommand=ID_CXIMAGE_SMOOTH。if(imageGetPixelIndex(x,y)=(BYTE)v)thd_img[y*w+x]=255。amp。 x w。//// o