【正文】 * imgOut, double dRatioHigh, double dRationLow)。ImgSegment(CSize size,int nBitCount,LPRGBQUAD lpColorTable,unsigned char *pImgData)。作為新興的生物特征身份識別技術，視網(wǎng)膜識別憑借其高度的準確性，已經得到學術界和企業(yè)界越來越廣泛的關注。并對數(shù)學形態(tài)學也有了一定的掌握的，數(shù)學形態(tài)學是一門新興的、以形態(tài)為基礎對圖像進行分析的學科,它用具有一定形態(tài)的結構元素去度量和提取圖像中的對應形狀以實現(xiàn)對圖像的分析和識別、邊緣檢測等圖像預處理問題中有著明顯的優(yōu)勢。雖然從這張照片中看不去數(shù)學形態(tài)學的很大的優(yōu)勢，但是如果當照片原圖沒有那么好的情況下，則優(yōu)勢就很明顯了。因為數(shù)學形態(tài)學是基于信息的幾何特征，預先定義了結構元素，所以能達到既能消除噪聲又能很好的保留圖像的信息。這個數(shù)學形態(tài)學主要做的是前期的工作，而 Canny算法本身應該說是不變的。膨脹和腐蝕是數(shù)學形態(tài)學的2種最基本運算，由這2種基本運算可以組成多種復合運算，產生各種形態(tài)學實用算法。然后就是拿中間的那個值與8和4這兩個位置的像素進行比較，如果不是最好的則將其設置為0，不然則這個像素就是邊緣的極值點。其實可以說是4個方向，因為這個鄰域是對稱。X偏導與Y偏導分別為一下兩個。通俗的講，高斯濾波就是對整幅圖像進行加權平均的過程，每一個像素點的值，都由其本身和鄰域內的其他像素值經過加權平均后得到。(3)對同一邊緣僅有唯一的響應，即單個邊緣產生多個響應的概率要低，并且虛假邊緣應受到極大的抑制。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 三個分值；3) 對 R，G，B 三個分量做比較，gray=max（R，G，B） ；4) 將 gray 返回給 R，G，B 三個分量；5) 顯示圖像。這樣命名，對于較小的環(huán)境而言，是有好處的，可以直接通過命名，得知這是誰的視網(wǎng)膜。以一個人采集為例：第一步，將 Nommyd7 免散瞳眼底相機跟計算機連接好。而 LOG 算子比 Laplacian 算子多做的就是它是先對圖像進行了 Gauss 平滑。圖11（a）表示離散拉普拉斯算子的模板，圖11（b）表示其擴展模板，從模板形式容易看出，如果在圖像中一個較暗的區(qū)域中出現(xiàn)了一個亮點，那么用拉普拉斯運算就會使這個亮點變得更亮。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于整個圖象場景的識別與理解是非常重要的，同時也是圖象浙江省“新苗人才計劃”項目 視網(wǎng)膜血管分割系統(tǒng)設計與實現(xiàn) 項目研究報告6分割所依賴的重要特征，邊緣檢測主要是圖象的灰度變化的度量、檢測和定位。目前視網(wǎng)膜血管的檢測方法已有不少，但是基于 Canny 算子與數(shù)學形態(tài)學濾波相結合的方法算法尚未見發(fā)表。盡我所知，除文中特別加以標注和致謝的地方外，不包含其他人或組織已經發(fā)表或公布過的研究成果，也不包含我為獲得 及其它教育機構的學位或學歷而使用過的材料。1視網(wǎng)膜血管分割系統(tǒng)設計與實現(xiàn)技術研究 摘 要 視網(wǎng)膜血管檢測作為圖像處理的一個應用在臨床醫(yī)學中發(fā)揮著愈來愈重要的作用。 4) evaluated the performance of minimalpath algorithm by experiments.Key Words: retinal image, vessel detection, image segmentation, Canny, Mathematical Morphology 3畢業(yè)設計（論文）原創(chuàng)性聲明和使用授權說明原創(chuàng)性聲明本人鄭重承諾：所呈交的畢業(yè)設計（論文） ，是我個人在指導教師的指導下進行的研究工作及取得的成果。這導致采用常用的圖像處理方法很難分割出滿意的效果，尋找合適的視網(wǎng)膜血管提取方法是難點所在 [4]。圖象的邊緣是指圖象局部區(qū)域亮度變化顯著的部分，該區(qū)域的灰度剖面一般可以看作是一個階躍，既從一個灰度值在很小的緩沖區(qū)域內急劇變化到另一個灰度相差較大的灰度值。另外，拉普拉斯算子還可以表示成模板的形式，如圖11所示。基于 Sobel 算子的模板是 基于 LOG算子的視網(wǎng)膜圖像的分割方法這個算子可以說是 Laplacian 的改進版，因為 Laplacian 其他的梯度算子一樣，會增強圖像中的噪聲。隨機選擇 10 個學生，對他們的左眼和右眼分別各采集 5 對視網(wǎng)膜圖像，建立視網(wǎng)膜圖像數(shù)據(jù)庫。如果有第二個陳紅來拍攝右眼的視網(wǎng)膜，命名為：?；叶忍幚硎紫茸x入圖像的拷貝文件到內存中，找到 R，G，B 中的最大值，使顏色的分量值都相等且等于最大值，這樣就可以使圖像變成灰度圖像。(2)優(yōu)良的定位性能，即檢測出的邊緣位置盡可能在實際邊緣的中心。 過濾(Gauss 濾波器)高斯濾波器是一種線性線性平滑濾波，適用于消除高斯噪聲，廣泛應用于圖像處理的減噪過程。其中,x 和y 方向偏導數(shù)的2個陣列P x [ i, j ]和P y [ i, j ]分別為：這個公式可以化作一個模板，上面這個公式就可以化成這樣的一個模板。Canny算法中使用的3*3的大小，包含8方向的鄰域。浙江省“新苗人才計劃”項目 視網(wǎng)膜血管分割系統(tǒng)設計與實現(xiàn) 項目研究報告1312`比如我們梯度的方向為10度，這時候我們應該把這個像素點的梯度方向歸入0度的范圍內。浙江省“新苗人才計劃”項目 視網(wǎng)膜血管分割系統(tǒng)設計與實現(xiàn) 項目研究報告14 Canny算法與數(shù)學形態(tài)學的結合灰度形態(tài)學處理的對象和結構元素是灰度函數(shù)，可充分考慮圖像的灰度信息，更完整地描述圖像的特征。所以我們提出了將數(shù)學形態(tài)學這個新型學科也加到我們的項目中來。如果用數(shù)學形態(tài)學去噪則不會對圖像的信息進行消減，它能很好的保存圖像的信息。下面是檢測的結果原圖 只有 Canny 算子處理浙江省“新苗人才計劃”項目 視網(wǎng)膜血管分割系統(tǒng)設計與實現(xiàn) 項目研究報告17 數(shù)學形態(tài)學加 Canny我們可以看出只有 Canny 算法處理過的圖片最外面一圈假的邊緣點，而且如果仔細觀察會發(fā)現(xiàn)有數(shù)學形態(tài)學的圖片的血管比只有 Canny 的要清晰不少。在 Canny 算法的基礎上使圖像變得更加的清晰。生物特征身份識別具有傳統(tǒng)方法所無法比擬的高準確性、高安全性、高可靠性等優(yōu)點，能夠克服傳統(tǒng)方法的弊端。public:ImgSegment()。int ComputeGrad(int X_Grad,int Y_Grad )。void ImgSegment::Canny(){//定義高斯模板int G_mask[25]。G_mask[7] = 12。G_mask[15] = 4。G_mask[23] = 4。Grad_maskX[4] = 0。Grad_maskY[3] = 0。}if(thism_lpColorTableOut != NULL){delete []m_lpColorTableOut。int LineByte = (thism_imgWidth * thism_nBitcount/8 + 3 ) / 4 * 4。T_ImgDataOut_S = new unsigned char[LineByte * thism_imgWidthOut]。}//非極大值限制thisNoMaxSuppress(thism_lpImgDataOut,T_ImgDataOut_X,T_ImgDataOut_Y,thism_imgWidth,thism_imgHeight,T_ImgDataOut_S)。//輸出圖像位圖數(shù)據(jù)指針unsigned char * m_lpImgDataOut。public:Morphology()。 ~Morphology()。在此期間，老師給予了我們很多關心、寬容和支持，同時，感謝蘇老師和所有幫助過我們的教師，正是在老師們的幫助下，才使得課題順利的完成。}。//灰值膨脹void GrayDilation()。int m_nColorTableLengthOut。delete [] T_ImgDataOut_X。//求 Y的梯度thisTemplateEdge(T_ImgDataOut_G,thism_imgWidth,thism_imgHeight,thism_nBitcount,Grad_maskY,3,3,T_ImgDataOut_Y,true)。unsigned char * T_ImgDataOut_S。if(m_nColorTableLengthOut != 0){thism_lpColorTableOut = new RGBQUAD[thism_nColorTableLengthOut]。Grad_maskY[7] = 1。Grad_maskX[8] = 0。Grad_maskX[0] = 0。G_mask[19] = 4。G_mask[11] = 12。G_mask[3] = 4。//非極大值控制void NoMaxSuppress(unsigned char * imgIn, unsigned char * img_GradX,unsigned char * img_GradY,int nWidth,int nHeigth,unsigned char * imgOut )。void Reberts()。//輸出圖像的顏色表