【正文】 geThread,0,this)。//double mdist,dist。for (y=0。amp。v = imageGetPixelIndex(x1,y+1)。}}}void CDemoDoc::OnUpdateCximageDu(CCmdUI* pCmdUI) {// TODO: Add your mand update UI handler code here m_MenuCommand=ID_CXIMAGE_DU。 edge = (BYTE *)malloc((w)*(h)*sizeof(BYTE))。 y h。int k, l,c。 1 4 1。l3。amp。 y++){for (x =0。int k, l,c。 1 4 1。l3。amp。 y++){for (x =0。這讓我對以后類似的程序編寫有了整體架構(gòu)的基礎(chǔ)，在此非常感謝。寧波工程學(xué)院本科畢業(yè)設(shè)計論文36圖 16 打開測試圖像后界面效果圖 圖 17 進行自適應(yīng)閾值分割后結(jié)果圖4) 鼠標(biāo)點擊 Yao，在 Yao 的下拉菜單中選取 Adapt_th 選項并點擊，便可得結(jié)果圖 17。并告訴我畢業(yè)設(shè)計的其中一個目的就是檢驗我們大學(xué)四年的學(xué)習(xí)生活。 x++){imageSetPixelIndex(x,y,(BYTE)thd_img[y*w+x])。c++。k3。 y h。w = imageGetWidth()。 x++){imageSetPixelIndex(x,y,(BYTE)thd_img[y*w+x])。c++。k3。 y h。w = imageGetWidth()。 x w。 y h。}void CDemoDoc::OnCximageMyfirst() {寧波工程學(xué)院本科畢業(yè)設(shè)計論文29// TODO: Add your mand handler code hereif (image==NULL) return。}} for (y=0。amp。y++){for(x =0。//RGBQUAD c。CxImage *newr = new CxImage()。NewDocgSetTitle(s)。 = edge[y*w+x]。}} canny(img, h, w, sigma, tlow, thigh, edge)。寧波工程學(xué)院本科畢業(yè)設(shè)計論文25 thigh = 。 w = imageGetWidth()。今后將進一步研究在視網(wǎng)膜用于身份鑒定中的配比核對。這類算法的時間復(fù)雜圖和空間復(fù)雜度較大，但是抗噪聲能力較強，得到的圖像清晰程度較高，對原圖的目標(biāo)血管數(shù)據(jù)的失真小。 對自適應(yīng)閾值視網(wǎng)膜圖像分割的結(jié)果表明，檢測的準(zhǔn)確程度明顯高于其他方法，目標(biāo)血管提取清晰程度高，而且失真最小，因此自適應(yīng)閾值分割算法可有效地用于視網(wǎng)膜圖像的分割。 } 實驗結(jié)果 本節(jié)給出了幾幅主要的視網(wǎng)膜圖像分割的測試結(jié)果：圖 4 為原始圖，圖 5為所轉(zhuǎn)換成的 256 級灰度圖，圖 6 為用固定閾值進行的視網(wǎng)膜圖像分割，圖 7 至圖 11 為選取了各種大小的子鄰域?qū)σ暰W(wǎng)膜圖像分別進行的分割測試。 xnWidth。 y++) { for(x=0。 int x。 delete pUnchSmooth 。 /*計算梯度的幅度*/ NonmaxSuppress(pnGradMag, pnGradX, pnGradY, nWidth, nHeight, pUnchEdge) 。 /*指向 y 方向?qū)?shù)的指針*/int * pnGradMag 。 y++){for (x =0。amp。l10。 /*建立圖像數(shù)據(jù)的指針*/ 　 thd_img = (BYTE *)malloc((w)*(h)*sizeof(BYTE))。void CDemoDoc::OnCximage_YBBAT() 寧波工程學(xué)院本科畢業(yè)設(shè)計論文12{//在這里開始添加自己的命令代碼if (image==NULL) return。 x++) /*對圖像的寬度 w 開始遍歷*/{v+= imageGetPixelIndex(x,y)。 /*讀取圖像的寬度*/h = imageGetHeight()。 節(jié)首先給出了三種算法的核心算法代碼； 節(jié)給出了實驗結(jié)果； 節(jié)進性能分析。這時，可對圖像按照坐標(biāo)分塊，對每一塊分別選一閾值進行分割，這種與坐標(biāo)相關(guān)的閾值稱為動態(tài)閾值方法，也稱為自適應(yīng)閾值方法。 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(shù)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(yīng)閾值算法分別作詳細討論。當(dāng)新的點被合并后再用新的區(qū)域重復(fù)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(zhǔn)則。為了彌補不使用訓(xùn)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(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)點的基礎(chǔ)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(biāo)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,而方法是采用一般的數(shù)碼相機和陳舊的計算機設(shè)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(xué)院本科畢業(yè)設(shè)計論文2,動脈以及毛細血管的位置,大小和邊界,可以預(yù)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(yīng)閾值的視網(wǎng)膜圖像分割算法及程序設(shè)計 摘 要 視網(wǎng)膜圖像分割作為圖像處理的一個應(yīng)用在臨床醫(yī)學(xué)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(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（論文）的規(guī)定，即：按照學(xué)校要求提交畢業(yè)設(shè)計（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（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)校可以公布論文的部分或全部內(nèi)容。基于視網(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(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)的邊緣檢測方法 [3]基于Canny算子 [2],提出了一種Canny自適應(yīng)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(zhǔn)則的寧波工程學(xué)院本科畢業(yè)設(shè)計論文5種子點開始，在各個方向上生長區(qū)域，當(dāng)其相鄰點滿足特定檢測準(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)物體的灰度級比較集中時，簡單設(shè)置灰度級閾值提取物體是一個有效方法。 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，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。為了體現(xiàn)本算法的特點和優(yōu)越性，特與固定閾值算法和串行區(qū)域分割法中的canny 算子進行比較，得出鮮明可比的實驗結(jié)果，并進行具體的性能分析。 w = imageGetWidth()。 x w。 /*釋放指針*/} 自適應(yīng)閾值本算法先對每個像素選取一個大小為 18*18 的鄰域，然后針對每一個鄰域求出它相應(yīng)的均值，即 為自適應(yīng)閾值，然后針對該鄰域中的每個像18*18*???iPAt素的值與該鄰域的閾值進行比較并重新賦值，依次遍歷整圖，最后對所得的像素點進行顯示。 /*把圖像轉(zhuǎn)換為灰度圖*/ 　 BYTE *thd_img。 /*對變量 c 賦初值 0*/for (l=9。(x+k)=0amp。 y h。 /*指向 x 方向?qū)?shù)的指針*/int * pnGradY 。 /*計算方向?qū)?shù)*/ GradMagnitude(pnGradX, pnGradY, nWidth, nHeight, pnGradMag) 。 pnGradMag = NULL 。 } int y。 ynHeight。 y++){ for(x=0。 Invalidate()。寧波工程學(xué)院本科畢業(yè)設(shè)計論文20? 圖12為canny算子所進行的邊緣檢測分割，通過圖中所顯示的目標(biāo)血管與自適應(yīng)閾值分割的圖像相比，明顯可見其損失了很多目標(biāo)血管圖像，出現(xiàn)假的邊緣，丟失真的邊緣，效果失真。本文所提出的算法是基于對目標(biāo)像素點的鄰域進行求均值，然后跟所求均值進行比較，進行重新賦值。目前，本研究只是實現(xiàn)了對視網(wǎng)膜的目標(biāo)血管與背景進行分離和提取。Stopwatch(0)。 tlow = 。x++){ img[y*w+x] = (imageGetPixelColor(x,y)).rgbGreen。x++){ = edge[y*w+x]。寧波工程學(xué)院本科畢業(yè)設(shè)計論文26(Canny Edge from %s,GetTitle())。}void CDemoDoc::OnCximageZhou() {// TODO: Add your mand handler code here}void CDemoDoc::OnUpdateCximageZhou(CCmdUI* pCmdUI) {// TODO: Add your mand update UI handler code here}void CDemoDoc::OnCximageDu() 寧波工程學(xué)院本科畢業(yè)設(shè)計論文27{// TODO: Add your mand handler code here if (image==NULL) return。//BYTE th_l。yh。(y+1)hamp。}edgeimg[y*w+x] = v。hThread=(HANDLE)_beginthread(RunCxImageThread,0,this)。/// save processed results////processingfor(y = 0。 y++){for (x = 0。double v。 1 1 1)/12for (y = 0。l++){for(k=2。(x+k)w){寧波工程學(xué)院本科畢業(yè)設(shè)計論文31v+= imageGetPixelIndex(x+k,y+l)。 x w。double v。 1 1 1)/12for (y = 0。l++){for(k=2。(x+k)w){v+= imageGetPixelIndex(x+k,y+l)。 x w。除設(shè)計課題外，張教授還跟我對大學(xué)的學(xué)習(xí)和生活聊了很多，大家的大學(xué)學(xué)習(xí)生活過于散漫，養(yǎng)成這樣的學(xué)習(xí)習(xí)慣會影響以后的工作，教導(dǎo)我做什么事都不能浮躁，要踏實和端正態(tài)度，這樣才能做好，做成功每一件事情。