【正文】 除設(shè)計(jì)課題外，張教授還跟我對(duì)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(guò)于散漫，養(yǎng)成這樣的學(xué)習(xí)習(xí)慣會(huì)影響以后的工作，教導(dǎo)我做什么事都不能浮躁，要踏實(shí)和端正態(tài)度，這樣才能做好，做成功每一件事情。(x+k)w){v+= imageGetPixelIndex(x+k,y+l)。 1 1 1)/12for (y = 0。 x w。l++){for(k=2。double v。/// save processed results////processingfor(y = 0。}edgeimg[y*w+x] = v。yh。}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(jì)論文27{// TODO: Add your mand handler code here if (image==NULL) return。x++){ = edge[y*w+x]。 tlow = 。目前，本研究只是實(shí)現(xiàn)了對(duì)視網(wǎng)膜的目標(biāo)血管與背景進(jìn)行分離和提取。寧波工程學(xué)院本科畢業(yè)設(shè)計(jì)論文20? 圖12為canny算子所進(jìn)行的邊緣檢測(cè)分割，通過(guò)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。 y++){ for(x=0。 } int y。 /*計(jì)算方向?qū)?shù)*/ GradMagnitude(pnGradX, pnGradY, nWidth, nHeight, pnGradMag) 。 y h。 /*對(duì)變量 c 賦初值 0*/for (l=9。 /*釋放指針*/} 自適應(yīng)閾值本算法先對(duì)每個(gè)像素選取一個(gè)大小為 18*18 的鄰域，然后針對(duì)每一個(gè)鄰域求出它相應(yīng)的均值，即 為自適應(yīng)閾值，然后針對(duì)該鄰域中的每個(gè)像18*18*???iPAt素的值與該鄰域的閾值進(jìn)行比較并重新賦值，依次遍歷整圖，最后對(duì)所得的像素點(diǎn)進(jìn)行顯示。 w = imageGetWidth()。 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。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。閾值法實(shí)際上是聚類法的一個(gè)特例。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。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。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。 [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。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。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。 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。 節(jié)首先給出了三種算法的核心算法代碼； 節(jié)給出了實(shí)驗(yàn)結(jié)果； 節(jié)進(jìn)性能分析。 x++) /*對(duì)圖像的寬度 w 開始遍歷*/{v+= imageGetPixelIndex(x,y)。 /*建立圖像數(shù)據(jù)的指針*/ 　 thd_img = (BYTE *)malloc((w)*(h)*sizeof(BYTE))。amp。 /*指向 y 方向?qū)?shù)的指針*/int * pnGradMag 。 delete pUnchSmooth 。 y++) { for(x=0。 } 實(shí)驗(yàn)結(jié)果 本節(jié)給出了幾幅主要的視網(wǎng)膜圖像分割的測(cè)試結(jié)果：圖 4 為原始圖，圖 5為所轉(zhuǎn)換成的 256 級(jí)灰度圖，圖 6 為用固定閾值進(jìn)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(jìn)行的分割測(cè)試。這類算法的時(shí)間復(fù)雜圖和空間復(fù)雜度較大，但是抗噪聲能力較強(qiáng)，得到的圖像清晰程度較高，對(duì)原圖的目標(biāo)血管數(shù)據(jù)的失真小。 w = imageGetWidth()。}} canny(img, h, w, sigma, tlow, thigh, edge)。NewDocgSetTitle(s)。//RGBQUAD c。amp。}void CDemoDoc::OnCximageMyfirst() {寧波工程學(xué)院本科畢業(yè)設(shè)計(jì)論文29// TODO: Add your mand handler code hereif (image==NULL) return。 x w。 y h。c++。w = imageGetWidth()。k3。 x++){imageSetPixelIndex(x,y,(BYTE)thd_img[y*w+x])。寧波工程學(xué)院本科畢業(yè)設(shè)計(jì)論文36圖 16 打開測(cè)試圖像后界面效果圖 圖 17 進(jìn)行自適應(yīng)閾值分割后結(jié)果圖4) 鼠標(biāo)點(diǎn)擊 Yao，在 Yao 的下拉菜單中選取 Adapt_th 選項(xiàng)并點(diǎn)擊，便可得結(jié)果圖 17。 y++){for (x =0。l3。int k, l,c。amp。 1 4 1。 y h。}}}void CDemoDoc::OnUpdateCximageDu(CCmdUI* pCmdUI) {// TODO: Add your mand update UI handler code here m_MenuCommand=ID_CXIMAGE_DU。amp。//double mdist,dist。CString s。 xw。if (()==IDOK){SetCursor(LoadCursor(0,IDC_WAIT))。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。 EndWaitCursor()。 /*開辟內(nèi)存，存儲(chǔ)圖像數(shù)據(jù)*/ for(y=0。 delete pnGradMag 。 /*經(jīng)過(guò)高斯濾波后的圖像數(shù)據(jù) */寧波工程學(xué)院本科畢業(yè)設(shè)計(jì)論文14int * pnGradX 。amp。 /*讀取圖像的高度*/imageGrayScale()。 y++) /*對(duì)圖像的高度 h 開始遍歷*/{　for (x =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。不過(guò)閾值分割在處理前景與背景有較強(qiáng)對(duì)比的圖像時(shí)特別有用，此時(shí)需要的計(jì)算復(fù)雜度小。Thanapong 等利用 FCM 算法分割 20 套眼底視網(wǎng)膜血管圖像，F(xiàn)CM 算法敏感性，與目前臨床應(yīng)用的傳統(tǒng)的分割方法相比較，特異性分別達(dá)到 %和 %。主要包括如下步驟：搜索起點(diǎn)的確定，搜索機(jī)制的選取，搜索結(jié)束的判定。當(dāng)今的分割方法主要可以分為兩大類：一類是邊界方法 [2]，這種方法的假設(shè)是圖像分割結(jié)果的某個(gè)子區(qū)域在原來(lái)的圖像中一定會(huì)有邊緣存在，一般有孤立點(diǎn)法，孤立線法，組成邊界法，邊界跟蹤法等；一類是區(qū)域方法 [2]，這種方法的假設(shè)是圖像分割結(jié)果的某個(gè)子區(qū)域一定會(huì)有相同的性質(zhì)，而不同區(qū)域的像素則沒(méi)有共同的性質(zhì)，一般有閾值分割法，區(qū)域分裂與合并，自適應(yīng)等。對(duì)本研究提供過(guò)幫助和做出過(guò)貢獻(xiàn)的個(gè)人或集體，均已在文中作了明確的說(shuō)明并表示了謝意。這導(dǎo)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)膜圖像分割方法是難點(diǎn)所在。Canny自適應(yīng)算法將整幅圖像分割為若干子圖像,并根據(jù)各子圖像的邊緣梯度信息,結(jié)合全局邊緣梯度特征信息自適應(yīng)地生成動(dòng)態(tài)閾值,提高了邊緣檢測(cè)的自動(dòng)化程度,在實(shí)際的應(yīng)用中獲得了很好的效果。從這個(gè)角度而言，聚類算法是在用已存在的數(shù)據(jù)對(duì)自身進(jìn)行訓(xùn)練。 并行區(qū)域分割 并行區(qū)域分割技術(shù)是指采用并行的方法對(duì)目標(biāo)區(qū)域進(jìn)行檢測(cè)實(shí)現(xiàn)圖像分割的方法。這類算法的時(shí)間復(fù)雜度和空間復(fù)雜度比較大，但是抗噪聲能力比較強(qiáng)，對(duì)采用全局閾值不容易分割的圖像有較好的效果。 /*讀取圖像的高度*/imageGrayScale()。 /*如果沒(méi)有讀取到圖像，返回*/long w, h, x, y。l++) /*對(duì)鄰域的高度 l 開始遍歷*/ { for(k=9。 x w。 /*應(yīng)用 nonmaximum 抑制*/Hysteresis(pnGradMag, nWidth, nHeight, dRatioLow, dRatioHigh, pUnchEdge)。 CSize sizeImage = pDibGetDimensions()。 x++) { 寧波工程學(xué)院本科畢業(yè)設(shè)計(jì)論文16 pDibm_lpImage[y*nWidth+x]=(unsigned char)(255pUnchEdge[y*nWidth+x])。但還是存在著背景噪聲對(duì)于目標(biāo)血管的干擾，因而今后對(duì)算法的改進(jìn)可以從去噪這個(gè)方面進(jìn)行深入研究。寧波工程學(xué)院本科畢業(yè)設(shè)計(jì)論文22參考文獻(xiàn)[1] . Wong and R. McIntosh. Systemic associations of retinal microvascular signs: a review of recent populationbased studies. Ophthalmic and Physiological Optics,25(3):195–204, 2022.[2] 楊枝靈, C++ 數(shù)字圖像獲取處理及實(shí)踐應(yīng)用[M].北京：人民郵電出版社,2022.[3] 王植, Canny 理論的自適應(yīng)邊緣檢測(cè)方法[J] .中國(guó)圖象圖形學(xué)報(bào),2022，9 (8)：957962.[4] 戴培山,王博亮,鞠穎. 視網(wǎng)膜血管圖像分割及眼底血管三維重建[J]. 自動(dòng)化學(xué)報(bào),2022，35 （9）：11651176. [5] 周鮮成. 圖像分割方法及其應(yīng)用研究綜述[J].信息技術(shù)報(bào)，2022,24（12）：1114.[6] Ayala G，Leon T，Zapater V. Different averages of a fuzzy set with an application to vessel segmentation[J].IEEE Transactions on Fuzzy Systems，2022，13 (3) ：384393.[7] [J].上海交通大學(xué)學(xué)報(bào)，2022，38 (9)：14851488 .[8] [M].北京：北京醫(yī)科大學(xué)中國(guó)協(xié)和醫(yī)科大學(xué)聯(lián)合出版社，1993.[9] [M].長(zhǎng)沙：湖南科學(xué)技術(shù)出版社，1996.[10] 湯敏，[J].儀器儀表學(xué)報(bào)，2022，28（7）：12811285.[11] 姚暢，陳后金，[J].電子學(xué)報(bào)，2022，36 (5)：974978 .[12] 潘立豐，[J].中國(guó)圖象圖形學(xué)報(bào)，2006，11 (3) ：310316 .[13] [J].陜西工學(xué)院學(xué)報(bào)，2022，19 (2) ：3233 .[14] Zhu H Q，Shu H Z， Luo L M. Blood vessels segmentation in retina via wavelet t寧波工程學(xué)院本科