【文章內容簡介】 ： （25）881??iiT其中 Pi 是 C 的 8 鄰域像素。 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。本課題的核心算法是在均值閾值算法基礎上，用鄰域內的均值作為閾值進行比較，以提高實驗性能。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果，并進行具體的性能分析。 節(jié)首先給出了三種算法的核心算法代碼； 節(jié)給出了實驗結果； 節(jié)進性能分析。 核心算法該研究以 VC++ 為開發(fā)平臺，以 CxImage 圖像處理庫為開發(fā)工具，設計并實現(xiàn)了相關算法。上述核心算法的描述和代碼如下： 固定閾值 本算法先選固定閾值為全局像素值的平均值，即先對全局像素值求和為Tp，并記錄像素個數(shù) C，然后再求得全局像素均值 為固定閾值，最后遍cTpA?歷整圖中的像素值與固定閾值進行比較并重新賦值進行顯示。void CDemoDoc::OnCximage_YBBCT() {// 在這里開始添加自己的命令代碼if (image==NULL) return。 /*如果沒有讀取到圖像，返回*/long w, h, x, y。 /*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。 double v=0。 w = imageGetWidth()。 /*讀取圖像的寬度*/h = imageGetHeight()。 /*讀取圖像的高度*/imageGrayScale()。 /*把圖像轉換為灰度圖*/寧波工程學院本科畢業(yè)設計論文11 　 BYTE *thd_img。 /*建立圖像數(shù)據(jù)的指針*/ 　thd_img = (BYTE *)malloc((w)*(h)*sizeof(BYTE))。 /*給圖像分配內存*/for (y = 0。 y h。 y++) /*對圖像的高度 h 開始遍歷*/{　for (x =0。 x w。 x++) /*對圖像的寬度 w 開始遍歷*/{v+= imageGetPixelIndex(x,y)。c++。}}v/=c。if(imageGetPixelIndex(x,y)=(BYTE)v) /*跟所求閾值進行比較并賦值*/　thd_img[y*w+x]=255。else　thd_img[y*w+x]=0。imageSetPixelIndex(x,y,(BYTE)thd_img[y*w+x])。 /*對所得的像素點進行顯示*/}}free(thd_img)。 /*釋放指針*/} 自適應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的均值，即 為自適應閾值，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。void CDemoDoc::OnCximage_YBBAT() 寧波工程學院本科畢業(yè)設計論文12{//在這里開始添加自己的命令代碼if (image==NULL) return。 /*如果沒有讀取到圖像，返回*/long w, h, x, y。 /*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 k, l, c。 /*k 表示所取子領域的寬度，l 為所取子領域的高度，c 作為灰度值的和加總*/double v。 /*v 為所求灰度的均值*/w = imageGetWidth()。 /*讀取圖像的寬度*/h = imageGetHeight()。 /*讀取圖像的高度*/imageGrayScale()。 /*把圖像轉換為灰度圖*/ 　 BYTE *thd_img。 /*建立圖像數(shù)據(jù)的指針*/ 　 thd_img = (BYTE *)malloc((w)*(h)*sizeof(BYTE))。 /*給圖像分配內存*/for (y = 0。 y h。 y++) /*對圖像的高度 h 開始遍歷*/{ 　for (x =0。 x w。 x++) /*對圖像的寬度 w 開始遍歷*/{ v =0。 /*對變量 v 賦初值 0*/ c =0。 /*對變量 c 賦初值 0*/for (l=9。l10。l++) /*對鄰域的高度 l 開始遍歷*/ { for(k=9。k10。k++) /*對鄰域的寬度 k 開始遍歷*/　 {　　 if((y+l)=0amp。amp。(y+l)hamp。amp。(x+k)=0amp。amp。(x+k)w) /*像素點的坐標要滿足在圖像內*/ 　{ v+= imageGetPixelIndex(x+k,y+l)。 c++。 　} 　 }寧波工程學院本科畢業(yè)設計論文13}v/=c。if(imageGetPixelIndex(x,y)=(BYTE)v) /*跟所求閾值進行比較并賦值*/　thd_img[y*w+x]=255。else　thd_img[y*w+x]=0。}}for (y = 0。 y h。 y++){for (x =0。 x w。 x++){imageSetPixelIndex(x,y,(BYTE)thd_img[y*w+x])。 /*對所得的像素點進行顯示*/}}free(thd_img)。 /*釋放指針*/} Canny 算子 本算法先是利用高斯函數(shù)對圖像進行平滑，去除圖像中的噪聲，并產(chǎn)生一個一維高斯分布函數(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)計算梯度，抑制局部像素非最大梯度點，根據(jù)梯度計算及經(jīng)過非最大值抑制后的結果設定閾值，再利用函數(shù)尋找邊界的起點，最后用 Hysteresis[2]執(zhí)行的結果，從一個像素點開始進行搜索，搜索以該像素為邊界起點的一條邊界所有的邊界點。 void Canny(unsigned char *pUnchImage, int nWidth, int nHeight, double sigma, double dRatioLow, double dRatioHigh, unsigned char *pUnchEdge) { unsigned char * pUnchSmooth 。 /*經(jīng)過高斯濾波后的圖像數(shù)據(jù) */寧波工程學院本科畢業(yè)設計論文14int * pnGradX 。 /*指向 x 方向導數(shù)的指針*/int * pnGradY 。 /*指向 y 方向導數(shù)的指針*/int * pnGradMag 。 /*梯度的幅度*/ pUnchSmooth = new unsigned char[nWidth*nHeight] 。 pnGradX = new int [nWidth*nHeight] 。 pnGradY = new int [nWidth*nHeight] 。 pnGradMag = new int [nWidth*nHeight] 。 GaussianSmooth(pUnchImage, nWidth, nHeight, sigma, pUnchSmooth) 。 /*對原圖像進行濾波*/DirGrad(pUnchSmooth, nWidth, nHeight, pnGradX, pnGradY) 。 /*計算方向導數(shù)*/ GradMagnitude(pnGradX, pnGradY, nWidth, nHeight, pnGradMag) 。 /*計算梯度的幅度*/ NonmaxSuppress(pnGradMag, pnGradX, pnGradY, nWidth, nHeight, pUnchEdge) 。 /*應用 nonmaximum 抑制*/Hysteresis(pnGradMag, nWidth, nHeight, dRatioLow, dRatioHigh, pUnchEdge)。 /*應用 Hysteresis，找到所有的邊界 */delete pnGradX 。 pnGradX = NULL 。 delete pnGradY 。 pnGradY = NULL 。 delete pnGradMag 。 pnGradMag = NULL 。 delete pUnchSmooth 。 pUnchSmooth = NULL 。 }void CImageProcessingView::OnEdgeCanny() { CImageProcessingDoc*pDoc=(CImageProcessingDoc*)thisGetDocument()。 CDib * pDib = pDocm_pDibInit。 寧波工程學院本科畢業(yè)設計論文15LPBITMAPINFOHEADER lpBMIH=pDibm_lpBMIH。 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)。 /*提示用戶*/ return。 } int y。 int x。 CSize sizeImage = pDibGetDimensions()。/*獲得圖像的大小*/ int nWidth = 。 int nHeight= 。 int nSaveWidth = pDibGetDibSaveDim().cx。 unsigned char * pUnchImage = new unsigned char[nWidth*nHeight]。 /*開辟內存，存儲圖像數(shù)據(jù)*/ for(y=0。 ynHeight。 y++) { for(x=0。 xnWidth。 x++) { pUnchImage[y*nWidth+x] = pDibm_lpImage[y*nSaveWidth+x]。 } } unsigned char * pUnchEdge = new unsigned char[nWidth*nHeight]。 /* canny 算子計算后的結果*/ Canny(pUnchImage, nWidth, nHeight, , , , pUnchEdge) 。 /*調用 canny 函數(shù)進行邊界提取*/ for(y=0。 ynHeight。 y++){ for(x=0。 xnWidth。 x++) { 寧波工程學院本科畢業(yè)設計論文16 pDibm_lpImage[y*nWidth+x]=(unsigned char)(255pUnchEdge[y*nWidth+x])。 } } delete []pUnchImage。 pUnchImage = NULL 。 delete []pUnchEdge 。 pUnchEdge = NULL 。 EndWaitCursor()。 Invalidate()。 } 實驗結果 本節(jié)給出了幾幅主要的視網(wǎng)膜圖像分割的測試結果：圖 4 為原始圖，圖 5為所轉換成的 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對視網(wǎng)膜圖像分別進行的分割測試。圖 12 為用canny 算子所進行的邊緣檢測分割，用此與自適應閾值分割來進行對比。圖 4 所要測試的原圖寧波工程學院本科畢業(yè)設計論文17圖 5 轉換成的 256