【正文】 的數(shù)據(jù)庫； 2）設(shè)計了一套用于視網(wǎng)膜血管檢測的系統(tǒng)原型程序； 3）發(fā)表了研究論文 1篇； 浙江省“新苗人才計劃”項目 視網(wǎng)膜血管分割系統(tǒng)設(shè)計與實現(xiàn) 項目研究報告 18 第 4 章 結(jié) 論 總結(jié) 本課題的主要工作是研究視網(wǎng)膜血管分割算法，并且仔細的研究了 Canny算子和數(shù)學(xué)形態(tài)學(xué)。下面是檢測的結(jié)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(shè)計與實現(xiàn) 項目研究報告 17 數(shù)學(xué)形態(tài)學(xué)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(xué)形態(tài)學(xué)的圖片的血管比只有 Canny 的要清晰不少。而且對不同的算法進行了比較。 在這個基礎(chǔ)上，再對圖像使用 Canny算法就會有更加好的效果。 從一些資料 [1]得知，數(shù)學(xué)形態(tài)學(xué)的開運算能很好的圖像的白噪聲，而且圖像沒有模糊，但是對黑噪聲卻沒有太多的改變。如果用數(shù)學(xué)形態(tài)學(xué)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。這是一部很重要的一步，因為前期的圖像會對后期的檢測產(chǎn)生很大的影響。另一種是腐蝕，浙江省“新苗人才計劃”項目 視網(wǎng)膜血管分割系統(tǒng)設(shè)計與實現(xiàn) 項目研究報告 15 以消除圖像中小的成分 ,有對圖像內(nèi)部濾波的作用。 本文針對的是灰度圖像進行處理的。所以我們提出了將數(shù)學(xué)形態(tài)學(xué)這個新型學(xué)科也加到我們的項目中來。(x,y) ∈ Db } 開運算即先腐蝕后膨脹的過程，用來消除小物體、在細小點處分離物體、平滑較大物體的邊界的同時并不明顯改變其面積；閉運算即先膨脹后腐蝕的過程，用來填充物體內(nèi)細小空洞、連接鄰近物體、平滑其邊界的同時并不明顯改變其面積；變換形式如下： 開運算： f○ b=(f ?b)○ + b 閉運算： f其離散形式的形態(tài)變換如下： (f○ + b) (s,t)=max{f(sx,ty)+b(x,y)︱ (sx,ty) ∈ Df 。 膨脹：是將與物體接觸的所有背景點合并到該物體中，使邊界向外部擴張的過程。 浙江省“新苗人才計劃”項目 視網(wǎng)膜血管分割系統(tǒng)設(shè)計與實現(xiàn) 項目研究報告 14 Canny 算法與數(shù)學(xué)形態(tài)學(xué)的結(jié)合 灰度形態(tài)學(xué)處理的對象和結(jié)構(gòu)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。有可能造成對邊緣的定位的確很精確，但是對噪聲太過于敏感，從而導(dǎo)致出現(xiàn)假的邊緣，并且丟失真的邊緣。因此雙閾值算法要在 T h [ i, j ]中把邊緣連接成輪廓 , 當(dāng)達到輪廓端點時 , 該算法就在由低閾值得到的邊緣圖像 T l [ i, j ]的 8鄰域位置尋找可以連接到輪廓上的邊緣 , 這樣 , 利用遞歸跟蹤的算法不斷地在 T l [ i, j ]中搜集邊緣 , 直到將 T h [ i, j ]中所有的間隙都連接起來為止。 用雙閾值算法檢測和連接邊緣 雙閾值算法是對經(jīng)過非極大值抑制和梯度直方圖分類的子圖像 N [ i, j ]分別使用高、 低 2個閾值 S(h) 和 S(l)分割得到 2 個閾值邊緣圖像 T h [ i, j ]和 T l [ i, j ]。 浙江省“新苗人才計劃”項目 視網(wǎng)膜血管分割系統(tǒng)設(shè)計與實現(xiàn) 項目研究報告 13 12 `比如我們梯度的方向為 10度，這時候我們應(yīng)該把這個像素點的梯度方向歸入 0度的范圍內(nèi)。如果鄰域中心點的幅值 m [ i, j ]不比梯度方向上的 2 個插值結(jié)果大 , 則將 m [ i, j ]對應(yīng)的邊緣標(biāo)志位賦值為 0,這一過程把 M [ i, j ]寬屋脊帶細化為一個像素寬 , 并且保留了屋脊的梯度幅值。當(dāng)梯度的角度值符合其中的某一個范圍內(nèi)，則將這個像素點的方向定為括號前面的角度。這 4 個 方 向 分 別 為0(,),45(),90(),135()。 Canny算法中使用的 3*3的大小，包含 8方向的鄰域。梯度方向是 非極大值抑制 為了精確定位邊緣 , 必須細化梯度幅值圖像 M [ i, j ] 中的屋脊帶 , 只保留幅值局部變化最大的點 , 這一過程就是非極大值抑制。可以使用上面求出的偏導(dǎo)了計算這兩個變量。 不過我設(shè)計的 Canny 算子在這里求梯度模板則是使用 Sobel 模板。 其中 ,x 和 y 方向偏導(dǎo)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。在數(shù)字圖像里則是通過近似的計算也或者它們 的偏導(dǎo)的。通過這個運算以后就可以得到進行平滑以后的圖像 F(x,y)了。以下是它的函數(shù)： 浙江省“新苗人才計劃”項目 視網(wǎng)膜血管分割系統(tǒng)設(shè)計與實現(xiàn) 項目研究報告 11 (x,y)分別是它離中心點的位置，而δ則是一個標(biāo)準(zhǔn)方差，通過這個未知數(shù)可以控制 Gauss 函數(shù)的模板及平滑的程度。 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(yīng)用于圖像處理的減噪過程。 (3)檢測，有一些梯度幅值很大并不一定是邊緣點，所以必須進行進行的檢測。 (2)增強， 增強算法將鄰域中灰度有顯著變化的點突出顯示。 Canny 算子對圖像的處理過程可以概括為一下幾個步驟 : (1)過濾，邊緣檢測主要依賴于導(dǎo)數(shù)的計算，但很容易受噪聲的影響。 (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。 Canny 的目標(biāo)是找到一個最優(yōu)的邊緣檢測算法，最優(yōu)邊緣檢測的含義是 ： (1)優(yōu)良的信噪比，即對邊緣的錯誤檢測率要盡可能的低。s Criteria)。 浙江省“新苗人才計劃”項目 視網(wǎng)膜血管分割系統(tǒng)設(shè)計與實現(xiàn) 項目研究報告 10 對圖像進行處理 (Canny 算子 ) 坎尼 (Canny)算子是 1986 年 John Canny 在 IEEE 上發(fā)表的“ A Computational Approach to Edge Detection”這篇文章中提出的?；叶忍幚硎紫茸x入圖像的拷貝文件到內(nèi)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。 灰度化處理 由彩色轉(zhuǎn)化為灰度的過程叫做灰度化處理，它是使 RGB 模型中的 R=G=B。所以，在進 行正常的邊緣識別的過程中一定要進行灰度話處理。同時，也存在缺點，當(dāng)被采集者的數(shù)量增大的時候，就會失去上面的優(yōu)勢。如果有第二個陳紅來拍攝右眼的視網(wǎng)膜，命名為： 。 A表示被采集者的姓名的第一個字母（如果出現(xiàn) 重復(fù)的時候，再在后面加數(shù)字，表示第幾個重復(fù)的）。 圖像命名規(guī)則 采集到的圖像需要采用統(tǒng)一的命名規(guī)則，經(jīng)過一定的組織才能最終成為標(biāo)準(zhǔn)數(shù)據(jù)庫。 第二步，將一只眼睛對準(zhǔn)相機上。隨機選擇 10個學(xué)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。 圖像信息的采集 我們采用 Nommyd7 免散瞳眼底相機 作為視網(wǎng)膜圖像信息采集工具。 浙江省“新苗人才計劃”項目 視網(wǎng)膜血管分割系統(tǒng)設(shè)計與實現(xiàn) 項目研究報告 8 第 2 章 設(shè)計方案 圖像邊緣提取一般劃分為視網(wǎng)膜圖像采集、預(yù)處理、算法處理、保存處理圖片幾個過程。通過 Gauss 平滑除去圖像噪聲，然后再進行邊緣的檢測，這樣做的效果會比較好?；?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 。 Sobel 算子通常 用于求輸入的灰度級圖像的每一個的近似的絕對梯度。但此算子卻可用二次微分正峰和負(fù)峰之間的過零點來確定，對孤立點或端點更為敏感，因此特別適用于以突出圖像中的孤立點、孤立線或線端點為目的的場合。因為圖像中的邊緣就是那些灰度發(fā)生跳變的區(qū)域，所以拉普拉斯 銳化模板在邊緣檢測中很有用。 另外，拉普拉斯算子還可以表示成模板的形式，如圖 11所示。 拉普拉斯算子是最簡單的各向同性微分算子，具有旋轉(zhuǎn)不變性。主要具體的有 Sobel， Reberts， Laplacian， LOG 等這些算法 。 圖像邊緣檢測算法在過去已經(jīng)被許多人提出過，并且這些人的算法都有著很多不一樣的地方。 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(nèi)急劇變化到另一個灰度相差較大的灰度值。無論采用何種邊緣檢測算法都難以完全消除噪聲的影響。 Canny 算子具有良好的多尺度特性，已廣泛地用于圖像邊緣檢測。本文就重點研究基于 Canny 算子與數(shù)學(xué)形態(tài)學(xué)濾波相結(jié)合的視網(wǎng)膜血管檢測算法。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)膜血管提取方法是難點所在 [4]。另外，視網(wǎng)膜血管作為一種人體生物特征，其結(jié)構(gòu)穩(wěn)定，隱蔽性強，在身份鑒別等高層次安全保密方面有重要的應(yīng)用前景。 致 謝 ...................................................................................................................................................... 28 數(shù)據(jù)庫圖像資料 .......................................................................................................................................... 29浙江省“新苗人才計劃”項目 視網(wǎng)膜血管分割系統(tǒng)設(shè)計與實現(xiàn) 項目研究報告 5 第 1 章 緒