【正文】 是不那么讓人滿意。這個(gè)數(shù)學(xué)形態(tài)學(xué)主要做的是前期的工作，而 Canny 算法本身應(yīng)該說(shuō)是不變的。從上述可以知道形態(tài)學(xué)的基本運(yùn)算就兩種，一種是膨脹，用來(lái)填充一些小孔， 有對(duì)圖像外部濾波的作用。 本 文中數(shù)學(xué)形態(tài)學(xué)主要用于前期的圖像去噪。濾波器可能在一定程度上到達(dá)去噪，但是在去噪的同時(shí)也是會(huì)消減圖像本身的邊緣的信息，可能導(dǎo)致最后的邊緣不完整。因?yàn)閿?shù)學(xué)形態(tài)學(xué)是基于信息的幾何特征，預(yù)先定義了結(jié)構(gòu)元素，所以能達(dá)到既能消除噪聲又能很好的保留圖像的信息。對(duì)圖像使用數(shù) 學(xué)形態(tài)學(xué)的閉運(yùn)算，仔細(xì)的觀察會(huì)發(fā)現(xiàn)黑噪聲也全部消失了，但是會(huì)有點(diǎn)圖像有點(diǎn)輕微的模糊，不過(guò)應(yīng)該影響不大。 浙江省“新苗人才計(jì)劃”項(xiàng)目 視網(wǎng)膜血管分割系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn) 項(xiàng)目研究報(bào)告 16 第 3 章 實(shí)驗(yàn)結(jié)果 實(shí)驗(yàn)結(jié)果 實(shí)驗(yàn)的結(jié)果是通過(guò) 5 個(gè)人的視網(wǎng)膜進(jìn)行邊緣識(shí)別。而且也很著重的比較了使用了數(shù)學(xué)形態(tài)學(xué)以后 Canny 算法與沒(méi)有使用以前的差別。雖然從這張照片中看不去數(shù)學(xué)形態(tài)學(xué)的很大的優(yōu)勢(shì)，但是如果當(dāng)照片原圖沒(méi)有那么好的情況下，則優(yōu)勢(shì)就很明顯了。通過(guò) 不同的算法對(duì) 5 個(gè)同學(xué)的左右眼睛的視網(wǎng)膜進(jìn)行了檢測(cè)，并且對(duì)處理以后的進(jìn)行仔細(xì)的對(duì)比，然后保存。本文主要的研究工作和成果體現(xiàn)在如下幾個(gè)方面 : 1).對(duì) Sobel， Reberts， Laplacian， LOG， Canny 幾種常見(jiàn)算法進(jìn)行了比較，然后通過(guò)對(duì)不同質(zhì)量照片的出來(lái)，來(lái)發(fā)現(xiàn)它們的優(yōu)點(diǎn)和缺點(diǎn)。 2).讓 Canny算法與數(shù)學(xué)形態(tài)學(xué)進(jìn)行了結(jié)合，數(shù)學(xué)形態(tài)學(xué) 很好的彌補(bǔ)了 Canny算法的部分的確定。并對(duì)數(shù)學(xué)形態(tài)學(xué)也有了一定的掌握的， 數(shù)學(xué)形態(tài)學(xué)是一門新興的、以形態(tài)為基礎(chǔ)對(duì)圖像進(jìn)行分析的學(xué)科 ,它用具有一定形態(tài)的結(jié)構(gòu)元素去度量和提取圖像中的對(duì)應(yīng)形狀以實(shí)現(xiàn)對(duì)圖像的分析和識(shí)別、邊緣檢測(cè)等圖像預(yù)處理問(wèn)題中有著明顯的優(yōu)勢(shì)。也發(fā)現(xiàn)了正確的使用數(shù)學(xué)形態(tài)學(xué)可以能很好的處理圖像邊緣的問(wèn)題。尤其是在一些 核心算法的研究上，如何針對(duì)視網(wǎng)膜圖像的特點(diǎn)，提出更高效的邊緣提取算法，是后續(xù)研究工作的重點(diǎn)。 隨著現(xiàn)代化技術(shù)的不斷出現(xiàn)，傳統(tǒng)身份識(shí)別方法已經(jīng)不能滿足現(xiàn)代社會(huì)對(duì)個(gè)浙江省“新苗人才計(jì)劃”項(xiàng)目 視網(wǎng)膜血管分割系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn) 項(xiàng)目研究報(bào)告 19 人身份識(shí)別的要求。作為新興的生物特征身份識(shí)別技術(shù)，視網(wǎng)膜識(shí)別憑借其高度的準(zhǔn)確性，已經(jīng)得到學(xué)術(shù)界和企業(yè)界越來(lái)越廣泛的關(guān)注。 //輸出圖像位圖數(shù)據(jù)指針 unsigned char * m_lpImgDataOut。 private: int m_imgWidthOut。 int m_nColorTableLengthOut。 ImgSegment(CSize size,int nBitCount,LPRGBQUAD lpColorTable,unsigned char *pImgData)。 CSize GetDimensions()。 void Canny()。 void LOG()。//求梯度的函數(shù) //閾值估計(jì) void EstimateThreshold(unsigned char * imgIn, int nWidth, int nHeight, int *pnThdHigh,int *pnThdLow, unsigned char * imgOut, double dRatioHigh, double dRationLow)。 //也是最后邊緣連接的一個(gè)函數(shù)，用來(lái)自我調(diào)用 void TraceEdge (int y, int x, int nLowThd, unsigned char *pUnchEdge, unsigned char *pnMag, int nWidth)。 private: //模板卷積函數(shù) void TemplateEdge(unsigned char * imgIn,int width,int height,int nBitCount,int *mask,int maskW,int maskH,unsigned char *amp。 }。 G_mask[0] = 2。 G_mask[2] = 5。 G_mask[4] = 2。 浙江省“新苗人才計(jì)劃”項(xiàng)目 視網(wǎng)膜血管分割系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn) 項(xiàng)目研究報(bào)告 23 G_mask[6] = 9。 G_mask[8] = 9。 G_mask[10] =5。 G_mask[12] = 15。 G_mask[14] = 5。 G_mask[16] = 9。 G_mask[18] = 9。 G_mask[20] = 2。 G_mask[22] = 5。 G_mask[24] = 2。 int Grad_maskY[9]。 Grad_maskX[1] = 0。 Grad_maskX[3] = 1。 Grad_maskX[5] = 1。 Grad_maskX[7] = 0。 Grad_maskY[0] = 0。 Grad_maskY[2] = 0。 Grad_maskY[4] = 0。 Grad_maskY[6] = 0。 Grad_maskY[8] = 0。 m_lpImgDataOut = NULL。 m_lpColorTableOut = NULL。 thism_nColorTableLengthOut = thisComputeColorTableLength(thism_nBitCountOut)。 memcpy(thism_lpColorTableOut,m_lpColorTable,sizeof(RGBQUAD) * thism_nColorTableLengthOut)。 thism_imgWidthOut = thism_imgWidth。 //臨時(shí)變量 unsigned char * T_ImgDataOut_G。 unsigned char * T_ImgDataOut_Y。 T_ImgDataOut_G = new unsigned char[LineByte * thism_imgWidthOut]。 T_ImgDataOut_Y = new unsigned char[LineByte * thism_imgWidthOut]。 // 浙江省“新苗人才計(jì)劃”項(xiàng)目 視網(wǎng)膜血管分割系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn) 項(xiàng)目研究報(bào)告 25 thism_lpImgDataOut = new unsigned char[LineByte * thism_imgWidthOut]。 //求 X的梯度 thisTemplateEdge(T_ImgDataOut_G,thism_imgWidth,thism_imgHeight,thism_nBitcount,Grad_maskX,3,3,T_ImgDataOut_X,true)。 //梯度幅值 for(int i =0 。 i++) { thism_lpImgDataOut[i] = thisComputeGrad(T_ImgDataOut_X[i],T_ImgDataOut_Y[i])。 //閾值化 thisHysteresis(thism_lpImgDataOut,thism_imgWidth,thism_imgHeight, ,T_ImgDataOut_S)。 delete [] T_ImgDataOut_G。 delete [] T_ImgDataOut_Y。 } 浙江省“新苗人才計(jì)劃”項(xiàng)目 視網(wǎng)膜血管分割系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn) 項(xiàng)目研究報(bào)告 26 附錄 2 數(shù) 學(xué)形態(tài)學(xué) 程序源代碼： class Morphology : public ImgCenterDib { public: //輸出圖像每像素的位數(shù) int m_nBitCountOut。 //輸出圖像的顏色表 LPRGBQUAD m_lpColorTableOut。 int m_imgHeightOut。 int *m_maskBuf。 int m_maskH。 Morphology(CSize size, int nBitCount, LPRGBQUAD lpColorTable, unsigned char *pImgData)。 //灰值腐蝕 浙江省“新苗人才計(jì)劃”項(xiàng)目 視網(wǎng)膜血管分割系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn) 項(xiàng)目研究報(bào)告 27 void GrayErosion()。 //灰值開(kāi) void GrayOpen()。 //灰值形態(tài)學(xué)梯度 void GrayGradient()。 //結(jié)構(gòu)元素（模板）輸入函數(shù)，在調(diào)用其它形態(tài)學(xué)處理函數(shù)前必須先調(diào)用此函數(shù) void InputMask(int *mask,int maskW, int maskH)。 //灰值膨脹基本運(yùn)算 ,灰值開(kāi)、閉、形態(tài)學(xué)梯度操作等都要調(diào)用這個(gè)函數(shù) void BasicDilationForGray(unsigned char *imgBufIn, unsigned char *imgBufOut,int imgWidth,int imgHeight,int *maskBuf, int maskW, int maskH)。 浙江省“新苗人才計(jì)劃”項(xiàng)目 視網(wǎng)膜血管分割系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn) 項(xiàng)目研究報(bào)告 28 致 謝 衷心的感謝張永平教授給我們耐心的指導(dǎo)和幫助，張教授嚴(yán)謹(jǐn)?shù)闹螌W(xué)態(tài)度、豐富的研究經(jīng)驗(yàn)、開(kāi)闊的思維方式都給我們以很大的啟迪和教益。從項(xiàng)目的選題、研究過(guò)程的逐步推進(jìn)、問(wèn)題的解決到論文的撰寫、修改等全過(guò)程都是在張教授的悉心指導(dǎo)下完成的。在此向他們表示由衷的