糖尿病是现代社会一种高发病，在所有糖尿病患者中平均高达50%的人由于糖尿病引发视网膜病变并最终可能导致视觉受损和致盲，因此其发病率和致盲率都非常高，其防治的关键在于早期诊断，在西方发达国家，目前正大力推广糖尿病患者视网膜眼底成像定期检查，由于患者人数众多而专业眼科专家稀缺，大规模诊断工作既繁重又耗时，因此目前着力于研究能够替代专家的基于计算机视觉的视网膜早期病变自动甄别和检测系统，从而极大提高诊疗效率。预处理阶段是病变自动检测系统的重要环节，对于后续检测性能具有很大的影响。该阶段主要包括视网膜眼底图像的滤波，非均匀照明和对比度的归一化，图像增强，眼底图像生理结构的分割（包括血管，视盘和黄斑的定位和分割问题）。相关处理对于后续病变检测、虚假病变的去除，以及排除其它生理结构对检测结果的干扰具有重要作用。本文着力于研究预处理阶段的非均匀照明和对比度的归一化增强和眼底图像视盘定位问题。由于图像获取过程中各种因素的影响，眼底图像内和图像之间存在大幅度的照明和对比度变化，表现为眼底图像普遍存在非均匀照度和对比度现象，造成某些区域的病变难以观测，从而严重影响诊断过程和结果。基于此，本文提出了两种新的眼底图像归一化增强方法，分别是基于背景估计和同态滤波的眼底图像归一化增强和基于奇异值分解低通滤波眼底图像非均匀照度和对比度归一化方法。在不改变视网膜原始生理结构和病变区域的情况下，本文方法较好的满足了预处理各方面的要求,主观视觉和客观评价指标的测量都表明该方法优于其他同类方法。视盘的准确定位有利于眼底病变的诊断，例如：很多视盘分割算法需要预先给出初始种子点；由于视盘和黄斑（视觉最敏锐区域）之间的距离近似为常数，当视盘位置确定后，确定黄斑区域也就容易了；视盘和大尺寸的亮黄色病变（溢出物病变）容易混扰，视盘的定位可以将其从候选病变对象中予以排除。本文充分利用血管的分布特性和视盘区域的外观特性，提出了一种易于实现的基于一维投影的视盘定位方法。其中血管散布度作为视盘区域和其它区域血管分布的差异性评价指标被用于视盘的水平坐标确定，同时亮度和血管边缘梯度被用于视盘垂直坐标的确定，从而准确定位视盘。本文方法在4个公开的眼底图像数据集和1个自选数据集上进行了测试，在正常和病变眼底图像测试中表现出良好的鲁棒性，在整个380幅眼底图像中，定位准确率达到94%，平均用时13.2秒，相对其它方法，更符合实际系统实时处理要求。