静脉穿刺是最常见的医疗手段之一,广泛应用于医疗行业中,包括静脉注射、静脉输血、输液、静脉采血等。对于静脉穿刺,最重要的是能够看到更清晰的静脉血管,或者对于脂肪较厚的人群可以预测其深度。然而由于个体之间血管粗细、深浅,脂肪厚度以及肤色等差异的影响,常常会有静脉穿刺失误的情况发生。现阶段静脉穿刺过度依赖于医护人员的手感和经验,而且2020年新型冠状病毒爆发,医护人员必须身穿防护服、戴护目镜、以及两层橡胶手套,这无疑会导致静脉穿刺的失败率大大增加,从而可能延误抢救甚至会危及患者生命。目前,没有特定的医疗辅助工具可以解决这一问题。因此,研究静脉图像的识别及其处理,定位血管的三维位置对于辅助静脉穿刺等医疗手段具有很重要的应用价值。本文总结了国内外关于静脉穿刺辅助设备的研究现状,剖析了实现方案的优劣,设计并完成了自己的实验。由于血管内血红蛋白对于近红外光具有特异性,所以利用近红外光线的敏感性得到近红外静脉图像,但由于原始图像存在光照不均匀、对比度低、噪声点多、边缘不够清晰等问题,所以不能直接辅助静脉穿刺。因此首先对原始红外静脉图像进行图像增强处理,然后经过实验对比选用合适的算法突出血管的轮廓,确定血管的二维位置和血管直径;再结合光线在生物组织中的传播原理,构建皮肤模型,提出了一种使用多波长红外静脉图像灰度值测量手背静脉位于皮下深度的数学模型。结合血管的二维位置和深度信息,可以就可以为医护人员进行静脉穿刺提供更为详细的辅助信息。（1）本实验首先利用静脉及其周围组织对近红外光吸收程度存在差异的原理,设计并搭建了红外静脉图像采集环境。其中包括为摄像头加装红外波段的滤光片,绘制多波长红外光源的电路原理图和PCB板并制成成品,使用单片机中STM32F103控制光源循环点亮;（2）其次采集不同红外波长下的手背静脉图像对其进行增强处理,即通过使用CLAHE算法来加大图片的对比度。然后对图像进行二值化处理来提取血管轮廓后,使用形态学处理中的开运算和闭运算来平滑血管图像的边缘。以上实验的结果表明CLAHE+二值化+形态学开闭运算的搭配对于处理二维红外静脉图像具有一定优势,对血管的检测情况良好;（3）最后从以上获得的多波长二维静脉灰度图像中恢复血管的三维信息。首先建立皮肤模型,其次从多波长红外静脉图像中获得血管正中处的灰度值。利用灰度值和血管深度之间的联系建立数学模型,产生一个参数矩阵,与超声血管图像中血管深度组成增广矩阵,得出手背静脉的皮下深度值,使用超声血管图像中获得的血管深度作为标准进行误差校正后对计算结果进行验证,本文自行设计的血管深度恢复模型计算结果有91.50%误差小于0.015cm,97.82%误差小于0.021cm。此部分实验的结果表明该独创性的数学模型在深度恢复方面可以满足需求,能够清晰地显示出血管的皮下深度。本文针对医护人员对于静脉穿刺辅助工具的需求,先定位了静脉的二维位置,又从二维场景恢复了血管的深度信息,提供了血管的三维位置,能够为医护人员在静脉穿刺时提供参考,有助于判断静脉穿刺的深度,达到辅助医疗的目的。同时,血管的定位工作也有助于静脉注射的自动化和医学上对于手背静脉深度走向等的研究。