随着计算机硬件和软件技术水平的飞速提升,结合计算机辅助系统的数字图像处理技术已经渗透到医学的各个学科和领域。眼睛作为人体重要的视觉器官,眼部结构由于病变引发的可视症状,可作为某些疾病的诊断依据,视网膜眼底各组织的形态结构与人体常见的疾病例如高血压、糖尿病和动脉血管硬化等关系密切,因此对于眼底图像的分析研究则显得尤为重要。尽管传统手工分割方法对眼底图像的特征提取能得到较高的精确度,但由于花费时间久、受主观因素影响大等原因,难以满足临床的需求。为解决这一难题,可结合计算机辅助系统对眼底图像进行检测。本文结合目前眼底图像的研究现状,基于MATLAB仿真平台研究眼底图像的血管分割和视盘定位。具体研究内容如下:(1)在目前视网膜眼底图像血管分割研究虽然取得了一定的研究成果,但由于细小血管比较细,其与周围背景之间的灰度值对比度小,依然存在对于细小血管分割结果不够精确。因此,首先在预处理中利用CLAHE图像增强算法对绿色通道图像进行增强,并且利用增强后的图像和其中值滤波进行差值运算后的图像滤除一些背景噪声并且对血管细节做了保留。为了进一步提高血管图像预处理的图像质量,在经过图像预处理的基础上,首先将图像进行不同尺度的Gabor小波变换;然后将提取的Gabor特征作为GLM的输入进行血管分割。将本文算法在DRIVE眼底图像数据库中进行实验测试,统计得出平精确度0.9449、灵敏度0.9008、特异性0.9347、AUC为0.9696。表明该算法对细小血管的分割效果较好,灵敏度远高于其他血管分割算法,在病变和正常眼底图像中均取得良好的分割效果。(2)目前对于眼底图像视盘分割的研究中,由于视网膜病变和拍照时光照不均匀等因素造成视盘亮度和背景之间对比度低,会导致视盘定位不准。因此,本文在预处理阶段,首先利用AHE图像增强算法对红色通道图像进行处理,以提升视盘与背景之间的对比度并消除视盘区域内的血管干扰,然后通过形态学开运算对增强图像进行处理以消除视盘轮廓血管干扰,避免在后续处理中视盘被分割成多个区域;为了进一步消除背景亮度和血管分布的影响,将开运算的结果与中值滤波做差值运算得到视盘阴影图像。在视盘定位阶段,利用大津法(OTSU)对预处理图像进行阈值分割二值化处理,并对结果进行连通区域的提取得到视盘定位的候选区域;通过对连通区域的外接矩形的长宽限制,再结合血管分割图像中视盘区域内血管密度比其他区域大的特点,进一步筛除干扰区域得到视盘定位的最终结果。在视盘分割阶段,将视盘定位的结果和外接矩形的坐标作为用于Hough变换对视盘分割的输入,基于霍夫圆检测实现视盘的分割。将本文视盘分割算法在DRIVE图像库、STARE图库以及HRF图像库中进行实验验证,分别获得了 100%、96.71%和97.78%的视盘分割准确率。实验表明,该方法克服了视盘与背景对比度低导致视盘分割不准确,具有在病变眼底图像分割效果良好,分割速度快,性能好的特点。