随着计算机图像处理技术的不断发展,医学图像处理及分析问题将逐步成为图像处理研究领域中的重点与热点问题。现代医学与计算机图像处理技术的联系也越来越紧密,大大提高了医生对临床病例诊断的准确性。由于眼底视网膜微血管的改变程度与心脑血管疾病、糖尿病、高血压以及眼科疾病等的严重程度密切相关,因此研究有效的、准确的分割视网膜血管网络的方法,辅助医生对以上病例进行早期诊断和治疗具有非常重要的意义。又因为视网膜血管网络位于眼底深处,是人体唯一非创伤性可直接观察的微血管,因此将它用作身份识别也具有很高的安全性。本文在国内外研究的基础上对视网膜血管的分割算法展开了研究,提出了一种将最大熵阈值与自适应阈值相结合的算法。首先对RGB彩色图像进行预处理,即选取绿色通道并采用匹配滤波器来对图像进行增强,然后采用自适应阈值算法提取出主血管网络,再运用最大熵阈值算法提取细小血管,最后运用逻辑与运算合并两次的分割结果。此外,本文还研究了模糊聚类方法,选用一种改进的模糊C均值聚类算法对视网膜图像进行处理。该算法是对预处理后的图像,先计算它的二维直方图,然后取其对角线元素,即图像所有像素中受噪声影响较小的那些像素出现的概率,显示了图像中比较稳定的信息,利用这些元素来更新聚类中心,实现迭代。最后用迭代所得的聚类矩阵对图像进行分割。