医学图像处理是图像处理领域中的重点与难点问题之一。随着数字图像处理技术的快速发展，借助电子计算机等辅助手段，医学图像的提取方法以及图像质量都得到极大的提高。眼底视网膜图像是人体唯一可以非创伤直接观察的较深层微血管，对视网膜血管的分析研究有助于疾病的精确诊断。然而，由于视网膜血管图像的灰度分布不均匀，目标血管与图像背景的对比度低，再加上图像噪声的污染，使视网膜血管的自动分割非常困难。所以，通过建立眼底视网膜图像的计算机辅助分析系统，对眼底视网膜组织进行定量分析与定性检测，对临床眼科学的病理诊断具有非常重要的意义。　　 本研究在查阅大量数字图像处理的文献基础之上，结合DRIVE眼底视网膜图像数据库模型，通过分析不同图像分割算法的特性，对眼底视网膜血管图像进行了分割实验与对比分析，主要过程如下：⑴对视网膜图像预处理。通过分析RGB彩色系统模型，对各通道的视网膜图像进行对比度比较。掌握数字图像处理的基本操作方法，包括图像增强技术（直方图变换等）、图像滤波、数学形态学操作以及图像分割等。通过预处理操作，改善视网膜图像质量。⑵视网膜图像血管分割提取，本课题研究了两种视网膜血管分割方法。首先，基于高斯匹配的视网膜血管分割，引进高斯匹配函数滤波器的定义，通过对图像进行滤波处理，提高目标血管与背景的对比度，然后采用阈值以及边缘检测方法分别提取出视网膜血管。第二类视网膜血管分割方法基于水平集函数的演化，通过自适应直方图以及2D Gabor变换，对视网膜图像预处理，之后采用可变区域拟合能量定义的水平集理论，对视网膜血管纹理进行自动分割。在理论分析与研究的基础之上，本文实现了视网膜血管的自动分割。此外，本文计算了算法的平均准确度、特异性以及灵敏度，并与专家手动分割结果进行了比较。通过与已知分割算法进行对比，本文算法具有良好的分割效果。