羅漢源，戴培山

（中南大學(xué)，長(zhǎng)沙410083）

一種快速的眼底圖像視盤定位算法

羅漢源，戴培山

（中南大學(xué)，長(zhǎng)沙410083）

目的：探討一種快速的視網(wǎng)膜圖像視盤定位方法。方法：提取RBG彩色視網(wǎng)膜圖像的綠色通道作為處理對(duì)象；以每個(gè)像素點(diǎn)為中心取窗進(jìn)行灰度調(diào)整操作；計(jì)算每個(gè)窗內(nèi)灰度最大值，并根據(jù)該值重新估算窗的中心值；將該值作為中心像素點(diǎn)的灰度值。對(duì)提取到的圖像進(jìn)行二值化與形態(tài)學(xué)處理得到視盤區(qū)域和輪廓。結(jié)果：對(duì)DRIVE數(shù)據(jù)庫(kù)測(cè)試圖像進(jìn)行了實(shí)驗(yàn)，提取視盤的平均運(yùn)算時(shí)間為2.948s，視盤區(qū)域覆蓋準(zhǔn)確性92.5%。結(jié)論：較同類視盤提取算法速度更快，準(zhǔn)確率達(dá)到平均水平，但對(duì)于視盤區(qū)域亮度偏暗的視網(wǎng)膜圖像效果一般。

視網(wǎng)膜圖像；窗灰度操作；視盤定位

視盤（optic disc），也被稱為視神經(jīng)乳頭，是視網(wǎng)膜上重要的生理解剖結(jié)構(gòu)之一，是一個(gè)邊界清晰的淡紅色圓盤形結(jié)構(gòu)，位于視網(wǎng)膜黃斑向鼻側(cè)約3mm處，直徑約為1.5mm。視盤區(qū)域是視網(wǎng)膜中視覺神經(jīng)與血管集中進(jìn)出眼球的部位。視盤的形狀，大小和所處的位置對(duì)于許多疾病的早期診斷和醫(yī)學(xué)研究有十分重要的意義。本文提出了一種快速的視盤提取算法，即對(duì)彩色RBG視網(wǎng)膜圖像的綠色通道圖像上的像素點(diǎn)為中心取窗進(jìn)行灰度操作。計(jì)算每個(gè)窗內(nèi)灰度最大值。根據(jù)該值重新估算窗中心像素點(diǎn)的灰度值，對(duì)每個(gè)像素點(diǎn)都進(jìn)行一次取窗操作后得到初步視盤提取結(jié)果，然后通過二值化和形態(tài)學(xué)操作提取視盤區(qū)域和視盤輪廓。

1 方法

1.1 預(yù)處理

圖1為通過眼底照相機(jī)獲得的視網(wǎng)膜彩色RGB圖像，RGB代表圖像的三個(gè)分量，將彩色圖像分解為RED（紅色）分量、GREEN（綠色）分量和BLUE（藍(lán)色）分量。綠色分量擁有最好的分辨率和對(duì)比度，所以本文選取綠色通道的圖像進(jìn)行處理。

1.2 取窗進(jìn)行灰度操作

如圖1中所示（a）為視網(wǎng)膜的綠色分量圖像，（b）為其對(duì)應(yīng)的窗灰度操作結(jié)果，可以看出處理后的視網(wǎng)膜圖像背景均一，視盤區(qū)域呈現(xiàn)較高的亮度，且邊界明顯。

1.3 圖像后處理

窗灰度操作得到的結(jié)果視盤與背景對(duì)比度明顯，邊界清晰。使用圖像的二值化來提取相應(yīng)的視盤區(qū)域。圖像的二值化是指根據(jù)設(shè)定的閾值來將灰度圖像的灰度值劃分為0（黑色）和1（白色）。本文使用公式（2）來進(jìn)行圖像的二值化。一Ibw二 (i, 三j )是二值化后的圖像灰度值。

提取來提取視盤的輪廓。先定義一個(gè)結(jié)構(gòu)體一se，并用該結(jié)構(gòu)體對(duì)視盤區(qū)域I一bw進(jìn)行膨脹，然后用膨脹后的圖像與膨脹前的視盤圖像進(jìn)行相減，即可得到視盤的輪廓Ishape。

圖1（c）為最終處理結(jié)果。定義如公式（3）所示：

圖1 綠色分量圖像與提取的視盤輪廓對(duì)比圖

2 實(shí)驗(yàn)與結(jié)果

本文的實(shí)驗(yàn)對(duì)DRIVE數(shù)據(jù)庫(kù)中的40幅眼底視網(wǎng)膜進(jìn)行了測(cè)試。在實(shí)驗(yàn)中，窗灰度操作的一m?二m窗大小取值為一m?1二1；在圖像后處理部分對(duì)閾值T一bw的取值為一Tbw二?三0.四7。

2.1 DRIVE圖像視盤檢測(cè)結(jié)果

為了更好的驗(yàn)證文中所提出的算法，在主頻為3.4GHz、內(nèi)存4GB的四核64位操作系統(tǒng)計(jì)算機(jī)上采用Matlab2013平臺(tái)來實(shí)現(xiàn)算法的仿真。為了便于比較，使用DRIVE數(shù)據(jù)庫(kù)中大小為584x565的40幅RGB彩色圖像，提取對(duì)比度強(qiáng)的綠色通道灰度圖像作為研究對(duì)象。

在實(shí)驗(yàn)中，對(duì)40幅DRIVE數(shù)據(jù)庫(kù)的視網(wǎng)膜圖像進(jìn)行了仿真實(shí)驗(yàn)，37幅視網(wǎng)膜圖像的視盤被成功定位，有3幅無法識(shí)別，算法定位準(zhǔn)確率為92.5%。無法識(shí)別的主要原因是視盤的亮度較低。在運(yùn)算速度上本文仿真實(shí)驗(yàn)40幅圖像每一幅圖像的平均運(yùn)算速度為2.948s，標(biāo)準(zhǔn)差為0.1320。在表1中可以看出，在不同方法對(duì)于視盤定位所需的時(shí)間對(duì)比上，本文的方法對(duì)于視盤檢測(cè)的速度是最快的。

表1 不同方法對(duì)于視盤定位所需的時(shí)間對(duì)比

3 結(jié)論

本文提出了一種快速的視盤提取算法，即對(duì)彩色RBG視網(wǎng)膜圖像的綠色通道圖像上的像素點(diǎn)為中心取窗進(jìn)行灰度操作。計(jì)算每個(gè)窗內(nèi)灰度最大值。根據(jù)該值重新估算窗中心像素點(diǎn)的灰度值。對(duì)每個(gè)像素點(diǎn)都進(jìn)行一次取窗操作后得到初步視盤提取結(jié)果，然后通過二值化和形態(tài)學(xué)操作提取視盤區(qū)域和視盤輪廓。算法對(duì)于視盤定位的準(zhǔn)確率達(dá)到92.5%，平均運(yùn)算一幅圖像的時(shí)間為2.948s，較同類視盤提取算法速度更快，準(zhǔn)確率達(dá)到平均水平。但對(duì)于視盤區(qū)域亮度偏暗的視網(wǎng)膜圖像效果不佳，特別是存在病變的視盤提取仍然有進(jìn)一步研究的空間。

［1］戴培山，王博亮，鞠穎.視網(wǎng)膜血管圖像分割及眼底血管三維重建［J］.自動(dòng)化學(xué)報(bào)，2009（9）：1168-1176.

［2］汪亞明，鄭凱.一種眼底視盤圖像的自動(dòng)分割方法［J］.北京生物醫(yī)學(xué)工程，2000，19（4）：198-199.

［3］Mahfouz A E,Fahmy A S.Ultrafast localization of the optic disc using dimensionality reduction of the search space［M］//MedicalImageComputingandComputer-Assisted Intervention-MICCAI 2009.Springer Berlin Heidelberg, 2009:985-992.

［4］趙曉芳，林土勝，李碧.視網(wǎng)膜圖像中視盤的快速自動(dòng)定位方法［J］.華南理工大學(xué)學(xué)報(bào)（自然科學(xué)版），2011，2：012.

［5］Yu H,Barriga E S,Agurto C,et al.Fast localization and segmentation of optic disk in retinal images using directional matched filtering and level sets［J］.Information Technology in Biomedicine,IEEE Transactions on,2012,16（4）：644-657.

［6］Esmaeili M,Rabbani H,Dehnavi A M.Automatic optic disk boundary extraction by the use of curvelet transform and deformable variational level set model［J］.Pattern Recognition, 2012,45(7):2832-2842.

Fast Localization and Segmentation of Optic Disk in Retinal Images

LUO Han-yuan,DAI Pei-shan
(Central South University,Changsha410083,China)

Objective:A fast retinal disc detection method is proposed in this paper.Methods: Green channel of the RBG retinal image is employed.An operation based on window is using to obtain the maximum gray value.The gray value of the window center pixel would be estimated by the other window's maximum gray value.Then obtain the retinal disc region and shape by using morphological processing.Results:To the DRIVE dataset,the propose method obtain a retinal disc cover accuracy 92.5%.And the average calculating time is 2.948s to per retinal image.Conclusion:The propose method shows advantages in calculating time and accuracy.

Retinal Image;Gray Operation Base on Window;Optic Disc Location

R774;TP301.6

B

10.3969/j.issn.1001-0270.2014.05.09

2014-04-22

國(guó)家自然科學(xué)基金（基金號(hào)：81171420）；湖南省自然科學(xué)基金（基金號(hào)：10JJ4014）