張志順

（嘉應(yīng)學(xué)院醫(yī)學(xué)院，梅州　514031）

眼底視網(wǎng)膜血管檢測研究

張志順

（嘉應(yīng)學(xué)院醫(yī)學(xué)院，梅州514031）

0　引言

眼底視網(wǎng)膜圖像預(yù)處理是眼底圖像處理的一部分，處理效果的好壞將影響血管特征提取、圖像匹配的準(zhǔn)確與否，影響到處理系統(tǒng)的識別率。有效的眼底圖像預(yù)處理是在去除圖像噪聲的基礎(chǔ)上，使圖像的可識別性更高，以便后續(xù)處理。

1　眼底視網(wǎng)膜圖像的采集

眼底視網(wǎng)膜圖像通過免散瞳數(shù)碼眼底照相技術(shù)獲得，它能更直觀、清晰顯示眼底病變，對于眼底疾病的判斷、病情程度的變化能夠更好地反映。通過免散瞳數(shù)碼眼底照相機(jī)，能采集到包括視盤、黃斑、血管和病變等眼底視網(wǎng)膜圖像，其水平剖面如圖1所示。

2　眼底視網(wǎng)膜圖像預(yù)處理

在眼底視網(wǎng)膜圖像采集過程中，由于受采集條件及成像傳感器特征差異的影響，得到的眼底視網(wǎng)膜圖像存在光照不均、噪聲干擾等影響眼底視網(wǎng)膜血管圖像完整提取的問題。為了提高識別的準(zhǔn)確率，對眼底視網(wǎng)膜圖像進(jìn)行光照均衡化、圖像增強(qiáng)等預(yù)處理。

圖1　眼底視網(wǎng)膜血管水平剖面

2.1光照均衡化

在感興趣區(qū)域的紅色通道上，二值化圖像可通過閾值處理得到，然后對二值化的圖像用數(shù)學(xué)形態(tài)學(xué)算子進(jìn)行處理，由此得到感興趣區(qū)域的掩膜圖像。對圖像中的每個像素進(jìn)行均衡化處理，其中，感興趣區(qū)域記為1，其他區(qū)域記為0：

在（1）式，feq（r，c）為進(jìn)行光照均衡化后圖像在（r，c）處的灰度值；原始圖像在綠色通道的掩膜圖像與原始灰度圖像做差后，其在（r，c）處的灰度值為f（r，c）；M為期望的平均灰度值；（r，c）為窗口W內(nèi)的圖像灰度平均值。綠色通道的對比度比較強(qiáng)，將（1）式用于該通道，可得到光照均衡化的圖像。

2.2圖像增強(qiáng)

光照均衡化后操作使視網(wǎng)膜血管和背景的對比度變?nèi)?，這對分離視網(wǎng)膜血管不利，因此，需對圖像進(jìn)行增強(qiáng)處理。

（1）2-D Gabor濾波器

2-D Gabor濾波是指人的視覺神經(jīng)元對時域信號或頻域信號的分辨率。2-D絡(luò)Gabor濾波器可以最優(yōu)地達(dá)到空域或頻域的局部最優(yōu)化［1］，對圖像進(jìn)行多尺度多方向的分析，在空域局部化的同時獲得較好的尺度和方向，其函數(shù)表達(dá)式為［2］：

式中，θ為濾波器方向；f為濾波的中心頻率；x和y為空間坐標(biāo)；σx、σy是沿x軸、y軸的高斯網(wǎng)絡(luò)空間常量。令σx=σy=σ，用Gabor濾波器的實部作為濾波掩膜，通過設(shè)置不同方向的參數(shù)提取血管圖像中各方向的圖像細(xì)節(jié)，由（2）式可得：

由于視網(wǎng)膜圖像的血管向四周延伸，分布于眼底，因此，要提取視網(wǎng)膜血管圖像中各個方向的血管信息（0≤θ≤2π），唯有進(jìn)行多方向濾波。為了提取血管信息，以掩膜尺寸大小為s=1/f、σ=k×s/π、角分辨率為15度構(gòu)造出12個不同方向的濾波器。其中，眼底視網(wǎng)膜圖像的血管大小為2～12個像素，s的值不超過血管的最大寬度。將視網(wǎng)膜圖像設(shè)為I（x，y），則：

每個像素點濾波后的像素值為每個像素點在各個方向濾波得到的圖像最大值。

（2）形態(tài)學(xué)Top-hat變換

數(shù)學(xué)形態(tài)學(xué)的基本思想和方法對圖像處理的理論和技術(shù)產(chǎn)生了重大影響，它是一門建立在嚴(yán)格數(shù)學(xué)理論基礎(chǔ)上的學(xué)科，它包括腐蝕、膨脹、開啟、閉合等基本運算。通過基本運算可以推導(dǎo)和組合各種數(shù)學(xué)形態(tài)學(xué)實用算法，用它們可以進(jìn)行包括圖像增強(qiáng)、特征抽取、圖像濾波、圖像分割、邊界檢測等圖像結(jié)構(gòu)處理。在這個過程中，數(shù)學(xué)形態(tài)學(xué)方法通過結(jié)構(gòu)元素收集圖像信息，以考察圖像各個部分的關(guān)聯(lián)性。

在一幅眼底視網(wǎng)膜圖像中，通過開運算，從灰度圖像中獲得較暗像素或較亮像素的效果良好。然后通過Top-hat變換，得到血管陰影增強(qiáng)的細(xì)節(jié)，Top-hat變換定義為：

其中，“o”為開操作運算符，b為結(jié)構(gòu)元素，f為輸入的灰度圖像。對圖像進(jìn)行Top-hat變換時，圖像中要增強(qiáng)的目標(biāo)信息通過不同的結(jié)構(gòu)元素的大小和形狀進(jìn)行確定。眼底視網(wǎng)膜血管的粗細(xì)不同，延伸方向也不同，因此，結(jié)構(gòu)元素要達(dá)到增強(qiáng)不同方向和不同粗細(xì)血管的目的，通過同一方向或單一尺度的結(jié)構(gòu)元素是不能實現(xiàn)的。在實際應(yīng)用中，根據(jù)平面圓盤形結(jié)構(gòu)元素的各向同性特征，選取這種結(jié)構(gòu)元素進(jìn)行處理［3］。在結(jié)構(gòu)元素尺度的選取過程中，要選取合適大小的結(jié)構(gòu)元素，既不能過大，也不能過小，如果過大，則使提取的視網(wǎng)膜血管存在干擾和粘連現(xiàn)象；如果過小，則開運算會失去部分毛細(xì)血管。為了眼底視網(wǎng)膜圖像的細(xì)血管得到增強(qiáng)，進(jìn)行多尺寸Top-hat變換，取半徑分別為2～10的圓盤結(jié)構(gòu)元素對圖像進(jìn)行變換，使相應(yīng)粗細(xì)血管得到增強(qiáng)和突出，然后對變換后的圖像進(jìn)行求和，以達(dá)到對血管的增強(qiáng)的目的。

主要（較粗）眼底視網(wǎng)膜血管的提取可使用多方向的Gabor濾波器，但該方法并不能使較細(xì)的血管得到有效增強(qiáng)，而多尺寸的Top-hat變換增強(qiáng)了圖像中的毛細(xì)血管，卻由于血管與背景的對比度不高，導(dǎo)致增強(qiáng)效果有待提高，因此，可將兩種增強(qiáng)方法結(jié)合，做圖像融合處理。

（3）最大類間方差法提取血管圖像

上述方法得到的眼底視網(wǎng)膜灰度圖像包括目標(biāo)部分和背景部分，可用閾值確定圖像的背景區(qū)域和目標(biāo)區(qū)域。利用最大類間方差法的自適應(yīng)閾值分割功能，可將眼底視網(wǎng)膜圖像的灰度特性分成目標(biāo)和背景兩部分。它們間的類間方差越大，構(gòu)成圖像的兩部分差別就越大，使用最大類間方差法進(jìn)行眼底視網(wǎng)膜圖像血管分割的錯分概率最小。

設(shè)灰度圖像中像素的灰度值小于閾值T的像素個數(shù)為N1；灰度圖像中像素灰度值大于閾值T的像素個數(shù)為N2；圖像I（x，y）的大小為M×N。灰度圖像的平均灰度記為μ1，則其前景像素點占整幅圖像的比例為ω1= N1/（M×N）；灰度圖像的平均灰度記為μ2，則其背景像素點占整幅圖像的比例為ω2=N2/（M×N），其中，N1+N2= M×N，ω1+ω2=1，灰度圖像的總平均灰度記為：

灰度圖像的類間方差為：

當(dāng)灰度圖像的類間方差值g為最大時，圖像中的目標(biāo)與背景差異達(dá)到最大，即達(dá)到灰度最佳分割閾值，此時可采用遍歷的方法得到最大類間方差閾值T。用最大類間方差閾值法對融合增強(qiáng)方法得到的圖像進(jìn)行二值化分離，但分離得到的圖像存在噪聲干擾，因此，要在血管保持連貫性的前提下做噪聲清除的操作。對分割后的圖像，可用區(qū)域描繪算子進(jìn)行處理，如果區(qū)域內(nèi)的像素數(shù)小于30，可將其當(dāng)作噪聲干擾并清除。為了有利于眼底視網(wǎng)膜圖像的血管輪廓提取，用直方圖均衡化（Contrast-Limited Adaptive Histogram Equalization，CLAHE）來調(diào)整灰度圖像的對比度［4］，然后用OTSU法對提取的血管輪廓進(jìn)行分割，得到最終的二值化效果圖，這樣，眼底視網(wǎng)膜圖像的深層次血管被完整提取出來了。

3　實驗結(jié)果

當(dāng)k取1～1.4、s取10時，血管網(wǎng)絡(luò)增強(qiáng)取得較好效果。將視網(wǎng)膜圖像與上述12個濾波器分別做卷積，進(jìn)行多方向濾波實驗。仿真實驗的計算機(jī)CPU為Pentium E5700 3.0GHz，內(nèi)存為4GB，在MATLAB 7.0的環(huán)境下眼底視網(wǎng)膜圖像進(jìn)行檢測，檢測結(jié)果如圖2所示：

從圖1可以看出，本文方法在提取各方向主血管的同時，弱化了背景信息，其中，圖2（f）采用Top-hat變換后，能有效的增強(qiáng)了圖像中小血管，滿足了眼底視網(wǎng)膜圖像的血管增強(qiáng)效果；圖2（d）為文獻(xiàn)［5］的眼底視網(wǎng)膜圖像增強(qiáng)效果，圖2（g）為采用融合增強(qiáng)方法實現(xiàn)的眼底視網(wǎng)膜血管全局增強(qiáng)效果，從圖中可以看出，本文方法弱化背景，凸現(xiàn)血管，從而使血管與背景對比度得到增強(qiáng)。圖2（j）為二值化后的效果圖。用最大類間方差閾值法對圖2（g）進(jìn)行二值化分離，用像素數(shù)小于30區(qū)域描繪算子將噪聲清除后，將掩膜與噪聲清除后的圖像進(jìn)行點乘，得到如圖2（h）所示的效果圖，從圖中可以看出，實驗提取了完整的血管圖 （包含深層次的血管），并血管保持了應(yīng)有的連續(xù)性。

圖2　眼底視網(wǎng)膜血管檢測效果

4　結(jié)語

眼底血管圖像的采集和預(yù)處理是后續(xù)進(jìn)行視網(wǎng)膜血管圖像量化分析的基礎(chǔ)。由于客觀原因，比如對象物呈球狀分布、光照不均等，這樣得到的眼底視網(wǎng)膜圖像可能出現(xiàn)背景灰度和部分區(qū)域的血管灰度區(qū)別不大，或者出現(xiàn)圖像陰影，這種情況對眼底視網(wǎng)膜的提取是不利的。針對眼底視網(wǎng)膜提取過程存在的問題，采用包括光照均衡、圖像增強(qiáng)、圖像分割、二值化處理等預(yù)處理操作，并最終提取了包括深層次血管在內(nèi)的完整眼底視網(wǎng)膜圖像，達(dá)到較好效果。

［1］張瑩，王耀南.基于 Gabor濾波器包絡(luò)的人臉識別算法［J］.中國圖象圖形學(xué)報，2008，13（12）:2314-2320.

［2］劉尚平，陳驥.基于Gabor濾波與數(shù)學(xué)形態(tài)學(xué)的視網(wǎng)膜圖像增強(qiáng)方法［J］.光電子.激光，2010，21（2）:318-322.

［3］王艷芬.視網(wǎng)膜血管灰度圖像血管檢測方法的研究［D］.華南理工大學(xué)碩士學(xué)位論文，2006.6.

［4］劉軒，劉佳賓.基于對比度受限自適應(yīng)直方圖均衡的乳腺圖像增強(qiáng)［J］.計算機(jī)工程與應(yīng)用，2008，44（10）:173-175.

［5］Hoover A.and Goldbaum M.Locating the Optic Nerve in a Retinal Image Using the Fuzzy Convergence of the Blood Vessels［J］.IEEE Transactions Medical Imaging，2003，22（8）:951-958.

Retinal；Vascular；Gabor Filter；Morphology；Otsu Method

The Detection of Retinal Blood Vessels

ZHANG Zhi-shun

（School of Medicine，Jiaying College，Meizhou 514031）

1007-1423（2015）34-0010-04

10.3969/j.issn.1007-1423.2015.34.003

張志順（1978-），男，廣東梅州人，碩士，講師，研究方向為醫(yī)學(xué)圖像處理

2015-1-20

2015-12-10

針對眼底視網(wǎng)膜提取過程存在光照不均、噪聲干擾等問題，采用包括光照均衡、圖像增強(qiáng)、圖像分割、二值化處理、最大類間方差法提取血管圖像等預(yù)處理操作，解決圖像光照不均、對象物呈球狀分布、視網(wǎng)膜血管的分割難以達(dá)到理想分割效果等困難，提取包括深層次血管在內(nèi)的完整眼底視網(wǎng)膜圖像，達(dá)到較好效果。

眼底視網(wǎng)膜；血管；Gabor濾波器；形態(tài)學(xué)；最大類間方差法

廣東省醫(yī)學(xué)科學(xué)技術(shù)研究基金（No.B2015148）、梅州市科技計劃項目（No.2014B42）

The presence of uneven illumination，noise and other issues，including the use of illumination equalization，image enhancement，image segmentation，binary processing，Otsu extracted blood vessel image preprocessing operation to solve the uneven illumination for retinal image extraction process.the object spherical distribution，retinal vascular segmentation segmentation effect is difficult to achieve ideal difficult，and ultimately extracted include deep retinal blood vessels，including a complete picture.We achieve better results.