1 简介
视网膜图像里的血管是可以被观察到的一类微血管，并且它是无创伤的，而其分布位置也属于深度部位[5]。其分布、结构和形态特征的变化能在一定程度上反映病变的程度。而白血病、糖尿病以及高血压等疾病都会引发一些眼科的疾病。眼底图像的分析是诊断这些眼病的重要方法之一。医学图像分割在图像处理过程中起到了非常重要的作用，因为对图像的分割效果是好还是坏，将会对后续的图像处理甚至整个医疗行为产生重大影响。所以说眼底图像的处理完全可以被应用于医学领域，可以对医疗病症的检查起到很好的辅助作用，当然也就是广泛的应用在眼科眼底病变问题的诊断与治疗上。人工观察并依照经验诊断的效率比较低，而且在主观上也存在着一定的缺陷，也正是因为这个原因，我们更需要利用计算机系统自动检测系统去处理视网膜图像，尤其是分割出其中的血管网络与视盘区域。血管、中央凹和视盘是人类视网膜十分重要的三种结构，其相关研究主要用于多种用途[5]。研究视网膜图像是一项具有挑战性的任务，因为血管宽度的变化，强烈的中央动脉反射，交叉口，高度弯曲的血管部分，以及紧密平行和微小的血管都是难点。此外，视网膜病变区域更是带来许多工作困难，如视网膜出血引起血管不清晰，视盘和青光眼有较强的亮度影响等。当然，眼底图像处理不仅在医学领域有所应用，在其它的各种科研领域也有着许许多多的应用价值。它与许多其它的人体特征类似，比如说指纹、掌纹、人脸、虹膜等，存在着个体唯一性，也就是说每一个人的视网膜中血管的分布、血 管的走向、动静脉的交叉情况、曲率、粗细等特征都不一样，所以人类的眼睛信 息也被广泛的用于生物识别领域。美国的糖尿病学会有报告称，接近 100%的 I 型糖尿病人以及多于 60%的 II 型糖尿病人会在得病的前二十年之内发生视网膜病变，会出现出血、渗出、新生血管的增生以及结缔组织的增殖等现象[6]。并且糖尿病引发的视网膜病变还有可能会出现下面这种情况：即病症已经发生了数年，但是一直没有出现很明显的视觉障碍。因此在患者出现视力受损的情况之前，进入检查机构并进行准时、定期的视网膜病变筛查是唯一得能够及时的发现病变并给予治疗的有效方法。定期的进行眼底检查成为辅助诊断和预估很多全身疾病的有效手段，由此可见，眼底图像中的血管分割在医学应用上是极为重要的。
2 部分代码
clc;clear all;close all;%Read Input Retina ImageinImg = imread('Input.bmp');dim = ndims(inImg);if(dim == 3) %Input is a color image inImg = rgb2gray(inImg);end%Extract Blood VesselsThreshold = 20;bloodVessels = VesselExtract(inImg, Threshold);%Output Blood Vessels imagefigure;subplot(121);imshow(inImg);title('Input Image');subplot(122);imshow(bloodVessels);title('Extracted Blood Vessels');
3 仿真结果
4 参考文献
[1]游佳, 陈卉. 数字图像中血管的分割与特征提取[J]. 生物医学工程与临床, 2011, 15(1):5.
博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。
部分理论引用网络文献，若有侵权联系博主删除。
