【圖像分割】基于計算機視覺實現(xiàn)視網(wǎng)膜圖像中的血管分割附matlab代碼
【圖像分割】基于計算機視覺實現(xiàn)視網(wǎng)膜圖像中的血管分割附matlab代碼
TT_Matlab
博主簡介：擅長智能優(yōu)化算法、神經(jīng)網(wǎng)絡(luò)預(yù)測、信號處理、元胞自動機、圖像處理、路徑規(guī)劃、無人機等多種領(lǐng)域的Matlab仿真，完整matlab代碼或者程序定制加qq1575304183。
1 簡介
視網(wǎng)膜圖像里的血管是可以被觀察到的一類微血管，并且它是無創(chuàng)傷的，而 其分布位置也屬于深度部位 [5] 。其分布、結(jié)構(gòu)和形態(tài)特征的變化能在一定程度上反 映病變的程度。而白血病、糖尿病以及高血壓等疾病都會引發(fā)一些眼科的疾病。 眼底圖像的分析是診斷這些眼病的重要方法之一。醫(yī)學(xué)圖像分割在圖像處理過程 中起到了非常重要的作用，因為對圖像的分割效果是好還是壞，將會對后續(xù)的圖 像處理甚至整個醫(yī)療行為產(chǎn)生重大影響。所以說眼底圖像的處理完全可以被應(yīng)用 于醫(yī)學(xué)領(lǐng)域，可以對醫(yī)療病癥的檢查起到很好的輔助作用，當然也就是廣泛的應(yīng) 用在眼科眼底病變問題的診斷與治療上。人工觀察并依照經(jīng)驗診斷的效率比較低， 而且在主觀上也存在著一定的缺陷，也正是因為這個原因，我們更需要利用計算 機系統(tǒng)自動檢測系統(tǒng)去處理視網(wǎng)膜圖像，尤其是分割出其中的血管網(wǎng)絡(luò)與視盤區(qū) 域。 血管、中央凹和視盤是人類視網(wǎng)膜十分重要的三種結(jié)構(gòu)，其相關(guān)研究主要用 于多種用途 [5] 。研究視網(wǎng)膜圖像是一項具有挑戰(zhàn)性的任務(wù)，因為血管寬度的變化， 強烈的中央動脈反射，交叉口，高度彎曲的血管部分，以及緊密平行和微小的血 管都是難點。此外，視網(wǎng)膜病變區(qū)域更是帶來許多工作困難，如視網(wǎng)膜出血引起 血管不清晰，視盤和青光眼有較強的亮度影響等。 當然，眼底圖像處理不僅在醫(yī)學(xué)領(lǐng)域有所應(yīng)用，在其它的各種科研領(lǐng)域也有 著許許多多的應(yīng)用價值。它與許多其它的人體特征類似，比如說指紋、掌紋、人 臉、虹膜等，存在著個體唯一性，也就是說每一個人的視網(wǎng)膜中血管的分布、血 管的走向、動靜脈的交叉情況、曲率、粗細等特征都不一樣，所以人類的眼睛信 息也被廣泛的用于生物識別領(lǐng)域。 美國的糖尿病學(xué)會有報告稱，接近 100% 的 I 型糖尿病人以及多于 60% 的 II 型 糖尿病人會在得病的前二十年之內(nèi)發(fā)生視網(wǎng)膜病變，會出現(xiàn)出血、滲出、新生血 管的增生以及結(jié)締組織的增殖等現(xiàn)象 [6] 。并且糖尿病引發(fā)的視網(wǎng)膜病變還有可能會 出現(xiàn)下面這種情況：即病癥已經(jīng)發(fā)生了數(shù)年，但是一直沒有出現(xiàn)很明顯的視覺障 礙。因此在患者出現(xiàn)視力受損的情況之前，進入檢查機構(gòu)并進行準時、定期的視 網(wǎng)膜病變篩查是唯一得能夠及時的發(fā)現(xiàn)病變并給予治療的有效方法。定期的進行 眼底檢查成為輔助診斷和預(yù)估很多全身疾病的有效手段，由此可見，眼底圖像中 的血管分割在醫(yī)學(xué)應(yīng)用上是極為重要的。
2 部分代碼
Test_image=imread(’1.jpg’)
Resized_Image =imresize(Test_image,[584 565]);
Converted_Image=im2double(Resized_Image);
Lab_Image=rgb2lab(Converted_Image);
fill=cat(3,1,0,0);
Filled_Image=bsxfun(@times,fill,Lab_Image);
Reshaped_Lab_Image=reshape(Filled_Image,[],3);
[C, S]=pca(Reshaped_Lab_Image);
S=reshape(S,size(Lab_Image));
S=S(:,:,1);
Gray_Image=(S-min(S(:)))./(max(S(:))-min(S(:)));
Enhanced_Image=adapthisteq(Gray_Image,’NumTiles’,[8 8],’nbins’,128);
Avg_Filter=fspecial(’average’,[9 9]);
Filtered_Image=imfilter(Enhanced_Image,Avg_Filter);
substracted_Image=imsubtract(Filtered_Image,Enhanced_Image)
level=Threshold_Level(substracted_Image);
figure,subplot(221),imshow(Test_image)
title(’Test image 1’)
,subplot(222), imshow(Filtered_Image)
title(’Filtered Image’)
%Binary_Image=im2bw(substracted_Image,level-0.008);
%subplot(223),imshow(Binary_Image)
%title(’Binary Image’)
Clean_Image=bwareaopen(Binary_Image,100);
subplot(223),imshow(Clean_Image)
title(’clean image’)
Complemented_Image=imcomplement(Clean_Image)
subplot(224),imshow(Complemented_Image)
title(’Complemented image’)
3 仿真結(jié)果
4 參考文獻
[1]游佳, 陳卉. 數(shù)字圖像中血管的分割與特征提取[J]. 生物醫(yī)學(xué)工程與臨床, 2011, 15(1):5.
博主簡介：擅長智能優(yōu)化算法、神經(jīng)網(wǎng)絡(luò)預(yù)測、信號處理、元胞自動機、圖像處理、路徑規(guī)劃、無人機等多種領(lǐng)域的Matlab仿真，相關(guān)matlab代碼問題可私信交流。
部分理論引用網(wǎng)絡(luò)文獻，若有侵權(quán)聯(lián)系博主刪除。