平码五不中公式规律
  • / 18
  • 下载费用:30 金币  

一种视网膜眼底图像预处理方法.pdf

关 键 ?#21097;?/dt>
一种 视网膜 眼底 图像 预处理 方法
  专利查询网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
摘要
申请专利号:

CN201611160838.2

申请日:

2016.12.15

公开号:

CN106683080A

公开日:

2017.05.17

当前法律状态:

实审

有效性:

审中

法?#19978;?#24773;: 实质审查的生效IPC(主分类):G06T 7/00申请日:20161215|||公开
IPC分类号: G06T7/00(2017.01)I; G06T7/11(2017.01)I; G06T5/00 主分类号: G06T7/00
申请人: 广西师范大学
发明人: 王文涛; 何富运; 罗晓曙; 卢磊; 薛洋
地址: 541004 广西壮族自治区桂?#36136;?#19971;星区育才路15号
优?#28909;ǎ?/td>
专利代理机构: 桂?#36136;?#21326;杰专利商标事务所有限责任公司 45112 代理人: 刘梅芳
PDF完整版下载: PDF下载
法律状态
申请(专利)号:

CN201611160838.2

授权公告号:

|||

法律状态公告日:

2017.06.09|||2017.05.17

法律状态类型:

实质审查的生效|||公开

摘要

本发明公开了一种视网膜眼底图像预处理方法,其特征是,包括如下步骤:1)读入原始图像:采用绿色通道读入视网膜眼底原始图像;2)移除血管中心光反射;3)去除椒盐噪声;4)平滑噪声;5)背景提取;6)得到阴影矫正图像;7)得到均匀化图像;8)求补图像;9)得到血管增强图像;10)输出增强图像。这种方法使处理后视网膜图像具有了更高的图像质量和更丰富的信息量,并实现了对视网膜图像中的血管、视盘和中央凹等有用信息进行有保留的增强、提高了视网膜图像特征提取、分割及识别的效果。

权利要求书

1.一种视网膜眼底图像预处理方法,其特征是,包括如下步骤:
1)读入原始图像:采用绿色通道读入视网膜眼底原始图像;
2)移除血管中心光反射:采用数学形态学图像滤波,提取视网膜眼底原始图像的几何
特征,根据几何特征,选择方形结构元素对视网膜眼底原始图像进行击中与否变换,得到比
视网膜眼底原始图像突出物体特性信息的形态学滤波图像;
3)去除椒盐噪声:采用自?#35270;?#20013;值滤波对形态学变换图像去除图像椒盐噪声;
4)平滑噪声:采用自?#35270;?#24179;滑滤波对自?#35270;?#20013;值滤波图像平滑噪声;
5)背景提取:采用几何均值滤波对自?#35270;?#24179;滑滤波图像进行背景提取,
几何均值滤波的表达式为:
<mrow> <msup> <mi>G</mi> <mo>&prime;</mo> </msup> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>=</mo> <msup> <mrow> <mo>&lsqb;</mo> <mrow> <munder> <mi>&Pi;</mi> <mrow> <mrow> <mo>(</mo> <mrow> <mi>i</mi> <mo>,</mo> <mi>j</mi> </mrow> <mo>)</mo> </mrow> <mo>&Element;</mo> <msub> <mi>S</mi> <mrow> <mi>x</mi> <mo>,</mo> <mi>y</mi> </mrow> </msub> </mrow> </munder> <mi>G</mi> <mrow> <mo>(</mo> <mrow> <mi>i</mi> <mo>,</mo> <mi>j</mi> </mrow> <mo>)</mo> </mrow> </mrow> <mo>&rsqb;</mo> </mrow> <mfrac> <mn>1</mn> <mrow> <mi>m</mi> <mo>&times;</mo> <mi>n</mi> </mrow> </mfrac> </msup> </mrow>
其中,Sx,y指的是图像邻域,m和n为邻域的大小尺寸,G(i,j)为滤波前二维图像矩阵,G′
(x,y)为滤波后二维图像矩阵;
6)得到阴影矫正图像:用自?#35270;?#24179;滑滤波后的图像减去背景图像得到阴影矫正图像;
7)得到均匀化图像:对阴影矫正图像进行灰度?#24230;?#23616;变换得到均匀化图像;
8)求补图像:对均匀化图像求补图像;
9)得到血管增强图像:对补图像采用形态学顶帽变换得到血管增强图像;
10)输出增强图像。
2.根据权利要求1所述的视网膜眼底图像预处理方法,其特征是,所述形态变换为开运
算:
设A是视网膜眼底原始图像,B是结构元素图像,则集合A被结构元素B作开运算,记作A。
B,其表达式为:

其中,A⊙B表示腐蚀操作,表示先腐蚀后膨胀。
3.根据权利要求1所述的视网膜眼底图像预处理方法,其特征是,所述中值滤波定义
为:
g(x,y)=median{f(x-i,y-i)},(x,y)∈S
其中,g(x,y),f(x,y)为像素灰度值,S为模板窗口,自?#35270;?#20013;值滤波在两个层次上变
换,假设这两个层次分别定义为A层和B层,其具体含义如下:
A层:如果Zmin<Zmed<Zmax,则转到B层,否则增大窗口尺寸;如果窗口尺寸小于等于Xmax,则
重复A层,否则输出Z(x,y);
B层:如果Zmin<Z(x,y)<Zmax,则输出Z(x,y),否则输出Zmed;
其中,Zmin为Xx,y中灰度级的最小值,
Zmed为Xx,y中灰度级的中值;
Zmax为Xx,y中灰度级的最大值;
Z(x,y)为在坐标(x,y)上的灰度值;
Xmax为Xx,y?#24066;?#30340;最大尺寸,Zmin和Zmax为是类冲激式的噪声成分。
4.根据权利要求1所述的视网膜眼底图像预处理方法,其特征是,所述自?#35270;?#24179;滑滤波
为:
假设用h(x,y)来表示自?#35270;?#25513;膜矩阵H中的系数,g(x,y)表示图像像素,则有:
h(x,y)=f(g(x,y))
<mrow> <mi>h</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>=</mo> <msup> <mi>e</mi> <mfrac> <mrow> <mo>-</mo> <mi>d</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> </mrow> <mn>2</mn> </mfrac> </msup> </mrow>
其中,
<mfenced open = "" close = ""> <mtable> <mtr> <mtd> <mrow> <mi>d</mi> <mrow> <mo>(</mo> <mrow> <mi>x</mi> <mo>,</mo> <mi>y</mi> </mrow> <mo>)</mo> </mrow> <mo>=</mo> <msqrt> <mrow> <msub> <mi>G</mi> <mi>x</mi> </msub> <msup> <mrow> <mo>(</mo> <mrow> <mi>x</mi> <mo>,</mo> <mi>y</mi> </mrow> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mo>+</mo> <msub> <mi>G</mi> <mi>y</mi> </msub> <msup> <mrow> <mo>(</mo> <mrow> <mi>x</mi> <mo>,</mo> <mi>y</mi> </mrow> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> </msqrt> <mo>=</mo> </mrow> </mtd> </mtr> <mtr> <mtd> <msqrt> <mrow> <msup> <mrow> <mo>{</mo> <mrow> <mfrac> <mn>1</mn> <mn>2</mn> </mfrac> <mrow> <mo>&lsqb;</mo> <mrow> <mi>g</mi> <mrow> <mo>(</mo> <mrow> <mi>x</mi> <mo>+</mo> <mn>1</mn> <mo>,</mo> <mi>y</mi> </mrow> <mo>)</mo> </mrow> <mo>-</mo> <mi>g</mi> <mrow> <mo>(</mo> <mrow> <mi>x</mi> <mo>-</mo> <mn>1</mn> <mo>,</mo> <mi>y</mi> </mrow> <mo>)</mo> </mrow> </mrow> <mo>&rsqb;</mo> </mrow> </mrow> <mo>}</mo> </mrow> <mn>2</mn> </msup> <mo>+</mo> <msup> <mrow> <mo>{</mo> <mrow> <mfrac> <mn>1</mn> <mn>2</mn> </mfrac> <mrow> <mo>&lsqb;</mo> <mrow> <mi>g</mi> <mrow> <mo>(</mo> <mrow> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>+</mo> <mn>1</mn> </mrow> <mo>)</mo> </mrow> <mo>-</mo> <mi>g</mi> <mrow> <mo>(</mo> <mrow> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>-</mo> <mn>1</mn> </mrow> <mo>)</mo> </mrow> </mrow> <mo>&rsqb;</mo> </mrow> </mrow> <mo>}</mo> </mrow> <mn>2</mn> </msup> </mrow> </msqrt> </mtd> </mtr> </mtable> </mfenced>
在使用h(x,y)进行滤波时,每一次的卷积结果都需要用N(x,y)进行归一化,其中:

5.根据权利要求1所述的视网膜眼底图像预处理方法,其特征是,所述灰度?#24230;?#23616;变换
函数如下:
<mrow> <msub> <mi>g</mi> <mrow> <mi>o</mi> <mi>u</mi> <mi>t</mi> </mrow> </msub> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <mn>0</mn> <mo>,</mo> <mi>i</mi> <mi>f</mi> <mi> </mi> <mi>g</mi> <mo>&lt;</mo> <mn>0</mn> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mn>255</mn> <mo>,</mo> <mi>i</mi> <mi>f</mi> <mi> </mi> <mi>g</mi> <mo>&gt;</mo> <mn>255</mn> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mi>g</mi> <mo>,</mo> <mi>o</mi> <mi>t</mi> <mi>h</mi> <mi>e</mi> <mi>r</mi> <mi>w</mi> <mi>i</mi> <mi>s</mi> <mi>e</mi> </mrow> </mtd> </mtr> </mtable> </mfenced> </mrow>
其中,
g=gin+128-gin_max
gin和gout分别是输入图像即阴影矫正图像和输出图像即均匀化图像的灰度级变量,
gin_max是阴影矫正图像灰度级像素最大值。
6.根据权利要求1所述的视网膜眼底图像预处理方法,其特征是,所述顶帽变换定义
为:
<mrow> <msub> <mi>I</mi> <mrow> <mi>V</mi> <mi>E</mi> </mrow> </msub> <mo>=</mo> <msubsup> <mi>I</mi> <mi>H</mi> <mi>C</mi> </msubsup> <mo>-</mo> <mi>&gamma;</mi> <mrow> <mo>(</mo> <msubsup> <mi>I</mi> <mi>H</mi> <mi>C</mi> </msubsup> <mo>)</mo> </mrow> </mrow>
其中,IVE是新血管增强图像,是均匀化图像的补图像,γ是对作开运算操作。

说明书

一种视网膜眼底图像预处理方法

技术领域

本发明涉及特征提取及图像分割技术,具体涉及一种视网膜眼底图像预处理方
法。

背景技术

眼底视网膜的动脉是人体全身唯一可以看到的血管,能够直观的观察到眼底的血
管,体现了全身的血管情况。然而受视网膜血管结构、成像设备、环境以及噪声的影响,视网
膜图像质量一般较差,为了便于观察眼底视网膜,在使用前需要对视网膜图像进行预处理。

目前大多数的视网膜血管特征提取和分割的算法都是基于增强视网膜图像,这就
要求处理好的视网膜图像要尽可能的保留原来血管纹路信息,否则最终的血管分割精度将
得不到保证。视网膜图像增强的方法主要有匹配滤波器法、亮度对比度归一化、小波变换
?#21462;?#19978;述方法都是增强血管信息以使其更有利于下一步血管网络的提取,这些方法因算法
简单而?#36824;?#27867;应用于图像增强中,但它们在实?#35270;?#29992;中的缺陷显而易见:通过最优化算法
实现二维匹配滤波器参数的选择,进而对视网膜图像进行增强,但其仅能够增强图像中的
血管以及小块灰度明显的区域;使用自?#35270;?#30452;方图均衡法对图像进行亮度归一化,大大提
高血管与背景的对比度,但不能很好地?#31181;?#32972;景噪声,并可能将?#34892;?#36259;区域弱化为背景:
Contourlet小波变换通过调整系数实现对视网膜图像的全局增强,但系数的确定较为复
杂,而且增强结果改变了图像中血管的宽?#21462;?br />

另外,视网膜的一些标志性特征如视盘、血管和中央凹等是后期分割识别的先决
条件,但是视网膜图像受光照变化、低对比度和噪声的影响,使得血管检测和分割的难度加
大,这就要求从视网膜图像中尽量消除这些影响,实现对视网膜图像中的血管、视盘和中央
凹等有用信息进行有保留的增强,传统单一的图像增强方法已经无法满足这样的要求。

发明内容

本发明的目的是针对现有技术的不足,而提供一种视网膜眼底图像预处理方法。

这种方法使处理后视网膜图像具有更高的图像质量和更丰富的信息量,并能实现
对视网膜图像中的血管、视盘和中央凹等有用信息进行有保留的增强、提高视网膜图像特
征提取、分割及识别的效果。

实现本发明目的的技术方案是:

一种视网膜眼底图像预处理方法,包括如下步骤:

1)读入视网膜眼底原始图像:采用绿色通道读入视网膜眼底原始图像;

2)移除血管中心光反射:采用数学形态学图像滤波,即提取视网膜眼底原始图像
的几何特征,根据几何特征,选择方形结构元素,结构元素简单而对物体的几何特征具有较
好的表现力;用选定的方形结构元素对视网膜眼底原始图像进行击中与否变换,便可得到
比视网膜眼底原始图像突出物体特性信息的形态学滤波图像,突出用户?#34892;?#36259;的目标,方
便用户提取信息,如果没有突出用户信息,则应该重新选取结构元素;

3)去除椒盐噪声:采用自?#35270;?#20013;值滤波对形态学滤波图像去除椒盐噪声;

4)平滑噪声:采用自?#35270;?#24179;滑滤波对自?#35270;?#20013;值滤波图像平滑噪声;

5)背景提取:采用几何均值滤波对自?#35270;?#24179;滑滤波图像进行背景提取;

几何均值滤波的表达式为:


其中,Sx,y指的是图像邻域,m和n为邻域的大小尺寸,G(i,j)为滤波前二维图像矩
阵,G′(x,y)为滤波后二维图像矩阵;

6)得到阴影矫正图像:用自?#35270;?#24179;滑滤波后的图像减去背景图像得到阴影矫正图
像;

7)得到均匀化图像:对阴影矫正图像进行灰度?#24230;?#23616;变换得到均匀化图像,增强
过程可能使某个像素点的灰度值超出正常灰度范围,需要进行校正;

8)求补图像:对均匀化图像求补图像;

9)得到血管增强图像:对补图像采用形态学顶帽变换得到血管增强图像;

10)输出增强图像。

所述形态变换为开运算:

设A是视网膜眼底原始图像,B是结构元素图像,则集合A被结构元素B作开运算,记
作AοB,其表达式为:


其中,A⊙B表示腐蚀操作,表示先腐蚀后膨胀。

所述中值滤波定义为:

g(x,y)=median{f(x-i,y-i)},(x,y)∈S

其中,g(x,y),f(x,y)为像素灰度值,S为模板窗口,自?#35270;?#20013;值滤波在两个层次上
变换,假设这两个层次分别定义为A层和B层,其具体含义如下:

A层:如果Zmin<Zmed<Zmax,则转到B层,否则增大窗口尺寸;如果窗口尺寸小于等于
Xmax,则重复A层,否则输出Z(x,y);

B层:如果Zmin<Z(x,y)<Zmax,则输出Z(x,y),否则输出Zmed;

其中,Zmin为Xx,y中灰度级的最小值,

Zmed为Xx,y中灰度级的中值;

Zmax为Xx,y中灰度级的最大值;

Z(x,y)为在坐标(x,y)上的灰度值;

Xmax为Xx,y?#24066;?#30340;最大尺寸,Zmin和Zmax为是类冲激式的噪声成分。

A层的目的是判定中值滤波器的输出Zmed是否是一个椒盐噪声,如果条件Zmin<Zmed<
Zmax有效,则表示Zmed不是椒盐噪声,在该情况下转到B层检测,判断窗口Z(x,y)的中心点是
否是一个脉冲,若Zmin<Z(x,y)<Zmax,则表示Z(x,y)和Zmed不是脉冲,将输出一个不变的像素
灰度值Z(x,y);如果条件Zmin<Z(x,y)<Zmax不满足,则说明Z(x,y)=Zmax或Z(x,y)=Zmin,则像
素值是一个突变值,进而由从A层判断Zmed不是椒盐噪声,那么将输出中值Zmed,实现过程为:

选择一个(2n+1)×(2n+1)的窗口,使其沿图像的行或列方向逐像素滑动,每次滑
动后,对窗内的像素?#21040;信判潁?#29992;?#21028;?#25152;得中值代替窗口中心位置像素的灰度值。自?#35270;?br />中值滤波算法也可以通过自?#35270;?#25913;变掩膜的尺寸来达到既消除噪声又保留图像边缘的目
的。

所述自?#35270;?#24179;滑滤波为:

假设用h(x,y)来表示自?#35270;?#25513;膜矩阵H中的系数,g(x,y)表示图像像素,则有:

h(x,y)=f(g(x,y))

自?#35270;?#24179;滑滤波既可以消除图像噪声,又能保留图像?#38468;?#31561;特征信息,模板如下:


其中,



在使用h(x,y)进行滤波时,每一次的卷积结果都需要用N(x,y)进行归一化,其中:


所述灰度?#24230;?#23616;变换函数如下:


其中,

g=gin+128-gin_max

gin和gout分别是输入图像即阴影矫正图像和输出图像即均匀化图像的灰度级变
量,gin_max是阴影矫正图像灰度级像素最大值。

所述顶帽变换定义为:


其中,IVE是新血管增强图像,是均匀化图像的补图像,γ是对作开运算操作。

这种方法与现有技术相比的优点在于:

(1)综合运用自?#35270;?#20013;值滤波、自?#35270;?#24179;滑滤波、形态学操作及灰度?#24230;?#23616;变换
等,使处理后视网膜图像具有更高的图像质量和更丰富的信息量,为后续视网膜特征提取
和分割识别提供有用的信息;

(2)不仅仅增强血管信息以使其更有利于下一步血管网络的提取,而且实现对视
网膜图像中的血管、视盘和中央凹等有用信息进行有保留的增强;

(3)同时兼顾血管中心光反射移除和背景均匀化,减弱图像光照变化、提高对比
?#21462;?#28388;除噪声,使得血管增强效果显著提高;

这种方法使处理后视网膜图像具有了更高的图像质量和更丰富的信息量,并实现
了对视网膜图像中的血管、视盘和中央凹等有用信息进行有保留的增强、提高了视网膜图
像特征提取、分割及识别的效果。

附图说明

图1为实施例的方法流程示意图;

图2为实施例的视网膜图像的绿色通道图像;

图3为实施例的视网膜图像的数学形态学滤波结果图像;

图4为实施例的视网膜图像的自?#35270;?#20013;值滤波结果图像;

图5为实施例的视网膜图像的自?#35270;?#24179;滑滤波结果图像;

图6为实施例的视网膜图像的几何均值滤波结果图像;

图7为实施例的视网膜图像的阴影矫正结果图像;

图8为实施例的视网膜图像的灰度?#24230;?#23616;变换结果图像;

图9为实施例的视网膜图像的血管增强结果图像。

具体实施方式

下面结合附图和实施例对本发明内容作进一步的阐述,但不是对本发明的限定。

实施例:

参照图1,一种视网膜眼底图像预处理方法,包括如下步骤:

1)读入原始图像:采用绿色通道读入视网膜眼底原始图像,如图2所示,视网膜眼

原始图像分解成红、绿、?#24230;?#36890;道图像,采用对比度较高的绿色通道进行后续处
理;

2)移除血管中心光反射:采用数学形态学图像滤波,如图3所示,即提取视网膜眼
底原始图像的几何特征,根据几何特征,选择方形结构元素,结构元素简单而对物体的几何
特征具有较好的表现力;用选定的结构元素对视网膜眼底原始图像进行击中与否变换,便
可得到比视网膜眼底原始原始图像突出物体特性信息的形态学滤波图像,移除绿色通道视
网膜眼底图像血管中心光反射,突出用户?#34892;?#36259;的目标,方便用户提取信息;

3)去除椒盐噪声:如图4所示,采用自?#35270;?#20013;值滤波对形态学滤波图像去除椒盐噪
声;

4)平滑噪声:如图5所示,采用自?#35270;?#24179;滑滤波对自?#35270;?#20013;值滤波图像平滑噪声;

5)背景提取:如图6所示,采用几何均值滤波对自?#35270;?#24179;滑滤波图像进行背景提
取,具体如下:

模板

几何均值滤波的表达式为:


其中,Sx,y指的是图像邻域,m和n为邻域的大小尺寸,G(i,j)为滤波前二维图像矩
阵,G′(x,y)为滤波后二维图像矩阵;

6)得到阴影矫正图像:用自?#35270;?#24179;滑滤波后的图像减去背景图像得到阴影矫正图
像,如图7所示。具体如下:

ID=Ins-IB

其中,ID是阴影矫正图像,Ins是自?#35270;?#24179;滑后的图像,IB是背景图像;

7)得到均匀化图像:如图8所示,对阴影矫正图像进行灰度?#24230;?#23616;变换得到均匀化
图像,增强过程可能使某个像素点的灰度值超出正常灰度范围,需要进行校正;

8)求补图像:对均匀化图像求补图像,补图像=255-均匀化图像;

9)得到血管增强图像:如图9所示,对补图像采用形态学顶帽变换得到血管增强图
像;

10)输出增强图像。

所述形态变换为开运算:

设A是视网膜眼底原始图像,B是结构元素图像,则集合A被结构元素B作开运算,记
作AοB,其表达式为:


其中,A⊙B表示腐蚀操作,表示先腐蚀后膨胀。

所述中值滤波定义为:

g(x,y)=median{f(x-i,y-i)},(x,y)∈S

其中,g(x,y),f(x,y)为像素灰度值,S为模板窗口,自?#35270;?#20013;值滤波在两个层次上
变换,假设这两个层次分别定义为A层和B层,其具体含义如下:

A层:如果Zmin<Zmed<Zmax,则转到B层,否则增大窗口尺寸;如果窗口尺寸小于等于
Xmax,则重复A层,否则输出Z(x,y);

B层:如果Zmin<Z(x,y)<Zmax,则输出Z(x,y),否则输出Zmed;

其中,Zmin为Xx,y中灰度级的最小值,

Zmed为Xx,y中灰度级的中值;

Zmax为Xx,y中灰度级的最大值;

Z(x,y)为在坐标(x,y)上的灰度值;

Xmax为Xx,y?#24066;?#30340;最大尺寸,Zmin和Zmax为是类冲激式的噪声成分。

A层的目的是判定中值滤波器的输出Zmed是否是一个椒盐噪声,如果条件Zmin<Zmed<
Zmax有效,则表示Zmed不是椒盐噪声,在该情况下转到B层检测,判断窗口Z(x,y)的中心点是
否是一个脉冲,若Zmin<Z(x,y)<Zmax,则表示Z(x,y)和Zmed不是脉冲,将输出一个不变的像素
灰度值Z(x,y);如果条件Zmin<Z(x,y)<Zmax不满足,则说明Z(x,y)=Zmax或Z(x,y)=Zmin,则像
素值是一个突变值,进而由从A层判断Zmed不是椒盐噪声,那么将输出中值Zmed,实现过程为:

选择一个(2n+1)×(2n+1)的窗口,使其沿图像的行或列方向逐像素滑动,每次滑
动后,对窗内的像素?#21040;信判潁?#29992;?#21028;?#25152;得中值代替窗口中心位置像素的灰度值。自?#35270;?br />中值滤波算法也可以通过自?#35270;?#25913;变掩膜的尺寸来达到既消除噪声又保留图像边缘的目
的。

所述自?#35270;?#24179;滑滤波为:

假设用h(x,y)来表示自?#35270;?#25513;膜矩阵H中的系数,g(x,y)表示图像像素,则有:

h(x,y)=f(g(x,y))

自?#35270;?#24179;滑滤波既可以消除图像噪声,又能保留图像?#38468;?#31561;特征信息,模板如下:


其中,



在使用h(x,y)进行滤波时,每一次的卷积结果都需要用N(x,y)进行归一化,其中:


所述灰度?#24230;?#23616;变换函数如下:


其中,

g=gin+128-gin_max

gin和gout分别是输入图像即阴影矫正图像和输出图像即均匀化图像的灰度级变
量,gin_max是阴影矫正图像灰度级像素最大值。

所述顶帽变换定义为:


其中,IVE是新血管增强图像,是均匀化图像的补图像,γ是对作开运算操作。

关于本文
本文标题:一种视网膜眼底图像预处理方法.pdf
链接地址:http://www.pqiex.tw/p-6079641.html
关于我们 - 网站声明 - 网?#38236;?#22270; - 资源地图 - 友情链接 - 网站客服 - 联系我们

[email protected] 2017-2018 zhuanlichaxun.net网?#26223;?#26435;所有
经营许可证编号:粤ICP备17046363号-1 
 


收起
展开
平码五不中公式规律 股票融资融劵买的多好不好 北京pk10全天闯关计划 我国股票指数 极速11选5怎么 中国重庆百变王牌55期 斗地主打牌游戏下载 排列五走势图下载 捷豹彩票平台app 福建11选5遗漏数据 3d历史开奖结果