一种快速的眼底图像视盘定位算法

罗汉源，戴培山

（中南大学，长沙410083）

一种快速的眼底图像视盘定位算法

罗汉源，戴培山

（中南大学，长沙410083）

目的：探讨一种快速的视网膜图像视盘定位方法。方法：提取RBG彩色视网膜图像的绿色通道作为处理对象；以每个像素点为中心取窗进行灰度调整操作；计算每个窗内灰度最大值，并根据该值重新估算窗的中心值；将该值作为中心像素点的灰度值。对提取到的图像进行二值化与形态学处理得到视盘区域和轮廓。结果：对DRIVE数据库测试图像进行了实验，提取视盘的平均运算时间为2.948s，视盘区域覆盖准确性92.5%。结论：较同类视盘提取算法速度更快，准确率达到平均水平，但对于视盘区域亮度偏暗的视网膜图像效果一般。

视网膜图像；窗灰度操作；视盘定位

视盘（optic disc），也被称为视神经乳头，是视网膜上重要的生理解剖结构之一，是一个边界清晰的淡红色圆盘形结构，位于视网膜黄斑向鼻侧约3mm处，直径约为1.5mm。视盘区域是视网膜中视觉神经与血管集中进出眼球的部位。视盘的形状，大小和所处的位置对于许多疾病的早期诊断和医学研究有十分重要的意义。本文提出了一种快速的视盘提取算法，即对彩色RBG视网膜图像的绿色通道图像上的像素点为中心取窗进行灰度操作。计算每个窗内灰度最大值。根据该值重新估算窗中心像素点的灰度值，对每个像素点都进行一次取窗操作后得到初步视盘提取结果，然后通过二值化和形态学操作提取视盘区域和视盘轮廓。

1 方法

1.1 预处理

图1为通过眼底照相机获得的视网膜彩色RGB图像，RGB代表图像的三个分量，将彩色图像分解为RED（红色）分量、GREEN（绿色）分量和BLUE（蓝色）分量。绿色分量拥有最好的分辨率和对比度，所以本文选取绿色通道的图像进行处理。

1.2 取窗进行灰度操作

如图1中所示（a）为视网膜的绿色分量图像，（b）为其对应的窗灰度操作结果，可以看出处理后的视网膜图像背景均一，视盘区域呈现较高的亮度，且边界明显。

1.3 图像后处理

窗灰度操作得到的结果视盘与背景对比度明显，边界清晰。使用图像的二值化来提取相应的视盘区域。图像的二值化是指根据设定的阈值来将灰度图像的灰度值划分为0（黑色）和1（白色）。本文使用公式（2）来进行图像的二值化。一Ibw二 (i, 三j )是二值化后的图像灰度值。

提取来提取视盘的轮廓。先定义一个结构体一se，并用该结构体对视盘区域I一bw进行膨胀，然后用膨胀后的图像与膨胀前的视盘图像进行相减，即可得到视盘的轮廓Ishape。

图1（c）为最终处理结果。定义如公式（3）所示：

图1 绿色分量图像与提取的视盘轮廓对比图

2 实验与结果

本文的实验对DRIVE数据库中的40幅眼底视网膜进行了测试。在实验中，窗灰度操作的一m?二m窗大小取值为一m?1二1；在图像后处理部分对阈值T一bw的取值为一Tbw二−三0.四7。

2.1 DRIVE图像视盘检测结果

为了更好的验证文中所提出的算法，在主频为3.4GHz、内存4GB的四核64位操作系统计算机上采用Matlab2013平台来实现算法的仿真。为了便于比较，使用DRIVE数据库中大小为584x565的40幅RGB彩色图像，提取对比度强的绿色通道灰度图像作为研究对象。

在实验中，对40幅DRIVE数据库的视网膜图像进行了仿真实验，37幅视网膜图像的视盘被成功定位，有3幅无法识别，算法定位准确率为92.5%。无法识别的主要原因是视盘的亮度较低。在运算速度上本文仿真实验40幅图像每一幅图像的平均运算速度为2.948s，标准差为0.1320。在表1中可以看出，在不同方法对于视盘定位所需的时间对比上，本文的方法对于视盘检测的速度是最快的。

表1 不同方法对于视盘定位所需的时间对比

3 结论

本文提出了一种快速的视盘提取算法，即对彩色RBG视网膜图像的绿色通道图像上的像素点为中心取窗进行灰度操作。计算每个窗内灰度最大值。根据该值重新估算窗中心像素点的灰度值。对每个像素点都进行一次取窗操作后得到初步视盘提取结果，然后通过二值化和形态学操作提取视盘区域和视盘轮廓。算法对于视盘定位的准确率达到92.5%，平均运算一幅图像的时间为2.948s，较同类视盘提取算法速度更快，准确率达到平均水平。但对于视盘区域亮度偏暗的视网膜图像效果不佳，特别是存在病变的视盘提取仍然有进一步研究的空间。

［1］戴培山，王博亮，鞠颖.视网膜血管图像分割及眼底血管三维重建［J］.自动化学报，2009（9）：1168-1176.

［2］汪亚明，郑凯.一种眼底视盘图像的自动分割方法［J］.北京生物医学工程，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］赵晓芳，林土胜，李碧.视网膜图像中视盘的快速自动定位方法［J］.华南理工大学学报（自然科学版），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

国家自然科学基金（基金号：81171420）；湖南省自然科学基金（基金号：10JJ4014）