[发明专利]一种视网膜图像增强的方法

说明书

技术领域

本发明涉及图像处理领域，具体地说，特别涉及一种视网膜图像增强的方法。

背景技术

在医学上，视网膜微血管病变是人体糖尿病、高血压、心血管疾病等的直接反应，高分辨率视网膜图像的获得变得尤为重要。通常所获得的眼底视网膜图像像素对比度低、局部光照不均、血管分布复杂密集，不利于医生对患者病情的诊断。现医学上普遍使用的眼底照相机，由于成像条件差，人眼固有相差的局限，获取的视网膜图像质量并不高。噪声、对比不均、轮廓不清晰等情况阻碍了有用信息的获取。在正式对视网膜视盘、黄斑、血管等进行诊断前，用数字图像技术对视网膜图像进行增强，提高图像质量是必不可少的步骤。

目前在图像增强处理领域，现有的方法都是在空域或频域基础上实施的,视网膜图像相较于普通图像在细节方面的处理要求更高，因此处理的算法也与普通图像有些不同。Rajamani等是在空域类通过自适应直方图均衡化[5]的方法对视网膜图像进行处理，在提高对比度上取得了很好的效果，但是对于背景噪声的去除效果并不理想。Banerje等采用小波变换和双边滤波结合来处理视网膜图像，算法处理速度更快，但此方法的小波重构不完全。Kumari等提出的增强方法是在血管方向使用中值滤波进行的，但在尺度选用上过于单一，不适用于大多数图像。Jia等人把Hessian矩阵应用到血管检测上，运用线状滤波函数来处理图片，对血管的增强很有用，但不利于周围病灶的增强。

综上所述，现有的方法大多不能全局化对视网膜图像进行改善，在提高图像视感质量方面还有缺陷。

发明内容

为了解决现有技术的问题，本发明实施例提供了一种视网膜图像增强的方法。所述技术方案如下：

一方面，提供了一种视网膜图像增强的方法，包括：

对视网膜图像进行双树复数小波分解，得到6个高频部分图像和2个低频部分图像；

对分解得到的低频部分图像进行形态学运算，得到增强的低频部分图像；

对分解得到的高频部分图像的细节部分进行去噪处理，得到去噪的高频部分图像；

将所述增强的低频部分图像和所述去噪的高频部分图像进行双树复小波逆变换处理，得到增强后的视网膜图像。

可选地，当对视网膜图像进行双树复数小波分解时，在分解的同时，对所述低频部分图像进行了去噪处理。

可选地，所述对分解得到的低频部分图像进行形态学运算，得到增强的低频部分图像的具体步骤为：

把所述低频部分图像作为形态学变换的原始灰度图像；

对所述原始灰度图像进行形态学运算，得到增强的低频部分图像。

可选地，所述对所述原始灰度图像进行形态学运算，得到增强的低频部分图像的具体步骤为：

对原始灰度图像f进行top-hat变换结果有2种，即白变换和暗变换：

BTH(x,y)＝f·B-f (13)

式中，B为结构元素，结构元素与原始灰度图像做膨胀、腐蚀操作得到开、闭运算结果，即f·B，它们的定义分别为：

其中，

为形态学的膨胀操作，fΘB为腐蚀操作；由上述式(14)、(15)可知，开、闭运算是建立在膨胀、腐蚀的基础上的；在图像的不同区域，开、闭运算的作用是不一样的，虽然功能不同但两者都能保证图像的细节和整体灰度级不发生变化；

视网膜图像的增强处理主要是为了对血管网络的清晰度进行增强，但是每条血管的差异度都很大，不利于一次求解；因此需要在不同方向都进行变换；在N个方向进行白top-hat变换并求和，得到图像的WTH(x,y)_i表示为：

类似的，可得到图像的BTH(x,y)_i为：

因此，基于形态学top-hat变换的视网膜图像强可表示为：

f_en＝f+f_w-f_b (20)

式中，f_en为经top-hat变换增强的低频部分图像，f为原始灰度图像，f_w、f_b分别为上述提取的白、暗区域WTH(x,y)_i、BTH(x,y)_i。

可选地，当对分解得到的高频部分图像的细节部分进行去噪处理时，采用自适应阈值处理方法。

本发明实施例提供的技术方案带来的有益效果是：