CN106529420A - 综合眼底图像边缘信息和亮度信息的视盘中心定位方法 - Google Patents

Abstract

本发明涉及一种综合眼底图像边缘信息和亮度信息的视盘中心定位方法，包括：对眼底图像进行预处理；利用Isotropic Sobel算子提取对比度增强后眼底图像的垂直边缘和水平边缘图像，根据边缘差值曲线，定位视盘水平坐标；提取血管密集度特征和视盘亮度特征；定义血管密集度特征与视盘亮度特征的乘积为该垂直坐标的综合特征值，得到关于垂直坐标的综合特征值曲线，曲线上最大值对应的坐标即为视盘垂直坐标。本发明具有定位精度高的特点。

Description

综合眼底图像边缘信息和亮度信息的视盘中心定位方法

技术领域

本发明属于医疗图像处理领域，特别涉及一种综合眼底图像边缘信息和亮度信息的视盘中心定位方法。

背景技术

彩色视网膜眼底图像的自动分析已经在各种和眼科相关的系统性疾病如糖尿病、高血压、肾脏病和神经科疾病的辅助诊断中得到了广泛应用。在正常的彩色眼底图像中，黄斑、中央凹、视盘和血管网是眼底四个可观测到的主要特征，其中视盘呈淡黄色或白色圆盘状，约占整幅眼底图像感兴趣区域的1/5到1/8，眼底的血管由视盘区域发散而出呈树状分布于整个眼底。视盘的定位对于眼底图像的自动分析起着极为重要的作用，是进行后续视盘分割以及病变眼底图像中病变区域提取工作的基础，尤其是在发生某些视网膜病变如硬性渗出、微脉瘤、眼底出血的眼底图像中，病变区域与视盘区域极为相似时，视盘的准确定位能够将其与病变区域分离出来从而提高病变诊断的正确率。

目前关于视盘定位主要有三种方法，第一种方法主要是依据视盘圆盘状的外形，相对其他区域有较高亮度的特点来定位视盘。第二种方法是依据眼底图像中的血管网汇聚于视盘区域的特点，在分割出血管网的基础上根据血管的方向、结构等特征来确定视盘位置。第三种方法则是综合利用视盘的外形、亮度和血管网的特征来定位视盘。这些方法各有利弊，只依据视盘外形和亮度特征来进行定位，计算量小定位快速，在正常眼底图像中准确率较高，但在发生视网膜病变的图像中，视盘区域与病变区域极易混淆，使得准确率大大降低。引入血管网信息来进行的视盘定位的方法，虽然提高了定位的鲁棒性，但由于现阶段血管检测的方法较复杂，计算量大会耗费较多时间，严重降低了视盘定位方法的效率。

发明内容

本发明的目的是克服现有技术的上述不足，提供一种综合眼底图像边缘信息和亮度信息的视盘中心定位方法，以提高视盘定位的准确率和效率。本发明的技术方案如下：

一种综合眼底图像边缘信息和亮度信息的视盘中心定位方法，包括以下步骤：

(1)对包含眼底图像的原图进行预处理：

①获取眼底图像感兴趣区域，称其为眼底图像；

②对眼底图像的亮度进行校正：在HSV颜色空间对亮度值V分量进行校正；

③取亮度校正后的眼底图像的对比度最高的绿色通道灰度图，采用多尺度顶帽变换的方法对眼底图像进行对比度增强；

(2)对于经过对比度增强的眼底图像，定位视盘水平坐标：利用Isotropic Sobel算子提取对比度增强后眼底图像的垂直边缘和水平边缘图像，定义一个窗高度为图像高度，宽度为二倍主血管宽度的矩形窗在两幅图像上水平滑动，对每一个水平坐标，以此坐标为窗口中心，分别计算两个窗内像素灰度均值，定义两个窗内像素灰度均值相减的差值为该水平坐标的边缘差值，得到关于水平坐标的边缘差值曲线，曲线上最大值对应的坐标即为视盘水平坐标；

(3)对于经过对比度增强的眼底图像，定位视盘垂直坐标：以定位出的视盘水平坐标为中心，取一倍视盘直径宽度，截取垂直边缘图像作为视盘处血管密集度子图像，在此图像上定义一个同宽度，高度也为一倍视盘直径的方形窗，对每一个垂直坐标，以此坐标为窗口中心让此窗口沿垂直方向滑动，统计窗内像素的灰度均值作为血管密集度特征；在对比度增强后图像的绿色通道灰度图上截取同样大小图像作为视盘亮度子图像，并通过直方图均衡化来增强视盘区域，对每一个垂直坐标，计算同样大小的方形窗内像素灰度方差值作为视盘亮度特征；定义血管密集度特征与视盘亮度特征的乘积为该垂直坐标的综合特征值，得到关于垂直坐标的综合特征值曲线，曲线上最大值对应的坐标即为视盘垂直坐标。

本发明的实质性特点如下：

(1)其一是在视盘水平坐标定位上利用Isotropic Sobel算子提取对比度增强后眼底图像的垂直边缘和水平边缘图像，提出了每个水平坐标对应的边缘差值，利用边缘差值曲线定位水平坐标。

(2)其二是在垂直坐标定位上综合考虑了视盘处血管的边缘信息和视盘的亮度信息。利用垂直边缘图像和视盘区域绿色通道灰度图像的子图像，提出了每个垂直坐标对应的综合特征值，利用综合特征值曲线定位垂直坐标。

本发明由于综合运用了图像的边缘信息和亮度信息，在正常眼底图像和病变图像中定位准确率都较高，表现出较好的鲁棒性。而且本方法不需要进行眼底视网膜血管网的细分割，定位快速，极大地提高了视盘定位方法的效率。

附图说明

图1为本发明视盘定位方法的流程图，依次为获取视网膜眼底图像感兴趣区域，进行亮度校正，进行对比度的增强，然后确定视盘中心水平坐标，确定视盘中心垂直坐标，最终得到视盘中心的位置。

图2(a)为视网膜眼底彩色图像，图2(b)为对彩色图像进行感兴趣区域提取后得到的掩膜，

图2(c)为对彩色图像进行亮度校正后得到的图像，图2(d)为亮度校正后图像的绿色通道图，图2(e)为对绿色通道图进行对比度增强后的图。

图3(a)为用Isotropic Sobel算子提取对比度增强后图的垂直边缘后，定义一个矩形窗沿水平方向滑动的示意图；图3(b)为用Isotropic Sobel算子提取对比度增强后图的水平边缘后，用同样大小的矩形窗沿水平方向滑动的示意图；图3(c)为水平坐标对应的边缘差值曲线；图3(d)为截取垂直边缘图像的视盘区域后，定义一个方形窗沿垂直方向滑动的示意图；图3(e)为截取对比度增强后图像的视盘区域后，用同样大小的方形窗沿垂直方向滑动的示意图；图3(f)为垂直坐标对应的综合特征值曲线图。

图4为本发明对示例视网膜眼底彩色图像定位视盘中心的结果图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步的详细描述：

(1)：对眼底图像进行预处理

①：首先获取眼底图像的感兴趣区域。这样在后续处理中能有效避免ROI区域外像素的影响，降低计算的复杂度。由于彩色眼底图像中的红色分量接近饱和，最能反映照明情况，因此选取原图像红色通道分量灰度图I_r来进行处理，取其最大亮度值t_max的5％作为阈值进行阈值处理，然后用半径为3的圆形结构元素d₃进行腐蚀操作得到掩膜，结果如图2(b)，公式如(1)所示，

其中α表示形态学腐蚀操作，T表示进行阈值处理。

②：进行眼底图像亮度校正。亮度不均主要表现为图像的明暗分布不一致，而HSV颜色空间中V分量直接反映图像的亮度情况，因此对亮度值V(i,j)进行校正，校正公式如(2)所示，

其中B(i,j)校正后亮度值，校正后效果如图2(c)所示。

③：增强图像对比度。亮度校正后的眼底图像依然存在渗出物和其他结构对比不明显的问题，尤其是在图2(c)中可看出某些微小渗出物的边缘特性比较微弱。此处引入多尺度顶帽变换的方法进行对比度的增强，这种图像增强算法的核心思想是设定多个尺度的结构元素s_i(0≤i≤n)对图像进行形态学顶帽变换，通过扩大图像中亮区域和暗区域对比度，增强最优亮区域算子和最优亮细节算子减弱最优暗区域算子和最优暗细节算子从而提升图像的对比度。取亮度校正后图像对比度最高的绿色通道灰度图I_g(图2(d))进行处理，公式如(3)-(5)所示，

其中I_en为对比度增强后的图像，γ与分别表示形态学开操作和闭操作。选择初始结构元素为半径为4的圆盘，设定8个尺度进行变换，变换后效果如图2(e)所示，可见视网膜血管得到明显增强。

(2)：定位视盘中心坐标

①：定位视盘水平坐标。用Isotropic Sobel算子分别提取图2(e)的垂直边缘和水平边缘图像。然后根据血管的分布特性定义一个矩形窗，窗高度为图像高度，宽度为二倍主血管宽度，其中主血管的宽度约为视盘直径的15％，而视盘的直径约为眼底图像宽度的1/5～1/8，因此这些参数都可以计算得到。如图3(a)和图3(b)，让此矩形窗在两幅边缘图像上沿水平方向滑动，对每一个水平坐标，以此坐标为窗口中心，分别计算窗内像素灰度均值。定义两值相减的差值为该水平坐标X的边缘差值D[X]，计算公式如(6)所示，

其中N_x为此矩形窗W_x内的像素总数，V和H为窗内像素值。最终得到如图3(c)所示边缘差值曲线，从曲线中可以看出，视盘中心水平坐标处边缘差值最大，在发生某些视网膜病变如渗出物较多的区域，由于垂直边缘和水平边缘像素都较多，都会导致边缘差值变小。

②：定位视盘垂直坐标。首先以定位出的视盘水平坐标为中心，取一倍视盘直径宽度，截取垂直边缘图像，在此图像上定义一个同宽度，高度也为一倍视盘直径的方形窗，对每一个垂直坐标，以此坐标为窗口中心，如图3(d)，让此窗口沿垂直方向滑动，统计窗内像素的灰度均值作为血管密集度特征。然后在图2(e)上截取同样大小图像，并通过直方图均衡化来增强视盘区域，如图3(e)，对每一个垂直坐标，计算同样大小的方形窗内像素灰度方差值作为视盘亮度特征。定义两值的乘积为该垂直坐标Y的综合特征值K[Y]，计算公式如(7)所示，

其中N_y为此矩形窗口W_y内的像素总数，得到如图3(f)所示的此综合特征值曲线，最大值即对应视盘中心垂直坐标。最终对图像视盘定位结果如图4所示。

Claims (1)

1.一种综合眼底图像边缘信息和亮度信息的视盘中心定位方法，包括以下步骤：

(1)对包含眼底图像的原图进行预处理：

①获取眼底图像感兴趣区域，称其为眼底图像；

②对眼底图像的亮度进行校正：在HSV颜色空间对亮度值V分量进行校正；

③取亮度校正后的眼底图像的对比度最高的绿色通道灰度图，采用多尺度顶帽变换的方法对眼底图像进行对比度增强。

(2)对于经过对比度增强的眼底图像，定位视盘水平坐标：利用Isotropic Sobel算子提取对比度增强后眼底图像的垂直边缘和水平边缘图像，定义一个窗高度为图像高度，宽度为二倍主血管宽度的矩形窗在两幅图像上水平滑动，对每一个水平坐标，以此坐标为窗口中心，分别计算两个窗内像素灰度均值，定义两个窗内像素灰度均值相减的差值为该水平坐标的边缘差值，得到关于水平坐标的边缘差值曲线，曲线上最大值对应的坐标即为视盘水平坐标；

(3)对于经过对比度增强的眼底图像，定位视盘垂直坐标：以定位出的视盘水平坐标为中心，取一倍视盘直径宽度，截取垂直边缘图像作为视盘处血管密集度子图像，在此图像上定义一个同宽度，高度也为一倍视盘直径的方形窗，对每一个垂直坐标，以此坐标为窗口中心让此窗口沿垂直方向滑动，统计窗内像素的灰度均值作为血管密集度特征；在对比度增强后图像的绿色通道灰度图上截取同样大小图像作为视盘亮度子图像，并通过直方图均衡化来增强视盘区域，对每一个垂直坐标，计算同样大小的方形窗内像素灰度方差值作为视盘亮度特征；定义血管密集度特征与视盘亮度特征的乘积为该垂直坐标的综合特征值，得到关于垂直坐标的综合特征值曲线，曲线上最大值对应的坐标即为视盘垂直坐标。