JP6439515B2 - 眼底画像処理装置 - Google Patents

Description

本発明は、眼底画像の処理技術に関し、特に、眼底画像を用いて血管領域を強調した画像を得るための技術に関する。

眼科疾患でポピュラーな近視の中に、眼球後極の組織が変性して眼軸が伸び、強度な近視の症状を呈し、場合により失明に至る重篤な疾患「強度近視」が知られている。

現状では、強度近視に対する根治術としては、まだ研究段階であり、実際には、薬物療法や外科治療により病態の症状や進行を抑える対症療法しかないのが現状である。従って、強度近視の治療にあたっては、早期発見が重要となり、基本的には、眼底カメラなどによる継続的な撮影画像に基づく診断がなされることになる。

強度近視は、２０年以上の長期に渡るタイムスパンで病態が徐々に進行するため、眼底カメラ等を用いて長期経過の観察が行われることが望ましい。医療画像の進歩に伴い、２０年前に撮影された画像と最近撮影された画像では、精度・撮影条件等が異なり、定量的な比較が難しかった。これを解決するため、出願人は、使用されたカメラの機種や撮像条件の異なる眼底画像を整合させ、各種部位の寸法比較等を可能にする画像解析技術を開発している（特許文献１参照）。

特開２０１３−８５５８３号公報

上記従来の技術では、カメラの機種や撮像条件の異なる眼底画像を整合させるにあたり、ヒトの網膜の主要血管の走行形態はたとえ種々の眼科疾患を患っても一生涯変化しないという前提のもと、視神経乳頭（以下、単に「乳頭」という）の中心と血管を基準に倍率・角度・位置の補正を行っていた。

しかしながら、ヒトの網膜の主要血管は、強度近視疾患など眼球形状の３次元的な変形に伴い、一部の血管走行が変化したり、病気の進行に伴い新生血管が出現したりすることもある。また、動脈硬化や糖尿病といった生活習慣病は血管の病気とも言われ、眼底血管を含む全身の血管に硬化が見られる。そのため、数あるヒトの血管の中で、唯一体表に露出している眼底血管の観察は、眼科疾患に限らず、全身の病気の診断において重要である。しかし、眼底画像から血管部分を特定することは容易ではないという問題がある。

そこで、本発明は、眼底画像から血管径などの血管微細形状を維持したまま血管領域を自動的に抽出することが可能な眼底画像処理装置を提供することを課題とする。

上記課題を解決するため、本発明第１の態様では、
カラー眼底画像を処理して血管領域を強調するための装置であって、
前記カラー眼底画像に対し、各色成分に所定の演算を施し、第１の色成分が大きい程、画素値が小さくなるように変換してグレースケール眼底画像（Ｇｒａｙ）を得るグレースケール変換手段と、
前記グレースケール眼底画像に対して、所定の構造要素を用いてオープニング処理を行い血管候補領域の輝度を一定以上に揃えた線状成分強調画像（Ｔｒａｙ）を作成する線状成分強調手段と、
前記線状成分強調画像において、所定の条件を満たす画素値を、変換後の血管強調画像の階調の最小値付近になるように置き換え、前記所定の条件を満たす画素値以上となる前記線状成分強調画像の画素値が、階調の最小値付近の値から最大値の範囲になるように画素の階調を補正し、血管強調画像（Ｔｒａｙ´）を作成する画素階調変換手段と、
を有することを特徴とする眼底画像処理装置を提供する。

本発明第１の態様によれば、カラー眼底画像に対し、第１の色成分が大きい程、画素値が小さくなるように変換してグレースケール眼底画像に変換し、グレースケール眼底画像に対して、所定の構造要素を用いてオープニング処理を行い、（好ましくは全ての）血管候補領域の輝度を一定以上に揃えた線状成分強調画像を作成し、線状成分強調画像において、所定の条件を満たす画素値を、変換後の血管強調画像の階調の最小値付近になるように置き換え、所定の条件を満たす画素値以上となる前記線状成分強調画像の画素値が、階調の最小値付近の値から最大値の範囲になるように画素の階調を補正し、血管強調画像を作成するようにしたので、血管領域が抽出された画像として血管強調画像が得られ、眼底画像から血管径などの血管微細形状を維持したまま血管領域を自動的に抽出することが可能となる。特に、血管領域を二値化・細線化せず、グレースケールの状態で血管候補領域を抽出しているため、血管領域以外の粒状成分が抽出されても定量解析への影響を抑えることが可能となる。

また、本発明第２の態様では、前記グレースケール変換手段は、ＲＧＢ（赤緑青）３原色成分からなる前記カラー眼底画像のＧ（緑）成分を前記第１の色成分として抽出するものであり、Ｂ（青）成分の値が大きい程、値が小さくなるように変換した反転Ｂ成分とＧ成分との相乗平均値を算出し、当該相乗平均値が大きい程、値が小さくなるように変換して前記グレースケール眼底画像を得ることを特徴とする。

本発明第２の態様によれば、３原色成分からなるカラー眼底画像のＧ成分を第１の色成分として抽出するものであり、Ｂ成分の値が大きい程、値が小さくなるように変換した反転Ｂ成分とＧ成分との相乗平均値を算出し、相乗平均値が大きい程、値が小さくなるように変換するようにしたので、眼底周辺の血管領域の抽出精度を高めることが可能となる。特に、Ｂ成分を反転させた値を反映させることにより、眼底周辺の照明光量不足により不鮮明な血管をより際立たせたグレースケール眼底画像を得ることができる。

また、本発明第３の態様では、前記線状成分強調手段は、前記グレースケール眼底画像に対して、所定の半径の円形の構造要素である円形構造要素を用いてオープニング処理（収縮・膨張処理）を行ってオープニング画像（Ｆｒａｙ）を作成し、前記グレースケール眼底画像より前記オープニング画像を減算することにより、前記線状成分強調画像を作成することを特徴とする。

本発明第３の態様によれば、グレースケール眼底画像に対して、所定の半径の円形の構造要素を用いてオープニング処理を行ってオープニング画像を作成し、グレースケール眼底画像よりオープニング画像を減算した差分画像を作成するようにしたので、血管の線状成分を的確に抽出することができ、過剰な粒状成分の抽出を抑えることが可能となる。

また、本発明第４の態様では、前記線状成分強調手段は、前記グレースケール眼底画像に対して、方向が異なる線形の構造要素である線形構造要素を複数個用いてオープニング処理（収縮・膨張処理）を行い複数の線形オープニング画像を作成し、得られた複数の線形オープニング画像より画素ごとの最大値を画素値として与えた代表線形オープニング画像（Ｌｒａｙ）として作成し、前記代表線形オープニング画像に対して、所定の半径の円形の構造要素である円形構造要素を用いてオープニング処理を行い円形オープニング画像（ＦＬｒａｙ）を作成し、前記代表線形オープニング画像より前記円形オープニング画像を減算することにより、前記線状成分強調画像を作成するようにしていることを特徴とする。

本発明第４の態様によれば、グレースケール眼底画像に対して、方向が異なる直線状の構造要素を複数個を用いてオープニング処理を行い複数の線形オープニング画像を作成し、得られた複数の線形オープニング画像より画素ごとに最大輝度となる画素値を代表線形オープニング画像として作成し、代表線形オープニング画像に対して、所定の半径の円形の構造要素を用いてオープニング処理を行い円形オープニング画像を作成し、代表線形オープニング画像より円形オープニング画像を減算した差分画像を作成するようにしたので、血管に特徴的な線状成分をより高精度に抽出することができ、過剰な粒状成分の抽出をより抑えることが可能となる。

また、本発明第５の態様では、前記線形構造要素は、前記円形構造要素の前記半径の２倍の長さで画素幅が１画素であって、２２．５度間隔の直線の少なくとも近傍に配置され、８方向を定義していることを特徴とする。

本発明第５の態様によれば、オープニング処理用の線形構造要素が、円形構造要素の半径の２倍の長さで画素幅が１画素であって、２２．５度間隔の直線の少なくとも近傍に配置され、８方向を定義するようにしたので、演算処理の負荷を抑えつつ、あらゆる方向をもつ線状成分を殆ど漏れなく抽出することが可能となる。

また、本発明第６の態様では、前記オープニング処理は、前記グレースケール眼底画像に対して所定の複数回だけ収縮処理を行った後に収縮処理と同一の回数だけ膨張処理を行うようにしていることを特徴とする。

本発明第６の態様によれば、オープニング処理が、与えられたグレースケール眼底画像に対して所定の複数回だけ収縮処理を行った後に収縮処理と同一の回数だけ膨張処理を行うようにしているので、漏れなく線状成分の抽出を行いつつ粒状成分の抽出を抑えることが可能となる。

また、本発明第７の態様では、前記画素階調変換手段は、前記所定の条件を満たす画素値として、前記線状成分強調画像に対して、画素値の度数分布を算出し、前記線状成分強調画像の最小画素値から数えて画素数の総和が前記線状成分強調画像の全画素数の所定の割合（α）を超える画素値のうち最小の画素値（ｈｍｉｎ）を設定するようにしていることを特徴とする。

本発明第７の態様によれば、画素階調変換の際の、所定の条件を満たす画素値として、線状成分強調画像に対して、画素値の度数分布を算出し、最小画素値から数えて画素数の総和が線状成分強調画像の全画素数の所定の割合を超える最小の画素値を設定するようにしているので、与えられた画像に含まれる設定された割合の線状成分に相当する画素領域に対して画素値のコントラストを強調することが可能となる。

本発明によれば、眼底画像から血管径などの血管微細形状を維持したまま血管領域を自動的に抽出することが可能となる。

本発明の一実施形態に係る眼底画像処理装置１００のハードウェア構成図である。 本発明の一実施形態に係る眼底画像処理装置の構成を示す機能ブロック図である。 本発明の一実施形態に係る眼底画像処理装置の処理概要を示すフローチャートである。 ステップＳ２００のトップハット変換処理の第１の手法の詳細を示すフローチャートである。 ステップＳ２１０の円形構造要素によるオープニング処理の詳細を示すフローチャートである。 トップハット変換処理の第１の手法で用いる円形構造要素の一例を示す図である。 ステップＳ２００のトップハット変換処理の第２の手法の詳細を示すフローチャートである。 ステップＳ２５０の線形構造要素によるオープニング処理の詳細を示すフローチャートである。 トップハット変換処理の第２の手法で用いる線形構造要素の一例を示す図である。 方向ｄ＝１の場合の線形構造要素の具体的な画素値を示す図である。 方向ｄ＝２の場合の線形構造要素の具体的な画素値を示す図である。 従来手法による画像変換事例を示す図である。 第１の手法の線状成分強調を用いた画像変換事例を示す図である。 第２の手法の線状成分強調を用いた画像変換事例を示す図である。

以下、本発明の好適な実施形態について図面を参照して詳細に説明する。
＜１．装置構成＞
図１は、本発明の一実施形態に係る眼底画像処理装置のハードウェア構成図である。本実施形態に係る眼底画像処理装置１００は、汎用のコンピュータで実現することができ、図１に示すように、ＣＰＵ（Central Processing Unit）１と、コンピュータのメインメモリであるＲＡＭ（Random Access Memory）２と、ＣＰＵ１が実行するプログラムやデータを記憶するためのハードディスク、フラッシュメモリ等の大容量の記憶装置３と、キーボード、マウス等のキー入力Ｉ／Ｆ（インターフェース）４と、３Ｄプリンタやデータ記憶媒体等の外部装置とデータ通信するためのデータ入出力Ｉ／Ｆ（インターフェース）５と、液晶ディスプレイ等の表示デバイスである表示部６と、を備え、互いにバスを介して接続されている。

図２は、本実施形態に係る眼底画像処理装置の構成を示す機能ブロック図である。図２において、１０はグレースケール変換手段、２０は線状成分強調手段、３０は画素階調変換手段、４０は眼底画像記憶手段、５０は血管強調画像記憶手段である。

グレースケール変換手段１０は、フルカラー眼底画像に対し、ＲＧＢ３原色成分に所定の演算を施し、血管候補領域が高い輝度になるようにネガポジ反転させたグレースケール眼底画像に変換する処理を行う。線状成分強調手段２０は、グレースケール眼底画像に対して、所定の構造要素を用いてオープニング処理を行い全ての血管候補領域の輝度を一定以上に揃えた線状成分強調画像を作成する処理を行う。画素階調変換手段３０は、線状成分強調画像において、所定の条件を満たす画素値を、変換後の血管強調画像の階調の最小値付近の値になるように置き換え、所定の条件を満たす画素値以上となる前記線状成分強調画像の画素値が、階調の最小値付近の値から最大値の範囲になるように画素の階調を補正し、血管強調画像（Ｔｒａｙ´）を作成する処理を行う。

グレースケール変換手段１０、線状成分強調手段２０、画素階調変換手段３０は、ＣＰＵ１が、記憶装置３に記憶されているプログラムを実行することにより実現される。眼底画像記憶手段４０は、可視光・光源方式の眼底カメラを用いてフルカラーで撮影された、血管領域の抽出対象となるフルカラー眼底画像を記憶した記憶手段であり、記憶装置３により実現される。眼底画像処理装置にフルカラー眼底画像を読み込ませて、そのまま処理を行う場合は、ＲＡＭ２が眼底画像記憶手段４０としての役割を果たす。フルカラー眼底画像とは、ＲＧＢの３成分により記録された画像データであり、被験者の眼底が撮影されたものである。本実施形態では、ＲＧＢ各色８ビット２５６階調で記録されたものを用いている。

血管強調画像記憶手段５０は、画素階調変換手段３０により血管領域が強調されたグレースケール眼底画像である血管強調画像を記憶する記憶手段であり、記憶装置３により実現される。血管強調画像は、血管領域が強調されて、血管の位置を特定可能な画像であり、８ビット２５６階調の形式のグレースケール形式で記録される。

図２に示した各構成手段は、現実には図１に示したように、コンピュータおよびその周辺機器等のハードウェアに専用のプログラムを搭載することにより実現される。すなわち、コンピュータが、専用のプログラムに従って各手段の内容を実行することになる。なお、本明細書において、コンピュータとは、ＣＰＵ等の演算処理部を有し、データ処理が可能な装置を意味し、パーソナルコンピュータなどの汎用コンピュータだけでなく、タブレット等の携帯型端末も含む。

図１に示した記憶装置３には、ＣＰＵ１を動作させ、コンピュータを、眼底画像処理装置として機能させるための専用のプログラムが実装されている。この専用のプログラムを実行することにより、ＣＰＵ１は、グレースケール変換手段１０、線状成分強調手段２０、画素階調変換手段３０としての機能を実現することになる。また、記憶装置３は、眼底画像記憶手段４０、血管強調画像記憶手段５０として機能するだけでなく、眼底画像処理装置としての処理に必要な様々なデータを記憶する。

＜２．処理動作＞
＜２．１．前処理＞
まず、処理対象とするフルカラー眼底画像を用意する。フルカラー眼底画像としては、デジタル方式の眼底カメラによりフルカラーで撮影した画像ファイルがあれば、そのまま使用でき、アナログ方式の眼底カメラにより写真媒体に記録された古いものであれば、保管されていたアナログのモノクロまたはカラーのネガ・ポジフィルム、印画紙、インスタント写真等をスキャナによりフルカラーで読み取る等してデジタルのフルカラー眼底画像ファイルを取得する。この時、たとえ原画がモノクロであっても、フルカラーで読み取る。一般には、可視光・光源方式の眼底カメラを用いてフルカラーで撮影することによりフルカラー眼底画像が得られる。取得したフルカラー眼底画像は、眼底画像処理装置の眼底画像記憶手段４０に記憶させる。本実施形態では、フルカラー眼底画像としてＲ，Ｇ，Ｂ各成分８ビット２５６階調のカラー画像を用意する。

＜２．２．処理概要＞
次に、図１、図２に示した眼底画像処理装置の処理動作について説明する。図３は、本発明の一実施形態に係る眼底画像処理装置の処理概要を示すフローチャートである。まず、グレースケール変換手段１０が、フルカラー眼底画像に対して、グレースケール変換を行い、グレースケール眼底画像を得る（ステップＳ１００）。

上述のように、処理対象であるフルカラー眼底画像は、各色８ビット２５６階調の画像データである。したがって、ｘ方向の画素数Ｘｓ、ｙ方向の画素数Ｙｓの規制画像は、色成分を示す変数ｃ＝０（Ｒｅｄ），１（Ｇｒｅｅｎ），２（Ｂｌｕｅ）とすると、Ｉｍａｇｅ（ｘ，ｙ，ｃ）＝０〜２５５（ｘ＝０，・・・，Ｘｓ−１；ｙ＝０，・・・，Ｙｓ−１；ｃ＝０，１，２）と定義される。

グレースケール画像への変換の際、フルカラー眼底画像の場合、Ｉｍａｇｅ（ｘ，ｙ，ｃ）に対してＧｒｅｅｎ成分のみを使用する、即ち、Ｇｒ（ｘ，ｙ）＝Ｉｍａｇｅ（ｘ，ｙ，１）により変換する方法が最良であることが知られている（特許文献１参照）。理由は、眼底カメラで使用されている３原色フィルタではＧｒｅｅｎ成分に比べＲｅｄとＢｌｕｅ成分の解像度が低く、これらの分色画像では血管の輪郭が不鮮明になりがちであるためである。しかし、本願発明者は、多くの眼底カメラ画像を分析した結果、Ｇｒｅｅｎ成分は照明光が十分にあたっている中央付近では鮮明であるが、照明光が弱い周辺部ではＧｒｅｅｎ成分よりむしろＢｌｕｅ成分の方が鮮明であり、更にＢｌｕｅ成分はＧｒｅｅｎ成分と異なり、血管部の輝度が周囲に比べて高くなるという反転現象を見出した（眼底画像全般に血管部の輝度は周囲に比べて低くなる）。そこで、本実施形態では、以下の〔数式１〕に従った処理を実行することによりグレースケール変換する手法を提案する。ただし、〔数式１〕は全てのフルカラー眼底画像に適用になるわけではなく、従来から言われているＧｒ（ｘ，ｙ）＝Ｉｍａｇｅ（ｘ，ｙ，１）により変換する方法の方が適切な眼底画像も少なからず存在するため、これらは与えられた眼底画像ごとに適宜選択する必要がある。グレースケール変換手段１０は、以下の〔数式１〕に従った処理を実行することによりグレースケール変換する。

〔数式１〕
Ｇｒ（ｘ，ｙ）＝[Ｉｍａｇｅ（ｘ，ｙ，１）×（２５５−Ｉｍａｇｅ（ｘ，ｙ，２））]^1/2

上記〔数式１〕において、Ｉｍａｇｅ（ｘ，ｙ，１）は、フルカラー眼底画像のうち、Ｇ（グリーン、緑）の成分を示し、Ｉｍａｇｅ（ｘ，ｙ，２）は、フルカラー眼底画像のうち、Ｂ（ブルー、青）の成分を示している。したがって、上記〔数式１〕においては、各画素のＧ成分と、Ｂ成分をネガポジ反転したものの相乗平均値を求め、グレースケール形式の画像Ｇｒ（ｘ，ｙ）を得ている。

さらに、グレースケール変換手段１０は、グレースケール形式の画像Ｇｒ（ｘ，ｙ）に対して、以下の〔数式２〕に従った処理を実行することによりネガポジ反転してグレースケール眼底画像Ｇｒａｙ（ｘ，ｙ）を得る。

〔数式２〕
Ｇｒａｙ（ｘ，ｙ）＝２５５−Ｇｒ（ｘ，ｙ）

上記〔数式２〕に従った処理を実行して、ネガポジ反転することにより、周囲に比べ輝度が低い血管領域の画素値が高い状態に変換される。ここで、ネガポジ反転とは、元の画素値の大きいもの程小さい値に変換する処理を意味する。

グレースケール眼底画像が得られたら、次に、線状成分強調手段２０が、グレースケール眼底画像に対して、トップハット変換を用いて線状成分の強調を行い、線状成分強調画像を得る（ステップＳ２００）。ステップＳ２００におけるトップハット変換については、２通りの手法が存在するので、詳細については後述する。

線状成分強調画像が得られたら、次に、画素階調変換手段３０が、線状成分強調画像に対して、階調変換（コントラスト補正）を行い、血管強調画像を得る（ステップＳ３００）。具体的には、まず、画素階調変換手段３０は、０〜２５５の値をもつ、線状成分強調画像Ｔｒａｙ（ｘ，ｙ）のＸｓ×Ｙｓ個の全画素について、画素値ｈの度数分布Ｈ（ｈ）（ｈ＝０，・・・，２５５）を求める。そして、以下の〔数式３〕に示す条件を満たす最小値ｈｍｉｎを求める。

〔数式３〕
Σ_h=0,hminＨ（ｈ）≧（Ｘｓ×Ｙｓ）×α

上記〔数式３〕において、Σの添え字の“ｈ＝０，ｈｍｉｎ”は、ｈが０からｈｍｉｎまでの総和を求めることを示している。したがって、上記〔数式３〕に示す条件とは、全画素数（Ｘｓ×Ｙｓ）のうち、およそ比率α×１００％の画素が、画素値ｈｍｉｎ以下の画素値となることを示している。比率αとしては、眼底画像中に含まれる血管以外の領域の割合を与える必要があり、この比率は取得された眼底画像ごとに変動するが、平均的には０．７〜０．９、典型的な例として０．８と設定することができる。

上記〔数式３〕に示す条件を満たす最小値ｈｍｉｎが求められたら、次に、画素階調変換手段３０は、ｘ＝０，・・・，Ｘｓ−１；ｙ＝０，・・・，Ｙｓ−１の全画素に対して、以下の〔数式４〕に従った処理を実行し、コントラスト補正を行う。

〔数式４〕
Ｔｒａｙ´（ｘ，ｙ）＝｛Ｔｒａｙ（ｘ，ｙ）−ｈｍｉｎ｝×２５５×β／（２５５−ｈｍｉｎ）

上記〔数式４〕において、βは輝度スケーリング値である。輝度スケーリング値βとしては、設定された比率αに依存し、任意に設定することができるが、α＝０．８に設定した場合、好ましくは１８．０〜２２．０、特に好ましい例として２０．０とすることができる。Ｔｒａｙ´（ｘ，ｙ）においては、階調の最小値である“０”が血管領域外を示し、血管領域は“１”以上、“２５５”以下となる。血管領域の最小値は、階調の最小値付近の値が設定される。本実施形態では、階調の最小値付近の値として、階調の最小値＋１を設定しているが、それ以上であってもよい。もちろん、血管領域のコントラストを高くするため、階調の最小値＋１であることが好ましい。

＜２．３．線状成分強調＞
線状成分強調は、トップハット変換を用いて行う。トップハット変換とは、一般に、オープニング処理により得られたオープニング画像を元画像から減じる処理を意味し、撮影時の光源ムラの均一化などに利用される。次に、ステップＳ２００におけるトップハット変換の２つの各手法について詳細に説明する。

＜２．３．１．第１の手法＞
図４は、ステップＳ２００における線状成分強調の第１の手法の処理動作を示すフローチャートである。まず、線状成分強調手段２０は、グレースケール変換手段１０により得られたグレースケール眼底画像に対して、円形構造要素によるオープニング処理を行う（ステップＳ２１０）。一般に、オープニング処理とは、収縮処理および膨張処理の各々を同一回数だけ繰り返し行う処理を意味する。白と黒の二値画像で白を対象としたとき、収縮処理とは、注目画素の周辺に黒い画素があれば黒に置き換えることにより白い画素を削減する処理であり、膨張処理とは、注目画素の周辺に白い画素があれば白に置き換えることにより白い画素を増大させる処理である。

図５は、円形構造要素によるオープニング処理の詳細を示すフローチャートである。まず、線状成分強調手段２０は、指定構造要素を用いて収縮処理を行う（ステップＳ２１１）。ステップＳ２１１の収縮処理では、指定構造要素として円形構造要素を用いる。図６は、第１の手法で用いる円形構造要素の一例を示す図である。図６に示すように、第１の手法では、半径７画素、すなわち中心から距離７画素以下を有効とした１５×１５のマスク画像の形態である円形構造要素を用いる。図６に示すように、１５×１５の画素のうち、中心から距離７画素以下の画素値は“１”、その他の中心から距離７を超える画素の画素値は“０”である。

図６に示した円形構造要素はＭ（ｕ，ｖ）＝｛０，１｝（ｕ＝−Ｒ，・・・０，・・・Ｒ；ｖ＝−Ｒ，・・・０，・・・Ｒ）と定義することができる。なお、Ｒは有効とする半径を示しており、図６の例では、Ｒ＝７である。半径Ｒとしては適宜設定することができるが、グレースケール眼底画像Ｇｒａｙ（ｘ，ｙ）が１０２４画素に対しては、Ｒ＝７程度が好ましい。また、ｕは図６における横軸、ｖは図６における縦軸を、それぞれ示す。線状成分強調手段２０は、円形構造要素Ｍ（ｕ，ｖ）を用いて、上記〔数式２〕に従った処理を実行して得られたグレースケール眼底画像Ｇｒａｙ（ｘ，ｙ）に対して、以下の〔数式５〕に従った処理を実行し、収縮画像Ｅｒａｙ（ｘ，ｙ）を得る。

〔数式５〕
Ｅｒａｙ（ｘ，ｙ）＝ＭＩＮ_{u=-R,R;v=-R,R}［（２５５−Ｍ（ｕ，ｖ）×２５４）×（Ｇｒａｙ（ｘ＋ｕ，ｙ＋ｖ）＋１）−１］

上記〔数式５〕において、ＭＩＮは最小値をとることを示しており、ＭＩＮの添え字の“ｕ＝−Ｒ，Ｒ；ｖ＝−Ｒ，Ｒ”は、ｕ，ｖが−ＲからＲの範囲における演算を行うことを示している。すなわち、“ｘ＝Ｒ，・・・，Ｘｓ−Ｒ−１；ｙ＝Ｒ，・・・，Ｙｓ−Ｒ−１“の各画素Ｇｒａｙ（ｘ，ｙ）に対して、“ｕ＝−Ｒ，Ｒ；ｖ＝−Ｒ，Ｒ”の隣接画素内でＭ（ｕ，ｖ）＝１である画素値の最小値に変換を行っている。したがって、図６の例では、円形構造要素の（２Ｒ＋１）×（２Ｒ＋１）画素として２２５画素を用いて演算を行い、その最小値がＥｒａｙ（ｘ，ｙ）として与えられることになる。

上記〔数式５〕に従った処理を実行して収縮画像Ｅｒａｙ（ｘ，ｙ）が得られたら、このＥｒａｙ（ｘ，ｙ）をＧｒａｙ（ｘ，ｙ）に置き換えて、上記〔数式５〕に従った処理を繰り返し実行することもできる。すなわち、ステップＳ２１１における収縮処理を繰り返し実行しても良い。繰り返しの回数は、適宜設定することが可能である。ただし画質劣化を抑えるため、通常は１回に設定し繰り返しを行わない。

収縮処理を繰り返し実行して収縮画像Ｅｒａｙ（ｘ，ｙ）が得られたら、次に、線状成分強調手段２０は、指定構造要素を用いて膨張処理を行う（ステップＳ２１２）。ステップＳ２１２の膨張処理では、収縮処理に用いた円形構造要素を指定構造要素として用いる。すなわち、図６に示した円形構造要素を用いる。線状成分強調手段２０は、円形構造要素Ｍ（ｕ，ｖ）を用いて、収縮画像Ｅｒａｙ（ｘ，ｙ）に対して、以下の〔数式６〕に従った処理を実行し、膨張後の画像Ｆｒａｙ（ｘ，ｙ）を得る。

〔数式６〕
Ｆｒａｙ（ｘ，ｙ）＝ＭＡＸ_{u=-R,R;v=-R,R}［Ｍ（ｕ，ｖ）×Ｅｒａｙ（ｘ＋ｕ，ｙ＋ｖ）］

上記〔数式６〕において、ＭＡＸは最大値をとることを示しており、ＭＡＸの添え字の“ｕ＝−Ｒ，Ｒ；ｖ＝−Ｒ，Ｒ”は、ｕ，ｖが−ＲからＲの範囲における演算を行うことを示している。すなわち、“ｘ＝Ｒ，・・・，Ｘｓ−Ｒ−１；ｙ＝Ｒ，・・・，Ｙｓ−Ｒ−１“の各画素Ｅｒａｙ（ｘ，ｙ）に対して、“ｕ＝−Ｒ，Ｒ；ｖ＝−Ｒ，Ｒ”の隣接画素内でＭ（ｕ，ｖ）＝１である画素値の最大値に変換を行っている。したがって、図６の例では、円形構造要素の（２Ｒ＋１）×（２Ｒ＋１）画素として２２５画素を用いて演算を行い、その最大値がＦｒａｙ（ｘ，ｙ）として与えられることになる。

上記〔数式６〕に従った処理を実行して膨張後の画像Ｆｒａｙ（ｘ，ｙ）が得られたら、このＦｒａｙ（ｘ，ｙ）をＥｒａｙ（ｘ，ｙ）に置き換えて、上記〔数式６〕に従った処理を繰り返し実行することもできる。すなわち、ステップＳ２１２における膨張処理を繰り返し実行しても良い。繰り返しの回数は、ステップＳ２１１の収縮処理の繰り返しの回数と同じ回数に設定する必要があり、通常は収縮処理とも１回に設定し、繰り返しは行わない。

収縮処理を所定回数繰り返し実行して得られた膨張後の画像Ｆｒａｙ（ｘ，ｙ）は、微細な粒状ノイズが削除され、線状成分などの特徴パターンが強調されたオープニング画像となる。ただし、この段階では光源ムラなどの低周波成分が残留する。このオープニング画像が得られたら、次に、線状成分強調手段２０は、グレースケール眼底画像からの減算処理を行う（ステップＳ２２０）。これにより、グレースケール眼底画像およびオープニング画像に含まれる光源ムラなどの低周波成分がキャンセルされ、オープニング画像で強調された特徴パターンが主として残留する。具体的には、線状成分強調手段２０は、元のグレースケール眼底画像Ｇｒａｙ（ｘ，ｙ）、オープニング画像Ｆｒａｙ（ｘ，ｙ）を用いて、以下の〔数式７〕に従った処理を実行し、線状成分強調画像Ｔｒａｙ（ｘ，ｙ）を得る。

〔数式７〕
Ｔｒａｙ（ｘ，ｙ）＝Ｇｒａｙ（ｘ，ｙ）−Ｆｒａｙ（ｘ，ｙ）＋１２８

上記〔数式７〕に示すように、線状成分強調画像Ｔｒａｙ（ｘ，ｙ）は、元のグレースケール眼底画像Ｇｒａｙ（ｘ，ｙ）、オープニング画像Ｆｒａｙ（ｘ，ｙ）の各画素（ｘ＝０，・・・，Ｘｓ−１；ｙ＝０，・・・，Ｙｓ−１）に対して差分演算を行い、１２８だけオフセットを加えたものである。このオフセット加算する整数値は、画素値が０から２５５の範囲に収まるように画像の階調値２５６の１／２の値としている。このオフセット加算は、単に差分演算を行うと、画素値が０近傍に集中し一部の画素は負値になるため、画素値が０から２５５の範囲に収まるように行っている。

＜２．３．２．第２の手法＞
図７は、ステップＳ２００における線状成分強調の第２の手法の処理動作を示すフローチャートである。まず、線状成分強調手段２０は、グレースケール変換手段１０により得られたグレースケール眼底画像に対して、線形構造要素によるオープニング処理を行う（ステップＳ２５０）。

図８は、線形構造要素によるオープニング処理の詳細を示すフローチャートである。まず、線状成分強調手段２０は、８種の線形構造要素によるオープニング処理を行う（ステップＳ２５１）。ステップＳ２５１のオープニング処理では、指定構造要素として８種の線形構造要素を用いる。図９は、第２の手法で用いる線形構造要素の一例を示す図である。図９に示すように、第２の手法では、半径７画素、すなわち中心から距離７画素以下を有効とした１５×１５のマスク画像の形態である線形構造要素を用いる。

図９に示す線形構造要素は、マスクとしての役割を果たすものであるため、二値画像である。そのため、図９において、“０”と表記された画素の値は“０”であるが、“０”以外の数値が表記された画素の値は、８種類の各方向ｄに応じて“１”となり、他の方向のとき“０”である。図９における“０”以外の数字は方向を示している。“１”は水平方向（図面左右方向）であり、以後数字が１増えるに従って２２．５度間隔で方向が変化する。“２” “４”“６”“８”については、画素の格子状配置の関係から、同一数字の列が直線上に配列することができないため、近傍の区画に配置されている。“２３４”や“６７８”などの３桁の数字は、それぞれ“２” “３”“４”の３方向、“６”“７”“８”の３方向のいずれかの方向の場合に、画素値が“１”となることを示している。なお、“９”は中心となる画素を示しており、中心となる画素の値は常に“１”である。

図９に示すように、線形構造要素は、円形構造要素の半径Ｒの２倍の長さで画素幅が１画素であって、２２．５度間隔の直線の少なくとも近傍に配置され、８方向を定義したものとなる。実際には、各方向において画素値“１”が与えられる連続する画素は、直線となることが好ましいが、線形構造要素の全体画素数が少ない場合は、必ずしも直線にならない。そのため、図９の例では、“２” “４”“６”“８”で示す方向については、直線ではなく、画素値“１”となる画素は、２２．５度間隔の直線の近傍に配置されることになる。

実際に用いる線形構造要素は、中心から半径７画素の条件を追加したものとなる。すなわち、図９に示した線形構造要素と、図６に示した円形構造要素の論理積（ＡＮＤ）をとったものとなる。例えば、方向ｄ＝１の場合は、図１０に示したような二値のマスク画像が得られる。また、方向ｄ＝２の場合は、図１１に示したような二値のマスク画像が得られる。

図９に示した線形構造要素はＭ（ｄ，ｕ，ｖ）＝｛０，１｝（ｄ＝１，・・・，８；ｕ＝−Ｒ，・・・，０，・・・，Ｒ；ｖ＝−Ｒ，・・・，０，・・・，Ｒ）と定義することができる。なお、Ｒは有効とする半径を示しており、図９の例では、Ｒ＝７である。また、ｕは図９における横軸、ｖは図９における縦軸を、それぞれ示す。線状成分強調手段２０は、線形構造要素Ｍ（ｄ，ｕ，ｖ）を用いて、上記〔数式２〕に従った処理を実行して得られたグレースケール眼底画像Ｇｒａｙ（ｘ，ｙ）に対して、以下の〔数式８〕に従った処理を実行し、収縮画像Ｅｄｒａｙ（ｘ，ｙ）を得る。

〔数式８〕
Ｅｄｒａｙ（ｄ，ｘ，ｙ）＝ＭＩＮ_{u=-R,R;v=-R,R}［（２５５−Ｍ（ｄ，ｕ，ｖ）×２５４）×（Ｇｒａｙ（ｘ＋ｕ，ｙ＋ｖ）＋１）−１］

上記〔数式８〕において、ＭＩＮは最小値をとることを示しており、ＭＩＮの添え字の“ｕ＝−Ｒ，Ｒ；ｖ＝−Ｒ，Ｒ”は、ｕ，ｖが−ＲからＲの範囲における演算を行うことを示している。すなわち、“ｘ＝Ｒ，・・・，Ｘｓ−Ｒ−１；ｙ＝Ｒ，・・・，Ｙｓ−Ｒ−１“の各画素Ｇｒａｙ（ｘ，ｙ）に対して、“ｕ＝−Ｒ，Ｒ；ｖ＝−Ｒ，Ｒ”の隣接画素内でＭ（ｕ，ｖ）＝１である画素値の最小値に変換を行っている。したがって、図９の例では、線形構造要素の（２Ｒ＋１）×（２Ｒ＋１）画素として２２５画素を用いて演算を行い、その最小値がＥｄｒａｙ（ｘ，ｙ）として与えられることになる。

上記〔数式８〕に従った処理を実行して収縮画像Ｅｄｒａｙ（ｄ，ｘ，ｙ）が得られたら、このＥｄｒａｙ（ｄ，ｘ，ｙ）をＧｒａｙ（ｘ，ｙ）に置き換えて、上記〔数式８〕に従った処理を繰り返し実行することもできる。すなわち、第１の手法のステップＳ２１１における収縮処理と同様、繰り返し実行しても良い。繰り返しの回数は、適宜設定することが可能である。ただし、通常は画質劣化を抑えるため、１回に設定し繰り返しは行わない。８つの各方向ｄについて行うことにより、ｄ＝１〜８の８種の収縮画像Ｅｄｒａｙ（ｄ，ｘ，ｙ）が得られる。

収縮処理を繰り返し実行して８種の収縮画像Ｅｄｒａｙ（ｄ，ｘ，ｙ）が得られたら、次に、線状成分強調手段２０は、収縮処理に用いた線形構造要素を指定構造要素として用いて膨張処理を行う。具体的には、線形構造要素Ｍ（ｄ，ｕ，ｖ）を用いて、収縮画像Ｅｄｒａｙ（ｄ，ｘ，ｙ）に対して、以下の〔数式９〕に従った処理を実行し、膨張後の画像Ｆｄｒａｙ（ｄ，ｘ，ｙ）を得る。

〔数式９〕
Ｆｄｒａｙ（ｄ，ｘ，ｙ）＝ＭＡＸ_{u=-R,R;v=-R,R}［Ｍ（ｄ，ｕ，ｖ）×Ｅｄｒａｙ（ｄ，ｘ＋ｕ，ｙ＋ｖ）］

上記〔数式９〕において、ＭＡＸは最大値をとることを示しており、ＭＡＸの添え字の“ｕ＝−Ｒ，Ｒ；ｖ＝−Ｒ，Ｒ”は、ｕ，ｖが−ＲからＲの範囲における演算を行うことを示している。すなわち、“ｘ＝Ｒ，・・・，Ｘｓ−Ｒ−１；ｙ＝Ｒ，・・・，Ｙｓ−Ｒ−１“の各画素Ｅｄｒａｙ（ｄ，ｘ，ｙ）に対して、“ｕ＝−Ｒ，Ｒ；ｖ＝−Ｒ，Ｒ”の隣接画素内でＭ（ｄ，ｕ，ｖ）＝１である画素値の最大値に変換を行っている。したがって、図９の例では、線形構造要素の（２Ｒ＋１）×（２Ｒ＋１）画素として２２５画素を用いて演算を行い、その最大値がＦｄｒａｙ（ｄ，ｘ，ｙ）として与えられることになる。

上記〔数式９〕に従った処理を実行して膨張後の画像Ｆｄｒａｙ（ｄ，ｘ，ｙ）が得られたら、このＦｄｒａｙ（ｄ，ｘ，ｙ）をＥｄｒａｙ（ｄ，ｘ，ｙ）に置き換えて、上記〔数式９〕に従った処理を繰り返し実行することもできる。すなわち、ステップＳ２１２における膨張処理と同様、繰り返し実行しても良い。繰り返しの回数は、収縮処理の繰り返しの回数と同じ回数にする必要があり、通常は収縮処理とも１回に設定し繰り返しは行わない。８つの各方向ｄについて行うことにより、ｄ＝１〜８の８種の膨張後の画像Ｆｄｒａｙ（ｄ，ｘ，ｙ）が得られる。収縮および膨張を行った結果得られる画像は、線形オープニング画像Ｆｄｒａｙ（ｄ，ｘ，ｙ）として得られる。

次に、線状成分強調手段２０は、８種の線形オープニング画像の最大値画像を作成する処理を行う（ステップＳ２５２）。具体的には、以下の〔数式１０〕に従った処理を実行し、最大値画像Ｌｒａｙ（ｘ，ｙ）を得る。

〔数式１０〕
Ｌｒａｙ（ｘ，ｙ）＝ＭＡＸ_d=1,8Ｆｄｒａｙ（ｄ，ｘ，ｙ）

上記〔数式１０〕において、ＭＡＸは最大値をとることを示しており、ＭＡＸの添え字の“ｄ＝１，８”は、８種の全ての線形オープニング画像Ｆｄｒａｙ（ｄ，ｘ，ｙ）における演算を行うことを示している。すなわち、各画素（ｘ，ｙ）について、８種の線形オープニング画像Ｆｄｒａｙ（ｄ，ｘ，ｙ）の最大値を取得する処理を行っている。この結果、最大値の画像である代表線形オープニング画像Ｌｒａｙ（ｘ，ｙ）が得られる。

次に、線状成分強調手段２０は、ステップＳ２５０において得られた代表線形オープニング画像Ｌｒａｙ（ｘ，ｙ）に対して、円形構造要素によるオープニング処理を行う（ステップＳ２６０）。具体的には、第１の手法におけるステップＳ２１０と同様の処理を行う。まず、線状成分強調手段２０は、指定構造要素である円形構造要素を用いて収縮処理を行う。ステップＳ２６０における収縮処理でも、図６に示した円形構造要素Ｍ（ｕ，ｖ）を用いる。線状成分強調手段２０は、円形構造要素Ｍ（ｕ，ｖ）を用いて、線状成分強調画像Ｌｒａｙ（ｘ，ｙ）に対して、以下の〔数式１１〕に従った処理を実行し、収縮画像ＥＬｒａｙ（ｘ，ｙ）を得る。

〔数式１１〕
ＥＬｒａｙ（ｘ，ｙ）＝ＭＩＮ_{u=-R,R;v=-R,R}［（２５５−Ｍ（ｕ，ｖ）×２５４）×（Ｌｒａｙ（ｘ＋ｕ，ｙ＋ｖ）＋１）−１］

上記〔数式１１〕において、ＭＩＮは最小値をとることを示しており、ＭＩＮの添え字の“ｕ＝−Ｒ，Ｒ；ｖ＝−Ｒ，Ｒ”は、ｕ，ｖが−ＲからＲの範囲における演算を行うことを示している。すなわち、“ｘ＝Ｒ，・・・，Ｘｓ−Ｒ−１；ｙ＝Ｒ，・・・，Ｙｓ−Ｒ−１“の各画素Ｌｒａｙ（ｘ，ｙ）に対して、“ｕ＝−Ｒ，Ｒ；ｖ＝−Ｒ，Ｒ”の隣接画素内でＭ（ｕ，ｖ）＝１である画素値の最小値に変換を行っている。したがって、図６の例では、円形構造要素の（２Ｒ＋１）×（２Ｒ＋１）画素として２２５画素を用いて演算を行い、その最小値がＥＬｒａｙ（ｘ，ｙ）として与えられることになる。

上記〔数式１１〕に従った処理を実行して収縮画像ＥＬｒａｙ（ｘ，ｙ）が得られたら、このＥＬｒａｙ（ｘ，ｙ）をＬｒａｙ（ｘ，ｙ）に置き換えて、上記〔数式１１〕に従った処理を繰り返し実行することもできる。すなわち、収縮処理を繰り返し実行しても良い。繰り返しの回数は、適宜設定することが可能である。ただし、通常は画質劣化を抑えるため１回に設定し、繰り返しは行わない。

収縮処理を繰り返し実行して収縮画像ＥＬｒａｙ（ｘ，ｙ）が得られたら、次に、線状成分強調手段２０は、指定構造要素である円形構造要素を用いて膨張処理を行う。ステップＳ２６０における膨張処理でも、収縮処理に用いた図６に示す円形構造要素Ｍ（ｕ，ｖ）を用いる。線状成分強調手段２０は、円形構造要素Ｍ（ｕ，ｖ）を用いて、収縮画像ＥＬｒａｙ（ｘ，ｙ）に対して、以下の〔数式１２〕に従った処理を実行し、膨張後の画像ＦＬｒａｙ（ｘ，ｙ）を得る。

〔数式１２〕
ＦＬｒａｙ（ｘ，ｙ）＝ＭＡＸ_{u=-R,R;v=-R,R}［Ｍ（ｕ，ｖ）×ＥＬｒａｙ（ｘ＋ｕ，ｙ＋ｖ）］

上記〔数式１２〕において、ＭＡＸは最大値をとることを示しており、ＭＡＸの添え字の“ｕ＝−Ｒ，Ｒ；ｖ＝−Ｒ，Ｒ”は、ｕ，ｖが−ＲからＲの範囲における演算を行うことを示している。すなわち、“ｘ＝Ｒ，・・・，Ｘｓ−Ｒ−１；ｙ＝Ｒ，・・・，Ｙｓ−Ｒ−１“の各画素ＥＬｒａｙ（ｘ，ｙ）に対して、“ｕ＝−Ｒ，Ｒ；ｖ＝−Ｒ，Ｒ”の隣接画素内でＭ（ｕ，ｖ）＝１である画素値の最大値に変換を行っている。したがって、図６の例では、円形構造要素の（２Ｒ＋１）×（２Ｒ＋１）画素として２２５画素を用いて演算を行い、その最大値がＦｒａｙ（ｘ，ｙ）として与えられることになる。

上記〔数式１２〕に従った処理を実行して膨張後の画像ＦＬｒａｙ（ｘ，ｙ）が得られたら、このＦＬｒａｙ（ｘ，ｙ）をＥＬｒａｙ（ｘ，ｙ）に置き換えて、上記〔数式１２〕に従った処理を繰り返し実行することもできる。すなわち、膨張処理を繰り返し実行しても良い。繰り返しの回数は、収縮処理の繰り返しの回数と同じ回数に設定する必要があるが、通常は収縮処理とも１回に設定し繰り返しは行わない。

収縮処理を所定回数繰り返し実行して得られた膨張後の画像ＦＬｒａｙ（ｘ，ｙ）は、微細な粒状ノイズが削除された円形オープニング画像となる。この円形オープニング画像が得られたら、次に、線状成分強調手段２０は、代表線形オープニング画像からの減算処理を行う（ステップＳ２７０）。具体的には、線状成分強調手段２０は、代表線形オープニング画像Ｌｒａｙ（ｘ，ｙ）、円形オープニング画像ＦＬｒａｙ（ｘ，ｙ）を用いて、以下の〔数式１３〕に従った処理を実行し、線状成分強調画像Ｔｒａｙ（ｘ，ｙ）を得る。

〔数式１３〕
Ｔｒａｙ（ｘ，ｙ）＝Ｌｒａｙ（ｘ，ｙ）−ＦＬｒａｙ（ｘ，ｙ）＋１２８

上記〔数式１３〕に示すように、線状成分強調画像Ｔｒａｙ（ｘ，ｙ）は、代表線形オープニング画像Ｌｒａｙ（ｘ，ｙ）、円形オープニング画像ＦＬｒａｙ（ｘ，ｙ）の各画素（ｘ＝０，・・・，Ｘｓ−１；ｙ＝０，・・・，Ｙｓ−１）に対して差分演算を行い、１２８を加算したものである。オフセット加算する整数値は、画素値０から２５５の範囲に収まるように画像の階調値２５６の１／２の値としている。単に差分演算を行うと、画素値が０近傍に集中し一部の画素が負値になる。したがって、画素値０から２５５の範囲に収まるようにオフセットを加えている。

第２の手法では、８種類の方向に従って８種の線形オープニング画像に対して処理を行うため、２２．５度の均等間隔で変更させた各方向に均等に粒状成分の抽出を抑えることができる。作成する画像の数も方向に応じた８個だけであるため、演算処理の負荷を抑えることができる。

＜３．画像変換事例＞
図１２〜図１４を用いて画像変換事例について説明する。図１２は、従来手法による画像変換事例を示す図である。図１２（ａ）は、撮影により得られたフルカラー眼底画像である。図１２（ｂ）は、図１２（ａ）に示したフルカラー眼底画像をグレースケール化した後、２５６階調中のしきい値２２０により二値化した二値画像である。図１２（ｃ）は、図１２（ａ）に示したフルカラー眼底画像をグレースケール化した後、領域ごとに異なるしきい値を用いて二値化した二値画像である。図１２（ｄ）は、米国のＳＴＡＲＥプロジェクトで作成されたツールを用いて得られた画像である。図１２（ｂ）〜図１２（ｄ）のいずれも血管のみを適切に抽出できてはいない。

図１３は、本発明において、第１の手法の線状成分強調を行った画像変換事例を示す図である。図１３（ａ）は、図１２（ａ）と同じものであり、撮影により得られたフルカラー眼底画像である。図１３（ｂ）は、図１２（ａ）に示したフルカラー眼底画像を、グレースケール変換手段１０により変換して得られたグレースケール眼底画像Ｇｒａｙである。図１３（ｃ）は、図１３（ｂ）に示したグレースケール眼底画像Ｇｒａｙを、線状成分強調手段２０（ステップＳ２１０，Ｓ２２０）により変換して得られた線状成分強調画像Ｔｒａｙである。図１３（ｄ）は、図１３（ｃ）に示した線状成分強調画像Ｔｒａｙを、画素階調変換手段３０により変換して得られた血管強調画像Ｔｒａｙ´である。図１３（ｄ）に示した血管強調画像Ｔｒａｙ´では、血管が適切に抽出されているが、粒状成分の残留が目立つ。

図１４は、本発明において、第２の手法の線状成分強調を行った画像変換事例を示す図である。図１４（ａ）は、図１２（ａ）および図１３（ａ）と同じものであり、撮影により得られたフルカラー眼底画像である。図１４（ｂ）は、図１４（ａ）に示したフルカラー眼底画像を、グレースケール変換手段１０により変換して得られたグレースケール眼底画像Ｇｒａｙであり、図１３（ｂ）と同一である。図１４（ｃ）は、図１４（ｂ）に示したグレースケール眼底画像Ｇｒａｙを、線状成分強調手段２０（ステップＳ２５０〜Ｓ２７０）により変換して得られた線状成分強調画像Ｔｒａｙである。図１４（ｄ）は、図１４（ｃ）に示した線状成分強調画像Ｔｒａｙを、画素階調変換手段３０により変換して得られた血管強調画像Ｔｒａｙ´である。図１４（ｄ）に示した血管強調画像Ｔｒａｙ´では、血管が適切に抽出されており、図１３（ｄ）に比べ残留する粒状成分が低減していることがわかる。

＜４．変形例等＞
以上、本発明の好適な実施形態について説明したが、本発明は上記実施形態に限定されず、種々の変形が可能である。例えば、上記実施形態では、線形構造要素においてｄ＝１・・・８として８方向を設定したが、図９に示す線形構造要素を７方向以下に削減するか９方向以上に拡充し、より粗いまたは細かい角度ステップで線形オープニング画像を作成するようにしてもよい。

また、上記実施形態では、撮影により得られた眼底画像としてフルカラー画像を用いたが、近年業務用のデジタルカメラの階調は１０ビット以上に拡大しており、各色１０２４階調等のフルカラー画像を取得することも可能になっており、より階調数の多いカラー画像を用いてもよい。

１・・・ＣＰＵ（Central Processing Unit）
２・・・ＲＡＭ（Random Access Memory）
３・・・記憶装置
４・・・キー入力Ｉ／Ｆ
５・・・データ入出力Ｉ／Ｆ
６・・・表示部
１０・・・グレースケール変換手段
２０・・・線状成分強調手段
３０・・・画素階調変換手段
４０・・・眼底画像記憶手段
５０・・・血管強調画像記憶手段
１００・・・眼底画像処理装置

Claims (8)

1. カラー眼底画像を処理して血管領域を強調するための装置であって、
   前記カラー眼底画像に対し、各色成分に所定の演算を施し、第１の色成分が大きい程、画素値が小さくなるように変換してグレースケール眼底画像を得るグレースケール変換手段と、
   前記グレースケール眼底画像に対して、所定の構造要素を用いてオープニング処理を行い血管候補領域の輝度を一定以上に揃えた線状成分強調画像を作成する線状成分強調手段と、
   前記線状成分強調画像において、所定の条件を満たす画素値を、変換後の血管強調画像の階調の最小値付近の値になるように置き換え、前記所定の条件を満たす画素値以上となる前記線状成分強調画像の画素値が、階調の最小値付近の値から最大値の範囲になるように画素の階調を補正し、血管強調画像を作成する画素階調変換手段と、 を有することを特徴とする眼底画像処理装置。
2. 前記グレースケール変換手段は、ＲＧＢ３原色成分からなる前記カラー眼底画像のＧ成分を前記第１の色成分として抽出するものであり、Ｂ成分の値が大きい程、値が小さくなるように変換した反転Ｂ成分とＧ成分との相乗平均値を算出し、当該相乗平均値が大きい程、値が小さくなるように変換して前記グレースケール眼底画像を得ることを特徴とする請求項１に記載の眼底画像処理装置。
3. 前記線状成分強調手段は、前記グレースケール眼底画像に対して、所定の半径の円形の構造要素である円形構造要素を用いてオープニング処理（収縮・膨張処理）を行ってオープニング画像を作成し、前記グレースケール眼底画像より前記オープニング画像を減算することにより、前記線状成分強調画像を作成することを特徴とする請求項１または請求項２に記載の眼底画像処理装置。
4. 前記線状成分強調手段は、前記グレースケール眼底画像に対して、方向が異なる線形の構造要素である線形構造要素を複数個用いてオープニング処理（収縮・膨張処理）を行い複数の線形オープニング画像を作成し、得られた複数の線形オープニング画像より画素ごとの最大値を画素値として与えた代表線形オープニング画像として作成し、前記代表線形オープニング画像に対して、所定の半径の円形の構造要素である円形構造要素を用いてオープニング処理を行い円形オープニング画像を作成し、前記代表線形オープニング画像より前記円形オープニング画像を減算することにより、前記線状成分強調画像を作成することを特徴とする請求項１または請求項２に記載の眼底画像処理装置。
5. 前記線形構造要素は、前記円形構造要素の前記半径の２倍の長さで画素幅が１画素であって、２２．５度間隔の直線の少なくとも近傍に配置され、８方向を定義していることを特徴とする請求項４に記載の眼底画像処理装置。
6. 前記オープニング処理は、前記グレースケール眼底画像に対して所定の複数回だけ収縮処理を行った後に収縮処理と同一の回数だけ膨張処理を行うようにしていることを特徴とする請求項３から請求項５のいずれか一項に記載の眼底画像処理装置。
7. 前記画素階調変換手段は、
   前記所定の条件を満たす画素値として、前記線状成分強調画像に対して、画素値の度数分布を算出し、前記線状成分強調画像の最小画素値から数えて画素数の総和が前記線状成分強調画像の全画素数の所定の割合を超える画素値のうち最小の画素値を設定するようにしていることを特徴とする請求項１から請求項６のいずれか一項に記載の眼底画像処理装置。
8. コンピュータを、請求項１から請求項７のいずれか一項に記載の眼底画像処理装置として機能させるためのプログラム。