基于Hough圓變換的視盤定位與分割

汪燎原 張新晨

摘? 要： 針對視網(wǎng)膜血管分割是眼底圖像研究的熱門，利用計算機(jī)輔助眼底視網(wǎng)膜血管分割的結(jié)果有助于醫(yī)生對臨床診斷和眼底疾病的參考。本文提出了一種基于Hough圓變換的視盤定位和分割的方法。首先，對原始圖像進(jìn)行預(yù)處理;接著用OTSU對預(yù)處理圖像進(jìn)行閥值分割二值化處理，進(jìn)一步提取和篩選得到視盤定位的最終結(jié)果;最后，將結(jié)果用于Hough變換實現(xiàn)視盤分割。該算法分別在DRIVE圖像庫、HRF圖像庫以及STARE圖像庫中進(jìn)行實驗驗證，分別獲得了100%、96.72%和97.77%的視盤分割準(zhǔn)確率，驗證了該算法具有良好的性能。

關(guān)鍵詞： 視網(wǎng)膜血管分割; Hough圓變換; 視盤定位; OTSU; 閾值分割

中圖分類號：TP393? ? ? 文獻(xiàn)標(biāo)識碼：A

文章編號：1009-3044（2021）23-0104-02

Abstract： Retinal blood vessel segmentation is a hot topic in fundus image research. The results of computer-aided fundus retinal blood vessel segmentation are helpful to doctors for clinical diagnosis and fundus diseases. In this paper， a new approach to the location and segmentation of optic disk based on Hough transform is proposed. Firstly， the original image is preprocessed， then the threshold segmentation binary process is processed by Otsu， and the final result of optic disk location is extracted and filtered. Finally， the result is used in Hough transform to segment optic disk. The Algorithm is tested in DRIVE image database， HRF image database and STARE image database， and the segmentation accuracy is 100% ， 96.72% and 97.77% ， respectively.

Key words： retinal blood vessel; hough transform; optic disk location ; otsu; threshold segmentation

眼睛是人體最重要的視覺器官。一直以來，眼底是臨床醫(yī)生密切關(guān)注的地方，眼底疾病常常與身體其他疾病相聯(lián)系，比如糖尿病，高血壓等都可以在視網(wǎng)膜上引起并發(fā)癥[1-2]。但是由于眼底眼球結(jié)構(gòu)形狀多樣性，視盤與周圍亮度對比差異較大等特點，目前還沒有完全一種適用于所有眼底圖像視盤定位和分割的方法。比如Sinthanayothin等人[3]盤內(nèi)部灰度差異大的特點來定位視盤。Lu等[4]采用圓變換的方法找到視網(wǎng)膜圖像中的圓形區(qū)域，然后對視盤進(jìn)行定位和分割。Li等[5]在傳統(tǒng)的基于亮度定位的中加入主成分分析算法（PCA）。鄒北驥等[6]在預(yù)處理中對圖像的剪裁，然后通過遍歷亮度最大區(qū)域來定位視盤。劉國才等[7]提出結(jié)合多層Mumford-Shah向量模型的方法進(jìn)行視盤分割。Yu等[8]結(jié)合模板匹配和主動輪廓模型的方法提取視盤邊緣輪廓。李居朋等[9]提出使用基于Region-Aided Gcometricsnake模型的方法分割視盤。上述方法在預(yù)處理中一般使用形態(tài)學(xué)方法來消除視盤中的血管。

根據(jù)視盤的形狀和亮度特征的研究，提出了一種視盤定位和視盤分割的算法。首先以紅色通道下的眼底圖像作為背景圖像;然后預(yù)處理后采用自適應(yīng)閾值二值化處理提取連通區(qū)域，最小外接矩形來消除干擾區(qū)域;最后將視盤定位的最終結(jié)果通過霍夫圓檢測實現(xiàn)分割。

1 視盤定位和分割方法

1.1 圖像預(yù)處理

首先，對原始彩色眼底圖像的紅色通道圖像進(jìn)行AHE算法增強(qiáng)、形態(tài)學(xué)開運(yùn)算以及中值濾波處理，實現(xiàn)去噪、消除背景干擾和增強(qiáng)背景對比度，保留了比較完整的亮度最大的視盤區(qū)域，效果如圖1所示。

1.2 視盤定位

首先，對預(yù)處理圖像采用最大類間方差算法實現(xiàn)閾值分割二值化處理，然后對二值化處理后的圖像進(jìn)行連通區(qū)域提取，得到視盤定位的候選區(qū)域;由于病變、背景、噪聲等因素的存在導(dǎo)致連通區(qū)域會出現(xiàn)多個干擾區(qū)域，所以對連通區(qū)域通過外接矩形的長寬限制可以有效篩除干擾區(qū)域;最后根據(jù)視網(wǎng)膜血管分布視盤區(qū)域血管密度比其他區(qū)域血管密度大特性，進(jìn)一步篩選得到了視盤定位的最終結(jié)果，如圖2所示。

1.3 Hough變換視盤分割

霍夫變換是經(jīng)常用來處理圖像的一種特征提取方法，主要是通過投票算法來控制物體的形狀，多為圓和橢圓。檢測原理是將二維坐標(biāo)系的平面坐標(biāo)轉(zhuǎn)換為三維坐標(biāo)，從而達(dá)到對圖形形狀的檢測和控制。結(jié)合霍夫變換定位圓的算法進(jìn)行視盤分割的步驟如下：

（1）首先獲取視盤定位的結(jié)果，并返回視盤定位結(jié)果中外接矩形的坐標(biāo)，作為用于視盤分割的輸入;

（2）將待視盤分割的圖像二值化處理，并采用Sobel算子進(jìn)行邊緣檢測用于獲取視盤邊緣輪廓;

（3）對邊緣輪廓的坐標(biāo)進(jìn)行統(tǒng)計。此處對角度[θ]和圓半徑[r]以及每次檢測圓半徑自增長度進(jìn)行限制，來提高檢測效率;