本發(fā)明涉及圖像處理領(lǐng)域，具體地說，特別涉及一種視網(wǎng)膜圖像增強(qiáng)的方法。

背景技術(shù)：

在醫(yī)學(xué)上，視網(wǎng)膜微血管病變是人體糖尿病、高血壓、心血管疾病等的直接反應(yīng)，高分辨率視網(wǎng)膜圖像的獲得變得尤為重要。通常所獲得的眼底視網(wǎng)膜圖像像素對比度低、局部光照不均、血管分布復(fù)雜密集，不利于醫(yī)生對患者病情的診斷?，F(xiàn)醫(yī)學(xué)上普遍使用的眼底照相機(jī)，由于成像條件差，人眼固有相差的局限，獲取的視網(wǎng)膜圖像質(zhì)量并不高。噪聲、對比不均、輪廓不清晰等情況阻礙了有用信息的獲取。在正式對視網(wǎng)膜視盤、黃斑、血管等進(jìn)行診斷前，用數(shù)字圖像技術(shù)對視網(wǎng)膜圖像進(jìn)行增強(qiáng)，提高圖像質(zhì)量是必不可少的步驟。

目前在圖像增強(qiáng)處理領(lǐng)域，現(xiàn)有的方法都是在空域或頻域基礎(chǔ)上實(shí)施的,視網(wǎng)膜圖像相較于普通圖像在細(xì)節(jié)方面的處理要求更高，因此處理的算法也與普通圖像有些不同。rajamani等是在空域類通過自適應(yīng)直方圖均衡化[5]的方法對視網(wǎng)膜圖像進(jìn)行處理，在提高對比度上取得了很好的效果，但是對于背景噪聲的去除效果并不理想。banerje等采用小波變換和雙邊濾波結(jié)合來處理視網(wǎng)膜圖像，算法處理速度更快，但此方法的小波重構(gòu)不完全。kumari等提出的增強(qiáng)方法是在血管方向使用中值濾波進(jìn)行的，但在尺度選用上過于單一，不適用于大多數(shù)圖像。jia等人把hessian矩陣應(yīng)用到血管檢測上，運(yùn)用線狀濾波函數(shù)來處理圖片，對血管的增強(qiáng)很有用，但不利于周圍病灶的增強(qiáng)。

綜上所述，現(xiàn)有的方法大多不能全局化對視網(wǎng)膜圖像進(jìn)行改善，在提高圖像視感質(zhì)量方面還有缺陷。

技術(shù)實(shí)現(xiàn)要素：

為了解決現(xiàn)有技術(shù)的問題，本發(fā)明實(shí)施例提供了一種視網(wǎng)膜圖像增強(qiáng)的方法。所述技術(shù)方案如下：

一方面，提供了一種視網(wǎng)膜圖像增強(qiáng)的方法，包括：

對視網(wǎng)膜圖像進(jìn)行雙樹復(fù)數(shù)小波分解，得到6個(gè)高頻部分圖像和2個(gè)低頻部分圖像；

對分解得到的低頻部分圖像進(jìn)行形態(tài)學(xué)運(yùn)算，得到增強(qiáng)的低頻部分圖像；

對分解得到的高頻部分圖像的細(xì)節(jié)部分進(jìn)行去噪處理，得到去噪的高頻部分圖像；

將所述增強(qiáng)的低頻部分圖像和所述去噪的高頻部分圖像進(jìn)行雙樹復(fù)小波逆變換處理，得到增強(qiáng)后的視網(wǎng)膜圖像。

可選地，當(dāng)對視網(wǎng)膜圖像進(jìn)行雙樹復(fù)數(shù)小波分解時(shí)，在分解的同時(shí)，對所述低頻部分圖像進(jìn)行了去噪處理。

可選地，所述對分解得到的低頻部分圖像進(jìn)行形態(tài)學(xué)運(yùn)算，得到增強(qiáng)的低頻部分圖像的具體步驟為：

把所述低頻部分圖像作為形態(tài)學(xué)變換的原始灰度圖像；

對所述原始灰度圖像進(jìn)行形態(tài)學(xué)運(yùn)算，得到增強(qiáng)的低頻部分圖像。

可選地，所述對所述原始灰度圖像進(jìn)行形態(tài)學(xué)運(yùn)算，得到增強(qiáng)的低頻部分圖像的具體步驟為：

對原始灰度圖像f進(jìn)行top-hat變換結(jié)果有2種，即白變換和暗變換：

bth(x,y)＝f·b-f(13)

式中，b為結(jié)構(gòu)元素，結(jié)構(gòu)元素與原始灰度圖像做膨脹、腐蝕操作得到開、閉運(yùn)算結(jié)果，即f·b，它們的定義分別為：

其中，

為形態(tài)學(xué)的膨脹操作，fθb為腐蝕操作；由上述式(14)、(15)可知，開、閉運(yùn)算是建立在膨脹、腐蝕的基礎(chǔ)上的；在圖像的不同區(qū)域，開、閉運(yùn)算的作用是不一樣的，雖然功能不同但兩者都能保證圖像的細(xì)節(jié)和整體灰度級不發(fā)生變化；

視網(wǎng)膜圖像的增強(qiáng)處理主要是為了對血管網(wǎng)絡(luò)的清晰度進(jìn)行增強(qiáng)，但是每條血管的差異度都很大，不利于一次求解；因此需要在不同方向都進(jìn)行變換；在n個(gè)方向進(jìn)行白top-hat變換并求和，得到圖像的wth(x,y)i表示為：

類似的，可得到圖像的bth(x,y)i為：

因此，基于形態(tài)學(xué)top-hat變換的視網(wǎng)膜圖像強(qiáng)可表示為：

fen＝f+fw-fb(20)

式中，fen為經(jīng)top-hat變換增強(qiáng)的低頻部分圖像，f為原始灰度圖像，fw、fb分別為上述提取的白、暗區(qū)域wth(x,y)i、bth(x,y)i。

可選地，當(dāng)對分解得到的高頻部分圖像的細(xì)節(jié)部分進(jìn)行去噪處理時(shí)，采用自適應(yīng)閾值處理方法。

本發(fā)明實(shí)施例提供的技術(shù)方案帶來的有益效果是：

本發(fā)明提出的增強(qiáng)方法，在研究圖像特征的基礎(chǔ)上，綜合了雙樹復(fù)小波和top-hat變換的優(yōu)點(diǎn)，對視網(wǎng)膜圖像質(zhì)量改善上有一定效果?？梢允沟谜鶊D像的對比度明顯增強(qiáng)，尤其是視盤區(qū)域的血管較清晰。

采用雙樹復(fù)數(shù)小波變換對視網(wǎng)膜圖像進(jìn)行多尺度分解，用形態(tài)學(xué)top-hat變換來增強(qiáng)分解后的低頻部分圖像，最后綜和處理后的高、低頻部分進(jìn)行雙樹復(fù)小波逆變換得到最終的增強(qiáng)圖像。提高視網(wǎng)膜血管圖像的對比度有良好效果，視覺效果也得到提高，并且對細(xì)小血管也有很好的增強(qiáng)效果。

附圖說明

為了更清楚地說明本發(fā)明實(shí)施例中的技術(shù)方案，下面將對實(shí)施例描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1是本發(fā)明實(shí)施例的一種視網(wǎng)膜圖像增強(qiáng)的方法流程圖；

圖2是本發(fā)明實(shí)施例的二維雙樹復(fù)數(shù)小波變換示意圖。

具體實(shí)施方式

為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合附圖對本發(fā)明實(shí)施方式作進(jìn)一步地詳細(xì)描述。

本發(fā)明提供了提供了一種視網(wǎng)膜圖像增強(qiáng)的方法，參見圖1，包括：

s100：對視網(wǎng)膜圖像進(jìn)行雙樹復(fù)數(shù)小波分解，得到6個(gè)高頻部分圖像和2個(gè)低頻部分圖像。

具體地，當(dāng)對視網(wǎng)膜圖像進(jìn)行雙樹復(fù)數(shù)小波分解時(shí)，在分解的同時(shí)，對所述低頻部分圖像進(jìn)行了去噪處理。由于在成像過程中存在大量電子噪聲，使得圖像質(zhì)量不高，會(huì)對圖像細(xì)節(jié)的觀測造成困擾，因此，對圖像進(jìn)行去噪處理是必不可少的步驟。由于本發(fā)明直接在分解的同時(shí)，對低頻部分圖像進(jìn)行了去噪，所以只需對高頻部分圖像進(jìn)行單獨(dú)去噪處理。

s200：對分解得到的低頻部分圖像進(jìn)行形態(tài)學(xué)運(yùn)算，得到增強(qiáng)的低頻部分圖像。

具體地，所述對分解得到的低頻部分圖像進(jìn)行形態(tài)學(xué)運(yùn)算，得到增強(qiáng)的低頻部分圖像的具體步驟為：

把所述低頻部分圖像作為形態(tài)學(xué)變換的原始灰度圖像；

對所述原始灰度圖像進(jìn)行形態(tài)學(xué)運(yùn)算，得到增強(qiáng)的低頻部分圖像。

s300：對分解得到的高頻部分圖像的細(xì)節(jié)部分進(jìn)行去噪處理，得到去噪的高頻部分圖像；

具體地，當(dāng)對分解得到的高頻部分圖像的細(xì)節(jié)部分進(jìn)行去噪處理時(shí)，本發(fā)明采用自適應(yīng)閾值處理方法。

s400：將所述增強(qiáng)的低頻部分圖像和所述去噪的高頻部分圖像進(jìn)行雙樹復(fù)小波逆變換處理，得到增強(qiáng)后的視網(wǎng)膜圖像。

本實(shí)施例中，雙樹復(fù)小波變換(dtcwt,dual-treecomplexwavelettransform)是kingbury為了滿足完全重構(gòu)條件所提出的。除了滿足完全重構(gòu)條件之外，它也具備近似平移不變性，多方向選擇性，計(jì)算量小等特點(diǎn)。

具體地，雙樹復(fù)小波變換(dtcwt,dual-treecomplexwavelettransform)是kingbur為了滿足完全重構(gòu)條件所提出的。除了滿足完全重構(gòu)條件之外，它也具備近似平移不變性，多方向選擇性，計(jì)算量小等特點(diǎn)。

本實(shí)施例中，提供了dt-cwt的原理：雙樹復(fù)小波是在復(fù)數(shù)小波基礎(chǔ)上得來的，即在復(fù)數(shù)小波變換一個(gè)濾波器的基礎(chǔ)上又加入了一個(gè)濾波器，使復(fù)數(shù)小波變換在兩個(gè)濾波器上同時(shí)進(jìn)行，可得：

ψ(t)＝ψh(t)+iψg(t)(1)

式中，ψh(t)和iψg(t)分別為實(shí)數(shù)和虛數(shù)且都為小波基函數(shù)。

為了減少平移敏感性和滿足完全重構(gòu)，在傳統(tǒng)離散小波變換的基礎(chǔ)上一步步演變成雙樹復(fù)小波變換。在平移敏感性問題上，低通和高通濾波器之間需滿足兩個(gè)條件，第一它們需構(gòu)成hilbert變換對^[15]，即兩信號(hào)幅度值不變，相位差為90°。根據(jù)selesnick定理，兩樹的低通濾波器h0(n)、g0(n)達(dá)到半采樣延遲條件：

g0(n)≈h0(n-0.5)(2)

或者說滿足

ψg(t)≈h{ψh(t)}(3)

此時(shí)，相應(yīng)的小波基ψh(t)和ψg(t)能構(gòu)成hilbert變換對。

第二需滿足下式：

式中，ψh(w)和ψg(w)分別表示ψh(t)、ψg(t)的傅里葉變換。

上述變換都是一維數(shù)據(jù)基礎(chǔ)上的，對于二維數(shù)據(jù)ψ(x,y)，其變換如下：

ψ(x,y)＝ψ(x)ψ(y)(5)

那么

ψ(x,y)＝[ψh(x)+iψg(x)][ψh(y)+iψg(y)]＝

ψh(x)ψh(y)-ψg(x)ψg(y)+(6)

i[ψh(x)ψg(y)+ψh(y)ψg(x)]

它的變換如圖2所示。

在附圖2中，兩樹各包含高、低兩個(gè)濾波器對，↓2表示隔點(diǎn)采樣。h0a(n)、h1a(n)為樹a的共軛正交濾波器對，兩者滿足下式：

它們?yōu)閷?shí)數(shù)濾波器。

樹a中的濾波器對h0a(n)對應(yīng)的實(shí)值尺度函數(shù)為：

h1a(n)對應(yīng)的小波函數(shù)ψa(t)為：

以此類推，可得到樹b中和ψb(t)：

在上述分解圖1中可知，每一級二維雙樹復(fù)小波變換都分解出8個(gè)部分a(j+1,1)、a(j+1,2)、d(j+1,m)(m≤6),高頻、低頻個(gè)數(shù)分別為6和2。分解冗余度保持在4:1，每一層分解中的6個(gè)高頻細(xì)節(jié)部分對應(yīng)圖像中的6個(gè)不同方向(±15°、±45°、±75°)的信息，多了3個(gè)可選擇的方向。因此，在分解與重構(gòu)方面效果更好，有利于細(xì)節(jié)信息的保留。

本實(shí)施例中，提供了基于雙樹復(fù)小波和top-hat變換相結(jié)合的視網(wǎng)膜圖像增強(qiáng)方法，具體地，圖像的增強(qiáng)處理，除了在視覺感應(yīng)質(zhì)量上有所提高以外，在細(xì)節(jié)，邊緣上的增強(qiáng)同樣重要。而視網(wǎng)膜圖像的增強(qiáng)是為了突出血管、視盤和病灶等主要因素，以便于醫(yī)生的進(jìn)一步研究。

在提取目標(biāo)形狀特征的時(shí)候，為了不造成邊緣等細(xì)節(jié)的偏移，要謹(jǐn)慎選擇相應(yīng)的濾波器，形態(tài)學(xué)濾波器在此方面有很好的效果。因此，增強(qiáng)處理采用此濾波器。

具體地，基于形態(tài)學(xué)top-hat變換的視網(wǎng)膜圖像增強(qiáng)如下：

通常情況下，一幅圖像的亮度不一樣，形態(tài)學(xué)top-hat變換就是針對亮度情況進(jìn)行處理的一種算法，把圖像的亮、暗區(qū)域進(jìn)行區(qū)分，再分別進(jìn)行處理綜合，在細(xì)節(jié)的檢測上效果明顯。對原始灰度圖像f進(jìn)行top-hat變換結(jié)果有2種，即白變換和暗變換：

bth(x,y)＝f·b-f(13)

式中，b為結(jié)構(gòu)元素，結(jié)構(gòu)元素與原始灰度圖像做膨脹、腐蝕操作得到開、閉運(yùn)算結(jié)果，即f·b，它們的定義分別為：

其中，

為形態(tài)學(xué)的膨脹操作，fθb為腐蝕操作；由上述式(14)、(15)可知，開、閉運(yùn)算是建立在膨脹、腐蝕的基礎(chǔ)上的；在圖像的不同區(qū)域，開、閉運(yùn)算的作用是不一樣的，雖然功能不同但兩者都能保證圖像的細(xì)節(jié)和整體灰度級不發(fā)生變化；

視網(wǎng)膜圖像的增強(qiáng)處理主要是為了對血管網(wǎng)絡(luò)的清晰度進(jìn)行增強(qiáng)，但是每條血管的差異度都很大，不利于一次求解；因此需要在不同方向都進(jìn)行變換；在n個(gè)方向進(jìn)行白top-hat變換并求和，得到圖像的wth(x,y)i表示為：

類似的，可得到圖像的bth(x,y)i為：

因此，基于形態(tài)學(xué)top-hat變換的視網(wǎng)膜圖像強(qiáng)可表示為：

fen＝f+fw-fb(20)

式中，fen為經(jīng)top-hat變換增強(qiáng)的低頻部分圖像，f為原始灰度圖像，fw、fb分別為上述提取的白、暗區(qū)域wth(x,y)i、bth(x,y)i。

具體地，暗top-hat變換弱化了亮區(qū)細(xì)節(jié)，增強(qiáng)血管清晰度。白top-hat變化則相反，它以有效地增強(qiáng)圖像中亮區(qū)細(xì)節(jié)，弱化暗區(qū)細(xì)節(jié)。最終增強(qiáng)結(jié)果則是對白、暗top-hat變換的綜合，可以使得整幅圖像的對比度明顯增強(qiáng)，尤其是視盤區(qū)域的血管較清晰。

本發(fā)明實(shí)施例提供的技術(shù)方案帶來的有益效果是：

本發(fā)明提出的增強(qiáng)方法，在研究圖像特征的基礎(chǔ)上，綜合了雙樹復(fù)小波和top-hat變換的優(yōu)點(diǎn)，對視網(wǎng)膜圖像質(zhì)量改善上有一定效果。可以使得整幅圖像的對比度明顯增強(qiáng)，尤其是視盤區(qū)域的血管較清晰。

采用雙樹復(fù)數(shù)小波變換對視網(wǎng)膜圖像進(jìn)行多尺度分解，用形態(tài)學(xué)top-hat變換來增強(qiáng)分解后的低頻部分圖像，最后綜和處理后的高、低頻部分進(jìn)行雙樹復(fù)小波逆變換得到最終的增強(qiáng)圖像。提高視網(wǎng)膜血管圖像的對比度有良好效果，視覺效果也得到提高，并且對細(xì)小血管也有很好的增強(qiáng)效果。

以上僅為本發(fā)明的較佳實(shí)施例，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。