基于Frangi滤波与形态学的眼底血管分割系统

资 源 简 介

该项目旨在实现眼底视网膜图像中血管结构的精准自动提取，是眼科医学影像分析的关键步骤。系统首先对输入的RGB眼底图像进行分量提取，通过选取对比度最高的绿色通道来初步突出血管特征。为了解决眼底图像光照不均及背景复杂的问题，系统采用了限制对比度自适应直方图均衡化（CLAHE）增强血管细节，并结合中值滤波去除拍摄过程中的传感噪声。核心算法基于Frangi多尺度海森矩阵（Hessian Matrix）滤波，通过在多个尺度空间下计算图像像素点的特征值，识别并增强具有线状几何特征的血管结构，同时有效抑制颗粒状的非血管组

详 情 说 明

基于多尺度Frangi滤波与形态学处理的眼底血管分割系统

项目介绍

本系统旨在实现眼底视网膜图像中血管结构的精准自动提取。眼底血管的形态学特征（如直径、弯曲度和分支模式）是诊断糖尿病视网膜病变、青光眼及高血压等疾病的重要依据。系统通过结合图像增强、多尺度海森矩阵（Hessian Matrix）分析以及形态学精细化处理技术，能够从复杂的背景和非均匀光照的眼底图像中提取出连通性良好的血管网络。

主要功能特性

• 自动化预处理：自动提取对比度最强的颜色分量，并执行自适应增强。
• 多尺度血管增强：采用Frangi滤波算法，能够同时识别粗大主血管与细小分支。
• 噪声抑制：通过中值滤波与形态学区域过滤，有效去除背景杂质和传感器噪声。
• 定量统计：系统自动计算并展示血管像素总数、血管密度及连通区域数量等关键临床指标。
• 骨架提取：利用形态学手段提取血管中心线，便于后续的路径分析。
• 可视化界面：多对比度结果同步展示，直观呈现从原始输入到最终分割的完整流程。

使用方法

1. 启动程序：在MATLAB环境下运行主函数。
2. 图像输入：程序将弹出文件选择对话框。用户可选择本地的jpg、png、tif或bmp格式眼底图像。若取消选择，系统将自动生成一张合成的测试图像以演示流程。
3. 自动处理：系统将依次执行通道提取、对比度增强、多尺度滤波、二值化及形态学修补。
4. 结果查看：处理完成后，系统将弹出包含原始图、增强图、特征图、二值掩码、血管骨架以及统计数据的综合分析视图。

系统要求

• 软件环境：MATLAB R2018b 或更高版本。
• 工具箱：需要安装 Image Processing Toolbox (图像处理工具箱)。

核心实现逻辑与功能细节

#### 1. 图像预处理阶段

• 通道选择：由于在RGB彩色空间中，绿色通道（Green Channel）下血管与背景的对比度最为显著，系统首先提取该分量以减少冗余信息。
• CLAHE增强：使用限制对比度自适应直方图均衡化技术。该算法将图像划分为多个区块，在局部范围内增强对比度，同时通过剪切阈值抑制背景噪声的过度放大，有效解决眼底拍摄时常见的照明不均问题。
• 噪声平滑：应用3x3模板的中值滤波，在保留血管边缘的同时去除孤立的脉冲噪声。

#### 2. Frangi多尺度血管增强算法

• 尺度空间分析：算法在1到5的尺度范围（Sigma）内循环处理。不同的尺度对应不同直径的血管，确保从粗大的动静脉到细小的微血管都能获得高响应。
• Hessian矩阵构造：对于每个像素点，通过卷积计算高斯二阶导数（Dxx, Dxy, Dyy），构造Hessian矩阵。
• 特征值分解：计算Hessian矩阵的特征值（L1, L2）。根据血管的线状几何特性，沿血管方向的二阶导数较小，而垂直于血管方向的二阶导数较大。
• 血管感度（Vesselness）计算：

* 利用比率Rb = |L1|/|L2| 来区分管状结构与块状结构。 * 利用二阶结构度S来区分血管区域与平滑背景。 * 通过特定的指数公式融合上述特征，并在所有尺度中选取最大响应值作为最终的增强结果。

#### 3. 分割与形态学后处理

• 自适应阈值化：系统结合Otsu全球阈值法，并配以修正系数（0.7）进行二值化，旨在尽可能多地保留细微血管分支。
• 区域清理：应用面积过滤技术，自动剔除小于50像素的孤立连通区域，这些区域通常被认为是误报噪声。
• 拓扑修补：使用半径为1的圆盘形结构元素进行形态学闭运算，填充血管内部的细小空洞并连接细微的断裂处，改善血管网络的拓扑连通性。
• 骨架化处理：通过形态学细化算法提取血管的单像素宽度骨架，反映血管系统的中心分布。

#### 4. 统计分析功能

• 密度评估：计算二值化视图中白色像素与全图像素的比率，得出血管密度百分比。
• 连通性量化：通过分析二值图像的连通部分，统计图中血管的独立对象数量。
• 指标展示：所有统计结果（分辨率、像素数、密度、数量）均实时呈现在结果界面的数据面板中。