一种视网膜图像增强的方法与流程

本发明涉及图像处理领域，具体地说，特别涉及一种视网膜图像增强的方法。

背景技术：

在医学上，视网膜微血管病变是人体糖尿病、高血压、心血管疾病等的直接反应，高分辨率视网膜图像的获得变得尤为重要。通常所获得的眼底视网膜图像像素对比度低、局部光照不均、血管分布复杂密集，不利于医生对患者病情的诊断。现医学上普遍使用的眼底照相机，由于成像条件差，人眼固有相差的局限，获取的视网膜图像质量并不高。噪声、对比不均、轮廓不清晰等情况阻碍了有用信息的获取。在正式对视网膜视盘、黄斑、血管等进行诊断前，用数字图像技术对视网膜图像进行增强，提高图像质量是必不可少的步骤。

目前在图像增强处理领域，现有的方法都是在空域或频域基础上实施的,视网膜图像相较于普通图像在细节方面的处理要求更高，因此处理的算法也与普通图像有些不同。rajamani等是在空域类通过自适应直方图均衡化[5]的方法对视网膜图像进行处理，在提高对比度上取得了很好的效果，但是对于背景噪声的去除效果并不理想。banerje等采用小波变换和双边滤波结合来处理视网膜图像，算法处理速度更快，但此方法的小波重构不完全。kumari等提出的增强方法是在血管方向使用中值滤波进行的，但在尺度选用上过于单一，不适用于大多数图像。jia等人把hessian矩阵应用到血管检测上，运用线状滤波函数来处理图片，对血管的增强很有用，但不利于周围病灶的增强。

综上所述，现有的方法大多不能全局化对视网膜图像进行改善，在提高图像视感质量方面还有缺陷。

技术实现要素：

为了解决现有技术的问题，本发明实施例提供了一种视网膜图像增强的方法。所述技术方案如下：

一方面，提供了一种视网膜图像增强的方法，包括：

对视网膜图像进行双树复数小波分解，得到6个高频部分图像和2个低频部分图像；

对分解得到的低频部分图像进行形态学运算，得到增强的低频部分图像；

对分解得到的高频部分图像的细节部分进行去噪处理，得到去噪的高频部分图像；

将所述增强的低频部分图像和所述去噪的高频部分图像进行双树复小波逆变换处理，得到增强后的视网膜图像。

可选地，当对视网膜图像进行双树复数小波分解时，在分解的同时，对所述低频部分图像进行了去噪处理。

可选地，所述对分解得到的低频部分图像进行形态学运算，得到增强的低频部分图像的具体步骤为：

把所述低频部分图像作为形态学变换的原始灰度图像；

对所述原始灰度图像进行形态学运算，得到增强的低频部分图像。

可选地，所述对所述原始灰度图像进行形态学运算，得到增强的低频部分图像的具体步骤为：

对原始灰度图像f进行top-hat变换结果有2种，即白变换和暗变换：

bth(x,y)＝f·b-f(13)

式中，b为结构元素，结构元素与原始灰度图像做膨胀、腐蚀操作得到开、闭运算结果，即f·b，它们的定义分别为：

其中，

为形态学的膨胀操作，fθb为腐蚀操作；由上述式(14)、(15)可知，开、闭运算是建立在膨胀、腐蚀的基础上的；在图像的不同区域，开、闭运算的作用是不一样的，虽然功能不同但两者都能保证图像的细节和整体灰度级不发生变化；

视网膜图像的增强处理主要是为了对血管网络的清晰度进行增强，但是每条血管的差异度都很大，不利于一次求解；因此需要在不同方向都进行变换；在n个方向进行白top-hat变换并求和，得到图像的wth(x,y)i表示为：

类似的，可得到图像的bth(x,y)i为：

因此，基于形态学top-hat变换的视网膜图像强可表示为：

fen＝f+fw-fb(20)

式中，fen为经top-hat变换增强的低频部分图像，f为原始灰度图像，fw、fb分别为上述提取的白、暗区域wth(x,y)i、bth(x,y)i。

可选地，当对分解得到的高频部分图像的细节部分进行去噪处理时，采用自适应阈值处理方法。

本发明实施例提供的技术方案带来的有益效果是：

本发明提出的增强方法，在研究图像特征的基础上，综合了双树复小波和top-hat变换的优点，对视网膜图像质量改善上有一定效果。可以使得整幅图像的对比度明显增强，尤其是视盘区域的血管较清晰。

采用双树复数小波变换对视网膜图像进行多尺度分解，用形态学top-hat变换来增强分解后的低频部分图像，最后综和处理后的高、低频部分进行双树复小波逆变换得到最终的增强图像。提高视网膜血管图像的对比度有良好效果，视觉效果也得到提高，并且对细小血管也有很好的增强效果。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例的一种视网膜图像增强的方法流程图；

图2是本发明实施例的二维双树复数小波变换示意图。

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地详细描述。

本发明提供了提供了一种视网膜图像增强的方法，参见图1，包括：

s100：对视网膜图像进行双树复数小波分解，得到6个高频部分图像和2个低频部分图像。

具体地，当对视网膜图像进行双树复数小波分解时，在分解的同时，对所述低频部分图像进行了去噪处理。由于在成像过程中存在大量电子噪声，使得图像质量不高，会对图像细节的观测造成困扰，因此，对图像进行去噪处理是必不可少的步骤。由于本发明直接在分解的同时，对低频部分图像进行了去噪，所以只需对高频部分图像进行单独去噪处理。

s200：对分解得到的低频部分图像进行形态学运算，得到增强的低频部分图像。

具体地，所述对分解得到的低频部分图像进行形态学运算，得到增强的低频部分图像的具体步骤为：

把所述低频部分图像作为形态学变换的原始灰度图像；

对所述原始灰度图像进行形态学运算，得到增强的低频部分图像。

s300：对分解得到的高频部分图像的细节部分进行去噪处理，得到去噪的高频部分图像；

具体地，当对分解得到的高频部分图像的细节部分进行去噪处理时，本发明采用自适应阈值处理方法。

s400：将所述增强的低频部分图像和所述去噪的高频部分图像进行双树复小波逆变换处理，得到增强后的视网膜图像。

本实施例中，双树复小波变换(dtcwt,dual-treecomplexwavelettransform)是kingbury为了满足完全重构条件所提出的。除了满足完全重构条件之外，它也具备近似平移不变性，多方向选择性，计算量小等特点。

具体地，双树复小波变换(dtcwt,dual-treecomplexwavelettransform)是kingbur为了满足完全重构条件所提出的。除了满足完全重构条件之外，它也具备近似平移不变性，多方向选择性，计算量小等特点。

本实施例中，提供了dt-cwt的原理：双树复小波是在复数小波基础上得来的，即在复数小波变换一个滤波器的基础上又加入了一个滤波器，使复数小波变换在两个滤波器上同时进行，可得：

ψ(t)＝ψh(t)+iψg(t)(1)

式中，ψh(t)和iψg(t)分别为实数和虚数且都为小波基函数。

为了减少平移敏感性和满足完全重构，在传统离散小波变换的基础上一步步演变成双树复小波变换。在平移敏感性问题上，低通和高通滤波器之间需满足两个条件，第一它们需构成hilbert变换对^[15]，即两信号幅度值不变，相位差为90°。根据selesnick定理，两树的低通滤波器h0(n)、g0(n)达到半采样延迟条件：

g0(n)≈h0(n-0.5)(2)

或者说满足

ψg(t)≈h{ψh(t)}(3)

此时，相应的小波基ψh(t)和ψg(t)能构成hilbert变换对。

第二需满足下式：

式中，ψh(w)和ψg(w)分别表示ψh(t)、ψg(t)的傅里叶变换。

上述变换都是一维数据基础上的，对于二维数据ψ(x,y)，其变换如下：

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)]

它的变换如图2所示。

在附图2中，两树各包含高、低两个滤波器对，↓2表示隔点采样。h0a(n)、h1a(n)为树a的共轭正交滤波器对，两者满足下式：

它们为实数滤波器。

树a中的滤波器对h0a(n)对应的实值尺度函数为：

h1a(n)对应的小波函数ψa(t)为：

以此类推，可得到树b中和ψb(t)：

在上述分解图1中可知，每一级二维双树复小波变换都分解出8个部分a(j+1,1)、a(j+1,2)、d(j+1,m)(m≤6),高频、低频个数分别为6和2。分解冗余度保持在4:1，每一层分解中的6个高频细节部分对应图像中的6个不同方向(±15°、±45°、±75°)的信息，多了3个可选择的方向。因此，在分解与重构方面效果更好，有利于细节信息的保留。

本实施例中，提供了基于双树复小波和top-hat变换相结合的视网膜图像增强方法，具体地，图像的增强处理，除了在视觉感应质量上有所提高以外，在细节，边缘上的增强同样重要。而视网膜图像的增强是为了突出血管、视盘和病灶等主要因素，以便于医生的进一步研究。

在提取目标形状特征的时候，为了不造成边缘等细节的偏移，要谨慎选择相应的滤波器，形态学滤波器在此方面有很好的效果。因此，增强处理采用此滤波器。

具体地，基于形态学top-hat变换的视网膜图像增强如下：

通常情况下，一幅图像的亮度不一样，形态学top-hat变换就是针对亮度情况进行处理的一种算法，把图像的亮、暗区域进行区分，再分别进行处理综合，在细节的检测上效果明显。对原始灰度图像f进行top-hat变换结果有2种，即白变换和暗变换：

bth(x,y)＝f·b-f(13)

式中，b为结构元素，结构元素与原始灰度图像做膨胀、腐蚀操作得到开、闭运算结果，即f·b，它们的定义分别为：

其中，

为形态学的膨胀操作，fθb为腐蚀操作；由上述式(14)、(15)可知，开、闭运算是建立在膨胀、腐蚀的基础上的；在图像的不同区域，开、闭运算的作用是不一样的，虽然功能不同但两者都能保证图像的细节和整体灰度级不发生变化；

视网膜图像的增强处理主要是为了对血管网络的清晰度进行增强，但是每条血管的差异度都很大，不利于一次求解；因此需要在不同方向都进行变换；在n个方向进行白top-hat变换并求和，得到图像的wth(x,y)i表示为：

类似的，可得到图像的bth(x,y)i为：

因此，基于形态学top-hat变换的视网膜图像强可表示为：

fen＝f+fw-fb(20)

式中，fen为经top-hat变换增强的低频部分图像，f为原始灰度图像，fw、fb分别为上述提取的白、暗区域wth(x,y)i、bth(x,y)i。

具体地，暗top-hat变换弱化了亮区细节，增强血管清晰度。白top-hat变化则相反，它以有效地增强图像中亮区细节，弱化暗区细节。最终增强结果则是对白、暗top-hat变换的综合，可以使得整幅图像的对比度明显增强，尤其是视盘区域的血管较清晰。

本发明实施例提供的技术方案带来的有益效果是：

本发明提出的增强方法，在研究图像特征的基础上，综合了双树复小波和top-hat变换的优点，对视网膜图像质量改善上有一定效果。可以使得整幅图像的对比度明显增强，尤其是视盘区域的血管较清晰。

采用双树复数小波变换对视网膜图像进行多尺度分解，用形态学top-hat变换来增强分解后的低频部分图像，最后综和处理后的高、低频部分进行双树复小波逆变换得到最终的增强图像。提高视网膜血管图像的对比度有良好效果，视觉效果也得到提高，并且对细小血管也有很好的增强效果。

以上仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。