一种增强眼底图像的方法和装置与流程

本发明涉及图像处理技术领域，特别涉及一种增强眼底图像的方法和装置。

背景技术：

通过观察和识别眼底图像能够发现患者身体的许多病症。近年来通过计算机自动识别眼底图像进行辅助诊断的技术得到发展。在识别眼底图像之前，通常需要对眼底图像进行预处理。预处理中的一个关键步骤是对眼底图像进行增强，使其感兴趣特征能够在后续处理中更易于被提取和识别。

现有的图像增强方式对不同质量的图像均采用同样的增强力度进行增强，增强后的图像质量差异较大，有时会因力度太大而产生噪点，有时会因力度太小而产生图像信息遗失。

需要一种能够对不同眼底图像进行自适应的增强技术。

技术实现要素：

为了解决上述问题，本发明提供一种增强眼底图像的方法和装置，能够对不同质量的图像进行不同程度的增强，从而得到统一的增强效果。

在一方面，本发明提供一种增强眼底图像的方法，包括：确定眼底图像的清晰度；根据清晰度，确定倍数；对眼底图像进行平滑处理，得到平滑图像；对平滑图像与所述眼底图像做图像减法运算，得到差值图像；对差值图像与倍数做图像乘法运算。

根据本发明的一个优选实施例，确定眼底图像的清晰度，包括：计算眼底图像中的血管的对比度；根据对比度，确定清晰度。

根据本发明的一个优选实施例，计算眼底图像中的血管的对比度，包括：计算血管的像素灰度值与血管周围的背景区域的像素灰度值之差，得到眼底图像中的血管的对比度。

根据本发明的一个优选实施例，根据对比度，确定清晰度，包括：将对比度的数值归一到[0,1]的区间内，得到清晰度的数值；其中，根据清晰度，确定倍数，包括：设倍数为m，清晰度的数值为n∈[0,1]，按m＝3-n计算倍数。

根据本发明的一个优选实施例，对眼底图像进行平滑处理，得到平滑图像，包括：通过中值滤波对眼底图像进行平滑处理，得到平滑图像。

根据本发明的一个优选实施例，对眼底图像进行平滑处理，得到平滑图像，包括：确定平滑处理的最大尺度和最小尺度；从最大尺度到最小尺度依次递减，对眼底图像进行多次平滑处理，得到多张平滑图像；其中，对平滑图像与眼底图像做图像减法运算，得到差值图像，包括：对所述多张平滑图像眼底图像与眼底图像分别做图像减法运算，得到多张差值图像；其中，对差值图像与倍数做图像乘法运算，以用于眼底图像识别，包括：对所述多张差值图像与倍数分别做图像乘法运算，得到多张积值图像；其中，所述方法还包括：通过主成分分析合并所述多张积值图像。

根据本发明的一个优选实施例，确定平滑处理的最大尺度和最小尺度，包括：根据眼底图像中的病灶区域的直径，得出最大尺度；根据眼底图像中的血管的直径，得出最小尺度。

根据本发明的一个优选实施例，根据眼底图像中的病灶区域的直径，得出最大尺度，包括：识别眼底图像中的病灶区域；从识别出的病灶区域中确定最大病灶区域；计算最大病灶区域的直径所占的像素数；以像素数作为最大尺度。

根据本发明的一个优选实施例，当最大病灶区域的直径超过眼底图像的图像尺寸的1/3时，以图像尺寸的1/3所占的像素数作为最大尺度。

根据本发明的一个优选实施例，根据眼底图像中的血管的直径，得出最小尺度，包括：统计多张参考眼底图像中的血管直径与图像尺寸之间的比值的平均值；根据平均值，计算眼底图像中的血管的直径所占的像素数；以像素数的两倍作为最小尺度。

根据本发明的一个优选实施例，所述平均值约为1/74。

根据本发明的一个优选实施例，所述方法还包括：将经过图像乘法运算的眼底图像的背景的亮度调整成预定值。

在另一方面，本发明一种用于增强眼底图像的装置，包括：第一确定模块，用于确定眼底图像的清晰度；第二确定模块，用于根据清晰度，确定倍数；平滑模块，用于对眼底图像进行平滑处理，得到平滑图像；减法模块，用于对平滑图像与眼底图像做图像减法运算，得到差值图像；乘法模块，用于对差值图像与倍数做图像乘法运算。

在又一方面，本发明提供一种服务器，包括：存储器；处理器；应用程序，应用程序被存储在存储器中，并且被配置成由处理器执行，应用程序包括用于执行上述方法的指令。

在再一方面，本发明提供一种计算机可读介质，其存储有用于增强眼底图像的计算机程序，其中计算机程序使得计算机执行上述方法。

在本发明的眼底图像增强技术中，首先确定清晰度，再根据清晰度确定增强中的乘法运算的倍数，从而得到增强力度不一样的增强模式。通过对不同清晰度的图像采用不同的增强参数，能够保证增强后的图像效果趋于统一，其感兴趣区域和结构的辨识度、对比度等大致相同。这样一来，经过增强处理之后，计算机对眼底图像的识别和读取有了更为一致的标准和依据，从而能够让计算机辅助诊断的结果更为准确。另外，本发明的眼底增强技术所采用的图像减法运算、图像乘法运算等属于复杂程度较低的算法，这有利于节省计算量，使得增强处理能够以较低的计算成本高效快速完成。

附图说明

以下结合附图详细说明本发明的具体实施方式，其中：

图1示出根据本发明一实施例的增强眼底图像的方法的流程图；

图2示出根据本发明另一实施例的增强眼底图像的方法的流程图；

图3a示出根据本发明一实例的增强前的眼底图像；

图3b示出根据本发明实例的增强后的眼底图像；

图4示出根据本发明一实施例的用于增强眼底图像的装置的结构示意图。

具体实施方式

为了使本领域技术人员更加清楚地理解本发明的概念和思想，以下结合具体实施例详细描述本发明。应理解，本文给出的实施例都只是本发明可能具有的所有实施例的一部分。本领域技术人员在阅读本申请的说明书以后，有能力对下述实施例的部分或整体作出改进、改造、或替换，这些改进、改造、或替换也都包含在本发明要求保护的范围内。

在本文中，术语“第一”、“第二”和其它类似词语并不意在暗示任何顺序、数量和重要性，而是仅仅用于对不同的元件进行区分。在本文中，术语“一”、“一个”和其它类似词语并不意在表示只存在一个所述事物，而是表示有关描述仅仅针对所述事物中的一个，所述事物可能具有一个或多个。在本文中，术语“包含”、“包括”和其它类似词语意在表示逻辑上的相互关系，而不能视作表示空间结构上的关系。例如，“a包括b”意在表示在逻辑上b属于a，而不表示在空间上b位于a的内部。另外，术语“包含”、“包括”和其它类似词语的含义应视为开放性的，而非封闭性的。例如，“a包括b”意在表示b属于a，但是b不一定构成a的全部，a还可能包括c、d、e等其它元素。

在本文中，术语“实施例”、“本实施例”、“一实施例”、“一个实施例”并不表示有关描述仅仅适用于一个特定的实施例，而是表示这些描述还可能适用于另外一个或多个实施例中。本领域技术人员应理解，在本文中，任何针对某一个实施例所做的描述都可以与另外一个或多个实施例中的有关描述进行替代、组合、或者以其它方式结合，所述替代、组合、或者以其它方式结合所产生的新实施例是本领域技术人员能够容易想到的，属于本发明的保护范围。

本发明各实施例提供一种增强眼底图像的方法和装置。在本发明各实施例中，眼底图像是指通过通用或专用的拍摄设备拍摄眼球底部所得到的图像，其显示的内容通常包括视网膜、血管、视盘、黄斑等生理结构。眼底图像可以是模拟图像，也可以是数字图像。在本发明各实施例中，眼底图像优选为数字图像。在本发明各实施例中，图像的增强可以指按照某一标准，对图像的显示效果进行放大或强化。在本发明各实施例中，增强眼底图像的目的是，使眼底图像的细节和结构更易于被肉眼辨认或被计算机识别和提取。

图1示出根据本发明一实施例的增强眼底图像的方法的流程图。如图1所示，在本实施例中，增强眼底图像的方法包括：

101、确定眼底图像的清晰度；

102、根据清晰度，确定用于增强眼底图像的倍数；

103、对眼底图像进行平滑处理，得到平滑图像；

104、对平滑图像与眼底图像做图像减法运算，得到差值图像；

105、对差值图像与倍数做图像乘法运算，以用于眼底图像识别。

以下详述101：确定眼底图像的清晰度。

在一实施例中，图像的清晰度可以是指肉眼或计算机对图像细节的辨认能力的大小。在一实施例中，用于计算机自动识别和诊断的眼底图像的清晰度可以是指，计算机对眼底图像的细节(比如血管)进行读取和识别的能力或准确度。在一实施例中，图像清晰度的概念与图像的分辨率、对比度等参数存在一定的关联。在某些情况下，图像的分辨率或对比度越高，图像的清晰度可能就越高。然而，上述规律并非普遍适用。在一实施例中，清晰度作为衡量图像质量的一种标准，独立于分辨率、对比度等其它图像质量参数。

在一实施例中，确定清晰度，可以是指通过精确算法计算出图像的清晰度，可以是指通过模糊算法大致计算出图像的清晰度，还可以是指根据统计或经验数据大致估算出图像的清晰度。

在一实施例中，确定清晰度的方法可以包括：计算眼底图像中的血管的对比度；根据对比度，确定清晰度。在一实施例中，血管是指视网膜上分布的血管，是眼底图像中普遍存在的显示内容。在一实施例中，血管的对比度是指眼底图像中的血管与血管周围背景之间的反差程度。

在一实施例中，计算血管的对比度的具体方式可以是，计算血管的像素灰度值与血管周围的背景区域的像素灰度值之差，从而得出血管的对比度。在一实施例中，血管的像素灰度值是指血管上的像素点所具有的灰度值。在数字图像的情况下，像素的灰度值通常在0至255的范围内变动。在一实施例中，血管周围的背景区域可以是指，紧邻血管的视网膜区域上的像素点的灰度值。

在一实施例中，还可以采用其他方式计算血管的对比度。例如，可以通过计算血管的像素灰度值与血管周围的背景区域的像素灰度值之比，来得出血管的对比度；也可以通过计算血管的像素灰度值的对数与血管周围的背景区域的像素灰度值的对数之比，来得出血管的对比度。其它计算方式也是可以想到的。

在一实施例中，根据血管的对比度确定清晰度，可以是指直接采用计算出的对比度的数值作为清晰度的数值，可以是指采用数学变换后的对比度的数值作为清晰度的数值，还可以是指将对比度作为一个参数，与预先或临时确定的其它参数一起计算得出其清晰度的数值。

在一实施例中，根据对比度确定清晰度的具体方式可以是，将对比度的数值归一到[0,1]的区间内，以此作为清晰度的数值。在一实施例中，归一是指将不同大小的数值限制在某一个数值范围内，而不影响这些数值之间的相对大小关系。在一实施例中，可以按公式(x-min)/(max-min)进行归一，其中x为对比度，max和min分别代表眼底图像中的像素灰度值的最大值和最小值。对于像素灰度值在[0,255]区间内的情况，max为255，min为0。在另一实施例中，可以按公式lg(x-min)/lg(max-min)进行归一，其中x为对比度，lg表示以10为底的对数，max和min的含义如上文所述。其它归一方式也是可以想到的。

在一实施例中，还可以通过其它方法确定图像的清晰度。例如，可以根据除血管以外的其它图示结构(比如视盘、黄斑等)的对比度计算清晰度，可以根据预先识别出的血管的总长度计算清晰度，还可以根据分辨率、对比度、其它图像参数或其组合来计算出图像的清晰度。

以下详述102：根据清晰度，确定用于增强眼底图像的倍数。

在一实施例中，用于增强眼底图像的倍数是指一个与增强的强度和效果有关的参数。在一实施例中，倍数是指在后续的图像乘法运算中与图像相乘的数值。在一实施例中，确定倍数的方式，可以是计算，例如以清晰度的数值作为一个参数，计算得出倍数；也可以是选取，例如根据清晰度的数值所在的范围，选取相应的倍数。

在一实施例中，根据清晰度确定倍数，可以是指，考虑到图像清晰度的不同，合理确定图像增强的强度和参数。在一实施例中，如果倍数越大，增强的效果越好，那么在清晰度较高时，倍数总体上应当较小，反之应当较大。在一实施例中，根据清晰度确定倍数，其作用是使图像增强具有自适应的效果，对较清晰的图像采用较小的增强力度，对较模糊的图像采用较大的增强力度。这样一来，增强后的图像的质量较为统一，使得后续对眼底图像进行识别和诊断的结果具有一致性。

在一优选实施例中，根据清晰度确定倍数的具体方式可以是，按m＝3-n计算所述倍数，其中倍数为m，清晰度的数值为n∈[0,1]。这种计算方式可以将倍数限制在2至3的范围内，从而能够确保，当图像细节的灰度值与其背景的灰度值之差达到5(灰度值∈[0,255])以上时，该图像细节可以得到显著增强，并且在后续识别时可以被自动提取或识别。优选采用这种计算方式，是因为本申请的发明人发现，如果倍数高于3倍，图像会产生一定程度的噪声，影响识别精度；如果倍数低于2倍，增强的效果会减弱，可能会造成图像细节的遗失。

在一实施例中，根据清晰度确定倍数，还可以采用其他方式。例如，使清晰度与倍数成负相关关系的所有数学计算方式，包括使清晰度与倍数之积为一个常数，使清晰度与倍数之和为一个常数(除3以外)，使清晰度与倍数的平方和为一个常数，等等。再例如，还可以将倍数设置成梯度变化的，使一个倍数对应一个清晰度的区间，较大的清晰度区间对应较小的倍数。

以下详述103：对眼底图像进行平滑处理，得到平滑图像。

在一实施例中，平滑处理可以是指，使图像的细节变得模糊、图像中的结构的边缘变得平滑、或者图像中的噪点被消除的图像处理方式。在一实施例中，平滑之后所得到的图像称为平滑图像。

在一实施例中，平滑处理的方式可以包括低通滤波、局部平均(均值滤波)、统计排序滤波、多图像平均等。在一实施例中，低通滤波可以是指保留图像的低频成分，去除图像的高频成分的处理技术。在一实施例中，局部平均可以是指，将计算每个像素点周围邻域内的灰度值的平均数，用该平均数代替该像素点原来的灰度值。在一实施例中，统计排序滤波可以是指，对每个像素点周围邻域内的像素点进行灰度值排序，选取某个顺位上的灰度值，用以代替该像素点原来的灰度值。统计排序滤波包括中值滤波、最大值滤波和最小值滤波等。在一实施例中，多图像平均可以是指，在相同条件下对同一物体拍摄多张图像，将这些图像相加之后平均，得到平滑后的图像。

在一优选实施例中，平滑处理采用统计排序滤波，特别是中值滤波。本申请的发明人发现，中值滤波平滑后的图像能够很好地将眼底图像中的感兴趣区域模糊掉，进而能够在后续增强中凸显出感兴趣的区域或结构。

以下详述104：对平滑图像与眼底图像做图像减法运算，得到差值图像。

在一实施例中，图像减法运算可以是指，使一个图像中的每个像素的灰度值减去另一个图像中的对应像素的灰度值的计算方法。一般情况下，相减的两幅图像的尺寸应该完全相同。在一实施例中，差值图像可以是指经过图像减法运算之后所获得的图像，该图像中的每个像素点的灰度值都是两幅相减图像的相应像素点的灰度值之差。在一实施例中，对两幅图像做图像减法运算或做差，可以在得到的差值图像中凸显出两幅图像之间不一致的地方。

以下详述105：对差值图像与倍数做图像乘法运算，以用于眼底图像识别。

在一实施例中，图像乘法运算可以是指，使一个图像中的每个像素的灰度值都乘以一个系数或另一个图像中的对应像素的灰度值。当乘以系数时，这种图像乘法运算也可以称为图像与数值的乘法运算，可以用来增强图像的对比度或视觉反差。当乘以另一个图像的像素灰度值时，这种图像乘法运算也可以称为图像与图像的乘法运算，可以用来抠图。在一实施例中，经过图像乘法运算所得到的图像称为积值图像。

在一实施例中，眼底图像识别包括包括对血管、视盘、黄斑、视网膜等眼球生理结构的形状、亮度等外显特征所进行的识别，用于提取眼底结构特征、识别眼底结构中的病灶、评估和诊断患者健康状况等。在一实施例中，根据本发明实施例的方法还可以包括附加步骤：将经过图像乘法运算的眼底图像的背景的亮度调整成预定值。

在一实施例中，眼底图像的背景可以是指感兴趣区域(包括血管、视盘、黄斑等)以外的其它区域。在一实施例中，亮度可以指眼底图像的颜色模型中的亮度通道上的灰度值，例如lab颜色模型中的l通道上的灰度值，也可以指眼底图像的颜色模型中与亮度有关的通道上的灰度值，例如rgb(红绿蓝)颜色模型中的r通道、g通道和b通道上的灰度值。在一实施例中，所述预定值可以是能够使图像背景反衬或凸显出图像的感兴趣区域的任意值。在一优选实施例中，所述预定值可以是100(像素灰度值∈[0,255])。

图2示出根据本发明另一实施例的增强眼底图像的方法的流程图。如图2所示，在本实施例中，增强眼底图像的方法包括：

201、确定眼底图像的清晰度；

202、根据清晰度，确定用于增强眼底图像的倍数；

203、确定平滑处理的最大尺度和最小尺度；

204、从最大尺度到最小尺度依次递减，对眼底图像进行多次平滑处理，得到多张平滑图像；

205、对所述多张平滑图像眼底图像与眼底图像分别做图像减法运算，得到多张差值图像；

206、对所述多张差值图像与倍数分别做图像乘法运算，得到多张积值图像；

207、通过主成分分析合并所述多张积值图像。

关于201的202的细节，请分别参见上文关于图1实施例所描述的101和102的内容，这里不再赘述。

以下详述203：确定平滑处理的最大尺度和最小尺度。

在一实施例中，平滑处理的尺度可以是指，平滑处理所能模糊或显著影响的图像细节或结构的大小或像素数。在采用局部平均或统计排序滤波进行平滑处理的实施例中，尺度可以是指滤波器的大小。在一实施例中，滤波器可以是指滤波处理所采用的窗口或邻域，即对一个像素点进行滤波计算时所要考虑的其它像素点的范围。滤波器可以是任意形状的，包括圆形、方形、菱形等。对于圆形滤波器而言，滤波尺度可以指其直径所占的像素数。对于方形和菱形滤波器而言，滤波尺度可以指其边长所占的像素数。例如，对于3×3的方形滤波器而言，其滤波尺度就是3个像素。在采用多图像平均或低通滤波等其它方式进行平滑处理的实施例中，尺度可以是指这种平滑能够模糊或显著改变的图像细节或结构的大小。

在一实施例中，最大尺度可以是指平滑之后被模糊或发生显著变形的所有图示结构中的最大结构的大小。在一实施例中，最大尺度最大应不至于使图像显示内容完全失真或发生严重扭曲，导致无法辨认出任何感兴趣的内容。在一实施例中，最大尺度最小应能覆盖最大的感兴趣内容或结构的尺寸。

在一实施例中，确定最大尺度的方法可以是，根据眼底图像中的病灶区域的直径，得出最大尺度。在一实施例中，病灶可以是指人体结构中发生病变的部分。在一实施例中，病灶区域可以是指眼底图像中显示出病变部分的图像区域。在一实施例中，病灶区域的直径可以是指病灶区域的内接圆的直径、病灶区域的外接圆的直径、根据病灶区域轮廓拟合的圆形的直径、或者其它方式测量的病灶区域的直径。

在一实施例中，根据病灶区域的直径得出最大尺度的具体方法可以包括：识别眼底图像中的病灶区域；从识别出的病灶区域中确定最大病灶区域；计算最大病灶区域的直径所占的像素数；以所述像素数作为最大尺度。在一实施例中，识别病灶区域的方法可以是，筛选出眼底图像中亮度显著偏亮或偏暗的区域。这是因为本申请发明人发现，病灶区域通常是亮度发生显著变化的区域，通过计算亮度异常的区域的大小即可近似得出病灶区域的直径。在一实施例中，计算得出的最大尺度不应超过图像尺度的1/3。如果得出超过1/3的最大尺度，应直接以图像尺度的1/3的像素数作为最大尺度。这是因为，本申请发明人发现，当平滑处理(特别是中值滤波)的尺度超过1/3时，图像内容可能会发生扭曲和变形，导致辨识感兴趣结构或细节变得困难。在一实施例中，图像尺寸可以是指图像的长或宽、图像的对角线长度、或其它体现图像大小的参数。

在一实施例中，根据病灶区域的直径得出最大尺度，还可以通过其它方法实现。例如，可以预先估计或统计病灶区域的大小，从而确定其直径；还可以从多个病灶区域中选取的中间或最小的病灶区域，作为确定直径的依据。其它方法也是可以想到的。

在一实施例中，最小尺度可以指平滑之后被模糊或被发生显著变形的所有图示结构中的最小结构的大小。在一实施例中，最小尺度最大不应超过最小的感兴趣内容或结构的尺寸。在一实施例中，最小尺度最小最小应大于一般噪点的尺寸。

在一实施例中，确定最小尺度的方法可以是，根据眼底图像中的血管的直径，得出最小尺度。在一实施例中，根据血管直径确定最小尺度，可以是指直接采用血管直径所占像素数作为最小尺度，也可以是指采用血管直径的某个倍数的像素数作为最小尺度，还可以是指以血管直径作为参数计算得出最小尺度。

在一实施例中，根据血管直径得出最小尺度的具体方法可以包括：统计多张参考眼底图像中的血管直径与图像尺寸之间的比值的平均值；根据平均值，计算眼底图像中的血管的直径所占的像素数；以所述像素数的两倍作为最小尺度。在一实施例中，参考眼底图像是指拍摄条件和显示内容与待增强的眼底图像大致相似的其它眼底图像，能够作为处理当前眼底图像时的参照和基准。在一实施例中，所述比值的平均值在1/85至1/65的范围内，优选为1/74，这是本申请发明人在大量实践中总结得出的数据。在一实施例中，本申请发明人发现，以血管直径像素数的两倍作为最小尺度，对细小的血管部分的增强效果是较佳的。在一实施例中，根据血管直径得出最小尺度，还可以采用其它方法实现。例如，先通过计算机识别出血管，再根据识别出的血管的直径确定最小尺度。

在一实施例中，确定最大尺度和最小尺度，还可以根据后续处理中所要识别和提取的内容或结构的不同，还可以采取其它方法。例如，以黄斑的直径为最大尺度，以噪点平均尺寸的两倍为最小尺度。

关于203的其它细节，请参见上文关于图1实施例所描述的103的有关内容。

以下详述204：从最大尺度到最小尺度依次递减，对眼底图像进行多次平滑处理，得到多张平滑图像。

在一实施例中，递减可以指按照一定的间隔递减。例如，按照40个灰度值进行递减，每超过40个灰度值增加一次平滑处理。如果最大尺度与最小尺度之差小于40灰度值，可以只增强一次。在一实施例中，递减也可以指按照一定的次数递减。例如，以最大尺度与最小尺度之差的1/3为间隔，从最大尺度到最小尺度一共进行4次平滑处理。在一实施例中，还可以按照其他方式进行递减，例如按照非均匀的间隔进行递减，从而进行多次平滑。

关于204的其它细节，请参见上文关于图1实施例所描述的103的有关内容。

以下详述205：对所述多张平滑图像眼底图像与眼底图像分别做图像减法运算，得到多张差值图像。

在一实施例中，分别做图像减法运算可以是指，多张平滑图像中的每张均与原始的眼底图像相减，每次得到一张差值图像，总共得到与平滑图像数量相等的差值图像。

关于205的其它细节，请参见上文针对图1实施例所描述的104的内容，这里不再赘述。

以下详述206：对所述多张差值图像与倍数分别做图像乘法运算，得到多张积值图像。

在一实施例中，分别做图像乘法运算可以是指，多张差值图像中的每张均与倍数相乘，每次得到一张积值图像，总共得到与差值图像数量相等的积值图像。

关于206的其它细节，请参见上文关于图1实施例所描述的105的内容，这里不再赘述。

以下详述207：通过主成分分析合并所述多张积值图像。

在一实施例中，主成分分析可以是指，通过降维技术将多个变量转化为少数几个主要成分或综合变量的统计分析方法。在一实施例中，每张积值图像都可以看作是主成分分析的一个变量。通过降维算法，将多张图像合并为一张图像的过程就是主成分分析的过程。

以下结合图3a-3b详细说明根据本发明的增强眼底图像的方法的一个实例。

在本实例中，待处理的眼底图像的尺寸为800×800像素，如图3a所示。

首先，识别出血管，计算得出血管的像素灰度值为130，血管周围背景的像素灰度值为80。在本实例中，像素灰度值在0至255范围内变动。

然后，将血管的灰度值减去背景的灰度值，得到对比度为50。通过公式(x-min)/(max-min)，将对比度归一到0至1的区间，约为0.2。

然后，按照m＝3-n的公式(其中m为倍数，n为归一后的对比度)，计算得到倍数为2.8。

接下来，确定最大尺度和最小尺度，具体方法是：识别出病灶区域，计算得出最大病灶区域的直径为100个像素，从而得出滤波器的最大尺度为100个像素；预先统计出血管尺寸占图像尺寸的比值为1/74；根据1/74的比值，确定血管直径为11个像素，从而得出滤波器的最小尺度为22个像素。

然后，以40个像素为间隔，分别按100个像素、60个像素、22个像素的滤波尺度，做三次中值滤波，得到三张滤波后的眼底图像。

然后，三张眼底图像与原始的眼底图像分别做图像减法运算，得到三张差值图像。

然后，三张差值图像分别做图像乘法运算，乘以2.8的倍数，得到三张积值图像。

最后，通过主成分分析，合并三张积值图像，得到最终增强的眼底图像，如图3b所示。

图4示出根据本发明一实施例的用于增强眼底图像的装置400的结构示意图。如图4所示，在本实施例中，用于增强眼底图像的装置包括：

第一确定模块410，用于确定眼底图像的清晰度；

第二确定模块420，用于根据清晰度，确定用于增强眼底图像的倍数；

平滑模块430，用于对眼底图像进行平滑处理，得到平滑图像；

减法模块440，用于对平滑图像与所述眼底图像做图像减法运算，得到差值图像；

乘法模块450，用于对差值图像与所述倍数做图像乘法运算，以用于眼底图像识别。

关于410-450的细节，请参见上文关于图1实施例所描述的101-105的内容。

在一实施例中，第一确定模块410被配置成：计算眼底图像中的血管的对比度；根据对比度，确定清晰度。

在一实施例中，第一确定模块410被进一步配置成，计算血管的像素灰度值与血管周围的背景区域的像素灰度值之差，得到眼底图像中的血管的对比度。

在一实施例中，第一确定模块410被进一步配置成，将对比度的数值归一到[0,1]的区间内，得到清晰度的数值。第二确定模块420被配置成，设倍数为m，清晰度的数值为n∈[0,1]，按m＝3-n计算倍数。

在一实施例中，平滑模块430被配置成，通过中值滤波对眼底图像进行平滑处理，得到平滑图像。

在一实施例中，平滑模块430被配置成：确定平滑处理的最大尺度和最小尺度；从最大尺度到最小尺度依次递减，对眼底图像进行多次平滑处理，得到多张平滑图像。减法模块440被配置成，对所述多张平滑图像眼底图像与眼底图像分别做图像减法运算，得到多张差值图像。乘法模块450被配置成，对所述多张差值图像与倍数分别做图像乘法运算，得到多张积值图像。在本实施例中，装置400还包括合并模块(未示出)，用于通过主成分分析合并所述多张积值图像。关于本实施例的细节，请参见上文关于图2实施例的描述。

在一实施例中，平滑模块430被进一步配置成：根据眼底图像中的病灶区域的直径，得出最大尺度；根据眼底图像中的血管的直径，得出最小尺度。

在一实施例中，平滑模块430被进一步配置成：识别眼底图像中的病灶区域；从识别出的病灶区域中确定最大病灶区域；计算最大病灶区域的直径所占的像素数；以像素数作为最大尺度。

在一实施例中，平滑模块430被进一步配置成，当最大病灶区域的直径超过眼底图像的图像尺寸的1/3时，以图像尺寸的1/3所占的像素数作为最大尺度。

在一实施例中，平滑模块430被进一步配置成：统计多张参考眼底图像中的血管直径与图像尺寸之间的比值的平均值；根据平均值，计算眼底图像中的血管的直径所占的像素数；以像素数的两倍作为最小尺度。在一实施例中，所述平均值约为1/74。

在一实施例中，装置400还包括调整模块(未示出)，用于将经过图像乘法运算的眼底图像的背景的亮度调整成预定值。

本领域技术人员可以理解，虽然以上具体实施方式(包括实施例和实例)介绍了眼底图像增强装置的若干模块，但是这种划分并非是强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多模块的特征和功能可以在一个模块中具体化。反之，上文描述的一个模块的特征和功能可以进一步划分为由多个模块来具体化。本领域技术人员可以理解，本发明的技术方案可以用软件来实现，具体而言，可以是计算机程序的方式实现。比如，在类似ram、rom、硬盘和/或任何适当的存储介质中存储可执行代码，当该可执行代码被执行时，可以实现本发明以上实施例提及的功能。

应当注意，本发明的实施方式还可以通过硬件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现；软件部分可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的装置和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、cd或dvd-rom的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的装置及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用由各种类型的处理器执行的软件实现，也可以由上述硬件电路和软件的结合例如固件来实现。

以上结合具体实施方式详细描述了本发明的概念、原理和思想。本领域技术人员应理解，本发明的实施方式不止上文给出的这几种形式，本领域技术人员在阅读本申请文件以后，可以对上述实施方式中的步骤、方法、装置、部件做出任何可能的改进、替换和等同形式，这些改进、替换和等同形式应视为落入在本发明的范围内。本发明的保护范围仅以权利要求书为准。