綜合眼底圖像邊緣信息和亮度信息的視盤中心定位方法與流程
2023-05-07 08:03:11 1
本發明屬於醫療圖像處理領域，特別涉及一種綜合眼底圖像邊緣信息和亮度信息的視盤中心定位方法。
背景技術：
彩色視網膜眼底圖像的自動分析已經在各種和眼科相關的系統性疾病如糖尿病、高血壓、腎臟病和神經科疾病的輔助診斷中得到了廣泛應用。在正常的彩色眼底圖像中，黃斑、中央凹、視盤和血管網是眼底四個可觀測到的主要特徵，其中視盤呈淡黃色或白色圓盤狀，約佔整幅眼底圖像感興趣區域的1/5到1/8，眼底的血管由視盤區域發散而出呈樹狀分布於整個眼底。視盤的定位對於眼底圖像的自動分析起著極為重要的作用，是進行後續視盤分割以及病變眼底圖像中病變區域提取工作的基礎，尤其是在發生某些視網膜病變如硬性滲出、微脈瘤、眼底出血的眼底圖像中，病變區域與視盤區域極為相似時，視盤的準確定位能夠將其與病變區域分離出來從而提高病變診斷的正確率。
目前關於視盤定位主要有三種方法，第一種方法主要是依據視盤圓盤狀的外形，相對其他區域有較高亮度的特點來定位視盤。第二種方法是依據眼底圖像中的血管網匯聚於視盤區域的特點，在分割出血管網的基礎上根據血管的方向、結構等特徵來確定視盤位置。第三種方法則是綜合利用視盤的外形、亮度和血管網的特徵來定位視盤。這些方法各有利弊，只依據視盤外形和亮度特徵來進行定位，計算量小定位快速，在正常眼底圖像中準確率較高，但在發生視網膜病變的圖像中，視盤區域與病變區域極易混淆，使得準確率大大降低。引入血管網信息來進行的視盤定位的方法，雖然提高了定位的魯棒性，但由於現階段血管檢測的方法較複雜，計算量大會耗費較多時間，嚴重降低了視盤定位方法的效率。
技術實現要素：
本發明的目的是克服現有技術的上述不足，提供一種綜合眼底圖像邊緣信息和亮度信息的視盤中心定位方法，以提高視盤定位的準確率和效率。本發明的技術方案如下：
一種綜合眼底圖像邊緣信息和亮度信息的視盤中心定位方法，包括以下步驟：
(1)對包含眼底圖像的原圖進行預處理：
①獲取眼底圖像感興趣區域，稱其為眼底圖像；
②對眼底圖像的亮度進行校正：在HSV顏色空間對亮度值V分量進行校正；
③取亮度校正後的眼底圖像的對比度最高的綠色通道灰度圖，採用多尺度頂帽變換的方法對眼底圖像進行對比度增強；
(2)對於經過對比度增強的眼底圖像，定位視盤水平坐標：利用Isotropic Sobel算子提取對比度增強後眼底圖像的垂直邊緣和水平邊緣圖像，定義一個窗高度為圖像高度，寬度為二倍主血管寬度的矩形窗在兩幅圖像上水平滑動，對每一個水平坐標，以此坐標為窗口中心，分別計算兩個窗內像素灰度均值，定義兩個窗內像素灰度均值相減的差值為該水平坐標的邊緣差值，得到關於水平坐標的邊緣差值曲線，曲線上最大值對應的坐標即為視盤水平坐標；
(3)對於經過對比度增強的眼底圖像，定位視盤垂直坐標：以定位出的視盤水平坐標為中心，取一倍視盤直徑寬度，截取垂直邊緣圖像作為視盤處血管密集度子圖像，在此圖像上定義一個同寬度，高度也為一倍視盤直徑的方形窗，對每一個垂直坐標，以此坐標為窗口中心讓此窗口沿垂直方向滑動，統計窗內像素的灰度均值作為血管密集度特徵；在對比度增強後圖像的綠色通道灰度圖上截取同樣大小圖像作為視盤亮度子圖像，並通過直方圖均衡化來增強視盤區域，對每一個垂直坐標，計算同樣大小的方形窗內像素灰度方差值作為視盤亮度特徵；定義血管密集度特徵與視盤亮度特徵的乘積為該垂直坐標的綜合特徵值，得到關於垂直坐標的綜合特徵值曲線，曲線上最大值對應的坐標即為視盤垂直坐標。
本發明的實質性特點如下：
(1)其一是在視盤水平坐標定位上利用Isotropic Sobel算子提取對比度增強後眼底圖像的垂直邊緣和水平邊緣圖像，提出了每個水平坐標對應的邊緣差值，利用邊緣差值曲線定位水平坐標。
(2)其二是在垂直坐標定位上綜合考慮了視盤處血管的邊緣信息和視盤的亮度信息。利用垂直邊緣圖像和視盤區域綠色通道灰度圖像的子圖像，提出了每個垂直坐標對應的綜合特徵值，利用綜合特徵值曲線定位垂直坐標。
本發明由於綜合運用了圖像的邊緣信息和亮度信息，在正常眼底圖像和病變圖像中定位準確率都較高，表現出較好的魯棒性。而且本方法不需要進行眼底視網膜血管網的細分割，定位快速，極大地提高了視盤定位方法的效率。
附圖說明
圖1為本發明視盤定位方法的流程圖，依次為獲取視網膜眼底圖像感興趣區域，進行亮度校正，進行對比度的增強，然後確定視盤中心水平坐標，確定視盤中心垂直坐標，最終得到視盤中心的位置。
圖2(a)為視網膜眼底彩色圖像，圖2(b)為對彩色圖像進行感興趣區域提取後得到的掩膜，
圖2(c)為對彩色圖像進行亮度校正後得到的圖像，圖2(d)為亮度校正後圖像的綠色通道圖，圖2(e)為對綠色通道圖進行對比度增強後的圖。
圖3(a)為用Isotropic Sobel算子提取對比度增強後圖的垂直邊緣後，定義一個矩形窗沿水平方向滑動的示意圖；圖3(b)為用Isotropic Sobel算子提取對比度增強後圖的水平邊緣後，用同樣大小的矩形窗沿水平方向滑動的示意圖；圖3(c)為水平坐標對應的邊緣差值曲線；圖3(d)為截取垂直邊緣圖像的視盤區域後，定義一個方形窗沿垂直方向滑動的示意圖；圖3(e)為截取對比度增強後圖像的視盤區域後，用同樣大小的方形窗沿垂直方向滑動的示意圖；圖3(f)為垂直坐標對應的綜合特徵值曲線圖。
圖4為本發明對示例視網膜眼底彩色圖像定位視盤中心的結果圖。
具體實施方式
為使本發明的目的、技術方案和優點更加清楚，下面將結合附圖對本發明實施方式作進一步的詳細描述：
(1)：對眼底圖像進行預處理
①：首先獲取眼底圖像的感興趣區域。這樣在後續處理中能有效避免ROI區域外像素的影響，降低計算的複雜度。由於彩色眼底圖像中的紅色分量接近飽和，最能反映照明情況，因此選取原圖像紅色通道分量灰度圖Ir來進行處理，取其最大亮度值tmax的5％作為閾值進行閾值處理，然後用半徑為3的圓形結構元素d3進行腐蝕操作得到掩膜，結果如圖2(b)，公式如(1)所示，
其中α表示形態學腐蝕操作，T表示進行閾值處理。
②：進行眼底圖像亮度校正。亮度不均主要表現為圖像的明暗分布不一致，而HSV顏色空間中V分量直接反映圖像的亮度情況，因此對亮度值V(i,j)進行校正，校正公式如(2)所示，
其中B(i,j)校正後亮度值，校正後效果如圖2(c)所示。
③：增強圖像對比度。亮度校正後的眼底圖像依然存在滲出物和其他結構對比不明顯的問題，尤其是在圖2(c)中可看出某些微小滲出物的邊緣特性比較微弱。此處引入多尺度頂帽變換的方法進行對比度的增強，這種圖像增強算法的核心思想是設定多個尺度的結構元素si(0≤i≤n)對圖像進行形態學頂帽變換，通過擴大圖像中亮區域和暗區域對比度，增強最優亮區域算子和最優亮細節算子減弱最優暗區域算子和最優暗細節算子從而提升圖像的對比度。取亮度校正後圖像對比度最高的綠色通道灰度圖Ig(圖2(d))進行處理，公式如(3)-(5)所示，
其中Ien為對比度增強後的圖像，γ與分別表示形態學開操作和閉操作。選擇初始結構元素為半徑為4的圓盤，設定8個尺度進行變換，變換後效果如圖2(e)所示，可見視網膜血管得到明顯增強。
(2)：定位視盤中心坐標
①：定位視盤水平坐標。用Isotropic Sobel算子分別提取圖2(e)的垂直邊緣和水平邊緣圖像。然後根據血管的分布特性定義一個矩形窗，窗高度為圖像高度，寬度為二倍主血管寬度，其中主血管的寬度約為視盤直徑的15％，而視盤的直徑約為眼底圖像寬度的1/5～1/8，因此這些參數都可以計算得到。如圖3(a)和圖3(b)，讓此矩形窗在兩幅邊緣圖像上沿水平方向滑動，對每一個水平坐標，以此坐標為窗口中心，分別計算窗內像素灰度均值。定義兩值相減的差值為該水平坐標X的邊緣差值D[X]，計算公式如(6)所示，
其中Nx為此矩形窗Wx內的像素總數，V和H為窗內像素值。最終得到如圖3(c)所示邊緣差值曲線，從曲線中可以看出，視盤中心水平坐標處邊緣差值最大，在發生某些視網膜病變如滲出物較多的區域，由於垂直邊緣和水平邊緣像素都較多，都會導致邊緣差值變小。
②：定位視盤垂直坐標。首先以定位出的視盤水平坐標為中心，取一倍視盤直徑寬度，截取垂直邊緣圖像，在此圖像上定義一個同寬度，高度也為一倍視盤直徑的方形窗，對每一個垂直坐標，以此坐標為窗口中心，如圖3(d)，讓此窗口沿垂直方向滑動，統計窗內像素的灰度均值作為血管密集度特徵。然後在圖2(e)上截取同樣大小圖像，並通過直方圖均衡化來增強視盤區域，如圖3(e)，對每一個垂直坐標，計算同樣大小的方形窗內像素灰度方差值作為視盤亮度特徵。定義兩值的乘積為該垂直坐標Y的綜合特徵值K[Y]，計算公式如(7)所示，
其中Ny為此矩形窗口Wy內的像素總數，得到如圖3(f)所示的此綜合特徵值曲線，最大值即對應視盤中心垂直坐標。最終對圖像視盤定位結果如圖4所示。