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)膜圖像增強的方法。

背景技術(shù)：

在醫(yī)學上，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，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、血管分布復雜密集，不利于醫(yī)生對患者病情的診斷?，F(xiàn)醫(yī)學上普遍使用的眼底照相機，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、血管等進行診斷前，用數(shù)字圖像技術(shù)對視網(wǎng)膜圖像進行增強，提高圖像質(zhì)量是必不可少的步驟。

目前在圖像增強處理領(lǐng)域，現(xiàn)有的方法都是在空域或頻域基礎(chǔ)上實施的,視網(wǎng)膜圖像相較于普通圖像在細節(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直方圖均衡化[5]的方法對視網(wǎng)膜圖像進行處理，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等提出的增強方法是在血管方向使用中值濾波進行的，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矩陣應用到血管檢測上，運用線狀濾波函數(shù)來處理圖片，對血管的增強很有用，但不利于周圍病灶的增強。

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

技術(shù)實現(xiàn)要素：

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

一方面，提供了一種視網(wǎng)膜圖像增強的方法，包括：

對視網(wǎng)膜圖像進行雙樹復數(shù)小波分解，得到6個高頻部分圖像和2個低頻部分圖像；

對分解得到的低頻部分圖像進行形態(tài)學運算，得到增強的低頻部分圖像；

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

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

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

可選地，所述對分解得到的低頻部分圖像進行形態(tài)學運算，得到增強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)學變換的原始灰度圖像；

對所述原始灰度圖像進行形態(tài)學運算，得到增強的低頻部分圖像。

可選地，所述對所述原始灰度圖像進行形態(tài)學運算，得到增強的低頻部分圖像的具體步驟為：

對原始灰度圖像f進行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、閉運算結(jié)果，即f·b，它們的定義分別為：

其中，

為形態(tài)學的膨脹操作，fθb為腐蝕操作；由上述式(14)、(15)可知，開、閉運算是建立在膨脹、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節(jié)和整體灰度級不發(fā)生變化；

視網(wǎng)膜圖像的增強處理主要是為了對血管網(wǎng)絡(luò)的清晰度進行增強，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行變換；在n個方向進行白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top-hat變換的視網(wǎng)膜圖像強可表示為：

fen＝f+fw-fb(20)

式中，fen為經(jīng)top-hat變換增強的低頻部分圖像，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，當對分解得到的高頻部分圖像的細節(jié)部分進行去噪處理時，采用自適應閾值處理方法。

本發(fā)明實施例提供的技術(shù)方案帶來的有益效果是：

本發(fā)明提出的增強方法，在研究圖像特征的基礎(chǔ)上，綜合了雙樹復小波和top-hat變換的優(yōu)點，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，尤其是視盤區(qū)域的血管較清晰。

采用雙樹復數(shù)小波變換對視網(wǎng)膜圖像進行多尺度分解，用形態(tài)學top-hat變換來增強分解后的低頻部分圖像，最后綜和處理后的高、低頻部分進行雙樹復小波逆變換得到最終的增強圖像。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，并且對細小血管也有很好的增強效果。

附圖說明

為了更清楚地說明本發(fā)明實施例中的技術(shù)方案，下面將對實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)明實施例的一種視網(wǎng)膜圖像增強的方法流程圖；

圖2是本發(fā)明實施例的二維雙樹復數(shù)小波變換示意圖。

具體實施方式

為使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合附圖對本發(fā)明實施方式作進一步地詳細描述。

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

s100：對視網(wǎng)膜圖像進行雙樹復數(shù)小波分解，得到6個高頻部分圖像和2個低頻部分圖像。

具體地，當對視網(wǎng)膜圖像進行雙樹復數(shù)小波分解時，在分解的同時，對所述低頻部分圖像進行了去噪處理。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，會對圖像細節(jié)的觀測造成困擾，因此，對圖像進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，對低頻部分圖像進行了去噪，所以只需對高頻部分圖像進行單獨去噪處理。

s200：對分解得到的低頻部分圖像進行形態(tài)學運算，得到增強的低頻部分圖像。

具體地，所述對分解得到的低頻部分圖像進行形態(tài)學運算，得到增強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)學變換的原始灰度圖像；

對所述原始灰度圖像進行形態(tài)學運算，得到增強的低頻部分圖像。

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

具體地，當對分解得到的高頻部分圖像的細節(jié)部分進行去噪處理時，本發(fā)明采用自適應閾值處理方法。

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

本實施例中，雙樹復小波變換(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，計算量小等特點。

具體地，雙樹復小波變換(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，計算量小等特點。

本實施例中，提供了dt-cwt的原理：雙樹復小波是在復數(shù)小波基礎(chǔ)上得來的，即在復數(shù)小波變換一個濾波器的基礎(chǔ)上又加入了一個濾波器，使復數(shù)小波變換在兩個濾波器上同時進行，可得：

ψ(t)＝ψh(t)+iψg(t)(1)

式中，ψh(t)和iψg(t)分別為實數(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條件，第一它們需構(gòu)成hilbert變換對^[15]，即兩信號幅度值不變，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，相應的小波基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、低兩個濾波器對，↓2表示隔點采樣。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)閷崝?shù)濾波器。

樹a中的濾波器對h0a(n)對應的實值尺度函數(shù)為：

h1a(n)對應的小波函數(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，每一級二維雙樹復小波變換都分解出8個部分a(j+1,1)、a(j+1,2)、d(j+1,m)(m≤6),高頻、低頻個數(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個高頻細節(jié)部分對應圖像中的6個不同方向(±15°、±45°、±75°)的信息，多了3個可選擇的方向。因此，在分解與重構(gòu)方面效果更好，有利于細節(jié)信息的保留。

本實施例中，提供了基于雙樹復小波和top-hat變換相結(jié)合的視網(wǎng)膜圖像增強方法，具體地，圖像的增強處理，除了在視覺感應質(zhì)量上有所提高以外，在細節(jié)，邊緣上的增強同樣重要。而視網(wǎng)膜圖像的增強是為了突出血管、視盤和病灶等主要因素，以便于醫(yī)生的進一步研究。

在提取目標形狀特征的時候，為了不造成邊緣等細節(jié)的偏移，要謹慎選擇相應的濾波器，形態(tài)學濾波器在此方面有很好的效果。因此，增強處理采用此濾波器。

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

通常情況下，一幅圖像的亮度不一樣，形態(tài)學top-hat變換就是針對亮度情況進行處理的一種算法，把圖像的亮、暗區(qū)域進行區(qū)分，再分別進行處理綜合，在細節(jié)的檢測上效果明顯。對原始灰度圖像f進行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、閉運算結(jié)果，即f·b，它們的定義分別為：

其中，

為形態(tài)學的膨脹操作，fθb為腐蝕操作；由上述式(14)、(15)可知，開、閉運算是建立在膨脹、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節(jié)和整體灰度級不發(fā)生變化；

視網(wǎng)膜圖像的增強處理主要是為了對血管網(wǎng)絡(luò)的清晰度進行增強，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行變換；在n個方向進行白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top-hat變換的視網(wǎng)膜圖像強可表示為：

fen＝f+fw-fb(20)

式中，fen為經(jīng)top-hat變換增強的低頻部分圖像，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)細節(jié)，增強血管清晰度。白top-hat變化則相反，它以有效地增強圖像中亮區(qū)細節(jié)，弱化暗區(qū)細節(jié)。最終增強結(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，尤其是視盤區(qū)域的血管較清晰。

本發(fā)明實施例提供的技術(shù)方案帶來的有益效果是：

本發(fā)明提出的增強方法，在研究圖像特征的基礎(chǔ)上，綜合了雙樹復小波和top-hat變換的優(yōu)點，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，尤其是視盤區(qū)域的血管較清晰。

采用雙樹復數(shù)小波變換對視網(wǎng)膜圖像進行多尺度分解，用形態(tài)學top-hat變換來增強分解后的低頻部分圖像，最后綜和處理后的高、低頻部分進行雙樹復小波逆變換得到最終的增強圖像。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，并且對細小血管也有很好的增強效果。

以上僅為本發(fā)明的較佳實施例，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、改進等，均應包含在本發(fā)明的保護范圍之內(nèi)。