【图像提取】基于数学形态学的数字视网膜图像血管提取 (DRIVE) 数据集分割附Matlab代码
✅作者简介：热爱科研的Matlab仿真开发者，擅长毕业设计辅导、数学建模、数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。
🍎 往期回顾关注个人主页：Matlab科研工作室
👇 关注我领取海量matlab电子书和数学建模资料
🍊个人信条：做科研，博学之、审问之、慎思之、明辨之、笃行之，是为：博学慎思，明辨笃行。
🔥 内容介绍
一、引言
视网膜图像中血管的准确提取对于眼科疾病的诊断和研究具有至关重要的意义。许多眼部疾病，如糖尿病视网膜病变、高血压视网膜病变等，都会在视网膜血管的形态、结构和分布上有所体现。数字视网膜图像血管提取（DRIVE）数据集为研究视网膜血管分割提供了标准测试平台。数学形态学作为一种基于形状的图像处理方法，能够有效处理图像的结构特征，在视网膜图像血管提取中展现出独特的优势。
二、数学形态学基础
- 基本运算
：数学形态学主要包括腐蚀、膨胀、开运算和闭运算等基本运算。
- 腐蚀
：腐蚀是一种消除边界点，使目标缩小的运算。对于二值图像，它通过将结构元素在图像上移动，若结构元素完全包含在图像的目标区域内，则保留该位置的像素，否则将其置为背景像素。其作用是去除图像中较小的噪声点和毛刺，使物体的边界向内部收缩。数学表达式为：
- 腐蚀
- 结构元素选择
：结构元素是数学形态学运算的核心，其形状、大小和方向会影响运算结果。在视网膜图像血管提取中，常用的结构元素形状有圆形、方形、线形等。例如，圆形结构元素在处理各向同性的特征时较为有效，而线形结构元素对于提取血管这种具有方向性的结构更为合适。结构元素的大小需根据血管的粗细和图像分辨率进行调整，一般来说，较小的结构元素用于提取细节信息，较大的结构元素用于处理整体形态。
三、DRIVE 数据集介绍
- 数据集构成
：DRIVE 数据集包含 40 幅视网膜彩色图像，其中 20 幅用于训练，20 幅用于测试。这些图像均采集自患有轻度糖尿病视网膜病变的患者以及健康个体。每幅图像的分辨率为 565×584 像素，同时提供了对应的手动标注的血管分割真值图像，为算法的评估提供了标准参考。
- 数据特点
：DRIVE 数据集中的视网膜图像存在多种干扰因素，如背景不均匀、光照变化、血管与背景对比度低等，这给血管提取带来了挑战。此外，视网膜血管具有复杂的分支结构和不同的粗细变化，需要分割算法能够准确捕捉这些特征。
四、基于数学形态学的 DRIVE 数据集分割方法
- 图像预处理
：由于 DRIVE 数据集中图像存在光照不均等问题，首先对图像进行灰度化处理，将彩色图像转换为灰度图像，简化后续处理。然后采用高斯滤波对灰度图像进行平滑处理，去除噪声，同时保留图像的边缘信息。高斯滤波的核大小根据图像的噪声水平进行选择，一般选择 3×3 或 5×5 的高斯核。
- 基于数学形态学的血管增强
：利用数学形态学的顶帽变换（Top - Hat）和黑帽变换（Black - Hat）来增强血管与背景的对比度。顶帽变换是用原图像减去其开运算结果，能够突出图像中比结构元素小的明亮细节，在视网膜图像中可增强血管的亮度。黑帽变换是用闭运算结果减去原图像，能够突出图像中比结构元素小的暗细节，可进一步增强血管与背景的对比度。通过这两种变换，使得血管在图像中更加明显。
- 二值化处理
：经过增强后的图像，采用 Otsu 方法进行自动阈值分割，将图像转换为二值图像，初步区分血管和背景。Otsu 方法通过最大化类间方差来确定最佳阈值，能够在一定程度上适应不同图像的灰度分布。
- 形态学细化与后处理
：对二值图像进行形态学细化操作，将血管的宽度细化为单像素，以更准确地提取血管的骨架结构。细化过程中，通过多次迭代腐蚀和条件保留操作，逐步去除血管边缘的像素，直到血管宽度为单像素。之后，采用形态学闭运算对细化后的图像进行后处理，填补可能出现的小空洞，连接断开的血管片段，使血管结构更加完整。
⛳️ 运行结果
📣 部分代码
function [J] = vessel_extractor(I,the_mask)
I = I(:,:,2) .* the_mask;
%--------------------------------------only using G plane.
%---------------------------------------------layer1: adaptive thesholding with 0.67
T = adaptthresh(I,0.67,"ForegroundPolarity","bright","NeighborhoodSize",[15 15]);
T = ~(imbinarize(I,T)) & the_mask; %using the mask and adaptive tresholding result
T = lose_borders(T,the_mask); % some times the mask is not enough!
%---------------------------------------------determining the length of
%strel which is adaptive based on number of 1's in picture.
%then we'll use 8 lines with different angles for opening operation
%for the strel and we'll OR
%the results.
numb = 8;
leng = what_length(sum(sum(T)));
answer = zeros(size(T,1),size(T,2),'logical');
for i = 1:numb
SE = strel("line",leng,floor((i-1)*(180/numb)));
temp_T = imopen(T, SE);
answer = (answer | temp_T);
end
%----------------------------------at the end to make the lines thicker a
%simple dilatoin will be used.
SE = strel("disk",1);
answer = imdilate(answer,SE);
J = answer;
%--------------------------Done
en
🔗 参考文献
[1]徐国雄,张骁,胡进贤,等.基于阈值分割和轮廓提取的图像边缘检测算法[J].计算机技术与发展, 2015, 25(12):5.DOI:10.3969/j.issn.1673-629X.2015.12.015.
🍅更多创新智能优化算法模型和应用场景可扫描关注
🌟机器学习/深度学习类：BP、SVM、RVM、DBN、LSSVM、ELM、KELM、HKELM、DELM、RELM、DHKELM、RF、SAE、LSTM、BiLSTM、GRU、BiGRU、PNN、CNN、XGBoost、LightGBM、TCN、BiTCN、ESN、Transformer、模糊小波神经网络、宽度学习等等均可~
方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断
🌟组合预测类：CNN/TCN/BiTCN/DBN/Transformer/Adaboost结合SVM、RVM、ELM、LSTM、BiLSTM、GRU、BiGRU、Attention机制类等均可（可任意搭配非常新颖）~
🌟分解类：EMD、EEMD、VMD、REMD、FEEMD、TVFEMD、CEEMDAN、ICEEMDAN、SVMD、FMD、JMD等分解模型均可~
🌟路径规划类：旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划（EVRP）、 双层车辆路径规划（2E-VRP）、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻、公交车时间调度、水库调度优化、多式联运优化等等~
🌟小众优化类：生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划（2E-VRP）、充电车辆路径规划（EVRP）、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位、冷链、时间窗、多车场等、选址优化、港口岸桥调度优化、交通阻抗、重分配、停机位分配、机场航班调度、通信上传下载分配优化、微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电、电/冷/热负荷预测、电力设备故障诊断、电池管理系统（BMS）SOC/SOH估算（粒子滤波/卡尔曼滤波）、 多目标优化在电力系统调度中的应用、光伏MPPT控制算法改进（扰动观察法/电导增量法）、电动汽车充放电优化、微电网日前日内优化、储能优化、家庭用电优化、供应链优化\智能电网分布式能源经济优化调度，虚拟电厂，能源消纳，风光出力，控制策略，多目标优化，博弈能源调度，鲁棒优化等等均可~
🌟 无人机应用方面：无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划
🌟通信方面：传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化、水声通信、通信上传下载分配
🌟信号处理方面：信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测
🌟电力系统方面： 微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电、电/冷/热负荷预测、电力设备故障诊断、电池管理系统（BMS）SOC/SOH估算（粒子滤波/卡尔曼滤波）、 多目标优化在电力系统调度中的应用、光伏MPPT控制算法改进（扰动观察法/电导增量法）、电动汽车充放电优化、微电网日前日内优化、储能优化、家庭用电优化、供应链优化\智能电网分布式能源经济优化调度，虚拟电厂，能源消纳，风光出力，控制策略，多目标优化，博弈能源调度，鲁棒优化
🌟原创改进优化算法（适合需要创新的同学）：原创改进2025年的波动光学优化算法WOO以及三国优化算法TKOA、白鲸优化算法BWO等任意优化算法均可，保证测试函数效果，一般可直接核心
告诫读者和自己第一，科学态度。历史学是一门科学，要学会做历史研究，就得有科学态度。科学态度不是与生俱来的，必须认真培养，关键是培养我们在研究中认真负责一丝不苟的精神。第二，献身精神。从事历史研究，就像从事其他任何科学研究一样，要有一种为科学研究而献身的精神，要热爱我们的研究事业，要有潜心从事这项工作的意志。没有献身精神，当然做不好科研工作。只想拿一个学位，那是很难学好做研究的。要拿学位，这一点可以理解，但我们读书，是为了自己获得真才实学。有了真才实学将来不论做什么工作，都是有用的。当然学位也是要的，但关键的是学问而不是学位。第三，查阅收集学术信息、资料的能力。青年学生要从事学术研究，就要培养能熟练地掌握查阅搜集学术信息、资料的能力。例如学习与研究英帝国史，就得了解国内外有关这个专业的基本情况，了解有关资料情况。像你们在北京地区学习，至少要大致了解北京地区有关英帝国史的中英文资料，熟悉与专业密切相关的主要图书馆，了解馆藏情况。这就需要经常去图书馆。我们这个专业不需要到田间考察，到工厂调研，但要去图书馆，去图书馆就是我们的调查研究。熟悉有关图书馆的情况是我们学习的一部分。今天，网络飞速发展，掌握网上查阅信息的技巧是非常必要的。第四，处理资料的能力。搜集的资料会越来越多，怎样安排它们也是一门学问。各学科各个研究人员的方式可能会有所不同，但总的原则是要有条理，便于记忆，便于查阅。第五，对资料的鉴别意识与鉴别能力。我们在使用研究资料时不能拿着就用，要有意识鉴别一下，材料是否可靠，什么样的材料更有价值。读书时，也不是拿着什么书就通读到底。有的书翻一翻即可，有的书则需认真读。区别哪些书翻一翻即可，哪些书得认真读，也不是一件容易的事，青年学生不是一下子就能做到这一点的，需逐渐培养这种能力。还有一点就是要学会使用计算机，能比较熟练地进行文字处理。