由于视网膜血管为人体中独有的无创便可察看的深层次微血管循环网络,其直径、血管曲率与分叉角度的改变程度是诊断糖尿病、高血压、心脑血管以及眼科疾病病变程度的重要指标,因此有效的视网膜血管分割方法可以辅助医生对以上病例进行早期诊断与治疗。由于存在许多影响成像因素及受生理结构的限制,直接进行血管分割是较为困难的。因此,分割血管前必须对视网膜图像进行有效地增强以及去除视盘过亮带来的影响,分割血管时也需要对病变部分进行检测和剔除,以获得精确的血管分割结果。针对眼底视网膜图像,根据血管本身的形态结构,本文提出了一种基于多尺度多方向的视网膜图像增强方法。该方法首先获取绿通道图像并分别对此图像进行多尺度Hessian矩阵滤波与多方向二维匹配滤波,然后将两者的结果相融合即选取两者中灰度最大值作为最终的增强结果。在此图像增强基础上,本文提出了一种基于全局阈值与局部阈值的视网膜血管分割方法。该方法分别采用全局阈值二维最大熵与局部阈值移动平均算法对增强图像进行分割以获取视网膜的主血管与细微血管部分,然后对区域连通性进行判断,将视网膜的主血管与细微血管进行结合,提取出完整的血管网络。由于糖尿病视网膜病变图像中存在视盘区域过亮与病变区域,因此,在视盘定位和病变区域检测的基础上提出了一种糖尿病视网膜病变图像的血管分割方法。该方法通过对视网膜图像进行一系列形态学操作,获取精确的病变区域检测结果,然后将其从血管分割结果中进行剔除,并对病变区域内断裂血管根据梯度强度和方向相似的原则进行连接,获取最终的血管分割结果。本文血管分割方法在Drive公共数据库及Stare公共数据库上均进行了实验,并将实验结果与专家手工分割的结果进行对比。大量实验结果表明,本文提出的血管分割方法具有较高的准确性,能够得到较好的血管分割结果。