3.3 程序实现

3.3.1 多尺度结构设计

图像边缘指像素周围的灰度值发生急剧变化的位置集合，是图像的基本特征之一。图像边缘一般存在于目标、背景和区域之间，因此边缘提取是图像分割过程中经常被采用的关键步骤之一。图像边缘根据样式大致可以分为两种：一种是阶跃状边缘，该类边缘两边像素的灰度值明显不同，呈现阶跃样式；另一种是屋顶状边缘，该类边缘处于灰度值由小到大再到小的峰值转折点处，呈现屋顶样式。因此，这里根据多尺度边缘检测的算法流程，编写函数Multi_Process接收图像矩阵、形态学算子、尺度参数，并通过图像形态学变换进行图像边缘的提取，函数代码如下：

3.3.2 多尺度边缘提取

根据前面介绍的相关理论，本实验默认采用5个不同方向的结构元素进行形态学变换。因此，为了方便地进行图像边缘提取，可编写主处理函数Main_Process，通过接收图像矩阵、尺度值来作为输入参数，调用多尺度边缘提取函数Multi_Process和融合权值计算函数Coef进行处理，最后通过调用图像加权融合函数Edge_One得到边缘融合结果并返回。核心代码如下：

3.3.3 多尺度边缘融合

为了进行实验说明，这里编写形态学处理脚本代码，通过加载图像进入主处理函数，计算加权系数进行融合，得到结果并显示。核心代码如下：

运行基于形态学的多尺度边缘提取流程处理，可获取边缘提取结果，如图3-2～图3-3所示。

图3-2 眼前节组织OCT图像

图3-3 眼前节组织边界提取

实验结果表明，基于多尺度形态学对眼前节组织图像进行边缘提取，能平滑原图像的噪声，有效识别上下角膜的边缘位置，避免了误检测、假边缘出现的情况，为眼前节组织图像的进一步处理提供了依据。