JP2018114031A - 眼底画像処理装置 - Google Patents

Abstract

【課題】 眼底画像に対して動脈と静脈を識別する処理を実行し、動脈と静脈が識別された画像を用いて動静脈径比の判定を行う眼底画像処理装置を提供する。【解決手段】 抽出した血管領域の各画素に対して、カラー眼底画像のＲＧＢ値をＬ階調の色相値に変換し、色相変換画像を得る色相変換手段（２０，３０，４０）と、色相変換画像の色相値に基づき、動脈・静脈の属性が付与された動静脈識別画像を得る動静脈識別画像生成手段６０と、動静脈識別画像に対して計測範囲を設定する計測範囲設定手段７２と、計測範囲内の動静脈識別画像の画素値に基づき、各計測範囲に動脈・静脈の属性を付与する属性付与手段７４と、カラー眼底画像に対して各計測範囲の血流に相当する範囲を血流範囲として特定する血流範囲特定手段７６と、動脈の計測範囲で特定された血流範囲と、静脈の計測範囲で特定された血流範囲とに基づき動静脈径比を算出する動静脈径比算出手段６５を備える。【選択図】 図２

Description

本発明は、眼底画像の処理技術に関し、特に、眼底画像を用いて動静脈径比を得るための技術に関する。

生活習慣病として代表的な高血圧・脂質異常症・糖尿病・動脈硬化など、いわゆるメタボリックシンドロームにおいて、血圧・脂質・血糖は簡便に計測でき自己検診も可能である。しかし、動脈硬化の計測（通称：血管年齢検査）については、現状ではPWV検査（脈波伝播速度）、ABI検査（足関節上腕血圧比）、頚動脈エコー検査など、検査設備を備えた循環器専門のクリニックでないと計測ができない。

これに対して、眼科クリニックが保有する眼底カメラを用いて眼底血管口径を計測することにより、高血圧や動脈硬化を簡便に計測する手法も知られている。眼底は人体の中で唯一血管を直接観察できる箇所であり、眼底動脈の硬化が全身の動脈と同様に進行すると仮定すれば、眼底写真の撮影により動脈硬化の計測が可能になる。眼底カメラは小型化・低価格化が進み、海外では既にスマートフォンでも撮影できる特殊なレンズが販売されており、眼底写真の自己撮影のインフラも整いつつある。

眼底写真を用いた高血圧や動脈硬化の計測手法として、Scheie分類が提案されており、動静脈径比、動静脈交叉部の静脈径比、動脈の血柱反射比の３者が主要な計測項目であり、これらに対応した計測支援手法も提案されている（特許文献１参照）。また、動静脈径比の計測を完全自動で行う手法も提案されている（特許文献２参照）。

特開２００７−３１９４０３号公報 特開平１０−２４３９２４号公報

特許文献１に記載の技術では、血管幅の計測について、ユーザにより円形で指示された中心から、隣接画素との画素値の差が大きい箇所を境界とみなし、最近傍の境界点までの距離をもとに、血管の半径を算出している。しかし、眼底の病態により血管境界がぼけている場合、境界点を特定できず、血管幅が小さ目に計測される問題がある。特許文献２に記載の技術では、動脈と静脈では輝度に差があり（背景に比べ双方とも輝度が低いが、静脈は動脈より顕著に低い）、同一のしきい値で二値化して血管抽出すると、動脈幅は小さ目に静脈幅は大き目になる。そのため、動静脈径比が正しく計測できない。また、動静脈判別を自動で行う手法を提案し、誤判定箇所を血管の連続性により自動修正する機能も提案されているが、血管の分岐箇所では連続性の判定も誤る可能性がある。

上記のような問題により、現状では眼科医が眼底写真の上にゲージを当てて目視で計測する手法が一般的である。そのため、動静脈径比は１／２、１／３といった大まかな数値になり、進行度を定量的に比較できないという問題がある。一方、読み取り精度を上げても、計測者の主観によるバラツキ、計測箇所によるバラツキが多くなり、多くの計測箇所をサンプリングする必要があるが、眼科医の作業負荷が大きく現実的ではない。

そこで、本発明は、与えられた眼底画像に対して動脈と静脈を識別する処理を実行し、動脈と静脈の識別が行われた画像を用いて動静脈径比の判定を行うことが可能な眼底画像処理装置を提供することを課題とする。

上記課題を解決するため、本発明第１の態様では、
カラー眼底画像に対して血管領域を抽出し、前記血管領域の各画素に対して、前記カラー眼底画像の対応する画素を参照してＲＧＢ値を取得し、取得したＲＧＢ値をＬ階調（Ｌは正の整数）の色相値に変換し、画素値がＬ階調の色相値に変換された色相変換画像を得る色相変換手段と、
前記色相変換画像の各画素の色相値に基づいて、動脈または静脈の属性が付与された動静脈識別画像を得る動静脈識別画像生成手段と、
前記動静脈識別画像に対して、血流を含む範囲を、少なくとも２箇所、計測範囲として設定する計測範囲設定手段と、
前記計測範囲に含まれる動静脈識別画像の画素値に基づいて、前記各計測範囲に対して動脈または静脈の属性を付与する属性付与手段と、
前記カラー眼底画像に対して前記各計測範囲に含まれる血流に相当する範囲を血流範囲として特定する血流範囲特定手段と、
動脈の属性が付与された計測範囲において特定された血流範囲と、静脈の属性が付与された計測範囲において特定された血流範囲とに基づいて動静脈径比を算出する動静脈径比算出手段と、
を備えることを特徴とする眼底画像処理装置を提供する。

また、本発明第２の態様では、
前記計測範囲設定手段は、外形が台形である計測用図形を表示し、外部からの指示に基づき、動静脈識別画像に重ねて配置された前記計測用図形の位置及び形状を修正し、当該計測用図形の平行な２辺がそれぞれ表示された血流をまたぐように設定する手段を更に有し、
前記血流範囲特定手段は、前記計測用図形の平行な２辺に基づいて血流範囲の２端点を各々特定し、特定された血領範囲の４端点を４頂点とする外形が台形形状の図形を前記計測用図形に代えて前記カラー眼底画像に重ねて表示することを特徴とする眼底画像処理装置を提供する。

また、本発明第３の態様では、
カラー眼底画像に対して血管領域を抽出し、前記血管領域の各画素に対して、前記カラー眼底画像の対応する画素を参照してＲＧＢ値を取得し、取得したＲＧＢ値をＬ階調（Ｌは正の整数）の色相値に変換し、画素値がＬ階調の色相値に変換された色相変換画像を得る色相変換手段と、
前記色相変換画像の各画素の色相値に基づいて、動脈または静脈の属性が付与された動静脈識別画像を得る動静脈識別画像生成手段と、
前記動静脈識別画像に対して、動脈、静脈それぞれ１本以上を含む範囲を計測範囲として設定する計測範囲設定手段と、
前記計測範囲に含まれる動静脈識別画像の動脈の属性をもつ画素数の総和と、動脈と静脈の属性をもつ画素数の総和との比率に基づいて、動静脈径比を算出する動静脈径比算出手段と、
を備えることを特徴とする眼底画像処理装置を提供する。

また、本発明第４の態様では、
前記カラー眼底画像に対して所定の大きさの画素ブロックの輝度値の平均値が最大となる位置を視神経乳頭部の基準点として探索する視神経乳頭探索手段を更に有し、
前記計測範囲設定手段は、前記探索された視神経乳頭部の基準点より所定の距離だけ下方の位置に所定の大きさの矩形領域を前記計測範囲として設定するようにしていることを特徴とする眼底画像処理装置を提供する。

また、本発明第５の態様では、
前記色相変換手段は、前記カラー眼底画像に対して血管領域を強調し、血管領域である確率が高いほど高い輝度値が設定されたグレースケールの血管強調画像を得る血管領域強調手段を更に有し、
前記血管強調画像の中で所定の値以上の画素値をもつ画素を血管領域の画素として抽出するようにし、
前記動静脈識別画像生成手段は、前記色相変換画像の前記血管領域に対応する画素を基に、Ｌ階調のヒストグラムを算出し、算出されたヒストグラムを用いて判別分析法により二値化のしきい値を算出するしきい値算出手段を更に有し、
前記色相変換画像の前記血管領域に対応する各画素のＬ階調の色相値と前記しきい値との比較結果に基づいて、動脈または静脈の属性が付与された前記動静脈識別画像を得るようにしていることを特徴とする眼底画像処理装置を提供する。

また、本発明第６の態様では、
前記色相変換手段は、
前記血管強調画像の中で所定の値以上の値をもつ画素を血管領域の画素として抽出し、前記血管領域の各画素に対して、前記カラー眼底画像の対応する画素を参照してＲＧＢ値を取得し、取得したＲＧＢ値をＫ（ＫはＬより大きい整数）階調の色相値に変換し、画素値がＫ階調の色相値に変換された多階調色相変換画像を得る多階調色相変換手段と、
前記Ｋ階調の範囲内に、ｃｍｉｎ（ｃｍｉｎは正の整数）からｃｍａｘ（ｃｍａｘはｃｍｉｎより大きくＫ−１より小さい）の範囲の中央階調領域を定義する中央階調領域定義手段と、
前記多階調色相変換画像に対して、ｃｍｉｎ以下を０、ｃｍａｘ以上をＬ−１に飽和させ、ｃｍｉｎからｃｍａｘまでを０からＬ−１の値をとるＬ階調の前記色相変換画像に変換する低階調化手段と、
を更に有することを特徴とする。

また、本発明第７の態様では、前記多階調色相変換手段は、前記血管領域の全ての画素に対して、前記取得したＲＧＢ値を実数の色相値に変換した後、最小の実数の色相値を０、最大の実数の色相値をＫ−１に変換するようにＫ階調の整数の色相値に変換することを特徴とする。

また、本発明第８の態様では、前記中央階調領域定義手段は、前記多階調色相変換画像の前記血管領域に対応する画素をもとに、算出された高精度ヒストグラムにおいて、前記血管領域に対応する画素の総数をＣｔ、中央値をｈｃとして、中央値ｈｃの両側それぞれにＣｔ／４の画素が含まれる範囲を前記中央階調領域として定義することを特徴とする。

また、本発明第９の態様では、
前記血管領域強調手段は、
前記カラー眼底画像が有する色成分のうち少なくとも１つの色成分に基づいてグレースケール眼底画像を得るグレースケール変換手段と、
前記グレースケール眼底画像の各画素に対して、所定の範囲に含まれる近傍画素の画素値の平均値を算出し、当該画素の画素値に所定の値から前記平均値を減算した値を加算することにより、平坦化画像を作成する画像平坦化手段と、
前記平坦化画像に対して、所定の構造要素を用いてオープニング処理を行い血管候補領域の輝度を一定以上に揃えた線状成分強調画像を作成する線状成分強調手段と、
前記線状成分強調画像において、所定の条件を満たさない画素値を、変換後の血管強調画像の階調の最小値になるように置き換え、前記所定の条件を満たす画素値が、階調の最小値付近の値から最大値の範囲になるように画素の階調を補正し、血管強調画像を作成する画素階調変換手段と、
を有することを特徴とする。

また、本発明第１０の態様では、前記色相変換手段は、前記血管強調画像が２５６階調の画素値をもつとき、１２８以上の画素値をもつ画素を血管領域の画素として抽出することを特徴とする。

また、本発明第１１の態様では、前記多階調色相変換手段は、前記取得したＲＧＢ値をＫ階調の色相値に変換する際、Ｒ、Ｇ、Ｂに対応する値をｒ、ｇ、ｂとし、αを所定の実数値とし、ｈ＝（ｇ−ｂ）α／（２ｒ−ｇ−ｂ）を用い、２ｒ−ｇ−ｂ＝０の場合ｈ＝０とし、２ｒ−ｇ−ｂ＜０の場合、通常眼ではｈ＝０とし、白内障眼では、ｈ＝（ｇ−ｂ）α／（２ｒ−ｇ−ｂ）として、得られたｈの値に基づいて、変換を行うことを特徴とする。

また、本発明第１２の態様では、前記しきい値算出手段は、前記Ｌ階調を２５６階調とし、算出されたヒストグラムの階調１から階調２５４の範囲を用いて判別分析法の処理を実行し、前記しきい値を算出することを特徴とする。

また、本発明第１３の態様では、前記動静脈識別画像生成手段は、前記Ｌ階調を２５６階調とし、前記しきい値をＳａｖとすると、前記色相変換画像の前記血管領域に対応する各画素の色相値Ｈｕｅに対して、（Ｈｕｅ−Ｓａｖ）×２なる演算を行って−２５５から２５５の範囲の画素値に変換し、前記血管領域に対応しない各画素に対して画素値０を設定し、画素値が正の場合は動脈の属性が付与された画素、画素値が負の場合は静脈の属性が付与された画素、画素値が０の場合は、前記血管領域に含まれない画素になるように、前記動静脈識別画像を生成することを特徴とする。

また、本発明第１４の態様では、
前記動静脈識別画像生成手段により生成された動静脈識別画像に対して、画素値が（最大値−１）から１の値をもつ画素を補正対象画素として順次探索し、
探索された各補正対象画素の画素値の絶対値をＺＴとし、前記補正対象画素の８近傍画素の中で画素値の絶対値の最大値をＺＭ、前記８近傍画素の中で動脈の属性をもつ画素の画素値の絶対値の総和をＣｐ、前記８近傍画素の中で静脈の属性をもつ画素の画素値の絶対値の総和をＣｎとすると、ＺＭ＞ＺＴであり、
最大値ＺＭをもつ画素の属性が動脈でＣｐ＞Ｃｎを満たす、または最大値ＺＭをもつ画素の属性が静脈でＣｐ＜Ｃｎを満たす場合、前記補正対象画素の属性を最大値ＺＭをもつ画素の属性に置換し、前記補正対象画素の画素値の絶対値をＺＭに置換するように、前記探索された全ての補正対象画素に対して順次補正するようにしている動静脈識別画像補正手段を更に有することを特徴とする。

また、本発明第１５の態様では、
前記動静脈識別画像生成手段により生成された動静脈識別画像より、（２Ｎ＋１）×（２Ｎ＋１）画素（Ｎ≧１）の画素ブロックを順次抽出し、前記画素ブロックの中で、動脈の属性をもつ画素数の総和をＣｐａ、前記画素ブロックの中で、静脈の属性をもつ画素数の総和をＣｎａとすると、
Ｃｐａ＞Ｃｎａの場合、前記画素ブロックの中の全ての画素の属性を動脈に設定し、Ｃｐａ＜Ｃｎａの場合、前記画素ブロックの中の全ての画素の属性を静脈に設定するように補正する動静脈識別画像補正手段を更に有することを特徴とする。

また、本発明第１６の態様では、コンピュータを、前記眼底画像処理装置として機能させるためのプログラムを提供する。

本発明によれば、動静脈径比の判定を行い易くするための画像を得ることが可能となる。

本発明の一実施形態に係る眼底画像処理装置１００のハードウェア構成図である。 本発明の一実施形態に係る眼底画像処理装置の構成を示す機能ブロック図である。 本発明の一実施形態に係る眼底画像処理装置の処理概要を示すフローチャートである。 フルカラー眼底画像と血管強調画像の一例を示す図である。 Ｋ＝２０４８としたときの、２０４８階調色相ヒストグラムを示す図である。 図５のヒストグラムを基に抽出された中央階調領域を示す図である。 Ｌ＝２５６としたときの、Ｌ階調変換画像Ｈｕｅ（ｘ，ｙ）の一例を示す図である。 Ｌ＝２５６としたときの、２５６階調色相ヒストグラムを示す図である。 第１の手法による動静脈識別画像Ｈｕｅｓ（ｘ，ｙ）の補正の一例を示す図である。 第２の手法による動静脈識別画像Ｈｕｅｓ（ｘ，ｙ）の補正の一例を示す図である。 動静脈判定結果画像ＡＶｓｅｐの表示例を示す図である。 第１の手法による補正後の動静脈判定結果画像ＡＶｓｅｐの表示例を示す図である。 第１の手法および第２の手法による補正後の動静脈判定結果画像ＡＶｓｅｐの表示例を示す図である。 血管領域強調手段１０の詳細を示す機能ブロック図である。 血管領域強調手段１０によるステップＳ１００の血管領域強調処理の詳細を示すフローチャートである。 グレースケール眼底画像上の画素（ｘ，ｙ）と平均値Ｍｅａｎ（ｘ，ｙ）を算出するための近傍画素との関係を示す図である。 ステップＳ１３０の線状成分強調処理の詳細を示すフローチャートである。 オープニング処理で用いる線形構造要素の一例を示す図である。 オープニング処理で用いる円形構造要素の一例を示す図である。 方向ｄ＝１の場合の線形構造要素の具体的な画素値を示す図である。 方向ｄ＝２の場合の線形構造要素の具体的な画素値を示す図である。 図４に対応する白内障眼のフルカラー眼底画像と血管強調画像の別の一例を示す図である。 図２２に示す症例に対する動静脈判定結果画像ＡＶｓｅｐの表示例を示す図である。 図２３に示す症例に対する第１に手法および第２の手法による補正後の動静脈判定結果画像ＡＶｓｅｐの表示例を示す図である。 図３におけるＳ７００「動静脈径比を算出」の第１の実施形態に係る処理詳細を示すフローチャートである。 図３におけるＳ７００「動静脈径比を算出」の第２の実施形態に係る処理詳細を示すフローチャートである。 図３におけるＳ７００「動静脈径比を算出」の第３の実施形態に係る処理詳細を示すフローチャートである。 図４に示す通常眼のフルカラー眼底画像に対して第１の実施形態に基づき動静脈径比を算出した例を示す図である。 図２２に示す白内障眼のフルカラー眼底画像に対して第１の実施形態に基づき動静脈径比を算出した例を示す図である。 図４に示す通常眼のフルカラー眼底画像に対して第２の実施形態に基づき動静脈径比を算出した例を示す図である。 図２２に示す白内障眼のフルカラー眼底画像に対して第３の実施形態に基づき動静脈径比を算出した例を示す図である。

以下、本発明の好適な実施形態について図面を参照して詳細に説明する。
＜１．装置構成＞
図１は、本発明の一実施形態に係る眼底画像処理装置のハードウェア構成図である。本実施形態に係る眼底画像処理装置１００は、汎用のコンピュータで実現することができ、図１に示すように、ＣＰＵ（Central Processing Unit）１と、コンピュータのメインメモリであるＲＡＭ（Random Access Memory）２と、ＣＰＵ１が実行するプログラムやデータを記憶するためのハードディスク、フラッシュメモリ等の大容量の記憶装置３と、キーボード、マウス等の指示入力Ｉ／Ｆ（インターフェース）４と、データ記憶媒体等の外部装置とデータ通信するためのデータ入出力Ｉ／Ｆ（インターフェース）５と、液晶ディスプレイ等の表示デバイスである表示部６と、を備え、互いにバスを介して接続されている。

図２は、本実施形態に係る眼底画像処理装置の構成を示す機能ブロック図である。図２において、１０は血管領域強調手段、２０は多階調色相変換手段、３０は中央階調領域定義手段、４０は低階調化手段、５０はしきい値算出手段、６０は動静脈識別画像生成手段、６５は動静脈径比算出手段、６７は動静脈識別画像補正手段、７０は眼底画像記憶手段、８０は動静脈識別画像記憶手段である。多階調色相変換手段２０、中央階調領域定義手段３０、低階調化手段４０は、まとめて色相変換手段として機能する。

血管領域強調手段１０は、カラー眼底画像に対して血管領域を強調し、血管領域である確率が高い画素ほど高い値が設定されたグレースケールの血管強調画像を得る。多階調色相変換手段２０は、血管強調画像の中で所定の値以上の値をもつ画素を血管領域の画素として抽出し、血管領域の各画素に対して、カラー眼底画像の対応する画素を参照してＲＧＢ値を取得し、取得したＲＧＢ値をＫ（＞Ｌ）階調（Ｋ，Ｌは共に正の整数）の色相値に変換し、画素値がＫ階調の色相値に変換された多階調色相変換画像を得る。中央階調領域定義手段３０は、Ｋ階調の範囲内に、ｃｍｉｎ（＞０）からｃｍａｘ（＜Ｋ−１）の範囲の中央階調領域を定義する。低階調化手段４０は、多階調色相変換画像に対して、ｃｍｉｎ以下を０、ｃｍａｘ以上をＬ−１に飽和させ、ｃｍｉｎからｃｍａｘまでを０からＬ−１の値をとるＬ階調の色相変換画像に変換する。しきい値算出手段５０は、色相変換画像の血管領域に対応する画素を基に、Ｌ階調のヒストグラムを算出し、算出されたヒストグラムを用いて判別分析法により二値化のしきい値を算出する。動静脈識別画像生成手段６０は、色相変換画像の血管領域に対応する各画素のＬ階調の色相値としきい値との比較結果に基づいて、動脈または静脈の属性が付与された動静脈識別画像を得る。

動静脈識別画像補正手段６７は、動静脈識別画像に対して補正を行う。計測範囲設定手段７２は、動静脈識別画像に対して、血管を含む範囲を計測範囲として設定する。属性付与手段７４は、計測範囲に含まれる動静脈識別画像の画素値に基づいて、各計測範囲に対して動脈または静脈の属性を付与する。血流範囲特定手段７６は、カラー眼底画像に対して各計測範囲に対応する領域から血流に相当する一次元の範囲である血流範囲を特定する。視神経乳頭探索手段７８は、カラー眼底画像に対して所定の大きさの画素ブロックの輝度値の平均値が最大となる位置を視神経乳頭部の基準点（ほぼ重心）として探索する。動静脈径比算出手段６５は、動脈の属性が付与された計測範囲において特定された血流範囲と、静脈の属性が付与された計測範囲において特定された血流範囲とに基づいて動静脈径比を算出する。

血管領域強調手段１０、多階調色相変換手段２０、中央階調領域定義手段３０、低階調化手段４０、しきい値算出手段５０、動静脈識別画像生成手段６０、動静脈径比算出手段６５、動静脈識別画像補正手段６７、計測範囲設定手段７２、属性付与手段７４、血流範囲特定手段７６、視神経乳頭探索手段７８は、ＣＰＵ１が、記憶装置３に記憶されているプログラムを実行することにより実現される。眼底画像記憶手段７０は、可視光・光源方式の眼底カメラを用いてフルカラーで撮影された、血管領域の抽出対象となるフルカラー眼底画像を記憶した記憶手段であり、記憶装置３により実現される。眼底画像処理装置にフルカラー眼底画像を読み込ませて、そのまま処理を行う場合は、ＲＡＭ２が眼底画像記憶手段７０としての役割を果たす。フルカラー眼底画像とは、ＲＧＢの３成分により記録された画像データであり、被験者の眼底が撮影されたものである。本実施形態では、ＲＧＢ各色８ビット２５６階調で記録されたものを用いている。

動静脈識別画像記憶手段８０は、動静脈識別画像生成手段６０により生成され、または、動静脈識別画像補正手段６７により補正された動静脈識別画像を記憶する記憶手段であり、記憶装置３により実現される。動静脈識別画像は、動脈である可能性の高い画素は正の大きい値を持ち、静脈である可能性の高い画素は負の小さい値を持つ画像であり、本実施形態では、８ビット２５６階調の形式のグレースケール形式（モノクロ形式）であって、さらに各画素が動脈／静脈の別を示す正負の符号を備えた形式で記録される。

図２に示した各構成手段は、現実には図１に示したように、コンピュータおよびその周辺機器等のハードウェアに専用のプログラムを搭載することにより実現される。すなわち、コンピュータが、専用のプログラムに従って各手段の内容を実行することになる。なお、本明細書において、コンピュータとは、ＣＰＵ等の演算処理部を有し、データ処理が可能な装置を意味し、パーソナルコンピュータなどの汎用コンピュータだけでなく、タブレット等の携帯型端末も含む。

図１に示した記憶装置３には、ＣＰＵ１を動作させ、コンピュータを、眼底画像処理装置として機能させるための専用のプログラムが実装されている。この専用のプログラムを実行することにより、ＣＰＵ１は、血管領域強調手段１０、多階調色相変換手段２０、中央階調領域定義手段３０、低階調化手段４０、しきい値算出手段５０、動静脈識別画像生成手段６０としての機能を実現することになる。また、記憶装置３は、眼底画像記憶手段７０、動静脈識別画像記憶手段８０として機能するだけでなく、眼底画像処理装置としての処理に必要な様々なデータを記憶する。

＜２．処理動作＞
＜２．１．前処理＞
まず、処理対象とするフルカラー眼底画像を用意する。フルカラー眼底画像としては、デジタル方式の眼底カメラによりフルカラーで撮影した画像ファイルがあれば、そのまま使用できる。また、アナログ方式の眼底カメラにより写真媒体に記録された古いものであれば、保管されていたアナログのネガ・ポジフィルム、印画紙、インスタント写真等をスキャナによりフルカラーで読み取る等してデジタルのフルカラー眼底画像ファイルを取得する。一般には、可視光・光源方式の眼底カメラを用いてフルカラーで撮影することによりフルカラー眼底画像が得られる。取得したフルカラー眼底画像は、眼底画像処理装置の眼底画像記憶手段７０に記憶させる。本実施形態では、フルカラー眼底画像としてＲ，Ｇ，Ｂ各成分８ビット２５６階調のカラー画像を用意する。

＜２．２．処理概要＞
次に、図１、図２に示した眼底画像処理装置の処理動作について説明する。図３は、本発明の一実施形態に係る眼底画像処理装置の処理概要を示すフローチャートである。上述のように、処理対象であるフルカラー眼底画像は、ＲＧＢ各色８ビット２５６階調の画像データである。したがって、ｘ方向の画素数Ｘｓ、ｙ方向の画素数Ｙｓのフルカラー眼底画像は、色成分を示す変数ｃ＝０（Ｒｅｄ），１（Ｇｒｅｅｎ），２（Ｂｌｕｅ）とすると、Ｉｍａｇｅ（ｘ，ｙ，ｃ）＝０〜２５５（ｘ＝０，・・・，Ｘｓ−１；ｙ＝０，・・・，Ｙｓ−１；ｃ＝０，１，２）と定義される。まず、血管領域強調手段１０が、フルカラー眼底画像に対して、血管領域を強調する処理を行い、血管強調画像を得る（ステップＳ１００）。血管領域強調手段１０、および血管領域強調手段１０が行うステップＳ１００の血管領域強調処理の詳細については後述する。血管強調画像Ｔｒａｙ（ｘ，ｙ）は、血管領域であるか否かの確率を示す２５６段階の血管抽出度をもつグレースケール画像である。血管強調画像において、Ｔｒａｙ（ｘ，ｙ）＝０の場合は完全に非血管領域を示し、Ｔｒａｙ（ｘ，ｙ）＝２５５の場合は完全に血管領域を示す。図４は、フルカラー眼底画像と血管強調画像の一例を示す図である。図４（ａ）に示すフルカラー眼底画像に対して、ステップＳ１００の処理を実行することにより、図４（ｂ）に示す血管強調画像が得られる。図４（ｂ）に示される通り、本願で使用している血管領域強調処理では、Ｔｒａｙ（ｘ，ｙ）の値が比較的大きい血管領域であると判定される画素領域の中には、眼底撮影時の枠線など、本来であれば非血管領域に含まれなくてはいけない非眼底領域の画素も含まれてしまう。

血管強調画像が得られたら、次に、多階調色相変換手段２０が、血管領域画素の色相変換を行う（ステップＳ２００）。具体的には、まず、血管強調画像Ｔｒａｙ（ｘ，ｙ）＞１２８を満たす座標（ｘ，ｙ）に対応する全ての画素Ｉｍａｇｅ（ｘ，ｙ，ｃ）に対して、以下の〔数式１〕に従った処理を実行することにより色相値ｈを得る。なお、〔数式１〕においては、ｒ＝Ｉｍａｇｅ（ｘ，ｙ，０）、ｇ＝Ｉｍａｇｅ（ｘ，ｙ，１）、ｂ＝Ｉｍａｇｅ（ｘ，ｙ，２）とする。

〔数式１〕
通常眼の場合
２ｒ＞ｇ＋ｂのとき、ｈ＝（ｇ−ｂ）α／（２ｒ−ｇ−ｂ）
２ｒ≦ｇ＋ｂのとき、ｈ＝０
白内障眼の場合
２ｒとｇ＋ｂが等しくないとき、ｈ＝（ｇ−ｂ）α／（２ｒ−ｇ−ｂ）
２ｒ＝ｇ＋ｂのとき、ｈ＝０

〔数式１〕に従った処理を実行する際、事前の設定に従って、通常眼、白内障眼に応じた処理が行われる。事前の設定は、オペレータが、指示入力Ｉ／Ｆ４を介して、通常眼、白内障眼であるかを指定することにより行われる。〔数式１〕におけるαとしては、任意の実数値を設定することができるが、本実施形態では、α＝７６８．０に設定されている。通常眼の場合は、血管領域では必ず２ｒ＞ｇ＋ｂとなり、それを満たさない画素は非眼底領域（撮影時の枠線など）と判断できるが、白内障眼の場合は、フルカラー眼底画像においてＢｌｕｅ成分であるｂの値が大きくなり、血管領域でも２ｒ＜ｇ＋ｂとなることがある。通常眼の設定で行うと、血管領域に対してｈ＝０と非眼底領域と誤判定し、多くの血管領域が抽出されなくなる。そのため、白内障と考えられる場合には、２ｒ＝ｇ＋ｂになる画素を除き全ての画素を血管領域とみなす。尚、数式１は血管強調画像Ｔｒａｙ（ｘ，ｙ）＞１２８を満たす血管領域の画素に対して適用しているが、眼底カメラで撮影時の枠線など眼底画像に含まれる非眼底領域の画素もＴｒａｙ（ｘ，ｙ）＞１２８を満たしてしまうため、そのまま血管領域として処理する。

〔数式１〕における処理は、ｈ＝（ｇ−ｂ）α／（２ｒ−ｇ−ｂ）を用い、２ｒ−ｇ−ｂ＝０の場合ｈ＝０とし、２ｒ−ｇ−ｂ＜０の場合、通常眼では非眼底領域（非血管領域）の画素と判断しｈ＝０とし、白内障眼では、血管領域でも２ｒ−ｇ−ｂ＜０を満たす画素があるため、血管領域であるか非眼底領域（非血管領域）の画素であるかを色相値で判断できないため、非眼底領域（非血管領域）の画素も含めて血管領域の画素とみなし、ｈ＝（ｇ−ｂ）α／（２ｒ−ｇ−ｂ）で算出される色相値を与える。

続いて、算出されたｈの最小値ｈｍｉｎ、ｈの最大値ｈｍａｘを用いて、以下の〔数式２〕に従った処理を実行することによりＫ階調変換画像Ｈｕｅｈ（ｘ，ｙ）を得る。Ｋ階調変換画像Ｈｕｅｈ（ｘ，ｙ）は、後述するＬ階調変換画像Ｈｕｅ（ｘ，ｙ）より相対的に多階調であるため、多階調色相変換画像と呼ぶこともできる。

〔数式２〕
Ｈｕｅｈ（ｘ，ｙ）＝（ｈ−ｈｍｉｎ）（Ｋ−１）／（ｈｍａｘ−ｈｍｉｎ）
０≦Ｈｕｅｈ（ｘ，ｙ）≦Ｋ−１

〔数式２〕の第１式の結果得られたＨｕｅｈ（ｘ，ｙ）は実数値であるため、小数点以下１桁を四捨五入して整数値に置き換える。〔数式２〕における階調Ｋとしては、任意の値を設定することができるが、本実施形態では、Ｋ＝２０４８に設定されている。この場合、Ｋ階調変換画像Ｈｕｅｈ（ｘ，ｙ）は、０〜２０４７の値をとる２０４８階調のグレースケール画像である。色相値ｈは、血管強調画像Ｔｒａｙ（ｘ，ｙ）＞１２８となる血管領域である可能性が高い画素についてのみ、求められているため、Ｋ階調変換画像Ｈｕｅｈ（ｘ，ｙ）も血管領域である可能性が高い画素に対応する画像となる。

Ｋ階調変換画像が得られたら、次に、中央階調領域定義手段３０が、中央階調領域の抽出を行う（ステップＳ３００）。具体的には、まず、Ｋ階調変換画像Ｈｕｅｈ（ｘ，ｙ）の、血管強調画像Ｔｒａｙ（ｘ，ｙ）＞１２８を満たす画素（ｘ，ｙ）におけるヒストグラムｈｉｓｔｈ（ｈ１）（０≦ｈ１≦Ｋ−１）を求める。ヒストグラムｈｉｓｔｈ（ｈ１）が得られたら、以下の〔数式３〕に従った処理を実行することにより、ヒストグラムｈｉｓｔｈ（ｈ１）の中央値（５０％位置）ｈｃを求める。

〔数式３〕
Ｃｔ＝Σ_h1=0,Kｈｉｓｔｈ（ｈ１）
Σ_h1=0,hcｈｉｓｔｈ（ｈ１）≧Ｃｔ／２

〔数式３〕において、Ｃｔは、Ｋ階調変換画像Ｈｕｅｈ（ｘ，ｙ）の画素の総数である。〔数式３〕の第２式の条件を最初に満たしたｈ１の値ｈｃを中央値とする。

中央値ｈｃが得られたら、以下の〔数式４〕に従った処理を実行することにより、中央階調領域の最小値ｃｍｉｎと最大値ｃｍａｘを求める。

〔数式４〕
ｈｃ−１≧ｈ１≧０の範囲で、Σ_h1=cmin,hc-1ｈｉｓｔｈ（ｈ１）≧Ｃｔ／４
ｈｃ≦ｈ１≦Ｋ−１の範囲で、Σ_h1=hc,cmaxｈｉｓｔｈ（ｈ１）≧Ｃｔ／４

〔数式４〕において、第１式をｈ１＝ｈｃ−１から小さい方へ順に積算していき、初めて第１式が成立したときのｈ１の値を最小値ｃｍｉｎとし、第２式をｈ１＝ｈｃから大きい方へ順に積算していき、初めて第２式が成立したときのｈ１の値を最大値ｃｍａｘとする。

図５は、Ｋ＝２０４８としたときの、２０４８階調色相の高精度ヒストグラムを示す図である。図５においては、中央値ｈｃ＝１０３２、最小値ｃｍｉｎ＝１０２３、最大値ｃｍａｘ＝１０３７となった例を示している。図６は、図５のヒストグラムを基に抽出された中央階調領域を示す図である。図６の例では、ｃｍｉｎ（１０２３）からｃｍａｘ（１０３７）までが中央階調領域として抽出されている。

中央階調領域が抽出されたら、次に、低階調化手段４０が、Ｋ階調変換画像Ｈｕｅｈ（ｘ，ｙ）の低階調化を行う（ステップＳ４００）。具体的には、以下の〔数式５〕に従った処理を実行することによりＬ階調色相変換画像Ｈｕｅ（ｘ，ｙ）を得る。なお、Ｌは正の整数である。

〔数式５〕
Ｔｒａｙ（ｘ，ｙ）＞１２８を満たす（ｘ，ｙ）に対して
Ｈｕｅ（ｘ，ｙ）＝（Ｈｕｅｈ（ｘ，ｙ）−ｃｍｉｎ）（Ｌ−１）／（ｃｍａｘ−ｃｍｉｎ）
Ｈｕｅ（ｘ，ｙ）＜０の場合、Ｈｕｅ（ｘ，ｙ）＝０
Ｈｕｅ（ｘ，ｙ）＞Ｌ−１の場合、Ｈｕｅ（ｘ，ｙ）＝Ｌ−１

〔数式５〕に示すように、演算後のＨｕｅ（ｘ，ｙ）が負の値かＬ−１を超える場合、それぞれ最小値０、最大値Ｌ−１に飽和させる。〔数式５〕における階調Ｌとしては、任意の値を設定することができるが、本実施形態では、Ｌ＝２５６に設定されている。この場合、Ｌ階調変換画像Ｈｕｅ（ｘ，ｙ）は、０〜２５５の値をとる２５６階調のグレースケール画像である。

図７は、Ｌ＝２５６としたときの、Ｌ階調変換画像Ｈｕｅ（ｘ，ｙ）の一例を示す図である。動脈に相当する画素は高輝度となり、静脈に相当する画素は低輝度となる。前述の通り、Ｔｒａｙ（ｘ，ｙ）＞１２８を満たす画素の中には、眼底カメラで撮影時の枠線など眼底画像に含まれる非眼底領域の画素も含まれ、これらのＬ階調色相変換画像Ｈｕｅ（ｘ，ｙ）の値は、飽和させた画素値の０（通常眼の場合）またはＬ−１（白内障眼の場合）をとる。

Ｌ階調変換画像が得られたら、次に、しきい値算出手段５０は、しきい値を算出する（ステップＳ５００）。具体的には、まず、０〜Ｌ−１の値をもつグレースケールのＬ階調変換画像Ｈｕｅ（ｘ，ｙ）（ｘ＝０，・・・，Ｘｓ−１；ｙ＝０，・・・，Ｙｓ−１）に対して、Ｔｒａｙ（ｘ，ｙ）＞１２８を満たす（ｘ，ｙ）について濃度ヒストグラムＨｉｓｔ（ｖａ）（ｖａ＝０，・・・，Ｌ−１）を算出する。そして、ヒストグラムを２分割する境界（しきい値）をｓ（ｓ＝２，・・・，Ｌ−２）とし、以下の〔数式６〕に従った処理を実行し、判別値Ｄ（ｓ）を算出する。

〔数式６〕
Ｓｕｍ１（ｓ）＝Σ_va=1,s-1Ｈｉｓｔ（ｖａ）ｖａ
Ｓｕｍ２（ｓ）＝Σ_va=s,L-2Ｈｉｓｔ（ｖａ）ｖａ
Ｎ１（ｓ）＝Σ_va=1,s-1Ｈｉｓｔ（ｖａ）
Ｎ２（ｓ）＝Σ_va=s,L-2Ｈｉｓｔ（ｖａ）
Ｖ１（ｓ）＝Ｓｕｍ１（ｓ）／Ｎ１（ｓ）
Ｖ２（ｓ）＝Ｓｕｍ２（ｓ）／Ｎ２（ｓ）
Ｗ（ｓ）＝（Ｖ１−Ｖ２）
Ｄ（ｓ）＝Ｎ１（ｓ）Ｎ２（ｓ）Ｗ（ｓ）²

上記〔数式６〕の第１式において、Σの添え字の“ｖａ＝１，ｓ−１”は、ｖａが１からｓ−１までの総和を求めることを示している。同様に、第２式〜第４式においても添え字の範囲で総和を求める。ｖａ＝０の場合は静脈であることが明らかであり，ｖａ＝Ｌ−１の場合は動脈であることが明らかであり、血管領域に含まれる非眼底領域の画素もｖａ＝０（通常眼の場合）またはｖａ＝Ｌ−１（白内障眼の場合）をとるため、演算の範囲から除外している。また、上記〔数式６〕において、Ｎ１（ｓ）は階調値（画素値）ｓより低階調側の画素個数、Ｎ２（ｓ）は階調値（画素値）ｓより高階調側の画素個数、Ｖ１（ｓ）は階調値（画素値）ｓより低階調側の階調平均値、Ｖ２（ｓ）は階調値（画素値）ｓより高階調側の階調平均値である。例えば、Ｌ＝２５６の場合、ｖａ＝１〜２５４の範囲を用いて判別分析法の処理を実行していることになる。

上記〔数式６〕の最後の式である判別式に従ってＤ（ｓ）を算出し、判別値Ｄ（ｓ）を最大とするｓを二値化（動静脈識別）のしきい値Ｓａｖに選定する。ステップＳ５００における、しきい値Ｓａｖを特定する処理は、公知の判別分析法と実質的に同じものとなっている。

図８は、Ｌ＝２５６としたときの、２５６階調色相ヒストグラムを示す図である。図８の例では、中央値ｈｃ＝１０３２、最小値ｃｍｉｎ＝１０２３、最大値ｃｍａｘ＝１０３７である場合に、しきい値Ｓａｖ＝２０１が特定された例を示している。

しきい値Ｓａｖが得られたら、次に、動静脈識別画像生成手段６０が、動静脈識別画像を生成する（ステップＳ６００）。具体的には、まず、以下の〔数式７〕に従った処理を実行することにより動静脈識別画像Ｈｕｅｓ（ｘ，ｙ）を得る。

〔数式７〕
Ｔｒａｙ（ｘ，ｙ）＞１２８のとき、ｈ２＝（Ｈｕｅ（ｘ，ｙ）−Ｓａｖ）×２
Ｔｒａｙ（ｘ，ｙ）≦１２８のとき、ｈ２＝０
｜ｈ２｜＞２５５の場合、｜ｈ２｜←２５５（正負符号はそのまま）
Ｈｕｅｓ（ｘ，ｙ）＝ｈ２（正負の符号付き）

〔数式７〕においては、Ｌ階調変換画像Ｈｕｅ（ｘ，ｙ）としきい値Ｓａｖとの比較結果に基づいて、Ｈｕｅｓ（ｘ，ｙ）を求めている。〔数式７〕に従った処理の結果、動脈である可能性の高い画素（ｘ，ｙ）は正の値を持ち、静脈である可能性の高い画素（ｘ，ｙ）は負の値を持つ動静脈識別画像Ｈｕｅｓ（ｘ，ｙ）が得られる。すなわち、動静脈識別画像Ｈｕｅｓ（ｘ，ｙ）の各画素には、正負の符号により動脈または静脈の属性が付与されている。

動静脈識別画像生成手段６０は、さらに、以下の〔数式８〕に従った処理を実行することにより動静脈判定結果画像ＡＶｓｅｐ（ｘ，ｙ，ｃ）を得る。

〔数式８〕
ＡＶｓｅｐ（ｘ，ｙ，０）＝（Ｈｕｅｓ（ｘ，ｙ）／２＋Ｌ／２）×Ｔｒａｙ（ｘ，ｙ）／（Ｌ−１）
ＡＶｓｅｐ（ｘ，ｙ，１）＝Ｔｒａｙ（ｘ，ｙ）／４
ＡＶｓｅｐ（ｘ，ｙ，２）＝（−Ｈｕｅｓ（ｘ，ｙ）／２＋Ｌ／２）×Ｔｒａｙ２（ｘ，ｙ）／（Ｌ−１）

動静脈判定結果画像ＡＶｓｅｐ（ｘ，ｙ，ｃ）においても、フルカラー眼底画像Ｉｍａｇｅ（ｘ，ｙ，ｃ）と同様、色成分を示す変数ｃ＝０（Ｒｅｄ），１（Ｇｒｅｅｎ），２（Ｂｌｕｅ）となっている。動脈の場合はＲｅｄ成分が大きくなるとともにＢｌｕｅ成分が小さくなり、静脈の場合はＢｌｕｅ成分が大きくなるとともに、Ｒｅｄ成分が大きくなり、Ｇｒｅｅｎ成分は血管領域であれば大きくなり、血管領域であるか否かを識別する作用をもたせているが、動脈と静脈の視覚的な識別を容易にするため、血管強調画像の画素値を大きく削減している。得られた動静脈判定結果画像ＡＶｓｅｐ（ｘ，ｙ，ｃ）において、Ｌ＝２５６の場合、一般的なフルカラー画像として表示させることができ、動脈、静脈の別を視覚的に把握することができる。

動静脈識別画像Ｈｕｅｓ（ｘ，ｙ）が得られたら、次に、動静脈径比算出手段６５が、動静脈識別画像で識別されている動脈領域および静脈領域に対応する元の眼底画像の領域を参照しながら後述する手法により動静脈径比を算出する（ステップＳ７００）。

上記実施形態では、動静脈識別画像生成手段６０が〔数式７〕に従って算出した動静脈識別画像Ｈｕｅｓ（ｘ，ｙ）を用いて、そのまま動静脈径比を算出したが、Ｌ階調色相変換画像Ｈｕｅ（ｘ，ｙ）の色相値に対して単一のしきい値Ｓａｖだけで動静脈を二値判定する方法では、動静脈の判定が誤った画素が少なからず存在する。動静脈識別画像Ｈｕｅｓ（ｘ，ｙ）において誤った動静脈の属性が付与された画素を補正し、補正後の動静脈識別画像Ｈｕｅｓ（ｘ，ｙ）を用いて動静脈径比を算出する方が高精度な結果を得ることができる。このような補正は、動静脈識別画像補正手段６７により行われるが、はじめに、提案する補正方法の原理を説明する。動脈に流れる血液は、酸素が結合したヘモグロビンをもつ赤血球が主に流れるため色相値は赤色に傾き、静脈に流れる血液は、二酸化炭素が結合したヘモグロビンをもつ赤血球が主に流れるため色相値は青色に傾くが、部分的には動脈に静脈血が流れたり、その逆もあるため、色相値だけで動静脈を完全に判別することはできない。動静脈の判定が誤った画素を補正する方法としては、血管属性の一貫性を活用することが考えられる。一連の血管とみなせる領域の動脈または静脈の属性が部分的に反転することは有りえないため、動脈と静脈の属性が局所的に反転している箇所があれば、誤りであると補正することができる。しかし、血管は分岐したり交差したりするため、一連の血管とみなせる領域を２次元の眼底画像から抽出することは難しい。そこで、本願では一連の血管の一部とみなせる血管領域内の連結した画素ブロックに注目し、画素ブロック内で動脈と静脈の属性が局所的に反転している画素を補正する方法を２つ提案する。以下に、動静脈識別画像補正手段６７が行う補正について、２通りの手法を説明する。

第１の手法について説明する。第１の手法では、ステップＳ６００における動静脈識別画像Ｈｕｅｓ（ｘ，ｙ）の生成後、動静脈識別画像補正手段６７は、まず、ｋをＬ−２（最大値（Ｌ−１）−１）〜１に順次変化させ、符号付き色相値の絶対値｜Ｈｕｅｓ（ｘ，ｙ）｜＝ｋを満たす画素（ｘ，ｙ）を補正対象画素として探索する。その補正対象画素（ｘ，ｙ）の８近傍の画素（ｘ＋ｕ，ｙ＋ｖ）（ｕ＝−１，０，１；ｖ＝−１，０，１；ｕ＝ｖ＝０を除く）の符号付き色相値に対して、以下の〔数式９〕に従った処理を実行し、正符号の色相値総和Ｃｐ、負符号の色相値総和Ｃｎを算出する。

〔数式９〕
Ｃｐ＝Σ_u=-1,1Σ_{v=-1,1; Hues(x+u,y+v)>0}Ｈｕｅｓ（ｘ＋ｕ，ｙ＋ｖ）
Ｃｎ＝−Σ_u=-1,1Σ_{v=-1,1; Hues(x+u,y+v)<0}Ｈｕｅｓ（ｘ＋ｕ，ｙ＋ｖ）

〔数式９〕において、第１式は、８近傍の画素のうち正の値をとる色相値の総和を算出するためのものであり、第２式は、８近傍の画素のうち負の値をとる色相値絶対値の総和を算出するためのものである。続いて、８近傍の画素（ｘ＋ｕ，ｙ＋ｖ）のうち絶対値が最大となる色相値をＨｕｅｓ（ｘ＋ｕｍ，ｙ＋ｖｍ）とし、以下の〔数式１０〕に従った処理を実行し、補正された動静脈識別画像Ｈｕｅｓ（ｘ，ｙ）を得る。

〔数式１０〕
｜Ｈｕｅｓ（ｘ＋ｕｍ，ｙ＋ｖｍ）｜＞｜Ｈｕｅｓ（ｘ，ｙ）｜を満たし（第１条件）、
Ｈｕｅｓ（ｘ＋ｕｍ，ｙ＋ｖｍ）＞０かつＣｐ＞Ｃｎ（第２条件）、またはＨｕｅｓ（ｘ＋ｕｍ，ｙ＋ｖｍ）＜０かつＣｐ＜Ｃｎ（第３条件）を満たす場合、
Ｈｕｅｓ（ｘ，ｙ）←Ｈｕｅｓ（ｘ＋ｕｍ，ｙ＋ｖｍ）

〔数式１０〕においては、第１条件を満たし、第２条件または第３条件を満たす場合に、符号付き色相値Ｈｕｅｓ（ｘ，ｙ）がＨｕｅｓ（ｘ＋ｕｍ，ｙ＋ｖｍ）の値に置換されることになる。第２条件における“Ｈｕｅｓ（ｘ＋ｕｍ，ｙ＋ｖｍ）＞０”は画素の属性が動脈であることを示し、第３条件における“Ｈｕｅｓ（ｘ＋ｕｍ，ｙ＋ｖｍ）＜０”は画素の属性が静脈であることを示している。また、第１条件は、探索された補正対象画素の画素値の絶対値｜Ｈｕｅｓ（ｘ，ｙ）｜をＺＴとし、補正対象画素の８近傍画素の中で画素値の絶対値の最大値｜Ｈｕｅｓ（ｘ＋ｕｍ，ｙ＋ｖｍ）｜をＺＭとすると、ＺＭ＞ＺＴと表現することもできる。探索された補正対象画素（ｘ，ｙ）に対して、〔数式１０〕に従った処理を実行したら、同一のｋの値で探索された符号付き色相値の絶対値｜Ｈｕｅｓ（ｘ，ｙ）｜＝ｋを満たす他の画素（ｘ，ｙ）に対して、同様に〔数式９〕〔数式１０〕に従った処理を実行する。｜Ｈｕｅｓ（ｘ，ｙ）｜＝ｋを満たす全ての画素（ｘ，ｙ）に対して前述の処理を実行したら、ｋの値をデクリメントし、｜Ｈｕｅｓ（ｘ，ｙ）｜＝ｋを満たす画素を探索し、｜Ｈｕｅｓ（ｘ，ｙ）｜＝ｋを満たす全ての画素（ｘ，ｙ）に対して前述の処理を実行する。ｋの値をデクリメントした結果、ｋ＝０になったら、動静脈識別画像補正手段６７による第１の手法に基づく処理は終了とする。

図９は、第１の手法による動静脈識別画像Ｈｕｅｓ（ｘ，ｙ）の補正の一例を示す図である。図９（ａ）は動静脈識別画像Ｈｕｅｓ（ｘ，ｙ）の中でｋ＝７０の条件で探索された画素の一例とその画素の８近傍を示す。図９（ａ）（ｂ）にそれぞれ示す９個の画素のうち、中央に示す画素が探索された補正対象の画素（ｘ，ｙ）であり、他の画素は８近傍画素（ｘ＋ｕ，ｙ＋ｖ）（ｕ＝−１，０，１；ｖ＝−１，０，１；ｕ＝ｖ＝０を除く）である。図９（ａ）の例で、〔数式９〕に従った処理を実行すると、Ｃｐ＝６０＋１８０＋１３０＋１１０＝３８０となり、Ｃｎ＝−（−２０−６０−４０−３０）＝１５０となり、絶対値が最大となる色相値Ｈｕｅｓ（ｘ＋ｕｍ，ｙ＋ｖｍ）＝１３０となる。

図９（ａ）の場合、〔数式１０〕の第１条件は｜１３０｜＞｜−７０｜となるため、本条件を満たし、第２条件は１３０＞０かつ３８０＞１５０となるため、本条件を満たす。したがって、図９（ｂ）に示すように、〔数式１０〕に従い中央の画素が（ｘ，ｙ）の値が、１３０に置き換えられることになる。図９（ａ）から図９（ｂ）に変換するのと同様な処理を、ｋ＝７０の条件で探索された他の画素に対して実行するとともに、ｋの値を２５４から１に変えた条件で探索された全ての画素に対して実行する。

第２の手法について説明する。第２の手法は、実質的にはモルフォロジー膨張処理である。第２の手法では、ステップＳ６００における動静脈識別画像Ｈｕｅｓ（ｘ，ｙ）の生成後、動静脈識別画像補正手段６７は、まず、−２５５〜２５５の値をもつ動静脈識別画像において、モルフォロジーのサイズを（２Ｎ＋１）×（２Ｎ＋１）とすると、Ｎ≦ｘ≦Ｘｓ−Ｎ−１，Ｎ≦ｙ≦Ｙｓ−Ｎ−１の各画素（ｘ，ｙ）の周辺（２Ｎ＋１）×（２Ｎ＋１）画素（Ｎ≧１）の画素ブロックを順次抽出する。Ｎの値としては、眼底画像のサイズが１２８０×１０２４画素の場合、第１の方法のようにＮ＝１（３×３画素）では効果が弱いため、Ｎ＝３（７×７画素）以上に設定することが望ましい。そして、各画素ブロックに対して、〔数式９〕と同様な以下の〔数式１１〕に従った処理を実行し、正符号の色相値を持つ色相値の総和Ｃｐａ、負符号の色相値を持つ色相値の絶対値の総和Ｃｎａを計数する。

〔数式１１〕
Ｃｐａ＝Σ_u=-N,NΣ_{v=-N,N; Hues(x+u,y+v)>0}Ｈｕｅｓ（ｘ＋ｕ，ｙ＋ｖ）
Ｃｎａ＝−Σ_u=-N,NΣ_{v=-N,N; Hues(x+u,y+v)<0}Ｈｕｅｓ（ｘ＋ｕ，ｙ＋ｖ）

そして、Ｃｐａ＞Ｃｎａの場合、中央の画素の色相値Ｈｕｅｓ（ｘ，ｙ）の符号を正にする。また、Ｃｐａ＜Ｃｎａの場合、中央の画素の色相値Ｈｕｅｓ（ｘ，ｙ）の符号を負にする。いずれも絶対値の変更は行わない。このようにして、（Ｎ，Ｎ）から（Ｘｓ−Ｎ−１，Ｙｓ−Ｎ−１）の範囲の（Ｘｓ−２Ｎ）×（Ｙｓ−２Ｎ）個の全ての画素に対して、周辺の（２Ｎ＋１）×（２Ｎ＋１）個の画素ブロックを参照しながら、同様な補正処理を繰り返す。この時、隣接する画素の周辺の画素ブロックには既に補正を行った画素が含まれるが、本願では更新後の色相値を用いる（更新前の色相値を用いる方法もあるが、更新後の色相値を用いる方法の方が補正効果が強くなる）。また、（Ｘｓ−２Ｎ）×（Ｙｓ−２Ｎ）個の全ての画素に対して補正処理が終了しても補正効果が不十分であることが多いため、（Ｘｓ−２Ｎ）×（Ｙｓ−２Ｎ）個の全ての画素に対する補正処理を複数回繰り返すことが望ましい。本願では６回繰り返すようにしている。

図１０は、第２の手法による動静脈識別画像Ｈｕｅｓ（ｘ，ｙ）の補正の一例を示す図である。図１０（ａ）（ｂ）にそれぞれ示す２５個の画素のうち、中央の画素が（ｘ，ｙ）であり、周辺の２４画素が（ｘ＋ｕ，ｙ＋ｖ）（−Ｎ≦ｕ≦Ｎ，−Ｎ≦ｖ≦Ｎ；Ｎ＝２）である。図１０（ａ）の例では、〔数式１１〕に従い、Ｃｐａ＝１３５０となり、Ｃｎａ＝４７０となる。

図１０（ａ）の場合、Ｃｐａ（＝１３５０）＞Ｃｎａ（＝４７０）であるため、図１０（ｂ）に示すように、５×５個の中央の画素の色相値Ｈｕｅｓ（ｘ，ｙ）の符号が正に変換されることになる。

動静脈識別画像生成手段６０により生成され、または動静脈識別画像補正手段６７により補正された動静脈判定結果画像ＡＶｓｅｐ（ｘ，ｙ，ｃ）は、表示部６に表示することができる。

また、動静脈識別画像生成手段６０は、フルカラー動静脈判定結果画像ＡＶｓｅｐ（ｘ，ｙ，ｃ）から２種のグレースケール動静脈判定結果画像を生成することができる。具体的には、以下の〔数式１２〕に従った処理を実行し、グレースケール動静脈判定結果画像を生成する。

〔数式１２〕
ａｖ＝ＡＶｓｅｐ（ｘ，ｙ，１）×４
ＡＶｓｅｐ（ｘ，ｙ，０）＞ＡＶｓｅｐ（ｘ，ｙ，２）のとき、
ｈ３＝（ＡＶｓｅｐ（ｘ，ｙ，０）×２５５／ａｖ−１２８）×２
ＡＶｓｅｐ（ｘ，ｙ，０）＜ＡＶｓｅｐ（ｘ，ｙ，２）のとき、
ｈ３＝−（ＡＶｓｅｐ（ｘ，ｙ，２）×２５５／ａｖ−１２８）×２
ＡＶｓｅｐ（ｘ，ｙ，０）＝ＡＶｓｅｐ（ｘ，ｙ，２）のとき、ｈ３＝０
ｈ３＜−２５５の場合、ｈ３←−２５５
ｈ３＞２５５の場合、ｈ３←２５５

動脈像をグレースケールで表示する場合、Ｒ＝Ｇ＝Ｂ＝ｈ３×ａｖ／１２８とし、静脈像をグレースケールで表示する場合、Ｒ＝Ｇ＝Ｂ＝−ｈ３×ａｖ／１２８とし、ＲＧＢ同一の階調で表示させる。ただし、０≦Ｒ，Ｇ，Ｂ≦２５５の範囲を超えないようにする。

図１１〜図１３は、図４（ａ）に示す通常眼のフルカラー眼底画像に対して、前述の一連処理に基づいて動静脈判定結果画像ＡＶｓｅｐを生成した例を示す図である。図１１は、動静脈識別画像生成手段６０により生成され動静脈識別画像補正手段６７による補正を行っていない場合、図１２は、動静脈識別画像補正手段６７により第１の手法を用いて補正を行った場合、図１３は、動静脈識別画像補正手段６７により第１の手法および第２の手法を用いて補正を行った場合を示している。第２の手法はＮ＝３に設定し、６９４×５９９画素（原画像：７００×６０５画素）に対する一連の補正処理を６回繰り返している。図１１〜図１３のいずれも左側の図がフルカラー表示、右側上段が動脈のグレースケール表示、右側下段が静脈のグレースケール表示である。

また、本願発明は前述の通り白内障眼にも対応しており、図２３と図２４は、図２２（ａ）に示す７００×６０５画素の白内障眼のフルカラー眼底画像に対して、前述の一連処理に基づいて動静脈判定結果画像ＡＶｓｅｐを生成した例を示す図である。図２３は、動静脈識別画像生成手段６０により生成され動静脈識別画像補正手段６７による補正を行っていない場合で、図２２（ｂ）に示す血管強調画像を生成し、図示は省略するが、図７と同様な２５６階調変換画像を作成し、前述の判別分析法によりしきい値Ｓａｖ＝８９と算出し、動静脈判定結果画像ＡＶｓｅｐを生成したものである。通常眼の図１１に比べ、ブルー成分に富むため、Ｓａｖの値が顕著に低く静脈側に傾いていることが分かる。また、通常眼の図１１では、血管領域に含まれる撮影時の枠線など非眼底領域の画素値は静脈側の−２５５という値が多くなるが、白内障眼の図２３では、動脈側の＋２５５という値が多くなる。図２４は、図１３と同様に動静脈識別画像補正手段６７により第１の手法および第２の手法を用いて補正を行った場合を示している。第２の手法は同様にＮ＝３に設定し、６９４×５９９画素（原画像：７００×６０５画素）に対する一連の補正処理を６回繰り返している。図２３と図２４のいずれも左側の図がフルカラー表示、右側上段が動脈のグレースケール表示、右側下段が静脈のグレースケール表示である。

更に、動静脈識別画像生成手段６０は、指示入力Ｉ／Ｆを介した外部からの指示に基づいて、対話的に、フルカラー動静脈判定結果画像ＡＶｓｅｐ（ｘ，ｙ，ｃ）を修正することもできる。具体的には、ユーザにより修正領域（ｘ１≦ｘ≦ｘ２，ｙ１≦ｙ≦ｙ２）と動脈または静脈の属性変更が指示された場合に、その領域内の血管領域の対象画素の属性を全て動脈または静脈に変更する。詳細には、対象画素がＡＶｓｅｐ（ｘ，ｙ，０）＞ＡＶｓｅｐ（ｘ，ｙ，２）で動脈への属性変更の場合は、そのまま変更しない。対象画素がＡＶｓｅｐ（ｘ，ｙ，０）＞ＡＶｓｅｐ（ｘ，ｙ，２）で静脈への属性変更の場合は、ＡＶｓｅｐ（ｘ，ｙ，０）とＡＶｓｅｐ（ｘ，ｙ，２）の値を互いに逆転させる。対象画素がＡＶｓｅｐ（ｘ，ｙ，０）＜ＡＶｓｅｐ（ｘ，ｙ，２）で動脈への属性変更の場合は、ＡＶｓｅｐ（ｘ，ｙ，０）とＡＶｓｅｐ（ｘ，ｙ，２）の値を互いに逆転させる。対象画素がＡＶｓｅｐ（ｘ，ｙ，０）＜ＡＶｓｅｐ（ｘ，ｙ，２）で静脈への属性変更の場合は、そのまま変更しない。

＜３．血管領域強調手段＞
次に、血管領域強調手段１０、および血管領域強調手段１０が行うステップＳ１００の血管領域強調処理の詳細について説明する。図１４は、血管領域強調手段１０の詳細を示す機能ブロック図である。図１４において、１１はグレースケール変換手段、１２は画像平坦化手段、１３は線状成分強調手段、１４は画素階調変換手段である。

図１５は、血管領域強調手段１０によるステップＳ１００の血管領域強調処理の詳細を示すフローチャートである。グレースケール変換手段１１は、フルカラー眼底画像Ｉｍａｇｅ（ｘ，ｙ，ｃ）に対して、以下の〔数式１３〕に従った処理を実行することによりグレースケール変換する（ステップＳ１１０）。

〔数式１３〕
Ｇｒ（ｘ，ｙ）＝Ｉｍａｇｅ（ｘ，ｙ，１）

上記〔数式１３〕において、Ｉｍａｇｅ（ｘ，ｙ，１）は、フルカラー眼底画像のうち、Ｇ（グリーン、緑）の成分を示している。したがって、上記〔数式１３〕においては、各画素のＧ成分のみを抽出し、グレースケール形式の画像Ｇｒ（ｘ，ｙ）を得ている。一般に健常者の眼底画像は、主にＧ成分とＢ成分に血管像が現れる。一方、白内障の症状が進んだ患者の眼底画像は、Ｂ成分の血管像が健常者に比べてネガポジ反転したり（背景部のＢ成分の輝度が血管領域に対して向上する）、不鮮明になる。そのため、単一の色成分であるＧ成分を抽出することにより健常者、白内障患者の双方の血管成分を抽出し易くなる。

さらに、グレースケール変換手段１１は、グレースケール形式の画像Ｇｒ（ｘ，ｙ）に対して、以下の〔数式１４〕に従った処理を実行することによりネガポジ反転してグレースケール眼底画像Ｇｒａｙ（ｘ，ｙ）を得る。ここで、眼底画像に対してネガポジ反転させる理由は、血管候補領域の輝度を高くし背景の非血管候補領域の輝度を低くすることにより、グレースケール眼底画像の血管候補領域に対して疑似カラーで着色することができ、複数のグレースケール眼底画像を合成しても背景部（非血管候補領域）が混ざり合わないため、血管候補領域の位置関係が把握しやすくなるためである。

〔数式１４〕
Ｇｒａｙ（ｘ，ｙ）＝２５５−Ｇｒ（ｘ，ｙ）

上記〔数式１４〕に従った処理を実行して、ネガポジ反転することにより、周囲に比べ輝度が低い血管領域の画素値が高い状態に変換される。ここで、ネガポジ反転とは、元の画素値の大きいもの程小さい値に変換する処理を意味する。

グレースケール眼底画像が得られたら、次に、画像平坦化手段１２が、所定の範囲に含まれる近傍画素の画素値の平均値を算出し、その画素の画素値に所定の値から平均値を減算した値を加算することにより、平坦化画像を作成する（ステップＳ１２０）。具体的には、以下の〔数式１５〕に従った処理を実行することにより、グレースケールの平坦化画像Ｇｒａｙ´（ｘ，ｙ）を得る。

〔数式１５〕
Ｍｅａｎ（ｘ，ｙ）＝｛Σ_j=-m+1,mΣ_i=-m+1,mＧｒａｙ（ｘ＋ｉ，ｙ＋ｊ）｝／（４ｍ²）
Ｇｒａｙ´（ｘ，ｙ）＝Ｇｒａｙ（ｘ，ｙ）＋Ｍｉｄ−Ｍｅａｎ（ｘ，ｙ）

上記〔数式１５〕において、ｍは１以上の整数であり、Σの添え字の“ｊ＝−ｍ＋１，ｍ” “ｉ＝−ｍ＋１，ｍ”は、ｊが−ｍ＋１からｍまで、およびｉが−ｍ＋１からｍまでの４ｍ²個の画素の総和を求めることを示している。すなわち、Ｍｅａｎ（ｘ，ｙ）は、画素（ｘ，ｙ）から前後左右ｍ画素の範囲に含まれる近傍画素の画素値の平均値を示している。近傍画素の画素数としては、画像の全画素の１／３０００〜１／７０００の範囲とすることが好ましい。本実施形態では、ｍ＝８として近傍画素を２５６（＝４ｍ²＝２ｍ×２ｍ）個としている。これは、グレースケール眼底画像Ｇｒａｙ（ｘ，ｙ）が１２８０×１０２４画素の場合、約１／５００００に相当する。

この平均値Ｍｅａｎ（ｘ，ｙ）を用いて、〔数式１５〕の第２式により、各画素（ｘ，ｙ）の画素値Ｇｒａｙ（ｘ，ｙ）に所定の値Ｍｉｄから平均値Ｍｅａｎ（ｘ，ｙ）を減算した値を加算することにより、平坦化画像Ｇｒａｙ´（ｘ，ｙ）が得られる。所定の値Ｍｉｄは、画素が取り得る階調の中央値である。本実施形態では、画像が０〜２５５の値を取り得るため、中央値としては、１２７、１２８の２つがあるが、便宜上Ｍｉｄ＝１２８としている。

上記平均値Ｍｅａｎ（ｘ，ｙ）を算出する際、上記〔数式１５〕の第１式に示したように、直接近傍画素の画素値の総和を求めるようにしてもよいが、この手法だと、演算処理の負荷が高い。そのため、本実施形態では、画像平坦化手段１２は、以下の〔数式１６〕に従った処理を実行することにより、少ない処理負荷で高速に平均値Ｍｅａｎ（ｘ，ｙ）を算出するようにしている。

〔数式１６〕
Ｓ（ｉ，ｊ）＝Σ_jj=0,j-1Σ_ii=0,Xs-1Ｇｒａｙ（ｉｉ，ｊｊ）＋Σ_jj=0,iＧｒａｙ（ｉｉ，ｊ）
Ｍｅａｎ（ｘ，ｙ）＝｛Ｓ（ｘ＋ｍ，ｙ＋ｍ）−Ｓ（ｘ−ｍ，ｙ＋ｍ）−Ｓ（ｘ＋ｍ，ｙ−ｍ）＋Ｓ（ｘ−ｍ，ｙ−ｍ）｝／（４ｍ²）

上記〔数式１６〕の第１式において、Ｓ（ｉ，ｊ）は、先頭の画素（画像の左上端ｘ＝０、ｙ＝０）から画素（ｉ，ｊ）までの画素値Ｇｒａｙ（ｉｉ，ｊｊ）の全Ｘｓ×ｊ＋i＋１個の累積値である。

図１６は、グレースケール眼底画像上の画素（ｘ，ｙ）と平均値Ｍｅａｎ（ｘ，ｙ）を算出するための近傍画素との関係を示す図である。大きな太枠で囲ったように、平均値Ｍｅａｎ（ｘ，ｙ）を算出するために、左上方の画素（ｘ−ｍ＋１，ｙ−ｍ＋１）〜右下方の画素（ｘ＋ｍ，ｙ＋ｍ）の全２ｍ×２ｍ個の画素値を加算する必要がある。この際、画像の先頭の画素から画素（ｘ，ｙ）までの画素値の累積値Ｓ（ｘ，ｙ）を〔数式１６〕の第１式を用いて算出しておく。すると、前記２ｍ×２ｍ個の近傍画素と、それらの左方に隣接する画素（ｘ−ｍ，ｙ−ｍ＋１）〜画素（ｘ−ｍ，ｙ＋ｍ）からなる２ｍ個の画素、それらの上方に隣接する画素（ｘ−ｍ＋１，ｙ−ｍ）〜画素（ｘ＋ｍ，ｙ−ｍ）からなる２ｍ個の画素、およびそれらの左上方に隣接する画素（ｘ−ｍ，ｙ−ｍ）を加えた各画素は、図１６に示したような累積値をもつ。

そうすると、平均値Ｍｅａｎ（ｘ，ｙ）は、〔数式１６〕の第２式に示すように、４つの画素の累積値を加減算するだけの少ない処理負荷で高速に算出することができる。ここで、累積値を加算する４つの画素とは、図１６に、小さい太枠で囲った（ｘ＋ｍ，ｙ＋ｍ）、（ｘ−ｍ，ｙ＋ｍ）、（ｘ＋ｍ，ｙ−ｍ）、（ｘ−ｍ，ｙ−ｍ）の４画素である。グレースケール眼底画像Ｇｒａｙ（ｘ，ｙ）の各画素（ｘ，ｙ）に近傍画素の平均値Ｍｅａｎ（ｘ，ｙ）を所定の値Ｍｉｄから減算した値を加算することにより、平坦化画像Ｇｒａｙ´（ｘ，ｙ）が得られる。

結局、〔数式１６〕に従った処理を実行することにより、画像平坦化手段１２は、画像のサイズがＸｓ×Ｙｓである前記グレースケール眼底画像に対して、あらかじめ（０，０）から（Ｘｓ−１，ｙ−１）の範囲のＸｓ×ｙ個、および（０，ｙ）から（ｘ，ｙ）の範囲のｘ＋１個からなる全Ｘｓ×ｙ＋ｘ＋１個の画素値の総和を各画素（ｘ，ｙ）における累積値Ｓ（ｘ，ｙ）として算出する処理を行い、Ｓ（ｘ＋ｍ，ｙ＋ｍ）−Ｓ（ｘ−ｍ，ｙ＋ｍ）−Ｓ（ｘ＋ｍ，ｙ−ｍ）＋Ｓ（ｘ−ｍ，ｙ−ｍ）の値を、２ｍ×２ｍで除算した値を平均値として算出している。各画素（ｘ，ｙ）における累積値Ｓ（ｘ，ｙ）を事前に算出する処理が余分に加わるが、この計算はＸｓ×Ｙｓ回の加算演算だけで行える。これに対して、累積値Ｓ（ｘ，ｙ）を用いずに、各画素（ｘ，ｙ）における平均値Ｍｅａｎ（ｘ，ｙ）を算出しようとすると、各画素ごとに２ｍ×２ｍ回の加算演算が必要となり、トータルＸｓ×Ｙｓ×２ｍ×２ｍ回の加算演算が必要となる。これに対して、累積値Ｓ（ｘ，ｙ）を用いれば、各画素ごとに４回の加減算で済み、事前の画像全体の累積値計算を含めてトータルＸｓ×Ｙｓ×５回の加減算で完結する。

平坦化画像が得られたら、次に、線状成分強調手段１３が、平坦化画像に対して、オープニング処理（収縮・膨張処理）を行って線状成分の強調を行い、線状成分強調画像を得る（ステップＳ１３０）。図１７は、ステップＳ１３０における線状成分強調の処理動作を示すフローチャートである。

まず、線状成分強調手段１３は、画像平坦化手段１２により得られた平坦化画像に対して、８種の線形構造要素によるオープニング処理を行う（ステップＳ１３１）。ステップＳ１３１のオープニング処理では、線形構造要素を複数個用いて、複数の線形オープニング画像を作成する。本実施形態では、指定構造要素として８個の線形構造要素を用いる。これは、方向が８方向に異なる線形の構造要素である線形構造要素である。図１８は、本実施形態で用いる線形構造要素の一例を示す図である。

図１８に示す線形構造要素は、マスクとしての役割を果たすものであるため、二値画像である。そのため、図１８において、“０”と表記された画素の値は“０”であるが、“０”以外の数値が表記された画素の値は、８種類の各方向ｄに応じて“１”となり、他の方向のとき“０”である。図１８における“０”以外の数字は方向を示している。“１”は水平方向（図面左右方向）であり、以後数字が１増えるに従って２２．５度間隔で方向が変化する。“２” “４”“６”“８”については、画素の格子状配置の関係から、同一数字の列が直線上に配列することができないため、近傍の区画に配置されている。“２３４”や“６７８”などの３桁の数字は、それぞれ“２” “３”“４”の３方向、“６”“７”“８”の３方向のいずれかの方向の場合に、画素値が“１”となることを示している。なお、“９”は中心となる画素を示しており、中心となる画素の値は常に“１”である。

図１８に示すように、線形構造要素は、円形構造要素の半径Ｒの２倍の長さで画素幅が１画素であって、２２．５度間隔の直線の少なくとも近傍に配置され、８方向を定義したものとなる。実際には、各方向において画素値“１”が与えられる連続する画素は、直線となることが好ましいが、線形構造要素の全体画素数が少ない場合は、必ずしも直線にならない。そのため、図１８の例では、“２” “４”“６”“８”で示す方向については、直線ではなく、画素値“１”となる画素は、２２．５度間隔の直線の近傍に配置されることになる。

実際に用いる線形構造要素は、中心から半径７画素の条件を追加したものとなる。すなわち、図１８に示した線形構造要素と、図１９に示した円形構造要素の論理積（ＡＮＤ）をとったものとなる。図１９は、本実施形態で用いる円形構造要素の一例を示す図である。図１９に示すように、本実施形態では、半径７画素、すなわち中心から距離７画素以下を有効とした１５×１５のマスク画像の形態である円形構造要素を用いる。図１９に示すように、１５×１５の画素のうち、中心から距離７画素以下の画素値は“１”、その他の中心から距離７を超える画素の画素値は“０”である。図１８に示した線形構造要素と、図１９に示した円形構造要素の論理積（ＡＮＤ）をとることにより、例えば、方向ｄ＝１の場合は、図２０に示したような二値のマスク画像が得られる。また、方向ｄ＝２の場合は、図２１に示したような二値のマスク画像が得られる。図２０、図２１において、“１”と示されている画素が参照画素である。すなわち、オープニング処理の際に参照される参照画素が定義された（２Ｒ＋１）×（２Ｒ＋１）画素の２値画像で、半径Ｒの円形内部に参照画素が定義され、２Ｒ＋１の長さで画素幅が１画素であって、２２．５度間隔の直線の少なくとも近傍に配置されることにより、８方向が定義されることになる。

図１８に示した線形構造要素はＭ（ｄ，ｕ，ｖ）＝｛０，１｝（ｄ＝１，・・・，８；ｕ＝−Ｒ，・・・，０，・・・，Ｒ；ｖ＝−Ｒ，・・・，０，・・・，Ｒ）と定義することができる。なお、Ｒは有効とする半径を示しており、図１８の例では、Ｒ＝７である。また、ｕは図１８における横軸、ｖは図１８における縦軸を、それぞれ示す。線状成分強調手段１３は、線形構造要素Ｍ（ｄ，ｕ，ｖ）を用いて、上記〔数式１５〕に従った処理を実行して得られた平坦化画像Ｇｒａｙ´（ｘ，ｙ）に対して、以下の〔数式１７〕に従った処理を実行し、収縮画像Ｅｒａｙ（ｘ，ｙ）を得る。

〔数式１７〕
Ｅｒａｙ（ｄ，ｘ，ｙ）＝ＭＩＮ_{u=-R,R;v=-R,R}［（２５５−Ｍ（ｄ，ｕ，ｖ）×２５４）×（Ｇｒａｙ´（ｘ＋ｕ，ｙ＋ｖ）＋１）−１］

上記〔数式１７〕において、ＭＩＮは最小値をとることを示しており、ＭＩＮの添え字の“ｕ＝−Ｒ，Ｒ；ｖ＝−Ｒ，Ｒ”は、ｕ，ｖが−ＲからＲの範囲における演算を行うことを示している。すなわち、“ｘ＝Ｒ，・・・，Ｘｓ−Ｒ−１；ｙ＝Ｒ，・・・，Ｙｓ−Ｒ−１“の各画素Ｇｒａｙ´（ｘ，ｙ）に対して、“ｕ＝−Ｒ，Ｒ；ｖ＝−Ｒ，Ｒ”の隣接画素内でＭ（ｕ，ｖ）＝１である画素値の最小値に変換を行っている。したがって、図１８の例では、線形構造要素の（２Ｒ＋１）×（２Ｒ＋１）画素でＲ＝７として２２５画素を用いて演算を行い、その最小値がＥｒａｙ（ｘ，ｙ）として与えられることになる。

上記〔数式１７〕に従った処理を実行して収縮画像Ｅｒａｙ（ｄ，ｘ，ｙ）が得られたら、このＥｒａｙ（ｄ，ｘ，ｙ）をＧｒａｙ´（ｘ，ｙ）に置き換えて、上記〔数式１７〕に従った処理を繰り返し実行することもできる。繰り返しの回数は、適宜設定することが可能である。ただし、通常は画質劣化を抑えるため、１回に設定し繰り返しは行わない。８つの各方向ｄについて行うことにより、ｄ＝１〜８の８種の収縮画像Ｅｒａｙ（ｄ，ｘ，ｙ）が得られる。

収縮処理を繰り返し実行して８種の収縮画像Ｅｒａｙ（ｄ，ｘ，ｙ）が得られたら、次に、線状成分強調手段１３は、収縮処理に用いた線形構造要素を指定構造要素として用いて膨張処理を行う。具体的には、線形構造要素Ｍ（ｄ，ｕ，ｖ）を用いて、収縮画像Ｅｒａｙ（ｄ，ｘ，ｙ）に対して、以下の〔数式１８〕に従った処理を実行し、膨張後の画像Ｄｒａｙ（ｄ，ｘ，ｙ）を得る。

〔数式１８〕
Ｄｒａｙ（ｄ，ｘ，ｙ）＝ＭＡＸ_{u=-R,R;v=-R,R}［Ｍ（ｄ，ｕ，ｖ）×Ｅｒａｙ（ｄ，ｘ＋ｕ，ｙ＋ｖ）］

上記〔数式１８〕において、ＭＡＸは最大値をとることを示しており、ＭＡＸの添え字の“ｕ＝−Ｒ，Ｒ；ｖ＝−Ｒ，Ｒ”は、ｕ，ｖが−ＲからＲの範囲における演算を行うことを示している。すなわち、“ｘ＝Ｒ，・・・，Ｘｓ−Ｒ−１；ｙ＝Ｒ，・・・，Ｙｓ−Ｒ−１“の各画素Ｅｒａｙ（ｄ，ｘ，ｙ）に対して、“ｕ＝−Ｒ，Ｒ；ｖ＝−Ｒ，Ｒ”の隣接画素内でＭ（ｄ，ｕ，ｖ）＝１である画素値の最大値に変換を行っている。したがって、図１８の例では、線形構造要素の（２Ｒ＋１）×（２Ｒ＋１）画素として２２５画素を用いて演算を行い、その最大値がＤｒａｙ（ｄ，ｘ，ｙ）として与えられることになる。

上記〔数式１８〕に従った処理を実行して膨張後の画像Ｄｒａｙ（ｄ，ｘ，ｙ）が得られたら、このＤｒａｙ（ｄ，ｘ，ｙ）をＥｒａｙ（ｄ，ｘ，ｙ）に置き換えて、上記〔数式１８〕に従った処理を繰り返し実行することもできる。繰り返しの回数は、収縮処理の繰り返しの回数と同じ回数にする必要があり、通常は収縮処理とも１回に設定し繰り返しは行わない。８つの各方向ｄについて行うことにより、ｄ＝１〜８の８種の膨張後の画像Ｄｒａｙ（ｄ，ｘ，ｙ）が得られる。収縮および膨張を行った結果得られる画像は、線形オープニング画像Ｄｒａｙ（ｄ，ｘ，ｙ）として得られる。

次に、線状成分強調手段１３は、８種の線形オープニング画像の最大値の画像を作成する処理を行う（ステップＳ１３２）。具体的には、以下の〔数式１９〕に従った処理を実行し、最大値の画像である線状成分強調画像Ｌｒａｙ（ｘ，ｙ）を得る。

〔数式１９〕
Ｌｒａｙ（ｘ，ｙ）＝ＭＡＸ_d=1,8Ｄｒａｙ（ｄ，ｘ，ｙ）

上記〔数式１９〕において、ＭＡＸは最大値をとることを示しており、ＭＡＸの添え字の“ｄ＝１，８”は、８種の全ての線形オープニング画像Ｄｒａｙ（ｄ，ｘ，ｙ）における演算を行うことを示している。すなわち、各画素（ｘ，ｙ）について、８種の線形オープニング画像Ｄｒａｙ（ｄ，ｘ，ｙ）の最大値を取得する処理を行っている。この結果、最大値の画像である線状成分強調画像Ｌｒａｙ（ｘ，ｙ）が得られる。

線状成分強調画像が得られたら、次に、画素階調変換手段１４が、線状成分強調画像に対して、階調変換（コントラスト補正）を行い、血管強調画像を得る（ステップＳ１４０）。具体的には、まず、画素階調変換手段１４は、０〜２５５の値をもつ、線状成分強調画像Ｌｒａｙ（ｘ，ｙ）のＸｓ×Ｙｓ個の全画素について、画素値ｖｂの度数分布Ｈ（ｖｂ）（ｖｂ＝０，・・・，２５５）を求める。そして、以下の〔数式２０〕に示す条件を満たす最小値ｖｂｍｉｎを求める。

〔数式２０〕
Σ_vb=0,vbminＨ（ｖｂ）≧（Ｘｓ×Ｙｓ）×α

上記〔数式２０〕において、Σの添え字の“ｖｂ＝０，ｖｂｍｉｎ”は、ｖｂが０からｖｂｍｉｎまでの総和を求めることを示している。したがって、上記〔数式２０〕に示す条件とは、全画素数（Ｘｓ×Ｙｓ）のうち、およそ比率α×１００％の画素が、画素値ｖｂｍｉｎ以下の画素値となることを示している。比率αとしては、眼底画像中に含まれる血管以外の領域の比率を与える必要があり、この比率は取得された眼底画像ごとに変動するが、平均的には０．７〜０．９、典型的な例として０．８と設定することが好ましい。結局、〔数式２０〕を用いることにより、線状成分強調画像に含まれる非血管候補領域と血管候補領域とを判別する画素値のしきい値として、線状成分強調画像の最小画素値ｖｂ＝０から数えて画素数の総和が線状成分強調画像の全画素数の所定の比率αを超える画素値のうち最小の画素値ｖｂｍｉｎを特定することができる。

上記〔数式２０〕に示す条件を満たす最小値ｖｂｍｉｎが求められたら、次に、画素階調変換手段１４は、ｘ＝０，・・・，Ｘｓ−１；ｙ＝０，・・・，Ｙｓ−１の全画素に対して、以下の〔数式２１〕に従った処理を実行し、コントラスト補正を行い、血管強調画像Ｔｒａｙ（ｘ，ｙ）を得る。

〔数式２１〕
Ｔｒａｙ（ｘ，ｙ）＝｛Ｌｒａｙ（ｘ，ｙ）−ｖｂｍｉｎ｝×２５５×β／（２５５−ｖｂｍｉｎ）

上記〔数式２１〕において、βは輝度スケーリング値である。輝度スケーリング値βとしては、任意に設定することができるが、設定された比率αに依存するため、α＝０．８に設定した場合、好ましくは７０〜９０、特に好ましい例として８０とすることができる。すなわち、βはαの１００倍程度に設定することが好ましい。

Ｔｒａｙ（ｘ，ｙ）は画素値であるため、〔数式２１〕の結果が負の値となった場合には、Ｔｒａｙ（ｘ，ｙ）＝０と置き換える。したがって、所定の条件Ｌｒａｙ（ｘ，ｙ）＞ｖｂｍｉｎを満たさない画素は、最小値“０”に置き換えられ、所定の条件Ｌｒａｙ（ｘ，ｙ）＞ｖｂｍｉｎを満たす画素は、最小値“０”より大きい値“１”から最大値の範囲になるようにＴｒａｙ（ｘ，ｙ）の画素値が設定される。Ｔｒａｙ（ｘ，ｙ）においては、階調の最小値である“０”が血管候補領域外を示し、血管候補領域は“１”以上、“２５５”以下となる。血管候補領域の最小値は、階調の最小値付近の値が設定される。本実施形態では、階調の最小値付近の値として、階調の最小値＋１を設定しているが、それ以上であってもよい。もちろん、血管領域のコントラストを高くするため、階調の最小値＋１であることが好ましい。このようにして得られた血管強調画像Ｔｒａｙ（ｘ，ｙ）は、血管領域である確率が高い画素ほど高い値をもつグレースケールの画像となる。

所定の条件Ｌｒａｙ（ｘ，ｙ）＞ｖｂｍｉｎを満たさない画素を最小値に設定する場合、上述のように“０”とすることが好ましいが、“０”以外の値であってもよい。眼底領域は一般に円形をしているため、矩形形状の眼底画像には非眼底領域も含まれるため、非眼底領域を“０”に設定し、眼底領域内の非血管候補領域を“１”に設定し、眼底領域内の血管候補領域を“２”〜“２５５”に設定することもできる。コントラストを高くすることが目的であるため、当然のことながら、血管候補領域における最小値は“０”に近い値にすることが好ましい。

本実施形態では、８種類の方向に従って８種の線形オープニング画像に対して処理を行うため、２２．５度の均等間隔で変更させた各方向に均等に粒状成分の抽出を抑えることができる。作成する画像の数も方向に応じた８個だけであるため、演算処理の負荷を抑えることができる。

＜４．動静脈径比の算出＞
（動静脈径比算出に関する第１の実施形態）
図２５は、図３の動静脈径比を算出する処理（ステップＳ７００）について、第１の実施形態を詳細に示したフローチャートである。はじめに、計測範囲設定手段７２が、動静脈識別画像を表示部６に表示させた上に計測用図形を重ねて表示する（ステップＳ７０１）。この計測用図形は外形が台形（長方形及び正方形も含む意味）で、利用者から見ると、計測ゲージのような印象を与える図形である。本実施形態では、好ましい例として、計測用図形の初期状態を台形の一形態である長方形としている。

計測用図形が表示されたら、利用者は、指示入力Ｉ／Ｆ４により計測用図形を縦横に変倍、移動、回転させて、平行な２辺が計測対象の血流をまたがるように配置する。すると、計測範囲設定手段７２は、表示画面上で配置された計測用図形の４頂点に対応する動静脈識別画像の４頂点で特定される範囲を計測範囲として設定する（ステップＳ７０２）。そして、計測用図形の平行な２辺の少なくとも一方の辺を計測線として設定する。本実施形態では、計測用図形の４辺のうち、計測用図形の内部の線分と接する平行な２辺それぞれを１次元の計測線として設定する。

ここで、計測用図形として台形を用いることが好ましい理由について説明する。動静脈径比を算出するためには、動脈および静脈の各々血管走行方向と直交する方向に１箇所ずつ計測線を設定し、各々の計測線を基に１次元の血流範囲が特定されれば、動脈と静脈の血流幅を計測でき、動静脈径比の算出が可能である。しかし、利用者（医療従事者）により手動で設定される計測線が血管走行方向に対して直交方向から外れ斜めになっていると、算出される動静脈径比は不正確な値になる。本実施形態では、図２８（ａ）・図２９（ａ）に示される通り、計測用図形として２つの計測線を備える台形（好ましくは長方形）を用い、各計測線内点を計測線に対して垂直に結ぶ基準線を備えるようにした。 これにより、利用者が計測用図形の基準線を血管走行方向に沿って設定するようにすれば、設定される計測用図形の２つの計測線（平行な２辺）が血管走行方向に対して直交方向から外れることを軽減することができる。更に、単一の計測用図形から平行な２辺に基づき１次元の血流範囲は同時に２箇所特定され、図２８（ｂ）・図２９（ｂ）に示される通り、計測用図形は、元の形状が長方形であった場合でも、血管に合わせて長方形以外の台形に変化する等して血管にフィッティングされ、２箇所の血流範囲の２端点を基に２箇所の血流幅を同時に計測できる。そのため、血流幅の変化が大きい箇所でも、２箇所の平均値を計測値とすることにより、計測範囲の設定位置に基づく計測値のバラツキを軽減することが可能となる。

ステップＳ７０１とステップＳ７０２の処理を複数回実施し、少なくとも２箇所以上に計測範囲を設定する。設定された各計測範囲には計測用図形の４頂点の座標値が定義されているため、動静脈識別画像において、この４頂点の座標値の範囲の画素を参照し、動脈の属性をもつ画素の画素数Ｃｐｂと静脈の属性をもつ画素の画素数Ｃｎｂをカウントする。Ｃｐｂ＞Ｃｎｂであれば、当該計測範囲に動脈の属性を付与し、Ｃｎｂ＞Ｃｐｂであれば、当該計測範囲に静脈の属性を付与する（ステップＳ７０３）。図２８（ａ）は、図１１に示される動静脈識別画像に、前述の動静脈識別画像補正手段６７による補正を加えた画像に対して、ステップＳ７０１からステップＳ７０３を実行し、２箇所の計測範囲を設定した一例である。四角形の各計測範囲それぞれに対して１次元の計測線が２箇所設定される。図２８（ａ）の左側の長方形で示されている計測範囲およびその内部の２箇所の計測線には動脈の属性が付与されており、右側の長方形で示されている計測範囲およびその内部の２箇所の計測線には静脈の属性が付与されている。図２９（ａ）は、図２３に示される動静脈識別画像に、同様に、動静脈識別画像補正手段６７による補正を加えた画像に対して、ステップＳ７０１からステップＳ７０３を実行し、２箇所の計測範囲を設定した他の一例である。図２９（ａ）の左側の長方形で示されている計測範囲およびその内部の２箇所の計測線には静脈の属性が付与されており、右側の長方形で示されている計測範囲およびその内部の２箇所の計測線には動脈の属性が付与されている。

次に、血流範囲特定手段７６が、動静脈識別画像の元のフルカラー眼底画像を参照し、各計測線の２頂点の座標値の範囲の画素を参照し（ステップＳ７０４）、血流範囲端部を特定する処理を行う（ステップＳ７０５）。ステップＳ７０５では、各計測範囲の計測用図形の血管と交叉している、計測線であるいずれかの辺をサンプリングし、各サンプルのＲＧＢフルカラーの画素値をグレースケール変換して１次元の輝度配列を作成する。このグレースケール変換は、前述の血管領域強調手段１０におけるグレースケール変換手段１１と同様に、〔数式１３〕に基づき、フルカラーのＲＧＢ成分よりＧ成分だけを抽出する方法をとる。そして、１次元の輝度配列の各要素に隣接する要素を参照しながら微分処理を行い、１次元の微分輝度配列を作成する。この微分輝度配列の極大値を与える要素および極小値を与える要素に対応するフルカラー眼底画像の画素を血流範囲の２箇所の端部として特定する。同様な処理を同計測用図形のもう１つの計測線である対向する辺、および他の計測範囲に対応する計測用図形の２辺（２つの計測線）に対しても行い、各計測用図形の２辺に対して特定された４つの端点で構成される四角形をフルカラー眼底画像に重ねて表示する（ステップＳ７０６）。そうすると、動静脈識別画像に重ねて表示されている計測用図形の各々が、フルカラー眼底画像の血流部分にフィッティングした状態で表示される。

図２８（ｂ）は、図２８（ａ）に示される動静脈識別画像の２箇所に定義され計測用図形の各々が、ステップＳ７０４からステップＳ７０６を実行することにより、フルカラー眼底画像の血流部分にフィッティングさせた一例である。左側の計測用図形は動脈にフィッティングされ、右側の計測用図形は静脈にフィッティングされている。図２９（ｂ）は、図２９（ａ）に示される動静脈識別画像の２箇所に定義され計測用図形の各々が、同様に、ステップＳ７０４からステップＳ７０６を実行することにより、フルカラー眼底画像の血流部分にフィッティングさせた他の一例である。左側の計測用図形は静脈にフィッティングされ、右側の計測用図形は動脈にフィッティングされている。

このようにして、動脈と静脈の各々１箇所以上に、フィッティングされた計測用図形が得られたら、動脈属性をもつ計測範囲の計測用図形が血流部分に交差している２辺（２つの計測線）の長さの平均値を、静脈属性をもつ計測範囲の計測用図形が血流部分に交差している２辺（２つの計測線）の長さの平均値で除算し、動静脈径比を算出する（ステップＳ７０７）。図２８に示す例では、同図下段にAV-ratio:0.764706と表示されているのが、算出された動静脈径比で、この値は正常範囲である。図２９に示す例では、同図下段にAV-ratio:0.655172と表示されているのが、算出された動静脈径比で、この値はやや動脈硬化が進んだ状態である。

（動静脈径比算出に関する第２の実施形態）
図２６は、図３のステップＳ７００の処理について、第２の実施形態を詳細に示したフローチャートである。はじめに、動静脈識別画像を表示部６に表示させ、利用者は、指示入力Ｉ／Ｆ４により計測範囲を（ｘ１，ｙ１）から（ｘ２，ｙ２）（ｘ１＜ｘ２、ｙ１＜ｙ２）の矩形形状により指定する。すると、計測範囲設定手段７２は、表示画面上で指定された矩形形状の４頂点に対応する動静脈識別画像の４頂点で特定される範囲を計測範囲として設定する（ステップＳ７１１）。この計測範囲は、動脈と静脈が各々１本以上含まれるように、図２５における第１の実施形態の計測範囲より比較的大き目に１箇所だけ指定することにより行われる。

図３０の左に示す画像は、図１３に示される動静脈識別画像に、前述の動静脈識別画像補正手段６７による補正を加えた画像に対して、ステップＳ７１１を実行し、計測範囲を設定した一例である。次に、以下の〔数式２２〕に従い、指定された矩形領域（ｘ１，ｙ１）から（ｘ２，ｙ２）の範囲で、各画素が０を除く正負の符号を持った値を有する動静脈識別画像Ｈｕｅｓ（ｘ，ｙ）において、正の値を持った動脈属性の画素の画素数Ｃｐｃをカウントする（ステップＳ７１２）。続いて、負の値を持った静脈属性の画素の画素数Ｃｎｃをカウントする（ステップＳ７１３）。

〔数式２２〕
Ｃｐｃ＝Σ_y=y1,y2Σ_{x=x1,x2; Hues(x,y)>0}１
Ｃｎｃ＝Σ_y=y1,y2Σ_{x=x1,x2; Hues(x,y)<0}１
そして、正の値を持った画素の画素数Ｃｐｃを、負の値を持った画素の画素数Ｃｎｃで除算し、その結果Ｃｐｃ／Ｃｎｃを動静脈径比として得る（ステップＳ７１４）。図３０の左に示す計測範囲を設定した動静脈識別画像に対して、ステップＳ７１２からステップＳ７１４を実行して算出された動静脈径比は、同図右および下段に示される通り、８７％で正常範囲である。

（動静脈径比算出に関する第３の実施形態）
図２７は、図３のステップＳ７００の処理について、第３の実施形態を詳細に示したフローチャートである。第３の実施形態は、第２の実施形態におけるステップＳ７１１の手動で計測範囲を設定する処理を、元のフルカラー眼底画像を参照しながら自動的に行うようにしたものである（ステップＳ７１５〜ステップＳ７１７）。はじめに、フルカラー眼底画像に対して、グレースケール変換を行う（ステップＳ７１５）。これは前述の血管領域強調手段１０におけるグレースケール変換手段１１と同様に、〔数式１３〕に基づき、フルカラーのＲＧＢ成分よりＧ成分だけを抽出する。次に、視神経乳頭部の探索を行う（ステップＳ７１６）。視神経乳頭部は、所定の大きさの画素ブロックの平均値が最大となる位置を視神経乳頭部の基準点と定義し、前述の血管領域強調手段１０における画像平坦化手段１２と同様に、グレースケール変換眼底画像の全ての画素に対して〔数式１５〕の第１式に基づき、近傍画素の平均値Ｍｅａｎ（ｘ，ｙ）を算出し、この値が最大となる位置（Ｘｍａｘ，Ｙｍａｘ）を視神経乳頭部の基準点であるとみなし１箇所探索する。基準点とは、本実施形態においては、ユニークに特定される視神経乳頭部内の点であり、重心位置に近い点であるが、必ずしも重心位置ではない。

具体的な探索としては、注目画素（ｘ，ｙ）を中心にＹ軸方向に−ｍ＋１からｍまで、Ｘ方向に−ｍ＋１からｍまでの４ｍ²個の画素の総和を求める。視神経乳頭は比較的大きいため、前述の血管領域強調手段１０の画像平坦化手段１２において設定するｍの値より比較的大き目に設定する必要があり、本実施形態では、ｍ＝４０に設定している。そのため、〔数式１５〕の第１式で平均値Ｍｅａｎ（ｘ，ｙ）を算出しようとすると、かなりの処理時間を要するため、前述の通り、〔数式１６〕で高速に算出する方法で行う。

このようにして、視神経乳頭部の基準点（Ｘｍａｘ，Ｙｍａｘ）が決定したら、所定の距離ｄｓだけ下方に所定のＤｘ×Ｄｙの計測範囲を設定する（ステップＳ７１７）。即ち、（Ｘｍａｘ−Ｄｘ／２，Ｙｍａｘ−ｄｓ−Ｄｙ／２）から（Ｘｍａｘ＋Ｄｘ／２−１，Ｙｍａｘ−ｄｓ＋Ｄｙ／２−１）の矩形領域を計測範囲として設定する。本願実施形態では、ｄｓ＝３５、Ｄｘ＝Ｄｙ＝７３に設定している。図３１の左に示す画像は、図２４に示される動静脈識別画像に、前述の動静脈識別画像補正手段６７による補正を加えた画像に対して、ステップＳ７１５からステップＳ７１７を実行することにより、計測範囲を自動的に設定した一例である。この後のステップＳ７１２からステップＳ７１４は、第２の実施形態と同様である。図３１の左に示す計測範囲を設定した動静脈識別画像に対して、ステップＳ７１２からステップＳ７１４を実行して算出された動静脈径比は、同図右および下段に示される通り５４％で、この値は動脈硬化がやや進んだ状態である。

＜５．変形例等＞
以上、本発明の好適な実施形態について説明したが、本発明は上記実施形態に限定されず、種々の変形が可能である。例えば、上記実施形態では、撮影により得られた眼底画像としてフルカラー画像を用いたが、近年業務用のデジタルカメラの階調は１０ビット以上に拡大しており、各色１０２４階調等のフルカラー画像を取得することも可能になっており、より階調数の多いカラー画像を用いてもよい。

１・・・ＣＰＵ（Central Processing Unit）
２・・・ＲＡＭ（Random Access Memory）
３・・・記憶装置
４・・・指示入力Ｉ／Ｆ
５・・・データ入出力Ｉ／Ｆ
６・・・表示部
１０・・・血管領域強調手段
１１・・・グレースケール変換手段
１２・・・画像平坦化手段
１３・・・線状成分強調手段
１４・・・画素階調変換手段
２０・・・多階調色相変換手段（色相変換手段）
３０・・・中央階調領域定義手段（色相変換手段）
４０・・・低階調化手段（色相変換手段）
５０・・・しきい値算出手段
６０・・・動静脈識別画像生成手段
６５・・・動静脈径比算出手段
６７・・・動静脈識別画像補正手段
７０・・・眼底画像記憶手段
７２・・・計測範囲設定手段
７４・・・属性付与手段
７６・・・血流範囲特定手段
７８・・・視神経乳頭探索手段
８０・・・動静脈識別画像記憶手段
１００・・・眼底画像処理装置

Claims (16)

1. カラー眼底画像に対して血管領域を抽出し、前記血管領域の各画素に対して、前記カラー眼底画像の対応する画素を参照してＲＧＢ値を取得し、取得したＲＧＢ値をＬ階調（Ｌは正の整数）の色相値に変換し、画素値がＬ階調の色相値に変換された色相変換画像を得る色相変換手段と、
   前記色相変換画像の各画素の色相値に基づいて、動脈または静脈の属性が付与された動静脈識別画像を得る動静脈識別画像生成手段と、
   前記動静脈識別画像に対して、血流を含む範囲を、少なくとも２箇所、計測範囲として設定する計測範囲設定手段と、
   前記計測範囲に含まれる動静脈識別画像の画素値に基づいて、前記各計測範囲に対して動脈または静脈の属性を付与する属性付与手段と、
   前記カラー眼底画像に対して前記各計測範囲に含まれる血流に相当する範囲を血流範囲として特定する血流範囲特定手段と、
   動脈の属性が付与された計測範囲において特定された血流範囲と、静脈の属性が付与された計測範囲において特定された血流範囲とに基づいて動静脈径比を算出する動静脈径比算出手段と、
   を備えることを特徴とする眼底画像処理装置。
2. 前記計測範囲設定手段は、外形が台形である計測用図形を表示し、外部からの指示に基づき、動静脈識別画像に重ねて配置された前記計測用図形の位置及び形状を修正し、当該計測用図形の平行な２辺がそれぞれ表示された血流をまたぐように設定する手段を更に有することにより、
   前記血流範囲特定手段は、前記計測用図形の平行な２辺に基づいて血流範囲の２端点を各々特定し、特定された血流範囲の４端点を４頂点とする外形が台形形状の図形を前記計測用図形に代えて前記カラー眼底画像に重ねて表示すること
   を特徴とする請求項１に記載の眼底画像処理装置。
3. カラー眼底画像に対して血管領域を抽出し、前記血管領域の各画素に対して、前記カラー眼底画像の対応する画素を参照してＲＧＢ値を取得し、取得したＲＧＢ値をＬ階調（Ｌは正の整数）の色相値に変換し、画素値がＬ階調の色相値に変換された色相変換画像を得る色相変換手段と、
   前記色相変換画像の各画素の色相値に基づいて、動脈または静脈の属性が付与された動静脈識別画像を得る動静脈識別画像生成手段と、
   前記動静脈識別画像に対して、動脈、静脈それぞれ１本以上を含む範囲を計測範囲として設定する計測範囲設定手段と、
   前記計測範囲に含まれる動静脈識別画像の動脈の属性をもつ画素数の総和と、動脈と静脈の属性をもつ画素数の総和との比率に基づいて、動静脈径比を算出する動静脈径比算出手段と、
   を備えることを特徴とする眼底画像処理装置。
4. 前記カラー眼底画像に対して所定の大きさの画素ブロックの輝度値の平均値が最大となる位置を視神経乳頭部の基準点として探索する視神経乳頭探索手段を更に有し、
   前記計測範囲設定手段は、前記探索された視神経乳頭部の基準点より所定の距離だけ下方の位置に所定の大きさの矩形領域を前記計測範囲として設定するようにしていること
   を特徴とする請求項３に記載の眼底画像処理装置。
5. 前記色相変換手段は、前記カラー眼底画像に対して血管領域を強調し、血管領域である確率が高い画素ほど高い値が設定されたグレースケールの血管強調画像を得る血管領域強調手段を更に有し、
   前記血管強調画像の中で所定の値以上の値をもつ画素を血管領域の画素として抽出し、
   前記動静脈識別画像生成手段は、前記色相変換画像の前記血管領域に対応する画素を基に、Ｌ階調のヒストグラムを算出し、算出されたヒストグラムを用いて判別分析法により二値化のしきい値を算出するしきい値算出手段を更に有し、
   前記色相変換画像の前記血管領域に対応する各画素のＬ階調の色相値と前記しきい値との比較結果に基づいて、動脈または静脈の属性が付与された前記動静脈識別画像を得るようにしていることを特徴とする請求項１から請求項４のいずれか一項に記載の眼底画像処理装置。
6. 前記色相変換手段は、
   前記血管強調画像の中で所定の値以上の値をもつ画素を血管領域の画素として抽出し、前記血管領域の各画素に対して、前記カラー眼底画像の対応する画素を参照してＲＧＢ値を取得し、取得したＲＧＢ値をＫ（ＫはＬより大きい整数）階調の色相値に変換し、画素値がＫ階調の色相値に変換された多階調色相変換画像を得る多階調色相変換手段と、
   前記Ｋ階調の範囲内に、ｃｍｉｎ（ｃｍｉｎは正の整数）からｃｍａｘ（ｃｍａｘはｃｍｉｎより大きくＫ−１より小さい）の範囲の中央階調領域を定義する中央階調領域定義手段と、
   前記多階調色相変換画像に対して、ｃｍｉｎ以下を０、ｃｍａｘ以上をＬ−１に飽和させ、ｃｍｉｎからｃｍａｘまでを０からＬ−１の値をとるＬ階調の前記色相変換画像に変換する低階調化手段と、
   を更に有することを特徴とする請求項５に記載の眼底画像処理装置。
7. 前記多階調色相変換手段は、前記血管領域の全ての画素に対して、前記取得したＲＧＢ値を色相値に変換した後、最小の色相値を０、最大の色相値をＫ−１に変換するようにＫ階調の整数の色相値に変換することを特徴とする請求項６に記載の眼底画像処理装置。
8. 前記中央階調領域定義手段は、前記多階調色相変換画像の前記血管領域に対応する画素をもとに、算出された高精度ヒストグラムにおいて、前記血管領域に対応する画素の総数をＣｔ、中央値をｈｃとして、中央値ｈｃの両側それぞれにＣｔ／４の画素が含まれる範囲を前記中央階調領域として定義することを特徴とする請求項６または請求項７に記載の眼底画像処理装置。
9. 前記血管領域強調手段は、
   前記カラー眼底画像が有する色成分のうち少なくとも１つの色成分に基づいてグレースケール眼底画像を得るグレースケール変換手段と、
   前記グレースケール眼底画像の各画素に対して、所定の範囲に含まれる近傍画素の画素値の平均値を算出し、当該画素の画素値に所定の値から前記平均値を減算した値を加算することにより、平坦化画像を作成する画像平坦化手段と、
   前記平坦化画像に対して、所定の構造要素を用いてオープニング処理を行い血管候補領域の輝度を一定以上に揃えた線状成分強調画像を作成する線状成分強調手段と、
   前記線状成分強調画像において、所定の条件を満たさない画素値を、変換後の血管強調画像の階調の最小値になるように置き換え、前記所定の条件を満たす画素値が、階調の最小値付近の値から最大値の範囲になるように画素の階調を補正し、血管強調画像を作成する画素階調変換手段と、
   を有することを特徴とする請求項５から請求項８のいずれか一項に記載の眼底画像処理装置。
10. 前記色相変換手段は、前記血管強調画像が２５６階調の値をもつとき、１２８以上の値をもつ画素を血管領域の画素として抽出することを特徴とする請求項５から請求項９のいずれか一項に記載の眼底画像処理装置。
11. 前記多階調色相変換手段は、前記取得したＲＧＢ値をＫ階調の色相値に変換する際、Ｒ、Ｇ、Ｂに対応する値をｒ、ｇ、ｂとし、αを所定の実数値とし、ｈ＝（ｇ−ｂ）α／（２ｒ−ｇ−ｂ）を用い、２ｒ−ｇ−ｂ＝０の場合ｈ＝０とし、２ｒ−ｇ−ｂ＜０の場合、通常眼ではｈ＝０とし、白内障眼では、ｈ＝（ｇ−ｂ）α／（２ｒ−ｇ−ｂ）として、得られたｈの値に基づいて、変換を行うことを特徴とする請求項６に記載の眼底画像処理装置。
12. 前記しきい値算出手段は、前記Ｌ階調を２５６階調とし、算出されたヒストグラムの階調１から階調２５４の範囲を用いて判別分析法の処理を実行し、前記しきい値を算出することを特徴とする請求項５から請求項８のいずれか一項に記載の眼底画像処理装置。
13. 前記動静脈識別画像生成手段は、前記Ｌ階調を２５６階調とし、前記しきい値をＳａｖとすると、前記色相変換画像の前記血管領域に対応する各画素の色相値Ｈｕｅに対して、（Ｈｕｅ−Ｓａｖ）×２なる演算を行って−２５５から２５５の範囲の画素値に変換し、前記血管領域に対応しない各画素に対して画素値０を設定し、画素値が正の場合は動脈の属性が付与された画素、画素値が負の場合は静脈の属性が付与された画素、画素値が０の場合は、前記血管領域に含まれない画素になるように、前記動静脈識別画像を生成することを特徴とする請求項１２に記載の眼底画像処理装置。
14. 前記動静脈識別画像生成手段により生成された動静脈識別画像に対して、画素値が（画素値の最大値−１）から１の値をもつ画素を補正対象画素として順次探索し、
    探索された各補正対象画素の画素値の絶対値をＺＴとし、前記補正対象画素の８近傍画素の中で画素値の絶対値の最大値をＺＭ、前記８近傍画素の中で動脈の属性をもつ画素の画素値の絶対値の総和をＣｐ、前記８近傍画素の中で静脈の属性をもつ画素の画素値の絶対値の総和をＣｎとすると、ＺＭ＞ＺＴであり、
    最大値ＺＭをもつ画素の属性が動脈でＣｐ＞Ｃｎを満たす、または最大値ＺＭをもつ画素の属性が静脈でＣｐ＜Ｃｎを満たす場合、前記補正対象画素の属性を最大値ＺＭをもつ画素の属性に置換し、前記補正対象画素の画素値の絶対値をＺＭに置換するように、前記探索された全ての補正対象画素に対して順次補正するようにしている動静脈識別画像補正手段を更に有することを特徴とする請求項１から請求項１３のいずれか一項に記載の眼底画像処理装置。
15. 前記動静脈識別画像生成手段により生成された動静脈識別画像より、（２Ｎ＋１）×（２Ｎ＋１）画素（Ｎ≧１）の画素ブロックを順次抽出し、前記画素ブロックの中で、動脈の属性をもつ画素数の総和をＣｐａ、前記画素ブロックの中で、静脈の属性をもつ画素数の総和をＣｎａとすると、
    Ｃｐａ＞Ｃｎａの場合、前記画素ブロックの中の全ての画素の属性を動脈に設定し、Ｃｐａ＜Ｃｎａの場合、前記画素ブロックの中の全ての画素の属性を静脈に設定するように補正する動静脈識別画像補正手段を更に有することを特徴とする請求項１から請求項１４のいずれか一項に記載の眼底画像処理装置。
16. コンピュータを、請求項１から請求項１５のいずれか一項に記載の眼底画像処理装置として機能させるためのプログラム。