随着医疗影像采集技术的不断进步,眼底图像可以实现便捷、无创地获取。因此,观察视网膜血管的结构与形态也变得非常容易。在日常生活中,电子产品的激增很可能导致人们的用眼过度,大量的眼底图像有待诊断,这会占用大量的医疗人力资源。基于计算机视觉的视网膜血管分割对辅助临床排查以及诊断具有重要的意义。由于眼底图像存在质量较差、对比度不均匀、细血管区域特征不明显等问题,本文所研究的算法着重关注细血管区域分割的完整性以及分割处理的计算速度。为此本文主要以血管剖面灰度特征分析、视网膜血管分割和漏检、误检处理三部分进行研究。具体内容如下:（1）血管剖面灰度特征分析方面,对绿色通道图像进行灰度分布曲线分析,针对细血管区域与粗血管区域位于灰度分布曲线凹区域的特征,提出血管区域的定位方法;（2）视网膜血管分割方面,将分割工作分为血管骨架标记与血管轮廓检测两部分,为进一步保证血管区域的灰度幅值特征,提出灰度曲线凹线段合并与凸线段剔除的优化方法;为良好适应血管方向的多样性,对图像进行水平与垂直两方向分割。通过对比实验,提出一种基于幅值直方图的自动阈值分割方法,通过计算图像中每行每列的灰度值数据来生成阈值,并对血管骨架以及轮廓进行标记,最终实现图像的自动分割。（3）漏检、误检处理方面,针对视网膜血管的分割结果,进行后处理,提出一种基于8邻域窗口的误检、漏检解决方法,通过处理得到最终分割结果。最后,采用Messidor眼底图像库进行算法验证。实验结果表明,本文研究的算法在细血管区域的定位与分割结果较好,平均每张图片用时0.82s,且对不同质量与光照条件下的眼底图像具有较好的分割效果。因此,可以说本文所提出的算法具有处理速度快、准确性高、自适应性强等优点,具有一定的临床应用价值。