无论是在临床诊疗，还是在医学研究中眼底彩色图像起着越来越重要的作用。医生通过对患者眼底图像的观测，不仅能够诊断患者是否患有眼底疾病，还能够预测患有心脑血管疾病、高血压、糖尿病等全身性疾病的概率。研究表明，眼底图像中视网膜血管的异常与糖尿病、高血压、神经系统疾病的发病和严重程度密切相关。由于视网膜血管错综复杂，医生难以直接得到定性或定量的观测数据，因此，引入数字图像处理技术辅助医生进行诊断，能够达到事半功倍的效果。　　视网膜血管的研究主要分成三个阶段:血管提取，动静脉识别和血管的定量分析。针对血管提取的研究，实现并改进了基于Hessian矩阵的血管提取方法。针对动静脉识别的研究，提出并实现了基于血管像素的动静脉识别方法和基于血管片段的动静脉识别方法。基于血管像素的动静脉识别方法，首先面向每个血管像素提取特征来标记动静脉，然后统计每段血管中动脉像素和静脉像素的比例从而确定血管类别。基于血管片段的动静脉识别方法，首先面向每个血管片段提取特征来标记动静脉，然后根据血管的结构特征修正标记错误的动静脉标签。最常见的血管定量分析是计算血管的分形维数。针对血管的分形维数计算，研究并实现了盒计数维数、Sandbox维数、覆盖变换维数方法计算视网膜血管的维数，对所得结果进行了分析与比较。　　通过研究动脉和静脉的特征差异，实现了全自动的动静脉识别。研究分形维数理论，实现了适用于视网膜血管的维数计算方法。利用公开的DRIVE眼底图像数据库对研究方法进行测试，得出了无糖尿病病症眼底图像和有轻微糖尿病病症眼底图像分形维数的区间。此外，对STARE数据库中患有不同疾病患者的眼底图像分形维数的研究，得到健康眼底图像，高血压眼底图像，糖尿病眼底图像及动脉硬化眼底图像各自对应的分形维数空间，其中健康眼底图像和糖尿病眼底图像与DRIVE数据库所得结果较为接近。所得结论能够成为医生临床诊断的重要参考依据之一。