糖尿病性视网膜病变是一种严重的糖尿病性眼疾，是成年人致盲和视力下降的主要原因。硬性渗出是糖尿病性视网膜病变的基本特征，因此对硬性渗出进行早期检测，是防止视力损伤的最好方法之一。目前，糖尿病性视网膜病变多由眼科医生进行人工检查，需要花费较多时间。因此，应用计算机自动检测可提高眼底照片评估的效率。 目前已有许多研究者提出了多种硬性渗出自动检测方法，取得了较好的结果，但均不同程度的存在着容易丢失边缘和细节信息的现象，为此，本文提出了一种硬性渗出的自动检测方法，在保持较高检出率的同时，能很好的保留分割结果的细节信息。视网膜图片首先通过k 近邻图快速区域合并方法进行分割，随后移除假阳性区域，以确认硬性渗出区域。本方法的优点在于算法的稳定与高效，可较快的检测出各种形态的硬性渗出。 在实现方法上，首先对原图进行图像增强，增加渗出物与背景间的对照，随后进行边缘检测，得到边界图。由于视盘与硬性渗出在颜色和对比度上都十分相近，为了在之后的步骤中去除视盘，需先得到视盘中心位置，因此，对原图进行血管分割后，在所得结果上寻找血管收敛度最大的区域，即为视盘中心。第二步，使用基于k 近邻图的区域合并对图像进行分割，初始化分割由许多小区域组成，根据本论文中所提出的区域相似度定义，对于当前区域中最相似的两个区域反复合并，并更新区域相似度数据，直到当前最大的区域相似度数值仍小于一预先给定的阈值，则停止合并过程。区域相似度的定义主要包含了两个区域之间的边界、灰度差以及距离等信息。采用k 近邻图作为区域合并的数据结构，对每个区域均保存两个链表，分别对应着该区域的最近区域，以及以该区域为最近区域的区域。K 近邻图使得搜索区域和更新相似度数据的速度较快，大大缩短了程序运行时间。最后根据第一步中所得到的视盘中心位置信息，去除视盘，并根据颜色和位置信息提取出硬性渗出区域。 对STARE图库中含有硬性渗出的眼底图像应用上述算法，并将所得结果与眼科医生手工标记的结果做比较，硬性渗出检测的平均特异性可达95.42％，同时平均灵敏性为91.08％。且运行时间较短。表明该方法稳定性较好，检测效率较高，可作为相关疾病的大规模普查自动检测方法的基础，具有一定的潜在应用价值。