随着生活水平的改善,人们对医疗条件的要求也相应提高。人体手背静脉注射作为常用的医疗手段之一,提高其注射的成功率,并实现全自动的静脉注射对于节省医疗资源具有重大的意义。目前现有的静脉显示仪,只是针对手背静脉做了增强显示,并没有进一步提取出适合静脉注射的部分,且手背静脉的提取与识别主要应用于生物识别领域,在临床医学领域中的应用研究甚少。本文结合生物识别领域中静脉识别的方法,应用到医学领域中的手背静脉提取方面。首先利用搭建的静脉图像采集装置获取手背静脉图像,然后对图像进行预处理,再分析适合注射的静脉的特点,最终成功提取并标注出适合手背静脉注射的部分。主要工作如下:(1)在图像采集方面,根据人体手背静脉对近红外光的吸收特性,即手背静脉组织对近红外光的吸收率远大于其它组织,搭建了光源部分,实验中应用白炽灯与红外滤光片的组合获得了较均匀的近红外光,并利用树莓派与其配套的摄像头完成了图像的采集。(2)在图像的预处理方面,针对手背静脉图像特点,利用质心法提取出图像的有效区域部分,并对其进行灰度的归一化,方便图像的后续处理;再利用高斯滤波和中值滤波对图像去噪;最后分析了三种典型的图像分割算法,并验证了这些算法的分割结果,得出基于一维灰度分割算法效果较好。(3)在图像的提取过程中,首先分析了两种典型的细化算法,提出了一种改进的细化算法,该算法首先对图像进行简单的二值形态学细化处理,再根据手背静脉细化图像的特点,拟合六个匹配模板对图像进行非单像素点的去除,得到理想的细化图像;然后利用改进的区域生长法对细化后的静脉图像进行分段的提取,再利用长度与曲率两个条件匹配出3条适合注射的静脉;最后利用模板匹配法对该3条静脉的原分割图像进行匹配,获得适合静脉注射的部分并在原手背图像上标注出来。实验结果表明,本文的算法可以有效的提取出适合静脉注射的部分,且提取率高达96.67%。另外算法所需的总时间小于1.5s,能够满足实际需要。