由于视网膜血管在眼底视网膜血管病变的分析和心脑血管疾病诊断中具有重要意义，多年来一直受到研究人员的高度重视。正常情况下，其结构跟形态一直处于稳定的状态。然而高血压、糖尿病及冠状动脉硬化等严重危害人类身体健康的心脑血管疾病会引起眼底视网膜血管直径和弯曲程度等结构的变化。由于视网膜里血管结构复杂，通过肉眼进行检测时误诊现象时有发生,因此研究科学有效的视网膜血管分割方法具有重要的意义。本文首先在眼底视网膜图像的绿色通道上进行阴影修正、双边滤波等预处理操作，然后在0~180°的范围内利用方向线检测算子以12个方向对视网膜血管中心线进行提取，最终再将各个方向检测到的方向线综合在一起形成完整的视网膜血管中心线。从本文实验可知，以方向线检测算子检测的中心线不仅准确而且完整。在得到的血管中心线的基础上，本文使用两种方法来定位视网膜血管边界。第一种方法是基于GrowCut方法的视网膜血管分割方法。我们首先将检测到的中心线作为血管的种子像素，对中心线进行形态学处理得到背景的种子像素，然后对血管和背景的种子像素分别进行标记（贴上相应类的标签）,再通过元胞自动机对剩余像素分配相应标签，从而达到分割血管的目的。实验结果表明，该方法运算速度较快且能分割出大部分血管，但是由于分割过程中未能考虑到血管的结构特征，所以会存在分割得到的血管边界不够精确光滑，部分区域误分现象较为明显的问题。本文提出的第二种分割方法能够有效地利用血管的形态结构特点:基于改进的B-样条Ribbon Snake分割视网膜图像中的血管。该方法在紧挨着血管中心线的两侧设置初始轮廓线，我们在传统B-样条Ribbon Snake模型的基础上设计了新的宽度能量和区域能量，通过极小化能量函数完成对视网膜血管的分割。实验结果表明，该方法分割出的血管边界具有精确与光滑的特性，且能对低对比度血管进行有效分割。