视网膜眼底中蕴含着丰富的人体生理信息，眼底血管网络结构分布的变化，视盘形状大小深度的变化，血管动静脉管径的变化等都在一定程度上反映出人体生理机能的改变乃至某些早期潜在的疾病病发风险。其中视盘形状大小深度的变化与青光眼有密切关系，其视盘与视杯的面积比已被用于青光眼实际检测中;眼底动静脉血管管径的变化在一定程度上也反映出糖尿病、高血压、动脉硬化等心脑血管疾病病发的潜在风险。本文基于目前视网膜眼底图像研究的热点和难点问题，结合计算机辅助医学诊断中的视网膜图像的血管检测和特征测量基本问题，运用MATLAB在血管分割精度和速度上提出了一种基于广义线性模型的快速监督系统。结合视网膜视盘定位各种方法，提出了一种基于形态学和霍夫变换相结合的视盘定位算法，并基于视盘定位研究并实现了一种简单可行的血管管径测量算法。具体过程如下:　　首先，分别对视网膜眼底血管分割算法的非监督算法和监督学习算法两方面;对视盘定位算法的基于视盘外观特性方法、基于视网膜血管结构方法、融合视盘外观特性与血管结构算法三方面;对血管管径测量算法的基于血管灰度分布特性方法、基于血管中心线或边缘检测算法等三方面进行了详细的研究综述，并总结各算法优缺点与研究难点，从而提出本文实现其算法的思路。　　其次，研究了基于二维Gabor滤波的血管特征提取的过程，通过对多分辨率下的二维Gabor的最大响应滤波值来提取特征。通过对视网膜眼底图像的各个通道对比分析，选取绿色通道作为处理图像;在基于Gabor多分辨率匹配过程中，为减少噪声影响进行感兴趣区域膨胀处理;最后，对特征提取向量进行归一化处理，为眼底图像血管分割的监督算法实现提供足够的数据支持。　　然后，研究并实现了一种基于Gabor特征提取的简单快速的基于广义线性模型的监督系统。在该算法图像的预处理过程中，为了加强血管特征，采用Gabor的粗血管提取与形态学顶帽与底帽变换的叠加作为处理图像，实验结果显示叠加后的血管图像能在消除背景亮度不一致的同时增强血管与背景的对比度。该算法可快速节省切割时间，实现实时交互情境的需求，实验结果基于DRIVE眼底数据库进行了详细的分析与讨论。　　接着，提出并实现了一种基于形态学处理的视盘粗定位与基于霍夫圆变换的视盘精定位相结合的视盘快速定位算法。充分利用视盘的灰度特性与形状特征，通过控制连通域长宽比限制、长宽限制来筛除病变区域与噪声区域，对病变眼底图像具有较好的定位效果;并结合霍夫变换的优点进行视盘精确定位，实验证明视盘定位效果良好。　　最后，提出并实现了一种基于视盘定位的多方向线检测的血管管径测量算法。通过手动标记眼底血管动静脉血管实现了血管AVR的半自动测量，主要过程包括:基于视盘的感兴趣区域提取;血管分段中心点提取;线检测线段多方向的像素点统计。最后基于视网膜眼底库实验进行了详细地分析与讨论，实验证明该算法在医疗诊断的应用中具有借鉴意义。　　通过大量的实验结果显示，本文实现的基于广义线性模型的监督系统可实现快速切割，切割精度良好，对于医疗实时交互情境下的应用有借鉴意义;基于形态学处理的视盘快速定位算法在定位精度和定位速度上均取得了良好的性能;基于视盘定位的多方向线检测的血管管径测量算法，原理简单，与人工测量结果误差较小，在医疗诊断的应用中具有借鉴意义。