简介：基于Python的眼底图像视杯视盘分割项目源码，是一份面向医学图像处理与深度学习课程设计的高分工程包。项目聚焦眼底彩照中视杯、视盘区域的自动分割，适合高校学生、毕业设计或期末大作业参考，也适合想入门医学影像分割的开发者学习。压缩包共包含198个文件，其中156个Python源文件承担模型搭建、训练与推理逻辑，39个pyc为编译产物，3个Markdown文档提供说明与使用指引，整体仅451KB，轻量易用。项目内容覆盖注意力机制模块、DeepLab风格分割网络等关键实现，并已通过导师指导获得97分评价，具备完整可运行性，下载后无需修改即可直接使用。目前已有418人学习浏览，是课程设计、期末综合作业中稳妥且具备亮点的参考方案。
1. 这个python眼底分割项目解决了什么：从青光眼筛查到杯盘比测量
一个用python实现的眼底图像视杯视盘分割源码项目，本质上是在做一张彩色眼底照片里两个关键解剖结构的自动勾画任务。视盘是视神经在视网膜上的出口区域，视杯是视盘中央的生理凹陷，二者的垂直直径比值（杯盘比，CDR）是眼科医生判断青光眼风险最常用的定量指标之一。人工测量耗时且主观性很强，所以这类分割源码在课程设计、毕业设计和医学图像处理入门里都是高频选题。它适合两类人：一是需要完成医学图像方向课设或毕设的python开发者，二是想快速上手U-Net系列分割模型的算法工程师。它给你的不是一个黑匣子，而是一条从数据准备、模型训练到指标计算都能自己控制的完整链路。
2. 视杯视盘分割的原理与选型：为什么这套源码默认是U-Net架构
2.1 分割任务的定义：不是"找病灶"而是"画边界"
很多第一次接触眼底分割的读者会误以为这个任务是在做病灶检测，实际上视杯和视盘是每个正常人都有的生理结构，分割的本质是把这两块区域的边界精确定位出来。任务输出是两张二值掩膜，一张标出视盘区域，一张标出视杯区域，像素值为1表示属于目标区域，0表示背景。
视盘在彩色眼底照片里通常呈现为亮黄色或橙色的圆盘状区域，视杯则是视盘内部的颜色更浅的凹陷部分。难点在于两者的边界过渡是渐变的，尤其视杯边界在部分病例中与周围组织的对比度极低。深度学习模型如果只在原始RGB图像上做分割，很容易把边界往错误方向推。这也是为什么这类项目几乎无一例外地选择编码器-解码器结构的全卷积网络——它能在多尺度上同时捕捉全局结构和局部边界信息。
2.2 标签文件的格式约定：灰度掩膜和彩色可视化掩膜
拿到源码项目后，第一件事不是看模型代码，而是看数据组织方式。这类项目的标准数据格式是一张眼底图像对应一个视盘掩膜和一个视杯掩膜。掩膜一般是灰度PNG，背景像素值为0，目标区域像素值为255或1。部分项目会把视盘和视杯合并到一张RGB掩膜里，红色通道画视杯、绿色通道画视盘，训练前需要拆分通道。
我建议拿到项目后先写一个三行脚本统计掩膜的像素分布，确认灰度范围再决定后续归一化策略：
import cv2 import numpy as np mask = cv2.imread("data/masks/0001_disc.png", cv2.IMREAD_GRAYSCALE) print(np.unique(mask)) # 输出掩膜中出现过的像素值这段代码的价值在于确认标签格式。如果输出是[0, 255]，说明是二值化掩膜，读取后需要除以255再送进网络；如果输出是[0, 1]，可以直接用。很多训练报错的根本原因就是掩膜没有归一化，导致损失函数计算出的梯度直接溢出或出现NaN。
2.3 公开数据集怎么选：DRISHTI-GS、RIM-ONE和REFUGE的差别
源码一般不内置完整数据集，而是提供数据加载器接口，由你下载公开数据集。最常见的是DRISHTI-GS，包含50张训练图和50张测试图，每张都有视盘和视杯的专家标注，是验证分割算法最常用的基准。RIM-ONE的标注质量更高但数据量更少，适合做交叉验证。REFUGE是挑战赛数据，包含约1200张图，适合追求训练效果的场景。
如果你只是想跑通流程，DRISHTI-GS的100张图足够；如果要写论文做消融实验，建议把这三个数据集都跑一遍，分别报告Dice和IoU。注意不同数据集的原始分辨率差异很大——有的图是2048x1536，有的已经裁剪到512x512，训练前统一缩放是必做步骤，否则batch内图像尺寸不一致会直接报错。
2.4 评价指标：Dice系数、IoU和CDR误差的优先级
分割效果不能只看肉眼感受，必须量化。这个领域约定俗成的指标有三个：Dice系数（分割结果与标签的重叠度）、IoU（交并比）、以及临床指标CDR误差。Dice和IoU衡量像素级分割精度，CDR误差衡量临床可用性。
CDR误差的计算方式是：分别对分割出的视盘和视杯掩膜拟合椭圆，取垂直方向直径，计算比值后与医生标注的真实比值做差。很多项目被追问的正是这一点——Dice很高但CDR误差大，说明边界细节处理得不好；Dice一般但CDR误差很小，反而在临床上可用。建议你展示结果时同时报这三个数字，分别说明优化的是哪个指标。
3. 跑通项目源码：从环境准备到拿到第一张分割结果
3.1 环境搭建：Python版本、CUDA与依赖库的匹配
这个项目基于python开发，依赖库通常是torch、torchvision、opencv-python、numpy、pillow、matplotlib、albumentations。最稳妥的python版本是3.8到3.10，太高的版本可能与某些旧版torch的预编译包冲突。安装依赖时不要直接pip install -r requirements.txt，建议分步安装，先装torch再装其它库，方便定位冲突来源：
conda create -n fundus python=3.9 -y conda activate fundus pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118 pip install opencv-python numpy pillow matplotlib albumentations把torch单独安装是因为默认从PyPI拉取的版本可能没有CUDA支持，CPU版torch训练速度慢一个数量级，对分割任务来说几乎不可接受。cu118对应CUDA 11.8，如果你的显卡驱动较新可以用cu121。安装完成后验证一下GPU是否可用：
python -c "import torch; print(torch.cuda.is_available())"输出True说明GPU可用，输出False检查驱动版本或改用CPU训练。这里注意，某些旧源码用的是torch 1.8以下的API，如果你的torch版本过高可能遇到函数被移除的报错，到时优先看报错信息里的deprecation提示，而不是急着重装环境。
3.2 项目目录结构梳理：模型定义、数据加载和训练脚本各在哪
解压zip后典型的目录结构如下：
project/ ├── data/ │ ├── images/ │ ├── masks/ │ └── split.py ├── models/ │ ├── unet.py │ └── resnet_unet.py ├── utils/ │ ├── metrics.py │ └── visualization.py ├── train.py ├── inference.py └── config.py先读config.py，里面定义了所有超参数，包括输入尺寸、batch size、学习率、训练轮数、权重保存路径。再读models/unet.py，确认网络结构里有没有用预训练backbone。如果编码器用了resnet34且pretrained=True，第一次训练会自动下载ImageNet权重，网络慢是正常的，不要误以为卡死。
3.3 用预训练权重跑推理：最小可运行的推理脚本
源码一般会附带训练好的权重文件（.pth或.pt），这是验证整个流程最快的方式。新建一个test_inference.py，把路径改成你实际的位置：
import torch import cv2 import numpy as np from models.unet import UNet model = UNet(in_channels=3, num_classes=2, pretrained=False) model.load_state_dict(torch.load("checkpoints/best_model.pth", map_location="cpu")) model.eval() img = cv2.imread("data/images/0001.png") img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) img = cv2.resize(img, (512, 512)) / 255.0 img_tensor = torch.from_numpy(img).permute(2, 0, 1).unsqueeze(0).float() with torch.no_grad(): output = model(img_tensor) prob = torch.sigmoid(output) # 转成概率值 mask = (prob > 0.5).int().squeeze(0).permute(1, 2, 0).numpy() vis = img.copy() vis[mask[..., 0] > 0] = (255, 0, 0) # 视盘标红 vis[mask[..., 1] > 0] = (0, 255, 0) # 视杯标绿 cv2.imwrite("output/result.png", cv2.cvtColor(vis, cv2.COLOR_RGB2BGR))这里每行都值得解释。load_state_dict里的map_location="cpu"是为了避免本机没有GPU时报错，如果有GPU可以去掉。model.eval()告诉模型关闭Dropout和BatchNorm的训练行为，推理时用固定的统计量。permute(2, 0, 1)把HWC格式转成CHW，因为PyTorch默认通道在前。输出的mask是512x512x2的数组，两个通道分别对应视盘和视杯的概率结果，阈值0.5是经验值。如果分割出的区域明显偏大或偏小，把阈值向0.3或0.7方向调。
3.4 可视化分割结果的叠加方法：透明度和轮廓线的选择
拿到掩膜后直接覆盖到原图上会看不清眼底细节，常用做法是半透明叠加和轮廓描边。半透明叠加用cv2.addWeighted把原图和彩色掩膜按权重混合：
overlay = cv2.addWeighted(img.astype(np.uint8), 0.7, colored_mask.astype(np.uint8), 0.3, 0)0.7和0.3的组合在大多数显示场景下效果均衡，原图细节保留七成，分割区域保留三成，既能看到边界又能看到血管走向。如果做论文配图，建议再单独输出一张只画轮廓线的版本，用cv2.findContours提取边界后cv2.drawContours画线，审稿人看边界贴合度时更直观。
4. 用源码训练自己的分割模型：数据准备、训练循环与关键参数
4.1 数据分割：训练集、验证集、测试集的划分策略
这类项目的数据量通常不大，如果只用DRISHTI-GS的50张训练图，随机划分时要注意按患者划分而不是按图像划分，因为同一个患者的双眼眼底图像高度相似，混在训练和验证集里会造成数据泄漏。常见做法是7:2:1划分成训练、验证、测试三份，或者做K折交叉验证。
我一般会写一个split.py把划分结果存成json，避免每次训练随机划分导致结果无法复现：
import json import random from pathlib import Path random.seed(42) images = sorted(Path("data/images").glob("*.png")) random.shuffle(images) total = len(images) train_end = int(total * 0.7) val_end = int(total * 0.9) split = { "train": [p.stem for p in images[:train_end]], "val": [p.stem for p in images[train_end:val_end]], "test": [p.stem for p in images[val_end:]] } with open("data/split.json", "w") as f: json.dump(split, f, indent=2)随机种子固定为42，每次划分完全一致，这样不同轮次的实验才有可比性。如果你用的数据集本身带官方划分，直接用官方的划分，不要在内部再切一次。
4.2 图像预处理流程：CLAHE对比度增强与多通道输入
眼底图像的常见问题是光照不均匀，视盘区域过亮或过暗都会让分割边界偏移。源码里通常会在Dataset类里加入CLAHE（限制对比度自适应直方图均衡）预处理，这种操作能拉伸局部对比度，让视杯边界更清晰。有些实现还会额外提取绿色通道拼到RGB后面作为第四通道，因为眼底血管在绿色通道下对比度最高。
def preprocess(image): lab = cv2.cvtColor(image, cv2.COLOR_RGB2LAB) clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8, 8)) lab[..., 0] = clahe.apply(lab[..., 0]) enhanced = cv2.cvtColor(lab, cv2.COLOR_LAB2RGB) return enhancedclipLimit=2.0是经验值，太小提升不明显，太大会把噪声一起放大。tileGridSize=(8,8)表示把图像分成8x8的块分别做直方图均衡，兼顾局部细节。注意CLAHE操作的通道是LAB色彩空间的L通道，不能直接在RGB上做，否则颜色会失真。
4.3 数据增强：旋转、翻转、弹性形变与光照扰动
医学图像分割的数据增强有一个关键坑：几何变换时图像和掩膜必须用完全相同的变换参数。如果只对图像做旋转而掩膜没跟着转，模型会学到错位的对应关系。albumentations库的Compose机制会自动处理双输入同步变换：
import albumentations as A train_transform = A.Compose([ A.RandomRotate90(), A.HorizontalFlip(p=0.5), A.VerticalFlip(p=0.5), A.ShiftScaleRotate(shift_limit=0.05, scale_limit=0.1, rotate_limit=15), A.ElasticTransform(alpha=1, sigma=50, p=0.3), A.RandomBrightnessContrast(brightness_limit=0.1, contrast_limit=0.1, p=0.5), ], is_check_shapes=False)ShiftScaleRotate的shift_limit=0.05表示最多平移宽高的5%，scale_limit=0.1表示缩放幅度10%以内，rotate_limit=15是旋转角度范围。这几个参数在眼底图像上比自然图像更保守，因为视盘在照片中的位置相对固定，旋转过大会让模型学到不真实的几何关系。ElasticTransform的alpha和sigma控制形变强度，不同患者的眼底曲率不完全一致，轻微弹性形变能提升泛化能力。
4.4 训练循环与损失函数：BCE和Dice Loss的组合策略
分割任务的损失函数选择直接影响收敛速度。只用交叉熵损失容易让模型偏向像素多的类别——眼底图像里背景像素远多于视盘视杯像素，模型会倾向于把所有像素预测为背景。只用Dice Loss则在小目标上梯度波动大。常见做法是把两者加权相加：
class CombinedLoss(nn.Module): def __init__(self, bce_weight=0.4, dice_weight=0.6): super().__init__() self.bce = nn.BCEWithLogitsLoss() self.bce_weight = bce_weight self.dice_weight = dice_weight def forward(self, logits, targets): bce_loss = self.bce(logits, targets) probs = torch.sigmoid(logits) smooth = 1.0 dice_loss = 1 - (2 * (probs * targets).sum() + smooth) / (probs.sum() + targets.sum() + smooth) return self.bce_weight * bce_loss + self.dice_weight * dice_lossbce_weight和dice_weight的配比需要按数据集微调。如果目标区域特别小，把dice_weight调到0.7或0.8能缓解类别不平衡；如果标注边界噪声大，过高权重会让训练震荡。以DRISHTI-GS为例，0.4和0.6的组合在大多数情况下能平稳收敛。
4.5 超参数设定：学习率、batch size与warmup策略
分割模型训练最容易踩的坑是学习率过大导致损失曲线直接飞掉。眼底图像分辨率高，常见batch size是8或16，初始学习率1e-4比较安全，配合余弦退火调度器在训练后半段逐步降低。
显存不够而被迫用小的batch size（比如2或4）时，建议开启梯度累积，每4个batch更新一次参数，等效于使用更大的batch size。另外warmup策略对医学图像任务很有效——前5个epoch用1e-5到1e-4线性升温的学习率，让BatchNorm统计量稳定后再进入正常训练。
5. 避坑：从标签读到训练收敛的5个常见问题
5.1 掩膜像素范围不统一导致损失异常
现象：训练刚开始几轮损失正常，之后突然出现NaN。 原因：部分掩膜像素值是0和255，另一部分是0和1，混合训练时Dice Loss的分母对255这个量级的数值极度敏感，计算比被异常值拉爆。 解决：在Dataset类的__getitem__里统一执行mask[mask > 0] = 1，把255归一化到1，再转float类型。
5.2 推理结果全黑或全白，分割掩膜无效
现象：inference.py跑出来的掩膜全零或全255。 原因：预处理不一致。训练时图像做了归一化到[0,1]或标准化为均值0方差1，推理时却以原始uint8像素值直接输入网络，分布被严重拉偏，模型输出失去区分度。 解决：把推理脚本里的预处理部分直接复用训练时的预处理函数，不要凭感觉重写一遍。这是出现频率最高也最容易自查的问题。
5.3 视盘分割准但视杯完全崩坏
现象：Dice系数视盘通道0.9以上，视杯通道却低于0.5。 原因：视杯边界本身的标注者间差异就很大，不同医生对同一个病人的视杯边界勾勒可能差5到10个像素。这个数据集的标注噪声在视杯上体现得最明显。 解决：换用对边界争议不敏感的评估方式，先报视盘Dice和CDR误差，CDR误差才是临床真正关注的指标。数据增强里加入RandomBrightnessContrast能缓解图像间对比度差异过大带来的干扰。
5.4 训练损失震荡不下降
现象：损失曲线在0.6到0.7之间来回波动，几十个epoch看不到下降趋势。 原因：学习率过大，或batch size与学习率不匹配。医学图像分割数据量小，大数据集上常用的1e-3初始学习率在这里直接翻车。 解决：把初始学习率降到1e-4，同时观察梯度范数。如果梯度范数超过10，加梯度裁剪torch.nn.utils.clip_grad_norm_(model.parameters(), max_norm=5.0)。
5.5 加载权重时报shape不匹配
现象：load_state_dict时出现unexpected key或size mismatch。 原因：权重是在多卡环境下训练的，key带了module.前缀；或者模型定义里的num_classes与当前代码不一致。 解决：加载前清洗key名，把所有以module.开头的key去掉前缀，同时确认模型的输出通道数等于你任务的类别数（视盘+视杯通常是2）。
6. 进阶：从分割掩膜到临床指标CDR的最后一公里
拿到视盘和视杯的掩膜后，关键一步是计算杯盘比，这是项目答辩和实际应用里都会被直接问到的指标。做法是分别对两个掩膜做椭圆拟合，提取椭圆的垂直方向直径，然后取比值：
def calc_cdr(disc_mask, cup_mask): disc_contours, _ = cv2.findContours(disc_mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) cup_contours, _ = cv2.findContours(cup_mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) if len(disc_contours) == 0 or len(cup_contours) == 0: return -1 disc_ellipse = cv2.fitEllipse(disc_contours[0]) cup_ellipse = cv2.fitEllipse(cup_contours[0]) disc_vertical = max(disc_ellipse[1]) # 取主轴长度做近似 cup_vertical = max(cup_ellipse[1]) return cup_vertical / disc_vertical注意cv2.fitEllipse要求轮廓点至少5个，掩膜面积太小时会报错，需要先检查前景像素数量。这里用max()取椭圆两个轴中的较大值做垂直直径近似，严格的CDR定义要依据旋转角度推算垂直截距，但在工程实现里这个近似足够稳定。
除了CDR，还有一个值得做的后处理技巧是形态学闭运算。分割结果上常有细小的孔洞和孤立噪声像素，用cv2.morphologyEx做一次开运算再闭运算，核大小选5x5，能在不明显改变边界的前提下清理噪点。做论文配图时这招能让分割边界看起来专业很多。
我的习惯是把整个推理流程打包成一个函数，输入图像路径，输出CDR值和叠加图像，全程不进入交互式环境，方便批量跑数据。遇到问题先检查数据预处理和标签格式，再调模型，不要一上来就换骨干网络。这个项目做到最后你会发现，难度不在网络结构本身，而在数据理解和边界情况的处理上。希望这些经验能帮你在眼底分割方向上少走几趟弯路。
本文还有配套的精品资源，点击获取
