目的　利用眼底图像中硬性渗出物(hard　exudates,HE)的亮度与边缘特征,提出一种基于Canny边缘检测算法与形态学重构相结合的HE自动检测方法　,以解决目前算法灵敏度低、检测结果　中视盘和血管的干扰等问题,对糖尿病视网膜病变(diabetic　retinopathy,DR)的自动筛查具有重要意义.方法检测算法包括4个步骤.步骤一,图像预处理,主要包括RGB通道选取、基于形态学的图像对比度增强.步骤二,视网膜图像关键结构的消除,利用基于Gabor滤波的血管分割方法,消除血管边缘对HE检测的影响.将本文视杯分割算法应用在眼底图像红色通道上实现视盘自动分割,消除视盘及其边缘对HE检测的影响.步骤三,利用改进的Canny边缘检测算法和形态学重构方法对HE进行提取.步骤四,基于形态学的图像后处理,消除眼底图像边缘部分假阳性区域.最后利用该算法测试公开数据库中的40幅图像(35幅HE病变图像,5幅正常图像).结果该算法对基于病变的灵敏性(sensitivity,SE)和阳性预测值(positive　predictive　value,PPV)分别为93.18％和79.26％,基于图像的灵敏性、特异性(specificity,SP)和准确率(accuracy,ACC)分别为97.14％　、80.00％和95.00％.结论　与其他方法对比,基于Canny边缘检测算法与形态学重构相结合的HE自动检测算法具有较好的可行性.