根据 Frangi (2001) 描述的方法，此函数使用 Hessian 的特征向量来计算图像区域包含血管或其他图像脊的可能性 它支持 2D 图像和 3D 体积。 3D 方法包含一个 c 代码文件，可以快速计算图像 Hessians 列表的特征向量和特征值。 首先用“mex eig3volume.c”编译这段代码 尝试示例。 - 二维示例检测 X 射线图像中的血管- 3D 示例检测 CT 体积中的主动脉支架

分析视网膜血管结构的变化是诊断和检测糖尿病、高血压等血管类相关疾病的最重要步骤。为此,提出了一种基于Frangi滤波器和大津法(Otsu)的视网膜血管分割方法。基于Frangi滤波器视网膜血管分割方法先对视网膜血管进行预处理,再基于Frangi滤波器对其边缘进行检测,并根据形态学方法分割出视网膜血管。然后,利用Otsu阈值分割预处理和增强后的视网膜血管。将上述两种方法获得的分割图像进行融合,获得最终的分割结果。实验结果表明,所提算法在DRIVE和STARE数据集上的平均灵敏性分别为58.1%、78.7%,特异性分别为93.1%、96.4%,而准确性则分别为93.8%、95.8%,其算法的执行时间仅为1.8 s。与传统的无监督分割算法相比,所提算法简单高效,能够很好地抑制噪声。

Frangi滤波是基于Hessian矩阵构造出来的一种边缘检测增强滤波算法在上面的Hessian程序中，高斯平滑参数σ为标准差，对于血管这种线形结构，当尺度因子 σ 与血管的实际宽度最匹配时，滤波器的输出最大。所以作为空间尺度因子，迭代可以得到不同尺度的输出。局部特性分析的窗口矩形的半宽一般为 3σ。

Frangi 的血管增强方法matlab程序，可直接运行，有实例血管图

Frangi最初提出的计算Hessian矩阵，计算特征值，构造血管增强函数，进行血管增强，Matlab代码，可直接运行。特征值计算为c语言代码，容易将整个算法转化为C或C++，非常有用。

Frangi滤波器，对血管增强具有较好的效果，可充分实现血管图像的增强。