CN103871061A - 一种基于双目视觉的眼底图像处理方法 - Google Patents
一种基于双目视觉的眼底图像处理方法 Download PDFInfo
- Publication number
- CN103871061A CN103871061A CN201410097911.0A CN201410097911A CN103871061A CN 103871061 A CN103871061 A CN 103871061A CN 201410097911 A CN201410097911 A CN 201410097911A CN 103871061 A CN103871061 A CN 103871061A
- Authority
- CN
- China
- Prior art keywords
- image
- fundus
- stereo
- standard window
- images
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Eye Examination Apparatus (AREA)
Abstract
本发明公开了一种基于双目视觉的眼底图像处理方法,属于眼底图像处理领域,具体涉及一种眼底图像立体匹配方法。该方法首先将眼底划分为若干区域,用眼底相机拍摄眼底各区域不同角度的两张图像,再将拍摄同一区域不同角度的两张图像进行立体匹配得到该区域的立体图像,最后拼接各区域的立体图像得到全部眼底立体图像,从而具有对拍摄深度弧形的像机标定具有很好的鲁棒性,获得连续、完整、清晰的视网膜立体图像的效果。
Description
技术领域
本发明属于眼底图像处理领域,具体涉及一种眼底图像立体匹配方法。
背景技术
随着眼底照相机在医学诊断视网膜脱落中的广泛应用,对眼底图像的立体成像要求也越来越高。目前,我们对眼底图像的立体成像采用的主要技术是:首先拍摄二位眼底图像,再对原始图像进行预处理,然后建立各拍摄图像二维到三维的映射关系,最后在VTK(visualization toolkit:视觉化工具函式库,主要用于三维计算机图形学、图像处理和可视化)环境下实现视网膜图像的三维立体呈现。在文献:《基于可控旋转的像机高精度标定技术》,ACTA OPTICA SINICA,2010.5,姜广文等,提出了一种可控旋转的星级自标定方法,该方法首先分别以标定横坐标轴和纵坐标轴为等效焦距在针孔模型中实现对像机的标定,其世界坐标和图像坐标的关系与旋转角度差,云台旋转量有关,再通过控制像机围绕光心或光心附近按照定步长旋转两圈,拍摄不同区域的眼底图像,将等效焦距与其他参数分离出来,求解精确的等效焦距。该种方法有一些局限性,主要体现在以下几方面:1.在对图像进行预处理时,因为拍摄角度不精确导致一些角度的偏移,致使眼底某些区域的信息缺失;2.数据采集时间太长,摄影放大率允差(±7%)较大以及视场角的不稳定性,导致效率低下;3.二维到三维建立映射关系固定,可能对某些点的伸缩比例不一致,导致三维图像失真;4.在VTK显示中,采用点显示,当放大时导致信息不连续,拍摄图像精度低。
发明内容
本发明的目的是针对背景技术的不足改进设计一种基于双目视觉的眼底图像处理方法,达到对拍摄深度弧形的像机标定具有很好的鲁棒性,获的连续、完整、清晰的视网膜立体图像的目的。
本发明一种基于双目视觉的眼底图像处理方法的技术方案为通过将眼底划分为若干区域,用眼底相机拍摄眼底各区域不同角度的两张图像,再将拍摄同一区域不同角度的两张图像进行立体匹配得到该区域的立体图像,最后拼接各区域的立体图像得到全部眼底立体图像,由此实现发明目的。因此本发明方法包括如下步骤:
步骤1.结合眼底照相机的成像原理对眼底相机进行标定;
步骤2.将眼底划分为若干区域,按照标定眼底相机的方法获取眼底各区域两张不同角度包含相同区域的图像;
步骤3.将步骤2得到两张相同区域不同角度的眼底图像进行彩色相似立体匹配,得到该区域的立体图像;
步骤4:采用以上相同方法得到包含深度信息三维眼底各区域立体图像,将得到的眼底各区域的立体图像进行拼接配准,得到完整的眼底立体图像。
步骤一具体过程如下:
步骤1-1:选择带有弧形网格曲线的平板作为眼底照相机标定板;
步骤1-2:对标定板拍摄一张照片,将眼底相机沿其所在平行于标定板的平面旋转一定角度拍摄另一张照片;
步骤1-3:选取两幅图像中位于标定板上同一位置的网格交叉点,将其作为图像特征点,然后由计算机建立图像坐标系、世界坐标系及两坐标系关于旋转量、平移量、视网膜深度弧度量的关系;
步骤1-4:建立两幅图像中表示标定板相同区域相对世界坐标的平移量、旋转量、视网膜深度弧度量的一一对应关系。
标定眼底相机时沿其所在平行于标定板的平面旋转15度拍摄另一张图像。
步骤2具体步骤如下:
步骤2-1:将眼底平均划分为若干个扇形区域;
步骤2-2:拍摄一张包含相邻两个区域的图像;
步骤2-3:旋转一个区域的角度,拍摄另外一张包含相邻两个区域的图像;
步骤2-4:剪切出两张图像中拍摄到眼底相同区域的部分,得到两张眼底相同区域不同角度的图像。
将眼底平均划分为24个扇形区域,拍摄完一张图像后,相机旋转15度拍摄另一张图像。
步骤3具体过程如下:
步骤3-1:选取步骤2拍摄到图像中大小适当的区域作为获取邻近灰度值相似点的标准窗;
步骤3-2:两幅图像中各取一个标准窗,以到标准窗中心点距离作为变量计算标准窗内各像素点对中心点灰度贡献权值,计算出中心点灰度值表示该标准窗灰度值k,再计算两标准窗的灰度差△k;
步骤3-3:计算出步骤3-2选出的两标准窗的色差因子σ;
步骤3-4:最后计算匹配约束P=σ·△k,采用以上方式依次计算两幅图像中任意两个标准窗的匹配约束,选出两幅图像中各自最匹配的标准窗,进行立体匹配,然后利用全局最优计算平滑不连续区域,最后合成致密的视差图,得到各区域立体图像。
选取步骤2拍得到图像中大小为3×3像素阵列为标准窗。
步骤4具体过程如下:
步骤4-1:把两相邻区域立体图像的拼接边划分为若干标准窗,采用步骤3的方式计算出这两幅图像中拼接边上任意两个标准窗的匹配约束P=σ·△k,将两幅图像中最匹配的两个标准窗进行一一对应;
步骤4-2:忽略未对应的标准窗,按照拼接边标准窗一一对应的关系将两幅立体图像拼接;
步骤4-3:采用VTK(用于三维计算机图形学、图像处理和可视化的软件)对拼接好的眼底立体图像进行显示。
本发明将眼底划分为若干区域,用眼底相机拍摄眼底进行拍摄,得到各区域不同角度的两张照片,再将得到的同一区域不同角度的两张照片进行立体匹配得到该区域的立体图像,最后拼接各区域的立体图像得到全部眼底立体图像,从而具有对拍摄深度弧形的像机标定具有很好的鲁棒性,获的连续、完整、清晰的视网膜立体图像的效果。
附图说明
图1为本发明一种眼底照相机针对深度弧度系数示意图;
图2为本发明相机拍摄眼底区域示意图;
图3为本发明的RGB彩色空间示意图。
图1中:α为弧度,h为深度;
图2中:实线区域为第一次拍摄的眼底区域,虚线区域为相机旋转15度后拍摄的眼底区域,阴影区域为两次照相重合区域。
具体实施方式
本发明的基本思想是设计一种基于双目视觉的眼底图像处理方法,采用基于可控旋转的相机自标定针孔模型的弧形标定完善眼底照相机自标定,然后采用彩色相似性的深度约束找到最佳匹配点实现对眼底图像的立体匹配。将双目视觉立体匹配应用在眼底照相机的图像处理方向,以便获的连续、完整、清晰的视网膜立体图像。
眼底照相机自标定的具体实施方法:
步骤1.结合眼底照相机的成像原理对眼底相机进行标定;
步骤1-1:选择带有弧形网格曲线的平板作为眼底照相机标定板;
步骤1-2:对标定板拍摄一张照片,将眼底相机沿其所在平行于标定板的平面旋转15度拍摄另一张照片;
步骤1-3:选取两幅图像中位于标定板上同一位置的网格交叉点,将其作为图像特征点,然后由计算机建立图像坐标系(x,y,z)、世界坐标系(X,Y,Z)及两坐标系关于旋转量、平移量、视网膜深度弧度量的关系;
步骤1-4:建立两幅图像中表示标定板相同区域相对世界坐标的平移量、旋转量、视网膜深度弧度量的一一对应关系。
步骤2.将眼底划分为若干区域,按照标定眼底相机的方法获取眼底各区域两张相不同角度的图像;
步骤2-1:将眼底平均划分为24个扇形区域;
步骤2-2:拍摄一张包含相邻两个区域的图像;
步骤2-3:旋转一个区域的角度(15度),拍摄另外一张包含相邻两个区域的图像;
步骤2-4:剪切出两张图像中拍摄到眼底相同区域的部分,得到两张眼底相同区域不同角度的图像。
步骤3.将步骤2得到两张相同区域不同角度的眼底图像进行彩色相似立体匹配,最后合成致密的视差图;
步骤3-1:选取步骤2拍摄到图像中像素大小为3×3的区域作为获取邻近灰度值相似点的标准窗;
步骤3-2:两幅图像中各取一个标准窗,以到标准窗中心点距离作为变量计算标准窗内各像素点对中心点灰度贡献权值,计算出中心点灰度值表示该标准窗灰度值k,再计算两标准窗的灰度差△k,
其中M(x,y)和N(x,y)分别代表两幅图像中对应窗口的灰度值。a(x,y)代表距离贡献;
步骤3-3:计算出步骤3-2选出的两标准窗的色差因子σ,
其中C1为一幅图像中选取标准窗的中心点色彩矢量,表示为C1(r1,g1,b1),C2为另一幅图像中选取标准窗的中心点色彩矢量,表示为C2(r2,g2,b2),如果C1和C2所代表的两种色彩之间的相似性越大,则两个色彩矢量C1和C2的差别就越小,色差因子的值就越小,即色彩相似性与σ(C1,C2)的大小成反比。如果色彩相似性最大,则色差因子为0,表示两种颜色之间没有任何差异;
步骤3-4:最后计算匹配约束P=σ·△k,采用以上方式依次计算两幅图像中任意两个标准窗的匹配约束,选出两幅图像中各自最匹配的标准窗,进行立体匹配,然后利用全局最优计算平滑不连续区域,最后合成致密的视差图,得到各区域立体图像。
步骤4:采用以上相同方法得到包含深度信息三维眼底各区域立体图像,将得到的眼底各区域的立体图像进行拼接配准,得到完整的眼底立体图像。
步骤4-1:把两相邻区域立体图像的拼接边划分为若干标准窗,采用步骤3的方式计算出这两幅图像中拼接边上任意两个标准窗的匹配约束P=σ·△k,将两幅图像中最匹配的两个标准窗进行一一对应;
步骤4-2:忽略未对应的标准窗,按照拼接边标准窗一一对应的关系将两幅立体图像拼接;
步骤4-3:采用VTK(用于三维计算机图形学、图像处理和可视化的软件)对拼接好的眼底立体图像进行显示。
Claims (8)
1.一种基于双目视觉的眼底图像处理方法,该方法包括:
步骤1.结合眼底照相机的成像原理对眼底相机进行标定;
步骤2.将眼底划分为若干区域,按照标定眼底相机的方法获取眼底各区域两张不同角度包含相同区域的图像;
步骤3.将步骤2得到两张相同区域不同角度的眼底图像进行彩色相似立体匹配,得到该区域的立体图像;
步骤4:采用以上相同方法得到包含深度信息三维眼底各区域立体图像,将得到的眼底各区域的立体图像进行拼接配准,得到完整的眼底立体图像。
2.如权利要求1所述的一种基于双目视觉的眼底图像处理方法,其特征在于步骤1的具体步骤为:
步骤1-1:选择带有弧形网格曲线的平板作为眼底照相机标定板;
步骤1-2:对标定板拍摄一张照片,将眼底相机沿其所在平行于标定板的平面旋转一定角度拍摄另一张照片;
步骤1-3:选取两幅图像中位于标定板上同一位置的网格交叉点,将其作为图像特征点,然后由计算机建立图像坐标系、世界坐标系及两坐标系关于旋转量、平移量、视网膜深度弧度量的关系;
步骤1-4:建立两幅图像中表示标定板相同区域相对世界坐标的平移量、旋转量、视网膜深度弧度量的一一对应关系。
3.如权利要求1所述的一种基于双目视觉的眼底图像处理方法,其特征在于步骤2的具体步骤为:
步骤2-1:将眼底平均划分为若干个扇形区域;
步骤2-2:拍摄一张包含相邻两个区域的图像;
步骤2-3:旋转一个区域的角度,拍摄另外一张包含相邻两个区域的图像;
步骤2-4:剪切出两张图像中拍摄到眼底相同区域的部分,得到两张眼底相同区域不同角度的图像。
4.如权利要求1所述的一种基于双目视觉的眼底图像处理方法,其特征在于步骤3的具体过程为:
步骤3-1:选取步骤2拍摄到图像中大小适当的区域作为获取邻近灰度值相似点的标准窗;
步骤3-2:两幅图像中各取一个标准窗,以到标准窗中心点距离作为变量计算标准窗内各像素点对中心点灰度贡献权值,计算出中心点灰度值表示该标准窗灰度值k,再计算两标准窗的灰度差△k;
步骤3-3:计算出步骤3-2选出的两标准窗的色差因子σ;
步骤3-4:最后计算匹配约束P=σ·△k,采用以上方式依次计算两幅图像中任意两个标准窗的匹配约束,选出两幅图像中各自最匹配的标准窗,进行立体匹配,然后利用全局最优计算平滑不连续区域,最后合成致密的视差图,得到各区域立体图像。
5.如权利要求1所述的一种基于双目视觉的眼底图像处理方法,其特征在于步骤4的具体过程为:
步骤4-1:把两相邻区域立体图像的拼接边划分为若干标准窗,采用步骤3的方式计算出这两幅图像中拼接边上任意两个标准窗的匹配约束P=σ·△k,将两幅图像中最匹配的两个标准窗进行一一对应;
步骤4-2:忽略未对应的标准窗,按照拼接边标准窗一一对应的关系将两幅立体图像拼接;步骤4-3:采用VTK(用于三维计算机图形学、图像处理和可视化的软件)对拼接好的眼底立体图像进行显示。
6.如权利要求2所述的一种基于双目视觉的眼底图像处理方法,其特征在于标定眼底相机时沿其所在平行于标定板的平面旋转15度拍摄另一张图像。
7.如权利要求3所述的一种基于双目视觉的眼底图像处理方法,其特征在于将眼底平均划分为24个扇形区域,拍摄完一张图像后,相机旋转15度拍摄另一张图像。
8.如权利要求4所述的一种基于双目视觉的眼底图像处理方法,其特征在于选取步骤2拍得到图像中大小为3×3像素阵列为标准窗。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410097911.0A CN103871061A (zh) | 2014-03-17 | 2014-03-17 | 一种基于双目视觉的眼底图像处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410097911.0A CN103871061A (zh) | 2014-03-17 | 2014-03-17 | 一种基于双目视觉的眼底图像处理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103871061A true CN103871061A (zh) | 2014-06-18 |
Family
ID=50909566
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410097911.0A Pending CN103871061A (zh) | 2014-03-17 | 2014-03-17 | 一种基于双目视觉的眼底图像处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103871061A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104299242A (zh) * | 2014-10-31 | 2015-01-21 | 中南大学 | 基于ngc-acm的荧光造影眼底图像提取方法 |
CN106408558A (zh) * | 2016-09-05 | 2017-02-15 | 南京理工大学 | 糖尿病性视网膜病变图像中硬性渗出与高反射信号的分析方法 |
CN107358606A (zh) * | 2017-05-04 | 2017-11-17 | 深圳硅基智能科技有限公司 | 用于识别糖尿病视网膜病变的人工神经网络及系统 |
CN107730545A (zh) * | 2017-11-08 | 2018-02-23 | 视微影像(河南)科技有限公司 | 一种动态消除鬼像的光学成像方法和系统 |
CN107886577A (zh) * | 2017-11-08 | 2018-04-06 | 北方工业大学 | 基于阵列镜头的图像拼接方法 |
CN110008848A (zh) * | 2019-03-13 | 2019-07-12 | 华南理工大学 | 一种基于双目立体视觉的道路可行驶区域识别方法 |
CN110363738A (zh) * | 2018-04-08 | 2019-10-22 | 中南大学 | 一种具有仿射不变性的视网膜图像配准方法及其装置 |
CN110675478A (zh) * | 2018-07-02 | 2020-01-10 | 天津工业大学 | 一种无需相机标定的基于多幅眼底图像的视网膜三维重建方法 |
CN113034696A (zh) * | 2021-05-21 | 2021-06-25 | 潍坊幻视软件科技有限公司 | 弧线网格模型生成方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5894338A (en) * | 1997-09-25 | 1999-04-13 | Vismed | System and method for diagnosing vision disorders |
CN101996415A (zh) * | 2009-08-28 | 2011-03-30 | 珠海金联安警用技术研究发展中心有限公司 | 眼球的三维建模方法 |
-
2014
- 2014-03-17 CN CN201410097911.0A patent/CN103871061A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5894338A (en) * | 1997-09-25 | 1999-04-13 | Vismed | System and method for diagnosing vision disorders |
CN101996415A (zh) * | 2009-08-28 | 2011-03-30 | 珠海金联安警用技术研究发展中心有限公司 | 眼球的三维建模方法 |
Non-Patent Citations (3)
Title |
---|
YI-RAN ZHAI等: "A novel method of obtaining 3D images of detached retina", 《COMPUTER METHODS AND PROGRAMS IN BIOMEDICINE》, vol. 108, no. 2, 30 November 2012 (2012-11-30), pages 665 - 668, XP028974084, DOI: doi:10.1016/j.cmpb.2011.11.007 * |
秦震宇: "双视场图像实现视网膜三维重建的关键技术研究", 《中国优秀硕士学位论文全文数据库》, no. 7, 15 July 2013 (2013-07-15) * |
顾征 等: "采用色彩相似性约束的立体匹配", 《光电工程》, vol. 34, no. 1, 31 January 2007 (2007-01-31), pages 95 - 99 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104299242A (zh) * | 2014-10-31 | 2015-01-21 | 中南大学 | 基于ngc-acm的荧光造影眼底图像提取方法 |
CN104299242B (zh) * | 2014-10-31 | 2017-11-07 | 中南大学 | 基于ngc‑acm的荧光造影眼底图像提取方法 |
CN106408558A (zh) * | 2016-09-05 | 2017-02-15 | 南京理工大学 | 糖尿病性视网膜病变图像中硬性渗出与高反射信号的分析方法 |
CN107358606A (zh) * | 2017-05-04 | 2017-11-17 | 深圳硅基智能科技有限公司 | 用于识别糖尿病视网膜病变的人工神经网络及系统 |
CN107730545A (zh) * | 2017-11-08 | 2018-02-23 | 视微影像(河南)科技有限公司 | 一种动态消除鬼像的光学成像方法和系统 |
CN107886577A (zh) * | 2017-11-08 | 2018-04-06 | 北方工业大学 | 基于阵列镜头的图像拼接方法 |
CN107730545B (zh) * | 2017-11-08 | 2020-07-03 | 视微影像(河南)科技有限公司 | 一种动态消除鬼像的光学成像方法和系统 |
CN110363738A (zh) * | 2018-04-08 | 2019-10-22 | 中南大学 | 一种具有仿射不变性的视网膜图像配准方法及其装置 |
CN110363738B (zh) * | 2018-04-08 | 2021-08-27 | 中南大学 | 一种具有仿射不变性的视网膜图像配准方法及其装置 |
CN110675478A (zh) * | 2018-07-02 | 2020-01-10 | 天津工业大学 | 一种无需相机标定的基于多幅眼底图像的视网膜三维重建方法 |
CN110008848A (zh) * | 2019-03-13 | 2019-07-12 | 华南理工大学 | 一种基于双目立体视觉的道路可行驶区域识别方法 |
CN113034696A (zh) * | 2021-05-21 | 2021-06-25 | 潍坊幻视软件科技有限公司 | 弧线网格模型生成方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103871061A (zh) | 一种基于双目视觉的眼底图像处理方法 | |
US11928838B2 (en) | Calibration system and method to align a 3D virtual scene and a 3D real world for a stereoscopic head-mounted display | |
CN105940674B (zh) | 用于调整具有微镜头阵列的成像系统的基线的系统和方法 | |
CN106529495B (zh) | 一种飞行器的障碍物检测方法和装置 | |
CN106780618B (zh) | 基于异构深度摄像机的三维信息获取方法及其装置 | |
CN103955920B (zh) | 基于三维点云分割的双目视觉障碍物检测方法 | |
US20170032565A1 (en) | Three-dimensional facial reconstruction method and system | |
WO2018205623A1 (en) | Method for displaying a virtual image, a virtual image display system and device, a non-transient computer-readable storage medium | |
US20170193687A1 (en) | Apparatuses, methods and systems for pre-warping images for a display system with a distorting optical component | |
US10726580B2 (en) | Method and device for calibration | |
JP6192853B2 (ja) | 超音波深度検出を使用するオプティカルフロー画像化システム及び方法 | |
US20180122099A1 (en) | Image processing apparatus having automatic compensation function for image obtained from camera, and method thereof | |
US10165262B2 (en) | Image processing device and markers | |
CN103971404A (zh) | 一种高性价比的3d实景复制装置 | |
CN104363438B (zh) | 全景立体影像制作方法 | |
CN104616284A (zh) | 彩色深度相机的彩色图像到深度图像的像素级对准算法 | |
US10169891B2 (en) | Producing three-dimensional representation based on images of a person | |
CN105451012A (zh) | 三维成像系统和三维成像方法 | |
CN102982516A (zh) | 一种基于半球环形全景镜头实现全景图像的方法 | |
US11568555B2 (en) | Dense depth computations aided by sparse feature matching | |
CN102980513A (zh) | 以物为中心的单目全景立体视觉传感器 | |
WO2018032841A1 (zh) | 绘制三维图像的方法及其设备、系统 | |
CN109785390B (zh) | 一种用于图像矫正的方法和装置 | |
CN108154536A (zh) | 二维平面迭代的相机标定法 | |
US20210392314A1 (en) | Vehicle terrain capture system and display of 3d digital image and 3d sequence |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20140618 |
|
RJ01 | Rejection of invention patent application after publication |