CN111652847B - 一种基于机器视觉的睑板腺图像预处理的方法 - Google Patents

Abstract

本发明公开了一种基于机器视觉的睑板腺图像预处理的方法，包括以下步骤：用相机在n种不同的光照下高速采集n+1帧初始睑板腺图像；进行图像融合，合成得到最优的一张合成图像；对合成图像进行Wallis滤波处理，以增强睑板腺的对比度；对合成图像进行腐蚀膨胀处理和高斯模糊去噪，以提取出合成图像中的背景图像；进行图像减运算，得到去除背景后的睑板腺图像；对睑板腺图像进行灰度拉伸处理，并作为最终的睑板腺图像输出。本发明具有以下优点和效果：通过本发明可有效的提取出睑板腺腺体，给予医生精确、客观的睑板腺特征，有效降低了医生主观判断所带来的误诊发生率，从而提高诊断的准确性和灵敏性，为后续的治疗方案提供可靠的技术支持。

Description

一种基于机器视觉的睑板腺图像预处理的方法

技术领域

本发明涉及睑板腺技术检测领域，特别涉及一种基于机器视觉的睑板腺图像预处理的方法。

背景技术

传统观察睑板腺的手段是运用裂隙灯检查或是通过干眼仪等直接观察睑缘形态、睑板腺开口、分泌物情况。但是该检查方式在很大程度上依靠检查者的判断，且耗时相对较长、操作相对繁琐，会增加患者的不适感、降低诊断的准确性和灵敏性。睑板腺红外照相技术是将影像学技术应用于眼部检查的一种新型辅助检查手段，能够通过非接触式睑板腺观察仪器来透视观察睑板腺的形态、数量、开口位置、通畅情况以及分泌物情况。该方式能够客观和准确的反应睑板腺的情况，且操作快速简单、患者的不适感小，对于睑板腺功能障碍的诊断具有更为积极的意义。然而，由于典型睑板腺红外成像图像存在因光照角度、睑板表面成像区域不规则等因素导致图像光照不均匀、以及腺体与非腺体区域对比度低的问题，而且睑板腺表面有一层天然水膜及表面弧度导致光源亮斑的不可避免，因此难以有效提取睑板腺腺体，仍需检查者依据主观判断确定病情。

发明内容

本发明的目的是提供一种基于机器视觉的睑板腺图像预处理的方法，以解决背景技术中心所提到的问题。

本发明的上述技术目的是通过以下技术方案得以实现的：一种基于机器视觉的睑板腺图像预处理的方法，包括以下步骤：

步骤S1、用相机在n种不同的光照下高速采集n+1帧初始睑板腺图像，且其中第一帧和最后一帧的初始睑板腺图像采用同样的光照环境，通过对比确保睑板腺没有发生位移；

步骤S2、对从步骤S1中所采集的初始睑板腺图像进行图像融合，合成得到最优的一张合成图像；

步骤S3、对经步骤S2后所得到的合成图像进行Wallis滤波处理，以增强睑板腺的对比度；

步骤S4、对经步骤S3后所得到的合成图像进行腐蚀膨胀处理和高斯模糊去噪，以提取出合成图像中的背景图像；

步骤S5、进行图像减运算，将经步骤S3后所得到的合成图像减去经步骤S4后所得到的背景图像，从而得到去除背景后的睑板腺图像；

步骤S6、对经步骤S5后所得到的睑板腺图像进行灰度拉伸处理，并作为最终的睑板腺图像输出。

进一步设置是，所述的步骤S2中的图像融合具体为：

根据睑板腺在不同波长下的生物特征及不同光源分布情况下，设定不同的权重值α1，α2…αn，使得α1+α2…+αn＝1,且

g(x，y)＝α1*I1(x，y)+α2*I2(x，y)+…+αn*In(xy)  (1)

在式(1)中，I(x,y)为不同波长或不同光源分布下所采集到的睑板腺图像，且其中的x和y代表像素点坐标；g(x,y)为融合后的合成图像。

进一步设置是，所述的步骤S3中的Wallis滤波处理具体为：根据睑板腺图像的生物特征，选择Wallis算法对原始图像进行处理，

在式(2)中，Img(x,y)为融合后的合成图像在像素点坐标(x，y)处的灰度值，Rst(x,y)为Wallis变化后的结果图像在(x，y)处的灰度值，m_o和s_o分别为初始睑板腺图像的灰度平均值和灰度标准偏差，m_i和s_i分别为变化后的图像的目标灰度均值和灰度标准偏差，c∈[0,1]为图像方差的扩展系数，b∈[0,1]为图像亮度系数，且通过调节b和c的值，使得变化后的图像的均值和标准偏差趋于设定的理想状态。

进一步设置是：所述的步骤S4中的腐蚀膨胀处理包括灰度腐蚀、膨胀运算，高斯模糊去噪包括有高斯滤波。

进一步设置是：在进行步骤S4之前，对经步骤S3后所得到的合成图像进行中值滤波。

进一步设置是，所述的步骤S6中的灰度拉伸处理具体为：

在式(3)中，I(x,y)、R(x,y)分别是变换前和变换后的图像位于像素点x,y处的灰度值，Imin、Imax为变换前图像的最小、最大灰度值，Min、Max为预先设定的理想的最小、最大灰度值。

本发明的有益效果在于：

通过本发明可有效的提取出睑板腺腺体，给予医生精确、客观的睑板腺特征，有效降低了医生主观判断所带来的误诊发生率，从而提高诊断的准确性和灵敏性，为后续的治疗方案提供可靠的技术支持。

同时，在本发明中通过步骤S2的图像融合，可以增强睑板腺成像质量，大大减弱由于光照及睑板腺表面水膜及弧形所产生的光照不均匀现象；通过步骤S3的Wallis滤波处理，使得在均匀图像整体灰度的条件下，突出睑板腺的对比度；通过步骤S4的腐蚀膨胀处理和高斯模糊去噪，保留了非睑板腺且面积较大的亮色区域(例如光斑)，尽量恢复无睑板腺的原始图像，从而得到背景图像，同时能有效消除灰度形态学运算带来的噪声影响；由于图像经历了背景相减运算，使得睑板腺的灰度值有所降低，因此在步骤S6中采用灰度拉伸算法，进行灰度增强。

附图说明

图1为实施例的流程图。

具体实施方式

以下结合附图对本发明作进一步详细说明。

参考附图1，一种基于机器视觉的睑板腺图像预处理的方法，包括以下步骤：

步骤S1、用相机在n种不同的光照下高速采集n+1帧初始睑板腺图像，且其中第一帧和最后一帧的初始睑板腺图像采用同样的光照环境，通过对比确保睑板腺没有发生位移；

步骤S2、对从步骤S1中所采集的初始睑板腺图像进行图像融合，合成得到最优的一张合成图像；

步骤S3、对经步骤S2后所得到的合成图像进行Wallis滤波处理，以增强睑板腺的对比度；

步骤S4、对经步骤S3后所得到的合成图像进行腐蚀膨胀处理和高斯模糊去噪，以提取出合成图像中的背景图像；

步骤S5、进行图像减运算，将经步骤S3后所得到的合成图像减去经步骤S4后所得到的背景图像，从而得到去除背景后的睑板腺图像；

步骤S6、对经步骤S5后所得到的睑板腺图像进行灰度拉伸处理，并作为最终的睑板腺图像输出。

具体的：

步骤S2中的图像融合具体为：

由于睑板腺在不同的波长照射下呈现不同的生物特性，而且光源的分布和发散角度也对睑板腺成像时不可避免的光源亮斑位置有不同的影响，可以通过采集不同波长或不同光源分布情况下的初始睑板腺图像进行融合，合成一张更利于后续睑板腺特征提取的新的图像。在本实施中，采用的是不同光源下的环境。为了保证不同睑板腺没有发生位移，采集的第一帧和最后一帧使用相同的光照环境及光源分布，然后通过图像差值运算，判断睑板腺是否发生位移，如果没有发生位移，即可进行图像融合。在本实施例中，采用加权融合的方法。

根据睑板腺在不同波长下的生物特征及不同光源分布情况下，设定不同的权重值α1，α2…αn，使得α1+α2…+αn＝1,且

g(x，y)＝α1*I1(x，y)+α2*I2(x，y)+…+αn*In(x，y)  (1)

在式(1)中，I(x,y)为不同波长或不同光源分布下所采集到的睑板腺图像，且其中的x和y代表像素点坐标；g(x,y)为融合后的合成图像。该方法可以增强睑板腺成像质量，大大减弱由于光照及睑板腺表面水膜及弧形所产生的光源亮斑及光照不均匀现象。为后续的图像处理打下了坚实的基础

步骤S3中的Wallis滤波处理具体为：

在睑板腺图像的获取过程中，由于光照条件、拍摄角度、睑板腺表面弧度等内部和外部环境因素的干扰，导致图像亮度、对比度存在不同程度的差异，通常表现为图像的照度不均匀、对比度较低。这种现象一般称为不均匀光照现象，是睑板腺图像获取中常见的降质现象。

根据睑板腺图像的生物特征，选择Wallis算法对原始图像进行处理：

在式(2)中，Img(x,y)为融合后的合成图像在像素点坐标(x，y)处的灰度值，Rst(x,y)为Wallis变化后的结果图像在(x，y)处的灰度值，m_o和s_o分别为初始睑板腺图像的灰度平均值和灰度标准偏差，m_i和s_i分别为变化后的图像的目标灰度均值和灰度标准偏差，c∈[0,1]为图像方差的扩展系数，b∈[0,1]为图像亮度系数。

且通过调节b和c的值，使得变化后的图像的均值和标准偏差趋于设定的理想状态。当b趋于0时，图像的均值不变；当b趋于1时，图像均值被强制到目标均值；当c趋于1时，图像方差趋于目标方差；当b和c均为1时，使得待校准的图像的灰度均值和方差趋于目标图像。通过调节b和c的值，使得变换后的图像的均值和标准偏差趋于设定的理想状态。通常状态下wallis算法的应用是将图像分成小块，对每个小块单独进行wallis处理，然后再合成一副完整图像，在本实施例中是通过对单个像素和其周围的点进行统计分析，然后运用wallis算法处理，可以去除分块处理再合并时产生的图像块边界灰度发生跳变现象。

步骤S4中的腐蚀膨胀处理包括灰度腐蚀、膨胀运算，高斯模糊去噪包括有高斯滤波。

其中，灰度腐蚀是用当前像素及其邻域内的最小值代表当前像素值，腐蚀可以使亮色区域的目标变小，造成图像亮色区域的边界实质性收缩，用来消除亮区无意义的目标。灰度膨胀是用当前像素及其邻域内最大值代表当前像素值，膨胀可以使亮色区域目标变大，造成图像亮色区域的边界实质性扩张。

结构元素的选择对腐蚀膨胀的结果影响很大，对腐蚀运算的结构元素的选择要求该结构元素长、高要大于单条睑板腺的宽度，用于去除图像中的睑板腺。然后进行灰度膨胀运算，该运算可使得非睑板腺区域的亮色区域进行扩张，尽量恢复无睑板腺的原始图像，从而得到背景图像。膨胀运算的结构元素的选择要比腐蚀运算的结构元素小n个像素(n≥0)，具体选择需根据图像分辨率决定，从而可以排除眼球、眼皮边界位置的变动。

同时，在本实施例中进行高斯滤波运算，用来消除灰度形态学运算带来的噪声影响。

在进行步骤S4之前，对经步骤S3后所得到的合成图像进行中值滤波。

中值滤波算法是一种非线性平滑技术，它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值。在本实施例中，通过采用中值滤波来消除孤立的噪声点，使得合成图像更接近于真实。

进行图像减运算，将经步骤S3后所得到的合成图像减去经步骤S4后所得到的背景图像，从而得到去除背景后的睑板腺图像。

经过了上述图像减运算后，使得睑板腺的灰度值有所降低，因此采用灰度拉伸处理，进行灰度增强。

步骤S6中的灰度拉伸处理具体为：

在式(3)中，I(x,y)、R(x,y)分别是变换前和变换后的图像位于像素点x,y处的灰度值，Imin、Imax为变换前图像的最小、最大灰度值，Min、Max为预先设定的理想的最小、最大灰度值。

以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

Claims (5)

1.一种基于机器视觉的睑板腺图像预处理的方法，其特征在于，包括以下步骤：

步骤S1、用相机在n种不同的光照下高速采集n+1帧初始睑板腺图像，且其中第一帧和最后一帧的初始睑板腺图像采用同样的光照环境，通过对比确保睑板腺没有发生位移；

步骤S2、对从步骤S1中所采集的初始睑板腺图像进行图像融合，合成得到最优的一张合成图像；

步骤S3、对经步骤S2后所得到的合成图像进行Wallis滤波处理，以增强睑板腺的对比度；

步骤S4、对经步骤S3后所得到的合成图像进行腐蚀膨胀处理和高斯模糊去噪，以提取出合成图像中的背景图像；

步骤S5、进行图像减运算，将经步骤S3后所得到的合成图像减去经步骤S4后所得到的背景图像，从而得到去除背景后的睑板腺图像；

步骤S6、对经步骤S5后所得到的睑板腺图像进行灰度拉伸处理，并作为最终的睑板腺图像输出；

所述的步骤S2中的图像融合具体为：

根据睑板腺在不同波长下的生物特征及不同光源分布情况下，设定不同的权重值α1，α2…αn，使得α1+α2…+αn＝1,且

g(x，y)＝α1*I1(x，y)+α2*I2(x，y)+…+αn*In(x，y)   (1)

在式(1)中，I(x,y)为不同波长或不同光源分布下所采集到的睑板腺图像，且其中的x和y代表像素点坐标；g(x,y)为融合后的合成图像。

2.根据权利要求1所述的一种基于机器视觉的睑板腺图像预处理的方法，其特征在于，所述的步骤S3中的Wallis滤波处理具体为：根据睑板腺图像的生物特征，选择Wallis算法对原始图像进行处理，

在式(2)中，Img(x,y)为融合后的合成图像在像素点坐标(x，y)处的灰度值，Rst(x,y)为Wallis变化后的结果图像在(x，y)处的灰度值，m_o和s_o分别为初始睑板腺图像的灰度平均值和灰度标准偏差，m_i和s_i分别为变化后的图像的目标灰度均值和灰度标准偏差，c∈[0,1]为图像方差的扩展系数，b∈[0,1]为图像亮度系数，且通过调节b和c的值，使得变化后的图像的均值和标准偏差趋于设定的理想状态。

3.根据权利要求1所述的一种基于机器视觉的睑板腺图像预处理的方法，其特征在于：所述的步骤S4中的腐蚀膨胀处理包括灰度腐蚀、膨胀运算，高斯模糊去噪包括有高斯滤波。

4.根据权利要求1所述的一种基于机器视觉的睑板腺图像预处理的方法，其特征在于：在进行步骤S4之前，对经步骤S3后所得到的合成图像进行中值滤波。

5.根据权利要求1所述的一种基于机器视觉的睑板腺图像预处理的方法，其特征在于，所述的步骤S6中的灰度拉伸处理具体为：

在式(3)中，I(x,y)、R(x,y)分别是变换前和变换后的图像位于像素点x,y处的灰度值，Imin、Imax为变换前图像的最小、最大灰度值，Min、Max为预先设定的理想的最小、最大灰度值。

Images