CN113052867B - placido盘图像中特征点的提取方法及系统 - Google Patents
placido盘图像中特征点的提取方法及系统 Download PDFInfo
- Publication number
- CN113052867B CN113052867B CN202110442103.3A CN202110442103A CN113052867B CN 113052867 B CN113052867 B CN 113052867B CN 202110442103 A CN202110442103 A CN 202110442103A CN 113052867 B CN113052867 B CN 113052867B
- Authority
- CN
- China
- Prior art keywords
- placido
- image
- feature points
- processing
- center
- 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.)
- Active
Links
- 238000000605 extraction Methods 0.000 title claims abstract description 15
- 238000000034 method Methods 0.000 claims abstract description 38
- 238000012545 processing Methods 0.000 claims abstract description 24
- 210000004087 cornea Anatomy 0.000 claims abstract description 16
- 238000006243 chemical reaction Methods 0.000 claims abstract description 9
- 230000000877 morphologic effect Effects 0.000 claims abstract description 9
- 244000181917 Rubus leucodermis Species 0.000 claims abstract description 4
- 235000011036 Rubus leucodermis Nutrition 0.000 claims abstract description 4
- 235000003942 Rubus occidentalis Nutrition 0.000 claims abstract description 4
- 230000003044 adaptive effect Effects 0.000 claims abstract description 4
- 238000004590 computer program Methods 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 2
- 238000003672 processing method Methods 0.000 claims 1
- 238000012876 topography Methods 0.000 description 13
- 201000002287 Keratoconus Diseases 0.000 description 4
- 210000000720 eyelash Anatomy 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 2
- 238000001356 surgical procedure Methods 0.000 description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- 201000009310 astigmatism Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002980 postoperative effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Eye Examination Apparatus (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种placido盘图像中特征点的提取方法及系统，该方法包括以下步骤：1)获取placido图像；2)预处理；3)计算placido图像的中心；4)利用极坐标展开placido图像；5)进行顶帽变换和黑帽变换，然后将得到的两个结果相减；6)进行笛卡尔坐标转换，然后利用方差法得到角膜区域；7)对步骤6)的结果进极坐标化，然后进行形态学处理、直方图均衡处理和自适应二值化处理；8)进行边缘提取，然后再进行笛卡尔坐标系化；9)进行特征点的提取。本发明能减小计算量、提高运算速度和准确度，提高了placido环上特征点的提取速度和效率，定位到的特征点可以用于角膜地形图的绘制。
Description
技术领域
本发明涉及图像处理技术领域，特别涉及一种placido盘图像中特征点的提取方法及系统。
背景技术
角膜地形是借用了地形勘察中的概念用来反映角膜表面的形态。角膜地形图就是对整个角膜进行分析，使整个角膜的曲率在角膜地形图上客观的展现出来。在临床上，角膜地形图用于诊断角膜散光和圆锥角膜，使得早期圆锥角膜的诊断成为可能，角膜地形图问世以来，圆锥角膜早期诊断准确率高达96％。此外，角膜地形图还可以用于角膜屈光手术的术前检查和术后疗效评价，用于指导临床手术。
而角膜地形图是根据计算机处理过的伪彩色图像，在地形图中，使用等高线的形式来表示角膜形状的变化，可以在二维图像中表示三维的信息。进行角膜地形图绘制的第一步就是进行角膜placido图像的采集，并进行特征点的提取。根据placido环计算还原的眼角膜的曲率半径，进而计算屈光度达成绘制角膜地形图的目的。
如申请号为CN108734701A的发明专利中，提出了一种placido环图像形态变化识别算法，用于进行placido环图像的处理，但是其方法复杂，步骤繁琐，运算速度有待提高。再如专利CN108734701A公开了一种圆形拟合的方法去计算圆心，但其运算量复杂并且不具有足够的鲁棒性。
所以现在有必要提供一种可靠的提取placido盘图像中特征点的方案。
发明内容
本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种placido盘图像中特征点的提取方法及系统。
为解决上述技术问题，本发明采用的技术方案是：一种placido盘图像中特征点的提取方法，包括以下步骤：
1)获取placido图像；
2)对获取的placido图像进行预处理；
3)计算placido图像的中心；
4)利用极坐标展开placido图像，并进行形态学处理和高斯滤波处理；
5)对步骤4)的结果分别进行顶帽变换和黑帽变换，然后将得到的两个结果相减；
6)对步骤5)的结果进行笛卡尔坐标转换，然后利用方差法得到角膜区域；
7)对步骤6)的结果进极坐标化，然后进行形态学处理、直方图均衡处理和自适应二值化处理；
8)对步骤7)的结果进行边缘提取，然后再进行笛卡尔坐标系化，得到含有placido圆环的图像；
9)在步骤8)得到的图像中的每个placido圆环上进行特征点的提取。
优选的是，所述步骤1)的具体方法为：在placido盘的中心两侧设置四个圆形的小灯，placido盘的中心处于该四个圆形的小灯所围绕形成的矩形框内，然后利用该placido盘进行角膜placido图像的采集。
优选的是，所述步骤2)中进行预处理的步骤具体包括：对placido图像进行归一化处理，然后使用进行高斯滤波处理。
优选的是，所述步骤2)中进行归一化处理的方法为：先寻找到placido图中的像素最大值和像素最小值，将二者做差，得到两者的差值res，然后将每个像素点像素值的和像素最小值的差去除以res，取整数，这样将整个图像的像素值都映射到了0和1之间。
优选的是，所述所述步骤2)中使用10*10的高斯核进行高斯滤波处理。
优选的是，所述步骤3)具体包括：
1)对于整个placido图像进行灰度化；
2)对灰度化之后的placido图像进行roi区域提取：灰度化后的placido图像中，四个圆形的小灯会生成四个过曝的亮斑，将四个过曝的亮斑连接形成的矩形框作为roi区域，placido盘的中心处于该roi区域内；
3)对于roi区域进行全局的质心提取，提取到的质心即为placido图像的中心。
优选的是，所述步骤7)中形态学处理的具体方法为：使用10*10的椭圆核进行开操作。
本发明还提供一种placido盘图像中特征点的提取系统，其采用如上所述的方法进行placido盘图像中特征点的提取。
本发明还提供一种存储介质，其上存储有计算机程序，其特征在于，该程序被执行时用于实现如上所述的方法。
本发明还提供一种计算机设备，包括存储器、处理器以及存储在所述存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权上所述的方法。
本发明的有益效果是：
本发明中通过利用placido盘上的小灯辅助进行placido盘图像中心的定位，能减小计算量、提高运算速度和准确度，图像处理速度可达到每秒钟30fps；提高了placido环上特征点的提取速度和效率，定位到的特征点可以用于角膜地形图的绘制。
本发明中对placido图像上的睫毛区域进行了智能抹去，有效避免了因为睫毛的干扰而造成的误识别。
附图说明
图1为本发明的placido盘图像中特征点的提取方法的流程图；
图2为本发明的实施例1中的原始placido图像；
图3-8为本发明的实施例1中placido图像的处理过程图；
图9为本发明的实施例1中的最终得到的placido图像。
具体实施方式
下面结合实施例对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。
应当理解，本文所使用的诸如“具有”、“包含”以及“包括”术语并不排除一个或多个其它元件或其组合的存在或添加。
实施例1
参照图1，本实施例提供的一种placido盘图像中特征点的提取方法，包括以下步骤：
S1、获取placido图像。
具体为：在placido盘的中心两侧设置四个圆形的小灯，placido盘的中心处于该四个圆形的小灯所围绕形成的矩形框内，然后利用该placido盘进行角膜placido图像的采集。获取的原始placido图像如图2所示，四个圆形的小灯在成像后会在placido图像上生成四个过曝的亮斑，通过这四个亮斑可以辅助进行后续的placido图像中心的定位。
S2、对获取的placido图像进行预处理。
具体包括：
对placido图像进行归一化处理：先寻找到placido图中的像素最大值和像素最小值，将二者做差，得到两者的差值res，然后将每个像素点像素值的和像素最小值的差去除以res，取整数，这样将整个图像的像素值都映射到了0和1之间，可以有效避免图像仿射变换带来的噪声，便于后续的处理。
然后使用进行高斯滤波处理：使用10*10的高斯核进行高斯滤波处理，从而进行全图的平滑。
S3、计算placido图像的中心。
具体包括：
1)对于整个placido图像进行灰度化；
2)对灰度化之后的placido图像进行roi区域提取：灰度化后的placido图像中，四个圆形的小灯会生成四个过曝的亮斑，将四个过曝的亮斑连接形成的矩形框作为roi区域，placido盘的中心处于该roi区域内；
3)对于roi区域进行全局的质心提取，提取到的质心即为placido图像的中心。
通过四个过曝的亮斑作为辅助，再计算placido盘的中心，能够显著减小计算量，提高运算速度和定位准确度。
S4、利用极坐标展开placido图像，如图3；再进行形态学处理和高斯滤波处理，如图4。
S5、对步骤4)的结果分别进行顶帽变换和黑帽变换，然后将得到的两个结果相减，从而能够很好的去除睫毛的影响，有效避免了因为睫毛的干扰而造成的误识别，如图5。
S6、对步骤5)的结果进行笛卡尔坐标转换，然后利用方差法得到角膜区域，如图6。使用方差法可以得到含有placido环映射的roi_placido区域，因为在存在placido环的区域和不存在placido环的区域，图像方差有着明显的差距，所以通过方差的差别能精准定位出roi_placido区域。
S7、对步骤6)的结果进极坐标化，然后进行形态学处理(使用10*10的椭圆核进行开操作，用于平滑表面)、直方图均衡处理和自适应二值化处理，如图7。
S8、对步骤7)的结果进行边缘提取，然后再进行笛卡尔坐标系化，得到含有placido圆环的图像，如图8。
S9、在步骤8)得到的图像中的每个placido圆环上进行特征点的提取，如图9。定位到的特征点可以用于角膜地形图的绘制，例如通过采取插值的方式进行角膜地形图的绘制可以得到完整的角膜地形图，在临床和圆锥角膜筛查方面有重要的意义。
实施例2
本实施例提供一种placido盘图像中特征点的提取系统，其采用实施例1的方法进行placido盘图像中特征点的提取。
本实施例还提供一种存储介质，其上存储有计算机程序，该程序被执行时用于实现实施例1的方法。
本实施例还提供一种计算机设备，包括存储器、处理器以及存储在所述存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现实施例1的方法。
尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节。
Claims (7)
1.一种placido盘图像中特征点的提取方法，其特征在于，包括以下步骤：
1）获取placido图像；
2）对获取的placido图像进行预处理；
3）计算placido图像的中心；
4）利用极坐标展开placido图像，并进行形态学处理和高斯滤波处理；
5）对步骤4）的结果分别进行顶帽变换和黑帽变换，然后将得到的两个结果相减；
6）对步骤5）的结果进行笛卡尔坐标转换，然后利用方差法得到角膜区域；
7）对步骤6）的结果进极坐标化，然后进行形态学处理、直方图均衡处理和自适应二值化处理；
8）对步骤7）的结果进行边缘提取，然后再进行笛卡尔坐标系化，得到含有placido圆环的图像；
9）在步骤8）得到的图像中的每个placido圆环上进行特征点的提取；
所述步骤2）中进行预处理的步骤具体包括：对placido图像进行归一化处理，然后使用进行高斯滤波处理；
所述步骤2）中进行归一化处理的方法为：先寻找到placido图中的像素最大值和像素最小值，将二者做差，得到两者的差值res，然后将每个像素点像素值的和像素最小值的差去除以res，取整数，这样将整个图像的像素值都映射到了0和1之间；
所述步骤3）具体包括：
1）对于整个placido图像进行灰度化；
2）对灰度化之后的placido图像进行roi区域提取：灰度化后的placido图像中，四个圆形的小灯会生成四个过曝的亮斑，将四个过曝的亮斑连接形成的矩形框作为roi区域，placido盘的中心处于该roi区域内；3）对于roi区域进行全局的质心提取，提取到的质心即为placido图像的中心。
2.根据权利要求1所述的placido盘图像中特征点的提取方法，其特征在于，所述步骤1）的具体方法为：在placido盘的中心两侧设置四个圆形的小灯，placido盘的中心处于该四个圆形的小灯所围绕形成的矩形框内，然后利用该placido盘进行角膜placido图像的采集。
3.根据权利要求1所述的placido盘图像中特征点的提取方法，其特征在于，所述所述步骤2）中使用10*10的高斯核进行高斯滤波处理。
4.根据权利要求1所述的placido盘图像中特征点的提取方法，其特征在于，所述步骤7）中形态学处理的具体方法为：使用10*10的椭圆核进行开操作。
5.一种placido盘图像中特征点的提取系统，其特征在于，其采用如权利要求1-4中任意一项所述的方法进行placido盘图像中特征点的提取。
6.一种存储介质，其上存储有计算机程序，其特征在于，该程序被执行时用于实现如权利要求1-4中任意一项所述的方法。
7.一种计算机设备，包括存储器、处理器以及存储在所述存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-4中任意一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110442103.3A CN113052867B (zh) | 2021-04-23 | 2021-04-23 | placido盘图像中特征点的提取方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110442103.3A CN113052867B (zh) | 2021-04-23 | 2021-04-23 | placido盘图像中特征点的提取方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113052867A CN113052867A (zh) | 2021-06-29 |
| CN113052867B true CN113052867B (zh) | 2024-05-24 |
Family
ID=76520037
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110442103.3A Active CN113052867B (zh) | 2021-04-23 | 2021-04-23 | placido盘图像中特征点的提取方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113052867B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6095989A (en) * | 1993-07-20 | 2000-08-01 | Hay; Sam H. | Optical recognition methods for locating eyes |
| CN105894489A (zh) * | 2014-12-04 | 2016-08-24 | 中北大学 | 一种眼角膜地形图像处理方法 |
| CN108734701A (zh) * | 2018-04-25 | 2018-11-02 | 天津市索维电子技术有限公司 | 一种Placido环图像形态变化识别算法 |
| CN109146851A (zh) * | 2018-07-30 | 2019-01-04 | 南京慧视医疗科技有限公司 | 一种诊断前庭系统疾病的眼震信号特征提取和追踪算法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10129450B2 (en) * | 2015-10-02 | 2018-11-13 | Tareq Issam Nabhan | System and method for ophthalmological imaging adapted to a mobile processing device |
-
2021
- 2021-04-23 CN CN202110442103.3A patent/CN113052867B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6095989A (en) * | 1993-07-20 | 2000-08-01 | Hay; Sam H. | Optical recognition methods for locating eyes |
| CN105894489A (zh) * | 2014-12-04 | 2016-08-24 | 中北大学 | 一种眼角膜地形图像处理方法 |
| CN108734701A (zh) * | 2018-04-25 | 2018-11-02 | 天津市索维电子技术有限公司 | 一种Placido环图像形态变化识别算法 |
| CN109146851A (zh) * | 2018-07-30 | 2019-01-04 | 南京慧视医疗科技有限公司 | 一种诊断前庭系统疾病的眼震信号特征提取和追踪算法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113052867A (zh) | 2021-06-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Cheng et al. | Superpixel classification based optic disc and optic cup segmentation for glaucoma screening | |
| Aquino et al. | Detecting the optic disc boundary in digital fundus images using morphological, edge detection, and feature extraction techniques | |
| Esmaeili et al. | Automatic detection of exudates and optic disk in retinal images using curvelet transform | |
| CN107292835B (zh) | 一种眼底图像视网膜血管自动矢量化的方法及装置 | |
| CN105243669A (zh) | 眼底图像自动识别分区方法 | |
| CN110415216B (zh) | 基于sd-oct和octa视网膜图像的cnv自动检测方法 | |
| CN109840484B (zh) | 一种基于边缘滤波、椭圆评价和瞳孔验证的瞳孔检测方法 | |
| CN108510493A (zh) | 医学图像内目标对象的边界定位方法、存储介质及终端 | |
| CN116645384B (zh) | 基于人工智能的干细胞区域快速分割方法 | |
| CN116993628B (zh) | 一种用于肿瘤射频消融引导的ct图像增强系统 | |
| Bhat et al. | Segmentation of optic disc by localized active contour model in retinal fundus image | |
| Dash et al. | Detection of retinal blood vessels from ophthalmoscope images using morphological approach | |
| Fraga et al. | Precise segmentation of the optic disc in retinal fundus images | |
| CN114693710A (zh) | 血管管腔内膜轮廓提取方法、装置及超声设备和存储介质 | |
| CN113052867B (zh) | placido盘图像中特征点的提取方法及系统 | |
| Gou et al. | Retinal vessel extraction using dynamic multi-scale matched filtering and dynamic threshold processing based on histogram fitting | |
| CN108665474B (zh) | 一种基于b-cosfire的眼底图像视网膜血管分割方法 | |
| Lu et al. | Automatic parapapillary atrophy shape detection and quantification in colour fundus images | |
| CN104408409A (zh) | 一种适用于散光镜片环境下的瞳孔定位方法 | |
| Zahoor et al. | Fast optic disc segmentation in retinal images using polar transform | |
| Abdullah et al. | Application of grow cut algorithm for localization and extraction of optic disc in retinal images | |
| Porwal et al. | Automatic segmentation of optic disc by gradient minimization based approach | |
| Xiang et al. | Segmentation of retinal blood vessels based on divergence and bot-hat transform | |
| Das et al. | A Review on Pattern Recognition-Based Retinal Blood Vessels Extraction Technique to Detect Diabetic Retinopathy (DR) | |
| Maity et al. | Fusion of entropy-based thresholding and active contour model for detection of exudate and optic disc in color fundus images |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant |