CN117422758A - 虹膜直径的获取方法、装置、电子设备及存储介质 - Google Patents
虹膜直径的获取方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117422758A CN117422758A CN202311525494.0A CN202311525494A CN117422758A CN 117422758 A CN117422758 A CN 117422758A CN 202311525494 A CN202311525494 A CN 202311525494A CN 117422758 A CN117422758 A CN 117422758A
- Authority
- CN
- China
- Prior art keywords
- image
- circle
- boundary
- human eye
- points
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 58
- 210000003786 sclera Anatomy 0.000 claims abstract description 14
- 210000000744 eyelid Anatomy 0.000 claims description 19
- 230000000630 rising effect Effects 0.000 claims description 14
- 238000005070 sampling Methods 0.000 claims description 13
- 238000006243 chemical reaction Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000003709 image segmentation Methods 0.000 claims description 7
- 241001270131 Agaricus moelleri Species 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 2
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000001228 spectrum Methods 0.000 description 7
- 238000013135 deep learning Methods 0.000 description 6
- 230000011218 segmentation Effects 0.000 description 5
- 238000005259 measurement Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000004087 cornea Anatomy 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 210000000720 eyelash Anatomy 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training 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
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及一种虹膜直径的获取方法、装置、电子设备及存储介质。该虹膜直径的获取方法包括：采集人眼图像；对人眼图像进行锐化处理后基于阈值进行图像分割得到掩膜图像；获取掩膜图像中符合指定条件的独立区域的中心，得到二维点的集合；根据集合中的二维点拟合第一椭圆方程；根据第一椭圆方程与Ln条扫描线获取人眼图像中虹膜区的第一边界上的Ln个坐标点与第二边界上的Ln个坐标点；Ln条扫描线经过第一椭圆方程描述的椭圆的第一圆心；根据第一边界与第二边界上的2*Ln个坐标点拟合圆方程，以获得描述的圆的直径；圆的直径的单位为像素；根据圆的直径以及像素与物理尺寸的对应关系获得巩膜直径。本申请的技术方案，可以快速准确地测量虹膜直径。
Description
技术领域
本发明涉及图像处理技术领域，具体涉及一种虹膜直径的获取方法、装置、电子设备及存储介质。
背景技术
相关技术中，医疗设备中实现人眼虹膜直径测量功能的方法为，通过医疗设备上的面阵相机采集人眼的图像，通过算法在图像中测量虹膜的像素直径，并根据像素对应的物理大小换算为虹膜直径的物理尺寸。从图像中检测虹膜的直径主要存在两方面的困难，其中之一是虹膜到巩膜之间的没有较为明显的边界，即从图像上看分界区灰度变换很平缓，难以准确的分割；另一个困难是，具体请见图1，上眼睑11、下眼睑12对虹膜13的遮挡和眼睫毛14的干扰导致难以拍摄到完整的虹膜13。
相关技术中，主流常见的方法是使用深度学习模型对虹膜区进行分割，再对分割后的虹膜图像进行后处理，最后计算出相应的虹膜直径。然而，基于深度学习的方法提高了对计算硬件的要求，同时基于深度学习的分割算法也需要通过大量的数据的训练才能达到很好的泛化性。
总之，相关技术中的人眼虹膜直径测量方法不能实现快速准确地测量虹膜直径。
发明内容
本申请的目的在于提供一种虹膜直径的获取方法、装置、电子设备及存储介质，可以快速准确地测量虹膜直径。
根据本申请实施例的第一方面，提供一种虹膜直径的获取方法，包括：
通过图像采集设备采集人眼图像，其中，图像采集设备上设置有至少一圈光源，用于在采集所述人眼图像的过程中将光投射至人眼的虹膜；
对所述人眼图像进行锐化处理后，并基于预设的灰度阈值进行图像分割，得到掩膜图像；
获取所述掩膜图像中符合指定条件的独立区域的中心，得到二维点的集合；
根据所述集合中的二维点，拟合第一椭圆方程；
根据所述第一椭圆方程与Ln条扫描线获取所述人眼图像中虹膜区的第一边界上的Ln个坐标点与第二边界上的Ln个坐标点；所述第一边界与所述第二边界为所述虹膜区未被眼睑区遮挡的部分的边界；Ln条所述扫描线经过所述第一椭圆方程描述的椭圆的第一圆心，且贯穿所述虹膜区未被眼睑区遮挡的部分；Ln为正整数；
根据所述第一边界上的Ln个坐标点与所述第二边界上的Ln个坐标点，拟合圆方程，并根据所述圆方程获得所述圆方程描述的圆的直径；所述圆的直径的单位为像素；所述像素为所述人眼图像中的最小单元；
根据所述圆的直径以及像素与物理尺寸的对应关系获得巩膜直径。
根据本申请实施例的第二方面，提供一种虹膜直径的获取装置，包括：
采集模块，被配置为通过图像采集设备采集人眼图像，其中，图像采集设备上设置有至少一圈光源，用于在采集所述人眼图像的过程中将光投射至人眼的虹膜；
处理模块，被配置为对所述人眼图像进行锐化处理后，并基于预设的灰度阈值进行图像分割，得到掩膜图像；
第一获取模块，被配置为获取所述掩膜图像中符合指定条件的独立区域的中心，得到二维点的集合；
第一拟合模块，被配置为根据所述集合中的二维点，拟合第一椭圆方程；
第二获取模块，被配置为根据所述第一椭圆方程与Ln条扫描线获取所述人眼图像中虹膜区的第一边界上的Ln个坐标点与第二边界上的Ln个坐标点；所述第一边界与所述第二边界为所述虹膜区未被眼睑区遮挡的部分的边界；Ln条所述扫描线经过所述第一椭圆方程描述的椭圆的第一圆心，且贯穿所述虹膜区未被眼睑区遮挡的部分；Ln为正整数；
第二拟合模块，被配置为根据所述第一边界上的Ln个坐标点与所述第二边界上的Ln个坐标点，拟合圆方程，并根据所述圆方程获得所述圆方程描述的圆的直径；所述圆的直径的单位为像素；所述像素为所述人眼图像中的最小单元；
第三获取模块，被配置为根据所述圆的直径以及像素与物理尺寸的对应关系获得巩膜直径。
根据本申请实施例的第三方面，提供一种电子设备，包括存储器与处理器，所述存储器用于存储所述处理器可执行的计算机程序；所述处理器用于执行所述存储器中的计算机程序，以实现上述的方法。
根据本申请实施例的第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，当所述存储介质中的可执行的计算机程序由处理器执行时，能够实现上述的方法。
与现有技术相比，本申请的有益效果在于：先通过图像采集设备采集人眼图像，其中，图像采集设备上设置有至少一圈光源，用于在采集人眼图像的过程中将光投射至人眼的虹膜。然后，对人眼图像进行锐化处理后，并基于预设的灰度阈值进行图像分割，得到掩膜图像。然后，获取掩膜图像中符合指定条件的独立区域的中心，得到二维点的集合。然后，根据上述的集合中的二维点，拟合第一椭圆方程。然后，根据第一椭圆方程与Ln条扫描线获取人眼图像中虹膜区的第一边界上的Ln个坐标点与第二边界上的Ln个坐标点。其中，第一边界与第二边界为虹膜区未被眼睑区遮挡的部分的边界；Ln条扫描线经过第一椭圆方程描述的椭圆的第一圆心，且贯穿虹膜区未被眼睑区遮挡的部分；Ln为正整数。然后，根据第一边界上的Ln个坐标点与第二边界上的Ln个坐标点，拟合圆方程，并根据圆方程获得圆方程描述的圆的直径；圆的直径的单位为像素；像素为人眼图像中的最小单元。最后，根据圆的直径以及像素与物理尺寸的对应关系获得巩膜直径。本申请，提供的技术方案，解决了虹膜准确测量的问题，同时计算量远远小于深度学习分割算法，因此，计算量小，可以快速准确地测量虹膜直径。
附图说明
图1是根据相关技术示出的一种人眼图像。
图2是根据一示例性实施例示出的一种虹膜直径的获取方法的流程图。
图3是根据一示例性实施例示出的一种人眼图像。
图4是根据一示例性实施例示出的一种锐化处理后的人眼图像。
图5是根据一示例性实施例示出的一种阈值分割后的掩膜图像。
图6是根据一示例性实施例示出的一种虹膜直径的获取方法的流程图。
图7是根据另一示例性实施例示出的一种虹膜直径的获取方法的流程图。
图8是根据一示例性实施例示出的一种虹膜定位扫描线的示意图。
图9是根据另一示例性实施例示出的一种虹膜直径的获取方法的流程图。
图10是根据一示例性实施例示出的一种扫描图像。
图11是根据一示例性实施例示出的一种灰度曲线。
图12是根据另一示例性实施例示出的一种虹膜直径的获取方法的流程图。
图13是根据另一示例性实施例示出的一种虹膜直径的获取方法的流程图。
图14是根据一示例性实施例示出的一种扫描图像的分界线调整示意图。
图15是根据另一示例性实施例示出的一种虹膜直径的获取方法的流程图。
图16是根据一示例性实施例示出的一种恢复到人眼图像上的分界点及拟合的圆的示意图。
图17是根据一示例性实施例示出的一种虹膜直径的获取装置的框图。
图18是根据一示例性实施例示出的一种电子设备的框图。
具体实施方式
除非另作定义，在本说明书和权利要求书中使用的技术术语或者科学术语应当为本发明所属技术领域内具有一般技能的人士所理解的通常意义。以下将结合附图描述本发明的具体实施方式，需要指出的是，在这些实施方式的具体描述过程中，为了进行简明扼要的描述，本说明书不可能对实际的实施方式的所有特征均作详尽的描述。在不偏离本发明的精神和范围的情况下，本领域技术人员可以对本发明的实施方式进行修改和替换，所得实施方式也在本发明的保护范围之内。
图2是根据一示例性实施例示出的一种虹膜直径的获取方法的流程图。该虹膜直径的获取方法，可以应用于眼科医疗设备、眼科检测设备，用于测量虹膜的直径。请参见图2，该虹膜直径的获取方法，可以包括以下步骤：
步骤201，通过图像采集设备采集人眼图像，其中，图像采集设备上设置有至少一圈光源，用于在采集人眼图像的过程中将光投射至人眼的虹膜。
在一个实施例中，图像采集设备的镜头的前方设置有一圈或两圈光源，用于在拍摄人眼图像时将光源发射的光投射至人眼的虹膜，光经反射后进入图像采集设备，图像采集设备根据接收的光获取人眼图像。其中，人眼图像中还包括光源图像。光源可以是LED灯，但不限于此。
在一个实施例中，图像采集设备可以为景深较小的相机，景深为正负2mm。
在一个实施例中，在步骤201之前，还可以调整图像采集设备，在使标定物在景深内达到最佳聚焦状态时，标定出像素的物理尺寸，进而，获取像素与物理尺寸的对应关系。其中，标定物可以为分辨率标定板或者棋盘格标定板。像素为图像采集设备采集的图像中的最小单元。像素的物理尺寸为Res mm/pixel，其中，pixel为像素。
步骤202，对人眼图像进行锐化处理后，并基于预设的灰度阈值进行图像分割，得到掩膜图像。
在一个实施例中，可以通过对人眼图像进行高通滤波对人眼图像进行锐化处理。具体方法是，对人眼图像进行傅里叶变换为人眼图像的频谱图像，将频谱图像进行移频，使得人眼图像的中心对应的是低频谱。然后，将频谱图像的中心矩形框(中心矩形框的尺寸为频谱图像大小的2/3，中心矩形框的中心与频谱图像的中心重合)的内部涂抹为0，然后，将处理后的频谱图像逆变换后得到高通滤波后的人眼图像。如图3与图4所示，图3为图像采集设备采集人眼图像，图4为锐化处理后的人眼图像。
在一个实施例中，将锐化处理后的人眼图像中灰度值大于预设的灰度阈值的像素的灰度值设置为255，灰度值小于预设的灰度阈值的像素的灰度值设置为0，得到掩膜图像。掩膜图像如图5所示。预设的灰度阈值可以为100，但不限于此。
步骤203，获取掩膜图像中符合指定条件的独立区域的中心，得到二维点的集合。
在一个实施例中，如图6所示，步骤203可以包括以下步骤：
步骤601，对掩膜图像进行连通域分析，获得掩膜图像中的独立区域。
步骤602，按照指定条件对掩膜图像中的独立区域进行筛选，获得符合指定条件的独立区域；其中，指定条件为独立区域的面积小于20个像素的面积，且独立区域的最小外接矩形的长度和宽度均小于6个像素。
步骤603，获取符合指定条件的独立区域的中心，得到二维点的集合。
在本实施例中，对掩膜图像进行连通域分析，获得掩膜图像中所有的独立区域，然后，按照指定条件对掩膜图像中所有的独立区域进行筛选，获得符合指定条件的独立区域，其中，指定条件为独立区域的面积小于20个像素的面积，且独立区域的最小外接矩形的长度和宽度均小于6个像素，即挑选出面积小于20个像素的面积、最小外接矩形的长度和宽度均小于6个像素的独立区域。然后，获取符合指定条件的独立区域的中心，得到二维点的集合。集合中一个二维点为对应的一个独立区域的中心。二维点是指维度为2点，坐标包括横坐标x和纵坐标y。
在其他实施例中，指定条件不限于本实施例中的独立区域的面积小于20个像素的面积，且独立区域的最小外接矩形的长度和宽度均小于6个像素，可以根据实际需求设置指定条件。
步骤204，根据集合中的二维点，拟合第一椭圆方程。
在一个实施例中，如图7所示，步骤204可以包括以下步骤：
步骤701，对集合中的二维点进行N次采样，获得N个采样结果；每次采集M个二维点，N个采样结果不重复；N为正整数，M为大于或等于5的整数。
步骤702，针对每个采样结果，采用M个二维点拟合第二椭圆方程。
步骤703，针对每个第二椭圆方程，将集合中的每个二维点的坐标代入第二椭圆方程，计算每个二维点在第二椭圆方程中的误差。
步骤704，针对每个第二椭圆方程，统计误差小于指定误差值的二维点的数目。
步骤705，确定误差小于指定误差值的二维点的数目最大的第二椭圆方程，作为参考椭圆方程。
步骤706，获取用于拟合参考椭圆方程的M个二维点中误差小于指定误差值的二维点，得到目标二维点。
步骤707，采用目标二维点进行拟合得到第一椭圆方程。
在本实施例中，对集合中的二维点进行N次采样，获得N个采样结果，其中，每次采集M个二维点，N个采样结果不重复。
然后，针对每个采样结果，采用M个二维点拟合第二椭圆方程。针对每个采样结果拟合的第二椭圆方程，将集合中的每个二维点的坐标代入第二椭圆方程，计算每个二维点在第二椭圆方程中的误差。其中，误差的计算式如下：
其中，error为误差，X0为第二椭圆方程描述的椭圆的第二圆心的横坐标，Y0为第二圆心的纵坐标，x为二维点的横坐标，y为二维点的纵坐标，a为第二椭圆方程描述的椭圆的长轴，b为第二椭圆方程描述的椭圆的短轴。
然后，针对每个采样结果拟合的第二椭圆方程，统计误差小于指定误差值的二维点的数目。指定误差值例如可以为0.1。这样，可以得到N个误差小于指定误差值的二维点的数目。
然后，确定N个误差小于指定误差值的二维点的数目中误差小于指定误差值的二维点的数目最大的第二椭圆方程，作为参考椭圆方程，并获取用于拟合参考椭圆方程的M个二维点中误差小于指定误差值的二维点，得到目标二维点。目标二维点的数目大于或等于5。
最后，采用所有目标二维点进行拟合得到上述的第一椭圆方程。
在本实施例中，N可以为500，M可以为5，但不限于此。
步骤205，根据第一椭圆方程与Ln条扫描线获取人眼图像中虹膜区的第一边界上的Ln个坐标点与第二边界上的Ln个坐标点；第一边界与第二边界为虹膜区未被眼睑区遮挡的部分的边界；Ln条扫描线经过第一椭圆方程描述的椭圆的第一圆心，且贯穿虹膜区未被眼睑区遮挡的部分；Ln为正整数。
在一个实施例中，考虑到虹膜上下方向容易被眼俭遮挡，水平方向不会被遮挡。定义Ln条扫描线，例如30条扫描线，但不限于此。所有扫描线经过第一椭圆方程描述的椭圆的第一圆心，且贯穿虹膜区未被眼睑区遮挡的部分。
如图8所示，Ln条扫描线81中，每条扫描线81与水平方向(X轴方向)的夹角范围为-22.5°～22.5°，每条扫描线81与水平方向的夹角不同。另外，X轴正方向向右，负方向向左，Y轴正方向向上，负方向向下。
如图8所示，每条扫描线81包括左部线段811与右部线段812，人眼图像中包括光源图像(图中两圈白色的亮点)，左部线段811与右部线段812分别位于光源图像的两侧。左部线段811的延伸方向为由左部线段811的左侧端点指向第一圆心(未示出)的方向，右部线段812的延伸方向为由右部线段的右侧端点指向第一圆心的方向。
在一个实施例中，左部线段811的右侧端点与第一圆心之间的距离与右部线段812的左侧端点与第一圆心之间的距离相同，且均为E，E的单位为像素。左部线段811的长度与右部线段812的长度相同，且均为F，F的单位为像素。
在一个实施例中，Ln条扫描线中，第i条扫描线81的角度为
其中，Ang(i)为第i条扫描线81的角度，i为在左部线段所在侧自上向下的方向上扫描线81的序数。
在一个实施例中，每条扫描线81上第j个像素点到第一圆心的距离为
其中，SL(j)为扫描线81上第j个像素点到第一圆心的距离。
在一个实施例中，如图9所示，步骤205可以包括以下步骤：
步骤901，针对每条扫描线，从左部线段的左侧端点到右部线段的右侧端点扫描人眼图像上对应的灰度值，并以扫描序数为行数，扫描线的长度为列数，构建扫描图像，其中，扫描方式为自上向下对Ln条扫描线进行扫描，扫描线的长度为左部线段的长度与右部线段的长度的和；扫描序数为扫描线的序数。
在本实施例中，针对每条扫描线，从左部线段811的左侧端点到右部线段812的右侧端点扫描人眼图像上对应的灰度值(扫描线不连续处不扫描)，并以扫描序数为行数，扫描线81的长度为列数，构建扫描图像(scanImg)，扫描图像如图10所示。其中，扫描方式为自上向下对Ln条扫描线进行扫描，扫描线的长度为左部线段的长度与右部线段的长度的和；扫描序数为扫描线的序数。
定义第一圆心的坐标为(cx，cy)，扫描图像(scanImg)中第i行j列的像素在人眼图像中的坐标为：
其中，x(i,j)为扫描图像的第i行第j列的像素点在人眼图像中的横坐标，y(i,j)为扫描图像的第i行第j列的像素点在人眼图像中的纵坐标，cx为第一圆心的横坐标，cy为第一圆心的纵坐标。
上述的计算式(4)也为扫描图像的像素点与人眼图像的像素点的坐标转换关系。
定义人眼图像为srcImg，扫描图像(scanImg)中像素灰度的填充规则公式如下：
scanImg[i,j]＝srcImg[y(i,j),x(i,j)] (5)
步骤902，对扫描图像在行方向上求灰度平均值，生成行向量。
在一个实施例中，对扫描图像在行方向上求灰度平均值，生成行向量Gavg。即对扫描图像求取每列的灰度平均值，以作为行向量Gavg的一个元素。
步骤903，根据行向量生成灰度曲线；灰度曲线包括下降沿与上升沿，下降沿位于上升沿的左侧。
在一个实施例中，根据行向量Gavg生成灰度曲线。如图11所示，灰度曲线111包括下降沿112与上升沿113，下降沿112位于上升沿113的左侧。第一定值分界线114与第二定值分界线115分别过下降沿112的第一中心位置与上升沿113的第二中心位置。
步骤904，获取经过下降沿的第一中心位置的左分界直线与每行交点的第一列坐标以及经过上升沿的第二中心位置的右分界直线与每行交点的第二列坐标。
在一个实施例中，如图12所示，步骤904可以包括以下步骤：
步骤1201，定位下降沿的第一中心位置与上升沿的第二中心位置。
在一个实施例中，如图13所示，步骤1201可以包括以下步骤：
步骤1301，计算行向量的梯度向量；行向量的长度为n。
在一个实施例中，如图14所示，假设行向量的长度为n，定义步长为step，其中，同一条分界线(第一定值分界线114或第二定值分界线115)中两个点之间的距离为步长。利用如下计算式计算行向量的梯度向量Grad。图14中，第一定值分界线114需要调整为左分界直线141，第二定值分界线115需要调整为右分界直线142。
步骤1302，定义布尔向量，布尔向量的长度与梯度向量的长度相同。
在一个实施例中，定义布尔向量Slope，布尔向量的长度与梯度向量的长度相同。
步骤1303，分别从梯度向量的第1个元素与第n个元素向第n/2个元素遍历梯度向量，若第k个元素大于1，则布尔向量的第k个元素为第一数值，否则，布尔向量的第k个元素为第二数值。
在一个实施例中，Gavg(i)为Gavg(0)～Gavg(n-1)。遍历时分别从Gavg(0)、Gavg(n-1)向Gavg(n/2)遍历。当从Gavg(0)向Gavg(n/2)遍历时，若第k个元素大于1，则布尔向量的第k个元素为第一数值，例如1或true，否则，布尔向量的第k个元素为第二数值，例如为0或false。当从Gavg(n-1)向Gavg(n/2)遍历时，若第k个元素大于1，则布尔向量的第k个元素为第一数值，例如1，否则，布尔向量的第k个元素为第二数值，例如为0。
步骤1304，针对布尔向量的第1个元素至第n/2个元素，确定最长连续的第一数值的中心位置为第一中心位置。
在一个实施例中，针对布尔向量的第1个元素至第n/2个元素，确定最长连续的第一数值的中心位置为第一中心位置，记为left_pos。
步骤1305，针对布尔向量的第n个元素至第n/2个元素，确定最长连续的第一数值的中心位置为第二中心位置。
在一个实施例中，针对布尔向量的第n个元素至第n/2个元素，确定最长连续的第一数值的中心位置为第二中心位置，记为right_pos。
步骤1202，获取左分界直线与每行交点的第一列坐标以及右分界直线与每行交点的第二列坐标。
在一个实施例中，如图15所示，步骤1202可以包括以下步骤：
步骤1501，设左分界直线过点(left_pos，Ln/2)，并以left_pos为中心截取宽度为w的图像为左边缘图像，其中，left_pos为第一中心位置。
步骤1502，在预设的角度范围内以预设的调整步长调整左分界直线的角度，并在左分界直线将左边缘图像分为第一左部图像与第一右部图像，且第一左部图像与第一右部图像的灰度类间差最大时，计算经过左分界直线与每行交点的第一列坐标。
步骤1503，设右分界直线过点(right_pos，Ln/2)，并以right_pos为中心截取宽度为w的图像为右边缘图像，其中，right_pos为第二中心位置。
步骤1504，在预设的角度范围内以预设的调整步长调整右分界直线的角度，并在右分界直线将右边缘图像分为第二左部图像与第二右部图像，且第二左部图像与第二右部图像的灰度类间差最大时，计算经过右分界直线与每行交点的第二列坐标。
在一个实施例中，设左分界直线过点(left_pos，Ln/2)，并以left_pos为中心截取宽度为w的图像为左边缘图像，其中，左边缘图像的长度可根据需求而定。在预设的角度范围内以预设的调整步长调整左分界直线的角度，其中，预设的角度范围可以为-scanAng+90到scanAng+90，其中，scanAng可以设置为20，但不限于此，预设的调整步长可以为0.5度，但不限于此。在左分界直线将左边缘图像分为第一左部图像与第一右部图像，且第一左部图像与第一右部图像的灰度类间差最大时，计算经过左分界直线与每行交点的第一列坐标。第一列坐标记为left_pos(i)。
其中，类间差的计算公式如下：
diff＝C1*(M1-M)*(M1-M)+C2*(M2-M)*(M2-M) (7)
其中，diff为类间差，M为左边缘图像的平均灰度，M1为第一左部图像的平均灰度，M2为第一右部图像的平均灰度，C1为第一左部图像的像素总数，C2为第一右部图像的像素总数。
在一个实施例中，设右分界直线过点(right_pos，Ln/2)，并以right_pos为中心截取宽度为w的图像为右边缘图像，其中，右边缘图像的长度可根据需求而定。在预设的角度范围内以预设的调整步长调整右分界直线的角度。其中，预设的角度范围可以为-scanAng+90到scanAng+90，其中，scanAng可以设置为20，但不限于此，预设的调整步长可以为0.5度，但不限于此。在右分界直线将右边缘图像分为第二左部图像与第二右部图像，且第二左部图像与第二右部图像的灰度类间差最大时，计算经过右分界直线与每行交点的第二列坐标。第二列坐标记为right_pos(i)。
利用本实施例提供的方法确定的左分界直线与右分界直线的位置更准确，进而可以更准确地确定第一边界上的Ln个坐标点与第二边界上的Ln个坐标点，最终，可以准确地拟合虹膜边界，得到准确的虹膜直径。
步骤905，根据第一列坐标与扫描图像的像素点与人眼图像的像素点的坐标转换关系，确定第一边界上的Ln个坐标点，根据第二列坐标与扫描图像的像素点与人眼图像的像素点的坐标转换关系，确定第二边界上的Ln个坐标点。
在一个实施例中，根据第一列坐标与扫描图像的像素点与人眼图像的像素点的坐标转换关系，确定第一边界上的Ln个坐标点的计算式为：
其中，left_pos(i)为左分界直线上的点的第一列坐标，xleft(i)为左分界直线上第一列坐标为left_pos(i)的点在人眼图像中对应的第一边界上的点的横坐标，yleft(i)为左分界直线上第一列坐标为left_pos(i)的点在人眼图像中对应的第一边界上的点的纵坐标。
在一个实施例中，根据第二列坐标与扫描图像的像素点与人眼图像的像素点的坐标转换关系，确定第二边界上的Ln个坐标点的计算式为：
其中，right_pos(i)为右分界直线上的点的第二列坐标，xright(i)为右分界直线上第二列坐标为right_pos(i)的点在人眼图像中对应的第二边界上的点的横坐标，yright(i)为右分界直线上第二列坐标为right_pos(i)的点在人眼图像中对应的第二边界上的点的纵坐标。
也就是，根据下降沿112的第一中心位置与上升沿113的第二中心位置，以及扫描线数目Ln，可以展开2*Ln个边界点。
步骤206，根据第一边界上的Ln个坐标点与第二边界上的Ln个坐标点，拟合圆方程，并根据圆方程获得圆方程描述的圆的直径；圆的直径的单位为像素；像素为人眼图像中的最小单元。
在一个实施例中，根如图16所示，根据第一边界161上的Ln个坐标点162与第二边界163上的Ln个坐标点164，拟合圆方程，并根据圆方程获得圆方程描述的圆165的直径。其中，圆165的直径的单位为像素；像素为人眼图像中的最小单元。例如，圆165的直径记为R_pixel。
步骤207，根据圆的直径以及像素与物理尺寸的对应关系获得巩膜直径。
在一个实施例中，可以根据圆的直径以及像素与物理尺寸的对应关系获得巩膜直径。例如，巩膜直径为R_pixel*Res mm。
在角膜验配中，医师可以根据眼科检测设备检测出的巩膜直径制作相应大小的角膜镜。
人眼图像中虹膜区域和巩膜区域的分界区域非常模糊，并且会受到眼睛中反射环境光的干扰。传统的图像分割算法以及轮廓提取算法都难以准确的分割出虹膜区域；而使用深度学习分割模型，却对计算机的算力有比较高的要求。本申请提供的技术方案，利用的一套方法解决了虹膜准确测量的问题，同时计算量远远小于深度学习分割算法。因此，本申请提供的技术方案，计算量小，可以快速准确地测量虹膜直径。
本实施例中，先通过图像采集设备采集人眼图像，其中，图像采集设备上设置有至少一圈光源，用于在采集人眼图像的过程中将光投射至人眼的虹膜。然后，对人眼图像进行锐化处理后，并基于预设的灰度阈值进行图像分割，得到掩膜图像。然后，获取掩膜图像中符合指定条件的独立区域的中心，得到二维点的集合。然后，根据上述的集合中的二维点，拟合第一椭圆方程。然后，根据第一椭圆方程与Ln条扫描线获取人眼图像中虹膜区的第一边界上的Ln个坐标点与第二边界上的Ln个坐标点。其中，第一边界与第二边界为虹膜区未被眼睑区遮挡的部分的边界；Ln条扫描线经过第一椭圆方程描述的椭圆的第一圆心，且贯穿虹膜区未被眼睑区遮挡的部分；Ln为正整数。然后，根据第一边界上的Ln个坐标点与第二边界上的Ln个坐标点，拟合圆方程，并根据圆方程获得圆方程描述的圆的直径；圆的直径的单位为像素；像素为人眼图像中的最小单元。最后，根据圆的直径以及像素与物理尺寸的对应关系获得巩膜直径。本申请提供的技术方案，解决了虹膜准确测量的问题，同时计算量远远小于深度学习分割算法，因此，计算量小，可以快速准确地测量虹膜直径。
图17是根据一示例性实施例示出的虹膜直径的获取装置的框图。如图17所示，本实施例中，该虹膜直径的获取装置，包括：
采集模块171，被配置为通过图像采集设备采集人眼图像，其中，图像采集设备上设置有至少一圈光源，用于在采集人眼图像的过程中将光投射至人眼的虹膜；
处理模块172，被配置为对人眼图像进行锐化处理后，并基于预设的灰度阈值进行图像分割，得到掩膜图像；
第一获取模块173，被配置为获取掩膜图像中符合指定条件的独立区域的中心，得到二维点的集合；
第一拟合模块174，被配置为根据集合中的二维点，拟合第一椭圆方程；
第二获取模块175，被配置为根据第一椭圆方程与Ln条扫描线获取人眼图像中虹膜区的第一边界上的Ln个坐标点与第二边界上的Ln个坐标点；第一边界与第二边界为虹膜区未被眼睑区遮挡的部分的边界；Ln条扫描线经过第一椭圆方程描述的椭圆的第一圆心，且贯穿虹膜区未被眼睑区遮挡的部分；Ln为正整数；
第二拟合模块176，被配置为根据第一边界上的Ln个坐标点与第二边界上的Ln个坐标点，拟合圆方程，并根据圆方程获得圆方程描述的圆的直径；圆的直径的单位为像素；像素为人眼图像中的最小单元；
第三获取模块177，被配置为根据圆的直径以及像素与物理尺寸的对应关系获得巩膜直径。
本申请的实施例还提出了一种电子设备，包括处理器和存储器；存储器用于存储处理器可执行的计算机程序；处理器用于执行存储器中的计算机程序，以实现上述任一实施例的虹膜直径的获取方法。
本申请的实施例还提出了一种计算机可读存储介质，当存储介质中的可执行的计算机程序由处理器执行时，能够实现上述任一实施例的虹膜直径的获取方法。
关于上述实施例中的装置，其中处理器执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
图18是根据一示例性实施例示出的一种电子设备的框图。例如，电子设备1800可以被提供为一服务器。参照图18，设备1800包括处理组件1822，其进一步包括一个或多个处理器，以及由存储器1832所代表的存储器资源，用于存储可由处理部件1822的执行的指令，例如应用程序。存储器1832中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1822被配置为执行指令，以执行上述用于虹膜直径的获取方法。
设备1800还可以包括一个电源组件1826被配置为执行设备1800的电源管理，一个有线或无线网络接口1850被配置为将设备1800连接到网络，和一个输入输出(I/O)接口1858。设备1800可以操作基于存储在存储器1832的操作系统，例如Windows ServerTM，MacOS XTM，UnixTM，LinuxTM，FreeBSDTM或类似。
在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器1832，上述指令可由设备1800的处理组件1822执行以完成上述方法。例如，非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
在本发明中，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性。术语“多个”指两个或两个以上，除非另有明确的限定。
上述对实施例的描述是为了便于本技术领域的普通技术人员能理解和应用本申请。熟悉本领域技术的人员显然可以容易地对这些实施例做出各种修改，并把在此说明的一般原理应用到其它实施例中而不必付出创造性的劳动。因此，本申请不限于这里的实施例，本领域技术人员根据本申请披露的内容，在不脱离本申请范围和精神的情况下做出的改进和修改都本申请的范围之内。
Claims (14)
1.一种虹膜直径的获取方法，其特征在于，包括：
通过图像采集设备采集人眼图像，其中，图像采集设备上设置有至少一圈光源，用于在采集所述人眼图像的过程中将光投射至人眼的虹膜；
对所述人眼图像进行锐化处理后，并基于预设的灰度阈值进行图像分割，得到掩膜图像；
获取所述掩膜图像中符合指定条件的独立区域的中心，得到二维点的集合；
根据所述集合中的二维点，拟合第一椭圆方程；
根据所述第一椭圆方程与Ln条扫描线获取所述人眼图像中虹膜区的第一边界上的Ln个坐标点与第二边界上的Ln个坐标点；所述第一边界与所述第二边界为所述虹膜区未被眼睑区遮挡的部分的边界；Ln条所述扫描线经过所述第一椭圆方程描述的椭圆的第一圆心，且贯穿所述虹膜区未被眼睑区遮挡的部分；Ln为正整数；
根据所述第一边界上的Ln个坐标点与所述第二边界上的Ln个坐标点，拟合圆方程，并根据所述圆方程获得所述圆方程描述的圆的直径；所述圆的直径的单位为像素；所述像素为所述人眼图像中的最小单元；
根据所述圆的直径以及像素与物理尺寸的对应关系获得巩膜直径。
2.如权利要求1所述的虹膜直径的获取方法，其特征在于，所述获取所述掩膜图像中符合指定条件的独立区域的中心，得到二维点的集合，包括：
对所述掩膜图像进行连通域分析，获得所述掩膜图像中的独立区域；
按照所述指定条件对所述掩膜图像中的独立区域进行筛选，获得符合指定条件的独立区域；其中，所述指定条件为所述独立区域的面积小于20个像素的面积，且所述独立区域的最小外接矩形的长度和宽度均小于6个像素；
获取符合指定条件的独立区域的中心，得到所述二维点的集合。
3.如权利要求1所述的虹膜直径的获取方法，其特征在于，所述根据所述集合中的二维点，拟合第一椭圆方程，包括：
对所述集合中的二维点进行N次采样，获得N个采样结果；每次采集M个二维点，N个采样结果不重复；N为正整数，M为大于或等于5的整数；
针对每个所述采样结果，采用M个二维点拟合第二椭圆方程；
针对每个所述第二椭圆方程，将所述集合中的每个二维点的坐标代入所述第二椭圆方程，计算每个所述二维点在所述第二椭圆方程中的误差；
针对每个所述第二椭圆方程，统计误差小于指定误差值的二维点的数目；
确定误差小于指定误差值的二维点的数目最大的所述第二椭圆方程，作为参考椭圆方程；
获取用于拟合所述参考椭圆方程的M个二维点中误差小于指定误差值的二维点，得到目标二维点；
采用目标二维点进行拟合得到所述第一椭圆方程。
4.如权利要求3所述的虹膜直径的获取方法，其特征在于，所述误差的计算式如下：
其中，error为误差，X0为所述第二椭圆方程描述的椭圆的第二圆心的横坐标，Y0为所述第二圆心的纵坐标，x为所述二维点的横坐标，y为所述二维点的纵坐标，a为所述第二椭圆方程描述的椭圆的长轴，b为所述第二椭圆方程描述的椭圆的短轴。
5.如权利要求1所述的虹膜直径的获取方法，其特征在于，Ln条所述扫描线中，每条所述扫描线与水平方向的夹角范围为-22.5°～22.5°，每条所述扫描线与水平方向的夹角不同；
所述扫描线包括左部线段与右部线段，所述人眼图像中包括光源图像，所述左部线段与所述右部线段分别位于所述光源图像的两侧；所述左部线段的延伸方向为由所述左部线段的左侧端点指向所述第一圆心的方向，所述右部线段的延伸方向为由所述右部线段的右侧端点指向所述第一圆心的方向；
所述左部线段的右侧端点与所述第一圆心之间的距离与所述右部线段的左侧端点与所述第一圆心之间的距离相同，且均为E，E的单位为像素；
所述左部线段的长度与所述右部线段的长度相同，且均为F，F的单位为像素；
所述Ln条所述扫描线中，第i条扫描线的角度为
其中，Ang(i)为第i条扫描线的角度，i为在所述左部线段所在侧自上向下的方向上扫描线的序数；
每条所述扫描线上第j个像素点到所述第一圆心的距离为
其中，SL(j)为所述扫描线上第j个像素点到所述第一圆心的距离。
6.如权利要求5所述的虹膜直径的获取方法，其特征在于，所述根据所述第一椭圆方程与Ln条扫描线获取所述人眼图像中虹膜区的第一边界上的Ln个坐标点与第二边界上的Ln个坐标点，包括：
针对每条所述扫描线，从所述左部线段的左侧端点到所述右部线段的右侧端点扫描所述人眼图像上对应的灰度值，并以扫描序数为行数，所述扫描线的长度为列数，构建扫描图像，其中，扫描方式为自上向下对Ln条扫描线进行扫描，所述扫描线的长度为所述左部线段的长度与所述右部线段的长度的和；所述扫描序数为所述扫描线的序数；
对所述扫描图像在行方向上求灰度平均值，生成行向量；
根据所述行向量生成灰度曲线；所述灰度曲线包括下降沿与上升沿，所述下降沿位于所述上升沿的左侧；
获取经过所述下降沿的第一中心位置的左分界直线与每行交点的第一列坐标以及经过所述上升沿的第二中心位置的右分界直线与每行交点的第二列坐标；
根据所述第一列坐标与所述扫描图像的像素点与所述人眼图像的像素点的坐标转换关系，确定所述第一边界上的Ln个坐标点，根据所述第二列坐标与所述扫描图像的像素点与所述人眼图像的像素点的坐标转换关系，确定所述第二边界上的Ln个坐标点。
7.如权利要求6所述的虹膜直径的获取方法，其特征在于，所述获取经过所述下降沿的第一中心位置的左分界直线与每行交点的第一列坐标以及经过所述上升沿的第二中心位置的右分界直线与每行交点的第二列坐标，包括：
定位所述下降沿的第一中心位置与所述上升沿的第二中心位置；
获取所述左分界直线与每行交点的第一列坐标以及所述右分界直线与每行交点的第二列坐标。
8.如权利要求7所述的虹膜直径的获取方法，其特征在于，所述定位所述下降沿的第一中心位置与所述上升沿的第二中心位置，包括：
计算所述行向量的梯度向量；所述行向量的长度为n；
定义布尔向量，所述布尔向量的长度与所述梯度向量的长度相同；
分别从所述梯度向量的第1个元素与第n个元素向第n/2个元素遍历所述梯度向量，若第k个元素大于1，则所述布尔向量的第k个元素为第一数值，否则，所述布尔向量的第k个元素为第二数值；
针对所述布尔向量的第1个元素至第n/2个元素，确定最长连续的第一数值的中心位置为所述第一中心位置；
针对所述布尔向量的第n个元素至第n/2个元素，确定最长连续的第一数值的中心位置为所述第二中心位置。
9.如权利要求7所述的虹膜直径的获取方法，其特征在于，所述获取所述左分界直线与每行交点的第一列坐标以及所述右分界直线与每行交点的第二列坐标，包括：
设所述左分界直线过点(left_pos，Ln/2)，并以left_pos为中心截取宽度为w的图像为左边缘图像，其中，left_pos为所述第一中心位置；
在预设的角度范围内以预设的调整步长调整所述左分界直线的角度，并在所述左分界直线将所述左边缘图像分为第一左部图像与第一右部图像，且所述第一左部图像与所述第一右部图像的灰度类间差最大时，计算经过所述左分界直线与每行交点的第一列坐标；
设所述右分界直线过点(right_pos，Ln/2)，并以right_pos为中心截取宽度为w的图像为右边缘图像，其中，right_pos为所述第二中心位置；
在预设的角度范围内以预设的调整步长调整所述右分界直线的角度，并在所述右分界直线将所述右边缘图像分为第二左部图像与第二右部图像，且所述第二左部图像与所述第二右部图像的灰度类间差最大时，计算经过所述右分界直线与每行交点的第二列坐标。
10.如权利要求6所述的虹膜直径的获取方法，其特征在于，所述扫描图像的像素点与所述人眼图像的像素点的坐标转换关系为：
其中，x(i,j)为所述扫描图像的第i行第j列的像素点在所述人眼图像中的横坐标，y(i,j)为所述扫描图像的第i行第j列的像素点在所述人眼图像中的纵坐标，cx为所述第一圆心的横坐标，cy为所述第一圆心的纵坐标。
11.如权利要求10所述的虹膜直径的获取方法，其特征在于，所述根据所述第一列坐标与所述扫描图像的像素点与所述人眼图像的像素点的坐标转换关系，确定所述第一边界上的Ln个坐标点的计算式为：
其中，left_pos(i)为所述左分界直线上的点的所述第一列坐标，xleft(i)为所述左分界直线上所述第一列坐标为left_pos(i)的点在所述人眼图像中对应的所述第一边界上的点的横坐标，yleft(i)为所述左分界直线上所述第一列坐标为left_pos(i)的点在所述人眼图像中对应的所述第一边界上的点的纵坐标；
根据所述第二列坐标与所述扫描图像的像素点与所述人眼图像的像素点的坐标转换关系，确定所述第二边界上的Ln个坐标点的计算式为：
其中，right_pos(i)为所述右分界直线上的点的所述第二列坐标，xright(i)为所述右分界直线上所述第二列坐标为right_pos(i)的点在所述人眼图像中对应的所述第二边界上的点的横坐标，yright(i)为所述右分界直线上所述第二列坐标为right_pos(i)的点在所述人眼图像中对应的所述第二边界上的点的纵坐标。
12.如权利要求1所述的虹膜直径的获取方法，其特征在于，所述根据所述圆的直径以及像素与物理尺寸的对应关系获得巩膜直径之前，还包括：
调整所述图像采集设备，在使标定物在景深内达到最佳聚焦状态时，获取像素与物理尺寸的对应关系。
13.一种虹膜直径的获取装置，其特征在于，包括：
采集模块，被配置为通过图像采集设备采集人眼图像，其中，图像采集设备上设置有至少一圈光源，用于在采集所述人眼图像的过程中将光投射至人眼的虹膜；
处理模块，被配置为对所述人眼图像进行锐化处理后，并基于预设的灰度阈值进行图像分割，得到掩膜图像；
第一获取模块，被配置为获取所述掩膜图像中符合指定条件的独立区域的中心，得到二维点的集合；
第一拟合模块，被配置为根据所述集合中的二维点，拟合第一椭圆方程；
第二获取模块，被配置为根据所述第一椭圆方程与Ln条扫描线获取所述人眼图像中虹膜区的第一边界上的Ln个坐标点与第二边界上的Ln个坐标点；所述第一边界与所述第二边界为所述虹膜区未被眼睑区遮挡的部分的边界；Ln条所述扫描线经过所述第一椭圆方程描述的椭圆的第一圆心，且贯穿所述虹膜区未被眼睑区遮挡的部分；Ln为正整数；
第二拟合模块，被配置为根据所述第一边界上的Ln个坐标点与所述第二边界上的Ln个坐标点，拟合圆方程，并根据所述圆方程获得所述圆方程描述的圆的直径；所述圆的直径的单位为像素；所述像素为所述人眼图像中的最小单元；
第三获取模块，被配置为根据所述圆的直径以及像素与物理尺寸的对应关系获得巩膜直径。
14.一种电子设备，其特征在于，包括存储器与处理器，所述存储器用于存储所述处理器可执行的计算机程序；所述处理器用于执行所述存储器中的计算机程序，以实现如权利要求1～12任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311525494.0A CN117422758A (zh) | 2023-11-15 | 2023-11-15 | 虹膜直径的获取方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311525494.0A CN117422758A (zh) | 2023-11-15 | 2023-11-15 | 虹膜直径的获取方法、装置、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117422758A true CN117422758A (zh) | 2024-01-19 |
Family
ID=89526454
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311525494.0A Withdrawn CN117422758A (zh) | 2023-11-15 | 2023-11-15 | 虹膜直径的获取方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117422758A (zh) |
-
2023
- 2023-11-15 CN CN202311525494.0A patent/CN117422758A/zh not_active Withdrawn
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101237811B (zh) | 眼科装置定位系统和相关的方法 | |
| US7771053B2 (en) | Method and apparatus for online contact lens evaluation | |
| US8591030B2 (en) | Eye position registering and tracking | |
| EP3355104B2 (de) | Verfahren und vorrichtung sowie computerprogramm zum ermitteln einer repräsentation eines brillenglasrands | |
| CN109690553A (zh) | 执行眼睛注视跟踪的系统和方法 | |
| WO2020253827A1 (zh) | 评估图像采集精度的方法及装置、电子设备和存储介质 | |
| CN109684915B (zh) | 瞳孔跟踪图像处理方法 | |
| CN111462156B (zh) | 获取角膜顶点的图像处理方法 | |
| JP2008264341A (ja) | 眼球運動計測方法および眼球運動計測装置 | |
| JPH08238222A (ja) | 視線認識装置 | |
| CN110096978A (zh) | 基于机器视觉的偏心摄影验光图像处理的方法 | |
| CN111932502B (zh) | 一种角膜图像点云选取方法、系统、智能终端及存储介质 | |
| US7708411B2 (en) | Online wavefront measurement and display | |
| CN117422758A (zh) | 虹膜直径的获取方法、装置、电子设备及存储介质 | |
| CN114093018B (zh) | 一种基于瞳孔定位的视力筛查设备及系统 | |
| KR101887995B1 (ko) | 실험동물 시력 측정 방법 및 장치 | |
| CN114707529B (zh) | 一种线阵相机调焦过程中的图像质量评价方法和系统 | |
| CN117788361A (zh) | 一种瞳孔定位方法及装置 | |
| CN116999017B (zh) | 基于数据分析的辅助眼部护理智能控制系统 | |
| CN118507037B (zh) | 快速干眼检测方法、装置及电子设备 | |
| CN117808724A (zh) | 基于多尺度图像的瞳孔定位方法及装置 | |
| CN109754365A (zh) | 一种图像处理方法及装置 | |
| CN118161124A (zh) | 基于自适应非线性滤波器的双目瞳孔直径测量方法及系统 | |
| Heriana et al. | Curve-based Depth Map Image Adjustment for Eyeball Phantom Measurement | |
| CN117694871A (zh) | 一种脊柱侧弯筛查系统及筛查方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20240119 |
|
| WW01 | Invention patent application withdrawn after publication |