CN1886690B - 在线隐形眼镜评估的方法和设备 - Google Patents

Abstract

一种选择性标记的隐形眼镜，在一个方面中，在其表面的光学范围区域中具有若干个标记，在另一个方面中，在镜片的光学范围区域外具有若干个不同标记，用于体内镜片。利用该体内镜片，对象眼睛被照射并且所述镜片被成像。使用快速算法以确定与测量的瞳孔坐标相关联的标记坐标，从而确定所述隐形眼镜的位置和/或方向。还可以在测量所述隐形眼镜位置的同时获得波前像差测量以及瞳孔尺寸。快速算法提供了在线测量，即以10Hz或者更高的重复速率在选定时间间隔内进行测量。确定眨眼周期并且丢弃异常的镜片位置和/或波前信息。在选定时间间隔内确定最频繁出现的波前和/或隐形眼镜位置/方向。

Description

在线隐形眼镜评估的方法和设备

技术领域

本发明的实施例整体涉及眼睛波前检测的应用，并且尤其涉及测量并且评估体内隐形眼镜的位置和效果。

背景技术

测量人的视觉可以通过多种方式完成。最传统的方法包括在视力测量中要求患者在透过由医生提供的不同透镜时读出远距离图表上的不同尺寸的字母。患者的显性屈光度(即球度、柱度以及轴线)是由病人选择的能够提供对远距离视力表最清晰视觉的测试透镜而确定的。这种技术的缺陷已是公认的。例如，测试透镜限制于离散的而不是连续的规定值；视力基本上是唯一评估的视觉度量；并且这种评估是主观而非客观的。

当患者佩戴隐形眼镜改善视力时还会增加复杂性。众所周知，在体内的隐形眼镜的位置是不稳定的。镜片漂浮其上的泪膜提供了允许镜片在任何方向滑动并且由于盯视方向、眨眼以及其他原因而旋转的介质。如果患者眼睛的视觉缺陷在瞳孔直径上不是对称的(例如散光)，则隐形眼镜只有当镜片在眼睛上具有特定的、稳定的定向时才能得到最佳性能。

在过去几年中，开发了先进的设备和技术以测量视力敏锐度和其他视觉度量，从而提供比过去更加精确和有益的结果。例如，被称为像差计的设备包括客观测量患者眼睛像差的波前传感器。这些像差不仅包括球体和柱/轴的屈光度，还包括例如球面像差、彗形像差以及不规则散光等像差，这些像差在很多情况下会严重降低视觉质量。视觉缺陷的更加复杂的精确测量对于矫正视觉缺陷是很重要的。由于镜片位置和像差控制之间的复杂联系，了解隐形眼镜的位置和稳定性是特别重要的。另外的优点是能够在在线状态下确定隐形眼镜位置和像差控制之间的相互影响；即在大概数毫秒的时间内完成波前和体内隐形眼镜信息的测量、评估以及(可选择的)显示。直到现在还不能够在线客观地评估隐形眼镜位置和稳定性以及对应的瞳孔直径和波前测量。

发明内容

本发明的实施例设计了一种特别标记的隐形眼镜，适合于在线在体内对位置和方向进行测量。根据所述实施例的一个方面，镜片的后表面或前表面，或者镜片主体，在镜片的光学范围区域中具有吸收光线或者散射光线的标记图案。所述标记用于以由从视网膜向外传播的光线照射，并且然后通过CCD检测器/照相机进行成像。这种照射技术提供了与暗显现标记相对照的亮瞳孔图像。所述标记不会影响佩戴隐形眼镜者的视觉。在所述实施例的各个方面中，如同本领域技术人员可以理解的，所述标记可以为模塑标记、激光烧蚀标记、光刻标记、以及其他形式的标记。在其他各个方面中，所述标记可以为具有旋转或者平移对称性或者二者都不具有的图案。可替换地，所述标记可以沿着预定的曲线对齐，沿着交叉或者不交叉的多个直线对齐，或者沿着以预定图案交叉的若干线条对齐。在该实施例的一个方面中，所述每个标记的尺寸为具有小于大约200微米的直径；并且在另一个方面中，所述标记具有在大约50微米至200微米范围之间的直径。在一个示例方面中，所述标记具有大约600微米的相互间隔距离。

在本实施例的一个可替换方面中，当镜片在体内时，隐形眼镜在对象眼睛的瞳孔区域外侧具有彩色标记图案。这些标记并不被从后侧进行照射，而是在需要任何附加照射时从前侧照射。在一种变化中，所述图案包括以非旋转对称图案设置的至少三个彩色标记。

本发明的另一个实施例设计了一种在线客观评估体内隐形眼镜的方法。特别标记的隐形眼镜的体内位置和方向可以参照在预定时间间隔内毫秒时间框(“在线”)中测量的瞳孔坐标而被客观地确定。这样就在隐形眼镜被佩戴时基本上实时地对其进行评估。所述评估是通过像差计设备进行的，并且包括步骤：为患者佩戴选择性标记(稍后详细描述)的隐形眼镜，照射患者眼睛使得从视网膜散射的光线充满瞳孔，并且该向外的光线照射镜片标记，使射出的光线进行成像，使得镜片上的标记被析象，确定瞳孔的位置坐标(例如瞳孔中心、瞳孔方向)，以及确定所述标记相对于瞳孔坐标的位置(或者其他镜片参考坐标)。在该实施例的一个方面中，使用Hough变换以标识并且定位所述镜片标记和镜片位置/方向。

在与上述的具有彩色标记图案的隐形眼镜关联的所述实施例的一个可替换方面中，可以通过适当的滤波器检测在体内镜片上的瞳孔区域外侧的彩色标记。这在标记的颜色与对象虹膜颜色相似时可能是优选的。一旦检测到所述标记，则可以利用软件程序将所找到的标记图案与镜片上的标记结构相比较，从而评估镜片位置和方向。

所述对体内隐形眼镜位置进行在线测量和评估可以按照10Hz或者更高的速率进行。例如，使用800MHz的处理器允许以大约25Hz的速率进行在线处理。1.6GHz的处理器大致能够将此速率翻倍，这是受处理器速度而不是算法性能的限制。在相关方面中，如同瞳孔尺寸一样，可以与隐形眼镜位置测量同时在线进行总的波前测量。在进一步的方面中，可以确定并且可选择地显示最频繁出现的波前像差和隐形眼镜位置。对于此点，参见同时未决的申请序列号_________，其名称为“在线波前测量和显示(ONLINE WAVEFRONT MEASUREMENT ANDDISPLAY)”，与本申请同时提交，该申请在此以可适用的法律法规所允许的最大程度作为参考被完整地包含在内。在每个方面中，可以确定眨眼间隔，在此时间内可以排除典型的不规则测量数据和评估。

下面结合附图详细描述由所附权利要求书限定的上述的本发明的实施例及其各个方面。

附图简述

图1为给出本发明的方法实施例的框图；

图2为根据本发明一个实施例的体内隐形眼镜的示意前视图；

图3为根据本发明的另一个方法实施例的框图；

图4为根据本发明的实施例获得的Hartmann-Shack波前图像的照片副本；

图5为根据本发明的设备实施例的框图；

图6为根据本发明的实施例的Hartmann-Shack质心图像的示意图；

图7为根据本发明的实施例的快速质心算法的框图；

图8为根据本发明的算法实施例的若干行和若干列质心图像的示意图；

图9为根据本发明的实施例的快速质心算法的示意图；

图10为根据本发明的实施例的快速质心算法的Hartmann-Shack质心图像的照片副本；

图11为关于本发明的方法实施例的框图；

图12-16分别为根据本发明的实施例的作为时间函数的隐形眼镜位置坐标、瞳孔参数以及像差测量的图示；

图17为根据本发明的实施例的隐形眼镜的算法评估的照片图像；

图18为根据本发明的实施例的隐形眼镜标记过程的示意图；

图19为根据本发明的隐形眼镜标记过程实施例的开口图案的示意顶视图；

图20为根据本发明的实施例的隐形眼镜表面上的镜片标记的示意顶视图；

图21为根据本发明的实施例的体内隐形眼镜的照片图像；以及

图22至32为显示根据本发明一个示例实施例的确定瞳孔尺寸和位置的一系列示图和图像，其中

图22为显示根据本发明的实施例的在线测量中使用瞳孔寻找算法的流程图；

图23为显示根据本发明的实施例、如何评估各种数据的流程型视图；

图24为根据本发明的示例实施例的瞳孔图像的副本图；

图25为根据本发明的示例实施例的压缩并且翻转的瞳孔图像的灰度图像；

图26为根据本发明的示例实施例的压缩后的瞳孔图像的二值图像；

图27显示了根据本发明的示例实施例在滤除噪声之后的图25中的灰度图像；

图28显示了根据本发明的示例实施例的进一步反射滤波之后的图26中的二值图像；

图29为根据本发明的示例实施例的具有不同压缩因子的如同图25中的压缩并且翻转后的瞳孔图像的灰度图像；

图30为根据本发明的示例实施例的图28中的精细的二值瞳孔图像；

图31为根据本发明的示例实施例的关于眼睑校正、作为x位置之函数的找到区域与瞳孔之间的差别的图示；

图32为显示根据本发明的示例实施例的眼睑校正的二值瞳孔图像；

图33为根据本发明一个方面的在瞳孔区域外的镜片表面上具有彩色点状标记的体内隐形眼镜以及对象眼睛的图示；以及

图34为根据本发明的实施例的在标记检测的颜色滤波之后的图33中的图像。

优选实施例的详细说明

术语“在线”在此是指基本同时地测量和评估(以及可选择地显示)选定的现象。在应用实施中，这通常表示在选定的数十秒的时间间隔内，典型地为10-20秒但并不限于此，在小于大约100ms并且典型地小于40ms的时间内采集波前(小透镜)图像，分析波前数据，以及(可选择地)显示结果。例如，根据示例实施例，在10秒时间间隔内以25Hz的速率确定并且显示特别标记的隐形眼镜的体内位置和方向、瞳孔尺寸和位置以及选定的二阶至九阶Zernike像差。采集包括瞳孔和Hartmann-Shack小透镜图像的250个图像对，其中实时可用(大约40ms/图像)数据表示隐形眼镜如何移动并且移动到何处，以及所述移动对影响视觉质量的测量像差的影响。可以理解，像差阶数依赖于Hartmann-Shack技术中的小透镜倾斜度/直径，并且所述测量可以由高达25阶的像差构成。

本发明的一个实施例设计了特别标记的隐形眼镜210，参照图2、18、19和20来描述隐形眼镜210。图20显示了根据本发明示例实施例的隐形眼镜210的示意顶视图。凸透镜表面包括位于透镜的中心光学范围区域222的多个标记215(图20中显示为方形标记)。当在向外方向的光线(即从视网膜散射并且传播通过瞳孔)照射所述透镜时，标记215吸收或者散射所述光线而变得可见，并且可以如下所述的通过CCD照相机进行成像。标记215并不会影响佩戴所述镜片的患者的视觉。

在一个示例实施例中，标记215为在一个透镜表面(前面或者后面)上的激光切割区域，通过如图18、图19所示的针孔光阑1802发射具有适当特性的激光束而形成。光阑1802置于隐形眼镜210上方大约2mm，并且激光束如图18中的箭头所示扫描穿过所述光阑。图19中的白色十字叉1804表示光阑的固定点。可以通过其他方式而可替换地形成标记，例如直接切割透镜表面的选定区域，塑模工艺，或者通过光刻工艺。标记215之每一个具有对应于在大约50微米至200微米范围之间的直径的尺寸。在一个示例方面中，标记之间互相间隔大约600微米的间隔。如图20所示，标记沿着在公共点D交叉的三条直线A、B、C对齐。每条直线具有大约5mm的长度。如图所示，直线A和C以140°的角度交叉，而直线A和B以100°的角度交叉。如图2所示，标记215在佩戴体内隐形眼镜的患者眼镜的瞳孔区域208内，尽管隐形眼镜的中心207可以与瞳孔209的中心不相同。隐形眼镜还可以旋转。多个标记可以为不具有旋转对称性的图案，并且可以具有或者不具有平移对称性。标记可以沿着一个或多个预定的曲线对齐，所述曲线也包括上述的交叉的直线。当标记如图所示为具有三个交叉直线的图案时，相交角度的范围可以在大约20°至300°之间，偏差大约为10°。

在透镜实施例的一个可替换方面中，如图33中照片图像所示的透镜3302(体内)在对象眼睛的瞳孔区域外的局部透镜表面具有颜色点图案3304(在箭头处仅显示了单个点)，每个具有大约1mm的直径。在如图33所示的示例方面中，彩色点3304为蓝色，与对象虹膜颜色相似。为了测量体内隐形眼镜位置和方向(包括透镜翻转)，需要至少三个标记的图案。所述图案不应当具有旋转对称性。应当理解，彩色标记图案并不限于若干个点，如这里所述，并且也不限于一定数量的标记，而是基本上任何不具有旋转对称性的图案都将满足要求。并且，这些标记不一定限于隐形眼镜的特定表面或者特定区域，也就是说，本领域技术人员可以理解，可以将适当的可检测的标记图案设置在透镜边缘、在透镜光学区域内部或光学区域之外部，这依赖于标记特性。

本发明的另一个实施例设计了一种以在线方式客观评估体内隐形眼镜的方法。所述在线客观评估体内隐形眼镜的方法实施例100的步骤如图1中框图所示。根据所述示例实施例，所述隐形眼镜为上述参考图2、18、19和20描述的透镜215。以下描述如图33所示的特别标记的透镜3302的该实施例的一个可替换方面。应当理解，如上所述，在期望的时间间隔中，下面将参考图1描述的整个工艺基于所使用的算法(将在下面详细描述)对于每个图像需要大约40ms，然后对下一幅图像再次进行，等等。除了图像以外的数据被存储，这将在下面详细描述，因此数据存储需求和算法自身将影响图像采集所允许的时间间隔。在步骤105，患者佩戴如上所述的特别标记的隐形眼镜。这一点可再次参考图2说明，其中示意显示了佩戴了特别标记的隐形眼镜210的示例实施例的对象眼睛205的前视图。所述对象相对于如图5中的系统图500所示的像差计/波前传感器520而定位。设备500整体包括：照射源505，例如激光器，用于照射患者眼睛和隐形眼镜210；瞳孔照相机510，用于获取通过控制系统515可操作地连接到所述激光器的患者眼睛的图像；以及波前传感器部件520，用于检测并且分析质心图像。对象眼睛205在步骤110中被测量光502照射，从而从对象视网膜散射的光线充满瞳孔并且以外向光线照射透镜标记215。在图1中的步骤115中，射出眼睛的光线503被检测到并且通过波前传感器520的CCD照相机部件成像，从而被照射的透镜标记被适当地析象，如图21中的照片副本2102所示。在一些点，在步骤120中，对象瞳孔的位置/直径坐标被确定。这些坐标例如可以包括瞳孔中心，并且可以进一步包括瞳孔方向、瞳孔直径或者其他选择的瞳孔参数。下面详细描述确定瞳孔参数的示例。在步骤125中，对每个成像的透镜标记确定质量中心以确定标记位置坐标。一旦知道了透镜标记坐标，在步骤130中很容易推导出隐形眼镜相对于所测量的瞳孔参数的位置和方向。根据上述实施例，图19中所示的十字叉1804用作透镜上的参考标记，帮助确定体内镜片的位置和方向。例如，总是可以参考透镜标记1804而建立瞳孔中心。典型地，标记1804为透镜的光学范围外侧的标准标记，并且不能与在此描述的特别标记215混淆。

在一个示例实施例中，使用改进的Hough变换执行步骤130。这种技术提供用于即使在噪声环境中快速计算旋转对称和非旋转对称的线性图案(例如上述示例的透镜标记)的位置和方向的容错方法。经典Hough变换和一般化Hough变换技术都是本领域技术人员所公知的，因此理解本发明并不需要对其进行详细描述。感兴趣的读者可以参考网址http://cs-alb-pc3.massey.ac.nz/notes/59318/111.html获得示例描述。一般的，根据本发明的示例实施例，透镜标记排列在若干直线中。这些直线之间的角度是已知的。对所有点进行Hough变换。在Hough变换中得到连接至少两个点的角度累积。这些累积区域的角距离与所述结构中已知直线角度相关。这样得到所述角度的第一近似。这些累积区域中满足给定角度关系的点的Hough反变换允许将这些点清楚地分配给直线。不在这些直线上的点被舍弃。即使在仅给出构建两条直线的点时也可以这样做。为了测试目的，还可以构建翻转结构的角度相关性。如果所述相关性大于第一种情况，则得到翻转隐形眼镜的表示。整个结构的旋转通过直线的平均角度而确定。平移通过直线的交叉点而确定。可以以较低的角度分辨率运行所述算法，并且预先计算Hough变换的各个部分。这样确保了大约数毫秒的很短的计算时间。所检测到的瞳孔和标记的示例如图17中的照片副本所示。通过所述算法找到了所有标记。不属于所述标记的其他点通常没有明确定义(对于每个点，所述算法给出对于这些点较低的质量因子)并且因此在多数情况下可以被排除在外。还可以排除没有匹配到预定结构的那些点。

下面参考图33和34描述所述实施例的一个可替换方面。图33显示了在图像的上部具有蓝色标记3304(图中箭头所示)的体内隐形眼镜3302。在此示例中，虹膜的颜色为蓝色并且与标记3304的颜色很相近。然而可以使用适当的滤波器清楚地检测所述标记。所述滤波器可以按下述方式应用：每个像素的颜色按照RGB值定义，即用三个字节表示红、绿、蓝每一颜色。所有这些颜色被限制在一定范围内，所述范围对于标记颜色是最具特征的。在本示例中，所述滤波器具有如下限制：

a)红色强度与蓝色强度的比值小于0.6；

b)蓝色强度与绿色强度的比值小于1.4；以及

c)蓝色强度与绿色强度的比值大于1.0。

图34显示了图33的滤波图像，其中可清楚地检测到彩色点3304。在该图中还可以看到某些瞳孔闪烁假象。可以选择对于颜色的任何其他限制以帮助检测适当颜色的区域。由至少三个不同标记组成而不具有旋转对称性的标记图案足以确定在体内的隐形眼镜位置和方向(包括镜片翻转)。在滤波后，可以将所需要的结构与所测量的图案相比较，以便根据本领域技术人员所公知的各种软件技术确定隐形眼镜的位置和方向。

在这些实施例的一个方面中，可以在线获得对应于隐形眼镜图像的多个波前图像，如图1中步骤135所示。在一个示例实施例中，使用Hartmann-Shack波前传感器以获得二阶至六阶的Zernike幅度，尽管基于小透镜参数在需要时可以获得高达九阶的Zernike幅度。还除了Hartmann-Shack原理之外的波前传感技术是广泛公知的，也可以使用这些技术。例如，可以使用基于Tscherning原理的波前检测。市场上可以购买的波前传感器通常配置了辅助波前测量和分析的软件算法。

为了实现在本说明书的上下文中的在线波前测量和分析，采用如同上面提到的同样未决的申请中描述的快速算法，以下将详细描述。然而，本领域技术人员可以理解，可以构建各种算法进行质心分析。根据本实施例的图1中步骤140中给出的波前图像在线质心检测的方法进一步参考图3中的流程图300进行描述。在所述示例实施例中，以25Hz的速率采集、分析并且显示多个连续的图像，但是为了简化起见，下面给出的算法是针对单个波前图像的，并且对于每个波前图像重复。在步骤302，采集X×Y像素尺寸的波前图像，如图4中示例图像42所示。光点图像如图所示通过可变像素信号强度表示。从CCD照相机采集的图像通常包括像素阵列，其中每个像素被分配与该像素收集电荷量成正比的数值。该值称为像素的信号。在下面的示例描述中，将详细描述暗图像中的规则方格亮点。

i)图像压缩

在步骤302中采集图像之后，图像在步骤304中从X×Y像素尺寸被压缩为X/n×Y/m像素尺寸。这可以通过例如从图像左上角606(图6)开始扫描整个图像的原始图像中n×m像素方块中的每个像素的信号进行平均而完成。然后压缩后图像的左上角的信号被设置为第一方块的平均值，下一像素的信号被设置为下一(第二)方块的平均值，依次类推，最后产生X/n×Y/m像素尺寸的画面。n和m应当为整数，X/n和Y/m也应当为整数值。在一个示例实施例中，n＝m＝8。

ii)背景去除

在步骤306中，压缩后的图像被划分为若干个方形区域或者区块(勿与上述(i)中的像素方块混淆)。在示例实施例中，一个区块为64×64像素的方块，但是也可以使用其他尺寸。典型地，一个区块可以包含3-5个质心。对于每个区块再次计算平均信号。然后对区块的平均值进行线性外插以产生图像中任何位置的背景值。然后从图像中减去所述背景产生质心外的低信号。在示例实施例中，通过背景去除可以将信噪比从2提高到10。

iii)粗结构检测

在步骤308中，识别大致的(或粗的)结构点(质心)。首先，最大值被定义为压缩后图像中的最高信号。所述最大值是通过扫描整个图像而确定的，仅当该点的信号值高于所述最大值的一定百分比例如30％(用户可以选择其它值)时，每个像素的X位置、Y位置以及信号值被记录在表格中。在示例实施例中，这样产生了具有大概400个条目的列表，如表I所示。所述列表如表所示按照信号降序排列。各种已知的快速排序程序中的任何一种可以用于完成所述排序。

表I：

信号	X位置	Y位置
			223	86	55
154	85	75
			135	87	95
133	115	56
			110	118	74
108	114	93
			.	.	.
.	.	.
			.	.	.

第一个条目(最高信号值)被定义为第一粗结构点。然后，列表中符合一定预设条件的所有条目被定义为粗结构点。在示例实施例中，所述预设条件为特定条目的位置与预设距离相比更加远离当前找到的所有粗结构点。在示例实施例中，所述距离为17个像素。在该第一循环之后，创建粗结构点的表格，包含待检测的所有点的大约95％。

iv)结构的精细检测

为了增加找到所有结构点的可信度，可以重复步骤308，如方块310所示，将新的最小值设定为第一循环中最小值的一定百分比。第二循环找到信号过弱以至于第一循环中找不到的点。第一循环中找到的粗结构点被计及，从而它们不会被再次找到(即它们并不满足与预设距离相比距离已检测点更远的条件)。

v)最终结构检测

在步骤312中，确定最终的质心位置。由于在步骤304中对图像较早进行了压缩，图像中原始包含的大量信息被忽略。现在所述信息可以用于确定更加精确的质心位置。使用原始未压缩的图像，在每个粗点周围创建例如15×15像素的方块。通常，每个方块小于所述最小距离的2倍以确保每个方块仅包含一个质心，并且大于质心自身。在示例实施例中，该值在5至30个像素之间。然后，确定在所述方块内的信号分布的信号的质量中心，得到基本准确的质心位置。

在所述实施例的一个方面中，步骤312可以被重复例如1、2、3、…n次，以确定更加精确的结果。前一步骤中计算的质量中心被顺次使用。每个结构点还可以分配质量因子，该质量因子依赖于在步骤312中当所述像素周围的方块主动位移用户设定距离时质量中心的位置的有多大改变。在示例实施例中，所述距离为5个像素。位置改变最小的点被分配最高的质量因子。通过这种方式，可以消除被分配较低质量因子的毛刺点或者噪声，因为它们可能表示错误的结构点。

在针对Hartmann-Shack波前检测的示例实施例中，需要能够将质心与形成微透镜阵列的小透镜的对应图像相关联。因此，图7中所示的所述实施例的一个方面700设计了对检测到的质心进行排序的过程，从而将它们分配到规则方格图案。本领域技术人员可以理解，所述算法可以很容易适应其他结构或者配置，例如圆环上的若干个点或者若干个点的任何直线。

在步骤702中，选择所需的排序配置。在示例实施例中，所述配置为基于微透镜阵列的几何形状的方格。对每个先前找到的质心点i，如步骤704所示，计算包含质心点i并且斜率为1(45°)的直线604的方程。对于图像的左上角606或者右下角607的起始位置(如图6所示)，可以使用0.1至0.9之间的斜率值。同时，当起始位置为图像右上角608或者左下角609时，可以选择-0.1至-0.9之间的斜率值。在步骤706中，计算直线604和示例实施例中图像610的左上角606之间的距离n_i(图6中602)，如图6所示。然后在步骤708中对所有质心i按照n_i进行排序，从具有最小的n_i值的质心开始。在步骤710中，具有最小的n_i值的质心被分配给第一行，并且在存储器中作为第一行中最后的质心存储。在所述实施例的一个方面中，在步骤710中将现有行的最后的质心存储在存储器中。在步骤712中，在一个示例实施例中定义区域810(图8)，其包含给定行的最后的质心805的右边的区域，具有可以控制和改变的尺寸以调整于不同的小透镜阵列，并且具有适合于检测选择的方格配置的形状，如图8所示，其中显示了下一质心的搜索区域810。可替换的，适合于检测其他方格配置的任何形状都是可能的。小透镜阵列参数的示例包括最大角度902、最小距离904、最大距离1(906)、以及最大距离2(908)，如图9所示。然后，在步骤714中，选择次高的n_i值并且对于所有现有行检查该质心是否在预定区域内。如果是，则在步骤716中，该质心被指定为该行的最后的质心。如果不是，则该质心被指定为新的一行的最后的质心。现在对所有质心重复步骤714-716。通过这种方式，可以从左至右开始构建若干行。在步骤720中，计算每行的平均y位置并且根据这些行的平均y位置对它们进行排序。该步骤帮助将最顶行标记为第一行，下一行为第二行，依此类推。

在描述对若干列排序的步骤之前，需要指出，可能出现图10中沿着直线1002、1004分布的微弱可见的点的情况，即在行中间的某些质心1012、1014由于质心点的低质量而没有检测，并且左侧和右侧的质心被分配到不同的行。在此情况下，可选步骤722中对这些行进行合并。这是通过如下子步骤完成的：通过步骤714中每一行的平均y位置，通过计算Y_row1-Y_row2(产生第一行和第二行之间的距离)、y_row2-y_row3(产生第二行和第三行之间的距离)等等，计算行之间的平均距离，并且然后计算所获得的距离的平均值。在示例实施例中，合并行j和k的判据是：如果y_j-y_k＜f*a并且(P_k，first＞P_j，last或者P_k，last＜P_j，first)，其中：

f为用户设定的在大约0.1-0.7范围之间的变量参数。在示例实施例中，使用0.3至0.5之间的值；

a为行之间的平均距离(见上)；

P_k，first为第k行的第一质心(最左边)的x值；以及

P_k，last为第k行的最后质心(最右边)的x值。

换言之，如果这些行在y位置上与典型值相比靠近更多，并且它们如果没有重叠，即行j完全在行k的左边或者完全在右边时，对这些行进行合并。

对列进行排序的过程从步骤724开始，其中再次使用从步骤708开始按照距离值对质心进行排序后的列表。具有最小的n_i的质心被分配给第1列并且在存储器中存储为第1列的最后质心。在一个示例方面中，总是在步骤724中在存储器中存储现有列的最后质心。在步骤726中，在示例实施例中定义区域使其包括在给定列的最后质心之下的区域，所述给定列具有通过与如上所述的小透镜阵列相同的参数而控制和改变的尺寸和形状。这是通过将图8中的图示向下翻转90度而显示的。在步骤728中，对于所有现有列选择次高的n_i值并且检查质心是否在所定义的区域内。如果是，则在步骤730中，该质心被指定为所述列的最后质心。如果不是，该质心被指定为新的一列的最后质心。现在对所有质心重复步骤728-730。通过这种方式，可以自顶向下开始构建若干列。在步骤734中，计算每列的平均x位置并且根据这些列的平均x位置对它们进行排序。该步骤帮助将最左边的列标记为第一列，下一列为第二列，依此类推。

如上参考图10所述，可能发生这样的情况，即在行中间的某些质心由于质心点的低质量而没有被检测，从而上侧和下侧的质心被分配到不同的列。在此情况下，可选步骤736中对这些列进行合并。这是通过如下子步骤完成的：通过步骤728中每一列的平均x位置，通过计算x_column1-x_column2(产生第一列和第二列之间的距离)、x_column2-x_column3(产生第二列和第三列之间的距离)等等，计算这些列之间的平均距离，并且然后计算所获得的距离的平均值。在示例实施例中，合并列j和k的判据是：如果x_j-x_k＜f*a并且(P_k，first＞P_j，last或者P_k，last＜P_j，first)，其中：

f为用户设定的在大约0.1-0.7范围之间的变量参数。在示例实施例中，使用0.3至0.5之间的值；

a为列之间的平均距离；

P_k，first为第k列的第一质心(最顶上)的y值；以及

P_k，last为第k列的最后质心(最底部)的y值。

换言之，如果这些列在x位置上与典型值相比靠近更多，并且如果它们没有重叠，即列j完全在列k的上侧或者完全在下侧时，对这些列进行合并。通过排序后的质心位置，可以进行Zernike计算以确定波前像差。

应当理解，上述实施例并不限于仅通过在此描述的特别标记的透镜而进行的实时的、在线的波前像差测量，这些实施例可以更加普遍地应用于与任何适当的隐形眼镜位置和/或方向测量方法一起进行实时的、在线的波前像差测量。

本发明的针对实时在线测量体内隐形眼镜位置/方向以及对象眼睛的总的波前像差的实施例设计了一种确定在选定测量间隔内最频繁出现的波前像差的方法。如上所述，该信息对于确定定制隐形眼镜的最佳切割轮廓或者远视矫正、多焦点隐形眼镜是很重要的。在一个示例实施例中，10秒的测量间隔足以采集250个实时图像对(瞳孔图像和Hartmann-Shack小透镜图像)。所述图像按照图11所示的框图1100进行如下处理：在步骤1106，通过步骤1102、1104中的瞳孔图像和波前图像而获得隐形眼镜的x位置、y位置和旋转角度、瞳孔直径、波前数据以及屈光数据。x位置数据、y位置数据、旋转角度数据、瞳孔直径数据以及球面等效值分别绘制为时间的函数，如在图12-16中所示。所述球面等效值是通过波前数据而计算的，其中最大Zernike阶被限制于二阶。图12-16中的三角符号表示无效测量，十字符号表示在眨眼期间的测量(在下面进一步描述)，并且圆形符号表示用于计算最频繁的波前的有效点。在步骤1108，对x位置、y位置、角度、瞳孔直径以及球面等效图拟合趋势线1202、1302、1402、1502以及1602。使用二次曲线进行拟合，其中来自该曲线的测量点的平均方差最小。然而对此并没有限制，可以使用任何其他拟合。在步骤1110，在趋势线周围一定范围之外的点(显示为三角)被删除或者标记为无效。对x位置和y位置的示例范围为±0.1mm，对旋转角度为±3°，对球面等效值为±0.5D。在步骤1112中可以对所有剩余点即有效点重复步骤1106和1108。

在所述实施例的一个方面中，在步骤1114中确定眨眼间隔，并且在步骤1116中在非眨眼间隔期间确定隐形眼镜位置信息和波前像差信息。当隐形眼镜突然移动而离开所述趋势线一定距离时即检测到眨眼。所述移动通常发生在垂直y方向(向上)，但是也可以在其他方向上。作为眨眼的附加指示，也可以采用瞳孔直径的突然变化。在一个示例方面中，例如当y位置超过趋势线一定距离(例如0.1mm)时，即检测到眼睛的眨动。所述检测还可以与瞳孔直径的测量相结合，即如果瞳孔直径迅速减小一定值，即可以认为表示眨眼。在检测眨眼之后，在一定时间间隔内的所有后续点被标记为眨眼。在所述示例实施例中，使用1秒的时间间隔。示例的眨眼间隔可以在大约0.3至2秒之间。对于在趋势线范围内并且没有被检测为眨眼的所有数据图像对，可以计算波前并且以Zernike幅度表达。然后通过在步骤1118计算Zernike幅度的平均值而计算最频繁的波前。在示例实施例中，最大Zernike阶数为5阶，但是可以在二阶至九阶之间选择。还可以对选定的波前执行步骤1118，其中具有最小和最大的球面等效值的波前被忽略(例如具有最小球面等效值的7％和具有最大球面等效值的7％被忽略)。所述过程并不限于使用球面等效值，而是可以应用到其他值，例如瞳孔直径、三阶Zernike幅度等。在需要时可以类似地监视最频繁出现的隐形眼镜位置。

现在参考图22-32描述确定瞳孔直径的示例。图22显示了在线测量中被称之为瞳孔指示器算法的使用。图23显示了如何评估数据。如图所示，瞳孔位置和尺寸以及隐形眼镜位置的完全确定是在所述测量(在线)中完成的，并且在测量中在线显示所有数据。半闭眼睛的图像中的瞳孔可以使用眼睑校正算法找到，下面将进行描述。眼睑校正还可以在线进行。为了正确评估隐形眼镜位置，需要排除在对象眨眼时已采集的图像。众所周知，隐形眼镜位置在眨眼期间迅速改变，并且在眨眼后大约1秒之后保持在稳定位置。因此需要自动确定眨眼并且排除从眨眼开始以后大约1秒内的图像。眨眼的确定是在软件的评估模式中离线进行的。

位置指示器算法的操作

所述算法包括下述步骤：

1.压缩图像

2.计算阈值

3.计算瞳孔

4.图像滤波

5.精细化1

6.反射消除

7.精细化2

8.眼睑校正

9.最终计算

输入：图像(见图24)

输出：x和y方向上的瞳孔直径

瞳孔位置

隐形眼镜的位置和角度

1.压缩图像

图24所示的瞳孔图像从X×Y像素尺寸压缩到X/n×Y/n像素尺寸。如上所述，这是通过从原始图像的左上角开始扫描整个图像对原始图像中n×n方块中的每个像素的信号进行平均而完成。然后压缩后图像的左上角中的信号被设置为第一方块的平均值，下一像素的信号被设置为第二方块的平均值，依次类推，最后产生X/n×Y/n像素尺寸的画面，如图24中压缩并翻转后的灰度图像所示。n可以为任何整数(例如如图所示为16)，X/n和Y/n也为整数值。在本示例中，可以找到明亮的瞳孔，因此该画面被翻转从而黑色变为白色并且白色变为黑色。在后面的图片中，如图25所示，瞳孔为暗色，而背景为更明亮。

2.计算阈值

现在计算压缩后图像的阈值。具有高于阈值的信号的所有像素被设置为白色(信号＝255)，所有其他像素被设置为黑色(信号＝0)，产生二值的黑白图像，如图26所示(二值黑白图像意味着每个像素为完全黑色或者完全白色)。作为示例，该阈值如下计算：

阈值＝(图像中的最大信号)-(图像中的平均信号/4)

如果最大值小于(4/3*平均信号)；否则

阈值＝(图像中的最大信号)-(图像中的平均信号/3)

如果该最大值大于(4/3*平均信号)。

本领域技术人员可以很容易确定计算阈值的其他方法。

3.计算瞳孔

现在在所述二值黑白图像中，计算黑色像素的质量中心，产生瞳孔中心。同时还计算X和Y方向上黑色像素的标准方差。对于椭圆，(定义椭圆的长轴和短轴的)轴长为所述标准方差的四倍。使用所述标准方差的二倍作为半径，获得瞳孔的大致位置和X、Y直径。

4.图像滤波

由于瞳孔内的区域中的亮点或者图像中的反射，步骤3的结果可能不准确，现在将去除这些区域。为了实现此目的，我们利用步骤1中的原始压缩后的灰度图像并且将获得的瞳孔椭圆绘制到该图像中和用于椭圆内的所有点。大于平均信号的所有像素信号(在圆内)被设置为平均信号。该过程去除了瞳孔内的亮点，如图27中滤波后图像所示。

5.精细化1

现在将图27中图像中的瞳孔圆圈放大20％，并且圆圈外的所有像素被设置为白色，假定它们事实上在瞳孔之外。这是一种消除反射的方法。为了精细化所述结果，对该图像重复步骤2和3。在该过程中灰度图像被转换为黑白图像。可以将瞳孔圆圈扩大5％至25％，认为如果放大百分比过大，则瞳孔外的反射消除可能不会有效。另一方面，如果放大百分比过小，则由于先前不准确的瞳孔中心计算，瞳孔的局部可能会被错误地消除。

6.反射消除

为了进一步消除反射，在X-X和Y-Y方向上扫描步骤3中找到的瞳孔中心。在沿X轴扫描时，探测黑色区域的边缘。当至少找到三个连续的白色像素时，认为达到了所述边缘(在二值黑白画面中)。这样产生了四个边缘点，然后通过椭圆进行连接以拟合这些点。在该椭圆之外的每个像素被设置为白色，内部的每个像素被设置为黑色，如图28中的图像所示。然后对实际图像重复步骤3。

7.精细化2

如上所述，对于质心算法，压缩后的图像使得算法速度很快，但是由于压缩过程中的信息损失而导致了降低精度的代价。因此，如图29中图像所示的从原始图像(图24)仅以因子4进行压缩的画面被用于下一个精细化步骤(所述因子可以为10以下的任何数值)。为了节省时间，该图像在压缩过程中的步骤1中产生并且被存储直到在本步骤中使用。现在，对该更低压缩图像循环整个过程。也就是说，使用在步骤6中获得的瞳孔位置数据，对实际(更低压缩)图像重复步骤4。以15％的放大因子重复步骤5，并且然后重复步骤6。(注意步骤5和6包括重复步骤2和3)。该完成的过程提供了瞳孔的准确位置及其在X和Y方向上的直径，如图30中图像所示。在步骤5中所述的放大因子范围也可以应用在本步骤中。

8.眼睑校正

现在对眼睑进行检查，眼睑可能遮挡瞳孔的局部并且影响上述过程的结果。现在使用上述步骤得到的最后的二值黑白图像(图29，原始图像的4倍压缩)，我们搜索瞳孔上半部黑色区域的边缘。这是通过步骤6中所述的相同扫描而进行的，但是对包含瞳孔椭圆的每一列进行，而不是沿着坐标轴。这样能够计算找到的椭圆和黑色瞳孔边缘之间的差别，作为X位置的函数，如图10所示。如果眼睑延伸到瞳孔区域内，则瞳孔的上部会变得扁平并且找到的椭圆也会过小。因此上述差别函数(见图10)将具有两个极大值点(A和B)，其间具有一个极小值点。为了避免眨眼的错误校正，如果在两个极大值点至少为瞳孔直径的20％或者相距5个像素；平均绝对差值至少为直径的0.75％；以及平均最小值为低于零的图像高度的至少1％，才进行校正。为了最小的波动，我们已取瞳孔直径的0.4至0.6倍的平均值，如图31中标记区域3102所示。如果上述所有条件已满足，则如下进行眼睑校正：我们利用找到的瞳孔椭圆的在两个极大值点的X位置之间的弧线，并且将其粘贴到点A和B之间，使得它伸展其中眼睑具有类似于瞳孔形状的切口的区域。该封闭区域被设置为黑色，如图32中的灰度区域3202所示。

9.最终计算

对眼睑校正后的黑白图像最终计算瞳孔(见步骤3)，产生如图32中图像所示的结果。可替换地，可以利用原始未压缩的图像进行精细化2(步骤7)。如果利用n＝4的压缩图像的过程提供所需测量精度时，则不必利用该方法。在以20-25Hz的重复速率在线测量的示例情况中，所得到的隐形眼镜的平移位置精度为±70μm，并且镜片旋转精度为±2°。

Claims (12)

1.一种确定瞳孔参数的方法，包括步骤：

a)获取瞳孔图像；

b)通过按照选定量n压缩所述瞳孔图像，获得第一压缩的瞳孔图像，并且通过按照不同选定量n₁压缩在步骤(a)中获得的瞳孔图像，获得第二压缩的瞳孔图像，其中n₁＜n，n₁＜10；

c)对第一压缩的瞳孔图像计算阈值；

d)确定瞳孔的中心参数值；

e)确定多坐标轴的瞳孔的直径参数；

f)基于所述中心参数值和多坐标轴直径参数确定瞳孔的周边形状；

g)将所述周边形状绘制到第一压缩的瞳孔图像中并且确定所述周边内的平均像素信号值，并且将所述周边内的大于该平均值的所有像素信号值都设置为该平均值；

h)按照选定量Δ放大所述周边，将所放大的周边之外的所有像素都设置为二值白，并且在由此获得的具有放大后的周边的图像上重复步骤(c)、(d)和(e)；

i)确定沿着所述多坐标轴的每个坐标轴的每个方向的边缘点位置，并且对这些边缘点位置拟合周边形状；

j)在通过步骤(i)获取的图像上重复步骤(d)和(e)；

k)在该第二压缩的瞳孔图像上重复步骤(g)；

l)在由步骤(k)获得的图像上重复步骤(h)，其中，按照不同选定量Δ₁放大所述周边，其中Δ₁＜Δ；

m)在由步骤(1)获得的图像上重复步骤(d)和(e)；

n)在由步骤(m)获得的图像上进行眼睑校正；以及

o)在由步骤(n)获得的图像上重复步骤(d)和(e)。

2.根据权利要求1所述的方法，其中n为整数，并且1≤n＜20。

3.根据权利要求1或者2所述的方法，其中所述步骤(c)包括通过将低于该阈值的所有像素值设置为零值并且将高于该阈值的所有像素值设置为高值而创建二值图像。

4.根据权利要求3所述的方法，其中为该零值像素确定质量中心以及标准方差，用于确定沿着x坐标轴和y坐标轴的直径值。

5.根据权利要求4所述的方法，其中所述周边形状为椭圆。

6.根据权利要求5所述的方法，其中Δ在5％至25％的范围之间，并且Δ₁在5％至25％的范围之间。

7.根据权利要求6所述的方法，其中，所述步骤(i)包括沿x坐标轴和y坐标轴的每个方向对边缘点拟合椭圆。

8.根据权利要求7所述的方法，其中所述步骤(n)包括扫描包含搜索到的椭圆周边的由步骤(m)获得的图像的每列像素，并且计算所述搜索到的椭圆周边和瞳孔边缘之间的差值函数作为X位置之函数。

9.根据权利要求8所述的方法，包括确定所述差值函数的至少两个极大值点以及所述极大值点之间的极小值点，并且在满足选定误差判据的基础上，定位所述两个极大值点的X位置之间的搜索到的椭圆的圆弧。

10.根据权利要求9所述的方法，包括确定瞳孔中心参数和瞳孔尺寸参数。

11.根据权利要求1所述的方法，其中，步骤(k)使用在步骤(j)中获得的瞳孔位置数据在所述第二压缩的瞳孔图像上重复步骤(g)。

12.根据权利要求1所述的方法，还包括：

步骤(p)，对于步骤(m)获得的图像重复步骤(i)、(d)和(e)，其中在由步骤(p)获得的图像上进行步骤(n)。

Images