CN115120178A - 一种获取眼球前表面曲率的方法 - Google Patents
一种获取眼球前表面曲率的方法 Download PDFInfo
- Publication number
- CN115120178A CN115120178A CN202210775579.3A CN202210775579A CN115120178A CN 115120178 A CN115120178 A CN 115120178A CN 202210775579 A CN202210775579 A CN 202210775579A CN 115120178 A CN115120178 A CN 115120178A
- Authority
- CN
- China
- Prior art keywords
- curvature
- sclera
- degrees
- cornea
- blood vessel
- 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
- 238000000034 method Methods 0.000 title claims abstract description 34
- 210000005252 bulbus oculi Anatomy 0.000 title claims abstract description 24
- 210000003786 sclera Anatomy 0.000 claims abstract description 57
- 210000004087 cornea Anatomy 0.000 claims abstract description 39
- 238000010586 diagram Methods 0.000 claims abstract description 12
- 210000004204 blood vessel Anatomy 0.000 claims description 29
- 210000001232 limbus corneae Anatomy 0.000 claims description 17
- 230000009466 transformation Effects 0.000 claims description 12
- 239000011159 matrix material Substances 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 9
- 230000004927 fusion Effects 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 5
- 239000013598 vector Substances 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 4
- 230000002457 bidirectional effect Effects 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 210000001508 eye Anatomy 0.000 abstract description 10
- 230000007547 defect Effects 0.000 abstract description 4
- 238000012876 topography Methods 0.000 abstract 1
- 210000000795 conjunctiva Anatomy 0.000 description 9
- 230000006870 function Effects 0.000 description 4
- 210000004379 membrane Anatomy 0.000 description 4
- 239000012528 membrane Substances 0.000 description 4
- 210000000744 eyelid Anatomy 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 201000009310 astigmatism Diseases 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000035807 sensation Effects 0.000 description 2
- 210000001760 tenon capsule Anatomy 0.000 description 2
- 238000002834 transmittance Methods 0.000 description 2
- 102000008186 Collagen Human genes 0.000 description 1
- 108010035532 Collagen Proteins 0.000 description 1
- 201000002287 Keratoconus Diseases 0.000 description 1
- 241001469893 Oxyzygonectes dovii Species 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 229920001436 collagen Polymers 0.000 description 1
- 208000021921 corneal disease Diseases 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 210000004177 elastic tissue Anatomy 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000004400 mucous membrane Anatomy 0.000 description 1
- 210000001328 optic nerve Anatomy 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000028327 secretion Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 238000002054 transplantation Methods 0.000 description 1
- 230000008733 trauma Effects 0.000 description 1
- 208000005494 xerophthalmia Diseases 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
- A61B3/10—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions
- A61B3/107—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions for determining the shape or measuring the curvature of the cornea
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
- A61B3/0016—Operational features thereof
- A61B3/0025—Operational features thereof characterised by electronic signal processing, e.g. eye models
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
- A61B3/10—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions
- A61B3/14—Arrangements specially adapted for eye photography
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- 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
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/7715—Feature extraction, e.g. by transforming the feature space, e.g. multi-dimensional scaling [MDS]; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/32—Indexing scheme for image data processing or generation, in general involving image mosaicing
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Medical Informatics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biomedical Technology (AREA)
- Ophthalmology & Optometry (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Signal Processing (AREA)
- Geometry (AREA)
- Computer Graphics (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Eye Examination Apparatus (AREA)
Abstract
本发明是一种获取眼球前表面曲率的方法,该方法采用Placido模组用来拍摄角膜曲率,结构光模组用来获取巩膜曲率,步骤如下:S1:开始拍摄;S2:相机Placido模组盘单元获取角膜Placido图;S3:注视与眼轴垂直平面上:0°、45°、90°、135°、180°、225°、270°、315°角度的方向,结构光模组单元分别获取巩膜图;S4:根据角膜Placido图计算角膜前表面曲率图;S5:根据八张图的巩膜点云数据计算巩膜曲率图,得到角膜曲率。本发明克服角膜地形图仪只能测量角膜前表面曲率的缺陷,拼图后的全幅眼球前表面曲率图准确反映角巩膜的状况并可以辅助巩膜镜的验配。
Description
技术领域
本发明属于眼科检查的技术领域,特别涉及一种获取眼球前表面曲率的方法。
背景技术
图1所示,巩膜(Sclera),在人眼俗称眼白,是眼球内一层乳白色不透明的纤维膜,属于眼球纤维膜。它主要由胶原蛋白和一些弹性纤维组成。巩膜外表被特农囊(眼球筋膜鞘)包裹,前段又被球结膜覆盖,后极被覆视盘处有巩膜筛板,视神经纤维束由此穿出眼球。巩膜约占眼球纤维膜的5/6,起保护眼球内容物和维持眼球形态的作用。
结膜、巩膜和角膜都是眼部的解剖名称,具体所在位置如下:
1、角膜、巩膜:眼球是一个球状的物体,最外面为纤维膜,即巩膜和角膜,通常巩膜占5/6,而眼白部分是巩膜,中间黑色或者棕色区域是角膜,角膜为透明色,但是可以映衬后方的虹膜颜色。如中国人虹膜为棕色,即可看到棕色,而西方人虹膜常为灰色、蓝色、灰蓝色。
2、结膜:结膜是一种半透明黏膜,主要覆盖在巩膜,以及眼睑的睑板表面。覆盖在眼白,即白眼珠上面,称为球结膜,覆盖在眼睑内侧面称为睑结膜。眼白与眼睑内侧面交界部位称为穹窿部结膜。
总体而言,结膜、巩膜和角膜都属于眼表组织,都易受到外界因素的影响。尤其是结膜和角膜,与外界接触紧密,更容易受到外界的理化因素和外伤影响。
一般人角膜直径平均为11.8mm,一般的硬式隐形眼镜直径大约在9.2mm大约覆盖角膜的75%~80%,大直径隐形眼镜可以整个覆盖角膜表面;一般常用的硬性隐形眼镜是设计配戴在角膜上,角膜是人体中最敏感的其中一个部位,当患者年纪增加或分泌泪水的能力降低到某种程度时,就有可能会造成隐形眼镜与角膜之间的磨擦增加,而逐渐出现异物感或不适应的症状。
这种现象在有角膜疾病的人身上到会更明显,因此,人们发明了巩膜镜来改善视力,巩膜镜是大直径的接触点在巩膜上的硬性高透氧隐形眼镜。利用增加镜片的直径大小,让部分或所有的镜片与眼表面之触碰点,从角膜接触点改到比较不敏感的巩膜上,如此可以有效的降低异物感的存在;应用在圆锥角膜、角膜移植、干眼症、激光矫视后、散光度数较高、散光轴度较特殊、软式隐形眼镜配戴时会出现戴得不合适或不舒适感身上的人,可以透过大直径硬式隐形眼镜而让视力得到有效的改善。
验配巩膜镜需要知道眼球前表面的曲率高度等数值;目前,是通过专用的设备来检测眼球前表面的曲率,存在问题如下:
1:基于Placido盘的角膜地形图仪***只能测量角膜部分的曲率;
2:结构光对于透明黑色部分的测量不精准;
3:巩膜镜验配需要角膜和巩膜部位的所有曲率;
4:基于scheimpflug的三维眼前节和OCT***虽然可以测量巩膜曲率但是存在测量直径范围有限以及价格昂贵的问题。
发明内容
为解决上述问题,本发明的首要目的在于提供一种获取眼球前表面曲率的方法,该方法克服角膜地形图仪只能测量角膜前表面曲率的缺陷,弥补结构光对于角膜部位透光性强无法测量的问题。
为实现上述目的,本发明的技术方案如下。
一种获取眼球前表面曲率的方法,该方法采用Placido模组用来拍摄角膜曲率,结构光模组用来获取巩膜曲率,步骤如下:
S1:开始拍摄;
S2:相机Placido模组盘单元获取角膜Placido图;
S3:注视至少:0°、45°、90°、135°、180°、225°、270°、315°角度的方向,结构光模组单元分别获取巩膜图;
S4:根据角膜Placido图计算角膜前表面曲率图;
S5:根据八张图的巩膜点云数据计算巩膜曲率图,得到角膜曲率。
点云数据计算曲率计算过程如下:
在散乱点云中取一个数据点Pi,然后以Pi为中心在点云中均匀地取n个点,这n个点要尽量覆盖整个点云。
区域内的n个最近邻点根据局部抛物面拟合公式:
Z(x,y)=ax^2+by^2+cxy+dx+ey+f,
用最小二乘法可求出上面的各个系数,即可求得空间曲面函数的系数,解得系数后根据空间曲面曲线的性质计算数据点的点云的局部的平均曲率。
根据公式:
即可计算出点云的局部的平均曲率。
进一步,将若干张巩膜曲率图进行拼接,以产生准确的巩膜曲率图,拼接方法为:
S110:以正视图像为中心图;
S120:将八张图分别置于正视图像的八个方向;
S130:对每张照片提取角膜缘将八张图片进行融合拼接;
S140:提取每张图片的毛细血管,根据毛细血管方向和直径对于融合图像进行准确地调整拼接;
其中,调整拼接流程如下:
1).对于巩膜血管对、角膜缘对区域进行局部的SIFT算法;采用局部SIFT算法对于巩膜血管对、角膜缘区域进行sift特征点提取,得到巩膜血管对、角膜缘的位置,尺度,方向;
2).利用快速最近邻算法进行巩膜血管对、角膜缘特征点粗匹配,并利用阈值设置和双向交叉检查方法进行初步的筛选;
快速最近邻算法特征匹配算法实现步骤:利用K-D树(KDimensional Tree)数据结构来有序存放巩膜血管对、角膜缘特征描述向量,再用快速近似k最近邻(FLANN)算法找出最近巩膜血管对、角膜缘特征邻点和次近邻点。
3).找出巩膜血管对、角膜缘特征点后,由于匹配的巩膜血管对、角膜缘特征点之间不仅要求特征描述向量距离最近,而且应该与其它特征点能够区分开来,因此采用最近邻点与次近邻点距离比值来限制特征点匹配。计算最近邻点的距离和次近邻点的距离的比值,若小于阈值则保留,反之,则剔除。
4).利用RANSAC算法进行巩膜血管对、角膜缘精匹配。
RANSAC算法(RANdom SAmple Consensus(随机抽样一致))在SIFT特征筛选中的主要流程是:
(1)从样本集中随机抽选一个RANSAC样本,即4个匹配点对;
(2)根据这4个匹配点对计算变换矩阵M;
(3)根据样本集,变换矩阵M,和误差度量函数计算满足当前变换矩阵的一致集consensus,并返回一致集中元素个数;
(4)根据当前一致集中元素个数判断是否最优(最大)一致集,若是则更新当前最优一致集;
(5)更新当前错误概率p,若p大于允许的最小错误概率则重复(1)至(4)继续迭代,直到当前错误概率p小于最小错误概率;
5).图像变换,使不同图像映射到同一坐标系下;
6).图像融合。
直接拼接会产生鬼影,色差等问题,因此需要利用特定方法来进行图像融合。保留巩膜血管对、角膜缘重叠区域像素灰度值大的像素点,其保留了图像中对比度最大的信息;利用这些像素点进行图像融合。
S150:计算曲率数值,并进行显示。
本发明的有益效果在于:
1:克服角膜地形图仪只能测量角膜前表面曲率的缺陷;
2:弥补结构光对于角膜部位透光性强无法测量的问题;
3:拼图后的全幅眼球前表面曲率图准确反映视力的状况,可以辅助巩膜镜的验配。
附图说明
图1是眼球前表面立体结构示意图。
图2是本发明所实现的***结构示意图。
图3是本发明所实现的方法流程图。
图4是本发明拍摄方位示意图。
图5是本发明所实现将不同方位图像粗略拼图的示意图。
图6是本发明所实现图像拼接处理的流程图。
图7是人眼角膜巩膜毛细血管图。
图8是本发明所实现图像初步处理后的毛细血管分布图。
图9是本发明所实现分割的毛细血管对拼接图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
参照图2-5,为本发明实现的获取眼球前表面曲率的方法,该方法采用Placido模组用来拍摄角膜曲率,结构光模组用来获取巩膜曲率,图2所示,Placido模组具体实现为Placido盘单元,结构光模组则实现为结构光单元,二者均设置在相机中。
步骤如下:
方法步骤:
S1:开始拍摄;
S2:相机Placido盘单元获取角膜Placido图;
S3:注视:0°、45°、90°、135°、180°、225°、270°、315°角度的方向,结构光单元分别获取巩膜图;
S4:根据角膜Placido图计算角膜前表面曲率图;
S5:根据正视和斜视八张图的巩膜点云数据计算巩膜曲率图;
其中,点云数据计算曲率计算过程如下:
在散乱点云中取一个数据点Pi,然后以Pi为中心在点云中均匀地取n个点,这n个点要尽量覆盖整个点云。
区域内的n个最近邻点根据局部抛物面拟合公式:
Z(x,y)=ax^2+by^2+cxy+dx+ey+f,
用最小二乘法可求出上面的各个系数,即可求得空间曲面函数的系数,解得系数后根据空间曲面曲线的性质计算数据点的点云的局部的平均曲率。
根据公式:
即可计算出点云的局部的平均曲率。
然后,将八张巩膜曲率图进行拼接,以产生准确的巩膜曲率图,如图6所示,拼接方法为:
S110:以正视图像为中心图;
S120:将八张图分别置于正视图像的八个方向,八张图能够覆盖360°的角度,以使产生的曲率更准确;实际上也可以采用6张图,或者更多的图,例如16张图。
S130:对每张照片提取角膜边缘将八张图片粗略融合拼接;图7为获取的角膜巩膜毛细血管图,将其进行处理得到图8,显示了眼睛的毛细血管分布。
S140:提取每张图片的毛细血管,根据毛细血管方向和直径对于融合图像精细调整拼接,具体包括:
1).对于巩膜血管对、角膜缘对区域进行局部的SIFT算法;采用局部SIFT算法对于巩膜血管对、角膜缘区域进行sift特征点提取,得到巩膜血管对、角膜缘的位置,尺度,方向;
2).利用快速最近邻算法进行巩膜血管对、角膜缘特征点粗匹配,并利用阈值设置和双向交叉检查方法进行初步的筛选;
快速最近邻算法特征匹配算法实现步骤:利用K-D树(KDimensional Tree)数据结构来有序存放巩膜血管对、角膜缘特征描述向量,再用快速近似k最近邻(FLANN)算法找出最近巩膜血管对、角膜缘特征邻点和次近邻点。
3).找出巩膜血管对、角膜缘特征点后,由于匹配的巩膜血管对、角膜缘特征点之间不仅要求特征描述向量距离最近,而且应该与其它特征点能够区分开来,因此采用最近邻点与次近邻点距离比值来限制特征点匹配。计算最近邻点的距离和次近邻点的距离的比值,若小于阈值则保留,反之,则剔除。
4).利用RANSAC算法进行巩膜血管对、角膜缘精匹配。
RANSAC算法(RANdom SAmple Consensus(随机抽样一致))在SIFT特征筛选中的主要流程是:
(1)从样本集中随机抽选一个RANSAC样本,即4个匹配点对;
(2)根据这4个匹配点对计算变换矩阵M;
(3)根据样本集,变换矩阵M,和误差度量函数计算满足当前变换矩阵的一致集consensus,并返回一致集中元素个数;
(4)根据当前一致集中元素个数判断是否最优(最大)一致集,若是则更新当前最优一致集;
(5)更新当前错误概率p,若p大于允许的最小错误概率则重复(1)至(4)继续迭代,直到当前错误概率p小于最小错误概率;
5).图像变换,使不同图像映射到同一坐标系下;
6).图像融合。
直接拼接会产生鬼影,色差等问题,因此需要进行图像融合。保留巩膜血管对、角膜缘重叠区域像素灰度值大的像素点,其保留了图像中对比度最大的信息;利用这些像素点进行图像融合。
S150:计算曲率数值,并进行显示。
图7为获取的角膜巩膜毛细血管图,将其进行处理得到图8,显示了眼睛的毛细血管分布。然后再进行分割得到毛细血管对拼接图。
S150:计算曲率数值,并进行显示。通常将曲率数值显示在拼图后的全幅眼球前表面地图上。
其中,Placido模组,结构光模组则可以有不同的连接方式,Placido模组可以内置在结构光模组内部,结构光模组也可以内置在Placido模组里面。
Placido模组,结构光模组可以设置于整合的一台设备中,也可以是设置在分离的两台设备中。
因此,通过上述方法,本发明准确地能够获得眼球前表面,包括角膜和巩膜的曲率数值,克服角膜地形图仪只能测量角膜前表面曲率的缺陷,同时,弥补结构光对于角膜部位透光性强无法测量的问题,能够有效地辅助巩膜镜的验配。
以上仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (3)
1.一种获取眼球前表面曲率的方法,其特征在于该方法采用Placido模组用来拍摄角膜曲率,结构光模组用来获取巩膜曲率,步骤如下:
S1:开始拍摄;
S2:相机Placido模组盘单元获取角膜Placido图;
S3:注视至少:0°、45°、90°、135°、180°、225°、270°、315°角度的方向,结构光模组单元分别获取巩膜图;
S4:根据角膜Placido图计算角膜前表面曲率图;
S5:根据正视和斜视八张图的巩膜点云数据计算若干张巩膜曲率图,得到角膜曲率,
点云数据计算曲率计算过程如下:
在散乱点云中取一个数据点Pi,然后以Pi为中心在点云中均匀地取n个点,这n个点要尽量覆盖整个点云。
区域内的n个最近邻点根据局部抛物面拟合公式:
Z(x,y)=ax^2+by^2+cxy+dx+ey+f,
用最小二乘法可求出上面的各个系数,即可求得空间曲面函数的系数,解得系数后根据空间曲面曲线的性质计算数据点的点云的局部的平均曲率。
根据公式:
即可计算出点云的局部的平均曲率。
2.如权利要求1所述的获取眼球前表面曲率的方法,其特征在于将若干张巩膜曲率图进行拼接,以产生更大全面的准确的巩膜曲率图,拼接方法为:
S110:以正视图像为中心图;
S120:将八张图分别置于正视图像的八个方向;
S130:对每张照片提取角膜缘将八张图片进行融合拼接;
S140:提取每张图片的巩膜血管对、角膜缘,根据巩膜血管对、角膜缘方向和直径对于融合图像进行准确地调整拼接,提取巩膜血管对、角膜缘的位置;
S150:计算曲率数值,并进行显示。
3.如权利要求2所述的获取眼球前表面曲率的方法,其特征在于所述S140步骤中,具体包括:
1).对于巩膜血管对、角膜缘对区域进行局部的SIFT算法;采用局部SIFT算法对于巩膜血管对、角膜缘区域进行sift特征点提取,得到巩膜血管对、角膜缘的位置、尺度、方向;
2).利用快速最近邻算法进行巩膜血管对、角膜缘特征点粗匹配,并利用阈值设置和双向交叉检查方法进行初步的筛选;
快速最近邻算法特征匹配算法实现步骤:利用K-D树数据结构来有序存放巩膜血管对、角膜缘特征描述向量,再用快速近似k最近邻算法找出最近巩膜血管对、角膜缘特征邻点和次近邻点;
3).找出巩膜血管对、角膜缘特征点后,采用最近邻点与次近邻点距离比值来限制特征点匹配;计算最近邻点的距离和次近邻点的距离的比值,若小于阈值则保留,反之,则剔除;
4).利用RANSAC算法进行巩膜血管对、角膜缘精匹配,流程是:
(1)从样本集中随机抽选一个RANSAC样本,即4个匹配点对;
(2)根据这4个匹配点对计算变换矩阵M:
(3)根据样本集,变换矩阵M,和误差度量函数计算满足当前变换矩阵的一致集consensus,并返回一致集中元素个数:
(4)根据当前一致集中元素个数判断是否最优一致集,若是则更新当前最优一致集;
(5)更新当前错误概率p,若p大于允许的最小错误概率则重复(1)至(4)继续迭代,直到当前错误概率p小于最小错误概率;
5).图像变换,使不同图像映射到同一坐标系下;
6).图像融合;
保留巩膜血管对、角膜缘重叠区域像素灰度值大的像素点,其保留了图像中对比度最大的信息;利用这些像素点进行图像融合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210775579.3A CN115120178A (zh) | 2022-07-03 | 2022-07-03 | 一种获取眼球前表面曲率的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210775579.3A CN115120178A (zh) | 2022-07-03 | 2022-07-03 | 一种获取眼球前表面曲率的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115120178A true CN115120178A (zh) | 2022-09-30 |
Family
ID=83381767
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210775579.3A Pending CN115120178A (zh) | 2022-07-03 | 2022-07-03 | 一种获取眼球前表面曲率的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115120178A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117611585A (zh) * | 2024-01-22 | 2024-02-27 | 天津医科大学眼科医院 | 一种基于图像处理的眼球壁形变分析方法及*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130093998A1 (en) * | 2011-10-17 | 2013-04-18 | Eyedeal Scanning, Llc. | Method and apparatus for determining eye topology |
DE102014220410A1 (de) * | 2014-10-08 | 2015-11-05 | Carl Zeiss Meditec Ag | Ermitteln einer Patientenauge-Karte |
US20190307326A1 (en) * | 2018-04-06 | 2019-10-10 | Amo Wavefront Sciences, Llc | Methods and systems for corneal topography with in-focus scleral imaging |
US20190357767A1 (en) * | 2018-05-23 | 2019-11-28 | Alcon Inc. | Measuring a posterior corneal surface of an eye |
CN113662506A (zh) * | 2021-09-26 | 2021-11-19 | 温州医科大学 | 一种角膜表面形态的测量方法、装置、介质及电子设备 |
-
2022
- 2022-07-03 CN CN202210775579.3A patent/CN115120178A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130093998A1 (en) * | 2011-10-17 | 2013-04-18 | Eyedeal Scanning, Llc. | Method and apparatus for determining eye topology |
DE102014220410A1 (de) * | 2014-10-08 | 2015-11-05 | Carl Zeiss Meditec Ag | Ermitteln einer Patientenauge-Karte |
US20190307326A1 (en) * | 2018-04-06 | 2019-10-10 | Amo Wavefront Sciences, Llc | Methods and systems for corneal topography with in-focus scleral imaging |
US20190357767A1 (en) * | 2018-05-23 | 2019-11-28 | Alcon Inc. | Measuring a posterior corneal surface of an eye |
CN113662506A (zh) * | 2021-09-26 | 2021-11-19 | 温州医科大学 | 一种角膜表面形态的测量方法、装置、介质及电子设备 |
Non-Patent Citations (1)
Title |
---|
黄明吉主编: "《数字化成形与数字化成形与先进制造技术》", 31 August 2020, 北京:机械工业出版社, pages: 28 - 36 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117611585A (zh) * | 2024-01-22 | 2024-02-27 | 天津医科大学眼科医院 | 一种基于图像处理的眼球壁形变分析方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6845804B2 (ja) | 不要な非点収差を有する眼鏡レンズを決定する方法 | |
JP2023071644A (ja) | デジタル治療用矯正眼鏡 | |
Walsh | The effect of mydriasis on the pupillary centration of the human eye | |
Dubbelman et al. | The shape of the aging human lens: curvature, equivalent refractive index and the lens paradox | |
TWI466654B (zh) | 提升周邊視覺之方法與裝置 | |
EP3649577B1 (en) | Application to determine reading/working distance | |
CN113678055B (zh) | 眼镜镜片的至少一个光学参数的确定 | |
KR20060021331A (ko) | 성형된 외주부를 구비하는 콘택트 렌즈 | |
ES2354153T3 (es) | Método para evaluar el rendimiento de un sistema óptico y método para su diseño. | |
ES2932157T3 (es) | Determinación de un error de refracción de un ojo | |
EP3746839B1 (en) | Method for determining refractory power of eye using immersive system and electronic device thereof | |
Waring | Making sense of keratospeak II: proposed conventional terminology for corneal topography | |
US20220007929A1 (en) | Holographic Real Space Refractive System | |
TWI835923B (zh) | 確定適於矯正配戴者眼睛的異常屈光的眼科鏡片之方法 | |
CN115120178A (zh) | 一种获取眼球前表面曲率的方法 | |
JP2020525842A (ja) | トポロジーに基づいた眼用レンズの設計 | |
JP7305325B2 (ja) | トーリックコンタクトレンズの回転安定性を評価する方法及び手段 | |
CN114779497B (zh) | 一种基于相位调制技术的巩膜接触镜 | |
JP6785857B2 (ja) | 光学レンズの屈折力を判定するように構成された屈折力判定装置および光学レンズの屈折力を判定する方法 | |
Timberlake et al. | The direct ophthalmoscope how it works and how to use it | |
Sahu | Corneal topography: sirius | |
CN113662706A (zh) | 设计和制造人工晶状体的方法 | |
Maheshwari et al. | Learning optics using vision | |
CN115644796B (zh) | 一种基于斜视度的ac/a检测方法和装置 | |
Hasan et al. | An algorithm to differentiate astigmatism from Keratoconus in Axial Topgraphic 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 |