屈光信息测量方法、装置及计算机可读存储介质与流程

1.本发明涉及眼底屈光测量技术领域，尤其涉及一种屈光信息测量方法、装置及计算机可读存储介质。


背景技术：

2.近年来世界范围内近视发生率居高不下。已有多项研究结果表明视网膜周边屈光状态可能与中心近视的发生和发展有关。运用适当技术准确、快速地对周边屈光状态进行测量评估是深入研究的基础。目前市面上已有的屈光测量方法有检影验光法，开窗验光法和像差测量法，但是这些方法操作复杂，测量时间长，耗时耗力。并且，在屈光信息测量过程中，由于需要拍摄很多张图像，曝光时间比较长，即使采用避免刺激人眼的红外光，在拍摄过程中还是会发生眼睛抖动，瞳孔收缩的情况，极大的影响了屈光信息的测量精度。
3.上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。


技术实现要素：

4.本发明的主要目的在于提供一种屈光信息测量方法、装置及计算机可读存储介质，旨在解决现有在检测人眼屈光信息时，拍摄多张眼底图像的曝光时间较长，使拍摄过程的眼部状态受到影响继而降低了屈光信息测量精度的技术问题。
5.为实现上述目的，本发明提供一种屈光信息测量方法，所述屈光信息测量方法包括以下内容：
6.获取当前待测人眼的眼底图像及所述眼底图像的拍摄参数，所述眼底图像为多个；
7.计算所述眼底图像的眼底图像清晰度，以所述眼底图像清晰度及所述拍摄参数提取所述眼底图像的数据点集合；
8.将提取到的所述数据点集合输入至先验模型，在所述先验模型估计对应的模型参数；
9.以所述模型参数代入屈光度计算函数计算所述眼底图像的屈光信息。
10.可选地，所述计算所述眼底图像的眼底图像清晰度，以所述眼底图像清晰度及所述拍摄参数提取所述眼底图像的数据点集合的步骤，包括：
11.确认所述眼底图像中待计算清晰度的目标位置点，以所述目标位置点计算所述眼底图像清晰度，所述目标位置点为多个；
12.提取所述目标位置点的清晰度及拍摄参数生成所述眼底图像的数据点集合。
13.可选地，以所述目标位置点计算所述眼底图像清晰度的步骤，包括：
14.以所述目标位置点为中心划定预设邻域范围；
15.根据所述预设邻域范围计算所述眼底图像清晰度。
16.可选地，所所述提取所述目标位置点的清晰度及拍摄参数生成所述眼底图像的数
据点集合的步骤，包括：
17.确认所述目标位置点基于所述拍摄参数的清晰度数据，以所述眼底图像目标位置点的拍摄参数和清晰度数据形成所述目标位置点的数据点，并基于多张所述眼底图像在所述目标位置点得到的数据点形成所述数据点集合；
18.轮询所述眼底图像多个目标位置点，获取每个目标位置点的数据点集合。
19.可选地，所述屈光信息测量方法，还包括：
20.获取训练样本数据，基于候选清晰度模型对所述训练样本数据进行拟合，根据拟合结果自所述候选清晰度模型选择目标候选清晰度模型；
21.以所述目标候选清晰度模型形成先验模型，并以所述先验模型的模型参数作为自变量的屈光度计算函数。
22.可选地，所述获取训练样本数据的步骤之前，还包括：
23.获取所述训练样本数据的拍摄参数；
24.以所述拍摄参数调整当前屈光地图仪拍摄所述训练样本数据。
25.可选地，所述以所述目标候选清晰度模型形成先验模型的步骤之前，还包括：
26.获取当前屈光地图仪的光学模型及光学参数；
27.以所述光学模型及光学参数创建所述候选清晰度模型，所述候选清晰度模型为一个或多个。
28.可选地，以所述目标候选清晰度模型形成先验模型的步骤，包括：
29.提取所述训练样本数据的数据点集合，以所述清晰度模型拟合所述数据点集合；
30.根据拟合结果确定先验模型。
31.此外，为实现上述目的，本发明还提供一种屈光信息测量装置，所述屈光信息测量装置包括：存储器、处理器，所述存储器上存储有能够被处理器调用的计算机程序，所述计算机程序被所述处理器执行时实现如上所述屈光信息测量方法的步骤。
32.本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有屈光信息测量程序，所述屈光信息测量程序被处理器执行时实现如上所述屈光信息测量方法的步骤。
33.本发明实施例提出的一种屈光信息测量方法，获取当前待测人眼的眼底图像及所述眼底图像的拍摄参数，所述眼底图像为多个；计算所述眼底图像的眼底图像清晰度，以所述眼底图像清晰度及所述拍摄参数提取所述眼底图像的数据点集合；将提取到的所述数据点集合输入至先验模型，在所述先验模型估计对应的模型参数；以所述模型参数代入屈光度计算函数计算人眼的屈光信息。本发明通过缩短图像采集时间，在人眼的典型眨眼周期250ms之内完成曝光拍摄，能更好地抑制眼睛抖动，瞳孔收缩等干扰，使得采用可见光拍摄成为可能，从而可以实现逼近人眼真实视觉效果的屈光测量，避免了眼部拍摄状态异常情况下屈光信息测量误差，提高了眼部屈光信息测量精度。
附图说明
34.图1是本发明实施例方案涉及的硬件运行环境的终端\装置结构示意图；
35.图2为本发明屈光信息测量方法第一实施例的流程示意图；
36.图3为本发明屈光信息测量方法第二实施例的流程示意图；
37.图4为采集眼底图像的光学系统示意图；
38.图5为清晰度模型示意图。
39.本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
40.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。
41.本发明实施例的主要解决方案是：获取当前待测人眼的眼底图像及所述眼底图像的拍摄参数，所述眼底图像为多个；计算所述眼底图像的眼底图像清晰度，以所述眼底图像清晰度及所述拍摄参数提取所述眼底图像的数据点集合；将提取到的所述数据点集合输入至先验模型，在所述先验模型估计对应的模型参数；以所述模型参数代入屈光度计算函数计算所述眼底图像的屈光信息。
42.由于现有检测眼底屈光信息时，需要拍摄多张眼部图像，而在拍摄多张图像时，会由于曝光时间较长，使拍摄过程的眼部状态受到影响继而降低了屈光信息测量精度。
43.本发明提供一种解决方案，通过缩短图像采集时间，在人眼的典型眨眼周期250ms之内完成曝光拍摄，能更好地抑制眼睛抖动，瞳孔收缩等干扰，使得采用可见光拍摄成为可能，从而可以实现逼近人眼真实视觉效果的屈光测量，避免了眼部拍摄状态异常情况下屈光信息测量误差，提高了眼部屈光信息测量精度。
44.如图1所示，图1是本发明实施例方案涉及的硬件运行环境的终端结构示意图。
45.本发明实施例终端可以是是pc、智能手机、平板电脑、便携计算机等可移动式或不可移动式的终端设备。
46.如图1所示，该终端可以包括：处理器1001，例如cpu，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(display)、输入单元比如键盘(keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如wi-fi接口)。存储器1005可以是高速ram存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器，也可以是网络存储器、云存储。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
47.本领域技术人员可以理解，图1中示出的终端结构并不构成对终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
48.如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及屈光信息测量程序。
49.在图1所示的终端中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接客户端(用户端)，与客户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的屈光信息测量程序，并执行以下操作：
50.获取当前待测人眼的眼底图像及所述眼底图像的拍摄参数，所述眼底图像为多个；
51.计算所述眼底图像的眼底图像清晰度，以所述眼底图像清晰度及所述拍摄参数提取所述眼底图像的数据点集合；
52.将提取到的所述数据点集合输入至先验模型，在所述先验模型估计对应的模型参
数；
53.以所述模型参数代入屈光度计算函数计算所述眼底图像的屈光信息。
54.进一步地，处理器1001可以调用存储器1005中存储的屈光信息测量程序，还执行以下操作：
55.确认所述眼底图像中待计算清晰度的目标位置点，以所述目标位置点计算所述眼底图像清晰度，所述目标位置点为多个；
56.提取所述目标位置点的清晰度及拍摄参数生成所述眼底图像的数据点集合。
57.进一步地，处理器1001可以调用存储器1005中存储的屈光信息测量程序，还执行以下操作：
58.以所述目标位置点为中心划定预设邻域范围；
59.根据所述预设邻域范围计算所述眼底图像清晰度。
60.进一步地，处理器1001可以调用存储器1005中存储的屈光信息测量程序，还执行以下操作：
61.确认所述目标位置点基于所述拍摄参数的清晰度数据，以所述眼底图像目标位置点的拍摄参数和清晰度数据形成所述目标位置点的数据点，并基于多张所述眼底图像在所述目标位置点得到的数据点形成所述数据点集合；
62.轮询所述眼底图像多个目标位置点，获取每个目标位置点的数据点集合。
63.进一步地，处理器1001可以调用存储器1005中存储的屈光信息测量程序，还执行以下操作：
64.获取训练样本数据，基于候选清晰度模型对所述训练样本数据进行拟合，根据拟合结果自所述候选清晰度模型选择目标候选清晰度模型；
65.以所述目标候选清晰度模型形成先验模型，并以所述先验模型的模型参数作为自变量的屈光度计算函数。
66.进一步地，处理器1001可以调用存储器1005中存储的屈光信息测量程序，还执行以下操作：
67.获取所述训练样本数据的拍摄参数；
68.以所述拍摄参数调整当前屈光地图仪拍摄所述训练样本数据。
69.进一步地，处理器1001可以调用存储器1005中存储的屈光信息测量程序，还执行以下操作：
70.获取当前屈光地图仪的光学模型及光学参数；
71.以所述光学模型及光学参数创建所述候选清晰度模型，所述候选清晰度模型为一个或多个。
72.进一步地，处理器1001可以调用存储器1005中存储的屈光信息测量程序，还执行以下操作：
73.提取所述训练样本数据的数据点集合，以所述清晰度模型拟合所述数据点集合；
74.根据拟合结果确定先验模型。
75.参照图2，图2为本发明屈光信息测量方法第一实施例的流程示意图，所述屈光信息测量方法包括：
76.步骤s10，获取当前待测人眼的眼底图像及所述眼底图像的拍摄参数，所述眼底图
像为多个；
77.根据当前用户的屈光信息检测需求，通过眼底图像拍摄设备拍摄所述用户的眼底图像，所述眼底图像拍摄设备指屈光地图仪，在通过所述屈光地图仪拍摄所述用户的眼底图像时，在人眼的典型眨眼周期250ms内快速的完成眼底图像拍摄操作，且拍摄到的所述眼底图像，需根据所述眼底图像拍摄设备设置的拍摄参数对拍摄当前待测人眼的眼底图像，其中，在设置所述眼底图像拍摄设备的拍摄参数时，所述拍摄参数包括探测面位置、像方焦距，在所述拍摄参数为多个参数的不同参数数值时，其拍摄到的所述眼底图像也为多个。在通过设置当前的眼底图像拍摄设备的拍摄参数拍摄所述眼底图像时，其拍摄参数拍摄到的眼底图像之间的关系，可查看图4，图4为采集眼底图像的光学系统示意图，如图4所示，通过改变眼底成像光学系统的拍摄参数，可以在探测面上获得不同模糊程度的眼底图像。具体原理是：p是待测人眼眼底的一点，其在眼底相机成像光路的像方存在相应的共轭像点p’，当共轭像点刚好位于图像探测面上时，p点及其较小的邻域内可以获得最清晰的眼底图像，即最大的清晰度。当探测面位置l不变，只改变眼底相机的像方焦距f时，p点的共轭点p’会偏离探测面，p点在探测面上的成像会变得模糊，得到的是模糊像p”，而图像上的点p”处的清晰度相比于共轭点p’处的成像会降低。当像方焦距f改变越大，p”处的清晰度越低。当像方焦距f保持不变，只改变探测面的位置l时，探测面会偏离p点的共轭点p’，p点在探测面上的成像会变得模糊，得到的是模糊像p”，而图像上的点p”处的清晰度相比于共轭点p’处的成像会降低。当探测面的位置l改变越大，p”处的清晰度越低。
78.步骤s20，计算所述眼底图像的眼底图像清晰度，以所述眼底图像清晰度及所述拍摄参数提取所述眼底图像的数据点集合；
79.根据获取到的眼底图像，计算所述眼底图像的图像清晰度，在所述眼底图像为多张的情况下，可分别计算各眼底图像的清晰度，本实施例中，在计算所述眼底图像的眼底图像清晰度时，通过定义所述眼底图像的目标位置点进行眼底图像清晰度的计算方案，即所述计算所述眼底图像的眼底图像清晰度，以所述眼底图像清晰度及所述拍摄参数提取所述眼底图像的数据点集合的步骤，包括：
80.确认所述眼底图像中待计算清晰度的目标位置点，以所述目标位置点计算所述眼底图像清晰度，所述目标位置点为多个；
81.提取所述目标位置点的清晰度及拍摄参数生成所述眼底图像的数据点集合。
82.根据当前拍摄到的眼底图像，在计算所述眼底图像的清晰度时，需确认所述眼底图像计算清晰度的目标位置点。在确认所述目标为支点时，将拍摄到的所述眼底图像的维度mxn，并基于mxn维度的矩阵选择计算清晰度的目标位置点，其目标位置点选择的方法可如下所述的方式进行选择：
83.a、所有的mxn个点作为目标位置点；
84.b、按照恒定的间隔数选择位置点，例如横向和纵向每隔10选择一目标位置点；
85.c、在二维矩阵中非等间隔地选择若干个点作为目标位置点。
86.如上所述，基于当前在眼底图像中选择的目标位置点，由于所述眼底图像以mxn维度的矩阵为基准，因此所选择的每一位置点，都具备在mxn矩阵对应的坐标，其目标位置点的坐标可定义为(x,y)；如此，根据当前已确认的眼底图像的目标位置点，在眼底图像具备多个的情况下，从第1张到第q张眼底图像，依次计算各张眼底图像基于所选择目标位置点
的清晰度，具体实现为：第q张(q＝1，2，
…
，q)图片iq，可以计算得到图像上基于目标位置点(x,y)的清晰度。清晰度采用图像处理领域的计算方法，如梯度、灰度方差、熵函数等，可以根据具体的装置和应用场景选择合适的计算方法和计算参数。
87.由于眼底图像的数据过大，考虑到清晰度计算的效率，可基于已确认的目标位置点划定清晰度计算范围以提高清晰度计算效率，即所述以已确认的所述目标位置点计算所述眼底图像的清晰度的步骤，包括：
88.以所述目标位置点为中心划定预设邻域范围；
89.根据所述预设邻域范围计算所述眼底图像的清晰度。
90.根据当前已确定的基于各眼底图像的目标位置点(x，y)，以所述目标位置点为中心选择合适的邻域范围，计算所述邻域范围内的清晰度，如此，该目标位置点的清晰度记为cq(x,y)。
91.根据已计算到的所述眼底图像的清晰度，在抓取所述眼底图像的数据点集合时，依旧以所述目标位置点为基准进行数据点集合的抓取，即所述提取所述目标位置点的清晰度及拍摄参数生成所述眼底图像的数据点集合的步骤，包括：
92.确认所述目标位置点基于所述拍摄参数的清晰度数据，以每张图像上所述目标位置点的所述拍摄参数和所述清晰度数据形成所述目标位置点的数据点，所拍摄的多张图像在所述目标位置点得到的数据点形成了数据点集合；
93.轮询所述眼底图像多个目标位置点，获取每个目标位置点的数据点集合。
94.根据当前眼底图像计算到的清晰度，确认所述眼底图像中，基于目标位置点的清晰度数据，并且，得出所述目标位置点于所述清晰度数据的拍摄参数，即拍摄所述目标位置点的清晰度的对应拍摄参数，以所述目标位置点的清晰度及拍摄参数得出所述目标位置点的数据点，在所述眼底图像为多个的情况下，基于所述目标位置点于所有眼底图像的清晰度及拍摄参数形成所述目标位置点的数据点集合。在所述眼底图像中包括多个目标位置点的情况下，轮询所述眼底图像中多个目标位置点的数据点集合，以所述眼底图像中所有目标位置点的数据点集合生成所述目标位置点的数据点集合。
95.步骤s30，将提取到的所述数据点集合输入至先验模型，在所述先验模型估计对应的模型参数；
96.根据当前提取到的眼底图像的数据点集合，将所述数据点集合输入至先验模型，根据所述先验模型的数据结构，以所述数据点集合自所述先验模型中估计对应的模型参数，在所述先验模型中，包括多种数据结构应用的数据参数，一般情况下，基于先验模型的数据结构所应用的数据参数定义为模型参数，而基于所述数据点集合估计对应模型参数的估计操作，为基于所述先验模型中的数据结构拟合所述眼底图像的数据点集合，根据拟合结果确定所述数据点集合对应的模型参数。另外，在通过拟合结果确定所述数据点集合对应的模型参数时，在所述先验模型中的模型参数为多个时，以拟合结果最优的模型参数作为所述数据点集合对应的模型参数，最优的拟合结果定义为拟合结果中，偏差最小的拟合结果为最优拟合结果。
97.步骤s40，以所述模型参数代入屈光度计算函数计算所述眼底图像的屈光信息。
98.根据当前眼底图像的数据点集合所确定的模型参数，将所述模型参数代入屈光度计算函数，以所述屈光度计算函数计算所述眼底图像的屈光信息，其中，所述屈光度计算函
数为基于模型参数组成成像光学系统的模型，用于表现眼底视网膜在角膜外侧出射处光聚散度的对应屈光度。
99.在本实施例中，在当前采集到的少量不同清晰度的眼底图像中，以先验模型中的数据模型参数计算眼底图像的屈光信息，缩短了图像采集时间，亦提高了眼部屈光信息测量精度。
100.进一步的，还可查看图3，图3为本发明屈光信息测量方法第二实施例的流程示意图，基于图2所示的第一实施例，所述屈光信息测量方法还包括：
101.步骤s50，获取训练样本数据，基于候选清晰度模型对所述训练样本数据进行拟合，根据拟合结果自所述候选清晰度模型选择目标候选清晰度模型；
102.步骤s60，以所述目标候选清晰度模型形成先验模型，并以所述先验模型的模型参数作为自变量的屈光度计算函数。
103.本实施例中，基于当前屈光地图仪的应用，创建基于屈光地图仪的屈光信息计算模型，即先验模型，在所述先验模型中，其数据模型参数集合与拍摄屈光地形图的光学系统参数相关，因此，获取当前屈光地形图所拍摄的训练样本数据，所述训练样本数据为基于多个训练实体所得出的眼底图像，而考虑到所述训练样本数据的多样性，所述训练样本数据在拍摄时，其应用的拍摄参数也不一样，因此，所述获取训练样本数据的步骤之前，还包括：
104.获取所述训练样本数据的拍摄参数；
105.以所述拍摄参数调整当前屈光地图仪拍摄所述训练样本数据。
106.根据当前先验模型的创建需求，确定当前创建先验模型所需具备的训练样本数据，并且，确认基于所述训练样本数据的拍摄参数，所述拍摄参数为直接影响所述训练样本数据清晰度的数据信息，可通过大量实验数据得出，或者基于当前数据信息的需要，不断的更新优化所述拍摄参数以便得出多种清晰程度的训练样本数据。如此，根据获取到的所述训练样本数据的拍摄参数，以所述拍摄参数调整当前屈光地图仪拍摄所述训练样本数据，在所述训练样本数据具备多种清晰度的情况下，所述拍摄参数也为多个，所述拍摄参数包括探测面位置、像方焦距以及可能对于图像清晰度存在作用的其他光学参数。进一步的，在所述拍摄参数为多个的情况下，所述拍摄参数可以为某一参数，也可以是同时改变多个数据的拍摄参数。如此，根据获取到的所述拍摄参数调整当前屈光地图仪拍摄所述训练样本数据，在应用所述屈光地图仪拍摄所述训练样本数据时，将设备参数调整为与所述拍摄参数一致的数据进行训练样本数据的拍摄，还可限定拍摄参数条件，所述拍摄参数条件定义为多个拍摄参数所构成的拍摄参数空间中的某一个点。同时，在基于所述拍摄参数拍摄所述训练样本数据时，可基于受试者的人眼进行拍摄，考虑到模型泛化性，可采集多个受试者的人眼数据，且在基于同一受试者人眼拍摄所述训练样本数据时，需保证在拍摄参数空间有足够的采样密度，至少覆盖清晰度极值点附近的样本点。
107.以上，在获取到训练样本数据后，以预设的候选清晰度模型对所述训练样本数据根据所述训练样本数据，以预设的候选清晰度模型对获取到的训练样本数据进行拟合操作，根据拟合结果得出可组成所述先验模型的清晰度模型，所述清晰度模型为基于屈光地图仪的设备参数所构建的，基于图像清晰度规则的数据结构，即所述以所述目标候选清晰度模型形成先验模型的步骤之前，还包括：
108.获取当前屈光地图仪的光学模型及光学参数；
109.以所述光学模型及光学参数创建所述候选清晰度模型，所述候选清晰度模型为一个或多个。
110.根据当前屈光地图仪拍摄眼底图像的成像规则，通过拍摄参数拍摄眼底图像的操作中，所述拍摄参数包括探测面位置、像方焦距以及可能的对于清晰度存在作用的其他光学参数。在所述拍摄参数改变时，会导致清晰度呈现变化。理想状况下，光学系统模型和参数的物理作用，决定了清晰度与拍摄参数的函数关系，即清晰度模型，可查看图5，图5为清晰度模型示意图。根据图5所示的内容，在离聚焦面μ距离相同的两个探测面(如vi和vj)上模糊像的半径是相等的，在理想情况下，vi和vj探测面上的图像清晰度也是相等的。因此可以用相对简单的对称分布清晰度模型来表达图像清晰度和探测面位置的关系，比如高斯模型，偶次多项式函数模型，余弦函数模型等。
111.如高斯模型，其表达式为
[0112][0113]
以上所示表达式中，l是拍摄参数，a、μ、σ是模型参数。对应着最大清晰度的模型参数μ的物理含义是指点p的共轭点p’刚好处于探测面上。该模型所处的光学系统中，模型参数μ所处的位置对应着特定的人眼屈光度，即可以从模型参数μ结合成像光学系统及其光学参数解算出相应的人眼屈光度。
[0114]
但是这些数据点可能会因为光学系统加工、调校、光学干扰、电子噪声等原因，使得每个点的清晰度会存在固定干扰和随机扰动。图5中的虚线部分就表达了存在干扰的情形。由于这些固定干扰和随机扰动的存在，无法获知真实的清晰度模型，因此需要获取多个样本数据点来辨识清晰度模型，即通过创建基于光学系统及拍摄参数的多个候选清晰度模型，以所述候选清晰度模型拟合所述训练样本数据识别相关的清晰度模型，即所述根据所述训练样本数据与清晰度模型的拟合结果生成先验模型的步骤，包括：
[0115]
提取所述训练样本数据的数据点集合，以所述清晰度模型拟合所述数据点集合；
[0116]
根据拟合结果确定先验模型。
[0117]
在已创建的候选清晰度模型中，提取训练样本数据的数据点集合，所述数据点集合为眼底图像目标位置点的清晰度及拍摄参数的数据集合，以所述候选清晰度模型拟合所述数据点集合，以拟合结果确定目标候选清晰度模型，提取基于所述目标候选清晰度模型的数据结构形成所述先验模型。
[0118]
根据以上所示的技术内容，在基于候选清晰度模型生成先验模型后，以所述先验模型的模型参数生成自变量的屈光度计算函数，根据所述先验模型的模型参数，所述先验模型由清晰度模型得出，因此，通过求解清晰度模型的最大清晰度s
max
对应的模型参数a0、μ0、σ0，应用模型参数a0、μ0、σ0，结合成像光学系统的模型，来表示眼底视网膜待测点在角膜外侧出射处的光的聚散度的屈光度，即人眼屈光度计算函数
[0119]
此外，本发明实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有屈光信息测量程序，所述屈光信息测量程序被处理器执行时实现如下操作：
[0120]
获取当前待测人眼的眼底图像及所述眼底图像的拍摄参数，所述眼底图像为多个；
[0121]
计算所述眼底图像的眼底图像清晰度，以所述眼底图像清晰度及所述拍摄参数提取所述眼底图像的数据点集合；
[0122]
将提取到的所述数据点集合输入至先验模型，在所述先验模型估计对应的模型参数；
[0123]
以所述模型参数代入屈光度计算函数计算所述眼底图像的屈光信息。
[0124]
进一步地，所述屈光信息测量程序被处理器执行时还实现如下操作：
[0125]
确认所述眼底图像中待计算清晰度的目标位置点，以所述目标位置点计算所述眼底图像清晰度，所述目标位置点为多个；
[0126]
提取所述目标位置点的清晰度及拍摄参数生成所述眼底图像的数据点集合。
[0127]
进一步地，所述屈光信息测量程序被处理器执行时还实现如下操作：
[0128]
以所述目标位置点为中心划定预设邻域范围；
[0129]
根据所述预设邻域范围计算所述眼底图像清晰度。
[0130]
进一步地，所述屈光信息测量程序被处理器执行时还实现如下操作：
[0131]
确认所述目标位置点基于所述拍摄参数的清晰度数据，以所述眼底图像目标位置点的拍摄参数和清晰度数据形成所述目标位置点的数据点，并基于多张所述眼底图像在所述目标位置点得到的数据点形成所述数据点集合；
[0132]
轮询所述眼底图像多个目标位置点，获取每个目标位置点的数据点集合。
[0133]
进一步地，所述屈光信息测量程序被处理器执行时还实现如下操作：
[0134]
获取训练样本数据，基于候选清晰度模型对所述训练样本数据进行拟合，根据拟合结果自所述候选清晰度模型选择目标候选清晰度模型；
[0135]
以所述目标候选清晰度模型形成先验模型，并以所述先验模型的模型参数作为自变量的屈光度计算函数。
[0136]
进一步地，所述屈光信息测量程序被处理器执行时还实现如下操作：
[0137]
获取所述训练样本数据的拍摄参数；
[0138]
以所述拍摄参数调整当前屈光地图仪拍摄所述训练样本数据。
[0139]
进一步地，所述屈光信息测量程序被处理器执行时还实现如下操作：
[0140]
获取当前屈光地图仪的光学模型及光学参数；
[0141]
以所述光学模型及光学参数创建所述候选清晰度模型，所述候选清晰度模型为一个或多个。
[0142]
进一步地，所述屈光信息测量程序被处理器执行时还实现如下操作：
[0143]
提取所述训练样本数据的数据点集合，以所述清晰度模型拟合所述数据点集合；
[0144]
根据拟合结果确定先验模型。
[0145]
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、药品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、药品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、药品或者系统中还存在另外的相同要素。
[0146]
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
[0147]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方
法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
[0148]
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。