用于OCT的基于眼底图像的全自动眼底定位方法与流程

用于oct的基于眼底图像的全自动眼底定位方法
技术领域
1.本发明具体涉及一种用于oct的基于眼底图像的全自动眼底定位方法。


背景技术：

2.光学相干断层扫描技术(optical coherence tomography，oct)是近年来发展较快的一种最具发展前途的新型层析成像技术。oct设备可用于辅助诊断各种眼底疾病，还可通过眼底图像来观察由于眼底疾病导致视网膜、黄斑、视神经纤维层的变化过程，对眼底疾病的诊断有很大帮助。但要获得一个好的眼底图像比较考验操作者的操作能力，而全自动眼底定位则能帮助更多人获取更好的眼底图像。
3.现有眼底自动定位功能主要是依靠瞳孔相机完成。主要缺陷在于：需要增加一个或多个瞳孔相机，增加了光学和结构的复杂性，无法在没有瞳孔相机的机器上实现全自动眼底定位。


技术实现要素：

4.本发明提供了一种用于oct的基于眼底图像的全自动眼底定位方法，解决了现有技术存在的问题，采用如下的技术方案：
5.一种用于oct的基于眼底图像的全自动眼底定位方法，包含以下步骤：
6.通过相机实时获取包含眼睛的人眼图像；
7.识别人眼图像中的眼底亮斑；
8.计算眼底亮斑的质心和人眼图像的中心的差值；
9.根据差值调节相机的位置使眼底亮斑的质心和人眼图像的中心重合；
10.消除人眼图像左右两边的黑边。
11.进一步地，通过相机实时获取包含眼睛的人眼图像的具体方法为：
12.配置预设左右眼初始位置信息；
13.相机根据配置的初始位置信息获取人眼图像。
14.进一步地，通过相机拍摄包含眼睛的图像的具体方法为：
15.通过相机获取人脸图像；
16.通过图像识别算法识别出人脸图像中的人眼位置；
17.调节相机对准人眼拍摄包含眼睛的图像。
18.进一步地，相机自动在第一焦距状态下获取人脸图像，在通过人脸图像识别出人眼位置后再自动切换到第二焦距以实时获取人眼图像。
19.进一步地，识别图像中的眼底亮斑的具体方法为：
20.对拍摄到的人眼图像进行二值化处理；
21.提取二值化后的人眼图像中的所有亮斑；
22.从所有亮斑中识别出眼底亮斑。
23.进一步地，提取二值化后的人眼图像中的所有亮斑的具体方法为：
24.通过连通区域算法获取该二值化图像中的连通区域及其对应的区域信息，区域信息包含质心、面积、宽度和高度。
25.进一步地，连通区域算法为八连通区域算法。
26.进一步地，从所有亮斑中识别出眼底亮斑的具体方法为：
27.去除面积小于预设值的连通区域；
28.去除宽度和高度不满足预设值的连通区域；
29.计算剩余的连通区域的亮度；
30.选择亮度最大的连通区域作为眼底亮斑。
31.进一步地，消除图像左右两边的黑边的具体方法为：
32.计算人眼图像的左右各20列的灰度值总和；
33.将灰度值总和与灰度阈值进行比较；
34.若大于灰度阈值，则表示无黑边，若小于或等于灰度阈值，则判定有黑边，根据计算结果调节相机直至获取到的人眼图像的两边均不存在黑边。
35.进一步地，在消除人眼图像左右两边的黑边之后，
36.计算人眼图像的信噪比；
37.在人眼图像的信噪比符合预设条件时停止调节。
38.本发明的有益之处在于所提供的用于oct的基于眼底图像的全自动眼底定位方法，能直接使用眼底图像来实现全自动眼底定位，无需增加瞳孔相机等其他硬件。
附图说明
39.图1是本发明的一种用于oct的基于眼底图像的全自动眼底定位方法的示意图；
40.图2是本发明的人眼图像的示意图；
41.图3是本发明的二值化的人眼图像的示意图；
42.图4是本发明的四连通算法和八连通算法的示意图；
43.图5是本发明的存在黑边的人眼图像的示意图；
44.图6是本发明的调节为最佳状态的人眼图像的示意图。
具体实施方式
45.以下结合附图和具体实施例对本发明作具体的介绍。
46.如图1所示为本技术的一种用于oct的基于眼底图像的全自动眼底定位方法，包含以下步骤：s1：通过相机实时获取包含眼睛的人眼图像。s2：识别人眼图像中的眼底亮斑。s3：计算眼底亮斑的质心和人眼图像的中心的差值。s4：根据差值调节相机的位置使眼底亮斑的质心和人眼图像的中心重合。s5：消除人眼图像左右两边的黑边。通过本技术的上述步骤，能直接使用眼底图像来实现全自动眼底定位，无需增加瞳孔相机等其他硬件。以下具体介绍上述步骤。
47.对于步骤s1：通过相机实时获取包含眼睛的人眼图像。
48.在本技术中，相机固定在xyz电动调节平台上，通过调节xyz平台来调节相机相对人眼的方位。通过相机实时获取包含眼睛的人眼图像的具体方法为：
49.配置预设左右眼初始位置信息。
50.相机根据配置的初始位置信息获取人眼图像。
51.在本技术中，通过大量人眼数据确定一个较为合适的xyz初始位置，使得拍摄大部分人眼时能看到眼底亮斑。如图2所示为拍摄到的人眼图像。
52.作为一种可选的实施方式，通过相机拍摄包含眼睛的图像的具体方法还可以为：
53.通过相机获取人脸图像。
54.通过图像识别算法识别出人脸图像中的人眼位置。
55.调节相机对准人眼拍摄包含眼睛的图像。
56.具体地，相机自动在第一焦距状态下获取人脸图像，在通过人脸图像识别出人眼位置后再自动切换到第二焦距以实时获取人眼图像。
57.对于步骤s2：识别人眼图像中的眼底亮斑。
58.作为一种优选的实施方式，识别图像中的眼底亮斑的具体方法为：
59.对拍摄到的人眼图像进行二值化处理，得到如图3所示图像。
60.提取二值化后的人眼图像中的所有亮斑。
61.从所有亮斑中识别出眼底亮斑。
62.其中，提取二值化后的人眼图像中的所有亮斑的具体方法为：
63.通过连通区域算法获取该二值化图像中的连通区域及其对应的区域信息，区域信息包含质心、面积、宽度和高度。连通域分为四连通域和八连通域，分别如图4中的左右两图所示。本技术采用的是八连通区域算法。八连通区域是指对应位置的上、下、左、右、左上、右上、左下、右下，是紧邻的位置和斜向相邻的位置，共8个方向，所以称之为8连通区域或八邻域。对每一个值为1的点若其八连通有一个点的值也为1,那么这两个点就归为一个物体。
64.因为拍摄眼底亮斑时会拍下其他信息，如眼皮、皮肤或者一些噪点。这些信息与眼底亮斑相似，二值化时无法排除，这会干扰对眼底亮斑的判断，无法确定哪个联通区域是眼底亮斑。所以需要先对获取到的连通区域进行是否是眼底亮斑的判断。从所有亮斑中识别出眼底亮斑的具体方法为：
65.去除面积小于预设值的连通区域，排除噪点干扰。
66.去除宽度和高度不满足预设值的连通区域。
67.计算剩余的连通区域的亮度，选择亮度最大的连通区域作为眼底亮斑。
68.对于步骤s3：计算眼底亮斑的质心和人眼图像的中心的差值。
69.在步骤s2中，连通域算法得到了连通区域的区域信息，区域信息包含了质心。
70.其通过下述公式计算质心的坐标。
[0071][0072][0073]
其中，x为质心在x方向上坐标，xi为连通区域中的每一像素在x方向上坐标，y为质心在y方向上坐标，yi为连通区域中的每一像素在y方向上坐标。
[0074]
将计算出的眼底亮斑的质心和人眼图像的中心进行比较，计算两者之间的差值。
[0075]
对于步骤s4：根据差值调节相机的位置使眼底亮斑的质心和人眼图像的中心重合。
[0076]
根据差值，调节xyz平台以调节相机在xy方向的位置，使眼底亮斑的质心和人眼图像的中心重合。
[0077]
对于步骤s5：消除人眼图像左右两边的黑边。
[0078]
消除图像左右两边的黑边的具体方法为：
[0079]
计算人眼图像的左右各20列的灰度值总和。
[0080]
将灰度值总和与灰度阈值进行比较。在本技术中，灰度阈值设置为5000。
[0081]
灰度值总和若小于或等于灰度阈值，则表示存在黑边。如图5所示为图像存在黑边。灰度值总和若大于灰度阈值，则无黑边存在。根据计算结果调节相机直至人眼图像的两边均不存在黑边。若有黑边，则调节xyz平台以调节相机位置，直至人眼图像的两边均不存在黑边为止。当相机移动到适合的位置后，能够拍摄到包含清晰的眼底的眼底图像。
[0082]
作为一种优选的实施方式，在消除人眼图像左右两边的黑边之后，
[0083]
计算人眼图像的信噪比。
[0084]
在人眼图像的信噪比符合预设条件时停止调节。
[0085]
作为一种优选的实施方式，通过下述公式计算人眼图像的信噪比：
[0086][0087]
其中，f为原图，g为对原图图像信号滤波后的图。信噪比数值越高代表有效信号越多，当相机越靠近眼睛时，有效信号越来越多，信噪比也越高。信噪比的阈值可以根据具体情况进行设定。当质心满足条件且无黑边，计算出的信噪比数值大于阈值，即表示眼底图像已达最佳效果，如图6所示。
[0088]
以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解，上述实施例不以任何形式限制本发明，凡采用等同替换或等效变换的方式所获得的技术方案，均落在本发明的保护范围内。