虹膜定位方法与流程

1.本发明涉及虹膜识别技术领域，特别涉及一种虹膜定位方法。


背景技术：

2.虹膜定位是一种找到虹膜边缘的图像处理技术，在虹膜识别领域中有重要作用，是虹膜特征提取正确性的基础。同时，虹膜定位在眼科手术的智能化过程中也是必不可少的一环。
3.传统的虹膜定位方法主要包括：（1）在虹膜图像中进行圆形检测，并提取虹膜区域。此方法准确度受图像亮度影响大，对于反光处理能力弱。（2）在虹膜图像中进行边缘检测，根据hough变换得到圆半径，从而分割虹膜区域。（3）采用最小二乘拟合方法提取虹膜边缘信息。
4.上述方法在进行虹膜定位时存在的问题是：对于存在大面积遮挡、眼睫毛干扰等影响因素时效果不佳。在术中显微镜图像中还存在出血、眼部图像不完整、虹膜存在变形导致的虹膜非正圆形等干扰项影响虹膜检测的问题。
5.因此，迫切需要研制出一种能够应用于眼科手术场景的，能够正确处理眼部干扰因素，不容易出现大幅度识别偏差，且对后续智能化手术操作保持一致性的虹膜定位方法。


技术实现要素：

6.有鉴于此，有必要提供一种虹膜定位方法，其能够精准剔除存在的眼部干扰因素，识别偏差小，且可应用于所有显微镜下操作的眼科手术。
7.本发明提供一种虹膜定位方法，该方法包括如下步骤：s1.对原始图像进行图形学处理，获得分离的虹膜区域轮廓图像；步骤s2根据获得的分离的虹膜区域轮廓图像，选定所述虹膜区域轮廓图像的圆心定位与范围，从而完成对图像的虹膜定位。
8.具体地，所述的步骤s1包括：步骤s11，将所述原始图像由三通道彩色图像转化为单通道灰度图像，通过阈值二值化处理将所述单通道灰度图像均匀分割，获得二值化图像；其中，所述原始图像为眼科手术中的显微镜图像；步骤s12，对于获得的二值化图像，进行形态学处理，获得分离的眼部多轮廓二值图像；其中，所述的形态学处理为交替使用开操作与闭操作；步骤s13，对于获得的分离的眼部多轮廓二值图像，进行多次泛洪填充，获得去除眼角组织干扰的眼内轮廓二值图像；步骤s14，对于获得的眼内轮廓二值图像，提取最外围轮廓，并计算所述最外围轮廓的面积，绘制面积最大轮廓的图像，对所述最大轮廓的图像进行扫描填充，获得虹膜区域初提取图像；步骤s15，对于步骤s14所获得的虹膜区域初提取图像，重复执行步骤s12
‑ꢀ
s14，获得分离的虹膜区域轮廓图像。
9.具体地，所述步骤s12中：使用开操作消除二值化图像中轮廓的突起与细小连接处；使用闭操作填充轮廓内的孔洞并修补边缘的微小凹陷；交替使用开闭操作，消除由于灰度变化小导致的不同区域意外连通，同时填补轮廓区域的缺损。
10.具体地，所述步骤s13中：对所述分离的眼部多轮廓二值图像的四个偏移角点进行泛洪填充，以剔除干扰对象的轮廓。
11.具体地，所述泛洪填充为：对于大小为（x*y）的图像，依次以（a,a）、(a,y-a)、（x-a,a）、（x-a,y-a）作为泛洪种子点，进行泛洪填充；其中，x为图像宽度，y为图像高度，a为偏移量，单位均为像素。
12.具体地，所述扫描填充包括：对于最大轮廓的图像，分别在行方向和列方向上进行扫描，对轮廓内部完整填充；对行方向的扫描为：对大小为（x*y）的图像进行逐行逐像素扫描，对于第i（i∈[0，x））行，若存在颜色为前景色的像素，则将全部坐标满足的像素填充为前景色，其中表示待填充像素的坐标，、分别表示第i行第一个颜色为前景色的像素坐标和最后一个颜色为前景色的像素坐标；对于第j（j∈[0，y））行，若存在颜色为前景色的像素，则将全部坐标满足的像素填充为前景色，其中表示待填充像素的坐标，、分别表示第j列第一个颜色为前景色的像素坐标和最后一个颜色为前景色的像素坐标。
[0013]
具体地，所述的步骤s2包括：步骤s21，对于所述分离的虹膜区域轮廓图像，进行虹膜区域质心定位，获取质心坐标；步骤s22，对所述分离的虹膜区域轮廓图像逐行逐列进行遍历，获取虹膜检测圆的预计半径r；步骤s23，以已获得的质心坐标为圆心，在（ r-re， r re）的半径范围内进行圆匹配；其中，re为半径搜索偏移。
[0014]
具体地，所述的步骤s21包括：获取质心坐标（centre
x
,centrey）的具体计算公式如下：,其中，gray(x,y)为点(x,y)处像素值，n为虹膜区域总像素个数。
[0015]
具体地，所述的步骤s22包括：获取虹膜检测圆的预计半径r的计算方法如下：其中，x
min
和x
max
分别为所述分离的虹膜区域轮廓图像中行方向第一个虹膜区域像
素和最后一个虹膜区域像素的x坐标值， y
min
和y
max
分别为所述分离的虹膜区域轮廓图像中列方向第一个虹膜区域像素和最后一个虹膜区域像素的y坐标值。
[0016]
具体地，所述的步骤s23包括：匹配过程中以像素梯度作为指标，计算公式如下：其中，r＇表示虹膜检测圆的半径搜索集合，r＇∈(r-re,r re)，r为最终选定的虹膜半径。
[0017]
本发明基于眼科手术中的显微镜图像，通过对术中场景下的图像进行虹膜定位处理，解决了显微镜图像中出血、眼部图像不完整、虹膜存在变形等影响虹膜检测的技术问题，能够精准剔除存在的眼外干扰项，适应大部分眼部变形的图像，确保识别偏差小，提供了可靠、准确的术中图像虹膜检测，实现了精准虹膜定位，准确分割虹膜特征区域，提高手术安全性，且可以应用于所有显微镜下操作的眼科手术中。
附图说明
[0018]
图1为本发明虹膜定位方法的流程图。
具体实施方式
[0019]
下面结合附图及具体实施例对本发明作进一步详细的说明。
[0020]
请参阅图1，是本发明虹膜定位方法较佳实施例的作业流程图。
[0021]
步骤s1，对原始图像进行图形学处理，获得分离的虹膜区域轮廓图像。具体包括：步骤s11，对于原始图像，即眼科手术中的显微镜图像，将其由三通道彩色图像转化为单通道灰度图像，通过阈值二值化处理将所述单通道灰度图像均匀分割，获得二值化图像。
[0022]
在步骤s11中，通过阈值二值化处理，基于灰度对所述原始图像进行简化，以便初步提取眼部图像的轮廓与区域特征信息。
[0023]
步骤s12，对于获得的二值化图像，进行形态学处理，获得分离的眼部多轮廓二值图像。其中，所述的形态学处理为交替使用开操作与闭操作。
[0024]
在步骤s12中，使用开操作消除二值化图像中轮廓的突起与细小连接处；使用闭操作填充轮廓内的孔洞并修补边缘的微小凹陷。交替使用开闭操作，消除由于灰度变化小导致的不同区域意外连通，同时填补轮廓区域的缺损。经过本步骤，处理图像将由大面积连通的二值图像转化为存在多个相互分离的轮廓的图像。
[0025]
步骤s13，对于获得的分离的眼部多轮廓二值图像，进行多次泛洪填充，获得去除眼角组织干扰的眼内轮廓二值图像。
[0026]
由于显微镜图像中常出现眼周组织与器械，如眼皮、睫毛以及眼球固定夹等，上述对象在图像中容易被误识别为虹膜区域，对识别效果造成了严重的阻碍。在步骤s13中，对所述分离的眼部多轮廓二值图像的四个偏移角点进行泛洪填充，以剔除干扰对象的轮廓，消除其带来的负面影响。
[0027]
具体而言：
所述泛洪填充为：对于大小为（x*y）的图像，依次以（a,a）、(a,y-a)、（x-a,a）、（x-a,y-a）作为泛洪种子点，进行泛洪填充。其中，x为图像宽度，y为图像高度，a为偏移量，单位均为像素。在本实施例中，偏移量a=5，填充色为背景色黑色。
[0028]
步骤s14，对于获得的眼内轮廓二值图像，提取最外围轮廓，并计算所述最外围轮廓的面积，绘制面积最大轮廓的图像，对所述最大轮廓的图像进行扫描填充，获得虹膜区域初提取图像。
[0029]
在显微镜下的眼部图像中，绝大部分情况下人眼虹膜区域所占面积比例最高，因此，在步骤s13剔除较大面积的眼周组织轮廓后，在步骤s14中，面积最大的轮廓即为虹膜所在区域大致轮廓。
[0030]
其中，所述扫描填充包括：对于最大轮廓的图像，分别在行方向和列方向上进行扫描，对轮廓内部完整填充。对行方向的扫描为：对大小为（x*y）的图像进行逐行逐像素扫描，对于第i（i∈[0，x））行，若存在颜色为前景色的像素，在本实施例中，前景色为白色，则将全部坐标满足的像素填充为前景色白色，其中表示待填充像素的坐标，、分别表示第i行第一个颜色为前景色的像素坐标和最后一个颜色为前景色的像素坐标；对于第j（j∈[0，y））行，若存在颜色为前景色白色的像素，则将全部坐标满足的像素填充为前景色白色，其中表示待填充像素的坐标，、分别表示第j列第一个颜色为前景色白色的像素坐标和最后一个颜色为前景色白色的像素坐标。
[0031]
在步骤s14中进行的扫描填充操作，此操作的效果在于，获得一个内部无孔洞的、边缘平整的、无凹陷的凸型连通区域。
[0032]
步骤s15，对于步骤s14所获得的虹膜区域初提取图像，重复执行步骤s12
‑ꢀ
s14，获得分离的虹膜区域轮廓图像。
[0033]
对于步骤s14获得的虹膜区域初提取图像，重复执行步骤s12
‑ꢀ
s14 3-10次，获得分离的虹膜区域轮廓图像。
[0034]
在本实施例中，对于步骤s14所获得的虹膜区域初提取图像，重复执行步骤s12
‑ꢀ
s14 4次，获得分离的虹膜区域轮廓图像。
[0035]
步骤s2，根据获得的分离的虹膜区域轮廓图像，选定其圆心定位与范围，从而完成对图像的虹膜定位。具体包括：步骤s21，对于所述分离的虹膜区域轮廓图像，进行虹膜区域质心定位，获取质心坐标（centre
x
,centrey）。具体计算公式如下：,其中，gray(x,y)为点(x,y)处像素值，n为虹膜区域总像素个数。
[0036]
在步骤s21中，选定质心作为圆心参考点，相较于传统中心选定方法 (x,y)=((x
max
x
min
,y
max
y
min
))/2，本步骤以像素值作为质量指标，能够更准确地判断区域中心，避免了区域不均匀分布导致的偏差。
[0037]
步骤s22，对所述分离的虹膜区域轮廓图像逐行逐列进行遍历，获取虹膜检测圆的预计半径r,其计算方法如下：其中，x
min
和x
max
分别为所述分离的虹膜区域轮廓图像中行方向第一个虹膜区域像素和最后一个虹膜区域像素的x坐标值， y
min
和y
max
分别为所述分离的虹膜区域轮廓图像中列方向第一个虹膜区域像素和最后一个虹膜区域像素的y坐标值。
[0038]
步骤s23，以已获得的质心坐标为圆心，在（ r-re， r re）的半径范围内进行圆匹配。其中，re为半径搜索偏移。
[0039]
在本实施例中，re=10。匹配过程中以像素梯度作为指标，计算公式如下：其中，r＇表示虹膜检测圆的半径搜索集合，r＇∈(r-re,r re)，r为最终选定的虹膜半径。
[0040]
本步骤的半径搜索，对每一候选半径划定圆周，对圆周上所有点进行灰度统计，最后通过卷积计算梯度，获得边缘信息后选取梯度最大值作为最贴近虹膜轮廓的圆周，并确定半径。本技术基于虹膜区域的边缘信息，以可靠的质心坐标作为圆心，能够获得最优圆周结果。
[0041]
虽然本发明参照当前的较佳实施方式进行了描述，但本领域的技术人员应能理解，上述较佳实施方式仅用来说明本发明，并非用来限定本发明的保护范围，任何在本发明的精神和原则范围之内，所做的任何修饰、等效替换、改进等，均应包含在本发明的权利保护范围之内。