基于图像处理的角膜混浊度分析方法的研究.pdfVIP

第7 卷 第2 期 电路与系统学报 Vol. 7 No.2 2002 年6 月 JOURNAL OF CIRCUITS AND SYSTEMS June, 2002 文章编号 1007-0249 (2002) 02-00 18-04 基于图像处理的角膜混浊度分析方法的研究* 王兴伟 沈兰荪 刘党辉 北京工业大学 信号与信息处理研究室 北京 100022 摘要 本文根据医学眼科图像的特点 提出了一种自动分析角膜混浊度的算法 能很好地消除图像中的光斑及 弱光影响 实验结果表明 该算法能有效地分析角膜的混浊程度 且有较好的鲁棒性 关键词 角膜混浊度 光斑检测 弱光消除 中图分类号 TN919 文献标识码 A 1 引言 角膜混浊度反映了角膜的透明程度 在图像上表现为虹膜与瞳孔的清晰程度 通常混浊区呈白色 或淡黄色 角膜受损或感染后 会在角膜组织内形成浸润 溃疡和瘢痕等其他一些混浊病变 影响角 膜的透光能力 角膜的混浊程度的分级 至今为止 仍然依靠人眼的主观观察进行判断 因此医学上 希望能够对角膜的透明度进行自动分级 以便客观地判断分析结果 角膜混浊度分级通常可分为五级 透明 轻微混浊 中等混浊 偏重混浊 严重混浊 其中白斑通常定义为严重混浊 而云翳 水肿为 轻度混浊 目前 肉眼对透明度的判断 主要是通过与虹膜进行对比观察 以虹膜的清晰程度判断角 膜透明度 [1] 医学角膜图像通过数字裂隙灯图像处理系统的数码相机拍摄而成 这样便可通过图像识别分析 技术定量分析角膜的透明程度 2 光斑的来源及其模型 数码相机所拍摄的数字图像受 CCD 传感器固有性能的限制 所采集到的数字图像与理想的模型 会有一定的偏差 其偏差主要表现在 颜色截断 颜色晕化 颜色不平衡[2] 通过数字裂隙灯图像处理系统的数码相机拍摄的角膜混浊图像 由于 CCD 饱和效应的限制 当 入射光的亮度太高而超出其动态范围时 相机便不能正常感知形成颜色截断 这种影响可能发生在 RGB 三个颜色通道中的一个 两个或三个当中 这种强光就形成了图像中的光斑 并在周围形成了 光晕 就是我们通常所说的弱光 除了光斑会造成图像质量的下降 光斑周围的弱光也会影响图像的 质量 造成混浊度等级的误分 图1 为数码相机拍摄的一幅角膜混浊图像 为了分析问题方便 通常设CCD 敏感面上的图像光斑能量满足高斯分布[3] 1 (x x c ) 2 (y y c )2 S (x, y ,x c , y c ) 2 exp | 2 | (1) 2pa 2a 其中(xc , y c ) 是CCD 上图像光斑形心坐标 对一维情况有 1 (x xc )2 1 (y y c )2 S (x, x c ) 2pa2 exp | 2a2 | S (y ,y c ) 2pa2 exp | 2a 2 | (2) 光斑能量分布与参数a 的关系如图2 所示 由此可知光斑大小将近6a 6a 其中 x –2a 至x +2a c c 之间的面积占整个光斑面积的0.95 式(2)又可写成 S (x, y , x , y ) S (