（光学工程专业论文）眼前节图像的成象分析及处理.pdf

浙江大学硕士学位论文 摘要 摘要 ( 眼前节是角膜、前房、晶状体的统称，是眼睛屈光系统的主要部分。眼睛健 康与否，眼前节生物数据是一个重要指标。 v 本论文是围绕眼前节图像进行相应的成象分析、图像恢复、图像分割以及曲 堂塑盒等处理，并由此得到眼前节各部分的生物数据，从而构成一个完整统一的 眼前节图像处理系统。 f 由于拍摄得到的眼前节图像有时有噪声和离焦模糊，为了能更好地进行处 理，我们先对眼前节图像进行预处理。在频率域，对眼前节图像进行等功率谱和 高斯形模型相结合的图像复原，恢复出比较理想的眼前节图像；然后根据眼前节 的结构特征，对眼前节图像采用区域合并生成的方法进行分割，得出眼前节各部 分边界：最后再对其进行曲线拟合，得到眼前节各部分生物数据，将所得到的数 据在原图上再现，效果比较理想。 本论文的眼前节图像处理系统能够准确提取眼前节生物数据，为医疗和医学 研究提供了可靠的数据资料，为医生诊断、治疗效果和药物评价提供了客观依据 和强有力的工具。，一) 一 浙江大学硕士学位论文 a b s t r a c t a b s t r a c t t h ep a r ti n c l u d i n gc o r n e a ，a n t e r i o rc h a m b e ra n dl e n s ，a n i m p o r t a n ts e c t i o no f t h e e y e sd i o p t r i cs y s t e m ，w a sc a l l e da n t e r i o rs e g m e n to fe y e ( a s e ) t h eb i o l o g i c a l i n f o r m a t i o nc a r r i e db yt h i ss e g m e n ti st h o u g h tt ob es i g n i f i c a n ti n j u d g i n g w h e t h e rt h e e y ei si ng o o d c o n d i t i o n i nt h i s p a p e la ni n t e g r a t es y s t e mf o rp r o c e s s i n ga s ei m a g e si sp r e s e n t e d b y a n a l y z i n g t h ei m a g i n g p r o c e s s i o n ，s t u d y i n g t h ei m a g e r e s t o r a t i o n ，i m a g es e g m e n t a t i o n a n d a p p l y i n g t h ec u r v e f i t t i n g ，t h eb i o l o g i c a ld a t ar e q u i r e dw a sa c c u r a t e l ya t t a i n e d i no r d e rt oe l i m i n a t en o i s ea n dt h eb l u ro ft h ep i c t u r e sc a u s e d b yd e f o c u s i n gi nt h e p r o c e s so fp h o t o g r a p h i n g ，a ni m a g er e s t o r a t i o nm e t h o db a s e do nt h ee q u a lp o w e r s p e c t r u ma n dg a u s s i a nm o d e li nt h ef r e q u e n c yd o m a i nw a si n t r o d u c e da n di tw o r k e d w e l l s e c o n d l y ，t h ee x t r a c t i o no fa s ec o n t o u rw a sr e a l i z e db ya na p p r o a c ho f r e g i o n m e r g i n g a n d g r o w i n g f i n a l l y , c u r v e f i t t i n ga p p r o a c ha p p l i e dt ot h ea c q u i r e dc o n t o u r a c c o m p l i s h e dt h eb i o l o g i c a li n f o r m a t i o nt h a tc a nb ed e r i v e df r o mt h ea s e i m a g e s t h ea c h i e v e dc u r v e sc o i n c i d e dw e l lw i t ht h e i rc o u n t e r p a r t so nt h es o u r c e p i c t u r e s t h es y s t e md i s c u s s e di nt h i s p a p e ri se l i g i b l e i n a c c u r a t e l yp r o v i d i n gr e q u i r e d b i o l o g i c a ld a t a ，w h i c hi sq u i t eu s e f u l i n i m p r o v i n gm e d i c a lt r e a t m e n ta n dc a nb e a p p l i e dt ot h em e d i c i n er e s e a r c h t h ea p p l i c a t i o no ft h i ss y s t e mw i l lb er e w a r d i n g b e c a u s ei t p r o v i d e si m p e r s o n a lc r i t e r i a f o rm e d i c i n ee v a l u a t i o na n di t i so fg r e a t a s s i s t a n c et od o c t o r s i i 浙江大学硕士学位论文致谢 致谢 本论文是在导师严惠民教授的悉心指导和亲切关怀下完成的。在两年多的研 究生学习期间，导师不但在学习和科研工作上给予了我悉心的指导，而且在生活 上也给予了我无微不至的关怀。 导师渊博的知识、严谨的治学作风、求实的研究态度、大胆开拓的创新精神 使我深感敬佩。同时导师诚恳热情的待人态度也给我留下了深刻的印象。导师的 教诲使我终身受益，在此谨向导师严惠民教授表示深深的敬意和衷心的感谢。 同时感谢师弟黄傲、周福良、师妹成玉娟、章剑梅同学的协助。感谢所有的 朋友和给我帮助的人。 感谢我的父亲和母亲。父母的爱心无时不在激励我上进，我成长道路上的每 一份成绩都饱含着父母的心血，我深深感谢二十多年来父母对我无私的培育和教 诲。 最后感谢担任我论文评审和评阅工作的各位专家、教授，谢谢他们提出的宝 贵意见和建议。 张坚 二零零一年二月于求是园 浙江大学硕士学位论文 第一章绪论 1 1 引言 第一章绪论 1 1 1 医学图像 医生在对病人进行诊断和治疗的过程中，第一步要做的是取得足够的有关病 人状态的信息。测量体温、血压、脉搏、心率、心电图、验血、验尿等都是从病 人身上取得信息的手段。从信息量的角度来看，图像所包含的信息要比几个数据 或几条曲线含有的信息多得多。俗语说“千字不如一画”，正是反映了图像所含 有的信息往往要比文字描述丰富得多这样的事实。 由于医学图像能提供大量用其它方法所不能提供的信息，所以医学成象技术 的发展非常迅速，各种新技术几乎无一不在医学成象技术中得到应用。 目前医学成象技术已经应用了计算机、红外、超声、同位素、光纤、电视、 电子显微镜、核磁共振、激光等许多新技术。医学图像不再限于用肉眼观察，而 是可以进行照相、拍摄电影或电视录像等，可以对动态过程进行记录和研究，从 而为临床诊断提供十分有价值的依据。建立医学图像库的问题亦已提到日程上来 了。 1 1 2 医学图像处理 医学图像处理是一个很复杂的过程。医学图像作为一种信息源，也和其它有 关病人的信息一样，是医生做出判断时的依据。 医生在判断医学图像时，要把图像与他的解剖学、生理学和病理学等知识作 对照，还要根据他的经验来捕捉图像中的有重要意义的细节和特征。用工程语言 来说，就是进行模式识别和特征提取。所以要从- - s t j 或几副医学图像中判断出有 无异常，或属于什么疾病，并不是一件容易的事。因此判读医学图像要求有较高 的专业素养，而这样的专业医务人员或技术人员是不可能在短期内培养出来的。 所以社会迫切要求发展自动化的医学图像处理系统。 医学图像处理的方法可以分为模拟的和数字的两大类。 光学系统、电视技术等都属于模拟的方法。他们的优点是整副图像同时处理， 浙江大学硕士学位论文第一章绪论 处理速度快；但其缺点是精度低、重复性差、处理功能有限、处理灵活性差等。 数字式图像处理与模拟处理方法相反，具有精度高、适应性强、重复性好、处理 功能强等优点：但其缺点主要为数字图像的数据量庞大，因此需要大容量的存储 器。 1 2 课题的目的和意义 眼睛是我们认识世界，从事各项工作的重要工具。眼睛也是人类心灵的窗户， 眼睛如果不能正常履行它的职责，将给人们的生活带来诸多的不便。 了解眼睛的结构和功能、保持眼睛健康，对我们的工作、生活有着非常重要 的意义。眼球是人体视觉系统中的一个重要组成部分，是一个精密的光学成像及 感光系统。眼球的形状是球形的，直径约为2 5 m m ，包括屈光系统和感光系统两 部分。屈光系统由角膜、房水、晶状体和玻璃体组成，感光系统由充满了视细胞 的视网膜组成。 眼前节是角膜、前房、晶状体的统称，是屈光系统的主要成分。眼睛健康与 否，眼前节生物数据是一个重要指标。 过去医生通过望、闻、问、切等传统方式来对患者进行诊断、治疗，随着科 学技术的发展，各种医疗仪器不断问世，医生开始借助医疗仪器来协同诊断和治 疗。 到目前为止，医生在进行诊断时，多根据由解剖学得来的、没有生命的眼睛 的数据。这种通过解剖学获得的眼睛数据虽然有极大的参考价值，但并不是真正 的人眼活着时的数据。 这种数据和人眼活着时的眼睛数据相比，可能会有偏差，而且仅凭医生的经 验来准确地确定病变体的空间位置、大小、几何形状以及与周围生物组织之间的 关系，是非常困难的。 由于眼前节具有一定的透光能力，因此可以采用光线照射的方法进行拍摄。 如果我们拍摄人眼眼前节图像，进行相应的处理而得到的数据，将是真正人眼活 着时的数据。将得到的数据存入数据库中，不同时候诊断就可以得到患者不同阶 段的病情进展情况，从而辅助医生进行诊断治疗。 在对眼前节图像的处理方面一般有三种作法： 浙江大学硕士学位论文 第一章结论 1 通常作法：医生凭经验对图像进行分析，判断有无病变，这在很大程度上 要依赖医生的经验，并且由于角膜、晶状体近似于圆形，曲率半径略微变化，人 眼并不一定能够分辨得出来。 2 手动测量：医生在眼前节图像中选取几个点，程序利用这几个点算出该部 分的生物数据。 3 自动测量：使用数字图像处理技术，根据眼前节的结构特征，分割出各部 分边界，再对其进行拟合，得到眼前节各部分生物数据。根据所得数据即可判断 眼睛有无病变。 自动测量和手动测量的主要区别是自动测量重复性好。手动测量对不同的医 生、在不同的时候处理可能得到不同的数据。 自动测量对整副图像进行统一处理，只依赖于图像本身，去除了主观因素， 所以重复性好、精度高。 1 3 课题的任务和主要内容 本论文是围绕眼前节图像进行相应的成象分析、图像恢复、图像分割以及曲 线拟合等处理，并由此得到眼前节各部分的生物数据，从而构成一个完整的眼前 节图像处理系统。 由于拍摄时景深比较小，人眼又无法完全固定，总有移动，因此有时具有离 焦模糊。为了能更好地对图像进行其它方面的处理，我们先使用数字图像处理技 术，对所拍摄到的眼前节图像进行预处理，根据图像的退化模型复原图像。然后 根据眼前节的结构特征，分割出眼前节各部分边界，再对其进行拟合，得出眼前 节各部分生物数据。从而根据所得的数据来辅助判断眼睛有无病变。 本论文主要内容安排如下： 第二章成象分析：主要向读者介绍眼睛的结构和各种眼睛模型，并在此基础 上分析前房和晶状体经过眼睛本身系统时引起的成象变化。 第三章硬件系统：简要介绍了眼前节图像处理系统的硬件设备裂隙灯显 微镜、c c d 摄像机、图像采集卡等的基本知识和具体应用。将裂隙灯显微镜、 c c d 摄像机、图像采集卡和计算机连接起来，即完成眼前节图像处理系统的硬 件组装，就可以对眼前节进行实时图像拍摄、采集、传输和存储。 浙江大学硕士学位论文第一章绪论 第四章图像预处理：介绍了图像平滑基本知识和平滑方法，着重讨论和比较 了多种图像恢复方法，并从中得到了一种较好的图像恢复方法，应用于眼前节图 像的恢复，取得良好的恢复效果。 第五章分割与拟合：讨论并分析了多种图像分割方法，根据眼前节的结构特 征，最后采用区域合并生成的方法，分割出眼前节各部分边界。再利用曲线拟合 知识，对其进行拟合，得出眼前节各部分生物数据。这样，根据所得的数据即可 判断眼睛有无病变，最终完成一个完整统一的眼前节图像处理系统。 第六章总结：讨论和总结了本论文的应用与不足，提出了尚需进一步开展的 工作和相应的改进措施。 浙江大学硕j ：学位论文 第= 章成象分析 第二章成象分析 u 艮前节的晶状体和前房在被拍摄前，分别先经过了角膜和前房构成的系统以 及角膜本身构成的系统的成象作用，因此下面我们就这两个系统对晶状体和前房 的成象作用进行分析，确定拍摄得到的图像与实际原对象的关系。 对一幅眼前节图像进行成象分析，首先要了解眼睛的结构、各种眼睛模型、 相应的光学知识等，下面对这些涉及到的知识做一个初步的介绍，并进行成像分 析和光线追迹。 2 1 人眼的眼球结构 眼球是人体视觉系统中的一个重要组成部分，是一个精密的光学成像及感光 系统。图2 1 是它的横截面示意图。 眼球的形状是球形的，直径约为2 5 m m ，包括屈光系统和感光系统两部分。 屈光系统由角膜、房水、晶状体和玻璃体组成，感光系统由充满了视细胞的视网 膜组成。 睫校肌 曲r 盲t 一 、 直盯 t 衙纽 图2 1 人眼水平横截面图( 右眼球) 现将人眼的各部分构造分述如下 2 1 1 角膜 眼球的最前面是角膜。 浙江大学硕士学位论文第二章成蒙分析 角膜与外界( 空气) 的折射率差别很大，是眼球中屈力最大的折射面。整个 眼球的光焦度值为5 8 6 m 一。而角膜的光焦度值为4 3 m ，约占人眼整个光焦度的 1 鲁。因此角膜的形状对眼的屈光影响较大。角膜的平均折射率为13 7 5 。 j 角膜是无色透明的光滑表面，其形状为近似圆形，它覆盖着眼球的前表面。 角膜前表面的曲率半径为7 7 r a m ，角膜后表面的曲率半径为6 8 r a m 。角膜的中心 部分厚o 5 r a m 。i e 常情况下，周边区比中央区约厚o 1 m m ，因而角膜实际上是个 凹透镜。 2 1 2 前房 角膜后的空间称为前房。 前房内充满房水，其折射率为1 3 3 5 4 。房水对成象的作用不大，其主要作用 是供给角膜和晶状体营养，维持眼内压力，以保持角膜成一定的形状。 当人眼调节时，晶状体变厚，并突向前，使前房深度减小至1 6 4 r a m 。 2 1 3 虹膜与瞳孔 虹膜位于晶状体前面，是一层坚固的、不透明的保护组织，它是睫状体向中 央伸展而形成的环形膜。 虹膜的中心部分是透明的圆孔，直径约为0 5 i m m ，这就是瞳孔。入眼的 瞳孔是随着射入眼中的光通量大小而改变的，眼瞳( 入瞳) 的直径变化范围通常 是2 8 m m 。 瞳孔就相当于照相机的光阑。在强光下，瞳孔变小，进入眼睛的光量减小， 象差也同时减小，而焦深增加。反之，光线暗弱时，瞳孔变大，进入眼睛的光量 增大，象差也同时增大，而焦深减小。 事实上，瞳孔过大时，由于象差增加而使成象模糊；而瞳i l 过小时，由于绕 射效应，也会使成象模糊。 正常人眼的瞳孔为圆形，直径为2 5 5 m m ，两眼瞳孔的中心距为5 85 m m 左 右。 2 1 4 晶状体 虹膜的后面是晶状体，晶状体是一种透明组织，主要起着光学透镜的作用， 浙江火学硕士学位论文第二章成象分析 对物体成像。 晶状体前表面的曲率半径为l o m m ，后表面的曲率半径为6 r a m ，晶状体中心 部厚度为3 6 m m ，在调节时会增大到4 m m 左右。 2 1 5 玻璃体 在晶状体后面，到视网膜的空腔内，充满了一种胶状的透明体，称为玻璃体， 其折射率和房水相同，为1 3 3 5 4 。 2 1 6 视网膜 活体视网膜是薄而透明的膜，其厚度随不同位置而异，平均为o 3 r a m 。外界 物体的像，通过眼屈光介质的屈折后，成象于此，它相当于照相机的感光片。 2 1 7 脉络膜 脉络膜前接视网膜，后接巩膜。其厚度约为o 4 r a m ，具有丰富的血管和色素， 除供给本身营养外，也供给视网膜外层营养。 2 1 8 巩膜 角膜往后延伸，形成巩膜。巩膜的作用是保持眼球的形状和保护眼的内容物， 厚0 3 l m m 。 2 1 9 光轴和视轴 眼球的光学对称轴称为光轴。 人眼观察的最灵敏部位在黄斑部。人为了观察得清晰，常自动地将黄斑部对 准观察物。所以观察方向是黄斑和眼节点间的联机，此联机称为视轴。光轴和视 轴相交约成5 0 角。 眼前节是眼球系统的一部分，包括角膜、前房、晶状体，是屈光系统的主要 部分，其结构如图2 2 所示。 本论文里我们最终要处理得到的眼前节生物数据，主要包括角膜前后表面的 曲率半径、厚度、前房深度、前房角、前房面积、晶状体前后表面的曲率半径及 厚度等。 浙江大学硕士学位论文 第二章成象分析 图2 2 眼前节结构示意图 1 角膜前表面2 角膜后表面3 虹膜4 晶状体前表面 5 晶状体后表面p l ，p 2 瞳孔边缘o o l 光轴 o1o2 前房角 m i m 2 角膜厚度m 2 m 3 前房深度m 3 m 4 晶状体厚度 2 2 眼睛模型 2 2 1 标准眼 眼睛是一个复杂的光学系统，其光学常数对于每个人来说，又是不尽相同。 为便于研究，常根据大量统计资料来确定比较标准的数值。具有这种标准数值的 人眼称为标准眼。 标准眼又有多种，下面介绍一下亥姆霍兹提出的标准眼，其资料见表2 1 所示。 一 一q _ 5 4 浙江大学硕士学位论文第二章成象分析 光学参数眼睛介质静止时调节时备注 角膜前表面 7 7不变 角膜后表面 6 8不变 曲率半径 晶体前表面 1 05 3 3 ( r a m ) 晶体后表面 一65 3 3 角膜 1 3 7 6不变 房水1 3 3 6不变 折射率 晶体1 3 8 6不变 玻璃体1 3 3 6不变 角膜前点 0 不变调节时，角膜厚度不变 角膜后点 0 5 不变 晶体前面 3 63 - 2 调节时，前房变短，晶体变厚 晶体后面 7 2 刁i 变 中心凹2 4不变 到角膜顶 点的距离 物方主点1 3 4 81 7 7 2 ( r a m )象方主点1 6 0 22 0 8 6 物方焦点一1 5 7 0 71 2 3 9 7 象方焦点2 4 3 8 7 2 1 0 1 6 入射光瞳 3 4 0 72 6 6 8 出射光瞳3 6 6 73 2 1 2 眼睛屈光度( m “) 5 8 6 47 05 7 表2 1 标准眼光学常数表 浙江大学硕士学位论文 第二章成象分析 注：眼睛静止时，第一节点距角膜顶点为7 0 7 9 m m ，第二节点距角膜顶点 为7 3 3 3f n m ，二者比较接近，且位于晶状体后表面附近。 2 2 2 模型眼 标准眼虽然最接近人眼，但资料比较繁琐，计算不便。为便于计算和分析问 题，在标准眼的基础上，作了些简化，而设计了种种的所谓模型眼。 1 亥姆霍兹模型眼 图2 - - 3 亥姆霍兹模型眼 亥姆霍兹曾于1 8 5 5 年提出一种模型眼，这是提出最早又比较完整的一种模 型眼，如图2 3 所示。图2 4 是它的主面和焦点图。 ， 勿j 。 蚍fe l ；9 - 图2 4 亥姆霍兹模型眼的主面和焦点 2 t s c h e r n i n g 模型眼 t s c h e m i n g 于1 8 9 8 年提出的模型眼如图2 5 所示。 此眼的特点是考虑了角膜的厚度，但偏厚了些。另外根据计算，该眼是个 远视眼，约为+ 2 m 一。 浙江大学硕士学位论文 第二章成象分析 图2 - - 5t s c h e m i n g 模型眼 2 3 组合光学系统的计算方法 在实际工作中，常常会遇到这样的问题：已知光学参数的若干个光组组合在 起时，相当于一个怎样的等效系统? 这一问题要求我们求出等效系统的基点和 焦距，这就是光组的组合问题。 两个光组的组合是最常遇到的问题。 为进行相应的计算，下面按正规的作图方法，画出了由两个光组组合成的等 效系统在两空间的焦点和主点的图。如图2 6 所示。 么t ? j 。 x 。一，：、 ；- 订 墨它当其 浙江大学硕士学位论文 第四章数字图像预处理 f ( u ，v ) 1 肛( ) f f 2 h ( 州) j i h ( u , v ) 0 2 + 心。( 州) s ，( ) g ( u ，v ) 特例：当r = 1 时，表示标准维纳滤波；，1 时，为含参维纳滤波：，：0 时， 便退化成逆滤波。 4 3 3 4 等功率谱恢复方法 等功率谱恢复方法是通过使估计图像夕( z ，y ) 的功率谱和原图像厂( 工，y ) 的功 率谱相等，来实现图像恢复的。 等功率谱恢复的传递函数为： 州卜舞 式中，s 。( “，v ) ，s ，( “，v ) 分别为噪声和图像信号的功率谱。 由传递函数可知，等功率谱法在没有噪声的情况下，即s ( “，v ) = 0 时，就简 化为逆滤波法。当有噪声时，在h ( u ，v ) 很小或等于零时，有： h 。( “，v ) = 此时，等功率谱法避免了逆滤波法所遇到的麻烦。 所以，等功率谱法是用信噪功率比作为修正函数对逆滤波法进行修j 下，使在 击丽 一瓯一 浙江大学硕士学位论文第四章数字目像预处删 有噪声的情况下，提供最佳恢复。( 此处最佳是在功率谱相等的意义上而苦的) 图4 5w i e n e r 滤波和功率谱均衡滤波频率响应之比较 图4 5 ( a ) ( b ) 分别画出了w i e n e r 滤波和功率谱均衡滤波两种滤波器的频 率响应曲线，从中可以看出二者之区别。 由于w i e n e r 滤波在极值点( h ( u ，v ) = 0 的点) 是强迫响应为零，因而它的 频率响应曲线与功率谱均衡滤波的相比呈现较大的剧变。 它的点扩展函数比之功率谱均衡滤波的有很多旁瓣和细微结构，正是这些旁 瓣和细微结构在恢复图像中引起一些假象，因而用功率谱均衡滤波恢复出的图像 看起来更舒服。它在靠近极值点的频率上有较高的增益，这就使恢复出的图像比 w i e n e r 滤波有更多的细微结构。 当然从均方意义上说，这样的细微结构不是最佳的。但实验表明，人的视觉 系统并不是最小均方误差处理器，因此人们更喜欢用功率谱均衡滤波恢复出的图 像。而且对于较低信噪比的图像，用功率谱均衡滤波恢复会比相应的w i e n e r 滤 波恢复使图像更锐化些。 4 3 3 5 盲目解卷积图像恢复 由退化模型直接可以得到： s g ( “，v ) = 1 n ( u ，v ) r s i ( “，v ) + s 。( “，v ) 于是有： 。g h ( “，v ) = ；0 0 9 ( s 。( “，v ) 一s 。( “，v ) 一l l o g s i ( “，v ) 浙江大学硕士学位论文第四章数字图像预处理 设加性噪声很小，可以忽略，则 l o g l h ( “，v = ；【1 。g ( s 。( “，v ) 一1 0 9 s i ( “，v ) 】 z 击薹( 1 。暇帆v ) i o g 咖，v ) ) 。击薹 1 0 9 f g 小，。剖驰 v ) f 】 式中，m 表示把一副陶像分成m 小块，g 。( “，v ) ，r ( “，v ) 分别表示第k 块的模糊 图像和原始图像的傅立时变换。 由公式不难看出，只要假设h ( u ，v ) 之幅值为某常数，便可逐块求出原图像 的傅立叶变换，从而达到复原之目的。因为h ( u ，v ) 事先未知，所以叫盲目解卷 积。显然这一方法只适合恢复h ( u ，v ) 相位为零或不重要的场合，如h ( u ，v ) 表示 大气扰动、相机象差、均匀运动等。 4 4 眼前节图像的恢复处理 本论文恢复的对象是离焦模糊的眼前节图像，综合上述讨论的各种退化函数 h ( x ，y ) 和图像恢复方法的优缺点以及具体应用，本论文采用的恢复方法及思路如 下：退化函数h ( x ，y ) 分别采用高斯形模型和圆盘形模型；恢复方法分别采用等功 率谱方法和维纳滤波方法。 眼前节图像恢复过程的功能流程图，如图4 - - 6 所示。 图4 6 恢复过程的功能流程图 浙江人学坝士学位论文 第四妾 敫字目像预处理 下面给出眼前节图像恢复处理的软件界面，如图4 7 所示。 图4 7 眼前节图像恢复处理软件界面 图4 7 中的眼前节图像已经做了傅立叶变换，成为眼前节的频谱图，并正 在选择退化函数和恢复方法进行恢复处理。 整个恢复过程具体如下：先对退化图像g ( x ，y ) 做一个傅立叶正变换，得到退 化图像g ( x ，y ) 的空间频率域表示图，然后分别采用等功率谱或维纳滤波恢复方 法，在等功率谱和维纳滤波恢复方法中，退化函数h ( x ，y ) 分别采用高斯形模型或 圆盘形模型的形式。 维纳( w i e n e r ) 滤波恢复方法和等功率谱恢复方法的传递函数分别为 和 蹦”卜群套 i 何( ) 卜罢 1 v ) j 2 + 渊 浙江大学硕士学位论文 第四章数字图像预处理 式中符号+ 代表共轭，j 。( “，v ) ；f t ls ，( “，v ) 分别为噪声和原图像信号的功率谱。 为了用好维纳( 州e n e r ) 滤波和等功率谱恢复方法，还必须导出噪声和原图像 的功率谱。由于关于噪声和原图像的功率谱事先很难求得，因此，可以用个比 值代替两者之比，从而得到以下维纳( w i e n e r ) 滤波和等功率谱恢复方法的简化 公式： 和 龇咖蔫 南 j 因此调节参数有两个，一个是高斯形模型或圆盘形模型中的盯，另一个是等 功率谱或维纳滤波中的；在选择好退化函数 ( j ，y ) 和频率域恢复方法后，通过 调节仃，p 就可以得到不同恢复质量的复原图像。 4 4 1 关键参数仃，口的选取 在我们采用的图像恢复方法中，有两个参数需要调节，这两个参数就是盯和 。在实际应用中，为了调节方便，我们先对口进行一定的处理，即在 和 嘶归嵩端 浙江大学硕士学位论文 第瑚章数字图像预处理 ，= 南 j 中用卢1 n ”代替原来的。 在眼前节图像恢复方法中，参数仃，都有比较固定的调节范围，非常容易 调节。参数d 的调节范围为4 1 0 ，一般取为6 。对于等功率谱和高斯形模型结合 的方法以及维纳滤波和高斯形模型结合的方法，参数口的调节范围为l 4 ，一般 取为2 。对于等功率谱和圆盘形模型结合的方法以及维纳滤波和圆盘形模型结合 的方法，参数的调节范围为o 0 0 5 0 0 5 ，一般取为o 0 1 。在参数仃，取值在 上述范围时，图像的恢复效果都挺不错的。 4 4 2 各种恢复方法效果之比较 我们对离焦模糊的眼前节图像做了大量的实验，所选取的眼前节图像大小为 2 5 6 2 5 6 像素，灰度级别为2 5 6 。 我们分别对不同退化程度的眼前节图像进行了恢复处理，因此具有较强的针 对性。下面对各种恢复方法作一个简要的介绍和比较。 4 4 2 1 等功率谱和高斯形模型结合 对于各种不同退化程度的眼前节图像，采用等功率谱和高斯形模型结合的方 法，通过调节盯，都可以得到较理想的复原图像。 4 4 2 2 等功率谱和圆盘形模型结合 对于退化程度较低时的眼前节图像，通过调节盯，可以得到较好的复原图 像。而对于退化程度较高时的眼前节图像，通过调节盯，口已经很难得到较好的 复原图像，效果一般。 4 4 2 3 维纳滤波和高斯形模型结合 对于各种不同退化程度的眼前节图像，采用维纳滤波和高斯形模型结合的方 法，通过调节o - ，都可以得到较好的复原图像，但与等功率谱和高斯形模型结 合的方法所软得效果相比，稍微差一点。 4 4 2 4 维纳滤波和圆盘形模型结合 对于退化噬度较低时的眼前节图像，通过调节盯，卢可以得到较好的复原图 浙江大学坝上学位论文第四童数字斟像预处理 像。而对于退化程度较高时的眼前节图像，无论如何调节盯，退化图像的恢 复效果一般，甚至比较差。 综上所述，上述方法对于退化程度较低的眼前节图像，恢复效果都还不错， 其中等功率谱和高斯形模型结合的方法的效果最好；在退化程度较高时，其它方 法的恢复效果就比较差了，这时等功率谱和高斯形模型结合的方法仍然能取得较 好的恢复效果，但与退化程度较低时相比，恢复效果要差一些。 因此这四种组合方法中，等功率谱和高斯形模型结合的恢复效果是最好的。 它基本上对各种不同程度的退化图像都能有较好的恢复效果。 下面给出退化程度较低的眼前节图像和分别经各组合方法恢复后的图像。如 图4 8 、图4 9 、图4 1 0 、图4 一1 1 、图4 1 2 分别所示。 图4 9 维纳滤波和圆盘形模型结合 恢复图像( 仃= 6 0 ，卢= o 叭) 图4 1 0 等功率谱和圆盘形模型结台 恢复图像( 仃= 6 0 ，口= o 0 1 ) 浙江大学硕士学位论文 第四章数字图像预处理 图4 1 l 维纳滤波和高斯形模型结合 恢复图像( 盯= 6 0 、p = 1 o ) 图4 1 2 等功率谱和高斯形模型结合 恢复图像( 0 - = 6 0 p = 1 5 ) 因此在眼前节图像恢复处理中，最后是采用等功率谱和高斯形模型结合的方 法，因为它对于不同程度的退化图像都有很好的恢复效果，有很强的适应性。 4 4 3 讨论和总结 本论文中最终采用等功率谱和高斯形模型结合的恢复方法，它对于眼前节图 像有很好的恢复效果，取得了预期的目标。而且它的应用范围广，能对各种不同 退化程度的眼前节图像都有较好的恢复效果，在退化程度较低时，图像的恢复效 果更好。 另外本方法的操作非常方便，只要调节两个关键参数仃，即可。并且这两 个参数盯，有比较固定的调节范围，一般情况下仃，卢的值随着退化程度的增 加而变大，因此采用本方法非常容易实现图像的恢复。 浙江大学硕士学位论文 第五章图像5 ；- g t l 和曲线拟合 第五章图像分割和曲线拟合 我们的目标是使用数字图像处理技术对眼前节图像进行图像分割，根据眼前 节的结构特征，分割h i f l t 前节各部分边界：然后再进行曲线拟合，最终得到眼前 节的生物数据。 处理的流程如_ 卜： 读取图 数据 进行图像 分割 曲线 拟合 获得眼前节 生物数据 因此，下面简要介绍一下图像分割和曲线拟合的基本知识和各种应用方法。 从一副图中，按定的规则分出感兴趣的部分或区域叫做分割。分割的目的 是把图像空间分成一砦有意义的区域。 通常可以依据两种原则进行分割。一是依据各个象素点的灰度不连续性进行 分割：一是依据同区域具有相似的灰度( 或组织特征) ，寻求不同区域之边界。 前者称为基于点相关的分割技术，后者称为基于区域相关的分割技术。 经验表明为了更好地进行分割，有关景物的总体知识和先验信息是有用的。 根据包含在图像中的信息，制定一组判决准则和控制策略，使之能自动完成分割， 这是当前正在发展的把人工智能方法用于分割的一种探索。 5 1 基于点相关的分割 5 1 1 灰度级的门限化法 这时一种最常用同时也是最简单的分割方法。 我们只要选取个适当的灰度级门限，然后将每个像素灰度和它进行比较。 超过门限的重新分配以最大灰度，低于门限的分配以最小灰度，那么我们就可以 组成一个新的二值图像，并成功地把对象从背景中显露出来。 下面举一个最简单的灰度级门限分割方法。若图像f ( x ，y ) 的灰度范围为 k 、，g ：】，那么在g i , g ，之间选择一个灰度值r 作为门限，就可以有两种方法定义 门限化后的二值图像， 浙江大学硕士学位论文第五章图像分害和曲线拟台 令门限化后的图像为 1 1 g r ( 。，y ) 5 t o 或者令门限化后的图像为 ，、f 1 g t q ，y ) 2 1 0 盖厂( x ，y ) t 其他 若y ( x ，y ) t 其他 般来说，灰度级门限分割方法都是以图像直方图为基础去设置门限的。 5 1 2 边沿检测 这是基于幅度不连续进行分割的方法。 实践表明，图像的边界对人的视觉识别十分有用，人们常能从一个粗糙轮廓 图识别物体，而边界的表示又容易引入各种物体的识别算法中。 物体的边界在图像中是由灰度不连续性所反映的，人们希望直接从图像中提 取边界，但在成像条件不好、边界形状复杂时，是很难做到的。 一般是先提取局部边沿，然后再组合这些边沿元成为精制的边界。局部边沿 在图像的总像点中只占不大比例，那里局部灰度以一定方式迅速改变。 边沿算子是小空间范围的数学算子，常用来检测图中是否有局部边沿。边沿 算子的重要特性是检测到的边沿元方向，应同最大的灰度变化方向垂直，而边沿 元幅值应表示灰度变化的剧烈程度。 边沿算子大致可以分为三大类：梯度算子、方向模板算子和拟合算子。梯度 算子是数学上梯度算子的近似形式，而方向模板算子是对不同方向使用不同的检 测模板。至于拟合算子则是对图像的局部灰度值同边沿的参数模型相拟合。 5 i 3 跟踪 跟踪法并不对图像的每一点都独立地进行计算。在决定某一点是否是目标点 ( 包括边缘点) 时，将依赖于以前处理过的点的某些信息。 浙江大学硕士学位论文 第五章图像分割和曲线拟合 它的计算通常分两部分：先对图像点进行检测运算，然后再作跟踪运算。所 以它不需要对每个点进行相同的、复杂的运算，而只需要对某些点重复些简单 的检测运算。跟踪方法很多，下面介绍其中种较常用的方法。 5 1 3 1 轮廓跟踪 设图像是仪由黑色对象和白色背景组成的二值图像，如图5 1 所示。我们 试图找出对象的边缘轮廓。 轮廓跟踪方法如下，靠近边缘任取一起始点a ，然后按如下规律进行跟踪： 1 每次只前进步，步距为一个像素； 2 当跨步由白区进入黑区时，以后各步向左转，直到穿出黑区为止； 3 当跨步由黑区进入白区时，以后各步向右转，直到穿出白区为止。围绕对象循 行一周后，便会回到起始点，那么所走过的轨迹就是对象的轮廓。 白 图5 1 用轮廓跟踪方法确定目标边界 ( a ) 起始点在左上方( b ) 起始点在右下方 由于跟踪边界的过程如同一个爬虫在爬动，因此，这种方法又称为爬虫法。 在使用本方法时，有如下两点需要注意： ( a ) 对象的某些小凸部可能被迂回过去，如图5 1 ( a ) 右下部所示。为 避免出现这种情况，应多选一些起始点，并取不同方向重复进行实验，然后取相 同的轨迹作为目标轮廓。 ( b ) “爬虫”掉进陷阱，即围绕某个局部闭合小区域重复爬行，回不到起始 点。为避免出现这种情况，可以使爬虫具有某种记忆能力( 或智能) ，当其发现 在重复己走过的路径时( 掉入陷阱) ，便会退回原始起始点，并选择新的起始点 和爬行方向，蕾新进行轮廓跟踪。 浙江大学磷士学位论文 第五章图像分割和曲线拟台 5 2 基于区域相关的分割 5 2 1 区域生成 分害日区域韵种方法叫区域生长或区域生成。假定区域的数舀吼及在每个区 域中的单个点的位置已l 鲡，则可推导一种算法，从个已知点开始，加上与已知 点楣似的邻近点形成。个区域。 这个嘏似性准则可以是灰度级、彩色、组织、梯度或其袍特性。相似性的测 度可以由所确定豹闳值来判定。 它的方法跫扶满足检测准则的点开始，在器个方囱上生长区域。当葚邻近点 潢足检测准则就并入小块区域中，当新的点被合并后，再用耨的区域重复这一过 程，蠢到没有可接受的邻近点时。生成过程终止。 因此，区域生成也就是寻找由边沿围绕的区域，这些区域因备有不同的特征 值( 如灰度值，颜色等) 而彼此可遂分开。所以寻找互樱连接在一起、并有相同 特缝的像点所形成的区域，也是实现图像分割的一种重要方法。 生成区域的办法大致有三类： t 局部法。 这是根据豫点的性质或像点的邻近点的性质决定像点分褒什么区域。 2 总体法。 这是根据整副豳像中大量像点的性质决定把一群像点划分到某个区域中。 3 分裂合并法。 这是利用状态空间技术分裂箴合并区域，用图结构表示区域和边界，这时要 蹋局部和总体的合荠和分裂准则。 下瑟举个区域合并的例子。 区j 既 图5 2 区域合并的几何图形 浙江人学硕j 学位论文 第五章图像分割和曲线拟合 如图5 - - 2 所示，设c 为置和尺：两个小区域的共同边界。d 是c 中的一段， 在d 两边区域之灰度差为a y 占， m i n p i ，p 2 】 。 ( 其中：为某一小数，通常取为三) 成立时，则共同边界便可以取消。 z 此式表明，当共同边界中有很大一段长度，例如长度超过两小区域中较小边 界长的一半以上的部分，其两边的灰度差都小于某一小数，那么，就认为其中一 个小区域的大部分都和另- - d , 区域邻接部分的灰度很接近，或具有相似性质，因 此可划归一个区域。 5 2 2 模板匹配 模板匹配技术由于简单而又有效，不仅可以应用在图像增强和边缘检测中， 事实上，也可以推广应用到除了检测或增强边缘以外的其他场合。例如： ( 1 ) 用于检测孤点、线、角度或其他简单几何图形： ( 2 ) 用于检测某己知目标，如文章中的字母或字，侦察照片中的敌人装 备( 某些坦克、火炮、飞机等等) ，显微照片中的某种细菌等等； ( 3 ) 也可以取某张图像作为模板，用以和另外在不同时间但相同条件下， 对同一景物拍摄的图片比较，从而检测目标相对于背景的运动。如 果两张照片是对同一景物，从不同角度拍摄下来的，还可以用来确 定目标在背景中的高度和深度。此外，利用比较两张照片中的相同 部分，还可以测量立视观测系统的象差，或对发生畸变的图像进行 校正。 总之，只要我们选出具有某种特征的模板( 或者窗口) 即由含有某种特 征之小方阵组成的小数字图像，那么，我们就能够利用这种技术，从图像中分割 出具有相同特征的区域。 这罩，我们给出一些用于检测点、线、边缘的模板，如图5 3 所示。 浙江大学硕士学位论文 第五章图像分割和曲线拟合 田髑团圈 日团固 5 2 3 区域跟踪和增长 图5 3 检测模板 如果图像中存在着某一对象或区域，而不是比较窄的曲线，那么，我们可以 采用区域跟踪和增长的方法检测它们。 首先，对第一行象素利用某种检测准则( 例如检测门限) 进行检测，取得一 些对象点，把它们作为对象或区域中的一些流动点。 然后从下行开始，依据另外的跟踪准则，对第一行检测出来的流动点进行 跟踪。新检测出来的对象点作为对象或区域中的新的流动点，继续施行新的跟踪， 直到没有新的邻点可以纳入对象或区域为止。在跟踪过程中，流动点可能有分枝 和合并。 关于区域增长的简例，如图5 4 所示。 55 ；g i6 4 ；897 22 i8 3 33 ：3 一j3 ( c ) 图5 4 区域增长示意图 ( a ) 输入图像，、与检测门限取灰度9 时，检测出对象点为9 ，作为流动点。 ( b ) 取跟踪门限为l ，第一次跟踪之结果( 在对象点下划有横杠) 。 ( c ) 对第一步榆出之区域求狄度平均( 为8 2 5 ) ，再次使用跟踪准则求出之对象 6 7 3 3 8 9 8 d 5 8 2 3 ( 5 4 2 3 黏咖留 6 7 3 3 8 9 8 a 5 8 2 3 ( 5 4 2 3 浙江大学坝士学位论文 第五章图像分割和曲线拟合 区域，新区域平均灰度为8 ，不可能进一步增长了。 ( d ) 表示从某一任意象素6 开始进行跟踪的结果，显然得到的是另外一种对象。 5 3 眼前节图像的分割方法 根据眼前节的结构特征，综合上述讨论，我们采用如下分割方法，它的功能 堕至堕婪塑! 塾 图5 5 分割过程功能流程图 下面给出眼前节图像分割处理的软件界面，如图5 6 所示。 图5 6 眼前节图像分割处理的软件界面 眼前节图像分割处理的具体流程如下： 第步：找出颜色类数 先设一个闽值g a t e ，依次扫描每一像素，将其与相邻像素进行灰度比较。若 浙江大学硕士学位论文 第五章图像分割和曲线拟合 两灰度差小于阂值g a t e ，则认为相邻像素与其同类，做一标记。若大于阈值g a t e 则不归入此类，并将相邻像素与已经找出的类依次进行比较，差值若在闽值g a t e 范围内的，则归入这+ 类，否则建立新的类。 如此循环反复，直至所有像素被搜索完，并都归入各自的类。具体如下： 扫描到的第个像素a 设为一个类，记为a l 。将扫描到的第二个像素b 与a 进行灰度比较，差值在闽值g a t e 之内，则认为b 与a 同类，a l 类中的数目增加l 。 反之，则认为b 是个新的类，记为a 2 。 循环反复，将f 面扫描到的像素与已经标记出的类如a l ，a 2 等依次进行比 较。若先与某一类的灰度差值在阈值g a t e 之内，则将其归入这一类。如果比较 完所有已标记的类，都不符合条件，则另建一个类。 不断进行，直至所有像素都被搜索完，这时就可得到眼前节图像中的颜色类 数。在我们这里阈值g a t e 取为3 0 。 第二步：根据颜色类数进行划分区域 1 ) 第一步已经找出了眼前节图像的颜色类数，第二步就根据这些颜色类数 进行划分区域。 从图像中的第一个像素( 即颜色序号a 1 ) 开始进行扫描，采用四领域法。 如果四领域中的像素所具有的颜色序号标记与它相同，则将这