本發(fā)明涉及機(jī)器視覺及其醫(yī)學(xué)測量領(lǐng)域，?特別是涉及一種基于移動端瞳距智能測量的像素當(dāng)量確定方法。

背景技術(shù)：

1、瞳距是指兩眼瞳孔中心之間的距離，是一個(gè)重要的生理參數(shù)。在眼鏡配置領(lǐng)域，其尺寸正確與否直接影響未來的眼部健康。目前，醫(yī)學(xué)測量領(lǐng)域開始通過人工智能技術(shù)實(shí)現(xiàn)瞳距的測量。

2、但是存在以下問題：

3、現(xiàn)階段基于移動設(shè)備的瞳距測量解決方案相對較少，原因是移動端的相機(jī)性能良莠不齊，而且缺少對光源位置及強(qiáng)度的把控，標(biāo)定任務(wù)難度較高。

4、在瞳距測量過程中，存在由于拍攝聚焦問題或者圖像處理導(dǎo)致邊緣失真帶來的誤差，導(dǎo)致在測定像素當(dāng)量時(shí)標(biāo)定物直邊角點(diǎn)定位失真，造成測量結(jié)果不準(zhǔn)確。

技術(shù)實(shí)現(xiàn)思路

1、有鑒于此，本發(fā)明的目的在于提供一種基于移動端瞳距智能測量的像素當(dāng)量測定方法，采用圖像處理技術(shù)降低光源影響，并利用小范圍直邊角點(diǎn)精度補(bǔ)償?shù)姆椒ㄗ詣友a(bǔ)償誤差缺陷，提高瞳距測量精度。

2、為達(dá)到上述目的，本發(fā)明提供如下技術(shù)方案：

3、一種基于移動端瞳距智能測量的像素當(dāng)量測定方法，該方法包含以下部分：

4、預(yù)處理部分，此部分主要包含相機(jī)的標(biāo)定以及圖像的預(yù)處理兩個(gè)步驟；

5、坐標(biāo)細(xì)化部分，此部分主要包含標(biāo)定物的粗定位、角點(diǎn)坐標(biāo)粗定位及細(xì)化角點(diǎn)坐標(biāo)三個(gè)步驟，通過掩膜操作將待處理區(qū)域窗口化，能夠弱化光源位置及強(qiáng)度帶來的誤差，降低計(jì)算量；

6、圖像校正部分，此部分通過透視變換完成，能夠確定像素當(dāng)量的值以及同一個(gè)圖像的變換矩陣；

7、驗(yàn)證性測量部分，此部分包括確定驗(yàn)證圓的位置以及測量驗(yàn)證圓兩步操作，通過驗(yàn)證圓的測量精度評估算法性能，并適時(shí)調(diào)整參數(shù)，精細(xì)化測量；

8、進(jìn)一步的，上述方案由以下步驟實(shí)施：

9、步驟一：標(biāo)定相機(jī)；通過相機(jī)標(biāo)定得到內(nèi)外參數(shù)進(jìn)行畸變校正，降低誤差；

10、步驟二：圖像預(yù)處理；處理圖像包括兩個(gè)方向，一是圖像預(yù)識別，為后續(xù)任務(wù)提供先驗(yàn)知識，提高識別質(zhì)量。二是圖像增強(qiáng)，突出圖像的邊緣及角點(diǎn)特征，降低噪聲影響；

11、步驟三：標(biāo)定物粗定位，識別標(biāo)定物中實(shí)心圓及方形邊框，獲取標(biāo)定物方形邊框四角上角點(diǎn)粗略位置；

12、步驟四：角點(diǎn)坐標(biāo)粗定位；對標(biāo)定物進(jìn)行像素級角點(diǎn)檢測，將該步驟得到的角點(diǎn)與上述步驟三得到的角點(diǎn)進(jìn)行比較，并以兩類角點(diǎn)及其鄰域?yàn)榉秶鷮D像進(jìn)行掩膜處理窗口化待處理區(qū)域；

13、步驟五：細(xì)化角點(diǎn)坐標(biāo)；對上述步驟四獲得的待處理區(qū)域通過小范圍直邊角點(diǎn)精度補(bǔ)償方法細(xì)化，獲得四個(gè)校準(zhǔn)后的角點(diǎn)測量坐標(biāo)；

14、步驟六：透視變換；根據(jù)上述步驟五獲得的四個(gè)角點(diǎn)測量坐標(biāo)校正標(biāo)定物，在此步驟中即已確定像素當(dāng)量及變換矩陣；

15、步驟七：驗(yàn)證性測量；驗(yàn)證上述步驟六確定的像素當(dāng)量，通過黑色實(shí)心圓的測量半徑與實(shí)際尺寸損失計(jì)算確定當(dāng)前算法的精度，并重復(fù)步驟五至步驟七繼續(xù)優(yōu)化。

16、進(jìn)一步的，步驟一中，所述的相機(jī)標(biāo)定法為張氏標(biāo)定法；

17、進(jìn)一步的，標(biāo)定物應(yīng)該佩戴在額頭上，為了減小誤差，應(yīng)盡可能與面部保持平行；

18、進(jìn)一步的，步驟二中，所述圖像與識別方法是dilb人臉檢測；

19、進(jìn)一步的，步驟三中，所述識別標(biāo)定物中實(shí)心圓及方形邊框，具體步驟為：

20、1）、對圖片進(jìn)行高斯濾波、形態(tài)轉(zhuǎn)化等圖像處理操作并獲取邊緣特征；

21、2）、定位圓坐標(biāo)；分別計(jì)算各輪廓區(qū)域面積及各輪廓最小外接圓面積，比較后獲取最大相對面積圓坐標(biāo)；

22、3）、定位矩形坐標(biāo)；綜合圓在矩形內(nèi)這一幾何關(guān)系，計(jì)算各輪廓最小外接矩形面積并與上述2）中各輪廓區(qū)域面積比較，獲得最大相對面積矩形的頂點(diǎn)坐標(biāo)。

23、進(jìn)一步的，步驟四中，對圖像進(jìn)行orb像素級角點(diǎn)檢測，并且得到所有角點(diǎn)中與矩形角點(diǎn)的歐氏距離最小的點(diǎn)；

24、進(jìn)一步的，步驟四中，取角點(diǎn)的粗略位置的二維鄰域范圍進(jìn)行掩膜處理，以降低光線強(qiáng)度誤差；

25、進(jìn)一步的，步驟五中，所述小范圍直邊角點(diǎn)精度補(bǔ)償方法具體主要包括以下步驟：

26、1）、對掩膜后的圖像進(jìn)行插值運(yùn)算，將圖像放大到亞像素級，提高圖像質(zhì)量和清晰度

27、2）、多尺度邊緣特征檢測，充分挖掘圖像的多尺度邊緣信息，包括圖像增強(qiáng)、紋理檢測及原圖像，二值化圖像以突出邊緣特征，圖像配準(zhǔn)、特征級融合及canny邊緣檢測；

28、3）、邊緣點(diǎn)聚類，用于對數(shù)據(jù)進(jìn)行初級處理，利用2）中獲得的邊緣通過線性插值操作獲取邊緣點(diǎn)，對邊緣點(diǎn)進(jìn)行異常點(diǎn)清洗及k均值聚類，獲得兩類直邊的點(diǎn)簇及其質(zhì)心點(diǎn)；

29、4）、弧線處異常數(shù)據(jù)清洗，用于根據(jù)先驗(yàn)知識再處理數(shù)據(jù)，以3）獲得的兩個(gè)質(zhì)心點(diǎn)為頂點(diǎn)劃定矩形區(qū)域，去除矩形區(qū)域包含的點(diǎn)；

30、5）、方位分析及擬合，用于分析數(shù)據(jù)點(diǎn)的方向及位置特征，用直線對分析結(jié)果擬合，分別獲得剩余兩類邊緣點(diǎn)的協(xié)方差矩陣及其特征向量與特征值，根據(jù)主方向向量方向確定點(diǎn)陣方向，得到擬合直線的斜率和截距，則直線交點(diǎn)即為補(bǔ)償后方形邊框的角點(diǎn)。

31、進(jìn)一步的，步驟五中，所用的多尺度邊緣檢測為基于小波思想的邊緣保持濾波，包括小波分解、導(dǎo)向?yàn)V波與重構(gòu)，用于平滑圖像中的噪聲和紋理的同時(shí)，保留圖像中的邊緣信息；

32、所述小波分解，用于對頻率信號和時(shí)間(空間)實(shí)施局部化處理，分解成多個(gè)低頻與高頻的子帶；

33、所述導(dǎo)向?yàn)V波，用于平滑低頻子帶，保留高頻自帶，以提供邊緣信息；

34、所述重構(gòu)，用于將濾波后的各尺度子帶合成為最終的增強(qiáng)圖像；

35、進(jìn)一步的，步驟七中，所述驗(yàn)證性測量具體主要包括以下步驟：

36、1)、對視野內(nèi)圖像進(jìn)行亞像素邊緣檢測；

37、2)、定位圓坐標(biāo)，分別計(jì)算各輪廓區(qū)域面積及各輪廓最小外接圓面積，比較后獲取最大相對面積圓坐標(biāo)；

38、3)、測量所得圓的像素半徑，利用像素當(dāng)量將像素尺寸換算到物理尺寸；

39、4)、通過所得圓的測量半徑與實(shí)際尺寸的損失計(jì)算確定當(dāng)前算法的精度。

40、本發(fā)明提供的一種移動端瞳距智能測量的像素當(dāng)量測定方法，與現(xiàn)有技術(shù)相比具有如下有益效果：

41、1)、本發(fā)明針對移動端瞳距測量的解決方案相對較少，且受光源、標(biāo)定物姿態(tài)及拍攝距離不確定的問題進(jìn)行了改進(jìn)，同時(shí)解決了視覺測量任務(wù)中確定實(shí)際物理尺寸與像素尺寸之間的尺寸關(guān)系，即確定像素當(dāng)量，還以標(biāo)定物的視覺角度為基準(zhǔn)求出將圖像校正到正視圖的變換矩陣；

42、2）、本發(fā)明通過可視區(qū)域窗口化操作將光源影響降到最低，有效減小了絕對誤差，提升了準(zhǔn)確率。并且對小范圍視野區(qū)域的直邊角點(diǎn)進(jìn)行精度補(bǔ)償，準(zhǔn)確性高且計(jì)算量小，能夠完全勝任瞳距測量時(shí)，標(biāo)定物的高精度測量，從而獲得準(zhǔn)確的像素當(dāng)量與變換矩陣；

43、3）、本發(fā)明還應(yīng)用多尺度邊緣特征檢測，探索其不同頻段圖像與其紋理之間對邊緣提取的影響，充分挖掘邊緣信息，通過方向分析及擬合能夠綜合各方面優(yōu)勢補(bǔ)償圖像邊緣失真帶來的誤差，提高直邊角點(diǎn)檢測的準(zhǔn)確性，為現(xiàn)有方法提供了新思路；

44、本發(fā)明的其它特征和優(yōu)點(diǎn)將在隨后的說明書中闡述，并且，部分地從說明書中變得顯而易見，或者通過實(shí)施本發(fā)明而了解。