【正文】 binary threshold images, the horizontal and vertical projection, find the extreme value point, as the seed point。 the pupil position。眼睛中虹膜、瞳孔的形狀、顏色、大??；眼球的左、右、上、下運(yùn)動(dòng)狀況；眼瞼的開(kāi)閉狀況都不僅反映眼睛的狀態(tài)，也透視出人體內(nèi)的組織、器官、系統(tǒng)的狀況。持續(xù)感光的瞳 孔，可出現(xiàn)輕微的縮小與開(kāi)大相交替現(xiàn)象。 圖 瞳孔平面圖 例如，當(dāng)人在注視自己喜愛(ài)的人或感興趣的東西時(shí)，瞳孔往往會(huì)擴(kuò)大，而看到自己厭惡的人或物時(shí)，瞳孔往往會(huì)縮小，反映出人的心理狀態(tài)；心理負(fù)荷增大和緊張程度的增加都會(huì)使瞳孔放大，瞳孔也反映腦力負(fù)荷，可作為評(píng)價(jià)腦力負(fù)荷的一個(gè)可靠指標(biāo)。另外，有機(jī)磷、嗎啡中毒甚至可出現(xiàn)針尖樣瞳孔；若伴有光反射遲鈍、中樞性高熱、深昏迷，為腦橋損傷表現(xiàn)；兩側(cè)瞳孔大小不等常見(jiàn)于腦出血、腦梗死、腦腫瘤等；兩側(cè)瞳孔大小多變伴有光反射消失、眼球分離或異位，多為中腦損傷表現(xiàn)。針對(duì)人眼瞳孔檢測(cè)與跟蹤技術(shù)的研究，涉及到醫(yī)學(xué)、心理學(xué)、生理學(xué)、模式識(shí)別、人工智能、計(jì)算機(jī)視覺(jué)與圖像分析等多個(gè)學(xué)科領(lǐng)域，更是模式識(shí)別、圖像處理和計(jì)算機(jī)視覺(jué)的復(fù)雜的綜合性課題。近年來(lái)，關(guān)于眼睛檢測(cè)的應(yīng)用研究正不斷擴(kuò)展，眼睛的定位在計(jì)算機(jī)視覺(jué)方面有著極其重要的研究和應(yīng)用。因此瞳孔即使在不受刺激的情況下其實(shí)也是一個(gè)動(dòng)態(tài)的過(guò)程，只是平常我們的肉眼察覺(jué)不到瞳孔的這種微弱的變化而己。 當(dāng)光線射入眼睛或光線的強(qiáng)度變大，瞳孔立即縮小；當(dāng)光線移去或強(qiáng)度減弱，瞳孔又立即散大。正眼睛動(dòng)態(tài)檢測(cè)系統(tǒng)的設(shè)計(jì)與應(yīng)用研究常的瞳孔對(duì)光反射也是一個(gè)動(dòng)態(tài)變 化的過(guò)程，即經(jīng)歷短暫的潛伏期（接受刺激沖動(dòng)到產(chǎn)生效應(yīng)的時(shí)間）后，瞳孔收縮、然后放大的過(guò)程。該儀器據(jù)稱(chēng)僅需 30 秒就可以判別出是否為吸毒人員，其主要機(jī)理是利用吸毒人員瞳孔對(duì)特定光波長(zhǎng)和光強(qiáng)度產(chǎn)生特異性動(dòng)態(tài)變化進(jìn)行吸食界定、生理依賴(lài)程度判別、毒品渴求程度 判別。應(yīng)用于醫(yī)學(xué)領(lǐng)域的數(shù)字化瞳孔測(cè)量研究還較少。綜上所述，瞳孔檢測(cè)方法和技術(shù)的發(fā)展經(jīng)歷了傳統(tǒng)的觀察法、目測(cè)法，到簡(jiǎn)易測(cè)量器的制作，再到照相技術(shù)的應(yīng)用，角膜地形圖的采用，紅外技術(shù)和計(jì)算機(jī)的利用，發(fā)展趨勢(shì)是由手工到自動(dòng)，從定性描述或半定量、經(jīng)驗(yàn)式的描述到定量測(cè)量，由靜態(tài)檢測(cè)到動(dòng)態(tài)檢測(cè)。之后醫(yī) 護(hù)工作者制作出瞳孔測(cè)量板、半圓板或?qū)φ請(qǐng)D表及瞳孔卡等，如黃正新等制作出瞳孔測(cè)量板，王瑞玲制作的瞳孔簡(jiǎn)易測(cè)量器，改進(jìn)了直尺目測(cè)法。相機(jī)可以在瞳孔對(duì)閃光產(chǎn)生反應(yīng)前對(duì)瞳孔拍照，所拍照片經(jīng)輸入計(jì)算機(jī)后以專(zhuān)門(mén)的圖片工具軟件對(duì)瞳孔邊界定位、測(cè)量。近年來(lái)，隨著計(jì)算機(jī)等多項(xiàng)技術(shù)的發(fā)展和綜合應(yīng)用，瞳孔測(cè)量朝著自動(dòng)化、數(shù)字化、精確化方向發(fā)展。在心理評(píng)估方面，Arturas Kaklauskas 等開(kāi)發(fā)了一套智能瞳孔分析系統(tǒng)，用于對(duì)學(xué)生的學(xué)習(xí)進(jìn)步做出評(píng)估?，F(xiàn)有的瞳孔檢測(cè)手段，可以分為傳統(tǒng)檢測(cè)和近現(xiàn)代檢測(cè)手段兩大類(lèi)。 而現(xiàn)代檢測(cè)手段主要以數(shù)字?jǐn)z像技術(shù)為主，有手持?jǐn)?shù)字瞳孔測(cè)量?jī)x，以及類(lèi)似文獻(xiàn)中使用的商業(yè)開(kāi)發(fā)的儀器瞳孔參數(shù)測(cè)量?jī)x器等，優(yōu)點(diǎn)在于有很高的精確度，能夠連續(xù)測(cè)量且有實(shí)時(shí)性，能夠持續(xù)測(cè)量，缺點(diǎn)是對(duì)儀器的要求較高，成本偏貴。 本文瞳孔監(jiān)測(cè)的方法 本文側(cè)重于瞳孔動(dòng)態(tài)檢測(cè)及應(yīng)用，采用閾值化初定位，然后使用區(qū)域生長(zhǎng)定位瞳孔，最后計(jì)算瞳孔參數(shù)。OpenCV 可用于開(kāi)發(fā)實(shí)時(shí)的圖像處理、計(jì)算機(jī)視覺(jué)以及模式識(shí)別程序，目前在工業(yè)界以及科研領(lǐng)域廣泛采用。這里面有兩個(gè)關(guān)鍵人物，一個(gè)是 Intel 性能團(tuán)隊(duì)（ Intel’ s Performance Library Team）的李信弘（ Shinn Lee）先生，他是團(tuán)隊(duì)的經(jīng)理，負(fù)責(zé) IPP 等庫(kù)，給予 OpenCV很大的支持。在2022 年，一家美國(guó)公司， Willow Garage2，開(kāi)始大力支持 OpenCV， Vadim Pisarevsky和 Gary Bradski 都加入了 Willow Garage。 ROS（ Robot Operating System）是用于機(jī)器人的操作系統(tǒng)，是一個(gè)開(kāi)放源代碼的軟件， OpenCV 作為 ROS 的視覺(jué)模塊嵌入。 版本的結(jié)構(gòu)圖如圖 所示，此版本包含五個(gè)模塊，分別是 CV 模塊、CXCORE 模塊、 CVCAM 模塊、 HighGUI 模塊、 ML 模塊。 HighGUI 模塊包含三部分，分別是圖像界面函數(shù)（如創(chuàng)建窗口函數(shù) cvNamedWindow等）、讀圖像和保存圖像（如加載圖片函數(shù) cvLoadImage，保存圖片函數(shù) cvSaveImage 等）、讀視頻和寫(xiě)視頻（如創(chuàng)建視頻文件函數(shù) CvCreateFileCapture 等）。根據(jù)應(yīng)用背景不同，需要檢測(cè)瞳孔對(duì)光線刺激器發(fā)出不同的光波的動(dòng)態(tài)變化情況。 圖 瞳孔動(dòng)態(tài)檢測(cè)系統(tǒng)框圖 在預(yù)設(shè)定的條件下，光源照射眼睛，形成的圖像被 CCD 攝像頭接收，傳輸至圖像采集卡，經(jīng) A/D 轉(zhuǎn)換為數(shù)字信號(hào)送入計(jì)算機(jī)，計(jì)算機(jī)進(jìn)行存儲(chǔ)、處理、分析和管理。圖像采集部分實(shí)現(xiàn)單路采集和雙路同步實(shí)時(shí)采集眼睛圖像，包括單幀、序列圖像采集和視頻圖像攝錄；攝像光源系統(tǒng)實(shí)現(xiàn)拍攝眼睛圖像的不同光照條件；刺激光源及控制部分是用于觀察分析眼睛對(duì)光反射的特點(diǎn)而設(shè)計(jì)的，可以調(diào)控刺激的強(qiáng)度和刺激時(shí)間。 圖 圖像采集數(shù)據(jù)傳輸 攝像頭光源結(jié)構(gòu) 攝像光源系統(tǒng)由可見(jiàn)光源、紅外光源、 穩(wěn)壓電源和控制電路等構(gòu)成。合理的排列方式有利于圖像清晰采集，同時(shí)也讓它們?cè)斐傻牧咙c(diǎn)能均勻分布在圖像預(yù)定的區(qū)域內(nèi)，為后續(xù)的圖像處理提供方便。 刺激光源與控制部分 光刺激控制器和光源發(fā)光部分一起安置在刺激空間內(nèi)，顏色、光強(qiáng)和刺激時(shí)間可調(diào)的光源發(fā)光后均勻散射到整個(gè)刺激空間積分球的內(nèi)表面，實(shí)現(xiàn)均勻光照，進(jìn)而實(shí)現(xiàn)構(gòu)建光刺激平臺(tái)。其中 STM32F103 增強(qiáng)型系列時(shí)鐘頻率為 72MHz，在同類(lèi)產(chǎn)品中性?xún)r(jià)比最高；而 STM32F101 基本型時(shí)鐘頻率為 36MHz，性?xún)r(jià)比非常高的 32 位產(chǎn)品?？紤]到光源模塊的發(fā)光、集中發(fā)熱及快速上升、下降沿的大電流通過(guò)等問(wèn)題， PCB 布局布線時(shí)將同種顏色的 LED 散列分開(kāi)放置使得熱量可以盡快散去，同時(shí)按照?qǐng)A弧對(duì)稱(chēng)方式布局同種 LED，避免刺激光出現(xiàn)明顯的區(qū)域指向性；電流回路布線宜盡量寬，且在轉(zhuǎn)接處保持走線漸變而不會(huì)畸變。 圖 軟件設(shè)計(jì)整體框架圖 視 頻 讀 取 模 塊 視 頻 處 理 模 塊 畫(huà) 曲 線 圖 模 塊處 理 后 的 視 頻 查 看模 塊沈陽(yáng)理工大學(xué)學(xué)士學(xué)位論文 12 3 瞳孔動(dòng)態(tài)監(jiān)測(cè)算法設(shè)計(jì) 眼睛的外觀圖由鞏膜、虹膜、瞳孔幾部分構(gòu)成。本文采用形態(tài)學(xué)中的基本的開(kāi)運(yùn)算，來(lái)對(duì)圖像進(jìn)行預(yù)處理。運(yùn)算效果取決于結(jié)構(gòu)元素大小內(nèi)容以及邏輯運(yùn)算性質(zhì)?？梢杂脕?lái)消除小且無(wú)意義的目標(biāo)物 [4]。 腐蝕原理： （ 1） 用結(jié)構(gòu)元素 B，掃描圖像 A 的每一個(gè)像素。膨脹使得目標(biāo)擴(kuò)張，洞孔縮小，連通相近的物體 [4]。（ 2）用結(jié)構(gòu)元素與其覆蓋的二值圖像做“或”操作。 ?? ⊕ ?? = { ?? | ( ) ∩??^ ?? ≠ ? } 沈陽(yáng)理工大學(xué)學(xué)士學(xué)位論文 14 圖 瞳孔膨脹圖 開(kāi)運(yùn)算 使用結(jié)構(gòu)元素 B 對(duì)集合 A 進(jìn)行開(kāi)運(yùn)算，表示為 A°B，定義如下： A°B=(A?B)?A （ ） 因此，用 B 對(duì) A 進(jìn)行開(kāi)運(yùn)算就是用 B 對(duì) A 腐蝕，然后用 B 對(duì)結(jié)果進(jìn)行膨脹。開(kāi)運(yùn)算通常用來(lái)消除小顆粒噪聲，以及斷開(kāi)目標(biāo)物之間粘連時(shí)使用 [5]。對(duì)瞳孔圖片開(kāi)運(yùn)算的結(jié)果如下圖 所示。第一個(gè)性質(zhì)的應(yīng)用是基于灰度的不連續(xù)變化來(lái)分割圖像。 有些算法需要先對(duì)圖像進(jìn)行粗分割，因?yàn)樗麄冃枰獜膱D像中提取出來(lái)的信息。經(jīng)典的閾值選取以灰度直方圖為處理對(duì)象。若圖像中目標(biāo)和背景具有不同的灰度集合：目標(biāo)灰度集合與背景灰度集合，且兩個(gè)灰度集合可用一個(gè)灰度級(jí)閾值 T 進(jìn)行分割。如果目標(biāo)和背景的差別是某些其他特征而不是灰度特征時(shí)，那么先將這些特征差別轉(zhuǎn)化為灰度差別，然后再應(yīng)用閾值分割方法進(jìn)行處理，這樣使用閾值分割技術(shù)也可能是有效的。 根據(jù)資料查詢(xún)可知瞳孔紅外圖像有其灰度分布特點(diǎn)，瞳孔、虹膜和鞏膜三者的灰度值有如下關(guān)系 : 瞳孔灰度 ＜ 虹膜灰度 ＜ 鞏膜灰度 [7]，所以圖像中灰度最小的區(qū)域即是瞳孔所在區(qū)域。本文先采用基本灰度閾值法進(jìn)行粗定位，先分 離出瞳孔的絕大部分。這樣處理，既節(jié)約了閾值選擇所花費(fèi)的時(shí)間消耗，也達(dá)到了分割出大部分瞳孔的目的。 所有灰度大于或等于閾值的像素被判定為屬于特定物體，其灰度值為 255 表示，否則這些像素點(diǎn)被排除在物體區(qū)域以外，灰度值為 0，表示背景或者例外的物體區(qū)域。 加權(quán)平均法：加權(quán)平均法根據(jù)需要指定每個(gè)像素點(diǎn) RGB 的權(quán)數(shù)，并取其加權(quán)平均值，即 R=G=B=(Wr*R+Wg*G+Wb*B )/3， Wr、 Wg、 Wb 表示 RGB 的權(quán)數(shù)，均大于零，通過(guò)取不同的權(quán)數(shù)可實(shí)現(xiàn)不同的效果。 ?? = 1 , 2 , 3 , … ， ?? （ 3. 6 ） 垂直投影： ??
?? = ??
?? , ?? ???? = 1 ,?? = ?? 。為了提高查找種子點(diǎn)的速度，在整個(gè)算法流程中，在以下兩個(gè)部分做了改進(jìn)和優(yōu)化。 區(qū)域生長(zhǎng)法 閾值分割法由于沒(méi)有或很少考慮空間關(guān)系，使多閾值選擇受到限制，基于區(qū)域的分割方法可以彌補(bǔ)這點(diǎn)不足。具體先對(duì)每個(gè)需要分割的區(qū)域找一個(gè)種子像素作為生長(zhǎng)的起點(diǎn)，然后將種子像素周?chē)I(lǐng)域中與種 子像素有相同或相似性質(zhì)的像素合并到種子像素所在的區(qū)域中。生長(zhǎng)準(zhǔn)則可根據(jù)不同原則制定，而使用不同的生長(zhǎng)準(zhǔn)則會(huì)影響區(qū)域生長(zhǎng)的過(guò)程，三種基本的生長(zhǎng)準(zhǔn)則和 方法： （ 1）基于區(qū)域灰度差 基于區(qū)域灰度差的方法主要有如下步驟： 步驟一：對(duì)像素進(jìn)行掃描，找出尚沒(méi)有歸屬的像素。 采用上述方法得到的結(jié)果對(duì)區(qū)域生長(zhǎng)起點(diǎn)的選擇有較大的依賴(lài)性。 步驟三：設(shè)定終止準(zhǔn)則，通過(guò)反復(fù)進(jìn)行步驟二中的操作，將各區(qū)域依次合并直到滿(mǎn)足終止準(zhǔn)則。由種子點(diǎn)出發(fā)，在進(jìn)行了預(yù)處理后的瞳孔圖像中找出瞳孔區(qū)域。視頻讀取模塊流程圖如圖 所示。 （ 1）全局配置： 菜單 ToolsOptionsDirectories：先設(shè)置 lib 路徑，選擇 Library files，在下方填入路徑： D:\VC6\CVOpencv\OpenCV\lib 然后選擇 include files，在下方填入路徑： D:\VC6\VCOpen\OpenCV\cxcore\include D:\VC6\VCOpen\OpenCV\cv\include D:\VC6\VCOpen\OpenCV\cvaux\include D:\VC6\VCOpen\OpenCV\ml\include D:\VC6\VCOpen\OpenCV\otherlibs\highgui D:\VC6\VCOpen\OpenCV\otherlibs\cvcam\include 配置結(jié)果如圖 所示。最后點(diǎn)擊“ ok”，完成設(shè)置。 圖 整體界面 沈陽(yáng)理工大學(xué)學(xué)士學(xué)位論文 26 視頻讀取模塊的具體實(shí)現(xiàn) 由于 Visual C++只能播放 .avi 格式的視頻文件，且是非壓縮式的文件，并且 MFC 沒(méi)有播放視頻文件的類(lèi)，故需要自己封裝此類(lèi)，來(lái)解決播放問(wèn)題。 int OpenVideo(CString FilePath,HDC hdc,CRect rect)。 //暫停播放 void StopVideo()。 public: CvvImage m_showimage。 //文件路徑 CRect m_rect。 //幀位置 int m_totalframes。 //播放速度 }。 種子點(diǎn)的算法實(shí)現(xiàn)如下： CvPoint zhongzidiandefond(IplImage* pimg,int **a) { int* xp=ivector(0,pimgwidth)。ipimgwidth。j++) if(a[j][i]==0) xp[i]++。k++) { yp[k]=0。 沈陽(yáng)理工大學(xué)學(xué)士學(xué)位論文 28 } } int maxx=xp[0]。 for(int l=0。} for(int m=0。} =xmax。yinheight。x++) { int temp=p[3*x]*+p[3*x + 1]*+p[3*x + 2]*。 cvCvtColor()函數(shù)的具體用法在附錄 D中。這在 OPENCV 的程序中也得到了體現(xiàn)。 由于自己編寫(xiě)腐蝕與膨脹原理的函數(shù)，使用處理時(shí)效果和效率太差，故利用 OpenCV的開(kāi)源代碼中的 API 接口來(lái)實(shí)現(xiàn)。 區(qū)域生長(zhǎng)法的實(shí)現(xiàn)： 根據(jù)本文的分析可知本文采用灰度差來(lái)進(jìn)行實(shí)現(xiàn)區(qū)域生長(zhǎng)法， 采用 OpenCV 中 API接口函數(shù)中區(qū)域生長(zhǎng)函數(shù)，此函數(shù)如下： CVAPI(void) cvFloodFill( CvArr* image, CvPoint seed_point