掃描式眼波前像差系統的夏克-哈特曼波前傳感器質心探測研究

摘要：針對掃描式眼波前像差系統難以消除所有視角方向系統噪聲的問題，提出了一種在大噪聲條件下準確定位光斑陣列的質心并進行波前重建的方法。首先使用中值濾波與數學形態學方法對圖像進行全局處理；接著使用改進的最大間類方差方法選取每個子孔徑的閾值；然后通過Suzuki輪廓跟蹤算法確定需要計算的光斑窗口；最后結合所提出的中值面積法精確定位光斑質心。通過對比發現，傳統方法對此類大噪聲條件下的真實光斑已無法進行判別，而新提出的方法可以進行正確識別，重建波前的PV值誤差小于0.015λ，RMS小于0.001λ，說明該方法的準確度與穩定性明顯優于傳統方法。

關鍵詞：波前傳感器；圖像處理；質心定位；波前重建

中圖分類號：TH 741文獻標志碼：A

Centroid detection of Shack-Hartmann wavefront sensor inscanning ocular wavefront aberration measurement system

ZHOU Wenhao1，3，LIU Peijie2，3，SHANG Kun3，ZENG Xi3，GUO Shijun3，ZHOU Chuanqing3

（1.School of Health Science and Engineering，University of Shanghai for Science and Technology，Shanghai 200093，China;

2.School of Optical-Electrical and Computer Engineering，University of Shanghai forScience and Technology，Shanghai 200093，China;

3.College of Medical Instruments，Shanghai University of Medicine and Health Sciences，Shanghai 201318，China）

Abstract：In response to the challenges of eliminating the system noises from different viewing directions in a scanning ocular wavefront measurement system，this paper proposes a method to accurately locate the centroids of the spot array of Shack-Hartmann wavefront sensor and reconstruct the wavefront under high noise conditions.At first，the spot array images were globally processed using median filtering and mathematical morphology methods.Secondly，an improved maximum inter-class variance method was employed to determine the threshold for each sub-aperture.The Suzuki contour tracing algorithm was then utilized to identify the spot windowswithin which the centroids were computed.Finally，the proposed method combining the median area method precisely determined the centroid of the spots.A comparative analysis revealed that traditional methods failed to discriminate real spots under such high-noise conditions，whereas the proposed method could correctly identify them.The wavefront reconstruction errors，evaluated with PV and RMS values were less than 0.015λand 0.001λrespectively，indicating that the accuracy and stability of the proposed method significantly outperformed traditional approaches.

Keywords：wavefront sensor;image processing;centroid localization;wavefront reconstruction

引言

夏克–哈特曼波前傳感器（Shack-Hartmann wavefront sensor，以下簡稱SH波前傳感器）是一種用于測量光學系統中波前畸變的裝置。其結構簡單，精度高，實用性強，已被廣泛應用于天文學、光學和醫學等領域，用來測量光學系統中的像差[1-3]。SH波前傳感器是由微透鏡陣列和相機兩部分組成的光學波前探測器件。其中，微透鏡陣列對隨機波前進行空間采樣，在相機的靶面上形成一個光斑陣列，通過計算光斑質心的相對偏移量，再利用合適的波前重構方法就能得到光學波前的相位分布。光斑質心探測精度對SH波前傳感器的波前重建精度具有決定性的影響[4-5]。波前檢測系統通常存在各種噪聲，包括相機的電子噪聲、光學系統的雜光噪聲，以及外部環境擾動引起的噪聲等。眼波前像差檢測系統是一種用于檢測人眼光學像差的設備，已廣泛用于眼視光學的臨床診斷，其中基于SH波前傳感器的眼波前像差檢測技術被大多數廠家所采用。但是，傳統的眼波前像差系統僅測量視軸方向的眼波前像差，不能反應視網膜周邊的像差分布。近年來，由于視網膜周邊離焦理論逐漸成為近視防控的主流學說，對視網膜周邊的像差檢測成為新的臨床需求。采用光學掃描和SH波前傳感器，人們可快速獲得視網膜周邊高分辨率的像差分布[6-7]。但是對于掃描式眼波前像差檢測系統，通過光學掃描法測量不同視場方向的波前像差，不同視場方向的雜光往往難以徹底消除。對于傳統的波前像差測量系統，人們經常用孔徑光闌來消除雜光的影響，但是對于掃描狀態下的波前像差檢測，透鏡表面反射的雜光的大小與位置會隨著掃描角度的改變而變化，很難通過在系統中放置光闌進行消除。此類噪聲如果不濾除干凈，對SH波前傳感器的光斑質心計算會造成嚴重干擾，影響系統的穩定性、可靠性和準確性。在提高夏克–哈特曼波前傳感器探測精度方面，夏愛利等[8]提出了窗口優化的自適應閾值與線性插值結合的方法去除噪聲；師亞萍等[9]提出了Canny邊緣檢測算法與二階質心算法等多種方法結合的自適應計算質心方法，有效地提高了質心定位的精度。大噪聲會嚴重影響質心定位的精準度，甚至使光斑無法識別。但這些算法都無法對一些大的噪聲進行濾除，從而限制了SH波前傳感器的使用。因此，本文提出了一種大噪聲情況下準確識別光斑和精準計算質心的新方法，即對窗口選取的噪聲面積和信號光斑面積的大小進行比對，使得選取的噪聲不納入波前重建計算，以達到去除噪聲影響的目的。由于信號光斑陣列數目較多，去除少數信號光斑（部分信號光可能與大噪聲重疊）不會影響波前重建精度，這樣就可在掃描式波前像差系統存在大噪聲的情況下實現SH波前傳感器光斑質心的準確計算，從而實現不同視場方向精準的波前重建，提高掃描式眼波前像差測量的穩定性和精確性。

1夏克–哈特曼波前傳感器的工作原理

夏克–哈特曼波前傳感器的結構比較簡單，主要由電荷耦合器件（charge coupled device，CCD）相機和微透鏡陣列兩部分組成。微透鏡陣列由多個小透鏡組成，當光束通過微透鏡陣列時，每個微透鏡都會將其分割的光束聚焦到探測器的焦點上，這些聚焦后的小光束會在探測器（如CCD相機）上形成一個焦點陣列[10]。在理想情況下，若入射光波是平面波，微透鏡陣列將形成一個規則的焦點陣列，常稱為參考光斑陣列；如果光波前產生畸變，那么某些焦點的位置會偏離其參考光斑位置。通過測量每個焦點的實際位置與參考位置之間的偏差，可以計算出光波前的局部傾斜度。這些局部傾斜信息可以用來重建整個光波前的形狀[11-12]，表達式為

式中：?w=?x，?w=?y分別表示子孔徑區域波前在x方向和y方向的平均斜率；f表示透鏡陣列的焦距。SH波前傳感器工作原理如圖1所示。

2算法流程

本文算法的總流程如圖2所示。

2.1圖像預處理

對于波前重建來說，圖像的預處理尤為重要。預處理不僅提高了輸入圖像的質量，而且為后續質心計算和波前重建提供了更加清晰、準確的基礎[13]。波前重建的精度直接依賴于初始圖像數據的質量和準確性。本文提出的算法，首先對全局使用中值濾波和先開運算后閉運算的數學形態學處理，然后對局部的光斑區域使用改進的最大類間方差法（簡稱OTSU），自適應閾值。它的計算方法是根據圖像的灰度分布特性，將圖像分成背景和目標兩部分。分割的依據是兩部分之間的間類方差最大，即類別內的差異最小化（使得每個子孔徑都能獲得一個最佳閾值）。

中值濾波用來減少圖像中的噪聲，特別是隨機噪聲，如散斑等。這一步驟在去除噪聲的同時，有效地保持了圖像邊緣和關鍵結構的清晰度。開運算幫助去除圖像中的小尺度噪點和不必要的細節，而閉運算則填補了焦點區域的小空洞和間隙，進一步增強了焦點的連續性和完整性。自適應閾值最大類間方差法通過自動計算，并應用最佳閾值，使得每個子孔徑實現自適應閾值處理。

這一系列精細的預處理步驟能夠顯著提升輸入圖像的質量，確保后續波前重建算法的精準度和有效性。

2.2大噪聲情況下真實光斑的識別

1）子孔徑自適應閾值的改進

傳統的子孔徑自適應閾值算法通常都是對子孔徑內所有的灰度值進行排序，再選取第N位的灰度值作為閾值對圖像進行二值化，或者是找出子孔徑內最大亮度的光斑，然后根據亮度的百分比選取出灰度值作為閾值對圖像進行二值化[14]。以上算法中，所有的子孔徑灰度值都需要減去當前的閾值，來達到噪聲去除的目的。當二值化完畢后，選取出該子孔徑體積最大的光斑作為真實光斑進行質心計算。但是這些算法都存在一定的不足，如果當背景噪聲特別大的時候，背景噪聲可能會被當作真實光斑進行選取，而真正的信號可能會被濾除。

根據上述問題，本文提出一種改進的算法。先是對每個子孔徑使用OTSU閾值算法，從而得到每個子孔徑的最佳閾值，然后再將每個子孔徑的灰度值減去其對應的最佳閾值來達到去除每個子孔徑噪聲的目的。子孔徑第i行、j列像素Iij取閾值的計算式為

式中，T為OTSU閾值算法計算出的最佳閾值。但是當圖像中存在大噪聲時，該算法不再適用。

如圖3所示，當單個子孔徑內存在很大的噪聲時，不管是傳統的方法還是現在普遍使用的OTSU算法都無法正確地計算出最佳閾值。因為此時雜光相對比較強烈，OTSU計算出的最佳閾值可能是120，但是信號光強度明顯低于這個值，當該子孔徑錯誤地使用了該最佳閾值則會使得信號光被濾除，從而導致信號光的缺失，嚴重影響波前重建的準確性與穩定性。

本文的算法針對上述問題進行了改進。首先計算出所有子孔徑的閾值，然后對所有子孔徑的閾值進行篩選，篩選出異常閾值，并將異常閾值修正成正常的閾值。異常閾值的判定是對所有閾值進行排序，然后做差值計算，當其差值明顯高于平均差值時，則判定其為異常閾值。雖然該操作并不能立刻消除大的噪聲，但可以配合面積中值法來達到消除噪聲的目的。

2）探測窗口的獲取

探測窗口的大小和位置選取會直接影響質心定位的精度，過小的探測窗口可能會對光斑進行截斷而遺漏有用的光斑信息，而過大的探測窗口可能會引入很多噪聲導致質心定位的不準確[15-16]，所以本文使用了Suzuki的輪廓跟蹤算法來選取最合適的窗口來進行質心的定位（見圖4）。

該算法先是運用了邊緣檢測提取出輪廓，然后使用Suzuki算法遍歷圖像中的所有邊緣像素，將它們組織成一個鏈表。每個鏈表代表圖像中的一個輪廓信息。然后對輪廓信息進行分析，提取出x和y方向最邊界的點進行框選，得到最貼合輪廓的窗口。盡管預處理已經去除了大部分雜光，但是在某些情景下，預處理無法去除太大與頑固的雜光。這些雜光會被Suzuki輪廓跟蹤算法框選。利用中值面積法進行進一步篩選，以達到去除雜光的目的。

3）中值面積法

在獲得每個子孔徑區域的光斑輪廓信息后，就可以計算每個輪廓的面積。

首先，把光斑輪廓面積按照大小進行排序，并儲存在列表中。隨后，取出排在中間的光斑輪廓面積作為參考。然后，將列表中所有的光斑輪廓面積As與參考光斑面積As，med進行對比，則有As，med n<As<As，med m（n、m為設置的比例系數）。符合這個范圍的光斑將被篩選出來作為真實光斑。

4）質心的計算

使用Suzuki輪廓跟蹤算法對光斑進行窗口選取后，再對每個窗口進行質心的計算

式中：Xh，Yv為當前窗口內的質心的橫縱坐標；xi，yi是（i，j）像素點的橫縱坐標；Iij為（i，j）像素點的像素值。

3實驗與結果分析

3.1實驗平臺搭建

本實驗選用中心波長為850 nm的單模光纖輸出超輻射激光二極管（SLD）（Inpenix Inc.，USA）作為光源，選用焦距為150 mm的消色差透鏡（Edmund Optics，USA）作為準直透鏡。把輸出光纖端面放在透鏡的焦點處，使其經過透鏡的光束平行射出，裝置如圖5所示。SH波前傳感器的參數為：微透鏡陣列的焦距為14.2 mm；CCD的像元尺寸為3.45μm；圖像的視場像素為1 600×1 200，在這個視場下的子孔徑數量為18×13。

光束最后進入夏克–哈特曼傳感器，獲取點陣圖像。撤去透鏡，測得光纖端面到傳感器的距離為538.4 mm，將其作為初始球面波半徑。再通過光學滑軌，水平移動光纖端面，每次移動間隔為50 mm（讀取精度為1 mm），共取了10個球面波半徑，并對10個球面波半徑生成的10個點陣圖像加入相同的噪聲，如圖6所示。

Zernike多項式在直角坐標系下表示波前像差函數的表達式為

上述表達式在實際應用中通常取其有限項，當選取項數k后，則i→∞變為i→k。Zi（x，y）為Zernike多項式第i項的表達式，當確定了項數k后就有一組系數c（波前重建計算得到）對應k項多項式的線性組合。

使用峰谷值（Vpv）與均方根值（Vrms）進行算法的穩定性與準確性評估，計算式為

式中：k為Zernike取的項數；ci為Zernike系數的第i項。

式中：W（x，y）max為波前像差函數最大值；W（x，y）min為波前像差函數最小值。為了統一分析，將Zernike系數的常數項以及x與y的傾斜項置0，再進行峰谷值的計算。

3.2結果分析

為了驗證本文算法的性能，首先在平面波獲取的點陣圖像（見圖7（a））中添加椒鹽噪聲，然后加入大的背景噪聲，如圖7（b）～（e）所示。由于原圖像分辨率較大，所示圖像被壓縮，椒鹽噪聲無法清晰顯示。圖7（f）為在圖7（c）中隨機截取部分光斑，放大顯示出的椒鹽噪聲效果。然后對圖7（b）～（e）分別應用傳統算法與本文的算法進行處理，具有代表性效果的截取部分見圖8（a）和（b）。結果顯示，傳統的算法錯誤地把大噪聲進行了窗口選取，并且對大噪聲附近的有用信號光進行了錯誤的濾除。而在使用了Suzuki輪廓跟蹤算法、本文的中值面積算法和改進的子孔徑OTSU算法后，在大噪聲的情景下仍能正確地避開大噪聲，并對真實有效的光斑進行正常的窗口選取。這種方法不僅能選出強度較弱的光斑，而且還能使得在大噪聲附近的子孔徑閾值不受大噪聲的影響，從而精準地選取到每個真實光斑進行質心的計算。

最后，選用4 mm的瞳孔直徑對原始點陣圖像以及添加了噪聲的點陣圖像進行波前重建，通過數據分析評估本文算法的性能。結果如表1所示。

通過分析得出，本文算法的穩定性和準確度都高于傳統算法，并且誤差基本保持在0.015λ之內，Vrms的誤差也基本保持在0.000 1λ之內。

為了進一步驗證本文算法的可靠性，同樣選取4 mm瞳孔直徑，再次使用本文算法對加入了大噪聲的球面波進行驗證，并采用理論峰谷值（Vpv，th）進行對照。

式中：R為球面波半徑；r為選取的瞳孔半徑。

對于球面波而言，計算實際Vpv和平面波一樣需要將前3項置0。并且為了更準確地評估噪聲對波前重建帶來的影響，在計算球面波Vrms時，需要將常數項、x與y的傾斜項，還有離焦項置0。

從表2與表3可以發現，本文算法在球面波的大噪聲濾除方面依舊保持著良好的穩定性與準確性，原圖的Vpv與Vpv，th基本一致（存在測量誤差），并且原圖經過了大噪聲與椒鹽噪聲之后，計算的Vpv誤差在0.015λ之內，Vrms誤差也基本保持在0.001λ之內，即本文算法的穩定性和準確度都再次得到了驗證。

4結論

本文介紹了一種組合算法，其在較大噪聲情況下依然能夠進行可靠、穩定、準確的質心計算和波前重建，為掃描式眼波前像差檢測系統無法同時消除不同視場方向系統雜光的問題提供了一種解決方案。

目前很多算法的基本流程都是先進行窗口的選取，然后使用相應算法對每個窗口內的光斑區域進行判別，去掉窗口內的噪聲，找出真實的光斑，再進行質心的計算。而本文算法不需要對每個光斑區域的雜光進行一一判別，只需要對每個光斑區域進行一次改進的OTSU自適應閾值，然后使用Suzuki輪廓跟蹤算法，選出最貼合的窗口，最后通過本文的中值面積法進行統一的處理，極大地提升了波前重建的效率，并且能夠在大的噪聲條件下保證其準確性與穩定性。

盡管本文的算法能夠做到大小雜光的濾除，但是仍然存在一些局限性。本文算法實現的依據是，經過預處理后的圖像在經過排序后的中間值的光斑面積一定是真實光斑面積。所以在進行圖像處理，選取重建區域的時候，一定要讓區域內的真實光斑數量盡可能的多于雜光數量，這樣才能保證算法的準確性。

參考文獻：

[1]顏佩國，劉樹昌，王曉曼，等.夏克–哈特曼波前傳感器光斑自動精確定位[J].長春理工大學學報（自然科學版），2013，36（5）：123–126.

[2]錢思羽，劉鵬，景文博，等.優化夏克哈特曼波前傳感器的光斑質心探測方法研究[J].長春理工大學學報（自然科學版），2020，43（4）：19–24.

[3]ANUGU N，GARCIA P J V，CORREIA C M.Peak-locking centroid bias in Shack–Hartmann wavefront sensing[J].Monthly Notices of the Royal Astronomical Society，2018，476（1）：300–306.

[4]趙菲菲，黃瑋，許偉才，等.Shack-Hartmann波前傳感器質心探測的優化方法[J].紅外與激光工程，2014，43（9）：3005–3009.

[5]程利群，景文博，王曉曼.夏克–哈特曼波前傳感器光斑質心探測方法比較與分析[J].長春理工大學學報（自然科學版），2014，37（3）：23–26.

[6]FERNANDEZ E J，SAGER S，LIN Z H，et al.Instrument for fast whole-field peripheral refraction in the human eye[J].Biomedical Optics Express，2022，13（5）：2947–2959.

[7]PUSTI D，KENDRICK C D，WU Y F，et al.Widefield wavefront sensor for multidirectional peripheral retinal scanning[J].Biomedical Optics Express，2023，14（8）：4190–4204.

[8]夏愛利，馬彩文.基于圖像處理技術的光斑質心高精度測量[J].光電子·激光，2011，22（10）：1542–1545.

[9]師亞萍，劉纏牢.提高夏克–哈特曼波前傳感器光斑質心的定位精度[J].激光與光電子學進展，2017，54（8）：081201.

[10]李旭旭，李新陽，王彩霞.哈特曼傳感器子孔徑光斑的局部自適應閾值分割方法[J].光電工程，2018，45（10）：170699.

[11]李晶，鞏巖，呼新榮，等.哈特曼–夏克波前傳感器的高精度質心探測方法[J].中國激光，2014，41（3）：252–258.

[12]WEI P，LI X P，LUO X，et al.Analysis of the wavefront reconstruction error of the spot location algorithms for the Shack–Hartmann wavefront sensor[J].Optical Engineering，2020，59（4）：043103.

[13]CHEN B，JIA J J，ZHOU Y L，et al.Expanded scene image preprocessing method for the Shack–Hartmann wavefront sensor[J].Applied Sciences，2023，13（18）：10004.

[14]鈕賽賽，沈建新，梁春，等.人眼像差探測哈特曼波前傳感器的質心優化[J].光學精密工程，2011，19（12）：3016–3024.

[15]王薇，陳懷新.基于優化探測窗口的光斑質心探測方法[J].強激光與粒子束，2006，18（08）：1249–1252.

[16]YIN X M，LI X，ZHAO L P，et al.Adaptivethresholding and dynamic windowing method for automatic centroid detection of digital Shack-Hartmann wavefront sensor[J].Applied Optics，2009，48（32）：6088–6098.

（編輯：李曉莉）