La calidad de imagen de los anillos reflejos está íntimamente relacionada con la calidad de la superficie de la película lagrimal. Por lo tanto, el problema clínico de evaluar la calidad de la superficie de la película lagrimal puede reducirse al problema técnico de evaluar la calidad de imagen de los videoceratógrafos. Para evaluar la calidad de imagen de un patrón de anillo HSV, primero seleccionamos una parte de imagen cuadrada, centrada en el eje del instrumento y definida como una matriz de intensidad I (x,y), x= 1,2,…, L, y= 1,2,…, L donde L denota su tamaño en píxeles. Luego, determinamos un conjunto de perfiles de imagen radial muestreados de I (x,y) utilizando el método de interpolación de vecino más cercano formando una matriz de rejilla polar nr x nθ.
La figura anterior muestra dos ejemplos de la transformación de Descartes a polar. La intensidad de la imagen polar de un sujeto con una pupila más pequeña (b) es menos uniforme que la de un sujeto con un tamaño de pupila más grande (a). Luego, se cuentan los números de anillo para cada columna de la matriz Ip correspondiente a los meridianos en la imagen HSV original para encontrar puntos de discontinuidad en el patrón de anillo. Estos puntos de discontinuidad a menudo indican inestabilidad en la superficie de la película lagrimal. Para contar los anillos, es necesario detectar bordes en la imagen polar y esto se puede hacer mediante el algoritmo de detección de bordes de Marr-Hildreth.
Sin embargo, los cambios en las características del segmento anterior del ojo de la persona, como la variación del color del iris, diferentes formas y tamaños de pupila, y los cambios naturales del tamaño de la pupila durante la medición larga con HSV dificultan la detección de anillos. No existe un algoritmo de detección de bordes "listo para usar" que pueda aplicarse a todos los tipos de ojos. En la figura anterior se muestra un ejemplo de cómo el tamaño de la pupila afecta el reflejo de un patrón de anillo de Plácido y su posterior representación de imagen polar. Si el tamaño de la pupila incluye la región de análisis, como en la Figura 2a, entonces la representación de imagen radial resultante sigue teniendo una intensidad relativamente uniforme. Sin embargo, cuando la pupila es más pequeña que la región de análisis (Figura 2b), la imagen radial resultante muestra una variación de intensidad significativa que no se puede eliminar simplemente mediante técnicas estándar de ecualización de histograma.
En particular, se puede observar que para una pupila pequeña, una parte del iris del sujeto está incluida en la imagen radial muestreada. El contraste de los anillos de Plácido en un iris de color claro se degrada, lo que dificulta aún más la detección de los anillos a veces ya borrosos. Para superar estas deficiencias, se ha desarrollado un método de detección de bordes personalizado en el que primero estimamos el perfil de imagen de intensidad radial promedio local que luego se ajusta a una función paramétrica que consta de dos partes. Se utilizó un procedimiento iterativo de mínimos cuadrados para encontrar la combinación óptima de las dos partes paramétricas de la función. La intensidad promedio local modelada se resta luego de la parte local correspondiente de la imagen radial original antes de la detección de bordes. La detección de bordes implica estimar todos los gradientes ascendentes del perfil radial mediante una técnica de umbral adaptativo.
El efecto de utilizar la técnica de sustracción de fondo se explica gráficamente en la figura anterior utilizando, como ejemplo, la imagen de la Figura 2b. La imagen radial original (Figura 3, arriba a la izquierda) tiene una distribución de intensidad significativamente no uniforme, lo que hace que el procedimiento de detección de bordes pierda una parte significativa de los anillos en la región del iris (Figura 3, abajo a la izquierda). Después de estimar el perfil radial de intensidad promedio y ajustar una función paramétrica a él (Figura 3, centro), podemos restar la intensidad de fondo promedio y realizar la detección de bordes en la imagen radial restante (Figura 3, arriba a la derecha) dando como resultado bordes más ruidosos pero también más completos (Figura 3, abajo a la derecha).
La figura anterior es un ejemplo típico de estimación de la calidad de la superficie de la película lagrimal para un sujeto utilizando imágenes de videoceratoscopia de alta velocidad. La puntuación de calidad de la superficie lagrimal (TSQ) se normaliza de modo que una puntuación de 1 sea la mejor (es decir, buena calidad de la superficie lagrimal). Dado que la inestabilidad de la superficie de la película lagrimal conduce a borrosidad e interrupciones en los patrones de anillo, utilizamos la varianza del estimador de número de anillo anterior como indicador de la calidad de la superficie de la película lagrimal (TSQ) en el tiempo tn, n= 1,2,…, N. Cuanto mayor sea la varianza, peor será la calidad de la imagen del anillo, lo que indica una peor calidad de la superficie de la película lagrimal.