La qualité d’image des anneaux réfléchissants est intimement liée à la qualité de la surface du film lacrymal. Par conséquent, le problème clinique de l’évaluation de la qualité de la surface du film lacrymal peut être réduit au problème technique de l’évaluation de la qualité d’image des vidéokératographes. Pour évaluer la qualité d’image d’un motif d’anneau HSV, nous sélectionnons d’abord une section d’image carrée, centrée sur l’axe de l’instrument et définie comme une matrice d’intensité I (x,y), x= 1,2,…, L, y= 1,2,…, L où L représente sa taille en pixels. Ensuite, nous déterminons un ensemble de profils d’image radiaux échantillonnés à partir de I (x,y) en utilisant la méthode d’interpolation au plus proche voisin pour former une matrice de grille polaire nr x nθ.
La figure ci-dessus montre deux exemples de transformation de Descartes en polaire. L’intensité de l’image polaire du sujet ayant une pupille plus petite (b) est moins uniforme que celle du sujet ayant une pupille plus grande (a). Le nombre d’anneaux est ensuite compté pour chaque colonne de la matrice Ip correspondant aux méridiens radiaux dans l’image HSV originale afin de trouver les points de rupture dans le motif d’anneaux. Ces points de rupture indiquent généralement une instabilité à la surface du film lacrymal. Pour compter les anneaux, il est nécessaire de détecter les bords dans l’image polaire, ce qui peut être réalisé à l’aide de l’algorithme de détection de bords de Marr-Hildreth.
Cependant, les changements dans les caractéristiques du segment antérieur de l’œil d’une personne, tels que les variations de couleur de l’iris, les différentes formes et tailles de la pupille, et les changements naturels de la taille de la pupille pendant une longue mesure avec HSV rendent la détection des anneaux difficile. Il n’existe pas d’algorithme de détection de bords « prêt à l’emploi » qui puisse être appliqué à tous les types d’yeux. Un exemple de la façon dont la taille de la pupille affecte la réflexion du motif d’anneaux de Placido et, par conséquent, sa représentation en image polaire est présenté dans la figure ci-dessus. Si la taille de la pupille englobe la zone d’analyse, comme dans la Figure 2a, la représentation radiale de l’image résultante conserve une intensité relativement uniforme. Cependant, lorsque la pupille est plus petite que la zone d’analyse (Figure 2b), l’image radiale résultante montre un changement significatif d’intensité qui ne peut pas être simplement éliminé par des techniques standard d’égalisation d’histogramme.
En particulier, on peut observer que pour une petite pupille, une partie de l’iris du sujet est incluse dans l’image radiale échantillonnée. Le contraste des anneaux de Placido sur un iris clair est diminué, ce qui rend la détection des anneaux parfois déjà flous encore plus difficile. Pour surmonter ces lacunes, une méthode de détection de bords personnalisée a été développée, dans laquelle nous estimons d’abord le profil d’image d’intensité radiale moyenne locale qui est ensuite ajusté à une fonction paramétrique composée de deux parties. Une procédure itérative des moindres carrés a été utilisée pour trouver la combinaison optimale des deux parties paramétriques de la fonction. L’intensité moyenne locale modélisée est ensuite soustraite de la partie locale correspondante de l’image radiale originale avant la détection des bords. La détection des bords implique l’estimation de tous les gradients ascendants du profil radial par une technique de seuillage adaptatif.
L’effet de l’utilisation de la technique de soustraction du fond est expliqué graphiquement dans la figure ci-dessus en utilisant, à titre d’exemple, l’image de la Figure 2b. L’image radiale originale (Figure 3, en haut à gauche) présente une distribution d’intensité considérablement non uniforme, ce qui fait que la procédure de détection de bords manque une partie importante des anneaux dans la région de l’iris (Figure 3, en bas à gauche). Après avoir estimé le profil radial d’intensité moyenne et ajusté une fonction paramétrique à celui-ci (Figure 3, au milieu), nous pouvons soustraire l’intensité de fond moyenne et effectuer la détection des bords sur l’image radiale restante (Figure 3, en haut à droite) ce qui conduit à des bords plus bruités mais aussi plus complets (Figure 3, en bas à droite).
La figure ci-dessus est un exemple typique d’estimation de la qualité de la surface du film lacrymal pour un sujet utilisant l’imagerie vidéokératoscopique à haute vitesse. Le score de qualité de la surface lacrymale (TSQ) est normalisé de sorte qu’un score de 1 est le meilleur (c’est-à-dire une bonne qualité de la surface lacrymale). Étant donné que l’instabilité de la surface du film lacrymal entraîne un flou et des ruptures dans les motifs d’anneaux, nous utilisons la variance de l’estimateur du nombre d’anneaux ci-dessus comme indicateur de la qualité de la surface du film lacrymal (TSQ) au temps tn, n= 1,2,…, N. Plus la variance est grande, plus la qualité de l’image de l’anneau est mauvaise, ce qui indique une qualité de surface du film lacrymal plus mauvaise.