经过了本章的学习，我发现研究角膜能在很多方面有很大的作用。以下是我学习的心得。
角膜成像：角膜是眼睛的透明、保护和光学外层，覆盖虹膜，占眼睛光学力量的绝大部分。当光线主要到达其表面时折射并进入眼睛，小部分反射回到环境中，并且当观察人的眼睛时可以注意到。角膜的已知形状和姿态使角膜能够被建模-这是利用相机几何形状作为折射成像系统从眼睛图像的环境照明，并将其应用于计算机视觉和计算机图形学的各种任务中。这种方法通常称为角膜成像。
应用：
医学。在医学上，重建精确的单眼模型在解剖学、几何学、光学、外观和动力学非常重要。萨加尔，布利万特，Mallinson和Hunter（1994）开发了一个眼部解剖细节模型，并在虚拟环境中进行手术模拟。这样可以让做关于眼球的手术的成功率大大提高。
计算机图形。在计算机图形学、生物物理学和照相现实建模中，眼睛的渲染和动画具有广泛的应用，如虚拟现实模拟和娱乐。
计算机视觉。在计算机视觉、生物物理学和照片现实建模中而人眼的绘制在HCI、人体感知和生物医学成像。_wirski和dodgson（2014）生成合成地面真实感评估眼睛跟踪算法的眼睛图像。基于霍姆伯格的公共领域头部模型（Holmberg，2012年），他们建立了一个完整的球形3D头部模型。眼睛，它可以模拟移动和远程眼睛跟踪系统。身体上正确的渲染允许处理光发射、反射、折射、阴影，景深模糊、摄像噪声和红外成像。
基于角膜反射的应用有很多，其中一种便是视觉追踪技术。由于角膜对光照的敏感度，有助于空间映射模型的建立和在人眼上产生标定信息，同时可以巧妙地规避一些计算上的难题，角膜反射现象在以软件为核心的视觉追踪技术被广泛应用。我查阅了一些文档，下面介绍一种基于角膜非接触式视觉追踪技术的应用。
基于角膜反射的非接触式视觉追踪的主要模块：
人眼定位：
在人们长期对虹膜的研究中，已经提了许多很好的方法，
例如统计的方法：首先利用大量的先验数据训练出分类器，然后利用分类器进行识别。
基于规则的方法：在特定的环境下，找出可以用于人眼检测的辅助特征，如人眼的色彩，轮廓等信息，把这些相关的信息进行整合，作为约束条件在图像中找对应符合条件的区域。
模板匹配法：根据图像的遍历顺序，依次对比图像的像素点，然后计算与人眼模板的相似度，在整幅图遍历完后，相似度最高的区域为人眼区域。
灰度投影法：将图像按照纵横方向进行投影，然后统计出各个方向上的灰度。
人眼ROI区域确定
在人眼直方图中，取第一个波峰的位置为阈值，灰度值小于阈值的点（Xi，Yi）（i=1...n）就是瞳孔区域的点，根据这些点利用公式在灰度图中粗定位瞳孔中心位置--式中（Xpupil，Ypupil）表示粗定位的瞳孔中心，N表示满足灰度值小于阈值的所有点的个数。
以这个粗定位的瞳孔中心为中心的80*80像素图像子块即为当前人眼图像的感兴趣区域。
角膜反射光斑提取：
基于灰度进行的图像分割，利用光斑是人眼图像中灰度值最高的区域特性进行提取。
瞳孔中心定位：直接最小二乘拟合
将瞳孔当成椭圆处理。
注视点计算：
交比不变原理：在射影几何学中规定任何两条直线都相交于一点，即使是平面内一组互相平行的直线也要相交。
基于交比的注视点计算模型
P代表瞳孔的中心，g代表人眼在屏幕上的注视点。 V1,V2,V3,V4分别是屏幕四个角上的近红外光源IR1,IR2,IR3,IR4产生的光斑对应的虚点。
参考文献：
http://www.docin.com/p-1401462360.html--基于角膜反射的非接触式视觉追踪技术