虹膜图像定位——内圆检测（鲁棒性较好！）

第一次发帖，有不足还有高人的话希望提出指正与批评。

本人近期做项目时遇到了关于虹膜定位的问题，图像如下：

        需要根据当前眼球的位置将摄像机自动移动到眼球中间，使其对准瞳孔。这对于瞳孔中间的定位存在着比较高的要求。由于图像比较特殊，之前采用了Opencv自带的分类器，hough圆检测，效果都不理想。于是乎自己琢磨传统算法，研究出了一套虹膜定位技术。话不多说，直接上干货，对上图进行瞳孔定位。

算法共分为以下几个步骤：

1、二值化图像处理，去掉图像无用信息

二值化后图像

    二值化图像的阈值选择之前困扰了很久，因为随着瞳孔一周照射灯光强度以及摄像机里眼球远近不同，每张图像的亮度不一致。故采取图像灰度直方图来动态分割。首先设定一张图像的峰值范围，然后通过检峰处理选择阈值。为了解决每张图亮度不统一，再与该图像的平均亮度进行对比，如果检出峰值高于平均亮度，则以平均亮度对图像进行阈值分割。反之以峰值进行图像分割。

2、图像侵蚀，进一步寻找目标范围

侵蚀后图像

为了进一步搜索瞳孔中心范围，对图像进行侵蚀，进一步扩大瞳孔中心目标，同时去掉不必要的干扰。

3、使用findContours找到侵蚀后图像的每个联通区域

4、对每一个联通区域选择绘制外接旋转矩形drawContours。

边界+外接旋转矩形绘制

其他图像找外接矩形时情况

绘制边界时，注意排除与图像边缘相通的区域，这样就可以大致绘制出瞳孔的范围。

5、选择面积最大的且长宽比接近1的旋转矩形

上面那张图就一个，所以不用选了。我这里还有好几个处理后的图像，拿来做对比，才知道，这一步很重要！

6、通过最小二乘法对该矩形拟合外接圆，即为瞳孔中心位置。

定位完成，上面是调试时候，包括的一些调试信息：算法时间（因为绘图等其他无用操作，实际需要100ms左右）、距中心点距离、分割阈值、内圆半径

上面就是整个瞳孔内圆定位的过程，因为精度要求不高，需要满足实时性，对于旋转、前后位置鲁棒性改算法已经可以满足处理需求。如有不足，还望批评指正。需源码留言邮箱~