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
![](https://i-blog.csdnimg.cn/blog_migrate/6a84f8f14b9103ba402c436decfceb3c.png)
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
![](https://i-blog.csdnimg.cn/blog_migrate/8bf05ea44db578dcd454f2aab01ced56.png)
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。
![边界绘制](https://i-blog.csdnimg.cn/blog_migrate/8e752930221e13d7c89621aa9325e26a.png)
![](https://i-blog.csdnimg.cn/blog_migrate/8592a61d05cf092a261e5c15eb1fc8d3.png)
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~