虹膜识别（五）：虹膜分割与图像归一化

（一）进一步分割

上面已经得到了关于分割区域的虹膜部分如下图所示：

 

内外圆之间的部分认为是要进行识别的部分。

该图的大小为600*800，内外圆的参数前面计算过，这里再给一遍：

mean_circle_in =[324 ; 332 ; 69];

mean_circle_out =[336 ; 340 ; 233];

参数形式为

%                   mean_circle   : 圆心横坐标

%                   mean_circle   ：圆心纵坐标

%                   mean_circle   ：圆的半径

现在去掉内外圆之外的部分，原理是直接对所有的像素点依次进行检验，比较它们到圆心的距离与所给圆的半径的大小，据此划分内外点。程序如下：

function img_new = wipeout(img,mean_circle_in,mean_circle_out)
%------------------------------输入参数-----------------------------
%   img : 原始图像
%   mean_circle_in： 分割内圆的参数
%   mean_circle_out：分割外圆的参数     
%          参数形式：   mean_circle(1) : 圆心横坐标
%                      mean_circle(2) ：圆心纵坐标
%                      mean_circle(3) ：圆的半径    
%                 
%------------------------------输出参数-----------------------------------
%    img_new：新分割图像
%[600 800]
[line,row]=size(img);  %取大小
for i = 1:line
    for j = 1:row     %计算距离
        dis = sqrt((i-mean_circle_out(1)).^2+(j-mean_circle_out(2)).^2);
        if dis > mean_circle_out(3)   %比较距离大小：外圆取大于
            img(i,j) = 255;
        end
    end
end
for i = 1:line
    for j = 1:row      %计算距离
        dis1 = sqrt((i-mean_circle_in(1)).^2+(j-mean_circle_in(2)).^2);
        if dis1 < mean_circle_in(3)     %比较距离大小：内圆取小于
            img(i,j) = 255;
        end
    end
end
img_new = img;

对最初始的灰度图像调用该函数并显示出来如下：

img_new = wipeout(img,mean_circle_in,mean_circle_out);imshow(img_new)

 

 

（二）关于图像归一化

图像归一化是指对图像进行了一系列标准的处理变换，使之变换为一固定标准形式的过程，该标准图像称作归一化图像。

我们这里的归一化是指要把圆环状的图像归一化为矩形的图像，这样既可以压缩图像的大小（去掉圆饼以外的白色不需要的像素）又便于后续的特征提取或者识别操作，处理的原理很简单，想想一下，就是把这个圆饼状从某处切开，然后分别往两边一拉就成矩形状了，当然这个过程会使得图像略有点变形，变形的部分我们用它邻近的像素点代替就可以了，比较这个影响不是很大。

算法上实现也很简单，重点是找到坐标的对应关系，如下图所示：

 

直观图为：

依此编写坐标变换算法：

 

function [img_rec,M,N] = circle2rectangle(img,mean_circle_in,gama_in,gama_out)
%------------------------------输入参数-----------------------------
%圆参数   mean_circle_in:
%                   mean_circle_in(1) : 圆心横坐标
%                   mean_circle_in(2) ：圆心纵坐标
%                   mean_circle_in(3) ：圆的半径
%
%          gama_in：归一化上边缘范围  一般半径的1.4倍较好
%          gama_out：归一化下边缘范围  一般半径的2.7倍较好
%-------------------------------------------------------------------
%------------------------------输出参数-----------------------------
%       img_rec: 归一化图像---》圆形转换的矩阵图
%      M，N  转换的矩阵图的 -- 行列的大小
%       
%-------------------------------------------------------------------
R_in =  round(mean_circle_in(3)*gama_in);  %限制半径
R_out = round(mean_circle_in(3)*gama_out);
%转换的列数
%N = 800;
N = round(pi*(R_out+R_in));
%转换的行数
% M = 100;
M = round(R_out-R_in);
alpha = 2*pi/N;
for k = 1:N
%内外圆的坐标矩阵
    point_A_x(1,k) = mean_circle_in(1) + R_in*cos(k*alpha);
    point_A_y(1,k) = mean_circle_in(2) + R_in*sin(k*alpha); 
    point_B_x(1,k) = mean_circle_in(1) + R_out*cos(k*alpha);
    point_B_y(1,k) = mean_circle_in(2) + R_out*sin(k*alpha); 
end
% figure,plot(point_A_x);
%重构要求的M*N矩阵坐标
for i = 1:M
    point_x(i,:) = round(point_A_x(1,:) + (point_B_x(1,:) - point_A_x(1,:))*i/M) ; 
    point_y(i,:) = round(point_A_y(1,:) + (point_B_y(1,:) - point_A_y(1,:))*i/M) ;
end
for i = 1:M      %映射关系
    for j = 1:N
        img_rec(i,j) = img(point_x(i,j),point_y(i,j));
    end
end

有了该函数，可以直接对圆心进行操作了，大概确定相应的参数后即可以实现了，例如选的一定的半径范围如下：

>> [img_rec,M,N] = circle2rectangle(img,mean_circle_in,1.4,3);

>> imshow(img_rec)

得到结果为：

 

>> M,N

M =110;N =955

同时新图像的大小也可以看到，相比原图像小了很多。为后续的处理提供了很大的方便。