图像数据再处理（一）——对预测数据进行瞳孔定位和旋转变换

一、模型输出的数据

二、瞳孔定位

由于上下眼皮对眼球的遮挡，因此只有左边的边线与右边的边线的曲率是最接近眼球的，可从左边取两个点，从右边取一个点，以此三点来定位圆心。

import os 
import cv2 as cv
import numpy as np
dpath='F:/data/data4/preds/'
files=os.listdir(dpath)
img=cv.imread(dpath+files[0],cv.IMREAD_GRAYSCALE)

def detect_circle(img):
    i=50#目测前50列都是空白，减少循环次数，也可从0开始
    flag=1
    while(flag):
        if len(np.where(img[:,i]==255)[0].tolist())>0:
            arr_1=np.where(img[:,i]==255)[0].tolist()
            arr_2=np.where(img[:,i+5]==255)[0].tolist()
            A=(arr_1[0],i)
            B=(arr_2[-1],i+5)#下眼皮较上眼皮遮挡较少，B、C取眼球下半部分
            flag=0
        else:
            i+=1
    flag=1
    i=img.shape[1]-50#从最后往前遍历
    while(flag):
        if len(np.where(img[:,i]==255)[0].tolist())>0:
            arr_3=np.where(img[:,i]==255)[0].tolist()
            C=(arr_1[-1],i)
            flag=0
        else:
            i-=1
    return A,B,C

A,B,C=detect_circle(img)

x1,y1=A
x2,y2=B
x3,y3=C
print(A,B,C)
<<<(130, 142) (145, 147) (134, 392)

#根据AB、BC的中垂线交点解出圆心Q
#t1、t2为了简化和避免重复计算而提取出的重复部分
t1=(x1-x2)/(y1-y2)
t2=(x3-x2)/(y3-y2)
x0=int((y3-y1-t1*(x1+x2)+t2*(x3+x2))/2/(t2-t1))
y0=int((t1*t2*(x3-x1)-t2*(y1+y2)+t1*(y3+y2))/2/(t1-t2))
Q=(x0,y0)
print(Q)
<<<(96, 267)

cv.circle(img,(y0,x0), 10, 64, -1)#注意cv中(col,row),10是半径，64是像素值，-1不知道

详见opencv官方文档

三、水平校正

def detection(img):#检测出左端点和右端点
    i=0
    flag=1
    msk=np.zeros(img.shape,dtype=np.uint8)
    msk[np.where((img>96) & (img<192))]=255  #模型输出的眼睑区的像素值为127，这里随便取了个范围
    while flag:
        if len(np.where(msk[:,i]==255)[0].tolist())>0:
            arr=np.where(msk[:,i]==255)[0].tolist()
            A=(arr[0],i)
            flag=0
        else:
            i+=1
    i=img.shape[1]-1
    flag=1
    while flag:
        if len(np.where(msk[:,i]==255)[0].tolist())>0:
            arr=np.where(msk[:,i]==255)[0].tolist()
            B=(arr[-1],i)
            flag=0
        else:
            i-=1
    return A,B

img=cv.imread(dpath+file,cv.IMREAD_GRAYSCALE)
A,B=detection(img)
x1,y1=A
x2,y2=B
rows,cols=img.shape

theta=np.arctan((x1-x2)/(y1-y2))#同样需要注意坐标，如果除反了，图像旋转之后就竖起来了
M=cv.getRotationMatrix2D((cols/2,rows/2),theta,1)
dst=cv.warpAffine(img,M,(cols,rows))

详见opencv官方文档cv.getRotationMatrix2D