14

我一直在阅读有关该主题的内容，但无法以“简单的英语”了解有关HoughCircles（特别是 之后的CV_HOUGH_GRADIENT）的用法和参数的想法。

什么是累加器阈值？100“票”是正确的价值吗？

我可以找到并“掩盖”学生，并通过该Canny功能工作，但我正在努力超越，我的问题是HoughCircles功能。似乎无法找到 Iris 的圈子，我不知道为什么。

这就是我到目前为止所拥有的。 左：蒙面瞳孔 右：精明的结果

这是我正在处理的功能：

def getRadius(area):
    r = 1.0
    r = math.sqrt(area/3.14)
    return (r)

def getIris(frame):
    grayImg = cv.CreateImage(cv.GetSize(frame), 8, 1)
    cv.CvtColor(frame,grayImg,cv.CV_BGR2GRAY)
    cv.Smooth(grayImg,grayImg,cv.CV_GAUSSIAN,9,9)
    cv.Canny(grayImg, grayImg, 32, 2)
    storage = cv.CreateMat(grayImg.width, 1, cv.CV_32FC3)
    minRad = int(getRadius(pupilArea))
    circles = cv.HoughCircles(grayImg, storage, cv.CV_HOUGH_GRADIENT, 2, 10,32,200,minRad, minRad*2)
    cv.ShowImage("output", grayImg)
    while circles:
        cv.DrawContours(frame, circles, (0,0,0), (0,0,0), 2)
        # this message is never shown, therefore I'm not detecting circles
        print "circle!"
        circles = circles.h_next()
    return (frame)
4

2 回答 2

25

HoughCircles可能有点棘手，我建议查看此线程。包括我在内的一群人;)，讨论如何使用它。关键参数是param2，所谓的accumulator threshold。基本上，它越高，你得到的圈子就越少。而且这些圆圈有更高的正确概率。每个图像的最佳价值都不同。我认为最好的方法是在param2. IE。继续尝试值，直到满足您的条件（例如：有 2 个圆圈，或不重叠的最大圆圈数等）。我有一些对“param2”进行二进制搜索的代码，所以它很快就满足了条件。

另一个关键因素是预处理，尽量减少噪声并简化图像。模糊/阈值/canny的某种组合对此有好处。

无论如何，我明白了：

在此处输入图像描述

从您上传的图像中，使用以下代码：

import cv
import numpy as np

def draw_circles(storage, output):
    circles = np.asarray(storage)
    for circle in circles:
        Radius, x, y = int(circle[0][3]), int(circle[0][0]), int(circle[0][4])
        cv.Circle(output, (x, y), 1, cv.CV_RGB(0, 255, 0), -1, 8, 0)
        cv.Circle(output, (x, y), Radius, cv.CV_RGB(255, 0, 0), 3, 8, 0)    

orig = cv.LoadImage('eyez.png')
processed = cv.LoadImage('eyez.png',cv.CV_LOAD_IMAGE_GRAYSCALE)
storage = cv.CreateMat(orig.width, 1, cv.CV_32FC3)
#use canny, as HoughCircles seems to prefer ring like circles to filled ones.
cv.Canny(processed, processed, 5, 70, 3)
#smooth to reduce noise a bit more
cv.Smooth(processed, processed, cv.CV_GAUSSIAN, 7, 7)

cv.HoughCircles(processed, storage, cv.CV_HOUGH_GRADIENT, 2, 32.0, 30, 550)
draw_circles(storage, orig)

cv.ShowImage("original with circles", orig)
cv.WaitKey(0)

更新

我意识到我有点错过阅读你的问题！您实际上想要找到虹膜边缘。他们没有像学生那样明确定义。所以我们需要HoughCircles尽可能地提供帮助。我们可以通过以下方式做到这一点：

  1. 指定虹膜的大小范围（我们可以从瞳孔大小计算出一个合理的范围）。
  2. 增加圆心之间的最小距离（我们知道两个虹膜永远不会重叠，因此我们可以安全地将其设置为我们的最小虹膜尺寸）

然后我们需要param2再次进行参数搜索。用以下代码替换上面代码中的“HoughCircles”行：

cv.HoughCircles(processed, storage, cv.CV_HOUGH_GRADIENT, 2, 100.0, 30, 150,100,140)

得到我们这个：

在此处输入图像描述

这还不错。

于 2012-05-23T11:27:11.997 回答
1

我的替代建议是使用阈值和 Blob 分析。检测虹膜比使用精明边缘和霍夫变换更简单。

我的方法是...首先你设置阈值。选取任何阈值，直到黑白图像仅产生（黑色）虹膜和睫毛。

然后通过将斑点分析值输入 XX 的最小长度和 YY 的最小宽度来分离虹膜和睫毛。XX 和 YY 值是虹膜长度和宽度的值。

于 2014-06-05T07:20:10.237 回答