0

我的项目是提取失踪人员虹膜的不变特征，并与找到的人进行比较以找到匹配项。

我成功应用 haar-cascade 来检测面部和眼睛，然后应用 smooth() 和 canny() 来去除噪声和边缘检测

现在我坚持使用霍夫圆来检测瞳孔和瞳孔中心，即虹膜位置。我必须为每个图像调整霍夫圆的参数，以便它检测到瞳孔。我不知道如何我得到中心并继续提取虹膜的不变特征..请帮忙！

这是我的代码

import numpy as np
import cv2
face_cascade =cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
eye_cascade = cv2.CascadeClassifier('haarcascade_eye_tree_eyeglasses.xml')
img = cv2.imread('sheikha.jpg',0)
img = cv2.bilateralFilter(img, 5, 175, 175) 
edges = cv2.Canny(img, 100, 100)
faces = face_cascade.detectMultiScale(
        img, scaleFactor=1.3, minNeighbors=5, minSize=(30, 30))
print "Detected %d faces." % len(faces)
print "Drawing rectangles..."
for (x, y, w, h) in faces:
        cv2.rectangle(img, (x, y), (x + w, y + h), (0,255,0), 2)
        eyes = eye_cascade.detectMultiScale(img, scaleFactor=1.3, minNeighbors=5,minSize=(10,10))
        for (ex,ey,ew,eh) in eyes :
            #if neye < 3:
            imgCrop = edges[ey:ey+eh,ex:ex+ew]           
            circles = cv2.HoughCircles(imgCrop,cv2.cv.CV_HOUGH_GRADIENT,1,60,param1=90,param2=10,minRadius=10,maxRadius=20) 
            circles = np.uint16(np.around(circles))
            for i in circles[0,:]:
                cv2.circle(imgCrop,(i[0],i[1]),i[2],(255,255,0),2)

print "Drawn Rectangles."
#cv2.imshow('edge',edges)
cv2.imshow('image',imgCrop)
cv2.waitKey(0)
cv2.destroyAllWindows()
4

1 回答 1

0

如果您希望 Hough 算法每次都产生相同的结果，那么您必须每次都为其提供相似的图像。基本上你想要做的是预处理瞳孔的图像，这样对于霍夫来说，它们看起来几乎相同。查看Otsu 的 Thresholding、Adaptive Thresholding和所有很酷的东西，比如模糊、不锐化掩蔽、clahe 等。

记得在预处理的每一步都控制图像和代码——它很容易失控和混乱。在视觉上比较图像并寻找定义明确（理想情况下没有噪声和其他圆圈）、看起来相似的瞳孔二值图像，以了解 Hough 是否会将图像视为几乎相同，从而检测具有相同参数的圆圈。

另一个想法是完全放弃霍夫的想法。查看寻找轮廓及其特征（链接1；链接2）。不能说没有数据，但它绝对是一个需要注意的替代方案。

于 2017-03-12T10:08:13.440 回答