在OpenCV中用于Iris检测的HoughCircles的正确用法/参数值是多少？

Question

我一直在阅读有关该主题的内容，但无法用“简明英语”了解HoughCircles的用法和参数（特别是CV_HOUGH_GRADIENT之后的用法和参数）。

什么是累加器阈值？ 100“投票”是正确的价值吗？

我可以找到并“掩盖”瞳孔，并通过Canny函数工作，但我正在努力超越它，我的问题是HoughCircles函数。似乎没有找到Iris的圈子，我不知道为什么。

这就是我正在努力的功能：

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)

Answer 1

HoughCircles可能有点棘手，我建议查看this thread。包括我在内的一群人讨论如何使用它。关键参数是param2，即所谓的accumulator threshold。基本上，你获得的圆圈越少越好。并且这些圈子具有更高的正确概率。每张图片的最佳值都不同。我认为最好的方法是在param2上使用参数搜索。 IE浏览器。继续尝试值，直到满足您的条件（例如：有2个圆圈，或最多不重叠的圆圈等）。我有一些代码在'param2'上进行二进制搜索，因此它很快就符合标准。

另一个关键因素是预处理，尝试降低噪音并简化图像。模糊/阈值/ canny的某些组合对此有好处。

无论如何，我明白了：

从您的上传图片中，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)

<强>更新

我意识到我有点想念你的问题！您实际上想要找到 iris 边缘。他们没有像学生那样明确定义。所以我们需要尽可能地帮助HoughCircles。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（我们可以根据瞳孔大小计算出合理的范围）。
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最小虹膜尺寸）

然后我们需要再次对param2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)

获取我们：



哪个也不错。

Answer 2

我的另一个建议是使用阈值和Blob分析。检测虹膜比使用canny edge和hough变换更简单。

我的方式是......首先你要达到它的门槛。拾取任何阈值，直到黑白图像仅产生（黑色）虹膜和睫毛。

然后通过将blob分析值最小长度设置为XX并将最小宽度设置为YY来分离虹膜和睫毛。 XX和YY值是虹膜长度和宽度的值。