Question

我的项目是提取失踪者虹膜的不变特征，并将其与找到的人进行比较以找到匹配。

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

现在我用霍夫圈来检测瞳孔和瞳孔中心，即虹膜位置。我要调整每个图像的霍夫圈参数，以便检测到瞳孔。我不知道我将如何获得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()

Answer 1

如果你希望Hough算法每次产生相同的结果，你必须每次都用相似的图像喂它。基本上你想要做的是预处理瞳孔的图像，这样对于霍夫而言，它们看起来几乎完全相同。查看 Otsu的阈值，自适应Threhsolding 以及所有酷炫的东西，比如模糊，不清晰的遮蔽，碰撞等。

请记住在预处理的每一步控制图像和代码 - 它很容易失控和混乱。直观地比较图像并寻找定义良好（理想情况下没有噪声和其他圆圈），类似地查看瞳孔的二进制图像，以了解霍夫是否会看到图像几乎相同，从而检测具有相同参数的圆。

另一个想法是完全放弃霍夫的想法。查看“查找轮廓”及其功能（link1; link2）。没有数据就不能说，但它绝对是一个值得注意的替代方案。

在开放的cv和python中使用hough circle无法检测到眼睛的瞳孔

1 个答案: