虹膜識別外圓檢測
阿新 • • 發佈:2018-11-08
在上篇文章我們已經檢測到了內圓,本篇將根據上篇得到的內圓來檢測外圓。步驟如下:
第一步:
用下面的這個運算元對原圖做卷積操作,這個運算元可以叫作Vertical Filter
-1,0,1,
-1,0,1,
-1,0,1,
-1,0,1,
-1,0,1
卷積後的結果如下:
第二步:對第一步得到的結果進行二值化,這個我設的閾值是10。二值化後的結果如下
第三步:計算規矩規定角度範圍弧線上的白點的數量,注意這個是針對不同的半徑都要計算,半徑的變化範圍從1.8*內圓半徑開始逐漸變大,一直到三倍的半徑。下圖是角度範圍的約定。從下圖可以看圖角度的範圍是左右兩邊各向下的60度區間,但在我實驗中是左右兩邊各向下30度的區間。
第四步:找到在規定弧線上白點最大的半徑,這個半徑就是最後的外圓半徑。最後的結果如下:
外圓檢測加上內圓檢測的全部opencv程式碼如下:
#include <opencv2/opencv.hpp> #include <opencv2/imgproc/imgproc.hpp> using namespace cv; using namespace std; int main() { Mat srcImage=imread("C://150.bmp"); Mat midImage,dstImage,edge; Mat srcImage1=srcImage.clone(); imshow("原始圖",srcImage); //外圓 Mat kern = (Mat_<char>(5,3) << -1, 0 ,1, -1, 0 ,1, -1, 0 ,1, -1, 0 ,1, -1, 0 ,1); Mat dst; filter2D(srcImage,dst,srcImage.depth(),kern); namedWindow("卷積",WINDOW_AUTOSIZE); imshow("卷積",dst); threshold(dst,dst,10,255,CV_THRESH_BINARY); namedWindow("二值化",WINDOW_AUTOSIZE); imshow("二值化",dst); threshold(srcImage, srcImage, 30, 200.0, CV_THRESH_BINARY);//二值化 imshow("二值化1",srcImage); int cn=0;//cn是圓的個數 int radius=0; float ratio = 0; float maxratio = 0; float result[3]; cvtColor(srcImage,midImage,COLOR_BGR2GRAY); blur(midImage,edge,Size(3,3)); Canny(edge,edge,3,9,3); GaussianBlur(midImage,midImage,Size(9,9),2,2); vector<Vec3f> circles; HoughCircles(midImage,circles,CV_HOUGH_GRADIENT,2,10,200,80,0,0); for(cn=0;cn<circles.size();cn++) { Point center(cvRound(circles[cn][0]),cvRound(circles[cn][1])); radius=cvRound(circles[cn][2]); // circle(srcImage,center,3,Scalar(0,255,0),-1,8,0); // circle(srcImage,center,radius,Scalar(155,50,255),3,8,0); ////////////////////////////// int width = srcImage.cols; int height = srcImage.rows; int value; //pixel value int count = 0; for(int i=0;i<height;i++) { for(int j=0;j<width;j++) { if (sqrt(pow(float(center.x-j),2)+pow(float(center.y-i),2))< radius) { //獲得某點的畫素值 value = srcImage.at<Vec3b>(i,j)[2]; //cvGetReal2D(img,i,j); if(value == 0) count++; } } ratio = float(count)/(3.14*radius*radius); if (ratio >= maxratio) { result[0] = circles[cn][0]; result[1] = circles[cn][1]; result[2] = radius; maxratio = ratio; } } printf("黑色點畫素的個數:%d\n",count); printf("瞳孔重合比率:%f\n",ratio); Point center1(cvRound(result[0]),cvRound(result[1])); circle(srcImage1,center1,3,Scalar(0,255,0),-1,8,0); circle(srcImage1,center1,result[2],Scalar(155,50,255),3,8,0); } //外圓 int r=result[2]; int value; int tmp_count = 0; int test=0; int outer_r = 0; int max_count = 0; int ti,tj; for(double tr = 1.8*r;tr< 3*r;tr++ ) // 半徑的長度 1.8倍的半徑到3倍的半徑 { tmp_count = 0; for(double angle = 0;angle<=60;angle++) { ti = cvRound(result[1] + tr*cos(angle)); tj = cvRound(result[0]+tr*sin(angle)); if ((ti < dst.rows) && (ti>0)&&(dst.cols)&&(tj>0)) value =dst.at<Vec3b>(ti,tj)[2]; else break; if( value == 255) tmp_count++; } if (tmp_count>=max_count) //白點個數最大的值,然後這個時候半徑就是外圓的半徑 { max_count = tmp_count; outer_r = tr; test++; } } printf("outer radius = %d\n",outer_r); //畫外圓,已經知道內圓的圓心,外圓也是這個圓心,外圓半徑的大小為outer_r Point center1(cvRound(result[0]),cvRound(result[1])); circle(srcImage1,center1,3,Scalar(0,255,0),-1,8,0); circle(srcImage1,center1,outer_r,Scalar(155,50,255),3,8,0); if(cn==0) { printf("No Circle Detected!!Please Check!!\n"); system("pause"); } imshow("效果圖",srcImage1); waitKey(0); return 0; }
最終的效果展示如下:
這樣就能實現 虹膜內外圓的精定位了!