使用 hough 进行瞳孔检测的最佳参数？ java opencv

Question

----------------阅读下面的编辑-------------- 我正在尝试检测各种图像中瞳孔和虹膜的边缘。我正在更改参数等，但我只能设法使一个 iris/pupil 轮廓正确，或者在背景中获得不必要的轮廓，或者根本 none。是我应该尝试并获得正确轮廓的一些特定参数。或者有什么方法可以将图像裁剪到眼睛，以便系统可以专注于该部分？

这是我的更新方法：

private void findPupilIris() throws IOException {
    //converts and saves image in grayscale

    Mat newimg = Imgcodecs.imread("/Users/.../pic.jpg");
    Mat des = new Mat(newimg.rows(), newimg.cols(), newimg.type());
    Mat norm = new Mat();

    Imgproc.cvtColor(newimg, des, Imgproc.COLOR_BGR2HSV);
    List<Mat> hsv = new ArrayList<Mat>();
    Core.split(des, hsv);
    Mat v = hsv.get(2); //gets the grey scale version

    Imgcodecs.imwrite("/Users/Lisa-Maria/Documents/CapturedImages/B&Wpic.jpg", v); //only writes mats

    CLAHE clahe = Imgproc.createCLAHE(2.0, new Size(8,8) ); //2.0, new Size(8,8) 
    clahe.apply(v,v);
//    Imgproc.GaussianBlur(v, v, new Size(9,9), 3); //adds left pupil boundary and random circle on 'a'
 //   Imgproc.GaussianBlur(v, v, new Size(9,9), 13); //adds right outer iris boundary and random circle on 'a'
    Imgproc.GaussianBlur(v, v, new Size(9,9), 7);  //adds left outer iris boundary and random circle on left by hair
  //  Imgproc.GaussianBlur(v, v, new Size(7,7), 15);
    Core.addWeighted(v, 1.5, v, -0.5, 0, v);


    Imgcodecs.imwrite("/Users/.../after.jpg", v); //only writes mats
    if (v != null) {
        Mat circles = new Mat();

        Imgproc.HoughCircles( v, circles, Imgproc.CV_HOUGH_GRADIENT, 2, v.rows(), 100, 20, 20, 200 );

        List<MatOfPoint> contours = new ArrayList<MatOfPoint>();

        System.out.println("circles.cols() " + circles.cols());
        if(circles.cols() > 0) {
            System.out.println("1");
            for (int x = 0; x < circles.cols(); x++) {
                System.out.println("2");
                double vCircle[] = circles.get(0, x);


                if(vCircle == null) {
                    break;
                }

                Point pt = new Point(Math.round(vCircle[0]), Math.round(vCircle[1]));
                int radius = (int) Math.round(vCircle[2]);

                //draw the found circle




                Imgproc.circle(v, pt, radius, new Scalar(255,0,0),2); //newimg
                //Imgproc.circle(des, pt, radius/3, new Scalar(225,0,0),2); //pupil
                Imgcodecs.imwrite("/Users/.../Houghpic.jpg", v); //newimg

                //draw the mask: white circle on black background
//                  Mat mask = new Mat( new Size( des.cols(), des.rows() ), CvType.CV_8UC1 );
//                  Imgproc.circle(mask, pt, radius, new Scalar(255,0,0),2); 

//                  des.copyTo(des,mask);
//                  Imgcodecs.imwrite("/Users/..../mask.jpg", des); //newimg


                Imgproc.logPolar(des, norm, pt, radius, Imgproc.WARP_FILL_OUTLIERS);
                Imgcodecs.imwrite("/Users/..../Normalised.jpg",norm);
            }
        }
    }
}

结果：hough pic

Answer 1

在评论中进行讨论后，我发布了一个一般性答案，其中包含一些我在 OP 上传的最坏情况图像上得到的结果。

注意：我发布的代码在Python，因为它是我写得最快的

第 1 步。当您要求裁剪图像的方法以便只关注眼睛时，您可能需要查看 Face Detection。由于图像基本上只需要找到眼睛，我做了以下操作：

eye_cascade = cv2.CascadeClassifier('haarcascade_eye.xml')
eyes = eye_cascade.detectMultiScale(v) // v is the value channel of the HSV image
// The results "eyes" gives you the dimensions of the rectangle where the eyes are detected as [x, y, w, h]
// Just for drawing 
cv2.rectangle(v, (x1, y1), (x1+w1, y1+h1), (0, 255, 0), 2)
cv2.rectangle(v, (x2, y2), (x2+w2, y2+h2), (0, 255, 0), 2)

现在，一旦有了边界矩形，就可以像这样从图像中裁剪矩形：

crop_eye1 = v[y1:y1+h1, x1:x1+w1]
crop_eye2 = v[y2:y2+h2, x2:x2+w2]

获得矩形后，我建议您查看不同的颜色空间，而不是特别是 RGB/BGR、HSV/Lab/Luv。

因为数字图像中物体颜色的 R、G 和 B 分量都与照射物体的光量相关，因此彼此之间，图像描述这些组件使物体辨别变得困难。 hue/lightness/chroma 或 hue/lightness/saturation 的描述通常更相关

然后，一旦你有了眼睛，就该平衡图像的对比度了，但是，我建议使用 CLAHE 并使用 clipLimit 和 [=15= 的参数].这是我不久前在 Java 中实现的代码：

private static Mat clahe(Mat image, int ClipLimit, Size size){
  CLAHE clahe = Imgproc.createCLAHE();
  clahe.setClipLimit(ClipLimit);
  clahe.setTilesGridSize(size);
  Mat dest_image = new Mat();
  clahe.apply(image, dest_image);
  return dest_image;
}

满意后，您应该锐化图像，以便HoughCircle is robust. You should look at unsharpMask。这是 Java 中用于我在 Java 中实现的 UnsharpMask 的代码：

private static Mat unsharpMask(Mat input_image, Size size, double sigma){

// Make sure the {input_image} is gray.
  Mat sharpend_image = new Mat(input_image.rows(), input_image.cols(), input_image.type());
  Mat Blurred_image = new Mat(input_image.rows(), input_image.cols(), input_image.type());
  Imgproc.GaussianBlur(input_image, Blurred_image, size, sigma);
  Core.addWeighted(input_image, 2.0D, Blurred_image, -1.0D, 0.0D, sharpened_image);
  return sharpened_image;
}

或者，您可以使用 bilateral filter, which is edge preserving smoothing, or read through this 定义用于锐化图像的自定义内核。希望对您有所帮助，祝您好运！

使用 hough 进行瞳孔检测的最佳参数？ java opencv

Best parameters for pupil detection using hough? java opencv

java

opencv

detection

hough-transform

iris-recognition