网站后台更新后前台没有同步更新,营销网站价格,做网咖的网站,郴州做网站的公司一、算法需求
在医疗检测中#xff0c;需要使用红外相机拍摄眼睛照片#xff0c;然后提取出虹膜的区域。在拍摄过程瞳孔需要进行运动#xff0c;其通常不在正前方#xff0c;无法形成圆形#xff0c;不能使用常规的霍夫圆检测进行提取定位。且在在红外图像中#xff0c;…一、算法需求
在医疗检测中需要使用红外相机拍摄眼睛照片然后提取出虹膜的区域。在拍摄过程瞳孔需要进行运动其通常不在正前方无法形成圆形不能使用常规的霍夫圆检测进行提取定位。且在在红外图像中虹膜区域与巩膜区域差别不明显(具体如下图所示)故需要设计出算法提取红外图像中的虹膜区域。
1.1 眼睛结构说明
虹膜为圆盘状膜中央有一黑孔称瞳孔具体如下图所示。如果光线过强虹膜内瞳孔括约肌收缩则瞳孔缩小光线变弱虹膜开大肌收缩瞳孔变大。
1.2 现有方法简述
通常使用霍夫圆检测实现瞳孔定位具体实现效果如下所示。 其先通过二值化方法获取瞳孔区域包含闭运算操作使瞳孔的圆闭合【瞳孔经常出现反光的情况】最后在对瞳孔区域进行霍夫圆检测。
参考链接https://blog.csdn.net/cungudafa/article/details/119726505
使用opencv的椭圆检测进行定位时发现以下情况当瞳孔运动到眼球边缘时其无法准确的检测到瞳孔霍夫圆检测的黄色圆与瞳孔区域没有严格的贴合。 使用椭圆拟合则可以准确的圈出瞳孔区域
二、问题分析
对现有的多个数据进行分析发现眼球照片有以下特点 1、在红外图像中虹膜与巩膜区域没有显著性差异性》不可以使用现有虹膜提取方法 2、虹膜以瞳孔为中心跟随瞳孔运动方向进行同步移动》可以将虹膜提取转化为瞳孔提取
三、核心思路
1、读取图片为灰度图并优化图像质量使用滤波尽可能减少图像背景的复杂度 2、对图像进行二值化其可以根据调试效果设置二值化阈值瞳孔区域与眼球其他区域存在显著的颜色差异 3、对瞳孔区域进行优化使用闭运算移除瞳孔中的反光区域 4、获取图像中的轮廓并进行椭圆拟合并根据拟合结果排除错误的椭圆根据拟合椭圆长轴与短轴值判定 5、根据瞳孔与虹膜的半径比假定虹膜的椭圆轴长绘制椭圆mask在原图中截取出虹膜区域。
四、具体实现
读取后的图片如下所示 进行二值化后得到以下图像可以看到瞳孔中存在黑洞其他区域存在白色干扰点。 先找到图像中最大面积的连通域然后进行闭运算最终得到的结果如下所示 然后获取轮廓并进行椭圆拟合然后将拟合的椭圆绘制在原图与mask上画在原图上的椭圆要使用原始值而画在mask上的椭圆需要对长轴和短轴值进行放大使其能尽可能的盖住虹膜区域 使用mask与原图进行与运算可以得到以下结果 根据连通域获取外接矩形将虹膜区域裁剪出来得到以下图片
五、完整代码
完整代码如下所示
import numpy as np
import cv2
from matplotlib import pyplot as plt
import osdef find_topK_areo(img,k1):ret,resultcv2.threshold(img,128,255,cv2.THRESH_BINARY)contours, hierarchy cv2.findContours(result,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)#找到最大面积连通域areos[]for i in range(len(contours)):area cv2.contourArea(contours[i])areos.append({area:area,id:i})areos.sort(keylambda x:x[area],reverseTrue)topk_areoareos[:k]blacknp.zeros(result.shape,np.uint8)for f in topk_areo:cv2.drawContours(black,contours,f[id],(255,255,255),-1)return blackdef getHoughCircle(img):blur cv2.GaussianBlur(img, (3, 3), 5) # 高斯模糊给出高斯模糊矩阵和标准差gray cv2.cvtColor(blur, cv2.COLOR_BGR2GRAY)# 灰度化# 图像二值化全局自适应阈值:对输入的单通道矩阵逐像素进行阈值分割#ret, binary cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_TRIANGLE)ret,binarycv2.threshold(gray, 50, 255, cv2.THRESH_BINARY_INV)dstfind_topK_areo(binary,1)kernelnp.ones((3,3),np.uint8)dst_closecv2.morphologyEx(dst, cv2.MORPH_CLOSE, kernel)cnt, hierarchy cv2.findContours(dst_close, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)print(len(cnt)) # 得到该图中总的轮廓数量mask np.zeros(dst.shape, np.uint8 )#生成全黑的maskfor i in range(len(cnt)):# 椭圆拟合#x, y代表椭圆中心点的位置,a, b代表长短轴长度应注意a、b为长短轴的直径而非半径,angle 代表了中心旋转的角度ellipse cv2.fitEllipse(cnt[i])(cx, cy), (a, b), angleellipseprint((cx, cy), (a, b), angle) #椭圆拟合结果有一些非瞳孔区域需要跳过。经过观察其a与b的值特别小if ab40:continue# 绘制椭圆使用ellipse(img, ellipse,color, 2)方法不要使用另外一种多参数的用法cv2.ellipse(img, ellipse,(0,0,255), 2)cv2.drawContours(img,cnt,i,(0,0,255),1)#将椭圆区域进行放大使其转换虹膜的mask圆ellipse((cx, cy), (a*2.5, b*2.5), angle)cv2.ellipse(mask, ellipse,(255,255,255), -1)rescv2.bitwise_and(gray,mask) #与灰度图进行与运算提取目标区域虹膜)contours, _ cv2.findContours(mask,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)for cont in contours:# 外接矩形x, y, w, h cv2.boundingRect(cont)#裁剪出椭圆区域cropres[y:yh,x:xw]return crop if __name____main__:path vedio/tor3.avi/crop1getHoughCircle(cv2.imread(pathtor3.avi1.jpg,1))cv2.imshow(crop,crop1)cv2.waitKey(0)
