Was sind die richtigen Verwendung/parameter-Werte für HoughCircles in OpenCV für die Iris-Erkennung?

Die ich gelesen habe über das Thema aber nicht auf die Idee kommen, in "verständlicher Sprache" über die Verwendung und die Parameter für HoughCircles (speziell diejenigen, die nach CV_HOUGH_GRADIENT).

Was ist ein Akku-Schwelle? 100 "Stimmen" einen richtigen Wert?

Ich finden konnte und die "Maske" der Schüler, und arbeitete mich durch die Canny - Funktion, aber ich bin kämpfen, darüber hinaus und mein problem ist das HoughCircles Funktion. Es scheint zu sein, scheitern bei der Suche nach der Iris " Kreis und ich weiß nicht, warum.

- Und dies ist die Funktion, die ich arbeite:

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)

InformationsquelleAutor pctroll | 2012-05-23

17

HoughCircles kann etwas tricky, ich schlage vor, auf der Suche durch dieser thread. Wo eine Reihe von Menschen, einschließlich mir ;), diskutieren, wie es zu benutzen. Der key-parameter ist param2, die so genannte accumulator threshold. Im Grunde, je höher es ist, desto weniger Kreise, die Sie erhalten. Und diese Kreise haben eine höhere Wahrscheinlichkeit der Richtigkeit. Der beste Wert für jedes Bild. Ich denke, der beste Ansatz ist die Verwendung einer parameter Suche auf param2. Dh. versuche es Werte, bis Ihre Kriterien erfüllt sind (wie: es gibt 2 Kreise, oder max. Anzahl der Kreise, die nicht überlappen, etc.). Ich habe einige code, der funktioniert eine binäre Suche auf 'param2', so dass es die Kriterien erfüllen schnell.

Der andere entscheidende Faktor ist die pre-processing, versuchen, um das Rauschen zu reduzieren und zu vereinfachen, das Bild. Eine Kombination von Unschärfe/schwellenwertbestimmung/canny ist gut für diese.

Jedenfalls, bekomme ich diese:

Von Ihrem uploded Bild, mit diesem code:
```
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)
```
Update

Ich begreife, dass ich etwas verpassen-deine Frage Lesen! Sie wirklich wollen, zu finden, die iris Kanten. Sie sind nicht so klar definiert, wie die Schülerinnen und Schüler. Also müssen wir helfen HoughCircles so viel wie möglich. Wir können dies tun, indem Sie:
1. Angabe einer Größe für die iris (können wir erarbeiten einen plausiblen Bereich von der Pupillengröße).
2. Erhöhung der Mindestabstand zwischen Kreis-Zentren (wir wissen, zwei Iris kann niemals überschneiden, so können wir sicher stellen Sie diesen auf das minimum iris Größe)
Und dann müssen wir ein param-Suche auf param2 wieder. Ersatz der 'HoughCircles' - Zeile im obigen code mit diesem:
```
cv.HoughCircles(processed, storage, cv.CV_HOUGH_GRADIENT, 2, 100.0, 30, 150,100,140)
```
Wird uns dies:

Das ist nicht zu schlecht.

Dank fraxel. Es ist das gleiche Verfahren für die Feststellung der Iris' äußere Grenze? Wie Sie sehen können, mein problem ist nicht die Pupille, sondern die äußeren Auge-ring. Ich habe den Schwerpunkt mit regelmäßigen Farbe der isolation wie man hier sehen kann bit.ly/Lqaz4J ich gebe den code versuchen, nach der Rückkehr von der Arbeit =) vielen Dank nochmal.
sorry, ich vermisse deine Frage verstanden! Ich habe korrigiert meine Antwort zu tun, was Sie wollen :). Können Sie wahrscheinlich verwenden Sie Ihr Schwerpunkt-info, um die position der Kreise besser.
vielen Dank!. Und ja, ich kann gearbeitet aus der Mitte besser. Aber Es ist sehr interessant wie die Funktion findet den Kreis, trotz des Lärms (ich habe gelesen über Hough-Transformation, aber ich bin sehr visuell und ich hatte Canny und Glatt in der umgekehrten Reihenfolge).

InformationsquelleAutor fraxel
1

Mein alternativer Vorschlag ist die Verwendung von Schwellenwert und der Blob-Analyse. Es einfacher zu erkennen, die iris als die Verwendung von canny edge und hough-Transformation.

Meine Art ist... Sie Zuerst Schwelle. Pick-up alle threshold-Wert, bis die schwarz-weiß-Bild erzeugen nur (schwarze Farbe) iris und die Wimpern.

Dann trennen sich die iris und die Wimpern, indem Sie in blob-Analyse Wert min Länge auf XX und min-width auf YY. Der XX-und YY-Wert ist der Wert der iris, die Länge und die Breite.

+1 für die Verwendung von Blob-Analyse statt Hough circle detection. Ich Neige zu sehr ungenaue Ergebnisse mit OpenCV-Implementierung des Kreis-Hough-Transformation, wenn die Schrittweite des Parameters Platz suchen, war zu groß. Ich hätte klar definiert sind volle Kreise, wo gerade die Anpassung der centre point-ein oder zwei Pixel zu einer Seite machen würde, die erkannt Kreis passen viel genauer auf die kontraständerungen im Bild (sichtbar in den Bildern der akzeptierten Antworten, auch). Blobs neigen dazu, gib mir eine viel präzisere Mittelpunkt und radius.

InformationsquelleAutor Zulhilmi

Schreibe einen Kommentar

Du musst angemeldet sein, um einen Kommentar abzugeben.