Quali sono i valori di utilizzo/parametro corretti per HoughCircles in OpenCV per il rilevamento dell'iride?

Question

Ho letto sull'argomento ma non riesco a ottenere l'idea in "inglese semplice" sull'utilizzo e i parametri per HoughCircles (in particolare quelli dopo CV_HOUGH_GRADIENT).

Cos'è una soglia di accumulatore? Sono 100 "voti" un giusto valore?

Sono riuscito a trovare e "mascherare" l'alunno, e mi sono fatto strada attraverso la funzione Canny, ma mi sto sforzando oltre e il mio problema è la funzione HoughCircles. Sembra che non riesca a trovare il cerchio di Iris e non so perché.

E questa è la funzione su cui sto lavorando:

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) 

Answer 1

HoughCircles può essere un po 'difficile, suggerisco di guardare attraverso this thread. Dove un gruppo di persone, incluso me;), discute come usarlo. Il parametro chiave è param2, il cosiddetto accumulator threshold. Fondamentalmente, più alto è il numero di cerchi che ottieni. E questi cerchi hanno una maggiore probabilità di essere corretti. Il miglior valore è diverso per ogni immagine. Penso che l'approccio migliore sia utilizzare una ricerca parametri su param2. Vale a dire. continua a provare i valori fino a quando i tuoi criteri non sono soddisfatti (ad esempio: ci sono 2 cerchi, o il numero massimo di cerchi che non si sovrappongono, ecc.). Ho del codice che fa una ricerca binaria su "param2", quindi soddisfa rapidamente i criteri.

L'altro fattore cruciale è la pre-elaborazione, cercare di ridurre il rumore e semplificare l'immagine. Una combinazione di sfocatura/soglia/canny è buona per questo.

Comunque, ottengo questo:

dall'immagine uploded, utilizzando questo codice:

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) 

Aggiornamento

mi rendo conto che un po 'miss-letto la tua domanda! In realtà si desidera trovare i bordi iris. Non sono così chiaramente definiti, come gli alunni. Quindi dobbiamo aiutare il più possibile a HoughCircles. Possiamo fare ciò:

1. Specificare un intervallo di dimensioni per l'iride (possiamo calcolare un intervallo plausibile dalla dimensione della pupilla).
2. Aumentando la distanza minima tra i centri cerchio (sappiamo due iridi possono mai sovrapporsi, in modo che possiamo tranquillamente impostare questo alla nostra dimensione minima del diaframma)

E poi abbiamo bisogno di fare una ricerca param su param2 di nuovo.Sostituzione della linea di 'HoughCircles' nel codice qui sopra con questo:

cv.HoughCircles(processed, storage, cv.CV_HOUGH_GRADIENT, 2, 100.0, 30, 150,100,140) 

noi ottiene questo:

Il che non è male.

Answer 2

Il mio suggerimento alternativo è di usare l'analisi Soglia e Blob. È più semplice rilevare l'iride piuttosto che utilizzare la trasformazione canny edge e hough.

La mia strada è ... Prima la soglia. Prelevare qualsiasi valore di soglia fino a quando l'immagine in bianco e nero produce solo iride e ciglia (colore nero).

Quindi separare l'iride e le ciglia inserendo il valore di analisi della blob min lunghezza a XX e larghezza minima a YY. I valori XX e YY sono il valore della lunghezza e della larghezza dell'iride.