Не в состоянии обнаружить зрачок глаз, используя крутой круг в открытом cv и python

Question

Мой проект состоит в том, чтобы извлечь инвариантные особенности радужной оболочки пропавшего человека и сравнить ее с найденными людьми, чтобы найти совпадение.

Я успешно применил haar-cascade для обнаружения лица и глаз, затем применил smooth() и canny() для удаления шума и обнаружения краев

Теперь я застрял с кружком грубо, чтобы обнаружить зрачок и центр зрачка, то есть положение радужной оболочки. Я должен настроить параметры круга кругооборота для каждого изображения так, чтобы он обнаружил зрачок. И я понятия не имею, как я получаю центр и продолжаю извлекать инвариантную особенность радужной оболочки.. пожалуйста, помогите!

вот мой код

import numpy as np
import cv2
face_cascade =cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
eye_cascade = cv2.CascadeClassifier('haarcascade_eye_tree_eyeglasses.xml')
img = cv2.imread('sheikha.jpg',0)
img = cv2.bilateralFilter(img, 5, 175, 175) 
edges = cv2.Canny(img, 100, 100)
faces = face_cascade.detectMultiScale(
        img, scaleFactor=1.3, minNeighbors=5, minSize=(30, 30))
print "Detected %d faces." % len(faces)
print "Drawing rectangles..."
for (x, y, w, h) in faces:
        cv2.rectangle(img, (x, y), (x + w, y + h), (0,255,0), 2)
        eyes = eye_cascade.detectMultiScale(img, scaleFactor=1.3, minNeighbors=5,minSize=(10,10))
        for (ex,ey,ew,eh) in eyes :
            #if neye < 3:
            imgCrop = edges[ey:ey+eh,ex:ex+ew]           
            circles = cv2.HoughCircles(imgCrop,cv2.cv.CV_HOUGH_GRADIENT,1,60,param1=90,param2=10,minRadius=10,maxRadius=20) 
            circles = np.uint16(np.around(circles))
            for i in circles[0,:]:
                cv2.circle(imgCrop,(i[0],i[1]),i[2],(255,255,0),2)

print "Drawn Rectangles."
#cv2.imshow('edge',edges)
cv2.imshow('image',imgCrop)
cv2.waitKey(0)
cv2.destroyAllWindows()

Answer 1

Если вы ожидаете, что алгоритм Hough будет каждый раз давать один и тот же результат, вам придется каждый раз подавать его с одинаковым изображением. По сути, вы хотите предварительно обработать изображение ученика, чтобы все они выглядели почти одинаково. Взгляните на Thresholding, Adaptive Threhsolding и все интересные вещи, такие как размывание, нерезкое маскирование, клэши и т. Д.

Не забывайте контролировать изображение вместе с кодом на каждом этапе предварительной обработки - оно может легко выйти из-под контроля и запутаться. Сравнивайте изображения визуально и ищите четко определенные (в идеале, без шума и других кругов) схожие бинарные изображения ученика, чтобы узнать, увидит ли Хоф изображения практически идентичные, и, таким образом, обнаружить круги с одинаковыми параметрами.

Другая идея состояла бы в том, чтобы вообще отказаться от идеи Хафа. Посмотрите на поиск контуров и их функции ( ссылка 1; ссылка 2). Без данных не могу сказать, но это определенно альтернатива, о которой нужно знать.