虹膜识别(一)--基于几何特征确定中心点

该篇介绍如何对一个虹膜眼睛中心进行定位识别,这里以我做的一种方法写一下,当然还有很多其他更好的方法,仅做参考下。

正常情况下,一副拍好的虹膜图像如下所示(当然有的可能不一样,大概相同):

 虹膜识别(一)--基于几何特征确定中心点_第1张图片

从图上可以看出,要想定位出图中眼睛的中心还有一些问题,研究方法也有很多种,我采用的是基于人眼特征和基于棱阔的hough变换检测来做的。简单来说,根据图的特征,我们会发现人眼虹膜图的灰度值呈现一定的变化,了解图像的知道,在分辨率为256时,黑色灰度值为0,白色灰度值为256,图像也是这样一系列的灰度值组成的,现在我们通过matlab导入这个图像,把图像的每一横和列的所有灰度值相加,最后画出这个灰度变化图如下:

 虹膜识别(一)--基于几何特征确定中心点_第2张图片

虹膜识别(一)--基于几何特征确定中心点_第3张图片

通过这种灰度和的图像,我们很容易找到虹膜眼睛的圆心即为两幅图的最低点,找出最低点对应的坐标值就是圆心所在位置,这幅图像圆心大概就在(340,290)。

如图中亮点所示:

 虹膜识别(一)--基于几何特征确定中心点_第4张图片

这里有一些问题,不同的图像这两个图差别很大,而且直接用原图来进行这种操作产生的误差会很大,为什么会很大了?主要是一些噪声的影响(主要包括眼睫毛(影响最大),灯光产生的白色亮点等等),为了更好的消除它们的影响,在开始就先进行一次滤波嘈杂,比如说用中值滤波法:img = medfilt2(img,[x y],'symmetric');这样得到的图如下:

 虹膜识别(一)--基于几何特征确定中心点_第5张图片

在对上面这个图进行上述的横向纵向灰度值累加:num_x = sum(img);num_y = sum(img');最后画出这两个:figure,plot(num_x); figure,plot(num_y);就是上面显示的图了。至于如何从上面的那个坐标图找出最小值就很简单了,这里附下我的方法:

function findmin = find_min(Sum)
%------------------------------输入参数-----------------------------
%    区域搜索找到可以搜索的中心
%     sum  =1*num矩阵
%          返回findmin =  num1,像素和和最小值          
           
%-------------------------------------------------------------------
ss = size(Sum);
num = ss(2);
i=1;
while Sum(i+5) > Sum(i)
    i = i+1 ; 
    if i > num
    end   
end
num_max1 = i;
j = num;
while Sum(j-5) > Sum(j)
    j = j-1;
    if j<1 
    end
end
num_max2 = j;
sum1 = num_max1;
num_min = num_max1 ; 
for k = num_max1:num_max2
    if Sum(k) < Sum(sum1)
        sum1 = k;
        num_min = k;
    end
end
findmin = num_min;

 

你可能感兴趣的:(算法,matlab,虹膜识别,几何特征)