OpenCV提取轮廓的方法获取瞳孔区域及中心

OpenCV获取瞳孔区域及中心

1、目标：获取人眼感兴趣之后，利用图像处理知识，提取图像轮廓，根据目标物体具体的宽高比，面积等信息筛选轮廓，生成轮廓凸包，获得目标物体中心。

                                

图1人眼区域图片                            图2二值化后的瞳孔区域mat_threshold（合适的阈值需不断迭代获取，过程复杂）

 

2、实现过程：

提取轮廓的通用方法比较成熟，OpenCV也提供相对成熟的代码可供使用。因此，简要介绍过程：

 

cv::findContours(mat_threshold, contours,hierarchy, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE, cv::Point(0, 0));

//提取图像轮廓。只检测外轮廓；压缩各元素，只保留该方向的终点坐标。

{

//主要函数

float tmparea =(float)cv::contourArea(contours[j]); //计算轮廓的面积

cv::RotatedRect rect =cv::minAreaRect(contours[j]);//求包含点集最小面积的矩形

 

cv::Rect aRect =cv::boundingRect(contours[j]);//计算点集的最外面（up-right）矩形边界

 

cv::vector<cv::vector<cv::Point>>hull(contours.size());

convexHull(cv::Mat(contours[j]), hull[j],false, true); //能得到轮廓的凸包。

//通过以上获取的信息，根据目标物体具体的宽高比，面积等信息筛选轮廓。具体问题，具体分析。

}

cv::drawContours(mat_blob, hull, 0,RGB(255, 0, 0), CV_FILLED);    //实心画出图片

图3瞳孔凸包区域图像

 

根据瞳孔几何关系、最小二乘方式等，不断收敛到瞳孔中心，输出并标记瞳孔中心。与标定的瞳孔中心的差距小，能达到开发要求。

图4瞳孔中心（红色十字叉表示）

光斑中心检测过程简单很多。大致思路一致。