虹膜识别|虹膜识别（三）（Hough变换检测内圆边缘） matlab|虹膜识别|编程|算法|模式

前面我们已经得到了hough变换的基础条件，那就是有一个很好的用于检测的二值边缘图像如下所示：

文章图片

至此我们才能运用hough变换。
Hough变换是一类广泛用于检测各种规则图形用的，像直线、圆、椭圆等等，不同的就是检测的规律不同。Hough变换的原理网上多得是，像http://blog.163.com/yuyang_tech/blog/static/21605008320130233343990/我当初也是百度上查的，就不详细说原理了（可能也说不明白），直接上程序了。。

function mean_circle = hough_circle(BW,step_r,step_angle,r_min,r_max,p) %------------------------------算法概述----------------------------- % 该算法通过a = x-r*cos(angle)，b = y-r*sin(angle)将圆图像中的边缘点 % 映射到参数空间(a,b,r)中，由于是数字图像且采取极坐标，angle和r都取 % 一定的范围和步长，这样通过两重循环（angle循环和r循环）即可将原图像 % 空间的点映射到参数空间中，再在参数空间（即一个由许多小立方体组成的 % 大立方体)中寻找圆心，然后求出半径坐标。 %------------------------------------------------------------------- %------------------------------输入参数----------------------------- % BW:二值图像； % step_r:检测的圆半径步长 % step_angle:角度步长，单位为弧度:各度计算1° = 0.0174 %2° = 0.035 %3° = 0.0524 %4° = 0.0698 %5° = 0.0872 % r_min:最小圆半径 % r_max:最大圆半径 % p:以p*hough_space的最大值为阈值，p取0，1之间的数 %------------------------------------------------------------------- %--------对半径的大小范围规定问题-------- %------ 实验中发现：外轮廓的半径范围在220~260之间 %内轮廓的半径范围 60~80之间 %Note：：&&&&&&&&&&&当图像改变时半径范围需要改变&&&&&&&&&&&& %question：半径的范围差超过50将会显示内存不足，注意方案办法 %------------------------------输出参数----------------------------- % hough_space:参数空间，h(a,b,r)表示圆心在(a,b)半径为r的圆上的点数 % hough_circl:二值图像，检测到的圆 % para:检测到的所有圆的圆心、半径 % mean_circle ：返回检测到的圆的平均位置及大小 %-------------------------------------------------------------------[m,n] = size(BW); %取大小 size_r = round((r_max-r_min)/step_r)+1; %半径增加，循环次数 size_angle = round(2*pi/step_angle); %角度增加，循环次数 hough_space = zeros(m,n,size_r); %hough空间 [rows,cols] = find(BW); %把要检测的点存起来，只有白色（边缘）点需要变换 ecount = size(rows); %检测的点的个数tic%%%% 计时开始位置 % Hough变换 % 将图像空间(x,y)对应到参数空间(a,b,r) % a = x-r*cos(angle) % b = y-r*sin(angle) for i=1:ecount%点个数循环 for r=1:size_r%单个点在所有半径空间内检测 for k=1:size_angle%单个点在半径一定的所在圆内检测 a = round(rows(i)-(r_min+(r-1)*step_r)*cos(k*step_angle)); b = round(cols(i)-(r_min+(r-1)*step_r)*sin(k*step_angle)); if(a>0&a<=m&b>0&b<=n)%对应到某个圆上，记录之 hough_space(a,b,r) = hough_space(a,b,r)+1; end end end end % 搜索超过阈值的聚集点 max_para = max(max(max(hough_space))); %找到最大值所在圆参数 index = find(hough_space>=max_para*p); %索引在一定范围内的圆参数 length = size(index); toc%%%% 计时结束位置，通过计时观察运行效率，hough变换的一大缺点就是耗时% 将索引结果转换为对应的行列（圆心）和半径大小 % 理解三维矩阵在内存中的存储方式可以理解公式的原理 for k=1:length par3 = floor(index(k)/(m*n))+1; par2 = floor((index(k)-(par3-1)*(m*n))/m)+1; %转换为圆心的y值 par1 = index(k)-(par3-1)*(m*n)-(par2-1)*m; %转换为圆心的x值 par3 = r_min+(par3-1)*step_r; %转化为圆的半径 %储存在一起 para(:,k) = [par1,par2,par3]'; end % 为提高准确性，求取一个大致的平均位置（而不是直接采用的最大值） mean_circle = round(mean(para')');

导入二值图后，设置一定步长参数运行，例如：mean_circle = hough_circle(J,2,0.0524,60,80,0.9);
这样就得到了内圆的参数值，运行结果如下：
运行时间：Elapsed time is 0.409292 seconds.

>> mean_circle

mean_circle =

326
331
66

可以看到圆心坐标和半径参数，在坐标中画出这个圆，编写画圆函数如下：

function plot_circle(circle_num) %------------------------------输入参数----------------------------- %给定圆的参数画出一个圆形 %圆参数circle_num: %circle_num(1) : 圆心横坐标 %circle_num(2) ：圆心纵坐标 %circle_num(3) ：圆的半径 %------------------------------------------------------------------- radius_y = circle_num(1); radius_x = circle_num(2); radius = circle_num(3); alpha=0:pi/20:2*pi; %角度[0,2*pi] R=radius; %半径 %规整到图的对应位置 x=R*cos(alpha)+radius_x; y=R*sin(alpha)+radius_y; hold on,plot(x,y)

最后把圆的参数和以前的那个图画在一起如下： 【虹膜识别|虹膜识别（三）（Hough变换检测内圆边缘）】