如何使用霍夫变换进行虹膜内外边界的定位，这是虹膜识别中的关键步骤。
准备工作
- 确保已安装 Image Processing Toolbox（用于图像处理和霍夫变换）。
- 准备一张虹膜图像（建议分辨率不低于 320×240，光照均匀）。
- 将图像命名为
iris_image.jpg并放在当前工作目录，或修改代码中的文件名。
MATLAB 代码
%% 虹膜识别例程：基于霍夫变换的内外圆检测
% 功能：定位瞳孔（内圆）和虹膜（外圆），并归一化虹膜区域
clc; clear; close all;
%% 1. 读取图像并预处理
% 读取图像（请替换为您的图像路径）
I = imread('iris_image.jpg');
% 转换为灰度图
if size(I, 3) == 3
Igray = rgb2gray(I);
else
Igray = I;
end
% 显示原始图像
figure('Name', '原始图像', 'NumberTitle', 'off');
imshow(Igray);
title('原始虹膜图像');
% 使用中值滤波去除噪声（保持边缘）
I_filtered = medfilt2(Igray, [3 3]);
%% 2. 瞳孔检测（内圆）
% 瞳孔通常比虹膜暗，因此我们使用较暗的区域进行检测
% 使用 imfindcircles 函数，该函数基于霍夫变换
% 参数设置：
% - 'ObjectPolarity': 'dark' 表示检测暗色圆
% - 'Sensitivity': 0.9 控制检测的敏感度（越高越容易检测到圆）
% - 'EdgeThreshold': 0.1 控制边缘检测的阈值
[pupil_center, pupil_radius] = imfindcircles(I_filtered, [10 50], ...
'ObjectPolarity', 'dark', ...
'Sensitivity', 0.9, ...
'EdgeThreshold', 0.1);
% 如果未检测到瞳孔，尝试调整参数
if isempty(pupil_center)
warning('未检测到瞳孔，尝试调整参数...');
[pupil_center, pupil_radius] = imfindcircles(I_filtered, [10 50], ...
'ObjectPolarity', 'dark', ...
'Sensitivity', 0.95, ...
'EdgeThreshold', 0.05);
end
%% 3. 虹膜检测（外圆）
% 虹膜比瞳孔亮，但比眼白暗，我们使用 'bright' 极性检测
% 外圆半径通常比瞳孔大很多，因此需要更大的半径范围
[iris_center, iris_radius] = imfindcircles(I_filtered, [50 120], ...
'ObjectPolarity', 'bright', ...
'Sensitivity', 0.85, ...
'EdgeThreshold', 0.1);
% 如果未检测到虹膜，尝试调整参数
if isempty(iris_center)
warning('未检测到虹膜，尝试调整参数...');
[iris_center, iris_radius] = imfindcircles(I_filtered, [50 120], ...
'ObjectPolarity', 'bright', ...
'Sensitivity', 0.9, ...
'EdgeThreshold', 0.05);
end
%% 4. 显示检测结果
figure('Name', '瞳孔和虹膜检测', 'NumberTitle', 'off');
imshow(Igray);
hold on;
% 绘制瞳孔圆
if ~isempty(pupil_center)
viscircles(pupil_center, pupil_radius, 'EdgeColor', 'b', 'LineWidth', 2);
plot(pupil_center(1), pupil_center(2), 'bo', 'MarkerSize', 10, 'MarkerFaceColor', 'b');
text(pupil_center(1), pupil_center(2)-20, '瞳孔', 'Color', 'b', 'FontSize', 12, 'FontWeight', 'bold');
else
disp('警告：未检测到瞳孔！');
end
% 绘制虹膜圆
if ~isempty(iris_center)
viscircles(iris_center, iris_radius, 'EdgeColor', 'r', 'LineWidth', 2);
plot(iris_center(1), iris_center(2), 'ro', 'MarkerSize', 10, 'MarkerFaceColor', 'r');
text(iris_center(1), iris_center(2)+20, '虹膜', 'Color', 'r', 'FontSize', 12, 'FontWeight', 'bold');
else
disp('警告：未检测到虹膜！');
end
title('瞳孔和虹膜检测结果（蓝色：瞳孔，红色：虹膜）');
hold off;
%% 5. 虹膜区域归一化（Daugman的橡胶片模型）
% 将环形虹膜区域展开成矩形区域，便于后续特征提取
% 参数设置：
% - 径向分辨率：64（沿着半径方向采样点）
% - 角度分辨率：512（沿着圆周方向采样点）
if ~isempty(pupil_center) && ~isempty(iris_center)
% 归一化参数
radial_res = 64; % 径向采样点数
angular_res = 512; % 角度采样点数
% 创建极坐标网格
theta = linspace(0, 2*pi, angular_res);
r = linspace(pupil_radius, iris_radius, radial_res);
[Theta, R] = meshgrid(theta, r);
% 转换为笛卡尔坐标
X = iris_center(1) + R .* cos(Theta);
Y = iris_center(2) + R .* sin(Theta);
% 提取归一化后的虹膜图像
normalized_iris = interp2(double(Igray), X, Y, 'bilinear');
% 显示归一化后的虹膜图像
figure('Name', '归一化虹膜图像', 'NumberTitle', 'off');
imshow(uint8(normalized_iris));
title('归一化后的虹膜图像（矩形区域）');
xlabel('角度方向（0-512）');
ylabel('径向方向（瞳孔-虹膜边界）');
% 保存归一化图像（可选）
imwrite(uint8(normalized_iris), 'normalized_iris.png');
fprintf('归一化虹膜图像已保存为 normalized_iris.png\n');
else
disp('由于未检测到瞳孔或虹膜，无法进行归一化。');
end
%% 6. 特征提取示例（简化的Gabor滤波器）
% 这里仅作演示，实际应用中特征提取更为复杂
if exist('normalized_iris', 'var')
% 设计一个简单的Gabor滤波器
wavelength = 18; % 波长
orientation = 0; % 方向（弧度）
sigma = 0.56*wavelength; % 高斯包络的标准差
aspect_ratio = 0.5; % 长宽比
% 创建Gabor滤波器
gabor_filter = gabor(wavelength, orientation, sigma, aspect_ratio);
% 应用滤波器
filtered_iris = imfilter(normalized_iris, gabor_filter, 'symmetric');
% 显示滤波结果
figure('Name', 'Gabor滤波结果', 'NumberTitle', 'off');
subplot(1,2,1);
imshow(uint8(normalized_iris));
title('归一化虹膜图像');
subplot(1,2,2);
imshow(filtered_iris, []);
title('Gabor滤波后图像');
% 提取特征（例如，取均值、方差等）
features = [mean(filtered_iris(:)), var(filtered_iris(:))];
fprintf('提取的特征：均值=%.2f, 方差=%.2f\n', features(1), features(2));
else
disp('未进行特征提取，因为归一化步骤未完成。');
end
%% 7. 辅助函数：创建Gabor滤波器
function gabor = gabor(wavelength, orientation, sigma, aspect_ratio)
% 创建二维Gabor滤波器
% 参数：
% wavelength: 正弦波的波长（以像素为单位）
% orientation: 滤波器方向（弧度）
% sigma: 高斯包络的标准差
% aspect_ratio: 高斯包络的长宽比（sigma_x = sigma, sigma_y = sigma/aspect_ratio）
% 滤波器尺寸（奇数）
filter_size = ceil(3 * sigma * max(1, 1/aspect_ratio));
if mod(filter_size, 2) == 0
filter_size = filter_size + 1;
end
% 创建网格
[x, y] = meshgrid(-floor(filter_size/2):floor(filter_size/2), ...
-floor(filter_size/2):floor(filter_size/2));
% 旋转坐标
x_theta = x * cos(orientation) + y * sin(orientation);
y_theta = -x * sin(orientation) + y * cos(orientation);
% 高斯包络
gaussian_env = exp(-0.5 * (x_theta.^2 + (aspect_ratio*y_theta).^2) / sigma^2);
% 正弦波
sinusoidal = cos(2 * pi * x_theta / wavelength);
% Gabor滤波器
gabor = gaussian_env .* sinusoidal;
% 归一化（使其均值为0）
gabor = gabor - mean(gabor(:));
end
代码说明
1. 图像预处理
- 将彩色图像转换为灰度图。
- 使用中值滤波去除噪声，同时保留边缘信息。
2. 瞳孔检测（内圆）
- 使用
imfindcircles函数（基于霍夫变换）检测暗色圆形区域（瞳孔）。 - 通过调整
Sensitivity和EdgeThreshold参数来优化检测效果。
3. 虹膜检测（外圆）
- 使用
imfindcircles函数检测亮色圆形区域（虹膜）。 - 虹膜半径通常比瞳孔大，因此需要设置更大的半径范围。
4. 结果显示
- 在原图上叠加显示检测到的瞳孔和虹膜边界。
5. 虹膜区域归一化
- 使用 Daugman 的橡胶片模型将环形虹膜区域展开成矩形图像。
- 归一化后的图像大小为
radial_res × angular_res（默认 64×512）。
6. 特征提取（示例）
- 使用简单的 Gabor 滤波器对归一化后的虹膜图像进行滤波。
- 提取滤波后图像的统计特征（均值和方差）。
参考代码 利用MATLAB的虹膜识别例程，霍夫变换 www.youwenfan.com/contentali/77694.html
参数调整指南
| 参数 | 作用 | 调整建议 |
|---|---|---|
Sensitivity |
控制圆检测的敏感度 | 提高该值可增加检测到圆的可能性，但可能引入误检 |
EdgeThreshold |
控制边缘检测的阈值 | 降低该值可使更多边缘被检测，有利于弱边缘的圆 |
半径范围 [min_radius, max_radius] |
指定待检测圆的半径范围 | 根据实际图像中瞳孔和虹膜的大小进行调整 |
radial_res, angular_res |
归一化后的图像尺寸 | 增大这些值可提高特征分辨率，但会增加计算量 |
注意事项
- 图像质量：确保虹膜图像清晰、光照均匀，且眼睑和睫毛遮挡较少。
- 参数调整：不同人的虹膜大小差异较大，可能需要针对特定图像调整半径范围。
- 检测失败：如果检测失败，请尝试：
- 调整
Sensitivity和EdgeThreshold参数。 - 对图像进行对比度增强（例如直方图均衡化）。
- 使用形态学操作（如开运算、闭运算）去除小的噪声点。
- 调整
- 扩展性：本例程仅演示了基本流程。完整的虹膜识别系统还需要包括：
- 眼睑和睫毛检测与去除。
- 更复杂的特征提取方法（如多通道 Gabor 滤波器、小波变换等）。
- 特征匹配算法（如汉明距离、欧氏距离等）。
参考文献
- Daugman, J. (1993). High confidence visual recognition of persons by a test of statistical independence. IEEE Transactions on Pattern Analysis and Machine Intelligence, 15(11), 1148-1161.
- Wildes, R. P. (1997). Iris recognition: an emerging biometric technology. Proceedings of the IEEE, 85(9), 1348-1363.
