【文章內(nèi)容簡介】 原圖使用閾值 T =38來進(jìn)行二值化閾值分割， 所示。值得說明的是，在后面的實現(xiàn)系統(tǒng)中，也是采用固定閾值來進(jìn)行瞳孔粗分割。這樣處理，既節(jié)約了閾值選擇所花費的時間消耗，也達(dá)到了分割出大部分瞳孔的目的。圖 灰度直方圖 二值化將256個亮度等級的灰度圖像通過適當(dāng)?shù)拈撝颠x取而獲得仍然可以反映圖像整體和局部特征的二值化圖像。在數(shù)字圖像處理中，二值圖像占有非常重要的地位，首先，圖像的二值化有利于圖像的進(jìn)一步處理，使圖像變得簡單，而且數(shù)據(jù)量減小，能凸顯出感興趣的目標(biāo)的輪廓。其次，要進(jìn)行二值圖像的處理與分析，首先要把灰度圖像二值化，得到二值化圖像。所有灰度大于或等于閾值的像素被判定為屬于特定物體，其灰度值為255表示，否則這些像素點被排除在物體區(qū)域以外，灰度值為0，表示背景或者例外的物體區(qū)域。圖像二值化也叫圖像黑白化，那么，彩色圖像黑白化處理通常有三種方法：最大值法、平均值法、加權(quán)平均值法，公式法 。下面詳細(xì)介紹四種方法的原理：最大值法：最大值法是每個像素點的RGB值等于原像素點的RGB值中最大的一個，即R=G=B=MAX( R,G,B )；效果，最大值產(chǎn)生亮度很高的黑白圖像。平均值法：平均值法使每個像素點的RGB值等于原像素點的RGB值的平均值，即R=G=B=(R+G+B)/3。加權(quán)平均法：加權(quán)平均法根據(jù)需要指定每個像素點RGB的權(quán)數(shù)，并取其加權(quán)平均值，即R=G=B=(Wr*R+Wg*G+Wb*B )/3，Wr、Wg、Wb表示RGB的權(quán)數(shù)，均大于零，通過取不同的權(quán)數(shù)可實現(xiàn)不同的效果。公式法：gray=*R+*G+*B （）其中R、G、B為RGB的像素值。 種子點定位可以對二值化后的瞳孔圖像的水平和垂直兩個方向進(jìn)行灰度值投影，沿坐標(biāo)軸方向的進(jìn)行灰度值加值。設(shè)圖像尺寸大小是 m n，則得到：水平投影： 垂直投影： 而本文僅對灰度值為0的點進(jìn)行統(tǒng)計，在二值化后的瞳孔圖像中沿著水平和垂直兩個方向進(jìn)行掃描。繪制垂直和水平方向上的統(tǒng)計，最后找到兩個方向上像素個數(shù)累加值最大點所在的位置，則得到位于瞳孔中種子點的坐標(biāo)（Xmax(i),Ymax(j)）。如果原圖的尺寸較大，那么在整個運算過程中，種子點的查找會消耗大量的時間。為了提高查找種子點的速度，在整個算法流程中，在以下兩個部分做了改進(jìn)和優(yōu)化。在對原圖進(jìn)行了預(yù)處理后，圖像去除了光斑、睫毛等影響，然后可以對其進(jìn)行縮小處理，得到原圖的縮略圖。假設(shè)縮略圖的寬和長度都為原圖的 1/2，那么縮略圖的面積將變?yōu)樵瓐D的 1/4，這樣查找種子點的運算量將大大減小。在縮略圖中找到種子點后，然后將其橫縱坐標(biāo)按照縮小比例進(jìn)行放大，就可以得到在原始圖像中種子點的坐標(biāo)了。 區(qū)域生長法閾值分割法由于沒有或很少考慮空間關(guān)系，使多閾值選擇受到限制，基于區(qū)域的分割方法可以彌補(bǔ)這點不足。該方法利用的是圖像的空間性質(zhì)，認(rèn)為分割出來的屬于同一區(qū)域的像素應(yīng)具有相似的性質(zhì)，傳統(tǒng)的區(qū)域分割法有區(qū)域生長法和分裂合并法。本文用區(qū)域生長法來達(dá)到空間分割。區(qū)域生長的基本思想是將具有相似性質(zhì)的像素集合起來構(gòu)成區(qū)域。具體先對每個需要分割的區(qū)域找一個種子像素作為生長的起點，然后將種子像素周圍領(lǐng)域中與種子像素有相同或相似性質(zhì)的像素合并到種子像素所在的區(qū)域中。將這些新像素當(dāng)作新的種子像素繼續(xù)進(jìn)行上面的過程，直到再沒有滿足條件的像素可被包括進(jìn)來，這樣一個區(qū)域就長成了。在實際應(yīng)用區(qū)域生長法是需要解決三個問題：（1）確定一組能正確代表所需區(qū)域的種子像素；（2）確定在生長過程中能將像素包括進(jìn)來的準(zhǔn)則；（3）制定讓生長過程停止的條件或規(guī)則。區(qū)域生長的關(guān)鍵就是選擇合適的生長或相似準(zhǔn)則，大部分區(qū)域生長準(zhǔn)則使用圖像的局部性質(zhì)。生長準(zhǔn)則可根據(jù)不同原則制定，而使用不同的生長準(zhǔn)則會影響區(qū)域生長的過程，三種基本的生長準(zhǔn)則和方法：（1）基于區(qū)域灰度差基于區(qū)域灰度差的方法主要有如下步驟： 步驟一：對像素進(jìn)行掃描，找出尚沒有歸屬的像素。步驟二：以該像素為中心檢查它的鄰域像素，即將鄰域中的像素逐個與之比較，如果灰度差小于預(yù)先確定的閾值，將它們合并。步驟三：以新合并的像素為中心，返回步驟二，檢查新像素的鄰域，直到區(qū)域不能進(jìn)一步擴(kuò)張。步驟四：返回步驟一，繼續(xù)掃描直到所有像素都有歸屬，則結(jié)束整個生長過程。采用上述方法得到的結(jié)果對區(qū)域生長起點的選擇有較大的依賴性。為克服這個問題可以對方法做以下改進(jìn)：將灰度差得閾值設(shè)為零，這樣具有相同灰度的像素合并到一起，然后比較所相鄰區(qū)域之間的平均灰度差，合并灰度差小于某一閾值的區(qū)域。（2）基于區(qū)域灰度分布統(tǒng)計性質(zhì)以灰度分布相似性作為生長準(zhǔn)則來決定區(qū)域的合并，具體步驟如下：步驟一：把像素分成互不重疊的小區(qū)域。步驟二：比較鄰接區(qū)域的累積灰度直方圖，根據(jù)灰度分布的相似性進(jìn)行區(qū)域合并。步驟三：設(shè)定終止準(zhǔn)則，通過反復(fù)進(jìn)行步驟二中的操作，將各區(qū)域依次合并直到滿足終止準(zhǔn)則。（3）基于區(qū)域形狀決定區(qū)域的合并時可以利用對目標(biāo)形狀的檢測結(jié)果，常用兩種方法：第一種：把圖像分割成灰度固定的區(qū)域，設(shè)兩相鄰區(qū)域的周長為p1和p2，把兩區(qū)域共同邊界線兩側(cè)的灰度差小于給定值的那部分設(shè)為L，如果（t1位預(yù)定閾值） 則合并兩區(qū)域。第二種：把圖像分割成灰度固定的區(qū)域，設(shè)兩鄰接區(qū)域的共同邊界長度為B，把兩區(qū)域的共同邊界線兩側(cè)灰度差小于給定值的那部分長度設(shè)為L，如果（t2為預(yù)定閾值） 則合并。本文采用第一種生長準(zhǔn)則是基于灰度差。由種子點出發(fā)，在進(jìn)行了預(yù)處理后的瞳孔圖像中找出瞳孔區(qū)域。本文使用區(qū)域生長方法，能夠處理發(fā)生了病變的不規(guī)則形狀的瞳孔，步驟如下：( 1) 定位種子點；( 2) 從種子點出發(fā)，查找相鄰的點，判斷該點是否和種子點在同一個連通區(qū)域；( 3) 將該點的灰度值同種子點灰度值進(jìn)行比較，如果差值小于所設(shè)定的閾值，則將該點附加到這個區(qū)域中；( 4) 以新合并的點為新的種子點，重復(fù)步驟( 3) 直到結(jié)束。在預(yù)處理后圖像中進(jìn)行區(qū)域生長，將區(qū)域內(nèi)的點置為白色。圖 區(qū)域生長后的瞳孔4 瞳孔動態(tài)監(jiān)測系統(tǒng)的軟件設(shè)計 瞳孔動態(tài)監(jiān)測系統(tǒng)的模塊設(shè)計 視頻讀取模塊實現(xiàn)指定瞳孔視頻文件的讀取，并且顯示在屏幕上，以便于觀察其視頻的內(nèi)容，從而可以更好的進(jìn)一步選擇所需視頻的內(nèi)容。圖 視頻讀取流程圖 視頻處理模塊本模塊實現(xiàn)將視頻文件逐幀提取，并將提取到的圖片保存和處理，圖片處理的過程就是瞳孔檢測的過程，具體過如下：第一：將視頻文件按指定幀的位置逐幀提取并保存；第二：將每一幀進(jìn)行瞳孔檢測；第三：將瞳孔檢測后的幀保存；圖 視頻處理流程圖 畫曲線圖模塊根據(jù)計算瞳孔的像素數(shù)據(jù)來畫曲線圖，曲線圖的橫坐標(biāo)是幀的位置，縱坐標(biāo)是瞳孔的相對像素點數(shù)。圖 畫曲線圖流程圖 處理后的視頻查看模塊本文通過軟件自帶的控件來實現(xiàn)處理后的視頻文件的查看。圖 視頻文件查看模塊流程圖 軟件的具體實現(xiàn) 環(huán)境配置 C++。（1）全局配置：菜單ToolsOptionsDirectories：先設(shè)置lib路徑，選擇Library files，在下方填入路徑：D:\VC6\CVOpencv\OpenCV\lib然后選擇include files，在下方填入路徑： D:\VC6\VCOpen\OpenCV\cxcore\include D:\VC6\VCOpen\OpenCV\cv\include D:\VC6\VCOpen\OpenCV\cvaux\include D:\VC6\VCOpen\OpenCV\ml\include D:\VC6\VCOpen\OpenCV\otherlibs\highgui D:\VC6\VCOpen\OpenCV\otherlibs\cvcam\include。圖 OpenCV全局配置然后選擇source files，在下方填入路徑：D:\VC6\VCOpen\OpenCV\cv\srcD:\VC6\VCOpen\OpenCV\cxcore\srcD:\VC6\VCOpen\OpenCV\cvaux\srcD:\VC6\VCOpen\OpenCV\otherlibs\highguiD:\VC6\VCOpen\OpenCV\otherlibs\cvcam\src\windowsD:\VC6\VCOpen\OpenCV\otherlibs\_graphics\src，最后點擊“ok”，完成設(shè)置。圖 Source file的選擇（2）項目設(shè)置每創(chuàng)建一個將要使用OpenCV的VC Project，都需要給它指定需要的lib。菜單：ProjectSettings，然后將Setting for選為All Configurations，然后選擇右邊的link標(biāo)簽，在Object/library 。最后點擊“ok”，完成設(shè)置。 圖 項目設(shè)置（3）文件的添加當(dāng)在MFC中那個文件中用到OpenCV中的類及操作函數(shù)時需要添加頭文件include””，include””。 整體界面設(shè)計界面有四個區(qū)域，第一個區(qū)域是視頻文件的讀取區(qū)域，第二個區(qū)域是視頻文件處理區(qū)域，第三個區(qū)域是查看處理后的視頻區(qū)域，第四個區(qū)域是曲線圖顯示區(qū)域。圖 整體界面 視頻讀取模塊的具體實現(xiàn)由于Visual C++，且是非壓縮式的文件，并且MFC沒有播放視頻文件的類，故需要自己封裝此類，來解決播放問題。自己封裝Video類來實現(xiàn)此功能。，需要安裝解碼器，來解決壓縮格式視頻文件的播放。自己封裝的類如下：class Video : public CDialog {public: Video()。 int OpenVideo(CString FilePath,HDC hdc,CRect rect)。 //打開FilePath視頻文件，并設(shè)置好顯示區(qū)域等參數(shù) void CloseFile()。 //關(guān)閉播放文件 void PlayVideo(int frame_pos)。 //播放frame_pos幀視頻 void PauseVideo()。 //暫停播放 void StopVideo()。 //停止播放 int GetPlaySpeed()。 //得到視頻文件的播放速度 bool PickSomeFrames(CString filename, int start, int end,CString savePath)。virtual ~Video()。public: CvvImage m_showimage。 //CvvImage對象，用于顯示幀到控件 IplImage *m_pframe。 //獲取幀 CvCapture *m_pcapture。 //捕獲 CString m_filepath。 //文件路徑 CRect m_rect。 //播放區(qū)域 HDC m_hdc。 //用于顯示幀圖像的句柄 bool m_isplay。 //判斷是否播放中 int m_framepos。 //幀位置 int m_totalframes。 //幀總數(shù) int m_fps。 UINT m_timer。 //定時器 int m_speed。 //播放速度}。具體的操作代碼在附錄C中。 視頻處理模塊的具體實現(xiàn)視頻處理模塊是將提取的幀，逐幀進(jìn)行處理，再將處理后的幀保存。處理模塊中涉及到種子點的定位和瞳孔圖片的預(yù)處理以及區(qū)域生長算法。種子點的算法實現(xiàn)如下：CvPoint zhongzidiandefond(IplImage* pimg,int **a){ int* xp=ivector(0,pimgwidth)。 int *yp=ivector(0,pimgheight)。 CvPoint center。 { for(int i=0。ipimgwidth。i++) { xp[i]=0。 for(int j=0。jpimgheight。j++) if(a[j][i]==0) xp[i]++。 } } 。 for(int k=0。kpimgheight。k++) { yp[k]=0。 for(int j=0。jpimgwidth。j++) { if(a[k][j]==0) yp[k]++。 } } int maxx=xp[0]。 int xmax=0。 int ymax=0。 int maxy=yp[0]。 for(int l=0。lpimgwidth。l++) if(xp[l]=maxx){maxx=xp[l]。xmax=l。} for(int m=0。mpimgheight。m++) if(yp[m]=maxy){maxy=yp[m]。ymax=m。} =xmax。