无法在open cv和python中使用hough圆检测瞳孔

我的项目是提取失踪人员虹膜的不变特征，并将其与找到的人进行比较，以找到匹配项

我成功地应用了haar cascade来检测人脸和眼睛 然后应用smooth（）和canny（）去除噪声和边缘检测

现在我用hough圆检测瞳孔和瞳孔中心，即虹膜位置。。我必须为每幅图像调整hough圆的参数，以便它检测瞳孔。我不知道如何获得中心并继续提取虹膜的不变特征。。请帮忙

这是我的密码

import numpy as np
import cv2
face_cascade =cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
eye_cascade = cv2.CascadeClassifier('haarcascade_eye_tree_eyeglasses.xml')
img = cv2.imread('sheikha.jpg',0)
img = cv2.bilateralFilter(img, 5, 175, 175) 
edges = cv2.Canny(img, 100, 100)
faces = face_cascade.detectMultiScale(
        img, scaleFactor=1.3, minNeighbors=5, minSize=(30, 30))
print "Detected %d faces." % len(faces)
print "Drawing rectangles..."
for (x, y, w, h) in faces:
        cv2.rectangle(img, (x, y), (x + w, y + h), (0,255,0), 2)
        eyes = eye_cascade.detectMultiScale(img, scaleFactor=1.3, minNeighbors=5,minSize=(10,10))
        for (ex,ey,ew,eh) in eyes :
            #if neye < 3:
            imgCrop = edges[ey:ey+eh,ex:ex+ew]           
            circles = cv2.HoughCircles(imgCrop,cv2.cv.CV_HOUGH_GRADIENT,1,60,param1=90,param2=10,minRadius=10,maxRadius=20) 
            circles = np.uint16(np.around(circles))
            for i in circles[0,:]:
                cv2.circle(imgCrop,(i[0],i[1]),i[2],(255,255,0),2)

print "Drawn Rectangles."
#cv2.imshow('edge',edges)
cv2.imshow('image',imgCrop)
cv2.waitKey(0)
cv2.destroyAllWindows()

将numpy导入为np
进口cv2
face_cascade=cv2.CascadeClassifier（'haarcascade_frontalface_default.xml'））
eye\u cascade=cv2.CascadeClassifier（'haarcascade\u eye\u tree\u eyegories.xml'））
img=cv2.imread（'sheikha.jpg'，0）
img=cv2。双边滤波器（img，5175175）
边缘=cv2.Canny（img，100100）
面=面\级联。检测多尺度(
img，scaleFactor=1.3，minNeighbors=5，minSize=（30,30））
打印“检测到%d个面”。%len（面）
打印“绘制矩形…”
对于面中的（x，y，w，h）：
cv2.矩形（img，（x，y），（x+w，y+h），（0255,0），2）
眼睛=眼睛\级联检测多尺度（img，scaleFactor=1.3，minNeighbors=5，minSize=（10,10））
对于眼睛中的（ex，ey，ew，eh）：
#如果neye<3：
imgCrop=边[ey:ey+eh，ex:ex+ew]
圆=cv2.霍夫圆（imgCrop，cv2.cv.cv_-HOUGH_梯度，1,60，参数1=90，参数2=10，最小半径=10，最大半径=20）
圆=np.uint16（np.around（圆））
对于圆[0，：]中的i：
cv2.圆（imgCrop，（i[0]，i[1]），i[2]，（255255,0），2）
打印“绘制的矩形”
#cv2.imshow（“边缘”，边缘）
cv2.imshow（“图像”，imgCrop）
cv2.等待键（0）
cv2.destroyAllWindows（）

如果希望Hough算法每次都产生相同的结果，那么每次都必须向它提供一个类似的图像。基本上你要做的是预处理瞳孔的图像，这样对于Hough来说，所有的瞳孔看起来几乎相同。查看大津的阈值化、自适应阈值化以及所有相关的酷东西，比如模糊、去锐化掩蔽、clahe等等

记住在预处理的每一步都要控制图像和代码——它很容易失控和混乱。视觉上比较图像，寻找清晰的（理想情况下没有噪声和其他圆圈）瞳孔的类似二值图像，以了解Hough是否会看到几乎相同的图像，从而检测具有相同参数的圆圈

---

另一个想法是完全放弃霍夫的想法。查看查找轮廓及其特征（；）。不能说没有数据，但这绝对是一个值得注意的替代方案。

图像在哪里使用？实际上，这只是我项目的一部分。如果它正常运行，我将结合项目的主要代码。。因此，该代码必须适用于不同的图片。。图片取决于上传图片的用户。。我上传的代码仅用于图片。。当我给另一张图片时，它并没有检测到瞳孔，这是我的问题，一些样本图片会help@JeruLuke对于一个图像圆=cv2.HoughCircles（imgCrop，cv2.cv.cv_-HOUGH_渐变，1,60，参数1=90，参数2=10，最小半径=10，最大半径=20）检测瞳孔，这对任何其他图像都不起作用图片取决于上传它的用户。。ie图片可以彼此不同