虹膜识别（五）：虹膜分割与图像归一化

（一）进一步分割

上面已经得到了关于分割区域的虹膜部分如下图所示：

虹膜识别（五）：虹膜分割与图像归一化

内外圆之间的部分认为是要进行识别的部分。

该图的大小为600*800，内外圆的参数前面计算过，这里再给一遍：

mean_circle_in =[324 ; 332 ; 69];

mean_circle_out =[336 ; 340 ; 233];

参数形式为

% mean_circle : 圆心横坐标

% mean_circle ：圆心纵坐标

% mean_circle ：圆的半径

现在去掉内外圆之外的部分，原理是直接对所有的像素点依次进行检验，比较它们到圆心的距离与所给圆的半径的大小，据此划分内外点。程序如下：

[plain] view plain copy

function img_new = wipeout(img,mean_circle_in,mean_circle_out)
%------------------------------输入参数-----------------------------
% img : 原始图像
% mean_circle_in：分割内圆的参数
% mean_circle_out：分割外圆的参数
% 参数形式： mean_circle(1) : 圆心横坐标
% mean_circle(2) ：圆心纵坐标
% mean_circle(3) ：圆的半径
%
%------------------------------输出参数-----------------------------------
% img_new：新分割图像
%[600 800]
[line,row]=size(img); %取大小
for i = 1:line
for j = 1:row %计算距离
dis = sqrt((i-mean_circle_out(1)).^2+(j-mean_circle_out(2)).^2);
if dis > mean_circle_out(3) %比较距离大小：外圆取大于
img(i,j) = 255;
end
end
end
for i = 1:line
for j = 1:row %计算距离
dis1 = sqrt((i-mean_circle_in(1)).^2+(j-mean_circle_in(2)).^2);
if dis1 < mean_circle_in(3) %比较距离大小：内圆取小于
img(i,j) = 255;
end
end
end
img_new = img;

对最初始的灰度图像调用该函数并显示出来如下：

img_new = wipeout(img,mean_circle_in,mean_circle_out);imshow(img_new)

虹膜识别（五）：虹膜分割与图像归一化

（二）关于图像归一化

图像归一化是指对图像进行了一系列标准的处理变换，使之变换为一固定标准形式的过程，该标准图像称作归一化图像。

我们这里的归一化是指要把圆环状的图像归一化为矩形的图像，这样既可以压缩图像的大小（去掉圆饼以外的白色不需要的像素）又便于后续的特征提取或者识别操作，处理的原理很简单，想想一下，就是把这个圆饼状从某处切开，然后分别往两边一拉就成矩形状了，当然这个过程会使得图像略有点变形，变形的部分我们用它邻近的像素点代替就可以了，比较这个影响不是很大。

算法上实现也很简单，重点是找到坐标的对应关系，如下图所示：

虹膜识别（五）：虹膜分割与图像归一化