本发明涉及图像处理技术领域,特别是一种基于图像梯度的眼球中心定位方法。
背景技术:
一幅完整的图像,是由红色、绿色、蓝色三个通道组成的,而灰度处理的其中一种方法就是对图像的三通道值取平均从而得到原图像所对应的灰度图,灰度图每个像素点有256个灰度,刚好能避免可见条带的失真,并且对图像的进一步分析起到简化的作用。
高斯滤波是一种线性平滑滤波,适用于消除高斯噪声,广泛应用于图像处理的减噪过程,高斯滤波就是对整幅图像进行加权平均的过程,每一个像素点的值都由其本身和领域内的其他像素值经过加权平均后得到。现阶段存在眼球中心定位计算时间复杂度较高的缺点。
技术实现要素:
本发明所要解决的技术问题是克服现有技术的不足而提供一种基于图像梯度的眼球中心定位方法,以有效准确地对眼球中心进行定位。
本发明为解决上述技术问题采用以下技术方案:
根据本发明提出的一种基于图像梯度的眼球中心定位方法,包括以下步骤:
步骤1、对大小为n行n列的人眼图像g进行灰度处理得到灰度图像g′;
步骤2、对图像g′进行高斯模糊操作;具体如下:
步骤21、定义模糊半径r,r<n且r为奇数,采用高斯函数计算大小为r*r的模糊矩阵p;
步骤22、计算p中元素的和sp,对p中每个元素除以sp,得到归一化的矩阵p′;
步骤23、定义g′(i,j)为g′中第i行,第j列的元素,从第
步骤24、将步骤23中得到的每个h(i,j)值置于矩阵h的第i行和第j列中,得到经过高斯滤波后的图像矩阵h;
步骤25、计算h中元素的和sh,对h中每个元素除以sh,得到归一化的矩阵h′;
步骤3、计算h′(i,j)在水平方向和垂直方向的梯度,并据此计算每个像素点的梯度方向值,h′(i,j)为矩阵h′中第i行和第j列的元素;具体步骤如下:
步骤31、计算像素点坐标(i,j)的水平方向梯度dx(i,j)=h′(i,j+1)-h′(i,j);
步骤32、计算像素点坐标(i,j)的垂直方向梯度dy(i,j)=h′(i+1,j)-h′(i,j);
步骤33、计算每个像素点的梯度方向值
步骤4、定义目标函数
作为本发明所述的一种基于图像梯度的眼球中心定位方法进一步优化方案,所述步骤1具体如下:对g中的每个像素,计算其所对应的红、绿、蓝三原色的平均值,该平均值即为该元素的灰度值。
作为本发明所述的一种基于图像梯度的眼球中心定位方法进一步优化方案,输入的人眼图像均经过高斯滤波处理。
作为本发明所述的一种基于图像梯度的眼球中心定位方法进一步优化方案,所述步骤2中模糊半径r=3,α=1.5。
作为本发明所述的一种基于图像梯度的眼球中心定位方法进一步优化方案,所述步骤4中,调节参数w1=1.5,w2=1。
本发明采用以上技术方案与现有技术相比,具有以下技术效果:
1)本发明提出一种基于图像梯度的眼球中心定位方法,其完整的方法过程包括对图像进行灰度处理和高斯滤波处理,计算图像中每个像素点的梯度方向值,构造以梯度方向值和图像像素值为自变量的目标函数,通过求解目标函数的最大值进而得到所对应的眼球中心坐标;
2)本发明通过对图像进行高斯滤波处理,能有效降低图像的噪声影响,提高定位的准确度;
3)本发明利用图像梯度的特征对图像进行几何分析,将找眼球中心点的问题转化为求解目标函数最大值的问题,有效降低计算的时间复杂度,提高了眼球定位的准确度。
附图说明
图1是基于图像梯度的眼球中心定位方法流程。
图2是人眼图像矩阵示例。
图3是模糊半径为3的高斯滤波模板。
具体实施方式
下面结合附图对本发明的技术方案做进一步的详细说明:
图像梯度相当于对二维离散函数的求导,梯度信息能反映图像像素的变化方向和变化速率,本发明利用了图像梯度这一特征,并结合人眼图像的先验知识,得出眼球中心必位于梯度值较小且颜色较深的地方,通过联立这两个因素构造目标函数并求解得到眼球中心的坐标值,取得了较好的结果。
根据附图1所示基于图像梯度的眼球中心定位方法对应的流程图,附图2所示人眼图像矩阵示例,附图3所示模糊半径为3的高斯滤波模板,本发明具体实施方式为:
1)如附图2所示为4行4列的人眼图像矩阵g,对该图像进行灰度化处理后得到的图像矩阵如下图所示:
2)附图3所示为模糊半径为3的高斯滤波模板,中心点坐标是(0,0)。以左上角坐标(-1,1)为例,该坐标与中心点(0,0)横坐标方向的距离x=1,纵坐标方向的距离y=1,其对应的高斯函数值为
21)计算矩阵p中元素的和sp,对p中每个元素除以sp,得到归一化的矩阵p′如下:
23)定义g′(i,j)为g′中第i行,第j列的元素,从第
h(2,2)=123*0.094+144*0.118+256*0.094+85*0.118+206*0.148+136*0.118+120*0.094+76*0.118+43*0.094=277.9。同理对g′其他元素进行高斯滤波后得到矩阵h:
24)计算得h中元素的和sh=2287.67,对h中每个元素除以sh,得到归一化的矩阵h′:
3)计算h′(i,j)在水平方向和垂直方向的梯度,并据此计算每个像素点的梯度方向值。具体步骤如下:
31)计算像素点坐标(i,j)的水平方向梯度dx(i,j)=h′(i,j+1)-h′(i,j)。计算得到水平方向梯度矩阵如下:
32)计算像素点坐标(i,j)的垂直方向梯度dy(i,j)=h′(i+1,j)-h′(i,j)。计算得到垂直方向梯度矩阵如下:
33)计算像素点的梯度方向值
4)定义目标函数
41)由矩阵f可知,函数最大值对应的坐标为(2,2),所以坐标点(2,2)即为眼球的中心点坐标。
本发明不但有效地降低图像噪声的影响,而且充分利用了图像梯度的特征,将找眼球中心点的问题转化为求解目标函数最大值的问题,有效降低计算的时间复杂度,提高了眼球定位的准确度。