- Daniele Stefano Ferru - 65036
- Federico Ibba - 65065
- Lodovica Marchesi - 65046
- Simone Cusimano - 65042
- Giancarlo Lelli - 65045
- Zineb Bilil - 65070
Lo scopo del progetto è quello di effettuare la segmentazione dell'iride in input una serie di immagini raffiguranti occhi umani.
Per la realizzazione del progetto è stato necessario passare per diverse fasi:
- Preprocessing (due metodi differenti per pupilla e iride);
- Edge Detection (utilizzato per la zona della pupilla);
- Trasformata circolare di Hough;
- Crop zona pupilla e iride .
Per la zona dell'iride ci è bastato convertire l'immagine in grayscale; eseguire un'equalizzazione dell'istogramma e convertire l'immagine in bianco e nero, imponendo come threshold il valore 0.5 (in una scala in cui il bianco è rappresentato come 1, e il nero come 0).
Per la pupilla è stato necessario eseguire un crop preventivo dell'immagine, per evidenziare solo la zona dell'iride. In questo modo è stato possibile eliminare i match di pattern circolari non voluti, presenti al di fuori della suddetta zona. Dopodichè abbiamo effettuato un hole filling, per eliminare i riflessi dovuti al flash della fotocamera. Successivamente è stato applicato un filtro gaussiano, per effettuare uno smoothing al fine di rimuovere lievi differenze e mantenere intatte quelle più evidenti.
La fase di edge detection è stata utile per il rilevamento della pupilla. Essa è utile per evidenziare i contorni, i segmenti e le proprietà intrinseche che caratterizzano l'immagine. Abbiamo scelto di applicare il Canny edge detector poiché è uno dei più robusti ed efficienti per l'edge detection. Questo algoritmo evidenzia contorni sopprimendo i non-massimi mentre evidenzia i massimi reali che appartengono al vero contorno. L'algoritmo di edge detection restituisce un'immagine binaria, contenente gli edge trovati.
La trasformata circolare di Hough viene utilizzata per evidenziare forme circolari presenti nell'immagine. Questa trasformata si è rilevata essenziale per il riconoscimento di forme prettamente circolari come iridi e pupille umane.
Per effettuare questa trasformata è stata utilizzata la funzione predefinita di matlab imfindcircles.
Essa prende in ingresso, oltre all'immagine ovviamente, il range dei raggi dei cerchi da evidenziare, e ulteriori parametri come:
- Sensitivity: un valore compreso nel range [0 1]. Un valore maggiore corrisponde ad un maggior numero di cerchi trovati. Sia per pupilla che per iride è stato usato un valore di sensitivity pari a 0.99.
- ObjectPolarity: valore che può essere bright per la localizzazione di oggetti circolari di tonalità chiara (alto valore in gray scale) oppure dark, per la localizzazione di oggetti circolari di tonalità scura (basso valore in grayscale). Per quanto riguarda la pupilla, alcune immagini tendevano a trovare numerosi oggetti circolari all'interno dell'iride. Per risolvere questa situazione, è bastato controllare il centro di ogni cerchio, e prendere il primo le cui coordinate sono entro un range di distanza rispetto al centro dell'iride. Questo viene fatto perché, nel caso medio, pupilla e iride hanno più o meno lo stesso centro. Si è scelto di prendere il primo cerchio che fosse abbastanza vicino e non il più vicino in assoluto perchè, dopo uno studio su numerose immagini, si è notato che i cerchi trovati attraverso imfindcircles si trovavano tutti distanti rispetto al centro dell'iride, tranne uno, che rappresentava per l'appunto la pupilla.
Per il crop dell'immagine è bastato sfruttare il centro di iride e pupilla. Sono state preparate delle maschere specifiche per entrambe. Il crop dell'immagine è stato di due tipologie:
- Crop dell'immagine in formato binario;
- Crop dell'immagine in RGB. All'interno della cartella examples sono presenti numerosi esempi della serie (immagine originale, crop binaria, crop RGB).