Introduzione a Matlab

Transcript

1 Introduzione a Matlab Operazioni di Base & Compilare con mcc A cura di: Daniel Riccio /04/2013 Estrazione dei Contorni 1

2 Compilare codice Matlab Matlab è un framework che mette a disposizione un interprete di comandi, per cui il codice matlab è interpretato. Matlab fornisce una funzione di compilazione mcc per tradurre il codice matlab in codice macchina (linguaggio compilato) 30/04/2013 2

3 Sintassi del comando mcc La sintassi del comando è: mcc [-options] mfile1 [mfile2... mfilen] [C/C++file1... C/C++fileN] 30/04/2013 3

4 Opzioni disponibili Opzione -c -e -I<folder> -m -d -o -T link: -v -B sgl Descrizione Genera il codice C e crea il corrispondente file object.o Evita che venga visualizzata la finestra MSDOS Aggiunge il percorso folder a quelli in cui mbuild i file da includere.h Macro equivalente all opzione "-W main -T link:exe" Crea tutti i file di output nella directory specificata. Crea un eseguibile con nome filename. Specifica il formato del file di output: exe, lib, Modalità verbose. Stampa tutte le informazioni relative al processo di compilazione. Include nella compilazione le funzioni per l image processing. 30/04/2013 4

5 Un esempio di compilazione >> mcc m DisegnaLinea.m o DisegnaLinea B sgl 30/04/2013 5

6 Introduzione a Matlab Iris Normalization A cura di: Daniel Riccio /04/2013 6

7 Metodo di Daugman L iride è localizzata usando il seguente operatore: dove I(x,y) è l immagine dell occhio, Gσ è una funzione di smoothing gaussiana con centro r 0 e deviazione standard σ, il simbolo * indica la convoluzione, ds è un elemento di arco circolare e la divisione per 2πr serve per normalizzare l integrale. 30/04/2013 7

8 Metodo di Daugman (2) L operatore cerca un percorso circolare in cui sia massimizzata la variazione del valore dei pixel, variando il raggio r e il centro (x 0, y 0 ) del contorno circolare. L operatore è essenzialmente un edge detector circolare che presenta un picco quando un cerchio candidato ha lo stesso centro e raggio dell iride. L operatore è usato sia per trovare il contorno della pupilla sia per rilevare il bordo esterno dell iride. 30/04/2013 8

9 Metodo di Daugman (3) Un simile procedimento viene utilizzato per individuare ed eliminare le occlusioni delle palpebre. In questo caso però il percorso di integrazione è ad arco (es. una spline), non circolare. 30/04/2013 9

10 Localizzazione (ISIS) ISIS (Iris Segmentation for Identification Systems) si articola in diverse fasi: Pre-elaborazione dell immagine; Localizzazione della pupilla; Localizzazione della limbo; Misura della precisione. 30/04/

11 ISIS: Pre-elaborazione Pre-elaborazione dell immagine: il filtro enhance applica una trasformazione non reversibile all immagine di partenza che ha come effetto l eliminazione di informazioni dall immagine che potrebbero influire negativamente, in termini di prestazioni e di qualità del risultato, sulla localizzazione dell iride. Le informazioni da eliminare sono i dettagli non utili al fine della localizzazione quali pigmentazione della pelle, rughe e ciglia. 30/04/

12 Posterization 30/04/2013 Estrazione dei Contorni 12

13 ISIS: Localizzazione della pupilla Localizzazione della pupilla, che si divide in tre fasi. Ricerca dei contorni: si utilizza il filtro di Canny con isteresi Approssimazione dei contorni con dei cerchi: si usa l algoritmo di Newton-Taubin per approssimare tutti i contorni trovati con dei cerchi Ricerca della pupilla tra i cerchi trovati: a tutti i cerchi trovati nella fase precedente associa un indicatore sulla base dell omogeneità e della isolabilità. 30/04/

14 Omogeneità 30/04/2013 Estrazione dei Contorni 14

15 Separabilità 30/04/2013 Estrazione dei Contorni 15

16 ISIS: Localizzazione della limbo Localizzazione della limbo, che si divide in due fasi: Conversione del sistema di riferimento: l immagine di partenza è in un sistema di riferimento cartesiano e viene convertita in un sistema di riferimento polare. Massimo del gradiente: il contorno del limbo viene trovato calcolando per ogni angolazione campionata la distanza dal centro cui corrisponde il massimo gradiente positivo (perché ci si aspetta che l iride sia più scuro della sclera) 30/04/

17 ISIS: Misura della precisione Misura della precisione della localizzazione che si basa sull omogeneità, l isolabilità di limbo e pupilla, nonché sulla distribuzione gaussiana dei toni di grigio nell iride. ϕ = α S P + β S I + γ G dist Dove α,β e γ sono tre pesi con valore in [0 1], S P rappresenta la precisione della pupilla, S I la precisione del limbo e G dist la distribuzione Gaussiana dei toni di grigio 30/04/

18 Iris normalization Introduzione Una delle prime fasi di qualunque sistema di identificazione basato sull'iride è sicuramente rappresentata dalla localizzazione e dalla segmentazione di quest'ultimo. Nella competition NICE II si fornisce a priori una mask image di segmentazione precalcolata mediante l'algoritmo proposto in [1]. [1] Tieniu Tan, Zhaofeng Hea and Zhenan Sun, Segmentation of Visible Wavelength Iris Images Captured At-a-distance and On-the-move, Image and Vision Computing, vol. 28, no. 2, pp , /04/

19 Iris normalization Introduzione Innanzitutto, è necessario approssimare l'iris ed il pupil boundary con dei cerchi (centro e raggio) con la massima accuratezza possibile, così da permettere il passaggio dallo spazio cartesiano dell'immagine allo spazio polare della regione dell'iride. (a) (b) (c) L'ellipse fitting è troppo sensibile alle discontinuità. Le curve che scaturiscono dall'approssimazione del contorno tendono a deformarsi completamente pur di aderire in maniera precisa alla porzione di boundary disponibile. 30/04/

20 Iris normalization Iris Location Il processo di segmentazione inizia con l'individuare prima il contorno della pupilla, per poi procedere con la separazione della pupilla. La mask image viene scandita riga per riga dall'alto verso il basso. Ciascuna riga viene scandita dalla prima all'ultima colonna, marcando il primo e l'ultimo pixel nero. I pixel così marcati rappresentano la frontiera dell'iride. Ai punti di frontiera viene applicato l'algoritmo proposto da Taubin in [2]. [2] Gabriel Taubin, Estimation of Planar Curves, Surfaces, and Nonplanar Space Curves Defined by Implicit Equations with Applications to Edge and Range Image Segmentation, IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 13, no. 11, pp , /04/

21 Iris normalization Pupil Location Una volta noti il centro ed il raggio del cerchio che rappresenta l'iride, si considera un cerchio concentrico ad esso interno e con raggio pari ad 1/5 del raggio dell'iride. Tutti i pixel esterni a tale cerchio vengono cancellati, ed il procedimento di circle fitting viene ripetuto su questa nuova immagine per determinare il centro ed il raggio del cerchio approssimante la pupilla. 30/04/

22 Iris normalization Polarization Calcolati i punti corrispondenti sulla pupilla e sull iride vengono prelevati i pixel del segmento che li unisce e distribuiti verticalmente nel rettangolo nella posizione dell angolo trattato. 30/04/