windows或者Ubuntu环境下用python实现瞳孔定位

先通过级联分类器定位人眼的位置，在通过卷积运算函数进一步处理得到瞳孔位置，效果图如下：

级联分类器

在目前所有的大多数方法中，OpenCV自带的级联分类器是效率、准确率、实现方法简单这三个方面兼顾综合评分最高的方法。
具体的代码和实现可以参考这个博客： Opencv——级联分类器（AdaBoost）
简而言之就是由于找眼睛这个工作太具有普遍意义，已经有前辈给我们准备好了现成的库函数，直接用就行。

效果图如下所示：

需要注意的是这种方法虽然能够准确定位到人眼位置，主要是依据人眼的整体轮廓——上下眼皮形状和眼球的黑色，我指出这一点的原因是为了区别瞳孔定位，为了进一步的找到人眼中心眼球还需要接下来的处理。

图像的锐化和特征提取

在这一块儿方法比较多，目的也十分简单，我们要得到人眼的瞳孔位置就需要有个思路，再通过代码实现，至于代码不会的地方去查阅其他代码即可。

确定主要特征——通过颜色梯度确定眼球轮廓

我在刚学的时候总是以为黑色是图片的特征，所以我只需要找到图像里面最黑的部分就可以了。但是通过尝试后发现，一顿瞎操作啥用都没有。我发现单纯的找二值化后的数值根本没有用，或者说不具备普遍意义。
还是得多看论文，再学习过一些资料后我发现，这段图片中（人的眼球）关键特征不是单纯的颜色，而是颜色的变化。我看过一个前辈的博客中说到，图像的颜色变化如同波澜起伏的地势，这种突兀的变化无疑是平地里的大峡谷！
接下来我就只需要去确定这个特征即可，至于结果如何就需要一步步来了。
提高准确度——去除干扰

我发现单纯的通过这种颜色的变化很难适用于大多数情况，我如何让这种颜色的变化不受外部环境的干扰呢？
其实很容易找到，主要的干扰只有两个

光线的变化导致的干扰（类似于“红眼现象”）

眼睛的半闭状态（怕侵权，用了个小柴狗头像）

我举的例子比较极端化，但是很明显，人眼的特征消失了，我无法按照刚刚的思路解决问题了，如何改进这一现象呢？

最早的相机里面也出现过“红眼现象”，对于反光很好解决，一般来说来说，他们借助算法拟合周围像素点的颜色值来填补中间的反光，至于拟合方式就不在这里赘述了。
因为我们是定位，能够找到就可以了，所以——我们通过判断颜色梯度的变化过程能够发现瞳孔位置的特殊现象，无论反光多么严重，高亮总是出现在瞳孔最突出的位置，而且在V色域中特征很明细显，梯度变化是一个对称的过程。我尝试着用平滑+锐化处理后发现效果还是挺好的。
眼睛的半闭状态需要合适的处理眉毛这一块，因为眼睛已经稍微闭合，我们只需要找到眉毛位置，再沿着眉毛寻找下面紧挨着的眼睛即可，毕竟瞳孔和眼白还是很好区分的。

代码实现

主要的思路如上所示，因为这是本科毕业后实习项目，存档思路如上，代码部分还是比较简单的，而且传统方法处理图像比较依赖环境和光线，便不再去复现上述代码，如有需要还请评论区沟通。