最近做了一个基于霍夫圆变换进行内外虹膜的分割小实验，觉得挺有意思，就记录一下，效果如下：
代码链接：霍夫圆变换实现对虹膜内外圆的检测与识别
主要代码：
#maxRadius 设为100为外瞳孔，maxRadius 设为50为内瞳孔，不同的图片大小不一样，需要重新调整参数 circles = cv.HoughCircles(img, cv.HOUGH_GRADIENT, 1, 300, param1=100, param2=20, minRadius=20, maxRadius=50)
cv.HoughCircles 参数详解：
- image：输入矩阵
- method cv2.HOUGH_GRADIENT：也就是霍夫圆检测，梯度法
- dp：计数器的分辨率图像像素分辨率与参数空间分辨率的比值（官方文档上写的是图像分辨率与累加器分辨率的比值，它把参数空间认为是一个累加器，毕竟里面存储的都是经过的像素点的数量），dp=1，则参数空间与图像像素空间（分辨率）一样大，dp=2，参数空间的分辨率只有像素空间的一半大
- minDist：圆心之间最小距离，如果距离太小，会产生很多相交的圆，如果距离太大，则会漏掉正确的圆
- param1 canny：检测的双阈值中的高阈值，低阈值是它的一半
- param2：最小投票数（基于圆心的投票数）
- minRadius：需要检测圆的最小半径
- maxRadius：需要检测圆的最大半径
代码链接：霍夫圆变换实现对虹膜内外圆的检测与识别
