（一）进一步分割
上面已经得到了关于分割区域的虹膜部分如下图所示：
内外圆之间的部分认为是要进行识别的部分。
该图的大小为
600*800
，内外圆的参数前面计算过，这里再给一遍：
mean_circle_in =[324 ; 332 ; 69];
mean_circle_out =[336 ; 340 ; 233];
参数形式为
% mean_circle
: 圆心横坐标
% mean_circle
：圆心纵坐标
% mean_circle
：圆的半径
现在去掉内外圆之外的部分，原理是直接对所有的像素点依次进行检验，比较它们到圆心的距离与所给圆的半径的大小，据此划分内外点。程序如下：
function img_new = wipeout(img,mean_circle_in,mean_circle_out)
%------------------------------输入参数-----------------------------
% img : 原始图像
% mean_circle_in： 分割内圆的参数
% mean_circle_out：分割外圆的参数
% 参数形式： mean_circle(1) : 圆心横坐标
% mean_circle(2) ：圆心纵坐标
% mean_circle(3) ：圆的半径
%
%------------------------------输出参数-----------------------------------
% img_new：新分割图像
%[600 800]
[line,row]=size(img); %取大小
for i = 1:line
for j = 1:row %计算距离
dis = sqrt((i-mean_circle_out(1)).^2+(j-mean_circle_out(2)).^2);
if dis > mean_circle_out(3) %比较距离大小：外圆取大于
img(i,j) = 255;
end
end
end
for i = 1:line
for j = 1:row %计算距离
dis1 = sqrt((i-mean_circle_in(1)).^2+(j-mean_circle_in(2)).^2);
if dis1 < mean_circle_in(3) %比较距离大小：内圆取小于
img(i,j) = 255;
end
end
end
img_new = img;对最初始的灰度图像调用该函数并显示出来如下：
img_new = wipeout(img,mean_circle_in,mean_circle_out);imshow(img_new)
（二）关于图像归一化
图像归一化是指对图像进行了一系列标准的处理变换，使之变换为一固定标准形式的过程，该标准图像称作归一化图像。
我们这里的归一化是指要把圆环状的图像归一化为矩形的图像，这样既可以压缩图像的大小（去掉圆饼以外的白色不需要的像素）又便于后续的特征提取或者识别操作，处理的原理很简单，想想一下，就是把这个圆饼状从某处切开，然后分别往两边一拉就成矩形状了，当然这个过程会使得图像略有点变形，变形的部分我们用它邻近的像素点代替就可以了，比较这个影响不是很大。
算法上实现也很简单，重点是找到坐标的对应关系，如下图所示：
直观图为：
依此编写坐标变换算法：
function [img_rec,M,N] = circle2rectangle(img,mean_circle_in,gama_in,gama_out)
%------------------------------输入参数-----------------------------
%圆参数 mean_circle_in:
% mean_circle_in(1) : 圆心横坐标
% mean_circle_in(2) ：圆心纵坐标
% mean_circle_in(3) ：圆的半径
%
% gama_in：归一化上边缘范围 一般半径的1.4倍较好
% gama_out：归一化下边缘范围 一般半径的2.7倍较好
%-------------------------------------------------------------------
%------------------------------输出参数-----------------------------
% img_rec: 归一化图像---》圆形转换的矩阵图
% M，N 转换的矩阵图的 -- 行列的大小
%
%-------------------------------------------------------------------
R_in = round(mean_circle_in(3)*gama_in); %限制半径
R_out = round(mean_circle_in(3)*gama_out);
%转换的列数
%N = 800;
N = round(pi*(R_out+R_in));
%转换的行数
% M = 100;
M = round(R_out-R_in);
alpha = 2*pi/N;
for k = 1:N
%内外圆的坐标矩阵
point_A_x(1,k) = mean_circle_in(1) + R_in*cos(k*alpha);
point_A_y(1,k) = mean_circle_in(2) + R_in*sin(k*alpha);
point_B_x(1,k) = mean_circle_in(1) + R_out*cos(k*alpha);
point_B_y(1,k) = mean_circle_in(2) + R_out*sin(k*alpha);
end
% figure,plot(point_A_x);
%重构要求的M*N矩阵坐标
for i = 1:M
point_x(i,:) = round(point_A_x(1,:) + (point_B_x(1,:) - point_A_x(1,:))*i/M) ;
point_y(i,:) = round(point_A_y(1,:) + (point_B_y(1,:) - point_A_y(1,:))*i/M) ;
end
for i = 1:M %映射关系
for j = 1:N
img_rec(i,j) = img(point_x(i,j),point_y(i,j));
end
end有了该函数，可以直接对圆心进行操作了，大概确定相应的参数后即可以实现了，例如选的一定的半径范围如下：
>> [img_rec,M,N] = circle2rectangle(img,mean_circle_in,1.4,3);
>> imshow(img_rec)
得到结果为：
>> M,N
M =110;N =955
同时新图像的大小也可以看到，相比原图像小了很多。为后续的处理提供了很大的方便。