一種紅眼檢測裝置及其檢測方法

2024-01-26 14:16:15

專利名稱：一種紅眼檢測裝置及其檢測方法
技術領域：
本發明涉及圖像處理領域，尤其涉及一種紅眼檢測裝置及其檢測方法。
背景技術：
照相機在閃光燈模式下拍攝人像照片時，在照片中的人眼瞳孔處可能會 出現紅色斑點，這種現象稱之為紅眼現象。其主要是由於人的瞳孔在環境光
線比較暗時會放大，近距離的閃光燈的強光經iti丈大的瞳孔，打在視網膜後 的血管組織上，反射回紅色的光線，造成實際成像的照片呈現紅眼現象。紅 眼現象會導致照片的效果不佳，不利於用戶的拍照體驗。
目前， 一些照相機具有減弱紅眼現象的功能，其工作方式主要是在成像 閃光前加閃一次，使-故拍攝對象的瞠孔在預閃後縮小，成像時紅眼現象就會 減輕一些。但是這一功能往往不能確保紅眼現象完全消除，而且要求被拍攝 對象在預閃時必須直視照相機，年齡較小的孩子注意力不集中，常常無法達 到預期效果。
近年來，隨著數碼攝影技術以及圖像處理技術的發展，為成像後的照片 的修正帶來了可能，但是，如何能夠快速定位出需要進行修正的紅眼區域仍 然是本領域亟待解決的 一技術問題。

發明內容
本發明要解決的技術問題是提供一種紅眼檢測裝置及其檢測方法，能夠 快速檢測出紅眼區域，以方便對紅眼區域進行修正，得到滿意的圖像。
為了解決上述技術問題，本發明提供了一種紅恥險測方法，包含如下步
驟
在欲處理的圖像中定位出眼睛區域；對所述眼睛區域內每個像素分別計算其為紅色素的概率； 根據每個像素為紅色素的概率，確定紅色素集中的區域； 根據所迷紅色素集中的區域，確定紅眼區域。 進一步地，上述紅目W企測方法還可具有以下特點 所迷根據每個像素為紅色素的概率，確定紅色素集中的區域的步驟包含 將每個像素為紅色素的概率與一特徵閾值進行比較，根椐比較結果為每 個像素分配對應的特徵值；
分別計算所述眼睛區域中沿x軸或者y軸方向上各矩形內的像素的特徵 值之和，篩選出 一具有最大特徵值之和的矩形區域作為所述紅色素集中的區域。
進一步地，上述紅目l險測方法還可具有以下特點
所述分別計算所述眼睛區域中沿x軸或者y軸方向上各矩形內的像素的 特徵值之和的步驟包含
將各個像素對應的特徵值組成一特徵圖像，求取該特徵圖像對應的積分 圖像，定義該積分圖像中點0c，力處的積分值/7(x，力為該點左上角的矩形區域 內的所有像素的特徵值/(p(x',力)之和
//"力=S /(W，力)
根據所述眼睛區域中各矩形的4個頂點對應的特徵圖像的積分圖像值， 計算各矩形內的像素的特徵值之和
仰附((x,力,O — a,力，(x,少—6), O — a j — 6》=//(x，力-J7(x _ fl,力陽//(x, _y — 6) + //(x — or, _y _ 6)
其中，幼傷((x,力,(x —a,力,(x,少-a,少-6))為 一 頂點坐標分別為 0c,力,(x-6)的矩形，a為該矩形X軸方向的邊長，b為該 矩形y軸方向的邊長。
進一步地，上述紅目,測方法還可具有以下特點
所述分別計算所述眼睛區域中沿x軸或者y軸方向上各矩形內的像素的 特徵值之和的步驟包含定義所述眼睛區域中沿x軸或者y軸方向上各矩形內的像素的特徵值 ./(P(x '，少'))之和為力,O —",力,0, y — 6), (x — at, y — 6)):
formula see original document page 8
其中，w/n《x,力,(je—tf,力,(x，少—6),(jc—a,_y —州為 一 頂點坐標分別為 (x，力,(x-a,力,(x,;; — 6),(jc — fl,;; — Z0的矩形，a為該矩形x軸方向的邊長，b為該 矩形y軸方向的邊長。
進一步地，上述紅目&險測方法還可具有以下特點
所述分別計算所述眼睛區域中沿x軸或者y軸方向上各矩形內的像素的 特徵值之和的步驟之前還包含
設置所述矩形沿x軸方向上的邊長的取值範圍和步長值；以及
設置所述矩形沿y軸方向上的邊長的取值範圍和步長值。
進一步地，上述紅目,測方法還可具有以下特點
在確定紅色素集中的矩形區域之後，對所述紅色素集中的區域的邊緣採 用曲線擬合技術得到更精確的區域作為紅色素集中區域。
進一步地，上述紅目W全測方法還可具有以下特點
所述根據所述紅色素集中的區域，確定紅眼區域的步驟包含
計算所述紅色素集中的區域中所有像素為紅色素的平均概率，如判斷該 平均概率大於一紅色素概率閾值，則判定所述紅色素集中的區域為紅眼區域。
進一步地，上述紅目^b險測方法還可具有以下特點
所迷對眼睛區域內每個像素分別計算其為紅色素的概率的步驟包含
採集大量紅眼圖像，標定其中的紅眼區域作為樣本，訓練出紅眼區域內 像素的歸一化紅色分量所服從的高斯模型；
計算出欲處理的圖像中眼睛區域內各像素的歸一化紅色分量，分別與所 述高斯模型進行匹配，從而獲得各像素為紅色素的概率formula see original document page 8其中R(x,y)、 G(x,y)、 B(x,y)分別為坐標為(x,y)處像素在RGB空間表示的 值，r(x,y)為坐標為(x,y)處像素的歸一化紅色分量，p (x， y)為坐標為(x，y)處像 素為紅色素的概率，ju為紅眼區域內像素的歸一化紅色分量所服從的高斯模 型的均值，^為紅眼區域內像素的歸一化紅色分量所服從的高斯模型的方差。
進一步地，上述紅眼檢測方法還可具有以下特點
所述對眼睛區域內每個像素分別計算其為紅色素的概率的步驟包含
採集大量紅眼圖像和正常眼睛圖像，標定其中的紅眼區域作為紅色素樣
本，並根據所述紅眼區域在眼睛區域中的位置，在正常眼睛圖像中標定相同
的區域作為正常色素樣本，建立紅色像素分布直方圖和正常色素分布直方計算出欲處理的圖像中眼睛區域內各像素的歸一化紅色分量的離散化 值，將其分別與所述紅色像素分布直方圖和正常色素分布直方圖進行匹配， 讀取該離散化值在紅色像素直方圖中對應的累積值c;,和其在正常像素直方
圖累積直方圖中對應的累計值Cn,採用^的值作為該像素為紅色素的概率。
為了解決上述技術問題，本發明還提供了一種紅目^r測裝置，包含依次 相連的眼睛區域定位模塊、紅色素概率計算模塊、紅色素區域分析模塊和判 定模塊，其中
所述眼晴區域定位才莫塊，用於在欲處理的圖像中定位出眼睛區域；
所迷紅色素概率計算4莫塊，用於對所述眼睛區域定位4莫塊定位出的眼睛 區域內的每個像素分別計算其為紅色素的概率；
所述紅色素區域分析模塊，用於從所述紅色素概率計算模塊中獲取各像 素為紅色素的概率，並分別將每個像素為紅色素的概率與一特徵閾值進行比 較，根據比較結果為每個像素分配對應的特徵值，然後分別計算所述眼睛區 域中沿x軸或者y軸方向上各矩形內的像素的特徵值之和，篩選出一具有最 大特徵值之和的矩形區域作為所述紅色素集中的區域。
所述判定模塊，用於從所述紅色素區域分析模塊中獲取所述紅色素集中 的區域，並判斷該區域是否為紅眼區域。
進一步地，上述紅目,測裝置還可具有以下特點所述紅色素區域分新j莫塊在為每個像素分配對應的特徵值之後，將各個 像素對應的特徵值組成一特徵圖像，計算該特徵圖像的積分圖像，定義該積 分圖像中點(JC,力處的積分值//(X,力為該點左上角的矩形區域內的所有像素的
特徵值/O0c',力)之和
formula see original document page 10
根據所述眼睛區域中各矩形的4個頂點對應的特徵圖像的積分圖像值， 計算各矩形內的像素的特徵值之和
ra傷((X力,(X — a,力,(x， _y - 6), (x — a， y — 6)) = //(>,力-—",力-》—6) + //(> — a, y — 6)
其中，w戰((;c,力,0:-",力,(xj-外(x-州為 一 頂點坐標分另'J為 (x，力，(x-a,力,Oj-力),(je-aj-6)的矩形，a為該矩形X軸方向的邊長，b為該 矩形y軸方向的邊長。
本發明所述的一種紅目l險測方法，能夠快速檢測出紅眼區域，以方便對 紅眼區域進行修正，得到滿意的圖像。


圖l是本發明實施例一種紅眼檢測裝置的結構方框圖。
圖2是本發明實施例一種紅眼檢測方法流程圖。
具體實施例方式
本發明提出一種紅目緣測裝置及其檢測方法，能夠快速檢測出紅眼區域。 其基本構思是在欲處理的圖像中定位出眼睛區域；計算所述眼睛區域中每 個像素為紅色素的概率；根據每個像素為紅色素的概率，確定紅色素集中的 區域；根據所述紅色素集中的區域，確定紅眼區域。
下面結合附圖對本發明實施方式進行詳細介紹。
參考圖1,該圖示出了本發明實施例一種紅眼檢測裝置，包^^依次相連 的眼睛區域定位模塊、紅色素概率計算模塊、紅色素區域分析模塊和判定模 塊，其中所述眼睛區域定位模塊，用於在欲處理的圖像中定位出眼睛區域；
所述紅色素概率計算模塊，用於對所述眼睛區域定位;溪塊定位出的眼睛 區域內的每個像素分別計算其為紅色素的概率；
所述紅色素區域分析才莫塊，用於從所述紅色素概率計算^f莫塊中獲取各像 素為紅色素的概率，並分別將每個像素為紅色素的概率與一特徵閾值進行比 較，根據比較結果為每個像素分配對應的特徵值，然後分別計算所述眼睛區 域中沿x軸或者y軸方向上各矩形內的像素的特徵值之和，篩選出一具有最 大特徵值之和的矩形區域作為所述紅色素集中的區域。
所述紅色素區域分析4莫塊在分別計算所述眼睛區域中沿x軸或者y軸方 向上各矩形內的像素的特徵值之和之前，設置所述矩形沿x軸方向上的邊長 的取值範圍和步長值，以及所述矩形沿y軸方向上的邊長的取值範圍和步長 值。
所述紅色素區域分析模塊在為每個像素分配對應的特徵值之後，將各個 像素對應的特徵值組成一特徵圖像，計算該特徵圖像的積分圖像，定義該積 分圖像中點Oc,力處的積分值〃(x,力為該點左上角的矩形區域內的所有像素的 特徵值/(p(x',力)之和
根據所述眼睛區域中各矩形的4個頂點對應的特徵圖像的積分圖像值， 計算各矩形內的像素的特徵值之和
$ /m(0，力，O — ",力,(x， y — 6)， (x—a， j — 6)) = // (x,力-/7 0—a,力-0, _y — 6)+//(x - a， y—6)
其中，to附((jc,力,(jc—a,力,(xj ——6))為 一 頂點坐標分別為 (x，力,(x-a,力,(x，少-6)，(x-a,_y-的的矩形，a為該矩形X軸方向的邊長，b為該
矩形y軸方向的邊長。
所述紅色素區域分析模塊在確定紅色素集中的矩形區域之後，對所述紅 色素集中的區域的邊緣採用曲線擬合技術得到更精確的區域作為紅色素集中 區域。
所述判定模塊，用於從所述紅色素區域分析模塊中獲取所述紅色素集中的區域，並判斷該區域是否為紅眼區域。所述判定才莫塊是計算所述紅色素集 中的區域中所有像素為紅色素的平均概率，如判斷該平均概率大於一紅色素 概率閾值，則判定所述紅色素集中的區域為紅眼區域。
參考圖2,該圖示出了採用圖I所示紅0 測裝置對欲處理的圖像進行
紅目W全測的方法，具體包含如下步驟
步驟S201:對欲處理的圖像進行人臉檢測，確定人臉區域； 可以採用全角度的人臉檢測器對採集到的圖像進行人臉檢測。 步驟S202:在人臉區域內，定位出眼睛區域；
可以按照現行方法定位眼晴區域，比如，可以先採用基於自適應增強 (Adaboost)算法和微結構特徵(haar-like)的分類器模型為左眼和右眼分別 訓練分類器，然後根據左眼區域和右眼區域在人臉區域中的分布情況確定欲 處理的圖像中的左眼搜索範圍和右眼搜索範圍，從所述左眼搜索範圍內的圖 像上提取微結構特徵輸入到上述為左眼訓練好的分類器中，從所述右眼搜索 範圍內的圖像上提取微結構特徵輸入到上述為右眼訓練好的分類器中，根據 分類檢測結果來定位出左眼區域和右眼區域。
步驟S203:計算眼睛區域內每個像素為紅色素的概率；
本發明實施例可以事先訓練出紅眼區域內像素的歸一化紅色分量所服從
的高斯模型"(A力，其中〃為高斯模型的均值，"為方差。具體來說，可以採 集各種情況下，如不同光照強度下、不同拍攝角度下等，拍攝到的紅眼圖像， 利用現有的圖像處理技術標定該些紅眼圖像中的紅眼區域，提取該些紅眼區 域內每個像素的紅色分量，較佳地可以採用歸一化RGB空間的紅色分量
作為特徵，之後採用高斯;漢型訓練得到紅眼區域中歸一化紅色分 量服從的高斯模型〃(A力，其中〃為高斯模型的均值，。為方差。
步驟S203中分別計算眼睛區域內每個像素為紅色素的概率時，可以先計 算出所述眼睛區域內每個像素的歸 一化紅色分量力，然後與訓練好的紅眼 區域中歸 一化紅色分量服從的高斯模型")進行匹配，從而得到所述每個 像素屬於紅色素的概率/ Oc,力formula see original document page 13
其中R(x,y)、 G(x，y)、 B(x,y)分別為坐標為(x,y)處像素在RGB空間表示的 值，r(x,y)為坐標為(x，y)處像素的歸 一化紅色分量，p (x, y)為坐標為(x,y)處像 素為紅色素的概率，y為紅眼區域內像素的歸一化紅色分量所服從的高斯模 型的均值，J為紅眼區域內像素的歸一化紅色分量所服從的高斯模型的方差。
在另 一實施例中，還可以採用統計直方圖的方法計算眼睛區域內每個像
素為紅色素的概率。具體來說，可以先採集大量紅眼圖像和正常的眼睛圖像，
利用現有的圖像處理技術標定出紅眼圖像中的紅眼區域，並且根據該區域在
眼睛上的位置，還在所述正常的眼睛圖像中相應的位置處進行標定。之後，
對標定的紅眼區域中的每個像素以及標定的正常眼睛區域中的每個像素分別
進行如下處理將紅色分量進行離散化，比如將
間的歸一化紅色分量值
離散化為64個區間，採用其落入區間的序號作為其離散化值。建立兩個直方
圖， 一個是紅色像素分布直方圖， 一個是正常像素分布直方圖，如杲當前像
素為紅像素，則將該像素歸一化紅色分量離散化值對應的紅色像素直方圖累
積值加1，如果當前像素為正常像素，則將該像素歸一化紅色分量離散化值
對應的正常像素直方圖累積值加1。
相應地，對待處理圖像上眼睛區域內的每個像素，可採用如下方式判定 其屬於紅色素的概率計算該眼睛區域內某一像素的歸一化紅色分量的離散 化值，然後將其分別與所述紅色像素分布直方圖和正常像素分布直方圖進朽_ 匹配，讀取該離散化值在紅色像素直方圖中對應的累積值Cr，和其在正常像
素直方圖累積直方圖中對應的累計值c;,採用^的值作為該像素為紅色素的 概率
步驟S204:將眼睛區域內每個像素為紅色素的概率與一特徵閾值進行比 較，根據比較結果為每個像素(jc,力分配對應的特徵值/0^,力)；
所述特徵值/(p"力)的分配方法可以是，如果一個像素"力為紅色素的 概率p(x，力大於或者等於特徵閾值T，則為該像素分配一個正特徵值，否則， 則為該像素分配一個負特徵值。所述正特徵值和所述負特徵值的絕對值相同，比如，正特徵值可以是l，負特徵值可以是-1。
步驟S205:計算眼睛區域內各像素對應的特徵值/(P"，力)組成的特徵圖 像的積分圖像；
在所述積分圖像中，在點Oc，力處的值定義為該點左上角的矩形區域內的 所有像素特徵值之和，即
卵,力=Z /(P(")) 其中， 〃"力表示在積分圖像中點"力處的積分值。 較佳地，本發明實施例還提供了一種快速計算積分圖像的方法 對任意"0,1,2…H-1及x^,l,2…W-l，設定II(-1， y)=0， II(x, -1)=0; 對圖像所有行，可以按照y-0,l,2…H-l的順序進行如下處理 設定rs=0表示當前行所有像素和初始值為0; 對圖像y行中的所有像素按照x=0,l,2...W-l的順序進行如下處理 令rs=rs+f(p(x， y));
則當前像素(x,y)的積分圖像II(x,y>= II(x,y-l) +rs;
計算完第y行的積分圖像後接著計算第y+1行的積分圖像；
對圖像的所有行處理完畢後，完成積分圖^^的計算。
由上述內容可知，本發明實施例只需要保存一個rs(x,y)對應的數據，對 於一些內存要求較高的應用，比如晶片設計，.採用本發明實施例提供的方法 更具優點。
步驟S206:利用該積分圖像，分別計算眼晴區域內沿x軸或者y軸方向 上各矩形內的像素的特徵值之和；
由於該積分圖像中點(U)處的積分值的定義為該點左上角的矩形區域內 的所有像素的特徵值之和，因此，可以根據簡單的幾何面積計算方法便可以 計算出以點"力為右下角頂點的矩形內的像素的特徵值之和。
假設要計算一頂點坐標分別為a,力,(;cj-Z))，(jc-6)的矩形內 所有像素的特徵值之和s謂《x,力,(x -",力,(x, >; - 6), (x - "， y -州，只需要用該矩形右下角頂點0c,力處的積分值減去該矩形右上角頂點0c,y-6)和左下角頂點 (x - a,力對應的積分值，之後再加上該矩形左上角頂點(;c - a， >; - 6)對應的積分 值即可，即
SMm((JC，(x — a,(x _y — 6), (jc — a, y - 6)) = T7(3c, _y) - /7(jc — a, j) - //(x, j — 6) + /,(x — a, y - 6)
其中，a為該矩形x軸方向的邊長，b為該矩形y軸方向的邊長。
由於上述處理方法，只需要三次加減法運算就求得了一矩形區域內的特 徵值之和，因此處理速度#_快，便於實時處理。
上述沿x軸或者y軸方向上的各矩形，包括眼睛區域內包含的各種大小， 各個位置的矩形。在實際處理中，也並不需要對滿足上述條件的所有矩形區 域都進行處理，可以設定上述矩形的最大寬度(即a的最大取值)，最小寬 度(即a的最小取值)，最大高度(即b的最大取值)，最小高度(即b的 最小取值)，水平方向的步長(即a取值的間隔)，垂直方向的步長(即b 取值的間隔)，只處理在眼晴區域內的寬度在最小寬度和最大寬度之間的， 高度在最小高度和最大高度之間的，以水平步長和垂直步長遍歷其所有可能 位置得到的所有矩形。
上迷步驟S205和步驟S206提出一種快速計算眼睛區域內沿x軸或者y 軸方向上各矩形內的像素的特徵值之和的方法，通過獲取眼睛區域內像素對 應的特徵圖像的積分圖像，以及簡單的加減運算來實現，能夠滿足實時處理 的要求。
在另 一實施例中，在為每個像素(x，力分配對應的特徵值/(/Ka力)之後， 也可以直接對眼睛區域中各個矩形中的像素的特徵值進行求和運算，即定義 所述眼睛區域中沿x軸或者y軸方向上各矩形內的像素的特徵值/(p(x',力)之 和為>>)， (x—ar,少),_y—6), (jc—", j — Z)》
幼傷(Oc,力,0-ar,力,0,;;-6),0——6》=^ /(P(^J'》
其中，ra附((X力,0:-",力,Oc，j-6),0:-tf,j-6》為 一 頂點坐標分別為 (x,力,(x-",力,(x,;;-6),(jc-"，j;-6)的矩形，a為該矩形x 4由方向的邊長，b為該 矩形y軸方向的邊長。按照上述定義計算矩形區域內特徵值之和的方法，其運算量較大。因此， 計算矩形區域內的特徵值之和。
步驟S207:篩選出該些矩形中像素的特徵值之和最大的一矩形； 篩選出的該矩形區域即為紅色素集中的區域。
步驟S208:對所述篩選出的矩形區域的邊緣採用曲線擬合技術進行處理；
由於紅眼圖像的飽和度很高，因此邊緣基本上沒有，得到的邊緣為眼球 區域與周圍區域的邊緣，可以採用曲線擬合方式，得到上述邊緣連接得到的 橢圓形區域。
具體來說，可以先採用canny、 sobel或者prewitt算子，提取所述紅色素 集中的矩形區域中的圖像邊緣強度，將邊緣強度與一邊緣強度閾值相比較， 將小於邊緣強度閾值的邊緣點刪除。對於大於或者等於邊緣強度閾值的邊緣 點，採用橢圓形的廣義哈夫變換，檢測到a^J求與周圍區域的邊緣，曲線內部 的區i或即為曖孔區域。
步驟S209:計算上述瞳孔區域內像素為紅色素的平均概率，並判斷該平 均概率是否大於一紅色素概率闞值，如果判斷結果為"是"，則判定上述區 域是紅眼區域，對該紅眼區域內的像素進行如亮度補償等相應的紅眼消除處 理，結束；否則，判定上述區域不是紅眼區域，結束。
當然，根據每個像素為紅色素的概率，還可以利用多種其他圖像處理方 法來確定紅色素集中的區域，比如，還可以分別將各像素為紅色素的概率與 一紅色素概率閾值進行比較，篩選出為紅色素的像素，並對該些像素進行連 通域分析來獲得紅眼區域。
本發明提供的一種紅8,測裝置及其檢測方法，可以廣泛地應用於攝像 裝置中，便於在拍攝圖像後快速定位出紅眼區域並進行修正，得到滿意的圖 像。
當然，本發明還可有其他多種實施例，在不背離本發明精神及其實質的 情況下，本領域技術人員當可根據本發明作出各種相應的改變和變形，但這 些相應的改變和變形都應屬於本發明所附的權利要求的保護範圍。
權利要求
1、一種紅眼檢測方法，其特徵在於，包含如下步驟在欲處理的圖像中定位出眼睛區域；對所述眼睛區域內每個像素分別計算其為紅色素的概率；根據每個像素為紅色素的概率，確定紅色素集中的區域；根據所述紅色素集中的區域，確定紅眼區域。
2、 如權利要求l所述的方法，其特徵在於，所述根據每個像素為紅色素 的概率，確定紅色素集中的區域的步驟包含將每個像素為紅色素的概率與一特徵閾值進行比較，根據比較結果為每 個l象素分配對應的特徵值；分別計算所述眼睛區域中沿x軸或者y軸方向上各矩形內的像素的特徵 值之和，篩選出 一具有最大特徵值之和的矩形區域作為所述紅色素集中的區域。
3、 如權利要求2所述的方法，其特徵在於，所述分別計算所述眼睛區域 中沿x軸或者y軸方向上各矩形內的像素的特徵值之和的步驟包含將各個像素對應的特徵值組成一特徵圖像，求取該特徵圖像對應的積分 圖像，定義該積分圖像中點"力處的積分值//(^力為該點左上角的矩形區域 內的所有像素的特徵值/(p(jc',/))之和//"力=J] /(W,乂))根據所述眼睛區域中各矩形的4個頂點對應的特徵圖像的積分圖像值， 計算各矩形內的像素的特徵值之和力,(jc — a,力,(x j —(jc — a, >; — 6)) = //(>,力-//(x — a，力-//(x，》-6) + "0 — a,少—6)其中，做m((jc,力,0e-a，力,Ocj-州為 一 頂點坐標分另'J為 (jc,力,Oc-a,力,(;cj-6)的矩形，a為該矩形x軸方向的邊長，b為該 矩形y軸方向的邊長。
4、 如權利要求2所述的方法，其特徵在於，所述分別計算所述眼睛區域 中沿x軸或者y軸方向上各矩形內的像素的特徵值之和的步驟包含定義所述眼睛區域中沿x軸或者y軸方向上各矩形內的像素的特徵值 formula see original document page 3之和為力formula see original document page 3formula see original document page 3其中，做formula see original document page 3一 頂點坐標分別為 a，力,Oe，少——"J —6)的矩形，a為該矩形x軸方向的邊長，b為該 矩形y軸方向的邊長。
5、 如權利要求2-4中任何一項所述的方法，其特徵在於，所迷分別計算 所述眼睛區域中沿x軸或者y軸方向上各矩形內的像素的特徵值之和的步驟 之前還包含設置所述矩形沿x軸方向上的邊長的取值範圍和步長值；以及 設置所述矩形沿y軸方向上的邊長的取值範圍和步長值。
6、 如權利要求24中任何一項所述的方法，其特徵在於在確定紅色素集中的矩形區域之後，對所述紅色素集中的區域的邊緣採 用曲線擬合技術得到更精確的區域作為紅色素集中區域。
7、 如權利要求1-4中任何一項所述的方法，其特徵在於，所述根據所述 紅色素集中的區域，確定紅眼區域的步驟包含計算所述紅色素集中的區域中所有像素為紅色素的平均概率，如判斷該 平均概率大於一紅色素概率閾值，則判定所述紅色素集中的區域為紅眼區域。
8、 如權利要求1-4中任何一項所述的方法，其特徵在於，所述對眼睛區 域內每個像素分別計算其為紅色素的概率的步驟包含採集大量紅眼圖像，標定其中的紅眼區域作為樣本，訓練出紅眼區域內 像素的歸一化紅色分量所服從的高斯模型；計算出欲處理的圖像中眼睛區域內各像素的歸一化紅色分量，分別與所 述高斯模型進行匹配，從而獲得各像素為紅色素的概率*，力=--"i 0c,力+G(x,力+萬(x,力, 、 i , 0(X力一〃)2、其中R(x，y)、 G(x,y)、 B(x,y)分別為坐標為(x,y)處像素在RGB空間表示的 值，r(x,y)為坐標為(x,y)處像素的歸一化紅色分量，p (x， y)為坐標為(x,y)處像 素為紅色素的概率，ju為紅眼區域內像素的歸一化紅色分量所服從的高斯模 型的均值，J為紅眼區域內像素的歸一化紅色分量所服從的高斯模型的方差。
9、 如權利要求14中任何一項所述的方法，其特徵在於，所述對眼睛區 域內每個像素分別計算其為紅色素的概率的步驟包含採集大量紅眼圖像和正常眼睛圖像，標定其中的紅眼區域作為紅色素樣本，並根據所述紅眼區域在眼睛區域中的位置，在正常眼睛圖像中標定相同的區域作為正常色素樣本，建立紅色像素分布直方圖和正常色素分布直方圖；計算出欲處理的圖像中眼睛區域內各像素的歸一化紅色分量的離散化 值，將其分別與所迷紅色像素分布直方圖和正常色素分布直方圖進行匹配， 讀取該離散化值在紅色像素直方圖中對應的累積值G ，和其在正常像素直方圖累積直方圖中對應的累計值Cn ，採用f的值作為該像素為紅色素的概率。
10、 一種紅目^險測裝置，其特徵在於，包含依次相連的眼睛區域定位模 塊、紅色素概率計算模塊、紅色素區域分析模塊和判定模塊，其中所述眼睛區域定位^:莫塊，用於在欲處理的圖像中定位出眼睛區域；所述紅色素概率計算;f莫塊，用於對所述眼晴區域定位;漠塊定位出的眼睛 區域內的每個像素分別計算其為紅色素的概率；所述紅色素區域分析模塊，用於從所述紅色素概率計算模塊中獲取各像 素為紅色素的概率，並分別將每個像素為紅色素的概率與一特徵閾值進行比 較，根據比較結果為每個像素分配對應的特扭值，然後分別計算所述眼睛區 域中沿x軸或者y軸方向上各矩形內的像素的特徵值之和，篩選出一具有最 大特徵值之和的矩形區域作為所述紅色素集中的區域。所述判定模塊，用於從所述紅色素區域分析模塊中獲取所述紅色素集中的區域，並判斷該區域是否為紅眼區域。
11、如權利要求IO所述的紅目緣測裝置，其特徵在於所述紅色素區域分析模塊在為每個像素分配對應的特徵值之後，將各個 像素對應的特徵值組成一特徵圖像，計算該特徵圖像的積分圖像，定義該積 分圖像中點(:c，力處的積分值//(x，力為該點左上角的矩形區域內的所有像素的 特徵值/(/^',/))之和根據所述眼晴區域中各矩形的4個頂點對應的特徵圖像的積分圖像值， 計算各矩形內的像素的特徵值之和AW7w((x，力,O - a,力,(jc, _y — 6), (x — a,;; - 6)) = //(>,力-//(x—",力-//(x, j — 6) + //(x — a, — 6)其中，幼m(0,力,(jc-a,力,(u—ZO,O-州為 一 頂點坐標分別為 ",力,(;c,;; —A),(jc-a,_y—6)的矩形，a為該矩形x軸方向的邊長，b為該 矩形y軸方向的邊長。
全文摘要
本發明提供了一種紅眼檢測方法在欲處理的圖像中定位出眼睛區域；對所述眼睛區域內每個像素分別計算其為紅色素的概率；根據每個像素為紅色素的概率，確定紅色素集中的區域；根據所述紅色素集中的區域，確定紅眼區域。為了實現該紅眼檢測方法，本發明還提供了一種紅眼檢測裝置，能夠快速檢測出紅眼區域，以方便對紅眼區域進行修正，得到滿意的圖像。
文檔編號G06K9/00GK101447026SQ20081024686
公開日2009年6月3日 申請日期2008年12月26日 優先權日2008年12月26日
發明者鄧亞峰 申請人:北京中星微電子有限公司