專利名稱：一種紅眼檢測裝置及其檢測方法
技術(shù)領(lǐng)域：
本發(fā)明涉及圖像處理領(lǐng)域，尤其涉及一種紅眼檢測裝置及其檢測方法。
背景技術(shù)：
照相機(jī)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(xiàn)紅色斑點(diǎn)，這種現(xiàn)象稱之為紅眼現(xiàn)象。其主要是由于人的瞳孔在環(huán)境光
線比較暗時會放大，近距離的閃光燈的強(qiáng)光經(jīng)iti丈大的瞳孔，打在視網(wǎng)膜后 的血管組織上，反射回紅色的光線，造成實(shí)際成像的照片呈現(xiàn)紅眼現(xiàn)象。紅 眼現(xiàn)象會導(dǎo)致照片的效果不佳，不利于用戶的拍照體驗(yàn)。
目前， 一些照相機(jī)具有減弱紅眼現(xiàn)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(yù)閃后縮小，成像時紅眼現(xiàn)象就會 減輕一些。但是這一功能往往不能確保紅眼現(xiàn)象完全消除，而且要求被拍攝 對象在預(yù)閃時必須直視照相機(jī)，年齡較小的孩子注意力不集中，常常無法達(dá) 到預(yù)期效果。
近年來，隨著數(shù)碼攝影技術(shù)以及圖像處理技術(shù)的發(fā)展，為成像后的照片 的修正帶來了可能，但是，如何能夠快速定位出需要進(jìn)行修正的紅眼區(qū)域仍 然是本領(lǐng)域亟待解決的 一技術(shù)問題。

發(fā)明內(nèi)容
本發(fā)明要解決的技術(shù)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(qū)域，以方便對紅眼區(qū)域進(jìn)行修正，得到滿意的圖像。
為了解決上述技術(shù)問題，本發(fā)明提供了一種紅恥險(xiǎn)測方法，包含如下步
驟
在欲處理的圖像中定位出眼睛區(qū)域；對所述眼睛區(qū)域內(nèi)每個像素分別計(jì)算其為紅色素的概率； 根據(jù)每個像素為紅色素的概率，確定紅色素集中的區(qū)域； 根據(jù)所迷紅色素集中的區(qū)域，確定紅眼區(qū)域。 進(jìn)一步地，上述紅目W企測方法還可具有以下特點(diǎn) 所迷根據(jù)每個像素為紅色素的概率，確定紅色素集中的區(qū)域的步驟包含 將每個像素為紅色素的概率與一特征閾值進(jìn)行比較，根椐比較結(jié)果為每 個像素分配對應(yīng)的特征值；
分別計(jì)算所述眼睛區(qū)域中沿x軸或者y軸方向上各矩形內(nèi)的像素的特征 值之和，篩選出 一具有最大特征值之和的矩形區(qū)域作為所述紅色素集中的區(qū)域。
進(jìn)一步地，上述紅目l險(xiǎn)測方法還可具有以下特點(diǎn)
所述分別計(jì)算所述眼睛區(qū)域中沿x軸或者y軸方向上各矩形內(nèi)的像素的 特征值之和的步驟包含
將各個像素對應(yīng)的特征值組成一特征圖像，求取該特征圖像對應(yīng)的積分 圖像，定義該積分圖像中點(diǎn)0c，力處的積分值/7(x，力為該點(diǎn)左上角的矩形區(qū)域 內(nèi)的所有像素的特征值/(p(x',力)之和
//"力=S /(W，力)
根據(jù)所述眼睛區(qū)域中各矩形的4個頂點(diǎn)對應(yīng)的特征圖像的積分圖像值， 計(jì)算各矩形內(nèi)的像素的特征值之和
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(diǎn)坐標(biāo)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(jìn)一步地，上述紅目,測方法還可具有以下特點(diǎn)
所述分別計(jì)算所述眼睛區(qū)域中沿x軸或者y軸方向上各矩形內(nèi)的像素的 特征值之和的步驟包含定義所述眼睛區(qū)域中沿x軸或者y軸方向上各矩形內(nèi)的像素的特征值 ./(P(x '，少'))之和為力,O —",力,0, y — 6), (x — at, y — 6)):
<formula>formula see original document page 8</formula>
其中，w/n《x,力,(je—tf,力,(x，少—6),(jc—a,_y —州為 一 頂點(diǎn)坐標(biāo)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(jìn)一步地，上述紅目&險(xiǎn)測方法還可具有以下特點(diǎn)
所述分別計(jì)算所述眼睛區(qū)域中沿x軸或者y軸方向上各矩形內(nèi)的像素的 特征值之和的步驟之前還包含
設(shè)置所述矩形沿x軸方向上的邊長的取值范圍和步長值；以及
設(shè)置所述矩形沿y軸方向上的邊長的取值范圍和步長值。
進(jìn)一步地，上述紅目,測方法還可具有以下特點(diǎn)
在確定紅色素集中的矩形區(qū)域之后，對所述紅色素集中的區(qū)域的邊緣采 用曲線擬合技術(shù)得到更精確的區(qū)域作為紅色素集中區(qū)域。
進(jìn)一步地，上述紅目W全測方法還可具有以下特點(diǎn)
所述根據(jù)所述紅色素集中的區(qū)域，確定紅眼區(qū)域的步驟包含
計(jì)算所述紅色素集中的區(qū)域中所有像素為紅色素的平均概率，如判斷該 平均概率大于一紅色素概率閾值，則判定所述紅色素集中的區(qū)域?yàn)榧t眼區(qū)域。
進(jìn)一步地，上述紅目^b險(xiǎn)測方法還可具有以下特點(diǎn)
所迷對眼睛區(qū)域內(nèi)每個像素分別計(jì)算其為紅色素的概率的步驟包含
采集大量紅眼圖像，標(biāo)定其中的紅眼區(qū)域作為樣本，訓(xùn)練出紅眼區(qū)域內(nèi) 像素的歸一化紅色分量所服從的高斯模型；
計(jì)算出欲處理的圖像中眼睛區(qū)域內(nèi)各像素的歸一化紅色分量，分別與所 述高斯模型進(jìn)行匹配，從而獲得各像素為紅色素的概率<formula>formula see original document page 8</formula>其中R(x,y)、 G(x,y)、 B(x,y)分別為坐標(biāo)為(x,y)處像素在RGB空間表示的 值，r(x,y)為坐標(biāo)為(x,y)處像素的歸一化紅色分量，p (x， y)為坐標(biāo)為(x，y)處像 素為紅色素的概率，ju為紅眼區(qū)域內(nèi)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(qū)域內(nèi)像素的歸一化紅色分量所服從的高斯模型的方差。
進(jìn)一步地，上述紅眼檢測方法還可具有以下特點(diǎn)
所述對眼睛區(qū)域內(nèi)每個像素分別計(jì)算其為紅色素的概率的步驟包含
采集大量紅眼圖像和正常眼睛圖像，標(biāo)定其中的紅眼區(qū)域作為紅色素樣
本，并根據(jù)所述紅眼區(qū)域在眼睛區(qū)域中的位置，在正常眼睛圖像中標(biāo)定相同
的區(qū)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(jì)算出欲處理的圖像中眼睛區(qū)域內(nèi)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(jìn)行匹配， 讀取該離散化值在紅色像素直方圖中對應(yīng)的累積值c;,和其在正常像素直方
圖累積直方圖中對應(yīng)的累計(jì)值Cn,采用^的值作為該像素為紅色素的概率。
為了解決上述技術(shù)問題，本發(fā)明還提供了一種紅目^r測裝置，包含依次 相連的眼睛區(qū)域定位模塊、紅色素概率計(jì)算模塊、紅色素區(qū)域分析模塊和判 定模塊，其中
所述眼晴區(qū)域定位才莫塊，用于在欲處理的圖像中定位出眼睛區(qū)域；
所迷紅色素概率計(jì)算4莫塊，用于對所述眼睛區(qū)域定位4莫塊定位出的眼睛 區(qū)域內(nèi)的每個像素分別計(jì)算其為紅色素的概率；
所述紅色素區(qū)域分析模塊，用于從所述紅色素概率計(jì)算模塊中獲取各像 素為紅色素的概率，并分別將每個像素為紅色素的概率與一特征閾值進(jìn)行比 較，根據(jù)比較結(jié)果為每個像素分配對應(yīng)的特征值，然后分別計(jì)算所述眼睛區(qū) 域中沿x軸或者y軸方向上各矩形內(nèi)的像素的特征值之和，篩選出一具有最 大特征值之和的矩形區(qū)域作為所述紅色素集中的區(qū)域。
所述判定模塊，用于從所述紅色素區(qū)域分析模塊中獲取所述紅色素集中 的區(qū)域，并判斷該區(qū)域是否為紅眼區(qū)域。
進(jìn)一步地，上述紅目,測裝置還可具有以下特點(diǎn)所述紅色素區(qū)域分新j莫塊在為每個像素分配對應(yīng)的特征值之后，將各個 像素對應(yīng)的特征值組成一特征圖像，計(jì)算該特征圖像的積分圖像，定義該積 分圖像中點(diǎn)(JC,力處的積分值//(X,力為該點(diǎn)左上角的矩形區(qū)域內(nèi)的所有像素的
特征值/O0c',力)之和
<formula>formula see original document page 10</formula>
根據(jù)所述眼睛區(qū)域中各矩形的4個頂點(diǎn)對應(yīng)的特征圖像的積分圖像值， 計(jì)算各矩形內(nèi)的像素的特征值之和
ra傷((X力,(X — a,力,(x， _y - 6), (x — a， y — 6)) = //(>,力-—",力-》—6) + //(> — a, y — 6)
其中，w戰(zhàn)((;c,力,0:-",力,(xj-外(x-州為 一 頂點(diǎn)坐標(biāo)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(fā)明所述的一種紅目l險(xiǎn)測方法，能夠快速檢測出紅眼區(qū)域，以方便對 紅眼區(qū)域進(jìn)行修正，得到滿意的圖像。


圖l是本發(fā)明實(shí)施例一種紅眼檢測裝置的結(jié)構(gòu)方框圖。
圖2是本發(fā)明實(shí)施例一種紅眼檢測方法流程圖。
具體實(shí)施例方式
本發(fā)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(qū)域。 其基本構(gòu)思是在欲處理的圖像中定位出眼睛區(qū)域；計(jì)算所述眼睛區(qū)域中每 個像素為紅色素的概率；根據(jù)每個像素為紅色素的概率，確定紅色素集中的 區(qū)域；根據(jù)所述紅色素集中的區(qū)域，確定紅眼區(qū)域。
下面結(jié)合附圖對本發(fā)明實(shí)施方式進(jìn)行詳細(xì)介紹。
參考圖1,該圖示出了本發(fā)明實(shí)施例一種紅眼檢測裝置，包^^依次相連 的眼睛區(qū)域定位模塊、紅色素概率計(jì)算模塊、紅色素區(qū)域分析模塊和判定模 塊，其中所述眼睛區(qū)域定位模塊，用于在欲處理的圖像中定位出眼睛區(qū)域；
所述紅色素概率計(jì)算模塊，用于對所述眼睛區(qū)域定位;溪塊定位出的眼睛 區(qū)域內(nèi)的每個像素分別計(jì)算其為紅色素的概率；
所述紅色素區(qū)域分析才莫塊，用于從所述紅色素概率計(jì)算^f莫塊中獲取各像 素為紅色素的概率，并分別將每個像素為紅色素的概率與一特征閾值進(jìn)行比 較，根據(jù)比較結(jié)果為每個像素分配對應(yīng)的特征值，然后分別計(jì)算所述眼睛區(qū) 域中沿x軸或者y軸方向上各矩形內(nèi)的像素的特征值之和，篩選出一具有最 大特征值之和的矩形區(qū)域作為所述紅色素集中的區(qū)域。
所述紅色素區(qū)域分析4莫塊在分別計(jì)算所述眼睛區(qū)域中沿x軸或者y軸方 向上各矩形內(nèi)的像素的特征值之和之前，設(shè)置所述矩形沿x軸方向上的邊長 的取值范圍和步長值，以及所述矩形沿y軸方向上的邊長的取值范圍和步長 值。
所述紅色素區(qū)域分析模塊在為每個像素分配對應(yīng)的特征值之后，將各個 像素對應(yīng)的特征值組成一特征圖像，計(jì)算該特征圖像的積分圖像，定義該積 分圖像中點(diǎn)Oc,力處的積分值〃(x,力為該點(diǎn)左上角的矩形區(qū)域內(nèi)的所有像素的 特征值/(p(x',力)之和
根據(jù)所述眼睛區(qū)域中各矩形的4個頂點(diǎn)對應(yīng)的特征圖像的積分圖像值， 計(jì)算各矩形內(nèi)的像素的特征值之和
$ /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(diǎn)坐標(biāo)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(qū)域分析模塊在確定紅色素集中的矩形區(qū)域之后，對所述紅 色素集中的區(qū)域的邊緣采用曲線擬合技術(shù)得到更精確的區(qū)域作為紅色素集中 區(qū)域。
所述判定模塊，用于從所述紅色素區(qū)域分析模塊中獲取所述紅色素集中的區(qū)域，并判斷該區(qū)域是否為紅眼區(qū)域。所述判定才莫塊是計(jì)算所述紅色素集 中的區(qū)域中所有像素為紅色素的平均概率，如判斷該平均概率大于一紅色素 概率閾值，則判定所述紅色素集中的區(qū)域?yàn)榧t眼區(qū)域。
參考圖2,該圖示出了采用圖I所示紅0 測裝置對欲處理的圖像進(jìn)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(jìn)行人臉檢測，確定人臉區(qū)域； 可以采用全角度的人臉檢測器對采集到的圖像進(jìn)行人臉檢測。 步驟S202:在人臉區(qū)域內(nèi)，定位出眼睛區(qū)域；
可以按照現(xiàn)行方法定位眼晴區(qū)域，比如，可以先采用基于自適應(yīng)增強(qiáng) (Adaboost)算法和微結(jié)構(gòu)特征(haar-like)的分類器模型為左眼和右眼分別 訓(xùn)練分類器，然后根據(jù)左眼區(qū)域和右眼區(qū)域在人臉區(qū)域中的分布情況確定欲 處理的圖像中的左眼搜索范圍和右眼搜索范圍，從所述左眼搜索范圍內(nèi)的圖 像上提取微結(jié)構(gòu)特征輸入到上述為左眼訓(xùn)練好的分類器中，從所述右眼搜索 范圍內(nèi)的圖像上提取微結(jié)構(gòu)特征輸入到上述為右眼訓(xùn)練好的分類器中，根據(jù) 分類檢測結(jié)果來定位出左眼區(qū)域和右眼區(qū)域。
步驟S203:計(jì)算眼睛區(qū)域內(nèi)每個像素為紅色素的概率；
本發(fā)明實(shí)施例可以事先訓(xùn)練出紅眼區(qū)域內(nèi)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，可以采 集各種情況下，如不同光照強(qiáng)度下、不同拍攝角度下等，拍攝到的紅眼圖像， 利用現(xiàn)有的圖像處理技術(shù)標(biāo)定該些紅眼圖像中的紅眼區(qū)域，提取該些紅眼區(qū) 域內(nèi)每個像素的紅色分量，較佳地可以采用歸一化RGB空間的紅色分量
作為特征，之后采用高斯;漢型訓(xùn)練得到紅眼區(qū)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(jì)算眼睛區(qū)域內(nèi)每個像素為紅色素的概率時，可以先計(jì) 算出所述眼睛區(qū)域內(nèi)每個像素的歸 一化紅色分量力，然后與訓(xùn)練好的紅眼 區(qū)域中歸 一化紅色分量服從的高斯模型")進(jìn)行匹配，從而得到所述每個 像素屬于紅色素的概率/ Oc,力<formula>formula see original document page 13</formula>
其中R(x,y)、 G(x，y)、 B(x,y)分別為坐標(biāo)為(x,y)處像素在RGB空間表示的 值，r(x,y)為坐標(biāo)為(x，y)處像素的歸 一化紅色分量，p (x, y)為坐標(biāo)為(x,y)處像 素為紅色素的概率，y為紅眼區(qū)域內(nèi)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(qū)域內(nèi)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(shí)施例中，還可以采用統(tǒng)計(jì)直方圖的方法計(jì)算眼睛區(qū)域內(nèi)每個像
素為紅色素的概率。具體來說，可以先采集大量紅眼圖像和正常的眼睛圖像，
利用現(xiàn)有的圖像處理技術(shù)標(biāo)定出紅眼圖像中的紅眼區(qū)域，并且根據(jù)該區(qū)域在
眼睛上的位置，還在所述正常的眼睛圖像中相應(yīng)的位置處進(jìn)行標(biāo)定。之后，
對標(biāo)定的紅眼區(qū)域中的每個像素以及標(biāo)定的正常眼睛區(qū)域中的每個像素分別
進(jìn)行如下處理將紅色分量進(jìn)行離散化，比如將
間的歸一化紅色分量值
離散化為64個區(qū)間，采用其落入?yún)^(qū)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(dāng)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(yīng)的紅色像素直方圖累
積值加1，如果當(dāng)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(yīng)的正常像素直方圖累積值加1。
相應(yīng)地，對待處理圖像上眼睛區(qū)域內(nèi)的每個像素，可采用如下方式判定 其屬于紅色素的概率計(jì)算該眼睛區(qū)域內(nèi)某一像素的歸一化紅色分量的離散 化值，然后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(jìn)朽_ 匹配，讀取該離散化值在紅色像素直方圖中對應(yīng)的累積值Cr，和其在正常像
素直方圖累積直方圖中對應(yīng)的累計(jì)值c;,采用^的值作為該像素為紅色素的 概率
步驟S204:將眼睛區(qū)域內(nèi)每個像素為紅色素的概率與一特征閾值進(jìn)行比 較，根據(jù)比較結(jié)果為每個像素(jc,力分配對應(yīng)的特征值/0^,力)；
所述特征值/(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，力大于或者等于特征閾值T，則為該像素分配一個正特征值，否則， 則為該像素分配一個負(fù)特征值。所述正特征值和所述負(fù)特征值的絕對值相同，比如，正特征值可以是l，負(fù)特征值可以是-1。
步驟S205:計(jì)算眼睛區(qū)域內(nèi)各像素對應(yīng)的特征值/(P"，力)組成的特征圖 像的積分圖像；
在所述積分圖像中，在點(diǎn)Oc，力處的值定義為該點(diǎn)左上角的矩形區(qū)域內(nèi)的 所有像素特征值之和，即
卵,力=Z /(P(")) 其中， 〃"力表示在積分圖像中點(diǎn)"力處的積分值。 較佳地，本發(fā)明實(shí)施例還提供了一種快速計(jì)算積分圖像的方法 對任意"0,1,2…H-1及x^,l,2…W-l，設(shè)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(jìn)行如下處理 設(shè)定rs=0表示當(dāng)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(jìn)行如下處理 令rs=rs+f(p(x， y));
則當(dāng)前像素(x,y)的積分圖像II(x,y>= II(x,y-l) +rs;
計(jì)算完第y行的積分圖像后接著計(jì)算第y+1行的積分圖像；
對圖像的所有行處理完畢后，完成積分圖^^的計(jì)算。
由上述內(nèi)容可知，本發(fā)明實(shí)施例只需要保存一個rs(x,y)對應(yīng)的數(shù)據(jù)，對 于一些內(nèi)存要求較高的應(yīng)用，比如芯片設(shè)計(jì)，.采用本發(fā)明實(shí)施例提供的方法 更具優(yōu)點(diǎn)。
步驟S206:利用該積分圖像，分別計(jì)算眼晴區(qū)域內(nèi)沿x軸或者y軸方向 上各矩形內(nèi)的像素的特征值之和；
由于該積分圖像中點(diǎn)(U)處的積分值的定義為該點(diǎn)左上角的矩形區(qū)域內(nèi) 的所有像素的特征值之和，因此，可以根據(jù)簡單的幾何面積計(jì)算方法便可以 計(jì)算出以點(diǎn)"力為右下角頂點(diǎn)的矩形內(nèi)的像素的特征值之和。
假設(shè)要計(jì)算一頂點(diǎn)坐標(biāo)分別為a,力,(;cj-Z))，(jc-6)的矩形內(nèi) 所有像素的特征值之和s謂《x,力,(x -",力,(x, >; - 6), (x - "， y -州，只需要用該矩形右下角頂點(diǎn)0c,力處的積分值減去該矩形右上角頂點(diǎn)0c,y-6)和左下角頂點(diǎn) (x - a,力對應(yīng)的積分值，之后再加上該矩形左上角頂點(diǎn)(;c - a， >; - 6)對應(yīng)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。
由于上述處理方法，只需要三次加減法運(yùn)算就求得了一矩形區(qū)域內(nèi)的特 征值之和，因此處理速度#_快，便于實(shí)時處理。
上述沿x軸或者y軸方向上的各矩形，包括眼睛區(qū)域內(nèi)包含的各種大小， 各個位置的矩形。在實(shí)際處理中，也并不需要對滿足上述條件的所有矩形區(qū) 域都進(jìn)行處理，可以設(shè)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(qū)域內(nèi)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(jì)算眼睛區(qū)域內(nèi)沿x軸或者y 軸方向上各矩形內(nèi)的像素的特征值之和的方法，通過獲取眼睛區(qū)域內(nèi)像素對 應(yīng)的特征圖像的積分圖像，以及簡單的加減運(yùn)算來實(shí)現(xiàn)，能夠滿足實(shí)時處理 的要求。
在另 一實(shí)施例中，在為每個像素(x，力分配對應(yīng)的特征值/(/Ka力)之后， 也可以直接對眼睛區(qū)域中各個矩形中的像素的特征值進(jìn)行求和運(yùn)算，即定義 所述眼睛區(qū)域中沿x軸或者y軸方向上各矩形內(nèi)的像素的特征值/(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(diǎn)坐標(biāo)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(jì)算矩形區(qū)域內(nèi)特征值之和的方法，其運(yùn)算量較大。因此， 計(jì)算矩形區(qū)域內(nèi)的特征值之和。
步驟S207:篩選出該些矩形中像素的特征值之和最大的一矩形； 篩選出的該矩形區(qū)域即為紅色素集中的區(qū)域。
步驟S208:對所述篩選出的矩形區(qū)域的邊緣采用曲線擬合技術(shù)進(jìn)行處理；
由于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(qū)域與周圍區(qū)域的邊緣，可以采用曲線擬合方式，得到上述邊緣連接得到的 橢圓形區(qū)域。
具體來說，可以先采用canny、 sobel或者prewitt算子，提取所述紅色素 集中的矩形區(qū)域中的圖像邊緣強(qiáng)度，將邊緣強(qiáng)度與一邊緣強(qiáng)度閾值相比較， 將小于邊緣強(qiáng)度閾值的邊緣點(diǎn)刪除。對于大于或者等于邊緣強(qiáng)度閾值的邊緣 點(diǎn)，采用橢圓形的廣義哈夫變換，檢測到a^J求與周圍區(qū)域的邊緣，曲線內(nèi)部 的區(qū)i或即為曖孔區(qū)域。
步驟S209:計(jì)算上述瞳孔區(qū)域內(nèi)像素為紅色素的平均概率，并判斷該平 均概率是否大于一紅色素概率闞值，如果判斷結(jié)果為"是"，則判定上述區(qū) 域是紅眼區(qū)域，對該紅眼區(qū)域內(nèi)的像素進(jìn)行如亮度補(bǔ)償?shù)认鄳?yīng)的紅眼消除處 理，結(jié)束；否則，判定上述區(qū)域不是紅眼區(qū)域，結(jié)束。
當(dāng)然，根據(jù)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(qū)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(jìn)行比較，篩選出為紅色素的像素，并對該些像素進(jìn)行連 通域分析來獲得紅眼區(qū)域。
本發(fā)明提供的一種紅8,測裝置及其檢測方法，可以廣泛地應(yīng)用于攝像 裝置中，便于在拍攝圖像后快速定位出紅眼區(qū)域并進(jìn)行修正，得到滿意的圖 像。
當(dāng)然，本發(fā)明還可有其他多種實(shí)施例，在不背離本發(fā)明精神及其實(shí)質(zhì)的 情況下，本領(lǐng)域技術(shù)人員當(dāng)可根據(jù)本發(fā)明作出各種相應(yīng)的改變和變形，但這 些相應(yīng)的改變和變形都應(yīng)屬于本發(fā)明所附的權(quán)利要求的保護(hù)范圍。
權(quán)利要求
1、一種紅眼檢測方法，其特征在于，包含如下步驟在欲處理的圖像中定位出眼睛區(qū)域；對所述眼睛區(qū)域內(nèi)每個像素分別計(jì)算其為紅色素的概率；根據(jù)每個像素為紅色素的概率，確定紅色素集中的區(qū)域；根據(jù)所述紅色素集中的區(qū)域，確定紅眼區(qū)域。
2、 如權(quán)利要求l所述的方法，其特征在于，所述根據(jù)每個像素為紅色素 的概率，確定紅色素集中的區(qū)域的步驟包含將每個像素為紅色素的概率與一特征閾值進(jìn)行比較，根據(jù)比較結(jié)果為每 個l象素分配對應(yīng)的特征值；分別計(jì)算所述眼睛區(qū)域中沿x軸或者y軸方向上各矩形內(nèi)的像素的特征 值之和，篩選出 一具有最大特征值之和的矩形區(qū)域作為所述紅色素集中的區(qū)域。
3、 如權(quán)利要求2所述的方法，其特征在于，所述分別計(jì)算所述眼睛區(qū)域 中沿x軸或者y軸方向上各矩形內(nèi)的像素的特征值之和的步驟包含將各個像素對應(yīng)的特征值組成一特征圖像，求取該特征圖像對應(yīng)的積分 圖像，定義該積分圖像中點(diǎn)"力處的積分值//(^力為該點(diǎn)左上角的矩形區(qū)域 內(nèi)的所有像素的特征值/(p(jc',/))之和//"力=J] /(W,乂))根據(jù)所述眼睛區(qū)域中各矩形的4個頂點(diǎn)對應(yīng)的特征圖像的積分圖像值， 計(jì)算各矩形內(nèi)的像素的特征值之和力,(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(diǎn)坐標(biāo)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(quán)利要求2所述的方法，其特征在于，所述分別計(jì)算所述眼睛區(qū)域 中沿x軸或者y軸方向上各矩形內(nèi)的像素的特征值之和的步驟包含定義所述眼睛區(qū)域中沿x軸或者y軸方向上各矩形內(nèi)的像素的特征值 <formula>formula see original document page 3</formula>之和為力<formula>formula see original document page 3</formula><formula>formula see original document page 3</formula>其中，做<formula>formula see original document page 3</formula>一 頂點(diǎn)坐標(biāo)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(quán)利要求2-4中任何一項(xiàng)所述的方法，其特征在于，所迷分別計(jì)算 所述眼睛區(qū)域中沿x軸或者y軸方向上各矩形內(nèi)的像素的特征值之和的步驟 之前還包含設(shè)置所述矩形沿x軸方向上的邊長的取值范圍和步長值；以及 設(shè)置所述矩形沿y軸方向上的邊長的取值范圍和步長值。
6、 如權(quán)利要求24中任何一項(xiàng)所述的方法，其特征在于在確定紅色素集中的矩形區(qū)域之后，對所述紅色素集中的區(qū)域的邊緣采 用曲線擬合技術(shù)得到更精確的區(qū)域作為紅色素集中區(qū)域。
7、 如權(quán)利要求1-4中任何一項(xiàng)所述的方法，其特征在于，所述根據(jù)所述 紅色素集中的區(qū)域，確定紅眼區(qū)域的步驟包含計(jì)算所述紅色素集中的區(qū)域中所有像素為紅色素的平均概率，如判斷該 平均概率大于一紅色素概率閾值，則判定所述紅色素集中的區(qū)域?yàn)榧t眼區(qū)域。
8、 如權(quán)利要求1-4中任何一項(xiàng)所述的方法，其特征在于，所述對眼睛區(qū) 域內(nèi)每個像素分別計(jì)算其為紅色素的概率的步驟包含采集大量紅眼圖像，標(biāo)定其中的紅眼區(qū)域作為樣本，訓(xùn)練出紅眼區(qū)域內(nèi) 像素的歸一化紅色分量所服從的高斯模型；計(jì)算出欲處理的圖像中眼睛區(qū)域內(nèi)各像素的歸一化紅色分量，分別與所 述高斯模型進(jìn)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(biāo)為(x,y)處像素在RGB空間表示的 值，r(x,y)為坐標(biāo)為(x,y)處像素的歸一化紅色分量，p (x， y)為坐標(biāo)為(x,y)處像 素為紅色素的概率，ju為紅眼區(qū)域內(nèi)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(qū)域內(nèi)像素的歸一化紅色分量所服從的高斯模型的方差。
9、 如權(quán)利要求14中任何一項(xiàng)所述的方法，其特征在于，所述對眼睛區(qū) 域內(nèi)每個像素分別計(jì)算其為紅色素的概率的步驟包含采集大量紅眼圖像和正常眼睛圖像，標(biāo)定其中的紅眼區(qū)域作為紅色素樣本，并根據(jù)所述紅眼區(qū)域在眼睛區(qū)域中的位置，在正常眼睛圖像中標(biāo)定相同的區(qū)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(jì)算出欲處理的圖像中眼睛區(qū)域內(nèi)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(jìn)行匹配， 讀取該離散化值在紅色像素直方圖中對應(yīng)的累積值G ，和其在正常像素直方圖累積直方圖中對應(yīng)的累計(jì)值Cn ，采用f的值作為該像素為紅色素的概率。
10、 一種紅目^險(xiǎn)測裝置，其特征在于，包含依次相連的眼睛區(qū)域定位模 塊、紅色素概率計(jì)算模塊、紅色素區(qū)域分析模塊和判定模塊，其中所述眼睛區(qū)域定位^:莫塊，用于在欲處理的圖像中定位出眼睛區(qū)域；所述紅色素概率計(jì)算;f莫塊，用于對所述眼晴區(qū)域定位;漠塊定位出的眼睛 區(qū)域內(nèi)的每個像素分別計(jì)算其為紅色素的概率；所述紅色素區(qū)域分析模塊，用于從所述紅色素概率計(jì)算模塊中獲取各像 素為紅色素的概率，并分別將每個像素為紅色素的概率與一特征閾值進(jìn)行比 較，根據(jù)比較結(jié)果為每個像素分配對應(yīng)的特扭值，然后分別計(jì)算所述眼睛區(qū) 域中沿x軸或者y軸方向上各矩形內(nèi)的像素的特征值之和，篩選出一具有最 大特征值之和的矩形區(qū)域作為所述紅色素集中的區(qū)域。所述判定模塊，用于從所述紅色素區(qū)域分析模塊中獲取所述紅色素集中的區(qū)域，并判斷該區(qū)域是否為紅眼區(qū)域。
11、如權(quán)利要求IO所述的紅目緣測裝置，其特征在于所述紅色素區(qū)域分析模塊在為每個像素分配對應(yīng)的特征值之后，將各個 像素對應(yīng)的特征值組成一特征圖像，計(jì)算該特征圖像的積分圖像，定義該積 分圖像中點(diǎn)(:c，力處的積分值//(x，力為該點(diǎn)左上角的矩形區(qū)域內(nèi)的所有像素的 特征值/(/^',/))之和根據(jù)所述眼晴區(qū)域中各矩形的4個頂點(diǎn)對應(yīng)的特征圖像的積分圖像值， 計(jì)算各矩形內(nèi)的像素的特征值之和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(diǎn)坐標(biāo)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(fā)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(qū)域；對所述眼睛區(qū)域內(nèi)每個像素分別計(jì)算其為紅色素的概率；根據(jù)每個像素為紅色素的概率，確定紅色素集中的區(qū)域；根據(jù)所述紅色素集中的區(qū)域，確定紅眼區(qū)域。為了實(shí)現(xiàn)該紅眼檢測方法，本發(fā)明還提供了一種紅眼檢測裝置，能夠快速檢測出紅眼區(qū)域，以方便對紅眼區(qū)域進(jìn)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(yōu)先權(quán)日2008年12月26日
發(fā)明者鄧亞峰 申請人:北京中星微電子有限公司