专利名称：一种红眼检测装置及其检测方法
技术领域：
本发明涉及图像处理领域，尤其涉及一种红眼检测装置及其检测方法。
背景技术：
照相机在闪光灯模式下拍摄人像照片时，在照片中的人眼瞳孔处可能会 出现红色斑点，这种现象称之为红眼现象。其主要是由于人的瞳孔在环境光
线比较暗时会放大，近距离的闪光灯的强光经iti丈大的瞳孔，打在视网膜后 的血管组织上，反射回红色的光线，造成实际成像的照片呈现红眼现象。红 眼现象会导致照片的效果不佳，不利于用户的拍照体验。
目前， 一些照相机具有减弱红眼现象的功能，其工作方式主要是在成像 闪光前加闪一次，使-故拍摄对象的瞠孔在预闪后縮小，成像时红眼现象就会 减轻一些。但是这一功能往往不能确保红眼现象完全消除，而且要求被拍摄 对象在预闪时必须直视照相机，年龄较小的孩子注意力不集中，常常无法达 到预期效果。
近年来，随着数码摄影技术以及图像处理技术的发展，为成像后的照片 的修正带来了可能，但是，如何能够快速定位出需要进行修正的红眼区域仍 然是本领域亟待解决的 一技术问题。
发明内容
本发明要解决的技术问题是提供一种红眼检测装置及其检测方法，能够 快速检测出红眼区域，以方便对红眼区域进行修正，得到满意的图像。
为了解决上述技术问题，本发明提供了一种红恥险测方法，包含如下步
骤
在欲处理的图像中定位出眼睛区域；对所述眼睛区域内每个像素分别计算其为红色素的概率； 根据每个像素为红色素的概率，确定红色素集中的区域； 根据所迷红色素集中的区域，确定红眼区域。 进一步地，上述红目W企测方法还可具有以下特点 所迷根据每个像素为红色素的概率，确定红色素集中的区域的步骤包含 将每个像素为红色素的概率与一特征阈值进行比较，根椐比较结果为每 个像素分配对应的特征值；
分别计算所述眼睛区域中沿x轴或者y轴方向上各矩形内的像素的特征 值之和，筛选出 一具有最大特征值之和的矩形区域作为所述红色素集中的区域。
进一步地，上述红目l险测方法还可具有以下特点
所述分别计算所述眼睛区域中沿x轴或者y轴方向上各矩形内的像素的 特征值之和的步骤包含
将各个像素对应的特征值组成一特征图像，求取该特征图像对应的积分 图像，定义该积分图像中点0c，力处的积分值/7(x，力为该点左上角的矩形区域 内的所有像素的特征值/(p(x',力)之和
//"力=S /(W，力)
根据所述眼睛区域中各矩形的4个顶点对应的特征图像的积分图像值， 计算各矩形内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，幼伤((x,力,(x —a,力,(x,少-a,少-6))为 一 顶点坐标分别为 0c,力,(x-6)的矩形，a为该矩形X轴方向的边长，b为该 矩形y轴方向的边长。
进一步地，上述红目,测方法还可具有以下特点
所述分别计算所述眼睛区域中沿x轴或者y轴方向上各矩形内的像素的 特征值之和的步骤包含定义所述眼睛区域中沿x轴或者y轴方向上各矩形内的像素的特征值 ./(P(x '，少'))之和为力,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 —州为 一 顶点坐标分别为 (x，力,(x-a,力,(x,;; — 6),(jc — fl,;; — Z0的矩形，a为该矩形x轴方向的边长，b为该 矩形y轴方向的边长。
进一步地，上述红目&险测方法还可具有以下特点
所述分别计算所述眼睛区域中沿x轴或者y轴方向上各矩形内的像素的 特征值之和的步骤之前还包含
设置所述矩形沿x轴方向上的边长的取值范围和步长值；以及
设置所述矩形沿y轴方向上的边长的取值范围和步长值。
进一步地，上述红目,测方法还可具有以下特点
在确定红色素集中的矩形区域之后，对所述红色素集中的区域的边缘采 用曲线拟合技术得到更精确的区域作为红色素集中区域。
进一步地，上述红目W全测方法还可具有以下特点
所述根据所述红色素集中的区域，确定红眼区域的步骤包含
计算所述红色素集中的区域中所有像素为红色素的平均概率，如判断该 平均概率大于一红色素概率阈值，则判定所述红色素集中的区域为红眼区域。
进一步地，上述红目^b险测方法还可具有以下特点
所迷对眼睛区域内每个像素分别计算其为红色素的概率的步骤包含
采集大量红眼图像，标定其中的红眼区域作为样本，训练出红眼区域内 像素的归一化红色分量所服从的高斯模型；
计算出欲处理的图像中眼睛区域内各像素的归一化红色分量，分别与所 述高斯模型进行匹配，从而获得各像素为红色素的概率<formula>formula see original document page 8</formula>其中R(x,y)、 G(x,y)、 B(x,y)分别为坐标为(x,y)处像素在RGB空间表示的 值，r(x,y)为坐标为(x,y)处像素的归一化红色分量，p (x， y)为坐标为(x，y)处像 素为红色素的概率，ju为红眼区域内像素的归一化红色分量所服从的高斯模 型的均值，^为红眼区域内像素的归一化红色分量所服从的高斯模型的方差。
进一步地，上述红眼检测方法还可具有以下特点
所述对眼睛区域内每个像素分别计算其为红色素的概率的步骤包含
采集大量红眼图像和正常眼睛图像，标定其中的红眼区域作为红色素样
本，并根据所述红眼区域在眼睛区域中的位置，在正常眼睛图像中标定相同
的区域作为正常色素样本，建立红色像素分布直方图和正常色素分布直方计算出欲处理的图像中眼睛区域内各像素的归一化红色分量的离散化 值，将其分别与所述红色像素分布直方图和正常色素分布直方图进行匹配， 读取该离散化值在红色像素直方图中对应的累积值c;,和其在正常像素直方
图累积直方图中对应的累计值Cn,采用^的值作为该像素为红色素的概率。
为了解决上述技术问题，本发明还提供了一种红目^r测装置，包含依次 相连的眼睛区域定位模块、红色素概率计算模块、红色素区域分析模块和判 定模块，其中
所述眼晴区域定位才莫块，用于在欲处理的图像中定位出眼睛区域；
所迷红色素概率计算4莫块，用于对所述眼睛区域定位4莫块定位出的眼睛 区域内的每个像素分别计算其为红色素的概率；
所述红色素区域分析模块，用于从所述红色素概率计算模块中获取各像 素为红色素的概率，并分别将每个像素为红色素的概率与一特征阈值进行比 较，根据比较结果为每个像素分配对应的特征值，然后分别计算所述眼睛区 域中沿x轴或者y轴方向上各矩形内的像素的特征值之和，筛选出一具有最 大特征值之和的矩形区域作为所述红色素集中的区域。
所述判定模块，用于从所述红色素区域分析模块中获取所述红色素集中 的区域，并判断该区域是否为红眼区域。
进一步地，上述红目,测装置还可具有以下特点所述红色素区域分新j莫块在为每个像素分配对应的特征值之后，将各个 像素对应的特征值组成一特征图像，计算该特征图像的积分图像，定义该积 分图像中点(JC,力处的积分值//(X,力为该点左上角的矩形区域内的所有像素的
特征值/O0c',力)之和
<formula>formula see original document page 10</formula>
根据所述眼睛区域中各矩形的4个顶点对应的特征图像的积分图像值， 计算各矩形内的像素的特征值之和
ra伤((X力,(X — a,力,(x， _y - 6), (x — a， y — 6)) = //(>,力-—",力-》—6) + //(> — a, y — 6)
其中，w战((;c,力,0:-",力,(xj-外(x-州为 一 顶点坐标分另'J为 (x，力，(x-a,力,Oj-力),(je-aj-6)的矩形，a为该矩形X轴方向的边长，b为该 矩形y轴方向的边长。
本发明所述的一种红目l险测方法，能够快速检测出红眼区域，以方便对 红眼区域进行修正，得到满意的图像。
图l是本发明实施例一种红眼检测装置的结构方框图。
图2是本发明实施例一种红眼检测方法流程图。
具体实施例方式
本发明提出一种红目緣测装置及其检测方法，能够快速检测出红眼区域。 其基本构思是在欲处理的图像中定位出眼睛区域；计算所述眼睛区域中每 个像素为红色素的概率；根据每个像素为红色素的概率，确定红色素集中的 区域；根据所述红色素集中的区域，确定红眼区域。
下面结合附图对本发明实施方式进行详细介绍。
参考图1,该图示出了本发明实施例一种红眼检测装置，包^^依次相连 的眼睛区域定位模块、红色素概率计算模块、红色素区域分析模块和判定模 块，其中所述眼睛区域定位模块，用于在欲处理的图像中定位出眼睛区域；
所述红色素概率计算模块，用于对所述眼睛区域定位;溪块定位出的眼睛 区域内的每个像素分别计算其为红色素的概率；
所述红色素区域分析才莫块，用于从所述红色素概率计算^f莫块中获取各像 素为红色素的概率，并分别将每个像素为红色素的概率与一特征阈值进行比 较，根据比较结果为每个像素分配对应的特征值，然后分别计算所述眼睛区 域中沿x轴或者y轴方向上各矩形内的像素的特征值之和，筛选出一具有最 大特征值之和的矩形区域作为所述红色素集中的区域。
所述红色素区域分析4莫块在分别计算所述眼睛区域中沿x轴或者y轴方 向上各矩形内的像素的特征值之和之前，设置所述矩形沿x轴方向上的边长 的取值范围和步长值，以及所述矩形沿y轴方向上的边长的取值范围和步长 值。
所述红色素区域分析模块在为每个像素分配对应的特征值之后，将各个 像素对应的特征值组成一特征图像，计算该特征图像的积分图像，定义该积 分图像中点Oc,力处的积分值〃(x,力为该点左上角的矩形区域内的所有像素的 特征值/(p(x',力)之和
根据所述眼睛区域中各矩形的4个顶点对应的特征图像的积分图像值， 计算各矩形内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))为 一 顶点坐标分别为 (x，力,(x-a,力,(x，少-6)，(x-a,_y-的的矩形，a为该矩形X轴方向的边长，b为该
矩形y轴方向的边长。
所述红色素区域分析模块在确定红色素集中的矩形区域之后，对所述红 色素集中的区域的边缘采用曲线拟合技术得到更精确的区域作为红色素集中 区域。
所述判定模块，用于从所述红色素区域分析模块中获取所述红色素集中的区域，并判断该区域是否为红眼区域。所述判定才莫块是计算所述红色素集 中的区域中所有像素为红色素的平均概率，如判断该平均概率大于一红色素 概率阈值，则判定所述红色素集中的区域为红眼区域。
参考图2,该图示出了采用图I所示红0 测装置对欲处理的图像进行
红目W全测的方法，具体包含如下步骤
步骤S201:对欲处理的图像进行人脸检测，确定人脸区域； 可以采用全角度的人脸检测器对采集到的图像进行人脸检测。 步骤S202:在人脸区域内，定位出眼睛区域；
可以按照现行方法定位眼晴区域，比如，可以先采用基于自适应增强 (Adaboost)算法和微结构特征(haar-like)的分类器模型为左眼和右眼分别 训练分类器，然后根据左眼区域和右眼区域在人脸区域中的分布情况确定欲 处理的图像中的左眼搜索范围和右眼搜索范围，从所述左眼搜索范围内的图 像上提取微结构特征输入到上述为左眼训练好的分类器中，从所述右眼搜索 范围内的图像上提取微结构特征输入到上述为右眼训练好的分类器中，根据 分类检测结果来定位出左眼区域和右眼区域。
步骤S203:计算眼睛区域内每个像素为红色素的概率；
本发明实施例可以事先训练出红眼区域内像素的归一化红色分量所服从
的高斯模型"(A力，其中〃为高斯模型的均值，"为方差。具体来说，可以采 集各种情况下，如不同光照强度下、不同拍摄角度下等，拍摄到的红眼图像， 利用现有的图像处理技术标定该些红眼图像中的红眼区域，提取该些红眼区 域内每个像素的红色分量，较佳地可以采用归一化RGB空间的红色分量
作为特征，之后采用高斯;漢型训练得到红眼区域中归一化红色分 量服从的高斯模型〃(A力，其中〃为高斯模型的均值，。为方差。
步骤S203中分別计算眼睛区域内每个像素为红色素的概率时，可以先计 算出所述眼睛区域内每个像素的归 一化红色分量力，然后与训练好的红眼 区域中归 一化红色分量服从的高斯模型")进行匹配，从而得到所述每个 像素属于红色素的概率/ Oc,力<formula>formula see original document page 13</formula>
其中R(x,y)、 G(x，y)、 B(x,y)分别为坐标为(x,y)处像素在RGB空间表示的 值，r(x,y)为坐标为(x，y)处像素的归 一化红色分量，p (x, y)为坐标为(x,y)处像 素为红色素的概率，y为红眼区域内像素的归一化红色分量所服从的高斯模 型的均值，J为红眼区域内像素的归一化红色分量所服从的高斯模型的方差。
在另 一实施例中，还可以采用统计直方图的方法计算眼睛区域内每个像
素为红色素的概率。具体来说，可以先采集大量红眼图像和正常的眼睛图像，
利用现有的图像处理技术标定出红眼图像中的红眼区域，并且根据该区域在
眼睛上的位置，还在所述正常的眼睛图像中相应的位置处进行标定。之后，
对标定的红眼区域中的每个像素以及标定的正常眼睛区域中的每个像素分别
进行如下处理将红色分量进行离散化，比如将
间的归一化红色分量值
离散化为64个区间，采用其落入区间的序号作为其离散化值。建立两个直方
图， 一个是红色像素分布直方图， 一个是正常像素分布直方图，如杲当前像
素为红像素，则将该像素归一化红色分量离散化值对应的红色像素直方图累
积值加1，如果当前像素为正常像素，则将该像素归一化红色分量离散化值
对应的正常像素直方图累积值加1。
相应地，对待处理图像上眼睛区域内的每个像素，可采用如下方式判定 其属于红色素的概率计算该眼睛区域内某一像素的归一化红色分量的离散 化值，然后将其分别与所述红色像素分布直方图和正常像素分布直方图进朽_ 匹配，读取该离散化值在红色像素直方图中对应的累积值Cr，和其在正常像
素直方图累积直方图中对应的累计值c;,采用^的值作为该像素为红色素的 概率
步骤S204:将眼睛区域内每个像素为红色素的概率与一特征阈值进行比 较，根据比较结果为每个像素(jc,力分配对应的特征值/0^,力)；
所述特征值/(p"力)的分配方法可以是，如果一个像素"力为红色素的 概率p(x，力大于或者等于特征阈值T，则为该像素分配一个正特征值，否则， 则为该像素分配一个负特征值。所述正特征值和所述负特征值的绝对值相同，比如，正特征值可以是l，负特征值可以是-1。
步骤S205:计算眼睛区域内各像素对应的特征值/(P"，力)组成的特征图 像的积分图像；
在所述积分图像中，在点Oc，力处的值定义为该点左上角的矩形区域内的 所有像素特征值之和，即
卵,力=Z /(P(")) 其中， 〃"力表示在积分图像中点"力处的积分值。 较佳地，本发明实施例还提供了一种快速计算积分图像的方法 对任意"0,1,2…H-1及x^,l,2…W-l，设定II(-1， y)=0， II(x, -1)=0; 对图像所有行，可以按照y-0,l,2…H-l的顺序进行如下处理 设定rs=0表示当前行所有像素和初始值为0; 对图像y行中的所有像素按照x=0,l,2...W-l的顺序进行如下处理 令rs=rs+f(p(x， y));
则当前像素(x,y)的积分图像II(x,y>= II(x,y-l) +rs;
计算完第y行的积分图像后接着计算第y+1行的积分图像；
对图像的所有行处理完毕后，完成积分图^^的计算。
由上述内容可知，本发明实施例只需要保存一个rs(x,y)对应的数据，对 于一些内存要求较高的应用，比如芯片设计，.采用本发明实施例提供的方法 更具优点。
步骤S206:利用该积分图像，分别计算眼晴区域内沿x轴或者y轴方向 上各矩形内的像素的特征值之和；
由于该积分图像中点(U)处的积分值的定义为该点左上角的矩形区域内 的所有像素的特征值之和，因此，可以根据简单的几何面积计算方法便可以 计算出以点"力为右下角顶点的矩形内的像素的特征值之和。
假设要计算一顶点坐标分别为a,力,(;cj-Z))，(jc-6)的矩形内 所有像素的特征值之和s謂《x,力,(x -",力,(x, >; - 6), (x - "， y -州，只需要用该矩形右下角顶点0c,力处的积分值减去该矩形右上角顶点0c,y-6)和左下角顶点 (x - a,力对应的积分值，之后再加上该矩形左上角顶点(;c - a， >; - 6)对应的积分 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为该矩形x轴方向的边长，b为该矩形y轴方向的边长。
由于上述处理方法，只需要三次加减法运算就求得了一矩形区域内的特 征值之和，因此处理速度#_快，便于实时处理。
上述沿x轴或者y轴方向上的各矩形，包括眼睛区域内包含的各种大小， 各个位置的矩形。在实际处理中，也并不需要对满足上述条件的所有矩形区 域都进行处理，可以设定上述矩形的最大宽度(即a的最大取值)，最小宽 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)，水平方向的步长(即a取值的间隔)，垂直方向的步长(即b 取值的间隔)，只处理在眼晴区域内的宽度在最小宽度和最大宽度之间的， 高度在最小高度和最大高度之间的，以水平步长和垂直步长遍历其所有可能 位置得到的所有矩形。
上迷步骤S205和步骤S206提出一种快速计算眼睛区域内沿x轴或者y 轴方向上各矩形内的像素的特征值之和的方法，通过获取眼睛区域内像素对 应的特征图像的积分图像，以及简单的加减运算来实现，能够满足实时处理 的要求。
在另 一实施例中，在为每个像素(x，力分配对应的特征值/(/Ka力)之后， 也可以直接对眼睛区域中各个矩形中的像素的特征值进行求和运算，即定义 所述眼睛区域中沿x轴或者y轴方向上各矩形内的像素的特征值/(p(x',力)之 和为>>)， (x—ar,少),_y—6), (jc—", j — Z)》
幼伤(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》为 一 顶点坐标分别为 (x,力,(x-",力,(x,;;-6),(jc-"，j;-6)的矩形，a为该矩形x 4由方向的边长，b为该 矩形y轴方向的边长。按照上述定义计算矩形区域内特征值之和的方法，其运算量较大。因此， 计算矩形区域内的特征值之和。
步骤S207:筛选出该些矩形中像素的特征值之和最大的一矩形； 筛选出的该矩形区域即为红色素集中的区域。
步骤S208:对所述筛选出的矩形区域的边缘采用曲线拟合技术进行处理；
由于红眼图像的饱和度很高，因此边缘基本上没有，得到的边缘为眼球 区域与周围区域的边缘，可以采用曲线拟合方式，得到上述边缘连接得到的 椭圆形区域。
具体来说，可以先采用canny、 sobel或者prewitt算子，提取所述红色素 集中的矩形区域中的图像边缘强度，将边缘强度与一边缘强度阈值相比较， 将小于边缘强度阈值的边缘点删除。对于大于或者等于边缘强度阈值的边缘 点，采用椭圓形的广义哈夫变换，检测到a^J求与周围区域的边缘，曲线内部 的区i或即为暧孔区域。
步骤S209:计算上述瞳孔区域内像素为红色素的平均概率，并判断该平 均概率是否大于一红色素概率阚值，如果判断结果为"是"，则判定上述区 域是红眼区域，对该红眼区域内的像素进行如亮度补偿等相应的红眼消除处 理，结束；否则，判定上述区域不是红眼区域，结束。
当然，根据每个像素为红色素的概率，还可以利用多种其他图像处理方 法来确定红色素集中的区域，比如，还可以分别将各像素为红色素的概率与 一红色素概率阈值进行比较，筛选出为红色素的像素，并对该些像素进行连 通域分析来获得红眼区域。
本发明提供的一种红8,测装置及其检测方法，可以广泛地应用于摄像 装置中，便于在拍摄图像后快速定位出红眼区域并进行修正，得到满意的图 像。
当然，本发明还可有其他多种实施例，在不背离本发明精神及其实质的 情况下，本领域技术人员当可根据本发明作出各种相应的改变和变形，但这 些相应的改变和变形都应属于本发明所附的权利要求的保护范围。
权利要求
1、一种红眼检测方法，其特征在于，包含如下步骤在欲处理的图像中定位出眼睛区域；对所述眼睛区域内每个像素分别计算其为红色素的概率；根据每个像素为红色素的概率，确定红色素集中的区域；根据所述红色素集中的区域，确定红眼区域。
2、 如权利要求l所述的方法，其特征在于，所述根据每个像素为红色素 的概率，确定红色素集中的区域的步骤包含将每个像素为红色素的概率与一特征阈值进行比较，根据比较结果为每 个l象素分配对应的特征值；分别计算所述眼睛区域中沿x轴或者y轴方向上各矩形内的像素的特征 值之和，筛选出 一具有最大特征值之和的矩形区域作为所述红色素集中的区域。
3、 如权利要求2所述的方法，其特征在于，所述分别计算所述眼睛区域 中沿x轴或者y轴方向上各矩形内的像素的特征值之和的步骤包含将各个像素对应的特征值组成一特征图像，求取该特征图像对应的积分 图像，定义该积分图像中点"力处的积分值//(^力为该点左上角的矩形区域 内的所有像素的特征值/(p(jc',/))之和//"力=J] /(W,乂))根据所述眼睛区域中各矩形的4个顶点对应的特征图像的积分图像值， 计算各矩形内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-州为 一 顶点坐标分另'J为 (jc,力,Oc-a,力,(;cj-6)的矩形，a为该矩形x轴方向的边长，b为该 矩形y轴方向的边长。
4、 如权利要求2所述的方法，其特征在于，所述分别计算所述眼睛区域 中沿x轴或者y轴方向上各矩形内的像素的特征值之和的步骤包含定义所述眼睛区域中沿x轴或者y轴方向上各矩形内的像素的特征值 <formula>formula see original document page 3</formula>之和为力<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 顶点坐标分别为 a，力,Oe，少——"J —6)的矩形，a为该矩形x轴方向的边长，b为该 矩形y轴方向的边长。
5、 如权利要求2-4中任何一项所述的方法，其特征在于，所迷分别计算 所述眼睛区域中沿x轴或者y轴方向上各矩形内的像素的特征值之和的步骤 之前还包含设置所述矩形沿x轴方向上的边长的取值范围和步长值；以及 设置所述矩形沿y轴方向上的边长的取值范围和步长值。
6、 如权利要求24中任何一项所述的方法，其特征在于在确定红色素集中的矩形区域之后，对所述红色素集中的区域的边缘采 用曲线拟合技术得到更精确的区域作为红色素集中区域。
7、 如权利要求1-4中任何一项所述的方法，其特征在于，所述根据所述 红色素集中的区域，确定红眼区域的步骤包含计算所述红色素集中的区域中所有像素为红色素的平均概率，如判断该 平均概率大于一红色素概率阈值，则判定所述红色素集中的区域为红眼区域。
8、 如权利要求1-4中任何一项所述的方法，其特征在于，所述对眼睛区 域内每个像素分别计算其为红色素的概率的步骤包含采集大量红眼图像，标定其中的红眼区域作为样本，训练出红眼区域内 像素的归一化红色分量所服从的高斯模型；计算出欲处理的图像中眼睛区域内各像素的归一化红色分量，分别与所 述高斯模型进行匹配，从而获得各像素为红色素的概率*，力=--"i 0c,力+G(x,力+万(x,力, 、 i , 0(X力一〃)2、其中R(x，y)、 G(x,y)、 B(x,y)分别为坐标为(x,y)处像素在RGB空间表示的 值，r(x,y)为坐标为(x,y)处像素的归一化红色分量，p (x， y)为坐标为(x,y)处像 素为红色素的概率，ju为红眼区域内像素的归一化红色分量所服从的高斯模 型的均值，J为红眼区域内像素的归一化红色分量所服从的高斯模型的方差。
9、 如权利要求14中任何一项所述的方法，其特征在于，所述对眼睛区 域内每个像素分别计算其为红色素的概率的步骤包含采集大量红眼图像和正常眼睛图像，标定其中的红眼区域作为红色素样本，并根据所述红眼区域在眼睛区域中的位置，在正常眼睛图像中标定相同的区域作为正常色素样本，建立红色像素分布直方图和正常色素分布直方图；计算出欲处理的图像中眼睛区域内各像素的归一化红色分量的离散化 值，将其分别与所迷红色像素分布直方图和正常色素分布直方图进行匹配， 读取该离散化值在红色像素直方图中对应的累积值G ，和其在正常像素直方图累积直方图中对应的累计值Cn ，采用f的值作为该像素为红色素的概率。
10、 一种红目^险测装置，其特征在于，包含依次相连的眼睛区域定位模 块、红色素概率计算模块、红色素区域分析模块和判定模块，其中所述眼睛区域定位^:莫块，用于在欲处理的图像中定位出眼睛区域；所述红色素概率计算;f莫块，用于对所述眼晴区域定位;漠块定位出的眼睛 区域内的每个像素分别计算其为红色素的概率；所述红色素区域分析模块，用于从所述红色素概率计算模块中获取各像 素为红色素的概率，并分别将每个像素为红色素的概率与一特征阈值进行比 较，根据比较结果为每个像素分配对应的特扭值，然后分别计算所述眼睛区 域中沿x轴或者y轴方向上各矩形内的像素的特征值之和，篩选出一具有最 大特征值之和的矩形区域作为所述红色素集中的区域。所述判定模块，用于从所述红色素区域分析模块中获取所述红色素集中的区域，并判断该区域是否为红眼区域。
11、如权利要求IO所述的红目緣测装置，其特征在于所述红色素区域分析模块在为每个像素分配对应的特征值之后，将各个 像素对应的特征值组成一特征图像，计算该特征图像的积分图像，定义该积 分图像中点(:c，力处的积分值//(x，力为该点左上角的矩形区域内的所有像素的 特征值/(/^',/))之和根据所述眼晴区域中各矩形的4个顶点对应的特征图像的积分图像值， 计算各矩形内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-州为 一 顶点坐标分别为 ",力,(;c,;; —A),(jc-a,_y—6)的矩形，a为该矩形x轴方向的边长，b为该 矩形y轴方向的边长。
全文摘要
本发明提供了一种红眼检测方法在欲处理的图像中定位出眼睛区域；对所述眼睛区域内每个像素分别计算其为红色素的概率；根据每个像素为红色素的概率，确定红色素集中的区域；根据所述红色素集中的区域，确定红眼区域。为了实现该红眼检测方法，本发明还提供了一种红眼检测装置，能够快速检测出红眼区域，以方便对红眼区域进行修正，得到满意的图像。
文档编号G06K9/00GK101447026SQ20081024686
公开日2009年6月3日 申请日期2008年12月26日 优先权日2008年12月26日
发明者邓亚峰 申请人:北京中星微电子有限公司