专利名称：用于补偿眼睛颜色缺陷的方法、装置和计算机程序产品的制作方法
技术领域：
各种实施方式主要地涉及图像处理并且更具体地涉及用于补偿眼睛颜色缺陷的方法、装置和计算机程序产品。
背景技术：
通常在低度环境照明条件下捕获的图像中观察眼睛颜色缺陷现象(例如红颜)。通常在低度环境照明条件下，对象的眼睛瞳孔张开，并且当闪光灯光撞击眼睛时，出现从在对象的眼睛的视网膜后面的血管膜的内部反射。在人类中，这样的内部反射经常造成其眼睛的瞳孔区域的不自然变红。然而在其它类型的动物中，可能产生诸如金黄等其它颜色。除了低度环境照明水平之外，各种其它因素也造成出现红颜。这样的因素可以包括在图像捕获设备的闪光灯与其透镜之间的小角度、候选与图像捕获设备邻近等。 通常，为了避免在图像中出现红眼，利用如下图像捕获设备，这些图像捕获设备可以包括在捕获图像之前闪光的次级灯或者发光体。此灯使对象的眼睛在暴露于实际闪光灯光之前暴露于光持续数秒、由此向瞳孔给予足够收缩时间。在一些实例中，图像捕获设备提供多次预闪光而不是一次完全闪光，这些预闪光产生与次级灯的单次闪光产生的效果相同的效果。然而这样的设备可能引起在第一次闪光与图像的实际捕获之间的时间延迟，对象可能由于该时间延迟而在实际图像被捕获之前从摆姿势的位置偏离。另外可能在通过处理点击的图像以去除来自眼睛的颜色缺陷来校正图像中的红眼问题时需要用户干预。然而这样的在标识和去除红眼时的用户干预可以证实繁琐并且低效。另外由于用户干预而可能将红眼误解为非红眼区域而将非红眼区域误解为红眼。另外，这样的设备可能经常遗漏诸如金黄色眼睛等其它已知眼睛颜色缺陷。因而当前可用技术在检测可变饱和度以及亮度的眼睛颜色缺陷时提供很少用途。
发明内容
提供用于补偿眼睛颜色缺陷的方法、计算机程序产品和装置。在一个方面中，提供一种方法。该方法包括计算用于第一眼睛区域的第一差值图像。可以基于与第一眼睛区域关联的第一像素集的每个像素的红色像素强度和绿色像素强度的差值计算第一差值图像。该方法还包括通过以下操作来确定第一眼睛颜色缺陷区域通过处理第一差值图像来计算邻域处理的第一差值图像。随后可以基于与邻域处理的第一差值图像关联的红色像素的加权矩心计算邻域处理的第一差值图像的第一中心点。可以基于第一中心点和与第一差值图像关联的红色像素计算第一眼睛颜色缺陷区域。在一个实施例中，计算邻域处理的第一差值图像包括将第一差值图像划分成多个区域使得多个区域中的每个区域可以具有平均强度。可以比较多个区域中的区域的平均强度与区域的预定数目的邻近区域的平均强度，并且如果至少第一预定阈值数目的邻近区域的平均强度低于区域的平均强度的第一预定分数，则向多个区域中的区域分配空值。邻域处理的第一差值图像的每个区域的强度包括空值和与第一差值图像对应的值之一。
在一个实施例中，基于与邻域处理的第一差值图像关联的红色像素的坐标、第一阈值强度和第二阈值强度中的至少一个阈值强度计算红色像素的加权矩心。第一阈值强度和第二阈值强度可以分别是第一差值图像的累积分布函数的百分数的最小值和最大值。在一个实施例中，可以在确定第一眼睛颜色缺陷区域时执行对眼睛颜色缺陷存在于第一眼睛颜色缺陷区域的一个或者多个验证。另外可以基于一个或者多个验证来计算第二差值图像。可以基于第二像素集的红色像素强度和绿色像素强度的差值以及第二像素集的强度水平计算第二差值图像。第二像素集可以与第二眼睛区域关联。另外可以通过处理第二差值图像来计算邻域处理的第二差值图像。也可以基于与邻域处理的第二差值图像关联的红色像素的加权矩心计算邻域处理的第二差值图像的第二中心点。也可以基于第二中心点和与第一差值图像关联的红色像素计算第一眼睛颜色缺陷区域。随后可以执行一个或者多个验证用于验证眼睛颜色缺陷存在于计算的第二眼睛颜色缺陷区域。在一个实施例中，一个或者多个验证包括计算用于包围第一眼睛颜色缺陷区域的最小定界矩形；并且将最小定界矩形的邻域区域划分成多个区域。多个区域中的每个区·域可以具有平均像素强度。随后可以计算包围的第一眼睛颜色缺陷区域的平均像素强度和具有比包围的第一眼睛颜色缺陷区域的平均像素强度的第二预定分数更低的平均像素强度的邻域区域的数目。另外可以在确定具有比包围的第一眼睛颜色缺陷区域的平均像素强度的第二预定分数更低的平均像素强度的邻域区域的数目大于第二预定阈值时确定眼睛颜色缺陷存在于计算的第一眼睛颜色缺陷区域。在一个实施例中，可以在确定该数目的邻域区域具有比包围的第一眼睛颜色缺陷区域的平均像素强度的第二预定分数更大的平均像素强度时重新计算第一眼睛颜色缺陷区域。另外可以在验证眼睛颜色缺陷存在于计算的第一眼睛颜色缺陷区域时基于第一眼睛颜色缺陷的形状执行验证。在一个实施例中，在计算第二差值图像之前，可以基于一个或者多个验证来确定眼睛颜色缺陷未存在于计算的第一眼睛颜色缺陷区域。因而可以取消确定的第一眼睛颜色缺陷区域。另外可以重新确定并且随后针对眼睛颜色缺陷的存在来验证第一眼睛颜色区域。在验证时，如果在重新确定的第一眼睛颜色缺陷区域确定未存在眼睛颜色缺陷，则可以基于第二像素集的红色像素强度和绿色像素强度的差值以及第二像素集的强度水平计算第二差值图像。第二像素集可以与第二眼睛区域关联。另外可以通过处理第二差值图像来计算邻域处理的第二差值图像。也可以基于与邻域处理的第二差值图像关联的红色像素的加权矩心计算邻域处理的第二差值图像的第二中心点。也可以基于第二中心点和与第一差值图像关联的红色像素计算第一眼睛颜色缺陷区域。随后可以执行对眼睛颜色缺陷存在于计算的第二眼睛颜色缺陷区域的一个或者多个验证。在一个实施例中，一个或者多个验证包括在验证眼睛颜色缺陷存在于计算的第一眼睛颜色缺陷区域时基于第一眼睛颜色缺陷区域的形状执行验证。在一个实施例中，可以校正在重新确定的第一眼睛颜色缺陷区域的眼睛颜色缺陷。在另一方面中，提供一种装置。该装置包括至少一个处理器；以及至少一个存储器，包括计算机程序代码。至少一个存储器和计算机程序代码被配置成与至少一个处理器一起使装置至少计算用于第一眼睛区域的第一差值图像。可以基于与第一眼睛区域关联的第一像素集的每个像素的红色像素强度和绿色像素强度的差值计算第一差值图像。另外，至少一个存储器和计算机程序代码被配置成与至少一个处理器一起使装置至少通过以下操作来确定第一眼睛颜色缺陷区域通过处理第一差值图像来计算邻域处理的第一差值图像。随后可以基于与邻域处理的第一差值图像关联的红色像素的加权矩心计算邻域处理的第一差值图像的第一中心点。可以基于第一中心点和与第一差值图像关联的红色像素计算第一眼睛颜色缺陷区域。在一个实施例中，至少一个存储器和计算机程序代码被配置成与至少一个处理器一起使装置通过将第一差值图像划分成多个区域使得多个区域中的每个区域可以具有平均强度来计算邻域处理的第一差值图像。另外，至少一个存储器和计算机程序代码被配置成与至少一个处理器一起使装置比较多个区域中的区域的平均强度与区域的预定数目的邻近区域的平均强度；并且如果至少第一预定阈值数目的邻近区域的平均强度低于区域的平均强度的第一预定分数，则向多个区域中的区域分配空值。邻域处理的第一差值图像的每个区域的强度可以包括空值和与第一差值图像对应的值之一。
在一个实施例中，至少一个存储器和计算机程序代码被配置成与至少一个处理器一起使装置至少基于与邻域处理的第一差值图像关联的红色像素的坐标、第一阈值强度和第二阈值强度中的至少一个阈值强度计算红色像素的加权矩心。第一阈值强度和第二阈值强度可以分别是第一差值图像的累积分布函数的百分数的最小值和最大值。在一个实施例中，至少一个存储器和计算机程序代码被配置成与至少一个处理器一起使装置至少在确定第一眼睛颜色缺陷区域时执行对眼睛颜色缺陷存在于第一眼睛颜色缺陷区域的一个或者多个验证。另外，至少一个存储器和计算机程序代码被配置成与至少一个处理器一起使装置至少基于一个或者多个验证来计算第二差值图像、可以基于第二像素集的红色像素强度和绿色像素强度的差值以及第二像素集的强度水平计算第二差值图像。第二像素集可以与第二眼睛区域关联。另外，至少一个存储器和计算机程序代码被配置成与至少一个处理器一起使装置至少通过计算邻域处理的第二差值图像来确定第二眼睛颜色缺陷区域。另外，至少一个存储器和计算机程序代码被配置成与至少一个处理器一起使装置至少基于与邻域处理的第二差值图像关联的红色像素的加权矩心计算邻域处理的第二差值图像的第二中心点。也可以基于第二中心点和与第一差值图像关联的红色像素计算第二眼睛颜色缺陷区域。随后，至少一个存储器和计算机程序代码被配置成与至少一个处理器一起使装置至少执行对眼睛颜色缺陷存在于计算的第二眼睛颜色缺陷区域的一个或者多个验证。在一个实施例中，至少一个存储器和计算机程序代码被配置成与至少一个处理器一起使装置至少通过以下操作来执行一个或者多个验证计算用于包围第一眼睛颜色缺陷区域的最小定界矩形；并且将最小定界矩形的邻域区域划分成多个区域。多个区域中的每个区域可以具有平均像素强度。随后可以计算包围的第一眼睛颜色缺陷区域的平均像素强度和具有比包围的第一眼睛颜色缺陷区域的平均像素强度的第二预定分数更低的平均像素强度的邻域区域的数目。另外，至少一个存储器和计算机程序代码被配置成与至少一个处理器一起使装置至少在确定具有比包围的第一眼睛颜色缺陷区域的平均像素强度的第二预定分数更低的平均像素强度的邻域区域的数目大于第二预定阈值时确定眼睛颜色缺陷存在于计算的第一眼睛颜色缺陷区域。
在一个实施例中，至少一个存储器和计算机程序代码被配置成与至少一个处理器一起使装置至少在确定该数目的邻域区域具有比包围的第一眼睛颜色缺陷区域的平均像素强度的第二预定分数更大的平均像素强度时重新计算第一眼睛颜色缺陷区域。另外可以在验证眼睛颜色缺陷存在于计算机的第一眼睛颜色缺陷区域时执行验证。在一个实施例中，在计算第二差值图像之前，至少一个存储器和计算机程序代码被配置成与至少一个处理器一起使装置至少基于一个或者多个验证来确定眼睛颜色缺陷未存在于计算的第一眼睛颜色缺陷区域。因而可以取消确定的第一眼睛颜色缺陷区域。另外可以重新确定并且随后针对眼睛颜色缺陷的存在来验证第一眼睛颜色区域。在验证时，如果在重新确定的第一眼睛颜色缺陷区域确定未存在眼睛颜色缺陷，则可以基于第二像素集的红色像素强度和绿色像素强度的差值以及第二像素集的强度水平计算第二差值图像。第二像素集可以与第二眼睛区域关联。另外可以通过处理第二差值图像来计算邻域处理的第二差值图像。也可以基于与邻域处理的第二差值图像关联的红色像素的加权矩心计算邻域处理的第二差值图像的第二中心点。也可以基于第二中心点和与 第一差值图像关联的红色像素计算第一眼睛颜色缺陷区域。随后可以执行一个或者多个验证用于验证眼睛颜色缺陷存在于计算的第二眼睛颜色缺陷区域。在一个实施例中，至少一个存储器和计算机程序代码被配置成与至少一个处理器一起使装置至少在验证眼睛颜色缺陷存在于计算的第一眼睛颜色缺陷区域时基于第一眼睛颜色缺陷区域的形状执行验证。在一个实施例中，至少一个存储器和计算机程序代码被配置成与至少一个处理器一起使装置至少校正在重新确定的第一眼睛颜色缺陷区域的眼睛颜色缺陷。在另一方面中，提供一种计算机程序产品。该计算机程序产品包括至少一个计算机可读存储介质，该计算机可读存储介质包括配置成计算用于第一眼睛区域的第一差值图像的指令集。可以基于与第一眼睛区域关联的第一像素集的每个像素的红色像素强度和绿色像素强度的差值计算第一差值图像。另外，计算机可读存储介质包括配置成通过以下操作来确定第一眼睛颜色缺陷区域的指令集通过处理第一差值图像来计算邻域处理的第一差值图像。随后可以基于与邻域处理的第一差值图像关联的红色像素的加权矩心计算邻域处理的第一差值图像的第一中心点。可以基于第一中心点和与第一差值图像关联的红色像素计算第一眼睛颜色缺陷区域。在一个实施例中，计算机可读存储介质包括配置成通过将第一差值图像划分成多个区域使得多个区域中的每个区域可以具有平均强度来计算邻域处理的第一差值图像的指令集。另外，计算机可读存储介质配置成执行以下操作的指令集比较多个区域中的区域的平均强度与区域的预定数目的邻近区域的平均强度；并且如果至少第一预定阈值数目的邻近区域的平均强度低于区域的平均强度的第一预定分数，则向多个区域中的区域分配空值。邻域处理的第一差值图像的每个区域的强度可以包括空值和与第一差值图像对应的值之一 O在一个实施例中，计算机可读存储介质包括配置成至少基于与邻域处理的第一差值图像关联的红色像素的坐标、第一阈值强度和第二阈值强度中的至少一个阈值强度计算红色像素的加权矩心的指令集。第一阈值强度和第二阈值强度可以分别是第一差值图像的累积分布函数的百分数的最小值和最大值。
在一个实施例中，计算机可读存储介质包括配置成在确定第一眼睛颜色缺陷区域时执行对眼睛颜色缺陷存在于第一眼睛颜色缺陷区域的一个或者多个验证的指令集。计算机可读存储介质包括配置成基于一个或者多个验证来计算第二差值图像的指令集。可以基于第二像素集的红色像素强度和绿色像素强度的差值以及第二像素集的强度水平计算第二差值图像。第二像素集可以与第二眼睛区域关联。另外，计算机可读存储介质包括配置成通过确定第二眼睛颜色缺陷区域来计算邻域处理的第二差值图像的指令集。可以通过处理第二差值图像来计算邻域处理的第二差值图像来确定第二眼睛颜色缺陷区域。另外，计算机可读存储介质包括配置成基于与邻域处理的第二差值图像关联的红色像素的加权矩心计算邻域处理的第二差值图像的第二中心点的指令集。也可以基于第二中心点和与第一差值图像关联的红色像素计算第二眼睛颜色缺陷区域。随后，计算机可读存储介质包括配置成执行对眼睛颜色缺陷存在于计算的第二眼睛颜色缺陷区域的一个或者多个验证的指令集。在一个实施例中，计算机可读存储介质包括配置成通过以下操作来执行一个或者多个验证的指令集计算用于包围第一眼睛颜色缺陷区域的最小定界矩形；并且将最小定界矩形的邻域区域划分成多个区域。多个区域中的每个区域可以具有平均像素强度。随后可以计算包围的第一眼睛颜色缺陷区域的平均像素强度和具有比包围的第一眼睛颜色缺·陷区域的平均像素强度的第二预定分数更低的平均像素强度的邻域区域的数目。另外，计算机可读存储介质包括配置成在确定具有比包围的第一眼睛颜色缺陷区域的平均像素强度的第二预定分数更低的平均像素强度的邻域区域的数目大于第二预定阈值时确定眼睛颜色缺陷存在于计算的第一眼睛颜色缺陷区域的指令集。在一个实施例中，计算机可读存储介质包括配置成在确定该数目的邻域区域具有比包围的第一眼睛颜色缺陷区域的平均像素强度的第二预定分数更大的平均像素强度时重新计算第一眼睛颜色缺陷区域的指令集。另外可以在验证眼睛颜色缺陷存在于计算的第一眼睛颜色缺陷区域时基于第一眼睛颜色缺陷的形状执行验证。 在一个实施例中，在计算第二差值图像之前，计算机可读存储介质包括配置成基于一个或者多个验证来确定未存在眼睛颜色缺陷的指令集。因而可以取消确定的第一眼睛颜色缺陷区域。另外可以重新确定并且随后针对眼睛颜色缺陷的存在来验证第一眼睛颜色区域。在验证时，如果在重新确定的第一眼睛颜色缺陷区域确定未存在眼睛颜色缺陷，则可以基于第二像素集的红色像素强度和绿色像素强度的差值以及第二像素集的强度水平计算第二差值图像。第二像素集可以与第二眼睛区域关联。另外可以通过处理第二差值图像来计算邻域处理的第二差值图像。也可以基于与邻域处理的第二差值图像关联的红色像素的加权矩心计算邻域处理的第二差值图像的第二中心点。也可以基于第二中心点和与第一差值图像关联的红色像素计算第一眼睛颜色缺陷区域。随后可以执行一个或者多个验证用于验证眼睛颜色缺陷存在于计算的第二眼睛颜色缺陷区域。在一个实施例中，计算机可读存储介质包括配置成在验证眼睛颜色缺陷存在于计算的第一眼睛颜色缺陷区域时基于第一眼睛颜色缺陷区域的形状执行验证的指令集。在一个实施例中，计算机可读存储介质包括配置成校正在重新确定的第一眼睛颜色缺陷区域的眼睛颜色缺陷的指令集。在又一方面中，提供一种方法。该方法包括计算用于第一眼睛区域的第一差值图像。可以基于与第一眼睛区域关联的第一像素集的每个像素的红色像素强度和绿色像素强度的差值计算第一差值图像。该方法也包括通过处理第一差值图像来计算邻域处理的第一差值图像。另外，该方法包括基于与邻域处理的第一差值图像关联的红色像素的加权矩心计算邻域处理的第一差值图像的第一中心点。在一个实施例中，该方法包括基于与邻域处理的第一差值图像关联的红色像素的坐标、第一阈值强度和第二阈值强度计算红色像素的加权矩心。第一阈值强度和第二阈值强度可以分别是第一差值图像的累积分布函数的百分数的最小值和最大值。在一个实施例中，可以根据以下等式计算第一中心点Xe = Σ {j*x(i，j)K}/Σ x(i, j)K,Yc = Σ {i*x(i, j)K}/Σ x(i, j)K其中(i，j)是邻域处理的第一差值图像的坐标，k是常数，并且当在邻域处理的第一差值图像的强度大于或者等于第一阈值强度时，在x(i，j)的强度等于在邻域处理的第 一差值图像的对应区域的强度。在又一方面中，提供一种方法。该方法包括计算用于包围第一眼睛颜色缺陷区域的最小定界矩形；并且随后将最小定界矩形的邻域区域划分成多个区域。多个区域中的每个区域可以具有平均像素强度。该方法还包括计算包围的第一眼睛颜色缺陷区域的平均像素强度和具有比包围的第一眼睛颜色缺陷区域的平均像素强度的第二预定分数更低的平均像素强度的邻域区域的数目。另外，该方法包括在确定具有比包围的第一眼睛颜色缺陷区域的平均像素强度的第二预定分数更低的平均像素强度的邻域区域的数目大于第二预定阈值时确定眼睛颜色缺陷存在于包围的第一眼睛颜色缺陷区域。在又一方面中，提供一种装置。该装置包括用于计算第一眼睛区域的第一差值图像的装置。可以基于与第一眼睛区域关联的第一像素集的每个像素的红色像素强度和绿色像素强度的差值计算第一差值图像的装置。另外，该装置包括用于通过以下操作来确定第一眼睛颜色缺陷区域的装置通过处理第一差值图像来计算邻域处理的第一差值图像。另夕卜，所述装置可以被配置成基于与邻域处理的第一差值图像关联的红色像素的加权矩心计算邻域处理的第一差值图像的第一中心点。另外，所述装置可以被配置成基于第一中心点和与第一差值图像关联的红色像素计算第一眼睛颜色缺陷区域。
通过参照结合以下附图进行的对本公开内容的实施例的下文描述，本公开内容的上述以及其它特征和效果及其实现方式将变得更清楚并且本公开内容将被更好地理解图I是图示了眼睛颜色缺陷的数字图像的示意图；图2是根据一个实施例的用于补偿眼睛颜色缺陷的方法的流程图；图3是图示了根据一个实施例的对差值图像的处理的示意图；图4是图示了根据一个实施例的对图像中的眼睛颜色缺陷区域的验证的示意图；图5是根据一个实施例的用于验证图像中的眼睛颜色缺陷的方法的流程图；图6是根据一个实施例的装置的框图；并且图7图示了根据另一实施例的装置的框图。
具体实施例方式提供用于补偿数字图像中的眼睛颜色缺陷的方法、装置和计算机程序产品。该方法、装置和计算机程序产品有助于检测不同亮度以及饱和度的可以包括红眼、金黄色眼睛等的多个眼睛颜色缺陷并且随后验证检测到的多个眼睛颜色缺陷。如这里描述的那样，图像捕获设备可以用于捕获对象、比如人类、动物或者任何其它物体的图像。除了捕获图像之外，图像捕获设备还可以能够存储捕获的图像并且向打印或者另一存储介质传送它们。图像捕获设备的例子可以包括但不限于胶卷相机、、数字相机、视频相机、在移动电话中的相机等。下文为了简化而可以在说明书全文中互换地使用术语“图像捕获设备”和“相机”。相机可以使用在相机上配置的闪光灯来捕获图像，该闪光灯可能在对象的捕获的图像中潜在地引起眼睛颜色缺陷。眼睛颜色缺陷可能使眼睛在捕获的图像中的颜色以诸如红色、金黄色、橙色等颜色之一而不是黑色出现。如这里公开的那样，可以针对眼睛颜色缺 陷分析相机捕获的图像，并且可以检测具有这样的眼睛颜色缺陷的区域。眼睛颜色缺陷检测可以由相机检测，或者取而代之，可以向能够检测眼睛颜色缺陷的计算设备传送捕获的图像。结合图I至图7具体描述这样的方法、装置和计算机程序产品。现在参照图1，图示了描绘人脸102的图像100。示出了脸部102包括眼睛、比如眼睛104。每只眼睛包括通孔、虹膜和巩膜。假设人脸102的眼睛表现眼睛颜色缺陷现象，因而其通孔106可能在诸如深红色、金黄色、橙色等红色阴影之一中出现。为了图示图I中的眼睛颜色缺陷现象，示出了眼睛104的通孔106呈现更浅颜色而不是黑色。如本领域技术人员所知，眼睛颜色缺陷也称为红眼，因而在本说明书中可以可互换地使用术语“红眼”和“眼睛颜色缺陷”。如这里公开的那样，各种实施例提供用于通过基于确定眼睛颜色缺陷区域的中心点执行计算来补偿眼睛颜色缺陷。另外，这里公开的各种实施例有助于通过使用N次通过的方法来检测可变亮度以及饱和度的眼睛颜色缺陷。可以对图像中的潜在红眼缺陷执行第一次通过。如果验证红眼存在于所述区域，则可以执行用于去除红眼的校正。然而如果在第一次通过中未检测到红眼或者如果在第一次通过中检测到部分红眼，则可以执行一次或者更多次后续通过(比如第二次通过)用于检测红眼。提供验证在检测到的红眼区域存在红眼的方法的各种实施方式。在验证时，可以从图像去除检测到的红眼。在下文描述中通过使用流程图和示意图来说明这些方法的一些实施方式。因而为了描述用于补偿数字图像中的眼睛颜色缺陷的方法，可以同时参照图2、图3、图4和图5。现在参照图2，图示了用于补偿数字图像中的眼睛颜色缺陷的方法200的流程图。可以理解，为了描述方法200，这里可以参照图I。可以使用数字捕获设备、例如相机来捕获数字图像、比如对象如人脸102的图像100。数字图像可以表现眼睛颜色缺陷现象、比如如图I中所示红眼。如这里公开的那样，为了检测眼睛颜色缺陷、比如红眼，包含眼睛及其邻域区域的至少一个眼睛区域可以由至少一个处理器确定。至少一个处理器可以是装置的中央处理单元、微处理器或者微控制器或者可编程逻辑控制器(PLC)等或者其组合，该装置可以用于检测数字图像中的一个区域中的至少一个眼睛颜色缺陷。在一个实施例中，可以通过先检测图像100中的脸部102的位置或者区域并且随后确定眼睛、比如眼睛104在脸部102的检测到的区域内的近似位置来检测眼睛区域。可以通过本领域已知的任何技术确定脸部的区域(下文称为脸部区域)。例如可以通过使用模式识别脸部检测技术来确定脸部区域。也可以使用模式识别脸部检测技术来获得脸部的定向。在确定脸部区域的近似位置时，可以确定眼睛在检测到的脸部区域上的近似位置。在一个实施例中，可以通过使用在检测到的脸部区域以内执行的模式识别眼睛定位符来确定眼睛的近似位置。在确定近似眼睛区域时，眼睛的邻域区域由至少一个处理器选择。下文可以将眼睛与其邻域区域一起称为眼睛区域。可以近似地选择眼睛区域的尺寸为绕着每个近似眼睛区域为中心的(脸部宽度)/2* (脸部高度)/4。脸部宽度和脸部高度是图案识别脸部检测机制给出的脸部尺度。在一个替代实施例中，如果眼睛的近似位置不可用，则可以独立于眼睛的位置选择眼睛区域。在这样的条件下，可以针对前脸的情况选择脸部区域的左上半部分和右上半 部分作为眼睛区域。然而针对诸如轮廓脸部、旋转脸部等非前脸，可以基于相应脸部的定向选择适当眼睛区域。为了检测眼睛颜色缺陷，这里的所选眼睛区域可以称为第一眼睛区域。第一眼睛区域可以包围第一像素集。第一像素集可以用于确定对应于眼睛颜色缺陷区域的像素。在一个实施例中，可以对与第一眼睛区域关联的第一像素集的每个像素执行第一次通过以从第一像素集确定与对应于眼睛颜色缺陷的一个或者多个颜色关联的像素。一个或者多个颜色的像素的存在指示眼睛颜色缺陷存在于所选至少一个眼睛区域。一个或者多个颜色可以是红色、金黄色、橙色和这样的其它颜色的阴影。下文可以将与对应于眼睛颜色缺陷的一个或者多个颜色关联的像素称为红色像素。执行第一次通过可以包括在202计算第一眼睛区域中的第一差值图像dl (X，y)。第一差值图像可以指示眼睛颜色缺陷存在于所选眼睛区域。可以基于与第一眼睛区域关联的第一像素集的每个像素的红色像素强度和绿色像素强度的差值计算第一差值图像。第一差值图像dl(x，y)的计算可以由数学表达式表示如下如果r(x, y) > g (x, y),则 dl (x, y) = [r (x, y) -g(x, y)] ~2,否则dl(x，y)=0其中r(x，y)是在图像中的位置(x，y)的红色像素强度，并且g(x，y)表示在位置(x，y)的绿色像素强度。在一个实施例中，可以规范化这样计算的第一差值图像dl(x，y)以取范围为O至255的值。在一个实施例中，可以在处理第一差值图像dl(x，y)之前计算与第一差值图像的累积分布函数的百分数对应的第一阈值强度和第二阈值强度。第一阈值强度(h_thr)和第二阈值强度(l_thr)可以用于处理第一差值图像。在一个实施例中，所述百分数的值对于l_thr而言可以约为95%而对于h_thr而言可以约为98%。利用第一差值图像，可以在204确定在第一眼睛区域的第一眼睛颜色缺陷区域。可以通过处理第一差值图像dl(x，y)来计算邻域处理的第一差值图像。为了简化描述，第一眼睛颜色缺陷区域可以称为红眼区域。在一个实施例中，可以通过先向临时图像T(x，y)中复制第一差值图像区域dl(x，y)并且随后将临时图像T(X，y)划分成多个MxN个非重叠区域来计算邻域处理的第一差值图像。例如可以向临时图像T中复制200*200个第一差值图像dl(x，y)并且可以将T(x，y)划分成20*20个非重叠区域。在一个实施例中，M和N的值可以分别是16和8。针对T(x，y)的MxN个区域中的每个区域，可以计算平均强度值。可以参照图3说明针对T(x，y)的MxN个区域中的每个区域计算平均强度值。在计算邻域处理的第一差值图像时，可以基于与邻域处理的第一差值图像关联的红色像素的加权矩心计算第一眼睛颜色缺陷区域的第一中心点。也可以基于第一中心点和与第一差值图像关联的红色像素计算第一眼睛颜色缺陷区域。在一个实施例中，可以通过使用区域生长技术来计算第一眼睛颜色缺陷区域。可以在图3中说明第一中心点的计算和区域生长方法。可以在206通过执行一个或者多个验证来针对红眼的存在验证计算的第一眼睛 颜色缺陷区域。一个或者多个验证可以有助于消除图像中的红眼的错误检测。可以比较计算的眼睛颜色缺陷区域的强度与其邻域区域。如果可能在从眼睛朝着任何向外径向方向移动时有像素强度的急剧下降，则检测到的眼睛颜色缺陷区域可能是红眼。在一个实施例中，可以通过使用结合图4和图5说明的最小定界矩形技术来执行验证。图4是图示了使用最小定界矩形技术来验证眼睛颜色缺陷区域的示意图，并且图5是用于使用最小定界矩形技术来验证眼睛颜色缺陷区域的方法500的流程图。在208可以验证眼睛颜色缺陷的存在。如果在208确定计算的红眼区域部分地存在(例如在最小定界矩形的边界)，则可以在210执行后续通过、比如第二次通过。可以对与第二眼睛区域关联的第二像素集执行后续通过、比如第二次通过。如果在第一次通过期间确定第一眼睛区域位于最小定界矩形的边界附近，则可以通过扩展第一眼睛区域的边界来获得第二眼睛区域。因而可以在第二次通过中扩展将被考虑用于红眼处理的区域。在一个实施例中，可以在其中不存在第一次通过中的边界的该特定方向上上延伸区域。在第二次通过中，可以基于第二眼睛区域中的红色像素强度和绿色像素强度的差值以及第二像素集的强度水平计算第二差值图像d2(x，γ)。另外，为了计算第二差值图像d2 (X，y)，可以使用也称为精确度函数的加权函数P (r (x, y))。可以设计精确度函数使得它的值对于低强度像素而言为小而对于高强度像素而言更大、由此有助于减少低强度区域中的错误检测。可以计算第二差值图像为针对第二眼睛区域,如果r(x, y) > g(x, y),贝丨Jd2(x,y) = p(r(x, y))*{(r(x, y)-g(x, y))/r(x, y)} '2,否则d2(x，y)=0。在一个实施例中，用于不同强度的p(i)值可以变化为如果i < 40 ;则 P ⑴=O ;如果(i>= 60) JlJp ⑴=I ；如果(40< = i < 60);则 P ⑴=(i-40)/20在计算第二差值图像d2(x，y)时，可以计算第二眼睛颜色缺陷区域。计算第二眼睛颜色缺陷区域可以包括可以通过处理第二差值图像来计算邻域处理的第二差值图像。可以通过向临时图像、例如T(x，y)中复制第二差值图像区域d2(x，y)来计算邻域处理的第二差值图像，并且可以将临时图像T(x，y)划分成MxN个非重叠区域。对于T(x，y)的MxN个区域中的每个区域，可以使用平均图像Al (X，y)来计算平均强度值。参照图3说明用于T(x, y)的MxN个区域中的每个区域的平均值计算。通过利用处理的邻域第二差值图像的坐标和第一阈值强度，可以计算潜在第二红眼区域的第二中心点为Xc2 = Σ {j*x(i，j)K}/Σ x(i, j)KYc2 = Σ {i*x(i, j)K}/Σ x(i, j)K其中(i，j)是所包围的区域的坐标并且求和针对所有i和j，而且k是常数；并且其中如果d2(x, y)大于第一阈值强度,则x(i, j) = d(x, y)。
否贝丨Jx(i, j) = O。使用上述表达式来计算红眼区域的第二中心点是基于红色像素的像素强度在红眼的中心最大这样的事实。因而眼睛的红眼区域的计算的中心可以由P2_l = {Xc2, Yc2}代表。在确定红眼的第二中心点P2_l时，可以基于区域生长技术生成红眼区域。可以考虑第一差值图像dl(x，y)的可以具有比强度的第二阈值(l_thr)更大的红色像素强度的那些像素用于区域生长技术。这样的像素可以基于八邻域连通性连接到红眼区域的中心(Xc2,Yc2)以生成连接的区域红眼区域。连接的区域可以视为红眼区域的“实例”并且可以针对红眼的特性来验证。如这里描述的那样，可以对计算的第二红眼区域执行对存在红眼的一个或者多个验证。验证可以有助于消除图像中的红眼的错误检测。可以使用dl(x，y)图像、使用最小定界矩形技术(结合图4和图5说明)来比较计算的第二红眼区域的强度与其邻近区域(如在第一次通过中完成的那样)。使用最小定界矩形技术，可以在计算的第二红眼区域中进行对红眼的验证。另外可以如在图5中讨论的那样执行对计算的红眼的形状的验证。在212可以考虑将针对红眼的存在的红眼区域用于校正眼睛颜色缺陷。可以在212执行对检测到的眼睛颜色缺陷的校正。在一个实施例中，可以通过基于蓝色分量和第一差值图像dl (X，y)的值修改红眼像素像素的红色和绿色分量来校正眼睛颜色缺陷。在一个实施例中，可以在210计算第二差值图像之前在208基于(在206执行的)一个或者多个验证来确定眼睛颜色缺陷未存在于计算的第一眼睛颜色缺陷区域。在一个实施例中，在206执行的一个或者多个验证可以包括在验证眼睛颜色缺陷存在于计算的第一眼睛颜色缺陷区域时基于第一眼睛颜色缺陷区域执行验证。因而基于所述确定，可以在214取消确定的第一眼睛颜色缺陷区域。使得在215重新确定第一眼睛颜色缺陷区域。在一个实施例中，可以通过重新计算第一中心点并且随后基于如图3中说明的区域生长技术生成连接的区域来重新确定第一眼睛颜色区域。可以在218针对眼睛颜色缺陷的存在来验证重新确定更多第一眼睛颜色缺陷区域。在验证时，如果确定眼睛颜色缺陷未存在于重新确定的第一眼睛颜色缺陷区域，则可以在210执行第二次通过。如说明的那样，可以基于第二像素集的红色像素强度和绿色像素强度的差值以及第二像素集的强度水平计算第二差值图像。第二像素集可以与第二眼睛区域关联。使得通过处理第二差值图像来计算邻域处理的第二差值图像。也可以基于与邻域处理的第二差值图像关联的红色像素的加权矩心计算邻域处理的第二差值图像的第二中心点。也可以基于第二中心点和与第二差值图像关联的红色像素计算第二眼睛颜色缺陷区域。随后可以执行一个或者多个验证用于验证眼睛颜色缺陷存在于计算的第二眼睛颜色缺陷区域。然而如果在208，如果在218确定眼睛颜色缺陷存在，则可以在212执行对检测到的眼睛颜色缺陷的校正。图3是图示了根据一个实施例的对第一差值图像dl (X，y)的邻域处理的示意图。在一个实施例中，可以假设通过向平均图像、例如平均图像A(x，y) 330上复制临时图像、例如临时图像T (X，y) 310使得A (X，y) 330中的每个像素可以对应于T (x，y) 310中的区域来执行对临时图像T(x，y)310的MxN个区域的处理。A(x，y)330中的每个像素、例如像素A(l，I)(表示为322)的强度可以是T(x，y)310的对应区域、例如区域312中的所有像素的强度之和。为了执行处理，可以比较A(x，y)的每个像素(对应于T(x，y)的区域)的平均像素强度与区域的第一预定阈值数目的邻接区域的平均像素强度。在一个实施例中，第一预定阈值数目是八。如果确定至少第一预定阈值领域区域的平均强度低于区域的平均强度的第一预定分数，则可以向所述区域分配空值。在一个实施例中，分数可以约为O. 5。例如，如果当前像素的八个邻近像素的平均强度落在当前像素强度的约50%内，则向T(x，y)中的与所述像素对应的区域分配空值。因而可以计算邻域处理的第一差值图像使得阈值已处理第一差值图像的每个区域可以是空值或者可以具有与规范化的第一差值图像的强度值对应的像素强度值。在计算邻域处理的第一差值图像时，可以基于与邻域处理的第一差值图像关联的红色像素的加权矩心计算第一眼睛颜色缺陷区域的第一中心点。本领域技术人员可以理解红色像素指示眼睛颜色缺陷。为了计算所述加权矩心，可以假设代表红眼的红色像素如与围绕眼睛区域的皮肤区域关联的像素相比可以具有更高权值。这一假设可以归因于可能在任何方向上从眼睛部分的中心向外径向移动之时存在有强度的急剧改变这样的事实。在一个实施例中，可以基于与邻域处理的第一差值图像T(x，y)关联的红色像素的坐标、第一阈值强度和第二阈值强度计算红色像素的加权矩心。可以根据以下表达式计算第一中心点
权利要求
1.一种方法，包括 基于与第一眼睛区域关联的第一像素集的每个像素的红色像素强度和绿色像素强度的差值计算用于所述第一眼睛区域的第一差值图像；以及通过以下操作来确定第一眼睛颜色缺陷区域 通过处理所述第一差值图像来计算邻域处理的第一差值图像； 基于与所述邻域处理的第一差值图像关联的红色像素的加权矩心计算所述邻域处理的第一差值图像的第一中心点；以及 基于所述第一中心点和与所述第一差值图像关联的所述红色像素计算所述第一眼睛颜色缺陷区域。
2.根据权利要求I所述的方法，其中计算所述邻域处理的第一差值图像包括 将所述第一差值图像划分成多个区域，所述多个区域中的每个区域具有平均强度； 比较所述多个区域中的一个区域的平均强度与所述区域的预定数目的邻近区域的平均强度；以及 如果至少第一预定阈值数目的邻近区域的所述平均强度低于所述区域的所述平均强度的第一预定分数，则向所述多个区域中的所述区域分配空值； 其中所述邻域处理的第一差值图像的每个区域的强度包括所述空值和与所述第一差值图像对应的值之一。
3.根据权利要求I所述的方法，其中基于与所述邻域处理的第一差值图像关联的所述红色像素的坐标以及第一阈值强度和第二阈值强度中的至少一个阈值强度计算所述红色像素的所述加权矩心，所述第一阈值强度和所述第二阈值强度分别是所述第一差值图像的累积分布函数的百分数的最小值和最大值。
4.根据权利要求I所述的方法，还包括在确定所述第一眼睛颜色缺陷区域时执行对眼睛颜色缺陷存在于所述第一眼睛颜色缺陷区域的一个或者多个验证。
5.根据权利要求4所述的方法，还包括 基于以下各项计算第二差值图像 第二像素集的红色像素强度和绿色像素强度的差值，以及 所述第二像素集的强度水平，所述第二像素集与第二眼睛区域关联； 通过执行以下操作来确定第二眼睛颜色缺陷区域 通过处理所述第二差值图像来计算邻域处理的第二差值图像； 基于与所述邻域处理的第二差值图像关联的红色像素的加权矩心计算所述邻域处理的第二差值图像的第二中心点；以及 基于所述第二中心点和与所述第一差值图像关联的所述红色像素计算所述第二眼睛颜色缺陷区域； 执行对所述眼睛颜色缺陷存在于所述计算的第二眼睛颜色缺陷区域的一个或者多个验证；以及 校正在所述计算的第二眼睛颜色缺陷区域的所述眼睛颜色缺陷。
6.根据权利要求4或者5所述的方法，其中所述一个或者多个验证包括 计算用于包围所述第一眼睛颜色缺陷区域的最小定界矩形； 将所述最小定界矩形的邻域区域划分成多个区域，所述多个区域中的每个区域具有平均像素强度； 计算所述包围的第一眼睛颜色缺陷区域的平均像素强度和具有比所述包围的第一眼睛颜色缺陷区域的所述平均像素强度的第二预定分数更低的平均像素强度的邻域区域的数目；以及 在确定具有比所述包围的第一眼睛颜色缺陷区域的所述平均像素强度的第二预定分数更低的平均像素强度的邻域区域的所述数目大于第二预定阈值时，确定所述眼睛颜色缺陷存在于所述计算的第一眼睛颜色缺陷区域。
7.根据权利要求6所述的方法，还包括在确定具有比所述包围的第一眼睛颜色缺陷区域的所述平均像素强度的所述第二预定分数更高的所述平均像素强度的邻域区域的所述数目时重新计算所述第一眼睛颜色缺陷区域。
8.根据权利要求5所述的方法，还包括 基于所述一个或者多个验证来确定所述眼睛颜色缺陷未存在于所述计算的第一眼睛颜色缺陷区域； 取消所述计算的第一眼睛颜色缺陷区域； 重新确定所述第一眼睛颜色缺陷区域；以及 验证所述眼睛颜色缺陷存在于重新确定的第一眼睛颜色缺陷区域。
9.根据权利要求4或者8所述的方法，其中所述一个或者多个验证包括在验证所述眼睛颜色缺陷存在于所述计算的第一眼睛颜色缺陷区域时基于所述第一眼睛颜色缺陷区域的形状执行验证。
10.根据权利要求8所述的方法，还包括在验证所述眼睛颜色缺陷存在于所述重新确定的第一眼睛颜色缺陷区域时校正在所述重新确定的第一眼睛颜色缺陷区域的所述眼睛颜色缺陷。
11.一种装置，包括 至少一个处理器；以及 至少一个存储器，包括与图像关联的数据和计算机程序代码，所述至少一个存储器和所述计算机程序代码被配置成与所述至少一个处理器一起使所述装置至少 基于与第一眼睛区域关联的第一像素集的每个像素的红色像素强度和绿色像素强度的差值计算用于所述第一眼睛区域的第一差值图像；以及通过以下操作来确定第一眼睛颜色缺陷区域 通过处理所述第一差值图像来计算邻域处理的第一差值图像； 基于与所述邻域处理的第一差值图像关联的红色像素的加权矩心计算所述邻域处理的第一差值图像的第一中心点；以及 基于所述第一中心点和与所述第一差值图像关联的所述红色像素计算所述第一眼睛颜色缺陷区域。
12.根据权利要求11所述的装置，其中所述至少一个存储器和所述计算机程序代码被配置成与所述至少一个处理器一起使所述装置至少通过以下操作计算所述邻域处理的第一差值图像 将所述第一差值图像划分成多个区域，所述多个区域中的每个区域具有平均强度； 比较所述多个区域中的一个区域的平均强度与所述区域的预定数目的邻近区域的平均强度；以及 如果至少第一预定阈值数目的邻近区域的所述平均强度低于所述区域的所述平均强度的第一预定分数，则向所述多个区域中的所述区域分配空值； 其中所述邻域处理的第一差值图像的每个区域的强度包括所述空值和与所述第一差值图像对应的值之一。
13.根据权利要求11所述的装置，其中所述至少一个存储器和所述计算机程序代码被配置成与所述至少一个处理器一起使所述装置至少基于与所述邻域处理的第一差值图像关联的所述红色像素的坐标以及第一阈值强度和第二阈值强度中的至少一个阈值强度计算所述红色像素的所述加权矩心，所述第一阈值强度和所述第二阈值强度分别是所述第一差值图像的累积分布函数的百分数的最小值和最大值。
14.根据权利要求11所述的装置，其中所述至少一个存储器和所述计算机程序代码被配置成与所述至少一个处理器一起使所述装置至少在确定所述第一眼睛颜色缺陷区域时执行对眼睛颜色缺陷存在于所述第一眼睛颜色缺陷区域的一个或者多个验证。
15.根据权利要求14所述的装置，其中所述至少一个存储器和所述计算机程序代码被配置成与所述至少一个处理器一起使所述装置至少 基于以下各项计算第二差值图像 第二像素集的红色像素强度和绿色像素强度的差值，以及 所述第二像素集的强度水平，所述第二像素集与第二眼睛区域关联； 通过执行以下操作来确定第二眼睛颜色缺陷区域 通过处理所述第二差值图像来计算邻域处理的第二差值图像； 基于与所述邻域处理的第二差值图像关联的红色像素的加权矩心计算所述邻域处理的第二差值图像的第二中心点；以及 基于所述第二中心点和与所述第一差值图像关联的所述红色像素计算所述第二眼睛颜色缺陷区域； 执行对所述眼睛颜色缺陷存在于所述计算的第二眼睛颜色缺陷区域的一个或者多个验证；以及 校正在所述计算的第二眼睛颜色缺陷区域的所述眼睛颜色缺陷。
16.根据权利要求14或者15所述的装置，其中所述至少一个存储器和所述计算机程序代码被配置成与所述至少一个处理器一起使所述装置至少通过以下操作来执行所述一个或者多个验证 计算用于包围所述第一眼睛颜色缺陷区域的最小定界矩形； 将所述最小定界矩形的邻域区域划分成多个区域，所述多个区域中的每个区域具有平均像素强度； 计算所述包围的第一眼睛颜色缺陷区域的平均像素强度和具有比所述包围的第一眼睛颜色缺陷区域的所述平均像素强度的第二预定分数更低的平均像素强度的邻域区域的数目；以及 在确定具有比所述包围的第一眼睛颜色缺陷区域的所述平均像素强度的第二预定分数更低的平均像素强度的邻域区域的所述数目大于第二预定阈值时确定所述眼睛颜色缺陷存在于所述计算的第一眼睛颜色缺陷区域。
17.根据权利要求16所述的装置，其中所述至少一个存储器和所述计算机程序代码被配置成与所述至少一个处理器一起使所述装置至少在确定具有比所述包围的第一眼睛颜色缺陷区域的所述平均像素强度的所述第二预定分数更高的所述平均像素强度的邻域区域的所述数目时重新计算所述第一眼睛颜色缺陷区域。
18.根据权利要求15所述的装置，其中所述至少一个存储器和所述计算机程序代码被配置成与所述至少一个处理器一起使所述装置至少 基于所述一个或者多个验证来确定所述眼睛颜色缺陷未存在于所述计算的第一眼睛颜色缺陷区域； 取消所述计算的第一眼睛颜色缺陷区域； 重新确定所述第一眼睛颜色缺陷区域；以及 验证所述眼睛颜色缺陷存在于重新确定的第一眼睛颜色缺陷区域。
19.根据权利要求14或者18所述的装置，其中所述至少一个存储器和所述计算机程序代码被配置成与所述至少一个处理器一起使所述装置至少在验证所述眼睛颜色缺陷存在于所述计算的第一眼睛颜色缺陷区域时基于所述第一眼睛颜色缺陷区域的形状执行所述一个或者多个验证。
20.根据权利要求18所述的装置，其中所述至少一个存储器和所述计算机程序代码被配置成与所述至少一个处理器一起使所述装置至少在验证所述眼睛颜色缺陷存在于所述重新确定的第一眼睛颜色缺陷区域时校正在所述重新确定的第一眼睛颜色缺陷区域的所述眼睛颜色缺陷。
21.一种计算机程序产品，包括至少一个计算机可读存储介质，所述计算机可读存储介质包括指令集，所述指令集被配置成使装置至少 基于与第一眼睛区域关联的第一像素集的每个像素的红色像素强度和绿色像素强度的差值计算用于所述第一眼睛区域的第一差值图像；以及通过以下操作来确定第一眼睛颜色缺陷区域 通过处理所述第一差值图像来计算邻域处理的第一差值图像； 基于与所述邻域处理的第一差值图像关联的红色像素的加权矩心计算所述邻域处理的第一差值图像的第一中心点；以及 基于所述第一中心点和与所述第一差值图像关联的所述红色像素计算所述第一眼睛颜色缺陷区域。
22.根据权利要求21所述的计算机程序产品，其中所述指令集还被配置成使所述装置至少通过以下操作来计算所述邻域处理的第一差值图像 将所述第一差值图像划分成多个区域，所述多个区域中的每个区域具有平均强度；比较所述多个区域中的区域的平均强度与所述区域的预定数目的邻近区域的平均强度；以及 如果至少第一预定阈值数目的邻近区域的所述平均强度低于所述区域的所述平均强度的第一预定分数，则向所述多个区域中的所述区域分配空值； 其中所述邻域处理的第一差值图像的每个区域的强度包括所述空值和与所述第一差值图像对应的值之一。
23.根据权利要求21所述的计算机程序产品，其中所述指令集还被配置成使所述装置至少基于与所述邻域处理的第一差值图像关联的所述红色像素的坐标以及第一阈值强度和第二阈值强度中的至少一个阈值强度计算所述红色像素的所述加权矩心，所述第一阈值强度和所述第二阈值强度分别是所述第一差值图像的累积分布函数的百分数的最小值和最大值。
24.根据权利要求21所述的计算机程序产品，其中所述指令集还被配置成使所述装置至少在确定所述第一眼睛颜色缺陷区域时执行对眼睛颜色缺陷存在于所述第一眼睛颜色缺陷区域的一个或者多个验证。
25.根据权利要求24所述的计算机程序产品，其中所述指令集还被配置成使所述装置至少 基于以下各项计算第二差值图像 第二像素集的红色像素强度和绿色像素强度的差值，以及 所述第二像素集的强度水平，所述第二像素集与第二眼睛区域关联； 通过执行以下操作来确定第二眼睛颜色缺陷区域 通过处理所述第二差值图像来计算邻域处理的第二差值图像； 基于与所述邻域处理的第二差值图像关联的红色像素的加权矩心计算所述邻域处理的第二差值图像的第二中心点；以及 基于所述第二中心点和与所述第一差值图像关联的所述红色像素计算所述第二眼睛颜色缺陷区域； 执行对所述眼睛颜色缺陷存在于所述计算的第二眼睛颜色缺陷区域的一个或者多个验证；以及 校正在所述计算的第二眼睛颜色缺陷区域的所述眼睛颜色缺陷。
26.根据权利要求24或者25所述的计算机程序产品，其中所述指令集还被配置成使所述装置至少通过以下操作来执行所述一个或者多个验证 计算用于包围所述第一眼睛颜色缺陷区域的最小定界矩形； 将所述最小定界矩形的邻域区域划分成多个区域，所述多个区域中的每个区域具有平均像素强度； 计算所述包围的第一眼睛颜色缺陷区域的平均像素强度和具有比所述包围的第一眼睛颜色缺陷区域的所述平均像素强度的第二预定分数更低的平均像素强度的邻域区域的数目；以及 在确定具有比所述包围的第一眼睛颜色缺陷区域的所述平均像素强度的第二预定分数更低的平均像素强度的邻域区域的所述数目大于第二预定阈值时，确定所述眼睛颜色缺陷存在于所述计算的第一眼睛颜色缺陷区域。
27.根据权利要求26所述的计算机程序产品，其中所述指令集还被配置成使所述装置至少在确定具有比所述包围的第一眼睛颜色缺陷区域的所述平均像素强度的所述第二预定分数更高的所述平均像素强度的邻域区域的所述数目时重新计算所述第一眼睛颜色缺陷区域。
28.根据权利要求25所述的计算机程序产品，其中所述指令集还被配置成使所述装置至少 基于所述一个或者多个验证来确定所述眼睛颜色缺陷未存在于所述计算的第一眼睛颜色缺陷区域； 取消所述计算的第一眼睛颜色缺陷区域； 重新确定所述第一眼睛颜色缺陷区域；以及 验证所述眼睛颜色缺陷存在于重新确定的第一眼睛颜色缺陷区域。
29.根据权利要求24或者28所述的计算机程序产品，其中所述指令集还被配置成使所述装置至少在验证所述眼睛颜色缺陷存在于所述计算的第一眼睛颜色缺陷区域时基于所述第一眼睛颜色缺陷的形状执行所述一个或者多个验证。
30.根据权利要求28所述的计算机程序产品，其中所述指令集还被配置成使所述装置至少在验证所述眼睛颜色缺陷存在于所述重新确定的第一眼睛颜色缺陷区域时校正在所述重新确定的第一眼睛颜色缺陷区域的所述眼睛颜色缺陷。
31.一种方法，包括 基于与第一眼睛区域关联的第一像素集的每个像素的红色像素强度和绿色像素强度的差值计算用于所述第一眼睛区域的第一差值图像； 通过处理所述第一差值图像来计算邻域处理的第一差值图像；以及 基于与所述邻域处理的第一差值图像关联的红色像素的加权矩心计算所述邻域处理的第一差值图像的第一中心点。
32.根据权利要求31所述的方法，其中基于与所述邻域处理的第一差值图像关联的红色像素的坐标以及第一阈值强度和第二阈值强度中的至少一个阈值强度计算所述红色像素的所述加权矩心，所述第一阈值强度和所述第二阈值强度分别是所述第一差值图像的累积分布函数的百分数的最小值和最大值。
33.根据权利要求31所述的方法，其中根据以下等式计算所述第一中心点Xe = Σ {j*x(i，j)K}/ Σ x(i, j)K,Yc = Σ {i*x(i, j)K}/ Σ x(i, j)K 其中(i，j)是所述邻域处理的第一差值图像的坐标，k是常数，并且如果在所述邻域处理的第一差值图像的强度大于或者等于所述第一阈值强度，则在x(i，j)的强度等于在所述邻域处理的第一差值图像的对应区域的强度。
34.—种方法,包括 计算用于包围第一眼睛颜色缺陷区域的最小定界矩形； 将所述最小定界矩形的邻域区域划分成多个区域，所述多个区域中的每个区域具有平均像素强度； 计算所述包围的第一眼睛颜色缺陷区域的平均像素强度和具有比所述包围的第一眼睛颜色缺陷区域的所述平均像素强度的第二预定分数更低的平均像素强度的邻域区域的数目；以及 在确定具有比所述包围的第一眼睛颜色缺陷区域的所述平均像素强度的第二预定分数更低的平均像素强度的邻域区域的所述数目大于第二预定阈值时确定所述眼睛颜色缺陷存在于所述包围的第一眼睛颜色缺陷区域。
35.一种装置，包括 用于基于与第一眼睛区域关联的第一像素集的每个像素的红色像素强度和绿色像素强度的差值计算用于所述第一眼睛区域的第一差值图像的装置；以及用于通过以下操作来确定第一眼睛颜色缺陷区域的装置 通过处理所述第一差值图像来计算邻域处理的第一差值图像； 基于与所述邻域处理的第一差值图像关联的红色像素的加权矩心计算所述邻域处理的第一差值图像的第一中心点；以及 基于所述第一中心点和与所述第 一差值图像关联的所述红色像素计算所述第一眼睛颜色缺陷区域。
全文摘要
提供方法、装置和计算机程序产品。该方法包括基于与第一眼睛区域关联的第一像素集的每个像素的红色像素强度和绿色像素强度的差值计算用于第一眼睛区域的第一差值图像。该方法还包括通过以下操作来确定第一眼睛颜色缺陷区域通过处理第一差值图像来计算邻域处理的第一差值图像；基于与邻域处理的第一差值图像关联的红色像素的加权矩心计算邻域处理的第一差值图像的第一中心点；并且随后基于第一中心点和与第一差值图像关联的红色像素计算第一眼睛颜色缺陷区域。
文档编号G06K9/00GK102893292SQ201180021718
公开日2013年1月23日 申请日期2011年3月17日 优先权日2010年4月30日
发明者V·慕尼恩德, P·米施拉, K·戈温达劳, B·S-V 申请人:诺基亚公司