CN103226690A

CN103226690A - 检测红眼的方法及装置、去除红眼的方法及装置

Info

Publication number: CN103226690A
Application number: CN2012100212082A
Authority: CN
Inventors: 黄玉春; 林福辉; 彭晓峰
Original assignee: Spreadtrum Communications Shanghai Co Ltd
Current assignee: Spreadtrum Communications Shanghai Co Ltd
Priority date: 2012-01-30
Filing date: 2012-01-30
Publication date: 2013-07-31
Anticipated expiration: 2032-01-30
Also published as: CN103226690B

Abstract

一种检测红眼的方法及装置、去除红眼的方法及装置。所述检测红眼的方法包括：提取眼部区域；基于像素点的红色度和饱和度量化所述眼部区域，以得到白色区域、深色区域和红色区域；基于量化结果确定所述深色区域与所述白色区域、红色区域的位置关系，所述位置关系包括邻接关系和嵌套关系；基于所述位置关系检测红眼区域。本发明的技术方案降低了红眼区域的漏检率和误检率，且降低了检测红眼区域的复杂度，提高了检测红眼区域的效率。

Description

检测红眼的方法及装置、去除红眼的方法及装置

技术领域

本发明涉及图像技术领域，尤其涉及一种检测红眼的方法及装置、去除红眼的方法及装置。

背景技术

“红眼效应”是指用闪光灯拍摄人物照片时，由于被拍摄者眼底血管的反光而导致的人眼瞳孔中央形成的红点现象。其形成原因主要是由于人的瞳孔在环境光比较暗时会放大，近距离闪光灯的强光经过放大的瞳孔，照在视网膜后的微血管组织上，反射回红色的光线，造成实际成像的照片呈现“红眼”状，红眼和人们一般所认知的眼睛的颜色差别很大，大大的降低了照片的质量。随着具有闪光功能的数码相机、手机、摄像机等的应用越来越广泛，对于“红眼效应”的去除具有很强的实际应用性，且也变得越发的重要。

请参见图1，图1是现有的红眼去除系统的结构示意图。如图1所示，首先借助人脸检测器、皮肤判别器、其他脸部特征提取、或无红眼照片来提取眼部区域。

具体地，可以通过人脸检测器检测出人脸区域，进而通过霍夫变换法或变形模板法等来粗略提取眼部区域，如：提取人脸的上半部分作为眼部区域。或者通过皮肤判别器来获取不同于皮肤的眼洞，进而提取眼部区域。或者通过嘴巴、鼻子、或眉毛等脸部特征的提取，并基于眼睛与嘴巴、鼻子或眉毛之间的位置关系来粗略提取眼部区域，如：提取嘴巴所在的预定范围内作为眼部区域。或者通过拍摄前的最后一帧预览照片(无红眼照片)来粗略提取眼部区域，如：提取与所述无红眼照片存在红色差异的部分作为眼部区域。

基于提取的眼部区域，发掘红眼中的红眼色特征，进而基于所述红眼色特征来提取红眼区域。然后基于红眼的形状对提取到的红眼区域的形状特征进行相应的验证，一般来讲，红眼的形状通常为圆形、类圆形、椭圆形、类椭圆形，因此，若提取到的红眼区域的形状为圆形、类圆形、椭圆形、类椭圆形，就可以判定提取到的红眼区域的确为拍摄过程中形成的红眼区域，进而可以对提取到的红眼区域的红眼色进行纠正，并对红眼区域的边缘进行各种光滑处理，使得修正后的眼部图像看起来更自然。

上述的红眼去除方法，通过粗提取眼部区域，然后精提取红眼区域，并对提取到的红眼区域进行验证，在确定提取到的红眼区域无误后对其进行纠正。然而这种红眼去除方法去除红眼时的漏检率和误检率都较高。

因此，如何能够提供一种漏检率和误检率较低的检测红眼的方法成为目前亟待解决的问题之一。

其他有关红眼检测的相关技术还可以参见公开号为WO2007116947A1，发明名称为RED EYE DETECTING APPARATUS，RED EYE DETECTINGMETHOD AND RED EYE DETECTING PROGRAM的国际专利申请。

发明内容

本发明解决的问题是提供一种漏检率和误检率较低的检测红眼的方法及装置，去除红眼的方法及装置。

为了解决上述问题，本发明提供了一种检测红眼的方法，包括：

提取眼部区域；

基于像素点的红色度和饱和度量化所述眼部区域，以得到白色区域、深色区域和红色区域；

基于量化结果确定所述深色区域与所述白色区域、红色区域的位置关系，所述位置关系包括邻接关系和嵌套关系；

基于所述位置关系检测红眼区域。

为解决上述问题，本发明还提供了一种去除红眼的方法，包括：

采用上述的检测红眼的方法检测红眼区域；

对所述红眼区域进行纠正。

为解决上述问题，本发明还提供了一种检测红眼的装置，包括：

提取单元，用于提取眼部区域；

量化单元，用于基于像素点的红色度和饱和度量化所述眼部区域，以得到白色区域、深色区域和红色区域；

位置关系确定单元，用于基于量化结果确定所述深色区域与所述白色区域、红色区域的位置关系，所述位置关系包括邻接关系和嵌套关系；

检测单元，用于基于所述位置关系检测红眼区域。

为解决上述问题，本发明还提供了一种去除红眼的装置，包括：

上述的检测红眼的装置；

纠正单元，用于对所述红眼区域进行纠正。

与现有技术相比，本发明的技术方案具有以下优点：

通过先提取眼部区域，然后基于像素点的红色度和饱和度量化所述眼部区域，以得到白色区域、深色区域和红色区域；基于量化结果确定所述深色区域与所述白色区域、红色区域的位置关系，所述位置关系包括邻接关系和嵌套关系；最终基于所述位置关系检测红眼区域。由于是基于所述深色区域与所述白色区域、红色区域的位置关系来检测红眼区域，因此，对于不同红眼现象在颜色、形状上的差异具有很强的鲁棒性，降低了红眼区域的漏检率和误检率。

而且，由于利用了红眼区域与其周围的眼部区域在颜色和位置关系上独有的特征，故，大大地降低了检测红眼区域的复杂度，提高了检测红眼区域的效率。

进一步地，在确定具有嵌套关系的深色区域和红色区域，具有邻接关系的深色区域和白色区域后，通过确定所确定的红色区域是否存在与之具有嵌套关系的白色区域，或者确定所确定的深色区域是否存在与之具有嵌套关系的白色区域，可以更加准确地检测出红眼区域，在很大程度上降低了红眼区域的漏检率和误检率。

进一步地，在检测到红眼区域后，对检测到的红眼区域进行判断，以确定检测到的红眼区域是否有误，在很大程度上降低了检测红眼时的误检率。

进一步地，在检测到红眼区域后，利用与所述红眼区域具有嵌套关系的深色区域对所述红眼区域进行纠正，使得红眼区域的纠正具有很强的自适应性，且纠正后的红眼区域效果较佳。

通过采用纹理分析获取纠正后的红眼区域中的误纠正区域，并利用中值滤波对所述误纠正区域进行抑制，一方面大大地降低了去除红眼时的误纠正率，另一方面在很大程度上改善了纠正后的照片的效果。

附图说明

图1是现有的红眼去除系统的结构示意图；

图2是本发明红眼模板的示意图；

图3是本发明红眼区域、深色眼珠区域、眼白区域和近白高亮区域的位置关系的一个实例示意图；

图4是本发明实施例的检测红眼的方法的流程示意图；

图5是本发明实施例的检测红眼的装置的结构示意图；

图6是本发明实施例的去除红眼的方法的流程示意图；

图7是本发明实施例的去除红眼的装置的结构示意图。

具体实施方式

为使本发明的上述目的、特征和优点能够更为明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。

在以下描述中阐述了具体细节以便于充分理解本发明。但是本发明能够以多种不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广。因此本发明不受下面公开的具体实施方式的限制。

正如背景技术中所描述的，现有技术中检测红眼区域时，漏检率和误检率较高。

发明人发现，现有技术在对红眼区域进行检测时，主要是利用红眼区域的颜色和形状特征来对红眼区域进行定位和验证，因此对红眼的颜色和形状的依赖性很强，一旦红眼的颜色有较大的变化就会导致提取红眼区域的失败，另外，若红眼在形状上有较大的变化，也会导致对提取到的红眼区域进行验证的失败，进而导致了检测红眼区域时的漏检率和误检率较高。而在实际的拍摄过程中，由于光照条件的变化，红眼中的红色程度会发生很大的变化，且对于不同的人种而言，其红眼程度也不尽相同；另外在拍摄过程中，眼睛张开的程度的不同也会导致红眼形状从理想圆形到不同程度类椭圆的变化。

因此，发明人提出，是否可以不仅仅依赖于红眼区域的颜色和形状，而是通过红眼区域的其他属性来对红眼区域进行检测。请参见图2，图2是本发明红眼模板的示意图，如图2所示，红眼是由于人眼瞳孔底部血管因强烈的闪光照射所致，故，红眼模板一般由四个部分组成：近白高亮区域H、红眼区域R、深色眼珠区域F和眼白区域W。且四个不同区域之间彼此连接形成一个完整整体，而人类对红眼的判断通常是基于所述红眼模板的整体性特征，而不是仅仅凭红眼区域的颜色和形状。

请继续参见图2，图2中深色眼珠区域F因人种的不同，可能呈现不同的颜色，如：黑色、深蓝色、棕色等；眼白区域W则由于拍摄角度的不同，可能只出现在一侧。而且上述四个区域的色彩饱和度和形状会因实际的光照条件、人种、拍摄角度的不同等不断变化。如：所述红眼区域R的颜色完全有可能与亚洲人的黄色皮肤色彩差别不大，且其形状可能是一个很扁平的椭圆或类椭圆状。另外，由于眼珠的运动和拍摄角度等影响，红眼区域R也有可能不是均匀地沿眼部中心径向分布，也就是说，在图2所示的红眼区域R中可能只有部分区域出现红色，其他区域则仍为原来的眼珠色。此外，由于拍摄条件、分辨率等原因，眼白区域W可能不会完全的出现在红眼模板中，如：红眼模板中的眼白区域W只有一半。

图2中所给出的红眼模板为完整的红眼模板，而通过上述分析可知，在实际情况中，红眼模板并不仅仅局限于图2所示，根据不同的情况，其会有各种各样的表现形式，但是，发明人发现，不论红眼模板的表现形式如何变化，红眼模板中的不同色彩区域之间总会存在嵌套毗邻关系，具体地，就是椭圆状的眼白区域W邻接着外轮廓椭圆状的深色眼珠区域F；深色眼珠区域F内嵌套有一定的红眼区域R。

因此发明人确定，可以利用红眼区域R与所述深色眼珠区域F、所述深色眼珠区域F与眼白区域W之间的位置关系来检测红眼区域R。进一步地，发明人提出，若直接采用图2所示的红眼模板对红眼区域进行检测，会增加检测红眼区域的复杂度，且对于实际的拍摄情况而言，红眼模板也并不局限于图2所示的红眼模板，故，发明人提出利用红眼区域、深色眼珠区域和眼白区域的位置关系示意图来对红眼区域进行检测。

请参见图3，图3是本发明红眼区域、深色眼珠区域、眼白区域和近白高亮区域的位置关系的一个实例示意图，如图3所示，图3中的平行连接代表空间上的邻接关系，垂直连接代表空间上的嵌套关系，由图3可以获悉，深色眼珠区域F与眼白区域W之间存在邻接关系，深色眼珠区域F与红眼区域R之间存在嵌套关系，红眼区域R与近白高亮区域H之间也存在嵌套关系，此外由于拍摄的原因，深色眼珠区域F与近白高亮区域H之间可能会存在嵌套关系，如：红眼区域R只有部分出现的情况。

需要说明的是，图3给出的红眼区域、深色眼珠区域、眼白区域和近白高亮区域的位置关系示意图，仅仅是对上述四个区域之间存在邻接和嵌套关系的一种表现形式，即通过水平连接代表空间上的邻接关系，垂直连接代表空间上的嵌套关系。红眼区域、深色眼珠区域、眼白区域和近白高亮区域的位置关系也可以以水平连接代表空间上的嵌套关系，垂直连接代表空间上的邻接关系，因此，红眼区域、深色眼珠区域、眼白区域和近白高亮区域的位置关系示意图不应作为对本发明技术方案的限定。

请参见图4，图4是本发明实施例的检测红眼的方法的流程示意图，如图4所示，所述检测红眼的方法包括：

步骤S11：提取眼部区域。

步骤S12：基于像素点的红色度和饱和度量化所述眼部区域，以得到白色区域、深色区域和红色区域。

步骤S13：基于量化结果确定所述深色区域与所述白色区域、红色区域的位置关系，所述位置关系包括邻接关系和嵌套关系。

步骤S14：基于所述位置关系检测红眼区域。

具体地，执行步骤S11，提取眼部区域。

本实施例中所述眼部区域的提取可以采用现有的人脸检测方法来检测出人脸所在的区域，然后通过霍夫变换法、或变形模板法、或边缘特征分析法、或基于特征映射的方法等来对人脸区域中眼睛所在的区域进行定位，进而提取眼部区域。所述人脸检测方法可以为：基于人脸器官分布规律的人脸检测方法、基于肤色的人脸检测方法、基于概率模型的人脸检测方法、基于特征空间的人脸检测方法、基于人工神经网络的人脸检测方法、基于模板匹配的人脸检测方法等。

采用上述的人脸检测方法检测出人脸所在的区域，并在人脸区域内提取眼部区域为本领域的公知常识，故此处不再展开具体详述。

执行步骤S12，基于像素点的红色度和饱和度量化所述眼部区域，以得到白色区域、深色区域和红色区域。

本步骤中，像素点的红色度用于表示像素点的红色的程度，或者说是在像素点的红色通道值、绿色通道值、蓝色通道值中其红颜色的水平有多少。本实施例中像素点的红色度通过如下公式获得：

I＝a*R-b*G-(a-b)*B

像素点的饱和度通过如下公式获得：

S = \frac{\max (R, G, B) - \min (R, G, B)}{\max (R, G, B)}

其中，I为像素点的红色度，S为像素点的饱和度，a、b为权重系数，a＞b且a、b∈(0，1]，max(.)为取最大值函数，min(.)为取最小值函数。本实施例中，上述公式中R、G、B分别为归一化的红色通道值、归一化的绿色通道值和归一化的蓝色通道值。

在获取了像素点的红色度和饱和度后，则基于获取的像素点的红色度和饱和度量化提取到的眼部区域，以得到白色区域、深色区域和红色区域。且通过像素点的红色度和饱和度量化提取到的眼部区域，也有利于减小噪声对眼部区域中的各个颜色区域的影响。

本实施例中，通过红色度和饱和度来量化提取到的眼部区域具体为：

若像素点的红色度小于第一阈值，饱和度小于第二阈值则将像素点量化为白色像素点。

若像素点的红色度小于所述第一阈值，饱和度大于或等于所述第二阈值且小于第三阈值则将像素点量化为深色像素点。

若像素点的红色度大于或等于所述第一阈值，饱和度大于或等于所述第三阈值则将像素点量化为红色像素点。

本实施例中，所述深色像素点可以为黑色、蓝色、棕色等，通常根据拍摄到的照片中人物的人种而决定，如：若拍摄的人物为亚洲人，则将满足量化为深色像素点条件的像素点量化为黑色像素点。若拍摄的人物为欧洲人，则将满足量化为深色像素点条件的像素点量化为蓝色像素点。

本实施例中，获取像素点的红色度时采用的权重系数a∈[0.4，0.6]、b∈[0.25，0.35]，所述第一阈值T1∈(0，0.5]，所述第二阈值T2∈(0，0.3]、所述第三阈值T3∈[0.5，1]。

本实施例中，对于提取到的眼部区域而言，除了上述的颜色外通常为肤色，故当所述像素点的红色度以及饱和度不满足上述的情况时，如：像素点的红色度大于或等于所述第一阈值，饱和度小于所述第三阈值；或者像素点的红色度小于所述第一阈值，饱和度大于所述第三阈值；则将该像素点量化为肤色像素点。

此外，量化眼部区域后，对于获得的白色区域、深色区域以及红色区域而言，为了消除获得的区域中孤立的噪点对其造成的影响，可以对所述白色区域、深色区域以及红色区域进行相应的数字图像的闭运算，以去除每一个区域中的孤立噪点。闭运算核的大小可以根据实际情况中量化得到的颜色区域的外接矩形的尺寸来确定。采用数字图像的闭运算以去除所述白色区域、深色区域以及红色区域中的孤立噪点为本领域的公知技术，故此处不再展开具体详述。

另外，由于经过步骤S11进行的眼部区域的提取属于粗提取，因此对步骤S11提取的眼部区域进行量化时，获得的白色区域、深色区域和红色区域并不唯一。

执行步骤S13，基于量化结果确定所述深色区域与所述白色区域、红色区域的位置关系，所述位置关系包括邻接关系和嵌套关系。

通过步骤S12对提取到的眼部区域进行量化，获得了深色区域、白色区域和红色区域，且量化后，可以获知所述深色区域、白色区域和红色区域的中心位置及形状，基于区域的形状可以知道量化后的各个区域的面积。进而可以通过深色区域、白色区域、红色区域的中心位置、形状和面积来确定所述深色区域和白色区域的位置关系，以及所述深色区域和红色区域的位置关系。对于量化后的眼部区域，可以包括具有嵌套关系的深色区域和白色区域，具有邻接关系的深色区域和白色区域，具有嵌套关系的深色区域和红色区域，具有邻接关系的深色区域和红色区域。

例如，可以从量化得到的白色区域中，根据所述白色区域的中心位置和形状来判断其和量化得到的深色区域之间是否存在邻接关系。而对于量化得到的红色区域和深色区域而言，可以先判断所述红色区域面积和所述深色区域面积之间的关系，在所述红色区域的面积小于所述深色区域的面积的前提下，再根据所述红色区域的中心位置和形状及所述深色区域的中心位置和形状来判断所述红色区域与所述深色区域之间是否存在嵌套关系。

执行步骤S14，基于所述位置关系检测红眼区域。

本实施例中，可以基于对所获得的所述深色区域与所述白色区域，所述深色区域与所述红色区域之间位置关系的先后判断来检测红眼区域。

具体地，首先确定一对具有嵌套关系的深色区域和红色区域，然后再判断确定的深色区域是否存在与之具有邻接关系的白色区域，若存在，则以确定的红色区域作为红眼区域。

一般来讲，通过确定深色区域与红色区域具有嵌套关系，且所述深色区域存在与之具有邻接关系的白色区域就可以确定所述红色区域为红眼区域。本实施例中，为了能够更加准确地检测出红眼区域，降低漏检率和误检率，还可以通过进一步限定深色区域与白色区域之间的位置关系，或者红色区域与白色区域之间的位置关系来检测红眼区域。

如上述所描述的，红眼产生时，红眼区域与白色区域之间也存在嵌套关系，此外由于拍摄的原因，深色区域与白色区域之间也会存在嵌套关系，故本实施例中还可以通过以下方式来检测红眼区域。

首先确定一对具有嵌套关系的深色区域和红色区域，然后再判断确定的深色区域是否存在与之具有邻接关系的白色区域，以及判断所确定的红色区域是否存在与之具有嵌套关系的白色区域，若都存在，则以确定的红色区域作为红眼区域。

或者，首先确定一对具有嵌套关系的深色区域和红色区域，然后再判断确定的深色区域是否存在与之具有邻接关系的白色区域和与之具有嵌套关系的白色区域，若存在，则以确定的红色区域作为红眼区域。

此外，本实施例中，还可以基于先确定的所述深色区域与所述白色区域的位置关系来检测红眼区域。具体地，可以通过以下方式来检测红眼区域。

首先确定一对具有邻接关系的深色区域和白色区域，然后再判断确定的深色区域是否存在与之具有嵌套关系的红色区域，若存在，则以该红色区域作为红眼区域。

或者，先确定一对具有邻接关系的深色区域和白色区域，然后再判断确定的深色区域是否存在与之具有嵌套关系的红色区域，且与所确定的深色区域具有嵌套关系的红色区域是否存在与之具有嵌套关系的白色区域，若都存在，则以与所确定的深色区域具有嵌套关系的红色区域作为红眼区域。

或者，先确定一对具有邻接关系的深色区域和白色区域，然后再判断确定的深色区域是否存在与之具有嵌套关系的红色区域和与之具有嵌套关系的白色区域，若存在，则以与所确定的深色区域具有嵌套关系的红色区域作为红眼区域。

在实际的检测过程中，只要最终量化获得的深色区域、白色区域和红色区域之间的位置关系，能够表示成为图3所示的位置关系，则认为最终量化得到的红色区域在提取到的眼部图像中所在的区域为检测到的红眼区域，深色区域为深色眼珠区域。

通过上述对量化后的深色区域、白色区域和红色区域的位置关系的判定，则可以检测到红眼区域所在的位置。

本实施例中，为了进一步地降低检测红眼的误检率，在检测到红眼区域后，还可以对检测到的红眼区域进行判断，以确定所检测到的红眼区域是否有误。具体地，通过如下方式判断检测到的红眼区域是否有误：

获取检测到的红眼区域中预定范围内的像素点的红色度的均匀程度，所述预定范围关联于所述红眼区域的大小。

若所述均匀程度达到预设值，则检测到的红眼区域有误。

本实施例中，检测到的红眼区域也即满足与所述深色区域具有嵌套关系，且所述深色区域与所述白色区域具有邻接关系的红色区域在提取的眼部区域中所在的区域。所述检测到的红眼区域中的预定范围，可以为所述红眼区域的二分之一到四分之一，优选地取所述红眼区域的二分之一，且所述预定范围可以为所述红眼区域中的任意区域，只要确保预定范围仍属于所述红眼区域且为红眼区域的二分之一到四分之一即可。本实施例中，所述检测到的红眼区域中预定范围内的像素点的红色度的均匀程度通过如下方式获得：

I_{a} = \frac{Σ_{i = 1}^{N} I_{i}}{N},

E = \frac{Σ_{i = 1}^{N} {(I_{i} - I_{a})}^{2}}{N}

其中，I_i为第i个像素点的红色度，I_a为检测到的红眼区域中预定范围内的像素点的红色度的平均值，N为预定范围内的像素点的个数，E为检测到的红眼区域中预定范围内的像素点的红色度的均匀程度。

一般来讲，如果检测到的红眼区域有误，很可能是将眼唇部分误检为红眼区域，因此，对检测到的红眼区域中预定范围内的像素点的红色度的均匀程度进行相应的检测，若该预定范围内的像素点的红色度的均匀程度较差，则证明该区域应为眼唇，由于本实施例中是以检测到的红眼区域中预定范围内的像素点的红色度的标准方差来衡量红色度的均匀程度，故所述红色度的标准方差越小则代表该区域的红色度的均匀程度越好，因此，对于采用像素点的红色度的标准方差来衡量红色度的均匀程度而言，红色度的均匀程度达到预设值，则是指在检测到的红眼区域中预定范围内的像素点的红色度的标准方差大于第一预设阈值时，判断检测到的红眼区域有误。本实施例中所述第一预设阈值大于或等于0.1且小于或等于0.3。若采用其他的方式衡量检测到的红眼区域中预定范围内的像素点的红色度的均匀程度，如采用红色纹理的分散程度来衡量预定范围内的像素点的红色度的均匀程度的话，则该区域的红色纹理的分散程度越大，均匀程度就越好，此时对于采用红色纹理的分散程度来衡量预定范围内的像素点的红色度的均匀程度而言，红色度的均匀程度达到预设值，则是指在检测到的红眼区域中预定范围内的像素点的红色纹理的分散程度小于第二预设阈值时，判断检测到的红眼区域有误。所述第二预设阈值由实际测试而定。

对应于上述的检测红眼的方法，本发明实施例还提供一种检测红眼的装置，请参见图5，图5是本发明实施例的检测红眼的装置的结构示意图，如图5所示，所述检测红眼的装置1包括：

提取单元10，用于提取眼部区域。

量化单元11，与所述提取单元10相连，用于基于像素点的红色度和饱和度量化所述眼部区域，以得到白色区域、深色区域和红色区域。

位置关系确定单元12，与所述量化单元11相连，用于基于量化结果确定所述深色区域与所述白色区域、红色区域的位置关系，所述位置关系包括邻接关系和嵌套关系。

检测单元13，与所述位置关系确定单元12相连，用于基于所述位置关系检测红眼区域。

所述量化单元11包括：

第一量化单元(图中未示出)，用于在像素点的红色度小于第一阈值，饱和度小于第二阈值时将像素点量化为白色像素点。

第二量化单元(图中未示出)，用于在像素点的红色度小于所述第一阈值，饱和度大于或等于所述第二阈值且小于第三阈值时将像素点量化为深色像素点。

第三量化单元(图中未示出)，用于在像素点的红色度大于或等于所述第一阈值，饱和度大于或等于所述第三阈值时将像素点量化为红色像素点。

本实施例中，所述量化单元11通过如下方式获得所述像素点的红色度和饱和度：

I＝a*R-b*G-(a-b)*B

S = \frac{\max (R, G, B) - \min (R, G, B)}{\max (R, G, B)}

其中，I为像素点的红色度，S为像素点的饱和度，R、G、B分别为归一化的红色通道值、归一化的绿色通道值、归一化的蓝色通道值，a、b为权重系数，a＞b且a、b∈(0，1]，max(.)为取最大值函数，min(.)为取最小值函数。所述权重系数a∈[0.4，0.6]、b∈[0.25，0.35]，所述第一阈值T1∈(0，0.5]，所述第二阈值T2∈(0，0.3]、所述第三阈值T3∈[0.5，1]。

在一实施例中，所述检测单元包括：

第一确定单元(图中未示出)，用于确定具有嵌套关系的深色区域和红色区域。

第一检测单元(图中未示出)，用于在所确定的深色区域存在与之具有邻接关系的白色区域时，以所述确定的红色区域作为红眼区域。

在另一实施例中，所述检测单元包括：

第二确定单元(图中未示出)，用于确定具有嵌套关系的深色区域和红色区域。

第二检测单元(图中未示出)，用于在所确定的深色区域存在与之具有邻接关系的白色区域且所确定的红色区域存在与之具有嵌套关系的白色区域时，以所述确定的红色区域作为红眼区域。

在又一实施例中，所述检测单元包括：

第三确定单元(图中未示出)，用于确定具有嵌套关系的深色区域和红色区域。

第三检测单元(图中未示出)，用于在所确定的深色区域存在与之具有邻接关系的白色区域和与之具有嵌套关系的白色区域时，以所述确定的红色区域作为红眼区域。

在又一实施例中，所述检测单元包括：

第四确定单元，用于确定具有邻接关系的深色区域和白色区域；

第四检测单元，用于在所确定的深色区域存在与之具有嵌套关系的红色区域时，以该红色区域作为红眼区域。

在又一实施例中，所述检测单元包括：

第五确定单元，用于确定具有邻接关系的深色区域和白色区域。

第五检测单元，用于在所确定的深色区域存在与之具有嵌套关系的红色区域且该红色区域存在与之具有嵌套关系的白色区域时，以该红色区域作为红眼区域。

在又一实施例中，所述检测单元包括：

第六确定单元，用于确定具有邻接关系的深色区域和白色区域。

第六检测单元，用于在所确定的深色区域存在与之具有嵌套关系的红色区域和与之具有嵌套关系的白色区域时，以该红色区域作为红眼区域。

所述位置关系确定单元12包括：

区域属性获取单元(图中未示出)，用于基于量化结果获取所述深色区域、白色区域、红色区域的区域属性。

第一位置关系确定单元(图中未示出)，用于基于所述深色区域和白色区域的区域属性确定所述深色区域和白色区域的位置关系。

第二位置关系确定单元(图中未示出)，用于基于所述深色区域和红色区域的区域属性确定所述深色区域和红色区域的位置关系。

本实施例中，所述区域属性包括：区域的颜色、中心及形状。

本实施例中，所述检测红眼的装置1还包括：

判断单元(图中未示出)，用于判断检测到的红眼区域是否有误。

所述判断单元包括：

第一获取单元(图中未示出)，用于获取检测到的红眼区域中预定范围内的像素点的红色度的均匀程度，所述预定范围关联于所述红眼区域的大小。

第一判断单元(图中未示出)，用于在所述均匀程度达到预设值时，判断检测到的红眼区域有误。

所述第一获取单元通过如下公式获取检测到的红眼区域中预定范围内的像素点的红色度的均匀程度：

I_{a} = \frac{Σ_{i = 1}^{N} I_{i}}{N},

E = \frac{Σ_{i = 1}^{N} {(I_{i} - I_{a})}^{2}}{N}

本实施例中所述检测红眼的装置的工作过程，可以参见上述的检测红眼的方法进行，此处不再展开具体详述。

请参见图6，图6是本发明实施例的去除红眼的方法的流程示意图，如图6所示，所述去除红眼的方法包括：

步骤S11：提取眼部区域。

步骤S14：基于所述位置关系检测红眼区域。

步骤S15：对所述红眼区域进行纠正。

步骤S16：基于纹理分析获取纠正后的红眼区域中的误纠正区域。

步骤S17：利用中值滤波对所述误纠正区域进行抑制。

本实施例中，步骤S11～S14与上述的检测红眼的方法相类似，故此处不再展开具体详述。在通过步骤S11～S14检测到红眼区域后，执行步骤S15：对所述红眼区域进行纠正。可以利用现有技术对所述红眼区域进行纠正，而在本实施例中，利用与所述红眼区域具有嵌套关系的深色区域对所述红眼区域进行纠正。具体地，可以采用红眼区域附近的深色眼珠区域的像素点的像素值的均值来代替红眼区域中的像素点的像素值，通常取所述红眼区域附近的5～11个像素点，计算5～11个像素点的像素值的均值，以5个像素点为例，则是将5个像素点的像素值相加并除以5，以获得5个像素点的像素值的均值，并以此均值作为所述红眼区域的像素点的像素值。

本实施例中，为了降低对检测到的红眼区域的误纠正率，执行步骤S16：基于纹理分析获取纠正后的红眼区域中的误纠正区域。

具体地，获取检测到的红眼区域中预定范围内的像素点的红色度的均匀程度，所述预定范围关联于所述红眼区域的大小。

若所述均匀程度达到预设值，则所述纠正后的红眼区域为误纠正区域。

所述检测到的红眼区域即为与纠正后的红眼区域对应的检测到的红眼区域。且所述检测到的红眼区域也即满足与所述深色区域具有嵌套关系，且所述深色区域与所述白色区域具有邻接关系的红色区域在提取的眼部区域中所在的区域。所述检测到的红眼区域中的预定范围，可以为所述红眼区域的二分之一到四分之一，优选地取所述红眼区域的二分之一，且所述预定范围可以为所述红眼区域中的任意区域，只要确保预定范围仍属于所述红眼区域且为红眼区域的二分之一到四分之一即可。本实施例中，所述检测到的红眼区域中预定范围内的像素点的红色度的均匀程度通过如下方式获得：

I_{a} = \frac{Σ_{i = 1}^{N} I_{i}}{N},

E = \frac{Σ_{i = 1}^{N} {(I_{i} - I_{a})}^{2}}{N}

一般来讲，如果纠正后的红眼区域有误，很可能是将眼唇部分误检为红眼区域进而对其进行了纠正，因此，对检测到的(纠正前的)红眼区域中预定范围内的像素点的红色度的均匀程度进行相应的检测，若该预定范围内的像素点的红色度的均匀程度较差，则证明该区域应为眼唇，由于本实施例中是以检测到的红眼区域中预定范围内的像素点的红色度的标准方差来衡量红色度的均匀程度，故所述红色度的标准方差越小则代表该区域的红色度的均匀程度越好，因此，对于采用像素点的红色度的标准方差来衡量红色度的均匀程度而言，红色度的均匀程度达到预设值，则是指在检测到的红眼区域中预定范围内的像素点的红色度的标准方差大于第一预设阈值时，判断纠正后的红眼区域有误。本实施例中所述第一预设阈值大于或等于0.1且小于或等于0.3。

若采用其他的方式衡量检测到的红眼区域中预定范围内的像素点的红色度的均匀程度，如采用红色纹理的分散程度来衡量预定范围内的像素点的红色度的均匀程度的话，则该区域的红色纹理的分散程度越大，均匀程度就越好，此时对于采用红色纹理的分散程度来衡量预定范围内的像素点的红色度的均匀程度而言，红色度的均匀程度达到预设值，则是指在检测到的红眼区域中预定范围内的像素点的红色纹理的分散程度小于第二预设阈值时，判断检测到的红眼区域有误。所述第二预设阈值由实际测试而定。

在确定了误纠正的红眼区域后，执行步骤S17：利用中值滤波对所述误纠正区域进行抑制。具体地设置所述误纠正区域中的像素点的色度值为所述误纠正区域中的像素点在纠正前的色度值的中值。

一般来讲，由于人眼视觉系统的特性，对检测到的红眼区域进行纠正时，通常是在YUV空间进行，将红眼区域纠正后再将其转换至RGB空间。而本实施例中在对提取到的眼部区域进行量化时是基于RGB空间的，故，对误纠正区域进行抑制时，首先将误纠正区域中的像素点在纠正前该像素点的R、G、B的值转换为YUV空间中的Y、U、V值。另外，对误纠正区域进行抑制时，亮度的影响并不是很大，故对误纠正区域进行抑制时，可以只考虑色度(亮度不变)，也可以对亮度和色度都考虑。

因此，对误纠正区域进行抑制时，具体地可以计算纠正前的区域中的所有像素点的色度值，并将所有色度值的中值作为误纠正区域中的像素点的色度值(亮度值不变)。误纠正区域中的像素点的色度值确定后，再将误纠正区域中的像素点的色度值和亮度值转换为相应的R、G、B的值，以完成对所述误纠正区域的抑制。

或者，计算纠正前的区域中的所有像素点的色度值和亮度值，并将所有色度值的中值、亮度值的中值分别作为误纠正区域中的像素点的色度值和亮度值。误纠正区域中的像素点的色度值和亮度值确定后，再将误纠正区域中的像素点的色度值和亮度值转换为相应的R、G、B的值，以完成对所述误纠正区域的抑制。

本实施例中，从RGB空间转换至YUV空间通过如下公式进行：

[\begin{matrix} Y \\ U \\ V \end{matrix}] = [\begin{matrix} 0.299 & 0.587 & 0.114 \\ - 0.147 & - 0.289 & 0.436 \\ 0.615 & - 0.515 & - 0.100 \end{matrix}] [\begin{matrix} R \\ G \\ B \end{matrix}]

从YUV空间转换至RGB空间通过如下公式进行：

[\begin{matrix} R \\ G \\ B \end{matrix}] = [\begin{matrix} 1 & 0.000 & 1.140 \\ 1 & - 0.396 & - 0.581 \\ 1 & 2.029 & 0.000 \end{matrix}] [\begin{matrix} R \\ G \\ B \end{matrix}]

此外，本实施例中，在利用中值滤波对所述误纠正区域进行抑制时。也可以设置所述误纠正区域中的像素点的色度值为所述误纠正区域中设定范围的像素点在纠正前的色度值的中值。即不用误纠正区域中所有像素点在纠正前的色度值的中值来对所述误纠正区域进行抑制，而是只利用所述误纠正区域中设定范围的像素点在纠正前的色度值的中值来对所述误纠正区域进行抑制，所述设定范围可以与上述的获取检测到的红眼区域中预定范围内的像素点的红色度的均匀程度时的预定范围的大小相同。只利用所述误纠正区域中设定范围的像素点在纠正前的色度值的中值来对误纠正区域进行抑制，在一定程度上可以减小运算量。

对应于上述的去除红眼的方法，本发明实施例还提供一种去除红眼的装置，请参见图7，图7是本发明实施例的去除红眼的装置的结构示意图，如图7所示，所述去除红眼的装置包括：

上述的检测红眼的装置1；

纠正单元14，与所述检测红眼的装置1相连，用于对所述红眼区域进行纠正。

本实施例中，所述纠正单元14，利用与所述红眼区域具有嵌套关系的深色区域对所述红眼区域进行纠正。

所述去除红眼的装置还包括：

获取单元15，与所述纠正单元14相连，用于基于纹理分析获取纠正后的红眼区域中的误纠正区域；

抑制单元16，与所述获取单元15相连，用于利用中值滤波对所述误纠正区域进行抑制。

所述获取单元15包括：

第二获取单元(图中未示出)，用于获取检测到的红眼区域中预定范围内的像素点的红色度的均匀程度，所述预定范围关联于所述红眼区域的大小。

第二获取单元(图中未示出)，用于在所述均匀程度达到预设值时，判断所述纠正后的红眼区域为误纠正区域。

所述第二获取单元通过如下公式获取检测到的红眼区域中预定范围内的像素点的红色度的均匀程度：

I_{a} = \frac{Σ_{i = 1}^{N} I_{i}}{N},

E = \frac{Σ_{i = 1}^{N} {(I_{i} - I_{a})}^{2}}{N}

所述抑制单元16包括：

第三获取单元(图中未示出)，用于获取所述误纠正区域中的像素点在纠正前的色度值的中值。

设置单元(图中未示出)，用于设置所述中值为误纠正区域中的像素点的色度值。

本实施例中所述去除红眼的装置的工作过程，可以参见上述的去除红眼的方法进行，此处不再展开具体详述。

综上所述，本发明的技术方案至少具有以下有益效果：

本发明虽然已以较佳实施例公开如上，但其并不是用来限定本发明，任何本领域技术人员在不脱离本发明的精神和范围内，都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改，因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰，均属于本发明技术方案的保护范围。

Claims

1.一种检测红眼的方法，其特征在于，包括：

提取眼部区域；

基于所述位置关系检测红眼区域。

2.如权利要求1所述的检测红眼的方法，其特征在于，所述基于像素点的红色度和饱和度量化所述眼部区域，以得到白色区域、深色区域和红色区域包括：

若像素点的红色度小于第一阈值，饱和度小于第二阈值则将像素点量化为白色像素点；

若像素点的红色度小于所述第一阈值，饱和度大于或等于所述第二阈值且小于第三阈值则将像素点量化为深色像素点；

3.如权利要求2所述的检测红眼的方法，其特征在于，所述像素点的红色度和饱和度通过如下方式获得：

I＝a*R-b*G-(a-b)*B

S = \frac{\max (R, G, B) - \min (R, G, B)}{\max (R, G, B)}

其中，I为像素点的红色度，S为像素点的饱和度，R、G、B分别为红色通道值、绿色通道值、蓝色通道值，a、b为权重系数，a＞b且a、b∈(0，1]，max(.)为取最大值函数，min(.)为取最小值函数。

4.如权利要求3所述的检测红眼的方法，其特征在于，所述权重系数a∈[0.4，0.6]、b∈[0.25，0.35]，所述第一阈值T1∈(0，0.5]，所述第二阈值T2∈(0，0.3]、所述第三阈值T3∈[0.5，1]。

5.如权利要求1所述的检测红眼的方法，其特征在于，所述基于所述位置关系检测红眼区域包括：

确定具有嵌套关系的深色区域和红色区域；

若所确定的深色区域存在与之具有邻接关系的白色区域，则以所述确定的红色区域作为红眼区域。

6.如权利要求1所述的检测红眼的方法，其特征在于，所述基于所述位置关系检测红眼区域包括：

确定具有嵌套关系的深色区域和红色区域；

若所确定的深色区域存在与之具有邻接关系的白色区域且所确定的红色区域存在与之具有嵌套关系的白色区域，则以所述确定的红色区域作为红眼区域。

7.如权利要求1所述的检测红眼的方法，其特征在于，所述基于所述位置关系检测红眼区域包括：

确定具有嵌套关系的深色区域和红色区域；

若所确定的深色区域存在与之具有邻接关系的白色区域和与之具有嵌套关系的白色区域，则以所述确定的红色区域作为红眼区域。

8.如权利要求1所述的检测红眼的方法，其特征在于，所述基于所述位置关系检测红眼区域包括：

确定具有邻接关系的深色区域和白色区域；

若所确定的深色区域存在与之具有嵌套关系的红色区域，则以该红色区域作为红眼区域。

9.如权利要求1所述的检测红眼的方法，其特征在于，所述基于所述位置关系检测红眼区域包括：

确定具有邻接关系的深色区域和白色区域；

若所确定的深色区域存在与之具有嵌套关系的红色区域且该红色区域存在与之具有嵌套关系的白色区域，则以该红色区域作为红眼区域。

10.如权利要求1所述的检测红眼的方法，其特征在于，所述基于所述位置关系检测红眼区域包括：

确定具有邻接关系的深色区域和白色区域；

若所确定的深色区域存在与之具有嵌套关系的红色区域和与之具有嵌套关系的白色区域，则以该红色区域作为红眼区域。

11.如权利要求1所述的检测红眼的方法，其特征在于，所述基于量化结果确定所述深色区域与所述白色区域、红色区域的位置关系包括：

基于量化结果获取所述深色区域、白色区域、红色区域的区域属性；

基于所述深色区域和白色区域的区域属性确定所述深色区域和白色区域的位置关系；

基于所述深色区域和红色区域的区域属性确定所述深色区域和红色区域的位置关系。

12.如权利要求11所述的检测红眼的方法，其特征在于，所述区域属性包括：区域的颜色、中心位置及形状。

13.如权利要求1所述的检测红眼的方法，其特征在于，还包括：判断检测到的红眼区域是否有误。

14.如权利要求13所述的检测红眼的方法，其特征在于，所述判断检测到的红眼区域是否有误包括：

获取检测到的红眼区域中预定范围内的像素点的红色度的均匀程度，所述预定范围关联于所述红眼区域的大小；

若所述均匀程度达到预设值，则检测到的红眼区域有误。

15.如权利要求14所述的检测红眼的方法，其特征在于，所述获取检测到的红眼区域中预定范围内的像素点的红色度的均匀程度通过如下公式进行：

I_{a} = \frac{Σ_{i = 1}^{N} I_{i}}{N},

E = \frac{Σ_{i = 1}^{N} {(I_{i} - I_{a})}^{2}}{N}

16.一种去除红眼的方法，其特征在于，包括：

采用权利要求1～12任一项所述的检测红眼的方法检测红眼区域；

对所述红眼区域进行纠正。

17.如权利要求16所述的去除红眼的方法，其特征在于，所述对所述红眼区域进行纠正包括：利用与所述红眼区域具有嵌套关系的深色区域对所述红眼区域进行纠正。

18.如权利要求16所述的去除红眼的方法，其特征在于，还包括：

基于纹理分析获取纠正后的红眼区域中的误纠正区域；

利用中值滤波对所述误纠正区域进行抑制。

19.如权利要求18所述的去除红眼的方法，其特征在于，所述基于纹理分析获取纠正后的红眼区域中的误纠正区域包括：

20.如权利要求19所述的去除红眼的方法，其特征在于，所述获取检测到的红眼区域中预定范围内的像素点的红色度的均匀程度通过如下公式进行：

I_{a} = \frac{Σ_{i = 1}^{N} I_{i}}{N},

E = \frac{Σ_{i = 1}^{N} {(I_{i} - I_{a})}^{2}}{N}

21.如权利要求20所述的去除红眼的方法，其特征在于，所述利用中值滤波对所述误纠正区域进行抑制包括：

设置所述误纠正区域中的像素点的色度值为所述误纠正区域中的像素点在纠正前的色度值的中值。

22.一种检测红眼的装置，其特征在于，包括：

提取单元，用于提取眼部区域；

检测单元，用于基于所述位置关系检测红眼区域。

23.如权利要求22所述的检测红眼的装置，其特征在于，所述量化单元包括：

第一量化单元，用于在像素点的红色度小于第一阈值，饱和度小于第二阈值时将像素点量化为白色像素点；

第二量化单元，用于在像素点的红色度小于所述第一阈值，饱和度大于或等于所述第二阈值且小于第三阈值时将像素点量化为深色像素点；

第三量化单元，用于在像素点的红色度大于或等于所述第一阈值，饱和度大于或等于所述第三阈值时将像素点量化为红色像素点。

24.如权利要求23所述的检测红眼的装置，其特征在于，所述像素点的红色度和饱和度通过如下方式获得：

I＝a*R-b*G-(a-b)*B

S = \frac{\max (R, G, B) - \min (R, G, B)}{\max (R, G, B)}

25.如权利要求24所述的检测红眼的装置，其特征在于，所述权重系数a∈[0.4，0.6]、b∈[0.25，0.35]，所述第一阈值T1∈(0，0.5]，所述第二阈值T2∈(0，0.3]、所述第三阈值T3∈[0.5，1]。

26.如权利要求22所述的检测红眼的装置，其特征在于，所述检测单元包括：

第一确定单元，用于确定具有嵌套关系的深色区域和红色区域；

第一检测单元，用于在所确定的深色区域存在与之具有邻接关系的白色区域时，以所述确定的红色区域作为红眼区域。

27.如权利要求22所述的检测红眼的装置，其特征在于，所述检测单元包括：

第二确定单元，用于确定具有嵌套关系的深色区域和红色区域；

第二检测单元，用于在所确定的深色区域存在与之具有邻接关系的白色区域且所确定的红色区域存在与之具有嵌套关系的白色区域时，以所述确定的红色区域作为红眼区域。

28.如权利要求22所述的检测红眼的装置，其特征在于，所述检测单元包括：

第三确定单元，用于确定具有嵌套关系的深色区域和红色区域；

第三检测单元，用于在所确定的深色区域存在与之具有邻接关系的白色区域和与之具有嵌套关系的白色区域时，以所述确定的红色区域作为红眼区域。

29.如权利要求22所述的检测红眼的装置，其特征在于，所述检测单元包括：

30.如权利要求22所述的检测红眼的装置，其特征在于，所述检测单元包括：

第五确定单元，用于确定具有邻接关系的深色区域和白色区域；

31.如权利要求22所述的检测红眼的装置，其特征在于，所述检测单元包括：

第六确定单元，用于确定具有邻接关系的深色区域和白色区域；

32.如权利要求22所述的检测红眼的装置，其特征在于，所述位置关系确定单元包括：

区域属性获取单元，用于基于量化结果获取所述深色区域、白色区域、红色区域的区域属性；

第一位置关系确定单元，用于基于所述深色区域和白色区域的区域属性确定所述深色区域和白色区域的位置关系；

第二位置关系确定单元，用于基于所述深色区域和红色区域的区域属性确定所述深色区域和红色区域的位置关系。

33.如权利要求32所述的检测红眼的装置，其特征在于，所述区域属性包括：区域的颜色、中心及形状。

34.如权利要求22所述的检测红眼的装置，其特征在于，还包括：

判断单元，用于判断检测到的红眼区域是否有误。

35.如权利要求34所述的检测红眼的装置，其特征在于，所述判断单元包括：

第一获取单元，用于获取检测到的红眼区域中预定范围内的像素点的红色度的均匀程度，所述预定范围关联于所述红眼区域的大小；

第一判断单元，用于在所述均匀程度达到预设值时，判断检测到的红眼区域有误。

36.如权利要求35所述的检测红眼的装置，其特征在于，所述第一获取单元通过如下公式获取检测到的红眼区域中预定范围内的像素点的红色度的均匀程度：

I_{a} = \frac{Σ_{i = 1}^{N} I_{i}}{N},

E = \frac{Σ_{i = 1}^{N} {(I - I_{a})}^{2}}{N}

37.一种去除红眼的装置，其特征在于，包括：

权利要求22～33任一项所述的检测红眼的装置；

纠正单元，用于对所述红眼区域进行纠正。

38.如权利要求37所述的去除红眼的装置，其特征在于，所述纠正单元用于利用与所述红眼区域具有嵌套关系的深色区域对所述红眼区域进行纠正。

39.如权利要求37所述的去除红眼的装置，其特征在于，还包括：

获取单元，用于基于纹理分析获取纠正后的红眼区域中的误纠正区域；

抑制单元，用于利用中值滤波对所述误纠正区域进行抑制。

40.如权利要求39所述的去除红眼的装置，其特征在于，所述获取单元包括：

第二获取单元，用于获取检测到的红眼区域中预定范围内的像素点的红色度的均匀程度，所述预定范围关联于所述红眼区域的大小；

第二判断单元，用于在所述均匀程度达到预设值时，判断所述纠正后的红眼区域为误纠正区域。

41.如权利要求40所述的去除红眼的装置，其特征在于，所述第二获取单元通过如下公式获取检测到的红眼区域中预定范围内的像素点的红色度的均匀程度：

I_{a} = \frac{Σ_{i = 1}^{N} I_{i}}{N},

E = \frac{Σ_{i = 1}^{N} {(I - I_{a})}^{2}}{N}

42.如权利要求41所述的去除红眼的装置，其特征在于，所述抑制单元包括：

第三获取单元，用于获取所述误纠正区域中的像素点在纠正前的色度值的中值；

设置单元，用于设置所述中值为误纠正区域中的像素点的色度值。