BR112019006165B1

BR112019006165B1 - Processo e dispositivo para determinar uma representação de uma borda de lente de óculos

Info

Publication number: BR112019006165B1
Application number: BR112019006165-7A
Authority: BR
Inventors: Claudia Nieuwenhuis; Oliver Schwarz
Original assignee: Carl Zeiss Vision International Gmbh; Carl Zeiss Ag
Priority date: 2017-01-27
Filing date: 2017-12-20
Publication date: 2023-10-17
Also published as: CN109804302B; ES2714172T5; WO2018137863A1; EP3355104A1; US10564446B2; BR112019006165A2; EP3542211A1; US20190271858A1; KR102056333B1; CA3039116C; ES2714172T3; KR20190088524A; EP3355104B1; EP3542211B1; CA3039116A1; CN109804302A; EP3355104B2

Abstract

a presente invenção refere-se a um processo implementado por computador para determinar a representação da borda (26) de uma lente de óculos (28) ou de uma lente de óculos esquerda (28) e de uma lente de óculos direita (29) para um usuário de óculos (20). de acordo com a invenção, para isso, são executadas as seguintes etapas: disponibilizar dados de imagem (b(x)) ao usuário de óculos (20) com uma armação de óculos (24) portada pelo mesmo, calcular dados de informação (i(x)) derivados de dados de imagem (b(x)), calcular uma função de custo (e(u)) que pode ser otimizada deterministicamente que interrelaciona os dados de informação (i(x)) com dados da lente de óculos (u(x)), em que, os dados da lente de óculos (u(x)) descrevem a dilatação espacial de pelo menos uma lente de óculos (28) contida na armação de óculos (24), e determinar um curso de uma borda (26) da lente de óculos(28) ou da lente de óculos esquerda (28) e da lente de óculos direita (29) pela otimização da função de custo (e(u)).

Description

[001] A presente invenção refere-se a um processo implementado por computador e um dispositivo para determinar uma representação da borda de, pelo menos, uma lente de óculos para um usuário de óculos. Além disso, a invenção se refere a um programa de computador, com o qual o processo mencionado anteriormente pode ser executado. A invenção também se refere a um processo para a centralização de uma lente de óculos esquerda ou direita em uma armação de óculos, um processo para o polimento de uma lente de óculos esquerda ou direita em uma armação de óculos, assim como, um processo para produzir uma lente de óculos esquerda ou direita e um processo para produzir uns óculos.

[002] Pela representação da borda de uma lente de óculos a invenção entende uma representação da borda de suportes da lente de óculos executada na norma EN ISO 13666:2012 (D/E) na seção 13.1.

[003] Uma representação da borda de uma lente de óculos é um conjunto de dados, a partir do qual o curso tridimensional da borda de suporte da lente de óculos voltada para o usuário de óculos pode ser claramente determinada, eventualmente, na base de grandezas adicionalmente descritas da lente de óculos. Uma representação da borda de uma lente de óculos pode ser, por exemplo, a superfície envolvida pela projeção da borda da lente de óculo no plano de imagem de um sensor de imagem de um dispositivo de captura de imagem, no qual a lente de óculos é reproduzida para a captura de imagem.

[004] Em uns óculos de borda integral, a borda de suporte de uma lente de óculos corresponde a uma borda interna da armação de óculos. Em uns óculos de borda parcial, deve ser entendido por borda de suporte de uma lente de óculos, por um lado, a borda de uma lente de óculos correspondente à borda interna da armação de óculos e a borda externa da lente não conectada na armação da lente de óculos. A borda de suporte de uma lente de óculos em uma lente sem borda é a borda externa da lente.

[005] Para ajustar as lentes dos óculos corretamente em uma armação de óculos, é necessário, por um lado, determinar o denominado parâmetro de centralização, para que o centro óptico das lentes possam ser colocados em cobertura com os eixos visuais dos olhos correspondentes, para, desse modo, conhecer, as informações pela distância da pupila e as informações sobre a altura das pupilas em relação à armação de óculos. Por outro lado, é necessário, conhecer a borda de suporte da lente de óculos especificada pela armação de óculos, na qual a lente de óculos deve ser registrada.

[006] Além da informação da distância da pupila e da informação pela altura das pupilas em relação à armação de óculos são incluídos sob o termo parâmetro de centralização particularmente as seguintes grandezas: distância monocular das pupilas PD, distância do vértice da córnea HS conforme a exigência do ponto de referência e/ou de acordo com a exigência do ponto de rotação dos olhos, distância monocular do ponto de centralização, coordenadas do ponto de centralização, distância dos discos, descentralização do ponto de centralização, altura e extensão dos discos, distância média dos discos, inclinação para frente da lente de óculos a, ângulo dos discos de captura ß, altura do polimento.

[007] Os parâmetros de centralização são normalmente determinados por um oftalmologista. Parâmetros de centralização importantes, são definidos e podem ser determinados, por exemplo, na norma EN ISO 13666:2012 (D/E), na qual um probando e um oftalmologista sentam um em frente ao outro, em que o probando coloca a captura de sua seleção com um disco de lente de bordas recortadas no mesmo. É pedido à pessoa submetida ao teste que olhe para longe e o optometrista marca então, conforme inspeção no disco ou em uma película de contato, com uma cruz, a perspectiva, como ele reconhece a mesma em vista oposta. Essa cruz (cruz de centralização) determina, então, a posição do ponto óptico médio da lente de lente de óculos a ser inserida na armação. Esse método é realizado para cada olho, individualmente, de uma pessoa submetida ao teste. A distância da cruz de centragem definida desse modo é a distância das pupilas PD.

[008] Para a determinação do parâmetro de centralização, nesse meio tempo, são utilizados, contudo, também sistemas de medição automatizados. Um tal sistema de medição é descrito, por exemplo, no documento de patente WO 01/84222 A1. Esse sistema contém uma câmera de vídeo digital admitida em forma de altura ajustável em uma coluna, cuja objetiva é disposta em conjunto com um espelho e uma fonte de luz na área da superfície frontal do compartimento. O sistema permite particularmente medir as distâncias e capturar medidas, que devem ser consideradas para o polimento de lentes dos óculos. No sistema, há um computador unido à câmera de vídeo digital, que, a partir da imagem de um usuário de óculos com uma armação de óculos e com um suporte de medição fixado na armação de óculos, determina parâmetros de centralização para a usuário de óculos por meio da avaliação da imagem.

[009] Para um oftalmologista que aconselha um paciente, é importante que a determinação do parâmetro de centralização seja realizada da forma mais simples, rápida e confiável possível. Para que o oftalmologista possa aconselhar o consumidor final com alta qualidade, são de interesse, portanto, fluxos de trabalho inerentemente livres de erros e que possam ser executados rapidamente.

[0010] Em D. Borza et al., Eyeglasses Lens Contour Extraction from Facial Images Using an Efficient Shape Description", Sensors, Bd. 13, Nr. 10, S. 13638 - 13658 (2013) é descrito um processo implementado por computador do tipo mencionado anteriormente para determinar a borda de lentes dos óculos em uma imagem capturada de um usuário de óculos, na qual a quantidade de pontos dos pontos da imagem que se encontra na borda das lentes dos óculos é modelada como uma sobreposição de funções matemáticas que se baseiam nos denominados descritores Fourier.

[0011] Essas funções matemáticas descrevem diferentes formas da borda dos óculos. Essas funções aqui utilizadas para modelar a borda das lentes dos óculos são aleatórias, ou seja, são selecionadas de acordo com o princípio o acaso, a partir de um conjunto finito de funções possíveis. O modelo descrito com base nas funções selecionadas para a borda das lentes dos óculos é comparado e avaliado, então, com uma borda de lente de óculos determinada em um processo de detecção de arestas.

[0012] Em C. Nieuwenhuis et al.,Spatially Varying Color Distributions for Interactive Multilabel Segmentation, IEEE Transactions on Pattern Analysis and Machine Intelligence, IEEE Computer Society, USA, Bd. 35, Nr. 5, S. 1234 - 1247 (2013) é descrito um processo para a segmentação de diferentes áreas em imagens digitais. Aqui é avaliada a cor dos pontos da imagem nas imagens digitais. Para isso, um operador marca em um computador, diferentes áreas da imagem que devem ser segmentadas, de forma manual, por exemplo, com um mouse de computador. As diferentes áreas da imagem são, então segmentadas pela otimização de uma função de custo que baseada em probabilidades condicionais. Para isso, para cada ponto de imagem das imagens, com base nas informações de cor em relação às áreas de cor marcadas manualmente, a probabilidade condicionada é maximizada de tal modo que o ponto da imagem se encontre em uma determinada área da imagem. Ao mesmo tempo, as regiões segmentadas devem ser as mais compactas possíveis.

[0013] Em A. Fernandez et al., Glasses detection on real images based on robust alignment", Machine Vision and Applications, Springer Verlag, Bd. 26, Nr. 4, S. 519 - 531 (2015) é revelado um processo para a avaliação de gravações de pessoas, para reconhecer, aqui, se as pessoas são usuárias de óculos. Esse processo detecta as características permanentes do rosto e calcula, a partir disso, a região em torno dos olhos. Dentro dessa região é determinado, a partir das cores, um vetor de característica, por meio do qual a pessoa é classificada como usuária de óculos ou não usuária de óculos.

[0014] A partir do C. Wu et al., Automatic Eyeglasses removal from Face Images, IEEE Transactions on Pattern Analysis and Machine Intelligence, IEEE Computer Society, USA, Bd. 26, Nr. 3, S. 332 - 336 (2004) é revelado um processo, que serve para a remoção de óculos e lentes dos óculos de gravações digitais de pessoas. O processo ensina, a partir de um banco de dados, no qual são armazenados dados de pessoas com e sem óculos, como a região dos olhos precisa mudar, para remover os óculos do rosto. Além disso, pode ser detectado o contorno da armação, na qual são otimizados pontos sobre a boda da armação, assim como, parâmetros externos, como, rotação, escalonamento e translação por meio de um processo aleatório.

[0015] O documento DE 10 2011 115 239 A1 descreve, em uma imagem digital de um usuário de óculos, o contorno da borda das lentes dos óculos mediante regresso a um conjunto de dados de rastreio (Tracer) específico da lente de óculos, que contém o curso da borda de lente de óculos.

[0016] O objetivo da invenção é especificar uma representação da borda de uma lente de óculos que deve ser admitida em uma armação de óculos, para considerar, por exemplo, essa informação na determinação de parâmetros de centralização, ou também nas centralizações de uma lente de óculos esquerda ou direita em uma armação de óculos ou no polimento de uma lente de óculos esquerda ou direita em uma armação de óculos, particularmente, na produção de uma lente de óculos ou na produção de uns óculos.

[0017] Para a solução desse objetivo são sugeridas as combinações de características especificadas na reivindicação de patente 1 e na reivindicação de patente 21. Configurações e aperfeiçoamentos vantajosos da invenção resultam das reivindicações dependentes.

[0018] Por uma função de custo E(u), que na esfera técnica também são indicadas como as denominadas função alvo, função de energia, função de perda (loss function), função de utilidade (utility function) ou também função de adequação (fitness function) a invenção entende uma reprodução, que reproduz em cada configuração de seu argumento u em um valor de escala E(u), que tem o significado de custos ou uma grandeza escalar física, como, por exemplo, energia ou distância.

[0019] No sentido da invenção, por otimizar a função de custo E(u) deve-se entender a seleção de um melhor argumento u da função de custo E(u), no qual a função de custo E(u) satisfaz o critério alvo, de que a mesma assume pelo menos um valor local extremo, ou seja, um valor que é pelo menos o máximo ou mínimo local.

[0020] Por dados de informação I(x) derivados de dados de imagem b(x) a invenção entende dados para informações, que podem ser calculadas a partir de dados de imagem b(x), por exemplo, modelos de cor, imagens de arestas, julgamento de probabilidade de cor, objetos em imagens, como, por exemplo, olhos, espelhamentos, eixos simétricos e feixes de visão. No cálculo de dados de informação I(x) a partir de dados de imagem b(x), particularmente, informações de calibragem podem ser inserido em uma câmera, que servem para registrar os dados de imagem b(x).

[0021] Por um processo de otimização determinístico para otimizar uma função de custo a invenção entende um processo de otimização, que, também na repetição mediante a utilização do mesmo valor inicial, leva sempre ao mesmo argumento da função de custo.

[0022] Uma função de custo pode ser otimizada deterministicamente, quando existe um algoritmo determinístico, que calcula um ideal global ou local da função de custo, em que, o argumento calculado da função de custo, no ideal global ou local, forma uma solução prática do problema de otimização, ou seja, uma solução, que corresponde a uma solução do problema de otimização postos aos requisitos mínimos de qualidade e, com isso, pode ser usado como um resultado obtido pela otimização da função de custo.

[0023] Um processo de otimização determinístico é, ao contrário de um processo de otimização aleatório, livre de influências do acaso e calcula, cada vez, a mesma solução no mesmo valor inicial. Um processo de otimização determinístico produz, portanto, partindo do mesmo valor inicial, em repetição, sempre o mesmo resultado. De forma diversa ao processo de otimização aleatório, um processo de otimização determinístico conduz, com isso, a uma solução direta, confiável e (dependendo da grandeza do parâmetro) frequentemente mais rápida. Ela se mostra eficiente em relação ao tempo de operação e/ou necessidade de memória. Processos de otimização determinísticos se adequam frequentemente para a implementação de tempo real em um mapa gráfico.

[0024] Processos de otimização aleatórios necessitam, na maioria das vezes, um longo tempo de cálculo e levam, em uma mesma entrada e concretização repetida, a uma distribuição de valores de solução, visto que as influências do acaso contribuem para tanto. A partir dessa distribuição, um elemento precisa ser exclusivamente selecionado como melhor, por exemplo, um valor de expectativa ou do mediano da distribuição. Frequentemente esse tipo de algoritmo não satisfaz as exigências de eficiência do problema posto com relação ao tempo de operação e/ou necessidade de armazenamento.

[0025] Para um oftalmologista é significativo, na determinação de parâmetros de centralização, ter um fluxo de trabalho o mais rápido e livre de erros possível, para atingir uma qualidade elevada de diagnóstico, que tenha o cliente em foco e não seja dominado pelos processos técnicos. Nesse contexto, é necessária uma funcionalidade do processo automático a mais livre possível de falhas (robustez). Isso pode ser obtido com métodos da análise de imagens digitais e do aprendizado mecânico.

[0026] Os inventores reconheceram que com métodos da análise de imagens digitais pode ser alcançado determinar a borda de lentes dos óculos ajustadas a uma armação de óculos especifica não apenas com elevada precisão, mas também com maior confiabilidade em um tipo muito robusto, oposto à influência de falhas.

[0027] De acordo com a invenção, são concretizados para determinar a representação da borda de uma lente de óculos ou de uma lente de óculos esquerda e de uma lente de óculos direita para um usuário de óculos, as seguintes etapas:

[0028] São disponibilizados dados de imagem b(x) ao usuário de óculos que se encontra com uma armação de óculos. A partir dos dados de imagem b(x) são calculados os dados de informação I(x) derivados.

[0029] É calculada uma função de custo E(u) otimizável deterministicamente que interrelaciona aos dados de informação I(x) com os dados da lente de óculos u(x), em que, dados da lente de óculos u(x) descrevem a dilatação espacial de pelo menos uma lente de óculos mantida na armação de óculos, e é determinado, então o curso de uma borda da lente de óculos ou da lente de óculos esquerda e da lente de óculos direita através da otimização da função de custo E(u).

[0030] Na função de custo E(u) pode estar contido, pelo menos, um modelo aprendido mecanicamente a partir dos dados. Particularmente, o curso de uma borda da lente de óculos ou da lente de óculos esquerda e da lente de óculos direita pode ser determinada pela otimização determinística da função de custo.

[0031] De acordo com a invenção, a função de custo E(u) pode ser uma suma dos termos de energia ponderada. Como a função de custo E(u) é otimizada mediante a restrição de que penaliza desvios de um modelo de cor ou um modelo de lente de óculos e são considerados espelhamentos em uma lente de óculos ou uma armação de óculos, pode ser obtida uma precisão elevada para uma representação da borda de uma lente de óculos admitida em uma armação de óculos. Restrições na otimização da função de custo também podem ser restrições de simetria 2D ou 3D projetadas em uma representação da borda de uma lente de óculos. É vantajoso se a otimização da função de custo E(u) ocorrer apenas dentro de uma área de interesse (Region of Interest), que é determinada pelas características de rosto detectadas.

[0032] Deve-se notar que a função de custo E(u) pode ser minimizada, no contexto da invenção, de várias formas, por exemplo, por métodos contínuos, conjuntos primal-dual, métodos teóricos- gráficos, métodos Graph-Cut discretos, modelos Active Contour, processo de aumento de gradiente, processo Simplex ou semelhante. Métodos contínuos são definidos pelo fato de que os mesmos descrevem a imagem como função contínua e definem, por meio disso, a função de custo em um espaço matemático contínuo. A discretização da função de custo com base em pontos da imagem, nos dados de imagem u(x) (Pixelbasis) ocorre, de forma preferida, inicialmente em uma última etapa, antes da otimização. Ao contrário disso, os denominados métodos de otimização discretos definem a função de otimização diretamente no plano dos pontos da imagem (plano de pixel) na forma de um gráfico. Métodos contínuos têm, ao contrário dos métodos discretos, a vantagem de que os mesmos evitam artefatos em arestas e podem ser paralelizados de forma muito mais fácil, o que permite cálculos mais rápidos em um mapa gráfico.

[0033] Os dados de informação I(x) calculados derivados dos dados de imagem b(x) podem compreender uma imagem de informação das arestas g(x) determinada por meio de um algoritmo de detecção de arestas a partir dos dados de imagem b(x) coletados. Desse modo, é possível reconhecer em uma imagem do rosto do usuário de óculos, armações de óculos. O algoritmo de detecção de arestas pode conter, por exemplo, um detector de arestas. Um tal detector de arestas permite, detectar pontos da imagem na dados de imagem b(x), que correspondem à pixels sensíveis à luz no plano de imagem do sensor de imagem de um dispositivo de captura de imagem e se encontram nas arestas da armação de óculos. Nesse caso, para cada ponto da imagem é especificado um valor que representa a probabilidade para uma aresta, com o qual o mesmo pertence à aresta dos óculos. O detector de arestas também pode ser um detector de arestas denominado geral que detecta qualquer tipo de aresta da imagem, ou o mesmo pode ter sido treinado especialmente para detectar arestas de imagem por meio de processos de Machine Learning. Desse modo, é possível diferenciar, por exemplo, entre arestas da armação de óculos e arestas que não são da armação de óculos ou entre uma aresta externa da armação de óculos e uma aresta interna da armação de óculos.

[0034] O detector de arestas no algoritmo de detecção de arestas pode ser, particularmente, um detector de arestas do grupo do gradiente, gradiente de cor, detector Canny-Edge, filtro direcionado, filtro Sobel. É possível que o algoritmo de detecção de arestas, para a detecção de arestas se apoie em um banco de filtro com uma quantidade de filtros, como, por exemplo, filtros Gabor ou filtros conhecidos. Também é vantajoso se o algoritmo de detecção de arestas for formado como um algoritmo autoconhecido.

[0035] Os inventores descobriram que com o auxílio dos denominados ensinamentos mecânicos pode ser alcançado que a detecção da borda de uma lente de óculos, que é admitida em uma armação de óculos, possa ser assegurada não apenas com elevada precisão, mas, também, com maior confiabilidade em um tal modo que é muito mais robusto contra influências de falhas.

[0036] Uma ideia da invenção é que os dados de informação I(x) calculados derivados dos dados de imagem b(x) compreendem uma imagem de informação de cor f(x) determinada pelos dados de imagem b(x) coletados por meio de um algoritmo de availação de cor que avalia a cor dos dados de imagem b(x). A função de custo E(u) pode ser, particularmente, uma soma ponderada de um termo de custo de detecção de arestas Eborda(u) e de um termo de custo de avaliação de cor Ecor(u).

[0037] Um tal algoritmo de avaliação de cor serve para diferenciar pontos da imagem, que correspondem a pontos que se encontram em uma lente de óculos, de pontos da imagem, que correspondem a pontos que se encontram na armação de óculos ou a pontos que se encontram em segundo plano da armação de óculos. O algoritmo de avaliação de cor pode utilizar, para isso, um modelo de cor, por exemplo, um modelo de cor principal, que separa os pontos da imagem, que correspondem aos pontos no rosto do usuário de óculos, de pontos da imagem, que correspondem aos pontos que se encontram na armação de óculos. Também é vantajoso, no algoritmo, brilhar a imagem de forma mais intensa com um filtro passa-baixo, para, desse modo, obter uma semelhança ao rosto do usuário de óculos sem a armação de óculos. Essa aproximação pode formar, então, um modelo de cor para pontos da imagem que se encontram dentro da lente de óculos. Para obter uma aproximação ao rosto do usuário de óculos sem a armação de óculos também é possível, que o algoritmo contenha uma rotina para aprendizados mecânicos com base em dados exemplificativos para pessoas sem uma armação de óculos ou uma rotina, que, a partir dos dados de imagem b(x) referentes ao usuário de óculos com armação de óculos, por meio da denominada Principal Component Analysis, aprendida com base em uma pluralidade de imagens com rostos sem óculos, que gere um conjunto de dados, que corresponde a uma imagem do rosto do usuário de óculos ou a uma imagem de uma seção do rosto do usuário de óculos sem a armação de óculos.

[0038] No contexto do algoritmo de avaliação de cor também pode ser prevista uma troca do espaço de cor do espaço de cor RGB para um espaço de cor, que separa a luminosidade e a cor, por exemplo, uma troca do espaço YCbCr ou do espaço de cor HSV. Essa medida permite trabalhar de forma comparativamente independente da iluminação. Deve-se notar que, no contexto da invenção, um espaço de cor também pode ser aprendido como uma pluralidade de dados de imagem b(x) que correspondem à várias imagens. Além disso, deve-se notar que, no contexto da invenção, pode ser previsto, com base nos pontos de cor principal conhecidos em dados de imagem b(x), por exemplo, nos pontos da imagem, que correspondem aos pontos em uma ponte do nariz, um espaço de cor principal adequado. De forma favorável, é previsto, no algoritmo de avaliação de cor com um tal modelo de cor, avaliar, então, a informação da distância dos pontos da imagem nos dados de imagem coletados, dos olhos do usuário de óculos para considerar que pontos da imagem, que se encontram próximos aos olhos do usuário de óculos, se encontram, com uma maior probabilidade, na área das lentes dos óculos recebidas na armação de óculos do que os pontos da imagem nos dados de imagem b(x), que têm uma distância maior dos olhos do usuário de óculos. No algoritmo de avaliação de cor pode ser previsto para isso, por exemplo, uma rotina de função de distância, que, para cada ponto de imagem, ou seja, para cada pixel de um sensor de imagem de um dispositivo de captura de imagem, calcula a distância mais curta ao ponto de imagem, ou seja, a um pixel do sensor de imagem correspondente, que se encontra nos olhos do usuário de óculos. Quanto maior for essa distância mais curta determinada, maiores custos são aplicados, então, no termo de cor da função de custo, visto que será improvável um pertencimento do pixel à região da lente ou à borda da lente.

[0039] Uma modalidade preferida da invenção prevê que seja selecionada uma função convexa como função de custo E(u) para localizar os dados procurados da lente de óculos u(x).

[0040] Por uma função convexa é entendido no presente, como uma análise, uma função de valor reell, cujo gráfico se encontra embaixo de cada extensão de junção do par de seus pontos. Isso é o mesmo que o epígrafo da função, portanto, a quantidade dos pontos acima do gráfico, forma uma denominada quantidade convexa.

[0041] A invenção atinge a convexidade da função de custo E(u) particularmente pelo fato de que essa é uma soma de termos de função de custo convexa. Por exemplo, a função de custo pode ser formada a partir de um termo de custo de cor convexo Ecor(u(x)), que correlaciona a cor dos dados de imagem b(x) com os dados da lente de óculos u(x) e avalia, por meio de um modelo de cor, e de um termo de custo de aresta convexo Eborda(u(x)~), que é uma correlação de arestas da imagem nos dados de imagem b(x) com os dados da lente de óculos u(x) ou com a borda 26 de uma lente de óculos 28 ou do par de lentes dos óculos 28, 29 representada por uma derivação de dados da lente de óculos b(x).

[0042] A convexidade da função de custo traz consigo três grandes vantagens: Geralmente, funções globais e locais têm ideal. Por isso, os processos de otimização garantem, normalmente, apenas o encontrar de um ideal local, não o ideal global. Em funções convexas, pelo contrário, encontra-se sempre o ideal global, visto que não existem quaisquer ideais locais. Em funções de custo convexas pode ser utilizado um valor inicial qualquer (por exemplo u(x) = 0 = não há nenhuma lente de óculos), visto que o processo sempre converge para um ideal global. Uma função de custo convexa pode ser, portanto, ideal deterministicamente. Particularmente, uma função de custo convexa pode ser otimizada por meio de algoritmos determinísticos simples, como, por exemplo, algoritmos decrescentes de gradiente. Ao contrário disso, é necessário, em funções não convexas de um bom valor inicial, que se encontra próximo a um ideal global, para obter de forma viável, boas soluções do problema de otimização como resultado de um algoritmo determinístico.

[0043] É vantajoso se o cálculo de dados de informação I(x) derivados dos dados de imagem compreender a determinação de dados de informação de espelhamento s(x) com um algoritmo para o reconhecimento de espelhamentos na armação de óculos e/ou de uma lente de óculos admitida na armação de óculos. Nesse caso, é vantajoso, que esse algoritmo seja projetado de tal modo que possam ser diferenciados espelhamentos de uma lente de óculos de espelhamentos sobre a armação de óculos. Isso pode ocorrer, por exemplo, pela detecção de áreas particularmente mais claras na imagem com análise subsequente da forma das regiões de espelhamento detectadas. Desse modo, da mesma maneira, a precisão da representação da borda de uma lente de óculos pode ser elevada. Também é vantajoso para a precisão do processo quando o algoritmo de avaliação de cor e o detector de arestas consideram os dados de informação de espelhamento s(x) calculados pelos dados de imagem b(x), visto que espelhamentos em uma imagem têm arestas incômodas e intensas, que podem ser facilmente confundidas com a borda da lente.

[0044] O cálculo dos dados de informação I(x) derivados dos dados de imagem b(x) pode compreender a determinação de dados de informação de características do rosto m(x) com um algoritmo para o reconhecimento de características faciais.

[0045] Uma ideia da invenção também é a de que o algoritmo para o reconhecimento de uma ou mais características faciais seja configurado a partir do grupo de olhos, pupila, sobrancelhas, nariz, boca e contorno do rosto. Particularmente, é possível que o algoritmo de avaliação de cor e/ou o algoritmo de detecção de arestas considerem os dados de informação de características do rosto m(x) calculados a partir dos dados de imagem b(x). Porque os olhos e sobrancelhas de um usuário de óculos podem fazer surgir arestas de imagens baseadas nos dados de imagem b(x) coletados, que atrapalham a determinação da borda de lentes dos óculos, é vantajoso se também o algoritmo de detecção de arestas considerar arestas que surgem dos olhos ou sobrancelhas do usuário de óculos em imagens baseadas nos dados de imagem b(x) coletados, em que podem ser avaliados dados de informação de características do rosto m(x) calculados a partir dos dados de imagem b(x).

[0046] A detecção de características faciais pode ser muito útil para determinar o rosto e a denominada Region of Interest, na qual se encontra a armação de óculos, ou seja, as lentes na imagem. Características faciais são, nesse caso, por exemplo, uma ou mais características do grupo dos olhos, posição das pupilas, sobrancelhas, nariz, boca e/ou contorno do rosto de um rosto. Com base em uma ou várias características é possível calcular em qual área as arestas dos óculos são procuradas. Além disso, são conhecidos com os pontos dos olhos, que se encontram, em todo caso, dentro da lente.

[0047] Para o cálculo de dados de informação I(x) derivados dos dados de imagem b(x), a determinação dos dados de informação da forma da lente de óculos di(x) pode ser previsto com um algoritmo, que especifica, com base em um modelo de lente de óculos fornecido ao algoritmo ou com base em uma pluralidade de formas de lente de óculos fornecidas ao algoritmo, um modelo paramétrico ou um mapa que representa probabilidades da probabilidade de que dados de imagem coletados se encontrem em uma lente de óculoscomo dados de informações de forma de lente de óculos di(x). Particularmente pode ser previsto que o cálculo de dados de informação I(x) derivados de dados de imagem compreendam a determinação de dados de informação da forma da lente de óculos di(x) com um algoritmo, que especifica, com base em um modelo de lente de óculos fornecido ao algoritmo ou com base em uma pluralidade de forma de lente de óculos fornecida ao algoritmo, uma forma 2D ou uma forma 3D de uma lente de óculos que pode ser admitida na armação de óculos como dados de informação da forma da lente de óculos di(x).

[0048] Uma ideia da invenção é determinar, por exemplo, por meio de exemplos pré-segmentados manualmente para lentes dos óculos, um modelo para a forma de uma lente de óculos. Um tal modelo pode ser um mapa de probabilidade, que especifica para cada ponto da imagem nos dados de imagem b(x) coletados, qual a probabilidade de que o ponto que corresponde a esse ponto da imagem se encontre dentro da lente de óculos. Nesse caso é vantajoso centralizar os exemplos segmentados com base na posição dos olhos e alinhar ao longo dos eixos principais ou de outros eixos. Contudo, também é possível estimar a forma de lentes dos óculos em modelos paramétricos, por exemplo, da lente de óculos como superfície na visão da imagem ou dos pontos correspondentes a um contorno da lente de óculos. Os parâmetros desses modelos podem, então, ser otimizados. Além disso, deve-se notar que um modelo também pode ser utilizado como uma condição adicional na otimização, por exemplo, como condição adicional de que o contorno final se encontre dentro do espaço de modelo conhecido ou em que o desvio do contorno seja penalizado pelo elemento seguinte dentro do espaço da característica por meio de custos adicionais na função de custo. Entende-se que, ao invés de aprender modelos a partir dos exemplos no contexto da invenção, também podem ser definidos modelos correspondentes, por exemplo, modelos que que se baseiam nos denominados dados de rastreio (tracer), por exemplo, na forma de coordenadas 3D ou na forma de coordenadas 2D, que são disponibilizadas por meio de um equipamento de rastreio (tracer) que sente o curso das bordas internas da armação em uma armação de óculos.

[0049] É vantajoso se o algoritmo de avaliação de cor considerar os dados de informações de forma de lente de óculos di(x) calculados pelos dados de imagem b(x). Os dados de informação I(x) calculados derivados dos dados de imagem b(x) podem também um centro da ponte determinado por meio de um algoritmo de detecção do centro da ponte. Além disso, é possível que os dados de imagem b(x) fornecidos ao usuário de óculos sejam baseados em imagens gravadas em pelo menos dois diferentes ângulos de visão, com ou sem informações de calibração associadas.

[0050] Os dados de informação I(x) calculados derivados dos dados de imagem b(x) podem compreender ainda dados do mapa de profundidade t(x) determinados por um algoritmo de triangulação a partir dos dados de imagem b(x) ou a partir dos dados da lente de óculos u(x) segmentados. Nesse caso, é vantajoso se a função de custo E(u) considerar em um termo de função de custo como uma condição obrigatória que uma lente de óculos esquerda e direita admitida em uma armação de óculos são simétricas entre si. Isso pode ocorrer, pelo fato de que a função de custo avalia, com uma condição estéreo, pontos reproduzidos um sobre o outro em dados da lente de óculos u(x) em relação a imagens, que correspondem à diferentes sentidos de registro dos dispositivos de captura de imagem, por exemplo, em que um ponto 3D no rosto do usuário de óculos, ou seja, um ponto com informações de profundidade seja reproduzido em várias imagens, de tal modo que pontos correspondentes em imagens que se baseiam nos dados de imagem b(x) sejam atribuídos a cada imagem ou a uma lente de óculos (u(x) = 1) ou a um plano de fundo (u(x) = 0) que se encontra atrás de uma lente de óculos ou, em cada imagem à borda dos óculos.

[0051] Deve-se notar que a função de custo para encontrar os dados da lente de óculos u(x) procurados também pode conter um termo de custo de simetria Esim(u(x)~)que correlaciona as simetrias contidas nos dados de imagem b(x) com dados da lente de óculos u(x).

[0052] Uma ideia da invenção, para isso, é puxar a informação do centro da ponte M de uma armação de óculos para definir um plano espelhado 3D para as lentes dos óculos. Em admissão frontal, o centro da ponte M também permite ajustar um sobre o outro os dados da lente de óculos u(x) para uma lente de óculos esquerda e direita e, para o ajuste, formular uma condição obrigatória de simetria (Symmetrie- Constraint). O centro da ponte M também pode ser estimado, em que o centro da borda da lente esquerda e direita pode ser calculado pelas lentes dos óculos.

[0053] Inicialmente o centro da ponte M pode ser determinado, por exemplo, com o auxílio dos pontos médios entre as médias das pupilas detectadas, a posição da ponte do nariz ou uma combinação ponderada de ambas as características.

[0054] Caso exista apenas um registro frontal sem outras admissões ou informações 3D adicionais, então, apesar disso, pode ser formulada uma Symmetrie-Constraint (restrição de simetria) no plano 2D. Para isso, pode ser estimado um eixo espalhado, por exemplo, como centro da ponte, como vertical central entre os olhos do usuário de óculos ou como linha média entre as arestas internas de ambos os retângulos ou paralelogramos de uma solução inicial ou intermediária que circunscreve as bordas da lente. Essa linha média também pode ser admitida durante a otimização. Por meio de um processo de matching, pode ser calculada, então, a melhor reprodução possível da lente de óculos direita ou esquerda espelhada respectivamente sobre a outra. A partir do desvio das superfícies da lente reproduzidas uma sobre a outra ou dos contornos da lente, pode ser calculado um termo de penalização. Um termo de penalização é um termo que induz os custos adicionais na função de custo, nesse caso, para soluções não- simétricas.

[0055] Caso o probando não esteja exatamente ao centro da câmera, podem ocorrer, no registro frontal, distorções de perspectiva na imagem e, com isso, a representações não simétricas de ambas as lentes. A condição de simetria pode ser utilizada, contudo, como aproximação, nesse caso, preferencialmente com fator ponderado reduzido.

[0056] De forma alternativa, também é possível, caso exista apenas um registro frontal, registrar uma determinada profundidade e/ou forma e/ou curvatura das lentes no espaço, para obter, desse modo, informações 3D para uma condição de simetria.

[0057] Como dados de imagem b(x) são coletados com dispositivos de captura de imagem, que registram o rosto do usuário de óculos com uma armação de óculos portada pelo mesmo, a partir de diferentes ângulos de visão e como informações de calibragem são conhecidas a esses dispositivos de captura de imagem, pela triangulação ao rosto do probando com a armação de óculos, é possível calcular o mapa de profundidade t(x) mencionado anteriormente na forma de uma nuvem de pontos. A partir dessa nuvem de pontos é possível estimar, então, a forma de lentes dos óculos 3D, por exemplo, como plano em uma aproximação ao contorno real das lentes dos óculos. A partir desses planos, é possível assegurar, então, por meio de uma condição intermediária dos planos espelhados (ou de um termo de penalização), que é aplicada na função de custo, uma simetria da armação de óculos em três dimensões. No contexto da invenção, essas informações 3D podem ser utilizadas, então, para calcular parâmetros de centralização.

[0058] Um algoritmo de acordo com a invenção para calcular a borda de lentes dos óculos, ou seja, o contorno dos óculos pela minimização de uma função de custo por meio de uma rotina de minimização pode conter, portanto, uma ou mais rotinas do grupo das rotina de detecção de arestas, rotina de avaliação de cor, rotina de espelhamento, rotina de posição da lente de óculos, rotina de triangulação, rotina de reconhecimento do centro da ponte, rotina de reconhecimento facial, rotina para estimar o curso 3D das lentes dos óculos.

[0059] Deve-se notar que, na função de custo E(u) dados de informação I(x) que se interrelaciona com os dados da lente de óculos u(x), pode estar contido pelo menos um modelo conhecido a partir de dados mecânicos.

[0060] Por um modelo conhecido de dados mecânicos se entende uma reprodução cujos parâmetros foram ajustados por meio de um Machine Learning Algorithmus (algoritmo aprendido por máquina) com base em uma quantidade de dados exemplificativos conhecidos ou ajustados automaticamente de tal modo que a reprodução descreve da melhor forma possível os dados exemplificativos (dados de treinamento) e também generaliza novos exemplos (dados de validação).

[0061] A invenção se estende também a um programa de computador com código de programa, que, quando carregado e executado em um sistema de computador, é projetado para executar um processo de acordo com qualquer uma das reivindicações anteriores.

[0062] Um dispositivo de acordo com a invenção para determinar o curso da borda de uma lente de óculos para um usuário de óculos contém pelo menos um dispositivo de captura de imagem para disponibilizar dados de imagem b(x) ao usuário de óculos com uma armação de óculos portada pelo mesmo e tem meios para calcular dados de informação I(x) derivados dos dados de imagem b(x), meios para calcular uma função de custo E(u) que se interrelaciona aos dados de informação I(x) com dados da lente de óculos u(x), em que, os dados da lente de óculos u(x) descrevem a dilatação espacial de pelo menos uma lente de óculos contida na armação de óculos e meios para determinar um curso de uma borda da lente de óculos através da otimização da função de custo E(u).

[0063] A invenção se estende, além disso, a um processo para a centralização de uma lente de óculos esquerda e/ou de uma lente de óculos direita em uma armação de óculos.

[0064] Para ajustar as lentes dos óculos corretamente em um usuário de óculos é necessário centralizar as lentes dos óculos, ou seja, os centros ópticos das lentes devem ser trazidos em cobertura com os eixos visuais dos olhos do usuário de óculos, para que as lentes dos óculos transmitam a melhor visão possível para a visão do usuário de óculos.

[0065] Para a centralização das lentes dos óculos é necessário reconhecer parâmetros de centralização, por exemplo, a informação sobre a distância das pupilas e a informação sobre a altura das pupilas em relação à armação de óculos. Além disso, é importante para a centralização de lentes dos óculos que a altura do centro óptico das lentes dos óculos seja conhecida na proporção em relação a à borda inferior o superior da armação de óculos na qual as lentes dos óculos são inseridas.

[0066] No processo, de acordo com a invenção, para a centralização de uma lente de óculos esquerda e/ou uma lente de óculos direita em uma armação de óculos são determinados em uma etapa (i) parâmetros de centralização para a lente de óculos, em que, a determinação dos parâmetros de centralização compreende a determinação anteriormente especificado da representação da borda da lente de óculos, e em uma outra etapa (ii), a lente de óculos é centralizada, com os parâmetros de centralização determinados na etapa anterior (i), na armação de óculos.

[0067] Ademais, a invenção se estende a um processo para o polimento de uma lente de óculos esquerda ou de uma lente de óculos direita em uma armação de óculos, na qual são determinados parâmetros de centralização na etapa (i), em que, a determinação dos parâmetros de centralização compreende a determinação da representação da borda da lente de óculos com um processo mencionado anteriormente, e, no qual, em uma outra etapa (ii), a lente de óculos é polida com base nos parâmetros de centralização determinados na etapa anterior (i), para uma disposição na armação de óculos.

[0068] Além disso, a invenção se estende também a um processo para a produção de uma lente de óculos esquerda ou de uma lente de óculos direita, na qual é feito uso de uma etapa de processo do polimento da lente de óculos em uma armação de óculos, conforme um processo especificado acima.

[0069] A invenção se estende também a um processo para produzir uns óculos, no qual é feito uso de um ou vários dos processos especificados acima.

[0070] A seguir, a invenção é descrita em mais detalhes com base em um exemplo de realização representado de forma esquemática no desenho.

[0071] Os desenhos mostram:

[0072] Figura 1 um dispositivo para determinar uma representação da borda de ambas as lentes dos óculos em uma armação de óculos;

[0073] Figura 2 uma representação da borda de uma lente de óculos esquerda e direita registrada na armação de óculos;

[0074] Figura 3a a

[0075] Figura 3f diferentes parâmetros de centralização para uma lente de óculos;

[0076] Figura 4 um algoritmo de um programa de computador para determinar uma representação da borda das lentes dos óculos ajustadas em uma armação de óculos;

[0077] Figura 5 dados de imagem referentes a um usuário de óculos com uma armação de óculos;

[0078] Figura 6 características faciais de um usuário de óculos com uma armação de óculos;

[0079] Figura 7 dados de imagem selecionados relacionados ao usuário de óculos com uma armação de óculos;

[0080] Figura 8

[0081] Figura 9

[0082] Figura 10 espelhamentos;

[0083] Figura 11 espelhamentos;

[0084] Figura 12

[0085] Figura 13

[0086] Figura 14 uma imagem de informação das arestas; uma imagem de informação de cor; uma imagem da informação para os primeiros uma imagem de informação para os segundos um mapa de probabilidade do modelo de lente; dados de imagem com um centro da ponte; dados de informação do mapa de profundidade;

[0087] Figura 15 uma primeira representação de dados da lente de óculos;

[0088] Figura 16 valor de uma função de custo para diferentes dados da lente de óculos; e

[0089] Figura 17 a

[0090] Figura 22 outras representações de dados da lente de óculos.

[0091] O dispositivo 10 mostrado na Figura 1 é um sistema de centralização baseado em uma câmera e permite determinar uma representação da borda de ambas lentes dos óculos em uma armação de óculos. O dispositivo 10 tem uma coluna 12, que porta dispositivos de captura de imagem 14, 16, 18 referenciados um em relação ao outro, com sensores de imagem 15 para determinar dados de imagem de um usuário de óculos 20. Ele contém uma unidade de processamento 21 unida aos dispositivos de captura de imagem 14, 16, 18 com um teclado como interface de entrada 22 e uma interface de saída 23 na forma de um monitor.

[0092] Para a captura de dados de imagem por meio dos dispositivos de captura de imagem 14, 16, 18, o usuário de óculos 20 se posiciona, por exemplo, em um consultório oftalmológico, com uma armação de óculos 24 selecionada em uma distância de registro de A ~ 30 cm da coluna 12. Por meio dos dispositivos de captura de imagem 14, 16, 18 o rosto 25 do usuário de óculos 20 pode ser captado em diferentes sentidos de registro 19.

[0093] O dispositivo 10 permite determinar uma representação da borda das lentes dos óculos, que devem ser admitidas e mantida em uma armação de óculos 24 selecionada pelo usuário de óculos 20, para corrigir suas falhas de visão e, se possível, compensá-las. Por meio disso, por meio dos dispositivos de captura de imagem 14, 16, 18, é registrado um conjunto de dados de imagem b(x) que mostra o rosto 25 do usuário de óculos 20 com a armação de óculos 24 colocada. Para determinar a representação da borda procurada pelas lentes dos óculos ajustado no usuário de óculos 24, o conjunto de dados de imagem b(x) pode ser registrado sem que armação de óculos 24 portada pelo usuário de óculos 20 contenha as lentes dos óculos. Contudo, também é possível registrar um conjunto de dados de imagem b(x) correspondente, quando o usuário de óculos 20 porta uma armação de óculos 24, na qual são montadas as lentes de suporte ou lentes dos óculos.

[0094] A Figura 2 mostra uma lente de óculos esquerda 28 e uma lente de óculos direita 29 com a seção de uma armação de óculos 24, que contém a lente de óculos 28. Por borda 26 da lente de óculos 28 entende-se, na presente invenção, a borda de suporte de uma lente de óculos definida na norma DIN EN ISO 13666:2013-10 no parágrafo 13.4. A borda de suporte envolve e limita porção lenticular de uma lente de óculos, ou seja, aquela parte que, correspondentemente à definição no parágrafo 13.2 da norma DIN EN ISO 13666:2013-10 tem o efeito dióptrico mencionado anteriormente, da lente de óculos 28, 29. A borda de suporte de uma lente de óculos, em óculos sem borda, pode coincidir com as arestas da superfície lateral 30 de uma lente de óculos 28, 29 voltada ao usuário de óculos 20, as denominadas bordas externas da lente. A borda externa da lente é coberta parcialmente na armação de óculos 24 portada pelo usuário de óculos 20.

[0095] Como representação da borda 26 de uma lente de óculos 28 admitida na armação de óculos 24, o dispositivo 10 determina, como conjunto de dados, uma quantidade de pontos que se encontram no plano da imagem do sensor da imagem 15 do dispositivo de captura de imagem 16, que descreve a projeção da borda de suporte 26 da lente de óculos 28 nesse plano da imagem.

[0096] O conhecimento preciso do curso da borda 26 de uma lente de óculos 28 admitida na armação de óculos 24 permite, mediante consideração de outras grandezas que descrevem a lente de óculos 28 e os olhos, uma determinação precisa dos denominados parâmetros de centralização.

[0097] A Figura 3a mostra o parâmetro de centralização da distância das pupilas PD para lentes dos óculos 28 em uma armação de óculos 24, que um usuário de óculos 20 porta. Na Figura 3b a altura do polimento E pode ser prevista como um outro parâmetro de centralização. A Figura 3c mostra os parâmetros de centralização da distância do vértice da córnea HS. Na Figura 3d ângulo de inclinação a referente à vertical 31 pode ser visto como parâmetro de centralização. A Figura 3e mostra, como parâmetro de centralização, o ângulo dos discos de captura ß, ou seja, o ângulo entre o plano de captura e o plano de discos esquerdo e direito e a Figura 3f, o parâmetro de centralização de medida de Box, ou seja, a amplitude dos discos sb, a altura dos discos sh, assim como, a distância bw entre as lentes dos óculos 28 em uma armação de óculos 24.

[0098] A unidade de processamento 21 no dispositivo 10 contém um programa de computador, que determina, a partir de dados de imagem b(x) disponibilizados por meio dos dispositivos de captura de imagem 14, 16, 18, automaticamente, uma representação da borda 26 das lentes dos óculos 28 ajustadas na armação de óculos 24. Esse programa de computador permite que características, como os centros da pupilas e borda da armação, possam ser detectadas automaticamente com base nos dados de imagem b(x) disponibilizados e cuja posição possa ser determinada, com precisão de subpixels, em um sistema de coordenadas 32 referenciado à armação de óculos 24. O programa de computador determina, nesse caso, através de triangulação, também posições dos planos de imagem dos sensores de imagem 15 dos dispositivos de captura de imagem 14, 16, 18 referenciados ao sistema de coordenadas 32 da armação de óculos 24.

[0099] Com base na Figura 4, é descrito, a seguir, o algoritmo 34 convertido na mesma para determinar a representação da borda 26 de uma lente de óculos 28.

[00100] Em uma primeira etapa, o algoritmo 34 determina a partir dos dados de imagem b(x) disponibilizados pelo dispositivo de captura de imagem 16 de uma imagem 36 do usuário de óculos 20 mostrada na Figura 5, com uma armação de óculos 24, como mostra a Figura 4, um corte de imagem relevante 38.

[00101] Para determinar o corte de imagem relevante 38, os dados de imagem b(x) são processados em uma rotina de reconhecimento de características faciais 40. A rotina de reconhecimento de características faciais 40 determina, a partir dos dados de imagem b(x), a posição da porção do nariz, olhos, porção do queixo e porção dos lábios por uma comparação com padrões de dados 42, que são mostrados na Figura 6 e são característicos para o ajuste correspondente do rosto de um usuário de óculos 20 com uma armação de óculos 24 colocada.

[00102] Com base em uma característica facial ou várias características faciais do usuário de óculos 20 é possível calcular em qual área normalmente se encontram as arestas da armação de óculos 24 de uma armação de óculos portada por um usuário de óculos 20. Deve-se notar, que, por exemplo, pontos de imagem correspondentes aos olhos do usuário de óculos 20 são os pontos da imagem que se encontram na lente de óculos 28.

[00103] A Figura 7 mostra, por meio da rotina de reconhecimento de características faciais 40 dos dados de imagem bA(x) da seção determinada pelos dados de imagem b(x) na seção de imagem procurada 38 com a armação de óculos 24. No algoritmo 34 é calculado então, a partir dos dados de imagem bA(x) da seção, em uma rotina de detecção de arestas 44, por meio de um algoritmo de detecção de arestas, uma imagem de informação das arestas g(x) com dados de informação de arestas 46. A Figura 8 mostra a imagem de informação das arestas g(x) com dados de informação de arestas 46 como pontos da imagem em uma imagem em escala cinza 48.

[00104] No algoritmo 34 é calculado, além disso, a partir dos dados de imagem b(x), em uma rotina de avaliação de cor 50, por meio de um algoritmo de avaliação de cor, uma imagem de informação de cor f(x).

[00105] O algoritmo de avaliação de cor f(x) serve para diferenciar pontos da imagem em áreas da imagem, nas quais se encontra uma lente de óculos 28, de pontos da imagem que se encontram nas áreas da imagem correspondente à armação de óculos 24. O algoritmo de avaliação de cor utiliza, para isso, um modelo de cor, por exemplo, um modelo de cor principal, por meio do qual, pontos da imagem no rosto 25 do usuário de óculos 20 podem ser separados dos pontos da imagem que se encontram em uma estrutura de óculos ou em uma armação de óculos 24. O algoritmo de avaliação de cor contém uma rotina de filtro passa-baixo, por meio da qual os dados de imagem b(x) capturados com um ou vários dispositivos de captura de imagem 14, 16, 18 são suavizados, para, assim, obter dados, que correspondem a uma representação próxima do rosto 25 do usuário de óculos 20 sem a armação de óculos 24 portada pelo mesmo. Os dados dessa representação aproximada são extraídos, então, como modelo de cor para os pontos da imagem que se encontram dentro de uma lente de óculos 28. No algoritmo de avaliação de cor f(x) também pode ocorrer, por exemplo, uma troca do espaço de cor do espaço de cor RGB para o espaço de cor YCbCr ou o espaço de cor HSV, para separar, desse modo, a informação da luminosidade dos pontos da imagem da informação da cor dos pontos da imagem. Também deve-se notar que o algoritmo de avaliação de cor pode permitir que um espaço de cor adequado seja conhecido a partir de uma pluralidade de imagens ou que um espaço de cor, por exemplo, um espaço de cor principal seja conhecido com base em determinados pontos da imagem na imagem de um usuário de óculos 20 capturada por meio de um dispositivo de captura de imagem 14, 16, 18, por exemplo, na base de pontos da imagem, que correspondem aos pontos que se encontram na ponte do nariz no rosto 25 do usuário de óculos 20. Também informações de distância podem surgir no modelo de cor. Quanto mais longe um pixel se encontra dos olhos de um probando, provavelmente menos o mesmo pertence à região da lente de óculos ou da borda da lente.

[00106] A Figura 9 mostra, no contexto do algoritmo de avaliação de cor, dados de informação de cor determinados 52 como pontos da imagem em uma outra imagem em escala cinza 48. Espelhamentos ou reflexos 54, que são visíveis nas lentes dos óculos 28 e/ou na armação de óculos 24, criam arestas reforçadas que podem ser facilmente confundidas com a borda da lente. Pontos da imagem para espelhamentos ou reflexos têm, além disso, cores, que se diferem da cor principal do usuário de óculos 20 e das cores de muitas estruturas ou armações de óculos 24.

[00107] Para reconhecer pontos da imagem nos dados de imagem b(x), que retornam, por um lado, aos espelhamentos e reflexos da luz na estrutura de óculos ou na armação de óculos 24 e, por outro lado, nos espelhamentos e reflexos da luz nas lentes dos óculos 28, há, no algoritmo 34, uma rotina de detecção de espelhamento 58. A rotina de detecção de espelhamento 58 reconhece, nos dados de imagem b(x), pontos da imagem, cuja luminosidade se encontra acima de um valor limiar e disponibiliza essa informação na forma de dados de informação de espelhamento s(x).

[00108] De forma alternativa ou adicional, também é possível para o reconhecimento de espelhamentos e reflexos de luz correspondentes, contudo, transformar os dados de imagem b(x) em um outro espaço de cor, por exemplo, o espaço de cor CMYK, e determinar nesse, então, valores limiares adequados para os três canais de cor, em cujo excesso, um ponto da imagem é qualificado como ponto da imagem que se encontra em um espelhamento ou em um reflexo. Para reconhecer pontos da imagem nos dados de imagem b(x), que retornam, por um lado, a espelhamentos e reflexos da luz na estrutura dos óculos ou na armação de óculos 24, é possível, além disso, avaliar a forma de espelhamentos e reflexos da luz nas lentes dos óculos 28 e na armação de óculos 24. Assim, por exemplo, espelhamentos na armação de óculos têm, normalmente, uma forma oblonga. Na rotina de espelhamento podem ser utilizados para o reconhecimento de espelhamentos e reflexos, devido à forma, portanto, também, aos fatores de forma, ou uma proporção dos comprimentos dos eixos principais de uma elipse inscrita em uma quantidade de pontos de imagem correspondentes à reflexão ou ao espelhamento. Deve-se notar, de forma vantajosa, para o reconhecimento de espelhamentos e reflexos de luz correspondentes nos dados de imagem b(x), que também as distâncias dos primeiros pontos da imagem aos segundos pontos da imagem são avaliadas, os pontos correspondem àqueles que se encontram nos olhos do usuário de óculos.

[00109] A Figura 10 mostra os pontos da imagem dos dados de imagem b(x) determinados por meio da rotina de detecção de espelhamento 58, que se encontram em um reflexo 54 ou um espelhamento nas lentes dos óculos 28 em uma imagem preto e branco 56. Na Figura 11 são mostrados os pontos da imagem dos dados de imagem b(x) determinados por meio da rotina de detecção de espelha- mento 58, que se encontram em um reflexo 54 ou um espelhamento na armação dos óculos 24 em uma imagem preto e branco 56.

[00110] Para facilitar o reconhecimento de pontos da imagem nos dados de imagem b(x), que se encontram em uma lente dos óculos 28 admitida na armação de óculos 24, o algoritmo 34 contém uma rotina de posição da lente de óculos 60.

[00111] A rotina de posição da lente de óculos 60 determina, com base em uma pluralidade de dados de informações da lente de óculos, na forma de modelos de lente de óculos, um mapa de probabilidade pela probabilidade de que dados de imagem coletados se encontrem na lente de óculos 28, 29. A Figura 12 mostra os valores de probabilidade w(x) do mapa de probabilidade como dados de informações de probabilidade 62 em uma imagem em escala cinza 48.

[00112] Deve-se notar que, de forma alternativa a isso, também podem ser estimados modelos paramétricos da forma das lentes dos óculos 28, por exemplo, devido à informação contida nos dados de imagem b(x) através da superfície das lentes dos óculos 28 ou a partir da informação contida nos dados de imagem b(x) em relação aos pontos da imagem que se encontram no contorno de lentes dos óculos 28. Nesse caso, os parâmetros desses modelos podem, então, ser otimizados.

[00113] Para facilitar o reconhecimento dos pontos da imagem nos dados de imagem b(x), as lentes dos óculos 28 se encontram em uma armação de óculos 24, o algoritmo 34 contém uma rotina de reconhecimento do centro da ponte 64, que determina, a partir dos dados de imagem b(x), um centro M das pontes 27 da armação de óculos 24 tornadas conhecidas na Figura 13. A rotina de reconhecimento do centro da ponte 64 calcula, por meio do processamento de imagens, o centro da ponte 27 da armação de óculos 24 por meio da determinação da borda da lente esquerda e direita de óculos 28 a partir dos dados de imagem b(x) coletados com um dispositivo de captura de imagem 14, 16, 18. A Figura 13 mostra os dados de imagem determinados por meio da rotina de reconhecimento de características faciais 40 dos dados de imagem b(x) na seção de imagem procurada 38 (Region of Interest) com a armação de óculos 24 e um centro da ponte 66 determinado pelos dados de imagem b(x). Deve-se notar que o centro da ponte 66 também pode ser determinado, por exemplo, com o auxílio do ponto médio entre os centros das pupilas detectadas, com o auxílio da ponte do nariz, com o auxílio de uma combinação ponderada dessas duas características ou por meio de processo de Machine Learning com base em conjuntos de dados exemplificativos.

[00114] A rotina de reconhecimento do centro da ponte 64 transmite, no algoritmo 34 a informação do centro da ponte 66, em uma rotina de simetria 68.

[00115] O algoritmo 34 apresenta, além disso, uma rotina de triangulação 69, que calcula, a partir da informação dos dados de imagem b(x) de uma outra imagem 37, que é capturada com um dos outros dispositivos de captura de imagem 14, 16, 18, com base em informações de calibragem conhecidas em uma rotina de calibragem 39 como constante de equipamento em relação aos dispositivos de captura de imagem 14, 16, 18 pela triangulação nos dados de informação do mapa de profundidade t(x) mostrados na Figura 14.

[00116] Por informações de calibragem em relação a um dispositivo de captura de imagem 14, 16, 18 entende-se, nesse caso, propriedades extrínsecas, como o alinhamento relativo do sentido de registro 19 no espaço de um dispositivo de captura de imagem, ou seja, o alinhamento relativo do eixo óptico do sentido de registro 19, assim como, também, as propriedades intrínsecas do dispositivo de captura de imagem 14, 16, 18, portanto, as propriedades do dispositivo de captura de imagem 14, 16, 18, que definem, como as coordenadas de um ponto no espaço em um sistema de coordenadas referenciado ao dispositivo de captura de imagem 14, 16, 18 correspondente, que é reproduzido no plano da imagem do sensor da imagem 15 do dispositivo de captura de imagem 14, 16, 18, são executadas nas coordenadas do ponto de imagem desse ponto que se encontra no plano da imagem do sensor da imagem 15. Uma descrição detalhada da calibragem de dispositivos de captura de imagem na forma de câmeras se encontra, por exemplo, na página 8 no livro "Multiple View Geometry in Computer Vision" von Richard Hartley e Andrew Zisserman, 2. Auflage, Cambridge University Press 2004, aqui incorporado e cuja divulgação está incluída na presente descrição da invenção.

[00117] A informação dos dados de informação do mapa de profundidade corresponde a um mapa de profundidade na forma de uma nuvem de pontos, que permite estimar a dilatação espacial de lentes de óculos 3D, por exemplo, na forma de um plano, como aproximação ao contorno real da lente.

[00118] Os dados de informação do mapa de profundidade t(x) são fornecidos a uma rotina para registro estéreo 71.

[00119] O algoritmo 34 contém uma rotina da função de custos 70. Na rotina da função de custos 70, os dados de informação de arestas g(x) de uma imagem de informação das arestas g(x), mostrados na Figura 8 como imagem em escala cinza 48 e os dados de informação de cor f(x) mostrados na Figura 9 como imagem em escala cinza 48, assim como, com base nos modelos de lente de óculos, corrigidos em relação a espelhamentos e reflexos, assim como, dados de avaliação de simetria r(x) e dados de avaliação de estéreo d(x), que contêm também a informação dos dados de informação do mapa de profundidade t(x), são interrelacionados com dados da lente de óculos u(x) para uma função de custo E(u) otimizável deterministicamente. Essa função de custo E(u) é otimizada deterministicamente, então, em uma rotina de otimização 75 do algoritmo 34.

[00120] A Figura 15 é uma representação de dados da lente de óculos u(x) como dados iniciais para uma rotina de otimização 75 no algoritmo 34 mostrado na Figura 4. A Figura 15 mostra os dados da lente de óculos u(x) como uma imagem preto e branco 56 na forma dos valores de uma função binária u: Q ^{0,1}, que, dentro da superfície das lentes dos óculos assume o valor 1 e fora, o valor 0. Q c K2 denomina, nesse caso, as coordenadas da imagem, na qual as lentes dos óculos devem ser detectadas. A denominada derivação distributiva dessas funções binárias corresponde à borda 26 procurada de uma lente de óculos 28 mostrada na Figura 2.

[00121] Uma representação de dados da lente de óculos u(x) pode consistir, contudo, também, por exemplo, em uma sequência de n pontosp-p ...,pn e Q, que se encontram na borda 26 de uma lente de óculos 28 mostrada na Figura 2 e descrevem, com isso, essa borda. Uma representação de dados da lente de óculos u(x) também pode ser uma curva fechada C: K ^ Q, que descreve o contorno de uma lente de óculos 28. Tais curvas podem ser parametrizadas, particularmente, pelo comprimento da curva. Para assegurar uma continuidade e pouca curvatura das curvas, é possível descrever tais curvas, por exemplo, como combinação linear de funções básicas adequadas, por exemplo, funções básicas na forma de Splines (ranhuras). Deve-se notar também que a dilatação espacial de lentes dos óculos 28 pode ser representada por meio de uma função implícita, particularmente, com base em uma função 3D Q ^ K3, cujo conjunto de nível para um determinado valor, por exemplo 0, denominado Level Sets, ou seja os valores da área de definição dessa função, que são reproduzidos no mesmo valor, definem a borda da lente de óculos 28 na forma de uma curva da borda. Ao mesmo tempo, os valores negativos definem a superfície da lente de óculos e os positivos, a região externa das lentes dos óculos ou vice- versa.

[00122] A função de custo otimizável deterministicamente E(u) gerada na rotina de função de custo 70 do algoritmo 34 é reproduzida a seguir. É válida: com o termo de custo de cor em que, os dados da lente de óculos u(x) descrevem a dilatação espacial de pelo menos uma lente de óculos 28 contida na armação de óculos 24 e em que f(x) são os dados de informação de cor determinados pelos dados de imagem b(x), e com o termo de custo de aresta em que D é o gradiente de u no sentido distributivo e o termo que calcula os comprimentos do contorno das lentes dos óculos ponderados com os dados de informação de arestas g(x), que é mínimo, quando as arestas dos dados da lente de óculos coincidem com as arestas detectadas pelos dados de imagem b(x), com o termo de custo de simetria que avalia a simetria de uma lente de óculos esquerda e direita 28 em relação ao plano médio da armação de óculos 24, e com o termo de custo estéreo 1 < i, j < n, que se refere aos pontos dentro das lentes dos óculos em várias vistas de imagem. µ, Y assim como d são determinados fatores ponderados dos termos individuais, que determinam a influência das grandezas individuais sobre o resultado total.

[00123] No termo de custo de cor Ecor( u(x)), a cor dos dados de imagem b(x) é correlacionada aos dados da lente de óculos u(x) e avaliada. O termo de custo das arestas Eborda( u(x)) é uma correlação das arestas de imagem nos dados de imagem b(x) com a derivação distributiva da função dos dados da lente de óculos u(x). O termo de custo de simetria Esim( u(x)) se correlaciona, nas simetrias contidas nos dados de imagem b(x), com dados da lente de óculos u(x), em que os dados da lente de óculos u(x) são refletidos no plano médio pelo centro da ponte e são avaliados desvios dos dados da lente de óculos u(x) dos dados refletidos.

[00124] Um registro de simetria 3D que toca os dados de informação do mapa de profundidade t(x) pode ser compensado no termo de custo de simetria Esim( u(x)) u, em que uma lente de óculos esquerda e direita na armação de óculos 24 é simétrica a um plano 3D, que é definida pelo centro da ponte 66 em forma de linha determinado pela rotina de reconhecimento do centro da ponte 64 e pelas informações de calibragem conhecidas de um dos dispositivos de captura de imagem 14, 16, 18 no dispositivo 10.

[00125] A função de um plano refletor é atribuída ao plano 3D determinado, no termo de custo de simetria Esym( u(x)), que reproduz um sobre o outro os pontos que se encontram no espaço tridimensional em uma lente de óculos esquerda e direita, em que, no termo de custo de simetria Esim( u(x)), são avaliados desvios r(x) dos valores nominais e reais dessa reprodução. O termo de simetria Esim( u(x)) atribui, então, dados da lente de óculos u(x), que correspondem a duas lentes dos óculos, que não são simétricas uma à outra, valores de custo, que são maiores quanto maior forem os desvios de ambas as lentes dos óculos que aparecem no algoritmo 34 como dados de avaliação de simetria r(x). Desse modo, assegura-se que os dados da lente de óculos u(x) localizados na otimização da função de custo descrevem lentes dos óculos simétricas uma à outra. De forma alternativa a isso, também é possível especificar em uma condição obrigatória, que os dados da lente de óculos u(x) localizados pela otimização da função de custo sejam simétricos.

[00126] Deve-se notar que é possível, no termo de custo de simetria Esim( u(x)), mesmo quando não há quaisquer dados de informação do mapa de profundidade, compensar os registros de simetria 2D, por exemplo, em que os dados da lente de óculos u(x) de uma lente de óculos esquerda 28, no centro da ponte 66, no plano da imagem do sensor da imagem 15 de um dispositivo de captura de imagem 14, 16, 18, sejam refletidos nos dados da lente de óculos u(x) de uma lente de óculos direita 29 e então, são calculados, novamente desvios r(x) de valores nominais e reais, recebidos na função de custo.

[00127] Deve-se notar que informações de calibragem permitem a vários dispositivos de captura de imagem na base de dados de imagem u(x), que correspondem a pelo menos duas imagens capturadas por meio do dispositivo de captura de imagem, elevar a robustez do algoritmo. Particularmente, tais informações de calibragem permitem que, com base nos dados de imagem b(x) relacionados a essas imagens, uma borda interna da armação de óculos ou uma borda das lentes dos óculos seja otimizada simultaneamente em todas ou várias imagens e dados da borda da lente ui(x),..., un(x) podem ser aplicados um sobre o outro para cada duas imagens durante a otimização por meio das informações de calibragem em um termo do custo estéreo Eestéreo(ui(x), uj(x)). Através disso, os dados da borda da lente podem influenciar mutuamente as diferentes imagens, nas quais são penalizados desvios dos pontos correspondentes ui(x) e uj(x), 1 ^ i,j ^ n.

[00128] Para aplicar um sobre o outro dados da borda da lente determinados a partir de duas imagens ui(x) e uj(x), também um outro termo de custo pode ser inserido na função de custo E(u) ou uma condição obrigatória pode ser previamente especificada para a otimização da função de custo, que se baseia no cálculo da informação estéreo. Tais informações estéreo podem conter, que, para cada ponto da imagem, em uma imagem capturada com um primeiro dispositivo de captura de imagem, aquele ponto de imagem é localizado em uma segunda imagem, sobre a qual é reproduzido o mesmo ponto 3D. Para isso, podem ser utilizados, por exemplo, algoritmos estéreo, que determinam, para cada ponto, em cada par de imagens, a disparidade associada e, a partir disso sua profundidade no espaço. Para uma robustez mais elevada, também pode ser ajustado um modelo 3D nesses mapas de disparidade ou aos mapas de profundidade atribuídos. Com base nessas informações pode ser especificada, então, uma condição obrigatória ou um termo de custo, que calcula um desvio, que serve como dados de avaliação de estéreo d(x), de dados da lente de óculos ui(x) dos pontos estéreo pertencentes nos dados da lente de óculos uj(x). Esses dados de avaliação de estéreo d(x) podem ser calculados, particularmente, para cada par de imagens.

[00129] Os dados de avaliação de estéreo d(x) podem ser considerados como um termo de custo adicional Eestéreo(ui(x), uj(x)) na função de custo E(u) ou como uma condição obrigatória na otimização da função de custo E(u), que assegura que, entre os dados da lente de óculos u(x), que são baseados em imagens diferentes, que são detectados com um ou vários dispositivos de captura de imagem, não devem haver diferenças.

[00130] A Figura 16 mostra os valores da função de custo E(u) para diferentes resultados intermediários i = 0, 1, 2, 3, ... da rotina de otimização para os conjuntos de dados da lente de óculos com dados da lente de óculos u(x). Por meio da variação dos dados da lente de óculos u(x), a função de custo E(u) pode ser otimizada a um mínimo 72. Essa medida permite então, encontrar aqueles dados da lente de óculos u(x), que descrevem de forma precisa a borda de uma lente de óculos 28 admitida na armação de óculos 24 admitida pelo usuário de óculos 20.

[00131] O algoritmo 34 contém uma rotina de otimização 75, que determina aqueles dados dos óculos u(x) referentes à função de custo da rotina da função de custos 70, aos quais a função de custo E(u) é mínima.

[00132] As Figuras 17 à Figura 22 como imagens preto e branco 56, representações 74, 76, 78, 80 e 82 para diferentes conjuntos de dados da lente de óculos i, i=74, i=76, i=78, i=80 e i=82 referentes aos dados da lente de óculos u(x), que correspondem aos valores 84, 86, 88, 90 tornados conhecidos na Figura 16 e o mínimo 72 da função de custo E(u). Os dados da lente de óculos u(x) representados na Figura 15 são um conjunto de dados inicial, com base no qual, a função de custo E(u) é otimizada. Os dados da lente de óculos u(x) representados na Figura 22 são os encontrados pela otimização da função de custo E(u). Os mesmos contêm, na forma da borda de ambas as superfícies 94, 96, as informações da borda procurada pelas lentes dos óculos 28, que são adequadas para detectar na estrutura de óculos 24 portada pela armação de óculos 20 mostrada na Figura 1. No algoritmo 34, a borda procurada de uma lente de óculos 28 é determinada pelos dados da lente de óculos u(x) encontrados pela otimização da função de custo E(u) em uma rotina de cálculo da borda 77. Essa rotina de cálculo da borda 77 também pode prever que uma borda externa da lente seja calculada a partir da borda de suporte de uma lente de óculos procurada, por exemplo, na qual é especificado que a borda externa da lente tem uma distância fixa da borda de suporte da lente de óculos 28 correspondente, determinada pelo mesmo.

[00133] A função de custo E(u) é com isso, uma soma de termos de energia e sujeira a condições obrigatórias. Condições de simetria 2D e/ou 3D são aplicadas aos dados da lente de óculos. A otimização da função de custo u(x) ocorre apenas dentro dos dados de imagem b(x) que se encontram na seção de imagem relevante 38.

[00134] A função de custo especificada pode ser otimizada deterministicamente, visto que cada termo individual pode ser otimizado deterministicamente e, por meio disso, também, a combinação linear. Particularmente, os termos Ecor( u(x)) und Eborda( u(x)) convexos são os que podem ser otimizados de forma global com processo como processo primal-dual ou processo de aumento do gradiente. Esim( u(x)) Do mesmo modo, pode ser formulado como termo convexo, caso o plano de espelhamento 3D ou 2D seja conhecido ou caso seja admitido como tal. Se isso for estimado durante a otimização, o termo não é convexo, pode ser otimizado, contudo, com processo determinístico, de tal modo que se chegue a uma solução útil - por exemplo, na qual a otimização ocorre de forma alternada, ou seja, o plano de espelhamento é ajustado respectivamente segundo um número fixo de etapas com base na solução atual. O termo Eestéreo (ui(x), uj(x)) pode ser formulado convexo, do mesmo modo, quando a reprodução estéreo for conhecida entre os pontos individuais da imagem. Esse é o caso, por exemplo, se foi executado anteriormente um algoritmo estéreo com base nos dados de imagem. Caso a reprodução estéreo for estimada durante a otimização da solução atual, então o termo não é mais convexo, mas pode, no entanto, ser otimizado deterministicamente e de forma alternada como o termo de simetria, de tal modo que se chegue a uma solução prática.

[00135] Deve-se notar que é possível ponderar o termo de energia na função de custo E(u). Particularmente, é possível ponderar termos de energia individuais na função de custo E(u) com o fator 0, ou seja, omitir e, com isso, não considerar termos de energia na função de custo E(u). Além disso, é possível minimizar o comprimento da borda das lentes dos óculos 28 particularmente pela primeira derivação dessa curva. Também é possível penalizar desvios do modelo de cor considerando um modelo de lente e as informações geradas pela captura de espelhamentos e/ou reflexos. Por fim, deve-se notar que as condições de simetria 2D e 3D determinadas pelos planos da lente consideradas no algoritmo 34 podem ser baseadas nas informações 3D, que permitem determinar também parâmetros de centralização.

[00136] Basicamente, a função de custo E(u) pode ser minimizada de diversas formas. É particularmente possível minimizar a função de custo E(u), por exemplo, por métodos contínuos, conjuntos primal-dual, métodos teórico-gráficos, métodos Graph-Cut discretos, modelos Active Contour, processo Simplex ou similares.

[00137] Métodos contínuos são definidos pelo fato de que os mesmos descrevem a imagem como função contínua e definem, por meio disso, a função de custo em um espaço matemático contínuo. A discretização da função de custo com base em pontos da imagem ocorre, de forma preferida, então, inicialmente em uma última etapa, antes da otimização. Ao contrário disso, os métodos de otimização discretos definem a função de otimização direta no plano de pixels.

[00138] Também deve-se notar que, na publicação C. Niewenhuis et. al. Spatially Varying Color Distributions for Interactive Maulilabel Segmentation, IEEE Transactions on Pattern Analysis and Machine Intelligence, 35, 1 (2013) é descrito que métodos contínuos têm a vantagem de que, em relação ao discretos, os mesmos evitam artefatos em arestas e podem ser paralisados de forma muito mais simples. A paralisação permite, particularmente, cálculos mais rápidos em um mapa gráfico de um computador.

[00139] Deve-se notar, nesse contexto, particularmente, que as condições de simetria 2D e 3D determinadas pelos planos da lente consideradas no algoritmo 34 se baseiam nas informações 3D, que permitem determinar também parâmetros de centralização.

[00140] Deve-se notar, além disso, que os modelos da forma de lentes dos óculos 28 descritos acima também podem ser utilizados como uma condição obrigatória ou adicional no otimização da função de custo E(u). Uma tal condição obrigatória ou adicional pode ser, por exemplo, de que a borda final determinada de uma lente de óculos 28 se encontre dentro do espaço do modelo conhecido anteriormente. Entende-se que, ao invés de conhecer modelos a partir de exemplos, esses também podem ser definidos.

[00141] O algoritmo 34 descrito acima também pode ser executado, basicamente, sem que sejam executadas uma ou várias rotinas das rotinas descritas anteriormente do grupo de rotina de reconhecimento de características faciais 40, rotina de detecção de espelhamento 58, rotina de posição da lente de óculos 60, rotina de reconhecimento do centro da ponte 64 ou rotina de triangulação 69. Também o algoritmo 34 descrito acima pode ser executado, sem que a função de custo E(u) a ser otimizada contenha um termo de custo de simetria Esim( u(x)) ou seja otimizada mediante consideração de uma condição obrigatória de simetria. A função de custo E(u) a ser otimizada também não precisa conter obrigatoriamente ao mesmo tempo um termo de custo de cor Ecor( u(x)) e um termo de custo das arestas Eborda( u(x)).

[00142] Particularmente, o algoritmo 34 também pode ser executado com dados de imagem b(x) que contêm apenas a informação de uma imagem do usuário de óculos 20 mostrada na Figura 1 capturada com um único dispositivo de captura de imagem 16. No contexto da invenção, não precisam ser obrigatoriamente disponibilizados dados de imagem b(x), que se baseiam em dados de imagem b(x) capturados com um dispositivo de captura de imagem 14, 16, 18 a partir de diferentes sentidos de registro em relação ao rosto 25 do usuário de óculos 20 com uma armação de óculos 24 portada pelo mesmo.

[00143] Deve-se notar que, a partir do determinar da representação da borda 26 de uma lente de óculos 28, 29, descrito acima, pode ser feito uso de uma armação de óculos 24 também nas centralizações de uma lente de óculos esquerda 28 ou de uma lente de óculos direita 29.

[00144] Assim, por exemplo, em uma etapa (i) podem ser determinados parâmetros de centralização para a lente de óculos 28, 29, em que, a determinação dos parâmetros de centralização compreende a determinação da representação da borda 26 da lente de óculos 28, 29, e, em uma outra etapa (ii), a lente de óculos 28, 29 é centralizada na armação de óculos 24 com os parâmetros de centralização determinados na etapa anterior (i).

[00145] Uma lente de óculos esquerda 28 ou uma lente de óculos direita 29 podem ser polidas em uma armação de óculos 24, na qual são determinados parâmetros de centralização em uma etapa (i), em que, a determinação do parâmetro de centralização compreende a determinação da representação da borda 26 da lente de óculos 28, 29 com um processo especificado acima. Em uma outra etapa (ii) a lente de óculos 28, 29 correspondente pode ser polida, então, com base nos parâmetros de centralização determinados na etapa anterior (i) para uma disposição na armação de óculos 24.

[00146] Uma lente de óculos esquerda 28 ou uma lente de óculos direita 29 também podem ser produzida, em que, a partir de uma etapa do processo do polimento da lente de óculos 28, 29 seja feito uso em uma armação de óculos 24 de acordo com um processo especificado acima.

[00147] Deve-se notar que, na produção de uns óculos, também pode ser feito uso de um ou vários processos especificados acima.

Claims

1. Processo implementado por computador para determinar a representação da borda (26) de uma lente de óculos (28) ou de uma lente de óculos esquerda (28) e de uma lente de óculos direita (29) para um usuário de óculos (20) que compreende disponibilizar uma imagem (36) do usuário de óculos (20) com dados de imagem (b(x)) ao usuário de óculos (20) com uma armação de óculos (24) portada pelo mesmo, disponibilizar dados de informação (l(x)), que são dados calculados a partir dos dados de imagem (b(x)) da imagem (36) do usuário de óculos (20) para informações da imagem (36), e as seguintes etapas: calcular uma função de custo (E(u)) que pode ser otimizada deterministicamente que interrelaciona os dados de informação (I(x)) com dados da lente de óculos (u(x)), em que, os dados da lente de óculos (u(x)) descrevem a dilatação espacial de, pelo menos, uma lente de óculos (28) contida na armação de óculos (24), e determinar um curso de uma borda (26) da lente de óculos (28) ou da lente de óculos esquerda e da lente de óculos direita (29) pela otimização da função de custo (E(u)), caracterizado pelo fato de que: os dados de informação (I(x)) compreendem uma imagem de informação de aresta (g(x)) determinada a partir dos dados da imagem (b(x)) captados e por meio de um método de detecção de arestas, e o método de detecção de arestas inclui um método de aprendizado por máquina especialmente treinado em arestas de óculos e que pode diferenciar arestas da armação de óculos de arestas que não são da armação de óculos ou entre uma aresta externa da armação de óculos e uma aresta interna da armação de óculos.

2. Processo implementado por computador de acordo com a reivindicação 1, caracterizado pelo fato de que: os dados calculados para informações da imagem (36) são dados para um modelo de cor e/ou para uma imagem de aresta e/ou para uma distribuição de probabilidade de cor e/ou para um objeto na imagem (36).

3. Processo implementado por computador de acordo com a reivindicação 1, caracterizado pelo fato de que: um corte de imagem (38) da imagem (36) do usuário de óculos (20) a partir de suas características faciais é determinado, e os dados de informação (I(x)) são dados de informação de arestas (46) calculados a partir de dados de imagem seccionada (bA(x)) da seção de imagem (38), e a função de custo E(u) consiste em uma soma dos termos de função de custo convexos.

4. Processo, de acordo com qualquer uma das reivindicações 1 a 3, caracterizado pelo fato de que, os dados de informação (I(x)) compreendem uma imagem de informação de aresta (g(x)) determinada a partir dos dados da imagem (b(x)) captados e por meio de um método de detecção de arestas.

5. Processo, de acordo com a reivindicação 4, caracterizado pelo fato de que, o método de detecção de arestas contém um detector de arestas do grupo gradiente, gradiente de cor, detector Canny-Edge, filtro alinhado, particularmente, filtro Solbel ou que o método de detecção de arestas, para a detecção de arestas, se apoia em um banco de filtro com detectores de arestas conhecidos.

6. Processo, de acordo com qualquer uma das reivindicações 1 a 3, caracterizado pelo fato de que, os dados de informação (I(x)) compreendem uma imagem de informação de cor (f(x)) determinada a partir dos dados de imagem (b(x)) coletados e por meio de um método de avaliação de cor que avalia a cor dos dados de imagem (b(x)).

7. Processo, de acordo com a reivindicação 4 ou 5, caracterizado pelo fato de que, os dados de informação (I(x)) compreendem uma imagem de informação de cor (f(x)) determinada a partir dos dados de imagem (b(x)) coletados e por meio de um método de avaliação de cor que avalia a cor dos dados de imagem.

8. Processo, de acordo com a reivindicação 7, caracterizado pelo fato de que, a função de custo (E(u)) é uma soma ponderada de um termo de custo de detecção de arestas (Eg(u)) e de um termo de custo de avaliação de cor (Ef(u)).

9. Processo, de acordo com a reivindicação 7, caracterizado pelo fato de que, o cálculo de dados de informação (I(x)) derivados dos dados de imagem compreende a determinação de dados de informação de espelhamento (s(x)) com um método para o reconhecimento de espelhamentos na armação de óculos ou em uma lente de óculos admitida na armação de óculos ou que o cálculo de dados de informação (I(x)) derivado dos dados de imagem compreende determinar dados de informação de espelhamento (s(x)) com um método para o reconhecimento de espelhamentos na armação de óculos e em uma lente de óculos admitida na armação de óculos, em que, o método para o reconhecimento de espelhamentos diferencia espelhamentos na armação de óculos de espelhamentos na lente de óculos.

10. Processo, de acordo com a reivindicação 9, caracterizado pelo fato de que, o método de avaliação de cor e/ou o método de detecção de arestas considerem os dados de informação de espelhamento (s(x)) calculados a partir dos dados de imagem (b(x)).

11. Processo, de acordo com qualquer uma das reivindicações 8 a 10, caracterizado pelo fato de que, o cálculo de dados de informação (I(x)) derivados de dados de imagem (b(x)) compreende determinar dados de informação de características do rosto (m(x)) com um método para o reconhecimento de características faciais, particularmente, um método para reconhecer características faciais que é aplicado para reconhecer uma ou mais características faciais do grupo dos olhos, pupilas, sobrancelhas, nariz, boca e bordas do rosto.

12. Processo, de acordo a reivindicação 10 ou 11, caracterizado pelo fato de que, o método de avaliação de cor e/ou o método de detecção de arestas considerem os dados de informação de características do rosto (m(x)) calculados a partir dos dados de imagem (b(x)).

13. Processo, de acordo com qualquer uma das reivindicações 1 a 12, caracterizado pelo fato de que, a função de custo (E(u)) para determinar a borda de uma lente de óculos esquerda (28) e de uma lente de óculos direita (29) para um usuário de óculos (20) avalia uma simetria de dados da lente de óculos (u(x)) e/ou a função de custo (E(u)) para determinar a borda (26) de uma lente de óculos esquerda (28) e de uma lente de óculos direita (29) para um usuário de óculos (20) avalia pontos reproduzidos uns sobre os outros com uma condição estéreo nos dados da lente de óculos (u(x)) para formar imagens que correspondem a diferentes direções de registro (19) de um dispositivo de captura de imagem (14, 16, 18).

14. Processo, de acordo com qualquer uma das reivindicações 8 a 13, caracterizado pelo fato de que, o cálculo de dados de informação (I(x)) derivados dos dados de imagem (b(x)), compreende o determinar dos dados de informação da forma da lente de óculos (di(x)) com um método, que especifica, com base em um modelo de lente de óculos fornecido ao método ou com base em uma pluralidade de modelos de lente de óculos fornecidas ao método, um modelo paramétrico ou um mapa que representa probabilidades da probabilidade de que dados de imagem coletados (b(x)) se encontrem em uma lente de óculos (28, 29) como dados de informações de forma de lente de óculos (di(x)).

15. Processo, de acordo com qualquer uma das reivindicações 8 a 14, caracterizado pelo fato de que, que o cálculo de dados de informação (I(x)) derivados de dados de imagem (b(x)) compreendem o determinar de dados de informação da forma da lente de óculos (di(x)) com um método, que especifica, com base em um modelo de lente de óculos fornecido ao método ou com base em uma pluralidade de modelos de lente de óculos fornecida ao método, uma forma 2D ou uma forma 3D de uma lente de óculos (28, 29) que pode ser admitida na armação de óculos (24) como dados de informação da forma da lente de óculos (di(x)).

16. Processo, de acordo com qualquer uma das reivindicações 8 a 15, caracterizado pelo fato de que, o método de avaliação de cor considera os dados de informações de forma de lente de óculos (di(x)) calculados a partir dos dados de imagem (b(x)).

17. Processo, de acordo com qualquer uma das reivindicações 1 a 16, caracterizado pelo fato de que, os dados de informação (I(x)) calculados derivados dos dados de imagem (b(x)) compreendem um centro de ponte (M) determinado por meio de um método de detecção do centro da ponte.

18. Processo, de acordo com qualquer uma das reivindicações 1 a 17, caracterizado pelo fato de que, os dados de imagem (b(x)) fornecidos ao usuário de óculos (20) sejam baseados em imagens gravadas em, pelo menos, dois diferentes ângulos de visão.

19. Processo, de acordo com qualquer uma das reivindicações 1 a 18, caracterizado pelo fato de que, a função de custo (E(u)) contém, pelo menos, um modelo de dados aprendidos por aprendizagem por máquina.

20. Processo, de acordo com qualquer uma das reivindicações 1 a 19, caracterizado pelo fato de que, a função de custo (E(u)) é convexa.

21. Processo, de acordo com qualquer uma das reivindicações 1 a 20, caracterizado pelo fato de que o curso de uma borda (26) da lente de óculos (28) ou da lente de óculos esquerda (28) e da lente de óculos direita (29) é determinada pela otimização determinística da função de custo (E(u)).

22. Dispositivo para determinar o curso da borda de uma lente de óculos (28) ou de uma lente de óculos esquerda (28) e/ou de uma lente de óculos direita (29) para um usuário de óculos (20), com pelo menos um dispositivo de captura de imagem (14, 16, 18) para disponibilizar uma imagem (36) do usuário de óculos (20) com dados de imagem (b(x)) ao usuário de óculos (20) com uma armação de óculos (24) portada pelo mesmo, com meios para disponibilizar dados de informação (l(x)), que são dados calculados a partir dos dados de imagem (b(x)) da imagem (36) do usuário de óculos (20) para informações da imagem (36), meios para calcular uma função de custo (E(u)) que pode ser otimizada deterministicamente que interrelaciona os dados de informação (I(x)) com dados da lente de óculos (u(x)), em que, os dados da lente de óculos (u(x)) descrevem a dilatação espacial de, pelo menos, uma lente de óculos (28) contida na armação de óculos (24), e meios para determinar um curso de uma borda (26) da lente de óculos (28) ou da lente de óculos esquerda (28) e da lente de óculos direita (29) pela otimização da função de custo (E(u)), caracterizado pelo fato de que: os dados de informação (I(x)) compreendem uma imagem de informação de aresta (g(x)) determinada a partir dos dados da imagem (b(x)) captados e por meio de um método de detecção de arestas, e o método de detecção de arestas inclui um método de aprendizado por máquina especialmente treinado em arestas de óculos e que pode diferenciar arestas da armação de óculos de arestas que não são da armação de óculos ou entre uma aresta externa da armação de óculos e uma aresta interna da armação de óculos.

23. Dispositivo de acordo com a reivindicação 22, caracterizado pelo fato de que: os dados calculados para informações da imagem (36) são dados para um modelo de cor e/ou para uma imagem de aresta e/ou para uma distribuição de probabilidade de cor e/ou para um objeto na imagem (36).

24. Dispositivo de acordo com a reivindicação 23, caracterizado por meios para determinar um corte de imagem (38) da imagem (36) do usuário de óculos (20) a partir de suas características faciais, os dados de informação (I(x)) são dados de informação de arestas (46) calculados a partir de dados de imagem seccionada (bA(x)) da seção de imagem (38) e a função de custo consiste em uma soma dos termos de função de custo convexos.

25. Processo para a centralização de uma lente de óculos esquerda (28) ou de uma lente de óculos direita (29) em uma armação de óculos (24), caracterizado pelo fato de que em uma etapa (i) são determinados parâmetros de centralização à lente de óculos (28, 29), em que a determinação de parâmetro de centralização compreende determinar a representação da borda (26) da lente de óculos (28, 29) com um processo, como definido em qualquer uma das reivindicações 1 a 21; e em uma etapa (ii), a lente de óculos (28, 29) é centralizada na armação de óculos com os parâmetros de centralização determinados na etapa (i).

26. Processo para o polimento de uma lente de óculos esquerda (28) ou de uma lente de óculos direita (29) em uma armação de óculos (24), caracterizado pelo fato de que em uma etapa (i) são determinados parâmetros de centralização à lente de óculos (28, 29), em que, o determinar dos parâmetros de centralização compreende o determinar da representação da borda (26) da lente de óculos (28, 29) com um processo, como definido em qualquer uma das reivindicações 1 a 21; e em uma etapa (ii), as lentes de óculos são polidas com base em parâmetros de centralização determinados na etapa (i) para uma disposição na armação de óculos.

27. Processo para produzir uma lente de óculos esquerda (28) ou uma lente de óculos direita (29), caracterizado pela etapa de processo para o polimento da lente de óculos em uma armação de óculos em um processo, como definido na reivindicação 26.

28. Processo para produzir um par de óculos, caracterizado pelo fato de que é utilizado um processo, como definido em qualquer uma das reivindicações 25 a 27.