CN103226689B - 检测红眼的方法及装置、去除红眼的方法及装置 - Google Patents

Abstract

一种检测红眼的方法及装置、去除红眼的方法及装置。所述检测红眼的方法包括：获取眼部图像中的红眼样本点；搜索包括所述红眼样本点的预定范围内的像素点，计算所述像素点与所述红眼样本点之间的颜色距离；基于所述颜色距离确定红色像素点，以所述红色像素点所在的区域为红眼区域，所述预定范围与所述眼部图像的分辨率相关。本发明的技术方案，提高了检测红眼和去除红眼的效率，降低检测红眼时的漏检率和误检率，也降低了去除红眼时的漏纠正率和误纠正率，且对红眼区域的纠正效果较好。

Description

检测红眼的方法及装置、去除红眼的方法及装置

技术领域

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

背景技术

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

现有技术中，去除红眼区域时，通常采用自动去除和手动去除两种方式来对红眼区域进行去除。

所谓自动去除，通常是通过一定的算法先提取出眼部区域，基于提取的眼部区域进而结合相应的算法来检测出红眼区域，然后对检测到的红眼区域进行纠正。

具体地，可以先借助于人脸检测器，通过人脸检测器检测出人脸区域，进而通过霍夫变换法或变形模板法等来粗略提取眼部区域。如：提取人脸的上半部分作为眼部区域。

或者通过皮肤判别器来获取不同于皮肤的眼洞，进而提取眼部区域。

或者通过嘴巴、鼻子、或眉毛等脸部特征的提取，并基于眼睛与嘴巴、鼻子或眉毛之间的位置关系来粗略提取眼部区域。如：提取嘴巴所在的预定范围内作为眼部区域。

或者通过拍摄前的最后一帧预览照片(无红眼照片)来粗略提取眼部区域。如：提取与所述无红眼照片存在红色差异的部分作为眼部区域。

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

所谓手动去除，则是借助于各种红眼去除的辅助工具，完全由人工手动的对每一个像素点逐个进行修复。

对于上述的两种去除红眼的方式而言，自动去除红眼的方式主要是利用红眼区域的颜色和形状特征来对红眼区域进行定位和验证进而对红眼进行纠正，检测红眼、去除红眼的效率较高，但是，对红眼区域的颜色和形状的依赖性很强。

在实际拍摄过程中，由于拍照时的照明条件、背景光线、拍摄对象、设备及角度的差异，会导致红眼区域的颜色及形状发生较大的变化。如：由于光照条件的变化，红眼中的红色程度会发生很大的变化，且对于不同的人种而言，其红眼程度也不尽相同。拍摄过程中，眼睛张开的程度的不同也会导致红眼形状从理想圆形到不同程度类椭圆的变化。一旦红眼的颜色有较大的变化则会导致提取红眼区域的失败，而红眼在形状上有较大的变化，也会导致对提取到的红眼区域进行验证的失败，故使得检测红眼区域时的漏检率和误检率较高，进而导致了对红眼进行纠正时的漏纠正率和误纠正率较高。

对于手动去除红眼的方式而言，由于借助了各种辅助工具，故，手动去除红眼相对来说比较灵活，且准确性较高，但是由于需要人工对红眼区域中的每一个像素点先进行检测，然后进行逐点修复，所以检测红眼、去除红眼的效率较低。特别是在小型设备上进行红眼去除的操作时，更加的费时费力，检测和去除红眼的效率极低。

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

其他有关红眼检测的相关技术还可以参见公开号为WO2007116947A1，发明名称为REDEYEDETECTINGAPPARATUS，REDEYEDETECTINGMETHODANDREDEYEDETECTINGPROGRAM的国际专利申请。

发明内容

本发明解决的问题是提供一种漏检率、误检率较低且检测效率较高的检测红眼的方法及装置，去除红眼的方法及装置。

为了解决上述问题，本发明提供了一种检测红眼的方法，包括：

获取眼部图像中的红眼样本点；

搜索包括所述红眼样本点的预定范围内的像素点，计算所述像素点与所述红眼样本点之间的颜色距离；

基于所述颜色距离确定红色像素点，以所述红色像素点所在的区域为红眼区域，所述预定范围与所述眼部图像的分辨率相关。

为解决上述问题，本发明还提供了一种检测红眼的装置，包括：

获取单元，用于获取眼部图像中的红眼样本点；

搜索计算单元，用于搜索包括所述红眼样本点的预定范围内的像素点，计算所述像素点与所述红眼样本点之间的颜色距离，所述预定范围与所述眼部图像的分辨率相关；

红色像素点确定单元，用于基于所述颜色距离确定红色像素点，以所述红色像素点所在的区域为红眼区域。

为解决上述问题，本发明还提供了一种去除红眼的方法，包括：

采用上述的检测红眼的方法检测红眼区域；

对所述红眼区域进行纠正。

为解决上述问题，本发明还提供了一种去除红眼的装置，包括：

上述的检测红眼的装置；

纠正单元，用于对所述红眼区域进行纠正。

与现有技术相比，本发明的技术方案具有以下优点：

相对于自动去除红眼的方式而言，由于先确定了红眼样本点并搜索预定范围内的像素点，且根据颜色距离确定了预定范围内的红色像素点，因此，降低了检测红眼时的漏检率和误检测率，进而也降低了去除红眼时的漏纠正率和误纠正率。相对于手动去除红眼的方式而言，由于只需要确定红眼样本点进而在包括所述红眼样本点的预定范围内进行搜索，而无需手动地逐点检测和去除红眼，因此，减少了人工检测和去除红眼的次数，在很大程度上提高了检测红眼和去除红眼的效率。

进一步地，通过以所述红眼样本点为中心，搜索预定邻域内的像素点，以基于颜色距离确定红色像素点，实现起来较为简单，计算量小，且加快了对红色像素点的搜索速度，因此，提高了检测红眼的效率，进而也相应地提高了去除红眼的效率。

进一步地，在获取眼部图像中的红眼样本点后对所述眼部图像进行色彩空间转换，基于不同的色彩空间计算所述红眼样本点与预定范围内的像素点之间的颜色距离以确定红色像素点。由于色彩空间不同，故确定红色像素点时的颜色距离的阈值也有所不同，进而可以在不同色彩空间精确地检测红眼区域，降低检测红眼时的漏检率和误检率，也降低了去除红眼时的漏纠正率和误纠正率。并且，由于可以适用不同色彩空间，因而具有很大的灵活性。

进一步地，对搜索到的预定范围内的像素点，基于所述颜色距离确定黑色像素点，并利用所述黑色像素点自适应地对检测到的红眼区域进行纠正，因而对红眼区域的纠正效果较好。

附图说明

图1是本发明实施例一的检测红眼的方法的流程示意图；

图2是本发明实施例一的搜索包括红眼样本点的预定范围内的像素点的一种搜索方式的示意图；

图3是本发明实施例一的搜索包括红眼样本点的预定范围内的像素点的另一种搜索方式的示意图；

图4是本发明实施例一的去除红眼的方法的流程示意图；

图5是本发明实施例一的检测红眼的装置的结构示意图；

图6是本发明实施例一的去除红眼的装置的结构示意图；

图7是本发明实施例二的去除红眼的方法的流程示意图；

图8是本发明实施例二的去除红眼的装置的结构示意图。

具体实施方式

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

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

正如背景技术中所描述的，现有技术中检测红眼区域时，漏检率、误检率较高且检测效率较低。

发明人提出，先获取眼部图像中的红眼样本点，搜索包括所述红眼样本点的预定范围内的像素点，通过计算所述像素点与所述红眼样本点之间的颜色距离来确定红色像素点。由于先获取了红眼样本点，故在一定程度上可以降低检测红眼时的漏检率和误检率，另一方面由于对预定范围内的像素点的搜索完全通过自动的方式进行，故，提高了检测红眼时的检测效率。

实施例一

请参见图1，图1是本发明实施例一的检测红眼的方法的流程示意图，如图1所示，所述检测红眼的方法包括：

步骤S11：获取眼部图像中的红眼样本点。

步骤S12：搜索包括所述红眼样本点的预定范围内的像素点，计算所述像素点与所述红眼样本点之间的颜色距离。

步骤S13：基于所述颜色距离确定红色像素点，以所述红色像素点所在的区域为红眼区域，所述预定范围与所述眼部图像的分辨率相关。

具体地，执行步骤S11，本步骤中，眼部图像中红眼样本点的获取可以通过现有的图像处理软件中的辅助工具来获得，如由用户通过photoshop或acdsee等图像处理软件中自带的辅助工具单次点击红眼区域中的红色像素点以获得红眼样本点。

另外，若在小型设备上获取眼部图像中的红眼样本点，如：移动终端，则可以借助于移动终端自带的图像处理工具来获取红眼样本点。

执行步骤S12，搜索包括所述红眼样本点的预定范围内的像素点，计算所述像素点与所述红眼样本点之间的颜色距离。所述预定范围与所述眼部图像的分辨率相关。一般来讲，所述预定范围为人脸区域面积的0.25～0.5倍，且为了可以更快地搜索到红眼区域，通常所述预定范围是以红眼样本点为中心的面积为人脸区域面积的0.25～0.5倍的圆形，也可以为矩形或其他多边形。

本实施例中，可以通过如下两种方式来搜索预定范围内的像素点，并计算所述像素点与所述红眼样本点之间的颜色距离。

请参见图2，图2是本发明实施例一的搜索包括红眼样本点的预定范围内的像素点的一种搜索方式的示意图。如图2所示，首先搜索中心像素点的预定邻域的像素点，所述中心像素点位于所述预定范围内。本实施例，第一次搜索的中心像素点即为步骤S11中获取的红眼样本点R，所述预定邻域为四邻域或八邻域。以图2为例，红眼样本点R的四邻域的像素点为像素点2、4、5、7；红眼样本点R的八邻域的像素点为像素点1、2、3、4、5、6、7、8。

本实施例中以预定邻域为八邻域对整个搜索过程进行说明。首先搜索红眼样本点R的八邻域的像素点1、2、3、4、5、6、7、8。分别计算像素点1、2、3、4、5、6、7、8与红眼样本点R之间的颜色距离。接下来，以前一次搜索到的像素点为中心像素点继续进行八邻域搜索。本实施例中，前一次搜索到的像素点为像素点1、2、3、4、5、6、7、8，则可以以像素点1、2、3、4、5、6、7、8中的一个像素点为中心像素点进行八邻域搜索，以像素点8为例，则其八邻域的像素点应为像素点R、5、13、7、9、12、11、10，本实施例中，优选地，对前一次搜索过的像素点不再进行搜索，故对于像素点8而言只搜索其八邻域中的像素点9、10、11、12、13，然后计算像素点9、10、11、12、13与红眼样本点R之间的颜色距离。接下来，再以像素点9、10、11、12、13中的一个像素点为中心像素点进行八邻域搜索，计算搜索到的像素点与红眼样本点R之间的颜色距离。重复上述搜索和计算的过程，直至最后搜索到的像素点所在的区域超出所述预定范围，则停止搜索。

请参见图3，图3是本发明实施例一的搜索包括红眼样本点的预定范围内的像素点的另一种搜索方式的示意图。如图3所示，以所述红眼样本点R为中心搜索预定邻域的像素点。本实施例中，所述预定邻域可以为以所述红眼样本点R为中心，预定长度为边长的正方形；或者，以所述红眼样本点R为中心，预定长度和宽度分别为长和宽的长方形。本实施例中，以预定邻域为正方形为例进行相应的说明，若红眼样本点R的坐标为(x，y)，则以所述红眼样本点R为中心，搜索边长为2倍的像素点间距离的正方形邻域的像素点。也即搜索坐标分别为(x-1，y)、(x+1，y)、(x-1，y+1)、(x，y+1)、(x+1，y+1)、(x-1，y-1)、(x，y-1)、(x+1，y-1)的像素点。对应于图3中，则为像素点1、2、3、4、5、6、7、8，计算像素点1、2、3、4、5、6、7、8与所述红眼样本点R之间的颜色距离。增大所述预定邻域，本实施例中则可以通过增大预设边长来增大所述预定邻域，如增大所述预设边长为4倍的像素点间距离，则搜索边长为4倍的像素点间距离的正方形邻域的像素点，对应于图3则为搜索像素点9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24。然后，计算像素点9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24与所述红眼样本点R之间的颜色距离，增大所述预定邻域，继续搜索，并计算搜索到的像素点与所述红眼样本点R之间的颜色距离。重复上述搜索像素点、计算颜色距离和增大邻域的过程，直至搜索到的像素点所在区域超出所述预定范围，则停止搜索。

通过上述的两种方式，则可以搜索到包括所述红眼样本点的预定范围内的像素点。然后计算搜索到的像素点与所述红眼样本点之间的颜色距离。对于不同的色彩空间，则采用不同的方式获取搜索到的像素点与所述红眼样本点之间的颜色距离。本实施例中，以RGB色彩空间为例，则搜索到的像素点与所述红眼样本点之间的颜色距离通过如下公式获得：

$d=\sqrt{{(R-R_s)}^2+{(G-G_s)}^2+{(B-B_s)}^2}$

其中，d表示像素点与红眼样本点之间的颜色距离，R、G、B分别表示像素点的红通道值、绿通道值、蓝通道值，R_s、G_s、B_s分别表示红眼样本点的红通道值、绿通道值、蓝通道值。

执行步骤S13，基于所述颜色距离确定红色像素点，以所述红色像素点所在的区域为红眼区域。通过执行步骤S12，搜索到了预定范围内的像素点，同时也计算了搜索到的像素点与所述红眼样本点之间的颜色距离，故基于所述颜色距离可以确定红色像素点。具体地，若所述颜色距离大于第一阈值且小于第二阈值，则所述像素点为红色像素点。对于RGB空间而言，所述第一阈值为1，所述第二阈值为20。也即对于RGB空间而言，当所述红眼样本点与搜索到的像素点之间的颜色距离大于1且小于20时，则搜索到的像素点为红色像素点。而对于与所述红眼样本点的颜色距离等于1的像素点可以为红色像素点也可以不为红色像素点，同样地，对于与所述红眼样本点的颜色距离等于20的像素点，可以为红色像素点也可以不为红色像素点，当像素点与所述红眼样本点之间的颜色距离等于第一阈值或第二阈值时，是否确定该像素点为红色像素点则取决于红眼区域检测时的精度需求。

本实施例中，以眼部图像所在的色彩空间为RGB空间，对红眼样本点与搜索到的像素点之间的颜色距离进行了说明，并以RGB空间的阈值来确定红色像素点以获得红眼区域。为了可以获得更精确的红眼区域，本实施例中还可以在获取眼部图像中的红眼样本点后对所述眼部图像进行色彩空间转换，通过在不同的色彩空间中，对所述红眼样本点与搜索到的像素点之间的颜色距离的衡量来更加精确地确定红色像素点。

具体地，对所述眼部图像进行色彩空间转换可以是在搜索包括所述红眼样本点的预定范围内的像素点之前进行色彩空间转换，然后在转换后的色彩空间中搜索预定范围内的像素点，并计算所述像素点与所述红眼样本点之间的颜色距离。

也可以是在搜索包括所述红眼样本点的预定范围内的像素点之后进行色彩空间转换，在转换后的色彩空间中计算所述像素点与所述红眼样本点之间的颜色距离。

本实施例中，若提取的眼部图像所在的色彩空间为RGB空间，则可以将其转换至CIELab空间、HSV空间、YUV空间中的任意一种色彩空间。将RGB空间的图像转换至CIELab空间或HSV空间或YUV空间为现有技术，故此处不再赘述。

本实施例中，若转换后的眼部图像的色彩空间为CIELab空间，则计算所述像素点与所述红眼样本点之间的颜色距离通过如下公式进行：

$d=\sqrt{{(l-l_s)}^2+{(a-a_s)}^2+{(b-b_s)}^2}$

其中，d表示像素点与红眼样本点之间的颜色距离，l、a、b分别表示像素点的亮度通道、从红色至绿色的范围、从蓝色至黄色的范围，l_s、a_s、b_s分别表示红眼样本点的亮度通道、从红色至绿色的范围、从蓝色至黄色的范围。

若转换后的眼部图像的色彩空间为HSV空间，则计算所述像素点与所述红眼样本点之间的颜色距离通过如下公式进行：

$d={\mathrm{\α}}_1\sqrt{{(v-v_s)}^2}+{\mathrm{\β}}_1\sqrt{{(s-s_s)}^2+{(h-h_s)}^2}$

其中，d表示像素点与红眼样本点之间的颜色距离，h、s、v分别表示像素点的色调、饱和度和亮度，h_s、s_s、v_s分别表示红眼样本点的色调、饱和度和亮度，α₁、β₁表示权重系数。

若转换后的眼部图像的色彩空间为YUV空间，则计算所述像素点与所述红眼样本点之间的颜色距离通过如下公式进行：

$d={\mathrm{\α}}_2\sqrt{{(y-y_s)}^2}+{\mathrm{\β}}_2\sqrt{{(u-u_s)}^2+{(v-v_s)}^2}$

其中，d表示像素点与红眼样本点之间的颜色距离，y表示像素点的亮度u、v表示像素点的色度，y_s表示红眼样本点的亮度、u_s、v_s表示红眼样本点的色度，α₂、β₂表示权重系数。

而对应于上述的CIELab空间或HSV空间或YUV空间而言，其确定红色像素点时，也是对在各个色彩空间计算得到的红眼样本点与搜索到的像素点之间的颜色距离进行判断，在所述颜色距离大于第一阈值且小于第二阈值时，所述像素点则为红色像素点。不同的是，对于不同的色彩空间而言，所述第一阈值、第二阈值的取值各有不同，具体在不同的色彩空间中，所述第一阈值、第二阈值取多少，由实际测试而定。

此外，需要说明的是，本实施例中，是由用户借助于图像处理软件中的辅助工具通过单次点击的方式获得红眼样本点，而在其他实施例中，也可以由用户通过多次点击获得多个红眼样本点，对获得的每一红眼样本点而言都存在包含所述红眼样本点的预定子范围，对每一个红眼样本点所对应的预定子范围求并集所获得的范围，为最终包含多个红眼样本点的预定范围。然后基于该预定范围搜索像素点，并计算搜索到的像素点与多个红眼样本点之间的颜色距离以确定红色像素点。

通过上述的方式确定了红色像素点，所述红色像素点所在的区域即为检测到的红眼区域。检测到红眼区域后，接下来对所述红眼区域进行纠正，即去除所述红眼区域。

请参见图4，图4是本发明实施例一的去除红眼的方法的流程示意图，如图4所示，所述去除红眼的方法包括：

步骤S11：获取眼部图像中的红眼样本点。

步骤S12：搜索包括所述红眼样本点的预定范围内的像素点，计算所述像素点与所述红眼样本点之间的颜色距离。

步骤S13：基于所述颜色距离确定红色像素点，以所述红色像素点所在的区域为红眼区域，所述预定范围与所述眼部图像的分辨率相关。

步骤S14：基于所述颜色距离确定黑色像素点，利用所述黑色像素点对所述红眼区域进行纠正。

本实施例中，执行步骤S11～S13检测红眼区域与上述的检测红眼的过程相类似，此处不再赘述。

执行步骤S14：基于所述颜色距离确定黑色像素点，利用所述黑色像素点对所述红眼区域进行纠正。通过上述的步骤S11和S12搜索了包含所述红眼样本点的预定范围内的像素点，具体的搜索过程可以参见上述在检测红眼的方法中的描述。本实施例中，仍以眼部图像所在的色彩空间为RGB空间进行相应的说明，则所述颜色距离的获取方式与上述步骤S12中相同，不同的是，对于搜索到的像素点而言，当其与所述红眼样本点之间的颜色距离大于第三阈值且小于第四阈值时，则该搜索到的像素点为黑色像素点。对于RGB空间所述第三阈值为20，所述第四阈值为40。也即当搜索到的像素点与所述红眼样本点之间的颜色距离大于20小于40时，该像素点为黑色像素点。而对于与所述红眼样本点的颜色距离等于20的像素点可以为黑色像素点也可以不为黑色像素点，同样地，对于与所述红眼样本点的颜色距离等于40的像素点，可以为黑色像素点也可以不为黑色像素点，当像素点与所述红眼样本点之间的颜色距离等于第三阈值或第四阈值时，是否确定该像素点为黑色像素点则取决于红眼区域检测时的精度需求。

此外，由于本实施例中是利用搜索到的黑色像素点对红眼区域进行纠正，故搜索到的黑色像素点越精确则纠正后的红眼区域的效果就越好，故本实施例中确定黑色像素点时，也可以在不同的色彩空间进行，具体计算公式可以参见上述的CIELab空间或HSV空间或YUV空间中红眼样本点与搜索到的像素点之间的颜色距离的计算公式。只不过对应于不用的色彩空间，第三阈值和第四阈值的取值有所不同，具体取何值由实际测试而定。

本实施例中，利用所述黑色像素点对所述红眼区域进行纠正具体通过如下公式进行：

$R_{\mathrm{new}}=\mathrm{\α}*\frac{G_{\mathrm{old}}+B_{\mathrm{old}}}{2}+(1-\α)\text{*}{\stackrel{\‾}{R}}_{\mathrm{black}}$

$G_{\mathrm{new}}=\mathrm{\α}*G_{\mathrm{old}}+(1-\mathrm{\α})*\frac{G_{\mathrm{black}}*R_{\mathrm{new}}}{{\stackrel{\‾}{R}}_{\mathrm{black}}}$

$B_{\mathrm{new}}=\mathrm{\α}*B_{\mathrm{old}}+(1-\mathrm{\α})*\frac{{\stackrel{\‾}{B}}_{\mathrm{black}}*R_{\mathrm{new}}}{{\stackrel{\‾}{R}}_{\mathrm{black}}}$

其中，R_new、G_new、B_new分别为所述红眼区域中的像素点在纠正后的红通道值、绿通道值、蓝通道值，G_old、B_old分别为所述红眼区域中的像素点在纠正前的绿通道值、蓝通道值，也即检测到的红眼区域中红色像素点的绿通道值和蓝通道值。

分别为黑色像素点的红通道值平均值、绿通道值平均值、蓝通道值平均值，具体地，就是对搜索到的所有的黑色像素点的红通道值相加并除以黑色像素点的总数获得红通道值平均值、对搜索到的所有的黑色像素点的绿通道值相加并除以黑色像素点的总数获得绿通道值平均值、对搜索到的所有的黑色像素点的蓝通道值相加并除以黑色像素点的总数获得蓝通道值平均值。α为权重因子，α∈[0，1]。

通过上述的纠正方法，对检测到的红眼区域进行纠正，且采用黑色像素点和纠正前的红色像素点的绿通道值、蓝通道值对红眼区域进行纠正，由于其兼顾了红色像素点自身及其周围的黑色像素点的像素值，对纠正后的像素点的红绿蓝三通道值进行了相应的调整，故，实现了对纠正后的红眼区域的去饱和效果，且纠正后的红眼区域的比较自然，效果较好。

对应于上述的检测红眼的方法，本发明实施例还提供一种检测红眼的装置，请参见图5，图5是本发明实施例一的检测红眼的装置的结构示意图，如图5所示，所述检测红眼的装置1包括：

获取单元10，用于获取眼部图像中的红眼样本点。

搜索计算单元11，与所述获取单元10相连，用于搜索包括所述红眼样本点的预定范围内的像素点，计算所述像素点与所述红眼样本点之间的颜色距离，所述预定范围与所述眼部图像的分辨率相关。

红色像素点确定单元12，与所述搜索计算单元11相连，用于基于所述颜色距离确定红色像素点，以所述红色像素点所在的区域为红眼区域。

本实施例中，所述搜索计算单元11包括：

第一搜索子单元110，与所述获取单元10相连，用于搜索中心像素点的预定邻域的像素点，所述中心像素点位于所述预定范围内。

第一计算单元111，与所述第一搜索子单元110、红色像素点确定单元12相连，用于计算搜索到的像素点与所述红眼样本点之间的颜色距离。

第一控制单元112，与所述第一搜索子单元110、第一计算单元111相连，用于在所述第一搜索子单元110搜索到的像素点所在的区域未超出所述预定范围时，控制所述第一搜索子单元110、第一计算单元111工作；其中，第一次搜索的中心像素点为所述红眼样本点，以后各次搜索的中心像素点为前一次搜索到的像素点。

本实施例中，所述第一搜索子单元110搜索中心像素点的预定邻域可以为四邻域，也可以为八邻域。本实施例中，优选地，所述第一搜索子单元110搜索中心像素点的预定邻域的未被搜索过的像素点。

在其他实施例中，所述搜索计算单元包括：

第二搜索子单元(图中未示出)，用于以所述红眼样本点为中心搜索预定邻域的像素点。

第二计算单元(图中未示出)，与所述第二搜索子单元相连，用于计算所述像素点与所述红眼样本点之间的颜色距离。

第二控制单元(图中未示出)，与所述第二搜索子单元、第二计算单元相连，用于在所述第二搜索子单元搜索到的像素点所在区域未超出所述预定范围时，增大所述预定邻域并控制所述第二搜索子单元、第二计算单元工作。

本实施例中，所述检测红眼的装置1还包括：色彩空间转换单元(图中未示出)，用于在所述获取单元10获取眼部图像中的红眼样本点后对所述眼部图像进行色彩空间转换。所述搜索计算单元11用于计算转换后的色彩空间中所述像素点与所述红眼样本点之间的颜色距离。

本实施例中，若所述眼部图像的色彩空间为RGB空间，所述色彩空间转换单元用于将所述眼部图像转换至CIELab空间、HSV空间、YUV空间中的任意一种色彩空间。

具体地，若所述色彩空间转换单元将所述眼部图像转换至CIELab空间，则所述搜索计算单元11通过如下公式计算所述像素点与所述红眼样本点之间的颜色距离：

$d=\sqrt{{(l-l_s)}^2+{(a-a_s)}^2+{(b-b_s)}^2}$

其中，d表示像素点与红眼样本点之间的颜色距离，l、a、b分别表示像素点的亮度通道、从红色至绿色的范围、从蓝色至黄色的范围，l_s、a_s、b_s分别表示红眼样本点的亮度通道、从红色至绿色的范围、从蓝色至黄色的范围。

若所述色彩空间转换单元将所述眼部图像转换至HSV空间，则所述搜索计算单元11通过如下公式计算所述像素点与所述红眼样本点之间的颜色距

$d={\mathrm{\α}}_1\sqrt{{(v-v_s)}^2}+{\mathrm{\β}}_1\sqrt{{(s-s_s)}^2+{(h-h_s)}^2}$

其中，d表示像素点与红眼样本点之间的颜色距离，h、s、v分别表示像素点的色调、饱和度和亮度，h_s、s_s、v_s分别表示红眼样本点的色调、饱和度和亮度，α₁、β₁表示权重系数。

若所述色彩空间转换单元将所述眼部图像转换至YUV空间，则所述搜索计算单元11通过如下公式计算所述像素点与所述红眼样本点之间的颜色距离：

$d={\mathrm{\α}}_2\sqrt{{(y-y_s)}^2}+{\mathrm{\β}}_2\sqrt{{(u-u_s)}^2+{(v-v_s)}^2}$

其中，d表示像素点与红眼样本点之间的颜色距离，y表示像素点的亮度u、v表示像素点的色度，y_s表示红眼样本点的亮度、u_s、v_s表示红眼样本点的色度，α₂、β₂表示权重系数。

本实施例中，所述红色像素点确定单元12包括：第一判断单元(图中未示出)，用于在所述颜色距离大于第一阈值且小于第二阈值时，判断所述像素点为红色像素点。

本实施例中，在所述眼部图像的色彩空间为RGB空间时，所述搜索计算单元11通过如下公式计算所述像素点与所述红眼样本点之间的颜色距离：

$d=\sqrt{{(R-R_s)}^2+{(G-G_s)}^2+{(B-B_s)}^2}$

其中，d表示像素点与红眼样本点之间的颜色距离，R、G、B分别表示像素点的红通道值、绿通道值、蓝通道值，R_s、G_s、B_s分别表示红眼样本点的红通道值、绿通道值、蓝通道值。此时，所述第一判断单元用于在所述颜色距离大于1且小于20时，判断所述像素点为红色像素点。

需要说明的是，对于上述的不同的色彩空间，其对应了相应的计算所述红眼样本点与搜索到的像素点之间的颜色距离公式，此时第一判断单元基于第一阈值和第二阈值判断搜索到的像素点为红色像素点时，所述第一阈值、第二阈值的取值由在该色彩空间进行的实际测试而定。

本实施例中，所述检测红眼的装置的工作过程可以参见上述的检测红眼的方法进行，此处不再赘述。

对应于上述的去除红眼的方法，本发明实施例还提供一种去除红眼的装置，请参见图6，图6是本发明实施例一的去除红眼的装置的结构示意图，如图6所示，所述去除红眼的装置包括：

上述的检测红眼的装置1。

纠正单元13，与所述检测红眼的装置1相连，用于对所述红眼区域进行纠正。

本实施例中，为了使得纠正后的红眼区域的效果较好，所述去除红眼的装置还包括：

黑色像素点确定单元14，与所述检测红眼的装置1相连，用于基于所述颜色距离确定黑色像素点。

所述纠正单元13，与所述黑色像素点确定单元14相连，用于利用所述黑色像素点对所述红眼区域进行纠正。

本实施例中，所述黑色像素点确定单元14包括：第二判断单元(图中未示出)，用于在所述颜色距离大于第三阈值且小于第四阈值时，判断所述像素点为黑色像素点。

本实施例中，在所述眼部图像的色彩空间为RGB空间，所述搜索计算单元11通过如下公式计算所述像素点与所述红眼样本点之间的颜色距离：

$d=\sqrt{{(R-R_s)}^2+{(G-G_s)}^2+{(B-B_s)}^2}$

其中，d表示像素点与红眼样本点之间的颜色距离，R、G、B分别表示像素点的红通道值、绿通道值、蓝通道值，R_s、G_s、B_s分别表示红眼样本点的红通道值、绿通道值、蓝通道值。此时，所述第二判断单元用于在所述颜色距离大于20且小于40时，判断所述像素点为黑色像素点。

所述纠正单元13通过如下公式对所述红眼区域进行纠正：

$R_{\mathrm{new}}=\mathrm{\α}*\frac{G_{\mathrm{old}}+B_{\mathrm{old}}}{2}+(1-\α)\text{*}{\stackrel{\‾}{R}}_{\mathrm{black}}$

$G_{\mathrm{new}}=\mathrm{\α}*G_{\mathrm{old}}+(1-\mathrm{\α})*\frac{G_{\mathrm{black}}*R_{\mathrm{new}}}{{\stackrel{\‾}{R}}_{\mathrm{black}}}$

$B_{\mathrm{new}}=\mathrm{\α}*B_{\mathrm{old}}+(1-\mathrm{\α})*\frac{{\stackrel{\‾}{B}}_{\mathrm{black}}*R_{\mathrm{new}}}{{\stackrel{\‾}{R}}_{\mathrm{black}}}$

其中，R_new、G_new、B_new分别为所述红眼区域中的像素点在纠正后的红通道值、绿通道值、蓝通道值，G_old、B_old分别为所述红眼区域中的像素点在纠正前的绿通道值、蓝通道值，也即检测到的红眼区域中红色像素点的绿通道值和蓝通道值。

分别为黑色像素点的红通道值平均值、绿通道值平均值、蓝通道值平均值。α为权重因子，α∈[0，1]。

需要说明的是，本实施例中给出了在不同的色彩空间计算所述红眼样本点与搜索到的像素点之间的颜色距离的公式，而基于所述颜色距离来判断红色像素点或黑色像素点时的第一阈值、第二阈值、第三阈值和第四阈值的取值则是根据实际测试而定的，因此，所述第一阈值、第二阈值、第三阈值和第四阈值的取值不应作为对本发明技术方案的限定。

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

实施例二

本实施例中，检测红眼的方法与实施例一中相类似，不同的是，本实施例中去除红眼的方法与实施例一中不相同，其去除红眼的方法还包括了对纠正的红眼区域进行相应的判断，以判断纠正后的红眼区域是否为误纠正区域，在纠正的区域为误纠正区域时，对其进行抑制。

请参见图7，图7是本发明实施例二的去除红眼的方法的流程示意图，如图7所示，所述去除红眼的方法包括：

步骤S11：获取眼部图像中的红眼样本点。

步骤S12：搜索包括所述红眼样本点的预定范围内的像素点，计算所述像素点与所述红眼样本点之间的颜色距离。

步骤S13：基于所述颜色距离确定红色像素点，以所述红色像素点所在的区域为红眼区域，所述预定范围与所述眼部图像的分辨率相关。

步骤S14′：对所述红眼区域进行纠正。

步骤S15：基于纹理分析获取纠正后的红眼区域中的误纠正区域。

步骤S16：利用中值滤波对所述误纠正区域进行抑制。

本实施例中，步骤S11～S13与实施例一中相类似，故此处不再展开具体详述。执行步骤S14′对所述红眼区域进行纠正，可以利用现有技术对红眼区域进行纠正，而在本实施例中，可以利用检测到的红眼区域附近的黑色眼珠区域的像素点的像素值的均值来代替红眼区域中的像素点的像素值。所述黑色眼珠区域是指与所述红眼区域具有嵌套关系的区域，所述黑色眼珠区域可以利用黑色眼珠区域的颜色特征和形状特征及与所述红眼区域的位置关系来获取，如通过不同的颜色分割方法来获取黑色区域，然后对获取的黑色区域的形状及位置关系进行判断，若获取的黑色区域的形状为圆形、类圆形、椭圆形、类椭圆形中的一种且与检测到的红眼区域具有嵌套关系，则该黑色区域为黑色眼珠区域。在获取了黑色眼珠区域后，取位于所述红眼区域附近的黑色眼珠区域中的6～12个像素点，计算6～12个像素点的像素值的均值，以6个像素点为例，则是将6个像素点的像素值相加并除以6，以获得6个像素点的像素值的均值，并以此均值作为所述红眼区域的像素点的像素值。

进一步，本实施例中，为了降低对检测到的红眼区域的误纠正率，执行步骤S15，基于纹理分析获取纠正后的红眼区域中的误纠正区域。

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

若所述均匀程度达到预设值，则所述纠正后的红眼区域为误纠正区域。

所述检测到的红眼区域即为与纠正后的红眼区域对应的检测到的红眼区域。所述检测到的红眼区域中的预定范围，可以为所述红眼区域的二分之一到四分之一，优选地，取所述红眼区域的二分之一，且所述预定范围可以为所述红眼区域中的任意区域，只要确保预定范围仍属于所述红眼区域且为红眼区域的二分之一到四分之一即可。本实施例中，所述检测到的红眼区域中预定范围内的像素点的红色度的均匀程度通过如下方式获得：

$I_a=\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{I}_i}{N},$ $E=\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{(I_i-I_a)}^2}{N}$

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

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

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

在确定了误纠正的红眼区域后，执行步骤S16，利用中值滤波对所述误纠正区域进行抑制。具体地设置所述误纠正区域中的像素点的色度值为所述误纠正区域中的像素点在纠正前的色度值的中值。

本实施例中，获取的眼部图像所在的空间为RGB空间，并基于RGB空间计算了红眼样本点与搜索到的像素点之间的颜色距离来确定红色像素点进而检测红眼区域。然而，由于人眼视觉系统的特性，对检测到的红眼区域进行纠正时，通常是在YUV空间进行，将红眼区域纠正后再将其转换至RGB空间。故，本实施例中对误纠正区域进行抑制时，首先将误纠正区域中的像素点在纠正前该像素点的R、G、B的值转换为YUV空间中的Y、U、V值。另外，对误纠正区域进行抑制时，亮度的影响并不是很大，故对误纠正区域进行抑制时，可以只考虑色度(亮度不变)，也可以对亮度和色度都考虑。

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

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

本实施例中，从RGB空间转换至YUV空间通过如下公式进行：

$\left[\begin{array}{c}Y\\ U\\ V\end{array}\right]=\left[\begin{array}{ccc}0.299& 0.587& 0.114\\ -0.147& -0.289& 0.436\\ 0.615& -0.515& -0.100\end{array}\right]\left[\begin{array}{c}R\\ G\\ B\end{array}\right]$

从YUV空间转换至RGB空间通过如下公式进行：

$\left[\begin{array}{c}R\\ G\\ B\end{array}\right]=\left[\begin{array}{ccc}1& 0.000& 1.140\\ 1& -0.396& -0.581\\ 1& 2.029& 0.000\end{array}\right]\left[\begin{array}{c}R\\ G\\ B\end{array}\right]$

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

对应于上述的去除红眼的方法，本实施例还提供一种去除红眼的装置，请参见图8，图8是本发明实施例二的去除红眼的装置的结构示意图，如图8所示，所述去除红眼的装置包括：

第一获取单元20，用于获取眼部图像中的红眼样本点。

搜索计算单元21，与所述第一获取单元20相连，用于搜索包括所述红眼样本点的预定范围内的像素点，计算所述像素点与所述红眼样本点之间的颜色距离，所述预定范围与所述眼部图像的分辨率相关。

红色像素点确定单元22，与所述搜索计算单元21相连，用于基于所述颜色距离确定红色像素点，以所述红色像素点所在的区域为红眼区域。

纠正单元23，与所述红色像素点确定单元22相连，用于对所述红眼区域进行纠正。

第二获取单元24，与所述纠正单元23相连，用于基于纹理分析获取纠正后的红眼区域中的误纠正区域。

抑制单元25，与所述第二获取单元24相连，用于利用中值滤波对所述误纠正区域进行抑制。

本实施例中所述去除红眼的装置的工作过程可以参见上述的去除红眼的方法进行，此处不再赘述。

综上所述，本发明的技术方案至少具有以下有益效果：

相对于自动去除红眼的方式而言，由于先确定了红眼样本点并搜索预定范围内的像素点，且根据颜色距离确定了预定范围内的红色像素点，因此，降低了检测红眼时的漏检率和误检测率，进而也降低了去除红眼时的漏纠正率和误纠正率。相对于手动去除红眼的方式而言，由于只需要确定红眼样本点进而在包括所述红眼样本点的预定范围内进行搜索，而无需手动地逐点检测和去除红眼，因此，减少了人工检测和去除红眼的次数，在很大程度上提高了检测红眼和去除红眼的效率。

进一步地，通过以所述红眼样本点为中心，搜索预定邻域内的像素点，以基于颜色距离确定红色像素点，实现起来较为简单，计算量小，且加快了对红色像素点的搜索速度，因此，提高了检测红眼的效率，进而也相应地提高了去除红眼的效率。

进一步地，在获取眼部图像中的红眼样本点后对所述眼部图像进行色彩空间转换，基于不同的色彩空间计算所述红眼样本点与预定范围内的像素点之间的颜色距离以确定红色像素点。由于色彩空间不同，故确定红色像素点时的颜色距离的阈值也有所不同，进而可以在不同色彩空间精确地检测红眼区域，降低检测红眼时的漏检率和误检率，也降低了去除红眼时的漏纠正率和误纠正率。并且，由于可以适用不同色彩空间，因而具有很大的灵活性。

进一步地，对搜索到的预定范围内的像素点，基于所述颜色距离确定黑色像素点，并利用所述黑色像素点自适应地对检测到的红眼区域进行纠正，因而对红眼区域的纠正效果较好。

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

Claims (28)

1.一种去除红眼的方法，其特征在于，包括：

检测红眼区域，包括：获取眼部图像中的红眼样本点；搜索包括所述红眼样本点的预定范围内的像素点，计算所述像素点与所述红眼样本点之间的颜色距离；基于所述颜色距离确定红色像素点，以所述红色像素点所在的区域为红眼区域，所述预定范围与所述眼部图像的分辨率相关；

基于所述颜色距离确定黑色像素点；

利用所述黑色像素点对所述红眼区域进行纠正，通过如下公式进行：

$R_{new}=\mathrm{\α}*\frac{G_{old}+B_{old}}{2}+(1-\mathrm{\α})*{\stackrel{\‾}{R}}_{black}$

$G_{new}=\mathrm{\α}*G_{old}+(1-\mathrm{\α})*\frac{{\stackrel{\‾}{G}}_{black}*R_{new}}{{\stackrel{\‾}{R}}_{black}}$

$B_{new}=\mathrm{\α}*B_{old}+(1-\mathrm{\α})*\frac{{\stackrel{\‾}{B}}_{black}*R_{new}}{{\stackrel{\‾}{R}}_{black}}$

其中，R_new、G_new、B_new分别为所述红眼区域中的像素点在纠正后的红通道值、绿通道值、蓝通道值，G_old、B_old分别为所述红眼区域中的像素点在纠正前的绿通道值、蓝通道值、分别为黑色像素点的红通道值平均值、绿通道值平均值、蓝通道值平均值，α为权重因子，α∈[0,1]。

2.如权利要求1所述的去除红眼的方法，其特征在于，所述基于所述颜色距离确定黑色像素点包括：

若所述颜色距离大于第三阈值且小于第四阈值，则所述像素点为黑色像素点。

3.如权利要求2所述的去除红眼的方法，其特征在于，所述眼部图像的色彩空间为RGB空间，所述计算所述像素点与所述红眼样本点之间的颜色距离通过如下公式进行：

$d=\sqrt{{(R-R_s)}^2+{(G-G_s)}^2+{(B-B_s)}^2}$

其中，d表示像素点与红眼样本点之间的颜色距离，R、G、B分别表示像素点的红通道值、绿通道值、蓝通道值，R_s、G_s、B_s分别表示红眼样本点的红通道值、绿通道值、蓝通道值；

所述第三阈值为20，所述第四阈值为40。

4.如权利要求1所述的去除红眼的方法，其特征在于，所述搜索包括所述红眼样本点的预定范围内的像素点，计算所述像素点与所述红眼样本点之间的颜色距离包括：

搜索中心像素点的预定邻域的像素点，所述中心像素点位于所述预定范围内；

计算搜索到的像素点与所述红眼样本点之间的颜色距离；

重复上述过程，直至搜索到的像素点所在的区域超出所述预定范围，其中，第一次搜索的中心像素点为所述红眼样本点，以后各次搜索的中心像素点为前一次搜索到的像素点。

5.如权利要求4所述的去除红眼的方法，其特征在于，所述预定邻域为四邻域或八邻域。

6.如权利要求4所述的去除红眼的方法，其特征在于，所述搜索中心像素点的预定邻域的像素点是指搜索中心像素点的预定邻域的未被搜索过的像素点。

7.如权利要求1所述的去除红眼的方法，其特征在于，所述搜索包括所述红眼样本点的预定范围内的像素点，计算所述像素点与所述红眼样本点之间的颜色距离包括：

以所述红眼样本点为中心搜索预定邻域的像素点；

计算所述像素点与所述红眼样本点之间的颜色距离；

增大所述预定邻域，重复上述过程，直至搜索到的像素点所在区域超出所述预定范围。

8.如权利要求1所述的去除红眼的方法，其特征在于，还包括：在获取眼部图像中的红眼样本点后对所述眼部图像进行色彩空间转换，所述像素点与所述红眼样本点之间的颜色距离是指在转换后的色彩空间中所述像素点与所述红眼样本点之间的颜色距离。

9.如权利要求8所述的去除红眼的方法，其特征在于，所述眼部图像的色彩空间为RGB空间，所述对眼部图像进行色彩空间转换包括：将所述眼部图像转换至CIELab空间、HSV空间、YUV空间中的任意一种色彩空间。

10.如权利要求9所述的去除红眼的方法，其特征在于，转换后的眼部图像的色彩空间为CIELab空间，所述计算所述像素点与所述红眼样本点之间的颜色距离通过如下公式进行：

$d=\sqrt{{(l-l_s)}^2+{(a-a_s)}^2+{(b-b_s)}^2}$

其中，d表示像素点与红眼样本点之间的颜色距离，l、a、b分别表示像素点的亮度通道、从红色至绿色的范围、从蓝色至黄色的范围，l_s、a_s、b_s分别表示红眼样本点的亮度通道、从红色至绿色的范围、从蓝色至黄色的范围。

11.如权利要求9所述的去除红眼的方法，其特征在于，转换后的眼部图像的色彩空间为HSV空间，所述计算所述像素点与所述红眼样本点之间的颜色距离通过如下公式进行：

$d={\mathrm{\α}}_1\sqrt{{(v-v_s)}^2}+{\mathrm{\β}}_1\sqrt{{(s-s_s)}^2+{(h-h_s)}^2}$

其中，d表示像素点与红眼样本点之间的颜色距离，h、s、v分别表示像素点的色调、饱和度和亮度，h_s、s_s、v_s分别表示红眼样本点的色调、饱和度和亮度，α₁、β₁表示权重系数。

12.如权利要求9所述的去除红眼的方法，其特征在于，转换后的眼部图像的色彩空间为YUV空间，所述计算所述像素点与所述红眼样本点之间的颜色距离通过如下公式进行：

$d={\mathrm{\α}}_2\sqrt{{(y-y_s)}^2}+{\mathrm{\β}}_2\sqrt{{(u-u_s)}^2+{(v-v_s)}^2}$

其中，d表示像素点与红眼样本点之间的颜色距离，y表示像素点的亮度u、v表示像素点的色度，y_s表示红眼样本点的亮度、u_s、v_s表示红眼样本点的色度，α₂、β₂表示权重系数。

13.如权利要求1所述的去除红眼的方法，其特征在于，所述基于所述颜色距离确定红色像素点包括：

若所述颜色距离大于第一阈值且小于第二阈值，则所述像素点为红色像素点。

14.如权利要求13所述的去除红眼的方法，其特征在于，所述眼部图像的色彩空间为RGB空间，所述计算所述像素点与所述红眼样本点之间的颜色距离通过如下公式进行：

$d=\sqrt{{(R-R_s)}^2+{(G-G_s)}^2+{(B-B_s)}^2}$

其中，d表示像素点与红眼样本点之间的颜色距离，R、G、B分别表示像素点的红通道值、绿通道值、蓝通道值，R_s、G_s、B_s分别表示红眼样本点的红通道值、绿通道值、蓝通道值；

所述第一阈值为1，所述第二阈值为20。

15.一种去除红眼的装置，其特征在于，包括：

检测红眼的装置，所述检测红眼的装置包括：获取单元，用于获取眼部图像中的红眼样本点；搜索计算单元，用于搜索包括所述红眼样本点的预定范围内的像素点，计算所述像素点与所述红眼样本点之间的颜色距离，所述预定范围与所述眼部图像的分辨率相关；

红色像素点确定单元，用于基于所述颜色距离确定红色像素点，以所述红色像素点所在的区域为红眼区域；

黑色像素点确定单元，用于基于所述颜色距离确定黑色像素点；

纠正单元，用于利用所述黑色像素点对所述红眼区域进行纠正，通过如下公式对所述红眼区域进行纠正：

$R_{new}=\mathrm{\α}*\frac{G_{old}+B_{old}}{2}+(1-\mathrm{\α})*{\stackrel{\‾}{R}}_{black}$

$G_{new}=\mathrm{\α}*G_{old}+(1-\mathrm{\α})*\frac{{\stackrel{\‾}{G}}_{black}*R_{new}}{{\stackrel{\‾}{R}}_{black}}$

$B_{new}=\mathrm{\α}*B_{old}+(1-\mathrm{\α})*\frac{{\stackrel{\‾}{B}}_{black}*R_{new}}{{\stackrel{\‾}{R}}_{black}}$

其中，R_new、G_new、B_new分别为所述红眼区域中的像素点在纠正后的红通道值、绿通道值、蓝通道值，G_old、B_old分别为所述红眼区域中的像素点在纠正前的绿通道值、蓝通道值、分别为黑色像素点的红通道值平均值、绿通道值平均值、蓝通道值平均值，α为权重因子，α∈[0,1]。

16.如权利要求15所述的去除红眼的装置，其特征在于，所述黑色像素点确定单元包括：第二判断单元，用于在所述颜色距离大于第三阈值且小于第四阈值时，判断所述像素点为黑色像素点。

17.如权利要求16所述的去除红眼的装置，其特征在于，所述眼部图像的色彩空间为RGB空间，所述搜索计算单元通过如下公式计算所述像素点与所述红眼样本点之间的颜色距离：

$d=\sqrt{{(R-R_s)}^2+{(G-G_s)}^2+{(B-B_s)}^2}$

其中，d表示像素点与红眼样本点之间的颜色距离，R、G、B分别表示像素点的红通道值、绿通道值、蓝通道值，R_s、G_s、B_s分别表示红眼样本点的红通道值、绿通道值、蓝通道值；

所述第二判断单元用于在所述颜色距离大于20且小于40时，判断所述像素点为黑色像素点。

18.如权利要求15所述的去除红眼的装置，其特征在于，所述搜索计算单元包括：

第一搜索子单元，用于搜索中心像素点的预定邻域的像素点，所述中心像素点位于所述预定范围内；

第一计算单元，用于计算搜索到的像素点与所述红眼样本点之间的颜色距离；

第一控制单元，用于在所述第一搜索子单元搜索到的像素点所在的区域未超出所述预定范围时，控制上述单元工作；其中，第一次搜索的中心像素点为所述红眼样本点，以后各次搜索的中心像素点为前一次搜索到的像素点。

19.如权利要求18所述的去除红眼的装置，其特征在于，所述预定邻域为四邻域或八邻域。

20.如权利要求18所述的去除红眼的装置，其特征在于，所述第一搜索子单元搜索中心像素点的预定邻域的未被搜索过的像素点。

21.如权利要求15所述的去除红眼的装置，其特征在于，所述搜索计算单元包括：

第二搜索子单元，用于以所述红眼样本点为中心搜索预定邻域的像素点；

第二计算单元，用于计算所述像素点与所述红眼样本点之间的颜色距离；

第二控制单元，用于在所述第二搜索子单元搜索到的像素点所在区域未超出所述预定范围时，增大所述预定邻域并控制上述单元工作。

22.如权利要求15所述的去除红眼的装置，其特征在于，还包括：色彩空间转换单元，用于在所述获取单元获取眼部图像中的红眼样本点后对所述眼部图像进行色彩空间转换；

所述搜索计算单元用于计算转换后的色彩空间中所述像素点与所述红眼样本点之间的颜色距离。

23.如权利要求22所述的去除红眼的装置，其特征在于，所述眼部图像的色彩空间为RGB空间，所述色彩空间转换单元用于将所述眼部图像转换至CIELab空间、HSV空间、YUV空间中的任意一种色彩空间。

24.如权利要求23所述的去除红眼的装置，其特征在于，所述色彩空间转换单元将所述眼部图像转换至CIELab空间，所述搜索计算单元通过如下公式计算所述像素点与所述红眼样本点之间的颜色距离：

$d=\sqrt{{(l-l_s)}^2+{(a-a_s)}^2+{(b-b_s)}^2}$

其中，d表示像素点与红眼样本点之间的颜色距离，l、a、b分别表示像素点的亮度通道、从红色至绿色的范围、从蓝色至黄色的范围，l_s、a_s、b_s分别表示红眼样本点的亮度通道、从红色至绿色的范围、从蓝色至黄色的范围。

25.如权利要求23所述的去除红眼的装置，其特征在于，所述色彩空间转换单元将所述眼部图像转换至HSV空间，所述搜索计算单元通过如下公式计算所述像素点与所述红眼样本点之间的颜色距离：

$d={\mathrm{\α}}_1\sqrt{{(v-v_s)}^2}+{\mathrm{\β}}_1\sqrt{{(s-s_s)}^2+{(h-h_s)}^2}$

其中，d表示像素点与红眼样本点之间的颜色距离，h、s、v分别表示像素点的色调、饱和度和亮度，h_s、s_s、v_s分别表示红眼样本点的色调、饱和度和亮度，α₁、β₁表示权重系数。

26.如权利要求23所述的去除红眼的装置，其特征在于，所述色彩空间转换单元将所述眼部图像转换至YUV空间，所述搜索计算单元通过如下公式计算所述像素点与所述红眼样本点之间的颜色距离：

$d={\mathrm{\α}}_2\sqrt{{(y-y_s)}^2}+{\mathrm{\β}}_2\sqrt{{(u-u_s)}^2+{(v-v_s)}^2}$

其中，d表示像素点与红眼样本点之间的颜色距离，y表示像素点的亮度u、v表示像素点的色度，y_s表示红眼样本点的亮度、u_s、v_s表示红眼样本点的色度，α₂、β₂表示权重系数。

27.如权利要求15所述的去除红眼的装置，其特征在于，所述红色像素点确定单元包括：第一判断单元，用于在所述颜色距离大于第一阈值且小于第二阈值时，判断所述像素点为红色像素点。

28.如权利要求27所述的去除红眼的装置，其特征在于，所述眼部图像的色彩空间为RGB空间，所述搜索计算单元通过如下公式计算所述像素点与所述红眼样本点之间的颜色距离：

$d=\sqrt{{(R-R_s)}^2+{(G-G_s)}^2+{(B-B_s)}^2}$

其中，d表示像素点与红眼样本点之间的颜色距离，R、G、B分别表示像素点的红通道值、绿通道值、蓝通道值，R_s、G_s、B_s分别表示红眼样本点的红通道值、绿通道值、蓝通道值；

所述第一判断单元用于在所述颜色距离大于1且小于20时，判断所述像素点为红色像素点。