CN103577791A - 一种红眼检测方法和系统 - Google Patents
一种红眼检测方法和系统 Download PDFInfo
- Publication number
- CN103577791A CN103577791A CN201210262561.XA CN201210262561A CN103577791A CN 103577791 A CN103577791 A CN 103577791A CN 201210262561 A CN201210262561 A CN 201210262561A CN 103577791 A CN103577791 A CN 103577791A
- Authority
- CN
- China
- Prior art keywords
- red
- absolute
- point
- eye region
- eye
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Abstract
本方案涉及一种红眼检测的方法和系统,该方法对预处理图像进行脸部区域检测;对检测到的所述脸部区域中的像素点,进行红色点检测以确定绝对红色点;根据所述绝对红色点获得一个或多个候选红眼区域;根据所述一个或多个候选红眼区域,进行红眼区域判定,获得绝对红眼区域。该系统包括实现上述方法组成模块。本申请的方法和系统,对预处理的图像能实现自动红眼检测和修正,对用户指定的候选红眼区域也能辨别地实现红眼检测和修正,辅助验证候选红眼区域,降低眼睛定位精度依赖性,自适应的红色像素判断提高了获取红眼区域的正确率。
Description
技术领域
本申请涉及图像处理技术领域,尤其涉及一种红眼检测及校正的方法和系统。
背景技术
“红眼”现象一般是指在光线较暗的环境下,相机拍摄人物照片时,闪光灯的强光经过放大的瞳孔、被视网膜后的微血管组织反射,造成在照片中眼部瞳孔处呈现的泛红现象(红色斑点),从而导致照片效果不佳。而由于数码相机的普及,利用图像处理技术解决红眼问题的方案成为可能。如图1所示,现有技术的红眼检测装置及其检测方法以解决快速找出红眼区域、方便对红眼区域进行修正,其解决方案包括四个模块及相应的处理步骤:步骤101,在欲处理的图像中定位出眼睛的区域;步骤102,对所述眼睛区域内每个像素分别计算其为红色素的概率;步骤103,根据每个像素为红色素的概率,确定红色素集中的区域;步骤104,根据所述红色素集中的区域,确定红眼区域。
而这类现有的基于“人脸检测->眼睛定位”的方案中,“眼睛定位”是后续处理步骤的基础,如果对眼睛定位有偏差(定位不精确),后续的红眼检测、校正等步骤的执行结果将不可预期。可见,现有红眼检测方案的容错能力有限,能检测到的红眼区域会因此受到限制。
另外,这类现有的方案中,判断像素是否为红色点的技术,是将像素颜色值(或是归一化的颜色值)与经验阈值直接判断(如:比较大小看是在阈值作为分界点的范围内还是在范围外);或者是运用训练得到的高斯模型进行匹配、得到像素的红色概率值,在判断像素是否为红色点,这里可以采用多种模式判断,如:直接判断红色概率值大于某阈值、某一区域内的概率值之和大于某一固定阈值,等等,均存在一局限性。该局限性在于:无论是单一阈值或者高斯分布的均值,其终将是以其对应颜色空间下某一具体值的形式存在,可以理解为一定程度下的固定阈值模式,但实际情况更复杂,如由于光照强度各异、肤色各异等,这类固定阈值方式的实际效果值得商榷。
发明内容
针对上述现有技术的缺陷,本申请要解决的技术问题是提供一种红眼检测及校正的系统和方法:对预处理的图像,可实现自动的红眼检测及修正;对用户指定的候选红眼区域,亦可有辨别的实现红眼检测及修正。
为解决上述技术问题,本申请提供了一种红眼检测方法,包括:对预处理图像进行脸部区域检测;对检测到的所述脸部区域中的像素点,进行红色点检测以确定绝对红色点;根据所述绝对红色点获得一个或多个候选红眼区域;根据所述一个或多个候选红眼区域,进行红眼区域判定,获得绝对红眼区域。
进一步的,本申请还提供了对应上述方法的一种红眼检测系统,包括:脸部区域检测模块,对预处理图像进行脸部区域检测;红色素计算模块,对检测到的所述脸部区域中的像素点,进行红色点检测以确定绝对红色点,根据所述绝对红色点获得一个或多个候选红眼区域;红眼区域判定模块,根据所述一个或多个候选红眼区域,进行红眼区域判定,获得绝对红眼区域。
本申请的方案中,确定人脸,在人脸上寻找绝对红色像素点以获得备用的红眼区域,而“眼睛定位”功能的定位,是对检测到的候选红眼区域进行辅助验证,从而降低对“眼睛定位”精度的依赖;并且,本申请的方案中,在判断红色像素时采用的是一种自适应方法,通过LAB空间下的肤色区域检测和人脸检测,仅统计脸部区域中红色值相对这一特定脸部区域较大的那些像素点,从而得到若干候选红眼区域,然后与辅助的眼睛定位区域、脸部尺寸决定的红眼尺寸范围等进行交互验证,得到正确的红眼区域、无红眼的眼部区域会被正确剔除,如在皮肤和脸部区域寻找到。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为现有技术的处理模块框图。
图2为本申请具体实施方式的自动红眼检测模式处理流程图。
图3为本申请具体实施方式的半自动红眼检测模式处理流程图。
图4为本申请具体实施方式的结构框图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请具体实施方式中,介绍两种优选的红眼检测(校正)模式的实施流程。自动模式如图2,和半自动模式如图3。下面分别介绍两种模式。
自动红眼检测模式如图2所示。在如图2自动红眼检测模式阶段:
当获取原始图像后,进行处理:
步骤S01,在LAB颜色空间里,对预处理图像进行肤色区域检测(比如检测LAB这种三维图像模型中那些为肤色区域)。采用常规的图像处理的肤色区域检测方式,一般能保证多种肤色都能通过检测并最大限度屏蔽非肤色区域。例如一种方式:通过对预处理图像中每个像素点,判断其LAB颜色空间中的L分量和A、B分量间的大小关系,可检测出不同光照条件下、不同肤色(白种人、黄种人)的肤色区域,并可以直接剔除诸如红色衣服、红灯笼等非红眼的背景红色区域,比如检测到的区域的L、A、B三个值大小关系,
由这种关系确定亮度和色彩属于红色背景区域,而非肤色区域,直接排除其作为进一步处理检测和校正红眼的区域。
在步骤S02,对肤色区域(候选皮肤区域)进行人脸检测即人的脸部区域的检测(当人脸检测为0如可能出现漏检误检时,还可以如图3的半自动红眼检测模式的方式,由用户指定可能的红眼区域以防止漏检人的脸部区域)。因为步骤S01的判断条件相对宽松,故其作为步骤S02的前提条件,可以减小搜索范围,提高检测速度(也就是说,对预处理图像直接检测脸部区域也可以,当然,若先检测到肤色区域检测能更好的检测人脸部区域)。具体的人脸检测过程例如,采用常见的事先训练得到的正面人脸检测器对候选皮肤区域进行人脸检测。肤色区域的检测能够帮助加快人脸检测的速度。
在步骤S03,可以对人脸区域进行眼睛区域的检测,即在检测到的人脸上检测到眼睛区域以获得眼睛的位置。具体检测人眼例如,采用常见的事先训练得到的眼睛检测器对人脸区域进行双眼检测(寻找双眼位置)。
根据肤色区域检测(步骤S01)、以及由肤色区域检测而检测人脸区域(步骤S02),在步骤S04中,对人的脸部区域进行绝对红色点检测,其计算每个像素点的红色概率。通常,在步骤S02得到的是人脸所在的矩形区域(得到脸部尺寸),可由该尺寸按比例选择合适的结构元素n,采用数学形态学的闭运算对步骤S01得到的肤色区域进行处理,可以将可能的红眼区域顺利并入肤色区域内,并且不引入新的误差。如,在LAB空间,对人脸区域的肤色区域像素点(脸部皮肤),统计其A分量的最大及最小值Amax、Amin;对于每点计算其归一化的红色分量
a=(A–Amin)/(Amax–Amin)作为其红色概率值;判断其A分量同L分量、B分量间的大小关系,并且其红色概率值超过阈值T(阈值T是LAB颜色空间的经验阈值),则判断其为绝对红色点。
例如,满足A分量与L分量的差值的绝对值小于一个经验阈值T2(第二阈值),A分量与B分量的差值大于一个经验阈值T3(第三阈值),并且将人脸区域的肤色区域像素点计算的每个像素点的红色概率值a降序排列、以概率排序在前T1%(第一阈值/经验阈值T1)的像素点则判断其为绝对红色点。由绝对红色点可以规划出一个或多个备选的红眼区域。
肤色上的绝对红色像素点的判断要比眼睛本身的寻找和精确定位容易而且准确。
根据步骤S03、步骤S04,在步骤S05进行红眼区域判定。从步骤S04得到的绝对红色点用n*n的结构元素(n*n的结构元素“探针”收集图像信息,如在一个实施例中取n=3)进行形态学闭运算,得到若干候选绝对红眼区域,即根据确定的绝对红色像素点对应确定备选的红眼区域(一个或多个红眼区域)。再将候选的红眼区域与步骤S03得到的左右眼位置(脸部区域的眼睛位置)、并综合考虑候选的红眼区域自身大小、宽高比等因素,得到最佳的左右红眼区域。该红眼区域判定过程允许0个红眼区域输出,例如是正常眼睛(未出现红眼现象的眼睛)时,仅嘴巴位置为候选红眼区域。判定未获得红眼区域,则结束自动红眼检测流程。用户还可以指定可能出现红眼区域的眼睛区域来确定眼睛位置,从而结合绝对红色像素点(候选红眼区域)判断得到最佳的红眼区域,在半自动流程中将会描述。
判定获得了红眼区域,输入非0个红眼区域,在步骤S06,进行红眼修正。由于在步骤S04中为了有效剔除伪红色点、其对红色点检测的标准过于苛刻的,因而在步骤S06首先将红眼点的检测进行适度放松,考虑正常眼球宽高比接近1的特点,对步骤S05得到的红眼区域附近搜索以该红眼区域宽高中最大值作为边长的正方形,该正方形区域内所有点的红色概率值最大。对该正方形区域内的非绝对红色点,若其红色概率值大于该正方形区域内绝对红色点中的最小红色概率值,则该点亦判断为绝对红色点。对绝对红色点的修正采用如下方式:在RGB空间内,RGB颜色分量取相同值,并且,为修正前G、B分量的均值。该方式可以很好保存诸如光亮点等非红点特性。对于该正方形区域及其邻域内的非绝对红色点,若其N*N(如一个实施例中N=5)邻域内有绝对红色点,则该非绝对红色点在RGB空间内,RGB颜色分量值采用该非绝对红色点原始值和上述修正后的绝对红色点的RGB颜色值按位置比例进行加权修正。
修正完成后,结束自动红眼检测模式的流程。
另外,结合图3,描述关于半自动红眼检测模式阶段的流程:
当获取原始图像后,进行处理:
其中,步骤S01的肤色区域检测处理与自动红眼检测模式阶段的步骤S01相同。
完成肤色区域检测步骤S01,对于漏检的人脸,在步骤S02’,能由用户指定可能的红眼区域。通常,由用户指定可能的红眼区域是一种防止人脸漏检误检的补充方式,能够简化判断的难度、提高准确度。但为了避免用户恶意指定,在后续步骤中,还进一步对用户指定的可能的红眼区域,是否位于人脸区域进行判断(如步骤S03’),确定在脸部则再进入后面的操作。
在步骤S03’,进行脸部区域判定。在检测到的肤色区域上由用户指定可能的眼睛区域后再做该脸部区域的判定。对包含用户指定的该可能的红眼区域的肤色区域处理,若无任何肤色区域包含用户指定的可能的红眼区域(如孤立的红灯笼),则脸部区域判定未通过(未判定检测是脸部区域),可判断为非法操作,后续不处理(如:半自动红眼检测模式的处理流程结束);否则对该肤色区域进行形态学闭运算,并使用户指定的红眼区域被并入肤色区域中。
在步骤S04’,对脸部皮肤的像素点,进行红色点检测以及红色概率计算。后续统计A分量、求红色概率值、判断绝对红色点与自动处理方式相同(如自动红眼检测模式的步骤S04)。
根据步骤S04’的绝对红色点检测和每个像素点的红色概率计算,步骤S02’中用户指定可能出现红眼的区域(可能的红眼区域),在红眼区域判定的步骤S05,进行如自动红眼检测模式的步骤S05的处理。
如果判定出若干红眼区域,在步骤S06,进行红眼修正,其处理方式如自动红眼检测模式的步骤S06。
本申请的红眼检测(校正)系统的结构如图4所示。系统整体上包括对预处理图像进行肤色区域检测的肤色检测模块401,对预处理图像进行脸部区域检测的脸部检测模块402,眼睛区域确定模块403,对检测到的所述脸部区域中的像素点,进行红色点检测以确定绝对红色点,根据所述绝对红色点获得一个或多个候选红眼区域的红色素计算模块404、根据所述一个或多个候选红眼区域,进行红眼区域判定,获得绝对红眼区域的红眼区域判定模块405,红眼修正模块406。
肤色检测模块401和脸部检测模块402(图2自动模式或图3用指定可能的红眼位置的半自动模式)缩小范围,找到要进行红眼检测和校正图像位置。通过眼睛区域确定模块403实现眼睛的检测(如图2所示自动模式)或者指定可能的红眼位置(如图3所示半自动模式),进一步缩小进行红眼检测和校正的位置。通过红色素计算模块404对脸部区域内的红色点进行检测并计算每个像素为红色的概率(即红色点检测和红色概率计算)。通过红眼区域判定模块405实现根据得到的计算结果,结合眼睛的位置(眼睛区域确定模块403,完成是否红眼的判定。红眼修正模块406实现对判定的红眼进行校正。
红色素计算模块404,对检测到的所述脸部区域的像素点,进行红色点检测以确定绝对红色点,并根据所述绝对红色点获得备选的一个或多个红眼区域;红眼区域判定模块405,根据所述备选的一个或多个候选红眼区域,进行红眼区域判定,以确定红眼区域;红眼修正模块406,根据判定并确定的所述红眼区域,进行红眼的修正。
肤色区域检测模块401,对预处理图像进行肤色区域检测以确定图像中的肤色所在位置(区域)。
脸部区域检测模块402,根据检测到的所述肤色区域进行脸部区域检测或者直接对预处理图像的脸部区域/脸部位置进行检测。其可以根据检测的肤色所在位置检测脸部位置(上述自动模式),或者,根据检测的肤色所在位置由用户指定的可能、图像中可能出现红眼区域的眼睛位置,再判定脸部区域以确定脸部位置(上述半自动模式)。可采用事先训练得到的正面人脸检测器对候选肤色区域进行人的脸部区域检测。
眼部确定模块403,如自动模式,根据检测所述脸部区域进行眼睛区域的检测,以确定所述脸部区域的眼睛位置,即由脸部位置检测眼睛所在位置,比如,可采用事先训练得到的眼睛检测器对人脸区域进行双眼检测。
除了自动检测眼睛位置外,还可以用半自动模式,由用户指定图像中可能出现的红眼区域所在眼睛位置。
红色素计算模块404,对脸部位置的像素进行红色像素检测并计算每个像素的红色概率值,以确定绝对红色点,从而获得一个或多个候选红眼区域。该模块404是对绝对红色点进行检测,并且,采用形态学的闭运算对肤色区域进行处理,将可能成为红眼区域的脸部区域、或者用户指定的可能的红眼区域,并入到肤色区域;对脸部区域的肤色区域的每个像素点,统计其A分量的最大及最小值,对每个像素点计算归一化的红色分量作为红色概率值;判断其A分量与L分量、B分量的大小关系,并且红色概率值超过设定的阈值T,则判断其为绝对红色点。(参见上述自动模式和半自动模式的红色点计算检测过程):
对脸部区域的肤色区域的每个像素点,统计其A分量的最大Amax及最小值Amin,对每个像素点计算归一化的红色分量a作为红色概率值:
a=(A–Amin)/(Amax–Amin)
判断像素点为绝对红色点的条件为:
像素点的A分量与L分量的差值的绝对值小于第二阈值T2;
像素点的A分量与B分量的差值大于第三阈值T3;并且,
将计算的每个像素点的红色概率值a降序排列、排序在前第一阈值T1%的像素点为绝对红色点。
由绝对红色点可以规划出一个或多个备选的红眼区域。红色素计算模块404对得到的绝对红色点用n*n的结构元素进行形态学的闭运算,得到若干候选绝对红眼区域。
红眼区域判定模块405,根据红色素计算模块404获得的所述备选的一个或多个候选红眼区域,进行红眼区域判定,以确定红眼区域。其可以根据眼睛所在位置(如眼部确定模块403检测得到的眼睛位置或用户指定可能的红眼区域的眼睛位置)和红色素计算模块404的计算检测结果(确定绝对红色像素点、获得候选一个或多个红眼区域)相结合,从而判断并确定红眼区域(从候选中判定),即进行红眼区域判定,获得最佳红眼区域。
红眼修正模块406,根据判断并确定的红眼区域位置(红眼区域判定通过),进行红眼的修正。红眼修正模块406对判定通过的红眼区域搜索附近以其宽高中最大值作为边长的正方形内,设为所有像素点的红色概率值最大;该正方形区域内非绝对红色点的红色概率值大于该正方形区域内绝对红色点中的最小红色概率值时,则判断该非绝对红色点也是绝对红色点;于是,对绝对红色点的修正为,在RGB空间内,RGB颜色分量取相同值,且为修正前G、B分量的均值;对该正方形区域及其邻域内的非绝对红色点的修正为,若其N*N的结构元素的邻域内有绝对红色点,则该非绝对红色点在RGB空间内,RGB颜色分量值采用该非绝对红色点原始值与修正后的绝对红色点的RGB颜色值按位置比例进行加权修正。
上述具体红眼检测和校正方法的每个步骤还可以有相应的实现装置。
如红眼检测及校正的方法所对应的系统就可以包括:用于在LAB颜色空间里对预处理图像进行肤色区域检测的装置;用于对肤色区域进行脸部区域检测的装置,或用于由用户指定可能的红眼区域以进行脸部区域判定的装置;用于对脸部区域进行绝对红色点检测并计算每个像素的红色概率的装置;用于根据所述绝对红色点和像素的所述红色概率与用户指定可能的红眼区域、或者根据所述绝对红色点和像素的所述红色概率与检测的眼睛区域,进行红眼区域判定的装置;用于红眼区域判定通过而进行红眼修正的装置。
其中,用于对脸部区域进行绝对红色点检测并计算每个像素的红色概率的装置还具有,用于采用形态学的闭运算对肤色区域进行处理;用于对脸部区域的肤色区域的每个像素点统计其A分量的最大及最小值、对每个像素点计算归一化的红色分量作为红色概率值的装置;用于判断其A分量与L分量、B分量的大小关系,并且红色概率值超过设定的阈值T则判断其为绝对红色点的装置。
而进行红眼区域判定的装置还具有,用于对得到的绝对红色点用n*n的结构元素进行形态学的闭运算得到若干候选绝对红眼区域、结合眼睛区域检测的眼睛位置或用户指定的可能的红眼区域的眼睛位置,获得红眼区域的装置。
进行红眼修正的装置还包括,用于对判定通过的红眼区域搜索附近其宽高中最大值为边长的正方形内,所有像素点的红色概率值最大的装置;用于该正方形区域内非绝对红色点的红色概率值大于该正方形区域内绝对红色点中的最小红色概率值则判断该非绝对红色点也是绝对红色点的装置;用于对绝对红色点的修正为,在RGB空间内,RGB颜色分量取相同值,且为修正前G、B分量的均值的装置;用于对该正方形区域及其邻域内的非绝对红色点的修正为,若其N*N的结构元素的邻域内有绝对红色点,则该非绝对红色点在RGB空间内,RGB颜色分量值采用该非绝对红色点原始值与修正后的绝对红色点的RGB颜色值按位置比例进行加权修正的装置。
该系统还具有用于根据检测的脸部区域进行所述眼睛区域的检测的装置。
而进行所述眼睛区域的检测的装置还包括,用于采用事先训练得到的眼睛检测器对人脸区域进行双眼检测的装置。
而用于对肤色区域进行脸部区域检测的装置还包括,用于采用事先训练得到的正面人脸检测器对候选肤色区域进行人的脸部区域检测的装置。等等。
本申请的红眼检测及修正的系统和方法,如其步骤S01肤色区域检测期间,在保证多种肤色能通过检测的同时,最大限度的屏蔽非肤色区域;而如步骤S02人脸检测或步骤S02’用户指定可能的红眼区域,检测相对苛刻,有效剔除非人脸区域,对于漏检的人脸,用户可自行指定可能出现的红眼区域予以剔除,并不影响最终修正结果,但可避免误检造成的无法预知错误。本申请的方法和系统,通过在肤色区域内寻找到相对红色像素、通过眼睛定位寻找到的眼睛区域,双重红眼检测认证,提高了检测的准确性。在本申请的红眼检测过程中,采用肤色区域寻找候选点、“眼睛定位”辅助认证的模式,高效、准确。另外,LAB颜色空间的应用,使得在该颜色空间下,肤色阈值简单且能涵盖多种肤色状况(如黄色、白色人种),并且,在该颜色空间下,肤色区域内寻找相对红色像素的判断法则简单且准确。
本说明书中的各个实施例一般采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块或单元。一般地,程序模块或单元可以包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。一般来说,程序模块或单元可以由软件、硬件或两者的结合来实现。也可以在分布式计算环境中实践本申请,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块或单元可以位于包括存储设备在内的本地和远程计算机存储介质中。
最后,还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其主要思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (22)
1.一种红眼检测方法,其特征在于,包括:
对预处理图像进行脸部区域检测;
对检测到的所述脸部区域中的像素点,进行红色点检测以确定绝对红色点;
根据所述绝对红色点获得一个或多个候选红眼区域;
根据所述一个或多个候选红眼区域,进行红眼区域判定,获得绝对红眼区域。
2.如权利要求1所述的方法,其特征在于,进一步包括:
对判定出的绝对红眼区域进行红眼修正。
3.如权利要求1所述的方法,其特征在于,所述进行红色点检测还包括:
通过计算每个像素的红色概率来确定绝对红色点。
4.如权利要求3所述的方法,其特征在于,所述通过计算每个像素的红色概率来确定绝对红色点还包括:
在LAB颜色空间里,对脸部区域中的每个像素点,统计其A分量的最大值Amax及最小值Amin,对每个像素点计算归一化的红色分量a作为红色概率值,其中:
a=(A–Amin)/(Amax–Amin)
判断像素点为绝对红色点的条件为:
像素点的A分量与L分量的差值的绝对值小于第二阈值T2;
像素点的A分量与B分量的差值大于第三阈值T3;并且,
将计算的每个像素点的红色概率值a降序排列、排序在前第一阈值T1%的像素点为绝对红色点。
5.如权利要求1所述的方法,其特征在于,所述根据绝对红色点获得一个或多个候选红眼区域还包括:
对得到的绝对红色点用n×n的结构元素进行形态学的闭运算,得到一个或多个候选红眼区域。
6.如权利要求1所述的方法,其特征在于,所述进行红眼区域判定,获得绝对红眼区域还包括:
结合所述脸部区域的眼睛位置或用户指定的可能的红眼区域的眼睛位置,从所述一个或多个候选红眼区域中判断以获得绝对红眼区域。
7.如权利要求2所述的方法,其特征在于,所述进行红眼修正还包括:
在所述绝对红眼区域附近搜索以所述绝对红眼区域的宽高中的最大值作为边长的正方形,所述正方形区域内的所有像素点的红色概率值设为最大;
如果所述正方形区域内非绝对红色点的红色概率值大于所述正方形区域内绝对红色点中的最小红色概率值,则判断该非绝对红色点也是绝对红色点;
对绝对红色点的修正为,在RGB空间内,RGB颜色分量取相同值,且为修正前G、B分量的均值;
对该正方形区域及其邻域内的非绝对红色点的修正为,若其N*N的结构元素的邻域内有绝对红色点,则该非绝对红色点在RGB空间内,RGB颜色分量值采用该非绝对红色点原始值与N*N领域内的上述修正后的绝对红色点的RGB颜色值按位置比例进行加权修正。
8.如权利要求1所述的方法,其特征在于,进一步包括:
对预处理图像进行肤色区域检测,并对所述肤色区域进行所述脸部区域检测。
9.如权利要求1或8所述的方法,其特征在于,所述脸部区域检测还包括:
根据用户指定的可能的眼睛区域进行脸部区域检测。
10.如权利要求1所述的方法,其特征在于,所述脸部区域检测还包括:
在所述脸部区域进行眼睛区域的检测,以确定所述脸部区域中的眼睛位置。
11.如权利要求1所述的方法,其中,根据备选的一个或多个红眼区域,进行红眼区域判定还包括:
根据所述绝对红色点和检测得到的眼睛位置,或者根据确定的绝对红色点和由用户指定的可能的红眼区域的眼睛位置,进行红眼区域判定。
12.一种红眼检测系统,其特征在于,包括:
脸部区域检测模块(402),对预处理图像进行脸部区域检测;
红色素计算模块(404),对检测到的所述脸部区域中的像素点,进行红色点检测以确定绝对红色点,根据所述绝对红色点获得一个或多个候选红眼区域;
红眼区域判定模块(405),根据所述一个或多个候选红眼区域,进行红眼区域判定,获得绝对红眼区域。
13.如权利要求12所述的系统,其特征在于,进一步包括:
红眼修正模块(406),对判定出的绝对红眼区域进行红眼修正。
14.如权利要求12所述的系统,其特征在于,红色素计算模块(404)还包括:通过计算每个像素的红色概率以确定绝对红色点。
15.如权利要求14所述的系统,其特征在于,红色素计算模块(404)通过计算每个像素的红色概率以确定绝对红色点,还包括:
在LAB颜色空间里,对脸部区域中的每个像素点,统计其A分量的最大值Amax及最小值Amin,对每个像素点计算归一化的红色分量a作为红色概率值,其中:
a=(A–Amin)/(Amax–Amin)
判断像素点为绝对红色点的条件为:
像素点的A分量与L分量的差值的绝对值小于第二阈值T2;
像素点的A分量与B分量的差值大于第三阈值T3;并且,
将计算的每个像素点的红色概率值a降序排列、排序在前第一阈值T1%的像素点为绝对红色点。
16.如权利要求12所述的系统,其特征在于,红色素计算模块(404),所述根据绝对红色点获得一个或多个候选红眼区域还包括:
对得到的绝对红色点用n×n的结构元素进行形态学的闭运算,得到一个或多个候选红眼区域。
17.如权利要求12所述的系统,其特征在于,红眼区域判定模块(405)还包括:
结合所述脸部区域的眼睛位置或用户指定的可能的红眼区域的眼睛位置,从所述一个或多个候选红眼区域中判断以获得绝对红眼区域。
18.如权利要求13所述的系统,其特征在于,红眼修正模块(406),对判定出的绝对红眼区域进行红眼修正,还包括:
在所述绝对红眼区域附近搜索以所述绝对红眼区域的宽高中的最大值作为边长的正方形,所述正方形区域内的所有像素点的红色概率值设为最大;
如果所述正方形区域内非绝对红色点的红色概率值大于所述正方形区域内绝对红色点中的最小红色概率值,则判断该非绝对红色点也是绝对红色点;
对绝对红色点的修正为,在RGB空间内,RGB颜色分量取相同值,且为修正前G、B分量的均值;
对该正方形区域及其邻域内的非绝对红色点的修正为,若其N*N的结构元素的邻域内有绝对红色点,则该非绝对红色点在RGB空间内,RGB颜色分量值采用该非绝对红色点原始值与N*N领域内的上述修正后的绝对红色点的RGB颜色值按位置比例进行加权修正。
19.如权利要求12所述的系统,其特征在于,进一步包括:
肤色区域检测模块(401),对预处理图像进行肤色区域检测;
所述脸部区域检测模块(402),对预处理图像进行脸部区域检测,是对所述肤色区域进行所述脸部区域检测。
20.如权利要求12或19所述的系统,其特征在于,所述脸部区域检测模块(402)还包括:
根据用户指定的可能的眼睛区域进行脸部区域检测。
21.如权利要求12所述的系统,其特征在于,所述脸部区域检测模块(402)还包括:
在所述脸部区域进行眼睛区域的检测,以确定所述脸部区域中的眼睛位置。
22.如权利要求12所述的方法,其特征在于,红眼区域判定模块(405)还包括:
根据所述绝对红色点和检测得到的眼睛位置,或者根据确定的绝对红色点和由用户指定的可能的红眼区域的眼睛位置,进行红眼区域判定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210262561.XA CN103577791B (zh) | 2012-07-26 | 2012-07-26 | 一种红眼检测方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210262561.XA CN103577791B (zh) | 2012-07-26 | 2012-07-26 | 一种红眼检测方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103577791A true CN103577791A (zh) | 2014-02-12 |
CN103577791B CN103577791B (zh) | 2018-02-23 |
Family
ID=50049546
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210262561.XA Active CN103577791B (zh) | 2012-07-26 | 2012-07-26 | 一种红眼检测方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103577791B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107564073A (zh) * | 2017-09-14 | 2018-01-09 | 广州市百果园信息技术有限公司 | 肤色识别方法及装置、存储介质 |
CN107633485A (zh) * | 2017-08-07 | 2018-01-26 | 百度在线网络技术(北京)有限公司 | 脸部亮度调整方法、装置、设备及存储介质 |
CN110108701A (zh) * | 2019-04-22 | 2019-08-09 | 江苏大学 | 一种基于荧光比色和微流控技术的铅离子快速检测方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1731419A (zh) * | 2004-08-06 | 2006-02-08 | 佳能株式会社 | 用于在图像中检测红眼的方法、装置和存储介质 |
CN1734465A (zh) * | 2004-08-09 | 2006-02-15 | 佳能株式会社 | 用于处理图像的方法、装置和存储介质 |
CN1750017A (zh) * | 2005-09-29 | 2006-03-22 | 上海交通大学 | 基于人脸检测的红眼去除方法 |
US20070263928A1 (en) * | 2006-05-15 | 2007-11-15 | Fujifilm Corporation | Method, apparatus, and program for processing red eyes |
CN101447026A (zh) * | 2008-12-26 | 2009-06-03 | 北京中星微电子有限公司 | 一种红眼检测装置及其检测方法 |
CN101454798A (zh) * | 2006-03-30 | 2009-06-10 | 富士胶片株式会社 | 红眼检测仪器、红眼检测方法和红眼检测程序 |
CN101472067A (zh) * | 2007-12-28 | 2009-07-01 | 华晶科技股份有限公司 | 修正红眼方法 |
CN101620679A (zh) * | 2009-07-22 | 2010-01-06 | 凌阳电通科技股份有限公司 | 图像中的红眼消除方法 |
CN101968849A (zh) * | 2010-09-27 | 2011-02-09 | 杭州电子科技大学 | 一种基于3g智能手机的图片去红眼方法 |
US7903870B1 (en) * | 2006-02-24 | 2011-03-08 | Texas Instruments Incorporated | Digital camera and method |
US8170294B2 (en) * | 2006-11-10 | 2012-05-01 | DigitalOptics Corporation Europe Limited | Method of detecting redeye in a digital image |
-
2012
- 2012-07-26 CN CN201210262561.XA patent/CN103577791B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1731419A (zh) * | 2004-08-06 | 2006-02-08 | 佳能株式会社 | 用于在图像中检测红眼的方法、装置和存储介质 |
CN1734465A (zh) * | 2004-08-09 | 2006-02-15 | 佳能株式会社 | 用于处理图像的方法、装置和存储介质 |
CN1750017A (zh) * | 2005-09-29 | 2006-03-22 | 上海交通大学 | 基于人脸检测的红眼去除方法 |
US7903870B1 (en) * | 2006-02-24 | 2011-03-08 | Texas Instruments Incorporated | Digital camera and method |
CN101454798A (zh) * | 2006-03-30 | 2009-06-10 | 富士胶片株式会社 | 红眼检测仪器、红眼检测方法和红眼检测程序 |
US20070263928A1 (en) * | 2006-05-15 | 2007-11-15 | Fujifilm Corporation | Method, apparatus, and program for processing red eyes |
US8170294B2 (en) * | 2006-11-10 | 2012-05-01 | DigitalOptics Corporation Europe Limited | Method of detecting redeye in a digital image |
CN101472067A (zh) * | 2007-12-28 | 2009-07-01 | 华晶科技股份有限公司 | 修正红眼方法 |
CN101447026A (zh) * | 2008-12-26 | 2009-06-03 | 北京中星微电子有限公司 | 一种红眼检测装置及其检测方法 |
CN101620679A (zh) * | 2009-07-22 | 2010-01-06 | 凌阳电通科技股份有限公司 | 图像中的红眼消除方法 |
CN101968849A (zh) * | 2010-09-27 | 2011-02-09 | 杭州电子科技大学 | 一种基于3g智能手机的图片去红眼方法 |
Non-Patent Citations (2)
Title |
---|
蒋大星: "基于人脸检测的自动红眼消除算法研究", 《万方硕士学位论文数据库西安电子科技大学》 * |
路明等: "一种自动红眼消除方法", 《电路与系统学报》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107633485A (zh) * | 2017-08-07 | 2018-01-26 | 百度在线网络技术(北京)有限公司 | 脸部亮度调整方法、装置、设备及存储介质 |
CN107564073A (zh) * | 2017-09-14 | 2018-01-09 | 广州市百果园信息技术有限公司 | 肤色识别方法及装置、存储介质 |
US11348365B2 (en) | 2017-09-14 | 2022-05-31 | Bigo Technology Pte. Ltd. | Skin color identification method, skin color identification apparatus and storage medium |
CN110108701A (zh) * | 2019-04-22 | 2019-08-09 | 江苏大学 | 一种基于荧光比色和微流控技术的铅离子快速检测方法 |
CN110108701B (zh) * | 2019-04-22 | 2021-08-03 | 江苏大学 | 一种基于荧光比色和微流控技术的铅离子快速检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103577791B (zh) | 2018-02-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101640998B1 (ko) | 화상 처리 장치 및 화상 처리 방법 | |
CN103632136B (zh) | 人眼定位方法和装置 | |
US8498449B2 (en) | Eye detecting device, eye detecting method, and program | |
CN107871117A (zh) | 用于检测对象的设备和方法 | |
CN105426828B (zh) | 人脸检测方法、装置及系统 | |
US20170091520A1 (en) | Line-of-sight detection method and device | |
CN105069453B (zh) | 一种图像校正方法及装置 | |
US9767387B2 (en) | Predicting accuracy of object recognition in a stitched image | |
US20190011263A1 (en) | Method and apparatus for determining spacecraft attitude by tracking stars | |
CN105117705B (zh) | 一种虹膜图像质量级联式评价方法 | |
EP2881891A2 (en) | Image processing device and image processing method | |
CN105205437B (zh) | 基于头部轮廓验证的侧脸检测方法及装置 | |
CN108629378A (zh) | 图像识别方法和设备 | |
CN103093180A (zh) | 一种色情图像侦测的方法和系统 | |
CN109919002A (zh) | 黄色禁停线识别方法、装置、计算机设备及存储介质 | |
Xu et al. | Salient object detection from distinctive features in low contrast images | |
CN103577791A (zh) | 一种红眼检测方法和系统 | |
EP3961495A1 (en) | System and method for finding an area of an eye from a facial image | |
CN107784300A (zh) | 防闭眼拍照方法及其系统 | |
Das et al. | Human face detection in color images using HSV color histogram and WLD | |
US7912293B2 (en) | Image processing system and image judgment method and program | |
CN110037651A (zh) | 眼底图像的质量控制方法及装置 | |
CN109960990B (zh) | 障碍物侦测可信度评估方法 | |
CN103530595A (zh) | 检测眼睛状态的方法和设备 | |
Chen et al. | A computational efficient iris extraction approach in unconstrained environments |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 1193211 Country of ref document: HK |
|
GR01 | Patent grant | ||
GR01 | Patent grant | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: GR Ref document number: 1193211 Country of ref document: HK |