CN1734465A - 用于处理图像的方法、装置和存储介质 - Google Patents
用于处理图像的方法、装置和存储介质 Download PDFInfo
- Publication number
- CN1734465A CN1734465A CNA2004100551689A CN200410055168A CN1734465A CN 1734465 A CN1734465 A CN 1734465A CN A2004100551689 A CNA2004100551689 A CN A2004100551689A CN 200410055168 A CN200410055168 A CN 200410055168A CN 1734465 A CN1734465 A CN 1734465A
- Authority
- CN
- China
- Prior art keywords
- candidate
- region
- red eye
- eye region
- width
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/18—Eye characteristics, e.g. of the iris
- G06V40/193—Preprocessing; Feature extraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20132—Image cropping
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30216—Redeye defect
Abstract
本发明提供一种处理图像的方法,其特征在于包括步骤:在所述图像中识别人脸区域;在所述人脸区域中识别候选红眼区域;选择一个至少部分覆盖所述红眼区域并具有与所述人脸区域相同取向的几何图形;为所述几何图形计算至少一个特征值;基于所述至少一个特征值对所述候选红眼区域进行分类。仅在脸部图像中基于形状对红眼进行检测。提高了检测的速度和精度。
Description
技术领域
本发明涉及图像处理,尤其涉及在其中检测红眼的图像处理方法、装置和存储介质。
背景技术
红眼是人的瞳孔周围不自然红色调现象。其通常是由血管反射闪光造成的。目前,有很多识别红眼的方法。
在识别红眼的现存方法中,首先在数字图像中识别候选红眼区域,然后再进行进一步检测或计算以确定候选红眼区域是否是红眼。通常,用颜色而不是依据形状来检测红眼。有时候,在图像中会有一些类似红眼的区域,因此仅基于颜色的检测方法将产生很多假红眼。在这种情况下,基于颜色的检测方法的精确度不高。
发明内容
本发明的目的是提供在其中用形状检测红眼的图像处理方法、装置和存储介质。
为了达到以上目的,本发明提供一种处理图像的方法,其特征在于包括步骤:
在所述图像中识别人脸区域;
在所述人脸区域中识别候选红眼区域;
选择一个至少部分地覆盖所述候选红眼区域并具有与所述人脸区域相同取向的几何图形;
计算所述几何图形的至少一个特征值;
基于所述至少一个特征值,对所述候选红眼区域进行分类。
本发明还提供一种用于处理图像的装置,其特征在于包括:
人脸区域识别电路,用于在所述图像中识别人脸区域;
候选区识别电路,用于在所述人脸区域中识别候选红眼区域;
几何图形选择器,用于选择至少部分地覆盖所述红眼区域并具有与所述人脸区域相同取向的几何图形;
计算器,用于计算所述几何图形的至少一个特征值;
分类器,用于基于所述至少一个特征值,对所述候选红眼区域进行分类。
本发明还提供一种编有用于处理图像的机器可读计算机程序代码的存储介质,该存储介质包括使处理器实现根据本发明方法的指令。
根据本发明的方法、装置和存储介质,基于至少部分地覆盖所述红眼区域并具有与所述人脸区域相同取向的几何图形的形状,检测红眼。并且仅在已经在图像中检测到的人脸区域中检测红眼,而不是在整个图像中检测红眼。既提高了检测红眼的速度又提高了精确度。
另外,本发明的方法能够容易地与各种识别候选红眼区域的常规方法结合起来以适应不同的情况。
结合附图,本发明的其他特点和优点,可从下面通过举例来对本发明的原理进行解释的优选实施例的说明中变得更为清楚。
附图说明
图1是根据本发明实施例的图像处理方法的流程图;
图2示意性地说明实施例的基本原理;
图3是根据本发明另一个实施例的处理图像的装置的框图;
图4A、图4B和图4C示出候选红眼区域的例子;
图5A、图5B和图5C示出候选红眼区域的另一个例子;
图6示意性地示出一种可在其中实现图1所示方法的图像处理系统;
图7示出在图像中识别眼区的一个示例方法;
图8示出在图像中识别人脸矩形的一个示例方法;
图9示出在图像中识别候选红眼区域的一个示例方法。
具体实施方式
在下面的说明中,关于如何识别候选人脸区域,如何在人脸中识别眼区,可参考中国专利申请第00127067.2号(由同一申请人于2000年9月15日提出申请)、中国专利申请第01132807.X号(由同一申请人于2001年9月6日提出申请)、中国专利申请第02155468.4号(由同一申请人于2002年12月13日提出申请)、中国专利申请第02160016.3号(由同一申请人于2002年12月30日提出申请)、中国专利申请第03137345.3号(由同一申请人于2003年6月18日提出申请)等等。这些申请在此用于参考。然而,这些申请中公开的识别候选人脸区域的方法、识别眼区的方法并不对本发明构成限制。任何在图像中识别候选人脸区域或识别眼区的常规方法都可以在本发明中使用。
图7示出在图像中识别眼区的一个示例方法。该方法开始于步骤701。然后,在步骤702,将图像的每一列分割为多个间隔段。
在步骤703中,将邻近列中的谷区列合以便生成候选眼区。然后,在步骤704,确定每个候选眼区是真眼区还是假眼区。
图8示出在图像中识别人脸矩形的一个示例方法。该方法开始于步骤801。然后,在步骤802,在图像中识别两个眼区,并且基于两个眼区,识别一个候选人脸矩形。
在步骤803,设置一个围绕候选人脸矩形的环形区域。在步骤804,计算环形区域每个像素的灰度梯度。在步骤805,计算环形区域每个像素的参考梯度。在步骤806,计算环形区域全部像素的灰度梯度和相应的参考梯度的角度平均值。在步骤807,判断平均角度是否小于第二阈值。如果步骤807的判断为“否”,则处理转到步骤810;否则,转到步骤808。
在步骤808,判断加权平均角度是否小于第三阈值。如果步骤808的判断为“否”,则处理转到步骤810;否则转到步骤809。
在步骤809,将候选人脸矩形分类为人脸矩形(即,真人脸)。在步骤810,将候选人脸矩形分类为假人脸矩形(即,假人脸)。
处理结束于步骤811。
对图7、图8中所示方法的更多说明,可以参考中国专利申请第01132807.X号。
图9示出在图像中识别候选红眼区域的一个示例方法。该方法开始于步骤901。然后在步骤902,识别图像中的一个眼区。
在步骤903,在该眼区识别第一数目的候选红眼区域。为了在眼区中识别候选红眼区域,考虑眼区中像素的特征值。例如,在步骤903,考虑眼区中像素的颜色变化,或纹理,或颜色变化和纹理的组合。
在步骤904,使第一数目候选红眼区域缩小。结果,得到第二数目的候选红眼区域。
根据缩小处理,估算在每一个第一数目候选红眼区域中的每一个像素的至少一个特征值。如果估算的特征值不满足为红眼像素设定的标准,则从相应的候选红眼区域中删除被估算的像素。这样,使第一数目候选红眼区域中大多数的面积缩小。如果一个候选红眼区域中的所有像素都已删除,则该候选红眼区域就不复存在并不再被考虑。
这样,第二数目,即步骤904执行之后候选红眼区域的总数目,可能小于第一数目,即步骤904执行之前候选红眼区域的总数目。
在步骤905,使第二数目的候选红眼区域扩大。结果,获得第三数目的候选红眼区域。
在该步骤中,考虑每个第二数目的候选红眼区域的边界像素。“边界像素”指位于候选红眼区域边界的像素。如果边界像素邻近区域中的像素符合为红眼像素设定的标准,则将这些像素包括到相关的候选红眼区域中。这样,使第二数目候选红眼区域中大多数的面积增加,并且一些候选红眼区域可能不可避免地相互合并起来。这引入了步骤905的另一项功能。
步骤905的另一功能是选择性地删除合并的候选红眼区域,选择性地结合合并的候选红眼区域,或选择性地保持合并的候选红眼区域中的一个而删除其他区域。
不再考虑删除的候选红眼区域。
这样,第三数目,即步骤905执行之后候选红眼区域的总数目,可能小于第二数目,即步骤905执行之前候选红眼区域的总数。
在步骤906,选择不多于一个的候选红眼区域作为在眼区中检测到的红眼区域。
在步骤906,估算第三数目候选红眼区域中像素的多个特征值。基于估算的结果,删除大部分第三数目候选红眼区域。然后给左边候选红眼区域打分,并且只进一步考虑具有最高分的候选红眼区域。如果唯一的具有最高分的候选红眼区域满足标准,则将其选择作为当前眼区中检测到的红眼区域。否则,在当前眼区中未检测到红眼区域。
在步骤907,该处理结束。
对图9中示出的方法的更多说明,可以参考中国专利申请第200310116034.9号。
图1是根据本发明实施例的图像处理方法的流程图。
如图1所示,处理开始于步骤101。然后,在步骤102,在将被处理的图像中识别人脸区域。然后,在步骤103,在人脸区域中识别候选红眼区域。在图像中识别人脸区域的不同方法和在人脸区域中识别候选红眼区域的不同方法对本发明不构成限制。
然后,在步骤104,为候选红眼区域选择一个外接矩形。由于候选红眼区域的形状是不确定的,因此理论上可以有无限多个候选红眼区域的外接矩形。在步骤104,在这些无限的外接矩形中,只选择一个。所选择的外接矩形的四边中的一边与人脸区域四边中的一边平行。
在步骤105,为所选择的外接矩形计算至少一个特征值。例如,该至少一个特征值包括任何一个或多个以下值。
(1)外接矩形的宽度(W1);
(2)外接矩形的高度(H1);
(3)外接矩形的宽高比,将其定义为AR=W1/H1;
(4)外接矩形的面积,将其定义为A1=W1*H1;
(5)外接矩形的面积比,将其定义为F1=(候选红眼区域的面积)/A1。
以上特征值仅是例子。除了以上特征值外,在本发明中也可考虑其他的值。被选择的外接矩形的不同种类特征值、所选择的外接矩形的不同取向和人脸区域的不同形状对本发明不够成限制。
然后,在步骤106,判断外接矩形的宽高比(即,AR)是否在第一范围中。例如,第一范围为(1/3,3)。如果步骤106的结果为“否”,则处理转到步骤111;否则转到步骤107。
在步骤107,判断外接矩形的面积比(即,F1)是否大于第一预定值。例如,第一预定值为0.5。如果步骤107的结果为“否”,则处理转到步骤111,否则转到步骤108。
在步骤108,判断外接矩形的宽度(即,W1)和高度(即,H1)是否小于瞳孔的宽度。例如,可将瞳孔的宽度定义为人脸区域宽度的1/5。在此,可将人脸区域的宽度定义为人脸区域的宽度和人脸区域高度的最小值。如果步骤108的结果为“否”,则处理转到步骤111;否则处理转到步骤109。
在步骤109,判断外接矩形的面积(即,A1)是否小于瞳孔面积乘以第二预定值。例如,第二预定值为0.35,并且可将瞳孔的面积定义为瞳孔宽度的平方。如果步骤109的结果为“否”,则处理转到步骤111;否则转到步骤110。
包括在图1中的虚线框中的判断框106、107、108和109的组合仅是一个例子。在图1中,可使用框106、107、108和109的任何组合,并且甚至也可使用在框106、107、108和109中的单个框。因此,如图1所示的框106、107、108和109的组合对本发明不构成限制。此外,图1中的虚线框中也可包括有关其他值的判断框。
在步骤111,将候选红眼区域分类为假红眼,或很可能是假红眼的候选区。
在步骤110,将候选红眼区域分类为真红眼,或很可能是真红眼的候选区。
步骤111和110之后是步骤112。
在步骤112,处理结束。
除了候选红眼区域的外接矩形以外,还可在步骤105选择其他至少部分地覆盖红眼区域并具有与所述人脸区域相同取向的几何图形,并且可在步骤105计算这些其他几何图形相应的特征值。
例如,这种其他几何图形之一可以是候选红眼区域的外接矩形的内接椭圆。为了识别这种内接椭圆,可以采取以下步骤。
首先,在人脸区域的坐标系中,获得包括在候选红眼区域中所有像素的最大X坐标(max_x)、最小X坐标(min_x)、最大Y坐标(max_y)、和最小Y坐标(min_y)。
其次,令椭圆中心为[(max_x+min_x)/2,(max_y+min_y)/2];令椭圆的长轴为(max_x-min_x+1)/2;以及令椭圆的短轴为(max_y-min_y+1)/2。
然后构造椭圆。
椭圆特征值可包括椭圆的长轴与短轴的比。如果长轴和短轴的比在第一范围1/3到3之外,则将候选红眼区域分类为假红眼,或很可能是假红眼的候选区。
椭圆的特征值也可以包括椭圆的面积比。如果面积比小于第一预定值,则将候选红眼区域分类为假红眼,或很可能是假红眼的候选区。面积比是既包括在候选红眼区域又包括椭圆中的像素个数与椭圆面积的比。第一预定值为0.5。
椭圆的特征值也可包括椭圆的长轴和椭圆的短轴。如果椭圆的长轴大于瞳孔的宽度,则将候选红眼区域分类为假红眼,或很可能是假红眼的候选区。并且,如果椭圆的短轴大于瞳孔的宽度,则将候选红眼区域分类为假红眼,或很可能是假红眼的候选区。瞳孔的宽度为人脸区域宽度和人脸区域高度最小值的五分之一。
椭圆的特征值也可以包括椭圆的面积。如果椭圆的面积小于瞳孔的面积乘以第二预定值,则将候选红眼区域分类为假红眼,或很可能是假红眼的候选区。第二预定值为0.3。瞳孔的面积为瞳孔宽度的平方。瞳孔宽度为人脸区域宽度和人脸区域高度最小值的五分之一。
图2示意性地示出本实施例的基本原理。
如图2所示,参考标号201表示人脸区域,参考标号202表示候选红眼区域,参考标号203表示候选红眼区域202的外接矩形,参考标号204表示候选红眼区域的另一个外接矩形。
以下参考图1和图2描述本实施例的基本原理。
最初,在将被处理的图像中识别人脸区域201。
然后,例如,在人脸区域201中识别候选红眼区域202。可以有多个可能在人脸区域201中识别的候选红眼区域202。图2示出的只是一个例子。
候选红眼区域202有多个外接矩形,包括外接矩形203和204。在这些外接矩形中,只有一个特定外接矩形与人脸区域201取向相同。也就是说,如果人脸区域201是矩形,那么只有一个一边与人脸区域201一边平行的特定外接矩形。图2中,此特定外接矩形表示为203。本发明中选择此特定外接矩形以便进一步处理。
如图2所示,将人脸区域201的宽度表示为W。将人脸区域201的高度表示为H。为简单起见,当然可将人脸区域201的宽度定义为W和H的最小值。
将外接矩形203的宽度表示为W1。将外接矩形203的高度表示为H1。将外接矩形203的宽高比定义为W1/H1。将外接矩形203的面积定义为W1×H1。将外接矩形203的面积比定义为候选红眼区域202的面积在外接矩形203中的百分比,即(候选红眼区域202的面积)/(W1×H1)。
根据本发明计算外接矩形203的以上特征值和任何其他的特征值。
基于外接矩形203的一个或多个计算出的特征值,将候选红眼区域202分类为假红眼,或很可能是假红眼的候选区,真红眼,或很可能是真红眼的候选区。
图3是根据本发明另一个实施例的图像处理装置的框图。
在图3中,参考标号301表示人脸区域识别电路,参考标号302表示候选区识别电路,参考标号303表示几何图形选择器,参考标号304表示特征值计算器,参考标号305表示分类器。
人脸区域识别电路301,接收将被处理的图像,并且在接收到的图像中识别人脸区域。候选区识别电路302在人脸区域识别电路301所输出的人脸区域中识别候选红眼区域。几何图形选择器303选择一个至少部分地覆盖所述红眼区域并具有与人脸区域相同取向的几何图形。
特征值计算器304为几何图形选择器303选择的几何图形计算至少一个特征值。这里,至少一个特征值具有与参考图1和参考图2的描述相同的含义。
如果几何图形是候选红眼区域的外接矩形,则特征值计算器304计算任何一个或多个以下值:
(1)外接矩形的宽度(W1);
(2)外接矩形的高度(H1);
(3)外接矩形的宽高比,将其定义为AR=W1/H1;
(4)外接矩形的面积,将其定义为A1=W1*H1;
(5)外接矩形的面积比,将其定义为F1=(候选红眼区域的面积)/A1。
如果几何图形是候选红眼区域的外接矩形的内接椭圆,则特征值计算器304计算任何一个或多个以下值:
(1)内接椭圆的长轴(Xaxis);
(2)内接椭圆的短轴(Yaxis);
(3)内接椭圆的长轴与短轴的比,将其定义为Xaxis/Yaxis;
(4)内接椭圆的面积(EllipseArea);
(5)内接椭圆的面积比(EllipseAreaRatio),其定义为:
(既包括在候选红眼区域又包括在椭圆中的像素个数)/EllipseArea。
以上特征值仅是例子。除了以上特征值以外,特征值计算器304也可计算其他值。为所选择外接矩形计算的不同种类特征值对本发明不构成限制。
基于由特征值计算器304输出的至少一个特征值,分类器305将候选区识别电路302输出的候选红眼区域分类为假红眼,或很可能是假红眼的候选区,真红眼,或很可能是真红眼的候选区。
候选红眼区域的分类条件与相对于图1的说明相同。
虽然图3示出,将候选区识别电路302已经识别的候选红眼区域输入到分类器305,但是在实践中不是必须的。这里重要的是,当分类器305从特征值计算器304接收输出(即,候选红眼区域的所选择的几何图形的特征值)时,分类器305知道将被分类的候选红眼区域。
分类器305的分类结果可用于进一步处理图像。
应该注意,特征值计算器304可以为候选红眼区域所选择的几何图形计算任何特征值,特征值计算器304输出的特征值只要足以使分类器305将候选红眼区域分类为假红眼、很可能是假红眼的候选区、真红眼、或很可能是真红眼的候选区。
图4A、图4B和图4C示出候选红眼区域的一个例子。
图4A示出原始图像。图4B示出在图4A中示出的图像中识别的候选红眼区域。在图4B中,计算以下值:
W1=35(或Xaxis=35);
H1=32(或Yaxis=32);
A1=W1×H1=1120;
W=307;
H=379;
瞳孔宽度=1/5×最小值(W,H)=61.4;
候选红眼区域面积=167;
AR=W1/H1=1.09(或Xaxis/Yaxis=1.09);
F1=(候选红眼区域的面积)/A1=0.15;
0.35×square(瞳孔宽度)=1319;
EllipseArea=879;
EllipseAreaRatio=128/879=0.15;
0.3×square(瞳孔宽度)=1130。
由以上显然可知,F1小于0.5。因此,根据本实施例将候选红眼区域401分类为假红眼。另外,由于EllipseAreaRatio小于0.5,所以根据本实施例将候选红眼区域401分类为假红眼。
也就是说,基于现有技术,将图4B中的候选红眼区域401分类为红眼。然而,如图4C所示,根据本发明没有将候选红眼区域401分类为红眼。
图5A、图5B和图5C示出候选红眼区域的另一个例子。
图5A示出原始图像。图5B示出在图5A中示出的图像中识别的候选红眼区域501。在图5B中,计算以下值:
W1=47(或Xaxis=47);
H1=42(或Yaxis=42);
A1=W1×H1=1974;
W=331;
H=411;
瞳孔宽度=1/5×最小值(W,H)=66.2;
候选红眼区域的面积=1111;
AR=W1/H1=1.12(或Xaxis/Yaxis=1.12);
F1=(候选红眼区域的面积)/A1=0.56;
0.35×square(瞳孔宽度)=1533;
EllipseArea=1550;
EllipseAreaRatio=1028/1550=0.66;
0.3×square(瞳孔宽度)=1341。
由以上显然得知,A1大于0.35×square(瞳孔宽度)。因此根据本实施例将候选红眼区域501分类为假红眼。另外,由于EllipseArea大于0.3×square(瞳孔宽度),因此根据本实施例将候选红眼区域501分类为假红眼。
也就是说,基于现有技术,将图5B中的候选红眼区域501分类为红眼。然而,如图5C所示,根据本实施例,没有将候选红眼区域501分类为红眼。
图6示意性地示出一种在其中实现图1方法的图像处理系统。图6中的图像处理系统包括CPU(中央处理器)601、RAM(随机存取存储器)602、ROM(只读存储器)603、系统总线604、HD(硬盘)控制器605、键盘控制器606、串行接口控制器607、并行接口控制器608、显示控制器609、硬盘610、键盘611、照相机612、打印机613和显示器614。在这些部件中,与系统总线604相连的有CPU 601、RAM 602、ROM 603、HD控制器605、键盘控制器606、串行接口控制器607、并行接口控制器608和显示控制器609。硬盘610与HD控制器605相连,并且键盘611与键盘控制器606相连,照相机612与串行端口控制器607相连,打印机613与并行接口控制器608相连,以及显示器614与显示器控制器609相连。
图6中每个部件的功能在本技术领域内都是众所周知的,并且图6所示的体系结构也是常规的。这种体系结构不仅适用于个人计算机,而且适用于手持设备,诸如Palm PC、PDA(个人数据助理)、数码相机等等。在不同的应用中,可省略图6中所示的某些部件。例如,如果整个系统是数码相机,则可省略并行接口控制器608和打印机613,并且该系统可由单片机实现。如果应用软件存储在EPROM或其他非易失性存储器中,则可省略HD控制器605和硬盘610。
图6中所示的整个系统由通常作为软件存储在硬盘610中(或如上所述,在EPROM或其他非易失性存储器中)的计算机可读指令控制。软件也可从网络(图中未示出)下载。能够将存储在硬盘610的或从网络下载的软件加载到RAM 602中,并由CPU 601执行,以便实现由软件限定的功能。
在图1所示的流程图基础上,本技术领域的技术人员无需创造性工作即可开发出一个或更多的软件。这样开发出的软件将执行图1所示的处理图像的方法。
在某种意义上,图6所示的图像处理系统,如果得到根据图1所示流程图开发出的软件的支持,则可实现与图3所示图像处理装置相同的功能。
本发明还提供一种编有用于处理图像的机器可读计算机程序的存储介质,该存储介质包括使处理器实现根据本发明方法的指令。存储介质可为任何有形媒介,例如软盘、CD-ROM、硬盘驱动器(例如,图6中的硬盘610)。
虽然前面参照了本发明的特定实施方式,但是本领域技术人员应当理解,这些仅是举例说明,可对这些实施方式作许多改变而不脱离本发明的原理,本发明的范围由所附权利要求限定。
Claims (18)
1.一种处理图像的方法,其特征在于包括以下步骤:
在所述图像中识别人脸区域;
在所述人脸区域中识别候选红眼区域;
选择一个至少部分地覆盖所述红眼区域并具有与所述人脸区域相同取向的几何图形;
计算所述几何图形的至少一个特征值;
基于所述至少一个特征值对所述候选红眼区域进行分类。
2.根据权利要求1的处理图像的方法,其特征在于所述几何图形是所述候选红眼区域的外接矩形。
3.根据权利要求2的处理图像的方法,其特征在于所述至少一个特征值包括所述外接矩形的宽高比,并且如果所述宽高比在第一范围之外,则将所述候选红眼区域分类为假红眼,或很可能是假红眼的候选区。
4.根据权利要求2的处理图像的方法,其特征在于所述至少一个特征值包括所述外接矩形的面积比,并且如果所述面积比小于第一预定值,则将所述候选红眼区域分类为假红眼,或很可能是假红眼的候选区。
5.根据权利要求2的处理图像的方法,其特征在于所述至少一个特征值包括所述外接矩形的宽度和所述外接矩形的高度,如果所述外接矩形的所述宽度大于瞳孔宽度,则将所述候选红眼区域分类为假红眼,或很可能是假红眼的候选区,并且如果所述外接矩形的所述高度大于所述瞳孔的所述宽度,则将所述候选红眼区域分类为假红眼,或很可能是假红眼的候选区。
6.根据权利要求5的处理图像的方法,其特征在于所述瞳孔的所述宽度为所述人脸区域的宽度和所述人脸区域的高度中的最小值的五分之一。
7.根据权利要求2的处理图像的方法,其特征在于所述至少一个特征值包括所述外接矩形的面积,并且如果所述外接矩形的所述面积小于第二预定值乘以瞳孔的面积,则将所述候选红眼区域分类为假红眼,或很可能是假红眼的候选区。
8.根据权利要求1的处理图像的方法,其特征在于所述几何图形是所述候选红眼区域外接矩形的内接椭圆。
9.根据权利要求8的处理图像的方法,其特征在于所述至少一个特征值包括所述内接椭圆的长轴和短轴的比,并且如果长轴和短轴的所述比在第一范围之外,则将所述候选红眼区域分类为假红眼,或很可能是假红眼的候选区。
10.根据权利要求8的处理图像的方法,其特征在于所述至少一个特征值包括所述内接椭圆的面积比,并且如果所述面积比小于第一预定值,则将所述候选红眼区域分类为假红眼,或很可能是假红眼的候选区。
11.根据权利要求8的处理图像的方法,其特征在于所述至少一个特征值包括所述内接椭圆的长轴和所述内接椭圆的短轴,并且如果所述内接椭圆的所述长轴大于瞳孔的宽度,则将所述候选红眼区域分类为假红眼,或很可能是假红眼的候选区,并且如果所述内接椭圆的所述短轴大于所述瞳孔的所述宽度,则将所述候选红眼区域分类为假红眼,或很可能是假红眼的候选区。
12.根据权利要求11的处理图像的方法,其特征在于所述瞳孔的所述宽度是所述人脸区域的宽度和所述人脸区域的高度中的最小值的五分之一。
13.根据权利要求8的处理图像的方法,其特征在于所述至少一个特征值包括所述内接椭圆的面积,并且如果所述内接椭圆的所述面积小于瞳孔的面积乘以第二预定值,则将所述候选红眼区域分类为假红眼,或很可能是假红眼的候选区。
14.一种处理图像的装置,其特征在于包括:
人脸区域识别电路,用于在所述图像中识别人脸区域;
候选区识别电路,用于在所述人脸区域中识别候选红眼区域;
几何图形选择器,用于选择一个至少部分地覆盖所述红眼区域并具有与所述人脸区域相同取向的几何图形;
计算器,用于计算所述几何图形的至少一个特征值;
分类器,用于基于所述至少一个特征值对所述候选红眼区域进行分类。
15.根据权利要求14的处理图像的装置,其特征在于所述几何图形是所述候选红眼区域的外接矩形。
16.根据权利要求15的处理图像的装置,其特征在于所述计算器计算所述外接矩形的宽高比,并且如果所述宽高比在第一范围之外,则所述分类器将所述候选红眼区域分类为假红眼,或很可能是假红眼的候选区。
17.根据权利要求14的处理图像的装置,其特征在于所述几何图形是所述候选红眼区域的外接矩形的内接椭圆。
18.一种编有处理图像的机器可读计算机程序代码的存储介质,该存储介质包括用于使处理器实现根据权利要求1到13中任何一项的方法的指令。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2004100551689A CN100377163C (zh) | 2004-08-09 | 2004-08-09 | 用于处理图像的方法和装置 |
US11/190,006 US20060029263A1 (en) | 2004-08-09 | 2005-07-27 | Method, apparatus and storage medium for processing an image |
JP2005231074A JP2006072993A (ja) | 2004-08-09 | 2005-08-09 | 画像を処理する方法、装置、及び記憶媒体 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2004100551689A CN100377163C (zh) | 2004-08-09 | 2004-08-09 | 用于处理图像的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1734465A true CN1734465A (zh) | 2006-02-15 |
CN100377163C CN100377163C (zh) | 2008-03-26 |
Family
ID=35757446
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB2004100551689A Expired - Fee Related CN100377163C (zh) | 2004-08-09 | 2004-08-09 | 用于处理图像的方法和装置 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20060029263A1 (zh) |
JP (1) | JP2006072993A (zh) |
CN (1) | CN100377163C (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103577791A (zh) * | 2012-07-26 | 2014-02-12 | 阿里巴巴集团控股有限公司 | 一种红眼检测方法和系统 |
CN109903294A (zh) * | 2019-01-25 | 2019-06-18 | 北京三快在线科技有限公司 | 图像处理方法、装置、电子设备及可读存储介质 |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7630006B2 (en) | 1997-10-09 | 2009-12-08 | Fotonation Ireland Limited | Detecting red eye filter and apparatus using meta-data |
US9412007B2 (en) * | 2003-08-05 | 2016-08-09 | Fotonation Limited | Partial face detector red-eye filter method and apparatus |
US8125526B2 (en) * | 2006-02-03 | 2012-02-28 | Olympus Imaging Corp. | Camera for selecting an image from a plurality of images based on a face portion and contour of a subject in the image |
US8300927B2 (en) * | 2010-02-11 | 2012-10-30 | Seiko Epson Corporation | Mouth removal method for red-eye detection and correction |
CN109242874B (zh) * | 2018-09-26 | 2022-02-15 | 广东工业大学 | 一种准编织袋物流包裹快速识别方法及系统 |
CN113031269B (zh) * | 2021-03-08 | 2022-09-20 | 北京正远展览展示有限公司 | 一种vr显示防眩晕调节系统 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6252976B1 (en) * | 1997-08-29 | 2001-06-26 | Eastman Kodak Company | Computer program product for redeye detection |
US6965684B2 (en) * | 2000-09-15 | 2005-11-15 | Canon Kabushiki Kaisha | Image processing methods and apparatus for detecting human eyes, human face, and other objects in an image |
US6895112B2 (en) * | 2001-02-13 | 2005-05-17 | Microsoft Corporation | Red-eye detection based on red region detection with eye confirmation |
EP1293933A1 (de) * | 2001-09-03 | 2003-03-19 | Agfa-Gevaert AG | Verfahren zum automatischen Erkennen von rote-Augen-Defekten in fotografischen Bilddaten |
US7239726B2 (en) * | 2001-12-12 | 2007-07-03 | Sony Corporation | System and method for effectively extracting facial feature information |
US7289664B2 (en) * | 2002-01-17 | 2007-10-30 | Fujifilm Corporation | Method of detecting and correcting the red eye |
US7155058B2 (en) * | 2002-04-24 | 2006-12-26 | Hewlett-Packard Development Company, L.P. | System and method for automatically detecting and correcting red eye |
US7116820B2 (en) * | 2003-04-28 | 2006-10-03 | Hewlett-Packard Development Company, Lp. | Detecting and correcting red-eye in a digital image |
-
2004
- 2004-08-09 CN CNB2004100551689A patent/CN100377163C/zh not_active Expired - Fee Related
-
2005
- 2005-07-27 US US11/190,006 patent/US20060029263A1/en not_active Abandoned
- 2005-08-09 JP JP2005231074A patent/JP2006072993A/ja active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103577791A (zh) * | 2012-07-26 | 2014-02-12 | 阿里巴巴集团控股有限公司 | 一种红眼检测方法和系统 |
CN109903294A (zh) * | 2019-01-25 | 2019-06-18 | 北京三快在线科技有限公司 | 图像处理方法、装置、电子设备及可读存储介质 |
CN109903294B (zh) * | 2019-01-25 | 2020-05-29 | 北京三快在线科技有限公司 | 图像处理方法、装置、电子设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN100377163C (zh) | 2008-03-26 |
US20060029263A1 (en) | 2006-02-09 |
JP2006072993A (ja) | 2006-03-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100345160C (zh) | 一种控制平均亮度的直方图均衡方法 | |
CN1258907C (zh) | 图像处理设备、图像处理方法 | |
CN1741038A (zh) | 面部中央位置检测设备、方法及程序 | |
CN1910613A (zh) | 图像中的人物候选区域抽取方法及人物候选区域抽取系统、人物候选区域抽取程序、以及人物像的上下判定方法、上下判定系统、上下判定程序 | |
CN100345159C (zh) | 图像编辑装置及图像的裁剪方法 | |
JP2009527061A5 (zh) | ||
CN1282943C (zh) | 图像处理方法及装置 | |
CN1920539A (zh) | 缺陷检测方法与缺陷检测装置 | |
CN1993708A (zh) | 图像处理设备及方法、摄像设备以及程序 | |
CN1338703A (zh) | 用于从多值图象提取划线的设备 | |
JP2010160792A (ja) | 赤目を検出する方法、コンピューター読み取り可能な媒体および画像処理装置 | |
CN101047779A (zh) | 用于创建内插帧的设备 | |
CN1195284C (zh) | 图像处理设备 | |
CN1343421A (zh) | 图像内插系统和图像内插方法 | |
CN101031029A (zh) | 一种视频图像处理的方法及其装置 | |
CN1095144C (zh) | 图像处理装置 | |
CN1734465A (zh) | 用于处理图像的方法、装置和存储介质 | |
CN101030257A (zh) | 基于汉字特征的文档图像分割方法 | |
CN1653810A (zh) | 图像角度检测装置及包含该装置的扫描线插补装置 | |
CN1874450A (zh) | 用于调节图像亮度的方法和装置 | |
CN1940993A (zh) | 图像处理装置 | |
CN1458790A (zh) | 电子水印嵌入装置及其嵌入方法和记录媒体 | |
CN1310182C (zh) | 用于增强文档图像和字符识别的方法和装置 | |
CN1578474A (zh) | 图像处理装置及使用它的图像显示装置、图像处理方法 | |
CN1477493A (zh) | 像域分离装置,图像处理装置,图像形成装置,以及程序 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20080326 Termination date: 20170809 |