ES2283579T3 - Procesamiento de imagenes para suprimir las caracteristicas de oj0 rojo. - Google Patents
Procesamiento de imagenes para suprimir las caracteristicas de oj0 rojo. Download PDFInfo
- Publication number
- ES2283579T3 ES2283579T3 ES02749101T ES02749101T ES2283579T3 ES 2283579 T3 ES2283579 T3 ES 2283579T3 ES 02749101 T ES02749101 T ES 02749101T ES 02749101 T ES02749101 T ES 02749101T ES 2283579 T3 ES2283579 T3 ES 2283579T3
- Authority
- ES
- Spain
- Prior art keywords
- red eye
- red
- region
- high brightness
- pixels
- 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.)
- Expired - Lifetime
Links
- 241000593989 Scardinius erythrophthalmus Species 0.000 title claims abstract description 176
- 238000012545 processing Methods 0.000 title claims description 7
- 238000000034 method Methods 0.000 claims abstract description 61
- 230000008859 change Effects 0.000 claims abstract description 6
- 201000005111 ocular hyperemia Diseases 0.000 claims description 175
- 230000009467 reduction Effects 0.000 claims description 39
- 238000001514 detection method Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 2
- 230000000007 visual effect Effects 0.000 claims description 2
- 210000001747 pupil Anatomy 0.000 description 17
- 238000012937 correction Methods 0.000 description 12
- 230000000630 rising effect Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 7
- 229920006395 saturated elastomer Polymers 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 241001465754 Metazoa Species 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 210000001525 retina Anatomy 0.000 description 2
- 241001085205 Prenanthella exigua Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/46—Colour picture communication systems
- H04N1/56—Processing of colour picture signals
- H04N1/60—Colour correction or control
- H04N1/62—Retouching, i.e. modification of isolated colours only or in isolated picture areas only
-
- 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
- G06T5/00—Image enhancement or restoration
- G06T5/77—Retouching; Inpainting; Scratch removal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/46—Colour picture communication systems
- H04N1/56—Processing of colour picture signals
- H04N1/60—Colour correction or control
- H04N1/62—Retouching, i.e. modification of isolated colours only or in isolated picture areas only
- H04N1/624—Red-eye correction
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- Ophthalmology & Optometry (AREA)
- General Health & Medical Sciences (AREA)
- Image Processing (AREA)
- Color Image Communication Systems (AREA)
- Image Analysis (AREA)
- Facsimile Image Signal Circuits (AREA)
Abstract
Método de detección de características de ojo rojo en una imagen digital, que comprende: examinar la saturación y luminancia de los píxeles en la imagen e identificar las regiones (2) de alta luminosidad; y determinar si cada región de alta luminosidad corresponde a una característica (1) de ojo rojo sobre la base de aplicar criterios de selección adicionales; caracterizado porque las regiones de alta luminosidad contienen píxeles que satisfacen criterios de saturación y luminancia predeterminados con respecto a píxeles en las regiones alrededor de las mismas, estando los criterios de saturación y luminancia predeterminados de manera que los píxeles en las regiones de alta luminosidad deben tener una saturación considerablemente superior o una luminancia considerablemente superior o ambas con respecto a los píxeles en las regiones alrededor de las mismas; siendo el cambio en la saturación y/o luminancia de dichas regiones de alta luminosidad a las regiones alrededor de las mismas muy brusco.
Description
Procesamiento de imágenes para suprimir las
características de ojo rojo.
Esta invención se refiere a la detección y
reducción del ojo rojo en imágenes digitales.
El fenómeno del ojo rojo en las fotografías es
bien conocido. Cuando se utiliza un flash para iluminar a una
persona (o animal), la luz a menudo se refleja directamente desde la
retina del sujeto de vuelta a la cámara. Esto provoca que los ojos
del sujeto aparezcan rojos cuando la fotografía se visualiza o se
imprime.
Las fotografías se almacenan cada vez más como
imágenes digitales, normalmente como series de píxeles, en las que
cada píxel se representa normalmente como un valor de 24 bits. El
color de cada píxel puede codificarse en el valor de 24 bits como
tres valores de 8 bits que representan la intensidad de rojo, verde
y azul para ese píxel. Como alternativa, la serie de píxeles puede
transformarse de manera que el valor de 24 bits consiste en tres
valores de 8 bits que representan la "tonalidad", la
"saturación" y la "luminancia". La tonalidad proporciona
una escala "circular" que define el color de manera que 0
representa rojo, con el color pasando a través del verde y el azul
a medida que el valor aumenta, volviendo al rojo a 255. La
saturación proporciona una medida de la intensidad del color
identificado por la tonalidad. La luminancia puede verse como una
medida de la cantidad de iluminación.
Al manipular estas imágenes digitales es posible
reducir los efectos de ojo rojo. El software que realiza esta tarea
es bien conocido y generalmente funciona alternando los píxeles de
una característica de ojo rojo de manera que se reduce su contenido
de rojo, en otras palabras, para que su tonalidad se vuelva menos
roja. En su lugar, normalmente se dejan como negro o gris
oscuro.
La mayoría del software de la reducción del ojo
rojo requiere el centro y el radio de cada característica de ojo
rojo que va a manipularse, y la manera más sencilla de proporcionar
esta información para un usuario es seleccionar el píxel central
para cada característica de ojo rojo e indicar el radio de la parte
roja. Este proceso puede realizarse para cada característica de ojo
rojo, y por lo tanto la manipulación no tiene ningún efecto en el
resto de la imagen. Sin embargo, esto requiere una considerable
entrada por parte del usuario y es difícil localizar con exactitud
el centro preciso de cada característica de ojo rojo y seleccionar
el radio correcto. Otro método común para el usuario es dibujar una
caja alrededor de la zona roja. Ésta es rectangular, haciendo
incluso más difícil marcar de manera precisa la característica.
Por lo tanto hay una necesidad de identificar
automáticamente las zonas de una imagen digital a la que debería
aplicarse la reducción del ojo rojo, de manera que la reducción del
ojo rojo pueda aplicarse sólo donde se necesite, sin la
intervención del usuario o con una intervención mínima del
usuario.
El documento
EP-A-0911759 describe un método de
detección de características de ojo rojo buscando en una imagen
píxeles que tengan una tonalidad rojo y marcando estos píxeles
utilizando una máscara binaria. Entonces una región de la pupila se
identificará a partir de los píxeles marcados como rojos.
Los documentos WO 99/17254 y U5874764 describen
cada uno un método para detectar características de ojo rojo
buscando en una imagen píxeles que tengan el tipo de rojo observado
en los ojos humanos iluminados por flash. Esto implica buscar
píxeles que tengan valores de tonalidad, luminancia y saturación
mínimos y máximos preestablecidos. Después se aplican criterios de
selección adicionales para determinar si las pupilas rojas
detectadas forman parte de una característica de ojo rojo.
La presente invención reconoce que una
característica típica de ojo rojo no es simplemente una región de
píxeles rojos. Una característica típica de ojo rojo también
incluye normalmente un punto brillante provocado por la reflexión
de la luz del flash desde la parte delantera del ojo. Estos puntos
brillantes son conocidos como "altas luces". Si en la imagen
pueden localizarse las zonas de alta luminosidad entonces los ojos
rojos son mucho más fáciles de identificar automáticamente. Las
zonas de alta luminosidad se sitúan normalmente cerca del centro de
las características de ojo rojo, aunque algunas veces están fuera
del centro y ocasionalmente en el borde.
Según un primer aspecto de la presente
invención, se proporciona un método de detección de las
características de ojo rojo en una imagen digital, que
comprende:
examinar la saturación y luminancia de los
píxeles en la imagen, e identificar las regiones de alta luminosidad
que comprenden los píxeles que satisfacen criterios de saturación y
luminancia predeterminados con respecto a píxeles en las regiones
alrededor de las mismas, estando los criterios de saturación y
luminancia predeterminados de tal manera que los píxeles en las
regiones de alta luminosidad deben tener valores de saturación o
luminancia o ambos superiores a los píxeles en las regiones
alrededor de las mismas; y
determinar si cada región de alta luminosidad
corresponde a una característica de ojo rojo sobre la base de
aplicar criterios de selección adicionales.
Los criterios de selección adicionales incluyen
preferiblemente examinar la tonalidad de los píxeles que rodean la
región de alta luminosidad, y determinar que la región de alta
luminosidad no se corresponde con una característica de ojo rojo si
dicha tonalidad está fuera de un intervalo predeterminado que
corresponde al rojo.
Los criterios de selección adicionales pueden
incluir alternativa o adicionalmente identificar la forma de la
región de alta luminosidad, y determinar que la región de alta
luminosidad no se corresponde con una característica de ojo rojo si
dicha forma no es sustancialmente circular.
Según un segundo aspecto de la invención, se
proporciona un método de reducción del efecto visual de las
características de ojo rojo en una imagen digital, que comprende
detectar características de ojo rojo utilizando el método
anteriormente descrito, y cambiar la tonalidad de los píxeles
alrededor de cada región de alta luminosidad para reducir el
contenido de rojo de esos píxeles.
Según un tercer aspecto de la invención, se
proporciona un método de procesamiento de una imagen digital,
método que comprende:
detectar características de ojo rojo utilizando
un método descrito anteriormente; y
realizar la reducción del ojo rojo en algunas o
todas las características de ojo rojo.
Esto tiene la ventaja de que el contraste de
saturación/luminancia entre las regiones de alta luminosidad y la
zona que las rodea está mucho más marcado que el contraste de color
(o "tonalidad") entre la parte roja de una característica de
ojo rojo y los tonos de piel que la rodean. Además, el color se
codifica a una baja resolución para muchos formatos de compresión
de imágenes tal como JPEG. Al utilizar la saturación y la luminancia
para detectar ojos rojos es mucho menos probable que se éstos se
pierdan en lugar de utilizar la tonalidad como la herramienta de
detección básica.
Si cada característica de ojo rojo puede tener
un único punto de referencia asociado con él, es conveniente
permitir almacenar la ubicación de una característica de ojo rojo en
una lista. Por lo tanto, un píxel de referencia único puede
seleccionarse en cada región de alta luminosidad como el punto
central para la característica de ojo rojo asociada con esa región
de alta luminosidad, y la reducción del ojo rojo para esa
característica de ojo rojo centrada en el píxel de referencia.
Además de tener valores de saturación y/o
luminancia altos, la alta luminosidad de una característica de ojo
rojo se define de manera muy acusada. En consecuencia, una región de
alta luminosidad se identifica sólo preferiblemente si hay un
cambio brusco en la saturación y/o luminancia del píxel entre la
región de alta luminosidad y las regiones adyacentes a la
misma.
Aunque muchas de las regiones de alta
luminosidad identificadas pueden ser el resultado del ojo rojo, es
probable que se identifiquen algunas regiones de alta luminosidad
que no son parte de las características de ojo rojo y no debería
aplicarse una reducción del ojo rojo en torno a las mismas. Por lo
tanto el método comprende preferiblemente eliminar al menos algunas
de las regiones de alta luminosidad como posibilidades para la
reducción del ojo rojo. De hecho, es posible que ninguna de las
regiones de alta luminosidad identificadas sean provocadas por el
ojo rojo y por lo tanto no deberían tener características de ojo
rojo asociadas con ellas. En este contexto se apreciará que la
frase "identificar características de ojo rojo con algunas o todas
de dichas regiones de alta luminosidad" está destinada para
incluir la posibilidad de que ninguna característica de ojo rojo
esté asociada con alguna de las regiones de alta luminosidad. De
manera similar, es posible que los filtros aplicados a las
características de ojo rojo determinen que ninguna característica
del ojo rojo originalmente identificada debería tener una reducción
del ojo rojo aplicada a ellas, y en consecuencia la frase
"realizar reducción del ojo rojo en algunas o todas las
características del ojo rojo" incluye la posibilidad de que
todas las características de ojo rojo se rechacen como posibilidades
para la reducción del ojo rojo.
En la práctica, una característica de ojo rojo
puede tener un tamaño máximo, suponiendo que al menos se haya
fotografiado un rostro entero. Por lo tanto, preferiblemente, si una
región de alta luminosidad supera un diámetro máximo predeterminado
no se asocia ninguna característica de ojo rojo con esa región de
alta luminosidad, y no se lleva a cabo ninguna reducción del ojo
rojo.
Las características de ojo rojo son en general
sustancialmente circulares. Por tanto, las características de alta
luminosidad lineales no se deberán al ojo rojo, y por tanto,
preferiblemente no se realiza ninguna reducción del ojo rojo en una
característica asociada con una región de alta luminosidad si esa
región de alta luminosidad es sustancialmente lineal.
Preferiblemente, la reducción del ojo rojo no se
lleva a cabo en características de ojo rojo que se solapen entre
sí.
Una vez que se han determinado las regiones de
alta luminosidad, es conveniente identificar la tonalidad de
píxeles en la región que rodea cada región de alta luminosidad, y
solamente realizar la reducción del ojo rojo para una
característica de ojo rojo asociada con una región de alta
luminosidad si la tonalidad de los píxeles que rodean esa región de
alta luminosidad contiene más de una proporción predeterminada de
rojo. El radio de la característica de ojo rojo puede determinarse
entonces desde esta región de píxeles rojos que rodea la región de
alta luminosidad. Preferiblemente la reducción del ojo rojo solo se
realiza en una característica de ojo rojo si la relación del radio
de la región de ojo rojo con el radio de la región de alta
luminosidad entra dentro de un intervalo predeterminado de valores.
Para una característica de ojo rojo típica, el radio de la región
de ojo rojo será hasta 8 veces el radio de la región de alta
luminosidad.
Preferiblemente, suponiendo que la imagen
digital se deriva de una fotografía, se determina si se disparó un
flash cuando se tomó la fotografía, y las regiones de alta
luminosidad no están identificadas o no se realizó ninguna
reducción del ojo rojo si no se disparó el flash.
Se determina preferiblemente si la imagen
digital es monocromática, y si es así, las regiones de alta
luminosidad no se identifican o no se realiza una reducción del ojo
rojo.
En algunos casos, por ejemplo en la fotografía
de retratos, el usuario puede saber por adelantado que todas las
zonas de alta luminosidad serán provocadas por el ojo rojo, en cuyo
caso, una característica de ojo rojo puede asociarse con cada
región de alta luminosidad identificada, y la reducción del ojo rojo
puede llevarse a cabo en todas las características de ojo rojo.
La invención también proporciona una imagen
digital a la que se ha aplicado el método descrito anteriormente,
un aparato dispuesto para realizar el método, y un medio de
almacenamiento informático que ha almacenado en el mismo un
programa informático dispuesto para realizar el método.
Algunas realizaciones preferidas de la invención
se describirán ahora mediante un ejemplo solamente y con referencia
a los dibujos acompañantes en los que:
la figura 1 es un diagrama de flujo que describe
un procedimiento general para la reducción del ojo rojo;
la figura 2 es un diagrama esquemático que
muestra una característica típica de ojo rojo;
la figura 3 muestra la característica de ojo
rojo de la figura 2, que muestra píxeles identificados en la
detección de una región de alta luminosidad;
la figura 4 muestra la característica de ojo
rojo de la figura 2 después de medir el radio; y
la figura 5 es un diagrama de flujo que describe
un procedimiento para la detección de características de ojo
rojo.
Cuando se procesa una imagen digital que puede
contener o no características de ojo rojo, para corregir tales
características de la manera más eficiente posible, es útil aplicar
un filtro para determinar si tales características podrían estar
presentes, encontrar las características y aplicar una corrección de
ojo rojo a esas características, preferiblemente sin la
intervención del usuario.
En su forma más simple, un filtro de ojo rojo
automático puede funcionar de una manera muy sencilla. Dado que las
características de ojo rojo solamente pueden producirse en
fotografías en las que se utilizó un flash, no necesita aplicarse
una reducción del ojo rojo si no se disparó el flash. Sin embargo,
si se utilizó un flash o si existe alguna duda de si se utilizó un
flash, entonces deberían buscarse características en la imagen que
se parezcan al ojo rojo. Si se encontraron características de ojo
rojo éstas se corrigen. Este proceso se muestra en la figura 1.
Un algoritmo que pone en práctica el proceso de
la figura 1 empieza con un examen rápido para determinar si la
imagen podría contener ojo rojo: ¿se disparó el flash? Si esta
pregunta puede responderse con "no", con una certeza del 100%,
el algoritmo puede terminar, si el flash no se disparó, la imagen no
puede contener ojo rojo. Sabiendo simplemente que el flash no se
disparó se permite filtrar una gran proporción de imágenes con muy
poco esfuerzo de procesamiento.
Existen varias maneras posibles de determinar si
se disparó el flash. Un método implica preguntar al usuario, aunque
esto no es el caso ideal porque implica la interacción del usuario,
y es posible que el usuario no pueda responder a la pregunta de
manera fiable.
Otra alternativa implica mirar en los metadatos
de la imagen. Por ejemplo, un formato JPEG EXIF tiene un campo
"se disparó el flash- si/no"- Esto proporciona una cierta
manera de determinar si se disparó el flash, pero no todas las
imágenes tienen los metadatos correctos. Los metadatos se pierden
normalmente cuando se edita una imagen. Las imágenes escaneadas que
contienen ojo rojo no tendrán metadatos apropiados.
Existe un método adicional para determinar si se
disparó el flash, que es apropiado si el algoritmo se implementa en
el software de control de una cámara digital. El módulo responsable
para tomar la foto podría indicar al módulo de detección/corrección
de ojo rojo que se disparó el flash.
Para cualquier imagen en la que no pueda
determinarse con certeza que no se disparó el flash, debe realizarse
un examen más detallado utilizando el módulo de detección de ojo
rojo descrito anteriormente.
Si no se detectan características de ojo rojo,
el algoritmo puede terminar sin necesidad de modificar la imagen.
Sin embargo, si se encuentran características de ojo rojo, debe
corregirse cada una utilizando el módulo de corrección de ojo rojo
descrito anteriormente.
Una vez que el módulo de corrección de ojo rojo
ha procesado cada característica de ojo rojo, el algoritmo
termina.
El resultado del logaritmo es una imagen en la
que todas las apariciones detectadas de ojo rojo se han corregido.
Si la imagen no contiene ojo rojo, el resultado es una imagen que
parece sustancialmente la misma que la imagen de entrada. Puede ser
que el algoritmo detectara y "corrigiera" características en la
imagen que se parecen mucho al ojo rojo, aunque es bastante posible
que el usuario no note estas "correcciones" erróneas.
Ahora se describirá el módulo de detección de
ojo rojo.
La figura 2 es un diagrama esquemático que
muestra una característica 1 típica de ojo rojo. En el centro de la
característica 1 hay una zona 2 de "alta luminosidad" blanca o
casi blanca que está rodeada por una región 3 que se corresponde
con la pupila del sujeto. En ausencia de ojo rojo, esta región 3
sería normalmente negra, pero en una característica de ojo rojo
esta región 3 adopta una tonalidad rojiza. Esto puede oscilar desde
un brillo apagado a un rojo luminoso. Rodeando la región 3 de
pupila está el iris 4, que en parte o en su totalidad puede parecer
que toma algo del brillo rojo de la región 3 de pupila.
El algoritmo de detección debe localizar el
centro de cada característica de ojo rojo y la extensión de la zona
roja alrededor de él.
El algoritmo de detección de ojo rojo empieza
buscando regiones en la imagen que podrían corresponder a zonas 2
de alta luminosidad de características de ojo rojo. En primer lugar,
la imagen se transforma de manera que los píxeles se representan
por los valores tonalidad, saturación y luminancia. La mayoría de
los píxeles en la zona 2 de alta luminosidad de una característica
1 de ojo rojo tiene una saturación muy alta, y no es normal
encontrar zonas saturadas así en otras partes en imágenes de caras.
De manera similar, la mayoría de las zonas 2 de alta luminosidad de
ojo rojo tendrán valores de alta luminancia. También es importante
observar que no solamente los valores de saturación y luminancia
serán altos, sino que también serán considerablemente más altos que
las regiones 3, 4, 5 inmediatamente circundantes. El cambio en la
saturación desde la región 3 de pupila roja a la región 2 de alta
luminosidad es muy brusco.
El algoritmo de detección de alta luminosidad
escanea cada fila de píxeles en la imagen, buscando áreas pequeñas
de píxeles luminosos, muy saturados. Durante el escaneo, cada píxel
se compara con su vecino precedente (el píxel a su izquierda). El
algoritmo busca un aumento brusco en la saturación y luminancia,
marcando el comienzo de una zona de alta luminosidad, cuando
escanea desde el principio de la fila. Esto se conoce como un
"flanco ascendente". Una vez que se ha identificado un flanco
ascendente, ese píxel y los píxeles siguientes (suponiendo que
tienen una saturación y luminancia similarmente altas) se graban,
hasta que se alcanza una caída brusca en la saturación, marcando el
otro flanco de la zona de alta luminosidad. Esto se conoce como un
"flanco descendente". Después de un flanco descendente, el
algoritmo vuelve a buscar un flanco ascendente marcando el comienzo
de la siguiente zona de alta luminosidad.
Un algoritmo típico podría disponerse para
detectar un flanco ascendente si:
- 1.
- El píxel está muy saturado (saturación >128).
- 2.
- El píxel está considerablemente más saturado que el anterior (saturación de este píxel - saturación de píxel anterior > 64).
- 3.
- El píxel tiene un valor de luminancia alto (luminancia >128).
El flanco ascendente se sitúa en el píxel que
está examinándose. Un flanco descendente se detecta si:
- 1.
- El píxel está considerablemente menos saturado que el anterior (saturación de píxel anterior - saturación de este píxel > 64).
- 2.
- El píxel anterior tiene un valor de luminancia alto (luminancia > 128).
El flanco ascendente se sitúa en el píxel
anterior al que está examinándose.
Se realiza una comprobación adicional mientras
se busca el flanco ascendente. Después de haberse examinado un
número definido de píxeles (por ejemplo 10) sin encontrar un flanco
descendente, el algoritmo deja de buscar el flanco descendente. Se
supone que una zona de alta luminosidad en una característica de ojo
rojo puede tener un tamaño máximo, obviamente esto variará en
función del tamaño de la imagen y la naturaleza de sus contenidos
(por ejemplo, las zonas de alta luminosidad serán menores en fotos
en grupo que en retratos individuales a la misma resolución). El
algoritmo puede determinar el ancho de la zona de alta luminosidad
de manera dinámica, basándose en el tamaño de la imagen y la
proporción de ese tamaño que tiene posibilidades de obtenerse por
una zona de alta luminosidad (normalmente entre 0,25% y 1% de la
dimensión mayor de la imagen).
Si se detecta con éxito una zona de alta
luminosidad, se graban las coordenadas del flanco ascendente, el
flanco descendente y el píxel central.
\newpage
El algoritmo es como sigue:
\vskip1.000000\baselineskip
El resultado de este algoritmo en la
característica 1 de ojo rojo se muestra en la figura 3. Para esta
característica, dado que hay una única zona 2 de alta luminosidad,
el algoritmo grabará un flanco 6 ascendente, un flanco 7
descendente y un píxel 8 central para cada fila que cubre la zona de
alta luminosidad. La zona 2 de alta luminosidad cubre cinco filas,
por lo que se graban cinco píxeles 8 centrales. En la figura 3,
líneas horizontales se extienden desde el píxel en el flanco
ascendente hasta el píxel en el flanco descendente. Los círculos
muestran la ubicación de los píxeles 8 centrales.
La ubicación de todos estos píxeles centrales se
graba en una lista de zonas de alta luminosidad que pueden
provocarse potencialmente por un ojo rojo. El número de píxeles 8
centrales en cada zona de alta luminosidad se reduce entonces a
uno. Tal como se muestra en la figura 3, hay un píxel 8 central para
cada fila cubierta por la zona 2 de alta luminosidad. Esto
realmente significa que la zona de alta luminosidad se ha detectado
cinco veces, y por tanto necesitará más procesamiento de lo
realmente necesario. Por tanto es deseable eliminar de la lista
todos excepto el punto central en vertical de la lista de zona de
alta luminosidad.
\newpage
No todas las zonas de alta luminosidad
identificadas por el algoritmo anterior se formarán necesariamente
por las características de ojo rojo. Otras podrían formarse, por
ejemplo, por la luz reflejada desde las esquinas o bordes de
objetos. Por tanto, la siguiente fase del proceso intenta eliminar
tales zonas de alta luminosidad, de manera que la reducción del ojo
rojo no se realiza en características que no son realmente
características de ojo rojo.
Existen diversos criterios que pueden aplicarse
para reconocer características de ojo rojo opuestas a
características falsas. Uno es comprobar largas cadenas de píxeles
centrales en zonas de alta luminosidad estrecha, es decir, zonas de
alta luminosidad que son esencialmente de forma lineal. Estas pueden
formarse por la luz que se refleja de los bordes, por ejemplo, pero
nunca se formarán por ojo rojo.
Esta comprobación de cadenas largas de píxeles
puede combinarse con la reducción de píxeles centrales a uno. Un
algoritmo que realiza estas dos operaciones simultáneamente puede
buscar a través de zonas de alta luminosidad identificando
"cadenas" o "secuencias" de píxeles centrales. Si la
relación de aspecto, que se define como la longitud de la cadena de
píxeles 8 centrales (véase la figura 3) dividida por la anchura
mayor entre el flanco 6 ascendente y el flanco 7 descendente de la
zona de alta luminosidad, es mayor que un número predeterminado, y
la cadena está por encima de una longitud predeterminada, entonces
todos los píxeles 8 centrales se suprimen de la lista de zonas de
alta luminosidad. De otro modo, solamente el píxel central de la
cadena se mantiene en la lista de zonas de alta luminosidad.
En otras palabras, el algoritmo realiza dos
tareas:
- -
- suprime de manera general secuencias verticales de zonas de alta luminosidad de la lista de zonas de alta luminosidad, en las que la relación de aspecto de la secuencia es mayor que un valor predefinido, y
- -
- suprime todas excepto la zona de alta luminosidad central en vertical de las secuencias aproximadamente verticales de zonas de alta luminosidad en la que la relación de aspecto de la secuencia es inferior a igual a un valor predefinido.
Un algoritmo que realiza esta combinación de
tareas se proporciona a continuación:
\hskip1,3cm20
Un umbral adecuado para la "altura de
secuencia mínima" es tres y un umbral adecuado para "relación
de aspecto de secuencia mínima" es también tres, aunque se
apreciará que éstos pueden cambiarse para adaptarse a los
requisitos de imágenes particulares.
Otro criterio implica comprobar la tonalidad de
los píxeles en la región 3 de pupila alrededor de la zona de alta
luminosidad. Si los píxeles en esta región contienen menos de una
proporción determinada de rojo, entonces la característica no puede
ser de ojo rojo. Un filtro adecuado para aplicar a la región 3 de
pupila es ése, a menos que la saturación sea mayor que o igual a 80
y la tonalidad entre 0 y 10, o entre 220 y 255 (ambos incluidos)
para el 45% de los píxeles alrededor de la zona de alta luminosidad,
entonces no se realiza una reducción del ojo rojo en esa
característica.
El radio de la región de pupila puede
establecerse entonces para que se conozca la extensión de la
característica de ojo rojo, de manera que puede realizarse la
reducción del ojo rojo. Un algoritmo adecuado se repite a través de
cada zona de alta luminosidad, determinando aproximada el radio de
la zona roja que lo rodea. Una vez que el algoritmo ha finalizado,
todas las zonas de alta luminosidad tienen un fragmento de
información adicional asociado con ellas: el radio de la región de
ojo rojo. Por tanto, mientras que la entrada al algoritmo es una
serie de zonas de alta luminosidad, la salida puede considerarse
como una serie de características de ojo rojo.
El resultado puede contener menos regiones de
ojo rojo que zonas de alta luminosidad de entrada. En general, la
relación del radio de la región 2 de pupila con el radio de la
región 3 de alta luminosidad siempre entrará dentro de un intervalo
determinado. Si la relación se sale de este intervalo entonces no es
probable que la característica que está examinándose se deba al ojo
rojo. En el algoritmo descrito, si el radio de la región 3 de
pupila es ocho veces superior al radio de la zona 2 de alta
luminosidad, la característica no se considera una característica
de ojo rojo, por lo que se suprime de la lista de áreas para
corregir. Esta relación se ha determinado analizando un número de
imágenes, pero se apreciará que puede ser posible elegir una
relación diferente para adaptarse a las circunstancias
particulares.
El método para determinar el radio de la zona
roja tiende a equivocarse en radios más grandes (ya que sólo
utiliza datos de tonalidad y no tiene en cuenta la saturación o
luminancia), dicho de otro modo, calcula la zona para que sea algo
mayor de lo que realmente es, y significa que debería contener todos
los píxeles rojos más algunos periféricos que no son rojos, tal
como se muestra en la figura 4. Esto no es una limitación siempre
que el método utilizado para corregir el ojo rojo no intente ajustar
píxeles que no son rojos. El tamaño ligeramente excesivo también es
útil en la realización descrita, en la que no se intenta determinar
con precisión la posición de la zona de alta luminosidad dentro de
la región de ojo rojo: la implementación de la realización supone
que es central, aunque esto no siempre sea el caso.
Un algoritmo adecuado se proporciona a
continuación:
\vskip1.000000\baselineskip
Se apreciará que este algoritmo determina el
radio de la característica de ojo rojo al buscar filas de píxeles
centrados horizontalmente en la zona de alta luminosidad (que se
define como el píxel 8 central en una fila vertical, tal como se
describió anteriormente). El experto podría modificar el algoritmo
para buscar radialmente desde la zona de alta luminosidad, o
determinar la forma y extensión de la zona roja que rodea la zona de
alta luminosidad.
Una vez que los radios de las características de
ojo rojo se han determinado, puede realizarse una búsqueda de
características de solapamiento. Si la región 3 de pupila roja se
solapa con otra región 3 de pupila roja alrededor de una zona de
alta luminosidad, entonces ninguna característica puede deberse al
ojo rojo. Por tanto, tales características pueden descartarse.
Un algoritmo para realizar esta tarea procede en
dos fases. La primera se repite a través de todas las
características de ojo rojo. Para cada región de ojo rojo, se
realiza una búsqueda hasta que se encuentre otra región de ojo rojo
que la solapa. Si se encuentra un solapamiento, ambas regiones de
ojo rojo se marcan para borrarse. No es necesario determinar si la
región de ojo rojo se solapa con más de una.
La segunda fase borra todas las regiones de ojo
rojo que se han marcado para borrarse. El borrado debe separarse de
la detección de solapamiento ya que si las regiones de ojo rojo se
borraron en cuanto se determinaron para solaparse, podría borrar
los solapamientos con otras regiones de ojo rojo que no se han
detectado todavía.
El algoritmo es como sigue:
Las dos regiones de ojo rojo se consideran para
el solapamiento si la suma de sus radios es mayor que la distancia
entre sus centros.
Una manera alternativa de conseguir el mismo
efecto que el algoritmo anterior es crear una nueva lista de
características de ojo rojo que contienen solamente aquellas
regiones que no se solapan. La lista original de las
características de ojo rojo puede descartarse entonces y se usa la
nueva en su lugar.
El proceso de detección global se muestra como
un diagrama de flujos en la figura 5.
La reducción del ojo rojo se lleva a cabo
entonces en las características de ojo rojo detectadas. Existe un
número de métodos conocidos para realiza esto, y ahora se describe
un proceso adecuado. El proceso descrito es un método muy básico
para corregir el ojo rojo, y el experto reconocerá que hay
posibilidades de refinamiento para conseguir mejores resultados,
particularmente con respecto a suavizar los flancos del área
corregida y determinar de forma más precisa la extensión de la
región de ojo rojo.
Existen dos partes del módulo de corrección de
ojo rojo: el bucle de control y el propio corrector de ojo rojo. El
bucle de control simplemente itera a través de la lista de las
regiones de ojo rojo generadas por el módulo de detección de ojo
rojo, pasando cada una al corrector de ojo rojo:
Para cada píxel, hay dos comprobaciones muy
sencillas, cada una con una acción sencilla tomada como una
consecuencia:
- 1.
- Si el píxel es de saturación media o alta, y si la tonalidad del píxel está dentro del intervalo de rojos, se elimina completamente la saturación del píxel. Dicho de otro modo, la saturación se establece en "0" lo que hace que los píxeles rojos se vuelvan grises.
- 2.
- Además, si el píxel es oscuro, o de luminancia media, se vuelve negro. En la mayoría de los casos, esto cancela realmente el ajuste realizado como un resultado de la primera comprobación; la mayoría de los píxeles en la región del ojo rojo se vuelven negros. Aquellos píxeles que no se han vuelto negros son los que están dentro y alrededor de la zona de alta luminosidad. Se habrá eliminado la rojez de estos de manera que el resultado es un ojo con una pupila negra oscura y una zona de alta luminosidad blanca brillante.
Una característica del método de corrección que
sus efectos no son acumulativos: después de aplicar la corrección
en una zona, las correcciones posteriores en la misma zona no
tendrán ningún efecto. Esto sería una característica deseable si el
módulo de reducción del ojo rojo produjera una lista de regiones de
ojo rojo que se solapan potencialmente (por ejemplo, si las
detecciones de alta luminosidad múltiples no se eliminaran). Sin
embargo, dado que las regiones de ojo rojo que se solapan se
suprimen específicamente, la naturaleza no acumulativa del módulo
de corrección no es importante para la implementación actual.
Se apreciará que el módulo de detección y el
módulo de corrección pueden implementarse separadamente. Por
ejemplo, el módulo de detección podría colocarse en una cámara
digital o similar, y detectar características de ojo rojo y
proporcionar una lista de la ubicación de estas características
cuando se toma una fotografía. El módulo de corrección podría
aplicarse entonces después de descargar la imagen desde la cámara a
un ordenador.
El método según la invención proporciona
diversas ventajas. Funciona en una imagen entera, aunque se
apreciará que un usuario podría seleccionar parte de una imagen a
la que va a aplicarse la reducción del ojo rojo, por ejemplo
solamente una región que contiene rostros. Esto podría reducir el
procesamiento requerido. Si se procesa una imagen entera, no se
requiere entrada por parte del usuario. Además, el método no
necesita ser perfectamente preciso. Si se realiza la reducción del
ojo rojo alrededor de una zona de alta luminosidad no provocada por
el ojo rojo, no es probable que un usuario note la diferencia.
Dado que el algoritmo de detección de ojo rojo
busca luz, los puntos muy saturados antes de buscar las zonas de
rojo, el método funciona particularmente bien con imágenes
comprimidas JPEG y otros formatos en los que el color se codifica a
una resolución baja.
Se apreciará que las variaciones del método
anteriormente descrito pueden entrar todavía dentro del alcance de
la invención. Por ejemplo, el método se ha descrito con referencia a
los ojos de las personas para los que la reflexión desde la retina
lleva a una región roja. Para algunos animales, el "ojo rojo"
puede llevar a reflexiones verdes o amarillas. El método según la
invención puede utilizarse para corregir este efecto. De hecho, la
búsqueda de luz, una región saturada en lugar de una región de una
tonalidad particular hace que el método de la invención sea
particularmente adecuado para detectar el "ojo rojo" animal que
no es rojo.
Además, el método se ha descrito para
características de ojo rojo en las que la región de alta luminosidad
está ubicada exactamente en el centro de la región de la pupila
roja. Sin embargo, el método también funcionará para
características de ojo rojo cuya región de alta luminosidad esté
descentrada, o incluso en el borde la región roja.
Algunas características de ojo rojo no tienen
una región de alta luminosidad discreta, pero en estas
características la totalidad de la región de pupila roja tiene
valores de alta saturación y luminancia. En tales casos, la
característica de ojo rojo y la región de alta luminosidad serán del
mismo tamaño, y puede que no haya una parte roja adicional fuera de
la región de alta luminosidad. En otras palabras, la región 2 de
alta luminosidad y la región 3 de pupila roja ocuparán la misma
área. Sin embargo, el método descrito anteriormente también
detectara tales regiones como zonas de "alta luminosidad",
identificándose cada región 3 roja por tener el mismo radio que la
zona de alta luminosidad. Por tanto, tales características se
detectarán también utilizando el método según la invención.
Claims (18)
1. Método de detección de características de ojo
rojo en una imagen digital, que comprende:
examinar la saturación y luminancia de los
píxeles en la imagen e identificar las regiones (2) de alta
luminosidad; y
determinar si cada región de alta luminosidad
corresponde a una característica (1) de ojo rojo sobre la base de
aplicar criterios de selección adicionales;
caracterizado porque las regiones de alta
luminosidad contienen píxeles que satisfacen criterios de saturación
y luminancia predeterminados con respecto a píxeles en las regiones
alrededor de las mismas, estando los criterios de saturación y
luminancia predeterminados de manera que los píxeles en las regiones
de alta luminosidad deben tener una saturación considerablemente
superior o una luminancia considerablemente superior o ambas con
respecto a los píxeles en las regiones alrededor de las mismas;
siendo el cambio en la saturación y/o luminancia de dichas regiones
de alta luminosidad a las regiones alrededor de las mismas muy
brusco.
2. Método según la reivindicación 1, en el que
los criterios de selección adicionales incluyen examinar la
tonalidad de los píxeles (3) que rodean la región (2) de alta
luminosidad, y determinar que la región de alta luminosidad no se
corresponden con una característica de ojo rojo si dicha tonalidad
está fuera de un intervalo predeterminado que corresponde al
rojo.
3. Método según las reivindicaciones 1 ó 2, en
el que dichos criterios de selección adicionales incluyen
identificar la forma de la región (2) de alta luminosidad, y
determinar que la región de alta luminosidad no se corresponde con
una característica (1) de ojo rojo si dicha forma no es
substancialmente circular.
4. Método de reducción del efecto visual de las
características de ojo rojo en una imagen digital, que
comprende:
detectar características (1) de ojo rojo
utilizando el método de la reivindicación 1, 2 ó 3, y
cambiar la tonalidad de los píxeles (3)
alrededor de cada región de alta luminosidad para reducir el
contenido de rojo de esos píxeles.
5. Método de procesamiento de una señal digital,
que comprende:
detectar características (1) de ojo rojo
utilizando un método según la reivindicación 1, 2 ó 3, y
realizar la reducción del ojo rojo en algunas o
todas las características de ojo rojo.
6. Método según la reivindicación 5, en el que
un píxel (8) de referencia único en cada región (2) de alta
luminosidad se selecciona como el punto central de una
característica (1) de ojo rojo asociada, y una reducción del ojo
rojo para esa característica de ojo rojo se centra en el píxel de
referencia.
7. Método según la reivindicación 5 ó 6, que
comprende adicionalmente eliminar al menos algunas de las regiones
(2) de alta luminosidad como posibilidades para la reducción del ojo
rojo.
8. Método según cualquiera de las
reivindicaciones 5 a 7, en el que la reducción del ojo rojo en una
característica (1) de ojo rojo no se lleva a cabo si la región (2)
de alta luminosidad asociada con esa característica de ojo rojo
excede un diámetro máximo predeterminado.
9. Método según cualquiera de las
reivindicaciones 5 a 8, que comprende adicionalmente determinar si
cada región (2) de alta luminosidad es sustancialmente lineal, y no
asociar una característica (1) de ojo rojo a una región de alta
luminosidad si esa región de alta luminosidad es sustancialmente
lineal.
10. Método según cualquiera de las
reivindicaciones 5 a 9, en el que la reducción del ojo rojo no se
lleva a cabo centrada en cualquiera de las características (1) de
ojo rojo que se solapan entre sí.
11. Método según cualquiera de las
reivindicaciones 5 a 10, que comprende adicionalmente identificar la
tonalidad de los píxeles en la región (3) que rodea la región (2)
de alta luminosidad para cada característica (1) de ojo rojo, y
sólo realizar la reducción del ojo rojo si los píxeles en dicha
región contienen más que una proporción predeterminada de rojo.
12. Método según la reivindicación 7, que
comprende adicionalmente determinar el radio de la región (1) de
ojo rojo alrededor de cada región (2) de alta luminosidad, teniendo
la región de ojo rojo píxeles con una tonalidad que contiene más
que dicha proporción predeterminada de rojo.
\newpage
13. Método según la reivindicación 8, en el que
la reducción del ojo rojo se realiza solamente en una característica
(1) de ojo rojo si la relación del radio de la región de ojo rojo
con el radio de la región (2) de alta luminosidad entra dentro de
un intervalo predeterminado de valores.
14. Método según cualquier reivindicación
anterior, en el que la imagen digital proviene de una fotografía,
comprendiendo adicionalmente el método determinar si se disparó un
flash cuando se tomó la fotografía, y no identificar las regiones
(2) de alta luminosidad o realizar la reducción del ojo rojo si no
se disparó el flash.
15. Método según cualquier reivindicación
anterior, que comprende adicionalmente determinar si la imagen es
monocromática, y no identificar regiones de alta luminosidad o
realizar la reducción del ojo rojo si la imagen digital es
monocromática.
16. Método según la reivindicación 5 ó 6, en el
que una característica de ojo rojo se asocia con cada región de
alta luminosidad identificada, y la reducción del ojo rojo se lleva
a cabo en todas las características de ojo rojo.
17. Aparato dispuesto para realizar el método
según cualquiera de las reivindicaciones 1 a 16.
18. Medio de almacenamiento informático que
tiene almacenado en el mismo un programa informático dispuesto para
realizar el método según cualquiera de las reivindicaciones 1 a
16.
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
GB0122274A GB2379819B (en) | 2001-09-14 | 2001-09-14 | Image processing to remove red-eye features |
GB0122274 | 2001-09-14 |
Publications (1)
Publication Number | Publication Date |
---|---|
ES2283579T3 true ES2283579T3 (es) | 2007-11-01 |
Family
ID=9922121
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
ES02749101T Expired - Lifetime ES2283579T3 (es) | 2001-09-14 | 2002-07-31 | Procesamiento de imagenes para suprimir las caracteristicas de oj0 rojo. |
Country Status (12)
Country | Link |
---|---|
US (1) | US20040046878A1 (es) |
EP (1) | EP1430710B1 (es) |
JP (1) | JP2005503730A (es) |
KR (1) | KR20040047834A (es) |
AT (1) | ATE357111T1 (es) |
CA (1) | CA2460179A1 (es) |
DE (1) | DE60218876T2 (es) |
DK (1) | DK1430710T3 (es) |
ES (1) | ES2283579T3 (es) |
GB (1) | GB2379819B (es) |
PT (1) | PT1430710E (es) |
WO (1) | WO2003026278A1 (es) |
Families Citing this family (39)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7352394B1 (en) | 1997-10-09 | 2008-04-01 | Fotonation Vision Limited | Image modification based on red-eye filter analysis |
US7042505B1 (en) | 1997-10-09 | 2006-05-09 | Fotonation Ireland Ltd. | Red-eye filter method and apparatus |
US7630006B2 (en) * | 1997-10-09 | 2009-12-08 | Fotonation Ireland Limited | Detecting red eye filter and apparatus using meta-data |
US7738015B2 (en) * | 1997-10-09 | 2010-06-15 | Fotonation Vision Limited | Red-eye filter method and apparatus |
GB2385736B (en) * | 2002-02-22 | 2005-08-24 | Pixology Ltd | Detection and correction of red-eye features in digital images |
US7587085B2 (en) * | 2004-10-28 | 2009-09-08 | Fotonation Vision Limited | Method and apparatus for red-eye detection in an acquired digital image |
US8036458B2 (en) | 2007-11-08 | 2011-10-11 | DigitalOptics Corporation Europe Limited | Detecting redeye defects in digital images |
US7536036B2 (en) * | 2004-10-28 | 2009-05-19 | Fotonation Vision Limited | Method and apparatus for red-eye detection in an acquired digital image |
US7970182B2 (en) | 2005-11-18 | 2011-06-28 | Tessera Technologies Ireland Limited | Two stage detection for photographic eye artifacts |
US7920723B2 (en) | 2005-11-18 | 2011-04-05 | Tessera Technologies Ireland Limited | Two stage detection for photographic eye artifacts |
US7792970B2 (en) | 2005-06-17 | 2010-09-07 | Fotonation Vision Limited | Method for establishing a paired connection between media devices |
US8254674B2 (en) | 2004-10-28 | 2012-08-28 | DigitalOptics Corporation Europe Limited | Analyzing partial face regions for red-eye detection in acquired digital images |
US8170294B2 (en) * | 2006-11-10 | 2012-05-01 | DigitalOptics Corporation Europe Limited | Method of detecting redeye in a digital image |
US7574016B2 (en) | 2003-06-26 | 2009-08-11 | Fotonation Vision Limited | Digital image processing using face detection information |
US7689009B2 (en) | 2005-11-18 | 2010-03-30 | Fotonation Vision Ltd. | Two stage detection for photographic eye artifacts |
US8520093B2 (en) | 2003-08-05 | 2013-08-27 | DigitalOptics Corporation Europe Limited | Face tracker and partial face tracker for red-eye filter method and apparatus |
US20050140801A1 (en) * | 2003-08-05 | 2005-06-30 | Yury Prilutsky | Optimized performance and performance for red-eye filter method and apparatus |
US9412007B2 (en) | 2003-08-05 | 2016-08-09 | Fotonation Limited | Partial face detector red-eye filter method and apparatus |
US20110102643A1 (en) * | 2004-02-04 | 2011-05-05 | Tessera Technologies Ireland Limited | Partial Face Detector Red-Eye Filter Method and Apparatus |
US7245285B2 (en) * | 2004-04-28 | 2007-07-17 | Hewlett-Packard Development Company, L.P. | Pixel device |
EP1784159A1 (en) * | 2004-07-30 | 2007-05-16 | Korea Research Institute Of Chemical Technology | Self-molding permanent agent and method for proceeding free-rod and free-band type permanent |
JP4537142B2 (ja) * | 2004-07-30 | 2010-09-01 | キヤノン株式会社 | 画像処理方法及びその装置、撮像装置、プログラム |
JP4537143B2 (ja) * | 2004-07-30 | 2010-09-01 | キヤノン株式会社 | 画像処理装置及びその方法、撮像装置、プログラム |
WO2006011635A1 (en) * | 2004-07-30 | 2006-02-02 | Canon Kabushiki Kaisha | Image processing method and apparatus, image sensing apparatus, and program |
US8000505B2 (en) * | 2004-09-01 | 2011-08-16 | Eastman Kodak Company | Determining the age of a human subject in a digital image |
KR100727935B1 (ko) * | 2005-05-24 | 2007-06-14 | 삼성전자주식회사 | 이미지 보정 방법 및 장치 |
JP4405942B2 (ja) * | 2005-06-14 | 2010-01-27 | キヤノン株式会社 | 画像処理装置およびその方法 |
US7599577B2 (en) | 2005-11-18 | 2009-10-06 | Fotonation Vision Limited | Method and apparatus of correcting hybrid flash artifacts in digital images |
US20070249287A1 (en) * | 2005-12-22 | 2007-10-25 | Arnab Das | Methods and apparatus for selecting between a plurality of dictionaries |
JP4643715B2 (ja) | 2006-02-14 | 2011-03-02 | テセラ テクノロジーズ アイルランド リミテッド | 赤目ではない目の閃光による不良の自動的な検知および補正 |
DE602007012246D1 (de) | 2006-06-12 | 2011-03-10 | Tessera Tech Ireland Ltd | Fortschritte bei der erweiterung der aam-techniken aus grauskalen- zu farbbildern |
GB0623473D0 (en) | 2006-11-24 | 2007-01-03 | Bristol Myers Squibb Co | Dissolution and processing of cellulose |
US8055067B2 (en) | 2007-01-18 | 2011-11-08 | DigitalOptics Corporation Europe Limited | Color segmentation |
JP2010520567A (ja) * | 2007-03-05 | 2010-06-10 | フォトネーション ビジョン リミテッド | 顔の位置および向きを用いた赤目の誤検出フィルタリング |
US8503818B2 (en) | 2007-09-25 | 2013-08-06 | DigitalOptics Corporation Europe Limited | Eye defect detection in international standards organization images |
US8212864B2 (en) * | 2008-01-30 | 2012-07-03 | DigitalOptics Corporation Europe Limited | Methods and apparatuses for using image acquisition data to detect and correct image defects |
US8081254B2 (en) * | 2008-08-14 | 2011-12-20 | DigitalOptics Corporation Europe Limited | In-camera based method of detecting defect eye with high accuracy |
TWI416433B (zh) * | 2010-05-07 | 2013-11-21 | Primax Electronics Ltd | 紅眼影像偵測方法及其相關裝置 |
CN106296617B (zh) * | 2016-08-22 | 2019-03-05 | 腾讯科技(深圳)有限公司 | 人脸图像的处理方法及装置 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5130789A (en) * | 1989-12-13 | 1992-07-14 | Eastman Kodak Company | Localized image recoloring using ellipsoid boundary function |
US5432863A (en) * | 1993-07-19 | 1995-07-11 | Eastman Kodak Company | Automated detection and correction of eye color defects due to flash illumination |
US6204858B1 (en) * | 1997-05-30 | 2001-03-20 | Adobe Systems Incorporated | System and method for adjusting color data of pixels in a digital image |
US6009209A (en) * | 1997-06-27 | 1999-12-28 | Microsoft Corporation | Automated removal of red eye effect from a digital image |
US6252976B1 (en) * | 1997-08-29 | 2001-06-26 | Eastman Kodak Company | Computer program product for redeye detection |
WO1999017254A1 (en) * | 1997-09-26 | 1999-04-08 | Polaroid Corporation | Digital redeye removal |
US6016354A (en) * | 1997-10-23 | 2000-01-18 | Hewlett-Packard Company | Apparatus and a method for reducing red-eye in a digital image |
US6278491B1 (en) * | 1998-01-29 | 2001-08-21 | Hewlett-Packard Company | Apparatus and a method for automatically detecting and reducing red-eye in a digital image |
JP2000134486A (ja) * | 1998-10-22 | 2000-05-12 | Canon Inc | 画像処理装置及び画像処理方法及び記憶媒体 |
US6728401B1 (en) * | 2000-08-17 | 2004-04-27 | Viewahead Technology | Red-eye removal using color image processing |
US6718051B1 (en) * | 2000-10-16 | 2004-04-06 | Xerox Corporation | Red-eye detection method |
-
2001
- 2001-09-14 GB GB0122274A patent/GB2379819B/en not_active Expired - Fee Related
-
2002
- 2002-07-31 AT AT02749101T patent/ATE357111T1/de not_active IP Right Cessation
- 2002-07-31 JP JP2003529750A patent/JP2005503730A/ja active Pending
- 2002-07-31 US US10/416,365 patent/US20040046878A1/en not_active Abandoned
- 2002-07-31 CA CA002460179A patent/CA2460179A1/en not_active Abandoned
- 2002-07-31 DK DK02749101T patent/DK1430710T3/da active
- 2002-07-31 WO PCT/GB2002/003527 patent/WO2003026278A1/en active IP Right Grant
- 2002-07-31 EP EP02749101A patent/EP1430710B1/en not_active Expired - Lifetime
- 2002-07-31 DE DE60218876T patent/DE60218876T2/de not_active Expired - Fee Related
- 2002-07-31 ES ES02749101T patent/ES2283579T3/es not_active Expired - Lifetime
- 2002-07-31 PT PT02749101T patent/PT1430710E/pt unknown
- 2002-07-31 KR KR10-2004-7003838A patent/KR20040047834A/ko not_active Application Discontinuation
Also Published As
Publication number | Publication date |
---|---|
GB2379819A8 (en) | 2005-04-25 |
CA2460179A1 (en) | 2003-03-27 |
ATE357111T1 (de) | 2007-04-15 |
US20040046878A1 (en) | 2004-03-11 |
GB2379819B (en) | 2005-09-07 |
EP1430710B1 (en) | 2007-03-14 |
WO2003026278A1 (en) | 2003-03-27 |
EP1430710A1 (en) | 2004-06-23 |
JP2005503730A (ja) | 2005-02-03 |
DE60218876T2 (de) | 2007-12-13 |
DK1430710T3 (da) | 2007-07-23 |
DE60218876D1 (de) | 2007-04-26 |
GB0122274D0 (en) | 2001-11-07 |
PT1430710E (pt) | 2007-06-22 |
GB2379819A (en) | 2003-03-19 |
KR20040047834A (ko) | 2004-06-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
ES2283579T3 (es) | Procesamiento de imagenes para suprimir las caracteristicas de oj0 rojo. | |
CN111523438B (zh) | 一种活体识别方法、终端设备和电子设备 | |
ES2703570T3 (es) | Métodos para generar automáticamente una biblioteca de barajas de naipes e imágenes maestras para una baraja de naipes, y un aparato de procesamiento de naipes relacionado | |
US20040240747A1 (en) | Detection and correction of red-eye features in digital images | |
JP6428914B2 (ja) | 生体検知装置、生体検知方法、および、プログラム | |
US8823830B2 (en) | Method and apparatus of correcting hybrid flash artifacts in digital images | |
KR100816602B1 (ko) | 사칭 검출 장치 및 사칭 검출 방법 | |
WO2017157034A1 (zh) | 一种二维码的识别方法及装置、存储介质 | |
US8285039B2 (en) | Image processor | |
US20070122034A1 (en) | Face detection in digital images | |
JP2005503730A5 (es) | ||
CN101421748A (zh) | 自动检测并校正非红眼闪光缺陷 | |
JP2000137788A (ja) | 画像処理方法、画像処理装置及び記録媒体 | |
KR100617777B1 (ko) | 졸음운전 경고 장치에서 운전자의 눈 영상 검출 장치 및 방법 | |
ES2914288T3 (es) | Proceso para la evaluación automática de la calidad de fotografías digitales | |
KR20220118339A (ko) | 치아색 결정 방법 | |
US7912295B1 (en) | Method for auto-cropping a scanned image | |
JP4457586B2 (ja) | 赤目領域補正方法、赤目領域補正処理プログラム、記録媒体、画像処理装置 | |
JP4207124B2 (ja) | 輝線描画処理方法及び輝線描画処理プログラム | |
JP2018173991A (ja) | 検知装置 | |
JP7343020B2 (ja) | 情報処理装置 | |
JPH08167023A (ja) | 道路白線検出装置 | |
JP2000132681A (ja) | アイリスデータ取得装置 | |
JP2017183792A (ja) | 撮像システム、制御装置、撮像方法およびプログラム | |
CN103226691A (zh) | 去除红眼的方法及装置 |