專利名稱：用于在圖像中檢測紅眼的方法、裝置和存儲介質(zhì)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及圖像處理，并且尤其涉及對在其中檢測紅眼的圖像進(jìn)行處理的方法、裝置和存儲介質(zhì)。
背景技術(shù)：
紅眼是人的瞳孔周圍出現(xiàn)的不自然的紅色調(diào)。其通常是由血管反射閃光造成的。目前，有很多識別紅眼的方法。
在識別紅眼的現(xiàn)存方法中，首先在數(shù)字圖像中識別候選紅眼區(qū)域，再進(jìn)行進(jìn)一步檢測或計(jì)算以確定候選紅眼區(qū)域是否是紅眼。通常候選紅眼區(qū)域包括膚色像素卻不包括紅眼像素。候選紅眼區(qū)域中包括膚色像素降低了紅眼檢測精確度。

發(fā)明內(nèi)容
本發(fā)明的目的是提供考慮膚色像素的在圖像中檢測紅眼的方法、裝置和存儲介質(zhì)。
為了達(dá)到以上目的，本發(fā)明提供一種在圖像中檢測紅眼的方法，其特征在于包括步驟計(jì)算所述圖像的膚色參考向量；在所述圖像中識別候選紅眼區(qū)域；在所述候選紅眼區(qū)域中識別膚色像素；從所述候選紅眼區(qū)域中去除膚色像素；判斷所述候選紅眼區(qū)域是否是紅眼。
本發(fā)明還提供一種在圖像中檢測紅眼的裝置，其特征在于包括計(jì)算器，用于計(jì)算所述圖像的膚色參考向量；候選區(qū)識別電路，用于在所述圖像中識別候選紅眼區(qū)域；
候選區(qū)處理器，用于在所述候選紅眼區(qū)域中識別膚色像素，還用于從所述候選紅眼區(qū)域去除所述膚色像素；檢測器，用于判斷由所述候選區(qū)處理器輸出的所述候選紅眼區(qū)域是否是紅眼。
本發(fā)明還提供一種編有用于在圖像中檢測紅眼的機(jī)器可讀計(jì)算機(jī)程序代碼的存儲介質(zhì)，該存儲介質(zhì)包括使處理器實(shí)現(xiàn)根據(jù)本發(fā)明方法的指令。
根據(jù)本發(fā)明的方法、裝置和存儲介質(zhì)，基于已經(jīng)從中去除了膚色像素的候選紅眼區(qū)域?qū)t眼進(jìn)行檢測。因此，極大地提高了檢測紅眼的速度和精確度。
另外，本發(fā)明的方法能夠與各種識別人臉矩形、識別候選紅眼區(qū)域和從候選紅眼區(qū)域中檢測紅眼的常規(guī)方法結(jié)合來適應(yīng)不同的情況。
結(jié)合附圖，本發(fā)明的其他特點(diǎn)和優(yōu)點(diǎn)可從下面通過舉例來對本發(fā)明原理進(jìn)行解釋的優(yōu)選實(shí)施例的說明中變得更為清楚。


圖1是根據(jù)本發(fā)明實(shí)施例的在圖像中檢測紅眼方法的流程圖；圖2示出包括用于獲取膚色參考向量的膚色參考部分的人臉矩形；圖3是根據(jù)本發(fā)明另一個(gè)實(shí)施例用于在圖像中檢測紅眼的裝置的框圖；圖4A、圖4B和圖4C示出候選紅眼區(qū)域的例子；圖5示意性地示出可在其中實(shí)現(xiàn)圖1所示方法的圖像處理系統(tǒng)；圖6示出在圖像中識別眼區(qū)的一個(gè)示例方法；圖7示出在圖像中識別人臉矩形的一個(gè)示例方法圖8示出在圖像中識別候選紅眼區(qū)域的一個(gè)示例方法。
具體實(shí)施例方式
在下面的說明中，關(guān)于如何識別候選人臉區(qū)域，如何在人臉中識別眼區(qū)，可參考中國專利申請第00127067.2號(由同一申請人于2000年9月15日提出申請)、中國專利申請第01132807.X號(由同一申請人于2001年9月6日提出申請)、中國專利申請第02155468.4號(由同一申請人于2002年12月13日提出申請)、中國專利申請第02160016.3號(由同一申請人于2002年12月30日提出申請)、中國專利申請第03137345.3號(由同一申請人于2003年6月18日提出申請等等。這些申請?jiān)诖擞糜趨⒖?。然而，這些申請中公開的識別候選人臉區(qū)域的方法、識別眼區(qū)的方法、從候選紅眼區(qū)域檢測紅眼的方法對本發(fā)明并不構(gòu)成限制。任何常規(guī)的在圖像中識別人臉矩形的方法、識別候選紅眼區(qū)域的方法、判斷候選紅眼區(qū)域是否是紅眼的方法都可以在本發(fā)明中使用。
圖6示出在圖像中識別眼區(qū)的一個(gè)示例方法。該方法開始于步驟601。然后在步驟602，將圖像的每一列分割為多個(gè)間隔段。
在步驟603中，將鄰近列中的谷區(qū)合并以便生成候選眼區(qū)。然后，在步驟604，判斷每個(gè)候選眼區(qū)是真眼區(qū)域還是假眼區(qū)。
圖7示出在圖像中示出識別人臉矩形的一個(gè)示例方法。該方法開始于步驟701。然后，在步驟702，在圖像中識別兩個(gè)眼區(qū)，并且基于兩個(gè)眼區(qū)，識別一個(gè)候選人臉矩形。
在步驟703，設(shè)置一個(gè)圍繞候選人臉矩形的環(huán)形區(qū)域。在步驟704，計(jì)算環(huán)形區(qū)域每個(gè)像素的灰度梯度。在步驟705，計(jì)算環(huán)形區(qū)域每個(gè)像素的參考梯度。在步驟706，計(jì)算環(huán)形區(qū)域全部像素的灰度梯度和相應(yīng)的參考梯度的角度平均值。在步驟707，判斷平均角度是否小于第二閾值。如果步驟707的判斷為“否”，則處理轉(zhuǎn)到步驟710；否則，轉(zhuǎn)到步驟708。
在步驟708，判斷加權(quán)平均角度是否小于第三閾值。如果步驟708的判斷為“否”，則處理轉(zhuǎn)到步驟710；否則轉(zhuǎn)到步驟709。
在步驟709，將候選人臉矩形分類為人臉矩形(即，真人臉)。在步驟710，將候選人臉矩形分類為假人臉(即，假人臉)。
處理結(jié)束于步驟711。
對圖6、7中所示方法的更多說明，可以參考中國專利申請第01132807.X號。
圖8示出在圖像中識別候選紅眼區(qū)域的一個(gè)示例方法。該方法開始于步驟801。然后在步驟802，識別圖像中的一個(gè)眼區(qū)。
在步驟803，在該眼區(qū)識別第一數(shù)目的候選紅眼區(qū)域。為了在眼區(qū)中識別候選紅眼區(qū)域，考慮眼區(qū)中的像素特征值。例如，在步驟803，考慮眼區(qū)中的像素的顏色變化，或者紋理，或者顏色變化和紋理的結(jié)合。
在步驟804，使第一數(shù)目的候選紅眼區(qū)域縮小。結(jié)果，產(chǎn)生第二數(shù)目的候選紅眼區(qū)域。
根據(jù)縮小處理，估算在每一個(gè)第一數(shù)目候選紅眼區(qū)域中的每一個(gè)像素的至少一個(gè)特征值。如果估算的特征值不滿足為紅眼像素設(shè)定的標(biāo)準(zhǔn)，則從相應(yīng)的候選紅眼區(qū)域中刪除被估算的像素。這樣，使第一數(shù)目候選紅眼區(qū)域中大多數(shù)的面積縮小。如果一個(gè)候選紅眼區(qū)域中的所有像素都已刪除，則該候選紅眼區(qū)域就不復(fù)存在并不再被考慮。
這樣，第二數(shù)目，即步驟804執(zhí)行之后的候選紅眼區(qū)域的總數(shù)目，可能小于第一數(shù)目，即步驟804執(zhí)行之前的候選紅眼區(qū)域的總數(shù)目。
在步驟805，使第二數(shù)目的候選紅眼區(qū)域擴(kuò)大。結(jié)果，產(chǎn)生第三數(shù)目的候選紅眼區(qū)域。
在該步驟中，考慮每個(gè)第二數(shù)目的候選紅眼區(qū)域的邊緣像素?！斑吘壪袼亍敝肝挥诤蜻x紅眼區(qū)域邊緣的像素。如果邊緣像素的鄰近區(qū)域像素符合為紅眼像素設(shè)定的標(biāo)準(zhǔn)，則將這些像素包括到相關(guān)的候選紅眼區(qū)域中。這樣，使第二數(shù)目候選紅眼區(qū)域大多數(shù)的面積擴(kuò)大，并且一些候選紅眼區(qū)域與其他候選紅眼區(qū)域不可避免地合并起來。這引入了步驟805的另一項(xiàng)功能。
步驟805的另一項(xiàng)功能是選擇性地刪除合并的候選紅眼區(qū)域，選擇性地結(jié)合合并的候選紅眼區(qū)域，或者選擇性地保持合并的候選紅眼區(qū)域中的一個(gè)而刪除其他區(qū)域。
不再考慮刪除的候選紅眼區(qū)域。
這樣，第三數(shù)目，即步驟805執(zhí)行之后的候選紅眼區(qū)域的總數(shù)目，可能小于第二數(shù)目，即步驟805執(zhí)行之前的候選紅眼區(qū)域的總數(shù)。
在步驟806，選擇不多于一個(gè)的候選紅眼區(qū)域作為在眼區(qū)中檢測到的紅眼區(qū)域。
在步驟806，估算第三數(shù)目候選紅眼區(qū)域中像素的多個(gè)特征值。基于估算的結(jié)果，刪除大部分第三數(shù)目候選紅眼區(qū)域。給左邊候選紅眼區(qū)域打分，并且只進(jìn)一步考慮具有最高分的候選紅眼區(qū)域。如果唯一的具有最高分的候選紅眼區(qū)域滿足標(biāo)準(zhǔn)，則將其選擇作為當(dāng)前眼區(qū)中檢測到的紅眼區(qū)域。否則，在當(dāng)前眼區(qū)中未檢測到紅眼區(qū)域。
在步驟807，該處理結(jié)束。
對圖8中示出的方法的更多說明，可以參考中國專利申請第200310116034.9號。
圖1是根據(jù)本發(fā)明實(shí)施例的檢測圖像中紅眼方法的流程圖。
如圖1所示，該處理開始于步驟101。然后，在步驟102，在將被處理的圖像中，識別人臉矩形。在圖像中識別人臉矩形的不同方法對本發(fā)明不構(gòu)成限制。
然后，在步驟103，在所述人臉矩形中識別膚色參考部分。圖2示出膚色參考部分的例子?？梢允褂酶鞣N識別膚色參考部分的方法。不同的膚色參考部分的大小和形狀以及識別方法對本發(fā)明不構(gòu)成限制。
在步驟104，在膚色參考部分中計(jì)算膚色參考向量。假設(shè)x是膚色參考向量。x包括R(紅) G(綠)值 和B(藍(lán))值 R值 是包括在膚色參考部分的像素的平均紅色值。G值 是包括在膚色參考部分的像素的平均綠色值。B值 是包括在膚色參考部分的像素的平均藍(lán)色值。R、G、B值 和 基于以下公式計(jì)算xr‾=Σrn,]]>xg‾=Σgn,]]>xb‾=Σbn;]]>其中，r表示在膚色參考部分中的像素的紅色值，g表示在膚色參考部分中的像素的綠色值，b表示在膚色參考部分中的像素的藍(lán)色值，n表示膚色參考部分中的像素?cái)?shù)目。
在步驟105，在人臉矩形200或在整個(gè)圖像中識別候選紅眼區(qū)域。識別候選紅眼區(qū)域的不同方法對本發(fā)明不構(gòu)成限制。當(dāng)然，步驟105也可以在步驟103之前進(jìn)行。
從步驟106到步驟108，在候選紅眼區(qū)域中參照膚色參考向量識別膚色像素。
特別地，在步驟106，從候選紅眼區(qū)域選擇一個(gè)像素。
在步驟107，計(jì)算膚色參考向量與在步驟106中選擇的像素的色向量之間的距離(例如，馬氏(Mahalanobis)距離)。還可以計(jì)算膚色參考向量與步驟106選擇的像素的鄰域(例如，3*3鄰域)中每個(gè)像素的色向量之間的類似距離?？蛇x擇地，該距離可以為歐幾里得距離。不同種類的距離和不同像素選擇方法對本發(fā)明不構(gòu)成限制。
膚色參考向量和像素的色向量之間的馬氏距離基于以下公式計(jì)算d=(x-x‾)TΣ-1(x-x‾)]]>其中，x表示像素的色向量，d表示膚色參考向量和色向量x之間的馬氏距離；x表示在步驟104中計(jì)算的膚色參考向量；“T”表示向量或矩陣的轉(zhuǎn)置；∑-1表示在膚色參考部分中的像素的協(xié)方差矩陣的逆矩陣。
協(xié)方差矩陣基于以下公式計(jì)算Σ=δr2δrg2δrb2δrg2δg2δgb2δrb2δgb2δb2]]>其中，δr2，δg2，δb2，δrg2，δrb2，δgb2用以下公式計(jì)算δr2=Σ(xr-xr‾)2n,]]>δg2=Σ(xg-xg‾)2n,]]>δb2=Σ(xb-xb‾)2n]]>δrg2=Σ(xr-xr‾)(xg-xg‾)n]]>δrb2=Σ(xr-xr‾)(xb-xb‾)n]]>δgb2=Σ(xg-xg‾)(xb-xb‾)n]]>在步驟108，判斷所有在步驟107計(jì)算的馬氏距離(例如，對于3*3鄰域，有9個(gè)距離，包括在步驟106中所選擇的像素的距離，和3*3鄰域中各像素的8個(gè)距離)是否都小于相同的第一閾值。根據(jù)試驗(yàn)，第一閾值的范圍可以是5到20，更佳地為6到10。在此，第一閾值取8。
如果步驟108的結(jié)果是“是”，則處理轉(zhuǎn)到步驟109；反之，則處理轉(zhuǎn)回步驟106。
當(dāng)然，可以將步驟108修改為判斷所有在步驟107中計(jì)算的馬氏距離是否大于相同的第一閾值。如果是這樣，則步驟108的“是”判斷分支引到步驟106，并且步驟108的“否”判斷分支引到步驟109。
在步驟109，從候選紅眼區(qū)域中去除一個(gè)像素，該像素是在步驟106中被選擇并且通過步驟108被識別為膚色像素的像素。
在步驟110，判斷包括在候選紅眼區(qū)域中的所有像素是否都通過步驟106到步驟108被測試過。
如果步驟110的結(jié)果是“否”，則處理轉(zhuǎn)回步驟106，選擇沒有測試過的像素之一。如果步驟110的結(jié)果是“是”，則處理轉(zhuǎn)到步驟111。
在已經(jīng)從候選紅眼區(qū)域中去除所有膚色像素之后，原候選紅眼區(qū)域可能變成多于一個(gè)的候選紅眼區(qū)域。
在步驟111，判斷已從中去除所有膚色像素的候選紅眼區(qū)域是否是紅眼區(qū)域。判斷候選紅眼區(qū)域是否為紅眼的不同方法對本發(fā)明不構(gòu)成限制。
在步驟112，處理結(jié)束。
圖2示出包括用于獲取膚色參考向量的膚色參考部分的人臉矩形。
如圖2所示，參考標(biāo)號200代表人臉矩形；參考標(biāo)號201和參考標(biāo)號202代表人臉矩形200中的兩只眼睛。建立一個(gè)坐標(biāo)系。在該坐標(biāo)系中，x軸通過左眼201和右眼202的中心，原點(diǎn)O位于眼201和202之間的中點(diǎn)，并且y軸垂直于x軸。
在圖2中，選擇矩形部分203，作為膚色參考部分。假設(shè)原點(diǎn)O和眼201或202之間的距離為1。將膚色參考部分203定義為A＝{(x，y)||x|＜0.5；-0.5＜y＜1}。當(dāng)然，也可以選擇人臉矩形200的其他部分作為膚色參考部分。
圖3是根據(jù)本發(fā)明另一個(gè)實(shí)施例用于在圖像中檢測紅眼的裝置的框圖。
在圖3中，參考標(biāo)號301表示計(jì)算器，參考標(biāo)號302表示候選區(qū)識別電路，參考標(biāo)號303表示膚色像素識別電路，參考標(biāo)號304表示膚色像素去除器，參考標(biāo)號305表示檢測器，并且參考標(biāo)號306表示候選區(qū)處理器。
計(jì)算器301接收將要被處理的圖像，并且計(jì)算膚色參考向量。計(jì)算器301可以直接在圖像中識別膚色參考部分，或者首先在圖像中識別人臉矩形，然后在人臉矩形中識別膚色參考部分。然后，計(jì)算器301基于膚色參考部分計(jì)算膚色參考向量。
候選區(qū)識別電路302在圖像中(如312所示)或者在可以由計(jì)算器301識別的人臉矩形中(如311所示)識別候選紅眼區(qū)域。
候選區(qū)處理器306在候選紅眼區(qū)域中識別膚色像素，并且從候選紅眼區(qū)域去除膚色像素。特別地講，候選區(qū)處理器306包括膚色像素識別器303和膚色去除器304。
膚色像素識別器303基于膚色參考向量與候選紅眼區(qū)域中像素的色向量之間的距離識別膚色像素。還考慮將被識別的像素的鄰域中像素的距離。可參考圖1中的步驟106到108。
膚色像素去除器304從由候選區(qū)識別電路302輸出的候選紅眼區(qū)域去除膚色像素。
檢測器305判斷由候選區(qū)處理器306處理的候選紅眼區(qū)域是否是紅眼。檢測器305的檢測結(jié)果可用于進(jìn)一步處理圖像。
圖4A、圖4B、圖4C示出候選紅眼區(qū)域的例子。圖4A示出原始圖像。圖4B示出在圖4A所示的圖像中識別的候選紅眼區(qū)域401。圖4C示出已經(jīng)去除膚色像素的圖像。
以下描述一個(gè)例子。
從圖像中識別一個(gè)人臉矩形。人臉矩形的寬度是241個(gè)像素。人臉矩形的高度是297個(gè)像素。在人臉矩形中選擇矩形膚色參考部分。膚色參考部分的寬度是15個(gè)像素。膚色參考部分的高度是24個(gè)像素。將膚色參考向量x計(jì)算為[2.18，1.58，1.29]。
將協(xié)方差矩陣∑計(jì)算為Σ=0.620.040.030.040.070.070.030.070.11]]>
使第一閾值為8。
然后，計(jì)算在候選紅眼區(qū)域401中的所有像素的馬氏距離。
以像素(111，56)和(111，40)為例。像素(111，56)和(111，40)的色向量是[130/100，79/100，88/100]和[244/100，197/100，145/100]。
在此，膚色參考向量和像素的色向量根據(jù)R(紅)值、G(綠)值和B(藍(lán))值計(jì)算。為了減少計(jì)算量，像素的所有R(紅)值、G(綠)值和B(藍(lán))值都除以100。
像素(111，56)的馬氏距離是16.8，其不小于第一閾值。因此，不將像素(111，56)識別為膚色像素。
像素(111，40)的馬氏距離是5.68，其小于第一閾值。假設(shè)像素(111，40)的3*3鄰域中8個(gè)像素的馬氏距離都小于第一閾值。因此，將像素(111，40)識別為膚色像素并從候選紅眼區(qū)域401去除。
圖5示意性地示出一種在其中實(shí)現(xiàn)圖1方法的圖像處理系統(tǒng)。圖5中的圖像處理系統(tǒng)包括CPU(中央處理器)501、RAM(隨機(jī)存取存儲器)502、ROM(只讀存儲器)503、系統(tǒng)總線504、HD(硬盤)控制器505、鍵盤控制器506、串行接口控制器507、并行接口控制器508、顯示控制器509、硬盤510、鍵盤511、照相機(jī)512、打印機(jī)513和顯示器514。在這些部件中，與系統(tǒng)總線504相連的有CPU501、RAM502、ROM503、HD控制器505、鍵盤控制器506、串行接口控制器507、并行接口控制器508和顯示控制器509。硬盤510與HD控制器505相連，并且鍵盤511與鍵盤控制器506相連，照相機(jī)512與串行端口控制器507相連，打印機(jī)513與并行接口控制器508相連，以及顯示器514與顯示器控制器509相連。
圖5中每個(gè)部件的功能在本技術(shù)領(lǐng)域內(nèi)都是眾所周知的，并且圖5所示的體系結(jié)構(gòu)也是常規(guī)的。這種體系結(jié)構(gòu)不僅適用于個(gè)人計(jì)算機(jī)，而且適用于手持設(shè)備，諸如Palm PC、PDA(個(gè)人數(shù)據(jù)助理)、數(shù)碼相機(jī)等等。在不同的應(yīng)用中，可省略圖5中所示的某些部件。例如，如果整個(gè)系統(tǒng)是數(shù)碼相機(jī)，則可省略并行接口控制器508和打印機(jī)513，并且該系統(tǒng)可由單片機(jī)實(shí)現(xiàn)。如果應(yīng)用軟件存儲在EPROM或者其他非易失性存儲器中，則可省略HD控制器505和硬盤510。
圖5中所示的整個(gè)系統(tǒng)由通常作為軟件存儲在硬盤510中(或者如上所述，在EPROM或者其他非易失性存儲器中)的計(jì)算機(jī)可讀指令控制。軟件也可從網(wǎng)絡(luò)(圖中未示出)下載。能夠?qū)⒋鎯υ谟脖P510中的或者從網(wǎng)絡(luò)下載的軟件加載到RAM 502中，并由CPU 501執(zhí)行，以便實(shí)現(xiàn)由軟件限定的功能。
在圖1所示的流程圖的基礎(chǔ)上，本技術(shù)領(lǐng)域的技術(shù)人員無需創(chuàng)造性工作即可開發(fā)出一個(gè)或者更多的軟件。這樣開發(fā)出的軟件將執(zhí)行圖1所示的處理圖像的方法。
在某種意義上，圖5所示的圖像處理系統(tǒng)，如果得到根據(jù)圖1所示流程圖開發(fā)出的軟件的支持，則可實(shí)現(xiàn)與圖3所示圖像處理裝置相同的功能。
本發(fā)明還提供一種編有用于在圖像中檢測紅眼的機(jī)器可讀計(jì)算機(jī)程序的存儲介質(zhì)，該存儲介質(zhì)包括使處理器實(shí)現(xiàn)根據(jù)本發(fā)明方法的指令。存儲介質(zhì)可為任何有形媒介，例如軟盤、CD-ROM、硬盤驅(qū)動器(例如，圖5中的硬盤510)。
雖然前面參照了本發(fā)明的特定實(shí)施方式，但是本領(lǐng)域的技術(shù)人員應(yīng)當(dāng)理解，，這些僅是舉例說明，可對這些實(shí)施方式作許多改變而不脫離本發(fā)明的原理，本發(fā)明的范圍由所附權(quán)利要求限定。
權(quán)利要求
1.一種在圖像中檢測紅眼的方法，其特征在于包括以下步驟計(jì)算所述圖像的膚色參考向量；在所述圖像中識別候選紅眼區(qū)域；在所述候選紅眼區(qū)域中識別膚色像素；從所述候選紅眼區(qū)域中去除膚色像素；判斷所述候選紅眼區(qū)域是否是紅眼。
2.根據(jù)權(quán)利要求1的方法，其特征在于所述計(jì)算膚色參考向量的步驟包括在所述圖像中識別人臉矩形；在所述人臉矩形中識別膚色參考部分；以及基于包括于所述膚色參考部分的像素的色值計(jì)算所述膚色參考向量。
3.根據(jù)權(quán)利要求2的方法，其特征在于所述膚色參考部分是在所述人臉矩形中的兩眼之間的區(qū)域。
4.根據(jù)權(quán)利要求2的方法，其特征在于所述膚色參考向量包括R值、G值和B值，其中，所述R值是包括于所述膚色參考部分的像素的平均紅色值，所述G值是包括于所述膚色參考部分的像素的平均綠色值，所述B值是包括于所述膚色參考部分的像素的平均藍(lán)色值。
5.根據(jù)權(quán)利要求4的方法，其特征在于所述在所述候選紅眼區(qū)域中識別膚色像素的步驟包括計(jì)算所述膚色參考向量和包括于所述候選紅眼區(qū)域的每個(gè)像素的色向量之間的距離；以及如果一個(gè)像素的距離和所述像素鄰域中像素的距離都小于第一閾值，則將所述像素識別為膚色像素。
6.根據(jù)權(quán)利要求5的方法，其特征在于所述像素的距離用(x-x)T∑-1(x-x)計(jì)算，其中x表示所述像素的色向量，x表示所述膚色參考向量，∑表示在所述膚色參考部分中的像素的協(xié)方差矩陣；以及所述第一閾值的范圍是5到20。
7.根據(jù)權(quán)利要求6的方法，其特征在于所述第一閾值的范圍是6到10。
8.根據(jù)權(quán)利要求7的方法，其特征在于所述第一閾值是8。
9.一種在圖像中檢測紅眼的裝置，其特征在于包括計(jì)算器，用于計(jì)算所述圖像的膚色參考向量；候選區(qū)識別電路，用于在所述圖像中識別候選紅眼區(qū)域；候選區(qū)處理器，用于在所述候選紅眼區(qū)域中識別膚色像素，還用于從所述候選紅眼區(qū)域去除所述膚色像素；檢測器，用于判斷由所述候選區(qū)處理器輸出的所述候選紅眼區(qū)域是否是紅眼。
10.根據(jù)權(quán)利要求9的裝置，其特征在于所述計(jì)算器包括用于在所述圖像中識別人臉矩形的裝置；用于在所述人臉矩形中識別膚色參考部分的裝置；以及用于基于包括于所述膚色參考部分的像素的色值計(jì)算所述膚色參考向量的裝置。
11.根據(jù)權(quán)利要求10的裝置，其特征在于所述膚色參考部分是所述人臉矩形中的兩只眼睛之間的區(qū)域。
12.根據(jù)權(quán)利要求10的裝置，其特征在于所述膚色參考向量包括R值、G值和B值，其中所述R值是包括于所述膚色參考部分的像素的平均紅色值，所述G值是包括于所述膚色參考部分的像素的平均綠色值，所述B值是包括于所述膚色參考部分的像素的平均藍(lán)色值。
13.根據(jù)權(quán)利要求12的裝置，其特征在于所述候選區(qū)處理器包括用于計(jì)算所述膚色參考向量和包括于所述候選紅眼區(qū)域的各個(gè)像素的色向量之間的距離的裝置；以及，用于如果一個(gè)像素的距離和所述像素鄰域中像素的距離都小于第一閾值，則將所述像素識別為膚色像素的裝置。
14.根據(jù)權(quán)利要求13的裝置，其特征在于所述像素的距離用(x-x)T∑-1(x-x)計(jì)算，其中x表示所述像素的色向量，x表示所述膚色參考向量，∑表示在所述膚色參考部分中的像素的協(xié)方差矩陣，以及所述第一閾值的范圍是5到20。
15.據(jù)權(quán)利要求14的裝置，其特征在于所述第一閾值的范圍是6到10。
16.據(jù)權(quán)利要求15的裝置，其特征在于所述第一閾值是8。
17.一種編有在圖像中檢測紅眼的機(jī)器可讀計(jì)算機(jī)程序代碼的存儲介質(zhì)，該存儲介質(zhì)包括使處理器實(shí)現(xiàn)根據(jù)權(quán)利要求1到8中任一項(xiàng)的方法的指令。
全文摘要
本發(fā)明提供一種在圖像中檢測紅眼的方法，其特征在于包括以下步驟計(jì)算所述圖像的膚色參考向量；在所述圖像中識別候選紅眼區(qū)域；在所述候選紅眼區(qū)域中識別膚色像素；從所述候選紅眼區(qū)域中去除膚色像素；判斷所述候選紅眼區(qū)域是否是紅眼。本發(fā)明還提供一種裝置和機(jī)器可讀存儲介質(zhì)。根據(jù)本發(fā)明，基于已經(jīng)從中去除了膚色像素的候選紅眼區(qū)域?qū)t眼進(jìn)行檢測。顯著地提高了檢測紅眼的速度和精確度。
文檔編號G06K9/34GK1731419SQ200410062680
公開日2006年2月8日 申請日期2004年8月6日 優(yōu)先權(quán)日2004年8月6日
發(fā)明者陳新武, 張鉞, 王建民 申請人:佳能株式會社