自适应眼睛伪影识别及校正系统的制作方法

本申请案主张2014年6月25日申请的标题为自适应眼睛伪影识别及校正系统(ADAPTABLE EYE ARTIFACT IDENTIFICATION AND CORRECTION SYSTEM)的第14/314,941号美国专利申请案的优先权，所述美国专利申请案特此以全文引用的方式并入。

技术领域

本发明涉及一种用于识别及校正眼睛伪影以用于数字摄影中的方法。

背景技术：

“眼睛是心灵的窗户”是有助于说明图像中眼睛的外观对人的重要性的习语。在摄影中，已开发出许多技术以用于对由电子闪光灯、LED闪光灯及用于手持式捕获装置及图像处理软件应用中的其它类型的场景照明引起的眼睛相关伪影的自动及半自动校正。常规技术通常不能提供根据场景照明技术恢复严重的眼睛伪影状况中的原始眼睛颜色、图像细节及虹膜形状的校正。眼睛伪影，尤其是来自闪光灯照明的眼睛伪影可能出现于动物及宠物的照片中，从而归因于其独特的眼睛结构需要特殊考虑。另外，存在引起眼睛相关伪影的其它状况及情况，例如来自眼镜的放大失真、来自眼镜镜片的镜片光晕及影响眼睛的身体医疗状况。

标题为“宠物眼睛校正(Pet eye correction)”的US8260082B2涉及识别数字图像中的预期瞳孔位置，所述确定是检验预期瞳孔位置存在的特定区域中的所有像素都具有白色而作出。基于对所述位置存在的区域中的像素的分析计算目标颜色。假定的瞳孔区域被识别。经布置以配合瞳孔区域的瞳孔的图像被插入到瞳孔区域中，其中瞳孔的图像是虹膜的图像，其是通用图像且并不复制原始瞳孔颜色或细节。使用计算机系统校正数字图像中所表示的人类及动物(例如，宠物猫或狗)的瞳孔中的颜色缺陷。使用包含(但不限于)桌上型计算机、膝上型计算机、主机计算机、个人数字助理、黑莓(Blackberry)、智能电话装置、数码相机及蜂窝电话。此实现适当地按比例缩放瞳孔图像并将其插入到假定的瞳孔区域中以促进提示球状况的校正。可至少基于对其瞳孔被校正的动物或个人的类型的分析以及被校正的瞳孔的相对大小及形状识别假定的瞳孔区域。

标题为“校正数字图像中的眼睛颜色(Correcting eye color in a digital image)”的US7675652B2描述从闪光灯摄影装置(例如，数码相机、网络摄像头及电子通信装置相机(例如，手机、黑莓及个人数字助理))中所利用的数字图像移除非所要的眼睛颜色。

标题为“用于处理具有眼镜颜色缺陷的数字图像的设备及方法(Apparatus and method for processing digital images having eye color defects)”的US7035462B2描述用于手动增强自动红眼校正的图形用户接口及工作流程。所述装置具有用于检测数字图像中的眼睛颜色缺陷的一或多个候选位置的处理单元。校正单元对检测到的候选位置处的图像应用眼睛颜色缺陷算法以校正缺陷。显示器呈现具有经校正的眼睛颜色缺陷的图像的一部分。指示符描绘所述显示器上呈现的经校正的眼睛颜色缺陷。

标题为“使用面部检测的红眼消除(Red-eye reduction using facial detection)”的US8559668B2涉及使用一组接收到的坐标计算原始图像中的两只眼睛之间的距离。基于计算出的距离及接收到的坐标从图像获得肤色样本。基于所获得的肤色样本在颜色空间中产生肤色颜色区域。通过比较像素与所产生的肤色颜色区域及预先确定的红眼颜色区域将对应于一只眼睛的像素分类为红眼像素。存储相对于像素的分类指示。

标题为“用于数字图像的图块或手持式设备中的红眼缺陷的自动实时检测及校正的方法及设备(Method and apparatus for the automatic real-time detection and correction of red-eye defects in batches of digital images or in handheld appliances)”的US6873743B2描述基于色彩图的红色色度及亮度识别在数字图像中包含红眼缺陷的分段。通过比较所识别的分段及其边界区域的属性与阈值来基于测试阈值消除所述分段。未被消除的所述分段的位置、大小及像素被记录以证实红眼缺陷。

技术实现要素：

根据本发明，一种用于在数字摄影中识别及校正眼睛伪影的方法，其包括：识别眼睛伪影类型及被摄者眼睛类型；确定眼睛伪影严重性；考虑可用的被摄者眼睛类型校正模型确定适当的校正模态；识别被摄者的时间/事件窗内不具有眼睛伪影或具有较不严重的眼睛伪影的相关图像；选择校正模态并校正所述眼睛伪影；及获得用户或操作者许可。所述眼睛伪影类型包括相机相关的照明诱发的伪影类型、环境光诱发的伪影类型、眼镜相关的伪影类型或身体状况相关的伪影类型。如果确定所述伪影类型是身体状况相关的伪影类型，那么警告所述用户且请求验证以继续。所述被摄者眼睛类型可包括人眼类型或动物眼睛类型。可根据种族、性别、年龄、眼睛颜色、皮肤颜色、眼镜或面部类型对所述人眼类型分类。可根据瞳孔类型对所述动物眼睛类型分类。确定眼睛伪影严重性包括：确定所述眼睛伪影是否可校正或是否需要替换。所述被摄者眼睛类型校正模型是基于所述眼睛伪影的严重程度、被摄者类型及眼睛伪影类型。所述校正模型可重新按比例缩放并重新定位眼睛以补偿归因于眼镜的光学失真。所述校正模型可基于所预测或所分配的颜色使眼睛重新着色。可使用肤色、发色、元数据、社交网络评论或用户输入确定所述所预测或所分配的颜色。所述校正模型可基于从相关图像获得的颜色用于使眼睛重新着色。可使用面部检测或时间/事件窗内的标记图像确定所述相关图像。所述校正模型可用于用非伪影相关眼睛图像替换现存眼睛图像。可使用被重新按比例缩放及编辑的适当候选眼睛图像选择所述非伪影相关眼睛图像。所述校正模型可包括用来自图像分析及/或针对大小、颜色、形状、类型及情绪状态的元数据的预测选择及修改的通用模型。所述校正模型可包括根据大小、颜色、形状、类型及情绪状态用相关图像选择及修改的通用模型，其中所述相关图像发生于时间/事件窗内。获得用户或操作者许可包括：接受、编辑或选择替代校正模态。可在数字照片冲洗机处执行本发明的所述方法。

本发明的方法可利用来自安卓(Android)、Picasa及iPhoto系统的面部识别及位置元数据以限制对眼睛伪影候选者的搜索。

可根据本发明的方法校正的人类及动物的眼睛相关伪影可包含：红眼(反光闪光)、白眼、来自眼镜镜片的几何失真、来自眼镜镜片的光晕、隐形镜片眩光、闭上或部分眼睑或各自需要不同数字成像校正技术的眼睛相关的医疗状况。所述系统/方法识别所述眼睛伪影的类型及严重性并选择适当校正。

本发明的方法使用各种校正模态。举例来说，可使用图像集合中的相同个人的未受影响的图像校正图像中具有眼睛伪影的个人的眼睛颜色信息。如果眼睛相关伪影太严重而不能用颜色移除及颜色恢复来校正，那么图像集合针对受影响的个人的图像搜索可用于数字地替换受影响眼睛的候选眼睛。例如比例、瞳孔/虹膜定向、分辨率、图像之间的时间等等的特征可用于选择适当的替换候选者。可用验证步骤进行替换候选者的自动修改及定位以允许用户接受、拒绝或修改自动编辑的图像。

本发明的方法可用于取决于伪影的严重性逐步替换眼睛的区段。

最坏情况减轻选项，如果图像中的被摄者具有严重的眼镜诱发的(例如，镜片光晕)眼睛伪影且佩戴眼镜，那么接着，系统将添加颜色到眼镜镜片以使其看起来像太阳镜。数字修改的颜色及不透明度可经自动调整以匹配被摄者的外观，或用户可选择在审美上比较美观的选项。

本发明的方法包含保留或添加数字捕捉光的选项，其包含对数字捕捉光风格的选择。

如上文大体上参考，本发明的方法包含以下操作步骤：定位面部(使用面部辨别算法及/或被存储作为元数据的面部位置坐标)，确定眼睛伪影是否存在(自动及/或用户协助)，确定面部类型(人类或动物)，确定眼睛相关伪影的类型(红眼、白眼、来自眼镜镜片的几何失真、来自镜片的眼镜光晕、隐形镜片眩光、闭上或部分眼睑、医疗状况)，确定眼睛伪影状况的严重性(轻度到重度)，确定非伪影候选图像是否可用(眼睛形状、类型、颜色、适合的替换候选者)，及确定适当的校正选项(例如，中和受影响的区域、使受影响的区域着色(用用户指示的颜色)，使受影响的区域着色(来自从另一图像的相同被摄者提取的颜色)，用来自从另一图像的相同被摄者提取的眼睛替换受影响的眼睛，或用已着色的眼睛模型替换眼睛)。

根据本发明的方法，针对其中两只眼睛的图像都不可用的轮廓，如果左眼是被数字翻转，那么左眼可替代右眼。

本发明的方法可被部署于数字照片冲洗机、照相亭、图像处理软件、数码相机、照相手机或有算法校正能力或能够使用应用软件的其它装置中。

存在促成眼睛相关伪影的许多不同的摄影原因、状况、眼镜类型及眼睛类型，且因此，由医疗状况(例如，结膜下出血)引起的误报及漏报(例如，使眼睛模糊的过大的捕捉光)是不可避免的。根据本发明的方法提供由操作者或用户选择的监督或独立系统的越权控制(例如，用户操作式冲洗机、智能电话应用软件或计算机程序)以校正被错误识别的眼睛状况。

根据本发明的方法，应用查找表以通过计算捕捉光相对于眼睛或眼镜(如果可应用)的不透明度、大小、位置及形状在眼睛可接受的“捕捉光”与来自眼镜及隐形镜片的不可接受的眩光之间做出区分(将捕捉光与眼睛的比例与可设置的阈值比例相比)。

为进一步增强所述系列的算法的功效，经由图像分析或元数据或两者自动确定或由用户或操作者提供的关于被摄者的人口统计信息用于设置阈值及选择查找表。大类、下拉菜单、检查单及类似物提供可选择的选项，所述选项可为单选或多选，例如：“婴儿”、“幼儿”、“儿童”、“非裔美国人”、“欧裔美国人”、“亚裔美国人”、“年龄”、“性别”、“猫类动物”、“犬类动物”或“其它动物”或类似物。

附图说明

图1是表示本发明的操作序列的流程图。

图2是根据本发明的方法描述伪影类型、严重程度及校正模态的图表。

图3a到3b是根据本发明的方法的用于校正人类的场景照明相关的眼睛伪影的图形用户接口的图解。

图4a到4b是根据本发明的方法的用于校正人类的场景照明相关的眼睛伪影的图形用户接口的图解。

图5a到5b是根据本发明的方法的用于校正人类的眼镜相关的眼睛伪影的图形用户接口的图解。

图6a到6f是各种类型的眼睛相关伪影的图形图解。

图7a到7b是收缩及扩张的人眼的图形图解。

图8a到8b是收缩及扩张的猫眼的图形图解。

图9a到9b是收缩及扩张的犬眼的图形图解。

图10a到10b是收缩及扩张的绵羊/山羊眼的图形图解。

图11a到11e是具有各种类型的数字创建的捕捉光的人眼的图形图解。

图12是用于提供本发明的眼睛伪影校正方法的冲洗机的图解。

具体实施方式

本发明是一种自适应眼睛伪影识别及校正系统。在涉及眼睛的照片中存在各种形式的摄影闪光灯照明相关的伪影。对人类，以某一角度进入眼睛的光可能会从视神经反射，且变得经放大从而在所得照片中引起白光反射或白色瞳孔。当闪光灯照明从人眼中的视网膜反射时，来自眼睛中的血管的红颜色被反射，从而导致多数业余摄影师熟悉的“红眼”状况。在极弱光的情况中，增加了对闪光灯照明的需要，且眼睛的虹膜打开从而使白眼及红眼状况两者都恶化。紧凑型数码相机及手机相机包含氙或LED(发光二极管)电子闪光灯照明系统，且通常增加红眼发生的频率及强度，这是因为相机的透镜与闪光灯之间的距离归因于装置的较小尺寸被减小到数毫米，从而减小闪光灯的反射角。随着这些手持式成像装置继续被设计成越来越小且越来越薄，透镜到闪光灯的分离距离也减小，从而增加眼睛相关伪影的机会。另外，与电子氙型闪光灯相比，照相手机上常见的基于LED的照明具有较长的曝光持续时间照明及更漫射光源，且可用于静物摄影或视频录制任一者中。此类型的照明可在光从人类视网膜反射时导致红眼，或在光从眼睛或隐形镜片的表面反射时导致白眼。

用于减少眼睛伪影的替代的基于相机的技术包含：增加成像透镜与电子闪光灯之间的距离，及/或刚好在曝光之前运用可为单个闪光灯或一系列快速闪光灯的“预闪”。“预闪”用于临时减小被摄者的瞳孔大小以免于曝光到强光。预闪技术需要额外电力，扰乱被摄者及周围环境，且不能可靠地消除眼睛相关伪影。另外，预闪可通过向被摄者指示已拍照或警告被摄者相机正在使用中来影响被摄者的表情而破坏摄影场景的自发性。

对例如狗、猫、浣熊的宠物及动物及例如牛、山羊、绵羊及鹿的反刍动物，视网膜具有被称为脉络膜且在其眼睛的背部处表现的像后向反射器的特殊反射层，这增加了照明诱发的眼睛伪影的频率及严重性。人类的视网膜中不具有脉络膜层。虹膜是眼睛中负责控制瞳孔的大小且因此控制进入眼睛的光的量的较薄结构。另外，人类及犬类具有圆的瞳孔，且猫趋向于具有垂直的狭缝瞳孔，而绵羊及山羊具有水平的狭缝瞳孔。山羊的虹膜与其瞳孔相比通常是暗淡的，且比例如牛、鹿、多数马及许多绵羊的动物(其类似的水平瞳孔融入到较深的虹膜及巩膜中)更加引人注意。无论瞳孔的形状为何，瞳孔的大小都由取决于环境的照明程度的虹膜控制。在自发设置中需要较少准备或无需准备而用于为人、孩子、宠物及动物拍照的“快照摄影”受消费者欢迎。由脉络膜引起的着色可为白色、黄色、绿色及蓝色的变型，且颜色以及瞳孔形状也可用于协助识别被摄者是人类还是动物，及是哪种类型的动物。

在具有不能通过修改现存像素充分地校正的非常严重的眼睛伪影状况的情况中，用从相同被摄者的相关图像或通用数字眼睛模型取样的眼睛图像替换眼睛图像，所述通用数字眼睛模型经调适以匹配所取样的所关注被摄者的图像的颜色、大小、虹膜颜色、虹膜/瞳孔形状、眼睛大小及眼部分离。这些可选择模型可包含针对男性、女性、儿童及各种类型的动物的版本。除提供定位信息、眼部分离外，眼睛之间的可测量距离也可用于确定眼睛大小，且用于重新按比例缩放眼睛的大小。如果使用眼睛图像或眼睛模型替换严重的受眼睛伪影影响的图像，那么关键的是，其复制原始被摄者的观测方向及/或正指向相同方向以避免出现“斜视”或看起来像正看向奇怪的方向，例如向下看或看起来像正在转动其眼睛。可从数字图像的常规源中的任何者(例如，在线图像账户、家庭计算机、移动装置及相关账户上所存储的图像、社交网络上所存储的图像及来自医疗档案或数据库的图像)获得被摄者的相关图像。所述图像可能来自任何可存取的源，只要系统的用户对所述图像具有访问权限且能够自由地使用图形即可。可使用面部检测技术及/或图像相关元数据或标签(例如，个人的名字)识别用于用严重的眼睛伪影替换眼睛图像的被摄者的相关图像。

眼睛大小或眼部分离的测量可用于对潜在的眼睛替换候选者进行排名，其中较高排名给予那些与严重的受伪影影响的眼睛的大小相同或更大的候选者。相同被摄者的相同大小或较大候选眼睛具有充足或更大的图像细节，且更大的眼睛可经向下按比例缩放以匹配严重的受伪影影响的眼睛。可能看起来，典型用户将抗拒眼睛伪影校正的更极端方法，但在具有特殊意义的照片的情况或来自一种例如婚礼、生日及体育事件的事件(其中再次获得受眼睛伪影破坏的图像如果并非不可能则也是不切实际的)的照片的情况中，这提供挽救所述图像的一种合理方法。

多年来，用户已展现出想要更改照片以增强照片及/或被摄者的外观的意愿。用于改进图像外观的数字“喷枪”或“修版”技术是众所周知的实践，且例如Adobe Photoshop的图像编辑程序提供取决于用户的技能执行简单或复杂的数字图像编辑所需的工具。经由“数字喷枪”技术(其中用来自未受影响的皮肤像素的附近区域的像素替换受影响的皮肤瑕疵像素)移除瑕疵、皱纹及痤疮的技术是众所周知且受欢迎的。这是简单实施的技术，这是因为人类皮肤具有少得多的需要复制的复杂细节，且缺乏人类及动物眼睛的可变方向、虹膜大小、眼睑及表情性质。当校正严重的眼睛伪影时，重要的是考虑图像中的被摄者的头部大小，这在于：例如人像或极度放大图像情况下的较大的头部大小需要比中型或远景照片更准确且详细的校正。在选择适当的校正技术时，也需要把头部及面部大小作为因素计入。举例来说，如果待校正的图像是在某一距离处拍摄的照片，且被摄者具有闪光灯照明诱发的红眼状况，那么简单地对受影响的瞳孔或瞳孔及虹膜像素进行重新着色可能是足够的。

在其中眼睛伪影非常严重且模糊了眼睛的图像的图像且无可用的其它相关图像或关于被摄者的眼睛颜色的信息时，系统可预测用户眼睛的颜色。基于与图像或图像处理活动的位置相关联的位置元数据的地理位置、种族背景、用户所选择或提供的眼睛颜色信息、发色及肤色(其都不受眼睛伪影的影响)可用于预测用户可能的眼睛颜色。在其中非伪影图像不适于用户校正眼睛伪影图像(例如，具降低的分辨率或仅描绘被摄者的轮廓)的一些情况中，这些图像用于调适所选择的通用眼睛模型，所述通用眼睛模型将用于替换含有眼睛伪影状况的像素。在其中无可用的被摄者非伪影图像的眼睛伪影状况的多数严重情况中，发色及肤色及地理位置用于提供具有在统计上最可能眼睛颜色的通用眼睛模型。眼睛颜色也可为用户或操作者选择。

世界上超过55％的人口具有棕色眼睛。棕色眼睛颜色是显性遗传性状且由眼睛中的黑色素形成。来自非洲及亚洲的几乎所有个人都具有棕色眼睛颜色。棕色眼睛趋向于比其它眼睛颜色更深，且在外观上从浅棕色变化到黑色。淡褐色眼睛类似于棕色眼睛，但其更浅且具有更多的绿-黄色彩。淡褐色眼睛的颜色外观可随着环境发光状况而变化，且世界上高达8％的人口具有淡褐色眼睛。蓝色眼睛颜色是隐性遗传性状，且较不常见，其中仅大约8％的人具有蓝色眼睛。蓝色眼睛在来自北欧的人中更常见，且蓝色眼睛具有较低的色素沉着量，且蓝色是通过由虹膜的基质散射光而形成。灰色或银色眼睛颜色是蓝色的非常稀有的变型。如同蓝色眼睛，灰色眼睛是眼睛中具有非常低的色素沉着量的结果，这反映出银灰色外观。银色眼睛颜色在东欧国家中是最常见的，且是世界上较少见的眼睛颜色中的一者。通常会将绿色眼睛与淡褐色眼睛颜色混淆。绿色眼睛颜色是最少见的，占世界人口的大约2％。绿色眼睛颜色是具有少量脂色素的结果，脂色素是一种形式的与人眼及其它哺乳动物的眼睛中的绿色、琥珀色及金色调相关联的色素。当颜色与眼睛散射的自然蓝色组合时，所述颜色混合给出绿色外观。绿色眼睛颜色在北欧及中欧是最常见的，且在来自西亚的人中较少见。琥珀色眼睛具有淡黄色的铜色调，这带来脂色素。琥珀色眼睛颜色可从金黄色变化到铜色。琥珀色眼睛在世界上非常稀有，且在亚洲及南美国家最常见。在具有关于地理位置、发色及肤色的信息情况下，使用查找表(LUT)预测被摄者的眼睛颜色。此替代方法经设计以用于挽救重要的图像或由严重的眼睛伪影毁坏的一种图像中的一者。在所提出的所有技术情况下，被摄者的面部相对于场景的大小非常重要。必须更多地关注呈现更多细节的特写肖像画。马丁-舒尔茨色标(Martin-Schultz scale)是一种建立个人的眼睛颜色的标准色标。所述色标由从浅蓝色到深棕黑的16种颜色组成。

可(例如)用Martin-Schultz色标量化眼睛颜色分类，其提供三种广义类别：A-浅色眼睛、B-混合眼睛及C-深色眼睛。在此色标上，浅色眼睛具有最高数字排名12到16且包含：蓝色、灰色及绿色眼睛。数字值随着灰色着色量的减少而减小。混合眼睛在色标上从6变化到12且包含：包含类似量的棕色色素沉着的灰色、蓝色或绿色眼睛。深色眼睛在色标上从1变化到6且进一步被分类成两个子群：从4到6的深色混合范围，主要包含具有浅色素的一些混合的棕色眼睛。深色眼睛在Martin-Schultz色标上从1变化到4且包含：浅棕色、深棕色(其看起来接近眼睛颜色中的黑色)。眼睛颜色类型在全世界上也具有人口及地理分布。

Martin-Schultz色标是一种通常用于身体人类学以建立更精确或较不精确的个人眼睛颜色的标准色标：其是由人类学家马丁及舒尔茨在20世纪上半叶创立。所述色标由从浅蓝色到深棕黑的16种颜色组成。

●1到2：蓝色虹膜(1a、1b、1c、2a：浅蓝色虹膜，到2b：较深的蓝色虹膜)

●3：蓝灰色虹膜

●4：灰色虹膜

●5：具有黄色/棕色斑点的蓝灰色虹膜

●6：具有黄色/棕色斑点的灰绿色虹膜

●7：绿色虹膜

●8：具有黄色/棕色斑点的绿色虹膜

●9到11：浅棕色虹膜

●10：淡褐色虹膜

●12到13：中棕色虹膜

●14到15到16：深棕色及黑色虹膜

眼睛颜色分布百分比

统计验证

来源：美国眼科学会(American Academy of Ophthalmology)

数据验证：1.1.2014

美国眼睛颜色百分比

蓝色/灰色虹膜：32％

具有棕色/黄色斑的蓝色/灰色/绿色虹膜：15％

具有最小斑的绿色/浅棕色虹膜：12％

具有斑的棕色虹膜：16％

深棕色虹膜：25％

可根据冲洗机/站的地理位置或GPS图像标签或客户端计算机的IP地址、用户的肤色、用户的发色及其它用户信息(例如，种族)(如果可用)计算(Martin-Schultz色标中的)预测的眼睛颜色值。

可(例如)用Martin-Schultz色标量化眼睛颜色分类，其提供三种广义类别：A-浅色眼睛、B-混合眼睛及C-深色眼睛。在此色标上，浅色眼睛具有最高数字排名12到16且包含：蓝色、灰色及绿色眼睛。数字值随着灰色着色量的减少而减小。混合眼睛在色标上从6变化到12且包含：包含类似量的棕色色素沉着的灰色、蓝色或绿色眼睛。深色眼睛在色标上从1变化到6且进一步被分类成两个子群：从4到6的深色混合范围，主要包含具有浅色素的一些混合的棕色眼睛。深色眼睛在Martin-Schultz色标上从1变化到4且包含：浅棕色、深棕色(其看起来接近眼睛颜色中的黑色)。

假设地理位置(GL)、发色(HC)及肤色(SC)是可用的且可在缺乏其它信息时用于预测眼睛颜色。理念是缩小色群，且接着，用户可精细致力于从那个色群选择实际颜色。可使用环绕的用户接口选择正确的眼睛颜色替换来完成此操作。

以上段落中提到的三个色群(A、B或C)中的每一者的概率可被计算如下(EC代表眼睛颜色)：

Pa＝P(EC＝A|GL＝X∩HC＝Y∩SC＝Z)≈P(EC＝A|GL＝X)*P(EC＝A|HC＝Y)*P(EC＝A|SC＝Z)

Pb＝P(EC＝B|GL＝X∩HC＝Y∩SC＝Z)≈P(EC＝B|GL＝X)*P(EC＝B|HC＝Y)*P(EC＝B|SC＝Z)

Pc＝P(EC＝C|GL＝X∩HC＝Y∩SC＝Z)≈P(EC＝C|GL＝X)*P(EC＝C|HC＝Y)*P(EC＝C|SC＝Z)

(假设独立于变量(GL、HC及SC)以简化计算。除非可应用贝叶斯定理(Baye’s rule)的使用)

预测的眼睛颜色＝由Max{Pa,Pb,Pc}表示的色群

举例来说，X＝亚洲，Y＝黑色，且Z＝中型

Pa＝0.3*0.3*0.35＝0.032

Pb＝0.5*0.5*0.5＝0.125

Pc＝0.9*0.9*0.75＝0.608

在此情况中，Max{Pa,Pb,Pc}＝Pc，这暗示预测的眼睛色群是C，其表示深色眼睛色群。

可从使用关于3个变量的概率分布的先前知识构造的概率表(参见表1)获得上文实例中使用的概率值。

表1：眼睛色群的概率表(从可用统计外推值)

*在其中检测到年龄诱发的白色/灰色或人造发色的情况中，可减小或消除HC分量的效果。

通常，眼睛相关的伪影是由相机相关的照明(例如，电子闪光灯)引起的，但存在其它的眼睛相关伪影的来源，例如，环境发光、眼镜及身体状况。用于近视的高负透镜可致使被摄者眼睛在照片中看起来更小。由玻璃或低折射率塑料制成的较大透镜及更远离眼睛定位镜片的更大眼镜框使此现象加剧。用于远视的高正透镜可致使眼睛看起来被放大。可通过使用由高折射率塑料(例如，聚碳酸酯)制成的透镜并将透镜保持为较小来减少此状况。正如高负透镜，由玻璃或低折射率塑料制成的较大透镜及更远离眼睛定位镜片的较大眼镜框使此加剧。

用于校正摄影眼睛伪影的相同图像操纵技术可用于改进或校正由身体眼睛问题引起的与摄影状况不相关联的眼睛伪影。照片中出现的状况，例如结膜炎、充血眼睛、结膜下出血、斜视、眼皮肤白化病或白内障可得以改进或校正。在眼皮肤白化病的情况下，眼睛不能产生足够的色素以将虹膜着色为蓝色、绿色或棕色且添加浑浊到眼睛；代替地，眼睛取决于也归因于通过虹膜可见的视网膜的红色而呈现的色素量而看起来呈红色、粉色或紫色。一些类型的白化病仅影响肤色及发色，其它类型影响皮肤、头发及眼睛颜色，或仅影响眼睛颜色。弱视(也被称为“懒惰眼”)是由眼视力下降表征的眼障碍，其在其它方面看起来正常或与相关联的眼睛结构异常不成比例。不应将医疗状况误认为是摄影相关的眼睛伪影，且必须用商业系统来关注以预防此情况。所述系统可包含可在医疗状况与摄影相关的眼睛伪影之间作出区分的算法。重要的是，假设并非所有被摄者都对校正身体眼睛状况的外观感到舒服。可由系统警告操作者未经确定的眼睛伪影原因，及/或可训练操作者辨别这些状况。这对用户控制系统(例如，相机、照片冲洗机或图像操纵软件)来说不是问题，其中用户可选择校正所述状况或并非是自愿的。

对具有严重眼睛伪影状况的被摄者图像的图像集合用于确定候选图像是否可用。候选图像是相同被摄者的额外相对最近图像，其用于替换被摄者的眼睛的部分以补偿眼睛伪影状况。将被摄者图像(例如，室外图像，其中通常不存在照明眼睛伪影状况)及具有类似或更大头部大小或眼部分离的被摄者图像排名为高于候选图像。此外，如果眼睛伪影图像是由眼镜诱发的几何失真及/或镜片光晕引起的，那么不戴眼镜的候选被摄者图像也将会被排名更高。通过以记录捕获时间的元数据按时间方式对检测到的图像排序。为按时间顺序对匹配的图像排序，可使用从图像的标题(例如，来自JPEG图像的EXIF标题)提取的捕获日期/时间信息。在此处可使用面部检测算法，例如，H.施奈德曼(H.Schneiderman)及T.加纳妥(Kanade)的CVPR’98的Proc.的“用于对象辨别的局部外观及空间关系的概率建模(Probabilistic Modeling of Local Appearance and Spatial Relationships for Object Recognition)”第45到51中所描述的面部检测器。可通过使用面部检测与聚类算法的组合完成基于时间的排序场景。应用面部检测算法首先确定检测到的面部的位置。接着，可(例如)使用如由T.F.柯茨(T.F.Cootes)、C.J.泰勒(C.J.Taylor)、D.H.库珀(D.H.Cooper)及J.格拉哈姆(J.Graham)在1995年的论文“主动形状模型-其训练及应用(Active shape models–their training and application)”计算机视觉及图像理解(61)(Computer Vision and Image Understanding(61))第38到59页描述的用于提取面部特征点的主动形状模型提取面部特征。接着，可使用这些面部特征点确定具有类似面部(即，具有类似面部特征点的面部)的聚类。接着，可由用户轮廓数据(如果可用)确定或可通过年龄及性别算法估计面部的年龄，例如，由M.H.杨(Yang)及B.穆加达姆(Moghaddam)，在Peoc.ICPR2000的“用于视觉性别分类的支持矢量机(Support vector machines for visual gender classification)”及由X.耿(Geng)、Z.-H.周(Zhou)、Y.张(Zhang)、G.李(Li)及H.戴(Dai)在国际多媒体大会(ACM MULTIMEDIA)2006的“用于自动年龄估计的面部计龄图案学习(Learning form facial aging patterns for automatic age estimation)”中所描述的年龄及性别算法。可通过使用面部检测并聚类以识别相同个人的图像接着从图像标题提取日期/时间信息以确定时间实现按时间顺序对具有相同个人的图像的场景排序。

使用对象辨别、分割及提取技术，可用重新按比例缩放的替换图像或计算机生成的图像独立修改、替换眼睛的个别部分(例如，瞳孔、巩膜、虹膜、眼睑及眼睫毛)，或所述部分用于提供例如眼睛大小及眼部分离的其它信息。这些技术还用于从用户对其具有访问权限的图像集合提取候选眼睛图像及眼睛分量。可将面部上眼睛的位置视作静止对象，如在先前通过引用方式并入的路易(Loui)专利中所描述。特别地，从面部特征点，可相对于面部区域精确定位眼睛位置。接着，使用例如均值移位算法的图像处理技术，可分割眼睛的各个区域(虹膜、瞳孔及巩膜)，且用适当的眼睛颜色替换部分替换所述区域。对不同图像分割算法的参考可发现于C.邦德(C.Pantofaru)及M.赫伯特(M.Hebert)在CMU-RI-TR-05-40，机器人学院(Robotics Institute)，卡耐基梅隆大学(Carnegie Mellon University)在2005年9月1日的技术报告“图像分割算法的比较(A comparison of image segmentation algorithms)”中。

本发明的目标是提供一种识别由摄影状况引起的眼睛相关伪影的类型及使用一系列技术及各种类型的内容对其进行适当校正的方法。所得伪影是极不合意的，且多数人选择校正所得摄影图像中的这些状况。过程利用面部检测、眼睛检测、面部位置元数据或用于定位数字图像中的眼睛的手动指示。一旦眼睛被定位，那么对其进行分析以确定是否存在伪影。如果检测到的面部是人脸，且一或两只眼睛都具有是红色或白色的伪影，那么用深中性色及圆形形状对其进行校正。如果确定面部为动物的脸，且一或两只眼睛都具有绿色、蓝色或白色伪影，那么识别动物的类型。替代地，用户可从用于选择每一面部的菜单选择面部类型，例如人类、犬类、猫类等等。其中典型的“自动红眼校正”数字成像技术用于用中性的彩色像素替换或修改伪影相关像素。如果其为犬类，那么用深中性色及圆形形状对伪影进行校正。如果确定动物为猫类，那么用深中性色及垂直狭缝或椭圆形形状对伪影进行校正。在其中如由眼睛、面部或对象辨别技术确定且由位置或时间元数据(如果可用)增大的相同被摄者的一系列图像为可用的，且那些图像不含有眼睛相关的伪影的情况中，那些图像可用于对眼睛伪影状况进行进一步校正。所述进一步校正包含：通过对相同被摄者的非伪影眼睛图像的像素取样或克隆校正/替换虹膜形状、细节、形状及结构。在其中为受影响的被摄者替换眼睛的情况中，但我们具有父母的眼睛。在此情况中，可从父母眼睛的颜色及特性预测替换眼睛。相关的场景是：使用同胞(或近亲)的眼睛颜色及特性预测受影响被摄者的眼睛颜色及特性。此场景可适用于社交网络(例如，脸书(Facebook))的用户，其中家庭成员共享其图像及视频。另外，出于审美或娱乐目的，提供由用户选择错误颜色及/或眼睛类型的选项，例如，具有蓝色眼睛的人可以在其图像中选择绿色猫眼的选项。

图11a到11e是具有各种类型的数字创建的捕捉光的人眼的图形图解，下文也将参考此内容。

除校正眼睛相关伪影外，希望在眼睛中保留或创建“捕捉光”。“捕捉光”或“眼睛光”是图像中的被摄者眼睛中的镜面高光，且由相机闪光灯或额外自然光源(例如，太阳的反射或白天场景)或人造光源(例如，摄影室灯光的第二闪光灯)生成。捕捉光可为发光方法的自然伪影，由特殊的发光效应有目的的创建，或使用数字编辑技术添加。捕捉光添加发光物到被摄者的眼睛，从而有助于吸引对其的注意力，且通常在审美上是所期望的伪影，尤其是在肖像画中，这是因为不具有捕捉光的眼睛通常具有呆滞或死气沉沉的外观。捕捉光还增强具有积极或欢乐表情的被摄者的图像。灯光通常被布置于棚拍人像中，明确来说，来创建吸引人的捕捉光。捕捉光可呈现于瞳孔、虹膜或两者上，且可仅为锐化的白点、柔光或被摄者可见的场景的反射。捕捉光出现于被摄者的眼睛中的每一者中的相同相对位置中，但不会影响场景或被摄者的其它部分。捕捉光可在照片被曝光之后使用预存储的包含锐化或柔化白点、对象(例如，窗)及伪场景反射的影像被数字地添加。此技术还可包含个人图像，例如，儿童或爱人的图像。在数字地添加眼睛反射的情况下，适当的几何失真被应用到图像以复制眼睛的球面上的反射的外观。另外，可控制捕捉光图像的不透明度、对比度及亮度以进一步增强数字创建的眼睛反射捕捉光的自然外观。用户可直接控制捕捉光及眼睛反射的外观及位置，或其可根据一系列所呈现的选项做出选择。

在替代实施例或任选地提供的特征中，除自动校正眼睛相关的伪影外，本发明可用于娱乐、消遣及创意应用。用户可替换或修改非伪影或受伪影影响的眼睛以(例如)用所谓的“芭比眼睛”创建被摄者的图像以使被摄者的眼睛看起来更大及/或具有超饱和的或不自然的颜色(例如，紫色或鲜绿色)。一些用户普遍对此感兴趣，如由改变用户的瞳孔形状以复制“猫眼”的外观及/或改变用户的眼睛颜色的隐形镜片的可用性所证实。此类型的隐形镜片当前可用于广泛范围的风格及颜色，其包含例如光泽、花卉、彩色图案、动物眼睛类型、“僵尸眼睛”、几何形状、球队标志、星星、图形、文本等等的极端处置。对本发明，具有与众不同的或有趣的眼睛类型的额外计算机产生的、真实世界的或经数字修改的图像的这些及更多风格、图案及颜色是可能的。这些处置可随时间刷新，及/或可经修改以满足季节需求，例如万圣节的“怪物眼睛”、圣诞节的丰富多彩的装饰品及7月4日的烟火。

替代的GUI配置，例如用户从(例如)各自使用单独的校正技术修改的图像的“3x 3矩阵”及/或校正的程度选择经校正的图像的动态环绕演示，用于进一步简化用户交互。其它GUI实施方案包含“最佳选择”，其中系统确定最佳校正并将其呈现给用户以让其接受或拒绝。如果被拒绝，那么替代的校正技术及/或校正程度被部署，且替代的经校正的图像被呈现给用户，且过程继续直到用户看到满足其要求的版本。

又一GUI应用各种校正技术，及/或校正结果的程度被随机呈现直到用户选择了其可接受的结果。这些方法理想地适于具有触摸、手势及语音输入模态的较小显示器的系统，这是因为简单的选择是产生可接受结果所需要的。这些技术还无需用户训练工具选择及使用优选的结果选择的选择并用其进行替换。换句话来说，此增强的GUI过程用图像选择过程替换图像编辑过程。具有所论述的所有技术及接口，系统可记录用户的选择以随着用户与系统交互确定用户偏好以增强及定制所述过程。如果多个用户访问相同系统，那么个别用户轮廓被维持。

图1是表示本发明的方法的操作序列的流程图。本发明的方法以图像分析步骤10开始，且继续到眼睛伪影决策步骤20。如果检测到眼睛伪影，那么方法继续到身体状况决策步骤30。如果未检测到眼睛伪影，那么方法继续到UI选择越权控制决策步骤40。在步骤30处，如果检测到身体状况，那么方法继续到UI选择越权控制决策步骤40。如果未检测到身体状况，那么方法继续到人类被摄者决策步骤50。在步骤40处，如果选择了越权控制选项，那么方法继续到伪影指示步骤60，这将使方法返回到人类被摄者决策步骤50。如果未选择越权控制选项，那么方法在过程完成步骤220处终止。在步骤50处，如果检测到人类被摄者，那么方法继续到眼镜诱发的决策步骤70。如果未检测到人类被摄者，那么方法继续到动物类型决策步骤80。在步骤80处，如果确定是动物类型，那么方法继续到确定伪影严重性步骤100。如果未确定是动物类型，那么方法继续到选择动物类型步骤90，且接着继续以确定伪影严重性步骤100。在步骤70处，如果检测到眼镜诱发的伪影，那么方法继续到眼睛伪影镜片光晕诱发的决策步骤110。在步骤70处，如果未检测到眼镜诱发的伪影，那么方法可继续到不使用相关的图像可校正伪影的决策步骤120。在步骤120处，如果不使用相关的图像可校正伪影，那么方法直接继续到应用所选择校正步骤190。然而，如果不使用相关的图像不可校正伪影，那么方法继续到相关图像可用的决策步骤130。如果相关图像可用，那么方法继续到选择适当的眼睛图像步骤150，且继续到按比例缩放到配合图像步骤180，且接着到应用所选择校正步骤190。在步骤130中，如果相关图像不可用，那么方法继续到从元数据/图像分析步骤预测眼睛颜色，继续到选择适当的眼睛模型步骤，继续到按比例缩放到配合图像步骤，且接着继续到应用所选择校正步骤190。返回到步骤110，如果眼睛伪影并非是归因于镜片眩光，那么方法继续以识别正或负放大失真步骤140，且接着继续到应用所选择校正步骤190。在步骤190之后，方法继续到校正满意决策步骤210。如果校正令人满意，那么方法在过程完成步骤220处终止。如果校正不令人满意，那么方法继续到选择替代校正步骤200，且接着第二次尝试应用选择校正步骤190以校正眼睛伪影。可必要地连续多次继续步骤190、210及200以校正眼睛伪影。

图2是根据本发明的方法的描述伪影类型、严重程度及校正模态的图表。图2中的列标题包含伪影类型列230、伪影严重性列240、可用资源列250及校正方法列260。依次描述针对行中的每一者且对应于从左到右的列项目中的每一者的行项目：

图3a到3b是根据本发明的方法的用于校正人类的场景照明相关的眼睛伪影的图形用户接口(GUI)430的图解。现参考图3a，GUI显示具有照明相关的眼睛伪影的第一被摄者440及不具有照明相关的眼睛伪影的第二被摄者450。第一被摄者440包含眼睛伪影指示图标460及照明相关的眼睛伪影470。沿着GUI 430的右手侧的列包含特写导航工具图标480及颜色取样器工具图标490、眼镜工具图标500、动物工具图标510、手动编辑工具图标520、环绕用户接口530、保存文件图标540及重做图标550及取消图标560。沿着GUI 430的底部的行包含：排名第一的替换图像570，其包含排名第一的图像元数据指示符580；排名第二的替换图像590，其包含排名第二的图像元数据指示符600；排名第三的替换图像610，其包含排名第三的图像元数据指示符620；排名第四的替换图像630，其包含排名第四的图像元数据指示符640；及针对女人的眼睛模型650，其包含眼睛模型类型指示660。现参考图3b，在第一被摄者440上展示经校正的眼睛伪影670。

图4a到4b是根据本发明的方法的用于校正动物的场景照明相关的眼睛伪影的图形用户接口(GUI)680的图解。图4a到4b中所展示的列图标与先前关于图3a到3b中所展示的GUI 430所展示的列图标大体上相同。GUI 680显示具有照明相关的眼睛伪影的第一动物被摄者690及具有照明相关的眼睛伪影的第二动物被摄者700。第一动物被摄者包含眼睛伪影指示图标710(互补于被摄者颜色的浅颜色)及照明相关的眼睛伪影720。第二动物被摄者包含眼睛伪影指示图标730(互补于被摄者颜色的深颜色)，其包含照明相关的眼睛伪影740。GUI 680的底部行显示排名第一的第一动物被摄者的替换图像750(瞳孔收缩)及排名第一的图像元数据指示符760、排名第二的第一动物被摄者的替换图像770(瞳孔扩张)及排名第二的图像元数据指示符780、排名第一的第二动物被摄者的替换图像790(瞳孔收缩)及排名第一的图像元数据指示符800、排名第二的第二动物被摄者的替换图像810(瞳孔扩张)及排名第二的图像元数据指示符820及动物类型(猫类)的眼睛模型830及眼睛模型类型指示840。现参考图4b，显示(使用排名第一的第一被摄者替换图像)经校正的眼睛伪影850及(使用排名第一的第二被摄者替换图像)经校正的眼睛伪影860。

图5a到5b是根据本发明的方法的用于校正人类的眼镜相关的眼睛伪影的图形用户接口(GUI)870的图解。同样，列图标是如先前所论述。参考图5a，GUI 870显示具有眼镜相关的失真的人类被摄者880、眼镜框890、高负眼镜镜片900、眼镜镜片诱发的放大失真910(高负透镜)及眼镜镜片诱发的眼睛放大失真920(高负透镜)。GUI 870的底部行显示排名第一的未佩戴眼镜的被摄者的替换图像930及排名第一的图像元数据指示符940、具有人造的彩色透镜以屏蔽不可校正的眼睛伪影的任选经修改的图像950及任选校正类型指示符960、及针对男人的眼睛模型970及眼睛模型类型指示970。现参考图5b，显示经校正的眼镜诱发的失真伪影990。

图6a到6f是各种类型的眼睛相关的伪影的图形图解。现参考图6a，展示包含眼镜框890、高负眼镜镜片900、眼镜镜片诱发的放大失真910(高负透镜)及眼镜镜片诱发的眼睛放大失真920(高负透镜)的眼镜诱发的放大失真1000(高负透镜)的实例，如先前所解释。现参考图6b，展示包含眼镜框890、高正眼镜镜片1020及眼镜镜片诱发的眼睛放大失真1025(高正透镜)的眼镜诱发的放大失真1010(高正透镜)的实例。现参考图6c，展示包含镜片光晕模糊的眼睛图像1040及眼镜镜片1050的眼镜镜片诱发的眼睛相关伪影1030(镜片光晕)的实例。现参考图6d，展示包含眼睛图像1070及褪色的瞳孔1080(白内障)的眼睛相关的身体状况1060(白内障)的实例。现参考图6e，展示包含眼睛图像1100及褪色的瞳孔1110(充血的眼睛或结膜下出血)的眼睛相关的身体状况1090(褪色的巩膜)的实例。现参考图6f，展示包含正常眼睛图像、睁开的眼睑1140、闭上的眼睑1150及模糊的眼睛图像1160的潜在的眼睛相关的身体状况1120(闭上的眼睛或弱视)的实例。

图7a到7b是收缩及扩张的人眼的图形图解。图7a展示人眼虹膜1170、人眼瞳孔1180(收缩)及人眼巩膜1190。图7b展示人眼瞳孔1200(扩张)及人眼捕捉光1210。

图8a到8b是收缩及扩张的猫眼的图形图解。图8a展示猫眼虹膜1220、猫眼瞳孔1230(收缩)及猫眼巩膜1240。图8b展示猫眼瞳孔1250(扩张)及猫眼捕捉光1260。

图9a到9b是收缩及扩张的犬眼的图形图解。图9a展示犬眼虹膜1270、犬眼瞳孔1280(收缩)及犬眼巩膜1290。图9b展示犬眼瞳孔1300(扩张)及犬眼捕捉光1310。

图10a到10b是收缩及扩张的绵羊/山羊眼的图形图解。图10a展示绵羊/山羊眼虹膜1320、绵羊/山羊眼瞳孔1330(收缩)及绵羊/山羊眼巩膜1340。图10b展示绵羊/山羊眼瞳孔1350(扩张)及绵羊/山羊眼捕捉光1360。

图11a到11e是具有各种类型的数字创建的捕捉光的人眼的图形图解。图11a展示不具有捕捉光的人类瞳孔1370。图11b展示具有人造斑点捕捉光的人类瞳孔1380。图11c展示具有人造窗捕捉光的人类瞳孔1390。图11d展示具有人造儿童图像捕捉光的人类瞳孔1400。图11e展示具有人造宗教标志图像捕捉光的人类瞳孔1410。

图12是用于提供本发明的眼睛伪影校正方法的冲洗机的图解。用户操作零售照片冲洗机1420以根据用户提供的图像1440创建硬及软拷贝照片产品。模板、图形、图像处理软件可由冲洗机计算机1490访问。用户图像1440被提供为可经由多格式存储卡接口1450、CD/DVD读取/写入驱动1470读取的相机卡上的从智能电话无线传输的数字文件，及可经由无线路由器1560或蓝牙接口(未展示)读取的无线相机上的数字文件。也可经由远程照片账户(未展示)提供用户图像1440，或经由打印扫描仪1550提供硬拷贝印刷品的扫描。经由触摸屏1430及指向装置/UI 1460提供用于程序选择、产品排序、图像编辑及支付的用户接口，及任选的声音及手势接口(未展示)。冲洗机1420还包含用于用户提供订单支付的信用卡支付机构1480，但也可使用其它支付机构(例如，来自智能电话的无线近场通信或货币读取器/接受器)。在热敏打印机1510上打印硬拷贝摄影输出产品(例如，打印物、放大物、贺卡及呈热敏打印1520的形式的类似物)。在远程完成设施1500处产生更复杂的照片产品(例如，照片书、照片年历、在线幻灯片)。在大篇幅喷墨打印机1530上产生较大的海报及墙饰，且在高速DVD刻录机1540上产生用于存储及互动演示的软拷贝图像产品。

已特定参考本发明的某些优选实施例来详细地描述本发明，但应理解，可在本发明的精神及范围内实施变化及修改。

元件列表：

10 图像分析步骤

20 眼睛伪影决策步骤

30 身体状况决策步骤

40 UI选择越权控制决策步骤

50 人类被摄者决策步骤

60 伪影指示步骤

70 眼镜诱发的决策步骤

80 动物类型决策步骤

90 选择动物类型步骤

100 确定伪影严重性步骤

110 眼睛伪影镜片光晕诱发的决策步骤

120 可不使用相关的图像校正伪影的决策步骤

130 相关图像是否可用的决策步骤

140 识别正或负放大失真步骤

150 选择适当的眼睛图像步骤

160 从元数据/图像分析步骤预测眼睛颜色

170 选择适当的眼睛模型步骤

180 按比例缩放到配合图像步骤

190 应用所选择校正步骤

200 选择替代校正步骤

210 校正是否令人满意的决策步骤

220 过程完成步骤

230 伪影类型列

240 伪影严重性列

250 可用资源列

260 校正方法列

270 发光体、低严重性、具有替换图像行

280 发光体、低严重性、不具有替换图像行

290 发光体、中严重性、具有替换图像行

300 发光体，中严重性、不具有替换图像行

310 发光体，高严重性、具有替换图像行

320 发光体，高严重性、不具有替换图像行

330 眼镜相关的失真，具有替换图像行

340 眼镜相关的失真，不具有替换图像行

350 眼镜相关的光晕，高严重性、具有替换图像行

360 眼镜相关的光晕，高严重性、不具有替换图像行

370 身体眼睛状况(褪色的巩膜)，具有替换图像行

380 身体眼睛状况(褪色的巩膜)，不具有替换图像行

390 身体眼睛状况(非对准的虹膜/瞳孔对)，具有替换图像行

400 身体眼睛状况(非对准的虹膜/瞳孔对)，不具有替换图像行

410 身体眼睛状况(白内障)行

420 身体眼睛状况(受损的眼睛)行

430 图形用户接口以校正人类的场景照明相关的眼睛伪影

440 具有照明相关的眼睛伪影的第一被摄者

450 不具有照明相关的眼睛伪影的第二被摄者

460 眼睛伪影指示图标

470 照明相关的眼睛伪影

480 特写导航工具图标

490 颜色取样器工具图标

500 眼镜工具图标

510 动物工具图标

520 手动编辑工具图标

530 环绕用户接口

540 保存文件图标

550 重做图标

560 取消图标

570 排名第一的替换图像

580 排名第一的图像元数据指示符

590 排名第二的替换图像

600 排名第二的图像元数据指示符

610 排名第三的替换图像

620 排名第三的图像元数据指示符

630 排名第四的替换图像

640 排名第四的图像元数据指示符

650 女人的眼睛模型

660 眼睛模型类型指示

670 经校正的眼睛伪影

680 图形用户接口以校正动物的场景照明相关的眼睛伪影

690 具有照明相关的眼睛伪影的第一动物被摄者

700 具有照明相关的眼睛伪影的第二动物被摄者

710 眼睛伪影指示图标(互补于被摄者颜色的浅颜色)

720 照明相关的眼睛伪影

730 眼睛伪影指示图标(互补于被摄者颜色的深颜色)

740 照明相关的眼睛伪影

750 排名第一的第一动物被摄者的替换图像(瞳孔收缩)

760 排名第一的图像元数据指示符

770 排名第二的第一动物被摄者的替换图像(瞳孔张开)

780 排名第二的图像元数据指示符

790 排名第一的第二动物被摄者的替换图像(瞳孔收缩)

800 排名第一的图像元数据指示符

810 排名第二的第二动物被摄者的替换图像(瞳孔张开)

820 排名第二的图像元数据指示符

830 动物类型的眼睛模型(猫类)

840 眼睛模型类型指示

850 经校正的眼睛伪影(使用排名第一的第一被摄者替换图像)

860 经校正的眼睛伪影(使用排名第一的第二被摄者替换图像)

870 图形用户接口以校正人类的眼镜相关的失真

880 具有眼镜相关失真的人类被摄者

890 眼镜框

900 高负眼镜镜片

910 眼镜镜片诱发的放大失真(高负透镜)

920 眼镜镜片诱发的眼睛放大失真(高负透镜)

930 排名第一的不戴眼镜的被摄者的替换图像

940 排名第一的图像元数据指示符

950 具有人造的着色透镜的任选的经修改的图像以屏蔽不可校正的眼睛伪影

960 任选的校正类型指示符

970 男人的眼睛模型

980 眼睛模型类型指示

990 经校正的眼镜诱发的失真

1000 眼镜诱发的放大失真的实例(高负透镜)

1010 眼镜诱发的放大失真的实例(高正透镜)

1020 高正眼镜镜片

1025 眼镜镜片诱发的眼睛放大失真(高正透镜)

1030 眼镜镜片诱发的眼睛相关的伪影(镜片光晕)

1040 模糊眼睛图像的镜片光晕

1050 眼镜镜片

1060 眼睛相关的身体状况的实例(白内障)

1070 眼睛图像

1080 褪色的瞳孔(白内障)

1090 眼睛相关的身体状况的实例(褪色的巩膜)

1100 眼睛图像

1110 褪色的瞳孔(充血的眼睛或结膜下出血)

1120 潜在的眼睛相关的身体状态的实例(闭上的眼睛或弱视)

1130 正常眼睛图像

1140 睁开的眼睑

1150 闭上的眼睑

1160 模糊的眼睛图像

1170 人眼虹膜

1180 人眼瞳孔(收缩)

1190 人眼巩膜

1200 人眼瞳孔(扩张)

1210 人眼捕获光

1220 猫眼虹膜

1230 猫眼瞳孔(收缩)

1240 猫眼巩膜

1250 猫眼瞳孔(扩张)

1260 猫眼捕捉光

1270 犬眼虹膜

1280 犬眼瞳孔(收缩)

1290 犬眼巩膜

1300 犬眼瞳孔(扩张)

1310 犬眼捕捉光

1320 绵羊/山羊眼虹膜

1330 绵羊/山羊眼瞳孔(收缩)

1340 绵羊/山羊眼巩膜

1350 绵羊/山羊眼瞳孔(扩张)

1360 绵羊/山羊眼捕捉光

1370 不具有捕捉光的人类瞳孔

1380 具有人造斑点捕捉光的人类瞳孔

1390 具有人造窗捕捉光的人类瞳孔

1400 具有人造儿童捕捉光的人类瞳孔

1410 具有人造宗教标志图像捕捉光的人类瞳孔

1420 照片冲洗机

1430 触摸屏

1440 用户图像

1450 多格式存储器卡接口

1460 指向装置/UI

1470 CD/DVD读取/写入驱动

1480 信用卡支付机构

1490 计算机

1500 远程实现设施

1510 热敏打印机

1520 热敏打印

1530 大幅面喷墨打印机

1540 高速DVD刻录机

1550 打印扫描仪

1560 无线路由器