运用OpenCV对图像进行红眼校正

大家有没有碰到过用照相机拍出来照片会出现红眼，是不是感觉有点邪恶，那么这是为什么呢？

为什么照片中会出现红眼现象?

在光线昏暗或者晚上，瞳孔往往由于光线不足而扩大。随着照相机闪光灯的闪烁，瞳孔没有来得及反应（缩小），因此而导致一束强光线射到视网膜又反射到照相机的镜头上。在眼球的背面有一层膜叫脉络膜，里面充满了血液，所以反射出来的颜色就是红色的。

大多数照相机都有一个设置，闪光灯会在拍照之前闪几下让瞳孔有时间快速调节到合适的大小。
这里有更好的方式就是通过图像处理来去除红眼现象。

如何自动去红眼？

步骤1：人眼检测

这里采用标准的OpenCV Haar 检测器(haarcascade_eye.xml)来实现人眼检测。
要让事情简单一点，最好图像只是一幅肖像或者眼睛的特写。
代码如下：

import cv2
import numpy as np

#read image
img = cv2.imread("testImg1.jpg") # pass the name of image to be read

outImage = img.copy()
# Load HAAR cascade
eyesCascade = cv2.CascadeClassifier("haarcascade_eye.xml")

#------------ Detect Eyes ------------#
# eyeRects contain bounding rectangle of all detected eyes

eyeRects = eyesCascade.detectMultiScale(img , 1.1, 5 )

步骤2：遮蔽红眼区

接下来需要找到导致红眼现象的瞳孔区域。
简单起见，可以认为红色通道应该大于某个阈值，同样蓝色和绿色通道也是。
对每个眼睛所处矩形区域逐个处理，去除红眼。

#Iterate over all eyes to remove red eye defect

for x,y,w,h in eyeRects:

    #Crop the eye region
    eyeImage = img [y:y+h , x:x+w]

    #split the images into 3 channels
    b, g ,r = cv2.split(eyeImage)

    # Add blue and green channels
    bg = cv2.add(b,g)

    #threshold the mask based on red color and combination ogf blue and gree color
    mask = ( (r>(bg-20)) & (r>80) ).astype(np.uint8)*255

• 裁剪眼睛区域图像
• 将图像分解成3个通道（注意OpenCV默认存储图像的格式是BGR）
• 通过添加蓝色和绿色通道创建一个新图像（bg）
• 创建红色区域掩码（可以使用阈值）
  
  掩码区域可能包含一些不希望出现的区域。接下来可以找到所有不同的连通区域。

#find all contours
    contours, _ = cv2. findContours(mask.copy() ,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE )  # It return contours and Hierarchy

    #find contour with max Area
    maxArea = 0
    maxCont = None
    for cont in contours:
        area = cv2.contourArea(cont)
        if area > maxArea:
            maxArea = area
            maxCont = cont
    mask = mask * 0  # Reset the mask image to complete black image
    # draw the biggest contour on mask
    cv2.drawContours(mask , [maxCont],0 ,(255),-1 )
    #Close the holes to make a smooth region
    mask = cv2.morphologyEx(mask, cv2.MORPH_CLOSE, cv2.getStructuringElement(cv2.MORPH_DILATE,(5,5)) )
    mask = cv2.dilate(mask , (3,3) ,iterations=3)

• 查找所有轮廓
• 找到面积最大的轮廓
• 清除掩码图像
• 画出轮廓区域
• 掩码图像可能包含一些空心区域，用形态学闭操作来填充空心区域
• 对掩码图像进行形态学膨胀操作，使得瞳孔其它区域被覆盖（因为外部边界可能无法检测到）
  

步骤3：红眼处理

这样就产生了一个完美的掩码，它包含了眼睛中只有红色的区域。既然y通道的信息丢失了，那最好的方法就是是从另外两个通道（蓝色和绿色）来还原信息。

好一点的方式就是利用蓝色和绿色通道的平均值来获得纹理，并用所有的三个通道替换它，这将使瞳孔颜色变得深暗一些。

步骤4：显示结果

在前面的步骤中，我们处理了眼睛区域的图像，下面是将两幅图拼接后放在一起进行比较（原始的和经过红眼校正的）。

# Stack both input and output image horizontally
result = np.hstack((img,outImage))
#Display the Result
cv2.imshow("RedEyeCorrection" , result )
cv2.waitKey() # Wait for a keyPress
cv2.destroyAllWindows()

看起来感觉是不是很棒？
如果你想亲手尝试一下校正红眼的过程，要下载代码，可以点击 这里。

阅读本文，你需要对Python 和 OpenCV 非常熟悉，大多数情况下代码就是最好的注释，如果有任何疑问都可以评论的方式提出来。

原文来自：
https://pytech-solution.blogspot.hk/2017/04/red-eye-correction-from-image-using.html?spref=gp