[发明专利]用于确定眼镜镜片边缘的表示的方法和设备及计算机程序

权利要求书

1.一种用于确定眼镜配戴者（20）的眼镜镜片（28）的或左眼镜镜片（28）和右眼镜镜片（29）的边缘（26）的表示的计算机实施方法，

该方法包括：

提供具有关于具有所配戴的眼镜镜架（24）的眼镜配戴者（20）的图像数据b(x)的该眼镜配戴者（20）的图像（36），以及

提供信息数据I(x)，所述信息数据是关于该图像（36）的信息的、根据该眼镜配戴者（20）的图像（36）的图像数据b(x)计算出的数据，

其特征在于以下步骤：

计算将所述信息数据I(x)与眼镜镜片数据u(x)关联的可确定性优化的成本函数E(u)，其中所述眼镜镜片数据u(x)描述被保持在该眼镜镜架（24）中的至少一个眼镜镜片（28）的空间范围，以及

通过优化该成本函数E(u)来设定该眼镜镜片（28）的或该左眼镜镜片（28）和该右眼镜镜片（29）的边缘（26）的曲线。

2.一种用于确定眼镜配戴者（20）的眼镜镜片（28）的或左眼镜镜片（28）和右眼镜镜片（29）的边缘（26）的表示的计算机实施方法，

该方法包括：

提供具有关于具有所配戴的眼镜镜架（24）的眼镜配戴者（20）的图像数据b(x)的该眼镜配戴者（20）的图像（36），以及

提供信息数据I(x)，所述信息数据是关于该图像（36）的信息的、根据该眼镜配戴者（20）的图像（36）的图像数据b(x)计算出的数据，

其特征在于以下步骤：

计算将所述信息数据I(x)与眼镜镜片数据u(x)关联的可确定性优化的成本函数E(u)，其中所述眼镜镜片数据u(x)描述被保持在该眼镜镜架（24）中的至少一个眼镜镜片（28）的空间范围，以及

通过优化该成本函数E(u)来设定该眼镜镜片（28）的或该左眼镜镜片（28）和该右眼镜镜片（29）的边缘（26）的曲线，其中

所计算出的关于该图像（36）的信息的数据是关于色彩模型和/或关于边缘图像和/或关于色彩概率分布和/或关于该图像（36）中的对象的数据。

3.一种用于确定眼镜配戴者（20）的眼镜镜片（28）的或左眼镜镜片（28）和右眼镜镜片（29）的边缘（26）的表示的计算机实施方法，

该方法包括：

提供具有关于具有所配戴的眼镜镜架（24）的眼镜配戴者（20）的图像数据b(x)的该眼镜配戴者（20）的图像（36），以及

提供信息数据I(x)，所述信息数据是关于该图像（36）的信息的、根据该眼镜配戴者（20）的图像（36）的图像数据b(x)计算出的数据，

其特征在于以下步骤：

根据该眼镜配戴者的面部特征来确定该眼镜配戴者（20）的图像（36）的图像区段（38），

计算将所述信息数据I(x)与眼镜镜片数据u(x)关联的可确定性优化的成本函数E(u)，该成本函数由凸成本函数项之和构成，其中所述眼镜镜片数据u(x)描述被保持在该眼镜镜架（24）中的至少一个眼镜镜片（28）的空间范围，以及

通过优化该成本函数E(u)来设定该眼镜镜片（28）的或该左眼镜镜片（28）和该右眼镜镜片（29）的边缘（26）的曲线；其中

所述信息数据I(x)是根据该图像区段（38）的区段图像数据b_A(x)计算出的边缘信息数据（46）。

4.根据权利要求1至3中任一项所述的方法，其特征在于，所述信息数据I(x)包括边缘信息图像g(x)，该边缘信息图像是根据所检测的图像数据b(x)借助边缘检测算法而确定的。

5.根据权利要求4所述的方法，其特征在于，该边缘检测算法包含来自以下组的边缘检测器：梯度、色彩梯度、坎尼边缘检测器、定向滤波器，或者该边缘检测算法针对边缘检测访问具有所学习的边缘检测器的滤波器库，或者将该边缘检测算法构成为利用机器学习的方法自学习的算法。

6.根据权利要求5所述的方法，其特征在于，所述边缘检测器是索贝尔滤波器。