CN107147849A - 一种摄影设备的控制方法 - Google Patents
一种摄影设备的控制方法 Download PDFInfo
- Publication number
- CN107147849A CN107147849A CN201710377528.4A CN201710377528A CN107147849A CN 107147849 A CN107147849 A CN 107147849A CN 201710377528 A CN201710377528 A CN 201710377528A CN 107147849 A CN107147849 A CN 107147849A
- Authority
- CN
- China
- Prior art keywords
- mrow
- module
- image
- mtd
- facial image
- 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.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/67—Focus control based on electronic image sensor signals
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/61—Control of cameras or camera modules based on recognised objects
- H04N23/611—Control of cameras or camera modules based on recognised objects where the recognised objects include parts of the human body
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/70—Circuitry for compensating brightness variation in the scene
- H04N23/71—Circuitry for evaluating the brightness variation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/70—Circuitry for compensating brightness variation in the scene
- H04N23/74—Circuitry for compensating brightness variation in the scene by influencing the scene brightness using illuminating means
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/80—Camera processing pipelines; Components thereof
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Studio Devices (AREA)
Abstract
本发明涉及一种摄影设备的控制方法,包括距离测量模块;距离测量模块与变焦模块连接;变焦模块与光照强度测量模块连接;光照强度测量模块包括补光模块;光照强度测量模块与快门控制模块连接;快门控制模块用于控制摄像装置开启和关闭;快门控制模块与摄像模块连接;摄像模块与脸部识别模块连接;脸部识别模块与CCD模块连接;CCD模块与图像处理模块连接,所述图像处理模块用于将转化的电信号再转化成图像信号;图像处理模块与储存模块连接,储存模块与显示模块连接。本发明实现了在低光照强度下的补光和、人脸的识别和自动对焦的功能,操作简单,照片清晰度高。
Description
技术领域
本发明属于摄像技术领域,尤其涉及一种摄影设备的控制方法。
背景技术
近些年来,数字相机等具备摄影功能的便携设备(摄影设备)得以普及。该种摄影设备具备LCD等显示面板和电子取景器。电子取景器具备显示摄像图像的小型LCD面板和目镜部,用户从目镜部观察LCD面板,从而能够进行摄像图像的确认。另外,显示面板例如设置于摄影设备的背面,能够进行与电子取景器同样的显示,以往,具有设有用于使被摄体像成像的摄影光学系统的镜头镜筒、拍摄静态图像和动态图像等的照相机等摄影设备一般得到实用化并得到广泛普及。在这种以往的摄影设备中,为了极其便于携带而始终有小型化的要求,并且为了应对各种摄影状况而进行多功能化的趋势近年来显著。
但当例如由于逆光导致太暗或太亮时,传统的数字摄影设备不能识别对象的脸部。换句话说,脸部识别算法通常适合于仅在有限的环境中执行。
综上所述,现有的摄影设备的控制方法得到的照片清晰度不高,不能有效的去噪;不能对摄影装置的自动变焦与对焦,不能对人面部的自动识别,储存拍摄的影像易丢失,智能化程度低。
发明内容
本发明为解决现有的摄影设备的控制方法得到的照片清晰度不高;不能有效的去噪;不能对摄影装置的自动变焦与对焦,不能对人面部的自动识别,储存拍摄的影像易丢失,智能化程度低的技术问题而提供一种摄影设备的控制方法。
本发明为解决公知技术中存在的技术问题所采取的技术方案是:一种摄影设备的控制方法,包括距离测量模块,所述距离测量模块与变焦模块连接;所述变焦模块用于调整拍摄图像的清晰度;所述变焦模块包括光圈位置移动模块和对焦模块,所述光圈位置移动模块和对焦模块均通过导线与距离测量模块连接,所述光圈位置移动模块用于自动调整光圈的位置,所述对焦模块用于自动调整与摄影图像的对焦清晰度;
所述变焦模块与光照强度测量模块连接;所述光照强度测量模块用于测量拍摄环境下的光照强度;所述光照强度测量模块包括补光模块,所述补光模块用于对拍摄状态的光照强度进行补充;
所述光照强度测量模块与快门控制模块连接,所述快门控制模块用于控制摄像装置开启和关闭,所述快门控制模块包括摄影模式调整模块与参数设定模块,所述快门控制模块与摄像模块连;,所述摄像模块用于拍摄影像,所述摄像模块与脸部识别模块连接;所述脸部识别模块用于识别被拍摄者的面部,所述脸部识别模块与CCD模块连接;
所述CCD模块用于将拍摄的图像转换为电信号,所述CCD模块与图像处理模块连接,所述图像处理模块用于将转化的电信号再转化成图像信号,所述图像处理模块与储存模块连接,所述储存模块用于对拍摄的图像进行储存,所述储存模块与显示模块连接,所述显示模块用于显示拍摄的图像。
进一步,所述补光模块根据光照强度测量模块测得的光照强度调整补光强度的大小。
所述摄影模式调整模块需要手动进行调节,所述参数设定模块可自动调节。
所述储存模块的内存至少为32GB。
进一步,图像处理模块的处理方法包括:
利用高通/低通滤波器对灰度图像进行滤波处理以构造待评价图像的参考图像,采用3*3均值滤波器,利用滤波模板遍历图像每个像素,每次将模板中心置于当前像素,以模板内所有像素的平均值作为当前像素新值,模板如下:
分别计算图像滤波前后各自边缘灰度信息,滤波处理前的待评价图像F统计信息为sum_orig,滤波处理后的参考图像F2统计信息为sum_filter,具体计算公式如下:
其中,w1与w2是根据离中心像素的距离设定的权值,w1=1,w2=1/3;
将得出的图像滤波前后边缘灰度统计信息的比值作为模糊度指标,为方便评价,取较大的为分母,较小的为分子,保持该值介于(0,1)之间;
根据最佳视觉效果的DMOS范围得出对应的一个模糊度指标范围[min,max];
若图像模糊度指标小于min,说明图像滤波前后变化很大,原图像过于锐化,则利用低通滤波器进行滤波调整;同理若大于max,说明图像滤波前后变化很小,原图像过于模糊,则利用高通滤波器进行滤波调整,以达到更佳视觉效果。
进一步,所述根据最佳视觉效果的DMOS范围得出对应的一个模糊度指标范围[min,max],具体包括:利用得出的图像滤波前后边缘灰度统计信息的比值作为模糊度指标,然后利用拟合工具plot(value,DMOS)建立评价值value与DMOS之间的映射关系,根据最佳视觉效果对应的DMOS范围得出对应的一个模糊评价值范围[min,max]。
进一步,脸部识别模块的识别方法包括:
接收人脸图像并生成人脸图像的信号;
根据接收人脸图像的信号的特征谱确定决策平面;
判断接收人脸图像的信号的通信信道是否呈现准用静态变换特性;
在所述通信信道呈现准用静态变换特性时,利用支持向量机方法在所述决策平面中选出决策边界;
在通信信道没有呈现准用静态变换特性时,利用模糊聚类方法在所述决策平面中选出决策边界;
将选出决策边界的人脸图像保存在脸部识别模块设置的图像数据库中;
将保存在脸部识别模块设置的图像数据库中的人脸图像进行预处理;
提取预处理后的人脸图像的特征点,并根据所述特征点计算相对于所述特征点的特征值;
根据所计算的相对于所述特征点的特征值、以及原始人脸图像数据库中的原始人脸图像样本的特征值,判断人脸图像中的人脸是否为已注册人脸。
进一步,根据所述酉变换矩阵中的主对角线元素和副对角线元素计算出接收信号的能量特征谱包括:
对副对角线元素组成的矩阵进行平方并乘以主对角线元素组成的矩阵,得到接收信号的能量特征谱;
从所述能量特征谱中获取决策平面包括:
根据所述能量特征谱的能量集中度、波形对称性和局部波形函数方差从所述能量特征谱中提取至少一组特征向量;
按照模式分类的方式从提取的特征向量中获取作为决策平面的特征向量;
所述接收信号的离散信号向量通过奈奎斯特定律采样得到,并且采样长度涵盖接收信号的预定比例能量;
所述根据接收信号的特征谱确定决策平面包括:
对接收信号的离散信号向量进行线性变换得到酉变换矩阵;
根据所述酉变换矩阵中的主对角线元素和副对角线元素计算出接收信号的能量特征谱;
从所述能量特征谱中获取决策平面。
所述对接收信号的离散信号向量进行线性变换得到酉变换矩阵中,对接收信号的离散信号向量s(t)进行线性变换,按如下公式进行:
将代入上述公式,得到:
其中,A表示信号的幅度,a(m)表示信号的码元符号,p(t)表示成形函数,fc表示信号的载波频率,表示信号的相位,通过该非线性变换后得到变换矩阵。
进一步,所述将保存在脸部识别模块设置的图像数据库中的人脸图像进行预处理包括:
将人脸图像进行大小归一化处理,使得人脸图像的大小与原始人脸图像样本库中的原始人脸图像样本的大小相同;
将进行了大小归一化处理后的人脸图像进行光照补偿处理,使得人脸图像的亮度、对比度和直方图分布均匀化;将进行了光照补偿处理后的人脸图像进行去噪处理,使得减少人脸图像的噪声;
所述将进行了光照补偿处理后的人脸图像进行去噪处理包括:
将人脸图像分别按照行、列、左对角以及右对角方向进行一维展开得到四个向量;将四个向量中的每一个分别进行中值滤波去噪;
将四个向量中的每一个分别进行EMD去噪;
根据中值滤波去噪后的四个向量获得四个方向上的中值滤波去噪图像;
根据EMD去噪后的四个向量获得四个方向上的EMD去噪图像;
将四个方向上的中值滤波去噪图像和四个方向上的EMD去噪图像进行加和平均得到最终的去噪图像;
所述特征点的特征值包括以下参数值:位置、距离、角度、弧度、曲率、形状、直方图。
进一步,中值滤波的方法为:给定图像f(x,y)中的每一个点(m,n)的邻域A,设A含有N个像素{a1,a2,---,aN},将按像素大小排序,若N是奇数时,则位于中间的那个像素值就是修改后图像g(x,y)在f(m,n)处的像素值,若N是偶数时,则取中间两个像素的平均值就是修改后图像g(x,y)在(m,n)处的像素值,具体表达式如下:
本发明具有的优点和积极效果是:由于本发明实现了在低光照强度下的补光和、人脸的识别和自动对焦的功能,操作简单,照片清晰度高;距离测量模块测量了摄影装置和被拍摄对象的距离,便于变焦模块进行调焦处理;变焦模块实现了对摄影装置的自动变焦与对焦,提高了摄影图像的清晰度;脸部识别模块实现了对被拍摄对象为人物时,对人面部的自动识别,提高了脸的清晰度;CCD模块用于将拍摄的图像转化为电信号,实现了影像数字化的转化;储存模块将拍摄的影像储存起来,留作纪念,防止了影响的丢失。
本发明提供的图像处理方法,不同于传统的方法,本发明利用滤波器构造待评价图像的参考图像,计算变化前后图像边缘统计信息的比值作为评价指标。本发明的原理简单,实现了图像模糊度评价的内容无关性和实时性,可以快速准确评价比较任何图像之间的模糊度,从而得出清晰的图像。
在本发明中,所述将进行了光照补偿处理后的人脸图像进行中值滤波和EMD去噪的图像,通过对经过大小归一化和光照补偿处理后使得去噪效果显著提高。本发明的人脸识别方法,实现了对人脸图像的快速识别、准确识别以及较强的自适应识别能力。
附图说明
图1是本发明实施例提供的摄影设备的控制方法结构示意图。
图中:1、距离测量模块;2、变焦模块;3、光照强度测量模块;4、快门控制模块;5、摄像模块;6、脸部识别模块;7、CCD模块;8、图像处理模块;9、储存模块;10、显示模块;11、光圈位置移动模块;12、对焦模块;13、补光模块;14、摄影模式调整模块;15、参数设定模块。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效,兹例举以下实施例,并配合附图详细说明如下。
下面结合附图1对本发明的结构作详细的描述。
本发明实施例提供的摄影设备的控制方法,包括距离测量模块1,所述距离测量模块1与变焦模块2连接;所述变焦模块2用于调整拍摄图像的清晰度,所述变焦模块2包括光圈位置移动模块11和对焦模块12,所述光圈位置移动模块和对焦模块均通过导线与距离测量模块连接,所述光圈位置移动模块用于自动调整光圈的位置,所述对焦模块用于自动调整与摄影图像的对焦清晰度;
所述变焦模块2与光照强度测量模块3连接;所述光照强度测量模块3用于测量拍摄环境下的光照强度;
所述光照强度测量模块3包括补光模块13,所述补光模块13用于对拍摄状态的光照强度进行补充,所述补光模块13根据光照强度测量模块3测得的光照强度调整补光强度的大小;所述光照强度测量模块3与快门控制模块4连接,所述快门控制模块4用于控制摄像装置开启和关闭;所述快门控制模块4包括摄影模式调整模块14与参数设定模块15;
所述摄影模式调整模块14需要手动进行调节,所述参数设定模块15可自动调节,所述快门控制模块4与摄像模块5连接,所述摄像模块5用于拍摄影像,所述摄像模块5与脸部识别模块6连接;
所述脸部识别模块6用于识别被拍摄者的面部,所述脸部识别模块6与CCD模块7连接,所述CCD模块7用于将拍摄的图像转换为电信号,所述CCD模块7与图像处理模块8连接;所述图像处理模块8用于将转化的电信号再转化成图像信号;
所述图像处理模块8与储存模块9连接,所述储存模块9用于对拍摄的图像进行储存,所述储存模块9的内存至少为32GB;
所述储存模块9与显示模块10连接,所述显示模块10用于显示拍摄的图像。
进一步,图像处理模块的处理方法包括:
利用高通/低通滤波器对灰度图像进行滤波处理以构造待评价图像的参考图像,采用3*3均值滤波器,利用滤波模板遍历图像每个像素,每次将模板中心置于当前像素,以模板内所有像素的平均值作为当前像素新值,模板如下:
分别计算图像滤波前后各自边缘灰度信息,滤波处理前的待评价图像F统计信息为sum_orig,滤波处理后的参考图像F2统计信息为sum_filter,具体计算公式如下:
其中,w1与w2是根据离中心像素的距离设定的权值,w1=1,w2=1/3;
将得出的图像滤波前后边缘灰度统计信息的比值作为模糊度指标,为方便评价,取较大的为分母,较小的为分子,保持该值介于(0,1)之间;
根据最佳视觉效果的DMOS范围得出对应的一个模糊度指标范围[min,max];
若图像模糊度指标小于min,说明图像滤波前后变化很大,原图像过于锐化,则利用低通滤波器进行滤波调整;同理若大于max,说明图像滤波前后变化很小,原图像过于模糊,则利用高通滤波器进行滤波调整,以达到更佳视觉效果。
进一步,所述根据最佳视觉效果的DMOS范围得出对应的一个模糊度指标范围[min,max],具体包括:利用得出的图像滤波前后边缘灰度统计信息的比值作为模糊度指标,然后利用拟合工具plot(value,DMOS)建立评价值value与DMOS之间的映射关系,根据最佳视觉效果对应的DMOS范围得出对应的一个模糊评价值范围[min,max]。
进一步,脸部识别模块的识别方法包括:
接收人脸图像并生成人脸图像的信号;
根据接收人脸图像的信号的特征谱确定决策平面;
判断接收人脸图像的信号的通信信道是否呈现准用静态变换特性;
在所述通信信道呈现准用静态变换特性时,利用支持向量机方法在所述决策平面中选出决策边界;
在通信信道没有呈现准用静态变换特性时,利用模糊聚类方法在所述决策平面中选出决策边界;
将选出决策边界的人脸图像保存在脸部识别模块设置的图像数据库中;
将保存在脸部识别模块设置的图像数据库中的人脸图像进行预处理;
提取预处理后的人脸图像的特征点,并根据所述特征点计算相对于所述特征点的特征值;
根据所计算的相对于所述特征点的特征值、以及原始人脸图像数据库中的原始人脸图像样本的特征值,判断人脸图像中的人脸是否为已注册人脸。
进一步,根据所述酉变换矩阵中的主对角线元素和副对角线元素计算出接收信号的能量特征谱包括:
对副对角线元素组成的矩阵进行平方并乘以主对角线元素组成的矩阵,得到接收信号的能量特征谱;
从所述能量特征谱中获取决策平面包括:
根据所述能量特征谱的能量集中度、波形对称性和局部波形函数方差从所述能量特征谱中提取至少一组特征向量;
按照模式分类的方式从提取的特征向量中获取作为决策平面的特征向量;
所述接收信号的离散信号向量通过奈奎斯特定律采样得到,并且采样长度涵盖接收信号的预定比例能量;
所述根据接收信号的特征谱确定决策平面包括:
对接收信号的离散信号向量进行线性变换得到酉变换矩阵;
根据所述酉变换矩阵中的主对角线元素和副对角线元素计算出接收信号的能量特征谱;
从所述能量特征谱中获取决策平面。
所述对接收信号的离散信号向量进行线性变换得到酉变换矩阵中,对接收信号的离散信号向量s(t)进行线性变换,按如下公式进行:
将代入上述公式,得到:
其中,A表示信号的幅度,a(m)表示信号的码元符号,p(t)表示成形函数,fc表示信号的载波频率,表示信号的相位,通过该非线性变换后得到变换矩阵。
进一步,所述将保存在脸部识别模块设置的图像数据库中的人脸图像进行预处理包括:
将人脸图像进行大小归一化处理,使得人脸图像的大小与原始人脸图像样本库中的原始人脸图像样本的大小相同;
将进行了大小归一化处理后的人脸图像进行光照补偿处理,使得人脸图像的亮度、对比度和直方图分布均匀化;将进行了光照补偿处理后的人脸图像进行去噪处理,使得减少人脸图像的噪声;
所述将进行了光照补偿处理后的人脸图像进行去噪处理包括:
将人脸图像分别按照行、列、左对角以及右对角方向进行一维展开得到四个向量;将四个向量中的每一个分别进行中值滤波去噪;
将四个向量中的每一个分别进行EMD去噪;
根据中值滤波去噪后的四个向量获得四个方向上的中值滤波去噪图像;
根据EMD去噪后的四个向量获得四个方向上的EMD去噪图像;
将四个方向上的中值滤波去噪图像和四个方向上的EMD去噪图像进行加和平均得到最终的去噪图像;
所述特征点的特征值包括以下参数值:位置、距离、角度、弧度、曲率、形状、直方图。
进一步,中值滤波的方法为:给定图像f(x,y)中的每一个点(m,n)的邻域A,设A含有N个像素{a1,a2,---,aN},将按像素大小排序,若N是奇数时,则位于中间的那个像素值就是修改后图像g(x,y)在f(m,n)处的像素值,若N是偶数时,则取中间两个像素的平均值就是修改后图像g(x,y)在(m,n)处的像素值,具体表达式如下:
下面结合工作原理对本发明的结构作进一步描述。
本发明拍摄时,距离测量模块1对拍摄位置和被拍摄者的距离进行测量,变焦模块2根据测得的距离控制光圈位置移动模块11调整光圈,然后再用对焦模块12进行对焦,提高照片清晰度,光照强度测量模块3测量拍摄地的光照强度,用补光模块13根据测得的光照强度进行补光,然后根据快门控制模块4进行参数的设定和拍摄模式的调整,快门控制模块4开启拍摄模块5对其进行拍摄,脸部识别模块6在拍摄过程中,对拍摄到的人物面部进行识别,CCD模块7对拍摄的影像进行转化,将影像转化为电信号,图像处理模块8再将电信号转化为图像,储存模块9对处理过的图像进行储存,显示模块10将拍摄的影像显示出来;本发明实现了在低光照强度下的补光和、人脸的识别和自动对焦的功能,操作简单,照片清晰度高;距离测量模块1测量了摄影装置和被拍摄对象的距离,便于变焦模块进行调焦处理;变焦模块2实现了对摄影装置的自动变焦与对焦,提高了摄影图像的清晰度;脸部识别模块6实现了对被拍摄对象为人物时,对人面部的自动识别,提高了脸的清晰度;CCD模块7用于将拍摄的图像转化为电信号,实现了影像数字化的转化;储存模块9将拍摄的影像储存起来,留作纪念,防止了影响的丢失。
以上所述仅是对本发明的较佳实施例而已,并非对本发明作任何形式上的限制,凡是依据本发明的技术实质对以上实施例所做的任何简单修改,等同变化与修饰,均属于本发明技术方案的范围内。
Claims (8)
1.一种摄影设备的控制方法,包括距离测量模块,其特征在于,所述距离测量模块与变焦模块连接;所述变焦模块用于调整拍摄图像的清晰度;
所述变焦模块与光照强度测量模块连接;所述光照强度测量模块用于测量拍摄环境下的光照强度;
所述光照强度测量模块与快门控制模块连接,所述快门控制模块用于控制摄像装置开启和关闭;
所述快门控制模块与摄像模块连接,所述摄像模块用于拍摄影像;
所述摄像模块与脸部识别模块连接,所述脸部识别模块用于识别被拍摄者的面部;
所述脸部识别模块与CCD模块连接,所述CCD模块用于将拍摄的图像转换为电信号;
所述CCD模块与图像处理模块连接,所述图像处理模块用于将转化的电信号再转化成图像信号;
所述图像处理模块与储存模块连接,所述储存模块用于对拍摄的图像进行储存;
所述储存模块与显示模块连接,所述显示模块用于显示拍摄的图像。
2.如权利要求1所述的摄影设备的控制方法,其特征在于,所述变焦模块包括光圈位置移动模块和对焦模块;所述光圈位置移动模块和对焦模块均通过导线与距离测量模块连接,所述光圈位置移动模块用于自动调整光圈的位置,所述对焦模块用于自动调整与摄影图像的对焦清晰度;
所述光照强度测量模块包括补光模块;所述补光模块用于对拍摄状态的光照强度进行补充,所述补光模块根据光照强度测量模块测得的光照强度调整补光强度的大小;
所述快门控制模块包括摄影模式调整模块与参数设定模块;
所述摄影模式调整模块需要手动进行调节,所述参数设定模块能自动调节;
所述储存模块的内存至少为32GB。
3.如权利要求1所述的摄影设备的控制方法,其特征在于,图像处理模块的处理方法包括:
利用高通/低通滤波器对灰度图像进行滤波处理以构造待评价图像的参考图像,采用3*3均值滤波器,利用滤波模板遍历图像每个像素,每次将模板中心置于当前像素,以模板内所有像素的平均值作为当前像素新值,模板如下:
<mrow>
<mfrac>
<mn>1</mn>
<mn>9</mn>
</mfrac>
<mo>&times;</mo>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mn>1</mn>
</mtd>
<mtd>
<mn>1</mn>
</mtd>
<mtd>
<mn>1</mn>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>1</mn>
</mtd>
<mtd>
<mn>1</mn>
</mtd>
<mtd>
<mn>1</mn>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>1</mn>
</mtd>
<mtd>
<mn>1</mn>
</mtd>
<mtd>
<mn>1</mn>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>;</mo>
</mrow>
分别计算图像滤波前后各自边缘灰度信息,滤波处理前的待评价图像F统计信息为sum_orig,滤波处理后的参考图像F2统计信息为sum_filter,具体计算公式如下:
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<mi>s</mi>
<mi>u</mi>
<mi>m</mi>
<mo>_</mo>
<mi>o</mi>
<mi>r</mi>
<mi>i</mi>
<mi>g</mi>
<mo>=</mo>
<mi>w</mi>
<mn>1</mn>
<mo>&times;</mo>
<mrow>
<mo>(</mo>
<mo>|</mo>
<mi>F</mi>
<mo>(</mo>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mo>)</mo>
<mo>-</mo>
<mi>F</mi>
<mo>(</mo>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mo>)</mo>
<mo>|</mo>
<mo>+</mo>
<mo>|</mo>
<mi>F</mi>
<mo>(</mo>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mo>)</mo>
<mo>-</mo>
<mi>F</mi>
<mo>(</mo>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
<mo>|</mo>
<mo>+</mo>
<mo>|</mo>
<mi>F</mi>
<mo>(</mo>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mo>)</mo>
<mo>-</mo>
<mi>F</mi>
<mo>(</mo>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
<mo>|</mo>
<mo>+</mo>
<mo>|</mo>
<mi>F</mi>
<mo>(</mo>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mo>)</mo>
<mo>-</mo>
<mi>F</mi>
<mo>(</mo>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mo>)</mo>
<mo>|</mo>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>+</mo>
<mi>w</mi>
<mn>2</mn>
<mo>&times;</mo>
<mrow>
<mo>(</mo>
<mrow>
<mo>|</mo>
<mi>F</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>F</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
<mo>,</mo>
<mi>j</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mo>+</mo>
<mo>|</mo>
<mi>F</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>F</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
<mo>,</mo>
<mi>j</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mo>+</mo>
<mo>|</mo>
<mi>F</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>F</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
<mo>,</mo>
<mi>j</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mo>+</mo>
<mo>|</mo>
<mi>F</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>F</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
<mo>,</mo>
<mi>j</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
</mrow>
<mo>|</mo>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>,</mo>
</mrow>
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<mi>s</mi>
<mi>u</mi>
<mi>m</mi>
<mo>_</mo>
<mi>f</mi>
<mi>i</mi>
<mi>l</mi>
<mi>t</mi>
<mi>e</mi>
<mi>r</mi>
<mo>=</mo>
<mi>w</mi>
<mn>1</mn>
<mo>&times;</mo>
<mrow>
<mo>(</mo>
<mrow>
<mo>|</mo>
<mi>F</mi>
<mn>2</mn>
<mrow>
<mo>(</mo>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>F</mi>
<mn>2</mn>
<mrow>
<mo>(</mo>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mo>+</mo>
<mo>|</mo>
<mi>F</mi>
<mn>2</mn>
<mrow>
<mo>(</mo>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>F</mi>
<mn>2</mn>
<mrow>
<mo>(</mo>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mo>+</mo>
<mo>|</mo>
<mi>F</mi>
<mn>2</mn>
<mrow>
<mo>(</mo>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>F</mi>
<mn>2</mn>
<mrow>
<mo>(</mo>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mo>+</mo>
<mo>|</mo>
<mi>F</mi>
<mn>2</mn>
<mrow>
<mo>(</mo>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>F</mi>
<mn>2</mn>
<mrow>
<mo>(</mo>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mo>)</mo>
</mrow>
<mo>|</mo>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>+</mo>
<mi>w</mi>
<mn>2</mn>
<mo>&times;</mo>
<mrow>
<mo>(</mo>
<mrow>
<mo>|</mo>
<mi>F</mi>
<mn>2</mn>
<mrow>
<mo>(</mo>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>F</mi>
<mn>2</mn>
<mrow>
<mo>(</mo>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
<mo>,</mo>
<mi>j</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mo>+</mo>
<mo>|</mo>
<mi>F</mi>
<mn>2</mn>
<mrow>
<mo>(</mo>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>F</mi>
<mn>2</mn>
<mrow>
<mo>(</mo>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
<mo>,</mo>
<mi>j</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mo>+</mo>
<mo>|</mo>
<mi>F</mi>
<mn>2</mn>
<mrow>
<mo>(</mo>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>F</mi>
<mn>2</mn>
<mrow>
<mo>(</mo>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
<mo>,</mo>
<mi>j</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mo>+</mo>
<mo>|</mo>
<mi>F</mi>
<mn>2</mn>
<mrow>
<mo>(</mo>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>F</mi>
<mn>2</mn>
<mrow>
<mo>(</mo>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
<mo>,</mo>
<mi>j</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
</mrow>
<mo>|</mo>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>,</mo>
</mrow>
其中,w1与w2是根据离中心像素的距离设定的权值,w1=1,w2=1/3;
将得出的图像滤波前后边缘灰度统计信息的比值作为模糊度指标,为方便评价,取较大的为分母,较小的为分子,保持该值介于(0,1)之间;
根据最佳视觉效果的DMOS范围得出对应的一个模糊度指标范围[min,max];
若图像模糊度指标小于min,说明图像滤波前后变化很大,原图像过于锐化,则利用低通滤波器进行滤波调整;同理若大于max,说明图像滤波前后变化很小,原图像过于模糊,则利用高通滤波器进行滤波调整,以达到更佳视觉效果。
4.如权利要求1所述的摄影设备的控制方法,其特征在于,所述根据最佳视觉效果的DMOS范围得出对应的一个模糊度指标范围[min,max],具体包括:利用得出的图像滤波前后边缘灰度统计信息的比值作为模糊度指标,然后利用拟合工具plot(value,DMOS)建立评价值value与DMOS之间的映射关系,根据最佳视觉效果对应的DMOS范围得出对应的一个模糊评价值范围[min,max]。
5.如权利要求1所述的摄影设备的控制方法,其特征在于,脸部识别模块的识别方法包括:
接收人脸图像并生成人脸图像的信号;
根据接收人脸图像的信号的特征谱确定决策平面;
判断接收人脸图像的信号的通信信道是否呈现准用静态变换特性;
在所述通信信道呈现准用静态变换特性时,利用支持向量机方法在所述决策平面中选出决策边界;
在通信信道没有呈现准用静态变换特性时,利用模糊聚类方法在所述决策平面中选出决策边界;
将选出决策边界的人脸图像保存在脸部识别模块设置的图像数据库中;
将保存在脸部识别模块设置的图像数据库中的人脸图像进行预处理;
提取预处理后的人脸图像的特征点,并根据所述特征点计算相对于所述特征点的特征值;
根据所计算的相对于所述特征点的特征值、以及原始人脸图像数据库中的原始人脸图像样本的特征值,判断人脸图像中的人脸是否为已注册人脸。
6.如权利要求5所述的摄影设备的控制方法,其特征在于,根据所述酉变换矩阵中的主对角线元素和副对角线元素计算出接收信号的能量特征谱包括:
对副对角线元素组成的矩阵进行平方并乘以主对角线元素组成的矩阵,得到接收信号的能量特征谱;
从所述能量特征谱中获取决策平面包括:
根据所述能量特征谱的能量集中度、波形对称性和局部波形函数方差从所述能量特征谱中提取至少一组特征向量;
按照模式分类的方式从提取的特征向量中获取作为决策平面的特征向量;
所述接收信号的离散信号向量通过奈奎斯特定律采样得到,并且采样长度涵盖接收信号的预定比例能量;
所述根据接收信号的特征谱确定决策平面包括:
对接收信号的离散信号向量进行线性变换得到酉变换矩阵;
根据所述酉变换矩阵中的主对角线元素和副对角线元素计算出接收信号的能量特征谱;
从所述能量特征谱中获取决策平面。
所述对接收信号的离散信号向量进行线性变换得到酉变换矩阵中,对接收信号的离散信号向量s(t)进行线性变换,按如下公式进行:
<mrow>
<mi>f</mi>
<mo>&lsqb;</mo>
<mi>s</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<mo>=</mo>
<mfrac>
<mrow>
<mi>s</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>*</mo>
<mi>ln</mi>
<mo>|</mo>
<mi>s</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
</mrow>
<mrow>
<mo>|</mo>
<mi>s</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
</mrow>
</mfrac>
<mo>=</mo>
<mi>s</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mi>c</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
将代入上述公式,得到:
<mrow>
<mi>f</mi>
<mo>&lsqb;</mo>
<mi>s</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<mo>=</mo>
<mi>s</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mfrac>
<mrow>
<mi>l</mi>
<mi>n</mi>
<mo>|</mo>
<mi>A</mi>
<mi>a</mi>
<mrow>
<mo>(</mo>
<mi>m</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
</mrow>
<mrow>
<mo>|</mo>
<mi>A</mi>
<mi>a</mi>
<mrow>
<mo>(</mo>
<mi>m</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
</mrow>
</mfrac>
<mo>;</mo>
</mrow>
其中,A表示信号的幅度,a(m)表示信号的码元符号,p(t)表示成形函数,fc表示信号的载波频率,表示信号的相位,通过该非线性变换后得到变换矩阵。
7.如权利要求5所述的摄影设备的控制方法,其特征在于,所述将保存在脸部识别模块设置的图像数据库中的人脸图像进行预处理包括:
将人脸图像进行大小归一化处理,使得人脸图像的大小与原始人脸图像样本库中的原始人脸图像样本的大小相同;
将进行了大小归一化处理后的人脸图像进行光照补偿处理,使得人脸图像的亮度、对比度和直方图分布均匀化;将进行了光照补偿处理后的人脸图像进行去噪处理,使得减少人脸图像的噪声;
所述将进行了光照补偿处理后的人脸图像进行去噪处理包括:
将人脸图像分别按照行、列、左对角以及右对角方向进行一维展开得到四个向量;将四个向量中的每一个分别进行中值滤波去噪;
将四个向量中的每一个分别进行EMD去噪;
根据中值滤波去噪后的四个向量获得四个方向上的中值滤波去噪图像;
根据EMD去噪后的四个向量获得四个方向上的EMD去噪图像;
将四个方向上的中值滤波去噪图像和四个方向上的EMD去噪图像进行加和平均得到最终的去噪图像;
所述特征点的特征值包括以下参数值:位置、距离、角度、弧度、曲率、形状、直方图。
8.如权利要求7所述的摄影设备的控制方法,其特征在于,中值滤波的方法为:给定图像f(x,y)中的每一个点(m,n)的邻域A,设A含有N个像素{a1,a2,---,aN},将按像素大小排序,若N是奇数时,则位于中间的那个像素值就是修改后图像g(x,y)在f(m,n)处的像素值,若N是偶数时,则取中间两个像素的平均值就是修改后图像g(x,y)在(m,n)处的像素值,具体表达式如下:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710377528.4A CN107147849A (zh) | 2017-05-25 | 2017-05-25 | 一种摄影设备的控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710377528.4A CN107147849A (zh) | 2017-05-25 | 2017-05-25 | 一种摄影设备的控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107147849A true CN107147849A (zh) | 2017-09-08 |
Family
ID=59780118
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710377528.4A Pending CN107147849A (zh) | 2017-05-25 | 2017-05-25 | 一种摄影设备的控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107147849A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI774418B (zh) * | 2021-06-11 | 2022-08-11 | 大陸商廣州立景創新科技有限公司 | 相機模組、對焦調整系統及對焦方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1815341A (zh) * | 2005-02-06 | 2006-08-09 | 亚洲光学股份有限公司 | 照相机自动调整闪光强度的方法及系统 |
CN103314321A (zh) * | 2011-01-17 | 2013-09-18 | 株式会社理光 | 成像设备、成像方法、成像程序和计算机可读信息记录介质 |
CN103632132A (zh) * | 2012-12-11 | 2014-03-12 | 广西工学院 | 一种基于肤色分割和模板匹配的人脸检测与识别方法 |
CN103871064A (zh) * | 2014-03-25 | 2014-06-18 | 中国石油大学(华东) | 一种火山岩ct图像的预处理和确定分割阀值的方法 |
CN104036254A (zh) * | 2014-06-20 | 2014-09-10 | 成都凯智科技有限公司 | 一种人脸识别方法 |
CN104200480A (zh) * | 2014-09-17 | 2014-12-10 | 西安电子科技大学宁波信息技术研究院 | 一种应用于智能终端的图像模糊度评价方法及系统 |
CN106359023A (zh) * | 2016-09-13 | 2017-02-01 | 叶永伟 | 一种基于物联网的农业灌溉系统 |
CN106556760A (zh) * | 2016-11-16 | 2017-04-05 | 北华大学 | 一种基于云计算的车载多媒体的自动化测试控制系统 |
-
2017
- 2017-05-25 CN CN201710377528.4A patent/CN107147849A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1815341A (zh) * | 2005-02-06 | 2006-08-09 | 亚洲光学股份有限公司 | 照相机自动调整闪光强度的方法及系统 |
CN103314321A (zh) * | 2011-01-17 | 2013-09-18 | 株式会社理光 | 成像设备、成像方法、成像程序和计算机可读信息记录介质 |
CN103632132A (zh) * | 2012-12-11 | 2014-03-12 | 广西工学院 | 一种基于肤色分割和模板匹配的人脸检测与识别方法 |
CN103871064A (zh) * | 2014-03-25 | 2014-06-18 | 中国石油大学(华东) | 一种火山岩ct图像的预处理和确定分割阀值的方法 |
CN104036254A (zh) * | 2014-06-20 | 2014-09-10 | 成都凯智科技有限公司 | 一种人脸识别方法 |
CN104200480A (zh) * | 2014-09-17 | 2014-12-10 | 西安电子科技大学宁波信息技术研究院 | 一种应用于智能终端的图像模糊度评价方法及系统 |
CN106359023A (zh) * | 2016-09-13 | 2017-02-01 | 叶永伟 | 一种基于物联网的农业灌溉系统 |
CN106556760A (zh) * | 2016-11-16 | 2017-04-05 | 北华大学 | 一种基于云计算的车载多媒体的自动化测试控制系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI774418B (zh) * | 2021-06-11 | 2022-08-11 | 大陸商廣州立景創新科技有限公司 | 相機模組、對焦調整系統及對焦方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109714519B (zh) | 一种自动调整图像画面的方法和系统 | |
CN111915526A (zh) | 一种基于亮度注意力机制低照度图像增强算法的摄影方法 | |
CN102831392B (zh) | 一种远距离虹膜跟踪与采集装置及其方法 | |
CN111402135A (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
CN110149482A (zh) | 对焦方法、装置、电子设备和计算机可读存储介质 | |
CN101309367B (zh) | 成像装置 | |
CN107925751A (zh) | 用于多视点降噪和高动态范围的系统和方法 | |
CN107800965B (zh) | 图像处理方法、装置、计算机可读存储介质和计算机设备 | |
CN103384998A (zh) | 摄像装置、摄像方法、程序及程序存储介质 | |
CN101204083A (zh) | 利用颜色数字图像对动作如锐度修改进行控制的方法 | |
CN106131418A (zh) | 一种构图控制方法、装置及拍照设备 | |
CN103312972B (zh) | 电子装置及其焦距调整方法 | |
CN109782414A (zh) | 一种基于无参考结构清晰度的自动调焦方法 | |
CN110349163A (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
CN106416218B (zh) | 图像处理装置、摄像装置、图像处理方法以及存储介质 | |
CN110210333A (zh) | 一种自动聚焦式虹膜图像采集方法及装置 | |
CN108225277A (zh) | 无人机的图像获取方法、视觉定位方法、装置、无人机 | |
CN109242787A (zh) | 一种中小学艺术测评中绘画录入方法 | |
US10107594B1 (en) | Analysis method of electronic spotting scope for automatically analyzing shooting accuracy | |
CN106791353B (zh) | 自动对焦的方法、装置和系统 | |
CN113643214A (zh) | 一种基于人工智能的图像曝光校正方法及系统 | |
CN117496019B (zh) | 一种驱动静态图像的图像动画处理方法及系统 | |
CN109698946A (zh) | 投影设备自动对焦方法、投影设备及计算机可读存储介质 | |
CN108416281B (zh) | 一种应用于虹膜识别的摄像机 | |
CN107147849A (zh) | 一种摄影设备的控制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170908 |