CN108198189B - 图片清晰度的获取方法、装置、存储介质及电子设备 - Google Patents

图片清晰度的获取方法、装置、存储介质及电子设备 Download PDF

Info

Publication number
CN108198189B
CN108198189B CN201711464337.8A CN201711464337A CN108198189B CN 108198189 B CN108198189 B CN 108198189B CN 201711464337 A CN201711464337 A CN 201711464337A CN 108198189 B CN108198189 B CN 108198189B
Authority
CN
China
Prior art keywords
value
picture
acquiring
determining
pixels
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.)
Active
Application number
CN201711464337.8A
Other languages
English (en)
Other versions
CN108198189A (zh
Inventor
张乐
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong Oppo Mobile Telecommunications Corp Ltd
Original Assignee
Guangdong Oppo Mobile Telecommunications Corp Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangdong Oppo Mobile Telecommunications Corp Ltd filed Critical Guangdong Oppo Mobile Telecommunications Corp Ltd
Priority to CN201711464337.8A priority Critical patent/CN108198189B/zh
Publication of CN108198189A publication Critical patent/CN108198189A/zh
Priority to PCT/CN2018/116446 priority patent/WO2019128539A1/zh
Application granted granted Critical
Publication of CN108198189B publication Critical patent/CN108198189B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30168—Image quality inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Studio Devices (AREA)
  • Image Processing (AREA)
  • Color Television Image Signal Generators (AREA)

Abstract

本申请公开了一种图片清晰度的获取方法、装置、存储介质及电子设备。该图片清晰度的获取方法包括：获取基于拜耳阵列拍摄得到的原始图片；从该原始图片中确定出目标区域，并从该目标区域中确定出预设颜色的像素的分布位置；获取该目标区域中分布位置关系为对角相邻的预设颜色的像素的亮度值的差值的平方值；将所有该差值的平方值相加得到和值，并将该和值确定为该图片的清晰度。本申请实施例可以提高获取图片清晰度的效率。

Description

图片清晰度的获取方法、装置、存储介质及电子设备
技术领域
本申请属于图片处理技术领域，尤其涉及一种图片清晰度的获取方法、装置、存储介质及电子设备。
背景技术
在拍摄图片的过程中，终端需要对摄像头模组获取到的图片进行清晰度评价。相关技术中，终端可以使用清晰度评价算法对图片进行清晰度评价。例如，常用的清晰度评价算法包括索贝尔算法(Sobel operator)等。然而，利用这些清晰度评价算法获取图片的清晰度时，需要先对基于拜耳阵列拍摄得到的原始图片(Bayer RAW图)进行插值处理，导致其获取图片清晰度的效率较低。
发明内容
本申请实施例提供一种的图片清晰度的获取方法、装置、存储介质及电子设备，可以提高获取图片清晰度的效率。
本申请实施例提供一种图片清晰度的获取方法，包括：
获取基于拜耳阵列拍摄得到的原始图片；
从所述原始图片中确定出目标区域，并从所述目标区域中确定出预设颜色的像素的分布位置；
获取所述目标区域中分布位置关系为对角相邻的预设颜色的像素的亮度值的差值的平方值；
将所有所述差值的平方值相加得到和值，并将所述和值确定为所述图片的清晰度。
本申请实施例提供一种图片清晰度的获取装置，包括：
第一获取模块，用于获取基于拜耳阵列拍摄得到的原始图片；
第一确定模块，用于从所述原始图片中确定出目标区域，并从所述目标区域中确定出预设颜色的像素的分布位置；
第二获取模块，用于获取所述目标区域中分布位置关系为对角相邻的预设颜色的像素的亮度值的差值的平方值；
第二确定模块，用于将所有所述差值的平方值相加得到和值，并将所述和值确定为所述图片的清晰度。
本申请实施例提供一种存储介质，其上存储有计算机程序，当所述计算机程序在计算机上执行时，使得所述计算机执行本申请实施例提供的图片清晰度的获取方法中的步骤。
本申请实施例还提供一种电子设备，包括存储器，处理器，所述处理器通过调用所述存储器中存储的计算机程序，用于执行本申请实施例提供的图片清晰度的获取方法中的步骤。
本申请实施例提供的图片清晰度的获取方法、装置、储存介质及电子设备，由于本申请实施例中的技术方案可以直接在基于拜耳阵列拍摄得到的原始图片的基础上进行清晰度获取，而不需要先对基于拜耳阵列拍摄得到的原始图片进行插值处理，再进行清晰度获取。因此，本申请实施例可以提高获取图片清晰度的效率。
附图说明
下面结合附图，通过对本发明的具体实施方式详细描述，将使本发明的技术方案及其有益效果显而易见。
图1是本申请实施例提供的图片清晰度的获取方法的流程示意图。
图2是本申请实施例提供的原始图片中目标区域的像素分布示意图。
图3是本申请实施例提供的图片清晰度的获取方法的另一流程示意图。
图4至图5是本申请实施例提供的图片清晰度的获取方法的场景示意图。
图6是本申请实施例提供的图片清晰度的获取装置的结构示意图。
图7是本申请实施例提供的图片清晰度的获取装置的另一结构示意图。
图8是本申请实施例提供的电子设备的结构示意图。
图9是本申请实施例提供的电子设备的另一结构示意图。
具体实施方式
请参照图式，其中相同的组件符号代表相同的组件，本发明的原理是以实施在一适当的运算环境中来举例说明。以下的说明是基于所例示的本发明具体实施例，其不应被视为限制本发明未在此详述的其它具体实施例。
可以理解的是，本申请实施例的执行主体可以是诸如智能手机或平板电脑等的终端设备。
请参阅图1，图1是本申请实施例提供的图片清晰度的获取方法的流程示意图，流程可以包括：
在步骤S101中，获取基于拜耳阵列拍摄得到的原始图片。
在拍摄图片的过程中，终端需要对摄像头模组获取到的图片进行清晰度评价。相关技术中，终端可以使用清晰度评价算法对图片进行清晰度评价。例如，常用的清晰度评价算法包括索贝尔算法(Sobel operator)等。然而，利用这些清晰度评价算法获取图片的清晰度时，需要先对基于拜耳阵列拍摄得到的原始图片(Bayer Raw图)进行插值处理，这导致其获取图片清晰度的效率较低。
在本申请实施例的步骤S101中，比如，当需要获取图片的清晰度(Resolution)时，终端可以先获取基于拜耳阵列拍摄得到的原始图片(Bayer RAW图)。
需要说明的是，基于拜耳阵列拍摄得到的原始图片是指安装有拜耳阵列传感器的摄像头模组拍摄得到的未经加工处理的相机内部的原始图片。
在步骤S102中，从该原始图片中确定出目标区域，并从该目标区域中确定出预设颜色的像素的分布位置。
比如，在获取到基于拜耳阵列拍摄得到的原始图片后，终端可以从该原始图片中确定出一个目标区域。该目标区域为用于获取本原始图片的清晰度的区域。
在从该基于拜耳阵列拍摄得到的原始图片中确定出目标区域后，终端可以从该目标区域中确定出预设颜色的像素的分布位置。
例如，终端可以从该目标区域中确定出绿色像素的分布位置。当然，预设颜色也可以是其它颜色，如红色或蓝色。可以理解的是，此处举例不构成对本申请实施例的限定。
在步骤S103中，获取该目标区域中分布位置关系为对角相邻的预设颜色的像素的亮度值的差值的平方值。
比如，在从该目标区域中确定出绿色像素的分布位置后，终端可以获取该目标区域中分布位置关系属于对角相邻的每两个绿色像素的亮度值的差值的平方值。
需要说明的是，对角相邻是指两个像素在分布位置上的关系为这两个像素具有对顶角。
如图2所示，例如该图为Bayer RAW图中的目标区域的像素分布示意图。其中像素R00、R02、R20、R22为红色像素，G01、G03、G10、G12、G21、G23、G30、G32为绿色像素，B11、B13、B31、B33为蓝色像素。
那么，例如，G01和G10为对角相邻的绿色像素，G01和G12为对角相邻的绿色像素，G12和G21为对角相邻的绿色像素，G12和G23为对角相邻的绿色像素。但G01和G23不是对角相邻的绿色像素，G01和G21也不是对角相邻的绿色像素。
比如，对于G01和G10这两个对角相邻的绿色像素，终端可以获取它们的亮度值的差值的平方值。例如，G01这个绿色像素的亮度值为L01，G10这个绿色像素的亮度值为L10。那么，终端可以获取R1＝(L01-L10)2。对于G01和G12这两个对角相邻的绿色像素，终端可以获取它们的亮度值的差值的平方值。例如，G01这个绿色像素的亮度值为L01，G12这个绿色像素的亮度值为L12。那么，终端可以获取R2＝(L01-L12)2。
在步骤S104中，将所有该差值的平方值相加得到和值，并将该和值确定为该图片的清晰度。
比如，在获取到所有对角相邻的绿色像素的亮度值的差值的平方值后，终端可以将所有这些差值的平方值相加，从而得到一个和值。然后，终端可以将该和值确定为该图片的清晰度。
可以理解的是，由于本申请实施例中的技术方案可以直接在基于拜耳阵列拍摄得到的原始图片的基础上进行清晰度获取，而不需要先对基于拜耳阵列拍摄得到的原始图片进行插值处理，再进行清晰度获取。因此，本申请实施例可以提高获取图片清晰度的效率。
另外，由于本申请实施例中的技术方案不需要涉及图片识别，因此本实施例中的方案其鲁棒性和稳定性都较高。并且，本实施例中的方案其获取精度也较高。
请参阅图3，图3为本申请实施例提供的图片清晰度的获取方法的另一流程示意图，流程可以包括：
在步骤S201中，终端获取基于拜耳阵列拍摄得到的原始图片。
比如，当需要获取图片的清晰度(Resolution)时，终端可以先获取基于拜耳阵列拍摄得到的原始图片(Bayer RAW图)。
需要说明的是，基于拜耳阵列拍摄得到的原始图片是指安装有拜耳阵列传感器的摄像头模组拍摄得到的未经加工处理的相机内部的原始图片。
在步骤S202中，终端从该原始图片中确定出目标区域，该目标区域为预设尺寸的矩形区域。
比如，在获取到基于拜耳阵列拍摄得到的原始图片后，终端可以从该原始图片中确定出一个目标区域。该目标区域为用于获取本原始图片的清晰度的区域。其中，该目标区域可以为预设尺寸的矩形区域。
在步骤S203中，终端从该目标区域中确定出预设颜色的像素的分布位置。
比如，在从该基于拜耳阵列拍摄得到的原始图片中确定出目标区域后，终端可以从该目标区域中确定出预设颜色的像素的分布位置。
例如，终端可以从该目标区域中确定出绿色像素的分布位置。当然，预设颜色也可以是其它颜色，如红色或蓝色。可以理解的是，此处举例不构成对本申请实施例的限定。
在步骤S204中，终端从该目标区域中确定出在左下对角相邻和右下对角相邻的位置均有相同预设颜色的像素分布的目标像素。
比如，在从该目标区域中确定出绿色像素的分布位置后，终端可以从该目标区域中确定出在左下对角相邻和右下对角相邻的位置上均具有绿色像素分布的目标像素。
需要说明的是，对角相邻是指两个像素在分布位置上的关系为这两个像素具有对顶角。
例如，图2为某张图片的目标区域的像素分布示意图。如图2所示，其中像素R00、R02、R20、R22为红色像素，G01、G03、G10、G12、G21、G23、G30、G32为绿色像素，B11、B13、B31、B33为蓝色像素。
例如，对于图中的绿色像素G01而言，由于在其左下对角相邻位置分布有绿色像素G10，在其右下对角相邻位置分布有绿色像素G12。因此，终端可以将绿色像素G01确定为目标像素。同理，终端还可以将绿色像素G12和G21确定为目标像素。
而对于绿色像素G03而言，由于在其左下对角相邻位置分布有绿色像素G12，而在其右下对角相邻位置没有分布绿色像素。因此，终端可以不将绿色像素G03确定为目标像素。
又如，对于绿色像素G10而言，由于在其右下对角相邻位置分布有绿色像素G21，而在其左下对角相邻位置没有分布绿色像素。因此，终端可以不将绿色像素G10确定为目标像素。
同理，终端也可以不将绿色像素G23、G30、G32确定为目标像素。
在步骤S205中，终端获取每一目标像素与分布于其左下对角相邻的像素的亮度值的差值的平方值，并获取每一目标像素与分布于其右下对角相邻的像素的亮度值的差值的平方值。
比如，在确定出该目标区域中的目标像素之后，终端可以获取每一目标像素与分布于其左下对角相邻的同颜色像素的亮度值的差值的平方值，并获取每一目标像素与分布于其右下对角相邻的同颜色像素的亮度值的差值的平方值。
例如，对于绿色像素G01而言，终端可以先获取G01与其左下对角相邻的绿色像素G10的亮度值的差值的平方值。例如，G01这个绿色像素的亮度值为L01，G10这个绿色像素的亮度值为L10。那么，终端可以获取R1＝(L01-L10)2。然后，终端可以获取G01与其右下对角相邻的绿色像素G12的亮度值的差值的平方值。例如，G12这个绿色像素的亮度值为L12。那么，终端可以获取R2＝(L01-L12)2。
对于绿色像素G12而言，终端可以先获取G12与其左下对角相邻的绿色像素G21的亮度值的差值的平方值。例如，G12这个绿色像素的亮度值为L12，G21这个绿色像素的亮度值为L21。那么，终端可以获取R3＝(L12-L21)2。然后，终端可以获取G12与其右下对角相邻的绿色像素G23的亮度值的差值的平方值。例如，G23这个绿色像素的亮度值为L23。那么，终端可以获取R4＝(L12-L23)2。
对于绿色像素G21而言，终端可以先获取G21与其左下对角相邻的绿色像素G30的亮度值的差值的平方值。例如，G21这个绿色像素的亮度值为L21，G30这个绿色像素的亮度值为L30。那么，终端可以获取R5＝(L21-L30)2。然后，终端可以获取G21与其右下对角相邻的绿色像素G32的亮度值的差值的平方值。例如，G32这个绿色像素的亮度值为L32。那么，终端可以获取R6＝(L21-L32)2。
而对于非目标像素G03、G10、G23、G30、G32，终端则可以不获取这些像素与其左下对角相邻像素或右下对角相邻像素的亮度值的差值的平方值。
在步骤S206中，终端将所有该差值的平方值相加得到和值，并将该和值确定为该图片的清晰度。
比如，在获取到每一目标像素与分布于其左下对角相邻的像素的亮度值的差值的平方值，以及与分布于其右下对角相邻的像素的亮度值的差值的平方值之后，终端可以将所有这些差值的平方值相加起来，从而得到一个和值。然后，终端可以将该和值确定为该图片的清晰度。
例如，终端可以将上述R1、R2、R3、R4、R5、R6相加，得到一个和值C。即C＝R1+R2+R3+R4+R5+R6。然后，终端可以将该和值C确定为该原始图片的清晰度。
在一种实施方式中，终端也可以将该和值确定为该原始图片的对比度(Contrast)。
在一种实施方式中，S202中终端从该原始图片中确定出目标区域的步骤，可以包括：
终端从该原始图片中确定出目标区域，该目标区域为需要对焦区域。
比如，在获取到基于拜耳阵列拍摄得到的原始图片后，终端可以将该原始图片中需要对焦区域确定为目标区域。
需要说明的是，原始图片中需要对焦区域属于图片中清晰度要求最高的区域，因此可以将需要对焦区域确定为用于获取本原始图片的清晰度的目标区域。
在一种实施方式中，在S201中终端获取基于拜耳阵列拍摄得到的原始图片的步骤之前，还可以包括如下步骤：
当终端进入拍摄界面且需要获取图片的清晰度时，终端获取本终端的运行内存总容量和当前被占用的运行内存容量；
终端获取该当前被占用的运行内存容量占该运行内存总容量的百分比值。
那么，S201中终端获取基于拜耳阵列拍摄得到的原始图片的步骤，可以包括：若检测到该百分比值大于预设比例阈值，则终端获取基于拜耳阵列拍摄得到的原始图片。
比如，在用户使用终端相机进行实际拍摄，即当终端进入拍摄界面并且需要获取拍摄到的前后几帧图片的清晰度，以辅助摄像头模组找到最佳的对焦位置时，终端可以先获取本终端的运行内存总容量，以及当前被占用的运行内存容量。
然后，终端可以获取该当前被占用的运行内存容量占该运行内存总容量的百分比值，并检测该百分比值是否大于预设比例阈值。
如果检测到该百分比值小于或等于预设比例阈值，那么可以认为终端当前的计算能力较强，此时终端可以执行其它操作，以完成照片拍摄。例如，此时终端可以基于硬件逻辑电路进行直接计算，从而找到最佳的对焦位置。
如果检测到该百分比值大于预设比例阈值，即终端剩余的运行内存不足，那么可以认为终端当前的计算能力较差。在这种情况下，为了避免因剩余的运行内存不足导致系统卡顿，终端可以获取基于拜耳阵列拍摄得到的原始图片，并执行本实施例S201至S206中的步骤，从而辅助摄像头模组找到最佳的对焦位置。
可以理解的是，由于本实施例的技术方案可以提高终端获取图片清晰度的效率。因此，在剩余内存不足的情况下，通过采用本实施例S201至S206中的步骤的方式，可以加快终端确定出最佳对焦位置的速度。
在一种实施方式中，可以允许对上述预设比例阈值的数值进行调整。比如，终端可以先获取处理器的型号等硬件信息。若根据处理器的硬件信息确定出本处理器的计算能力较强，那么终端可以将预设比例阈值的数值调高一些。若根据处理器的硬件信息确定出本处理器的计算能力较差，那么终端可以将预设比例阈值的数值调低一些。例如，终端可以事先设定一基础值，那么当根据处理器的硬件信息确定出本处理器的计算能力较强时，终端可以将该基础值提高预设幅度从而得到预设比例阈值。当根据处理器的硬件信息确定出本处理器的计算能力较差时，终端可以将该基础值降低预设幅度从而得到预设比例阈值。
在另一种实施方式中，若终端相机的拍摄模式包括快速拍摄模式、自动拍摄模式和专业拍摄模式，那么可以在使用快速拍摄模式时使用本申请实施例中提供的技术方案，从而可以提高终端相机对焦速度。快速拍摄模式可以是用于抓拍动态物体的图片的拍摄模式。
请参阅图4至图5，图4至图5为本申请实施例提供的图片清晰度的获取方法的场景示意图。
在摄像头模组的生产过程中，需要对摄像头模组进行拍摄测试。其中，摄像头模组在对焦环节需要对拍摄得到的前后几帧照片进行清晰度评价，并根据对这几帧照片的清晰度评价，确定出最佳的对焦位置，从而拍摄出清晰度最高的照片。例如，在将镜头由第一位置驱动到第二位置的过程中，摄像头拍摄得到的原始图片(Bayer RAW图)或预览图像的清晰度不断增大，而在将镜头由第二位置驱动到第三位置的过程中，摄像头拍摄得到的原始图片或预览图像的清晰度不断减小。那么，终端可以将第二位置确定为最佳对焦位置，并将镜头驱动到第二位置以完成拍摄。
比如，在对生产出来的摄像头模组进行拍摄测试，且处于对焦环节时，终端可以先获取基于拜耳阵列拍摄得到的原始图片。需要说明的是，基于拜耳阵列拍摄得到的原始图片是指安装有拜耳阵列传感器的摄像头模组拍摄得到的未经加工处理的相机内部的原始图片。例如，将镜头驱动到第一位置时，终端可以先获取基于拜耳阵列拍摄得到的第一原始图片。
然后，终端可以从该第一原始图片中确定出一个目标区域。其中，该目标区域可以为需要对焦区域，并且该目标区域为预设尺寸的矩形区域。例如，如图4所示，用户点击相机拍摄预览界面中的人脸区域，想要对焦到人脸，那么该人脸区域就是需要对焦区域(图中使用虚线框表示需要对焦的人脸区域)。因此，终端可以将该人脸区域确定为目标区域，并且该目标区域可以为预设尺寸的矩形区域。
之后，终端可以从该目标区域中确定出绿色像素的分布位置，并从该目标区域中确定出在左下对角相邻和右下对角相邻的位置上均具有绿色像素分布的目标像素。
例如，图2为从该第一原始图片中确定出来的目标区域的像素分布图。如图2所示，对于图中的绿色像素G01而言，由于在其左下对角相邻位置分布有绿色像素G10，在其右下对角相邻位置分布有绿色像素G12。因此，终端可以将绿色像素G01确定为目标像素。同理，终端还可以将绿色像素G12和G21确定为目标像素。
在确定出该目标区域中的目标像素之后，终端可以获取每一目标像素与分布于其左下对角相邻的像素的亮度值的差值的平方值，并获取每一目标像素与分布于其右下对角相邻的像素的亮度值的差值的平方值。
例如，对于绿色像素G01而言，终端可以先获取G01与其左下对角相邻的绿色像素G10的亮度值的差值的平方值。例如，G01这个绿色像素的亮度值为L01，G10这个绿色像素的亮度值为L10。那么，终端可以获取R1＝(L01-L10)2。然后，终端可以获取G01与其右下对角相邻的绿色像素G12的亮度值的差值的平方值。例如，G12这个绿色像素的亮度值为L12。那么，终端可以获取R2＝(L01-L12)2。
对于绿色像素G12而言，终端可以先获取G12与其左下对角相邻的绿色像素G21的亮度值的差值的平方值。例如，G12这个绿色像素的亮度值为L12，G21这个绿色像素的亮度值为L21。那么，终端可以获取R3＝(L12-L21)2。然后，终端可以获取G12与其右下对角相邻的绿色像素G23的亮度值的差值的平方值。例如，G23这个绿色像素的亮度值为L23。那么，终端可以获取R4＝(L12-L23)2。
对于绿色像素G21而言，终端可以先获取G21与其左下对角相邻的绿色像素G30的亮度值的差值的平方值。例如，G21这个绿色像素的亮度值为L21，G30这个绿色像素的亮度值为L30。那么，终端可以获取R5＝(L21-L30)2。然后，终端可以获取G21与其右下对角相邻的绿色像素G32的亮度值的差值的平方值。例如，G32这个绿色像素的亮度值为L32。那么，终端可以获取R6＝(L21-L32)2。
之后，终端可以将R1、R2、R3、R4、R5、R6相加，得到一个和值C。即C＝R1+R2+R3+R4+R5+R6。在获取到和值C后，终端可以将该和值C确定为该第一原始图片的清晰度。
同理，例如在将镜头驱动到第二位置后，终端获取得到与该第二位置对应的第二原始图片的清晰度为D。在将镜头驱动到第三位置后，终端获取得到与该第三位置对应的第三原始图片的清晰度为E。
例如，终端检测到在清晰度数值上C小于D，D大于E，那么终端就可以将第二位置确定为最佳对焦位置，并将镜头驱动到第二位置从而完成照片拍摄。
例如，终端在将镜头驱动到第二位置后，可以提示测试人员对焦完成(图中通过将人脸区域的虚线框变为实线框表示对焦完成)。用户在得到该提示后，按下拍照按钮，如图5所示，完成照片拍摄。
请参阅图6，图6为本申请实施例提供的图片清晰度的获取装置的结构示意图。图片清晰度的获取装置300可以包括：第一获取模块301，第一确定模块302，第二获取模块303，以及第二确定模块304。
第一获取模块301，用于获取基于拜耳阵列拍摄得到的原始图片。
比如，当需要获取图片的清晰度(Resolution)时，第一获取模块301可以先获取基于拜耳阵列拍摄得到的原始图片(Bayer RAW图)。
需要说明的是，基于拜耳阵列拍摄得到的原始图片是指安装有拜耳阵列传感器的摄像头模组拍摄得到的未经加工处理的相机内部的原始图片。
第一确定模块302，用于从所述原始图片中确定出目标区域，并从所述目标区域中确定出预设颜色的像素的分布位置。
比如，在第一获取模块301获取到基于拜耳阵列拍摄得到的原始图片后，第一确定模块302可以从该原始图片中确定出一个目标区域。该目标区域为用于获取本原始图片的清晰度的区域。
在从该基于拜耳阵列拍摄得到的原始图片中确定出目标区域后，第一确定模块302可以从该目标区域中确定出预设颜色的像素的分布位置。
例如，第一确定模块302可以从该目标区域中确定出绿色像素的分布位置。当然，预设颜色也可以是其它颜色，如红色或蓝色。可以理解的是，此处举例不构成对本申请实施例的限定。
第二获取模块303，用于获取所述目标区域中分布位置关系为对角相邻的预设颜色的像素的亮度值的差值的平方值。
比如，在第一确定模块302从该目标区域中确定出绿色像素的分布位置后，第二获取模块303可以获取该目标区域中分布位置关系属于对角相邻的每两个绿色像素的亮度值的差值的平方值。
需要说明的是，对角相邻是指两个像素在分布位置上的关系为这两个像素具有对顶角。
如图2所示，例如该图为Bayer RAW图中的目标区域的像素分布示意图。其中像素R00、R02、R20、R22为红色像素，G01、G03、G10、G12、G21、G23、G30、G32为绿色像素，B11、B13、B31、B33为蓝色像素。
那么，例如，G01和G10为对角相邻的绿色像素，G01和G12为对角相邻的绿色像素，G12和G21为对角相邻的绿色像素，G12和G23为对角相邻的绿色像素。但G01和G23不是对角相邻的绿色像素，G01和G21也不是对角相邻的绿色像素。
比如，对于G01和G10这两个对角相邻的绿色像素，第二获取模块303可以获取它们的亮度值的差值的平方值。例如，G01这个绿色像素的亮度值为L01，G10这个绿色像素的亮度值为L10。那么，第二获取模块303可以获取R1＝(L01-L10)2。对于G01和G12这两个对角相邻的绿色像素，第二获取模块303可以获取它们的亮度值的差值的平方值。例如，G01这个绿色像素的亮度值为L01，G12这个绿色像素的亮度值为L12。那么，终端可以获取R2＝(L01-L12)2。
第二确定模块304，用于将所有所述差值的平方值相加得到和值，并将所述和值确定为所述图片的清晰度。
比如，在第二获取模块303获取到所有对角相邻的绿色像素的亮度值的差值的平方值后，第二确定模块304可以将所有这些差值的平方值相加，从而得到一个和值。然后，第二确定模块304可以将该和值确定为该图片的清晰度。
在一种实施方式中，所述第二获取模块303可以用于：
从所述目标区域中确定出在左下对角相邻和右下对角相邻的位置均有相同预设颜色的像素分布的目标像素；
获取每一目标像素与分布于其左下对角相邻的像素的亮度值的差值的平方值，并获取每一目标像素与分布于其右下对角相邻的像素的亮度值的差值的平方值。
比如，在从该目标区域中确定出绿色像素的分布位置后，第二获取模块303可以从该目标区域中确定出在左下对角相邻和右下对角相邻的位置上均具有绿色像素分布的目标像素。
需要说明的是，对角相邻是指两个像素在分布位置上的关系为这两个像素具有对顶角。
例如，图2为某张图片的目标区域的像素分布示意图。如图2所示，其中像素R00、R02、R20、R22为红色像素，G01、G03、G10、G12、G21、G23、G30、G32为绿色像素，B11、B13、B31、B33为蓝色像素。
例如，对于图中的绿色像素G01而言，由于在其左下对角相邻位置分布有绿色像素G10，在其右下对角相邻位置分布有绿色像素G12。因此，第二获取模块303可以将绿色像素G01确定为目标像素。同理，第二获取模块303还可以将绿色像素G12和G21确定为目标像素。
在确定出该目标区域中的目标像素之后，第二获取模块303可以获取每一目标像素与分布于其左下对角相邻的同颜色像素的亮度值的差值的平方值，并获取每一目标像素与分布于其右下对角相邻的同颜色像素的亮度值的差值的平方值。
例如，对于绿色像素G01而言，第二获取模块303可以先获取G01与其左下对角相邻的绿色像素G10的亮度值的差值的平方值。例如，G01这个绿色像素的亮度值为L01，G10这个绿色像素的亮度值为L10。那么，第二获取模块303可以获取R1＝(L01-L10)2。然后，第二获取模块303可以获取G01与其右下对角相邻的绿色像素G12的亮度值的差值的平方值。例如，G12这个绿色像素的亮度值为L12。那么，第二获取模块303可以获取R2＝(L01-L12)2
对于绿色像素G12而言，第二获取模块303可以先获取G12与其左下对角相邻的绿色像素G21的亮度值的差值的平方值。例如，G12这个绿色像素的亮度值为L12，G21这个绿色像素的亮度值为L21。那么，第二获取模块303可以获取R3＝(L12-L21)2。然后，第二获取模块303可以获取G12与其右下对角相邻的绿色像素G23的亮度值的差值的平方值。例如，G23这个绿色像素的亮度值为L23。那么，第二获取模块303可以获取R4＝(L12-L23)2。
对于绿色像素G21而言，第二获取模块303可以先获取G21与其左下对角相邻的绿色像素G30的亮度值的差值的平方值。例如，G21这个绿色像素的亮度值为L21，G30这个绿色像素的亮度值为L30。那么，第二获取模块303可以获取R5＝(L21-L30)2。然后，第二获取模块303可以获取G21与其右下对角相邻的绿色像素G32的亮度值的差值的平方值。例如，G32这个绿色像素的亮度值为L32。那么，第二获取模块303可以获取R6＝(L21-L32)2。
之后，第二确定模块304可以将R1、R2、R3、R4、R5、R6相加，得到一个和值C，并将该和值C确定为该第一原始图片的清晰度。
在一种实施方式中，所述第一确定模块302可以用于：
从所述原始图片中确定出目标区域，所述目标区域为预设尺寸的矩形区域。
比如，在获取到基于拜耳阵列拍摄得到的原始图片后，第一确定模块302可以从该原始图片中确定出一个目标区域。该目标区域为用于获取本原始图片的清晰度的区域。其中，该目标区域可以为预设尺寸的矩形区域。
在一种实施方式中，所述第一确定模块302可以用于：
从所述原始图片中确定出目标区域，所述目标区域为需要对焦区域。
比如，在获取到基于拜耳阵列拍摄得到的原始图片后，第一确定模块302可以将该原始图片中需要对焦区域确定为目标区域。
需要说明的是，原始图片中需要对焦区域属于图片中清晰度要求最高的区域，因此可以将需要对焦区域确定为用于获取本原始图片的清晰度的目标区域。
请一并参阅图7，图7为本申请实施例提供的图片清晰度的获取装置的另一结构示意图。在一实施例中，图片清晰度的获取装置300还可以包括：第三获取模块305。
第三获取模块305，用于当终端进入拍摄界面且需要获取图片的清晰度时，获取所述终端的运行内存总容量和当前被占用的运行内存容量；获取所述当前被占用的运行内存容量占所述运行内存总容量的百分比值。
那么，所述第一获取模块301可以用于：若检测到所述百分比值大于预设比例阈值，则获取基于拜耳阵列拍摄得到的原始图片。
比如，在用户使用终端相机进行实际拍摄，即当终端进入拍摄界面并且需要获取拍摄到的前后几帧图片的清晰度，以辅助摄像头模组找到最佳的对焦位置时，第三获取模块305可以先获取本终端的运行内存总容量，以及当前被占用的运行内存容量。
然后，第三获取模块305可以获取该当前被占用的运行内存容量占该运行内存总容量的百分比值，并检测该百分比值是否大于预设比例阈值。
如果检测到该百分比值小于或等于预设比例阈值，那么可以认为终端当前的计算能力较强，此时终端可以执行其它操作，以完成照片拍摄。例如，此时终端可以基于硬件逻辑电路进行直接计算，从而找到最佳的对焦位置。
如果检测到该百分比值大于预设比例阈值，即终端剩余的运行内存不足，那么可以认为终端当前的计算能力较差。在这种情况下，为了避免因剩余的运行内存不足导致系统卡顿，终端的第一获取模块301可以获取基于拜耳阵列拍摄得到的原始图片，并执行后续步骤，从而辅助摄像头模组找到最佳的对焦位置。
本申请实施例提供一种计算机可读的存储介质，其上存储有计算机程序，当所述计算机程序在计算机上执行时，使得所述计算机执行如本实施例提供的图片清晰度的获取方法中的步骤。
本申请实施例还提供一种电子设备，包括存储器，处理器，所述处理器通过调用所述存储器中存储的计算机程序，用于执行本实施例提供的图片清晰度的获取方法中的步骤。
请参阅图8，图8为本申请实施例提供的电子设备的结构示意图。
该电子设备400可以包括摄像单元401、存储器402、处理器403等部件。本领域技术人员可以理解，图8中示出的电子设备的结构并不构成对电子设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
摄像单元401可以用于拍摄图像。
存储器402可用于存储应用程序和数据。存储器402存储的应用程序中包含有可执行代码。应用程序可以组成各种功能模块。处理器403通过运行存储在存储器402的应用程序，从而执行各种功能应用以及数据处理。
处理器403是电子设备的控制中心，利用各种接口和线路连接整个电子设备的各个部分，通过运行或执行存储在存储器402内的应用程序，以及调用存储在存储器402内的数据，执行电子设备的各种功能和处理数据，从而对电子设备进行整体监控。
在本实施例中，电子设备中的处理器403会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行代码加载到存储器402中，并由处理器403来运行存储在存储器402中的应用程序，从而实现步骤：
获取基于拜耳阵列拍摄得到的原始图片；从所述原始图片中确定出目标区域，并从所述目标区域中确定出预设颜色的像素的分布位置；获取所述目标区域中分布位置关系为对角相邻的预设颜色的像素的亮度值的差值的平方值；将所有所述差值的平方值相加得到和值，并将所述和值确定为所述图片的清晰度。
请参阅图9，电子设备500可以包括摄像单元501、存储器502、处理器503、输入单元504、输出单元505等部件。
摄像单元501可以用于拍摄图像。
存储器502可用于存储应用程序和数据。存储器502存储的应用程序中包含有可执行代码。应用程序可以组成各种功能模块。处理器503通过运行存储在存储器502的应用程序，从而执行各种功能应用以及数据处理。
处理器503是电子设备的控制中心，利用各种接口和线路连接整个电子设备的各个部分，通过运行或执行存储在存储器502内的应用程序，以及调用存储在存储器502内的数据，执行电子设备的各种功能和处理数据，从而对电子设备进行整体监控。
输入单元504可用于接收输入的数字、字符信息或用户特征信息(比如指纹)，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
输出单元505可用于显示由用户输入的信息或提供给用户的信息以及电子设备的各种图形用户接口，这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。输出单元可包括显示面板。
在本实施例中，电子设备中的处理器503会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行代码加载到存储器502中，并由处理器503来运行存储在存储器502中的应用程序，从而实现步骤：
获取基于拜耳阵列拍摄得到的原始图片；从所述原始图片中确定出目标区域，并从所述目标区域中确定出预设颜色的像素的分布位置；获取所述目标区域中分布位置关系为对角相邻的预设颜色的像素的亮度值的差值的平方值；将所有所述差值的平方值相加得到和值，并将所述和值确定为所述图片的清晰度。
在一种实施方式中，处理器503执行所述获取所述目标区域中分布位置关系为对角相邻的预设颜色的像素的亮度值的差值的平方值的步骤时，可以执行：从所述目标区域中确定出在左下对角相邻和右下对角相邻的位置均有相同预设颜色的像素分布的目标像素；获取每一目标像素与分布于其左下对角相邻的像素的亮度值的差值的平方值，并获取每一目标像素与分布于其右下对角相邻的像素的亮度值的差值的平方值。
在一种实施方式中，处理器503执行所述从所述原始图片中确定出目标区域的步骤时，可以执行：从所述原始图片中确定出目标区域，所述目标区域为预设尺寸的矩形区域。
在一种实施方式中，处理器503执行所述从所述原始图片中确定出目标区域的步骤时，可以执行：从所述原始图片中确定出目标区域，所述目标区域为需要对焦区域。
在一种实施方式中，处理器503在执行所述获取基于拜耳阵列拍摄得到的原始图片的步骤之前，还可以执行：当终端进入拍摄界面且需要获取图片的清晰度时，获取所述终端的运行内存总容量和当前被占用的运行内存容量；获取所述当前被占用的运行内存容量占所述运行内存总容量的百分比值。
那么，处理器503执行所述获取基于拜耳阵列拍摄得到的原始图片的步骤时，可以执行：若检测到所述百分比值大于预设比例阈值，则获取基于拜耳阵列拍摄得到的原始图片。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见上文针对图片清晰度的获取方法的详细描述，此处不再赘述。
本申请实施例提供的所述图片清晰度的获取装置与上文实施例中的图片清晰度的获取方法属于同一构思，在所述图片清晰度的获取装置上可以运行所述图片清晰度的获取方法实施例中提供的任一方法，其具体实现过程详见所述图片清晰度的获取方法实施例，此处不再赘述。
需要说明的是，对本申请实施例所述图片清晰度的获取方法而言，本领域普通技术人员可以理解实现本申请实施例所述图片清晰度的获取方法的全部或部分流程，是可以通过计算机程序来控制相关的硬件来完成，所述计算机程序可存储于一计算机可读取存储介质中，如存储在存储器中，并被至少一个处理器执行，在执行过程中可包括如所述图片清晰度的获取方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储器(ROM，Read Only Memory)、随机存取记忆体(RAM，Random Access Memory)等。
对本申请实施例的所述图片清晰度的获取装置而言，其各功能模块可以集成在一个处理芯片中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中，所述存储介质譬如为只读存储器，磁盘或光盘等。
以上对本申请实施例所提供的一种图片清晰度的获取方法、装置、存储介质以及电子设备进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种图片清晰度的获取方法，其特征在于，包括：
获取基于拜耳阵列拍摄得到的原始图片；
从所述原始图片中确定出目标区域，并从所述目标区域中确定出预设颜色的像素的分布位置，所述预设颜色为单一颜色；
获取所述目标区域中分布位置关系为对角相邻的每两个预设颜色的像素的亮度值的差值的平方值，对角相邻的每两个所述像素的颜色相同；
将所有所述差值的平方值相加得到和值，并将所述和值确定为所述图片的清晰度。
2.根据权利要求1所述的图片清晰度的获取方法，其特征在于，所述获取所述目标区域中分布位置关系为对角相邻的预设颜色的像素的亮度值的差值的平方值，包括：
从所述目标区域中确定出在左下对角相邻和右下对角相邻的位置均有相同预设颜色的像素分布的目标像素；
获取每一目标像素与分布于其左下对角相邻的像素的亮度值的差值的平方值，并获取每一目标像素与分布于其右下对角相邻的像素的亮度值的差值的平方值。
3.根据权利要求2所述的图片清晰度的获取方法，其特征在于，所述从所述原始图片中确定出目标区域，包括：
从所述原始图片中确定出目标区域，所述目标区域为预设尺寸的矩形区域。
4.根据权利要求3所述的图片清晰度的获取方法，其特征在于，所述从所述原始图片中确定出目标区域，包括：
从所述原始图片中确定出目标区域，所述目标区域为需要对焦区域。
5.根据权利要求4所述的图片清晰度的获取方法，其特征在于，在所述获取基于拜耳阵列拍摄得到的原始图片的步骤之前，还包括：
当终端进入拍摄界面且需要获取图片的清晰度时，获取所述终端的运行内存总容量和当前被占用的运行内存容量；
获取所述当前被占用的运行内存容量占所述运行内存总容量的百分比值；
所述获取基于拜耳阵列拍摄得到的原始图片，包括：若检测到所述百分比值大于预设比例阈值，则获取基于拜耳阵列拍摄得到的原始图片。
6.一种图片清晰度的获取装置，其特征在于，包括：
第一获取模块，用于获取基于拜耳阵列拍摄得到的原始图片；
第一确定模块，用于从所述原始图片中确定出目标区域，并从所述目标区域中确定出预设颜色的像素的分布位置，所述预设颜色为单一颜色；
第二获取模块，用于获取所述目标区域中分布位置关系为对角相邻的每两个预设颜色的像素的亮度值的差值的平方值，对角相邻的每两个所述像素的颜色相同；
第二确定模块，用于将所有所述差值的平方值相加得到和值，并将所述和值确定为所述图片的清晰度。
7.根据权利要求6所述的图片清晰度的获取装置，其特征在于，所述第二获取模块用于：
从所述目标区域中确定出在左下对角相邻和右下对角相邻的位置均有相同预设颜色的像素分布的目标像素；
获取每一目标像素与分布于其左下对角相邻的像素的亮度值的差值的平方值，并获取每一目标像素与分布于其右下对角相邻的像素的亮度值的差值的平方值。
8.根据权利要求7所述的图片清晰度的获取装置，其特征在于，所述第一确定模块用于：
从所述原始图片中确定出目标区域，所述目标区域为预设尺寸的矩形区域。
9.一种存储介质，其上存储有计算机程序，其特征在于，当所述计算机程序在计算机上执行时，使得所述计算机执行如权利要求1至5中任一项所述的方法。
10.一种电子设备，包括存储器，处理器，其特征在于，所述处理器通过调用所述存储器中存储的计算机程序，用于执行如权利要求1至5中任一项所述的方法。
CN201711464337.8A 2017-12-28 2017-12-28 图片清晰度的获取方法、装置、存储介质及电子设备 Active CN108198189B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201711464337.8A CN108198189B (zh) 2017-12-28 2017-12-28 图片清晰度的获取方法、装置、存储介质及电子设备
PCT/CN2018/116446 WO2019128539A1 (zh) 2017-12-28 2018-11-20 图片清晰度的获取方法、装置、存储介质及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711464337.8A CN108198189B (zh) 2017-12-28 2017-12-28 图片清晰度的获取方法、装置、存储介质及电子设备

Publications (2)

Publication Number Publication Date
CN108198189A CN108198189A (zh) 2018-06-22
CN108198189B true CN108198189B (zh) 2020-03-10

Family

ID=62585210

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711464337.8A Active CN108198189B (zh) 2017-12-28 2017-12-28 图片清晰度的获取方法、装置、存储介质及电子设备

Country Status (2)

Country Link
CN (1) CN108198189B (zh)
WO (1) WO2019128539A1 (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108198189B (zh) * 2017-12-28 2020-03-10 Oppo广东移动通信有限公司 图片清晰度的获取方法、装置、存储介质及电子设备
CN110786009B (zh) * 2018-09-19 2021-08-06 深圳市大疆创新科技有限公司 检测贝尔图像方法、设备、机器可读存储介质
CN109696788B (zh) * 2019-01-08 2021-12-14 武汉精立电子技术有限公司 一种基于显示面板的快速自动对焦方法
CN109993722B (zh) * 2019-04-09 2023-04-18 Oppo广东移动通信有限公司 图像处理方法、装置、存储介质及电子设备

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107172296A (zh) * 2017-06-22 2017-09-15 维沃移动通信有限公司 一种图像拍摄方法及移动终端

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102903098A (zh) * 2012-08-28 2013-01-30 四川虹微技术有限公司 一种基于图像清晰度差异的深度估计方法
EP2955691B1 (de) * 2014-06-10 2017-08-09 Baumer Optronic GmbH Vorrichtung zur Bestimmung von Farbanteilen eines Bildpunktes einer BAYER-Matrix
CN108198189B (zh) * 2017-12-28 2020-03-10 Oppo广东移动通信有限公司 图片清晰度的获取方法、装置、存储介质及电子设备

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107172296A (zh) * 2017-06-22 2017-09-15 维沃移动通信有限公司 一种图像拍摄方法及移动终端

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘晓芳.自动聚焦系统清晰度评价及窗口构建的研究.《中国优秀硕士学位论文全文数据库信息科技辑》.2017, *

Also Published As

Publication number Publication date
WO2019128539A1 (zh) 2019-07-04
CN108198189A (zh) 2018-06-22

Similar Documents

Publication Publication Date Title
CN111028189B (zh) 图像处理方法、装置、存储介质及电子设备
US10997696B2 (en) Image processing method, apparatus and device
EP3396942B1 (en) Image sensor, imaging method and electronic device
CN108198189B (zh) 图片清晰度的获取方法、装置、存储介质及电子设备
US7454134B2 (en) Image signal processing unit and digital camera
JP6173156B2 (ja) 画像処理装置、撮像装置及び画像処理方法
CN106878605B (zh) 一种基于电子设备的图像生成的方法和电子设备
JP6802372B2 (ja) 端末のための撮影方法及び端末
CN110677621B (zh) 摄像头调用方法、装置、存储介质及电子设备
US20060245643A1 (en) Method and apparatus for incorporating iris color in red-eye correction
WO2019105151A1 (en) Method and device for image white balance, storage medium and electronic equipment
CN105611185A (zh) 图像生成方法、装置及终端设备
US20140184853A1 (en) Image processing apparatus, image processing method, and image processing program
US11950012B2 (en) Apparatus, method of controlling the same, and storage medium
US8731327B2 (en) Image processing system and image processing method
CN108063933B (zh) 图像处理方法及装置、计算机可读存储介质和计算机设备
CN110930440B (zh) 图像对齐方法、装置、存储介质及电子设备
CN111917986A (zh) 图像处理方法及其介质和电子设备
CN108307114B (zh) 图像的处理方法、装置、存储介质及电子设备
CN110266965A (zh) 图像处理方法、装置、存储介质及电子设备
CN116055891A (zh) 图像处理方法及其装置
CN110545375B (zh) 图像处理方法、装置、存储介质及电子设备
CN110913143B (zh) 图像处理方法、装置、存储介质及电子设备
CN112640430B (zh) 成像元件、摄像装置、图像数据处理方法及存储介质
KR20120039855A (ko) 카메라 모듈의 이미지 처리 방법

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: Changan town in Guangdong province Dongguan 523860 usha Beach Road No. 18

Applicant after: OPPO Guangdong Mobile Communications Co., Ltd.

Address before: Changan town in Guangdong province Dongguan 523860 usha Beach Road No. 18

Applicant before: Guangdong Opel Mobile Communications Co., Ltd.

GR01 Patent grant
GR01 Patent grant