CN108206914B - 一种对焦方法及装置、终端 - Google Patents

Abstract

本文公开了一种对焦方法及装置、终端；上述对焦方法，包括：获取显示界面内当前帧中多个窗口的相位差信息；基于多个窗口的相位差信息，采用聚类算法，确定对焦区域。如此，提升对焦准确率。

Description

一种对焦方法及装置、终端

技术领域

本发明涉及数据处理技术领域，尤其涉及一种对焦方法及装置、终端。

背景技术

对焦是指在进行拍摄时，通过设备调节，使被拍物清晰成像的过程。PDAF(PhaseDetection Auto Focus，相位对焦)技术是目前应用于单反相机与智能手机的主流对焦技术。其中，通过用于计算相位差(PD，Phase Difference)的像素点(以下简称PD像素点)计算出马达当前位置与合焦位置的位置差，以实现快速对焦效果。其中，对焦过程中清晰成像的物体所在的点称为对焦点，对焦点前和对焦点后的一定距离内的物体的成像都可以是清晰的，这个前后范围的总和，称为景深，换言之，只要在上述前后范围内的物体，都能清楚地拍摄到。理论上，PD像素点越多，计算出的对焦物体的相位信息越可靠，但是当对焦区域过大时，容易包含进不同景深物体，计算出的相位信息会取到不同景深物体的中间值，从而造成对焦不准。

发明内容

以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。

本申请实施例提供一种对焦方法及装置、终端，能够提升对焦准确率。

第一方面，本申请实施例提供一种对焦方法，包括：获取显示界面内当前帧中多个窗口的相位差信息；基于所述多个窗口的相位差(PD)信息，采用聚类算法，确定对焦区域。

第二方面，本申请实施例提供一种对焦装置，包括：

信息获取模块，用于获取显示界面内当前帧中多个窗口的相位差信息；

处理模块，用于基于所述多个窗口的相位差信息，采用聚类算法，确定对焦区域。

第三方面，本申请实施例提供一种终端，包括：处理器、存储器以及在所述存储器上存储并可在所述处理器上运行的对焦程序，所述对焦程序被所述处理器执行时实现上述第一方面的对焦方法的步骤。

第四方面，本申请实施例提供一种对焦方法，包括：在显示界面的图像帧内的感兴趣物体发生变化时，动态调整显示界面内的对焦区域，以使所述感兴趣物体显示在所述对焦区域内。

此外，本申请实施例还提供一种计算机可读介质，存储有对焦程序，所述对焦程序被处理器执行时实现上述第一方面或第四方面的对焦方法的步骤。

在本申请实施例中，获取显示界面内当前帧中多个窗口的PD信息，基于多个窗口的PD信息，采用聚类算法，确定对焦区域。如此，提高了对焦准确率。特别地，在对焦微距场景下，可以提高对焦小物体的准确率。而且，对焦区域可以根据当前帧的变化实现动态调整，可以实现类似追踪对焦效果。

在示例性实现方式中，获取当前帧中多个窗口的AWB(Automatic White Balance，自动白平衡)统计信息，基于多个窗口的AWB统计信息，调整采用聚类算法确定的对焦区域。如此，进一步提升对焦小物体的准确率。

在阅读并理解了附图和详细描述后，可以明白其他方面。

附图说明

图1为实施本申请实施例提供的对焦方法的一种终端的示意图；

图2为本申请实施例提供的对焦方法的一种流程图；

图3为本申请实施例中一帧图像的窗口划分示意图；

图4为本申请实施例的一种示例流程图；

图5为本申请实施例的聚类示意图；

图6为本申请实施例的另一种示例流程图；

图7为本申请实施例提供的对焦方法的另一示例流程图；

图8为本申请实施例提供的对焦装置的示意图。

具体实施方式

以下结合附图对本申请实施例进行详细说明，应当理解，以下所说明的实施例仅用于说明和解释本申请，并不用于限定本申请。

图1为实施本申请实施例提供的对焦方法的一种终端的示意图。其中，实施本申请实施例提供的对焦方法的终端可以包括诸如智能电话、摄像机、相机、笔记本电脑、个人数据助理(PDA，Personal Digital Assistant)、平板电脑(PAD)等具有图像拍摄或视频录制功能的移动终端。

如图1所示，终端可以包括：摄像单元100、处理器101以及存储器102。然而，本申请对此并不限定，终端可以替代地包括更多或更少的组件。比如，终端内部不设置摄像单元，可以连接外置的摄像单元。

其中，摄像单元100可以用于在视频捕获模式或图像捕获模式中获得静态图片或视频的图像数据。摄像单元100可以包括：镜头1002、马达1004以及数据转换器1006。镜头1002可以由用于形成被摄体像的多个光学镜头构成。镜头1002在马达1004的控制下能够在光轴方向上移动，马达1004根据来自处理器101的控制信号，控制镜头1002的焦点位置。数据转换器1006可以将来自镜头1002的光信号转换为模拟数据流，然后将模拟数据流转换为数字数据流，并将数字数据流传递到处理器101。在示例性实施方式中，数据转换器1006可以包括：传感器和模数转换器(Analog-to-Digital Converter)，其中，传感器可以用于将来自镜头1002的光信号转换为模拟数据流，模数转换器可以用于将模拟数据流转换为数字数据流，并将数字数据流传递给处理器101。

需要说明的是，图1所示的摄像单元100仅为举例，本申请对此并不限定，摄像单元100可以替代地包括更多或更少的组件。

在本实施例中，处理器101可以包括但不限于微处理器(MCU，MicrocontrollerUnit)或可编程逻辑器件(FPGA，Field Programmable Gate Array)等的处理装置。存储器102可用于存储应用软件的软件程序以及模块，如本实施例中的对焦方法对应的程序指令或模块，处理器101通过运行存储在存储器102内的软件程序以及模块，从而执行各种功能应用以及数据处理，比如实现本实施例提供的对焦方法。存储器102可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些示例中，存储器102可包括相对于处理器101远程设置的存储器，这些远程存储器可以通过网络连接至上述终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

图2为本申请实施例提供的一种对焦方法的流程图。如图2所示，本实施例提供的对焦方法，包括以下步骤：

S201、获取显示界面内当前帧中多个窗口的相位差(PD)信息；

S202、基于多个窗口的PD信息，采用聚类算法，确定对焦区域。

以本实施例的对焦方法应用于一智能手机为例，当智能手机启动拍照或摄像功能，开启处于拍摄状态的显示界面时，在显示界面会显示预览图像，智能手机针对显示界面内实时显示的任一帧预览图像，可以通过执行本实施例的对焦方法确定在该帧预览图像中的对焦区域。当显示界面内的预览图像发生变化时，智能手机可以针对显示界面内变化后的当前帧，通过执行本实施例的对焦方法确定对焦区域，从而实现对焦区域的动态调整。由于对焦区域是根据当前图像帧的PD信息确定的，因此，当显示界面内显示的预览图像发生变化时，对焦区域可以根据图像变化进行动态调节，从而实现类似追踪对焦效果。

当对焦微距场景时，比如对焦室外草坪上的一朵小花时，如果背景信息细节比较丰富，背景PD信息的可信度(confidence)较高，而前景中要对焦的感兴趣物体(比如，一朵小花)的细节较少，PD信息的可信度较低，则在对焦时会采信背景的PD信息，从而对焦到背景区域，导致用户在这种环境下对焦时容易造成失焦，降低拍摄体验。本实施例提供的对焦方法通过对窗口的PD信息进行聚类处理来确定对焦区域，并实现对焦区域的动态调节，可以排除背景区域的干扰，使得用户获得更好的对焦体验。

其中，PD像素点分布于全像素区域。在一帧图像中，可以将全像素区域划分为多个窗口，每个窗口内可以包括多个像素点。如此，PD像素点分布在多个窗口中。每个窗口的PD信息可以通过统计其中包括的PD像素点的PD信息确定。如图3所示，全像素区域被划分为6×8＝48个窗口，其中，圆形标识区域表示前景中的感兴趣物体。

在本实施例中，在确定当前帧之后，可以实时获得当前帧中全部窗口的PD信息。其中，本申请对于窗口的PD信息的获取方式并不限定。

在示例性实施方式中，S202可以包括：

基于多个窗口的PD信息，采用聚类算法，对多个窗口进行分簇，将满足设定条件的簇内包括的窗口确定为对焦区域。

在示例性实施方式中，任一个窗口的PD信息可以包括散焦(defocus)值，或者，包括defocus值和可信度值(confidence level)。

比如，获取到的当前帧中多个窗口的统计信息可以记为stats_1(defocus_1)、stats_2(defocus_2)、......、stats_n(defocus_n)；或者，可以记为stats_1(defocus_1、conf_1)、stats_2(defocus_2、conf_2)、......、stats_n(defocus_n、conf_n)；其中，n为当前帧中窗口的总数目，n为正整数。其中，stats_i表示第i个窗口的统计信息，defocus_i表示第i个窗口的defocus值，conf_i表示第i个窗口的可信度值，i为大于0且小于或等于n的整数。

在本实施例中，在S202中，可以使用聚类算法将当前帧中的多个窗口分成K个分组，其中，K为正整数且小于n。其中，聚类算法可以包括K-Means算法。然而，本申请对此并不限定。

在本实施例中，通过S202确定对焦区域之后，可以根据对焦区域的defocus值采用AF(Auto Focus，自动对焦)算法进行处理，实现对焦。其中，对焦区域的defocus值可以为对焦区域内包括的窗口的defocus值的均值，或者，可以采用加权算法处理对焦区域内包括的窗口的defocus值得到。然而，本申请对此并不限定。

在一种示例性实施方式中，当任一窗口的PD信息包括：defocus值和可信度值时，本实施例提供的方法还可以包括：选择出可信度值满足第一条件的窗口；其中，第一条件根据当前帧的亮度确定；

S202可以包括：基于可信度值满足第一条件的窗口的defocus值，采用聚类算法，确定对焦区域。

其中，基于可信度值满足第一条件的窗口的defocus值，采用聚类算法，确定对焦区域，可以包括：

针对可信度值满足第一条件的任一窗口，根据当前帧的马达位置以及该窗口的defocus值，确定该窗口对应的目标马达位置；

采用聚类算法，以目标马达位置作为特征维度，将选择出的多个窗口分为K个簇，其中，K为正整数；

确定K个簇中目标马达位置的均值最小的簇，并将均值最小的簇中包括的窗口确定作为对焦区域。

图4为本申请实施例的一种示例流程图。在本示例中，以K-means聚类算法为例进行说明。在本示例中，将当前帧划分为6×8＝48个窗口，当前帧中窗口的PD信息如表一所示。

表一

如图4所示，本实施例提供的对焦方法可以包括以下步骤：

步骤S401、根据当前帧的亮度，确定可信度值的最小门限，选择出可信度值满足第一条件的窗口；其中，第一条件包括：可信度值大于或等于最小门限的窗口；

在本示例中，亮度与可信度值的最小门限之间的对应关系如表二所示；其中，可以根据当前帧的亮度，参照表二获取可信度值的最小门限；比如，在本示例中，可信度值的最小门限为100，则可以将可信度值小于100的窗口认定为defocus值不准确的PD区域，如此，可以将可信度值大于或等于100的窗口挑选出来，作为待聚类的窗口。

需要说明的是，表二中的亮度是当前环境的sensor gain(传感器增益)的值，即采用gain值来表示亮度，且gain值越大亮度越暗。

亮度	可信度值的最小门限
		1	100
12	1000
		24	2000

表二

在本示例中，基于表一中的数据可知，根据可信度值的最小门限为100挑选出的窗口如表三所示，其中，挑选出的窗口数目为27。

表三

步骤S402、获取当前帧的马达位置cur_pos；需要说明的是，马达位置cur_pos采用一维数据表示，比如，取值范围可以为0至522。

步骤S403、针对选择出的任一窗口，根据当前帧的马达位置以及该窗口的defocus值，确定该窗口对应的目标马达位置target_pos；

将得到的每个窗口对应的目标马达位置target_pos存入数组defocusArray[]，其中，该数组的长度为size，在本示例中，size＝27，即数组长度设置为等于当前帧中满足第一条件的窗口的数目；

其中，针对任一窗口，可以根据下式计算目标马达位置target_pos：

target_pos＝defocus+cur_pos；

换言之，针对任一窗口，该窗口的目标马达位置等于当前帧的马达位置和该窗口的defocus值之和。

步骤S404、采用K-Means算法，对目标马达位置target_pos进行聚类；

比如，初始化聚类簇数K＝3，初始化聚类初始中心点分别为Mean[0]、Mean[1]、Mean[2]；其中，

Mean[0]＝defocusArray[0]；

Mean[1]＝defocusArray[size/2]；

Mean[2]＝defocusArray[size]；

换言之，取数组defocusArray[]中的第一个、最后一个以及中间一个target_pos作为三个聚类初始中心点。

在本示例中，采用K-Means聚类算法的过程可以包括：

步骤一、针对数组defocusArray[]中任一个target_pos，计算该target_pos到三个聚类初始中心点的距离，并将该target_pos聚类到距离最近的聚类初始中心点所在的簇；

步骤二、计算每个簇中所有target_pos的平均值，并将这个平均值作为新的聚类中心点；

反复执行上述两个步骤，直到聚类中心点不再进行大范围移动或者聚类次数达到要求为止。

图5为K-Means聚类的示意图。其中，图5(a)所示为筛选出的27个窗口对应的target_pos，图5(b)所示为经过聚类后的target_pos，其中，横坐标可以表示窗口编号，纵坐标可以表示target_pos的值。在本示例中，27个窗口以目标马达位置为特征维度经过聚类可以得到如图5(b)所示的结果，在图5(b)中，黑色圆点属于一个簇、竖线填充圆点属于一个簇、普通圆点属于一个簇，而且，黑色圆点所属的簇的target_pos的均值最小。

步骤S405、选择target_pos均值最小的簇，将均值最小的簇中包括的窗口确定为当前帧的对焦区域，即以近焦位置作为对焦区域；在本示例中，选择黑色圆点所属的簇包括的窗口作为对焦区域，基于表三中的数据可知，图5(b)中的黑色圆点分别对应以下6个窗口：window4、window12、window20、window28、window36、window44。

在另一种示例性实施方式中，当任一窗口的PD信息包括defocus值时，S202可以包括：

针对当前帧中任一窗口，根据当前帧的马达位置以及该窗口的defocus值，确定该窗口对应的目标马达位置；

采用聚类算法，以目标马达位置作为特征维度，将多个窗口分为K个簇，其中，K为正整数；

确定K个簇中目标马达位置的均值最小的簇，并将均值最小的簇中包括的窗口确定为对焦区域。

图6为本申请实施例的另一种示例流程图。在本示例中，以K-means聚类算法为例进行说明，且当前帧被划分为6×8＝48个窗口。

如图6所示，本实施例提供的对焦方法可以包括以下步骤：

步骤S601、获取当前帧的马达位置cur_pos；需要说明的是，马达位置cur_pos采用一维数据表示，比如，取值范围可以为0至522。

步骤S602、针对当前帧中任一窗口，根据当前帧的马达位置和该窗口的defocus值，确定该窗口对应的目标马达位置target_pos；

将得到的每个窗口对应的目标马达位置target_pos存入数组defocusArray[]，其中，该数组的长度为size，在本示例中，size＝48，即数组长度设置为等于当前帧中窗口的总数目；

其中，针对任一窗口，可以根据下式计算目标马达位置target_pos：

target_pos＝defocus+cur_pos；

换言之，针对任一窗口，该窗口的目标马达位置等于当前帧的马达位置和该窗口的defocus值之和。

步骤S603、采用K-Means算法，对目标马达位置target_pos进行聚类；

关于本步骤的说明可以参照图4中S404的描述，故于此不再赘述。

步骤S604、选择target_pos均值最小的簇，将均值最小的簇中包括的窗口确定为对焦区域。

图7为本申请实施例提供的对焦方法的另一示例流程图。如图7所示，本实施例提供的对焦方法，包括以下步骤：

S701、获取显示界面内当前帧中多个窗口的PD信息和AWB统计信息；

S702、基于多个窗口的PD信息，采用聚类算法，确定对焦区域；

S703、基于多个窗口的AWB统计信息，调整采用聚类算法确定的对焦区域。

本实施例与图2所示实施例的区别在于：在本实施例中，在采用聚类算法确定对焦区域后还会基于多个窗口的AWB统计信息调整对焦区域。其中，关于S701和S702的相关说明可以参照图2、图4或图6所示的实施例中对应的描述，故于此不再赘述。

在一般场景中，用户感兴趣的前景信息与后景信息的AWB统计信息存在较大差异，因此，可以将靠近中心的AWB统计信息相近的连同区域作为前景的ROI(Region OfInterest，感兴趣区域)，以实现动态调整对焦区域，提升对焦体验；特别地，在对焦微距场景时，在基于PD信息确定的对焦区域的基础上，再通过AWB统计信息调整对焦区域，可以进一步提升对焦小物体的准确率。

需要说明的是，本申请对于AWB统计信息的获取方式并不限定，可以采用本领域的常用实现方式获取。

本实施例中，AWB统计信息可以包括：AWB参数r_gain和b_gain。此时，在S701中，获取的当前帧多个窗口的统计信息可以记为stats_1(r_gain_1、b_gain_1、defocus_1、conf_1)、stats_2(r_gain_2、b_gain_2、defocus_2、conf_2)、......、stats_n(r_gain_n、b_gain_n、defocus_n、conf_n)；其中，n为当前帧中窗口的总数目，n为正整数。其中，stats_i表示第i个窗口的统计信息，defocus_i表示第i个窗口的defocus值，conf_i表示第i个窗口的可信度值，r_gain_i表示第i个窗口的AWB参数r_gain值，b_gain_i表示第i个窗口的AWB参数b_gain值，i为大于0且小于或等于n的整数。

在示例性实施方式中，S703可以包括：

基于采用聚类算法确定的对焦区域中的窗口的AWB统计信息，确定对焦区域中满足第二条件的窗口的数目；

若该数目满足第三条件，则将对焦区域调整为满足第二条件的窗口，若该数目不满足第三条件，则将对焦区域调整为中心默认对焦区域。

其中，基于采用聚类算法确定的对焦区域中的窗口的AWB统计信息，确定对焦区域中满足第二条件的窗口的数目，可以包括：

针对AWB统计信息包括的任一AWB参数，根据采用聚类算法确定的对焦区域中窗口的AWB统计信息，计算该AWB参数的平均值；针对采用聚类算法确定的对焦区域中的任一窗口，根据该窗口的该AWB参数和所述AWB参数的平均值，计算该窗口的该AWB参数的方差；

确定AWB统计信息中任一AWB参数的方差均小于对应的门限值的窗口的数目。

其中，第三条件可以包括大于或等于数目阈值。然而，本申请对此并不限定。

在本实施例中，通过S703调整对焦区域之后，可以根据对焦区域的defocus值采用AF算法进行处理，实现对焦。其中，对焦区域的defocus值可以为对焦区域内包括的窗口的defocus值的均值，或者，可以采用加权算法处理对焦区域内包括的窗口的defocus值得到。然而，本申请对此并不限定。

下面对S703的实现流程进行举例说明。

在S703中，对采用聚类算法选出的窗口进行再选择，选出AWB统计信息相似的窗口作为对焦区域。在本示例中，S702确定的对焦区域以采用图4所示实施例得到的6个窗口(window4、window12、window20、window28、window36、window44)为例进行说明。其中，AWB统计信息包括AWB参数r_gain和b_gain。

以AWB参数r_gain为例，根据下式计算通过S702选出的这些窗口的AWB参数r_gain的平均值：

avg_r_gain＝(r_gain_4+r_gain_12+r_gain_20+r_gain_28+r_gain_36+r_gain_44)/6；

然后，针对通过S702选出的任一窗口，计算该窗口对应的方差；

在本示例中，AWB参数r_gain的方差可以通过下式计算：

D_r_gain_i＝(r_gain_i-avg_r_gain)^2；其中，i的取值分别为4、12、20、28、36、44；

在本示例中，在得到每个窗口对应的AWB参数r_gain的方差之后，检测该窗口对应的AWB参数r_gain的方差是否小于门限D_r_gain_th。

同样地，针对AWB参数b_gain，也可以按照上述方式检测通过S702选出的每个窗口的AWB参数b_gain的方差是否小于门限D_b_gain_th。其中，D_r_gain_th与D_b_gain_th可以根据场景设定，本申请对此并不限定。

然后，可以确定两个AWB参数的方差都小于对应的门限值的窗口的数目。

其中，若两个AWB参数的方差都满足门限要求的窗口个数大于或等于2，则采用这些满足门限要求的窗口的PD信息进行对焦；若两个AWB参数的方差都满足门限要求的窗口个数小于2，则调整中心默认对焦区域作为当前帧的对焦区域，比如，中心默认对焦区域可以取中心4×4的窗口。

在本示例中，通过S702选出的6个窗口对应的AWB参数的方差均满足门限要求，因此，可以采用这些窗口的PD信息进行对焦。

图8所示为本申请实施例提供的对焦装置的示意图。如图8所示，本实施例提供的对焦装置，包括：

信息获取模块801，用于获取显示界面内当前帧中多个窗口的PD信息；

处理模块802，用于基于多个窗口的PD信息，采用聚类算法，确定对焦区域。

在示例性实施方式中，处理模块802可以用于通过以下方式基于多个窗口的PD信息，采用聚类算法，确定对焦区域：

基于多个窗口的PD信息，采用聚类算法，对多个窗口进行分簇，将满足设定条件的簇内包括的窗口确定为对焦区域。

在示例性实施方式中，PD信息可以包括defocus值；

处理模块802可以用于通过以下方式基于多个窗口的PD信息，采用聚类算法，确定对焦区域：

针对任一窗口，根据当前帧的马达位置以及该窗口的defocus值，确定该窗口对应的目标马达位置；

采用聚类算法，以目标马达位置作为特征维度，将多个窗口分为K个簇，其中，K为正整数；

确定K个簇中目标马达位置的均值最小的簇，并将均值最小的簇中包括的窗口确定为对焦区域。

在示例性实施方式中，PD信息还可以包括：可信度值；

处理模块802还可以用于在基于多个窗口的PD信息，采用聚类算法，确定对焦区域之前，选择出可信度值满足第一条件的窗口；其中，第一条件根据当前帧的亮度确定；

处理模块802可以用于通过以下方式基于多个窗口的PD信息，采用聚类算法，确定对焦区域：基于可信度值满足第一条件的窗口的defocus值，采用聚类算法，确定对焦区域。

示例性地，聚类算法可以包括K-Means聚类算法。

在示例性实施方式中，信息获取模块801还可以用于获取当前帧中多个窗口的AWB统计信息；

处理模块802，还可以用于在基于多个窗口的相位差信息，采用聚类算法，确定对焦区域之后，基于采用聚类算法确定的对焦区域中的窗口的AWB统计信息，确定对焦区域中满足第二条件的窗口的数目；若该数目满足第三条件，则将对焦区域调整为满足第二条件的窗口，若该数目不满足第三条件，则将对焦区域调整为中心默认对焦区域。

其中，处理模块802还可以用于通过以下方式基于采用聚类算法确定的对焦区域中的窗口的AWB统计信息，确定对焦区域中满足第二条件的窗口的数目：

针对AWB统计信息包括的任一AWB参数，根据采用聚类算法确定的对焦区域中窗口的AWB统计信息，计算该AWB参数的平均值；针对采用聚类算法确定的对焦区域中的任一窗口，根据该窗口的该AWB参数和该AWB参数的平均值，计算该窗口的该AWB参数的方差；

确定AWB统计信息中任一AWB参数的方差均小于对应的门限值的窗口的数目。

关于本实施例提供的对焦装置的相关说明可以参照上述实施例的对焦方法的描述，故于此不再赘述。

此外，本申请实施例还提供一种对焦方法，包括：

在显示界面的图像帧内的感兴趣物体发生变化时，动态调整显示界面内的对焦区域，以使该感兴趣物体显示在对焦区域内。

示例性地，感兴趣物体可以包括微距场景下的小物体。比如，室外草坪上的一朵小花。

本实施例中，当显示界面内显示的图像发生变化时，对焦区域可以根据图像变化进行动态调节，从而实现类似追踪对焦效果。

关于本实施例提供的对焦方法的实现过程可以参照上述实施例的描述，故于此不再赘述。

此外，本申请实施例还提供一种计算机可读介质，存储有对焦程序，该对焦程序被处理器执行时实现上述实施例提供的对焦方法的步骤。

本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块或单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中，在以上描述中提及的功能模块或单元之间的划分不一定对应于物理组件的划分；例如，一个物理组件可以具有多个功能，或者一个功能或步骤可以由若干物理组件合作执行。某些组件或所有组件可以被实施为由处理器，如数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。

以上显示和描述了本申请的基本原理和主要特征和本申请的优点。本申请不受上述实施例的限制，上述实施例和说明书中描述的只是说明本申请的原理，在不脱离本申请精神和范围的前提下，本申请还会有各种变化和改进，这些变化和改进都落入要求保护的本申请范围内。

Claims (11)

1.一种对焦方法，其特征在于，包括：

获取显示界面内当前帧中多个窗口的相位差信息；

基于所述多个窗口的相位差信息，采用聚类算法，确定对焦区域；

其中，所述方法还包括：获取所述当前帧中多个窗口的自动白平衡统计信息；

所述基于所述多个窗口的相位差信息，采用聚类算法，确定对焦区域之后，所述方法还包括：

基于所述采用聚类算法确定的对焦区域内的窗口的自动白平衡统计信息，确定所述对焦区域内满足第二条件的窗口的数目；若所述数目满足第三条件，则将所述对焦区域调整为满足第二条件的窗口，若所述数目不满足第三条件，则将所述对焦区域调整为中心默认对焦区域。

2.根据权利要求1所述的方法，其特征在于，所述基于所述多个窗口的相位差信息，采用聚类算法，确定对焦区域，包括：

基于所述多个窗口的相位差信息，采用聚类算法，对所述多个窗口进行分簇，将满足设定条件的簇内包括的窗口确定为对焦区域。

3.根据权利要求1所述的方法，其特征在于，所述相位差信息包括：散焦值；所述基于所述多个窗口的相位差信息，采用聚类算法，确定对焦区域，包括：

针对任一窗口，根据所述当前帧的马达位置以及所述窗口的散焦值，确定所述窗口对应的目标马达位置；

采用所述聚类算法，以所述目标马达位置作为特征维度，将所述多个窗口分为K个簇，其中，K为正整数；

确定所述K个簇中目标马达位置的均值最小的簇，并将所述均值最小的簇中包括的窗口确定为对焦区域。

4.根据权利要求3所述的方法，其特征在于，所述相位差信息还包括：可信度值；所述基于所述多个窗口的相位差信息，采用聚类算法，确定对焦区域之前，所述方法还包括：选择出所述可信度值满足第一条件的窗口；其中，所述第一条件根据所述当前帧的亮度确定；

所述基于所述多个窗口的相位差信息，采用聚类算法，确定对焦区域，包括：基于可信度值满足第一条件的窗口的相位差信息，采用所述聚类算法，确定对焦区域。

5.根据权利要求1所述的方法，其特征在于，所述基于所述采用聚类算法确定的对焦区域中的窗口的自动白平衡统计信息，确定所述对焦区域中满足第二条件的窗口的数目，包括：

针对所述自动白平衡统计信息包括的任一自动白平衡参数，根据所述采用聚类算法确定的对焦区域中窗口的自动白平衡统计信息，计算所述自动白平衡参数的平均值；针对所述采用聚类算法确定的对焦区域中的任一窗口，根据所述窗口的所述自动白平衡参数和所述自动白平衡参数的平均值，计算所述窗口的所述自动白平衡参数的方差；

确定所述自动白平衡统计信息中任一自动白平衡参数的方差均小于对应的门限值的窗口的数目。

6.一种对焦装置，其特征在于，包括：

信息获取模块，用于获取显示界面内当前帧中多个窗口的相位差信息；

处理模块，用于基于所述多个窗口的相位差信息，采用聚类算法，确定对焦区域；

其中，所述信息获取模块还用于获取所述当前帧中多个窗口的自动白平衡统计信息；

所述处理模块，还用于在基于所述多个窗口的相位差信息，采用聚类算法，确定对焦区域之后，基于所述采用聚类算法确定的对焦区域内的窗口的自动白平衡统计信息，确定所述对焦区域内满足第二条件的窗口的数目；若所述数目满足第三条件，则将所述对焦区域调整为满足第二条件的窗口，若所述数目不满足第三条件，则将所述对焦区域调整为中心默认对焦区域。

7.根据权利要求6所述的装置，其特征在于，所述处理模块，用于通过以下方式基于所述多个窗口的相位差信息，采用聚类算法，确定对焦区域：

基于所述多个窗口的相位差信息，采用聚类算法，对所述多个窗口进行分簇，将满足设定条件的簇内包括的窗口确定为对焦区域。

8.根据权利要求6所述的装置，其特征在于，所述相位差信息包括：散焦值；所述处理模块用于通过以下方式基于所述多个窗口的相位差信息，采用聚类算法，确定对焦区域：

针对任一窗口，根据所述当前帧的马达位置以及所述窗口的散焦值，确定所述窗口对应的目标马达位置；

采用所述聚类算法，以所述目标马达位置作为特征维度，将所述多个窗口分为K个簇，其中，K为正整数；

确定所述K个簇中目标马达位置的均值最小的簇，并将所述均值最小的簇中包括的窗口确定为对焦区域。

9.根据权利要求8所述的装置，其特征在于，所述相位差信息还包括：可信度值；所述处理模块还用于在基于所述多个窗口的相位差信息，采用聚类算法，确定对焦区域之前，选择出所述可信度值满足第一条件的窗口；其中，所述第一条件根据所述当前帧的亮度确定；

所述处理模块，用于通过以下方式基于所述多个窗口的相位差信息，采用聚类算法，确定对焦区域：基于可信度值满足第一条件的窗口的相位差信息，采用所述聚类算法，确定对焦区域。

10.一种终端，其特征在于，包括：处理器、存储器以及在所述存储器上存储并可在所述处理器上运行的对焦程序，所述对焦程序被所述处理器执行时实现如权利要求1至5中任一项所述的对焦方法的步骤。

11.一种计算机可读介质，其特征在于，存储有对焦程序，所述对焦程序被处理器执行时实现如权利要求1至5中任一项所述的对焦方法的步骤。

Images