CN108629814B - 相机调整方法及装置 - Google Patents

Abstract

本公开是关于一种相机调整方法及装置，该方法包括：接收到用户的调整指令，所述调整指令中包括调整的目标图像质量；基于预先建立的模型确定所述目标图像质量对应的相机参数组合；根据所述目标图像质量对所述相机参数组合中的各个相机参数进行调整。因此，本公开可以满足用户的调整需求，还可以提高相机调整的可靠性和效率。

Description

相机调整方法及装置

技术领域

本公开涉及通信技术领域，尤其涉及一种相机调整方法及装置。

背景技术

相机的成像质量的评判标准有很多，比如饱和度、对比度、白平衡等各个成像指标，而相机的相机参数则有更多。相关技术中，若调整一个相机参数，一般会影响多个成像指标，同时，这些相机参数互相还会影响不同的成像指标。因此，针对不同成像指标，如何将相机调整为合适的相机参数，则是一个比较难处理的问题。

发明内容

为克服相关技术中存在的问题，本公开实施例提供一种相机调整方法及装置。

根据本公开实施例的第一方面，提供一种相机调整方法，所述方法包括：

接收到用户的调整指令，所述调整指令中包括调整的目标图像质量；

基于预先建立的模型确定所述目标图像质量对应的相机参数组合；

根据所述目标图像质量对所述相机参数组合中的各个相机参数进行调整。

可选地，所述目标图像质量包括饱和度、和/或对比度、和/或白平衡。

可选地，所述基于预先建立的模型确定所述目标图像质量对应的相机参数组合，还包括：

基于所述预先建立的模型确定所述相机参数组合中各个相机参数的调整权重和/或调整趋势。

可选地，所述根据所述目标图像质量对所述相机参数组合中的各个相机参数进行调整，还包括：

根据所述各个相机参数的调整权重和/或调整趋势，调整对应的相机参数。

可选地，所述方法还包括：

通过机器学习得到所述预先建立的模型，所述预先建立的模型用于根据输入图像质量、确定能够决定该输入图像质量变化趋势的相机参数组合。

可选地，所述通过机器学习得到所述预先建立的模型，包括：

采集建模数据，所述建模数据中包括不同建模图片对应的相机参数和图像质量；

对所述建模数据进行机器学习，得到能够决定每种图像质量变化趋势的相机参数组合；

根据所述能够决定每种图像质量变化趋势的相机参数组合，建立所述预先建立的模型。

可选地，所述方法还包括：

当接收到用户的拍照指令时，则根据所述调整后的相机参数进行拍照，得到所述目标图像质量对应的图片。

根据本公开实施例的第二方面，提供一种相机调整装置，所述装置包括：

接收模块，被配置为接收到用户的调整指令，所述调整指令中包括调整的目标图像质量；

确定模块，被配置为基于预先建立的模型确定所述目标图像质量对应的相机参数组合；

调整模块，被配置为根据所述目标图像质量对所述相机参数组合中的各个相机参数进行调整。

可选地，所述目标图像质量包括饱和度、和/或对比度、和/或白平衡。

可选地，所述确定模块还用于基于所述预先建立的模型确定所述相机参数组合中各个相机参数的调整权重和/或调整趋势。

可选地，所述调整模块还用于根据所述各个相机参数的调整权重和/或调整趋势，调整对应的相机参数。

可选地，所述装置还包括：

模型建立模块，被配置为通过机器学习得到所述预先建立的模型，所述预先建立的模型用于根据输入图像质量、确定能够决定该输入图像质量变化趋势的相机参数组合。

可选地，所述模型建立模块包括：

采集子模块，被配置为采集建模数据，所述建模数据中包括不同建模图片对应的相机参数和图像质量；

学习子模块，被配置为对所述建模数据进行机器学习，得到能够决定每种图像质量变化趋势的相机参数组合；

建立子模块，被配置为根据所述能够决定每种图像质量变化趋势的相机参数组合，建立所述预先建立的模型。

可选地，所述装置还包括：

拍照模块，被配置为当接收到用户的拍照指令时，则根据所述调整后的相机参数进行拍照，得到所述目标图像质量对应的图片。

根据本公开实施例的第三方面，提供一种相机调整装置，所述装置包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

接收到用户的调整指令，所述调整指令中包括调整的目标图像质量；

基于预先建立的模型确定所述目标图像质量对应的相机参数组合；

根据所述目标图像质量对所述相机参数组合中的各个相机参数进行调整。

本公开的实施例提供的技术方案可以包括以下有益效果：

本公开中终端在接收到用户的调整指令时，该调整指令中包括调整的目标图像质量，可以基于预先建立的模型确定目标图像质量对应的相机参数组合，并根据目标图像质量对确定的相机参数组合中的各个相机参数进行调整，从而满足了用户的调整需求，还提高了相机调整的可靠性和效率。

本公开中终端还可以通过机器学习得到预先建立的模型，该预先建立的模型用于根据输入图像质量、确定能够决定该输入图像质量变化趋势的相机参数组合，提高了确定相机参数组合的准确性。

本公开中终端还可以通过采集建模数据，所述建模数据中包括不同建模图片对应的相机参数和图像质量，并对建模数据进行机器学习，得到能够决定每种图像质量变化趋势的相机参数组合，以及根据能够决定每种图像质量变化趋势的相机参数组合，建立预先建立的模型，从而提高了建立预先建立的模型的效率和可靠性。

本公开中终端在根据目标图像质量对确定的相机参数组合中的各个相机参数进行调整之后，再接收到用户的拍照指令时，还可以根据调整后的相机参数进行拍照，得到用户指示调整的目标图像质量对应的图片，从而满足了用户的个性拍照需求，还提高了相机调整的实用性。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

图1是本公开根据一示例性实施例示出的一种相机调整方法的流程图；

图2是本公开根据一示例性实施例示出的一种相机调整方法的应用场景示意图；

图3是本公开根据一示例性实施例示出的另一种相机调整方法的流程图；

图4是本公开根据一示例性实施例示出的另一种相机调整方法的流程图；

图5是本公开根据一示例性实施例示出的另一种相机调整方法的流程图；

图6是本公开根据一示例性实施例示出的一种相机调整装置的框图；

图7是本公开根据一示例性实施例示出的另一种相机调整装置的框图；

图8是本公开根据一示例性实施例示出的另一种相机调整装置的框图；

图9是本公开根据一示例性实施例示出的另一种相机调整装置的框图；

图10是本公开根据一示例性实施例示出的一种适用于相机调整装置的框图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

在本公开使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本公开。在本公开和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本公开可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本公开范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。

图1是根据一示例性实施例示出的一种相机调整方法的流程图，图2是根据一示例性实施例示出的相机调整方法的应用场景示意图；该相机调整方法可以用于能够拍照的终端(例如：智能手机、平板电脑等)上，如图1所示，该相机调整方法可以包括以下步骤：

在步骤110中，接收到用户的调整指令，该调整指令中包括调整的目标图像质量。

本公开实施例中，用户在拍照时，可以自由选择目标图像质量，比如：饱和度是多少等；也可以指示终端需要调整哪些目标图像质量，比如：调整饱和度和对比度。

在一实施例中，上述步骤110中，终端接收到用户的调整指令中的所述目标图像质量可以包括饱和度、和/或对比度、和/或白平衡等。

在步骤120中，基于预先建立的模型确定目标图像质量对应的相机参数组合。

本公开实施例中，由于相机参数很多，终端不需要调整所有的相机参数，而只需要调整对目标图像质量影响比较大的那些相机参数，所以终端需要先确定哪些相机参数是对目标图像质量影响比较大，然后对这些参数进行调整。而本公开中的预先建立的模型，其作用就是确定对目标图像质量影响比较大的那些相机参数。

比如：用户指示调整饱和度，终端可以通过预先建立的模型确定该饱和度对应的相机参数组合。

在一实施例中，上述步骤120还可以包括：

基于预先建立的模型确定相机参数组合中各个相机参数的调整权重和/或调整趋势。

本公开实施例中，通过预先建立的模型确定对目标图像质量影响比较大的那些相机参数之外，还可以确定具体如何调整这些参数，比如：调大还是调小。

在步骤130中，根据目标图像质量对确定的相机参数组合中的各个相机参数进行调整。

本公开实施例中，相机参数组合可以指的是对目标图像质量影响比较大的那些相机参数的组合。当确定是哪些相机参数对目标图像质量影响比较大后，就可以调整这些相机参数。至于如何调整，其方法很多，可以包括但不限于以下这种调整方式：

在一实施例中，若终端基于预先建立的模型确定相机参数组合中各个相机参数的调整权重和/或调整趋势之后，终端在相机调整时，可以根据各个相机参数的调整权重和/或调整趋势调整对应的相机参数。

在一示例性场景中，如图2所示，包括用户和智能手机。用户在拍照时，可以向智能手机发送调整指令，该指令用于指示智能手机需要调整的目标图像质量，比如：饱和度。智能手机接收到调整指令后，可以先基于预先建立的模型确定需要调整的目标图像质量所对应的相机参数组合；然后在根据需要调整的目标图像质量对相机参数组合中的各个相机参数进行调整。尤其是智能手机还可以基于预先建立的模型确定相机参数组合中各个相机参数的调整权重和/或调整趋势，并可以根据这些调整权重和/或调整趋势，调整对应的相机参数，从而提高了相机调整的可靠性和效率。

由上述实施例可见，在接收到用户的调整指令时，该调整指令中包括调整的目标图像质量，可以基于预先建立的模型确定目标图像质量对应的相机参数组合，并根据目标图像质量对确定的相机参数组合中的各个相机参数进行调整，从而满足了用户的调整需求，还提高了相机调整的可靠性和效率。

下面以具体实施例来说明本公开实施例提供的技术方案。

图3是本公开根据一示例性实施例示出的另一种相机调整方法的流程图。该相机调整方法可以用于能够拍照的终端(例如：智能手机、平板电脑等)上，并建立在图1所示方法的基础上，如图3所示，该相机调整方法还可以包括以下步骤：

在步骤310中，通过机器学习得到预先建立的模型，该预先建立的模型用于根据输入图像质量、确定能够决定该输入图像质量变化趋势的相机参数组合。

由上述实施例可见，可以通过机器学习得到预先建立的模型，该预先建立的模型用于根据输入图像质量、确定能够决定该输入图像质量变化趋势的相机参数组合，提高了确定相机参数组合的准确性。

图4是本公开根据一示例性实施例示出的另一种相机调整方法的流程图。该相机调整方法可以用于能够拍照的终端(例如：智能手机、平板电脑等)上，并建立在图3所示方法的基础上，如图4所示，该相机调整方法还可以包括以下步骤：

在步骤410中，采集建模数据，所述建模数据中包括不同建模图片对应的相机参数和图像质量。

本公开实施例中，不同建模图片对应的相机参数是拍摄这些建模图片所使用的相机参数，不同建模图片对应的图像质量是对这些建模图片进行图像分析后得到的图像质量。

比如：对建模图片进行饱和度分析、和/或对比度分析、和/或白平衡分析等，得到该建模图片的饱和度、和/或对比度、和/或白平衡等。

在步骤420中，对建模数据进行机器学习，得到能够决定每种图像质量变化趋势的相机参数组合。

本公开实施例中，由于相机参数很多，有些相机参数对图像质量影响比较大，决定着图像质量的变化趋势；有些相机参数对图像质量影响很少，甚至没有，即使图像质量如何变化，这些相机参数几乎不变，所以本公开中对建模数据进行机器学习，其目的是确定能够决定每种图像质量变化趋势的那些相机参数。

在步骤430中，根据能够决定每种图像质量变化趋势的相机参数组合，建立预先建立的模型。其中，该预先建立的模型可以用于根据输入图像质量、确定能够决定该输入图像质量变化趋势的相机参数组合。

由上述实施例可见，通过采集建模数据，所述建模数据中包括不同建模图片对应的相机参数和图像质量，并对建模数据进行机器学习，得到能够决定每种图像质量变化趋势的相机参数组合，以及根据能够决定每种图像质量变化趋势的相机参数组合，建立预先建立的模型，从而提高了建立预先建立的模型的效率和可靠性。

图5是本公开根据一示例性实施例示出的另一种相机调整方法的流程图。该相机调整方法可以用于能够拍照的终端(例如：智能手机、平板电脑等)上，并建立在图1所示方法的基础上，如图5所示，该相机调整方法还可以包括以下步骤：

在步骤510中，当接收到用户的拍照指令时，则根据调整后的相机参数进行拍照，得到用户指示调整的目标图像质量对应的图片。

由上述实施例可见，当根据目标图像质量对确定的相机参数组合中的各个相机参数进行调整后，再接收到用户的拍照指令时，可以根据调整后的相机参数进行拍照，得到用户指示调整的目标图像质量对应的图片，从而满足了用户的个性拍照需求，还提高了相机调整的实用性。

与前述相机调整方法实施例相对应，本公开还提供了相机调整装置的实施例。

如图6所示，图6是本公开根据一示例性实施例示出的一种相机调整装置的框图，所述装置可以用于能够拍照的终端(例如：智能手机、平板电脑等)上，并用于执行图1所示的相机调整方法，如图6所示，该相机调整装置可以包括：

接收模块61，被配置为接收到用户的调整指令，所述调整指令中包括调整的目标图像质量；

确定模块62，被配置为基于预先建立的模型确定所述目标图像质量对应的相机参数组合；

调整模块63，被配置为根据所述目标图像质量对所述相机参数组合中的各个相机参数进行调整。

由上述实施例可见，在接收到用户的调整指令时，该调整指令中包括调整的目标图像质量，可以基于预先建立的模型确定目标图像质量对应的相机参数组合，并根据目标图像质量对确定的相机参数组合中的各个相机参数进行调整，从而满足了用户的调整需求，还提高了相机调整的可靠性和效率。

在一实施例中，建立在图6所示装置的基础上，所述目标图像质量包括饱和度、和/或对比度、和/或白平衡。

在一实施例中，建立在图6所示装置的基础上，所述确定模块62还用于基于所述预先建立的模型确定所述相机参数组合中各个相机参数的调整权重和/或调整趋势。

在一实施例中，建立在图6所示装置的基础上，所述调整模块63还用于根据所述各个相机参数的调整权重和/或调整趋势，调整对应的相机参数。

在一实施例中，建立在图6所示装置的基础上，如图7所示，所述装置还可以包括：

模型建立模块71，被配置为通过机器学习得到所述预先建立的模型，所述预先建立的模型用于根据输入图像质量、确定能够决定该输入图像质量变化趋势的相机参数组合。

由上述实施例可见，可以通过机器学习得到预先建立的模型，该预先建立的模型用于根据输入图像质量、确定能够决定该输入图像质量变化趋势的相机参数组合，提高了确定相机参数组合的准确性。

在一实施例中，建立在图7所示装置的基础上，如图8所示，所述模型建立模块71可以包括：

采集子模块81，被配置为采集建模数据，所述建模数据中包括不同建模图片对应的相机参数和图像质量；

学习子模块82，被配置为对所述建模数据进行机器学习，得到能够决定每种图像质量变化趋势的相机参数组合；

建立子模块83，被配置为根据所述能够决定每种图像质量变化趋势的相机参数组合，建立所述预先建立的模型。

由上述实施例可见，通过采集建模数据，所述建模数据中包括不同建模图片对应的相机参数和图像质量，并对建模数据进行机器学习，得到能够决定每种图像质量变化趋势的相机参数组合，以及根据能够决定每种图像质量变化趋势的相机参数组合，建立预先建立的模型，从而提高了建立预先建立的模型的效率和可靠性。

在一实施例中，建立在图6所示装置的基础上，如图9所示，所述装置还可以包括：

拍照模块91，被配置为当接收到用户的拍照指令时，则根据所述调整后的相机参数进行拍照，得到所述目标图像质量对应的图片。由上述实施例可见，当根据目标图像质量对确定的相机参数组合中的各个相机参数进行调整后，再接收到用户的拍照指令时，可以根据调整后的相机参数进行拍照，得到用户指示调整的目标图像质量对应的图片，从而满足了用户的个性拍照需求，还提高了相机调整的实用性。

上述装置中各个单元的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程，在此不再赘述。

对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本公开方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

与图6相应的，本公开还提供另一种相机调整装置，所述装置包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

接收到用户的调整指令，所述调整指令中包括调整的目标图像质量；

基于预先建立的模型确定所述目标图像质量对应的相机参数组合；

根据所述目标图像质量对所述相机参数组合中的各个相机参数进行调整。

如图10所示，图10是本公开根据一示例性实施例示出的一种适用于相机调整装置1000的一结构示意图。例如，装置1000可以是具有路由功能的移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。

参照图10，装置1000可以包括以下一个或多个组件：处理组件1002，存储器1004，电源组件1006，多媒体组件1008，音频组件1010，输入/输出(I/O)的接口1012，传感器组件1014，以及通信组件1016。

处理组件1002通常控制装置1000的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件1002可以包括一个或多个处理器1020来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件1002可以包括一个或多个模块，便于处理组件1002和其他组件之间的交互。例如，处理组件1002可以包括多媒体模块，以方便多媒体组件1008和处理组件1002之间的交互。

存储器1004被配置为存储各种类型的数据以支持在装置1000的操作。这些数据的示例包括用于在装置1000上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器1004可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电源组件1006为装置1000的各种组件提供电力。电源组件1006可以包括电源管理系统，一个或多个电源，及其他与为装置1000生成、管理和分配电力相关联的组件。

多媒体组件1008包括在所述装置1000和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件1008包括一个前置摄像头和/或后置摄像头。当装置1000处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件1010被配置为输出和/或输入音频信号。例如，音频组件1010包括一个麦克风(MIC)，当装置1000处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器1004或经由通信组件1016发送。在一些实施例中，音频组件1010还包括一个扬声器，用于输出音频信号。

I/O接口1012为处理组件1002和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件1014包括一个或多个传感器，用于为装置1000提供各个方面的状态评估。例如，传感器组件1014可以检测到装置1000的打开/关闭状态，组件的相对定位，例如所述组件为装置1000的显示器和小键盘，传感器组件1014还可以检测装置1000或装置1000一个组件的位置改变，用户与装置1000接触的存在或不存在，装置1000方位或加速/减速和装置1000的温度变化。传感器组件1014可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件1014还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件1014还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器，微波传感器或温度传感器。

通信组件1016被配置为便于装置1000和其他设备之间有线或无线方式的通信。装置1000可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件1016经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件1016还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，装置1000可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述相机调整方法。

在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器1004，上述指令可由装置1000的处理器1020执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (9)

1.一种相机调整方法，其特征在于，所述方法包括：

接收到用户的调整指令，所述调整指令中包括调整的目标图像质量，所述目标图像质量包括饱和度、和/或对比度、和/或白平衡；

基于预先建立的模型确定所述目标图像质量对应的相机参数组合，基于预先建立的模型确定所述相机参数组合中各个相机参数的调整权重和/或调整趋势；所述预先建立的模型用于根据输入图像质量、确定能够决定该输入图像质量变化趋势的相机参数组合；

根据所述目标图像质量对所述相机参数组合中的各个相机参数进行调整，根据所述各个相机参数的调整权重和/或调整趋势，调整对应的相机参数。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

通过机器学习得到所述预先建立的模型。

3.根据权利要求2所述的方法，其特征在于，所述通过机器学习得到所述预先建立的模型，包括：

采集建模数据，所述建模数据中包括不同建模图片对应的相机参数和图像质量；

对所述建模数据进行机器学习，得到能够决定每种图像质量变化趋势的相机参数组合；

根据所述能够决定每种图像质量变化趋势的相机参数组合，建立所述预先建立的模型。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

当接收到用户的拍照指令时，则根据所述调整后的相机参数进行拍照，得到所述目标图像质量对应的图片。

5.一种相机调整装置，其特征在于，所述装置包括：接收模块，被配置为接收到用户的调整指令，所述调整指令中包括调整的目标图像质量，所述目标图像质量包括饱和度、和/或对比度、和/或白平衡；

确定模块，被配置为基于预先建立的模型确定所述目标图像质量对应的相机参数组合，基于所述预先建立的模型确定所述相机参数组合中各个相机参数的调整权重和/或调整趋势；所述预先建立的模型用于根据输入图像质量、确定能够决定该输入图像质量变化趋势的相机参数组合；

调整模块，被配置为根据所述目标图像质量对所述相机参数组合中的各个相机参数进行调整，根据所述各个相机参数的调整权重和/或调整趋势，调整对应的相机参数。

6.根据权利要求5所述的装置，其特征在于，所述装置还包括：

模型建立模块，被配置为通过机器学习得到所述预先建立的模型。

7.根据权利要求6所述的装置，其特征在于，所述模型建立模块包括：

采集子模块，被配置为采集建模数据，所述建模数据中包括不同建模图片对应的相机参数和图像质量；

学习子模块，被配置为对所述建模数据进行机器学习，得到能够决定每种图像质量变化趋势的相机参数组合；

建立子模块，被配置为根据所述能够决定每种图像质量变化趋势的相机参数组合，建立所述预先建立的模型。

8.根据权利要求5所述的装置，其特征在于，所述装置还包括：

拍照模块，被配置为当接收到用户的拍照指令时，则根据所述调整后的相机参数进行拍照，得到所述目标图像质量对应的图片。

9.一种相机调整装置，其特征在于，所述装置包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

接收到用户的调整指令，所述调整指令中包括调整的目标图像质量，所述目标图像质量包括饱和度、和/或对比度、和/或白平衡；

基于预先建立的模型确定所述目标图像质量对应的相机参数组合，基于预先建立的模型确定所述相机参数组合中各个相机参数的调整权重和/或调整趋势；所述预先建立的模型用于根据输入图像质量、确定能够决定该输入图像质量变化趋势的相机参数组合；

根据所述目标图像质量对所述相机参数组合中的各个相机参数进行调整，根据所述各个相机参数的调整权重和/或调整趋势，调整对应的相机参数。

Images