CN110572573B - 对焦方法和装置、电子设备、计算机可读存储介质 - Google Patents

对焦方法和装置、电子设备、计算机可读存储介质 Download PDF

Info

Publication number
CN110572573B
CN110572573B CN201910875483.2A CN201910875483A CN110572573B CN 110572573 B CN110572573 B CN 110572573B CN 201910875483 A CN201910875483 A CN 201910875483A CN 110572573 B CN110572573 B CN 110572573B
Authority
CN
China
Prior art keywords
scene
preview image
focusing
target
scene type
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
CN201910875483.2A
Other languages
English (en)
Other versions
CN110572573A (zh
Inventor
卓海杰
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 CN201910875483.2A priority Critical patent/CN110572573B/zh
Publication of CN110572573A publication Critical patent/CN110572573A/zh
Application granted granted Critical
Publication of CN110572573B publication Critical patent/CN110572573B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • H04N23/61—Control of cameras or camera modules based on recognised objects
    • 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
    • H04N23/60—Control of cameras or camera modules
    • H04N23/63—Control of cameras or camera modules by using electronic viewfinders
    • H04N23/631—Graphical user interfaces [GUI] specially adapted for controlling image capture or setting capture parameters
    • H04N23/632—Graphical user interfaces [GUI] specially adapted for controlling image capture or setting capture parameters for displaying or modifying preview images prior to image capturing, e.g. variety of image resolutions or capturing parameters
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Human Computer Interaction (AREA)
  • Studio Devices (AREA)

Abstract

本申请涉及一种对焦方法、装置、电子设备、计算机可读存储介质，所述方法通过采集拍摄场景的预览图像；根据所述预览图像对应的场景复杂度特征确定所述拍摄场景的目标场景类型；根据所述拍摄场景的目标场景类型获取所述预览图像的对焦区域，并基于所述对焦区域进行对焦。根据拍摄场景的目标场景类型获取出预览图像的对焦区域，对不同复杂度的拍摄场景设置不同的对焦区域获取方式，实现了在不同复杂度的拍摄场景下均能够快速确定对焦区域，提高了对焦效率。

Description

对焦方法和装置、电子设备、计算机可读存储介质
技术领域
本申请涉及影像领域，特别是涉及一种对焦方法和装置、电子设备、计算机可读存储介质。
背景技术
随着影像技术的发展，人们越来越习惯通过电子设备上的摄像头等图像采集设备拍摄图像或视频，记录各种信息。摄像头在采集图像过程中会自动选择对焦点进行对焦，针对不同拍摄场景采用相同的对焦方式时，对焦效率低。
发明内容
本申请实施例提供一种对焦方法、装置、电子设备、计算机可读存储介质，可以提高对焦效率。
一种对焦方法，包括：
采集拍摄场景的预览图像；
根据所述预览图像对应的场景复杂度特征确定所述拍摄场景的目标场景类型；
根据所述拍摄场景的目标场景类型获取所述预览图像的对焦区域，并基于所述对焦区域进行对焦。
一种对焦装置，包括：
采集模块，用于采集拍摄场景的预览图像；
获取模块，用于根据所述预览图像对应的场景复杂度特征确定所述拍摄场景的目标场景类型；
对焦模块，用于根据所述拍摄场景的目标场景类型获取所述预览图像的对焦区域，并基于所述对焦区域进行对焦。
一种电子设备，包括存储器及处理器，所述存储器中储存有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如所述对焦方法的步骤。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如所述对焦方法的步骤。
上述对焦方法、装置、电子设备、计算机可读存储介质，所述方法通过采集拍摄场景的预览图像；根据所述预览图像对应的场景复杂度特征确定所述拍摄场景的目标场景类型；根据所述拍摄场景的目标场景类型获取所述预览图像的对焦区域，并基于所述对焦区域进行对焦。根据拍摄场景的目标场景类型获取出预览图像的对焦区域，对不同复杂度的拍摄场景设置不同的对焦区域获取方式，实现了在不同复杂度的拍摄场景下均能够快速确定对焦区域，提高了对焦效率。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为一个实施例中电子设备的内部结构框图；
图2为一个实施例中对焦方法的流程图；
图3为又一个实施例中对焦方法方法的流程图；
图4为一个实施例中步骤获取预览图像的场景复杂度参数的流程图；
图5为又一个实施例中步骤获取预览图像的场景复杂度参数的流程图；
图6为再一个实施例中对焦方法的流程图；
图7为一个实施例中步骤基于对焦区域进行对焦的流程图；
图8为一个实施例中对焦装置的结构框图；
图9为一个实施例中电子设备的结构框图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
可以理解，本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种元件，但这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说，在不脱离本申请的范围的情况下，可以将第一场景类型称为第二场景类型，且类似地，可将第二场景类型称为第一场景类型。第一场景类型和第二场景类型两者都是场景类型，但其不是同一场景类型。
本申请实施例中的对焦方法可应用于电子设备。该电子设备可为带有摄像头的计算机设备、个人数字助理、平板电脑、智能手机、穿戴式设备等。电子设备中的摄像头在拍摄图像时，会进行自动对焦，以保证拍摄的图像清晰。
在一个实施例中，上述电子设备中可包括图像处理电路，图像处理电路可以利用硬件和/或软件组件实现，可包括定义ISP(Image Signal Processing，图像信号处理)管线的各种处理单元。图1为一个实施例中图像处理电路的示意图。如图1所示，为便于说明，仅示出与本申请实施例相关的图像处理技术的各个方面。
如图1所示，图像处理电路包括ISP处理器140和控制逻辑器150。成像设备110捕捉的图像数据首先由ISP处理器140处理，ISP处理器140对图像数据进行分析以捕捉可用于确定和/或成像设备110的一个或多个控制参数的图像统计信息。成像设备110可包括具有一个或多个透镜112、图像传感器114、执行器116的照相机。执行器116可驱动透镜112移动。图像传感器114可包括色彩滤镜阵列(如Bayer滤镜)，图像传感器114可获取用图像传感器114的每个成像像素捕捉的光强度和波长信息，并提供可由ISP处理器140处理的一组原始图像数据。传感器120(如陀螺仪)可基于传感器120接口类型把采集的图像处理的参数(如防抖参数)提供给ISP处理器140。传感器120接口可以利用SMIA(Standard MobileImagingArchitecture，标准移动成像架构)接口、其它串行或并行照相机接口或上述接口的组合。
此外，图像传感器114也可将原始图像数据发送给传感器120，传感器120可基于传感器120接口类型把原始图像数据提供给ISP处理器140，或者传感器120将原始图像数据存储到图像存储器130中。
ISP处理器140按多种格式逐个像素地处理原始图像数据。例如，每个图像像素可具有8、10、12或14比特的位深度，ISP处理器140可对原始图像数据进行一个或多个图像处理操作、收集关于图像数据的统计信息。其中，图像处理操作可按相同或不同的位深度精度进行。
ISP处理器140还可从图像存储器130接收图像数据。例如，传感器120接口将原始图像数据发送给图像存储器130，图像存储器130中的原始图像数据再提供给ISP处理器140以供处理。图像存储器130可为存储器装置的一部分、存储设备、或电子设备内的独立的专用存储器，并可包括DMA(Direct MemoryAccess，直接直接存储器存取)特征。
当接收到来自图像传感器114接口或来自传感器120接口或来自图像存储器130的原始图像数据时，ISP处理器140可进行一个或多个图像处理操作，如时域滤波。处理后的图像数据可发送给图像存储器130，以便在被显示之前进行另外的处理。ISP处理器140从图像存储器130接收处理数据，并对所述处理数据进行原始域中以及RGB和YCbCr颜色空间中的图像数据处理。ISP处理器140处理后的图像数据可输出给显示器170，以供用户观看和/或由图形引擎或GPU(Graphics Processing Unit，图形处理器)进一步处理。此外，ISP处理器140的输出还可发送给图像存储器130，且显示器170可从图像存储器130读取图像数据。在一个实施例中，图像存储器130可被配置为实现一个或多个帧缓冲器。此外，ISP处理器140的输出可发送给编码器/解码器160，以便编码/解码图像数据。编码的图像数据可被保存，并在显示于显示器170设备上之前解压缩。编码器/解码器160可由CPU或GPU或协处理器实现。
ISP处理器140确定的统计数据可发送给控制逻辑器150。例如，统计数据可包括自动曝光、自动白平衡、自动聚焦、闪烁检测、黑电平补偿、透镜112阴影校正等图像传感器114统计信息。控制逻辑器150可包括执行一个或多个例程(如固件)的处理器和/或微控制器，一个或多个例程可根据接收的统计数据，确定成像设备110的控制参数及ISP处理器140的控制参数。例如，成像设备110的控制参数可包括传感器120控制参数(例如增益、曝光控制的积分时间、防抖参数等)、照相机闪光控制参数、透镜112控制参数(例如聚焦或变焦用焦距)、或这些参数的组合。控制逻辑器150可将透镜112的控制参数输出给执行器116，由执行器116根据控制参数驱动透镜112移动。ISP控制参数可包括用于自动白平衡和颜色调整(例如，在RGB处理期间)的增益水平和色彩校正矩阵，以及透镜112阴影校正参数。
图2为一个实施例中对焦方法的流程图。如图2所示，一种对焦方法，可应用于图1中的电子设备中，包括：步骤202至步骤206。
步骤202、采集拍摄场景的预览图像。
其中，拍摄场景可以包括风景、人物、物体等等中的至少一个。预览图像可为可见光图像，预览图像是指摄像头未进行拍摄时呈现在电子设备屏幕上的图像。
具体的，在利用电子设备进行拍摄时，电子设备的成像设备可按照预设帧率采集拍摄场景获取预览图像。预设帧率可为每秒10帧、20帧、30帧等，不限于此。
步骤204、根据预览图像对应的场景复杂度特征确定拍摄场景的目标场景类型。
其中，场景复杂度特征可以包括预览图像中像素点的灰度特征，细节特征、纹理特征等其中的一种或多种。获取预览图像对应的场景复杂度特征的方式可以是：根据预览图像中每个像素点的灰度值获取预览图像对应的灰度图或灰度梯度图，利用预览图像对应的灰度图或梯度图表征预览图像对应的场景复杂度特征。目标场景类型指的是预览图像对应的拍摄场景的场景类型，该目标场景类型是根据预览图像对应拍摄场景的复杂度来设置的。
具体的，获取预览图像对应的场景复杂度特征可以通过获取预览图像的灰度特征，进一步的可以是获取预览图像对应的灰度图或者梯度梯度图。通过检测预览图像对应的灰度图或者梯度梯度图获取预览图像对应的拍摄场景的复杂度，根据拍摄场景的复杂度确定拍摄场景的目标场景类型。
步骤206、根据拍摄场景的目标场景类型获取预览图像的对焦区域，并基于对焦区域进行对焦。
具体的，根据拍摄场景的复杂度确定拍摄场景的目标场景类型。根据拍摄场景的目标场景类型获取预览图像的对焦区域。举例来说，当拍摄场景的复杂度低，目标场景类型对应的是简单场景类型，则将预览图像中目标主体所在区域作为对焦区域；当拍摄场景的复杂度高，目标场景类型对应的是复杂场景类型，则将预览图像的中心区域作为对焦区域。电子设备确定对焦区域之后，控制摄像头进行自动对焦。自动对焦的方式有多种，例如相位对焦(Phase Detection Auto Focus，PDAF)、飞行时间自动对焦(Time OfFlightAutoFocus，TOFAF)、对比度自动对焦(ContrastAuto Focus，CAF)、反差对焦等。相位对焦是通过传感器获取相位差，根据相位差计算离焦值，根据离焦值控制透镜移动，再寻找聚焦值(Focus Value，FV)峰值。飞行时间自动对焦是通过向目标发射红外光，获取景深数据，根据景深数据实现对焦。对比度自动对焦是基于陀螺仪和对比度算法计算聚焦值峰值，通常对比度最大值的位置即为聚焦值峰值位置。
上述对焦方法通过采集拍摄场景的预览图像；根据所述预览图像对应的场景复杂度特征确定所述拍摄场景的目标场景类型；根据所述拍摄场景的目标场景类型获取所述预览图像的对焦区域，并基于所述对焦区域进行对焦。根据拍摄场景的目标场景类型获取出预览图像的对焦区域，对不同复杂度的拍摄场景设置不同的对焦区域获取方式，实现了在不同复杂度的拍摄场景下均能够快速确定对焦区域，提高了对焦效率。
在其中一个实施例中，步骤：根据预览图像对应的场景复杂度特征确定拍摄场景的目标场景类型，包括：将预览图像输入分类网络模型，通过分类网络模型识别预览图像对应的场景复杂度特征，并从候选场景类型中确定拍摄场景的目标场景类型。
其中，候选场景类型包括第一场景类型和第二场景类型，第一场景类型对应的场景复杂度低于第二场景类型对应的场景复杂度。分类网络模型的网络结构采用基于mobileNet的架构，并在decoder部分增加层之间的桥接，使高级语义特征在上采样时更充分的传递。分类网络模型是预先采集大量的训练数据，将训练数据输入到包含有初始网络权重的分类网络模型进行训练得到的。每组训练数据包括同一场景对应的可见光图、深度图。其中，可见光图作为训练的分类网络模型的输入。分类网络模型可训练能够识别输入的预览图像对应的拍摄场景的场景复杂度特征，输出预览图像对应的拍摄场景的目标场景类型。
具体的，将预览图像输入分类网络模型中，分类网络模型识别预览图像对应的场景复杂度特征，并从候选场景类型中确定拍摄场景的目标场景类型，输出预览图像对应的拍摄场景的目标场景类型。预览图像对应的目标场景类型是第一场景类型或第二场景类型，第一场景类型对应的场景复杂度低于第二场景类型对应的场景复杂度。举例来说，当输入一张细节少、纹理简单的简单场景的预览图像至分类网络模型，分类网络输出该预览图像对应的拍摄场景的目标场景类型是属于第一场景类型；输入一张细节丰富、纹理分明的复杂场景的预览图像至分类网络模型，分类网络输出该预览图像对应的拍摄场景的目标场景类型是属于第二场景类型。
在其中一个实施例中，步骤：根据拍摄场景的目标场景类型获取预览图像的对焦区域之前，对焦方法还包括：步骤302和步骤304。
步骤302、当拍摄场景的目标场景类型为第二场景类型时，获取预览图像的场景复杂度参数。
其中，预览图像的场景复杂度参数指的是表征图像对应的场景复杂度的参数，预览图像的场景复杂度参数可以包括：预览图像的灰度参数、亮度参数、细节参数、纹理参数等其中的一种或多种。
具体的，当拍摄场景的目标场景类型为第二场景类型时，获取预览图像的场景复杂度参数。举例来说，当将一张预览图像输入分类网络模型，分类网络模型通过识别检测判断该预览图像对应的拍摄场景是属于复杂场景，则分类网络模型输出该预览图像对应的目标场景类型为第二场景类型。由于分类网络模型存在误检，在根据第二场景类型确定该预览图像的对焦区域之前，可以获取预览图像的场景复杂度参数，并对预览图像的场景复杂度参数进行检测，重新判断第二场景类型对应的拍摄场景的目标场景类型。
步骤304、当预览图像的场景复杂度参数符合预设场景条件时，将拍摄场景的目标场景类型更新为第一场景类型。
其中，场景复杂度参数包括预览图像的灰度参数、亮度参数、细节参数、纹理参数等其中的一种或多种。对应的预设场景条件也包括预览图像的灰度条件、亮度条件、细节条件、纹理条件等其中的一种或多种。预设场景条件根据场景复杂度参数设置，当场景复杂度参数包括预览图像的灰度参数，对应的预设场景条件包括预览图像的灰度条件。
具体的，在根据第二场景类型确定该预览图像的对焦区域之前，可以获取预览图像的场景复杂度参数，并对预览图像的场景复杂度参数进行检测，重新判断第二场景类型对应的拍摄场景的目标场景类型。检测预览图像的场景复杂度参数符合预设场景条件时，则将拍摄场景的目标场景类型从第二场景类型更新为第一场景类型。举例来说，当场景复杂度参数包括预览图像的灰度参数，对应的预设场景条件包括灰度条件，当预览图像对应的灰度参数满足灰度条件的时，标识预览图像的场景复杂度低于场景复杂度理论值，则将拍摄场景的目标场景类型从第二场景类型更新为第一场景类型。其中，场景复杂度理论值可由工程师根据实际需求设置，当预览图像的场景复杂度低于场景复杂度理论值，则认为拍摄场景的目标场景类型是第一场景类型。
在其中一个实施例中，预览图像的场景复杂度参数包括预览图像对应的图像熵，获取预览图像的场景复杂度参数，包括：步骤402和步骤404。
步骤402、对预览图像的边缘区域进行边缘提取，并获取预览图像的边缘区域内各个像素的灰度值。
其中，边缘提取，指数字图像处理中，对于图片轮廓的一个处理。对于边界处，灰度值变化比较剧烈的地方，就定义为边缘。也就是拐点，拐点是指函数发生凹凸性变化的点。二阶导数为零的地方。
具体的，获取预览图像的边缘区域内各个像素的灰度值，灰度分为256阶，像素的灰度值可以是0-255。即将像素点的RGB颜色按照白色与黑色之间的对数关系划分。获取边缘区域的灰度图和/或灰度梯度图。边缘区域对应的灰度图指的是表征边缘区域中各个像素的灰度，边缘区域对应的灰度梯度图表征边缘区域中各个像素的灰度变化率。
步骤404、根据边缘区域内各个像素的灰度值获取预览图像对应的图像熵。
其中，预览图像对应的图像熵指的是预览图像边缘区域对应的一维熵或者二维熵。图象的一维熵可以表示图像灰度分布的聚集特征，却不能反映图像灰度分布的空间特征，在图像一维熵的基础上引入能够反映灰度分布空间特征的特征量来组成图像的二维熵。
具体的，根据边缘区域内各个像素的灰度值可以获取边缘区域的灰度图和/或灰度梯度图，利用边缘区域的灰度图和/或灰度梯度图计算预览图像对应的图像熵。图像熵可以是表征边缘区域中像素点灰度分布聚集特征的图像一维熵，也可以是表征边缘区域中像素点灰度分布空间特征的图像二维熵。另外，可以对边缘区域的灰度图和/或灰度梯度图进行二值化，对获取二值化之后的灰度图像的图像熵，降低计算复杂度，提升计算效率。二值化的过程举例来说，灰度梯度图中一个像素点的灰度梯度大于灰度梯度阈值则认为该像素点的灰度梯度为1，灰度梯度图中一个像素点的灰度梯度小于等于灰度梯度阈值则认为该像素点的灰度梯度为0。
在其中一个实施例中，步骤：当预览图像的场景复杂度参数符合预设场景参数时，将拍摄场景的目标场景类型更新为第一场景类型，包括：当预览图像对应的图像熵低于图像熵阈值时，将拍摄场景的目标场景类型更新为第一场景类型。
具体的，当预览图像对应的图像熵低于图像熵阈值，则判定该预览图像对应的拍摄场景的目标场景类型是第一场景类型，将预览图像对应的拍摄场景的目标场景类型由第二场景类型更新为第一场景类型；当预览图像对应的图像熵大于图像熵阈值，则判定该预览图像对应的拍摄场景的目标场景类型是第二场景类型，不对预览图像对应的拍摄场景的目标场景类型作修改。图像熵阈值由工程师根据实际需求自定义，具体数值不作限定，此处不再赘述。
在其中一个实施例中，预览图像的场景复杂度参数包括：预览图像中预设像素的占比。步骤获取预览图像的场景复杂度参数，包括：步骤502至步骤506。
步骤502、对预览图像的边缘区域进行边缘提取，获取边缘区域内各个像素的灰度值。
其中，边缘提取，指数字图像处理中，对于图片轮廓的一个处理。对于边界处，灰度值变化比较剧烈的地方，就定义为边缘。也就是拐点，拐点是指函数发生凹凸性变化的点。
具体的，获取预览图像的边缘区域内各个像素的灰度值，灰度分为256阶，像素的灰度值可以是0-255。即将像素点的RGB颜色按照白色与黑色之间的对数关系划分。获取边缘区域的灰度图和/或灰度梯度图。边缘区域对应的灰度图指的是表征边缘区域中各个像素的灰度，边缘区域对应的灰度梯度图表征边缘区域中各个像素的灰度变化率。
步骤504、根据边缘区域内各个像素的灰度值查找边缘区域内预设像素。
具体的，根据边缘区域内各个像素的灰度值可以获取边缘区域的灰度图和/或灰度梯度图，可以对边缘区域的灰度图和/或灰度梯度图进行二值化。二值化的过程举例来说，灰度梯度图中一个像素点的灰度梯度大于灰度梯度阈值则认为该像素点的灰度梯度为1，灰度梯度图中一个像素点的灰度梯度小于等于灰度梯度阈值则认为该像素点的灰度梯度为0。在边缘区域对应的灰度图、灰度梯度图或者二值化的灰度图中查找预设像素，并获取预设像素的数量。预设像素可以是指由工程师根据需求设置的灰度值为阈值的像素。举例来说，在二值化的灰度图中，可以设置预设像素为白色像素，即灰度为0的像素。
步骤506、计算预设像素的数量占边缘区域内所有像素数量的比例。
具体的，在边缘区域对应的灰度图、灰度梯度图或者二值化的灰度图中查找预设像素，并获取预设像素的数量。计算预设像素的数量占边缘区域内所有像素数量的比例。举例来说，在二值化的灰度图中，可以设置预设像素为白色像素，即灰度为0的像素。计算灰度值为0的像素在占边缘区域内所有像素数量的比例。通常认为预览图像对应的二值化灰度图中白色像素占比越大，该预览图像对应的拍摄场景的场景复杂度越高。
在其中一个实施例中，步骤当预览图像的场景复杂度参数符合预设场景参数时，将拍摄场景的目标场景类型更新为第一场景类型，包括：当预览图像中预设像素的占比低于比例阈值时，将拍摄场景的目标场景类型更新为第一场景类型。
具体的，当预览图像中预设像素的占比低于比例阈值时，则判定该预览图像对应的拍摄场景的目标场景类型是第一场景类型，将预览图像对应的拍摄场景的目标场景类型由第二场景类型更新为第一场景类型。当预览图像中预设像素的占比大于比例阈值时，则判定该预览图像对应的拍摄场景的目标场景类型是第二场景类型，不对预览图像对应的拍摄场景的目标场景类型作修改。比例阈值由工程师根据实际需求自定义，具体数值不作限定，此处不再赘述。
在其中一个实施例中，步骤根据拍摄场景的目标场景类型获取预览图像的对焦区域，包括：当拍摄场景的目标场景类型为第二场景类型，将预览图像的中心区域作为对焦区域。
具体的，当拍摄场景的目标场景类型为第二场景类型，即表示拍摄场景比较复杂，可以选择将预览图像的中心区域作为对焦区域，进行对焦。预览图像的中心区域指的是预览图像的中心所在处对应的矩形区域。
在其中一个实施例中，根据拍摄场景的目标场景类型获取预览图像的对焦区域，包括：当拍摄场景的目标场景类型为第一场景类型时，将预览图像中的目标区域作为预览图像的对焦区域。
其中，预览图像中的目标区域为预览图像中的目标主体所在的目标区域，目标主体可为预先配置的能够识别的对象。该对象可为人、物、动物等。物可包括花、山、树等。动物可包括猫、狗、牛、羊、老虎等。
具体的，将预览图像输入至主体检测模型中，得到预览图像中的目标主体区域，将预览图像中的目标区域作为预览图像的对焦区域进行对焦。目标主体区域可以是能够识别的对象的所在区域。目标主体区域具体可以以矩形框或主体掩膜(mask)图的形式存在。其中，主体检测模型是预先采集大量的训练数据，将训练数据输入到包含有初始网络权重的主体检测模型进行训练得到的。每组训练数据包括同一场景对应的可见光图、深度图、中心权重图及已标注的主体掩膜图。其中，可见光图和中心权重图作为训练的主体检测模型的输入，已标注的主体掩膜图作为训练的主体检测模型期望输出得到的真实值。主体掩膜图是用于识别图像中主体的图像滤镜模板，可以遮挡图像的其他部分，筛选出图像中的主体。主体检测模型可训练能够识别检测各种主体，如人、花、猫、狗、背景等。
图6为再一个实施例中对焦方法的流程图。如图6所示，一种对焦方法，包括：
步骤602，当拍摄场景的目标场景类型为第一场景类型时，对预览图像进行主体检测，识别出预览图像中的目标主体及对应的目标区域。
步骤604，获取预览图像中目标区域的相位值，根据该相位值从预先标定的相位值与聚焦值的对应关系确定离焦值。
步骤606，根据该离焦值控制透镜移动；根据离焦值控制透镜移动，实现coarseresearch(粗搜索)。
步骤608，获取预览图像中对应的该目标区域的聚焦值。
步骤610，检测该聚焦值是否为聚焦值峰值，若是，执行步骤612，若否，控制透镜移动，返回执行步骤608。
步骤612，完成对焦。
本实施例中对焦方法，当拍摄场景的目标场景类型为第一场景类型时，对预览图像进行主体检测，识别出预览图像中的目标主体及对应的目标区域。计算该对焦区域的相位值，根据该相位值确定了离焦值，然后再根据离焦值控制透镜移动，实现对焦的粗搜索，然后再次获取预览图像中对应的目标区域中的聚焦值，判断该聚焦值是否为聚焦值峰值，确定为聚焦值峰值，可表示对焦完成，该聚焦值不为聚焦值峰值，则控制透镜移动，继续搜索聚焦值峰值，直到达到聚焦值峰值，完成对焦，因识别了图像中的目标主体，对焦时确定了目标区域，不会受到其他区域的影响，提高了对焦的准确性。
在其中一个实施例中，步骤基于对焦区域进行对焦，包括：步骤702至步骤706。
步骤702、获取预览图像中目标主体的亮度信息。步骤704、根据目标主体的亮度信息确定拍摄场景的环境亮度信息。步骤706、根据环境亮度信息确定预览图像的对焦方式。
具体的，获取预览图像中目标主体所在区域，将目标主体区域对应图像的亮度信息作为预览图像中目标主体的亮度信息，图像的亮度是一张图像给人的一种直观感受，对于灰度图，灰度值越高则图像越亮。预览图像中目标主体的亮度信息取决于环境亮度信息和闪光灯补光亮度，因此，可以根据目标主体的亮度信息确定拍摄场景对应的环境亮度信息。由于各种对焦方式对于环境亮度的要求不同，可以根据环境亮度信息确定预览图像的对焦方式。对焦方式包括：相位对焦、飞行时间对焦、对比度对焦，反差对焦等。相位对焦是通过传感器获取相位差，根据相位差计算离焦值，根据离焦值控制透镜移动，再寻找聚焦值(Focus Value，FV)峰值。相位对焦对环境亮度的要求很高，当处于昏暗环境下，相位对焦效果较差。飞行时间自动对焦是通过向目标发射红外光，获取景深数据，根据景深数据实现对焦。对比度自动对焦是基于陀螺仪和对比度算法计算聚焦值峰值，通常对比度最大值的位置即为聚焦值峰值位置。
在其中一个实施例中，步骤：根据环境亮度信息确定预览图像的对焦方式，包括：当拍摄场景的环境亮度大于亮度阈值时，进行相位对焦。当拍摄场景的环境亮度小于等于亮度阈值时，进行反差对焦。
具体的，相位对焦是通过传感器获取相位差，根据相位差计算离焦值，根据离焦值控制透镜移动，再寻找聚焦值(Focus Value，FV)峰值。当拍摄场景的环境亮度大于亮度阈值时，进行相位对焦。反差对焦依赖的是感光器和图像处理器来实现，反差对焦的过程是相机会驱动镜头，并通过感光器实时获取影响，并传递给图像处理器，然后计算反差量，对比筛选出反差最大的，并根据反差量最大的值确定是否合焦，这种判断能获得非常高的对焦精度。
应该理解的是，虽然图2-7的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-7中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
图8为一个实施例中对焦装置的结构框图。如图8所示，一种对焦装置，包括采集模块802、获取模块804和对焦模块806。
采集模块802，用于采集拍摄场景的预览图像。
其中，拍摄场景可以包括风景、人物、物体等等中的至少一个。预览图像可为可见光图像，预览图像是指摄像头未进行拍摄时呈现在电子设备屏幕上的图像。
具体的，采集模块802用于在利用电子设备进行拍摄时，电子设备的成像设备可按照预设帧率采集拍摄场景获取预览图像。预设帧率可为每秒10帧、20帧、30帧等，不限于此。
获取模块804，用于根据预览图像对应的场景复杂度特征确定拍摄场景的目标场景类型。
其中，场景复杂度特征可以包括预览图像中像素点的灰度特征，细节特征、纹理特征等其中的一种或多种。获取预览图像对应的场景复杂度特征的方式可以是：根据预览图像中每个像素点的灰度值获取预览图像对应的灰度图或灰度梯度图，利用预览图像对应的灰度图或梯度图表征预览图像对应的场景复杂度特征。目标场景类型指的是预览图像对应的拍摄场景的场景类型，该目标场景类型是根据预览图像对应拍摄场景的复杂度来设置的。
具体的，获取模块804用于获取预览图像对应的场景复杂度特征可以通过获取预览图像的灰度特征，进一步的可以是获取预览图像对应的灰度图或者梯度梯度图。通过检测预览图像对应的灰度图或者梯度梯度图获取预览图像对应的拍摄场景的复杂度，根据拍摄场景的复杂度确定拍摄场景的目标场景类型。
对焦模块806，用于根据拍摄场景的目标场景类型获取预览图像的对焦区域，并基于对焦区域进行对焦。
具体的，对焦模块806用于根据拍摄场景的复杂度确定拍摄场景的目标场景类型。根据拍摄场景的目标场景类型获取预览图像的对焦区域。举例来说，当拍摄场景的复杂度低，目标场景类型对应的是简单场景类型，则将预览图像中目标主体所在区域作为对焦区域；当拍摄场景的复杂度高，目标场景类型对应的是复杂场景类型，则将预览图像的中心区域作为对焦区域。电子设备确定对焦区域之后，控制摄像头进行自动对焦。自动对焦的方式有多种，例如相位对焦(Phase DetectionAuto Focus，PDAF)、飞行时间自动对焦(Time OfFlight Auto Focus，TOFAF)、对比度自动对焦(Contrast Auto Focus，CAF)、反差对焦等。相位对焦是通过传感器获取相位差，根据相位差计算离焦值，根据离焦值控制透镜移动，再寻找聚焦值(Focus Value，FV)峰值。飞行时间自动对焦是通过向目标发射红外光，获取景深数据，根据景深数据实现对焦。对比度自动对焦是基于陀螺仪和对比度算法计算聚焦值峰值，通常对比度最大值的位置即为聚焦值峰值位置。
上述对焦装置通过采集拍摄场景的预览图像；根据所述预览图像对应的场景复杂度特征确定所述拍摄场景的目标场景类型；根据所述拍摄场景的目标场景类型获取所述预览图像的对焦区域，并基于所述对焦区域进行对焦。根据拍摄场景的目标场景类型获取出预览图像的对焦区域，对不同复杂度的拍摄场景设置不同的对焦区域获取方式，实现了在不同复杂度的拍摄场景下均能够快速确定对焦区域，提高了对焦效率。
在其中一个实施例中，获取模块用于将预览图像输入分类网络模型，通过分类网络模型识别预览图像对应的场景复杂度特征，并从候选场景类型中确定拍摄场景的目标场景类型。其中，候选场景类型包括第一场景类型和第二场景类型，第一场景类型对应的场景复杂度低于第二场景类型对应的场景复杂度。
在其中一个实施例中，获取模块包括获取单元和更新单元，获取单元用于当拍摄场景的目标场景类型为第二场景类型时，获取预览图像的场景复杂度参数。更新单元用于当预览图像的场景复杂度参数符合预设场景条件时，将拍摄场景的目标场景类型更新为第一场景类型。
在其中一个实施例中，获取单元用于对预览图像的边缘区域进行边缘提取，并获取预览图像的边缘区域内各个像素的灰度值，并根据边缘区域内各个像素的灰度值获取预览图像对应的图像熵。
在其中一个实施例中，更新单元用于当预览图像对应的图像熵低于图像熵阈值时，将拍摄场景的目标场景类型更新为第一场景类型。
在其中一个实施例中，获取单元用于对预览图像的边缘区域进行边缘提取，获取边缘区域内各个像素的灰度值。根据边缘区域内各个像素的灰度值查找边缘区域内预设像素。计算预设像素的数量占边缘区域内所有像素数量的比例。
在其中一个实施例中，更新单元用于当预览图像中预设像素的占比低于比例阈值时，将拍摄场景的目标场景类型更新为第一场景类型。
在其中一个实施例中，对焦模块用于当拍摄场景的目标场景类型为第二场景类型，将预览图像的中心区域作为对焦区域。
在其中一个实施例中，对焦模块用于当拍摄场景的目标场景类型为第一场景类型时，将预览图像中的目标区域作为预览图像的对焦区域。
在其中一个实施例中，对焦模块还用于获取预览图像中目标主体的亮度信息。根据目标主体的亮度信息确定拍摄场景的环境亮度信息。根据环境亮度信息确定预览图像的对焦方式。
在其中一个实施例中，对焦模块还用于当拍摄场景的环境亮度大于亮度阈值时，进行相位对焦。当拍摄场景的环境亮度小于等于亮度阈值时，进行反差对焦。
上述对焦装置中各个模块的划分仅用于举例说明，在其他实施例中，可将对焦装置按照需要划分为不同的模块，以完成上述对焦装置的全部或部分功能。
关于对焦装置的具体限定可以参见上文中对于对焦方法的限定，在此不再赘述。上述对焦装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
图9为一个实施例中电子设备的内部结构示意图。如图9所示，该电子设备包括通过系统总线连接的处理器和存储器。其中，该处理器用于提供计算和控制能力，支撑整个电子设备的运行。存储器可包括非易失性存储介质及内存储器。非易失性存储介质存储有操作系统和计算机程序。该计算机程序可被处理器所执行，以用于实现以下各个实施例所提供的一种对焦方法。内存储器为非易失性存储介质中的操作系统计算机程序提供高速缓存的运行环境。该电子设备可以是手机、平板电脑或者个人数字助理或穿戴式设备等。
本申请实施例中提供的对焦装置中的各个模块的实现可为计算机程序的形式。该计算机程序可在终端或服务器上运行。该计算机程序构成的程序模块可存储在终端或服务器的存储器上。该计算机程序被处理器执行时，实现本申请实施例中所描述方法的步骤。
本申请实施例还提供了一种计算机可读存储介质。一个或多个包含计算机可执行指令的非易失性计算机可读存储介质，当所述计算机可执行指令被一个或多个处理器执行时，使得所述处理器执行对焦方法的步骤。
一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行对焦方法。
本申请实施例所使用的对存储器、存储、数据库或其它介质的任何引用可包括非易失性和/或易失性存储器。合适的非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)，它用作外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDR SDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (14)

1.一种对焦方法，其特征在于，包括：
采集拍摄场景的预览图像；
根据所述预览图像对应的场景复杂度特征，从候选场景类型中确定所述拍摄场景的目标场景类型；所述场景复杂度特征包括所述预览图像中像素点的灰度特征、细节特征以及纹理特征中的一种或多种；所述候选场景类型包括第一场景类型和第二场景类型，所述第一场景类型对应的场景复杂度低于所述第二场景类型对应的场景复杂度；
根据所述拍摄场景的目标场景类型获取所述预览图像的对焦区域，并基于所述对焦区域进行对焦。
2.根据权利要求1所述的方法，其特征在于，所述根据所述预览图像对应的场景复杂度特征，从候选场景类型中确定所述拍摄场景的目标场景类型，包括：
将所述预览图像输入分类网络模型，通过所述分类网络模型识别所述预览图像对应的场景复杂度特征。
3.根据权利要求1或2所述的方法，其特征在于，所述根据所述拍摄场景的目标场景类型获取所述预览图像的对焦区域之前，所述方法还包括：
当所述拍摄场景的目标场景类型为所述第二场景类型时，获取所述预览图像的场景复杂度参数；
当所述预览图像的场景复杂度参数符合预设场景条件时，将所述拍摄场景的目标场景类型更新为所述第一场景类型。
4.根据权利要求3所述的方法，其特征在于，
所述预览图像的场景复杂度参数包括所述预览图像对应的图像熵，
所述获取所述预览图像的场景复杂度参数，包括：
对所述预览图像的边缘区域进行边缘提取，并获取所述预览图像的边缘区域内各个像素的灰度值；
根据所述边缘区域内各个像素的灰度值获取所述预览图像对应的图像熵。
5.根据权利要求4所述的方法，其特征在于，所述当所述预览图像的场景复杂度参数符合预设场景参数时，将所述拍摄场景的目标场景类型更新为所述第一场景类型，包括：
当所述预览图像对应的图像熵低于图像熵阈值时，将所述拍摄场景的目标场景类型更新为所述第一场景类型。
6.根据权利要求3所述的方法，其特征在于，
所述预览图像的场景复杂度参数包括：所述预览图像中预设像素点的占比；
所述获取所述预览图像的场景复杂度参数，包括：
对所述预览图像的边缘区域进行边缘提取，获取所述边缘区域内各个像素的灰度值；
根据所述边缘区域内各个像素的灰度值查找所述边缘区域内所述预设像素点；
计算所述预设像素点的数量占所述边缘区域内所有像素数量的比例。
7.根据权利要求6所述的方法，其特征在于，所述当所述预览图像的场景复杂度参数符合预设场景参数时，将所述拍摄场景的目标场景类型更新为所述第一场景类型，包括：
当所述预览图像中预设像素点的占比低于比例阈值时，将所述拍摄场景的目标场景类型更新为所述第一场景类型。
8.根据权利要求1或2所述的方法，其特征在于，所述根据所述拍摄场景的目标场景类型获取所述预览图像的对焦区域，包括：
当所述拍摄场景的目标场景类型为所述第二场景类型，将所述预览图像的中心区域作为所述对焦区域。
9.根据权利要求1或2所述的方法，其特征在于，所述根据所述拍摄场景的目标场景类型获取所述预览图像的对焦区域，包括：
当所述拍摄场景的目标场景类型为所述第一场景类型，将所述预览图像中的目标区域作为所述预览图像的对焦区域，所述预览图像中的目标区域为所述预览图像中的目标主体所在的目标区域。
10.根据权利要求9所述的方法，其特征在于，所述并基于所述对焦区域进行对焦，包括：
获取所述预览图像中目标主体的亮度信息；
根据所述目标主体的亮度信息确定所述拍摄场景的环境亮度信息；
根据所述环境亮度信息确定所述预览图像的对焦方式。
11.根据权利要求10所述的方法，其特征在于，所述根据所述环境亮度信息确定所述预览图像的对焦方式，包括：
当所述拍摄场景的环境亮度大于亮度阈值时，进行相位对焦；
当所述拍摄场景的环境亮度小于等于亮度阈值时，进行反差对焦。
12.一种对焦装置，其特征在于，包括：
采集模块，用于采集拍摄场景的预览图像；
获取模块，用于根据所述预览图像对应的场景复杂度特征，从候选场景类型中确定所述拍摄场景的目标场景类型；所述场景复杂度特征包括所述预览图像中像素点的灰度特征、细节特征以及纹理特征中的一种或多种；所述候选场景类型包括第一场景类型和第二场景类型，所述第一场景类型对应的场景复杂度低于所述第二场景类型对应的场景复杂度；
对焦模块，用于根据所述拍摄场景的目标场景类型获取所述预览图像的对焦区域，并基于所述对焦区域进行对焦。
13.一种电子设备，包括存储器及处理器，其特征在于，所述存储器中储存有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1至11中任一项所述的对焦方法的步骤。
14.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至11中任一项所述的方法的步骤。
CN201910875483.2A 2019-09-17 2019-09-17 对焦方法和装置、电子设备、计算机可读存储介质 Active CN110572573B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910875483.2A CN110572573B (zh) 2019-09-17 2019-09-17 对焦方法和装置、电子设备、计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910875483.2A CN110572573B (zh) 2019-09-17 2019-09-17 对焦方法和装置、电子设备、计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN110572573A CN110572573A (zh) 2019-12-13
CN110572573B true CN110572573B (zh) 2021-11-09

Family

ID=68780637

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910875483.2A Active CN110572573B (zh) 2019-09-17 2019-09-17 对焦方法和装置、电子设备、计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN110572573B (zh)

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111491098A (zh) * 2020-04-14 2020-08-04 重庆幻光影视科技有限公司 一种新型峰值对焦方法
CN114145009B (zh) * 2020-07-03 2024-01-26 深圳市汇顶科技股份有限公司 光电转换单元、图像传感器及对焦方法
CN113923341A (zh) * 2020-07-10 2022-01-11 Oppo广东移动通信有限公司 电子设备
WO2022016550A1 (zh) * 2020-07-24 2022-01-27 深圳市大疆创新科技有限公司 拍摄方法、拍摄装置及存储介质
CN111866392B (zh) * 2020-07-31 2021-10-08 Oppo广东移动通信有限公司 拍摄提示方法、装置、存储介质及电子设备
CN114466130A (zh) * 2020-11-09 2022-05-10 哲库科技(上海)有限公司 图像处理器、装置、方法及电子设备
CN112839166B (zh) * 2020-12-02 2023-08-22 维沃移动通信（杭州）有限公司 拍摄方法、装置及电子设备
CN112689085A (zh) * 2020-12-09 2021-04-20 展讯通信（上海）有限公司 一种识别ppt投屏区域方法、装置、系统和电子设备
CN112969027B (zh) * 2021-04-02 2022-08-16 浙江大华技术股份有限公司 电动镜头的聚焦方法和装置、存储介质及电子设备
CN115442512B (zh) * 2021-06-04 2024-09-06 北京小米移动软件有限公司 对焦控制方法、装置、终端及存储介质
CN114143594A (zh) * 2021-12-06 2022-03-04 百度在线网络技术（北京）有限公司 视频画面的处理方法、装置、设备及可读存储介质
WO2023231009A1 (zh) * 2022-06-02 2023-12-07 北京小米移动软件有限公司 一种对焦方法、装置及存储介质
CN118433517B (zh) * 2024-07-03 2024-09-20 深圳市永泰光电有限公司 一种长焦镜头的自动聚焦方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2915816A1 (fr) * 2007-09-26 2008-11-07 Thomson Licensing Sas Procede d'acquisition d'une image a l'aide d'un appareil dont la focale est reglable et appareil d'acquisition d'image associe au procede
CN101621709A (zh) * 2009-08-10 2010-01-06 浙江大学 一种全参考型图像客观质量评价方法
CN102419505A (zh) * 2011-12-06 2012-04-18 深圳英飞拓科技股份有限公司 自动聚焦方法及系统和一体化摄像机
CN103974060A (zh) * 2013-01-31 2014-08-06 华为技术有限公司 视频质量调整方法和装置
CN104618639A (zh) * 2013-11-01 2015-05-13 佳能株式会社 调焦控制设备及其控制方法
CN105659200A (zh) * 2013-09-18 2016-06-08 英特尔公司 用于显示图形用户界面的方法、设备和系统
CN105791674A (zh) * 2016-02-05 2016-07-20 联想(北京)有限公司 电子设备和对焦方法
CN105791680A (zh) * 2016-02-29 2016-07-20 广东欧珀移动通信有限公司 控制方法、控制装置及电子装置
CN107743200A (zh) * 2017-10-31 2018-02-27 广东欧珀移动通信有限公司 拍照的方法、装置、计算机可读存储介质和电子设备
CN109543568A (zh) * 2018-11-06 2019-03-29 北京交通大学 一种车标定位方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000321483A (ja) * 1999-05-11 2000-11-24 Olympus Optical Co Ltd オートフォーカスカメラ
CN107465855B (zh) * 2017-08-22 2020-05-29 上海歌尔泰克机器人有限公司 图像的拍摄方法及装置、无人机
CN108921857A (zh) * 2018-06-21 2018-11-30 中国人民解放军61062部队科技装备处 一种面向监视场景的视频图像焦点区域分割方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2915816A1 (fr) * 2007-09-26 2008-11-07 Thomson Licensing Sas Procede d'acquisition d'une image a l'aide d'un appareil dont la focale est reglable et appareil d'acquisition d'image associe au procede
CN101621709A (zh) * 2009-08-10 2010-01-06 浙江大学 一种全参考型图像客观质量评价方法
CN102419505A (zh) * 2011-12-06 2012-04-18 深圳英飞拓科技股份有限公司 自动聚焦方法及系统和一体化摄像机
CN103974060A (zh) * 2013-01-31 2014-08-06 华为技术有限公司 视频质量调整方法和装置
CN105659200A (zh) * 2013-09-18 2016-06-08 英特尔公司 用于显示图形用户界面的方法、设备和系统
CN104618639A (zh) * 2013-11-01 2015-05-13 佳能株式会社 调焦控制设备及其控制方法
CN105791674A (zh) * 2016-02-05 2016-07-20 联想(北京)有限公司 电子设备和对焦方法
CN105791680A (zh) * 2016-02-29 2016-07-20 广东欧珀移动通信有限公司 控制方法、控制装置及电子装置
CN107743200A (zh) * 2017-10-31 2018-02-27 广东欧珀移动通信有限公司 拍照的方法、装置、计算机可读存储介质和电子设备
CN109543568A (zh) * 2018-11-06 2019-03-29 北京交通大学 一种车标定位方法

Also Published As

Publication number Publication date
CN110572573A (zh) 2019-12-13

Similar Documents

Publication Publication Date Title
CN110572573B (zh) 对焦方法和装置、电子设备、计算机可读存储介质
CN110149482B (zh) 对焦方法、装置、电子设备和计算机可读存储介质
CN110248096B (zh) 对焦方法和装置、电子设备、计算机可读存储介质
CN108764208B (zh) 图像处理方法和装置、存储介质、电子设备
CN108810413B (zh) 图像处理方法和装置、电子设备、计算机可读存储介质
CN108764370B (zh) 图像处理方法、装置、计算机可读存储介质和计算机设备
CN108805103B (zh) 图像处理方法和装置、电子设备、计算机可读存储介质
CN113766125B (zh) 对焦方法和装置、电子设备、计算机可读存储介质
CN108810418B (zh) 图像处理方法、装置、移动终端及计算机可读存储介质
CN110473185B (zh) 图像处理方法和装置、电子设备、计算机可读存储介质
CN108897786B (zh) 应用程序的推荐方法、装置、存储介质及移动终端
CN110493527B (zh) 主体对焦方法、装置、电子设备和存储介质
CN110191287B (zh) 对焦方法和装置、电子设备、计算机可读存储介质
CN108921040A (zh) 图像处理方法和装置、存储介质、电子设备
CN108198152B (zh) 图像处理方法和装置、电子设备、计算机可读存储介质
CN110580428A (zh) 图像处理方法、装置、计算机可读存储介质和电子设备
CN109712177B (zh) 图像处理方法、装置、电子设备和计算机可读存储介质
CN110650291B (zh) 目标追焦方法和装置、电子设备、计算机可读存储介质
CN108804658B (zh) 图像处理方法和装置、存储介质、电子设备
CN110248101B (zh) 对焦方法和装置、电子设备、计算机可读存储介质
CN110349163B (zh) 图像处理方法和装置、电子设备、计算机可读存储介质
CN110366048B (zh) 视频传输方法、装置、电子设备和计算机可读存储介质
CN109327626B (zh) 图像采集方法、装置、电子设备和计算机可读存储介质
CN108848306B (zh) 图像处理方法和装置、电子设备、计算机可读存储介质
CN110121031B (zh) 图像采集方法和装置、电子设备、计算机可读存储介质

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
GR01 Patent grant
GR01 Patent grant