CN111161221A - 一种聚焦评价方法、装置及系统 - Google Patents

一种聚焦评价方法、装置及系统 Download PDF

Info

Publication number
CN111161221A
CN111161221A CN201911279963.9A CN201911279963A CN111161221A CN 111161221 A CN111161221 A CN 111161221A CN 201911279963 A CN201911279963 A CN 201911279963A CN 111161221 A CN111161221 A CN 111161221A
Authority
CN
China
Prior art keywords
image
clustering
value
gray
state
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.)
Granted
Application number
CN201911279963.9A
Other languages
English (en)
Other versions
CN111161221B (zh
Inventor
冀高
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.)
Shenzhen Ruiwode Life Technology Co ltd
Original Assignee
Rwd Life Science Co 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 Rwd Life Science Co ltd filed Critical Rwd Life Science Co ltd
Priority to CN201911279963.9A priority Critical patent/CN111161221B/zh
Publication of CN111161221A publication Critical patent/CN111161221A/zh
Application granted granted Critical
Publication of CN111161221B publication Critical patent/CN111161221B/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
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • 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)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Quality & Reliability (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Automatic Focus Adjustment (AREA)
  • Studio Devices (AREA)

Abstract

本发明实施例提供一种聚焦评价方法，包括：对图像中所有像素点的灰度值进行K均值聚类，得到每一类的聚类中心；计算图像的灰度均值；根据灰度均值划分图像的状态；根据每一类的聚类中心和图像的状态评价图像的清晰度。本发明实施例对图像中所有像素点的灰度值进行K均值聚类，同时根据图像的灰度均值选取适当的聚类集合来计算图像的清晰度，在大范围调焦时提高了图像清晰度评价的准确性。

Description

一种聚焦评价方法、装置及系统
技术领域
本发明涉及图像处理领域，尤其涉及一种聚焦评价方法、装置及系统。
背景技术
自动聚焦过程通常包括聚焦搜索过程和聚焦评价过程。自动聚焦时，先移动镜头组拍摄若干张图像，然后通过聚焦评价算法计算出最清晰的一张图像。以聚焦评价算法为代表的聚焦评价过程在自动聚焦过程中占据了核心位置，是评价图像是否清晰的依据。
传统的聚焦评价算法是利用图像的锐度值来表征清晰度，锐度值越高表征图像越清晰；也有利用图像的信息熵来表征清晰度，熵值越大表征图像越清晰。经过实践证明，这些传统的聚焦评价算法对实际上失焦比较严重的图像的清晰度判别会出现失误，仅适用于聚焦位置附近的图像清晰度评价。
发明内容
本发明实施例提供一种聚焦评价方法，旨在解决现有技术中在大范围调焦时图像清晰度评价出现误判的问题。
第一方面，提供了一种聚焦评价方法，包括：
对图像中所有像素点的灰度值进行K均值聚类，得到每一类的聚类中心；
计算图像的灰度均值；
根据灰度均值划分图像的状态；
根据每一类的聚类中心和图像的状态评价图像的清晰度。
第二方面，提供了一种聚焦评价装置，包括：
聚类单元，用于对图像中所有像素点的灰度值进行K均值聚类，得到每一类的聚类中心；
计算单元，用于计算图像的灰度均值；
状态划分单元，用于根据灰度均值划分图像的状态；
评价单元，用于根据每一类的聚类中心和图像的状态评价图像的清晰度。
第三方面，提供了一种聚焦评价系统，包括上述描述的聚焦评价装置。
本发明实施例对图像中所有像素点的灰度值进行K均值聚类，同时根据图像的灰度均值选取适当的聚类集合来计算图像的清晰度，在大范围调焦时提高了图像清晰度评价的准确性。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1是本发明实施例一提供的聚焦评价方法的流程图；
图2是本发明实施例提供的K均值聚类的流程图；
图3是本发明实施例二提供聚焦评价装置的结构框图；
图4是本发明实施例三提供的聚焦评价系统的结构示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的模块或具有相同或类似功能的模块。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。相反，本发明的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。
光学成像技术已经与我们的生活密不可分，从日常生活中的相机、摄像机、望远镜、投影仪，到实验室中的显微镜、激光散斑成像系统，都涉及光学成像。在光学成像过程中，聚焦评价算法是一个重要的组成部分。由于应用场景越来越多，对适用于大范围调焦的聚焦评价算法的需求也越来越强烈。
在本发明实施例中，对图像中所有像素点的灰度值进行K均值聚类，同时根据图像的灰度均值选取适当的聚类集合来计算图像的清晰度，在大范围调焦时提高了图像清晰度评价的准确性。
实施例一
图1是本发明实施例一提供的聚焦评价方法的流程图。如图1所示，该方法包括：
步骤S101：对图像中所有像素点的灰度值进行K均值聚类，得到每一类的聚类中心。
简单地说，K均值聚类是一种迭代求解的分类器，其根据某种距离函数将数据向各个聚类中心聚焦，划分为K个聚类集合。所需聚类集合的数量K和各聚类中心的初始值由用户设定。在本发明实施例中，对图像中所有像素点的灰度值进行K均值聚类，K为2，即将图像中所有像素点的灰度值分为第一聚类集合和第二聚类集合；第一聚类集合的第一聚类中心初始值设为图像中所有像素点的最小灰度值，第二聚类集合的第二聚类中心初始值设为图像中所有像素点的最大灰度值，也可以称为将图像中所有像素点的灰度值划分为低值像素点聚类集合和高值像素点聚类集合。
作为本发明的一个实施例，K均值聚类的过程如图2所示，该方法包括：
步骤S201：针对每个像素点，计算灰度值与第一聚类中心的差值的模作为第一参数，计算灰度值与第二聚类中心的差值的模作为第二参数。
步骤S202：若第一参数小于第二参数，像素点属于第一聚类集合，若第一参数大于第二参数，像素点属于第二聚类集合。
在本发明实施例中，第一聚类中心为Smin，第二聚类中心为Smax，各像素点的灰度值为S，则第一参数=abs(S-Smin)，第二参数=abs(S-Smax)，第一参数表征了像素点到第一聚类中心的距离，第二参数表征了像素点到第二聚类中心的距离。若第一参数小于第二参数，即像素点距离第一聚类中心较近，则将该像素点划分进第一聚类集合；若第一参数大于第二参数，即像素点距离第二聚类中心较近，则将该像素点划分进第二聚类集合。
步骤S203：分别对第一聚类集合和第二聚类集合求均值更新第一聚类中心和第二聚类中心。
依据步骤S201和步骤S202划分了第一聚类集合和第二聚类集合后，分别对第一聚类集合和第二聚类集合中的数据求均值，作为新的聚类中心。若相邻两次的第二聚类中心的差值小于设定值，表明数据划分已趋于稳定，停止聚类过程；否则，重复步骤S201、步骤S202和步骤S203，直至满足停止聚类的条件。
在本发明实施例中，主要的运算过程是K均值聚类的运算，该方法的运算量小，性能稳定。
步骤S102：计算图像的灰度均值。
步骤S103：根据灰度均值划分图像的状态。
在本发明实施例中，对图像求灰度均值G，根据灰度均值G将图像划分为第一状态和第二状态。灰度均值G大于预设阈值T为第一状态，表明图像整体较亮；灰度均值G小于预设阈值T为第二状态，表明图像整体较暗。
步骤S104：根据每一类的聚类中心和图像的状态评价图像的清晰度。
在本发明实施例中，若图像整体较亮，属于第一状态，聚焦评价值D=255-Smin；若图像整体较暗，属于第二状态，聚焦评价值D=Smax。聚焦评价值D越大，表征图像越清晰。在图像整体较暗时，第二聚类中心越大，即图像中亮的部分越亮，表明图像越清晰；在图像整体较亮时，第一聚类中心越小，即图像中暗的部分越暗，表明图像越清晰。
若不对图像整体按照光照程度进行划分，仅采用一种方式计算聚焦评价值，在大范围调焦时聚焦评价值曲线存在多个波峰，结合聚焦搜索过程后有可能搜索不到实际的最佳聚焦位置。在本发明实施例中，对图像整体按照光照程度进行划分，不同的光照程度采用不同的方式计算聚焦评价值，使得在大范围调焦时聚焦评价值曲线为单一的波峰，结合聚焦搜索过程能够准确搜索到实际的最佳聚焦位置。
在本发明实施例中，对图像中所有像素点的灰度值进行K均值聚类，同时根据图像的灰度均值选取适当的聚类集合来计算图像的清晰度，在大范围调焦时提高了图像清晰度评价的准确性。
实施例二
图3为本发明实施例二提供聚焦评价装置的结构框图，如图3所示，该装置包括：聚类单元31、计算单元32、状态划分单元33和评价单元34。
聚类单元31用于对图像中所有像素点的灰度值进行K均值聚类，得到每一类的聚类中心。
计算单元32用于计算图像的灰度均值。
状态划分单元33用于根据灰度均值划分图像的状态。
评价单元34用于根据每一类的聚类中心和图像的状态评价图像的清晰度。
优选地，K为2，图像中所有像素点的灰度值分为第一聚类集合和第二聚类集合；第一聚类集合的第一聚类中心初始值为图像中所有像素点的最小灰度值，第二聚类集合的第二聚类中心初始值为图像中所有像素点的最大灰度值。
优选地，聚类单元31包括：
第一计算子单元用于针对每个像素点，计算灰度值与第一聚类中心的差值的模作为第一参数，计算灰度值与第二聚类中心的差值的模作为第二参数。
判断子单元用于若第一参数小于第二参数，像素点属于第一聚类集合，若第一参数大于第二参数，像素点属于第二聚类集合。
第二计算子单元用于分别对第一聚类集合和第二聚类集合求均值更新第一聚类中心和第二聚类中心。
优选地，状态划分单元33具体为：根据灰度均值将图像划分为第一状态和第二状态，灰度均值大于预设阈值为第一状态，灰度均值小于预设阈值为第二状态。评价单元34具体为：若图像为第一状态，聚焦评价值为255与第一聚类中心的差值；若图像为第二状态，聚焦评价值为第二聚类中心。
在该聚焦评价装置中运行的聚焦评价方法与实施例一描述的方法一一对应，在此不再赘述。
在本发明实施例中，对图像中所有像素点的灰度值进行K均值聚类，同时根据图像的灰度均值选取适当的聚类集合来计算图像的清晰度，在大范围调焦时提高了图像清晰度评价的准确性。
实施例三
图4是本发明实施例三提供的聚焦评价系统的结构示意图。如图4所示，该系统包括：存储器41和处理器42，其中，存储器41用于存储可执行程序代码，处理器42通过读取存储器41中存储的可执行程序代码来运行实施例一中描述的聚焦评价方法。
在本发明实施例中，对图像中所有像素点的灰度值进行K均值聚类，同时根据图像的灰度均值选取适当的聚类集合来计算图像的清晰度，在大范围调焦时提高了图像清晰度评价的准确性。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (9)

1.一种聚焦评价方法，其特征在于，所述方法包括：
对图像中所有像素点的灰度值进行K均值聚类，得到每一类的聚类中心；
计算所述图像的灰度均值；
根据所述灰度均值划分所述图像的状态；
根据所述每一类的聚类中心和所述图像的状态评价所述图像的清晰度。
2.根据权利要求1所述的方法，其特征在于，K为2，所述图像中所有像素点的灰度值分为第一聚类集合和第二聚类集合；所述第一聚类集合的第一聚类中心初始值为所述图像中所有像素点的最小灰度值，所述第二聚类集合的第二聚类中心初始值为所述图像中所有像素点的最大灰度值。
3.根据权利要求2所述的方法，其特征在于，对图像中所有像素点的灰度值进行K均值聚类，得到每一类的聚类中心包括：
针对每个像素点，计算灰度值与第一聚类中心的差值的模作为第一参数，计算灰度值与第二聚类中心的差值的模作为第二参数；
若第一参数小于第二参数，像素点属于所述第一聚类集合，若第一参数大于第二参数，像素点属于所述第二聚类集合；
分别对所述第一聚类集合和所述第二聚类集合求均值更新第一聚类中心和第二聚类中心。
4.根据权利要求2或者3所述的方法，其特征在于，
根据所述灰度均值划分所述图像的状态包括：
根据所述灰度均值将所述图像划分为第一状态和第二状态，所述灰度均值大于预设阈值为所述第一状态，所述灰度均值小于所述预设阈值为所述第二状态；
根据所述每一类的聚类中心和所述图像的状态评价所述图像的清晰度包括：
若所述图像为所述第一状态，聚焦评价值为255与所述第一聚类中心的差值；
若所述图像为所述第二状态，所述聚焦评价值为所述第二聚类中心。
5.一种聚焦评价装置，其特征在于，所述装置包括：
聚类单元，用于对图像中所有像素点的灰度值进行K均值聚类，得到每一类的聚类中心；
计算单元，用于计算所述图像的灰度均值；
状态划分单元，用于根据所述灰度均值划分所述图像的状态；
评价单元，用于根据所述每一类的聚类中心和所述图像的状态评价所述图像的清晰度。
6.根据权利要求5所述的装置，其特征在于，K为2，所述图像中所有像素点的灰度值分为第一聚类集合和第二聚类集合；所述第一聚类集合的第一聚类中心初始值为所述图像中所有像素点的最小灰度值，所述第二聚类集合的第二聚类中心初始值为所述图像中所有像素点的最大灰度值。
7.根据权利要求6所述的装置，其特征在于，所述聚类单元包括：
第一计算子单元，用于针对每个像素点，计算灰度值与第一聚类中心的差值的模作为第一参数，计算灰度值与第二聚类中心的差值的模作为第二参数；
判断子单元，用于若第一参数小于第二参数，像素点属于所述第一聚类集合，若第一参数大于第二参数，像素点属于所述第二聚类集合；
第二计算子单元，用于分别对所述第一聚类集合和所述第二聚类集合求均值更新第一聚类中心和第二聚类中心。
8.根据权利要求6或者7所述的装置，其特征在于，
所述状态划分单元具体为：
根据所述灰度均值将所述图像划分为第一状态和第二状态，所述灰度均值大于预设阈值为所述第一状态，所述灰度均值小于所述预设阈值为所述第二状态；
所述评价单元具体为：
若所述图像为所述第一状态，聚焦评价值为255与所述第一聚类中心的差值；
若所述图像为所述第二状态，所述聚焦评价值为所述第二聚类中心。
9.一种聚焦评价系统，其特征在于，所述系统包括存储器和处理器，所述存储器用于存储可执行程序代码，所述处理器通过读取所述存储器中存储的所述可执行程序代码来运行如权利要求1-4任一项所述方法对应的程序。
CN201911279963.9A 2019-12-13 2019-12-13 一种聚焦评价方法、装置及系统 Active CN111161221B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911279963.9A CN111161221B (zh) 2019-12-13 2019-12-13 一种聚焦评价方法、装置及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911279963.9A CN111161221B (zh) 2019-12-13 2019-12-13 一种聚焦评价方法、装置及系统

Publications (2)

Publication Number Publication Date
CN111161221A true CN111161221A (zh) 2020-05-15
CN111161221B CN111161221B (zh) 2023-09-26

Family

ID=70557057

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911279963.9A Active CN111161221B (zh) 2019-12-13 2019-12-13 一种聚焦评价方法、装置及系统

Country Status (1)

Country Link
CN (1) CN111161221B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111932499A (zh) * 2020-07-10 2020-11-13 深圳市瑞沃德生命科技有限公司 一种细胞直径的计算方法、装置及系统
CN114544004A (zh) * 2022-02-25 2022-05-27 浙江天铂云科光电股份有限公司 一种用于红外热像仪的自动聚焦方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106101697A (zh) * 2016-06-21 2016-11-09 深圳市辰卓科技有限公司 图像清晰度检测方法、装置及测试设备
CN108012072A (zh) * 2016-10-28 2018-05-08 广州康昕瑞基因健康科技有限公司 自动聚焦方法和系统
CN108961201A (zh) * 2017-05-19 2018-12-07 广州康昕瑞基因健康科技有限公司 图像清晰度识别方法和自动聚焦方法
CN109669264A (zh) * 2019-01-08 2019-04-23 哈尔滨理工大学 基于灰度梯度值的自适应自动聚焦方法
WO2019104627A1 (zh) * 2017-11-30 2019-06-06 深圳配天智能技术研究院有限公司 一种图像的灰阶分类方法、装置以及可读存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106101697A (zh) * 2016-06-21 2016-11-09 深圳市辰卓科技有限公司 图像清晰度检测方法、装置及测试设备
CN108012072A (zh) * 2016-10-28 2018-05-08 广州康昕瑞基因健康科技有限公司 自动聚焦方法和系统
CN108961201A (zh) * 2017-05-19 2018-12-07 广州康昕瑞基因健康科技有限公司 图像清晰度识别方法和自动聚焦方法
WO2019104627A1 (zh) * 2017-11-30 2019-06-06 深圳配天智能技术研究院有限公司 一种图像的灰阶分类方法、装置以及可读存储介质
CN109669264A (zh) * 2019-01-08 2019-04-23 哈尔滨理工大学 基于灰度梯度值的自适应自动聚焦方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111932499A (zh) * 2020-07-10 2020-11-13 深圳市瑞沃德生命科技有限公司 一种细胞直径的计算方法、装置及系统
CN111932499B (zh) * 2020-07-10 2023-12-22 深圳市瑞沃德生命科技有限公司 一种细胞直径的计算方法、装置及系统
CN114544004A (zh) * 2022-02-25 2022-05-27 浙江天铂云科光电股份有限公司 一种用于红外热像仪的自动聚焦方法

Also Published As

Publication number Publication date
CN111161221B (zh) 2023-09-26

Similar Documents

Publication Publication Date Title
WO2019105154A1 (en) Image processing method, apparatus and device
CN109829859B (zh) 图像处理方法及终端设备
JP5883654B2 (ja) 画像信号処理装置
US10395348B2 (en) Image pickup apparatus, image processing apparatus, and control method of image pickup apparatus
CN109951644B (zh) 控制方法、控制装置及电子装置
US20130100334A1 (en) Method and System for an Adaptive Auto-Focus Algorithm
CN112601008B (zh) 一种摄像头切换方法、终端、装置及计算机可读存储介质
CN111199536B (zh) 一种聚焦评价方法及其装置
CN103685861A (zh) 用于在深度估计过程中使用增强的场景检测的系统和方法
JP2013097082A (ja) 画像信号処理装置
CN111161221B (zh) 一种聚焦评价方法、装置及系统
CN110740266A (zh) 图像选帧方法、装置、存储介质及电子设备
CN110619616B (zh) 一种图像处理方法、装置和相关设备
CN108206914B (zh) 一种对焦方法及装置、终端
US20150302589A1 (en) Image processing apparatus that forms distance image and control method thereof, as well as storage medium
US11080873B2 (en) Image processing apparatus, image capturing apparatus, image processing method, and storage medium
KR100799829B1 (ko) 신경망을 이용한 오토포커싱 방법
US10565712B2 (en) Image processing apparatus and method for controlling the same
US11295464B2 (en) Shape measurement device, control method, and recording medium
CN110933304B (zh) 待虚化区域的确定方法、装置、存储介质与终端设备
CN114845042B (zh) 一种基于图像信息熵的相机自动对焦方法
US20220254139A1 (en) Image processing method and apparatus, training method and apparatus of machine learning model, and storage medium
CN112788231B (zh) 图像处理装置、图像处理方法和存储介质
US11595562B2 (en) Image processing apparatus, control method thereof, and storage medium
KR102438813B1 (ko) 블랙박스 카메라 포커싱 검사 방법 및 장치

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

Address after: 518057 room 1901, block a, building 9, area C, Wanke Yuncheng phase III, Liuxin 4th Road, Xili community, Xili street, Nanshan District, Shenzhen City, Guangdong Province

Applicant after: RWD LIFE SCIENCE Co.,Ltd.

Address before: 518057 201, Beiter building, No.11, North 4th Road, Gaoxin, songpingshan community, Xili street, Nanshan District, Shenzhen City, Guangdong Province

Applicant before: RWD LIFE SCIENCE Co.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant
CP03 Change of name, title or address

Address after: 518057, Room 1901, Building A, Building 7, Shenzhen International Innovation Valley, Dashi Road, Xili Community, Xili Street, Nanshan District, Shenzhen City, Guangdong Province (9th, 19th, 20th, and 9th floors of Building A)

Patentee after: Shenzhen Ruiwode Life Technology Co.,Ltd.

Country or region after: China

Address before: 518057 room 1901, block a, building 9, area C, Wanke Yuncheng phase III, Liuxin 4th Road, Xili community, Xili street, Nanshan District, Shenzhen City, Guangdong Province

Patentee before: RWD LIFE SCIENCE Co.,Ltd.

Country or region before: China

CP03 Change of name, title or address