CN116684721B - 一种基于运动目标的液态镜头快速对焦方法、装置和设备 - Google Patents
一种基于运动目标的液态镜头快速对焦方法、装置和设备 Download PDFInfo
- Publication number
- CN116684721B CN116684721B CN202310945794.8A CN202310945794A CN116684721B CN 116684721 B CN116684721 B CN 116684721B CN 202310945794 A CN202310945794 A CN 202310945794A CN 116684721 B CN116684721 B CN 116684721B
- Authority
- CN
- China
- Prior art keywords
- distance
- focusing
- image
- data
- definition
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 84
- 239000007788 liquid Substances 0.000 title claims abstract description 42
- 238000004364 calculation method Methods 0.000 claims description 36
- 238000012937 correction Methods 0.000 claims description 24
- 238000010606 normalization Methods 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 14
- 230000015556 catabolic process Effects 0.000 claims description 7
- 238000006731 degradation reaction Methods 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000012897 Levenberg–Marquardt algorithm Methods 0.000 description 1
- 241000211181 Manta Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- NFGXHKASABOEEW-LDRANXPESA-N methoprene Chemical compound COC(C)(C)CCCC(C)C\C=C\C(\C)=C\C(=O)OC(C)C NFGXHKASABOEEW-LDRANXPESA-N 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000036544 posture Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- H04N23/64—Computer-aided capture of images, e.g. transfer from script file into camera, check of taken image quality, advice or proposal for image composition or decision on when to take image
-
- 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
-
- 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
- H04N23/671—Focus control based on electronic image sensor signals in combination with active ranging signals, e.g. using light or sound signals emitted toward objects
Abstract
本申请涉及一种基于运动目标的液态镜头快速对焦方法、装置和设备,该方法包括获取摄像设备的镜头在第一时刻拍摄图像的第一距离和第一清晰度;获取对焦模型,根据第一距离和第一清晰度确定对焦模型的常数数据;获取摄像设备的镜头在第二时刻拍摄目标图像的分辨率数据,对分辨率数据进行校正,得到目标图像的清晰度数据;根据清晰度数据和对焦模型计算,得到目标图像在第二时刻对焦的第二距离;获取摄像设备镜头的定焦工作距离,根据第二距离和定焦工作距离或第二距离计算,得到摄像设备在第二距离下的最佳屈光度;根据最佳屈光度对摄像设备进行对焦操作。该方法通过得到摄像设备的最佳屈光度进行拍摄对焦,提高对焦速度,也提高对焦准确。
Description
技术领域
本申请涉及相机对焦技术领域,尤其涉及一种基于运动目标的液态镜头快速对焦方法、装置和设备。
背景技术
目前自动对焦技术广泛应用于日常生活中,利用具备自动对焦技术的移动终端设备拍摄照片,已经成为人们的生活一部分。
现有的自动对焦技术主要分为两类:第一类是传统的自动对焦技术,包括:测距法、相位法、对比度法等。第二类是基于数字图像处理的自动对焦方法,包括:对焦深度法和离焦深度法。
但是现有的自动对焦技术均存在着缺点。如对比度法和对焦深度法需要一系列图像来确定最佳对焦图像的位置,拍摄的图像越多,对焦精度越高;因此具有速度慢、自动聚焦过程所需时间长、不适用于对高速,瞬时物体的对焦的缺点。离焦深度法的主要缺点是需要事先获得成像系统精确的数学模型,才能保证对焦的精度,构建图像退化模型难度大,扩散函数的参数较难确定。
发明内容
本申请实施例提供了一种基于运动目标的液态镜头快速对焦方法、装置和设备,用于解决现有摄像设备自动对焦技术的对焦速度慢的技术问题。
为了实现上述目的,本申请实施例提供如下技术方案:
一方面,提供了一种基于运动目标的液态镜头快速对焦方法,包括以下步骤:
获取摄像设备的镜头在第一时刻拍摄图像的图像参数,所述图像参数包括第一距离和第一清晰度;
获取对焦模型,根据所述第一距离和所述第一清晰度确定所述对焦模型的常数数据;
获取摄像设备的镜头在第二时刻拍摄目标图像的分辨率数据,对所述分辨率数据进行校正,得到目标图像的清晰度数据;根据所述清晰度数据和所述对焦模型计算,得到目标图像在第二时刻对焦的第二距离;
获取摄像设备镜头的定焦工作距离,根据所述第二距离和所述定焦工作距离或所述第二距离计算,得到摄像设备在所述第二距离下的最佳屈光度;根据所述最佳屈光度对摄像设备进行对焦操作。
优选地,根据所述第二距离和所述定焦工作距离或所述第二距离计算,得到摄像设备在所述第二距离下的最佳屈光度包括:根据所述第二距离和所述定焦工作距离或所述第二距离采用最佳屈光度公式计算,得到摄像设备在所述第二距离下的最佳屈光度;所述最佳屈光度公式为:
;
式中,L为目标图像的第二距离,DPT为摄像设备的最佳屈光度,WD为摄像设备镜头的定焦工作距离。
优选地,对所述分辨率数据进行校正,得到目标图像的清晰度数据包括:以第一时刻作为依据,对所述分辨率数据进行超分辨归一化校正处理,得到校正后目标图像的清晰度数据。
优选地,对所述分辨率数据进行校正,得到目标图像的清晰度数据包括:以第一时刻作为依据,采用双线性插值对所述分辨率数据进行超分辨归一化校正处理,得到校正后目标图像的清晰度数据。
优选地,根据所述第一距离和所述第一清晰度确定所述对焦模型的常数数据包括:根据所述第一距离和所述第一清晰度采用对焦模型的计算公式计算,确定所述对焦模型的常数数据;所述对焦模型的计算公式为:
;
式中,f(x)为图像参数的清晰度,x为图像参数的距离,a为对焦模型的系数,b为对焦模型的指数,c为对焦模型的常数数据。
再一方面,提供了一种基于运动目标的液态镜头快速对焦装置,包括数据获取模块、模型参数确定模块、校正计算模块和计算执行模块;
所述数据获取模块,用于获取摄像设备的镜头在第一时刻拍摄图像的图像参数,所述图像参数包括第一距离和第一清晰度;
所述模型参数确定模块,用于获取对焦模型,根据所述第一距离和所述第一清晰度确定所述对焦模型的常数数据;
所述校正计算模块,用于获取摄像设备的镜头在第二时刻拍摄目标图像的分辨率数据,对所述分辨率数据进行校正,得到目标图像的清晰度数据;根据所述清晰度数据和所述对焦模型计算,得到目标图像在第二时刻对焦的第二距离;
所述计算执行模块,用于获取摄像设备镜头的定焦工作距离,根据所述第二距离和所述定焦工作距离或所述第二距离计算,得到摄像设备在所述第二距离下的最佳屈光度;根据所述最佳屈光度对摄像设备进行对焦操作。
优选地,所述计算执行模块还用于根据所述第二距离和所述定焦工作距离或所述第二距离采用最佳屈光度公式计算,得到摄像设备在所述第二距离下的最佳屈光度;所述最佳屈光度公式为:
;
式中,L为目标图像的第二距离,DPT为摄像设备的最佳屈光度,WD为摄像设备镜头的定焦工作距离。
优选地,所述校正计算模块还用于以第一时刻作为依据,采用双线性插值对所述分辨率数据进行超分辨归一化校正处理,得到校正后目标图像的清晰度数据。
优选地,所述模型参数确定模块还用于根据所述第一距离和所述第一清晰度采用对焦模型的计算公式计算,确定所述对焦模型的常数数据;所述对焦模型的计算公式为:
;
式中,f(x)为图像参数的清晰度,x为图像参数的距离,a为对焦模型的系数,b为对焦模型的指数,c为对焦模型的常数数据。
再一方面,提供了一种终端设备,包括处理器以及存储器;
所述存储器,用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器,用于根据所述程序代码中的指令执行上述所述的基于运动目标的液态镜头快速对焦方法。
从以上技术方案可以看出,本申请实施例具有以下优点:该基于运动目标的液态镜头快速对焦方法、装置和设备,该方法包括获取摄像设备的镜头在第一时刻拍摄图像的图像参数,图像参数包括第一距离和第一清晰度;获取对焦模型,根据第一距离和第一清晰度确定对焦模型的常数数据;获取摄像设备的镜头在第二时刻拍摄目标图像的分辨率数据,对分辨率数据进行校正,得到目标图像的清晰度数据;根据清晰度数据和对焦模型计算,得到目标图像在第二时刻对焦的第二距离;获取摄像设备镜头的定焦工作距离,根据第二距离和定焦工作距离或第二距离计算,得到摄像设备在第二距离下的最佳屈光度;根据最佳屈光度对摄像设备进行对焦操作。该基于运动目标的液态镜头快速对焦方法通过得到摄像设备的最佳屈光度进行拍摄对焦,提高对焦速度,也提高对焦准确性,解决了现有摄像设备自动对焦技术的对焦速度慢的技术问题。
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的介绍,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性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例所述的基于运动目标的液态镜头快速对焦方法的步骤流程图;
图2为本申请实施例所述的基于运动目标的液态镜头快速对焦方法中目标识别的图像轮廓示意图;
图3为本申请实施例所述的基于运动目标的液态镜头快速对焦方法中对焦模型的拟合效果示意图;
图4为本申请实施例的基于运动目标的液态镜头快速对焦装置的框架流程图。
具体实施方式
为使得本申请的发明目的、特征、优点能够更加的明显和易懂,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,下面所描述的实施例仅仅是本申请一部分实施例,而非全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本申请保护的范围。
在本申请实施例的描述中,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请实施例的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本申请实施例中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本申请实施例中的具体含义。
本申请实施例提供了一种应用于液态镜头的可以提升对焦速度的基于运动目标的液态镜头快速对焦方法、装置和设备,用于解决了现有摄像设备自动对焦技术的对焦速度慢的技术问题。
实施例一:
图1为本申请实施例所述的基于运动目标的液态镜头快速对焦方法的步骤流程图,图2为本申请实施例所述的基于运动目标的液态镜头快速对焦方法中目标识别的图像轮廓示意图。
如图1所示,本申请实施例提供了一种基于运动目标的液态镜头快速对焦方法,包括以下步骤:
S1.获取摄像设备的镜头在第一时刻拍摄图像的图像参数,图像参数包括第一距离和第一清晰度。
需要说明的是,在步骤S1中是摄像设备的镜头在第一时刻拍摄图像的图像参数。摄像设备可以为相机,也可以为具有摄像功能的终端。
在本申请实施例中,获取摄像设备的镜头在第一时刻拍摄图像的图像参数之前,该基于运动目标的液态镜头快速对焦方法包括:采用摄像设备的液态镜头在某个初始屈光度下拍摄第一时刻的图像;基于物体轮廓定位匹配的目标识别算法识别出被拍摄图像的物体,截取图像中被拍摄的物体;从物体中确定第一时刻拍摄图像的图像参数。
需要说明的是,如图2所示,基于物体轮廓定位匹配的目标识别算法是根据物体的外观轮廓特征,确定物体的轮廓和姿态,排除背景。例如对车辆进行识别,则读取车前挡风玻璃、车后视镜、轮胎等外观特征,从而确定车辆轮廓,排除背景。在本实施例中,基于物体轮廓定位匹配的目标识别算法是本领域比较成熟的技术(如:Deep MANTA: A Coarse-to-Fine Many-Task Network for Joint 2D and 3D Vehicle Analysis from MonocularImage,CVPR2017,这文献提出了一种深度学习模型,可以从单目图像中联合分析车辆的2D和3D属性,它能够生成沿着车辆轮廓的精确3D模型),此实施例中不作详细。在拍摄图像的物体中获取第一距离可以在图像上标记一个已知距离的起始点,测量起始点与物体之间的距离得到;也可以采用对焦前一物体的对焦信息来确定物体的距离。其中,通过识别图像中物体的轮廓,通过物体轮廓信息也可以知道物体的姿态。轮廓信息用于截取目标图像,排除背景对清晰度的干扰,使摄像设备的镜头可以准确的对焦到物体上。姿态信息用于清晰度的矫正,物体两个时刻的姿态可能会发生变化,若不进行姿态清晰度的矫正,则无法将两个时刻的物体联系起来,所以要使用目标识别算法识别获得物体的姿态信息。
在本申请实施例中,该基于运动目标的液态镜头快速对焦方法可以通过普拉斯评价函数对拍摄图像的物计算其清晰度作为第一清晰度。
S2.获取对焦模型,根据第一距离和第一清晰度确定对焦模型的常数数据。
需要说明的是,在步骤S2是根据步骤S1获得的图像参数计算对焦模型的常数数据,完善对焦模型的计算公式。
S3.获取摄像设备的镜头在第二时刻拍摄目标图像的分辨率数据,对分辨率数据进行校正,得到目标图像的清晰度数据;根据清晰度数据和对焦模型计算,得到目标图像在第二时刻对焦的第二距离。
需要说明的是,在步骤S3中一是获取第二时刻摄像设备拍摄物体得到目标图像的分辨率数据,并对得到的分辨率数据进行校正;二是通过对焦模型根据校正后得到的清晰度数据计算得到第二距离。
S4.获取摄像设备镜头的定焦工作距离,根据第二距离和定焦工作距离或第二距离计算,得到摄像设备在所述第二距离下的最佳屈光度;根据最佳屈光度对摄像设备进行对焦操作。
需要说明的是,在步骤S4中是根据步骤S3得到的第二距离计算得到摄像设备拍摄图像的最佳屈光度,通过最佳屈光度控制摄像设备进行拍摄对焦操作。
本申请提供的一种基于运动目标的液态镜头快速对焦方法,该方法包括获取摄像设备的镜头在第一时刻拍摄图像的图像参数,图像参数包括第一距离和第一清晰度;获取对焦模型,根据第一距离和第一清晰度确定对焦模型的常数数据;获取摄像设备的镜头在第二时刻拍摄目标图像的分辨率数据,对分辨率数据进行校正,得到目标图像的清晰度数据;根据清晰度数据和对焦模型计算,得到目标图像在第二时刻对焦的第二距离;获取摄像设备镜头的定焦工作距离,根据第二距离和定焦工作距离或第二距离计算,得到摄像设备在第二距离下的最佳屈光度;根据最佳屈光度对摄像设备进行对焦操作。该基于运动目标的液态镜头快速对焦方法通过得到摄像设备的最佳屈光度进行拍摄对焦,提高对焦速度,也提高对焦准确性,解决了现有摄像设备自动对焦技术的对焦速度慢的技术问题。
在本申请的一个实施例中,根据第二距离和定焦工作距离或第二距离计算,得到摄像设备在第二距离下的最佳屈光度包括:根据第二距离和定焦工作距离或第二距离采用最佳屈光度公式计算,得到摄像设备在第二距离下的最佳屈光度;最佳屈光度公式为:
;
式中,L为目标图像的第二距离,DPT为摄像设备的最佳屈光度,WD为摄像设备镜头的定焦工作距离。
需要说明的是,该基于运动目标的液态镜头快速对焦方法根据摄像设备的镜头是否有定焦镜头选择不同的最佳屈光度公式计算摄像设备的最佳屈光度。
在本申请的一个实施例中,对分辨率数据进行校正,得到目标图像的清晰度数据包括:以第一时刻作为依据,对分辨率数据进行超分辨归一化校正处理,得到校正后目标图像的清晰度数据。其中,对分辨率数据进行校正,得到目标图像的清晰度数据包括:以第一时刻作为依据,采用双线性插值对分辨率数据进行超分辨归一化校正处理,得到校正后目标图像的清晰度数据。
需要说明的是,该基于运动目标的液态镜头快速对焦方法需要在第二时刻获得目标图像进行超分辨率归一化实现第二时刻获得图像的分辨率数据与第一时刻统一;根据第一时刻和第二时刻姿态的不同,对第二时刻得到的分辨率数据矫正。进过姿态清晰度矫正和超分辨率归一化,得到目标图像的清晰度数据的大小才能正确反映人眼对物体清晰与模糊的感受。超分辨归一化是指将不同分辨率的图像统一到一个分辨率下,姿态清晰度矫正是通过先验的信息对发生姿态变化物体的清晰度修正,将其修正到同一个姿态下。图像的分辨率归一化方式包含:最近邻插值、双线性插值、双三次插值算法或其他的改进方法等。但插值方式应该与三元关系表制定时的插值方式一致。不同的分辨率归一化方法计算速度不同,得到的图像质量也不同。但该基于运动目标的液态镜头快速对焦方法采用双线性插值对分辨率数据进行超分辨归一化校正处理,得到校正后目标图像的清晰度数据。双线性插值的表达式为:
;
;
整合为:
;
其中,P为插值的点,其坐标为(x,y),f(P)为P点的像素值或分辨率数据,Q11、Q21、Q12、Q22为P点周围已知的点,其坐标分别为(x1,y1)、(x2,y1)、(x1,y2)、(x2,y2),f(Qij)为Qij的像素值或分辨率数据,其中i=1,2;j=1,2。在本实施例中,f(P)得到的数据为校正后的目标图像的清晰度数据。
在本申请的实施例中,以第一时刻作为依据,对分辨率数据进行超分辨归一化校正处理,得到校正后目标图像的清晰度数据;可以理解为:若第一时刻拍摄了一张物体目标图像的分辨率为500*500,在第二时刻情况下的物体驶离到更远的地方,得到目标图像的分辨率为300*300。则需要将第二时刻的分辨率统一到与第一时刻一致,即500*500。
在本申请的一个实施例中,根据第一距离和第一清晰度确定对焦模型的常数数据包括:根据第一距离和第一清晰度采用对焦模型的计算公式计算,确定对焦模型的常数数据;对焦模型的计算公式为:
;
式中,f(x)为图像参数的清晰度,x为图像参数的距离,a为对焦模型的系数,b为对焦模型的指数,c为对焦模型的常数数据。
图3为本申请实施例所述的基于运动目标的液态镜头快速对焦方法中对焦模型的拟合效果示意图。
在本申请实施例中,该基于运动目标的液态镜头快速对焦方法通过摄像设备的清晰度距离退化导数确定对焦模型的计算公式。清晰度距离退化导数为:
;
需要说明的是,该基于运动目标的液态镜头快速对焦方法可以通过拍摄前的实验获得对焦模型的系数a和指数b,实验流程是摄像设备在不同距离下拍摄同一物体的照片,经过目标识别排除背景的影响后,将分辨率统一到最近距离的照片尺寸大小,计算清晰度,将实验获得的清晰度数据和距离数据分组使用Levenberg-Marquardt算法的非线性最小二乘优化算法拟合幂函数,来确定系数a和指数b的值。c为常数项,不能用由拟合获得,原因是不同物体的清晰度绝对值不同,不能使用同一个函数确定所有物体的衰退曲线,但是对于同一物体的衰退曲线是确定的。而不同物体的衰退曲线的系数a和指数b是确定的,则可以使用实验数据拟合获得。模型拟合效果如图3。
实施例二:
图4为本申请实施例所述的基于运动目标的液态镜头快速对焦装置的框架流程图。
如图4所示,本申请实施例提供了一种基于运动目标的液态镜头快速对焦装置,包括数据获取模块10、模型参数确定模块20、校正计算模块30和计算执行模块40;
数据获取模块10,用于获取摄像设备的镜头在第一时刻拍摄图像的图像参数,图像参数包括第一距离和第一清晰度;
模型参数确定模块20,用于获取对焦模型,根据第一距离和第一清晰度确定对焦模型的常数数据;
校正计算模块30,用于获取摄像设备的镜头在第二时刻拍摄目标图像的分辨率数据,对分辨率数据进行校正,得到目标图像的清晰度数据;根据清晰度数据和对焦模型计算,得到目标图像在第二时刻对焦的第二距离;
计算执行模块40,用于获取摄像设备镜头的定焦工作距离,根据第二距离和定焦工作距离或第二距离计算,得到摄像设备在第二距离下的最佳屈光度;根据最佳屈光度对摄像设备进行对焦操作。
在本申请实施例中,计算执行模块40还用于根据第二距离和定焦工作距离或第二距离采用最佳屈光度公式计算,得到摄像设备在第二距离下的最佳屈光度;最佳屈光度公式为:
;
式中,L为目标图像的第二距离,DPT为摄像设备的最佳屈光度,WD为摄像设备镜头的定焦工作距离。
在本申请实施例中,校正计算模块30还用于以第一时刻作为依据,采用双线性插值对分辨率数据进行超分辨归一化校正处理,得到校正后目标图像的清晰度数据。
在本申请实施例中,模型参数确定模块20还用于根据第一距离和第一清晰度采用对焦模型的计算公式计算,确定对焦模型的常数数据;对焦模型的计算公式为:
;
式中,f(x)为图像参数的清晰度,x为图像参数的距离,a为对焦模型的系数,b为对焦模型的指数,c为对焦模型的常数数据。
需要说明的是,实施例二装置中模块对应于实施例一方法中的步骤,该基于运动目标的液态镜头快速对焦方法的内容已在实施例一中详细阐述了,在此实施例二中不再对装置中模块的内容进行详细阐述。
实施例三:
本申请实施例提供了一种终端设备,包括处理器以及存储器;
存储器,用于存储程序代码,并将程序代码传输给处理器;
处理器,用于根据程序代码中的指令执行上述的基于运动目标的液态镜头快速对焦方法。
需要说明的是,处理器用于根据所程序代码中的指令执行上述的一种基于运动目标的液态镜头快速对焦方法实施例中的步骤。或者,处理器执行计算机程序时实现上述各系统/装置实施例中各模块/单元的功能。
示例性的,计算机程序可以被分割成一个或多个模块/单元,一个或者多个模块/单元被存储在存储器中,并由处理器执行,以完成本申请。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序在终端设备中的执行过程。
终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。终端设备可包括,但不仅限于,处理器、存储器。本领域技术人员可以理解,并不构成对终端设备的限定,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,例如终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列 (Field-Programmable Gate Array,FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器可以是终端设备的内部存储单元,例如终端设备的硬盘或内存。存储器也可以是终端设备的外部存储设备,例如终端设备上配备的插接式硬盘,智能存储卡(SmartMedia Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,存储器还可以既包括终端设备的内部存储单元也包括外部存储设备。存储器用于存储计算机程序以及终端设备所需的其他程序和数据。存储器还可以用于暂时的存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其他的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其他的形式。
所述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单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (7)
1.一种基于运动目标的液态镜头快速对焦方法,其特征在于,包括以下步骤:
获取摄像设备的镜头在第一时刻拍摄图像的图像参数,所述图像参数包括第一距离和第一清晰度;
获取对焦模型,根据所述第一距离和所述第一清晰度确定所述对焦模型的常数数据;
获取摄像设备的镜头在第二时刻拍摄目标图像的分辨率数据,对所述分辨率数据进行校正,得到目标图像的清晰度数据;根据所述清晰度数据和所述对焦模型计算,得到目标图像在第二时刻对焦的第二距离;
获取摄像设备镜头的定焦工作距离,根据所述第二距离和所述定焦工作距离或所述第二距离计算,得到摄像设备在所述第二距离下的最佳屈光度;根据所述最佳屈光度对摄像设备进行对焦操作;
获取对焦模型,根据所述第一距离和所述第一清晰度确定所述对焦模型的常数数据包括:通过摄像设备的清晰度距离退化导数确定对焦模型的计算公式;根据所述第一距离和所述第一清晰度采用对焦模型的计算公式计算,确定所述对焦模型的常数数据;所述清晰度距离退化导数为:;所述对焦模型的计算公式为:
;
式中,f(x)为图像参数的清晰度,x为图像参数的距离,a为对焦模型的系数,b为对焦模型的指数,c为对焦模型的常数数据;
其中,所述第一距离为摄像设备的镜头与被拍摄的物体之间的距离;所述分辨率数据为与第一时刻姿态不同的运动物体在第二时刻拍摄图像的数据;对所述分辨率数据进行校正,得到目标图像的清晰度数据包括:以第一时刻作为依据,对所述分辨率数据进行超分辨归一化校正处理,得到校正后目标图像的清晰度数据。
2.根据权利要求1所述的基于运动目标的液态镜头快速对焦方法,其特征在于,根据所述第二距离和所述定焦工作距离或所述第二距离计算,得到摄像设备在所述第二距离下的最佳屈光度包括:根据所述第二距离和所述定焦工作距离或所述第二距离采用最佳屈光度公式计算,得到摄像设备在所述第二距离下的最佳屈光度;所述最佳屈光度公式为:
;
式中,L为目标图像的第二距离,DPT为摄像设备的最佳屈光度,WD为摄像设备镜头的定焦工作距离。
3.根据权利要求1所述的基于运动目标的液态镜头快速对焦方法,其特征在于,对所述分辨率数据进行校正,得到目标图像的清晰度数据包括:以第一时刻作为依据,采用双线性插值对所述分辨率数据进行超分辨归一化校正处理,得到校正后目标图像的清晰度数据。
4.一种基于运动目标的液态镜头快速对焦装置,其特征在于,包括数据获取模块、模型参数确定模块、校正计算模块和计算执行模块;
所述数据获取模块,用于获取摄像设备的镜头在第一时刻拍摄图像的图像参数,所述图像参数包括第一距离和第一清晰度;
所述模型参数确定模块,用于获取对焦模型,根据所述第一距离和所述第一清晰度确定所述对焦模型的常数数据;
所述校正计算模块,用于获取摄像设备的镜头在第二时刻拍摄目标图像的分辨率数据,对所述分辨率数据进行校正,得到目标图像的清晰度数据;根据所述清晰度数据和所述对焦模型计算,得到目标图像在第二时刻对焦的第二距离;
所述计算执行模块,用于获取摄像设备镜头的定焦工作距离,根据所述第二距离和所述定焦工作距离或所述第二距离计算,得到摄像设备在所述第二距离下的最佳屈光度;根据所述最佳屈光度对摄像设备进行对焦操作;
所述模型参数确定模块还用于通过摄像设备的清晰度距离退化导数确定对焦模型的计算公式;根据所述第一距离和所述第一清晰度采用对焦模型的计算公式计算,确定所述对焦模型的常数数据;清晰度距离退化导数为:;所述对焦模型的计算公式为:
;
式中,f(x)为图像参数的清晰度,x为图像参数的距离,a为对焦模型的系数,b为对焦模型的指数,c为对焦模型的常数数据;
其中,所述第一距离为摄像设备的镜头与被拍摄的物体之间的距离;所述分辨率数据为与第一时刻姿态不同的运动物体在第二时刻拍摄图像的数据;对所述分辨率数据进行校正,得到目标图像的清晰度数据包括:以第一时刻作为依据,对所述分辨率数据进行超分辨归一化校正处理,得到校正后目标图像的清晰度数据。
5.根据权利要求4所述的基于运动目标的液态镜头快速对焦装置,其特征在于,所述计算执行模块还用于根据所述第二距离和所述定焦工作距离或所述第二距离采用最佳屈光度公式计算,得到摄像设备在所述第二距离下的最佳屈光度;所述最佳屈光度公式为:
;
式中,L为目标图像的第二距离,DPT为摄像设备的最佳屈光度,WD为摄像设备镜头的定焦工作距离。
6.根据权利要求4所述的基于运动目标的液态镜头快速对焦装置,其特征在于,所述校正计算模块还用于以第一时刻作为依据,采用双线性插值对所述分辨率数据进行超分辨归一化校正处理,得到校正后目标图像的清晰度数据。
7.一种终端设备,其特征在于,包括处理器以及存储器;
所述存储器,用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器,用于根据所述程序代码中的指令执行如权利要求1-3任意一项所述的基于运动目标的液态镜头快速对焦方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310945794.8A CN116684721B (zh) | 2023-07-31 | 2023-07-31 | 一种基于运动目标的液态镜头快速对焦方法、装置和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310945794.8A CN116684721B (zh) | 2023-07-31 | 2023-07-31 | 一种基于运动目标的液态镜头快速对焦方法、装置和设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116684721A CN116684721A (zh) | 2023-09-01 |
CN116684721B true CN116684721B (zh) | 2023-11-03 |
Family
ID=87791225
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310945794.8A Active CN116684721B (zh) | 2023-07-31 | 2023-07-31 | 一种基于运动目标的液态镜头快速对焦方法、装置和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116684721B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116389902A (zh) * | 2023-05-11 | 2023-07-04 | 广东工业大学 | 一种液态镜头快速对焦方法及系统 |
CN116439652A (zh) * | 2023-04-23 | 2023-07-18 | 凌云光技术股份有限公司 | 一种屈光度检测方法、装置、上位机及系统 |
-
2023
- 2023-07-31 CN CN202310945794.8A patent/CN116684721B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116439652A (zh) * | 2023-04-23 | 2023-07-18 | 凌云光技术股份有限公司 | 一种屈光度检测方法、装置、上位机及系统 |
CN116389902A (zh) * | 2023-05-11 | 2023-07-04 | 广东工业大学 | 一种液态镜头快速对焦方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116684721A (zh) | 2023-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10997696B2 (en) | Image processing method, apparatus and device | |
US10455141B2 (en) | Auto-focus method and apparatus and electronic device | |
US9998650B2 (en) | Image processing apparatus and image pickup apparatus for adding blur in an image according to depth map | |
Jeon et al. | Accurate depth map estimation from a lenslet light field camera | |
CN110689581B (zh) | 结构光模组标定方法、电子设备、计算机可读存储介质 | |
WO2020259474A1 (zh) | 追焦方法、装置、终端设备、计算机可读存储介质 | |
CN111028205B (zh) | 一种基于双目测距的眼睛瞳孔定位方法及装置 | |
CN111932636B (zh) | 双目摄像头的标定及图像矫正方法、装置、存储介质、终端、智能设备 | |
CN109559353B (zh) | 摄像模组标定方法、装置、电子设备及计算机可读存储介质 | |
WO2019232793A1 (zh) | 双摄像头标定方法、电子设备、计算机可读存储介质 | |
CN110213491B (zh) | 一种对焦方法、装置及存储介质 | |
CN113538545B (zh) | 一种基于电液可调焦镜头的单目深度估计方法及相应的相机和存储介质 | |
CN111105370B (zh) | 图像处理方法、图像处理装置、电子设备和可读存储介质 | |
CN116389902B (zh) | 一种液态镜头快速对焦方法及系统 | |
CN117061868A (zh) | 一种基于图像识别的自动拍照装置 | |
CN116684721B (zh) | 一种基于运动目标的液态镜头快速对焦方法、装置和设备 | |
CN111292380B (zh) | 图像处理方法及装置 | |
CN117058183A (zh) | 一种基于双摄像头的图像处理方法、装置、电子设备及存储介质 | |
CN116843740A (zh) | 一种无偏振片液晶透镜深度估计方法 | |
CN115661258A (zh) | 标定方法及装置、畸变校正方法及装置、存储介质、终端 | |
CN112634298B (zh) | 图像处理方法及装置、存储介质、终端 | |
CN114283236A (zh) | 一种用智能手机进行口腔扫描的方法、装置和存储介质 | |
CN114845043B (zh) | 自动对焦方法、系统、电子设备和计算机可读存储介质 | |
CN116580105A (zh) | 基于平面镜的光源定位方法、装置、设备和可读存储介质 | |
CN114299244A (zh) | 一种基于智能手机的口腔三维重建方法、系统和存储介质 |
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 |