CN112969027B - 电动镜头的聚焦方法和装置、存储介质及电子设备 - Google Patents
电动镜头的聚焦方法和装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN112969027B CN112969027B CN202110362434.6A CN202110362434A CN112969027B CN 112969027 B CN112969027 B CN 112969027B CN 202110362434 A CN202110362434 A CN 202110362434A CN 112969027 B CN112969027 B CN 112969027B
- Authority
- CN
- China
- Prior art keywords
- sub
- scene
- image
- weight
- variation
- 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
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
- H04N23/67—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
- H04N23/66—Remote control of cameras or camera parts, e.g. by remote control devices
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/95—Computational photography systems, e.g. light-field imaging systems
- H04N23/958—Computational photography systems, e.g. light-field imaging systems for extended depth of field imaging
- H04N23/959—Computational photography systems, e.g. light-field imaging systems for extended depth of field imaging by adjusting depth of field during image capture, e.g. maximising or setting range based on scene characteristics
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Computing Systems (AREA)
- Theoretical Computer Science (AREA)
- Studio Devices (AREA)
- Focusing (AREA)
- Automatic Focus Adjustment (AREA)
Abstract
本发明公开了一种电动镜头的聚焦方法和装置、存储介质及电子设备。其中,该方法包括:在收到触发聚焦的操作指令的情况下,获取当前采集到的目标图像中包含的子图像各自对应的场景参数;根据子图像各自对应的场景参数,确定目标图像的场景类型,并生成与目标图像匹配的参考权重矩阵;在目标图像的场景类型指示为预设场景的情况下,按照为各个子图像分配的使能权重执行第一聚焦操作;在执行第一聚焦操作的过程中,统计各个子图像对应的场景参数的变化量;在场景参数的变化量达到调整条件的情况下,根据场景参数的变化量调整使能权重,得到目标权重;按照各个子图像的目标权重执行第二聚焦操作。本发明解决了聚焦效率低的技术问题。
Description
技术领域
本发明涉及图像处理领域,具体而言,涉及一种电动镜头的聚焦方法和装置、存储介质及电子设备。
背景技术
当前,自动聚焦技术广泛应用于各类摄像设备中。对于电动镜头,自动聚焦常常是通过预先设定记录点,从记录点开始调整聚焦镜片进行清晰点的搜索,通过对图像搜索过程中滤波器输出的高频分量的变化趋势找到聚焦点。
但在不同的场景中,可能会出现图像整体的高频分量变化趋势很小,需要多次确认清晰点,聚焦速度慢,还会聚焦失败,从而需要重复多次进行聚焦操作,导致聚焦效率低。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种电动镜头的聚焦方法和装置、存储介质及电子设备,以至少解决聚焦效率低的技术问题。
根据本发明实施例的一个方面,提供了一种电动镜头的聚焦方法,包括:在收到触发聚焦的操作指令的情况下,获取当前采集到的目标图像中包含的子图像各自对应的场景参数;根据上述子图像各自对应的上述场景参数,确定上述目标图像的场景类型,并生成与上述目标图像匹配的参考权重矩阵;在上述目标图像的场景类型指示为预设场景的情况下,按照为各个上述子图像分配的使能权重执行第一聚焦操作;在执行上述第一聚焦操作的过程中,统计各个上述子图像对应的上述场景参数的变化量;在上述场景参数的变化量达到调整条件的情况下,根据上述场景参数的变化量调整上述使能权重,得到目标权重;按照各个上述子图像的上述目标权重执行第二聚焦操作。
根据本发明实施例的另一方面,还提供了一种电动镜头的聚焦装置,包括:获取模块,用于在收到触发聚焦的操作指令的情况下,获取当前采集到的目标图像中包含的子图像各自对应的场景参数;确定模块,用于根据上述子图像各自对应的上述场景参数,确定上述目标图像的场景类型,并生成与上述目标图像匹配的参考权重矩阵;第一执行模块,用于在上述目标图像的场景类型指示为预设场景的情况下,按照为各个上述子图像分配的使能权重执行第一聚焦操作;统计模块,用于在执行上述第一聚焦操作的过程中,统计各个上述子图像对应的上述场景参数的变化量;调整模块,用于在上述场景参数的变化量达到调整条件的情况下,根据上述场景参数的变化量调整上述使能权重,得到目标权重;第二执行模块,用于按照各个上述子图像的上述目标权重执行第二聚焦操作。
根据本发明实施例的又一方面,还提供了一种计算机可读的存储介质,该计算机可读的存储介质中存储有计算机程序,其中,该计算机程序被设置为运行时执行上述电动镜头的聚焦方法。
根据本发明实施例的又一方面,还提供了一种电子设备,包括存储器和处理器,上述存储器中存储有计算机程序,上述处理器被设置为通过所述计算机程序执行上述的电动镜头的聚焦方法。
在本发明实施例中,采用获取目标图像中子图像对应的场景参数确定目标图像的场景类型,在场景类型判断为预设场景的情况下,在第一聚焦操作的过程中,统计场景参数的变化量,从而根据场景参数的变化量调整子图像对应的使能权重,从而得到目标权重,按照子图像的目标权重执行第二聚焦操作的方式,通过根据场景参数判断场景类型,并根据场景类型分配子图像的使能权重,根据第一聚焦操作过程中统计的场景参数的变化量,对子图像的使能权重进行调整,以得到用于第二聚焦操作的目标权重,达到了根据场景类型的判断和第一聚焦过程中参数的统计调整子图像的使能权重,将子图像的使能权重调整至与场景类型和聚焦操作更适合的目标权重从而执行第二聚焦操作的目的,从而实现了根据场景类型调整子图像的权重以调整聚焦重点从而提高聚焦效率的技术效果,进而解决了聚焦效率低的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的一种可选的电动镜头的聚焦方法的应用环境示意图;
图2是根据本发明实施例的一种可选的电动镜头的聚焦方法的流程示意图;
图3是根据本发明实施例的一种可选的电动镜头的聚焦方法的目标图像示意图;
图4是根据本发明实施例的一种可选的电动镜头的聚焦方法的流程示意图;
图5是根据本发明实施例的一种可选的电动镜头的聚焦方法的流程示意图;
图6是根据本发明实施例的一种可选的电动镜头的聚焦方法的流程示意图;
图7是根据本发明实施例的一种可选的电动镜头的聚焦方法的流程示意图;
图8是根据本发明实施例的一种可选的电动镜头的聚焦方法的流程示意图;
图9是根据本发明实施例的一种可选的电动镜头的聚焦装置的结构示意图;
图10是根据本发明实施例的一种可选的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,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他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本发明实施例的一个方面,提供了一种电动镜头的聚焦方法,可选地,上述电动镜头的聚焦方法可以但不限于应用于如图1所示的环境中。终端设备102通过网络110与服务器112进行数据交互。终端设备102用是具备电动镜头、需要执行聚焦的设备。服务器112是与终端设备102对应的服务器。终端设备102在收到触发聚焦的操作指令的情况下,获取当前采集到的目标图像,并通过网络110将目标图像上传至服务器112。服务器112将目标图像存储在数据库114中,并通过处理引擎116依次执行S102至S110。处理引擎116根据目标图像获取目标图像中包含的子图像以及子图像各自对应的场景参数。通过根据子图像各自对应的场景参数,确定目标图像的场景类型,并生成与目标图像匹配的参考权重矩阵。在确定目标图像的场景类型指示为预设场景的情况下,为各个子图像分配使能权重,并将使能权重发送给终端设备102。在终端设备102执行第一聚焦操作的过程中,服务器112统计各个子图像对应的场景参数的变化量。在场景参数的变化量达到调整条件的情况下,根据场景参数的变化量调整使能权重,得到目标权重。并将目标权重发送给终端设备102,以使终端设备102按照各个子图像的目标权重执行第二聚焦操作。
可选地,在本实施例中,上述终端设备102是配置有电动镜头的终端设备,可以包括但不限于以下至少之一:手机(如Android手机、IOS手机等)、笔记本电脑、平板电脑、掌上电脑、台式电脑、电子相机、摄像设备、监控设备等。上述网络110可以包括但不限于:有线网络,无线网络,其中,该有线网络包括:局域网、城域网和广域网,该无线网络包括:蓝牙、WIFI及其他实现无线通信的网络。上述服务器112可以是单一服务器,也可以是由多个服务器组成的服务器集群,或者是云服务器。上述仅是一种示例,本实施例中对此不作任何限定。
作为一种可选的实施方式,如图2所示,上述电动镜头的聚焦方法包括:
S202,在收到触发聚焦的操作指令的情况下,获取当前采集到的目标图像中包含的子图像各自对应的场景参数;
S204,根据子图像各自对应的场景参数,确定目标图像的场景类型,并生成与目标图像匹配的参考权重矩阵;
S206,在目标图像的场景类型指示为预设场景的情况下,按照为各个子图像分配的使能权重执行第一聚焦操作;
S208,在执行第一聚焦操作的过程中,统计各个子图像对应的场景参数的变化量;
S210,在场景参数的变化量达到调整条件的情况下,根据场景参数的变化量调整使能权重,得到目标权重;
S212,按照各个子图像的目标权重执行第二聚焦操作。
可选地,触发聚焦的操作指令可以但不限于是对电动镜头执行聚焦操作。触发方式可以但不限于是接触触发、远程触发。接触触发可以但不限于是触屏触发、按键触发。远程触发可以但不限于是通过远程控制终端触发。
可选地,当前采集的目标图像可以但不限于是电动镜头捕捉的图像,电动镜头内收集的图像。目标图像是进行聚焦操作的基础图像,是针对目标图像执行聚焦操作,以在目标图像中找到焦点。
可选地,子图像是对目标图像进行分割得到的多个图像块。子图像的分割可以但不限于是按照目标图像的尺寸进行均匀分割,每个子图像的图像尺寸可以但不限于相同。
可选地,子图像的场景参数可以但不限于是子图像的算子值。算子值的计算方式可以但不限于是Sobel算子,Roberts算子,Prewitt算子,Canny算子。
Sobel算子,又称索贝尔算子,是一种离散型差分算子,用来运算图像亮度函数的梯度近似值,是通过每个像素的四领域的灰度值加权差,在边缘处达到极值从而实现边缘检测的算法。
Roberts算子,又称罗伯茨算子,是利用对角线发送相邻的两个像素之差近似梯度幅值,从而利用局部差分进行边缘检测的算法。
Prewitt算子,是一种一阶微分边缘检测算法,利用像素点的邻点灰度差,在图像空间利用两个方向模板与图像进行邻域卷积实现算法。
Canny算子,是一种多级边缘检测算法,通过使用变分法,寻找满足要求的函数从而实现算法。
可选地,子图像对应的场景参数的获取可以但不限于通过计算芯片实现。目标图像、子图像以及场景参数可以但不限于如图3所示。整个图像是目标图像,目标图像被均分为15*17个子图像,每个子图像的算子值变化曲线标注在子图像区域内。
可选地,场景类型可以但不限于用于指示目标图像中所包含的图像元素构成的场景的类型。场景类型可以但不限于是少细节场景,无细节场景,多细节场景。少细节场景用于指示图像中只在少部分区域中包含图像元素,例如,一片田野中的一个草屋。相对于大面积的田野构成的图像,草屋元素所占有的区域较少且集中。以图3为例,是雨雾天气下,包含交通指示牌的图像,其中,图像右下角颜色较深的即为交通指示牌302,基于交通指示牌在图像中分布较集中,且图像中除此以外大多为背景,即雨雾天气,因此图3所示的场景为少细节场景。
可选地,多细节场景用于指示图像中分布有很多图像元素,例如,布满星星的夜空。星星在夜空的每个区域中均有分布,所占有区域较多,也较为分散。无细节场景用于指示图像中包含图像元素,例如,没有云彩和鸟儿的纯净天空。由于多细节场景和无细节场景从图像整体上来看,图像元素分布较为分散,可以统称为一般场景。预设场景可以但不限于是少细节场景。
可选地,参考权重矩阵可以但不限于用于指示在聚焦操作过程中,对于目标图像中的子图像的关注指数对应的权重矩阵。参考权重矩阵是数据量是与子图像数量一致的矩阵。根据参考权重矩阵对目标图像执行聚焦,可以依照参考权重矩阵中权重值对应的子图像进行关注度分布,从而更快地在目标图像中寻找到焦点。
可选地,使能权重可以但不限于是在预设场景的情况下,为子图像在参考权重矩阵中对应的权重值进行重新赋值的权重值。目标权重可以但不限于是对使能权重进行数值调整,得到的调整后的权重值。
可选地,聚焦操作可以但不限于分为粗调和细调。粗调可以但不限于分为首向粗调(粗调第一阶段)过程和反向粗调(粗调第二阶段)过程。聚焦操作的执行顺序通常是首向粗调、反向粗调、细调。第一聚焦操作可以但不限于是首向粗调,即粗调第一阶段,第二聚焦操作可以但不限于是反向粗调和细调。
可选地,场景参数的变化量可以但不限于是能够便是场景参数变化量的参数,如极差,方差,信息熵。
在本申请实施例中,采用获取目标图像中子图像对应的场景参数确定目标图像的场景类型,在场景类型判断为预设场景的情况下,在第一聚焦操作的过程中,统计场景参数的变化量,从而根据场景参数的变化量调整子图像对应的使能权重,从而得到目标权重,按照子图像的目标权重执行第二聚焦操作的方式,通过根据场景参数判断场景类型,并根据场景类型分配子图像的使能权重,根据第一聚焦操作过程中统计的场景参数的变化量,对子图像的使能权重进行调整,以得到用于第二聚焦操作的目标权重,达到了根据场景类型的判断和第一聚焦过程中参数的统计调整子图像的使能权重,将子图像的使能权重调整至与场景类型和聚焦操作更适合的目标权重从而执行第二聚焦操作的目的,从而实现了根据场景类型调整子图像的权重以调整聚焦重点从而提高聚焦效率的技术效果,进而解决了聚焦效率低的技术问题。
作为一种可选的实施方式,如图4所示,上述根据子图像各自对应的场景参数,确定目标图像的场景类型包括:
S402,根据子图像的场景参数计算目标图像的全局参数和平均参数;
S404,在子图像对应的场景参数小于平均参数且场景参数小于第一阈值的情况下,确定场景参数对应的子图像为非候选子图像;
S406,在子图像对应的场景参数大于或等于平均参数,或场景参数大于或等于第一阈值的情况下,确定子图像为候选子图像;
S408,根据目标图像的全局参数和候选子图像的数量确定目标图像的场景类型。
其中,非候选子图像为并未携带有图像细节信息的子图像,候选子图像为携带有图像细节信息的子图像。
可选地,全局参数可以但不限于是目标图像包含的全部子图像的场景参数的总和。平均参数可以但不限于是目标图像包含的全部子图像的场景参数的平均数。目标图像中第i行第j列的子图像对应的场景参数可以表示为Fvij,目标图像的全局参数可以表示为为Fvtotal,平均参数可以表示为
可选地,用δ1表示第一阈值,则在且Fvij<δ1的情况下,确定第i行第j列的子图像中不包含有图像细节信息,是无细节子图像,则判定子图像为非候选子图像。在或者Fvij≥δ1的情况下,确定第i行第j列的子图像中包含有图像细节信息,是细节子图像,则判定子图像为候选子图像。
在本申请实施例中,根据目标图像的平均参数和第一阈值对子图像的场景参数进行分类判定,从而确定子图像中是否包含图像细节信息,根据包含图像细节信息的子图像对目标图像的场景类型进行判断,减少无细节信息子图像对于场景类型判断的干扰。
作为一种可选的实施方式,上述根据目标图像的全局参数和候选子图像的数量确定目标图像的场景类型包括:
在候选子图像对应的场景参数大于第一系数和平均参数的乘积的情况下,将候选子图像确定为目标候选子图像,其中,目标候选子图像为携带有目标图像细节信息的子图像;
在全局参数小于第二阈值且目标候选子图像的数量小于第三阈值的情况下,确定目标图像的场景类型为预设场景。
可选地,目标候选子图像是对候选子图像进行进一步筛选得到的包含有目标图像细节信息的子图像。目标图像细节信息可以但不限于是少细节图像信息,目标候选子图像可以但不限于是少细节子图像。
可选地,统计目标图像中目标候选子图像的数量,可以但不限于用S表示目标候选子图像的数量。
可选地,可以用δ2表示第二阈值,其是预设阈值,数值在此不做限定。可以用δ3表示第三阈值,第三阈值可以但不限于是小于1的数值。进一步,第三阈值的取值小于0.3。在Fvtotal<δ2且S<δ3的情况下,确定目标图像的场景类型为预设场景,即目标图像为少细节场景。
在本申请实施例中,从候选子图像中确定出目标候选子图像,并根据目标候选子图像和全局参数对目标图像的场景类型进行判断,从而在执行聚焦操作之前,对目标图像的场景类型进行判断,从而能够根据不同的场景类型执行不同的聚焦操作方式,实现了基于场景类型执行聚焦操作,从而提高聚焦效率。
作为一种可选的实施方式,如图5所示,上述生成与目标图像匹配的参考权重矩阵包括:
S502,在子图像为候选子图像的情况下,将第一权重值作为子图像对应的权重值;
S504,在子图像为非候选子图像的情况下,将第二权重值作为子图像对应的权重值;
S506,利用第一权重值和第二权重值生成目标图像的参考权重矩阵。
可选地,第一权重值大于第二权重值。第一权重值可以但不限于是非0正整数,第二权重值可以但不限于是0。对于不包含图像细节信息的子图像可以将其对应的参考权重设定为0,从而减少无细节子图像对于聚焦操作的影响。
可选地,将第一权重值和第二权重值按照对应的子图像在目标图像中的位置填入矩阵中,以生成参考权重矩阵。
在本申请实施例中,参考权重矩阵是按照目标图像的初始场景参数生成的,代表了对子图像进行初始分类和对目标图像的场景类型进行初次判断。
作为一种可选的实施方式,在目标图像的场景类型指示为一般场景的情况下,按照参考权重矩阵执行第一聚焦操作和第二聚焦操作。
可选地,在根据目标候选子图像的数量和全局参数对目标图像的场景类型进行判断,且目标图像的场景类型被判断为一般场景的情况下,按照参考权重矩阵执行第一聚焦操作和第二聚焦操作。
可选地,在Fvtotal≥δ2或S≥δ3的情况下,确定目标图像的场景类型为一般场景。
可选地,按照参考权重矩阵执行第一聚焦操作和第二聚焦操作可以但不限于是将参考权重矩阵中与各个子图像对应的权重值作为参考权重,执行第一聚焦操作和第二聚焦操作。
在本申请实施例中,在一般场景下,按照参考权重矩阵执行聚焦的成功率较高,因此在判断为一般场景的情况下,直接按照参考权重矩阵执行第一聚焦操作和第二聚焦操作,以实现在一般场景下,进一步提高聚焦操作的执行效率。
作为一种可选的实施方式,上述按照为各个子图像分配的使能权重执行第一聚焦操作包括:
将第三权重值分配给各个子图像,作为子图像的使能权重;
按照使能权重执行第一聚焦操作。
可选地,在目标图像的场景类型为预设场景的情况下,利用第三权重值重新为参考权重矩阵中各个子图像对应的参考权重值进行赋值,为清楚区分,重新赋值后为使能权重。第三权重值可以但不限于是非零数值,第三权重值可以但不限于是与第一权重值相等的数值,与第一权重值不相等的数值。
需要说明是的是,第三权重值与第一权重值、第二权重值没有关联关系。
在本申请实施例中,在对目标图像的场景类型初次判断为预设场景的情况下,将子图像的参考权重值均统一为使能权重,从而通过在第一聚焦操作过程中的数据统计进行再次的判断,以消除初始判断的影响,提高对于场景判断的准确性。
作为一种可选的实施方式,如图6所示,上述在执行第一聚焦操作的过程中,统计各个子图像对应的场景参数的变化量包括:
S602,获取各个子图像在第一聚焦操作过程中对应的场景参数的最大值和场景参数的最小值;
S604,计算场景参数的最大值和场景参数的最小值的差值作为场景参数的变化量;
S606,统计各个子图像的场景参数的变化量。
可选地,场景参数的最大值与场景参数的最小值的差值为场景参数的极差值,将场景参数的极差值作为场景参数的变化量。
在本申请实施例中,利用场景参数的极差值作为场景参数的变化量,能够更好的体现场景参数在第一聚焦操作过程中的变化情况下,从而根据场景参数的变化量确定子图像对应的变化情况下,从而利于更快的确定子图像的目标权重。
作为一种可选地实施方式,在调整参数的变化量未能达到调整条件的情况下,将目标图像的场景类型调整为一般场景。
可选地,统计各个子图像的场景参数的变化量之后,还包括:计算目标图像的全局变化量,根据全局变化量确定是否达到调整条件。
可选地,全局变化量可以但不限于是目标图像在第一聚焦过程中全局参数的变化量,全局参数的变化量可以但不限于是根据全局参数的极差,方差,信息熵。
可选地,以全局变化量采用全局参数的极差值为例,在第一聚焦过程中,根据各个子图像的场景参数计算目标图像的全局参数。获取全局参数在第一聚焦过程中的最大值和最小值。
可选地,计算全局参数的最小值与最大值的比值作为调整参数。在调整参数大于调整阈值的情况下,确定目标图像的场景类型与预设场景匹配,从而确定达到调整条件。
可选地,在调整参数大于等于调整阈值的情况下,确定目标图像的场景类型与预设场景不匹配,即目标图像的场景类型应该是一般场景,从而确定未达到调整条件。
可选地,在场景参数的变化量未能达到调整条件的情况下,将目标图像的场景类型调整为一般场景之后,按照参考权重矩阵执行第二聚焦操作。
可选地,按照参考权重矩阵执行第二聚焦操作可以但不限于是将参考权重矩阵中与各个子图像对应的权重数值作为子图像的目标权重,从而执行第二聚焦操作。
在本申请实施例中,在统计场景参数的变化量之后,通过计算目标图像的全局参数的变化量对调整条件进行判断,从而根据在第一聚焦操作过程中参数的变化,对于场景类型进行再次判断,在参数变化与场景类型匹配的情况下,确定达到调整条件,从而再根据场景参数的变化量对使能权重进行调整。在参数变化与场景类型不匹配的情况下,确定场景类型的判断应该调整,目标图像可以按照一般场景进行处理,从而按照参考权重矩阵执行第二聚焦操作。通过第一聚焦操作过程中参数的变化,对场景类型进行二次判断,增加场景判断的准确性,从而根据与场景类型匹配的目标权重执行第二聚焦操作,提高聚焦效率。
作为一种可选的实施方式,如图7所示,上述根据场景参数的变化量调整使能权重,得到目标权重包括:
S702,获取各个子图像在第一聚焦操作过程中对应的场景参数的变化量;
S704,计算全部子图像的场景参数的变化量的平均变化量;
S706,根据场景参数的变化量与平均变化量的比较结果,调整子图像对应的使能权重以得到目标权重。
可选地,全部子图像的场景参数的变化量的平均变化量是在全部子图像的场景参数的变化量总和的基础上除以子图像数量得到的。
可选地,比较场景参数的变化量与平均变化量可以但不限于是将场景参数的变化量与平均变化量相关的阈值进行比较。与平均变化量相关的阈值可以但不限于是平均变化量本身得到的阈值,为平均变化量赋予系数得到的阈值。
可选地,根据比较结果调整子图像对应的使能权重可以但不限于是依照平均变化量相关的阈值划定的区间为对应的子图像的使能权重进行重新赋值,作为目标权重。
在本申请实施例中,通过场景参数在第一聚焦操作过程中的变化量对子图像的使能权重进行调整,从而实现了根据第一聚焦操作过程中场景参数确定子图像的使能权重,从根据调整得到的目标权重执行第二聚焦操作。
作为一种可选的实施方式,上述根据场景参数的变化量与平均变化量的比较结果,调整子图像对应的使能权重以得到目标权重包括:
在场景参数的变化量大于第二系数与平均变化量的乘积的情况下,将第一目标权重值作为对应的子图像的目标权重;
在场景参数的变化量小于第三系数与平均变化量的乘积的情况下,将第三目标权重值作为对应的子图像的目标权重;
在场景参数的变化量介于第三系数与平均变化量的乘积与第二系数与平均变化量的乘积之间的情况下,将第二目标权重值作为对应的子图像的目标权重,其中,第二系数大于第三系数。
可选地,第二系数与第三系数均是为平均变化量赋予的用于实现根据平均变化量确定阈值的数值。
可选地,目标权重值的数值ω1>ω2>ω3,系数的数值α2>α3>1。
在本申请实施例中,场景参数的变化量在第一聚焦操作过程中越大,目标权重对应的数值也就越大,从而使得对应的子图像在第二聚焦操作过程中使用的目标权重大于其他子图像,确定较为重点的子图像,从而提高聚焦的效率,更快的找到焦点。
可选地,电动镜头的聚焦方法的执行可以如图8所示。在获取到电动镜头捕捉的目标图像的情况下,执行S802,确定目标图像的场景类型并生成参考权重矩阵。根据目标图像划分的各个子图像的场景参数确定目标图像的场景类型,生成与各个子图像参考权重对应的参考权重矩阵。在确定目标图像的场景类型的情况下,执行S804,判断是否为少细节场景。在判断为是,即目标图像为少细节场景类型的情况下,执行S806,为子图像分配使能权重,执行第一聚焦操作。在目标图像为少细节场景类型的情况下。为各个子图像分配使能权重,并对目标图像执行第一聚焦操作。在S804判断为否,即目标图像不是少细节场景类型,而是一般场景类型的情况下,执行S814,根据参考权重矩阵确定各个子图像的目标权重。即将参考权重矩阵中与各个子图像对应的参考权重值作为各个子图像的目标权重。
在第一聚焦操作过程中,统计各个子图像的场景参数的变化量,获取目标图像的全局参数变化量。根据全局参数变化量进行调整条件的判断。执行S808,判断是否满足调整条件。在判断为是,即目标图像的全局参数变化量满足调整条件的情况下,执行S810,调整使能权重,得到各个子图像的目标权重。根据各个子图像的场景参数的变化量对使能权重进行调整,以得到各个子图像的目标权重。在判断为否,即目标图像的全局参数变化量不满足调整条件的情况下,确定目标图像的场景类型判断有误,场景类型为一般类型,则执行S814,根据参考权重矩阵确定各个子图像的目标权重。
在确定了各个子图像的目标权重的情况下,执行S812,按照目标权重执行第二聚焦操作。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本发明所必须的。
根据本发明实施例的另一个方面,还提供了一种用于实施上述电动镜头的聚焦方法的电动镜头的聚焦装置。如图9所示,该装置包括:
获取模块902,用于在收到触发聚焦的操作指令的情况下,获取当前采集到的目标图像中包含的子图像各自对应的场景参数;
确定模块904,用于根据子图像各自对应的场景参数,确定目标图像的场景类型,并生成与目标图像匹配的参考权重矩阵;
第一执行模块906,用于在目标图像的场景类型指示为预设场景的情况下,按照为各个子图像分配的使能权重执行第一聚焦操作;
统计模块908,用于在执行第一聚焦操作的过程中,统计各个子图像对应的场景参数的变化量;
调整模块910,用于在场景参数的变化量达到调整条件的情况下,根据场景参数的变化量调整使能权重,得到目标权重;
第二执行模块912,用于按照各个子图像的目标权重执行第二聚焦操作。
可选地,上述确定模块904包括:
计算单元,用于根据子图像的场景参数计算目标图像的全局参数和平均参数;
第一确定单元,用于在子图像对应的场景参数小于平均参数且场景参数小于第一阈值的情况下,确定场景参数对应的子图像为非候选子图像,其中,非候选子图像为并未携带有图像细节信息的子图像;
第二确定单元,用于在子图像对应的场景参数大于或等于平均参数,或场景参数大于或等于第一阈值的情况下,确定子图像为候选子图像,其中,候选子图像为携带有图像细节信息的子图像;
场景单元,用于根据目标图像的全局参数和候选子图像的数量确定目标图像的场景类型。
上述场景单元包括:
第三确定单元,用于在候选子图像对应的场景参数大于第一系数和平均参数的乘积的情况下,将候选子图像确定为目标候选子图像,其中,目标候选子图像为携带有目标图像细节信息的子图像;
预设单元,用于在全局参数小于第二阈值且目标候选子图像的数量小于第三阈值的情况下,确定目标图像的场景类型为预设场景。
可选地,上述确定模块904包括:
第一赋值单元,用于在子图像为候选子图像的情况下,将第一权重值作为子图像对应的权重值;
第二赋值单元,用于在子图像为非候选子图像的情况下,将第二权重值作为子图像对应的权重值;
生成单元,用于利用第一权重值和第二权重值生成目标图像的参考权重矩阵。
上述第一执行模块906包括:
第三赋值单元,用于将第三权重值分配给各个子图像,作为子图像的使能权重;
第一执行单元,用于按照使能权重执行第一聚焦操作。
上述统计模块908包括:
第一获取单元,用于获取各个子图像在第一聚焦操作过程中对应的场景参数的最大值和场景参数的最小值;
差值单元,用于计算场景参数的最大值和场景参数的最小值的差值作为场景参数的变化量;
统计单元,用于统计各个子图像的场景参数的变化量。
上述调整模块910包括:
第二获取单元,用于获取各个子图像在第一聚焦操作过程中对应的场景参数的变化量;
平均单元,用于计算全部子图像的场景参数的变化量的平均变化量;
调整单元,用于根据平均变化量和场景参数的变化量的比较结果,调整使能权重以得到目标权重。
上述调整单元包括:
第一赋值单元,用于在场景参数的变化量大于第二系数与平均变化量的乘积的情况下,将第一目标权重值作为对应的子图像的目标权重;
第二赋值单元,用于在场景参数的变化量小于第三系数与平均变化量的乘积的情况下,将第三目标权重值作为对应的子图像的目标权重;
第三赋值单元,用于在场景参数的变化量位于第三系数与平均变化量的乘积与第二系数与平均变化量的乘积之间的情况下,将第二目标权重值作为对应的子图像的目标权重,其中,第二系数大于第三系数。
上述电动镜头的聚焦装置还包括:
一般模块,用于在目标图像的场景类型指示为一般场景的情况下,将参考权重矩阵中与各个子图像对应的权重值作为目标权重,执行第二聚焦操作。
上述电动镜头的聚焦装置还包括:
场景调整模块,用于在场景参数的变化量未能达到调整条件的情况下,将目标图像的场景类型调整为一般场景。
在本申请实施例中,采用获取目标图像中子图像对应的场景参数确定目标图像的场景类型,在场景类型判断为预设场景的情况下,在第一聚焦操作的过程中,统计场景参数的变化量,从而根据场景参数的变化量调整子图像对应的使能权重,从而得到目标权重,按照子图像的目标权重执行第二聚焦操作的方式,通过根据场景参数判断场景类型,并根据场景类型分配子图像的使能权重,根据第一聚焦操作过程中统计的场景参数的变化量,对子图像的使能权重进行调整,以得到用于第二聚焦操作的目标权重,达到了根据场景类型的判断和第一聚焦过程中参数的统计调整子图像的使能权重,将子图像的使能权重调整至与场景类型和聚焦操作更适合的目标权重从而执行第二聚焦操作的目的,从而实现了根据场景类型调整子图像的权重以调整聚焦重点从而提高聚焦效率的技术效果,进而解决了聚焦效率低的技术问题。
根据本发明实施例的又一个方面,还提供了一种用于实施上述电动镜头的聚焦方法的电子设备,该电子设备可以是图1所示的终端设备或服务器。本实施例以该电子设备为终端设备为例来说明。如图10所示,该电子设备包括存储器1002和处理器1004,该存储器1002中存储有计算机程序,该处理器1004被设置为通过计算机程序执行上述任一项方法实施例中的步骤。
可选地,在本实施例中,上述电子设备可以位于计算机网络的多个网络设备中的至少一个网络设备。
可选地,在本实施例中,上述处理器可以被设置为通过计算机程序执行以下步骤:
S1,在收到触发聚焦的操作指令的情况下,获取当前采集到的目标图像中包含的子图像各自对应的场景参数;
S2,根据子图像各自对应的场景参数,确定目标图像的场景类型,并生成与目标图像匹配的参考权重矩阵;
S3,在目标图像的场景类型指示为预设场景的情况下,按照为各个子图像分配的使能权重执行第一聚焦操作;
S4,在执行第一聚焦操作的过程中,统计各个子图像对应的场景参数的变化量;
S5,在场景参数的变化量达到调整条件的情况下,根据场景参数的变化量调整使能权重,得到目标权重;
S6,按照各个子图像的目标权重执行第二聚焦操作。
可选地,本领域普通技术人员可以理解,图10所示的结构仅为示意,电子设备也可以是智能手机(如Android手机、IOS手机等)、平板电脑、掌上电脑以及移动互联网设备(Mobile Internet Devices,MID)、PAD等终端设备。图10其并不对上述电子设备的结构造成限定。例如,电子设备还可包括比图10中所示更多或者更少的组件(如网络接口等),或者具有与图10所示不同的配置。
其中,存储器1002可用于存储软件程序以及模块,如本发明实施例中的电动镜头的聚焦方法和装置对应的程序指令/模块,处理器1004通过运行存储在存储器1002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,即实现上述的电动镜头的聚焦方法。存储器1002可包括高速随机存储器,还可以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。在一些实例中,存储器1002可进一步包括相对于处理器1004远程设置的存储器,这些远程存储器可以通过网络连接至终端。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。其中,存储器1002具体可以但不限于用于存储目标图像的子图像、场景参数、场景类型等信息。作为一种示例,如图10所示,上述存储器1002中可以但不限于包括上述电动镜头的聚焦装置中的获取模块902,确定模块904,第一执行模块906,统计模块908,调整模块910,第二执行模块912。此外,还可以包括但不限于上述电动镜头的聚焦装置中的其他模块单元,本示例中不再赘述。
可选地,上述的传输装置1006用于经由一个网络接收或者发送数据。上述的网络具体实例可包括有线网络及无线网络。在一个实例中,传输装置1006包括一个网络适配器(Network Interface Controller,NIC),其可通过网线与其他网络设备与路由器相连从而可与互联网或局域网进行通讯。在一个实例中,传输装置1006为射频(Radio Frequency,RF)模块,其用于通过无线方式与互联网进行通讯。
此外,上述电子设备还包括:显示器1008,用于显示上述目标图像的子图像,场景参数和场景类型;和连接总线1010,用于连接上述电子设备中的模块部件。
在其他实施例中,上述终端设备或者服务器可以是一个分布式***中的一个节点,其中,该分布式***可以为区块链***,该区块链***可以是由该多个节点通过网络通信的形式连接形成的分布式***。其中,节点之间可以组成点对点(P2P,Peer To Peer)网络,任意形式的计算设备,比如服务器、终端等电子设备都可以通过加入该点对点网络而成为该区块链***中的一个节点。
根据本申请的一个方面,提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述电动镜头的聚焦方面各种可选实现方式中提供的方法。其中,该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
可选地,在本实施例中,上述计算机可读的存储介质可以被设置为存储用于执行以下步骤的计算机程序:
S1,在收到触发聚焦的操作指令的情况下,获取当前采集到的目标图像中包含的子图像各自对应的场景参数;
S2,根据子图像各自对应的场景参数,确定目标图像的场景类型,并生成与目标图像匹配的参考权重矩阵;
S3,在目标图像的场景类型指示为预设场景的情况下,按照为各个子图像分配的使能权重执行第一聚焦操作;
S4,在执行第一聚焦操作的过程中,统计各个子图像对应的场景参数的变化量;
S5,在场景参数的变化量达到调整条件的情况下,根据场景参数的变化量调整使能权重,得到目标权重;
S6,按照各个子图像的目标权重执行第二聚焦操作。
可选地,在本实施例中,本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:闪存盘、只读存储器(Read-Only Memory,ROM)、随机存取器(Random Access Memory,RAM)、磁盘或光盘等。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
上述实施例中的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,可以存储在上述计算机可读取的存储介质中。基于这样的理解,本发明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存储介质中,包括若干指令用以使得一台或多台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明实施例所述方法的全部或部分步骤。
在本发明的上述实施例中,对实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的客户端,可通过其它的方式实现。其中,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***,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,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
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,在本发明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。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (13)
1.一种电动镜头的聚焦方法,其特征在于,包括:
在收到触发聚焦的操作指令的情况下,获取当前采集到的目标图像中包含的子图像各自对应的场景参数,其中,所述子图像的所述场景参数指示所述子图像的边缘检测算子值;
根据所述子图像各自对应的所述场景参数,确定所述目标图像的场景类型,并生成与所述目标图像匹配的参考权重矩阵,其中,所述场景类型包括少细节场景、无细节场景、多细节场景,所述参考权重矩阵为数据量与子图像数量一致的矩阵,所述参考权重矩阵为在聚焦操作过程中,对于所述目标图像中的子图像的关注指数对应的权重矩阵;
在所述目标图像的场景类型指示为预设场景的情况下,按照为各个所述子图像分配的使能权重执行第一聚焦操作,其中,所述预设场景为所述少细节场景,所述为各个所述子图像分配的使能权重包括为各个子图像分配相同的初始权重值;
在执行所述第一聚焦操作的过程中,统计各个所述子图像对应的所述场景参数的变化量,其中,所述场景参数的变化量是指能够辨识场景参数变化量的参数,包括以下至少之一:极差、方差、信息熵;
在所述场景参数的变化量达到调整条件的情况下,根据所述场景参数的变化量调整所述使能权重,得到目标权重;
按照各个所述子图像的所述目标权重执行第二聚焦操作。
2.根据权利要求1所述的聚焦方法,其特征在于,所述根据所述子图像各自对应的所述场景参数,确定所述目标图像的场景类型包括:
根据所述子图像的所述场景参数计算所述目标图像的全局参数和平均参数;
在所述子图像对应的所述场景参数小于所述平均参数且所述场景参数小于第一阈值的情况下,确定所述场景参数对应的所述子图像为非候选子图像,其中,所述非候选子图像为并未携带有图像细节信息的子图像;
在所述子图像对应的所述场景参数大于或等于所述平均参数,或所述场景参数大于或等于所述第一阈值的情况下,确定所述子图像为候选子图像,其中,所述候选子图像为携带有图像细节信息的子图像;
根据所述目标图像的所述全局参数和所述候选子图像的数量确定所述目标图像的场景类型。
3.根据权利要求2所述的聚焦方法,其特征在于,所述根据所述目标图像的所述全局参数和所述候选子图像的数量确定所述目标图像的场景类型包括:
在所述候选子图像对应的所述场景参数大于第一系数和所述平均参数的乘积的情况下,将所述候选子图像确定为目标候选子图像,其中,所述目标候选子图像为携带有目标图像细节信息的子图像;
在所述全局参数小于第二阈值且所述目标候选子图像的数量小于第三阈值的情况下,确定所述目标图像的场景类型为所述预设场景。
4.根据权利要求2所述的聚焦方法,其特征在于,所述生成与所述目标图像匹配的参考权重矩阵包括:
在所述子图像为所述候选子图像的情况下,将第一权重值作为所述子图像对应的权重值;
在所述子图像为所述非候选子图像的情况下,将第二权重值作为所述子图像对应的权重值;
利用所述第一权重值和所述第二权重值生成所述目标图像的所述参考权重矩阵。
5.根据权利要求1所述的聚焦方法,其特征在于,所述按照为各个所述子图像分配的使能权重执行第一聚焦操作包括:
将第三权重值分配给各个所述子图像,作为所述子图像的所述使能权重;
按照所述使能权重执行所述第一聚焦操作。
6.根据权利要求1所述的聚焦方法,其特征在于,所述在执行所述第一聚焦操作的过程中,统计各个所述子图像对应的所述场景参数的变化量包括:
获取各个所述子图像在所述第一聚焦操作过程中对应的所述场景参数的最大值和所述场景参数的最小值;
计算所述场景参数的最大值和所述场景参数的最小值的差值作为所述场景参数的变化量;
统计各个所述子图像的所述场景参数的变化量。
7.根据权利要求6所述的聚焦方法,其特征在于,所述根据所述场景参数的变化量调整所述使能权重,得到目标权重包括:
获取各个所述子图像在所述第一聚焦操作过程中对应的所述场景参数的变化量;
计算全部所述子图像的所述场景参数的变化量的平均变化量;
根据所述场景参数的变化量与所述平均变化量的比较结果,调整所述子图像对应的所述使能权重以得到所述目标权重。
8.根据权利要求7所述的聚焦方法,其特征在于,所述根据所述场景参数的变化量与所述平均变化量的比较结果,调整所述子图像对应的所述使能权重以得到所述目标权重包括:
在所述场景参数的变化量大于第二系数与所述平均变化量的乘积的情况下,将第一目标权重值作为对应的所述子图像的所述目标权重;
在所述场景参数的变化量小于第三系数与所述平均变化量的乘积的情况下,将第三目标权重值作为对应的所述子图像的所述目标权重;
在所述场景参数的变化量介于所述第三系数与所述平均变化量的乘积与所述第二系数与所述平均变化量的乘积之间的情况下,将第二目标权重值作为对应的所述子图像的所述目标权重,其中,所述第二系数大于所述第三系数。
9.根据权利要求1所述的聚焦方法,其特征在于:
在所述目标图像的场景类型指示为一般场景的情况下,按照所述参考权重矩阵执行所述第一聚焦操作和所述第二聚焦操作。
10.根据权利要求9所述的聚焦方法,其特征在于:
在所述场景参数的变化量未能达到调整条件的情况下,将所述目标图像的场景类型调整为所述一般场景。
11.一种电动镜头的聚焦装置,其特征在于,包括:
获取模块,用于在收到触发聚焦的操作指令的情况下,获取当前采集到的目标图像中包含的子图像各自对应的场景参数,其中,所述子图像的所述场景参数指示所述子图像的边缘检测算子值;
确定模块,用于根据所述子图像各自对应的所述场景参数,确定所述目标图像的场景类型,并生成与所述目标图像匹配的参考权重矩阵,其中,所述场景类型包括少细节场景、无细节场景、多细节场景,所述参考权重矩阵为数据量与子图像数量一致的矩阵,所述参考权重矩阵为在聚焦操作过程中,对于所述目标图像中的子图像的关注指数对应的权重矩阵;
第一执行模块,用于在所述目标图像的场景类型指示为预设场景的情况下,按照为各个所述子图像分配的使能权重执行第一聚焦操作,其中,所述预设场景为所述少细节场景,所述为各个所述子图像分配的使能权重包括为各个子图像分配相同的初始权重值;
统计模块,用于在执行所述第一聚焦操作的过程中,统计各个所述子图像对应的所述场景参数的变化量,其中,所述场景参数的变化量是指能够辨识场景参数变化量的参数,包括以下至少之一:极差、方差、信息熵;
调整模块,用于在所述场景参数的变化量达到调整条件的情况下,根据所述场景参数的变化量调整所述使能权重,得到目标权重;
第二执行模块,用于按照各个所述子图像的所述目标权重执行第二聚焦操作。
12.一种计算机可读的存储介质,所述计算机可读的存储介质包括存储的程序,其特征在于,所述程序运行时执行所述权利要求1至10任一项中所述的方法。
13.一种电子设备,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为通过所述计算机程序执行所述权利要求1至10任一项中所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110362434.6A CN112969027B (zh) | 2021-04-02 | 2021-04-02 | 电动镜头的聚焦方法和装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110362434.6A CN112969027B (zh) | 2021-04-02 | 2021-04-02 | 电动镜头的聚焦方法和装置、存储介质及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112969027A CN112969027A (zh) | 2021-06-15 |
CN112969027B true CN112969027B (zh) | 2022-08-16 |
Family
ID=76281096
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110362434.6A Active CN112969027B (zh) | 2021-04-02 | 2021-04-02 | 电动镜头的聚焦方法和装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112969027B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115190242B (zh) * | 2022-07-08 | 2024-02-13 | 杭州海康威视数字技术股份有限公司 | 聚焦触发方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012076992A1 (en) * | 2010-12-07 | 2012-06-14 | Hiok Nam Tay | Auto-focus image system |
CN106934790A (zh) * | 2015-12-30 | 2017-07-07 | 浙江大华技术股份有限公司 | 一种图像清晰度的评价方法、自动聚焦的方法及相应装置 |
CN110324536A (zh) * | 2019-08-19 | 2019-10-11 | 杭州图谱光电科技有限公司 | 一种用于显微相机的图像变化自动感知对焦方法 |
CN110572573A (zh) * | 2019-09-17 | 2019-12-13 | Oppo广东移动通信有限公司 | 对焦方法和装置、电子设备、计算机可读存储介质 |
CN111225162A (zh) * | 2020-01-21 | 2020-06-02 | 厦门亿联网络技术股份有限公司 | 图像曝光的控制方法、***、可读存储介质及摄像设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105578045A (zh) * | 2015-12-23 | 2016-05-11 | 努比亚技术有限公司 | 一种终端及终端拍摄的方法 |
-
2021
- 2021-04-02 CN CN202110362434.6A patent/CN112969027B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012076992A1 (en) * | 2010-12-07 | 2012-06-14 | Hiok Nam Tay | Auto-focus image system |
CN106934790A (zh) * | 2015-12-30 | 2017-07-07 | 浙江大华技术股份有限公司 | 一种图像清晰度的评价方法、自动聚焦的方法及相应装置 |
CN110324536A (zh) * | 2019-08-19 | 2019-10-11 | 杭州图谱光电科技有限公司 | 一种用于显微相机的图像变化自动感知对焦方法 |
CN110572573A (zh) * | 2019-09-17 | 2019-12-13 | Oppo广东移动通信有限公司 | 对焦方法和装置、电子设备、计算机可读存储介质 |
CN111225162A (zh) * | 2020-01-21 | 2020-06-02 | 厦门亿联网络技术股份有限公司 | 图像曝光的控制方法、***、可读存储介质及摄像设备 |
Also Published As
Publication number | Publication date |
---|---|
CN112969027A (zh) | 2021-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101528081B1 (ko) | 증분 특징 추출을 사용하는 오브젝트 인식 | |
KR102566998B1 (ko) | 이미지 선명도를 결정하기 위한 장치 및 방법 | |
CN108898171B (zh) | 图像识别处理方法、***及计算机可读存储介质 | |
CN111091592B (zh) | 图像处理方法、图像处理装置、电子设备及可读存储介质 | |
CN111402170B (zh) | 图像增强方法、装置、终端及计算机可读存储介质 | |
CN113190757A (zh) | 多媒体资源推荐方法、装置、电子设备及存储介质 | |
CN107808116B (zh) | 一种基于深度多层特征融合学习的小麦麦蜘蛛检测方法 | |
CN113837079A (zh) | 显微镜的自动对焦方法、装置、计算机设备和存储介质 | |
JP6174894B2 (ja) | 画像処理装置および画像処理方法 | |
CN105869175A (zh) | 一种图像分割方法及*** | |
CN110321892B (zh) | 一种图片筛选方法、装置及电子设备 | |
CN103353881A (zh) | 一种应用程序搜索方法及装置 | |
CN112969027B (zh) | 电动镜头的聚焦方法和装置、存储介质及电子设备 | |
CN111310727A (zh) | 对象检测方法及装置、存储介质、电子装置 | |
CN114611635B (zh) | 一种对象的识别方法、装置、存储介质及电子装置 | |
CN111598176B (zh) | 一种图像匹配处理方法及装置 | |
CN111402301B (zh) | 积水检测方法及装置、存储介质及电子装置 | |
CN111309946B (zh) | 一种已建立档案优化方法及装置 | |
CN110689565B (zh) | 一种深度图确定的方法、装置及电子设备 | |
CN113076159A (zh) | 图像显示方法和装置、存储介质及电子设备 | |
CN110135422B (zh) | 一种密集目标的检测方法和装置 | |
CN115471574B (zh) | 外参的确定方法、装置、存储介质及电子装置 | |
CN112669346B (zh) | 一种路面突发状况确定方法及装置 | |
CN111652831B (zh) | 对象融合方法、装置、计算机可读存储介质及电子设备 | |
CN113569612A (zh) | 图像识别神经网络的训练方法和装置、图像识别方法 |
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 |