关于我们| 联系我们| 添加收藏

联系我们

深圳市汇瑞鑫光电有限公司
地址:深圳市坂田吉华路312号德宝利科技园A栋4楼
联系人:肖小姐
手 机:13510268807
E-Mail:xiaochen@hrx-sz.com
电话:0755-89392321
传真:0755-89580627

您现在所在位置: 首页 > 服务支持 > 技术课堂技术课堂

基础技术
  • 1、人脸识别技术原理查看答案
    技术流程

    人脸识别系统主要包括四个组成部分,分别为:人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配与识别。

    折叠人脸图像采集及检测

    人脸图像采集:不同的人脸图像都能通过摄像镜头采集下来,比如静态图像、动态图像、不同的位置、不同表情等方面都可以得到很好的采集。当用户在采集设备的拍摄范围内时,采集设备会自动搜索并拍摄用户的人脸图像。

    人脸检测:人脸检测在实际中主要用于人脸识别的预处理,即在图像中准确标定出人脸的位置和大小。人脸图像中包含的模式特征十分丰富,如直方图特征、颜色特征、模板特征、结构特征及Haar特征等。人脸检测就是把这其中有用的信息挑出来,并利用这些特征实现人脸检测。

    主流的人脸检测方法基于以上特征采用Adaboost学习算法,Adaboost算法是一种用来分类的方法,它把一些比较弱的分类方法合在一起,组合出新的很强的分类方法。

    人脸检测过程中使用Adaboost算法挑选出一些最能代表人脸的矩形特征(弱分类器),按照加权投票的方式将弱分类器构造为一个强分类器,再将训练得到的若干强分类器串联组成一个级联结构的层叠分类器,有效地提高分类器的检测速度。

    折叠人脸图像预处理

    人脸图像预处理:对于人脸的图像预处理是基于人脸检测结果,对图像进行处理并最终服务于特征提取的过程。系统获取的原始图像由于受到各种条件的限制和随机干扰,往往不能直接使用,必须在图像处理的早期阶段对它进行灰度校正、噪声过滤等图像预处理。对于人脸图像而言,其预处理过程主要包括人脸图像的光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波以及锐化等。

    折叠人脸图像特征提取

    人脸图像特征提取:人脸识别系统可使用的特征通常分为视觉特征、像素统计特征、人脸图像变换系数特征、人脸图像代数特征等。人脸特征提取就是针对人脸的某些特征进行的。人脸特征提取,也称人脸表征,它是对人脸进行特征建模的过程。人脸特征提取的方法归纳起来分为两大类:一种是基于知识的表征方法;另外一种是基于代数特征或统计学习的表征方法。

    基于知识的表征方法主要是根据人脸器官的形状描述以及他们之间的距离特性来获得有助于人脸分类的特征数据,其特征分量通常包括特征点间的欧氏距离、曲率和角度等。人脸由眼睛、鼻子、嘴、下巴等局部构成,对这些局部和它们之间结构关系的几何描述,可作为识别人脸的重要特征,这些特征被称为几何特征。基于知识的人脸表征主要包括基于几何特征的方法和模板匹配法。

    折叠人脸图像匹配与识别

    人脸图像匹配与识别:提取的人脸图像的特征数据与数据库中存储的特征模板进行搜索匹配,通过设定一个阈值,当相似度超过这一阈值,则把匹配得到的结果输出。人脸识别就是将待识别的人脸特征与已得到的人脸特征模板进行比较,根据相似程度对人脸的身份信息进行判断。这一过程又分为两类:一类是确认,是一对一进行图像比较的过程,另一类是辨认,是一对多进行图像匹配对比的过程。

    折叠编辑本段识别算法

    一般来说,人脸识别系统包括图像摄取、人脸定位、图像预处理、以及人脸识别(身份确认或者身份查找)。系统输入一般是一张或者一系列含有未确定身份的人脸图像,以及人脸数据库中的若干已知身份的人脸识别

    人脸图象或者相应的编码,而其输出则是一系列相似度得分,表明待识别的人脸的身份。

    人脸识别算法分类

    基于人脸特征点的识别算法(Feature-based recognition algorithms)。

    基于整幅人脸图像的识别算法(Appearance-based recognition algorithms)。

    基于模板的识别算法(Template-based recognition algorithms)。

    利用神经网络进行识别的算法(Recognition algorithms using neural network)。

    基于光照估计模型理论

    提出了基于Gamma灰度矫正的光照预处理方法,并且在光照估计模型的基础上,进行相应的光照补偿和光照平衡策略。

    优化的形变统计校正理论

    基于统计形变的校正理论,优化人脸姿态;神经网络识别

    强化迭代理论

    强化迭代理论是对DLFA人脸检测算法的有效扩展;

    独创的实时特征识别理论

    该理论侧重于人脸实时数据的中间值处理,从而可以在识别速率和识别效能之间,达到最佳的匹配效果

    折叠编辑本段识别数据

    人脸识别需要积累采集到的大量人脸图像相关的数据,用来验证算法,不断提高识别准确性,这些数据诸如A Neural Network Face Recognition Assignment(神经网络人脸识别数据)、orl人脸数据库、麻省理工学院生物和计算学习中心人脸识别数据库、埃塞克斯大学计算机与电子工程学院人脸识别数据等。
  • 2、何谓指纹识别系统查看答案
    指纹识别系统是一个典型的模式识别系统,包括指纹图像获取、处理、特征提取和比对等模块。

    指纹图像获取

    通过专门的指纹采集仪可以采集指纹图像。指纹采集仪用到的指纹传感器按采集方式主要分为划擦式和按压式两种,按信号采集原理目前有光学式、压敏式、电容式、电感式、热敏式和超声波式等。另外,也可以通过扫描仪、数字相机等获取指纹图像。对于分辨率和采集面积等技术指标,公安行业已经形成了国际和国内标准,但其他行业还缺少统一标准。根据采集指纹面积大体可以分为滚动捺印指纹和平面捺印指纹,公安行业普遍采用滚动捺印指纹。

    (1)指纹图像压缩:大容量的指纹数据库必须经过压缩后存储,以减少存储空间。主要方法包括JPEG、WSQ、EZW等。

    (2)指纹图像处理:包括指纹区域检测、图像质量判断、方向图和频率估计、图像增强、指纹图像二值化和细化等。预处理是指对含噪声及伪特征的指纹图像采用一定的算法加以处理,使其纹线结构清晰,特征信息突出。其目的是改善指纹图像的质量,提高特征提取的准确性。通常,预处理过程包括归一化、图像分割、增强、二值化和细化,但根据具体情况,预处理的步骤也不尽相同。

    指纹分类

    纹型是指纹的基本分类,是按中心花纹和三角的基本形态划分的。纹形从属于型,以中心线的形状定名。我国十指纹分析法将指纹分为三大类型,九种形态。一般,指纹自动识别系统将指纹分为弓形纹(弧形纹、帐形纹)、箕形纹(左箕、右箕)、斗形纹和杂形纹等。

    指纹特征提取

    指纹形态特征包括中心(上、下)和三角点(左、右)等,指纹的细节特征点主要包括纹线的起点、终点、结合点和分叉点。从预处理后的图像中提取指纹的特征点信息(终结点、分叉点...),信息主要包括类型、坐标、方向等参数。指纹中的细节特征,通常包括端点、分叉点、孤立点、短分叉、环等。而纹线端点和分叉点在指纹中出现的机会最多、最稳定,且容易获取。这两类特征点就可对指纹特征匹配:计算特征提取结果与已存储的特征模板的相似程度。

    指纹匹配

    指纹匹配是用现场采集的指纹特征与指纹库中保存的指纹特征相比较,判断是否属于同一指纹。可以根据指纹的纹形进行粗匹配,进而利用指纹形态和细节特征进行精确匹配,给出两枚指纹的相似性得分。根据应用的不同,对指纹的相似性得分进行排序或给出是否为同一指纹的判决结果

    指纹对比有两种方式:1)一对一比对:根据用户ID从指纹库中检索出待对比的用户指纹,再与新采集的指纹比对;2)一对多比对:新采集的指纹和指纹库中的所有指纹逐一比对。
  • 3、什么是手势识别技术查看答案
    概述

    谈起手势识别技术,由简单粗略的到复杂精细的,大致可以分为三个等级:二维手型识别、二维手势识别、三维手势识别。

    在具体讨论手势识别之前,我们有必要先知道二维和三维的差别。二维只是一个平面空间,我们可以用(X坐标,Y坐标)组成的坐标信息来表示一个物体在二维空间中的坐标位置,就像是一幅画出现在一面墙上的位置。三维则在此基础上增加了“深度”(Z坐标)的信息,这是二维所不包含的。这里的“深度”并不是咱们现实生活中所说的那个深度,这个“深度”表达的是“纵深”,理解为相对于眼睛的“远度”也许更加贴切。就像是鱼缸中的金鱼,它可以在你面前上下左右的游动,也可能离你更远或者更近。

    前两种手势识别技术,完全是基于二维层面的,它们只需要不含深度信息的二维信息作为输入即可。就像平时拍照所得的相片就包含了二维信息一样,我们只需要使用单个摄像头捕捉到的二维图像作为输入,然后通过计算机视觉技术对输入的二维图像进行分析,获取信息,从而实现手势识别。

    而第三种手势识别技术,是基于三维层面的。三维手势识别与二维手势识别的最根本区别就在于,三维手势识别需要的输入是包含有深度的信息,这就使得三维手势识别在硬件和软件两方面都比二维手势识别要复杂得多。对于一般的简单操作,比如只是想在播放视频的时候暂停或者继续放映,二维手势也就足够了。但是对于一些复杂的人机交互,比如玩游戏或者应用在VR(虚拟现实)上,三维手势实在是居家旅行必备、舍我其谁的不二之选。

    手势识别分类

    二维手型识别

    二维手型识别,也可称为静态二维手势识别,识别的是手势中最简单的一类。这种技术在获取二维信息输入之后,可以识别几个静态的手势,比如握拳或者五指张开。其代表公司是一年前被Google收购的Flutter。在使用了他家的软件之后,用户可以用几个手型来控制播放器。用户将手掌举起来放到摄像头前,视频就开始播放了;再把手掌放到摄像头前,视频又暂停了。

    “静态”是这种二维手势识别技术的重要特征,这种技术只能识别手势的“状态”,而不能感知手势的“持续变化”。举个例子来说,如果将这种技术用在猜拳上的话,它可以识别出石头、剪刀和布的手势状态。但是对除此之外的手势,它就一无所知了。所以这种技术说到底是一种模式匹配技术,通过计算机视觉算法分析图像,和预设的图像模式进行比对,从而理解这种手势的含义。

    这种技术的不足之处显而易见:只可以识别预设好的状态,拓展性差,控制感很弱,用户只能实现最基础的人机交互功能。但是它是识别复杂手势的第一步,而且我们的确可以通过手势和计算机互动了,还是很酷的不是么?想象一下你忙着吃饭,只要凭空做个手势,计算机就可以切换到下一个视频,比使用鼠标来控制可是方便多了!

    二维手势识别

    二维手势识别,比起二维手型识别来说稍难一些,但仍然基本不含深度信息,停留在二维的层面上。这种技术不仅可以识别手型,还可以识别一些简单的二维手势动作,比如对着摄像头挥挥手。其代表公司是来自以色列的PointGrab,EyeSight和ExtremeReality。

    二维手势识别拥有了动态的特征,可以追踪手势的运动,进而识别将手势和手部运动结合在一起的复杂动作。这样一来,我们就把手势识别的范围真正拓展到二维平面了。我们不仅可以通过手势来控制计算机播放/暂停,我们还可以实现前进/后退/向上翻页/向下滚动这些需求二维坐标变更信息的复杂操作了。

    这种技术虽然在硬件要求上和二维手型识别并无区别,但是得益于更加先进的计算机视觉算法,可以获得更加丰富的人机交互内容。在使用体验上也提高了一个档次,从纯粹的状态控制,变成了比较丰富的平面控制。这种技术已经被集成到了电视里,但是目前还是以噱头为主,还不能成为电视的主要常用控制方式。

    三维手势识别

    接下来我们要谈的就是当今手势识别领域的重头戏——三维手势识别。三维手势识别需要的输入是包含有深度的信息,可以识别各种手型、手势和动作。相比于前两种二维手势识别技术,三维手势识别不能再只使用单个普通摄像头,因为单个普通摄像头无法提供深度信息。要得到深度信息需要特别的硬件,目前世界上主要有3种硬件实现方式。加上新的先进的计算机视觉软件算法就可以实现三维手势识别了。下面就让小编为大家一一道来三维手势识别的三维成像硬件原理。

    1结构光(Structure Light)

    结构光的代表应用产品就是PrimeSense公司为大名鼎鼎的微软家XBOX 360所做的Kinect一代了。

    这种技术的基本原理是,加载一个激光投射器,在激光投射器外面放一个刻有特定图样的光栅,激光通过光栅进行投射成像时会发生折射,从而使得激光最终在物体表面上的落点产生位移。当物体距离激光投射器比较近的时候,折射而产生的位移就较小;当物体距离较远时,折射而产生的位移也就会相应的变大。这时使用一个摄像头来检测采集投射到物体表面上的图样,通过图样的位移变化,就能用算法计算出物体的位置和深度信息,进而复原整个三维空间。

    以Kinect一代的结构光技术来说,因为依赖于激光折射后产生的落点位移,所以在太近的距离上,折射导致的位移尚不明显,使用该技术就不能太精确的计算出深度信息,所以1米到4米是其最佳应用范围。

    2光飞时间(Time of Flight)

    光飞时间是SoftKinetic公司所采用的技术,该公司为业界巨鳄Intel提供带手势识别功能的三维摄像头。同时,这一硬件技术也是微软新一代Kinect所使用的。

    这种技术的基本原理是加载一个发光元件,发光元件发出的光子在碰到物体表面后会反射回来。使用一个特别的CMOS传感器来捕捉这些由发光元件发出、又从物体表面反射回来的光子,就能得到光子的飞行时间。根据光子飞行时间进而可以推算出光子飞行的距离,也就得到了物体的深度信息。

    就计算上而言,光飞时间是三维手势识别中最简单的,不需要任何计算机视觉方面的计算。

    3多角成像(Multi-camera)

    多角成像这一技术的代表产品是Leap Motion公司的同名产品和Usens公司的Fingo。

    这种技术的基本原理是使用两个或者两个以上的摄像头同时摄取图像,就好像是人类用双眼、昆虫用多目复眼来观察世界,通过比对这些不同摄像头在同一时刻获得的图像的差别,使用算法来计算深度信息,从而多角三维成像。

    在这里我们以两个摄像头成像来简单解释一下:

    带你了解世界最先进的手势识别技术 -- 微软,凌感,Leap...

    双摄像头测距是根据几何原理来计算深度信息的。使用两台摄像机对当前环境进行拍摄,得到两幅针对同一环境的不同视角照片,实际上就是模拟了人眼工作的原理。因为两台摄像机的各项参数以及它们之间相对位置的关系是已知的,只要找出相同物体(枫叶)在不同画面中的位置,我们就能通过算法计算出这个物体(枫叶)距离摄像头的深度了。

    多角成像是三维手势识别技术中硬件要求最低,但同时是最难实现的。多角成像不需要任何额外的特殊设备,完全依赖于计算机视觉算法来匹配两张图片里的相同目标。相比于结构光或者光飞时间这两种技术成本高、功耗大的缺点,多角成像能提供“价廉物美”的三维手势识别效果。
  • 4、摄像头原理是什么?查看答案
    景物通过镜头(LENS)生成的光学图像 投射到图像传感器(SENSOR)(*注 1)表面上,然后转为电信号, 经过 A/D(模数转换)转换后变为数字图像信号,再送到数字信号处 理芯片(DSP)(*注 2)中加工处理,再通过 USB 接口传输到电脑 中处理,通过显示器就可以看到图像了。 工作原理篇: 摄像头(CAMERA)主要分数字摄像头和模拟摄像头两种,模拟摄 像头即那种可以直接通过视频接口(通常为 S 端子或 AV 端子)连接 显示设备(一般指电视机或监视器)完成摄像功能的摄像头,特点是 模拟影像清晰而连贯,不受分辨率影响,模拟摄像头以中低价位黑白 摄像头为主; 而数字摄像头可以直接捕捉影像并转换为数字信号存储 在电脑里,其信号传输接口发展由早期的串口、并口发展到如今的 U SB2.0 和 IEEE1394 火线接口,我们这里主要涉及的 PC 摄像头,其 主流就是指 USB 接口的数字摄像头。注 1:图像传感器(SENSOR)
  • 5、什么是插值? 查看答案
    插值是指将摄像头中的感光器件所形成的实际像素,通过内置的软件插值是指将摄像头中的感光器件所形成的实际像素,光器件所形成的实际像素件,根据实际感光影像的像素,按照一定的运算方法进行计算,产生出 根据实际感光影像的像素,按照一定的运算方法进行计算, 新的像素点,并将其插入到原来像素附近的空隙处, 新的像素点,并将其插入到原来像素附近的空隙处,从而产生出增加了 像素总量和增大了像素密度的影像的方法。 像素总量和增大了像素密度的影像的方法。 当我们试图改变图像的尺 寸时候,就必定带来图像像素值的改变,新的生成图像的每一个像素都 寸时候,就必定带来图像像素值的改变, 是通过对老的图像对应位置的像素做出某种运算得到的, 所以从广义上 是通过对老的图像对应位置的像素做出某种运算得到的,讲,这样的操作都可以被称为插值,‘插’出新的像素来。 这样的操作都可以被称为插值, 出新的像素来。 电脑摄像头插值 130 万像也就是低像素摄像头经过像素插值或软件 提升后可以大幅度增加图像的输出像素, 提升后可以大幅度增加图像的输出像素,从而提高了照片的分辨率,也 从而提高了照片的分辨率, 照片的分辨率 就提高了照片质量。 就提高了照片质量。
  • 6、“万像素的画质”与“万像素” 的区别在哪里查看答案
    摄像头有 500 万像素的画质”和“摄像头有 500 万像素”是两个完全不同的概念!前者只是对摄像头画质的一个形容,并没有明确说明该万像素! 但像素不是分辨率, 像素越高照的相片就越清晰, 摄像头有 500 万像素! 但像素不是分辨率, 像素越高照的相片就越清晰, 和分辨率没多大关系.通常, 和分辨率没多大关系.通常,分辨率是被表示成每一个方向上的像素数 这就是二者的区别。 量,比如 640x480 等。这就是二者的区别。
  • 7、到底什么是手机摄像头的像素?查看答案
    我们经常可以在一些手机厂商发布会的 PPT 上看到某某手机使用了某某型号的传感器,单位像素宽度为多少多少 μm(微米),那么这个 μm 到底是个什么东西,代表着什么,又有什么作用呢?
    在各家手机厂商的 PPT 上,如果发布的手机摄像头的单位像素面积比较大,那么就肯定会被拖出来大说特说,无论苹果、谷歌还是国内各大手机厂商的旗舰产品,几乎都会跟你们吹一吹他们手机上感光元件的单位像素面积有多大。为什么厂商这么着力宣传这个单位像素面积?我们可以简单的理解为:在镜头像素大小相同的情况下,单位像素面积越大,就意味着镜头的感光元件的面积越大,而越大的感光面积点与点之间的电磁干扰会减小,对于成像的质量也会得到相应的提升。总结就是摄影圈中经典的一句话:底大一级压死人。同样的在感光面积大小相同的情况下,像素越小,单位像素面积才越大。
    说到这里,是不是有点让人想起了隔壁岸上的 The New HTC One(M8)呢?M8 的 Ultrapixel 理念同样是以一个很大的感光面积配合超小像素来提高单位像素面积,最终让这颗摄像头达到了每个单位像素面积为 2μm 的惊人水平,当然因此牺牲掉的就是样张的像素,拍摄出来的样张最大像素只有 430 万像素,这对于 2013 年潮流智能手机而言是一个相当大胆的挑战。其实这个理念是相当好,小编当时也非常看好这个技术。但由于最后 HTC 因为镜头镀膜和优化无力等因素,导致了拍摄的样张容易有紫光、镜头眩光和整体偏红的问题。加上在那个时候安卓手机集体跳升到 1300 万像素甚至更高像素之后,更多人喜欢放大数毛做对比,所以 430 万像素是远远满足不了市场的需求,HTC 的 Ultrapixel 最终还是被市场淘汰。
    那么这个 μm 是怎么计算出来的呢?影响这个数值的就正是感光元件的边长和样张的最大像素,两者数值相除就可以大概得出 μm 的值。例如我们知道一颗感光元件的尺寸,这个尺寸其实就是传感器面积的对角线,还有知道这块感光元件的边长比例。根据勾股定理我们知道: 对角线的长度的平方 = 长的平方 + 宽的平方,然后我们可以再依据比例求出长和宽的值。我们再使用感光元件长度的数值除以像素的长就可以得到这个单位像素面积的数值了。
    另外还有一个更简单的办法,多点查查相关传感器的资料数据,一般而言都可以找到。
    那么是不是就意味着传感器的单位像素面积小了,拍摄出来的效果就一定会很差呢?不不不,我们还是以样张说话。
    知道你们喜欢对比,这次就挑选了好不容易终于从 800 万像素升级到 1200 万像素的 iPhone6s 和 iPhone6 做对比,由于 iPhone 6S 的传感器面积并没有增加而只是增大了镜头像素,根据上面的解释我们可以得知 iPhone 6S 的单位像素面积肯定会比 iPhone 6 上面的单位像素面积要小。而事实上官方文件也是这样写明的,iPhone 6 的单位像素面积是 1.5 μm,而新的 iPhone 6S 单位像素面积则是 1.22 μm。
    通过白天样张的对比我们可以看到高像素对于解析力来说确实有更好的提升,画质和动态范围的表现上 iPhone 6S 也并没有明显的输给 iPhone 6。
    那么在暗环境下的成像有会有多少影响呢?小编这次在一个环境光绝对可控的条件下拍摄夜间静物,咋看之下两者的成像几乎没有太大的区别。

    然而一切真相都在 100% 放大之后得以呈现,两者对比,iPhone 6S 虽然单位像素面积比 iPhone 6 要小,但是对于噪点的压制却是 iPhone 6S 的表现更好一些。不过物体的质感和色彩表现,确实是 iPhone 6 要稍微好一点。
    但这样看来,就算单位像素面积减小了,通过适当优化调校,还是能够得到不错的表现。不过当然了,能够有更大的单位像素面积,相信也会更容易得到一个更优秀的样张表现,不过更大的单位像素面积就意味着更大更厚的感光元件,在如今这个追求轻薄便携的智能手机大潮里,为了更好的成像而牺牲了手机厚度也是很冒险的做法,例如诺基亚的 808 和 Lumia 1020 之类的,虽然在成像方面的得到很好的口碑,可依旧是叫好不叫座,没有被市场所认可。对于手机摄影爱好者而言,当然最希望的就是能够保证足够大的镜头分辨率,但同时单位像素面积也有保证、机身厚度也不至于太离谱的手机出现吧。
  • 8、什么是手机摄像头OTP技术?查看答案
    随着5Meg 、8Meg、12Meg 等高像素摄像头在手机中的应用越来越广,终端客户对camera的成像效果和品质要求越来越高,如何提升摄像头模组的一致性和各方面的性能已显得尤为重要。今天就为大家介绍在高像素模组中被越来越广泛应用的OTP技术。
      

    1.  何谓OTP
    全称:OTP(One Time Programmable)MCU的一种存储器类型,意即一次性编程。多是采用融丝结构,编程过程是不可逆的破坏活动。
    / J* i0 ]* u/ T7 z" ~* ?3 p. K3 U6 x
    2.  优缺点
      相对于传统的公司采用的eeprom而言,OTP具有价格低廉的优势,这在竞争日益激烈的手机市场显得非常重要。而缺点不言而喻,一旦在OTP中烧录数据发生错误,就会导致整个手机模组报废,增大了生产成本。为了克服这一缺点,每个模组厂家都有自已的核心技术,目前就是最大限度地提高整体良率。另外采用存储校验码的方法也是避免烧录错误的一个方法,其缺点是增大了计算的复杂性,但优点是不论数据是否烧录正确,客户最终都能得到正确的数据,大大提高了生产良率。
      
    " L8 ^1 ?9 ?: I6 m1 p0 _
    3.  OTP技术在我司模组中的应用
      (1)       存储Lens shading参数
      由于各方面因素的影响,摄像头模组在shading方面都存在一定的差异性,如果用同一套参数去校准lens shading,效果往往不尽人意。如果模组在出厂的时候,分别对每一个进行lens shading的校准,并且将这些校准参数烧入到OTP中,那么客户端在显示图像时只要从OTP中读取这些参数并且应用到图像上,他们得到的将是一致性非常好的成像效果。
      (2)       存储AWB参数
      同Lens shading一样,白平衡设置的好坏同样是评价camera成像效果好坏的重要因素。在模组在出厂的时候,分别计算每一个模组R/G,B/G等比值,并且将这些比值烧入到OTP中,那么客户端在显示图像时只要从OTP中读取这些比值并且计算最终的gain值,将他们设置到图像中,就不容易出现偏色的现象。
      (3)       存储AF  position
      将每一个模组的AF  position存储到OTP中,可以快速提升模组AF 对焦的速度和准确性。
      (4)       其它
      在OTP中存储Module ID可以有效地管理产品的版本控制,当发生问题时可以及时地得到有效信息以分析问题产生的背景和原因。同样在OTP中存储Lens ID也可以方便客户区分不同的模组厂商和采用的不同的lens,以方便他们对产品的控制。
      

        综上所述,OTP以其低廉的价格,方便快速的使用在高像素摄像头中得到了越来越多的应用,它如同一个幕后英雄,虽不起眼,却为高像素摄像头品质起到了很大的作用。
低端产品
  • 1、摄像头的芯片有何用?查看答案
    在说ISP(Image Signal Processing 中文译为“图形信号处理”)之前,我们先来了解一下手机的拍照过程。按动快门后,光线从镜头进入,到达传感器,传感器负责采集、记录光线,并把它转换成电流信号,然后交由ISP图形信号处理器(以下简称ISP芯片)进行处理,最后由手机处理器处理储存。
      所以,ISP芯片是拍照过程中的运算处理单元,其地位相当于相机的“大脑”。
      ISP芯片的作用就是对传感器输入的信号进行运算处理,最终得出经过线性纠正、噪点去除、坏点修补、颜色插值、白平衡校正、曝光校正等处理后的结果。ISP芯片能够在很大程度上决定手机相机最终的成像质量,通常它对图像质量的改善空间可达10%-15%。
      ISP芯片分为集成和独立两种,独立ISP芯片处理能力优于集成ISP芯片,但成本更高。
  • 2、什么是实际像素?通过什么可以辨别摄像头的实际像素呢!!!查看答案
    实际像素=物理像素,就是硬件可以达到的最大像素值,可以说是摄 实际像素=物理像素,就是硬件可以达到的最大像素值, 像头的最大像素。 像头的最大像素。

    用摄像头,照完照片,在图片上点右键属性,详细信息, 用摄像头,照完照片,在图片上点右键属性,详细信息,就可以看到
  • 3、为什么说明书上写着是130 万像素,可是实际像素却只有 30 万? 查看答案
    现在市场上主流的手机摄像头正常的说是"百万像素"一般的都是靠 现在市场上主流的手机摄像头正常的说是"百万像素" 软件或插值提升上去的,实际像素也就几十万或一百万.像素不是一切, 软件或插值提升上去的,实际像素也就几十万或一百万.像素不是一切, 作为摄像头, 万的表现出的是一样的性能!!! 作为摄像头,可能 130 万的和 30 万的表现出的是一样的性能!!!
高端产品
  • 1、摄像头的芯片有何用?查看答案
    在说ISP(Image Signal Processing 中文译为“图形信号处理”)之前,我们先来了解一下手机的拍照过程。按动快门后,光线从镜头进入,到达传感器,传感器负责采集、记录光线,并把它转换成电流信号,然后交由ISP图形信号处理器(以下简称ISP芯片)进行处理,最后由手机处理器处理储存。
      所以,ISP芯片是拍照过程中的运算处理单元,其地位相当于相机的“大脑”。
      ISP芯片的作用就是对传感器输入的信号进行运算处理,最终得出经过线性纠正、噪点去除、坏点修补、颜色插值、白平衡校正、曝光校正等处理后的结果。ISP芯片能够在很大程度上决定手机相机最终的成像质量,通常它对图像质量的改善空间可达10%-15%。
      ISP芯片分为集成和独立两种,独立ISP芯片处理能力优于集成ISP芯片,但成本更高。
  • 2、镜头有多重要?查看答案
    镜头是将拍摄景物在传感器上成像的器件,相当于相机的“眼睛”,通常由由几片透镜组成,光线信号通过时,镜片们会层层过滤杂光(红外线等),所以,镜头片数越多,成像就越真实。从材质上看,镜头可分为塑胶透镜(Plastic)和玻璃透镜(Glass),玻璃透镜透光性以及成像质量要更好,但成本也更高,所以手机镜头大多由塑料镜片组成。
      假若镜头由5层塑料镜片组成,我们就称其为5P(Plastic)镜头,而如果镜头由4层塑料镜片+1层玻璃镜片组成,我们就应当称其为4P1G镜头。不过由于行业对此缺乏统一的认知标准,通常会把5P镜头理解为由5层镜片组成的镜头,即使是4P1G镜头也会将其称为5P镜头。
      目前市面上的手机大多采用5P或6P镜头,例如小米3就采用了5P镜头(4层塑料镜片+1层蓝光玻璃镜片),而小可乐则采用了更高级的6P镜头(5层塑料镜片+1层蓝光玻璃镜片),理论上来讲,小可乐的镜头成像更真实。
  • 3、像素决定照片质量?查看答案
    人们通常会以为相机像素越高,拍的照片就越清晰,实际上这是很片面的。相机的像素唯一能决定的是其所拍图片的分辨率,而图片的分辨率越高,只代表了图片的尺寸越大,并不能说明图片越清晰。
      刨除其它因素,1300万像素摄像头和800万像素摄像头所拍的图片,在电脑屏幕上呈现的只是尺寸不同,而清晰度几乎是没有区别的。
      不同的是,手机上查看图片时,屏幕一般会将两张图片缩放至同一尺寸,此时1300万像素摄像头所拍图片会拥有更高的像素密度(每英寸屏幕所拥有的像素数),理论上来讲,清晰度更高、画面细节更丰富。
      但是当前主流的手机屏幕为1080p级别(1920×1080像素),无论是1300万像素相机所得的4208×3120像素照片,还是800万像素摄像头的3200×2400像素照片,都超出了1080p屏的解读范围,最终都会以1920×1080像素显示,所以肉眼所看到的清晰度也是没有区别的。
      那么高像素的优势在哪里呢?
      如前文所言,更高像素的相机所拍图片的尺寸更大,假如我们想把样张打印出来,以常规的300像素/英寸的打印标准来计算,1300万像素相机所拍的4208×3120像素样张,可打印17英寸照片,而800万像素相机的3200×2400像素样张,打印超过13英寸的照片就开始模糊了。很显然1300万像素相机样张可打印的尺寸更大。
      总之,像素不能决定照片质量,或者说像素并不是决定照片质量的唯一要素。在电脑、手机屏幕等主要查看路径上,1300万像素相机、800万像素相或者更高的1600万像素、2070万像素所拍照片的清晰度表现都是没有区别的。
      所以,如果你对手机拍照的需求仅限于日常记录和分享,那么市面上配备800万像素、1300万像素摄像头的主流千元手机,就能完全满足你对照片清晰度的要求,而不必跟风追求更高的像素数。
  • 4、什么是实际像素?通过什么可以辨别摄像头的实际像素呢!!!查看答案
    实际像素=物理像素,就是硬件可以达到的最大像素值,可以说是摄 实际像素=物理像素,就是硬件可以达到的最大像素值, 像头的最大像素。 像头的最大像素。

    用摄像头,照完照片,在图片上点右键属性,详细信息, 用摄像头,照完照片,在图片上点右键属性,详细信息,就可以看到
其他