手機上的AI防抖技術
隨著進年來的AI熱潮,連我們習以為常的手機功能都悄悄get了AI技術!手機里的AI技術到底是什麼?
作者|evin校對|藍天
集微網·愛集微APP,各大主流應用商店均可下載
集微網消息,AI(人工智慧)一直是近幾年非常火熱的技術,2016年AlphaGo與李世石的人機之戰就是最具代表性的AI技術,這次的戰役也一度將AI技術在無數人的心裡推上了高端技術的頂峰,一定是高大上的。可是隨著進年來的AI熱潮,連我們習以為常的手機功能都悄悄get了AI技術!手機里的AI技術到底是什麼?
AI到底是什麼?
是研究、開發用於模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。它能以人類智能相似的方式做出反應的智能機器,該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統等。
AI的實現方式一種是採用傳統的編程技術,使系統呈現智能的效果,而不考慮所用方法是否與人或動物機體所用的方法相同。它已在一些領域內作出了成果,如 文字識別、電腦下棋等。另一種是模擬法,它不僅要看效果,還要求實現方法也和人類或生物機體所用的方法相同或相類似,如遺傳演算法和人工神經網路。
手機上的AI有什麼?
有沒有發現手機上的拍照功能越來越強大了?華為首創AI防抖技術,並在p20上應用,即通過機器內部演算法將抖動時拍攝的模糊圖片經過處理而呈現清晰未抖動時拍攝的效果,拍照成功率高而快速。再試想一下,手機上沒有這種技術時,就僅僅只是一個光學上的相機,而且拍出的照片只能人工判斷圖像是否模糊,在拍照時也只能盡量保持靜止,拍照不方便,可見現在的AI防抖帶來多大的方便。
怎麼做到AI防抖?
今天小編選取了華為2015年3月31日申請的「申請號為201580078479.3 的一種終端設備和拍照方法」發明專利申請來向大家介紹華為所研發的AI防抖技術,該申請同時在美國和歐盟進行了專利布局,也足以見得華為對該技術的重視。
首先看AI防抖的所涉及的硬體:
圖1
通過圖1中的硬體可以做到,由陀螺儀感測器1022獲取終端設備在X、Y、Z軸方向的角加速度,進而通過處理器1024對各方向的角加速度進行處理,得到終端設備的抖動幅度和抖動頻率;由圖像感測器1026:採集被拍攝物體的圖像,即將光學圖像轉換成電子信號,進而可以通過ISP104(圖像數據信號處理器)對圖像感測器1024獲取的信號進行處理。
另外由於拍攝成像受感光材料的感光度和曝光時間影響,不同的場景下光強度不一樣,成像所需要的曝光時間、快門和光圈控制不一樣,需要終端設備根據檢測到的場景進行拍攝調整。
關於演算法:
圖2
如圖2可知,相機拍照之前,終端設備已經根據場景對拍照參數進行了確定,拍照參數包括:拍多少幀圖像,每幀圖像的曝光時間和拍每幀圖像的感光度等(這裡的多少幀圖像就是我們說的多少張照片啦,只是這裡是在相機內部,沒有顯示出來的)。
進而相機對圖像進行拍照,並且拍M幀,而且這M幀中每一幀都對應有曝光時間(參考圖3)和曝光時間段內設備的抖動頻率和抖動幅度。
圖3
到這裡,我們已經得到了一次拍照下的多幀圖像,而且這些圖像對應的抖動幅度和抖動頻率我們也通過陀螺儀和處理器協同處理得到了,相當於知道了圖像上像素點在曝光時間段內的運動速度。那時間和速度知道了是不是通過運動公式直接計算就可以得到拍照時間內圖片上像素點的移動距離?但是,拍照時鏡頭的存在一定的廣角,入射進相機的光線不是平行的,而且相機和被拍物體間存在距離即深度問題,這些因素的考慮之後終端設備對圖片上像素點的運動距離計算將非常大。
本篇專利申請的所公開的技術是通過取樣建立位移矢量表,拍照時的防抖處理直接根據抖動幅度、抖動頻率和曝光時間以及深度去終端設備中已經建立的位移矢量表查詢像素點的運動位置;進而對每幀圖像上的像素點還原,形成清晰的圖像;再將每幀被還原後的清晰圖像融合(重合)。進而涉及到每幀圖像的零點問題,零點不一樣會導致融合的圖像再次不清晰,所以在圖2的步驟208中在M幀圖像中選取了其中一幀作為基準,而位移表上的抖動幅度、抖動頻率即為相對數據。
對於位移矢量表的建立:
圖4
上圖4為位移矢量表,曝光時間、幅度、頻率、深度通過終端設備設置,位移矢量需要計算得出;
先選定一個圖像作為標定圖像,如圖5所示:
圖5
圖中虛線將圖像劃分成不同的區域,同一個區域的位移矢量認定為一致;設置終端設備處於特定的抖動狀態並對圖5的標定圖像進行拍攝,得到模糊圖像,如圖6局部圖像所示 :
圖6
水平位移矢量(WVH0)=WH0-WH;
同理垂直位移矢量(WVV0)=WV0-WV;
根據整個標定圖像可以直接求得第i個區域的水平位移矢量(WVH0)i=WH0i-WHi;第i個區域垂直位移矢量(WVV0)i=WV0i-WVi。
通過上述的計算方法即可求出位移矢量表。
圖源|網路
※讓華為參與5G建設,到底誰贊成?誰反對?
※從英特爾退出5G晶元競爭,看研發一顆5G晶元到底有多難?
TAG:半導體投資聯盟 |