CN112714246A

CN112714246A - 连拍照片获取方法、智能终端及存储介质

Info

Publication number: CN112714246A
Application number: CN201911025549.5A
Authority: CN
Inventors: 蒋佳; 阮志峰
Original assignee: TCL Research America Inc
Current assignee: TCL Corp; TCL Research America Inc
Priority date: 2019-10-25
Filing date: 2019-10-25
Publication date: 2021-04-27
Also published as: WO2021078276A1

Abstract

本申请适用于计算机技术领域，提出一种连拍照片获取方法，包括：获取连拍的第一照片；分别对每张第一照片进行模糊处理，得到每张第一照片各自对应的模糊照片；计算每张第一照片与各自对应的模糊照片之间的差分值；基于差分值确定每张第一照片的清晰度，基于所述清晰度从所述第一照片中得到第二照片。由于对连拍的每张第一照片进行模糊处理之后，计算每张第一照片与各自对应的模糊照片之间的差分值，并基于差分值确定每张第一照片的清晰度，基于所述清晰度从所述第一照片中得到第二照片。实现了快速准确地从连拍的所述第一照片中基于清晰度得到第二照片，提高了从多张连拍照片中选出清晰照片的效率。

Description

连拍照片获取方法、智能终端及存储介质

技术领域

本申请属于计算机技术领域，尤其涉及一种连拍照片获取方法、智能终端及存储介质。

背景技术

在手机的照相功能越来越强大的今天，很多人都选择用手机而不是用摄像机来进行拍照。这就对手机拍照功能的稳定性，智能性，提出了越来越高的需求。通常在抓拍场景下，都会有一定的模糊效果，因此用户习惯连拍多张照片，来选出相对清晰的照片，该过程需要浪费大量的时间，效率低下。

发明内容

有鉴于此，本申请实施例提供了连拍照片获取方法、终端及存储介质，以解决现有技术中从多张连拍照片中选出清晰照片效率低下的问题。

本申请实施例的第一方面提供了一种连拍照片获取方法，包括：

获取连拍的第一照片；

分别对每张所述第一照片进行模糊处理，得到每张所述第一照片各自对应的模糊照片；

计算每张所述第一照片与各自对应的所述模糊照片之间的差分值；

基于所述差分值确定每张所述第一照片的清晰度，基于所述清晰度从所述第一照片中得到第二照片。

可选地，所述分别对每张所述第一照片进行模糊处理，得到每张所述第一照片各自对应的模糊照片，包括：

分别检测出每张所述第一照片的目标区域，所述目标区域包含人脸图像和/或物体图像；

分别对每张所述第一照片各自对应的目标区域进行模糊滤波处理，得到每张所述第一照片各自对应的模糊照片。

可选地，所述分别检测出每张所述第一照片的目标区域，包括：

利用经训练的图像检测模型检测出所述每张照片的目标区域，所述经训练的图像检测模型为神经网络模型。

可选地，所述基于所述差分值确定每张所述第一照片的清晰度，基于所述清晰度从所述第一照片中得到第二照片，包括：

基于所述差分值确定每张所述第一照片的清晰度，从所有所述第一照片中获取清晰度最高的第二照片。

可选地，所述基于所述差分值确定每张所述第一照片的清晰度，从所有所述第一照片中获取清晰度最高的第二照片，包括：

计算所述差分值的峰值信噪比；

根据所述峰值信噪比确定每张所述第一照片的清晰度；

从所有所述第一照片中获取清晰度最高的第二照片。

可选地，所述计算所述像差分值的峰值信噪比，包括：

基于预设的峰值信噪比计算公式计算所述差分值的峰值信噪比，所述预设的峰值信噪比计算公式为：

其中，a_ij表示第一照片的灰度图对应的像素点坐标为(i，j)的第一像素点与对应的模糊照片的像素点坐标为(i，j)的第二像素点之间的差分值，i表示像素点的横坐标，j表示像素点的纵坐标，n表示当前照片的宽度，m表示当前照片的长度。

分别对每张所述第一照片进行高斯滤波处理，得到每张所述第一照片各自对应的模糊照片。

可选地，所述计算每张所述第一照片与各自对应的所述模糊照片之间的差分值，包括：

分别将每张所述第一照片进行灰度化处理，得到每张所述第一照片各自对应的灰度图；

分别计算每张所述第一照片各自对应的所述灰度图与每张所述第一照片各自对应的所述模糊照片之间的差分值。

本申请实施例的第二方面提供了一种连拍照片获取装置，包括：

第一获取模块501，用于获取连拍的第一照片；

处理模块502，用于分别对每张所述第一照片进行模糊处理，得到每张所述第一照片各自对应的模糊照片；

计算模块503，用于计算每张所述第一照片与各自对应的所述模糊照片之间的差分值；

第二获取模块504，用于基于所述像差分值确定每张所述第一照片的清晰度，基于所述清晰度从所述第一照片中得到第二照片。

优选地，处理模块502包括：

检测单元，用于分别检测出每张所述第一照片的目标区域，所述目标区域包含人脸图像和/或物体图像；

第一处理单元，用于分别对每张所述第一照片各自对应的目标区域进行模糊滤波处理，得到每张所述第一照片各自对应的模糊照片。

优选地，检测单元具体用于：

优选地，所述第二获取模块504具体用于：

优选地，所述第二获取模块504，包括：

第一计算单元，用于计算所述差分值的峰值信噪比；

确定单元，用于根据所述峰值信噪比确定每张所述第一照片的清晰度；

获取单元，用于从所有所述第一照片中获取清晰度最高的第二照片。

优选地，计算单元具体用于：

优选地，处理模块502具体用于：

优选地，计算模块503包括：

第二处理单元，用于分别将每张所述第一照片进行灰度化处理，得到每张所述第一照片各自对应的灰度图；

第二计算单元，用于分别计算每张所述第一照片各自对应的所述灰度图与每张所述第一照片各自对应的所述模糊照片之间的差分值。

本申请实施例的第三方面提供了一种智能终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上第一方面所述连拍照片获取方法的步骤。

本申请实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上第一方面所述连拍照片获取方法的步骤。

本申请第一方面提供的连拍照片获取方法与现有技术相比存在的有益效果是：通过获取连拍的第一照片；分别对每张所述第一照片进行模糊处理，得到每张所述第一照片各自对应的模糊照片；计算每张所述第一照片与各自对应的所述模糊照片之间的差分值；基于所述差分值确定每张所述第一照片的清晰度，基于所述清晰度从所述第一照片中得到第二照片。由于对连拍的每张所述第一照片进行模糊处理之后，计算每张所述第一照片与各自对应的所述模糊照片之间的差分值，并基于所述差分值确定每张所述第一照片的清晰度，基于所述清晰度从所述第一照片中得到第二照片。实现了快速准确地从连拍的所述第一照片中基于清晰度得到第二照片，提高了从多张连拍照片中选出清晰照片的效率。

本申请第二方面提供的终端以及第四方面提供的计算机可读存储介质与现有技术相比，存在的有益效果与本申请第一方面提供的连拍照片获取方法与现有技术相比存在的有益效果相同，在此不再重述。

附图说明

为了更清楚地说明本申请实施例中的技术方案，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地介绍，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是本申请实施例提供的连拍照片获取方法的实现流程；

图2是图1中S102的具体实施流程图；

图3是图1中S103的具体实施流程图；

图4是图1中S104的具体实施流程图；

图5是本申请提供的连拍照片获取装置的装置示意图；

图6是本申请提供的终端的示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。

需要说明的是，在终端，例如手机，PAD等的照相功能越来越强大的今天，很多人都选择用终端而不是用摄像机来进行拍照。这就对终端的拍照功能的稳定性，智能性，提出了越来越高的需求。目前，在终端拍摄中，由于一些拍摄问题会出现不同程度的模糊，例如，由于拍摄时终端抖动引起的抖动模糊，由于拍摄目标移动引起的移动模糊，或者由于对焦不清晰导致的失焦模糊等。用户为了能够拍摄出满意的照片，通常选择连拍多张照片来降低拍摄模糊的概率，提升清晰照片的选择范围。但是，连拍照片通常有7-20张左右，需要用户进行逐张选择，浪费大量的时间，选片效率低下。

针对上述问题，如果终端能够自动快速从多张连拍照片中判断出最佳的照片，并进行存储，则可以为用户节省大量挑选照片的时间。目前，提出了一些自动识别图片清晰度的方法，常见的传统算法为边缘检测算法，其依据的是假设图片很模糊，那么边缘信息就会比较模糊，相应检测到的边缘信息就少的思想，将图片进行边缘检测之后，再通过求方差的方法，对边缘图片统计出方差大小。将方差比较小的图片作为模糊图片，方差比较大的图片作为清晰图片。但是在现实生活拍照中，常常会出现摩尔纹效应，或者光线敏感变化，或者照片内容的变化，导致上述通过边缘检测算法进行图片情绪度判断时存在正确率不高的问题。针对上述问题，本发明针对照片模糊，给出新的方法。

为了说明本申请所述的技术方案，下面通过具体实施例来进行说明。如图1所示，是本申请第一实施例提供的连拍照片获取方法的实现流程图，本实施例的执行主体为终端。详述如下：

S101，获取连拍的第一照片。

可以理解地，用户在看见自己喜欢的景物或者是为家人朋友抓拍一些特定动作时，会快速按下拍摄键，启动拍摄功能进行拍摄，此时，会检测到拍摄照片。在本实施例中，当检测到拍摄照片后，可以获取连拍的第一照片。

S102，分别对每张所述第一照片进行模糊处理，得到每张所述第一照片各自对应的模糊照片。

可以理解地，在拍摄照片过程中，人们最关心的往往是拍摄目标的清晰度，例如人物照片中的人脸清晰度，包括面部表情是否自然，例如是否存在眨眼，张嘴等影响照片美观的动作，或者是物体取景是否清晰等。因此，在本实例中，进一步地，可以通过检测出每张所述第一照片包含的目标区域，通过目标区域的清晰度，来确定每张所述第一照片的清晰度。具体地，所述第一照片包含有人脸图像和/或物体图像，在本实施例中，所述目标区域为所述人脸图像和/或物体图像。

具体地，图2是图1中S102的具体实施流程图。由图2可知，S102包括：

S1021，分别检测出每张所述第一照片的目标区域，所述目标区域包含人脸图像和/或物体图像。

需要说明的是，目前常见的人脸图像和/或物体图像检测方法有很多，例如，通过机器学习模型进行人脸检测和/或物体图像检测，具体地，在本实施例中，可以利用经训练的图像检测模型检测出所述每张照片的目标区域，所述经训练的图像检测模型为神经网络模型。

具体地，所述分别检测出每张所述第一照片的目标区域，包括：将每张所述第一照片输入所述神经网络模型进行目标区域检测，得到所述神经网络模型输出的每张所述第一照片的目标区域。

所述经训练的图像检测模型的训练过程，包括：

获取第一预设数量的目标照片，所述目标照片为标注了目标区域的所述第一照片，所述第一照片包含有人脸图像和/或物体图像，所述目标区域为人脸图像和/或物体图像。

可以理解地，在图像检测模型的训练过程中，通常选择预先建立的模型结构，例如，在本实施例中为神经网络模型的结构，然后将训练样本输入预先建立的模型结构进行训练，在本实施例中，训练样本为所述第一预设数量的目标照片，具体地，为了提高图像检测模型训练的效率及准确性，所述第一预设数量的目标照片为标注了目标区域的所述第一照片。

具体地，所述神经网络模型的训练过程包括：

获取第一预设的目标照片；

将所述第一预设数量的目标照片输入预先建立的神经网络模型进行训练，获得训练之后的所述神经网络模型；

获取第二预设数量的目标照片，将所述第二预设数量的目标照片依次输入训练之后的所述神经网络模型进行分析，得到训练之后的所述神经网络模型输出的标注了目标区域的所述目标照片；

若标注了目标区域的所述目标照片与预设的标注了目标区域的所述目标照片相比，所述目标区域重合的概率大于预设的概率阈值，则确定训练之后的所述神经网络模型为训练完成的神经网络模型；

若标注了目标区域的所述目标照片与预设的标注了目标区域的所述目标照片相比，所述目标区域重合的概率小于或等于预设的概率阈值，则增加所述第一预设数量的目标照片，并执行将所述第一预设数量的目标照片输入预先建立的神经网络模型进行训练，获得训练之后的所述神经网络模型。

通常，模型在训练完成之后，将未标注目标区域的所述第一照片输入经训练的所述神经网络模型进行目标区域标注，会获得训练完成的所述神经网络模型输出的标注了目标区域的所述第一照片。

S1022，分别对每张所述第一照片各自对应的目标区域进行模糊滤波处理，得到每张所述第一照片各自对应的模糊照片。

通常，当图像中有模糊现象时，对图像进一步进行模糊滤波处理，对应对该具有模糊现象的图像的清晰度损失较小。在本实例中，利用模糊滤波的该特性，通过分别对每张所述第一照片各自对应的目标区域进行模糊滤波处理，得到每张所述第一照片各自对应的模糊照片。具体地，对每张所述第一照片各自对应的目标区域进行高斯滤波处理，得到每张所述第一照片各自对应的模糊照片。

S103，计算每张所述第一照片与各自对应的所述模糊照片之间的差分值。

需要说明的是，由于对原本模糊的图像进行模糊滤波处理，对其清晰度的损失较小，对原本清晰的图像进行模糊滤波处理，对其清晰度的损失较大，因此对模糊照片进行模糊滤波处理之后，其与原图的差分值较小，相应地，图像越清晰，对其进行模糊滤波处理之后，其与原图的差分值越大。

在本实施例中，利用模糊滤波对不同清晰度图像的损失不同的特性，通过计算每张所述第一照片与各自对应的所述模糊照片之间的差分值来确定原图的清晰度。具体地，图像的差分值对应为两幅图像的对应像素值相减，得到的像素差值。

具体地，如图3所示，是图1中S103的具体实施流程图。由图3可知，S103包括：

S1031，分别将每张所述第一照片进行灰度化处理，得到每张所述第一照片各自对应的灰度图。

需要说明的是，所述第一照片为三原色(RGB，其中R代表红色通道，G代表绿色通道，B代表蓝色通道)图像，每张所述第一照片各自对应的所述模糊照片为灰度图像，而在计算图像差分时，要求输入图像具有相同的类型和大小，因此，首先需要将每张所述第一照片进行灰度化处理。具体地，对每张所述第一照片进行灰度化处理的具体方式在此不做限制，作为示例而非限定，可以通过预设的灰度化公式，例如Gray＝R*0.299+G*0.587+B*0.114，对每张所述第一照片进行灰度化处理，其中，在该灰度化处理的过程中，R表示红色通道的像素值，G表示绿色通道的像素值，B表示蓝色通道的像素值，Gray表示灰度化处理之后的单通道像素值。

S1032，分别计算每张所述第一照片各自对应的所述灰度图与每张所述第一照片各自对应的所述模糊照片之间的差分值。

具体地，由于每张所述第一照片各自对应的所述灰度图与每张所述第一照片各自对应的所述模糊照片具有相同的类型和大小，因此，可以直接将每张所述第一照片各自对应的所述灰度图与每张所述第一照片各自对应的所述模糊照片进行相减，得到差分图像，所述差分图像每个像素点对应的像素值为所述差分值。

进一步地，在一种可以实现的实施方式中，可以对每张所述第一照片各自对应的所述灰度图和所述模糊照片分别进行归一化处理之后，再计算归一化处理之后的所述灰度图与归一化处理之后的所述模糊照片之间的差分值。具体地，归一化处理的过程不做具体限制，具体地，所述归一化处理的目的是使得所述灰度图的每个像素点以及所述模糊照片的每个像素点的取值分别为[0,1]之间。

S104，基于所述差分值确定每张所述第一照片的清晰度，基于所述清晰度从所述第一照片中得到第二照片。

具体地，根据前面分析可知，越模糊的图像进行模糊滤波处理之后，对原图的清晰度损失越小，因此，计算得到的所述差分值越小，通常，差分值是差分图像的每个像素点的像素值，通过比较图像每个像素点的像素值的大小确定图像的清晰度，往往不是特别清楚，因此，在本实施例中，进一步通过计算所述差分值对应的峰值信噪比，来确定每张所述第一照片的清晰度。

可以理解地，用户通常清晰度较高的照片，因此，在一种可选的实现方式中，所述S104具体包括：基于所述差分值确定每张所述第一照片的清晰度，从所有所述第一照片中获取清晰度最高的第二照片。

具体地，如图4所示，是图1中S104的具体实施流程图。由图4可知，S104包括：

S1041，计算所述差分值的峰值信噪比。

具体地，峰值信噪比经常用来表示图像压缩等领域中像素重建质量的测量，在本实施例中，通过计算所述差分值的峰值信噪比，来确定每张所述第一照片的清晰度。

具体地，基于预设的峰值信噪比计算公式计算所述差分值的峰值信噪比，进一步地，所述预设的峰值信噪比计算公式为：

其中，a_ij表示第一照片的灰度图对应的像素点坐标为(i，j)的第一像素点与对应的模糊照片的像素点坐标为(i，j)的第二像素点之间的像素差值，i表示像素点的横坐标，j表示像素点的纵坐标，n表示差分图像的宽度，m表示差分图像的长度。

需要说明的是，常见的峰值信噪比为负数，在本实例中，为了更方便确定每张所述第一照片的清晰度，所述预设的峰值信噪比公式为基于传统的峰值信噪比公式演变而来，其取值为正。

S1042，根据所述峰值信噪比确定每张所述第一照片的清晰度。

具体地，在本实例中，当所述峰值信噪比越大，说明对应的所述第一照片越模糊，所述峰值信噪比越小，说明对应的所述第一照片越清晰。

S1043，从所有所述第一照片中获取清晰度最高的第二照片。

可选地，从所有所述第一照片中获取清晰度最高的第二照片进行存储之后，将其余所述第一照片从删除，以释放缓存空间。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。

通过上述分析可知，本申请提出的连拍照片获取方法，通过获取连拍的第一照片；分别对每张所述第一照片进行模糊处理，得到每张所述第一照片各自对应的模糊照片；计算每张所述第一照片与各自对应的所述模糊照片之间的差分值；基于所述差分值确定每张所述第一照片的清晰度，基于所述清晰度从所述第一照片中得到第二照片。由于对连拍的每张所述第一照片进行模糊处理之后，计算每张所述第一照片与各自对应的所述模糊照片之间的差分值，并基于所述差分值确定每张所述第一照片的清晰度，基于所述清晰度从所述第一照片中得到第二照片。实现了快速准确地从连拍的所述第一照片中基于清晰度得到第二照片，提高了从多张连拍照片中选出清晰照片的效率。

图5是本申请提供的连拍照片获取装置的装置示意图。如图5所示，该实施例的连拍照片获取装置5包括：第一获取模块501、处理模块502、计算模块503以及第二获取模块504。其中，

第一获取模块501，用于获取连拍的第一照片；

优选地，处理模块502包括：

优选地，检测单元具体用于：

优选地，所述第二获取模块504具体用于：

优选地，所述第二获取模块504，包括：

第一计算单元，用于计算所述差分值的峰值信噪比；

优选地，计算单元具体用于：

优选地，处理模块502具体用于：

优选地，计算模块503包括：

图6是本申请提供的终端的示意图。如图6所示，该实施例的终端6包括：处理器60、存储器61以及存储在所述存储器61中并可在所述处理器60上运行的计算机程序62，例如连拍照片获取程序。所述处理器60执行所述计算机程序62时实现上述各个连拍照片获取方法实施例中的步骤，例如图1所示的步骤101至104。或者，所述处理器60执行所述计算机程序62时实现上述连拍照片获取装置实施例中各模块/单元的功能，例如图5所示模块501至504的功能。

示例性的，所述计算机程序62可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器61中，并由所述处理器60执行，以完成本申请。所述一个或多个模块/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，该指令段用于描述所述计算机程序62在终端6中的执行过程。例如，所述计算机程序62可以被分割成第一获取模块、处理模块、计算模块以及第二获取模块(虚拟装置中的模块)，各模块具体功能如下：

第一获取模块，用于获取连拍的第一照片；

处理模块，用于分别对每张所述第一照片进行模糊处理，得到每张所述第一照片各自对应的模糊照片；

计算模块，用于计算每张所述第一照片与各自对应的所述模糊照片之间的差分值；

第二获取模块，用于基于所述像素差值确定每张所述第一照片的清晰度，从所有所述第一照片中获取清晰度最高的第二照片进行存储。

优选地，所述终端还包括拍摄模块，所述拍摄模块用于拍摄所述第一照片。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

在本申请所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，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讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

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通信单元上。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。

所述集成的模块/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，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。

以上所述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，均应包含在本申请的保护范围之内。

Claims

1.一种连拍照片获取方法，其特征在于，包括：

获取连拍的第一照片；

2.如权利要求1所述的连拍照片获取方法，其特征在于，所述分别对每张所述第一照片进行模糊处理，得到每张所述第一照片各自对应的模糊照片，包括：

3.如权利要求2所述的连拍照片获取方法，其特征在于，所述分别检测出每张所述第一照片的目标区域，包括：

4.如权利要求1所述的连拍照片获取方法，其特征在于，所述基于所述差分值确定每张所述第一照片的清晰度，基于所述清晰度从所述第一照片中得到第二照片，包括：

5.如权利要求4所述的连拍照片获取方法，其特征在于，所述基于所述差分值确定每张所述第一照片的清晰度，从所有所述第一照片中获取清晰度最高的第二照片，包括：

计算所述差分值的峰值信噪比；

根据所述峰值信噪比确定每张所述第一照片的清晰度；

从所有所述第一照片中获取清晰度最高的第二照片。

6.如权利要求5所述的连拍照片获取方法，其特征在于，所述计算所述差分值的峰值信噪比，包括：

7.如权利要求1或2所述的连拍照片获取方法，其特征在于，所述分别对每张所述第一照片进行模糊处理，得到每张所述第一照片各自对应的模糊照片，包括：

8.如权利要求7所述的连拍照片获取方法，其特征在于，所述计算每张所述第一照片与各自对应的所述模糊照片之间的差分值，包括：

9.一种智能终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述连拍照片获取方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述连拍照片获取方法的步骤。