博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
手机相机专业模式介绍
阅读量:3905 次
发布时间:2019-05-23

本文共 1755 字,大约阅读时间需要 5 分钟。

关于手机相机专业模式解析。

首先是打开相机,更多里面的PRO专业选项。

测光方式
一、首先第一个图标,表示的是,测光方式。
点击它,会出现三个小图标,按顺序说:
1、第一个是矩阵测光,各个部分的光线分布均匀,适用于大场景,广范围的区域平均的场景进行拍照。
2、第二个是中央重点测光,跟第一个矩阵测光差不多,但是重点分配一定比例给了中央区域,适用于人像和动物。
3、第三个是点测光,对光点周围2.5%附近区域重点测光,用于拍摄微小物体,使用过程中可见强烈的背景虚化,层次感极其丰富。

ISO

二、第二个是ISO感光度。
又称为ISO值 (International Standardization Organization)你没听错,它竟然是国际标准化组织的简称,因为摄影界一直说ISO感光度,于是,大家也就默认ISO是感光度的简称了。它是是衡量CMOS图像传感器对于光的灵敏程度,ISO越大,底片对光越敏感,于是一点点光线就足以得到正常曝光的图像,当然,他的缺点就是,对于光灵敏,那么对于噪声也越灵敏,图片会出现很多颗粒状的透明物体,因此不到万不得已,不去通过调高ISO的值取提高亮度。
快门时间
三、第三个是Shutter快门。
又称为曝光时间,成像过程中,从你按下拍照的那一瞬间到结束拍照过程中,后面的CMOS图像传感器暴露在光线中的时长。因此,S越大,曝光时间越长,对应的照片也就月亮,但是曝光时间越长,拍照过程中的抖动会对成像产生较大的影响。抖动会使照片出现伪影模糊,使得照片质量不高。
曝光补偿四、第四个是EV曝光补偿。
全称是曝光值(exposure values),这个与CMOS图像传感器,快门,光圈都无关,他是通过算法来提高照片的亮度,例如选择0.3时,图像会增加30%的额外曝光,这种做法,算然会提高图像的亮度,但是会让图像的亮部细节丢失,降低图像的动态范围。同理选择 - 0.3时,降低30%的光强,降低图像亮度,暗部细节丢失,降低图像动态范围。
那么动态范围又是什么?动态范围就是显示屏显示的细节有多详细,比如正常动态范围的图片,亮部和暗部都能显示很多细节,很清楚,而动态范围小的就是要么亮部一片白,要么暗部一片黑。
对焦方式五、第五个是对焦方式。
点击AF后会出现三个子选项AF-S AF-C MF
1、AF-S:Auto Focus - Single 单次自动对焦,就自动对焦一次,之后会一直保持刚刚的焦距需要手动对焦。
2、AF-C:Auto Focus -Continuous 连续自动对焦,手机的普通模式都是连续自动对焦,无需人工操作。
3、MF:Manual focus 手动对焦,如果是摄像机就要转动镜头了,手机你可以点击你想要对焦地方即可。
平衡模式六、第六个是平衡模式。
基本最有用的应该就是AWB模式,自动消除一些特定环境下的灯光对被拍摄物体的颜色影响。
1、AWB:Automatic White Balance 自动白平衡
2、阴天环境
3、荧光灯环境
4、白炽灯环境
5、晴天环境
6、自定义(详见下图)自定义平衡模式
关于第六条的自定义,可调节数值。
数值越小,拍摄的图片颜色越蓝,用来抵消暖色光源的影响。
数值越大,拍摄的图片颜色越红,用来抵消冷色光源的影响。

总结:在使用专业模式时候,请最好配备三脚架,如果普通拍照,请直接使用原始相机,一切自动即可。

如果拍近距离人像,且有背景虚化,层次感丰富的照片,直接使用大光圈模式即可。

个人看法:手机相机的功能已经超出了普通用户的适用范围了,有点功能过剩的意思了,可能有的用户从手机买来到报废也不会去点击相机的专业模式。而正真有需求的用户可能去买一台单反,COMS传感器越大,比手机纯算法所得出的图像感觉要真实的多。在摩尔定律逼近宏观极限的今天,手机的发展好像无法从软硬件角度有极大的提升,因此手机厂商好像都在把目光放在了相机的图像处理算法上。在通信技术朝着低时延,高可靠方向不断发展下,2030年的手机可能无需内置运算芯片,而是由信号发射与接收单元来解决信息的发送与接收,所有计算全部在云端服务器解决,也就是说,2030年手机可能由屏幕、天线、电池三大模块组成,计算与存储全部实现云端化。只要速度够快,资费够低,带宽够大。这一切都在朝着可以看到的方向发展。个人看法仅供参考。

转载地址:http://tamen.baihongyu.com/

你可能感兴趣的文章
c、 c++、 java 基本数据类型 对比辨析
查看>>
自然语言处理(NLP)四步流程:Embed->Encode->Attend->Predict
查看>>
python机器学习包 Windows下 pip安装 scikit-learn numpy scipy
查看>>
[转发]机器学习资源大全
查看>>
《数学之美》知识点详细总结
查看>>
机器学习 数据挖掘 数据集划分 训练集 验证集 测试集
查看>>
从不同角度看机器学习的几种学习方式
查看>>
数据挖掘 NLP 之 文本挖掘 文本处理 通用流程
查看>>
NLP 主题抽取 Topic LDA代码实践 gensim包 代码
查看>>
NLP 工具包 大调查 自然语言处理工具包合集
查看>>
scrapy爬取酒店评论数据
查看>>
各框架下(tensorflow, pytorch, theano, keras)实现几个基础结构神经网络(mlp, autoencoder, CNNs, recurrent, recursive)
查看>>
软考相关英语
查看>>
[老老实实学WCF] 第四篇 初探通信--ChannelFactory
查看>>
ASP.NET 中的 Async/Await 简介
查看>>
解决Chrome中调试JS提示“Uncaught TypeError: Cannot use 'in' operator to search for”错误信息问题
查看>>
阿里巴巴java规范 第一版
查看>>
USB通信记事
查看>>
Android 编译(1)——Android编译步骤梳理
查看>>
编译器配置(1)——ARMv7,ARMv8(AArch64) 浮点配置等相关知识
查看>>