[发明专利]拍摄画面的显示方法、移动终端及存储介质有效
| 申请号: | 202110376895.9 | 申请日: | 2021-04-08 |
| 公开(公告)号: | CN113179369B | 公开(公告)日: | 2023-03-21 |
| 发明(设计)人: | 缪威;许美 | 申请(专利权)人: | 重庆传音通讯技术有限公司 |
| 主分类号: | H04N23/60 | 分类号: | H04N23/60;H04N23/63 |
| 代理公司: | 上海波拓知识产权代理有限公司 31264 | 代理人: | 林丽璀 |
| 地址: | 401120 重庆*** | 国省代码: | 重庆;50 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 拍摄 画面 显示 方法 移动 终端 存储 介质 | ||
1.一种拍摄画面的显示方法,应用于移动终端,其特征在于,包括:
启动相机应用;
从预设数据中获取与所述相机应用适配的画面显示参数,所述画面显示参数包括帧率和/或分辨率;
所述从预设数据中获取与所述相机应用适配的画面显示参数,包括:
获取所述相机应用的应用数据;
根据所述应用数据在所述预设数据中匹配至少一目标参数集合,各所述目标参数集合分别用于存储一种所述画面显示参数的至少一个值或数值范围;
根据当前的工作模式,从所述至少一目标参数集合中确认至少一个值或数值范围,以得到与所述相机应用适配的画面显示参数;
根据获取的画面显示参数显示拍摄画面,以校正所述拍摄画面的尺寸和/或画质。
2.根据权利要求1所述的拍摄画面的显示方法,其特征在于,所述根据所述应用数据在所述预设数据中匹配至少一目标参数集合,包括:
根据所述应用数据确定用于调用所述画面显示参数的系统架构层,所述系统架构层包括硬件抽象层和/或应用框架层;
基于所述系统架构层所关联的所述预设数据,确定所述至少一目标参数集合。
3.根据权利要求2所述的拍摄画面的显示方法,其特征在于,所述基于所述系统架构层所关联的所述预设数据,确定所述至少一目标参数集合,包括:
用于调用所述画面显示参数的系统架构层为应用框架层时,根据所述相机应用适配的应用接口,从所述应用框架层所关联的所述预设数据中确定所述目标参数集合。
4.根据权利要求2或3所述的拍摄画面的显示方法,其特征在于,所述启动相机应用之前,还包括:
存储各系统架构层关联的预设数据,其中,帧率对应的预设数据及一部分相机应用适配的分辨率的预设数据与所述硬件抽象层关联存储,另一部分相机应用适配的分辨率的预设数据根据相机应用适配的应用接口与所述应用框架层关联存储。
5.根据权利要求4所述的拍摄画面的显示方法,其特征在于,所述方法,还包括:
存储分辨率的预设数据时,设置分辨率的值或数值范围小于或等于预设最大画面尺寸对应的分辨率的值或数值范围。
6.根据权利要求1所述的拍摄画面的显示方法,其特征在于,所述工作模式包括拍照模式、录像模式或预览模式中的至少一种,所述根据当前的工作模式,从所述至少一目标参数集合中确认至少一个值或数值范围,包括:
根据当前的工作模式,从所述至少一目标参数集合中确认至少一个分辨率的值;和/或,
根据当前的工作模式,从所述至少一目标参数集合中确认至少一个帧率的数值范围。
7.根据权利要求1所述的拍摄画面的显示方法,其特征在于,所述启动相机应用之后,还包括:
确定所述相机应用是否为系统应用;
若否,则执行所述从预设数据中获取与所述相机应用适配的画面显示参数的步骤;和/或,
若是,则根据所述相机应用配置的画面显示参数显示拍摄画面。
8.一种拍摄画面的显示方法,其特征在于,包括:
启动相机应用;
确定所述相机应用的拍摄画面的尺寸和/或画质是否与终端参数适配;
若否,则确定用于校正所述拍摄画面的画面显示参数,并从预设数据中获取与所述相机应用适配的画面显示参数,所述画面显示参数包括帧率和/或分辨率;
所述从预设数据中获取与所述相机应用适配的画面显示参数,包括:
获取所述相机应用的应用数据;
根据所述应用数据在所述预设数据中匹配至少一目标参数集合,各所述目标参数集合分别用于存储一种所述画面显示参数的至少一个值或数值范围;
根据当前的工作模式,从所述至少一目标参数集合中确认至少一个值或数值范围,以得到与所述相机应用适配的画面显示参数;
根据确定的参数值显示拍摄画面。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于重庆传音通讯技术有限公司,未经重庆传音通讯技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110376895.9/1.html,转载请声明来源钻瓜专利网。
- 上一篇:导体端子接触元件
- 下一篇:基于持续深度学习的ECG数据分类方法





