具有特征匹配的多相机处理器的制作方法

实施例总体上涉及多相机系统。更具体地说，实施例涉及具有特征匹配的多相机处理器。

背景技术：

多相机系统可以使得例如深度提取、三维(3d)重构、全景成像等的功能成为可能。可以处理多个相机并发地产生的图像以提供该功能。

附图说明

通过阅读以下说明书和所附权利要求并且参考以下附图，本领域技术人员将清楚实施例的各种优点，其中：

图1是根据实施例的电子处理系统的示例的框图；

图2是根据实施例的半导体封装装置的示例的框图；

图3a至图3c是根据实施例的校准多个相机的方法的示例的流程图。

图4a至图4b是根据实施例的来自多个相机的图像的示例的说明性示图；

图5是根据实施例的单个相机的示例的框图；

图6是根据实施例的用于多相机系统的处理流程的示例的说明性示图；

图7是根据实施例的用于多相机系统的处理流程的另一示例的说明性示图；

图8是根据实施例的用于多相机系统的处理流程的另一示例的说明性示图；

图9是根据实施例的具有导航控制器的系统的示例的框图；以及

图10是根据实施例的具有小形数的系统的示例的框图。

具体实施方式

现参照图1，电子处理系统10的实施例可以包括：处理器11；两个或更多个相机12(例如，相机c1至cn，其中，n>1)，其以通信方式耦合到处理器11以捕获场景的两个或更多个并发图像；和逻辑13，其以通信方式耦合到处理器11，用于：检测来自两个或更多个相机12中的第一相机c1的第一图像中的特征；匹配来自两个或更多个相机12中的第二相机c2的第二图像中的特征；以及基于第一图像的与检测到的特征对应的部分和第二图像的与所匹配的特征对应的部分，执行第一相机c1与第二相机c2之间的光度校准。在一些实施例中，逻辑13可以被配置为：基于第一图像中的检测到的特征，定义第一相机c1的第一区域感兴趣(roi)；基于第二图像中的所匹配的特征，定义第二相机c2的第二roi；以及基于第一roi和第二roi，执行第一相机c1与第二相机c2之间的光度校准。例如，逻辑13可以被配置为：基于第一图像和第二图像中的特征的相应位置和大小，定义第一感兴趣区域(roi)和第二感兴趣区域(roi)。

在系统10的一些实施例中，逻辑13可以附加地或替代地被配置为：定义第一相机c1的第一roi；基于第一roi，检测第一图像中的特征；基于第二图像中的所匹配的特征，定义第二相机c2的第二roi；以及基于第一roi和第二roi，执行第一相机c1与第二相机c2之间的光度校准。例如，逻辑13可以被配置为：基于第二图像中的所匹配的特征的位置和大小，定义第二roi。在本文的任何实施例中，逻辑13也可以被配置为：基于光度校准，确定用于两个或更多个相机中的每一个的一个或多个参数值。例如，光度校准可以确定用于聚焦、色彩校正、伽马校正、锐度、曝光、黑电平、噪声、白平衡和对比度中的一个或多个的参数值。

上述处理器11、相机12、逻辑13和其他系统组件中的每一个的实施例可以实现于硬件、软件或其任何合适的组合中。例如，硬件实现方式可以包括可配置逻辑，例如可编程逻辑阵列(pla)、现场可编程门阵列(fpga)、复杂可编程逻辑器件(cpld)或使用电路技术(例如，专用集成电路(asic)、互补金属氧化物半导体(cmos)或晶体管-晶体管逻辑(ttl)技术)的固定功能逻辑硬件、或其任何组合。

替代地或附加地，这些组件的全部或部分可以实现于一个或多个模块中作为存储在机器或计算机可读存储介质(例如，随机存取存储器(ram)、只读存储器(rom)、可编程rom(prom)、固件、闪存等)中的逻辑指令集，以由处理器或计算设备执行。例如，可以用包括面向对象的编程语言(例如，python、perl、java、smalltalk、c++、c#等)和传统的过程编程语言(例如，“c”编程语言或相似的编程语言)的一种或多种操作系统(os)可应用的/适当的编程语言的任何组合编写用于执行组件操作的计算机程序代码。例如，主存储器、永久存储介质或其他系统存储器可以存储指令集，其当由处理器11执行时使得系统10实现系统10的一个或多个组件、特征或方面(例如，逻辑13，检测第一图像中的特征，匹配第二图像中的特征，执行光度校准等)。

现参照图2，半导体封装装置20的实施例可以包括一个或多个衬底21以及耦合到一个或多个衬底21的逻辑22，其中，逻辑22至少部分地实现于可配置逻辑和固定功能硬件逻辑中的一个或多个中。耦合到一个或多个衬底的逻辑22可以被配置为：通过两个或更多个相机捕获场景的两个或更多个并发图像；检测来自两个或更多个相机中的第一相机的第一图像中的特征；匹配来自两个或更多个相机的中的第二相机的第二图像的特征；以及基于第一图像的与检测到的特征对应的部分和第二图像的与所匹配的特征对应的部分，执行第一相机与第二相机之间的光度校准。在一些实施例中，逻辑22可以被配置为：基于第一图像中的检测到的特征，定义第一相机的第一roi；基于第二图像中的所匹配的特征，定义第二相机的第二roi；以及基于第一roi和第二roi，执行第一相机与第二相机之间的光度校准。例如，逻辑22可以被配置为：基于第一图像和第二图像中的特征的相应位置和大小，定义第一roi和第二roi。

在一些实施例中，逻辑22可以附加地或替代地被配置为：定义第一相机的第一roi；基于第一roi，检测第一图像中的特征；基于第二图像中的所匹配的特征，定义第二相机的第二roi；以及基于第一roi和第二roi，执行第一相机与第二相机之间的光度校准。例如，逻辑22可以被配置为：基于第二图像中的所匹配的特征的位置和大小，定义第二roi。在本文的任何实施例中，逻辑22也可以被配置为：基于光度校准，确定用于两个或更多个相机中的每一个的一个或多个参数值。例如，光度校准可以确定用于焦点、色彩校正、伽马校正、锐度、曝光、黑电平、噪声、白平衡和对比度中的一个或多个的参数值。

逻辑22和装置20的其他组件的实施例可以实现于硬件、软件或其任何组合中，至少包括硬件中的部分实现方式。例如，硬件实现方式可以包括可配置逻辑(例如，pla、fpga、cpld或使用电路技术(例如，asic，cmos或ttl技术)的固定功能逻辑硬件或其任何组合)。附加地，这些组件的部分可以实现于一个或多个模块中作为存储在机器或计算机可读存储介质(例如，ram、rom、prom、固件、闪存等)中的逻辑指令集，以由处理器或计算设备执行。例如，可以用包括面向对象的编程语言(例如，python、perl、java、smalltalk、c++、c#等)和传统的过程编程语言(例如，“c”编程语言或相似的编程语言)的一种或多种os可应用的/适当的编程语言的任何组合编写用于执行组件操作的计算机程序代码。

现参照图3a至图3c，校准多个相机的方法30的实施例可以包括：在方框31，通过两个或更多个相机捕获场景的两个或更多个并发图像；在方框32，检测来自两个或更多个相机中的第一相机的第一图像中的特征；在方框33，匹配来自两个或更多个相机中的第二相机的第二图像中的特征；以及在方框34，基于第一图像的与检测到的特征对应的部分和第二图像的与所匹配的特征对应的部分，执行第一相机与第二相机之间的光度校准。方法30的一些实施例可以还包括：在方框35，基于第一图像中的检测到的特征，定义第一相机的第一roi；在方框36，基于第二图像中的匹配的特征，定义第二相机的第二roi；以及在方框37，基于第一roi和第二roi，执行第一相机与第二相机之间的光度校准。例如，方法30可以还包括：在方框38，基于第一图像和第二图像中的特征的相应位置和大小，定义第一roi和第二roi。

方法30的一些实施例可以附加地或替代地包括：在方框39，定义第一相机的第一roi；在方框40，基于第一roi，检测第一图像中的特征；在方框41，基于的第二图像中的所匹配的特征，定义第二相机的第二roi；以及在方框42，基于第一roi和第二roi，执行第一相机与第二相机之间的光度校准。例如，方法30可以还包括：在方框43，基于第二图像中的所匹配的特征的位置和大小，定义第二roi。对于本文的任何实施例，方法30可以还包括：在方框44，基于光度校准，确定用于两个或更多个相机中的每一个的一个或多个参数值。在方框45，参数值的非限定性示例可以包括焦点、色彩校正、伽马校正、锐度、曝光、黑电平、噪声、白平衡、对比度等。

方法30的实施例可以实现于例如本文描述的那些的系统、装置、计算机、设备等中。更具体地说，方法30的硬件实现方式可以包括可配置逻辑(例如，pla、fpga、cpld或使用电路技术(例如，asic，cmos或ttl技术)的固定功能逻辑硬件或其任何组合)。替代地或附加地，方法30可以实现于一个或多个模块中作为存储在机器或计算机可读存储介质(例如，ram，rom，prom，固件，闪存等)中的逻辑指令集，以由处理器或计算设备执行。可以用包括面向对象的编程语言(例如，python、perl、java、smalltalk、c++、c#等)和传统的过程编程语言(例如，“c”编程语言或相似的编程语言)的一种或多种os可应用的/适当的编程语言的任何组合编写用于执行组件操作的计算机程序代码。

例如，方法30可以实现于结合以下示例19至24描述的计算机可读介质上。方法30的实施例或部分可以实现于操作系统(os)上运行的固件、应用程序(例如，通过应用编程接口(api))或驱动软件中。

一些实施例可以有利地提供利用特征检测和匹配的多相机图像信号处理器(isp)。多相机阵列可以包括各种计算成像能力，例如(例如，具有双相机布置的)深度提取、3d重构、全景成像、360视频等(例如，比在单个相机的情况下可以是可能的更多功能)。对于多相机阵列的精确功能，在包括几何(例如，相对姿势)、光度(例如，相似图像质量)和时间(例如，时间同步捕获)的三个等级具有校准可能是重要的。一些实施例可以通过在捕获相同场景的多相机图像上提供更好的光度相似性来改进光度校准。

图像的光度性质可以包括捕获图像所采用的曝光、聚焦、白平衡、伽马校正和锐度设置。这些参数可以形成用于相机的isp的不同块。因为多相机阵列中的每个相机可以具有其自身的isp，所以相机可以生成具有光度变化的图像。对于光度校准，可以对于每个相机在本地适配所有或多数这些参数，使得每个组件isp块之后的输出图像看起来相似。成功的校准可以产生可以关于所有这些参数显得更一致的来自每个相机的最终彩色图像集合。一些其他系统可以利用主从技术，其中，一个相机选择为主件相机，而多相机系统的其他相机被配置为具有与主件相同的参数。然而，一些参数并非顺从于主从技术。例如，聚焦可能对于此技术并非工作得良好，因为主件聚焦的roi可以随着相机视点改变而改变，并且对于从件使用相同的roi可能导致也可能处于不同的距离的完全不同的对象上的聚焦。一些实施例可以提供有利地允许动态roi的光度校准技术，并且可以利用用于参数估计的优化方法。

一些实施例可以有利地利用特征检测和特征匹配技术，以动态地定义图像中的roi以用于光度校准。可以使用任何合适的特征检测/匹配技术，包括尺度不变特征变换(sift)、定向fast和旋转brief(orb)、加速鲁棒特征(surf)、kaze、akaze等。一些实施例可以利用在每个isp块之后获得的多相机图像之间的独特特征和特征匹配以定义动态roi。例如，roi可以对应于匹配二维(2d)像素位置的列表和2d像素位置周围的区域的描述符。对于一些isp参数(例如，色彩校正)，定义的roi可以是检测到的匹配特征的位置的函数。对于其他参数(例如，焦点)，可以在主件相机中定义特定roi，然后可以跨越图像跟踪roi内部的特征。在一些实施例中，这两个场景可以有利地允许动态roi。

在一些实施例中，匹配的特征的性质(例如，窗口中的强度、锐度等)可以利用作为观测。例如，可以基于观测公式化isp参数所参数化的误差函数。然后误差函数可以求解为优化问题，以通过自动化方式达到改进的或最佳的多相机isp参数。有利地，一些实施例可以提供用于提高多相机系统的调谐和利用的技术。一些实施例可以确定用于相机isp的任何块的改进的或优化的参数值，包括但不限于聚焦、色彩校正、伽马校正、锐度、曝光、黑电平、噪声、白平衡和对比度。

一些其他多相机系统可能需要具有非常相似的特性的同质相机以保持有效光度校准。有利地，一些实施例可以利用异质相机系统。在一些实施例中，可以通过确定适当的isp参数以考虑变化来有效地校准异质相机之间的一些光度变化。归因于一些实施例利用特征点，可以有利地在特征描述符中编码不是isp参数的跨越相机的任何异质性。一些实施例可以提供基于特征的优化技术以确定多相机设置和/或操作参数。在一些实施例中，可以对于多相机系统以系统方式扩展或优化单个相机参数。

现参照图4a至图4b，四个对应相机c1至c4(未示出)可以已经并发地捕获一组四个图像i1至i4。捕获的图像可以具有如不同的阴影图案所表示的显著色温差异(例如，图像i1可以更暖，而图像i2可以具有冷得多的色调)。例如，即使在同质相机阵列中，关于各种相机参数(例如，曝光、噪声、色彩、锐度等)，相机之间也可能存在不一致性。这种不一致性可能带来可以利用多个图像的应用(例如，计算机视觉)方面的各种问题。例如，光度变化可能带来视图插值和图像拼接中的视觉赝像。一些实施例可以提供单独相机c1至c4的色彩和伽马参数的全局优化，以提供光度方面更相似的最终图像。例如，基于特征的色彩和伽马校正可以应用于捕获的图像i1至i4，以提供校正图像i1c至i4c(例如，见图4b)。基于特征的色彩和伽马校正可以带来相似的色温，使得完整一组4个校正的图像i1至i4可以实现如所有四个图像中由相同的阴影图案表示的色温方面的相似性。校正的图像i1c到i4c可以有助于减轻这些赝像中的一些或者改进下游图像处理应用的操作。

一些实施例可以使用跨越多捕获图像计算的特征检测和特征匹配，以取决于相机视点定义动态改变roi。此后，可以公式化优化函数，其可以用以局部细化各个isp参数块以(例如，关于曝光、色彩、伽玛、锐度等)产生光度相似的图像。优化函数可以取决于正优化的isp参数块，并且一些实施例可以在被参数化的每个isp块之后在输出图像中实现相似性。一些实施例可以对于多个isp参数块应用这种基于特征的光度校准，使得来自isp流水线的最终获得的图像在多个方面可以是更相似的。

一些其他多相机系统可以使用主从配置，其中，主参数可以计算为主图像中的图像区域，然后主参数广播到从件相机。每个从件直接使用主件参数(例如，聚焦参数)或独立于其他从件相机适配主件参数以优化其自身的图像准则。一些其他多相机系统可以具有基于特征的方法，其主要关注色彩校正，而不应用任何全局优化。一些实施例可以利用特征检测和特征匹配以对用于isp参数的数据进行采样，并且也可以考虑所有相机而优化isp参数。例如，一些实施例可以同时要么全局地要么关于指定的主件相机针对属于多相机阵列中的相机中的每一个的所有isp参数进行优化。

在一些实施例中，特征匹配可以跨越图像跟踪相似特征，以对于不同的相机图像定义动态大小化的roi。动态大小化的roi对于多相机阵列可能是特别有利的，其中，每个相机可具有不同的视点。一些实施例可以使用特征匹配以用于多相机isp优化。

一些实施例可以利用特征描述符，其对于isp块并未标定的图像性质是不变的。例如，可以在不同分辨率的两个图像中的特征点周围缩放对梯度信息进行编码的不变特征描述符，以确定锐度。特征点周围的缩放可以不受两个图像的分辨率影响。一些其他技术可以使用方形窗口作为特征点周围的roi，并且可能必须首先确定相对图像比例以获知窗口的大小，以用于计算图像梯度以确定焦点。

一些其他多相机系统可以在isp流水线阶段之后对最终图像进行后处理。一些实施例可以处理中间isp块图像以实现关于该特定isp块的图像相似性。中间处理可以有利地允许isp优化流水线中的更大灵活性以及避免对最终isp图像工作的技术的信息丢失。

一些实施例可以使用特征检测和特征匹配技术以在多个相机图像中的每一个中生成可变大小化的roi。roi可以对应于跨越多相机图像正受跟踪的2d像素位置的列表。取决于正受优化的isp参数，roi可以是完整图像(例如，在色彩和伽马校正的情况下)，或者可以在图像之一中预选roi(例如，在图像之一中的矩形区域内部的所有特征点)。然后可以在所有其他图像中跟踪这些点(例如，在焦点设置的情况下)。最后，可以在跟踪的roi中定义取决于isp参数的优化误差函数。

现参照图5，单个相机50的实施例可以包括具有各种不同isp参数/块的isp流水线。相机50可以包括具有像素传感器的图像传感器51，像素传感器带有色彩滤波器阵列(cfa)(例如，或色彩滤波器马赛克(cfm)等)，其放置在图像传感器51的像素传感器上以捕获色彩信息。透镜52可以相对于图像传感器51适当地定位。聚焦控制块53可以控制用于透镜52的聚焦，并且曝光控制块54可以控制图像传感器51捕获的图像的曝光。传感器瑕疵校正块55可以耦合在图像传感器51与聚焦控制块53之间。来自图像传感器51的图像数据可以由isp流水线处理，该isp流水线可以包括串行耦合的isp块，其包括例如黑电平调整块56a、降噪块56b、白平衡块56c、cfa插值块56d、色彩校正矩阵(ccm)块56e、伽马校正块56f、红绿蓝(rgb)到亮度-蓝色差-红色差(ycc)转换块56g、锐度块56h、对比度增强块56i和错误色度抑制块56j。在一些实施例中，isp流水线可以包括更多或更少的块，并且可以包括不同的isp块和/或块的不同顺序。作为通过isp流水线处理图像传感器51捕获的图像的结果，相机50可以提供输出图像57。

许多参数可能影响相机50的各种控制块和isp块如何操作。根据一些实施例，相机50可以包括参数调整器58，以基于特征检测、特征匹配技术和/或动态定义的roi调整相机50的一个或多个参数，以用于关于多相机系统中的一个或多个其他相机的光度校准。例如，作为多相机系统的一部分，相机50可以通过有线或无线方式耦合到其他相机或集中式多相机处理器，以利用特征检测和特征匹配技术动态地定义图像中的roi，以用于光度校准。相机50可以与其他相机关于信息进行通信，以交换来自相机50的数据和参数、其他相机的数据和参数和/或计算/调整，以改进多个相机之间的光度校准。

现参照图6，用于多相机系统的处理流程60的实施例可以包括用于多相机聚焦控制的光度校准。系统的一些实施例可以允许多相机系统中的一些或所有相机聚焦在相同深度上或相同特征上。有利地，一些实施例可以有助于移除捕获的图像中的失焦模糊。例如，一些实施例可以对于多相机网格中的具有自动聚焦能力的相机中的每一个确定改进的或理想的聚焦电机位置。可以在所有其他相机中跟踪在来自主件相机的图像的自动聚焦roi中检测到的特征，并且可以对于所有其他图像确定特征匹配的roi。单独相机可以然后使用它们的特征匹配的roi以确定最佳聚焦位置，并且可以相应地激励聚焦电机。

处理流程60可以包括：主件相机cm和两个或更多个附加相机c1至cn(n>1)中的每一个在方框61a至61c捕获bayer格式的原始数据，并且在方框62a至62c填充瑕疵像素。主件相机cm可以在方框63在要聚焦相机的场景中选择2d自动聚焦roi。可以手动选择自动聚焦roi，或可以自动选择自动聚焦roi(例如，作为图像中的最突显区域)。自动聚焦roi可以是任何合适的大小和形状(例如，不一定是任何几何形状)。例如，自动聚焦roi可以基于聚焦点加上以及减去δx值和δy值。主件相机cm可以具有某固定的聚焦区块和/或大小，并且自动聚焦roi可以对应于该聚焦区块和大小(例如，或加上/减去某δx/y)。主件相机cm可以自动检测图像中的特征(例如，面部、对象等)，并且自动聚焦roi可以对应于检测到的特征聚焦区块(例如，加上/减去某δx/y)。主件相机cm可以允许用户(例如，通过触摸显示屏幕以选择聚焦点/区块/面部/对象等)选择聚焦区域，并且自动聚焦roi可以对应于用户选择的聚焦区域(例如，或加上/减去某δx/y)。

在方框64a，可以对自动聚焦roi中的来自主件相机cm的图像执行特征检测(例如，sift)。在方框62b至62c，可以对来自相机c1至cn的图像在它们各自完整的捕获的图像中执行特征检测。在方框65，可以在自动聚焦roi中检测到的特征与所有其他图像之间执行特征匹配。可以在方框66a对于主件相机选择自动聚焦roi，并且可以在方框66b至66c基于跟踪的特征在其他图像中选择图像依赖的特征匹配的roi。每个相机可以然后在方框67a至67c计算用于作为相应自动聚焦roi和特征匹配的roi的部分的特征点的聚焦测度。可以在方框68a至68c基于重复聚焦测度计算驱动用于每个相机的聚焦致动器以聚焦，并且可以在方框69a至69c提供相应的输出图像。有利地，输出图像可以聚焦在来自系统中所有相机的相同场景点上。在一些实施例中，多相机聚焦控制器可以执行包括方框64至66的一些或所有处理流程60。多相机聚焦控制器可以是分离的处理器，可以实现于相机之一(例如，主件相机cm)中，或者可以分布在相机中的两个或更多个之间。

现参照图7，用于多相机系统的处理流程70的实施例可以包括用于色彩校正矩阵和伽马校正的光度校准。随着操作多相机系统，每个组件相机可以捕获场景统计，其可以包括用于每个像素的灰度级直方图、红/绿色彩比率和蓝/绿色彩比率。这些色彩比率可以确定参考亮度并且因此确定场景的色温。为了在不同相机之间实现一致的色彩再现，可以在白平衡之后计算色彩校正矩阵(ccm)。也可以调整用于所有传感器的伽马校正曲线，使得它产生用于多相机阵列中的所有图像的相似对比度。一些实施例可以有利地基于特征检测、匹配和优化函数提供多相机ccm和伽马校正。例如，作为isp流水线的一部分，一些实施例可以对于多相机阵列中的第i相机提供多相机色彩校正矩阵ci*和伽马参数βm*、βi*的计算。一些实施例也可以提供用于计算这些参数的优化函数。

多相机系统的相机之一可以被指定或选择为主件相机cm，而其他相机可以被指定为相机ci。可以在方框71a至71i应用单个相机isp块色彩校正矩阵[a1a2…]{m,1,…,i}，并且可以在方框72a至72i使用参数γ{m,1,…,i}执行伽马校正的单个相机isp块，以在单个相机isp之后提供相应的图像im至ii。可以在方框74a至74i对完整图像中的每一个执行特征检测。然后可以对于在所有多相机图像上的检测到的特征执行特征匹配，并且在方框75将其存储为f。可以在方框76求解优化函数e(βm,β{1,…,i},c{1,…,i})以细化单独ispccm矩阵和伽马值，然后可以在方框77a至77i应用优化的参数以获得校正的图像(例如，并且然后实现下一isp块。可以对于主件相机和其余相机关于伽马校正参数(βm,β{1,…,i})以及相对ccm调整矩阵c联合求解ccm和伽马优化代价e(βm,β{1,…,i},c{1,…,i})。可以通过单独相机的ccm和伽马校正isp参数(例如，分别[a1,a2,…][m,1,…,i]和γ[m,1,…,i])初始化该函数。可以分别在图像im、i1、……ii中的特征匹配位置f的rgb值上执行优化。在一些实施例中，多相机ccm和伽马校正模块可以执行包括方框74至77的一些或所有处理流程70。多相机ccm和伽马校正模块可以是分离的处理器，可以实现于相机之一(例如，主件相机cm)中，或者可以分布在相机中的两个或更多个之间。

现参照图8，用于多相机系统的处理流程80的实施例可以包括用于锐度的光度校准。来自相机阵列的图像之间的锐度失配可能产生形状模糊的图像对。在这些图像对上的多相机阵列的很多应用(例如，全景拼接、视差估计等)可能具有赝像。一些实施例可以有利地在相机阵列上联合地设置锐度。空间频率响应(spr)或调制传递函数(mtf)可以提供与锐度有关的测度，其中，图像锐度的指标可以是空间频率，其中，mtf是其低频率值的50％(mtf50)或其峰值的50％(mtf50p)。一些其他系统可以基于技术目标测量单独相机的mtf50，并且计算锐度参数，以提升mtf中的高频率。然而，对于多相机阵列，视点改变可能使得技术目标上的roi对于每个相机移位。相应地，在所有相机图像上使用固定的roi位置可以使得场景的非技术目标区域也针对mtf进行分析。一些实施例可以利用特征检测和匹配来跟踪主件相机目标roi。有利地，场景/视点依赖的roi可以对于每个相机保持相同，并且一些实施例可以在多相机系统中提供改进的锐度。在一些实施例中，单应性然后可以用以配准跟踪的roi，并且所得配准的图像可以用以计算单独相机依赖的锐度参数。

可以将多相机系统的相机之一指定或选择为主件相机cm，而可以将其他相机指定为相机c1至cn(n>1)。在方框81，可以在来自主件相机cm的图像中的技术目标上指定roi。在rgb到ycc转换块之后，在方框82a至82c，特征检测器可以检测来自主件相机cm的图像中和所有其他相机c1至cn的完整图像中的roi中的特征。可以在方框83a至83b在主件相机cmroi中检测到的特征与不同图像之间执行特征匹配。特征匹配可以定义来自其他相机c1至cn的图像中的roi。在方框84a至84b，可以基于找到的至少4个匹配计算成对平面单应性。在方框85a至85c，计算出的单应性可以用以将主件相机cmroi与来自相机c1和c2的roi配准/对准。在方框86，可以基于频率分析计算最锐利的rois。在方框87a至87c，对于每个相机图像roi，可以获知对应理想最锐利的roi，并且可以使用公式k＝(配准roi区域)*s^-1在傅立叶域中计算锐度内核。在一些实施例中，单应性可以是成对的，并且这些对可以在几何上彼此相邻。例如，在几何上相邻的相机可能具有显著视场重叠。在一些实施例中，可以对于hm1、h12、h23、h34依此类推至h{n-1,n}等计算单应性，以生成区域rm、r1、r2依此类推至区域rn。

例如，对于一些图像，主件相机cm图像可以过滤掉一些高频。来自方框87a的锐度内核当应用于主件相机cm的图像时可能产生允许高频并且变得相似于另一相机的mtf的mtf。例如，可以增加主件相机cm的mtf50以匹配得更接近于另一相机的mtf50。当被优化以产生更好的锐度时，所述另一相机当与另一相机组合时可能导致更低的矫正误差和更平滑的视差。例如，在关于锐度优化的多相机系统的一些实施例中，平均矫正精度可以改进，并且视差可以是更少噪声的。

在一些实施例中，多相机锐度模块可以执行包括方框81至87的一些或所有处理流程80。多相机锐度模块可以是分离的处理器，可以实现于相机之一(例如，主件相机cm)中，或可以分布在相机中的两个或更多个之间。一些实施例可以包括两个或更多个多相机光度校准模块，其包括多相机聚焦控制器(图6)、多相机ccm和伽马校正模块(图7)和多相机锐度模块(图8)中的两个或更多个。鉴于本说明书和附图的益处，基于多相机系统中的动态和/或可变大小化的roi对于光度校准应用特征检测和匹配可以容易地适用于其他isp参数块。图6至图8的实施例应看作是说明性的而非限定性的。

图9示出系统700的实施例。在实施例中，系统700可以是媒体系统，但系统700不限于该上下文。例如，系统700可以合并到个人计算机(pc)、膝上型计算机、超级膝上型计算机、平板、触摸板、便携式计算机、手持计算机、掌上计算机、个人数字助理(pda)、蜂窝电话，蜂窝电话/pda的组合、电视、智能设备(例如，智能电话，智能平板或智能电视)、移动互联网设备(mid)、传信设备、数据通信设备等中。

在实施例中，系统700包括平台702，其耦合到呈现视觉内容的显示器720。平台702可以从内容设备(例如，内容服务设备730或内容传送设备740或其他相似内容源)接收视频比特流内容。包括一个或多个导航特征的导航控制器750可以用以与例如平台702和/或显示器720进行交互。以下更详细地描述这些组件中的每一个。

在实施例中，平台702可以包括芯片组705、处理器710、存储器712、存储714、图形子系统715、应用716和/或无线电装置718(例如，网络控制器)的任何组合。芯片组705可以在处理器710、存储器712、存储714、图形子系统715、应用716和/或无线电装置718之间提供相互通信。例如，芯片组705可以包括能够提供与存储714的相互通信的存储适配器(未描述)。

处理器710可以实现为复杂指令集计算机(cisc)或精简指令集计算机(risc)处理器、x86指令集兼容处理器、多核或任何其他微处理器或中央处理单元(cpu)。在实施例中，处理器710可以包括双核处理器、双核移动处理器等。

存储器712可以实现为易失性存储器设备，例如但不限于随机存取存储器(ram)、动态随机存取存储器(dram)或静态ram(sram)。

存储714可以实现为非易失性存储设备，例如但不限于磁盘驱动器、光盘驱动器、带驱动器、内部存储设备、附连存储设备、闪存、电池备份的sdram(同步dram)和/或网络可访问的存储设备。在实施例中，例如，存储714可以包括用于当包括多个硬驱动器时增加对于有价值的数字媒体的存储性能增强保护的技术。

图形子系统715可以执行图像(例如，静止或视频)的处理，以用于显示。例如，图形子系统715可以是图形处理单元(gpu)或视觉处理单元(vpu)。模拟或数字接口可以用以通过通信方式耦合图形子系统715和显示器720。例如，接口可以是高清晰度多媒体接口(hdmi)、显示端口、无线hdmi和/或无线hd顺应技术中的任一。图形子系统715可以集成到处理器710或芯片组705中。图形子系统715可以是以通信方式耦合到芯片组705的单机卡。在一个示例中，图形子系统715包括如本文所描述的降噪子系统。

本文描述的图形和/或视频处理技术可以实现于各种硬件架构中。例如，图形和/或视频功能可以集成在芯片组内。替代地，可以使用分立式图形和/或视频处理器。作为又一实施例，图形和/或视频功能可以由包括多核处理器的通用处理器实现。在另一实施例中，功能可以实现于消费者电子设备中。

无线电装置718可以是包括能够使用各种合适的无线通信技术发送并且接收信号的一个或多个无线电装置的网络控制器。这些技术可能涉及跨越一个或多个无线网络的通信。示例性无线网络包括(但不限于)无线局域网(wlan)、无线个域网(wpan)、无线城域网(wman)、蜂窝网络和卫星网络。在跨越这些网络进行通信中，无线电装置718可以根据任何版本中的一个或多个适用标准进行操作。

在实施例中，显示器720可以包括任何电视类型的监视器或显示器。显示器720可以包括例如计算机显示屏、触摸屏显示器、视频监视器、类似电视的设备和/或电视。显示器720可以是数字和/或模拟的。在实施例中，显示器720可以是全息显示器。此外，显示器720可以是可以接收视觉投影的透明表面。这些投影可以传达各种形式的信息、图像和/或对象。例如，这些投影可以是用于移动增强现实(mar)应用的视觉覆盖。在一个或多个软件应用716的控制下，平台702可以在显示器720上显示用户接口722。

在实施例中，内容服务设备730可以由任何国家、国际和/或独立服务托管，并且因此例如可经由互联网接入平台702。内容服务设备730可以耦合到平台702和/或显示器720。平台702和/或内容服务设备730可以耦合到网络760以将媒体信息传递(例如，发送和/或接收)去往和/或来自网络760。内容传送设备740也可以耦合到平台702和/或显示器720。

在实施例中，内容服务设备730可以包括有线电视盒、个人计算机、网络、电话、能够传送数字信息和/或内容的互联网启用设备或电器、以及能够经由网络760或直接地在内容提供商与平台702和/显示器720之间单向或双向地传递内容的任何其他相似设备。应理解，内容可以经由网络760单向和/或双向地传递去往以及来自系统700和内容提供商中的任何一个组件。内容的示例可以包括任何媒体信息，包括例如视频、音乐、医疗和游戏信息等。

内容服务设备730接收内容(例如，包括媒体信息、数字信息和/或其他内容有线电视节目)。内容提供商的示例可以包括任何有线或卫星电视或无线电或互联网内容提供商。所提供的示例并非旨在限制实施例。

在实施例中，平台702可以从具有一个或多个导航特征的导航控制器750接收控制信号。例如，控制器750的导航特征可以用以与用户接口722进行交互。在实施例中，导航控制器750可以是指点设备，其可以是允许用户将空间(例如，连续和多维)数据输入计算机中的计算机硬件组件(具体地说，人机接口设备)。很多系统(例如，图形用户接口(gui)和电视以及监视器)允许用户使用物理手势控制并且向计算机或电视提供数据。

可以通过显示器上显示的指针、光标、聚焦环或其他视觉指示符的移动在显示器(例如，显示器720)上回显控制器750的导航特征的移动。例如，在软件应用716的控制下，例如，位于导航控制器750上的导航特征可以映射到用户接口722上显示的虚拟导航特征。在实施例中，控制器750可以不是分离的组件，而是集成到平台702和/或显示器720中。然而，实施例不限于本文示出或描述的元件或上下文。

在实施例中，例如，驱动器(未示出)可以包括用于使得用户能够当启用时在初始启动之后通过触摸按钮即时打开和关闭平台702(例如，电视)的技术。当平台“关闭”时，程序逻辑可以允许平台702将内容流式传输到媒体适配器或其他内容服务设备730或内容传送设备740。此外，例如，芯片组705可以包括用于5.1环绕声音频和/或高清7.1环绕声音频的硬件和/或软件支持。驱动器可以包括用于集成图形平台的图形驱动器。在实施例中，图形驱动器可以包括外围组件互连(pci)高速图形卡。

在各种实施例中，可以集成系统700中示出的组件中的任何一个或多个。例如，可以集成平台702和内容服务设备730，或可以集成平台702和内容传送设备740，或例如，可以集成平台702、内容服务设备730和内容传送设备740。在各种实施例中，平台702和显示器720可以是集成单元。例如，可以集成显示器720和内容服务设备730，或可以集成显示器720和内容传送设备740。这些示例并非旨在限制实施例。

在各种实施例中，系统700可以实现为无线系统、有线系统或二者的组合。当实现为无线系统时，系统700可以包括适合于通过无线共享介质(进行通信的组件和接口例如一个或多个天线、发射机、接收机、收发机、放大器、滤波器、控制逻辑等)。无线共享介质的示例可以包括无线频谱(例如，rf频谱等)的部分。当实现为有线系统时，系统700可以包括适合于通过有线通信介质进行通信的组件和接口(例如，输入/输出(i/o)适配器、用于将i/o适配器与对应有线通信介质连接的物理连接器、网络接口卡(nic)、盘控制器、视频控制器、音频控制器等)。有线通信介质的示例可以包括引线、缆线、金属导线、印制电路板(pcb)、背板、开关组构、半导体材料、双绞线、同轴缆线、光纤等。

平台702可以建立一个或多个逻辑或物理信道以传递信息。信息可包括媒体信息和控制信息。媒体信息可以指代表示针对用户的内容的任何数据。内容的示例可以包括例如来自语音对话、视频会议、流式视频、电子邮件(“email”)消息、语音邮件消息、字母数字符号、图形、图像、视频、文本等的数据。来自语音对话的数据可以是例如话音信息、静默时段、背景噪声、舒适噪声、音调等。控制信息可以指代表示针对自动化系统的命令、指令或控制字的任何数据。例如，控制信息可用以通过系统路由媒体信息，或指令节点以预定方式处理媒体信息。然而，实施例不限于图9中示出或描述的元件或上下文。

如上所述，可以通过不同的物理样式或形数实施系统700。图10示出可以体现系统700的小形数设备800的实施例。在实施例中，例如，设备800可以实现为具有无线能力的移动计算设备。移动计算设备可以指代具有处理系统和移动电源或电力源(例如，一个或多个电池)的任何设备。

如上所述，移动计算设备的示例可以包括个人计算机(pc)、膝上型计算机、超级膝上型计算机、平板、触摸板、便携式计算机、手持式计算机、掌上计算机、个人数字助理(pda)、蜂窝电话、蜂窝电话/pda的组合、电视、智能设备(例如，智能电话、智能平板或智能电视)、移动互联网设备(mid)、传信设备、数据通信设备等。

移动计算设备的示例可以还包括被布置为由人佩戴的计算机(例如，手腕计算机、手指计算机、耳环计算机、眼镜计算机、带夹计算机、臂带计算机、鞋计算机、服装计算机和其他可穿戴计算机)。在实施例中，例如，移动计算设备可以实现为能够执行计算机应用以及语音通信和/或数据通信的智能电话。虽然可以通过示例的方式通过实现为智能电话的移动计算设备描述一些实施例，但可以理解，同样可以使用其他无线移动计算设备实现其他实施例。实施例不限于此上下文。

如图10所示，设备800可以包括外壳802、显示器804、输入/输出(i/o)设备806和天线808。设备800可以还包括导航特征812。显示器804可以包括任何合适的显示单元，以用于显示对于移动计算设备适当的信息。i/o设备806可以包括用于将信息输入移动计算设备中的任何合适的i/o设备。i/o设备806的示例可以包括字母数字键盘、数字键区、触摸板、输入键、按钮、开关、摇臂开关、麦克风、扬声器、语音识别设备和软件等。也可以通过麦克风的方式将信息输入设备800中。该信息可以由语音识别设备数字化。实施例不限于此上下文。

在一些实施例中，系统700和/或设备800可以实现本文描述的多相机系统的一个或多个方面。例如，系统700和/或设备800可以包括以下示例的一个或多个方面。

附加注记和示例：

示例1可以包括一种电子处理系统，包括：处理器；两个或更多个相机，以通信方式耦合到所述处理器，用于捕获场景的两个或更多个并发图像；和以通信方式耦合到处理器的逻辑，用于：检测来自所述两个或更多个相机中的第一相机的第一图像中的特征；匹配来自所述两个或更多个相机中的第二相机的第二图像中的特征，以及基于所述第一图像的与检测到的特征对应的部分和所述第二图像的与所匹配的特征对应的部分，执行所述第一相机与所述第二相机之间的光度校准。

示例2可以包括示例1的系统，其中，所述逻辑还用于：基于所述第一图像中的检测到的特征，定义所述第一相机的第一感兴趣区域；基于所述第二图像中的所匹配的特征，定义所述第二相机的第二感兴趣区域；以及基于所述第一感兴趣区域和所述第二感兴趣区域，执行所述第一相机与所述第二相机之间的光度校准。

示例3可以包括示例2的系统，其中，所述逻辑还用于：基于所述第一图像和所述第二图像中的特征的相应位置和大小，定义所述第一感兴趣区域和所述第二感兴趣区域。

示例4可以包括示例1的系统，其中，所述逻辑还用于：定义所述第一相机的第一感兴趣区域；基于所述第一感兴趣区域，检测所述第一图像中的特征；基于所述第二图像中的所匹配的特征，定义所述第二相机的第二感兴趣区域；以及基于所述第一感兴趣区域和所述第二感兴趣区域，执行所述第一相机与所述第二相机之间的光度校准。

示例5可以包括示例4的系统，其中，所述逻辑还用于：基于所述第二图像中的所匹配的特征的位置和大小，定义所述第二感兴趣区域。

示例6可以包括示例1至5中任一项的系统，其中，所述逻辑还用于：基于所述光度校准，确定用于所述两个或更多个相机中的每一个的一个或多个参数值。

示例7可以包括一种半导体封装装置，包括：一个或多个衬底；和耦合到所述一个或多个衬底的逻辑，其中，所述逻辑至少部分地实现于可配置逻辑和固定功能硬件逻辑中的一个或多个中，所述耦合到所述一个或多个衬底的逻辑用于：通过两个或更多个相机捕获场景的两个或更多个并发图像；检测来自所述两个或更多个相机中的第一相机的第一图像中的特征；匹配来自所述两个或更多个相机中的第二相机的第二图像中的特征；以及基于所述第一图像的与检测到的特征对应的部分和所述第二图像的与所匹配的特征对应的部分，执行所述第一相机与所述第二相机之间的光度校准。

示例8可以包括示例7的装置，其中，所述逻辑还用于：基于所述第一图像中的检测到的特征，定义所述第一相机的第一感兴趣区域；基于所述第二图像中的所匹配的特征，定义所述第二相机的第二感兴趣区域；以及基于所述第一感兴趣区域和所述第二感兴趣区域，执行所述第一相机与所述第二相机之间的光度校准。

示例9可以包括示例8的装置，其中，所述逻辑还用于：基于所述第一图像和所述第二图像中的特征的相应位置和大小，定义所述第一感兴趣区域和所述第二感兴趣区域。

示例10可包括示例7的装置，其中，所述逻辑还用于：定义所述第一相机的第一感兴趣区域；基于所述第一感兴趣区域，检测所述第一图像中的特征；基于所述第二图像中的所匹配的特征，定义所述第二相机的第二感兴趣区域；以及基于所述第一感兴趣区域和所述第二感兴趣区域，执行所述第一相机与所述第二相机之间的光度校准。

示例11可以包括示例10的装置，其中，所述逻辑还用于：基于所述第二图像中的所匹配的特征的位置和大小，定义所述第二感兴趣区域。

示例12可以包括示例7至11中任一项的装置，其中，所述逻辑还用于：基于所述光度校准，确定用于所述两个或更多个相机中的每一个的一个或多个参数值。

示例13可以包括一种校准多个相机的方法，包括：通过两个或更多个相机捕获场景的两个或更多个并发图像；检测来自所述两个或更多个相机中的第一相机的第一图像中的特征；匹配来自所述两个或更多个相机中的第二相机的第二图像中的特征；以及基于所述第一图像的与检测到的特征对应的部分和所述第二图像的与所匹配的特征对应的部分，执行所述第一相机与所述第二相机之间的光度校准。

示例14可以包括示例13的方法，还包括：基于所述第一图像中的检测到的特征，定义所述第一相机的第一感兴趣区域；基于所述第二图像中的所匹配的特征，定义所述第二相机的第二感兴趣区域；以及基于所述第一感兴趣区域和所述第二感兴趣区域，执行所述第一相机与所述第二相机之间的光度校准。

示例15可以包括示例14的方法，还包括：基于所述第一图像和所述第二图像中的特征的相应位置和大小，定义所述第一感兴趣区域和所述第二感兴趣区域。

示例16可以包括示例13的方法，还包括：定义所述第一相机的第一感兴趣区域；基于所述第一感兴趣区域，检测所述第一图像中的特征；基于所述第二图像中的所匹配的特征，定义所述第二相机的第二感兴趣区域；以及基于所述第一感兴趣区域和所述第二感兴趣区域，执行所述第一相机与所述第二相机之间的光度校准。

示例17可以包括示例16的方法，还包括：基于所述第二图像中的匹配的特征的位置和大小，定义所述第二感兴趣区域。

示例18可以包括示例13至17中任一项的方法，还包括：基于所述光度校准，确定用于所述两个或更多个相机中的每一个的一个或多个参数值。

示例19可以包括至少一种计算机可读介质，其包括一组指令，所述指令当由计算设备执行时使所述计算设备：通过两个或更多个相机捕获场景的两个或更多个并发图像；检测来自所述两个或更多个相机中的第一相机的第一图像中的特征；匹配来自所述两个或更多个相机中的第二相机的第二图像中的特征；以及基于所述第一图像的与检测到的特征对应的部分和所述第二图像的与所匹配的特征对应的部分，执行所述第一相机与所述第二相机之间的光度校准。

示例20可以包括示例19的至少一种计算机可读介质，包括另一组指令，所述指令当由计算设备执行时使所述计算设备：基于所述第一图像中的检测到的特征，定义所述第一相机的第一感兴趣区域；基于所述第二图像中的所匹配的特征，定义所述第二相机的第二感兴趣区域；以及基于所述第一感兴趣区域和所述第二感兴趣区域，执行所述第一相机与所述第二相机之间的光度校准的模块。

示例21可以包括示例20的至少一种计算机可读介质，包括另一组指令，所述指令当由计算设备执行时使所述计算设备：基于所述第一图像和所述第二图像中的特征的相应位置和大小，定义所述第一感兴趣区域和所述第二感兴趣区域。

示例22可以包括示例19的至少一种计算机可读介质，包括另一组指令，所述指令当由计算设备执行时使所述计算设备：定义所述第一相机的第一感兴趣区域；基于所述第一感兴趣区域，检测所述第一图像中的特征；基于所述第二图像中的所匹配的特征，定义所述第二相机的第二感兴趣区域；以及基于所述第一感兴趣区域和所述第二感兴趣区域，执行所述第一相机与所述第二相机之间的光度校准。

示例23可以包括示例22的至少一种计算机可读介质，包括另一组指令，所述指令当由计算设备执行时使所述计算设备：基于所述第二图像中的所匹配的特征的位置和大小，定义所述第二感兴趣区域。

示例24可以包括示例19至23中任一项的至少一种计算机可读介质，包括另一组指令，所述指令当由计算设备执行时使所述计算设备：基于所述光度校准，确定用于所述两个或更多个相机中的每一个的一个或多个参数值。

示例25可以包括一种多相机校准装置，包括：用于通过两个或更多个相机捕获场景的两个或更多个并发图像的模块；用于检测来自所述两个或更多个相机中的第一相机的第一图像中的特征的模块；用于匹配来自所述两个或更多个相机中的第二相机的第二图像中的特征的模块；和用于基于所述第一图像的与检测到的特征对应的部分和所述第二图像的与所匹配的特征对应的部分，执行所述第一相机与所述第二相机之间的光度校准的模块。

示例26可以包括示例25的装置，还包括：用于基于所述第一图像中的检测到的特征，定义所述第一相机的第一感兴趣区域的模块；用于基于所述第二图像中的所匹配的特征，定义用于所述第二相机的第二感兴趣区域的模块；和用于基于所述第一感兴趣区域和所述第二感兴趣区域，执行所述第一相机与所述第二相机之间的光度校准的模块。

示例27可以包括示例26的装置，还包括：用于基于所述第一图像和所述第二图像中的特征的相应位置和大小，定义所述第一感兴趣区域和所述第二感兴趣区域的模块。

示例28可包括示例25的装置，还包括：用于定义所述第一相机的第一感兴趣区域的模块；用于基于所述第一感兴趣区域，检测所述第一图像中的特征的模块；用于基于所述第二图像中的所匹配的特征，定义所述第二相机的第二感兴趣区域的模块；和用于基于所述第一感兴趣区域和所述第二感兴趣区域，执行所述第一相机与所述第二相机之间的光度校准的模块。

示例29可以包括示例28的装置，还包括：用于基于所述第二图像中的所匹配的特征的位置和大小，定义所述第二感兴趣区域的模块。

示例30可以包括示例25至29中任一项的装置，还包括：用于基于所述光度校准，确定所述两个或更多个相机中的每一个的一个或多个参数值的模块。

实施例对于所有类型的半导体集成电路(“ic”)芯片的使用是可应用的。这些ic芯片的示例包括但不限于处理器、控制器、芯片组组件、可编程逻辑阵列(pla)、存储器芯片、网络芯片、片上系统(soc)，ssd/nand控制器asic等。此外，在一些附图中，用直线表示信号线。一些可以是不同的，以指示更多构成信号路径，具有数字标号，以指示多个构成信号路径，和/或在一端或更多端具有箭头，以指示主信息流方向。然而，这不应以限制方式理解。而是，可以结合一个或多个示例性实施例使用这些添加的细节，以促进更容易理解电路。任何表示的信号线无论是否具有附加信息都可以实际上包括可以在多个方向上行进的一个或多个信号，并且可以通过任何合适类型的信号方案(例如，通过差分对、光纤线路和/或单端线路实现的数字或模拟线路)得以实现。

可以已经给出示例大小/型号/值/范围，但是实施例不限于此。随着制造技术(例如，光刻法)随着时间而成熟，预期可以制造更小大小的器件。此外，为了简化说明和讨论并且从而不使实施例的特定方面模糊，可以在图内示出或不示出对ic芯片和其他组件的公知的电源/接地连接。此外，可以通过框图形式示出布置，以避免模糊实施例，并且还鉴于关于这些框图布置的实现方式的细节高度依赖于实现实施例的平台的事实，即，这些细节应良好地处于本领域技术人员的视界内。在阐述具体细节(例如，电路)以描述示例实施例的情况下，对于本领域技术人员应显而易见的是，可以在没有这些具体细节或具有其变化的情况下实践实施例。因此，该描述认为是说明性的而非限定性的。

术语“耦合”在本文中可以用以指代所讨论的组件之间的任何类型的直接或间接关系，并且可以应用于电气、机械、流体、光学、电磁、机电或其他连接。此外，本文可以使用术语“第一”，“第二”等，仅为了促进讨论，并且除非另外指示，否则不携带特定的时间或时间顺序意义。

如在本申请和权利要求中所使用的，由术语“中的一个或多个”连结的条目的列表可以表示所列术语的任何组合。例如，短语“a、b和c中的一个或多个”和短语“a、b或c中的一个或多个”都可以表示a；b；c；a和b；a和c；b和c；或a、b和c.

本领域技术人员从前面描述将理解，可以通过各种形式实现实施例的广泛技术。因此，虽然已经结合其特定示例描述实施例，但实施例的真实范围不应受此限制，因为在研究附图、说明书和所附权利要求时，其他修改对于本领域技术人员将变得显而易见。