一種圖像處理方法和裝置制造方法
【專(zhuān)利摘要】本發(fā)明公開(kāi)了一種圖像處理方法，該方法包括：對(duì)樣本圖像的顏色特征和紋理特征的提取，訓(xùn)練多個(gè)場(chǎng)景分類(lèi)器；提取需要處理的圖像的顏色特征和紋理特征，并分別輸入訓(xùn)練完成的各場(chǎng)景分類(lèi)器，獲得所有場(chǎng)景分類(lèi)器投票的場(chǎng)景類(lèi)型；將各場(chǎng)景分類(lèi)器投票次數(shù)最多的場(chǎng)景類(lèi)型對(duì)應(yīng)的場(chǎng)景信息確定為該需要處理的圖像的場(chǎng)景信息；根據(jù)該圖像的場(chǎng)景信息獲取對(duì)應(yīng)的切變特效；并根據(jù)獲取的切變特效處理該需要處理的圖像?；谕瑯拥陌l(fā)明構(gòu)思，本發(fā)明還提出一種裝置，能夠?yàn)椴煌瑘?chǎng)景下的圖像實(shí)現(xiàn)與場(chǎng)景信息有關(guān)的切變特效，以增強(qiáng)圖像瀏覽時(shí)的趣味性和視覺(jué)效果。
【專(zhuān)利說(shuō)明】一種圖像處理方法和裝置
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及圖像處理【技術(shù)領(lǐng)域】，特別涉及一種圖像處理方法和裝置。
【背景技術(shù)】
[0002]在播放圖像時(shí)，往往采用特殊的切變效果來(lái)達(dá)到增強(qiáng)視覺(jué)效果的目的，稱(chēng)之為幻燈片效應(yīng)(slideshow effect).[0003]傳統(tǒng)的圖像切變特效，其效果都是事先設(shè)定好或者是由用戶指定的。隨著圖像分析技術(shù)的進(jìn)步，越來(lái)越多的圖像切變效果加入了智能化的因素。通過(guò)分析圖像序列的相關(guān)性，或者分析圖像當(dāng)中的顯著性物體，一般為人臉或人體，能夠?qū)崿F(xiàn)一些根據(jù)圖像內(nèi)容的切變效果。
[0004]這些切變效果形式更為多變，且與圖像的內(nèi)容相關(guān)，與傳統(tǒng)的切變特效方法相比，更為生動(dòng)，能夠提供更好的用戶體驗(yàn)。
[0005]現(xiàn)有的智能化圖像切變特效方法存在以下不足:
[0006]首先，主要針對(duì)有圖像中特定的前景物體進(jìn)行基于內(nèi)容的分析，特別是人臉或人體圖像，而對(duì)于圖像場(chǎng)景缺少分析。對(duì)于圖像場(chǎng)景的分析，可以更好的了解圖像的本質(zhì)信息，在此基礎(chǔ)上能夠設(shè)計(jì)更為多變的圖像整體切變效果，而不是受限于特定的前景對(duì)象。
[0007]其次，真實(shí)照片中前景物體的類(lèi)型較為多變，目前也缺少一種針對(duì)不同物體的自動(dòng)圖像分割方法，這也使得前景物體的獲取和識(shí)別較為不易；事實(shí)上缺乏顯著性前景物體的圖像也非常多見(jiàn)。
[0008]最后，缺少與圖像內(nèi)容語(yǔ)義相關(guān)的智能化特效。不少特效是根據(jù)不同圖像間像素塊的相似程度來(lái)實(shí)現(xiàn)的，但僅限于幾何的變化。還有少數(shù)與人臉相關(guān)的方法，可以根據(jù)人臉當(dāng)前的表情等狀態(tài)，通過(guò)表情合成技術(shù)來(lái)生成特效，但這些方法僅限于人臉圖像，不適用于其他普通圖像。

【發(fā)明內(nèi)容】

[0009]有鑒于此，本發(fā)明提供一種圖像處理方法和裝置，能夠?yàn)椴煌瑘?chǎng)景下的圖像實(shí)現(xiàn)與場(chǎng)景信息有關(guān)的切變特效，以增強(qiáng)圖像瀏覽時(shí)的趣味性和視覺(jué)效果。
[0010]為解決上述技術(shù)問(wèn)題，本發(fā)明的技術(shù)方案是這樣實(shí)現(xiàn)的:
[0011]一種圖像處理方法，預(yù)先配置場(chǎng)景信息與切變特效的對(duì)應(yīng)關(guān)系，所述方法包括:
[0012]獲取樣本圖像，并根據(jù)樣本圖像的場(chǎng)景類(lèi)型將各樣本圖像分類(lèi)；
[0013]對(duì)每個(gè)場(chǎng)景類(lèi)型下的每個(gè)樣本圖像，提取該圖像的顏色特征和紋理特征；
[0014]將提取的該圖像的顏色特征和紋理特征構(gòu)成特征向量，并將各場(chǎng)景類(lèi)型下的所有樣本圖像的特征向量組成該場(chǎng)景類(lèi)型下的特征樣本庫(kù)；
[0015]在特征樣本庫(kù)中進(jìn)行N次特征向量隨機(jī)選取，且選取的特征向量的個(gè)數(shù)相同，構(gòu)成N個(gè)訓(xùn)練集，在所述N個(gè)訓(xùn)練集上進(jìn)行訓(xùn)練獲取N個(gè)場(chǎng)景分類(lèi)器；其中，N為大于2的整數(shù)；[0016]獲取需要處理的圖像時(shí)，提取該圖像的顏色特征和紋理特征構(gòu)成該圖像的特征向量，并分別輸入所述N個(gè)場(chǎng)景分類(lèi)器內(nèi)，獲得各場(chǎng)景分類(lèi)器輸出的場(chǎng)景類(lèi)型；
[0017]將N個(gè)場(chǎng)景分類(lèi)器輸出次數(shù)最多的場(chǎng)景類(lèi)型對(duì)應(yīng)的場(chǎng)景信息確定為該需要處理的圖像的場(chǎng)景信息；
[0018]根據(jù)該圖像的場(chǎng)景信息獲取對(duì)應(yīng)的切變特效；并根據(jù)獲取的切變特效處理該需要處理的圖像。
[0019]一種裝置，該裝置包括:配置單元、提取單元、訓(xùn)練單元和處理單元；
[0020]所述配置單元，用于預(yù)先配置場(chǎng)景信息與切變特效的對(duì)應(yīng)關(guān)系；
[0021]所述提取單元，用于獲取樣本圖像，并根據(jù)樣本圖像的場(chǎng)景類(lèi)型將各樣本圖像分類(lèi)；對(duì)每個(gè)場(chǎng)景類(lèi)型下的每個(gè)樣本圖像，提取該圖像的顏色特征和紋理特征；并將提取的該圖像的顏色特征和紋理特征構(gòu)成特征向量，將各場(chǎng)景類(lèi)型下的所有樣本圖像的特征向量組成該場(chǎng)景類(lèi)型下的特征樣本庫(kù)；獲取需要處理的圖像，并提取該圖像的顏色特征和紋理特征構(gòu)成該圖像的特征向量；
[0022]所述訓(xùn)練單元，用于在所述提取單元中的特征樣本庫(kù)中進(jìn)行N次特征向量隨機(jī)選取，且選取的特征向量的個(gè)數(shù)相同，構(gòu)成N個(gè)訓(xùn)練集，在所述N個(gè)訓(xùn)練集上進(jìn)行訓(xùn)練獲取N個(gè)場(chǎng)景分類(lèi)器；將所述提取單元提取的需要處理的圖像的特征向量分別輸入所述N個(gè)場(chǎng)景分類(lèi)器內(nèi)，獲得各場(chǎng)景分類(lèi)器輸出的場(chǎng)景類(lèi)型；其中，N為大于2的整數(shù)；
[0023]所述處理單元，用于將所述訓(xùn)練單元中N個(gè)場(chǎng)景分類(lèi)器輸出次數(shù)最多的場(chǎng)景類(lèi)型對(duì)應(yīng)的場(chǎng)景信息確定為該需要處理的圖像的場(chǎng)景信息；根據(jù)該圖像的場(chǎng)景信息在所述配置單元中獲取對(duì)應(yīng)的切變特效；并根據(jù)獲取的切變特效處理該需要處理的圖像。
[0024]綜上所述，本發(fā)明通過(guò)對(duì)樣本圖像的顏色特征和紋理特征的提取，訓(xùn)練多個(gè)場(chǎng)景分類(lèi)器；提取需要處理的圖像的顏色特征和紋理特征，并分別輸入訓(xùn)練完成的各場(chǎng)景分類(lèi)器，獲得所有場(chǎng)景分類(lèi)器投票的場(chǎng)景類(lèi)型；將各場(chǎng)景分類(lèi)器投票次數(shù)最多的場(chǎng)景類(lèi)型對(duì)應(yīng)的場(chǎng)景信息確定為該需要處理的圖像的場(chǎng)景信息；根據(jù)該圖像的場(chǎng)景信息獲取對(duì)應(yīng)的切變特效；并根據(jù)獲取的切變特效處理該需要處理的圖像。能夠?yàn)椴煌瑘?chǎng)景下的圖像實(shí)現(xiàn)與場(chǎng)景信息有關(guān)的切變特效，以增強(qiáng)圖像瀏覽時(shí)的趣味性和視覺(jué)效果。
【專(zhuān)利附圖】

【附圖說(shuō)明】
[0025]圖1為本發(fā)明具體實(shí)施例中圖像處理方法流程示意圖；
[0026]圖2為本發(fā)明具體實(shí)施例中應(yīng)用上述技術(shù)的裝置的結(jié)構(gòu)示意圖。
【具體實(shí)施方式】
[0027]為使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下參照附圖并舉實(shí)施例，對(duì)本發(fā)明所述方案作進(jìn)一步地詳細(xì)說(shuō)明。
[0028]本發(fā)明實(shí)施例中提出一種圖像處理方法，設(shè)備通過(guò)對(duì)樣本圖像的顏色特征和紋理特征的提取，訓(xùn)練多個(gè)場(chǎng)景分類(lèi)器；提取需要處理的圖像的顏色特征和紋理特征，并分別輸入訓(xùn)練完成的各場(chǎng)景分類(lèi)器，獲得所有場(chǎng)景分類(lèi)器投票的場(chǎng)景類(lèi)型；將各場(chǎng)景分類(lèi)器投票次數(shù)最多的場(chǎng)景類(lèi)型對(duì)應(yīng)的場(chǎng)景信息確定為該需要處理的圖像的場(chǎng)景信息；根據(jù)該圖像的場(chǎng)景信息獲取對(duì)應(yīng)的切變特效；并根據(jù)獲取的切變特效處理該需要處理的圖像。能夠?yàn)椴煌瑘?chǎng)景下的圖像實(shí)現(xiàn)與場(chǎng)景信息有關(guān)的切變特效，以增強(qiáng)圖像瀏覽時(shí)的趣味性和視覺(jué)效
果O
[0029]將樣本圖像根據(jù)場(chǎng)景類(lèi)型進(jìn)行劃分，在樣本圖像數(shù)量允許的情況下，即數(shù)量足夠多時(shí)，可以根據(jù)周?chē)鷪?chǎng)地、天氣、主題甚至光照等因素進(jìn)行劃分。其中，周?chē)鷪?chǎng)地可分成:草地，樹(shù)林，城市，海洋，室內(nèi)等；天氣可分為晴天，非晴天等；主題可分為人物，建筑，車(chē)輛，其他等；光照可按照亮暗進(jìn)行分類(lèi)。
[0030]這樣組合各種可能的因素，可以獲得不同的場(chǎng)景類(lèi)型分類(lèi)，如:
[0031]草地，晴天，人物；
[0032]城市，建筑，夜晚；
[0033]海洋，非晴天，暗等。
[0034]以上只是一種場(chǎng)景類(lèi)型分類(lèi)，根據(jù)樣本圖像庫(kù)的實(shí)際情況進(jìn)行劃分，在樣本數(shù)不足，或者樣本特征不夠明顯時(shí)，無(wú)需對(duì)于每種因素進(jìn)行劃分。
[0035]用于進(jìn)行圖像處理的設(shè)備會(huì)收集和整理大量自然樣本圖像，這些自然樣本圖像的前景和背景較為多變，不限于特定的前景圖像。
[0036]設(shè)備收集的大量樣本圖像如果大小不一致，可以通過(guò)縮放將所有樣本圖像統(tǒng)一成相同大小。
[0037]設(shè)備獲取樣本圖像，并根據(jù)樣本圖像的場(chǎng)景類(lèi)型將各樣本圖像分類(lèi)。對(duì)每個(gè)場(chǎng)景類(lèi)型下的每個(gè)樣本圖像，提取該圖像的顏色特征和紋理特征，將提取的該圖像的顏色特征和紋理特征構(gòu)成特征向量，將每個(gè)場(chǎng)景類(lèi)型下的所有樣本圖像的特征向量組成該場(chǎng)景類(lèi)型下的特征樣本庫(kù)；在特征樣本庫(kù)中進(jìn)行N次特征向量隨機(jī)選取，且選取的特征向量的個(gè)數(shù)相同，構(gòu)成N個(gè)訓(xùn)練集，在所述N個(gè)訓(xùn)練集上進(jìn)行訓(xùn)練獲取N個(gè)場(chǎng)景分類(lèi)器。
[0038]N為大于2的整數(shù)，在實(shí)際應(yīng)用中，可以適當(dāng)多訓(xùn)練場(chǎng)景分類(lèi)器的數(shù)目，已增加確定圖像的場(chǎng)景類(lèi)型的準(zhǔn)確度。
[0039]下面詳細(xì)描述顏色特征和紋理特征的提取，以及場(chǎng)景分類(lèi)器的訓(xùn)練。
[0040]設(shè)備對(duì)樣本圖像庫(kù)中的每個(gè)圖像進(jìn)行分塊操作，根據(jù)該圖像的實(shí)際大小，將該圖像分為像素pXp的小塊圖像，對(duì)于該圖像不夠pXp的小塊圖像部分丟棄。
[0041]其中，P為預(yù)設(shè)像素值，大于O的整數(shù)，如可以配置為32。
[0042]通常如從圖像的左上角開(kāi)始取32X32的像素作為一個(gè)小圖像塊，當(dāng)取到右上角和右下角，且存在不夠32X32的像素塊時(shí)，則將這部分丟棄，不進(jìn)行任何處理，且在取各小塊圖像時(shí)，各小塊圖像之間無(wú)重疊。
[0043]第一步，設(shè)備在圖像的色調(diào)飽和度亮度(HSV)顏色空間下，分別計(jì)算每個(gè)小塊圖像的色調(diào)、飽和度和亮度三個(gè)分量的均值、方差和偏度，構(gòu)成該小塊圖像的顏色矩特征。
[0044]各圖像分為多個(gè)小塊圖像之后，在圖像的HSV顏色空間下，分別計(jì)算每個(gè)小塊圖像的色調(diào)(Hue)、飽和度(Saturation)和亮度(Value)三個(gè)分量的均值、方差和偏度，將所有小塊圖像的三個(gè)分量的均值、方差和偏度構(gòu)成該圖像的顏色特征。
[0045]每個(gè)小塊圖像的三個(gè)分量的均值、方差和偏度，即該小塊圖像的一階、二階和三階HSV空間顏色矩陣特征。三種矩陣特征的計(jì)算公式如下:
【權(quán)利要求】
1.一種圖像處理方法，其特征在于，預(yù)先配置場(chǎng)景信息與切變特效的對(duì)應(yīng)關(guān)系，所述方法包括: 獲取樣本圖像，并根據(jù)樣本圖像的場(chǎng)景類(lèi)型將各樣本圖像分類(lèi)； 對(duì)每個(gè)場(chǎng)景類(lèi)型下的每個(gè)樣本圖像，提取該圖像的顏色特征和紋理特征； 將提取的該圖像的顏色特征和紋理特征構(gòu)成特征向量，并將各場(chǎng)景類(lèi)型下的所有樣本圖像的特征向量組成該場(chǎng)景類(lèi)型下的特征樣本庫(kù)； 在特征樣本庫(kù)中進(jìn)行N次特征向量隨機(jī)選取，且選取的特征向量的個(gè)數(shù)相同，構(gòu)成N個(gè)訓(xùn)練集，在所述N個(gè)訓(xùn)練集上進(jìn)行訓(xùn)練獲取N個(gè)場(chǎng)景分類(lèi)器；其中，N為大于2的整數(shù)； 獲取需要處理的圖像時(shí)，提取該圖像的顏色特征和紋理特征構(gòu)成該圖像的特征向量，并分別輸入所述N個(gè)場(chǎng)景分類(lèi)器內(nèi)，獲得各場(chǎng)景分類(lèi)器輸出的場(chǎng)景類(lèi)型； 將N個(gè)場(chǎng)景分類(lèi)器輸出次數(shù)最多的場(chǎng)景類(lèi)型對(duì)應(yīng)的場(chǎng)景信息確定為該需要處理的圖像的場(chǎng)景息； 根據(jù)該圖像的場(chǎng)景信息獲取 對(duì)應(yīng)的切變特效；并根據(jù)獲取的切變特效處理該需要處理的圖像。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述提取該圖像的顏色特征，包括: 根據(jù)該圖像的實(shí)際大小，將該圖像分為像素pXp的小塊圖像，對(duì)于該圖像不夠pXp的小塊圖像部分丟棄；其中，P為大于O的整數(shù)； 在圖像的色調(diào)飽和度亮度HSV顏色空間下，分別計(jì)算每個(gè)小塊圖像的色調(diào)、飽和度和亮度三個(gè)分量的均值、方差和偏度，構(gòu)成該小塊圖像的顏色矩特征； 對(duì)這三個(gè)分量進(jìn)行非等量量化，獲得量化后的直方圖維數(shù)； 在量化后的直方圖維數(shù)的基礎(chǔ)上計(jì)算量化后的顏色直方圖的一階、二階和三階矩特征，獲得顏色直方圖矩特征； 將該圖像的所有小塊圖像的顏色矩特征和顏色直方圖矩特征構(gòu)成該圖像的顏色特征。
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述提取該圖像的紋理特征，包括: 對(duì)于每個(gè)小塊圖像，計(jì)算獲得該小塊圖像的灰度圖，并將灰度值量化為第一預(yù)設(shè)值級(jí)； 根據(jù)配置的預(yù)設(shè)窗口范圍計(jì)算該小塊圖像的四個(gè)方向的灰度共生矩陣； 分別計(jì)算四個(gè)灰度共生矩陣的7個(gè)統(tǒng)計(jì)量特征，獲取計(jì)算的各統(tǒng)計(jì)量特征的平均值，并進(jìn)行歸一化計(jì)算； 將進(jìn)行歸一化計(jì)算后的各統(tǒng)計(jì)量特征取四個(gè)方向的均值，獲得基于灰度共生矩陣的紋理特征； 該圖像的各個(gè)小塊圖像的基于灰度共生矩陣的紋理特征構(gòu)成該圖像的紋理特征。
4.根據(jù)權(quán)利要求1-3任意一項(xiàng)所述的方法，其特征在于， 當(dāng)確定的場(chǎng)景信息對(duì)應(yīng)的切變特效包括兩種以上時(shí)，在根據(jù)確定的切變特效處理該需要處理的圖像時(shí)，使用其中一種或任意組合的切變特效處理該需要處理的圖像。
5.根據(jù)權(quán)利要求1-3任意一項(xiàng)所述的方法，其特征在于，當(dāng)該需要處理的圖像尺寸較大，且確定的場(chǎng)景信息對(duì)應(yīng)的切變特效有兩種以上時(shí)，選擇其中速度最快的切變特效對(duì)該需要處理的圖像進(jìn)行處理。
6.一種裝置，其特征在于，該裝置包括:配置單元、提取單元、訓(xùn)練單元和處理單元；所述配置單元，用于預(yù)先配置場(chǎng)景信息與切變特效的對(duì)應(yīng)關(guān)系； 所述提取單元，用于獲取樣本圖像，并根據(jù)樣本圖像的場(chǎng)景類(lèi)型將各樣本圖像分類(lèi)；對(duì)每個(gè)場(chǎng)景類(lèi)型下的每個(gè)樣本圖像，提取該圖像的顏色特征和紋理特征；并將提取的該圖像的顏色特征和紋理特征構(gòu)成特征向量，將各場(chǎng)景類(lèi)型下的所有樣本圖像的特征向量組成該場(chǎng)景類(lèi)型下的特征樣本庫(kù)；獲取需要處理的圖像，并提取該圖像的顏色特征和紋理特征構(gòu)成該圖像的特征向量； 所述訓(xùn)練單元，用于在所述提取單元中的特征樣本庫(kù)中進(jìn)行N次特征向量隨機(jī)選取，且選取的特征向量的個(gè)數(shù)相同，構(gòu)成N個(gè)訓(xùn)練集，在所述N個(gè)訓(xùn)練集上進(jìn)行訓(xùn)練獲取N個(gè)場(chǎng)景分類(lèi)器；將所述提取單元提取的需要處理的圖像的特征向量分別輸入所述N個(gè)場(chǎng)景分類(lèi)器內(nèi)，獲得各場(chǎng)景分類(lèi)器輸出的場(chǎng)景類(lèi)型；其中，N為大于2的整數(shù)； 所述處理單元，用于將所述訓(xùn)練單元中N個(gè)場(chǎng)景分類(lèi)器輸出次數(shù)最多的場(chǎng)景類(lèi)型對(duì)應(yīng)的場(chǎng)景信息確定為該需要處理的圖像的場(chǎng)景信息；根據(jù)該圖像的場(chǎng)景信息在所述配置單元中獲取對(duì)應(yīng)的切變特效；并根據(jù)獲取的切變特效處理該需要處理的圖像。
7.根據(jù)權(quán)利要求6所述的裝置，其特征在于， 所述提取單元，具體用于提取該圖像的顏色特征時(shí)，根據(jù)該圖像的實(shí)際大小，將該圖像分為像素pXp的小塊圖像，對(duì)于該圖像不夠pXp的小塊圖像部分丟棄；在圖像的色調(diào)飽和度亮度HSV顏色空間下，分別計(jì)算每個(gè)小塊圖像的色調(diào)、飽和度和亮度三個(gè)分量的均值、方差和偏度，構(gòu)成該小塊圖像的顏色矩特征；對(duì)這三個(gè)分量進(jìn)行非等量量化，獲得量化后的直方圖維數(shù)；在量化后的直方圖維數(shù)的基礎(chǔ)上計(jì)算量化后的顏色直方圖的一階、二階和三階矩特征，獲得顏色直方圖矩特征；將該圖像的所有小塊圖像的顏色矩特征和顏色直方圖矩特征構(gòu)成該圖像的顏色特征；其中，P為大于O的整數(shù)。
8.根據(jù)權(quán)利要求7所述的裝置，其特征在于， 所述提取單元，具體用于提取該圖像的紋理特征時(shí)，對(duì)于每個(gè)小塊圖像，計(jì)算獲得該小塊圖像的灰度圖，并將灰度值量化為第一預(yù)設(shè)值級(jí)；根據(jù)配置的預(yù)設(shè)窗口范圍計(jì)算該小塊圖像的四個(gè)方向的灰度共生矩陣；分別計(jì)算四個(gè)灰度共生矩陣的7個(gè)統(tǒng)計(jì)量特征，獲取計(jì)算的各統(tǒng)計(jì)量特征的平均值，并進(jìn)行歸一化計(jì)算；將進(jìn)行歸一化計(jì)算后的各統(tǒng)計(jì)量特征取四個(gè)方向的均值，獲得基于灰度共生矩陣的紋理特征；該圖像的各個(gè)小塊圖像的基于灰度共生矩陣的紋理特征構(gòu)成該圖像的紋理特征。
9.根據(jù)權(quán)利要求6-8任意一項(xiàng)所述的裝置，其特征在于， 所述處理單元，進(jìn)一步用于當(dāng)確定的場(chǎng)景信息對(duì)應(yīng)的切變特效包括兩種以上時(shí)，在根據(jù)確定的切變特效處理該需要處理的圖像時(shí)，使用其中一種或任意組合的切變特效處理該需要處理的圖像。
10.根據(jù)權(quán)利要求6-8任意一項(xiàng)所述的裝置，其特征在于， 所述處理單元，進(jìn)一步用于 當(dāng)該需要處理的圖像尺寸較大，且確定的場(chǎng)景信息對(duì)應(yīng)的切變特效有兩種以上時(shí)，選擇其中速度最快的切變特效對(duì)該需要處理的圖像進(jìn)行處理。
【文檔編號(hào)】G06K9/46GK103810504SQ201410016489
【公開(kāi)日】2014年5月21日 申請(qǐng)日期:2014年1月14日 優(yōu)先權(quán)日:2014年1月14日
【發(fā)明者】常江龍, 朱春波 申請(qǐng)人:三星電子（中國(guó)）研發(fā)中心, 三星電子株式會(huì)社