点击锁定变焦相机用户界面的制作方法

1.本公开总体上涉及成像系统。更具体地，本公开涉及点击锁定(click-and-lock)变焦相机用户界面。


背景技术：

2.许多移动电子设备，诸如智能手机和平板电脑，包括能够被用于捕获静态和视频图像的相机。这些移动电子设备通常支持“变焦”功能，这是指以光学或数字方式放大相机视场内的对象的能力。在一些情况下，提供的“高变焦(high zoom)”功能能够提供高达50倍(50x)的光学或数字变焦，并且预计未来会更高。


技术实现要素：

3.技术问题
4.在一些情况下，提供的“高变焦”功能能够提供高达50倍(50x)的光学或数字变焦，并且预计未来会更高。
5.解决方案
6.本公开提供了一种点击锁定变焦相机用户界面。
7.在第一实施例中，一种方法包括：接收对显示在用户界面上的输入图像帧上的缩放区域的选择；使用显著性检测算法来确定接近缩放区域的一个或多个候选缩放预览；以及邻近缩放区域在用户界面上显示一个或多个候选缩放预览。
8.在第二实施例中，一种装置包括至少一个存储器，被配置为存储输入图像帧。该装置还包括至少一个处理器，被配置为：接收对显示在用户界面上的输入图像帧上的缩放区域的选择；使用显著性检测算法来确定接近缩放区域的一个或多个候选缩放预览；以及邻近缩放区域在用户界面上显示一个或多个候选缩放预览。
9.在第三实施例中，一种非暂时性计算机可读介质包含指令，当该指令被执行时，使得至少一个处理器获得输入图像帧。该介质还包含指令，当该指令被执行时，使得至少一个处理器：接收对显示在用户界面上的输入图像帧上的缩放区域的选择；使用显著性检测算法来确定接近缩放区域的一个或多个候选缩放预览；以及邻近缩放区域在用户界面上显示一个或多个候选缩放预览。
10.根据下面的附图、描述和权利要求，其他技术特征对于本领域技术人员来说是显而易见的。
附图说明
11.为了更完整地理解本公开及其优点，现在结合附图参考以下描述，其中相同的附图标记表示相同的部件：
12.图1图示根据本公开的包括电子设备的示例网络配置；
13.图2a、图2b、图2c、图2d、图2e、图2f、图2g、图2h和图2i图示根据本公开的预览缩放
用户界面中的手动预览缩放模式的示例方法和相关细节；
14.图3图示根据本公开的用于与预览缩放用户界面一起使用的示例显著信息提取机器学习算法；
15.图4a、图4b和图4c图示根据本公开的预览缩放用户界面中用户选择的自动缩放模式的示例方法和相关细节；
16.图5a、图5b和图5c图示根据本公开的预览缩放用户界面中的全自动缩放模式的示例方法和相关细节；
17.图6图示根据本公开的实现点击锁定变焦相机用户界面的示例过程；
18.图7图示根据本公开的点击锁定变焦相机用户界面的示例方法；和
19.图8a、图8b、图8c和图8d图示根据本公开的预览缩放界面的示例附加功能。
具体实施方式
20.在进行下面的详细描述之前，阐述本专利文件中使用的某些单词和短语的定义可能是有利的。术语“发送”、“接收”和“通信”及其派生词涵盖直接和间接通信两者。术语“包括”和“包含”及其派生词意味包含但不限制。术语“或”是包含性的，意味着和/或。短语“相关联”及其派生词意味着包括、被包括在内、与互连、包含、被包含在内、连接到或与之连接、耦合到或与之耦合、可与之通信、与之合作、交错、并置、接近、被结合到或与之结合、具有、具有属性、具有关系或与之具有关系等。
21.此外，下面描述的各种功能能够由一个或多个计算机程序实现或支持，每个计算机程序由计算机可读程序代码形成并包含在计算机可读介质中。术语“应用”和“程序”指的是一个或多个计算机程序、软件组件、指令集、过程、功能、对象、类、实例、相关数据或其适于以合适的计算机可读程序代码实现的一部分。短语“计算机可读程序代码”包括任何类型的计算机代码，包括源代码、目标代码和可执行代码。短语“计算机可读介质”包括能够由计算机访问的任何类型的介质，诸如只读存储器(rom)、随机存取存储器(ram)、硬盘驱动器、光盘(cd)、数字视频光盘(dvd)或任何其他类型的存储器。“非暂时性”计算机可读介质不包括传输暂时性电信号或其他信号的有线、无线、光学或其他通信链路。非暂时性计算机可读介质包括能够永久存储数据的介质和能够存储数据并在以后重写的介质，诸如可重写光盘或可擦除存储设备。
22.如本文所使用的，术语和短语如“具有”、“可以具有”、“包括”或“可以包括”特征(如数字、功能、操作或诸如部件的组件)表示该特征的存在，并不排除其他特征的存在。此外，如本文所使用的，短语“a或b”、“a和/或b中的至少一个”或“a和/或b中的一个或多个”可以包括a和b的所有可能的组合。例如，“a或b”、“a和b中的至少一个”和“a或b中的至少一个”可以指示(1)包括至少一个a、(2)包括至少一个b，或者(3)包括至少一个a和至少一个b中的全部。此外，如本文所使用的，术语“第一”和“第二”可以修饰各种组件，而不管其重要性如何，并且不限制这些组件。这些术语仅用于区分一个组件和另一组件。例如，第一用户设备和第二用户设备可以指示彼此不同的用户设备，而不管这些设备的顺序或重要性。在不脱离本公开的范围的情况下，第一组件可以表示为第二组件，反之亦然。
23.应当理解，当一个元件(诸如第一元件)被称为(可操作地或通信地)“与另一元件(诸如第二元件)耦合/连接”或“连接/耦合”另一元件时，它能够直接或经由第三元件与另
一元件耦合或连接。相反，应该理解，当一个元件(诸如第一元件)被称为“与另一元件(诸如第二元件)直接耦合/连接”或“直接连接/连接到”另一元件时，没有其他元件(诸如第三元件)介于该元件和该另一元件之间。
24.如本文所使用的，根据情况，短语“配置(或设置)为”可以与短语“适合于”、“具有能力”、“设计为”、“适配为”、“制作为”或“能够”互换使用。短语“配置(或设置)为”本质上并不意味着“在硬件中特别设计为”相反，短语“配置为”可以意味着一个设备可以与另一设备或部件一起执行操作。例如，短语“配置(或设置)为执行a、b和c的处理器”可以意味着通用处理器(诸如cpu或应用处理器),其可以通过执行存储在存储器设备中的一个或多个软件程序或用于执行操作的专用处理器(诸如嵌入式处理器)来执行操作。
25.本文使用的术语和短语仅用于描述本公开的一些实施例，而不是限制本公开的其他实施例的范围。应当理解，单数形式“一”、“一个”和“该”包括复数指代，除非情境另有明确指示。本文使用的所有术语和短语，包括技术和科学术语和短语，具有与本公开的实施例所属领域的普通技术人员通常理解的相同的含义。还应当理解，术语和短语，诸如在常用词典中定义的那些，应当被解释为具有与它们在相关领域的情境中的含义一致的含义，并且除非在此明确定义，否则不会以理想化或过于正式的意义来解释。在一些情况下，本文定义的术语和短语可以被解释为排除本公开的实施例。
26.根据本公开的实施例的“电子设备”的示例可以包括智能手机、平板个人计算机(pc)、移动电话、视频电话、电子书阅读器、台式pc、膝上型计算机、上网本计算机、工作站、个人数字助理(pda)、便携式多媒体播放器(pmp)、mp3播放器、移动医疗设备、相机或可穿戴设备(诸如智能眼镜、头戴式设备(hmd)、电子衣服、电子手镯、电子项链、电子配件、电子纹身、智能镜子或智能手表)中的至少一个。电子设备的其他示例包括智能家用电器。智能家用电器的示例可以包括电视机、数字视频光盘(dvd)播放器、音频播放器、冰箱、空调、吸尘器、烤箱、微波炉、洗衣机、烘干机、空气净化器、机顶盒、家庭自动化控制面板、安全控制面板、tv盒(诸如samsung homesync、apple tv或google tv)、智能扬声器或具有集成数字助理的扬声器(诸如samsung galaxy home，apple homepod或amazon echo)、游戏控制台(诸如xbox、playstation或nintendo)、电子词典、电子钥匙、便携式摄像机或电子相框中的至少一个。电子设备的其他示例包括各种医疗设备(诸如各种便携式医疗测量设备(如血糖测量设备、心跳测量设备或体温测量设备)、磁资源血管造影(mra)设备、磁资源成像(mri)设备、计算机断层摄影(ct)设备、成像设备或超声波设备)、导航设备、全球定位系统(gps)接收器、事件数据记录器(edr)、飞行数据记录器(fdr)、汽车信息娱乐设备、航海电子设备(诸如航海导航设备或陀螺罗盘)、航空电子设备、安全设备、车载主机、工业或家用机器人、自动柜员机(atm)、销售点(pos)设备或物联网(iot)设备(诸如灯泡、各种传感器、电或气表、洒水器、火警、恒温器、路灯、烤面包机、健身设备、热水箱、加热器或锅炉)中的至少一个。电子设备的其他示例包括一件家具或建筑物/结构的至少一部分、电子板、电子签名接收设备、投影仪或各种测量设备(诸如用于测量水、电、气或电磁波的设备)中的至少一部分。注意，根据本公开的各种实施例，电子设备可以是上面列出的设备中的一个或组合。根据本公开的一些实施例，电子设备可以是柔性电子设备。本文公开的电子设备不限于上面列出的设备，并且取决于技术的发展，可以包括新的电子设备。
27.在以下描述中，根据本公开的各种实施例，参考附图描述了电子设备。如本文所使
用的，术语“用户”可以表示使用电子设备的人或另一设备(诸如人工智能电子设备)。
28.在本专利文件中还提供了其他特定单词和短语的定义。本领域的普通技术人员应该理解，在许多(如果不是大多数)情况下，这样的定义适用于这样定义的单词和短语的先前以及将来的使用。
29.本技术中的任何描述都不应被理解为暗示任何特定的元素、步骤或功能是必须包括在权利要求范围内的必要元素。专利主题的范围仅由权利要求来定义。此外，没有一项权利要求旨在援引35u.s.c.
§
112(f),除非确切的词语“意味着”后面有分词。在权利要求中使用任何其他术语，包括但不限于“机制”、“模块”、“设备”、“单元”、“组件”、“元件”、“构件”、“装置”、“机器”、“系统”、“处理器”或“控制器”，申请人理解为是指相关领域技术人员已知的结构，并不旨在援引35 u.s.c.112(f)。
30.下面讨论的图1至图8d以及本公开的各种实施例参照附图进行描述。然而，应该理解的是，本公开不限于这些实施例，并且其所有变化和/或等同物或替换物也属于本公开的范围。
31.如上所述，许多移动电子设备通常支持“变焦”功能，其是指以光学地或数字地放大相机视场内的对象的能力。在一些情况下，提供“高变焦”功能，能够提供高达50倍(50x)的光学或数字变焦，并且预计未来会更高。这种高变焦功能是通过不断提高电子设备的相机所支持的分辨率来实现的。捕获的图像的更高像素密度允许更高水平的缩放，同时降低或最小化质量损失。然而，当像素密度增加时，电子设备通常具有保持大致相同或相似尺寸的显示器。随着图像从更远的距离被捕获，图像中可见的细节变得越来越小。结果，当目标对象在远处并且在显示器上相对较小时，用户可能发现点击感兴趣的特定目标对象是困难的。此外，以增强的变焦水平跟踪目标对象能够是困难的，因为即使是非常小的焦点改变也可能显著地改变输出图像。此外，用户可能难以捕获其中特定目标对象不位于图像中心的静止或视频图像。
32.本公开提供各种技术，其中向用户提供候选预览缩放，用户能够从其中选择期望的输出。本公开也提供用于跟踪用户选择的目标对象的各种技术，这允许即使在高变焦水平下也在显示器上保持目标聚焦。一旦目标对象被跟踪，变焦水平能够基于目标对象的移动而改变，用于改进或优化图像捕获或以高缩放观看。在一些实施例中，自动望远镜模式能够自动向用户提供捕获的变焦镜头(shot)。此外，本专利文件中描述的各种技术使得能够独特地处理高变焦场景。例如，在高变焦相机中，目标对象在整体预览(1x变焦)中可能非常小。该专利文件中描述的技术允许在目标对象上以非常高的变焦水平——诸如高达50倍或更高的变焦水平——进行精确选择和放大，同时将目标对象基本上保持在预览的中心。跟踪能够用于在大范围的变焦水平(诸如从1x变焦到50x变焦或更大)上将目标对象基本上维持在预览的中心，这有助于即使在电子设备或目标对象正在移动时也鲁棒地框住目标对象。
33.图1图示根据本公开的包括电子设备的示例网络配置100。图1所示的网络配置100的实施例仅用于说明。在不脱离本公开的范围的情况下，可以使用网络配置100的其他实施例。
34.根据本公开的实施例，电子设备101被包括在网络配置100中。电子设备101能够包括总线110、处理器120、存储器130、输入/输出(i/o)接口150、显示器160、通信接口170、传
感器180和闪光灯190中的至少一个。在一些实施例中，电子设备101可以排除这些组件中的至少一个，或者可以添加至少一个其他组件。总线110包括用于将组件120-190彼此连接以及用于在组件之间传输通信(诸如控制消息和/或数据)的电路。
35.处理器120包括中央处理单元(cpu)、图形处理器单元(gpu)、应用处理器(ap)或通信处理器(cp)中的一个或多个。处理器120能够对电子设备101的至少一个其他组件执行控制和/或执行与通信相关的操作或数据处理。例如，在本公开的一些实施例中，处理器120能够处理图像数据并支持点击锁定变焦相机用户界面，这将在下面更详细地描述。
36.存储器130能够包括易失性和/或非易失性存储器。例如，存储器130能够存储与电子设备101的至少一个其他组件相关的命令或数据。根据本公开的实施例，存储器130能够存储软件和/或程序140。程序140包括例如内核141、中间件143、应用编程接口(api)145、应用程序(或“应用”)147和/或机器学习算法149。内核141、中间件143或api 145的至少一部分可以被表示为操作系统(os)。
37.内核141能够控制或管理用于执行在其他程序(诸如中间件143、api 145或应用147)中实现的操作或功能的系统资源(诸如总线110、处理器120或存储器130)。内核141提供允许中间件143、api 145或应用147访问电子设备101的各个组件以控制或管理系统资源的接口。应用147可以包括一个或多个应用，这些应用支持使用点击锁定变焦相机用户界面。这些功能能够由单个应用或每个应用执行这些功能中的一个或多个的多个应用来执行。
38.例如，中间件143能够充当中继，以允许api 145或应用147与内核141通信数据。多个应用147能够被提供。中间件143能够控制从应用147接收的工作请求，诸如通过将使用电子设备101的系统资源(如总线110、处理器120或存储器130)的优先级分配给多个应用147中的至少一个。api 145是允许应用147控制从内核141或中间件143提供的功能的接口。例如，api 145包括用于归档控制、窗口控制、图像处理或文本控制的至少一个接口或功能(诸如命令)。
39.机器学习算法149可以用作支持点击锁定变焦相机用户界面的一个或多个应用147的一部分或与其结合使用。如下所述，机器学习算法149可以用于产生提取的显著图，其标识包含显著信息的输入图像帧的至少一个区域。短语“显著信息(salient inforamtion)”指的是基于与图像中的周围区域的对比度来指示对象的图像相关信息。例如，在生成显著图的情境中，显著信息通常指与场景内的一个或多个周围区域形成对比的区域或其他像素集合。因此，机器学习算法149能够(除了别的以外)操作来准确地识别场景内的不同对象。
40.i/o接口150用作例如能够将来自用户或其他外部设备的命令或数据输入传递到电子设备101的其他组件的接口。i/o接口150也能够向用户或其他外部设备输出从电子设备101的其他组件接收的命令或数据。
41.显示器160包括例如液晶显示器(lcd)、发光二极管(led)显示器、有机发光二极管(oled)显示器、量子点发光二极管(qled)显示器、微机电系统(mems)显示器或电子纸显示器。显示器160也能够是深度感知显示器，诸如多焦点显示器。显示器160能够向用户显示例如各种内容(诸如文本、图像、视频、图标或符号)。显示器160能够包括触摸屏，并且可以接收例如使用电子笔或用户身体部分的触摸、手势、接近或悬停输入。
42.通信接口170例如能够在电子设备101和外部电子设备(诸如第一外部电子设备102、第二外部电子设备104或服务器106)之间建立通信。例如，通信接口170能够通过无线或有线通信与网络162或164连接，以与外部电子设备通信。通信接口170能够是有线或无线收发器或用于发送和接收诸如图像的信号的任何其他组件。
43.无线通信能够使用例如长期演进(lte)、高级长期演进(lte-a)、第五代无线系统(5g)、毫米波或60ghz无线通信、无线usb、码分多址(cdma)、宽带码分多址(wcdma)、通用移动电信系统(umts)、无线宽带(wibro)或全球移动通信系统(gsm)中的至少一个作为蜂窝通信协议。有线连接能够包括例如通用串行总线(usb)、高清多媒体接口(hdmi)、推荐标准232(rs-232)或普通老式电话服务(pots)中的至少一个。网络162或164包括至少一种通信网络，诸如计算机网络(如局域网(lan)或广域网(wan))、互联网或电话网络。
44.电子设备101还包括一个或多个传感器180，传感器180能够测量物理量或检测电子设备101的激活状态，并将测量或检测的信息转换成电信号。例如，一个或多个传感器180包括一个或多个相机或其他成像传感器，其可以用于捕获场景的图像。传感器180也能够包括用于触摸输入的一个或多个按钮、一个或多个麦克风、手势传感器、陀螺仪或陀螺仪传感器、气压传感器、磁传感器或磁力计、加速度传感器或加速计、手柄传感器、接近传感器、颜色传感器(诸如红绿蓝(rgb)传感器)、生物物理传感器、温度传感器、湿度传感器、照明传感器、紫外线(uv)传感器、肌电图(emg)传感器、脑电图(eeg)传感器、心电图(ecg)传感器、红外(rgb)传感器、超声波传感器、虹膜传感器或指纹传感器。传感器180还能够包括惯性测量单元，其能够包括一个或多个加速度计、陀螺仪和其他组件。此外，传感器180能够包括用于控制本文包括的至少一个传感器的控制电路。这些传感器180中的任何一个都能够位于电子设备101内。一个或多个相机或其他成像传感器180能够可选地与至少一个闪光灯190结合使用。闪光灯190表示被配置为生成用于电子设备101的图像捕获的照明的设备，诸如一个或多个led。
45.第一外部电子设备102或第二外部电子设备104能够是可穿戴设备或可安装电子设备的可穿戴设备(诸如hmd)。当电子设备101被安装在电子设备102(诸如hmd)中时，电子设备101能够通过通信接口170与电子设备102通信。电子设备101能够直接与电子设备102连接，以与电子设备102通信，而不涉及单独的网络。电子设备101也能够是包括一个或多个相机的增强现实可穿戴设备，诸如眼镜。
46.第一外部电子设备102和第二外部电子设备104以及服务器106中的每个能够是与电子设备101相同或不同类型的设备。根据本公开的某些实施例，服务器106包括一组一个或多个服务器。此外，根据本公开的某些实施例，在电子设备101上执行的所有或一些操作能够在另一个或多个其他电子设备(诸如电子设备102和104或服务器106)上执行。此外，根据本公开的某些实施例，当电子设备101应该自动地或应请求执行一些功能或服务时，电子设备101能够请求另一设备(诸如电子设备102和104或服务器106)执行与其相关联的至少一些功能，而不是自己或附加地执行该功能或服务。其他电子设备(诸如电子设备102和104或服务器106)能够执行所请求的功能或附加功能，并将执行结果传递到电子设备101。电子设备101能够通过按原样或附加地处理接收的结果来提供请求的功能或服务。为此，例如，云计算、分布式计算或客户端-服务器计算技术可以被使用。虽然图1示出电子设备101包括通信接口170以经由网络162或164与外部电子设备104或服务器106通信，但是根据本公开
的一些实施例，电子设备101可以在没有单独的通信功能的情况下独立操作。
47.服务器106能够包括与电子设备101相同或相似的组件(或其合适的子集)。服务器106能够通过执行在电子设备101上实现的至少一个操作(或功能)来支持驱动电子设备101。例如，服务器106能够包括可以支持在电子设备101中实现的处理器120的处理模块或处理器。在一些实施例中，服务器106可以执行一个或多个应用，这些应用尤其支持点击锁定变焦相机用户界面。
48.尽管图1图示包括电子设备101的网络配置100的一个示例，但是可以对图1进行各种改变。例如，网络配置100可以以任何合适的布置包括任何数量的每个组件。一般而言，计算和通信系统有各种各样的配置，并且图1不将本公开的范围限制于任何特定的配置。此外，虽然图1图示其中能够使用本专利文件中公开的各种特征的一个操作环境，但是这些特征可以用于任何其他合适的系统中。
49.图2a、图2b、图2c、图2d、图2e、图2f、图2g、图2h和图2i图示根据本公开的预览缩放用户界面中的手动预览缩放模式的示例方法200和相关细节。更具体地，图2a图示支持预览缩放用户界面中的手动预览缩放模式的方法200，图2b、图2c、图2d、图2e、图2f、图2g、图2h和图2i图示作为方法200的一部分执行的示例操作。为了便于解释，方法200被描述为涉及使用图1的网络配置100中的电子设备101。然而，方法200可以用于任何其他合适的设备和任何其他合适的系统。
50.在此示例实施例中，电子设备101的预览缩放用户界面222能够显示输入图像帧224。预览缩放用户界面222向用户呈现可以使用电子设备101捕获的图像的预览。输入图像帧224表示由电子设备101的一个或多个相机捕获的预览图像帧。输入图像帧224能够响应于电子设备101接收到捕获一个或多个静止或视频图像的输入而被显示。输入图像帧224能够在整个方法200中被不断更新，以示出正由电子设备101的一个或多个相机捕获的当前预览帧。在一些实施例中，用户界面222能够支持多种用户模式和设置，包括手动预览缩放模式220。
51.这个特定输入图像帧224是从较远位置拍摄的城市天际线的预览图像。在输入图像帧224的前景中是许多类似花园的植物和石头栅栏。在输入图像帧224的背景中是许多类似摩天大楼或办公楼的建筑物。输入图像帧224的顶部包括天空，并包含在云边界之外不具有很多可识别或可辨别细节的云。
52.如图2a和图2b所示，在步骤202，电子设备101接收缩放区域226。缩放区域226表示用户选择锁定的输入图像帧224的区域。在一些情况下，缩放区域226能够由用户接触用户界面222来选择，其中接触的位置由图2b中的光标227来指示(注意，光标227在用户界面222上实际上可能可见也可能不可见)。用户界面222上的接触可以包括用户的直接接触(诸如当用户使用他或她的手指进行接触时)或者通过用于与用户界面222交互的工具的接触。作为步骤202的一部分，电子设备101能够估计缩放区域226的中心点228。此外，在一些情况下，缩放区域226能够在针对特定对象或细节对输入图像帧224进行分析之前被记录。在特定实施例中，电子设备101能够包括触摸板229，用于在输入图像帧224上移动光标227以精确地选择缩放区域226的预期目标点，其中触摸板229能够被操纵来移动光标227以获得更精确的缩放区域226和中心点228。
53.如图2a和图2c所示，在步骤204，边界框230的预览被输出到电子设备101的用户界
面222。例如，在接收到缩放区域226之后，电子设备101能够输出以输入图像帧224中的中心点228为中心的边界框230。边界框230是在执行缩放功能之后将在整个用户界面222上显示的输入图像帧224的量的视觉表示。在一些情况下，边界框230能够是高度尺寸等于宽度方向的正方形，或者边界框230能够是高/宽比与输入图像帧224的高/宽比相同或相似的矩形。
54.在此示例中，边界框230的大小或尺寸能够由缩放范围232来控制，缩放范围232表示允许用户改变边界框230的大小或尺寸的控件。缩放范围232能够是连续可变的或者被分割成预定的缩放选项。缩放范围232能够具有基于像素数量、屏幕百分比等的单位。缩放指示符234被显示在缩放范围232上，以指示缩放的当前选择。缩放指示符234在缩放范围232上的位置能够被直接选择，或者缩放指示符234能够被向右或向左拖动到期望的位置。能够根据缩放指示符234的移动或者基于用户在用户界面222上的其他交互，在用户界面222上动态调整边界框230。例如，用户可以在用户界面222上的边界框230处或在用户界面222上的任意位置执行捏合或展开动作，以减小或增大边界框230的大小。调整边界框230的尺寸的任何用户交互能够自动更新缩放范围232和边界框230。
55.如图2a和图2d所示，在步骤206，电子设备101生成显著图236。例如，输入图像帧224、中心点228和缩放大小能够被提供给机器学习算法149。机器学习算法149处理输入图像帧224，以便识别输入图像帧224中包含显著信息238的区域(或多个)。例如，机器学习算法149可以识别输入图像帧224中的一个或多个区域或其他像素集合，其中每个区域或其他集合包括提供显著信息238的像素。所生成的显著图236标识输入图像帧224中与显著信息238相关联的区域(或多个)或其他像素集合(或多个)。如下所述，机器学习算法149表示经过训练的机器学习模型，其使用人工智能(ai)或其他形式的机器学习来识别包含显著信息238的区域或其他像素集合。机器学习算法149可以使用任何合适的机器学习模型(现在已知或以后开发的)，诸如神经网络。下面参考图3描述机器学习算法149的一个示例实现。然而，注意，显著图236可以以任何其他合适的方式被生成，并且不限于使用机器学习来生成。
56.如图2a和图2e所示，在步骤208，电子设备101将显著信息238聚类成一个或多个显著斑点240。显著斑点240表示显著图236中显著信息238的可区分集群。基于正被处理的图像数据，能够在显著图236内确定一个或多个显著斑点240。在一些情况下，每个显著斑点240能够基于由没有对比度指示包围的对比度集群来确定。此外，在一些情况下，显著斑点240在被确定时能够具有最小大小或最大大小。因此，例如，电子设备101能够确定显著信息238的集群没有大到足以满足显著斑点240的最小大小，或者集群可能具有太多的显著信息238而不能保持在显著斑点240的最大值内。替换地，电子设备101可以获取显著信息238的集群，并确定对于该集群的将符合显著斑点240的最大范围的显著信息238的最高量。
57.如图2a和图2f所示，在步骤210，为每个显著斑点240确定斑点中心点242。在一些情况下，能够基于相关联的显著斑点240的相应尺寸来确定每个斑点中心点242。例如，能够测量显著斑点240的高度和宽度，并且能够基于高度的中点和宽度的中点来确定斑点中心点242。斑点中心点242也能够基于加权中点或者使用沿着高度和宽度中的每一个的显著密度来确定。加权中点将向显著信息238的密度更大的一侧倾斜。斑点中心点242用于最终框定边界框230。
58.如图2a和图2g所示，在步骤212，经由用户界面222向用户输出与至少一个显著斑
点240相关的一个或多个候选缩放预览244。缩放预览244表示与显著斑点240相对应的输入图像帧224的区域的放大版本(或者以低缩放提供的输入图像帧224的那些区域的版本)。能够基于缩放预览244的数量和显示器内的可用空间来调整缩放预览244的大小。缩放预览244也能够基于许多其他因素来调整大小，诸如默认大小、显著斑点(或多个)240与完整显示的比率等。在一些情况下，在缩放预览244中捕获的图像帧的部分能够是静态的，并且不受电子设备101的移动的影响。此外，在一些情况下，当缩放预览244正被显示时，输入图像帧224能够是静止图像，直到特定缩放预览244被选择为止。在用户界面222中的图像是实况图像的情况下，缩放预览244能够被移动到用户界面222周围的不同位置，以不遮挡与显著斑点(或多个)240相对应的图像特征。在其他情况下，缩放预览244能够接近显著斑点(或多个)240或缩放区域226显示
59.用户界面222也能够包括一个或多个预览边界框230，每个预览边界框230标记与缩放预览244中的一个和显著斑点240中的一个相对应的输入图像帧224的区域。边界框230能够使用不同的颜色、线条图案或其他指示符(也可以匹配缩放预览244的不同颜色、线条图案或其他指示符),以便更容易地标识缩放预览244和它们相应的边界框230之间的配对。也能够实现引导线246以更容易地标识缩放预览244和它们相应的边界框230之间的配对。
60.如图2a和图2h所示，在步骤214，接收对特定缩放预览248的选择。用户能够经由用户界面222选择特定缩放预览248，诸如通过触摸用户界面222中显示的特定缩放预览248。所选缩放预览248表示其上用户界面222将被锁定的缩放预览。
61.如图2a和图2i所示，在步骤216，电子设备101确定所选缩放预览248内的多个特征点250。特征点250与包含在所选缩放预览248内的一个或多个对象的特征相关联。可以在与所选缩放预览248相对应的整个边界框230中确定特征点250。特征点250可以以任何合适的方式被识别，诸如通过使用卡纳德-卢卡斯-托马西(klt)特征跟踪器、哈里斯(harris)角点跟踪器、边缘特征跟踪器或卷积神经网络(cnn)特征跟踪器。在一些情况下，所选缩放预览244通过人体检测算法运行，该算法(当所选缩放预览244包括人体像素时)将面部区域视为用于识别特征点250的优选目标。
62.在步骤218，电子设备101将其缩放锁定在所识别的特征点250上。例如，在计算最佳缩放率之后，输入图像帧224能够自动地(并且可能逐渐地)放大到所选缩放预览248。将缩放锁定在特征点250上也能够包括当输入图像帧224移动时跟踪特征点250。例如，在时间图像序列中的连续图像帧之间，基于视线的干扰、光反射的变化等，一些特征点可能会丢失。能够设置特征点250的百分比或阈值来保持跟踪。如果没有达到百分比或阈值，则电子设备101能够通过在缩放区域226中检测和显示新的缩放预览244来请求新的所选缩放预览248。
63.尽管图2a、图2b、图2c、图2d、图2e、图2f、图2g、图2h和图2i图示预览缩放用户界面中的手动预览缩放模式的方法200和相关细节的一个示例，但是可以对这些图进行各种改变。例如，虽然被示出为一系列步骤，但是图2a中的各个步骤可以重叠、并行发生、以不同的顺序发生或者发生任何次数。此外，图2b、图2c、图2d、图2e、图2f、图2g、图2h和图2i所示的图像内容仅仅是示例，旨在说明图2a的方法200中的不同操作或步骤。
64.图3图示根据本公开的用于与预览缩放用户界面一起使用的示例显著信息提取机器学习算法149。为了便于解释，机器学习算法149被描述为用作图2a的方法200的一部分。
然而，机器学习算法149可以用于任何其他合适的方法，包括下面描述的那些方法。
65.如图3所示，机器学习算法149接收输入图像帧224，并将输入图像帧224通过卷积层302a-302e的集合。每个卷积层302a-302e对其输入应用卷积函数，以便生成其输出。卷积层302a-302e通常表示卷积神经元的层，其应用模拟单个神经元对视觉刺激的响应的卷积函数。每个神经元通常对其输入值应用某种函数(通常通过对不同的输入值进行不同的加权)来生成输出值。卷积层302a-302e可以与激活函数相关联，激活函数能够将特定函数或运算应用于来自神经元的输出值，以产生卷积层的最终输出。在此示例中，第一卷积层302a接收并处理输入图像帧224，并且其余卷积层302b-302e中的每一个接收并处理来自先前卷积层302a-302d的输出。每个卷积层302a-302e的输出比其输入具有更低的分辨率。最后一个卷积层302e的输出标识输入图像帧224的编码。注意，虽然这里示出了五个卷积层302a-302e，但是机器学习算法149可以支持任何合适数量的卷积层。
66.然后机器学习算法149将输入图像帧224的编码版本通过反卷积或上采样层304a-304e的集合。每个反卷积或上采样层304a-304e对其输入应用反卷积或上采样函数，以便生成其输出。在此示例中，第一反卷积或上采样层304a接收并处理由卷积层302e提供的输入图像帧224的编码版本，并且每个其余的反卷积或上采样层304b-304e接收并处理来自先前的反卷积或上采样层304a-304d的输出。最后一个反卷积或上采样层304e的输出标识由卷积层302a-302e产生的编码输入图像帧224的解码版本。注意，虽然这里示出了五个反卷积或上采样层304a-304e，但是机器学习算法149可以支持任何合适数量的反卷积或上采样层。
67.softmax函数层306从反卷积或上采样层304e接收表示输入图像帧224的解码输出。softmax函数层306将解码输出(通常是非归一化值)映射到指定的输出类别(通常是非归一化值)。数学上，softmax函数层306能够被认为是将来自反卷积或上采样层304e的非归一化输出映射到指定输出类别上的概率分布。这里，输出类别可以指代或表示包含显著信息238的输入图像帧224的不同区域。因此，例如，输出类别可以包括输入图像帧224中的不同显著性的不同对象，其中每个显著分组与具有相同对比度或小范围相似对比度的像素相关联。
68.通过使输入图像帧224通过层302a-302e、304a-304e、306，机器学习算法149能够为输入图像帧224产生显著图236。这里，显著映射236通常能够标识输入图像帧224中包含显著信息238的一个或多个区域。然后，显著图236能够以任何合适的方式被使用，诸如引导缩放预览的生成或者引导其他图像相关数据的产生。
69.尽管图3图示用于与预览缩放用户界面一起使用的显著信息提取机器学习算法149的一个示例，但是可以对图3进行各种改变。例如，虽然被示出为实现神经网络，但是任何其他合适的机器学习算法或其他算法可以用于识别输入图像帧中的显著信息。
70.图4a、图4b和图4c图示根据本公开的预览缩放用户界面中用户选择的自动缩放模式的示例方法400和相关细节。更具体地，图4a图示在预览缩放用户界面中支持用户选择的自动缩放模式的方法400，而图4b和图4c图示作为方法400的一部分执行的示例操作。为了便于解释，方法400被描述为涉及使用图1的网络配置100中的电子设备101。然而，方法400可以用于任何其他合适的设备和任何其他合适的系统。
71.在此示例实施例中，电子设备101的预览缩放用户界面222能够再次显示输入图像
帧224。输入图像帧224能够响应于电子设备101接收到捕获一个或多个静止或视频图像的输入被显示。输入图像帧224能够在整个方法200中被不断更新，以示出由电子设备101的一个或多个相机捕获的当前预览帧。在一些实施例中，用户界面222能够支持多种用户模式和设置，包括用户选择的自动缩放模式420。用户选择的自动缩放模式420指示电子设备101将自动确定供电子设备101使用的最佳缩放422。
72.如图4a和图4b所示，在步骤402，电子设备101接收缩放区域226。此外，在步骤404，电子设备101生成显著图236，在步骤406，电子设备101将显著信息238聚类成一个或多个显著斑点240，并且在步骤408，为每个显著斑点240确定斑点中心点242。除了显著图236在这一点上可以不限于任何边界框之外，这些步骤402、404、406、408可以以与上述步骤202、206、208、210相同或相似的方式发生。因为边界框230的尺寸没有被用户选择并用于限制这里的显著图236的生成，所以在步骤404的显著图的生成能够相对于步骤206改变。例如，在一些情况下，能够在步骤404中预先确定要并入显著图236中的显著斑点240的数量。作为特定示例，要定位的显著斑点240的数量的阈值能够基于显著斑点240的特定数量、远离中心点228的像素数量或预定义的边界框230被预定。在步骤410，经由用户界面222向用户输出与至少一个显著斑点240相关的一个或多个候选缩放预览244，并且在步骤412接收对特定缩放预览248的选择。能够搜索一个或多个候选缩放预览，诸如从中心点228开始并向外扩展，直到达到阈值为止。
73.如图4a和图4c所示，在步骤414，电子设备101自动确定边界框230的尺寸。电子设备101能够将边界框230的大小与输入图像帧224进行比较，以确定最佳缩放422。电子设备101能够基于包含输入图像帧224中1/50的像素的边界框230来确定最佳缩放422是50倍缩放。确定缩放比的另一方法可以基于要在输入图像帧224的尺寸内优化的边界框230的测量。
74.每个候选缩放预览244能够具有不同数量或大小的内容。图像中的对象在图像中通常不具有统一的大小和深度。边界框230的最佳尺寸能够与显著斑点240的大小成反比例。在特定实施例中，显著斑点240的最佳缩放比能够表示如下：
75.r＝c*(w/wb)
ꢀꢀꢀ
(1)
76.这里，r表示显著斑点240的最佳缩放比。此外，w表示输入图像帧224的宽度，并且wb表示显著斑点240的宽度。此外，c是用于确定容限的浮点常数，并且能够是1和2之间的数字。
77.尽管图4a-图4c图示用于点击锁定用户选择的自动缩放的方法400的一个示例，但是可以对图4a-图4c进行各种改变。例如，虽然被示为一系列步骤，但是图4a中的各个步骤可以重叠、并行发生、以不同的顺序发生或者发生任何次数。
78.图5a、图5b和图5c图示根据本公开的预览缩放用户界面中的全自动缩放模式的示例方法500，包括步骤502至步骤516。更具体地，图5a是用于执行方法500的步骤502到步骤516的流程图，图5b是用于在步骤502在缩放预览用户界面222上接收用户选择的示例性显示，以及图5c是用于在步骤512在用户界面222上输出最佳斑点520的示例性显示。为了便于解释，图5a所示的方法500被描述为包括使用图1的网络配置100中的电子设备101，其中电子设备101能够支持图5a的方法500。然而，图5所示的方法500可以用于任何其他合适的设备和任何其他合适的系统。
79.如图5a和图5b所示，电子设备101的用户接口222能够显示输入图像帧224。用户界面222也能够显示多种用户模式和设置，包括全自动缩放模式518。全自动缩放模式518指示当电子设备101执行方法500时，电子设备将自动确定最佳缩放422并确定最佳斑点520。在方法500中，类似于方法400中的步骤402至418来执行步骤502-516，不同之处在于排除了用于输出与每个斑点相关的缩放预览并接收对缩放预览的选择的步骤410和412。
80.代替步骤410和412，方法500包括基于初始触摸输入确定最佳斑点的步骤510。如图5a和图5c所示，在步骤510，基于缩放区域226和显著图236来确定最佳斑点520。例如，能够在显著图236中识别多个显著斑点240。最佳斑点520是由电子设备101确定为输入图像帧224中的所选对象的显著信息238的集群。最佳斑点520能够基于与中心点228的接近度、基于缩放区域226内的显著斑点的显著信息量238等来确定。在一些实施例中，最佳斑点520可以在用户界面222上被显示为单个候选缩放预览248以供用户接受，诸如通过手动选择，或者在延迟之后自动选择而无需接收来自用户的进一步输入。
81.尽管图5图示预览缩放用户界面中的全自动缩放模式的方法500的一个示例，但是可以对图5进行各种改变。例如，虽然显示为一系列步骤，但是图5中的各个步骤可以重叠、并行发生、以不同的顺序发生或者发生任意次。
82.图6图示根据本公开的点击锁定变焦相机用户界面的示例方法600。为了便于解释，图6所示的方法600被描述为包括使用图1的网络配置100中的电子设备101，其中电子设备101能够支持图2a的方法200、图4a的方法400和图5a的方法500。然而，图6所示的方法600可以用于任何其他合适的设备和任何其他合适的系统。
83.如图6所示，在步骤602，电子设备101接收所选缩放预览248。所选缩放预览248能够从缩放预览244中选择，或者可以被自动确定为最佳斑点520。感兴趣区域614基于与所选缩放预览248或最佳斑点520相对应的显著斑点240被确定。在步骤604，感兴趣区域614贯穿时间图像序列616被设置。由于时间图像序列616中的每个图像能够略有不同，所以能够基于与感兴趣区域614相对应的显著斑点240来识别感兴趣区域614。
84.在步骤606，确定并跟踪感兴趣区域614内的特征点250。特征点的确定和跟踪在上面关于图2a中所示的步骤216和218进行了描述。
85.在步骤608，为时间图像序列616计算加权移动平均值。电子设备101获得所提取的特征的中心点，并且使用加权移动平均来平滑沿时间图像序列616的坐标。在特定实施例中，加权移动平均值能够表示如下：
[0086][0087]
这里，m表示沿时间图像序列616的平滑坐标。此外，n表示时间图像序列616的总帧数，并且t表示时间图像序列616内的帧索引。此外，v表示特征点250的像素坐标，并且w表示施加到特征点250的像素坐标的权重。
[0088]
在步骤610，确定特征点250的中心点，并且裁剪输入图像帧224以生成缩放输出。特征点250的中心点能够基于最外面的特征点250或所有特征点250的加权平均值来确定。一旦特征点250的中心点被确定，输入图像帧224就被裁剪。输入图像帧224的裁剪能够基于所选缩放预览248的边界框230或基于显示比率来发生。然后，在步骤612，裁剪后的帧以缩
放后的序列输出到用户界面222。
[0089]
尽管图6图示用于点击锁定变焦相机用户界面的方法600的一个示例，但是可以对图6进行各种改变。例如，虽然显示为一系列步骤，但是图6中的各个步骤可以重叠、并行发生、以不同的顺序发生或者发生任意次。
[0090]
图7图示根据本公开的用于点击锁定变焦相机用户界面的示例方法700，包括步骤702至712。为了便于解释，图7所示的方法700被描述为包括图1的网络配置100中的电子设备101的使用，其中电子设备101能够支持图2a的方法200、图4a的方法400、图5a的方法500和图6的方法600。然而，图7所示的方法700可以用于任何其他合适的设备和任何其他合适的系统。
[0091]
在步骤702，在用户界面222上接收对显示在用户界面222上的输入图像帧224上的缩放区域226的选择。输入图像帧224能够由电子设备101上的一个或多个图像传感器180或者当前正在向电子设备101发送的单独的相机来捕获。缩放区域226能够通过用户在触摸屏上的直接接触或者通过使用触摸板229定位光标227来选择。当手动预览缩放模式220被选择时，在用户界面222上在缩放区域226的中心点228处呈现边界框230。边界框230的大小能够由缩放范围232上的缩放指示器234来控制。当用户选择的自动缩放模式420或全自动缩放模式518被选择时，用于确定候选缩放预览244的区域被自动确定。
[0092]
在步骤704，使用显著性检测算法149来确定接近缩放区域226的一个或多个候选缩放预览244。显著性检测算法149接收输入图像帧224，并产生包括输入图像帧224中的所有显著信息238的显著图236。
[0093]
在步骤706，一个或多个候选缩放预览244在用户界面222上与缩放区域226相邻显示。缩放预览244能够基于每个相应显著斑点240的大小具有不同的缩放水平。当选择手动预览缩放模式220或用户选择的自动缩放模式420时，能够显示多于一个的缩放预览244以供用户在用户界面222上选择。当选择全自动缩放模式518时，能够呈现与最佳斑点520相关的缩放预览244。如果缩放预览244以全自动缩放模式518呈现，则用户能够重新开始或执行关于下一个最佳斑点520的缩放预览244的功能。
[0094]
在步骤708，从一个或多个候选缩放预览244中识别所选缩放预览248的缩放预览244。用户能够通过在用户界面222上直接接触候选缩放预览244来标识所选缩放预览248。
[0095]
在步骤710，最佳缩放率422被确定为相对于输入图像帧224的大小、与所选缩放预览248的缩放预览244的大小成反比例的量。缩放率422能够包括大小调整因子，以在缩放预览244的外边缘周围提供少量额外空间来完全捕获所选缩放预览248及其周围。
[0096]
在步骤712，所选缩放预览248的缩放预览244以最佳缩放率422被放大，以输出到显示器160。所选缩放预览248被显示在显示器160的中心。
[0097]
在步骤714，从所选缩放预览244中的至少一个目标对象252提取特征点250。klt特征跟踪器、哈里斯角点跟踪器、边缘特征跟踪器或cnn特征跟踪器可以用于识别特征点250。在某些实施例中，所选缩放预览244通过人体检测算法运行。当所选缩放预览244包括人类像素时，面部区域被视为用于识别特征点250的优选目标。
[0098]
在步骤716，在时间图像序列中跟踪特征点。将缩放锁定在特征点250上包括当输入图像帧224移动时跟踪特征点250。在时间图像序列中的连续图像帧之间，基于视线的干扰、光反射的变化等，一些特征点可能会丢失。能够基于识别时间图像序列中的连续图像帧
中的特征点250的百分比或阈值来维持跟踪。如果没有达到百分比或阈值，则电子设备101能够通过在一般缩放区域226中检测和显示新的缩放预览244来请求新的所选对象252。
[0099]
在步骤718，贯穿时间图像序列特征点被保持在输出的中心。电子设备101能够基于在跟踪期间识别的任何变化来自动更新显著斑点的缩放率和中心点。当特征点靠近或分开时，缩放率将改变并更新以保持显示中特征对象的特定大小。当特征点在输入图像帧中移动时，显著斑点的中心点将被调整。
[0100]
尽管图7图示用于点击锁定变焦相机用户界面的方法700的一个示例，但是可以对图7进行各种改变。例如，虽然被显示为一系列步骤，但是图7中的各个步骤可以重叠、并行发生、以不同的顺序发生或者发生任何次数。
[0101]
图8a、图8b、图8c和图8d图示根据本公开的用于预览缩放用户界面222的示例附加功能800、802、804、806。更具体地，图8a、图8b、图8c和图8d图示能够作为方法200的一部分执行的附加功能。这里，图8a图示预览缩放用户界面222以不同的放大倍率显示第一候选缩放预览803和第二候选缩放预览804。图8b图示通过触摸板807精确控制的预览缩放界面222。图8c图示自动标识目标对象808的预览缩放用户界面222。图8d图示当目标对象808在图像传感器180的捕获区域之外时向用户提供引导810的预览缩放用户界面222。为了便于解释，附加功能800、802、804、806被描述为涉及使用图1的网络配置100中的电子设备101。然而，附加功能可以用于任何其他合适的设备和任何其他合适的系统中。
[0102]
如图8a所示，预览缩放用户界面222以不同的放大倍率显示第一候选缩放预览803和第二候选缩放预览804。在输入图像帧224中，显示器上的对象的大小将取决于对象的实际大小和对象距图像传感器180的距离。对多个边界框使用单一大小可能会产生不完全在候选预览中的对象，或者在候选预览中的对象周围包含过多不必要的细节的对象。对不同大小的边界框使用单一放大倍率可能会产生带有完全不同大小缩放预览的笨拙界面。因此，这里的预览缩放用户界面222能够基于检测到的目标对象的显著斑点240使用具有不同大小的第一边界框812和第二边界框814。为了在预览缩放用户界面222上保持整洁的外观，第一候选缩放预览803中的目标对象的放大倍率能够不同于第二候选缩放预览804中的目标对象的放大倍率。第一候选缩放预览803中的目标对象的放大倍率能够基于第一边界框812的大小与第一候选缩放预览803和第二候选缩放预览804的标准化大小之间的差。第二候选缩放预览804中的目标对象的放大倍率能够类似地基于第二边界框814的大小与第一候选缩放预览803和第二候选缩放预览804的标准化大小之间的差。
[0103]
如图8b所示，预览缩放界面222能够使用触摸板807来精确控制。触摸板807能够例如表示使用预览缩放用户界面200的一部分的覆盖图。光标816也能够被覆盖在输入图像帧224上，并且光标816能够基于用户与触摸板807的交互来控制或操纵。例如，光标816能够基于触摸板807上的相应接触点被移动到预览缩放用户界面200上的一点。光标816也能够基于从初始接触点的移动来调整，在这种情况下，初始接触点可能对光标816没有影响，直到接触点移动。如果接触点沿某个方向移动，光标816可以沿相同的方向调整。此外，光标816的移动速率可以随着接触点远离初始接触点而增加。在一些情况下，触摸板807和/或光标816可以在初始接触之前保持隐藏，并且初始接触可以确定触摸板807的位置(诸如当触摸板807以初始接触点为中心显示时)。这可以通过不覆盖输入图像的一部分而有益于预览缩放界面。光标816也可以与触摸板807分开显示，并且由用户与预览缩放用户界面222交互来
操纵而无需触摸板807。例如，用户可以在预览缩放用户界面222上的任意点处具有初始接触点，并且光标816可以根据用户从该初始接触点的移动而移动。
[0104]
如图8c所示，预览缩放用户界面222能够执行目标对象808的自动识别818。例如，预览缩放界面222可以使用机器学习算法149来自动识别输入图像帧224中的目标对象808。自动识别818可以结合任何人类、面部或对象识别技术。自动识别818也可以通过确定输入图像帧224中的对象相对于其周围或环境格格不入或突出来识别目标对象808。在一些情况下，目标对象808的自动识别818能够替换、补充或改变用户选择的操作，诸如图2a所示的步骤202-214、图4a所示的步骤402-412、图5a所示的步骤502或图7所示的步骤702-706。
[0105]
如图8d所示，当目标对象808在图像传感器180的捕获区域之外时，预览缩放用户界面222向用户提供引导810。例如，当预览缩放界面222被放大到高放大倍率(诸如大于正常的五十倍)时，电子设备101的轻微移动能够导致所显示的图像中的明显移动。预览缩放用户界面222能够识别目标对象808何时接近完整输入图像帧224的边缘或者已经移动超过完整输入图像帧224的边缘。当这些情况中的任一种发生时，预览缩放界面222能够显示引导810的至少一个实例。引导810能够包括推荐移动方向的视觉标记820，诸如箭头。除了视觉标记820之外或者与视觉标记820分开，引导810也能够包括描述推荐移动的文本822。在此示例中，除了视觉标记820之外，使用图8d所示的文本822来描述图像传感器的推荐移动。当然，可以使用其他文本822，诸如当文本822陈述特定的移动方向时，如“请向前旋转摄像头的顶部”。
[0106]
尽管图8a、图8b、图8c和图8d图示用于预览缩放用户界面222的附加功能800、802、804、806，但是可以对这些图进行各种改变。例如，这些图中所示的图像内容仅仅是示例，旨在说明不同的操作如何发生。
[0107]
尽管已经用示例实施例描述了本公开，但是本领域技术人员可以想到各种变化和修改。本公开旨在包含落入所附权利要求的范围内的这些变化和修改。