1. 摄影机直方图是什么
佳能大部分数码相机在拍摄前就可以从取景的背屏（它们通常只有背屏）上看到直方图。绝大多数数码相机要在拍完后才能看到照片的直方图。 首先要把照片回放到背屏上。然后，佳能相机按“info.”或者“Disp.”按钮直到直方图出现在屏幕的右上角；尼康相机按上下键或者左右键（如果左右键是换照片，那么就按上下键）直到出现了下面的画面就Ok了。画面的左上角是照片，右上角就是直方图，下面是拍摄数据。
2. 摄影中直方图是什么
是直方图，可在关掉的。直方图所反映的，是相机镜头所“看到”的世界。如果场景或者拍摄对象很暗，那么直方图就应该是向左堆积的；相反地，如果场景或者拍摄对象很亮，那么直方图就会呈现向右堆积的状态。可以简单记作“左暗右亮”。
3. 摄影直方图怎么看
拍摄后是可以显示直方角图示的，在拍摄中一般是在观察窗口看，半按快门后，里面有一条长横线，如果粗横线出现在左边比较多就是曝光不足，反而就是曝光过多，最好是没有粗横线，就是曝光正确。
4. 相机里的直方图什么意思
如果是单反
1.镜头进灰。
前镜片、后镜片、镜头内部的镜组都有可能进灰。
2.反光板进灰
3.对焦屏进灰
4.取景器进灰
5.感光元件进灰
如果是无反相则只需考虑5
解决方法
1.网上都有卖相机的清洁用品，例如气吹、喷雾、酒精棉等，买一套就好。
2.大多数相机内置有传感器除尘功能，可以在设置里找到。
3.对焦屏拆下时要小心，尽量在无风干燥清洁的环境中进行。不要用手，可以用镊子。
5. 摄像机直方图是什么意思
ProShot是一款高级的拍照应用，ProShot可以将手机界面变成与专业相机相同的界面，并且还提供了M全手动控制档，让你体验单反相机的魅力。
-1.拍照功能---
+自动，程序，手动，两个完全可配置的自定义模式，就像一个数码单反相机
+手动，半手动或过度曝光，闪光灯，对焦，ISO，快门速度，火炬，和白平衡自动控制
+在拍摄JPEG，RAW或RAW + JPEG *（RAW = .DNG文件）
+光绘模式与无限的快门和实时预览。看着你的照片在你眼前发展.
+拍摄16全分辨率：9,4：3和1：1
+自定义宽高比模式：拍摄任何你想要的宽高比21：9，17时10分，50：3，这一切都成为可能.
+连拍，定时器和延时摄影模式，全部采用全手动控制
+零延迟支架暴露高达±3，以1/3增量*
+强大的包围选项，从曝光补偿，ISO选择，和快门*
+ HDR，夜景，动作和场景模式*
+自动ISO选项，打开手动模式进入快门优先*
+手动对焦辅助*
+实时直方图
+前置摄像头与曝光控制
+变焦只用一个手指
+集成取景器全功能相机胶卷。查看EXIF，支持视频播放，媒体共享的支持，并删除
+网格叠加
+ 3种不同的模式级别
+ JPEG调整质量，降噪品质，照片位置
为+ GPS，屏幕亮度，相机的快门，和更多的快捷键
+最具创新性的相机UI有史以来
.2.视频功能
+上升到4K（3840X2160）*
+手动，半手动或自动控制*
+在任何模式下记录的视频（自动，P，M，C1，或C2）
+可调分辨率，帧速率和比特率
180度的规则+行业标准选项
+变焦和改变任何相机参数，即使在视频拍摄
+实时音频输入电平
+延时摄影视频，带全手动控制
+摄像灯
6. 摄像机直方图
一，光照问题
光照问题是机器视觉中的老问题，在人脸识别中的表现尤为明显。目前方法未能达到使用的程度。
如何克服光照的影响？
目前经常使用的方法有：直方图均衡化处理，必要的话会对人脸区域的左、右脸分别进行直方图均衡化，然后合并成整脸来克服光照的影响。
Gabor小波受光照的影响较小。
二，姿态问题
与光照问题类似，姿态问题也是目前人脸识别研究中需要解决的一个技术难点。针对姿态的研究相对比较的少，目前多数的人脸识别算法主要针列正面、准正而人脸图像，当发生俯仰或者左右侧而比较厉害的情况下，人脸识别算法的识别率也将会急剧下降。
哭，笑，愤怒、仰头、低头，左侧脸，右侧脸，如何识别？
对于有一定偏转角度的人脸，我们会首先对其进行摆正，即将人脸摆正成正脸，然后进行识别；对于表情变化较大的人脸，本人还没有找到比较有效的方法。
三，遮挡问题
对于非配合情况下的人脸图像采集，遮挡问题是一个非常严重的问题。特别是在监控环境下，往往彼监控对象都会带着眼镜，帽子等饰物，使得被采集出来的人脸图像有可能不完整，从而影响了后面的特征提取与识别，甚至会导致人脸检测算法的失效。
眼睛，帽子、刘海，伤疤，如何识别？
进行人脸识别前，我们会首先对人脸部分进行特征点的标记，而且现在标记特征点时基本可以有效地避免以上因素的影响，问题就是在提取特征点周围的特征时，这些遮挡会有一定的影响，不过影响不会太大。
四，年龄变化
随着年龄的变化，面部外观也在变化，特别是对于青少年，这种变化更加的明显。对于不同的年龄段，人脸识别算法的识别率也不同。
不同时期的人脸像如何识别？少年、中年、老年。
这个问题最直接的例子就是身份证照片的识别，在我国身份证的有效期一般都是20年，这20年间每个人的容貌必然会发生相当大的变化，所有在识别上也同样存在很大的问题。
五，图像质量
人脸图像的来源可能多种多样，由于采集设备的不同，得到的人脸图像质量也不一样，特别是对于那些低分辨率、噪声大、质量差的人脸图像(如手机摄像头拍摄的人脸图片、远程监控拍摄的图片等)如何进行有效地人脸识别是个需要关注的问题。同样的，对于高分辨图像对人脸识别算法的影响也需要进一步的研究。
摄像头，摄像机，远程监控，高端相机。。。。如何识别？图像质量参差不齐。
现在，我们在人脸识别时，一般采用的都是相同尺寸，清晰度很接近的人脸图片，所以图像质量问题基本可以解决，但是面对现实中更加复杂的问题，还需要继续优化处理。
六，样本缺乏
基于统计学习的人脸识别算法是目前人脸识别领域中的主流算法，但是统计学习方法需要大量的训练。由于人脸图像在高维空间中的分布是一个不规则的流形分布，能得到的样本只是对人脸图像空间中的一个极小部分的采样，如何解决小样本下的统计学习问题有待进一步的研究。
学习样本不全怎么办，谁能保证样本的完备性？
当前的问题不仅有样本不全的问题，还有就是，现在参与训练的人脸图像库基本都是外国人的图像，有关中国人、亚洲人的人脸图像库少之又少，给训练人脸识别模型增加了难度。
七，海量数据
传统人脸识别方法如PCA、LDA等在小规模数据中可以很容易进行训练学习。但是对于海量数据，这些方法其训练过程难以进行，甚至有可能崩溃。
如何解决海量数据的学习问题？
当前我使用的系统的基本可以训练上万张的人脸图像，但是训练时间较长，使用并行处理会有较大的提升。对于更多的图像数据，现在的深度学习、神经网络也可以解决，不过对图像的规格有很严格的要求，如：尺寸一致等等。
八，大规模人脸识别
随着人脸数据库规模的增长，人脸算法的性能将呈现下降。
如何维持或提高大规模应用环境下的人脸识别算法的识别率？
当训练图像库越来越大时，训练的速度会有大幅度下降，但是对于一般的算法，识别率会有所提高。影响识别率的主要原因还是采集到的图像质量。
综上所述，我认为最最主要的问题是：光照、表情。
7. 摄影机直方图是什么软件
lightromm好。它们的区别在于：
一、布局上有所不同。camera raw中的基本调整、曲线、锐化降噪、镜头校正等功能，以面板的形式展现。在Lightroom中，基本、曲线、镜头校正等，以下拉菜单的形式出现。
二、cameraraw中强大的裁剪、污点去除、画笔、渐变滤镜、径向滤镜等功能，在软件最上面的一排图标中。Lightroom差不多，这些功能也在直方图下面的一排图标中。
总而言之，学会了ACR修图，我们也就学会了Lightroom修图。
