CN100571403C - 基于纹理编码的方法和设备 - Google Patents

Abstract

为了降低假轮廓效应，采用了重心编码(GCC)。然而，具有少量电平的GCC在图像中引入噪声。因此，将每一个图像分成段，并且只在假轮廓效应严重的区域中执行该GCC。这是针对图像中皮肤区域的情况。这些区域通过颜色分析(1，2)以及纹理分析(3，4)被检测出来。如果该分析产生皮肤区域的结果，则采用用于数据处理的特定假轮廓模式(5)。否则，采用标准模式(6)。

Description

基于纹理编码的方法和设备

技术领域

本发明涉及一种处理用于在具有与图像的像素对应的多个发光元件的显示设备上显示的视频数据的方法，其中，将视频帧或场的时间分成多个子场，在这些子场期间，激活发光元件以便以小脉冲进行光发射，这些小脉冲与用于对点亮象素的p个可能的视频信号电平进行编码的n位子场码字相对应，该方法采用第一编码方法来编码图像的第一部分，其中在预先给定的用于点亮像素的可能视频信号电平的集合中，选择用于产生光的m个视频信号电平的子集，其中n＜m＜p，根据规则来选择所述的m个值，该规则是相应子场码字的光产生的时间重心随视频信号电平持续地增长。此外，本发明涉及一种用于处理视频数据的相应设备。

背景技术

首先，将描述假轮廓(false contour)效应。一般情况下，等离子体显示板(PDP)使用放电单元的矩阵阵列，该放电单元只能处于“开”或“关”状态。因此，与通过光发射的模拟控制表示灰度等级的CRT或LCD不同，PDP通过每个单元的脉宽调制(PWM)来控制灰度等级。该时间调制将由眼睛在与眼睛的时间响应相对应的时间段内积分。在给定时帧内越是经常打开单元，其亮度就越亮。例如，当处理8位亮度等级(每种颜色256等级，所以有16.7×10⁶种颜色)时，每个等级表示为以下8位的组合：

1-2-4-8-16-32-64-128

为了实现这样一种编码，可将一个帧周期分成8个点亮子周期(称为子场)，每一个子周期相应于一位和一亮度等级。位“2”的光脉冲的数目是位“1”的两倍，如此等等。利用这8个子周期，通过组合可以建立256灰度等级。观测者的眼睛将在帧周期内对这些子周期积分以获取正确灰度等级的印象。附图1表述了这一分解过程。

光发射图案介绍了与灰度等级和颜色的干扰相应的新种类的图像质量下降。这些将被定义为“动态假轮廓效应”，因为当等离子体显示板上的观测点移动时，它们与图像中的带色边缘的幻影形式的灰度等级和颜色的干扰相对应。图像中的这种缺陷将导致在均质(homogeneous)区域上出现明显的轮廓线的印象。当图像具有光滑的灰度(象皮肤一样)且光发射周期超过几毫秒时，这种下降更加显著。

当PDP屏幕上的观测点(眼睛聚焦区域)移动时，眼睛将随其移动。因此，眼睛将不会对同一单元在一帧之内积分(静态积分)，而是对来自位于运动轨道上的不同单元的信息积分，并且它将所有这些光脉冲混合在一起，这导致了一个错误信号信息。

基本上，当存在从一个级别至具有完全不同代码的另一级别的转变时，出现假轮廓效应。所以第一点是根据可以实现p个灰度等级(典型的p＝256)的(具有n个子场的)代码，来在2ⁿ个可能的子场排列(在工作在编码阶段时)或者在p个灰度等级(在工作在视频信号电平时)中选择m个灰度等级(m＜p)，使得接近的等级将具有接近的子场排列。

第二点要保持最大数目的等级，以便保持良好的视频质量。因此，所选等级的最小数目应等于子场数目的两倍。

对于所有其它的例子，使用如下定义的11个子场的模式：

1 2 3 5 8 12 18 27 41 58 80。

因为这些问题，在文件EP1 256 924中介绍了重心编码(gravitycentre coding)(GCC)。该文件的内容通过参考合并在此。

如前面所看到的，人眼对通过脉宽调制发出的光积分。所以如果考虑将所有的视频信号电平用基本代码来编码，这些视频信号电平的时间位置(光的重心)将不随视频信号电平持续地增长，如附图2所示。

视频信号电平2的重心CG2比视频信号电平1的重心CG1大。然而，视频信号电平3的重心CG3比视频信号电平2的重心小。

这里介绍假轮廓。重心被定义成由子场的维持(sustain)权重加权的子场‘开’的重心：

$\mathrm{CG}\left(\mathrm{code}\right)=\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\mathrm{sf}{W}_i*{\mathrm{\δ}}_i\left(\mathrm{code}\right)*\mathrm{sfC}{G}_i}{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\mathrm{sf}{W}_i*{\mathrm{\δ}}_i\left(\mathrm{code}\right)}$

其中sfW_i是第i个子场的子场权重。对于所选代码，如果第i个子场为“开”，则δ_i等于1，否则为0。SfCG_i是第i个子场的重心，即第i个子场的时间点，如附图3中前七个子场所示。

此处所选的11个子场代码的256个视频信号电平的时间重心可如附图4所示那样表示出来。

该曲线不是单调的，并有多个跳变。这些跳变与假轮廓对应。根据GCC，通过仅选择一些等级来抑制这些跳变，对于这些等级，除了在达到第一预定义界线的低视频信号电平的范围中和/或在从第二预定义界线开始的高视频信号电压的范围中之外，重心将随视频信号电平持续地增长。这可如附图5所示，通过在先前图像上跟踪不带有跳变的单调曲线，并选择最接近的点，来完成。因此，当使用GCC时，并不是所有的可能视频信号电平都被使用。

在低视频信号电平区域中，应避免仅选择带有增长的重心的信号电平，因为可能的信号电平的数目很低，如果仅选择增长重心的信号电平，将没有足够的信号电平以在黑色电平中具有优质视频质量，因为人眼在黑色电平中非常敏感。另外，在黑暗区域中假轮廓是可以忽略的。

在高电平区域中，重心将降低，所以所选电平同样有所降低，但是这并不重要，因为人眼在高电平中并不敏感。在这些区域中，眼睛不能区分不同的电平，并且关于视频信号电平，假轮廓电平是可以忽略的(如果考虑Weber-Fechner定律，眼睛只对相对振幅敏感)。因为这些原因，对于在最大视频信号电平的10％和80％之间的视频信号电平，曲线的单调性是必须的。

这种情况下，对于本示例，将在256个可能中选择40个电平(m＝40)。这40个电平可以保持良好的视频质量(灰度级描绘)。

当工作在视频信号电平时，能够做出该选择，因为只有少数几个电平(典型的256)是可获得的。但是在编码阶段做出该选择时，有2ⁿ(n为子场数目)个不同的子场排列，因此如附图6所示，更多的信号电平可供选择，其中每一个点与一子场排列相对应(存在给出同一视频信号电平的不同子场排列)。

此外，本方法能应用于不同的编码，例如没有变化的100Hz，同样给出了良好的效果。

一方面，GCC概念使假轮廓效应明显降低。另一方面，由于可获得的电平少于需要的电平，所以GCC概念以不可避免的抖动的形式在图像中引入噪声。接着通过可获得的GCC电平的空间和时间混合，提供缺失的电平。假轮廓效应是伪像(artefact)，仅出现在特定的序列上(大部分在大的皮肤区域上可视)，而引入的噪声在所有时间上均可以看到，并能够给出有噪声显示的印象。由于这个原因，只有在有假轮廓伪像的风险时才使用GCC方法就非常重要。

文件EP1 376 521介绍了针对该问题的解决方法，基于移动检测，根据在图像中是否具有大量移动，来打开或关闭GCC。

发明内容

鉴于此，本发明的目的是提供一种方法和一种设备，能够使用具有降低的假轮廓效应扰动的GCC。

根据本发明，该目的通过一种处理用于在显示设备上显示的视频数据的方法得到解决，该显示设备具有与图像的像素相对应多个发光元件，其中将视频帧或者场的时间分成多个子场，在这些子场期间，激活发光元件以便以小脉冲进行光发射，这些小脉冲与用于对点亮像素的p个可能的视频信号电平进行编码的n位子场码字相对应，所述方法包括：采用第一编码方法来编码图像的第一部分的步骤，其中在用于点亮像素的可能视频信号电平集合中，选择用于产生光的m个视频信号电平的子集，其中n＜m＜p，根据规则来选择所述的m个值，该规则是相应子场码字的光产生的时间重心随视频信号电平持续地增长；基于预定的标准来选择图像的所述第一部分，并且使用不同于所述第一编码方法的第二编码方法来编码不同于图像的所述第一部分的至少一个第二部分。

此外，本发明提供一种处理用于在显示设备上显示的视频数据的设备，该显示设备具有与图像的像素相对应的多个发光元件，其中将视频帧或场的时间分成多个子场，在这些子场期间，激活发光元件以便以小脉冲进行光发射，这些小脉冲与用于对点亮像素的p个可能的视频信号电平进行编码的n位子场码字相对应，所述设备包括：采用第一编码方法来对图像的第一部分进行编码的编码装置，其中在用于点亮像素的预定的可能视频信号电平的集合中，选择用于产生光的m个视频信号电平的子集，其中n＜m＜p，根据规则来选择所述的m个值，该规则是相应子场码字的光产生的时间重心随视频信号电平持续地增长；以及与所述编码装置相连的选择装置，用于根据预定标准来选择图像的所述第一部分，其中，所述编码装置适用于采用不同于所述第一编码方法的第二编码方法，来编码不同于图像的所述第一部分的至少一个第二部分。

根据本发明的思想，GCC被限定在具有假轮廓伪像风险的特定图像区域中。其它区域将不进行GCC编码或者用具有多个所选电平的另一GCC来编码，因此在总体上降低了假轮廓伪像的风险。

优选地，针对其中实施GCC编码的图像的第一部分的选择标准是：尺寸大于预定最小尺寸的均质(homogeneous)区域。因此，存在对假轮廓效应较为敏感的均质区域，并且GCC专用于该区域以减少伪像。

均质区域具有预定纹理。在这种情况下，针对该纹理来分析图像。此外，均质区域可以具有例如肤色的预定颜色。如上文所描述的，这样的皮肤区域对于假轮廓效应非常敏感。

肤色可以通过颜色空间图的相角和幅度来确定。该确定很容易实现，因为幅度和相角仅位于特定的范围内。

独立于上述特点之外，如果一区域的偏斜度大于最小偏斜度值，并且该区域的峰度大于最小峰度值，则在该区域中不使用第一编码方法(GCC)。因此，通过分析图像区域的柱状图的结构，可以非常肯定地发现均质区域。

附图说明

将在附图中说明以及下面的描述中更加详细地阐明本发明的实施例。附图表示：

附图1二进制代码的帧周期的组成；

附图2三个视频信号电平的重心；

附图3子场的重心；

附图4依赖于视频信号电平的时间重心；

附图5针对GCC的所选视频信号电平；

附图6视频信号电平的不同子场排列的重心；

附图7色差矢量空间；

附图8用于颜色分析的数据处理；

附图9用于分析空间频率的图；

附图10第一皮肤部分的柱状图分析；

附图11第一皮肤部分的频谱分析；

附图12第二皮肤部分的柱状图分析；

附图13第二皮肤部分的频谱分析；

附图14背景纹理的柱状图分析；

附图15背景纹理的频谱分析；

附图16带有皮肤区域的图像的分割；

附图17用于代码转换的信号流图；

附图18简化代码转换的信号流图；以及

附图19用于实施本发明概念的方框图。

具体实施方式

根据本发明概念，GCC并非用于图像的所有区域。然而，GCC概念的另一优点是基于GCC所选电平是已有电平的子集的事实。因此，如果使用GCC来编码图像的一部分而用所有电平来编码其余部分，则对于观察者来说，除了一些区域带有或多或少的噪声和或多或少的可视的假轮廓之外，将不可能看到任何不同。通常情况下，采用GCC编码的区域和标准区域之间的边界是看不见的！GCC概念的这种性质能够定义一基于纹理的概念。

这种新的概念是基于将图像分割为两种区域：

-对于观察者来说，假轮廓效应实际上并未造成干扰的区域(地形，草地，树木，建筑物，水...)

-由于不自然，假轮廓效应实际上造成干扰的区域(大且均质的皮肤区域)。

现在，思想是针对这两种区域来定义两种模式：

-假轮廓鉴定模式：GCC真正优化了假轮廓(更多噪声)。

-标准模式：没有GCC或者GCC具有多个所选电平(基本没有噪声)。

下面给出两个这样的例子：

主要问题是噪声导致伪像，该伪像在大部分时间内是可视的，因此应降至最小。另一方面，假轮廓效应只在特定的序列中可视，也只需在这些序列中、最主要是在这些序列的严重(critical)部分中对其进行处理。本发明的目的就是在要处理假轮廓效应的特定区域中进行图像的分割。

一个首要的分割参数是颜色本身。会发生下面两种情形：

a)黑白图像：这个可以通过使用YUV信息来进行测试(U和V对整个图像来说几乎可以忽略)，

-假轮廓严重模式(false contour critical mode)对整个图像产生作用。实际上，在黑白胶片上看到有色边缘是非常令人烦恼的(假轮廓线)

b)正常彩色图像

-如果当前像素几乎是灰色的(红色、绿色和蓝色的成分非常类似)，则这个区域对假轮廓敏感。实际上，假轮廓导致了有色的边缘，这种有色的边缘并不是人眼所期望在灰色区域看到的！在这种情况下，假轮廓严重模式对当前像素产生作用。

-如果当前像素具有肤色(参考下面对肤色检测的描述)，则该区域对假轮廓敏感。实际上，假轮廓导致了有色的边缘(蓝色、红色...)，这种有色的边缘并不是人眼所期望在皮肤区域看到的！在这种情况下，假轮廓严重模式对当前像素产生作用。

-在所有其它情况下，标准模式起作用。

肤色的检测是基于如下事实：对于大多数人来说，肤色通常位于CbCr色差矢量空间中的大约115度到135度相角之间的区域中。另外，CbCr向量幅度通常位于最大颜色饱和度的10％到50％之间。位于肤色轴附近的具有更大或更少颜色饱和度的目标不可能是人类皮肤，在检测处理中可以忽略。

图7示出了一个位于研究对象脸部的光标处的肤色的CbCr颜色空间相位和幅度(黄色标记)的矢量显示器的显示。124°的相角和23％的幅度恰好位于在想要的肤色检测区域内。

另外，亮度分量也能用作另一肤色检测标准，就像在使用RGB颜色分量时(与图8相比较)一样。用于假轮廓校正的肤色检测不像其它应用情况那么严格，因此对于大部分区域来说，不正确的检测不会导致任何主要效果的缺失。在检测过程之前实现低通滤波器和电平阈值(level threshold)，来防止假轮廓校正被可能位于肤色检测坐标内的小颜色区域激活了。

图8示出了提议的皮肤检测的方框图。首先，RGB信号通过低通滤波器和电平阈值。提取结果信号的相位Ph和幅值Am，并提供给判定模块。如果相位Ph和幅值Am分别位于Ph_min、Ph_max和Am_min、Am_max的坐标范围内，则输出“skin on”的信号。否则，从判定模块中输出“skin off”的信号。

Ph_min、Ph_max、Am_min和Am_max是来自外部寄存器的预先设定好的值。在上述示例中使用的值是：

Ph_min＝115°

Ph_max＝135°

Am_min＝10％

Am_max＝50％

假轮廓的可见度在像皮肤的均质区域上非常高，但是在高纹理化的目标上假轮廓的可见度却降低。在先前的段落中，已给出了用于检测肤色的方法。为了进一步提高这种检测的精确性，提议通过检测皮肤的均质性来增加对皮肤纹理的验证。换句话来说，对在没有对肤色区域启动“假轮廓严重模式”前、在该区域上几乎没有真正的纹理进行检查。实际上，当该区域包含太多的纹理时，由于纹理自身的原因(纹理将隐藏假轮廓效应)，该区域指示为非皮肤区域，或者是假轮廓不恼人的区域。

在这里所表述的检测是一个可选的检测，尽管该检测非常复杂，但是它能够大大减少“假轮廓严重模式”在没有被这种效应真正污染的区域上的使用。

对于这种检测，可定义一个围绕在当前像素P(x；y)周围的NxM块，其中N和M都是奇数。当前像素精确地位于块的中心(x₀；y₀)处。

对于每个颜色成分，都有与所选块的柱状图相关联的如下参数：

灰度等级的平均：

$\mathrm{MGL}(x_0;y_0)=\frac{1}{N\×M}\·\underset{x=x_0-\frac{N}{2}}{\overset{x=x_0+\frac{N}{2}}{\mathrm{\Σ}}}\underset{y=y_0-\frac{M}{2}}{\overset{y=y_0+\frac{M}{2}}{\mathrm{\Σ}}}P(x;y)$

这个参数表示柱状图的平均值(在灰度中的位置)。

灰度等级的方差：

$\mathrm{VGL}(x_0;y_0)=\frac{1}{N\×M}\·\underset{x=x_0-\frac{N}{2}}{\overset{x=x_0+\frac{N}{2}}{\mathrm{\Σ}}}\underset{y=y_0-\frac{M}{2}}{\overset{y=y_0+\frac{M}{2}}{\mathrm{\Σ}}}{[P(x;y)-\mathrm{MGL}(x_0;y_0)]}^2$

这个参数表示灰度等级在平均值周围的分配。

偏斜度：

$\mathrm{SKEW}(x_0;y_0)=\frac{1}{N\×M}\·\underset{x=x_0-\frac{N}{2}}{\overset{x=x_0+\frac{N}{2}}{\mathrm{\Σ}}}\underset{y=y_0-\frac{M}{2}}{\overset{y=y_0+\frac{M}{2}}{\mathrm{\Σ}}}{[P(x;y)-\mathrm{MGL}(x_0;y_0)]}^3$

这个参数测量柱状图的相异性(dissimilarity)(在平均值的周围是否良好地平衡)

峰度：

$\mathrm{KURT}(x_0;y_0)=\frac{1}{N\×M}\·\underset{x=x_0-\frac{N}{2}}{\overset{x=x_0+\frac{N}{2}}{\mathrm{\Σ}}}\underset{y=y_0-\frac{M}{2}}{\overset{y=y_0+\frac{M}{2}}{\mathrm{\Σ}}}{[P(x;y)-\mathrm{MGL}(x_0;y_0)]}^4$

这个参数给出与柱状图的通用形式相关的信息(尖且细或者非常平)。

所有的这些参数中，将主要使用SKEN和KURT参数来评价纹理。

与此同时，必须分析位于块中的高频。实际上，一个均质的块将只有低频，但是一个纹理粗糙的块具有更多的高频能量。用块的傅立叶变换来分析频率：

$F(u;v)=\underset{x=x_0-\frac{N}{2}}{\overset{x=x_0+\frac{N}{2}}{\mathrm{\Σ}}}\underset{y=y_0-\frac{M}{2}}{\overset{y=y_0+\frac{M}{2}}{\mathrm{\Σ}}}P(x;y)\·\exp (-2\mathrm{\πi}(\frac{u\·x}{N}+\frac{v\·y}{M}))$

函数F(u；v)代表块的空间频率在傅氏域中的重新分配(u：水平频率v：垂直频率)。

傅氏域如图9所示。

位于[-L；L]和[-K；K]之间的区域代表低频区域，其余的区域被定义为H区域(高频)。所以，为了确定有多少能量位于低频区域，用如下公式来计算： ${\mathrm{En}}_{\mathrm{high}}=\underset{H}{\∫}\∫{\left|F(u;v)\right|}^2\·\mathrm{du}\·\mathrm{dv}$

其中：

${\left|F(u;v)\right|}^2=\left[\begin{array}{c}{(\underset{x=x_0-\frac{N}{2}}{\overset{x=x_0+\frac{N}{2}}{\mathrm{\Σ}}}\underset{y=y_0-\frac{N}{2}}{\overset{y=y_0+\frac{N}{2}}{\mathrm{\Σ}}}P(x;y)\·\cos (-2\mathrm{\πi}(\frac{u\·x}{N}+\frac{v\·y}{M})))}^2+\\ {(\underset{x=x_0-\frac{N}{2}}{\overset{x=x_0+\frac{N}{2}}{\mathrm{\Σ}}}\underset{y=y_0-\frac{N}{2}}{\overset{y=y_0+\frac{N}{2}}{\mathrm{\Σ}}}P(x;y)\·\sin (-2\mathrm{\πi}(\frac{u\·x}{N}+\frac{v\·y}{M})))}^2\end{array}\right]$

最后，如下来判定是否激活特定的“假轮廓严重模式”：

如果En_high≥EnergyMin激活标准模式

否则，如果En_high＜EnergyMin，并且如果|SKEN|≥SKEW_Min和KURT≥KURT_Min，激活标准模式

除此之外都要使用特定的假轮廓模式。

现在，上面描述的内容通过一个例子来进行阐明。为此，采用位于树和花前面的女人的图像，为了进行纹理分析，定义3个区域：块1(在面颊处)、块2(在下巴处)、块3(在花处)。结合图10到图16，举例说明这张图像的纹理分析。

如图10所示，首先选择的区域(块1)在完全均质的皮肤区域。在图10右侧示出了与绿色、蓝色和红色信号相关的柱状图。在每个柱状图的右侧，示出了统计数值MGL、VGL、SKEW和KURT。在柱状图中，视频信号电平上标出了像素数目。

柱状图非常的尖并且偏斜度和峰度参数都非常小，这可以表明是一个均质区域。

对块1的频谱分析的结果如图11所示(三种颜色的每种颜色对应频谱空间的一个象限)。在这些图中，每种颜色对应的能量都位于低频(左下角)。这意味着所分析的块主要是几乎没有纹理的均质区域。位于高频的能量可以被忽略，该区域可以作为一个均质的区域来进行处理。

附图12示出了对在除了一个痔(美人痔)之外都完全均质的皮肤区域上的所选区域(块2)的柱状图分析。该柱状图大于块1的柱状图，其偏斜度和峰度的参数较大但并不十分强，这仍可以表示是一均质区域。

块2的频谱分析的结果如附图13所示。能量位于低频处(左侧角落)。有一些高频(底部左侧角落)，但是可以忽略。这意味着该分析的块主要是除了转变(transition)之外几乎没有纹理的均质区域：该转变对应于皮肤和痔之间的边缘。无论如何，位于高频的能量是可忽略的，该区域将作为均质区域来处理。

附图14示出了对在包含大量纹理的花朵上的被选区域(块3)的柱状图分析。与前两个情况相比，该柱状图大于块1的柱状图，并且偏斜度和峰度的参数非常大。这表示是一个非均质区域。

块3的频谱分析结果如附图15中所示。能量大部分位于高频(中间区域)。只有少数能量处于低频(左侧角落)，但是其可忽略。这表示该分析的块主要是具有大量纹理的块，不需要独立于其颜色的特定假轮廓处理(即使其色调与皮肤的色调相似)。

附图16示出了从带有花朵的女人的图像的分析中得到的分割的结果。灰色区域与采用特定假轮廓编码的区域相对应，而其余区域采用标准方法来编码。基于柱状图和能量的分析的分割清楚地产生了妇女的皮肤区域。

附图17示出了本发明的关于在特定区域中采用何种编码的判定的运算法则。从帧T输入的R、G、B信号在单色测试单元1中经过单色测试，如果像素不是单色的，则在皮色测试单元2中经过肤色测试。接着，如果当前像素是单色的或者具有肤色，将如下分析其纹理：

-如果该纹理几乎没有在能量计算单元3中计算和检测的高频，以及低偏斜度和峰度参数(在VGL、SKEW和KURT计算单元4中计算和检测)，则激活特定的假轮廓模式5。

-如果当前区域具有非常多的纹理(高频或高峰度和偏斜度)，则使用标准模式6。

附图17中所示的是一完整特征的示例，该示例采用可选择的纹理检测，例如能量和/或者柱状图分析，能量和/或者柱状图分析是更稳健的概念。没有那么稳健但是却更简单易实现的仅基于单色检测1和肤色检测2的简化版本如附图18所示。在这种情况下，如果像素是单色的或者如果它的颜色是肤色，则激活假轮廓模式5。在所有其它情况下，将应用标准模式6。

在下一段中，将展示在整个PDP结构中如何执行分割部分。

附图19中示出了根据本发明的整体构思的实施方式。输入R、G、B视频数据(3×12位)在转发到执行形式 $\mathrm{Out}=4095\×{\left(\frac{\mathrm{Input}}{\mathrm{MAX}}\right)}^{\mathrm{\γ}}$ 的二次函数的degamma模块11之前(其中γ大约等于2.2并且MAX代表最高的可能输入值)，被直接转发到附图17的皮肤分割部分10或附图18的10’。Degamma单元11的输出多于12位，使其能够正确地呈现低电平。

为了判定是采用特定假轮廓编码还是标准编码，皮肤分割部分10、10’对每个像素执行分割像素。输出的假轮廓电平被发送至编码选择模块12，该模块将选择使用合适的GCC编码或者标准编码。基于该选择模式，更新缩放单元13的LUT和编码模块15的LUT。缩放单元13执行GCC，而编码单元15执行通常的子场编码。在它们之间，抖动单元14将添加多于4位的抖动，以正确呈现视频信号。需要注意，缩放单元13的输出具有p*16个不同的电平，其中p代表使用的GCC码字的总数(本例中是255中的40)。为了在输出中具有足够的离散视频信号电平，4位附加位用于实现抖动目的。抖动之后，每个信号RGB的p个电平保持不变。单元15中的子场编码为每个彩色信号RGB生成具有16位的子场数据。产生的该子场数据被发送至PDP 16。

以上描述的实施例涉及PDP。然而，任一其它类型的采用PWM点亮像素的显示器都可以从本发明中获益。

Claims (14)

1.用于处理在具有与图像的像素对应的多个发光元件的显示设备(16)上显示的视频数据的方法，其中，将视频帧或场的时间分成多个子场，在这些子场期间，激活发光元件以便以小脉冲进行光发射，这些小脉冲与用于对点亮像素的p个可能的视频信号电平进行编码的n位子场码字相对应，所述方法包括以下步骤：

-采用第一编码方法(5)来编码(12，13)图像的第一部分，其中在用于点亮像素的可能视频信号电平集合中，选择用于产生光的m个视频信号电平的子集，其中n＜m＜p，根据规则来选择所述的m个值，该规则是相应子场码字的光产生的时间重心(CG1，CG2，CG3)随视频信号电平持续地增长，

其特征在于

-基于预定的标准来选择图像的所述第一部分，以及

-使用不同于所述第一编码方法(5)的第二编码方法(6)来编码(12，13)不同于图像的所述第一部分的至少一个第二部分。

2.如权利要求1所述的方法，其中所述第一部分的选择标准是：

尺寸大于预定最小尺寸的均质区域。

3.如权利要求2所述的方法，其中所述均质区域具有预定纹理。

4.如权利要求2或3所述的方法，其中所述均质区域具有预定颜色。

5.如权利要求4所述的方法，其中所述预定颜色是由颜色空间图的相角(Ph)和幅度(Am)所确定的肤色。

6.如权利要求4所述的方法，其中所述预定颜色是灰色调。

7.根据权利要求1-3中任意一个所述的方法，其中，如果区域的偏斜度大于最小偏斜度并且区域的峰度大于最小峰度，则在所述区域中仅使用第二编码方法。

8.根据权利要求4所述的方法，其中，如果区域的偏斜度大于最小偏斜度并且区域的峰度大于最小峰度，则在所述区域中仅使用第二编码方法。

9.根据权利要求5所述的方法，其中，如果区域的偏斜度大于最小偏斜度并且区域的峰度大于最小峰度，则在所述区域中仅使用第二编码方法。

10.根据权利要求6所述的方法，其中，如果区域的偏斜度大于最小偏斜度并且区域的峰度大于最小峰度，则在所述区域中仅使用第二编码方法。

11.一种用于处理在具有与图像的像素对应的多个发光元件的显示设备(16)上显示的视频数据的设备，其中，将视频帧或场的时间分成多个子场(SF)，在这些子场期间，激活发光元件以便以小脉冲进行光发射，这些小脉冲与用于对点亮像素的p个可能的视频信号电平进行编码的n位子场码字相对应，所述设备包括：

-采用第一编码方法(5)对图像的第一部分进行编码的编码装置(12，13)，其中，在用于点亮像素的可能视频信号电平的给定集合中，选择用于产生光的m个视频信号电平的子集，其中n＜m＜p，根据规则来选择所述的m个值，该规则是相应子场码字的光产生的时间重心(CG1，CG2，CG3)随视频信号电平持续地增长，

其特征在于

-选择装置，与所述编码装置(12，13)相连，用于基于预定标准来选择图像的所述第一部分，其中

-所述编码装置(12，13)适用于采用不同于所述第一编码方法(5)的第二编码方法(6)来编码不同于图像的所述第一部分的至少一个第二部分。

12.如权利要求11所述的设备，其中所述第一部分的选择标准是：

尺寸大于预定最小尺寸的均质区域。

13.如权利要求12所述的设备，其中所述均质区域具有预定颜色。

14.如权利要求11至13任意一个所述的设备，其中，如果区域的偏斜度大于最小偏斜度并且区域的峰度大于最小峰度，则在所述区域中仅使用第二编码方法。

Images