CN101727868A - 动态伽玛调整方法与其装置 - Google Patents

Abstract

一种动态伽玛调整方法与其装置。此方法包括下列步骤：首先提供一影像信号。接着对该影像信号的像素作比对及运算，并依据比对运算结果产生一最大灰阶与一平均亮度。然后对最大灰阶与平均亮度作模糊推论，并依据推论结果与一查找表而从多数个伽玛曲线中择一输出。

Description

动态伽玛调整方法与其装置

技术领域

本发明是有关于一种动态伽玛调整方法与其装置，且特别是有关于一种辅以模糊理论的动态伽玛调整方法与其装置。

背景技术

一般传统的伽玛(Gamma)参考电压是由串接的电阻分压而成。也就是说，各种伽玛电压准位在生产过程即已设定完成而无法改变。然而，由于伽玛曲线(伽玛参考电压)已固定，因此显示装置所显示的画面偏暗时则无法区分出不同深浅之暗色区域，或者是在画面偏亮时无法区分出不同深浅的亮色区域。

为了满足大众对影像质量的需求，提升影像的对比度、亮度与强化暗态背景层次感是必要的，故因而发展出动态伽玛校正技术。动态伽玛校正技术大多应用于主动式显示器，其技术特征是在于分析与统计灰阶的分布趋势，藉由灰阶的分布情形来修正伽玛曲线，使画面可以获得较高的对比。目前常用的伽玛曲线通常以代号来称之，例如Gamma 1.8、Gamma 2.0、Gamma 2.2、Gamma 2.4与Gamma 2.6，其曲线如图1所示，利用这些设定好的伽玛曲线来作调整能让画面校正更为便利。

虽然动态伽玛校正技术可以让显示画面的质量获得提升，但是此技术仅考虑输入影像的一种特性，故其校正效果仍属有限。例如，通常在做影像分析时只会考虑输入影像的平均亮度，故只能得知输入影像整个画面的亮度为何，而无从判断输入影像中图案的灰阶状况，使得输入影像在偏黑或偏白之灰阶区域的画面辨识率无法获得改善。因此，若能再加入输入影像的其它特性来判断，则在选取伽玛曲线时会更加的客观、合适，而校正后的影像将会有更优异的画质表现。

发明内容

本发明提供一种动态伽玛(Gamma)调整方法，利用影像信号的最大灰阶与平均亮度并配合模糊理论来动态调整伽玛曲线，使影像在显示时能有较佳的对比与亮度。

本发明提供一种动态伽玛调整电路，可以根据输入的影像信号的最大灰阶与平均亮度动态调整合适的伽玛曲线，让显示装置在显示影像时能有较佳的对比与亮度。

本发明提出一种动态伽玛调整方法，此方法包括：提供一影像信号；对该影像信号的每一像素的灰阶值作比对及运算，并依据比对运算结果产生一最大灰阶与一平均亮度；对最大灰阶与平均亮度作模糊推论，并依据一推论结果与一查找表，从多数个伽玛曲线中择一输出。

另外，本发明提出一种动态伽玛调整装置，包括接收单元、统计单元以及模糊控制单元。其中，接收单元接收一影像信号。统计单元将该影像信号中每一像素的灰阶值作比对及运算，藉此产生一最大灰阶与一平均亮度。模糊控制单元将最大灰阶与平均亮度作模糊推论，并依据推论结果，利用查表方式从多个伽玛曲线中择一输出。

本发明采用影像信号的平均亮度与分布最多的灰阶值两个参数，并配合模糊理论来选择合适的伽玛曲线，动态地调整伽玛曲线使影像具有较佳的对比与亮度，故能有效改善画面在偏黑或偏白区域的灰阶辨识率问题。

为让本发明的上述特征和优点能更明显易懂，下文特举较佳实施例，并配合所附图式，作详细说明如下。

附图说明

图1绘示为显示器制造商较常使用的5组伽玛曲线图。

图2A绘示为本发明实施例的液晶显示器局部驱动电路架构图。

图2B绘示为本发明实施例的动态伽玛调整电路的架构图。

图3绘示为本发明实施例的动态伽玛调整方法的流程图。

图4A、图4B与图4C分别绘示为本发明实施例所使用的第一组、第二组与第三组归属函数。

图5绘示为本发明实施例采用最小推论法的运算过程。

图6为根据本发明另一实施例的动态伽玛调整方法的流程图。

【主要组件符号说明】

201：驱动电路        202：动态伽玛调整电路

204：数字模拟转换器  205：源极驱动器

206：控制单元        210：接收单元

220：统计单元        230：模糊控制单元

240：查找单元            231：模糊器

232：推论工厂            233：解模糊器

234：储存单元            235：模糊规则库

S310-S340、S710～S798：步骤

A1-A8、B1-B8、C1-C5：归属函数

Gamma 1.8、Gamma 2.0、Gamma 2.2、Gamma 2.4、Gamma 2.6：伽玛曲线

具体实施方式

图2A为根据本发明一实施例的液晶显示器局部驱动电路架构图。如图2A所示，驱动电路201包括控制单元206、数字模拟转换器204以及源极驱动器205。控制单元206尚包括动态伽玛调整电路202与时序控制器203。

时序控制器203根据所接收的R、G、B影像数据、频率信号DCLK以及数据致能信号DE来驱动源极驱动器205与栅极驱动器(未绘示)以显示影像画面，而动态伽玛调整电路202同样根据所接收的R、G、B影像数据、频率信号DCLK以及数据致能信号DE，配合影像画面的灰阶程度动态调整伽玛参考电压以增加影像对比度，改善画面质量。

动态伽玛调整电路202会根据影像画面的平均亮度与最大灰阶值(最多像素显示的灰阶值)来输出伽玛曲线的选择数据，然后经由数字模拟转换器204来动态调整伽玛曲线的外部参考电压，使得各灰阶分布数量比例与原先不同，让影像有较佳对比与亮度的显示。不只是亮度达到满足了，也减轻一般影像数据经不当转换造成局部不协调。由于本实施例是藉由改变外部调整电压值来调整伽玛曲线，而非改变数字数据，因此本实施例更易于改善影像的质量。

此外，值得注意的是，本实施例的动态伽玛调整电路202与时序控制器203可直接藉由现场可程序化逻辑门阵列(Field-Programmable GateArray，FPGA)或集成电路(Integrated Circuit，IC)加以整合与实现。

接下来，进一步说明动态伽玛调整电路202的内部架构。图2B绘示为本发明实施例的动态伽玛调整电路的架构图。于图2B中，动态伽玛调整电路202包括接收单元210、统计单元220、模糊控制单元230以及查找单元240。其中，统计单元220耦接接收单元210与模糊控制单元230，且查找单元240耦接模糊控制单元230。更进一步来看，模糊控制单元230包括模糊器231、推论工厂232、解模糊器233、储存单元234以及模糊规则库235，其中推论工厂232耦接模糊器231、解模糊器233、储存单元234与模糊规则库235。

首先，接收单元210在接收一影像信号后，会将其输出至统计单元。统计单元220会根据影像信号，计算每一画面中的一最大灰阶与一平均亮度。所谓最大灰阶，即是将所输入影像信号的数据由彩色转成灰阶图案，以统计各灰阶值所对应的像素总数，然后从中取出最多像素具有的灰阶值来作为最大灰阶。举例而言，以灰阶值0-3为例，假设一输入信号的数据经转换后的结果为：灰阶值为0的像素有10个，灰阶值为1的像素有12个，灰阶值为2的像素有8个，灰阶值为3的像素有6个，则最大灰阶为灰阶值1。而平均亮度就是将各像素的灰阶值相加并除以像素总数所得的参数值，也就是此画面中的平均灰阶值。

承接上述，模糊控制单元230是将上述的最大灰阶与平均亮度作模糊推论，并依据推论的结果来选择伽玛曲线。而查找单元240中则具有查找表，用以储存多条伽玛曲线，例如图1中的5条伽玛曲线(Gamma 1.8、Gamma 2.0、Gamma 2.2、Gamma 2.4、Gamma 2.6)，并可根据模糊控制单元230所输出的推论结果从中选取最适合输入影像信号的伽玛曲线。

继续参照图2B来说明模糊控制单元230的整体操作。储存单元234储存多组归属函数，这些归属函数是用来对应最大灰阶、平均亮度与多条伽玛曲线。模糊规则库235则提供多条储存于内的模糊规则给推论工厂232。模糊器231会将接收的最大灰阶与平均亮度模糊化，并产生一模糊状态给推论工厂232。推论工厂232依据模糊规则与归属函数来判断此模糊状态，并产生一判断结果。而解模糊器233则将此判断结果解模糊化，并产生一推论结果。故藉由此判断结果即可从查找单元240提供的多条伽玛曲线中选取合适的曲线来调整所输入的影像信号。在此请注意，在模糊控制单元230之中的模糊器231、推论工厂232与解模糊器233，其架构是利用软件编写程序来实现的，而此程序则是以模糊理论为基础的算法。

从另一观点来看，图3绘示为本发明另一实施例的动态伽玛调整方法的流程图。请参照图3，首先，提供一影像信号(步骤S310)，以作为信号分析之用。接着，对影像信号中每一像素的灰阶值作比对及运算，并依据比对运算结果产生一最大灰阶与平均亮度(步骤S320)。详细地说，产生最大灰阶的步骤是将所输入影像信号的数据由彩色转成灰阶图案，以统计各灰阶值所对应的像素总数，然后从中取出最多像素具有的灰阶值来作为最大灰阶。而平均亮度就是将各像素的灰阶值相加并除以像素总数所得的参数值，也就是此画面中的平均灰阶值。之后，提供多条伽玛曲线的归属函数(步骤S330)。于是，将最大灰阶与平均亮度作模糊推论，并依据推论结果而从上述的多条伽玛曲线中选取一条合适的曲线来调整上述所提供的影像信号(步骤S340)。

承接上述，在步骤S340中的模糊推论，其详细的操作过程如下。首先，提供多组归属函数与多条模糊规则，其中这些归属函数是用以对应最大灰阶、平均亮度与伽玛曲线。接着，将最大灰阶与平均亮度模糊化，以产生一模糊状态。之后，依据多组归属函数与多条模糊规则来判断此模糊状态，并产生一判断结果。于是，将此判断结果解模糊即可得到一推论结果。因此，依据此推论结果而选出的伽玛曲线是最适合用来调整上述的影像信号。

现在以一种实施方式来说明上述模糊推论的过程。在本实施例中，首先提供三组归属函数，第一组与第二组归属函数分别用于对应最大灰阶与平均亮度，而第三组归属函数则用于对应5条伽玛曲线(Gamma 1.8、Gamma 2.0、Gamma 2.2、Gamma 2.4、Gamma 2.6)。现在以灰阶063为例，为了方便计算及性能考虑，故在以灰阶0-63的论域宽度上设置两组8条三角形的归属函数(A1-A8、B1-B8)，如图4A与图4B所示，分别代表第一组归属函数与第二组归属函数，以用来对应最大灰阶与平均亮度。而第三组归属函数为了方便对应5组伽玛曲线，则在以5条伽玛曲线的代号(1.8、2.0、2.2、2.4、2.6)为论域宽度上设置5条归属函数(C1-C5)，如图4C所示。

于是，在设定了归属函数之后，便可开始建立模糊规则。在本实施例中，是以考虑人眼对于画面层次的判别程度来作为建立模糊规则的依据。在显示暗态画面时，由于整体画面偏暗，为了让暗态部分的灰阶能清楚的呈现，故需要在暗态部分的穿透率能有较明显的区分，所以选择Gamma 1.8的伽玛曲线。反之，若画面整体偏亮时，为了让明亮部分的灰阶能清楚的呈现，故选择Gamma 2.6的伽玛曲线。换而言之，当平均亮度落在灰阶9以内，且最大灰阶落在灰阶9以内(整体画面偏暗)，则输出选择Gamma 1.8的曲线。因此，基于上述的原则可制定出表1的模糊规则表。

表1

于表1中，输入1与输入2分别代表平均亮度与最大灰阶。由表1可看出，规则1的部分为：若输入1是归属函数A1，且输入2是归属函数B1，则输出是归属函数C1。而规则2的部份为：若输入1是归属函数A1，且输入2是归属函数B2，则输出是归属函数C1。也就是说，从表1的模糊规则表可以看出下列关系。

规则1：若输入1是归属函数A1，且输入2是归属函数B1，则输出是归属函数C1；

规则2：若输入1是归属函数A1，且输入2是归属函数B2，则输出是归属函数C1；

：    ：        ：

规则9：若输入1是归属函数A2，且输入2是归属函数B1，则输出是归属函数C1；

：    ：        ：

规则64：若输入1是归属函数A8，且输入2是归属函数B8，则输出是归属函数C5。

在此请注意，上述归属函数与模糊规则的设定并不局限于此，熟习此技艺者应知，藉由设定归属函数的种类、数目与模糊规则可改变影像显示的质量，故使用者可依照需求来自行调整，更增添了本发明的实用性。

在设定归属函数与建立模糊规则之后，便可开始执行模糊推论的动作。在本实施例中，其模糊化的步骤是采用单值模糊化法。因此，将平均亮度与最大灰阶模糊化后，可得到两个单值输入，在此假设为41、61，其中数值61为最大灰阶模糊化后的数值，且数值41为平均亮度模糊化后的数值。而在取得数值41与61后，将其分别对应至第一组与第二组归属函数，故从数值41对应至第一组归属函数后可得知触发了归属函数A5与A6，而从数值61对应至第二组归属函数后可得知触发了归属函数B7与B8。于是，藉由建立的模糊规则表(如表1)即可得知触发了4条模糊规则。

承接上述，在取得所触发的4条模糊规则之后，即可导入推论工厂，进行模糊状态的判断步骤。在本实施例中，其判断模糊状态的步骤则采用最小推论法，而最小推论法的公式如下所示。

$B^{\′}=\underset{l=1}{\overset{m}{\max }}\left[\underset{x\∈X}{\max }(A^{\′}\left(x\right)\∩A_1^{\′l}\left(x_1\right)\∩A_2^{\′l}\left(x_2\right)\∩B^l\left(y\right))\right],$

其中m为模糊规则数，A′(x)为输入的归属函数，A′₁ ^l(x₁)为在第l条模糊规则中输入1所触发的归属函数，A′₂ ^l(x₂)为在第l条模糊规则中输入2所触发的归属函数，B^l(y)为在第l条模糊规则中输出y所触发的归属函数。

于是，现在利用上述最小推论法的公式来运算，其运算过程则如图5所示，故图5的运算过程可得到一判断结果为B′(2.4)＝0.44与B′(2.6)＝0.56。

在产生判断结果之后，便可进行解模糊化的步骤。在本实施例中，其解模糊化的步骤是采用重心解模糊化法，而重心解模糊化法的公式如下所示。

$y^{*}=\frac{{\mathrm{\Σ}}_{i=1}^k{y}_i{B}^{\′}\left(y_i\right)}{{\mathrm{\Σ}}_{i=1}^k{B}^{\′}\left(y_i\right)},$

其中y_i为模糊规则中输入1与输入2所对应的输出，B′(y_i)为输出的归属函数。因此，利用上述重心解模糊化法的公式可得到一推论结果如下所示。

$y^{*}=\frac{2.4*0.44+2.6*0.56}{0.44+0.56}$

$=2.512$

由于上述所提供的第三组归属函数，其论域宽度为伽玛曲线的代号，故所得的推论结果则代表适合输入影像信号的伽玛曲线代号，而上述所得之推论结果的数值为2.512，此数值在输入至查找单元240后会对应选取Gamma 2.6的伽玛曲线来输出。就理论上而言，当平均亮度为41且最大灰阶为61时，此显示画面会是偏亮的状态，故经过模糊推论后所选取出的Gamma 2.6伽玛曲线，也的确是最适合此画面的伽玛曲线。

综合上述，上述实施例可与时序控制器整合于液晶显示器的控制器中，其程序的设计流程可整合如图6所示：图6为根据本发明另一实施例之动态伽玛调整方法的流程图。

首先，在步骤S710，进行程序的初始化。在步骤S720，接收影像数据、频率信号以及数据致能信号；接下来，在步骤S730，计数画面前置时间，然后在步骤S740，侦测是否超过画面前置时间，若超过画面前置时间则进入步骤S750，产生画面第一条扫描的像素数据。接下来，判断数据致能信号(请参照图2A所示的“DE”)是否致能，若数据致能信号致能，则进入步骤S780、S770；若否，则回到步骤S750。在步骤S780中，计数数据致能信号以及撷取影像数据，并输出控制信号。在步骤S770中，计数影像数据中各灰阶的分布量。然后，进入步骤S790，判断数据致能信号是否为终值；若为终值则进入步骤S792，若否则回到步骤S750。

在步骤S792，计算平均亮度与最大灰阶的数值，然后进入步骤S794，对画面的平均亮度与最大灰阶进行模糊推论以输出推论结果。然后，在步骤S796，根据解模糊化后的输出，调整伽玛曲线。接下来，步骤S798，输出伽玛曲线参考电压以调整伽玛曲线并进行数据重置以调整下一画面的伽玛曲线。

值得注意的是，上述步骤S710至S790主要是由时序控制器进行，而步骤S792至S798则为本实施例的技术手段，也就是利用模糊理论，根据平均亮度与最大灰阶来动态调整伽玛曲线。

综上所述，本发明是利用输入影像中像素的最大灰阶与平均亮度作为运算的依据，并且辅以模糊理论来选取伽玛曲线，因此能依据此影像信号的特性挑选出最适合的伽玛曲线，让显示画面有较佳的对比与亮度，故本发明所展现的功效将会比公知技术更加优异。另外，由于本发明是采用模糊理论来进行推论，故使用者能依照显示需求来调整内部的模糊规则，因此本发明可弹性地调整模糊规则使显示画面更加完美。

虽然本发明已以较佳实施例揭露如上，然其并非用以限定本发明，任何所属技术领域中具有通常知识者，在不脱离本发明的精神和范围内，当可作些许的更动与润饰，因此本发明的保护范围当视后附的申请专利范围所界定者为准。

Claims (16)

1.一种动态伽玛调整方法，其特征在于，包括下列步骤：

提供一影像信号；

对该影像信号的每一像素的灰阶值作比对及运算，并依据比对运算结果产生一最大灰阶与一平均亮度；以及

对该最大灰阶与该平均亮度作模糊推论，并依据一推论结果与一查找表从多数个伽玛曲线中择一输出。

2.如权利要求书1所述的动态伽玛调整方法，其特征在于，还包括：

提供该些伽玛曲线的归属函数。

3.如权利要求书1所述的动态伽玛调整方法，对该最大灰阶与该平均亮度作模糊推论的步骤包括：

将该最大灰阶与该平均亮度模糊化，以产生一模糊状态；

依据多数条模糊规则与多组归属函数来判断该模糊状态，以产生一判断结果；以及

将该判断结果解模糊化，以产生该推论结果。

4.如权利要求书3所述的动态伽玛调整方法，其特征在于，对该最大灰阶与该平均亮度作模糊推论的步骤更包括：

提供该些归属函数；以及

提供该些模糊规则。

5.如权利要求书4所述的动态伽玛调整方法，其特征在于，该些归属函数采用三角形的归属函数。

6.如权利要求书3所述的动态伽玛调整方法，其特征在于，将该最大灰阶与该平均亮度模糊化的步骤是采用单值模糊化法。

7.如权利要求书3所述的动态伽玛调整方法，其特征在于，依据多数条模糊规则来判断该模糊状态的步骤是采用最小推论法。

8.如权利要求书3所述的动态伽玛调整方法，其特征在于，将该判断结果解模糊化的步骤是采用重心解模糊化法。

9.如权利要求书1所述的动态伽玛调整方法，其特征在于，产生该最大灰阶与该平均亮度的步骤还包括：

将该影像信号的每一像素作灰阶统计，找出每一灰阶所占的像素总数，并从中取出最多像素具有的灰阶值作为该最大灰阶；以及

将该影像信号的每一像素的灰阶值相加并除以像素总数，以产生该平均亮度。

10.一种动态伽玛调整电路，其特征在于，包括：

一接收单元，用以接收一影像信号；

一统计单元，用以将该影像信号的每一像素的灰阶值作比对及运算，并依据比对运算结果产生一最大灰阶与一平均亮度；以及

一模糊控制单元，用以将该最大灰阶与该平均亮度作模糊推论以输出一推论结果；

其中，该动态伽玛调整电路配合查表方式与该推论结果从多数个伽玛曲线中择一输出。

11.如权利要求书10所述的动态伽玛调整电路，其特征在于，还包括：

一查找单元，具有储存该些伽玛曲线的一查找表，并根据该推论结果从多数个伽玛曲线中择一输出。

12.如权利要求书10所述的动态伽玛调整电路，其特征在于，该模糊控制单元包括：

一模糊器，用以将该最大灰阶与该平均亮度模糊化，以产生一模糊状态；

一推论工厂，用以依据多数条模糊规则与多组归属函数来判断该模糊状态，并产生一判断结果；以及

一解模糊器，用以将该判断结果解模糊化，以产生该推论结果。

13.如权利要求书12所述的动态伽玛调整电路，其特征在于，该模糊控制单元还包括：

一储存单元，用以储存该些归属函数；以及

一模糊规则库，用以储存该些模糊规则。

14.如权利要求书13所述的动态伽玛调整电路，其特征在于，该些归属函数采用三角形的归属函数。

15.如权利要求书10所述的动态伽玛调整电路，其特征在于，该最大灰阶是将该影像信号的每一像素作灰阶统计，找出每一灰阶所占的像素总数，并从中取出最多像素具有的灰阶值，即为该最大灰阶。

16.如权利要求书10所述的动态伽玛调整电路，其特征在于，平均亮度是将该影像信号的每一像素的灰阶值相加并除以像素总数而产生。

Images