CN103065159A - 一种基于亮度和对比度的图像分类方法 - Google Patents

Abstract

本发明涉及一种基于亮度和对比度的图像分类方法，具体操作步骤如下：1.根据设计要求及硬件资源确定图像类别数量；2.组织两名以上视力正常的自然人观看四十幅以上不同内容的图像，根据主观感受将图像分入不同类别；3.计算观看图像的亮度和对比度；4.结合步骤2的调查结果和步骤3的计算结果，确定不同类别图像的亮度和对比度分类阀值；5.计算视频源输入图像的亮度平均值L_avg和对比度CR；6.根据分类阀值、图像平均亮度L_avg和对比度CR对图像分类；上述步骤1～4可预先完成，获得分类阀值后直接写入电路开发程序，不占用实时处理时间。采用本发明的基于图像分类的动态调光处理时间不大于3毫秒，充分满足视频播放16.7毫秒的要求。

Description

一种基于亮度和对比度的图像分类方法

技术领域

本发明属于液晶显示技术领域，具体涉及背光动态调光技术。

背景技术

液晶显示存在两个固有缺陷：对比度低，功耗大。背光动态调光技术可以根据显示图像动态降低背光亮度，从而降低能耗，提高对比度。但目前存在的动态调光方法（除了最大值法）都具有一定的适用性，即对于某些图像节能和显示效果较好，而对于其他图像要么节能效果有限，要么存在较大的显示失真，导致动态调光技术无法获得实际广泛应用。如目前较为流行的映射曲线反转法（Inverseof Mapping Function，IMF）对于整体亮度较高的图像节能效果较好，不存在人眼感知的失真，而对于亮度较低的图片，则存在明显的显示失真，而基于最大值和平均值的误差修正法则对较暗的图像节能和显示效果都较好。因此，对于显示图像进行预先分类并根据图像所属类别选择最佳的算法有助于动态调光技术在保证显示效果的同时获得最大程度的节能，进而增加动态调光技术的适用性。

不同于图像处理领域（遥感、网络图片搜索）的图像分类方法，用于动态调光的图像分类方法必须满足视频播放的实时性要求，以目前视频播放每秒60幅图像为例（60Hz），如果采用动态调光技术，就要求对于一幅图像的处理（包括统计、分类、计算背光亮度、图像像素补偿、调光背光亮度、调节像素开度等所有步骤）必须在16.7毫秒秒内完成。如果图像分类方法过于复杂，则无法保证动态调光的所有动作能在16.7毫秒内完成，也就不能用于动态调光。以发明专利“一种遥感图像分类方法”（授权公告号：CN 101067659 B）为例，即使采用和本发明一样的硬件实现方法（FPGA），对于一幅图像的分类计算过程最快也需要约70毫秒，根本无法满足视频播放16.7毫秒的要求。

发明内容

亮度和对比度是评价液晶显示性能的两个主要指标，本发明针对动态调光提出基于亮度和对比度的图像分类方法，其分类的标准和目的与现有的专利技术完全不同，是结合液晶显示、动态背光、图像分类的创新性方法。

一种基于亮度和对比度的图像分类方法的具体操作步骤如下：

（1）.根据设计要求及硬件资源确定图像类别数量；

（2）.组织两名以上视力正常的自然人观看四十幅以上的图像，根据主观感受填写分类调查表，勾出所放图像属于的亮度类别和对比度类别，并根据调查结果将图像分入不同类别；

（3）.计算观看图像的亮度和对比度，具体包括如下步骤：

（3.1）记录输入图像每个像素的红、绿、蓝子像素亮度值，记为R_i,j、G_i,j、B_i,j，i=1～M，j=1～N，M×N是图像的分辨率；根据图像格式，M可以为1024或1920，N可以为768或1080；

（3.2）计算每个像素的灰度值，记为L_i,j，L_i,j=0.3R_i,j+0.6G_i,j+0.1B_i,j；

（3.3）计算整幅图像所有像素的亮度平均值，记为L_avg-fz， $L_{\mathrm{avg}-\mathrm{fz}}=\frac{\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{L}_{i,j}}{M\×N};$

（3.4）图像分成P×Q块，其中P和Q不小于2，计算每块中包含的像素的亮度平均值，记为L_block-avg；

（3.5）取所有块的亮度平均值L_block-avg中的最大值和最小值，分别记为L_max和L_min，L_max=max（L_block-avg），L_min=min（L_block-avg）；

（3.6）对所有块的亮度平均值L_block-avg中的最大值L_max做如下处理，得到修正后的最大值L_max′：如果0≤L_max<8，则L_max′=0.4625×L_max+0.3；如果8≤L_max≤255，则L_max′=1.1984×L_max-5.592；

（3.7）对所有块的亮度平均值L_block-avg中的最小值L_min做如下处理，得到修正后的最小值L_mim′：如果0≤L_min<8，则L_min′=0.4625×L_min+0.3；如果8≤L_min≤255，则L_min′=1.1984×L_min-5.592；

（3.8）计算对比度CR_fz，

（4）.结合步骤2的调查结果和步骤3的结果，确定不同类别图像的亮度和对比度分类阀值；

（5）.计算视频源输入图像的亮度平均值L_avg和对比度CR，具体步骤同步骤（3）；

（6）.根据分类阀值、视频源输入图像亮度平均值L_avg和对比度CR对图像分类；

上述步骤（1）～步骤（4）可预先完成，获得分类阀值后直接写入电路开发程序，不占用实时处理时间。

上述步骤（2）中的四十幅以上的图像为白天或夜晚的包含人物、动物、自然风光、街景、动画等不同亮度和对比度的图像。

本发明的有益技术效果在于：本发明对于图像的分类处理时间不大于0.5毫秒，动态调光技术采用本发明的图像分类方法后，对于一幅图像的统计、分类、根据图像类别计算背光亮度调节因子、根据图像类别进行像素补偿等处理过程不大于3毫秒，充分满足视频播放16.7毫秒的要求。本发明方法中的步骤（1）～步骤（4）可预先完成，获得分类阀值后直接写入电路开发程序，不占用实时处理时间；本发明结合液晶显示领域亮度和对比度的定义及实际测试范围，根据亮度和对比度对图像进行分类，可以显著提高动态调光技术的适用性。基于亮度和对比度对图像进行分类，并根据图像分类选取合适的动态调光算法，有助于动态调光方法在保证显示效果的前提下，获得最大程度的节能。

附图说明

图1是基于亮度和对比度的图像分类方法流程图。

图2是图像分类及基于图像分类的全局动态调光方法电路系统结构图。

图3是将图像分为6类的实施例1图像及分类流程图，其中图3a是确定分类阀值时播放的100幅不同内容的图像中的一幅，图3b是待分类图像,图3c是分类流程图。

图4是将图像分为9类的实施例2图像及分类流程图，其中图4a是确定分类阀值时播放的100幅不同内容的图像中的一幅，图4b是待分类图像,图4c是分类流程图。

图5是基于图像分类的全局动态调光方法流程图。

图6是不基于图像分类的全局动态调光方法流程图。

具体实施方式

基于亮度和对比度的图像分类流程图请参阅图1。首先需要根据设计要求和硬件资源确定图像类别数量。图像分类的多少需要综合考虑电路设计和硬件资源。图像分类越多，动态调光效果越好，但需要的硬件资源越多，实时控制越难实现。图像分类阀值的确定采取主观感受和图像统计数据相结合的方法，即组织两名以上的视力正常的自然人观看四十幅以上的图像，根据主观感受填写分类调查表，勾出他们看到的图像属于的亮度类别和对比度类别。然后对这些图像进行分析。计算所有属于同一类别的图像亮度平均值及对比度，由此确定各类图像的分类阀值，如图1中虚线框所示。虚线框中的动作可以预先完成，不占用实时处理时间。获得的分类阀值写入电路开发程序，电路板对显示图像进行分类时，实时计算输入图像的亮度和对比度，根据分类阀值将图像分入相应类别，如图1中实线框所示。

为保证图像分类方法能用于动态调光技术，硬件电路采用现场可编程门阵列（Field-Programmable Gate Array，FPGA）实现。如图2上部虚线框所示，图像分类电路板1包括解码模块101、存储模块102、整幅特征值计算模块103、分区特征值计算模块104、对比度计算模块105、图像分类模块106。图像分类阀值预先送入图像分类模块106。视频源输入的CVBS信号经解码模块101转换为符合bt656/bt601标准的8位YCBCR信号，将其进行解交织和CSC（色空间域转换）处理，得到各像素点的RGB信号。各像素RGB信号顺序送入存储模块102，存储模块102保存所有像素点的红绿蓝子像素亮度值。整幅特征值计算模块103读取所有像素的红绿蓝子像素亮度值，计算每个像素的灰度值，进而得到整幅图像的亮度平均值L_avg。分区特征值计算模块104分别从存储模块102中获得每个分区的像素的红绿蓝子像素亮度值，计算得到每个分区的亮度平均值L_block-avg。每个分区的亮度平均值送入对比度计算模块105，处理后的最大值除以处理后的最小值即得到图像对比度CR。图像对比度CR和整幅图像亮度平均值L_avg送入图像分类模块106，根据事先输入的分类阀值对输入图像进行分类。图像分类的结果送入图2下部虚线框所示的动态调光电路板2。根据图像所属类别，背光亮度计算模块202计算得到背光调光因子k_blu，S曲线计算模块201计算得到S曲线，液晶像素补偿模块203根据S曲线对每个像素的红绿蓝子像素亮度值进行调整，经编码模块205编码后输出CVBS信号，经视频口输出。LED脉宽调制模块204根据背光调光因子k_blu输出LED脉宽调制信号，送入LED驱动板301，整体改变LED光源板302的发光亮度。图像分类电路板1和动态调光电路板2可以集成为一块电路板，也可以分2块电路板实现。经对100幅图像的测试，根据上述结构图开发的FPGA电路板，图像分类处理时间不大于0.4ms，完全适用于动态调光技术。

考虑到动态调光技术主要用于液晶显示，故本发明选取液晶显示领域两个基本性能指标对图像进行分类：亮度和对比度。现有很多图像分类的专利都考虑了图像的亮度，但尚无一个专利是基于对比度的，故本发明结合亮度和对比度对图像进行分类具有创新性。

图像对比度定义为图像中最大亮度与最小亮度之比。如果采用图像中单个像素的亮度计算对比度，存在几个缺点：（1）单个像素的亮度为0时，对比度无穷大，与实际测试数据不符；（2）与实际测试情况不符：实际测试时，色度亮度计测量的是一定立体角范围内测量面积的平均亮度，不是单个像素的亮度。有鉴于此，本发明采取对图像进行分区统计、根据所有区域的亮度计算对比度的方法。

输入图像像素亮度分布在（0，255）之间，采取分区方法后，得到的各分区的亮度值也分布在（0,255）之间，由此计算得到的对比度分布在（-∞，+∞）之间，而实际的液晶显示器的对比度则分布在（1，1000）之间。有鉴于此，本发明对于分区后得到的亮度最大值和最小值进行了处理，以保证由此计算的对比度分布在（1,1000）之间，符合实际的测量结果，以便更好地评估动态调光算法的对比度提高效果。

实施例1

实施例1将图像分为6类，即高亮度高对比度、中亮度高对比度、低亮度高对比度、高亮度低对比度、中亮度低对比度、低亮度低对比度。请参阅图3，其中图3a是确定分类阀值时播放的100幅不同内容的图像中的一幅，图3b是待分类图像,图3c是分类流程图。图像分辨率是1024×768。具体分类步骤如下：

1.根据设计要求及硬件资源确定图像类别数量：实施例1将图像分为6类，即高亮度高对比度、中亮度高对比度、低亮度高对比度、高亮度低对比度、中亮度低对比度、低亮度低对比度；

2.组织6名视力正常的自然人观看100幅不同内容的图像，图像内容包括白天或夜晚的人物、动物、自然风光、街景、动画等。制作分类调查表，亮度分为高亮度、中亮度、低亮度，对比度分为高对比度、低对比度，每幅图像播放10秒钟，观看者在10秒钟之内勾出显示图像属于的亮度类别和对比度类别；

3.统计观看图像的亮度和对比度。该步骤可在台式计算机或笔记本上完成。图3（a）是步骤2播放的100幅图像之一，以图3（a）为例说明具体计算步骤：

（3.1）基于图像处理软件Matlab的程序记录输入图像每个像素的红、绿、蓝子像素亮度值，记为R_i,j、G_i,j、B_i,j，i=1～1024，j=1～768。对于图3（a）的图像中i=256、j=192的像素，记录R、G、B的亮度值，分别为54、63、235;

（3.2）基于图像处理软件Matlab的程序计算每个像素的灰度值，记为L_i,j，L_i,j=0.3×R_i,j+0.6×G_i,j+0.1×B_i,j，对于图3（a）的图像中i=256、j=192的像素，L_256,192=0.3×54+0.6×63+0.1×235=77.5；

（3.3）基于图像处理软件Matlab的程序计算整幅图像所有像素的亮度平均值，记为L_avg-fz，对于图3（a）的图像， $L_{\mathrm{avg}-\mathrm{fz}}=\frac{\underset{i=1}{\overset{1024}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{768}{\mathrm{\&Sigma;}}}{L}_{i,j}}{1024\&times;768}=112.93;$

(3.4）基于图像处理软件Matlab的程序将图像分为64×48个区域。基于图像处理软件Matlab的程序读取属于一个区域的像素红、绿、蓝子像素亮度值，计算每块中包含的像素的亮度平均值，记为L_block-avg，对于图3（a）的图像的第1行、第1列的块（1,1），

对于第4行、第16列的块（4,16）， $L_{\mathrm{block}-\mathrm{avg}}\left(\mathrm{4,16}\right)=\frac{\underset{i=65}{\overset{80}{\mathrm{\&Sigma;}}}\underset{j=257}{\overset{272}{\mathrm{\&Sigma;}}}{L}_{i,j}}{16\&times;16}=184.02;$

（3.5）基于图像处理软件Matlab的程序获得所有块的亮度平均值中的最大值和最小值，分别记为L_max和L_min，对于图3（a）的图像，L_max=255，L_min=0.425；

（3.6）基于图像处理软件Matlab的程序对所有块中亮度最大值L_max做如下处理，得到修正后的亮度最大值L_max′：如果0≤L_max<8，则L_max′=0.4625×L_max+0.3；如果8≤L_max≤255，则L_max′=1.1984×L_max-5.592；对于图3（a）的图像，所有块中亮度最大值为255，处理后的亮度最大值L_max′=300；

（3.7）基于图像处理软件Matlab的程序对所有块中亮度最小值L_min做如下处理，得到修正后的亮度最小值L_min′：如果0≤L_min<8，则L_min′=0.4625×L_min+0.3；如果8≤L_min≤255，则L_min′=1.1984×L_min-5.592；对于图3（a）的图像所有块中亮度最大值为0.425，处理后的亮度最小值L_min′=0.4966；

（3.8）基于图像处理软件Matlab的程序计算对比度CR_fz，对于图3（a）的图像， ${\mathrm{CR}}_{\mathrm{fz}}=\frac{{L_{\max }}^{\&prime;}}{{L_{\min }}^{\&prime;}}=\frac{300}{0.4966}=604.11.$

4.对100幅图像重复步骤3，获得每幅图像的亮度和对比度，确定不同类别图像的亮度和对比度阀值：统计步骤2中属于同一类别的图像的亮度和对比度，以每种类别中图像亮度和对比度的最大值与最小值作为该类图像的上下阀值。如对于100幅图像，通过步骤2的调查统计得到14幅图像属于中亮度、低对比度，经步骤3计算这14幅图像的平均亮度值分布在60～130之间、对比度分布在0～400之间，由此确定中亮度低对比度的图像分类阀值为图像平均亮度值处于60和130之间、对比度小于400。由此获得6类图像的分类阀值，如下式所示：

5.将视频源接入电路板1，实时计算视频源输入图像的亮度平均值L_avg和对比度CR，具体包括：

（5.1）视频信号送入解码模块101解码后，存储模块102记录输入图像每个像素的红、绿、蓝子像素亮度值，记为R_i,j、G_i,j、B_i,j，i=1～1024，j=1～768。对于图3（b）的图像中i=791、j=637的像素，记录R、G、B的亮度值，分别为189、175、167;

（5.2）整幅特征值计算模块103读取存储模块102的全部数据，计算每个像素的灰度值，记为L_i,j，L_i,j=0.3×R_i,j+0.6×G_i,j+0.1×B_i,j，对于图3（b）的图像中i=791、j=637的像素，L_791,637=0.3×189+0.6×175+0.1×167=178.4；

（5.3）整幅特征值计算模块103计算整幅图像所有像素的亮度平均值，记为L_avg，对于图3（b）的图像，

（5.4）图像分为64×48个区域。分区特征值计算模块104读取存储模块102中属于一个区域的像素红、绿、蓝子像素亮度值，计算每块中包含的像素的亮度平均值，记为L_block-avg。如图3（b）的图像中第1行、第1列的块（1,1）的亮度平均值

第28行、第16列的块（28,16）的亮度平均值 $L_{\mathrm{block}-\mathrm{avg}}\left(\mathrm{28,16}\right)=\frac{\underset{i=449}{\overset{464}{\mathrm{\&Sigma;}}}\underset{j=257}{\overset{272}{\mathrm{\&Sigma;}}}{L}_{i,j}}{16\&times;16}=201.84;$

（5.5）分区特征值计算模块104将所有块的亮度平均值送入对比度计算模块105，对比度计算模块105取所有块的亮度平均值中的最大值和最小值，分别记为L_max和L_min，对于图3（b）的图像，L_max=225.61，L_min=3.019；

（5.6）对比度计算模块105对所有块中亮度最大值L_max做如下处理，得到修正后的亮度最大值L_max′：如果0≤L_max<8，则L_max′=0.4625×L_max+0.3；如果8≤L_max≤255，则L_max′=1.1984×L_max-5.592；对于图3（b）的图像所有块中亮度最大值为225.61，处理后的亮度最大值L_max′=264.78；

（5.7）对比度计算模块105对所有块中亮度最小值L_min做如下处理，得到修正后的亮度最小值L_min′：如果0≤L_min<8，则L_min′=0.4625×L_min+0.3；如果8≤L_min≤255，则L_min′=1.1984×L_min-5.592；对于图3（b）的图像所有块中亮度最大值为3.019，处理后的亮度最小值L_min′=1.70；

（5.8）对比度计算模块105计算对比度CR，对于图3（b）的图像， $\mathrm{CR}=\frac{{L_{\max }}^{\&prime;}}{{L_{\min }}^{\&prime;}}=\frac{264.78}{1.7}=155.75.$

6.根据预先输入的分类阀值、整幅图像亮度平均值L_avg和对比度CR，图像分类模块106根据步骤4确定的类别阀值和步骤5计算的图像亮度和对比度对图3（b）的图像进行分类：图3（b）的图像属于高亮度低对比度的图像。

步骤1～步骤4可预先完成，获得分类阀值后直接写入电路开发程序，不占用实时处理时间。对于实施例1的图像的统计、分类的处理过程为0.36毫秒。

实施例2

实施例2将图像分为9类，即高亮度高对比度、中亮度高对比度、低亮度高对比度、高亮度中对比度、中亮度中对比度、低亮度中对比度、高亮度低对比度、中亮度低对比度、低亮度低对比度。请参阅图4，其中图4a是确定分类阀值时播放的100幅不同内容的图像中的一幅，图4b是待分类图像,图4c是分类流程图。图像分辨率是1920×1080。具体分类步骤如下：

1.根据设计要求及硬件资源确定图像类别数量：实施例2将图像分为9类，即高亮度高对比度、中亮度高对比度、低亮度高对比度、高亮度中对比度、中亮度中对比度、低亮度中对比度、高亮度低对比度、中亮度低对比度、低亮度低对比度；

2.组织10名视力正常的自然人观看100幅不同内容的图像，图像内容包括白天或夜晚的人物、动物、自然风光、街景、动画等。制作分类调查表，亮度分为高亮度、中亮度、低亮度，对比度分为高对比度、中对比度、低对比度，每幅图像播放10秒钟，观看者在10秒钟之内勾出显示图像属于的亮度类别和对比度类别；

3.统计观看图像的亮度和对比度。该步骤可在台式计算机或笔记本上完成。图4（a）是步骤2播放的100幅图像之一，以图4（a）为例说明具体计算步骤：

（3.1）基于图像处理软件Matlab的程序记录输入图像每个像素的红、绿、蓝子像素亮度值，记为R_i,j、G_i,j、B_i,j，i=1～1920，j=1～1080。如对于图4（a）中的图像的i=56、j=192的像素，记录R、G、B的亮度值，分别为0、0、0;

（3.2）基于图像处理软件Matlab的程序计算每个像素的灰度值，记为L_i,j，L_i,j=0.3×R_i,j+0.6×G_i,j+0.1×B_i,j，如对于图4（a）的图像中i=56、j=192的像素，L_56,192=0.3×0+0.6×0+0.1×0=0；

（3.3）基于图像处理软件Matlab的程序计算整幅图像所有像素的亮度平均值，记为L_avg-fz，对于图4（a）的图像，

（3.4）基于图像处理软件Matlab将图像分为48×90块。基于图像处理软件Matlab的程序读取属于一个区域的像素红、绿、蓝子像素亮度值，计算每块中包含的像素的亮度平均值，记为L_block-avg，如对于图4（a）的图像的第1行、第1列的块（1,1），

对于第9行、第16列的块（9,16），

（3.5）基于图像处理软件Matlab的程序获得所有块的亮度平均值中的最大值和最小值，分别记为L_max和L_min，对于图4（a）的图像，L_max=254.5，L_min=0；

（3.6）基于图像处理软件Matlab的程序对所有块中亮度最大值L_max做如下处理，得到修正后的亮度最大值L_max′：如果0≤L_max<8，则L_max′=0.4625×L_max+0.3；如果8≤L_max≤255，则L_max′=1.1984×L_max-5.592；对于图4（a）的图像，所有块中亮度最大值为254.5，处理后的亮度最大值L_max′=299.40；

（3.7）基于图像处理软件Matlab的程序对所有块中亮度最小值L_min做如下处理，得到修正后的亮度最小值L_min′：如果0≤L_min<8，则L_min′=0.4625×L_min+0.3；如果8≤L_min≤255，则L_min′=1.1984×L_min-5.592；对于图4（a）的图像，所有块中亮度最小值为0，处理后的亮度最小值L_min′=0.3；

（3.8）基于图像处理软件Matlab的程序计算对比度CR_fz，对于图4（a）的图像， ${\mathrm{CR}}_{\mathrm{fz}}=\frac{{L_{\max }}^{\&prime;}}{{L_{\min }}^{\&prime;}}=\frac{299.40}{0.3}=998.$

4.对100幅图像重复步骤3，获得每幅图像的亮度和对比度，确定不同类别图像的亮度和对比度阀值：统计步骤2中属于同一类别的图像的亮度和对比度，以每种类别中图像亮度和对比度的最大值与最小值作为该类图像的上下阀值，如对于100幅图像，通过步骤2的调查统计得到9幅图像属于低亮度、中对比度，经步骤3计算这9幅图像的平均亮度分布在0～60之间、对比度分布在400～700之间，由此确定低亮度中对比度的图像分类阀值为图像亮度处于0和60之间、对比度处于400到700之间。由此获得9类图像的分类阀值，如下式所示：

5.将视频源接入电路板1，实时计算视频源输入图像的亮度平均值L_avg和对比度CR，具体包括：

（5.1）视频信号送入解码模块101解码后，存储模块102记录输入图像每个像素的红、绿、蓝子像素亮度值，记为R_i,j、G_i,j、B_i,j，i=1～1920，j=1～1080.如对于图4（b）中的图像的i=401、j=204的像素，记录R、G、B的亮度值，分别为201、59、16;

（5.2）整幅特征值计算模块103读取存储模块102的全部数据，计算每个像素的灰度值，记为L_i,j，L_i,j=0.3×R_i,j+0.6×G_i,j+0.1×B_i,j，如对于图4（b）的图像中i=401、j=204的像素，L_401,204=0.3×201+0.6×59+0.1×16=97.3；

（5.3）整幅特征值计算模块103计算整幅图像所有像素的亮度平均值，记为L_avg，对于图4（b）的图像，

（5.4）图像分为48×90块。分区特征值计算模块104读取存储模块102中属于一个区域的像素红、绿、蓝子像素亮度值，计算每块中包含的像素的亮度平均值，记为L_block-avg。将图4（b）的图像分为48×90块，第9行、第42列的块（9,42），

对于第18行、第46列的块（18,46），

（5.5）分区特征值计算模块104将所有块的亮度平均值送入对比度计算模块，对比度计算模块105取所有块的亮度平均值中的最大值和最小值，分别记为L_max和L_min，对于图4（b）的图像，L_max=253.89，L_min=0.426；

（5.6）对比度计算模块105对所有块中亮度最大值L_max做如下处理，得到修正后的亮度最大值L_max′：如果0≤L_max<8，则L_max′=0.4625×L_max+0.3；如果8≤L_max≤255，则L_max′=1.1984×L_max-5.592；对于图4（b）的图像，所有块中亮度最大值为253.89，处理后的亮度最大值L_max′=298.67；

（5.7）对比度计算模块105对所有块中亮度最小值L_min做如下处理，得到修正后的亮度最小值L_min′：如果0≤L_min<8，则L_min′=0.4625×L_min+0.3；如果8≤L_min≤255，则L_min′=1.1984×L_min-5.592；对于图4（b）的图像，所有块中亮度最小值为0.426，处理后的亮度最小值L_min′=0.497；

（5.8）对比度计算模块105计算对比度CR，对于图4（b）的图像， $\mathrm{CR}=\frac{{L_{\max }}^{\&prime;}}{{L_{\min }}^{\&prime;}}=\frac{298.67}{0.497}=600.95.$

6.根据预先输入的分类阀值、整幅图像亮度平均值L_avg和对比度CR，图像分类模块106根据步骤4确定的类别阀值和步骤5计算的图像亮度和对比度对图4（b）的图像进行分类：图4（b）的图像属于中亮度中对比度的图像。

步骤1～步骤4可预先完成，获得分类阀值后直接写入电路开发程序，不占用实时处理时间。对于实施例2的图像的统计、分类的处理过程为0.38毫秒。

实施例1和2中步骤1～步骤4可预先完成，获得的分类阀值可重复用于分类数量相同（如6类或9类）的电路程序中。

采用本发明的基于图像分类的全局动态调光流程图如图5所示。不采用图像分类的全局动态调光流程图如图6所示。可以看出，不采用图像分类的动态调光，不论对于何种图像，S曲线中的a值都是取0.025，背光确定公式中的k值都是取0.5。对于平均亮度较低的图像，k=0.5限制了节能效果，而对于存在细节的图像，a=0.025则带来较大的细节损失。采用图像分类后，根据不同的图像类型确定背光亮度确定公式中的参数k及S曲线中的参数a，保证对于所有输入图像均能达到最好的节能和显示效果。

Claims (2)

1.一种基于亮度和对比度的图像分类方法，其特征在于：

（1）.根据设计要求及硬件资源确定图像类别数量；

（2）.组织两名以上视力正常的自然人观看四十幅以上的图像，根据主观感受填写分类调查表，勾出所放图像属于的亮度类别和对比度类别，并根据调查结果将图像分入不同类别；

（3）.计算观看图像的亮度和对比度，具体操作步骤如下：

（3.1）记录输入图像每个像素的红、绿、蓝子像素亮度值，分别记为R_i,j、G_i,j、B_i,j，i=1～M，j=1～N，M×N是图像的分辨率；根据图像格式，M可以为1024或1920，N可以为768或1080；

（3.2）计算每个像素的灰度值，记为L_i,j，L_i,j=0.3R_i,j+0.6G_i,j+0.1B_i,j；

（3.3）计算整幅图像所有像素的亮度平均值，记为

（3.4）图像分成P×Q块，其中P和Q不小于2，计算每块中包含的像素的亮度平均值，记为L_block-avg；

（3.5）取所有块的亮度平均值L_block-avg中的最大值和最小值，分别记为L_max和L_min，L_max=max（L_block-avg），L_min=min（L_block-avg）；

（3.6）对所有块的亮度平均值L_block-avg中的最大值L_max做如下处理，得到修正后的最大值L_max′：如果0≤L_max<8，则L_max′=0.4625×L_max+0.3；如果8≤L_max≤255，则L_max′=1.1984×L_max-5.592；

（3.7）对所有块的亮度平均值L_block-avg中的最小值L_min做如下处理，得到修正后的最小值L_mim′：如果0≤L_min<8，则L_min′=0.4625×L_min+0.3；如果8≤L_min≤255，则L_min′=1.1984×L_min-5.592；

（3.8）计算对比度CR_fz，

（4）.结合步骤（2）的调查结果和步骤（3）的计算结果，确定不同类别图像的亮度和对比度分类阀值；

（5）.计算视频源输入图像所有像素的亮度平均值L_avg和对比度CR，具体操作步骤同步骤（3）；

（6）.根据分类阀值、视频源输入图像亮度平均值L_avg和对比度CR对图像分类；

上述步骤（1）～步骤（4）可预先完成，获得分类阀值后直接写入电路开发程序，不占用实时处理时间。

2.根据权利要求1所述的一种基于亮度和对比度的图像分类方法，其特征在于：步骤（2）中的四十幅以上的图像为不同内容的图像，所述不同内容的图像是指包含白天或夜晚的人物、动物、自然风光、街景、动画等不同亮度和对比度的图像。

Images