CN103559694A

CN103559694A - 一种基于hsv色彩空间的oled低功耗方法

Info

Publication number: CN103559694A
Application number: CN201310514384.4A
Authority: CN
Inventors: 郭兵; 沈艳; 段林涛; 徐阔海; 王毅; 张文丽; 熊伟
Original assignee: Sichuan University
Current assignee: Sichuan University
Priority date: 2013-10-28
Filing date: 2013-10-28
Publication date: 2014-02-05

Abstract

本发明涉及智能移动终端能耗优化技术领域，尤其是涉及一种基于HSV色彩空间的OLED低功耗方法。本发明通过对图像从用户感兴趣区域到边界逐级进行亮度和饱和度调节，提出了基于HSV色彩空间的OLED低功耗方法。该方法通过整合亮度调节和饱和度调节降低显示图像的功耗，应用感兴趣区域（regionofinterest，ROI）到图像边界逐级调节技术提升图像质量，采用平均结构相似度指数（meanstructuralsimilarityindex，MSSIM）对原始输入图像和输出图像在亮度、对比度和结构相似性上进行比较以评价图像相似程度，达到保持较高图像质量的同时降低功耗的目的。

Description

一种基于HSV色彩空间的OLED低功耗方法

所属技术领域

本发明涉及智能移动终端能耗优化技术领域，尤其是涉及一种基于HSV色彩空间的OLED低功耗方法。

背景技术

显示屏是现代智能移动终端三大耗能组件之一（处理器，显示屏和无线网络接口），对显示能耗的建模与优化已经成为低功耗研究领域广泛关注的问题，有机发光显示屏（OLED）以其图像质量高，功耗、成本低等特性被广泛应用于移动终端，其制造工艺与光电特性已被广泛研究。与液晶显示屏（liquidcrystaldisplay,LCD）相比，OLED不使用背光或前发光光源，用于显示图像的每个像素组件都可以被独立驱动。不同于LCD调低光源强度降低能耗，OLED通过调节显示内容的亮度和色彩强度实现节能。

独立调节RGB三种LED背光的亮度可以明显降低LCD显示屏能耗，但导致显示图像保真度下降，因此背光与对比度动态调节技术是提升图像保真度并降低LCD能耗的主要途径。针对OLED不使用背光技术，降低能耗主要途径是降低显示图像的像素强度，在现代显示系统中广泛地采用Gamma校正实现像素强度的映射。然而，单纯依赖于降低像素强度降低显示能耗将影响图像质量。

本发明通过对图像从用户感兴趣区域到边界逐级进行亮度和饱和度调节，提出了基于HSV色彩空间的OLED低功耗方法。该方法通过整合亮度调节和饱和度调节降低显示图像的功耗，应用感兴趣区域（regionofinterest，ROI）到图像边界逐级调节技术提升图像质量，采用平均结构相似度指数（meanstructuralsimilarityindex，MSSIM）对原始输入图像和输出图像在亮度、对比度和结构相似性上进行比较以评价图像相似程度，达到保持较高图像质量的同时降低功耗的目的。

发明内容

本发明的目的在于提供了一种基于HSV色彩空间的OLED低功耗方法。

本发明解决其技术难题所采用的技术方案的步骤如下：

HSV色彩空间中H、S、V分别表示色调、饱和度和亮度。通过增加图像在HSV色彩空间中的饱和度分量或降低亮度分量，原始图像的像素集合可以映射到一个具有较低功耗的像素集合，从而达到降低OLED显示内容功耗的目的。但增加饱和度或降低亮度会导致图像失真，为保持较高图像质量的同时得到较大的功耗节省，本发明将图像分为ROI和NON-ROI两个区域，如图1所示。ROI可以应用比NON-ROI更高的亮度以获得较好的图像对比度，保证ROI的图像质量。图1（a）表示原始图像“Sea”，图1（b）中较四周亮的区域即图像的ROI，周围较暗的区域即为图像的NON-ROI。为了减少图像失真，本发明将NON-ROI划分为Level层，每层应用一个中间亮度和饱和度，实现图像亮度和饱和度在ROI和NON-ROI的渐进变化。图1（b），（c）和（d）分别表示NON-ROI被划分为1，5和10个渐变层次的输出图像。从图中可以看出，Level越大，图像的明暗变化越不明显，图像质量越高。为客观评价图像质量，本发明采用平均结构相似度指数（MSSIM）比较处理后的输出图像与原始图像之间的相似程度。

1）MSSIM是一种在图像处理过程中广泛使用的图像质量评价标准，基本思想是将输出图像和原始图像划分为多个子窗口，分别计算输出图像子窗口与原始图像中对应的窗口的亮度，对比度和结构相似度，最后所有子窗口比较结果的均值即为输出图像与原始图像相比的MSSIM值。MSSIM质量标准可以表示为：

MMSIM (x, y) = \frac{1}{n} Σ_{i = 1}^{n} \frac{(2 \cdot μ_{x_{i}} \cdot μ_{y_{i}} + c_{1}) \cdot (2 \cdot σ_{x_{i} y_{i}} + c_{2})}{(μ_{x_{i}}^{2} + μ_{y_{i}}^{2} + c_{1}) \cdot (σ_{x_{i}}^{2} + σ_{y_{i}}^{2} + c_{2})} - - - (1)

其中n表示划分的子窗口数量，μ表示数学期望算子，σ²表示方差算子，σ表示协方差算子，x_i表示原始输入图像的第i个子窗口，y_i表示输出图像的第i个子窗口，常数c₁和c₂用于避免分母为0。

2）亮度调节（ValueScaling，VS）方法如下：

●输入：原始图像I、原始图像的ROI的坐标矩阵P_ROI、原始图像的NON-ROI的渐变层数Level、ROI的MSSIM值M_ROI以及NON-ROI的MSSIM值M_NON-ROI；

●输出：应用亮度调节的输出图像I_VS；

●处理过程：

(1)获取图像I的ROI每个像素点(x,y)的HSV亮度分量V(x,y)，在原图亮度分量基础上以(1-V(x,y))×i×10%递增或以(V(x,y)-0)×i×10%递减，i从1递增到10，每迭代一次i递增1，生成20张ROI的亮度在原图基础上递增或递减i×10%的输出图像；

(2)对步骤(1)中生成的20张图像，分别依据式(1)计算出其MMSIM，将获得的20组(V,MMSIM)数据绘制到直角坐标系中，采用指数函数对数据进行拟合，获得拟合方程；

(3)将M_ROI代入步骤(2)的拟合方程中计算出图像I_VS的ROI的亮度V_ROI；

(4)按步骤(1)-(3)计算图像I_VS的NON-ROI的MSSIM等于M_NON-ROI时的亮度V_NON-ROI；

(5)设置图像I的ROI亮度为V_ROI，图像I的NON-ROI的第j层亮度为V_ROI+((V_NON-ROI-V_ROI)/Level)×j，j从1递增到Level，每迭代一次j递增1，得到采用亮度调节的输出图像I_VS。

3）饱和度调节（SaturationScaling，SS）方法如下：

●输出：应用饱和度调节的输出图像I_SS；

●处理过程：

(1)获取图像I的ROI每个像素点(x,y)的HSV饱和度分量S(x,y)，在原图饱和度分量基础上以(1-S(x,y))×i×10%递增或以(S(x,y)-0)×i×10%递减，i从1递增到10，每迭代一次i递增1，生成20张ROI的饱和度在原图基础上递增或递减i×10%的输出图像；

(2)对步骤(1)中生成的20张图像，分别依据式(1)计算出其MMSIM，将获得的20组(S,MMSIM)数据绘制到直角坐标系中，采用指数函数对数据进行拟合，获得拟合方程；

(3)将M_ROI代入步骤(2)的拟合方程中计算出图像I_SS的ROI的饱和度S_ROI；

(4)按步骤(1)-(3)计算图像I_SS的NON-ROI的MSSIM等于M_NON-ROI时的饱和度S_NON-ROI；

(5)设置图像I的ROI饱和度为S_ROI，图像I的NON-ROI的第j层饱和度为S_ROI+((S_NON-ROI-S_ROI)/Level)×j，j从1递增到Level，每迭代一次j递增1，得到采用饱和度调节的输出图像I_SS。

4）亮度与饱和度整合调节（ValueandScalingIntegration，VSI）方法如下：

●输入：亮度调节输出图像I_VS、图像的ROI饱和度S_ROI，图像的NON-ROI的饱和度S_NON-ROI；

●输出：应用亮度与饱和度整合调节的输出图像I_VSI；

●处理过程：设置图像I_VS的ROI的饱和度为S_ROI，图像I_VS的NON-ROI的第j层饱和度为S_ROI+((S_NON-ROI-S_ROI)/Level)×j，j从1递增到Level，每迭代一次j递增1，得到采用亮度与饱和度整合调节的输出图像I_VSI。

附图说明

图1图像“Sea”的ROI和NON-ROI划分

图2划分ROI和NON-ROI的图像“Sea”应用三种节能方法

图3非兴趣区域在不同渐变层数下图像的功耗和相似度比较

具体实施方式

下面结合技术实例对本发明作进一步说明。

实验使用图像“Sea”的实验结果评价亮度与饱和度调节方法，该图像来自于百度图库。图2(a)显示不划分ROI的原始图像在三种节能方法下的输出图像。图2(a)中VSI方法对原始图像整体应用亮度调节和饱和度调节，其饱和度比应用VS的图像高，亮度比应用SS的图像低。为了既提高用户感兴趣区域的视觉感知度又降低图像显示功耗，对原始图像进行了ROI划分。如图2(b)到图2(e)所示，图像“Sea”的ROI和NON-ROI应用不同的亮度和饱和度值，NON-ROI的层次划分有助于提高图像整体的质量，随着NON-ROI划分的渐变层数的增加，ROI到NON-ROI的亮度和饱和度过渡越来越平缓。

表1给出了图2所示图像的不同属性。NON-ROI渐变层数增加，图像整体相似度提高，如对原始输入图像进行亮度调节，渐变层数为1时全图平均结构相似度（M_OVERALL）为0.8345，

表1:应用三种节能方法的图像“Sea”的属性

当渐变层数增加至15时，全图平均结构相似度提高到0.9218。原因是NON-ROI第j层的亮度值V_ROI+((V_NON-ROI-V_ROI)/Level)×j随渐变层数Level的增加而更接近于相邻的第j-1层和第j+1层，亮度可以实现较为平滑的过渡。饱和度调节方法对图像质量的影响也和亮度调节一致，渐变层数增加全图结构相似度提高，从表1可以看出图像“Sea”的NON-ROI划分为1层和15层相似度从0.8343提高到0.9215。

图3给出了亮度与饱和度整合调节与其它两种方法在功耗和图像相似度方面的实验结果。从图3(a)可以看出应用三种方法输出的图像具有比原始图像更低的功耗。亮度与饱和度整合调节（VSI）在图像的NON-ROI具有相同渐变层数的情况下比亮度调节（VS）和饱和度调节（SS）有更好的节能效果。如Level=5时，图像“Sea”应用VSI比应用VS和SS功耗分别低了58.17539μw和745.9645μw。图3(b)显示渐变层数越大，应用三种方法的输出图像与原始图像的相似程度越高。VSI，VS和SS三种方法在渐变层数为5时的图像相似度比渐变层数为1时分别提高了21.89%，9.48%和9.48%。针对图像“Sea”，当设置渐变层数Level=5时，本发明提出的VSI方法在相似度比VS和SS有17.22%和17.20%下降的同时能得到8.84%和55.43%的功耗节省。

Claims

1.一种基于HSV色彩空间的OLED低功耗方法，该方法步骤包括如下：

1）亮度调节方法：

●输出：应用亮度调节的输出图像I_VS；

●处理过程：

(2)对步骤(1)中生成的20张图像，分别计算其MMSIM，将获得的20组(V,MMSIM)数据绘制到直角坐标系中，采用指数函数对数据进行拟合，获得拟合方程；

(5)设置图像I的ROI亮度为V_ROI，图像I的NON-ROI的第j层亮度为V_ROI+((V_NON-ROI-V_ROI)/Level)×j，j从1递增到Level，每迭代一次j递增1，得到采用亮度调节的输出图像I_VS；

2）饱和度调节方法：

●输出：应用饱和度调节的输出图像I_SS；

●处理过程：

(2)对步骤(1)中生成的20张图像，分别计算其MMSIM，将获得的20组(S,MMSIM)数据绘制到直角坐标系中，采用指数函数对数据进行拟合，获得拟合方程；

(5)设置图像I的ROI饱和度为S_ROI，图像I的NON-ROI的第j层饱和度为S_ROI+((S_NON-ROI-S_ROI)/Level)×j，j从1递增到Level，每迭代一次j递增1，得到采用饱和度调节的输出图像I_SS；

3）亮度与饱和度整合调节方法：

●输出：应用亮度与饱和度整合调节的输出图像I_VSI；

●处理过程：设置图像I_VS的ROI的饱和度为S_ROI，图像IVS的NON-ROI的第j层饱和度为S_ROI+((S_NON-ROI-S_ROI)/Level)×j，j从1递增到Level，每迭代一次j递增1，得到采用亮度与饱和度整合调节的输出图像I_VSI。