CN104246865A - 灰阶校正方法、ε滤波器的阈值决定装置或其方法 - Google Patents

Abstract

本发明的课题是进行可满足基于光晕和视网膜大脑皮层运算的两种效果的灰阶校正。对所得到的面板的单位灰阶的亮度值，求出对应的JND值。对面板的每个单位灰阶，求出对应于JND值的像素值(图3B)。对面板的每个单位灰阶的可识别的JND值，以与面板的最大输入值之间的比率进行反向γ校正，从而求出阈值ε(图3C)。进而，利用最小二乘法，计算基于一次函数的近似结果(图3D)。根据允许的JND步数，阈值ε被指定为像素值的增函数。利用相关的函数变更阈值ε。对应于中心像素值，可变更阈值ε。

Description

灰阶校正方法、ε滤波器的阈值决定装置或其方法

技术领域

本发明涉及Retinex(视网膜大脑皮层理论)处理，尤其是涉及可得到基于光晕伪迹(halo artifacts)和Retinex处理的平衡的灰阶校正。

背景技术

作为通过图像处理压缩动态范围的方法已知有Retinex处理。在Retinex处理中，利用低通滤波器把原来的图像分为反射光成分和照明光成分，进行校正照明光成分的处理，并将校正后的照明光成分和反射光成分的合成输出。

若把上述低通滤波器的滤波器大小设得较小，则边缘再现变得良好。另一方面，若把低通滤波器的滤波器大小设得较大，则在与边缘部分之间的边界有时会产生光晕伪迹。

为了防止上述光晕伪迹，提出边缘保留型低通滤波器，其中一种已知有ε滤波器。ε滤波器预先设定好阈值ε，在上述一定区域内的全像素中，作为运算对象仅采用与上述一定区域内的中心像素之间的差分在阈值ε以内的像素值的像素。

若将该阈值ε设为较小，则可以使光晕伪迹较少，但另一方面，也损伤作为Retinex处理效果的立体感。

这样，过去不能在维持作为低通滤波器的效果的同时将光晕伪迹调节到视觉上无法识别的程度。

而且，在专利文献1中，公开了使阈值ε根据对象区域内的边缘强度而进行变动的技术，但是这仅仅是着眼于发生光晕伪迹的边缘部分来决定阈值ε。

先行技术文献

专利文献

非专利文献1：KONICA MINOLTA TECHNOLOGY REPORT.VOL4，“宽动态范围图像的高对比度化图像处理”

http://www.konicaminolta.jp/about/research/technology_report/2007/pdf/introduce_011.pdf

专利文献1：(日本)特开2003-8935号公报

发明内容

发明要解决的课题

本发明解决上述问题，其目的在于，提供一种基于可见度特性及/或考虑环境光的影响的ε波滤器的阈值决定装置、或其方法、以及灰阶校正方法。

解决问题的方案

(1)本发明涉及的灰阶校正方法，在显示装置中，根据视网膜大脑皮层理论进行灰阶校正，根据每个显示装置的最大亮度及最小亮度，求出分配到各处理单位灰阶的分配亮度值；根据每个亮度的可分辨的亮度差对应数据，对上述各处理单位灰阶的上述各分配亮度值求出可分辨的亮度差；根据上述各处理单位灰阶中的可分辨的亮度差，求出与上述各分配亮度值成为单调递增关系的ε滤波器中的阈值；若对上述ε滤波器赋予规定区域的输入图像数据，则利用对应于该输入图像数据的中心代表值的ε滤波器的阈值进行灰阶校正。

这样，通过决定上述各处理单位灰阶的ε滤波器的阈值，可以对每个区域进行适当的灰阶校正。此外，上述可识别亮度差是根据上述每个亮度的可分辨的亮度差对应数据所决定的。因此，可以进行与人的识别能力对应的灰阶校正。

(2)本发明涉及的灰阶校正方法，根据上述最大亮度、上述最小亮度和环境光，求出各处理单位灰阶的上述分配亮度值。因此，可以进行考虑环境光的灰阶校正。

(3)本发明涉及的灰阶校正方法，根据通过环境光检测部件检测出的环境光，使上述各处理单位灰阶的上述ε滤波器的阈值的关系式动态变动。因此，即使环境光变动，也可以进行对应于此的灰阶校正。

(4)本发明涉及的灰阶校正装置，在显示装置中，根据视网膜大脑皮层理论进行灰阶校正，具备：提取部，当赋予输入到上述ε滤波器的规定区域的输入图像数据时，提取ε滤波器运算中使用的位于周边像素区域的中心附近的中心代表值；阈值决定部，存储有上述中心代表侯补值和ε滤波器的阈值之间的对应关系，当赋予上述中心代表值时，根据上述对应关系，决定对应的阈值；ε滤波器，对所输入的规定区域的输入图像数据，利用由上述阈值决定部决定的阈值进行平滑化运算；以及灰阶校正部，将上述ε滤波器的输出值作为照明光成分进行灰阶校正。

这样，使上述各处理单位灰阶的ε滤波器的阈值根据上述中心代表值变动，由此可以在每个区域进行适当的灰阶校正。此外，根据每个上述亮度的可分辨的亮度差对应数据决定上述可识别的亮度差。因此，可以进行对应于人的识别能力的灰阶校正。

(5)本发明涉及的ε滤波器的阈值决定装置具备：提取部，提取ε运算中使用的位于周边像素区域的中心附近的中心代表值；以及阈值决定部，存储有上述中心代表侯补值和ε滤波器的阈值之间的对应关系，当赋予上述中心代表值时，根据上述对应关系，输出对应的阈值；上述中心代表侯补值和ε滤波器的阈值之间的对应关系是在特定的亮度值中根据可分辨的亮度差决定的单调递增关系。

因此，上述中心代表值大的情况下，可以变动为较大的阈值，上述中心代表值小的情况下可以变动为较小的阈值。由此，可以在每个区域进行适当的ε运算。

(6)在本发明涉及的ε滤波器的阈值决定装置中，上述中心代表值是ε滤波器运算中使用的周边像素区域中的中心像素的亮度。因此，可以根据中心代表亮度动态地变更ε滤波器运算中使用的周边像素。

(7)在本发明涉及的ε滤波器的阈值决定装置中，以下述式表示上述中心代表侯补值和ε滤波器的阈值之间的对应关系。

ε＝(中心代表值*α)+β

其中，α及β是从0到1的小数，上述中心代表值在0～1内被正态化。

因此，根据区域的像素特性，可以动态地变更使用于ε滤波运算的周边像素。

(8)在本发明涉及的ε滤波器的阈值变动装置中，具备检测环境光的环境光检测部，上述阈值决定部存储有对应于上述环境光的值的上述中心代表侯补值和ε滤波器的阈值之间的多个对应关系，根据上述检测出的环境光，选择任意多个对应关系中的某一个来输出对应的阈值。因此，可以配合环境光的变化，变动上述阈值。

(9)本发明涉及的ε滤波器的阈值决定方法，对被分配的各处理单位灰阶的分配亮度值，根据每个亮度的可分辨的亮度差对应数据，求出每个上述处理单位灰阶的可分辨的亮度差，根据每个上述处理单位灰阶的可分辨的亮度差，以使赋予上述ε滤波器的中心代表值的关系成为单调递增关系的方式决定每个处理单位灰阶的分配亮度和上述ε滤波器的阈值。

因此，在上述中心代表值较大的情况下，变动为较大的阈值，在较小的情况下变动为较小的阈值。由此，即使上述阈值比较大，对容易感觉到光晕伪迹的高亮度区域，将上述阈值设为较大，若上述阈值不小，则对容易感觉到光晕伪迹的低亮度区域，使阈值发生变动。

(10)本发明涉及的灰阶校正方法是在显示装置中根据视网膜大脑皮层理论进行灰阶校正，根据每个显示装置的最大亮度及最小亮度，求出分配到各处理单位灰阶的分配亮度值；根据每个亮度的可分辨的亮度差对应数据，对上述各处理单位灰阶的上述各分配亮度值求出可分辨的亮度差；利用上述显示装置的最大亮度和最小亮度之差，将上述各处理单位灰阶的可分辨的亮度差进行正态化而求出正态化可分辨亮度差，由此，求出上述各处理单位灰阶的正态化可分辨亮度差；根据上述各处理单位灰阶的上述正态化可分辨亮度差，决定上述各处理单位灰阶的ε滤波器的阈值；若对上述ε滤波器赋予规定区域的输入图像数据，则利用对应于该输入图像数据的中心代表值的ε滤波器的阈值进行灰阶校正。

这样，作为上述各处理单位灰阶的ε滤波器的阈值，通过采用上述正态化可识别亮度差，可以对每个区域进行适当的灰阶校正。此外，根据每个上述亮度的可分辨的亮度差对应数据决定上述可识别亮度差。因此，可以进行对应于人的识别能力的灰阶校正。

在本说明书中，“亮度值”采用HSV颜色空间中的V值，不仅V值本身，还可以考虑基于背光源的亮度变化及或周围照明光等。

“中心代表值”是指在ε滤波器的周边像素区域的中心附近得到的像素的亮度的值。在下述实施方式中，把亮度用作表示亮度的值，但是不限于此。此外，在下述实施方式中，采用了中心像素的亮度值，但是不限于此，除了中心像素，也包括还考虑其周边像素的亮度的情况。而且，还包括不是用单纯平均，而是用加权平均求出的情况。

“每个亮度的可分辨的亮度差”是指平均的观察者正好(最小)可识别的亮度差，是包含JND(Just-Noticeable Difference(临界可见误差))的概念。

“JND指数(以下称为JNDI(临界可见误差指数))”是指以使JNDI中的1阶段回归到作为JND的亮度差的方式求出的知觉指数。即，普通的观察者作为等间隔的“明亮度”识别的指标。在DICOM(Digital Imaging andCommunication Medicine)(PS3.14-1999；卷14)中，采用Barten模型，定义为灰阶标准显示函数(Grayscale Standard Display Function；以下称为GSDF)。

“以JND为基准决定允许值”是表示以可分辨的亮度差即JND值作为基准允许到哪里，在下述实施方式中，设为10JND，但是不限于此。

“单位灰阶”是指构成各灰阶的一单位。例如，256灰阶中的1个灰阶。“处理单位灰阶”是指求出本件ε值和单位灰阶的对应的灰阶，在本实施方式中，作为处理单位灰阶采用了1单位灰阶，但是也可以采用多个单位灰阶。

“单调递增的关系”是指如实施方式不仅包括线性的情况，还包括如图3B所示的非线性的概念。

附图说明

图1是图像灰阶调节装置的框图。

图2是照明光分离部23的详细框图。

图3是用于说明JND和像素值的关系的图。

图4是表示阈值ε＝0.7的情况下的输入输出数据的图。

图5是表示阈值ε＝0.3的情况下的输入输出数据的图。

图6是表示阈值ε＝0.1的情况下的输入输出数据的图。

图7是表示根据输入像素值改变阈值ε的情况下的输入输出数据的图。

图8是表示根据输入像素值改变阈值ε的情况下的输入输出数据的图。

图9是设置环境光传感器的情况下的照明光分离部23的详细框图。

具体实施方式

下面，参照附图对本发明的实施方式进行说明。

(1.概要)

图1表示本发明涉及的包括灰阶校正装置的图像灰阶调节装置的概要图。在该实施方式中，照明光分离部23相当于灰阶校正装置。

HSV颜色空间变换部21进行从RGB颜色空间向HSV颜色空间的变换。对于从HSV颜色空间向RGB颜色空间变换，采用常规的变换式来进行。通过使用HSV颜色空间，除掉了利用YUV颜色空间进行明亮度调节所导致的色度减少效果，可以实现视觉上良好的明亮度校正。

照明光分离部23是边缘保持型LPF，进行局部明亮度的加权平均值即照明光成分的计算。直方图分析部37生成基于HSV空间中的输入图像和输出图像的V成分的32级灰阶直方图，并计算整个图像的特征量。参数自动调整部39根据直方图分析结果得到的图像特征量，决定照明光校正量的参数。

照明光校正部25根据从参数自动调节部39赋予的照明光校正量的参数值及从照明光分离部23赋予的照明光成分L，校正照明光成分的低灰阶区域。

反射率计算部27根据照明光分离部23求出的照明光成分及反射光成分(输入V值)的对数差分求出反射率来输出。

图像再合成部29根据照明光校正部25计算出的校正后照明光成分和反射率计算部27计算出的反射率成分，计算校正图像。范围校正部31基于值域校正量的参数值，进行像素的V成分的值域校正。照明光校正部25进行局部明亮度的校正，范围校正部31对整个图像进行明亮度校正。这样就能够对整个图像中的对比度进行最优化。

直方图分析部37根据基于范围校正部31的校正后的V值生成32分割的灰阶直方图，计算图像整体的特征量，赋予给参数自动控制部39。参数自动控制部39根据被赋予的特征量，决定范围校正量的参数。

色度校正部35校正低灰阶区域的色度。作为该低灰阶区域的色度校正，在本实施方式中使其选择增强或者减弱中的某一个。

RGB颜色空间变换部33进行从HSV颜色空间向RGB颜色空间的变换。

(2.详细内容)

利用图2对照明光分离部23的详细内容进行说明。

线存储器3存储HSV输入值，输出以对象像素为中心的提取范围M*M像素的HSV值。关注像素亮度计算器5提取出提取范围内的中心代表值赋予到阈值决定器7。在本实施方式中，作为中心代表值直接使用了提取范围内的中心像素的V值。

阈值决定器7接收上述中心代表值，通过下述公式(1)决定阈值ε。

阈值ε＝(中心代表值*α)+β…公式(1)

中心代表值是HSV颜色空间的V值，是0～1。在本实施方式中，如下进行说明，设为α＝0.7，β＝0.3。

ε滤波器12利用从线存储器3赋予的M*M像素的V值和从阈值决定器7赋予的阈值ε，只提取出与对象中心像素的像素差分值小于ε的像素，进行滤波处理。

对上述公式(1)的意义进行说明。

作为人能够识别亮度差异的阈值已知有JND(临界可见误差)。在亮度差比JND的值(以下称为JND值)小的情况下，几乎察觉不到多个像素之间的亮度差。该JND值在低亮度下减小，在高亮度下增大。这是因为对于亮度差，在低亮度下敏感、高亮度下迟钝的人的视觉特性导致的。

本案发明人认为：对于根据各装置的光学特性决定的各单位灰阶，若求出对于像素亮度的JND值，并根据该JND值决定中心代表值和阈值ε的关系，则可得到基于光晕伪迹和Retinex处理的校正平衡。

具体说明。例如，作为液晶及背光源的光学特性，若假设面板的最大亮度Lmax＝300[cd/m^2]，面板的最小亮度Lmin＝0.1[cd/m^2]，γ＝2.2、背光源强度BL＝1(正态化为0～1)，并且，面板的表面反射亮度(环境光)Latm＝30[cd/m^2]，则面板的灰阶(X)(正态化为0～1)和每个单位灰阶的亮度L可由下述公式(2)求出。

L＝BL*(Lmax-Lmin)*(X)^2.2+Lmin+Latm…公式(2)

图3A表示与所得到的面板的每个单位灰阶(X)(0～1)对应的亮度L的关系。

接着，对所得到的面板的单位灰阶(X)(0～1)的亮度值，求出对应的JND值(可识别的亮度差)。

这样，对各单位灰阶的亮度，通过计算与该亮度的JNDI对应的亮度和与下面的JNDI对应的亮度的差分，从而对该面板的每个单位灰阶(X)(0～1)得到对应的可识别的亮度差。

在本实施方式中，通过公式(3)求出对应于亮度的JNDI，通过公式(4)求出对应于JNDI的亮度。

[数学式1]

亮度→JNDI

j(L)＝A+B·Log₁₀(L)+C·(Log₁₀(L))²+D·(Log₁₀(L))³+E·(Log₁₀))⁴+F·(Log₁₀(L))⁵+G·(Log₁₀(L))⁶+H·(Log₁₀(L))⁷+I·(Log₁₀(L))⁸…公式(3)

A＝71.498068，B＝94.593053，C＝41.912053，D＝9.8247004

E＝0.28175407，F＝-1.1878455，G＝-0.18014349，H＝0.14710899

I＝-0.017046845

JNDI→亮度L的关系，以下式的值为基础，通过10的幂乘求出。

将此表示为j2v(JNDI)。

JNDI→亮度

${\log }_{10}L\left(j\right)\frac{a+c\·\mathrm{Ln}\left(j\right)+e\·{\left(\mathrm{Ln}\left(j\right)\right)}^2+g\·{\left(\mathrm{Ln}\left(j\right)\right)}^3+m\·{\left(\mathrm{Ln}\left(j\right)\right)}^4}{1+b\·\mathrm{Ln}\left(j\right)+d\·{\left(\mathrm{Ln}\left(j\right)\right)}^2+f\·{\left(\mathrm{Ln}\left(j\right)\right)}^3+h\·{\left(\mathrm{Ln}\left(j\right)\right)}^4+k\·{\left(\mathrm{Ln}\left(j\right)\right)}^5}$ …公式(4)

j＝1～1023

a＝-1.3011877，b＝-2.5840191E-2,c＝8.0242636E-2,d＝-1.0320229E-1

e＝1.3646699E-1，f＝2.8745620E-2，g＝-2.5468404E-2，h＝-3.1978977E-3

k＝1.2992634E-4，m＝1.3635334E-3

这时，可通过下述式(5)求出对应于对象JNDI的亮度与对应于下一JNDI的亮度之间的差分，即对象亮度中的JND值。

JND值＝j2v(JND_INDEX+1)？j2v(JND_INDEX)…公式(5)。

另外，作为有关JND或JNDI的模型，提出了Barten模型、Weber模型(可适用于中亮度区域)、DeVries-Rose模型(可适用于低亮度区域)、或者T.Ji模型等各种数理模型。Barten模型是通过数学性描述构建的视觉系统的生理学模型。从亮度向Barten-JNDI的变换式可以利用基于Blume等的近似式。而且，JNDI可以是基于数理模型，也可以是通过官能评价等经实验或经验发现的数值。并且，不仅只使用特定的JNDI，还可以使用更适合视觉特性的模型。

在图3B表示每个单位灰阶的JND值(亮度差)。

接着，对面板的每个单位灰阶求出对应于JND值的像素值，将其设为每个单位灰阶的阈值ε。在本实施方式中，用下述式(6)(7)求出对应于JND值的面板单位灰阶。

ε_luminance＝JND/(Lmax-Lmin)…公式(6)

ε＝ε_luminance^(1/2.2)…公式(7)

另外，是将面板的光学特性设为γ＝2.2时的变换，该γ不限于此。

这样，对面板的每个单位灰阶(X)(0～1)的可识别的JND值，按照与面板的最大输出值之间的比率进行反向γ校正，由此求出阈值ε。由此得到如图3C所示的关系。

接着，据此利用最小2乘法计算出基于一次函数的近似结果为图3D。

在上述环境下，在允许1JND的情况下，表示阈值ε和每个单位灰阶的亮度的关系的一次函数成为α＝0.071，β＝0.031。

若采用该值，可以在每个区域确实地去除光晕伪迹。

只是，在本实施方式中，如后所述设为允许10JND，以便通过留下很少的光晕伪迹，可进行视觉上得到立体感的灰阶校正。因此，成为α＝0.7，β＝0.3。

图2所示的ε滤波器12的平滑处理与现有技术相同，但在实施方式中，通过下述式(8)求出加权平均。

[数学式3]

$\mathrm{Ys}=\frac{\underset{i,j}{\mathrm{\Σ}}f\left(x_{i,j}\right)*F_{i,j}}{\underset{i,j}{\mathrm{\Σ}}k\left(x_{i,j}\right)*F_{i,j}}$ …公式(8)

在公式(1)中，∑表示低通滤波器大小的像素(例如，表示对M*M像素的块整体的运算，f(x)、k(x)用公式(9)、公式(10)表示。

[数学式4]

f(x_i，j)＝(|x_i，j-CENTER|＜DELTA)？x_i，j：0

                                …公式(9)

[数学式5]

k(x_i，j)＝(|x_i，j-CENTER|＜DELTA)？1：0

                              …公式(10)

即，若像素xi,j的亮度和中心像素值CENTER的亮度之差的绝对值小于阈值，则f(xi,j)成为像素xi,j的亮度，反之，则f(xi,j)＝0。

此外，若像素xi,j的亮度和中心像素值CENTER之差的绝对值小于阈值，则设为k(xi,j)＝1，反之，则k(xi,j)＝0，该像素xi,j不会成为低通滤波器的运算对象。

而且，f(xi,j)*Fi，j、k(xi,j)*Fi,j分别只表示卷积运算。此外，高斯滤波器系数F(i,j)则任意决定即可。

这样，在本实施方式中，如数学式(1)所示，将阈值ε设为基于提取范围的中心代表值变动的变动型值。即，在本实施方式中采用的ε高斯滤波器称作基于中心代表值的适应型ε高斯滤波器。

下面，利用图4～图8，对根据中心代表值使阈值ε变动时的效果进行说明。

图4～图8是分别表示使阈值ε变动时的输入像素值I、照明光成分L(ε滤波器的输出值)、反射率R(＝I/L)、校正照明光成分L’、输出像素值I’(＝RL’)的图。横轴为像素位置，纵轴为像素值。另外，在这些图中，以一维表示，但在二维下也同样。在图4到图8中，输入像素值I在像素位置0～350包含较大的交流成分。特别是，在像素位置50～100、150～200、250～300包含大的交流成分。而且，在像素位置50～100、150～200、250～300，周边亮度值越高，包含具有较大的振幅的交流成分。即，像素位置50～100的周边具有最大的振幅。在这种情况下，通过采用利用JND的阈值发生变动的滤波器，可以有效地分离这些交流成分(反射率成分)和直流成分(照明光成分)。

图4是假设阈值ε＝0.7(固定值)的情况。这时，如图4B所示，照明光成分L在像素位置50～100、150～200、250～300的任何交流成分大致被去除。相对于此，对反射率R，如图4C所示，在像素位置50～100的端部不产生波动，但在像素位置150～200、250～300的端部产生波动。并且，其结果，如图4E所示，虽然照度差最大的部分的光晕伪迹减少，但在照度差小的部分产生光晕伪迹。

图5是假设阈值ε＝0.3(固定值)的与图4相比稍减小阈值的情况。这时，与图4同样，照明光成分L在像素位置50～100、150～200、250～300的任何交流成分大致被去除。此外，对反射率R，如图5C所示，关于像素位置50～100、150～200消除了波动，但是在像素位置250～300产生少许波动。

这样，通过减小阈值ε的值，可以减小可去除光晕的照度差。

图6是假设阈值ε＝0.1(固定值)的情况。这时，若与图4及图5相比，关于反射率R，如图6C所示，不存在波动。但是，如图6B所示，照明光成分L在像素位置50～100，不能去除具有大的振幅的交流成分。其结果，如图6E所示，在亮度值高且振幅大的像素位置50～100，输出数据钝化。

这样，若过度减小阈值ε，则作为本来的低通滤波器的效果也降低。

图7表示设中心代表值的一次函数ε＝0.5*(中心像素值)而使阈值ε发生变化的情况。这样，通过使阈值ε根据中心代表值变化，对于像素位置50～100、150～200、250～300，即使是没有波动且如像素位置50～100那样振幅较大的区域，也可以进行校正照明光成分的分离。由此，能够维持作为低通滤波器的效果的同时大体去除光晕伪迹。

图8是作为中心代表值的一次函数设为ε＝0.7*(中心像素值)+0.3的情况。如图8C所示，在像素位置50～100、150～200、250～300的端部产生少许波动。其结果，如图8E所示，产生少许光晕。这是由于若是该程度，可增强立体感，并且，如已经说明，人几乎感觉不到。

这样，在本实施方式中，将上述阈值ε设为针对中心像素值的单调递增函数。因此，即使存在上述少许光晕伪迹，对于人难以感觉到光晕伪迹的高亮度区域，将上述阈值设为较大，对于若上述阈值不小则可对容易感觉光晕伪迹的低亮度区域，将上述阈值设为较小。

如以上说明，根据低通滤波器的中心像素的V值变更上述阈值ε，由此能够对每个区域采用不同的阈值ε。此外，使阈值ε线性变动，以使其低通滤波器的中心像素的V值增大则增大，低通滤波器的中心像素的V值减小则减小。由此，可以进行根据JND的技术性质的变动。

此外，根据上述允许的JND步数(在本实施方式中为10JND)决定上述式(1)，从而能够进行可取得光晕伪迹和Retinex处理的平衡的灰阶校正。此外，通过以表示阈值ε和每个单位灰阶的亮度的关系的一次函数定义，若设为α＝0、β＝1，则成为一般的高斯滤波器，若设为α＝1、β＝0，则阈值ε根据中心像素的亮度值发生动态变化，所以维持作为低通滤波器的效果，同时可以减轻光晕伪迹。

这样，只要将根据允许的JND步数上述校正后的可识别亮度差乘上规定的系数的值作为上述各单位灰阶的ε滤波器的阈值即可。

(3.其它实施方式)

在本实施方式中，作为像素值采用了HSV颜色空间的明亮度，但是也可以采用HLS颜色空间的亮度。此外，也可以采用RGB值、YUV值。

在本实施方式中，根据低通滤波器的中心像素的亮度改变上述阈值，但是不仅仅中心像素的亮度，还可以考虑其周边像素的亮度。例如，在20*20像素大小的低通滤波器的情况下，可以将包含中心像素的3*3像素的平均值用作中心代表值。这时，可以按越是位于中心就越增大加权的加权平均求出。此外，例如，可以是上述20*20像素的低通滤波器的全区域的加权平均。

而且，在本实施方式中，除了面板的最大亮度及最小亮度，通过假定环境光，决定分配到上述像素的分配亮度值和各单位灰阶的对应。即，将环境光设为假定的固定值来求出上述式(1)，决定阈值ε。但是，不限于此，也可以设置如图9所示的计测环境光的环境光传感器9，赋予到阈值决定部7。这样，通过利用基于环境光检测部的检测值，可以动态地变更与单位灰阶亮度的阈值ε之间的关系式。

这时，可以每次进行图3的计算，此外，也可以预先计算好环境光从最小假想值变动到最大假想值的情况下的ε值，并参照该对应表。

关于上述各部分，可以用硬件、软件中任一种来实现。

此外，在本实施方式中，在求出分配到上述像素的分配亮度值和各单位灰阶的对应时，还考虑γ特性来求出分配到像素的分配亮度值和各单位灰阶的对应，并且，对上述可识别亮度差进行去除上述γ特性校正的校正，求出该校正后的可识别亮度差和上述各单位灰阶的对应。这是考虑JNDI相关的γ特性，作为模型已经求出上述特定的亮度和其亮度的JND对应，所以先进行γ校正后，进行上述反向γ校正。因此，相关的处理是任意的。

在本实施方式中，根据如图3C所示的上述校正后的可识别亮度差和上述各单位灰阶的亮度值、该亮度值的可识别亮度差决定的ε值的关系，求出基于两者的一次函数的近似式。但是，也可以不采用相关的近似式，而是采用图3C所示的关系。具体而言，预先以查询表形式存储两者的关系来读取即可。这样，不限于使阈值ε线性变动的情况，只要如图3C所示的ε和单位灰阶亮度满足单调递增函数的关系就可以。这时，在本实施方式中，以(Lmax-Lmin)进行正态化，但是不限于该正态化。此外，对于反向γ校正也同样。

附图标记说明

3   线存储器

5   关注像素亮度计算器

7   阈值决定器

9   环境光传感器

12  ε滤波器

Claims (10)

1.一种灰阶校正方法，在显示装置中，根据视网膜大脑皮层理论进行灰阶校正，其特征在于，

根据每个显示装置的最大亮度及最小亮度，求出分配到各处理单位灰阶的分配亮度值；

根据每个亮度的可分辨的亮度差对应数据，对上述各处理单位灰阶的上述各分配亮度值求出可分辨的亮度差；

根据上述各处理单位灰阶中的可分辨的亮度差，求出与上述各分配亮度值成为单调递增关系的ε滤波器中的阈值；

若对上述ε滤波器赋予规定区域的输入图像数据，则利用对应于该输入图像数据的中心代表值的ε滤波器的阈值进行灰阶校正。

2.如权利要求1所述的灰阶校正方法，其特征在于，

根据上述最大亮度、上述最小亮度和环境光，求出各处理单位灰阶的上述分配亮度值。

3.如权利要求2所述的灰阶校正方法，其特征在于，

根据通过环境光检测部件检测出的环境光，使上述各处理单位灰阶的上述ε滤波器的阈值的关系式动态变动。

4.一种灰阶校正装置，在显示装置中，根据视网膜大脑皮层理论进行灰阶校正，其特征在于，具备：

提取部:当赋予输入到上述ε滤波器的规定区域的输入图像数据时，提取ε滤波器运算中使用的位于周边像素区域的中心附近的中心代表值；

阈值决定部:存储有上述中心代表侯补值和ε滤波器的阈值之间的对应关系，当赋予上述中心代表值时，根据上述对应关系，决定对应的阈值；

ε滤波器:对所输入的规定区域的输入图像数据，利用由上述阈值决定部决定的阈值进行平滑化运算；以及

灰阶校正部:将上述ε滤波器的输出值作为照明光成分进行灰阶校正。

5.一种ε滤波器的阈值决定装置，是视网膜大脑皮层理论处理中的ε滤波器的阈值决定装置，其特征在于，具备：

提取部:提取ε运算中使用的位于周边像素区域中心附近的中心代表值；以及

阈值决定部:存储有上述中心代表侯补值和ε滤波器的阈值之间的对应关系，当赋予上述中心代表值时，根据上述对应关系，输出对应的阈值；

上述中心代表侯补值和ε滤波器的阈值之间的对应关系是在特定的亮度值中根据可分辨的亮度差决定的单调递增关系。

6.如权利要求5所述的ε滤波器的阈值决定装置，其特征在于，

上述中心代表值是ε滤波器运算中使用的周边像素区域中的中心像素的亮度。

7.如权利要求5或6所述的ε滤波器的阈值决定装置，其特征在于，

以下述式表示上述中心代表侯补值和ε滤波器的阈值之间的对应关系，

ε＝(中心代表值*α)+β

其中，α及β是从0到1的小数，上述中心代表值在0～1内正态化。

8.如权利要求5～7中任一项所述的ε滤波器的阈值决定装置，其特征在于，

具备检测环境光的环境光检测部，

上述阈值决定部存储有对应于上述环境光的值的上述中心代表侯补值和ε滤波器的阈值之间的多个对应关系，根据上述检测出的环境光，选择任意多个对应关系中的某一个来输出对应的阈值。

9.一种视网膜大脑皮层理论处理中的ε滤波器的阈值决定方法，其特征在于，

对被分配的各处理单位灰阶的分配亮度值，根据每个亮度的可分辨的亮度差对应数据，求出每个上述处理单位灰阶的可分辨的亮度差，

根据每个上述处理单位灰阶的可分辨的亮度差，以使赋予上述ε滤波器的中心代表值的关系成为单调递增关系的方式决定每个处理单位灰阶的分配亮度和上述ε滤波器的阈值。

10.一种灰阶校正方法，在显示装置中，根据视网膜大脑皮层理论进行灰阶校正，其特征在于，

根据每个显示装置的最大亮度及最小亮度，求出分配到各处理单位灰阶的分配亮度值；

根据每个亮度的可分辨的亮度差对应数据，对上述各处理单位灰阶的上述各分配亮度值求出可分辨的亮度差；

利用上述显示装置的最大亮度和最小亮度之差将上述各处理单位灰阶的可分辨的亮度差进行正态化而求出正态化可分辨亮度差，由此，求出上述各处理单位灰阶的正态化可分辨亮度差；

根据上述各处理单位灰阶的上述正态化可分辨亮度差，决定上述各处理单位灰阶的ε滤波器的阈值；

若对上述ε滤波器赋予规定区域的输入图像数据，则利用对应于该输入图像数据的中心代表值的ε滤波器的阈值进行灰阶校正。