CN107527051B - 一种感知图像内容的oled低功耗显示方法 - Google Patents

一种感知图像内容的oled低功耗显示方法 Download PDF

Info

Publication number
CN107527051B
CN107527051B CN201610451991.4A CN201610451991A CN107527051B CN 107527051 B CN107527051 B CN 107527051B CN 201610451991 A CN201610451991 A CN 201610451991A CN 107527051 B CN107527051 B CN 107527051B
Authority
CN
China
Prior art keywords
image
roi
value
pixel point
formula
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201610451991.4A
Other languages
English (en)
Other versions
CN107527051A (zh
Inventor
郭兵
沈艳
李德光
曹亚波
李君科
黄彦辉
王丹
黄义纯
张鹏博
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sichuan University
Original Assignee
Sichuan University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Sichuan University filed Critical Sichuan University
Priority to CN201610451991.4A priority Critical patent/CN107527051B/zh
Publication of CN107527051A publication Critical patent/CN107527051A/zh
Application granted granted Critical
Publication of CN107527051B publication Critical patent/CN107527051B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/73—Deblurring; Sharpening
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • G06T2207/20028—Bilateral filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20172—Image enhancement details
    • G06T2207/20192—Edge enhancement; Edge preservation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Electroluminescent Light Sources (AREA)
  • Control Of Indicators Other Than Cathode Ray Tubes (AREA)
  • Control Of El Displays (AREA)

Abstract

本发明公布了一种感知图像内容的OLED低功耗显示方法。方法的核心是在保留图像感兴趣域信息的同时抑制图像非兴趣域的细节信息，首先利用Candy边缘检测算法提取图像的感兴趣域，然后逐级调节图像非兴趣域到图像边界的亮度和饱和度，采用平均结构相似系数(MSSIM)评价原图像与输出图像在结构上的相似性，从而实现在保证图像整体质量的同时降低图像的显示功耗。实验结果表明本发明提出的方法在保证图像的MSSIM≥0.9时，平均节约25.6％的显示功耗。

Description

一种感知图像内容的OLED低功耗显示方法
所属技术领域
本发明涉及感知图像内容的OLED低功耗显示技术领域，尤其是涉及一种感知图像内容的OLED低功耗显示方法。
背景技术
在计算机设备和智能移动设备中，显示屏消耗的能量是系统总能量的38％-50％，特别是对于能量受限的移动设备，对显示能耗的建模和优化已成为低功耗研究的重要问题。OLED显示技术采用非常薄的有机材料涂层和玻璃基板，当有电流通过时，驱动有机材料发光产生不同的颜色，OLED的显示功耗直接取决于显示内容及其色彩强度。不同于传统的LCD显示技术需要高强度的背光，OLED由于自身自发光特性使得OLED具有可视角度大，低功耗，制造工艺简单和成本更低的特点，目前被广泛的应用在各种移动设备中。传统的LCD通常通过降低背光强度降低显示能耗，而OLED可通过调节显示内容和色彩强度降低功耗。
本发明借鉴借助其他方法，但针对其提出的假设的局限性，提出一种感知图像内容的OLED低功耗显示方法。首先使用图像边缘检测算法提取出图像的感性兴趣域(ROI)，而非假定内容中心区域为ROI；然后逐级调节图像非兴趣域(NON-ROI)到图像边界的亮度和饱和度，实验结果表明本文提出的方法在显著降低图片显示功耗的同时保持较高的图像质量。
发明内容
本发明的目的在于提供一种感知图像内容的OLED低功耗显示方法。
本发明解决其技术难题所采用的技术方案的步骤如下：
1)图像兴趣域(ROI)提取方法的提出
采用Candy边缘检测算法进行ROI提取，其主要步骤为：
●得到图像中每个像素点的R、G、B三个分量PR、PG、PB的平均值，通过公式(1)得到每一个像素点的灰度值Pgray，进而将整个图像灰度化：
Pgray＝PR*0.299+PG*0.587+PB*0.114 (1)
●为了防止Candy算法在降噪时模糊边缘，采用双边滤波器对图像进行滤波处理，其公式为：
Figure BDA0001023623220000011
其中Ifiltered为输出图像，I为输入图像，x是当前被过滤像素的坐标，Ω是以像素点x为中心的邻域窗口，fr是值域核函数，gs是空域核函数；
●利用图像x方向与y方向的梯度，通过公式(3)得到图像的梯度方向，然后对图像中梯度方向变化最大的位置进行梯度非极大值抑制，将模糊的边缘变得清晰：
Figure BDA0001023623220000021
其中Gx、Gy表示x方向和y方向的梯度；
●采用基于双阈值的Candy边缘检测算法对上述步骤的结果进行边缘选取，将非边缘像素从结果中剔除，然后通过边界强弱进行边缘连接，直到整个图像边缘闭合，以此确定图像的边缘，完成图像RIO的提取。
2)图像亮度调节方法的提出
通过公式(4)得到每一个像素点的亮度，然后通过公式(5)逐级降低像素点的亮度：
L＝(Pin(R)+Pin(G)+Pin(B))/3 (4)
L′＝L*(1-a*(ni/N)) (5)
其中，L为原像素亮度，L′为调节后的像素亮度，Pin表示图像中任意像素点，a为调节强度，取值范围为0～1，N为渐变级数，取值范围为3～15，ni为像素点所处区域的渐变级数，初值为1，其后级数的值依次递增。
3)图像饱和度调节方法的提出
通过公式(6)得到每一个像素点的饱和度，然后通过公式(7)调节每一个像素点的饱和度：
Figure BDA0001023623220000022
Figure BDA0001023623220000023
其中，Δs表示预设的RGB颜色分量差异，其值预设为60，X是颜色分量的调节量，N为渐变级数，ni为像素点所处区域的渐变级数。
4)感知图像内容的OLED低功耗显示方法
●通过ROI提取，获取图像ROI的坐标矩阵MROI和非图像兴趣域(NON-ROI)的坐标矩阵MNON-ROI；
●以图像ROI为中心，获取图像NON-ROI到图像边界的距离，确定NON-ROI的渐变层数N，根据N划分图像NON-ROI区域的渐变矩阵集合M＝{Mi|i＝1,2,…,N,Mi∈MNON-ROI}；
●获取Mi中每个像素点P(x,y)的亮度分量L(x,y)，在原图亮度分量基础上按公式(5)进行调节；
●获取图像渐变矩阵集合Mi中每个像素点P(x,y)的饱和度分量S(x,y)，在原图饱和度分量基础上按公式(7)进行调节；
●计算图像NON-ROI的MSSIM值，如MSSIM值不能满足要求，则根据MSSIM值调整渐变层数N，重复步骤2,3,4，直至图像的MSSIM满足要求；
合并原图像中的ROI矩阵和调节后的NON-ROI矩阵，输出新的节能图片。
附图说明
图1三种颜色分量在不同强度下的功耗
图2线性拟合后三种颜色分量在不同强度下的功耗
图3测试样本降低功耗比例分布图
图4测试样本降低功耗比例分布图
具体实施方式
下面结合实例对本发明作进一步的说明：
1)实验环境描述
●选取型号为μOLED-32028-P1 AMOLED作为本文显示实验平台，其分辨率为320×240，色数为65K；
●采用HOIKI 3334多功能功率测量仪器测量瞬时功耗和累计功耗，KA3005P数控直流电源提供稳定可控电压；
●对每一个颜色分量测量中，首先用当前颜色填充整个OLED屏幕，调节颜色强度并记录当前颜色强度下屏幕功耗，每个强度的测量时间为30s，计算其平均值作为当前强度下的颜色功耗，测量结果如图1所示。
2)实验样本描述
●选取图像“penguin”对本文提出的方法进行验证，图像来自于Google图像库(image.google.com)；
●使用两种图像低功耗方法：亮度调节策略(称为WLA方法)和饱和度调节策略(称为WSA方法)进行对比试验；
●随机从Google图像库中选取200张图像进行统计分析以验证方法的有效性。
3)实验图表描述
●表1描述了应用三种方法后的图像各个属性信息，符号“—”表示当前属性值无变化，表中负值表示图像属性值相比原值的调节刻度；
●图3描述了原始图像及应用各调节方法后的图像显示功耗对比图；
●图4为200张图像应用ALS方法后的节能比例分布图。
4)实验结果分析
●根据对表1和图3中观察和分析，应用3种方法输出的图像比原始图像都具有更低的功耗；而且当调节级数逐渐增大时，图像的MSSIM不断增大而降低的功耗无明显变化，其使得图像的亮度和饱和度变化趋于更加平缓，更能保持图像质量；
●当图像的MSSIM＝0.95时，应用WLA方法降低图像亮度18.62％，图像功耗降低31％；应用WSA方法图像饱和度降低21.78％，功耗降低21.98％；应用ALS方法当N＝0时，图像亮度降低16.74％，饱和度降低13.28％，图像功耗降低35％；当N＝9时，图像亮度降低23.56％，饱和度降低17.63％，图像功耗降低32.21％，说明ALS调节方法在降低图像功耗时更加有效；
●在保证图像的MSSIM≥0.9，从图4中可以观察到41％的实验样本实现降低功耗为20％-30％，24％的实验样本实现降低功耗为30％-40％，所有试验样本平均降低功耗为25.6％。
表1图像应用3种方法后的各项属性信息
Figure BDA0001023623220000041

Claims (1)

1.一种感知图像内容的OLED低功耗显示方法，其特征在于该方法的步骤如下：
1)图像兴趣域ROI提取方法的提出
采用Candy边缘检测算法进行ROI提取，其主要步骤为：
得到图像中每个像素点的R、G、B三个分量PR、PG、PB的平均值，通过公式(1)得到每一个像素点的灰度值Pgray，进而将整个图像灰度化：
Pgray＝PR*0.299+PG*0.587+PB*0.114 (1)
为了防止Candy算法在降噪时模糊边缘，采用双边滤波器对图像进行滤波处理，其公式为：
Figure FDA0002415420060000011
其中Ifiltered为输出图像，I为输入图像，x是当前被过滤像素的坐标，Ω是以像素点x为中心的邻域窗口，fr是值域核函数，gs是空域核函数；
利用图像x方向与y方向的梯度，通过公式(3)得到图像的梯度方向，然后对图像中梯度方向变化最大的位置进行梯度非极大值抑制，将模糊的边缘变得清晰：
Figure FDA0002415420060000012
其中Gx、Gy表示x方向和y方向的梯度；atan2为计算Gy及Gx的反正切值的函数；
采用基于双阈值的Candy边缘检测算法对上述步骤的结果进行边缘选取，将非边缘像素从结果中剔除，然后通过边界强弱进行边缘连接，直到整个图像边缘闭合，以此确定图像的边缘，完成图像RIO的提取；
2)图像亮度调节方法的提出
通过公式(4)得到每一个像素点的亮度，然后通过公式(5)逐级降低像素点的亮度：
L＝(Pin(R)+Pin(G)+Pin(B))/3 (4)
L’＝L*(1-a*(ni/N)) (5)
其中，L为原像素亮度，L’为调节后的像素亮度，Pin表示图像中任意像素点，a为调节强度，取值范围为0～1，N为渐变级数，取值范围为3～15，ni为像素点所处区域的渐变级数，初值为1，其后级数的值依次递增；
3)图像饱和度调节方法的提出
通过公式(6)得到每一个像素点的饱和度，然后通过公式(7)调节每一个像素点的饱和度：
Figure FDA0002415420060000021
Figure FDA0002415420060000022
其中，S为饱和度值，Δs表示预设的RGB颜色分量差异，其值预设为60，X是颜色分量的调节量，N为渐变级数，取值范围3～15，ni为像素点所处区域的渐变级数,初值为1，其后级数值依次递增；
4)感知图像内容的OLED低功耗显示方法
a.通过ROI提取，获取图像ROI的坐标矩阵MROI和非图像兴趣域NON-ROI的坐标矩阵MNON-ROI；
b.以图像ROI为中心，获取图像NON-ROI到图像边界的距离，确定NON-ROI的渐变层数N，根据N划分图像NON-ROI区域的渐变矩阵集合M＝{Mi|i＝1,2,…,N,Mi∈MNON-ROI}；
c.获取Mi中每个像素点P(x,y)的亮度分量L(x,y)，在原图亮度分量基础上按公式(5)进行调节；
d.获取图像渐变矩阵集合Mi中每个像素点P(x,y)的饱和度分量S(x,y)，在原图饱和度分量基础上按公式(7)进行调节；
e.计算图像NON-ROI的MSSIM值，如MSSIM值不能满足要求，则根据MSSIM值调整渐变层数N，重复步骤b,c,d，直至图像的MSSIM满足要求；
f.合并原图像中的ROI矩阵和调节后的NON-ROI矩阵，输出新的节能图片。
CN201610451991.4A 2016-06-21 2016-06-21 一种感知图像内容的oled低功耗显示方法 Expired - Fee Related CN107527051B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610451991.4A CN107527051B (zh) 2016-06-21 2016-06-21 一种感知图像内容的oled低功耗显示方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610451991.4A CN107527051B (zh) 2016-06-21 2016-06-21 一种感知图像内容的oled低功耗显示方法

Publications (2)

Publication Number Publication Date
CN107527051A CN107527051A (zh) 2017-12-29
CN107527051B true CN107527051B (zh) 2020-05-15

Family

ID=60735086

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610451991.4A Expired - Fee Related CN107527051B (zh) 2016-06-21 2016-06-21 一种感知图像内容的oled低功耗显示方法

Country Status (1)

Country Link
CN (1) CN107527051B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110379358B (zh) * 2019-07-04 2021-03-30 南京宇丰晔禾信息科技有限公司 Led显示屏图像播控方法、装置
CN117198219B (zh) * 2023-11-07 2024-02-27 惠科股份有限公司 显示屏显示方法、设备、存储介质及装置

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1886777A (zh) * 2003-11-25 2006-12-27 摩托罗拉公司 用于背光显示器中图像优化的方法和装置
CN101385071A (zh) * 2005-12-22 2009-03-11 捷讯研究有限公司 用于降低电子设备的显示器中的功耗的方法和设备
CN103559694A (zh) * 2013-10-28 2014-02-05 四川大学 一种基于hsv色彩空间的oled低功耗方法
CN104050443A (zh) * 2013-03-13 2014-09-17 英特尔公司 使用肤色检测的视频流的姿势预处理
CN104270570A (zh) * 2014-10-17 2015-01-07 北京英泰智软件技术发展有限公司 双目摄像机及其图像处理方法
CN104616258A (zh) * 2015-01-26 2015-05-13 中南大学 一种针对道路图像的快速去雾方法
CN105451021A (zh) * 2015-10-05 2016-03-30 上海大学 一种低功耗无线微显示系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8411938B2 (en) * 2007-11-29 2013-04-02 Sri International Multi-scale multi-camera adaptive fusion with contrast normalization
US9520079B2 (en) * 2014-03-26 2016-12-13 Samsung Electronics Co., Ltd. Storage and carriage of green metadata for display adaptation

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1886777A (zh) * 2003-11-25 2006-12-27 摩托罗拉公司 用于背光显示器中图像优化的方法和装置
CN101385071A (zh) * 2005-12-22 2009-03-11 捷讯研究有限公司 用于降低电子设备的显示器中的功耗的方法和设备
CN104050443A (zh) * 2013-03-13 2014-09-17 英特尔公司 使用肤色检测的视频流的姿势预处理
CN103559694A (zh) * 2013-10-28 2014-02-05 四川大学 一种基于hsv色彩空间的oled低功耗方法
CN104270570A (zh) * 2014-10-17 2015-01-07 北京英泰智软件技术发展有限公司 双目摄像机及其图像处理方法
CN104616258A (zh) * 2015-01-26 2015-05-13 中南大学 一种针对道路图像的快速去雾方法
CN105451021A (zh) * 2015-10-05 2016-03-30 上海大学 一种低功耗无线微显示系统

Non-Patent Citations (10)

* Cited by examiner, † Cited by third party
Title
"A high dynamic-range CMOS image sensor with locally adjusting charge supply mechanism";Wei-Jean Liu et al.;《48th Midwest Symposium on Circuits and Systems》;20060221;全文 *
"GPU内置传感器的功耗数据矫正方法研究";李君科 等;《电子科技大学学报》;20160331;第45卷(第2期);全文 *
"Low-Power Sensor Polling for Context-Aware Services on Smartphones";Jihe Wang et al.;《2015 IEEE 17th International Conference on High Performance Computing and Communications, 2015 IEEE 7th International Symposium on Cyberspace Safety and Security, and 2015 IEEE 12th International Conference on Embedded Software and Systems》;20150826;全文 *
"Saturation adjustment method based on human vision with YCbCr color model characteristics and luminance changes";Jen-Shiun Chiang et al.;《 2012 International Symposium on Intelligent Signal Processing and Communications Systems》;20130307;全文 *
"一种基于HSV色彩空间的OLED低功耗方法";段林涛 等;《光电子 激光》;20141031;第24卷(第10期);全文 *
"基于Android平台的图像预处理系统的研究";关强 等;《内蒙古农业大学学报（自然科学版）》;20150930;第36卷(第5期);全文 *
"基于HIS变换和亮度调节的遥感图像融合方法";杨俊 等;《计算机应用研究》;20070430;第24卷(第4期);全文 *
"基于兴趣点的图像检索";刘毅;《中国优秀硕士学位论文全文数据库 信息科技辑》;20061215;全文 *
"网络控制系统变采样周期智能动态调度策略";沈艳 等;《四川大学学报（工程科学版）》;20100131;第42卷(第1期);全文 *
"面向创新思维与创业实践的电子商务教学改革探索";黄彦辉 等;《软件导刊》;20110228;第10卷(第2期);全文 *

Also Published As

Publication number Publication date
CN107527051A (zh) 2017-12-29

Similar Documents

Publication Publication Date Title
Gao et al. Naturalness preserved nonuniform illumination estimation for image enhancement based on retinex
Wang et al. Simple low-light image enhancement based on Weber–Fechner law in logarithmic space
Chen et al. Robust image and video dehazing with visual artifact suppression via gradient residual minimization
CN112634156B (zh) 基于便携式设备采集图像估计材质反射参数的方法
TWI536341B (zh) 顯示補償方法與顯示補償系統
CN106910487B (zh) 一种显示器的驱动方法和驱动装置
DE202018006751U1 (de) Burn-In-Statistiken und Burn-In Kompensation
DE112014005542T5 (de) OLED Anzeigesystem und -verfahren
CN105513559B (zh) 一种图像处理方法及显示装置
CN113724652B (zh) OLED显示面板Mura的补偿方法、装置及可读介质
US11074888B2 (en) Image data processing method and apparatus, image display method and apparatus, storage medium and display device
CN105447825B (zh) 图像去雾方法及其系统
CN103971340A (zh) 一种高位宽数字图像动态范围压缩和细节增强方法
WO2011031331A1 (en) Interactive tone mapping for high dynamic range video
CN107068042B (zh) 图像处理方法
Chang et al. SSIM-based quality-on-demand energy-saving schemes for OLED displays
CN103559694A (zh) 一种基于hsv色彩空间的oled低功耗方法
CN107527051B (zh) 一种感知图像内容的oled低功耗显示方法
CN109243384A (zh) 显示设备及其驱动方法、驱动装置和计算机可读介质
CN104504666B (zh) 一种基于拉普拉斯金字塔的色调映射方法
CN104346791B (zh) 一种校正流动池内粒子成像缺陷的方法
CN110969584B (zh) 一种低照度图像增强方法
CN109935206B (zh) 基于神经网络的显示器件亮度补偿方法、装置及设备
Kim Image enhancement using patch-based principal energy analysis
Li et al. An adaptive algorithm for the display of high-dynamic range images

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20200515

Termination date: 20210621