CN109358438B

CN109358438B - 云纹评价方法、装置和系统

Info

Publication number: CN109358438B
Application number: CN201811275791.3A
Authority: CN
Inventors: 徐晓娜; 柳在健; 王新星; 贾倩; 詹裕程; 孙雪菲
Original assignee: BOE Technology Group Co Ltd
Current assignee: BOE Technology Group Co Ltd
Priority date: 2018-10-30
Filing date: 2018-10-30
Publication date: 2021-03-26
Anticipated expiration: 2038-10-30
Also published as: CN109358438A

Abstract

本发明是关于一种云纹评价方法、装置和系统，属于电子技术应用领域。所述方法包括获取从指定视角拍摄的在待评价显示屏上显示的人眼特征图像，得到待处理图像，该人眼特征图像为人眼观察指定的初始图像时，在人眼中所呈现的图像的模拟图像；对待处理图像进行第一降噪处理得到参考图像；对待处理图像进行第二降噪处理得到测试图像；获取参考图像和测试图像的亮度差值图像；基于亮度差值图像确定人眼云纹图像；基于人眼云纹图像，确定云纹特征值，云纹特征值用于表征云纹的严重程度。本发明可以定量化地表征云纹的严重程度，提高了云纹评价的准确性与精度。本发明用于显示屏云纹严重程度的评价。

Description

云纹评价方法、装置和系统

技术领域

本发明涉及电子技术应用领域，特别涉及一种云纹评价方法、装置和系统。

背景技术

电子设备的显示屏是人们观看电子设备时直接与人眼发生作用的器件，但是，由于制造工艺的限制，或者驱动因素的影响，显示屏上通常会出现云纹(英文：mura)，云纹是指由于显示屏显示亮度不均匀而产生的各种痕迹，这些云纹会影响电子设备对其显示内容的显示效果。为了减少显示屏上出现云纹的现象，通常需要先确定显示屏中云纹的严重程度，并基于对较为严重的云纹进行补偿。

目前可以通过人眼观察等方式来评价云纹的严重程度，但是这样的评价方式精度较低。

发明内容

为了实现，本发明实施例提供了一种。所述技术方案如下：

根据本发明实施例的第一方面，提供一种云纹评价方法，包括：

获取从指定视角拍摄的在待评价显示屏上显示的人眼特征图像，得到待处理图像，所述人眼特征图像为人眼观察指定的初始图像时，在人眼中所呈现的初始图像的模拟图像；

对所述待处理图像进行第一降噪处理得到参考图像；

对所述待处理图像进行第二降噪处理得到测试图像，所述第二降噪处理的降噪程度小于所述第一降噪处理的降噪程度；

获取所述参考图像和所述测试图像的亮度差值图像；

基于所述亮度差值图像确定人眼云纹图像，所述人眼云纹图像用于反映所述待评价显示屏上的云纹区域；

基于所述人眼云纹图像，确定云纹特征值，所述云纹特征值用于表征云纹的严重程度。

可选的，所述基于所述亮度差值图像确定人眼云纹图像，包括：

对所述亮度差值图像进行对比敏感度卷积处理得到人眼云纹图像。

可选的，所述获取所述参考图像和所述测试图像的亮度差值图像，包括：

对所述测试图像进行高斯卷积处理得到第一亮度滤波图像；

对所述参考图像进行高斯卷积处理得到第二亮度滤波图像；

获取第一亮度滤波图像与第二亮度滤波图像的亮度差值图像。

可选的，所述获取第一亮度滤波图像与第二亮度滤波图像的亮度差值图像，包括：

基于亮度差值公式计算所述亮度差值图像；

所述亮度差值公式为：(A-B)/(A+B)；

其中，A为所述第一亮度滤波图像的亮度值，B为所述第二亮度滤波图像的亮度值。

根据本发明实施例的第二方面，提供一种云纹评价装置，包括：

第一获取模块，用于获取从指定视角拍摄的在待评价显示屏上显示的人眼特征图像，得到待处理图像，所述人眼特征图像为人眼观察指定的初始图像时，在人眼中所呈现的初始图像的模拟图像；

第一降噪处理模块，用于对所述待处理图像进行第一降噪处理得到参考图像；

第二降噪处理模块，用于对所述待处理图像进行第二降噪处理得到测试图像，所述第二降噪处理的降噪程度小于所述第一降噪处理的降噪程度；

第二获取模块，用于获取所述参考图像和所述测试图像的亮度差值图像；

第一确定模块，用于基于所述亮度差值图像确定人眼云纹图像，所述人眼云纹图像用于反映所述待评价显示屏上的云纹区域；

第二确定模块，用于基于所述人眼云纹图像，确定云纹特征值，所述云纹特征值用于表征云纹的严重程度。

可选的，所述第一确定模块，用于：

可选的，所述第二获取模块，用于：

对所述参考图像的亮度图像进行高斯卷积处理得到第一亮度滤波图像；

对所述测试图像的亮度图像进行高斯卷积处理得到第二亮度滤波图像；

根据本发明实施例的第三方面，提供一种云纹评价装置，所述装置包括：

处理器；

用于存储所述处理器的可执行指令的存储器；

其中，所述处理器被配置为执行第一方面任一云纹评价方法。

根据本发明实施例的第四方面，提供一种云纹评价系统，包括：

生成装置，用于基于所述待评价显示屏的显示参数，生成所述人眼特征图像；

图像采集装置，用于从指定视角拍摄在待评价显示屏上显示的人眼特征图像，得到待处理图像，所述人眼特征图像为人眼观察指定的初始图像时，在人眼中所呈现的初始图像的模拟图像；

云纹评价装置，所述云纹评价装置为第二方面任一所述的云纹评价装置。

根据本发明实施例的第五方面，提供一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述可读存储介质在处理组件上运行时，使得处理组件执行如第一方面任一所述的云纹评价方法。

本发明的实施例提供的技术方案可以包括以下有益效果：

本发明实施例提供的云纹评价方法、装置和系统，可以拍摄待评价显示屏上显示的人眼特征图像得到待处理图像，并通过对该待处理图像分别进行第一降噪处理和第二降噪处理得到参考图像和测试图像，可以通过获取该参考图像和该测试图像的亮度差值图像确定人眼云纹图像，基于该人眼云纹图像最终确定云纹特征值，该云纹特征值可以定量化地表征云纹的严重程度，提高了云纹评价的准确性与精度。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本发明。

附图说明

为了更清楚地说明本发明的实施例，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是根据相关技术示出的一种云纹评价方法的实施环境示意图；

图2是根据一示例性实施例示出的一种云纹评价方法的流程图；

图3是根据一示例性实施例示出的另一种云纹评价方法的流程图；

图4是根据一示例性实施例示出的一种获取人眼特征图像方法的流程图；

图5是根据一示例性实施例示出的一种初始图像的示意图；

图6是根据一示例性实施例示出的一种亮度分量图的示意图；

图7是根据一示例性实施例示出的一种色度分量图的示意图；

图8是根据一示例性实施例示出的另一种亮度分量图的示意图；

图9是根据一示例性实施例示出的一种比敏感度函数之间关系的曲线图；

图10是根据一示例性实施例示出的一种亮度通道的对比敏感度函数的曲线图；

图11是根据一示例性实施例示出的一种色度通道的对比敏感度函数的曲线图；

图12是根据一示例性实施例示出的另一种色度通道的对比敏感度函数的曲线图；

图13是根据一示例性实施例示出的一种亮度通道色彩通道的示意图；

图14是根据一示例性实施例示出的一种色度通道色彩通道的示意图；

图15是根据一示例性实施例示出的另一种色度通道色彩通道的示意图；

图16是根据一示例性实施例示出的另一种亮度分量图的示意图；

图17是根据一示例性实施例示出的又一种色度分量图的示意图；

图18是根据一示例性实施例示出的再一种色度分量图的示意图；

图19是根据一示例性实施例示出的一种人眼特征图像的示意图；

图20是根据一示例性实施例示出的一种待处理图像的示意图；

图21是根据一示例性实施例示出的一种确定云纹特征值方法的流程图；

图22是根据一示例性实施例示出的一种待参考图像的示意图；

图23是根据一示例性实施例示出的一种待测试图像的示意图；

图24是根据一示例性实施例示出的一种高斯函数模型的主视图；

图25是根据一示例性实施例示出的一种高斯函数模型的俯视图；

图26是根据一示例性实施例示出的一种高斯函数的曲线图；

图27是根据一示例性实施例示出的一种云纹特征值得结果示意图；

图28是根据一示例性实施例示出的一种云纹评价装置的结构示意图；

图29是根据一示例性实施例示出的另一种云纹评价装置的结构示意图。

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

具体实施方式

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明一部份实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

请参见图1，其示出了本发明部分实施例中提供的云纹评价方法所涉及的实施环境的示意图。该实施环境可以包括：待评价显示屏110、生成装置120、图像采集装置130和云纹评价装置140。

其中，待评价显示屏110为需要对显示屏的云纹严重程度进行评价的显示屏，其可以是显示装置的显示屏或显示器件的显示屏，该显示装置可以是电视机、手机、电脑显示器、电子阅读器等，该显示器件可以为液晶显示模组(Liquid Crystal Display Module，LCM)或有机发光二极管(Organic Light-Emitting Diode,OLED)显示模组，本发明实施例对此不作限定。待评价显示屏可以是支柱型液晶显示屏，有机发光二极管(英文：OrganicLight Emitting Diode，简称：OLED)显示屏，亚支柱型液晶显示屏，8K电视的显示屏或显示屏像素中红绿蓝三个子像素以V型结构排布的显示屏等。

生成装置120用于基于待评价显示屏的显示参数，生成人眼特征图像，其中，待评价显示屏的显示参数可以包括：待评价显示屏的长度、宽度和人眼的观看距离等，人眼特征图像为人眼观察该初始图像时，在人眼中所呈现的该初始图像的模拟图像，人眼的观看距离为人眼在观看该待评价显示屏时与该显示屏的距离，其为预设的模拟数值，该生成装置120可以是具有图像显示与处理功能的智能手机、电脑、多媒体播放器、电子阅读器等。

图像采集装置130，用于从指定视角拍摄在待评价显示屏上显示的人眼特征图像，得到待处理图像，该图像采集装置130可以是具有拍摄功能的照相机、摄像机、智能手机或电脑等。

云纹评价装置140，用于基于待处理图像确定待评价显示屏的云纹特征值，该云纹特征值用于表征待评价显示屏云纹的严重程度，该云纹评价装置140可以是具有图像处理与显示功能的智能手机、电脑或服务器等。

待评价显示屏110和生成装置120，图像采集装置130和云纹评价装置140之间可以通过有线网络或无线网络建立连接。

需要说明的是，由于本发明实施例中的生成装置与云纹评价装置均为具有图像处理功能的装置，二者的功能可以由同一装置实现，本发明实施例对此不做限定。

本发明实施例提供一种云纹评价方法，可以提高显示屏云纹评价的精度，如图2所示。该方法包括：

步骤201、获取从指定视角拍摄的在待评价显示屏上显示的人眼特征图像，得到待处理图像，该人眼特征图像为人眼观察指定的初始图像时，在人眼中所呈现的初始图像的模拟图像。

步骤202、对待处理图像进行第一降噪处理得到参考图像。

步骤203、对待处理图像进行第二降噪处理得到测试图像，第二降噪处理的降噪程度小于第一降噪处理的降噪程度。

步骤204、获取参考图像和测试图像的亮度差值图像。

步骤205、基于亮度差值图像确定人眼云纹图像，该人眼云纹图像用于反映亮度差值图像在人眼中所呈现的图像。

步骤206、基于人眼云纹图像，确定云纹特征值，该云纹特征值用于表征云纹的严重程度。

综上所示，本发明实施例提供的云纹评价方法，可以拍摄待评价显示屏上显示的人眼特征图像得到待处理图像，并通过对该待处理图像分别进行第一降噪处理和第二降噪处理得到参考图像和测试图像，可以通过获取该参考图像和该测试图像的亮度差值图像确定人眼云纹图像，基于该人眼云纹图像最终确定云纹特征值，该云纹特征值可以定量化地表征云纹的严重程度，提高了云纹评价的准确性与精度。

本发明实施例提供的云纹评价方法可以定量化地对显示屏云纹的严重程度进行评价，该方法适用于图1所示的系统，如图3所示，本发明实施例提供的云纹评价方法包括：

步骤301、生成装置基于初始图像获取人眼特征图像。

请参考图1，图1中的生成装置120可以基于初始图像获取人眼特征图像，该人眼特征图像的获取过程可以由生成装置所搭载的MATLAB软件实现。如图4所示，该过程包括：

步骤3011、生成装置获取以RGB色彩空间表示的初始图像。

在一种可选的实现方式中，生成装置可以通过从本地存储的图像库中查找的方式或者通过网络下载的方式获取初始图像。

在另一种可选的实现方式中，生成装置可以生成该初始图像，该生成过程包括：获取空白图像，该空白图像中分配了像素空间但未进行色彩填充；对该空白图像进行色彩填充得到RGB色彩空间表示的初始图像。示例的，可以利用计算机辅助设计(英文：ComputerAided Design，简称：CAD)软件对该空白图像进行色彩填充。

可选的，在获取了初始图像之后，由于初始图像在显示时，伽马曲线会对该初始图像产生影响，即伽马曲线不同的显示屏显示出的初始图像的效果不同，一些显示屏的伽马曲线会导致其显示的初始图像的亮度不均匀，因此可以预先对该初始图像进行校正，得到校正后的初始图像，采用该校正后的初始图像执行后续过程，即后续步骤3012，这样可以提高后续获取的人眼特征图像的精度。则该校正过程实际上是伽马曲线去相关的过程，也称伽马校正过程，该过程包括：

获取初始图像中各个像素的蓝色子像素的像素值；判断每个蓝色子像素的像素值是否大于指定参考值；基于判断结果，调整每个蓝色子像素的像素值。该指定参考值与伽马曲线相关。

在一种可选的方式中，由于RGB色彩空间的像素值数值范围较大，计算复杂度较高，先将初始图像转化为计算机可读格式的初始图像，其数值精度为(0-1)，然后再执行判断过程。在这种情况下，上述蓝色子像素的像素值为数值精度为(0-1)的像素值，指定参考值可以为0.03928。相应的，基于判断结果，调整每个蓝色子像素的像素值可以包括：

当某一蓝色子像素var_B(i,j)的像素值大于0.03928，更新该某一蓝色子像素的像素值，使得更新后的像素值var_B1(i,j)为：(var_B(i,j)+0.055)/1.055)^2.4，其中，“^2.4”表示求2.4次幂；当该某一蓝色子像素var_B(i,j)的像素值不大于0.03928，更新该某一蓝色子像素的像素值，使得更新后的像素值var_B1(i,j)为：var_B(i,j)/12.92。

示例的，上述判断每个蓝色子像素的像素值是否大于指定参考值，并基于判断结果，调整每个蓝色子像素的像素值的过程可以由MATLAB实现，该过程的MATLAB程序为：

if(var_B(i,j)>0.03928)

var_B1(i,j)＝((var_B(i,j)+0.055)/1.055)^2.4；

else var_B1(i,j)＝var_B(i,j)/12.92；

其中i为MATLAB中图像的横坐标，j为MATLAB中图像的纵坐标，var_B()为初始图像中蓝色子像素的像素值。

可选的，将初始图像转化为计算机可读格式的初始图像的过程包括：

先可以在MATLAB中输入该初始图像的长度、宽度和人眼观看初始图像的观看距离，并通过调用数据类型转换函数im2uint8()将初始图像的格式转换为标准RGB色彩空间的格式，该格式下初始图像的数值精度为(0-255)；接着，通过调用数据类型转换函数im2single()将初始图像的格式由标准RGB色彩空间的格式转换为计算机可读格式，该格式下初始图像的数值精度为(0-1)。示例的，生成装置获取的以计算机可读格式在RGB色彩空间表示的初始图像C1如图5所示。

步骤3012、生成装置将初始图像转换为以对立色色彩空间表示的第一图像。

在本发明实施例中，以RGB色彩空间表示的初始图像的红绿蓝三个通道之间具有很强的相关性，即在改变初始图像的一个颜色属性时，其它的色彩属性也会受到影响，为了减少处理初始图像时色彩属性之间的相互影响，可以将以RGB色彩空间表示的初始图像转换为以对立色色彩空间表示的第一图像，该第一图像不仅符合人眼的视觉感知特性，且在对立色色彩空间中，第一图像以一个亮度分量图和两个色度分量图表示，各个颜色通道之间的相关性较小，更便于图像的处理。

在本发明实施例中，将以RGB色彩空间表示的初始图像转换为以对立色色彩空间表示的第一图像的过程可以通过以下方式实现：

将以RGB色彩空间表示的初始图像通过第一矩阵转换处理转换为以CIE色彩空间表示的初始图像，将以CIE色彩空间表示的初始图像通过第二矩阵转换处理转换到对立色色彩空间得到第一图像。

需要说明的是，本发明实施例中的第一矩阵转换处理、第二矩阵转换处理属于不同的矩阵转换处理过程，在各自的矩阵转换处理过程中，矩阵转换处理的对象、转换矩阵和矩阵转换处理的结果均不同。

在一种可选的实现方式中，上述第一矩阵转换处理为基于第一矩阵转换公式进行的处理，上述第二矩阵转换处理为基于第二矩阵转换公式进行的处理，示例的，以图5中以RGB色彩空间表示的初始图像C1为例，该过程可以包括：

步骤A1、利用第一矩阵转换公式将该初始图像C1与第一变换矩阵相乘得到CIE色彩空间中的初始图像C2。

第一矩阵转换公式：C2＝M1×C1；

其中，

C2(:,:,1)表示CIE色彩空间中亮度分量图的亮度值，C2(:,:,2)和C2(:,:,3)表示CIE色彩空间中的色度分量图的像素值；

M1为第一转换矩阵，

其中var_R1，var_G1和var_B1分别为初始图像的红色子像素，绿色子像素和蓝色子像素的像素值。

步骤A2、利用第二矩阵转换公式将CIE色彩空间中的初始图像C2与第二变换矩阵相乘得到对立色色彩空间中的第一图像C3。

第二矩阵转换公式：C3＝M2×C2；

其中，

C3(:,:,1)表示对立色色彩空间中亮度分量图的亮度值，C3(:,:,2)和C3(:,:,3)表示对立色色彩空间中色度分量图的像素值；

M2为第二转换矩阵，

C2为步骤A1中获得的初始图像C2。

在该第二种实现方式中，可以经过两次矩阵转换处理获取对立色色彩空间中的第一图像C3，图6至图8示出了对图5中的初始图像经过两次矩阵转换处理后得到的对立色色彩空间中第一图像C3的三个分量图，其中，图6为亮度分量图C31，图7和图8分别为两个色度分量图C32和C33。

步骤3013、生成装置基于第一图像与指定的对比敏感度模型，确定第一人眼特征图像，该第一人眼特征图像用于表示在对立色色彩空间中，人眼观察指定的初始图像时，在人眼中所呈现的该初始图像的模拟图像。

在对立色色彩空间中，图像的三个分量图分别对应三个色彩通道，该三个色彩通道分别是w/k、r/g和b/y通道，其中w/k是亮度通道，w表示白色，k表示黑色，r/g和b/y是色度通道，其中r表示红色，g表示绿色，b表示蓝色，y表示黄色，基于该三个色彩通道与对比敏感度函数(英文：contrast sensitivity function，简称：CSF)建立该对立色色彩空间中的对比敏感度模型，对比敏感度函数表示不同条件下的对比敏感度与空间角频率之间的关系，对比敏感度表示人眼对边界模糊的物体的分辨能力。

在本发明实施例中，对立色色彩空间中的对比敏感度模型包括基于亮度通道建立的亮度函数CSFwk或CSFL和基于色度通道建立的色度函数CSFrg与CSFby，基于建立的该三个色彩通道的对比敏感度函数可以对对立色色彩空间中的图像进行滤波。图9示出了三个滤波通道的对比敏感度函数之间关系的曲线图，其中，横轴x1为角频率，表示单位空间内人眼观察图像时可以看清楚的图像条纹的周期数，纵轴y1表示在特定角频率下人眼对边界模糊图像的分辨能力，图10至图12示出了各通道比敏感度函数的曲线图，其中，图10为亮度通道的对比敏感度函数的曲线图T1，图11和图12分别为两个色度通道的对比敏感度函数的曲线图T2和T3。

在一种可选的实现方式中，第一人眼特征图像的确定过程可以包括：将第一图像的三个分量图分别进行傅里叶变换，将三个色彩通道的对比敏感度函数分别进行傅里叶变换，经过傅里叶变换后的三个比敏感度函数与经过傅里叶变换后的三个分量图一一对应，采用经过傅里叶变换后的三个比敏感度函数对对应的傅里叶变换后的三个分量图分别进行滤波(即将经过傅里叶变换后的三个比敏感度函数与对应的傅里叶变换后的三个分量图进行乘积运算)，得到滤波后的三个分量图的第一人眼特征图像。

示例的，继续以图6至图8中获得的对立色色彩空间中第一图像的三个分量图为例，对第一人眼特征图像的确定过程进行说明，在本发明实施例的对立色色彩空间中，基于三个色彩通道建立了三个色彩通道的对比敏感度函数，其中，

亮度通道的对比敏感度函数为：

csfl(st:en,st:en)＝a(st:en,st:en).*f_angle(st:en,st:en).*exp(-b1*f_angle(st:en,

st:en)).*(1+c1*exp(b1*f_angle(st:en,st:en))).^0.5；

a＝a1./(1+12./(w*(1+f_angle/0.6).^1.2))；

其中，a1＝350*(1+0.7/L)^-0.2；b1＝0.3*(1+100/L)^0.15；c1＝0.06；L表示亮度通道的亮度值，L＝50，st:en表示人眼在观看图像时能够看清楚图像的观看角度，该角度一般为-60度至60度，f_angle为角频率，表示单位空间内人眼观察图像时可以看清楚的图像条纹的周期数。

色度通道的对比敏感度函数为：

csfrg(st:en,st:en)＝a2*exp(b2*f_angle(st:en,st:en).^c2)；

其中，a2＝150；b2＝-0.007；c2＝2.193；

csfby(st:en,st:en)＝a3*exp(b3*f_angle(st:en,st:en).^c3)；

其中，a3＝110；b3＝-0.15041；c3＝1.3；

图13至图15示出了本发明实施例中建立的三个色彩通道csfl、csfrg和csfby的示意图，其中，图13为亮度通道csfl的示意图，图14和图15分别为色度通道csfrg和csfby的示意图。将该三个色彩通道的对比敏感度函数分别进行傅里叶变换的得到对比敏感度函数为F(csfl)、F(csfrg)和F(csfby)，将图6中亮度分量图C31的亮度值C3(:,:,1)，图7和图8中色度分量图C32和C33的像素值C3(:,:,2)和C3(:,:,3)分别进行傅里叶变换得到F(C3(:,:,1))，F(C3(:,:,2))和F(C3(:,:,3))，将经过傅里叶变换后的三个色彩通道的对比敏感度函数与经过傅里叶变换后的第一图像的三个分量值分别对应相乘得到第一人眼特征图像的三个分量值X′、Y′和Z′。

图16至图18示出了采用图13至图15中的三个滤波通道对图6至图8中的第一图像进行滤波后得到的第一人眼特征图像C4的三个分量值对应的三个分量图，其中，图16为亮度分量图X，图17和图18分别为两个色度分量图Y和Z。

步骤3014、生成装置将第一人眼特征图像转换为以RGB色彩空间表示的人眼特征图像。

可以利用第三矩阵转换公式将步骤3013中获得的第一人眼特征图像转换为以RGB色彩空间表示的人眼特征图像，该人眼特征图像可以反映人眼观察指定的初始图像时，在人眼中所呈现的初始图像的模拟图像。

第三矩阵转换公式为:C5＝M3×C4；

其中，

var_R1，var_G1和var_B1分别为人眼特征图像的红色子像素，绿色子像素和蓝色子像素的像素值；

M3为第三转换矩阵，该第三转换矩阵为第以转换矩阵与第二转换矩阵的逆矩阵，

X′为立色空间中亮度分量图的亮度值，Y′和Z′表示对立色色彩空间中色度分量图的像素值。

示例的，以图16至图18中示出的第一人眼特征图像C4为例，利用第三矩阵转换公式将其经过矩阵变换处理后得到的人眼特征图像C5如图19所示，该人眼特征图像表示人眼在观看图5中示出的初始图像时，在人眼中所呈现的该初始图像的模拟图像。

步骤302、图像采集装置获取从指定视角拍摄的在待评价显示屏上显示的人眼特征图像，得到待处理图像，该人眼特征图像用于反映人眼观察指定的初始图像时，在人眼中所呈现的初始图像的模拟图像。

在本发明实施例中，请参考图1，图1中的图像采集装置130可以采集待评价显示屏上显示的人眼特征图像，该人眼特征图像可以通过上述步骤301获得。

在一种可选的实现方式中，将人眼特征图像用待评价显示屏显示，利用图像采集装置以指定视角拍摄待评价显示屏上显示的人眼特征图像得到待处理图像，视角为视线与待评价显示屏的垂直方向(即法线方向)所成的夹角，该视角可以基于待评价显示屏的长度、宽度和人眼的观看距离确定，例如，该视角可以采用视角确定公式确定，该视角确定公式为：

θ＝180/π×arctan(size/Ld)；

其中，θ为视角大小，size为待评价显示屏的尺寸，该尺寸可以是基于显示屏的长度和宽度确定的对角线长度，该长度单位是：毫米，Ld为人眼的观看距离，单位为：毫米，arctan表示求反正切。

示例的，将图19中的人眼特征图像C5在待评价显示屏上显示，在一种可选的实现方式中，上述指定视角可以为25度视角，以25度视角拍摄待评价显示屏显示的人眼特征图像C5得到待处理图像D如图20所示。

步骤303、云纹评价装置基于待评价显示屏上显示的人眼特征图像确定云纹特征值。

在本发明实施例中，请继续参考图1，图1中云纹评价装置140可以基于步骤302中获得的待处理图像确定云纹特征值，该云纹特征值用于表征待评价显示屏上云纹的严重程度，该过程可以配合云纹评价装置140中搭载的MATLAB软件实现，如图21所示，该过程包括：

步骤3031、云纹评价装置对待处理图像进行第一降噪处理得到参考图像。

在本发明实施例中，可以利用高斯函数将步骤302中获得的待处理图像进行第一降噪处理得到参考图像，该参考图像为待评价显示屏上无云纹时，在人眼中呈现的待处理图像的模拟图像。

在一种可选的实现方式中，该第一降噪处理的过程可以利用以下MATLAB程序实现：

x＝-1*xn:1:xn-1；N＝length(x)；y＝x；[fx,fy]＝meshgrid(x,y)；#定义图像在MATLAB中的计算网格#

gau＝1/(r*r*s*s)*exp(-1.0*pi/(r*r*s*s)*(fx.^2+fy.^2))；#建立高斯函数并对图片进行第一降噪处理，得到参考图片gau#

gauimage＝im2uint8(mat2gray(gau))；#将参考图片转换为计算机可读格式的图像gauimage#

其中，r为视角，表示人眼在单位角度可看清楚的像素数量，单位为像素/度(px/deg)；S为计算范围，单位为度(deg)。

例如r＝48，S＝2，此时，图20中所示的待处理图像D经过上述第一降噪处理可以得到参考图像E1，该参考图像E1如图22所示。

步骤3032、云纹评价装置对待处理图像进行第二降噪处理得到测试图像，第二降噪处理的降噪程度小于第一降噪处理的降噪程度。

在本发明实施例中，与上述步骤3031中获得参考图像的方法相同，利用高斯函数将步骤302中获得的待处理图像进行第二降噪处理得到测试图像，该测试图像为待评价显示屏上有云纹时，在人眼中呈现的待处理图像的模拟图像。

该第二降噪处理的过程可以利用上述步骤3031中的MATLAB程序实现，例如，r＝48，S＝1/8，此时，图20中所示的待处理图像D经过上述高斯函数的第二降噪处理可以得到测试图像E2，该测试图像E2如图23所示。

步骤3033、云纹评价装置获取参考图像和测试图像的亮度差值图像。

在本发明实施例中，基于参考图像和测试图像获取该参考图像和测试图像的亮度差值图像的过程包括：

将测试图像与高斯函数进行卷积运算得到第一亮度滤波图像；将参考图像与高斯函数进行卷积运算得到第二亮度滤波图像；基于亮度差值公式计算参考图像和测试图像的亮度差值图像。

该亮度差值公式为：(A-B)/(A+B)；

其中，A为第一亮度滤波图像的亮度值，B为第二亮度滤波图像的亮度值。

在一种可选的实现方式中，该亮度差值图像的获取过程可以通过以下MATLAB程序实现：

AC＝imfilter(Asingle,gau,'conv','circular','same')；#将测试图片与高斯函数进行卷积，得到第一亮度滤波图像AC#

ACref＝imfilter(Asingle,gau,'conv','circular','same')；#将参考图片与高斯函数进行卷积，得到第二亮度滤波图像ACref#

ACd＝(AC-ACref)./(AC+ACref)；#获得亮度差值图像#

需要说明的是，在得到第一亮度滤波图像AC后，由于MATLAB语言通常只支持计算机可读格式的数据，可以利用以下第一数据类型转换函数将该第一亮度滤波图像AC转换为uint8格式，并将uint8格式的第一亮度滤波图像作为更新后的第一亮度滤波图像，则获取的亮度差值图像是基于更新后的第一亮度滤波图像(即下述图像Acon)得到的，该格式转换过程可以以下代码实现：

Acon＝im2uint8(AC)；

其中，图像Acon为第一亮度滤波图像AC经过格式转换后的图像。

同理，在得到第二亮度滤波图像ACref后，可以利用以下第二数据类型转换函数将第二亮度滤波图像ACref转换为uint8格式，并将uint8格式的第二亮度滤波图像作为更新后的第二亮度滤波图像，则获取的亮度差值图像是基于更新后的第二亮度滤波图像(即下述图像Acondc)得到的，该格式转换过程可以以下代码实现：

Acondc＝im2uint8(ACref)；％'circular'；

其中，图像Acondc为第二亮度滤波图像ACref经过格式转换后的图像。

步骤3034、云纹评价装置基于亮度差值图像确定人眼云纹图像，该人眼云纹图像用于反映待评价显示屏上的云纹区域。

在本发明实施例中，基于上述步骤3033中获得的亮度差值图像与建立的对比敏感度函数确定人眼云纹图像，其中，对比敏感度函数可以为高斯函数，该人眼云纹图像的确定过程包括：利用对比敏感度函数对亮度差值图像进行滤波获得人眼云纹图像，该滤波过程可以包括：将对比敏感度函数与亮度差值图像进行卷积运算。

可选的，该确定过程可以通过以下MATLAB程序实现：

r＝48；s＝7.68；xn＝round(0.5*r*s)；

gau＝1/(r*r*s*s)*exp(-1.0*pi/(r*r*s*s)*(fx.^2+fy.^2))；wkgau3＝gau；

s＝0.235；

gau＝1/(r*r*s*s)*exp(-1.0*pi/(r*r*s*s)*(fx.^2+fy.^2))；wkgau2＝gau；

s＝0.05；

gau＝1/(r*r*s*s)*exp(-1.0*pi/(r*r*s*s)*(fx.^2+fy.^2))；wkgau1＝gau；

gau＝0.921*wkgau1+0.105*wkgau2-0.108*wkgau3；#建立高斯函数#

s1＝trapz(y,trapz(x,gau,2))；

gau＝gau/s1；#高斯函数归一化#

ACda＝imfilter(ACd,gau,'conv','circular','same')；#亮度差值图像ACd与高斯函数gau进行卷积，得到人眼云纹图像ACda#

需要说明的是，在将高斯函数归一化后，由于MATLAB语言通常只支持计算机可读格式的数据，可以利用以下第三数据类型转换函数将高斯函数gau转换为uint8格式，并将uint8格式的高斯函数gau作为更新后的高斯函数，则获取的人眼云纹图像是基于更新后的高斯函数(即下述gauimage)得到的，该格式转换过程可以以下代码实现：

gauimage＝im2uint8(mat2gray(gau))；

其中，高斯函数gauimage为高斯函数gau经过格式转换后的高斯函数。

示例的，图24示出了上述MATLAB程序中建立的高斯函数模型的主视图，其中，x2表示对比敏感度函数在计算网格中的位置，y2表示亮度值，图25示出了该高斯函数模型的俯视图，该俯视图颜色的亮暗表示亮度值的大小，颜色越深，亮度越大。图26示出了该高斯函数的曲线图，其中，横坐标x3表示单位空间内人眼观察图像时可以看清楚的图像条纹的周期数，纵坐标y3表示滤波强度。利用图26中的该对比敏感度函数可以对上述步骤3033中获得的亮度差值图像进行滤波。

步骤3035、云纹评价装置基于人眼云纹图像，确定云纹特征值，云纹特征值用于表征云纹的严重程度。

进一步的，基于步骤3034中获得的人眼云纹图像定量化确定云纹特征值，该云纹特征值为临界视觉差异值(英文：just noticed difference，简称：JND)，表示人眼刚好能区分参考图像与测试图像之间差异的差异量，根据这一数值可以判断待评价显示屏云纹的严重程度，JND数值越大，表示待评价显示屏的云纹越严重。

在本发明实施例中，基于人眼云纹图像，确定云纹特征值的过程包括：

计算人眼云纹图像中每个像素点的亮度值的β次方，β为大于1的正数；将人眼云纹图像中所有像素点的亮度值的β次方之和与光阑函数进行卷积运算得到第一特征值，其中，光阑函数表示空间距离与人眼看到的图像纹路的清晰程度之间的关系，可以利用光阑函数对获得的人眼云纹图像进行定量化处理；对该第一特征值开β次方，得到云纹特征值，即JND值。

在一种可选的实现方式中，该确定过程可以通过以下MATLAB程序实现：

r＝48；s＝1；xn＝round(1.6*r*s)；

gau＝1/(r*r*s*s)*exp(-1.0*pi/(r*r*s*s)*(fx.^2+fy.^2))；#建立光阑函数#

beta＝2.4；#定义β系数#

ACdaa＝ACda.^beta；#对人眼云纹图像的亮度值进行β次方#

ACdaaa＝imfilter(ACdaa,gau,'conv','circular','same')；#光阑函数gau与人眼云纹图像β次方之和进行卷积，得到第一特征值ACdaaa#

Jmura＝ACdaaa.^(1/beta)；#将第一特征值ACdaaa开β次方得到JND值：Jmura#

需要说明的是，在获取光阑函数后，由于MATLAB语言通常只支持计算机可读格式的数据，可以利用以下第四数据类型转换函数将将该光阑函数gau转换为uint8格式，并将uint8格式的光阑函数作为更新后的光阑函数，则获取的JND值是基于更新后的光阑函数(即下述gauimage)得到的，该格式转换过程可以以下代码实现：

gauimage＝im2uint8(mat2gray(gau))；

其中，高斯函数gauimage为光阑函数gau经过格式转换后的光阑函数。

可选的，MATLAB中确定云纹特征值(即JND值)的过程可以通过以下JND值确定公式实现：

其中，i和j为在MATLAB中定义的计算网格的位置坐标，W(i,j)为(i,j)位置光阑函数的函数值，F(i,j)为(i,j)位置人眼云纹图像亮度值，∣F(i,j)∣^β为(i,j)位置人眼云纹图像亮度值β次方之和，

为求卷积，1/β表示对光阑函数的函数值与人眼云纹图像亮度值β次方之和的卷积结果开β次方，Jmura(i,j)为JND值。

示例的，基于上述步骤3034中比敏感度函数对亮度差值图片的滤波结果，得到的云纹特征值，即JND值，该JND值以动态模糊测量(英文：visible motion-blur measure；简称：VMB)的形式输出，该JND值是通过对大量人体视觉数据进行校准得到的视觉单位，如图27所示，其JND值Jmura为1.334。

综上所示，本发明实施例提供的云纹评价方法，可以拍摄待评价显示屏上显示的人眼特征图像得到待处理图像，并通过对该得到待处理图像分别进行第一降噪处理和第二降噪处理得到参考图像和测试图像，可以通过获取该参考图像和该测试图像的亮度差值图像确定人眼云纹图像，基于该人眼云纹图像最终确定云纹特征值，该云纹特征值可以定量化的表征云纹的严重程度，提高了云纹评价的准确性与精度。

本发明实施例提供一种云纹评价装置40，如图28所示，该装置包括：

第一获取模块401，用于获取从指定视角拍摄的在待评价显示屏上显示的人眼特征图像，得到待处理图像，所述人眼特征图像为人眼观察指定的初始图像时，在人眼中所呈现的初始图像的模拟图像；

第一降噪处理模块402，用于对所述待处理图像进行第一降噪处理得到参考图像；

第二降噪处理模块403，用于对所述待处理图像进行第二降噪处理得到测试图像，所述第二降噪处理的降噪程度小于所述第一降噪处理的降噪程度；

第二获取模块404，用于获取所述参考图像和所述测试图像的亮度差值图像；

第一确定模块405，用于基于所述亮度差值图像确定人眼云纹图像，所述人眼云纹图像用于反映所述待评价显示屏上的云纹区域；

第二确定模块406，用于基于所述人眼云纹图像，确定云纹特征值，所述云纹特征值用于表征云纹的严重程度。

可选的，所述第一确定模块405，用于：

可选的，所述第二获取模块404，用于：

综上所示，本发明实施例提供的云纹评价装置，第一获取模块可以拍摄待评价显示屏上显示的人眼特征图像得到待处理图像，第一降噪处理模块和第二降噪处理模块通过对该得到待处理图像分别进行第一降噪处理和第二降噪处理得到参考图像和测试图像，第二获取模块可以获取该参考图像和该测试图像的亮度差值图像，第一确定模块可以基于亮度差值图像确定人眼云纹图像，第二确定模块可以基于该人眼云纹图像最终确定云纹特征值，该云纹特征值可以定量化的表征云纹的严重程度，提高了云纹评价的准确性与精度。

本发明实施例提供一种云纹评价装置50，如图29所示，该装置包括：

处理器501；

用于存储所述处理器的可执行指令的存储器502；

其中，所述处理器被配置为执行上述实施例提供的任一云纹评价方法。

本发明实施例提供一种云纹评价系统，如图1所示，该系统包括：

待评价显示屏110；

生成装置120，用于基于所述待评价显示屏的显示参数，生成所述人眼特征图像；

图像采集装置130，用于从指定视角拍摄在待评价显示屏上显示的人眼特征图像，得到待处理图像，所述人眼特征图像为人眼观察指定的初始图像时，在人眼中所呈现的初始图像的模拟图像；

云纹评价装置140，所述云纹评价装置为上述实施例中的任一所述的云纹评价装置。

在本发明实施例中，请参见图1，生成装置120可以基于待评价显示屏的长度、宽度和人眼的观看距离，对其进行处理生成人眼特征图像，将该人眼特征图像用待评价显示屏110显示，图像采集装置130可以从指定视角拍摄在待评价显示屏上显示的人眼特征图像，得到待处理图像，图像处理装置140基于该待处理图像确定待评价显示屏的云纹特征值。

综上所示，在本发明实施例提供的云纹评价系统中，生成装置可以基于待评价显示屏的显示参数，生成人眼特征图像，图像采集装置可以拍摄待评价显示屏上显示的人眼特征图像得到待处理图像，图像处理装置通过对该待处理图像分别进行第一降噪处理和第二降噪处理得到参考图像和测试图像，可以通过获取该参考图像和该测试图像的亮度差值图像确定人眼云纹图像，基于该人眼云纹图像最终确定云纹特征值，该云纹特征值可以定量化的表征云纹的严重程度，提高了云纹评价的准确性与精度。

在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器，上述指令可由服务器的处理器执行以完成本发明各个实施例所示的云纹评价方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由权利要求指出。

应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。

Claims

1.一种云纹评价方法，其特征在于，包括：

对所述待处理图像进行第一降噪处理得到参考图像；

获取所述参考图像和所述测试图像的亮度差值图像；

2.根据权利要求1所述的方法，其特征在于，所述基于所述亮度差值图像确定人眼云纹图像，包括：

3.根据权利要求1所述的方法，其特征在于，所述获取所述参考图像和所述测试图像的亮度差值图像，包括：

对所述测试图像进行高斯卷积处理得到第一亮度滤波图像；

对所述参考图像进行高斯卷积处理得到第二亮度滤波图像；

4.根据权利要求3所述的方法，其特征在于，所述获取第一亮度滤波图像与第二亮度滤波图像的亮度差值图像，包括：

基于亮度差值公式计算所述亮度差值图像；

所述亮度差值公式为：(A-B)/(A+B)；

5.一种云纹评价装置，其特征在于，包括：

6.根据权利要求5所述的装置，其特征在于，所述第一确定模块，用于：

7.根据权利要求5所述的装置，其特征在于，所述第二获取模块，用于：

8.一种云纹评价装置，其特征在于，所述装置包括：

处理器；

用于存储所述处理器的可执行指令的存储器；

其中，所述处理器被配置为执行权利要求1至4任一云纹评价方法。

9.一种云纹评价系统，其特征在于，包括：

图像采集装置，用于从指定视角拍摄在待评价显示屏上显示的人眼特征图像，得到待处理图像，所述人眼特征图像为人眼观察指定的初始图像时，在人眼中所呈现的图像的模拟图像；

云纹评价装置，所述云纹评价装置为权利要求5至8任一所述的云纹评价装置。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有指令，当所述可读存储介质在处理组件上运行时，使得处理组件执行如权利要求1至4任一所述的云纹评价方法。