CN109637441A - 一种基于卡尔曼滤波的模组Gamma校正方法 - Google Patents

Abstract

本发明公开了一种基于卡尔曼滤波的模组Gamma校正方法，其利用随机抽取同一型号的M块模组样本确定该型号模组的调制参数，利用随机抽取所述型号的N块模组样本确定待调制模组的调制初始值样本，将预设的寄存器值写入N块模组样本的对应所述灰阶的寄存器和写入待调制模组对应所述灰阶的寄存器，比较所述灰阶下待调制模组的色坐标以及亮度测量值与N块模组样本的色坐标以及亮度以确定与待调制模组对应的最佳匹配模组，将所述灰阶下最佳匹配模组的寄存器调制值作为待调制模组对应所述灰阶寄存器的调制初始值，利用该型号模组的调制参数对待调制模组对应所述灰阶的寄存器值进行Gamma校正，从而实现对模组进行快速的Gamma校正。

Description

一种基于卡尔曼滤波的模组Gamma校正方法

技术领域

本发明属于模组测试领域，具体涉及一种基于卡尔曼滤波的模组Gamma校正方法。

背景技术

有机发光二极管(Organic Light-Emitting Diode，OLED)又称有机电激发光显示或有机发光半导体，与薄膜晶体管液晶显示器为不同类型的产品，OLED具有自发光性、广视角、高对比、低耗电、高反应速率、全彩化及制程简单等优点，有机发光二极管显示器可分单色、多彩及全彩等种类。Gamma校正是普遍应用在摄影技术、视频图像和计算机图形学中的一种技术。Gamma校正补偿了不同输出设备存在的颜色显示差异，从而使图像在不同的监视器上呈现出相同的效果。由于OLED模组的红绿蓝三色电光特性不一致，表现为各个灰阶的颜色差异较大，需要校正各个灰阶的颜色。尤其暗场的灰阶误差非常明显，无法通过白平衡调节来清除各灰阶的颜色误差。只有各灰阶的颜色一致后，方能通过亮暗场的白平衡调节，将色温调节到要求的色温。另一方面OLED模组的亮度比较高，为了OLED模组的透亮度，更好地表现颜色，需要对OLED模组的亮度进行非线性校正。这些，都需要通过对OLED模组的进行Gamma校正来完成。校正Gamma曲线后，可以实现如下目的：暗场灰阶的颜色明显改善，各灰阶的颜色误差明显减少，暗场颜色细节分明，图像亮度颜色一致，透亮度好，对比明显。

Gamma表示的是表征灰度的电信号与光学亮度之间的非线性，这种非线性通常由器件本征的光电特性决定。在生产制造中，由于工艺的偏差以及所使用的材料不同，驱动OLED器件的Gamma电压曲线有所不同。这些不同主要表现在输入相同的寄存器值(也可以理解成给模组相同的电压)，模组显示的色坐标以及亮度差异较大。图1为现有技术中Gamma校正的示意图。如图1所示，取20块OLED模组样本，分别给这20块OLED模组的W255灰阶输入相同的寄存器值，利用CA-310采集数据，得到20组x、y和lv校正值(其中，x、y是分别为OLED模组样本的两个色坐标，lv是OLED模组样本的亮度)，从图中可以发现，20组OLED模组样本的x、y和lv校正值完全不一致。

现有技术中Gamma校正方法主要有两种，一种为逐步逼近算法，其根据寄存器值对色坐标以及亮度的影响规律，R寄存器值主要影响色坐标x，对亮度有一定影响，G寄存器值主要影响色坐标y，对亮度影响很明显，B寄存器值对色坐标xy都有影响，对亮度影响不明显，利用这个规律，按照需要改变寄存器值，同时适当控制步长，从而达到调节到目标值的目的，如何获取准确的Gamma校正的初始值且获取初始值后如何使得逐步逼近算法快速的逼近目标值一直是其校正的难点，如果不能获取准确的Gamma校正初始值，则会导致Gamma校正时间过长；另一种为BP算法，其采集几块模组的数据，这个数据主要包括寄存器值以及相应的色坐标xy和亮度lv，将这些数据训练成模型，利用模型去自动预测，以达到调节到目标值得目的，BP算法比逐步逼近算法优势明显，不需要人为的的去控制步长，每个绑点的调节次数明显减少，然而，BP算法是基于大量数据的，必须事先采集大量的数据，并训练模型，这个过程比较繁琐。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种基于卡尔曼滤波的模组Gamma校正方法，其通过其利用随机模组样本确定该型号模组的调制参数和调制初始值样本，确定与待调制模组对应的最佳匹配模组，并将所述灰阶下最佳匹配模组的寄存器调制值作为待调制模组对应所述灰阶寄存器的调制初始值，利用该型号模组的调制参数对待调制模组对应所述灰阶的寄存器值进行Gamma校正，从而实现对模组进行快速的Gamma校正。

为实现上述目的，按照本发明的一个方面，提供了一种基于卡尔曼滤波的模组Gamma校正方法，具体步骤为：

S1.随机取同一型号的M块模组样本，将M块模组在其中任意一个灰阶下的色度坐标和亮度调制到预设范围内，利用调制后的M块模组对应该灰阶的寄存器值求得该型号模组的调制参数；

S2.随机取所述型号的N块模组样本，将N块模组样本在该灰阶下的色度坐标和亮度调制到预设范围内，记录N块模组样本在该灰阶下的寄存器调制值；将预设的寄存器值写入N块模组样本的对应该灰阶的寄存器，测量N块模组样本在该灰阶下的色坐标以及亮度；

S3.将预设的寄存器值写入待调制模组对应所述灰阶的寄存器，测量此时待调制模组在所述灰阶下的色坐标以及亮度，比较该灰阶下待调制模组的色坐标以及亮度测量值与N块模组样本的色坐标以及亮度以确定与待调制模组对应的最佳匹配模组；

S4.将该灰阶下最佳匹配模组的寄存器调制值作为待调制模组对应该灰阶寄存器的调制初始值，利用该型号模组的调制参数对待调制模组对应所述灰阶的寄存器值进行Gamma校正。

作为本发明的进一步改进，步骤S1中利用逐步逼近算法将M块模组在该灰阶下的色度坐标和亮度调制到预设范围内。

作为本发明的进一步改进，步骤S1中可利用调用算法库求得该型号模组的调制参数。

作为本发明的进一步改进，步骤S1中可利用调用卡尔曼滤波算法库求得该型号模组的卡尔曼滤波调制参数，步骤S4利用卡尔曼滤波公式对待调制模组对应该灰阶的寄存器值进行迭代校正。

作为本发明的进一步改进，步骤S4利用卡尔曼滤波公式对待调制模组对应所述灰阶的寄存器值进行迭代校正的终止条件为：待调制模组在所述灰阶下的色度坐标和亮度调制到预设范围内。

作为本发明的进一步改进，卡尔曼滤波公式具体为:

X(k)＝AX(k-1)+BU(k)

式中，X(k)是待调制模组k时刻对应该灰阶的寄存器调制值，U(k)是k时刻待调制模组对应该灰阶的调制步长，A和B分别为卡尔曼滤波参数。

作为本发明的进一步改进，依据k时刻测量所得的待调制模组的色坐标及亮度与其目标值的差值确定k+1时刻待调制模组对应所述灰阶的调制步长U(k+1)。

作为本发明的进一步改进，步骤S2中利用逐步逼近算法将N块模组在该灰阶下的色坐标以及亮度调制到预设范围内。

作为本发明的进一步改进，比较该灰阶下待调制模组的色坐标以及亮度测量值与N块模组样本的色坐标以及亮度的均方差，均方差最小的模组即为最佳匹配模组。

作为本发明的进一步改进，可利用W₂₅₅和W₀这两个灰阶的亮度目标值确定其他绑点灰阶的亮度目标值。

总体而言，通过本发明所构思的以上技术方案与现有技术相比，具有以下有益效果：

1.本发明的一种基于卡尔曼滤波的模组Gamma校正方法，其通过其利用随机模组样本确定该型号模组的调制参数和调制初始值样本，确定与待调制模组对应的最佳匹配模组，并将所述灰阶下最佳匹配模组的寄存器调制值作为待调制模组对应所述灰阶寄存器的调制初始值，利用该型号模组的调制参数对待调制模组对应所述灰阶的寄存器值进行Gamma校正，从而实现对模组进行快速的Gamma校正。

2.本发明的一种基于卡尔曼滤波的模组Gamma校正方法，其通过比较所述灰阶下待调制模组的色坐标以及亮度测量值与N块模组样本的色坐标以及亮度以确定与待调制模组对应的最佳匹配模组，从而去除对寄存器值初始值的依赖，在保证调节时间较短的同时减少模组Gamma校正的工作量，。

3.本发明的基于卡尔曼滤波的模组Gamma校正方法，其通过现有方法调用算法库求得该型号模组的调制参数并利用卡尔曼滤波公式对待调制模组对应所述灰阶的寄存器值进行迭代校正，有效规避了传统算逼近TT较长问题以及BP算法在获取初始值繁琐问题，降低了人工成本，能快速地对模组进行gamma校正，确保了模组校正的准确性和效率。

附图说明

图1为现有技术中Gamma校正的示意图；

图2为本发明实施例的基于卡尔曼滤波的模组Gamma校正方法的寄存器值示意图；

图3为本发明实施例的基于卡尔曼滤波的模组Gamma校正方法与现有技术的校正时间比较示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。下面结合具体实施方式对本发明进一步详细说明。

一种基于卡尔曼滤波的模组Gamma校正方法，该方法的具体步骤为：

S1.随机取同一型号的M块模组样本，将这M块模组的其中任意一个灰阶的色度坐标和亮度调制预设范围内，利用调制后的M块模组对应该灰阶的寄存器值求得该型号模组的调制参数；具体为：

作为一个示例，利用逐步逼近算法将这M块模组的其中任意一个灰阶色度坐标色度坐标和亮度调制到预设范围，可以直接调用现有算法库并利用调制后的M块模组对应该灰阶的寄存器值求得该型号模组的卡尔曼滤波参数；光学上，所有的颜色都是由红、绿、蓝(R、G、B)三基色组成，在模组校正中可以通过设置三种寄存器值(实际上就是控制相应的电压或电流)来分别控制这三种颜色强度，从而控制模组色度(x和y校正值)和亮度(lv校正值)，Gamma校正就是通过调节上述3种寄存器值来实现的，可以将这三组寄存器值称为RegValR、RegValG、RegValB，这三组寄存器值对色坐标及亮度x、y和lv的影响有如下特点：RegValR主要影响色坐标x，对亮度有一定影响；RegValG主要影响色坐标y，对亮度影响很明显；RegValB对色坐标x和y都有影响，对亮度lv几乎没有影响。逐步逼近法就是根据上述寄存器值控制模组对应该灰阶的色坐标(x和y校正值)和亮度(lv校正值)，通过改变x、y和lv校正值步长，逐步逼近目标值，直至对应该灰阶的色度坐标和亮度与目标值的差值达到误差范围内即可，此时可利用调制后的M块模组对应该灰阶的的寄存器值并调用现有算法库求得调制参数。

S2.随机取上述型号的N块模组样本并编号，将N块模组样本的对应S1的灰阶的色度坐标和亮度调制到预设范围，记录N块模组样本对应该灰阶的寄存器调制值；同时，将预设的寄存器值写入N块模组样本的对应该灰阶的寄存器，测量N块模组样本在上述灰阶下对应预设的寄存器值的色坐标以及亮度，并按照模块的编号保存起来，具体为：

作为一个示例，预设的寄存器值为一组经验值，可以任意设定。可以利用CA-410或者CA-310仪器测量N块模组样本对应该灰阶的色坐标以及亮度。

S3.将预设的寄存器值写入待调制模组对应该灰阶的寄存器，测量此时待调制模组对应该灰阶的色坐标以及亮度，比较待调制模组对应该灰阶的色坐标以及亮度测量值与N块模组样本对应该灰阶的色坐标以及亮度，并确定N块模组样本中与待调制模组对应的最佳匹配模组；具体为：

对于即将进行调制的模组，以W255灰阶为示例，将步骤S2中预设的寄存器值写入待调制模组，可以测量得到此时待调制模组对应W255灰阶的色坐标以及亮度x′、y′和lv′，将待调制模组的x′、y′和lv′与N块模组样本的x_i、y_i和lv_i进行比较，其中，i代表N块模组样本对应的编号，从N块模组样本中确定最佳匹配模组；

作为一个示例，计算待调制模组的x′、y′和lv′与N块模组样本的x_i、y_i和lv_i的均方差，均方差计算公式为：

比较N块模组样本的均方差d_i大小，均方差d_i最小所对应的模组样本即为所求的最佳匹配模组。

S4.利用步骤S1中确定的调制参数，将最佳匹配模组对应该灰阶的寄存器调制值作为待调制模组对应该灰阶寄存器的调制初始值，对待调制模组对应该灰阶寄存器值进行Gamma校正。

作为一个示例，以W255灰阶和卡尔曼滤波调制为示例，并将最佳匹配模组对应的W255灰阶的寄存器值直接赋值给待调制模组作为寄存器调制初始值，首先，对待调制模组W255灰阶利用卡尔曼滤波公式进行预测，预测一次之后，将预测结果值与目标值进行对比，差值在误差范围外，则再次利用Kalman滤波器进行预测，如此反复循环，直至预测结果与目标值的差值在误差范围内；对于剩下的每个绑点(光学上把白色均匀光源的亮度从W0-W255分为256个等级，也可称之为256个灰阶，gamma调制并不需要将这256个灰阶全部调好，而是选择其中的某些灰阶来调，这些选中的灰阶就称为绑点)，由于步骤S1中已经确定了卡尔曼滤波调制参数A，B，可由W255灰阶和W3灰阶色坐标及亮度的目标值来确定其它灰阶的色坐标及亮度的目标值，再利用Kalman滤波循环进行调制以得到其他灰阶对应寄存器调制值，即重复步骤S1-S4得到其他灰阶对应寄存器调制值。

作为一个优选的实施例，可以利用W₂₅₅和W₀这两个灰阶的亮度目标值确定其他绑点W_j灰阶的亮度目标值，具体公式为：

式中，Lv_j就是其他绑点W_j灰阶的亮度目标值，Lv_max就是W₂₅₅灰阶的亮度目标值，Lv₀就是W₀灰阶的亮度目标值，为灰阶系数，其它灰阶的亮度目标值可以根据这个公式计算出来，在进行gamma调制时，一般会先给出W₂₅₅和W₀的亮度目标值，必须先调W₂₅₅和W₀，再依据上述公式确定其它绑点的亮度目标值。

对于同一个型号的模组，将每个绑点的寄存器值画成一个连续的三维立体图。图2为本发明实施例的基于卡尔曼滤波的模组Gamma校正方法的寄存器值示意图。如图2所示，给出了某款型号的模组其中的任意6个模组，经过gamma调制之后，将所有绑点的寄存器值画成一个连续的三维立体图，从图中的走势可以发现这6个模组之间有着某种共性，可以认为同一型号的模组是非常类似的，并服从一个正态分布。因此，可以建立一个模型，也即可以将这个三维立体图看成是一个有着某种运行规律的目标的运行轨迹，可以发现，这个对于同一个类型的目标，这个运行轨迹非常相似的，并且，这些轨迹也是不可测的。利用Kalman filtering可以预测这些运行轨迹的最优值，从而达到gamma调制的目的。

对于卡尔曼滤波的过程具体为：

一个离散控制过程的系统，待调制模组k时刻的寄存器调制值为：

X(k)＝AX(k-1)+BU(k)

式中，X(k)是待调制模组k时刻的寄存器调制值，U(k)是k时刻待调制模组的调制步长。A和B是卡尔曼滤波参数，对于多模型系统，优选为矩阵。

Gamma调制的过程为对需要调制的绑点按照一定的调制步长进行重复调制，直至测试得到的色坐标以及亮度达到误差范围内，这里的X(k)主要表示其中调到的某一次的状态，如果不达标则需要对待调制模组进行下一次调制，那么下一次调制即为k+1时刻的待调制模组k时刻的寄存器调制值就是X(k+1)。如前面所述，我们通过调节寄存器值来进行gamma校正，利用Kalman滤波进行第一次预测，将预测完毕之后的寄存器值写入模组，利用CA-410/CA-310测量模组色坐标及亮度的x、y和lv，计算模组色坐标及亮度的x、y和lv与目标值的差值，依据模组色坐标及亮度的x、y和lv与目标值的差值调整待调制模组的调制步长U(k)，再次输入模组之中利用Kalman滤波预测下一时刻的寄存器值，并将该组寄存器值再次写入待调制模组，如此反复循环，直至待调制模组色坐标及亮度的x、y和lv与目标值的差值在误差范围内即可。

随着待调制模组的次数增加，对应该灰阶的色坐标以及亮度测量值与目标值的差值会趋于收敛直至在误差范围内，在这个过程中，对应该灰阶的色坐标以及亮度测量值可能会存在测量仪器CA-410/CA-310的噪声，同时，也会有待调制模组自身质量和稳定性的原因引发的噪声，比如：模组本身也会有轻微的闪烁，上述噪声会对亮度测量是会有影响的，并且，随着模组自身点亮的时间的增加，也会有亮度衰减现象，因此，测量所得值需要考虑对应的仪器噪声和模组自身噪声。

图3为本发明实施例的基于卡尔曼滤波的模组Gamma校正方法与现有技术的校正时间比较示意图。如图3所示，横坐标表示绑点的序号，竖坐标表示每个绑点调制的次数，由于每个绑点调制的次数越少其对应相应的校正时间TT(take time)也就会少，因此，调制次数更能反映对应的校正时间。从图3可以明显看出，本发明实施例的基于卡尔曼滤波的模组Gamma校正方法的绑点调制的次数少于现有技术算法的绑点调制的次数。

本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于卡尔曼滤波的模组Gamma校正方法，其特征在于，具体步骤为：

S1.随机抽取同一型号的M块模组样本，将M块模组在其中任意一个灰阶下的色度坐标和亮度调制到预设范围内，利用调制后的M块模组对应该灰阶的寄存器值求得该型号模组的调制参数；

S2.随机抽取所述型号的N块模组样本，将N块模组样本在所述灰阶下的色度坐标和亮度调制到预设范围内，记录N块模组样本在所述灰阶下的寄存器调制值；将预设的寄存器值写入N块模组样本的对应所述灰阶的寄存器，测量N块模组样本在所述灰阶下的色坐标以及亮度；

S3.将所述预设的寄存器值写入待调制模组对应所述灰阶的寄存器，测量此时待调制模组在所述灰阶下的色坐标以及亮度，比较所述灰阶下待调制模组的色坐标以及亮度测量值与N块模组样本的色坐标以及亮度以确定与待调制模组对应的最佳匹配模组；

S4.将所述灰阶下最佳匹配模组的寄存器调制值作为待调制模组对应所述灰阶寄存器的调制初始值，利用该型号模组的调制参数对待调制模组对应所述灰阶的寄存器值进行Gamma校正。

2.根据权利要求1所述的一种基于卡尔曼滤波的模组Gamma校正方法，其特征在于，步骤S1中利用逐步逼近算法将M块模组在所述灰阶下的色度坐标和亮度调制到预设范围内。

3.根据权利要求1所述的一种基于卡尔曼滤波的模组Gamma校正方法，其特征在于，步骤S1中可利用调用算法库求得该型号模组的调制参数。

4.根据权利要求3所述的一种基于卡尔曼滤波的模组Gamma校正方法，其特征在于，步骤S1中可利用调用卡尔曼滤波算法库求得该型号模组的卡尔曼滤波调制参数，步骤S4利用卡尔曼滤波公式对待调制模组对应所述灰阶的寄存器值进行迭代校正。

5.根据权利要求4所述的一种基于卡尔曼滤波的模组Gamma校正方法，其特征在于，步骤S4利用卡尔曼滤波公式对待调制模组对应所述灰阶的寄存器值进行迭代校正的终止条件为：待调制模组在所述灰阶下的色度坐标和亮度调制到预设范围内。

6.根据权利要求4所述的一种基于卡尔曼滤波的模组Gamma校正方法，其特征在于，卡尔曼滤波公式具体为:

X(k)＝AX(k-1)+BU(k)

式中，X(k)是待调制模组k时刻对应所述灰阶的寄存器调制值，U(k)是k时刻待调制模组对应所述灰阶的调制步长，A和B分别为卡尔曼滤波参数。

7.根据权利要求5所述的一种基于卡尔曼滤波的模组Gamma校正方法，其特征在于，依据k时刻测量所得的待调制模组的色坐标及亮度与其目标值的差值确定k+1时刻待调制模组对应所述灰阶的调制步长U(k+1)。

8.根据权利要求1所述的一种基于卡尔曼滤波的模组Gamma校正方法，其特征在于，步骤S2中利用逐步逼近算法将N块模组在所述灰阶下的色坐标以及亮度调制到预设范围内。

9.根据权利要求1所述的一种基于卡尔曼滤波的模组Gamma校正方法，其特征在于，比较所述灰阶下待调制模组的色坐标以及亮度测量值与N块模组样本的色坐标以及亮度的均方差，均方差最小的模组即为最佳匹配模组。

10.根据权利要求1-9中任一项所述的一种基于卡尔曼滤波的模组Gamma校正方法，其特征在于，可利用W₂₅₅和W₀这两个灰阶的亮度目标值确定其他绑点灰阶的亮度目标值。