CN109672451B - demura数据压缩方法、mura补偿方法与装置 - Google Patents

Abstract

本发明提供了一种demura数据压缩方法，包括以下步骤：S1、demura数据采集，得到原始的demura查找表，将查找表里的数据全部取出放入一个数据集合中得到demura数据集D=(x₁，x₂…x_m)；S2、压缩，首先，对demura数据集D=(x₁，x₂…x_m)进行密度聚类划分簇，再对聚类结果采用哈夫曼编码进行压缩，得到压缩后的demura查找表。本发明还提供了一种mura补偿方法。本发明还提供了一种mura补偿装置。本发明的有益效果是：对demura数据进行了合理的压缩，缩小了demura查找表的大小，减少了硬件成本。

Description

demura数据压缩方法、mura补偿方法与装置

技术领域

本发明涉及液晶显示，尤其涉及一种demura数据压缩方法、mura补偿方法与装置。

背景技术

Mura主要指显示面板的亮度不均匀的不良表现。该现象一般在显示面板生产过程中不良因素导致。现在液晶显示面板尺寸越来越大，面板越大对面板的生产技术要求就越来越高，越容易产生mura纹。Demura就是一种对面板mura纹补偿的方法。经过显示面板亮度采集，根据亮度和灰度之间的关系计算得到灰度的补偿值，形成demura查找表，硬件控制芯片通过检索demura查找表进行补偿操作。

但是，demura的查找表一般都比较大。现在显示面板尺寸越来越大，显示的分辨率也越来越高，demura的查找表也随之变得更大。补偿表的大小决定存储单元的大小。Demura查找表的大小直接影响硬件成本。

因此，如何对进行Demura查找表进行合理的压缩是一个有待解决的问题。

发明内容

为了解决现有技术中的问题，本发明提供了一种demura数据压缩方法、mura补偿方法与装置。

本发明提供了一种demura数据压缩方法，包括以下步骤：

S1、demura数据采集，得到原始的demura查找表，将查找表里的数据全部取出放入一个数据集合中得到demura数据集D＝(x₁，x₂…x_m)；

S2、压缩，首先，对demura数据集D＝(x₁，x₂…x_m)进行密度聚类划分簇，再对聚类结果采用哈夫曼编码进行压缩，得到压缩后的demura查找表。

作为本发明的进一步改进，在步骤S1中，用工业相机采集液晶显示屏典型灰度的图像亮度数据，采集得到每个采样点的多个典型灰阶对应的亮度数据，根据亮度和灰度的关系，利用demura算法对采集到的数据进行处理，计算待调整灰度值ΔR，ΔG，ΔB，得到原始的demura查找表，将查找表里的数据全部取出放入一个数据集合中得到demura数据集D＝(x₁，x₂…x_m)。

作为本发明的进一步改进，在步骤S1中，每8×8个像素点选取一个作为采样点，选取0，16，32，64，128，255这6个典型灰度，采集得到每个采样点在这6个典型灰阶对应的亮度数据。

作为本发明的进一步改进，在步骤S2中，对demura数据集D＝(x₁，x₂…x_m)进行密度聚类划分簇，包括以下步骤：

1)初始化邻域参数(∈,MinPts)、核心对象集合

聚类簇数k＝0以及未访问数据集合Γ＝D,簇分类/>

2)对于数据集D＝(x₁,x₂,...,x_m)，找出其所有核心对象；

按下面的步骤：

a)若其它数据x_i与x_j的距离小于等于初始化的邻域参数∈，即|x_j-x_i|≤∈，则将x_i作为数据x_j的∈-邻域子数据集N∈(x_j)的一个元素，j,i＝1,2,...m，如此遍历整个数据集；

b)如果子数据集N∈(x_j)的元素个数大于等于初始化的邻域参数MinPts，即满足|N∈(x_j)|≥MinPts，则将数据x_j加入核心对象数据集合Ω，即Ω＝Ω∪{x_j}，如此遍历所有子数据集N∈(x_j)，得到数据集D＝(x₁，x₂…x_m)的所有核心对象集Ω；

3)如果核心对象集合

则密度聚类结束，否则进行步骤4)；

4)在核心对象集合Ω中，随机选择一个核心对象o，初始化当前簇核心对象队列Ω_cur＝{o}、类别序号k＝k+1、当前簇样本集合C_k＝{o}，更新未访问数据集合Γ＝Γ-{o}；

5)如果当前簇核心对象队列

则当前聚类簇C_k生成完毕,更新簇划分C＝{C₁，C₂,...,C_k}，更新核心对象集合Ω＝Ω-C_k，转入步骤3)；

6)在当前簇核心对象队列Ω_cur中取出一个核心对象o′，通过邻域距离阈值∈找出所有的∈-邻域子数据集N∈(o′)，令Δ＝N∈(o′)∩Γ，更新当前簇样本集C_k＝C_k∪Δ，更新未访问数据集合Γ＝Γ-Δ,更新Ω_cur＝Ω_cur∪(Δ∩Ω)-o′，转入步骤5)；

完成上述步骤得到簇划分结果C＝{C₁,C₂,...,C_k}和异常数据集合(x₁,x₂,...,x_n)，将每个异常数据也划分为单个簇，即x₁为簇C_k+1、x₂为簇C_k+2……x_n为簇C_k+n，即得到最终聚类簇划分结果C＝{C₁,C₂,...,C_k+n}。

作为本发明的进一步改进，在步骤S2中，对聚类结果采用哈夫曼编码进行压缩包括：将同一簇数据用其平均值代替，统计每簇数据个数，并按照由高到低的顺序进行排序，以每簇数据的个数为权重进行哈夫曼树的构造，并进行二进制哈夫曼编码，簇里的数据个数越多，对应的二进制哈夫曼编码越短，如此得到每一簇数据对应的二进制哈夫曼编码，同时每一簇数据的平均值也对应相同的二进制哈夫曼编码，将每一簇数据的平均值与对应的二进制哈夫曼编码进行一一映射，生成哈夫曼编码表，将原始的demura查找表中的数据替换成其所在簇对应的哈夫曼编码值，并生成经最终的压缩后的demura查找表。

本发明还提供了一种mura补偿方法，对上述中任一项所述的demura数据压缩方法压缩后的demura查找表进行解压缩，读取压缩后的demura查找表中的数据，遍历哈夫曼编码表，将读取的数据依次替换成对应簇数据的平均值，得到液晶显示屏采样点子像素的demura补偿值。

本发明还提供了一种mura补偿装置，用于存储上述中任一项所述的demura数据压缩方法压缩后的demura查找表，并执行所述的mura补偿方法。

作为本发明的进一步改进，所述mura补偿装置包括控制单元、数据存储单元和插值计算单元，所述控制单元的输出端分别与所述数据存储单元、插值计算单元连接，所述数据存储单元的输出端与所述插值计算单元连接，所述数据存储单元存储有上述中任一项所述的demura数据压缩方法压缩后的demura查找表，所述控制单元则控制读取每个非采样子像素非典型灰度对应的两个典型灰度的多个采样点的demura数据，所述插值计算单元利用demura补偿值对液晶显示面板进行补偿。

作为本发明的进一步改进，所述数据存储单元包括8个只读存储器，所述控制单元控制读取每个非采样子像素非典型灰度对应的两个典型灰度的8个采样点的demura数据，并存储在8个只读存储器中。

作为本发明的进一步改进，所述插值计算单元根据奇数行奇数列、奇数行偶数列、偶数行奇数列、偶数行偶数列采样点子像素补偿值进行双线性插值，得到非采样点子像素典型灰度的demura补偿值，其非典型灰度级的补偿数据由则有典型灰度的补偿数据进一步插值得到

本发明的有益效果是：通过上述方案，对demura数据进行了合理的压缩，缩小了demura查找表的大小，减少了硬件成本。

附图说明

图1是本发明一种mura补偿装置的示意图。

图2是本发明一种demura数据压缩方法的流程图。

图3是本发明一种demura数据压缩方法的采样点和典型灰度级的选取示意图。

具体实施方式

下面结合附图说明及具体实施方式对本发明作进一步说明。

如图2所示，一种demura数据压缩方法，包括以下步骤：

S1、demura数据采集，得到原始的demura查找表，将查找表里的数据全部取出放入一个数据集合中得到demura数据集D＝(x₁，x₂…x_m)；

S2、压缩，首先，对demura数据集D＝(x₁，x₂…x_m)进行密度聚类划分簇，再对聚类结果采用哈夫曼编码进行压缩，得到压缩后的demura查找表。

在步骤S1中，用工业相机采集液晶显示屏典型灰度的图像亮度数据。为了减少数据存储量，每8×8个像素点选取一个作为采样点。如图3所示，考虑1920×1080个像素点情况，选取0，16，32，64，128，255这6个典型灰度，采集得到每个采样点在这6个典型灰阶对应的亮度数据。根据亮度和灰度的关系，利用Demura算法对采集到的数据进行处理，计算待调整灰度值ΔR，ΔG，ΔB，得到原始的Demura查找表。将查找表里的数据全部取出放入一个数据集合中得到demura数据集D＝(x₁，x₂…x_m)。

在步骤S2中，采用密度聚类与哈夫曼编码结合的方法对Demura数据集D＝(x₁，x₂…x_m)进行压缩，首先对数据集进行密度聚类，对聚类结果采用哈夫曼编码的方法进行进一步的无损压缩。

缩密度聚类不需要指定聚类的数目k，而且聚类的数目k可以通过两个邻域参数∈，MinPt进行调节。密度聚类的优势还体现在可以发现任意形状的聚类簇，同时它在聚类的同时还可以找出异常点，对demura数据集D＝(x₁，x₂…x_m)进行密度聚类划分簇，具体包括以下步骤：

1)初始化邻域参数(∈,MinPts)、核心对象集合

聚类簇数k＝0以及未访问数据集合Γ＝D,簇分类/>

2)对于数据集D＝(x₁,x₂,...,x_m)，找出其所有核心对象；

按下面的步骤：

a)若其它数据x_i与x_j的距离小于等于初始化的邻域参数∈，即|x_j-x_i|≤∈，则将x_i作为数据x_j的∈-邻域子数据集N∈(x_j)的一个元素，j,i＝1,2,...m，如此遍历整个数据集；

b)如果子数据集N∈(x_j)的元素个数大于等于初始化的邻域参数MinPts，即满足|N∈(x_j)|≥MinPts，则将数据x_j加入核心对象数据集合Ω，即Ω＝Ω∪{x_j}，如此遍历所有子数据集N∈(x_j)，得到数据集D＝(x₁，x₂…x_m)的所有核心对象集Ω；

3)如果核心对象集合

则密度聚类结束，否则进行步骤4)；

4)在核心对象集合Ω中，随机选择一个核心对象o，初始化当前簇核心对象队列Ω_cur＝{o}、类别序号k＝k+1、当前簇样本集合C_k＝{o}，更新未访问数据集合Γ＝Γ-{o}；

5)如果当前簇核心对象队列

则当前聚类簇C_k生成完毕,更新簇划分C＝{C₁，C₂,...,C_k}，更新核心对象集合Ω＝Ω-C_k，转入步骤3)；

6)在当前簇核心对象队列Ω_cur中取出一个核心对象o′，通过邻域距离阈值∈找出所有的∈-邻域子数据集N∈(o′)，令Δ＝N∈(o′)∩Γ，更新当前簇样本集C_k＝C_k∪Δ，更新未访问数据集合Γ＝Γ-Δ,更新Ω_cur＝Ω_cur∪(Δ∩Ω)-o′，转入步骤5)；

完成上述步骤得到簇划分结果C＝{C₁,C₂,...,C_k}和异常数据集合(x₁,x₂,...,x_n)，将每个异常数据也划分为单个簇，即x₁为簇C_k+1、x₂为簇C_k+2……x_n为簇C_k+n，即得到最终聚类簇划分结果C＝{C₁,C₂,...,C_k+n}。

在步骤S2中，对聚类结果采用哈夫曼编码进行压缩包括：将同一簇数据用其平均值代替，统计每簇数据个数，并按照由高到低的顺序进行排序，以每簇数据的个数为权重进行哈夫曼树的构造，并进行二进制哈夫曼编码，簇里的数据个数越多，对应的二进制哈夫曼编码越短，如此得到每一簇数据对应的二进制哈夫曼编码，同时每一簇数据的平均值也对应相同的二进制哈夫曼编码，将每一簇数据的平均值与对应的二进制哈夫曼编码进行一一映射，生成哈夫曼编码表，将原始的demura查找表中的数据替换成其所在簇对应的哈夫曼编码值，并生成经最终的压缩后的demura查找表。

本发明还提供了一种mura补偿方法，对上述中任一项所述的demura数据压缩方法压缩后的demura查找表进行解压缩，读取压缩后的demura查找表中的数据，遍历哈夫曼编码表，将读取的数据依次替换成对应簇数据的平均值，得到液晶显示屏采样点子像素的demura补偿值。

如图1所示，本发明还提供了一种mura补偿装置，用于存储上述中任一项所述的demura数据压缩方法压缩后的demura查找表，并执行所述的mura补偿方法。

如图1所示，所述mura补偿装置包括控制单元1、数据存储单元2和插值计算单元3，所述控制单元1的输出端分别与所述数据存储单元2、插值计算单元3连接，所述数据存储单元2的输出端与所述插值计算单元3连接。

如图1所示，数据存储单元2有demura查找表模块、解压缩模块、和8个只读存储器，将压缩后的Demura查找表写入到数据存储单元2中。解压缩过程即为读取压缩后的Demura查找表中的数据，遍历哈夫曼编码表，将读取的数据依次替换成对应簇数据的平均值。得到液晶显示屏采样点子像素的demura补偿值。

如图1所示，控制单元1则控制读取每个非采样子像素非典型灰度对应的两个典型灰度的8个采样点的demura数据。存储在8个只读存储器中。

如图1所示，插值计算单元2利用上述的demura补偿值对液晶显示面板进行补偿，计算采用流水线的方式。具体地，根据奇数行奇数列，奇数行偶数列，偶数行奇数列，偶数行偶数列采样点子像素补偿值进行双线性插值，得到非采样点子像素典型灰度的demura补偿值。其非典型灰度级的补偿数据由则有典型灰度的补偿数据进一步插值得到。

例如非采样点R子像素对应奇数行奇数列，奇数行偶数列，偶数行奇数列，偶数行偶数列采样点子像素补偿值分别为：

ΔR1＝24，ΔR2＝48，ΔR3＝-32，ΔR4＝128，如表1所示。

表1(非采样点子像素demura补偿值计算表)

则非采样点R子像素典型灰度级demura补偿值ΔR可以由下面双线性插值公式得到：

ΔR’＝ΔR1+a1*(ΔR3-ΔR1)/8

ΔR”＝ΔR2+a1*(ΔR4-ΔR2)/8

ΔR＝ΔR’+a2*(ΔR”-ΔR’)/8

其中a1表示ΔR’到ΔR1的距离，同时也是ΔR”到ΔR2的距离；a2表示ΔR到ΔR’的距离。即有：

ΔR’＝24+2*(-32-24)/8＝10

ΔR”＝48+2*(128-48)/8＝58

ΔR＝12+3*(58-10)/8＝30。

由以上步骤可以得到非采样点的2个典型灰度对应的demura补偿值。其非典型灰度级的补偿数据由这2个典型灰度级的补偿数据插值得到，例如R子像素灰度级234的demura补偿值由R子像素典型灰度128对应的demura补偿值ΔR₁₂₈和R子像素典型灰度ΔR₂₅₅插值得到。这里不再具体描述。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (9)

1.一种demura数据压缩方法，其特征在于，包括以下步骤：

S1、demura数据采集，得到原始的demura查找表，将查找表里的数据全部取出放入一个数据集合中得到demura数据集D＝(x₁，x₂…x_m)；

S2、压缩，首先，对demura数据集D＝(x₁，x₂…x_m)进行密度聚类划分簇，再对聚类结果采用哈夫曼编码进行压缩，得到压缩后的demura查找表；

在步骤S2中，对demura数据集D＝(x₁，x₂…x_m)进行密度聚类划分簇，包括以下步骤：

1)初始化邻域参数(∈,MinPts)、核心对象集合

聚类簇数k＝0以及未访问数据集合Γ＝D,簇分类/>

2)对于数据集D＝(x₁,x₂,...,x_m)，找出其所有核心对象；

按下面的步骤：

a)若其它数据x_i与x_j的距离小于等于初始化的邻域参数∈，即|x_j-x_i|≤∈，则将x_i作为数据x_j的∈-邻域子数据集N∈(x_j)的一个元素，j,i＝1,2,...m，如此遍历整个数据集；

b)如果子数据集N∈(x_j)的元素个数大于等于初始化的邻域参数MinPts，即满足|N∈(x_j)|≥MinPts，则将数据x_j加入核心对象数据集合Ω，即Ω＝Ω∪{x_j}，如此遍历所有子数据集N∈(x_j)，得到数据集D＝(x₁，x₂…x_m)的所有核心对象集Ω；

3)如果核心对象集合

则密度聚类结束，否则进行步骤4)；

4)在核心对象集合Ω中，随机选择一个核心对象o，初始化当前簇核心对象队列Ω_cur＝{o}、类别序号k＝k+1、当前簇样本集合C_k＝{o}，更新未访问数据集合Γ＝Γ-{o}；

5)如果当前簇核心对象队列

则当前聚类簇C_k生成完毕,更新簇划分C＝{C₁，C₂,...,C_k}，更新核心对象集合Ω＝Ω-C_k，转入步骤3)；

6)在当前簇核心对象队列Ω_cur中取出一个核心对象o′，通过邻域距离阈值η找出所有的∈-邻域子数据集N∈(o′)，令Δ＝N∈(o′)∩Γ，更新当前簇样本集C_k＝C_k∪Δ，更新未访问数据集合Γ＝Γ-Δ,更新Ω_cur＝Ω_cur∪(Δ∩Ω)-o′，转入步骤5)；

完成上述步骤得到簇划分结果C＝{C₁,C₂,...,C_k}和异常数据集合(x₁,x₂,...,x_n)，将每个异常数据也划分为单个簇，即x₁为簇C_k+1、x₂为簇C_k+2……x_n为簇C_k+n，即得到最终聚类簇划分结果C＝{C₁,C₂,...,C_k+n}。

2.根据权利要求1所述的demura数据压缩方法，其特征在于：在步骤S1中，用工业相机采集液晶显示屏典型灰度的图像亮度数据，采集得到每个采样点的多个典型灰阶对应的亮度数据，根据亮度和灰度的关系，利用demura算法对采集到的数据进行处理，计算待调整灰度值ΔR，ΔG，ΔB，得到原始的demura查找表，将查找表里的数据全部取出放入一个数据集合中得到demura数据集D＝(x₁，x₂…x_m)。

3.根据权利要求1所述的demura数据压缩方法，其特征在于：在步骤S1中，每8×8个像素点选取一个作为采样点，选取0，16，32，64，128，255这6个典型灰度，采集得到每个采样点在这6个典型灰阶对应的亮度数据。

4.根据权利要求1所述的demura数据压缩方法，其特征在于：在步骤S2中，对聚类结果采用哈夫曼编码进行压缩包括：将同一簇数据用其平均值代替，统计每簇数据个数，并按照由高到低的顺序进行排序，以每簇数据的个数为权重进行哈夫曼树的构造，并进行二进制哈夫曼编码，簇里的数据个数越多，对应的二进制哈夫曼编码越短，如此得到每一簇数据对应的二进制哈夫曼编码，同时每一簇数据的平均值也对应相同的二进制哈夫曼编码，将每一簇数据的平均值与对应的二进制哈夫曼编码进行一一映射，生成哈夫曼编码表，将原始的demura查找表中的数据替换成其所在簇对应的哈夫曼编码值，并生成经最终的压缩后的demura查找表。

5.一种mura补偿方法，其特征在于：对权利要求1至4中任一项所述的demura数据压缩方法压缩后的demura查找表进行解压缩，读取压缩后的demura查找表中的数据，遍历哈夫曼编码表，将读取的数据依次替换成对应簇数据的平均值，得到液晶显示屏采样点子像素的demura补偿值。

6.一种mura补偿装置，其特征在于：用于存储权利要求1至4中任一项所述的demura数据压缩方法压缩后的demura查找表，并执行权利要求5所述的mura补偿方法。

7.根据权利要求6所述的mura补偿装置，其特征在于：包括控制单元、数据存储单元和插值计算单元，所述控制单元的输出端分别与所述数据存储单元、插值计算单元连接，所述数据存储单元的输出端与所述插值计算单元连接，所述数据存储单元存储有权利要求1至4中任一项所述的demura数据压缩方法压缩后的demura查找表，所述控制单元则控制读取每个非采样子像素非典型灰度对应的两个典型灰度的多个采样点的demura数据，所述插值计算单元利用demura补偿值对液晶显示面板进行补偿。

8.根据权利要求7所述的mura补偿装置，其特征在于：所述数据存储单元包括8个只读存储器，所述控制单元控制读取每个非采样子像素非典型灰度对应的两个典型灰度的8个采样点的demura数据，并存储在8个只读存储器中。

9.根据权利要求7所述的mura补偿装置，其特征在于：所述插值计算单元根据奇数行奇数列、奇数行偶数列、偶数行奇数列、偶数行偶数列采样点子像素补偿值进行双线性插值，得到非采样点子像素典型灰度的demura补偿值，其非典型灰度级的补偿数据由则有典型灰度的补偿数据进一步插值得到。

Images