CN109803100A - 一种自适应消残影方法 - Google Patents

Abstract

本发明公开一种自适应消残影方法，通过外部输入信号完成模数转换，完成图像数字结构的存储，将采集得到的图像数据作为初始数据引入图像预处理环节;通过分析采集到的包含整个液晶面板屏幕的图像数据，辨别图像数据是否长时间呈现在一定的范围内，从而识别图像是否为静止画面。然后通过对到达消残影时间的静止图像数据进行反相模糊算法和高斯模糊算法，产生另一组图像数据，形成全屏模糊后的图像。最后通过消残影输出在静止画面停留一定时间后，将模糊图像输出到屏幕，显示整屏的模糊处理画面，改变屏幕图像，最终达到整屏的消残影效果。

Description

一种自适应消残影方法

技术领域

本发明涉及液晶电视技术领域，尤其涉及一种自适应消残影方法。

背景技术

随着社会的飞速发展，信息的显示在人们的日常生活、工作和社会活动的作用越来越重要。液晶显示器(LCD)的特点是低工作电压、低功耗、低辐射、以及轻薄美观等优势，为大众所喜爱，已成为市场的主流显示终端设备。普遍应用在手机、电脑、车载显示器和液晶电视等各种显示领域。对于显示性能也提出了越来越高的要求，如高亮度、高对比度、高响应速度等，而且对于整个显示器的画质，如Mura、残影的要求也越来越苛刻。对于目前市场的主流显示面板，其中残影(Image Sticking)是一种常见的画面品质待改善的问题之一。

TFT显示屏一般由一个夹层组成，这个夹层大致是由偏光板、彩色滤光片、薄膜晶体管组成，这两层之间就是液晶层。偏光板、彩色滤光片决定了多少光可以通过以及生成何种颜色的光。这个夹层位于两层玻璃基板之间。在上层玻璃基板上自彩色滤光片和公共电极，而下层是薄膜晶体管，他们共同作用可以生成能精确控制的电场，电场决定了液晶的排列方式。在液晶层中由于液晶分子本身或者杂质的分解而产生了离子.当电场加到液晶盒(Cell)时，离子也跟随着运动。离子的运动过程必将对液晶图像的显示产生影响。如果离子迁移率很高，由离子运动引起的漏流将会降低电压维持率(Voltage Holding Ratio，VHR)，而低的电压维持率将导致图像闪烁(Image Flicker)；另一方面，如果离子迁移率较小，电荷分布的积累就不能随着图像或者电压改变而改变，从而引起图像残留(ImageSticking)。当一个静止的图片显示了一段时间后液晶盒的光学特性也随之改变，换言之，当另一幅图像加上去后，原来显示图像的边缘依然可见，即为图像残影。

当我们在使用液晶电视的时候，如果发现画面切换之时，前一个画面不会立刻消失，而是慢慢不见的现象，我们称这种现象叫做液晶电视的“残影”现象。残影的发生通常是同一画面显示太久的情况下，液晶内的带电离子吸附在上下玻璃两端形成内建电场，画面切换之后这些离子没有立刻释放出来，使得液晶分子没有立刻转到应转的角度所造成。

液晶显示器由于残影现象，在显示器输入的画面切换时，前一个画面不会立刻消失，视觉效果与第二个画面同时出现，经过一段时间会慢慢消失。残影的现象显然会影响阅读显示器的显示内容，因此会引起可读性下降，造成用户体验差。在一些特殊的场合可能会由于信息获取不及时或错误，导致发生安全事故，例如车载显示器、监控显示器。

在监控显示行业，由于监控器会固定拍摄一个范围的图像，如果这个范围的图像是静止不动的话，就会使得液晶电视长时间显示同一固定的画面，从而出现残影现象。这种情况在监控显示行业是一种常见现象，比如在夜晚的时候基本上没有运动物体，此时拍摄的画面不会有太大差别；还有在商场或公司下班的时候，很多监控画面也是处于静止状态等等。在传统的监视器中，将一幅画面长时间显示在屏幕上会对屏幕造成永久的损坏。

不同的液晶和取向层材料组合的样品引起图像残留现象是不同的，因此在大批量地生产中选取合适的液晶与取向层材料对抑制图像残影现象起重要作用。在液晶显示器件的制作过程中,取向层摩擦取向、封胶、灌晶等过程都有可能产生离子，同时由于液晶层中的杂质离子会对液晶盒(Cell)的电光特性有很大的影响，从而影响液晶屏图像的显示。因此改善液晶显示器件制作过程工艺，减少离子产生，对抑制图像残影现象起重要作用。由于通过以上物理方法改善图像残影，成本高，故可以采用软件消残影的方法来节约成本。目前“Pixel shift”的方法是一种软件使用消残影的技术方法。即在静止画面播放特定时间后，将播放画面进行“右移-上移-左移-下移”的微小移动，并使画面移动回原来的位置。这种通过移动画面的显示技术方法，使原本静止的画面产生运动，在一定程度上是可以减少残影现象。但是此方法的局限性是为了不影响液晶电视的观看效果，画面移动的幅度就会非常小，使人眼在观看的时候不容易分辨出来，由于移动的幅度较小，当监控画面所拍摄的画面中有大面积的图像是同一颜色，那么这种移动幅度并不会改变这块区域的图像颜色，也就无法达到消残影的效果。

发明内容

本发明的目的在于提供一种自适应消残影方法。

本发明采用的技术方案是：

一种自适应消残影方法，其包括以下步骤：

步骤1，接收外部输入的信号进行视频解码输出YUV信号，并采用数字视频处理器将信号转换为数字数据，形成图像数据结构存储到电视系统的内存中，电视系统实时地采集屏幕图像数据；

步骤2，对每一帧数据进行比对处理，判断是否为静态图像；

当判断为静态图像时，则执行步骤3；

否则判断为动态图像时，则继续显示原始画面；

步骤3，启动定时器模块对显示图像进行时间计时；

步骤4，判断计时时间是否达到预置消残影时间；

当未达到预置消残影时间时，则执行步骤1；

当达到预置消残影时间时，则执行步骤5；

步骤5，进行消残影处理。

进一步地，作为优选实施例，步骤1中采集到的数字数据由R、G、B的灰度值所构成，通过采集整个屏幕每个像素点的R、G、B灰度值，并结合每个像素点的屏幕坐标值，形成图像数据结构存储到电视系统的内存中。

进一步地，作为优选实施例，步骤2中判断是否为静态图像的具体方法：将输入帧画面分成9个区块，获取每个区块中每个像素点的亮度值，然后计算每个区块中所有像素点的亮度值总和。比较前后输入帧画面每个区块的亮度值总和的变化差值，当所有区块的变化差值均小于千分之三，则判断为静态图像；否则，判断为动态图像。

进一步地，作为优选实施例，步骤5中的消残影处理包括以下步骤：

步骤5.1，对原始采集的RGB灰度值进行反相处理得到一组反相的RGB灰度值；

步骤5.2，对原始采集的RGB灰度值进行高斯处理得到另一组高斯的RGB灰度值，

步骤5.3，通过数据校验判断反相处理和高斯处理是否完成；

当验证两种处理均完成时，则通过输出两组新的RGB灰度值的图像进行消残影；

当验证两种处理未都完成时，则执行步骤5.1；

步骤5.4，将新的RGB灰度值的图像显示一段预置模糊处理时间后，再次恢复为屏幕的原始图像。

进一步地，作为优选实施例，步骤5.1具体包括以下步骤：

步骤5.1.1，首先获取原始图像所有像素点的R、G、B灰度值，并存储到系统的数据缓存区；步骤5.1.2，采用反相算法，即用255分别减去R、G、B每个灰度值，得到反相R、G、B灰度值；

步骤5.1.3，在达到预置消残影时间时，再将此反相数据输出到屏幕，得到反相模糊图像。

进一步地，作为优选实施例，步骤5.2具体包括以下步骤：

步骤5.2.1，先获取原始图像所有像素点的R、G、B灰度值，并存储到系统的数据缓存区；步骤5.2.2，构建所需的权重矩阵：选定一个中心点，并在中心点周围选择8个坐标，并结合二维高斯函数得到9个点的初始权重矩阵，其中σ＝1.5；计算9个点的初始权重矩阵的权重总和；将9个点的初始权重矩阵的权重分别除以权重总和得到最终的权重矩阵；

步骤5.2.3，将获取的所有R、G、B灰度值套入最终权重矩阵得到R、G、B三个通道的所有灰度值对应的高斯模糊值；

步骤5.2.4，在达到预置消残影时间时，再将高斯模糊数值输出到屏幕，得到高斯模糊图像。

进一步地，作为优选实施例，步骤5.2.2构建所需的权重矩阵时，假定中心点的坐标为(0,0)，则结合周围8个点的坐标得到的9个点的坐标组合为{(-1,1)，(0，1)，(1,1)，(-1,0)，(0,0)，(1,0)，(-1，-1)，(0，-1)，(1，-1)}；

设定σ＝1.5，并结合二维高斯函数得到9个点的初始权重矩阵{0.0453542,0.0566406,0.0453542，0.0566406，0.0707355，0.0566406，0.0453542，0.0566406，0.0453542}；

计算9个点的初始权重矩阵的权重总和，该9个值的权重总和等于0.4787147；

将9个点的初始权重矩阵的权重分别除以权重总和0.4787147得到最终的权重矩阵{0.0947416，0.118318，0.0947416，0.118318，0.147761，0.118318，0.0947416，0.118318，0.0947416}。

进一步地，作为优选实施例，步骤5.2.3中任意点的高斯模糊灰度值的获取方法如下：以该任意点为中心点套用最终权重矩阵，即该中心点对应的9个点的灰度值分别乘上最终权重矩阵对应的权重值后得到9个高斯模糊灰度值；再将9个高斯模糊灰度值加起来得到中心点的高斯模糊灰度值。

本发明采用以上技术方案，与现有的技术相比，本发明的优点和积极效果是：图像模糊算法可以对采集到的整个屏幕的所有图像像素进行处理，并输出区别于原来像素的图像数据，这样就不再依赖于采集到的画面内容，在任意画面下都可以实现消残影效果。另外，采用图像模糊算法产生的模糊图像，只对画面的颜色产生变化，并不会改变原始画面的整体形状和结构，这也使得观看者在消残影处理过程中也可以大致识别图像内容。

附图说明

以下结合附图和具体实施方式对本发明做进一步详细说明；

图1是本发明的功能模块图。

图2是本发明的一种自适应消残影工作流程图。

图3是本发明的图像模糊处理工作流程图。

图4是本发明的反相模糊算法流程图。

图5是本发明的高斯模糊算法流程图。

具体实施方式

如图1-5之一所示，本发明公开了一种自适应消残影方法。图1是本发明的功能模块图。图像采集101是通过将外部输入信号源的数据完成数字化的转换，并完成图像数字数据的存储，通过图像采集得到的图像数据作为初始数据引入图像预处理环节，因而图像采集的结果将直接对图像的分析与处理产生影响，如果采集的图像数据不够准确，就会导致处理后的图像效果的准确性和可靠性，更有甚者将导致系统对静态画面和动态画面的误判，失去消残影的机制。图像预处理102是通过分析整个液晶面板屏幕采集到的每个像素的R/G/B数据，实时监测每个R/G/B数据的变化趋势，来判断屏幕画面是否为静态图像，并进行显示时间的计时，在达到预置消残影时间后启动图像模糊处理。图像模糊处理103是通过的图像模糊功能，将每个R/G/B的灰度值进行模糊算法的处理。本发明采用反相算法和高斯函数算法，这两种算法的优点在于得到的新灰度值与原来的像素灰度值完全不一样，可以适用于任意类型的画面输入。消残影输出模块104是将屏幕的原始图像替换为模糊处理后的图像，在达到预置模糊处理时间后关闭图像模糊处理机制，再次恢复为屏幕的原始图像。通过这种对屏幕每个像素点的变化，起到消残影的效果。

图2是本发明的一种自适应消残影工作流程图。具体的工作流程是：201通过接收外部输入的信号，进行视频解码输出YUV信号，并采用数字视频处理器将信号转换为数字数据。屏幕的每个像素点都是由R、G、B三种颜色的像素构成，采集到的数字数据也是由R、G、B的灰度值所构成，通过采集整个屏幕每个像素点的R、G、B灰度值，并结合每个像素点的屏幕坐标值，形成图像数据结构存储到电视系统的内存中。电视系统实时地采集屏幕图像数据，202模块对每一帧数据进行比对处理，判断前后的帧画面数据是否落在设定的误差范围内，从而判定此时的画面是否为静态图像，如果是动态画面，则跳过消残影处理机制，继续显示原始画面；如果是静态画面，则会启动203的定时器模块，对显示图像进行时间计时。204模块会在电视系统中预置消残影时间，如果静态画面的计时时间无法达到预置消残影时间，说明在预置消残影时间内画面有进行动态变化，则系统会直接回到开始的采集模块201；如果静态画面的计时时间达到预置消残影时间，则系统会启动消残影处理模块205。

图3是本发明的图像模糊处理工作流程图。具体的工作流程是301模块通过判断静态图像的显示时间是否达到预置消残影时间，来确定是否启动消残影的处理模式，如果静态图像显示时间未达到预置消残影时间，则不启动消残影处理模式；如果静态图像显示时间达到预置消残影时间，则开启消残影模式，并进入图像模糊处理。302模块首先将获取图像像素点的R、G、B灰度值进行反相运算，得到新的反相R、G、B灰度值，相当于图像进行了反色处理。303模块再将R、G、B灰度值进行高斯函数的运算，再次得到新的一组R、G、B灰度值，相当于图像进行了高斯模糊。304模块通过数据校验判断这两种模糊处理是否完成，如果数据校验失败，则返回重新对R、G、B灰度值进行反相和高斯处理；如果数据校验成功，则输出含有新的R、G、B灰度值的图像进行消残影。305模块将新的图像显示一段预置模糊处理时间后，再次恢复为屏幕的原始图像。通过这种对屏幕每个像素点的变化，起到消残影的效果。

图4是本发明的反相模糊算法流程图。反相即将某个颜色换成它的补色，图像中有很多颜色，每个颜色都转换为各自的补色，就相当于把这幅图像反相。401模块首先获取原始图像所有像素点的R、G、B灰度值，并存储到系统的数据缓存区。402模块采用反相算法，即用255分别减去R、G、B每个灰度值，得到反相R、G、B灰度值。403模块在系统达到预置消残影时间时，再将此反相数据输出到屏幕，得到反相模糊图像。避免监控静止画面长时间显示同一颜色，造成残影现象。

图5是本发明的高斯模糊算法流程图。高斯模糊主要是通过构建相应的权重矩阵，结合高斯函数的计算，来得到每个中心点的加权平均值，最后转换为所需的图像高斯模糊值。501模块同样先获取原始图像所有像素点的R、G、B灰度值，并存储到系统的数据缓存区。502模块首先构建所需的权重矩阵，它先假定中心点的坐标为(0,0)，并结合周围8个点的坐标，得到这9个点的坐标组合{(-1,1)，(0，1)，(1,1)，(-1,0)，(0,0)，(1,0)，(-1，-1)，(0，-1)，(1，-1)}；设定σ＝1.5，并结合二维高斯函数得到这9个点的权重矩阵{0.0453542,0.0566406,0.0453542，0.0566406，0.0707355，0.0566406，0.0453542，0.0566406，0.0453542}；由于这9个值的权重总和仅等于0.4787147，所以这9个值还需要除以0.4787147，得到最终的权重矩阵{0.0947416，0.118318，0.0947416，0.118318，0.147761，0.118318，0.0947416，0.118318，0.0947416}；503模块将获取的所有R、G、B灰度值套入权重矩阵，比如某9个像素点的灰度值为{14,15,16,24,25,26,34,35,36}，乘上对应的权重值后，得到{1.32638，1.77477，1.51587，2.83963，3.69403，3.07627,3.22121,4.14113,3.41070}，然后再将这9个值加起来，就是中心点的高斯模糊灰度值。针对R、G、B三个通道的灰度值，均采用相同的方法得到高斯模糊值。504模块在系统达到预置消残影时间时，再将高斯模糊数值输出到屏幕，得到高斯模糊图像。这样能减轻静止画面长时间显示残影现象，又能观看监控画面基本轮廓信息。

综上所述，本发明将采集的原始图像数据完成数字转换后进行数字结构的存储，并通过实时地采集屏幕图像数据，对每一帧数据进行比对处理，来判定画面是否为静止画面。在静止画面达到预置的消残影时间后，将原始图像数据进行反相模糊和高斯模糊的处理，形成消残影图像，并输出显示在屏幕上，通过改变屏幕的图像，达到消残影的效果。

Claims (8)

1.一种自适应消残影方法，其特征在于：其包括以下步骤：

步骤1，接收外部输入的信号进行视频解码输出YUV信号，并采用数字视频处理器将信号转换为数字数据，形成图像数据结构存储到电视系统的内存中，电视系统实时地采集屏幕图像数据；

步骤2，对每一帧数据进行比对处理，判断是否为静态图像；

当判断为静态图像时，则执行步骤3；

否则判断为动态图像时，则继续显示原始画面；

步骤3，启动定时器模块对显示图像进行时间计时；

步骤4，判断计时时间是否达到预置消残影时间；

当未达到预置消残影时间时，则执行步骤1；

当达到预置消残影时间时，则执行步骤5；

步骤5，进行消残影处理。

2.根据权利要求1所述的一种自适应消残影方法，其特征在于：步骤1中采集到的数字数据由R、G、B的灰度值所构成，通过采集整个屏幕每个像素点的R、G、B灰度值，并结合每个像素点的屏幕坐标值，形成图像数据结构存储到电视系统的内存中。

3.根据权利要求1所述的一种自适应消残影方法，其特征在于：步骤2中判断是否为静态图像的具体方法：将输入帧画面分成9个区块，获取每个区块中每个像素点的亮度值，然后计算每个区块中所有像素点的亮度值总和；比较前后输入帧画面每个区块的亮度值总和的变化差值，当所有区块的变化差值均小于千分之三，则判断为静态图像；否则，判断为动态图像。

4.根据权利要求1所述的一种自适应消残影方法，其特征在于：步骤5中的消残影处理包括以下步骤：

步骤5.1，对原始采集的RGB灰度值进行反相处理得到一组反相的RGB灰度值；

步骤5.2，对原始采集的RGB灰度值进行高斯处理得到另一组高斯的RGB灰度值，

步骤5.3，通过数据校验判断反相处理和高斯处理是否完成；

当验证两种处理均完成时，则通过输出两组新的RGB灰度值的图像进行消残影；

当验证两种处理未都完成时，则执行步骤5.1；

步骤5.4，将新的RGB灰度值的图像显示一段预置模糊处理时间后，再次恢复为屏幕的原始图像。

5.根据权利要求4所述的一种自适应消残影方法，其特征在于：步骤5.1具体包括以下步骤：

步骤5.1.1，首先获取原始图像所有像素点的R、G、B灰度值，并存储到系统的数据缓存区；

步骤5.1.2，采用反相算法，即用255分别减去R、G、B每个灰度值，得到反相R、G、B灰度值；

步骤5.1.3，在达到预置消残影时间时，再将此反相数据输出到屏幕，得到反相模糊图像。

6.根据权利要求4所述的一种自适应消残影方法，其特征在于：步骤5.2具体包括以下步骤：

步骤5.2.1，先获取原始图像所有像素点的R、G、B灰度值，并存储到系统的数据缓存区；

步骤5.2.2，构建所需的权重矩阵：选定一个中心点，并在中心点周围选择8个坐标，并结合二维高斯函数得到9个点的初始权重矩阵，其中σ＝1.5；计算9个点的初始权重矩阵的权重总和；将9个点的初始权重矩阵的权重分别除以权重总和得到最终的权重矩阵；

步骤5.2.3，将获取的所有R、G、B灰度值套入最终权重矩阵得到R、G、B三个通道的所有灰度值对应的高斯模糊值；

步骤5.2.4，在达到预置消残影时间时，再将高斯模糊数值输出到屏幕，得到高斯模糊图像。

7.根据权利要求6所述的一种自适应消残影方法，其特征在于：步骤5.2.2构建所需的权重矩阵时，假定中心点的坐标为(0,0)，则结合周围8个点的坐标得到的9个点的坐标组合为{(-1,1)，(0，1)，(1,1)，(-1,0)，(0,0)，(1,0)，(-1，-1)，(0，-1)，(1，-1)}；

设定σ＝1.5，并结合二维高斯函数得到9个点的初始权重矩阵{0.0453542,0.0566406,0.0453542，0.0566406，0.0707355，0.0566406，0.0453542，0.0566406，0.0453542}；

计算9个点的初始权重矩阵的权重总和，该9个值的权重总和等于0.4787147；

将9个点的初始权重矩阵的权重分别除以权重总和0.4787147得到最终的权重矩阵{0.0947416，0.118318，0.0947416，0.118318，0.147761，0.118318，0.0947416，0.118318，0.0947416}。

8.根据权利要求6所述的一种自适应消残影方法，其特征在于：步骤5.2.3中任意点的高斯模糊灰度值的获取方法如下：以该任意点为中心点套用最终权重矩阵，即该中心点对应的9个点的灰度值分别乘上最终权重矩阵对应的权重值后得到9个高斯模糊灰度值；再将9个高斯模糊灰度值加起来得到中心点的高斯模糊灰度值。