CN110086961A - 一种针对OLED屏的DeMURA算法 - Google Patents
一种针对OLED屏的DeMURA算法 Download PDFInfo
- Publication number
- CN110086961A CN110086961A CN201910449246.XA CN201910449246A CN110086961A CN 110086961 A CN110086961 A CN 110086961A CN 201910449246 A CN201910449246 A CN 201910449246A CN 110086961 A CN110086961 A CN 110086961A
- Authority
- CN
- China
- Prior art keywords
- demura
- value
- gray
- point
- calculated
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 claims abstract description 23
- 108090000623 proteins and genes Proteins 0.000 claims abstract description 21
- 238000012545 processing Methods 0.000 claims abstract description 14
- 238000004458 analytical method Methods 0.000 claims abstract description 7
- 230000009466 transformation Effects 0.000 claims abstract description 6
- 230000035945 sensitivity Effects 0.000 claims abstract description 5
- 230000008569 process Effects 0.000 claims description 11
- 230000004044 response Effects 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 230000003313 weakening effect Effects 0.000 abstract 1
- 230000000694 effects Effects 0.000 description 4
- 238000012805 post-processing Methods 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 238000004020 luminiscence type Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000003760 hair shine Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 108010074506 Transfer Factor Proteins 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000006837 decompression Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/14—Picture signal circuitry for video frequency region
- H04N5/20—Circuitry for controlling amplitude response
- H04N5/202—Gamma control
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本专利公开了一种针对OLED屏的DeMURA算法,包括以下步骤:1、基于中心区域的Gamma逆校正仿真;2、通过Gamma逆变换得到对应的灰度调整值;3、基于多灰度阶的像素级DeMURA模型估计;4、基于调整参数消除奇异点的方法;5基于人眼敏感度的空间MURA弱化方法。本算法基于基准区域做Gamma逆校正,通过多模型计算DeMURA调整因子,从原理上降低出现较大误差的可能,提高了DeMURA的精度;基于调整因子做奇异点处理,不做奇异点的属性分析,可以让DeNURA后的结果更加均匀;利用人眼对不同MURA类型的敏感性可以引入随机变量将可能出现的敏感类型MURA打散,使结果更符合人眼观察。
Description
技术领域
本发明涉及图像质量处理技术领域,尤其涉及OLED屏幕的图像质量处理技术。
背景技术
OLED屏每个发光单元与输入灰度呈现出的关系模型造成局部不均匀性,这种不均匀性又叫MURA,来自于日语音译,代表粗糙的、不光滑的意思。
为了消除MURA,本领域现阶段采用的DeMURA方法包括以下几个步骤:
1)利用高分辨率相机采集不同灰阶下OLED屏的亮度(专利申请号201810608731.2),并去除摩尔纹;
2)利用灰阶与实际灰度之间的关系构建DeMURA表(专利申请号201811563176.2);
3)对DeMURA表做压缩,并烧录到IC存储中(专利申请号201810272063.0);
4)在IC端通过解压对每个发光单元做实时调整。
上述方法存在的问题是:1)高分辨率相机在提取不同类型的OLED屏时,采集内容不变,即RGB三个单元的亮度,但采集的对象会随着结构不同而发生变化,RGB的排列方式有多种,在显示过程中,不同的排列方式呈现出的效果不同,在不同的效果下,高分辨率相机能否完美还原人眼观察的效果,这里并不确定;2)多灰阶输入与输出的模型构建方向,现阶段采用的是分段插值方式,这里存在一个假设,即每段的模型是一致的,但实际过程中会有较大的差异,而做256阶的遍历又会极大降低整个DeMURA过程的效率,如何平衡这个矛盾,现阶段还没有比较好的方法;3)由于分段模型会引入误差,且原流程仅考虑了单个发光单元的误差调整,并没有考虑到发光单元间的空间误差累积,即如果空间上相邻区域的发光单元调整误差较大,就会形成较大的误差区域而造成调整后的MURA,且生成的该部分MURA有可能是屏幕不具备的,也就是说DeMURA以后的效果可能会更差。
发明内容
针对现有的DeMURA方法存在的上述问题,本发提供了一种符合人眼观察的DeMURA方法,这种方法在现阶段DeMURA基础上,尽可能降低甚至消除模型误差与空间排列带来的MURA。
本发明为实现上述目的所采用的技术方案是:一种针对OLED屏的DeMURA算法,包括以下步骤:
步骤1、基于中心区域的gamma逆校正仿真,由于不同的灰度值在显示过程中存在gamma校正,理想条件下输入的灰度I(x,y)与输出的亮度L(x,y)之间存在关系:
步骤2、基于中心区域的平均亮度估计输入灰度,(x,y)代表拍摄的亮度数据在水平、竖直方向的坐标,γ为变换因子,则:
步骤2-1、计算亮度Li,c的中心区域平均亮度来代替Lmax,c为RGB三个通道的编号;
步骤2-2、通过gamma逆变换得到对应的灰度调整值
步骤3、基于多灰度阶的像素级DeMURA模型估计:
步骤3-1、当I(x,y)调整完毕,以I(x,y)为纵坐标,以相对应的灰度fi为横坐标,可以得到(x,y)处的抽样数据,对该组抽样数据进行判定,是否要进行DeMURA,
步骤3-1-1、利用假设:输入灰度为0时,亮度应该也应该为0,额外增加一组抽样数据,结合最高灰度与I(x,y)的抽样点,根据关系I(x,y)=αfi+β,计算得出关系模型参数α与β;
步骤3-1-2、计算其他采样点到I(x,y)=αfi+β的估计灰度I′(x,y),假如存在关系则不进行DeMURA处理,直接做结果反馈,否则继续做DeMURA处理,其中△为阈值参量,△取值范围是0~1;
步骤3-2、在G≥2时,利用分段线性插值的方式,利用每个采样点与相邻采样点求取直线方程,则在该两点间的灰度响应值,可以利用该直线方程计算得出,G为灰度阶数量;
步骤3-3、在G≥4时,利用分段三次样条插值的方式,利用每个采样点与相邻两个采样点求取样条插值参数,利用该三次方程计算得出不同输入灰度下的响应值;
步骤3-4、在需要进行DeMURA的条件下,得到每个灰度g在不同颜色通道的估计灰度调整值,与中心灰度值相乘,得到通过屏幕显示得到的实际灰度值IN(x,y),计算与g的比例差则DeMURA的调整因子为其中g∈[0,255]。
还包括步骤4:基于调整因子的奇异点后处理:
步骤4-1、奇异点判定:计算调整因子的调整幅度|ω(x,y)-1|,当该幅度大于△时,认为(x,y)处的点是奇异点;
步骤4-2、奇异点区域处理:对奇异点周围空间距离最近的N(N≥9)个非奇异点,计算这些点的ω(x,y)均值作为奇异点处的调整因子。
还包括步骤5,基于人眼敏感度的空间MURA弱化:
步骤5-1、除了中心区域以外,计算每个像素点到中心(xm,ym)的几何距离
步骤5-2、计算微调因子,ρ(x,y)取值在0~△之间,且距离中心越远调整的范围越大,微调因子的计算可以通过固定随机过程模型构建,取值范围是-1~1,则dm为d(x,y)的最大值;
步骤5-3、利用ω(x,y)=ω(x,y)+ρ(x,y)对调整因子做微调。
所述步骤2中,γ取值为2.0-2.4。
所述步骤2-1中,中心区域是指以采集屏幕的几何中心为圆心、以屏幕长度的固定比例为长半轴、以屏幕宽的固定比例为短半轴形成的椭圆区域
所述步骤3-1-2中,△取值0.3。
本发明的针对OLED屏的DeMURA算法,具有以下优点:优点包括:基于基准区域做Gamma逆校正、多模型计算demura调整因子,从原理上降低出现较大误差的可能,提高了demura的精度;基于调整因子做奇异点处理,不做奇异点的属性分析,可以让demura后的结果更加均匀;利用人眼对不同mura类型的敏感性可以引入随机变量将可能出现的敏感类型mura打散,使结果更符合人眼观察。
附图说明
图1是本发明针对OLED屏的DeMURA算法流程图。
图2是本发明Gamma逆校正前后的中心平均亮度与灰度关系图。
具体实施方式
本发明的针对OLED屏的DeMURA算法流程如图1所示,先通过Gamma逆校正,得到估出的输入灰度;当存在MURA时,估出的输入灰度和实际的输入灰度存在偏差;通过偏差计算此处的调整因子达到降低MURA可视度的目的。
本发明所述的一种针对OLED屏的DeMURA算法主要包括五个步骤:1、基于中心区域的Gamma逆校正仿真;2、基于中心区域的平均亮度估计输入灰度;3、基于多灰度阶的像素级DeMURA模型估计;4、基于调整因子的奇异点后处理;5、基于人眼敏感度的空间MURA弱化。
假定在整体流程中按不同灰度阶拍摄的过程不存在问题,本方法处理对象是多灰度输入后采集的亮度值,若拍摄的灰度阶假定有G个,G∈[2,256],一般地,G=5,拍摄的灰度阶是v={fi|fi∈Z+∩fi∈(0,255)},i∈[1,G],通过高分辨率的亮度捕捉设备拍摄的亮度数据集为L={Li,c|Li,c∈R+,c∈{1,2,3}},c代表RGB三个通道的编号,该方法整体包括五个步骤:
步骤1、基于中心区域的Gamma逆校正仿真:由于不同的灰度值在显示过程中存在gamma校正,因此理想条件下输入的灰度I(x,y)与输出的亮度L(x,y)(在不调节屏幕亮度Lmax的情况下)之间存在关系:
步骤2、基于中心区域的平均亮度估计输入灰度:(x,y)代表拍摄的亮度数据在水平、竖直方向的坐标,γ为变换因子,取值为2.0-2.4,一般取值为2.2,则:
步骤2-1、计算Li,c的中心区域平均亮度来代替Lmax,这里中心区域是指以采集屏幕的几何中心为圆心、以屏幕长度的固定比例为长半轴、以屏幕宽的固定比例为短半轴形成的椭圆区域;
步骤2-2、通过gamma逆变换得到对应的灰度调整图保证中心区域的灰度调整图与输入灰度大体呈线性关系如图2所示;
步骤3、基于多灰度阶的像素级DeMURA模型估计:
步骤3-1、当I(x,y)调整完毕,以I(x,y)为纵坐标,以相对应的fi为横坐标,可以得到(x,y)处的抽样数据,对该组抽样数据进行判定,是否要进行DeMURA:
步骤3-1-1、利用假设:输入灰度为0时,亮度应该也应该为0,额外增加一组抽样数据,结合最高灰度与I(x,y)的抽样点,根据关系I(x,y)=αfi+β,计算得出关系模型参数α与β;
步骤3-1-2、计算其他采样点到I(x,y)=αfi+β的估计灰度I′(x,y),假如存在关系(△为阈值参量,取值范围是0~1,建议取值0.3),则认为该屏幕差异性过大,没有必要进行DeMURA处理,直接做结果反馈,否则认为可以继续做DeMURA处理;
步骤3-2、在G≥2时,可以利用分段线性插值的方式,利用每个采样点与相邻采样点求取直线方程,则在该两点间的灰度响应值,可以利用该直线方程计算得出;
步骤3-3、在G≥4时,可以利用分段三次样条插值的方式,利用每个采样点与相邻两个采样点求取样条插值参数,然后可以利用该三次方程计算得出不同输入灰度下的响应值;
步骤3-4、通过不同的处理策略,在可以进行DeMURA的条件下,得到每个灰度g(g∈[0,255])在不同颜色通道的估计灰度调整值,与中心灰度值相乘,得到通过屏幕显示得到的实际灰度值IN(x,y),计算与g的比例差则DeMURA的调整因子为在实际显示过程中,理论上输入的灰度按照ω(x,y)g做实时调整就可以消除MURA影响;
步骤4、基于调整因子的奇异点后处理:奇异点的类型包括屏幕本身的坏点、污染点,以及拍摄设备的问题像元(这里认为拍摄设备无问题),这种类型的点会影响调整参数的计算,实际过程中不需要做处理,但是在拍摄过程中是无法做出准确判断的,这里针对这些点做的后处理包括:
步骤4-1、奇异点判定:计算调整因子的调整幅度|ω(x,y)-1|,当该幅度大于△时,认为(x,y)处的点可能是奇异点;
步骤4-2、奇异点区域处理:对奇异点周围空间距离最近的N(N≥9)个非奇异点,计算这些点的ω(x,y)均值作为奇异点处的调整因子。
步骤5、基于人眼敏感度的空间MURA弱化:人眼对不同的MURA类型敏感度不同,点状的敏感度最低,块状、线状的相对更高,为了避免像素级DeMURA模型误差带来的块状、线型mura,这里需要进行一次弱化:
步骤5-1、除了中心区域以外,计算每个像素点到中心(xm,ym)的几何距离
步骤5-2、计算微调因子,ρ(x,y)取值在0~△之间,且距离中心越远调整的范围越大,为了降低形成块、线的概率,每个点的微调因子是彼此独立且随机的,则微调因子的计算可以通过固定随机过程模型构建,比如服从均匀分布的模型,取值范围是-1~1,则dm为d(x,y)的最大值;
步骤5-3、利用ω(x,y)=ω(x,y)+ρ(x,y)对调整因子做微调,对可能形成的MURA做打散,相当于对最后的调整结果中嵌入了能量不同的噪声,降低了出现块、线型MURA的概率,从而使MURA更不容易被人观察到。
本发明是通过实施例进行描述的,本领域技术人员知悉,在不脱离本发明的精神和范围的情况下,可以对这些特征和实施例进行各种改变或等效替换。另外,在本发明的教导下,可以对这些特征和实施例进行修改以适应具体的情况及材料而不会脱离本发明的精神和范围。因此,本发明不受此处所公开的具体实施例的限制,所有落入本申请的权利要求范围内的实施例都属于本发明的保护范围。
Claims (6)
1.一种针对OLED屏的DeMURA算法,其特征在于:包括以下步骤:
步骤1、基于中心区域的Gamma逆校正仿真,由于不同的灰度值在显示过程中存在Gamma校正,理想条件下输入的灰度I(x,y)与输出的亮度L(x,y)之间存在关系:
步骤2、基于中心区域的平均亮度估计输入灰度,(x,y)代表拍摄的亮度数据在水平、竖直方向的坐标,γ为变换因子,则:
步骤2-1、计算亮度Li,c的中心区域平均亮度来代替Lmax,c为RGB三个通道的编号;
步骤2-2、通过gamma逆变换得到对应的灰度调整值
步骤3、基于多灰度阶的像素级DeMURA模型估计:
步骤3-1、当I(x,y)调整完毕,以I(x,y)为纵坐标,以相对应的灰度fi为横坐标,可以得到(x,y)处的抽样数据,对该组抽样数据进行判定,是否要进行DeMURA,
步骤3-1-1、利用假设:输入灰度为0时,亮度应该也应该为0,额外增加一组抽样数据,结合最高灰度与I(x,y)的抽样点,根据关系I(x,y)=αfi+β,计算得出关系模型参数α与β;
步骤3-1-2、计算其他采样点到I(x,y)=αfi+β的估计灰度I′(x,y),假如存在关系则不进行DeMURA处理,直接做结果反馈,否则继续做DeMURA处理,其中△为阈值参量,△取值范围是0~1;
步骤3-2、在G≥2时,利用分段线性插值的方式,利用每个采样点与相邻采样点求取直线方程,则在该两点间的灰度响应值,可以利用该直线方程计算得出,G为灰度阶数量;
步骤3-3、在G≥4时,利用分段三次样条插值的方式,利用每个采样点与相邻两个采样点求取样条插值参数,利用该三次方程计算得出不同输入灰度下的响应值;
步骤3-4、在需要进行DeMURA的条件下,得到每个灰度g在不同颜色通道的估计灰度调整值,与中心灰度值相乘,得到通过屏幕显示得到的实际灰度值IN(x,y),计算与g的比例差则DeMURA的调整因子为其中g∈[0,255]。
2.根据权利要求1所述的一种针对OLED屏的DeMURA算法,其特征在于:还包括步骤4:基于调整因子的奇异点后处理:
步骤4-1、奇异点判定:计算调整因子的调整幅度|ω(x,y)-1|,当该幅度大于△时,认为(x,y)处的点是奇异点;
步骤4-2、奇异点区域处理:对奇异点周围空间距离最近的N(N≥9)个非奇异点,计算这些点的ω(x,y)均值作为奇异点处的调整因子。
3.根据权利要求2所述的一种针对OLED屏的DeMURA算法,其特征在于:还包括步骤5,基于人眼敏感度的空间MURA弱化:
步骤5-1、除了中心区域以外,计算每个像素点到中心(xm,ym)的几何距离
步骤5-2、计算微调因子,ρ(x,y)取值在0~△之间,且距离中心越远调整的范围越大,微调因子的计算可以通过固定随机过程模型构建,取值范围是-1~1,则dm为d(x,y)的最大值;
步骤5-3、利用ω(x,y)=ω(x,y)+ρ(x,y)对调整因子做微调。
4.根据权利要求1所述的一种针对OLED屏的DeMURA算法,其特征在于:所述步骤2中,γ取值为2.0-2.4。
5.根据权利要求1所述的一种针对OLED屏的DeMURA算法,其特征在于:所述步骤2-1中,中心区域是指以采集屏幕的几何中心为圆心、以屏幕长度的固定比例为长半轴、以屏幕宽的固定比例为短半轴形成的椭圆区域。
6.根据权利要求1所述的一种针对OLED屏的DeMURA算法,其特征在于:所述步骤3-1-2中,△取值0.3。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910449246.XA CN110086961A (zh) | 2019-05-28 | 2019-05-28 | 一种针对OLED屏的DeMURA算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910449246.XA CN110086961A (zh) | 2019-05-28 | 2019-05-28 | 一种针对OLED屏的DeMURA算法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110086961A true CN110086961A (zh) | 2019-08-02 |
Family
ID=67422178
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910449246.XA Pending CN110086961A (zh) | 2019-05-28 | 2019-05-28 | 一种针对OLED屏的DeMURA算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110086961A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110780838A (zh) * | 2019-12-10 | 2020-02-11 | 易诚高科(大连)科技有限公司 | 一种针对OLED屏的自适应DeMURA数据压缩方法 |
CN110992269A (zh) * | 2019-12-13 | 2020-04-10 | 易诚高科(大连)科技有限公司 | 一种针对OLED屏DeMURA的最优数据压缩率计算方法 |
CN110992879A (zh) * | 2019-12-11 | 2020-04-10 | 易诚高科(大连)科技有限公司 | 一种基于OLED电气特性评估的DeMURA数据采集寻优方法 |
CN117975907A (zh) * | 2024-04-01 | 2024-05-03 | 昇显微电子(苏州)股份有限公司 | 一种提升低亮度Demura效果的方法和装置 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101315745A (zh) * | 2007-05-28 | 2008-12-03 | 统宝光电股份有限公司 | 图像显示系统与其云纹缺陷消除方法 |
CN103198801A (zh) * | 2013-03-11 | 2013-07-10 | 深圳市华星光电技术有限公司 | 平面显示面板大视角Mura区域的补偿方法 |
CN104992657A (zh) * | 2015-07-27 | 2015-10-21 | 京东方科技集团股份有限公司 | mura补偿模块和方法、显示装置和方法 |
CN105741762A (zh) * | 2016-03-31 | 2016-07-06 | 深圳市华星光电技术有限公司 | 消除OLED显示面板Mura的方法 |
CN105741763A (zh) * | 2016-03-31 | 2016-07-06 | 深圳市华星光电技术有限公司 | 消除OLED显示面板Mura的方法 |
CN108140359A (zh) * | 2015-08-19 | 2018-06-08 | 威尔乌集团 | 用于检测和/或校正显示器中的像素亮度和/或色度响应变化的系统和方法 |
US20180166030A1 (en) * | 2016-09-12 | 2018-06-14 | Novatek Microelectronics Corp. | Driving apparatus and method |
CN109215615A (zh) * | 2018-09-26 | 2019-01-15 | 北京小米移动软件有限公司 | 显示单元工作参数补偿方法及装置 |
CN109272945A (zh) * | 2018-11-07 | 2019-01-25 | 深圳Tcl新技术有限公司 | 显示屏的背光矫正方法、装置及计算机可读存储介质 |
US20190066574A1 (en) * | 2017-08-25 | 2019-02-28 | HKC Corporation Limited | Optimization method and device for brightness compensation |
-
2019
- 2019-05-28 CN CN201910449246.XA patent/CN110086961A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101315745A (zh) * | 2007-05-28 | 2008-12-03 | 统宝光电股份有限公司 | 图像显示系统与其云纹缺陷消除方法 |
CN103198801A (zh) * | 2013-03-11 | 2013-07-10 | 深圳市华星光电技术有限公司 | 平面显示面板大视角Mura区域的补偿方法 |
CN104992657A (zh) * | 2015-07-27 | 2015-10-21 | 京东方科技集团股份有限公司 | mura补偿模块和方法、显示装置和方法 |
CN108140359A (zh) * | 2015-08-19 | 2018-06-08 | 威尔乌集团 | 用于检测和/或校正显示器中的像素亮度和/或色度响应变化的系统和方法 |
CN105741762A (zh) * | 2016-03-31 | 2016-07-06 | 深圳市华星光电技术有限公司 | 消除OLED显示面板Mura的方法 |
CN105741763A (zh) * | 2016-03-31 | 2016-07-06 | 深圳市华星光电技术有限公司 | 消除OLED显示面板Mura的方法 |
US20180166030A1 (en) * | 2016-09-12 | 2018-06-14 | Novatek Microelectronics Corp. | Driving apparatus and method |
US20190066574A1 (en) * | 2017-08-25 | 2019-02-28 | HKC Corporation Limited | Optimization method and device for brightness compensation |
CN109215615A (zh) * | 2018-09-26 | 2019-01-15 | 北京小米移动软件有限公司 | 显示单元工作参数补偿方法及装置 |
CN109272945A (zh) * | 2018-11-07 | 2019-01-25 | 深圳Tcl新技术有限公司 | 显示屏的背光矫正方法、装置及计算机可读存储介质 |
Non-Patent Citations (1)
Title |
---|
屠震涛 等: "灰度与亮度拟合对LCD面板Mura改善的影响", 《液晶与显示》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110780838A (zh) * | 2019-12-10 | 2020-02-11 | 易诚高科(大连)科技有限公司 | 一种针对OLED屏的自适应DeMURA数据压缩方法 |
CN110780838B (zh) * | 2019-12-10 | 2023-05-02 | 易诚高科(大连)科技有限公司 | 一种针对OLED屏的自适应DeMURA数据压缩方法 |
CN110992879A (zh) * | 2019-12-11 | 2020-04-10 | 易诚高科(大连)科技有限公司 | 一种基于OLED电气特性评估的DeMURA数据采集寻优方法 |
CN110992269A (zh) * | 2019-12-13 | 2020-04-10 | 易诚高科(大连)科技有限公司 | 一种针对OLED屏DeMURA的最优数据压缩率计算方法 |
CN110992269B (zh) * | 2019-12-13 | 2023-06-02 | 易诚高科(大连)科技有限公司 | 一种针对OLED屏DeMURA的最优数据压缩率计算方法 |
CN117975907A (zh) * | 2024-04-01 | 2024-05-03 | 昇显微电子(苏州)股份有限公司 | 一种提升低亮度Demura效果的方法和装置 |
CN117975907B (zh) * | 2024-04-01 | 2024-06-07 | 昇显微电子(苏州)股份有限公司 | 一种提升低亮度Demura效果的方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110086961A (zh) | 一种针对OLED屏的DeMURA算法 | |
CN110390653A (zh) | 一种针对OLED屏的高鲁棒性DeMURA方法 | |
CN107507173B (zh) | 一种全切片图像的无参考清晰度评估方法及系统 | |
CN109741356B (zh) | 一种亚像素边缘检测方法及系统 | |
CN108805829B (zh) | 影像数据处理方法、装置、设备及计算机可读存储介质 | |
CN109844809B (zh) | 一种图像处理方法及装置、计算机可读存储介质 | |
CN105791709A (zh) | 带有逆光补偿的自动曝光处理方法及装置 | |
CN109565547A (zh) | 图像处理装置、图像处理方法以及图像处理电路 | |
CN102542552B (zh) | 视频图像的顺逆光判断和拍摄时间检测方法 | |
CN103327219B (zh) | 一种视频图像对比度调整方法及装置 | |
CN103093458B (zh) | 关键帧的检测方法及装置 | |
CN108664839B (zh) | 一种图像处理方法和设备 | |
CN102625030A (zh) | 视频增强方法和系统 | |
CN113596573B (zh) | 图像处理方法、装置、电子设备和计算机可读存储介质 | |
JP2010134700A (ja) | 画像評価装置および画像評価方法 | |
CN112348754B (zh) | 一种低照度彩色图像增强方法及装置 | |
CN111626335B (zh) | 一种像素增强的神经网络的改进难例挖掘训练方法及系统 | |
CN108270945A (zh) | 一种运动补偿去噪方法及装置 | |
CN108121522A (zh) | 一种基于边缘方向相关性的预畸变后平显画面反走样方法 | |
CN111476746A (zh) | 一种基于ihs变换与自适应区域特征的遥感图像融合方法 | |
US10909669B2 (en) | Contrast adjustment system and contrast adjustment method | |
CN113808045B (zh) | 一种图像亮度调节方法及装置 | |
CN115424107A (zh) | 基于图像融合与深度学习的水下桥墩表观病害检测方法 | |
CN110211535A (zh) | 一种针对OLED屏DeMURA的多通道融合方法 | |
CN106127700B (zh) | 一种凝视红外退化图像自适应复原方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190802 |
|
RJ01 | Rejection of invention patent application after publication |