CN110390653B - 一种针对OLED屏的高鲁棒性DeMURA方法 - Google Patents
一种针对OLED屏的高鲁棒性DeMURA方法 Download PDFInfo
- Publication number
- CN110390653B CN110390653B CN201910670213.8A CN201910670213A CN110390653B CN 110390653 B CN110390653 B CN 110390653B CN 201910670213 A CN201910670213 A CN 201910670213A CN 110390653 B CN110390653 B CN 110390653B
- Authority
- CN
- China
- Prior art keywords
- demura
- gray scale
- sampling
- gray
- calculating
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000012545 processing Methods 0.000 claims abstract description 15
- 230000035945 sensitivity Effects 0.000 claims abstract description 9
- 241001270131 Agaricus moelleri Species 0.000 claims abstract description 5
- 238000012805 post-processing Methods 0.000 claims abstract description 5
- 238000004088 simulation Methods 0.000 claims abstract description 4
- 230000003313 weakening effect Effects 0.000 claims abstract description 4
- 238000005070 sampling Methods 0.000 claims description 55
- 230000004044 response Effects 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 5
- 238000012821 model calculation Methods 0.000 abstract 1
- 230000000694 effects Effects 0.000 description 4
- 238000009825 accumulation Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09G—ARRANGEMENTS OR CIRCUITS FOR CONTROL OF INDICATING DEVICES USING STATIC MEANS TO PRESENT VARIABLE INFORMATION
- G09G3/00—Control arrangements or circuits, of interest only in connection with visual indicators other than cathode-ray tubes
- G09G3/20—Control arrangements or circuits, of interest only in connection with visual indicators other than cathode-ray tubes for presentation of an assembly of a number of characters, e.g. a page, by composing the assembly by combination of individual elements arranged in a matrix no fixed position being assigned to or needed to be assigned to the individual characters or partial characters
- G09G3/34—Control arrangements or circuits, of interest only in connection with visual indicators other than cathode-ray tubes for presentation of an assembly of a number of characters, e.g. a page, by composing the assembly by combination of individual elements arranged in a matrix no fixed position being assigned to or needed to be assigned to the individual characters or partial characters by control of light from an independent source
- G09G3/36—Control arrangements or circuits, of interest only in connection with visual indicators other than cathode-ray tubes for presentation of an assembly of a number of characters, e.g. a page, by composing the assembly by combination of individual elements arranged in a matrix no fixed position being assigned to or needed to be assigned to the individual characters or partial characters by control of light from an independent source using liquid crystals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09G—ARRANGEMENTS OR CIRCUITS FOR CONTROL OF INDICATING DEVICES USING STATIC MEANS TO PRESENT VARIABLE INFORMATION
- G09G2320/00—Control of display operating conditions
- G09G2320/02—Improving the quality of display appearance
- G09G2320/0233—Improving the luminance or brightness uniformity across the screen
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09G—ARRANGEMENTS OR CIRCUITS FOR CONTROL OF INDICATING DEVICES USING STATIC MEANS TO PRESENT VARIABLE INFORMATION
- G09G2320/00—Control of display operating conditions
- G09G2320/02—Improving the quality of display appearance
- G09G2320/0242—Compensation of deficiencies in the appearance of colours
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Crystallography & Structural Chemistry (AREA)
- Computer Hardware Design (AREA)
- Image Processing (AREA)
Abstract
一种针对OLED屏的高鲁棒性DeMURA方法,包括以下步骤:步骤1、基于中心区域的Gamma逆校正仿真;步骤2、基于多灰度阶的像素级DeMURA模型估计;步骤3:基于调整因子的奇异点后处理;步骤4:基于人眼敏感度的空间MURA弱化,本发明基于基准区域做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。
Description
技术领域
本发明涉及图像处理技术领域。
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
针对现阶段DeMURA算法存在的上述问题,本发明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屏的高鲁棒性DeMURA方法,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:(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,一般取值为2.2,则:
步骤1-1、计算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、基于多灰度阶的像素级DeMURA模型估计,
步骤2-1、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,得到(x,y)处的抽样数据:
a)对于fi小于阈值的,认为属于低灰阶采样区间,假定该类采样数量为G1;
b)对于fi大于阈值的,认为属于高灰阶采样区间,假定该类采样数量为G2;
c)对于不属于低灰阶采样区间、高灰阶区间的,认为属于中灰阶采样区间,假定该类采样数量为G3(x,y),G1+G2+G3=G;
步骤2-2、用不同采样区间进行是否要进行DeMURA的判定:
步骤2-2-1、利用假设:输入灰度为0时,亮度也应该为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2-2-2、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2-3、对于低灰阶或者高灰阶区间:
步骤2-3-1、在G1≥2或者G3≥2时,利用每个采样点与相邻采样点求取曲线方程,则在该两点间的灰度响应值,可以利用该方程计算得出;
步骤2-3-2、在G1≥4或者G3≥4时,利用每个采样点与相邻两个采样点求取样条拟合参数,然后利用得到结果计算得出不同输入灰度下的响应值;
步骤2-4、对于其他灰阶区间:
步骤2-4-1、在G≥2时,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,可以利用该方程计算得出;
步骤2-4-2、在G≥4时,利用每个采样点与相邻两个采样点求取样条插值参数,利用该方程计算得出不同输入灰度下的响应值;
步骤2-5、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;
还包括步骤3:基于调整因子的奇异点后处理:
步骤3-1、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3-2、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4:基于人眼敏感度的空间MURA弱化:
步骤4-3、利用ω(x,y)=ω(x,y)+ρ(x,y)对调整因子做微调。
所述步骤1中,变换因子γ优选取值为2.2。
所述步骤1-1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2-1a)中,阈值取值范围是0~255,优选取值32。
所述步骤2-1b)中,阈值取值范围是0~255,优选取值224。
所述步骤2-2-2中,阈值参量△优选取值0.3。
本发明的针对OLED屏的高鲁棒性DeMURA方法,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屏的高鲁棒性DeMURA方法流程图。
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屏的高鲁棒性DeMURA方法流程如图1所示,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,该方法整体包括四个步:
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:(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,一般取值为2.2,则:
步骤1-1、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、基于多灰度阶的像素级DeMURA模型估计:
步骤2-1、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)出的抽样数据:
a)对于fi小于某阈值的,认为属于低灰阶采样区间,该阈值取值范围是0~255,建议取值32,假定该类采样数量为G1;
b)对于fi大于某阈值的,认为属于高灰阶采样区间,该阈值取值范围是0~255,建议取值224,假定该类采样数量为G2;
c)对于不属于低、高灰阶区间的,认为属于中灰阶采样区间,假定该类采样数量为G3(x,y),G1+G2+G3=G;
步骤2-2、用不同采样区间进行是否要进行DeMURA的判定:
步骤2-2-1、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2-2-2、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2-3、对于低灰阶或者高灰阶区间:
步骤2-3-1、在G1≥2或者G3≥2时,可以利用线性拟合(或者多项式拟合)的方式,利用每个采样点与相邻采样点求取曲线方程,则在该两点间的灰度响应值,可以利用该方程计算得出;
步骤2-3-2、在G1≥4或者G3≥4时,可以利用分段三次样条拟合的方式,利用每个采样点与相邻两个采样点求取样条拟合参数,然后可以利用得到结果计算得出不同输入灰度下的响应值;
步骤2-4、对于其他灰阶区间:
步骤2-4-1、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,可以利用该方程计算得出;
步骤2-4-2、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,然后可以利用该方程计算得出不同输入灰度下的响应值;
步骤2-5、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3、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3-1、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3-2、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4、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4-2、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4-3、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 (8)
1.一种针对OLED屏的高鲁棒性DeMURA方法,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:(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2.2,则:
步骤1-1、计算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、基于多灰度阶的像素级DeMURA模型估计,
步骤2-1、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,得到(x,y)处的抽样数据:
a)对于fi小于阈值的,认为属于低灰阶采样区间,假定该类采样数量为G1;
b)对于fi大于阈值的,认为属于高灰阶采样区间,假定该类采样数量为G2;
c)对于不属于低灰阶采样区间、高灰阶区间的,认为属于中灰阶采样区间,假定该类采样数量为G3(x,y),G1+G2+G3=G;
步骤2-2、用不同采样区间进行是否要进行DeMURA的判定:
步骤2-2-1、利用假设:输入灰度为0时,亮度也应该为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2-2-2、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2-3、对于低灰阶或者高灰阶区间:
步骤2-3-1、在G1≥2或者G3≥2时,利用每个采样点与相邻采样点求取曲线方程,则在该两点间的灰度响应值,可以利用该方程计算得出;
步骤2-3-2、在G1≥4或者G3≥4时,利用每个采样点与相邻两个采样点求取样条拟合参数,然后利用得到结果计算得出不同输入灰度下的响应值;
步骤2-4、对于其他灰阶区间:
步骤2-4-1、在G≥2时,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,可以利用该方程计算得出;
步骤2-4-2、在G≥4时,利用每个采样点与相邻两个采样点求取样条插值参数,利用该方程计算得出不同输入灰度下的响应值;
2.根据权利要求1所述的一种针对OLED屏的高鲁棒性DeMURA方法,其特征在于:还包括步骤3:基于调整因子的奇异点后处理:
步骤3-1、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3-2、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。
4.根据权利要求1所述的一种针对OLED屏的高鲁棒性DeMURA方法,其特征在于:所述步骤1中,变换因子γ优选取值为2.2。
5.根据权利要求1所述的一种针对OLED屏的高鲁棒性DeMURA方法,其特征在于:所述步骤1-1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屏的高鲁棒性DeMURA方法,其特征在于:所述步骤2-1a)中,阈值取值范围是0~255。
7.根据权利要求1所述的一种针对OLED屏的高鲁棒性DeMURA方法,其特征在于:所述步骤2-1b)中,阈值取值范围是0~255。
8.根据权利要求1所述的一种针对OLED屏的高鲁棒性DeMURA方法,其特征在于:所述步骤2-2-2中,阈值参量△优选取值0.3。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910670213.8A CN110390653B (zh) | 2019-07-24 | 2019-07-24 | 一种针对OLED屏的高鲁棒性DeMURA方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910670213.8A CN110390653B (zh) | 2019-07-24 | 2019-07-24 | 一种针对OLED屏的高鲁棒性DeMURA方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110390653A CN110390653A (zh) | 2019-10-29 |
CN110390653B true CN110390653B (zh) | 2023-03-31 |
Family
ID=68287170
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910670213.8A Active CN110390653B (zh) | 2019-07-24 | 2019-07-24 | 一种针对OLED屏的高鲁棒性DeMURA方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110390653B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111031321B (zh) * | 2019-12-10 | 2022-01-04 | 易诚高科(大连)科技有限公司 | 一种基于端对端与稀疏表示的DeMURA数据压缩方法 |
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 |
CN112562576B (zh) * | 2020-11-12 | 2021-09-03 | 深圳精智达技术股份有限公司 | 显示屏光学外部补偿方法、装置及存储介质 |
CN113470562B (zh) * | 2021-09-02 | 2021-11-19 | 苇创微电子(上海)有限公司 | 一种基于成像亮度计的oled屏幕子像素亮度提取方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105046677A (zh) * | 2015-08-27 | 2015-11-11 | 安徽超远信息技术有限公司 | 一种用于交通视频图像的增强处理方法和装置 |
CN108537832A (zh) * | 2018-04-10 | 2018-09-14 | 安徽大学 | 基于局部不变灰度特征的图像配准方法、图像处理系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4372401B2 (ja) * | 2001-12-21 | 2009-11-25 | シャープ株式会社 | 補正特性決定装置、補正特性決定方法および表示装置 |
-
2019
- 2019-07-24 CN CN201910670213.8A patent/CN110390653B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105046677A (zh) * | 2015-08-27 | 2015-11-11 | 安徽超远信息技术有限公司 | 一种用于交通视频图像的增强处理方法和装置 |
CN108537832A (zh) * | 2018-04-10 | 2018-09-14 | 安徽大学 | 基于局部不变灰度特征的图像配准方法、图像处理系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110390653A (zh) | 2019-10-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110390653B (zh) | 一种针对OLED屏的高鲁棒性DeMURA方法 | |
CN109325922B (zh) | 一种图像自适应增强方法、装置及图像处理设备 | |
CN110211056B (zh) | 基于局部中值直方图的自适应红外图像去条纹算法 | |
JP6097588B2 (ja) | 画像処理装置及び画像処理方法 | |
WO2020082593A1 (zh) | 增强图像对比度的方法及其装置 | |
CN110086961A (zh) | 一种针对OLED屏的DeMURA算法 | |
WO2020124873A1 (zh) | 图像处理方法 | |
CN111311512B (zh) | 随机噪点校正方法 | |
CN102625030A (zh) | 视频增强方法和系统 | |
CN111105371A (zh) | 一种低对比度红外图像的增强方法 | |
CN113706393A (zh) | 视频增强方法、装置、设备及存储介质 | |
CN110175967A (zh) | 图像去雾处理方法、系统、计算机设备和存储介质 | |
CN110728718A (zh) | 改进摄像机标定各参数的方法 | |
CN111080563B (zh) | 一种基于遍历寻优的直方图均衡方法 | |
CN106327439B (zh) | 一种快速雾霾天图像清晰化方法 | |
CN108765304B (zh) | 基于自适应梯度增益控制的高动态红外图像增强方法 | |
CN110211535B (zh) | 一种针对OLED屏DeMURA的多通道融合方法 | |
CN113838023B (zh) | 一种色差图像质量评价方法 | |
CN112465715B (zh) | 一种基于大气传输矩阵迭代优化的图像去散射方法 | |
CN114283076A (zh) | 一种基于透射率和clahe算法的图像处理方法 | |
CN114331925A (zh) | 一种多尺度相对梯度直方图均衡化方法及装置 | |
CN109886901B (zh) | 一种基于多通路分解的夜间图像增强方法 | |
JP2022112995A (ja) | 画像処理方法 | |
CN115379186B (zh) | 一种图像自动白平衡的方法及终端 | |
CN111145193A (zh) | 一种自适应全局阈值二值化方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A High Robust DeMURA Method for OLED Screens Effective date of registration: 20230726 Granted publication date: 20230331 Pledgee: Dalian Branch of Shanghai Pudong Development Bank Co.,Ltd. Pledgor: YICHENG GAOKE (DALIAN) TECHNOLOGY Co.,Ltd. Registration number: Y2023980049989 |
|
PE01 | Entry into force of the registration of the contract for pledge of patent right |