CN110390653B - 一种针对OLED屏的高鲁棒性DeMURA方法 - Google Patents

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

一种针对OLED屏的高鲁棒性DeMURA方法

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L_i,c的中心区域平均亮度来代替L_max，c为RGB三个通道的编号；

步骤1-2，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呈线性关系；

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f_i为横坐标，得到(x,y)处的抽样数据：

a)对于f_i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f_i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)＝αf_i+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)＝αf_i+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I_N(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4-1、除了中心区域以外，计算每个像素点到中心(x_m,y_m)的几何距离

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，微调因子的计算通过固定随机过程模型构建，取值范围是-1～1，则

d_m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。

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＝{f_i|f_i∈Z⁺∩f_i∈(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＝{L_i,c|L_i,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L_max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L_i,c的中心区域平均亮度来代替L_max，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1-2、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f_i为横坐标，可以得到(x,y)出的抽样数据：

a)对于f_i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f_i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)＝αf_i+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)＝αf_i+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I_N(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4-1、除了中心区域以外，计算每个像素点到中心(x_m,y_m)的几何距离

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

d_m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L_i,c的中心区域平均亮度来代替L_max，c为RGB三个通道的编号；

步骤1-2，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呈线性关系；

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f_i为横坐标，得到(x,y)处的抽样数据：

a)对于f_i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f_i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)＝αf_i+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)＝αf_i+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I_N(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。

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。

3.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4：基于人眼敏感度的空间MURA弱化：

步骤4-1、除了中心区域以外，计算每个像素点到中心(x_m,y_m)的几何距离

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，微调因子的计算通过固定随机过程模型构建，取值范围是-1～1，则

d_m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。

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。

Images