CN111476852A - 阅读器刷新方法、计算设备及计算机存储介质 - Google Patents

Abstract

本发明公开了一种阅读器刷新方法、计算设备及计算机存储介质。方法包括：读取下一帧待显示的图像数据；根据所述待显示的图像数据中每个像素点的灰阶值，建立灰阶值分布密度矩阵；将所述灰阶值分布密度矩阵划分为n*n个子矩阵，其中n大于或等于2；将n*n个子矩阵进行归类，归类为文字类子矩阵和图像类子矩阵，根据归类结果确定所述待显示的图像数据的类型识别结果；根据类型识别结果，确定所述待显示的图像数据的刷新模式，依据确定的刷新模式对所述待显示的图像数据进行刷新处理，基于待显示的图像数据的数据类型来确定合适的刷新模式，提升了阅读器的刷新效果，既有效控制了残影严重影响画质的问题，又有效控制了闪烁次数，整体上提升了刷新速度。

Description

阅读器刷新方法、计算设备及计算机存储介质

技术领域

本发明涉及计算机技术领域，具体涉及一种阅读器刷新方法、计算设备及计算机存储介质。

背景技术

现有的阅读器刷新模式基本上分两种模式：完整刷新模式和快速刷新模式。完整刷新模式显示效果最好，显示屏上不会留有上一帧屏上的内容残影。但缺点是刷新频率慢，甚至有全白或全黑的中间过程，给人较明显的闪烁感。快速刷新模式则是相反，显示速度快，无闪烁，但是有上幅画面的残影。多次刷新屏幕后，因为残影的积累越来越严重，会明显影响显示效果。因此常规的做法是几次快速刷新过后，等屏幕的残影较严重后，才使用完整刷新一次，这是一种被动刷新模式。由于每人的使用习惯和对残影的敏感程度不同，不同硬件环境、不同屏会导致残影现象的差异，而目前固定刷新次数的被动刷新模式并不能完全兼容这些差异性，导致用户体验较差。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的阅读器刷新方法、计算设备及计算机存储介质。

根据本发明的一个方面，提供了一种阅读器刷新方法，包括：

读取下一帧待显示的图像数据；

根据所述待显示的图像数据中每个像素点的灰阶值，建立灰阶值分布密度矩阵，其中任一矩阵元素值为对应的像素点的灰阶值；

将所述灰阶值分布密度矩阵划分为n*n个子矩阵，其中n大于或等于2；

将n*n个子矩阵进行归类，归类为文字类子矩阵和图像类子矩阵，根据归类结果确定所述待显示的图像数据的类型识别结果；

根据类型识别结果，确定所述待显示的图像数据的刷新模式，依据确定的刷新模式对所述待显示的图像数据进行刷新处理。

根据本发明的另一方面，提供了一种计算设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；

所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行以下操作：

读取下一帧待显示的图像数据；

根据所述待显示的图像数据中每个像素点的灰阶值，建立灰阶值分布密度矩阵，其中任一矩阵元素值为对应的像素点的灰阶值；

将所述灰阶值分布密度矩阵划分为n*n个子矩阵，其中n大于或等于2；

将n*n个子矩阵进行归类，归类为文字类子矩阵和图像类子矩阵，根据归类结果确定所述待显示的图像数据的类型识别结果；

根据类型识别结果，确定所述待显示的图像数据的刷新模式，依据确定的刷新模式对所述待显示的图像数据进行刷新处理。

根据本发明的又一方面，提供了一种计算机存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行以下操作：

读取下一帧待显示的图像数据；

根据所述待显示的图像数据中每个像素点的灰阶值，建立灰阶值分布密度矩阵，其中任一矩阵元素值为对应的像素点的灰阶值；

将所述灰阶值分布密度矩阵划分为n*n个子矩阵，其中n大于或等于2；

将n*n个子矩阵进行归类，归类为文字类子矩阵和图像类子矩阵，根据归类结果确定所述待显示的图像数据的类型识别结果；

根据类型识别结果，确定所述待显示的图像数据的刷新模式，依据确定的刷新模式对所述待显示的图像数据进行刷新处理。

本发明提供的方案，在对下一帧待显示的图像数据进行刷新处理时，不再是按照传统的刷新方法进行刷新，而是充分考虑了待显示的图像数据的数据类型，基于待显示的图像数据的数据类型来确定合适的刷新模式，从而提升了阅读器的刷新效果，既有效控制了残影严重影响画质的问题，又有效控制了闪烁次数，整体上提升了刷新速度，提升了用户体验。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1示出了根据本发明一个实施例的阅读器刷新方法的流程示意图；

图2示出了根据本发明另一个实施例的阅读器刷新方法的流程示意图；

图3示出了根据本发明一个实施例的计算设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。

本发明实施例提供的阅读器刷新方法不仅能够用于墨水屏阅读器的刷新，还能够用于彩色墨水屏阅读器的刷新，彩色墨水屏阅读器是在传统墨水屏幕上增加一层彩色滤光膜，提供彩色分量。墨水胶囊中的黑白粒子在驱动电压的驱动之下做不同程度的移动，形成不同的灰阶效果，这些灰阶效果透过彩色滤光膜可以影响彩色分量的颜色深浅，从而达到全色域彩色显示的目的。而彩屏由于颜色丰富多彩，使得相对黑白屏而言不论显示文字还是图像，残影都更为严重。

图1示出了根据本发明一个实施例的阅读器刷新方法的流程示意图。如图1所示，该方法包括以下步骤：

步骤S101，读取下一帧待显示的图像数据。

用户在阅读完阅读器当前所显示的图像后，需要切换阅读下一帧图像，此时就会涉及到阅读器的刷新，在实际应用中，待显示的图像可能仅包含文字内容或者仅包含图像内容或者既包含文字内容又包含图像内容，为了能够采用合适的刷新模式对待显示的图像数据进行刷新处理，提升刷新效果，可以依据本实施例提供的阅读器刷新方法来进行刷新，通过确定待显示的图像数据的数据类型，来采用不同的刷新模式进行刷新。

具体地，在显示下一帧图像前，需要先读取下一帧待显示的图像数据，具体地，可以将图像数据存储在显示缓存中，在显示下一帧图像前，先从显示缓存中读取下一帧待显示的图像数据，其中，图像数据是指用数值表示的各像素点的灰阶值的集合。

步骤S102，根据待显示的图像数据中每个像素点的灰阶值，建立灰阶值分布密度矩阵，其中任一矩阵元素值为对应的像素点的灰阶值。

每个图像是由很多像素点组成，多个像素点按照一定的规律分布才能够得到相应的图像，因此，在读取到下一帧待显示的图像数据后，可以做如下处理：按照像素点的分布情况，根据待显示的图像数据中每个像素点的灰阶值，建立灰阶值分布密度矩阵，需要说明的是，所建立的灰阶值分布密度矩阵中的矩阵元素的数量与待显示的图像数据中像素点的数量相同，例如，待显示的图像数据包含M*N个像素点，M、N分别表示图像有M行、N列，那么所建立的是M行N列的灰阶值分布密度矩阵，所建立的灰阶值分布密度矩阵包含M*N个矩阵元素，灰阶值分布密度矩阵中任一矩阵元素对应的矩阵元素值为对应的像素点的灰阶值。

举例说明，待显示的图像数据包含的像素点数量为128*64，那么所建立的灰阶值分布密度矩阵为一个128行64列的矩阵，灰阶值分布密度矩阵中矩阵元素对应的矩阵元素值为对应的像素点的灰阶值。例如，待显示的图像数据的第5行第5列的像素点的灰阶值为0，那么灰阶值分布密度矩阵中第5行第5列的矩阵元素对应的矩阵元素值为0，对应是第5行第5列的像素点的灰阶值0。这里仅是举例说明，不具有任何限定作用。

步骤S103，将灰阶值分布密度矩阵划分为n*n个子矩阵，其中n大于或等于2。

为了能够确定待显示的图像数据的类型并有效控制确定待显示的图像数据的类型所耗费的计算资源，本步骤将灰阶值分布密度矩阵划分为n*n个子矩阵，其中n大于或等于2。需要说明的是，在对灰阶值分布密度矩阵进行划分时，是按照将灰阶值分布密度矩阵中的行矩阵元素和列矩阵元素分别划分为n份。

若n＝2，那么划分后得到4个子矩阵；若n＝4，那么划分后得到16个子矩阵，当然n也可以取其它值，本领域技术人员可以根据实际需要灵活设定n的取值，当n值很小时，所划分得到的子矩阵的数量就少，可以降低后续对子矩阵进行归类所需的计算资源，但是可能会降低归类的准确度；当n值较大时，所划分得到的子矩阵的数量就多，增加了后续对子矩阵进行归类所需的计算资源，但是提升了归类的准确度，因此，需要选择合适的n值，优选地，n取值为4。

继续结合上述举例说明，待显示的图像数据包含的像素点数量为128*64，那么所建立的灰阶值分布密度矩阵为一个128行64列的矩阵，若目标是将灰阶值分布密度矩阵划分为4*4个子矩阵，那么就是将128行划分为4份，64列划分为4份，最终所得到每个子矩阵是一个32行16列的矩阵。这里仅是举例说明，不具有任何限定作用。

步骤S104，将n*n个子矩阵进行归类，归类为文字类子矩阵和图像类子矩阵，根据归类结果确定待显示的图像数据的类型识别结果。

在根据步骤S103划分得到n*n个子矩阵后，就需要对n*n个子矩阵进行归类处理，归类的目的是确定每个子矩阵是文字类子矩阵或图像类子矩阵，在确定了n*n个子矩的归类后，可以根据归类结果来确定待显示的图像数据的类型识别结果，例如，文字类型或图像类型。

步骤S105，根据类型识别结果，确定待显示的图像数据的刷新模式，依据确定的刷新模式对待显示的图像数据进行刷新处理。

在确定了待显示的图像数据的类型识别结果后，可以根据类型识别结果，确定待显示的图像数据的刷新模式，例如，快速刷新模式或完整刷新模式，然后，依据确定的刷新模式对待显示的图像数据进行刷新处理。

本发明提供的方案，在对下一帧待显示的图像数据进行刷新处理时，不再是按照传统的刷新方法进行刷新，而是充分考虑了待显示的图像数据的数据类型，基于待显示的图像数据的数据类型来确定合适的刷新模式，从而提升了阅读器的刷新效果，既有效控制了残影严重影响画质的问题，又有效控制了闪烁次数，整体上提升了刷新速度，提升了用户体验。

图2示出了根据本发明另一个实施例的阅读器刷新方法的流程示意图。如图2所示，该方法包括以下步骤：

步骤S201，读取下一帧待显示的图像数据。

具体地，在显示下一帧图像前，需要先读取下一帧待显示的图像数据，具体地，可以将图像数据存储在显示缓存中，在显示下一帧图像前，先从显示缓存中读取下一帧待显示的图像数据，其中，图像数据是指用数值表示的各像素点的灰阶值的集合。这里所读取的图像数据可能是文字类数据，也可能是图像类数据，因此，需要采用步骤S202-步骤S206中的方法来分析图像数据的类型：

步骤S202，根据待显示的图像数据中每个像素点的灰阶值，建立灰阶值分布密度矩阵，其中任一矩阵元素值为对应的像素点的灰阶值。

每个图像是由很多像素点组成，多个像素点按照一定的规律分布才能够得到相应的图像，因此，在读取到下一帧待显示的图像数据后，可以做如下处理：按照像素点的分布情况，根据待显示的图像数据中每个像素点的灰阶值，建立灰阶值分布密度矩阵，需要说明的是，所建立的灰阶值分布密度矩阵中的矩阵元素的数量与待显示的图像数据中像素点的数量相同，例如，待显示的图像数据包含M*N个像素点，M、N分别表示图像有M行、N列，那么所建立的是M行N列的灰阶值分布密度矩阵，所建立的灰阶值分布密度矩阵包含M*N个矩阵元素，灰阶值分布密度矩阵中任一矩阵元素对应的矩阵元素值为对应的像素点的灰阶值。例如，灰阶值的取值范围为0到15，其中，0表示黑、15表示白，中间数值代表不同程度的灰色效果。

举例说明，待显示的图像数据包含的像素点数量为128*64，那么所建立的灰阶值分布密度矩阵为一个128行64列的矩阵，灰阶值分布密度矩阵中矩阵元素对应的矩阵元素值为对应的像素点的灰阶值。例如，待显示的图像数据的第5行第5列的像素点的灰阶值为0，那么灰阶值分布密度矩阵中第5行第5列的矩阵元素对应的矩阵元素值为0，对应是第5行第5列的像素点的灰阶值0。这里仅是举例说明，不具有任何限定作用。

步骤S203，将灰阶值分布密度矩阵划分为n*n个子矩阵，其中n大于或等于2。

为了能够确定待显示的图像数据的类型并有效控制确定待显示的图像数据的类型所耗费的计算资源，本步骤将灰阶值分布密度矩阵划分为n*n个子矩阵，其中n大于或等于2。需要说明的是，在对灰阶值分布密度矩阵进行划分时，是按照将灰阶值分布密度矩阵中的行矩阵元素和列矩阵元素分别划分为n份。

若n＝2，那么划分后得到4个子矩阵；若n＝4，那么划分后得到16个子矩阵，当然n也可以取其它值，本领域技术人员可以根据实际需要灵活设定n的取值，当n值很小时，所划分得到的子矩阵的数量就少，可以降低后续对子矩阵进行归类所需的计算资源，但是可能会降低归类的准确度；当n值较大时，所划分得到的子矩阵的数量就多，增加了后续对子矩阵进行归类所需的计算资源，但是提升了归类的准确度，因此，需要选择合适的n值，优选地，n取值为4。

继续结合上述举例说明，待显示的图像数据包含的像素点数量为128*64，那么所建立的灰阶值分布密度矩阵为一个128行64列的矩阵，若目标是将灰阶值分布密度矩阵划分为4*4个子矩阵，那么就是将128行划分为4份，64列划分为4份，最终所得到每个子矩阵是一个32行16列的矩阵。这里仅是举例说明，不具有任何限定作用。

步骤S204，针对任一子矩阵，计算该子矩阵的各个矩阵元素值的平均差值。

在根据步骤S203划分得到n*n个子矩阵后，就需要对n*n个子矩阵进行归类处理，针对任一子矩阵，可以采用步骤S204-步骤S205中的方法对该子矩阵进行归类。

结合实际应用会发现，文字类数据通常是黑字白底或者白字黑底，使得像素点的灰阶值的差值非常明显，而图像类数据由于其颜色丰富多彩，使得像素点的灰阶值的差值不是很明显，因此，在得到子矩阵后，可以通过计算该子矩阵的各个矩阵元素值的平均差值，根据平均差值来对该子矩阵进行归类。

本步骤中的任一子矩阵均包含多个矩阵元素值，可以通过以下方法计算该子矩阵的各个矩阵元素值的平均差值：针对任一子矩阵，可以从中取出一矩阵元素值，计算该矩阵元素值与子矩阵中其它矩阵元素值的差值，遍历计算子矩阵中每个矩阵元素值与子矩阵中其它矩阵元素值的差值，需要说明的是，在计算差值时，可能存在重复计算过程，对于这类重复计算需要过滤掉，然后再计算得到平均差值。这里计算平均差值是为了能够更准确地确定子矩阵的归类，避免出现部分矩阵元素值的差值影响子矩阵的归类。

步骤S205，将平均差值与预设阈值进行比较，根据比较结果对该子矩阵进行归类，归类为文字类子矩阵和图像类子矩阵。

在计算得到该子矩阵的各个矩阵元素值的平均差值后，将该平均差值与预设阈值进行比较，预设阈值是根据实际经验而设定的，预设阈值是一种临界值，然后，根据比较结果对该子矩阵进行归类。

在一种可选实施方式中，可以通过以下方法来对子矩阵进行归类：若平均差值大于或等于预设阈值，则说明黑白对比度较大，将该子矩阵归类为文字类子矩阵；若平均差值小于预设阈值，则说明平均差值不是很明显，将该子矩阵归类为图像类子矩阵。

在另一种可选实施方式中，为了能够提高子矩阵归类的准确度，可以通过以下方法来对子矩阵进行归类：若平均差值大于或等于预设阈值，判断子矩阵所包含的两种极值的数量是否分别超过各极值对应的预设数量值，并且子矩阵所包含的两种极值的数量的比例在预设比例范围内，若是，则将该子矩阵归类为文字类子矩阵；若否，则将该子矩阵归类为图像类子矩阵；若平均差值小于预设阈值，则将该子矩阵归类为图像类子矩阵。

结合实际应用会发现，文字类数据通常是黑字白底或者白字黑底，即，以黑、白为主，对于文字类子矩阵而言，子矩阵包含的表示黑白的两种极值的数量会很多，通常会超过各极值对应的预设数量值，而图像类数据颜色丰富多彩，但也可能包含黑白颜色，而且黑白颜色所占还比例较大，但是，黑白两种极值的数量却不会超过各极值对应的预设数量值，因此，很可能出现某个子矩阵实际是图像类子矩阵，但是平均差值大于或等于预设阈值的情况，因此，为了能够提高子矩阵归类的准确度，在平均差值大于或等于预设阈值的情况下，还需要判断子矩阵所包含的两种极值的数量是否分别超过各极值对应的预设数量值，并且子矩阵所包含的两种极值的数量的比例在预设比例范围内，若是，则将该子矩阵归类为文字类子矩阵；若否，则将该子矩阵归类为图像类子矩阵；若平均差值小于预设阈值，则将该子矩阵归类为图像类子矩阵。其中，本领域技术人员可以根据实际经验而设定预设数量值。

举例说明，以矩阵元素值0表示黑色，矩阵元素值15表示白色，对于平均差值大于或等于预设阈值的子矩阵，判断矩阵元素值0的数量是否超过该值对应的预设数量值，判断矩阵元素值15的数量是否超过该值对应的预设数量值，以及判断子矩阵所包含的矩阵元素值15和矩阵元素值0的数量的比例是否在预设比例范围内，例如，预设比例范围为[2:3,3:2]，若均为是，则将该子矩阵归类为文字类子矩阵，否则，将该子矩阵归类为图像类子矩阵；而对于平均差值小于预设阈值的子矩阵，则将该子矩阵归类为图像类子矩阵。

需要说明的是，黑字白底的文字类数据由于行距的存在，可能出现矩阵元素值15的数量会略多于矩阵元素值0的数量，但两者差距不会过大；白字黑底的文字类数据由于行距的存在，可能出现矩阵元素值0的数量会略多于矩阵元素值15的数量，但两者差距不会过大。

步骤S206，根据n*n个子矩阵中文字类子矩阵的数量和/或图像类子矩阵的数量，确定待显示的图像数据的类型识别结果。

在对n*n个子矩阵进行归类后，可以根据n*n个子矩阵中文字类子矩阵的数量和/或图像类子矩阵的数量，来确定待显示的图像数据的类型识别结果，例如，若n*n个子矩阵中存在至少一个子矩阵为图像类子矩阵，则确定待显示的图像数据为图像类数据；或者，n*n个子矩阵中存在至少一个子矩阵全部为文字类子矩阵，则确定待显示的图像数据为文字类数据。举例说明，当16个子矩阵中至少有一个子矩阵为图像类子矩阵时，确定待显示的图像数据为图像类数据。

在一种可选实施方式中，下一帧待显示的图像可能是图文混排页面，既有文字又有图像，但可能存在文字偏多或者图像偏多的情况，因此，若n*n个子矩阵中中图像类子矩阵的数量超过一定数值时，例如，10个，则可以确定待显示的图像数据为图像类数据，否则，确定待显示的图像数据为文字类数据，是一种近似认为是文字类数据，即，将包含图像类数据较少或图像类数据占比较小的图像数据近似认为是文字类数据，此时，图像部分残影对整个图像的影响有限，可以忽略不计。

步骤S207，若待显示的图像数据为文字类数据，采用快速刷新模式作为待显示的图像数据的刷新模式。

若根据步骤S206确定出待显示的图像数据为文字类数据，由于文字类内容黑白对比度明显，刷新时残影较浅，因此，可以采用快速刷新模式作为待显示的图像数据的刷新模式。

快速刷新模式追求刷新速度快，闪烁程度低的效果，主要包含GU刷新模式(Grayscale Update灰度刷新模式)和A2刷新模式，其中，GU刷新模式是将当前显示的图像的像素点对应的墨水粒子从当前位置直接驱动到下一帧图像里该像素点要显示的位置；A2刷新模式只有黑白两色，其是把原来显示16级灰阶的内容，以黑白两极灰度呈现，以减少渲染灰阶所带来的性能与时间的消耗，刷新速度更快。当待显示的图像数据为文字类数据时，使用A2刷新模式，文字内容一般都是黑字白底或白字黑底，因此，取消灰阶对显示效果影响不大。A2刷新模式相对灰阶模式而言，可以大大提高刷新速度(例如，将刷新速度由600ms提高到120ms)，同时闪烁感更低。

步骤S208，若待显示的图像数据为图像类数据，采用完整刷新模式作为待显示的图像数据的刷新模式。

若根据步骤S206确定出待显示的图像数据为图像类数据，则采用完整刷新模式作为待显示的图像数据的刷新模式。这里不采用快速刷新模式作为待显示的图像数据的刷新模式，是由于对于图像类数据而言，快速刷新模式会存在较为严重的残影，严重影响画质，而采用完整刷新模式作为待显示的图像数据的刷新模式，则能够克服残影问题。

完整刷新模式是每次刷新都要全屏刷一次，是将墨水粒子从当前位置驱动到全黑位置，进行一次清屏处理，然后再驱动到下一帧图像的位置，因此，阅读器上不会留有上一帧屏上的内容残影，主要包含GC16刷新模式和GCC16刷新模式，其中，16表示16灰阶。需要说明的是，GCC16刷新模式相对GC16刷新模式而言对残影的消除效果更佳，更适合彩色墨水屏阅读器。

步骤S209，依据确定的刷新模式对待显示的图像数据进行刷新处理。

在确定了待显示的图像数据的刷新模式，可以依据确定的刷新模式对待显示的图像数据进行刷新处理，文字类数据由于黑白对比度明显，使得刷新时残影较浅，因此采用快速刷新模式对文字类数据进行刷新，能够有效降低残影，还能够进一步提升刷新速度；而图像类数据由于所涉及的颜色丰富，如果还采用快速刷新模式，就会出现严重的残影，而采用完整刷新模式进行刷新，则可以消除残影问题。

在一种可选实施方式中，很可能出现连续阅读的图像数据都为文字类数据，即多次连续采用快速刷新模式对图像数据进行刷新的情况，而通常情况下，多次采用快速刷新模式刷新会积累残影，因此，在多次连续采用快速刷新模式刷新后，需要采用一次完整刷新模式进行刷新，为了能够提升用户阅读体验，在根据类型识别结果，确定待显示的图像数据的刷新模式之前，需要先判断快速刷新模式的累计刷新次数是否超过累计阈值，例如，累计阈值设置为5，该累计阈值可以灵活设定，累计阈值设置的较大时，会容易在未达到累计阈值时，就积累了较为严重的残影，影响用户阅读体验，累计阈值设置的较小时，会增加采用完成刷新模式进行刷新的次数，增加了闪烁次数，且降低了刷新速度，因此，优选设定累计阈值为5；若是，则说明已积累残影，需要采用完整刷新模式作为待显示的图像数据的刷新模式，来消除残影，在此种情况下，无需确定待显示的图像数据的类型，即，无论待显示的图像数据是文字类数据或是图像类数据，都将采用完整刷新模式作为待显示的图像数据的刷新模式；若否，则执行根据类型识别结果，确定待显示的图像数据的刷新模式的步骤。

在一种可选实施方式中，方法还包括：若待显示的图像数据的类型识别结果为文字类数据，且图像类子矩阵的数量符合预设条件，以大于1的步长数据更新快速刷新模式的累计刷新次数。

具体地，对于将待显示的图像数据近似认为是文字类数据的情况，虽然图像部分残影影响有限，但是如果多帧图像都包含小尺寸图片，且图片位置随机不同时，累计的残影效果还是有较大影响，因此，在确定出待显示的图像数据的类型识别结果为文字类数据，且图像类子矩阵的数量符合预设条件的情况，例如，图像类子矩阵的数量小于或等于预设数量，则以大于1的步长数据更新快速刷新模式的累计刷新次数，以加快完整刷新模式的进程，例如，一般情况下采用快速刷新模式累计刷新达到一定次数后，例如5次，会积累残影，需要执行一次完整刷新模式。而在确定出待显示的图像数据的类型识别结果为文字类数据，且图像类子矩阵的数量符合预设条件的情况下，希望加快完整刷新模式的进程，这里在执行快速刷新模式一次时，不再是以+1来累计刷新次数，而是以大于1的步长数据，比如，+2或+3来累计刷新次数，从而减少了两次完整刷新模式之间采用快速刷新模式的次数。

本发明提供的方案，在对下一帧待显示的图像数据进行刷新处理时，不再是按照传统的刷新方法进行刷新，而是充分考虑了待显示的图像数据的数据类型，通过将基于待显示的图像数据中的每个像素点的灰阶值所建立的灰阶值分布密度矩阵划分为n*n个子矩阵，针对任一子矩阵，计算该子矩阵的各个矩阵元素值的平均差值，基于平均差值对n*n个子矩阵进行归类来确定待显示的图像数据的数据类型，提升了识别结果的准确度，若待显示的图像数据为文字类数据，采用快速刷新模式对待显示的图像数据进行刷新处理，能够提升刷新速度，而且还不会出现残影问题，同时能够降低闪烁次数；若待显示的图像数据为图像类数据，采用完整刷新模式对待显示的图像数据进行刷新处理，能够克服残影问题，提升了阅读器整体的刷新效果，提升了用户体验。

本发明实施例还提供了一种非易失性计算机存储介质，计算机存储介质存储有至少一可执行指令，该计算机可执行指令可执行上述任意方法实施例中的阅读器刷新方法。

可执行指令具体可以用于使得处理器执行以下操作：

读取下一帧待显示的图像数据；

根据待显示的图像数据中每个像素点的灰阶值，建立灰阶值分布密度矩阵，其中任一矩阵元素值为对应的像素点的灰阶值；

将灰阶值分布密度矩阵划分为n*n个子矩阵，其中n大于或等于2；

将n*n个子矩阵进行归类，归类为文字类子矩阵和图像类子矩阵，根据归类结果确定待显示的图像数据的类型识别结果；

根据类型识别结果，确定待显示的图像数据的刷新模式，依据确定的刷新模式对待显示的图像数据进行刷新处理。

在一种可选的实施方式中，可执行指令具体使处理器执行以下操作：

根据n*n个子矩阵中文字类子矩阵的数量和/或图像类子矩阵的数量，确定待显示的图像数据的类型识别结果。

在一种可选的实施方式中，可执行指令进一步使处理器执行以下操作：

若待显示的图像数据为文字类数据，采用快速刷新模式作为待显示的图像数据的刷新模式；

若待显示的图像数据为图像类数据，采用完整刷新模式作为待显示的图像数据的刷新模式。

在一种可选的实施方式中，可执行指令还使处理器执行以下操作：

判断快速刷新模式的累计刷新次数是否超过累计阈值；

若是，则采用完整刷新模式作为待显示的图像数据的刷新模式；

若否，则执行根据类型识别结果，确定待显示的图像数据的刷新模式的步骤。

在一种可选的实施方式中，可执行指令进一步使处理器执行以下操作：

针对任一子矩阵，计算该子矩阵的各个矩阵元素值的平均差值；

将平均差值与预设阈值进行比较，根据比较结果对该子矩阵进行归类。

在一种可选的实施方式中，可执行指令进一步使处理器执行以下操作：

若平均差值大于或等于预设阈值，则将该子矩阵归类为文字类子矩阵；

若平均差值小于预设阈值，则将该子矩阵归类为图像类子矩阵。

在一种可选的实施方式中，可执行指令进一步使处理器执行以下操作：

若平均差值大于或等于预设阈值，判断子矩阵所包含的两种极值的数量是否分别超过各极值对应的预设数量值，并且子矩阵所包含的两种极值的数量的比例在预设比例范围内，若是，则将该子矩阵归类为文字类子矩阵；若否，则将该子矩阵归类为图像类子矩阵；

若平均差值小于预设阈值，则将该子矩阵归类为图像类子矩阵。

在一种可选的实施方式中，可执行指令进一步使处理器执行以下操作：

若待显示的图像数据的类型识别结果为文字类数据，且图像类子矩阵的数量符合预设条件，以大于1的步长数据更新快速刷新模式的累计刷新次数。

图3示出了根据本发明一个实施例的计算设备的结构示意图，本发明具体实施例并不对计算设备的具体实现做限定。

如图3所示，该计算设备可以包括：处理器(processor)302、通信接口(Communications Interface)304、存储器(memory)306、以及通信总线308。

其中：处理器302、通信接口304、以及存储器306通过通信总线308完成相互间的通信。

通信接口304，用于与其它设备比如客户端或其它服务器等的网元通信。

处理器302，用于执行程序310，具体可以执行上述阅读器刷新方法实施例中的相关步骤。

具体地，程序310可以包括程序代码，该程序代码包括计算机操作指令。

处理器302可能是中央处理器CPU，或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路。计算设备包括的一个或多个处理器，可以是同一类型的处理器，如一个或多个CPU；也可以是不同类型的处理器，如一个或多个CPU以及一个或多个ASIC。

存储器306，用于存放程序310。存储器306可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。

程序310具体可以用于使得处理器302执行以下操作：

读取下一帧待显示的图像数据；

根据待显示的图像数据中每个像素点的灰阶值，建立灰阶值分布密度矩阵，其中任一矩阵元素值为对应的像素点的灰阶值；

将灰阶值分布密度矩阵划分为n*n个子矩阵，其中n大于或等于2；

将n*n个子矩阵进行归类，归类为文字类子矩阵和图像类子矩阵，根据归类结果确定待显示的图像数据的类型识别结果；

根据类型识别结果，确定待显示的图像数据的刷新模式，依据确定的刷新模式对待显示的图像数据进行刷新处理。

在一种可选的实施方式中，程序310具体使处理器302执行以下操作：

根据n*n个子矩阵中文字类子矩阵的数量和/或图像类子矩阵的数量，确定待显示的图像数据的类型识别结果。

在一种可选的实施方式中，程序310进一步使处理器302执行以下操作：

若待显示的图像数据为文字类数据，采用快速刷新模式作为待显示的图像数据的刷新模式；

若待显示的图像数据为图像类数据，采用完整刷新模式作为待显示的图像数据的刷新模式。

在一种可选的实施方式中，程序310还使处理器302执行以下操作：

判断快速刷新模式的累计刷新次数是否超过累计阈值；

若是，则采用完整刷新模式作为待显示的图像数据的刷新模式；

若否，则执行根据类型识别结果，确定待显示的图像数据的刷新模式的步骤。

在一种可选的实施方式中，程序310进一步使处理器302执行以下操作：

针对任一子矩阵，计算该子矩阵的各个矩阵元素值的平均差值；

将平均差值与预设阈值进行比较，根据比较结果对该子矩阵进行归类。

在一种可选的实施方式中，程序310进一步使处理器302执行以下操作：

若平均差值大于或等于预设阈值，则将该子矩阵归类为文字类子矩阵；

若平均差值小于预设阈值，则将该子矩阵归类为图像类子矩阵。

在一种可选的实施方式中，程序310进一步使处理器302执行以下操作：

若平均差值大于或等于预设阈值，判断子矩阵所包含的两种极值的数量是否分别超过各极值对应的预设数量值，并且子矩阵所包含的两种极值的数量的比例在预设比例范围内，若是，则将该子矩阵归类为文字类子矩阵；若否，则将该子矩阵归类为图像类子矩阵；

若平均差值小于预设阈值，则将该子矩阵归类为图像类子矩阵。

在一种可选的实施方式中，程序310还使处理器302执行以下操作：

若待显示的图像数据的类型识别结果为文字类数据，且图像类子矩阵的数量符合预设条件，以大于1的步长数据更新快速刷新模式的累计刷新次数。

在此提供的算法或显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明实施例也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

类似地，应当理解，为了精简本发明并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明实施例的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。

本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

此外，本领域的技术人员能够理解，尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。上述实施例中的步骤，除有特殊说明外，不应理解为对执行顺序的限定。

本发明公开了：A1.一种阅读器刷新方法，包括：

读取下一帧待显示的图像数据；

根据所述待显示的图像数据中每个像素点的灰阶值，建立灰阶值分布密度矩阵，其中任一矩阵元素值为对应的像素点的灰阶值；

将所述灰阶值分布密度矩阵划分为n*n个子矩阵，其中n大于或等于2；

将n*n个子矩阵进行归类，归类为文字类子矩阵和图像类子矩阵，根据归类结果确定所述待显示的图像数据的类型识别结果；

根据类型识别结果，确定所述待显示的图像数据的刷新模式，依据确定的刷新模式对所述待显示的图像数据进行刷新处理。

A2.根据A1所述的方法，其中，所述根据归类结果确定所述待显示的图像数据的类型识别结果具体为：根据n*n个子矩阵中文字类子矩阵的数量和/或图像类子矩阵的数量，确定所述待显示的图像数据的类型识别结果。

A3.根据A2所述的方法，其中，所述根据类型识别结果，确定所述待显示的图像数据的刷新模式进一步包括：

若所述待显示的图像数据为文字类数据，采用快速刷新模式作为所述待显示的图像数据的刷新模式；

若所述待显示的图像数据为图像类数据，采用完整刷新模式作为所述待显示的图像数据的刷新模式。

A4.根据A1-A3任一项所述的方法，其中，在所述根据类型识别结果，确定所述待显示的图像数据的刷新模式之前，所述方法还包括：

判断快速刷新模式的累计刷新次数是否超过累计阈值；

若是，则采用完整刷新模式作为所述待显示的图像数据的刷新模式；

若否，则执行所述根据类型识别结果，确定所述待显示的图像数据的刷新模式的步骤。

A5.根据A1-A4中任一项所述的方法，其中，所述将n*n个子矩阵进行归类，归类为文字类子矩阵和图像类子矩阵进一步包括：

针对任一子矩阵，计算该子矩阵的各个矩阵元素值的平均差值；

将所述平均差值与预设阈值进行比较，根据比较结果对该子矩阵进行归类。

A6.根据A5所述的方法，其中，所述将所述平均差值与预设阈值进行比较，根据比较结果对该子矩阵进行归类进一步包括：

若所述平均差值大于或等于所述预设阈值，则将该子矩阵归类为文字类子矩阵；

若所述平均差值小于所述预设阈值，则将该子矩阵归类为图像类子矩阵。

A7.根据A5所述的方法，其中，所述将所述平均差值与预设阈值进行比较，根据比较结果对该子矩阵进行归类进一步包括：

若所述平均差值大于或等于所述预设阈值，判断子矩阵所包含的两种极值的数量是否分别超过各极值对应的预设数量值，并且子矩阵所包含的两种极值的数量的比例在预设比例范围内，若是，则将该子矩阵归类为文字类子矩阵；若否，则将该子矩阵归类为图像类子矩阵；

若所述平均差值小于所述预设阈值，则将该子矩阵归类为图像类子矩阵。

A8.根据A2所述的方法，其中，所述方法还包括：若所述待显示的图像数据的类型识别结果为文字类数据，且图像类子矩阵的数量符合预设条件，以大于1的步长数据更新快速刷新模式的累计刷新次数。

B9.一种计算设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；

所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行以下操作：

读取下一帧待显示的图像数据；

根据所述待显示的图像数据中每个像素点的灰阶值，建立灰阶值分布密度矩阵，其中任一矩阵元素值为对应的像素点的灰阶值；

将所述灰阶值分布密度矩阵划分为n*n个子矩阵，其中n大于或等于2；

将n*n个子矩阵进行归类，归类为文字类子矩阵和图像类子矩阵，根据归类结果确定所述待显示的图像数据的类型识别结果；

根据类型识别结果，确定所述待显示的图像数据的刷新模式，依据确定的刷新模式对所述待显示的图像数据进行刷新处理。

B10.根据B9所述的计算设备，其中，所述可执行指令具体使所述处理器执行以下操作：根据n*n个子矩阵中文字类子矩阵的数量和/或图像类子矩阵的数量，确定所述待显示的图像数据的类型识别结果。

B11.根据B10所述的计算设备，其中，所述可执行指令进一步使所述处理器执行以下操作：

若所述待显示的图像数据为文字类数据，采用快速刷新模式作为所述待显示的图像数据的刷新模式；

若所述待显示的图像数据为图像类数据，采用完整刷新模式作为所述待显示的图像数据的刷新模式。

B12.根据B9-B11任一项所述的计算设备，其中，所述可执行指令还使所述处理器执行以下操作：

判断快速刷新模式的累计刷新次数是否超过累计阈值；

若是，则采用完整刷新模式作为所述待显示的图像数据的刷新模式；

若否，则执行所述根据类型识别结果，确定所述待显示的图像数据的刷新模式的步骤。

B13.根据B9-B12任一项所述的计算设备，其中，所述可执行指令进一步使所述处理器执行以下操作：

针对任一子矩阵，计算该子矩阵的各个矩阵元素值的平均差值；

将所述平均差值与预设阈值进行比较，根据比较结果对该子矩阵进行归类。

B14.根据B13所述的计算设备，其中，所述可执行指令进一步使所述处理器执行以下操作：

若所述平均差值大于或等于所述预设阈值，则将该子矩阵归类为文字类子矩阵；

若所述平均差值小于所述预设阈值，则将该子矩阵归类为图像类子矩阵。

B15.根据B13所述的计算设备，其中，所述可执行指令进一步使所述处理器执行以下操作：

若所述平均差值大于或等于所述预设阈值，判断子矩阵所包含的两种极值的数量是否分别超过各极值对应的预设数量值，并且子矩阵所包含的两种极值的数量的比例在预设比例范围内，若是，则将该子矩阵归类为文字类子矩阵；若否，则将该子矩阵归类为图像类子矩阵；

若所述平均差值小于所述预设阈值，则将该子矩阵归类为图像类子矩阵。

B16.根据B10所述的计算设备，其中，所述可执行指令还使所述处理器执行以下操作：

若所述待显示的图像数据的类型识别结果为文字类数据，且图像类子矩阵的数量符合预设条件，以大于1的步长数据更新快速刷新模式的累计刷新次数。

C17.一种计算机存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行以下操作：

读取下一帧待显示的图像数据；

根据所述待显示的图像数据中每个像素点的灰阶值，建立灰阶值分布密度矩阵，其中任一矩阵元素值为对应的像素点的灰阶值；

将所述灰阶值分布密度矩阵划分为n*n个子矩阵，其中n大于或等于2；

将n*n个子矩阵进行归类，归类为文字类子矩阵和图像类子矩阵，根据归类结果确定所述待显示的图像数据的类型识别结果；

根据类型识别结果，确定所述待显示的图像数据的刷新模式，依据确定的刷新模式对所述待显示的图像数据进行刷新处理。

C18.根据C17所述的计算机存储介质，其中，所述可执行指令具体使所述处理器执行以下操作：

根据n*n个子矩阵中文字类子矩阵的数量和/或图像类子矩阵的数量，确定所述待显示的图像数据的类型识别结果。

C19.根据C18所述的计算机存储介质，其中，所述可执行指令进一步使所述处理器执行以下操作：

若所述待显示的图像数据为文字类数据，采用快速刷新模式作为所述待显示的图像数据的刷新模式；

若所述待显示的图像数据为图像类数据，采用完整刷新模式作为所述待显示的图像数据的刷新模式。

C20.根据C17-C19任一项所述的计算机存储介质，其中，所述可执行指令还使所述处理器执行以下操作：

判断快速刷新模式的累计刷新次数是否超过累计阈值；

若是，则采用完整刷新模式作为所述待显示的图像数据的刷新模式；

若否，则执行所述根据类型识别结果，确定所述待显示的图像数据的刷新模式的步骤。

C21.根据C17-C20任一项所述的计算机存储介质，其中，所述可执行指令进一步使所述处理器执行以下操作：

针对任一子矩阵，计算该子矩阵的各个矩阵元素值的平均差值；

将所述平均差值与预设阈值进行比较，根据比较结果对该子矩阵进行归类。

C22.根据C21所述的计算机存储介质，其中，所述可执行指令进一步使所述处理器执行以下操作：

若所述平均差值大于或等于所述预设阈值，则将该子矩阵归类为文字类子矩阵；

若所述平均差值小于所述预设阈值，则将该子矩阵归类为图像类子矩阵。

C23.根据C21所述的计算机存储介质，其中，所述可执行指令进一步使所述处理器执行以下操作：

若所述平均差值大于或等于所述预设阈值，判断子矩阵所包含的两种极值的数量是否分别超过各极值对应的预设数量值，并且子矩阵所包含的两种极值的数量的比例在预设比例范围内，若是，则将该子矩阵归类为文字类子矩阵；若否，则将该子矩阵归类为图像类子矩阵；

若所述平均差值小于所述预设阈值，则将该子矩阵归类为图像类子矩阵。

C24.根据C18所述的计算机存储介质，其中，所述可执行指令进一步使所述处理器执行以下操作：

若所述待显示的图像数据的类型识别结果为文字类数据，且图像类子矩阵的数量符合预设条件，以大于1的步长数据更新快速刷新模式的累计刷新次数。

Claims (10)

1.一种阅读器刷新方法，包括：

读取下一帧待显示的图像数据；

根据所述待显示的图像数据中每个像素点的灰阶值，建立灰阶值分布密度矩阵，其中任一矩阵元素值为对应的像素点的灰阶值；

将所述灰阶值分布密度矩阵划分为n*n个子矩阵，其中n大于或等于2；

将n*n个子矩阵进行归类，归类为文字类子矩阵和图像类子矩阵，根据归类结果确定所述待显示的图像数据的类型识别结果；

根据类型识别结果，确定所述待显示的图像数据的刷新模式，依据确定的刷新模式对所述待显示的图像数据进行刷新处理。

2.根据权利要求1所述的方法，其中，所述根据归类结果确定所述待显示的图像数据的类型识别结果具体为：根据n*n个子矩阵中文字类子矩阵的数量和/或图像类子矩阵的数量，确定所述待显示的图像数据的类型识别结果。

3.根据权利要求2所述的方法，其中，所述根据类型识别结果，确定所述待显示的图像数据的刷新模式进一步包括：

若所述待显示的图像数据为文字类数据，采用快速刷新模式作为所述待显示的图像数据的刷新模式；

若所述待显示的图像数据为图像类数据，采用完整刷新模式作为所述待显示的图像数据的刷新模式。

4.根据权利要求1-3任一项所述的方法，其中，在所述根据类型识别结果，确定所述待显示的图像数据的刷新模式之前，所述方法还包括：

判断快速刷新模式的累计刷新次数是否超过累计阈值；

若是，则采用完整刷新模式作为所述待显示的图像数据的刷新模式；

若否，则执行所述根据类型识别结果，确定所述待显示的图像数据的刷新模式的步骤。

5.根据权利要求1-4中任一项所述的方法，其中，所述将n*n个子矩阵进行归类，归类为文字类子矩阵和图像类子矩阵进一步包括：

针对任一子矩阵，计算该子矩阵的各个矩阵元素值的平均差值；

将所述平均差值与预设阈值进行比较，根据比较结果对该子矩阵进行归类。

6.根据权利要求5所述的方法，其中，所述将所述平均差值与预设阈值进行比较，根据比较结果对该子矩阵进行归类进一步包括：

若所述平均差值大于或等于所述预设阈值，则将该子矩阵归类为文字类子矩阵；

若所述平均差值小于所述预设阈值，则将该子矩阵归类为图像类子矩阵。

7.根据权利要求5所述的方法，其中，所述将所述平均差值与预设阈值进行比较，根据比较结果对该子矩阵进行归类进一步包括：

若所述平均差值大于或等于所述预设阈值，判断子矩阵所包含的两种极值的数量是否分别超过各极值对应的预设数量值，并且子矩阵所包含的两种极值的数量的比例在预设比例范围内，若是，则将该子矩阵归类为文字类子矩阵；若否，则将该子矩阵归类为图像类子矩阵；

若所述平均差值小于所述预设阈值，则将该子矩阵归类为图像类子矩阵。

8.根据权利要求2所述的方法，其中，所述方法还包括：若所述待显示的图像数据的类型识别结果为文字类数据，且图像类子矩阵的数量符合预设条件，以大于1的步长数据更新快速刷新模式的累计刷新次数。

9.一种计算设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；

所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行以下操作：

读取下一帧待显示的图像数据；

根据所述待显示的图像数据中每个像素点的灰阶值，建立灰阶值分布密度矩阵，其中任一矩阵元素值为对应的像素点的灰阶值；

将所述灰阶值分布密度矩阵划分为n*n个子矩阵，其中n大于或等于2；

将n*n个子矩阵进行归类，归类为文字类子矩阵和图像类子矩阵，根据归类结果确定所述待显示的图像数据的类型识别结果；

根据类型识别结果，确定所述待显示的图像数据的刷新模式，依据确定的刷新模式对所述待显示的图像数据进行刷新处理。

10.一种计算机存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行以下操作：

读取下一帧待显示的图像数据；

根据所述待显示的图像数据中每个像素点的灰阶值，建立灰阶值分布密度矩阵，其中任一矩阵元素值为对应的像素点的灰阶值；

将所述灰阶值分布密度矩阵划分为n*n个子矩阵，其中n大于或等于2；

将n*n个子矩阵进行归类，归类为文字类子矩阵和图像类子矩阵，根据归类结果确定所述待显示的图像数据的类型识别结果；

根据类型识别结果，确定所述待显示的图像数据的刷新模式，依据确定的刷新模式对所述待显示的图像数据进行刷新处理。

Images