CN111784608A - 显示数据处理方法、装置、显示设备以及存储介质 - Google Patents
显示数据处理方法、装置、显示设备以及存储介质 Download PDFInfo
- Publication number
- CN111784608A CN111784608A CN202010622126.8A CN202010622126A CN111784608A CN 111784608 A CN111784608 A CN 111784608A CN 202010622126 A CN202010622126 A CN 202010622126A CN 111784608 A CN111784608 A CN 111784608A
- Authority
- CN
- China
- Prior art keywords
- display
- display data
- function
- transformation relation
- definition
- 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.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 34
- 230000009466 transformation Effects 0.000 claims abstract description 127
- 238000000034 method Methods 0.000 claims abstract description 37
- 238000012545 processing Methods 0.000 claims abstract description 36
- 230000006870 function Effects 0.000 claims description 105
- 238000012360 testing method Methods 0.000 claims description 28
- 238000003384 imaging method Methods 0.000 claims description 25
- 238000012937 correction Methods 0.000 claims description 15
- 208000014733 refractive error Diseases 0.000 description 22
- 208000029091 Refraction disease Diseases 0.000 description 19
- 230000004430 ametropia Effects 0.000 description 19
- 239000011521 glass Substances 0.000 description 15
- 230000002159 abnormal effect Effects 0.000 description 12
- 239000004984 smart glass Substances 0.000 description 12
- 230000008569 process Effects 0.000 description 10
- 230000003287 optical effect Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000004438 eyesight Effects 0.000 description 6
- 230000003044 adaptive effect Effects 0.000 description 5
- 210000001525 retina Anatomy 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 239000000470 constituent Substances 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- 206010020675 Hypermetropia Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 201000009310 astigmatism Diseases 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 230000004305 hyperopia Effects 0.000 description 1
- 201000006318 hyperopia Diseases 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 208000001491 myopia Diseases 0.000 description 1
- 230000004379 myopia Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001131 transforming effect Effects 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/451—Execution arrangements for user interfaces
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- General Engineering & Computer Science (AREA)
- Controls And Circuits For Display Device (AREA)
Abstract
本申请提供一种显示数据处理方法、装置、显示设备以及存储介质,获取第一显示数据和第二显示数据之间的变换关系,第二显示数据是屈光度在标准范围之外的用户观看的数据。用变换关系对待显示数据进行校正处理,所得到校正显示数据可以使屈光度在标准范围之外的用户在裸眼情况下可以看清显示内容。无需对用于显示该校正显示数据的设备进行改进,使用正常显示设备显示即可,可适用更多显示设备。
Description
技术领域
本申请实施例涉及信息处理技术领域,尤其涉及一种显示数据处理方法、装置、显示设备以及存储介质。
背景技术
随着信息技术发展,显示设备也能够满足越来越多用户需求。其中,针对屈光异常的用户群体设计有特殊显示设备,让上述用户在裸眼下也能看清特殊显示设备显示内容。
通常情况下,上述特殊显示设备是改变正常显示设备发出光到人眼的光路。其中,正常显示设备是指视力正常的用户能看清的设备。例如:智能眼镜。通过在智能眼镜的显示屏前增加透镜,改变智能人眼发出光进入人眼的光路,使屈光异常的用户能看清屏幕。又例如:通过多个光学器件对物体的光场进行处理,使得物体的光场在用户视网膜上聚焦,使屈光异常的用户能够看清物体。
然而,上述显示设备需要采用光学器件改变物体发出的光到人眼的路径,增加显示设备的组成器件数量,使显示设备内部结构变得复杂。
发明内容
本申请实施例提供一种显示数据处理方法、装置、显示设备以及存储介质,以解决上述技术问题。
第一方面,本申请提供一种显示数据处理方法,包括:
获取满足预设条件的变换关系,其中,变换关系是指针对同一显示内容,屈光度在标准范围内的用户观看的第一显示数据与屈光度在标准范围外的用户观看的第二显示数据之间变换关系,预设条件包括根据变换关系构建的表示清晰度的目标函数的函数值最优;
根据变换关系对待显示数据进行校正处理,生成校正显示数据。
可选地,获取满足预设条件的变换关系,具体包括:
根据变换关系构建表示清晰度和显示内容的失真量的目标函数;
获得目标函数的函数值最优下的变换关系。
可选地,根据变换关系构建表示清晰度和显示内容失真量的目标函数,具体包括:
根据变换关系构建表示清晰度的第一子函数;
根据变换关系构建表示显示内容的失真量的第二子函数;
根据第一子函数和第二子函数,得到目标函数。
可选地,根据变换关系构建表示清晰度的第一子函数,具体包括;
获取第二显示数据与清晰度数值之间的清晰度函数;
根据清晰度函数构建第一子函数。
可选地,获取第二显示数据与清晰度数值之间的清晰度函数,具体包括:
获取第二显示数据在成像设备上的测试显示图像,其中,成像设备用于模拟屈光度在标准范围之外的人眼;
确定测试显示图像的清晰度;
根据多组第二显示数据和每组第二显示数据对应的显示设备的清晰度,获得清晰度函数。
可选地,根据变换关系构建表示显示内容的失真量的第二子函数,具体包括:
获取第二显示数据在成像设备上的测试显示图像;
根据测试显示图像和第一显示数据,确定第二子函数。
可选地,根据测试显示图像和第一显示数据,确定第二子函数,具体包括:
将测试显示图像进行尺寸调整处理,得到调整结果;
将调整结果和第一显示数据的范数作为第二子函数。
可选地,目标函数具体包括:
max{h(fθ(s))-λ|s-resize(g(fθ(s)))|}
其中,max{·}表示最大化函数,h(·)表示第一子函数,fθ(s)表示变换关系,s表示第一显示数据,resize(·)表示尺寸调整函数,g(fθ(s))表示第二显示数据fθ(s)对应的测试显示图像,λ表示加权系数,|·|表示范数。
可选地,在根据变换关系对待显示数据进行校正处理,生成校正显示数据之后,方法还包括:
对校正显示数据进行显示处理,得到校正显示图像。
可选地,在对校正显示数据进行显示处理之后,方法还包括:
获取用户输入校正显示图像的清晰度;
根据校正显示图像的清晰度,调整变换关系。
第二方面,本申请提供一种显示数据处理装置,包括:
获取模块,用于获取满足预设条件的变换关系,其中,变换关系是指针对同一显示内容,屈光度在标准范围内的用户观看的第一显示数据与屈光度在标准范围外的用户观看的第二显示数据之间变换关系,预设条件包括根据变换关系构建的表示清晰度的目标函数的函数值最优;
处理模块,用于根据变换关系对待显示数据进行校正处理,生成校正显示数据。
第三方面,本申请提供一种电子设备,包括:存储器、处理器以及显示器;
存储器用于存储处理器可执行指令的存储器;
显示器用于对显示数据进行显示处理;
其中,处理器被配置为当指令被执行时,执行第一方面及可选方案所涉及的显示数据处理方法。
第四方面,本申请提供一种计算机可读存储介质,计算机可读存储介质中存储有计算机执行指令,计算机执行指令被处理器执行时用于实现第一方面及可选方案所涉及的显示数据处理方法。
本申请提供一种显示数据处理方法、装置、显示设备以及存储介质,获取第一显示数据和第二显示数据之间的变换关系,其中,该变换关系使表示清晰度的目标函数的函数值最优,第二显示数据是屈光度在标准范围之外的用户观看的数据。用变换关系对待显示数据进行校正处理,所得到校正显示数据可以使屈光度在标准范围之外的用户在裸眼情况下可以看清显示内容。无需对用于显示该校正显示数据的设备进行改进,使用正常显示设备显示即可,可适用更多显示设备。
附图说明
图1为屈光正常的人眼在观看事物的光路示意图;
图2为屈光异常的人眼在观看事物的光路示意图;
图3为屈光异常的人眼在观看事物的原理示意图;
图4为本申请一实施例提供的显示数据处理方法的流程示意图;
图5为本申请一实施例提供的成像设备的外观示意图;
图6为本申请一实施例提供的清晰度评价函数的原理示意图;
图7为本申请另一实施例提供的显示数据处理方法的流程示意图;
图8为本申请另一实施例提供的显示数据处理方法的流程示意图;
图9为本申请另一实施例提供的显示数据处理方法的流程示意图;
图10为本申请提供的智能眼镜的结构示意图;
图11为本申请提供的智能电视的结构示意图;
图12为本申请另一实施例提供的显示数据处理装置的结构示意图;
图13为本申请另一实施例提供的显示设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
随着信息技术发展,显示设备也能够满足越来越多用户需求。其中,针对屈光异常的用户群体设计有特殊显示设备,让上述用户在裸眼下也能看清特殊显示设备显示内容。
如图1所示,屈光正常的人眼在不进行调节时能够在视网膜上形成清晰图像,如图2和图3所示,屈光异常是指人眼在不进行调节时,正常图像发出的平行光线通过人眼的屈光作用后,不能在视网膜上形成清晰的物像,而在视网膜前或后方成像。屈光异常包括远视、近视及散光。视力正常的人眼,其屈光度通常与0.00D的距离在预设范围内,例如:0.00D~+0.75D或-0.25D~+0.50D。屈光异常的人眼,其屈光度远离0.00D,例如:在0.00D~+0.75D范围之外,或者,在-0.25D~+0.50D范围之外。
在现有技术中,为屈光异常的用户设计的特殊显示设备,通常是改变正常显示设备发出光到人眼的光路。其中,正常显示设备是指其显示内容可以被视力正常的用户能看清的设备。例如:智能眼镜。通过在智能眼镜的显示屏前增加透镜,改变智能人眼发出光进入人眼的光路,使屈光异常的用户能看清屏幕。又例如:通过多个光学器件对物体的光场进行处理,使得物体的光场在用户视网膜上聚焦,使屈光异常的用户能够看清物体。
然而,上述显示设备需要采用光学器件改变物体发出的光到人眼的路径,增加显示设备的组成器件数量,使显示设备内部结构变得复杂。
本申请提供一种显示数据处理方法、装置以及显示设备,旨在解决上述问题。获取屈光度在标准范围内的用户清晰观看的第一显示数据和屈光度在标准范围之外的用户清晰观看的第二显示数据之间变换关系,使用该变换关系对待显示数据进行处理,即可让屈光度在标准范围之外的用户看清待显示数据所表示显示内容。通过数据处理方式对待显示数据进行处理,无需调整用于显示待显示数据的显示设备的结构,从而降低工艺难度和成本,由于能够推广到普通显示屏,因此可以广泛地用于各种显示场景。
本申请实施例提供的显示数据处理方法应用于显示设备,显示设备可以是电脑显示器、智能眼镜、智能电视等。该显示设备是正常显示设备,也就是视力正常的人眼能够看清该显示设备显示内容。
如图4所示,本申请提供一种显示数据处理方法,该显示数据处理方法应用于上述显示设备,该方法包括如下步骤:
S101、显示设备获取满足预设条件的变换关系。
其中,变换关系是指针对同一显示内容,屈光度在标准范围内的用户能清晰观看的第一显示数据与屈光度在标准范围外的用户能清晰观看的第二显示数据之间变换关系。
获取第一显示数据可以通过如下方式确定:通过成像设备模拟屈光度在标准范围内的用户。如图5所示,成像设备包括镜头和感光面,通过设置镜头的参数以及镜头和感光面之间距离,实现模拟屈光度不同的用户。
随机生成该显示内容的多个候选显示数据。获得每个候选显示数据在该成像设备中的显示图像,对每个候选显示数据的显示图像进行清晰度评估得到清晰度数值,在清晰度数值达到预设值时,将该候选显示数据作为屈光度在标准范围内的用户能清晰观看的第一显示数据。
相应地,获取第二显示数据方式与获取第一显示数据方式相同,也就是通过成像设备模拟屈光度在标准范围外的用户,从多个候选数据中选择清晰度达到预设值的成像图像对应的候选数据作为第二显示数据。
优选地,将对屈光度在标准范围之外的范围定义为异常范围,可以对异常范围进行划分,得到多个异常子范围。成像设备模拟屈光度在的每个异常子范围内的情况,相应得到屈光度在的每个异常子范围内的用户所能看清的第二显示数据。
例如:标准范围定义为-0.25D~+0.50D,也就是屈光度在-0.25D~+0.50D内表示视力正常的用户,也就是屈光度在-0.25D~+0.50D范围之外表示屈光异常的用户。将该异常范围分为多个异常子范围,例如:+0.50D~+1.50D,+1.50D~+2.50D,+2.50D~+3.50D等。用成像设备模拟屈光度在+0.50D~+1.50D范围内的用户,进而得到屈光度在+0.50D~+1.50D范围内的用户能看清的第二显示数据。
其中,预设条件包括根据变换关系构建的表示清晰度的目标函数的函数值最优,也就是目标函数是用于使第二显示数据在成像设备中的显示图像的清晰度最优的函数,该成像设备是模拟屈光度在标准范围之外的用户。该目标函数是根据第一显示数据和第二显示数据的变换关系构建的。
构建目标函数过程为:根据变换关系和第一显示数据确定第二显示数据,再确定第二显示数据在成像设备中显示图像,获取第二显示数据与清晰度数值之间的清晰度函数,将清晰度函数作为目标函数。
如图6所示,例如:第一显示数据为S,也就是视力正常的用户能够看清出第一显示数据S,将变换关系定义为f(·),则可以根据如下公式得到屈光不正的用户能看清的第二显示数据s′。
s′=f(s) (1)
根据如下公式确定第二显示数据在用于模拟屈光不正的用户的成像设备中所显示图像r:
r=g(s′) (2)
根据如下公式在使用清晰度函数评价显示图像:
m=l(r) (3)
其中,使用锐度评价函数作为清晰度函数,也就是用显示图像的锐度表示显示图像的清晰度。
将显示图像的清晰度函数作为用于优化的目标函数。通过对清晰度函数进行变换,将该函数变成变换关系的函数,如下面公式所示:
m=h(fθ(s)) (4)
在确定目标函数之后,对目标函数进行优化得到函数值最优下的变换关系,将该变换关系进行输出。
S102、显示设备根据变换关系对待显示数据进行校正处理,生成校正显示数据。
其中,待显示数据时屈光度在标准范围内的用户能看清的显示数据,用变换关系对该带显示数据进行校正处理,所得到校正显示数据能够被屈光度在标准范围之外的用户看清。
在本申请实施例提供的显示数据处理方法中,确定表示清晰度的目标函数的函数值最优下的变换关系,用该变换关系对待显示数据进行处理,所得到校正显示数据能够被屈光不正的用户在裸眼情况下看清。该用户无需借助其他调节器件,例如眼镜等。并且对用于显示该校正显示数据的显示设备没有特殊要求,视力正常的用户使用的显示设备即可,所适用的显示设备范围较广。
下面重点描述本申请另一实施例提供的显示数据处理方法,方法包括如下步骤:
S201、显示设备获取满足预设条件的变换关系。
其中,获取满足预设条件的变换关系具体包括:根据变换关系构建表示清晰度和显示内容的失真量的目标函数,获得目标函数的函数值最优下的变换关系。也就是该目标函数能够同时反映清晰度和显示内容的失真量这两项指标,在确定目标函数之后,通过对目标函数进行优化处理,得到目标函数的函数值最优下的变换关系。
根据变换关系构建表示清晰度和显示内容失真量的目标函数,具体包括:根据变换关系构建表示清晰度的第一子函数。根据变换关系构建表示显示内容的失真量的第二子函数。根据第一子函数和第二子函数得到目标函数。
其中,获得第一子函数的过程具体包括:获取所述第二显示数据与清晰度数值之间的清晰度函数,根据所述清晰度函数构建所述第一子函数。也就是构建评价第二显示数据的清晰度函数,再根据清晰度函数构建第一子函数。
获取第二显示数据与清晰度数值之间的清晰度函数,具体包括:获取第二显示数据在成像设备上的测试显示图像,其中,成像设备用于模拟屈光度在标准范围之外的人眼。确定测试显示图像的清晰度,根据多组第二显示数据和每组第二显示数据对应的显示设备的清晰度,获得清晰度函数。
随机生成多个第二显示数据,该显示数据可以是任意显示数据。在确定随机生成的每个第二显示数据在成像设备上测试显示图像。该成像设备是模拟屈光异常用户观看第二显示数据。再确定每张显示图像的清晰度。将多组第二显示数据与显示图像的清晰度进行拟合,得到清晰度函数。该清晰度函数是第二显示数据与清晰度数值之间的函数关系。
通过上述方式得到如下公式的清晰度函数:
m=h(s′) (5)
在将该清晰度函数进行变换,即可得到公式(4)所示的第一子函数。
其中,获得第二子函数的过程具体包括:获取第二显示数据在成像设备上的测试显示图像,根据测试显示图像和第一显示数据确定第二子函数。其中该成像设备也是模拟屈光异常的用户观看显示数据。也就是获得屈光异常的用户在观看第二显示数据的显示图像。确定测试显示图像和第一显示数据之间的差异,该差异能够反映用户观看到的显示图像与第一显示数据表达显示内容之间的失真量。再将该差异值作为第二子函数。
在确定测试显示图像和第一显示数据之间的差异时,可以将测试显示图像进行尺寸调整处理得到调整结果,再将调整结果和第一显示数据的范数作为第二子函数。
更具体地,根据如下公式计算得到第二子函数:
d=|s-resize(r)| (6)
在获得表示清晰度的第一子函数和表示显示内容的失真量的第二子函数之后,将第一子函数和第二子函数进行加权即可得到目标函数。在确定目标函数之后,对目标函数进行优化得到函数值最优下的变换关系,将该变换关系进行输出。
S202、显示设备根据变换关系对待显示数据进行校正处理,生成校正显示数据。
其中,该步骤已经上一实施例中详细说明,此处不再赘述。
在本申请实施例提供的显示处理方法中,通过分别构建表示清晰度的第一子函数和构建表示显示内容的失真量的第二子函数,以获得目标函数。用目标函数的函数值最优情况下变换关系对待显示数据进行处理,屈光异常的用户在观看所得到的校正显示数据时,能够不借助其他调节设备看清显示内容,并且能够准确识别显示内容。
如图7所示,下面重点描述本申请另一实施例提供的显示数据处理方法,方法包括如下步骤:
S301、显示设备获取满足预设条件的变换关系。
其中,构建如下所示的目标函数
max{h(fθ(s))-λ|s-resize(g(fθ(s)))|} (7)
其中,max{·}表示最大化函数,h(·)表示第一子函数,fθ(·)表示变换关系,s表示第一显示数据,resize(·)表示尺寸调整函数,g(fθ(s))表示第二显示数据fθ(s)对应的测试显示图像,λ表示加权系数,|·|表示范数。
在使用深度学习神经网络或者演进算法求解上目标函数,使目标函数的函数值最优。fθ(·)就是通过深度学习神经网络或者遗传算法等演进型算法得到参数。
S302、显示设备根据变换关系对待显示数据进行校正处理,生成校正显示数据。
其中,用变换关系对该带显示数据进行校正处理,所得到校正显示数据能够被屈光度在标准范围之外的用户看清。
S303、显示设备对校正显示数据进行显示处理得到校正显示图像。
其中,显示设备通过对校正显示数据进行渲染处理,得到校正显示图像,用户可以通过显示设备的显示屏幕观看到校正显示图像。
在本申请实施例提供的显示数据处理方法中,通过对待显示数据进行校正处理,并根据校正后的显示数据得到校正后的显示图像,屈光异常的用户可以裸眼看清该显示图像,并且准确识别该显示图像表示含义。
如图8所示,下面重点描述本申请另一实施例提供的显示数据处理方法,方法包括如下步骤:
S401、显示设备获取满足预设条件的变换关系。
其中,构建包含变换关系的目标函数。对目标函数进行优化处理得到函数值最优下的变换关系。
S402、从变换关系中选择与用户输入的屈光度相匹配的变换关系。
其中,变换关系是指屈光度在异常子范围内用户观看的第二显示数据与屈光度在标准范围内的用户观看的第一显示数据之间变换关系。将用户输入的屈光度与异常子范围进行匹配,若用户输入的屈光度在异常子范围内,将该异常子范围的变换关系作为与用户输入的屈光度相匹配的变换关系。
当显示设备是电脑显示屏或者智能电视时,可以通过输入设备接收用户输入的屈光度参数。例如:用户通过鼠标或者键盘等输入设备输入。当显示设备是智能眼镜时,用户可以通过手柄输入。
S403、显示设备根据变换关系对待显示数据进行校正处理,生成校正显示数据。
其中,在确定与用户输入的屈光度参数相匹配的变换关系之后,使用该变换关系对待显示数据进行处理生成校正显示数据。所获得校正显示数据是根据用户输入的屈光度校正的,用户在观看经过显示处理后的校正显示数据时,可以更加清晰看清楚显示内容。
S404、显示设备对校正显示数据进行显示处理得到校正显示图像。
其中,该步骤已经在S303中详细说明,此处不再赘述。
在本申请实施例提供的显示数据处理方法中,根据用户输入的屈光度确定变换关系,用户在观看经过显示处理后的校正显示数据时,可以更加清晰看清楚显示内容。
如图9所示,下面重点描述本申请另一实施例提供的显示数据处理方法,方法包括如下步骤:
S501、显示设备获取满足预设条件的变换关系。
S502、从变换关系中选择与用户输入的屈光度相匹配的变换关系。
S503、显示设备根据变换关系对待显示数据进行校正处理,生成校正显示数据。
S504、显示设备对校正显示数据进行显示处理得到校正显示图像。
其中,步骤S501至S504已经在S301至S303中详细说明,此处不再赘述。
S505、获取用户输入校正显示图像的清晰度参数。
其中,用户在观看到校正显示图像后,向显示设备输入校正显示图像的清晰度。作为其中一种实施方式,用户可以通过对所观看到的校正显示图像进行清晰度打分,并将相应地打分结果输入到显示设备中。作为另一种实施方式,用户可以采用二分式评价所观看到的校正显示图像的清晰度,也就是用户仅输入“清晰”和“不清晰”这两个参数。
S506、根据校正显示图像的清晰度参数,调整变换关系。
其中,在确定与用户输入的屈光度相匹配的变换关系时,只是一个粗略的匹配。校正显示数据对应的校正显示图像的清晰度受对屈光异常范围进行划分的精度影响,若划分精度较高,也就是每个异常子范围较小,校正显示数据的清晰度更高。相反,若划分精度较低,也就是每个异常子范围较大,校正显示数据的清晰度越低。另外,用户在观看显示设备的距离也不同,所观看的环境也不同。因此,需要建立基于真实场景下的自适应算法持续学习方案。也就是根据校正显示图像的清晰度参数调整变换关系。
在本申请实施例提供的显示数据处理方法中,根据用户输入的清晰度参数调整变换关系,可以适应不同屈光度的用户在不同距离观看该显示数据对应的显示图像,可以使用户在裸眼下看清显示图像显示内容。
如图10所示,智能眼镜系统包括智能眼镜6001和输入手柄6002,用户头部穿戴智能眼镜6001,智能眼镜6001的显示屏向用户显示图像信息。用户通过输入手柄6002输入数据。智能眼镜6001根据用户输入数据确定向用户显示图像信息。下面结合智能眼镜描述本申请另一实施例提供的显示数据处理方法,方法包括如下步骤:
S601、智能眼镜获取满足预设条件的变换关系。
其中,在智能眼镜初始化过程中,将满足预设条件的多组变换关系加载至本地。每组变换关系表示屈光度在异常子范围内时用户观看的第二显示数据与屈光度在标准范围内的用户观看的第一显示数据之间变换关系。也就是在初始化过程中已经通过对目标函数优化得到相应变换关系。
S602、从变换关系中选择与用户输入的屈光度相匹配的变换关系。
其中,用户佩戴智能眼镜,并握住输入手柄。并在智能眼镜的显示屏上提示用户输入屈光度参数。用户根据提示信息操作输入手柄,输入相应的屈光度参数。
S603、智能眼镜根据变换关系对待显示数据进行校正处理,生成校正显示数据。
其中,智能眼镜对待显示数据进行校正处理。当待显示数据为视频数据时,依次对视频数据中每帧数据进行校正处理,持续输出校正显示数据。当待显示数据为图像数据时,对该图像数据进行校正处理,输出校正显示数据。
S604、智能眼镜对校正显示数据进行显示处理得到校正显示图像。
其中,智能眼镜对校正显示数据进行渲染,得到相应校正显示图像。当待显示数据为视频数据时,依次对每帧校正显示数据进行渲染输出校正显示图像。当待显示数据为图像数据时,对该输出校正显示数据进行处理得到校正显示图像。
S605、智能眼镜获取用户输入校正显示图像的清晰度参数。
其中,通过手柄输入校正显示图像的清晰度参数。可以通过在显示屏上提示用户输入清晰度参数,并对手势识别确定胡输入的校正显示图像的清晰度参数。例如:手向左摆动时表示清晰,手往右摆动时表示不清晰,
S606、根据校正显示图像的清晰度参数,调整变换关系。
其中,AR眼镜在收集用户反馈的数据后,会将(s,label)作为用户标注数据存放近数据库中,s表示用户看到的显示画面对应的第一显示数据,label对应用户的输入信息,输入信息为“清晰”或者“不清晰”。再将收集数据输入到深度学习神经网络中,得到改进后的变换关系fθ(s),从而实现针对特定场景的自适应在线学习持续优化方案。
在本申请实施例提供的显示数据处理方法中,建立基于真实场景下的自适应算法持续学习方案,可以适应不同屈光度的用户观看该智能眼镜所显示图像。
如图11所示,智能电视系统包括智能电视7001和遥控器7002,智能电视向用户显示图像信息,遥控器7002作为用户输入设备,向智能电视7002发送用户输入的控制指令,并根据控制指令调整所要显示图像信息。下面结合智能电视描述本申请另一实施例提供的显示数据处理方法,方法包括如下步骤:
S701、智能电视获取满足预设条件的变换关系。
其中,智能电视在初始化过程中加载满足预设条件的变换关系至本地,也就是在初始化过程中对目标函数优化得到相应变换关系。
S702、智能电视从变换关系中选择与用户输入的屈光度相匹配的变换关系。
其中,在智能电视的屏幕上提示用户输入屈光度参数,用户通过智能终端,例如:智能手机,或者通过遥控器输入屈光度参数。在接收到屈光度参数之后,从变换关系中选择与用户输入的屈光度相匹配的变换关系。
S703、智能电视根据变换关系对待显示数据进行校正处理,生成校正显示数据。
其中,该校正过程与智能眼镜中校正过程相同,此处不再赘述。
S704、智能电视对校正显示数据进行显示处理得到校正显示图像。
其中,该显示过程与智能眼镜中显示过程相同,此处不再赘述。
S705、智能电视获取用户输入校正显示图像的清晰度参数。
其中,在智能电视屏幕上提示用户输入清晰度参数,用户根据提示通过智能终端输入校正显示图像的清晰度评分,例如:评分可以为1至5中数字,5表示最清晰,1表示最模糊。用户输入4,表示校正显示图像的清晰度较高。
S706、智能电视采集用户距离。
其中,利用智能电视内部的传感器采集用户到智能电视的屏幕之间距离,利用该距离调整变换关系。
S707、根据校正显示图像的清晰度参数和用户距离,调整变换关系。
其中,利用智能电视内部的距离传感器智能电视在收集用户反馈的数据后,会将(s,d,point)作为用户标注数据存放近数据库中,s表示用户看到的显示画面对应的第一显示数据,d表示用户到智能电视的屏幕之间距离,point对应用户的输入清晰度评分。再将收集数据输入到深度学习神经网络中,得到改进后的变换关系fθ(s),从而实现针对特定场景的自适应在线学习持续优化方案。
在本申请实施例提供的显示数据处理方法中,建立基于真实场景下的自适应算法持续学习方案,可以适应不同屈光度的用户在不同距离观看该智能电视所显示的图像。
如图12所示,本申请另一实施例提供一种显示数据处理装置800,该数据处理装置800包括:
获取模块801,用于获取满足预设条件的变换关系,其中,变换关系是指针对同一显示内容,屈光度在标准范围内的用户观看的第一显示数据与屈光度在标准范围外的用户观看的第二显示数据之间变换关系,预设条件包括根据变换关系构建的表示清晰度的目标函数的函数值最优;
处理模块802,用于根据所述变换关系对待显示数据进行校正处理,生成校正显示数据。
可选地,获取模块801具体用于:
根据变换关系构建表示清晰度和显示内容的失真量的目标函数;
获得目标函数的函数值最优下的变换关系。
可选地,获取模块801具体用于:
根据变换关系构建表示清晰度的第一子函数;
根据变换关系构建表示显示内容的失真量的第二子函数;
根据第一子函数和第二子函数,得到目标函数。
可选地,获取模块801具体用于:
获取第二显示数据与清晰度数值之间的清晰度函数;
根据清晰度函数构建第一子函数。
可选地,获取模块801具体用于:
获取第二显示数据在成像设备上的测试显示图像,其中,成像设备用于模拟屈光度在标准范围之外的人眼;
确定测试显示图像的清晰度;
根据多组第二显示数据和每组第二显示数据对应的显示设备的清晰度,获得清晰度函数。
可选地,获取模块801具体用于:
获取第二显示数据在成像设备上的测试显示图像;
根据测试显示图像和第一显示数据,确定第二子函数。
可选地,获取模块801具体用于:
将测试显示图像进行尺寸调整处理,得到调整结果;
将调整结果和第一显示数据的范数作为第二子函数。
可选地,目标函数具体包括:
max{h(fθ(s))-λ|s-resize(g(fθ(s)))|}
其中,h(·)表示第一子函数,fθ(s)表示变换关系,s表示第一显示数据,resize(·)表示尺寸调整函数,g(fθ(s))表示第二显示数据fθ(s)对应的测试显示图像,λ表示加权系数,|·|表示范数。
可选地,装置还包括显示模块803,显示模块803用于:
对校正显示数据进行显示处理,得到校正显示图像。
可选地,处理模块802还用于:
获取用户输入校正显示图像的清晰度;
根据校正显示图像的清晰度,调整变换关系。
如图13所示,该响应设备包括:发送器901、接收器902、存储器903、处理器904、以及显示器905。
发送器901,用于发送指令和数据;
接收器902,用于接收指令和数据;
存储器903,用于存储计算机执行指令;
处理器904,用于执行存储器存储的计算机执行指令,以实现上述实施例中响应设备所执行的各个步骤。具体可以参见前述显示数据处理方法实施例中的相关描述。
显示器905用于对处理器输出的显示数据进行显示处理。
可选地,上述存储器903既可以是独立的,也可以跟处理器904集成在一起。
当存储器903独立设置时,该电子设备还包括总线,用于连接存储器903和处理器904。
本申请实施例还提供一种计算机可读存储介质,计算机可读存储介质中存储有计算机执行指令,当处理器执行计算机执行指令时,实现如上电子设备所执行的显示数据处理方法。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述各实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
Claims (13)
1.一种显示数据处理方法,其特征在于,包括:
获取满足预设条件的变换关系,其中,所述变换关系是指针对同一显示内容,模拟屈光度在标准范围内的用户的成像设备清晰观看的第一显示数据与屈光度在标准范围外的用户清晰观看的第二显示数据之间变换关系,所述预设条件包括根据所述变换关系构建的表示清晰度的目标函数的函数值最优;
根据所述变换关系对待显示数据进行校正处理,生成校正显示数据。
2.根据权利要求1所述的方法,其特征在于,获取满足预设条件的变换关系,具体包括:
根据所述变换关系构建表示清晰度和所述显示内容的失真量的目标函数;
获得所述目标函数的函数值最优下的变换关系。
3.根据权利要求2所述的方法,其特征在于,根据所述变换关系构建表示清晰度和显示内容失真量的目标函数,具体包括:
根据所述变换关系构建表示清晰度的第一子函数;
根据所述变换关系构建表示所述显示内容的失真量的第二子函数;
根据所述第一子函数和所述第二子函数,得到所述目标函数。
4.根据权利要求3所述的方法,其特征在于,根据所述变换关系构建表示清晰度的第一子函数,具体包括;
获取所述第二显示数据与清晰度数值之间的清晰度函数;
根据所述清晰度函数构建所述第一子函数。
5.根据权利要求4所述的方法,其特征在于,获取所述第二显示数据与清晰度数值之间的清晰度函数,具体包括:
获取所述第二显示数据在成像设备上的测试显示图像,其中,所述成像设备用于模拟屈光度在标准范围之外的人眼;
确定所述测试显示图像的清晰度;
根据多组第二显示数据和每组第二显示数据对应的显示设备的清晰度,获得清晰度函数。
6.根据权利要求3所述的方法,其特征在于,根据所述变换关系构建表示所述显示内容的失真量的第二子函数,具体包括:
获取所述第二显示数据在成像设备上的测试显示图像;
根据所述测试显示图像和所述第一显示数据,确定所述第二子函数。
7.根据权利要求6所述的方法,其特征在于,根据所述测试显示图像和所述第一显示数据,确定所述第二子函数,具体包括:
将所述测试显示图像进行尺寸调整处理,得到调整结果;
将所述调整结果和所述第一显示数据的范数作为所述第二子函数。
8.根据权利要求2至7中任意一项所述的方法,其特征在于,所述目标函数具体包括:
max{h(fθ(s))-λ|s-resize(g(fθ(s)))|}
其中,h(·)表示第一子函数,fθ(s)表示变换关系,s表示第一显示数据,resize(·)表示尺寸调整函数,g(fθ(s))表示第二显示数据fθ(s)对应的测试显示图像,λ表示加权系数,|·|表示范数。
9.根据权利要求2至7中任意一项所述的方法,其特征在于,在根据所述变换关系对待显示数据进行校正处理,生成校正显示数据之后,所述方法还包括:
对所述校正显示数据进行显示处理,得到校正显示图像。
10.根据权利要求9所述的方法,其特征在于,在对所述校正显示数据进行显示处理之后,所述方法还包括:
获取用户输入所述校正显示图像的清晰度参数;
根据所述校正显示图像的清晰度参数,调整所述变换关系。
11.一种显示数据处理装置,其特征在于,包括:
获取模块,用于获取满足预设条件的变换关系,其中,所述变换关系是指针对同一显示内容,屈光度在标准范围内的用户清晰观看的第一显示数据与屈光度在标准范围外的用户清晰观看的第二显示数据之间变换关系,所述预设条件包括根据所述变换关系构建的表示清晰度的目标函数的函数值最优;
处理模块,用于根据所述变换关系对待显示数据进行校正处理,生成校正显示数据。
12.一种显示设备,其特征在于,包括:存储器、处理器以及显示器;
所述存储器用于存储所述处理器可执行指令的存储器;
所述显示器用于对所述显示数据进行显示处理;
所述处理器被配置为当所述指令被执行时,执行如权利要求1至10中任一所述的显示数据处理方法。
13.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如权利要求1至10中任一所述的显示数据处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010622126.8A CN111784608B (zh) | 2020-07-01 | 显示数据处理方法、装置、显示设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010622126.8A CN111784608B (zh) | 2020-07-01 | 显示数据处理方法、装置、显示设备以及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111784608A true CN111784608A (zh) | 2020-10-16 |
CN111784608B CN111784608B (zh) | 2024-07-02 |
Family
ID=
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104704818A (zh) * | 2013-06-19 | 2015-06-10 | 松下知识产权经营株式会社 | 图像显示装置和图像显示方法 |
CN105955477A (zh) * | 2016-04-29 | 2016-09-21 | 乐视控股(北京)有限公司 | 一种调节vr设备的显示图像的方法、装置及对应的vr设备 |
CN107369135A (zh) * | 2017-06-22 | 2017-11-21 | 广西大学 | 一种基于尺度不变特征变换算法的显微成像系统三维点扩散函数空间大小选取方法 |
CN107595563A (zh) * | 2017-09-01 | 2018-01-19 | 清华大学 | 一种基于云存储的vr视力矫正方法和装置 |
CN108287609A (zh) * | 2018-01-26 | 2018-07-17 | 成都科木信息技术有限公司 | 用于ar眼镜的图像绘制方法 |
WO2019171340A1 (en) * | 2018-03-09 | 2019-09-12 | Evolution Optiks Limited | Vision correction system and method, light field display and light field shaping layer therefor using subpixel rendering |
CN110597386A (zh) * | 2019-09-03 | 2019-12-20 | 北京爱博同心医学科技有限公司 | 基于增强现实的图像亮度提升方法及增强现实眼镜 |
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104704818A (zh) * | 2013-06-19 | 2015-06-10 | 松下知识产权经营株式会社 | 图像显示装置和图像显示方法 |
CN105955477A (zh) * | 2016-04-29 | 2016-09-21 | 乐视控股(北京)有限公司 | 一种调节vr设备的显示图像的方法、装置及对应的vr设备 |
CN107369135A (zh) * | 2017-06-22 | 2017-11-21 | 广西大学 | 一种基于尺度不变特征变换算法的显微成像系统三维点扩散函数空间大小选取方法 |
CN107595563A (zh) * | 2017-09-01 | 2018-01-19 | 清华大学 | 一种基于云存储的vr视力矫正方法和装置 |
CN108287609A (zh) * | 2018-01-26 | 2018-07-17 | 成都科木信息技术有限公司 | 用于ar眼镜的图像绘制方法 |
WO2019171340A1 (en) * | 2018-03-09 | 2019-09-12 | Evolution Optiks Limited | Vision correction system and method, light field display and light field shaping layer therefor using subpixel rendering |
CN110597386A (zh) * | 2019-09-03 | 2019-12-20 | 北京爱博同心医学科技有限公司 | 基于增强现实的图像亮度提升方法及增强现实眼镜 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108427503B (zh) | 人眼追踪方法及人眼追踪装置 | |
KR101848526B1 (ko) | 사용자의 시각적인 장애를 보상하기 위해 디스플레이를 렌더링하는 시스템 및 방법 | |
US10565766B2 (en) | Language element vision augmentation methods and devices | |
US9326675B2 (en) | Virtual vision correction for video display | |
JP7309116B2 (ja) | 視線方向特定方法、装置、電子機器及び記憶媒体 | |
US9734554B2 (en) | Compensation for viewing with common vision abnormalities | |
US10706281B2 (en) | Controlling focal parameters of a head mounted display based on estimated user age | |
CN110222597B (zh) | 基于微表情调节屏幕显示的方法及装置 | |
WO2019153927A1 (zh) | 屏幕显示方法、具有显示屏幕的装置、设备及存储介质 | |
CN112733619A (zh) | 采集设备的位姿调整方法、装置、电子设备及存储介质 | |
Sutton et al. | Seeing colours: addressing colour vision deficiency with vision augmentations using computational glasses | |
CN113325607A (zh) | 眼镜镜片的设计方法、制造方法、订购装置、订购接受装置、订购及订购接受系统 | |
CN110570383A (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
CN107833263A (zh) | 面部跟踪方法及装置 | |
CN111612780B (zh) | 人眼视力识别方法、装置及计算机存储介质 | |
CN111784608B (zh) | 显示数据处理方法、装置、显示设备以及存储介质 | |
CN111784608A (zh) | 显示数据处理方法、装置、显示设备以及存储介质 | |
CN113491502A (zh) | 一种眼球追踪校准检验方法、装置、设备及存储介质 | |
CN115171284B (zh) | 一种老年人关怀方法及装置 | |
CN115359092A (zh) | 一种注视点预测模型的训练方法、装置及电子设备 | |
CN116413915A (zh) | 一种近眼显示设备的亮度调节方法、近眼显示设备及介质 | |
CN114895790A (zh) | 一种人机交互方法、装置、电子设备和存储介质 | |
EP3968233A1 (en) | A computer implemented method for training a gan network to generate artificial images of faces for a driver monitoring system | |
CN110298684B (zh) | 车型匹配方法、装置、计算机设备及存储介质 | |
WO2017026942A1 (en) | Apparatus for display adjustment and method thereof |
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 |