CN112070724A - 动态假轮廓的检测方法、装置、设备及计算机存储介质 - Google Patents
动态假轮廓的检测方法、装置、设备及计算机存储介质 Download PDFInfo
- Publication number
- CN112070724A CN112070724A CN202010820231.2A CN202010820231A CN112070724A CN 112070724 A CN112070724 A CN 112070724A CN 202010820231 A CN202010820231 A CN 202010820231A CN 112070724 A CN112070724 A CN 112070724A
- Authority
- CN
- China
- Prior art keywords
- gray level
- difference
- gray
- dynamic false
- false contour
- 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 title claims abstract description 67
- 230000010354 integration Effects 0.000 claims abstract description 76
- 230000033001 locomotion Effects 0.000 claims abstract description 25
- 238000004590 computer program Methods 0.000 claims description 14
- 238000001514 detection method Methods 0.000 claims description 14
- 230000000694 effects Effects 0.000 description 13
- 230000008569 process Effects 0.000 description 13
- 230000000007 visual effect Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 11
- 210000001525 retina Anatomy 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000002688 persistence Effects 0.000 description 6
- 230000004044 response Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 238000013139 quantization Methods 0.000 description 5
- 238000009825 accumulation Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000004438 eyesight Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000011158 quantitative evaluation Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008034 disappearance Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000004424 eye movement Effects 0.000 description 2
- 210000001328 optic nerve Anatomy 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 210000000608 photoreceptor cell Anatomy 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000016776 visual perception Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Control Of Indicators Other Than Cathode Ray Tubes (AREA)
Abstract
本发明实施例提供了一种动态假轮廓的检测方法、装置、设备及计算机存储介质,方法包括:当目标对象在显示屏的第一灰度级与第二灰度级的显示区域之间移动时,对目标对象的运动轨迹上的像素亮度进行积分,得到多个积分结果,其中,第一灰度级与第二灰度级不相等;从多个积分结果中确定积分结果的极值;确定目标灰度级与极值的第一差值,第一灰度级和第二灰度级的第二差值,目标灰度级包括第一灰度级和第二灰度级中的至少一个;计算第一差值与第二差值的比值;根据比值,确定第一灰度级与第二灰度级之间的动态假轮廓的严重程度。本发明能够准确地反映不同灰度级之间的动态假轮廓的严重程度。
Description
技术领域
本发明属于图像处理技术领域,尤其涉及一种动态假轮廓的检测方法、装置、设备及计算机存储介质。
背景技术
随着显示技术的发展和人们生活水平的提高,显示设备已经进入了人们的生产和生活各个方面。然而,显示设备在给人们带来便捷的同时,也存在显示时会出现动态假轮廓现象,图像显示质量差的问题。
动态假轮廓现象是人眼视网膜的一种感知现象,通常只在图像运动时出现,而当图像静止时,动态假轮廓现象就会消失,因而除了人眼的直观感受外,较难利用仪器设备直接检测动态假轮廓,所以关于动态假轮廓的定量评测方法较少。
目前虽然出现了一些关于动态假轮廓的定量评测方法,但这些方法得到的计算结果与人眼实际观看到动态假轮廓的严重程度往往并不吻合,即不能准确地反映动态假轮廓的严重程度。
发明内容
本发明实施例提供一种动态假轮廓的检测方法、装置、设备及计算机存储介质,能够准确地反映不同灰度级之间的动态假轮廓的严重程度。
第一方面,本发明实施例提供一种动态假轮廓的检测方法,方法包括:
当目标对象在显示屏的第一灰度级与第二灰度级的显示区域之间移动时,对所述目标对象的运动轨迹上的像素亮度进行积分,得到多个积分结果,其中,所述第一灰度级与所述第二灰度级不相等;
从所述多个积分结果中确定所述积分结果的极值;
确定目标灰度级与所述极值的第一差值,以及所述第一灰度级和所述第二灰度级的第二差值,所述目标灰度级包括所述第一灰度级和所述第二灰度级中的至少一个;
计算所述第一差值与所述第二差值的比值;
根据所述比值,确定所述第一灰度级与所述第二灰度级之间的动态假轮廓的严重程度。
作为一种实施方式,当所述显示屏采用子场驱动方式驱动时,对所述对目标对象的运动轨迹上的像素亮度进行积分,得到多个积分结果,具体包括:
获取子场的扫描权值序列、以及所述第一灰度级和所述第二灰度级分别对应的编码;
根据所述扫描权值序列、以及所述第一灰度级和所述第二灰度级分别对应的编码,得到多个积分结果。
作为一种实施方式,当所述极值包括极大值时,所述根据所述扫描权值序列、以及所述第一灰度级和所述第二灰度级分别对应的编码,得到多个积分结果,具体包括:
当所述第一灰度级大于所述第二灰度级时,以所述第二灰度级的编码在前、所述第一灰度级的编码在后的顺序,从所述第二灰度级的编码的第一位开始,确定n位编码在每平移一位编码时与所述扫描权值序列组合出的第三灰度级,并将所述第三灰度级作为积分结果,n表示所述第一灰度级或所述第二灰度级的编码的位数,n为正整数;
所述从所述多个积分结果中确定所述积分结果的极值,具体包括:
从组合出的多个所述第三灰度级中确定出最大的第三灰度级,并将所述最大的第三灰度级作为所述极大值。
作为一种实施方式,当所述极值包括极小值时,所述根据所述扫描权值序列、以及所述第一灰度级和所述第二灰度级分别对应的编码,得到多个积分结果,具体包括:
当所述第一灰度级大于所述第二灰度级时,以所述第一灰度级的编码在前、所述第二灰度级的编码在后的顺序,从所述第一灰度级的编码的第一位开始,确定m位编码在每平移一位编码时与所述扫描权值序列组合出的第四灰度级,并将所述第四灰度级作为积分结果,m表示所述第一灰度级或所述第二灰度级的编码的位数,m为正整数;
所述从所述多个积分结果中确定所述积分结果的极值,具体包括:
从组合出的多个所述第四灰度级中确定出最小的第四灰度级,并将所述最小的第四灰度级作为所述极小值。
作为一种实施方式,当所述极值包括极大值和极小值时,所述确定目标灰度级与所述极值的第一差值,具体包括;
在所述第一灰度级大于所述第二灰度级的情况下,确定所述极大值与所述第一灰度级的第三差值、以及所述第二灰度级与所述极小值的第四差值,所述第一差值包括所述第三差值和所述第四差值;
计算所述第一差值与所述第二差值的比值,具体包括:
计算所述第三差值与所述第二差值的比值;
计算所述第四差值与所述第二差值的比值。
作为一种实施方式,当所述动态假轮廓包括正极性假轮廓和负极性假轮廓时,所述根据所述比值,确定所述第一灰度级与所述第二灰度级之间的动态假轮廓的严重程度,具体包括:
根据所述第三差值与所述第二差值的比值,确定所述正极性动态假轮廓的严重程度;
根据所述第四差值与所述第二差值的比值,确定所述负极性动态假轮廓的严重程度。
作为一种实施方式,所述方法还包括:
在所述第一灰度级等于所述第二灰度级的情况下,确定所述动态假轮廓不存在。
第二方面,本发明实施例提供了一种动态假轮廓的检测装置,装置包括:
积分单元,用于当目标对象在显示屏的第一灰度级与第二灰度级的显示区域之间移动时,对所述目标对象的运动轨迹上的像素亮度进行积分,得到多个积分结果,其中,所述第一灰度级与所述第二灰度级不相等;
第一确定单元,用于从所述多个积分结果中确定所述积分结果的极值;
第二确定单元,用于确定目标灰度级与所述极值的第一差值,以及所述第一灰度级和所述第二灰度级的第二差值,所述目标灰度级包括所述第一灰度级和所述第二灰度级中的至少一个;
计算单元,用于计算所述第一差值与所述第二差值的比值;
第三确定单元,用于根据所述比值,确定所述第一灰度级与所述第二灰度级之间的动态假轮廓的严重程度。
第三方面,本发明实施例提供了一种电子设备,设备包括:处理器,以及存储有计算机程序指令的存储器;
所述处理器读取并执行所述计算机程序指令,以实现如上述的动态假轮廓的检测方法。
第四方面,本发明实施例提供了一种计算机存储介质,所述计算机存储介质上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现如上述的动态假轮廓的检测方法。
本发明实施例的动态假轮廓的检测方法、装置、设备及计算机存储介质,根据第一差值与第二差值的比值确定显示器在第一灰度级与第二灰度级之间的动态假轮廓的严重程度。而第一差值为目标灰度级与多个积分结果的极值的差值,第二差值为第一灰度级和第二灰度级的差值。且多个积分结果是对目标对象的运动轨迹上的像素亮度进行积分得到的结果,该积分结果能够反映人眼视线随物体移动的过程中,人眼对运动轨迹上的像素亮度进行积分的特性;由此,本发明在对动态假轮廓检测时考虑了人眼的积分特性、以及两个灰度级之间的灰度差等多个方面对动态假轮廓的影响,使得最终量化出的比值结果更加符合人眼观察到的动态假轮廓的实际结果,从而能够准确地反映任意两个灰度级之间的动态假轮廓的严重程度。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例中所需要使用的附图作简单的介绍,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示意性示出了人眼的视觉响应过程;
图2示出了以现有的子场驱动方式显示运动图像时,人眼对像素亮度的积分结果;
图3是本发明实施例提供的一种动态假轮廓的检测方法的流程示意图;
图4示意性示出了本发明实施例的动态假轮廓的检测方法步骤S202的第一方式;
图5示意性示出了本发明实施例的动态假轮廓的检测方法步骤S202的第二方式;
图6示意性示出了利用本发明实施例的方法对动态假轮廓的检测结果;
图7是本发明实施例提供的一种动态假轮廓的检测装置的结构示意图;
图8是本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将详细描述本发明的各个方面的特征和示例性实施例,为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及具体实施例,对本发明进行进一步详细描述。应理解,此处所描述的具体实施例仅意在解释本发明,而不是限定本发明。对于本领域技术人员来说,本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明更好的理解。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
动态假轮廓是在播放运动视频时,人眼跟随运动目标所观察到的亮条纹或暗条纹。这些条纹是一些虚假轮廓线,在原始图像中并不存在,但却能被人眼感受到,主要出现在灰度级变化不大的区域之间,例如出现在图像中人的脸部皮肤与肩部皮肤的区域之间。
虽然目前出现了一些关于动态假轮廓的定量评测方法,但这些方法得到的计算结果与人眼实际观看到动态假轮廓往往并不吻合,即不能准确反映动态假轮廓的严重程度。
为了能够准确地反映动态假轮廓的严重程度,使得计算出的结果与人眼实际观看到动态假轮廓的严重程度更加吻合,本发明人首先对于动态假轮廓产生的原因进行了研究和分析。
经本发明人研究发现,动态假轮廓现象的产生主要是由人眼视觉响应特性、人眼运动特性和显示屏的子场驱动方式导致的。
下面首先对人眼视觉响应特性和人眼运动特性进行说明。
具体而言,人眼视觉响应特性主要表现为视觉延迟效应和视觉暂留效应。通俗来讲,人眼对外来光的亮度感觉属于能量积累型,即从光的接收到产生亮度感觉并不是瞬时的,两者有一个延时差,称为视觉延迟效应;从光的消失到主观亮度感觉的消失,也有一个延时差,称为视觉暂留效应。
为了便于理解,下面结合图1简要说明人眼的视觉延迟效应和视觉暂留效应。
图1示意性示出了人眼的视觉响应过程。在图1中,横坐标表示时间,纵坐标表示人眼的视觉响应,实线表示显示屏的光激励信号,虚线表示人眼的感受到的主观亮度。如图1所示,显示屏在A点时点亮,经td时间后,人眼才在B点感觉到亮度并迅速达到最大亮度C点,其中,AB这段视觉延迟时间td是人眼视网膜上的感光细胞产生视神经能够觉察到的光亮度所需的能量积累时间,这就是视觉延迟效应。BC段是能量的继续积累阶段,能量的积累与耗散在C点达到动态平衡后,由于视神经的疲劳,人眼主观亮度会下降至D点,再经过光能量的积累、耗散等动态平衡,人眼主观亮度在DE段内保持不变。当显示屏的光激励信号在E点消失后,由于视网膜上光能耗散需要时间,所以经过tr时间后人眼才会在F点完全感觉到暗,这就是视觉暂留效应。
人眼运动特性,可理解为人眼在观看显示屏上的运动画面时,当人眼想要观察某一个运动物体时,首先会快速将物体捕捉到视网膜的中央,然后视线会随着移动物体做平滑跟随运动,并对运动轨迹上像素的亮度进行积分的特性。
下面结合图2举例说明动态假轮廓产生的原因。
图2示出了以现有的子场驱动方式显示运动图像时,人眼对像素亮度的积分结果。在图2中,横轴表示像素在显示屏上的位置,纵轴表示时间,TOLED表示显示屏一帧的时间,箭头表示人眼跟踪轨迹,灰色子场表示该子场点亮,白色子场表示未点亮。如图2所示,以256级灰度为例,现有的子场驱动方式将一帧时间分为8个子场,子场的扫描权值序列为128:64:32:16:8:4:2:1。像素为127灰度级时,扫描权值为64:32:16:8:4:2:1的子场点亮,扫描权值为128的子场未点亮。像素为128灰度级时,只有扫描权值为128的子场点亮,扫描权值为64:32:16:8:4:2:1的子场未点亮。
当图像从127灰度级的区域向128灰度级的区域运动时,由人眼运动特性可知,人眼的视线会沿箭头斜线平滑跟踪目标对象,并对目标对象的运动轨迹上的多个像素的亮度进行积分。受视觉延迟效应和视觉暂留效应的影响,在一帧时间内,视网膜先感知到127灰度级的区域中前七个子场(扫描权值为64:32:16:8:4:2:1的子场)的亮度,然后感知到128灰度级的区域中第八个子场(扫描权值为128的子场)的亮度,即在一帧时间内人眼会感受到扫描权值为128:64:32:16:8:4:2:1的子场均点亮的亮度,因而人眼会在两个灰度区域之间感知到255灰度级的亮条纹,该亮条纹即为显示屏播放运动图像时人眼观察到的动态假轮廓线中的一种。
通过以上分析可知,采用子场驱动方式实现灰度显示的显示屏,像素在一帧时间内的任意时刻都可能处在点亮状态,点亮时间在各个子场上分布不均匀。人眼平滑跟踪运动图像时,对运动轨迹上全部像素的亮度进行积分,受视觉延迟效应和视觉暂留效应的影响,使亮度在时间和空间上发生交叉与积累,从而感觉到图像本身以外的灰度,即动态假轮廓。当视网膜感受到亮条纹时,称之为正极性动态假轮廓;当视网膜感受到暗条纹时,称之为负极性动态假轮廓。
基于发明人的上述研究发现,本发明实施例提供了一种动态假轮廓的检测方法、装置、设备及计算机存储介质,以解决现有技术不能准确地反映动态假轮廓的严重程度的技术问题。该动态假轮廓的检测方法、装置、设备及计算机存储介质例如可以应用在容易出现动态假轮廓现象的采用数字扫描方式的显示器或显示屏之中,其中,采用数字扫描方式的显示器或显示屏例如可以包括:液晶显示器LCD、数字驱动型发光二极管LED显示屏和有机发光二极管OLED显示屏,当然也可以是其他显示器或显示屏,本发明不限于此。
本发明的技术构思例如是:在对动态假轮廓进行检测时,从动态假轮廓的产生原理出发,考虑人眼的积分特性,得到与人眼的积分特性一致的多个积分结果;然后,从多个积分结果中确定积分结果的极值,该极值即为人眼能够感受的动态假轮廓的最大灰度级和/或最小灰度级;与此同时,本发明以第一灰度级和第二灰度级的第二差值作分母,以至少一个灰度级与极值的第一差值作分子,计算第一差值与第二差值的比值,即考虑第一灰度级和第二灰度级之间的灰度差对动态假轮廓的影响;最终根据比值,确定第一灰度级与第二灰度级之间的动态假轮廓的严重程度。
下面首先对本发明实施例所提供的动态假轮廓的检测方法进行介绍。
图3示出了本发明一个实施例提供的动态假轮廓的检测方法的流程示意图。如图3所示,该方法可以包括以下步骤:
S101:当目标对象在显示屏的第一灰度级与第二灰度级的显示区域之间移动时,对目标对象的运动轨迹上的像素亮度进行积分,得到多个积分结果,其中,第一灰度级与第二灰度级不相等;
S102:从多个积分结果中确定积分结果的极值;
S103:确定目标灰度级与极值的第一差值,以及第一灰度级和第二灰度级的第二差值,目标灰度级可以包括第一灰度级和第二灰度级中的至少一个;
S104:计算第一差值与第二差值的比值;
S105:根据比值,确定第一灰度级与第二灰度级之间的动态假轮廓的严重程度。
上述各步骤的具体实现方式将在下文中进行详细描述。
本发明实施例的动态假轮廓的检测方法,根据第一差值与第二差值的比值确定显示器在第一灰度级与第二灰度级之间的动态假轮廓的严重程度。而第一差值为目标灰度级与多个积分结果的极值的差值,第二差值为第一灰度级和第二灰度级的差值。且多个积分结果是对目标对象的运动轨迹上的像素亮度进行积分得到的结果,该积分结果能够反映人眼视线随物体移动的过程中,人眼对运动轨迹上的像素亮度进行积分的特性;由此,本发明在对动态假轮廓检测时考虑了人眼的积分特性、以及两个灰度级之间的灰度差等多个方面对动态假轮廓的影响,使得最终量化出的比值结果更加符合人眼观察到的动态假轮廓的实际结果,从而能够准确地反映任意两个灰度级之间的动态假轮廓的严重程度。
下面介绍上述各个步骤的具体实现方式。
首先介绍S101:当目标对象在显示屏的第一灰度级与第二灰度级的显示区域之间移动时,对目标对象的运动轨迹上的像素亮度进行积分,得到多个积分结果。
首先,需要说明的是,S101中的第一灰度级和第二灰度级均可以包括任意一个灰度级,但第一灰度级与第二灰度级不相等,例如第一灰度级为128灰度级,例如第二灰度级为127灰度级,本发明不限于此。
由上文可知,人眼在观察运动图像时具有随目标对象作平滑跟随运动,并对运动轨迹上像素的亮度进行积分的特性。人眼感受到的灰度级(或称亮度)是人眼在一帧时间内对目标对象的运动轨迹上的像素亮度进行积分的结果。
有鉴于此,为了准确地反映动态假轮廓的严重程度,作为一种示例,本发明实施例在评测动态假轮廓时考虑了人眼的积分特性,具体通过对目标对象的运动轨迹上的像素亮度进行积分,获取与人眼的积分特性一致的多个积分结果。
对于采用子场驱动方式的显示屏而言,为了快速地获取目标对象的运动轨迹上的像素亮度的积分结果,作为一种示例,本发明实施例通过以下步骤获取多个积分结果:
S201:获取子场的扫描权值序列、以及第一灰度级和第二灰度级分别对应的编码;
S202:根据扫描权值序列、以及第一灰度级和第二灰度级分别对应的编码,得到多个积分结果。
具体地,在S201中,例如可以从与显示屏灰度显示相关的处理器或存储器中调取出该显示屏的子场的扫描权值序列、第一灰度级和第二灰度级分别对应的编码。
在S202中,可以采取第一方式和/或第二方式得到多个积分结果。
当第一灰度级大于第二灰度级时,第一方式是:以第二灰度级的编码在前、第一灰度级的编码在后的顺序,从第二灰度级的编码的第一位开始,确定n位编码在每平移一位编码时与扫描权值序列组合出的第三灰度级,并将第三灰度级作为积分结果,n表示第一灰度级或第二灰度级的编码的位数,n为正整数。
下面结合图4说明本发明实施例步骤S202的第一方式。
图4示意性示出了本发明实施例步骤S202的第一方式。如图4所示,子场的扫描权值序列为128:64:32:16:8:4:2:1,第一灰度级为128灰度级,对应的编码为10000000;第二灰度级为127灰度级,对应的编码为01111111,即n为8。以127灰度级在前、128灰度级在后的顺序,从127灰度级的编码的第一位开始,确定8位编码在每平移一位编码时与扫描权值序列组合出的第三灰度级,依次为127灰度级、255灰度级、191灰度级、159灰度级、143灰度级、135灰度级、131灰度级、129灰度级和128灰度级,并将第三灰度级作为积分结果。例如,第一次平移后,8位编码由01111111变为11111111,此时扫描权值128:64:32:16:8:4:2:1的子场均点亮,为255灰度级。
当第一灰度级大于第二灰度级时,第二方式是:以第一灰度级的编码在前、第二灰度级的编码在后的顺序,从第一灰度级的编码的第一位开始,确定m位编码在每平移一位编码时与扫描权值序列组合出的第四灰度级,并将第四灰度级作为积分结果,m表示第一灰度级或第二灰度级的编码的位数,m为正整数。
下面结合图5说明本发明实施例步骤S202的第二方式。
图5示意性示出了本发明实施例步骤S202的第二方式。如图5所示,子场的扫描权值序列为128:64:32:16:8:4:2:1,第一灰度级为128灰度级,对应的编码为10000000;第二灰度级为127灰度级,对应的编码为01111111,即m为8。以128灰度级在前、127灰度级在后的顺序,从128灰度级的编码的第一位开始,确定8位编码在每平移一位编码时与扫描权值序列组合出的第四灰度级,依次为128灰度级、0灰度级、64灰度级、96灰度级、112灰度级、120灰度级、124灰度级、126灰度级和127灰度级,并将第四灰度级作为积分结果。例如,第一次平移后,8位编码由10000000变为00000000,此时扫描权值128:64:32:16:8:4:2:1的子场均未点亮,为0灰度级。
以上为S101的具体实现方式,下面介绍S102的具体实现方式。
在S102中,从多个积分结果中确定积分结果的极值。
需要说明的是,在本发明实施例中,极值可以是极大值,也可以是极小值,例如在检测亮条纹(正极性动态假轮廓)时,确定的是极大值;再例如在检测暗条纹(负极性动态假轮廓)时,确定的是极小值。为了能够同时表征正极性动态假轮廓和负极性动态假轮廓的严重程度,作为一种示例,极值可以同时包括极大值和极小值。
在本发明实施例中,积分结果的极大值与正极性动态假轮廓有关,极大值可理解为等于在人眼的视线随目标对象由低灰度级的区域向高灰度级的区域移动的过程中,人眼在一帧时间内感受到的最大灰度级。因此,极大值等于从S202的第一方式组合出的多个第三灰度级中的最大的第三灰度级,即可将S202的第一方式组合出的多个第三灰度级中的最大的第三灰度级作为极大值。具体地,在获得多个第三灰度级之后,从多个第三灰度级中选取最大的第三灰度级,将该最大的第三灰度级作为极大值。
继续参见图4,例如在获得8位编码在每平移一位编码时与扫描权值序列组合出的127灰度级、255灰度级、191灰度级、159灰度级、143灰度级、135灰度级、131灰度级、129灰度级和128灰度级等多个第三灰度级之后,从这多个第三灰度级中筛选出最大的灰度级,即255灰度级,作为极大值。
相应地,在本发明实施例中,积分结果的极小值与负极性动态假轮廓有关,极小值可理解为等于在人眼的视线随目标对象由高灰度级的区域向低灰度级的区域移动的过程中,人眼在一帧时间内感受到的最小灰度级。因此,极小值等于从S202的第二方式组合出的多个第四灰度级中的最小的第四灰度级,即可将S202的第二方式组合出的多个第四灰度级中的最小的第四灰度级作为极小值。具体地,在获得多个第四灰度级之后,从多个第四灰度级中选取最小的第四灰度级,将该最小的第四灰度级作为极大值。
继续参见图5,例如在获得8位编码在每平移一位编码时与扫描权值序列组合出的128灰度级、0灰度级、64灰度级、96灰度级、112灰度级、120灰度级、124灰度级、126灰度级和127灰度级等多个第四灰度级之后,从上述多个第四灰度级中筛选出最小的第四灰度级,即0灰度级,作为极小值。
以上为S102的具体实现方式,下面介绍S103的具体实现方式。
经本发明人研究发现,随着第一灰度级和第二灰度级的差值越来越大,人眼对于动态假轮廓的感知越来越不明显。例如,当显示屏的子场的扫描权值序列为64:128:32:16:8:4:2:1时,127灰度级与128灰度级之间对应的动态假轮廓量化值为64,同样地,64灰度级与191灰度级对应的动态假轮廓量化值也为64。虽然上述两组灰度级对应的动态假轮廓量化值相同,但是上述两组灰度级的差值不同,127灰度级与128灰度级相差1灰度级,64灰度级与191灰度级相差127灰度级。相应地,人眼在上述两组灰度级之间感受到的动态假轮廓的严重程度也不相同,人眼在127灰度级与128灰度级之间感受到的动态假轮廓远比在64灰度级与191灰度级之间感受到的动态假轮廓严重的多。
有鉴于此,为了更加准确地反映动态假轮廓的严重程度,本发明实施例考虑了第一灰度级和第二灰度级之间的灰度差对动态假轮廓的影响。
具体地,在S103中,确定目标灰度级与极值的第一差值,以及第一灰度级和第二灰度级的第二差值。在S104中,计算第一差值与第二差值的比值。亦即,以第一灰度级和第二灰度级的第二差值作分母,以至少一个灰度级与极值的第一差值作分子,计算第一差值与第二差值的比值。
在本发明实施例中,目标灰度级可以包括第一灰度级和第二灰度级中的至少一个。例如当第一灰度级大于第二灰度级时,在只对正极性动态假轮廓进行检测的情况下,可利用极大值与第一灰度级的第三差值、第一灰度级和第二灰度级的第二差值,得到第三差值与第二差值的比值,并利用第三差值与第二差值的比值确定正极性动态假轮廓的严重程度。例如当第一灰度级大于第二灰度级时,在只对负极性动态假轮廓进行检测的情况下,可利用第二灰度级与极小值的第四差值、第一灰度级和第二灰度级的第二差值,得到第四差值与第二差值的比值,并利用第四差值与第二差值的比值确定负极性动态假轮廓的严重程度。
为了能够同时表征正极性动态假轮廓和负极性动态假轮廓的严重程度,作为一种示例,目标灰度级可以同时包括第一灰度级和第二灰度级。
在S103中,确定目标灰度级与极值的第一差值,具体可以包括;
在第一灰度级大于第二灰度级的情况下,确定极大值与第一灰度级的第三差值、以及第二灰度级与极小值的第四差值,第一差值可以包括第三差值和第四差值。具体地,极大值和极小值可以通过上述S102获得,在第一灰度级大于第二灰度级的情况下,计算极大值与第一灰度级的第三差值、以及第二灰度级与极小值的第四差值。
在S104中,计算第一差值与第二差值的比值,具体可以包括:
计算第三差值与第二差值的比值;
计算第四差值与第二差值的比值。
由此,可以得到用于表征正极性动态假轮廓和负极性动态假轮廓的严重程度的表达式:
其中,Tmax用于表征正极性动态假轮廓的严重程度,Tmin用于表征负极性动态假轮廓的严重程度,dmax和dmin分别表示积分结果的极大值和极小值,A表示第一灰度级,B表示第二灰度级。
以上为S103和S104的具体实现方式,下面介绍S105的具体实现方式。
在S105中,根据比值,确定第一灰度级与第二灰度级之间的动态假轮廓的严重程度。
当对正极性动态假轮廓进行检测时,根据第三差值与第二差值的比值,确定正极性动态假轮廓的严重程度。具体地,利用第三差值与第二差值的比值(即Tmax)来表征正极性动态假轮廓的严重程度,Tmax的值越大,说明正极性动态假轮廓现象越严重;Tmax的值越小,说明正极性动态假轮廓现象越不明显。
当对负极性动态假轮廓进行检测时,根据第四差值与第二差值的比值,确定负极性动态假轮廓的严重程度。具体地,利用第四差值与第二差值的比值(即Tmin)来表征负极性动态假轮廓的严重程度,Tmin的值越大,说明负极性动态假轮廓现象越严重;Tmax的值越小,说明负极性动态假轮廓现象越不明显。
经研究发现,动态假轮廓只出现在不同的灰度级的区域之间,即当两个灰度级相同时,在这两个相同的灰度级的区域之间不会出现动态假轮廓。
有鉴于此,作为另一种示例,在第一灰度级等于第二灰度级的情况下,本发明实施例确定动态假轮廓不存在,动态假轮廓的值为0,其表达式为:
Tmax=Tmin=0(A=B)
其中,Tmax用于表征正极性动态假轮廓的严重程度,Tmin用于表征负极性动态假轮廓的严重程度,A表示第一灰度级,B表示第二灰度级。
为了验证本发明实施例提供的动态假轮廓的检测方法的准确性,利用该动态假轮廓的检测方法对任意两个灰度级之间的动态假轮廓的严重程度进行了检测试验。在检测试验中,以显示屏的子场的扫描权值序列为64:128:32:16:8:4:2:1为例,计算了127灰度级与128灰度级之间的动态假轮廓的量化值,计算了64灰度级与191灰度级之间的动态假轮廓的量化值。
图6示意性示出了利用本发明实施例的方法对动态假轮廓的检测结果。如图6所示,利用本发明实施例的动态假轮廓的检测方法计算出的127灰度级与128灰度级之间的动态假轮廓的量化值等于64,利用本发明实施例的动态假轮廓的检测方法计算出的64灰度级与191灰度级之间的动态假轮廓的量化值等于0.5039,这两组结果符合随着第一灰度级和第二灰度级的差值越来越大,人眼对于动态假轮廓的感知越来越不明显的论断。
基于上述实施例提供的动态假轮廓的检测方法,相应地,本申请还提供了动态假轮廓的检测装置的具体实现方式。请参见以下实施例。
图7是本发明另一个实施例提供的动态假轮廓的检测装置的结构示意图。如图7所示,本发明实施例提供的动态假轮廓的检测装置700可以包括:
积分单元701,用于当目标对象在显示屏的第一灰度级与第二灰度级的显示区域之间移动时,对目标对象的运动轨迹上的像素亮度进行积分,得到多个积分结果,其中,第一灰度级与第二灰度级不相等;
第一确定单元702,用于从多个积分结果中确定积分结果的极值;
第二确定单元703,用于确定目标灰度级与极值的第一差值,以及第一灰度级和第二灰度级的第二差值,目标灰度级可以包括第一灰度级和第二灰度级中的至少一个;
计算单元704,用于计算第一差值与第二差值的比值;
第三确定单元705,用于根据比值,确定第一灰度级与第二灰度级之间的动态假轮廓的严重程度。
图7所示装置中的各个模块/单元具有实现图3中各个步骤的功能,并能达到其相应的技术效果,为简洁描述,在此不再赘述。
基于上述实施例提供的目标用户的确定方法,相应地,本申请还提供了一种电子设备。请参见以下实施例。
图8示出了本发明实施例提供的电子设备的硬件结构示意图。
在电子设备可以包括处理器801以及存储有计算机程序指令的存储器802。
具体地,上述处理器801可以包括中央处理器(Central Processing Unit,CPU),或者特定集成电路(Application Specific Integrated Circuit,ASIC),或者可以被配置成实施本发明实施例的一个或多个集成电路。
存储器802可以包括用于数据或指令的大容量存储器。举例来说而非限制,存储器802可包括硬盘驱动器(Hard Disk Drive,HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus,USB)驱动器或者两个或更多个以上这些的组合。在一个实例中,存储器802可以包括可移除或不可移除(或固定)的介质,或者存储器802是非易失性固态存储器。存储器802可在综合网关容灾设备的内部或外部。
在一个实例中,存储器802可以是只读存储器(Read Only Memory,ROM)。在一个实例中,该ROM可以是掩模编程的ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、电可改写ROM(EAROM)或闪存或者两个或更多个以上这些的组合。
存储器802可以包括只读存储器(ROM),随机存取存储器(RAM),磁盘存储介质设备,光存储介质设备,闪存设备,电气、光学或其他物理/有形的存储器存储设备。因此,通常,存储器包括一个或多个编码有包括计算机可执行指令的软件的有形(非暂态)计算机可读存储介质(例如,存储器设备),并且当该软件被执行(例如,由一个或多个处理器)时,其可操作来执行参考根据本公开的一方面的方法所描述的操作。
处理器801通过读取并执行存储器802中存储的计算机程序指令,以实现图3所示实施例中的方法/步骤,并达到图3所示实例执行其方法/步骤达到的相应技术效果,为简洁描述在此不再赘述。
在一个示例中,电子设备还可包括通信接口803和总线810。其中,如图8所示,处理器801、存储器802、通信接口803通过总线810连接并完成相互间的通信。
通信接口803,主要用于实现本发明实施例中各模块、装置、单元和/或设备之间的通信。
总线810包括硬件、软件或两者,将在线数据流量计费设备的部件彼此耦接在一起。举例来说而非限制,总线可包括加速图形端口(Accelerated Graphics Port,AGP)或其他图形总线、增强工业标准架构(Extended Industry Standard Architecture,EISA)总线、前端总线(Front Side Bus,FSB)、超传输(Hyper Transport,HT)互连、工业标准架构(Industry Standard Architecture,ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下,总线810可包括一个或多个总线。尽管本发明实施例描述和示出了特定的总线,但本发明考虑任何合适的总线或互连。
另外,本发明实施例还提供了一种计算机存储介质。该计算机存储介质上存储有计算机程序指令;该计算机程序指令被处理器执行时实现上述实施例中的任意一种动态假轮廓的检测方法。
综上所述,本发明实施例提供了一种动态假轮廓的检测方法、装置、设备及计算机存储介质,根据第一差值与第二差值的比值确定显示器在第一灰度级与第二灰度级之间的动态假轮廓的严重程度。而第一差值为目标灰度级与多个积分结果的极值的差值,第二差值为第一灰度级和第二灰度级的差值。且多个积分结果是对目标对象的运动轨迹上的像素亮度进行积分得到的结果,该积分结果能够反映人眼视线随物体移动的过程中,人眼对运动轨迹上的像素亮度进行积分的特性;由此,本发明在对动态假轮廓检测时考虑了人眼的积分特性、以及两个灰度级之间的灰度差等多个方面对动态假轮廓的影响,使得最终量化出的比值结果更加符合人眼观察到的动态假轮廓的实际结果,从而能够准确地反映任意两个灰度级之间的动态假轮廓的严重程度。
需要明确的是,本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见,这里省略了对已知方法的详细描述。在上述实施例中,描述和示出了若干具体的步骤作为示例。但是,本发明的方法过程并不限于所描述和示出的具体步骤,本领域的技术人员可以在领会本发明的精神后,作出各种改变、修改和添加,或者改变步骤之间的顺序。
以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时,其可以例如是电子电路、专用集成电路(Application SpecificIntegrated Circuit,ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时,本发明的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中,或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RadioFrequency,RF)链路,等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
还需要说明的是,本发明中提及的示例性实施例,基于一系列的步骤或者装置描述一些方法或系统。但是,本发明不局限于上述步骤的顺序,也就是说,可以按照实施例中提及的顺序执行步骤,也可以不同于实施例中的顺序,或者若干步骤同时执行。
上面参考根据本公开的实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各方面。应当理解,流程图和/或框图中的每个方框以及流程图和/或框图中各方框的组合可以由计算机程序指令实现。这些计算机程序指令可被提供给通用计算机、专用计算机、或其它可编程数据处理装置的处理器,以产生一种机器,使得经由计算机或其它可编程数据处理装置的处理器执行的这些指令使能对流程图和/或框图的一个或多个方框中指定的功能/动作的实现。这种处理器可以是但不限于是通用处理器、专用处理器、特殊应用处理器或者现场可编程逻辑电路。还可理解,框图和/或流程图中的每个方框以及框图和/或流程图中的方框的组合,也可以由执行指定的功能或动作的专用硬件来实现,或可由专用硬件和计算机指令的组合来实现。
以上所述,仅为本发明的具体实施方式,所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的系统、模块和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。应理解,本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种动态假轮廓的检测方法,其特征在于,包括:
当目标对象在显示屏的第一灰度级与第二灰度级的显示区域之间移动时,对所述目标对象的运动轨迹上的像素亮度进行积分,得到多个积分结果,其中,所述第一灰度级与所述第二灰度级不相等;
从所述多个积分结果中确定所述积分结果的极值;
确定目标灰度级与所述极值的第一差值,以及所述第一灰度级和所述第二灰度级的第二差值,所述目标灰度级包括所述第一灰度级和所述第二灰度级中的至少一个;
计算所述第一差值与所述第二差值的比值;
根据所述比值,确定所述第一灰度级与所述第二灰度级之间的动态假轮廓的严重程度。
2.根据权利要求1所述的方法,其特征在于,当所述显示屏采用子场驱动方式驱动时,对所述目标对象的运动轨迹上的像素亮度进行积分,得到多个积分结果,具体包括:
获取子场的扫描权值序列、以及所述第一灰度级和所述第二灰度级分别对应的编码;
根据所述扫描权值序列、以及所述第一灰度级和所述第二灰度级分别对应的编码,得到多个积分结果。
3.根据权利要求2所述的方法,其特征在于,当所述极值包括极大值时,所述根据所述扫描权值序列、以及所述第一灰度级和所述第二灰度级分别对应的编码,得到多个积分结果,具体包括:
当所述第一灰度级大于所述第二灰度级时,以所述第二灰度级的编码在前、所述第一灰度级的编码在后的顺序,从所述第二灰度级的编码的第一位开始,确定n位编码在每平移一位编码时与所述扫描权值序列组合出的第三灰度级,并将所述第三灰度级作为积分结果,n表示所述第一灰度级或所述第二灰度级的编码的位数,n为正整数;
所述从所述多个积分结果中确定所述积分结果的极值,具体包括:
从组合出的多个所述第三灰度级中确定出最大的第三灰度级,并将所述最大的第三灰度级作为所述极大值。
4.根据权利要求2所述的方法,其特征在于,当所述极值包括极小值时,所述根据所述扫描权值序列、以及所述第一灰度级和所述第二灰度级分别对应的编码,得到多个积分结果,具体包括:
当所述第一灰度级大于所述第二灰度级时,以所述第一灰度级的编码在前、所述第二灰度级的编码在后的顺序,从所述第一灰度级的编码的第一位开始,确定m位编码在每平移一位编码时与所述扫描权值序列组合出的第四灰度级,并将所述第四灰度级作为积分结果,m表示所述第一灰度级或所述第二灰度级的编码的位数,m为正整数;
所述从所述多个积分结果中确定所述积分结果的极值,具体包括:
从组合出的多个所述第四灰度级中确定出最小的第四灰度级,并将所述最小的第四灰度级作为所述极小值。
5.根据权利要求1所述的方法,其特征在于,当所述极值包括极大值和极小值时,所述确定目标灰度级与所述极值的第一差值,具体包括;
在所述第一灰度级大于所述第二灰度级的情况下,确定所述极大值与所述第一灰度级的第三差值、以及所述第二灰度级与所述极小值的第四差值,所述第一差值包括所述第三差值和所述第四差值;
计算所述第一差值与所述第二差值的比值,具体包括:
计算所述第三差值与所述第二差值的比值;
计算所述第四差值与所述第二差值的比值。
6.根据权利要求5所述的方法,其特征在于,当所述动态假轮廓包括正极性动态假轮廓和负极性动态假轮廓时,所述根据所述比值,确定所述第一灰度级与所述第二灰度级之间的动态假轮廓的严重程度,具体包括:
根据所述第三差值与所述第二差值的比值,确定所述正极性动态假轮廓的严重程度;
根据所述第四差值与所述第二差值的比值,确定所述负极性动态假轮廓的严重程度。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
在所述第一灰度级等于所述第二灰度级的情况下,确定所述动态假轮廓不存在。
8.一种动态假轮廓的检测装置,其特征在于,所述装置包括:
积分单元,用于当目标对象在显示屏的第一灰度级与第二灰度级的显示区域之间移动时,对所述目标对象的运动轨迹上的像素亮度进行积分,得到多个积分结果,其中,所述第一灰度级与所述第二灰度级不相等;
第一确定单元,用于从所述多个积分结果中确定所述积分结果的极值;
第二确定单元,用于确定目标灰度级与所述极值的第一差值,以及所述第一灰度级和所述第二灰度级的第二差值,所述目标灰度级包括所述第一灰度级和所述第二灰度级中的至少一个;
计算单元,用于计算所述第一差值与所述第二差值的比值;
第三确定单元,用于根据所述比值,确定所述第一灰度级与所述第二灰度级之间的动态假轮廓的严重程度。
9.一种电子设备,其特征在于,所述设备包括:处理器,以及存储有计算机程序指令的存储器;
所述处理器读取并执行所述计算机程序指令,以实现如权利要求1至7中任意一项所述的动态假轮廓的检测方法。
10.一种计算机存储介质,其特征在于,所述计算机存储介质上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现如权利要求1至7中任意一项所述的动态假轮廓的检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010820231.2A CN112070724A (zh) | 2020-08-14 | 2020-08-14 | 动态假轮廓的检测方法、装置、设备及计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010820231.2A CN112070724A (zh) | 2020-08-14 | 2020-08-14 | 动态假轮廓的检测方法、装置、设备及计算机存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112070724A true CN112070724A (zh) | 2020-12-11 |
Family
ID=73661762
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010820231.2A Pending CN112070724A (zh) | 2020-08-14 | 2020-08-14 | 动态假轮廓的检测方法、装置、设备及计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112070724A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1162571A1 (en) * | 2000-06-09 | 2001-12-12 | Deutsche Thomson-Brandt Gmbh | Method and apparatus for processing video pictures, especially for false contour effect compensation |
US20070252856A1 (en) * | 2006-04-27 | 2007-11-01 | Hudson Edwin L | Gray scale drive sequences for pulse width modulated displays |
CN101093657A (zh) * | 2006-06-02 | 2007-12-26 | 株式会社半导体能源研究所 | 显示装置及其驱动方法 |
DE20122842U1 (de) * | 2001-05-08 | 2008-07-17 | Deutsche Thomson Ohg | Einrichtung zum Verarbeiten von Videobildern |
CN101593484A (zh) * | 2009-06-30 | 2009-12-02 | 西安交通大学 | 交流等离子体显示器自适应子场编码驱动方法及产生装置 |
US20100259567A1 (en) * | 2007-11-23 | 2010-10-14 | Sichuan Coc Display Devices Co., Ltd. | Method and system for reducing dynamic false contour in the image of an alternating current plasma display |
CN103050079A (zh) * | 2012-12-26 | 2013-04-17 | 四川虹欧显示器件有限公司 | 一种降低等离子显示器动态伪轮廓的方法 |
CN103077682A (zh) * | 2013-01-31 | 2013-05-01 | 西安电子科技大学 | 一种可消除动态假轮廓的led显示屏脉冲控制方法 |
-
2020
- 2020-08-14 CN CN202010820231.2A patent/CN112070724A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1162571A1 (en) * | 2000-06-09 | 2001-12-12 | Deutsche Thomson-Brandt Gmbh | Method and apparatus for processing video pictures, especially for false contour effect compensation |
DE20122842U1 (de) * | 2001-05-08 | 2008-07-17 | Deutsche Thomson Ohg | Einrichtung zum Verarbeiten von Videobildern |
US20070252856A1 (en) * | 2006-04-27 | 2007-11-01 | Hudson Edwin L | Gray scale drive sequences for pulse width modulated displays |
CN101093657A (zh) * | 2006-06-02 | 2007-12-26 | 株式会社半导体能源研究所 | 显示装置及其驱动方法 |
US20100259567A1 (en) * | 2007-11-23 | 2010-10-14 | Sichuan Coc Display Devices Co., Ltd. | Method and system for reducing dynamic false contour in the image of an alternating current plasma display |
CN101593484A (zh) * | 2009-06-30 | 2009-12-02 | 西安交通大学 | 交流等离子体显示器自适应子场编码驱动方法及产生装置 |
CN103050079A (zh) * | 2012-12-26 | 2013-04-17 | 四川虹欧显示器件有限公司 | 一种降低等离子显示器动态伪轮廓的方法 |
CN103077682A (zh) * | 2013-01-31 | 2013-05-01 | 西安电子科技大学 | 一种可消除动态假轮廓的led显示屏脉冲控制方法 |
Non-Patent Citations (6)
Title |
---|
TAKATOSHI OHARA等: "A reduction method of dynamic false contour utilizing the frame-rate-control method with suppression of the side effect on PDPs", 《JOURNAL OF THE SOCIETY FOR INFORMATION DISPLAY》, vol. 19, no. 1, 18 June 2012 (2012-06-18), pages 116 - 122 * |
刘祖军等: "一种等离子体显示运动图像动态假轮廓评测新方法", 《西安交通大学学报》, vol. 38, no. 10, 31 October 2004 (2004-10-31), pages 1076 - 1080 * |
季渊等: "数字驱动型OLED的动态假轮廓量化及改善策略", 《光子学报》, vol. 50, no. 9, 1 September 2021 (2021-09-01), pages 215 - 222 * |
张小宁等: "彩色PDP动态假轮廓的评价方法――相对比值法", 《液晶与显示》, vol. 21, no. 2, pages 1 - 5 * |
王志国等: "改善等离子体显示器动态假轮廓的显示灰度级调整方法", 《西安交通大学学报》, vol. 43, no. 10, 31 December 2009 (2009-12-31), pages 89 - 93 * |
石铁岭等: "彩色PDP运动图像动态假轮廓的评测方法———动态积分法", 《真空科学与技术》, vol. 23, no. 3, pages 1 - 4 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3222203B1 (en) | System and method for the rapid measurement of the visual contrast sensitivity function | |
KR100588132B1 (ko) | 디스플레이장치 | |
US20090096778A1 (en) | Method and apparatus of detecting image-sticking of display device | |
US8280182B2 (en) | Image processing method of noise reduction and apparatus thereof | |
US20180232875A1 (en) | Cosmetic defect evaluation | |
EP3852096A1 (en) | Method for modulating brightness-grayscale curve of display device, and electronic device | |
US9773183B2 (en) | Morphological automatic Landolt C orientation detection | |
US8644625B2 (en) | Object detection device, method and program | |
CN103903002B (zh) | 环境亮度检测方法和系统 | |
CN114267316B (zh) | 伽马调试方法、电子设备及计算机可读存储介质 | |
Barkowsky et al. | On the perceptual similarity of realistic looking tone mapped high dynamic range images | |
CN112070724A (zh) | 动态假轮廓的检测方法、装置、设备及计算机存储介质 | |
CN114616444A (zh) | 闪烁计测装置以及计测方法 | |
CN114882843B (zh) | 显示面板的亮度补偿方法、装置及计算机可读存储介质 | |
Wang et al. | A user model for JND-based video quality assessment: theory and applications | |
CN113838428B (zh) | 墨水屏的刷新方法及终端设备 | |
US20040113926A1 (en) | Method and apparatus for the detection of the effective number of gray levels of a display when showing motion images | |
CN115083328A (zh) | 显示补偿方法、装置、设备、介质及显示装置 | |
US7719720B2 (en) | Image processor and method for selecting a procedure of dithering thereof | |
Kundu | Subjective and objective quality evaluation of synthetic and high dynamic range images | |
CN113413134A (zh) | 疲劳识别方法、装置、电子设备及存储介质 | |
CN112767558A (zh) | 图像处理方法、装置、系统、设备及介质 | |
CN113706402A (zh) | 神经网络训练方法、装置及电子设备 | |
CN109660863A (zh) | 视觉关注区域检测方法、装置、设备及计算机存储介质 | |
CN112785953B (zh) | 显示面板的寿命测试方法、装置及设备 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230811 Address after: 204-11, Conference Center, Wuxi IoT Industrial Base, Zhongdian Haikang, No. 78 Jinghui East Road, Xinwu District, Wuxi City, Jiangsu Province, 214028 Applicant after: Wuxi Tanggu Semiconductor Co.,Ltd. Address before: 215128 unit 4-a404, creative industry park, 328 Xinghu street, Suzhou Industrial Park, Suzhou City, Jiangsu Province Applicant before: Suzhou Tanggu Photoelectric Technology Co.,Ltd. |