CN112767558A - 图像处理方法、装置、系统、设备及介质 - Google Patents
图像处理方法、装置、系统、设备及介质 Download PDFInfo
- Publication number
- CN112767558A CN112767558A CN202110130720.XA CN202110130720A CN112767558A CN 112767558 A CN112767558 A CN 112767558A CN 202110130720 A CN202110130720 A CN 202110130720A CN 112767558 A CN112767558 A CN 112767558A
- Authority
- CN
- China
- Prior art keywords
- pixel
- value
- jnd
- image
- target pixel
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 37
- 230000000007 visual effect Effects 0.000 claims abstract description 51
- 238000000034 method Methods 0.000 claims abstract description 29
- 238000013139 quantization Methods 0.000 claims abstract description 26
- 230000000873 masking effect Effects 0.000 claims description 33
- 238000012545 processing Methods 0.000 claims description 29
- 238000004590 computer program Methods 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 10
- 238000012937 correction Methods 0.000 claims description 8
- 230000016776 visual perception Effects 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 25
- 238000004364 calculation method Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 7
- 210000000608 photoreceptor cell Anatomy 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 6
- 230000004304 visual acuity Effects 0.000 description 6
- 238000012546 transfer Methods 0.000 description 5
- 241001270131 Agaricus moelleri Species 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000013441 quality evaluation Methods 0.000 description 4
- 210000001525 retina Anatomy 0.000 description 4
- 230000035945 sensitivity Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 210000004027 cell Anatomy 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000011946 reduction process Methods 0.000 description 2
- 229910052710 silicon Inorganic materials 0.000 description 2
- 239000010703 silicon Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000004438 eyesight Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/006—Mixed reality
Landscapes
- Engineering & Computer Science (AREA)
- Computer Graphics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本申请实施例提供一种图像处理方法、装置、系统、设备及介质。该方法包括：获取第一图像；确定第一图像中目标像素的视觉特性信息；利用视觉特性信息和预设的最小可觉差JND模型，确定目标像素的JND值；利用预设的JND值与灰度等级的对应关系，确定目标像素的JND值对应的目标灰度等级，目标像素的目标灰度等级小于或等于目标像素在第一图像中的原始灰度等级；基于目标灰度等级，对目标像素各像素通道的灰度值进行降灰阶量化，得到第二图像。根据本申请实施例，能够在保证人眼视觉感受的前提下降低图像数据量的大小。
Description
技术领域
本申请属于图像处理领域，尤其涉及图像处理方法、装置、系统、设备及介质。
背景技术
为了提供无缝的沉浸式或身临其境的体验，诸如虚拟现实(Virtual Reality，VR)、增强现实(Augmented Reality，AR)和混合现实(Mixed Reality，MR)等近眼显示技术应运而生。
在近眼显示技术中，需要生成待显示图像，然后将待显示图像的相关数据传输至显示装置，从而能够在显示装置显示待显示图像。
然后，现阶段，为了使图像显示效果满足人眼视觉感受，待显示图像的数据量往往较大。待显示图像数据量较大会导致近眼显示系统面临着数据传输带宽过高等问题。因此，需要一种在保证人眼视觉感受的前提下降低图像数据的大小的技术方案。
发明内容
本申请实施例提供一种图像处理方法、装置、系统、设备及介质，能够在保证人眼视觉感受的前提下降低图像数据量的大小。
第一方面，本申请实施例提供一种图像处理方法，方法包括：
获取第一图像；
确定第一图像中目标像素的视觉特性信息；
利用视觉特性信息和预设的最小可觉差JND模型，确定目标像素的JND值；
利用预设的JND值与灰度等级的对应关系，确定目标像素的JND值对应的目标灰度等级，目标像素的目标灰度等级小于或等于目标像素在第一图像中的原始灰度等级；
基于目标灰度等级，对目标像素各像素通道的灰度值进行降灰阶量化，得到第二图像。
第二方面，本申请实施例提供了一种图像处理装置，装置包括：
图像获取模块，用于获取第一图像；
信息确定模块，用于确定第一图像中目标像素的视觉特性信息；
JND值确定模块，用于利用视觉特性信息和预设的最小可觉差JND模型，确定目标像素的JND值；
灰度等级确定模块，用于利用预设的JND值与灰度等级的对应关系，确定目标像素的JND值对应的目标灰度等级，目标像素的目标灰度等级小于或等于目标像素在第一图像中的原始灰度等级；
图像确定模块，用于基于目标灰度等级，对目标像素各像素通道的灰度值进行量化，得到第二图像。
第三方面，提供一种微显示系统，包括：
微显示控制器，用于执行第一方面或第一方面的任一可选的实施方式提供的图像处理方法，生成目标图像的控制信号，并将控制信号输出至微显示器；
微显示器，用于基于控制信号，显示目标图像。
第四方面，提供一种图像处理设备，包括：
处理器以及存储有计算机程序指令的存储器；
处理器读取并执行计算机程序指令，以实现第一方面或第一方面的任一可选的实施方式提供的图像处理方法。
第五方面，提供一种计算机存储介质，计算机存储介质上存储有计算机程序指令，计算机程序指令被处理器执行时实现第一方面或第一方面的任一可选的实施方式提供的图像处理方法。
本申请实施例的图像处理方法、装置、系统、设备及介质，能够在确定像素的JND值之后，按照预设的JND值与灰度值的对应关系，确定目标像素的目标灰度等级。再基于目标灰度等级，对目标像素各像素通道的灰度值进行量化，得到第二图像。由于图像中像素点的灰度等级越少，存储图像所需的数据量越小，且JND值能够表征人眼对图像失真的最大容忍度。通过JND值确定目标像素点的目标灰度等级，能够在保证了人眼主观感受的前提下降低图像数据量的大小。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请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是本申请实施例提供的一种JND与背景亮度的关系曲线示意图；
图2是本申请实施例提供的一种JND与对比度的关系曲线示意图；
图3是本申请实施例提供的一种人眼视网膜的感光细胞分布示意图；
图4是本申请实施例提供的一种JND与偏心角的关系曲线示意图；
图5是本申请实施例提供的一种JND与深度的关系曲线示意图；
图6是本申请实施例提供的一种图像处理方法的流程示意图；
图7是本申请实施例提供的另一种图像处理方法的流程示意图；
图8是本申请实施例提供的又一种图像处理方法的流程示意图；
图9是本申请实施例提供的再一种图像处理方法的流程示意图；
图10是本申请实施例提供的一种示例性的目标误差值分散至相邻像素的逻辑示意图；
图11是本申请实施例提供的一种图像处理装置的结构示意图；
图12是本申请实施例提供的一种微显示系统的系统构架图；
图13为本申请第三方面提供的图像处理设备的一实施例的结构示意图。
具体实施方式
下面将详细描述本申请的各个方面的特征和示例性实施例，为了使本申请的目的、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，对本申请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申请，而不是限定本申请。对于本领域技术人员来说，本申请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申请的示例来提供对本申请更好的理解。
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。
在现有技术中，待显示图像的整体灰度等级一致，比如整张图像的像素点的各通道的灰度值均在0～255的范围内。然而，由于人眼生理结构的独特性，人眼对同一图像上不同区域的灰度等级的分辨能力存在差异。比如，当人眼注视一张图片时，人眼视角越大，则人眼对灰度等级的分辨能力越弱。因此，对于整体灰度等级一致的待显示图像，虽然人眼多图像的主观感受较优，但是存在着灰度等级相关的视觉感知冗余现象，整体灰度等级一致的待显示图像的数据量较大。
因此，需要一种在保证人眼主观感受的同时，能够降低图像数量大小的方案。
基于此，本申请实施例提供了一种图像处理方法、装置、系统、设备及计算机存储介质，适用于诸如VR、AR或者MR等近眼显示装置。在本申请实施例中，在获取到第一图像且确定目标像素的JND值之后，可以确定JND值对应的目标灰度等级，然后基于所述目标灰度等级，对目标像素各像素通道的灰度值进行量化，得到第二图像。由于图像中像素点的灰度等级越少，存储图像所需的数据量越小，且JND值能够表征人眼对图像失真的最大容忍度。通过JND值确定目标像素点的目标灰度等级，能够在保证了人眼主观感受的前提下降低图像数据量的大小。
为了更好的理解本申请，本申请实施例依次对JND、视觉掩蔽、亮度掩蔽、对比掩蔽、中心凹掩蔽、深度掩蔽、灰度等级以及灰度量化等概念作具体解释说明。
(1)JND。
最小可觉差(JND，just noticeable difference)，也被称为差别阈限值，用于表示人眼视觉系统所感受到刺激的最小变化量，同时也体现了人眼对图像失真的最大容忍度。
(2)视觉掩蔽。
视觉掩蔽是指人眼受多种视觉特性影响对图像的分辨率不同，也就是说，JND受多种视觉特性影响。比如，亮度掩蔽、对比掩蔽、中心凹掩蔽和深度掩蔽等。
接下来将依次对多种掩蔽进行说明。
(3)亮度掩蔽。
亮度掩蔽即背景亮度不同会影响人眼对图像的分辨能力。图1是本申请实施例提供的一种JND与背景亮度的关系曲线示意图。其中，图1中的曲线用于示出深度为1.0，偏心角为20度(°)时的JND随着背景亮度的变化曲线。
通过图1示出的曲线可知，在背景亮度取值较小的区域以及在背景亮度取值较大的区域，JND值较大。在取值较小的区域以及取值较大的区域之间的中间区域，JND值较小。
(4)对比掩蔽。
对比掩蔽则描述了当多个具有差异的刺激同时存在时，人眼只能分辨其中某些刺激的一种现象。图2是本申请实施例提供的一种JND与对比度的关系曲线示意图。其中，图2中的曲线用于示出深度为1.0，偏心角为20°、背景亮度为140时的JND随对比度的变化曲线。曲线表明对比掩蔽使得JND值增大，且对比度越大JND值越大。
通过图2示出的曲线可知，JND值随着对比度的增大而增大。
(5)中心凹掩蔽。
中心凹掩蔽指的是人眼对中心凹区域分辨力强，外围区域弱的现象，这是由于人眼视网膜上的感光细胞分布造成的，其中，感光细胞的分布呈现高度不均匀的状态。图3是本申请实施例提供的一种人眼视网膜的感光细胞分布示意图。图3示出了视网膜上5°到50°视角范围内感光细胞的分布情况，其中每个六边形单元代表相同数量的感光细胞。
如图3所示，距离视网膜中心凹越近，也就是说视角越小，感光细胞的分布密度最密，由于视锥细胞对强光的感受分辨率强，距离视网膜中心凹越近，视敏度越高。距离中心凹越远，视角越大，细胞的分布密度越稀疏，相应地，视敏度越低。
基于上述人眼生理结构，人眼在观看某一张图像时，图4是本申请实施例提供的一种JND与偏心角的关系曲线示意图。其中，图4中的曲线用于示出深度为1.0，背景角度为140时的JND随偏心角的变化曲线。
如图4所示，JND在0°～5°的范围内基本保持不变，之后开始增加，在15°～25°变化平缓，超过40°之后开始急剧增大。
(6)深度掩蔽。
深度掩蔽描述了不同深度下人眼感知情况的不同。在立体视觉中，人眼有舒适区和非舒适区，在舒适区范围内人眼的视敏度随着视距的增加而减少，同时对于近处的物体注意力更高，这些都是深度掩蔽的表现。
图5是本申请实施例提供的一种JND与深度的关系曲线示意图。其中，图5中的曲线用于示出偏心角为20°，背景角度为140时的JND随深度的变化曲线。
如图5所示，JND在0.5～1的深度范围内逐渐增加，这与视敏度随视距的增大而减小的情况相符，在小于0.5的深度范围内，深度值越小JND反而越大，这可能是由于成像过近人眼开始进入非舒适区，视敏度出现减小。
(7)灰度等级以及灰度量化。
针对整体灰度等级一致的图像而言，灰度等级是指一幅图像中从最暗到最亮之间所划分的灰度级别的数量。图像中每一个像素经过量化后可呈现出多种颜色，这中间所划分的灰度级数越多，所能够呈现的画面效果就越细腻，图像层次感越强。若对像素点的亮度范围采取n bit量化，则像素点灰度从黑到白共包含2n个亮度层次。可选地，n的取值可以为小于或等于8的任意正整数。
而在本申请实施例中，针对整体灰度等级不一致的图像而言，灰度等级是指各像素的各通道从最暗到最亮之间所划分的灰度等级的数量。比如，若本申请实施例中的第一图像是灰度图像，则图像中像素的通道数量为1，也就是说，若n的取值为8，则像素的取值可以在0～255之间。若本申请实施例中的第一图像为RGB图像(即一种三个通道分别代表红、绿、蓝三个颜色的图像)，则图像中各像素的通道数量为3，若某一像素的像素通道的灰度等级为2n，且n的取值为8，则该像素的各像素通道的取值可以在0～255之间。
表1示出了本申请实施例中不同灰度等级的量化情况。
表1
| 灰度等级 | 灰度等级的量化值 |
| 2<sup>8</sup>级 | 0、1、2、……、253、254、255 |
| 2<sup>7</sup>级 | 0、2、4、……、250、252、254 |
| 2<sup>6</sup>级 | 0、4、8、……、244、248、252 |
| 2<sup>5</sup>级 | 0、8、16、……、232、240、248 |
| 2<sup>4</sup>级 | 0、16、32、……、208、224、240 |
| 2<sup>3</sup>级 | 0、32、64、……、160、192、224 |
| 2<sup>2</sup>级 | 0、64、128、192 |
| 2<sup>1</sup>级 | 0、128 |
在充分了解了上述概念之后，为了更好的理解本申请，下面将结合附图，详细描述根据本申请实施例的图像处理方法、装置、设备和介质，应注意，这些实施例并不用来限制本申请公开的范围。
图6是本申请实施例提供的一种图像处理方法的流程示意图。如图6所示，图像处理方法包括S510和S520。可选地，图像处理方法600各步骤的执行主体可以是与近眼显示装置独立设置的图像处理装置，又或者可以是近眼显示设备内部的图像处理模块，对此不作限定。
S610，获取第一图像。
在S610中，第一图像可以是指待压缩的图像。在一些实施例中，第一图像可以指整体灰度等级一致的图像。又或者，第一图像可以是整体灰度等级存在差别的图像，对此不作限定。
S620，确定第一图像中目标像素的视觉特性信息。
在S620中，首先，对于目标像素，目标像素可以是指待进行降灰阶处理的像素。其中，本申请实施例中的降灰阶处理可以是指根据像素的JND值重新确定灰阶等级，并根据重新确定的灰阶等级对像素各像素通道的灰度值进行重新量化的步骤。
在一些实施例中，目标像素可以是第一图像中的全部像素。在另一些实施例中，目标像素可以是第一图像中的部分像素，比如，由于人眼对中心区域的视觉敏感度较高，对边缘区域的视觉敏感度角度，可以仅对图像的边缘区域的像素进行降灰阶处理。
其次，对于视觉特性信息，其可以是指会影响人眼视觉敏感度造成影响的参数。比如说，可以对JND值产生影响的参数。示例性地，视觉特性信息可以是背景亮度L、偏心角E、深度D、对比度C等参数中的至少一个。
具体地，上述几个特性参数信息可以是计算得到的。接下来，本申请实施例下述部分将分别对几个参数的计算公式进行具体说明。
第一、对于背景亮度L，任一像素(i,j)的背景亮度L(i,j)可以是根据其相邻像素的灰度值确定的，比如可以是其相邻像素的灰度值的加权均值。其中，其相邻像素的数目可以是根据加权模板的大小确定的。比如，若加权模板为m×m，则其具有m×m-1个相邻像素。其中，m可以是任意正整数，比如5。
具体地，任一像素(i,j)的背景亮度Lbg(i，j)满足计算公式(1)：
其中，a为固定参数，其与B(x，y)相关，比如a为B(x，y)所有元素之和，例如32。其中，I(i-3+x，j-3+y)表示像素(i-3+x，j-3+y)的灰度值，B(x，y)为低通滤波器，具体地，B(x，y)可以实现为m×m的矩阵。
在一个具体地示例中，若m＝5，则B(x，y)可以具体表示为公式(2)：
第二、对于偏心角E。任一像素(i,j)的偏心角E(i，j)满足公式(3)：
其中，图像中的凝视点坐标为(i0,j0)，ppd为图像在近眼显示设备中显示的角分辨率，比如可以等于10。其中，凝视点可以是图像的中心点，又或者可以是捕捉到的人眼凝视点。
第三、对于深度D。任一像素(i,j)的深度D(i，j)满足公式(4)：
其中，b为相邻两台相机的基线距离，f为相机焦距，ps为像素大小，disp(i，j)为像素点(i，j)对应左右图像之间的视差值。
第四、对比度C。任一像素(i,j)的深度C(i，j)满足公式(5)：
其中，EK(i，j)满足公式(6)，K＝H,V：
其中，b为固定参数，其与GK相关，例如可以等于24。GH为Sobel水平梯度算子，GV为Sobel垂直梯度算子。具体地，GH和GV可以实现为m×m的矩阵。
在一个示例中，GH满足公式(7)：
在一个示例中，GV满足公式(8)：
在一些实施例中，可以通过利用滑块对第一图像进行遍历的方式，对图像中的全部像素进行降灰阶处理。此时，目标像素包括滑块内的像素。示例性地，滑块的大小可以为m×m。图7是本申请实施例提供的另一种图像处理方法的流程示意图。图7与图6的不同之处在于，S620可以具体实现为S621和S622。
S621，在利用滑块对第一图像进行遍历的过程中，确定滑块中的基准像素的视觉特性信息。
其中，滑块中的基准像素可以是滑块中心的像素。
示例性的，滑块可以按照从左到右、从上到下的顺序，在图像上进行移动。
S622，将基准像素的视觉特性信息，确定为目标像素的视觉特性信息。
S630，利用视觉特性信息和预设的JND模型，确定目标像素的JND值。
在S630中，若JND模型实现为JND函数，则可以将视觉特性信息代入预设的JND函数，计算得到目标像素的JND值。
在一些实施例中，在保证图像质量的前提下，为了加快计算速度，JND模型可以为兼顾背景亮度和偏心角的JND模型。此时，视觉特性信息可以包括背景亮度和偏心角。
具体地，JND模型可以与背景亮度、偏心角相关。
在一个示例中，JND模型表示为公式(9)：
接下来，本申请实施例的下述部分将分别对几个参数进行具体说明。
第一，第一相关参数L1，第一相关参数L1与目标像素的背景亮度Lbg(i，j)相关。具体地，任一像素(i,j)的第一相关参数L1可以满足公式(10)：
公式(10)中，第一预设参数a1＝2.046e-08，第二预设参数a2＝-9.44e-06，第三预设参数a3＝0.001437，第四预设参数a4＝-0.07248，第五预设参数a5＝5.273。
需要说明的是，背景亮度Lbg(i，j)的具体计算公式可以参见上述公式(1)，在此不再赘述。
此外，第一预设参数至第五预设参数还可以根据具体场景和实际需求设置，对上述预设参数的具体取值不作限定。
第二，第二相关参数E1，第二相关参数E1与目标像素的偏心角E(i，j)相关。具体地，任一像素(i,j)的第二相关参数E1可以满足公式(11)：
E1＝b1*E4(i,j)+b2*E3(i，j)+b3*E2(i,j)+b4*E(i，j)+b5 (11)
公式(11)中，第六预设参数b1＝3.099e-06，第七预设参数b2＝-0.0001298，第八预设参数b3＝8.477e-06，第九预设参数b4＝0.1435，第十预设参数b5＝4.663。需要说明的是，偏心角E(i，j)的具体计算公式可以参见上述公式(3)，在此不再赘述。此外，第六预设参数至第十预设参数还可以根据具体场景和实际需求设置，对上述预设参数的具体取值不作限定。
第三，基准背景亮度值E1(0)。具体地，E1(0)可以是将E(i，j)＝0代入公式(11)后得到的值。
第四，第三相关参数D1，第二相关参数D1与目标像素的深度值D(i，j)相关。具体地，任一像素(i,j)的第三相关参数D1可以满足公式(12)：
D1＝c1*D4(i，j)+c2*D3(i，j)+c3*D2(i,j)+c4*D(i,j)+c5 (12)
公式(12)中，第十一预设参数c1＝26.04，第十二预设参数c2＝-93.75，第十三预设参数c3＝124，第十四预设参数c4＝-66.25，第十五预设参数c5＝15。
需要说明的是，深度值D(i，j)的具体计算公式可以参见上述公式(5)，在此不再赘述。
此外，第十一预设参数至第十五预设参数还可以根据具体场景和实际需求设置，对上述预设参数的具体取值不作限定。
第五，基准深度值D1(1.0)。具体地，D1(1.0)可以是将D(i，j)＝1.0代入公式(12)后得到的值。
第六，第一校正参数α1，其可以根据实际场景和具体需求设置，在此不再赘述。示例性地，第一校正参数α1可以等于-1.637。
第七，第二校正参数α2，其可以根据实际场景和具体需求设置，在此不再赘述。示例性地，第二校正参数α2可以等于0.224。
在一个具体地示例中，在保证图像质量的前提下，为了进一步加快计算速度，可以令深度值为定值。具体地，可以令公式(9)中的
等于1。
此时，JND模型可以表示为公式(13)：
需要说明地是，本申请实施例提供的JND模型可以兼顾背景亮度掩蔽、中心凹掩蔽，提高了JND模型与人眼特性的匹配程度。与现有其他JND模型进行对比，在相同的客观质量评价参数下，本模型的主观质量评价均高于其他模型，更符合人眼视觉特性。
在另一些实施例中，为了进一步对图像进行压缩，JND模型可以为兼顾背景亮度掩蔽、中心凹掩蔽、深度掩蔽和对比度掩蔽的JND模型。此时，视觉特性信息可以包括背景亮度、偏心角、深度和对比值。
此时，JND模型与背景亮度、偏心角、深度和对比值相关。
在一个示例中，JND模型表示为公式(14)：
其中，FD-JNDL可以参见公式(9)，在此不再赘述。
其中，FD-JNDC可以满足下述公式(15)：
FD-JNDC＝FD-JNDL+CM (15)
其中，CM为对比度掩蔽(contrast masking)。CM可以满足公式(16)：
其中，μ1为第一预设参数，μ2为第二预设参数，μ3为第三预设参数，μ4为第四预设参数，ν1为第五预设参数，ν2为第六预设参数，ν3为第七预设参数，ν4为第八预设参数，ω1为第九预设参数，ω2为第十预设参数，ω3为第十一预设参数，ω4为第十二预设参数。其中，第一预设参数至第十二预设参数可以根据实际场景和具体需求设置，对此不再赘述。
在一个具体的示例中，μ1＝-2.206e-05，μ2＝0.006143，μ3＝-0.07232，μ4＝-1.06，ν1＝-1.731e-05，ν2＝0.004102，ν3＝0.3572，v4＝-0.65，ω1＝3.983e-06，ω2＝-0.001496，ω3＝0.2457，ω4＝-0.46。
需要说明地是，本申请实施例提供的JND模型可以兼顾背景亮度掩蔽、中心凹掩蔽、深度掩蔽和对比度掩蔽，提高了JND模型与人眼特性的匹配程度。与现有其他JND模型进行对比，在相同的客观质量评价参数下，本模型的主观质量评价均高于其他模型，更符合人眼视觉特性。
在一个示例中，若目标像素的像素通道的数量为1，则可以利用上述公式(13)或者公式(14)计算JND值。
在另一个示例中，若目标像素的像素通道的数量为多个，图8是本申请实施例提供的又一种图像处理方法的流程示意图。图8与图6的不同之处在于，S630可以具体实现为S631至S634。
S631，利用视觉特性信息和预设的JND模型，确定目标像素的多个像素通道各自的第一JND值。
在一个实施例中，可以利用公式(9)或者公式(13)依次计算出多个像素通道各自的第一JND值。比如，对于RGB图形，利用公式(9)或者公式(13)计算出的R通道的第一JND值可以表示为JNDR，G通道的第一JND值可以表示为JNDG，B通道的第一JND值可以表示为JNDB。
示例性地，可以先利用上述公式分别计算出RGB三个通道各自对应的背景亮度LR、LG、LB和偏心角E，再根据公式(9)或者公式(13)得到三个通道下的第一JND值JNDR、JNDG和JNDB。
S632，确定多个像素通道各自的权重值。
在一个实施例中，多个通道各自的权重值之和可以等于1。
示例性地，可以根据人眼对各通道的颜色的敏感程度来确定加权权重。由于当R:G:B＝2:1:4时，能够较好保证图像质量，因此，为了提高图像质量，R通道的权重值可以等于2/7，G通道的权重值可以等于1/7，B通道的权重值可以等于为4/7。
S633，利用多个像素通道各自的第一JND值以及目标像素的多个像素通道各自的第一JND值，计算得到加权JND值。
示例性地，加权JND值可以表示为(just noticeable color differences，JNCD)，JNDC可以表示色差。
具体地，JNDC可以满足公式(17)：
S634，将加权JND值，确定为目标像素的JND值。
S640，利用预设的JND值与灰度等级的对应关系，确定目标像素的JND值对应的目标灰度等级。
其中，目标像素的目标灰度等级小于或等于目标像素在第一图像中的原始灰度等级。
在一些实施例中，在对应关系中，JND值与目标灰度等级负相关。
在一个具体地示例中，不同的JND取值范围对应于不同的目标灰度等级。示例性地，若目标像素的像素通道的数量为1，则表2示出了本申请实施例中提供的一种JND取值范围与灰度等级的对应关系。
表2
| JND取值范围 | 灰度等级 | 像素所需数据位宽 |
| (0，3] | 256(2<sup>8</sup>级) | 8 |
| (3，5] | 128(2<sup>7</sup>级) | 7 |
| (5，9] | 64(2<sup>6</sup>级) | 6 |
| (9，11] | 32(2<sup>5</sup>级) | 5 |
| (11，+∞] | 16(2<sup>4</sup>级) | 4 |
示例性地，若目标像素的JND值为1，则目标灰度等级为256；若目标像素的JND值为4，则目标像素的目标灰度等级为128。
需要说明的是，各JND取值范围的端值并不限定为表2示出的端值，其可以根据实际情况和具体场景进行设置，本申请实施例对此不再赘述。
在一个示例中，表3示出了本申请实施例中提供的一种JNDC取值范围与灰度等级的对应关系。
表3
示例性地，若目标像素的JNDC值为1，则目标灰度等级为256；若目标像素的JNDC值为9，则目标像素的目标灰度等级为32。
需要说明的是，各JNDC取值范围的端值并不限定为表3示出的端值，其可以根据实际情况和具体场景进行设置，本申请实施例对此不再赘述。
S650，基于目标灰度等级，对目标像素各像素通道的灰度值进行量化，得到第二图像。
在一些实施例中，若目标灰度等级为p，目标像素(i，j)的量化过程满足公式(18)：
其中，round为四舍五入的取整函数，M、N为图像的长和宽，目标灰度等级p＝0，1，2，…，7。例如当灰阶为4，灰度量化值为0、64、128、192。
本申请实施例的图像处理方法，能够在确定像素的JND值之后，按照预设的JND值与灰度值的对应关系，确定目标像素的目标灰度等级。再基于所述目标灰度等级，对目标像素各像素通道的灰度值进行量化，得到第二图像。由于图像中像素点的灰度等级越少，存储图像所需的数据量越小，且JND值能够表征人眼对图像失真的最大容忍度。通过JND值确定目标像素点的目标灰度等级，能够在保证了人眼主观感受的前提下降低图像数据量的大小。
在一些实施例中，由于降灰阶处理会导致环绕区域的像素值存在误差，从而影响图像精度。为了提高图像精度以及减小降灰阶处理所带来的误差影响，图9是本申请实施例提供的再一种图像处理方法的流程示意图。图9与图6的不同之处在于，S650可以具体实现为S651至S654。
S651，确定目标像素的多个相邻像素。
其中，需要说明的是，可以根据误差传递模板的大小，确定该像素的相邻像素。
在一些实施例中，若误差传递模板的大小为2×2，则每一像素的相邻像素可以包括3个像素，比如其左上角的像素、正上方的像素，以及正左侧的像素。示例性地，若该像素在图像中的坐标为(i，j)，则其相邻像素的坐标可以为(i-1,j-1)、(i,j-1)、(i-1,j)。需要说明的是，还可以是其他相邻像素，比如正右侧的像素、正下方的像素以及右下角的像素，对此不作具体限制。其中，误差传递模板可以实现为1个矩阵，矩阵内的值为各相邻像素对应的权重值。
需要说明的是，当误差传递模板选用2×2矩阵时，相对于其他误差传递模板，能够兼顾图像显示质量、计算速度和硬件开销。需要说明的是，矩阵中的所有元素的值加起来等于1。
在一个示例中，2×2误差传递模板T可以表示为式(19)：
示例性地，2×2误差传递模板T可以具体表示为式(20)
需要说明的是，误差传递模板T是将该每一像素的误像素差值与对应的权重值相乘之后，得到目标误差值，然后将目标误差值分散至相邻的像素。比如，图10是本申请实施例提供的一种示例性的目标误差值分散至相邻像素的逻辑示意图。如图10所示，对于像素(i，j)，若其在第一图像中的像素值为f(i,j)，其在第二图像中的像素值为g(i，j)，则其像素误差R(i，j)可以为像素值f(i,j)与像素值g(i，j)的差值，则分配至其正右侧像素的目标误差值为R(i，j)×w1，分配至正下方像素的目标误差值为R(i，j)×w2，分配至右下角像素的目标误差值为R(i,j)×w3。
示例性地，对于像素(i，j)，其像素误差R(i，j)分散至相邻像素后，其正右侧像素(i+1，j)的像素值可以满足公式(21)：
g′(i+1，j)＝g(i+1,j)+w1×R(i,j) (21)
其正下方像素(i，j+1)的像素值可以满足公式(22)：
g′(i，j+1)＝g(i，j+1)+w2×R(i，j) (22)
其右下角像素(i+1，j+1)的像素值可以满足公式(23)：
g′(i+1，j+1)＝g(i+1,j+1)+w3×R(i,j) (23)
需要说明的是，公式(21)-公式(23)示出的各像素的像素值仅为像素(i，j)的像素误差分散后的像素值，所有像素完成分散后各像素在目标图像中的新的像素值满足下述公式(25)。
在另一些实施例中，若误差传递模板为3×3，则每一像素的相邻像素可以为其相邻的8个像素，其左上角的像素、正上方的像素，右上方的像素、正左侧的像素、正右侧的像素、左下角的像素、正下方的像素以及右下角的像素。
需要说明的是，还可以根据实际情况和具体需求选择其他相邻像素，本申请实施例对此不作具体限定。
S652，确定多个相邻像素各自的灰度差值，其中，每一相邻像素的灰度差值是指每一相邻像素的各通道在量化前的灰度值以及在量化后的灰度值的差值。
其中，对于相邻像素(i-1,j-1)，其在原始图像中的像素值f(i-1,j-1)和在目标图像中的像素值g(i-1,j-1)之间的像素差值R(i-1,j-1)，可以表示为式(24)：
R(i-1,j-1)＝f(i-1,j-1)-g(i-1,j-1) (24)
其他像素点的像素差值的计算公式可参见式(24)，在此不再赘述。
S653，根据每一相邻像素的灰度差值和在每一相邻像素的权重值的乘积，得到每一相邻像素的加权灰度差值。
S654，将多个相邻像素各自的加权灰度差值以及目标像素的各通道在量化前的灰度值的和值，更新为目标像素各像素通道的灰度值，得到第二图像。
示例性地，以像素值(i，j)为例，其在目标图像中的新的像素值g′(i,j)可以表示为式(25)：
g′(i+1，j+1)＝g(i，j)+w3×R(i，j)+w1×R(i+1，j)+w2×R(i，j+1) (25)
通过本实施例，可以将各像素的误差分散至相邻像素，从而使得误差对图像的影响程度显著降低，提高了图像的显示质量。
在一个示例中，针对每一像素，若其在目标图形中的新的像素值大于该每一像素的灰度等级的最大量化值，则确定新的像素值与最大量化值的差值，然后将该差值分散至该每一像素的相邻像素。
首先，对像素的灰度等级的最大量化值，其是该像素的灰度等级的多个量化值中的最大值。具体地，可以参见表1，比如对于灰度等级为28级，其最大量化值为255、对于灰度等级为27级，其最大量化值为254，……，对于灰度等级为22级，其最大量化值为192，对于灰度等级为21级，其最大量化值为128。
示例性的，以像素值(i，j)为例，若其灰度等级为28，若经过步骤S531至S533之后，其新的像素值g′(i，j)为大于255，则将新的像素值g′(i，j)与最大量化值255的差值分散至该像素的相邻像素。
需要说明的是，通过本申请实施例提供的图像处理方法，对于灰度图像和彩色图像，平均压缩率可以达到66.34％和61.33％，在保证图像质量的同时，能够较大程度降低图像的数据量。
基于相同的申请构思，本申请实施例除了提供了图像处理方法之外，还提供了与之对应的图像处理装置。
下面结合附图，详细介绍根据本申请实施例图像处理装置。
图11是本申请实施例提供的一种图像处理装置的结构示意图。如图11所示，图像处理装置1100包括图像获取模块1110、信息确定模块1120、JND值确定模块1130、灰度等级确定模块1140和图像确定模块1150。
图像获取模块1110，用于获取第一图像；
信息确定模块1120，用于确定第一图像中目标像素的视觉特性信息；
JND值确定模块1130，用于利用视觉特性信息和预设的最小可觉差JND模型，确定目标像素的JND值；
灰度等级确定模块1140，用于利用预设的JND值与灰度等级的对应关系，确定目标像素的JND值对应的目标灰度等级，目标像素的目标灰度等级小于或等于目标像素在第一图像中的原始灰度等级；
图像确定模块1150，用于基于目标灰度等级，对目标像素各像素通道的灰度值进行量化，得到第二图像。
在一些实施例中，视觉特性信息包括背景亮度和偏心角；
JND模型与背景亮度、偏心角相关。
在一些实施例中，JND模型表示为公式(13)。
JND模型的具体内容可以参见公式(13)的相关描述，在此不再赘述。
在一些实施例中，视觉特性信息包括背景亮度、偏心角、深度和对比值；
JND模型与背景亮度、偏心角、深度和对比值相关。
在一些实施例中，JND模型表示为公式(14)。
JND模型的具体内容可以参见公式(14)-(16)的相关描述，在此不再赘述。
在一些实施例中，目标像素包括滑块内的像素；
信息确定模块1120，具体包括：
第一确定单元，用于在利用滑块对第一图像进行遍历的过程中，确定滑块中的基准像素的视觉特性信息；
第二确定单元，用于将基准像素的视觉特性信息，确定为目标像素的视觉特性信息。
在一些实施例中，目标像素的像素通道的数量为多个；
JND值确定模块1130，具体包括：
第三确定单元，用于利用视觉特性信息和预设的JND模型，确定目标像素的多个像素通道各自的第一JND值；
第四确定单元，用于确定多个像素通道各自的权重值；
第五确定单元，用于利用多个像素通道各自的第一JND值以及目标像素的多个像素通道各自的第一JND值，计算得到加权JND值；
第六确定单元，用于将加权JND值，确定为目标像素的JND值。
在一些实施例中，图像确定模块1150，具体包括：
第七确定单元，用于确定目标像素的多个相邻像素；
第八确定单元，用于确定多个相邻像素各自的灰度差值，其中，每一相邻像素的灰度差值是指每一相邻像素的各通道在量化前的灰度值以及在量化后的灰度值的差值；
第九确定单元，用于根据每一相邻像素的灰度差值和在每一相邻像素的权重值的乘积，得到每一相邻像素的加权灰度差值；
灰度值更新单元，用于将多个相邻像素各自的加权灰度差值以及目标像素的各通道在量化前的灰度值的和值，更新为目标像素各像素通道的灰度值，得到第二图像。
本申请实施例的图像处理装置，能够在确定像素的JND值之后，按照预设的JND值与灰度值的对应关系，确定目标像素的目标灰度等级。再基于目标灰度等级，对目标像素各像素通道的灰度值进行量化，得到第二图像。由于图像中像素点的灰度等级越少，存储图像所需的数据量越小，且JND值能够表征人眼对图像失真的最大容忍度。通过JND值确定目标像素点的目标灰度等级，能够在保证了人眼主观感受的前提下降低图像数据量的大小。
根据本申请实施例的图像处理装置的其他细节，与以上结合图6至图10所示实例描述的图像处理方法类似，并能达到其相应的技术效果，为简洁描述，在此不再赘述。
基于相同的申请构思，本申请实施例除了提供了图像处理方法、图像处理装置之外，还提供了与之对应的微显示系统。
图12是本申请实施例提供的一种微显示系统的系统构架图。如图12所示，微显示系统1200包括微显示控制器1210和微显示器1220。
微显示控制器1210，用于执行本申请实施例结合图6至图9示出的图像处理方法，生成目标图像的控制信号，并将控制信号输出至微显示器。
微显示器1220，用于基于控制信号，显示目标图像。
在一些实施例中，微显示控制器1210与微显示器1220之间可以通过有线通信或者无线通信进行信息传输。
在一些实施例中，微显示器1220可以是硅基显示器。示例性地，可以是数字微镜器件(Digital Mirror Device，DMD)显示器、硅基液晶(Liquid Crystal on Silicon，LCOS)显示器、发光二极管(Light Emitting Diode，LED)显示器和有机发光二极管(OrganicLight Emitting Diode，OLED)显示器中的至少一种。
本申请实施例的图像处理系统，能够在确定像素的JND值之后，按照预设的JND值与灰度值的对应关系，确定目标像素的目标灰度等级。再基于目标灰度等级，对目标像素各像素通道的灰度值进行量化，得到第二图像。由于图像中像素点的灰度等级越少，存储图像所需的数据量越小，且JND值能够表征人眼对图像失真的最大容忍度。通过JND值确定目标像素点的目标灰度等级，能够在保证了人眼主观感受的前提下降低图像数据量的大小。
根据本申请实施例的微显示系统的其他细节，与以上结合图6至图10所示实例描述的图像处理方法类似，并能达到其相应的技术效果，为简洁描述，在此不再赘述。
图13示出了本申请实施例提供的图像处理设备的硬件结构示意图。
在图像处理设备可以包括处理器1301以及存储有计算机程序指令的存储器1302。
具体地，上述处理器1301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申请实施例的一个或多个集成电路。
存储器1302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1302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。在一些实例中，存储器1302可以包括可移除或不可移除(或固定)的介质，或者存储器1302是非易失性固态存储器。在一些实施例中，存储器1302可在图像处理设备的内部或外部。
在一些实例中，存储器1302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1302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1301通过读取并执行存储器1302中存储的计算机程序指令，以实现图6-图10所示实施例中的方法，并达到相应技术效果，为简洁描述在此不再赘述。
在一个示例中，图像处理设备还可包括通信接口1303和总线1310。其中，如图13所示，处理器1301、存储器1302、通信接口1303通过总线1310连接并完成相互间的通信。
通信接口1303，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1310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1310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。
该图像处理设备可以执行本发明实施例中的图像处理方法，从而实现结合图6至图11描述的图像处理方法和装置。
另外，结合上述实施例中的图像处理方法，本发明实施例可提供一种计算机存储介质来实现。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图像处理方法。
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、设备及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 (12)
1.一种图像处理方法，其特征在于，包括：
获取第一图像；
确定所述第一图像中目标像素的视觉特性信息；
利用所述视觉特性信息和预设的最小可觉差JND模型，确定所述目标像素的JND值；
利用预设的JND值与灰度等级的对应关系，确定所述目标像素的JND值对应的目标灰度等级，所述目标像素的目标灰度等级小于或等于所述目标像素在所述第一图像中的原始灰度等级；
基于所述目标灰度等级，对所述目标像素各像素通道的灰度值进行降灰阶量化，得到第二图像。
2.根据权利要求1所述的方法，其特征在于，
所述视觉特性信息包括背景亮度和偏心角；
所述JND模型与所述背景亮度、所述偏心角相关。
3.根据权利要求2所述的方法，其特征在于，
所述JND模型表示为：
其中，L1为第一相关参数，所述第一相关参数与所述目标像素的背景亮度相关，E1为第二相关参数，所述第二相关参数与所述目标像素的偏心角相关，D1为第三相关参数，所述第三相关参数与所述目标像素的深度值相关，E1(0)为基准背景亮度值，D1(1.0)为基准深度值，α1为第一校正参数，α2为第二校正参数。
4.根据权利要求1所述的方法，其特征在于，
所述视觉特性信息包括背景亮度、偏心角、深度和对比值；
所述JND模型与所述背景亮度、所述偏心角、所述深度和所述对比值相关。
5.根据权利要求4所述的方法，其特征在于，
所述JND模型表示为：
其中，
其中，FD-JNDC＝FD-JNDL+CM
其中，L1为第一相关参数，所述第一相关参数与所述目标像素的背景亮度相关，E1为第二相关参数，所述第二相关参数与所述目标像素的偏心角相关，D1为第三相关参数，所述第三相关参数与所述目标像素的深度值相关，C(i，j)为所述目标像素的对比度，E1(0)为基准背景亮度值，D1(1.0)为基准深度值，α1为第一校正参数，α2为第二校正参数，CM为对比度掩蔽，μ1为第一预设参数，μ2为第二预设参数，μ3为第三预设参数，μ4为第四预设参数，v1为第五预设参数，v2为第六预设参数，v3为第七预设参数，v4为第八预设参数，ω1为第九预设参数，ω2为第十预设参数，ω3为第十一预设参数，ω4为第十二预设参数。
6.根据权利要求1所述的方法，其特征在于，所述目标像素包括滑块内的像素；
所述确定所述第一图像中目标像素的视觉特性信息，具体包括：
在利用所述滑块对所述第一图像进行遍历的过程中，确定所述滑块中的基准像素的视觉特性信息；
将所述基准像素的视觉特性信息，确定为所述目标像素的视觉特性信息。
7.根据权利要求1所述的方法，其特征在于，所述目标像素的像素通道的数量为多个；
所述利用所述视觉特性信息和预设的最小可觉差JND模型，确定所述目标像素的JND值，具体包括：
利用所述视觉特性信息和预设的JND模型，确定所述目标像素的多个像素通道各自的第一JND值；
确定所述多个像素通道各自的权重值；
利用所述多个像素通道各自的第一JND值以及所述目标像素的多个像素通道各自的第一JND值，计算得到加权JND值；
将所述加权JND值，确定为所述目标像素的JND值。
8.根据权利要求1所述的方法，其特征在于，所述对所述目标像素各像素通道的灰度值进行量化，得到第二图像，具体包括：
确定所述目标像素的多个相邻像素；
确定所述多个相邻像素各自的灰度差值，其中，每一相邻像素的灰度差值是指所述每一相邻像素的各通道在量化前的灰度值以及在量化后的灰度值的差值；
根据所述每一相邻像素的灰度差值和在所述每一相邻像素的权重值的乘积，得到所述每一相邻像素的加权灰度差值；
将所述多个相邻像素各自的加权灰度差值以及所述目标像素的各通道在量化前的灰度值的和值，更新为所述目标像素各像素通道的灰度值，得到第二图像。
9.一种图像处理装置，其特征在于，所述装置包括：
图像获取模块，用于获取第一图像；
信息确定模块，用于确定所述第一图像中目标像素的视觉特性信息；
JND值确定模块，用于利用所述视觉特性信息和预设的最小可觉差JND模型，确定所述目标像素的JND值；
灰度等级确定模块，用于利用预设的JND值与灰度等级的对应关系，确定所述目标像素的JND值对应的目标灰度等级，所述目标像素的目标灰度等级小于或等于所述目标像素在所述第一图像中的原始灰度等级；
图像确定模块，用于基于所述目标灰度等级，对所述目标像素各像素通道的灰度值进行量化，得到第二图像。
10.一种微显示系统，所述微显示系统包括：
微显示控制器，用于执行如权利要求1-8任一项所述的图像处理方法，生成目标图像的控制信号，并将所述控制信号输出至微显示器；
所述微显示器，用于基于所述控制信号，显示所述目标图像。
11.一种图像处理设备，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；
所述处理器执行所述计算机程序指令时实现如权利要求1-8任一项所述的图像处理方法。
12.一种计算机存储介质，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1-8任意一项所述的图像处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110130720.XA CN112767558A (zh) | 2021-01-29 | 2021-01-29 | 图像处理方法、装置、系统、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110130720.XA CN112767558A (zh) | 2021-01-29 | 2021-01-29 | 图像处理方法、装置、系统、设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112767558A true CN112767558A (zh) | 2021-05-07 |
Family
ID=75704097
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110130720.XA Pending CN112767558A (zh) | 2021-01-29 | 2021-01-29 | 图像处理方法、装置、系统、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112767558A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115942002A (zh) * | 2022-12-07 | 2023-04-07 | 北京四方通达科技有限公司 | 视频传输方法、装置、终端及存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105303531A (zh) * | 2015-10-15 | 2016-02-03 | 深圳市华星光电技术有限公司 | 一种对比度调整方法及装置 |
| CN105427776A (zh) * | 2016-01-26 | 2016-03-23 | 深圳市华星光电技术有限公司 | 液晶面板影像残留检测方法和装置 |
| CN112261407A (zh) * | 2020-09-21 | 2021-01-22 | 苏州唐古光电科技有限公司 | 一种图像压缩方法、装置、设备及计算机存储介质 |
-
2021
- 2021-01-29 CN CN202110130720.XA patent/CN112767558A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105303531A (zh) * | 2015-10-15 | 2016-02-03 | 深圳市华星光电技术有限公司 | 一种对比度调整方法及装置 |
| CN105427776A (zh) * | 2016-01-26 | 2016-03-23 | 深圳市华星光电技术有限公司 | 液晶面板影像残留检测方法和装置 |
| CN112261407A (zh) * | 2020-09-21 | 2021-01-22 | 苏州唐古光电科技有限公司 | 一种图像压缩方法、装置、设备及计算机存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| YUANSHENG SONG .ETC: "Digitally Driven Micro-display System Based on Bit-Plane Compression", 《SID CHINA SPRING ONLINE TECHNICAL MEETING PROCEEDINGS》, vol. 51, no. 1, 17 July 2020 (2020-07-17), pages 19 - 22 * |
| 张涛 等: "一种新型可调节的自适应区域调光方法", 《激光与光电子学进展》, vol. 57, no. 12, 7 November 2019 (2019-11-07), pages 221 - 229 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115942002A (zh) * | 2022-12-07 | 2023-04-07 | 北京四方通达科技有限公司 | 视频传输方法、装置、终端及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107767354B (zh) | 一种基于暗原色先验的图像去雾算法 | |
| Zhu et al. | Image quality assessment by visual gradient similarity | |
| US8681880B2 (en) | Adaptive dithering during image processing | |
| CN108009997B (zh) | 一种调整图像对比度的方法及装置 | |
| US11232545B2 (en) | Systems and methods for image processing | |
| CN103208107B (zh) | 终端、图像的修复方法和装置 | |
| CN112365418A (zh) | 一种图像失真评测的方法、装置及计算机设备 | |
| CN113596573B (zh) | 图像处理方法、装置、电子设备和计算机可读存储介质 | |
| WO2019090580A1 (en) | System and method for image dynamic range adjusting | |
| US20090274368A1 (en) | Image correction method and apparatus | |
| CN107147912A (zh) | 一种视频编码方法及装置 | |
| CN112767558A (zh) | 图像处理方法、装置、系统、设备及介质 | |
| CN109272928A (zh) | 图像显示方法及装置 | |
| TWI841581B (zh) | 用於編碼影像資料的方法及編碼器及非暫態電腦可讀媒體 | |
| US20170289517A1 (en) | Method and display system for adjusting output image of display | |
| CN110458754B (zh) | 图像生成方法及终端设备 | |
| CN104123700A (zh) | 一种电子设备 | |
| CN109308690B (zh) | 一种图像亮度均衡方法及终端 | |
| CN110650329A (zh) | 用于减少自动立体显示器的串扰的方法、装置和系统 | |
| CN113596425B (zh) | 墨水屏终端的图像处理方法、装置、存储介质及智能设备 | |
| US10733927B2 (en) | Projection apparatus, projection system, and non-transitory computer-readable recording medium | |
| CN112764706B (zh) | 图像处理方法、装置、系统、设备及介质 | |
| CN115131265A (zh) | 人眼感知阈值的确定方法、装置和电子设备 | |
| CN114078094A (zh) | 图像边缘亮度矫正方法、装置以及系统 | |
| Wolski et al. | Dark stereo: improving depth perception under low luminance |
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: 20230802 Address after: Room 702, Block C, Swan Tower, No. 111 Linghu Avenue, 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. |