CN114612320A - 图像亮度优化方法、装置、计算机设备和存储介质 - Google Patents
图像亮度优化方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN114612320A CN114612320A CN202210212042.6A CN202210212042A CN114612320A CN 114612320 A CN114612320 A CN 114612320A CN 202210212042 A CN202210212042 A CN 202210212042A CN 114612320 A CN114612320 A CN 114612320A
- Authority
- CN
- China
- Prior art keywords
- point
- information
- brightness
- virtual image
- image
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 46
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000003860 storage Methods 0.000 title claims abstract description 16
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 128
- 238000003786 synthesis reaction Methods 0.000 claims abstract description 127
- 238000004590 computer program Methods 0.000 claims abstract description 39
- 230000002194 synthesizing effect Effects 0.000 claims abstract description 27
- 238000000605 extraction Methods 0.000 claims description 75
- 238000012163 sequencing technique Methods 0.000 claims description 8
- 239000004973 liquid crystal related substance Substances 0.000 description 18
- 230000007547 defect Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 11
- 238000001514 detection method Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000001308 synthesis method Methods 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
- 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
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- 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
- G06T2207/30108—Industrial image inspection
- G06T2207/30121—CRT, LCD or plasma display
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本申请涉及一种图像亮度优化方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括:获取待检测显示屏的原始图像;获取原始图像所有像素的点位信息,根据获取的点位信息生成初始合成点位虚拟图像,其中,点位信息包括亮度信息;根据初始合成点位虚拟图像中的各点位得到多个点位组,并根据各点位组对应点位的点位信息对各点位组对应点位的亮度信息进行亮度信息合成,得到目标合成点位虚拟图像,其中,点位组包括相邻的四个点位,且相邻的四个点位所构成的区域为矩形区域;基于目标合成点位虚拟图像,得到原始图像对应的亮度优化图像。采用本方法能够减少亮噪信号,使优化亮度图中的亮度曲线变得平滑,从而凸显mura亮度信息。
Description
技术领域
本申请涉及图像处理技术领域,特别是涉及一种图像亮度优化方法、装置、计算机设备和存储介质。
背景技术
目前,液晶显示屏显示不同图像由公共电极和画素电极间电压差决定,公共电极及画素电极上的电压波动及电压漂移,会改变画素区域的明暗度,出现一类垂直或水平或斜纹状的mura(色差)缺陷,影响液晶显示屏图像显示效果。
在液晶显示屏的制造过程中,需要进行液晶显示屏mura缺陷检测,将具有影响液晶显示屏显示图像效果的mura缺陷产品拦截出。传统技术中,自动检测mura缺陷时,由相机对液晶显示屏图像进行拍照,利用拍摄的图像中判定液晶显示屏是否有mura缺陷。
但是,由于mura存在大小不固定,形状不固定,缺陷无较明显边界,也无明显灰阶差异等特性,使得自动检测相机拍照捕捉到的图像信息中,mura亮度特性呈现不明显,影响对液晶显示屏是否有mura缺陷的判定准确度。
发明内容
基于此,有必要针对上述技术问题,提供一种能够凸显mura亮度信息的图像亮度优化方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面,本申请提供了一种图像亮度优化方法。所述方法包括:
获取待检测显示屏的原始图像;
获取所述原始图像所有像素的点位信息,根据获取的点位信息生成初始合成点位虚拟图像,其中,所述点位信息包括亮度信息;
根据所述初始合成点位虚拟图像中的各点位得到多个点位组,并根据各所述点位组对应点位的点位信息对各所述点位组对应点位的亮度信息进行亮度信息合成,得到目标合成点位虚拟图像,其中,各所述点位组包括相邻的四个点位,且所述相邻的四个点位所构成的区域为矩形区域;
基于所述目标合成点位虚拟图像,得到所述原始图像对应的亮度优化图像。
在其中一个实施例中,所述点位信息还包括位置信息;所述根据所述初始合成点位虚拟图像中的各点位得到多个点位组,并根据各所述点位组对应点位的点位信息对各所述点位组对应点位的亮度信息进行亮度信息合成,得到目标合成点位虚拟图像,包括:
执行迭代操作,其中,所述迭代操作包括:
以所述初始合成点位虚拟图像中的各点位为基准,获取各所述点位组;
对各所述点位组对应点位的亮度信息进行亮度信息合成,得到各所述点位组对应的子级点位的亮度信息;
根据每一所述点位组对应点位的位置信息,对各所述子级点位的亮度信息进行排序,得到新的初始合成点位虚拟图像;
将所述新的初始合成点位虚拟图像作为所述初始合成点位虚拟图像,返回执行所述迭代操作,直至达到预设的收敛条件;
将达到所述预设的收敛条件的新的初始合成点位虚拟图像确定为所述目标合成点位虚拟图像。
在其中一个实施例中,所述对各所述点位组对应点位的亮度信息进行亮度信息合成,得到各所述点位组对应的子级点位的亮度信息,包括:
获取所述初始合成点位虚拟图像的行数和列数,根据所述初始合成点位虚拟图像的行数和列数分别得到列方向提取系数和行方向提取系数;
根据所述初始合成点位虚拟图像中的各点位组对应点位的亮度信息、所述列方向提取系数和所述行方向提取系数,得到各所述子级点位的亮度信息。
在其中一个实施例中,所述根据所述初始合成点位虚拟图像中的各点位组对应点位的亮度信息、所述列方向提取系数和所述行方向提取系数,得到各所述子级点位的亮度信息,包括:
根据所述行方向提取系数和第一距离,确定各所述子级点位与对应的点位组中各点位的水平距离;所述第一距离为各所述子级点位对应的点位组中在水平方向上相邻的两点位之间的距离;
根据所述列方向提取系数和第二距离,确定所述子级点位与所述点位组中各点位的垂直距离;所述第二距离为各所述子级点位对应的点位组中在垂直方向上相邻的两点位之间的距离;
根据所述水平距离、所述垂直距离以及各所述点位组对应点位的亮度信息,得到各所述子级点位的亮度信息。
在其中一个实施例中,基于所述目标合成点位虚拟图像,得到所述原始图像对应的亮度优化图像,包括:
获取所述目标合成点位虚拟图像中各点位的点位信息;
根据所述目标合成点位虚拟图像中各点位的点位信息,形成预定方向的亮度曲线图,基于所述亮度曲线图得到所述亮度优化图像。
在其中一个实施例中,所述获取所述原始图像所有像素的点位信息,包括:
按照预设次数对所述原始图像的每个像素的亮度信息进行提取,并基于提取的亮度信息获取所述原始图像的每个像素的亮度信息。
第二方面,本申请还提供了一种图像亮度优化装置。所述装置包括:
第一获取模块,用于获取待检测显示屏的原始图像;
第二获取模块,用于获取所述原始图像所有像素的点位信息,根据获取的点位信息生成初始合成点位虚拟图像,其中,所述点位信息包括亮度信息;
合成模块,用于根据所述初始合成点位虚拟图像中的各点位得到多个点位组,并根据各所述点位组对应点位的点位信息对各所述点位组对应点位的亮度信息进行亮度信息合成,得到目标合成点位虚拟图像,其中,所述点位组包括相邻的四个点位,且所述相邻的四个点位所构成的区域为矩形区域;
图像生成模块,用于基于所述目标合成点位虚拟图像,得到所述原始图像对应的亮度优化图像。
第三方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取待检测显示屏的原始图像;
获取所述原始图像所有像素的点位信息,根据获取的点位信息生成初始合成点位虚拟图像,其中,所述点位信息包括亮度信息;
根据所述初始合成点位虚拟图像中的各点位得到多个点位组,并根据各所述点位组对应点位的点位信息对各所述点位组对应点位的亮度信息进行亮度信息合成,得到目标合成点位虚拟图像,其中,所述点位组包括相邻的四个点位,且所述相邻的四个点位所构成的区域为矩形区域;
基于所述目标合成点位虚拟图像,得到所述原始图像对应的亮度优化图像。
第四方面,本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取待检测显示屏的原始图像;
获取所述原始图像所有像素的点位信息,根据获取的点位信息生成初始合成点位虚拟图像,其中,所述点位信息包括亮度信息;
根据所述初始合成点位虚拟图像中的各点位得到多个点位组,并根据各所述点位组对应点位的点位信息对各所述点位组对应点位的亮度信息进行亮度信息合成,得到目标合成点位虚拟图像,其中,所述点位组包括相邻的四个点位,且所述相邻的四个点位所构成的区域为矩形区域;
基于所述目标合成点位虚拟图像,得到所述原始图像对应的亮度优化图像。
第五方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
获取待检测显示屏的原始图像;
获取所述原始图像所有像素的点位信息,根据获取的点位信息生成初始合成点位虚拟图像,其中,所述点位信息包括亮度信息;
根据所述初始合成点位虚拟图像中的各点位得到多个点位组,并根据各所述点位组对应点位的点位信息对各所述点位组对应点位的亮度信息进行亮度信息合成,得到目标合成点位虚拟图像,其中,所述点位组包括相邻的四个点位,且所述相邻的四个点位所构成的区域为矩形区域;
基于所述目标合成点位虚拟图像,得到所述原始图像对应的亮度优化图像。
上述图像亮度优化方法、装置、计算机设备、存储介质和计算机程序产品,通过获取原始图像所有像素的点位信息,根据获取的点位信息生成初始合成点位虚拟图像,使得初始合成点位虚拟图像包含原始图像所有像素的亮度信息;再根据初始合成点位虚拟图像中的各点位得到多个点位组,并根据各点位组对应点位的点位信息对各点位组对应点位的亮度信息进行亮度信息合成后,得到的目标合成点位虚拟图像每个点位均包含原始图像中多个像素的亮度信息,且由于相邻的点位组包含的点位有一半重合,则目标合成点位虚拟图像的相邻点位的亮度信息具有较高的相似度,因此,基于目标合成点位虚拟图像得到的优化亮度图,相对基于原始图像得到的亮度图,减少了激荡亮噪信号,使得优化亮度图中的亮度曲线变得平滑,凸显了mura亮度信息。
附图说明
图1为一个实施例中现有mura缺陷拦截方法的流程示意图;
图2为一个实施例中图像优化方法的流程示意图;
图3为一个实施例中初始合成点位虚拟图像的示意图;
图4为一个实施例中得到目标合成点位虚拟图像步骤的流程示意图;
图5为一个实施例中基于原始图像得到合成点位虚拟图像步骤的流程示意图;
图6为另一个实施例中初始合成点位虚拟图像的示意图;
图7为一个实施例中基于图6的初始合成点位虚拟图像合成新的初始合成点位虚拟图像的流程示意图;
图8为一个实施例中基于图6的初始合成点位虚拟图像合成得到的新的初始合成点位虚拟图像的示意图;
图9为一个实施例中对各点位组对应点位的亮度信息进行亮度信息合成步骤的流程示意图;
图10为一个实施例中得到各子级点位的亮度信息步骤的流程示意图;
图11为一个实施例中亮度信息合成过程的示意图;
图12为另一个实施例中图像优化方法的流程示意图;
图13为一个实施例中亮度优化图中亮度曲线与基于原始图像得到的亮度图中的亮度曲线的对比图;
图14为一个实施例中图像优化装置的结构框图;
图15为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
目前,在液晶显示屏的制造过程中,需要进行液晶显示屏mura缺陷检测,将具有影响液晶显示屏显示图像效果的mura缺陷产品拦截出。传统技术中,如图1所示,拦截mura缺陷包括以下步骤:
由照相机1对液晶显示屏2进行拍照,得到待处理的原始图像;
对原始图像进行运算处理,得到对应原始图像的检测参数;
根据检测参数拦截mura缺陷。
但是,由于mura存在大小不固定,形状不固定,缺陷无较明显边界,也无明显灰阶差异等特性,使得自动检测相机拍照捕捉到的图像信息中,mura亮度特性呈现不明显,进而导致难以根据检测参数准确地拦截出mura缺陷。
为解决上述问题,在一个实施例中,如图2所示,本申请提供了一种图像亮度优化方法。方法包括:
S201:获取待检测显示屏的原始图像。
其中,原始图像为数字图像,原始图像可以预先存储于指定存储介质中,在需要得到原始图像的亮度优化图像时,从存储介质中调取亮度优化图像。也可以直接通过相机对待检测显示屏拍照,得到原始拍摄图像,将原始拍摄图像作为待处理的原始图像。可选的,待检测显示屏可以为液晶显示屏,该液晶显示屏可以为电视机的液晶显示屏,也可以为计算机设备的液晶显示屏,或者,也可以为其他终端上的液晶显示屏例如ipad等。另外,本申请实施例对待检测显示屏的尺寸不加以限制,本申请实施例中的待检测显示屏可以为不同尺寸的液晶显示屏。
S202:获取原始图像所有像素的点位信息,根据获取的点位信息生成初始合成点位虚拟图像,其中,点位信息包括亮度信息。
其中,由于原始拍摄图像为数字图像,而像素是原始拍摄图像的基本元素,因此,每个像素均具有亮度信息,则根据获取的亮度信息可获取原始拍摄图像的各像素的点位信息,将原始图像的像素点作为包含对应亮度信息的点位,所有点位汇成初始合成点位虚拟图像。如图3所示,图3为初始合成点位虚拟图像示意图,x和y为变量指数,此变量指数与原始图像的像素数相关。点位z11至zyx包含亮度信息。
S203:根据初始合成点位虚拟图像中的各点位得到多个点位组,并根据各点位组对应点位的点位信息对各点位组对应点位的亮度信息进行亮度信息合成,得到目标合成点位虚拟图像,其中,点位组包括相邻的四个点位,且相邻的四个点位所构成的区域为矩形区域。
具体地,可以理解,以图3为例,第一行中,点位z11、z12、z21和z22组成第一个点位组,点位z12、z13、z22和z23组成第二个点位组,点位z13、z14、z23和z24组成第三个点位组,点位z14、z15、z24和z25组成第四个点位组,点位z15、z16、z25和z26组成第五个点位组,可以理解,依次类推,可以得到所有的点位组,由于点位组包括相邻的四个点位,则对点位组对应点位的亮度信息进行亮度信息得到的点位包括该相邻的四个点位的亮度信息,目标合成点位虚拟图像的点位包括原始图像多个像素的亮度信息,且由于相邻的点位组包含的点位有一半重合,则目标合成点位虚拟图像的点位的相邻点位的亮度信息具有较高的相似度,则基于目标合成点位虚拟图像得到的亮度图,相对基于原始图像得到的亮度图,减少了激荡亮噪信号,基于目标合成点位虚拟图像得到的亮度图中的亮度曲线变得平滑。
S204:基于目标合成点位虚拟图像,得到原始图像对应的亮度优化图像。
其中,基于目标合成点位虚拟图像得到的亮度图即为原始图像对应的亮度优化图像,相对基于原始图像得到的亮度图,减少了激荡亮噪信号,从而凸显了mura亮度信息。
可选地,可以采用预设的增强阈值对目标合成点位虚拟图像的各点的亮度值进行增强,得到亮度优化图像,也可以直接提取目标合成点位虚拟图像各点位的亮度信息,并根据位置信息对提取的亮度信息进行图像化得到亮度优化图像。
上述图像亮度优化方法,通过获取原始图像所有像素的点位信息,根据获取的点位信息生成初始合成点位虚拟图像,使得初始合成点位虚拟图像包含原始图像所有像素的亮度信息;再根据初始合成点位虚拟图像中的各点位得到多个点位组,并根据各点位组对应点位的点位信息对各点位组对应点位的亮度信息进行亮度信息合成后,得到的目标合成点位虚拟图像每个点位均包含原始图像中多个像素的亮度信息,且由于相邻的点位组包含的点位有一半重合,则目标合成点位虚拟图像的相邻点位的亮度信息具有较高的相似度,因此,基于目标合成点位虚拟图像得到的优化亮度图,相对基于原始图像得到的亮度图,减少了激荡亮噪信号,使得优化亮度图中的亮度曲线变得平滑,凸显了mura亮度信息。
在其中一个实施例中,如图4和图5所示,点位信息还包括位置信息;根据初始合成点位虚拟图像中的各点位得到多个点位组,并根据各点位组对应点位的点位信息对各点位组对应点位的亮度信息进行亮度信息合成,得到目标合成点位虚拟图像,包括:
S401:执行迭代操作,其中,迭代操作包括:
S4011:以初始合成点位虚拟图像中的各点位为基准,获取各点位组;
S4012:对各点位组对应点位的亮度信息进行亮度信息合成,得到各点位组对应的子级点位的亮度信息;
S4013:根据每一点位组对应点位的位置信息,对各子级点位的亮度信息进行排序,得到新的初始合成点位虚拟图像。
其中,可以基于初始合成点位虚拟图像中各点位的排序遍历各点位,得到多个点位组,例如,从第一行第一列的点位遍历到第一行最后一列的点位,然后换行从第二行第一列遍历到第二行最后一列,以此顺序进行遍历直至最后一行最后一列的点位。可以理解,应用中,可以采用各种方式遍历初始合成点位虚拟图像中的各点位得到对应的点位组,本申请不对此做具体限定。
示例性地,为方便说明合成方法,假设初始合成点位虚拟图像中的x和y均为6,则初始合成点位虚拟图像为图6所示的6*6的矩阵点位图。其中,初始合成点位虚拟图像包括25个点位组,第一行中,点位z11、z12、z21和z22组成第一个点位组,点位z12、z13、z22和z23组成第二个点位组,点位z13、z14、z23和z24组成第三个点位组,点位z14、z15、z24和z25组成第四个点位组,点位z15、z16、z25和z26组成第五个点位组,可以理解,依次类推,可以得到25个点位组。对25个点位组对应点位进行亮度合成得到25个子级点位的亮度信息,具体过程可参考图7所示的流程,先提取行向第一组四点位z11、z12、z21、z22的信息,经过运算合成行向第一子点位信息后生成图8所示的新的初始合成点位虚拟图像内的g11点位,然后执行提取行向第二组四点位信息,第二组四个点位分别是z12、z13、z22、z23,经过运算合成行向第二子点位信息后生成图8所示的新的初始合成点位虚拟图像内的g12点位,依次类推,得到25个子点位。对25个子级点位的亮度信息进行排序得到新的初始合成点位虚拟图像,新的初始合成点位虚拟图像如图8所示。
应用中,也可以先根据每一点位组对应点位的位置信息,对各子级点位进行排序,然后对各点位组对应点位的亮度信息进行亮度信息合成,得到各子级点位的亮度信息,进而得到新的初始合成点位虚拟图像。
S402:将新的初始合成点位虚拟图像作为初始合成点位虚拟图像,返回执行迭代操作,直至达到预设的收敛条件。
其中,预设的收敛条件可以为预设的迭代次数。当执行迭代操作的次数达到预设的迭代次数时,停止执行迭代操作;当执行迭代操作的次数未达到预设的迭代次数时,继续执行迭代操作。
S403:将达到预设的收敛条件的新的初始合成点位虚拟图像确定为目标合成点位虚拟图像。
具体地,可以理解,由于点位信息组包括相邻的四个点位,则每个点位信息组合成得到的子级点位包括四个点位的亮度信息,以n为迭代次数,在多次迭代后,目标合成点位虚拟图像中的每一点位均包含初始合成点位虚拟图像中的(n+1)2个点位的亮度信息,从而使得目标合成点位虚拟图像的点位与原始图像的点位具有较高的关联性。且由于相邻的点位组包含的点位有一半重合,则目标合成点位虚拟图像的相邻点位包含的亮度信息有一半重合,目标合成点位虚拟图像的相邻点位的亮度信息具有较高的相似度。因此,基于目标合成点位虚拟图像得到的亮度图,相对基于原始图像得到的亮度图,减少了激荡亮噪信号,使基于目标合成点位虚拟图像得到的亮度图中的亮度曲线变得平滑,进而有利于凸显mura亮度信息。
应用中,根据原始图像中的像素数确定迭代次数,以避免迭代次数过多导致最终得到的亮度优化图像失真。示例性地,原始图像像素排列点阵数为10000*7096时,迭代次数为1;原始图像像素排列点阵数为11600*8700时,迭代次数为10;原始图像像素排列点阵数在两者之间时,可以通过线性插值的方法确定迭代次数。另外,原始图像的大小与相机的型号以及参数有关,因此,也可直接根据相机的型号以及参数确定迭代次数阈值,例如工厂通常使用的相机拍摄得到的图像的像素的行数为10000,列数为7096,对应地,将该相机拍摄的图像作为原始图像时,迭代次数为1。又例如,相机拍摄得到的图像的像素的行数为11600,列数为8700,对应地,将该相机拍摄的图像作为原始图像时,迭代次数为10。
本实施例中,通过执行迭代操作直至执行迭代操作的次数达到预设的迭代次数,从而使得最终得到的目标合成点位虚拟图像中的每一点位均包含初始合成点位虚拟图像中的(n+1)2个点位的亮度信息,即目标合成点位虚拟图像中的每一点位包含原始图像中的(n+1)2个像素的亮度信息,从而使得目标合成点位虚拟图像的点位与原始图像的点位具有较高的关联性,且由于相邻的点位组包含的点位有一半重合,则目标合成点位虚拟图像的相邻点位包含的亮度信息有一半重合,目标合成点位虚拟图像的相邻点位的亮度信息具有较高的相似度,从而使得基于目标合成点位虚拟图像得到的亮度图,相对基于原始图像得到的亮度图,在不失真的情况下,减少了激荡亮噪信号,并凸显mura亮度信息。
在一个实施例中,如图9所示,对各点位组对应点位的亮度信息进行亮度信息合成,得到各点位组对应的子级点位的亮度信息,包括:
S901:获取初始合成点位虚拟图像的行数和列数,根据初始合成点位虚拟图像的行数和列数分别得到列方向提取系数和行方向提取系数。
可以理解,在进行亮度合成时,点位组中各点位对子级点位的亮度影响主要与距离有关。而在执行一次迭代操作后,新的初始合成点位虚拟图像相对原初始合成点位虚拟图像,其行方向的点位数和列方向的点位数均会减少一,需要考虑该因素来确定点位组中各点位与子级点位的相对距离,因此,需要根据初始合成点位虚拟图像的行数和列数确定影响因子,即列方向提取系数和行方向提取系数。
具体地,若获取到的初始合成点位虚拟图像的行数和列数分别为k1和k2,则可以取k1/(k1-1)为列方向提取系数,k2/(k2-1)为行方向的提取系数。
S902:根据初始合成点位虚拟图像中的各点位组对应点位的亮度信息、列方向提取系数和行方向提取系数,得到各子级点位的亮度信息。
具体地,在得到列方向提取系数和行方向提取系数时,可以确定点位组中各点位与子级点位的相对距离,点位组中各点位的亮度信息对子点位的影响和点位组中各点位与子级点位的相对距离成比例关系,进而可以基于点位组中各点位与子级点位的相对距离和点位组中各点位的亮度信息确定对应的子级点位的亮度信息。基于此,根据初始合成点位虚拟图像中的各点位组对应点位的亮度信息、列方向提取系数和行方向提取系数,可以得到各子级点位的亮度信息。
本实施例中,通过获取初始合成点位虚拟图像的行数和列数,进而基于初始合成点位虚拟图像的行数和列数得到列方向提取系数和行方向提取系数,以进一步根据列方向提取系数和行方向提取系数得到点位组中各点位与子级点位的相对距离,由于点位组中各点位的亮度信息对子点位的影响和点位组中各点位与子级点位的相对距离成比例关系,则根据列方向提取系数、行方向提取系数和各点位组中各点位的亮度信息可以实现亮度信息的合成,得到各子级点位的亮度信息。
在一个实施例中,如图10所示,根据初始合成点位虚拟图像中的各点位组对应点位的亮度信息、列方向提取系数和行方向提取系数,得到各子级点位的亮度信息,包括:
S1001:根据行方向提取系数和第一距离,确定各子级点位与对应的点位组中各点位的水平距离;第一距离为各子级点位对应的点位组中在水平方向上相邻的两点位之间的距离。
可以理解,在同一水平线上的相邻的两点位的距离相同,而原始图像大小可以预先获取,在获取原始图像的列数时,可以得到行方向相邻两点位间的距离,例如,原始图像大小为43.8mm*32.9mm,像素排列点阵为10000*7096,则行方向相邻两点位间的距离为43.8/10000。虽然执行多次迭代操作后,新的初始合成点位虚拟图像相邻两点位间的距离会发生变化,但是与原始图像相比,每一行列边缘像素点损失个数较少,增加的距离实在太微弱,故可以忽略不计,例如,原始图像大小为43.8mm*32.9mm,像素排列点阵为10000*7096,在迭代10次后,行方向相邻两点位间的距离为43.8/9990,相对43.8/10000增加的值可以忽略不计。因此,同一方向相邻的两点位的距离可以认为为固定值,第一距离即为原始图像行方向上相邻两点位间的距离。
具体地,假设第一距离为A,即点位组中左侧点位与子级点位的水平距离等于A/[k2/(k2-1)],点位组中右侧点位与子级点位的水平距离等于A-A/[k2/(k2-1)]。其中,以图11为例,z11和z21为左侧点位,z12和z22为右侧点位,z11或z21与g11的水平距离为h2,h2等于A/[k2/(k2-1)],z12或z22与g11的水平距离为h4,等于A-A/[k2/(k2-1)。
S1002:根据列方向提取系数和第二距离,确定子级点位与点位组中各点位的垂直距离;第二距离为各子级点位对应的点位组中在垂直方向上相邻的两点位之间的距离。
类似地,第二距离为原始图像列方向上相邻两点位间的距离。假设第一距离为B,即点位组中上侧点位与子级点位的垂直距离等于B/[k1/(k1-1)],点位组中下侧点位与子级点位的水平距离等于B-B/[k1/(k1-1)]。其中,以图11为例,z11和z12为上侧点位,z21和z22为下侧点位,z11或z121与g11的垂直距离为h1,h1等于B/[k1/(k1-1)],z21或z22与g11的垂直距离为h3,等于B-B/[k1/(k1-1)]。
S1003:根据水平距离、垂直距离以及各点位组对应点位的亮度信息,得到各子级点位的亮度信息。
如图11所示,示例性地,子级点位g11的亮度值的计算公式为:g11(p)=h4*h3*z11(p)+h2*h3*z12(p)+h4*h1*z21(p)+h2*h1*z22(p);
其中,g11(p)为子级点位的亮度值,z11(p)为点位信息组中左上方点位的亮度值,z21(p)为点位信息组中右上方点位的亮度值,z12(p)为点位信息组中左下方点位的亮度值,z22(p)为点位信息组中右下方点位的亮度值,h1为子级点位与左上方点位或右上方点位的垂直距离,h2为子级点位与左上方点位或左下方点位的水平距离,h3为子级点位与左下方点位或右下方点位的垂直距离,h4为子级点位与右上方点位或右下方点位的水平距离。
进一步示例,由图6和图8所示的图像可知,图6所示的图像合成为图8所示的图像时,行方向6点位变为5点位,列方向6点位变为5点位,则列方向提取系数和行方向提取系数均为1.2。再假设z11与z12及z21和z22共四点都在距离为1的格子上,按照h等于距离除以提取系数的值计算,即h1等于1/1.2;h3等于1-h1,即等于1-1/1.2;h2等于1/1.2;h4等于1-h2,即等于1-1/1.2。由上g11(p)=(1-1/1.2)*(1-1/1.2)*z11(p)+1/1.2*(1-1/1.2)*z12(p)+(1-1/1.2)*1/1.2*z21(p)+1/1.2*1/1.2*z22(p)=1/36*z11(p)+5/36*z12(p)+5/36*z21(p)+25/36*z22(p)。从而得到g11点位的亮度值,依次类推,可得到新的初始合成点位虚拟图像所有点位的亮度值。
本实施例中,通过行方向提取系数和第一距离,确定各子级点位与对应的点位组中各点位的水平距离,列方向提取系数和第二距离,确定子级点位与点位组中各点位的垂直距离,在得到各子级点位与对应的点位组中各点位的水平距离和垂直距离后,将得到的水平距离、垂直距离以及各点位组对应点位的亮度信息代入相应关系式,得到子级点位的亮度信息,从而实现子级点位的合成,且由于子级点位的亮度信息与对应的点位组中各点位的亮度信息密切相关,从而保证新的初始合成点位虚拟图像与初始合成点位虚拟图像具有较强的关联性,使得最终得到的亮度优化图像能够反映原始图像各点位的亮度信息。
在一个实施例中,如图13所示,基于目标合成点位虚拟图像,得到原始图像对应的亮度优化图像,包括:获取目标合成点位虚拟图像中各点位的点位信息;根据目标合成点位虚拟图像中各点位的点位信息,形成预定方向的亮度曲线图,基于亮度曲线图得到亮度优化图像的步骤。
具体地,获取目标合成点位虚拟图像中各点位的位置信息和亮度信息,根据需要得到亮度曲线的方向和各点位的位置信息确定形成亮度曲线所需点位,然后根据位置信息对亮度信息进行排序并进行曲线拟合得到亮度曲线。例如,若要得到行方向的亮度曲线,则分别获取每一行中的点位,并根据位置信息对同一行点位的亮度信息进行排序得到多个亮度点,基于得到的多个亮度点进行曲线拟合得到亮度曲线,综合所有得到的亮度曲线得到亮度优化图像。如图13所示,1302为亮度优化图像中的亮度曲线,1301为基于原始图像得到的亮度图中的亮度曲线,可以发现,1302相对1301,减少了亮噪信号,且曲线更为光滑。
本实施例中,通过获取目标合成点位虚拟图像中各点位的点位信息,并基于点位信息进行曲线拟合得到预定方向的亮度曲线,基于得到的亮度曲线得到亮度优化图像,从而更清晰、直接地表示出目标合成点位虚拟图像中各点位的亮度信息,有利于工作人员直观地获取目标合成点位虚拟图像中各点位的亮度信息,同时便于后续进行mura缺陷拦截。
在一个实施例中,获取原始图像所有像素的点位信息,包括:按照预设次数对原始图像的每个像素的亮度值进行提取,并基于提取的亮度值获取原始图像的每个像素的亮度信息的步骤。
具体地,设预设次数为n,按照预设次数对原始图像的每个像素的亮度值进行提取,则每个像素都会对应有n个亮度值。其中,可以是对提取的n个亮度值进行平均得到对应像素的亮度信息,需要说明的是,通过平均处理降低亮度值提取误差,进而有利于减少噪声干扰。另外,也可以是对提取的n个亮度值进行累加得到对应像素的亮度信息,这样可以对亮度值进行放大,有利于凸显亮度信息。
本实施例中,通过按照预设次数对原始图像的每个像素的亮度值进行提取,从而使每个像素对应有n个亮度值,在此基础上,对n个亮度值平均处理可以降低亮度值提取误差,进而有利于减少噪声干扰,便于凸显亮度信息。而若对提取的n个亮度值进行累加得到对应像素的亮度信息,则可以对原始图像的各像素的亮度值进行放大,以凸显亮度信息。
在一个实施例中,基于上述各实施例,如图12所示,提供一种图像亮度优化方法。方法包括:
S1201:获取待检测显示屏的原始图像;
S1202:按照预设次数对原始图像的每个像素的亮度信息进行提取,并基于提取的亮度信息获取原始图像的每个像素的亮度信息,根据获取的点位信息生成初始合成点位虚拟图像,其中,点位信息包括亮度信息;
S1203:执行迭代操作,其中,点位信息还包括位置信息,迭代操作包括:
S12031:以初始合成点位虚拟图像中的各点位为基准,获取各点位组;其中,点位组包括相邻的四个点位,且相邻的四个点位所构成的区域为矩形区域;
S12032:获取初始合成点位虚拟图像的行数和列数,根据初始合成点位虚拟图像的行数和列数分别得到列方向提取系数和行方向提取系数;
S12033:根据行方向提取系数和第一距离,确定各子级点位与对应的点位组中各点位的水平距离;第一距离为各子级点位对应的点位组中在水平方向上相邻的两点位之间的距离;
S12034:根据列方向提取系数和第二距离,确定子级点位与点位组中各点位的垂直距离;第二距离为各子级点位对应的点位组中在垂直方向上相邻的两点位之间的距离;
S12035:根据水平距离、垂直距离以及各点位组对应点位的亮度信息,得到各子级点位的亮度信息;
S12036:根据每一点位组对应点位的位置信息,对各子级点位的亮度信息进行排序,得到新的初始合成点位虚拟图像;
S12037:将新的初始合成点位虚拟图像作为初始合成点位虚拟图像,返回执行迭代操作,直至达到预设的收敛条件;
S1204:将达到预设的收敛条件的新的初始合成点位虚拟图像确定为目标合成点位虚拟图像;
S1205:获取目标合成点位虚拟图像中各点位的点位信息;
S1206:根据目标合成点位虚拟图像中各点位的点位信息,形成预定方向的亮度曲线图,基于亮度曲线图得到亮度优化图像。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的图像亮度优化方法的图像亮度优化装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个图像亮度优化装置实施例中的具体限定可以参见上文中对于图像亮度优化方法的限定,在此不再赘述。
在一个实施例中,如图14所示,提供了一种图像亮度优化装置1400,包括:第一获取模块1401、第二获取模块1402、合成模块1403和图像生成模块1404,其中:
第一获取模块1401,用于获取待检测显示屏的原始图像;
第二获取模块1402,用于获取原始图像所有像素的点位信息,根据获取的点位信息生成初始合成点位虚拟图像,其中,点位信息包括亮度信息;
合成模块1403,用于根据初始合成点位虚拟图像中的各点位得到多个点位组,并根据各点位组对应点位的点位信息对各点位组对应点位的亮度信息进行亮度信息合成,得到目标合成点位虚拟图像,其中,点位组包括相邻的四个点位,且相邻的四个点位所构成的区域为矩形区域;
图像生成模块1404,用于基于目标合成点位虚拟图像,得到原始图像对应的亮度优化图像。
在一个实施例中,点位信息还包括位置信息;合成模块1403包括:迭代子模块和确定子模块,其中:
迭代子模块,用于执行迭代操作,其中,迭代操作包括:以初始合成点位虚拟图像中的各点位为基准,获取各点位组;对各点位组对应点位的亮度信息进行亮度信息合成,得到各点位组对应的子级点位的亮度信息;根据每一点位组对应点位的位置信息,对各子级点位的亮度信息进行排序,得到新的初始合成点位虚拟图像;将新的初始合成点位虚拟图像作为初始合成点位虚拟图像,返回执行迭代操作,直至达到预设的收敛条件。
确定子模块,用于将达到预设的收敛条件的新的初始合成点位虚拟图像确定为目标合成点位虚拟图像。
在一个实施例中,迭代子模块包括:获取单元和亮度合成单元,其中:
获取单元,用于获取初始合成点位虚拟图像的行数和列数,根据初始合成点位虚拟图像的行数和列数分别得到列方向提取系数和行方向提取系数;
亮度合成单元,用于根据初始合成点位虚拟图像中的各点位组对应点位的亮度信息、列方向提取系数和行方向提取系数,得到各子级点位的亮度信息。
在一个实施例中,亮度合成单元包括:水平距离确定子单元、垂直距离确定子单元和合成子单元,其中:
水平距离确定子单元,用于根据行方向提取系数和第一距离,确定各子级点位与对应的点位组中各点位的水平距离;第一距离为各子级点位对应的点位组中在水平方向上相邻的两点位之间的距离;
垂直距离确定子单元,用于根据列方向提取系数和第二距离,确定子级点位与点位组中各点位的垂直距离;第二距离为各子级点位对应的点位组中在垂直方向上相邻的两点位之间的距离;
合成子单元,用于根据水平距离、垂直距离以及各点位组对应点位的亮度信息,得到各子级点位的亮度信息。
在一个实施例中,图像生成模块1404包括:点位信息获取子模块和图像形成子模块,其中:
点位信息获取子模块,用于获取目标合成点位虚拟图像中各点位的点位信息;
图像形成子模块,用于根据目标合成点位虚拟图像中各点位的点位信息,形成预定方向的亮度曲线图,基于亮度曲线图得到亮度优化图像。
在一个实施例中,第二获取模块1402包括:提取子模块,其中:
提取子模块用于按照预设次数对原始图像的每个像素的亮度信息进行提取,并基于提取的亮度信息获取原始图像的每个像素的亮度信息。
上述图像亮度优化装置1400中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图15所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种图像亮度优化方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图15中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取待检测显示屏的原始图像;
获取原始图像所有像素的点位信息,根据获取的点位信息生成初始合成点位虚拟图像,其中,点位信息包括亮度信息;
根据初始合成点位虚拟图像中的各点位得到多个点位组,并根据各点位组对应点位的点位信息对各点位组对应点位的亮度信息进行亮度信息合成,得到目标合成点位虚拟图像,其中,点位组包括相邻的四个点位,且相邻的四个点位所构成的区域为矩形区域;
基于目标合成点位虚拟图像,得到原始图像对应的亮度优化图像。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:执行迭代操作,其中,迭代操作包括:以初始合成点位虚拟图像中的各点位为基准,获取各点位组;对各点位组对应点位的亮度信息进行亮度信息合成,得到各点位组对应的子级点位的亮度信息;根据每一点位组对应点位的位置信息,对各子级点位的亮度信息进行排序,得到新的初始合成点位虚拟图像;将新的初始合成点位虚拟图像作为初始合成点位虚拟图像,返回执行迭代操作,直至达到预设的收敛条件;将达到预设的收敛条件的新的初始合成点位虚拟图像确定为目标合成点位虚拟图像。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取初始合成点位虚拟图像的行数和列数,根据初始合成点位虚拟图像的行数和列数分别得到列方向提取系数和行方向提取系数;根据初始合成点位虚拟图像中的各点位组对应点位的亮度信息、列方向提取系数和行方向提取系数,得到各子级点位的亮度信息。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:根据行方向提取系数和第一距离,确定各子级点位与对应的点位组中各点位的水平距离;第一距离为各子级点位对应的点位组中在水平方向上相邻的两点位之间的距离;根据列方向提取系数和第二距离,确定子级点位与点位组中各点位的垂直距离;第二距离为各子级点位对应的点位组中在垂直方向上相邻的两点位之间的距离;根据水平距离、垂直距离以及各点位组对应点位的亮度信息,得到各子级点位的亮度信息。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取目标合成点位虚拟图像中各点位的点位信息;根据目标合成点位虚拟图像中各点位的点位信息,形成预定方向的亮度曲线图,基于亮度曲线图得到亮度优化图像。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:按照预设次数对原始图像的每个像素的亮度信息进行提取,并基于提取的亮度信息获取原始图像的每个像素的亮度信息。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取待检测显示屏的原始图像;
获取原始图像所有像素的点位信息,根据获取的点位信息生成初始合成点位虚拟图像,其中,点位信息包括亮度信息;
根据初始合成点位虚拟图像中的各点位得到多个点位组,并根据各点位组对应点位的点位信息对各点位组对应点位的亮度信息进行亮度信息合成,得到目标合成点位虚拟图像,其中,点位组包括相邻的四个点位,且相邻的四个点位所构成的区域为矩形区域;
基于目标合成点位虚拟图像,得到原始图像对应的亮度优化图像。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:执行迭代操作,其中,迭代操作包括:以初始合成点位虚拟图像中的各点位为基准,获取各点位组;对各点位组对应点位的亮度信息进行亮度信息合成,得到各点位组对应的子级点位的亮度信息;根据每一点位组对应点位的位置信息,对各子级点位的亮度信息进行排序,得到新的初始合成点位虚拟图像;将新的初始合成点位虚拟图像作为初始合成点位虚拟图像,返回执行迭代操作,直至达到预设的收敛条件;将达到预设的收敛条件的新的初始合成点位虚拟图像确定为目标合成点位虚拟图像。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取初始合成点位虚拟图像的行数和列数,根据初始合成点位虚拟图像的行数和列数分别得到列方向提取系数和行方向提取系数;根据初始合成点位虚拟图像中的各点位组对应点位的亮度信息、列方向提取系数和行方向提取系数,得到各子级点位的亮度信息。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据行方向提取系数和第一距离,确定各子级点位与对应的点位组中各点位的水平距离;第一距离为各子级点位对应的点位组中在水平方向上相邻的两点位之间的距离;根据列方向提取系数和第二距离,确定子级点位与点位组中各点位的垂直距离;第二距离为各子级点位对应的点位组中在垂直方向上相邻的两点位之间的距离;根据水平距离、垂直距离以及各点位组对应点位的亮度信息,得到各子级点位的亮度信息。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取目标合成点位虚拟图像中各点位的点位信息;根据目标合成点位虚拟图像中各点位的点位信息,形成预定方向的亮度曲线图,基于亮度曲线图得到亮度优化图像。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:按照预设次数对原始图像的每个像素的亮度信息进行提取,并基于提取的亮度信息获取原始图像的每个像素的亮度信息。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
获取待检测显示屏的原始图像;
获取原始图像所有像素的点位信息,根据获取的点位信息生成初始合成点位虚拟图像,其中,点位信息包括亮度信息;
根据初始合成点位虚拟图像中的各点位得到多个点位组,并根据各点位组对应点位的点位信息对各点位组对应点位的亮度信息进行亮度信息合成,得到目标合成点位虚拟图像,其中,点位组包括相邻的四个点位,且相邻的四个点位所构成的区域为矩形区域;
基于目标合成点位虚拟图像,得到原始图像对应的亮度优化图像。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:执行迭代操作,其中,迭代操作包括:以初始合成点位虚拟图像中的各点位为基准,获取各点位组;对各点位组对应点位的亮度信息进行亮度信息合成,得到各点位组对应的子级点位的亮度信息;根据每一点位组对应点位的位置信息,对各子级点位的亮度信息进行排序,得到新的初始合成点位虚拟图像;将新的初始合成点位虚拟图像作为初始合成点位虚拟图像,返回执行迭代操作,直至达到预设的收敛条件;将达到预设的收敛条件的新的初始合成点位虚拟图像确定为目标合成点位虚拟图像。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取初始合成点位虚拟图像的行数和列数,根据初始合成点位虚拟图像的行数和列数分别得到列方向提取系数和行方向提取系数;根据初始合成点位虚拟图像中的各点位组对应点位的亮度信息、列方向提取系数和行方向提取系数,得到各子级点位的亮度信息。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据行方向提取系数和第一距离,确定各子级点位与对应的点位组中各点位的水平距离;第一距离为各子级点位对应的点位组中在水平方向上相邻的两点位之间的距离;根据列方向提取系数和第二距离,确定子级点位与点位组中各点位的垂直距离;第二距离为各子级点位对应的点位组中在垂直方向上相邻的两点位之间的距离;根据水平距离、垂直距离以及各点位组对应点位的亮度信息,得到各子级点位的亮度信息。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取目标合成点位虚拟图像中各点位的点位信息;根据目标合成点位虚拟图像中各点位的点位信息,形成预定方向的亮度曲线图,基于亮度曲线图得到亮度优化图像。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:按照预设次数对原始图像的每个像素的亮度信息进行提取,并基于提取的亮度信息获取原始图像的每个像素的亮度信息。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种图像亮度优化方法,其特征在于,所述方法包括:
获取待检测显示屏的原始图像;
获取所述原始图像所有像素的点位信息,根据获取的点位信息生成初始合成点位虚拟图像,其中,所述点位信息包括亮度信息;
根据所述初始合成点位虚拟图像中的各点位得到多个点位组,并根据各所述点位组对应点位的点位信息对各所述点位组对应点位的亮度信息进行亮度信息合成,得到目标合成点位虚拟图像,其中,各所述点位组包括相邻的四个点位,且所述相邻的四个点位所构成的区域为矩形区域;
基于所述目标合成点位虚拟图像,得到所述原始图像对应的亮度优化图像。
2.根据权利要求1所述的图像亮度优化方法,其特征在于,所述点位信息还包括位置信息;所述根据所述初始合成点位虚拟图像中的各点位得到多个点位组,并根据各所述点位组对应点位的点位信息对各所述点位组对应点位的亮度信息进行亮度信息合成,得到目标合成点位虚拟图像,包括:
执行迭代操作,其中,所述迭代操作包括:
以所述初始合成点位虚拟图像中的各点位为基准,获取各所述点位组;
对各所述点位组对应点位的亮度信息进行亮度信息合成,得到各所述点位组对应的子级点位的亮度信息;
根据每一所述点位组对应点位的位置信息,对各所述子级点位的亮度信息进行排序,得到新的初始合成点位虚拟图像;
将所述新的初始合成点位虚拟图像作为所述初始合成点位虚拟图像,返回执行所述迭代操作,直至达到预设的收敛条件;
将达到所述预设的收敛条件的新的初始合成点位虚拟图像确定为所述目标合成点位虚拟图像。
3.根据权利要求2所述的图像亮度优化方法,其特征在于,所述对各所述点位组对应点位的亮度信息进行亮度信息合成,得到各所述点位组对应的子级点位的亮度信息,包括:
获取所述初始合成点位虚拟图像的行数和列数,根据所述初始合成点位虚拟图像的行数和列数分别得到列方向提取系数和行方向提取系数;
根据所述初始合成点位虚拟图像中的各点位组对应点位的亮度信息、所述列方向提取系数和所述行方向提取系数,得到各所述子级点位的亮度信息。
4.根据权利要求3所述的图像亮度优化方法,其特征在于,所述根据所述初始合成点位虚拟图像中的各点位组对应点位的亮度信息、所述列方向提取系数和所述行方向提取系数,得到各所述子级点位的亮度信息,包括:
根据所述行方向提取系数和第一距离,确定各所述子级点位与对应的点位组中各点位的水平距离;所述第一距离为各所述子级点位对应的点位组中在水平方向上相邻的两点位之间的距离;
根据所述列方向提取系数和第二距离,确定所述子级点位与所述点位组中各点位的垂直距离;所述第二距离为各所述子级点位对应的点位组中在垂直方向上相邻的两点位之间的距离;
根据所述水平距离、所述垂直距离以及各所述点位组对应点位的亮度信息,得到各所述子级点位的亮度信息。
5.根据权利要求1所述的图像亮度优化方法,其特征在于,基于所述目标合成点位虚拟图像,得到所述原始图像对应的亮度优化图像,包括:
获取所述目标合成点位虚拟图像中各点位的点位信息;
根据所述目标合成点位虚拟图像中各点位的点位信息,形成预定方向的亮度曲线图,基于所述亮度曲线图得到所述亮度优化图像。
6.根据权利要求1所述的图像亮度优化方法,其特征在于,所述获取所述原始图像所有像素的点位信息,包括:
按照预设次数对所述原始图像的每个像素的亮度值进行提取,并基于提取的亮度值获取所述原始图像的每个像素的亮度信息。
7.一种图像亮度优化装置,其特征在于,所述装置包括:
第一获取模块,用于获取待检测显示屏的原始图像;
第二获取模块,用于获取所述原始图像所有像素的点位信息,根据获取的点位信息生成初始合成点位虚拟图像,其中,所述点位信息包括亮度信息;
合成模块,用于根据所述初始合成点位虚拟图像中的各点位得到多个点位组,并根据各所述点位组对应点位的点位信息对各所述点位组对应点位的亮度信息进行亮度信息合成,得到目标合成点位虚拟图像,其中,所述点位组包括相邻的四个点位,且所述相邻的四个点位所构成的区域为矩形区域;
图像生成模块,用于基于所述目标合成点位虚拟图像,得到所述原始图像对应的亮度优化图像。
8.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210212042.6A CN114612320B (zh) | 2022-03-04 | 2022-03-04 | 图像亮度优化方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210212042.6A CN114612320B (zh) | 2022-03-04 | 2022-03-04 | 图像亮度优化方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114612320A true CN114612320A (zh) | 2022-06-10 |
CN114612320B CN114612320B (zh) | 2023-09-29 |
Family
ID=81860494
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210212042.6A Active CN114612320B (zh) | 2022-03-04 | 2022-03-04 | 图像亮度优化方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114612320B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2000051341A1 (en) * | 1999-02-26 | 2000-08-31 | Intel Corporation | Hi-speed deterministic approach in detecting defective pixels within an image sensor |
US20110090371A1 (en) * | 2009-10-20 | 2011-04-21 | Apple Inc. | System and method for detecting and correcting defective pixels in an image sensor |
CN102253055A (zh) * | 2011-04-27 | 2011-11-23 | 中国计量学院 | 具有周期性花纹图案的表面缺陷检测装置与方法 |
CN108460757A (zh) * | 2018-02-11 | 2018-08-28 | 深圳市鑫信腾科技有限公司 | 一种手机TFT-LCD屏Mura缺陷在线自动检测方法 |
CN109272525A (zh) * | 2018-09-17 | 2019-01-25 | 浙江理工大学 | 一种导光板白点缺陷检测方法 |
WO2019200657A1 (zh) * | 2018-04-16 | 2019-10-24 | 深圳市华星光电技术有限公司 | 图像边缘处理方法、电子装置及计算机可读存储介质 |
WO2019232834A1 (zh) * | 2018-06-06 | 2019-12-12 | 平安科技(深圳)有限公司 | 人脸亮度调整方法、装置、计算机设备及存储介质 |
CN112419228A (zh) * | 2020-10-14 | 2021-02-26 | 惠州高视科技有限公司 | 盖板立体边缘缺陷的检测方法及装置 |
CN112508922A (zh) * | 2020-12-14 | 2021-03-16 | 深圳精智达技术股份有限公司 | Mura检测方法、装置、终端设备以及存储介质 |
CN113132646A (zh) * | 2021-03-30 | 2021-07-16 | 深圳市阿达视高新技术有限公司 | 高动态范围图像生成方法、装置、计算机设备及存储介质 |
WO2021237872A1 (zh) * | 2020-05-29 | 2021-12-02 | 惠州市华星光电技术有限公司 | Mura检测方法、装置及可读存储介质 |
CN113920022A (zh) * | 2021-09-29 | 2022-01-11 | 深圳市景阳科技股份有限公司 | 一种图像优化方法、装置、终端设备及可读存储介质 |
-
2022
- 2022-03-04 CN CN202210212042.6A patent/CN114612320B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2000051341A1 (en) * | 1999-02-26 | 2000-08-31 | Intel Corporation | Hi-speed deterministic approach in detecting defective pixels within an image sensor |
US20110090371A1 (en) * | 2009-10-20 | 2011-04-21 | Apple Inc. | System and method for detecting and correcting defective pixels in an image sensor |
CN102253055A (zh) * | 2011-04-27 | 2011-11-23 | 中国计量学院 | 具有周期性花纹图案的表面缺陷检测装置与方法 |
CN108460757A (zh) * | 2018-02-11 | 2018-08-28 | 深圳市鑫信腾科技有限公司 | 一种手机TFT-LCD屏Mura缺陷在线自动检测方法 |
WO2019200657A1 (zh) * | 2018-04-16 | 2019-10-24 | 深圳市华星光电技术有限公司 | 图像边缘处理方法、电子装置及计算机可读存储介质 |
WO2019232834A1 (zh) * | 2018-06-06 | 2019-12-12 | 平安科技(深圳)有限公司 | 人脸亮度调整方法、装置、计算机设备及存储介质 |
CN109272525A (zh) * | 2018-09-17 | 2019-01-25 | 浙江理工大学 | 一种导光板白点缺陷检测方法 |
WO2021237872A1 (zh) * | 2020-05-29 | 2021-12-02 | 惠州市华星光电技术有限公司 | Mura检测方法、装置及可读存储介质 |
CN112419228A (zh) * | 2020-10-14 | 2021-02-26 | 惠州高视科技有限公司 | 盖板立体边缘缺陷的检测方法及装置 |
CN112508922A (zh) * | 2020-12-14 | 2021-03-16 | 深圳精智达技术股份有限公司 | Mura检测方法、装置、终端设备以及存储介质 |
CN113132646A (zh) * | 2021-03-30 | 2021-07-16 | 深圳市阿达视高新技术有限公司 | 高动态范围图像生成方法、装置、计算机设备及存储介质 |
CN113920022A (zh) * | 2021-09-29 | 2022-01-11 | 深圳市景阳科技股份有限公司 | 一种图像优化方法、装置、终端设备及可读存储介质 |
Non-Patent Citations (6)
Title |
---|
SHIQUN JIN 等: "TFT-LCD mura defect detection using DCT and the dual-γ piecewise exponential transform", 《PRECISION ENGINEERING》, pages 371 - 378 * |
YANCHAO ZHANG 等: "A LCD Screen Mura Defect Detection Method Based on Machine Vision", 《2020 CHINESE CONTROL AND DECISION CONFERENCE (CCDC)》, pages 4618 - 4623 * |
周扬眉 等: "基于图像处理技术的芯片表面缺陷检测系统的设计与实现", 《自动化与仪器仪表》, pages 182 - 184 * |
李传乐: "TFT-LCD缺陷检测系统中的图像处理", 《中国优秀硕士学位论文全文数据库 信息科技辑》, pages 19 * |
邓涵宇: "基于多尺度与机器学习的路面裂缝图像高精度快速识别方法与应用", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》, pages 27 * |
黄浩淼 等: "融合TLD框架的DSST实时目标跟踪改进算法", 《计算机工程与科学》, vol. 42, no. 9, pages 1587 - 1598 * |
Also Published As
Publication number | Publication date |
---|---|
CN114612320B (zh) | 2023-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10224955B2 (en) | Data compression and decompression method of demura table, and mura compensation method | |
CN104994283A (zh) | 一种局部畸变的校正方法及移动终端 | |
CN104504387A (zh) | 文本图像的校正方法和装置 | |
JP7185044B2 (ja) | 要素レンダリング方法、装置、コンピュータプログラム及びコンピュータ装置 | |
CN108780377A (zh) | 使用计算设备的对象管理和可视化 | |
KR101772676B1 (ko) | 이미지 내 연결화소 검출 방법 및 장치 | |
CN103472979A (zh) | 一种基于散点图展示数据的可视化方法及系统 | |
CN114612320B (zh) | 图像亮度优化方法、装置、计算机设备和存储介质 | |
CN117612470A (zh) | 颜色查找表生成方法及色彩校正方法 | |
CN116883563B (zh) | 标注点渲染方法、装置、计算机设备、存储介质 | |
CN112233153B (zh) | 图像匹配方法、装置、电子设备及存储介质 | |
CN115147296A (zh) | 高光谱图像矫正方法、装置、计算机设备和存储介质 | |
CN115082592A (zh) | 一种曲线生成方法、系统、计算机设备、及存储介质 | |
CN112465931B (zh) | 图像文本抹除方法、相关设备及可读存储介质 | |
CN112652383B (zh) | 影像可视化布局方法、装置、影像分析系统和存储介质 | |
CN110807113B (zh) | 可视化布局中的矩形图元重叠的非迭代消除方法 | |
CN109885363B (zh) | 一种商业智能仪表盘的组件布局方法 | |
CN103177420A (zh) | 基于局部区域特征相关性的图像放大方法和装置 | |
CN111383183B (zh) | 图像边缘增强方法、装置以及计算机存储介质 | |
CN117710235B (zh) | 图像目标增强方法、装置、计算机设备和存储介质 | |
CN111858824B (zh) | 地形数据融合方法、装置、计算机设备和存储介质 | |
CN117710488B (zh) | 相机内参标定方法、装置、计算机设备和存储介质 | |
CN116594581A (zh) | 图像显示方法、装置、计算机设备和存储介质 | |
JP5719271B2 (ja) | 画像処理方法、画像処理装置及び画像処理プログラム | |
KR102186182B1 (ko) | 매트릭스 표면상에서 적어도 하나의 영역의 윤곽을 결정하는 방법 |
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 | ||
GR01 | Patent grant |