CN115311167A - 基于多色光线的色域控制方法、装置、设备及存储介质 - Google Patents
基于多色光线的色域控制方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115311167A CN115311167A CN202211017803.9A CN202211017803A CN115311167A CN 115311167 A CN115311167 A CN 115311167A CN 202211017803 A CN202211017803 A CN 202211017803A CN 115311167 A CN115311167 A CN 115311167A
- Authority
- CN
- China
- Prior art keywords
- color
- image
- display screen
- harmony
- coordination
- 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
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000011156 evaluation Methods 0.000 claims abstract description 42
- 238000012937 correction Methods 0.000 claims abstract description 34
- 238000013210 evaluation model Methods 0.000 claims abstract description 30
- 238000012544 monitoring process Methods 0.000 claims abstract description 25
- 238000012549 training Methods 0.000 claims description 59
- 230000008439 repair process Effects 0.000 claims description 30
- 238000012360 testing method Methods 0.000 claims description 29
- 238000012545 processing Methods 0.000 claims description 28
- 230000006870 function Effects 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 10
- 230000001360 synchronised effect Effects 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 8
- 238000006073 displacement reaction Methods 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 7
- 230000035772 mutation Effects 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 4
- 230000017105 transposition Effects 0.000 claims description 4
- 230000004913 activation Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 238000013139 quantization Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 12
- 238000013473 artificial intelligence Methods 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000004891 communication Methods 0.000 description 9
- 238000007726 management method Methods 0.000 description 5
- 239000003086 colorant Substances 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 235000019646 color tone Nutrition 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual 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
- G06T5/77—Retouching; Inpainting; Scratch removal
-
- 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
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/30204—Marker
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明涉及人工智能技术，揭露一种基于多色光线的色域控制方法、装置、设备及存储介质。所述方法包括：同时获取拍摄目标显示屏得到的监控图像及所述目标显示屏实时显示的显示图像；对所述监控图像进行角度拉正及截取，得到矫正图像；利用预训练的色彩协调性评估模型，对所述矫正图像进行色彩协调性评估，并根据评估结果执行协调性等级区域划分；根据所述显示图像对所述矫正图像进行色彩修复，得到所述矫正图像中各个协调性等级区域对应的色彩修复参数；根据所述色彩修复参数，对在预设时间段内所述目标显示屏显示的图像进行色域控制。本发明可以根据显示环境不同，自动化控制LCD显示屏中的色域，提高显示效果。
Description
技术领域
本发明涉及人工智能技术领域，尤其涉及一种基于多色光线的色域控制方法、装置、设备及计算机可读存储介质。
背景技术
随着电子通信技术的发展，LCD显示屏已经参与我们生活中的各个方面，然而在各个不同场合下的LCD显示屏的显示效果并不能让人满意，例如，室外的自动售卖机、公交站台显示屏、大型户外广告屏幕都存在完全或部分被阳光照射，造成显示内容不清晰的问题，而室内的KTV、舞台及展厅等地方的显示屏经过特殊色调的灯光照射时，也经常导致显示屏的展示效果下降。因此，现有的LCD显示屏大多存在显示内容不清晰的问题。
发明内容
本发明提供一种基于多色光线的色域控制方法、装置、设备及存储介质，其主要目的在于根据显示环境不同，自动化控制LCD显示屏中的色域，提高显示效果。
为实现上述目的，本发明提供的一种基于多色光线的色域控制方法，包括：
获取利用预构建的摄像头，每隔预设时间段对目标显示屏进行拍摄，得到的监控图像，及同时获取所述目标显示屏实时显示的图像，得到显示图像；
对所述监控图像进行角度拉正处理，得到拉正图像，并截取所述拉正图像中的所述目标显示屏的区域，得到矫正图像；
利用预训练的色彩协调性评估模型，对所述矫正图像进行色彩协调性评估，并根据评估结果，对所述矫正图像进行协调性等级区域划分及编号处理，并识别各个协调性等级区域的位置坐标范围；
根据所述显示图像对所述矫正图像进行基于多色光线的同步色彩修复，得到所述矫正图像中各个协调性等级区域对应的色彩修复参数；
将各个所述协调性等级区域对应的编号、所述位置坐标范围及所述色彩修复参数进行对应关系记录，得到色彩修复参数表，并根据所述色彩修复参数表，对在所述预设时间段内所述目标显示屏显示的图像进行色域控制。
可选的，所述根据所述显示图像对所述矫正图像进行基于多色光线的同步色彩修复，得到所述矫正图像中各个协调性等级区域对应的色彩修复参数，包括：
选取所述矫正图像中的每一个协调性等级区域对应的矫正图块，并查询所述矫正图块中含有的失真光线颜色集合，及所述显示图像中对应所述矫正图块区域的真实光线颜色集合；
根据预设的颜色增强策略及所述真实光线颜色集合，对所述失真光线颜色集合中的各个颜色进行基于色域及亮度的自适应调整，得到调整图块，并利用所述色彩协调性评估模型，对所述调整图块进行协调性评估，得到所述调整图块的评估分数；
当所述调整图块的评估分数大于预设的合格分数时，将所述调整图块作为修复图块；
将所述修复图块中各个颜色的色域及所述真实光线颜色集合中各个颜色的色域进行对比，得到色域位移集合，并提取所述修复图块与所述显示图像中对应所述矫正图块区域的亮度差；
将所述亮度差及所述色域位移集合作为所述目标协调性等级区域的色彩修复参数。
可选的，所述利用预训练的色彩协调性评估模型，对所述矫正图像进行色彩协调性评估，包括：
根据预构建的色彩体系，对所述矫正图像进行色彩量化，得到量化图像；
利用预训练的色彩协调性评估模型对所述量化图像进行特征提取，得到特征序列集合；
对所述特征序列集合进行基于色调、饱和度及亮度的色彩协调性识别，得到协调性识别分数；
根据预设的区间划分标准及所述协调性识别分数，将所述矫正图像进行协调性等级划分，得到所述评估结果。
可选的，所述利用预训练的色彩协调性评估模型，对所述矫正图像进行色彩协调性评估之前，所述方法还包括：
对预构建的样本图片集合进行基于色调、饱和度及亮度的加权评估计算，得到加权评估分数，并根据所述加权评估分数，对所述样本图片集中各个样本图片进行分数标注，得到标注图片集；
根据预设的分配策略，将所述标注图片集分配为测试集及训练集；
依次从所述训练集中提取一个训练样本，并利用预构建的色彩协调性评估模型对所述训练样本进行正向传播计算，得到模型预测分数；
利用交叉熵损失函数计算所述训练样本中标注的分数与所述模型预测分数之间的损失值，并最小化所述损失值，得到所述损失值最小时的模型参数；
利用所述模型参数对所述色彩协调性评估模型进行网络逆向更新，得到更新色彩协调性评估模型；
判断所述训练集中的训练样本是否全部参与训练；
当所述训练集中的训练样本未全部参与训练时，返回上述依次从所述训练集中提取一个训练样本，并利用预构建的色彩协调性评估模型对所述训练样本进行正向传播计算，得到模型预测分数的步骤，对所述更新色彩协调性评估模型进行迭代更新；
当所述训练集中的训练样本全部参与训练时，利用所述测试集对所述更新色彩协调性评估模型进行准确性测试，得到测试准确率；
判断所述测试准确率是否小于预设的合格阈值；
当所述测试准确率小于所述合格阈值时，返回上述根据预设的分配策略，将所述标注图片集分配为测试集及训练集的步骤，对所述更新色彩协调性评估模型进行迭代更新；
当所述测试准确率大于或等于所述合格阈值时，将最后更新的所述更新色彩协调性评估模型作为训练完成的色彩协调性评估模型。
可选的，所述根据所述色彩修复参数表，对在所述预设时间段内所述目标显示屏显示的图像进行色域控制，包括：
根据所述色彩修复参数表中的编号，配置多线程；
获取所述预设时间段内所述目标显示屏显示的图像，作为待增强图像；
利用线程控制器，根据所述色彩修复参数表，查询每个线程负责的所述待增强图像的位置坐标范围，及所述位置坐标范围对应的色彩修复参数；
查询所述待增强图像中的处于所述位置坐标范围内的待增强色域集合，并根据所述色彩修复参数，对所述待增强色域集合中各个待增强色域的色域进行位移，及对亮度差进行调节。
可选的，所述对所述监控图像进行角度拉正处理，得到拉正图像，包括：
获取所述摄像头对所述目标显示屏的拍摄角度向量，计算所述拍摄角度向量及预设的目标拉正角度向量的线性变化参数；
根据所述线性变化参数，对所述监控图像进行矩阵转置，得到拉正图像。
可选的，所述截取所述拉正图像中的所述目标显示屏的区域，得到矫正图像，包括：
利用预构建的显示屏识别网络，对所述拉正图像进行图像特征识别，并对图像特征识别结果进行基于对象突变及色彩突变的分界线识别，得到分界线集合；
获取所述分界线集合中的各个分界线合围区域，并对所述各个分界线合围区域进行显示屏二分类判断，将识别分数最高的分界线合围区域作为所述拉正图像中的目标显示区域；
利用softmax激活函数对所述目标显示区域进行标签框构建操作，并利用图像处理工具，根据所述标签框进行图像截取，得到矫正图像。
为了解决上述问题，本发明还提供一种基于多色光线的色域控制装置，所述装置包括：
对比图像获取模块，用于获取利用预构建的摄像头，每隔预设时间段对目标显示屏进行拍摄，得到的监控图像，及同时获取所述目标显示屏实时显示的图像，得到显示图像，及对所述监控图像进行角度拉正处理，得到拉正图像，并截取所述拉正图像中的所述目标显示屏的区域，得到矫正图像；
协调性区域划分模块，用于利用预训练的色彩协调性评估模型，对所述矫正图像进行色彩协调性评估，并根据评估结果，对所述矫正图像进行协调性等级区域划分及编号处理，并识别各个协调性等级区域的位置坐标范围；
色彩修复区域，用于根据所述显示图像对所述矫正图像进行基于多色光线的同步色彩修复，得到所述矫正图像中各个协调性等级区域对应的色彩修复参数；
图像增强模块，用于将各个所述协调性等级区域对应的编号、所述位置坐标范围及所述色彩修复参数进行对应关系记录，得到色彩修复参数表，并根据所述色彩修复参数表，对在所述预设时间段内所述目标显示屏显示的图像进行色域控制。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述所述的基于多色光线的色域控制方法。
为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的基于多色光线的色域控制方法。
本发明实施例利用预构建的摄像头，定时监控目标显示屏，确定目标显示屏的显示环境，并通过角度拉正处理，获取目标显示屏的矫正图像，然后，利用预训练的色彩协调性评估模型能够识别目标显示屏中各个区域的显示效果，从而判定目标显示屏中各个需要进行色域调节的区域；进一步的，本发明通过获取目标显示屏的显示图像，对色域的调节进行把控，从而得到色彩修复参数，并且可以通过所述色彩修复参数，对在所述预设时间段内所述目标显示屏实时显示的图像进行色域控制，进而提升目标显示屏的显示效果。因此，本发明实施例提供的基于多色光线的色域控制方法、装置、设备及存储介质，能够在于根据显示环境不同，自动化控制LCD显示屏中的色域，提高显示效果。
附图说明
图1为本发明一实施例提供的基于多色光线的色域控制方法的流程示意图；
图2为本发明一实施例提供的基于多色光线的色域控制方法中一个步骤的详细流程示意图；
图3为本发明一实施例提供的基于多色光线的色域控制方法中一个步骤的详细流程示意图；
图4为本发明一实施例提供的基于多色光线的色域控制方法中一个步骤的详细流程示意图；
图5为本发明一实施例提供的基于多色光线的色域控制装置的功能模块图；
图6为本发明一实施例提供的实现所述基于多色光线的色域控制方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种基于多色光线的色域控制方法。本申请实施例中，所述基于多色光线的色域控制方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述基于多色光线的色域控制方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(ContentDelivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示，为本发明一实施例提供的基于多色光线的色域控制方法的流程示意图。在本实施例中，所述基于多色光线的色域控制方法包括：
S1、获取利用预构建的摄像头，每隔预设时间段对目标显示屏进行拍摄，得到的监控图像，及同时获取所述目标显示屏实时显示的图像，得到显示图像。
本发明实施例中，所述目标显示屏可以为户外大型显示屏，如大厦广告、车站显示屏等，因此，本发明可以将所述摄像头安装至所述目标显示屏的框架上或任何能够对所述目标显示屏进行拍摄的位置上。
此外，本发明实施例中，可以通过定时任务每隔预设时间段对所述目标显示屏进行定时拍摄，把控目标显示屏的显示环境，或通过均匀分布的光敏设备，当光敏数据发生波动时，对目标显示屏进行拍摄，得到监控图像。
进一步的，本发明实施例中，在所述摄像头拍摄目标显示屏的同一时间点，即可通过预设接口，获取所述目标显示屏中正在展示的显示图像，从而对所述监控图像与显示图像进行对比，方便图像修复。
S2、对所述监控图像进行角度拉正处理，得到拉正图像，并截取所述拉正图像中的所述目标显示屏的区域，得到矫正图像。
本发明实施例中，受限于摄像头安装位置，无法总是正对所述目标显示屏或处于观众视角的位置上，因此，无法获取所述目标显示屏的正面图像，因此本发明实施例需要对所述摄像头拍摄的目标显示屏进行角度拉正处理。
详细的，本发明实施例中，所述对所述监控图像进行角度拉正处理，得到拉正图像，包括：获取所述摄像头对所述目标显示屏的拍摄角度向量，计算所述拍摄角度向量及预设的目标拉正角度向量的线性变化参数；根据所述线性变化参数，对所述监控图像进行矩阵转置，得到拉正图像。
本发明实施例中，可以默认以所述目标显示屏的中心点为原点，目标显示屏为yz平面，构建直角坐标系，并在安装所述摄像头时，配置好所述摄像头对于所述中心点的拍摄角度向量
。由所述直角坐标系可知，所述目标显示屏的目标拉正角度向量
为（0，0，x），则所述拍摄角度向量想要转换成所述目标拉正角度，需要一个线性变化参数A及平移参数b，则可得出
，但由于本发明实施例中仅需要对所述监控图像对应的面矩阵进行线性变化，因此不考虑所述平移参数b，则直接可求出所述线性变化参数A，然后根据所述线性变化参数A对所述监控图像进行矩阵转置运算，得到拉正图像。
进一步的，本发明实施例中，所述截取所述拉正图像中的所述目标显示屏的区域，得到显示图像，包括：利用预构建的显示屏识别网络，对所述拉正图像进行图像特征识别，并对图像特征识别结果进行基于对象突变及色彩突变的分界线识别，得到分界线集合；获取所述分界线集合中的各个分界线合围区域，并对所述各个分界线合围区域进行显示屏二分类判断，将识别分数最高的分界线合围区域作为所述拉正图像中的目标显示屏区域；利用softmax激活函数对所述目标显示屏区域进行标签框构建操作，并利用图像处理工具，根据所述标签框进行图像截取，得到矫正图像。
其中，所述显示屏识别网络是基于神经网络及决策树森林的网络，用于识别图像中出现的全部对象，并根据对象类别及色彩颜色进行决策树划分，选定边界并确定显示屏，其中，网络训练方法此处不加以赘述。
S3、利用预训练的色彩协调性评估模型，对所述矫正图像进行色彩协调性评估，并根据评估结果，对所述矫正图像进行协调性等级区域划分及编号处理，并识别各个协调性等级区域的位置坐标范围。
本发明实施例中，所述色彩协调性评估模型是一种基于卷积神经网络的图像识别模型，用于根据色彩心理学知识，识别所述显示图像中色调、饱和度及亮度的协调性识别分数，并进行加权求和，进而综合性识别所述显示图像的协调性的模型。
详细的，参考图2所示，本发明实施例中，所述利用预训练的色彩协调性评估模型，对所述矫正图像进行色彩协调性评估，包括：
S31、根据预构建的色彩体系，对所述矫正图像进行色彩量化，得到量化图像；
S32、利用预训练的色彩协调性评估模型对所述量化图像进行特征提取，得到特征序列集合；
S33、对所述特征序列集合进行基于色调、饱和度及亮度的色彩协调性识别，得到协调性识别分数；
S34、根据预设的区间划分标准及所述协调性识别分数，将所述矫正图像进行协调性等级划分，得到所述评估结果。
其中，所述预构建的色彩体系是一种为了能够将色彩，依心理性或心理物理特性进行定量化表示所设定的色彩表示体系、色序系统、混色体系及色名体系等。本发明实施例中所述色彩协调性评估模型是为了识别所述显示图像是否协调，而不是对颜色的突变性进行识别，因此，本发明实施例利用混色体系中的CLE色彩体系对所述显示图像进行量化，得到量化图像。
进一步地，本发明实施例利用所述色彩协调性评估模型中的特征提取网络，对所述量化图像进行卷积操作，得到卷积矩阵集合，并通过池化及扁平化操作对卷积矩阵集合进行降维，得到一维的特征序列集合，然后本发明实施例根据所述特征序列集合，识别所述显示图像中各个区域色调、饱和度、亮度综合的协调性分数，并根据预设的区间划分标准及所述协调性分数，在所述显示图像中构建协调性等级的分界线，从而划分各个协调性等级区域。
进一步地，本发明实施例将各个协调性等级区域的位置坐标范围进行记录，并标记一个编号，方便后续分线程处理。
进一步的，参考图3所示，本发明实施例中，所述利用预训练的色彩协调性评估模型，对所述显示图像进行色彩协调性评估之前，所述方法还包括：
S301、对预构建的样本图片集合进行基于色调、饱和度及亮度的加权评估计算，得到加权评估分数，并根据所述加权评估分数，对所述样本图片集中各个样本图片进行分数标注，得到标注图片集；
S302、根据预设的分配策略，将所述标注图片集分配为测试集及训练集；
S303、依次从所述训练集中提取一个训练样本，并利用预构建的色彩协调性评估模型对所述训练样本进行正向传播计算，得到模型预测分数；
S304、利用交叉熵损失函数计算所述训练样本中标注的分数与所述模型预测分数之间的损失值，并最小化所述损失值，得到所述损失值最小时的模型参数；
S305、利用所述模型参数对所述色彩协调性评估模型进行网络逆向更新，得到更新色彩协调性评估模型；
S306、判断所述训练集中的训练样本是否全部参与训练；
当所述训练集中的训练样本未全部参与训练时，返回上述S303的步骤，对所述更新色彩协调性评估模型进行迭代更新；
当所述训练集中的训练样本全部参与训练时，S307、利用所述测试集对所述更新色彩协调性评估模型进行准确性测试，得到测试准确率；
S308、判断所述测试准确率是否小于预设的合格阈值；
当所述测试准确率小于所述合格阈值时，返回上述S302的步骤，对所述更新色彩协调性评估模型进行迭代更新；
当所述测试准确率大于或等于所述合格阈值时，S309、将所述最后更新的更新色彩协调性评估模型作为训练完成的色彩协调性评估模型。
其中，本发明实施例中，各个样本图片集合中的样本图片都是协调性等级不同，但图内协调性等级均匀的图片，本发明实施例通过基于色彩心理学的算法，分别对色调、饱和度及亮度进行分析，并将分析结果进行加权，得到各个样本图片可标注的分数。
进一步的，本发明实施例中，所述分配策略是指根据预设比例如8：2，将所述标注图片集中的图片随机分为两组：训练集及测试集。
当得到训练集后，本发明实施例通过正向传播计算，得到模型预测分数，然后通过交叉熵损失函数对所述模型预测分数与所述训练样本中已标注的分数进行损失值计算，再通过逆向反馈（back propagation，BP）神经网络，将最小化损失值时的模型参数进行网络逆向更新，由此完成一次训练，得到更新色彩协调性评估模型。
本发明实施例中，当所述训练集中的训练样本全部参与训练后，可以通过所述测试集对所述更新色彩协调性评估模型进行准确性测试，若所述准确性测试不通过，则重新对所述训练集及测试集打乱顺序，再次进行训练；若通过，则将所述更新色彩协调性评估模型作为训练完成的色彩协调性评估模型。其中，所述准确性测试是指利用所述更新色彩协调性评估模型对所述测试集进行执行，并将执行结果与实际结果对比，得到测试准确率的方法。
S4、根据所述显示图像对所述矫正图像进行基于多色光线的同步色彩修复，得到所述矫正图像中各个协调性等级区域对应的色彩修复参数。
详细的，参考图4所示，本发明实施例中，所述S4的步骤，包括：
S41、选取所述矫正图像中的协调性等级区域对应的矫正图块，并查询所述矫正图块中含有的失真光线颜色集合，及所述显示图像中对应所述矫正图块区域的真实光线颜色集合；
S42、根据预设的颜色增强策略及所述真实光线颜色集合，对所述失真光线颜色集合中的各个颜色进行基于色域及亮度的自适应调整，得到调整图块，并利用所述色彩协调性评估模型，对所述调整图块进行协调性评估，得到所述调整图块的评估分数；
S43、判断所述调整图块的评估分数是否大于预设的合格分数；
当所述调整图块的评估分数小于预设的合格分数时，返回上述S42的步骤，对所述调整图块进行调整；
当所述调整图块的评估分数大于或等于预设的合格分数时，S44、将所述调整图块作为修复图块；
S45、将所述修复图块中各个颜色的色域及所述真实光线颜色集合中各个颜色的色域进行对比，得到色域位移集合，并提取所述修复图块与所述显示图像中对应所述矫正图块区域的亮度差；
S46、将所述亮度差及所述色域位移集合作为所述目标协调性等级区域的色彩修复参数；
S47、判断所述矫正图像中是否还有未选取的协调性等级区域对应的矫正图块；
若存在未选取的协调性等级区域对应的矫正图块，则返回上述的S41，否则，若不存在未选取的协调性等级区域对应的矫正图块，则结束流程。
本发明实施例中，所述矫正图像中不同的协调性等级区域需要不同程度的色彩修复参数，因此，本发明根据所述颜色增强策略分别对各个协调性等级区域进行色彩修复。
其中，所述颜色增强策略是指，在目标协调性等级区域各个颜色类别在各颜色色域的预设范围内进行色域的遍历组合，例如，所述矫正图像中一个目标协调性等级区域的一个主颜色的色域为435nm波段所代表的蓝色，则所述色域的遍历组合时，提取（435-25nm，435+25nm）色域区间中的各个蓝色与环境光色及其他颜色进行遍历组合，且所述其他颜色此时也是同理，最终找到目标颜色的偏移色域与环境光结合后，最接近所述目标颜色的偏移色域，且当各个颜色的偏移色域都查询成功后，对所述色域组合进行亮度的逐渐提高，并通过所述色彩协调性评估模型进行监督，当协调性等级满足正常的视觉需求等级时，即可停止增加亮度，得到修复图像，并记录各个颜色的亮度差及色域位移量，得到色域位移集合，并将所述亮度差集所述色域位移集合作为所述目标协调性等级区域的色彩修复参数。
S5、将各个所述协调性等级区域对应的编号、所述位置坐标范围及所述色彩修复参数进行对应关系记录，得到色彩修复参数表，并根据所述色彩修复参数表，对在所述预设时间段内所述目标显示屏实时显示的图像进行色域控制。
本发明实施例根据上述S4的步骤，得到各个所述协调性等级区域的色彩修复参数，然后通过将所述编号作为键，所述位置坐标范围及所述色彩修复参数的两个项作为值，构建键值对，得到色彩修复参数表。
详细的，本发明实施例中，所述根据所述色彩修复参数表，对在所述预设时间段内所述目标显示屏实时显示的图像进行色域控制，包括：根据所述色彩修复参数表中编号，配置多线程；获取所述预设时间段内所述目标显示屏显示的图像，作为待增强图像；利用线程控制器，根据所述色彩修复参数表，查询每个线程负责的所述待增强图像的位置坐标范围，及所述位置坐标范围对应的色彩修复参数；查询所述待增强图像中的处于所述位置坐标范围内的待增强色域集合，并根据所述色彩修复参数，对所述待增强色域集合中各个待增强色域的色域进行位移，及对亮度差进行调节。
本发明实施例中，可以将所述色彩修复参数表配置到所述线程控制器中，所述编号每多一个，本发明实施例中的线程控制器则多产生一个线程，且每当所述摄像头拍摄一次，则更新一次所述色彩修复参数表。从而实现所述目标显示屏的显示效果可以随时根据环境分区域地进行自适应调整。
本发明实施例利用预构建的摄像头，定时监控目标显示屏，确定目标显示屏的显示环境，并通过角度拉正处理，获取目标显示屏的矫正图像，然后，利用预训练的色彩协调性评估模型能够识别目标显示屏中各个区域的显示效果，从而判定目标显示屏中各个需要进行色域调节的区域；进一步的，本发明通过获取目标显示屏的显示图像，对色域的调节进行把控，从而得到色彩修复参数，并且可以通过所述色彩修复参数，对在所述预设时间段内所述目标显示屏实时显示的图像进行色域控制，进而提升目标显示屏的显示效果。因此，本发明实施例提供的基于多色光线的色域控制方法，能够在于根据显示环境不同，自动化控制LCD显示屏中的色域，提高显示效果。
如图5所示，是本发明一实施例提供的基于多色光线的色域控制装置的功能模块图。
本发明所述基于多色光线的色域控制装置100可以安装于电子设备中。根据实现的功能，所述基于多色光线的色域控制装置100可以包括对比图像获取模块101、协调性区域划分模块102、色彩修复区域103及图像增强模块104。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述对比图像获取模块101，用于获取利用预构建的摄像头，每隔预设时间段对目标显示屏进行拍摄，得到的监控图像，及同时获取所述目标显示屏实时显示的图像，得到显示图像，及对所述监控图像进行角度拉正处理，得到拉正图像，并截取所述拉正图像中的所述目标显示屏的区域，得到矫正图像；
所述协调性区域划分模块102，用于利用预训练的色彩协调性评估模型，对所述矫正图像进行色彩协调性评估，并根据评估结果，对所述矫正图像进行协调性等级区域划分及编号处理，并识别各个协调性等级区域的位置坐标范围；
所述色彩修复区域103，用于根据所述显示图像对所述矫正图像进行基于多色光线的同步色彩修复，得到所述矫正图像中各个协调性等级区域对应的色彩修复参数；
所述图像增强模块104，用于将各个所述协调性等级区域对应的编号、所述位置坐标范围及所述色彩修复参数进行对应关系记录，得到色彩修复参数表，并根据所述色彩修复参数表，对在所述预设时间段内所述目标显示屏显示的图像进行色域控制。
详细地，本申请实施例中所述基于多色光线的色域控制装置100中所述的各模块在使用时采用与上述图1至图4中所述的基于多色光线的色域控制方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
如图6所示，是本发明一实施例提供的实现基于多色光线的色域控制方法的电子设备1的结构示意图。
所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如基于多色光线的色域控制程序。
其中，所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器（Central Processing Unit，CPU）、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备1的控制核心（ControlUnit），利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块（例如执行基于多色光线的色域控制程序等），以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。
所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器（例如：SD或DX存储器等）、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡（Smart Media Card，SMC）、安全数字（Secure Digital，SD）卡、闪存卡（Flash Card）等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如基于多色光线的色域控制程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线12可以是外设部件互连标准（Peripheral ComponentInterconnect，简称PCI）总线或扩展工业标准结构（Extended Industry StandardArchitecture，简称EISA）总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
所述通信接口13用于上述电子设备1与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口（如WI-FI接口、蓝牙接口等），通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器（Display）、输入单元（比如键盘（Keyboard）），可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED（Organic Light-Emitting Diode，有机发光二极管）触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
图6仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图6示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备1还可以包括给各个部件供电的电源（比如电池），优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的基于多色光线的色域控制程序是多个指令的组合，在所述处理器10中运行时，可以实现：
利用预构建的摄像头，每隔预设时间段对目标显示屏进行拍摄，得到监控图像，及同时获取所述目标显示屏实时显示的图像，得到显示图像；
对所述监控图像进行角度拉正处理，得到拉正图像，并截取所述拉正图像中的所述目标显示屏的区域，得到矫正图像；
利用预训练的色彩协调性评估模型，对所述矫正图像进行色彩协调性评估，并根据评估结果，对所述矫正图像进行协调性等级区域划分及编号处理，并识别各个协调性等级区域的位置坐标范围；
根据所述显示图像对所述矫正图像进行基于多色光线的同步色彩修复，得到所述矫正图像中各个协调性等级区域对应的色彩修复参数；
将各个所述协调性等级区域对应的编号、所述位置坐标范围及所述色彩修复参数进行对应关系记录，得到色彩修复参数表，并根据所述色彩修复参数表，对在所述预设时间段内所述目标显示屏实时显示的图像进行色域控制。
具体地，所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM，Read-Only Memory）。
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
利用预构建的摄像头，每隔预设时间段对目标显示屏进行拍摄，得到监控图像，及同时获取所述目标显示屏实时显示的图像，得到显示图像；
对所述监控图像进行角度拉正处理，得到拉正图像，并截取所述拉正图像中的所述目标显示屏的区域，得到矫正图像；
利用预训练的色彩协调性评估模型，对所述矫正图像进行色彩协调性评估，并根据评估结果，对所述矫正图像进行协调性等级区域划分及编号处理，并识别各个协调性等级区域的位置坐标范围；
根据所述显示图像对所述矫正图像进行基于多色光线的同步色彩修复，得到所述矫正图像中各个协调性等级区域对应的色彩修复参数；
将各个所述协调性等级区域对应的编号、所述位置坐标范围及所述色彩修复参数进行对应关系记录，得到色彩修复参数表，并根据所述色彩修复参数表，对在所述预设时间段内所述目标显示屏实时显示的图像进行色域控制。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能（Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种基于多色光线的色域控制方法，其特征在于，所述方法包括：
获取利用预构建的摄像头，每隔预设时间段对目标显示屏进行拍摄，得到的监控图像，及同时获取所述目标显示屏实时显示的图像，得到显示图像；
对所述监控图像进行角度拉正处理，得到拉正图像，并截取所述拉正图像中的所述目标显示屏的区域，得到矫正图像；
利用预训练的色彩协调性评估模型，对所述矫正图像进行色彩协调性评估，并根据评估结果，对所述矫正图像进行协调性等级区域划分及编号处理，并识别各个协调性等级区域的位置坐标范围；
根据所述显示图像对所述矫正图像进行基于多色光线的同步色彩修复，得到所述矫正图像中各个协调性等级区域对应的色彩修复参数；
将各个所述协调性等级区域对应的编号、所述位置坐标范围及所述色彩修复参数进行对应关系记录，得到色彩修复参数表，并根据所述色彩修复参数表，对在所述预设时间段内所述目标显示屏显示的图像进行色域控制。
2.如权利要求1所述的基于多色光线的色域控制方法，其特征在于，所述根据所述显示图像对所述矫正图像进行基于多色光线的同步色彩修复，得到所述矫正图像中各个协调性等级区域对应的色彩修复参数，包括：
选取所述矫正图像中的每一个协调性等级区域对应的矫正图块，并查询所述矫正图块中含有的失真光线颜色集合，及所述显示图像中对应所述矫正图块区域的真实光线颜色集合；
根据预设的颜色增强策略及所述真实光线颜色集合，对所述失真光线颜色集合中的各个颜色进行基于色域及亮度的自适应调整，得到调整图块，并利用所述色彩协调性评估模型，对所述调整图块进行协调性评估，得到所述调整图块的评估分数；
当所述调整图块的评估分数大于预设的合格分数时，将所述调整图块作为修复图块；
将所述修复图块中各个颜色的色域及所述真实光线颜色集合中各个颜色的色域进行对比，得到色域位移集合，并提取所述修复图块与所述显示图像中对应所述矫正图块区域的亮度差；
将所述亮度差及所述色域位移集合作为所述目标协调性等级区域的色彩修复参数。
3.如权利要求1所述的基于多色光线的色域控制方法，其特征在于，所述利用预训练的色彩协调性评估模型，对所述矫正图像进行色彩协调性评估，包括：
根据预构建的色彩体系，对所述矫正图像进行色彩量化，得到量化图像；
利用预训练的色彩协调性评估模型对所述量化图像进行特征提取，得到特征序列集合；
对所述特征序列集合进行基于色调、饱和度及亮度的色彩协调性识别，得到协调性识别分数；
根据预设的区间划分标准及所述协调性识别分数，将所述矫正图像进行协调性等级划分，得到所述评估结果。
4.如权利要求1所述的基于多色光线的色域控制方法，其特征在于，所述利用预训练的色彩协调性评估模型，对所述矫正图像进行色彩协调性评估之前，所述方法还包括：
对预构建的样本图片集合进行基于色调、饱和度及亮度的加权评估计算，得到加权评估分数，并根据所述加权评估分数，对所述样本图片集中各个样本图片进行分数标注，得到标注图片集；
根据预设的分配策略，将所述标注图片集分配为测试集及训练集；
依次从所述训练集中提取一个训练样本，并利用预构建的色彩协调性评估模型对所述训练样本进行正向传播计算，得到模型预测分数；
利用交叉熵损失函数计算所述训练样本中标注的分数与所述模型预测分数之间的损失值，并最小化所述损失值，得到所述损失值最小时的模型参数；
利用所述模型参数对所述色彩协调性评估模型进行网络逆向更新，得到更新色彩协调性评估模型；
判断所述训练集中的训练样本是否全部参与训练；
当所述训练集中的训练样本未全部参与训练时，返回上述依次从所述训练集中提取一个训练样本，并利用预构建的色彩协调性评估模型对所述训练样本进行正向传播计算，得到模型预测分数的步骤，对所述更新色彩协调性评估模型进行迭代更新；
当所述训练集中的训练样本全部参与训练时，利用所述测试集对所述更新色彩协调性评估模型进行准确性测试，得到测试准确率；
判断所述测试准确率是否小于预设的合格阈值；
当所述测试准确率小于所述合格阈值时，返回上述根据预设的分配策略，将所述标注图片集分配为测试集及训练集的步骤，对所述更新色彩协调性评估模型进行迭代更新；
当所述测试准确率大于或等于所述合格阈值时，将最后更新的所述更新色彩协调性评估模型作为训练完成的色彩协调性评估模型。
5.如权利要求1所述的基于多色光线的色域控制方法，其特征在于，所述根据所述色彩修复参数表，对在所述预设时间段内所述目标显示屏显示的图像进行色域控制，包括：
根据所述色彩修复参数表中的编号，配置多线程；
获取所述预设时间段内所述目标显示屏显示的图像，作为待增强图像；
利用线程控制器，根据所述色彩修复参数表，查询每个线程负责的所述待增强图像的位置坐标范围，及所述位置坐标范围对应的色彩修复参数；
查询所述待增强图像中的处于所述位置坐标范围内的待增强色域集合，并根据所述色彩修复参数，对所述待增强色域集合中各个待增强色域的色域进行位移，及对亮度差进行调节。
6.如权利要求1所述的基于多色光线的色域控制方法，其特征在于，所述对所述监控图像进行角度拉正处理，得到拉正图像，包括：
获取所述摄像头对所述目标显示屏的拍摄角度向量，计算所述拍摄角度向量及预设的目标拉正角度向量的线性变化参数；
根据所述线性变化参数，对所述监控图像进行矩阵转置，得到拉正图像。
7.如权利要求1所述的基于多色光线的色域控制方法，其特征在于，所述截取所述拉正图像中的所述目标显示屏的区域，得到矫正图像，包括：
利用预构建的显示屏识别网络，对所述拉正图像进行图像特征识别，并对图像特征识别结果进行基于对象突变及色彩突变的分界线识别，得到分界线集合；
获取所述分界线集合中的各个分界线合围区域，并对所述各个分界线合围区域进行显示屏二分类判断，将识别分数最高的分界线合围区域作为所述拉正图像中的目标显示区域；
利用softmax激活函数对所述目标显示区域进行标签框构建操作，并利用图像处理工具，根据所述标签框进行图像截取，得到矫正图像。
8.一种基于多色光线的色域控制装置，其特征在于，所述装置包括：
对比图像获取模块，用于获取利用预构建的摄像头，每隔预设时间段对目标显示屏进行拍摄，得到的监控图像，及同时获取所述目标显示屏实时显示的图像，得到显示图像，及对所述监控图像进行角度拉正处理，得到拉正图像，并截取所述拉正图像中的所述目标显示屏的区域，得到矫正图像；
协调性区域划分模块，用于利用预训练的色彩协调性评估模型，对所述矫正图像进行色彩协调性评估，并根据评估结果，对所述矫正图像进行协调性等级区域划分及编号处理，并识别各个协调性等级区域的位置坐标范围；
色彩修复区域，用于根据所述显示图像对所述矫正图像进行基于多色光线的同步色彩修复，得到所述矫正图像中各个协调性等级区域对应的色彩修复参数；
图像增强模块，用于将各个所述协调性等级区域对应的编号、所述位置坐标范围及所述色彩修复参数进行对应关系记录，得到色彩修复参数表，并根据所述色彩修复参数表，对在所述预设时间段内所述目标显示屏显示的图像进行色域控制。
9.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至7中任意一项所述的基于多色光线的色域控制方法。
10.一种计算机可读存储介质，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如权利要求1至7中任意一项所述的基于多色光线的色域控制方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211017803.9A CN115311167B (zh) | 2022-08-24 | 2022-08-24 | 基于多色光线的色域控制方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211017803.9A CN115311167B (zh) | 2022-08-24 | 2022-08-24 | 基于多色光线的色域控制方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115311167A true CN115311167A (zh) | 2022-11-08 |
| CN115311167B CN115311167B (zh) | 2023-04-04 |
Family
ID=83864811
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211017803.9A Active CN115311167B (zh) | 2022-08-24 | 2022-08-24 | 基于多色光线的色域控制方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115311167B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117857916A (zh) * | 2024-03-08 | 2024-04-09 | 深圳市元亨光电股份有限公司 | 基于人工智能的mini led显示方法及装置 |
| CN117857762A (zh) * | 2024-03-08 | 2024-04-09 | 深圳市东陆科技有限公司 | 显示模组的图像处理方法、装置、芯片及存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20070078682A (ko) * | 2006-01-27 | 2007-08-01 | 타이완 티에프티 엘씨디 오쏘시에이션 | 디스플레이의 다이나믹 영상 컬러 편이의 평가 시스템 및평가 방법 |
| CN107408367A (zh) * | 2015-03-20 | 2017-11-28 | 华为技术有限公司 | 一种校正显示屏不均匀的方法、装置及系统 |
| CN110992913A (zh) * | 2020-01-01 | 2020-04-10 | 山水电子(中国)有限公司 | 一种液晶显示屏颜色补充校正方法 |
| CN112991333A (zh) * | 2021-04-21 | 2021-06-18 | 强基(上海)医疗器械有限公司 | 一种内窥镜手术中基于语音分析的图像处理方法及系统 |
| CN113450687A (zh) * | 2020-03-24 | 2021-09-28 | 西安诺瓦星云科技股份有限公司 | 色彩管理校正方法、装置和系统 |
| CN114120307A (zh) * | 2021-12-02 | 2022-03-01 | 壹沓科技(上海)有限公司 | 显示内容的识别方法、装置、设备和存储介质 |
| CN114691071A (zh) * | 2020-12-28 | 2022-07-01 | 深圳Tcl数字技术有限公司 | 一种显示调整方法、计算机可读存储介质及终端设备 |
-
2022
- 2022-08-24 CN CN202211017803.9A patent/CN115311167B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20070078682A (ko) * | 2006-01-27 | 2007-08-01 | 타이완 티에프티 엘씨디 오쏘시에이션 | 디스플레이의 다이나믹 영상 컬러 편이의 평가 시스템 및평가 방법 |
| CN107408367A (zh) * | 2015-03-20 | 2017-11-28 | 华为技术有限公司 | 一种校正显示屏不均匀的方法、装置及系统 |
| CN110992913A (zh) * | 2020-01-01 | 2020-04-10 | 山水电子(中国)有限公司 | 一种液晶显示屏颜色补充校正方法 |
| CN113450687A (zh) * | 2020-03-24 | 2021-09-28 | 西安诺瓦星云科技股份有限公司 | 色彩管理校正方法、装置和系统 |
| CN114691071A (zh) * | 2020-12-28 | 2022-07-01 | 深圳Tcl数字技术有限公司 | 一种显示调整方法、计算机可读存储介质及终端设备 |
| CN112991333A (zh) * | 2021-04-21 | 2021-06-18 | 强基(上海)医疗器械有限公司 | 一种内窥镜手术中基于语音分析的图像处理方法及系统 |
| CN114120307A (zh) * | 2021-12-02 | 2022-03-01 | 壹沓科技(上海)有限公司 | 显示内容的识别方法、装置、设备和存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| 何俊辉;郭太良;: "FED显示器色彩校正方法研究" * |
| 王晓红;卢辉;麻祥才;王禹琛;肖颖;: "不同亮度下无参考图像质量评价方法" * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117857916A (zh) * | 2024-03-08 | 2024-04-09 | 深圳市元亨光电股份有限公司 | 基于人工智能的mini led显示方法及装置 |
| CN117857762A (zh) * | 2024-03-08 | 2024-04-09 | 深圳市东陆科技有限公司 | 显示模组的图像处理方法、装置、芯片及存储介质 |
| CN117857762B (zh) * | 2024-03-08 | 2024-05-14 | 深圳市东陆科技有限公司 | 显示模组的图像处理方法、装置、芯片及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115311167B (zh) | 2023-04-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115311167B (zh) | 基于多色光线的色域控制方法、装置、设备及存储介质 | |
| CN107680542B (zh) | 一种分区背光控制方法及其装置 | |
| CN113283446B (zh) | 图像中目标物识别方法、装置、电子设备及存储介质 | |
| CN111898538B (zh) | 证件鉴伪方法、装置、电子设备及存储介质 | |
| CN112052850A (zh) | 车牌识别方法、装置、电子设备及存储介质 | |
| CN113705462B (zh) | 人脸识别方法、装置、电子设备及计算机可读存储介质 | |
| CN111835984A (zh) | 智能补光方法、装置、电子设备及存储介质 | |
| CN108596908B (zh) | Led显示屏检测方法、装置及终端 | |
| CN114758249B (zh) | 基于野外夜间环境的目标物监测方法、装置、设备及介质 | |
| CN112801062A (zh) | 直播视频识别方法、装置、设备及介质 | |
| CN112686131A (zh) | 图像处理方法、装置、设备及存储介质 | |
| CN114757854A (zh) | 基于多光谱分析的夜视图像质量提升方法、装置、设备 | |
| CN113888500A (zh) | 基于人脸图像的炫光程度检测方法、装置、设备及介质 | |
| CN116797864B (zh) | 基于智能镜子的辅助化妆方法、装置、设备及存储介质 | |
| CN116756710A (zh) | 基于特征标记追踪技术的开源治理方法、系统及电子设备 | |
| CN113792801B (zh) | 人脸炫光程度的检测方法、装置、设备及存储介质 | |
| CN115908175A (zh) | 低照度图像多级增强方法、装置、电子设备以及存储介质 | |
| CN114463685A (zh) | 行为识别方法、装置、电子设备及存储介质 | |
| CN113255456A (zh) | 非主动活体检测方法、装置、电子设备及存储介质 | |
| CN113869385A (zh) | 基于目标检测的海报比对方法、装置、设备及存储介质 | |
| CN113989548A (zh) | 证件分类模型训练方法、装置、电子设备及存储介质 | |
| CN113657499A (zh) | 基于特征选择的权益分配方法、装置、电子设备及介质 | |
| CN113222873B (zh) | 基于二维高斯分布的图像数据增强方法、装置及存储介质 | |
| CN113918769B (zh) | 视频中关键动作标记方法、装置、设备及存储介质 | |
| CN116994274A (zh) | 医疗应用的提示增强方法、装置、设备及存储介质 |
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 |