CN115408552B - 显示调整方法、装置、设备及存储介质 - Google Patents

显示调整方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN115408552B
CN115408552B CN202210897355.XA CN202210897355A CN115408552B CN 115408552 B CN115408552 B CN 115408552B CN 202210897355 A CN202210897355 A CN 202210897355A CN 115408552 B CN115408552 B CN 115408552B
Authority
CN
China
Prior art keywords
data
sample
display
image
color
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.)
Active
Application number
CN202210897355.XA
Other languages
English (en)
Other versions
CN115408552A (zh
Inventor
丁燕
魏纪超
杨沃树
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Panding Technology Co ltd
Original Assignee
Shenzhen Panding Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Panding Technology Co ltd filed Critical Shenzhen Panding Technology Co ltd
Priority to CN202210897355.XA priority Critical patent/CN115408552B/zh
Publication of CN115408552A publication Critical patent/CN115408552A/zh
Application granted granted Critical
Publication of CN115408552B publication Critical patent/CN115408552B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/5838—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using colour
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/451—Execution arrangements for user interfaces
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Library & Information Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Human Computer Interaction (AREA)
  • Controls And Circuits For Display Device (AREA)

Abstract

本发明属于电子设备技术领域，公开了一种显示调整方法、装置、设备及存储介质。该方法包括：获取样本图像，将所述样本图像分成若干像素块，根据所述若干像素块，确定样本像素块；根据所述样本像素块的像素颜色数据，得到所述样本像素块的样本主题颜色数据；获取所述样本像素块的样本显示数据与样本标准数据，根据所述样本主题颜色数据，建立样本显示数据与样本标准数据的对应关系数据库；获取待显示图像，根据所述对应关系数据库与待显示图像的主题颜色数据，对待显示图像进行调整。通过上述方式，建立图像与标准数据之间的对应关系数据库，根据对应关系数据库对图像进行调整，在显示屏出现偏色时，能够进行自动调整，提高用户的视觉体验。

Description

显示调整方法、装置、设备及存储介质
技术领域
本发明涉及电子设备技术领域，尤其涉及一种显示调整方法、装置、设备及存储介质。
背景技术
随着科技的发展，电子设备层出不穷，例如智能手机、平板电脑、台式电脑、笔记本电脑等，在工作、学习和生活中，人们越来越离不开这些电子设备，但电子设备在长时间使用后，会出现偏色问题，而且不同显示屏之间的显色往往大不相同，尤其是在查看图片时，用户很难分辨图片的正确颜色，然而手动调整显示参数达不到满意的效果，影响用户的视觉体验。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种显示调整方法、装置、设备及存储介质，旨在解决现有技术显示屏出现偏色时，手动调整显示参数达不到满意的效果，影响用户视觉体验的技术问题。
为实现上述目的，本发明提供了一种显示调整方法，所述方法包括以下步骤：
获取样本图像，将所述样本图像分成若干像素块，根据所述若干像素块，确定样本像素块；
根据所述样本像素块的像素颜色数据，得到所述样本像素块的样本主题颜色数据；
获取所述样本像素块的样本显示数据与样本标准数据，根据所述样本主题颜色数据，建立样本显示数据与样本标准数据的对应关系数据库；
获取待显示图像，根据所述对应关系数据库与待显示图像的主题颜色数据，对待显示图像进行调整。
可选地，所述根据所述样本像素块得到所述样本像素块的样本主题颜色数据，包括：
获取样本像素块的像素颜色数据；
根据所述像素颜色数据，确定颜色分量数据；
根据所述颜色分量数据得到颜色分量分布数据；
根据所述颜色分量分布数据，得到像素颜色分布数据；
根据所述像素颜色分布数据，确定所述样本像素块的样本主题颜色数据。
可选地，所述获取所述样本像素块的样本显示数据与样本标准数据，根据所述样本主题颜色数据，建立样本显示数据与样本标准数据的对应关系数据库，包括：
获取所述样本像素块的样本显示数据及样本标准数据；
根据所述样本主题颜色数据、样本显示数据及样本标准数据确定权重数据；
根据所述权重数据得到输出数据，根据所述输出数据得到误差数据；
在所述误差数据达到预设数据目标时，根据所述权重数据确定所述样本显示数据与样本标准数据的对应关系；
根据所述样本显示数据与样本标准数据的对应关系及样本主题颜色数据，建立样本显示数据与样本标准数据的对应关系数据库。
可选地，所述将所述样本像素块的样本显示数据及样本标准数据输入径向基函数神经网络，根据所述样本像素块的样本主题颜色数据确定权重数据，包括：
将所述样本像素块的样本显示数据及样本标准数据输入径向基函数神经网络；
根据所述样本主题颜色数据确定中心数据；
根据所述中心数据与样本显示数据得到所述中心数据与样本显示数据之间的距离数据；
根据所述距离数据确定径向基函数；
获取所述径向基函数、样本显示数据以及样本标准数据之间的关系；
根据所述径向基函数、样本显示数据以及样本标准数据之间的关系，得到权重数据。
可选地，所述根据所述权重数据得到输出数据，根据所述输出数据得到误差数据，包括：
获取权重数据、样本显示数据、样本标准数据、径向基函数、中心数据、输出数据与误差数据之间的关系；
根据所述权重数据、样本显示数据、样本标准数据、径向基函数、中心数据、输出数据与误差数据之间的关系，得到误差数据。
可选地，所述根据所述权重数据得到输出数据，根据所述输出数据得到误差数据之后，还包括：
在所述误差数据未达到预设数据目标时，获取误差数据、误差系数、样本显示数据、样本标准数据、径向基函数、输出数据与权重数据之间的关系；
根据所述误差数据、误差系数、样本显示数据、样本标准数据、径向基函数、输出数据与权重数据之间的关系，得到新的权重数据；
根据所述新的权重数据更新所述权重数据；
返回执行根据所述权重数据得到输出数据，根据所述输出数据得到误差数据的步骤。
可选地，所述获取待显示图像，根据所述对应关系与待显示图像的主题颜色数据，对待显示图像进行调整，包括：
获取待显示图像与所述待显示图像的主题颜色数据；
根据所述主题颜色数据，在样本显示数据与样本标准数据的对应关系数据库中，确定当前样本显示数据与样本标准数据的对应关系；
获取待显示图像的显示数据，根据所述当前样本显示数据与样本标准数据的对应关系，得到目标显示数据；
根据所述目标显示数据，对所述待显示图像进行调整。
此外，为实现上述目的，本发明还提出一种显示调整装置，所述显示调整装置包括：
获取模块，用于获取样本图像，将所述样本图像分成若干像素块，根据所述若干像素块，确定样本像素块；
所述获取模块，还用于根据所述样本像素块的到所述样本像素块的样本主题颜色数据；
所述获取模块，还用于获取所述样本像素块的样本显示数据与样本标准数据，根据所述样本主题颜色数据，建立样本显示数据与样本标准数据的对应关系数据库；
调整模块，用于获取待显示图像，根据所述对应关系数据库与待显示图像的主题颜色数据，对待显示图像进行调整。
此外，为实现上述目的，本发明还提出一种显示调整设备，所述显示调整设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的显示调整程序，所述显示调整程序配置为实现如上文所述的显示调整方法的步骤。
此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有显示调整程序，所述显示调整程序被处理器执行时实现如上文所述的显示调整方法的步骤。
在本发明中，通过获取样本图像，将待样本图像分成若干像素块，根据所述若干像素块，确定样本像素块，根据所述样本像素块得到所述样本像素块的样本主题颜色数据，获取所述样本像素块的样本显示数据与样本标准数据，根据所述样本像素块的样本主题颜色数据，建立样本显示数据与样本标准数据的对应关系数据库，根据所述对应关系数据库，对所述待显示图像进行调整，将所述调整后的待显示图像进行展示。相较于现有技术需要手动调整显示参数，本发明通过显示屏建立图像与标准数据之间的对应关系，根据对应关系对图像进行调整，从而克服了显示屏出现偏色时，手动调整显示参数达不到满意的效果，影响用户视觉体验的技术问题，进而实现了显示屏展示图像时的自动调整，提高用户的视觉体验，同时也避免了直接调整显示参数对使用显示屏其他功能的影响。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的显示调整设备的结构示意图；
图2为本发明显示调整方法第一实施例的流程示意图；
图3为本发明显示调整方法第二实施例的流程示意图；
图4为本发明显示调整方法第三实施例的流程示意图；
图5为本发明显示调整方法一实施例的RBF神经网络结构示意图；
图6为本发明显示调整装置第一实施例的结构框图。
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用以解释本发明，并不用于限定本发明。
参照图1，图1为本发明实施例方案涉及的硬件运行环境的显示调整设备结构示意图。
如图1所示，该显示调整设备可以包括：处理器1001，例如中央处理器(CentralProcessing Unit，CPU)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(Wireless-Fidelity，Wi-Fi)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory，RAM)存储器，也可以是稳定的非易失性存储器(Non-Volatile Memory，NVM)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的结构并不构成对显示调整设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及显示调整程序。
在图1所示的显示调整设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明显示调整设备中的处理器1001、存储器1005可以设置在显示调整设备中，所述显示调整设备通过处理器1001调用存储器1005中存储的显示调整程序，并执行本发明实施例提供的显示调整方法。
本发明实施例提供了一种显示调整方法，参照图2，图2为本发明一种显示调整方法第一实施例的流程示意图。
本实施例中，所述显示调整方法包括以下步骤：
步骤S10：获取样本图像，将所述样本图像分成若干像素块，根据所述若干像素块，确定样本像素块。
需要说明的是，本需要说明的是，本实施例的执行主体为显示屏，可为液晶显示屏、CRT(Cathode Ray Tube，阴极射线管)显示屏等电脑显示屏，本实施例对此不做限制。在显示屏展示图像时，通过显示屏中设有的显示调整程序，对图像进行调整，使其满足用户的视觉需求。
可理解的是，所述样本图像为可用于神经网络模型训练的样本数据，所述样本像素块为在样本图像中选择的像素块，用于后续的神经网络训练。
在具体实现中，得到样本图像后，进行像素化处理，并划分成若干像素块，像素块的数量根据图像尺寸决定，可在显示调整程序中进行设置，例如：将分辨率为640×480的图像划分为10个像素块、将分辨率大于2048×1536的图像划分为100个像素块等，本实施例对此不做限制。根据划分出的若干像素块，选择一个或多个作为样本像素块，样本像素块的数量可在显示调整程序中进行设置，例如：随机选择若干像素块中的一个像素块作为样本像素块，本实施例对此不做限制。
步骤S20：根据所述样本像素块的像素颜色数据，得到所述样本像素块的样本主题颜色数据。
应理解的是，所述像素颜色数据为样本像素块各像素颜色的集合，像素颜色包括三个颜色分量：红色(Red)、绿色(Green)、蓝色(Blue)，可用三维坐标来表示，例如：像素颜色数据为红色分量245，绿色分量155，蓝色分量276，则三维坐标为(245，155，276)。所述样本主题颜色为样本像素块中最主要的颜色，包括三个颜色分量：红色、绿色、蓝色，可根据像素颜色数据获得。
步骤S30：获取所述样本像素块的样本显示数据与样本标准数据，根据所述样本像素块的样本主题颜色数据，建立样本显示数据与样本标准数据的对应关系数据库。
可理解的是，所述样本显示数据为样本像素块当前的颜色显示参数，所述样本标准数据为标准色温下样本像素块的颜色显示参数，所述样本显示数据为需要输入径向基函数(Radial Basis Function，RBF)神经网络的样本数据，所述样本标准数据为神经网络的目标输出数据，根据样本数据与目标输出数据对径向基函数神经网络进行训练。
在具体实现中，将样本显示数据作为样本数据、样本标准数据作为目标输出数据输入RBF神经网络，在RBF神经网络中建立输入为样本显示数据、输出为样本标准数据的径向基函数，通过对神经网络的训练，得到径向基函数的权重系数，建立样本显示数据与样本标准数据的对应关系，不同样本主题颜色数据可以得到不同的样本显示数据与样本标准数据的对应关系，从而建立样本显示数据与样本标准数据的对应关系数据库。
步骤S40：获取待显示图像，根据所述对应关系数据库与待显示图像的主题颜色数据，对待显示图像进行调整。
所述步骤S40包括：
获取待显示图像与所述待显示图像的主题颜色数据，根据所述主题颜色数据，在样本显示数据与样本标准数据的对应关系数据库中，确定当前样本显示数据与样本标准数据的对应关系。
可理解的是，所述待显示图像为显示屏将要进行展示的图像，所述待显示图像的主题颜色数据为待显示图像中最主要的颜色。在获得待显示图像后，进行颜色特征提取，包括：提取出待显示图像的像素颜色数据，得到红色分量数据集合、绿色分量数据集合、蓝色分量数据集合，根据得到的数据集合，绘制每个数据分量的颜色分布图，找到分布图中出现概率最大的颜色数据，作为主题颜色数据。
在具体实现中，根据待显示图像的主题颜色数据，找到对应的样本主题颜色数据，根据样本主题颜色数据，在样本显示数据与样本标准数据的对应关系数据库中，找到需要的样本显示数据与样本标准数据的对应关系。
获取待显示图像的显示数据，根据所述当前样本显示数据与样本标准数据的对应关系，得到目标显示数据。
需要说明的是，所述显示数据为待显示图像当前颜色显示参数，所述目标显示数据为标准色温下的颜色显示参数，根据对应关系，可以得到显示数据对应的目标显示数据。
根据所述目标显示数据，对所述待显示图像进行调整。
在具体实现中，根据主题颜色数据，在建立的样本显示数据与样本标准数据的对应关系数据库中，找到当前需要的样本显示数据与样本标准数据的对应关系，根据找到的对应关系，可以得到显示数据对应的目标显示数据，从而对待显示图像进行调整。
需要说明的是，显示屏的显示亮度通过简单的设置就可以进行调整，因此，本实施例仅对图像颜色的调整进行说明，当然，在需要时，可在显示调整程序中进行设置，加入亮度调整，本实施例对此不做限制。
在本实施例中，通过获取样本图像，将所述样本图像分成若干像素块，确定样本像素块，进而根据所述样本像素块的像素颜色数据得到样本主题颜色数据，根据所述样本主题颜色数据，建立样本显示数据与样本标准数据的对应关系数据库，从而可以根据待显示图像的主题颜色数据找到当前情况下的对应关系，根据当前对应关系，得到显示数据对应的目标显示数据，对待显示图像进行调整。由于直接调整显示参数会导致显示屏维持该显示参数，影响显示屏其他功能的使用，本实施例通过显示屏建立图像与标准数据之间的对应关系，根据对应关系对图像进行调整，实现了显示屏对图像的自动调整，在显示屏出现偏色情况时，不调整显示屏的显示参数，也能满足用户的视觉需求，同时可以对不同图像进行个性化的调整，提高用户的视觉体验。
参考图3，图3为本发明一种显示调整方法第二实施例的流程示意图。
基于上述第一实施例，所述步骤S20包括：
步骤S201：获取样本像素块的像素颜色数据。
步骤S202：根据所述像素颜色数据，确定颜色分量数据。
可理解的是，所述颜色分量数据包括红色分量数据、绿色分量数据、蓝色分量数据，红色分量数据为各像素的红色分量集合，绿色分量数据为各像素的绿色分量集合，蓝色分量数据为各像素的蓝色分量集合。
步骤S203：根据所述颜色分量数据得到颜色分量分布数据。
应理解的是，所述颜色分量分布数据为颜色分量的分布情况，对颜色分量数据进行统计并进行图表化处理，形式进行可为分布直方图，也可为其他表现形式，本实施例对此不做限制。
步骤S204：根据所述颜色分量分布数据，得到像素颜色分布数据。
需要说明的是，所述像素颜色分布数据包括红色分量数据分布、绿色分量数据分布及蓝色分量数据分布。
在具体实现中，根据像素颜色数据，分别得到三个颜色分量的数据集合，根据颜色分量的数据集合，绘制颜色分量分布图，得到三个颜色分量的分布情况。
步骤S205：根据所述像素颜色分布数据，确定所述样本像素块的主题颜色数据。
应理解的是，根据所述像素颜色分布数据可以得到每个颜色分量中颜色出现的概率，从而可以根据三个颜色分量中颜色出现概率，确定样本主题颜色数据，可选择出现概率最大的颜色数据，例如：若出现概率最大的为红色分量(245，0，0)，绿色分量(0，155，0)，蓝色分量(0，0，276)，则样本主题颜色数据为(245，155，256)。
在本实施例中，根据样本像素块的像素颜色数据，得到红色分量数据集合、绿色分量数据集合、蓝色分量数据集合，根据得到的数据集合，绘制每个数据分量的颜色分布图，找到分布图中出现概率最大的颜色数据，作为样本主题颜色数据，用于神经网络的训练，不同的主题颜色数据有不同的样本显示数据与样本标准数据的对应关系，不同的图像具有不同的主题颜色数据，根据图像的主题颜色数据可以获得相应的对应关系，满足不同图像的调整需求，实现个性化的调整。
参考图4，图4为本发明一种显示调整方法第三实施例的流程示意图。
基于上述第一实施例，所述步骤S30包括：
步骤S301：获取所述样本像素块的样本显示数据及样本标准数据。
步骤S302：根据所述样本主题颜色数据、样本显示数据及样本标准数据确定权重数据。
所述步骤S302包括：
将所述样本像素块的样本显示数据及样本标准数据输入径向基函数神经网络。
需要说明的是，所述RBF神经网络是一种三层神经网络，如图5所示的RBF神经网络结构示意图，包括输入层、隐含层、输出层，隐含层中含有若干神经元，其中x1、x2······xn为输入的样本数据，c1、c2······cn为中心数据，w1、w2······wn为权重，Y为输出数据，从输入层空间到隐含层空间的变换是非线性的，而从隐含层到输出层空间的变换是线性的。与其他神经网络相比，RBF神经网络更精简、训练时间更短，可以满足实时性的需求，同时对函数的逼近也是最优的，可以以任意精度拟合任意函数。
在具体实现中，所述样本显示数据为样本数据，所述样本标准数据为想要得到的目标数据，通过对径向基函数神经网络的训练，得到样本显示数据与样本标准数据之间的拟合函数。
根据所述样本主题颜色数据确定中心数据。
在具体实现中，本实施例将主题颜色数据作为样本数据的中心数据进行神经网络的训练，所述中心数据为RBF神经网络的中心点。
根据所述中心数据与样本数据得到所述中心数据与样本数据之间的距离数据。
可理解的是，所述距离数据为样本数据到中心数据的欧式距离，其计算方式为‖xi-ci‖，其中，xi是第i个样本数据，ci是第i个样本的中心数据。
根据所述距离数据确定径向基函数。
需要说明的是，径向基函数是一个取值仅仅依赖于离原点距离的实值函数，也就是依赖于所述距离数据，其计算表达式如下所示：
Figure BDA0003769437030000101
式中，
Figure BDA0003769437030000102
为径向基函数，xi是第i个样本数据，ci是第i个样本的中心数据，σ为函数的宽度参数，控制了函数的径向作用范围。
获取所述径向基函数、样本显示数据以及样本标准数据之间的关系，根据所述径向基函数、样本显示数据以及样本标准数据之间的关系，得到权重数据。
应理解的是，所述权重数据即为隐含层到输出层的权重，可将整个RBF神经网络定义为如下表达式：
Figure BDA0003769437030000111
式中，q为隐含层神经元个数，一般来说，隐含层神经元个数与样本数量相等，wj是第j个隐层神经元所对应的权重，cj是第j个隐含层神经元所对应的中心数据，f(x)为神经网络的目标输出数据，即样本标准数据，根据RBF神经网络的表达式以及径向基函数可以反推出权重数据。
步骤S303：根据所述权重数据得到输出数据，根据所述输出数据得到误差数据。
所述步骤S303包括：获取权重数据、样本显示数据、样本标准数据、径向基函数、中心数据、输出数据以及误差数据之间的关系，根据所述权重数据、样本显示数据、样本标准数据、径向基函数、中心数据、输出数据以及误差数据之间的关系，得到误差数据。
需要说明的是，所述输出数据为实际输出的数据，所述误差数据为实际输出数据与目标输出数据之间的误差，本实施例用均方误差定义误差函数，目的是为了最小化误差函数，其计算表达式如下所示：
Figure BDA0003769437030000112
式中，E为误差函数，m为样本数量，y为神经网络的实际输出，f(x)为神经网络的目标输出数据，即样本标准数据，wj是第j个隐层神经元所对应的权重，
Figure BDA0003769437030000113
为径向基函数，x为样本数据，cj为第j个隐层神经元所对应的个中心数据。
步骤S304：在所述误差数据达到预设数据目标时，根据所述权重数据确定所述样本显示数据与样本标准数据的对应关系。
可理解的是，所述预设数据目标为误差函数收敛，在误差函数收敛时，认为训练完成，根据此时的权重数据可以得到输入输出之间的拟合函数，即样本显示数据与样本标准数据的对应关系。
所述步骤S304包括：
在所述误差数据未达到预设数据目标时，获取误差数据、权重数据、样本显示数据、样本标准数据、径向基函数、输出数据以及误差系数之间的关系，根据所述误差数据、权重数据、样本显示数据、样本标准数据、径向基函数、输出数据以及误差系数之间的关系，得到新的权重数据。
在具体实现中，新的权重数据通过梯度下降算法获得，其计算表达式如下所示：
Figure BDA0003769437030000121
式中，w为更新的权重数据，m为样本数量，η为误差系数，E为误差函数，f(x)为神经网络的目标输出数据，即样本标准数据，y为神经网络的实际输出，
Figure BDA0003769437030000122
为径向基函数。
根据所述新的权重数据更新所述权重数据，返回执行根据所述权重数据得到输出数据，根据所述输出数据得到误差数据的步骤。
需要说明的是，训练结束后RBF神经网络的输出并不等于样本标准数据，只是无限趋近于样本标准数据，通过训练最终获得的拟合函数也是为了使得输出能够无限趋近于样本标准数据。
步骤S305：根据所述样本显示数据与样本标准数据的对应关系及样本主题颜色数据，建立样本显示数据与样本标准数据的对应关系数据库。
可理解的是，不同的样本数据有不同的样本主题颜色数据，使得不同的样本主题颜色数据有不同的样本显示数据与样本标准数据的对应关系，因此所有不同情况下的对应关系构成了样本显示数据与样本标准数据的对应关系数据库。
在本实施例中，通过RBF神经网络建立样本显示数据与样本标准数据之间的对应关系数据库，与其他神经网络相比，RBF神经网络更精简、训练时间更短，可以满足实时性的需求，可以实现对图像的实时调整。
此外，本发明实施例还提出一种存储介质，所述存储介质上存储有显示调整程序，所述显示调整程序被处理器执行时实现如上文所述的显示调整方法的步骤。
参照图6，图6为本发明显示调整装置第一实施例的结构框图。
如图6所示，本发明实施例提出的显示调整装置包括：
获取模块10，用于获取样本图像，将所述样本图像分成若干像素块，根据所述若干像素块，确定样本像素块。
所述获取模块10，还用于根据所述样本像素块的到所述样本像素块的样本主题颜色数据。
所述获取模块10，还用于获取所述样本像素块的样本显示数据与样本标准数据，根据所述样本主题颜色数据，建立样本显示数据与样本标准数据的对应关系数据库。
调整模块20，用于获取待显示图像，根据所述对应关系数据库与待显示图像的主题颜色数据，对待显示图像进行调整。
在本实施例中，通过获取样本图像，将所述样本图像分成若干像素块，确定样本像素块，进而根据所述样本像素块的像素颜色数据得到样本主题颜色数据，根据所述样本主题颜色数据，建立样本显示数据与样本标准数据的对应关系数据库，从而可以根据待显示图像的主题颜色数据找到当前情况下的对应关系，根据当前对应关系，得到显示数据对应的目标显示数据，对待显示图像进行调整。由于直接调整显示参数会导致显示屏维持该显示参数，影响显示屏其他功能的使用，本实施例通过显示屏建立图像与标准数据之间的对应关系，根据对应关系对图像进行调整，实现了显示屏对图像的自动调整，在显示屏出现偏色情况时，不调整显示屏的显示参数，也能满足用户的视觉需求，同时可以对不同图像进行个性化的调整，提高用户的视觉体验。
在一实施例中，所述获取模块10，还用于根据所述样本像素块的像素颜色数据，得到所述样本像素块的样本主题颜色数据；
根据所述像素颜色数据，确定颜色分量数据；
根据所述颜色分量数据得到颜色分量分布数据；
根据所述颜色分量分布数据，得到像素颜色分布数据；
根据所述像素颜色分布数据，确定所述样本像素块的样本主题颜色数据。
在一实施例中，所述获取模块10，还用于获取所述样本像素块的样本显示数据及样本标准数据；
根据所述样本主题颜色数据、样本显示数据及样本标准数据确定权重数据；
根据所述权重数据得到输出数据，根据所述输出数据得到误差数据；
在所述误差数据达到预设数据目标时，根据所述权重数据确定所述样本显示数据与样本标准数据的对应关系；
根据所述样本显示数据与样本标准数据的对应关系及样本主题颜色数据，建立样本显示数据与样本标准数据的对应关系数据库。
在一实施例中，所述获取模块10，还用于将所述样本像素块的样本显示数据及样本标准数据输入径向基函数神经网络；
根据所述样本主题颜色数据确定中心数据；
根据所述中心数据与样本显示数据得到所述中心数据与样本显示数据之间的距离数据；
根据所述距离数据确定径向基函数；
获取所述径向基函数、样本显示数据以及样本标准数据之间的关系；
根据所述径向基函数、样本显示数据以及样本标准数据之间的关系，得到权重数据。
在一实施例中，所述获取模块10，还用于获取权重数据、样本显示数据、样本标准数据、径向基函数、中心数据、输出数据与误差数据之间的关系；
根据所述权重数据、样本显示数据、样本标准数据、径向基函数、中心数据、输出数据以与误差数据之间的关系，得到误差数据。
在一实施例中，所述获取模块10，还用于在所述误差数据未达到预设数据目标时，获取误差数据、误差系数、样本显示数据、样本标准数据、径向基函数、输出数据与权重数据之间的关系；
根据所述误差数据、误差系数、样本显示数据、样本标准数据、径向基函数、输出数据与权重数据之间的关系，得到新的权重数据；
根据所述新的权重数据更新所述权重数据；
返回执行根据所述权重数据得到输出数据，根据所述输出数据得到误差数据的步骤。
在一实施例中，所述调整模块20，还用于获取待显示图像与所述待显示图像的主题颜色数据；
根据所述主题颜色数据，在样本显示数据与样本标准数据的对应关系数据库中，确定当前样本显示数据与样本标准数据的对应关系；
获取待显示图像的显示数据，根据所述当前样本显示数据与样本标准数据的对应关系，得到目标显示数据；
根据所述目标显示数据，对所述待显示图像进行调整。
应当理解的是，以上仅为举例说明，对本发明的技术方案并不构成任何限定，在具体应用中，本领域的技术人员可以根据需要进行设置，本发明对此不做限制。
需要说明的是，以上所描述的工作流程仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的，此处不做限制。
另外，未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的显示调整方法，此处不再赘述。
此外，需要说明的是，在本文中，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、物品或者系统不仅包括那些要素，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、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如只读存储器(Read Only Memory，ROM)/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (9)

1.一种显示调整方法，其特征在于，所述显示调整方法包括：
获取样本图像，将所述样本图像分成若干像素块，根据所述若干像素块，确定样本像素块；
根据所述样本像素块的像素颜色数据，得到所述样本像素块的样本主题颜色数据；
获取所述样本像素块的样本显示数据及样本标准数据；
根据所述样本主题颜色数据、样本显示数据及样本标准数据确定权重数据；
根据所述权重数据得到输出数据，根据所述输出数据得到误差数据；
在所述误差数据达到预设数据目标时，根据所述权重数据确定所述样本显示数据与样本标准数据的对应关系；
根据所述样本显示数据与样本标准数据的对应关系及样本主题颜色数据，建立样本显示数据与样本标准数据的对应关系数据库；
获取待显示图像，根据所述对应关系数据库与待显示图像的主题颜色数据，对待显示图像进行调整。
2.如权利要求1所述的方法，其特征在于，所述根据所述样本像素块的像素颜色数据，得到所述样本像素块的样本主题颜色数据，包括：
获取样本像素块的像素颜色数据；
根据所述像素颜色数据，确定颜色分量数据；
根据所述颜色分量数据得到颜色分量分布数据；
根据所述颜色分量分布数据，得到像素颜色分布数据；
根据所述像素颜色分布数据，确定所述样本像素块的样本主题颜色数据。
3.如权利要求1所述的方法，其特征在于，所述将所述样本像素块的样本显示数据及样本标准数据输入径向基函数神经网络，根据所述样本像素块的样本主题颜色数据确定权重数据，包括：
将所述样本像素块的样本显示数据及样本标准数据输入径向基函数神经网络；
根据所述样本主题颜色数据确定中心数据；
根据所述中心数据与样本显示数据得到所述中心数据与样本显示数据之间的距离数据；
根据所述距离数据确定径向基函数；
获取所述径向基函数、样本显示数据以及样本标准数据之间的关系；
根据所述径向基函数、样本显示数据以及样本标准数据之间的关系，得到权重数据。
4.如权利要求1所述的方法，其特征在于，所述根据所述权重数据得到输出数据，根据所述输出数据得到误差数据，包括：
获取权重数据、样本显示数据、样本标准数据、径向基函数、中心数据、输出数据以与误差数据之间的关系；
根据所述权重数据、样本显示数据、样本标准数据、径向基函数、中心数据、输出数据以与误差数据之间的关系，得到误差数据。
5.如权利要求1所述的方法，其特征在于，所述根据所述权重数据得到输出数据，根据所述输出数据得到误差数据之后，还包括：
在所述误差数据未达到预设数据目标时，获取误差数据、误差系数、样本显示数据、样本标准数据、径向基函数、输出数据与权重数据之间的关系；
根据所述误差数据、误差系数、样本显示数据、样本标准数据、径向基函数、输出数据与权重数据之间的关系，得到新的权重数据；
根据所述新的权重数据更新所述权重数据；
返回执行根据所述权重数据得到输出数据，根据所述输出数据得到误差数据的步骤。
6.如权利要求1至5中任一项所述的方法，其特征在于，所述获取待显示图像，根据所述对应关系与待显示图像的主题颜色数据，对待显示图像进行调整，包括：
获取待显示图像与所述待显示图像的主题颜色数据；
根据所述主题颜色数据，在样本显示数据与样本标准数据的对应关系数据库中，确定当前样本显示数据与样本标准数据的对应关系；
获取待显示图像的显示数据，根据所述当前样本显示数据与样本标准数据的对应关系，得到目标显示数据；
根据所述目标显示数据，对所述待显示图像进行调整。
7.一种显示调整装置，其特征在于，所述显示调整装置包括：
获取模块，用于获取样本图像，将所述样本图像分成若干像素块，根据所述若干像素块，确定样本像素块；
所述获取模块，还用于根据所述样本像素块的到所述样本像素块的样本主题颜色数据；
所述获取模块，还用于获取所述样本像素块的样本显示数据与样本标准数据，根据所述样本主题颜色数据，建立样本显示数据与样本标准数据的对应关系数据库；
调整模块，用于获取待显示图像，根据所述对应关系数据库与待显示图像的主题颜色数据，对待显示图像进行调整；
所述获取模块，还用于获取所述样本像素块的样本显示数据及样本标准数据；
根据所述样本主题颜色数据、样本显示数据及样本标准数据确定权重数据；
根据所述权重数据得到输出数据，根据所述输出数据得到误差数据；
在所述误差数据达到预设数据目标时，根据所述权重数据确定所述样本显示数据与样本标准数据的对应关系；
根据所述样本显示数据与样本标准数据的对应关系及样本主题颜色数据，建立样本显示数据与样本标准数据的对应关系数据库。
8.一种显示调整设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的显示调整程序，所述显示调整程序配置为实现如权利要求1至6中任一项所述的显示调整方法的步骤。
9.一种存储介质，其特征在于，所述存储介质上存储有显示调整程序，所述显示调整程序被处理器执行时实现如权利要求1至6任一项所述的显示调整方法的步骤。
CN202210897355.XA 2022-07-28 2022-07-28 显示调整方法、装置、设备及存储介质 Active CN115408552B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210897355.XA CN115408552B (zh) 2022-07-28 2022-07-28 显示调整方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210897355.XA CN115408552B (zh) 2022-07-28 2022-07-28 显示调整方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN115408552A CN115408552A (zh) 2022-11-29
CN115408552B true CN115408552B (zh) 2023-05-26

Family

ID=84159573

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210897355.XA Active CN115408552B (zh) 2022-07-28 2022-07-28 显示调整方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN115408552B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111204300A (zh) * 2018-11-22 2020-05-29 上海擎感智能科技有限公司 车辆、车机设备及显示元素颜色设置方法
CN114297436A (zh) * 2021-01-14 2022-04-08 海信视像科技股份有限公司 一种显示设备及用户界面主题更新方法

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7809185B2 (en) * 2006-09-21 2010-10-05 Microsoft Corporation Extracting dominant colors from images using classification techniques
AU2015202072B2 (en) * 2009-09-03 2017-05-25 Commonwealth Scientific And Industrial Research Organisation Illumination spectrum recovery
US9478174B2 (en) * 2014-01-03 2016-10-25 Pixtronix, Inc. Artifact mitigation for composite primary color transition
US20160246475A1 (en) * 2015-02-22 2016-08-25 Microsoft Technology Licensing, Llc Dynamic icon recoloring to improve contrast
CN105468158B (zh) * 2015-12-22 2020-06-05 亳州鼎源科技信息有限公司 颜色调整方法及移动终端
CN107945768A (zh) * 2017-11-15 2018-04-20 威创集团股份有限公司 屏幕颜色局部快速校准方法、装置以及系统
CN108629286B (zh) * 2018-04-03 2021-09-28 北京航空航天大学 一种基于主观感知显著模型的遥感机场目标检测方法
CN109683769A (zh) * 2018-12-29 2019-04-26 惠州Tcl移动通信有限公司 一种应用图标排序显示处理方法、移动终端及存储介质
CN109783178B (zh) * 2019-01-24 2022-08-23 北京字节跳动网络技术有限公司 一种界面组件的颜色调整方法、装置、设备和介质
CN109903256B (zh) * 2019-03-07 2021-08-20 京东方科技集团股份有限公司 模型训练方法、色差校正方法、装置、介质和电子设备
CN110222717B (zh) * 2019-05-09 2022-01-14 华为技术有限公司 图像处理方法和装置
CN110837523A (zh) * 2019-10-29 2020-02-25 山东大学 一种基于级联神经网络的高置信改造质量和减假暂量化评估方法
CN112328345B (zh) * 2020-11-02 2024-05-14 百度(中国)有限公司 用于确定主题色的方法、装置、电子设备及可读存储介质
CN112561913B (zh) * 2021-02-23 2021-04-30 武汉精创电子技术有限公司 一种显示面板mura缺陷样本数据的生成方法及装置
CN113674705B (zh) * 2021-08-27 2023-11-07 天津大学 一种基于径向基函数神经网络代理模型辅助粒子群算法的背光提取方法
CN113808120B (zh) * 2021-09-24 2024-09-20 维沃移动通信有限公司 图像处理方法、装置、电子设备及存储介质
CN114387378B (zh) * 2021-12-30 2025-06-10 中国电信股份有限公司 基于数字孪生渲染引擎的图像生成方法、装置及电子设备

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111204300A (zh) * 2018-11-22 2020-05-29 上海擎感智能科技有限公司 车辆、车机设备及显示元素颜色设置方法
CN114297436A (zh) * 2021-01-14 2022-04-08 海信视像科技股份有限公司 一种显示设备及用户界面主题更新方法

Also Published As

Publication number Publication date
CN115408552A (zh) 2022-11-29

Similar Documents

Publication Publication Date Title
EP3770847A1 (en) Method and device for processing image, and storage medium
CN112162930A (zh) 一种控件识别的方法、相关装置、设备及存储介质
CN114266943B (zh) 图像风格迁移方法、装置、设备及存储介质
WO2018036462A1 (zh) 图像分割的方法、计算机设备及存储介质
CN110070101A (zh) 植物种类的识别方法及装置、存储介质、计算机设备
CN106650615B (zh) 一种图像处理方法及终端
CN113486785A (zh) 基于深度学习的视频换脸方法、装置、设备及存储介质
CN114120034B (zh) 一种图像分类方法、装置、电子设备及存储介质
CN112163577A (zh) 游戏画面中的文字识别方法、装置、电子设备和存储介质
WO2022206729A1 (zh) 视频封面选择方法、装置、计算机设备和存储介质
CN111241993B (zh) 座位数的确定方法、装置、电子设备及存储介质
EP3905672B1 (en) Color space mapping method and device, computer readable storage medium and apparatus
CN115131467B (zh) 图像处理方法及装置、电子设备、存储介质
CN110866866B (zh) 图像仿色处理方法、装置、电子设备及存储介质
CN116843566B (zh) 色调映射方法、装置、显示设备和存储介质
CN110321892A (zh) 一种图片筛选方法、装置及电子设备
CN115408552B (zh) 显示调整方法、装置、设备及存储介质
CN110766079B (zh) 用于屏幕异常画面检测的训练数据的生成方法与装置
CN111047618A (zh) 基于多尺度的无参考屏幕内容图像质量评估方法
CN106878614A (zh) 一种拍摄方法及终端
CN114693697A (zh) 图像处理方法、装置、设备及计算机可读存储介质
CN110245669B (zh) 手掌关键点的识别方法、装置、终端及可读存储介质
CN109559707B (zh) 显示面板的伽马值处理方法、装置及显示设备
CN114511929B (zh) 一种异常行为检测的方法、装置、电子设备及存储介质
CN117135330A (zh) 模型训练以及图像处理方法、装置和电子设备

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
GR01 Patent grant
GR01 Patent grant