CN116052619A - 一种基于纯视觉感知的屏幕动态纯色画面测定方法 - Google Patents
一种基于纯视觉感知的屏幕动态纯色画面测定方法 Download PDFInfo
- Publication number
- CN116052619A CN116052619A CN202211522888.6A CN202211522888A CN116052619A CN 116052619 A CN116052619 A CN 116052619A CN 202211522888 A CN202211522888 A CN 202211522888A CN 116052619 A CN116052619 A CN 116052619A
- Authority
- CN
- China
- Prior art keywords
- sampling
- pure
- screen
- frequency
- color picture
- 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
Images
Classifications
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09G—ARRANGEMENTS OR CIRCUITS FOR CONTROL OF INDICATING DEVICES USING STATIC MEANS TO PRESENT VARIABLE INFORMATION
- G09G5/00—Control arrangements or circuits for visual indicators common to cathode-ray tube indicators and other visual indicators
- G09G5/36—Control arrangements or circuits for visual indicators common to cathode-ray tube indicators and other visual indicators characterised by the display of a graphic pattern, e.g. using an all-points-addressable [APA] memory
- G09G5/39—Control of the bit-mapped memory
- G09G5/393—Arrangements for updating the contents of the bit-mapped memory
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
Abstract
本发明公开的一种基于纯视觉感知的屏幕动态纯色画面测定方法，包括如下步骤，获取用于测试的标准样本图像；通过视觉传感器采集标准样本图像数据，并进行自适应学习，得到针对该类别视觉传感器的算法模型；通过算法模型进行感知显示屏幕的刷新频率；根据显示屏幕的刷新频率自动调节视觉传感器的采样参数，实现屏幕刷新与视觉传感器采样同步，本申请可通过算法和软件自适应调节视觉传感器的采样率和采样时长，即使对未知刷新频率的显示屏幕设备，也能自行搜索频率实现频率同步进而精确进行视觉采样。
Description
技术领域
本发明涉及画面测定领域，更具体的，涉及一种基于纯视觉感知的屏幕动态纯色画面测定方法。
背景技术
显示器的光学属性测定包括显示器的时间稳定性、亮度和色度均匀性、色域、色品恒定性、通道独立性及色温等，传统的显示器测量需要利用亮度计、色度计和视觉传感器等多种设备，这类设备通常需要部署在专门的光学实验室。在构建针对显示器的自动化测试生产线时，往往要分为多个工序，存在工序较为复杂、测量时间长、仪器成本高等诸多不足，难以大规模复制和应用。随着摄像头技术的发展和普及，视觉传感器的亮度和色度测量精度和分辨率已有显著提高，如果单纯利用视觉传感器进行显示器的亮度和色度测定，可将传统的测量工作集中在一个工序环节完成，将显著提高测量效率并降低测量成本。
不同于自然景物的拍摄，在单纯依赖视觉传感器对显示器进行测量时，存在着频率失步而造成采样画面伴入频闪条纹噪声的现象。频率失步是指屏幕画面是动态刷新而不是自然景物反射光照的一个持续不变的画面，视觉传感器采样时也存在一个帧率，表征一秒内拍摄画面的次数，假设屏幕刷新频率为α，视觉传感器采样率为β，当α≠β或者两者时间不同步时，会造成拍摄的画面中有面积、移动速度不一的黑色纹理产生，就是所谓的“频闪现象”，特别是在VR设备中，为了给人眼渲染更为自然的画面感，其屏幕刷新率高达90Hz，且这类设备的刷新频率难以通过软件控制，这对视觉传感器的同步动作要求也更高。因此，单纯依赖视觉传感器的情况下，受限于这个频率失步，还不能对显示器的亮度和色度两类光学属性进行精确测量，还要依赖于专门的亮度计和色度计。
发明内容
为了解决上述至少一个技术问题，本发明提出了一种基于纯视觉感知的屏幕动态纯色画面测定方法。
本发明第一方面提供了一种基于纯视觉感知的屏幕动态纯色画面测定方法，包括如下步骤：
获取用于测试的标准样本图像；
通过视觉传感器采集标准样本图像数据，并进行自适应学习，得到针对该类别视觉传感器的算法模型；
通过算法模型进行感知显示屏幕的刷新频率；
根据显示屏幕的刷新频率自动调节视觉传感器的采样参数，实现屏幕刷新与视觉传感器采样同步。
本发明一个较佳实施例中，标准样本图像分为5个标准色，分别包括红色、绿色、蓝色、黑色与白色。
本发明一个较佳实施例中，通过视觉传感器采集标准样本图像数据，并进行自适应学习，得到针对该类别视觉传感器的算法模型；具体包括：
设置显示屏幕刷新的最低频率与最高频率；
读取样本图像与显示屏幕频率范围，以一定步进的方式将屏幕设置在不同刷新频率点并显示5个颜色的标准图；
每一种显示条件下，通过视觉传感器采集图像数据；
通过光电传感器采集到亮度变化波形信号；
将视觉传感器采集的图像进行特征提取并计算，并调整视觉传感器采样参数；
当算法输出的频率结果与光电传感器的波形一致时，停止学习。
本发明一个较佳实施例中，算法模型为深度学习模型，具体包括：
输入模型图像参数St，生成预测动作集合
Network以当前环境下
为动作输入，通过神经网络的非线性映射，得到系统下一个时刻的最大概率图像样式预测
L(w)为系统预测奖励与实际奖励的差值二范数，表征系统预测的误差，Q-Network的训练目标是使L(w)为0，获得对采样图像消除失步条纹噪声数据。
本发明一个较佳实施例中，Q-Network的网络模型采样多层感知机，对输入的当前图像、当前采样率和采样时长进行非线性映射，得到期望的图像样式。
本发明一个较佳实施例中，Act i on-Network采用LSTM网络，用于对过去N-1个时刻的图像进行卷积与累加计算。
本发明一个较佳实施例中，输入模型图像参数St包括视觉传感器过去N-1个时刻的采样图像，每个时刻的采样频率与每帧采样时长数值。
本发明一个较佳实施例中，预测动作集合包括下个时刻应该对视觉传感器设置的采样频率与每帧采样时长数值。
本发明的上述技术方案相比现有技术具有以下优点：
(1)本申请可通过算法和软件自适应调节视觉传感器的采样率和采样时长，即使对未知刷新频率的显示屏幕设备，也能自行搜索频率实现频率同步进而精确进行视觉采样
(2)本申请支持对不同屏幕类别、不同视觉传感器类别和不同频率范围的自适应学习，随场景更改而自动学习，鲁棒性高；对屏幕属性的测量用时短，效率高。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的一些附图是本发明的一些实施方式，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是本发明实施例中采样失步造成的纹理噪声示意图；
图2是本发明实施例中纯视觉感知的屏幕动态纯色画面测定总体流程；
图3是本发明实施例中视觉传感器采样参数自适应学习系统示意图；
图4是本发明实施例中采样参数自适应学习神经网络示意图；
图5是本发明实施例中纯视觉的屏幕属性测量系统示意图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
实施例一
参见图1-5所示，本发明提出了一种基于纯视觉感知的屏幕动态纯色画面测定方法，包括如下步骤：
获取用于测试的标准样本图像；
通过视觉传感器采集标准样本图像数据，并进行自适应学习，得到针对该类别视觉传感器的算法模型；
通过算法模型进行感知显示屏幕的刷新频率；
根据显示屏幕的刷新频率自动调节视觉传感器的采样参数，实现屏幕刷新与视觉传感器采样同步。
换言之，纯视觉感知的屏幕动态纯色画面测定总体流程如图2所示，分为3个阶段：第1阶段，准备一台刷新频率可设置的显示屏幕和用于测试的标准样本图像；第2阶段，进行视觉传感器采样参数自适应学习，得到针对该类别视觉传感器的算法模型，该算法模型仅利用视觉传感器图像和当前采样参数即可感知屏幕的刷新频率，在此基础上，自动调节视觉传感器采样参数，达到与屏幕刷新动作同步采样的效果；第3阶段，基于上一步得到的算法模型，将视觉传感器用于其它屏幕的属性测量和计算，在该阶段，仅依赖视觉传感器和计算机硬件，而不需要亮度计和色度计等专用设备。
进一步的，系统包括一组标准样本图像、一台标准显示屏、一台光电信号传感器、一个视觉传感器、一个屏幕刷新频率范围设置软件和一套学习算法，标准的样本图像分为红、绿、蓝、黑和白5个标准色，所述的屏幕刷新频率设置软件用于设置屏幕刷新的最低和最高频率，所述的学习算法软件会读取样本图像和屏幕频率范围，然后以一定步进的方式将屏幕设置在不同刷新频率点并显示5个颜色的标准图像，每一种显示条件下，算法软件会同时读取视觉传感器采集到的图像数据和光电传感器采集到的亮度变化波形信号，根据图像特征的提取和计算，算法软件调整视觉传感器采样参数，当算法输出的频率结果与光电传感器的波形一致时，停止学习。
其次，设计了基于深度学习的算法模型。如图4所示，其中，St为当前及过去N-1个时刻的模型图像参数输入，包括视觉传感器过去N-1个时刻的采样图像，每个时刻的采样频率和每帧采样时长数值，St矩阵如表1所示。
表1输入数据种类。
表2为输出数据种类。
Q-Network以当前环境下
为动作输入，通过神经网络的非线性映射，得到系统下一个时刻的最大概率图像样式预测
reward为视觉传感器下一个时刻实际采样到的图像值，由实测的误差指标计算得来，系统奖励代表系统在远期可以获得的最大收益，其为调整视觉传感器参数后的噪声程度，奖励越大表示其噪声越小，奖励为负表示噪声增加，其规则设计直接影响模型的自我学习能力；
L(w)为系统预测奖励与实际奖励的差值二范数，表征系统预测的误差，Q-Network的训练目标是使L(w)为0，获得对采样图像消除失步条纹噪声效果的精确计算。
根据本发明实施例，Q-Network的网络模型采样多层感知机，对输入的当前图像、当前采样率和采样时长进行非线性映射，得到期望的图像样式。
根据本发明实施例，Act i on-Network采用LSTM网络，用于对过去N-1个时刻的图像进行卷积与累加计算。
根据本发明实施例，输入模型图像参数St包括视觉传感器过去N-1个时刻的采样图像，每个时刻的采样频率与每帧采样时长数值。
根据本发明实施例，预测动作集合包括下个时刻应该对视觉传感器设置的采样频率与每帧采样时长数值。
综上所述，本申请可通过算法和软件自适应调节视觉传感器的采样率和采样时长，即使对未知刷新频率的显示屏幕设备，也能自行搜索频率实现频率同步进而精确进行视觉采样，本申请支持对不同屏幕类别、不同视觉传感器类别和不同频率范围的自适应学习，随场景更改而自动学习，鲁棒性高；对屏幕属性的测量用时短，效率高。
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。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对上述实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的上述实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
以上所述，仅为本发明的具体实施方式，但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，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
Claims (8)
1.一种基于纯视觉感知的屏幕动态纯色画面测定方法，其特征在于，包括如下步骤：
获取用于测试的标准样本图像，采集标准样本图像数据，并进行自适应学习，得到算法模型；
通过算法模型进行感知显示屏幕的刷新频率，并自动调节采样参数。
2.根据权利要求1所述的一种基于纯视觉感知的屏幕动态纯色画面测定方法，其特征在于，标准样本图像分为5个标准色，分别包括红色、绿色、蓝色、黑色与白色。
3.根据权利要求2所述的一种基于纯视觉感知的屏幕动态纯色画面测定方法，其特征在于，通过视觉传感器采集标准样本图像数据，并进行自适应学习，得到针对该类别视觉传感器的算法模型；具体包括：
设置显示屏幕刷新的最低频率与最高频率；
读取样本图像与显示屏幕频率范围，以一定步进的方式将屏幕设置在不同刷新频率点并显示5个颜色的标准图；
每一种显示条件下，通过视觉传感器采集图像数据；
通过光电传感器采集到亮度变化波形信号；
将视觉传感器采集的图像进行特征提取并计算，并调整视觉传感器采样参数；
当算法输出的频率结果与光电传感器的波形一致时，停止学习。
4.根据权利要求1所述的一种基于纯视觉感知的屏幕动态纯色画面测定方法，其特征在于，算法模型为深度学习模型，具体包括：
输入模型图像参数St，生成预测动作集合
Network以当前环境下
为动作输入，通过神经网络的非线性映射，得到系统下一个时刻的最大概率图像样式预测
L(w)为系统预测奖励与实际奖励的差值二范数，表征系统预测的误差，Q-Network的训练目标是使L(w)为0，获得对采样图像消除失步条纹噪声数据。
5.根据权利要求4所述的一种基于纯视觉感知的屏幕动态纯色画面测定方法，其特征在于，Q-Network的网络模型采样多层感知机，对输入的当前图像、当前采样率和采样时长进行非线性映射，得到期望的图像样式。
6.根据权利要求5所述的一种基于纯视觉感知的屏幕动态纯色画面测定方法，其特征在于，Action-Network采用LSTM网络，用于对过去N-1个时刻的图像进行卷积与累加计算。
7.根据权利要求4所述的一种基于纯视觉感知的屏幕动态纯色画面测定方法，其特征在于，输入模型图像参数St包括视觉传感器过去N-1个时刻的采样图像，每个时刻的采样频率与每帧采样时长数值。
8.根据权利要求4所述的一种基于纯视觉感知的屏幕动态纯色画面测定方法，其特征在于，预测动作集合包括下个时刻应该对视觉传感器设置的采样频率与每帧采样时长数值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211522888.6A CN116052619A (zh) | 2022-11-30 | 2022-11-30 | 一种基于纯视觉感知的屏幕动态纯色画面测定方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211522888.6A CN116052619A (zh) | 2022-11-30 | 2022-11-30 | 一种基于纯视觉感知的屏幕动态纯色画面测定方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116052619A true CN116052619A (zh) | 2023-05-02 |
Family
ID=86130272
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211522888.6A Pending CN116052619A (zh) | 2022-11-30 | 2022-11-30 | 一种基于纯视觉感知的屏幕动态纯色画面测定方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116052619A (zh) |
-
2022
- 2022-11-30 CN CN202211522888.6A patent/CN116052619A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11120757B2 (en) | Gray scale adjustment method and device for display panel | |
| CN110232885B (zh) | 一种显示屏亮度测量方法、系统及终端 | |
| US9875724B2 (en) | Method and electronic device for adjusting display | |
| CN109459136B (zh) | 一种色度测量的方法与装置 | |
| CN109253862B (zh) | 一种基于神经网络的色度测量方法 | |
| CN106596073A (zh) | 一种检测光学系统像质的方法和系统及一种测试标板 | |
| CN108573664B (zh) | 量化拖尾测试方法、装置、存储介质及系统 | |
| JP2011220823A (ja) | 色測定装置、および、色測定方法 | |
| CN108827602A (zh) | 一种vr/ar设备成像清晰度测量方法和测量装置 | |
| US20230410369A1 (en) | Method and apparatus for adjusting an image acquisition apparatus, compensation method of a display panel, device and medium | |
| CN111028779B (zh) | 显示面板的补偿方法、装置以及显示面板 | |
| CN112216243A (zh) | 用于显示装置的亮度补偿方法、驱动方法及装置 | |
| CN115567706B (zh) | 一种基于强化学习的显示器屏幕刷新频率追踪方法 | |
| CN113848044B (zh) | 一种显示屏亮色度一致性检测方法 | |
| CN110044485B (zh) | 一种图像式织物颜色测量方法 | |
| CN112954304B (zh) | 一种显示面板Mura缺陷评估方法 | |
| CN102209202B (zh) | 相机伽马校正曲线提取方法 | |
| CN116052619A (zh) | 一种基于纯视觉感知的屏幕动态纯色画面测定方法 | |
| CN105427315B (zh) | 数字仪表图像位置测试方法及装置 | |
| CN115346464A (zh) | 显示补偿数据设置方法、显示补偿方法、驱动芯片 | |
| CN111147760B (zh) | 一种光场相机及其光度调整方法、装置及电子设备 | |
| CN113432712B (zh) | 一种基于径向基函数神经网络建立的环境照度测量方法及监测系统 | |
| CN114582266A (zh) | 显示面板的补偿参数获取方法及装置 | |
| CN116007900A (zh) | 显示亮度测试方法、装置、工业相机及可读存储介质 | |
| CN114894304A (zh) | 环境照度测量方法、装置、电子设备和可读存储介质 |
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 |