TWI635752B - 具有功率約束的影像增強方法、影像處理裝置及顯示系統 - Google Patents
具有功率約束的影像增強方法、影像處理裝置及顯示系統 Download PDFInfo
- Publication number
- TWI635752B TWI635752B TW106129840A TW106129840A TWI635752B TW I635752 B TWI635752 B TW I635752B TW 106129840 A TW106129840 A TW 106129840A TW 106129840 A TW106129840 A TW 106129840A TW I635752 B TWI635752 B TW I635752B
- Authority
- TW
- Taiwan
- Prior art keywords
- model
- input image
- image
- display
- pcsr
- Prior art date
Links
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
- G09G5/10—Intensity circuits
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09G—ARRANGEMENTS OR CIRCUITS FOR CONTROL OF INDICATING DEVICES USING STATIC MEANS TO PRESENT VARIABLE INFORMATION
- G09G2320/00—Control of display operating conditions
- G09G2320/02—Improving the quality of display appearance
- G09G2320/0271—Adjustment of the gradation levels within the range of the gradation scale, e.g. by redistribution or clipping
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09G—ARRANGEMENTS OR CIRCUITS FOR CONTROL OF INDICATING DEVICES USING STATIC MEANS TO PRESENT VARIABLE INFORMATION
- G09G2320/00—Control of display operating conditions
- G09G2320/02—Improving the quality of display appearance
- G09G2320/0271—Adjustment of the gradation levels within the range of the gradation scale, e.g. by redistribution or clipping
- G09G2320/0276—Adjustment of the gradation levels within the range of the gradation scale, e.g. by redistribution or clipping for the purpose of adaptation to the characteristics of a display device, i.e. gamma correction
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09G—ARRANGEMENTS OR CIRCUITS FOR CONTROL OF INDICATING DEVICES USING STATIC MEANS TO PRESENT VARIABLE INFORMATION
- G09G2320/00—Control of display operating conditions
- G09G2320/06—Adjustment of display parameters
- G09G2320/066—Adjustment of display parameters for control of contrast
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09G—ARRANGEMENTS OR CIRCUITS FOR CONTROL OF INDICATING DEVICES USING STATIC MEANS TO PRESENT VARIABLE INFORMATION
- G09G2330/00—Aspects of power supply; Aspects of display protection and defect management
- G09G2330/02—Details of power systems and of start or stop of display operation
- G09G2330/021—Power management, e.g. power saving
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09G—ARRANGEMENTS OR CIRCUITS FOR CONTROL OF INDICATING DEVICES USING STATIC MEANS TO PRESENT VARIABLE INFORMATION
- G09G2330/00—Aspects of power supply; Aspects of display protection and defect management
- G09G2330/02—Details of power systems and of start or stop of display operation
- G09G2330/021—Power management, e.g. power saving
- G09G2330/023—Power management, e.g. power saving using energy recovery or conservation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
一種具有功率約束的影像增強方法、影像處理裝置及顯
示系統,此方法適用於影像處理裝置並且包括下列步驟。首先,接收輸入影像,並且將輸入影像輸入至具有功率約束的稀疏表示(PCSR)模型,其中PCSR模型關聯於稀疏表示模型以及功率約束模型,稀疏表示模型關聯於超完備字典以及稀疏碼,功率約束模型關聯於輸入影像的畫素強度以及顯示器的伽瑪校正值。接著,取得PCSR模型所輸出的重建影像,並且將重建影像顯示於顯示器。
Description
本發明是有關於一種影像增強方法及其影像處理裝置與顯示系統,且特別是有關於一種具有功率約束的影像增強方法及其影像處理裝置與顯示系統。
顯示器面板廣泛地應用於消費型裝置,而許多電池的優化省電技術也因應提出。然而,目前所提出的技術往往會造成顯示出的畫面亮度過低或是色調偏移的現象,而產生不良的視覺效果。
有鑑於此,本發明提供一種具有功率約束的影像增強方法、影像處理裝置以及顯示系統,其可讓顯示器顯示出對比度增強的輸出影像,並且又可節省顯示器的電力消耗。
在本發明的一實施例中,上述的影像增強方法適用於影
像處理裝置並且包括下列步驟。首先,接收輸入影像,並且將輸入影像輸入至具有功率約束的稀疏表示(PCSR)模型,其中PCSR模型包括稀疏表示模型以及功率約束模型,稀疏表示模型關聯於超完備字典以及稀疏碼,功率約束模型關聯於輸入影像的畫素強度以及顯示器的伽瑪校正值。接著,取得PCSR模型所輸出的重建影像,並且將重建影像顯示於顯示器。
在本發明的一實施例中,上述的影像處理裝置包括記憶體以及處理器,其中處理器耦接記憶體。記憶體用以儲存資料以及影像。處理器用以接收輸入影像,將輸入影像輸入至具有功率約束的稀疏表示PCSR模型,取得PCSR模型所輸出的重建影像,並且將重建影像顯示於顯示器,其中PCSR模型包括稀疏表示模型以及功率約束模型,稀疏表示模型關聯於超完備字典以及稀疏碼,功率約束模型關聯於輸入影像的畫素強度以及顯示器的伽瑪校正值。
在本發明的一實施例中,上述的顯示系統包括顯示器以及影像處理裝置。顯示器用以顯示影像。影像處理裝置用以接收輸入影像,將輸入影像輸入至具有功率約束的稀疏表示PCSR模型,取得PCSR模型所輸出的重建影像,並且將重建影像顯示於顯示器,其中PCSR模型包括稀疏表示模型以及功率約束模型,稀疏表示模型關聯於超完備字典以及稀疏碼,功率約束模型關聯於輸入影像的畫素強度以及顯示器的伽瑪校正值。
為讓本發明的上述特徵和優點能更明顯易懂,下文特舉
實施例,並配合所附圖式作詳細說明如下。
100‧‧‧顯示系統
110‧‧‧影像處理裝置
112‧‧‧記憶體
114‧‧‧處理器
120‧‧‧顯示器
200‧‧‧影像
SR‧‧‧稀疏表示模型
PC‧‧‧功率約束模型
Img‧‧‧輸入影像
Img’‧‧‧重建影像
S302~S308、S402~S416‧‧‧步驟
圖1是根據本發明一實施例所繪示的顯示系統的方塊圖。
圖2是根據本發明之一實施例所繪示的PCSR模型的示意圖。
圖3是根據本發明之一實施例所繪示的影像增強方法的流程圖。
圖4是根據本發明一實施例所繪示的稀疏碼估算方法的流程圖。
圖1是根據本發明一實施例所繪示的顯示系統的方塊圖,但此僅是為了方便說明,並不用以限制本發明。首先圖1先介紹顯示系統之所有構件以及配置關係,詳細功能將配合圖2一併揭露。
請參照圖1,顯示系統100包括影像處理裝置110以及顯示器120,其中影像處理裝置110至少包括記憶體112以及處理器114並且連接於顯示器120。在本實施例中,顯示系統100可以是由影像處理裝置110與顯示器120整合成單一裝置的筆記型電腦、數位相機、數位攝影機、智慧型手機、平板電腦、行車紀錄器、
汽車影音系統等具有螢幕的電子裝置。在另一實施例中,顯示系統100的影像處理裝置110可以例如是個人電腦、伺服器電腦等電腦系統並且可以無線或是有線的方式連接至顯示器120,本發明不在此設限。
影像處理裝置110的記憶體112用以儲存視訊影像、資料,其可以例如是任意型式的固定式或可移動式隨機存取記憶體(random access memory,RAM)、唯讀記憶體(read-only memory,ROM)、快閃記憶體(flash memory)、硬碟或其他類似裝置、積體電路及其組合。
影像處理裝置110的處理器114用以執行所提出的影像增強方法,其可以例如是中央處理單元(central processing unit,CPU),或是其他可程式化之一般用途或特殊用途的微處理器(microprocessor)、數位訊號處理器(digital signal processor,DSP)、可程式化控制器、特殊應用積體電路(application specific integrated circuits,ASIC)、可程式化邏輯裝置(programmable logic device,PLD)或其他類似裝置、晶片、積體電路及其組合。
顯示器120用以顯示影像畫面。本實施例中的顯示器120為有機發光二極體(organic light-emitting diode,OLED)顯示器,然而在其它的實施例中,其亦可以例如是液晶顯示器(liquid crystal display,LCD)、發光二極體(light-emitting diode,LED)顯示器、電漿顯示器(plasma display panel)或其他種類的顯示器。
在此,顯示系統100的影像處理裝置110可採用具有功
率約束的稀疏表示(power-constrained sparse representation,PCSR)模型來同時提升顯示器120的顯示品質並且節省功耗。具體來說,以圖2根據本發明之一實施例所繪示的PCSR模型而言,所有影像200皆可以根據關聯於稀疏表示模型SR以及功率約束模型PC的PCSR模型來進行圖3根據本發明之一實施例的影像增強方法的流程。
請同時參照圖1以及圖3,首先,影像處理裝置110的處理器114將接收輸入影像Img(步驟S302)。接著,處理器114將輸入影像輸入至PCSR模型(步驟S304),並且取得由PCSR模型所輸出的重建影像Img’(步驟S306),以將重建影像Img’顯示於顯示器120(步驟S308)。在此將以影像x來做為輸入影像,以詳細說明PCSR模型以及影像增強方法的步驟流程。
在數學上,稀疏表示模型可將影像x R N 表示成方程式(1):
其中Φ R n×M 為超完備字典(over-complete dictionary)並且可以影像x來進行更新,以更完整地描述影像結構,而α R M 為稀疏碼的陣列(sparse coding vector)並且大部份的元素等於或接近於0。此外,影像x可稀疏地分解成如方程式(2)的L0最小化問題(L0-minimizaton):
其中∥.∥0以及∥.∥2分別為擬範數(pseudo norm)以及弗羅貝尼烏斯範
數(Frobenius norm),而ε為可控制逼近誤差的容忍值。為了可追蹤L0最小化問題(即,NP困難組合最佳化問題(NP-hard combinatorial optimization)),其往往可替代成如方程式(3)的凸L1最小化(convex L1-minimization)問題:
其中β以及λ分別為正則化係數(regularization coefficient)並且可以分別設定為1.0以及0.5。在方程式(3)中,第一項代表資料保真度(data fidelity),第二項∥α∥1代表矩陣的稀疏性。在此,方程式(3)中的L1最小化問題可以正交匹配追蹤法(orthogonal matching pursuit,OMP)來解。
以功率約束的對比度增強來說,自一個明亮鮮豔影像x中以一個二進制矩陣(binary matrix)R i 自第i個位置所擷取並且大小為×的多個正方形區塊x i 可以方程式(4)來表示:x i =R i x (4)當以此些區塊x i 來針對影像x進行重建時,可藉由方程式(5)中以能量最小化的方式,針對各個區塊來進行有關於超完備字典Φ的稀疏編碼:
接著,假設稀疏碼α為已知,則可以方程式(6)利用最小平方解(least-square solution)來進行影像x的重建:
也就是說,方程式(6)即代表可藉由平均各個稀疏編碼的區塊x i 來進行影像x的重建。
為了有效地進行功率約束的對比度增強,用以計算顯示器120的功率約束模型可以是根據色彩空間中畫素強度來計算功耗。在本實施例中,功耗可以是根據畫素強度的亮度成份來計算。以YCbCr色彩空間為例,整體功耗主要是以Y成份(即亮度成份)佔絕大部份。基此,此模型可以方程式(7)來表示:
其中為區塊x i 的第j個位置的畫素強度的亮度成份,其可視為具有伽瑪校正值(gamma correction)為γ的顯示器的功耗。一般來說,γ可以是設定為一般顯示器所採用的2.2。在實作上,γ亦可以是可適應性地進行調整以進行更精確的功耗估算。因此,方程式(7)的功耗可以改寫成方程式(8):P(x i )=∥x i ∥γ (8)其中∥.∥ γ 為γ範數並且可以表示成方程式(9):
藉此,PCSR模型得以針對功耗進行計算以及彈性地最佳化處理。
由功率約束模型可看出藉由抑制重建影像中的像素亮度值則可改善顯示器120的功率消耗。然而,方程式(5)中的稀疏表
示模型是預期重建影像的區塊Φα i 應與輸入影像的區塊x i 極為接近,而此困難點在於需要進行降質處理(degrade)的畫素為未知使得Φα無法藉由方程式(5)來取得。即便如此,本實施例可針對Φα i 提出合理的降質處理而同時使其盡可能地近似於輸入影像的區塊x i ,則重建影像的區塊Φα i 可以具有豐富的對比度且低功耗的表示方式來呈現輸入影像。因此,在此所提出的PCSR模型將考量到以下兩個目標。
第一個目標為抑制重建影像的畫素強度以節省功率。在此,將利用方程式(8)的功率約束項次來將方程式(3)的目標函數改為方程式(10):
其中η為正則化係數。功率約束的對比度增強處理中最為重要的其中一個環節為針對顯示器120的伽瑪校正值(gamma correction)γ的選擇。一般習知的伽瑪校正值(例如γ=1.0、γ=2.0、γ=2.2)並不足夠地適用於多種不同的顯示器。本實施例將採用適應性的伽瑪校正方式而以任意值來取代固定的γ。這將使得PCSR模型具有有效且適應性的表現方式,從而產生出較好的影像重建結果。在此,方程式(10)可寫成針對輸入影像的區塊x i 的方程式(11):
針對以上的PCSR模型,在強制稀疏碼α i 的資料保真度的同時,其亦也以一定的降質程度∥Φα i ∥ γ 來進行約束以抑制畫素強度。
另一方面,第二個目標為改善重建影像的對比度以增強影像。在此,假設總變異(total variation)的最大化為在抑制畫素強度時對於增加影像對比度的懲罰函數,其可以方程式(12)表示:
其中∥▽(Φα i )∥ TV 為離散的等向性總變異範數(isotropic TV norm)並且具有梯度運算子▽:→,其可以方程式(13)來表示:
其中(Φα i ) j 以及(Φα i ) j 分別為位於第j個位置Φα i 分別相對於水平方向以及垂直方向的微分。因此,方程式(11)的目標函數可以更進一步地改寫成方程式(14):
其中θ為總變異約束的正則化參數。
由於局部的總變異約束∥▽(Φα i )∥ TV ,其可使得PCSR模型可在顯示器的功率模型下容易適應全域抑制的功率約束。如此一來,將可針對畫素強度進行局部性的調整以將其變異相對於全域強度抑制達到最大化,則可使得在增強影像對比度的同時達到精確的影像重建。基於此,PCSR模型的目標成本函數可以是以方程式(15)來表示:
在此先說明的是,方程式(15)的正則化係數β以及λ分別
控制重建影像相對於輸入影像的保真度以及稀疏碼α的稀疏性。為了取得兩者的平衡,β以及λ可以分別設定為10以及0.5。換句話說,在此目標是重建出一張影像接近於輸入影像,但仍容許些許誤差以增強對比度以及提供較低的功耗。方程式(15)的正則化係數γ控制顯示器120的估測功耗。當γ值越大,功耗則相對於小。因此,γ的選擇將與顯示器120的功耗等級相關,而在此可將γ設定為例如是一般顯示器所採用的2.2。方程式(15)的正則化係數θ控制影像區塊的總變異估測量。因此,適當的θ可在特定的功耗等級下使得Φα達到良好對比度增強效果。一般來說,θ可以設定為1.0,其中Φα將會在迭代的過程中增強其對比度。
此外,η約束PCSR模型中的功耗。當η值越大,將會因功率約束而產生較低亮度值的影像,而當η值越小,將會因資料保真度而產生較高亮度值的影像。因此,η的選擇將取決於在滿意的資料保真度下顯示器120所需的功率等級。在本實施例中,相較於原始影像的輸出功耗,在給定β=10.0、λ=0.5、γ=2.2、θ=1.0時,η=2.8可約束至約為30%的功耗,η=1.6可約束至約為40%的功耗,η=1.0可約束至約為50%的功耗,η=0.6可約束至約為60%的功耗,η=0.4可約束至約為70%的功耗,η=0.1可約束至約為80%的功耗。
在本實施例中,方程式(15)的PCSR模型的目標函數可以利用根據變數分離方式(variable splitting method)的迭代交替演算法(iterative alternating algorithm)。具體來說,上述的最小化問題可以藉由引入三個輔助變數分為四個步驟。
在此,迭代交替演算法主要是先引入輔助變數u R n 以及w R n ,以將方程式(15)的最小化問題分成三個較為簡易的子問題來針對α、u、w進行最佳化,如方程式(16)所示:
其中ζ以及μ為正則化係數並且可以皆分別設定為1.0。由於▽u i 為利用梯度運算子▽自u i 所獲得的矩陣,在此可引入變數m R n 來將方程式(16)改寫成方程式(17)以使得最小化問題容易追蹤:
其中κ為正則化係數並且可以設定為1.0。因此,方程式(15)的原始最小化問題的最佳化解將可收斂至以下m步驟、α步驟、u步驟以及w步驟的解。
在m步驟中,假設給定稀疏碼α以及變數α,各個影像區塊相對於m的第一個子問題將成為凸優化(convex optimization)如方程式(18)所示:
此外,針對第i個影像區塊中的第j個畫素x i,j ,方程式(18)可進一步地改寫成如方程式(19)的離散形式以利追蹤:
接著,方程式(19)的最佳化m則可利用內點法(interior-point method)來有效地取得。
在α步驟中,當方程式(17)的m為固定時,相對於α的第二個子問題將可以是利用方程式(20)的最小化問題來取得:
此外,針對第i個影像區塊,方程式(20)可進一步地改寫成如方程式(21)的形式以利追蹤:
上述的能量為降噪基追蹤(basis pursuit denoising,BPDN)問題的基本形式,其可利用正交匹配追蹤法來解。
在u步驟中,當所估測的w為固定時,相對於u的第三個子問題將可以是利用方程式(22)的最小化問題來取得:
在此可利用最小平方(least squares)的方式來取得方程式(22)的封閉形式解(closed-form solution),其可以方程式(23)來表示:u=(μ▽*▽+kl)(μ▽*w+km) (23)
其中▽*=-div,其為雙向梯度運算子(bidirectional gradient operator)▽於水平方向以及垂直方向的複數共軛轉置(complex conjugate transpose),因此▽*w更可以方程式(24)來表示:
在w步驟中,當u為固定時,相對於w可以利用方程式(25)的L21範數(L2,1-norm)最小化問題來解:
在此可利用最小絕對壓縮演算法(least absolute shrinkage algorithm)來解方程式(25)而得到方程式(26):
其中shink(.)為壓縮運算子並且可以方程式(27)來表示:
基此,方程式(15)的解可藉由例如是圖4根據本發明一實施例所繪示的稀疏碼估算方法的流程圖來取得迭代地進行上述的m步驟、α步驟、u步驟以及w步驟而有效地取得。
請參照圖4,首先,處理器114將接收輸入影像x(步驟S402)。接著,處理器114將開始進行參數的初始化設定:稀疏權重λ←0.5,正則化係數ζ←1.0,正則化係數μ←1.0,正則化係數κ←1.0,資料保真度權重β←10,功耗權重η(步驟S404),而如前述,η可視所欲達到的功耗而設定。舉例來說,當η=0.4時,相較於原始輸
入影像,其可約束至70%的功耗。在迭代的過程中,處理器114將根據方程式(19)更新m(步驟S406),根據方程式(21)更新α(步驟S408),根據方程式(23)更新u(步驟S410),以及根據方程式(26)更新w(步驟S412)。
之後,處理器114將判斷以上所更新的m、α、u以及w是否可使PCSR模型的能量達到收斂(convergence)(步驟S414),其中PCSR模型的能量為方程式(15)的目標成本函數的數值。前述的內點法、正交匹配追蹤法以及最小絕對壓縮演算法皆具有收斂的特性。然而,在本實施例中,亦可利用方程式(28)來判斷是否到達收斂:
其中E t 為第t次迭代過程中PCSR模型的能量,E t-1為第t-1次迭代過程中PCSR模型的能量,ψ小於預設差值時則判斷為收斂。
當步驟S414的判斷為否時,處理器114會重新執行步驟S406,以進行下一個的迭代流程。若是,處理器114將會輸出目前最佳化的稀疏碼α(步驟S416),而完成稀疏碼估算方法的流程。
綜上所述,本發明所提出功率約束的影像增強方法及其影像處理裝置與顯示系統,其利用所提出的PCSR模型以使顯示器顯示出對比度增強的輸出影像,並且又可同時節省顯示器的電力消耗。本發明所提出的影像增強技術可運用於消費性電子產品
上,以增強本發明在實際應用中的適用性。
雖然本發明已以實施例揭露如上,然其並非用以限定本發明,任何所屬技術領域中具有通常知識者,在不脫離本發明的精神和範圍內,當可作些許的更動與潤飾,故本發明的保護範圍當視後附的申請專利範圍所界定者為準。
Claims (8)
- 一種具有功率約束的影像增強方法,適用於影像處理裝置,該方法包括下列步驟:接收輸入影像;輸入該輸入影像至具有功率約束的稀疏表示(PCSR)模型,其中該PCSR模型關聯於稀疏表示模型以及功率約束模型,該稀疏表示模型關聯於超完備字典以及稀疏碼,該功率約束模型關聯於該輸入影像的畫素強度以及顯示器的伽瑪校正值,其中:該稀疏表示模型將該輸入影像表示為:其中x為該輸入影像,Φα為該重建影像,Φ為該超完備字典並且Φ R n×M ,α R M 為該稀疏碼的陣列;以及該功率約束模型為:其中為該輸入影像的區塊x i 的第j個位置的畫素強度的亮度成份,γ為該顯示器的該伽瑪校正值;取得PCSR模型所輸出的重建影像;以及顯示該重建影像於該顯示器。
- 如申請專利範圍第1項所述的方法,其中該稀疏表示模型將該輸入影像表示為:其中R i 為二進制矩陣並且可自該輸入影像的第i個位置所擷取的矩形區塊。
- 如申請專利範圍第1項所述的方法,其中該PCSR模型的成本函數是根據資料保真度、矩陣的稀疏性、預設的降質程度以及局部的總變異約束所建構。
- 如申請專利範圍第3項所述的方法,其中該PCSR模型的成本函數為:其中、∥α i ∥1、∥Φα i ∥ γ 以及∥▽(Φα i )∥ TV 分別為對應於該輸入影像的區塊x i 的該資料保真度、該矩陣的稀疏性、該預設的降質程度以及該局部的總變異約束,β、λ以及η為正則化係數,Φα i 為該重建影像中對應於x i 的區塊,Φ為該超完備字典並且Φ R n×M ,α R M 為該稀疏碼的陣列,γ為該顯示器的伽瑪校正值。
- 如申請專利範圍第4項所述的方法,其中解α的方式為引入三個輔助變數至該PCSR模型的該成本函數以分解成四個子問題,並且以交替迭代最佳化算法來取得,其中所述子問題為凸優化問題、降噪基追蹤問題、最小平方問題以及L21範數最小化問題。
- 如申請專利範圍第5項所述的方法,其中該凸優化問題是利用內點法求解,該降噪基追蹤問題是利用正交匹配追蹤法求解,該最小平方問題具有封閉形式解,該L21範數最小化問題是利用絕對壓縮演算法求解。
- 一種影像處理裝置,連接於顯示器,包括:記憶體,用以儲存影像以及資料;以及處理器,耦接該記憶體,用以:接收輸入影像;輸入該輸入影像至具有功率約束的稀疏表示(PCSR)模型,其中該PCSR模型關聯於稀疏表示模型以及功率約束模型,該稀疏表示模型關聯於超完備字典以及稀疏碼,該功率約束模型關聯於該輸入影像的畫素強度以及該顯示器的伽瑪校正值,其中:該稀疏表示模型將該輸入影像表示為:其中x為該輸入影像,Φα為該重建影像,Φ為該超完備字典並且Φ R n×M ,α R M 為該稀疏碼的陣列;以及該功率約束模型為:其中為該輸入影像的區塊x i 的第j個位置的畫素強度的亮度成份,γ為該顯示器的該伽瑪校正值;取得PCSR模型所輸出的重建影像;以及顯示該重建影像於該顯示器。
- 一種顯示系統,包括:顯示器,用以顯示畫面;以及影像處理裝置,用以:接收輸入影像;輸入該輸入影像至具有功率約束的稀疏表示(PCSR)模型,其中該PCSR模型關聯於稀疏表示模型以及功率約束模型,該稀疏表示模型關聯於超完備字典以及稀疏碼,該功率約束模型關聯於該輸入影像的畫素強度以及該顯示器的伽瑪校正值,其中:該稀疏表示模型將該輸入影像表示為:其中x為該輸入影像,Φα為該重建影像,Φ為該超完備字典並且Φ R n×M ,α R M 為該稀疏碼的陣列;以及該功率約束模型為:其中為該輸入影像的區塊x i 的第j個位置的畫素強度的亮度成份,γ為該顯示器的該伽瑪校正值;取得PCSR模型所輸出的重建影像;以及顯示該重建影像於該顯示器。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW106129840A TWI635752B (zh) | 2017-08-31 | 2017-08-31 | 具有功率約束的影像增強方法、影像處理裝置及顯示系統 |
US15/807,593 US10417996B2 (en) | 2017-08-31 | 2017-11-09 | Method, image processing device, and display system for power-constrained image enhancement |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW106129840A TWI635752B (zh) | 2017-08-31 | 2017-08-31 | 具有功率約束的影像增強方法、影像處理裝置及顯示系統 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI635752B true TWI635752B (zh) | 2018-09-11 |
TW201914298A TW201914298A (zh) | 2019-04-01 |
Family
ID=64453143
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW106129840A TWI635752B (zh) | 2017-08-31 | 2017-08-31 | 具有功率約束的影像增強方法、影像處理裝置及顯示系統 |
Country Status (2)
Country | Link |
---|---|
US (1) | US10417996B2 (zh) |
TW (1) | TWI635752B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101980284A (zh) * | 2010-10-26 | 2011-02-23 | 北京理工大学 | 基于两尺度稀疏表示的彩色图像降噪方法 |
CN102945552A (zh) * | 2012-10-22 | 2013-02-27 | 西安电子科技大学 | 基于自然场景统计中稀疏表示的无参考图像质量评价方法 |
CN104063857A (zh) * | 2014-06-30 | 2014-09-24 | 清华大学 | 高光谱图像的生成方法及系统 |
US20150003749A1 (en) * | 2013-06-28 | 2015-01-01 | Samsung Electronics Co., Ltd. | Image processing device and image processing method |
Family Cites Families (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6160532A (en) | 1997-03-12 | 2000-12-12 | Seiko Epson Corporation | Digital gamma correction circuit, gamma correction method, and a liquid crystal display apparatus and electronic device using said digital gamma correction circuit and gamma correction method |
US7633471B2 (en) | 2000-05-12 | 2009-12-15 | Semiconductor Energy Laboratory Co., Ltd. | Light-emitting device and electric appliance |
JP4187425B2 (ja) | 2000-09-11 | 2008-11-26 | 富士フイルム株式会社 | 画像制御装置およびディジタルカメラ |
US7592996B2 (en) | 2006-06-02 | 2009-09-22 | Samsung Electronics Co., Ltd. | Multiprimary color display with dynamic gamut mapping |
US8941580B2 (en) | 2006-11-30 | 2015-01-27 | Sharp Laboratories Of America, Inc. | Liquid crystal display with area adaptive backlight |
US20090322800A1 (en) | 2008-06-25 | 2009-12-31 | Dolby Laboratories Licensing Corporation | Method and apparatus in various embodiments for hdr implementation in display devices |
US8290251B2 (en) | 2008-08-21 | 2012-10-16 | Adobe Systems Incorporated | Image stylization using sparse representation |
JP2010091719A (ja) | 2008-10-07 | 2010-04-22 | Sony Corp | 表示装置、表示データ処理装置、表示データ処理方法 |
CN101510393B (zh) | 2009-03-16 | 2011-06-22 | 深圳市元亨光电股份有限公司 | 基于空间矢量的色度led全彩色显示屏校正方法 |
US8860751B2 (en) | 2009-09-01 | 2014-10-14 | Entertainment Experience Llc | Method for producing a color image and imaging device employing same |
US9269024B2 (en) | 2010-02-01 | 2016-02-23 | Qualcomm Incorporated | Image recognition system based on cascaded over-complete dictionaries |
US8866837B2 (en) | 2010-02-02 | 2014-10-21 | Microsoft Corporation | Enhancement of images for display on liquid crystal displays |
US8660355B2 (en) | 2010-03-19 | 2014-02-25 | Digimarc Corporation | Methods and systems for determining image processing operations relevant to particular imagery |
US8982060B2 (en) | 2010-08-27 | 2015-03-17 | Apple Inc. | Touch and hover sensor compensation |
US8483500B2 (en) | 2010-09-02 | 2013-07-09 | Sony Corporation | Run length coding with context model for image compression using sparse dictionaries |
CN102930518B (zh) | 2012-06-13 | 2015-06-24 | 上海汇纳信息科技股份有限公司 | 基于改进的稀疏表示的图像超分辨率方法 |
TWI463476B (zh) | 2012-08-01 | 2014-12-01 | Au Optronics Corp | 使用畫素顯示影像之方法 |
US9152881B2 (en) | 2012-09-13 | 2015-10-06 | Los Alamos National Security, Llc | Image fusion using sparse overcomplete feature dictionaries |
CN104134204B (zh) | 2014-07-09 | 2017-04-19 | 中国矿业大学 | 一种基于稀疏表示的图像清晰度评价方法和装置 |
US9824468B2 (en) * | 2015-09-29 | 2017-11-21 | General Electric Company | Dictionary learning based image reconstruction |
-
2017
- 2017-08-31 TW TW106129840A patent/TWI635752B/zh not_active IP Right Cessation
- 2017-11-09 US US15/807,593 patent/US10417996B2/en not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101980284A (zh) * | 2010-10-26 | 2011-02-23 | 北京理工大学 | 基于两尺度稀疏表示的彩色图像降噪方法 |
CN102945552A (zh) * | 2012-10-22 | 2013-02-27 | 西安电子科技大学 | 基于自然场景统计中稀疏表示的无参考图像质量评价方法 |
US20150003749A1 (en) * | 2013-06-28 | 2015-01-01 | Samsung Electronics Co., Ltd. | Image processing device and image processing method |
CN104063857A (zh) * | 2014-06-30 | 2014-09-24 | 清华大学 | 高光谱图像的生成方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
US10417996B2 (en) | 2019-09-17 |
US20190066629A1 (en) | 2019-02-28 |
TW201914298A (zh) | 2019-04-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220270208A1 (en) | Blended neural network for super-resolution image processing | |
CN101809617B (zh) | 提高图像动态范围 | |
US20190103062A1 (en) | Method and apparatus for compensating for brightness of display device | |
JP6502947B2 (ja) | 高ダイナミックレンジ画像をトーンマッピングする方法及びデバイス | |
US20180082661A1 (en) | Method of image processing and display apparatus performing the same | |
CN108702514B (zh) | 一种高动态范围图像处理方法及装置 | |
Lee et al. | Optimized brightness compensation and contrast enhancement for transmissive liquid crystal displays | |
US20180005358A1 (en) | A method and apparatus for inverse-tone mapping a picture | |
US11100607B2 (en) | Electronic apparatus and control method for updating parameters of neural networks while generating high-resolution images | |
KR102661879B1 (ko) | 영상 처리 장치 및 그 영상 처리 방법 | |
US10664959B2 (en) | Method of performing an image-adaptive tone mapping and display device employing the same | |
Chang et al. | SSIM-based quality-on-demand energy-saving schemes for OLED displays | |
US20180158173A1 (en) | Adaptive pixel uniformity compensation for display panels | |
US9508280B2 (en) | Method of compensating color of transparent display device | |
US20220148235A1 (en) | Display apparatus and image processing method thereof for applying random patches to pixel block | |
US11823352B2 (en) | Processing video frames via convolutional neural network using previous frame statistics | |
TWI635752B (zh) | 具有功率約束的影像增強方法、影像處理裝置及顯示系統 | |
Jang et al. | Noniterative power-constrained contrast enhancement algorithm for OLED display | |
US10893292B2 (en) | Electronic circuit and electronic device performing motion estimation through hierarchical search | |
KR102234795B1 (ko) | 디스플레이 전력의 감소를 위한 이미지 데이터의 프로세싱 방법 및 디스플레이 시스템 | |
US11436442B2 (en) | Electronic apparatus and control method thereof | |
US11328432B2 (en) | Electronic circuit and electronic device performing motion estimation based on decreased number of candidate blocks | |
US20160156908A1 (en) | Method and device for encoding and decoding a hdr picture and a ldr picture | |
Lee et al. | Power-constrained RGB-to-RGBW conversion for emissive displays: Optimization-based approaches | |
KR102460390B1 (ko) | 영상 처리 장치, 영상 처리 방법 및 컴퓨터 판독가능 기록 매체 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
MM4A | Annulment or lapse of patent due to non-payment of fees |