WO2020124629A1 - 用于确定画面相邻行相似度的方法和显示设备 - Google Patents

用于确定画面相邻行相似度的方法和显示设备 Download PDF

Info

Publication number
WO2020124629A1
WO2020124629A1 PCT/CN2018/123785 CN2018123785W WO2020124629A1 WO 2020124629 A1 WO2020124629 A1 WO 2020124629A1 CN 2018123785 W CN2018123785 W CN 2018123785W WO 2020124629 A1 WO2020124629 A1 WO 2020124629A1
Authority
WO
WIPO (PCT)
Prior art keywords
image data
sub
line
pixel
frame
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.)
Ceased
Application number
PCT/CN2018/123785
Other languages
English (en)
French (fr)
Inventor
曾德康
胡水秀
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.)
HKC Co Ltd
Original Assignee
HKC 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 HKC Co Ltd filed Critical HKC Co Ltd
Priority to US17/252,288 priority Critical patent/US11381828B2/en
Publication of WO2020124629A1 publication Critical patent/WO2020124629A1/zh
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
    • H04N19/176—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object the region being a block, e.g. a macroblock
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09G—ARRANGEMENTS OR CIRCUITS FOR CONTROL OF INDICATING DEVICES USING STATIC MEANS TO PRESENT VARIABLE INFORMATION
    • G09G3/00—Control arrangements or circuits, of interest only in connection with visual indicators other than cathode-ray tubes
    • G09G3/20—Control arrangements or circuits, of interest only in connection with visual indicators other than cathode-ray tubes for presentation of an assembly of a number of characters, e.g. a page, by composing the assembly by combination of individual elements arranged in a matrix no fixed position being assigned to or needed to be assigned to the individual characters or partial characters
    • G09G3/34—Control arrangements or circuits, of interest only in connection with visual indicators other than cathode-ray tubes for presentation of an assembly of a number of characters, e.g. a page, by composing the assembly by combination of individual elements arranged in a matrix no fixed position being assigned to or needed to be assigned to the individual characters or partial characters by control of light from an independent source
    • G09G3/36—Control arrangements or circuits, of interest only in connection with visual indicators other than cathode-ray tubes for presentation of an assembly of a number of characters, e.g. a page, by composing the assembly by combination of individual elements arranged in a matrix no fixed position being assigned to or needed to be assigned to the individual characters or partial characters by control of light from an independent source using liquid crystals
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/157—Assigned coding mode, i.e. the coding mode being predefined or preselected to be further used for selection of another element or parameter
    • H04N19/159—Prediction type, e.g. intra-frame, inter-frame or bidirectional frame prediction
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/186—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being a colour or a chrominance component
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding

Definitions

  • the present application relates to the field of image processing, and more specifically to a method and a display device for determining the similarity of adjacent lines of a picture.
  • a method and a display device for determining the similarity of adjacent lines of a picture are provided.
  • a method for determining the similarity of adjacent lines of a picture includes: acquiring a feature quantity of a sub-pixel corresponding to each line of image data in a frame of image data; Image data corresponding to the feature amount of the sub-pixel is compressed to obtain the compressed feature amount of the sub-pixel corresponding to each line of image data; the adjacent two lines of image data in one frame of image data correspond to the compressed feature amount of the sub-pixel Subtraction, and summing the absolute values of the multiple difference values obtained by the subtraction; and determining the similarity of the adjacent two lines of image data in one frame of image data according to the value obtained after the summation.
  • a method for determining the similarity of adjacent lines of a picture includes: acquiring a feature quantity of a sub-pixel corresponding to each line of image data in a frame of image data, and a frame of image data
  • the total number of rows in N is N; the feature quantity of the sub-pixel corresponding to each row of image data obtained is compressed to obtain the compressed feature quantity of the sub-pixel corresponding to each row of image data; the nth row in the image data of one frame Subtract the compressed feature value of the sub-pixel corresponding to the image data of the n-1th line, and sum the absolute values of the multiple differences obtained by the subtraction; determine the value of one frame of image data according to the value obtained after the summation
  • a display device including a device for determining the similarity of adjacent lines of a picture, the device including a processor and a memory, the processor for executing a computer program stored in the memory
  • obtain the feature amount of the sub-pixel corresponding to each line of image data in a frame of image data compress the feature amount of the sub-pixel corresponding to each line of image data obtained to obtain the compression of the sub-pixel corresponding to each line of image data
  • the value obtained afterwards determines the similarity of the adjacent two lines of image data in one frame of image data.
  • FIG. 1 is a flowchart of a method for determining the similarity of adjacent lines of a picture in an embodiment.
  • FIG. 2 is a flowchart of a method for determining the similarity of adjacent lines of a picture in an embodiment.
  • FIG. 3 is a flowchart of step S230 of the method shown in FIG. 2 in an embodiment.
  • FIG. 4 is a flowchart of step S240 of the method shown in FIG. 2 in an embodiment.
  • FIG. 5 is a flowchart of a method for determining the similarity of adjacent lines of a picture in an embodiment.
  • An embodiment of the present application provides a method for determining the similarity of adjacent lines of a picture. As shown in FIG. 1, the method may include the following steps:
  • Step S110 Obtain the feature amount of the sub-pixel corresponding to each line of image data in one frame of image data.
  • Step S120 Compress the obtained feature amount of the sub-pixel corresponding to each row of image data to obtain the compressed feature amount of the sub-pixel corresponding to each row of image data.
  • Step S130 Subtract the compressed feature amounts of sub-pixels corresponding to the adjacent two lines of image data in one frame of image data, and sum the absolute values of the plurality of difference values obtained by the subtraction.
  • Step S140 Determine the similarity of adjacent two lines of image data in one frame of image data according to the value obtained after the summation.
  • a frame of image is a still picture, and continuous frames form an animation, such as a TV image.
  • a frame of image contains multiple lines and each line of image includes multiple sub-pixels. Obtain the feature quantity of the sub-pixel corresponding to each line of image data in one frame of image data, so as to facilitate subsequent comparison and calculation.
  • the obtained feature amount is compressed to obtain the compressed feature amount of the sub-pixel corresponding to each line of image data.
  • the compressed feature amounts of sub-pixels corresponding to the adjacent line of image data in one frame of image data are subtracted, and the absolute values of the multiple differences obtained by the subtraction are subtracted. Perform summation, and then determine the similarity of the image data of the two adjacent lines according to the value obtained after the summation.
  • the above method for determining the similarity of adjacent lines of the picture by compressing the feature amount of each sub-pixel corresponding to each line of image data in one frame of image data, the compressed feature amount of the sub-pixel corresponding to the adjacent two lines of image data Subtraction, summing the absolute values of multiple differences obtained by subtraction, and determining the similarity of the two adjacent lines according to the value obtained by the summation, so that the display data of the two adjacent lines can be quickly and conveniently determined by the algorithm
  • the similarity, and through compression can reduce the amount of data stored in the storage register, thereby reducing costs.
  • the characteristic amount of the sub-pixel may include any one of gray value, chroma, brightness, and the like.
  • the feature quantity of the corresponding sub-pixel is the gray value of the corresponding sub-pixel. Using the gray value as the feature value can easily and quickly calculate the value of the feature value.
  • step S110 acquiring the feature amount of the sub-pixel corresponding to each line of image data in one frame of image data includes: calculating the gray value of the sub-pixel corresponding to each line of image data in one frame of image data, To obtain the gray value of the sub-pixel corresponding to each line of image data.
  • the feature quantity of the corresponding sub-pixel may be the gray value of the corresponding sub-pixel, so step S110 includes calculating the gray value of the sub-pixel corresponding to the image data to obtain the gray value of the sub-pixel corresponding to each row of image data.
  • step S120 the feature quantity of the sub-pixel corresponding to each row of image data obtained is compressed to obtain the compressed feature quantity of the sub-pixel corresponding to each row of image data, including: each row of images obtained
  • the gray value of the sub-pixel corresponding to the data is divided by m and rounded to obtain the compressed gray value of the sub-pixel corresponding to each line of image data, where the value of m is any one of 2, 4, 8, and 16.
  • the obtained gray value is compressed.
  • the compression method is obtained by dividing the gray value of the corresponding sub-pixel of each line of image data by m, and m can be any one of 2, 4, 8, and 16.
  • the gray value range is 0 to 255, and it occupies 8 bits during storage.
  • the range of the compressed gray value is 0 to 63, and it occupies 6bit bit width during storage, so it is reduced by 2bit bit width after compression.
  • the compressed grayscale value ranges from 0 to 31, and it occupies 5bit bit width during storage, so it is reduced by 3bit bit width after compression.
  • the compressed grayscale value ranges from 0 to 15 and occupies 4 bits during storage. Therefore, the compression reduces the width by 4 bits.
  • the method in the above embodiment can significantly reduce the storage capacity required for storage by compressing the gray value, thereby significantly saving the cost of the integrated circuit.
  • step S130 the compressed feature amounts of sub-pixels corresponding to the adjacent two lines of image data in one frame of image data are subtracted, and the absolute values of the plurality of difference values obtained by the subtraction are summed , Including: subtracting the compressed gray value of the corresponding sub-pixels of the adjacent two lines of image data in one frame of image data to obtain multiple differences, the number of multiple differences is the One line of image data corresponds to the number of sub-pixels; and the sum of the absolute values of multiple differences.
  • the compressed gray value of the corresponding sub-pixel in the adjacent two lines of image data is subtracted, thus, a plurality of difference values are obtained, and the number of the plurality of difference values is the number of sub-pixels corresponding to one line of image data.
  • the absolute values of multiple differences are summed here, and the value obtained after the summation represents the total difference between the two lines of image data.
  • step S140 determining the similarity of adjacent two lines of image data in one frame of image data according to the value obtained after the summation includes:
  • the compressed gray value ranges from 0 to Y, so the maximum value of the difference between the gray values of the two sub-pixels is Y.
  • X*Y is the maximum value of the absolute value of the difference between the gray values of the adjacent two lines of image data.
  • the ratio of the summed value H_data(n) and X*Y is used to measure the gray value of the adjacent lines. Difference, and 1 minus this ratio can measure the similarity of adjacent rows.
  • the error of the feature value does not exceed m
  • the difference between the gray values of the two sub-pixels is Y
  • the value of Y is 255 divided by m
  • the error of the similarity is small.
  • the error of the feature quantity is a maximum of 4.
  • the difference value of 4 gray levels will not affect the result, and thus will not affect the use of the algorithm itself.
  • the value of m may be selected according to the actual needs of specific applications (eg, calculation accuracy and/or cost).
  • the similarity of two adjacent rows can be determined conveniently and quickly according to the formula.
  • the calculation process is simple, the calculation result is intuitive and convenient for subsequent analysis and processing.
  • the value of m is 2 or 4.
  • m is 2 or 4
  • the storage capacity required for storage can be reduced
  • the error caused by compression is small, and it will not affect the use of the algorithm itself.
  • An embodiment of the present application also provides a method for determining the similarity of adjacent lines of a picture. As shown in FIG. 2, the method includes:
  • Step S210 Obtain the feature quantity of the sub-pixel corresponding to each line of image data in one frame of image data, and the total number of lines in one frame of image data is N;
  • Step S220 Compress the obtained feature quantity of the sub-pixel corresponding to each row of image data to obtain the compressed feature quantity of the sub-pixel corresponding to each row of image data;
  • Step S230 Subtract the compressed feature amounts of the sub-pixels corresponding to the image data of the nth and n-1th rows of the image data in one frame of image data, and sum the absolute values of the multiple differences obtained by the subtraction;
  • Step S240 Determine the similarity between the image data of the nth line and the n-1th line in the image data of a frame according to the value obtained after the summation
  • Step S260 the comparison of the image data of this frame is ended
  • n 2
  • the compressed image data of two adjacent lines corresponds to the Feature quantity subtraction, summing the absolute values of the multiple differences obtained by the subtraction, determining the similarity of the two adjacent rows according to the value obtained after the summation, and judging whether it is the last row, so that the algorithm can quickly Accurately determine the similarity of all adjacent rows in one frame of image data, thereby saving the cost of integrated circuits.
  • the feature quantity of the corresponding sub-pixel may include any one of the gray value, chroma, brightness, etc. of the corresponding sub-pixel.
  • the feature quantity of the corresponding sub-pixel is the gray value of the corresponding sub-pixel. Using the gray value as the feature value can easily and quickly calculate the value of the feature value.
  • step S210 acquiring the feature quantity of the sub-pixel corresponding to each line of image data in one frame of image data includes: calculating the gray value of the sub-pixel corresponding to each line of image data in one frame of image data, To obtain the gray value of the sub-pixel corresponding to each line of image data.
  • step S210 includes calculating the gray value of the sub-pixel corresponding to the image data to obtain the gray value of the sub-pixel corresponding to each row of image data.
  • step S220 the obtained feature amount of the sub-pixel corresponding to each row of image data is compressed to obtain the compressed feature amount of the sub-pixel corresponding to each row of image data, including: Divide the gray value of the sub-pixel corresponding to each line of image data obtained by dividing by m to obtain the compressed gray value of the sub-pixel corresponding to each line of image data, where the values of m are 2, 4, 8 and Any of 16.
  • the obtained gray value is compressed.
  • the compression method is obtained by dividing the gray value of the corresponding sub-pixel of each line of image data by m, and m can be any one of 2, 4, 8, and 16.
  • the gray value range is 0 to 255, and it occupies 8 bits during storage.
  • step S230 the feature amounts of the sub-pixels corresponding to the image data of the n-th row and the n-1-th row of image data in one frame of image data are subtracted, and Sum the absolute values of the differences, including:
  • Step S231 Subtract the compressed grayscale values of the corresponding sub-pixels of the image data of the n-th row and the n-1th row of image data in one frame of image data to obtain multiple differences, the number of multiple differences is one One line of image data in the frame image data corresponds to the number of sub-pixels.
  • step S232 the absolute values of the plurality of differences are summed.
  • step S233 the value H_data(n) obtained after the summation is stored in the register H_data.
  • the compressed gray values of the corresponding sub-pixels in the image data of the nth and n-1th lines are compressed.
  • the degree values are subtracted to obtain multiple difference values, and the number of the multiple difference values is the number of sub-pixels corresponding to one line of image data.
  • the absolute values of the multiple differences are summed here, and the value H_data(n) obtained after the summation represents the total difference between the two lines of image data. Store H_data(n) in the register H_data to facilitate reading in the subsequent calculation process.
  • step S240 the similarity of the image data of the nth line and the n-1th line in the image data of one frame is determined according to the value obtained after the summation, including:
  • the compressed gray value ranges from 0 to Y, so the maximum value of the difference between the gray values of the two sub-pixels is Y.
  • X*Y is the maximum value of the absolute value of the difference between the gray values of the adjacent two lines of image data.
  • the ratio of the summed value H_data(n) and X*Y is used to measure the gray value of the adjacent lines. Difference, and 1 minus this ratio can measure the similarity of adjacent rows.
  • the error of the feature value does not exceed m
  • the difference between the gray values of the two sub-pixels is Y
  • the value of Y is 255 divided by m
  • the error of the similarity is small.
  • the error of the feature quantity is a maximum of 4.
  • the difference value of 4 gray levels will not affect the result, and thus will not affect the use of the algorithm itself.
  • the value of m may be selected according to the actual needs of specific applications (eg, calculation accuracy and/or cost).
  • the similarity of two adjacent rows can be determined conveniently and quickly according to the formula.
  • the calculation process is simple, the calculation result is intuitive and convenient for subsequent analysis and processing.
  • the value of m is 2 or 4.
  • m is 2 or 4
  • the storage capacity required for storage can be reduced
  • the error caused by compression is small, and it will not affect the use of the algorithm itself.
  • step S240 the similarity of the image data of the nth line and the n-1th line in the image data of one frame is determined according to the value obtained after the summation, and further includes:
  • step S242 the determined similarity Similar(n) of the image data of the nth line and the n-1th line is stored in the register Similar.
  • whether to perform subsequent image processing can be determined according to the similarity. For example, when the similarity between two adjacent lines is large, one of the two adjacent lines may be deleted. Therefore, it is necessary to store the similarity Similar(n) of the determined image data of the nth line and the n-1th line in the register Similar to facilitate subsequent image processing.
  • the value of Similar(n) represents the value of similarity
  • step S240 the similarity of the image data of the nth line and the n-1th line in the image data of one frame is determined according to the value obtained after the summation, and further includes:
  • step S243 if the value of Similar (n) is 100%, it is stored in the register count.
  • the value of the similarity when the value of the similarity is 100%, it indicates that the image data of the two lines are completely the same. If the similarity is 100%, it is stored in the register count. In this way, if line image data needs to be deleted or integrated, lines with a similarity of 100% can be deleted or integrated preferentially.
  • An embodiment of the present application also provides a method for determining the similarity of adjacent lines of a picture. As shown in FIG. 5, the method includes:
  • Step S310 acquiring the gray value of the sub-pixel corresponding to each line of image data in one frame of image data
  • Step S320 Divide the gray value of the sub-pixel corresponding to each line of image data obtained by dividing by m to obtain the compressed gray value of the sub-pixel corresponding to each line of image data, where the values of m are 2, 4 , Any of 8 and 16;
  • Step S330 Read the compressed gray value of the sub-pixel corresponding to the image data of the nth line and the n-1th line from the buffer;
  • Step S340 Subtract the compressed grayscale values of the sub-pixels corresponding to the image data of the nth and n-1th rows to obtain multiple differences, and sum the absolute values of the multiple differences to obtain The value H_data(n) obtained after the sum is stored in the register H_data;
  • Step S350 determine the similarity Similar(n) of the image data of the nth and n-1th rows, where, Y is related to the value of m.
  • Y is related to the value of m.
  • Step S360 the similarity Similar(n) of the image data of the nth line and the n-1th line is stored in the register Similar;
  • Step S370 if the similarity of the image data of the nth line and the n-1th line Similar(n) is 100%, store Similar(n) in the register count;
  • Step S390 ending the comparison of the image data of this frame
  • n 2
  • the above method for determining the similarity of adjacent lines of the picture by compressing the gray value of the sub-pixel corresponding to each line of image data obtained, the gray value of the sub-pixel corresponding to the compressed two lines of image data is subtracted , The absolute values of the multiple differences obtained by the subtraction are summed, and then the similarity of the two adjacent lines is determined according to the value obtained after the summation, and whether it is the last line is determined, so that the algorithm can be quickly and accurately determined.
  • the similarity of all adjacent lines in one frame of image data, and at the same time, through compression, the storage capacity of the storage register can be saved, thereby saving costs.
  • obtaining the gray value of the sub-pixel corresponding to each line of image data in one frame of image data includes: calculating the gray value of the sub-pixel corresponding to each line of image data in one frame of image data to obtain Each row of image data corresponds to the gray value of the sub-pixel.
  • the value of m is 2 or 4.
  • steps in the flowcharts of FIGS. 1-5 are displayed in order according to the arrows, the steps are not necessarily executed in the order indicated by the arrows. Unless there is a clear description in this article, the execution of these steps is not strictly limited in order, and they can be executed in other orders. Moreover, at least some of the steps in FIGS. 1-5 may include multiple sub-steps or multiple stages. These sub-steps or stages are not necessarily executed at the same time, but may be executed at different times, and the order of execution is not It must be carried out sequentially, but can be executed in turn or alternately with at least a part of other steps or sub-steps or stages of other steps.
  • the present application also provides a display device including an apparatus for determining the similarity of adjacent lines of a picture.
  • the apparatus includes a processor and a memory.
  • the processor is used to execute a computer program stored in the memory to implement the following steps: Obtain the feature quantity of the sub-pixel corresponding to each row of image data in one frame of image data; compress the feature quantity of the sub-pixel corresponding to each row of image data obtained to obtain the compressed feature quantity of the sub-pixel corresponding to each row of image data; Subtract the compressed feature quantities of the sub-pixels corresponding to the adjacent two lines of image data in one frame of image data, and sum the absolute values of the multiple differences obtained by the subtraction; and determine the values obtained after the summation The similarity of adjacent two lines of image data in one frame of image data.
  • the feature quantity of the corresponding sub-pixel includes any one of the gray value, chroma, and brightness of the corresponding sub-pixel.
  • the feature quantity corresponding to the sub-pixel of each line of image data obtained is compressed to obtain the compressed feature quantity of the sub-pixel corresponding to each line of image data, including:
  • the gray value of the pixel is divided by m and rounded to obtain the compressed gray value of the sub-pixel corresponding to each line of image data, where the value of m is any one of 2, 4, 8, and 16.
  • the absolute value of the obtained difference is the value obtained by summing
  • X is the number of sub-pixels in a row of image data in a frame of image data
  • the display device includes a liquid crystal display or an OLED display.

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Chemical & Material Sciences (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Liquid Crystal Display Device Control (AREA)
  • Control Of Indicators Other Than Cathode Ray Tubes (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

一种确定画面相邻行相似度的方法包括：获取一帧图像数据中的每一行图像数据对应子像素的特征量；对获得的每一行图像数据对应子像素的特征量进行压缩，以得到每一行图像数据对应子像素的压缩后的特征量；将一帧图像数据中的相邻两行图像数据对应子像素的压缩后的特征量相减，并对相减得到的多个差值的绝对值求和；以及根据求和后得到的值确定一帧图像数据中的相邻两行图像数据的相似度。本申请还提供了一种显示设备。

Description

用于确定画面相邻行相似度的方法和显示设备
相关申请的交叉引用
本申请要求于2018年12月19日提交中国专利局、申请号为CN201811558947.9、申请名称为“用于确定画面相邻行相似度的方法”的中国专利申请的优先权，其全部内容通过引用结合在本申请中。
技术领域
本申请涉及图像处理领域，更具体地涉及用于确定画面相邻行相似度的方法和显示设备。
背景技术
这里的陈述仅提供与本申请有关的背景信息，而不必然地构成现有技术。
随着液晶面板的快速发展，客户群对液晶面板的显示品味的要求越来越高，其中很多品质的提升都是通过演算法来实现的，所以液晶面板行业衍生出来了很多演算法。通过不同演算法能改善液晶面板现有的缺陷，提升产品品质。
目前，液晶面板行业中的演算法包括计算画面相似度的演算法。然而，通常采用的计算相似度的演算法是定性计算而非定量计算，计算结果不准确。
申请内容
根据本申请的各种实施例，提供一种用于确定画面相邻行相似度的方法和一种显示设备。
根据本申请的一个方面，提供了一种用于确定画面相邻行相似度的方法，该方法包括：获取一帧图像数据中的每一行图像数据对应子像素的特征量；对获得的每一行图像数据对应子像素的特征量进行压缩，以得到每一行图像数据对应子像素的压缩后的特征量；将一帧图像数据中的相邻两行图像数据对应子像素的压缩后的特征量相减，并对相减得到的多个差值的绝对值求和；以及根据求和后得到的值确定一帧图像数据中的相邻两行图像数据的相似度。
根据本申请的另一个方面，提供了一种用于确定画面相邻行相似度的方法，该方法包括：获取一帧图像数据中的每一行图像数据对应子像素的特征量，一帧图像数据中总的行数为N；对获得的每一行图像数据对应子像素的特征量进行压缩，以得到每一行图像数据对应子像素的压缩后的特征量；将一帧图像数据中的第n行和第n-1行图像数据对应子像素的压缩后的特征量相减，并对相减得到的多个差值的绝对值求和；根据求和后得到的值确定一帧图像数据中的第n行和第n-1行图像数据的相似度；以及判断n是否等于N，当n等于N时，结束流程，当n不等于N时，n＝n+1并返回将一帧图像数据中的第n行和第n-1行图像数据对应子像素的压缩后的特征量相减，并对相减得到的多个差值的绝对值求和。其中n的初始值为2。
根据本申请的又一个方面，提供了一种显示设备，该显示设备包括用于确定画面相邻行相似度的装置，该装置包括处理器和存储器，处理器用于执行存储在存储器中的计算机程序以实现以下步骤：获取一帧图像数据中的每一行图像数据对应子像素的特征量；对获得的每一行图像数据对应子像素的特征量进行压缩，以得到每一行图像数据对应子像素的压缩后的特征量；将一帧图像数据中的相邻两行图像数据对应子像素的压缩后的特征量相减，并对相减得到的多个差值的绝对值求和；以及根据求和后得到的值确定一帧图像数据中的相邻两行图像数据的相似度。
本申请的一个或多个实施例的细节在下面的附图和描述中提出。本申请的其他特征、目的和优点将从说明书、附图以及权利要求书变得明显。
附图说明
为了更清楚地说明本申请实施例或示例性技术中的技术方案，下面将对实施例或示例性技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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实施例的附图。
图1为一个实施例中用于确定画面相邻行相似度的方法的流程图。
图2为一个实施例中用于确定画面相邻行相似度的方法的流程图。
图3为一个实施例中图2所示的方法的步骤S230的流程图。
图4为一个实施例中图2所示的方法的步骤S240的流程图。
图5为一个实施例中用于确定画面相邻行相似度的方法的流程图。
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。
需要说明的是，当元件被称为“设置于”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的，并不表示是唯一的实施方式。
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所 使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请。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。
本申请实施例提供了一种用于确定画面相邻行相似度的方法，如图1所示，该方法可以包括如下步骤：
步骤S110，获取一帧图像数据中的每一行图像数据对应子像素的特征量。
步骤S120，对获得的每一行图像数据对应子像素的特征量进行压缩，以得到每一行图像数据对应子像素的压缩后的特征量。
步骤S130，将一帧图像数据中的相邻两行图像数据对应子像素的压缩后的特征量相减，并对相减得到的多个差值的绝对值求和。
步骤S140，根据求和后得到的值确定一帧图像数据中的相邻两行图像数据的相似度。
具体地，一帧图像就是一幅静止的画面，连续的帧就形成动画，如电视图象等。一帧图像中包含多行每行图像包括多个子像素。获取一帧图像数据中的每一行图像数据对应子像素的特征量，以便于后续比较和计算。为了节约计算所需的存储容量，对获得的特征量进行压缩，以获取每行图像数据对应子像素的压缩后的特征量。为了确定一帧画面中相邻行的相似度，将一帧图像数据中的相邻行图像数据对应子像素的压缩后的特征量相减，并对相减得到的多个差值的绝对值进行求和，然后根据求和后得到的值确定该相邻两行图像数据的相似度。
上述用于确定画面相邻行相似度的方法，通过将一帧图像数据中的每一行图像数据对应子像素的特征量进行压缩，将相邻两行图像数据对应子像素的压缩后的特征量相减，对相减得到的多个差值的绝对值进行求和，并根据求和后得到的值确定该相邻两行的相似度，从而可以通过算法方便 快速确定相邻两行显示数据的相似度，并且通过压缩可以减少存储寄存器的存储数据量，从而降低成本。
在其中一个实施例中，子像素的特征量可以包括灰度值、色度和亮度等中的任一种。
在其中一个实施例中，对应子像素的特征量为对应子像素的灰度值。使用灰度值作为特征量可以方便快捷地计算出特征量的值。
在其中一个实施例中，步骤S110，获取一帧图像数据中的每一行图像数据对应子像素的特征量，包括：对一帧图像数据中的每一行图像数据对应子像素进行灰度值计算，以获取每一行图像数据对应子像素的灰度值。
具体地，对应子像素的特征量可以是对应子像素的灰度值，因而步骤S110包括对图像数据对应子像素进行灰度值计算，以获取每一行图像数据对应子像素的灰度值。
在其中一个实施例中，步骤S120，对获得的每一行图像数据对应子像素的特征量进行压缩，以得到每一行图像数据对应子像素的压缩后的特征量，包括：将获得的每一行图像数据对应子像素的灰度值除以m后取整，以得到每一行图像数据对应子像素的压缩后的灰度值，其中，m的值为2、4、8和16中任一个。
具体地，在获取一帧图像数据中的每一行图像数据对应子像素的灰度值之后，为了节约计算所需的存储空间，对获得的灰度值进行压缩。本实施例中，进行压缩的方式为将获得的每一行图像数据对应子像素的灰度值除以m后取整，m可以取2、4、8和16中的任一个。灰度值的范围为0～255，存储时占8bit位宽。当m＝2时，压缩后的灰度值的范围为0～127，存储时占7bit位宽，因此压缩后减少1bit位宽。当m＝4时，压缩后的灰度值的范围为0～63，存储时占6bit位宽，因此压缩后减少2bit位宽。当m＝8时，压缩后的灰度值的范围为0～31，存储时占5bit位宽，因此压缩后减少3bit位宽。当m＝16时，压缩后的灰度值的范围为0～15，存储时占4bit 位宽，因此压缩后减少4bit位宽。
上述实施例中的方法，通过对灰度值进行压缩，可以显著减少存储所需的存储容量，从而显著节约集成电路成本。
在其中一个实施例中，步骤S130，将一帧图像数据中的相邻两行图像数据对应子像素的压缩后的特征量相减，并对相减得到的多个差值的绝对值求和，包括：将一帧图像数据中的相邻两行图像数据对应子像素的压缩后的灰度值相减，以得到多个差值，多个差值的个数为一帧图像数据中的一行图像数据对应子像素的个数；以及对多个差值的绝对值求和。
具体地，在对获得的一帧图像数据中的每一行图像数据对应子像素的灰度值进行压缩之后，将相邻两行图像数据中的对应子像素的压缩后的灰度值相减，从而得到多个差值，多个差值的个数为一行图像数据对应子像素的个数。为了衡量两行图像数据的差别，这里将多个差值的绝对值进行求和，求和后得到的值表示两行图像数据的总的差异。
在其中一个实施例中，步骤S140，根据求和后得到的值确定一帧图像数据中的相邻两行图像数据的相似度，包括：
根据公式Similar(n)＝(1-(H_data(n)/(X*Y))*100％确定相邻两行图像数据的相似度，
其中，Similar(n)为一帧图像数据中的第n行图像数据与第n-1行图像数据的相似度，n＝2，3……N；N为一帧图像中总的行数；H_data(n)是将第n行与第n-1行图像数据对应子像素的压缩后的灰度值相减后得到的差值的绝对值进行求和后得到的值；X为一帧图像数据中的一行图像数据中的子像素的个数；Y与m的取值有关，当m＝2时，Y＝127；当m＝4时，Y＝63；当m＝8时，Y＝31；当m＝16时，Y＝15。
当使用m对灰度值进行压缩时，压缩后的灰度值的范围为0～Y，所以两个子像素的灰度值之差的最大值为Y。X*Y即相邻两行图像数据灰度值之差的绝对值之和的最大值，将求和后的值H_data(n)与X*Y的比值来衡 量相邻行的灰度值的差异，而1减去该比值即可衡量相邻行的相似度。例如，当H_data(n)＝X*Y时，相似度Similar(n)＝0，即相邻两行完全不同；当H_data(n)＝0时，相似度Similar(n)＝100％，即相邻两行完全相同；当H_data(n)介于0和X*Y时，相似度Similar(n)在0和100％之间，值的大小表示相邻两行的相似程度，值越大，相邻两行的相似程度越高。
当通过将灰度值除以m后取整来压缩特征量时，特征量的误差不超过m，两个子像素的的灰度值之差最大为Y，Y的值为255除以m后取整，由于在计算相似度的公式中包括的是H_data(n)与X*Y的比值，因此相似度的误差较小。例如，当m＝4时，特征量的误差最大为4，对于粗略进行数据比对的应用中，4灰阶的差异值不会对结果产生影响，从而不会影响到算法本身的使用意义。在实际应用中，可以根据具体应用的实际需求(例如，计算精度和/或成本)来选取m的值。
上述实施例中的方法，根据公式可以方便快捷地确定相邻两行的相似度，计算过程简单，计算结果直观且便于后续分析处理。
在其中一个实施例中，m的值为2或4。当m取2或4时，一方面可以减少存储所需的存储容量，另一方面使得通过压缩带来的误差较小，不会影响到算法本身的使用意义。
本申请的实施例还提供了一种用于确定画面相邻行相似度的方法，如图2所示，该方法包括：
步骤S210，获取一帧图像数据中的每一行图像数据对应子像素的特征量，一帧图像数据中总的行数为N；
步骤S220，对获得的每一行图像数据对应子像素的特征量进行压缩，以得到每一行图像数据对应子像素的压缩后的特征量；
步骤S230，将一帧图像数据中的第n行和第n-1行图像数据对应子像素的压缩后的特征量相减，并对相减得到的多个差值的绝对值求和；
步骤S240，根据求和后得到的值确定一帧图像数据中的第n行和第n-1 行图像数据的相似度；
步骤S250，判断n是否等于N，若是，则执行步骤S260，否则，n＝n+1并返回步骤S230，以重复步骤S230-步骤S250；
步骤S260，结束本帧图像数据对比，
其中n的初始值为2。
具体地，首先获取一帧图像数据中的每一行图像数据对应子像素的特征量，然后，将获得的特征量进行压缩，以获取压缩后的特征量，然后将一帧图像数据中的第n行和第n-1行图像数据对应子像素的压缩后的特征量相减，对相减得到的多个差值的绝对值求和，并根据求和后得到的值确定第n行和第n-1行图像数据的相似度，最后判断n是否等于N，若是，则结束流程，否则n＝n+1并重复步骤S220-S240。其中，n的初始值为2。通过上述方法，可以获取一帧图像数据中的所有相邻行的相似度Similar(n)，其中n＝2,3,4……N。
上述实施例中的用于确定相邻行相似度的方法，通过对获得的一帧图像数据中的每一行图像数据的特征量进行压缩，将压缩后的相邻两行图像数据对应子像素的特征量相减，对相减得到的多个差值的绝对值进行求和，根据求和后得到的值确定该相邻两行的相似度，并判断是否为最后一行，从而可以通过算法快速准确地确定一帧图像数据中的所有相邻行的相似度，进而节约集成电路成本。
在其中一个实施例中，对应子像素的特征量可以包括对应子像素的灰度值、色度和亮度等中的任一种。
在其中一个实施例中，对应子像素的特征量为对应子像素的灰度值。使用灰度值作为特征量可以方便快捷地计算出特征量的值。
在其中一个实施例中，步骤S210，获取一帧图像数据中的每一行图像数据对应子像素的特征量，包括：对一帧图像数据中的每一行图像数据对应子像素进行灰度值计算，以获取每一行图像数据对应子像素的灰度值。
具体地，对应子像素的特征量可以是对应子像素的灰度值，因而步骤S210包括对图像数据对应子像素进行灰度值计算，以获取每一行图像数据对应子像素的灰度值。
在其中一个实施例中，如图3所示，步骤S220，对获得的每一行图像数据对应子像素的特征量进行压缩，以得到每一行图像数据对应子像素的压缩后的特征量，包括：将获得的每一行图像数据对应子像素的灰度值除以m后取整，以得到每一行图像数据对应子像素的压缩后的灰度值，其中，m的值为2、4、8和16中任一个。
具体地，在获取一帧图像数据中的每一行图像数据对应子像素的灰度值之后，为了节约计算所需的存储空间，对获得的灰度值进行压缩。本实施例中，进行压缩的方式为将获得的每一行图像数据对应子像素的灰度值除以m后取整，m可以取2、4、8和16中的任一个。灰度值的范围为0～255，存储时占8bit位宽。当m＝2时，压缩后的灰度值的范围为0～127，存储时占7bit位宽，因此压缩后减少1bit位宽；当m＝4时，压缩后的灰度值的范围为0～63，存储时占6bit位宽，因此压缩后减少2bit位宽；当m＝8时，压缩后的灰度值的范围为0～31，存储时占5bit位宽，因此压缩后减少3bit位宽；当m＝16时，压缩后的灰度值的范围为0～15，存储时占4bit位宽，因此压缩后减少4bit位宽。
在其中一个实施例中，如图3所示，步骤S230，将一帧图像数据中的第n行和第n-1行图像数据对应子像素的特征量相减，并对相减得到的多个差值的绝对值求和，包括：
步骤S231，将一帧图像数据中的第n行和第n-1行图像数据对应子像素的压缩后的灰度值相减，以得到多个差值，多个差值的个数为一帧图像数据中的一行图像数据对应子像素的个数。
步骤S232，对多个差值的绝对值求和。
步骤S233，将进行求和后得到的值H_data(n)存入寄存器H_data中。
具体地，在对获得的一帧图像数据中的每一行图像数据对应子像素的灰度值进行压缩之后，将第n行和第n-1行图像数据中的对应子像素的压缩后的灰度值相减，从而得到多个差值，多个差值的个数为一行图像数据对应子像素的个数。为了衡量两行图像数据的差别，这里将多个差值的绝对值进行求和，求和后得到的值H_data(n)表示两行图像数据的总的差异。将H_data(n)存在寄存器H_data中，以便于后续计算过程中读取。
在其中一个实施例中，如图4所示，步骤S240，根据求和后得到的值确定一帧图像数据中的第n行和第n-1行图像数据的相似度，包括：
步骤S241，根据公式Similar(n)＝(1-(H_data(n)/(X*Y))*100％确定第n行和第n-1行图像数据的相似度。
其中，Similar(n)为一帧图像数据中的第n行图像数据与第n-1行图像数据的相似度，n＝2，3……N；H_data(n)为将第n行与第n-1行图像数据对应子像素的压缩后的灰度值相减后得到的差值的绝对值进行求和后得到的值；X为一帧图像数据中的一行图像数据中的子像素的个数；Y与m的取值有关，当m＝2时，Y＝127；当m＝4时，Y＝63；当m＝8时，Y＝31；当m＝16时，Y＝15。
当使用m对灰度值进行压缩时，压缩后的灰度值的范围为0～Y，所以两个子像素的灰度值之差的最大值为Y。X*Y即相邻两行图像数据灰度值之差的绝对值之和的最大值，将求和后的值H_data(n)与X*Y的比值来衡量相邻行的灰度值的差异，而1减去该比值即可衡量相邻行的相似度。例如，当H_data(n)＝X*Y时，相似度Similar(n)＝0，即相邻两行完全不同；当H_data(n)＝0时，相似度Similar(n)＝100％，即相邻两行完全相同；当H_data(n)介于0和X*Y时，相似度Similar(n)在0和100％之间，值的大小表示相邻两行的相似程度，值越大，相邻两行的相似程度越高。
当通过将灰度值除以m后取整来压缩特征量时，特征量的误差不超过m，两个子像素的的灰度值之差最大为Y，Y的值为255除以m后取整，由 于在计算相似度的公式中包括的是H_data(n)与X*Y的比值，因此相似度的误差较小。例如，当m＝4时，特征量的误差最大为4，对于粗略进行数据比对的应用中，4灰阶的差异值不会对结果产生影响，从而不会影响到算法本身的使用意义。在实际应用中，可以根据具体应用的实际需求(例如，计算精度和/或成本)来选取m的值。
上述实施例中的方法，根据公式可以方便快捷地确定相邻两行的相似度，计算过程简单，计算结果直观且便于后续分析处理。
在其中一个实施例中，m的值为2或4。当m取2或4时，一方面可以减少存储所需的存储容量，另一方面使得通过压缩带来的误差较小，不会影响到算法本身的使用意义。
继续参考图4，在其中一个实施例中，步骤S240，根据求和后得到的值确定一帧图像数据中的第n行和第n-1行图像数据的相似度，还包括：
步骤S242，将经确定的第n行和第n-1行图像数据的相似度Similar(n)存入寄存器Similar中。
具体地，在计算得到相似度之后，可以根据相似度确定是否要进行后续图像处理。例如，当相邻两行相似度较大时，可删除该相邻两行中的其中一行。因此，需要将经确定的第n行和第n-1行图像数据的相似度Similar(n)存入寄存器Similar中，方便后续图像处理。Similar(n)的数值表示相似度的值，n表示进行比较的行序号，例如Similar(3)＝80％，表明第三行与第二行的相似度为80％。
继续参考图4，在其中一个实施例中，步骤S240，根据求和后得到的值确定一帧图像数据中的第n行和第n-1行图像数据的相似度，还包括：
步骤S243，若相似度Similar(n)的值为100％则存入寄存器count中。
具体地，当相似度的值为100％时，表明两行的图像数据完全相同。若相似度为100％则存入寄存器count中。这样如果需要删除或整合行图像数据，则可以优先删除或整合相似度为100％的行。
本申请的实施例还提供了一种用于确定画面相邻行相似度的方法，如图5所示，该方法包括：
步骤S310，获取一帧图像数据中的每一行图像数据对应子像素的灰度值；
步骤S320，将获得的每一行图像数据对应子像素的灰度值除以m后取整，以得到每一行图像数据对应子像素的压缩后的灰度值，其中，m的值为2、4、8和16中任一个；
步骤S330，从缓存器中读取第n行和第n-1行图像数据对应子像素的压缩后的灰度值；
步骤S340，将第n行和第n-1行图像数据对应子像素的压缩后的灰度值相减，得到多个差值，并对得到的多个差值的绝对值求和，将求和后得到的值H_data(n)存入寄存器H_data中；
步骤S350，根据公式Similar(n)＝(1-(H_data(n)/(X*Y))*100％确定第n行和第n-1行图像数据的相似度Similar(n)，其中，Y与m的取值有关，当m＝2时，Y＝127；当m＝4时，Y＝63；当m＝8时，Y＝31；当m＝16时，Y＝15；
步骤S360，将第n行和第n-1行图像数据的相似度Similar(n)存入寄存器Similar中；
步骤S370，若第n行和第n-1行图像数据的相似度Similar(n)为100％，则将Similar(n)存入寄存器count中；
步骤S380，判断n是否等于N，若是，则结束流程，否则，n＝n+1并返回步骤S330，以重复步骤S330-步骤S380；以及
步骤S390，结束本帧图像数据对比，
其中n的初始值为2。
上述用于确定画面相邻行相似度的方法，通过对获得的每行图像数据对应子像素的灰度值进行压缩，将压缩后的相邻两行图像数据对应子像素的灰度值相减，对相减得到的多个差值的绝对值进行求和，然后根据求和 后得到的值确定该相邻两行的相似度，并判断是否为最后一行，从而可以通过算法快速准确地确定一帧图像数据中的所有相邻行的相似度，同时，通过压缩，可以节约存储寄存器的存储容量，进而节约成本。
在其中一个实施例中，获取一帧图像数据中的每一行图像数据对应子像素的灰度值，包括：对一帧图像数据中的每一行图像数据对应子像素进行灰度值计算，以获取每一行图像数据对应子像素的灰度值。
在其中一个实施例中，m的值为2或4。
应该理解的是，虽然图1-5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，其可以以其他的顺序执行。而且，图1-5中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子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，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
本申请还提供了一种显示设备，该显示设备包括用于确定画面相邻行相似度的装置，该装置包括处理器和存储器，处理器用于执行存储在存储器中的计算机程序以实现以下步骤：获取一帧图像数据中的每一行图像数据对应子像素的特征量；对获得的每一行图像数据对应子像素的特征量进行压缩，以得到每一行图像数据对应子像素的压缩后的特征量；将一帧图像数据中的相邻两行图像数据对应子像素的压缩后的特征量相减，并对相减得到的多个差值的绝对值求和；以及根据求和后得到的值确定一帧图像数据中的相邻两行图像数据的相似度。
在其中一个实施例中，对应子像素的特征量包括对应子像素的灰度值、色度和亮度中的任一种。
在其中一个实施例中，对应子像素的特征量为对应子像素的灰度值； 获取一帧图像数据中的每一行图像数据对应子像素的特征量，包括：对一帧图像数据中的每一行图像数据对应子像素进行灰度值计算，以获取每一行图像数据对应子像素的灰度值。
在其中一个实施例中，对获得的每一行图像数据对应子像素的特征量进行压缩，以得到每一行图像数据对应子像素的压缩后的特征量，包括：将获得的每一行图像数据对应子像素的灰度值除以m后取整，以得到每一行图像数据对应子像素的压缩后的灰度值，其中，m的值为2、4、8和16中任一个。
在其中一个实施例中，根据求和后得到的值确定一帧图像数据中的相邻两行图像数据的相似度，包括：根据公式Similar(n)＝(1-(H_data(n)/(X*Y))*100％确定相邻两行图像数据的相似度。其中，Similar(n)为一帧图像数据中的第n行图像数据与第n-1行图像数据的相似度，n＝2，3……N，其中N为一帧图像中总的行数，H_data(n)是将第n行与第n-1行图像数据对应子像素的压缩后的灰度值相减后得到的差值的绝对值进行求和后得到的值，X为一帧图像数据中的一行图像数据中的子像素的个数，Y与m的取值有关，当m＝2时，Y＝127；当m＝4时，Y＝63；当m＝8时，Y＝31；当m＝16时，Y＝15。
在其中一个实施例中，显示设备包括液晶显示器或OLED显示器。
以上所述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 (20)

  1. 一种用于确定画面相邻行相似度的方法，所述方法包括：
    获取一帧图像数据中的每一行图像数据对应子像素的特征量；
    对获得的所述每一行图像数据对应子像素的特征量进行压缩，以得到每一行图像数据对应子像素的压缩后的特征量；
    将所述一帧图像数据中的相邻两行图像数据对应子像素的压缩后的特征量相减，并对相减得到的多个差值的绝对值求和；以及
    根据求和后得到的值确定所述一帧图像数据中的所述相邻两行图像数据的相似度。
  2. 根据权利要求1所述的方法，其中所述对应子像素的特征量包括所述对应子像素的灰度值、色度和亮度中的任一种。
  3. 根据权利要求1所述的方法，其中所述对应子像素的特征量为所述对应子像素的灰度值。
  4. 根据权利要求3所述的方法，其中所述获取一帧图像数据中的每一行图像数据对应子像素的特征量，包括：
    对所述一帧图像数据中的每一行图像数据对应子像素进行灰度值计算，以获取每一行图像数据对应子像素的灰度值。
  5. 根据权利要求3所述的方法，其中所述对获得的所述每一行图像数据对应子像素的特征量进行压缩，以得到每一行图像数据对应子像素的压缩后的特征量，包括：
    将获得的所述每一行图像数据对应子像素的灰度值除以m后取整，以得到每一行图像数据对应子像素的压缩后的灰度值，其中m的值为2、4、8和16中任一个。
  6. 根据权利要求5所述的方法，其中所述根据求和后得到的值确定所述一帧图像数据中的所述相邻两行图像数据的相似度，包括：
    根据公式Similar(n)＝(1-(H_data(n)/(X*Y))*100％确定所述相邻两 行图像数据的相似度，
    其中Similar(n)为所述一帧图像数据中的第n行图像数据与第n-1行图像数据的相似度，n＝2，3……N，其中N为所述一帧图像中总的行数，H_data(n)是将所述第n行与第n-1行图像数据对应子像素的压缩后的灰度值相减后得到的差值的绝对值进行求和后得到的值，X为所述一帧图像数据中的一行图像数据中的子像素的个数，Y与m的取值有关，当m＝2时，Y＝127；当m＝4时，Y＝63；当m＝8时，Y＝31；当m＝16时，Y＝15。
  7. 一种用于确定画面相邻行相似度的方法，所述方法包括：
    获取一帧图像数据中的每一行图像数据对应子像素的特征量，所述一帧图像数据中总的行数为N；
    对获得的所述每一行图像数据对应子像素的特征量进行压缩，以得到每一行图像数据对应子像素的压缩后的特征量；
    将所述一帧图像数据中的第n行和第n-1行图像数据对应子像素的压缩后的特征量相减，并对相减得到的多个差值的绝对值求和；
    根据求和后得到的值确定所述一帧图像数据中的所述第n行和第n-1行图像数据的相似度；以及
    判断n是否等于N，当n等于N时，结束流程，当n不等于N时，n＝n+1并返回所述将所述一帧图像数据中的第n行和第n-1行图像数据对应子像素的压缩后的特征量相减，并对相减得到的多个差值的绝对值求和，
    其中n的初始值为2。
  8. 根据权利要求7所述的方法，其中所述对应子像素的特征量包括所述对应子像素的灰度值、色度和亮度中的任一种。
  9. 根据权利要求7所述的方法，其中所述对应子像素的特征量为所述对应子像素的灰度值。
  10. 根据权利要求9所述的方法，其中所述获取一帧图像数据中的每一行图像数据对应子像素的特征量，包括：
    对所述一帧图像数据中的每一行图像数据对应子像素进行灰度值计算，以获取每一行图像数据对应子像素的灰度值。
  11. 根据权利要求9所述的方法，其中所述对获得的所述每一行图像数据对应子像素的特征量进行压缩，以得到每一行图像数据对应子像素的压缩后的特征量，包括：
    将获得的所述每一行图像数据对应子像素的灰度值除以m后取整，以得到每一行图像数据对应子像素的压缩后的灰度值，其中m的值为2、4、8和16中任一个。
  12. 根据权利要求11所述的方法，其中所述根据求和后得到的值确定所述一帧图像数据中的所述第n行和第n-1行图像数据的相似度，包括：
    根据公式Similar(n)＝(1-(H_data(n)/(X*Y))*100％确定所述第n行和第n-1行图像数据的相似度，其中H_data(n)为将所述第n行与第n-1行图像数据对应子像素的压缩后的灰度值相减后得到的差值的绝对值进行求和后得到的值，X为所述一帧图像数据中的一行图像数据中的子像素的个数，Y与m的取值有关，当m＝2时，Y＝127；当m＝4时，Y＝63；当m＝8时，Y＝31；当m＝16时，Y＝15。
  13. 根据权利要求12所述的方法，其中所述根据求和后得到的值确定所述一帧图像数据中的所述第n行和第n-1行图像数据的相似度，还包括：
    将经确定的所述第n行和第n-1行图像数据的相似度Similar(n)存入寄存器Similar中。
  14. 根据权利要求13所述的方法，其中所述根据求和后得到的值确定所述一帧图像数据中的所述第n行和第n-1行图像数据的相似度，还包括：
    当所述相似度Similar(n)的值为100％时，将所述相似度Similar(n)存入寄存器count中。
  15. 一种显示设备，包括用于确定画面相邻行相似度的装置，所述装置包括处理器和存储器，所述处理器用于执行存储在所述存储器中的计算 机程序以实现以下步骤：
    获取一帧图像数据中的每一行图像数据对应子像素的特征量；
    对获得的所述每一行图像数据对应子像素的特征量进行压缩，以得到每一行图像数据对应子像素的压缩后的特征量；
    将所述一帧图像数据中的相邻两行图像数据对应子像素的压缩后的特征量相减，并对相减得到的多个差值的绝对值求和；以及
    根据求和后得到的值确定所述一帧图像数据中的所述相邻两行图像数据的相似度。
  16. 根据权利要求15所述的显示设备，其中所述对应子像素的特征量包括所述对应子像素的灰度值、色度和亮度中的任一种。
  17. 根据权利要求15所述的显示设备，其中所述对应子像素的特征量为所述对应子像素的灰度值；
    所述获取一帧图像数据中的每一行图像数据对应子像素的特征量，包括：
    对所述一帧图像数据中的每一行图像数据对应子像素进行灰度值计算，以获取每一行图像数据对应子像素的灰度值。
  18. 根据权利要求17所述的显示设备，其中所述对获得的所述每一行图像数据对应子像素的特征量进行压缩，以得到每一行图像数据对应子像素的压缩后的特征量，包括：
    将获得的所述每一行图像数据对应子像素的灰度值除以m后取整，以得到每一行图像数据对应子像素的压缩后的灰度值，其中m的值为2、4、8和16中任一个。
  19. 根据权利要求18所述的显示设备，其中所述根据求和后得到的值确定所述一帧图像数据中的所述相邻两行图像数据的相似度，包括：
    根据公式Similar(n)＝(1-(H_data(n)/(X*Y))*100％确定所述相邻两行图像数据的相似度，
    其中Similar(n)为所述一帧图像数据中的第n行图像数据与第n-1行图像数据的相似度，n＝2，3……N，其中N为所述一帧图像中总的行数，H_data(n)是将所述第n行与第n-1行图像数据对应子像素的压缩后的灰度值相减后得到的差值的绝对值进行求和后得到的值，X为所述一帧图像数据中的一行图像数据中的子像素的个数，Y与m的取值有关，当m＝2时，Y＝127；当m＝4时，Y＝63；当m＝8时，Y＝31；当m＝16时，Y＝15。
  20. 根据权利要求15所述的显示设备，其中所述显示设备包括液晶显示器或OLED显示器。
PCT/CN2018/123785 2018-12-19 2018-12-26 用于确定画面相邻行相似度的方法和显示设备 Ceased WO2020124629A1 (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US17/252,288 US11381828B2 (en) 2018-12-19 2018-12-26 Method and display device for determining similarity of adjacent rows of an image

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201811558947.9A CN109740644A (zh) 2018-12-19 2018-12-19 用于确定画面相邻行相似度的方法
CN201811558947.9 2018-12-19

Publications (1)

Publication Number Publication Date
WO2020124629A1 true WO2020124629A1 (zh) 2020-06-25

Family

ID=66360574

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2018/123785 Ceased WO2020124629A1 (zh) 2018-12-19 2018-12-26 用于确定画面相邻行相似度的方法和显示设备

Country Status (3)

Country Link
US (1) US11381828B2 (zh)
CN (1) CN109740644A (zh)
WO (1) WO2020124629A1 (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030146896A1 (en) * 2002-02-01 2003-08-07 Nec Corporation Display device for D/A conversion using load capacitances of two lines
CN101639858A (zh) * 2009-08-21 2010-02-03 深圳创维数字技术股份有限公司 基于目标区域匹配的图像检索方法
CN103915076A (zh) * 2014-04-25 2014-07-09 青岛海信电器股份有限公司 驱动液晶显示方法、液晶显示装置和快门式3d显示方法
CN105304048A (zh) * 2015-11-18 2016-02-03 深圳市华星光电技术有限公司 液晶显示装置的动态驱动方法

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050225671A1 (en) * 2004-04-09 2005-10-13 Scott Jen Method of Processing Fields of Images and Related Device for Data Lines Similarity Detection
KR100735918B1 (ko) * 2004-12-22 2007-07-06 삼성전자주식회사 디스플레이 장치 및 그 영상 처리 방법
JP2013066164A (ja) * 2011-09-02 2013-04-11 Sony Corp 画像処理装置、および画像処理方法、並びにプログラム
JP6173198B2 (ja) * 2013-12-09 2017-08-02 オリンパス株式会社 画像処理装置、画像処理方法、および撮像装置
US9413951B2 (en) * 2014-07-31 2016-08-09 Apple Inc. Dynamic motion estimation and compensation for temporal filtering
CN105335749B (zh) * 2015-08-28 2019-05-10 浙江理工大学 基于灰度共生矩阵的草地未割区域分界线提取方法
CN107026998B (zh) * 2016-02-01 2019-11-05 北京数码视讯科技股份有限公司 一种去隔行方法及设备
US10674178B2 (en) * 2016-07-15 2020-06-02 Samsung Electronics Co., Ltd. One-dimensional segmentation for coherent motion estimation
CN106454509B (zh) * 2016-09-27 2019-09-27 深圳市茁壮网络股份有限公司 一种广告图像的检测方法及装置
KR102303764B1 (ko) * 2017-04-24 2021-09-17 삼성전자주식회사 크로스토크 처리 모듈 및 크로스토크를 처리하는 방법
JP2019152807A (ja) * 2018-03-06 2019-09-12 オリンパス株式会社 焦点検出装置および焦点検出方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030146896A1 (en) * 2002-02-01 2003-08-07 Nec Corporation Display device for D/A conversion using load capacitances of two lines
CN101639858A (zh) * 2009-08-21 2010-02-03 深圳创维数字技术股份有限公司 基于目标区域匹配的图像检索方法
CN103915076A (zh) * 2014-04-25 2014-07-09 青岛海信电器股份有限公司 驱动液晶显示方法、液晶显示装置和快门式3d显示方法
CN105304048A (zh) * 2015-11-18 2016-02-03 深圳市华星光电技术有限公司 液晶显示装置的动态驱动方法

Also Published As

Publication number Publication date
CN109740644A (zh) 2019-05-10
US20210266574A1 (en) 2021-08-26
US11381828B2 (en) 2022-07-05

Similar Documents

Publication Publication Date Title
CN106910483B (zh) 一种显示面板的mura现象补偿方法及显示面板
US8570443B2 (en) Image processing circuit and method thereof
CN114283745A (zh) 显示面板的亮度补偿方法及相关装置
US8121416B2 (en) System and method for determining inflection points in an image of an object
WO2018201512A1 (zh) 一种显示面板的mura现象补偿方法及显示面板
CN108961170B (zh) 图像处理方法、装置和系统
CN107591120B (zh) 一种显示面板的补偿方法及其补偿设备、存储设备
US10304192B2 (en) Fast, progressive approach to supervoxel-based spatial temporal video segmentation
CN107767327B (zh) 图像渲染方法及装置、计算设备、显示设备
CN114495812B (zh) 显示面板亮度补偿方法、装置、电子设备及可读存储介质
CN114242013A (zh) 消除液晶显示器亮度mura缺陷的方法及装置
Cadenas et al. Parallel pipelined array architectures for real-time histogram computation in consumer devices
CN117594025A (zh) 一种图像亮度补偿方法、显示设备及存储介质
CN115331143B (zh) 一种视频对齐方法、装置、设备以及存储介质
WO2020124629A1 (zh) 用于确定画面相邻行相似度的方法和显示设备
WO2020124631A1 (zh) 用于确定画面相邻行相似度的方法和显示设备
CN110321907A (zh) 一种数据处理顺序的确定方法、显示装置及其显示方法
CN106971386A (zh) 判断图像完整度及页面加载度的方法、装置和客户端设备
KR102064756B1 (ko) 이미지 데이터 처리 방법 및 장치
CN101996390B (zh) 一种图像拷贝的方法和装置
JP2020525963A (ja) メディア特徴の比較方法及び装置
CN115689850A (zh) 图像处理方法、显示装置及存储介质
KR20200094638A (ko) 이미지 데이터 처리 방법 및 장치
TWI564869B (zh) 應用於顯示器的過驅動裝置及相關方法
CN119136022B (zh) 基于人工智能的创意视频生成方法

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 18943632

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

32PN Ep: public notification in the ep bulletin as address of the adressee cannot be established

Free format text: NOTING OF LOSS OF RIGHTS PURSUANT TO RULE 112(1) EPC (EPO FORM 1205A DATED 08.10.2021)

122 Ep: pct application non-entry in european phase

Ref document number: 18943632

Country of ref document: EP

Kind code of ref document: A1