基于傅里叶变换的OLED屏幕DeMURA方法专利检索-有损压缩多媒体工具与应用专利检索查询-专利查询网

基于傅里叶变换的OLED屏幕DeMURA方法

阅读：925发布：2020-05-11

专利汇可以提供基于傅里叶变换的OLED屏幕DeMURA方法专利检索，专利查询，专利分析的服务。并且基于傅里叶变换的OLED屏幕DeMURA方法，包括以下步骤：1)调整结果的向量化处理；2)基于傅里叶变换的信号变换；3)最优滤波器的求解：4)基于最优滤波器滤波后的DeMURA 数据压缩；5)基于傅里叶变换的DeMURA数据压缩的解压。本发明的基于傅里叶变换的OLED屏幕DeMURA方法，可以通过控制频域信号的衰减，使有损压缩过程做到损失有度、损失可控，提高DeMURA的适用性。，下面是基于傅里叶变换的OLED屏幕DeMURA方法专利的具体信息内容。

权利要求

1.基于傅里叶变换的OLED屏幕DeMURA方法，其特征在于：包括以下步骤：
1)调整结果的向量化处理：
a)针对(x,y)处的调整因子ω(x,y,c,n)，构建以0-255灰阶为横坐标、以调整后灰度为纵坐标的曲线，x、y分别代表采集屏幕分辨率的列方向坐标、行方向坐标，ω(x,y,c,n)为灰阶n的调整因子；
b)依次按照R、B、G通道曲线的顺序，将调整结果曲线连接成一条曲线，将该曲线当作行向量信号t(x,y)；
2)基于傅里叶变换的信号变换：
a)对于所有位置处的行向量信号进行傅里叶变换，得到每条曲线的频谱响应f(x,y)，将每个位置的频谱响应信号作为行向量，然后组成频谱响应矩阵：
b)对频谱响应矩阵F进行频谱迁移，迁移结果频谱响应矩阵F*。
3)最优滤波器的求解：
* T
a)设定最优滤波器目标：设滤波器W，对频谱响应矩阵F 滤波，滤波过程为Fd＝FW ，对Fd做傅里叶逆变换，得到滤波后的调整曲线矩阵T*，每个行向量即为t(x,y)的滤波结果曲线t*(x,y)，公式表示为： △为误差；
b)基于给定的目标公式，初始化滤波器W，优化滤波器W，得到最优的滤波矩阵以及滤波后的结果；
4)基于最优滤波器滤波后的DeMURA数据压缩：
a)利用优化后的滤波器W，获得滤波结果曲线t*(x,y)；
b)对滤波结果曲线t*(x,y)每个位置的还原信号作为行向量，组成曲线矩阵，然后对曲线矩阵做行方向的聚类；
c)对聚类后的标签做一次无损压缩；
d)保存压缩后的索引、以及各个类别的聚类中心；
5)基于傅里叶变换的DeMURA数据压缩的解压：
a)基于无损压缩算法，对聚类标签做解码，获取每个位置的曲线行向量；
b)基于每个位置的曲线行向量，可以获得每个位置在不同灰度下的调整结果，至此，解压完成。
2.根据权利要求1所述的基于傅里叶变换的OLED屏幕DeMURA方法，其特征在于：所述步骤2)-b)中，频谱中心处于列中心处，对频谱响应矩阵F做一次列方向的周期延拓，然后从列标号为384至1151截取部分矩阵作为迁移结果F*。
3.根据权利要求1所述的基于傅里叶变换的OLED屏幕DeMURA方法，其特征在于：所述步骤3)-a)中，△＝{0,1,2}。
4.根据权利要求1所述的基于傅里叶变换的OLED屏幕DeMURA方法，其特征在于：所述步骤3)-b)中，基于高斯低通滤波窗初始化滤波器W，然后基于梯度下降法优化滤波器。
5.根据权利要求1所述的基于傅里叶变换的OLED屏幕DeMURA方法，其特征在于：所述步骤4)-b)中，聚类方法为按照划分式的K-means做固定类别的聚类，或按照基于密度式的DBSCAN做聚类。
6.根据权利要求1所述的基于傅里叶变换的OLED屏幕DeMURA方法，其特征在于：所述步骤4)-c)中，采用哈夫曼编码对聚类后的标签做无损压缩。

说明书全文

基于傅里叶变换的OLED屏幕DeMURA方法

技术领域

[0001] 本发明涉及图像处理技术领域。

背景技术

[0002] OLED屏每个发光单元与输入灰度呈现出的关系模型造成局部不均匀性，这种不均匀性又叫MURA，来自于日语音译，代表粗糙的、不光滑的意思。

[0003] 本领域现阶段采用的DeMURA方法包括以下几个步骤：

[0004] 1)利用高分辨率相机采集不同灰阶下OLED屏的亮度(专利申请号201810608731.2)，并去除摩尔纹；

[0005] 2)利用灰阶与实际灰度之间的关系构建DeMURA表(专利申请号201811563176.2)；

[0006] 3)对DeMURA表做压缩，并烧录到IC存储中(专利申请号201810272063.0)；

[0007] 4)在IC端通过解压对每个发光单元做实时调整。

[0008] DeMURA表压缩过程，是针对DeMURA过程参数的压缩。在硬件实现过程中，至少需要包含3(通道数)*OLED屏幕行数*列数*256个灰度级调整因子，假定OLED屏幕大小为2160*720，则硬件需要加载的调整因子共有4.44GB。对于IC的SRAM(一般在2MB左右)，不进行DeMURA压缩，是无法进行实时DeMURA的。

[0009] 现阶段做DeMURA表的压缩一般采用有损编码和无损编码两种方式：

[0010] 1)无损压缩的方式是利用DeMURA调整系数做整体索引，然后利用哈夫曼编码、LZW压缩和游程编码对索引做调整，这些数据压缩方法对数据进行重新组织，以减少数据的存储空间，降低数据冗余。但是压缩数据在烧录Flash时需要译码，且调整因子都是浮点数，存在着精度丢失和码表过长的矛盾，数据压缩率有限。

[0011] 2)有损压缩的方式往往是基于通信领域的变换做调整，然后强制剔除部分信息，以有损的方式换取索引的冗余，再通过哈夫曼、游程编码做进一步的压缩。这种有损编码的最大问题在于损失精度不可控，压缩率达到了，但精度达不到。

[0012] 针对上述压缩方法，最大的问题是压缩方法无法自适应调整压缩率，或者调整压缩算法，降低不必要的硬件占用资源，所以很多压缩算法是与品牌、产线相关，极大限制了DeMURA的适用性。

发明内容

[0013] 为了解决现有DeMURA数据压缩方式存在的上述问题，本发明提供了一种基于傅里叶变换的OLED屏幕DeMURA方法。

[0014] 本发明为实现上述目的所采用的技术方案是：基于傅里叶变换的OLED屏幕DeMURA方法，包括以下步骤：

[0015] 1)调整结果的向量化处理：

[0016] a)针对(x,y)处的调整因子ω(x,y,c,n)，构建以0-255灰阶为横坐标、以调整后灰度为纵坐标的曲线，x、y分别代表采集屏幕分辨率的列方向坐标、行方向坐标，ω(x,y,c,n)为灰阶n的调整因子；

[0017] b)依次按照R、B、G通道曲线的顺序，将调整结果曲线连接成一条曲线，将该曲线当作行向量信号t(x,y)；

[0018] 2)基于傅里叶变换的信号变换：

[0019] a)对于所有位置处的行向量信号进行傅里叶变换，得到每条曲线的频谱响应f(x,y)，将每个位置的频谱响应信号作为行向量，然后组成频谱响应矩阵：

[0020]

[0021] b)对频谱响应矩阵F进行频谱迁移，迁移结果频谱响应矩阵F*。

[0022] 3)最优滤波器的求解：

[0023] a)设定最优滤波器目标：设滤波器W，对频谱响应矩阵F*滤波，滤波过程为Fd＝FWT，对Fd做傅里叶逆变换，得到滤波后的调整曲线矩阵T*，每个行向量即为t(x,y)的滤波结果曲线t*(x,y)，公式表示为： △为误差；

[0024] b)基于给定的目标公式，初始化滤波器W，优化滤波器W，得到最优的滤波矩阵以及滤波后的结果；

[0025] 4)基于最优滤波器滤波后的DeMURA数据压缩：

[0026] a)利用优化后的滤波器W，获得滤波结果曲线t*(x,y)；

[0027] b)对滤波结果曲线t*(x,y)每个位置的还原信号作为行向量，组成曲线矩阵，然后对曲线矩阵做行方向的聚类；

[0028] c)对聚类后的标签做一次无损压缩；

[0029] d)保存压缩后的索引、以及各个类别的聚类中心；

[0030] 5)基于傅里叶变换的DeMURA数据压缩的解压：

[0031] a)基于无损压缩算法，对聚类标签做解码，获取每个位置的曲线行向量；

[0032] b)基于每个位置的曲线行向量，可以获得每个位置在不同灰度下的调整结果，至此，解压完成。

[0033] 所述步骤2)-b)中，频谱中心处于列中心处，对频谱响应矩阵F做一次列方向的周*期延拓，然后从列标号为384至1151截取部分矩阵作为迁移结果F。

[0034] 所述步骤3)-a)中，△＝{0,1,2}。

[0035] 所述步骤3)-b)中，基于高斯低通滤波窗初始化滤波器W，然后基于梯度下降法优化滤波器。

[0036] 所述步骤4)-b)中，聚类方法为按照划分式的K-means做固定类别的聚类，或按照基于密度式的DBSCAN做聚类。

[0037] 所述步骤4)-c)中，采用哈夫曼编码对聚类后的标签做无损压缩。

[0038] 本发明的基于傅里叶变换的OLED屏幕DeMURA方法，可以通过控制频域信号的衰减，使有损压缩过程做到损失有度、损失可控，提高DeMURA的适用性。附图说明

[0039] 图1是本发明基于傅里叶变换的OLED屏幕DeMURA方法主流程图。

具体实施方式

[0040] 假定在整体流程中按不同灰度阶拍摄的过程不存在问题，本方法处理对象是多灰度输入后采集的亮度值，若拍摄的灰度阶假定有G个，G∈[2,256]，一般地，G＞5，拍摄的灰度阶是v＝{fi|fi∈Z+I fi∈(0,255)}，i∈[1,G]，通过高分辨率的亮度捕捉设备拍摄的亮+度数据集为L＝{Li,c|Li,c∈R ,c∈{1,2,3}}，c代表RGB三个通道的编号，经过DeMURA后，每个像素DeMURA在灰阶n的调整因子为ω(x,y,c,n)，(x,y)分别代表采集屏幕分辨率的列方向坐标、行方向坐标，各自的取值范围是[1,M]和[1,N]，则整体方法一共包含5个步骤：

[0041] 1)调整结果的向量化处理：

[0042] a)针对(x,y)处的调整因子ω(x,y,c,n)，构建以0-255灰阶为横坐标、以调整后灰度为纵坐标的曲线，因为有RGB3个不同通道的调整因子，所以会有3条不同的调整结果曲线；

[0043] b)依次按照R、B、G通道曲线的顺序，将调整结果曲线连接成一条曲线，则对于任意位置处，均能形成一条长度为256*3的调整结果曲线，将该曲线当作行向量信号t(x,y)；

[0044] 2)基于傅里叶变换的信号变换：

[0045] a)对于所有位置处的行向量信号进行傅里叶变换，得到每条曲线的频谱响应f(x,y)，将每个位置的频谱响应信号作为行向量，然后组成频谱响应矩阵：

[0046]

[0047] b)对频谱响应矩阵F进行频谱迁移，让频谱中心处于列中心处，具体方式可以对频谱响应矩阵F做一次列方向的周期延拓，然后从列标号为384至1151截取部分矩阵作为迁移结果频谱响应矩阵F*；

[0048] 3)最优滤波器的求解：

[0049] a)设定最优滤波器目标：假定存在最优滤波器W，其大小为768×768，可以对频谱响应矩阵F*滤波，滤波过程可以表示为Fd＝FWT，对Fd做傅里叶逆变换，得到滤波后的调整曲线矩阵T*，每个行向量即为t(x,y)的滤波结果曲线t*(x,y)，目标是在满足精度的条件下，尽可能滤除不必要的信息，降低信息冗余，则公式表示为：一般地，△＝{0,1,2}；

[0050] b)基于给定的目标公式，基于高斯低通滤波窗(信号领域公知)，初始化W，然后基于梯度下降法(Dimitri P.Bertsekas,Nonlinear Programming,Athena Scientific 1999,2nd edition,pp.187)优化W，得到最优的滤波矩阵以及滤波后的结果；

[0051] 4)基于最优滤波器滤波后的DeMURA数据压缩：

[0052] a)利用优化后的W，获得满足误差且信息被最大化滤除的曲线还原信号-滤波结果曲线t*(x,y)；

[0053] b)对t*(x,y)，每个位置的还原信号作为行向量，然后组成曲线矩阵，然后对曲线矩阵做行方向的聚类，聚类方法可以按照划分式的K-means做固定类别的聚类，也可以按照基于密度式的DBSCAN做聚类，然后得到聚类后的标签；

[0054] c)对聚类后的标签做一次无损压缩(哈夫曼编码)；

[0055] d)保存压缩后的索引、以及各个类别的聚类中心；

[0056] 5)基于傅里叶变换的DeMURA数据压缩的解压方法：

[0057] a)基于无损压缩算法，对聚类标签做解码，获取每个位置的曲线行向量；

[0058] b)基于每个位置的曲线行向量，可以获得每个位置在不同灰度下的调整结果，至此，解压完成。

[0059] 本方法利用调整因子获取调整灰度响应曲线，可以体现DeMURA过程的线性度；基于学习的方法来做傅里叶变换的滤波器求解，可以依托学习过程来达到最小误差、最大压缩比的目的；基于无损和有损两种方式，利用可控误差为桥梁，可以尽可能拓展DeMURA算法的适用性。

[0060] 本发明是通过实施例进行描述的，本领域技术人员知悉，在不脱离本发明的精神和范围的情况下，可以对这些特征和实施例进行各种改变或等效替换。另外，在本发明的教导下，可以对这些特征和实施例进行修改以适应具体的情况及材料而不会脱离本发明的精神和范围。因此，本发明不受此处所公开的具体实施例的限制，所有落入本申请的权利要求范围内的实施例都属于本发明的保护范围。

标题	发布/更新时间	阅读量
激光诱导击穿光谱图像有损无损联合压缩方法	2020-05-11	623
颜色查找表压缩	2020-05-13	940
有保证的数据压缩	2020-05-13	662
用于车辆控制系统的有损数据压缩器	2020-05-14	718
卷积神经网络全连接层稀疏的权值矩阵的压缩方法及系统	2020-05-08	270
数据存储方法、装置、计算机设备及存储介质	2020-05-08	358
一种视频编码带宽的优化电路及其优化方法	2020-05-14	174
一种静态图像的处理方法及装置	2020-05-14	440
一种有损压缩编码方法、装置和系统级芯片	2020-05-15	203
一种影像数据的金字塔层式存储方法及空间数据库系统	2020-05-15	693

基于傅里叶变换的OLED屏幕DeMURA方法

基于傅里叶变换的OLED屏幕DeMURA方法

技术领域

背景技术

发明内容

具体实施方式

该功能需要专业版企业版VIP权限，您可以：