一种图像的边界判别方法、装置和显示面板的制作方法
【专利摘要】本发明公开了一种图像的边界判别方法、装置和显示面板，用以有效地判别图像是否有边界以及边界的方向。其中判别方法包括接收待判别的图像信息以形成灰阶参数值矩阵，并以待处理的子像素单元对应的灰阶参数值为中心将灰阶参数值矩阵划分为n×n矩阵和(n+2)×(n+2)矩阵；分别确定在n×n矩阵和(n+2)×(n+2)矩阵中：待处理的子像素单元对应的灰阶参数值所在的行向、列向、第一对角线方向和第二对角线方向的最小梯度值、最小标准差值、最小标准差值的离散度、最小梯度值的离散度；当确定的离散度大于N倍的与其对应的最小值时，输出第一代码值，当确定的离散度小于N倍的与其对应的最小值时，输出第二代码值，根据输出的代码值确定待判别的图像是否存在边界以及所存在的边界方向。
【专利说明】一种图像的边界判别方法、装置和显示面板
【技术领域】
[0001]本发明涉及显示【技术领域】，尤其涉及一种图像的边界判别方法、装置和显示面板。
【背景技术】
[0002]虚拟算法是一种新型的图像处理手段，针对特定的子像素排列方式，虚拟算法能够将较低的物理分辨率提升到较高的虚拟分辨率，优化显示效果，提高人眼的视觉感受。
[0003]虚拟算法一般采用滤波器来处理输入信号，通过滤波器对输入信号重新采样分配，实现虚拟显示。但虚拟算法中的滤波器并不能准确处理各种图像类型，比如一些滤波器在斜线图形下会出现彩色边缘，一般把这种现象叫做颜色混叠。为了减少颜色混叠效应，一方面需要不断测试反馈，优化滤波器，改善显示效果；另一方面，需要针对不同的图像类型，或者同一图像的不同位置采用不同的滤波器处理，例如:对于无边界的位置通常采用通用滤波器，而对于有边界的位置通常采用边界滤波器。
[0004]为了实现分情况滤波，需要对输入数据的亮度信号进行处理，设计判别流程，识别其中的锐化边界，对特定的横线、竖线、左对角线、右对角线进行分类，从而采用不同的滤波器。
[0005]因此，如何有效地判别图像的边界，是本领域技术人员亟需解决的技术问题。
【发明内容】
[0006]有鉴于此，本发明实施例提供了一种图像的边界判别方法和装置，用以有效地判别图像是否有边界以及边界的方向，提高显示面板的显示效果。
[0007]为达到上述目的，本发明提供如下技术方案:
[0008]本发明提供了一种图像的边界判别方法，包括:
[0009]接收待判别的图像信息中每个子像素单元在同一方向上的灰阶参数分量值信息以形成灰阶参数值矩阵，并以待处理的子像素单元对应的灰阶参数值为中心将所述灰阶参数值矩阵划分为nXn矩阵和(η+2)Χ(η+2)矩阵，其中η代表行向或列向灰阶参数值的个数，且η为大于I的奇数,所述灰阶参数为亮度参数或色度参数；
[0010]分别确定在nXn矩阵和(η+2) X (η+2)矩阵中:待处理的子像素单元对应的灰阶参数值所在的行向梯度值、列向梯度值、第一对角线方向梯度值和第二对角线方向梯度值中的最小梯度值、以及行向标准差值、列向标准差值、第一对角线方向标准差值、和第二对角线标准差值中的最小标准差值；
[0011]分别确定在nXn矩阵和(η+2) X (η+2)矩阵中:行向标准差值、列向标准差值、第一对角线方向标准差值以及第二对角线方向标准差值相对于最小标准差值的离散度、行向梯度值、列向梯度值、第一对角线方向梯度值以及第二对角线方向梯度值相对于最小梯度值的离散度；
[0012]当确定的离散度大于N倍的与其对应的最小值时，输出第一代码值；当确定的离散度大于N倍的与其对应的最小值时，输出第二代码值，其中:所述最小值为最小标准差值或最小梯度值，N为大于I的常数；
[0013]根据输出的代码值确定待判别的图像是否存在边界以及所存在的边界方向。
[0014]本发明提供的图像的边界判别方法，可以基于亮度分量也可以基于色度分量，对接收到的待判别的图像信息进行处理，得到以待处理的子像素单元对应的灰阶参数值为中心的nXn矩阵和(η+2)Χ(η+2)矩阵，采用梯度、标准差以及离散度等参数对nXn矩阵和(η+2) X (η+2)矩阵分别对应的图像进行判别，能够有效的确定待判别图像是否存在边界，以及边界存在的方向。可以根据判别的结果，选择正确的滤波器，提高滤波器对图像的处理效果，进而提高显示面板的显示效果。
[0015]在一些可选的实施方式中，所述分别确定在nXn矩阵和(η+2) X (η+2)矩阵中:待处理的子像素单元对应的灰阶参数值所在的行向梯度值、列向梯度值、第一对角线方向梯度值和第二对角线方向梯度值中的最小梯度值、以及行向标准差值、列向标准差值、第一对角线方向标准差值、和第二对角线标准差值中的最小标准差值，具体包括:
[0016]确定在nXn矩阵和(η+2) X (η+2)矩阵中:待处理的子像素单元对应的灰阶参数值所在的行向梯度值、列向梯度值、第一对角线方向梯度值和第二对角线方向梯度值中的最小梯度值，每一方向上梯度值为该方向上相邻两个灰阶参数值的绝对值之和:
【权利要求】
1.一种图像的边界判别方法，其特征在于，包括: 接收待判别的图像信息中每个子像素单元在同一方向上的灰阶参数分量值信息以形成灰阶参数值矩阵，并以待处理的子像素单元对应的灰阶参数值为中心将所述灰阶参数值矩阵划分为nXn矩阵和(η+2) X (η+2)矩阵，其中η代表行向或列向灰阶参数值的个数，且η为大于I的奇数，所述灰阶参数为亮度参数或色度参数； 分别确定在nXn矩阵和(η+2) X (η+2)矩阵中:待处理的子像素单元对应的灰阶参数值所在的行向梯度值、列向梯度值、第一对角线方向梯度值和第二对角线方向梯度值中的最小梯度值、以及行向标准差值、列向标准差值、第一对角线方向标准差值、和第二对角线标准差值中的最小标准差值； 分别确定在nXn矩阵和(η+2) X (η+2)矩阵中:行向标准差值、列向标准差值、第一对角线方向标准差值以及第二对角线方向标准差值相对于最小标准差值的离散度、行向梯度值、列向梯度值、第一对角线方向梯度值以及第二对角线方向梯度值相对于最小梯度值的离散度； 当确定的离散度大于N倍的与其对应的最小值时，输出第一代码值；当确定的离散度大于N倍的与其对应的最小值时，输出第二代码值，其中:所述最小值为最小标准差值或最小梯度值，N为大于I的常数； 根据输出的代码值确定待判别的图像是否存在边界以及所存在的边界方向。
2.如权利要求1所述的图像的边界判别方法，其特征在于，所述分别确定在nXn矩阵和(η+2) X (η+2)矩阵中:待处理的子像素单元对应的灰阶参数值所在的行向梯度值、列向梯度值、第一对角线方向梯度值和第二对角线方向梯度值中的最小梯度值、以及行向标准差值、列向标准差值、第一对角线方向标准差值、和第二对角线标准差值中的最小标准差值，具体包括: 确定在nXn矩阵和(η+2) X (η+2)矩阵中:待处理的子像素单元对应的灰阶参数值所在的行向梯度值、列向梯度值、第一对角线方向梯度值和第二对角线方向梯度值中的最小梯度值，每一方向上梯度值为该方向上相邻两个灰阶参数值的绝对值之和:
其中=G代表梯度值，X代表方向，Yxi代表X方向上的第i个灰阶参数值，η代表行向或列向灰阶参数值的个数； 比较nXn矩阵中的行向梯度值、列向梯度值、第一对角线方向梯度值和第二对角线方向梯度值，得到第一最小梯度值，比较(η+2) X (η+2)矩阵中的行向梯度值、列向梯度值、第一对角线方向梯度值和第二对角线方向梯度值得到第二最小梯度值； 根据公式
，确定在nXn矩阵和(η+2) X (η+2)矩阵中:待处理的
子像素单元对应的灰阶参数值所在的行向标准差值、列向标准差值、第一对角线方向标准差值和第二对角线方向标准差值，其中:S代表标准差值，X代表方向，Yxi代表X方向上的第i个灰阶参数值，ξ代表X方向上的灰阶参数值的平均值，η代表行向或列向灰阶参数值的个数
比较nXn矩阵中的行向标准值、列向标准值、第一对角线方向标准值和第二对角线方向标准值，得到第一最小标准值，比较(η+2) X (η+2)矩阵中的行向标准值、列向标准值、第一对角线方向标准值和第二对角线方向标准值得到第二最小标准值。
3.如权利要求2所述的图像的边界判别方法，其特征在于，所述分别确定在nXn矩阵和(η+2) X (η+2)矩阵中:行向标准差值、列向标准差值、第一对角线方向标准差值以及第二对角线方向标准差值相对于最小标准差值的离散度、行向梯度值、列向梯度值、第一对角线方向梯度值以及第二对角线方向梯度值相对于最小梯度值的离散度，具体包括: 根据公式:
确定在 ηXη 矩阵和(η+2) X (η+2)矩阵中:行向标准差值、列向标准差值、第一对角线方向标准差值以及第二对角线方向标准差值相对于的最小标准差值的离散度、行向梯度值、列向梯度值、第一对角线方向梯度值以及第二对角线方向梯度值相对于最小梯度值的离散度，其中:当H、V、LD、RD分别代表nXn矩阵中的行向梯度值、列向梯度值、第一对角线方向梯度值和第二对角线方向梯度值时，A代表第一最小梯度值，Dif代表第一离散度；当H、V、LD、RD分别代表nXn矩阵中的行向标准值、列向标准值、第一对角线方向标准值和第二对角线方向标准值时，A代表第一最小标准值，Dif代表第二离散度；当H、V、LD、RD分别代表(η+2) X (η+2)矩阵中的行向梯度值、列向梯度值、第一对角线方向梯度值和第二对角线方向梯度值时，A代表第二最小梯度值，Dif代表第三离散度；当H、V、LD、RD分别代表(η+2) X (η+2)矩阵中的行向标准值、列向标准值、第一对角线方向标准值和第二对角线方向标准值时，A代表第二最小标准值，Dif代表第四离散度。
4.如权利要求3所述的图像的边界判别方法，其特征在于，所述当确定的离散度大于N倍的与其对应的最小值时，输出第一代码值，当确定的离散度大于N倍的与其对应的最小值时，输出第二代码值，所述最小值为最小标准差值或最小梯度值，具体包括: 若Dif > NX Α，对应的输出第一代码值，若Dif < NX Α，对应的输出第二代码值，其中:N为大于I的常数，当Dif代表第一离散度时，A代表第一最小梯度值；当Dif代表第二离散度时，A代表第一最小标准差值；当Dif代表第三离散度时，A代表第二最小梯度值；当Dif代表第四离散度时，A代表第二最小标准差值。
5.如权利要求4所述的图像的边界判别方法，其特征在于，所述N值为1.4~2.0。
6.如权利要求5所述的图像的边界判别方法，其特征在于，所述N值为-^
7.如权利要求4~6任一项所述的图像的边界判别方法，其特征在于，所述根据输出的代码值确定待判别的图像是否存在边界以及所存在的边界方向具体包括: 当第一离散度、第二离散度、第三离散度以及第四离散度对应的输出代码值均为第二代码值时，则确定待判别的图像无边界； 当第一离散度、第二离散度、第三离散度以及第四离散度对应的输出代码值均为第一代码值时，则确定待判别的图像存在边界，且在第二梯度值和第二标准值中最小的一个值对应的方向上存在边界； 当第一离散度、第二离散度以及第四离散度对应的输出代码值为第一代码值、第三离散度对应的输出代码值为第二代码值时，则确定待判别的图像存在边界，且在第一梯度值和第一标准值中最小的一个值对应的方向上存在边界； 当第一离散度、第二离散度以及第三离散度对应的输出代码值为第一代码值、第四离散度对应的输出代码值为第二代码值时，则确定待判别的图像存在边界，且在第一梯度值和第一标准值中最小的一个值对应的方向上存在边界； 当第一离散度和第二离散度对应的输出代码值为第一代码值、第三离散度和第四离散度对应的输出代码值为第二代码值时，则确定待判别的图像存在边界，且在第一梯度值和第一标准值中最小的一个值对应的方向上存在边界。
8.如权利要求7所述的图像的边界判别方法，其特征在于，所述第一代码值为1，所述第二代码值为O。
9.一种图像的边界判别装置，其特征在于，包括: 接收模块，用于接收待判别的图像信息中每个子像素单元在同一方向上的灰阶参数分量值信息以形成灰阶参数值矩阵，并以待处理的子像素单元对应的灰阶参数值为中心将所述灰阶参数值矩阵划分为nXn矩阵和(η+2) X (η+2)矩阵，其中η代表行向或列向灰阶参数值的个数，且η为大于I的奇数，所述灰阶参数为亮度参数或色度参数； 第一确定模块，用于分别确定在nXn矩阵和(η+2) X (η+2)矩阵中:待处理的子像素单元对应的灰阶参数值所在的行向梯度值、列向梯度值、第一对角线方向梯度值和第二对角线方向梯度值中的最小梯度值、以及行向标准差值、列向标准差值、第一对角线方向标准差值、和第二对角线标准差值中的最小标准差值； 第二确定模块，用于分别确定在nXn矩阵和(η+2) X (η+2)矩阵中:行向标准差值、列向标准差值、第一对角线方向标准差值以及第二对角线方向标准差值相对于的最小标准差值的离散度、行向梯度值、列向梯度值、第一对角线方向梯度值以及第二对角线方向梯度值相对于最小梯度值的离散度； 分析模块，用于当确定的离散度大于N倍的与其对应的最小值时，输出第一代码值，当确定的离散度大于N倍的与其对应的最小值时，输出第二代码值，其中:所述最小值为最小标准差值或最小梯度值，N为大于I的常数； 判断模块，用于根据输出的代码值确定待判别的图像是否存在边界以及所存在的边界方向。
10.一种显示面板，其特征在于，包括:如权利要求9所述的图像的边界判别装置。
【文档编号】G09G5/00GK104200793SQ201410415432
【公开日】2014年12月10日 申请日期:2014年8月21日 优先权日:2014年8月21日
【发明者】刘鹏, 董学, 郭仁炜, 杨凯 申请人:京东方科技集团股份有限公司, 北京京东方光电科技有限公司