一种伽马值学习方法、装置及存储介质与流程

1.本发明涉及led显示屏领域，特别是涉及一种伽马值学习方法、装置及存储介质。


背景技术：

2.led显示屏具有色彩鲜艳、亮度高、寿命长、节能等优点，因而被广泛的使用，人们对led显示屏的显示效果的要求也越来越高。影响led显示屏的灰度显示效果的因素有很多，除了驱动ic的控制、驱动电流大小的精度控制、亮度/色度的校正精度、扫描控制时序、led灯珠的光电转换效率等以外，很大的一个因素是伽马校正(gamma)的准确度。
3.伽马校正，是为了匹配人眼对光的非线性的感知特性，一般可以采用如下公式来进行。其中，i
in
为输入的灰度数据，i
out
为经过伽马校正后输出的灰度数据，γ为校正使用的伽马值(也称为gamma值)，c为常数。
[0004][0005]
现有技术中，通常使用一条固定的经验曲线，比如γ取值2.2的gamma曲线，来对led显示屏进行伽马校正。然而，受到led显示屏中led灯珠个体体质等种种因素的影响，尤其是不同led灯珠在光电转换效率方面的差异，现在使用选定的gamma曲线进行伽马校正之后，经常会得不到想要的灰度显示效果。同样的gamma曲线在应用到不同的led显示屏上，会带来不同的灰度显示效果。这一问题，尤其存在于使用不同批次的led灯珠的led显示屏。
[0006]
现有技术中，为了保障显示效果，也有用户会根据工程经验，来手动调整不同灰度值下的gamma值，每次手动调整出来的gamma值无法大规模使用——不同的led显示屏，需要进行不同的手动调节，调节的工作量非常大。


技术实现要素：

[0007]
基于此，有必要针对现有led显示屏采用根据经验确定的伽马值，不能得到想要的灰度显示效果的问题，提供一种伽马值学习方法、装置及存储介质。
[0008]
本技术一实施例提供了一种伽马值学习方法，用于确定led显示屏在伽马校正时使用的伽马值，包括：
[0009]
根据设置的灰度等级，建立各级灰度值的灰度特征值；所述灰度特征值为显示对应灰度值时的光学特征期望值；
[0010]
选择初始的伽马值，对测试画面数据进行伽马校正，得到初始校正的灰阶数据，作为工作使用的灰阶数据；
[0011]
设置目标灰度值，将目标灰度值以及工作使用的灰阶数据，发送给led显示屏进行显示；
[0012]
获取显示画面，提取灰度特征值的观测值；所述灰度特征观测值为显示目标灰度值时的光学特征实际值；
[0013]
计算灰度特征观测值与目标灰度值的灰度特征值之间的灰度特征差异值，判断灰
度特征差异值是否大于预设差异阈值；
[0014]
如果判断结果为是，则根据预设策略，调整伽马值，对测试画面数据进行再次伽马校正，得到迭代使用的灰阶数据，并发送给led显示屏进行显示；
[0015]
如果判断结果为否，则将当前灰阶数据对应的伽马值，作为当前目标灰度值对应的伽马值；
[0016]
判断是否所有灰度值均存在对应的伽马值；如果为否，则重新设定目标灰度值，将目标灰度值以及工作使用的灰阶数据，发送给led显示屏进行显示；如果为是，则汇总所有灰度值及其对应的伽马值。
[0017]
在一些实施例中，所述根据设置的灰度等级，建立各级灰度值的灰度特征值步骤，具体包括：
[0018]
选用一个作为基准的led显示屏，根据事先设置的灰度等级，逐一显示各级灰度值的画面；
[0019]
采集显示画面，从中提取一个或多个目标位置的led灯珠发光的光学特征值，作为显示对应灰度值时的光学特征期望值；
[0020]
汇总所有灰度值对应的光学特征期望值，得到各级灰度值的灰度特征值。
[0021]
在一些实施例中，所述根据设置的灰度等级，建立各级灰度值的灰度特征值步骤，具体包括：
[0022]
在预设白平衡条件下，根据设置的灰度等级，建立各级灰度值的灰度特征值。
[0023]
在一些实施例中，所述测试画面数据为灰度图像。
[0024]
在一些实施例中，所述预设策略为梯度下降法或者牛顿法。
[0025]
在一些实施例中，还包括：
[0026]
对所有灰度值及其对应的伽马值进行曲线拟合，得到伽马校正曲线。
[0027]
本技术另一实施例提供了一种伽马值学习装置，用于确定led显示屏在伽马校正时使用的伽马值，包括：
[0028]
灰度期望特征确定单元，用于根据设置的灰度等级，建立各级灰度值的灰度特征值；所述灰度特征值为显示对应灰度值时的光学特征期望值；
[0029]
伽马校正计算单元，用于选择初始的伽马值，对测试画面数据进行伽马校正，得到初始校正的灰阶数据，作为工作使用的灰阶数据；
[0030]
灰度值确定单元，用于设置目标灰度值，将目标灰度值以及工作使用的灰阶数据，发送给led显示屏进行显示；
[0031]
灰度特征观测单元，用于获取显示画面，提取灰度特征值的观测值；所述灰度特征观测值为显示目标灰度值时的光学特征实际值；
[0032]
灰度特征差异判断单元，用于计算灰度特征观测值与目标灰度值的灰度特征值之间的灰度特征差异值，判断灰度特征差异值是否大于预设差异阈值，当判断结果为是时，触发伽马迭代单元；当判断结果为否时，触发伽马值确定单元；
[0033]
伽马迭代单元，用于根据预设策略，调整伽马值，对测试画面数据进行再次伽马校正，得到迭代使用的灰阶数据，并发送给led显示屏进行显示，触发灰度特征观测单元；
[0034]
伽马值确定单元，用于将当前灰阶数据对应的伽马值，作为当前目标灰度值对应的伽马值；
[0035]
伽马值汇总单元，用于判断是否所有灰度值均存在对应的伽马值；如果为否，则触发灰度值确定单元，重新设定目标灰度值；如果为是，则汇总所有灰度值及其对应的伽马值。
[0036]
本技术另一实施例还提供了一种存储介质，其上存储有计算机程序，所述计算机程序在由处理器执行时实现前面任一项实施例所述的伽马值学习方法。
[0037]
相对于现有技术，本技术实施例提供的伽马值学习方法，直接从光学层面进行学习，可以有效保障所有级数的灰度值，在经过伽马校正之后，均可以实现相同的、预期的灰度显示效果，有效的提升了led显示屏的观感，并且可以大规模使用。同时，本方案可以由系统自动执行，无需人工参与，效率更高。
附图说明
[0038]
图1为本技术一实施例的伽马值学习方法的流程示意图；
[0039]
图2为本技术一实施例中执行伽马值学习方法的led显示控制系统的框架结构示意图；
[0040]
图3为本技术一实施例的伽马值学习装置的框架结构示意图。
具体实施方式
[0041]
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行详细描述。需要说明的是，在不冲突的情况下，本技术的实施方式及实施方式中的特征可以相互组合。
[0042]
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发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施方式的目的，不是旨在于限制本发明。
[0043]
如图1所示，本技术一实施例公开了一种伽马值学习方法，用于确定led显示屏在伽马校正时使用的伽马值，包括：
[0044]
s100，根据设置的灰度等级，建立各级灰度值的灰度特征值；所述灰度特征值为显示对应灰度值时的光学特征期望值；
[0045]
本技术实施例所述的伽马值学习方法，可以由图2示出的led显示控制系统来进行执行。在图2的系统中，包括led显示屏10、摄像单元20、上位机30以及视频控制器40，上位机30通过视频控制器40，控制led显示屏10的显示画面，摄像单元20可以通过拍摄，获取led显示屏10的显示画面。
[0046]
在步骤s100中，可以选用一个作为基准的led显示屏，根据事先设置的灰度等级，逐一显示各级灰度值的画面，然后采集显示画面，从中提取一个或多个目标位置的led灯珠发光的光学特征值，作为显示对应灰度值时的光学特征期望值，即灰度特征值。汇总所有灰度值对应的光学特征期望值，得到各级灰度值的灰度特征值。
[0047]
示例的，设置的灰度等级可以包括有256级灰度值。可以利用基准的led显示屏，显示从0级到255级的灰度值的画面，然后拍摄每一灰度值下的显示画面。在对应一个灰度值的显示画面中，可以选择一个led灯珠作为目标位置，提取目标位置的光学特征值，作为对应该灰度值的灰度特征值。
[0048]
可以理解的是，目标位置也可以选择多个led灯珠，然后计算这些led灯珠的光学特征值的平均值，或者中位值。
[0049]
在一些实施例中，每一个显示画面中，也可以同时包括多个灰度值的显示区域，从而可以从一个显示画面中提取到多个灰度值的灰度特征值，有效提升灰度特征值的确定效率。
[0050]
可以理解的是，根据led显示屏以及控制系统的支持情况，如果灰度等级中灰度值级数，也可以是其他数值。
[0051]
在一些实施例中，步骤s100，可以是在预设白平衡条件下，根据设置的灰度等级，建立各级灰度值的灰度特征值。示例的，s100，可以在100％白平衡条件下，建立各级灰度值的灰度特征值。
[0052]
可以理解的是，在步骤s100中，也可以在多种白平衡条件下，根据设置的灰度等级，建立各级灰度值的灰度特征值。
[0053]
s200，选择初始的伽马值，对测试画面数据进行伽马校正，得到初始校正的灰阶数据，作为工作使用的灰阶数据；
[0054]
s300，设置目标灰度值，将目标灰度值以及工作使用的灰阶数据，发送给led显示屏进行显示；
[0055]
初始的伽马值，可以根据经验确定，也可以随意指定。示例的，可以将初始的伽马值设置为2.2。利用初始的伽马值，就可以对测试画面数据进行伽马校正，从而得到初始校正的灰阶数据，然后结合设定的目标灰度值，发送给测试用的led显示屏进行显示。
[0056]
在一些实施例中，工作使用的灰阶数据为16bit的灰阶数据，即65536级灰阶数据。在将测试画面数据进行伽马校正时，如果测试画面数据为低比特的数据，比如8bit、10bit或者12bit时，还需要同时进行低比特数据向高比特数据的映射转换。
[0057]
在一些实施例中，测试画面数据可以是灰度图像，以方便后续迭代过程中，调节目标灰度值的数值。
[0058]
s400，获取显示画面，提取灰度特征值的观测值；所述灰度特征观测值为显示目标灰度值时的光学特征实际值；
[0059]
测试用的led显示屏会根据设定的目标灰度值以及工作使用的灰阶数据，进行画面的显示。可以利用摄像单元来拍摄led显示屏，从而获取显示画面。
[0060]
从显示画面中，找到目标位置，提取目标位置的光学特征实际值，作为灰度特征值的观测值。可以选择一个led灯珠作为目标位置，提取目标位置的光学特征值，作为对应该灰度值的灰度特征值。
[0061]
可以理解的是，目标位置也可以选择多个led灯珠，然后计算这些led灯珠的光学特征值的平均值，或者中位值。
[0062]
s500，计算灰度特征观测值与目标灰度值的灰度特征值之间的灰度特征差异值，判断灰度特征差异值是否大于预设差异阈值；
[0063]
s610，如果判断结果为是，则根据预设策略，调整伽马值，对测试画面数据进行再次伽马校正，得到迭代使用的灰阶数据，并发送给led显示屏进行显示；
[0064]
s620，如果判断结果为否，则将当前灰阶数据对应的伽马值，作为当前目标灰度值对应的伽马值；
[0065]
s700，判断是否所有灰度值均存在对应的伽马值；如果为否，则进入步骤s300，重新设定目标灰度值；如果为是，则汇总所有灰度值及其对应的伽马值。
[0066]
当灰度特征差异值大于预设差异阈值时，表明使用当前的伽马值进行伽马校正得到的灰阶数据，在测试用的led显示屏上实际显示出来的效果，与步骤s100中得到灰度特征值所对应的光学特征值，具有较大的差异，因而，需要对伽马值进行调整，并迭代执行步骤s400-s500，直至灰度特征差异值小于预设差异阈值——表明使用当前的伽马值进行伽马校正得到的灰阶数据，在测试用的led显示屏上实际显示出来的效果，与步骤s100中得到灰度特征值所对应的光学特征值，已经非常接近。此时使用的伽马值，就可以作为当前目标灰度值对应的伽马值。
[0067]
通过对所有灰度值进行相同的迭代操作，即可得到所有灰度值及其对应的伽马值。
[0068]
本技术实施例提供的伽马值学习方法，会将灰度值转换为对应的光学特征值，首先建立个灰度值对应的光学特征期望值，然后不断迭代计算伽马值，直至伽马校正后的灰度数据实现显示出来的光学特征实际值非常接近光学特征期望值，才将此时的伽马值作为该灰度值对应的伽马值。对所有灰度值进行同样的操作，即可得到所有灰度值对应的伽马值。
[0069]
现有技术中，或者根据经验确定一个固定的伽马值，要么手动调整伽马值，或者分段拟合伽马曲线；现有方案预设的前提就是，根据伽马值对应产生的灰阶数据所产生的驱动电流，led灯珠的发光效果应当是一一对应的。换句话说，现有伽马值确定及伽马校正的方案，仅仅是基于驱动电流层面的方案，并没有考虑到led灯珠体质差异，比如led灯珠光电转换效率的差异，所带来的实际发光效果的不同。由此就导致了，现有技术确定的伽马值，在应用在具体的led显示屏时，经常得不到想要的灰度显示效果。
[0070]
相对于现有技术，本技术实施例提供的伽马值学习方法，直接从光学层面进行学习，可以有效保障所有级数的灰度值，在经过伽马校正之后，均可以实现相同的、预期的灰度显示效果，有效的提升了led显示屏的观感；并且可以大规模使用。同时，本方案可以由系统自动执行，无需人工参与，效率更高。
[0071]
在一些实施例中，在步骤s400中，可以获取多个显示画面，然后从这些获取到的多个显示画面中提取多个灰度特征观测值。在步骤s500中，在计算灰度特征差异值时，可以将步骤s400中得到的多个灰度特征观测值分别，与目标灰度值的灰度特征值进行比较，得到多个差异值，将最小的差异值作为灰度特质差异值。
[0072]
可以理解的是，在步骤s400中，也可以仅获取一个显示画面，从这个显示画面中提取多个灰度特征观测值。
[0073]
在步骤s610中，会根据预设策略，来调整伽马值。预设策略，是用来确定伽马值的调整方向以及调整大小——即增加/减小伽马值的程度。示例的，预设策略，可以采用遍历法，事先列出所有允许的伽马值取值，并进行排序。在步骤s610中，调整伽马值时，可以依次从列出的伽马值取值序列中读取下一个伽马值即可。
[0074]
在一些实施例中，预设策略可以是梯度下降法或者牛顿法。梯度下降法或者牛顿法是深度学习中参数的优化方法。
[0075]
在一些实施例中，预设策略可以是使用事先训练的伽马值调整模型。示例的，可以
事先训练一个基于深度卷积神经网络模型，来调节伽马值。
[0076]
在一些实施例中，在步骤s700之后，还包括：
[0077]
对所有灰度值及其对应的伽马值进行曲线拟合，得到伽马校正曲线。
[0078]
通过曲线拟合，可以将灰度值及其伽马值拟合呈伽马校正曲线，方便后续的使用。
[0079]
相对于现有技术，本技术实施例提供的伽马值学习方法，直接从光学层面进行学习，可以有效保障所有级数的灰度值，在经过伽马校正之后，均可以实现相同的、预期的灰度显示效果，有效的提升了led显示屏的观感，并且可以大规模使用。同时，本方案可以由系统自动执行，无需人工参与，效率更高。
[0080]
可以理解的是，本技术实施例提供的伽马值学习方法，在针对不同批次的led显示屏，甚至是不同批次的led灯珠时，均可以重新学习、确定灰度值及其伽马值。如此，不同批次的led灯珠或者led显示屏，可以有适配各自元器件体质的伽马值，保证得到预期的显示效果。
[0081]
如图3所示，本技术另一实施例提供了一种伽马值学习装置，用于确定led显示屏在伽马校正时使用的伽马值，包括：
[0082]
灰度期望特征确定单元100，用于根据设置的灰度等级，建立各级灰度值的灰度特征值；所述灰度特征值为显示对应灰度值时的光学特征期望值；
[0083]
伽马校正计算单元200，用于选择初始的伽马值，对测试画面数据进行伽马校正，得到初始校正的灰阶数据，作为工作使用的灰阶数据；
[0084]
灰度值确定单元300，用于设置目标灰度值，将目标灰度值以及工作使用的灰阶数据，发送给led显示屏进行显示；
[0085]
灰度特征观测单元400，用于获取显示画面，提取灰度特征值的观测值；所述灰度特征观测值为显示目标灰度值时的光学特征实际值；
[0086]
灰度特征差异判断单元500，用于计算灰度特征观测值与目标灰度值的灰度特征值之间的灰度特征差异值，判断灰度特征差异值是否大于预设差异阈值，当判断结果为是时，触发伽马迭代单元610；当判断结果为否时，触发伽马值确定单元620；
[0087]
伽马迭代单元610，用于根据预设策略，调整伽马值，对测试画面数据进行再次伽马校正，得到迭代使用的灰阶数据，并发送给led显示屏进行显示，触发灰度特征观测单元400；
[0088]
伽马值确定单元620，用于将当前灰阶数据对应的伽马值，作为当前目标灰度值对应的伽马值；
[0089]
伽马值汇总单元700，用于判断是否所有灰度值均存在对应的伽马值；如果为否，则触发灰度值确定单元300，重新设定目标灰度值；如果为是，则汇总所有灰度值及其对应的伽马值。
[0090]
灰度期望特征确定单元100、伽马校正计算单元200、灰度值确定单元300、灰度特征观测单元400、灰度特征差异判断单元500、伽马迭代单元610、伽马值确定单元620及伽马值汇总单元700的具体工作方式，可以参见前面方法实施例中的描述，在此不再赘述。
[0091]
在一些实施例中，所述伽马值学习装置，还可以包括曲线拟合单元，用于对所有灰度值及其对应的伽马值进行曲线拟合，得到伽马校正曲线。
[0092]
相对于现有技术，本技术实施例提供的伽马值学习方案，直接从光学层面进行学
习，可以有效保障所有级数的灰度值，在经过伽马校正之后，均可以实现相同的、预期的灰度显示效果，有效的提升了led显示屏的观感，并且可以大规模使用。同时，本方案可以由系统自动执行，无需人工参与，效率更高。
[0093]
本技术另一实施例还提供了一种存储介质，其上存储有计算机程序，其中所述计算机程序在由处理器执行时实现上述任一项实施例所述的伽马值学习方法。
[0094]
所述系统/计算机装置集成的部件/模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。所述计算机可读存储介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
[0095]
在本发明所提供的几个具体实施方式中，应该理解到，所揭露的系统和方法，可以通过其它的方式实现。例如，以上所描述的系统实施方式仅仅是示意性的，例如，所述部件的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
[0096]
另外，在本发明各个实施例中的各功能模块/部件可以集成在相同处理模块/部件中，也可以是各个模块/部件单独物理存在，也可以两个或两个以上模块/部件集成在相同模块/部件中。上述集成的模块/部件既可以采用硬件的形式实现，也可以采用硬件加软件功能模块/部件的形式实现。
[0097]
对于本领域技术人员而言，显然本发明实施例不限于上述示范性实施例的细节，而且在不背离本发明实施例的精神或基本特征的情况下，能够以其他的具体形式实现本发明实施例。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明实施例的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明实施例内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统、装置或终端权利要求中陈述的多个单元、模块或装置也可以由同一个单元、模块或装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。
[0098]
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。