本发明涉及图像处理技术领域。
背景技术：
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。
为消除上述不均匀性，通常采用demura方法，本领域现阶段采用的demura方法包括以下几个步骤：
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；
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)；
3)对demura表做压缩，并烧录到ic存储中(专利申请号201810272063.0)；
4)在ic端通过解压对每个发光单元做实时调整。
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。
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：
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；
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。
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。
技术实现要素：
为了解决现有demura数据压缩方式存在的上述问题，本发明提供了一种针对oled屏的自适应demura数据压缩方法。
本发明为实现上述目的所采用的技术方案是：一种针对oled屏的自适应demura数据压缩方法，包括以下步骤：
1)调整因子的向量化：
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、以调整因子为纵坐标的曲线，x、y分别代表采集屏幕分辨率的列方向坐标、行方向坐标，c代表rgb三个通道的编号，n为灰阶数；
b)在整体上不分通道的情况下，每条曲线的调整因子ω(x,y,c,n)表示成ω(x,y,c,n)＝1+δ(x,y,c,n)的形式，其中δ(x,y,c,n)为调整因子增量，则令δ(x,y,c,n)行向量化后的调整因子为v(x,y)，计算调整因子的调整灰阶行向量t(x,y)＝v(x,y)·[0,1,2,...,255]；
1)向量化主成分分析：
a)对于所有位置处的向量化调整灰阶，按照逐行排列成调整灰阶矩阵：
b)对t进行主成分分析得到其特征值λ、特征向量u与协方差矩阵c，λ代表能量，u代表特征空间；
c)对特征值按照其大小做排序，同时记录特征值的排序结果，对特征向量做相应的调整，保证特征向量与特征值位置匹配；
2)调整因子的最优pca压缩：
a)设定压缩目标：压缩调整前后，(x,y)处每个通道调整前后的灰阶绝对误差不得超过δ；
b)基于折半法的最优压缩位置查找，初始状态下折半的上限值为l＝1，下限值为h＝mn-1：
i.对排序完成的特征值，规定舍弃特征值位置
ii.利用剔除后的特征空间与协方差矩阵，得到还原的灰阶矩阵t*，计算还原误差σ＝max(|t*-t|)，假定σ>δ，则代表误差要比预期大，令l＝index，继续进行步骤i，假定σ<δ，则代表误差要比预期小，可以急需压缩，令h＝index，继续进行步骤i,假定σ＝δ，则代表误差满足要求，输出舍弃位置index，结束查找；
c)基于查找到的最优压缩位置index，将小于该特征值位置的特征值与对应的特征向量，直接从矩阵中剔除或者置0，到此，认为剔除后的特征空间仍然可以还原t。
3)基于最优pca结果的demura数据压缩：
a)对t与协方差矩阵c，进行pca投影，投影矩阵f＝ct；
b)对投影后的投影矩阵f做行方向的聚类，然后得到聚类后的标签；
c)对聚类后的标签做一次无损压缩；
d)保存协方差矩阵、压缩后的索引、以及各个类别的聚类中心；
4)基于自适应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，获取每个位置的绝对灰度调整曲线行向量，然后基于步骤2-a)的方法形成投影矩阵f；
b)读取pca协方差矩阵，利用ctf＝t，得到pca前的调整矩阵；
c)基于步骤1-b)反推出ω(x,y,c,n)的具体结果，至此，解压完成。
所述步骤1)-b)中，δ(x,y,c,n)取值范围为[-0.3,0.3]。
所述步骤3)-a)中，δ＝{0,1,2}。
所述步骤4)-b)中，聚类方法为划分式的k-means做固定类别的聚类，或基于密度式的dbscan聚类。
所述步骤4)c)中，无损压缩方法为哈夫曼编码。
本发明的基于pca方法的自适应demura数据压缩方法，最大限度地剔除冗余信息来做demura压缩，使有损压缩过程做到损失有度、损失可控，提高了demura的适用性。
附图说明
图1是本发明针对oled屏的自适应demura数据压缩方法整体流程图。
具体实施方式
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，拍摄的灰度阶集是v＝{fi|fi∈z+ifi∈(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]，则整体方法如图1所示，一共包含5个步骤：
1)调整因子的向量化：
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、以调整因子为纵坐标的曲线，因为有rgb3个不同通道的调整因子，所以会有3条不同的调整曲线；
b)不同调整因子的曲线，屏幕的mura现象越小，调整因子越接近1，反之，调整因子越大，代表mura问题越严重。基于此，在整体上不分通道的情况下，每条曲线的调整因子ω(x,y,c,n)都可以表示成ω(x,y,c,n)＝1+δ(x,y,c,n)的形式，其中δ(x,y,c,n)为调整因子增量，取值范围一般为[-0.3,0.3]。则令δ(x,y,c,n)行向量化后(每个调整因子按照灰阶的大小排成1行)的调整因子为v(x,y)，然后计算调整因子的调整灰阶行向量t(x,y)＝v(x,y)·[0,1,2,...,255]，这里的调整灰阶向量即调整的灰阶绝对值；
2)向量化主成分分析；
a)对于所有位置处的向量化调整灰阶，按照逐行排列成调整灰阶矩阵如下所示：
b)对t进行主成分分析(参考pearson,k.(1901).″onlinesandplanesofclosestfittosystemsofpointsinspace″.philosophicalmagazine.2(11):559–572.doi:10.1080/14786440109462720.)，得到其特征值λ(代表能量)、特征向量u(代表特征空间)与协方差矩阵c(投影还原用)；
c)对特征值按照其大小做排序，同时记录特征值的排序结果，对特征向量做相应的调整，保证特征向量与特征值位置匹配；
3)调整因子的最优pca压缩：
a)设定压缩目标：压缩调整前后，(x,y)处每个通道调整前后的灰阶绝对误差不得超过δ，一般地，δ＝{0,1,2}；
b)基于折半法的最优压缩位置查找，假定初始状态下，折半的上限值为l＝1，下限值为h＝mn-1：
i.对排序完成的特征值，规定舍弃特征值位置
ii.利用剔除后的特征空间与协方差矩阵(pca得到结果)，得到还原的灰阶矩阵t*，计算还原误差σ＝max(|t*-t|)，假定σ>δ，则代表误差要比预期大，令l＝index，继续进行i，假定σ<δ，则代表误差要比预期小，可以急需压缩，令h＝index，继续进行i,假定σ＝δ，则代表误差满足要求，输出舍弃位置index，结束查找；
c)基于查找到的最优压缩位置index，将小于该特征值位置的特征值与对应的特征向量，直接从矩阵中剔除(或者置0)，到此，认为剔除后的特征空间仍然可以还原t。
4)基于最优pca结果的demura数据压缩：
a)对t与协方差矩阵c，进行pca投影，具体方法为f＝ct；
b)对投影后的f做行方向的聚类，聚类方法可以按照划分式的k-means(经典算法)做固定类别的聚类，也可以按照基于密度式的dbscan(经典算法)做聚类，然后得到聚类后的标签；
c)对聚类后的标签做一次无损压缩(建议哈夫曼编码)；
d))保存协方差矩阵、压缩后的索引、以及各个类别的聚类中心。
5)基于自适应demura数据压缩的解压方法：
a)基于无损压缩算法，对聚类标签做解码，获取每个位置的绝对灰度调整曲线行向量，然后基于2-a)的方法形成投影矩阵f；
b)读取pca协方差矩阵，利用ctf＝t，得到pca前的调整矩阵；
c)基于1-b)可以反推出ω(x,y,c,n)的具体结果，至此，解压完成。
本发明将调整因子转换成绝对灰度调整差，更能反应真实demura过程的调整值大小；基于折半法做pca做信息压缩，可以最优地保存demura过程的精度；pca对调整矩阵进行协方差投影，可以最大化地降低调整因子间的相关性，从一定程度上消除调整因子冗余；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。
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。