本发明专利技术涉及一种伽马值学习方法、装置及存储介质，其中，所述方法包括：根据设置的灰度等级，建立各级灰度值的灰度特征值；选择初始的伽马值，得到初始校正的灰阶数据，并结合设置的目标灰度值，发送给LED显示屏进行显示；获取显示画面，提取灰度特征值的观测值，当判断其与灰度特征值之间的差异大于预设差异阈值时，根据预设策略，调整伽马值，进行迭代，直至差异符合预期，再将当前的伽马值，作为当前灰度值对应的伽马值。本申请方案，在光学层面进行学习，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；还可以大规模使用；无需人工参与，效率高。效率高。效率高。
【技术实现步骤摘要】
一种伽马值学习方法、装置及存储介质
[0001]本专利技术涉及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。
技术介绍
[0002]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。
[0003]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。
技术实现思路
[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]本申请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]本申请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]本申请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，本申请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为本申请一实施例的伽马值学习方法的流程示意图；
[0039]图2为本申请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为本申请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专利技术的上述目的、特征和优点，下面结合附图和具体实施方式对本专利技术进行详细描述。需要说明的是，在不冲突的情况下，本申请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本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种伽马值学习方法，用于确定LED显示屏在伽马校正时使用的伽马值，其特征在于，包括：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；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；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；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；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；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；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；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。2.根据权利要求1所述的伽马值学习方法，其特征在于，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：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；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；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。3.根据权利要求1所述的伽马值学习方法，其特征在于，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：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。4.根据权利要求1所述的伽马值学习方法，其特征在于...
【专利技术属性】
技术研发人员：梁德斌，吴振志，吴涵渠，
申请(专利权)人：深圳市奥拓电子股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。