本发明涉及相机或手机屏幕显示图像处理技术领域，尤其涉及一种针对OLED屏的图像处理技术。

背景技术：

屏幕由于每个发光单元的亮度与输入灰度是非线性的，而造成了在显示上的非均匀性，这是一种显示缺陷，其主要表现为缺陷区域和周围背景的对比度低，边缘模糊，形状各异，称为MURA。MURA在日语里的意思是粗糙的，不光滑的，英文为unevenness。不论是LCD或者OLED的显示屏，都会存在着一定程度的不均匀现象，量化评估这种不均匀程序的过程就是MURA Test。

顾名思义，MURA Test是用来评估显示设备不均匀性的，因此完全可以采用有参考的均匀显示结果与待检测设备显示结果直接作比较(做差)，均匀度越好，两者之间的差别越小，否则越大。但是，这样的结果只能做设备间比对，无法与人的主观感受相关联。所以，现在大部分算法都是基于滤波思想给出的，即把人眼睛能感受到的差保留，感受不到的认为可以忍受。根据参考算法Wiley的Color Science(1982)，图像灰度差变化量在1％以上，人的眼睛就能感受到，对于量化位数是8的图像来说，该变化值为255*1％＝2.55。

现阶段MURA检测过程的问题是：过度关注滤波完的结果，实际人眼对区域位置、MURA类型、MURA区域的灰度差与分布密度等都有关联性，基础理论体系过于简化，简易的MURA检测可以做是否存在MURA的判定，但是无法精确地量化比对，那么也就更无法用来做DeMURA参考。

技术实现要素：

为了克解决现阶段MURA检测过程存在的上述问题，本发明提供了一种针对OLED屏的DeMURA调整算法。

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DeMURA调整算法，包括以下步骤：

步骤1、MURA检测阶段：MURA在检测过程中需要JND做辅助量化计算，一幅待检测的亮度捕捉图会有对应的JND矩阵，即JND*，整体上，假设成像设备拍摄的测试图像为I，自动计算JND*的序列模型参考为：

步骤1-1、对捕获的图像数据做一次低通滤波，w1通过评估图像噪声水平的方式给出；

步骤1-2、对滤波后的图像做灰度分层，依据分层的像素按照空间相对位置与连接情况做标记，L代表每个灰度层连接的灰度区域描述；

步骤1-3、基于同属性的图层做邻域闭包计算，得到每个图层的邻域属性标签B，属性包括面积、外接矩形与最小外接矩形、以及相对应的MURA类型；

步骤1-4、基于不同邻域、不同图层之间的边界、中心距离、面积比来得到所有邻域的整体面积比α，同属性邻域的空间分布密集描述不同属性邻域的空间分布密度描述

步骤1-5、依据每种类型的MURA属性与人眼观察的敏感度，计算出每个区域的JND*；

步骤2、基于JND结果进行DeMURA：在JND*已知的情况下，进行DeMURA迭代调整：

步骤2-1、利用得到的JND*来计算调整权重，具体的方式是计算JND*与判定门限的比值，判定门限为经验值，一般JND是0～100，当比值大于1，说明该区域已经达到人眼可观测，需要进一步调整，比值在1以内说明人可能观测不到当前MURA；

步骤2-2、根据调整权重，调整DeMURA获得的调整参数：

步骤2-3、进行一次MURA检测，判断是否比调整前更小，若不是，进行3-4；若是：

步骤2-3-1、若MURA检测值小于判定门限，存在MURA人眼不可观测，则认为调整完毕，完成DeMURA；

步骤2-3-2、若MURA检测值大于判定门限，则用新获得的JND*与调整因子重复进行DeMURA的2-1～2-3；

步骤2-4、将本次调整区域中呈现出更小JND*的区域调整因子保留，舍弃变大的调整因子，然后重复进行DeMURA的2-1～2-3。

所述步骤1还包括：

步骤1-6、对JND*做一次w2的低通滤波或者中值滤波，消除孤立点状MURA的影响；

步骤1-7、基于人眼主观评价算法，对JND*进行压缩，压缩结果为MURA检测值，该值即为用来量化检测MURA的主要依据，由于其物理意义与人主观观察判断是否存在MURA的时间长度有关，因此在给定判定门限时可以依据屏幕帧率设定。

所述步骤2-2中，DeMURA调整参数获取方法为：

步骤2-2-1、对于小于1的部分，利用叠加随机数的方式，将线状、块状的MURA变为点状的MURA；

步骤2-2-1、对于大于1的部分，依据JND*区域与其他区域的灰度比值对调整参数做比例修改，假定在像素(x,y)处DeMURA调整因子为ω(x,y)，灰度比为α(α∈(0,255])，则调整因子应该为

所述步骤1-1中，评估图像噪声水平的方式为采用基于小波变换的方法，取高频域的能量中值做噪声水平，噪声水平越高，滤波的高通截止频率越低。

本发明的针对OLED屏的DeMURA调整算法，结合人眼主观评测，基于MURA检测算法，对MURA区域进行调整，实现DeMURA。基于人眼主观评价算法对OLED屏幕进行检测，在一定程度上能够降低DeMURA的工作量；基于人眼主观评价算法对DeMURA结果进行复测，实现了闭环的DeMURA，提高了DeMURA的效率，并且符合人眼的主观一致性。

具体实施方式

本发明的针对OLED屏的DeMURA调整算法，基于人眼主观评价算法对MURA进行检测，并计算JND；利用JND结果进行MURA区域调整，实现DeMURA的目的。

本发明所述的一种针对OLED屏的MURA调整方法主要包括两个步骤：1、基于人眼主观评价算法进行MURA检测，并计算JND；2、基于JND结果进行MURA调整。

具体方法包括如下步骤：

步骤1、MURA检测阶段：MURA在检测过程中需要JND(Just Noticeable Difference：最小视觉差)做辅助量化计算，一般地，一幅待检测的亮度捕捉图会有对应的JND矩阵，即JND*。整体上，假设成像设备拍摄的测试图像为I，自动计算JND*的序列模型参考为：

步骤1-1、对捕获的图像数据做一次低通滤波，w1通过评估图像噪声水平的方式给出，评估图像噪声水平的方式有很多种，举例：采用基于小波变换的方法，取高频域的能量中值做噪声水平，噪声水平越高，滤波的高通截止频率越低；

步骤1-2、对滤波后的图像做灰度分层，依据分层的像素按照空间相对位置与连接情况做标记，L代表每个灰度层连接的灰度区域描述；

步骤1-3、基于同属性的图层做邻域闭包计算，得到每个图层的邻域属性标签B，属性包括面积、外接矩形与最小外接矩形、以及相对应的MURA类型等；

步骤1-4、然后基于不同邻域、不同图层之间的边界、中心距离、面积比来得到所有邻域的整体面积比(通过中心距离体现)，不同属性邻域的空间分布密度描述(通过中心距离体现)，面积比就是a的面积和b的面积比值，所谓同属性就是灰度分层结果，层级一致，那就是同属性，不同属性就是层级不一致；同属性边界是可以用来计算区域面积的，整体面积可以理解为整个屏幕的大小(单位是像素)，中心距离是指同属性区域中心之间的距离，那么中心距离可以用来评估密度。通过计算多个层级的边界，求出面积和中心距离，中心距离越小，代表越密集，密度越大；

步骤1-5、依据每种类型的MURA属性与人眼观察的敏感度，计算出每个区域的JND*；

步骤1-6、对JND*做一次w2的低通滤波或者中值滤波，消除孤立点状MURA的影响；

步骤1-7、基于人眼主观评价算法，对JND*进行压缩，即做一次基于人眼敏感度的加权和，使JND*压缩为单值的MURA检测值，即求取JND序列的加权和(加权降维)，这样序列(或者说矩阵)就变成一个值了，就是所谓的压缩了，这个加权参数是用人观察MURA的时间，时间越长，权重越低。压缩结果为MURA检测值，该值即为用来量化检测MURA的主要依据，由于其物理意义与人主观观察判断是否存在MURA的时间长度有关，因此在给定判定门限时可以依据屏幕帧率设定。

步骤2、基于JND结果进行DeMURA：在JND*已知的情况下，进行DeMURA迭代调整：

步骤2-1、利用得到的JND*来计算调整权重，具体的方式是计算JND*与判定门限的比值，当比值大于1，说明该区域已经达到人眼可观测，需要进一步调整，比值在1以内说明人可能观测不到当前MURA，但需要酌情调整；

步骤2-2、根据调整权重，调整DeMURA获得的调整参数：

步骤2-2-1、对于小于1的部分，利用叠加随机数的方式，将线状、块状的MURA变为点状的MURA；

步骤2-2-1、对于大于1的部分，依据JND*区域与其他区域的灰度比值对调整参数做比例修改，假定在像素(x,y)处DeMURA调整因子为ω(x,y)，灰度比为α(α∈(0,255])，则调整因子应该为同时，可以增加叠加随机数能量，进一步打散线状、块状的MURA。

步骤2-3、进行一次MURA检测，判断是否比调整前更小，若不是，进行3-4；若是：

步骤2-3-1、若MURA检测值小于判定门限，存在MURA人眼不可观测，则认为调整完毕，完成DeMURA；

步骤2-3-2、若MURA检测值大于判定门限，则用新获得的JND*与调整因子重复进行DeMURA的2-1～2-3；

步骤2-4、将本次调整区域中呈现出更小JND*的区域调整因子保留，舍弃变大的调整因子，然后重复进行DeMURA的2-1～2-3。

利用人的主观评价算法进MURA检测结果进行判定，并结合人眼主观评价对MURA区域进行调整，形成DeMURA的闭环，提高DeMURA的效率，并且符合人的主观一致性。

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。