CN106297728A - 图像处理设备和图像处理方法 - Google Patents

Abstract

本申请公开一种图像处理设备和图像处理方法。该图像处理设备包括：其中记录了与白色灰度相对应的第一伽马校正值的第一查找表；其中记录了与红色灰度、绿色灰度和蓝色灰度相对应的第二伽马校正值的第二查找表；以及通过参考第一查找表和第二查找表，基于接收的第一图像数据的第一伽马校正值和第二伽马校正值来从该第一图像数据计算第二图像数据的数据校正单元。

Description

图像处理设备和图像处理方法

相关申请的交叉引用

此申请要求2015年6月26日提交到韩国知识产权局的韩国专利申请第10-2015-0091325号的优先权和权益，其内容通过引用被整体合并于此。

技术领域

本公开的实施例涉及图像处理设备和图像处理方法，更具体地说，涉及提高显示质量的图像处理设备和图像处理方法。

背景技术

图像处理设备包括将图像数据处理成适合于被显示在显示面板上的图像的形式的各种图像处理电路。这里，显示面板可以是液晶显示器(LCD)或有机电致发光显示器(OLED)。

总地来说，图像处理设备包括用于执行诸如精确颜色捕获(ACC)的数据调整过程以维持颜色平衡的数据校正单元。数据校正单元可以基于全白颜色坐标/色温来调整红色表面图案、绿色表面图案和蓝色表面图案的数据电压，以维持2.2伽马曲线。

发明内容

根据本公开实施例的图像处理设备包括：其中记录了与白色灰度相对应的第一伽马校正值的第一查找表；其中记录了与红色灰度、绿色灰度和蓝色灰度相对应的第二伽马校正值的第二查找表；以及通过参考第一查找表和第二查找表，基于接收的第一图像数据的第一伽马校正值和第二伽马校正值来从该第一图像数据计算第二图像数据的数据校正单元。

在一个实施例中，数据校正单元在第一图像数据是白色灰度时，可以使用第一图像数据的第一伽马校正值计算第二图像数据，并且在第一图像数据是红色灰度、绿色灰度和蓝色灰度中的一种时，可以使用第一图像数据的第二伽马校正值计算第二图像数据。

在一个实施例中，数据校正单元在第一图像数据是混合颜色灰度时，可以通过插值第一图像数据的第一伽马校正值和第二伽马校正值来计算第二图像数据。

在一个实施例中，数据校正单元通过如下方式插值第一伽马校正值和第二伽马校正值：通过插值第一图像数据的红色子像素数据的第一伽马校正值和第一图像数据的红色子像素数据的第二伽马校正值，来计算第二图像数据的红色子像素数据；通过插值第一图像数据的绿色子像素数据的第一伽马校正值和第一图像数据的绿色子像素数据的第二伽马校正值，来计算第二图像数据的绿色子像素数据；以及通过插值第一图像数据的蓝色子像素数据的第一伽马校正值和第一图像数据的蓝色子像素数据的第二伽马校正值，来计算第二图像数据的蓝色子像素数据。

在一个实施例中，第二图像数据可以通过线性插值来计算。在一个实施例中，第二图像数据的有色子像素数据可以通过下面的数学表达式来计算：

r′＝f(r，g，b，R_c，i＝r，R_p，i＝r)＝α_R·X_R(r，g，b)+β_R

$X_R(r,g,b)\≡\frac{1}{4}\[(2r-g-b)+|2r-g-b|\],(0\≤X_R\≤r)$

${\mathrm{\α}}_R=\frac{R_{p,i=r}-R_{c,i=r}}{r},{\mathrm{\β}}_R=R_{c,i=r}$

其中r'是第二图像数据的有色子像素数据，(r,g,b)是第一图像数据的红色子像素数据、绿色子像素数据和蓝色子像素数据，Rc,i＝r是第一图像数据的有色子像素数据r的第一伽马校正值，Rp,i＝r是第一图像数据的有色子像素数据r的第二伽马校正值，其中有色是红色、绿色和蓝色中的一种。

在一个实施例中，第二图像数据可以通过与幂N成比例的非线性插值来计算，其中N≠1。在一个实施例中，第二图像数据的有色子像素数据可以使用下面的数学表达式来计算：

r′＝f(r，g，b，R_c，i＝r，R_p，i＝r)＝α_R·X_R(r，g，b)^N+β_R

$X_R(r,g,b)\≡\frac{1}{4}\[(2r-g-b)+|2r-g-b|\],(0\≤X_R\≤r)$

${\mathrm{\α}}_R=\frac{R_{p,i=r}-R_{c,i=r}}{r},{\mathrm{\β}}_R=R_{c,i=r}.$

其中r'是第二图像数据的有色子像素数据，(r,g,b)是第一图像数据的红色子像素数据、绿色子像素数据和蓝色子像素数据，Rc,i＝r是第一图像数据的有色子像素数据r的第一伽马校正值，并且Rp,i＝r是第一图像数据的有色子像素数据r的第二伽马校正值，其中有色是红色、绿色和蓝色中的一种。

在一个实施例中，幂N可以由第一伽马校正值或第二伽马校正值被应用的权重大小来确定。

在一个实施例中，第一图像数据和第二图像数据可以各自分别包括红色子像素数据、绿色子像素数据和蓝色子像素数据。在一个实施例中，第一伽马校正值和第二伽马校正值可以被分别定义为与红色子像素数据、绿色子像素数据和蓝色子像素数据的灰度值相对应的电压或电流的相对电平。在一个实施例中，基准伽马值可以为2.2。

在一个实施例中，图像处理设备可以进一步包括：包括连接至栅极线和数据线的多个像素的显示单元；用于将栅极信号输出到栅极线的栅极驱动单元；用于将数据信号输出到数据线的数据驱动单元；以及基于第一图像数据和时钟信号控制栅极驱动单元和数据驱动单元的时序控制单元。在一个实施例中，数据校正单元与时序控制单元集成在一起。

根据本公开实施例的用于处理图像的方法包括：生成其中记录了白色灰度的第一伽马校正值的第一查找表；生成其中记录了红色灰度、绿色灰度和蓝色灰度的第二伽马校正值的第二查找表；以及通过参考第一查找表和第二查找表，基于接收的第一图像数据的第一伽马校正值和第二伽马校正值来从第一图像数据计算第二图像数据。

在一个实施例中，计算第二图像数据包括：在第一图像数据是白色灰度时使用第一图像数据的第一伽马校正值，以及在第一图像数据是红色灰度、绿色灰度和蓝色灰度中的一种时，使用第一图像数据的第二伽马校正值。

在一个实施例中，计算第二图像数据包括：在第一图像数据是混合颜色灰度时，插值第一图像数据的第一伽马校正值和第二伽马校正值。

根据本公开实施例的用于处理图像的方法包括：接收第一图像数据；通过如下方式从第一图像数据计算第二图像数据：在第一图像数据是白色灰度时使用第一图像数据的第一伽马校正值，在第一图像数据是红色、绿色和蓝色灰度中的一种时使用第一图像数据的第二伽马校正值，以及在第一图像数据是混合颜色灰度时插值第一图像数据的第一伽马校正值和第二伽马校正值。

在一个实施例中，该方法可以包括：将白色灰度的第一伽马校正值记录在第一查找表中；将红色灰度、绿色灰度和蓝色灰度的第二伽马校正值记录在第二查找表中；以及参考第一查找表和第二查找表计算第二图像数据。

在一个实施例中，插值第一伽马校正值和第二伽马校正值可以包括：插值第一图像数据的红色子像素数据的第一伽马校正值和第一图像数据的红色子像素数据的第二伽马校正值，来计算第二图像数据的红色子像素数据；插值第一图像数据的绿色子像素数据的第一伽马校正值和第一图像数据的绿色子像素数据的第二伽马校正值，来计算第二图像数据的绿色子像素数据；以及插值第一图像数据的蓝色子像素数据的第一伽马校正值和第一图像数据的蓝色子像素数据的第二伽马校正值，来计算第二图像数据的蓝色子像素数据。

通过使用白色灰度的第一伽马校正值和红色灰度、绿色灰度或蓝色灰度的第二伽马校正值校正图像数据，可以降低颜色坐标的偏差并可以提高图像质量。

附图说明

图1A示出了根据本公开实施例的图像处理设备的示意性结构。

图1B是图1A中所示的数据校正单元的详细结构。

图2A示出了第一查找表，图2B示出了第一伽马校正值的伽马曲线。

图3A示出了第二查找表，图3B示出了第二伽马校正值的红色灰度的伽马曲线，图3C示出了第二伽马校正值的绿色灰度的伽马曲线，图3D示出了第二伽马校正值的蓝色灰度的伽马曲线。

图4A、图4B和图4C示出了根据本公开实施例的使用线性插值计算第二图像数据的红色子像素数据、绿色子像素数据和蓝色子像素数据的方法。

图5A、图5B和图5C示出了根据本公开实施例的使用非线性插值计算第二图像数据的红色子像素数据、绿色子像素数据和蓝色子像素数据的方法。

具体实施方式

在下文中将参考附图更充分地描述示例性实施例；然而，示例性实施例可以由不同的形式体现，不应当被解释为限于本文提出的实施例。

在图中，为了例示清楚，尺寸可能被夸大了。将理解的是，当元件被称为在两个元件“之间”时，它可以是这两个元件之间的唯一元件，或者也可以存在一个或多个中间元件。在全文中，相同的附图标记可指代相同的元件。

图1A示出了根据本公开实施例的图像处理设备的示意性结构，图1B是图1A中所示的数据校正单元的详细结构。

参考图1A，根据本公开实施例的图像处理设备包括显示单元10、栅极驱动单元20、数据驱动单元30和时序控制单元40。

显示单元10包括连接至栅极线GL和数据线DL并被布置成矩阵形式的多个像素PX。像素PX从栅极线GL接收栅极信号，并从数据线DL接收数据信号。当像素PX从栅极线GL接收到栅极信号时，以与从数据线DL接收的数据信号相对应的亮度发射光。根据一个实施例的显示单元10可以是液晶显示面板。

栅极驱动单元20连接至栅极线GL，响应于从时序控制单元40接收的栅极控制信号GCS生成栅极信号，并将所生成的栅极信号输出到栅极线GL。栅极驱动单元20可以被配置为多个级电路，并且当栅极信号被依次供给到栅极线GL时，基于水平线选择像素PX。

数据驱动单元30连接至数据线DL，基于从时序控制单元40接收的数据控制信号DCS和图像数据DATA生成数据信号，并将所生成的数据信号输出到数据线DL。被供给到数据线DL的数据信号然后在栅极信号被接收时被供给到通过栅极信号选择的像素PX。然后，像素PX被充电到与数据信号相对应的电压。

时序控制单元40接收图像数据DATA、用于控制要被显示的图像数据的时钟信号CLK等。时序控制单元40处理所接收的图像数据DATA，以生成被校正以被正确地显示在显示单元10上的校正后图像数据DATA'，并将校正后图像数据DATA'输出到数据驱动单元30。另外，时序控制单元40基于时钟信号CLK生成并输出驱动控制信号GCS、DCS，以控制栅极驱动单元20和数据驱动单元30。更具体地说，时序控制单元40生成栅极控制信号GCS并将其供给到栅极驱动单元20，生成数据控制信号DCS并将其供给到数据驱动单元30。

根据一个实施例，时序控制单元40包括执行数据调整过程的数据校正单元45。参考图1B，数据校正单元45将第一伽马校正值LUT1存储在第一查找表46中，将第二伽马校正值LUT2存储在第二查找表47中，并在将所接收的第一图像数据DATA1转换成要被输出的第二图像数据DATA2时参考这些值。这里，第一伽马校正值LUT1对应于白色灰度，使得在白色颜色坐标的基础上应用基准伽马值，并且第二伽马校正值LUT2对应于红色灰度、绿色灰度和蓝色灰度，使得在对应于红色灰度、绿色灰度和蓝色灰度的纯色的颜色坐标的基础上应用基准伽马值。数据校正单元45基于均与第一图像数据DATA1相对应的第一伽马校正值LUT1和第二伽马校正值LUT2计算第二图像数据DATA2。第二图像数据DATA2的计算将在下面进行详细说明。

另外，虽然数据校正单元45被公开为被集成到时序控制单元40中，但本公开的实施例不限于这种结构，在其它实施例中，数据校正单元45可以是与时序控制单元40分开的单独组件。

图2A示出了第一查找表，图2B示出了第一伽马校正值的伽马曲线。

参考图2A和图2B，与基于白色颜色坐标被应用基准伽马值的白色灰度相对应的第一伽马校正值LUT1被记录在第一查找表46中。这里，第一伽马校正值LUT1和第二伽马校正值LUT2可以被定义为与红色子像素数据、绿色子像素数据和蓝色子像素数据的灰度值相对应的电压或电流的相对电平。另外，第一伽马校正值LUT1可以以发布之前的工厂模式来确定，以构成第一查找表46。

在一个实施例中，第一伽马校正值LUT1包括对应于0-255的灰度的红色伽马校正值Rc,i、绿色伽马校正值Gc,i和蓝色伽马校正值Bc,i。首先，与白色子像素数据的灰度255相对应的红色伽马校正值(Rc,i＝255)、绿色伽马校正值(Gc,i＝255)和蓝色伽马校正值(Bc,i＝255)是基于具有最大灰度的全白色的颜色坐标来确定的。然后，所有的红色伽马校正值Rc,i、绿色伽马校正值Gc,i和蓝色伽马校正值Bc,i被确定为在0-255的总体灰度区域中维持2.2的伽马值。在这一点上，尽管作为红色伽马校正值Rc,i、绿色伽马校正值Gc,i和蓝色伽马校正值Bc,i的组合的白色灰度的伽马曲线在总体灰度区域中维持2.2的伽马值，但红色灰度伽马校正值Rc,i的伽马曲线、绿色灰度伽马校正值Gc,i的伽马曲线和蓝色灰度伽马校正值Bc,i的伽马曲线并不彼此重合而彼此偏离。

当第一图像数据DATA1是白色灰度时，数据校正单元45通过选择第一伽马校正值LUT1中的与第一图像数据DATA1的红色子像素数据r、绿色子像素数据g和蓝色子像素数据b相对应的红色伽马校正值Rc,i、绿色伽马校正值Gc,i和蓝色伽马校正值Bc,i，来计算第二图像数据DATA2。例如，当第一图像数据DATA1是120的白色灰度时，输入灰度值是120，并且与120的灰度相对应的红色伽马校正值(Rc,i＝120)、绿色伽马校正值(Gc,i＝120)和蓝色伽马校正值(Bc,i＝120)从记录在第一查找表46中的第一伽马校正值LUT1中被选择，以计算第二图像数据DATA2的红色子像素数据r'、绿色子像素数据g'和蓝色子像素数据b'。

当第一图像数据DATA1是白色灰度时，第一图像数据DATA1与第二图像数据DATA2之间的关系可以被概括为下面的数学表达式。

$\begin{array}{c}{r}^{\′}=R_{c,i=r}\\ g^{\′}=G_{c,i=g}\\ b^{\′}=B_{c,i=b}\end{array}---\left(1\right)$

这里，(r',g',b')是第二图像数据DATA2的红色子像素数据、绿色子像素数据和蓝色子像素数据，(r,g,b)是第一图像数据DATA1的红色子像素数据、绿色子像素数据和蓝色子像素数据，Rc,i＝r是第一图像数据DATA1的红色子像素数据r的第一伽马校正值，Gc,i＝g是第一图像数据DATA1的绿色子像素数据g的第一伽马校正值，Bc,i＝b是第一图像数据DATA1的蓝色子像素数据b的第一伽马校正值。也就是说，当第一图像数据DATA1是白色灰度时，数据校正单元45仅通过参考记录在第一查找表46中的第一伽马校正值LUT1来计算第二图像数据DATA2。

图3A示出了第二查找表47，图3B示出了第二伽马校正值的红色灰度的伽马曲线，图3C示出了第二伽马校正值的绿色灰度的伽马曲线，图3D示出了第二伽马校正值的蓝色灰度的伽马曲线。

参考图3A、图3B、图3C和图3D，红色灰度、绿色灰度和蓝色灰度的第二伽马校正值LUT2被记录在第二查找表47中，使得基准灰度基于与红色子像素、绿色子像素和蓝色子像素相对应的纯色的颜色坐标被应用。这里，第二伽马校正值LUT2可以被定义为与R子像素数据、G子像素数据和B子像素数据的灰度值相对应的电压或电流的相对电平。另外，第二伽马校正值LUT2可以以发布之前的工厂模式来确定，以构成第二查找表47。

在一个实施例中，第二伽马校正值LUT2包括对应于0-255的灰度的红色伽马校正值Rp,i、绿色伽马校正值Gp,i和蓝色伽马校正值Bp,i。更具体地说，红色伽马校正值Rp,i基于红色颜色坐标被确定为在从0至255的总体灰度区域中保持2.2的伽马值。这里，红色颜色坐标对应于红色子像素数据、绿色子像素数据和蓝色子像素数据是(r,0,0)的情况，并被定义为当绿色子像素和蓝色子像素不发光时纯红光的颜色坐标。另外，绿色伽马校正值Gp,i基于绿色颜色坐标被确定为在从0至255的总体灰度区域中保持2.2的伽马值，并且绿色颜色坐标对应于红色子像素数据、绿色子像素数据和蓝色子像素数据是(0,g,0)的情况，并被定义为当红色子像素和蓝色子像素不发光时纯绿光的颜色坐标。另外，蓝色伽马校正值Bp,i基于蓝色颜色坐标被确定为在从0至255的总体灰度区域中保持2.2的伽马值，蓝色颜色坐标对应于红色子像素数据、绿色子像素数据和蓝色子像素数据是(0,0,b)的情况，并被定义为当红色子像素和绿色子像素不发光时纯蓝光的颜色坐标。

在这一点上，由构成第二伽马校正值LUT2的红色伽马校正值Rp,i表示的红色灰度的伽马曲线、由绿色伽马校正值Gp,i表示的绿色灰度的伽马曲线以及由蓝色伽马校正值Bp,i表示的蓝色灰度的伽马曲线彼此重合，在它们之间基本上没有偏差，同时在伽马曲线中保持2.2的伽马值。

当第一图像数据DATA1是红色灰度、绿色灰度和蓝色灰度中的一种时，数据校正单元45通过选择第二伽马校正值LUT2中的与第一图像数据DATA1的红色子像素数据r、绿色子像素数据g和蓝色子像素数据b相对应的红色伽马校正值Rp,i、绿色伽马校正值Gp,i和蓝色伽马校正值Bp,i，来计算第二图像数据DATA2。

例如，如果第一图像数据DATA1是红色灰度120，则输入灰度值是120，第二图像数据DATA2具有(Rp,i＝120,0,0)的值，并且是通过从记录在第二查找表47中的第二伽马校正值LUT2中针对灰度120选择红色伽马校正值(Rp,i＝120)来计算的。如果第一图像数据DATA1是绿色灰度120，则输入灰度值是120，第二图像数据DATA2具有(0,Gp,i＝120,0)的值，并且是通过从记录在第二查找表47中的第二伽马校正值LUT2中针对灰度120选择绿色伽马校正值(Gp,i＝120)来计算的。如果第一图像数据DATA1是蓝色灰度120，则输入灰度值是120，第二图像数据DATA2具有(0,0,Bp,i＝120)的值，并且是通过从记录在第二查找表47中的第二伽马校正值LUT2中针对灰度120选择蓝色伽马校正值(Bp,i＝120)来计算的。

因此，当第一图像数据DATA1是红色灰度、绿色灰度和蓝色灰度中的任何一种时，数据校正单元45可以仅通过参考记录在第二查找表47中的第二伽马校正值LUT2来计算第二图像数据DATA2。

图4A、图4B和图4C示出了根据本公开实施例使用线性插值计算第二图像数据DATA2的红色子像素数据、绿色子像素数据和蓝色子像素数据的方法。

参考图4A、图4B和图4C，当第一图像数据DATA1是混合颜色灰度时，数据校正单元45通过插值与第一图像数据DATA1相对应的第一伽马校正值LUT1和第二伽马校正值LUT2来计算第二图像数据DATA2。

更具体地说，在插值第一伽马校正值LUT1和第二伽马校正值LUT2时，数据校正单元45通过插值第一图像数据DATA1的红色子像素数据r的第一伽马校正值(Rc,i＝r)和第二伽马校正值(Rp,i＝r)来计算第二图像数据DATA2的红色子像素数据r'。另外，数据校正单元45通过插值第一图像数据DATA1的绿色子像素数据g的第一伽马校正值(Gc,i＝g)和第二伽马校正值(Gp,i＝g)来计算第二图像数据DATA2的绿色子像素数据g'。另外，数据校正单元45通过插值第一图像数据DATA1的蓝色子像素数据b的第一伽马校正值(Bc,i＝b)和第二伽马校正值(Bp,i＝b)来计算第二图像数据DATA2的蓝色子像素数据b'。

根据一个实施例，当第一图像数据DATA1是混合颜色灰度时，第二图像数据DATA2可以使用线性插值来计算，并且第二图像数据DATA2的红色子像素数据r'可以通过使用下面的数学表达式得到。

r′＝f(r，g，b，R_c，i＝r，R_p，i＝r)＝α_R·X_R(r，g，b)+β_R

$X_R(r,g,b)\≡\frac{1}{4}\[(2r-g-b)+|2r-g-b|\],(0\≤X_R\≤r)$

${\mathrm{\α}}_R=\frac{R_{p,i=r}-R_{c,i=r}}{r},{\mathrm{\β}}_R=R_{c,i=r}---\left(2\right)$

这里，r'是第二图像数据DATA2的红色子像素数据，(r,g,b)是第一图像数据DATA1的红色子像素数据、绿色子像素数据和蓝色子像素数据，Rc,i＝r是第一图像数据DATA1的红色子像素数据的第一伽马校正值，Rp,i＝r是第一图像数据DATA1的红色子像素数据r的第二伽马校正值。

另外，通过采用与上述相同的线性插值，第二图像数据DATA2的绿色子像素数据g'可以通过使用下面的数学表达式得到，并且蓝色子像素数据b'可以通过使用随后的数学表达式得到。

g′＝f(r，g，b，G_c，i＝g，G_p，i＝g)＝α_G·X_G(r，g，b)+β_G

$X_G(r,g,b)\≡\frac{1}{4}\[(2r-g-b)+|2r-g-b|\],(0\≤X_G\≤g)$

${\mathrm{\α}}_G=\frac{G_{p,i=g}-G_{c,i=g}}{g},{\mathrm{\β}}_G=G_{c,i=g}---\left(3\right)$

b′＝f(r，g，b，B_c，i＝b，B_p，i＝b)＝α_B·X_B(r，g，b，)+β_B

$X_B(r,g,b)\≡\frac{1}{4}\[(2r-g-b)+|2r-g-b|\],(0\≤X_B\≤b)$

${\mathrm{\α}}_B=\frac{B_{p,i=b}-B_{c,i=b}}{b},{\mathrm{\β}}_B=B_{c,i=b}---\left(4\right)$

这里，Gc,i＝g是第一图像数据DATA1的绿色子像素数据g的第一伽马校正值，Gp,i＝g是第一图像数据DATA1的绿色子像素数据g的第二伽马校正值，Bc,i＝b是第一图像数据DATA1的蓝色子像素数据b的第一伽马校正值，Bp,i＝b是第一图像数据DATA1的蓝色子像素数据b的第二伽马校正值。

图5A、图5B和图5C示出了根据本公开实施例使用非线性插值来计算第二图像数据DATA2的红色子像素数据、绿色子像素数据和蓝色子像素数据的方法。

参考图5A、图5B和图5C，当第一图像数据DATA1是混合颜色灰度时，数据校正单元45通过插值第一图像数据DATA1的第一伽马校正值LUT1和第二伽马校正值LUT2来计算第二图像数据DATA2。

根据一个实施例，当第一图像数据DATA1是混合颜色灰度时，第二图像数据DATA2可使用与幂N成比例的非线性插值来计算，其中N≠1，并且第二图像数据DATA2的红色子像素数据r'可以使用下面的数学表达式得到。

r′＝f(r，g，b，R_c，i＝r，R_p，i＝r)＝α_R·X_R(r，g，b)^N+β_R

$X_R(r,g,b)\≡\frac{1}{4}\[(2r-g-b)+|2r-g-b|\],(0\≤X_R\≤r)$

${\mathrm{\α}}_R=\frac{R_{p,i=r}-R_{c,i=r}}{r},{\mathrm{\β}}_R=R_{c,i=r}---\left(5\right)$

这里，r'是第二图像数据DATA2的红色子像素数据，(r,g,b)是第一图像数据DATA1的红色子像素数据、绿色子像素数据和蓝色子像素数据，Rc,i＝r是第一图像数据DATA1的红色子像素数据r的第一伽马校正值，Rp,i＝r是第一图像数据DATA1的红色子像素数据r的第二伽马校正值。表达式(5)中的幂N可以由第一伽马校正值LUT1或第二伽马校正值LUT2被应用的权重大小来确定。

另外，通过采用与上述相同的非线性插值，第二图像数据DATA2的绿色子像素数据g'可以通过使用下面的数学表达式得到，并且蓝色子像素数据b'可以通过使用随后的数学表达式得到。

g′＝f(r，g，b，G_c，i＝g，G_p，i＝g)＝α_G·X_G(r，g，b)^N+β_G

$X_G(r,g,b)\≡\frac{1}{4}\[(2r-g-b)+|2r-g-b|\],(0\≤X_G\≤g)$

${\mathrm{\α}}_G=\frac{G_{p,i=g}-G_{c,i=g}}{g},{\mathrm{\β}}_G=G_{c,i=g}---\left(6\right)$

b′＝f(r，g，b，B_c，i＝b，B_p，i＝b)＝α_B·X_B(r，g，b，)^N+β_B

$X_B(r,g,b)\≡\frac{1}{4}\[(2r-g-b)+|2r-g-b|\],(0\≤X_B\≤b)$

${\mathrm{\α}}_B=\frac{B_{p,i=b}-B_{c,i=b}}{b},{\mathrm{\β}}_B=B_{c,i=b}---\left(7\right)$

这里，Gc,i＝g是第一图像数据DATA1的绿色子像素数据g的第一伽马校正值，Gp,i＝g是第一图像数据DATA1的绿色子像素数据g的第二伽马校正值，Bc,i＝b是第一图像数据DATA1的蓝色子像素数据b的第一伽马校正值，并且Bp,i＝b是第一图像数据DATA1的蓝色子像素数据b的第二伽马校正值。

总之，由于常规的图像处理设备基于全白颜色坐标/色温来调整数据电压，因此红色子像素、绿色子像素和蓝色子像素中的每一个子像素的颜色坐标可能在除了代表全白的最大灰度之外的灰度不重合，并且对于低灰度偏差可能较大。根据本公开的实施例，通过使用白色灰度的第一伽马校正值以及红色灰度、绿色灰度和蓝色灰度的第二伽马校正值来校正图像数据，可以降低颜色坐标的偏差并可以提高图像质量。

在本文中已经公开了示例性实施例，尽管使用了特定的术语，但它们仅以一般和描述性的意思被使用和解释，而不是为了限制的目的。在某些情况下，如对递交本申请的领域内的普通技术人员来说将是显而易见的那样，结合特定实施例描述的特征、特性和/或元件可以单独使用，也可以与结合其它实施例描述的特征、特性和/或元件组合使用，除非另有明确说明。因此，本领域技术人员将理解，可以在不脱离如以下权利要求中提出的本公开的精神和范围的情况下对形式和细节进行各种改变。

Claims (20)

1.一种图像处理设备，包括：

第一查找表，在所述第一查找表中记录了白色灰度的第一伽马校正值；

第二查找表，在所述第二查找表中记录了与红色灰度、绿色灰度和蓝色灰度相对应的第二伽马校正值；以及

数据校正单元，通过参考所述第一查找表和所述第二查找表，基于接收的第一图像数据的第一伽马校正值和第二伽马校正值来从所述第一图像数据计算第二图像数据。

2.根据权利要求1所述的图像处理设备，其中所述数据校正单元在所述第一图像数据是白色灰度时使用所述第一图像数据的第一伽马校正值来计算所述第二图像数据，并且在所述第一图像数据是红色灰度、绿色灰度和蓝色灰度中的一种时使用所述第一图像数据的第二伽马校正值来计算所述第二图像数据。

3.根据权利要求2所述的图像处理设备，其中所述数据校正单元在所述第一图像数据是混合颜色灰度时，通过插值所述第一图像数据的第一伽马校正值和第二伽马校正值来计算所述第二图像数据。

4.根据权利要求3所述的图像处理设备，其中所述数据校正单元通过如下方式插值所述第一伽马校正值和所述第二伽马校正值：

通过插值所述第一图像数据的红色子像素数据的第一伽马校正值和所述第一图像数据的红色子像素数据的第二伽马校正值，来计算所述第二图像数据的红色子像素数据，

通过插值所述第一图像数据的绿色子像素数据的第一伽马校正值和所述第一图像数据的绿色子像素数据的第二伽马校正值，来计算所述第二图像数据的绿色子像素数据，以及

通过插值所述第一图像数据的蓝色子像素数据的第一伽马校正值和所述第一图像数据的蓝色子像素数据的第二伽马校正值，来计算所述第二图像数据的蓝色子像素数据。

5.根据权利要求4所述的图像处理设备，其中所述第二图像数据通过线性插值来计算。

6.根据权利要求5所述的图像处理设备，其中所述第二图像数据的有色子像素数据使用下面的数学表达式来计算：

r′＝f(r，g，b，R_c，i＝r，R_p，i＝r)α_R·X_R(r，g，b)+β_R

$X_R(r,g,b)\≡\frac{1}{4}\[(2r-g-b)+|2r-g-b|\],(0\≤X_R\≤r)$

β_R＝R_c，i＝r

其中r′是所述第二图像数据的有色子像素数据，(r，g，b)是所述第一图像数据的红色子像素数据、绿色子像素数据和蓝色子像素数据，Rc，i＝r是所述第一图像数据的有色子像素数据r的第一伽马校正值，并且Rp，i＝r是所述第一图像数据的有色子像素数据r的第二伽马校正值，其中有色是红色、绿色和蓝色中的一种。

7.根据权利要求4所述的图像处理设备，其中所述第二图像数据使用与幂N成比例的非线性插值来计算，其中N≠1。

8.根据权利要求7所述的图像处理设备，其中所述第二图像数据的有色子像素数据使用下面的数学表达式来计算：

r′＝f(r，g，b，R_c，i＝r，R_p，i＝r)＝α_R·X_R(r，g，b)^N+β_R

$X_R(r,g,b)\≡\frac{1}{4}\[(2r-g-b)+|2r-g-b|\],(0\≤X_R\≤r)$

β_R＝R_c，i＝r

其中r′是所述第二图像数据的有色子像素数据，(r，g，b)是所述第一图像数据的红色子像素数据、绿色子像素数据和蓝色子像素数据，Rc，i＝r是所述第一图像数据的有色子像素数据r的第一伽马校正值，并且Rp，i＝r是所述第一图像数据的有色子像素数据r的第二伽马校正值，其中有色是红色、绿色和蓝色中的一种。

9.根据权利要求7所述的图像处理设备，其中所述幂N由所述第一伽马校正值或所述第二伽马校正值被应用的权重大小来确定。

10.根据权利要求1所述的图像处理设备，其中所述第一图像数据和所述第二图像数据各自分别包括红色子像素数据、绿色子像素数据和蓝色子像素数据。

11.根据权利要求1所述的图像处理设备，其中所述第一伽马校正值和所述第二伽马校正值被分别定义为与红色子像素数据、绿色子像素数据和蓝色子像素数据的灰度值相对应的电压或电流的相对电平。

12.根据权利要求1所述的图像处理设备，其中基准伽马值为2.2。

13.根据权利要求1所述的图像处理设备，进一步包括：

显示单元，包括连接至栅极线和数据线的多个像素；

栅极驱动单元，用于将栅极信号输出到所述栅极线；

数据驱动单元，用于将数据信号输出到所述数据线；以及

时序控制单元，基于所述第一图像数据和时钟信号控制所述栅极驱动单元和所述数据驱动单元。

14.根据权利要求13所述的图像处理设备，其中所述数据校正单元与所述时序控制单元集成在一起。

15.一种用于处理图像的方法，包括步骤：

生成其中记录了白色灰度的第一伽马校正值的第一查找表；

生成其中记录了红色灰度、绿色灰度和蓝色灰度的第二伽马校正值的第二查找表；以及

通过参考所述第一查找表和所述第二查找表，基于接收的第一图像数据的第一伽马校正值和第二伽马校正值来从所述第一图像数据计算第二图像数据。

16.根据权利要求15所述的用于处理图像的方法，其中计算所述第二图像数据包括：

在所述第一图像数据是白色灰度时，使用所述第一图像数据的第一伽马校正值，以及

在所述第一图像数据是红色灰度、绿色灰度和蓝色灰度中的一种时，使用所述第一图像数据的第二伽马校正值。

17.根据权利要求16所述的用于处理图像的方法，其中计算所述第二图像数据包括：在所述第一图像数据是混合颜色灰度时，插值所述第一图像数据的第一伽马校正值和第二伽马校正值。

18.一种用于处理图像的方法，包括步骤：

接收第一图像数据；以及

通过如下方式从所述第一图像数据计算第二图像数据：

在所述第一图像数据是白色灰度时，使用所述第一图像数据的第一伽马校正值，

在所述第一图像数据是红色灰度、绿色灰度和蓝色灰度中的一种时，使用所述第一图像数据的第二伽马校正值，以及

在所述第一图像数据是混合颜色灰度时，插值所述第一图像数据的第一伽马校正值和第二伽马校正值。

19.根据权利要求18所述的用于处理图像的方法，进一步包括：

将所述白色灰度的第一伽马校正值记录在第一查找表中；

将所述红色灰度、所述绿色灰度和所述蓝色灰度的第二伽马校正值记录在第二查找表中；以及

参考所述第一查找表和所述第二查找表计算所述第二图像数据。

20.根据权利要求18所述的用于处理图像的方法，其中插值所述第一伽马校正值和所述第二伽马校正值包括：

插值所述第一图像数据的红色子像素数据的第一伽马校正值和所述第一图像数据的红色子像素数据的第二伽马校正值，来计算所述第二图像数据的红色子像素数据，

插值所述第一图像数据的绿色子像素数据的第一伽马校正值和所述第一图像数据的绿色子像素数据的第二伽马校正值，来计算所述第二图像数据的绿色子像素数据，以及

插值所述第一图像数据的蓝色子像素数据的第一伽马校正值和所述第一图像数据的蓝色子像素数据的第二伽马校正值，来计算所述第二图像数据的蓝色子像素数据。