CN109740643A - 用于确定画面相邻行相似度的方法 - Google Patents

用于确定画面相邻行相似度的方法 Download PDF

Info

Publication number
CN109740643A
CN109740643A CN201811558933.7A CN201811558933A CN109740643A CN 109740643 A CN109740643 A CN 109740643A CN 201811558933 A CN201811558933 A CN 201811558933A CN 109740643 A CN109740643 A CN 109740643A
Authority
CN
China
Prior art keywords
image data
pixel
line
corresponding sub
similarity
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201811558933.7A
Other languages
English (en)
Inventor
曾德康
胡水秀
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
HKC Co Ltd
Original Assignee
HKC Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by HKC Co Ltd filed Critical HKC Co Ltd
Priority to CN201811558933.7A priority Critical patent/CN109740643A/zh
Priority to US17/253,075 priority patent/US11967130B2/en
Priority to PCT/CN2018/123804 priority patent/WO2020124631A1/zh
Publication of CN109740643A publication Critical patent/CN109740643A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/60—Extraction of image or video features relating to illumination properties, e.g. using a reflectance or lighting model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30121—CRT, LCD or plasma display

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)
  • Control Of Indicators Other Than Cathode Ray Tubes (AREA)

Abstract

本发明涉及用于确定画面相邻行相似度的方法。提供了一种用于确定画面相邻行相似度的方法，该方法包括：获取一帧图像数据中的每一行图像数据对应子像素的特征量；将一帧图像数据中的相邻两行图像数据对应子像素的特征量相减，并对相减得到的多个差值的绝对值求和；根据求和后得到的值确定一帧图像数据中的相邻两行图像数据的相似度。上述方法，通过将相邻两行图像数据对应子像素的特征量相减，对相减得到的多个差值的绝对值进行求和，并根据求和后得到的值确定该相邻两行的相似度，从而可以通过算法准确快速确定相邻两行显示数据的相似度，无需增加集成电路成本。

Description

用于确定画面相邻行相似度的方法
技术领域
本发明涉及图像处理领域，更具体地涉及用于确定画面相邻行相似度的方法。
背景技术
随着液晶面板的快速发展，客户群对液晶面板的显示品味的要求越来越高，其中很多品质的提升都是通过演算法来实现的，所以液晶面板行业衍生出来了很多演算法。通过不同演算法能改善液晶面板现有的缺陷，提升产品品质。
目前，液晶面板行业中的演算法包括计算画面相似度的演算法。然而，通常采用的计算相似度的演算法是定性计算而非定量计算，计算结果不准确。
发明内容
基于此，有必要针对现有的相似度计算结果不准确的问题，提供一种用于确定画面相邻行相似度的方法，能够准确快速地计算画面相邻行的相似度。
根据本发明的一个方面，提供了一种用于确定画面相邻行相似度的方法，该方法包括：获取一帧图像数据中的每一行图像数据对应子像素的特征量；将一帧图像数据中的相邻两行图像数据对应子像素的特征量相减，并对相减得到的多个差值的绝对值求和；根据求和后得到的值确定一帧图像数据中的相邻两行图像数据的相似度。
在其中一个实施例中，对应子像素的特征量为对应子像素的灰度值；获取一帧图像数据中的每一行图像数据对应子像素的特征量，包括：对一帧图像数据中的每一行图像数据对应子像素进行灰度值计算，以获取每一行图像数据对应子像素的灰度值。
在其中一个实施例中，将一帧图像数据中的相邻两行图像数据对应子像素的特征量相减，并对相减得到的多个差值的绝对值求和，包括：将一帧图像数据中的相邻两行图像数据对应子像素的灰度值相减，以得到多个差值，多个差值的个数为一帧图像数据中的一行图像数据对应子像素的个数；以及对多个差值的绝对值求和。
在其中一个实施例中，根据求和后得到的值确定一帧图像数据中的相邻两行图像数据的相似度，包括：根据公式Similar(n)＝(1-(H_data(n)/(X*255))*100％确定相邻两行图像数据的相似度。其中，Similar(n)为一帧图像数据中的第n行图像数据与第n-1行图像数据的相似度，n＝2，3……N，其中N为一帧图像中总的行数，H_data(n)是将第n行与第n-1行图像数据对应子像素的灰度值相减后得到的差值的绝对值进行求和后得到的值，X为一帧图像数据中的一行图像数据中的子像素的个数。
根据本发明的另一个方面，提供了一种用于确定画面相邻行相似度的方法，该方法包括：获取一帧图像数据中的每一行图像数据对应子像素的特征量，一帧图像数据中总的行数为N；将一帧图像数据中的第n行和第n-1行图像数据对应子像素的特征量相减，并对相减得到的多个差值的绝对值求和；根据求和后得到的值确定一帧图像数据中的第n行和第n-1行图像数据的相似度；判断n是否等于N，若是，则结束流程，否则，n＝n+1并返回将一帧图像数据中的第n行和第n-1行图像数据对应子像素的特征量相减，并对相减得到的多个差值的绝对值求和。其中n的初始值为2。
在其中一个实施例中，对应子像素的特征量为对应子像素的灰度值；获取一帧图像数据中的每一行图像数据对应子像素的特征量，包括：对一帧图像数据中的每一行图像数据对应子像素进行灰度值计算，以获取每一行图像数据对应子像素的灰度值。
在其中一个实施例中，将一帧图像数据中的第n行和第n-1行图像数据对应子像素的特征量相减，并对相减得到的多个差值的绝对值求和，包括：将一帧图像数据中的第n行和第n-1行图像数据对应子像素的灰度值相减，以得到多个差值，多个差值的个数为一帧图像数据中的一行图像数据对应子像素的个数；对多个差值的绝对值求和；以及将进行求和后得到的值H_data(n)存入寄存器H_data中。
在其中一个实施例中，根据求和后得到的值确定一帧图像数据中的第n行和第n-1行图像数据的相似度，包括：根据公式Similar(n)＝(1-(H_data(n)/(X*255))*100％确定第n行和第n-1行图像数据的相似度，其中，X为一帧图像数据中的一行图像数据中的子像素的个数。
在其中一个实施例中，根据求和后得到的值确定一帧图像数据中的第n行和第n-1行图像数据的相似度，还包括：将经确定的第n行和第n-1行图像数据的相似度Similar(n)存入寄存器Similar中；若相似度Similar(n)的值为100％则存入寄存器count中。
根据本发明的又一个方面，提供了一种用于确定画面相邻行相似度的方法，该方法包括：获取一帧图像数据中的每一行图像数据对应子像素的灰度值；从缓存器中读取第n行和第n-1行图像数据对应子像素的灰度值；将第n行和第n-1行图像数据对应子像素的灰度值相减，得到多个差值，并对得到的多个差值的绝对值求和，将求和后得到的值H_data(n)存入寄存器H_data中；根据公式Similar(n)＝(1-(H_data(n)/(X*255))*100％确定第n行和第n-1行图像数据的相似度Similar(n)；将第n行和第n-1行图像数据的相似度Similar(n)存入寄存器Similar中；若第n行和第n-1行图像数据的相似度Similar(n)为100％，则将Similar(n)存入寄存器count中；以及判断n是否等于N，若是，则结束流程，否则，n＝n+1并返回从缓存器中读取第n行和第n-1行图像数据对应子像素的灰度值。其中n的初始值为2。
上述用于确定画面相邻行相似度的方法，通过将相邻两行图像数据对应子像素的特征量相减，对相减得到的多个差值的绝对值进行求和，并根据求和后得到的值确定该相邻两行的相似度，从而可以通过算法准确快速确定相邻两行显示数据的相似度，无需增加集成电路成本。
附图说明
将参考附图通过示例方式来描述本发明的优选而非限制的实施例，其中：
图1示出了本申请的一个实施例中用于确定画面相邻行相似度的方法的流程图。
图2示出了本申请的另一个实施例中用于确定画面相邻行相似度的方法的流程图。
图3示出了图2所示的方法的步骤S220的流程图。
图4示出了图2所示的方法的步骤S230的流程图。
图5示出了本申请的又一个实施例中用于确定画面相邻行相似度的方法的流程图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似改进，因此本发明不受下面公开的具体实施的限制。
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例的目的，不是旨在于限制本发明。以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
本申请的实施例提供了一种用于确定画面相邻行相似度的方法，如图1所示，该方法可以包括如下步骤：
步骤S110，获取一帧图像数据中的每一行图像数据对应子像素的特征量。
步骤S120，将一帧图像数据中的相邻两行图像数据对应子像素的特征量相减，并对相减得到的多个差值的绝对值求和。
步骤S130，根据求和后得到的值确定一帧图像数据中的相邻两行图像数据的相似度。
具体地，一帧图像就是一幅静止的画面，连续的帧就形成动画，如电视图象等。一帧图像中包含多行每行图像包括多个子像素。获取一帧图像数据中的每一行图像数据对应子像素的特征量，以便于后续比较和计算。子像素的特征量可以包括灰度值、色度和亮度等。为了确定一帧画面中相邻行的相似度，将一帧图像数据中的相邻行图像数据对应子像素的特征量相减，并对相减得到的多个差值的绝对值进行求和，然后根据求和后得到的值确定该相邻两行图像数据的相似度。
上述用于确定画面相邻行相似度的方法，通过将相邻两行图像数据对应子像素的特征量相减，对相减得到的多个差值的绝对值进行求和，并根据求和后得到的值确定该相邻两行的相似度，从而可以通过算法准确快速确定相邻两行显示数据的相似度，无需增加集成电路成本。
在一个实施例中，对应子像素的特征量为对应子像素的灰度值。步骤S110，获取一帧图像数据中的每一行图像数据对应子像素的特征量，包括：对一帧图像数据中的每一行图像数据对应子像素进行灰度值计算，以获取每一行图像数据对应子像素的灰度值。
具体地，对应子像素的特征量可以是对应子像素的灰度值，因而步骤S110包括对图像数据对应子像素进行灰度值计算，以获取每一行图像数据对应子像素的灰度值。使用灰度值作为特征量可以方便快捷地计算出特征量的值。
在一个实施例中，步骤S120，将一帧图像数据中的相邻两行图像数据对应子像素的特征量相减，并对相减得到的多个差值的绝对值求和，包括：将一帧图像数据中的相邻两行图像数据对应子像素的灰度值相减，以得到多个差值，多个差值的个数为一帧图像数据中的一行图像数据对应子像素的个数；以及对多个差值的绝对值求和。
具体地，在获取一帧图像数据中的每一行图像数据对应子像素的灰度值之后，将相邻两行图像数据中的对应子像素的灰度值相减，从而得到多个差值，多个差值的个数为一行图像数据对应子像素的个数。为了衡量两行图像数据的差别，这里将多个差值的绝对值进行求和，求和后得到的值表示两行图像数据的总的差异。
在一个实施例中，步骤S130，根据求和后得到的值确定一帧图像数据中的相邻两行图像数据的相似度，包括：
根据公式Similar(n)＝(1-(H_data(n)/(X*255))*100％确定相邻两行图像数据的相似度。
在对多个差值的绝对值进行求和之后，可以根据求和后得到的值确定该相邻两行的相似度。具体地，可以根据公式Similar(n)＝(1-(H_data(n)/(X*255))*100％确定相邻两行图像数据的相似度。其中，Similar(n)为一帧图像数据中的第n行图像数据与第n-1行图像数据的相似度，n＝2，3……N，其中N为一帧图像中总的行数，H_data(n)是将第n行与第n-1行图像数据对应子像素的灰度值相减后得到的差值的绝对值进行求和后得到的值，X为一帧图像数据中的一行图像数据中的子像素的个数。由于灰度值的范围为0～255，所以两个子像素的灰度值之差最大为255，X*255即相邻两行图像数据灰度值之差的绝对值的最大值，将求和后的值与X*255的比值来衡量相邻行的灰度值的差异，而1减去该比值即可衡量相邻行的相似度。例如，当H_data(n)＝X*255时，相似度Similar(n)＝0，即相邻两行完全不同；当H_data(n)＝0时，相似度Similar(n)＝100％，即相邻两行完全相同；当H_data(n)介于0和X*255时，相似度Similar(n)在0和100％之间，值的大小表示相邻两行的相似程度，值越大，相邻两行的相似程度越高。
上述实施例中的方法，根据公式可以准确地衡量相邻两行的相似度，计算过程简单便捷，计算结果直观且便于后续分析处理。
本申请的实施例还提供了一种用于确定画面相邻行相似度的方法，如图2所示，该方法包括：
步骤S210，获取一帧图像数据中的每一行图像数据对应子像素的特征量，一帧图像数据中总的行数为N；
步骤S220，将一帧图像数据中的第n行和第n-1行图像数据对应子像素的特征量相减，并对相减得到的多个差值的绝对值求和；
步骤S230，根据求和后得到的值确定一帧图像数据中的第n行和第n-1行图像数据的相似度；
步骤S240，判断n是否等于N，若是，则执行步骤S250，否则，n＝n+1并返回步骤S220，以重复步骤S220-步骤S240；
步骤S250，结束本帧图像数据对比，
其中n的初始值为2。
具体地，首先获取一帧图像数据中的每一行图像数据对应子像素的特征量，然后将一帧图像数据中的第n行和第n-1行图像数据对应子像素的特征量相减，对相减得到的多个差值的绝对值求和，并根据求和后得到的值确定第n行和第n-1行图像数据的相似度，最后判断n是否等于N，若是，则结束流程，否则n＝n+1并重复步骤S220-S240。其中，n的初始值为2。通过上述方法，可以获取一帧图像数据中的所有相邻行的相似度Similar(n)，其中n＝2,3,4……N。
上述实施例中的用于确定相邻行相似度的方法，通过将相邻两行图像数据对应子像素的特征量相减，对相减得到的多个差值的绝对值进行求和，根据求和后得到的值确定该相邻两行的相似度，并判断是否为最后一行，从而可以通过算法快速准确地确定一帧图像数据中的所有相邻行的相似度，无需增加集成电路成本。
在一个实施例中，对应子像素的特征量为对应子像素的灰度值。步骤S210，获取一帧图像数据中的每一行图像数据对应子像素的特征量，包括：对一帧图像数据中的每一行图像数据对应子像素进行灰度值计算，以获取每一行图像数据对应子像素的灰度值。
具体地，对应子像素的特征量可以是对应子像素的灰度值，因而步骤S210包括对图像数据对应子像素进行灰度值计算，以获取每一行图像数据对应子像素的灰度值。使用灰度值作为特征量可以方便快捷地计算出特征量的值。
在一个实施例中，如图3所示，步骤S220，将一帧图像数据中的第n行和第n-1行图像数据对应子像素的特征量相减，并对相减得到的多个差值的绝对值求和，包括：
步骤S221，将一帧图像数据中的第n行和第n-1行图像数据对应子像素的灰度值相减，以得到多个差值，多个差值的个数为一帧图像数据中的一行图像数据对应子像素的个数。
步骤S222，对多个差值的绝对值求和。
步骤S223，将进行求和后得到的值H_data(n)存入寄存器H_data中。
具体地，在获取一帧图像数据中的每一行图像数据对应子像素的灰度值之后，将第n行和第n-1行图像数据中的对应子像素的灰度值相减，从而得到多个差值，多个差值的个数为一行图像数据对应子像素的个数。为了衡量两行图像数据的差别，这里将多个差值的绝对值进行求和，求和后得到的值H_data(n)表示两行图像数据的总的差异。将H_data(n)存在寄存器H_data中，以便于后续计算过程中读取。
在一个实施例中，如图4所示，步骤S230，根据求和后得到的值确定一帧图像数据中的第n行和第n-1行图像数据的相似度，包括：
步骤S231，根据公式Similar(n)＝(1-(H_data(n)/(X*255))*100％确定第n行和第n-1行图像数据的相似度，其中，X为一帧图像数据中的一行图像数据中的子像素的个数。
在对多个差值的绝对值进行求和之后，可以根据求和后得到的值H_data(n)确定该相邻两行的相似度Similar(n)。具体地，可以根据公式Similar(n)＝(1-(H_data(n)/(X*255))*100％确定相邻两行图像数据的相似度。其中，Similar(n)为一帧图像数据中的第n行图像数据与第n-1行图像数据的相似度，n＝2，3……N，其中N为一帧图像中总的行数，X为一帧图像数据中的一行图像数据中的子像素的个数。由于灰度值的范围为0～255，所以两个子像素的灰度值之差最大为255，X*255即相邻两行图像数据灰度值之差的绝对值的最大值，将求和后的值与X*255的比值来衡量相邻行的灰度值的差异，而1减去该比值即可衡量相邻行的相似度。例如，当H_data(n)＝X*255时，相似度Similar(n)＝0，即相邻两行完全不同；当H_data(n)＝0时，相似度Similar(n)＝100％，即相邻两行完全相同；当H_data(n)介于0和X*255时，相似度Similar(n)在0和100％之间，值的大小表示相邻两行的相似程度，值越大，相邻两行越相似。
继续参考图4，在一个实施例中，步骤S230，根据求和后得到的值确定一帧图像数据中的第n行和第n-1行图像数据的相似度，还包括：
步骤S232，将经确定的第n行和第n-1行图像数据的相似度Similar(n)存入寄存器Similar中。
具体地，在计算得到相似度之后，可以根据相似度确定是否要进行后续图像处理。例如，当相邻两行相似度较大时，可删除该相邻两行中的其中一行。因此，需要将经确定的第n行和第n-1行图像数据的相似度Similar(n)存入寄存器Similar中，方便后续图像处理。Similar(n)的数值表示相似度的值，n表示进行比较的行序号，例如Similar(3)＝80％，表明第三行与第二行的相似度为80％。
继续参考图4，在一个实施例中，步骤S230，根据求和后得到的值确定一帧图像数据中的第n行和第n-1行图像数据的相似度，还包括：
步骤S233，若相似度Similar(n)的值为100％则存入寄存器count中。
具体地，当相似度的值为100％时，表明两行的图像数据完全相同。若相似度为100％则存入寄存器count中。这样如果需要删除或整合行图像数据，则可以优先删除或整合相似度为100％的行。
本申请的实施例还提供了一种用于确定画面相邻行相似度的方法，如图5所示，该方法包括：
步骤S310，获取一帧图像数据中的每一行图像数据对应子像素的灰度值；
步骤S320，从缓存器中读取第n行和第n-1行图像数据对应子像素的灰度值；
步骤S330，将第n行和第n-1行图像数据对应子像素的灰度值相减，得到多个差值，并对得到的多个差值的绝对值求和，将求和后得到的值H_data(n)存入寄存器H_data中；
步骤S340，根据公式Similar(n)＝(1-(H_data(n)/(X*255))*100％确定第n行和第n-1行图像数据的相似度Similar(n)；
步骤S350，将第n行和第n-1行图像数据的相似度Similar(n)存入寄存器Similar中；
步骤S360，若第n行和第n-1行图像数据的相似度Similar(n)为100％，则将Similar(n)存入寄存器count中；
步骤S370，判断n是否等于N，若是，则执行步骤S380，否则，n＝n+1并返回步骤S320，以重复步骤S320-步骤S370；
步骤S380，结束本帧图像数据对比，
其中n的初始值为2。
上述用于确定画面相邻行相似度的方法，通过将相邻两行图像数据对应子像素的灰度值相减，对相减得到的多个差值的绝对值进行求和，根据求和后得到的值确定该相邻两行的相似度，并判断是否为最后一行，从而可以通过算法快速准确地确定一帧图像数据中的所有相邻行的相似度，无需增加集成电路成本。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，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，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种用于确定画面相邻行相似度的方法，其特征在于，所述方法包括：
获取一帧图像数据中的每一行图像数据对应子像素的特征量；
将所述一帧图像数据中的相邻两行图像数据对应子像素的特征量相减，并对相减得到的多个差值的绝对值求和；
根据求和后得到的值确定所述一帧图像数据中的所述相邻两行图像数据的相似度。
2.根据权利要求1所述的方法，其特征在于，所述对应子像素的特征量为所述对应子像素的灰度值；
所述获取一帧图像数据中的每一行图像数据对应子像素的特征量，包括：
对所述一帧图像数据中的每一行图像数据对应子像素进行灰度值计算，以获取每一行图像数据对应子像素的灰度值。
3.根据权利要求2所述的方法，其特征在于，所述将所述一帧图像数据中的相邻两行图像数据对应子像素的特征量相减，并对相减得到的多个差值的绝对值求和，包括：
将所述一帧图像数据中的相邻两行图像数据对应子像素的灰度值相减，以得到多个差值，所述多个差值的个数为所述一帧图像数据中的一行图像数据对应子像素的个数；以及
对所述多个差值的绝对值求和。
4.根据权利要求3所述的方法，其特征在于，所述根据求和后得到的值确定所述一帧图像数据中的所述相邻两行图像数据的相似度，包括：
根据公式Similar(n)＝(1-(H_data(n)/(X*255))*100％确定所述相邻两行图像数据的相似度，
其中，Similar(n)为所述一帧图像数据中的第n行图像数据与第n-1行图像数据的相似度，n＝2，3……N，其中N为一帧图像中总的行数，H_data(n)是将所述第n行与第n-1行图像数据对应子像素的灰度值相减后得到的差值的绝对值进行求和后得到的值，X为所述一帧图像数据中的一行图像数据中的子像素的个数。
5.一种用于确定画面相邻行相似度的方法，其特征在于，所述方法包括：
获取一帧图像数据中的每一行图像数据对应子像素的特征量，所述一帧图像数据中总的行数为N；
将所述一帧图像数据中的第n行和第n-1行图像数据对应子像素的特征量相减，并对相减得到的多个差值的绝对值求和；
根据求和后得到的值确定所述一帧图像数据中的所述第n行和第n-1行图像数据的相似度；
判断n是否等于N，若是，则结束流程，否则，n＝n+1并返回所述将所述一帧图像数据中的第n行和第n-1行图像数据对应子像素的特征量相减，并对相减得到的多个差值的绝对值求和，
其中n的初始值为2。
6.根据权利要求5所述的方法，其特征在于，所述对应子像素的特征量为所述对应子像素的灰度值；
所述获取一帧图像数据中的每一行图像数据对应子像素的特征量，包括：
对所述一帧图像数据中的每一行图像数据对应子像素进行灰度值计算，以获取每一行图像数据对应子像素的灰度值。
7.根据权利要求6所述的方法，其特征在于，所述将所述一帧图像数据中的第n行和第n-1行图像数据对应子像素的特征量相减，并对相减得到的多个差值的绝对值求和，包括：
将所述一帧图像数据中的第n行和第n-1行图像数据对应子像素的灰度值相减，以得到多个差值，所述多个差值的个数为所述一帧图像数据中的一行图像数据对应子像素的个数；
对所述多个差值的绝对值求和；以及
将进行求和后得到的值H_data(n)存入寄存器H_data中。
8.根据权利要求7所述的方法，其特征在于，所述根据求和后得到的值确定所述一帧图像数据中的所述第n行和第n-1行图像数据的相似度，包括：
根据公式Similar(n)＝(1-(H_data(n)/(X*255))*100％确定所述第n行和第n-1行图像数据的相似度，其中，X为所述一帧图像数据中的一行图像数据中的子像素的个数。
9.根据权利要求8所述的方法，其特征在于，所述根据求和后得到的值确定所述一帧图像数据中的所述第n行和第n-1行图像数据的相似度，还包括：
将经确定的所述第n行和第n-1行图像数据的相似度Similar(n)存入寄存器Similar中；
若所述相似度Similar(n)的值为100％则存入寄存器count中。
10.一种用于确定画面相邻行相似度的方法，其特征在于，所述方法包括：
获取一帧图像数据中的每一行图像数据对应子像素的灰度值；
从缓存器中读取第n行和第n-1行图像数据对应子像素的灰度值；
将第n行和第n-1行图像数据对应子像素的灰度值相减，得到多个差值，并对得到的多个差值的绝对值求和，将求和后得到的值H_data(n)存入寄存器H_data中；
根据公式Similar(n)＝(1-(H_data(n)/(X*255))*100％确定所述第n行和第n-1行图像数据的相似度Similar(n)；
将所述第n行和第n-1行图像数据的相似度Similar(n)存入寄存器Similar中；
若所述第n行和第n-1行图像数据的相似度Similar(n)为100％，则将Similar(n)存入寄存器count中；以及
判断n是否等于N，若是，则结束流程，否则，n＝n+1并返回所述从缓存器中读取第n行和第n-1行图像数据对应子像素的灰度值，
其中n的初始值为2。
CN201811558933.7A 2018-12-19 2018-12-19 用于确定画面相邻行相似度的方法 Pending CN109740643A (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201811558933.7A CN109740643A (zh) 2018-12-19 2018-12-19 用于确定画面相邻行相似度的方法
US17/253,075 US11967130B2 (en) 2018-12-19 2018-12-26 Method for determining similarity of adjacent rows in a picture and display device
PCT/CN2018/123804 WO2020124631A1 (zh) 2018-12-19 2018-12-26 用于确定画面相邻行相似度的方法和显示设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811558933.7A CN109740643A (zh) 2018-12-19 2018-12-19 用于确定画面相邻行相似度的方法

Publications (1)

Publication Number Publication Date
CN109740643A true CN109740643A (zh) 2019-05-10

Family

ID=66360665

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811558933.7A Pending CN109740643A (zh) 2018-12-19 2018-12-19 用于确定画面相邻行相似度的方法

Country Status (3)

Country Link
US (1) US11967130B2 (zh)
CN (1) CN109740643A (zh)
WO (1) WO2020124631A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114066723A (zh) * 2021-11-11 2022-02-18 贝壳找房(北京)科技有限公司 设备检测方法、装置及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1681293A (zh) * 2004-04-09 2005-10-12 晨星半导体股份有限公司 根据数据行相似度产生电视图像信号的方法及相关装置
US20140185938A1 (en) * 2011-09-02 2014-07-03 Sony Corporation Image processing apparatus, image processing method, and program
CN103915076A (zh) * 2014-04-25 2014-07-09 青岛海信电器股份有限公司 驱动液晶显示方法、液晶显示装置和快门式3d显示方法
CN106454509A (zh) * 2016-09-27 2017-02-22 深圳市茁壮网络股份有限公司 一种广告图像的检测方法及装置
CN107026998A (zh) * 2016-02-01 2017-08-08 北京数码视讯科技股份有限公司 一种去隔行方法及设备
US20180020231A1 (en) * 2016-07-15 2018-01-18 Samsung Electronics Co., Ltd. One-dimensional segmentation for coherent motion estimation

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3562585B2 (ja) * 2002-02-01 2004-09-08 日本電気株式会社 液晶表示装置およびその駆動方法
KR101204076B1 (ko) * 2005-09-30 2012-11-22 삼성테크윈 주식회사 대상 영상의 기준 영상에 대한 유사도를 정확하게 판단하는방법
CN101639858A (zh) * 2009-08-21 2010-02-03 深圳创维数字技术股份有限公司 基于目标区域匹配的图像检索方法
US8340458B2 (en) * 2011-05-06 2012-12-25 Siemens Medical Solutions Usa, Inc. Systems and methods for processing image pixels in a nuclear medicine imaging system
TWI453714B (zh) * 2011-05-27 2014-09-21 Chunghwa Picture Tubes Ltd 顯示面板的驅動系統及其驅動方法
WO2015086076A1 (en) * 2013-12-12 2015-06-18 Metaio Gmbh Method for determining a similarity value between a first image and a second image
CN104505047B (zh) * 2014-12-31 2017-04-12 深圳市华星光电技术有限公司 一种显示驱动方法、电路及液晶显示器
CN104835440B (zh) * 2015-05-22 2017-08-29 京东方科技集团股份有限公司 图像的显示方法、显示装置
CN105184754B (zh) * 2015-09-25 2018-03-06 深圳市华星光电技术有限公司 图像对比度增强方法
CN106611593A (zh) * 2015-10-22 2017-05-03 小米科技有限责任公司 内容显示方法及装置
CN105304048B (zh) * 2015-11-18 2018-03-30 深圳市华星光电技术有限公司 液晶显示装置的动态驱动方法
US9984639B2 (en) * 2016-05-25 2018-05-29 Parade Technologies, Ltd. Adaptive spatial offset cancellation of source driver
CN106303496B (zh) * 2016-08-16 2018-06-26 京东方科技集团股份有限公司 图像格式确定方法及装置、显示设备
CN107068086B (zh) * 2017-03-30 2019-01-25 京东方科技集团股份有限公司 像素充电方法和电路
TWI665655B (zh) * 2017-06-08 2019-07-11 瑞鼎科技股份有限公司 應用於顯示面板之光學補償裝置及其運作方法
CN110321907B (zh) * 2018-03-28 2021-08-17 京东方科技集团股份有限公司 一种数据处理顺序的确定方法、显示装置及其显示方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1681293A (zh) * 2004-04-09 2005-10-12 晨星半导体股份有限公司 根据数据行相似度产生电视图像信号的方法及相关装置
US20140185938A1 (en) * 2011-09-02 2014-07-03 Sony Corporation Image processing apparatus, image processing method, and program
CN103915076A (zh) * 2014-04-25 2014-07-09 青岛海信电器股份有限公司 驱动液晶显示方法、液晶显示装置和快门式3d显示方法
CN107026998A (zh) * 2016-02-01 2017-08-08 北京数码视讯科技股份有限公司 一种去隔行方法及设备
US20180020231A1 (en) * 2016-07-15 2018-01-18 Samsung Electronics Co., Ltd. One-dimensional segmentation for coherent motion estimation
CN106454509A (zh) * 2016-09-27 2017-02-22 深圳市茁壮网络股份有限公司 一种广告图像的检测方法及装置

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
CHIA-HAO F等: ""Absolute Difference and Low-Power Bus Encoding Method for LCD Digital Display Interfaces"", 《VLSI DESIGN》 *
姚海根等编著: "《数字半调色技术》", 31 December 2012, 北京:印刷工业出版社 *
王耀利等: ""AOTF多光谱成像***中色差分析及硬件补偿策略"", 《光谱学与光谱分析》 *
闫敬文编著: "《数字图像处理：Matlab版》", 28 February 2007, 北京:国防工业出版社 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114066723A (zh) * 2021-11-11 2022-02-18 贝壳找房(北京)科技有限公司 设备检测方法、装置及存储介质

Also Published As

Publication number Publication date
US20210133946A1 (en) 2021-05-06
WO2020124631A1 (zh) 2020-06-25
US11967130B2 (en) 2024-04-23

Similar Documents

Publication Publication Date Title
US20100104198A1 (en) System and method for determining inflection points in an image of an object
KR101980461B1 (ko) 액정 패널의 그레이 스케일 값 설정 방법 및 액정 디스플레이 기기
CN115456956B (zh) 一种液晶屏划痕检测方法、设备及存储介质
CN108510440A (zh) 用于将图像伪影最小化的超分辨率图像清晰化方法及装置
KR100875326B1 (ko) 액정 디스플레이 응답 특성 결정 방법 및 프리젠테이션 방법
Wang et al. Nonuniform timeslicing of dynamic graphs based on visual complexity
CN109740643A (zh) 用于确定画面相邻行相似度的方法
CN111433841B (zh) 显示面板Mura补偿方法、计算机可读存储介质及显示装置
CN112819918A (zh) 可视化图表的智能生成方法及装置
CN108447456B (zh) 一种影像显示校正方法及装置
CN106971386A (zh) 判断图像完整度及页面加载度的方法、装置和客户端设备
CN112767508B (zh) 针对呼吸门控图像的伪彩显示方法、***、设备以及介质
US20180374008A1 (en) Computerized simulation of cross elasticity based actionable pricing outputs for single brand multi-product sellers
JP6670320B2 (ja) 信号の分解能に依存するグラフィカル表現のための装置、方法及びシステム
CN109740644A (zh) 用于确定画面相邻行相似度的方法
Tong et al. Testing color dif ference evaluation methods for color digital images
CN106327497A (zh) 基于超广延熵的灰度图像阈值分割方法
US8805809B2 (en) Autotransform system
CN107085849B (zh) 一种图像二值化处理方法、装置、设备和存储介质
Plutino et al. A cockpit of measures for image quality assessment in digital film restoration
Dubé et al. Estimating durable goods adoption decisions from stated preference data
JP2011035873A (ja) 画像処理回路のシミュレーション装置、画像処理回路のシミュレーション方法、画像処理回路の設計方法、及び画像処理回路のシミュレーションプログラム
US20220172168A1 (en) Conflict resolution in design process using virtual agents
US8045064B2 (en) Contrast control apparatus and method
CN112347137A (zh) 数据验证方法、装置及可读存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20190510

RJ01 Rejection of invention patent application after publication