CN111524484A - 一种快速Gamma调整方法与一次烧录OTP*** - Google Patents

Abstract

本发明提供了一种快速Gamma调整方法，包括以下步骤：S1、建立数学模型，通过已经进行Gamma调整后的多个OLED屏最终数据进行各个灰阶的Gamma标定，标定后得到OLED各个灰阶的Gamma值的基本数学模型；S2、进行Gamma调整，根据该数学模型快速计算出特定Gamma寄存器的初始值，在初始值的基础上进行Gamma调整，然后在此结果上直接进行色坐标的微调整。本发明还提供了一次烧录OTP***。本发明的有益效果是：在满足了快速进行Gamma值调整与烧录需求的同时，也很好满足了显示的色坐标要求，随着测试产品数量的持续增多，本方法会在Gamma调整实施效果和速度方面自动得到提升。

Description

一种快速Gamma调整方法与一次烧录OTP***

技术领域

本发明涉及显示模组Gamma调整方法，尤其涉及一种快速Gamma调整方法与一次烧录OTP***。

背景技术

OLED是一种有机自发光材料，自己本身会发光，无需单独的背光或者彩色滤光器。每个OLED像素都可以分配红、绿、蓝三种颜色。OLED相比于LCD具有超薄、自发光、视角宽、响应快、发光效率高、温度适应性好、驱动电压低、能耗低等特点，OLED的使用已是未来显示行业的一种发展趋势，OLED具有十分广阔的应用前景，可为家电、通讯、电脑、仪器仪表等终端产品制造商提供新的显示方法，也为消费者带来更加便宜的便携、浏览、阅读、和观赏，而OLED在生产过程中需要多个工序，其中灰阶Gamma调整就属于其中的一道工序。OLED灰阶Gamma调整主要针对OLED灰色显示画面的亮度值进行调整，使其显示画面更适应人眼对亮度的变化响应，达到较好的显示效果。

Gamma Correction(伽马校正)即Gamma调整，即通过调整OLED中GammaCorrection寄存器来改变输入电压值，来改变OLED亮度的输出，从而达到人眼感受到的亮度均匀变换的显示效果。是用来针对影响***里对于光线的亮度或者三色刺激值所进行的运算或反运算。Gamma矫正根据下面的幂定律公式进行：

V_out＝AV_in ^γ

其中A为一个常数，在A＝1的情况下，输入和输出值得范围都在0到1之间。

V_in为人眼感受到的灰阶值。

V_out为真实亮度值。

γ为人眼感受到的灰阶值转换到真实的亮度值得幂关系映射系数，标准值为2.2。

对于OLED面板，输入电压可以替换为灰阶，在将纵轴亮度和横轴灰阶进行归一化操作后，幂函数关系图1所示。

由于计算机相机拍摄的图片在计算机中以8位二进制数据存储，即计算机***中只能以256个灰阶来展示真实世界中无穷多的亮暗变换。因此必须对OLED面板的各灰阶按照上文中提出的Gamma曲线进行亮度的控制，以满足人眼对亮度感知的非线性变换的效果。

OTP(One Time Program)是一种存储器类型和操作：程序烧入其中后将不可再次更改和清除。

目前在实际生产过程中进行Gamma矫正的技术有以下不足：

1.Gamma寄存器值调整的无方向性，导致Gamma寄存器在调整的过程中来回反复的调整，耗时长，结果不稳定，甚至有时出现偏差；

2.调整速度较慢，大量的随机试错方式，导致硬件设备的多次来回读数数据和写入数据；

3.在调整完Gamma寄存器值后，不能快速的调整色坐标，或者色坐标调整完成后，不能兼容满足亮度的Gamma条件。

发明内容

为了解决现有技术中的问题，本发明提供了一种快速Gamma调整方法与一次烧录OTP***。

本发明提供了一种快速Gamma调整方法，包括以下步骤：

S1、建立数学模型，通过已经进行Gamma调整后的OLED进行各个灰阶的Gamma标定，标定后得到OLED各个灰阶的寄存器值的数学模型寄存器值的数学模型；

y＝ax⁴+bx³+cx²+dx+e

其中y为寄存器值，x为对应灰阶值，a,b,c,d,e分别为计算系数；

S2、进行Gamma调整，根据该数学模型快速计算出Gamma寄存器的初始值，在初始值的基础上进行Gamma调整，然后在此结果上直接进行色坐标的轻微调整。

作为本发明的进一步改进，步骤S1为首次矫正，主要包括以下子步骤：

S11、根据电压和亮度的基本关系：电压越大则亮度越高，以及快速二分搜索法调整指定灰阶R、G、B的Gamma寄存器值，将指定灰阶调到目标亮度Lv；

S12、在调整完成目标亮度后，根据下面的色坐标计算公式来微调色坐标：

上式中，x、y为色坐标，Lv_x、Lv_y、Lv_z为RGB各个分量的亮度值，亮度值与对应Gamma寄存器的电压成正向关系，以此根据来微调对应Gamma寄存器的电压，来满足色坐标x，y的目标条件；

S13、将调整好的Gamma寄存器的结果，保存到数据库中对应的产品型号和灰阶的目录中；

S14、根据步骤S11至S13连续对产品指定的各灰阶进行矫正，并且把结果保存在数据库的对应目录中；

S15、随机选取多个正常产品，重复进行步骤S11至S14，用调整好的数据来完善数据库；

S16、用已经调整完成后的数据进行亮度值和Gamma寄存器中的结果进行标定，Gamma寄存器分为RGB三个通道，因此每个通道要分别与亮度值进行标定，完成Gamma寄存器与亮度之间的分布统计模型；

S17、根据步骤S16对产品的各个灰阶进行标定和统计过程，并将得到的分布统计模型参数保存到数据库中。

作为本发明的进一步改进，步骤S2为非首次矫正，主要包括以下子步骤：

S21、基于已经建立好的分布统计模型，在初次调整指定灰度级的Gamma寄存器时，将根据现有分布统计模型与数学模型：

y＝ax⁴+bx³+cx²+dx+e (x∈[0..255])

计算出的Gamma寄存器的数值设定为初始值y；

S22、根据亮度值与对应Gamma寄存器的电压成正向关系，来精确调整Gamma寄存器的值：

来精确调整Gamma寄存器的值reg,A为寄存器最大值，B为最高灰阶对应的亮度值，即调节的目标最高亮度值，Lv为当前灰阶目标亮值，γ是待定Gamma系数；

S23、在经历Gamma精确调整后，再对色坐标x，y进行调整；

S24、在调整完成后，将调整结果保存到产品数据库中的对应灰阶目录中，并用新加入的数据对现有的分布统计模型进行优化调整，如果新加入的数据对现有分布统计模型具有优化作用则进行优化，如果新加入的数据在原有分布统计模型的基础上偏差较大，则抛弃改该数据，现有分布统计模型保持不变；

S25、根据步骤S21至S23依次对产品的各个灰阶进行Gamma矫正以及色坐标调整；

S26、根据步骤S24对各个灰阶矫正后的结果进行筛选，判断其是否可以优化现有分布统计模型，如果数据正常则用来优化现有分布统计模型，如果数据异常则抛弃；

S27、优化的分布统计模型在数据量达到设定值后，为防止分布统计模型的过拟合，则停止优化模型，并建立评价分布统计模型的目标函数，即模型评价函数，判断分布统计模型计算出的Gamma寄存器值与真实的满足条件的寄存器值之间的偏差，对每种产品的各个灰阶都建立模型评价函数，用来判断当前分布统计模型是否为合格模型，如果合格则继续使用，如果不合格则继续优化，从而达到更加快速矫正Gamma寄存器值的目的。

作为本发明的进一步改进，通过反馈的流程不断完善和更新标定模型，在每次调整亮度值和色坐标后，将调整的结果数据进行记录，用这些记录的数据进行修正标定模型，形成反馈的流程。

作为本发明的进一步改进，根据色坐标计算公式，在计算初始值结果后，采用黄金分割搜索法来小范围调整色坐标值。

本发明还提供了一次烧录OTP***，包括可读存储介质，所述可读存储介质中存储有执行指令，所述执行指令被处理器执行时用于实现如上述中任一项所述的方法。

本发明的有益效果是：通过上述方案，在满足了快速调整Gamma值的需求同时也很好的达到了色坐标的显示要求。

附图说明

图1是现有技术中，在将纵轴亮度和横轴灰阶进行归一化操作后的幂函数关系图。

图2是本发明一种快速Gamma调整方法的流程图。

图3是本发明非首次矫正Gamma初始值与最终确定值流程图。

具体实施方式

下面结合附图说明及具体实施方式对本发明作进一步说明。

如图2所示，一种快速Gamma调整方法，先通过已经进行Gamma调整后的OLED进行各个灰阶的Gamma标定，标定后可得到OLED各个灰阶的Gamma值的数学模型，然后根据此数学模型快速计算出Gamma寄存器的初始值，在初始值的基础上进行Gamma调整。然后在此结果上直接进行色度坐标的轻微调整，这种方法满足了快速调整Gamma值得需求同时也很好的达到了色坐标的显示要求。

本发明提供的一种快速Gamma调整方法，是一种基于数学模型、灰阶标定的快速调整OLED各个灰阶Gamma值的方法。

本发明的具体过程如下：

首次矫正：

1.根据电压和亮度的基本关系：电压越大亮度越高，以及传统的快速二分搜索法调整指定灰阶R、G、B的Gamma寄存器值，将指定灰阶调到目标亮度Lv；

2.在调整完成目标亮度后，根据下面的色坐标计算公式来微调色坐标：

上式中，x、y为色坐标，Lv_x、Lv_y、Lv_z为RGB各个分量的亮度值。亮度值与对应Gamma寄存器的电压成正向关系，以此根据来微调对应Gamma寄存器的电压，来满足色坐标x，y的目标条件。

3.将调整好的Gamma寄存器的结果，保存到数据库中对应的产品型号和灰阶的目录中。

4.根据步骤1,2,3连续对产品指定的各灰阶进行矫正，并且把结果保存在数据库的对应目录中。

5.随机选取多个正常同类产品(数量最好在10个以上，或者更多)，重复进行如上所述的1,2,3,4步骤，用调整好的数据来完善数据库。

6.用已经调整完成后的数据进行亮度值和Gamma寄存器中的结果进行标定。Gamma寄存器分为RGB三个通道，因此每个通道要分别与亮度值进行标定。完成Gamma寄存器与亮度之间的分布统计模型。

7.根据步骤6对产品的各个灰阶进行标定和统计过程。并将模型参数保存到数据库种。

如图3所示，非首次矫正：

1.基于已经建立好的初始模型，在初次调整指定灰度级的Gamma寄存器时，将根据现有模型计算出的Gamma寄存器的数值设定为初始值。

2.根据亮度值与对应Gamma寄存器的电压成正向关系，来精确调整Gamma寄存器的值。

3.在经历3步骤的Gamma精确调整后，再对色坐标x，y进行调整。

4.在调整完成后，将调整结果保存到产品数据库中的对应灰阶目录中，并用新加入的数据对现有的模型进行优化调整。如果新加入的数据对现有模型具有优化作用则进行优化，如果新加入的数据在原有模型的基础上偏差较大，则抛弃改数据(不加入模型数据中)，现有模型保持不变。

5.根据步骤1、2、3依次对产品的各个灰阶进行Gamma矫正以及色坐标调整。

6.根据步骤4对各个灰阶矫正后的结果进行筛选，判断其是否可以优化现有模型，如果数据正常则用来优化现有模型，如果数据异常则抛弃。

7.优化的模型在数据量达到一定程度后，为防止模型的过拟合，则停止优化模型，并建立评价模型的目标函数，判断模型计算出的Gamma寄存器值与真实的满足条件的寄存器值之间的偏差。对每种产品的各个灰阶都建立模型评价函数，用来判断当前模型是否为合格模型，如果合格则继续使用，如果不合格则继续优化。从而达到更加快速矫正Gamma寄存器值的目的。

本发明提供的一种快速Gamma调整方法，具有以下优点：

1.通过将正常同类样品的电压值和亮度值进行标定，可以快速建立起电压亮度模型，比以往的需要大量数据寻找规律更加方便快捷，而且此标定模型关系可以根据具体生产的数据信息进行修正，保证了自身的适应性。

2.在通过建立电压与亮度的基本模型后，建立对当前样品的初始调节电压参数的指导方向，可以快速的设定接近真实值的电压值，这样可以避免无方向性的大量试错调整，从而达到大幅节省时间的效果。

3.在每次调整完成后，会将调整结果的数据信息进行保存，再依照更新后的大量保存的数据中对现有的电压与亮度模型做出一定的优化。以此来保证模型在指导初始电压值设定上的正确性。从而减少后续微调的次数，提升OTP的调节效率。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (4)

1.一种快速Gamma调整方法，其特征在于，包括以下步骤：

S1、建立数学模型，通过已经进行Gamma调整后的多个OLED屏的数据进行各个灰阶的Gamma标定，标定后得到OLED各个灰阶的寄存器值的数学模型为

y＝ax⁴+bx³+cx²+dx+e

其中y为绑定点的寄存器值，x为对应灰阶值，a,b,c,d,e分别为计算系数；

S2、进行Gamma调整，根据该数学模型快速计算出Gamma寄存器的初始值，在初始值的基础上进行Gamma调整，然后在此结果上直接进行色坐标的微调整。

2.根据权利要求1所述的快速Gamma调整方法，其特征在于：步骤S1为首次矫正，主要包括以下子步骤：

S11、根据电压和亮度的基本关系：电压越大则亮度越高，以及快速二分搜索法调整指定灰阶R、G、B的Gamma寄存器值，将指定灰阶调到目标亮度Lv；

S12、在调整完成目标亮度后，根据下面的色坐标计算公式来微调色坐标：

上式中，x、y为色坐标，Lv_x、Lv_y、Lv_z为RGB各个分量的亮度值，亮度值与对应Gamma寄存器的电压成正向关系，以此根据来微调对应Gamma寄存器的写入值，控制电压，来满足色坐标x，y的预设目标条件；

S13、将调整好的Gamma寄存器的结果，保存到数据库中对应的产品型号和灰阶绑定点对应的条目中；

S14、根据步骤S11至S13连续对产品指定的各灰阶进行矫正，并且把结果保存在数据库的对应目录中；

S15、随机选取多个同批次正常产品，重复进行步骤S11至S14，用调整好的数据来完善数据库，并更新数据模型系数；

S16、用已经调整完成后的数据进行亮度值和Gamma寄存器中的结果进行标定，Gamma寄存器分为RGB三个通道，因此每个通道要分别与亮度值进行标定，完成Gamma寄存器与亮度之间关系的分布统计模型；

S17、根据步骤S16对产品的各个灰阶进行标定和统计过程，并将得到的分布统计模型参数保存到数据库中。

3.根据权利要求1所述的快速Gamma调整方法，其特征在于：步骤S2为非首次矫正，主要包括以下子步骤：

S21、基于已经建立好的分布统计模型，在初次调整指定灰度级的Gamma寄存器时，将根据现有分布统计模型与数学模型：

y＝ax⁴+bx³+cx²+dx+e(x∈[0..255])

计算出的Gamma寄存器的数值设定为初始值y；

S22、根据亮度值与对应Gamma寄存器的电压成正向关系：

来精确调整Gamma寄存器的值reg，A为寄存器最大允许值，B为最高灰阶对应的亮度值，即调节的目标最高亮度值，Lv为当前灰阶目标亮度值，γ是待定Gamma系数；

S23、在经历Gamma精确调整后，再对色坐标x，y进行调整；

S24、在调整完成后，将调整结果保存到产品数据库中的对应灰阶目录中，并用新加入的数据对现有的分布统计模型进行优化调整，如果新加入的数据对现有分布统计模型具有优化作用则进行优化，如果新加入的数据在原有分布统计模型的基础上偏差较大，则抛弃该数据，现有数据分布的统计模型保持不变；

S25、根据步骤S21至S23依次对产品的各个灰阶进行Gamma矫正以及色坐标调整；

S26、根据步骤S24对各个灰阶矫正后的结果进行筛选，判断其是否可以优化现有分布统计模型，如果数据正常则用来优化现有分布统计模型，如果数据异常则抛弃；

S27、优化的分布统计模型在数据量达到设定值后，为防止分布统计模型的过拟合，则停止优化模型，建立评价分布统计模型的目标函数，即模型评价函数，判断分布统计模型计算出的Gamma寄存器值与真实的满足条件的寄存器值之间的偏差，对每种产品的各个灰阶都建立模型评价函数，用来判断当前分布统计模型是否为合格模型，如果合格则继续使用，如果不合格则继续优化，从而达到更加快速矫正Gamma寄存器值的目的。

4.一次烧录OTP***，其特征在于：包括可读存储介质，所述可读存储介质中存储有执行指令，所述执行指令被处理器执行时用于实现如权利要求1至3中任一项所述的方法。

Images