高分区Localdimming方案研讨

Localdimming方案

在这里插入图片描述
分析:

  1. 电源的发热问题和屏能承受的最大温度决定电源最大功率为300W
  2. 当屏显示为全白场时,如果不降功率,功率超过电源最大功率,因此需要降低背光
  3. SOC、MCU的功能,根据实际方案分配运算负载。使用什么样的MCU,如果有运算负载,需要确定运算时间复杂度,以此确定MCU需要的性能

数据处理流程

在这里插入图片描述
分析:

  1. 首先SOC中的算法统计图像区域亮度
  2. 亮度补偿。分为不超过做大功率补偿和超过最大功率补偿两种,如果不超过最大功率补偿,直接补偿即可。如果超过最大功率,补偿有如下几种:
A先补偿,然后通过降背光策略降低功率
B在原始图像基础上,降低背光,然后在降背光的基础上补偿(比较复杂)
  1. 降低背光功率策略
A不分场景,采用一种算法降低背光
B不同场景,不同降低背光算法

高分区Localdimming

在这里插入图片描述
高分区Localdimming实现难点:

  1. 白场较大时,功率超过最大功率,降功率算法实现
  2. 分区亮度控制实现是否优质,否则,屏的质量不能保证及显示效果差强人意
  3. 特殊场景背光调节使用策略
a九宫格
b黑白间隔亮线
c全黑场鼠标拖动效果
d其他特殊场景

海思localdimming方案疑问:
1、SOC提供哪些算法
2、图像亮度补偿和Localdimming的关系?是先背光亮度补偿图像亮度还是图像补偿后决定背光亮度?
3、Localdimming算法是否可以作为一个单独模块,容易分离,如果在MCU上做计算,是否容易从SOC中分离?
4、特殊场景背光控制情况如何?
5、Localdimming的整个方案的数据流程图?

附录

背光 亮度 gamma 对比度的使用

  • 亮度打高后损失白位灰阶,不损失黑位灰阶,但黑位的流明会被提高至灰色。
  • 亮度设低后损失黑位灰阶,不损失白位灰阶,但白位的流明会被降低成灰色。
  • 对比度拉高后黑白两端直接被削减成纯黑和纯白,中间灰度渐变变成了黑白强烈对比。
  • 对比度拉低后黑白两端朝灰度靠拢,白位和黑位都变成了浅灰和深灰,画面趋于平淡的中间灰调
  • 伽马值拉高,白位向黑位延展,画面泛白,过高后白位缺乏层次感,但还没有丢失层次。
  • 伽马值拉低,黑位向白位延展,画面变黑,过低后黑位缺乏层次,看上去层次是丢失了。

图像亮度调整

阅读提示:

  • 《C++图像处理》系列以代码清晰,可读性为主,全部使用C++代码。
  • 《Delphi图像处理》系列以效率为侧重点,一般代码为PASCAL,核心代码采用BASM。尽可能保持二者内容一致,可相互对照。
  • 本文代码必须包括《C++图像处理 – 数据类型及公用函数》文章中的BmpData.h头文件。

本文代码是在《C++图像处理 – 亮度/对比度调整》基础上,通过改非亮度为线性亮度而成的。图像亮度调整分为非线性和线性两种方法。

非线性图像亮度是将图像像素的R、G、B分别加上或减去某个值,其优点是代码简单,亮度调整速度快;缺点是图像信息损失较大,调整过的 图像显得平淡,无层次感。

线性图像亮度一般是将图像像素的RGB转换为HSL(HSV)等颜色空间,对L(V)部分进行增减调整后,再转换为RGB颜色空间,优点是调整过图像层次感很强;缺点是代码较复杂,调整速度慢,而且当图像亮度增减量较大时有很大的失真。

针对上面两种方法的优缺点,本人参照Photoshop的对比度、饱和度调整原理(可参见本人的有关文章),对图像亮度调整方法进行了改进,经测试,效果还不错,主要有不失真调整范围宽、有较好的层次感、尽可能减少图像信息损失量等;同时,在代码处理上,采用了灰度表查找法,先按制造了一个256个元素大小的线性亮度/对比度查找表,然后对图像数据逐像素按R、G、B分量值在查找表中取得调整后的数据,因此处理速度同《C++图像处理 – 亮度/对比度调整》中的非线性亮度/对比度是基本相同的。

原理用公式表示为:

如果亮度增减量value范围为 -1  --  +1,当value > 0时:
    rgb = RGB + RGB * (1 / (1 - value) - 1)
当value < 0时:
    rgb = RGB + RGB * value

下面是图像线性亮度调整C/C++代码(使用C++ Builder编译器和GDI+库),包括例子代码:

//---------------------------------------------------------------------------  
  
FORCEINLINE  
INT CheckValue(INT value)  
{  
    return (value & ~0xff) == 0? value : value > 255? 255 : 0;  
}  
//---------------------------------------------------------------------------  
  
// 线性亮度/对比度调整  
VOID LineBrightAndContrast(BitmapData *data, INT bright, INT contrast, BYTE threshold)  
{  
    if (bright == 0 && contrast == 0)  
        return;  
  
    FLOAT bv = bright <= -255? -1.0f : bright / 255.0f;  
    if (bright > 0 && bright < 255)  
        bv = 1.0f / (1.0f - bv) - 1.0f;  
  
    FLOAT cv = contrast <= -255? -1.0f : contrast / 255.0f;  
    if (contrast > 0 && contrast < 255)  
        cv = 1.0f / (1.0f - cv) - 1.0f;  
  
    BYTE values[256];  
    for (INT i = 0; i < 256; i ++)  
    {  
        INT v = contrast > 0? CheckValue(i + (INT)(i * bv + 0.5f)) : i;  
        if (contrast >= 255)  
            v = v >= threshold? 255 : 0;  
        else  
            v = CheckValue(v + (INT)((v - threshold) * cv + 0.5f));  
        values[i] = contrast <= 0? CheckValue(v + (INT)(v * bv + 0.5f)) : v;  
    }  
  
    PARGBQuad p = (PARGBQuad)data->Scan0;  
    INT offset = data->Stride - data->Width * sizeof(ARGBQuad);  
  
    for (UINT y = 0; y < data->Height; y ++, (BYTE*)p += offset)  
    {  
        for (UINT x = 0; x < data->Width; x ++, p ++)  
        {  
            p->Blue      = values[p->Blue];  
            p->Green = values[p->Green];  
            p->Red       = values[p->Red];  
        }  
    }  
}  
//---------------------------------------------------------------------------  
  
void __fastcall TForm1::Button2Click(TObject *Sender)  
{  
    Gdiplus::Bitmap *bmp =  new Gdiplus::Bitmap(L"..\\..\\media\\source1.jpg");  
  
    Gdiplus::Graphics *g = new Gdiplus::Graphics(Canvas->Handle);  
    g->DrawImage(bmp, 0, 0);  
  
    BitmapData data;  
    LockBitmap(bmp, &data);  
    LineBrightAndContrast(&data, 20, 0, 121);  
    UnlockBitmap(bmp, &data);  
  
    g->DrawImage(bmp, data.Width, 0);  
  
    delete g;  
    delete bmp;  
}  
//---------------------------------------------------------------------------  

下面是用RGB非线性亮度调整(中)、HSL线性亮度调整(右)以及本文介绍的改进线性亮度调整方法(左)对同一照片的调整结果贴图:
在这里插入图片描述

<think>嗯,用户想了解本地调光技术的工作原理和应用。首先,我需要回忆一下本地调光的基本概念。本地调光,英文是Local Dimming,常见于液晶显示器,尤其是LED电视和高端显示器中。它的主要作用是提升对比度和能效。 那它的工作原理是什么呢?液晶屏幕本身不发光,需要背光。传统的LED背光是全局调光,整个屏幕亮度一致。而本地调光则是将背光分成多个域,每个域可以独立调整亮度。当显示暗场景时,对应域的背光变暗或关闭,这样黑色更纯粹,对比度更高。不过可能会遇到光晕效应,也就是亮周围有轻微的光晕,这是因为分不够细或者控制算法不够精准。 应用方面,本地调光主要用于高端电视、专业显示器、汽车显示屏和医疗设备。这些场景需要高对比度和准确的色彩表现。比如医疗影像诊断,细节很重要,本地调光能帮助显示更清晰的图像。 用户可能还想知道这项技术的优缺点,或者最新的发展,比如Mini-LED和MicroLED如何改进本地调光。另外,分数量对效果的影响也是一个常见问题。比如分越多,控制越精细,光晕越少,但成本也越高。 需要确保回答中使用正确的中文术语,并且数学表达式符合要求。比如在提到分控制时,如果有数学模型,需要用$$...$$格式。不过本地调光可能更多是技术描述,数学内容可能不多,但如果有相关公式,比如亮度调节的算法,可能需要用LaTeX表达。 还要注意引用用户提供的资料,虽然用户给的引用是关于无线局域网和Puppeteer的,可能和本地调光无关,但如果有相关内容需要引用的话要加上。不过看起来这里可能没有直接关联,所以可能不需要引用。不过用户示例中引用了,可能需要检查是否有必要。 最后,生成相关问题,比如本地调光的优缺点、与HDR的关系、Mini-LED的别等。确保问题有针对性,能帮助用户进一步了解。</think>### 本地调光技术(Local Dimming)的工作原理 本地调光是一种通过动态调节显示设备背光源亮度的技术,主要用于提升液晶显示器(LCD)的对比度和能效。其核心原理为: 1. **分控制**:将背光划分为多个独立域(例如$N \times M$个分),每个分亮度可单独调节[^1]。 2. **亮度匹配**:根据显示内容的明暗分布,实时调整对应域的背光强度。例如,显示黑色画面时,相关分背光关闭(亮度接近$0$);显示高亮画面时,背光强度提升至最大值(例如$I_{\text{max}}$)。 3. **动态补偿**:通过算法减少光晕效应(halo effect),例如使用$$ \Delta L = k \cdot \log\left(\frac{I_{\text{target}}}{I_{\text{current}}}\right) $$优化亮度过渡平滑度[^1]。 ### 主要应用场景 1. **高端电视与显示器**:通过提升对比度实现更真实的HDR效果(如$1000:1 \to 1000000:1$)。 2. **车载显示屏**:在强光环境下增强可视性,同时降低能耗。 3. **医疗影像设备**:精准控制亮度以显示细微的灰度差异(例如X光片中的$0.1\%$灰度变化)。 4. **虚拟现实(VR)**:减少屏幕拖影,提升沉浸感。 ```python # 简化的背光控制算法伪代码示例 def adjust_backlight(image, zones): for zone in zones: max_brightness = np.max(image[zone.coordinates]) target = max_brightness * zone.calibration_factor zone.set_brightness(target) ```
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值