CN103106876A - 一种基于图像分类的液晶显示背光全局调光方法 - Google Patents

Abstract

本发明涉及一种基于图像分类的液晶显示背光全局调光方法。操作步骤如下：1.确定图像分类的数量和阀值；2.计算输入图像所有像素的亮度平均值和对比度;3.根据图像分类阀值、亮度平均值和对比度对输入图像进行分类；4.根据图像类别确定背光亮度计算公式中的参数k，计算背光调光因子；5.根据图像类别确定S曲线方程中的参数a；6.计算S曲线拐点亮度，获得修正后的拐点亮度；7.生成S型曲线；8.根据背光调光因子生成LED脉宽调制信号，整体改变LED光源板的发光亮度；9.根据S曲线调整每个像素亮度，使液晶屏显示根据S曲线调整后的图像。本发明根据输入图像类别选取计算参数，能够有效保证调光算法对于所有的图像均能达到对比度高、能耗低的最佳效果。

Description

一种基于图像分类的液晶显示背光全局调光方法

技术领域

本发明属于液晶显示技术领域，具体涉及背光动态调光技术。 

背景技术

液晶显示存在两个固有缺点：（1）对比度低；（2）功耗高。目前很多研究者采用背光动态调光技术改善液晶显示对比度，同时降低能耗。根据背光亮度调整方法可将动态调光技术分为全局调光和局部调光。全局调光是整体改变背光亮度，局部调光则是将背光分为若干个可以单独控制的区域，根据该区域对应图像的特征值确定这个区域的背光亮度。相对于区域调光，全局调光不需要对背光进行分区设计、控制，所需控制芯片少，硬件成本低。由于不需要分区，不存在区域调光方法中恼人的光线串扰问题。采用全局调光技术的侧出式背光具有体积轻薄、对比度高、能耗低的要求。 

在现有的调光算法中，包括福州大学提出的发明专利“LED背光源整体调光的方法及其装置”（申请号：200910309165.6）、广州创维平面显示科技有限公司提出的发明专利“侧光式LED背光动态分区控制方法”（申请号：201010510536.X）、青岛海信电器股份有限公司获得授权的发明专利“液晶显示对比度的调整方法和装置”（申请号：200710111510.6）、本发明申请人之前申请的发明专利“一种用于提高液晶显示对比度的背光整体调光方法”（授权号：ZL201110246263.7）等，都是对于所有的图像均采用固定的计算参数，没有根据不同的图像选取参数的最佳值，导致采用动态调光技术的显示系统不能对于所有的图像都具有较好的效果，即对于某些图像，可能节能效果较好，却存在较大的细节损失，为了保存细节，就需要提高背光亮度，降低了节能效果，严重限制了动态调光技术的应用。对输入的显示图像进行分类，根据不同类别确定计算参数，有助于保证动态调光方法对于所有的图像都具有较好的节能效果和显示效果。 

发明内容

本发明的目的在于提供一种基于图像分类的液晶显示整体调光方法，具体包括以下步骤： 

（1）确定图像分类的数量和阀值； 

（1.1）根据设计要求及硬件资源确定图像类别数量； 

（1.2）组织两名以上视力正常的自然人观看四十幅以上的图像，根据主观感受填写分类调查表，勾出所放图像属于的亮度类别和对比度类别，并根据调查结果将图像分入不同类别； 

（1.3）计算观看图像的亮度和对比度，具体操作步骤如下： 

（1.3.1）记录输入图像每个像素的红、绿、蓝子像素亮度值，分别记为R_i,j、G_i,j、B_i,j，i=1～M，j=1～N，M×N是图像的分辨率；根据图像格式，M可以为1024或1920，N可以为768或1080； 

（1.3.2）计算每个像素的灰度值，记为L_i,j，L_i,j=0.3R_i,j+0.6G_i,j+0.1B_i,j； 

（1.3.3）计算整幅图像所有像素的亮度平均值，记为L_avg-fz，  $L_{\mathrm{avg}-\mathrm{fz}}=\frac{\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{I}_{i,j}}{M\×N};$

（1.3.4）图像分成P×Q块，其中P和Q不小于2，计算每块中包含的像素的亮度平均值，记为L_block-avg； 

（1.3.5）取所有块的亮度平均值L_block-avg中的最大值和最小值，分别记为L_max和L_min，L_max=max（L_block-avg），L_min=min（L_block-avg）； 

（1.3.6）对所有块的亮度平均值L_block-avg中的最大值L_max做如下处理，得到修正后的最大值L_max′：如果0≤L_max<8，则L_max′=0.4625×L_max+0.3；如果8≤L_max≤255，则L_max′=1.1984×L_max-5.592； 

（1.3.7）对所有块的亮度平均值L_block-avg中的最小值L_min做如下处理，得到修正后的最小值L_mim′：如果0≤L_min<8，则L_min′=0.4625×L_min+0.3；如果8≤L_min≤255，则L_min′=1.1984×L_min-5.592； 

（1.3.8）计算对比度CR_fz，

（1.4）结合步骤（1.2）的调查结果和步骤（1.3）的计算结果，确定不同类别图像的亮度和对比度分类阀值； 

上述步骤（1.1）～步骤（1.4）可预先完成，获得分类阀值后直接写入电路开发程序，不占用实时处理时间； 

（2）计算输入的整幅图像所有像素的亮度平均值L_avg和对比度CR，具体操作步骤同步骤（1.3）； 

（3）根据图像分类阀值、亮度平均值L_avg和对比度CR对输入图像进行分类； 

（4）根据图像类别确定背光亮度计算公式中的参数k，计算背光调光因子k_blu； 

（4.1）根据图像类别确定参数k：k在0.2～0.6之间；； 

（4.2）计算L_mean和L_max-all：取每个像素所包含红绿蓝三个子像素中的最大值为该像素的亮度值，记为L_pixel(i,j)，取所有L_pixel(i,j)的最大值，记为L_max-all，L_max-all＝max(L_pixel(i,j))，取所有L_pixel(i,j)的平均值，记为 

i=1～M，j=1～N，M×N是图像的分辨率；根据图像格式，M可以为1024或1920，N可以为768或1080； 

（4.3）计算背光调光因子kblu， $\left\{\begin{array}{c}{k}_{\mathrm{BLU}}=(L_{\mathrm{mean}}+0.5*(L_{\mathrm{diff}}+\frac{{L_{\mathrm{diff}}}^2}{255}))/255\\ L_{\mathrm{diff}}=L_{\max -\mathrm{all}}-L_{\mathrm{mean}}\end{array}\right.;$

（5）根据图像类别确定S曲线方程中的参数a，a在0.011～0.029之间； 

（6）计算S曲线拐点亮度L_g，获得修正后的拐点亮度L_g′； 

（6.1）计算L₂₅和L₅₀：L₂₅是包括所有像素25%的像素亮度值，L₅₀是包括所有像素50%的像素亮度值； 

（6.2）计算拐点亮度L_g：

（6.3）计算修正后拐点亮度L_g′：

（7）生成S型曲线； 

将a和L_g′代入 $L_{\mathrm{out}}=\frac{255}{1+{\mathrm{Ae}}^{-\mathrm{ax}}}=\frac{255}{1+e^{a({l_g}^{\&prime;}-x)}},$ 得到S曲线； 

（8）根据背光调光因子k_blu生成LED背光脉宽调制信号，送入LED驱动板,整体改变LED光源板的发光亮度； 

（9）根据S曲线调整每个像素红、绿、蓝子像素亮度，将调整后的信号通过液晶屏接口板送入液晶控制板，使液晶屏显示根据S曲线调整后的图像。 

本发明有益效果在于：提供了一种基于图像分类的全局动态调光方法。根据显示图像的类型，选取最适合该类图像的调光计算参数，保证算法对于所有类型的图像都能获得较好的显示效果和节能效果。采用本发明的动态调光技术，对于一幅图像的处理（包括统计、分类、计算背光亮度、图像像素补偿、调光背光亮度、调节像素开度等所有步骤）时间不大于3毫秒，满足视频播放60Hz（16.7 毫秒）的实时播放要求。 

本发明的创新思想在于将图像进行分类处理，根据不同的图像类型选取调光算法中的最佳参数值。 

附图说明

图1是本发明基于图像分类的全局动态调光流程图。 

图2是本发明基于图像分类的全局动态调光电路系统结构图。 

图3是没有采用本发明的全局动态调光流程图。 

图4是采用本发明和不采用本发明的全局调光效果图。其中图4（a）是显示原图，图4（b）是没有采用本发明的调光效果图，图4（c）是采用本发明的调光效果图。 

图5是将图像分为6类的本发明处理标清图像的实施例1，图5(a)是确定分类阀值时播放的100幅不同内容的图像中的一幅，图5(b)是待调光处理的标清图像,图5(c)是S曲线，图5(d)是调光流程图。 

图6是将图像分为6类的本发明处理高清图像的实施例2，图6(a)是待调光处理的高清图像,图6(b)是S曲线，图6(c)调光流程图。 

图7是将图像分为9类的本发明处理标清图像的实施例3，图7(a)是确定分类阀值时播放的100幅不同内容的图像中的一幅，图7(b)是待调光处理的标清图像,图7(c)是S曲线，图7(d)是调光流程图。 

具体实施方式

图1是采用本发明的基于图像分类的全局动态调光流程图。图2是采用本发明的一个电路系统结构图。基于图像分类的全局动态调光电路板1包括解码模块101、存储模块102、整幅特征值计算模块103、分区特征值计算模块104、对比度计算模块105、图像分类模块106、S曲线计算模块107、背光亮度计算模块108、液晶像素补偿模块109、LED脉宽调制模块110、电源模块111。电源模块111为其他模块提供所需的直流电压。图像分类阀值预先送入图像分类模块106。视频源输入的CVBS信号经解码模块101转换为符合bt656/bt601标准的8位YCBCR信号，将其进行解交织和CSC（色空间域转换）处理，得到各像素的红、绿、蓝子像素亮度。各像素红、绿、蓝子像素亮度顺序送入存储模块102，存储模块102保存输入图像所有像素点的红绿蓝子像素亮度值。整幅特征值计算模块103读取所有像素的红绿蓝子像素亮度值，计算每个像素的灰度值，进而得到整 幅图像的亮度平均值L_avg。分区特征值计算模块104分别从存储模块102中获得每个分区的像素的红、绿、蓝子像素亮度，计算得到每个分区的亮度平均值L_block-avg。每个分区的亮度平均值送入对比度计算模块105，得到图像对比度CR。图像对比度CR和整幅图像亮度平均值L_avg送入图像分类模块106，根据预先输入的分类阀值对输入图像进行分类。背光亮度计算模块108根据图像类别确定背光亮度计算公式中的参数k，得到背光调光因子k_blu。背光调光因子k_blu送入LED脉宽调制模块110得到LED脉宽调制信号，送入LED驱动板201，整体改变LED光源板202的发光亮度。S曲线计算模块107根据图像类别确定S曲线方程中的参数a，并计算拐点亮度L_g，得到修正后的L_g’,从而得到S曲线。液晶像素补偿模块109根据S曲线对每个像素的红绿蓝子像素亮度值进行调整，得到补偿后的红绿蓝子像素亮度值（R’,G’,B’），通过液晶屏接口板203送入液晶屏204，显示经过像素补偿后的图像。 

为了进一步理解本发明的有益效果，请参阅图3没有采用图像分类的全局动态调光流程图。由于不进行图像分类，对于所有的图像均采用一样的计算参数k（k=0.5）和a（a=0.025），造成对于整体亮度较低的图像，节能效果有限，而对于存在细节的图像，造成细节丢失。图4给出了采用和不采用图像分类的全局调光方法的显示效果图。图4a是显示原图，图4b是没有采用图像分类的全局调光效果图。由于没有采用图像分类，S曲线方程中参数a取为0.025，可以看出，图像中女孩头上和肩上的白花的纹理细节消失了，正是由于a取值过大造成的。采用本发明的基于图像分类的全局调光算法后，判断图4a显示的图像属于高亮度高对比度，a取值降低为0.018，从图4c可以看出，采用本发明的基于图像分类调光方法很好地保存了白花的纹理细节。 

请参阅图5的实施例1。 

实施例1将图像分为6类，即高亮度高对比度、中亮度高对比度、低亮度高对比度、高亮度低对比度、中亮度低对比度、低亮度低对比度。视频源输入为1024×768的标清图像。具体调光步骤请参阅图5（d）： 

1.确定图像分类的数量和阀值： 

（1.1）根据设计要求及硬件资源确定图像类别数量：实施例1将图像分为6类，即高亮度高对比度、中亮度高对比度、低亮度高对比度、高亮度低对比 度、中亮度低对比度、低亮度低对比度； 

（1.2）组织6名视力正常的自然人观看100幅不同内容的图像，图像内容包括白天或夜晚的人物、动物、自然风光、街景、动画等。制作分类调查表，亮度分为高亮度、中亮度、低亮度，对比度分为高对比度、低对比度，每幅图像播放10秒钟，观看者在10秒钟之内勾出显示图像属于的亮度类别和对比度类别； 

（1.3）统计观看图像的亮度和对比度。该步骤可在台式计算机或笔记本上完成。图5（a）是步骤（1.2）播放的100幅图像之一，以图5（a）为例说明具体计算步骤： 

（1.3.1）基于图像处理软件Matlab的程序记录输入图像每个像素的红、绿、蓝子像素亮度值，记为R_i,j、G_i,j、B_i,j，i=1～1024，j=1～768。对于图5（a）的图像中i=256、j=192的像素，记录红、绿、蓝子像素亮度值，分别为54、63、235; 

（1.3.2）基于图像处理软件Matlab的程序计算每个像素的灰度值，记为L_i,j，L_i,j=0.3×R_i,j+0.6×G_i,j+0.1×B_i,j，i=1～1024，j=1～768。对于图5（a）的图像中i=256、j=192的像素，L_256,192=0.3×54+0.6×63+0.1×235=77.5； 

（1.3.3）基于图像处理软件Matlab的程序计算整幅图像所有像素的亮度平均值，记为L_avg-fz，对于图5（a）的图像， $L_{\mathrm{avg}-\mathrm{fz}}=\frac{\underset{i=1}{\overset{1024}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{768}{\mathrm{\&Sigma;}}}{L}_{i,j}}{1024\&times;768}=112.93;$

（1.3.4）基于图像处理软件Matlab的程序将图像分为64×48个区域。基于图像处理软件Matlab的程序读取属于一个区域的像素红、绿、蓝子像素亮度值，计算每个像素的灰度值，进而得到每块中包含的像素的亮度平均值，记为L_block-avg，对于图5（a）的图像的第1行、第1列的块（1,1）， $L_{\mathrm{block}-\mathrm{avg}}\left(\mathrm{1,1}\right)=\frac{\underset{i=1}{\overset{16}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{16}{\mathrm{\&Sigma;}}}{L}_{i,j}}{16\&times;16}=69.887,$ 对于第4行、第16列的块（4,16）， $L_{\mathrm{block}-\mathrm{avg}}\left(\mathrm{4,16}\right)=\frac{\underset{i=65}{\overset{80}{\mathrm{\&Sigma;}}}\underset{j=257}{\overset{272}{\mathrm{\&Sigma;}}}{L}_{i,j}}{16\&times;16}=184.02;$

（1.3.5）基于图像处理软件Matlab的程序获得所有块的亮度平均值中的最 大值和最小值，分别记为L_max和L_min，对于图5（a）的图像，L_max=255，L_min=0.425； 

（1.3.6）基于图像处理软件Matlab的程序对所有块中亮度最大值L_max做如下处理，得到修正后的亮度最大值L_max′：如果0≤L_max<8，则L_max′=0.4625×L_max+0.3；如果8≤L_max≤255，则L_max′=1.1984×L_max-5.592；对于图5（a）的图像，所有块中亮度最大值为255，处理后的亮度最大值L_max′=300； 

（1.3.7）基于图像处理软件Matlab的程序对所有块中亮度最小值L_min做如下处理，得到修正后的亮度最小值L_min′：如果0≤L_min<8，则L_min′=0.4625×L_min+0.3；如果8≤L_min≤255，则L_min′=1.1984×L_min-5.592；对于图5（a）的图像所有块中亮度最大值为0.425，处理后的亮度最小值L_min′=0.4966； 

（1.3.8）基于图像处理软件Matlab的程序计算对比度CR_fz，对于图5（a）的图像， ${\mathrm{CR}}_{\mathrm{fz}}=\frac{{L_{\max }}^{\&prime;}}{{L_{\min }}^{\&prime;}}=\frac{300}{0.4966}=604.11;$

（1.4）对100幅图像重复步骤（1.3），获得每幅图像的亮度和对比度，确定不同类别图像的亮度和对比度阀值：统计步骤（1.2）中属于同一类别的图像的亮度和对比度，以每种类别中图像亮度和对比度的最大值与最小值作为该类图像的上下阀值。如对于100幅图像，通过步骤（1.2）的调查统计得到14幅图像属于中亮度、低对比度，经步骤（1.3）计算这14幅图像的平均亮度值分布在60～130之间、对比度分布在0～400之间，由此确定中亮度低对比度的图像分类阀值为图像平均亮度值处于60和130之间、对比度小于400。由此获得6类图像的分类阀值，如下式所示： 

2.计算输入的整幅图像所有像素的亮度平均值L_avg和对比度CR： 

（2.1）视频信号送入解码模块101解码后，存储模块102记录输入图像每 个像素的红、绿、蓝子像素亮度值，记为R_i,j、G_i,j、B_i,j，i=1～1024，j=1～768。对于图5（b）的图像中i=791、j=637的像素，记录R、G、B的亮度值，分别为189、175、167; 

（2.2）整幅特征值计算模块103读取存储模块102的全部数据，计算每个像素的灰度值，记为L_i,j，L_i,j=0.3×R_i,j+0.6×G_i,j+0.1×B_i,j，对于图5（b）的图像中i=791、j=637的像素，L_791,637=0.3×189+0.6×175+0.1×167=178.4； 

（2.3）整幅特征值计算模块103计算整幅图像所有像素的亮度平均值，记为L_avg，对于图5（b）的图像， $L_{\mathrm{avg}}=\frac{\underset{i=1}{\overset{1024}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{768}{\mathrm{\&Sigma;}}}{L}_{i.j}}{1024\&times;768}=143.42;$

（2.4）图像分为64×48个区域。分区特征值计算模块104读取存储模块102中属于一个区域的像素红、绿、蓝子像素亮度值，计算每个像素的灰度值，进而得到每块中包含的像素的亮度平均值，记为L_block-avg。如图5（b）的图像中第1行、第1列的块（1,1）的亮度平均值 $L_{\mathrm{block}-\mathrm{avg}}\left(\mathrm{1,1}\right)=\frac{\underset{i=1}{\overset{16}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{16}{\mathrm{\&Sigma;}}}{L}_{i,j}}{16\&times;16}=89.211,$ 第28行、第16列的块（28,16）的亮度平均值 $L_{\mathrm{block}-\mathrm{avg}}\left(\mathrm{28,16}\right)=\frac{\underset{i=449}{\overset{464}{\mathrm{\&Sigma;}}}\underset{j=257}{\overset{272}{\mathrm{\&Sigma;}}}{L}_{i,j}}{16\&times;16}=201.84;$

（2.5）分区特征值计算模块104将所有块的亮度平均值送入对比度计算模块105，对比度计算模块105取所有块的亮度平均值中的最大值和最小值，分别记为L_max和L_min，对于图5（b）的图像，L_max=225.61，L_min=3.019； 

（2.6）对比度计算模块105对所有块中亮度最大值L_max做如下处理，得到修正后的亮度最大值L_max′：如果0≤L_max<8，则L_max′=0.4625×L_max+0.3；如果8≤L_max≤255，则L_max′=1.1984×L_max-5.592；对于图5（b）的图像所有块中亮度最大值为225.61，处理后的亮度最大值L_max′=264.78； 

（2.7）对比度计算模块105对所有块中亮度最小值L_min做如下处理，得到修正后的亮度最小值L_min′：如果0≤L_min<8，则L_min′=0.4625×L_min+0.3； 如果8≤L_min≤255，则L_min′=1.1984×L_min-5.592；对于图5（b）的图像所有块中亮度最大值为3.019，处理后的亮度最小值L_min′=1.70； 

（2.8）对比度计算模块105计算对比度CR，对于图5（b）的图像， 

$\mathrm{CR}=\frac{{L_{\max }}^{\&prime;}}{{L_{\min }}^{\&prime;}}=\frac{264.78}{1.7}=155.75;$

3.图像分类模块106根据图像分类阀值、亮度平均值L_avg和对比度CR对输入图像进行分类：视频源输入的图5（b）的图像的平均亮度值L_avg=143.42，对比度CR=155.75，根据步骤1得到的图像分类阀值，该图像属于高亮度低对比度的图像。 

4.背光亮度计算模块108根据图像类别确定背光亮度计算公式中的参数k，计算背光调光因子k_blu： 

（4.1）背光亮度计算模块108根据图像类型确定参数k，k取值如公式1所示。 

视频源输入的图5（b）的图像属于高亮度图像，k取0.5。 

（4.2）计算L_mean和L L_max-all：取每个像素所包含红绿蓝三个子像素中的最大值为该像素的亮度值，记为L_pixel(i,j)，取所有L_pixel(i,j)的最大值，记为L_max-all，取所有L_pixel(i,j)的平均值，记为L_mean，i=1～1024，j=1～768。 

L_max-all＝max(L_pixel(i,j))   （2） 

$L_{\mathrm{mean}}=\frac{\mathrm{\&Sigma;}{L}_{\mathrm{pixel}}(i,j)}{i*j}---\left(3\right)$

对于图5（b）的图像中i=791、j=637的像素，红、绿、蓝子像素亮度值分别为189、175、167，取最大值得到L_pixel(791,637)=189。得到整幅图像所有像素值的最大值，L_max-all=255，得到整幅图像所有像素值 的平均值L_mean=153.64。 

（4.3）计算背光调光因子k_blu：将L_max-all和L_mean代入公式4，得到背光调光因子k_blu=0.88。液晶显示背光不做动态调光时，背光源亮度最高，此时k_blu=1。k_blu=0.88时，说明背光亮度降低了1-0.88=0.12，也就是背光能耗节省了12%。当背光能耗占整机能耗的60%时，采用本发明的调光技术显示图5（b）的图像时，整机预计节约12%×60%=7.2%的能耗。 

$\left\{\begin{array}{c}{k}_{\mathrm{BLU}}=(L_{\mathrm{mean}}+0.5*(L_{\mathrm{diff}}+\frac{{L_{\mathrm{diff}}}^2}{255}))/255\\ L_{\mathrm{diff}}=L_{\max -\mathrm{all}}-L_{\mathrm{mean}}\end{array}\right.---\left(4\right)$

5.S曲线计算模块107根据图像类别确定S曲线方程中的参数a： 

参数a决定了像素调整的幅度，对于高亮度高对比度的图像，如果调整过大（a多大）,将导致高亮度的像素出现饱和，引起细节失真，而对于低亮度高低比度的图像，如果调整过小（a过小），则会导致背光亮度较低的情况下图像整幅亮度过暗，出现人眼明显感知的失真，故对于不同类型的图像，选取不同的a值，如公式5所示： 

视频源输入的图5（b）的图像属于高亮度低对比度图像，a取0.021。 

6.S曲线计算模块107计算S曲线拐点亮度L_g，获得修正后的拐点亮度L_g′： 

（6.1）计算L₂₅和L₅₀：L₂₅是包括所有像素25%的像素亮度值，L₅₀是包括所有像素50%的像素亮度值： 

对于图5（b）的图像，包括所有像素25%的像素亮度值L₂₅=184，包括所有像素50%的像素亮度值L₅₀=213； 

（6.2）计算拐点亮度L_g：

对于图5（b）的图像，L_g=132.33； 

（6.3）计算修正后拐点亮度L_g′：

对于图5（b）的图 像，修正后拐点亮度L_g′=118.92； 

7.S曲线计算模块107生成S型曲线： 

S曲线方程如公式6所示。对于图5（b）的图像，S曲线计算模块107生成的S型曲线如图5（c）所示。 

$L_{\mathrm{out}}=\frac{255}{1+{\mathrm{Ae}}^{-\mathrm{ax}}}=\frac{255}{1+e^{a({l_g}^{\&prime;}-x)}}=\frac{255}{1+e^{0.021(118.92-x)}}---\left(6\right)$

8.LED脉宽调制模块110根据背光调光因子k_blu生成LED背光脉宽调制信号，送入LED驱动板201,整体改变LED光源板202的发光亮度； 

9.液晶像素补偿模块109根据S曲线调整每个像素红、绿、蓝子像素亮度，将调整后的信号通过液晶屏接口板203送入液晶屏204，使液晶屏显示根据S曲线调整后的图像： 

对于图5（b）的图像中i=791、j=637的像素，视频源输入的原始红、绿、蓝子像素的亮度值为(189,175,167)，经过S曲线调整后得到新的亮度值为(210,194,185)。对于图5(b)的图像中i=883、j=149的像素，视频源输入的原始红、绿、蓝子像素亮度值为(36,4,7)，经过S曲线调整后得到新的亮度值为(16,2,3)。可以看出，通过S曲线调整后，有些像素的亮度增加了，有些像素的亮度减少了，说明本发明的动态调光技术能有效提高静态对比度，从而提高显示效果。 

对每个像素的红、绿、蓝子像素的亮度值都进行调整后，得到基于S曲线补偿后的整幅图像，通过液晶屏接口板203送入液晶屏204，显示调光后的图像。 

请参阅图6的实施例2。 

实施例2将图像分为6类，即高亮度高对比度、中亮度高对比度、低亮度高对比度、高亮度低对比度、中亮度低对比度、低亮度低对比度。6类图像的分类阀值已经在实施例1中获得，可以重复在实施例2中使用。视频源输入为1920×1080的高清图像。实施例2的具体调光步骤请参阅图6（c）： 

1.确定图像分类的数量和阀值： 

根据设计要求及硬件资源确定图像类别分为6类，即高亮度高对比度、中亮度高对比度、低亮度高对比度、高亮度低对比度、中亮度低对比度、低亮度 低对比度。实施例1已经获得6类图像类别的分类阀值，可在实施例2中重复使用。分类阀值预先写入图像分类模块106。 

2.计算输入的整幅图像所有像素的亮度平均值L_avg和对比度CR： 

（2.1）视频信号送入解码模块101解码后，存储模块102记录输入图像每个像素的红、绿、蓝子像素亮度值，记为R_i,j、G_i,j、B_i,j，i=1～1920，j=1～1080。对于图6（a）的图像中i=135、j=74的像素，记录R、G、B的亮度值，分别为8、6、20; 

（2.2）整幅特征值计算模块103读取存储模块102的全部数据，计算每个像素的灰度值，记为L_i,j，L_i,j=0.3×R_i,j+0.6×G_i,j+0.1×B_i,j，对于图6（a）的图像中i=135、j=74的像素，L_135,74=0.3×8+0.6×6+0.1×20=8； 

（2.3）整幅特征值计算模块103计算整幅图像所有像素的亮度平均值，记为L_avg，对于图6（a）的图像， $L_{\mathrm{avg}}=\frac{\underset{i=1}{\overset{1920}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{1080}{\mathrm{\&Sigma;}}}{L}_{i,j}}{1920\&times;1080}=14.16;$

（2.4）图像分为48×90个区域。分区特征值计算模块104读取存储模块102中属于一个区域的像素红、绿、蓝子像素亮度值，计算每块中包含的像素的亮度平均值，记为L_block-avg。将图6（a）的图像分为48×90块，第1行、第1列的块（1,1）的亮度平均值 $L_{\mathrm{block}-\mathrm{avg}}\left(\mathrm{1,1}\right)=\frac{\underset{i=1}{\overset{40}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{12}{\mathrm{\&Sigma;}}}{L}_{i,j}}{40\&times;12}=8,$ 第46行、第66列的块（46,66）的亮度平均值 $L_{\mathrm{block}-\mathrm{avg}}\left(\mathrm{46,66}\right)=\frac{\underset{i=1841}{\overset{1880}{\mathrm{\&Sigma;}}}\underset{j=793}{\overset{804}{\mathrm{\&Sigma;}}}{L}_{i,j}}{40\&times;12}=128.52;$

（2.5）分区特征值计算模块104将所有块的亮度平均值送入对比度计算模块105，对比度计算模块105取所有块的亮度平均值中的最大值和最小值，分别记为L_max和L_min，对于图6（a）的图像，L_max=174.76，L_min=2.875； 

（2.6）对比度计算模块105对所有块中亮度最大值L_max做如下处理，得到修正后的亮度最大值L_max′：如果0≤L_max<8，则L_max′=0.4625×L_max+0.3；如果8≤L_max≤255，则L_max′=1.1984×L_max-5.592；对于图6（a）的图像所有块中亮度最大值为174.76，处理后的亮度最大值L_max′=203.84； 

（2.7）对比度计算模块105对所有块中亮度最小值L_min做如下处理，得到修正后的亮度最小值L_min′：如果0≤L_min<8，则L_min′=0.4625×L_min+0.3；如果8≤L_min≤255，则L_min′=1.1984×L_min-5.592；对于图6（a）的图像所有块中亮度最大值为3.019，处理后的亮度最小值L_min′=1.6297； 

（2.8）对比度计算模块105计算对比度CR，对于图5（b）的图像， 

$\mathrm{CR}=\frac{{L_{\max }}^{\&prime;}}{{L_{\min }}^{\&prime;}}=\frac{203.84}{1.6297}=125.08.$

3.图像分类模块106根据图像分类阀值、亮度平均值L_avg和对比度CR对输入图像进行分类：视频源输入的图6（a）的图像的平均亮度值L_avg=14.16，对比度CR=125.08，根据预先输入的图像分类阀值，该图像属于低亮度低对比度的图像。 

4.背光亮度计算模块108根据图像类别确定背光亮度计算公式中的参数k，计算背光调光因子k_blu： 

（1）根据公式1所示，对于图6（a）的低亮度图像，背光亮度计算公式中的参数k取0.3。 

（2）计算L_mean和L L_max-all：取每个像素所包含红、绿、蓝子像素中的最大值为该像素的亮度值，记为L_pixel（i,j），取所有L_pixel（i,j）的最大值，记为L_max-all，取所有L_pixel（i,j）的平均值，记为L_mean，i=1～1920，j=1～1080。根据公式2和公式3，对于图6（a）的图像中i=135、j=74的像素，记录红、绿、蓝子像素亮度值，分别为8、6、20，取最大值得到L_pixel（135，74）=20;进而得到整幅图像所有像素值的最大值，L_max-all=255，得到整幅图像所有像素值的平均值，L_mean=28.275。 

（3）将L_max-all和L_mean代入公式4，得到背光调光因子k_blu=0.615。为避免背光亮度过低带来的显示失真，实施例2限制背光亮度最低只能降低35%，也就是说k_blu最小值为0.65，如公式8所示。 

$k_{\mathrm{BLU}}=\left\{\begin{array}{c}\frac{L_{\mathrm{mean}}+0.5\&times;(L_{\mathrm{diff}}+\frac{{L_{\mathrm{diff}}}^2}{255})}{255},1\&GreaterEqual;k_{\mathrm{BLU}}\&GreaterEqual;0.65\\ L_{\mathrm{diff}}=L_{\max -\mathrm{all}}-L_{\mathrm{mean}}\\ 0.65,k_{\mathrm{BLU}}<0.65\end{array}\right.---\left(8\right)$

实施例2的背光调光因子k_blu=0.615。根据公式8，k_blu取0.65，也就是背光能耗节省了35%。当背光能耗占整机能耗的60%时，采用本发明的调光技术显示图6（a）的图像时，整机能节约35%×60%=21%的能耗。 

5.S曲线计算模块107根据图像类别确定S曲线方程中的参数a： 

根据公式5，视频源输入的图6（a）的图像属于低亮度低对比度图像，a取0.025。 

6.S曲线计算模块107计算S曲线拐点亮度L_g，获得修正后的拐点亮度L_g′： 

（6.1）计算L₂₅和L₅₀：L₂₅是包括所有像素25%的像素亮度值，L₅₀是包括所有像素50%的像素亮度值： 

对于图6（a）的图像，包括所有像素25%的像素亮度值L₂₅=18，包括所有像素50%的像素亮度值L₅₀=20； 

（6.2）计算拐点亮度L_g：

对于图6（a）的图像，L_g=12.667； 

（6.3）计算修正后拐点亮度L_g′：对于图6（a）的图像，修正后拐点亮度L_g′=83.726； 

7.S曲线计算模块107生成S型曲线： 

S曲线计算模块107根据公式6生成S曲线，如图6（b）所示。 

$L_{\mathrm{out}}=\frac{255}{1+{\mathrm{Ae}}^{-\mathrm{ax}}}=\frac{255}{1+e^{a({l_g}^{\&prime;}-x)}}=\frac{255}{1+e^{0.025(83.726-x)}}---\left(9\right)$

8.LED脉宽调制模块110根据背光调光因子k_blu生成LED背光脉宽调制信号，送入LED驱动板201,整体改变LED光源板202的发光亮度； 

9.液晶像素补偿模块109根据S曲线调整每个像素红、绿、蓝子像素亮度，将调整后的信号通过液晶屏接口板203送入液晶屏204，使液晶屏显示根据S曲线调整后的图像： 

如对于图6（a）的图像中i=135、j=74的像素，视频源输入的原始红、绿、蓝子像素亮度值为（8，6,20），经过S曲线调整后得到新的亮度值为(5,4,12)。对于图6（a）的图像中i=1461、j=585的像素，记录红、绿、蓝 子像素亮度值，分别为(69,31,176)，经过S曲线调整后得到新的亮度值为(91,41,234)。可以看出，通过S曲线调整后，有些像素的亮度增加了，有些像素的亮度减少了，说明本发明的动态调光技术能有效提高静态对比度，进而提高显示效果。 

对每个像素的红、绿、蓝子像素亮度值都进行调整后，得到基于S曲线补偿后的整幅图像，通过液晶屏接口板203送入液晶屏204，显示调光后的图像。 

对比实施例1和实施例2可以看出，实施例2的整体亮度小于实施例1，采用本发明的调光方法后，实施例2背光节能35%，明显高于实施例1的12%，说明动态调光技术的节能效果严重依赖于显示内容。 

请参阅图7的实施例3。 

实施例3将图像分为9类，即高亮度高对比度、中亮度高对比度、低亮度高对比度、高亮度中对比度、中亮度中对比度、低亮度中对比度、高亮度低对比度、中亮度低对比度、低亮度低对比度。视频源输入为1024×768的标清图像。具体调光步骤请参阅图7（c）： 

1.确定图像分类的数量和阀值： 

（1.1）根据设计要求及硬件资源确定图像类别数量：实施例3将图像分为9类，即高亮度高对比度、中亮度高对比度、低亮度高对比度、高亮度中对比度、中亮度中对比度、低亮度中对比度、高亮度低对比度、中亮度低对比度、低亮度低对比度； 

（1.2）组织10名视力正常的自然人观看100幅不同内容的图像，图像内容包括白天或夜晚的人物、动物、自然风光、街景、动画等。制作分类调查表，亮度分为高亮度、中亮度、低亮度，对比度分为高对比度、中对比度、低对比度，每幅图像播放10秒钟，观看者在10秒钟之内勾出显示图像属于的亮度类别和对比度类别； 

（1.3）统计观看图像的亮度和对比度。该步骤可在台式计算机或笔记本上完成。图7（a）是步骤（1.2）播放的100幅图像之一，以图7（a）为例说明具体计算步骤： 

（1.3.1）基于图像处理软件Matlab的程序记录输入图像每个像素的红、 绿、蓝子像素亮度值，记为R_i,j、G_i,j、B_i,j，i=1～1024，j=1～768。对于图7(a)中的图像的i=56,j=192的像素，记录R、G、B的亮度值，分别为0、0、0; 

（1.3.2）基于图像处理软件Matlab的程序计算每个像素的灰度值，记为L_i,j，L_i,j=0.3×R_i,j+0.6×G_i,j+0.1×B_i,j，如对于图7（a）的图像中i=56、j=192的像素，L_256,192=0.3×0+0.6×0+0.1×0=0； 

（1.3.3）基于图像处理软件Matlab的程序计算整幅图像所有像素的亮度平均值，记为L_avg，对于图7（a）的图像， $L_{\mathrm{avg}-\mathrm{fz}}=\frac{\underset{i=1}{\overset{1024}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{768}{\mathrm{\&Sigma;}}}{L}_{i,j}}{1024\&times;768}=29.203;$

（1.3.4）基于图像处理软件Matlab的程序将图像分为64×48个区域，读取属于一个区域的像素红、绿、蓝子像素亮度值，计算每块中包含的像素的亮度平均值，记为L_block-avg，如对于图7（a）的图像的第1行、第1列的块（1,1）， $L_{\mathrm{block}-\mathrm{avg}}\left(\mathrm{1,1}\right)=\frac{\underset{i=1}{\overset{16}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{16}{\mathrm{\&Sigma;}}}{L}_{i,j}}{16\&times;16}=0,$ 对于第9行、第16列的块（9,16）， $L_{\mathrm{block}-\mathrm{avg}}(9,16)=\frac{\underset{i=145}{\overset{160}{\mathrm{\&Sigma;}}}\underset{j=257}{\overset{272}{\mathrm{\&Sigma;}}}{L}_{i,j}}{16\&times;16}=20.57;$

（1.3.5）基于图像处理软件Matlab的程序获得所有块的亮度平均值中的最大值和最小值，分别记为L_max和L_min，对于图7（a）的图像，L_max=254.5，L_min=0； 

（1.3.6）基于图像处理软件Matlab的程序对所有块中亮度最大值L_max做如下处理，得到修正后的亮度最大值L_max′：如果0≤L_max<8，则L_max′=0.4625×L_max+0.3；如果8≤L_max≤255，则L_max′=1.1984×L_max-5.592；对于图7（a）的图像，所有块中亮度最大值为254.5，处理后的亮度最大值L_max′=299.40； 

（1.3.7）基于图像处理软件Matlab的程序对所有块中亮度最小值L_min做如下处理，得到修正后的亮度最小值L_min′：如果0≤L_min<8，则L_min′=0.4625×L_min+0.3；如果8≤L_min≤255，则L_min′=1.1984×L_min-5.592；对于图7（a）的图像，所有块中亮度最小值为0，处理后的亮度最小值L_min′=0.3； 

（1.3.8）基于图像处理软件Matlab的程序计算对比度CR，对于图7（a）的图像， ${\mathrm{CR}}_{\mathrm{fz}}=\frac{{L_{\max }}^{\&prime;}}{{L_{\min }}^{\&prime;}}=\frac{299.40}{0.3}=998.$

（1.4）对100幅图像重复步骤（1.3），获得每幅图像的亮度和对比度，确定不同类别图像的亮度和对比度阀值：统计步骤（1.2）中属于同一类别的图像的亮度和对比度，以每种类别中图像亮度和对比度的最大值与最小值作为该类图像的上下阀值，如对于100幅图像，通过步骤（1.2）的调查统计得到9幅图像属于低亮度、中对比度，经步骤（1.2）计算这9幅图像的平均亮度分布在0～60之间、对比度分布在400～700之间，由此确定低亮度中对比度的图像分类阀值为图像亮度处于0和60之间、对比度处于400到700之间。由此获得9类图像的分类阀值，如下所示： 

2.计算输入的整幅图像所有像素的亮度平均值L_avg和对比度CR： 

（2.1）视频信号送入解码模块101解码后，存储模块102记录输入图像每个像素的红、绿、蓝子像素亮度值，记为R_i,j、G_i,j、B_i,j，i=1～1024，j=1～768。如对于图7（b）中的图像的i=401、j=204的像素，记录红、绿、蓝子像素亮度值，分别为194、57、15; 

（2.2）整幅特征值计算模块103读取存储模块102的全部数据，计算每个像素的灰度值，记为L_i,j，L_i,j=0.3×R_i,j+0.6×G_i,j+0.1×B_i,j，如对于图7（b）的图像中i=401、j=204的像素，L_401,204=0.3×194+0.6×57+0.1×15=93.9； 

（2.3）整幅特征值计算模块103计算整幅图像所有像素的亮度平均值，记 为L_avg，对于图7（b）的图像， $L_{\mathrm{avg}}=\frac{\underset{i=1}{\overset{1024}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{768}{\mathrm{\&Sigma;}}}{L}_{i,j}}{1024\&times;768}=100.95;$

（2.4）分区特征值计算模块104将图像分为64×48个区域。分区特征值计算模块104读取存储模块102中属于一个区域的像素红、绿、蓝子像素亮度值，计算每块中包含的像素的亮度平均值，记为L_block-avg。将图7（b）的图像分为48×64块，第9行、第42列的块（9,42），  $L_{\mathrm{block}-\mathrm{avg}}\left(\mathrm{9,42}\right)=\frac{\underset{i=145}{\overset{160}{\mathrm{\&Sigma;}}}\underset{j=673}{\overset{688}{\mathrm{\&Sigma;}}}{L}_{i,j}}{16\&times;16}=238.49,$ 对于第18行、第46列的块（18,46），  $L_{\mathrm{block}-\mathrm{avg}}\left(\mathrm{18,46}\right)=\frac{\underset{i=289}{\overset{304}{\mathrm{\&Sigma;}}}\underset{j=737}{\overset{752}{\mathrm{\&Sigma;}}}{L}_{i,j}}{16\&times;16}=182.31;$

（2.5）分区特征值计算模块104将所有块的亮度平均值送入对比度计算模块，对比度计算模块105取所有块的亮度平均值中的最大值和最小值，分别记为L_max和L_min，对于图7（b）的图像，L_max=253.89，L_min=0.426； 

（2.6）对比度计算模块105对所有块中亮度最大值L_max做如下处理，得到修正后的亮度最大值L_max′：如果0≤L_max<8，则L_max′=0.4625×L_max+0.3；如果8≤L_max≤255，则L_max′=1.1984×L_max-5.592；对于图7（b）的图像，所有块中亮度最大值为253.89，处理后的亮度最大值L_max′=298.67； 

（2.7）对比度计算模块105对所有块中亮度最小值L_min做如下处理，得到修正后的亮度最小值L_min′：如果0≤L_min<8，则L_min′=0.4625×L_min+0.3；如果8≤L_min≤255，则L_min′=1.1984×L_min-5.592；对于图7（b）的图像，所有块中亮度最小值为0.426，处理后的亮度最小值L_min′=0.497； 

（2.8）对比度计算模块105计算对比度CR，对于图7（b）的图像， 

$\mathrm{CR}=\frac{{L_{\max }}^{\&prime;}}{{l_{\min }}^{\&prime;}}=\frac{298.67}{0.497}=600.95.$

3.图像分类模块106根据图像分类阀值、亮度平均值L_avg和对比度CR对输入图像进行分类：视频源输入的图7（b）的图像的平均亮度值L_avg=100.95，对比度CR=600.95，根据步骤1得到的图像分类阀值，该图像属于中亮度中对比 度的图像。 

4.背光亮度计算模块108根据图像类别确定背光亮度计算公式中的参数k，计算背光调光因子k_blu： 

（4.1）视频源输入的图7（b）的图像属于中亮度图像，根据公式1，k取0.4； 

（4.2）计算L_mean和L L_max-all： 

根据公式2和公式3，对于图7（b）的图像中i=791、j=637的像素，红、绿、蓝子像素的亮度值分别为73、101、1，取最大值得到L_pixel（791，637）=101，进而得到整幅图像所有像素值的最大值，L_max-all=255，得到整幅图像所有像素最大值的平均值，L_mean=113.16； 

（4.3）将L_max-all和L_mean代入公式4，得到背光调光因子k_blu=0.79，说明背光亮度降低了1-0.79=0.21，也就是背光能耗节省了21%。当背光能耗占整机能耗的60%时，采用本发明的调光技术显示图5（b）的图像时，整机能节约21%×60%=13.2%的能耗。 

5.S曲线计算模块107根据图像类别确定S曲线方程中的参数a： 

当图像分为9类时，a的取值如下式所示： 

视频源输入的图7（b）的图像属于中亮度中对比度图像，a取0.020。 

6.S曲线计算模块107计算S曲线拐点亮度L_g，获得修正后的拐点亮度L_g′： 

（6.1）计算L₂₅和L₅₀：L₂₅是包括所有像素25%的像素亮度值，L₅₀是包括所有像素50%的像素亮度值： 

对于图7（b）的图像，包括所有像素25%的像素亮度值L₂₅=61，包括所有像素50%的像素亮度值L₅₀=115； 

（6.2）计算拐点亮度L_g：

对于图7（b）的图像，L_g=58.67； 

（6.3）计算修正后拐点亮度L_g′：

对于图7（b）的图像，修正后拐点亮度L_g′=97.254； 

7.S曲线计算模块107生成S型曲线： 

S曲线计算模块107根据公式6生成S曲线，如图7（c）所示。 

$L_{\mathrm{out}}=\frac{255}{1+{\mathrm{Ae}}^{-\mathrm{ax}}}=\frac{255}{1+e^{a({l_g}^{\&prime;}-x)}}=\frac{255}{1+e^{0.02(97.254-x)}}---\left(12\right)$

8.LED脉宽调制模块110根据背光调光因子k_blu生成LED背光脉宽调制信号，送入LED驱动板201,整体改变LED光源板202的发光亮度； 

9.液晶像素补偿模块109根据S曲线调整每个像素亮度，将调整后的信号通过液晶屏接口板203送入液晶屏204，使液晶屏显示根据S曲线调整后的图像： 

如对于图7（b）的图像中i=791、j=637的像素，视频源输入的原始红、绿、蓝子像素亮度值为(73,101,1)，根据S曲线调整后得到新的亮度值为(76,105,1)。如对于图7（b）的图像中i=883、j=149的像素，视频源输入的原始红、绿、蓝子像素亮度值为(10,16,6)，根据S曲线调整后得到新的亮度值为(8,12,5)。可以看出，通过S曲线调整后，有些像素的亮度增加了，有些像素的亮度减少了，说明本发明的动态调光技术能有效提高静态对比度，进而提高显示效果。 

对每个像素的红、绿、蓝子像素亮度值都进行调整后，得到基于S曲线补偿后的整幅图像，通过液晶屏接口板203送入液晶屏204，显示调光后的图像。 

Claims (3)

1.一种基于图像分类的液晶显示背光全局调光方法，其特征在于： 

(1)确定图像分类的数量和阀值； 

(1.1)根据设计要求及硬件资源确定图像类别数量； 

(1.2)组织两名以上视力正常的自然人观看四十幅以上的图像，根据主观感受填写分类调查表，勾出所放图像属于的亮度类别和对比度类别，并根据调查结果将图像分入不同类别； 

(1.3)计算观看图像的亮度和对比度，具体操作步骤如下： 

(1.3.1)记录输入图像每个像素的红、绿、蓝子像素亮度值，分别记为R_i,j、G_i,j、B_i,j，i=1～M，j=1～N，M×N是图像的分辨率；根据图像格式，M可以为1024或1920，N可以为768或1080； 

(1.3.2)计算每个像素的灰度值，记为L_i,j，L_i,j=0.3R_i,j+0.6G_i,j+0.1B_i,j； 

(1.3.3)计算整幅图像所有像素的亮度平均值，记为L_avg-fz， 

(1.3.4)图像分成P×Q块，其中P和Q不小于2，计算每块中包含的像素的亮度平均值，记为L_block-avg； 

(1.3.5)取所有块的亮度平均值L_block-avg中的最大值和最小值，分别记为L_max和L_min，L_max=max(L_block-avg)，L_min=min(L_block-avg)； 

(1.3.6)对所有块的亮度平均值L_block-avg中的最大值L_max做如下处理，得到修正后的最大值L_max′：如果0≤L_max<8，则L_max′=0.4625×L_max+0.3；如果8≤L_max≤255，则L_max′=1.1984×L_max-5.592； 

(1.3.7)对所有块的亮度平均值L_block-avg中的最小值L_min做如下处理，得到修正后的最小值L_mim′：如果0≤L_min<8，则L_min′=0.4625×L_min+0.3；如果8≤L_min≤255，则L_min′=1.1984×L_min-5.592； 

(1.3.8)计算对比度CR_fz，

(1.4)结合步骤(1.2)的调查结果和步骤(1.3)的计算结果，确定不同类别图像的亮度和对比度分类阀值； 

(2)计算输入的整幅图像所有像素的亮度平均值L_avg和对比度CR，具体操作步 骤同步骤(1.3)； 

(3)根据图像分类阀值、亮度平均值L_avg和对比度CR对输入图像进行分类； 

(4)根据图像类别确定背光亮度计算公式中的参数k，计算背光调光因子k_blu； 

(4.1)根据图像类别确定参数k：k在0.2～0.6之间； 

(4.2)计算L_mean和L_max-all：取每个像素所包含红、绿、蓝三个子像素中的最大值为该像素的亮度值，记为L_pixel(i,j)，取所有L_pixel(i,j)的最大值，记为L_max-all，L_max-all＝max(L_pixel(i,j))，取所有L_pixel(i,j)的平均值，记为L_mean，

i=1～M，j=1～N，M×N是图像的分辨率；根据图 

像格式，M可以为1024或1920，N可以为768或1080； 

(4.3)计算背光调光因子k_blu，

(5)根据图像类别确定S曲线方程中的参数a：a在0.011～0.029之间； 

(6)计算S曲线拐点亮度L_g，获得修正后的拐点亮度L_g′； 

(6.1)计算L₂₅和L₅₀:L₂₅是包括所有像素25%的像素亮度值，L₅₀是包括所有像素50%的像素亮度值； 

(6.2)计算拐点亮度L_g:

(6.3)计算修正后拐点亮度L_g′：

(7)生成S型曲线； 

将a和L_g′代入得到S曲线； 

(8)根据背光调光因子k_blu生成LED背光脉宽调制信号，送入LED驱动板,整体改变LED光源板的发光亮度； 

(9)根据S曲线调整每个像素红、绿、蓝子像素的亮度，将调整后的信号通过液晶屏接口板送入液晶控制板，使液晶屏显示根据S曲线调整后的图像。 

2.根据权利要求1所述的一种基于图像分类的液晶显示背光全局调光方法，其特征在于：步骤(1.2)中的四十幅以上的图像为不同内容的图像，所述不同内容的图像是指包含白天或夜晚的人物、动物、自然风光、街景、动画等不同亮度和对比度的图像。 

3.根据权利要求1所述的一种基于图像分类的液晶显示背光全局调光方法，其特征在于：上述步骤(1.1)～步骤(1.4)可预先完成，获得分类阀值后直接写入电路开发程序，不占用实时处理时间。 

Images