一种低功耗反射屏色彩增强方法

专利主权项内容

1.一种低功耗反射屏色彩增强方法，其特征在于，所述方法包括：获取屏幕显示内容, 提取视觉特征，判断内容所属学科类别；若判断为关键学科, 将图像色彩空间从sRGB转换为AdobeRGB, 映射源色彩空间到扩大目标色彩空间, 增大色域范围，使用gamma曲线调整算法, 对各颜色通道逐点调整映射关系, 提高颜色还原精度；对判断为非关键学科内容, 运行基于量化的参数化缩减色彩空间算法, 通过量化参数调整将源色彩空间高精度样本映射到低精度目标空间, 降低色域范围；简化颜色映射曲线, 减少映射计算量, 降低控制电路功耗；记录不同色域模式与帧率配置下的功耗数据，根据历史统计的色域模式构建功耗预测模型, 监测当前色域模式, 预测实时功耗；当预测功耗超过预设功耗值时, 压缩非关键区域色域, 关键区域降低到最小帧率；当功耗恢复正常时, 逆向恢复非关键色域配置与关键区域帧率配置；构建颜色调节模型，使用光电二极管获取环境光变化, 将环境光变化映射为色温参数, 根据环境色温变化生成最佳色域范围；其中，所述获取屏幕显示内容, 提取视觉特征，判断内容所属学科类别，包括 : 根据屏幕捕获工具或接口的功能，获取当前屏幕上显示的内容，包括静态图像或连续视频流，得到原始图像数据；对捕获的图像进行预处理，包括调整图像大小、裁剪边缘和去噪，得到经过优化处理的图像数据；获取预处理后的图像数据，使用颜色直方图和颜色分布评估，得到图像的颜色特征数据；对图像使用canny算法进行边缘检测和使用灰度共生矩阵进行纹理分析，得到图像的纹理形状特征数据；根据得到的所述颜色特征数据和所述纹理形状特征数据，构建学科分类数据集，所述数据集包含各个学科的代表性图像，并标记有相应类别；将对色域范围存在要求的学科判断为关键学科，包括地理、生物、化学和物理，对色域范围不存在要求的学科为非关键学科，包括语文、数学、政治、英语和历史；将学科分类数据集分为训练集和验证集，使用支持向量机构建学科分类模型，将训练集输入学科分类模型进行训练，输入为颜色特征数据和纹理形状特征数据，输出为图像所属的学科类别；使用验证集验证学科分类模型的准确性，并调整学科分类模型参数；其中，所述若判断为关键学科, 将图像色彩空间从sRGB转换为AdobeRGB, 映射源色彩空间到扩大目标色彩空间, 增大色域范围，使用gamma曲线调整算法, 对各颜色通道逐点调整映射关系, 提高颜色还原精度，包括 : 获取图像数据和图像数据的学科分类以及学科是否为关键学科，对源色彩空间进行处理，将图像RGB色彩空间从sRGB转换到AdobeRGB，映射源色彩空间到目标色彩空间，得到色域扩展后的图像数据；对色域扩展后的图像数据使用Gamma曲线调整算法进行处理，对每个颜色通道逐点调整其映射关系，得到颜色还原精度提高的图像数据；对经过Gamma曲线调整的图像数据进行颜色合规性检查，比较图像中的颜色与地理或生物学科标准颜色的差异，确定图像中的颜色显示是否符合地理或生物学科的要求；对比色调、饱和度和亮度颜色数据，确保图像中的颜色与实际观察到的自然景象或生物标本的颜色相匹配；若颜色数据匹配度低于预设匹配度，对图像数据进行颜色调整，微调Gamma曲线参数，或使用色彩平衡或对比度调整；对颜色调整后的图像再次进行颜色合规性检查，直到确保图像中的颜色与实际观察到的自然景象或生物标本的颜色相匹配；还包括：获取地理图像构建地理图像样本库，建立地理图像色彩映射模型，针对不同景观色调进行色域优化；所述获取地理图像构建地理图像样本库，建立地理图像色彩映射模型，针对不同景观色调进行色域优化，具体包括：获取不同地貌类型的地理图像，包括沙漠、森林、海洋图像，代表不同的色调和环境，得到一个覆盖各种地理景观的地理图像样本库；使用支持向量机构建一个地理图像色彩映射模型，识别不同地貌类型的色彩特性，通过对地理图像样本库中的图像进行分析，根据不同景观色调对图片进行色域优化，输出映射不同地理景观色彩；获取待处理的地理图像数据，并使用训练好的地理图像色彩映射模型对其进行处理，根据图像中景观的类型调整色域和色彩平衡，提高颜色的真实性和视觉效果，获得色域优化后的地理图像；对优化后的图像进行视觉效果评估，确认其色彩还原的准确性和自然度；其中，所述简化颜色映射曲线, 减少映射计算量, 降低控制电路功耗，包括 : 根据RGB三通道的颜色映射曲线模型，获取曲线在输入和输出端的对应关系，若当前映射属于高阶映射转换，进行简化处理；分析映射曲线的采样分布，若发现区域的采样点密度高于预设密度，且存在过渡段，判断区域的采样为冗余；获取在高亮度和高饱和度区域对应的曲线端点，对冗余的采样点，减少过渡段的采样数量，通过直接连通曲线端点采样，使用分段线性函数替代原映射曲线，对图像的高光和暗部区域进行监测，控制线性化处理导致的失真；根据显示面板的响应曲线参数，调节线性映射函数的斜率，提高映射曲线在显示面板上的复现精度，降低色差；对不同程度的曲线简化操作进行色彩误差测试，确定容错上限；获取不同映射曲线运算复杂度对应的显示驱动功率消耗，根据数据使用线性回归建立一个映射计算复杂度与电路功耗之间的关系模型，在给定的电路结构约束下，预测最佳映射曲线运算复杂度；根据动态与静态图像不同类型的显示内容调整映射曲线的计算鲁棒性，动态内容，增加采样计算，静态图像内容，降低采样计算；评估不同程度曲线简化对图像质量和稳定性的影响，在控制质量损失的前提下，最大化降低计算复杂度；确定最终的RGB通道颜色映射模型，将采样点集中在关键端点，简化过渡段采样，以减少电路的运算量和功耗，关键端点即对应颜色的极值点，包括最亮和最暗点；其中，所述当预测功耗超过预设功耗值时, 压缩非关键区域色域, 关键区域降低到最小帧率，包括 : 加载当前的显示内容，并使用canny算子对图像进行分割，将图像拆分为关键区域和非关键区域；对所有像素进行分类，建立区域索引表，标注每个像素所属的类别，即关键区域或非关键区域；根据功耗预测模型获取实时功耗监测值，并判断当前的功耗是否超过预设功耗值；若当前功耗超过预设功耗值，计算非关键区域的颜色直方图分布特性，并使用JPEG对非关键区域压缩色域，同时将显示面板关键区域的帧率降低到最小值，降低负载；评估区域压缩效果及总体图像质量，若质量低于预设质量，则降低压缩倍率，提高视觉体验；还包括：根据色彩和纹理特征，区分显示内容的关键区域和非关键区域；所述根据色彩和纹理特征，区分显示内容的关键区域和非关键区域，具体包括：加载需要处理的显示内容，准备进行色彩和纹理特征的提取；使用色彩直方图分析方法提取图像的色彩特征，包括主要和次要颜色的分布；使用Gabor滤波器提取图像的纹理特征，识别图像中的模式和结构；基于提取的色彩和纹理特征，使用k-means聚类将图像划分为多个区域；使用支持向量机建立区域区分模型，输入分割后区域的色彩和纹理特征，判断区域为关键区域或非关键区域；计算区域内像素的平均色彩饱和度、色彩对比度，使用灰度共生矩阵获取区域内纹理的均匀性、方向性；若区域内饱和度高于预设饱和度，对比度高于预设对比度，则为关键区域；若区域内纹理不均匀度高于预设不均匀度，纹理方向性多于预设方向性为关键区域；对区分结果进行验证，输出处理后的图像，图像标识出关键区域和非关键区域。