[发明专利]一种伽马值学习方法、装置及存储介质

说明书

本发明涉及一种伽马值学习方法、装置及存储介质，其中，所述方法包括：根据设置的灰度等级，建立各级灰度值的灰度特征值；选择初始的伽马值，得到初始校正的灰阶数据，并结合设置的目标灰度值，发送给LED显示屏进行显示；获取显示画面，提取灰度特征值的观测值，当判断其与灰度特征值之间的差异大于预设差异阈值时，根据预设策略，调整伽马值，进行迭代，直至差异符合预期，再将当前的伽马值，作为当前灰度值对应的伽马值。本申请方案，在光学层面进行学习，可以有效保障所有级数的灰度值，在经过伽马校正之后，均可以实现相同的、预期的灰度显示效果，有效的提升了LED显示屏的观感；还可以大规模使用；无需人工参与，效率高。

技术领域

本发明涉及LED显示屏领域，特别是涉及一种伽马值学习方法、装置及存储介质。

背景技术

LED显示屏具有色彩鲜艳、亮度高、寿命长、节能等优点，因而被广泛的使用，人们对LED显示屏的显示效果的要求也越来越高。影响LED显示屏的灰度显示效果的因素有很多，除了驱动IC的控制、驱动电流大小的精度控制、亮度/色度的校正精度、扫描控制时序、LED灯珠的光电转换效率等以外，很大的一个因素是伽马校正(Gamma)的准确度。

伽马校正，是为了匹配人眼对光的非线性的感知特性，一般可以采用如下公式来进行。其中，I_in为输入的灰度数据，I_out为经过伽马校正后输出的灰度数据，γ为校正使用的伽马值(也称为Gamma值)，C为常数。

现有技术中，通常使用一条固定的经验曲线，比如γ取值2.2的Gamma曲线，来对LED显示屏进行伽马校正。然而，受到LED显示屏中LED灯珠个体体质等种种因素的影响，尤其是不同LED灯珠在光电转换效率方面的差异，现在使用选定的Gamma曲线进行伽马校正之后，经常会得不到想要的灰度显示效果。同样的Gamma曲线在应用到不同的LED显示屏上，会带来不同的灰度显示效果。这一问题，尤其存在于使用不同批次的LED灯珠的LED显示屏。

现有技术中，为了保障显示效果，也有用户会根据工程经验，来手动调整不同灰度值下的Gamma值，每次手动调整出来的Gamma值无法大规模使用——不同的LED显示屏，需要进行不同的手动调节，调节的工作量非常大。

发明内容

基于此，有必要针对现有LED显示屏采用根据经验确定的伽马值，不能得到想要的灰度显示效果的问题，提供一种伽马值学习方法、装置及存储介质。

本申请一实施例提供了一种伽马值学习方法，用于确定LED显示屏在伽马校正时使用的伽马值，包括：

根据设置的灰度等级，建立各级灰度值的灰度特征值；所述灰度特征值为显示对应灰度值时的光学特征期望值；

选择初始的伽马值，对测试画面数据进行伽马校正，得到初始校正的灰阶数据，作为工作使用的灰阶数据；

设置目标灰度值，将目标灰度值以及工作使用的灰阶数据，发送给LED显示屏进行显示；

获取显示画面，提取灰度特征值的观测值；所述灰度特征观测值为显示目标灰度值时的光学特征实际值；

计算灰度特征观测值与目标灰度值的灰度特征值之间的灰度特征差异值，判断灰度特征差异值是否大于预设差异阈值；

如果判断结果为是，则根据预设策略，调整伽马值，对测试画面数据进行再次伽马校正，得到迭代使用的灰阶数据，并发送给LED显示屏进行显示；

如果判断结果为否，则将当前灰阶数据对应的伽马值，作为当前目标灰度值对应的伽马值；

判断是否所有灰度值均存在对应的伽马值；如果为否，则重新设定目标灰度值，将目标灰度值以及工作使用的灰阶数据，发送给LED显示屏进行显示；如果为是，则汇总所有灰度值及其对应的伽马值。