[发明专利]一种灯点图像二值化方法、装置及LED显示屏校正方法

说明书

本发明涉及LED显示屏校正领域，尤其涉及一种灯点图像二值化方法、装置及LED显示屏校正方法，包括获取灯点图像，根据预设的目标区域确定策略，从灯点图像中确定目标区域；根据预设的概率密度函数模型以及目标区域中各个像素点的灰度值，得到目标区域的概率密度分布统计数据；根据预设的阈值确定策略以及概率密度分布统计数据，确定灯点二值化阈值；根据灯点二值化阈值对所述灯点图像进行图像二值化处理。本发明提供的方法、装置，能够精确的将灯点像素与灯点间像素区分，提高灯点图像二值化处理效果，进而提高LED显示屏校正在亮色度校正上的校正效果和校正效率。

技术领域

本发明涉及LED显示屏的校正领域，尤其涉及一种灯点图像二值化方法、装置及LED显示屏校正方法。

背景技术

现有对LED显示屏中的灯点进行标记、提取是基于大津法实现，大津法主要是用一个灰度值阈值(灯点二值化阈值)将相机拍摄的灯点图像中的像素分为两类，灰度值低于该阈值的为背景像素，大于该阈值的为前景像素，但现有技术存在的问题为大津法对图像噪声比较敏感，所以只能针对单一目标进行分割处理，因此当背景大小比例(面积)悬殊、类间方差函数可能呈现双峰或者多峰时，灯点图像二值化效果较差，同时由于灯点图像中往往有多个灯点，背景像素多于前景像素，并且灯点像素(前景像素)与背景像素存在很多过渡像素，此时使用大津法进行二值化后，经常会出现灰度值阈值过大(过大会造成二值化处理之后提取的灯点区域过小或者部分灯点未标出，如图1所示)或过小(过小会造成相邻灯点相连成为一个灯点如图2所示)的情况。因此本领域技术人员亟需寻找一种新的技术方案来解决上述存在的问题。

发明内容

针对上述问题，本发明提供一种灯点图像二值化方法、装置及LED显示屏校正方法，方法包括：

获取灯点图像，根据预设的目标区域确定策略，从灯点图像中确定由灯点像素以及灯点间像素组成的目标区域；

根据预设的概率密度函数模型以及目标区域中各个像素点的灰度值，得到目标区域的灰度值的概率密度分布统计数据；

根据预设的阈值确定策略以及概率密度分布统计数据，确定灯点二值化阈值；

根据灯点二值化阈值对灯点图像进行图像二值化处理。

进一步的，预设的目标区域确定策略包括：

将灯点图像等分为3×3个待选区域；

将位于灯点图像中间位置的待选区域作为目标区域。

进一步的，方法还包括：

根据预设的概率密度函数模型评估策略对多个概率密度函数模型进行评估，分别获得每个概率密度函数模型的拟合误差；

将拟合误差最小的概率密度函数模型作为预设的概率密度函数模型；

其中，概率密度函数模型包括Rayleigh分布模型、Log-normal分布模型、Weibull分布模型以及K分布模型。

进一步的，根据预设的概率密度函数模型评估策略对多个概率密度函数模型进行评估，分别获得每个概率密度函数模型的拟合误差包括：

获取样本灯点图像，根据目标区域确定策略，从样本灯点图像中确定由灯点像素以及灯点间像素组成的目标区域；

获取样本灯点图像目标区域的灰度直方图，灰度直方图用于表示每个灰度值在样本灯点图像目标区域中对应的像素数；

根据灰度直方图，获取在样本灯点图像目标区域中，每个灰度值对应的频率值；

分别根据每个概率密度函数模型对应的概率密度函数，计算在样本灯点图像目标区域中，每个灰度值在每个概率密度函数模型下对应的概率密度分布值；