[发明专利]一种高效的OLED屏Gamma校正方法及系统

说明书

本发明公开了一种快速进行Gamma校正的方法与系统，可以根据待调试模组的光学信息，采用机器学习算法，从数据库中快速匹配出其调试数据，从而大大降低Gamma校正所需时间，其主要包含以下几个部分：前期数据收集、建立数据库、采集待调试模组的光学信息、根据待调试模组的光学信息，从数据库中已有数据进行匹配，输出相应调试data，写入驱动IC寄存器。

技术领域

本发明公开了一种曲面屏边缘亮度和色度补偿方法和系统，属于图像处理领域。

背景技术

Gamma曲线用以反映图像输入灰度信息与实际显示的亮度之间的非线性关系。而灰度电压与OLED的发光亮度具有一定的对应关系，因此通过调节不同输入灰度对应的灰度电压，实现目标亮度-灰度曲线输出，即Gamma曲线。

灰度电压与OLED发光亮度正相关，在显示模组实际生产过程中，Gamma校正的过程也即是改变这两者对应关系的过程。其中，灰度电压通过改变屏幕驱动芯片相关寄存器设定实现。对于8bit灰度信息输入，共计产生256级灰度(0～255)。驱动芯片内部会设置一定数量的灰度绑点，来记录该灰度绑点需要输出的电压信息。假设绑点数目为33，则RGB三色总计绑点数99。由于制程的波动，每片模组灰度与电压的对应关系不同。传统的Gamma校正，需要逐一向绑点寄存器内写值，然后采用色彩分析仪采集对应的亮度色度信息，通过软件算法，判定亮度色度信息是否合规，若不合规则需要算法运算后重新向寄存器内写值。在此过程中，写值、屏幕亮度切换、色彩分析仪测试、算法运算均需要时间，整个Gamma校正过程中，需要对所有绑点完成该过程，整个过程耗费大量时间。

发明内容

本发明提出了一种与传统Gamma校正方法不同的思路：每片模组灰度与电压的对应关系不同，这与每片模组自身特性相关，诸如OLED发光效率，线路阻抗等，而这些特性最终会影响屏幕显示的光学特性。因此，通过采集显示模组点亮后的光学信息，并从已有数据库中，匹配出与该待调试模组光学信息相近的模组，则可以推断二者特性相仿，因此可以共用一组Gamma设定。这种方法跳过了繁琐的逐绑点调试过程，因而可以大大提升Gamma校正的效率。

一种高效的OLED屏Gamma校正方法，包括以下步骤：

步骤一，前期数据收集，采集显示模组光学数据，并采用传统方法对显示模组作Gamma校正，记录调试data；

步骤二，对采集到的光学数据以及调试data进行数据分析，采用机器学习算法，建立数据模型库；

步骤三，采集待调试模组的光学信息；

步骤四，根据待调试模组的光学信息，从数据库中已有光学数据进行匹配，输出相应调试data，写入驱动IC寄存器。

进一步地，所述步骤一中，采用色彩分析仪，对一定数量的显示模组进行光学数据收集，其中光学数据包含但不限于以下13种光学数据：

(1)白光亮度色标L_W,CIEx_W,CIEy_W；

(2)单色亮度/色标

L_R,L_G,L_B,CIEx_R,CIEy_R,CIEx_G,CIEy_G,CIEx_B，CIEy_B；

(3)色温T。