[发明专利]一种基于卡尔曼滤波的模组Gamma校正方法

说明书

本发明公开了一种基于卡尔曼滤波的模组Gamma校正方法，其利用随机抽取同一型号的M块模组样本确定该型号模组的调制参数，利用随机抽取所述型号的N块模组样本确定待调制模组的调制初始值样本，将预设的寄存器值写入N块模组样本的对应所述灰阶的寄存器和写入待调制模组对应所述灰阶的寄存器，比较所述灰阶下待调制模组的色坐标以及亮度测量值与N块模组样本的色坐标以及亮度以确定与待调制模组对应的最佳匹配模组，将所述灰阶下最佳匹配模组的寄存器调制值作为待调制模组对应所述灰阶寄存器的调制初始值，利用该型号模组的调制参数对待调制模组对应所述灰阶的寄存器值进行Gamma校正，从而实现对模组进行快速的Gamma校正。

技术领域

本发明属于模组测试领域，具体涉及一种基于卡尔曼滤波的模组Gamma校正方法。

背景技术

有机发光二极管(Organic Light-Emitting Diode，OLED)又称有机电激发光显示或有机发光半导体，与薄膜晶体管液晶显示器为不同类型的产品，OLED具有自发光性、广视角、高对比、低耗电、高反应速率、全彩化及制程简单等优点，有机发光二极管显示器可分单色、多彩及全彩等种类。Gamma校正是普遍应用在摄影技术、视频图像和计算机图形学中的一种技术。Gamma校正补偿了不同输出设备存在的颜色显示差异，从而使图像在不同的监视器上呈现出相同的效果。由于OLED模组的红绿蓝三色电光特性不一致，表现为各个灰阶的颜色差异较大，需要校正各个灰阶的颜色。尤其暗场的灰阶误差非常明显，无法通过白平衡调节来清除各灰阶的颜色误差。只有各灰阶的颜色一致后，方能通过亮暗场的白平衡调节，将色温调节到要求的色温。另一方面OLED模组的亮度比较高，为了OLED模组的透亮度，更好地表现颜色，需要对OLED模组的亮度进行非线性校正。这些，都需要通过对OLED模组的进行Gamma校正来完成。校正Gamma曲线后，可以实现如下目的：暗场灰阶的颜色明显改善，各灰阶的颜色误差明显减少，暗场颜色细节分明，图像亮度颜色一致，透亮度好，对比明显。

Gamma表示的是表征灰度的电信号与光学亮度之间的非线性，这种非线性通常由器件本征的光电特性决定。在生产制造中，由于工艺的偏差以及所使用的材料不同，驱动OLED器件的Gamma电压曲线有所不同。这些不同主要表现在输入相同的寄存器值(也可以理解成给模组相同的电压)，模组显示的色坐标以及亮度差异较大。图1为现有技术中Gamma校正的示意图。如图1所示，取20块OLED模组样本，分别给这20块OLED模组的W255灰阶输入相同的寄存器值，利用CA-310采集数据，得到20组x、y和lv校正值(其中，x、y是分别为OLED模组样本的两个色坐标，lv是OLED模组样本的亮度)，从图中可以发现，20组OLED模组样本的x、y和lv校正值完全不一致。

现有技术中Gamma校正方法主要有两种，一种为逐步逼近算法，其根据寄存器值对色坐标以及亮度的影响规律，R寄存器值主要影响色坐标x，对亮度有一定影响，G寄存器值主要影响色坐标y，对亮度影响很明显，B寄存器值对色坐标xy都有影响，对亮度影响不明显，利用这个规律，按照需要改变寄存器值，同时适当控制步长，从而达到调节到目标值的目的，如何获取准确的Gamma校正的初始值且获取初始值后如何使得逐步逼近算法快速的逼近目标值一直是其校正的难点，如果不能获取准确的Gamma校正初始值，则会导致Gamma校正时间过长；另一种为BP算法，其采集几块模组的数据，这个数据主要包括寄存器值以及相应的色坐标xy和亮度lv，将这些数据训练成模型，利用模型去自动预测，以达到调节到目标值得目的，BP算法比逐步逼近算法优势明显，不需要人为的的去控制步长，每个绑点的调节次数明显减少，然而，BP算法是基于大量数据的，必须事先采集大量的数据，并训练模型，这个过程比较繁琐。

发明内容