[发明专利]Gamma校准方法、装置、计算机设备、存储介质

说明书

本公开涉及一种Gamma校准方法、装置、计算机设备、存储介质。所述方法包括：获取历史校准参数；对所述历史校准参数进行参数数据处理，确定初始分布参数，所述参数数据处理至少包括：聚类处理和均值处理；利用预设的未预测参数、所述历史校准参数和所述初始分布参数，并根据极大似然估计法得到预测参数；通过所述预测参数进行Gamma校准。采用本方法无需反复尝试寄存器的参数值，且减少尝试寄存器的参数的次数，从而进行Gamma校准。

技术领域

本公开涉及显示技术领域，特别是涉及一种Gamma校准方法、装置、计算机设备、存储介质。

背景技术

在OLED产线上，Gamma调制是一种通过改变模组寄存器值使面板色度、亮度趋近目标值的迭代优化技术。其目的是使模组真实的线性响应与人眼感知下的非线性响应相协调，达到自然过渡、层次分明的发光效果。

目前现有的Gamma调校算法，主要是通过给出初始R、G、B三组IC寄存器值，驱动IC点亮模组后，使用光学探头获取对应绑点的色坐标值、亮度值，对比确认是否落在目标值的误差范围内，如果在范围内即调试结束；如果不在范围内，再改变寄存器值，重新确认亮度及色坐标值。

然而，目前的Gamma的调校算法需要反复尝试寄存器的值，导致调整时间长，且每片模组都需要重复以上的参数尝试步骤，导致效率低。

发明内容

基于此，有必要针对上述技术问题，提供一种无需反复尝试寄存器的值，且减少尝试寄存器的参数的次数的Gamma校准方法、装置、计算机设备、存储介质。

第一方面，本公开提供了一种Gamma校准方法。所述方法包括：

获取历史校准参数；

对所述历史校准参数进行参数数据处理，确定初始分布参数，所述参数数据处理至少包括：聚类处理和均值处理；

利用预设的未预测参数、所述历史校准参数和所述初始分布参数，并根据极大似然估计法得到预测参数；

通过所述预测参数进行Gamma校准。

在其中一个实施例中，所述利用预设的未预测参数、所述历史校准参数和所述初始分布参数，并根据极大似然估计法得到预测参数，包括：

根据历史校准参数、未预测参数和初始分布参数，确定所述预设的未预测参数的概率值；

调整所述初始分布参数，得到调整后初始分布参数；

根据历史校准参数、未预测参数和调整后初始分布参数，重新确定所述预设的未预测参数的概率值；

在所述概率值最大的情况下，根据调整后初始分布参数确定预测参数。

在其中一个实施例中，所述根据调整后初始分布参数确定预测参数，包括：

计算所述初始分布参数和所述调整后初始分布参数的偏差值；

在所述偏差值小于预设的偏差阈值的情况下，根据所述调整后初始分布参数确定预测参数；

在所述偏差值大于等于预设的偏差阈值的情况下，重新调整所述初始分布参数，直至确定预测参数。

在其中一个实施例中，所述利用预设的未预测参数、所述历史校准参数和所述初始分布参数，并根据极大似然估计法得到预测参数，包括：

采用下述公式计算得到预设的未预测参数的概率值：

Q_i(z⁽ⁱ⁾)＝P(z⁽ⁱ⁾|x⁽ⁱ⁾；θ)

采用下述公式计算得到使所述概率值最大的预测参数：