一种图像处理系统、显示设备及图像处理方法与流程

本发明涉及显示领域，特别是涉及一种图像处理系统、显示设备及图像处理方法。

背景技术：

显示技术的日益精进使得对图像显示效果的需求日益增加。通常图像显示是通过呈阵列排布的像素实现的。然而，对于圆形显示器来说，在其边缘处，由于像素的矩阵状排列会呈现显锯齿状。当显示画面时，在画面边缘处会出现较为明显的锯齿形状，严重影响了显示效果。为了图像显示效果更好，对锯齿状边缘的平滑化处理的研究受到了越来越多的重视。

常用的处理方法是将图像的边缘部分分割为特定大小的块，然后对每块分别进行边缘平滑化处理。现有技术中通常使用滤波处理来达到边缘平滑化的目的。滤波处理的效果与选取的平滑化系数相关，选择合适的平滑化系数可以使图像滤波效果最好。然而，对具有相同形状的图像进行相同的滤波处理会造成不必要的运算浪费，还会加重显示屏的驱动芯片的负荷。

技术实现要素：

有鉴于此，本发明提供一种图像处理系统、显示设备及图像处理方法，用于消除或减轻现有技术中存在的上述问题。

为实现上述目的，本发明提供了一种图像处理系统，用于对具有多个矩阵状排列像素的输入图像进行图像处理，包括：基础图像合成单元，用于对多个具有基础形状的图像进行灰度化处理而合成多个基础图像；边缘平滑处理单元，用于对所述基础图像进行边缘平滑化处理；边缘平滑系数生成单元，用于提取所述边缘平滑处理单元生成的边缘平滑系数；边缘平滑系数存储单元，用于存储所述边缘平滑系数；输入图像运算单元，用于对所述输入图像进行处理而输出边缘平滑化的输出图像。

进一步的，所述基础图像合成单元将所述基础图像处理为包括255灰阶的白色图像；和/或，所述基础图像合成单元将所述基础图像处理为包括0灰阶的黑色图像。

进一步的，所述边缘平滑处理单元包括滤波单元，所述滤波单元对所述基础图像进行平滑滤波处理，滤出所述基础图像中频率位于预设频带内的部分。

进一步的，所述滤波单元的滤波方式为高斯滤波、均值滤波、中值滤波和自适应滤波中的任意一种或几种的组合。

进一步的，所述边缘平滑系数生成单元用于将平滑处理后的所述基础图形进行归一化或压缩处理，并且提取相应的边缘平滑系数。

进一步的，所述边缘平滑系数存储单元用于存储所述边缘平滑处理单元处理时所用到的边缘平滑系数，所述边缘平滑系数存储单元存储至少一组边缘平滑系数。

进一步的，所述输入图像运算单元包括：输入图像转化单元，用于将所述输入图像转化为灰度图像；寻址单元，用于根据所述灰度图像从所述边缘平滑系数存储单元中提取至少一组对应的边缘平滑系数；运算单元，用于将所述寻址单元提取到的所述边缘平滑系数作用到所述灰度图像上；输出图像转化单元，用于将所述边缘平滑化系数作用后的所述灰度图像转化为输出图像。

进一步的，所述基础图像的边缘形状包括圆形、椭圆形或多边形。

进一步的，所述图像处理系统还包括驱动芯片，所述边缘平滑系数存储单元位于驱动芯片内部或外部。

进一步的，所述输入图像运算单元位于所述驱动芯片内部。

本发明还提供了一种显示设备，包括上述任一项所述的图像处理系统。

本发明还提供了一种图像处理方法，用于对具有多个矩阵状排列像素的输入图像进行图像处理，包括：基础图像合成步骤，用于对多个具有基础形状的图像进行灰度化处理而合成多个基础图像；边缘平滑处理步骤，用于对所述基础图像进行边缘平滑化处理；边缘平滑系数生成步骤，用于提取所述边缘平滑处理步骤生成的边缘平滑系数；边缘平滑系数存储步骤，用于存储所述边缘平滑系数；输入图像运算步骤，用于对所述输入图像进行处理而输出边缘平滑化的输出图像。

进一步的，所述基础图像合成步骤将所述基础图像处理为包括255灰阶的白色图像；和/或，所述基础图像合成步骤将所述基础图像处理为包括0灰阶的黑色图像。

进一步的，所述边缘平滑处理步骤包括滤波步骤；所述滤波步骤对所述基础图像进行平滑滤波处理，滤出所述基础图像中频率位于预设频带内的部分。

进一步的，所述滤波步骤的滤波方式为高斯滤波、均值滤波、中值滤波和自适应滤波中的任意一种或几种的组合。

进一步的，所述输入图像运算步骤包括：输入图像转化步骤，用于将所述输入图像转化为灰度图像；寻址步骤，用于根据所述灰度图像从所述边缘平滑系数存储步骤中提取至少一组对应的边缘平滑系数；运算步骤，用于将所述寻址步骤提取到的所述边缘平滑系数作用到所述灰度图像上；输出图像转化步骤，用于将所述边缘平滑化系数作用后的所述灰度图像转化为输出图像。

本发明提供的图像处理系统、显示设备及图像处理方法，通过预先对基础图像进行边缘平滑化处理，得到了适用于特定基础图形的边缘平滑系数，并将其存储起来。这样一来，在对输入图像进行处理时，能够快速的选取合适的边缘平滑系数，加快了图像处理速度，提高了边缘平滑处理的效率。同时，具有相同基础图形的输入图像适用相同的边缘平滑系数，因此，避免了重复运算，减轻了显示设备的驱动芯片的负荷。

附图说明

图1是根据本发明提供的一种图像处理系统的结构示意图；

图2是根据本发明提供的一种输入图像运算单元的结构示意图；

图3是根据本申请提供的一种寻址单元的结构示意图

图4是根据本申请提供的一种驱动芯片的结构示意图；

图5是根据本申请提供的一种显示设备的结构示意图；

图6是根据本申请提供的一种图像处理方法的流程图；

图7是根据本发明提供的一种输入图像运算步骤的结构示意图。

具体实施方式

为使本发明的上述目的、特征和优点能够更为明显易懂，下面将结合附图和实施例对本发明做进一步说明。

本发明提供了一种图像处理系统，包括：基础图像合成单元、边缘平滑处理单元、边缘平滑系数生成单元、边缘平滑系数存储单元和输入图像运算单元。基础图像合成单元用于对多个具有基础形状的图像进行灰度化处理而合成多个基础图像；边缘平滑处理单元用于对所述基础图像进行边缘平滑化处理；边缘平滑系数生成单元用于提取所述边缘平滑处理单元生成的边缘平滑系数；边缘平滑系数存储单元用于存储所述边缘平滑系数；输入图像运算单元用于对所述输入图像进行处理而输出边缘平滑化的输出图像。

通常在显示图像的边缘，由于像素的矩阵状排列而造成了锯齿状的边缘，严重影响了显示效果。针对该问题，本发明实施例将基础图像的边缘平滑化系数存储起来，在对输入图像处理时直接调用存储好的平滑化系数，提高了图像处理的效率。

需要说明的是，在以下描述中阐述了具体细节以便于充分理解本发明。但是本发明能够以多种不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广。因此本发明不受下面公开的具体实施方式的限制。

请参考图1，其示出了根据本发明提供的一种图像处理系统的结构示意图。图像处理系统100包括基础图像合成单元1001、边缘平滑处理单元1002、边缘平滑系数生成单元1003、边缘平滑系数存储单元1004和输入图像运算单元1005。

基础图像合成单元1001，用于对一系列具有基础形状的图像进行灰度化处理。灰度化处理是将彩色图像转化为灰度图像的过程，灰度化方法可以为分量法、最大值法、平均值法和加权平均法等。在本实施例中，优选的灰度化方法为分量法，即将彩色图像中的三分量(红色分量、绿色分量和蓝色分量)的亮度作为灰度图的灰度值。因此，生成的灰度图可以由红色分量、绿色分量和蓝色分量中的任一种分量的灰度值组成，也可以由三种分量的灰度值的加权平均值组成。

进一步的，预备进行灰度化处理图像具有的基础形状可以具有公众所知的任意一种形状，例如可以为正方形、三角形、圆形等。

进一步的，基础图像合成单元1001对具有基础图形的图像进行灰度处理后，得到的基础图像包括255灰阶的白色图像和0阶的黑色图像。本领域技术人员可以理解，灰度化处理得到的基础图像可以包括多种灰阶值。因此，在本实施例中不限制灰度化处理后得到的基础图像的灰阶值。

边缘平滑处理单元1002，用于使用滤波等方式滤除基础图像的噪声，使图像变平滑。边缘平滑处理单元1002包括滤波单元。在信号的传输和图像的显示过程中，不可避免的会被各种噪声污染，例如电噪声等。各种噪声的污染使得最终提取出来的图像具有大量的虚假边缘，影响显示效果。因此，滤波单元可以包括带通滤波器，用于使频率位于预设频带的信号通过。具体的，带通滤波器用于滤除频率高于预设频带最高值的成分和频率低于预设频带最低值的成分。

具体的，滤波方式可以包括高斯滤波。高斯滤波是一种线性滤波，是对整个图像进行加权平均的过程。经过平滑处理后的基础图像包含的每一个像素点的值是由其本身和邻域的其他像素值通过加权平均后得到的。

进一步的，边缘平滑处理单元1002包括的滤波方式可以有多种。具体的，滤波方式可以为高斯滤波、均值滤波、中值滤波和自适应滤波中的任意一种或几种的组合。因此，在本实施例中不限制边缘平滑处理单元1002包括的滤波方式。

在边缘平滑化处理的过程中，通常需要选取合适的滤波参数。具体的，滤波参数可以是滤波尺度。每一个滤波尺度的分解结果代表图像在某一频率范围内的信息。小尺度的滤波器对边缘信号敏感，在较小的尺度上可以获得精细变化的边缘，但缺点是对噪声敏感；大尺度的滤波器对噪声滤除效果好，可以得到稳定的图像边缘，但将精细的细节也去掉了。因此，在本实施例中，可以对每一滤波尺度下的图像分别进行边缘提取，然后将不同尺度下的边缘图像融合，这样不仅能够提高抗噪能力，又能够精细的还原图像本身。

边缘平滑系数生成单元1003，用于对基础图像进行处理来提取边缘平滑系数。具体的，处理过程可以为归一化处理。归一化处理使得边缘平滑系数变成无量纲的一系列数值，这一系列数值的绝对值具有了某种相对关系。在接收到具体的输入图像后，再将上述过程得到的一系列数值进行反归一化处理，这样就能使得存储的这一系列数值适合于新的输入图像。因此，使用归一化处理来提取边缘平滑系数有利于使得边缘平滑系数适合于各种情况的输入图像。

进一步的，边缘平滑系数生成单元1003也可以对基础图像进行压缩处理来提取边缘平滑系数。经过压缩处理的图像可以相对较完整的保存原来的像素矩阵，因此也可以用来提取边缘平滑系数。

边缘平滑系数存储单元1004，用于存储归一化后的边缘平滑系数。在边缘平滑系数存储单元中，存储的边缘平滑系数可以同时有多组。本领域技术人员可以理解，复杂的图形可以分解和/或近似为多个具有基础图形的图像。因此，在对输入图形进行边缘平滑化处理时，预先存储多个针对特定基础图形的边缘平滑系数有利于提高图像处理的效率。例如，边缘平滑系数存储单元1004可以同时存储针对矩形的边缘平滑系数和针对三角形的边缘平滑系数。当输入图像具有六边形的边缘轮廓时(六边形可以分解为多个三角形或者分解为多个矩形和多个三角形)，利用上述的两组边缘平滑系数即可对输入图像进行边缘平滑处理。

输入图像运算单元1005，用于对所述输入图像进行处理而输出边缘平滑化的输出图像。请参考图2，其示出了根据本发明提供的一种输入图像运算单元的结构示意图。在一些可选实施例中，输入图像运算单元1005还包括输入图像转化单元11、寻址单元12、运算单元13和输出图像转化单元14。

输入图像转化单元11，用于对输入图像10进行灰度化处理。灰度化方法可以为分量法、最大值法、平均值法和加权平均法等。在本实施例中，优选的灰度化方法为分量法，最终得到包括255灰阶的白色图像和0阶的黑色图像。与图1实施例不同之处在于，输入图像转化单元11是对输入图像进行灰度化处理，基础图像合成单元1001是对一系列具有基础形状的图像进行灰度化处理。需要说明的是，为了保证边缘平滑系数存储单元1004存储的边缘平滑系数适用于输入图像，基础图像合成单元1001使用的灰度化方法与输入图像转化单元11使用的灰度化方法相同。

寻址单元12，用于根据输入图像转化单元11得到灰度化图像，在边缘平滑系数存储单元1004中寻找到对应的边缘平滑系数。具体的，请参考图3，其示出了本申请提供的一种寻址单元的结构示意图。在本实施例中，寻址单元12可以包括识别单元121和提取单元122。当输入图像经过输入图像转化单元11转化为灰度图像后，识别单元121首先识别灰度化处理后的输入图像，并将图像的边缘部分划分成有限个具有基础形状的图形。提取单元122根据分割的基础图形从边缘平滑系数存储单元1004中提取对应的边缘平滑系数。

运算单元13，用于使用提取单元122提取的边缘平滑系数，对灰度化处理后的输入图像进行边缘平滑化处理。

图像转化单元14，用于将边缘平滑化处理后的输入图像的灰度图转化为彩色的输出图像15。

在本实施例中，预先将具有基础图形的图像进行边缘平滑处理，并将边缘平滑系数存储起来。输入图像可以直接使用存储好的边缘平滑系数，避免了重复运算，减轻了显示设备的驱动芯片的负荷。

在另一些可选实施例中，边缘平滑系数存储单元可以位于驱动芯片内部。请参考图4，其示出了本申请提供的一种驱动芯片的结构示意图。驱动芯片200包括当边缘平滑系数存储单元1004。具体的，边缘平滑系数存储单元1004可以位于驱动芯片200的存储芯片内部。

在本实施例中，驱动芯片200还可以包括输入图像运算单元1005，即输入图像运算单元1005位于驱动芯片200内部。

进一步的，驱动芯片200还包括其他单元1006。其中，其他单元可以包括多个单元，并且各个单元可以互不相同。例如，其他单元1006可以为触控驱动单元、触控感应单元或开关控制单元中的任意一种或几种。

本领域技术人员可以理解，边缘平滑系数存储单元既可以位于驱动芯片内部，也可以位于驱动芯片外部。当边缘平滑系数存储单元位于驱动芯片内部时，可以与显示面板的存储单元共用一个或多个存储芯片，简化了电路，提高了驱动芯片的利用率。当边缘平滑系数存储单元位于驱动芯片外部时，平滑系数存储单元单独使用一个或多个存储芯片，减少了存储数据读取的难度，有利于提高图像处理系统的准确率。因此，在本实施例中不限制边缘平滑系数存储单元与驱动芯片的位置关系。

本发明还提供了一种显示设备，请参考图5，其示出了根据本申请提供的一种显示设备的结构示意图。本实施例所指的显示设备包括但不限于智能手表、手机、平板电脑、电视等。显示设备包括图像处理系统100，该图像处理系统100可以为上述任一实施例所描述的图像处理系统。

本发明还提供了一种图像处理方法，用于对具有多个矩阵状排列像素的输入图像进行图像处理，包括基础图像合成步骤、边缘平滑处理步骤、边缘平滑系数生成步骤、边缘平滑系数存储步骤和输入图像运算步骤。其中，基础图像合成步骤用于对多个具有基础形状的图像进行灰度化处理而合成多个基础图像。边缘平滑处理步骤用于对所述基础图像进行边缘平滑化处理。边缘平滑系数生成步骤用于提取所述边缘平滑处理步骤生成的边缘平滑系数。边缘平滑系数存储步骤用于存储所述边缘平滑系数。输入图像运算步骤用于对所述输入图像进行处理而输出边缘平滑化的输出图像。

请参考图6，其示出了根据本申请提供的一种图像处理方法的流程图。图像处理方法200包括基础图像合成步骤2001、边缘平滑处理步骤2002、边缘平滑系数生成步骤2003、边缘平滑系数存储步骤2004和输入图像运算步骤2005。

基础图像合成步骤2001，是对一系列具有基础形状的图像进行灰度化处理的步骤。灰度化处理步骤的方法可以为分量法、最大值法、平均值法和加权平均法等。在本实施例中，灰度化方法可以为加权平均法。基础图像指的是公众所知的一系列具有基础形状的图像进行灰度化处理后得到的图像，其中，基础形状例如可以为正方形、三角形、圆形等。具体的，基础图像合成步骤将基础图像处理为包括255灰阶的白色和0灰阶的黑色图像。

灰度化处理是将彩色图像转化为灰度图像的过程，灰度化方法可以为分量法、最大值法、平均值法和加权平均法等。在本实施例中，优选的灰度化方法为分量法，即将彩色图像中的三分量(红色分量、绿色分量和蓝色分量)的亮度作为灰度图的灰度值。因此，生成的灰度图可以由红色分量、绿色分量和蓝色分量中的任一种分量的灰度值组成，也可以由三种分量的灰度值的加权平均值组成。

边缘平滑处理步骤2002，是使用滤波步骤滤除基础图像的噪声，使图像变平滑的步骤。具体的，滤波步骤可以为均值滤波。均值滤波是将范围内全体像素值的平均值来替代原本像素值的滤波方法。

进一步的，边缘平滑处理步骤2002所包括的滤波步骤可以包括多种滤波器。在本实施例中，滤波器包括但不限制于高斯滤波器、均值滤波器、中值滤波器和自适应滤波器中的任意一种或几种的组合。例如，滤波步骤可以包括双边滤波器，双边滤波器采用双边滤波方法。双边滤波方法是一种非线性的滤波方法，在进行双边滤波处理时，会同时考虑位置信息和灰度相似性，达到去除噪声的目的。双边滤波相比于高斯滤波多了一个计算高斯方差的步骤，高斯方差是基于空间分布的高斯滤波函数，在边缘附近，离的较远的像素不会对边缘上的像素值产生很大的影响。因此，双边滤波能够对图像的边缘进行较好的保存。

边缘平滑系数生成步骤2003，是对基础图像进行处理来提取边缘平滑系数的步骤。具体的，处理过程可以为归一化处理。使用归一化处理来提取边缘平滑系数有利于使得边缘平滑系数适合于各种情况的输入图像。

进一步的，边缘平滑系数生成步骤2003也可以对基础图像进行压缩处理来提取边缘平滑系数。经过压缩处理的图像可以相对较完整的保存原来的像素矩阵，因此也可以用来提取边缘平滑系数。

边缘平滑系数存储步骤2004，是存储归一化后的边缘平滑系数的步骤。在边缘平滑系数存储步骤中，可以同时存储多组边缘平滑系数。本领域技术人员可以理解，复杂的图形可以分解和/或近似为多个具有基础图形的图像。因此，在对输入图形进行边缘平滑化处理时，预先存储多个针对特定基础图形的边缘平滑系数有利于提高图像处理的效率。例如，边缘平滑系数存储步骤2004可以同时存储针对矩形的边缘平滑系数和针对三角形的边缘平滑系数。当输入图像具有六边形的边缘轮廓时(六边形可以分解为多个三角形或者分解为多个矩形和多个三角形)，利用上述的两组边缘平滑系数即可对输入图像进行边缘平滑处理。

输入图像运算步骤2005，是对所述输入图像进行处理而输出边缘平滑化的输出图像的步骤。请参考图7，其示出了根据本发明提供的输入图像运算步骤的结构示意图。在另一些可选实施例中，输入图像运算步骤2005还包括输入图像转化步骤21、寻址步骤22、运算步骤23和输出图像转化步骤24。

输入图像转化步骤21，是将输入图像进行灰度化处理的步骤。得到包括255灰阶的白色图像和0阶的黑色图像。灰度化方法可以为分量法、最大值法、平均值法和加权平均法等。在本实施例中，优选的灰度化方法为分量法，最终得到包括255灰阶的白色图像和0阶的黑色图像。与图6实施例不同之处在于，输入图像转化步骤21是对输入图像进行灰度化处理的步骤，基础图像合成步骤2001是对一系列具有基础形状的图像进行灰度化处理的步骤。需要说明的是，为了保证边缘平滑系数存储步骤2004存储的边缘平滑系数适用于输入图像，基础图像合成步骤2001使用的灰度化方法与输入图像转化步骤21使用的灰度化方法相同。

寻址步骤22，是识别灰度化处理后的输入图像，并将图像分割成有限个基础图形的步骤。根据分割的基础图形在边缘平滑系数存储步骤2004中寻找到对应的边缘平滑系数。

运算步骤23，是利用寻址步骤22中寻找到的对应的边缘平滑系数，对灰度化处理后的输入图像进行平滑化处理。

图像转化步骤24，是将灰度图像转化为彩色的输出图像的步骤。

进一步的，输入图像运算步骤2005可以位于驱动芯片的内部或外部。

进一步的，驱动芯片还可以包括其他步骤。其中，其他步骤可以包括多个步骤，并且各个步骤可以相互独立。例如，其他步骤可以为选通步骤。

本发明实施例中，通过提前将基础图像的边缘平滑系数存储起来，在对输入图像处理时直接调用存储好的平滑化系数，提高了图像处理的效率。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。