基于Python的电子纸开口率的计算方法及装置与流程

本发明涉及显示器领域，特别是一种基于python的电子纸开口率的计算方法及装置。

背景技术：

随着科技的进步和发展，人类进入了一个智能的信息时代，在平板显示领域，不断地出现新型的技术和显示器。显示器作为人机交互的重要载体，在图片浏览，文字阅读等各种信息获取的方面起着极为重要的作用。而电子纸已经成为了这种重要的信息显示载体，目前在市场上取得了成功，运用到了人们的日常生活和工作中，如电子书阅读器，电子纸广告牌，手机第二屏，电子卷标等。显示器画面品质有个重要的规格就是亮度，而决定亮度的最重要因素就是开口率，因此测量电子纸的开口率也成为了电子纸发展中不可或缺的一块拼图。

而亮度是制约着显示器图像品质和快速发展的重要因素，电子纸也不例外；提高显示器的开口率是提高亮度的主要方法，如今市面上许多lcd的开口率只有6％，屏幕的亮度几乎都是由背光撑起的，可想而知提高显示器的开口率是多么有必要的，并且提高开口率能够降低背光的耗电，也符合当今节能环保的发展主题。因此开口率的算法测试与实现也成为了电子纸发展道路上的关键要素。如何更加快速，更加准确，更加方便地测量显示器的开口率，似乎成为了显示器在拥有低功耗和优良图像品质的快速发展道路上一个绕不过去的坎，也成为了电子纸显示技术快速发展并在显示器市场上站稳脚跟和科研方面吸引研究与投资的催化剂。

技术实现要素：

为了克服现有技术的不足，本发明提供一种结构简单，测试方便快速，精准度高的基于python的电子纸开口率的计算方法及装置。

本发明解决其技术问题所采用的技术方案是：

一种基于python的电子纸开口率的计算方法，包括以下步骤：

步骤s1、基于python环境下，获取一帧电子纸图片，进一步地，所述电子纸图片为电子纸屏幕显示的图片或视频流，或是采用智能设备拍摄电子纸屏幕的图片。

步骤s2、调用opencv数据库，对电子纸图片进行处理，得到电子纸图片的有效透光区域的面积，进一步地，对电子纸图片的处理包括：

首先对电子纸图片进行灰度化处理，得到灰度化图片，处理公式如下，

gray＝r*0.299+g*0.587+b*0.114；

其中，r，g和b为三原色光，r为红色，g为绿色，b为蓝色。

以灰度化图片的中心点为原点，对灰度化图片进行高斯模糊处理，得到高斯模糊图片，处理公式如下，

其中，x和y灰度化图片的像素坐标，σ为x的标准差。

根据灰度特性，将高斯模糊图片分为背景和前景，对高斯模糊图片进行二值化处理，得到二值化图片，处理公式如下，

u＝w0*u0+w1*u1；

g＝w0*(u0-u)²+w1*(u1-u)²；

t＝max(g)；

其中，u为高斯模糊图片的总平均灰度，w0为前景点数占高斯模糊图片的比例，u0为前景的平均灰度，w1为背景点数占图像的比例，u1为背景的平均灰度，g为前景和背景的方差，t为前景与背景的分割阈值，当t使得值g最大时，t则为图像分割的最佳阈值。

获取二值化图片的白色像素点的个数，即为电子纸图片的有效透光区域的面积。

步骤s3、计算电子纸图片的开口率，并通过可视化界面输出计算结果，进一步地，电子纸图片的开口率的计算公式为，

x＝w/z；

其中，x指开口率；

w指二值化图片的白色像素点的个数；

z指二值化图片的总像素点的个数。

本申请还提出一种基于python的电子纸开口率的计算装置，它包括pc端和智能移动端；

所述pc端搭载了基于python语言的算法运行环境以及opencv数据库，所述pc端包括：数据采集模块：用于接收所述智能移动端传输过来的电子纸图片。

处理模块：基于python环境下，调用相关算法计算电子纸图片的开口率。

显示模块：用于通过可视化界面显示计算结果。

所述智能移动端包括：

数据输出模块：用于传输电子纸显示的图片或视频流给所述数据采集模块。

摄像模块，用于拍摄电子纸屏幕而得到电子纸图片，并通过所述数据输出模块传输给所述数据采集模块。

进一步地，所述处理模块计算电子纸图片的开口率的过程如下：

首先对电子纸图片进行灰度化处理，得到灰度化图片，处理公式如下，

gray＝r*0.299+g*0.587+b*0.114；

其中，r，g和b为三原色光，r为红色，g为绿色，b为蓝色。

以灰度化图片的中心点为原点，对灰度化图片进行高斯模糊处理，得到高斯模糊图片，处理公式如下，

其中，x和y灰度化图片的像素坐标，σ为x的标准差。

根据灰度特性，将高斯模糊图片分为背景和前景，对高斯模糊图片进行二值化处理，得到二值化图片，处理公式如下，

u＝w0*u0+w1*u1；

g＝w0*(u0-u)²+w1*(u1-u)²；

t＝max(g)；

其中，u为高斯模糊图片的总平均灰度，w0为前景点数占高斯模糊图片的比例，u0为前景的平均灰度，w1为背景点数占图像的比例，u1为背景的平均灰度，g为前景和背景的方差，t为前景与背景的分割阈值，当t使得值g最大时，t则为图像分割的最佳阈值。

获取二值化图片的白色像素点的个数，即为电子纸图片的有效透光区域的面积。

最终计算电子纸图片的开口率，计算公式为，

x＝w/z；

其中，x指开口率；

w指二值化图片的白色像素点的个数；

z指二值化图片的总像素点的个数。

本发明的有益效果是：本发明基于python工作环境，引入opencv数据库和相应的图像处理手段，对电子纸图片进行灰度化处理，然后进行高斯模糊处理，接着进行二值化处理，最后通过所设计的算法与程序实现电子纸开口率的测量，大大简化了电子纸开口率的算法设计和测量过程，实现了快速精准地去测量电子纸的开口率，间接地推动了电子纸的研究和发展。

附图说明

下面结合附图和实施例对本发明进一步说明。

图1是本发明的工作流程图；

图2是本发明的原理框架图。

具体实施方式

参照图1、图2，一种基于python的电子纸开口率的计算方法，包括以下步骤：

步骤s1、基于python环境下，获取一帧电子纸图片，进一步地，所述电子纸图片为电子纸屏幕显示的图片或视频流，或是采用智能设备拍摄电子纸屏幕的图片。

步骤s2、调用opencv数据库，对电子纸图片进行处理，得到电子纸图片的有效透光区域的面积，进一步地，对电子纸图片的处理包括：

首先对电子纸图片进行灰度化处理，得到灰度化图片(256级灰度图)，处理公式如下，

gray＝r*0.299+g*0.587+b*0.114；

其中，r，g和b为三原色光，r为红色，g为绿色，b为蓝色。

考虑到清晰的图片锐度会比较高，像素点的rgb颜色值之间的过度会比较干脆利落，即有些像素点之间的灰度值差距会比较大，会使得测量的电子纸开口率有少许偏差，因此，本实施例中，以灰度化图片的中心点为原点，对灰度化图片进行高斯模糊处理，得到高斯模糊图片，处理公式如下，

其中，x和y灰度化图片的像素坐标，σ为x的标准差，通过对灰度化图片进行高斯模糊处理，能够有效减少图像噪声以及降低细节层次，从而提高测量电子纸开口率的精准度。

根据灰度特性，将高斯模糊图片分为背景和前景，对高斯模糊图片进行二值化处理，得到二值化图片，处理公式如下，

u＝w0*u0+w1*u1；

g＝w0*(u0-u)²+w1*(u1-u)²；

t＝max(g)；

其中，u为高斯模糊图片的总平均灰度，w0为前景点数占高斯模糊图片的比例，u0为前景的平均灰度，w1为背景点数占图像的比例，u1为背景的平均灰度，g为前景和背景的方差，t为前景与背景的分割阈值，当t使得值g最大时，t则为图像分割的最佳阈值；本实施例中，二值化处理的目的是将图片上的像素点的灰度值只设置为0或255这两个值，0为全黑即黑色像素点，显示成黑色，255为亮白即白色像素点，显示成白色，也就是将整个图片呈现出明显的黑白效果，能够有效减少图像的数据量，使得图像变得更加简单，突出所需的目标轮廓，更有利于下一步进行深入的图片处理。

通过获取二值化图片的白色像素点的个数，即为电子纸图片的有效透光区域的面积。

步骤s3、计算电子纸图片的开口率，并通过可视化界面输出计算结果，进一步地，电子纸图片的开口率的计算公式为，

x＝w/z；

其中，x指开口率；

w指二值化图片的白色像素点的个数；

z指二值化图片的总像素点的个数。

本申请还提出一种基于python的电子纸开口率的计算装置，它包括pc端和智能移动端；

所述pc端搭载了基于python语言的算法运行环境以及opencv数据库，所述pc端包括：

数据采集模块：用于接收所述智能移动端传输过来的电子纸图片。

处理模块：基于python环境下，调用相关算法计算电子纸图片的开口率。

显示模块：用于通过可视化界面显示计算结果。

所述智能移动端包括：

数据输出模块：用于传输电子纸显示的图片或视频流给所述数据采集模块。

摄像模块，用于拍摄电子纸屏幕而得到电子纸图片，并通过所述数据输出模块传输给所述数据采集模块，本实施例中，将智能移动端与所述pc端设置与同于ip地址下，通过pc端调用摄像模块来对电子纸屏幕进行拍摄。

进一步地，所述处理模块计算电子纸图片的开口率的过程如下：

首先对电子纸图片进行灰度化处理，得到灰度化图片，处理公式如下，

gray＝r*0.299+g*0.587+b*0.114；

其中，r，g和b为三原色光，r为红色，g为绿色，b为蓝色。

以灰度化图片的中心点为原点，对灰度化图片进行高斯模糊处理，得到高斯模糊图片，处理公式如下，

其中，x和y灰度化图片的像素坐标，σ为x的标准差。

根据灰度特性，将高斯模糊图片分为背景和前景，对高斯模糊图片进行二值化处理，得到二值化图片，处理公式如下，

u＝w0*u0+w1*u1；

g＝w0*(u0-u)²+w1*(u1-u)²；

t＝max(g)；

其中，u为高斯模糊图片的总平均灰度，w0为前景点数占高斯模糊图片的比例，u0为前景的平均灰度，w1为背景点数占图像的比例，u1为背景的平均灰度，g为前景和背景的方差，t为前景与背景的分割阈值，当t使得值g最大时，t则为图像分割的最佳阈值。

随后获取二值化图片的白色像素点的个数，即为电子纸图片的有效透光区域的面积。

最终计算电子纸图片的开口率，计算公式为，

x＝w/z；

其中，x指开口率；

w指二值化图片的白色像素点的个数；

z指二值化图片的总像素点的个数。

本发明基于python工作环境，引入opencv数据库和相应的图像处理手段，对电子纸图片进行灰度化处理，然后进行高斯模糊处理，接着进行二值化处理，最后通过所设计的算法与程序实现电子纸开口率的测量，大大简化了电子纸开口率的算法设计和测量过程，实现了快速精准地去测量电子纸的开口率，间接地推动了电子纸的研究和发展。

以上的实施方式不能限定本发明创造的保护范围，专业技术领域的人员在不脱离本发明创造整体构思的情况下，所做的均等修饰与变化，均仍属于本发明创造涵盖的范围之内。