【正文】 務(wù)中，測(cè)試對(duì)象被要求從“街道地圖”中找出一些特定的模式。我們使用一般圖像和地圖應(yīng)用的圖像作為實(shí)驗(yàn)數(shù)據(jù)。 實(shí)驗(yàn)設(shè)計(jì)在用戶研究中，我們邀請(qǐng)了24位測(cè)試對(duì)象對(duì)我們的方法生成的圖像結(jié)果進(jìn)行比較與評(píng)價(jià)。對(duì)用戶來說，用戶研究使得產(chǎn)品更加貼近他們的真實(shí)需求。表格 1處理不同分辨率圖像時(shí)的性能統(tǒng)計(jì)（時(shí)間單位：毫秒）圖像分辨率256 256512 5121024 10242048 2048運(yùn)行時(shí)間 用戶研究用戶研究是一種理解用戶，將他們的目標(biāo)、需求與相關(guān)技術(shù)方法相匹配的理想方法。在實(shí)驗(yàn)測(cè)試中，我們使用1024 1024分辨率的輸入圖像時(shí)，算法的運(yùn)行時(shí)間大約都能在5毫秒以內(nèi)，也就是說處理幀率能夠達(dá)到200fps。圖 44(e)和(f)展示了特征重要性場(chǎng)構(gòu)建過程中，參數(shù)θ對(duì)結(jié)果的影響。圖 44(a)和(b)展示了在距離場(chǎng)圖像變換過程中參數(shù)W對(duì)結(jié)果的影響。由于游戲場(chǎng)景中使用了大量的紋理貼圖，會(huì)被檢測(cè)出大量的邊界，而深度緩存圖像本身具有的噪點(diǎn)也較少，因此在這個(gè)例子中，我們直接利用游戲場(chǎng)景的深度圖像作為輸入，跳過雙邊濾波，通過第2章的方法計(jì)算獲得場(chǎng)景的特征重要性場(chǎng)。從圖 42中可以看到，應(yīng)用均勻亮度降低方法降低了地圖中物體之間的可辨認(rèn)性，因此限制了地圖的可用性。圖 42展示了將我們的自適應(yīng)亮度降低方法應(yīng)用于典型的地理信息圖像的例子。但是對(duì)于OLED顯示器而言，由于我們的特征增強(qiáng)主要通過特征像素的不均勻亮度降低得到的，在一定程度上可以提升在OLED顯示器顯示時(shí)的節(jié)能效率。我們?cè)谝慌_(tái)配置為Intel Core （4GB內(nèi)存）和NVIDIA GeForce GTX 580 （ 顯存）的機(jī)器上完成了本章中的所有實(shí)驗(yàn)測(cè)試。本章主要描述了一個(gè)圖像處理原型軟件，在實(shí)現(xiàn)圖像的基本操作的同時(shí)，集成了本文第2章提出的基于節(jié)能的圖像自適應(yīng)亮度優(yōu)化算法。在顯示器的節(jié)能方法中，亮度降低是最直接有效的方法之一，然而會(huì)帶來顯示內(nèi)容感知特征的弱化甚至丟失，降低用戶的感知體驗(yàn)。越來越多的移動(dòng)設(shè)備的普及，對(duì)節(jié)能顯示技術(shù)提出了更多的要求。因此在實(shí)現(xiàn)上，也分為三個(gè)操作，分別對(duì)應(yīng)交互界面（圖 312）中的3個(gè)命令按鈕，其中每個(gè)命令都需要讀取用戶給定的一組參數(shù)。 //(maxValminVal 0)?hsbhue = (h360)? 360 : ((h0)?0:h)。// Brightnessl = (maxVal+minVal)/。amp。 else if(maxVal==r amp。float b = rgbblue/。這里主要實(shí)現(xiàn)了傳統(tǒng)的圖像亮度和對(duì)比度調(diào)節(jié)方法。int r = qRed(pixel)。 i width。在軟件實(shí)現(xiàn)中，我們遍歷圖像的每個(gè)像素，采用Qt工具包中的QRgb類來獲取圖像每個(gè)像素的紅、綠、藍(lán)三個(gè)顏色通道的值。 //創(chuàng)建一個(gè)QImage對(duì)象以載入圖像imageload(“ImageFileName”)。QImage提供的圖像的載入與保存函數(shù)使用方便，并且支持大多數(shù)主流的圖像存儲(chǔ)格式（如BMP，JPG，PNG，GIF等）?！巴ǖ馈边x項(xiàng)卡提供用戶選擇查看彩色圖像的紅、綠、藍(lán)等單一顏色通道的功能，也是圖像處理中的基本操作之一。本文目前實(shí)現(xiàn)的原型軟件窗口尺寸是固定的，為了方便用戶對(duì)大尺寸圖像進(jìn)行瀏覽和處理，在結(jié)果顯示區(qū)域的“原始圖像”區(qū)域和“結(jié)果圖像”區(qū)域兩部分子窗口中，用戶可以通過鼠標(biāo)對(duì)圖像進(jìn)行縮放與平移操作，并且用戶對(duì)一個(gè)子窗口圖像的交互操作都可以實(shí)時(shí)地反映到另一個(gè)子窗口的圖像中，以方便用戶對(duì)結(jié)果的對(duì)比分析。原型系統(tǒng)圖像載入與保存圖像通道選擇亮度對(duì)比度調(diào)節(jié)自適應(yīng)亮度優(yōu)化能耗評(píng)估圖 310原型軟件的功能模塊圖 主界面和交互設(shè)計(jì)本章描述的圖像處理原型軟件的主界面如圖 311所示。圖 39展示了方法應(yīng)用于圖 37中實(shí)例圖像得到的節(jié)能顯示結(jié)果。用戶在進(jìn)行參數(shù)調(diào)整的時(shí)候首先調(diào)整全局亮度參數(shù)，然后調(diào)整特征區(qū)域的局部亮度參數(shù)。同時(shí)，將原始圖像與經(jīng)過迭代雙邊濾波得到的圖像結(jié)果進(jìn)行融合后作為輸入圖像，一定程度上也能夠降低輸出圖像的非特征的細(xì)節(jié)或噪聲干擾。首先對(duì)輸入圖像進(jìn)行雙邊濾波后，執(zhí)行邊緣檢測(cè)，然后采用PBA生成距離場(chǎng)，進(jìn)而構(gòu)建出輸入圖像的特征重要性描述場(chǎng)。因此，我們將特征重要性場(chǎng)M定義如下，其中sign為求符號(hào)函數(shù)，p’=Dxy(p)，是距離像素p的最近的邊界像素。然而用戶在圖像理解過程中，對(duì)于處于邊界特征兩側(cè)的圖像內(nèi)容會(huì)區(qū)別對(duì)待，本文采用特征重要性場(chǎng)描述這一行為。上述公式的求導(dǎo)在Dd(p)=W連續(xù)，保證了特征區(qū)域向非特征區(qū)域過渡的連續(xù)性。其中示例圖像的邊界距離場(chǎng)圖像如圖 34所示，亮度越低表示離邊界像素距離越近。因此，我們通過邊界距離場(chǎng)的某種變換描述并構(gòu)造圖像的特征場(chǎng)。首先，我們采用Sobel邊界檢測(cè)算子[14]對(duì)雙邊濾波處理后的圖像I’進(jìn)行處理，獲得圖像的邊界場(chǎng)圖像，記作E=Sobel(I’)。在本文方案中，我們?nèi)匀徽J(rèn)為邊界信息屬于重要的特征信息，且邊界鄰域像素則提供了同樣有意義的上下文信息。運(yùn)用雙邊濾波之后，圖像會(huì)呈現(xiàn)出一種保留重要結(jié)構(gòu)信息的繪畫卡通的風(fēng)格，如圖 32所示。雙邊濾波[13]是一種非線性的圖像濾波算法。基于零穿越的方法通過尋找圖像二階導(dǎo)數(shù)零穿越來尋找邊界，通常是Laplacian過零點(diǎn)或者非線性差分表示的過零點(diǎn)。圖像屬性中的顯著變化通常反映了屬性的重要事件和變化，包括（i）深度上的不連續(xù)、（ii）表面方向不連續(xù)、（iii）物質(zhì)屬性變化和（iv）場(chǎng)景照明變化等。圖 31 圖像自適應(yīng)亮度優(yōu)化算法的流程圖（字母表示本章中所用符號(hào)） 基于雙邊濾波的圖像降噪處理通常，用戶通過對(duì)圖像的認(rèn)識(shí)主要基于對(duì)圖像主要特征的感知與理解。 方法技術(shù)細(xì)節(jié)傳統(tǒng)LCD顯示器節(jié)能顯示的方法中，降低顯示內(nèi)容亮度的方法仍是非常有效的方法之一，能獲得最直接的節(jié)能效果。本章主要提出了一種通過分析圖像的重要特征，自適應(yīng)的進(jìn)行圖像亮度優(yōu)化的方法。將圖像的亮度降低的實(shí)現(xiàn)主要分為兩種，一種是由軟件降低顯示內(nèi)容的亮度后，然后設(shè)備根據(jù)顯示內(nèi)容進(jìn)行動(dòng)態(tài)的調(diào)整背光的亮度，從而實(shí)現(xiàn)動(dòng)態(tài)的顯示器功耗管理；另一種則是自動(dòng)或人為地降低顯示器的亮度，輸入的顯示內(nèi)容本身不進(jìn)行處理，比如在移動(dòng)電子設(shè)備上，目前幾乎所有的手機(jī)都支持環(huán)境光自動(dòng)感應(yīng)而進(jìn)行亮度調(diào)整。Laplacian邊界檢測(cè)的效果較為適中，但其采用二階導(dǎo)數(shù)形式，因此極易受到噪聲的影響。本節(jié)中討論和比較了幾種常用的邊界檢測(cè)算子，一階導(dǎo)數(shù)算子Roberts、Prewitt、Sobel和二階導(dǎo)數(shù)算子Laplacian等4種常用的圖像邊界檢測(cè)算子。與Prewitt相似，Sobel算子也是通過像素平均來實(shí)現(xiàn)的，也有一定的抗噪能力，同時(shí)圖像也產(chǎn)生了一定的模糊。Prewitt算子有一定的抗噪能力。在實(shí)際實(shí)現(xiàn)中，圖像的每個(gè)像素與這些卷積核逐個(gè)進(jìn)行卷積，生成圖像邊界檢測(cè)的結(jié)果圖像。Laplacian算子對(duì)噪聲比較敏感，所以圖像一般先經(jīng)過平滑處理。Laplacian算子就利用了二階導(dǎo)數(shù)信息。Sobel算子通常用于水平和垂直邊界的一個(gè)簡單檢測(cè)算子。Sobel算子不像普通梯度算子那樣用兩個(gè)像素的差值，這就使Sobel算子具備了兩個(gè)優(yōu)點(diǎn)：首先，由于引入了平均因素，因而對(duì)圖像中的隨機(jī)噪聲有一定的平滑作用；其次，由于它是相隔兩行或兩列之差分，故邊界兩側(cè)元素得到了增強(qiáng)，邊界顯得粗而亮。對(duì)于每一個(gè)方向的梯度，可以用模板對(duì)應(yīng)的9個(gè)像素與模板相應(yīng)的元素相乘相加得到，其計(jì)算過程與Roberts算子相似。對(duì)于3*3的卷積掩模，在8個(gè)可能方向估計(jì)梯度，具有最大梯度模的卷積給出梯度方向。由于它只使用當(dāng)前像素的2*2鄰域，是最簡單的梯度算子，所以計(jì)算非常簡單。通常是對(duì)二維圖像的x方向y方向分別用不同的模板，這兩個(gè)模板組合起來可以構(gòu)成一個(gè)梯度算子。經(jīng)典的邊界檢測(cè)方法是考察圖像的每個(gè)像素的某個(gè)鄰域內(nèi)灰度的變化，利用邊界鄰近一階或二階導(dǎo)數(shù)變化規(guī)律，用簡單的方法檢測(cè)邊界，這種方法稱為邊界檢測(cè)局部算子法。還有一些邊界是模糊的，其對(duì)應(yīng)的灰度變化是大量的像素值緩慢改變引起的，這些不同類型的灰度變化在圖像中是不可分的。然而，在實(shí)際圖像處理中，精確檢測(cè)邊界具有相當(dāng)?shù)碾y度。所謂邊界是指其周圍像素灰度有階躍變化或屋頂變化的那些像素的集合。邊界檢測(cè)是圖像分割、目標(biāo)區(qū)域識(shí)別、區(qū)域形狀提取等圖像分析領(lǐng)域十分重要的基礎(chǔ), 是圖像識(shí)別中提取圖像特征的一個(gè)重要內(nèi)容。但是該方法有一定的局限性，只能處理部分的梯度域問題，如泊松圖像合成或Panorama等具有較好的初始解僅需在邊界上進(jìn)行優(yōu)化的問題。由于在內(nèi)部循環(huán)處理了ATAx的計(jì)算，而ATA相當(dāng)于一個(gè)拉普拉斯算子，所以系數(shù)矩陣ATA不需要顯式地存儲(chǔ)下來，大大減小了算法對(duì)內(nèi)存的需求。梯度域問題一般最后可以抽象為一個(gè)過約束問題（如泊松方程），假設(shè)X是n維向量，那么就有n個(gè)未知量(每個(gè)像素對(duì)應(yīng)一個(gè)變量)，由于每個(gè)像素上有垂直和水平梯度的雙重約束，分別對(duì)應(yīng)兩個(gè)線性方程，那么一共有2n個(gè)線性方程，可以表示為：A是2n*n維矩陣，很顯然這是一個(gè)過約束問題，一般情況下，不存在滿足上式的解。問題一般可以描述為：求解x，使得x的垂直梯度和水平梯度跟給定的▽Ix，▽Iy最吻合。Agarwala等人[25]先后將梯度域處理應(yīng)用到了圖像和視頻的合成(Panorama)中去。在給出梯度域上的約束后，反求圖像，使得圖像的梯度與給定的梯度約束盡可能一致[37]。Dargo等人[19]在03年歐洲圖形學(xué)年會(huì)上提出了自適應(yīng)的log映射方法，作為全局映射算子，可以方便有效地進(jìn)行色調(diào)映射。Tumblin[27]等最早提出了色調(diào)映射的問題，即如何在動(dòng)態(tài)范圍比較小的設(shè)備上顯示高動(dòng)態(tài)范圍的圖像。 內(nèi)容安排本文的主要內(nèi)容安排如下：第2章綜述了本文研究中用到的圖像處理相關(guān)的工具；第3章詳細(xì)描述了基于節(jié)能的圖像亮度自適應(yīng)優(yōu)化方法，并描述了一個(gè)配合方法使用驗(yàn)證的圖像處理軟件原型的交互界面和技術(shù)實(shí)現(xiàn)；第4章介紹了本文的方法在一般圖像上進(jìn)行的實(shí)驗(yàn)并展示了實(shí)驗(yàn)結(jié)果和用戶研究。本文主要采用客觀實(shí)驗(yàn)和用戶測(cè)試的方法實(shí)現(xiàn)面向節(jié)能的圖像顏色和亮度優(yōu)化方法。Fattal等人[19]在處理高動(dòng)態(tài)范圍圖像時(shí)基于交互指定區(qū)域的亮度理想值構(gòu)造調(diào)整后圖像的梯度約束[18]，使得結(jié)果圖像的梯度與給定約束盡可能一致，從而求得圖像亮度. Perez等人[26]借助梯度域的處理方法，可以無縫地將一幅圖像中的區(qū)域組合到另一幅圖像中。研究自動(dòng)快速的圖像增強(qiáng)算法，特別是自適應(yīng)的亮度調(diào)整算法有非常重要的理論和現(xiàn)實(shí)意義。近年來，隨著科技的發(fā)展和人們生活水平的提高，數(shù)碼產(chǎn)品尤其是數(shù)碼相機(jī)得到了廣泛應(yīng)用。然而，圖像屬于二維信號(hào)，和一維信號(hào)相比，它有自己特殊的一面，處理的方式和角度也有所不同。圖像處理是信號(hào)處理的子類，圖像處理一般指數(shù)字圖像處理[23,24]。 圖像顏色與亮度優(yōu)化圖像處理，是對(duì)圖像進(jìn)行分析、加工和處理，使其滿足視覺、心理以及其他要求的技術(shù)[20,21,22]。比如，Dalton等人提出了一種利用底層的人臉跟蹤的方法，當(dāng)用戶離開顯示器時(shí)自動(dòng)降低其亮度或直接關(guān)閉顯示器[7]。因?yàn)樵谝话愕挠脩襞c系統(tǒng)進(jìn)行界面交互的行為中，通常只對(duì)當(dāng)前的活動(dòng)窗口保持較高的注意力，而對(duì)其他非活動(dòng)窗口幾乎不關(guān)心，因此降低非活動(dòng)窗口的亮度不會(huì)影響到用戶交互行為。Dong等人在文獻(xiàn)[8]中給出了OLED顯示器的一般功率消耗模型如下：其中，函數(shù)f(x)，g(x)和h(x)分別表示單個(gè)像素中，紅、綠、藍(lán)發(fā)光單元在亮度為x時(shí)候的功率值，E0表示顯示器的基礎(chǔ)功率，而L則表示顯示內(nèi)容圖像的像素總量。Harter等人則提出將屏幕區(qū)域進(jìn)行分塊，每個(gè)分塊區(qū)域內(nèi)使用一個(gè)背光光源，顯示器內(nèi)建一個(gè)分區(qū)功率管理模塊，通過對(duì)顯示內(nèi)容的分析實(shí)現(xiàn)分區(qū)域的背光功率調(diào)節(jié)，從而實(shí)現(xiàn)LCD顯示器的節(jié)能顯示[6]，不過這種方法需要對(duì)顯示的圖像內(nèi)容進(jìn)行顏色成分的分析，市場(chǎng)上具有這一技術(shù)的顯示器比較少。對(duì)于這類LCD顯示器，由于背光光源的電能消耗在整個(gè)顯示器系統(tǒng)中占絕對(duì)的優(yōu)勢(shì)，因此也就決定了其功率消耗相對(duì)恒定，主要與背光光源的電流呈正比的關(guān)系。通過鏈接的方式返回Google搜索結(jié)果，其主頁宣稱節(jié)約電能已達(dá)3800千瓦時(shí)。如果一臺(tái)電腦擁有省電功能，每小時(shí)待機(jī)耗電約35W，約比一個(gè)一般亮度的燈泡稍高，盡管這一浪費(fèi)對(duì)個(gè)人影響不大，但若全球所有的電腦長時(shí)間待機(jī)，每小時(shí)浪費(fèi)的電量就非常驚人[40]。本文根據(jù)顯示器的特性，實(shí)現(xiàn)了一種面向節(jié)能的圖像亮度優(yōu)化方法，通過對(duì)圖像內(nèi)容的特征增強(qiáng)方法補(bǔ)償亮度降低后信息傳遞和圖像質(zhì)量的損失，從而實(shí)現(xiàn)一般圖像特別是地理信息圖像的節(jié)能顯示。另外，OLED顯示屏幕可以做得非常輕薄，甚至可以彎曲。OLED顯示器采用非常薄的有機(jī)材料涂層和玻璃基板，當(dāng)電流通過時(shí)，有機(jī)材料就會(huì)發(fā)光。TFTLCD顯示器的主要電能消耗用于維持背光光源的亮度，因此整體的功率消耗也主要由背光的亮度及其制造工藝決定。而液晶顯示技術(shù)的發(fā)展正好切合目前信息產(chǎn)品的潮流，無論是直角顯示、低耗電量、體積小、還是零輻射等液晶顯示屏優(yōu)點(diǎn)，都能讓使用者享受最佳的視覺環(huán)境。LCD顯示使用了兩片極化材料，在它們之間是液體水晶溶液。最后，本文將上述方法應(yīng)用于一般圖像進(jìn)行了實(shí)例測(cè)試，并做了簡單的用戶研究，結(jié)果表明該方法能夠在相同節(jié)能效率下更好地保持圖像中的感知特征。在對(duì)顯示器節(jié)能和圖像處理相關(guān)方法進(jìn)行了綜述的基礎(chǔ)上，本文從軟件處理角度出發(fā)，圍繞圖像的節(jié)能顯示優(yōu)化設(shè)計(jì)的問題展開了研究，并提出了一種基于節(jié)能的圖像自適應(yīng)亮度優(yōu)化方法。從技術(shù)上講，顯示內(nèi)容的節(jié)能顯示主要可以從硬件和軟件方面進(jìn)行。繼而，本文描述了一個(gè)實(shí)現(xiàn)上述圖像處理方法的軟件原型，并提供基本的圖像處理操作，方便用戶對(duì)方法的參數(shù)調(diào)節(jié)進(jìn)行預(yù)覽，并對(duì)處理結(jié)果進(jìn)行分析比較。它的主要原理是以電流刺激液晶分子產(chǎn)生點(diǎn)、線、面配合背部燈管構(gòu)成畫面。在便于攜帶與運(yùn)輸?shù)那疤嵯?，傳統(tǒng)的顯示方式如CRT顯像管顯示器及LED顯示板等，皆受制于體積過大或耗電量過大等因素，無法適應(yīng)使用者的實(shí)際需求的提高。當(dāng)透光率為0時(shí)，屏幕會(huì)顯示為黑色，然而由于工藝的問題，這類顯示器產(chǎn)品通常會(huì)存在漏光的現(xiàn)象。當(dāng)屏幕面板不顯示任何內(nèi)容時(shí)，像素不會(huì)被通電，因而不消耗電能。在圖像處理與應(yīng)用程序的顏色設(shè)計(jì)中，可以通過調(diào)節(jié)優(yōu)化圖像顏色成分或選取更節(jié)能的