為改善動態偽輪廓( DFC) 及其引起的灰度級損失, 提出一種基于行內運動圖像干擾(MPD) 極值的自適應子場編碼方法。該方法通過計算一行圖像內出現的DFC 極大值及其位置變化判斷圖像運動狀態, 再根據圖像不同運動狀選擇DFC 極小的灰度編碼。對靜態圖像采用無灰度級損失的全灰階編碼方式, 對動態圖像采用DFC 極小的關鍵灰度級編碼。該方法的運動狀態判斷和關鍵灰度級選擇均基于行圖像的MPD 極值完成, 實驗結果表明: 靜態圖像顯示細節豐富完整, 動態圖像DFC可減輕30%。

　　等離子顯示器( Plasma Display Panel, PDP) 一般使用尋址與顯示分離( Address Display Separated,ADS) 驅動方法。由于人眼具有沿著正在發光和前一發光方向跟蹤運動目標的特性, 采用ADS 驅動方法顯示運動圖像時, 會在視網膜上出現圖像灰度級紊亂, 產生動態偽輪廓( Dynamic False Contour, DFC)現象。解決DFC 的算法主要有增加子場數目、優選子場編碼以及動態圖像補償等, 如: 灰度級重心編碼( Gravity Centre Code, GCC) 、無運動圖像干擾編碼(Motion Picture Disturb, MPD) 等。這些方法通過犧牲灰度級來改善DFC, 并利用半色調算法解決灰度級損失。此外, Kim 等提出了基于圖像分塊運動檢測的自適應灰度級算法, 針對不同的運動速度圖像選擇不同灰度級數量, 可有效保留圖像細節, 改善DFC。然而, 運動檢測用到的新三步搜索法、四步搜索法、菱形搜索法等方法實現過程復雜, 特別是當圖像僅有局部運動的情況下, 需要按塊調整灰度編碼方式, 容易造成圖像閃爍和灰階畸變。

　　本文提出了基于行內圖像MPD 極值的自適應灰度編碼算法, 該算法首先通過檢測和判斷一行圖像內MPD 的極大值及其位置的變化, 確定該行圖像的運動狀態。然后, 選擇在每行圖像中MPD 極小值編碼方式實現動態圖像的灰度級。由于將DFC 的判斷和處理限定在圖像的每一行中, 該算法實施簡單, 不需要額外的存儲電路, 無論是圖像整幅運動還是局部運動, 均能進行實時處理, 既可以減輕運動圖像的DFC, 又能夠使靜態圖像實現完整的灰度級顯示。

　　結論

　　為了同時提升動態和靜態圖像的顯示質量, 本文根據DFC 產生機理提出了一種基于行內MPD 極值的自適應灰度編碼方法。該方法針對圖像灰度級編碼和運動狀態對DFC 的影響, 利用圖像行輸入的特點, 采取行內圖像MPD 極大值進行圖像運動和靜止狀態的判斷, 同時采用行內MPD 的極小值來動態選擇運動圖像的編碼方式。兩種方式相結合的處理方法可以減少圖像在編碼選擇過程中的灰度級畸變, 很好的消除了圖像的DFC, 特別是在具有局部運動圖像的顯示中, 采用行內MPD 極值算法可以最大限度提高圖像灰度細節表現力, 對各種動態圖像進行自適應編碼, 實現了良好的動態和靜態圖像顯示效果。