平板显示器缺陷和Mua与人类视觉感.PDF

白皮书 平板显示器缺陷和 Mura 与人类视觉感 知相关的测量方法 白皮书 平板显示器缺陷和 Mura 与人类视觉感 知相关的测量方法 摘要 人类视觉和感知是显示屏质量的最终决定因素，但人类的判断标准多种多样，从而难以在研发或生产 环境中进行量化定义和应用。然而，传统的自动化缺陷检测方法不直接与人类感知相关，尤其在识 别最小可觉差异方面难度很大。将人类对缺陷的感知与可使用成像色度计收集的信息精确关联，为客 观、可重复性检测和量化此类缺陷创造了一个机会。通过应用最小可觉差异 (JND) 图像分析算法，可 以实现一种直接与人类感知相关的自动化、可重复的显示屏分析方式。本文展示此技术的实现和典型 结果。初次应用 JND 分析可提供定量信息，允许对 FPD 和投影仪显示屏的显示图像质量进行量化分 级，这是对其他缺陷检测技术的补充。 关键词：mura，显示屏缺陷，最小可觉差异，JND ，成像色度计 简介 人类感知是评估显示屏质量的终极标准。然而，采用人类感知作为评估显示屏的度量方法无论在研发 环境还是生产环境中都困难重重，因为在观察与观察者之间存在着统计差异。由于人类视觉是主观 的，因此尤其难以校准并在观察者中复制。 这种不精确性使得无法在检查人员之间采用一致的标准。这为研发环境中的各种显示屏设计和技术的 比较提供了借鉴，尤其是一段时间过后。在生产环境中，这种差异也使得难以对整个供应链中的各种 资源统一应用标准。根据采用的公差，这种差异或是增加接受缺陷显示屏的风险，或是增加无法提供 质量良好的显示屏的风险，而这两种风险均意味着成本增加。同时还缺少有关缺陷的详细定量信息， 尤其是当观察者仅倾向于分类最明显的缺陷时。 缺陷分类方面缺乏直接与人类感知相关的明确算法一直以来都是使用图像分析方法进行自动化缺陷检 测的一大难题。在对人类视觉对显示屏缺陷的敏感度上建模所取得的最新进展，促进了适用于各种显 示屏技术的最小可觉差异 (JND) 自动化检测系统发展根据对人类观察者的抽样，JND 标度得以确定， 即 JND 差值 1 将作为统计最小可觉差异；在绝对标度上，JND 值为 0 表示无可见空间对比，JND 绝对值为 1 表示第一个可见空间对比——在显示屏技术领域，可用于对显示屏缺陷进行分级。通过 使用计算机控制的成像色度计捕获显示图像亮度和色度的空间分布的精确数据，并分析这些数据以创 在对人类视觉对显示屏缺陷的敏感度上建模所取 建图像的 JND 图，可以利用与人类视觉感知的直接相关性对显示图像中的 mura （或瑕疵）缺陷进行 得的最新进展，促进了适用于各种显示屏技术的 分级。 最小可觉差异 (JND) 自动化检测系统发展 采用此系统进行显示屏缺陷检测表明，使用 JND 分析可以在获取显示图像质量上比其它分析技术得 到更多额外的信息。此分析系统适用于任何显示屏类型，包括 LCD 、OLED 和等离子平板显示器以及 投影仪前后显示屏。 最小可觉差异特性描述 目前，利用成像色度计鉴定色度和亮度的不均性，以及线、点缺陷等不连续性问题的商业系统不在少 数。但到目前为止，创建用于检测更细微缺陷的，完美匹配人类感知的自动化系统却仍非易事。部分 原因在于人类对于显示屏差异中的最小可觉差异的感知取决于环境因素，而且，根据设置阈值和边缘 检测等方法，标准显示屏分析算法在这些情况下并不与人类感知直接相关。 2 I Radiant Vision Systems, LLC 白皮书 空间标准观测仪 (SSO) 是 NASA 开发的一种软件算法，将一个简单的人类视觉灵敏度模型整合到空间 对比中 [1]。该算法专门为显示屏度量应用以及显示屏“mura”或瑕疵检测而创造。此模型中包含的 因素有空间频率（空间对比变化多快）、方向（空间对比相对于人眼确定的视平面的角方位）以及与 观察者观看显示屏的距离。 此算法已在 Radiant Vision Systems 的 ProMetric 图像分析软件中采用，用于即用型应用程序处理由 成像光度计或色度计捕获的数据。一般来说，该分析技术可应用于光度或色度测量图像；因为这种分 析方法生成有用的亮度和色度数据，因此，我们一般会参考色度图像。 SSO 算法简介如下： • 算法的输出为一对图像，即测试图像和参考图像。 • 测试图像是成像测度计的测量结果，可能包含 mura 。 • 参考图像从测试图像计算而来，是测试图像的低通过滤版本，旨在消除 mura 。 • 测试图像与参考图像之间的差异通过对比敏