空间标准观察者——平板显示评估的新工具.docVIP

空间标准观察者——平板测量的新工具 前言 在LCD面板制程中，传统的人眼检mura的方法不仅人工成本高，而且速度慢、主观因素过高。这与产线越来越高的自动化趋势相悖。对此，美国NASA(美国国家航空和宇宙航行局) 研究中心在做了大量实验后，建立了全新的人眼视觉评估标准——SSO(Spatial Standard Observer)，并将之应用在平板显示缺陷、动态残影、DLP屏幕颗粒等测量和评估中。其中第一个应用已经被美国Radiant Zemax(原名Radiant Imaging)买断，并结合RZ自身的高端成像亮度计开发成成熟的产品——TrueMura。它不仅可以有效找出mura，还能将其量化，既适用于实验室检测，也适用于产线上Pass/Fail快速筛选。 原文作者：Andrew B. Watson 翻译：RZ中国代理 先锋科技有限公司 黄艳珊 在平板设计行业，人眼是评估质量的终极标准。然而直到平板行业十分成熟的今天，业内仍然缺乏模拟人眼评估平板质量的工具。本文中提出的空间标准观察者(Spatial Standard Observer)将为平板显示的好坏评估提供一种全新的方法。与亮度和CIE色坐标类似，SSO也提出了一个新的概念用于量化对人眼而言，平板显示的好坏。 我们现在所处的时代，数字显示科技、应用和市场都在迅速发展。在设计和生产中，平板显示需要用仪器来衡量他们的视觉效果。因此，如果有一种方法，它可以模拟人眼观察的效果，对这个行业是非常有帮助的。我们就开发了这么一种方法——空间标准观察者，它通过软件算法在建模中把人眼对比灵敏度函数和空间对比度结合起来，适用于平板检查和测量应用。 一开始，SSO是为了试图解释名为Model Fest研究项目的结果。这是一个国际财团联合的视力研究组织，他们希望能建立人眼对比灵敏度对空间分布的基本通用数据。他们设计了一组43个刺激，收集了16个人眼观察员对每个刺激的对比度阈值。 对比度阈值测量中要求的对比度最小值是图片能被识别。对比度是图像上亮度的变化，也即平均亮度的一小部分。数据显示了图像空间分布中亮度的急剧变化(大约1.5个log单位)。 随着数据收集而来的挑战是理论上的，我们必须用视觉空间处理模型对这种变化做出解释。在我们实验室，我们发现这种需要的模型非常简单。这就是SSO的基础，如图1所示。 图1 SSO概述。测试图与参考图的不同之处通过对比敏感度函数CSF滤镜，经过孔径函数的窗，和空间非线性合并等处理。左边是CSF函数，右边是孔径函数。 模型需要输入匹配的一组图片：测试图和参考图。两者之差被CSF函数滤镜过滤。CSF表征的是不同方向上不同空间频率敏感度。空间频率是对比度对空间的正弦变化。它是二维空间的，反应人眼对于高空间频率和非常低空间频率的敏感度会降低，同时在倾斜方向的敏感度也会低(倾斜效应)。 第二步：过滤后的图像乘以孔径函数。也就是人眼视觉敏感度与关注点距离的反比关系。 最后一步是使用闵可夫斯基度量将得到的图像与空间结合起来，在这里，每个像素的绝对值都乘以β的幂数，求和，然后β的根就被消除了。β是模型的一个参数，在这里它的数值约为2.4。由于SSO矩阵用人眼数据校正过，所以得到的结果的单位就是JND。如果两幅图的差异是1 JND的话，人眼刚刚能察觉。 图2 SSO mura测量举例。左边是17寸LCD屏的显示画面。右边是SSO输出的图片，阈值为2JND，最高值为4.2JND。 SSO图像处理的条件是2°以内视角，特定距离，且像素与亮度关系已知。基本度量的扩展包括空间屏蔽，大图像视图，和颜色。 Mura检查 与生产的高度自动化相比，绝大部分平板显示的缺陷检测却是人工操作的。这不仅费时，而且费钱，随着平板的尺寸越来越大，也变得越来越难。可靠性和一致性也值得怀疑。 平板显示缺陷中重要的一种——mura，来源于日语的“瑕疵”。Mura通常是指当平板显示均匀灰度画面下，肉眼可见的低对比度的点、污点、各种形状和尺寸的线。不同结构的平板产生不同种类的mura。过去为定义和评价mura做了很多工作。然而，这些定义并没有提出一个清晰的方法来测量实际的mura，部分原因是因为这些规范性定义并没有提出通用的测量方法。 为了实现平板显示评估的自动化，将人眼可见缺陷计算机化是非常必要的。这需要一个校正过的人眼灵敏度对空间分布的模型，例如SSO。 图3 基于SSO的动态影像模糊度量。去掉了理想的边界和动态影像模糊的边界，差异之处经过了CSF过滤盒空间非线性化。结果就是VMB，单位是JND。 显示度量工具 为了将SSO用于mura检测，需要显示器单张测试图像。首先将图像中不需要的信号滤掉，如裁剪，抽样等等。然后去掉疑似mura的信号，得到参考图像。测试和参考图像比对，测量他们的差异。S