与人类视觉感知相匹配的显示屏缺陷和Mura的.pdfVIP

白皮书 与人类视觉感知相匹配的显示屏缺陷和Mura的 测量方法 白皮书 与人类视觉感知相关的显示屏缺陷和Mura的测 量方法 前言 人的感知是评估显示屏质量的终极标准。然而，由于观察者和观察结果之间存在统计 差异，在开发或生产阶段使用人工检测来评估显示屏的方法可能会出现问题。人类的视觉是 主观的、无法量化的并且难以复制，这种不精确性导致很难在人工检测员之间实施一致的标 准。当在开发环境下对各种显示屏的设计和技术进行比较时，就会产生影响，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多个资源实行统一的视觉质 量标准。这种差异可能会增加漏检或误判的风险，两种结果都会导致制造成本的上升。此 外，人工检测还缺乏有关缺陷类型和发生情况的详细定量信息，因为人类观察者往往只对最 明显的缺陷进行分类。而且，显示屏已成为从电视机、智能手机到汽车内饰等消费类电子设 备中至关重要的一部分，因此在显示屏制造过程中，将人类视觉体验考虑在内的质量控制措 人的感知是评估显示屏质量的终极标 施尤为重要。 准。然而，由于观察者和观察结果之间存 在统计差异，在显示屏评估中，将人工检 使用亮度和色度成像系统可以快速实现显示屏自动化视觉测试，这类系统能够客观地 测作为测量方法可能会出现问题。 量化视觉质量要素，比如显示屏的亮度、色度和对比度，还可用于检测像素坏点、线缺陷 和Mura （用于描述显示屏中不均匀区域或斑点的术语）等缺陷。具有亮度和色度测量功能 （成像色度计）的成像系统可以测量显示屏视觉质量的空间公差（大小、方位、位置）。成 像色度计保留了整个显示屏上测量值的空间关系，这是测量空间变化所必需的。 目前，市场上有许多企业利用成像色度计识别显示屏的色度和亮度不均匀性以及线缺 陷、点缺陷等不连续性。然而，创建与人类感知相符的自动化系统用于检测更细微的缺陷是 非常具有挑战性的。直到最近，业界一直难以设计出直接与人类感知相符的清晰软件算法用 于自动化缺陷分类。其中的部分原因是因为人类对显示屏上可觉差异的感知取决于表明缺陷 严重程度的情境因素，在这种情况下，标准的显示屏缺陷分析算法（基于设置阈值和边缘检 测等方法）与人类感知并无直接关联。 最小可觉差（JND ） 近期，业界在人类对显示屏缺陷的视觉灵敏度建模方面取得了新的进展，这使制造商 近期，业界在人类对显示屏缺陷的视 能够开发用于检测显示屏最小可觉差（JND）的自动化方法。该模型基于对人类观察者的 觉灵敏度建模方面取得了新的进展，这使 抽样定义了JND数值范围，其中，JND差异值为1时，统计学上认为是观察者“可觉察到 制造商能够开发用于检测显示屏最小可觉 的最小差异”。在绝对量表范围内，JND值0表示无可见的空间对比度，JND值1表示首个 差（JND）的自动化方法。 可觉察的空间对比度。对于显示屏技术而言，此量表允许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采集有关显示屏亮度和色度空间分布的数据，然后分析这些数 据，以创建显示屏图像的JND示意图，我们可以根据其与人类视觉感知的直接关联性对显 示屏图像中的Mura缺陷进行分级。 2 I Radiant Vision Systems, LLC 白皮书 JND分析源自NASA开发的“空间标准观测仪（SSO）”软件算法，其包括了人类对 1 空间对比度的视觉灵敏度的简单模型 。该算法是专门为显示屏测量应用和显示屏Mura缺 陷的识别而创建的。该算法已适用于一些图像分析软件，以识别和分级由成像亮度计或色 度计采集的显示屏任意数据。该模型中包含的因素有：空间频率（空间对比度的变化速度 有多快）、方向（空间对比度相对于人眼定义的观看平面的角度方向）以及观察