LCDMura现象与量化_原创文档.pdfVIP

显示屏Mura定义与量化分析

TFT-LCD（ThinFilmTransistor-LiquidCrystalDisplay）从一问世起，就受到了人们的广泛关注。

与传统的CRT（CathodeRayTube）显示器相比，它除了具有高分辨率、高亮度和无几何变

形等诸多优点外，还具有体积小、重量轻和功耗低等特点。因此，TFT-LCD被广泛应用于数

码照相机、数码摄像机、车载显示器、桌上显示器、笔记本电脑和液晶电视等几乎所有的显

示器领域[1]（如图1-1所示）。

TFT-LCD屏的缺陷检测主要有三个目的。第一，淘汰那些不合格的产品。第二，为修复某些

类型的缺陷提供依据。第三，分析缺陷的特点和产生原因以提高生产工艺水平。

目前，TFT-LCD屏的缺陷检测方法主要包括电学方法和光学方法两大类。

一般来讲，电学方法可以识别那些电气缺陷所引起的点缺陷和线缺陷，但是对于化学污染等

非电气原因造成的mura缺陷，电学方法就显得无能为力了[4]。为此，近年来基于机器视觉

的光学检测技术成为了研究的热点，并针对具体的缺陷类型提出了一些检测方法或判别标准。

空间相关法空间相关法适用于点缺陷和线缺陷的检测[5]。其原理如图1所示。依据该算法，

首先用一个摄像机（例如CCD）对被测液晶屏进行图像采集。然后，将摄取的图像与经过移

位一个像素的图像做相关运算。如果存在像素缺陷（线缺陷），则相关图像中只有缺陷像素

（线）作为检测信号被检出；如果不存在像素缺陷（线缺陷），则相关结果无输出信号。假

设原始图像信号记为C，右移一个像素的图像信号记为R，而左移一个像素的图像信号记

为L，相关运算的结果为

Φ=R+L-2C

其中Φ表示相关信息。

图1：空间相关法原理图

空间相关法利用邻像素的空间相关性进行像素缺陷检测，所以该方法可以把噪声、不均匀的

背光源和液晶屏的其它固有缺陷等因素所引起的图像不均匀性的影响降到最低。

Muralook检测算法从1991年起，PhotonDynamics的WilliamK.Pratt等人就开始研究

mura缺陷的检测系统，并且在大量应用知识的基础上，于2000年左右在《Automaticblemish

detectioninliquidcrystalflatpaneldisplays》一文中首次提出了Muralook检测算法[6]。该算

法按照缺陷对比度的高低将检测过程分为15个阶段，分别完成包括线缺陷、区块缺陷和

mura在内的总共23大类缺陷进行检测（如表1所示）。该方法已经被VESA(VideoElectronics

StandardsAssociation)FPDM(FlatPanelDisplayMeasurements)所接受并在2000年推出了

VESAFPDMStandard2.0版。

被测液晶屏的图像通常用一个CCD相机来获取，然后再用图2所示的程序和算法对该图进

行处理。首先由初始化部分产生一幅背景图像。接着由图像分割部分按照缺陷对比度从高到

低的顺序在15个阶段上依次对图像进行缺陷检测。那些因为在亮度、面积等参数超出阈值

的带有潜在缺陷的图像被送往缺陷分类环节。在缺陷分类环节中，参照于背景图像，如果被

测图像的对比度超出了规定的阈值，这些潜在的缺陷就被归咎为真正的缺陷。

图2：Muralook检测算法

表1：Muralook检测标准

SEMU指标SEMU是英文SemiMura的首字母缩写[7]。其中，Semi代表国际半导体设备与

材料组织（SemiconductorEquipmentandMaterialsInternational）。在国际半导体设备与材料

组织起草的#3475文件中，提出了一个作为包括液晶显示器在内的平板显示器（FPD)图像质

量检测中mura缺陷的检测标准，并将其称之为SEMU指标。在mura缺陷的评判中，经

常要用到JND—JustNoticeableDifference的缩写，意为最小可觉察的差异—这个心理学领域

的术语，用于表示可觉察