空间标准观察者平板显示评估的新工具

《空间标准观察者平板显示评估的新工具》由会员分享，可在线阅读，更多相关《空间标准观察者平板显示评估的新工具（6页珍藏版）》请在装配图网上搜索。

1、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

2、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

3、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

4、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

5、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的幂数，求和，然后的根就被消除了。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

6、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

7、。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。SSO生成了JND值。典型的操作模式是，SSO不仅生成包含mura位置信息的图像，还给出了峰值JND，定义了图像中最明显的缺陷。例如图2。左边的图像是17寸液晶面板(LCD)的截图。它的主要缺陷是右上部分的一块亮斑。而右边是SSO输出，它以图像形式显示了JND值，阈值为2。这种方法可以很明显地看到

8、主要缺陷的位置，因此它很适用于分类、选择和拒收液晶面板。图4 VMB计算举例动态影像模糊相对于CRT显示器，目前的LCD面板在很多方面非常有优势，除了一点。CRT显示面上显示的图像是由一束粒子束在活动区域高速扫描产生的。因此，每个像素只在帧周期内的一小部分点亮。相反，LCD面板每个像素在帧周期内保持恒亮(这就是所谓的取样保持显示)。大多数LCD面板的转换速度很慢，因此在快速运动的边缘会出现动态影像模糊。动态影像模糊采用追踪摄像系统测量，因为它可以提供人眼看到的移动边缘的图像。动态影像模糊也可以通过LCD的瞬态响应计算出来。然而，比测量和计算动态影像模糊更重要的，是要知道在人眼看到的动态影像模糊

9、。最近，我们展示了采用SSO如何来解决这个问题。动态影像模糊通常用面板上水平移动的明暗线来评估。当人眼追踪移动边缘时，锐利的边缘会出现模糊，因为LCD的瞬态响应太慢。图3显示了理想的锐利边缘的横截面图，和同样的边缘以一定速度在特定瞬态响应的LCD上运动时人眼看到的边缘。在这个例子中，边缘被模糊到好几个像素。第二步就是找到两个边缘的不同，得到的结果就是缺陷，但是却不是以视觉单位来表达的。我们将不同的信号用SSO的CSF过滤，虽然在这里它只是一维的，因为边缘只在一个方向移动。然后过滤后的信号同样与闵科夫斯基空间度量相乘。虽然这里没有显示，但是也包含了孔径函数的计算。结果是人眼的可见动态影像模糊的J

10、ND值。我们称之为VMB。与其他只关注模糊边缘宽度的方法相比，这种方法有好几个优势。首先，它使用了更有的JND作为测量单位，因为它使用了SSO。其次，这种方法考虑了边缘的对比度。这一点很重要，因为在动态影像模糊中，不仅有黑白边缘，还有所谓的灰阶转换。最后，它获取了全部的模糊边缘的波形，因此它考虑了更多的影像因素，如背光闪烁，过载，黑屏插入等。图5 1.2mm的背投屏幕样品图4展示了VMB计算的一个例子。我们从LCD屏从黑到白转换的图像开始(图4(a)。在此我们夸大了LCD的慢速响应，而且考虑了函数的过冲，即可能出现过载的现象。图4(b)显示了动态影像模糊结果的横截面。图4(c)是将理想边缘从模

11、糊的边缘中减去后得到的缺陷。这些缺陷经过CSF转换后，得到图4(d)所示的波形。再经过闵科夫斯基度量，得到其JND输出为2.3。测量显示器阈值投影仪以显示大面积图像、价格低的优势占据目前显示市场的重要一块。背投显示器通常使用如球形晶状体(如玻璃珠)作为光学元件嵌入到黑色光吸的材料上。这样只允许投影仪的光传输，而绝大部分的环境光都无法进入。这样得到的就是对比度非常高的图像，包括在很亮的环境光下。然而，尺寸和玻璃珠之间距离的不规律，会导致均匀照明下，显示效果不均匀。这种缺陷通常称之为颗粒。在图5中，小到1.2mm的背投屏幕样品上，上述不规则体现得非常明显。需要注意的是，这是放大来看，而且通常这种屏

12、幕使用时的观看距离会比较固定，如65cm，那么它的张角仅0.1。在这些条件下来看，分散的玻璃珠是看不到的，但是在屏幕上会看到有颗粒。在背投屏的设计中，将屏幕可见的颗粒JND最小化是非常重要的。图6显示了人眼和SSO估量的比较。非但两者的相关性非常好(r=0.934)，而且预测的数值也非常接近真实的JND值。而在延长监察间隔(数秒)的情况下，这种绝对一致可能会更接近，因为考虑了人眼观察。总结SSO提供了显示视觉设计、规范、评价的一种新工具。它可用于平板显示mura的自动化测量，因此能降低大面积平板显示厂家的成本，同时提高效率。而基于动态影像模糊感知的测量，使得平板显示的设计和选择合理化，而对消费

13、者来说显示技术也会规范化。基于屏幕颗粒感知的测量，会最优化背投设计。我们只讨论了三种SSO的应用，其实它的应用可以更多。如测量显示屏的亮度就是它最基本的应用之一，因此利用SSO也可以测量视觉对比度。References1T. Carney, et al., “Modelfest: Year one results and plans for future years,” Human Vision, Visual Processing, and Digital Display IX, 3959, 140-151 (2000).2A. B. Watson, “Visual detection of

14、 spatial contrast patterns: Evaluation of five simple models,” Optics Express 6, 12-33 (2000).3A. B. Watson and A. J. Ahumada, Jr., “A standard model for foveal detection of spatial contrast,” J. Vision 5, 717-740 (2005).4SEMI, “ Definition of Measurement Index (Semu) for Luminance Mura in FPD Image

15、 Quality Inspection,” SEMI D31-1102 (2002).5VESA, “Flat Panel Display Measurements Standard Ver. 2.0,” June 1, 2001 (2001).6K. Oka, K. Kitagishi, and Y. Enami, “Motion Artifacts Measured by Using a Pursuit Camera,” Proc. IDMC (2005).7A. B. Watson, “The Spatial Standard Observer: A human vision model for display inspection, SID Symposium Digest Tech Papers 37, 1312-1315 (2006).8T. J. Fiske, et al., “Visual Quality of High-Contrast Projection Screens Part I: Visibility of Screen-Based Artifacts and Noise,” J. Soc.Info. Display (to be published).