CN111652865A - Mura检测方法、装置及可读存储介质 - Google Patents

Mura检测方法、装置及可读存储介质 Download PDF

Info

Publication number
CN111652865A
CN111652865A CN202010475158.XA CN202010475158A CN111652865A CN 111652865 A CN111652865 A CN 111652865A CN 202010475158 A CN202010475158 A CN 202010475158A CN 111652865 A CN111652865 A CN 111652865A
Authority
CN
China
Prior art keywords
target test
mura
acquiring
area
value
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010475158.XA
Other languages
English (en)
Other versions
CN111652865B (zh
Inventor
王艳雪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huizhou China Star Optoelectronics Technology Co Ltd
Original Assignee
Huizhou China Star Optoelectronics Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Huizhou China Star Optoelectronics Technology Co Ltd filed Critical Huizhou China Star Optoelectronics Technology Co Ltd
Priority to CN202010475158.XA priority Critical patent/CN111652865B/zh
Priority to US16/962,426 priority patent/US11741587B2/en
Priority to PCT/CN2020/099631 priority patent/WO2021237872A1/zh
Publication of CN111652865A publication Critical patent/CN111652865A/zh
Application granted granted Critical
Publication of CN111652865B publication Critical patent/CN111652865B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/60—Extraction of image or video features relating to illumination properties, e.g. using a reflectance or lighting model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30121—CRT, LCD or plasma display
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Software Systems (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本申请公开了一种mura检测方法、装置及可读存储介质，检测方法包括：获取原始图像信号；从原始图像信号中获取目标测试图像；获取目标测试图像中mura所在区域作为目标测试区域；对目标测试区域进行处理以得到目标测试区域的灰阶分布；根据灰阶分布得到目标测试区域的亮度梯度分布；根据目标测试区域的亮度梯度分布计算SEMU值；根据SEMU值获取mura区域对应位置。通过上述实施方式，本申请能够实现对晕影现象的进行客观测量及评价。

Description

Mura检测方法、装置及可读存储介质
技术领域
本申请涉及灰阶亮度调节技术领域，特别是涉及一种mura检测方法、装置及可读存储介质。
背景技术
区域调光(local diming)技术是指将LCD的背光分成N多小区域(Block)；工作时，根据相应小区域对应液晶显示的内容的灰度，来调整背光的明暗度；以此达到节能、增强画质的目的。
随着技术的发展区域调光容易引入Halo(晕影)现象，mura的一种，即受限于背光分区面板本来的对比度特性等，在高亮的像素旁边的黑色像素处会出现晕影的现象，影响高对比图像的显示效果，因此现象区域较小，无法使用光学测量仪器进行量测，且现有技术一般为人眼进行主观性评价，无法客观测量。
发明内容
本申请提供一种mura检测方法、装置及可读存储介质，能够解决现有技术中无法对晕影现象的进行客观测量及评价的问题。
为解决上述技术问题，本申请采用的一种技术方案是：提供一种mura的检测方法，所述检测方法包括：获取原始图像信号；从所述原始图像信号中获取目标测试图像；获取所述目标测试图像中mura所在区域作为目标测试区域；对所述目标测试区域进行处理以得到所述目标测试区域的灰阶分布；根据所述灰阶分布得到所述目标测试区域的亮度梯度分布；根据所述目标测试区域的所述亮度梯度分布计算SEMU值；根据所述SEMU值获取所述mura区域对应位置。
其中，所述对所述目标测试区域进行处理以得到所述目标测试区域的灰阶分布包括：调整所述目标测试区域的位置；获取所述目标测试区域中每一像素的RGB灰阶值。
其中，所述根据所述灰阶分布得到所述目标测试区域的亮度梯度分布包括：将所述目标测试区域中的每一所述像素的RGB灰阶值进行色度转换，以获得其在颜色系统的三刺激值XYZ；根据所述三刺激值得到所述目标测试区域的亮度梯度分布。
其中，所述对每一所述像素的RGB灰阶值进行色度转换采用公式为：
Figure BDA0002515628880000021
其中，A为转换矩阵
Figure BDA0002515628880000022
其中，所述SEMU值计算公式为：
Figure BDA0002515628880000023
|Cx|＝|C1-C2|/C2其中，C1为所述mura区域的平均灰阶值，C2为所述mura区域之外的平均灰阶值，Sx为所述mura区域的面积，所述SEMU为所述mura区域的mura等级。
其中，所述根据所述SEMU值获取所述mura区域对应位置包括：获取所述SEMU值与所述mura区域的位置关系曲线；根据所述位置关系曲线的峰值判定所述mura区域对应宽度。
其中，所述根据所述位置关系曲线的峰值判定所述mura区域对应宽度包括：设定所述位置关系曲线的预设临界值；根据所述临界值获取所述mura区域对应宽度。
其中，所述所述从所述原始图像信号中获取目标测试图像包括：从所述原始图像信号中获取多张预设拍摄角度的图像；从所述多张预设拍摄角度的图像中选择符合测试条件的作为所述目标测试图像。
为解决上述技术问题，本申请采用的另一种技术方案是：提供一种mura检测装置，所述检测装置包括：第一获取模块，用于获取原始图像信号第二获取模块，用于从所述原始图像信号中获取目标测试图像；第三获取模块，用于获取所述目标测试图像中mura所在区域作为目标测试区域；处理模块，用于对所述目标测试区域进行处理以得到所述目标测试区域的灰阶分布；亮度梯度获取模块，用于根据所述灰阶分布得到所述目标测试区域的亮度梯度分布；计算模块，用于根据所述目标测试区域的所述亮度梯度分布计算SEUM值；位置获取模块，用于根据所述SEUM值获取所述mura区域对应位置。
为解决上述技术问题，本申请采用的又一种技术方案是，提供一种计算机可读存储介质，所述存储介质中存储有多条指令，所述指令适于由处理器加载以执行上述中任一项所述的检测方法。
本申请的有益效果是：区别于现有技术的情况，本申请提供一种mura检测方法、装置及可读存储介质，通过对获取到的原始图像信息进行处理获得目标测试区域的亮度梯度曲线图，同时结合SEMU计算获得SEMU和图像的位置关系曲线，根据位置关系曲线获取mura区域对应位置，实现对halo现象的客观测量和评价。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，其中：
图1是本申请mura检测方法一实施方式的流程示意图；
图2是本申请原始图像信号的示意图；
图3是本申请步骤S200一实施方式的流程示意图；
图4是本申请目标测试图像一实施方式的示意图；
图5是本申请步骤S400一实施方式的流程示意图；
图6是本申请步骤S500一实施方式的流程示意图；
图7是本申请步骤S700一实施方式的流程示意图；
图8是本申请步骤S720一实施方式的流程示意图；
图9是本申请归一化的强度梯度分布图；
图10是本申请SEMU值与mura区域的位置关系曲线图；
图11是本申请mura检测装置一实施方式的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请中的术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”、“第三”的特征可以明示或者隐含地包括至少一个该特征。本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。本申请实施例中所有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
可以理解的是，本申请中的mura区域则可以表示halo现象所在的区域，也即是本申请的halo现象视为mura的一种。
请参阅图1，图1为本申请mura检测方法一实施方式的流程示意图，如图1所示，本申请提供的mura检测方法包括如下步骤：
S100，获取原始图像信号。
结合图2，图2为本申请获取到原始图像信号100的示意图，其中，原始图像信号100中间区域为白色像素110所在位置。
S200，从原始图像信号中获取目标测试图像。
可选地，进一步结合图3，图3为本申请步骤S200一实施方式的流程示意图，且步骤S200进一步包括如下子步骤：
S210，从原始图像信号中获取多张预设拍摄角度的图像。
为了增加halo现象的成像效果，需要从原始图像信号100中获取多张预设拍摄角度的图像。具体地，将拍摄角度设置为45度，采用遮光板遮挡白色像素110。可选地，受分区数的影响，白色像素110的位置不同，则halo现象会存在差异。故微移白色像素110的位置获得多张拍摄角度为45度的图像。当然，本申请实施例中，拍摄角度为45度时halo现象更为明显，在其他实施方式中，可以采用其他拍摄角度获取图像，此处不做具体限定。
S220，从多张预设拍摄角度的图像中选择符合测试条件的作为目标测试图像。
结合图4，图4为本申请目标测试图像一实施方式的示意图，本申请中选择halo现象最严重的图像作为目标测试图像，即目标测试图像中黑色边缘漏光越多，则表明halo现象越严重。
S300，获取目标测试图像中mura所在区域作为目标测试区域。
对所述目标测试图像进行旋转和裁剪等操作，得到halo现象所在的区域，即mura区域200作为目标测试区域。
S400，对目标测试区域进行处理以得到目标测试区域的灰阶分布。
结合图5，图5为本申请步骤S400一实施方式的流程示意图，如图5，本申请步骤S400进一步包括如下子步骤：
S410，调整目标测试区域的位置。
本申请实施例中，采用Matlab对图像进行处理，具体地，针对目标测试区域图像的位置进行微调。
S420，获取目标测试区域中每一像素的RGB灰阶值。
因获取到的图片信息为RGB信号，则Matlab可以直接读取目标测试区域中每一像素的RGB灰阶值，从而得到目标测试区域的灰阶分布。
S500，根据灰阶分布得到目标测试区域的亮度梯度分布。
结合图6，图6为本申请步骤S500一实施方式的流程示意图，如图6，本申请步骤S500进一步包括如下子步骤：
S510，将目标测试区域中的每一像素的RGB灰阶值进行色度转换，以获得其在颜色系统的三刺激值XYZ。
具体地，通过CIE色度系统(RGB-XYZ)转换得到三刺激值，其中，RGB空间与XYZ空间的转换是基于线性的三刺激值数据进行的，且采用的公式为：
Figure BDA0002515628880000061
其中，A为转换矩阵
Figure BDA0002515628880000062
S520，根据三刺激值得到目标测试区域的亮度梯度分布。
根据上述三刺激值以及结合亮度标定原理得到目标测试区域的亮度梯度分布。
S600，根据目标测试区域的亮度梯度分布计算SEMU值。
可选地，SEMU值计算公式为：
Figure BDA0002515628880000063
|Cx|＝|C1-C2|/C2
其中，C1为所述mura区域的平均灰阶值，C2为所述mura区域之外的平均灰阶值，Sx为所述mura区域的面积，所述SEMU为所述mura区域的mura等级，根据人眼对比度特性，人眼对mura的识别与mura的大小有相关性。
S700，根据SEMU值获取mura区域对应位置。
结合图7，图7为本申请步骤S700一实施方式的流程示意图，如图7，本申请步骤S700进一步包括如下子步骤：
S710，获取SEMU值与mura区域的位置关系曲线。
S720，根据位置关系曲线的峰值判定mura区域对应宽度。
可选地，根据SEMU值与mura区域的位置关系曲线可以获知halo现象的严重程度。具体地可以结合图8，图8为本申请步骤S720一实施方式的流程示意图，如图8，本申请步骤S720进一步包括如下子步骤：
S721，设定位置关系曲线的预设临界值。
结合图9和图10，图9为本申请归一化的强度梯度分布图，图10为本申请SEMU值与mura区域的位置关系曲线图，如图10，三条曲线分别为三种不同情况下的位置关系曲线，第一条为区域调光关闭时的曲线L1,第二条为区域调光开到“高”时的曲线L2，第三条为区域调光开到“中”时的曲线L3。其中，横坐标表示图像的位置信息，纵坐标表示SEMU的值，且对应曲线的峰值表示强度值。
本申请实施例中，可以设定一临界值来判定halo现象的相对位置，具体地该临界值可以设定为SEMU值为80，在其他实施方式中，该临界值还可以设置为其他数值，此处不做进一步限定。
S722，根据临界值获取mura区域对应宽度。
结合图9可知，当区域调光关闭时SEMU的数值较低，此时无halo现象。当区域调光开时，halo现象出现，则开到“高”及“中”时，曲线L2和L3强度值分别为94与87，则此时结合面板尺寸可以得到halo的宽度分别为187mm和173mm。
上述实施方式中，通过对获取到的原始图像信息进行处理获得目标测试区域的亮度梯度曲线图，同时结合SEMU计算获得SEMU和图像的位置关系曲线，根据位置关系曲线获取mura区域对应位置，实现对halo现象的客观测量和评价。
参阅图11，图11为本申请mura检测装置一实施方式的结构示意图，如图11，本申请的mura检测装置300包括第一获取模块310、第二获取模块320、第三获取模块330、处理模块340、亮度梯度获取模块350、计算模块360以及位置获取模块370。
第一获取模块310用于获取原始图像信号。
第二获取模块320用于从原始图像信号中获取目标测试图像。
其中，第二获取模块320还用于从所述原始图像信号中获取多张预设拍摄角度的图像；从所述多张预设拍摄角度的图像中选择符合测试条件的作为所述目标测试图像。
第三获取模块330用于获取所述目标测试图像中mura所在区域作为目标测试区域。
处理模块340用于对所述目标测试区域进行处理以得到所述目标测试区域的灰阶分布。
其中，处理模块340还用于调整所述目标测试区域的位置，获取所述目标测试区域中每一像素的RGB灰阶值。
亮度梯度获取模块350用于根据所述灰阶分布得到所述目标测试区域的亮度梯度分布。
可选地，亮度梯度获取模块350还用于将所述目标测试区域中的每一所述像素的RGB灰阶值进行色度转换，以获得其在颜色系统的三刺激值XYZ；根据所述三刺激值得到所述目标测试区域的亮度梯度分布。
计算模块360用于根据所述目标测试区域的所述亮度梯度分布计算SEUM值。
位置获取模块370用于根据所述SEUM值获取所述mura区域对应位置。
可选地，位置获取模块370还用于获取所述SEMU值与所述mura区域的位置关系曲线；根据所述位置关系曲线的峰值判定所述mura区域对应宽度。其中，根据所述位置关系曲线的峰值判定所述mura区域对应宽度还包括设定所述位置关系曲线的预设临界值；根据所述临界值获取所述mura区域对应宽度。
上述实施方式中，通过对获取到的原始图像信息进行处理获得目标测试区域的亮度梯度曲线图，同时结合SEMU计算获得SEMU和图像的位置关系曲线，根据位置关系曲线获取mura区域对应位置，实现对halo现象的客观测量和评价。
具体实施时，以上各个模块和单元可以作为独立的实体来实现，也可以进行任意组合，作为同一或若干个实体来实现，以上各个模块和单元的具体实施可参见前面的方法实施例，在此不再赘述。
本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于一计算机可读存储介质中，并由处理器进行加载和执行。为此，本申请实施例提供一种存储介质，其中存储有多条指令，该指令能够被处理器进行加载，以执行本申请实施例所提供的任一种mura检测方法中的步骤。
其中，该存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取记忆体(RAM，Random Access Memory)、磁盘或光盘等。
由于该存储介质中所存储的指令，可以执行本申请实施例所提供的任一种mura检测方法中的步骤，因此，可以实现本申请实施例所提供的任一种mura检测方法所能实现的有益效果，详见前面的实施例，在此不再赘述。
以上各个操作的具体实施可参见前面的实施例，在此不再赘述。
综上所述，本领域技术人员容易理解，本申请提供一种mura检测方法、装置及可读存储介质，通过对获取到的原始图像信息进行处理获得目标测试区域的亮度梯度曲线图，同时结合SEMU计算获得SEMU和图像的位置关系曲线，根据位置关系曲线获取mura区域对应位置，实现对halo现象的客观测量和评价。
以上仅为本申请的实施方式，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。

Claims (10)

1.一种mura检测方法，其特征在于，所述检测方法包括：
获取原始图像信号；
从所述原始图像信号中获取目标测试图像；
获取所述目标测试图像中mura所在区域作为目标测试区域；
对所述目标测试区域进行处理以得到所述目标测试区域的灰阶分布；
根据所述灰阶分布得到所述目标测试区域的亮度梯度分布；
根据所述目标测试区域的所述亮度梯度分布计算SEMU值；
根据所述SEMU值获取所述mura区域对应位置。
2.根据权利要求1所述的检测方法，其特征在于，所述对所述目标测试区域进行处理以得到所述目标测试区域的灰阶分布包括：
调整所述目标测试区域的位置；
获取所述目标测试区域中每一像素的RGB灰阶值。
3.根据权利要求2所述的检测方法，其特征在于，所述根据所述灰阶分布得到所述目标测试区域的亮度梯度分布包括：
将所述目标测试区域中的每一所述像素的RGB灰阶值进行色度转换，以获得其在颜色系统的三刺激值XYZ；
根据所述三刺激值得到所述目标测试区域的亮度梯度分布。
4.根据权利要求3所述的检测方法，其特征在于，所述对每一所述像素的RGB灰阶值进行色度转换采用公式为：
Figure FDA0002515628870000011
其中，A为转换矩阵
Figure FDA0002515628870000012
5.根据权利要求3所述的检测方法，其特征在于，所述SEMU值计算公式为：
Figure FDA0002515628870000021
|Cx|＝|C1-C2|/C2
其中，C1为所述mura区域的平均灰阶值，C2为所述mura区域之外的平均灰阶值，Sx为所述mura区域的面积，所述SEMU为所述mura区域的mura等级。
6.根据权利要求3所述的检测方法，其特征在于，所述根据所述SEMU值获取所述mura区域对应位置包括：
获取所述SEMU值与所述mura区域的位置关系曲线；
根据所述位置关系曲线的峰值判定所述mura区域对应宽度。
7.根据权利要求6所述的检测方法，其特征在于，所述根据所述位置关系曲线的峰值判定所述mura区域对应宽度包括：
设定所述位置关系曲线的预设临界值；
根据所述临界值获取所述mura区域对应宽度。
8.根据权利要求1所述的检测方法，其特征在于，所述所述从所述原始图像信号中获取目标测试图像包括：
从所述原始图像信号中获取多张预设拍摄角度的图像；
从所述多张预设拍摄角度的图像中选择符合测试条件的作为所述目标测试图像。
9.一种mura检测装置，其特征在于，所述检测装置包括：
第一获取模块，用于获取原始图像信号
第二获取模块，用于从所述原始图像信号中获取目标测试图像；
第三获取模块，用于获取所述目标测试图像中mura所在区域作为目标测试区域；
处理模块，用于对所述目标测试区域进行处理以得到所述目标测试区域的灰阶分布；
亮度梯度获取模块，用于根据所述灰阶分布得到所述目标测试区域的亮度梯度分布；
计算模块，用于根据所述目标测试区域的所述亮度梯度分布计算SEUM值；
位置获取模块，用于根据所述SEUM值获取所述mura区域对应位置。
10.一种计算机可读存储介质，其特征在于，所述存储介质中存储有多条指令，所述指令适于由处理器加载以执行权利要求1-8中任一项所述的检测方法。
CN202010475158.XA 2020-05-29 2020-05-29 Mura检测方法、装置及可读存储介质 Active CN111652865B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202010475158.XA CN111652865B (zh) 2020-05-29 2020-05-29 Mura检测方法、装置及可读存储介质
US16/962,426 US11741587B2 (en) 2020-05-29 2020-07-01 Mura detecting method, device and readable storage medium
PCT/CN2020/099631 WO2021237872A1 (zh) 2020-05-29 2020-07-01 Mura检测方法、装置及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010475158.XA CN111652865B (zh) 2020-05-29 2020-05-29 Mura检测方法、装置及可读存储介质

Publications (2)

Publication Number Publication Date
CN111652865A true CN111652865A (zh) 2020-09-11
CN111652865B CN111652865B (zh) 2022-04-08

Family

ID=72344563

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010475158.XA Active CN111652865B (zh) 2020-05-29 2020-05-29 Mura检测方法、装置及可读存储介质

Country Status (3)

Country Link
US (1) US11741587B2 (zh)
CN (1) CN111652865B (zh)
WO (1) WO2021237872A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114612320B (zh) * 2022-03-04 2023-09-29 业成科技（成都）有限公司 图像亮度优化方法、装置、计算机设备和存储介质
CN114299070B (zh) * 2022-03-09 2022-05-31 深圳精智达技术股份有限公司 一种显示屏mura缺陷的检测方法及相关装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120026315A1 (en) * 2010-07-29 2012-02-02 Samsung Electronics Co., Ltd. Display panel test apparatus and method of testing a display panel using the same
CN104160439A (zh) * 2012-03-01 2014-11-19 日本麦可罗尼克斯股份有限公司 显示设备的显示不均匀检测方法以及其装置
CN107045863A (zh) * 2017-06-26 2017-08-15 惠科股份有限公司 一种显示面板的灰阶调整方法及装置
CN109285143A (zh) * 2018-08-08 2019-01-29 深圳市华星光电技术有限公司 Mura侦测方法及装置

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5917935A (en) 1995-06-13 1999-06-29 Photon Dynamics, Inc. Mura detection apparatus and method
US8049695B2 (en) * 2007-10-15 2011-11-01 Sharp Laboratories Of America, Inc. Correction of visible mura distortions in displays by use of flexible system for memory resources and mura characteristics
US20090175530A1 (en) * 2007-11-12 2009-07-09 Fredrik Sjostrom Methods and apparatuses for detecting pattern errors
US8610654B2 (en) * 2008-07-18 2013-12-17 Sharp Laboratories Of America, Inc. Correction of visible mura distortions in displays using filtered mura reduction and backlight control
JP5908842B2 (ja) * 2009-10-27 2016-04-26 スリーエム イノベイティブ プロパティズ カンパニー 抗歪み表面を有する光学フィルム
KR101637408B1 (ko) 2012-03-01 2016-07-07 가부시키가이샤 니혼 마이크로닉스 표시 디바이스의 표시 불균일 검출 방법 및 그 장치
KR101958634B1 (ko) * 2012-12-13 2019-03-15 엘지디스플레이 주식회사 디스플레이 장치의 무라 검출 장치 및 방법
KR102040746B1 (ko) * 2015-03-20 2019-11-05 후아웨이 테크놀러지 컴퍼니 리미티드 디스플레이 뮤라 교정 방법, 장치, 및 시스템
US10681344B2 (en) * 2017-12-15 2020-06-09 Samsung Display Co., Ltd. System and method for mura detection on a display

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120026315A1 (en) * 2010-07-29 2012-02-02 Samsung Electronics Co., Ltd. Display panel test apparatus and method of testing a display panel using the same
CN104160439A (zh) * 2012-03-01 2014-11-19 日本麦可罗尼克斯股份有限公司 显示设备的显示不均匀检测方法以及其装置
CN107045863A (zh) * 2017-06-26 2017-08-15 惠科股份有限公司 一种显示面板的灰阶调整方法及装置
CN109285143A (zh) * 2018-08-08 2019-01-29 深圳市华星光电技术有限公司 Mura侦测方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
廖苗 等: "基于自适应局部增强的手机TFT-LCD屏Mura缺陷自动检测", 《液晶与显示》 *

Also Published As

Publication number Publication date
CN111652865B (zh) 2022-04-08
US20230091782A1 (en) 2023-03-23
US11741587B2 (en) 2023-08-29
WO2021237872A1 (zh) 2021-12-02

Similar Documents

Publication Publication Date Title
US11211021B2 (en) Grayscale adjustment method and grayscale adjustment device for display panel
US8538147B2 (en) Methods and appartuses for restoring color and enhancing electronic images
CN111652865B (zh) Mura检测方法、装置及可读存储介质
US9368055B2 (en) Display device and driving method thereof for improving side visibility
US20050117186A1 (en) Liquid crystal display with adaptive color
JP5843662B2 (ja) 表示装置及びテレビジョン受信機
CN110718069B (zh) 图像亮度调节方法、装置和存储介质
CN109448653B (zh) 显示装置补偿计算的方法、补偿结构及显示装置
US20200035194A1 (en) Display device and image processing method thereof
KR20160063989A (ko) 표시장치 및 그 제어 방법
Trentacoste et al. Photometric image processing for high dynamic range displays
Kane et al. System gamma as a function of image-and monitor-dynamic range
MacIntyre et al. A practical approach to calculating luminance contrast on a CRT
US9129565B2 (en) Adjusting a brightness level of a side emitting backlight display device using light spreading profiles
CN113990263B (zh) 显示屏的背光处理方法、装置、存储介质及电子设备
CN114927109B (zh) 背光源控制方法、装置、显示设备及存储介质
JPH06343140A (ja) 画像処理装置
TWI819672B (zh) 用於判定環境光亮度的方法、主機及電腦可讀儲存媒體
Peters et al. Natural display mode for digital DICOM-conformant diagnostic imaging
Cheng et al. P‐56: An Advanced High Dynamic Range Display Technology with Power Saving Algorithm of Adaptive Real‐time Controllable Backlight
Cheng et al. 43.1: An Efficient Power Saving Method for High Dynamic Range Display System Based on Adaptive Real‐time Backlight Control
CN117475804A (zh) 显示面板的检测方法、装置及系统
Sund et al. A comparison between 8-bit and 10-bit luminance resolution when generating low-contrast sinusoidal test pattern on an LCD
CN118038820A (zh) 亮度补偿方法及显示装置
CN117524090A (zh) 基于人工智能的led显示器色彩自校准方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant