CN112954304B - 一种显示面板Mura缺陷评估方法 - Google Patents
一种显示面板Mura缺陷评估方法 Download PDFInfo
- Publication number
- CN112954304B CN112954304B CN202110060756.5A CN202110060756A CN112954304B CN 112954304 B CN112954304 B CN 112954304B CN 202110060756 A CN202110060756 A CN 202110060756A CN 112954304 B CN112954304 B CN 112954304B
- Authority
- CN
- China
- Prior art keywords
- components
- image
- chromaticity
- value
- brightness
- 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.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N17/00—Diagnosis, testing or measuring for television systems or their details
- H04N17/002—Diagnosis, testing or measuring for television systems or their details for television cameras
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09G—ARRANGEMENTS OR CIRCUITS FOR CONTROL OF INDICATING DEVICES USING STATIC MEANS TO PRESENT VARIABLE INFORMATION
- G09G3/00—Control arrangements or circuits, of interest only in connection with visual indicators other than cathode-ray tubes
- G09G3/006—Electronic inspection or testing of displays and display drivers, e.g. of LED or LCD displays
Abstract
本发明公开了显示面板Mura缺陷评估方法、系统以及可读存储介质,包括高清相机、傅里叶变换、反傅里叶变换、对色空间(wk,rg,by)和位置掩模图,系统首先通过高清相机获取显示面板的完整图像,定位屏幕区域进行裁剪、缩放、去噪滤波,然后将预处理后的RGB色域图像转换为CIE‑XYZ色域图像,将上一步骤处理后的CIE‑XYZ色域图像变换到对色空间(wk,rg,by)中,对色空间三分量分别进行傅里叶变换为频率分量;本发明显示面板Mura缺陷评估方法、系统以及可读存储介质具有可对亮度和色度Mura缺陷进行评估、从整体上对面板进行缺陷评估、可考虑Mura所处位置影响的缺陷评估、融合多目视距离进行缺陷评估的优点,通过大量模拟Mura和采集的实际Mura进行了验证,确保方法对于各种类型的Mura缺陷均能够适用。
Description
技术领域
本发明涉及显示面板技术领域,具体为一种显示面板Mura缺陷评估方法。背景技术
电子显示器,例如液晶显示器(LCD)、等离子显示器(PDP),有机发光显示器(OLED)等作为高质量的显示器越来越受欢迎。因此,测量图像质量变得越来越重要,然而降低图像质量的一个因素是非均匀性,即所谓的“Mura”,如图1所示。Mura(斑)是LCD中常见的视觉缺陷,通常表现为低对比度、非均匀亮度区域、边缘模糊等,会给用户造成视觉上的不适感。同时Mura缺陷也是视觉缺陷中最为复杂和最难检测和评估的,Mura缺陷包括点状Mura、线状Mura和块状Mura等多种类型。
目前大多数电子显示器制造商一般使用有限的样品进行目视检查,然而这种检测方法不可避免地引入人为主观认定等因素,所得的检测结果准确率低,且检测效率低下。在各种学术会议中虽然已经报道了关于亮度Mura或颜色Mura的各种测量方法,但是没有报告清楚地提供对Mura的定量方法。随着技术的发展,研究人员开始使用机器视觉代替人眼,采用高精度相机进检测评估。通过高精度相机在一定条件下拍摄显示屏的图像,然后使用相应的算法来检测评估图像中的Mura缺陷,进而给出显示面板 Mura缺陷的量化指标。然而,如何在检查过程中精确量化评估Mura缺陷一直是业界公认的难题。因此,
发明内容
迫切需要一种可以高精度评估Mura缺陷的方法。
本发明的目的在于提供一种显示面板Mura缺陷评估方法,可对亮度和色度Mura缺陷进行评估、从整体上对面板进行缺陷评估、可考虑Mura所处位置影响的缺陷评估、融合多目视距离进行缺陷评估的优点,解决了现有技术中的问题。
为实现上述目的,本发明提供如下技术方案:一种显示面板Mura缺陷评估方法,包括高清相机、傅里叶变换、反傅里叶变换、对色空间(wk,rg,by)和位置掩模图;步骤如下:
S1:系统首先通过高清相机获取显示面板的完整图像,定位屏幕区域进行裁剪、缩放、去噪滤波,然后将预处理后的RGB色域图像转换为CIE-XYZ色域图像;
S2:将上一步骤处理后的CIE-XYZ色域图像变换到对色空间(wk,rg,by)中,对色空间三分量分别进行傅里叶变换为频率分量;
S3:根据设置的目视距离值计算描述人类视觉系统的CSF模型,对wk/rg/by的频率分量分别应用该目视距离下的对比度敏感度函数(CSF)进行滤波,并进行反傅里叶变换;
S4:将反傅里叶变换的图像转到CIE-XYZ空间并进一步变换到CIE-Lab空间,得到三分量L*, a*,b*,并将a*/b*分量合成为一个ab*分量;
S5:将亮度和色度评估的阈值分别点乘一个位置掩模图,获取相应的与位置相关的阈值,而后对整合后的CIE-Lab空间的亮度分量L*和色度分量ab*分别进行量化评估,得出亮度和色度的评估指标;
S6:将多目视距离下的亮度和色度的评估指标LEV,CEV分别进行汇总,并将汇总后的亮度和色度评估指标进行综合计算得出最终的显示面板Mura缺陷量化评估值MEV,并输出量化评估报表。
优选的,所述S1具体转换矩阵采用:
其中读取到图像的RGB原始值范围是0-255,本发明首先对RGB的数值进行归一化,使得其范围变换到0-1之间,去噪滤波可采用空间域的高斯滤波和中值滤波联合完成,中值滤波三通道分别进行 [5,5]卷积核大小的,采用复制边缘区域数值的方式对图像进行扩展,以避免滤波后图像四个角的值为0 的情况,然后运用上述公式求出XYZ值后再乘以100,将XYZ值的范围变换到是[0-100]。
优选的,所述S2中实际算法中可采用快速傅里叶变换完成计算,根据以下转换矩阵将CIE-XYZ 色域图像变换到对色空间:
优选的,所述S3计算人类视觉系统对比度敏感度CSF函数的公式,如
所示,其中
(u,v)是空间频率坐标,单位为周期每度,wk,rg,by为对色空间中三分量在屏幕区域的均值,公式为
和
γwk=0.0031ω2-0.1068ω-1.396
γrg=0.001531ω2-0.06149ω-1.140
γby=0.001919ω2-0.06427ω+1.090
所示,根据上述公式,可以计算出对色空间(WK,RG,BY)三个分量的人类视觉系统CSF模型的传递函数;需要注意的是上述公式中涉及的空间频率γ的单位是周期/度,也就是从观察者视角的角度来给出的公式,而第2步中傅里叶变换得出的频谱图的单位是周期/像素,因此两者单位不一致,这里必须在计算CSF的空间频率γ的时候利用参数G=2HR×VD×tan(0.5)/WL进行单位的转换,其中HR为测量图像中屏幕水平的像素数,VD为目视垂直距离,WL为显示屏幕的宽度(mm);另外,在计算涉及到计算三个分量时,由于可能为负数需要对(WK,RG,BY)三个分量的均值进行取模,保证三分量的均值始终为正值,这样CSF模型计算得到的数据才能与实验结果相一致,然后,应用CSF模型计算得到的传递函数对(WK,RG,BY)三个分量进行频域滤波,如公式
所示,用(WK,RG,BY)三个分量的频谱图与对应的CSF函数进行矩阵点乘,即可完成频域滤波,此处(WK,RG,BY)三个分量对应的CSF函数数值较大,以防止后续计算出现异常,在频域滤波之前首先对三分量的CSF函数值进行了同步归一化,即找出三分量的CSF函数值中的最大值,并将其分别除以这个最大值,保证三分量的CSF函数的值始终在[0,1]内,以便于后续计算,最后,通过CSF函数滤波后的(WK,RG,BY)三个分量频域图进行傅里叶逆变换变换为空间域分量(wk,rg,by)。
优选的,S4将反傅里叶变换的图像转到CIE-XYZ空间并进一步变换到CIE-Lab空间,并将a*/b* 分量合成为一个ab*分量,将对色空间(wk,rg,by)变换为CIE-XYZ空间的转换矩阵公式为
将图像从CIE-XYZ空间并进一步变换到CIE-Lab空间,得到三分量L*,a*,b*,将a*,b*通过如下公式整合为ab*,即
优选的,所述S5由于人眼观察屏幕时往往对屏幕中心区域的Mura缺陷更为敏感,而屏幕边缘区域则相对较为迟钝,因此需要位置掩模图Mask来表征该特性,位置掩模图Mask是一个与屏幕区域图像分辨率相同的图像,该图像可以由用户自定义,其通过分别与亮度和色度评估的阈值来点乘来获得相对应的与位置相关的阈值,亮度评估指标LEV为
LEV=Lma+0.098Lml+10.47Lea,
其中,Lma为亮度不均匀区域占比,其计算方法为整个屏幕区域亮度值L*与其均值的差值绝对值大于0.5·Mask的像素个数占整个屏幕区域像素个数的比例,Lml为最大亮度差,其表示为屏幕区域亮度值L*与其均值的差值绝对值的最大值,Lea表示亮度边缘区域占比,计算方法为首先对整个屏幕区域计算亮度图像差分
其中Dx为3*3区域水平方向的中心差分,Dy为3*3区域垂直方向的中心差分,然后统计D0> 10·Mask区域占整个屏幕区域像素个数的比例,色度评估指标CEV为
CEV=Cma+0.0041Cmc+3.224Cea,
其中,Cma为色度不均匀区域占比,其计算方法为整个屏幕区域色度值ab*与其均值的差值绝对值大于2·Mask的像素个数占整个屏幕区域像素个数的比例,Cmc为最大色度差,其表示为屏幕区域色度值ab*与其均值的差值绝对值的最大值,Cea表示色度边缘区域占比,对整个屏幕区域计算色度图像差分然后统计DO>40·Mask区域占整个屏幕区域像素个数的比例。
优选的,所述S6将多目视距离下的亮度和色度的评估指标LEV,CEV分别进行汇总,并将汇总后的亮度和色度评估指标进行综合计算得出最终的显示面板Mura缺陷量化评估值MEV,并输出量化评估报表,其中N为选取的目视距离总数,LEVi,i∈1,2,,,N为多目视距离下的亮度评估指标,CEVi,i∈1,2,,,N为多目视距离下的色度评估指标,按照
与现有技术相比,本发明的有益效果如下:
1.本一种显示面板Mura缺陷评估方法不仅能针对亮度均匀性进行评估,而且可以同时兼顾色度Mura缺陷,无需先检测Mura存在的位置再对Mura区域进行量化评估,因此可以从整体上更为全面的对面板进行缺陷评估,考虑到人眼观察屏幕时对屏幕中心区域的Mura缺陷更为敏感的特性,计及Mura 缺陷所处位置的影响,其扩展性和智能性更高,考虑到不同目视距离情况下人眼观察效果的不同,进行融合多目视距离的缺陷评估,其算法的鲁棒性更好,仅在模拟缺陷图像或较小的屏幕缺陷数据集上进行验证的不足,通过大量模拟Mura和采集的实际Mura进行了验证,确保方法对于各种类型的Mura缺陷均能
附图说明
够适用。
图1为本发明一种显示面板Mura缺陷评估方法的流程示意图;图2为本发明一种显示面板Mura 缺陷评估方法的公式示意图;图3为本发明一种显示面板Mura缺陷评估方法的公式示意图;图4为本发明一种显示面板Mura缺陷评估方法的公式示意图;图5为本发明一种显示面板Mura缺陷评估方法的公式示意图;图6为本发明一种显示面板Mura缺陷评估方法的公式示意图;图7为本发明一种显示面板Mura缺陷评估方法的公式示意图;图8为本发明一种显示面板Mura缺陷评估方法的公式示意图;
图9为本发明一种显示面板Mura缺陷评估方法的公式示意图;图10为本发明一种显示面板Mura 缺陷评估方法的公式示意图;图11为本发明一种显示面板Mura缺陷评估方法的公式示意图;图12为本发明一种显示面板Mura缺陷评估方法的公式示意图;
图13为本发明一种显示面板Mura缺陷评估方法的A实际测试示意图;
图14为本发明一种显示面板Mura缺陷评估方法的测量系统和硬件运行环境图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例,基于本发明中的实施例,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,都属于本发明保护的范围。
在本发明的描述中,需要理解的是,术语“上”、“下”、“前”、“后”、“左”、“右”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对发明的限制。
实施例1:请参阅图1、2、3、4、5、6、7、8、9、10、11、12、13、14,一种显示面板Mura 缺陷评估方法,包括高清相机、傅里叶变换、反傅里叶变换、对色空间(wk,rg,by)和位置掩模图;
步骤如下:
S1:系统首先通过高清相机获取显示面板的完整图像,定位屏幕区域进行裁剪、缩放、去噪滤波,然后将预处理后的RGB色域图像转换为CIE-XYZ色域图像,具体转换矩阵采用:
其中通常读取到图像的RGB原始值范围是0-255,本发明首先对RGB的数值进行归一化,使得其范围变换到0-1之间,去噪滤波可采用空间域的高斯滤波和中值滤波联合完成,中值滤波三通道分别进行 [5,5]卷积核大小的,采用复制边缘区域数值的方式对图像进行扩展,以避免滤波后图像四个角的值为0 的情况,然后运用上述公式求出XYZ值后再乘以100,将XYZ值的范围变换到是[0-100];
S2:将上一步骤处理后的CIE-XYZ色域图像变换到对色空间(wk,rg,by)中,对色空间三分量分别进行傅里叶变换为频率分量,实际算法中可采用快速傅里叶变换完成计算,根据以下转换矩阵将
S3:根据设置的目视距离值计算描述人类视觉系统的CSF模型,对wk/rg/by的频率分量分别应用该目视距离下的对比度敏感度函数(CSF)进行滤波,并进行反傅里叶变换,计算人类视觉系统对比度敏感度CSF函数的公式,如
为周期每度,该角度为人眼到屏上某点与屏幕垂线之间所成角度,wk,rg,by为对色空间中三分量在屏幕区域的均值,公式如
和
所示,根据上述公式,可以计算出对色空间(WK,RG,BY)三个分量的人类视觉系统CSF模型的传递函数;需要注意的是上述公式中涉及的空间频率w的单位是周期/度,也就是从观察者视角的角度来给出的公式,而第2步中傅里叶变换得出的频谱图的单位是周期 /像素,因此两者单位不一致,这里必须在计算CSF的空间频率w的时候利用该参数G=2HR×VD× tan(0.5)/WL进行单位的转换,其中HR为测量图像中屏幕水平的像素数,VD为目视垂直距离,WL为显示屏幕的宽度(mm);另外,在计算涉及到计算三个分量时,由于可能为负数需要对(WK,RG,BY) 三个分量的均值进行取模,保证三分量的均值始终为正值,这样CSF模型计算得到的数据才能与实验结果相一致,然后,应用CSF模型计算得到的传递函数对(WK,RG,BY)三个分量进行频域滤波,如所示,用(WK,RG,BY)三个分量的频谱图与对应的CSF函数进行矩阵点乘,即可完成频域滤波,需要注意,此处(WK,RG,BY)三个分量对应的CSF函数数值较大,以防止后续计算出现异常,本发明在频域滤波之前首先对三分量的CSF函数值进行了同步归一化,即找出三分量的CSF函数值中的最大值,并将其分别除以这个最大值,保证三分量的CSF函数的值始终在[0,1] 内,便于后续计算,最后,通过CSF函数滤波后的(WK,RG,BY)三个分量频域图进行傅里叶逆变换变换为空间域分量(wk,rg,by);
S4:将反傅里叶变换的图像转到CIE-XYZ空间并进一步变换到CIE-Lab空间,并将a*/b*分量合成为一个ab*分量,将反傅里叶变换的图像转到CIE-XYZ空间并进一步变换到CIE-Lab空间,将a*/b* 分量合成为一个ab*分量,将对色空间(wk,rg,by)变换为CIE-XYZ空间的转换矩阵如
S5:将亮度和色度评估的阈值分别点乘一个位置掩模图,获取相应的与位置相关的的阈值,而后对整合后的CIE-Lab空间的亮度分量L*和色度分量ab*分别进行量化评估,得出亮度和色度的评估指标,由于人眼观察屏幕时往往对屏幕中心区域的Mura缺陷更为敏感,而屏幕边缘区域则相对较为迟钝,因此需要位置掩模图Mask来表征该特性,位置掩模图Mask是一个与屏幕区域图像分辨率相同的图像,该图像可以由用户自定义,其通过分别与亮度和色度评估的阈值来点乘来获得相对应的与位置相关的阈值,亮度评估指标LEV为
LEV=Lma+0.098Lml+10.47Lea,
其中,Lma为亮度不均匀区域占比,其计算方法为整个屏幕区域亮度值L*与其均值的差值绝对值大于0.5·Mask的像素个数占整个屏幕区域像素个数的比例,Lml为最大亮度差,其表示为屏幕区域亮度值L*与其均值的差值绝对值的最大值,Lea表示亮度边缘区域占比,计算方法为首先对整个屏幕区域计算亮度图像差分其中Dx为3*3区域水平方向的中心差分,Dy为3*3区域垂直方向的中心差分,然后统计DO>10·Mask区域占整个屏幕区域像素个数的比例,色度评估指标CEV 为CEV=Cma+0.0041Cmc+3.224Cea,其中,Cma为色度不均匀区域占比,其计算方法为整个屏幕区域色度值ab*与其均值的差值绝对值大于2·Mask的像素个数占整个屏幕区域像素个数的比例,Cmc为最大色度差,其表示为屏幕区域色度值ab*与其均值的差值绝对值的最大值,Cea表示色度边缘区域占比,计算方法与亮度边缘Lea类似为首先对整个屏幕区域计算色度图像差分然后统计DO >40·Mask区域占整个屏幕区域像素个数的比例;
S6:将多目视距离下的亮度和色度的评估指标LEV,CEV分别进行汇总,并将汇总后的亮度和色度评估指标进行综合计算得出最终的显示面板Mura缺陷量化评估值MEV,并输出量化评估报表,其中N 为选取的目视距离总数,
LEVi,i∈1,2,,,N为多目视距离下的亮度评估指标,CEVi,i∈1,2,,,N为多目视距离下的色度评估指标,按照如
综上,本发明一种显示面板Mura缺陷评估方法,不仅能针对亮度均匀性进行评估,而且可以同时兼顾色度Mura缺陷,无需先检测Mura存在的位置再对Mura区域进行量化评估,因此可以从整体上更为全面的对面板进行缺陷评估,考虑到人眼观察屏幕时对屏幕中心区域的Mura缺陷更为敏感的特性,计及Mura缺陷所处位置的影响,其扩展性和智能性更高,考虑到不同目视距离情况下人眼观察效果的不同,进行融合多目视距离的缺陷评估,其算法的鲁棒性更好,仅在模拟缺陷图像或较小的屏幕缺陷数据集上进行验证的不足,通过大量模拟Mura和采集的实际Mura进行了验证,确保方法对于各种类型的Mura 缺陷均能够适用如图13所示相关系数越接近1表示结果与主观评判的一致性越高,图13中可以看出本评估方法相关系数在测试的20种mura类型中有16种大于0.9,并且只有一种类型稍低于0.8,证明本方法具有可行性。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点,对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明;因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内,不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
Claims (7)
1.一种显示面板Mura缺陷评估方法,其特征在于:
步骤如下:
S1:首先通过高清相机获取显示面板的完整图像,定位屏幕区域进行裁剪、缩放、去噪滤波,然后将预处理后的RGB色域图像转换为CIE-XYZ色域图像;
S2:将上一步骤处理后的CIE-XYZ色域图像变换到对色空间(wk,rg,by)中,对色空间三分量分别进行傅里叶变换为频率分量;
S3:根据设置的目视距离值计算描述人类视觉系统的CSF模型,对wk/rg/by的频率分量分别应用该目视距离下的对比度敏感度函数(CSF)进行滤波,并进行反傅里叶变换;
S4:将反傅里叶变换的图像转到CIE-XYZ空间并进一步变换到CIE-Lab空间,得到三分量L*,a*,b*,并将a*、b*分量合成为一个ab*分量;
S5:将亮度和色度评估的阈值分别点乘一个位置掩模图,获取相应的与位置相关的阈值,而后对整合后的CIE-Lab空间的亮度分量L*和色度分量ab*分别进行量化评估,得出亮度和色度的评估指标;S6:将多目视距离下的亮度和色度的评估指标LEV,CEV分别进行汇总,并将汇总后的亮度和色度评估指标进行综合计算得出最终的显示面板Mura缺陷量化评估值MEV,并输出量化评估报表。
4.根据权利要求1所述的一种显示面板Mura缺陷评估方法,其特征在于:所述S3计算人类视觉系统对比度敏感度CSF函数的公式,如
所示,其中
(u,v)是空间频率坐标,单位为周期每度,wk,rg,by为对色空间中三分量在屏幕区域的均值,根据公式
和
γvk=0.0031ω2-0.1068ω-1.396
γrg=0.001531ω2-0.06149ω-1.140
γby=0.001919ω2-0.06427ω+1.090,
可以计算出对色空间(WK,RG,BY)三个分量的人类视觉系统CSF模型的传递函数;上述公式中涉及的空间频率γ的单位是周期/度,也就是从观察者视角的角度来给出的公式,而第2步中傅里叶变换得出的频谱图的单位是周期/像素,因此两者单位不一致,这里必须在计算CSF的空间频率γ的时候利用参数G=2HR×VD×tan(0.5)/WL进行单位的转换,其中HR为测量图像中屏幕水平的像素数,VD为目视垂直距离,WL为显示屏幕的宽度(mm);另外,在计算涉及到计算三个分量时,由于可能为负数需要对(WK,RG,BY)三个分量的均值进行取模,保证三分量的均值始终为正值,这样CSF模型计算得到的数据才能与实验结果相一致,然后,应用CSF模型计算得到的传递函数对(WK,RG,BY)三个分量进行频域滤波,如公式
wkFreq=CSFwk·*wkFreq
rgFreq=CSFrg·*rgFreq
byFreq=CSFby·*byFreq
所示,用(WK,RG,BY)三个分量的频谱图与对应的CSF函数进行矩阵点乘,即可完成频域滤波,此处(WK,RG,BY)三个分量对应的CSF函数数值较大,以防止后续计算出现异常,在频域滤波之前首先对三分量的CSF函数值进行了同步归一化,即找出三分量的CSF函数值中的最大值,并将其分别除以这个最大值,保证三分量的CSF函数的值始终在[0,1]内,以便于后续计算,最后,通过CSF函数滤波后的(WK,RG,BY)三个分量频域图进行傅里叶逆变换变换为空间域分量(wk,rg,by)。
6.根据权利要求1所述的一种显示面板Mura缺陷评估方法,其特征在于:所述S5由于人眼观察屏幕时往往对屏幕中心区域的Mura缺陷更为敏感,而屏幕边缘区域则相对较为迟钝,因此需要位置掩模图Mask来表征该特性,位置掩模图Mask是一个与屏幕区域图像分辨率相同的图像,该图像可以由用户自定义,其通过分别与亮度和色度评估的阈值来点乘来获得相对应的与位置相关的阈值,亮度评估指标LEV为
LEV=Lma+0.098Lml+10.47Lea,
其中,Lma为亮度不均匀区域占比,其计算方法为整个屏幕区域亮度值L*与其均值的差值绝对值大于0.5·Mask的像素个数占整个屏幕区域像素个数的比例,Lml为最大亮度差,其表示为屏幕区域亮度值L*与其均值的差值绝对值的最大值,Lea表示亮度边缘区域占比,计算方法为首先对整个屏幕区域计算亮度图像差分
其中Dx为3*3区域水平方向的中心差分,Dy为3*3区域垂直方向的中心差分,然后统计DO>10·Mask区域占整个屏幕区域像素个数的比例,色度评估指标CEV为
CEV=Cma+0.0041Cmc+3224Cea,
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110060756.5A CN112954304B (zh) | 2021-01-18 | 2021-01-18 | 一种显示面板Mura缺陷评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110060756.5A CN112954304B (zh) | 2021-01-18 | 2021-01-18 | 一种显示面板Mura缺陷评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112954304A CN112954304A (zh) | 2021-06-11 |
CN112954304B true CN112954304B (zh) | 2022-09-16 |
Family
ID=76235354
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110060756.5A Active CN112954304B (zh) | 2021-01-18 | 2021-01-18 | 一种显示面板Mura缺陷评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112954304B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114355638A (zh) * | 2021-12-23 | 2022-04-15 | 中航华东光电有限公司 | 显示器黑场Mura的定量评价设备和方法 |
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 (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006071521A (ja) * | 2004-09-03 | 2006-03-16 | Matsushita Electric Ind Co Ltd | パターン検査方法および装置 |
JP2009074828A (ja) * | 2007-09-19 | 2009-04-09 | Seiko Epson Corp | 欠陥検出方法および欠陥検出装置 |
CN105205803A (zh) * | 2015-08-18 | 2015-12-30 | 武汉华星光电技术有限公司 | 显示面板缺陷检测方法 |
CN108956776A (zh) * | 2018-06-22 | 2018-12-07 | 中铁大桥科学研究院有限公司 | U肋全熔透角焊缝缺陷的超声波相控阵检测方法及系统 |
CN109345528A (zh) * | 2018-09-28 | 2019-02-15 | 凌云光技术集团有限责任公司 | 一种基于人眼视觉特性的显示屏缺陷检测方法及装置 |
CN111563889A (zh) * | 2020-05-06 | 2020-08-21 | 深圳市斑马视觉科技有限公司 | 基于计算机视觉的液晶屏幕Mura缺陷检测方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120075354A1 (en) * | 2010-09-29 | 2012-03-29 | Sharp Laboratories Of America, Inc. | Capture time reduction for correction of display non-uniformities |
CN107918216B (zh) * | 2017-12-13 | 2021-03-12 | 深圳Tcl新技术有限公司 | 图像Mura缺陷评估方法、系统以及可读存储介质 |
CN108074235A (zh) * | 2017-12-26 | 2018-05-25 | 太原理工大学 | 基于区域增长算法的碳纤维表面缺陷程度估计方法 |
CN108460757B (zh) * | 2018-02-11 | 2020-04-14 | 深圳市鑫信腾科技有限公司 | 一种手机TFT-LCD屏Mura缺陷在线自动检测方法 |
CN110097034B (zh) * | 2019-05-15 | 2022-10-11 | 广州纳丽生物科技有限公司 | 一种智能人脸健康程度的识别与评估方法 |
-
2021
- 2021-01-18 CN CN202110060756.5A patent/CN112954304B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006071521A (ja) * | 2004-09-03 | 2006-03-16 | Matsushita Electric Ind Co Ltd | パターン検査方法および装置 |
JP2009074828A (ja) * | 2007-09-19 | 2009-04-09 | Seiko Epson Corp | 欠陥検出方法および欠陥検出装置 |
CN105205803A (zh) * | 2015-08-18 | 2015-12-30 | 武汉华星光电技术有限公司 | 显示面板缺陷检测方法 |
CN108956776A (zh) * | 2018-06-22 | 2018-12-07 | 中铁大桥科学研究院有限公司 | U肋全熔透角焊缝缺陷的超声波相控阵检测方法及系统 |
CN109345528A (zh) * | 2018-09-28 | 2019-02-15 | 凌云光技术集团有限责任公司 | 一种基于人眼视觉特性的显示屏缺陷检测方法及装置 |
CN111563889A (zh) * | 2020-05-06 | 2020-08-21 | 深圳市斑马视觉科技有限公司 | 基于计算机视觉的液晶屏幕Mura缺陷检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112954304A (zh) | 2021-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102881010B (zh) | 基于人眼视觉特性的融合图像感知清晰度评价方法 | |
US20190266966A1 (en) | Gray scale adjustment method and device for display panel | |
CN112954304B (zh) | 一种显示面板Mura缺陷评估方法 | |
Watson | 31.1: Invited paper: The spatial standard observer: A human vision model for display inspection | |
US9995630B2 (en) | Unevenness inspection apparatus and unevenness inspection method | |
CN105049734A (zh) | 可进行拍摄环境拍摄提示的证照相机及拍摄环境检测方法 | |
US8036456B2 (en) | Masking a visual defect | |
WO2018090450A1 (zh) | 显示屏均匀性测试方法及显示屏均匀性测试系统 | |
CN114299070A (zh) | 一种显示屏mura缺陷的检测方法及相关装置 | |
WO2021237872A1 (zh) | Mura检测方法、装置及可读存储介质 | |
CN105427315B (zh) | 数字仪表图像位置测试方法及装置 | |
CN113848044B (zh) | 一种显示屏亮色度一致性检测方法 | |
CN109073503B (zh) | 不均匀性评价方法和不均匀性评价装置 | |
Platiša et al. | Psycho-visual evaluation of image quality attributes in digital pathology slides viewed on a medical color LCD display | |
CN113936579A (zh) | 一种lcd显示屏闪烁值的测量方法及相关装置 | |
US10902644B2 (en) | Measures for image testing | |
Lee et al. | P‐85: A New Method for Color Mura Quantification | |
CN116862904A (zh) | 一种基于最小可觉差的显示面板Mura缺陷全局评估方法 | |
Watson | The spatial standard observer: A new tool for display metrology | |
US20240029215A1 (en) | Methods and systems for virtual image compensation and evaluation | |
WO2024020737A1 (en) | Methods and systems for mura detection and demura | |
CN109743569B (zh) | 一种摄像头调焦方法及装置 | |
Tang et al. | 16.5: Key Technologies and Algorithm of Measurement for Mini‐LED‐backlit LCDs | |
KR20070114511A (ko) | 액정 표시 장치용 이미지 시뮬레이션 장치 및 그 방법 | |
Trèmeau et al. | Influence of background on the colour appearance of images |
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 |