WO2015114042A1 - Kodierverfahren zur datenkompression von leistungsspektren eines optoelektronischen bauteils und dekodierverfahren - Google Patents

Kodierverfahren zur datenkompression von leistungsspektren eines optoelektronischen bauteils und dekodierverfahren Download PDF

Info

Publication number
WO2015114042A1
WO2015114042A1 PCT/EP2015/051790 EP2015051790W WO2015114042A1 WO 2015114042 A1 WO2015114042 A1 WO 2015114042A1 EP 2015051790 W EP2015051790 W EP 2015051790W WO 2015114042 A1 WO2015114042 A1 WO 2015114042A1
Authority
WO
WIPO (PCT)
Prior art keywords
image
graph
values
output
compressed
Prior art date
Application number
PCT/EP2015/051790
Other languages
English (en)
French (fr)
Inventor
Michael Schumann
Ludwig Plötz
Original Assignee
Osram Opto Semiconductors Gmbh
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 Osram Opto Semiconductors Gmbh filed Critical Osram Opto Semiconductors Gmbh
Priority to DE112015000624.9T priority Critical patent/DE112015000624A5/de
Priority to CN201580007016.8A priority patent/CN105940612B/zh
Priority to JP2016567149A priority patent/JP6360913B2/ja
Priority to US15/110,651 priority patent/US9992504B2/en
Publication of WO2015114042A1 publication Critical patent/WO2015114042A1/de

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • G06T9/007—Transform coding, e.g. discrete cosine transform
    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
    • H03M7/00—Conversion of a code where information is represented by a given sequence or number of digits to a code where the same, similar or subset of information is represented by a different sequence or number of digits
    • H03M7/30—Compression; Expansion; Suppression of unnecessary data, e.g. redundancy reduction
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/136—Incoming video signal characteristics or properties
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/42—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by implementation details or hardware specially adapted for video compression or decompression, e.g. dedicated software implementation
    • H04N19/423—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by implementation details or hardware specially adapted for video compression or decompression, e.g. dedicated software implementation characterised by memory arrangements
    • H04N19/426—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by implementation details or hardware specially adapted for video compression or decompression, e.g. dedicated software implementation characterised by memory arrangements using memory downsizing methods
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/44—Decoders specially adapted therefor, e.g. video decoders which are asymmetric with respect to the encoder
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/90—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using coding techniques not provided for in groups H04N19/10-H04N19/85, e.g. fractals

Definitions

  • the invention relates to a method for compressing one or more power spectra of an optoelectronic component and to a method for decompressing the power spectra.
  • LED light-emitting diodes
  • LEDs are used in various technical applications.
  • LEDs are increasingly being used for lighting purposes.
  • different LEDs with defined light characteristics can be produced.
  • LEDs of the same component series produce more or less strong variations in the light characteristics. While in some applications of the LEDs a certain variance of the luminous properties proves to be unproblematic, certain special applications require the most accurate knowledge possible of the light characteristics of the LEDs used.
  • the LED light detected by the human eye is already sufficiently characterized by means of a few macroscopic data, such as eg photometric brightness and color locus.
  • a few macroscopic data such as eg photometric brightness and color locus.
  • the light-power spectrum is for LED light which is detected by a sensor, in addition to the macro scopic ⁇ data as radiometric brightness, interesting, which has a significantly larger data volume.
  • the camera module detects the light of an internal LED flash.
  • LED chip individually controllable colors
  • a storage of these data in the memory device integrated in the LED component therefore requires a relatively large storage volume, which is accompanied, among other things with relatively high production costs. Since the Speicherkapa ⁇ capacity and the size of the corresponding memory chips increases ⁇ , large storage volume are chen, especially in fields of application with significantly limited installation space relatively critical.
  • the previous methods for the characterization of LED components include, among other things, the so-called "binning".
  • the LED components are divided into so-called bins, each bin being assigned a parameter range.
  • some parameters such as brightness and color.
  • spectral information can not be meaningfully handled by binning due to the amount of data.
  • so-called data file eg, laser codes
  • the LEDs measured at ⁇ playing already at the chip level (wafer maps) and by means of unique codes will be provided.
  • the data must the user while offline transmitted ⁇ to, for example in the form of data files, which allow to ⁇ arrangement of the data using the unique code of the LED components.
  • This object is achieved by a coding method for compressing power spectra of optoelectronic components according to claim 1.
  • the object is achieved by a decoding method for decompressing power spectra of optoelectronic components according to claim 14. Further advantageous embodiments are specified in the dependent claims.
  • At least one power spectrum of an optoelectronic component is provided and sampled at certain sampling wavelengths for generating a discrete output spectrum.
  • the discrete output spectrum is then indexed to generate ei ⁇ nes output graph having discrete output values, wherein the wavelengths are replaced with continuous indexes.
  • Then is generated by transforming the output ⁇ graph of an output area in an image area with- means of a discrete frequency transform an image graph with discrete image values.
  • a Kom ⁇ pression of the image graph is carried out which identifies relevant and less relevant components of the image graph and the less relevant components are eliminated from the image graph.
  • the compressed image ⁇ graph is digitized to produce compressed spectral data, each image value of the compressed image graphs a corresponding digital number with a certain bit depth zugeord ⁇ net.
  • the transformation of the output graph takes place by means of a discrete cosine transformation.
  • discrete cosine transformation it is relatively easy to separate important from unimportant signal components.
  • discrete cosine transform can be used over comparable transforms, such as. the discrete Fourier transform, which dispenses with the complex calculation with complex numbers. As a result, computational effort in the coding and decoding of the power spectra can be saved.
  • a cascading of the discrete frequency transformation takes place by storing image values with low indices of an image graph generated by means of the discrete frequency transformation and the remaining image values of the image graph
  • Image graphs are transformed again using the discrete frequency transform.
  • Transformations allow a successive concentration of relevant signal components on low indices without significant loss of overall information. This is especially true
  • a further embodiment provides that image values are eliminated with an index above a threshold index at the compres sion of the image graph ⁇ , wherein the threshold is ⁇ value index predefined or dynamically determined.
  • the filtering means of a threshold index represents a special ⁇ DERS simple yet very effective compression method. By simply moving the threshold index to the corresponding index scale, the compression method is very easy to optimize in terms of compression ratio and size of the compressed spectral data.
  • spectral values of the power spectrum are multiplied by a first scaling factor before the sampling.
  • the first scaling factor used is a constant value over the entire wavelength range or a function dependent on the wavelength, wherein the first scaling factor is fixed for a plurality of power spectrums or is determined dynamically as a function of the respective power spectrum.
  • values of Leis ⁇ processing spectrum can be customized.
  • scaling allows multiple power spectra on the power scale to be aligned.
  • Using a function as a scaling factor allows for optimized scaling, while using fixed values as a scaling factor allows for a very simple scaling.
  • the Ver ⁇ application of fixed before scaling factors is particularly appropriate when the power spectra of various optoelectronic components differ only slightly from each other.
  • the decoder can work on the basis of a table, so that the scaling factor or the corresponding parameters of the scaling factor need not be transmitted to the decoder with the coded spectral data.
  • the dynamic determination of the scaling factor offers an optimization of the scaling for each individual optoelectronic component.
  • the image values are scaled by means of a second scaling factor, wherein a predetermined or dynamically determined constant value or a predetermined or dynamically determined function is used as the second scaling factor.
  • a predetermined or dynamically determined constant value or a predetermined or dynamically determined function is used as the second scaling factor.
  • a further embodiment provides that an envelope of the compressed image graph is determined for scaling and the image values of the compressed image graph are divided by corresponding values of the envelope.
  • a logarithm of the absolute values of the image values of the compressed image graphs is formed to scale, wherein for image values with an index less than or equal to the threshold index ei ⁇ ne regression line using a linear regression be ⁇ true.
  • An envelope of the compressed image graph is then determined by linear displacement of the regression ⁇ straight.
  • the image values of the compressed image graph are divided by corresponding values of the envelope.
  • sampling wavelengths enables a direct comparison of different power spectra.
  • sampling and thus the entire coding process can be optimized by a dynamic determination of the scanning wavelengths.
  • the sampling wavelength resolution the information content of the individual sampling points of the respective application can be optimized.
  • negative values of the power spectrum are set to zero before the sampling. This can reduce the dynamic range of the power spectrum to be compressed without loss of information.
  • a further embodiment provides that, to generate the discrete output graph, at least two different power spectra of the optoelectronic component are combined to form a common power spectrum and indexed together.
  • the individual power spectra are directly connected to one another or separated from one another by means of filling values inserted before, between and / or behind the individual power spectra.
  • the individual power spectra are scaled individually or together.
  • fill values on the one hand to achieve an adaptation of the various power spectra.
  • the insertion of fill values allows minimization of the distortion caused by the compression process in the outer regions of the single spectra. Due to the separate scaling of the power spectra, the individual spectra can be optimally scaled. By contrast, the amount of data can be reduced by a common scaling.
  • the digitization of the compressed image graph is performed with a constant or a dynamically determined bit depth.
  • the constant bit depth allows a particularly simple digitization.
  • using the dynamically determined bit depth a weighting of the various frequency components with regard to the maximum quantization error can be achieved. This allows, for example, frequency components mapped with low indices having a high bit depth as possible ge ⁇ precisely, while frequency components are imaged with higher indices with a lower bit depth, and so a larger quantization error.
  • Spectral data takes place. Certain parameters are adjusted of individual or several steps with a view to optimum data quantity and / or quality of the compression Kompri ⁇ -optimized spectral data and performing the corresponding process steps or the compression method with the arrival adapted parameters again.
  • this estimation which can take place both after individual process steps and after a complete run of the compression algorithm, it can be ensured that the data volume of the compressed spectral data does not exceed the predetermined memory size. At the same time can be ensured so that a reconstructed on the basis of komprimier ⁇ th spectral range to match as closely as possible to the original range.
  • the decoding method for decompressing a compressed power spectrum using a compression method first the compressed spectral values of the power spectrum are provided and a reversal of the digitization is carried out, wherein each digital number of the compressed spectral data is assigned an image value corresponding to the respective bit depth. Then a rescaling is performed, the image values being divided by the second scaling factor. Furthermore, an indexing of the image values for generating a reconstructed image graph is performed, wherein each image value is assigned a corresponding image index. Then, a discrete frequency inverse transform transformation used by the coder is applied to the reconstructed image graph to produce a reconstructed output graph. phen to produce.
  • the decoder uses those parameters, which were used by the encoder for encoding the compressed spectral data.
  • the image values of the reconstructed image graph are interpolated in order to generate additional image values.
  • the additional image values are generated by applying the inverse transformation, reversing the indexing and rescaling desired intermediate values in the reconstructed power spectrum. This makes it relatively easy to generate certain spectral values in the reconstructed power spectrum that were not present in the original discrete power spectrum.
  • FIG. 1 shows an exemplary arrangement for measuring and coding a power spectrum of an optoelectronic component by means of a measuring and coding device
  • FIG. 2 shows a schematic representation of an arrangement for operating an optoelectronic component with a decoding device for decoding the compressed power spectrum of the respective optoelectronic component
  • FIG. 3 shows by way of example a power spectrum of a light-emitting diode
  • FIG. 5 shows an output graph composed of the three power spectra and generated by scaling and indexing
  • FIG. 6 shows an image graph generated by discrete frequency transformation of the output graph
  • FIG. 8 shows the image graph after reversing the logarithmic representation with an exponentially decreasing envelope
  • FIG. 9 shows the image graph from FIG. 8 after scaling with a second scaling factor
  • FIG. 10 shows by way of example a data record with compressed spectral data in the form of a table
  • FIG. 11 is a schematic representation of a flow chart of the coding method according to the invention.
  • Fig. 12 is a schematic representation of a flow chart of the decoding method according to the invention.
  • the storage of power spectra of an optoelectronic device is subject to the high volume of data Such power spectra certain limitations.
  • To store a power spectrum of an LED is due to the small size of the LED only a very ⁇ be patentedes storage volume.
  • an appropriate data compression for compression of the power spectrum should be used.
  • the coded output spectrum is then preferably also written proceedings of the light-emitting diode in the memory device of the Leuchtdi ⁇ ode within the Heinrichsverfah-.
  • the encoding method described below uses a lossy compression method, are separated at the data in a major for the application part and a unwichti ⁇ gen part, and only the important part is vomit ⁇ chert.
  • a typical unimportant part is z.
  • the border between the important and the unimportant part is usually fluent. Therefore, it is possible to control accurately by adjusting this limit, which is done in the embodiment described above, by shifting the threshold index along the index scale image, the data size of kom ⁇ prim believing data.
  • this form of compression is particularly well suited for optimizing the data size with regard to a limited storage volume, the shape of the input signal, the quality of the coder and the available data volume determine the quality of the compression, ie to what extent the decoded-coded with the original data.
  • FIG. 1 A possible arrangement for coding the power spectra is shown in FIG. 1.
  • a light 111 emitted by an optoelectronic semiconductor component 110 of an optoelectronic component 100 is received by a measuring device 220.
  • the typically designed in the form of a spectrometer measuring device 220 determines the performance ⁇ spectrum of the incident light, and outputs this power ⁇ spectrum of data to an encoder 210 on.
  • the Encoder 210 also referred to as Encoder or Encoder, uses a special algorithm to generate a set of encoded spectral data from the received power spectrum.
  • the compressed spectral data are then transferred via a corresponding data interface 130 to the electro-optical component 100 and stored there in an internal memory device 120.
  • the measuring device 220 and the coding device 210 in the schematic representation of FIG. 1 are combined to form a common measuring and coding device 200, the measuring process and the coding process can be carried out both temporally and spatially independently of one another.
  • the storage of the coded spectral data in the memory device 120 may also take place before the mounting of the memory device 120 on the optoelectronic component 100.
  • the reconstruction of the power spectrum from the compressed spectral data is preferably carried out using a suitable Dekodierein ⁇ direction, as shown for example in Figure 2.
  • the compressed spectral data read out of the memory device 120 of the optoelectronic component 100 are thereby converted into a reconstructed power spectrum in the decoding device 310, which is also referred to as a decoder or decoder, essentially by a reversal of the method steps performed by the encoding device 210.
  • the reconstructed power spectrum can be used directly depending on the application or stored in a memory for later use.
  • the reconstructed power spectrum is supplied to a control device 320, which uses this information to carry out a control of the optoelectronic semiconductor chip 110 of the optoelectronic component 100.
  • the controller may the reconstructed power ⁇ spectrum of the optoelectronic semiconductor chip 110 are used to control or evaluation of an optical sensor 330 320, which receives the light reflected from an object 340 light 111 of the optoelectronic semiconductor chip 110th
  • This sensor device 330 may be, for example, a camera module of a mobile telephone, wherein the opto electronic semiconductor chip 110 is formed in this case in the form of a flash or photo light.
  • the control device 320 may perform a correction of the images received by the camera module 330 by means of the power spectrum of the light source 110 read from the memory device 120 and reconstructed by the decoding device 310.
  • the decoding of the coded spectral data and the application of the decoded spectral data may coincide both temporally and spatially.
  • the coded spectral data can already be decoded in advance and stored in a memory of the respective application for later use.
  • the coding and decoding devices 210, 310 shown here can basically be realized in the form of hardware, software or a combination of hardware and software.
  • a typical light power spectrum of a green LED as it exists after a corresponding measurement using a spectrometer of the Kodie ⁇ means 210th More specifically, this is a power density spectrum in which typically the radiance L is plotted against the wavelength ⁇ , where the radiant flux L or the radiant power per unit space angle per unit area expressed in watts per square meter per steradian [W sr-1 m-2) is meant.
  • the power spectrum 152 is typically present with a relatively high wavelength resolution, so that the uncompressed spectral data has a large data volume.
  • FIG. 4 shows, by way of example, three power spectra 151, 152, 153 of a multicolor light-emitting diode.
  • the individual power spectra 151, 152, 153 thereby differ from each other significantly in the height, which is the one hand, due to manufacturing, on the other hand, however, ⁇ related to the physiological perception of light by the human eye.
  • a reduction in the amount of data necessary to describe these power spectra can be achieved by suitable compression of the power spectrums 151, 152, 153.
  • negative values of the power spectra 151, 152, 153 can be eliminated. Such negative values are usually caused by noise effects as well as by certain processing processes in the spectrometer 220. For this purpose, spectral values that are less than zero are set equal to zero. This process step is fundamentally optional.
  • a scaling of the individual power spectra 151, 152, 153 take place. This makes sense, for example, then when the spectral values vary or within each Leis ⁇ tung spectra over a wider range when the spectral values of different power spectra having different orders of magnitude.
  • a normalization or adaptation of the power spectra can be made so that the spectral values of each
  • Power spectra for the subsequent digitization have favorable orders of magnitude.
  • the scaling factor can be constant within a spectrum.
  • a function may be used for scaling, for example a function of the wavelength.
  • the Kodierein ⁇ device 210 may be equipped with a fixed scale factor, which is for all power spectra for the application, or it can be in each case a certain effort Scaling factor can be used, which is selected depending on the respective power spectrum or specially generated. In the latter case, however, the scaling factor must be transmitted to the decoder. This is typically done by inserting appropriate parameters of the scaling function into the finished compressed data set, which, however, requires more memory.
  • the power spectra provided by the spectrometer 220 are typically in a relatively high Wellendorfnauf ⁇ solution over a wide wavelength range.
  • a scan of the power spectra 151, 152, 153 in certain wavelengths instead.
  • These sampling or sampling wavelengths can be constant, ie predetermined by a table and apply to all equivalent power spectra.
  • the sampling wavelengths in the encoder 210 may also be determined dynamically, eg, based on a particular function.
  • the sampling wavelengths or the respective parameters of the function to the decoder 310 must be exceeded averages, which is typically associated with a higher vo ⁇ lumen.
  • the encoder 210 may use a constant wavelength resolution for sampling, the sampling wavelengths being equidistant from each other.
  • the sampling wavelengths are also selects overall non-linear, so that the individual sample points differed ⁇ Liche distances from one another.
  • Kings ⁇ NEN the sampling wavelengths are chosen so that by the scanning of the information content of each sample point is equivalent as possible or that the information content is optimized according to the application.
  • the ratio between computational effort and coding quality can be determined and optimized.
  • the Kodierquali ⁇ ty usually increases with higher sampling resolution. However, a sampling resolution above the resolution of the original spectrum does not bring any further performance advantage.
  • the spectral values are indexed.
  • the spectral values (1 max_index 0, 2, ...) are arranged in their Rei ⁇ hen blur and with a continuous output index I A provided.
  • Each output index I A corresponds to a specific sampling wavelength.
  • the individual LED spectra can be individually indexed and then coded separately.
  • the individual power spectrums 151, 152, 153 can then be indexed together and subsequently coded.
  • each A ⁇ zelspektrums 151, 152, 153 and in the transition area between two individual spectra 151, 152, 153 certain at the beginning and at the end Insert fill values (spacer). This can achieve that errors occurring due to the subsequent transfor ⁇ mation preferably in the peripheral regions of the spectra, focus on only the filling values, while the actual spectra of these errors are largely spared. In addition, using suitable fill values, a better transition between the two spectra can be achieved.
  • FIG. 5 shows, by way of example, an output graph 160 formed by scaling, sampling, combining and indexing from the three power spectra 151, 152, 153 shown in FIG. 4. Since the following mathematical algorithms use dimensionless numbers, in the output graph 160 the physical quantities wavelength ⁇ in nm and power density L in (W / (sr nm2) by the dimensionless output index I A and also dimensionless value output ⁇ A replaced.
  • a transformation of the output graph 160 present here as a discrete spatial signal is carried out from a local or output region into a frequency or image region.
  • This can in principle be done with any suitable discrete, linear, orthogonal transformation.
  • the discrete cosine transformation (DCT, Discrete Cosine Transformation) is used for this purpose.
  • DCT discrete cosine transformation
  • one of the four known variants I, II, III, IV of the discrete cosine transform is used.
  • the normalization necessary for discrete transformations to maintain performance can be done in different ways. So the Normie ⁇ magnification factor 1 / (max_index + 1) can not be used in coding, so it must then be applied by the decoder.
  • the normalization factor can also be applied by the decoder as a root, in which case the decoder must also apply the normalization factor as the root.
  • the scaling factor can be completely applied by the coder, so it does not have to be used by the decoder.
  • the subscripts I B forming the abscissa axis correspond to individual functions of the discrete cosine Transformation and the frequency values plotted along the ordinate axis, which are designated as image values B to distinguish them from the output values A of the output graph 160, the respective coefficients of the individual functions.
  • the frequency components of the image graph 170 show in the low-frequency range an exponential decay with high values in the front region and small values in the rear region of the frequency spectrum typical for signals with uncorrected frequency components. It is therefore possible to restrict the calculation to an appropriate front index range when performing the transformation. As a result, the computational effort can be reduced.
  • a cascading of the transformation can also be carried out. This is to a chain of transformations wherein ... n are stored after a successful transformation Index values 0 and the further index values n + 1 ... are transformed by the discrete cosine transform m ⁇ max_index he ⁇ neut. This step can be repeated several times, and in the limit each be ⁇ keep only the lowest index value, and any other index values are transformed again. This method results in a significantly increased computational effort, since a larger index range is expected.
  • the cascading of spectral values with relevant and, in particular, systematic high frequency components makes it possible to successively concentrate these relevant signal components on the low indices.
  • the data volume of the coded spectral data can be significantly reduced without, at the same time, significantly reducing the reproducibility of the power spectra.
  • the ratio of data quantity ⁇ one hand can be optimized to compression quality. In particular, so that the compression can be designed in a particularly simple manner to a predetermined storage volume. On the other hand, smoothing of the spectral curve can be achieved with a suitable choice of the threshold value index.
  • the threshold index S can be an index in the range of 1/4 to 1/5 of the maximum index. It is useful, the threshold index S, are located on the In ⁇ dexgrenze between the informative signal, which falls ⁇ typi cally exponentially, and noise, which rather has ⁇ typi cally a constant course. Depending on the application, the threshold index S may be predetermined or determined dynamically in the encoder 210. In the latter case, however, the threshold index S must be transmitted to the decoder and thus occupies additional storage space.
  • Figure 7 shows the absolute values of the output graph 170 plotted on a logarithmic ordinate.
  • the threshold index S is preferably in the range of the limit index defined by the Ge ⁇ rade 176, wherein the position of the threshold index S depending on the desired compression and Sig ⁇ nal chorus along the index axis by the limit index va ⁇ riieren.
  • a scaling of the compressed image graph 170 can be carried out after the compression step.
  • the image values B are multiplied by a scaling factor. This can be done, for example, with a fixed pre ⁇ given scaling factor.
  • the scaling factor can be determined or defined dynamically by the coder, for example as a function of the image index I B. In this case, however, the scaling factor must be transmitted to the decoder, which increases the amount of data in the coded data record.
  • the scaling is preferably carried out with the aid of an envelope (envelope), wherein due to the exponential decay of the image values B of the compressed image graph 170, an Envelo method is suitable in which first the absolute values of the image values B are formed and then a logarithm of the absolute values is formed , In particular, the natural logarithm is suitable for this, since the frequency components are uncorrelated and therefore fall off exponentially.
  • envelope envelope
  • an Envelo method is suitable in which first the absolute values of the image values B are formed and then a logarithm of the absolute values is formed , In particular, the natural logarithm is suitable for this, since the frequency components are uncorrelated and therefore fall off exponentially.
  • a linear regression is performed which the two parameters X_SCALE (index axis) and Y_SCALE (frequency value axis) provides a regression line can be generated by de ⁇ ren help, the parameter X_SCALE and Y_SCALE possibility to specify the points of intersection of the regression line with the image-index axis and the image ⁇ value axis.
  • X_scale can also specify a slope of the regression levels.
  • the regression line is shifted by a modification of parame ⁇ ters X_SCALE or Y_SCALE such that all Loga rithmusirri ⁇ always be below the shifted Regressionsge ⁇ rade , If necessary, a safety buffer of, for example, 5% can be inserted.
  • the thus shifted Re ⁇ gressionsgerade forms a Hüllkurvengerade the modified parameter X_SCALE and the associated parameters are Y_SCALE each having a predetermined scaling function with fixed Parameters are scaled and rounded to an integer.
  • an envelope 175 is created which includes all of the image values B Stammgra ⁇ phen 170 in its first portion 171st As shown in FIG. 8, the envelope 175 shows an exponential course. For clarity, the envelope 175 is also shown in the negative region in FIG.
  • the image values B of the image graph 170 in the image index area 0 to the threshold index S are now divided by the corresponding envelope values of the envelope 175.
  • scaled image values C which lie between -1 and +1, thus result.
  • the available bit depth of the subsequent digitization step can be optimally utilized.
  • the scaling reliably avoids a possible overflow.
  • each image value B or B ' is assigned a digital number with a defined bit depth.
  • a bit depth assignment predetermined for example, using a table can be used or, alternatively, the bit depth can be assigned dynamically by the coder by means of a function. This assignment can be formed for example in its own bit depth envelope function and in the form of function parameters to the decoder be transmitted. In this case, additional space is needed for the function parameters.
  • threshold index S which determines the number of coded frequency values, together with the bit depth, defines the required memory space of the compressed frequency
  • FIG. 10 shows, by way of example, a possible compressed data record in a tabular form.
  • the digital numbers (data string) with the associated bit depth (bit depth) are shown.
  • the compressed data set is composed of a first part I, in which certain parameters are dynamically transmitted by the bait, and of a second part II, which essentially contains the digitized image values.
  • the digitized image values are arranged here by way of example according to their index. Depending on the application, the number and order of parameters within the data set may vary. As can be seen from the table of FIG.
  • the bit depth can decrease stepwise as the index progresses, with the first eight digital numbers having a bit depth of 10 bits, the next eight bits having a bit depth of 9 bits, the next eight digital numbers having a bit depth of 8 bits etc. are available.
  • a corresponding descending bit depth function ensures that the first and therefore the most relevant vant signal components can be reconstructed as accurately as possible.
  • FIG. 11 shows a schematic flowchart 400 of the present coding method, wherein in the first step 410 negative values are first removed from the original spectrum.
  • a Skalie ⁇ tion of the power spectrum or the power spectrum is performed.
  • a sampling of the output spectrum thus generated takes place.
  • an indexing of the output spectrum for generating an output graph takes place.
  • a transformation is carried out.
  • an optional cascading of the transformations takes place.
  • the image graph thus generated is compressed, and only image values are less than or equal to a defined threshold value index S euroverarbei ⁇ tet.
  • an optional scaling of the image graph thus compressed takes place.
  • the decoder or decoder device carries out the steps of the coder or the coding device essentially in reverse order.
  • the decoder uses the parameters used in the coding, wherein in the decoder parameters that are fixed in the coding method, are implemented. Parameters dynamically generated by the coder are preferably passed to the decoder along with the coded record.
  • FIG. 12 schematically shows the sequence of a decoding process.
  • a reversal of digitization made.
  • the bit numbers are first determined from the continuous bit sequence according to their bit depth allocation.
  • the digital numbers determined in this way are converted into floating point numbers.
  • a reversal of the bit numbers are first determined from the continuous bit sequence according to their bit depth allocation.
  • the digital numbers determined in this way are converted into floating point numbers.
  • Scaling in which the scaled values, preferably between -1 and 1, are multiplied by the corresponding envelope value.
  • a Indizie ⁇ tion is made, is assigned at which each reconstructed image value a corresponding image index I B.
  • intermediate values of the so recon structed ⁇ discrete image graph terpolation means of an appropriate home, which, determined according to the inverse transformation, do not result known wavelengths in the original output spectrum.
  • the interpolation property of the discrete cosine transformation is used in order not to generate the spectral values of the sampling wavelengths used by the coder but the spectral values to arbitrary wavelengths in the coded wavelength range.
  • the image indices of the reconstructed image graph can be linearly interpolated according to the desired wavelength, so that they may no longer be in an integer.
  • the subsequent discrete cosine transformation generates the appropriate interpolated spectral values for these indices. So the decoded or reconstructed Leis ⁇ processing spectrum can be produced in any resolution. However, deviations between the original spectrum and the reconstructed spectrum are independent of the selected resolution.
  • an inverse transformation of the reconstructed image graph from the image area to the output area Following the indexing step and the given ⁇ if interpolation was carried out in the fourth method step 540 ⁇ an inverse transformation of the reconstructed image graph from the image area to the output area.
  • the transformation in the decoder must be matched to the transformation in the coder. In particular, using a discrete cosine transform to encode the In this case, the variants (I, II, III, IV of the original discrete cosine transformation must be taken into account.)
  • the application of the normalization factor must also observe the procedure for the original transformation. so no application of the normalization factor If necessary when using a normalization ⁇ factor in the original transformation in the inverse transform. the normalization factor was previously applied as a root, it must also be in the inverse transformation applied as a root are.
  • the normalization factor must be considered when inverse transform be applied, unless it is used in the forward transformation. If conducted a cascading of the transformation in the coding, cascading must be carried out now in vice ⁇ reverse order. in this case, only the portion of the image graph is first bac ktransformiert, which was also transformed last. Subsequently, further values are added and transformed together with the result of the first inverse transformation in a new inverse transformation. After the inverse transformation, any fill values that may be present are omitted, and in the fifth method step 550, the reconstructed power spectrum is split into individual power spectra. The spectral values are reassigned to the individual spectra. This method step is necessary only in the case when originally several power spectra were combined to form an extended power spectrum.
  • a subsequent sixth method step 560 the indexing is reversed, with each spectral value corresponding to the indexing being assigned the corresponding wavelength.
  • the spectral values are power spectrum depending ⁇ wells divided by the corresponding scaling value. After re-scaling is now in front of the reconstructed power ⁇ spectrum or the reconstructed power spectra.
  • negative values may be removed, which may be present in the reconstructed power spectrum due to the decompression.
  • the decoded spectral values which are smaller than zero, are set equal to zero.
  • the order of the steps can be reversed or resorted in the decoder, if this makes sense and expedient.
  • the method steps 560, 570 and 580 can be interchanged with one another.
  • the inversion of the scaling 520 and the indexing or interpolation 530 can also be interchanged with one another.
  • the decoder described here can also be integrated into the coder implementation. Thus, in the coder, the decoding result of the decoder can be compared directly with the original spectrum, giving the coder an opportunity to evaluate its own performance.
  • the encoding method described here uses a loss ⁇ lossy compression methods, are separated at the data in a major for the application part and an unimportant part, and only the important part is stored.
  • a typical unimportant part is z.
  • the border between the important and the unimportant part is there ⁇ usually fluent. Therefore, it is possible, by ANPAS ⁇ sen this limit, which along in the embodiment described above, by shifting the threshold Index Image index scale is made to control the size of the compressed data, since ⁇ th accurately.
  • this compre ⁇ sion form is particularly suitable for optimizing the data size in terms of a limited storage volume, the shape of the input signal, the quality of the encoder and the held for Availability checked ⁇ supply data volume thereby determine the quality of the compression, ie the extent the decoded-coded match the original data.
  • Spectra of an optoelectronic device are encoded.
  • absolute spectral values e.g. in W / (sr * nm).
  • the ratio between the spectra is maintained.
  • power spectrum in the embodiment described here refers to a Licht Struktursspec ⁇ rum, in which the radiation density L is plotted against the wavelength ⁇ wavelength ⁇ , but it is also possible depending on the particular measurement method and application, spectra to use, in which a different radiometric or photometric quantity against the wavelength ⁇ is carried ⁇ on, such as total power in W / nm, maximum
  • Radiant intensity i.e., light output per solid angle W / (sr * nm)
  • irradiance i.e., illumination of an area in

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Discrete Mathematics (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)
  • Image Processing (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)
  • Compression Of Band Width Or Redundancy In Fax (AREA)
  • Spectrometry And Color Measurement (AREA)
  • Photometry And Measurement Of Optical Pulse Characteristics (AREA)
  • Testing Of Optical Devices Or Fibers (AREA)
  • Led Device Packages (AREA)

Abstract

Ein Kodierverfahren zur Datenkompression von Leistungsspektren eines optoelektronischen Bauteils, bei dem wenigstens ein Leistungsspektrum des optoelektronischen Bauteils bereitgestellt und bei bestimmten Abtastwellenlängen zum Erzeugen eines diskreten Ausgangsspektrums abgetastet wird. Das diskret Ausgangsspektrum wird zum Erzeugen eines Ausgangsgraphen mit diskreten Ausgangswerten indiziert, wobei die Wellenlängen durch fortlaufende Ausgangsindizes ersetzt werden. Durch eine Transformation des Ausgangsgraphen von einem Ausgangsbereich in einen Bildbereich mithilfe einer diskreten Frequenz-Transformation wird ein Bildgraph mit diskreten Bildwerten erzeugt. Bei einer anschließenden Kompression des Bildgraphen werden relevante und weniger relevante Komponenten des Bildgraphen identifiziert und die weniger relevanten Komponenten aus dem Bildgraphen eliminiert. Der komprimierte Bildgraph wird zum Erzeugen komprimierter Spektraldaten digitalisiert, wobei jedem Bildwert des komprimierten Bildgraphen eine entsprechende Digitalzahl mit einer bestimmten Bittiefe zugeordnet wird.

Description

Beschreibung
Kodierverfahren zur Datenkompression von Leistungsspektren eines optoelektronischen Bauteils und Dekodierverfahren
Die Erfindung betrifft ein Verfahren zum Komprimieren eines oder mehrerer Leistungsspektren eines optoelektronischen Bauteils sowie ein Verfahren zum Dekomprimieren der Leistungsspektren .
Diese Patentanmeldung beansprucht die Priorität der deutschen Patentanmeldung 10 2014 101 307.7, deren Offenbarungsgehalt hiermit durch Rückbezug aufgenommen wird. Optoelektronische Bauteile, wie z.B. Leuchtdioden (LED, Light Emitting Devices) , kommen in verschiedenen technischen Anwendungen zum Einsatz. Insbesondere werden LEDs zunehmend für Beleuchtungszwecke eingesetzt. Abhängig von der jeweiligen Anwendung lassen sich unterschiedliche LEDs mit definierten Lichtcharakteristiken herstellen. Herstellungsbedingt kommt es allerdings bei LEDs derselben Bauteilreihe zu mehr oder weniger starken Variationen der Lichtcharakteristika . Während in einigen Einsatzgebieten der LEDs eine gewisse Streuung der Leuchteigenschaften sich als unproblematisch erweist, setzen bestimmte Spezialanwendungen eine möglichst genaue Kenntnis der Lichtcharakteristika der verwendeten LEDs vorraus . So ist das vom menschlichen Auge erfasste LED-Licht bereits mittels weniger makroskopischer Daten, wie z.B. photometrische Helligkeit und Farbort, in der Regel ausreichend charakteri- siert. Für Anwendungen, die LED-Licht insbesondere per Sensor erfassen, ist es vorteilhaft, möglichst genaue Kenntnis über die Charakteristika einzelner LED zu besitzen. So ist für LED-Licht, welches per Sensor erfasst wird, neben den makro¬ skopischen Daten, wie radiometrische Helligkeit, insbesondere das Licht-Leistungsspektrum interessant, welches ein deutlich größeres Datenvolumen hat. Als Beispiel kommt hier ein Mobil¬ telefon in Frage, dessen Kameramodul das Licht eines internen LED-Blitzes erfasst. Für LED-Bauteile mit mehreren einzeln ansteuerbaren Farben (LED-Chips) ergibt sich ein entsprechend vergrößertes Daten¬ volumen. Eine Speicherung dieser Daten in den in dem LED- Bauteil integrierten Speicherbausteinen erfordert daher ein relativ großes Speichervolumen, was unter anderem mit relativ hohen Herstellungskosten einhergeht. Da mit der Speicherkapa¬ zität auch die Größe der entsprechenden Speicherbausteine an¬ steigt, sind große Speichervolumen gerade in Anwendungsberei- chen mit deutlich beschränktem Bauraum relativ kritisch.
Die bisherigen Verfahren zur Charakterisierung von LED- Bauteilen umfassen unter anderem das sogenannte "Binning" . Dabei werden die LED-Bauteile in sogenannte Bins eingeteilt, wobei jedem Bin ein Parameterbereich zugeordnet ist. Bei re¬ lativ feiner Aufteilung können mittels Binning für jedes LED- Bauteil einige Parameter, wie z.B. Helligkeit und Farbe, ent¬ sprechend genau charakterisiert werden. Allerdings können Spektralinformationen aufgrund des Datenumfangs per Binning nicht sinnvoll gehandhabt werden.
Zur Charakterisierung einzelner LED-Bauteile können ferner sogenannte Datenfiles verwendet werden, wobei die LEDs bei¬ spielsweise bereits auf Chip-Ebene (wafer maps) vermessen und mittels eindeutiger Codes (z.B. Lasercodes) versehen werden. Die Daten müssen dem Anwender dabei offline übermittelt wer¬ den, beispielsweise in Form von Datenfiles, welche eine Zu¬ ordnung der Daten anhand des eindeutigen Codes der LED- Bauteile ermöglichen.
Sollen die Leistungsspektren in Speicherbausteinen der LED- Bauteile gespeichert werden, besteht die Notwendigkeit ent¬ sprechend große und damit teure Speicherbausteine zu verwen¬ den. Andernfalls können nur wenige Daten zur Charakterisie- rung des LED-Bauteils gespeichert werden.
Es ist daher Aufgabe der Erfindung, eine Möglichkeit bereit¬ zustellen, spektrale Daten eines optoelektronischen Bauteils mit einem möglichst hohen Informationsgehalt in Speicherein¬ richtungen des optoelektronischen Bauteils zu hinterlegen, welche lediglich über eine eingeschränkte Speicherkapazität verfügen. Diese Aufgabe wird durch ein Kodierverfahren zum Komprimieren von Leistungsspektren optoelektronischer Bauteile gemäß Anspruch 1 gelöst. Ferner wird die Aufgabe durch ein Dekodierverfahren zum Dekomprimieren von Leistungsspektren optoelektronischer Bauteile gemäß Anspruch 14 gelöst. Weitere vorteilhafte Ausführungsformen sind in den abhängigen Ansprü- chen angegeben.
Bei dem Verfahren zum Komprimieren von Leistungsspektren optoelektronischer Bauteile ist vorgesehen, dass wenigstens ein Leistungsspektrum eines optoelektronischen Bauteils be- reitgestellt und bei bestimmten Abtastwellenlängen zum Erzeugen eines diskreten Ausgangsspektrums abgetastet wird. Das diskrete Ausgangsspektrum wird anschließend zum Erzeugen ei¬ nes Ausgangsgraphen mit diskreten Ausgangswerten indiziert, wobei die Wellenlängen durch fortlaufende Indizes ersetzt werden. Anschließend wird durch Transformieren des Ausgangs¬ graphen von einem Ausgangsbereich in einem Bildbereich mit- hilfe einer diskreten Frequenz-Transformation ein Bildgraph mit diskreten Bildwerten erzeugt. Anschließend wird eine Kom¬ pression des Bildgraphen durchgeführt, wobei relevante und weniger relevante Komponenten des Bildgraphen identifiziert und die weniger relevanten Komponenten aus dem Bildgraphen eliminiert werden. Schließlich wird der komprimierte Bild¬ graph zum Erzeugen komprimierter Spektraldaten digitalisiert, wobei jedem Bildwert des komprimierten Bildgraphen eine ent- sprechende Digitalzahl mit einer bestimmten Bittiefe zugeord¬ net wird. Mithilfe dieses Kompressionsverfahrens lässt sich die zur Speicherung vorgesehene Datenmenge eines oder mehre¬ rer Leistungsspektren deutlich reduzieren. Somit können Leistungsspektren mit einem relativ hohen Informationsgehalt auch in Speicherbausteinen mit relativ kleinem Speichervolumen gespeichert werden. Die Verwendung kleiner Speicherbausteine ermöglicht kleine Baugrößen der zugehörigen optoelektronischen Bauteile. Durch die Verwendung von Speichereinrichtun- gen mit geringer Speicherkapazität können ferner die Herstel¬ lungskosten niedrig gehalten werden.
In einer vorteilhaften Ausführungsform ist vorgesehen, dass die Transformation des Ausgangsgraphen mithilfe einer diskreten Cosinus-Transformation erfolgt. Mithilfe der diskreten Cosinus-Transformation ist es relativ einfach möglich, wichtige von unwichtigen Signalanteilen zu trennen. Bei Verwendung reeller Zahlen kann mithilfe der diskreten Cosinus- Transformation gegenüber vergleichbaren Transformationen, wie z.B. der diskreten Fourier-Transformation, auf die aufwändige Berechnung mit komplexen Zahlen verzichtet werden. Hierdurch lässt sich Rechenaufwand bei der Kodierung und Dekodierung der Leistungsspektren einsparen.
In einer weiteren vorteilhaften Ausführungsform ist vorgesehen, dass eine Kaskadierung der diskreten Frequenz- Transformation erfolgt, indem Bildwerte mit niedrigen Indizes eines mittels der diskreten Frequenz-Transformation erzeugten Bildgraphen gespeichert und die restlichen Bildwerte des
Bildgraphen mithilfe der diskreten Frequenz-Transformation erneut transformiert werden. Eine solche Verkettung von
Transformationen erlaubt eine sukzessive Konzentration relevanter Signalanteile auf niedrige Indizes ohne wesentliche Einbussen der Gesamtinformation. Dies ist vor allem bei
Spektralwerten mit relevanten und insbesondere systematisch hohen Frequenzanteilen vorteilhaft.
Eine weitere Ausführungsform sieht vor, dass Bildwerte mit einem Index oberhalb eines Schwellwert-Index bei der Kompres¬ sion des Bildgraphen eliminiert werden, wobei der Schwell¬ wert-Index fest vorgegeben oder dynamisch bestimmt wird. Die Filterung mittels eines Schwellwert-Index stellt eine beson¬ ders einfache und zugleich sehr effektive Kompressionsmethode dar. Durch einfaches Verschieben des Schwellwert-Index auf der entsprechenden Indexskala lässt sich das Kompressionsverfahren sehr einfach im Hinblick auf Kompressionsgrad und Größe der komprimierten Spektraldaten optimieren. In einer weiteren Ausführungsform ist vorgesehen, dass Spektralwerte des Leistungsspektrums vor dem Abtasten mit einem ersten Skalierungsfaktor multipliziert werden. Dabei wird als erster Skalierungsfaktor ein über den gesamten Wellenlängenbereich konstanter Wert oder eine von der Wellenlänge abhängige Funktion verwendet, wobei der erste Skalierungsfaktor für mehrere Leistungsspektren festgelegt ist oder abhängig von dem jeweiligen Leistungsspektrum dynamisch bestimmt wird. Mithilfe dieses Skalierungsschrittes können Werte des Leis¬ tungsspektrums angepasst werden. Insbesondere können mithilfe der Skalierung mehrere Leistungsspektren auf der Leistungsskala einander angeglichen werden. Die Verwendung einer Funktion als Skalierungsfaktor ermöglicht eine optimierte Skalie- rung, während die Verwendung fester Werte als Skalierungsfaktor eine besonders einfache Skalierung ermöglicht. Die Ver¬ wendung von im Vorfeld festgelegter Skalierungsfaktoren bietet sich insbesondere dann an, wenn die Leistungsspektren verschiedener optoelektronischer Bauteile nur unwesentlich voneinander abweichen. Hierbei kann der Decoder anhand einer Tabelle arbeiten, so dass der Skalierungsfaktor bzw. die entsprechenden Parameter des Skalierungsfaktor nicht mit dem kodierten Spektraldaten an den Dekoder übermittelt werden müssen. Hingegen bietet die dynamische Bestimmung des Skalie- rungsfaktors eine Optimierung der Skalierung für jedes einzelne optoelektronische Bauteil.
In einer weiteren Ausführungsform ist vorgesehen, dass nach der Kompression des Bildgraphen die Bildwerte mithilfe eines zweiten Skalierungsfaktors skaliert werden, wobei als zweiter Skalierungsfaktor ein vorgegebener oder dynamisch bestimmter konstanter Wert oder eine vorgegebene oder dynamisch bestimmte Funktion verwendet wird. Mithilfe der Skalierung der transformierten und komprimierten Bildgraphen können die Bildwerte für die Digitalisierung optimiert werden. Somit lassen sich bei geschickter Wahl des Skalierungsfaktors sämt¬ liche Werte des komprimierten Bildgraphen beispielsweise in einen Bereich zwischen -1 und +1 bringen, was eine besonders einfache Digitalisierung ermöglicht.
Eine weitere Ausführungsform sieht vor, dass zur Skalierung eine Hüllkurve des komprimierten Bildgraphen bestimmt und die Bildwerte des komprimierten Bildgraphen durch entsprechende Werte der Hüllkurve dividiert werden. Durch die Bestimmung einer geeigneten Hüllkurve lässt sich eine Skalierung des komprimierten Bildgraphen auf Werte zwischen -1 und +1 beson- ders einfach erzielen.
In einer weiteren Ausführungsform ist vorgesehen, dass zur Skalierung ein Logarithmus der Absolutwerte der Bildwerte des komprimierten Bildgraphen gebildet wird, wobei für Bildwerte mit einem Index kleiner oder gleich dem Schwellwert-Index ei¬ ne Regressionsgerade mithilfe einer linearen Regression be¬ stimmt wird. Eine Hüllkurve des komprimierten Bildgraphen wird anschließend durch lineares Verschieben der Regressions¬ gerade ermittelt. Schließlich werden die Bildwerte des kom- primierten Bildgraphen durch entsprechende Werte der Hüllkurve dividiert. Mithilfe dieses Konzepts lässt sich auf eine besonders einfache Weise eine geeignete Hüllkurve ermitteln und somit eine optimale Skalierung des komprimierten Bildgra¬ phen erreichen.
In einer weiteren Ausführungsform ist vorgesehen, dass zur Abtastung fest vorgegebene oder dynamisch bestimmte Abtast¬ wellenlängen verwendet werden, wobei die Abtastung mithilfe einer konstanten oder einer vom Informationsgehalt der Ab- tastpunkte abhängigen Abtastwellenlängenauflösung erfolgt.
Dabei ermöglicht die Verwendung vorgegebener Abtastwellenlängen einen unmittelbaren Vergleich verschiedener Leistungsspektren. Hingegen kann durch eine dynamische Bestimmung der Abtastwellenlängen die Abtastung und damit der gesamte Ko- diervorgang optimiert werden. Ferner kann durch eine Variation der Abtastwellenlängenauflösung der Informationsgehalt der einzelnen Abtastpunkte der jeweiligen Anwendung optimiert werden . ^
In einer weiteren Ausführungsform ist vorgesehen, dass negative Werte des Leistungsspektrums vor dem Abtasten auf null gesetzt werden. Hiermit kann der dynamische Bereich des zu komprimierenden Leistungsspektrums ohne Informationsverlust verkleinert werden.
Eine weitere Ausführungsform sieht vor, dass zum Erzeugen des diskreten Ausgangsgraphs wenigstens zwei verschiedene Leis- tungsspektren des optoelektronischen Bauteils zu einem gemeinsamen Leistungsspektrum zusammengesetzt und gemeinsam indiziert werden. Dabei werden die einzelnen Leistungsspektren unmittelbar aneinandergefügt oder mittels vor, zwischen und/oder hinter den einzelnen Leistungsspektren eingefügten Füllwerten voneinander separiert. Schließlich werden die einzelnen Leistungsspektren einzeln oder gemeinsam skaliert. Durch die Kompression mehrerer einzelner Leistungsspektren eines optoelektronischen Bauteils lässt sich die Datenmenge im Vergleich zu der separaten Komprimierung der einzelnen Leistungsspektren deutlich verringern. Hierbei kann durch
Verwendung von Füllwerten einerseits eine Anpassung der verschiedenen Leistungsspektren erreicht werden. Gleichzeitig erlaubt das Einfügen von Füllwerten eine Minimierung der durch den Kompressionsprozess hervorgerufenen Verzerrung in den Außenbereichen der Einzelspektren reduzieren. Durch die separate Skalierung der Leistungsspektren lassen sich die einzelnen Spektren besonders optimal skalieren. Hingegen kann durch eine gemeinsame Skalierung die Datenmenge reduziert werden .
In einer weiteren Ausführungsform ist vorgesehen, dass die Digitalisierung des komprimierten Bildgraphen mit einer konstanten oder einer dynamisch bestimmten Bittiefe erfolgt. Dabei ermöglicht die konstante Bittiefe eine besonders einfache Digitalisierung. Hingegen lässt sich mithilfe der dynamisch bestimmten Bittiefe eine Gewichtung der verschiedenen Frequenzanteile im Hinblick auf den maximalen Quantisierungsfehler erreichen. So lassen sich beispielsweise Frequenzanteile mit niedrigen Indizes mit einer hohen Bittiefe möglichst ge¬ nau abbilden, während Frequenzanteile mit höheren Indizes mit einer geringeren Bittiefe und damit einem größeren Quantisierungsfehler abgebildet werden.
In einer weiteren Ausführungsform ist vorgesehen, dass eine Abschätzung der Datenmenge und/oder Kompressionsqualität der mit dem Komprimierungsverfahren erzeugten komprimierten
Spektraldaten erfolgt. Dabei werden bestimmte Parameter ein- zelner oder mehrerer Verfahrensschritte im Hinblick auf eine optimale Datenmenge und/oder Kompressionsqualität der kompri¬ mierten Spektraldaten angepasst und die entsprechenden Verfahrensschritte bzw. das Komprimierungsverfahren mit den an- gepassten Parametern erneut durchgeführt. Durch diese Ab- Schätzung, welche sowohl nach einzelnen Verfahrensschritten als auch nach einem vollständigen Durchlauf des Komprimierungsalgorithmus erfolgen kann, kann sichergestellt werden, dass die Datenmenge der komprimierten Spektraldaten die vorgegebene Speichergröße nicht überschreitet. Gleichzeitig kann damit sichergestellt werden, dass ein anhand der komprimier¬ ten Spektraldaten rekonstruiertes Leistungsspektrum möglichst gut mit dem Originalleistungsspektrum übereinstimmt.
Bei dem Dekodierverfahren zum Dekomprimieren eines mit einem erfindungsgemäßen Komprimierungsverfahren komprimierten Leistungsspektrums werden zunächst die komprimierten Spektralda¬ ten des Leistungsspektrums bereitgestellt und eine Umkehrung der Digitalisierung durchgeführt, wobei jeder Digitalzahl der komprimierten Spektraldaten jeweils ein der jeweiligen Bit- tiefe entsprechender Bildwert zugeordnet wird. Anschließend wird eine Rückskalierung durchgeführt, wobei die Bildwerte durch den zweiten Skalierungsfaktor dividiert werden. Ferner wird eine Indizierung der Bildwerte zum Erzeugen eines rekonstruierten Bildgraphen durchgeführt, wobei jedem Bildwert ein entsprechender Bildindex zugeordnet wird. Anschließend wird eine zu der vom Coder verwendeten diskreten Frequenz- Transformation inverse Transformation auf den rekonstruierten Bildgraphen angewendet, um einen rekonstruierten Ausgangsgra- phen zu erzeugen. Anschließend wird eine Umkehrung der Indi¬ zierung zum Erzeugen eines rekonstruierten Ausgangsspektrums durchgeführt, wobei den einzelnen Ausgangsindizes des rekon¬ struierten Ausgangsgraphen entsprechende Wellenlängen zuge- ordnet werden. Schließlich wird eine weitere Rückskalierung des rekonstruierten Ausgangsspektrums zum Erzeugen eines re¬ konstruierten Leistungsspektrums durchgeführt. Mithilfe des im Wesentlichen in umgekehrter Reihenfolge zu dem Komprimierungsverfahren erfolgenden Dekodierverfahrens ist es möglich, ein Erzeugen rekonstruiertes Leistungsspektrum mit relativ geringen Abweichungen zu dem das ursprünglichen Leistungsspektrum zu erzeugen. Hierzu verwendet die Dekodiereinrichtung jene Parameter, welche von der Kodiereinrichtung zum Kodieren der komprimierten Spektraldaten verwendet wurden.
In einer Ausführungsform ist vorgesehen, dass die Bildwerte des rekonstruierten Bildgraphen interpoliert werden, um zusätzliche Bildwerte zu erzeugen. Dabei werden mithilfe der zusätzlichen Bildwerte durch Anwenden der inversen Transfor- mation, Umkehren der Indizierung und Rückskalierung gewünschter Zwischenwerte im rekonstruierten Leistungsspektrum erzeugt. Hiermit ist es relativ einfach möglich, bestimmte Spektralwerte im rekonstruierten Leistungsspektrum zu erzeugen, welche im ursprünglichen diskreten Leistungsspektrum nicht vorhanden waren.
Die oben beschriebenen Eigenschaften, Merkmale und Vorteile dieser Erfindung sowie die Art und Weise, wie diese erreicht werden, werden klarer und deutlicher verständlich im Zusam- menhang mit der folgenden Beschreibung der Ausführungsbeispiele, die im Zusammenhang mit den Zeichnungen näher erläutert werden. Dabei zeigen in jeweils schematisierter Darstellung : Fig. 1 eine beispielhafte Anordnung zum Messen und Kodieren eines Leistungsspektrums eines optoelektronischen Bauteils mithilfe einer Mess- und Kodiereinrichtung; Fig. 2 eine schematische Darstellung einer Anordnung zum Betreiben eines optoelektronischen Bauteils mit einer Dekodiervorrichtung zum Dekodieren des komprimierten Leistungsspektrums des jeweiligen optoelektronischen Bauteils;
Fig. 3 beispielhaft ein Leistungsspektrum einer Leuchtdiode;
Fig. 4 drei verschiedene Leistungsspektren einer mehrfarbigen Leuchtdiode ;
Fig. 5 einen aus den drei Leistungsspektren zusammengesetzten und durch eine Skalierung sowie Indizierung erzeugter Ausgangsgraph; Fig. 6 ein durch diskrete Frequenztransformation des Ausgangsgraphen erzeugter Bildgraph;
Fig. 7 eine logarithmische Darstellung der Absolutwerte des Bildgraphen aus Fig. 6 mit entsprechenden Regressionsgeraden, Hüllkurven und dem Schwellwert-Index;
Fig. 8 der Bildgraph nach Umkehrung der logarithmischen Darstellung mit einer exponentiell abfallenden Hüllkurve; Fig. 9 der Bildgraph aus Fig. 8 nach einer Skalierung mit einem zweiten Skalierungsfaktor;
Fig. 10 beispielhaft einen Datensatz mit komprimierten Spektraldaten in Form einer Tabelle;
Fig. 11 eine schematische Darstellung eines Ablaufdiagramms des erfindungsgemäßen Kodierverfahrens; und
Fig. 12 eine schematische Darstellung eines Ablaufdiagramms des erfindungsgemäßen Dekodierverfahrens.
Die Speicherung von Leistungsspektren eines optoelektronischen Bauteils unterliegt aufgrund des hohen Datenvolumens solcher Leistungsspektren bestimmten Einschränkungen. Zur Speicherung eines Leistungsspektrums einer Leuchtdiode steht aufgrund der geringen Größe der Leuchtdiode nur ein sehr be¬ schränktes Speichervolumen zur Verfügung. Um eine möglichst genaue Rekonstruktion des Leistungsspektrums aus den in der Speichereinrichtung abgelegten Daten zu ermöglichen, soll eine geeignete Datenkompression zur Kompression des Leistungsspektrums verwendet werden. Das kodierte Leistungsspektrum wird dann vorzugsweise noch im Rahmen des Herstellungsverfah- rens der Leuchtdiode in die Speichereinrichtung der Leuchtdi¬ ode geschrieben.
Das weiter unten beschriebene Kodierverfahren verwendet ein verlustbehaftetes Kompressionsverfahren, bei dem Daten in ei- nen für den Anwendungsfall wichtigen Teil und einen unwichti¬ gen teil getrennt werden und nur der wichtige Teil gespei¬ chert wird. Ein typischer unwichtiger Teil ist z. B. das Rauschen. Die Grenze zwischen dem wichtigen und dem unwichtig Teil ist dabei in der Regel fließend. Daher ist es möglich, durch Anpassen dieser Grenze, was in dem oben beschriebenen Ausführungsbeispiel durch Verschieben des Schwellwert-Index entlang der Bildindexskala erfolgt, die Datengröße der kom¬ primierten Daten exakt zu kontrollieren. Daher eignet sich diese Kompressionsform besonders gut zur Optimierung der Da- tengröße im Hinblick auf ein begrenztes Speichervolumen, die Form des Eingangssignals, die Qualität des Coders und das zur Verfügung stehende Datenvolumen bestimmen dabei die Qualität der Kompression, d.h. inwieweit die dekodierte-kodierte mit den ursprünglichen Daten übereinstimmen.
Eine mögliche Anordnung zum Kodieren der Leistungsspektren zeigt die Figur 1. Hierbei wird ein von einem optoelektronischen Halbleiterbaustein 110 eines optoelektronischen Bauteils 100 ausgesendetes Licht 111 von einer Messeinrichtung 220 empfangen. Die typischerweise in Form eines Spektrometers ausgebildete Messeinrichtung 220 ermittelt das Leistungs¬ spektrum des auftreffenden Lichts und gibt dieses Leistungs¬ spektrum von Daten an eine Kodiereinrichtung 210 weiter. Die auch als Kodierer oder Coder bezeichnete Kodiereinrichtung 210 erzeugt mithilfe eines speziellen Algorithmus aus dem empfangenen Leistungsspektrum einen Satz kodierter Spektraldaten. Die komprimierten Spektraldaten werden anschließend über eine entsprechende Datenschnittstelle 130 an das elekt- rooptische Bauteil 100 übergeben und dort in einer internen Speichereinrichtung 120 abgelegt. Obwohl die Messeinrichtung 220 als auch die Kodiereinrichtung 210 in der schematischen Darstellung der Figur 1 zu einer gemeinsamen Mess- und Ko- diervorrichtung 200 zusammengefasst sind, können der Messvorgang und der Kodiervorgang sowohl zeitlich als auch räumlich unabhängig voneinander durchgeführt werden. Auch das Ablegen der kodierten Spektraldaten in die Speichereinrichtung 120 kann vor der Montage der Speichereinrichtung 120 auf dem optoelektronischen Bauteil 100 erfolgen. Das Rekonstruieren des Leistungsspektrums aus den komprimierten Spektraldaten erfolgt vorzugsweise mithilfe einer geeigneten Dekodierein¬ richtung, wie sie z.B. in der Figur 2 gezeigt ist. Die aus der Speichereinrichtung 120 des optoelektronischen Bauteils 100 ausgelesenen komprimierten Spektraldaten werden dabei in der auch als Decoder oder Dekodierer bezeichneten Dekodiereinrichtung 310 im Wesentlichen durch eine Umkehrung der durch die Kodiereinrichtung 210 vorgenommenen Verfahrensschritte in ein rekonstruiertes Leistungsspektrum überführt. Das rekonstruierte Leistungsspektrum kann je nach Anwendung direkt verwendet oder zur späteren Verwendung in einem Speicher abgelegt. Im vorliegenden Ausführungsbeispiel ist das rekonstruierte Leistungsspektrum einer Steuereinrichtung 320 zugeführt, welche anhand dieser Informationen eine Steuerung des optoelektronischen Halbleiterchips 110 des optoelektronischen Bauteils 100 vornimmt. Alternativ oder ergänzend hierzu kann die Steuereinrichtung 320 das rekonstruierte Leistungs¬ spektrum des optoelektronischen Halbleiterchips 110 zur Steuerung bzw. Auswertung eines optischen Sensors 330 verwendet werden, welcher das von einem Objekt 340 reflektierte Licht 111 des optoelektronischen Halbleiterchips 110 empfängt. Bei dieser Sensoreinrichtung 330 kann es sich beispielsweise um ein Kameramodul eines Mobiltelefons handeln, wobei der opto- elektronische Halbleiterchip 110 in diesem Fall in Form eines Blitz- bzw. Fotolichts ausgebildet ist. Die Steuereinrichtung 320 kann in einem solchen Fall mithilfe des aus der Speichereinrichtung 120 ausgelesenen und von der Dekodiereinrichtung 310 rekonstruierten Leistungsspektrum der Lichtquelle 110 eine Korrektur der vom Kameramodul 330 empfangenen Bilder durchführen. Obwohl die Figur 2 die Dekodiereinrichtung 310 und die Steuereinrichtung 320 in Form einer gemeinsamen Dekodier- und Steuervorrichtung 300 zeigt, kann die Dekodierung der kodierten Spektraldaten und die Anwendung der dekodierten Spektraldaten beispielsweise zur Verarbeitung eines Sensorsignals sowohl zeitlich als auch räumlich auseinanderfallen. So können die kodierten Spektraldaten bereits im Vorfeld dekodiert und in einem Speicher der jeweiligen Anwendung für spätere Verwendung abgelegt werden.
Die hier gezeigten Kodier- und Dekodiereinrichtungen 210, 310 können grundsätzlich in Form von Hardware, Software oder einer Kombination aus Hard- und Software realisiert werden.
Im Folgenden werden anhand eines beispielhaften Leistungsspektrums sowie verschiedener dazugehöriger Graphen sowohl der Kodier- als auch der Dekodiervorgang gemäß der Erfindung näher dargestellt. Hierzu zeigt die Figur 3 ein typisches Licht-Leistungsspektrum einer grünen LED, wie es nach einer entsprechenden Messung mittels eines Spektrometers der Kodie¬ reinrichtung 210 vorliegt. Genauer gesagt handelt es sich hierbei um ein Leistungsdichtespektrum, bei welchem typischerweise die Strahldichte L gegen die Wellenlänge λ aufge- tragen ist, wobei als Strahldichte L der Strahlungsfluss oder die Strahlungsleistung je Einheitsraumwinkel je Flächeneinheit ausgedrückt in Watt pro Quadratmeter pro Steradiant [W sr-1 m-2) gemeint ist. Das Leistungsspektrum 152 liegt dabei typischerweise mit einer relativ hohen Wellenlängenauflösung vor, sodass die unkomprimierten Spektraldaten ein großes Datenvolumen aufweisen. Bei mehrfarbigen LEDs erhöht sich dieses Datenvolumen deutlich, da zur Charakterisierung solcher LEDs die Leistungsspektren der einzelnen LED-Chips verwendet werden. Die Figur 4 zeigt beispielhaft drei Leistungsspektren 151, 152, 153 ei- ner mehrfarbigen Leuchtdiode. Die einzelnen Leistungsspektren 151, 152, 153 unterscheiden sich dabei voneinander deutlich in der Höhe, was einerseits herstellungsbedingt ist, anderer¬ seits jedoch mit der physiologischen Wahrnehmung von Licht durch das menschliche Auge zusammenhängt.
Eine Reduktion der zur Beschreibung dieser Leistungsspektren notwendigen Datenmenge kann jedoch durch eine geeignete Kompression der Leistungsspektren 151, 152, 153 erreicht werden. In einem ersten Schritt können dabei zunächst negative Werte der Leistungsspektren 151, 152, 153 eliminiert werden. Solche negativen Werte entstehen in der Regel durch Rauscheffekte sowie durch bestimmte Verarbeitungsprozesse im Spektrometer 220. Hierzu werden Spektralwerte, die kleiner null sind, gleich null gesetzt. Dieser Verfahrensschritt ist grundsätz- lieh optional.
In einem zweiten Verfahrensschritt, welcher ebenfalls optio¬ nal ist, kann eine Skalierung der einzelnen Leistungsspektren 151, 152, 153 erfolgen. Dies ist beispielsweise dann sinn- voll, wenn die Spektralwerte innerhalb der einzelnen Leis¬ tungsspektren über einen weiteren Bereich variieren oder wenn die Spektralwerte verschiedener Leistungsspektren unterschiedliche Größenordnungen aufweisen. Durch die Skalierung kann eine Normierung bzw. Anpassung der Leistungsspektren vorgenommen werden, sodass die Spektralwerte der einzelnen
Leistungsspektren für die nachfolgende Digitalisierung günstige Größenordnungen aufweisen. Je nach Anwendung kann der Skalierungsfaktor innerhalb eines Spektrums konstant sein. Ferner kann zur Skalierung eine Funktion verwendet werden, beispielsweise eine Funktion der Wellenlänge. Die Kodierein¬ richtung 210 kann mit einem festen Skalierungsfaktor ausgestattet sein, welcher für sämtliche Leistungsspektren zur Anwendung kommt, oder es kann jeweils ein dynamisch bestimmter Skalierungsfaktor verwendet werden, welcher in Abhängigkeit von dem jeweiligen Leistungsspektrum ausgewählt oder speziell erzeugt wird. Im letzten Fall muss der Skalierungsfaktor jedoch an die Dekodiereinrichtung übermittelt werden. Dies er- folgt typischerweise durch Einfügen entsprechender Parameter der Skalierungsfunktion in den fertig komprimierten Datensatz, was jedoch mit höherem Speicherbedarf einhergeht.
Die vom Spektrometer 220 bereitgestellten Leistungsspektren liegen typischerweise in einer relativ hohen Wellenlängenauf¬ lösung über einen breiten Wellenlängenbereich vor. Da für den Anwendungsfall meist nur ein eingeschränkter Wellenlängenbe¬ reich benötigt wird, und gegebenenfalls die von dem Spektro¬ meter bereitgestellten Wellenlängen nicht denen von der An- wendung geforderten Wellenlängen entsprechen, findet in der Kodiereinrichtung 210 eine Abtastung der Leistungsspektren 151, 152, 153 bei bestimmten Wellenlängen statt. Diese Abtast- oder Samplingwellenlängen können dabei konstant sein, d.h. durch eine Tabelle vorgegeben und für alle gleichwerti- gen Leistungsspektren gelten. Alternativ können die Samplingwellenlängen in der Kodiereinrichtung 210 auch dynamisch bestimmt werden, z.B. anhand einer bestimmten Funktion. In diesem Fall müssen die Samplingwellenlängen bzw. die Parameter der jeweiligen Funktion an die Dekodiereinrichtung 310 über- mittelt werden, was typischerweise mit einem höheren Datenvo¬ lumen einhergeht. Die Kodiereinrichtung 210 kann zum Abtasten eine konstante Wellenlängenauflösung verwenden, wobei die Samplingwellenlängen jeweils äquidistant zueinander sind. Alternativ hierzu die Samplingwellenlängen auch nichtlinear ge- wählt werden, sodass die einzelnen Abtastpunkte unterschied¬ liche Abstände zueinander aufweisen. Vorteilhafterweise kön¬ nen die Samplingwellenlängen dabei so gewählt werden, dass durch die Abtastung der Informationsgehalt jedes Abtastpunktes möglichst gleichwertig ist oder dass der Informationsge- halt entsprechend dem Anwendungsfall optimiert wird. Im letz¬ ten Fall können für den jeweiligen Anwendungsfall wichtige Wellenlängenbereiche mit einer hohen Abtastrate abgetastet werden, während weniger relevante Wellenlängenbereiche mit einer niedrigen Abtastrate abgetastet werden. Die Abtastwel¬ lenlängen können beispielsweise an die zu erwartenden LED- Spektren angepasst werden. So kann der Coder für erwartete Spektren optimiert werden mit der Gefahr, dass die Kodierqua- lität für nicht erwartete Spektren abnimmt. Durch eine sinn¬ volle Auswahl der Samplingwellenlängen kann der Coder auch relativ robust ausgelegt werden, sodass er für einen weiten Bereich an LED-Leistungsspektren gleich gut funktioniert. Sofern das Originalspektrum diskret vorliegt, was bei digita¬ len Spektrometern typischerweise der Fall ist, kann die Ab¬ tastung vorteilhafterweise mit einer Interpolationsroutine erfolgen. Hierzu kommen beispielsweise die Hebelregel, die lineare Regression, oder ein Polynomfit infrage.
Durch eine sinnvolle Wahl der Anzahl der Samplingwellenlängen kann das Verhältnis zwischen Rechenaufwand und Kodierqualität bestimmt und optimiert werden. Dabei steigt die Kodierquali¬ tät in der Regel mit einer höheren Sampling-Auflösung . Eine über die Auflösung des Originalspektrums liegende Sampling- Auflösung bringt jedoch keinen weiteren Performance-Vorteil.
Sofern ein vom Spektrometer bereitgestelltes diskretes Leis¬ tungsspektrum systematische nichtrelevante Signalanteile ent- hält, z.B. durch Spektrometersampling und Digitalisierung bedingte systematische vorwiegend hohe Anteile im Rauschsignal, können diese durch die erneute Abtastung derart gebrochen werden, dass sie durch den darauf folgenden Algorithmus ef¬ fektiv unterdrückt bzw. entfernt werden.
Zur Komprimierung der Leistungsspektren werden die Spektralwerte indiziert. Dabei werden die Spektralwerte in ihrer Rei¬ henfolge angeordnet und mit einem fortlaufenden Ausgangsindex IA (0, 1, 2 ... max_index) versehen. Jeder Ausgangsindex IA entspricht dabei einer bestimmten Samplingwellenlänge. Sofern ein optoelektronisches Bauteil mehrere Leuchtdioden aufweist, können die einzelnen LED-Spektren einzeln indiziert und anschließend separat kodiert werden. Es ist jedoch vorteilhaft, mehrere einzelne Leistungsspektren 151, 152, 153 zu einem er¬ weiterten Leistungsspektrum 154 zusammensetzen. Die einzelnen Leistungsspektren 151, 152, 153 können dann gemeinsam indiziert und anschließend kodiert werden. Um die Leistungsspek- tren 151, 152, 153 für die nachfolgende Transformation zu op¬ timieren, ist es sinnvoll, am Anfang und am Ende jedes Ein¬ zelspektrums 151, 152, 153, sowie im Übergangsbereich zwischen zwei Einzelspektren 151, 152, 153 bestimmte Füllwerte (Spacer) einzufügen. Hierdurch kann erreicht werden, dass sich Fehler, welche bedingt durch die nachfolgende Transfor¬ mation vorzugsweise in den Randbereichen der Spektren auftreten, sich lediglich auf die Füllwerte konzentrieren, während die eigentlichen Spektren von diesen Fehlern weitgehend verschont bleiben. Ferner kann mithilfe geeigneter Füllwerte ein besserer Übergang zwischen den beiden Spektren erzielt werden .
Die Figur 5 zeigt beispielhaft einen durch Skalieren, Sampeln, Zusammenfügen und Indizieren aus den drei in der Figur 4 gezeigten Leistungsspektren 151, 152, 153 gebildeten Ausgangsgraphen 160. Da die nachfolgenden mathematischen Algorithmen dimensionslose Zahlen verwenden, wurden im Ausgangsgraphen 160 die physikalischen Größen Wellenlänge λ in nm und Leistungsdichte L in (W/ (sr nm2) durch den dimensionslosen Ausgangsindex IA und den ebenfalls dimensionslosen Ausgangs¬ wert A ersetzt.
Im nachfolgenden Verfahrensschritt wird eine Transformation des hier als diskretes räumliches Signal vorliegenden Aus- gangsgraphen 160 von einem Orts- bzw. Ausgangsbereich in einen Frequenz- bzw. Bildbereich durchgeführt. Dies kann grundsätzlich mit jeder geeigneten diskreten, linearen, orthogonalen Transformation erfolgen. Vorzugsweise wird jedoch hierfür die diskrete Cosinus-Transformation (DCT, Discrete Cosine Transformation) verwendet. Genauer gesagt wird eine der vier bekannten Varianten I, II, III, IV der diskreten Cosinus- Transformation verwendet. Die bei diskreten Transformationen typischerweise zur Leistungserhaltung notwendige Normierung kann auf unterschiedliche Weise erfolgen. So kann der Normie¬ rungsfaktor 1/ (max_index + 1) beim Kodieren nicht angewendet werden, sodass er dann vom Decoder angewendet werden muss. Der Normierungsfaktor kann vom Decoder ferner als Wurzel an- gewendet werden, wobei dann auch der Decoder den Normierungsfaktor als Wurzel anwenden muss. Schließlich kann der Normierungsfaktor vom Coder komplett angewendet werden, sodass er vom Decoder nicht angewendet werden muss. Die diskrete Cosinus-Transformation konzentriert wichtige
(niederfrequente) Signalanteile auf die niedrigen Indizes und unwichtige (hochfrequente) Signalanteile, wie z.B. das Rau¬ schen, auf die hohen Indizes. Da LED-Leistungsspektren keine Unstetigkeiten, wie z.B. Knicke oder Sprünge, aufweisen, sind ihre relevanten Signalanteile typischerweise niederfrequent. Die hochfrequenten Signalanteile sind hingegen eher vom Rauschen dominiert. Damit lässt sich mithilfe einer geeigneten diskreten Transformation und insbesondere mithilfe der dis¬ kreten Cosinus-Transformation eine gute Trennung zwischen re- levanten und nichtrelevanten Signalanteilen erzielen. Die Figur 6 zeigt in diesem Zusammenhang das Frequenzspektrum 170 der diskreten Fourier-Transformation des Ausgangsgraphen 160. Bei dem im Folgenden als Bildgraph 170 bezeichneten Frequenzspektrum entsprechen die die Abszissenachse bildenden Indizes IB, welche im Folgenden als Bildindizes bezeichnet werden, einzelnen Funktionen der diskreten Cosinus-Transformation und die entlang der Ordinatenachse aufgetragenen Frequenzwerte, welche zur Unterscheidung von den Ausgangswerten A des Ausgangsgraphen 160 als Bildwerte B bezeichnet werden, den je- weiligen Koeffizienten der einzelnen Funktionen. Die Frequenzanteile des Bildgraphen 170 zeigen im niederfrequenten Bereich einen für Signale mit unkorrigierten Frequenzanteilen typischen exponentiellen Abfall mit hohen Werten im vorderen Bereich und kleinen Werten im hinteren Bereich des Frequenz- Spektrums. Es ist daher möglich, beim Durchführen der Transformation die Berechnung auf einen geeigneten vorderen Indexbereich zu beschränken. Hierdurch kann der Rechenaufwand reduziert werden. Da die diskrete Cosinus-Transformation im Unterschied zur diskreten Fourier-Transformation eine Berechnung mit reellen Zahlen ermöglicht, kann auf die aufwändige Berechnung mit komplexen Zahlen verzichtet werden. Es ist jedoch grundsätzlich möglich, alternativ zu der diskreten Cosinus- Transformation auch andere gleichwertige Transformationen, wie z.B. diskrete Sinus-Transformation, diskrete Fourier- Transformation oder Fast-Fourier-Transformation, anzuwenden.
Sofern notwendig oder sinnvoll, kann auch eine Kaskadierung der Transformation vorgenommen werden. Hierbei handelt es sich um eine Verkettung von Transformationen, wobei nach einer erfolgten Transformation Indexwerte 0 ... n gespeichert werden und die weiteren Indexwerte n+1 ... m < max_index er¬ neut mittels der diskreten Cosinus-Transformation transformiert werden. Dieser Schritt kann mehrmals wiederholt werden, wobei im Grenzfall jeweils nur der niedrigste Indexwert be¬ halten und alle anderen Indexwerte erneut transformiert wer- den. Durch dieses Verfahren ergibt sich ein deutlich erhöhter Rechenaufwand, da mit einem größeren Indexbereich gerechnet wird. Allerdings lässt sich mithilfe der Kaskadierung bei Spektralwerten mit relevanten und insbesondere systematischen hohen Frequenzanteilen eine sukzessive Konzentration dieser relevanten Signalanteile auf die niedrigen Indizes erreichen. Somit kann das Datenvolumen der kodierten Spektraldaten deutlich reduziert werden und zwar ohne dass sich gleichzeitig die Reproduzierbarkeit der Leistungsspektren wesentlich verschlechtert .
Um die Datenmenge des bzw. der kodierten Leistungsspektren deutlich zu reduzieren, ist es sinnvoll, relevante und weni¬ ger relevante Signalanteile zu identifizieren und die weniger relevanten Signalanteile aus dem Frequenzspektrum zu elimi- nieren. Dies erfolgt mittels eines nachfolgenden Kompressi¬ onsschrittes, wobei ein Schwellwert-Index S ermittelt und In¬ dexwerte oberhalb des Schwellwert-Index S aus dem Frequenz¬ spektrum entfernt werden. Durch eine geeignete Wahl des Schwellwert-Index S kann einerseits das Verhältnis von Daten¬ menge zu Kompressionsqualität optimiert werden. Insbesondere kann damit die Kompression auf eine besonders einfache Weise auf ein vorgegebenes Speichervolumen ausgelegt werden. Ande- rerseits lässt sich mit einer geeigneten Wahl des Schwell¬ wert-Index eine Glättung der Spektralkurve erzielen.
Bei typischen LED-Spektren kann als Schwellwert-Index S ein Index im Bereich von 1/4 bis 1/5 des maximalen Index gewählt werden. Es ist sinnvoll, den Schwellwert-Index S an der In¬ dexgrenze zwischen dem informativen Signal, welches typi¬ scherweise exponentiell abfällt, und Rauschen, welches typi¬ scherweise eher einen konstanten Verlauf aufweist, liegen. Je nach Anwendung kann der Schwellwert-Index S vorgegeben sein oder in der Kodiereinrichtung 210 dynamisch bestimmt werden. Im letzteren Fall muss der Schwellwert-Index S jedoch an den Decoder übermittelt werden und belegt damit zusätzlichen Speicherplatz . Die Figur 7 zeigt die Absolutwerte des Ausgangsgraphen 170 aufgetragen auf einer logarithmischen Ordinate. Aufgrund des exponentiellen Abfalls der relevanten Signalanteile ergibt sich in dieser Darstellung bis zu einem Bildindex IB von etwa 65 ein im Wesentlichen gerader Kurvenverlauf, wobei sich für die Werte oberhalb dieses Grenzindex ein im Wesentlichen durch die breitbandig verteilten Rauschsignale bedingter ho¬ rizontaler Kurvenverlauf ergibt. Der Grenzindex 176 liegt da¬ bei im Schnittpunkt einer ersten Regressionsgerade 173 eines ersten Graphabschnittes 171 mit Bildindizes IB kleiner als der Gesamtindex 176 und einer zweiten Regressionsgerade 174 eines zweiten Graphenabschnitts 172 mit Bildindizes IB größer als der Grenzindex 176. Wie die Figur 7 zeigt, liegt der Schwellwertindex S vorzugsweise im Bereich des durch die Ge¬ rade 176 definierten Grenzwertindex, wobei die Position des Schwellwert-Index S je nach gewünschter Kompression und Sig¬ nalqualität entlang der Indexachse um den Grenzwertindex va¬ riieren kann. Um eine Digitalisierung der Bildwerte B zu optimieren, kann im Anschluss an den Kompressionsschritt eine Skalierung des komprimierten Bildgraphen 170 durchgeführt werden. Bei dieser Skalierung werden die Bildwerte B mit einem Skalierungsfaktor multipliziert. Dies kann beispielsweise mit einem fest vorge¬ gebenen Skalierungsfaktor erfolgen. Alternativ hierzu kann der Skalierungsfaktor vom Coder dynamisch bestimmt bzw. festgelegt werden, z.B. als Funktion des Bildindex IB. In diesem Fall muss der Skalierungsfaktor jedoch an den Decoder über- mittelt werden, was die Datenmenge im kodierten Datensatz erhöht .
Die Skalierung erfolgt vorzugsweise mithilfe einer Hüllkurve (Envelope) , wobei sich aufgrund des exponentiellen Abfalls der Bildwerte B des komprimierten Bildgraphen 170 ein Envelo- pe-Verfahren eignet, bei welchem zunächst die Absolutwerte der Bildwerte B gebildet und anschließend ein Logarithmus aus den Absolutwerten gebildet wird. Hierzu eignet sich insbesondere der natürliche Logarithmus, da die Frequenzanteile un- korreliert sind und daher exponentiell abfallen. Im Bildin¬ dex-Bereich von 0 bis Schwellwert-Index S wird eine lineare Regression vorgenommen, welche die beiden Parameter X_scale (Indexachse) und Y_scale (Frequenzwertachse) liefert, mit de¬ ren Hilfe eine Regressionsgerade erzeugt werden kann, die Pa- rameter X_scale und Y_scale können dabei die Schnittpunkte der Regressionsgrade mit der Bildindexachse und der Bild¬ wertachse angeben. Alternativ hierzu kann X_scale auch eine Steigung der Regressionsgraden angeben. Durch eine Differenzbestimmung zwischen der Regressionsgerade und den Logarith- muswerten im Bildindex-Bereich 0 bis Schwellwert-Index S wird die Regressionsgerade durch eine Modifikation eines Parame¬ ters X_scale oder Y_scale derart verschoben, dass alle Loga¬ rithmuswerte stets unterhalb der verschobenen Regressionsge¬ rade liegen. Gegebenenfalls kann ein Sicherheitspuffer von beispielsweise 5% eingefügt werden. Die so verschobene Re¬ gressionsgerade bildet eine Hüllkurvengerade der modifizierte Parameter X_scale und der zugehörige Parameter Y_scale werden mit jeweils einer festgelegten Skalierungsfunktion mit fixen Parametern skaliert und auf eine Ganzzahl gerundet. Diese Werte werden ebenfalls dem komprimierten Datensatz hinzugefügt und so dem Decoder übergeben. Mit den modifizierten Parametern X_scale und Y_scale, wobei jeweils die abgerundeten Werte verwendet werden, wird eine Hüllkurve 175 erzeugt, welche alle Bildwerte B des Bildgra¬ phen 170 in seinem ersten Abschnitt 171 umfasst. Wie in der Figur 8 dargestellt ist, zeigt die Hüllkurve 175 einen expo- nentiellen Verlauf. Zur Verdeutlichung ist in der Figur 8 die Hüllkurve 175 auch im negativen Bereich eingezeichnet.
Zur Skalierung des Bildgraphen 170 werden nun die Bildwerte B des Bildgraphen 170 im Bildindexbereich 0 bis Schwellwert- Index S durch die entsprechenden Hüllkurvenwerte der Hüllkurve 175 geteilt. Wie in der Figur 9 dargestellt ist, ergeben sich somit skalierte Bildwerte C, welche zwischen -1 und +1 liegen. Damit kann die verfügbare Bittiefe des nachfolgenden Digitalisierungsschrittes optimal ausgenutzt werden. Ferner wird mit der Skalierung ein möglicher Overflow sicher vermieden .
Mithilfe des Parameters X_scale kann der Coder seine Perfor¬ mance abschätzen bzw. eine Warnung oder Fehlermeldung erzeu- gen, wenn die Abschätzung eine zu grenzwertige bzw. zu geringe Performance ergibt. Durch die logarithmische Skalierung des Parameters Y_scale kann ein großer Leistungsbereich der Spektralwerte abgedeckt werden. Bei dem darauf folgenden Digitalisierungsschritt wird jedem Bildwert B bzw. B' eine Digitalzahl mit einer definierten Bittiefe zugeordnet. Dabei kann eine beispielsweise anhand einer Tabelle vorgegebene Bittiefenzuordnung verwendet werden oder alternativ hierzu die Bittiefe vom Coder dynamisch an- hand einer Funktion zugeordnet werden. Diese Zuordnung kann beispielsweise in einer eigenen Bittiefen-Hüllkurvenfunktion gebildet und in Form von Funktionsparametern an den Decoder übermittelt werden. In diesem Fall wird zusätzlicher Speicherplatz für die Funktionsparameter benötigt.
Sofern die Bildwerte B bzw. B' zwischen -1 und 1 liegen, kann die folgende einfache Zuordnung verwendet werden:
Digitalwert: gleich Bildwert mal (2 (Bittiefe -n _ ]_ )
Die Definition des Schwellwert-Index S, welche die Anzahl der kodierten Frequenzwerte bestimmt, definiert gemeinsam mit der Bittiefe den benötigten Speicherplatz der komprimierten
Spektraldaten. Durch die Abstimmung dieser Faktoren kann im Falle eines Speicherplatzmangels die Größe des komprimierten Datensatzes relativ einfach reduziert werden. Auf der anderen Seite erzeugt die Kompression und die Digitalisierung einen Datenverlust, welcher zu einer Abweichung des dekodierten- kodierten Spektrums (also des rekonstruierten Spektrums) von dem Originalspektrum führt. Durch eine genaue Abstimmung zwischen Kompression und Digitalisierung kann bei vorgegebenem Speicherplatz die Coderqualität optimiert werden.
Die Figur 10 zeigt beispielhaft einen möglichen komprimierten Datensatz in einer tabellarischen Form. Dargestellt sind jeweils die Digitalzahlen (data string) mit der zugehörigen Bittiefe (bit depth) . Wie jeweils ersichtlich ist, setzt sich der komprimierte Datensatz aus einem ersten Teil I, in dem dynamisch vom Köder bestimmte Parameter übertragen werden, sowie aus einem zweiten Teil II, welcher im Wesentlichen die digitalisierten Bildwerte enthält. Die digitalisierten Bildwerte sind hierbei beispielhaft entsprechend ihrem Index an- geordnet. Je nach Anwendung kann die Anzahl als auch Reihenfolge der Parameter innerhalb des Datensatzes variieren. Wie aus der Tabelle der Figur 10 ersichtlich ist, kann die Bittiefe mit fortschreitendem Index stufenförmig abnehmen, wobei die ersten acht Digitalzahlen mit einer Bittiefe von 10 bit, die nächsten acht mit einer Bittiefe von 9 bit, die nächsten acht Digitalzahlen mit einer Bittiefe von 8 usw. vorliegen. Mit einer entsprechenden abfallenden Bittiefenfunktion wird sichergestellt, dass die ersten und damit der meisten rele- vanten Signalanteile möglichst genau rekonstruiert werden können .
Die Figur 11 zeigt ein schematisches Ablaufdiagramm 400 des vorliegenden Kodierverfahrens, wobei im ersten Schritt 410 zunächst negative Werte aus dem Originalspektrum entfernt werden. Im zweiten Verfahrensschritt 420 erfolgt eine Skalie¬ rung des Leistungsspektrums bzw. der Leistungsspektren. Im dritten Verfahrensschritt 430 erfolgt eine Abtastung des so erzeugten Ausgangsspektrums. Im vierten Verfahrensschritt 440 findet eine Indizierung des Ausgangsspektrums zum Erzeugen eines Ausgangsgraphen statt. Im fünften Verfahrensschritt 450 wird eine Transformation durchgeführt. Im sechsten Verfahrensschritt erfolgt optional eine Kaskadierung der Transfor- mationen. Im siebten Verfahrensschritt wird der so erzeugte Bildgraph komprimiert, wobei lediglich Bildwerte kleiner gleich einem definierten Schwellwert-Index S weiterverarbei¬ tet werden. Im achten Verfahrensschritt 480 findet optional eine Skalierung des so komprimierten Bildgraphen statt.
Schließlich erfolgt im neunten Verfahrensschritt 490 eine Di¬ gitalisierung des Bildgraphen. Die hier gezeigten Verfahrensschritte können je nach Anwendung in ihrer Reihenfolge variieren. Insbesondere kann der erste Verfahrensschritt und der zweite Verfahrensschritt miteinander vertauscht werden. Fer- ner kann der dritte und der vierte Verfahrensschritt mitei¬ nander vertauscht werden.
Zum Dekodieren des mithilfe der Kodiereinrichtung erfolgreich kodierten Leistungsspektrums führt der Decoder bzw. die Deko- diereinrichtung die Schritte des Coders bzw. der Kodiereinrichtung im Wesentlichen in umgekehrter Reihenfolge durch. Dabei verwendet der Decoder die bei der Kodierung verwendeten Parameter, wobei im Decoder Parameter, welche im Kodierverfahren fest vorgegeben sind, implementiert sind. Parameter, welche vom Coder dynamisch erzeugt wurden, werden an den Decoder vorzugsweise mit dem kodierten Datensatz mit übergeben. Die Figur 12 zeigt schematisch den Ablauf eines Dekodiervorgangs. Hierbei wird zunächst im ersten Verfahrensschritt 510 eine Umkehrung der Digitalisierung vorgenommen. Hierbei werden aus der kontinuierlichen Bitfolge zunächst die Bitzahlen entsprechend ihrer Bittiefen-Zuordnung ermittelt. Die derart ermittelten Digitalzahlen werden in Fliesskommazahlen umge- wandelt. Im Verfahrensschritt 520 wird eine Umkehrung der
Skalierung durchgeführt, bei der die vorzugsweise zwischen -1 und 1 liegenden skalierten Werte mit dem entsprechenden Hüllkurvenwert multipliziert. In dem nachfolgenden Verfahrensschritt 530 wird eine Indizie¬ rung vorgenommen, bei dem jedem rekonstruierten Bildwert ein entsprechender Bildindex IB zugeordnet wird. Hierbei besteht grundsätzlich die Möglichkeit, Zwischenwerte des so rekon¬ struierten diskreten Bildgraphen mittels einer geeigneten In- terpolation zu erzeugen, welche nach der Rücktransformation bestimmte, im ursprünglichen Ausgangsspektrum nicht vorhandene Wellenlängen ergeben. Dabei wird die Interpolationseigenschaft der diskreten Cosinus-Transformation genutzt, um nicht die Spektralwerte der vom Coder benutzten Sampling-Wellen- längen zu erzeugen, sondern die Spektralwerte zu beliebigen Wellenlängen im kodierten Wellenlängenbereich. Hierzu können die Bildindizes des rekonstruierten Bildgraphen entsprechend der gewünschten Wellenlänge linear interpoliert werden, sodass sie unter Umständen nicht mehr ganzzahlig vorliegen. Durch die nachfolgende diskrete Cosinus-Transformation werden zu diesen Indizes die passenden interpolierten Spektralwerte erzeugt. So kann das dekodierte bzw. rekonstruierte Leis¬ tungsspektrum in beliebiger Auflösung erzeugt werden. Abweichungen zwischen Originalspektrum und rekonstruiertem Spekt- rum sind jedoch unabhängig von der gewählten Auflösung.
Im Anschluss an den Indizierungsschritt und die gegebenen¬ falls erfolgte Interpolation erfolgt im vierten Verfahrens¬ schritt 540 eine Rücktransformation des rekonstruierten Bild- graphen aus dem Bildbereich in den Ausgangsbereich. Dabei muss die Transformation im Decoder auf die Transformation im Coder abgestimmt sein. Insbesondere wird bei der Verwendung einer diskreten Cosinus-Transformation zum Kodieren der spektralen Daten eine hierzu inverse diskrete Cosinus- Transformation angewendet, wobei jeweils die Variante (I, II, III, IV der ursprünglichen diskreten Cosinus-Transformation beachtet werden muss. Auch die Anwendung des Normierungsfak- tors muss das Vorgehen bei der ursprünglichen Transformation beachtet werden. So ist bei der Verwendung eines Normierungs¬ faktors bei der ursprünglichen Transformation bei der Rück- transformation keine Anwendung des Normierungsfaktors notwendig. Sofern der Normierungsfaktor zuvor als Wurzel angewendet wurde, muss er auch bei der Rücktransformation als Wurzel angewendet werden. Schließlich muss der Normierungsfaktor bei der Rücktransformation angewendet werden, sofern er bei der Hintransformation nicht angewendet wurde. Sofern bei der Kodierung eine Kaskadierung der Transformation durchgeführt wurde, muss die Kaskadierung nunmehr in umge¬ kehrter Reihenfolge ausgeführt werden. Hierbei wird zunächst lediglich der Teil des Bildgraphen rücktransformiert, welcher zuletzt ebenfalls transformiert wurde. Anschließend werden weitere Werte hinzugenommen und gemeinsam mit dem Ergebnis der ersten Rücktransformation in einer erneuten Rücktransformation transformiert. Nach erfolgter Rücktransformation werden gegebenenfalls vorhandene Füllwerte weggelassen, und es erfolgt im fünften Verfahrensschritt 550 das Aufteilen des rekonstruierten Leistungsspektrums in einzelne Leistungsspektren. Dabei werden die Spektralwerte den einzelnen Spektren wieder zugeordnet. Dieser Verfahrensschritt ist lediglich in dem Fall notwendig, wenn ursprünglich mehrere Leistungsspektren zu einem erweiterten Leistungsspektrum zusammengeführt wurden.
In einem darauf folgenden sechsten Verfahrensschritt 560 erfolgt eine Umkehrung der Indizierung, wobei jedem Spektralwert gemäß der Indizierung die entsprechende Wellenlänge zu- geordnet wird.
In einem weiteren Verfahrensschritt 570 wird die erste Ska¬ lierung des oder der Leistungsspektren rückgängig gemacht. Dabei werden die Spektralwerte eines Leistungsspektrums je¬ weils durch den zugehörigen Skalierungswert geteilt. Nach der Rückskalierung liegt nunmehr das rekonstruierte Leistungs¬ spektrum bzw. die rekonstruierten Leistungsspektren vor. In einem optionalen achten Verfahrensschritt 580 können negative Werte entfernt werden, welche bedingt durch die Dekomprimie- rung im rekonstruierten Leistungsspektrum gegebenenfalls vorhanden sind. Hierbei werden die dekodierten Spektralwerte, welche kleiner als null sind, gleich null gesetzt.
Auch bei der Dekodierung können im Decoder die Reihenfolge der Schritte vertauscht bzw. umsortiert werden, sofern dies sinnvoll und zielführend ist. Insbesondere lassen sich die Verfahrensschritte 560, 570 und 580 miteinander vertauschen. Ferner können auch die Umkehrung der Skalierung 520 und die Indizierung bzw. Interpolation 530 miteinander vertauscht werden. Der hier beschriebene Decoder kann auch in die Coder- implementierung integriert werden. So kann bereits im Coder das Dekodierergebnis des Decoders direkt mit dem Origi- nalspektrum verglichen werden, wodurch der Coder eine Möglichkeit zur Beurteilung seiner eigenen Performance erhält.
Die Erfindung wurde anhand der bevorzugten Ausführungsbei¬ spiele näher illustriert und beschrieben. Dennoch ist die Er- findung nicht auf die offenbarten Beispiele eingeschränkt.
Vielmehr können hieraus andere Variationen vom Fachmann abgeleitet werden, ohne den Schutzumfang der Erfindung zu verlassen . Das hier beschriebene Kodierverfahren verwendet ein verlust¬ behaftetes Kompressionsverfahren, bei dem Daten in einen für den Anwendungsfall wichtigen Teil und einen unwichtigen teil getrennt werden und nur der wichtige Teil gespeichert wird. Ein typischer unwichtiger Teil ist z. B. das Rauschen. Die Grenze zwischen dem wichtigen und dem unwichtig Teil ist da¬ bei in der Regel fließend. Daher ist es möglich, durch Anpas¬ sen dieser Grenze, was in dem oben beschriebenen Ausführungsbeispiel durch Verschieben des Schwellwert-Index entlang der Bildindexskala erfolgt, die Datengröße der komprimierten Da¬ ten exakt zu kontrollieren. Daher eignet sich diese Kompres¬ sionsform besonders gut zur Optimierung der Datengröße im Hinblick auf ein begrenztes Speichervolumen, die Form des Eingangssignals, die Qualität des Coders und das zur Verfü¬ gung stehende Datenvolumen bestimmen dabei die Qualität der Kompression, d.h. inwieweit die dekodierte-kodierte mit den ursprünglichen Daten übereinstimmen. Durch das hier vorgestellte Verfahren können verschiedene
Spektren eines optoelektronischen Bauteils kodiert werden. So können durch beispielsweise absolute Spektralwerte, z.B. in W/ (sr*nm) , kodiert werden. Bei der Kompression mehrerer Spektren, bleibt so insbesondere das Verhältnis zwischen den Spektren erhalten. Alternativ hierzu können auch normierte
Spektren kodiert werden, wobei in diesem Fall die Absolutwerte verloren gehen.
Obwohl sich der Begriff "Leistungsspektrum" in dem hier be- schriebenen Ausführungsbeispiel auf ein Lichtleistungsspekt¬ rum bezieht, bei dem die Strahlungsdichte L gegen die Wellen¬ länge λ aufgetragen ist, ist es jedoch abhängig von der jeweiligen Messmethode und Anwendung grundsätzlich auch möglich, Spektren zu verwenden, bei denen eine andere radiomet- rische oder photometrische Größe gegen die Wellenlänge λ auf¬ getragen ist, wie z.B. Gesamtleistung in W/nm, maximale
Strahlstärke (d.h. Lichtleistung pro Raumwinkel W/ (sr*nm) , Bestrahlungsstärke (d.h. Beleuchtung einer Fläche in
W/m2*nm) , etc . Bezugs zeichenliste
100 optoelektronisches Bauelement
110 optoelektronischer Halbleiterchip
111 Lichtstrahlung
120 Speichereinrichtung
130 Datenschnittstelle
140 elektrische Schnittstelle
151-153 Leistungsspektren
154 Gesamtleistungsspektrum
155 Ausgangsspektrum
160 Ausgangsgraph
170 Bildgraph
171 erster Abschnitt des Bildgraphen
172 zweiter Abschnitt des Bildgraphen
173 Regressionsgrade im ersten Bildgraphenabschnitts
174 Regressionsgrade im zweiten Bildgraphenabschnitts
175 Hüllkurvengrade
176 Gerade durch Schnittpunkt der beiden
Regressionsgraden
177 Schwellwert-Gerade
180 skalierter Bildgraph
181 obere Hüllkurve
182 untere Hüllkurve
200 Mess- und Kodiervorrichtung
210 Kodiereinrichtung
220 Messeinrichtung
300 Dekodier- und Steuervorrichtung
310 Dekodiereinrichtung
320 Steuereinrichtung
330 Sensoreinrichtung
340 beleuchtetes Objekt
400 Ablaufdiagramm des Komprimierungsverfahrens
410-490 Verfahrensschritte des Komprimierungsverfahrens 500 Ablaufdiagramm des Dekomprimierungsverfahrens
510-580 Verfahrensschritte des Dekomprimierungsverfahrens
A diskrete Ausgangswerte des Ausgangsgraphen
B diskrete Bildwerte des Bildgraphen dskrete Bildwerte des skalierten Bildgraphen Index des Ausgangsgraphen
Index des Bildgraphen
Schwellwert-Index des Bildgraphen

Claims

Patentansprüche / Patent Claims
1. Kodierverfahren zur Datenkompression von Leistungsspektren (151, 152, 153) eines optoelektronischen Bauteils (100) um- fassend die Schritte:
- Bereitstellen wenigstens eines Leistungsspektrums (151, 152, 153) des optoelektronischen Bauteils (100);
- Abtasten des Leistungsspektrums (151, 152, 153) bei be¬ stimmten Abtastwellenlängen zum Erzeugen eines diskreten Aus- gangsspektrums (155);
- Indizieren des diskreten Ausgangsspektrums (155) zum Erzeu¬ gen eines Ausgangsgraphen (160) mit diskreten Ausgangswerten
(A) , wobei die Wellenlängen (λ) durch fortlaufende Ausgangsi¬ ndizes (IA) ersetzt werden;
- Erzeugen eines Bildgraphen (170) mit diskreten Bildwerten
(B) durch Transformieren des Ausgangsgraphen (160) von einem Ausgangsbereich in einen Bildbereich mithilfe einer diskreten Frequenz-Transformation;
- Durchführen einer Kompression des Bildgraphen (170), wobei relevante und weniger relevante Komponenten des Bildgraphen
(170) identifiziert und die weniger relevanten Komponenten aus dem Bildgraphen (170) eliminiert werden; und
- Digitalisieren des komprimierten Bildgraphen (170) zum Erzeugen komprimierter Spektraldaten, wobei jedem Bildwert (B) des komprimierten Bildgraphen (170) eine entsprechende Digitalzahl mit einer bestimmten Bittiefe zugeordnet wird.
2. Verfahren nach Anspruch 1,
wobei die Transformation des Ausgangsgraphen (160) mithilfe einer Diskreten Kosinus-Transformation erfolgt.
3. Verfahren nach einem der Ansprüche 1 oder 2,
wobei eine Kaskadierung der diskreten Frequenz-Transformation erfolgt, indem Bildwerte (B) mit niedrigen Bildindizes (IB) eines mittels der diskreten Frequenz-Transformation erzeugten Bildgraphen (170) gespeichert und die restlichen Bildwerte (B) des Bildgraphen (170) mithilfe der diskreten Frequenz- Transformation erneut transformiert werden.
4. Verfahren nach einem der vorhergehenden Ansprüche,
wobei Bildwerte (B) mit einem Bildindex (IB) oberhalb eines Schwellwert-Index (S) bei der Kompression des Bildgraphen (170) eliminiert werden,
wobei der Schwellwert-Index (S) fest vorgegeben oder dyna¬ misch bestimmt wird.
5. Verfahren nach einem der vorhergehenden Ansprüche 1 bis 4, wobei Spektralwerte des Leistungsspektrums (151, 152, 153) vor dem Abtasten mit einem ersten Skalierungsfaktor multipliziert werden,
wobei als erster Skalierungsfaktor ein über den gesamten Wellenlängenbereich konstanter Wert oder eine von der Wellenlän- ge abhängige Funktion verwendet wird, und
wobei der erste Skalierungsfaktor für mehrere Leistungsspektren (151, 152, 153) festgelegt ist oder abhängig von dem jeweiligen Leistungsspektrum (151, 152, 153) dynamisch bestimmt wird .
6. Verfahren nach einem der vorhergehenden Ansprüche,
wobei nach der Kompression des Bildgraphen (170) die Bildwerte (B) mithilfe eines zweiten Skalierungsfaktors skaliert werden,
wobei als zweiter Skalierungsfaktor ein vorgegebener oder dynamisch bestimmter konstanter Wert oder eine vorgegebene oder dynamisch bestimmte Funktion verwendet wird.
7. Verfahren nach Anspruch 6,
wobei zur Skalierung eine Hüllkurve (175) des komprimierten Bildgraphen (170) bestimmt und die Bildwerte (B) des kompri¬ mierten Bildgraphen (170) durch entsprechende Werte der Hüll¬ kurve (175) dividiert werden.
8. Verfahren nach Anspruch 7,
wobei zur Skalierung ein Logarithmus der Absolutwerte der Bildwerte (B) des komprimierten Bildgraphen (170) gebildet wird, wobei für Bildwerte (B) mit einem Bildindex (IB) kleiner oder gleich dem Schwellwert-Index (S) eine Regressionsgrade (173) mithilfe einer linearen Regression bestimmt wird,
wobei eine Hüllkurve (175) des komprimierten Bildgraphen (170) durch lineares Verschieben der Regressionsgrade (173) ermittelt wird, und
wobei die Bildwerte (B) des komprimierten Bildgraphen (170) durch entsprechende Werte der Hüllkurve (175) dividiert wer¬ den .
9. Verfahren nach einem der vorhergehenden Ansprüche,
wobei zur Abtastung fest vorgegebene oder dynamisch bestimmte Abtastwellenlängen verwendet werden; und
wobei die Abtastung mithilfe einer konstanten oder einer vom Informationsgehalt der Abtastpunkte abhängigen Abtastwellen¬ längenauflösung erfolgt.
10. Verfahren nach einem der vorhergehenden Ansprüche, wobei negative Werte des Leistungsspektrums vor dem Abtasten auf Null gesetzt werden.
11. Verfahren nach einem der vorhergehenden Ansprüche, wobei zum Erzeugen des Ausgangsgraphen (160) wenigstens zwei verschiedene Leistungsspektren (151, 152, 153) des optoelekt- ronischen Bauteils (100) zu einem Gesamtleistungsspektrum (154) zusammengesetzt und gemeinsam indiziert werden,
wobei die einzelnen Leistungsspektren (151, 152, 153) unmittelbar aneinander gefügt oder mittels vor, zwischen und/oder hinter den einzelnen Leistungsspektren (151, 152, 153) einge- fügten Füllwerten voneinander separiert werden, und
wobei die einzelnen Leistungsspektren (151, 152, 153) separat oder gemeinsam skaliert werden.
12. Verfahren nach einem der vorhergehenden Ansprüche, wobei die Digitalisierung des komprimierten Bildgraphen (170) mit einer konstanten oder einer dynamisch bestimmten Bittiefe erfolgt .
13. Verfahren nach einem der vorhergehenden Ansprüche, wobei eine Abschätzung der Datenmenge und/oder Kompressions¬ qualität der mit dem Kodierverfahren erzeugten komprimierten Spektraldaten erfolgt,
wobei bestimmte Parameter einzelner oder mehrerer Verfahrensschritte im Hinblick auf eine optimale Datenmenge und/oder Kompressionsqualität der komprimierten Spektraldaten ange- passt und die entsprechenden Verfahrensschritte bzw. das Ko¬ dierverfahren mit den angepassten Parametern erneut durchge- führt wird.
14. Dekodierverfahren zum Dekomprimieren eines mit einem Kodierverfahren nach einem der Ansprüche 1 bis 13 komprimierten Leistungsspektrums (151, 152, 153, 154) umfassend die Schrit- te :
- Bereitstellen komprimierter Spektraldaten des Leistungsspektrums (151, 152, 153, 154);
- Umkehren der Digitalisierung, wobei jeder Digitalzahl der komprimierten Spektraldaten jeweils ein der jeweiligen Bit- tiefe entsprechender Bildwert (B) zugeordnet wird;
- Durchführen einer Rückskalierung, wobei die Bildwerte (B) durch den zweiten Skalierungsfaktor dividiert werden;
- Indizieren der Bildwerte (B) zum Rekonstruieren des Bildgraphen (170), wobei jedem Bildwert (B) ein entsprechender Bildindex (IB) zugeordnet wird;
- Anwenden einer zu der diskreten Frequenz-Transformation in- versen Transformation auf den rekonstruierten Bildgraphen (170) zum Erzeugen eines rekonstruierten Ausgangsgraphen (160) ;
- Umkehren der Indizierung zum Erzeugen eines rekonstruierten Ausgangsspektrums (155), wobei den einzelnen Ausgangsindizes (IA) des rekonstruierten Ausgangsgraphen (160) entsprechende Wellenlängen (λ) zugeordnet werden; und
- Durchführen einer Rückskalierung des rekonstruierten Aus- gangsspektrums (155) zum Erzeugen eines rekonstruierten Leis¬ tungsspektrums (151, 152, 153).
15. Verfahren nach Anspruch 14, wobei die Bildwerte (B) des rekonstruierten Bildgraphen (170) interpoliert werden, um zusätzliche Bildwerte zu erzeugen, und
wobei mithilfe der zusätzlichen Bildwerte durch Anwenden der zu der diskreten Frequenz-Transformation inversen Transformation, Umkehren der Indizierung und Rückskalierung gewünschte Zwischenwerte im rekonstruierten Leistungsspektrum (151, 152, 153) erzeugt werden.
PCT/EP2015/051790 2014-02-03 2015-01-29 Kodierverfahren zur datenkompression von leistungsspektren eines optoelektronischen bauteils und dekodierverfahren WO2015114042A1 (de)

Priority Applications (4)

Application Number Priority Date Filing Date Title
DE112015000624.9T DE112015000624A5 (de) 2014-02-03 2015-01-29 Kodierverfahren zur Datenkompression von Leistungsspektren eines optoelektronischen Bauteils undDekodierverfahren
CN201580007016.8A CN105940612B (zh) 2014-02-03 2015-01-29 用于光电子器件的功率谱的数据压缩的编码方法和解码方法
JP2016567149A JP6360913B2 (ja) 2014-02-03 2015-01-29 オプトエレクトロニクス部品のパワー・スペクトルをデータ圧縮するための符号化方法および復号方法
US15/110,651 US9992504B2 (en) 2014-02-03 2015-01-29 Coding method for data compression of power spectra of an optoelectronic component and decoding method

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102014101307.7 2014-02-03
DE102014101307.7A DE102014101307A1 (de) 2014-02-03 2014-02-03 Kodierverfahren zur Datenkompression von Leistungsspektren eines optoelektronischen Bauteils und Dekodierverfahren

Publications (1)

Publication Number Publication Date
WO2015114042A1 true WO2015114042A1 (de) 2015-08-06

Family

ID=52464367

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2015/051790 WO2015114042A1 (de) 2014-02-03 2015-01-29 Kodierverfahren zur datenkompression von leistungsspektren eines optoelektronischen bauteils und dekodierverfahren

Country Status (5)

Country Link
US (1) US9992504B2 (de)
JP (1) JP6360913B2 (de)
CN (1) CN105940612B (de)
DE (2) DE102014101307A1 (de)
WO (1) WO2015114042A1 (de)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102014101307A1 (de) * 2014-02-03 2015-08-06 Osram Opto Semiconductors Gmbh Kodierverfahren zur Datenkompression von Leistungsspektren eines optoelektronischen Bauteils und Dekodierverfahren
CN112304493B (zh) * 2020-10-29 2022-04-15 西北工业大学 一种基于ccd相机的光学压敏涂料幅频特性检测方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2002027285A1 (en) * 2000-09-28 2002-04-04 Plain Sight Systems, Inc. System and method for encoded spatio-spectral information processing
US20020113880A1 (en) * 2000-12-12 2002-08-22 Yoshiko Iida Image processing apparatus, image processing method, and recording medium
WO2010118160A1 (en) * 2009-04-08 2010-10-14 Mei, Inc. Characterizing items of currency
US20120326054A1 (en) * 2011-06-22 2012-12-27 Mark Anthony Meloni In Situ Photoluminescence Characterization System and Method

Family Cites Families (33)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2139046B (en) 1983-02-25 1986-06-04 Standard Telephones Cables Ltd Video signal transmission
JPH0769216B2 (ja) 1987-02-28 1995-07-26 茂夫 南 物質の識別方法及び装置
JPS63315923A (ja) 1987-06-18 1988-12-23 Shimadzu Corp マルチチャネル検出器の信号処理装置
US5311445A (en) 1989-04-19 1994-05-10 Board Of Regents Of The University Of Oklahoma Deconvoluted band representation for infrared spectrum compression
JP2993256B2 (ja) * 1992-01-21 1999-12-20 横河電機株式会社 光パルス圧縮装置
US5640423A (en) * 1993-12-16 1997-06-17 Signal Science, Inc. Method for signal transmission using spectrally efficient orthogonal modulation
JP2000193524A (ja) 1998-12-28 2000-07-14 Nippon Sanso Corp 光吸収スペクトル測定方法及びその装置
JP2000276194A (ja) 1999-03-25 2000-10-06 Yamaha Corp 波形圧縮方法及び波形生成方法
US6408275B1 (en) * 1999-06-18 2002-06-18 Zarlink Semiconductor, Inc. Method of compressing and decompressing audio data using masking and shifting of audio sample bits
JP3819187B2 (ja) * 1999-09-28 2006-09-06 富士写真フイルム株式会社 マルチバンド画像の分光反射率のスペクトル推定方法およびスペクトル推定システム
JP2001217778A (ja) * 2000-02-03 2001-08-10 Kanagawa Acad Of Sci & Technol 光送受信機
US7277554B2 (en) * 2001-08-08 2007-10-02 Gn Resound North America Corporation Dynamic range compression using digital frequency warping
JP2004192770A (ja) * 2002-12-13 2004-07-08 Sony Corp 符号化方法と装置および光学ディスク記録方法と装置
US7318027B2 (en) 2003-02-06 2008-01-08 Dolby Laboratories Licensing Corporation Conversion of synthesized spectral components for encoding and low-complexity transcoding
US7516064B2 (en) 2004-02-19 2009-04-07 Dolby Laboratories Licensing Corporation Adaptive hybrid transform for signal analysis and synthesis
US7113666B2 (en) 2004-06-03 2006-09-26 Sunrise Telecom Incorporated Method and apparatus for spectrum deconvolution and reshaping
DE102006022346B4 (de) * 2006-05-12 2008-02-28 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Informationssignalcodierung
EP2029982A1 (de) * 2006-06-05 2009-03-04 TIR Technology LP Vorrichtung und verfahren zur bestimmung von kenngrössen einer lichtquelle
CN100488071C (zh) * 2006-10-27 2009-05-13 华为技术有限公司 一种对光电集成设备进行保护的方法和光电集成设备
FR2917544A1 (fr) * 2007-06-15 2008-12-19 Amplitude Systemes Sa Source d'impulsions lumineuses ultrabreves de forte energie
US8116936B2 (en) * 2007-09-25 2012-02-14 General Electric Company Method and system for efficient data collection and storage
KR101739603B1 (ko) 2009-08-20 2017-05-24 톰슨 라이센싱 2진 세트들을 인코딩 및 디코딩하기 위해 트리 구조들을 재이용하는 방법 및 장치
CN101640803B (zh) * 2009-09-04 2012-05-09 中国科学技术大学 一种用于多光谱图像的渐进的分布式编解码方法及装置
WO2012042646A1 (ja) * 2010-09-30 2012-04-05 富士通株式会社 動画像符号化装置、動画像符号化方法、動画像符号化用コンピュータプログラム、動画像復号装置及び動画像復号方法ならびに動画像復号用コンピュータプログラム
US8717551B2 (en) * 2011-09-30 2014-05-06 Inview Technology Corporation Adaptive search for atypical regions in incident light field and spectral classification of light in the atypical regions
CN102768069B (zh) * 2012-07-27 2014-09-03 中国科学院空间科学与应用研究中心 一种互补测量的单光子光谱计数成像系统及方法
US9118345B2 (en) * 2012-10-04 2015-08-25 Altera Corporation Data compression profiler for configuration of compression
WO2014129233A1 (ja) * 2013-02-22 2014-08-28 三菱電機株式会社 音声強調装置
KR101997895B1 (ko) * 2013-03-18 2019-10-01 삼성전자주식회사 주파수 천이 쓸림 광원 시스템 및 이를 적용한 장치
WO2014169197A1 (en) * 2013-04-12 2014-10-16 Duky University Systems and methods for structured illumination super-resolution phase microscopy
WO2015105010A1 (ja) * 2014-01-07 2015-07-16 国立大学法人東京大学 送信装置、受信装置、および送受信システム
DE102014101307A1 (de) * 2014-02-03 2015-08-06 Osram Opto Semiconductors Gmbh Kodierverfahren zur Datenkompression von Leistungsspektren eines optoelektronischen Bauteils und Dekodierverfahren
US9820360B2 (en) * 2015-11-17 2017-11-14 Telelumen, LLC Illumination content production and use

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2002027285A1 (en) * 2000-09-28 2002-04-04 Plain Sight Systems, Inc. System and method for encoded spatio-spectral information processing
US20020113880A1 (en) * 2000-12-12 2002-08-22 Yoshiko Iida Image processing apparatus, image processing method, and recording medium
WO2010118160A1 (en) * 2009-04-08 2010-10-14 Mei, Inc. Characterizing items of currency
US20120326054A1 (en) * 2011-06-22 2012-12-27 Mark Anthony Meloni In Situ Photoluminescence Characterization System and Method

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
"Accurate Characterization of Source Spectra Using an Optical Spectrum Analyzer", 30 December 2001 (2001-12-30), pages 1 - 14, XP055196167, Retrieved from the Internet <URL:http://cp.literature.agilent.com/litweb/pdf/5980-0746E.pdf> [retrieved on 20150616] *
"Handbook of LED Metrology LED Metrology", 10 September 2009 (2009-09-10), pages 1 - 40, XP055196586, Retrieved from the Internet <URL:http://www.instrumentsystems.com/fileadmin/editors/downloads/Products/LED_Handbook_e.pdf> [retrieved on 20150617] *
ALEXEI A. KAMSHILIN ET AL: "Chromatic discrimination by use of computer controlled set of light-emitting diodes", OPTICS EXPRESS, vol. 15, no. 23, 12 November 2007 (2007-11-12), pages 15093 - 150100, XP055196072, DOI: 10.1364/OE.15.015093 *

Also Published As

Publication number Publication date
US20160330465A1 (en) 2016-11-10
JP6360913B2 (ja) 2018-07-18
JP2017507339A (ja) 2017-03-16
CN105940612A (zh) 2016-09-14
CN105940612B (zh) 2019-07-26
DE112015000624A5 (de) 2016-12-01
US9992504B2 (en) 2018-06-05
DE102014101307A1 (de) 2015-08-06

Similar Documents

Publication Publication Date Title
DE69722601T2 (de) Datenkompression mit hybrider verlustloser entropiekodierung von run-length codes
DE2818052C2 (de) Quantisierung eines Signals mit einem sich über ein gegebenes Frequenzband erstreckendem Spetkrum
DE60015448T2 (de) Teilband-Audiokodiersystem
EP1532583B1 (de) Verfahren zum extrahieren von texturmerkmalen aus einem mehrkanaligen bild
EP0421186B1 (de) Verfahren zur Codierung beliebig geformter Bildsegmente
DE69721850T2 (de) Bildkodierungsverfahren und Bildkodierer
DE112006003459T5 (de) Bildkompressionseinheit, Bilddekompressionseinheit und Ultraschalldiagnosevorrichtung
EP2022043A1 (de) Informationssignalcodierung
DE602004006716T2 (de) Verarbeitung von bildern unter verwendung einer begrenzten anzahl von bits
DE112010004109T5 (de) Verfahren zum Dekodieren eines Bitstroms
US20030123740A1 (en) Method of compressing images of arbitrarily shaped objects
EP1697931A1 (de) Vorrichtung und verfahren zum ermitteln eines sch tzwerts
DE102012204775A1 (de) Verfahren zur Reduktion und Komprimierung zu übertragender Detektor-Rohdaten eines quantenzählenden Detektors, Datenübertragungsstrecke und CT-System
EP3434015B1 (de) Datenkompression mittels adaptiven unterabtastens
US8704886B2 (en) Methods and apparatus to form a wavelet representation of a pathology slide having glass and tissue regions
EP0974105B1 (de) Verfahren zur mehrdimensionalen, diskreten wavelet-transformation und transformationseinheit zur durchführung des verfahrens
WO2015114042A1 (de) Kodierverfahren zur datenkompression von leistungsspektren eines optoelektronischen bauteils und dekodierverfahren
DE60011606T2 (de) Audiokodierung mit verstärkungsadaptiver quantisierung und symbolen verschiedener länge
DE60015755T2 (de) Verlustfreie adaptive codierung von daten eines endlichen alphabets
WO2005013492A1 (de) Verfahren und vorrichtung zur digitalisierung sowie zur datenkomprimierung analoger signale
DE102018112215B3 (de) Quantisiererbestimmung, computerlesbares Medium und Vorrichtung, die mindestens zwei Quantisierer implementiert
EP1285537B1 (de) Verfahren und eine anordnung zur codierung bzw. decodierung einer folge von bildern
DE19944213C1 (de) Verfahren zum Komprimieren eines digitalen Bildes mit mehreren Bit-Ebenen
DE102018122295A1 (de) Verfahren zur Kompression von Bilddaten
EP2332301A2 (de) Verfahren und einrichtung zur quantisierung von likelihood-quotienten

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 15703537

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 15110651

Country of ref document: US

ENP Entry into the national phase

Ref document number: 2016567149

Country of ref document: JP

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 112015000624

Country of ref document: DE

REG Reference to national code

Ref country code: DE

Ref legal event code: R225

Ref document number: 112015000624

Country of ref document: DE

122 Ep: pct application non-entry in european phase

Ref document number: 15703537

Country of ref document: EP

Kind code of ref document: A1