西安电子科技大学学位论文独创性声明秉承学校严谨的学风和优良的科学道德,本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知,除了文中特别加以标注和致谢中所罗列的内容以外,论文中不包含其他人已经发表或撰写过的研究成果;也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均己在论文中做了明确的说明并表示了谢意。申请学位论文与资料若有不实之处,本人承担一切法律责任。本人躲鍪曼j掺本人签名:兰圣=生p日日期:劢应.互扩期:/∥/Z・久∥西安电子科技大学关于论文使用授权的说明本人完全了解西安电子科技大学有关保留和使用学位论文的规定,即:研究留送交论文的复印件,允许查阅和借阅论文;学校可以公布论文的全部或部分内(保密的论文在解密后遵守此规定)本学位论文属于保密,在年解密后适用本授权书。本人签名:茎乏磋.导师签日期:日生在校攻读学位期间论文工作的知识产权单位属西安电子科技大学。学校有权保容,可以允许采用影印、缩印或其它复制手段保存论文。同时本人保证,毕业后结合学位论文研究课题再撰写的文章一律署名单位为西安电子科技大学。摘要在我们的日常生活中,LED显示屏在室内显示、室外广告、演唱会等方面有着广泛的应用。在诸多影响LED显示屏显示质量的指标中,色度均匀性和亮度均匀性是评估LED显示屏显示质量的两个重要指标。因此,如何对LED显示屏的亮度均匀性和色度均匀性进行准确测量和评价,对LED显示屏均匀性方面评价的发展具有重要意义。在亮度均匀性方面,本文首先介绍了CCD相机的测量原理以及在LED显示屏测量过程中的应用。然后根据LED灯点亮度特征数据与感光单元灰度值之间的关系,在用改进的Top.Hat变换以及大津法实现目标与背景的分离之后,采用灰在色度均匀性方面,本文选取了pu・v本色度空间来评估显示屏的色度均匀性,L幸u奉v・空间的转换后,将每个LED灯点的u宰坐标值和实验结果表明,基于CCD相机的亮度均匀性和色度均匀性评估方法基本与视度谷峰值运算确定出LED灯点的发光区域来实现对LED灯点亮度数据的提取,最后将LED灯点灰度直方图拟合成高斯分布曲线,利用标准差来评估LED显示屏亮度均匀性。通过完成RGB空间到CIEv毒坐标值的分布拟合成高斯曲线,利用曲线的标准差和均值来评估显示屏的色度均匀性。觉主观评价结果相一致,并且与传统的测量方法相比,该方法是快捷有效的。关键词:LED显示屏CCD改进的Top.Hat运算L・u幸v木色度空间高斯分布brightnessullif.o肌ityarethemostimpoIrt锄tones.Howtomeasure觚deValuatethebrightnessunifo砷ityaIldthechromaunifo珊ityobjectiVely锄demcientlyisaimponanttechniquetothedevelopmentoftheunifom“tyeValuation.1nthebri曲tnessunifomlityaspect,thispaper仃rstlyintroducesthemeasurememprinciplesofCCDc锄era锄dtheapplicationoftheLEDdisplaymeaSuredbyCCDcamera.FromtherelationsllipbetweenLEDpixelbrightnessdataandthegrayValuesofthephotosensitiveelement,aIterthedistinctionoftheta玛etandbackgroundregions,thebri曲tnessontheta唱etregionsw弱extmctedexactly.OntllebaSisofthoseda哦ahistogramoftheLEDpixelisfi钍edbyG锄ssiallcun,e.T11ebri曲tnessunifo册ityisevaluatedbystandarddeViation.1ntllec11I.omaunifomit),嬲pe吐一tllispaperchooseL宰u・V・colorspacetoeV酊uatetheunifo册ity.ByconvertingtheRGBcolorspacetotheL幸u・V・colorspace,the(u・。v宰)coordinatesofLEDpixelsareutilizedtofitGaussi锄curVe.neSt锄darddeviationandmeaIlvalueoftheculⅣeareusedt0representthec111.0maunifollllity.Theexperimentresultshowedmattlleevaluationoftheb一曲tIlessunifomlityaIldthechromau11ifonnitybaSedonCCDisprovedtobefjttedwithsubjectiVemethod.Comparedwiththetraditionalmethod,tllismethodisValidandea'ectiVe.Keywords:LEDDisplayScreenCCD代VisedT.op。HattransformationL★u★v舟colorspaceGaussianCurVeV摘要…………………………………………………………………………………………………………………………………….IABSTRACT……………………………………………………………………………………………………………………….Ⅲ目录……………………………………………………………………………………………………………………………………V第一章绪论…………………………………………………………………………………………11.1研究背景……………………………………………………………………………….11.2LED的结构以及发光原理……………………………………………………………11.3LED显示测量领域的发展状况………………………………………………………21.3.1利用色彩亮度计进行测量………………………………………………。….31.3.2利用ccD相机进行测量………………………………………………………41.4论文的主要研究内容和章节安排……………………………………………………5第二章ccD相机测量的相关技术分析o………………………………………………………_.72.1CCD相机成像原理…………………………………………………………………….72.1.1电荷耦合器件结构及其原理…………………………………………………72.1.2ccD相机的成像原理……………………………………………………82.2CCD相机测量前的准备工作……………………………………………………….112.2.1测量相机的选取以及环境的选择……………………………………………112.2.2曝光量对CcD相机成像质量的影响…………………………………………122.2.3ccD相机的成像清晰度………………………………………………………142.2.4其他影响相机成像质量的因素……………………………………………。142.3本章小结………………………………………………………………………………153.1CCD相机所采集的数字图像的特征……………………………………………….173.1.儿ED显示屏数据采集过程……………………………………………………173.1.2LED感光单元特征…………………………………………………………….173.2数学形态学原理……………………………………………………………………~183.3改进的T0p.Hat算法以及在亮度数据提取过程中的应用………………………。233.3.1传统Top-Hat滤波算法的缺点………………………………………………233.3.2改进的Top.Hat算法介绍……………………………………………………..243.3.3改进的Top.Hat算法跟传统的Top—Hat算法的比较……………………….253.3.4改进的T0p.Hat算法的特性…………………………………………………263.3.5基于改进的Top.Hat算法的图像处理……………………………………….27第三章LED显示屏亮度均匀性算法评估……………………………………………………….17度均匀性算法研究……………………………………………:19…………………………………………..:19…………………………………………..jl(1……………………………………………32…………………………………………~32…………………………………………..32……………………………………………jI:I……………………………………………37…………………………………………。37……………………………………………j18…………………………………………一39……………………………………………39…………………………………………..:19…………………………………………..211…………………………………………..z12…………………………………………..z13……………………………………………44……………………………………………zI!;……………………………………………z16……………………………………………48…………………………………………..49……………………………………………2I!}……………………………………………49…………………………………………..!;1…………………………………………。53第一章绪论第一章绪论1.1研究背景LED显示屏是一种通过控制半导体发光二极管的显示方式来显示文字、图形、动画、视频等各种信息的显示终端川。LED显示屏已经成为继电视、广播、报纸之后的又一新兴广播媒体,在大型的商场、广场、体育场、银行、电视台演播室等处都有着广泛的应用12J。由于一个LED显示屏所用发光管成千上万,要求每个发光管的亮度完全一致是不可能的,按照发光二极管制造商的工业分级标准,同一批次的LED允许的最大亮度误差为20%.40%,色度误差范围为5砌13J。LED显示屏作为多媒体设施的显示终端,其最终目标是完成高质量的动态视频图像显示。作为自发光体显示设备,LED像素点具有离散型和高亮度等特点,随着LED显示屏产业和技术的发展,相关参数的评估方法也受到越来越多的研究,与此同时对评估精度的要求也越来越高,在影响LED显示屏终端显示质量的诸多参数中,亮度均匀性和色度均匀性是至关重要的两个参数,其中,亮度均匀性对人的视觉的影响远大于色度均匀性,而且,对两种参数的评估精度要求也越来越高。评估色度均匀性和亮度均匀性的前提就是能够准确的获得LED显示屏上像素的亮度值和色度值,早期一般使用色彩亮度计或者照度计进行测量,虽然在测量上精度很高,但是测量效率低;而面阵相机凭借高分辨率的CCD,可以快速地测量出LED显示屏每个灯点的亮度、空间位置以及发光形状等信息,因此现在越来越多地被利用。1.2LED的结构以及发光原理LED是发光二极管的英文缩写,是一种可将电能转变为光能的半导体发光器LED是一种注入式的电致发光器件,由于它具有高效率、寿命长、功率低、件,它是属于固态光源这一类的。可视性高以及易和集成电路匹配等优点,因此得到了广泛的应用,比如交通信号灯和交通信息显示板,中高档汽车的车灯等【4J。而且,近几年来,LED显示屏作为多媒体技术的重要载体之一,在人们的工作和娱乐生活中发挥着越来越重要的作用,尤其是在大屏幕显示方面,因为LED具有工作电压低、耐冲击、抗震动以及分辨率高等优势,因此成为室外大屏幕显示的主流方向。而且由于LED在发光波长范围和性能方面的大大提高,LED电视也会成为未来显示产品市场的主流。2基于CCD相机测量的LED显示屏亮度和色度均匀性算法研究LED的基本结构是一块电致发光的半导体材料,置于一个有正极与负极两条引线的架子上,然后四周用环氧树脂密封,可以起到保护内部芯线及调整光线辐射方向的作用,因此LED具有抗震性能好和光照汇聚等优点。LED的核心部分是由P型半导体和N型半导体组成的芯片,图1.1所示的是常规的InGaN发光二极管的芯片结构图,从图1.1中我们可以看出,一块LED芯片主要分为衬底,外延层,透明接触层,P型与N型电极,钝化层等几部分组成15】。钠化层明层图1.1发光二极管的芯片结构图在P型半导体和N型半导体之间存在一个过渡层,称之为P.N结。跨过此P.N结,电子从N型材料扩散到P区,而空穴的方向与之相反,从P型材料扩散到N区。作为这种相互扩散运动的结果,在P.N结处形成了一个势垒,阻止电子和空穴的进一步扩散,达到平衡状态。当外加一个足够高的直流电压时,由于P第一章绪论31.3.1利用色彩亮度计进行测量如果要对LED显示终端的亮度均匀性和色度均匀性进行客观的评估,传统的方法是采用色彩亮度计等仪器来测量LED显示屏的亮度、色度或者色坐标等参数信息,色彩亮度计是一种能在很短的时间内完成全部亮度、色度坐标以及白场色温等参数的测量,色彩亮度计的亮度测量精度一般优于5%,色度坐标测量误差在O.001左右,但其价格相对较高161。评估领域内一般使用柯尼卡美能达色彩亮度计CS.100A对LED显示终端的亮度及色度等各项参数进行测量。色彩亮度计CS.100A如下图1.2所示,是一种便捷式的测量设备,可以用于进行显示屏的亮度和色度的测量。它的亮度测量范围是0.01299,000cd/m2,亮度测量误差为2%,色坐标测量误差为0.0015。CS.100A的测量角为lo,lo测量角适用于传统的测量对象,如中、大尺寸的显示器及户外的大屏幕显示设备。小于lo的测量角适用于小面积或者极小面积的光源,如背光灯或者交通信号灯,由于LED显示屏是大屏幕显示设备,使用CS-100A进行测量时,选择的是lo测量角【7l。图1.2柯尼卡CS・looA色彩亮度计进行测量时,CS.100A必须严格按照产品标准进行放置,色彩CS.100A的光学镜头的光学轴心必须垂直于LED显示屏的表面,如图1.3所示,以保证测量的精度。CS.100A的测量系统如图1.4所示,光线从LED显示屏发出通过光学系统,包括镜头保护滤镜和物镜,通过光圈进入光纤线路,光线被光纤分割为3个部分,每个部分都包括一个感应器,每个感应器都被调整符合CIE标准中的一种光谱的色彩功能,其中CS.100A使用的是CIEl931年20观测者标准,通过感应器后,进入的光线就转变成了电流信号,然后再被转换成电压信号,在通过数模转换器转4基于CCD相机测量的LED显示屏亮度和色度均匀性算法研究换成数字信号。取景窗上显示的是测量区域,因此,在确认测量区域的同时可以从取景窗读取被测样点或者区域的亮度值。图1.3测量示意图图1.4cs.100A测量系统结构1.3.2利用CCD相机进行测量现阶段,由于CCD图像传感器具有获取信息量大,实时性好等优点,从而在光色科学领域得到了广泛的应用。通过CCD相机获得的感光图像可以确定LED显示屏像素的几何形状和空间位置信息,从而可以方便地定位每一像素的亮度以及它的发光形状。CCD相机是由光学镜头、电荷耦合器件(CCD)、模数(~D)转换电路和存储器等部分组成,其中的电荷耦合器件,即CCD芯片是一种特殊的半导体材料,它是由大量的光敏元件构成,并且所有光敏元件是按矩阵排列的,以百万像素为单位,CCD上感光器件的表面具有存储电荷的能力,当器件表面接受到光信第一章绪论s的电荷,以像素取样的方式将图像信号顺序传送到外部,从而【引。最后,整个CCD上的所有感光元件所产生的信号,就构成了一幅完整的画面。也就是说,CCD相机的原理可以概述为CCD芯片接受光学镜头传递过来的影像,经过模/数转换器转换成数字信号后保存在存储器中,CCD相机最后存储的是经过数字化后的图像灰度值。相对于传统的色彩亮度计等仪器,CCD相机在测量LED显示屏亮度和色度有关参数时,可以直接获得数字图像信息,从而有利于后续的图像处理,而且经过后续的处理,可以方便的得出LED显示屏每一个灯点的亮度,并且其测量周期短,信息量大。1.4论文的主要研究内容和章节安排本论文主要研究的是建立在CCD相机数据采集基础上的LED显示屏亮度均匀性和色度均匀性评估方法,工作的主要内容是探讨如何评估LED显示屏的色度均匀性和亮度均匀性,尤其是在CCD相机采集得到的数据基础上。在亮度均匀性方面,本文介绍了一种新的数据提取方法,确定了每个灯点的灰度值和以及发光区域,在此基础上提出了一种基于灰度直方图的评估方法;在色度均匀性方面,选择了CIEL幸u幸v幸色度体系作为进行显示屏色度均匀性评估的平台,并采用通过与高斯分布曲线拟合的方法得到了评估参数的结果,以此参数来衡量一个LED显示屏整屏的色度均匀性。、本文的章节安排如下:第一章首先介绍了目前LED显示屏的发展状况以及所遇到的亮度均匀性与色度均匀性两个重要参数的评估问题。然后阐述了LED显示屏测量领域的研究现状,并对传统测量方法所用的仪器如色彩亮度计、照度计同新兴的测量仪器CCD相机做了比较,最后,对本文的研究内容做了简要介绍。第二章详细介绍了CCD相机的结构、CCD相机的工作原理及成像原理,并介绍了测量前的准备工作,如曝光时间的选择,相机是否处于对焦状态,光圈大小以及测量距离和角度、CCD相机分辨率以及镜头的选择等。第三章详细介绍了LED显示屏亮度均匀性评估工作的流程。结合CCD相机所采集的数字图像中LED灯点亮度特征数据与感光单元灰度值的关系,介绍了一种新的图像分割算法(改进的Top.Hat算法),分离出目标与背景,然后通过灰度谷峰值运算,确定了每个LED灯点的发光区域,在此基础上实现了每个LED灯点亮度数据特征的提取。最后将LED灯点的灰度直方图拟合成高斯分布曲线,利第四章首先介绍了色度学的基本知识以及CIE・RGB色度体系、CIE.XYZ色度用该曲线的标准差来评估LED显示屏亮度均匀性。6基于CCD相机测量的LED显示屏亮度和色度均匀性算法研究体系、ClE-L・u幸v・色度体系,并选择了ClEL・u・v・色度体系作为评估色度均匀性的平台。然后介绍了色差的定义,并介绍了一种新的评估色度均匀性的方法:通过色彩空间转换得到u・、v宰色度坐标,然后将图像中LED像素的u幸和v・坐标值的分布图拟合成高斯分布曲线,根据拟合后的曲线可以得到u・和v・的均值,最后,代入到评估公式中,所得结果便是衡量LED显示屏色度均匀性的参数。最后的第五章对本文的工作进行了概括和总结,本文所介绍的方法还有一些地方亟待改进,为下一步的工作提供参考。第二章CCD相机测量的相关技术分析7第二章CCD相机测量的相关技术分析在对LED显示屏的亮度均匀性和色度均匀性进行评估之前,需要对数据进行采集,通过CCD相机获得的感光图像可以确定LED显示屏像素的几何形状和空间位置信息,这样可以方便的定位每一像素的亮度以及它的发光形状。因此,本章主要对CCD图像传感器及CCD相机做介绍,并且CCD相机在测量过程中,曝光量、噪声、动态范围、分辨率等对成像质量有影响的因素,本章也会提及。2.1CCD相机成像原理2.1.1电荷耦合器件结构及其原理电荷耦合器件(Cha唱eCoupledDevice,简称CCD)由美国贝尔实验室的W.S.博伊尔和GE.史密斯于1969年发明,它由一组规则排列的金属.氧化物.半导体(MOS)电容器阵列和输入、输出电路组成【91。这种器件与我们熟知的P.N结工作的晶体管不同,是一种无结器件。电荷耦合器件(CCD)由密排MOS器件组成,工作时在这种MOS结构的金属电极上施加适当的电压,使电子或空穴存储在特定电压下的半导体表面上,通过周期地改变电极电压,使电子或空穴沿半导体表面运输。CCD的特点是以电荷作为信号,实现电荷的产生、存储、传输和检测。CCD其实是一个移位寄存器,它不仅具有存储信号的能力而且具有自扫描信号的能力。而且,CCD信号处理兼有CCD是在P型或N型的硅衬底上生长的一层厚度约120mm的Si02绝缘层,再在绝缘层上按照一定的顺序沉积一系列间隙很小的金属电极(栅极)制成的【l01。由于MOS电容器之间靠的很近,因此相互间可以发生耦合,从未被注入的电荷甲舌圭彩2占圭彩2甲图2.1MOS电容器的结构数字和模拟两种信号处理技术的长处。每个金属电极和它下面的绝缘层及半导体硅衬底形成一个MOS电容器,所以电荷耦合器基本上是由一系列的MOS电容器组成阵列,在加上输入与输出端构成。可以从一个电容转移到另一个电容,电荷转移的过程实际上是电荷耦合的过程,因此将其称为电荷耦合元件,图2.1为MOS电容器的结构图。8基于CCD相机测量的LED显示屏亮度和色度均匀性算法研究上图中l代表的是金属铝电极,2代表的是Si02绝缘层。2.1.2CCD相机的成像原理CCD是相机用来感光成像的部件,相当于光学传统相机中的胶卷,下面首先介绍CCD的结构I¨J。1.CCD芯片结构CCD的结构为三层,第一层为微型镜头,第二层为分色滤光片,第三层为感光层。(1)微型镜头。CCD相机成像的关键在于其感光层,为了扩展CCD相机采光率,必须扩展单一像素的受光面积。但是提高采光率的办法也容易使画质下降。这一层微型镜头就等于在感光层前面加上一副眼镜。因此感光面积不再因为传感器的开口面积而决定,而是由微型镜片的表面积来决定。(2)分色滤色片CCD的分色滤色片。目前有2种分色方式,一种是RGB原色分色法,也就是Bayer分色法;另一个是CMYK补色分色法。RGB分色法,即三原色分色法,几乎所有人眼可以识别的颜色,都可以通过红、绿、蓝三种颜色来组成ll引。(3)感光层。CCD的第三层是感光层,这层主要是负责将穿过滤色层的光信号转换为电信号,并将信号传送到影像处理芯片还原。2.CCD相机的分类CCD相机根据像元排列形状的不同,有面阵和线阵之分;按使用场合不同,CCD芯片又有彩色和黑白之分,彩色CCD芯片有Bayer滤色片彩色CCD和复合滤色片彩色CCD等。对LED显示屏图像进行采集时,我们使用的是面阵相机,面阵CCD图像传感器分为三类:行间转移式CCD、帧转移式CCD、全帧式CCDll3】。帧转移式CCD在结构上由光敏区、存储区、水平读出区三部分构成,存储区及水平读出区的表面均被铝层覆盖,用来实现光遮蔽。光敏区和存储区具有相同的结构和单元数,而且每一列都是相互连接和贯通的,如图2.2所示。每当光积分周期结束时,在垂直驱动脉冲的作用下,光敏区中代表一帧图像信息的光电荷会被快速垂直转移到存储区中各自对应的存储单元中,这就是帧转移。完成帧转移之后,在读出时钟脉冲和存储时钟脉冲的作用下,存储区的电荷将以平移的方式向下移动,移动到读出寄存器中,然后在读出寄存器中沿水平方向移动,最后经输出电路输出,当第一场读出的同时,第二场的信息通过光积分又收集到势阱中。在这种结构下,光积分与帧转移可以同时进行。-●___-_●-_’—’。。。’。。●__-。_●_-。。’。’。———一—第二章ccD相机测量的相关技术分析9图2.2帧转移CCD不意图全帧式CCD与帧转移式CCD相比,其只有光敏区和读出寄存器,结构与帧行间转移式CCD又称隔列转移式,在结构上采用光敏区与遮光转移区相间排转移中的结构相同,光敏区完成光积分后,光电荷包直接垂直转移到水平读出寄存器。由于不存在光电荷的存储过程,因此帧转移就不能与光积分同步进行,从而造成帧转移的速度比较慢;但是由于没有存储区域,所以其感光面积很大,感光灵敏度也比较高。其示意图如2.3所示。列方式,遮光区存储单元和感光单元一一对应,如图2.4所示。在曝光时间结束后,感光区上的信息被迅速转移到相应的遮光存储单元内,然后感光区像素单元复位,准备下一次曝光,这些过程只需要一个时钟周期。它的缺点是光敏元有效感光面积小,因此动态范围比较小;并且,由于一部分光线落在了光的非接受区,从而降低了感光的灵敏度和图像分辨率;行间转移式CCD的优点是转移速度快。不过其与帧转移式CCD相比,帧转移式CCD的感光面积要大一倍,所以灵敏度要高一些。但是,帧转移式CCD在一个时钟周期内,感光电荷只能水平转移出去10基于cCD相机测量的LED显示屏亮度和色度均匀性算法研究一行,一帧图像的传递需要n个(n为感光材料的垂直分辨率)周期才能完成传递过程,因此速度会受到一定的影响。成像区转移沟道图2.3全帧转移CCD示意图第二章CCD相机测量的相关技术分析2.2CCD相机测量前的准备工作2.2.1测量相机的选取以及环境的选择在对LED显示屏的亮度均匀性和色度均匀性做出评估之前,一定要保证CCD相机采集到的图像的质量,因此,在第一步选取CCD相机时,一定要考虑相机的像素分辨率和镜头焦距【14】。・1.像素分辨率像素分辨率定义为显示一个完整的被测物体和显示出被测物体的像所需要的最少的像素数引”】。为了达到测量结果的精度和效率要求,ccD相机应该至少有500万像素的分辨率。分辨率越高,遇到远距离或小面积光源的测试情况时,就可以利用较多的像素点来表述,从而提高结果的测量精度。2.镜头的焦距镜头焦距的长短决定了被测物体在CCD上的大小,也就是相当于物和像的比当拍摄距离固定时,根据式(2.1)来确定镜头的焦距116】。眦(tgQ)=云(2・1)因为在评估LED显示屏的色度均匀性时,LED灯点在五度视角内的色度没3.拍摄距离的选择因为LED显示屏的灯点在5度视角以内时,色度是不会随角度的改变而变化,L:罢(2.2)、’喀2.5。其中W代表了LED显示屏宽度的一半。另外,在测试中,要使LED显示屏例尺,当对处于相同距离的同一个被测物体拍摄时,镜头焦距越长,所成的像也越大,根据用途的不同,相机的镜头焦距相差的非常大,有短到几毫米,十几毫米的,也有长达几米的。较常见的有8mm,24唧,35n瑚,105mm,200mm,400mm等等,只要焦距选择合适,即便距离很远的物体也可以看得清清楚楚。有偏差,因此选择50mm焦距的镜头。因此,根据这个特性,可以决定测量LED显示屏色度时的条件,根据LED显示屏的宽度,可以根据式(2.2)计算出最短的拍摄距离:的中心与数码相机镜头的光轴重合。在实际测量中,可以将最短拍摄距离稍微延长一点。图2.5很好的说明了CCD相机在进行采集时跟显示屏之间的距离。基于ccD相机测鼍的LED显示屏亮度和色度均匀性算法研究图2.5CCD相机采集的距离示意图2.2.2曝光量对CCD相机成像质量的影响图像传感器得到的光量的多少称为曝光量,曝光适度,物体成像对比度高,第二章CCD相机测量的相关技术分析13从图2.6可以看出,图中的曲线分为了5段,其中0A段是进光量为零时由暗电流引起的电荷耦合器件噪声,而且在后续的图像处理时要消除这部分的影响,而AB段属于曝光不足段,此时被测的物体成像比较模糊,甚至没有影像,因为整个图像的灰度值集中在最小值附近,不利于后续的数据分析和处理;CD段称之为曝光过亮段,被测物体所成的影像几乎泛白,整个图像的灰度值集中在最大值附近,也不利于后续的数据分析及处理。BC段近乎为直线段,是成像的主要利用段,拍摄图像的曝光量只有在BC对应的范围内才可获得清晰的像。曝光量的大小和摄像过程中所采用的相机光圈数、曝光时间、目标物的亮度存在如下关系式:H:B.垩.妻.T、4F|(2.3)其中H为曝光量,F代表相机所采用的光圈数,T代表曝光时间,B代表目标物的亮度。为镜头的光学投射系数,它反映了感光材料的特性指标。在实际操作中,如果采集到的图像的数据主要集中在低灰度区,根据图像灰度值和曝光量的关系,说明相机曝光不足,可以通过延长曝光时间、增大光圈的一进光量来增大相机的曝光量;如果采集到的图像数据主要集中在高灰度区,这就是相机曝光过度引起的,可以通过缩短曝光时间或者减少光圈的进光量来减少相机的曝光量;而曝光良好的成像数据,灰度取值的动态范围比较大,对比度也比较高。在对色度均匀性进行评估时,如果曝光量太大,中心的像素会过曝,色阶接近于饱和,原有的光强峰值接近成为一个色阶等于255的平台,颜色偏白。显而易见的是,过曝的图片颜色跟曝光合适的图片会有很大的差异。如果曝光量过小,则会产生曝光的不足,此时会导致每个LED灯点的发光的感光单元的数量迅速减少,每个灯点的刺激值减少;而且曝光不足,根据图像的灰度直方图可以看出,图像数据大部分都集中在低灰度区,不利于色差的计算。因此,拍摄时一定要保持曝光量的适中。光圈和快门的选择决定了曝光量的大小,所以在测量前,一定要选取合适的光圈是一个用来控制光线透过镜头,进入机身内感光面的光量的装置,它通在用CCD相机采集数据时,选取的快门的取值为1/2500秒,采取的光圈为光圈与快门的组合。常是在镜头内,通常一般用F值来表达光圈大小。对于已经选取好的镜头,不能随意改变镜头的直径,但是可以通过在镜头内部加入多边形或者圆形,并且面积可变的孔状光栅来达到控制镜头通光量,这个孔状光栅我们称之为光圈。完整的光圈值如下:F1,F1.4,F2,F4,F5.6,F8,F11,F16等等。光圈F值愈小,在同一单位时间内的进光量就愈多,而且上一级的进光量刚好是下一级的两倍。14基于CCD相机测量的LED显示屏亮度和色度均匀性算法研究F1l光圈。这样的组合会使曝光量适中,可以同时满足拍摄LED屏幕红、绿、蓝三种单基色照片的需要,而且在测量过程中不需要调整,有利于保证测量的一致性。2.2.3ccD相机的成像清晰度当用CCD拍摄LED显示屏时,要确保LED显示屏处于对焦状态,因为当LED显示屏处于对焦状态时,对应图像的对比度也比较高,包含的细节信息也丰富,图像的边缘也清晰可见;但是当LED显示屏处于离焦状态时,图像的对比度就变得比较差,灰度的动态范围也会比较小,图像看起来都不清晰【l引。如何甄别所得图像是否是在LED显示屏处于对焦状态下取得,这就需要用到灰度直方图Il91,图像的灰度直方图是图像处理中一种十分重要而且实用的工具,从数学上来说,灰度直方图是图像各灰度值统计特性与图像灰度值的函数,灰度图像f(x,y)的直方图可以定义为离散函数:h(rk)=nk,k∈【o,L】(2-4)其中为图像f(x,y)的第k级灰度,nk是图像f(x,y)中具有灰度值rk的像素个数,n。是图像像素总数,L是图像的灰度级数。因为h(“)给出了对各个“出现概率的一个统计,所以灰度直方图给出了数字图像中各灰度级数与其出现的频数之间的统计关系,可表示为:P(rk):业:生,k∈【o,L】(2.5)nn式中P(rk)是灰度级rk出现的频数,其所包括的所有灰度级频数之和等于l。在灰度直方图坐标系中,横坐标为灰度级,纵坐标为各个灰度级上图像各个像素点出现的频率。当用CCD相机拍摄LED显示屏时,如果LED显示屏处于对焦状态,采集到的该图像的灰度直方图具有尖锐的变化曲线和更大的灰度范围,图像对比度也高。如果LED显示屏处于离焦状态时,拍摄的图像也模糊,而且其灰度直方图只占据了很小一部分的灰度范围,对比度也低。因此,在用CCD相机采集时,一定要保证图像处于对焦状态。2.2.4其他影响相机成像质量的因素1.像元尺寸和填充因子。像元尺寸即传感器上的感光像素的面积大小,因此像元尺寸越大,采集到的光信号也越多;填充因子是有效像素面积与像素总面积之比。因此,像元尺寸和填充因子的值越大,相机的动态范围也越高。第二章CCD相机测量的相关技术分析152.噪声。在CCD图像传感器中,电荷注入器件时或者电荷在转移过程中因为电荷量的变化可能都会引起噪声,这些噪声的叠加会使信号再现的精度受到影响f20】o3.CCD非均匀性。CCD传感器由于自身材料的差异和相机镜头等因素的影响,使得在均匀背景光环境下,其每个像元的响应也会不一样。4.分辨率分辨率为相机采集到图像的像素个数,分辨率越大,采集到的图像所占的像素数也就越多,图像也就越精细。2.3本章小结本章首先介绍了CCD器件的构成,以及其工作原理。然后详细介绍了帧转移了曝光量和相机焦距两个比较重要的因素对相机成像质量的影响,并且还对其他影响成像质量的因素做了简单的介绍。CCD、行间转移CCD、全帧转移CCD的基本结构和工作原理。最后,本章提及第三章LED显示屏亮度均匀性算法评估17第三章LED显示屏亮度均匀性算法评估在对LED显示屏的亮度均匀性进行评估之前必须对LED显示屏的亮度数据进行提取,利用CCD获得的感光图像可以确定LED显示屏灯点的几何形状和空间位置信息,然后根据LED亮度特征数据与感光单元灰度值之间的关系,提出了新的亮度数据提取算法,最后,利用提取的亮度数据,提出一种新的亮度均匀性评估参数。3.1CCD相机所采集的数字图像的特征3.1.1LED显示屏数据采集过程LED显示屏的亮度信息采集系统由CCD相机、数字接口卡、计算机组成,其组成如图3.1所示,采集图像时CCD相机应该位于LED显示屏正前方,并且以图像的方式保存到计算机中,计算机中的图像处理系统会将CCD图像中所包含的LED像素亮度特征数据提取出来,并生成亮度数据矩阵。图3.1LED显示屏亮度信息采集系统在由CCD相机所采集到的感光图像中,每个感光单元的值由一定的灰度值所图3.2显示了LED显示屏模块的感光单元的亮度值分布,从图中可以看出,保证处于对焦状态,同时还要保证相机镜头与显示屏边沿的最大夹角在20范围内,这样可以减小LED显示屏视角亮度误差12lJ;采集到的亮度数据通过数字接口卡3.1.2LED感光单元特征代表,而且,感光图像还包含了LED灯点的空间位置,发光形状以及发光强度等信息。每个LED灯点在感光图像中是由若干个CCD感光单元组成。由感光单元组成的区域,我们称之为目标区域。单个LED显示像素的亮度分布并不是一个平面,而是一个曲率半径不断变化的曲18基于CCD相机测量的LED显示屏亮度和色度均匀性算法研究面,并且代表目标亮度特征的感光单元所构成的灰度区域并不是理想中规则的圆形,从图中可以看出,单个LED灯点区域中感光单元的灰度值,在中心处的感光单元灰度值最大,然后由中心到四周逐渐减少,而在目标周围,也就是背景区域,由于LED灯点发光的影响,其灰度值虽然很小,但并不等于零。而且,从图中可以看出,某些LED灯点所包含的感光单元区域的灰度值很大,而某些感光单元区域的灰度值却很小,这和人眼看到的亮暗情况基本上一致,从图中可以看出,每一个LED灯点所占的感光单元的数也不完全相同,这是由其发光形状决定的【221。我们假设整个LED显示屏具有M×N个LED灯点,其中任何一个灯点的亮度值可以表示为P枷,和该灯点对应的感光单元的数目为(I×J).。,其中每个感光单元的亮度值为厶(f,,),因此它们之间的关系可用下式表示:旦Pm=∑fm(i,j)(3-1)2∞2∞1∞1∞印0∞∞00图3.2LED感光图像的亮度分布示意图3.2数学形态学原理因为灰度值的缓慢变化,LED灯点所包含的感光单元不仅存在于视觉可以感第三章LED显示屏亮度均匀性算法评估19知到的灯点中心比较亮的区域,而且在较暗区域也大量存在1231,所以,有必要提出一种算法,对有效的感光单元进行识别、分割和亮度数据的提取。数学形态学的语言是集合论。数学形态学为大量的图像处理问题提供了~种一致的有力方法。数学形态学中的集合表示图像中的不同对象。例如,在二值图像中,所有黑色像素的集合是图像完整的形态学描述【241。在二值图像中,正被讨论的集合是二维整数空间的元素,在这个二维整数空间中,集合中的每一个元素是都是一个多元组(二维向量),这些多元组的坐标是一个黑色(或白色,取决于事先的约定)像素在图像中的坐标(x,y)。灰度级数字图像可以表示为三维整数空间上分量的集合。在这种情况下,集合中每个元素的两个分量是像素的坐标,第3个分量对应于像素的离散灰度值。更高维度空间中的集合可以包含图像的其他属性,比如颜色和随时间变化的分量。本文相关算法将会涉及到灰度图像的基本操作,即膨胀、腐蚀、开操作和闭操作。我们把预处理的图像记为f【x,y),结构元素记为b(x,y)。1.膨胀用b对函数f进行的灰度膨胀表示为厂o6,定义为fob(s,t)=max{f(s—x,t—y)+b(x,y);(s—x,t—y)∈Df;(x,y)∈Db}(3—2)其中Df和Db分别是f和b的定义域。(s.x)和(t.y)必须在f的定义域内以及x和y必须在b的定义域内的条件与膨胀的二值定义中的条件是相似的(这里两个集合的交集至少应有一个元素)。下面将用简单的一维函数说明式(3.2)的表示法和运算原理。对于单变量函数,式(3.2)简化为表达式(fob)(s)=max{f(s—x)+b(x);(s—x)∈D,,x∈D。}(3・3)在卷积运算中,f(.x)是f(x)关于x轴原点的镜像。当s为J下时,函数f(s.x)向右移动,当s为负时则向左移动。其条件是(s.x)必须在f的定义域内,x的值必须形态学操作函数把结构元素的中心对应于输入图像指定的像素值,对于图像在b的定义域内,这意味着f和b是彼此交叠的。这些与二值图像膨胀的条件(这两个集合的交集至少有一个元素)是相似的。最后,与二值图像的情况不同,被移动的是f而不是b。式(3.2)可以写成b受到平移而不是fo然而,如果Db比Df小,则式(3.2)中给出的索引项形式可以进一步简化而取得相同的结果。从概念上讲,以b划过函数f还是以f滑过b是没有区别的。事实上,尽管这个等式更容易实现,但如果以b作为滑过f的函数,则对灰度膨胀的实际原理在直观上更容易理解一些I乃J。边界上的像素,结构元素定义的部分邻域可以扩展到图像的边界以外。20基于CCD相机测量的LED显示屏亮度和色度均匀性算法研究为了处理图像边界的像素,形态学函数会给这些没有定义的像素指定一个值,就好像是函数已经用额外的行和列填充了图像一样。这些填充的像素值会因为膨胀或腐蚀有所不同,在膨胀操作中,图像边界外的像素值被指定为图像数据类型的最小值,对于二值图像,这些值设定为0,对于8位类型的灰度图像,这些值设定为O。而在腐蚀操作中,图像边界外的像素值被指定为图像数据类型的最大值,对于二值图像,这些值设定为1,而对于8位类型的灰度图像来说,这些值责备设定为255。b∞】)b(O・x)_乙|f一。+~j肾图3.3(a)一个简单的函数;(b)高度A的结构元素;(c)b滑过f的不同位置进行膨胀的结果;(d)膨胀得到的完整结果(以实线表示)图3.3显示了一个膨胀的例子。从中可以看出,在每个结构元素的位置上,这一点的膨胀值是在跨度为b的区间内f与b之和的最大值。通常对灰度图像进行膨胀处理的结果是双重的:如果所有结构元素的值为正,则输出图像会趋向于比输入图像更亮;暗的细节部分全部减少了还是被消除掉了,取决于膨胀所用的结构元素的值和形状【26】。2.腐蚀操作灰度腐蚀表示为f@b,定义为(fDb)(s,t)=min{f(s+x,t+y)一b(x,y);(s+x,t+y)∈Df;(x,y)∈Dbl(3.4)第三章LED显示屏亮度均匀性算法评估21其中Df和Db分别是f和b的定义域。平移参数(s+X)和(t+y)必须在f的定义域内,而且x和y必须在b的定义域内,这与腐蚀的二值定义中的条件(其中结构元素必须完全包含在被腐蚀的集合内)相似。可以通过对一个简单的一维函数进行腐蚀来说明式(3.4)的原理,对于单变量函数,腐蚀的表达式简化为(国b)(s)=min{f(s+x)一b(x);(s+x)∈D,,x∈D。}(3—5)与相关运算一样,对于正的s,函数f(s+x)向左移动,对于负的s,函数向右移动。对(s+x)和x的要求表明,b的取值范围完全包含在移动后的f的范围之内。正如第一段提到的,这些要求与腐蚀的二值定义中的条件(其中结构元素必须完全包含在被腐蚀的集合之内)相似。最后,与腐蚀的二值定义不同,移动的对象是f而不是结构元素b。式(3.4)可以写成b是被评议的,但会导致表达式的下标索引变得更复杂12¨。●_——A图3.4使用图3.3(b)中显示的结构元素对图3.3(a)中显示的函数进行腐蚀式子(3.4)说明了腐蚀操作是以在结构元素形状定义的区间中选取(f-b)最小值图3.5展示的是圆盘形状的结构元素对一幅图像的膨胀和腐蚀操作。该圆盘为基础的。通常对灰度图像进行腐蚀是双重的,首先,如果所有的结构元素都为正,则输出图像会趋向于比输入图像更暗;然后,在输入图像中亮的细节的面积如果比结构元素的面积小,则亮的效果会减弱,减弱的程度取决于环绕于亮细节周围的灰度值和结构元素自身的形状与幅值。的半径为1。其中(a)表示的是原图像,(b)表示的是用半径为l的圆盘对(a)进行腐蚀后的结果,(c)表示的是用该结构元素对(b)进行膨胀后的结果。22基于CCD相机测量的LED显示屏亮度和色度均匀性算法研究图3.5腐蚀和膨胀操作处理结果示意图3.开操作和闭操作用结构元素b对图像f进行开操作表示为fob【28】,定义为fob=(鼢)ob(3-6)开操作首先用b对f进行简单的腐蚀操作,然后用b对得到的结果进行膨胀操作。同样,用b对f进行闭操作表示为f.b,定义为f.b=(fob)ob(3・7)图像的开操作和闭操作的几何解释如下:假设在三维透视空间中观察一个图像函数f(x,y),x轴和y轴是通常意义上的空间坐标,第3个轴是灰度值。在这个坐标轴中,图像呈现不连续曲面的形态,曲面上任意点(x,y)的值是这个坐标上f的值。假设使用球形结构元素b对f进行开操作,将这个结构元素视为“滚动球”。用b对f进行开操作的原理在几何上可以解释为,推动球沿着曲面的下侧面滑动,以便球体能在曲面的整个下侧面来回移动。当球体滚过f的整个下侧面时,由球体的任何部分接触到的曲面的最高点就构成了开操作的曲面,图像函数坟x,y)的值也随之改变。实际应用中,开操作经常用于去除较小(相对于结构元素的大小而言)的明亮细节,同时相对地保持整体的灰度级和较大的明亮区域不变。先进性腐蚀操作第三章LED显示屏亮度均匀性算法评估23可以除去小的图像细节,但这样做会使图像变暗。接下来进行膨胀操作又会增强图像的整体亮度,但不会将腐蚀操作除去的部分重新引入图像中。与之相反的是,闭操作经常用于除去图像中的暗细节部分,而相对地保持明亮部分不受影响。先通过膨胀除去图像中的暗细节,同时增加图像的亮度,接下来对暗图像进行腐蚀,而不会将膨胀操作除去的部分重新引入图像中1291。4.top-hat变换对图像进行所谓的形态学Top.Hat变换,用h表示,定义为h=f一(fob)(3—8)f是输入图像,b是结构元素函数。最初对这种变换的命名是由于使用了带有一个平项的圆柱形或平行六面体形的结构元素。它对于增强阴影的细节很有用处。式子(3.8)所描述的变换称之WhiteTop.Hat变换(WTH),又称之为白帽子变换。还有一种变换,我们称之为黑帽子变换,该变换首先对原图像进行形态学闭运算,然后减去原来的图像,其定义式为:h=f・b—f(3・9)Top.Hat变换可以检测到图像中的高频分量,而滤除图像中灰度值变化相对较为平稳的地方。利用T0p.Hat算子可以去除小目标图像中的大面积背景,因此在LED显示屏亮度数据的提取中发挥着很大作用。由此可以得出,Top.Hat具有高通滤波的某些特性,即开Top.Hat算子能检测图像中的峰,而闭Top.Hat算子则能检测图像中的谷【301。3.3改进的T0p.Hat算法以及在亮度数据提取过程中的应用3.3.1传统T0p.Hat滤波算法的缺点众所周知,数学形态学操作的核心内容是结构元素,一般来说结构元素是由的像素在进行膨胀和腐蚀等形态学基本操作时要进行考虑。一般来说,二维或者平面结构的结构元素要比处理的图像小得多。结构元素通常来说,结构元素是图像处理数学形态学操作的关键部分,在对LED显示元素值为l或者0的矩阵组成。结构元素为l的区域定义了图像的邻域,邻域内的中心像素,即结构元素的原点,与输入图像中感兴趣的像素值(即要处理的像素值)相对应。屏的灯点所包含的感光单元的亮度数据进行提取时,可以把灯点作为目标,目标和周围的背景区域肯定包含不同的信息。因此,Top.Hat算法可以通过利用目标区域和背景区域所包含的不同的信息来检测目标。但是,传统的Top.Hat算法在24基于ccD相机测量的LED显示屏亮度和色度均匀性算法研究开运算和闭运算的时候都用的是相同的结构与元素,不能充分有效地利用目标区域和周围背景的不同信息,由此可能导致不能把目标和噪声或杂波有效区分开来p¨。当用传统的Top.Hat算法对目标进行检测时,图像中的噪声可能会导致目标丢失或者使虚警率提高,尤其是在目标区域存在的负脉冲噪声,如果对图像进行Top.Hat变换时使用相同的结构元素时会导致目标的丢失。通常,开运算通常用来滤除正脉冲噪声,因此,传统的Top.Hat变换可能会把正脉冲噪声误认为目标,因此,如果图像中存在噪声的话,可能会影响传统的Top.Hat算法的有效性。传统的T0p.Hat变换不能有效地区分杂波和真实的目标区域。由于传统的Top.Hat算法使用相同的结构元素,而且,进行目标识别时,结构元素所包含的像素大部分存在于背景中,如果背景中存在杂波的话,大部分的杂波会在处理后的图像中影响到输出像素的值,因此,传统的Top.Hat变换不能很好的把杂波和要检测的目标区分开来。因此,传统的Top.Hat算法的主要缺点是在膨胀和腐蚀操作中使用相同的结构元素,并且不能充分有效利用目标区域和周围背景所包含的不同的信息。这两个主要短处可能会影响到其在图像处理中的应用。3.3.2改进的T0p-Hat算法介绍众所周知,图像中的目标区域和其周围的背景包含着不同的信息,当使用Top.Hat变换进行目标识别时,可以充分利用这一特性。由于传统的Top.Hat变换在进行膨胀和腐蚀操作时使用相同的结构元素,因此不能充分利用目标区域和周围背景所包含的不同的信息,如果结构元素能充分地利用目标区域和周围背景之间的不同信息,新的Top.Hat变换在进行目标识别的操作时将会变的十分有效。在此基础上,一种新的Top.Hat变换被提出来【32】。E和墨是两个形状相同的圆盘状结构元素,S(B)代表结构元素B的半径,S(忍)和S(墨)分别是色和E的半径,并假设S(E)>S(墨)。那么结构元素曲=E—E是皖比忍多出来的圆环区域。在这里,色的大小比目标区域要大,我们称之为外围结构元素。骂比忍要小一些,我们称之为内层结构元素。晟表示一个大小介于忍和置之间的结构元素。S(衄)是圆环的半径,即圆环中心到圆环外围轮廓的距离,那么可知S(曲)=S(殇)。如果令肘(衄)为衄的内层边缘到外围轮廓之间的距离,那么有M(衄)=S(历)一S(置)。尾,置以及晟的关系如图3.6所示,下图中O代表三个结构元素的中心。下面是根据上文介绍的结构元素提供的两种操作:(f—Boi)(x,y)=(fo△B)oBb(3-10)第三章LED显示屏亮度均匀性算法评估(f口Boi)(x,y)=(fD△B)oBb(3-11)NwTH(x,y)=f(x,y)一(f-B。i)(x,y)(3-12)NBTH(x,y)=(f口B“)(x,y)一f(x,y)(3一13)上述四个式子中,B。i代表跟B。或者Bi相关的结构元素1331。囊图3.6结构元素分布示意图1.膨胀和腐蚀操作的顺序不同。以WTH和NwTH(即NewWlliteTop.Hat)变换为例,WTH的开运算是先腐2.改进的Top.Hat算法用两个不同但相关的结构元素,并且结构元素衄的应上面的定义和改进说明NWTH变换通过曲先用目标周围的背景元素来替换3.3.3改进的Top—Hat算法跟传统的T0p—Hat算法的比较蚀后膨胀,而NWTH的_操作是先膨胀后腐蚀。在-操作中,先用.厂。彻把目标区域的像素替换为目标周围的背景元素。接下来的腐蚀操作,将会对背景元素进行操作,达到抑制背景的目的。同时,由于。操作的ma)(计算,在NwTH中先用0操作能抑制负脉冲噪声的影响;同样,由于腐蚀操作中的min计算,在接下来的腐蚀操作中能抑制正脉冲噪声的影响。因此,NWTH比WTH能更好的抑制噪声,并且能更好的利用目标和其背景之间的不同信息。NBTH和BTH有着相同的特性。用可以更加充分的利用目标和其周围背景之间的不同信息。目标区域的元素,然后用减法操作输出目标区域和其周围背景的不同信息。并且,鼠能改变目标区域的大小。因此无论不管目标和其周围背景的灰度信息差别是多么小,NWTH变换都能够把他们之间的不同信息在结果图像上显示出来。而且前26基于CCD相机测量的LED显示屏亮度和色度均匀性算法研究面的膨胀操作可以去除负噪声的效果,而后续的腐蚀操作可以去除正噪声的效果,而且通过利用2个不同的结构元素,在处理过程中,可以充分的利用目标区域和背景区域的区别。3.3.4改进的T0p—Hat算法的特性由于改进的T0p.Hat算法使用两个不同的但相关的结构元素进行膨胀和腐蚀操作,因此,与传统的Top.Hat算法相比,具有一些新的特性。1.如果M(△召)≠0,改进的Top.Hat变换不满足以下2个条件:f≥f口玑或者f≤f■B一。传统的开运算中的膨胀操作去除了图像中比较亮的细节,因此它满足如下条件:f≥foB。以此类推,在闭运算中,腐蚀操作也满足如下条件:fsf・B。比如,在进行f≥f口B。i操作时,虽然与f06操作相比,膨胀和腐蚀处理的顺序是相同的,但是,f口B而操作使用的结构元素是圆环△B,也就是说,该操作会用目标区域周围的像素来替代原本f06操作用的目标区域所包含的像素进行操作,如果处理的区域不是一个目标区域的话,并且被处理的像素跟周围区域的关系不确定的话,就会导致f和f口B。i的大小关系不确定。与之相似的是,f和f—B。i的大小关系也会变的不确定。上述特性说明了图像在完成NwTH操作后,结果可能会为负值,为了避免这种情况发生,NWTH操作可用如下表达式描述I”J:N、"H(x,y)=maX(f(x,y)一f■Bd(x,y),0)=f(x,y)一min(f—Bd(x,y),“x,y))(3-14)2.如果圆环结构元素△B固定的话,结构元素Bb的半径越大的话,在操作f口B。i或f—B“中消除噪声的能力也会越强。一种算法消除噪声的能力能够表现出消除图像中不平滑区域的能力,在图像处理的形态学操作中,尺寸比较大的结构元素能够平滑图像中的较大区域,而且具有比较强的图像平滑能力,因此,根据数学形态学的膨胀和腐蚀的特性,如果圆环结构元素固定的话,在操作f—B0i或f口民中图像平滑的能力也会越强,自然而然,两种操作消除噪声的能力也会变强。3.如果玩≠吃,操作f■B西或f口Boi将会改变原始图像中某些区域的尺寸。从膨胀和腐蚀操作的定义中可以得出:膨胀操作可以增加图像中明亮区域的大小,减少图像中较暗区域的大小,其增加或减少的幅度与结构元素的尺寸有关,与之相反的是,腐蚀操作可以减少明亮区域的面积,并且扩大较暗区域所覆盖的范围,同样变化的幅度也跟结构元素的尺寸有关。因此,如果用结构元素△B和Bb对图像进行f■B商或f口B画操作的话,将会改变明亮区域和较暗区域的大小,第三章LED显示屏亮度均匀性算法评估27如果境≠吃,也就是说S(△B)≠S(B),因此图像中被用来操作的区域增加或者减少的尺寸也不会相同,因此,操作f■B。i或f口Boi将会改变原始图像中某些区域的尺寸。4.如果玩=吃,操作f—B面或f口B。i消除噪声的能力比较强,并且不会改变原始图像中被处理区域的尺寸。如果忍=忍,可以推出S(B。)=S(B。),结构元素的半径跟的半径一样大,也就是半径已经达到最大值,根据第2条特性,操作f一民或f口民消除噪声的能力就变得比较强。而且根据这个条件还可以推出S(△B)=S(玩),图像的被处理区域增加或减少的尺寸也是相同的,因此,操作f■B。i或f口B。i不会改变原始图像中被处理区域的尺寸。5.如果结构元素Bb确定的话,M(△B)的值越大,操作f口民或f—Boi消除噪声的能力越差。如果结构元素Bb确定,如果肘(△B)的值变大,也就意味着更多的像素将被会用到操作f口B。i或f■Bd中,因为在NWTH涉及到的膨胀操作将会抑制图像目标区域中负脉冲噪声的影响,而腐蚀操作会抑制图像目标区域中正脉冲噪声的影响,但是如果更多的像素加入到计算中,会减弱膨胀或腐蚀操作的效果。因此,操作f●民或f口Bni消除噪声的能力越差。如果忍=色,M(△B)的值达到最大,可以推出M(△B)=s(B。),又因为鼠=玩,这就意味着在操作f口B0i或f■B而进行腐蚀或者膨胀时使用的是相同的结构元素,操作f—B面或f口民就变成了传统的开运算或者闭运算。其推导过程如下:f—Boj(x,y)=(foB。)oB。=f・B。(x,y)(3一15)f口Boi(x,y)=(fDB。)oB。=f。B。(x,y)(3-16)3-3.5基于改进的T0p—Hat算法的图像处理由若干个感光单元所组成的每一个LED像素在图像中可以认为是近乎圆形的,假设ro作为每一个LED像素的半径。根据改进的Top.Hat算法的特性可以得知,当内层结构元素Bi的半径r几乎等于LED像素的半径ro时,此时NWTH算法能最好的把LED像素与背景区别开来,r必须大于ro并且r越接近于ro,NWTH算法处理后的效果达到越好。当内环结构元素Bj的半径r固定不变时,外环结构元素Bo的半径R越大,所覆盖的背景的像素就会变多,当进行膨胀操作时,更多的背景像素将会加入到计算中,可能会导致操作后目标区域会产生较大的值,因为后续的腐蚀操作的结构元素是半径为rx的Bb,这一步会决定最后目标区域的大小,rx越大,得到的目标区域的尺寸也会越大。28基于CCD相机测量的LED显示屏亮度和色度均匀性算法研究内环结构元素和目标区域的距离设为d,因此d满足如下条件:d=r—b(3-17)NwTH算法中的膨胀操作会用周围区域的像素来取代半径为d的圆形区域内的像素,结果会产生一个明亮的圆环区域,并且该圆环的内层边缘到外层轮廓的距离D可以表示为:D=2ro+(R—r)(3-18)要使下一步的腐蚀操作精确地腐蚀经过膨胀操作处理后的图像,所以其结构元素Bb的半径rx要满足如下不等式:2rx+d≥D(3-19)根据式(3-17)、(3・18)和(3・19),可以推出以下结果:rx≥堑竽(3・20)这就意味着rx必须大于这个值,确保能够精确腐蚀经过膨胀处理后的图像,使第一步产生出来的明亮区域不在保持明亮,并且可以抑制脉冲噪声的影响。越大,所能保留的目标区域的外层轮廓就越好。LED像素的直径大小设为S,通过以下的不等式得到rx的上限值:d+D+rx≤ro+S(3-21)由式(3.21)可以得出,结构元素Bb的半径r。不能大于S,这样可以确保在对局部的目标区域进行腐蚀处理时,不会将其他的目标区域也加入到计算中。根据LED像素的大小和LED像素之间的距离,圆环结构元素的内层半径设为4,外层轮廓的半径设为5。即S(B。)=5,S(△B)=5,S(E)=4图3.7显示了用改进的T0p.Hat变换洲WTH)对采集到的LED显示屏图像进行处理后的结果。虿嚣嚣臻糕翳翳’缓缓钨瑟罄翻莎j■孓_爱’蘑≤舔磁殛舔蘑蕴;了e’;譬移≯≮i勰、缀q翟鞠勘蕴e己’。:蟛:尹:i霸≯!薯;’《3麓辍烂t。jt1蔫£?∥鬻鬃乳§麓.E§缀勉骚够t?。》∥“弘鬈糍Yrl奠镪整疆£=:=”。尹’?:,,≯?鬈键譬憩盛!j.r鬟:譬∥擎鬈0翟点终!爱壁一~’m^………~~。7.:7~■t毫譬:乏0曼旦黧鹭.一图3.7NWTH变换结果第三章LED显示屏亮度均匀性算法评估3.4LED灯点亮度数据特征的提取3.4.1图像目标和背景的分割用NWTH变换基本检测出LED灯点,为了把相关数据准确提取出来,还需要准确的确定每个LED灯点所包含的亮度区域,因此就需要确定合适的阈值把目标和背景分离开来。根据LED显示屏感光图像的特点,本文采用大津法(OTSU法),是由大津于1979年提出的135】,该方法是基于灰度直方图,然后通过计算最大化类问方差来确定阈值。该方法一直被认为是阈值自动选取方法的最优方法,该方法计算简单,在一定条件下不受图像对比度与亮度变化的影响,因此在一些实时图像处理系统中得到了非常广泛的应用。设定f(i,j)为M×Ⅳ图像(ij)点处的灰度值,灰度级为m。设定p(k)为灰度值为p(k)2斋,f蒹。1(3。22)将灰度值阈值设定为t,则分割后的目标与背景部分别为:{厂(f,,)≤,}和{厂(f,歹)≥,)。得到的目标部分的比例就变为:‰(t)=∑p(i)(3—23)OsIsl背景部分比例为:q(t)=∑p(i)(3—24)t<,s册一l目标均值为:州=荟巾%o(t)(3.25)”‘’USI蔓t7背景均值为:川=,,萎,1p%l(t)(3-26)t<,≤用一l7‘、’总均值为:p=∞o(t)po(t)+∞。(t)p。(t)(3・27)OTSU法求出的图像最佳阈值的公式为:g=翘M觚。鲻叫1w。(t)(肛。(t)一p)2+q(t)(p。(t)一p)2I(3—28)式(3.28)右边括号内实际上就是类间方差值,阈值g分割出的目标与背景两部k的概率,则有:分构成了整幅图像,式(3.28)是根据方差的定义得出。因为方差是灰度分布均匀性的一种量度,方差值越大,说明构成图像的两部分差别越大,当部分目标错分为背景或者部分背景错分为目标都会导致两部分差别变小,所以使类间方差最大的30基于CCD相机测量的LED显示屏亮度和色度均匀性算法研究分割意味着错分概率最小。在对图像分析的过程中,我们对超出目标像素区域的背景部分不感兴趣,设置阈值t使目标和背景分离;感光单元灰度值大于阈值的保持不变,而感光单元灰度值小于阈值的,则设置为0。阈值t的取值非常关键,如果t过大的话,由于图像中存在个别的比较暗的像素点,对应的感光单元的灰度值也会非常小,因此会把它们作为背景处理掉。如果t比较小的话,会使目标与背景无法分离。因此利用OTSU方法对图像进行分割,分割完成后对其进行二值化,大于阈值t的灰度置l,小于阈值t的灰度置0,而且,OTSU图像分割方法可以保证LED灯点在感光图像上的发光形状以及其包含的感光区域的不变性,因此不会造成LED亮度数据特征的丢失,经过分割后的图像既保持了LED灯点亮度信息的相对完整性又使各个LED灯点之间不会相互连通136l。图3.8显示了对一幅图像进行大津法阈值分割后并二值化处理后的结果。(b)图3.80TSU法变换结果3.4.2LED灯点发光区域的确定由CCD相机所采集到的感光图像可以被认为是三维的,x和y坐标记录的是感光单元的位置,z轴记录的就是感光单元的灰度值,从三维图中可以看出,图像中的高灰度值相当于地形图中的山峰,而低灰度值相当于地形图中的低谷,因此,本文用灰度谷峰值运算来确定LED像素中心(灰度最大值感光单元)的位置。在灰度谷峰值运算中,需要用到卷积和卷积投影的概念。对于X×】,大小的图像f(i:j)来说,它们的定义为:x垂直卷积:V【j】=∑f(i,j)(3・29)f=l垂直卷积投影:vp【j】-专V【j】^(3-30)其中式(3—29)和式(3.30)为一维向量,与其对应的水平方向上向量的定义方法第三章L功显示屏亮度均匀性算法评估31与之类似【了71。因为经过OTSU法处理后的图像各个LED灯点之间不互相连通,根据连通区域的封闭性,每一个LED灯点区域的灰度峰值即为感光单元的最大值,也就是该LED灯点的中心点。根据灰度谷峰值算法,对经过OTSU法分割后的图像(图3.8)分别进行水平和垂直卷积投影,根据得到的投影,以投影中谷值中心所在的行和列交叉分割成矩形区域,用来确定每一个LED灯点所的发光区域,然后根据投影中峰值所在的行和列交叉来确定最大值的感光单元坐标的位置。图3.9显示的为垂直卷积结果,3.10为水平卷积结果。LED灯点的亮度区域确定之后,需要计算分割后的X×】,个区域中每个区域的亮度和,即图像X×】,个LED灯点的亮度。计算完每个区域的亮度和之后,得到与LED灯点一一对应的灰度值数据表,对整屏的灰度值数据归一化到O ̄255。这些新的灰度值代表了LED灯点的相对亮度信息13引。灰度谷峰值算法很好的确定了每个LED灯点的发光区域,然后算出目标区域图3.9垂直卷积结果图3.10水平卷积结果32基于CCD相机测量的LED显示屏亮度和色度均匀性算法研究3.5与高斯分布曲线拟合的亮度均匀性评估方法3.5.1高斯分布函数特性分析高斯分布是指变量的频数在曲线中间达到最大值,两段逐渐对称地减少,表现为钟形的一种概率分布,在概率论中,随机变量x的概率密度函数为:f(x)=-7导e/2021一(x—p)2/(3-31)VZ7【o式子(3.31)表明,x服从均值为,标准差为的正态分布。标准差代表的是变量x与均值之间的差异情况,反映数据集的离散程度。高斯分布的特征是以均值为中心的两边对称分布,在均值处变量的频数最高,当均值一定时,曲线的形状由标准差决定,标准差越大,曲线越矮胖,数据集的分布就越分散;标准差越小,数据集的分布越集中。3.5.2标准差对LED显示屏亮度均匀性的评估对CCD相机采集到的单基色LED显示屏图像来说,其灰度直方图频数(峰’值)最高处对应的灰度值就是其亮度均值所对应的灰度值。而且对LED显示屏亮度信息分析发现,其灰度直方图会在某一数值区间上呈现高斯分布趋势。灰度范围分布越宽,灰度均值在整体灰度分布所占的比例也会越小,单基色屏的亮度也会越分散,从人的视觉感知上来讲,显示屏的整体亮度分布越杂乱,因此,在评估一个显示屏的亮度均匀性时,会采用高斯分布的标准差来衡量整屏像素亮度是否集中,即标准差越小,亮度分布会越集中,人的视觉亮度差异也会越小,也会说明屏幕单基色显示的亮度均匀性也越好。反之,如果标准差比较大的话,亮度分布就会越分散,人的视觉差异亮度就会变大,该显示屏的亮度均匀性就会变差。下面是曾经评测的4个LED显示屏显示模块的相关评估数据【391。这4个模块的灰度值经拟合后得到的高斯分布曲线如下图所示,图中X轴代表了灰度直方图中像素频数不为零的灰度范围,设其灰度范围为M,并对横坐标进行(.M/20,凇O)的坐标变换,经过变换后,横坐标基本上变为较小的数值并且关于零点对称图3.11(c)和(d)代表了亮度均匀性较好的模块,图3.1l(a)代表了整体亮度分布非常不均匀的模块,其有效灰度分布约有106个灰度级,其峰值为2.8%,与高斯分布曲线拟合后,其标准差为0.158。与图3.11(a)相比,图3.11(b)灰度分布约100级,峰值为3.5%,与高斯分布曲线拟合后,标准差为0.119。视觉效果第三章LED显示屏亮度均匀性算法评估33比图3.1l(a)好。图3.11(c)和3.1】(d)是视觉亮度均匀性较好的模块,从其亮度分布数据的分析结果可以看出,它们的灰度分布范围明显变窄,而且峰值明显增大,与高斯分布曲线拟合后,标准差与前两幅图相比,也差了一个数量级。其中,图3.11(c)的有效灰度分布约有48个灰度级,频数峰值为9.1%,与高斯分布曲线拟合后,其标准差为0.048。图3.10(d)的灰度分布约有34个灰度级,其峰值为13.1%,标准差为O.03l。.,_.一3.2一lOl23●,一5-.一3—2・1Ol2,●5工jr图3.1l不同显示模块的亮度均匀性直方图拟合曲线表3.1四个模块的标准差及灰度分布范围统计峰值%灰度值范围a0.1582.8106b0.1193.5100C0.0489.148d0.03113.1343.6仿真结果分析用CCD相机采集到LED显示屏的数字图像后,首先判断采集到的图像的曝光情况,这一步可通过判断采集到的图像的灰度直方图来完成,因为曝光良好的图像的灰度直方图基本上在各个灰度级都会有像素分布,图像细节的数据都能清楚地分辨。34基于CCD相机测量的LED显示屏亮度和色度均匀性算法研究在完成对采集图像的甄选工作后,接下来是对图像的分割工作,将LED灯点从背景区分出来。如果直接对图像进行大津法分割处理后,会发现得到的二值图像上散落着一些的噪声区域,如图3.12所示。(a)代表某一LED显示屏的红色单基色图像,(b)代表对该图像直接用大津法分割后得到的二值图像。为了消除这些噪声对后续处理的影响,因此引入形态学图像处理方法来消除这些噪声,在这里,我们引入改进的Top.Hat算法洲WTH)。(a)(b)图3.12直接对图像进行大津法分割后的结果根据式(3-10)和(3-12)的定义,用改进的T0p.Hat算法(NWTH)的处理过程中,首先使用结构元素△B对原图像进行膨胀,△B为形状为圆环的结构元素,根据前面的分析,△B的内层结构半径设为4,外层轮廓半径设为5,进行完膨胀处理后,然后用结构元素Bb对处理过的图像进行腐蚀处理,结构元素Bb的形状为圆盘,其半径为rx,根据式(3.20)和(3.21),r。的值我们取为5。经过这2步处理后,用原图像减去经过f■巩处理后的图像,得到的最终图像就是NwTH算法处理后的图像,如下图所示。图3.13NWTH变换后用OTSU法分割结果完成NWTH算法的处理后,下一步是用大津法对图像进行分割并二值化,将LED灯点与背景区域分割开来,得到的图像如图3.13所示。与上图对比可以发现,该方法有效的抑制了噪声的影响。图3.14中,(a)代表通过CCD采集到的LED显示屏绿色单基色图片,(b)代表经过NWTH变换后的图片,(c)为OTSU法分割后的结果。第三章LED显示屏亮度均匀性算法评估(c)图3.14原图像以及经过NwTH变换和otsu法分割后二值化的结果通过大津法把LED灯点和背景区分别开来后,接下来就要对每个LED灯点图3.15垂直卷积投影的发光区域进行划分,划分好发光区域之后,可以进一步得到每个LED灯点的亮度值。在这里,通过灰度谷峰值运算来确定每个灯点的发光区域,因此,分别对图3.14做水平卷积和垂直卷积处理,得到的结果如图3.15和图3.16所示。了基于CCD相机测量的LED显示屏亮度和色度均匀性算法研究图3.16水平卷积投影因为经过OTSU法处理后的图像各个LED灯点之间不互相连通,根据连通区域的封闭性,每一个LED灯点区域的灰度峰值即为感光单元的最大值,也就是该LED灯点的中心点。根据灰度谷峰值算法,以投影中谷值中心所在的行和列交叉分割成矩形区域,这就可以确定每一个LED灯点所包括的发光区域,最后,将区域内的感光单元的亮度值相加,就会得到与整屏LED灯点一一对应的灰度值,然后对整屏LED灯点的灰度值归一化到【O,255】这一区间内,这些新的灰度值代表了LED灯点的相对亮度信息。通过对LED显示屏亮度信息分析后可以发现,其灰度分布直方图会在某一区间内呈高斯分布趋势,在灰度均值附近存在着频数的最大值,得出LED灯点的相对亮度数值后,根据上表的数值进行高斯分布曲线的拟合,拟合时,将灰度坐标的分布范围进行(.M/20,M/20)的坐标变换,纵坐标仍然代表了某灰度级像素所占频数。变换后的灰度分布直方图拟合成的高斯分布曲线如图3.17所示,经过计算,该曲线的拟合系数为0.9071。图3.17拟合后的高斯分布曲线拟合后的曲线的表达式为:第三章LED显示屏亮度均匀性算法评估37y:46.88e一(等户y=46.88e‘01202。(3・32)(3.32)经过计算,其标准差为0.085,其峰值为7.42%。其灰度值分布范围约为20。将计算结果同图3.10的4个显示模块做比较,因为其标准差小于(a)、(b)两个图所表示的模块,所以其亮度均匀性优于(a)、(b)两个图所表示的模块,而且其均值的频数也比上述2个模块高,所以,该显示模块的亮度均匀性还算不错。3.7其他的亮度均匀性评估方法3.7.1九点测试法九点测试法是在以单点式光色测试仪器(色彩亮度计)的测量基础上完成的,首先在屏幕上随机选取N个样点或者模块,以该样点或者模块为中心用色彩亮度点的定义如图3.10所示。每一个相关联区域的亮度均匀性计算公式可根据式(3.33)得出:E:斗xloo%1(3-33)‘。Io+lj其中i_1,2,3…….8。取最大值Ek(K=l…一N)。对在屏幕上抽取的N个模块进E:监(3.34)1☆2☆3☆8☆’★,4☆7☆6☆s☆★中,心像素☆相关联像素图3.18九点测试法灯点选取示意图计测出改样点的亮度值Io以及相关联区域其余8个样点的亮度Ii,相关联区域及样行上式的运算,并对各组的亮度均匀性求平均值作为亮度均匀性的最终评估结果。其表达式如下:38基于CCD相机测量的LED显示屏亮度和色度均匀性算法研究但是这种依赖于亮度计多次采样的评估方式存在着一些问题:因为采用色彩亮度计这样的仪器测试样点或模块及其相关联区域的像素的亮度值,一次只能测试到一个样点或者区域的数据,而且每测量一次一般都需要移动仪器并且重新进行对焦,还要求每次测量要求保持相同的测量角度垂直于显示屏屏体,并且保持相同的测量距离,这就造成了在测量过程中距离和角度都难以控制,测量误差往往比较大。这种测量方法所测得的值都是局部的,带有片面性,不足以反映全屏的亮度均匀性。如果在现场条件下对LED显示屏进行测试的话,一般不能找到合适的测量位置使得测量角度垂直于显示屏屏体,测得的数据就受到了视角因素的影响,测试数据基本上不能反映LED显示屏的实际的均匀性。3.8本章小结本节首先简单介绍了LED显示屏亮度信息采集系统的构成以及CCD相机采集到的感光图像的特征,指出了LED灯点亮度特征数据与感光单元灰度值之间的关系。然后介绍了改进的Top.Hat形态学变换,实验证明该变换能够很好地消除噪声的影响,并结合基于最大类间方差的阈值设置法分离出目标与背景,接下来通过灰度谷峰值运算来确定LED灯点的发光区域,并用到了卷积和卷积投影的概念。确定了发光区域并计算出LED显示屏每个灯点的灰度值后,利用灯点的灰度直方图并通过高斯分布曲线拟合后求出标准差来评估该LED显示模块的均匀性。最后介绍了传统的评估LED显示屏均匀性的方法——九点测试法。第四章LED显示屏色度均匀性的评估39第四章LED显示屏色度均匀性的评估4.1色度学相关知识4.1.1色度学基础色度学是一门专门研究彩色计量的科学,其主要研究内容是人眼彩色视觉的定性和定量规律及应用。通常我们可以把颜色分为彩色和非彩色两类。非彩色指的是白色、黑色和各种深浅不同的灰色组成的系列,称之为白黑系列。对于发光的物体来说,白黑的变化相当于白光的亮度的变化,亮度高时人眼所感觉到的是白色,而亮度很低时感觉到的是灰色,而无关时是黑色。因此,非彩色只有明亮度的差异。彩色是指白黑系列以外的各种颜色,彩色具有三种特性:亮度,色调和饱和度。亮度:指的是人眼对物体的明暗感觉。发光物体越亮,则亮度越高;非发光物体反射比越高,则明度越高。色调:各种彩色(红、黄、绿、青、蓝、紫)彼此相互区分的特性,不同波长的单色光具有不同的色调。发光物体的光辐射的光谱组成决定了发光物体的色调。非发光物体的色调由照明光源的光谱组成和物体本身的光谱反射特性决定。饱和度:指的是彩色的纯洁性。可见光谱中的各色单色光是最饱和的彩色。物体色的饱和度取决于物体的反射或者投射特性,如果物体反射光的光谱带很窄,它的饱和度就很高”Ⅲ。色度学与物理光学等学科的基础不同,是一门主观的科学,是以人类的平均感觉为基础。因此色度学属于人类工程学范畴,我们以对光强的度量为例,物理光学是以光的辐射能量这个客观单位来衡量的,而色度学却以色光对人眼的刺激强度来衡量的,例如,光功率相同的红光与黄光相比,因为红光的波长大于黄光,所以,红光对于人的感觉而言,不如黄光的亮度高,所以人们就认为黄光的强度会比红光大。其实色度学的基础就是颜色的混色,把两种或者两种以上的光进行叠加来获得新的颜色的方法称之为混色。发光二极管(LED)等发光物体的混色是利用色光加色来实现的。托马斯杨提出了三基色原理,即任何彩色可以用合适的三种基本色混合而产生。实验也证明,采用三原色光就就可以混合出新的颜色。1854年,格拉斯曼(H.Grassm锄)…在大量颜色混合实验的基础上总结出来40基于CCD相机测量的LED显示屏亮度和色度均匀性算法研究颜色混合的定性定律,称为格拉斯曼定律,为现代色度学的发展奠定了基础。格拉斯曼定律强调了人的视觉只能辨别三种颜色的变化(明度、色调以及饱和度)。而且在由两种成分组成的混合色中,如果一种成分连续的变化,混合色的外貌也会连续的变化,如果两种颜色互为补色,以适当的比例混合的话,便会产生白的或者灰色,其他比例混合,就会产生近似于比重大的那种颜色成分的非饱和色;若由任何两种非补色相混合,便会产生中间色,中间色的色调和饱和度会随着这两种颜色的色调以及相对数量的不同而变化。该定律还指出,颜色外貌相同的光,不论它们的光谱组成是否一样,在颜色混合中会具有相同的效果。也就是说,凡是在视觉上相同的颜色就是等效的。亮度相加定律指出,混合色的总亮度等于组成混合色的各种色光的亮度总和。根据格拉斯曼定律,在色光混合匹配这一方面,可以用下列数学公式来描述,假设有四种颜色A、B、C和D。两个相同的颜色各自与另外两个相同的颜色相加混合后,颜色仍然相同,用公式表示为:A=BC=D则有A+C=B+D(4・1)两个相同的颜色,每种颜色相应的减去同的颜色,余下的颜色仍然相同。用A=B1.第四章LED显示屏色度均匀性的评估41c=R(R)+G(G)+B(B)(4・5)式(4.5)中C表示待配色光;(R)、(G)、(B)代表的是产生混合色的红:绿、蓝三基色的单位量;而R、G、B分别为匹配待配颜色所需要的红、绿、蓝三基色的数量,称为三刺激值,也可为负值。式子中的“=”代表的是视觉上的相等。在混色的过程中,待测色达到色匹配时所需要的R、G、B三基色的数量,称之为三刺激值量,选定三种原色后,则一种颜色会与一组R、G、B相对应,颜色感觉就可以通过三刺激值定量表示,任意的两种颜色,只要R、G、B值是相同的,人对颜色的感觉就是相同的。4.1.21931年的cIE.RGB色度体系CIE1931.RGB系统是建立在莱特(W.D.Wright)和继而德(J.guild)的两项颜色匹配试验基础上的。其核心是CIE.RGB光谱三刺激值,三刺激值是317位正常视觉者,用CIE规定的红、绿、蓝三基色光,对等能光谱色从380舳到780nnl所进行的专门性颜色混合匹配试验得到的。国际照明委员会(英文简称ClE)规定红、绿、蓝三基色的波长分别为700姗、546.1姗、435.8nm,其中700m为可见光谱的红色末端,546.1砌和435.811lTl为明显的汞谱线。在颜色匹配的实验中,当红、绿、蓝三基色光的相对亮度比例为l:4.5907:O.060l时就能匹配出等能白光,相应的辐射量度比率为72.0962:1379:1,所以国际照明委员会就选取这一比例作为红、绿、蓝三基色的单位量,也就是(R):(G):(B)=l:1:l。尽管三原色的亮度值并不相等,但是CIE却把每一种基色的亮度值作为一个单位看待,所以色光加色法中,三原色光等比例混合结果为白光。匹配光谱每一波长为C的等能光谱色所对应的红、绿、蓝三基色数量,称为光谱三刺激值,记为“五)、g(五)、b(五),它们是CIE在对等能光谱色进行匹配时用来表示红、绿、蓝三基色的专用符号。所以,匹配波长为的等能光谱色的颜色方程为1401:c(九)=r(九)(R)+g(九)(G)+b(九)(B)(4—6)式(4.6)中(R)、(G)、(B)为三基色的单位量,分别是l、4.5907、O.060l;的数值等于等能光谱色的相对亮度。其实,三刺激值中有可能存在负刺激值,这是因为如果待配色为单色光,其c(九)+r(九)(R)=g(九)(G)+b(九)(B)(4-7)C饱和度很高,而三基色光混合后饱和度必然降低,无法和待配色实现匹配,因此为实现颜色匹配,实验中须将上方的红、绿、蓝三基色光的一种从移到待配色一侧,实现了颜色匹配,因此颜色方程为:42基于CcD相机测量的LED显示屏亮度和色度均匀性算法研究因此,待配色c(九)=一r(九)(R)+g(九)(G)+b(九)(B)(4-8)由式子(4.8)可以看出,三刺激值中会存在负刺激值。为了表示红、绿、蓝三基色各自在三刺激值总量中的相对比例,因此引入了色度坐标r、g、b。r=r(九)/r(九)+g(九)+b(九)g=g(九)/r(九)+g(九)+b(九)b=b(九)/r(九)+g(九)+b(九)(4.9.)式(4-9)中,r、g、b均为光谱色度坐标,从三个式子可以看出来,r+g+b=l。色度坐标r、g、b反映的是三基色各自在三刺激值总量中的相对比例,一组色度坐标可以表示为色度相同和饱和度相同但是亮度不同的颜色的共同特征。4.1.3ClE-xYz色度体系为了消除三基色刺激值中肯能存在的负值,1931年国际照明委员会推荐了一个新的国际色度学系统,即1931CIE.XYZ系统,又称为XYZ国际坐标制。所谓1931ClE.XYZ系统,是建立在RGB系统的基础上的,选用三个理想的基色,来代替实际的三基色,以便将CIE.RGB系统中的光谱三刺激值r(五)、b(兄)、g(五)和色度坐标r、g、b均变为正值。选用三个理想的基色(三刺激值)X、Y、Z,X代表红基色,Y代表绿基色,Z代表蓝基色,在XYZ系统中所得到的三基色光谱刺激值“名)、b(五)、g(彳)以及色度坐标x、y、z将完全变成正值。两个颜色空间的三刺激值存在以下的关系140lo【x,Y,z】:【T】【R,G,B】1|-3“0479“5371【T】=I—o.9692565-0.498535]-l1.875992o.041556l(4-10)lo.055648一o.2040431.057311j两组颜色空间色度坐标的相互转换关系为:x=(o.490r+o.3log+o.200b)/(o.667r+1.1329+1.200b)y=(o.117r+o.8129+o.010b)/(o.667r+1.1329+1.200b)(4-11)z=(o.ooor+o.olog+o.990b)/(o.667r+1.1329+1.200b)从式(4.11)可以看出,只要知道某一颜色的色度坐标r、g、b,即可以求出它们在新设想的三基色XYZ色彩空间中的坐标x、y、z。通过式子(4.11)的变换,第四章LED显示屏色度均匀性的评估43对光谱色或者一切自然界的色彩而言,变换后的色度坐标均为正值,色度坐标值不会再出现负值。但是,色度坐标只是规定了颜色的色度,而没有规定颜色的亮度,所以如果要唯一地确定某一种颜色,还必须指出其亮度特征。从三基色单位量的功率可以知道,绿色的亮度比其他两种基色的亮度高很多。因此,亮度的值基本上相当于虚拟三基色Y的刺激值的大小。根据光发射率的定义,光反射率等于物体表面的亮度Y与入射光源的亮度Yo之比,所以,可以讲亮度因数Y等同反射率乘以100之后的结果。得到了表示颜色特征的色度坐标x、y的值,再有了表示颜色亮度特征的亮度因数Y的值,该颜色的外貌就唯一的确定。4.1.41976clE-L・u・v色度体系从一开始研究色度学,科学家们就一直不断寻找一种均匀的色彩空间,要求这种色彩空间在不同方向和不同位置上相等的几何距离在视觉上有对应相等的色差,把易测的空间距离当作色彩感觉差别量的度量。若能得到这种均匀的颜色空间,色彩的复制技术就会有更大进步,颜色匹配以及色彩复制的准确性就会得到加强。CIEXYZ颜色空间只是采用了简单的数学比例方法,描述出所要匹配颜色的xy色度图中,各种颜色区域的宽1976年,国际照明委员会(CIE)推荐了一种新的颜色空间,进一步改进和同分为两个分支:CIE1976LAB系统和ClE1976L・u幸v系统,到现在该系统已经其中,CIEL奎u・v均匀色空间和色差公式主要应用于照明、Cl玎、电视工业以及那些采用加色混合产生色彩的行业中。CIEL幸u・v色度体系适用于一切光源L・u・v色度体系由CIExYZ色度体系通过、三刺激值的比例关系。有实验结果证明,在CIE容量是不一样的,蓝色区的宽容量最小,而绿色区的宽容量最大,结果表明,XYZ色度体系并非是一种线性的色度体系。所以,需要确定一种新的颜色空间,使得该空间的距离大小能够与视觉上的色彩感觉差别成正比,这将大大有利于日常有关颜色应用的工作的展开。统一了颜色评价的方法,该颜色空问是近似均匀的颜色系统,针对应用场合的不成为世界各国正式采纳并且作为国际通用的测试标准140J。色或者物体色的表示与计算。CIEl976数学方法转换得到,其转换公式如式(4.12)所示,式(4-12)中,L宰表示明度指数,u・、v宰为色度指数,u’、v’以及x和y分别为颜色样品的L・u幸v枣色度坐标,表示测色用的标准光源的色度坐标。从式(4.12)中可以看出来,虽然Y转换为L宰时包含有立方根的函数变换,而且这种变换时非线性的,但是,x、y、z等色度44基丁二cCD相机测量的LED显示屏亮度和色度均匀性算法研究坐标变换到u・、v}色度坐标时,没有非线性的运算。r=116(】,/K)m一16甜‘=13r(甜。一瓦)矿=13f(√一吨)”。=”=4x/(—2x+12y+3z)=4x/(X+15】,+3Z).I,=1.5’,=缈/(之工+12y+3z)=9】,/(X+15】,+3Z)如=‰=4而/(—2而+1砜+3)=4K/(K+15K+3zj)吃=1・5%29%/(-2而+12%+3)=9K/(K+15K+3zj)(4.12')4.2色差的分析色差(色彩差别量)与其它的物理量相比,在性质上是迥然不同的。比如说长度这一物理量,人可以常常任意分割,即使是人眼无法分辨的微米级长度,还可以借助显微镜和其它物理仪器来测量和观察。色彩差别量与之不同的是,主要还是取决于眼睛的判断。如果存在一个眼睛不能够分辨的色彩差别量,而人们却不能借助物理仪器来观察,这样它就成了一个无意义的数值。科学家能够把人们感觉不出来的色彩差别量或者变化范围称之为颜色宽容量。颜色的宽容量反映在CIExy色度图上即为两个色度点之间的距离,因为,每种颜色对应的是色度图上的一个点,但是与人的视感觉相比,这种颜色的色度坐标位置变化很小时,人的眼睛仍然判定它是原来的颜色,感觉不出颜色的变化,因此,从视感觉效果方面来说,在这个变化的距离(或范围)以内的色彩差别量,在人的视觉效果上是等效的。对于色彩复制和其他颜色工业部门来讲,这种位于人眼宽容量范围之内的色彩差别量是允许存在的。1942年,美国的麦克亚当(D.L.Macadam)在ClExy色度图14lJ上的不同位置选择了25个颜色色度点作为标准色光,其色度坐标为x、y。然后经过多次试验确定各个标准色光颜色辨别的宽容量。图4.1反映了xy色度坐标下的颜色宽容量情况。从图4.1中可以看出,围绕指定的标准色度点向各个方向的辐射线为各标准差的距离,我们可以发现在不同方向上,标准差的距离是不相等的,围绕着标准色度点,在不同方向上取距离为一个标准差的点的轨迹近似为一个椭圆。还可以看出来,在色度图上不同位置的25个颜色点的椭圆形状的大小不一样,其长轴方向也都各不相同,也就是说,标准CIExy色度图上的相同的几何距离,在不同的颜色区域里以及不同颜色变化的方向上,所对应的视觉颜色差别量的大小是不同的。实际上在xy色度图上各种颜色区域的宽容量是不一样的,蓝色区为最小,绿色区最大,因此,在色度图蓝色标准色度点部分的同样空间内,视觉能够分辨第四章LED显示屏色度均匀性的评估45出较多数量的蓝色,而在绿色标准色度点部分的同样空间内,视觉却只能分辨出较少数量的绿色,由此可以得出,在xy色度图中,相等的空间距离在视觉效果上不是等差的,因此CIE色度图不能正确的反映出颜色差别的视觉效果,如果是用xy色度图上两个颜色点之间的距离作为色彩感觉差别量的度量,就会给人造成错误的印象,从而影响到颜色的匹配。所以,有必要在线性的色度坐标体系下进行色差的计算与评价。0.5“图4.1CIExy色度图4.3色度均匀性的计算在L}u・v・色度体系中,如果两个色样样品都按L・、u・、v・来标定颜色的话,△U2Ul—U2厶V。Vl—V2△吒=√(“;一“;)2+(W一呓)2(4-13)但是,考虑到公式(4.13)只能够计算出两个颜色之间的色差,式子的结果并不则两者之间的色度差可用下面的式子表示142】:能很好地衡量屏幕的色度均匀性,因此,需要确定一个指数来衡量显示屏的色度46基于CCD相机测量的LED显示屏亮度和色度均匀性算法研究均匀性。如果LED显示屏显示的内容为单基色时,此时的色度分布应该在某一数值区间上呈现高斯分布的趋势,因此,我们可以对L}u}v色度矩阵的u和v两个参数与高斯分布曲线进行拟合,通过拟合后的曲线,可以得到色度矩阵中u和v两个参数的均值≯.≯。得到色度坐标u和v的平均值后,可以用式(4.14)来衡量一个显示屏的色度均匀性。城=吾喜瓜丽(4-14)4.4仿真结果分析图4.2表示的是由CCD相机采集到的待评估显示屏的数据,该图片包含1697个灯点,显示的颜色为蓝色单基色,首先,对图像进行分割,分割时采用的处理方法仍然是NWTH变换,不过在这里,结构元素Bb的半径设为40,图4.2和图4.3分别显示了CCD相机采集到的原图片以及经过NWTH变换和OTSU法分割后的图片。图4.2待评估的LED显不屏的蓝色单基色图片对图像进行Top.Hat变换时,第一步膨胀操作所采用的圆环结构元素的内层边缘半径设为4,外层轮廓半径设为5,为了使一个灯点所包含的感光单元的范围更大,更方便后续的色度计算,第二步腐蚀操作时所用的结构元素Bb的半径设为40。完成Top—Hat变换后,对图像进行OTSU法分割,并将处理后的结果二值化表示。第四章LED显示屏色度均匀性的评估图4.3图像分割后的结果在对图像完成分割后,就要利用分割后的结果对原图像进行混色,混色的结果如图4.4所示。图4.4原图片混色结果完成对图片的混色后,接下来完成的是对该图片上每个灯点u,v坐标进行提取,为了获得像素的u和v坐标,就需要对图片完成从RGB空间到L・u}V宰空间的转换,获取u,v坐标后,计算出LED灯点u坐标和v坐标的频数分布,然后将结果用高斯分布曲线进行拟合,根据拟合后的曲线分别计算出u坐标和V坐标值的标准差以及均值,最后根据式(4.17)计算出城的大小。u坐标和V坐标的均值为o.1576,而v坐标的均值为o.4389。最后计算出的城的结果为o.0037,拟合曲线如图4.5所示。两条曲线的拟合系数分别为0.9765和0.9228,u坐标的根据国家现行的LED显示屏通用测试规范,如果屏幕上灯点的平均色差大于O.03的话,说明该显示屏的色度均匀性达不到令人满意的效果,而该方法测出来的色度均匀性的结果为0.003,说明该显示屏的色度均匀性还是令人满意的。基于CCD相机测量的LED显示屏亮度和色度均匀性算法研究(a)u坐标高斯分布拟合后结果(b)v坐标高斯分布拟合后结果图4.5LED灯点的u坐标和v坐标值分布经高斯曲线拟合后示意图4.5本章小结本章介绍了基础的色度学知识,以及三种不同的色度空间和三种空间之间的转换方法,选择了1976CIEL幸u搴v}色度空间作为进行显示屏色度均匀性评估的平台,然后讲述了色差的定义并介绍了求图像上任意两个点色差的公式,最后给出了评估整个LED显示模块色度均匀性的公式,在最后计算全屏灯点的色度坐标u和v的均值时,通过将u坐标和v坐标频数分布图拟合成高斯分布曲线而得到。第五章总结与展望49第五章总结与展望5.1工作总结本文重点探讨了基于CCD相机的LED显示屏色度均匀性和亮度均匀性两个指标的评估方法。CCD相机不同于传统的测量仪器,如色彩亮度计等来测量LED显示屏参数的方式,它能够快速地测量出LED显示屏每个像素的亮度、空间位置、发光形状等信息。而且,用传统的仪器测量LED显示屏参数时不但耗时费力,如果用来测全屏的参数时,其结果往往是随机和片面的。通过CCD相机采集到的数据,不仅能够保证测量精度,而且测量周期短,信息量大,成本也较低。在此基1.亮度均匀性方面:本文首先分析了LED显示屏感光图像的特征,得出了LED2.色度均匀性方面:本文首先介绍了色度学的混色原理以及不同的色度空间,L宰u}v・色度体系作为系统中进行色度均匀性评估的平台。因为L幸u毒v幸空间的转换后,将每个LED灯点的u}坐标值和5.2工作展望CCD图像传感器以其获取信息量大,实时性好等优点在光色科学领域得到了础上本文介绍了两个评估显示屏色度均匀性和亮度均匀性的方法。灯点的亮度特征数据与感光单元灰度值之间的关系。然后利用数字图像处理技术,用改进的top-hat变换成功地把LED灯点与背景分离开来,在通过灰度谷峰值算法以及垂直和水平卷积运算确定出每个LED灯点的发光区域,从而计算出每个LED灯点的亮度值。在此基础上将LED灯点的灰度直方图拟合成高斯分布曲线,求出拟合后曲线的标准差,利用该标准差来评估LED显示屏的均匀性。最后拿标准差与几个亮度均匀性较好的LED显示屏样品的标准差做比较,证明该方法是一种比较有效的方法。最后选择了CIERGB三原色具有三个互不相关的变量,不可以对颜色的差异进行直观的评价,在预处理环节,仍然采用改进的Top.Hat变换对图像进行分割,将LED灯点从背景区域分割开来,并且将背景区域各像素的亮度作为噪声置零。完成了预处理后,通过完成RGB空间到CIEv・坐标值的分布拟合成高斯曲线,然后计算出拟合后曲线的平均值以及标准差,在将u幸和v宰坐标的平均值代入到相关公式中,最后计算出来得到的结果作为衡量LED显示屏色度均匀性的重要依据。最后将该结果与现行的标准做对比。广泛的应用,而且通过CCD相机获得的感光图像可以确定显示屏LED灯点的几何形状和空间位置信息,这样可以方便地定位每一像素的亮度以及它的发光形状。50基于CCD相机测量的LED显示屏亮度和色度均匀性算法研究随着LED显示屏越来越多地被使用,这种精确而且高效的测量技术也越来越有必要,并且会有不错的应用前景。目前存在的不足以及今后工作的展望如下:1.在用CCD相机对图像进行采集时,没有考虑到视角以及CCD相机到LED显示屏上不同灯点的距离造成的影响,因此,在后续的工作中,有必要对这些影致谢Sl致谢在此论文即将完成之际,首先要感谢我的导师邵晓鹏教授,本论文是在他的悉心指导和热情关怀鼓励下完成的。邵老师严谨求实的科学态度、扎实深厚的科学知识、诲人不倦的敬业精神给我留下了深刻的印象。感谢导师给我提供一个平等、互助并且能够充分发挥自己特长和才能的学术环境。而且,邵晓鹏教授在论文的选题、科研工作的开展和论文的撰写中给予了我很大的关注和指导,并对论文的修改提出了宝贵的意见。感谢他对我的毕业设计的指导和帮助,导师在课题方向上的指引和研究工作中所作的指导和鼓励使我能够顺利开展我的课题,谨向导师致以最衷心的感谢。在此还要感谢本实验室的董维科老师,他的关心和帮助使本人的学习和研究工作得以顺利进行。感谢黄远辉同学、吕斐同学和卢光旭同学在本课题上与我展开深入的讨论,给我宝贵的意见和协助。感谢实验室的所有同学,是大家共同创造了良好的学习氛围和工作环境。最后感谢我的家人和朋友以及所有关心帮助过我的人,特别是我的父母亲,他们在我读研期间给我生活上无微不至的关心与照顾、督促和支持,有了他们的扶持,才使我能够顺利的完成我的课题。在此,我对他们表示由衷的感谢。最后,再次向所有关心和帮助过我的老师、亲人、朋友、同学表示最忠诚的感谢。53f1】屈素辉.LED标准及其在中国的发展【2】中国光协光电器件分会LED显示屏专委会.中国LED显示屏产业发展状况综述.现代显示,200】(1)【3】袁胜春,宗靖国,向健勇.基于工业相机的LED电子显示屏逐点校正技术.现代显示.2008,4,872004.42检测方法.灯与照明,2009,33(4)晶与显示,2008,23(2)l】周红平.CCD图像传感器原理【J】.中国新技术新产品,2009,(20):28—29.工程大学,2007新型图像传感器CCD的原理及应用学位论文,20092008,29(1)估方法.液晶与显示,2009,24(1)液晶与显示,2006,2l(4)【4】关积珍,陆家和.我国LED显示屏技术和产业发展及展望.现代显示,f5】刘云朋,靳孝峰.LED结构及其封装技术.焦作大学学报【6】陆荣庆.LED显示屏亮度测量方法及测量仪器.现代显示,2004,2【7】柯尼卡美能达投资有限公司.色彩亮度计cS.100A使用说明书.【8】常字,李志敏,梁军,王浩,王亮.一种全彩LED显示屏亮度均匀性快速【9]马岩,胡君,吴伟平.基于CCD成像单元仿真测试系统的实时性实现.液【10】魏珏.简谈CCD原理.实用影音技术,2003,(6)【1【12】周士康.色空间变换的基本方法、理式及其应用.现代显示,2010,(5)【13】金春植.电荷耦合器件(CCD)的原理及其在摄像器件中的应用.[14】李荣军.基于机器视觉的LED显示屏智能化测试系统.硕士论文.哈尔滨f15】关于焦距与视角的关系:http://、) ̄啊w.astronomy.com.cn/bbsf16】陆荣庆.LED显示屏亮度测量方法及测量仪器.现代显示,2004,2f17】任宏周,唐贵,杜宇.『18】陈民豪.面阵相机在LED显示屏测量中的应用研究.西安电子科技大学,【19】许录平.数字图像处理.北京:科学出版社,2007(65.67)f20】郭伟强,万志,常磊.面阵CCD信号采集系统的噪声抑制.发光学报,【21]宋新丽,郑喜风,凌丽清.基于灰度直方图的LED显示屏亮度均匀性评【22】徐秀知,冯永茂,邓春健.基于CCD图像的平板显示器像素的亮度分析.”基于CCD相机测量的LED显示屏亮度和色度均匀性算法研究【23】郑喜凤,宋新丽,刘贵华.一种基于区域最大值的LED显示屏亮度特征数据提取方法.液晶与显示,2008,23(4.)【24】RafaelC.Gonzalez数字图像处理【25】张飞,李承芳,史丽娜.基于数学形态学的弱点状运动目标检测.光学技术,2004,30(5)【26】李朝峰,许磊.基于数学形态学和知识处理的目标识别方法,江南大学【27】刘济林,章东平.一种基于灰度值形态学的汽车牌照提取方法.电子技术应用,2003,29(1)【28】叶斌,彭嘉雄.基于形态学Top.Hat算子的小目标检测方法.中国图像图形学报,2002,7(7)【29】云磊,同小军,黄秋鸣.一种基于Top.Hat算子的小目标图像预处理方法.中国水运,2007,5(6.)【30】王波.一种基于Top—Hat变换的灰度图像降噪算法.科技信息,2010(20)【3l】XiangzhiBai,FugenZhou.Analysisofnewtop.hattransfonnationandtheapplicationforinfrareddimsmallta唱etdetection.PattemRecognition【32】Xi锄gzlliBai,FugenZhou.1nf衙edsmallta唱eteIlIl锄cement觚ddetectionbaLsedonmodifiedtop-hattransfIo册ations.ComputerandElectricalEngineering.【33】付忠良.图像阈值选取方法—otsu方法的推广.计算机应用,2000,20(5)【34】许录平.数字图像处理.北京:科学出版社,‘2007(221.223)[35】刘济林,章东平.一种基于灰度值形态学的汽车牌照提取方法.电子技术应用,2003,29(1)【36】郑喜风,宋新丽,刘贵华.一种基于区域最大值的LED显示屏亮度特征数据提取方法.液晶与显示,2008,23(4)【37】宋新丽,郑喜风,凌丽清.基于灰度直方图的LED显示屏亮度均匀性评估方法.液晶与显示,2009,24(1)【38】南京洛普公司.《LED显示屏测试方法》【39】吕正,刘惠,吕亮.LED光学参数浅释.中国照明电器,2005(11)【40】李超.LED显示与若干相关基础理论问题.现代显示,2010(5)【4l】戚永红,周世生.均匀色彩空间及色差公式的发展简述.印刷世界,2003(9)【42】SJ厂r“281・2007《发光二极管(LED)显示屏测试方法》概要