Er worden veel gegevens gebruikt om elektronische beeldschermen te karakteriseren: resolutie, pixels per inch, verversingssnelheid, Luminantie (nits), pixelafstand, dynamisch bereik, contrastverhouding, enz. Al deze informatie is bedoeld om de kwaliteit van een display over te brengen. Maar uiteindelijk is het de visuele ervaring van menselijke gebruikers die de prestaties van een display zal bepalen—en grotendeels het succes in de markt bepaalt., Dus hoe kunnen display ontwerpers en fabrikanten evalueren van de kwaliteit van hun producten volgens de normen van de menselijke kijkers?
het gebruik van inspecteurs van menselijke kwaliteit is één benadering geweest. Maar het bijhouden van de marktvraag en de snelheid en het volume van de massaproductie heeft de implementatie van geautomatiseerde inspectieoplossingen nodig., Het kwantificeren van het onderscheidingsvermogen van de menselijke visuele waarneming—de ultieme kwaliteitsstandaard—was een uitdaging totdat de National Aeronautics and Space Administration (NASA) een methode ontwikkelde om enkel merkbaar verschil (JND) te meten op basis van een Spatial Standard Observer (SSO).1
oorsprong van Net merkbaar verschil
Het concept van Net merkbaar verschil werd voor het eerst verwoord door de 19e-eeuwse psycholoog Ernst Weber, die het definieerde als de “minimumhoeveelheid waarmee de intensiteit van de stimulus moet worden gewijzigd om een merkbare variatie in de zintuiglijke ervaring te produceren.,”2weber’ s wet (of Weber-Fechner wet) stelt dat de verandering in een stimulus (iets bekeken of gevoeld door een menselijk subject, zoals de luminantie van een scherm) die net merkbaar is een constante verhouding tot de initiële stimulus.
deze wet geldt over het algemeen voor al onze zintuigen, inclusief zicht, aanraking, smaak, geur en gehoor, en voor meerdere soorten stimuli, waaronder helderheid, zoetheid, gewicht en druk., De enige uitzonderingen zijn meestal in de uitersten van een stimulus (bijvoorbeeld, voor displays in zeer hoge of lage helderheidstoestanden heeft de onderscheidingsdrempel niet altijd een constante verhouding).
Spatial Standard Observer & JND
De” standard observer ” is een constructie die al lang wordt gebruikt in wetenschappelijke en industriële inspanningen om kleur te kwantificeren. Onderzoekers hebben gegevens verzameld van meerdere proefpersonen om “gemiddelde” menselijke visuele perceptie te definiëren., MacAdam-ellipsen zijn bijvoorbeeld een weergave van gebieden op het kleurdiagram waar de kleuren binnen elke ellips niet te onderscheiden zijn van waarnemers van de kleur in het midden. De contour van elke ellips vertegenwoordigt daarom de drempel van net merkbare verschillen in kleur met een (statistisch) gemiddelde menselijke kijker. Dit betekent dat een bepaald individu al dan niet een verschil kan merken, afhankelijk van waar ze liggen op het gevoeligheidsspectrum, maar ten minste 50% van een groep waarnemers zal een verschil waarnemen onder normale omstandigheden., Een “gewoon waarneembaar verschil” (of JPD) verwijst naar het kleinste waarneembare verschil onder de meest gunstige kijkomstandigheden .
MacAdam-ellipsen uitgezet op het XY-kleurdiagram van CIE 1931, tien keer hun werkelijke grootte. Elke ellips vertegenwoordigt een gebied waarin Alle kleuren niet te onderscheiden zijn van de kleur in het midden van de ellips, tot een gemiddeld menselijk oog. (Afbeelding: CC BY-SA 3.,0)
NASA ‘ s Spatial Standard Observer model voegde een ruimtelijk element toe aan de mix, waardoor een instrument werd gecreëerd voor het meten van de zichtbaarheid van een element, of de “visuele onderscheidbaarheid” van twee elementen. Zoals met de ontwikkeling van kleur JND, werd SSO ontwikkeld door het verzamelen van een uitgebreide reeks menselijke testgegevens om een gekalibreerd model van menselijke visie te verstrekken.
de SSO ” berekent een numerieke maat van de perceptuele sterkte van de enkele afbeelding, of het zichtbare verschil tussen de twee afbeeldingen., De zichtbaarheidsmetingen worden geleverd in eenheden van Just noticable Differences (JND), een standaard maat voor waarnemingsintensiteit.”2
deze methode werd ontwikkeld met het oog op talrijke mogelijke toepassingen, met name bij de inspectie van displays tijdens het fabricageproces.,”2 Het is ook nuttig voor de “evaluatie van de visie van onbemand aerial vehicles (uav’ s); het voorspellen van de zichtbaarheid van uav ‘ s van andere luchtvaartuigen; het schatten van de zichtbaarheid, van een toren, van vliegtuigen op de start-en landingsbanen; het meten van de zichtbaarheid van een afstand van schade aan vliegtuigen en op een space-shuttle; evaluatie van de leesbaarheid van de tekst, de pictogrammen of andere symbolen; specificatie van de resolutie van een camera of een display-apparaat…het inschatten van de kwaliteit van de gecomprimeerde digitale video beelden; en het voorspellen van de resultaten van corrigerende ooglaseren.,”3
veel industrieën vertrouwen op JND-karakterisering om de prestaties van beeldschermen in kritieke omgevingen te garanderen. Kalibratie van grijswaarden is bijvoorbeeld van vitaal belang voor medische beeldschermen die worden gebruikt om radiografische beelden te bekijken. JND wordt toegepast op lucht-en ruimtevaart en automotive displays die vitale informatie aan de piloot/bestuurder tijdens het gebruik tonen. Wettelijke normen in deze industrieën noemen JND als een factor die moet worden gebruikt voor het evalueren van de prestaties van beeldschermen. Consumenten displays zoals smartphones en televisies worden ook gemeten volgens de JND-normen.,
toepassing van JND om kwaliteit weer te geven
De JND-schaal is zo gedefinieerd dat een JND-verschil van 1 net merkbaar zou zijn. Op een absolute schaal vertegenwoordigt een JND-waarde 0 geen zichtbaar ruimtelijk contrast en een absolute JND-waarde 1 het eerste merkbaar ruimtelijk contrast. Voor displaytechnologieën maakt deze schaal het mogelijk om defecten te rangschikken op basis van hun ernst., Factoren in het JND-model zijn onder meer ruimtelijke frequentie (hoe snel ruimtelijk contrast varieert), oriëntatie (de hoekoriëntatie van het ruimtelijk contrast ten opzichte van het door menselijke ogen gedefinieerde kijkvlak) en de afstand van de waarnemer tot het beeldscherm dat wordt bekeken.
de SSO werkt op een digitaal beeld of een paar digitale beelden, wat betekent dat het kan worden gebruikt met digitale beeldvormingssystemen, zoals een computergestuurde beeldvormingsfotometer of colorimeter zoals de Prometric®-serie van Radiant., Het beeldvormingssysteem vangt gegevens op over de ruimtelijke verdeling van de luminantie en kleur van het beeldscherm, en vervolgens worden deze gegevens geanalyseerd om een JND-kaart van het beeld te maken.
het NASA-algoritme is gelicentieerd van en aangepast voor gebruik in beeldanalysesoftware voor stralende-visiesystemen, zodat gebruiksklare toepassingen gegevens kunnen weergeven. In het algemeen kan een fotopische of colorimetrische meetafbeelding worden gebruikt om weergavebeelden te graderen met een directe correlatie met de menselijke visuele waarneming van luminantie en kleur., Met behulp van JND-analyse kunnen displaydefecten zoals mura (oneffenheden en niet-uniformiteit) worden geïdentificeerd en geclassificeerd volgens hun ernst.
implementatie van JND-algoritmen voor geautomatiseerde Display-tests
met behulp van JND-analyse om de uniformiteit van de display te evalueren identificeert de verandering over een oppervlak die voor een gemiddelde persoon ten minste de helft van de tijd merkbaar zal zijn. De TrueTest™ – Software van Radiant met TrueMURA™ bevat JND-Kwalificatie om niet-uniforme gebieden in verlichte displays te evalueren die door een menselijke waarnemer onaanvaardbaar zouden worden geacht.,
identificatie en indeling van defecten die een” gewoon merkbaar verschil ” (JND) vertegenwoordigen ten opzichte van een gemiddelde menselijke waarnemer ten minste de helft van de tijd.
De JND-analysefunctie verwerkt een vastgelegde afbeelding van een display om een JND-toewijzing van de afbeelding te genereren. Het algoritme voert ook drie JND-statistieken uit die kunnen worden gebruikt om de visuele kwaliteit van het scherm te beoordelen. Dit heeft onmiddellijke waarde voor productielijntoepassingen, bijvoorbeeld in zowel LCD-productiefaciliteiten als einddisplay-assemblagelijnen.,
Beeldschermfabrikanten kunnen waarden voor menselijke zichtbaarheid gebruiken om passeer—/afkeurparameters in te stellen voor bepaalde typen mura-indien aanwezig. Gebieden van niet-uniformiteit in het midden van het display kunnen meer afleiding zijn voor gebruikers dan defecten in de richting van de randen of hoeken van een display, dus interne kwaliteitsnormen kunnen worden ingesteld voor toleranties van 90-100% uniformiteit voor spot mura die in het display center verschijnt, terwijl 80% uniformiteit voor edge mura kan volstaan.,
Raw JND analysis of a screen image image (top) captured by a Prometric Imaging Colorimeter and TrueMURA Software. De afbeelding is lichter voor hogere waarden van JND en donkerder voor lagere waarden, met Mura in het midden van het scherm en lichte lekkage en donkere vlek artefacten langs de rand. Een valse kleurweergave van de JND-kaart (onder) toont gebieden met JND-waarden groter dan 1, Wat de drempel is om “gewoon merkbaar”te zijn., De plek rechtsonder heeft de grootste berekende waarde van JND, en het gevlekte gebied over het grootste deel van het scherm vertegenwoordigt JND-waarden van 0,7 of lager.
detectie van Displayfouten met behulp van dit type systeem toont aan dat JND-analyse een doeltreffend middel is om aanvullende informatie over de beeldkwaliteit van de display te verkrijgen die ook andere analysetechnieken omvat. Dit analysesysteem kan worden toegepast op elk type display, inclusief LCD -, LED-en OLED-displays., Net als bij verlichte displays kan JND-meting worden toegepast op niet-verlichte oppervlakken voor het detecteren en sorteren van “uniformiteit” – problemen op oppervlakken veroorzaakt door krassen, deuken, vlekken, puin en andere defecten.
om meer te weten te komen over JND en de toepassing ervan om metingen en inspectie weer te geven, lees het whitepaper “Methods for Measuring Display Defects and Mura as Correlated to Human Visual Perception.,”Het nauwkeurig correleren van de menselijke percepties van defecten met de informatie die kan worden verzameld met behulp van imaging colorimeters biedt een kans voor objectieve en herhaalbare detectie en kwantificering van dergelijke defecten.
in de white paper leert u over JND-karakterisering en implementatie van JND-algoritmen voor geautomatiseerde display-tests om mura en andere defecten te detecteren en te rangschikken volgens de menselijke visuele ervaring.,
CITATIONS
- Spatial Standard Observer, United States Patent 7,783,130 B2, March 20, 2012
- Spatial Standard Observer (SSO), Technology Solution, NASA 2015
- “The Spatial Standard Observer”, Information Technology Tech Briefs, September 1, 2006
