det finns många data som används för att karakterisera elektroniska displayer: upplösning, pixlar per tum, uppdateringsfrekvens, luminans (nits), pixelhöjd, dynamiskt omfång, kontrastförhållande etc. All denna information är avsedd att bidra till att förmedla kvaliteten på en skärm. Men i slutändan, det är den visuella upplevelsen av mänskliga användare som kommer att definiera en display prestanda-och till stor del bestämmer dess framgång på marknaden., Så hur kan visa designers och tillverkare utvärdera kvaliteten på sina produkter enligt normerna för mänskliga tittare?
användning av humankvalitetsinspektörer har varit ett tillvägagångssätt. Men att hålla jämna steg med efterfrågan på marknaden och hastigheten och volymen av massproduktion har krävt genomförandet av automatiserade inspektionslösningar., Kvantifiering av urskiljningen av mänsklig visuell perception—den ultimata kvalitetsstandarden-var en utmaning tills National Aeronautics and Space Administration (NASA) utvecklade en metod för att mäta bara märkbar skillnad (JND) baserat på en rumslig Standardobservatör (SSO).1
ursprung av bara märkbar skillnad
begreppet bara märkbar skillnad artikulerades först av 1800-talspsykologen Ernst Weber, som definierade den som ” minsta mängd med vilken stimulansintensitet måste ändras för att producera en märkbar variation i sensorisk upplevelse.,”2webers lag (eller Weber-Fechner law) hävdar att förändringen i en stimulans (något som ses eller avkänns av ett mänskligt ämne, såsom luminansen hos en bildskärm) som bara kommer att märkas är ett konstant förhållande till den ursprungliga stimulansen.
denna lag gäller i allmänhet för alla våra sinnen, inklusive syn, beröring, smak, lukt och hörsel, och för flera typer av stimuli inklusive ljusstyrka, sötma, vikt och tryck., De enda undantagen tenderar att vara i ytterligheterna av en stimulans (till exempel för skärmar i mycket höga eller låga ljusstyrketillstånd, har urskiljningsgränsen inte alltid ett konstant förhållande).
Spatial Standard Observer& JND
”standard observer” är en konstruktion som länge använts i vetenskapliga och industriella ansträngningar för att kvantifiera färg. Forskare har samlat in data från flera försökspersoner för att definiera ”genomsnittlig” mänsklig visuell uppfattning., MacAdam ellipser är till exempel en representation av regioner på kromaticitetsdiagrammet där färgerna inuti varje ellips är oskiljbara för observatörer från färgen i mitten. Konturen hos varje ellips representerar därför tröskeln för bara märkbara skillnader i kromaticitet till en (statistiskt) genomsnittlig mänsklig betraktare. Detta innebär att en viss individ kan eller kanske inte märker en skillnad, beroende på var de ligger på känslighetsspektrumet, men minst 50% av en grupp observatörer kommer att uppfatta en skillnad under vanliga förhållanden., En ”bara märkbar skillnad” (eller JPD) hänvisar till den minsta märkbara skillnaden under de mest gynnsamma visningsförhållandena .
MacAdam ellipser ritade på CIE 1931 XY kromaticitetsdiagrammet, visade tio gånger sin faktiska storlek. Varje ellips representerar en region där alla färger är oskiljbara från färgen i mitten av ellipsen, till ett genomsnittligt mänskligt öga. (Bild: CC BY-SA-3.,0)
NASA: s rumsliga Standardobservatörsmodell lade till ett rumsligt element i mixen, vilket skapade ett verktyg för att mäta synligheten hos ett element eller den ”visuella diskriminerbarheten” av två element. Som med utvecklingen av färg JND utvecklades SSO genom att samla in en omfattande uppsättning mänskliga testdata för att ge en kalibrerad modell av mänsklig syn.
SSO ”beräknar ett numeriskt mått på den enskilda bildens perceptuella styrka eller den synliga skillnaden mellan de två bilderna., Synlighetsmätningarna finns i enheter med bara märkbara skillnader (JND), ett standardmått av perceptuell intensitet.”2
denna metod utvecklades med många potentiella applikationer i åtanke,” framför allt vid inspektion av bildskärmar under tillverkningsprocessen.,”2 Det är också användbart för att” utvärdera vision från ofiloterade flygfordon (UAV); förutsäga synlighet av UAV från andra flygplan; uppskatta synlighet, från ett kontrolltorn, av flygplan på landningsbanor; mäta synlighet, från avstånd, av skador på flygplan och på rymdfärjan; utvärdering av läsbarhet av text, ikoner eller andra symboler; specifikation av upplösning av en kamera eller en displayanordning…uppskatta kvaliteten på komprimerad digital videobilder och förutsäga resultaten av korrigerande laserögonoperation.,”3
många industrier är beroende av JND-karakterisering för att säkerställa prestanda för bildskärmar i kritiska miljöer. Till exempel är gråskala kalibrering avgörande för medicinska skärmar som används för att visa radiografiska bilder. JND tillämpas på flyg-och bildisplayer som visar viktig information till piloten/föraren under drift. Regleringsstandarder i dessa branscher kallar ut JND som en faktor som ska användas för att utvärdera visningsprestanda. Konsumentkvalitetsskärmar som smarta telefoner och TV-apparater mäts också enligt JND-standarder.,
tillämpning av JND för att visa kvalitet
JND-skalan definieras så att en JND-skillnad på 1 bara skulle märkas. I absolut skala representerar ett JND-värde på 0 ingen synlig rumslig kontrast och ett absolut JND-värde på 1 representerar den första märkbara rumsliga kontrasten. För displayteknik gör denna skala att defekter kan graderas enligt deras svårighetsgrad., Faktorer som ingår i JND-modellen inkluderar rumslig frekvens (Hur snabb rumslig kontrast varierar), orientering (vinkelorienteringen av den rumsliga kontrasten i förhållande till det visningsplan som definieras av mänskliga ögon) och observatörens avstånd från displayen som ses.
SSO fungerar på en digital bild eller ett par digitala bilder, vilket innebär att den kan användas med digitala bildsystem, såsom en datorstyrd bildfotometer eller kolorimeter som Radiants ProMetric®-serie., Bildsystemet fångar data om rumslig fördelning av bildbildens ljusstyrka och färg, och sedan analyseras dessa data för att skapa en JND-karta över bilden.
NASA-algoritmen har licensierats från och anpassats för användning i Radiant Vision Systems bildanalysprogram för att tillåta klar applikation för att visa data. I allmänhet kan antingen en fotopisk eller kolorimetrisk mätbild användas för att visa bilder som ska graderas med en direkt korrelation till mänsklig visuell uppfattning om luminans och färg., Med JND-analys kan displayfel som mura (fläckar och icke-enhetlighet) identifieras och graderas enligt deras svårighetsgrad.
implementering av JND-algoritmer för automatiserad Visningstestning
med JND-analys för att utvärdera visningens enhetlighet identifierar förändringen över en yta som kommer att märkas för en genomsnittlig person minst hälften av tiden. Radiants TrueTest ™ – programvara med TrueMURA™ innehåller JND-kvalifikation för att utvärdera icke-enhetliga områden i belysta skärmar som skulle anses oacceptabla av en mänsklig observatör.,
identifiera och klassificera defekter som representerar en ”bara märkbar skillnad” (JND) till en genomsnittlig mänsklig observatör minst hälften av tiden.
JND-analysfunktionen bearbetar en infångad bild av en bildskärm för att generera en JND-kartläggning av bilden. Algoritmen matar också ut tre JND-mätvärden som kan användas för att betygsätta visningens visuella kvalitet. Detta har omedelbart värde för produktionslinjeapplikationer, till exempel i både LCD-fabrikationsanläggningar och slutliga bildskärmsmonteringslinjer.,
bildskärmstillverkare kan använda mänskliga märkningsvärden för att ställa in pass / fail—parametrar för vissa typer av mura-när de är närvarande. Områden med icke-enhetlighet i mitten av displayen kan vara mer av en distraktion för användare än defekter mot kanterna eller hörnen på en display, således interna kvalitetsstandarder kan ställas in för toleranser på 90-100% enhetlighet för spot mura som visas i Display center, medan 80% enhetlighet för edge mura kan räcka.,
Raw JND analys av en skärmbild (överst) fångas av en Prometrisk bild kolorimeter och TrueMURA programvara. Bilden är lättare för högre värden på JND och mörkare för lägre värden, visar mura i mitten av skärmen och ljusläckage och mörka fläckar längs kanten. En falsk färgrepresentation av JND-kartan (botten) visar områden med JND-värden som är större än 1, vilket är tröskeln för att vara ”bara märkbar”., Platsen i det nedre högra har det största beräknade värdet av JND, och det fläckiga området över det mesta av displayen representerar JND-värden på 0,7 eller lägre.
detektering av bildfel som utförs med hjälp av denna typ av system visar att JND-analys är ett effektivt sätt att få ytterligare information om bildkvalitet som sträcker sig till andra analystekniker. Detta analyssystem kan tillämpas på alla visningstyper, inklusive LCD, LED och OLED-skärmar., Som med belysta bildskärmar kan JND-mätning appliceras på icke-belysta ytor för att upptäcka och gradera ”enhetlighet” – problem på ytor som orsakas av repor, bucklor, fläckar, skräp och andra defekter.
för att lära dig mer om JND och dess tillämpning för att visa mätning och inspektion, läs whitepaper ”metoder för att mäta Displayfel och Mura som korrelerade till mänsklig visuell uppfattning.,”Att korrekt korrelera mänskliga uppfattningar om defekter med den information som kan samlas in med hjälp av bildfärgmätare ger möjlighet till objektiv och repeterbar detektering och kvantifiering av sådana defekter.
i vitboken kommer du att lära dig om JND-karakterisering och implementering av JND-algoritmer för automatiserad visningstestning för att upptäcka och gradera mura och andra defekter enligt den mänskliga visuella upplevelsen.,
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
