CN103051922A - 评价标准参数的建立方法及显示屏图像质量的评价方法 - Google Patents

Abstract

本发明公开了一种评价标准参数的建立方法，评价标准参数用于评价显示屏的图像质量，图像质量的高低与图像的亮斑以及亮暗不均的严重程度成反比。建立方法包括：对具有不同严重程度的一组测试图像进行拍照，获得样本照片组；通过人眼从样本照片组中选定标准照片；对样本照片组中的照片进行亮度的傅里叶变换，得到频率分布函数；将频率分布函数与人眼对比度敏感函数在频域中进行卷积，获得卷积函数；对卷积函数进行归一化处理，得到评价参数；从样本照片组中所有照片的评价参数中选取标准照片的评价参数作为评价标准参数。本发明还公开了一种显示屏图像质量的评价方法。本发明能够得到较为客观和***的评价标准参数。

Description

评价标准参数的建立方法及显示屏图像质量的评价方法

技术领域

本发明涉及图像处理领域，特别是涉及一种评价标准参数的建立方法，还涉及一种采用评价标准参数的显示屏图像质量的评价方法。

背景技术

显示屏作为友好的人机交流信息的界面，可以准确、直观、清晰地输出信息。显示屏作为一款电子产品销售时，显示屏图像质量成为消费者购买的重要决定因素之一，图像质量由亮度、色偏、清晰度等相关参数决定。因此，评价显示屏图像质量是显示屏开发与设计需要考虑的重要内容。由于显示屏的显示信息直接通过人眼观察得到，对于不同的环境与用途，其评价标准是不同的。近年来，随着各种显示技术的数量和多样性的快速增加，人们对显示屏图像质量的要求与日俱增。

现有技术中，评价图像质量是采用JND标准（Just NoticeableDifference，最小可觉差），其需要利用基于心理物理学方法的视觉感知实验确定JND临界图像，具体为：每次在显示器上同时并排显示两幅图像，一幅为原始图像，一幅为测试图像。被试需要在两幅图像中选出其认为较暗的图像，起初，测试图像与原始图像间亮度差别很大，被试可以很容易地将两者区分开。如果被试选择正确，则减小下幅测试图像与原始图像间的亮度差别；如果被试选择错误，则增大下幅测试图像与原始图像的亮度差别。重复上述过程。在亮度差别满足一定条件时，其所对应的测试图像即为JND临界图像。对于之后的图像的评价，均以该JND临界图像为基准。

然而，由于被试的技术熟练程度不同，所以这种借助被试肉眼进行的图像质量评价结果会出现差异。即使是同一被试进行评价，由于被试在不同时间点的实际状态不同，被试观察显示屏的视角、距离、光线条件不同，导致被试的主观性会介入到评价中，导致评价的精确度不一致。此外，被试对显示屏中模糊、亮斑等缺陷的认知水平也会随图像亮度和周围光线条件的不同而改变。通常，当图像亮度较高时，即使是显示屏存在明显缺陷（例如模糊、斑点等），被试也不会完全感觉到。

正如从上述中可以看到的那样，由于被试的主观性介入到评价中，所以很难在显示屏的设计、开发和消费者之间给出客观和公正的评价标准。

发明内容

本发明的主要目的是提供一种评价标准参数的建立方法及显示屏图像质量的评价方法，能够以评价标准参数代替人眼的观察。

为解决上述技术问题，本发明采用的一个技术方案是：提供一种评价标准参数的建立方法，评价标准参数用于评价显示屏的图像质量，图像质量的高低与图像的亮斑以及亮暗不均的严重程度成反比，建立方法包括：对具有不同严重程度的一组测试图像进行拍照，获得样本照片组，通过人眼从样本照片组中选定标准照片；对样本照片组中的照片进行亮度的傅里叶变换，得到频率分布函数；将频率分布函数与人眼对比度敏感函数在频域中进行卷积，获得卷积函数；对卷积函数进行归一化处理，得到评价参数；从样本照片组中所有照片的评价参数中选取标准照片的评价参数作为评价标准参数。

其中，在将频率分布函数与人眼对比度敏感函数在频域中进行卷积的步骤之前，对频率分布函数进行滤波，以滤除噪声。

其中，频率分布函数表示为：

其中，F(ω)为频率分布函数，

为傅里叶变换的作用算子，f(t)为亮度的表示函数。

其中，人眼对比度敏感函数表示为：

$\mathrm{CSF}\left(\mathrm{\ω}\right)=2.6\×(0.0192+0.114\×\mathrm{\ω})\×e^{{(-0.114\×\mathrm{\ω})}^{1.1}}$

其中，CSF(ω)为人眼对比度敏感函数，为空间频率，ω_x和ω_y分别为水平、垂直方向的空间频率。

其中，卷积函数表示为：

$H\left(\mathrm{\ω}\right)={\∫}_{-\∞}^{\∞}F\left(\mathrm{\ω}\right)\mathrm{CSF}(k-\mathrm{\ω})\mathrm{d\ω}$

其中，H(ω)为卷积函数，k为偏移量，范围为-∞～∞。

其中，对卷积函数进行归一化处理的步骤具体包括：将卷积函数做原点中心平移，计算卷积函数在原点的函数绝对值，计算频率分布函数对应所有变量的函数绝对值之和，计算函数绝对值与函数绝对值之和的比值。

其中，计算函数绝对值与函数绝对值之和的比值之前，从函数绝对值之和中剔除频率分布函数在原点的函数值。

其中，评价参数表示为：

$\mathrm{Factor}=\frac{H\left(\mathrm{\ω}\right)}{F\left(\mathrm{\ω}\right)}$

其中，Factor为评价参数。

为解决上述技术问题，本发明采用的另一个技术方案是：提供一种显示屏图像质量的评价方法，评价方法采用上述任一种的建立方法得到的评价标准参数，评价方法包括：对显示屏的图像进行拍照，获得照片；对照片进行亮度的傅里叶变换，得到频率分布函数；将频率分布函数与人眼对比度敏感函数在频域中进行卷积，获得卷积函数；对卷积函数进行归一化处理，得到评价参数；判断评价参数是否大于评价标准参数，在判断结果为是时，确定图像的质量不合格。

其中，对卷积函数进行归一化处理的步骤具体包括：将卷积函数做原点中心平移，计算卷积函数在原点的函数绝对值，计算频率分布函数对应所有变量的函数绝对值之和，计算函数绝对值与函数绝对值之和的比值，其中，所有变量中不包括原点。

本发明的有益效果是：区别于现有技术的情况，本发明的评价标准参数的建立方法及显示屏图像质量的评价方法通过对图像的照片进行亮度的傅里叶变换，然后与人眼对比度敏感函数卷积，将卷积函数归一化处理得到评价参数，在获得所有照片后选定标准照片，该标准照片的评价参数即为评价标准参数，实现了以评价标准参数代替人眼的观察，能够得到较为客观和***的评价标准参数，提高图像评价的客观性，帮助显示***的设计与开发。

附图说明

图1是本发明评价标准参数的建立方法第一实施例的流程示意图；

图2是一种人眼对比度敏感函数曲线的示例图；

图3是本发明评价标准参数的建立方法第二实施例的流程示意图；

图4是图3所示的建立方法中所有照片的评价参数的分布示意图；

图5是本发明显示屏图像质量的评价方法实施例的流程示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

请参阅图1，图1是本发明评价标准参数的建立方法第一实施例的流程示意图。评价标准参数用于评价显示屏的图像质量。本发明实施例中，图像的亮斑（又称mura）现象和亮暗不均（又称hotspot）现象能够被人眼直接观察得到，图像质量的高低与图像的亮斑以及亮暗不均的严重程度成反比。建立方法包括以下步骤：

步骤S11：对具有不同严重程度的一组测试图像进行拍照，获得样本照片组，通过人眼从样本照片组中选定标准照片。

其中，该组测试图像具有的严重程度是任意分布的，在开发与设计显示屏的过程中，通过人为设计而得到严重程度任意分布的该组测试图像。本发明并不对该组测试图像的数量做限制，数量可以根据实际测试需要选取。

该组测试图像通过CCD（Charge-coupled Device，电荷耦合元件）仪器拍照。每幅测试图像得到一张照片，拍照完成后，获得样本照片组。

现有的显示屏和压缩编码等相关技术还不能做到使图像质量非常完美，总是存在不尽如人意的缺陷。由于影响最终图像质量的各技术参数间存在交互影响，提高各参数的成本也存在差异，而成本是实际生产中必须考虑的问题，因而改善图像质量的开发与设计需要考虑各因素的权重与折中。考虑到显示屏的图像质量是由消费者通过人眼直接观察进行判断的，而人眼对图像具有的严重程度的感知能力有限，有的图像存在一定的严重程度，但人眼却并不能感知到，可以认为这样的图像质量合格。因此，在本实施例中，通过人眼选定一幅照片作为标准照片，该照片的严重程度几乎不影响图像的质量，能够被人眼接受。

步骤S12：对样本照片组中的照片进行亮度的傅里叶变换，得到频率分布函数。

其中，照片可以认为是由像素组成，包括N行及M列的像素，这里N和M为正整数。进行亮度的傅里叶变换，即是对每个像素的亮度进行傅里叶变换，从而得到每个像素的频谱值，这些频谱值均可以从频率分布函数上得到。

步骤S13：将频率分布函数与人眼对比度敏感函数在频域中进行卷积，获得卷积函数。

其中，人眼对比度敏感函数（CSF，contrast sensitivity function）为探测对比度阈值的倒数（称作视觉敏锐度）随刺激的空间频率变化的函数。人眼CSF数据是通过人眼视觉心理物理学实验测量得到。例如，请参阅图2，图2是一种人眼对比度敏感函数曲线的示例图。图中，横坐标表示空间频率，纵坐标表示视觉敏锐度。图中具有若干条曲线，其均是由之前的科技工作者经过一些实验得到的相互靠近的经验曲线。

将频率分布函数与人眼对比度敏感函数卷积后，每个像素的频谱值相应改变，即重新得到一组N行M列的频谱值，这些频谱值均可以从卷积函数上得到。

步骤S14：对卷积函数进行归一化处理，得到评价参数。

其中，归一化处理后，卷积函数对应的频谱值由有量纲变为无量纲，评价参数也就表示卷积函数对应的频谱值与频率分布函数对应的频谱值的相对值的关系。

步骤S15：从样本照片组中所有照片的评价参数中选取标准照片的评价参数作为评价标准参数。

其中，所有的评价参数的到后，从评价参数中可以直接明了地获知标准照片的评价参数与其它评价参数的差别，可以判断标准照片的选取是否具有代表性和参照性。

如果认为标准照片的评价参数的参照性的选取存在较大误差，可以重复步骤S11，重新选择出标准照片。

相较现有技术选择JND临界图像，以JND临界图像作为标准图像而言，本发明的评价标准参数的建立方法通过人眼选取标准照片，获得标准照片的评价参数，选取该评价参数作为评价标准参数，实现以评价标准参数代替人眼的观察，该评价标准参数有助于提高图像评价的客观性，帮助显示***的设计与开发。

请参阅图3，图3是本发明评价标准参数的建立方法第二实施例的流程示意图。建立方法包括以下步骤：

步骤S21：对具有不同严重程度的一组测试图像进行拍照，获得样本照片组。

步骤S22：通过人眼从样本照片组中选定标准照片。

其中，步骤S21和步骤S22请参照前述实施例，此处不再赘述，

步骤S23：对样本照片组中的照片进行亮度的傅里叶变换，得到频率分布函数。

其中，频率分布函数表示为：

F(ω)为频率分布函数，

为傅里叶变换的作用算子，f(t)为亮度的表示函数。

步骤S24：对频率分布函数进行滤波。

其中，滤波可以滤除噪声。在本实施例中，对频率分布函数进行均值滤波。

步骤S25：将频率分布函数与人眼对比度敏感函数在频域中进行卷积，获得卷积函数。

其中，人眼对比度敏感函数表示为：

$\mathrm{CSF}\left(\mathrm{\ω}\right)=2.6\×(0.0192+0.114\×\mathrm{\ω})\×e^{{(-0.114\×\mathrm{\ω})}^{1.1}}$

CSF(ω)为人眼对比度敏感函数，

为空间频率，其单位为周期/度，ω_x和ω_y分别为水平、垂直方向的空间频率。空间频率是指单位长度内亮度（也就是灰度）作周期性变化的次数。

卷积函数表示为：

$H\left(\mathrm{\ω}\right)={\∫}_{-\∞}^{\∞}F\left(\mathrm{\ω}\right)\mathrm{CSF}(k-\mathrm{\ω})\mathrm{d\ω}$

H(ω)为卷积函数，k为偏移量，范围为-∞～∞。

步骤S26：将卷积函数做原点中心平移，计算卷积函数在原点的函数绝对值。

其中，将卷积函数做原点中心平移是指将卷积函数的中心平移至坐标原点，即将卷积函数对应的频谱图像平移至坐标原点，在该原点，频谱值绝对值最大，而该最大频谱值的绝对值就是函数绝对值。

步骤S27：计算频率分布函数对应所有变量的函数绝对值之和。

其中，函数绝对值之和是指每个像素对应的频谱值的绝对值之和。

步骤S28：计算函数绝对值与函数绝对值之和的比值，得到评价参数。

其中，本实施例在计算时，函数绝对值之和中不包括原点处的频谱值的绝对值，即函数绝对值之和中剔除了频率分布函数在原点的函数值。评价参数表示为：

$\mathrm{Factor}=\frac{H\left(\mathrm{\ω}\right)}{F\left(\mathrm{\ω}\right)}$

Factor为所述评价参数。该评价参数表征了图像质量的高低。例如，请参阅图4，图4是图3所示的建立方法中所有照片的评价参数的分布示意图。图中，横坐标表示样本照片组中照片的编号，纵坐标表示评价参数。曲线A表示大小为1400x400的一组测试图像对应的一系列评价参数，曲线B表示大小为2000x200的一组测试图像对应的一系列评价参数。

步骤S29：从样本照片组中所有照片的评价参数中选取标准照片的评价参数作为评价标准参数。

其中，假设在执行步骤S22时，标准照片为编号为11的照片，那么标准评价参数约为0.65。

本实施例的评价标准参数的建立方法将主观性的评价标准变为客观化的评价参数，无论对于开发、设计、测试或生产，利用该评价标准参数对于图像评价都能提供帮助。

请参阅图5，图5是本发明显示屏图像质量的评价方法实施例的流程示意图。本实施例的评价方法采用前述实施例的建立方法得到的评价标准参数。评价方法包括以下步骤：

步骤S31：对显示屏的图像进行拍照，获得照片。

步骤S32：对照片进行亮度的傅里叶变换，得到频率分布函数。

步骤S33：将频率分布函数与人眼对比度敏感函数在频域中进行卷积，获得卷积函数。

其中，步骤S31、S32以及S33请参照前述实施例的相关步骤，此处不再赘述。

步骤S34：对卷积函数进行归一化处理，得到评价参数。

其中，步骤S34具体包括：将卷积函数做原点中心平移，计算卷积函数在原点的函数绝对值，计算频率分布函数对应所有变量的函数绝对值之和，计算函数绝对值与函数绝对值之和的比值，其中，所有变量中不包括原点。

步骤S35：判断评价参数是否大于评价标准参数，在判断结果为是时，确定图像的质量不合格。

其中，请再结合参阅图4，如果评价参数大于0.65，则说明图像质量不合格，如果评价参数小于或等于0.65，说明mura/hotspot现象的严重程度能够被人眼接受，图像质量合格。

通过上述方式，本发明的评价标准参数的建立方法及显示屏图像质量的评价方法通过建立评价标准参数，再将任意图像的评价参数与评价标准参数作比较进行评价，能够使评价过程更为客观，减少评价过程中人眼的参与，有助于显示***的设计与开发。

以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其它相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种评价标准参数的建立方法，所述评价标准参数用于评价显示屏的图像质量，图像质量的高低与图像的亮斑以及亮暗不均的严重程度成反比，其特征在于，所述建立方法包括：

对具有不同严重程度的一组测试图像进行拍照，获得样本照片组，通过人眼从所述样本照片组中选定标准照片；

对所述样本照片组中的照片进行亮度的傅里叶变换，得到频率分布函数；

将所述频率分布函数与人眼对比度敏感函数在频域中进行卷积，获得卷积函数；

对所述卷积函数进行归一化处理，得到评价参数；

从所述样本照片组中所有照片的评价参数中选取所述标准照片的评价参数作为所述评价标准参数。

2.根据权利要求1所述的建立方法，其特征在于，在所述将所述频率分布函数与人眼对比度敏感函数在频域中进行卷积的步骤之前，对所述频率分布函数进行滤波，以滤除噪声。

3.根据权利要求1所述的建立方法，其特征在于，所述频率分布函数表示为：

其中，F(ω)为所述频率分布函数，

为傅里叶变换的作用算子，f(t)为亮度的表示函数。

4.根据权利要求3所述的建立方法，其特征在于，所述人眼对比度敏感函数表示为：

$\mathrm{CSF}\left(\mathrm{\ω}\right)=2.6\×(0.0192+0.114\×\mathrm{\ω})\×{e^{(-0.114\×\mathrm{\ω})}}^{1.1}$

其中，CSF(ω)为所述人眼对比度敏感函数，

为空间频率，ω_x和ω_y分别为水平、垂直方向的空间频率。

5.根据权利要求4所述的建立方法，其特征在于，所述卷积函数表示为：

$H\left(\mathrm{\ω}\right)={\∫}_{-\∞}^{\∞}F\left(\mathrm{\ω}\right)\mathrm{CSF}(k-\mathrm{\ω})\mathrm{d\ω}$

其中，H(ω)为所述卷积函数，k为偏移量，范围为-∞～∞。

6.根据权利要求5所述的建立方法，其特征在于，所述对所述卷积函数进行归一化处理的步骤具体包括：

将所述卷积函数做原点中心平移，计算所述卷积函数在原点的函数绝对值，计算所述频率分布函数对应所有变量的函数绝对值之和，计算所述函数绝对值与所述函数绝对值之和的比值。

7.根据权利要求6所述的建立方法，其特征在于，计算所述函数绝对值与所述函数绝对值之和的比值之前，从所述函数绝对值之和中剔除所述频率分布函数在所述原点的函数值。

8.根据权利要求6所述的建立方法，其特征在于，所述评价参数表示为：

$\mathrm{Factor}=\frac{H\left(\mathrm{\ω}\right)}{F\left(\mathrm{\ω}\right)}$

其中，Factor为所述评价参数。

9.一种显示屏图像质量的评价方法，其特征在于，所述评价方法采用根据权利要求1至8中任一项所述的建立方法得到的评价标准参数，所述评价方法包括：

对所述显示屏的图像进行拍照，获得照片；

对所述照片进行亮度的傅里叶变换，得到频率分布函数；

将所述频率分布函数与人眼对比度敏感函数在频域中进行卷积，获得卷积函数；

对所述卷积函数进行归一化处理，得到评价参数；

判断所述评价参数是否大于所述评价标准参数，在判断结果为是时，确定所述图像的质量不合格。

10.根据权利要求9所述的评价方法，其特征在于，所述对所述卷积函数进行归一化处理的步骤具体包括：

将所述卷积函数做原点中心平移，计算所述卷积函数在原点的函数绝对值，计算所述频率分布函数对应所有变量的函数绝对值之和，计算所述函数绝对值与所述函数绝对值之和的比值，其中，所有变量中不包括原点。

Images