KR20190014275A - 무라 검출 장치 및 무라 검출 장치의 검출 방법 - Google Patents

무라 검출 장치 및 무라 검출 장치의 검출 방법 Download PDF

Info

Publication number
KR20190014275A
KR20190014275A KR1020170097294A KR20170097294A KR20190014275A KR 20190014275 A KR20190014275 A KR 20190014275A KR 1020170097294 A KR1020170097294 A KR 1020170097294A KR 20170097294 A KR20170097294 A KR 20170097294A KR 20190014275 A KR20190014275 A KR 20190014275A
Authority
KR
South Korea
Prior art keywords
image data
color difference
xyz
background image
luv
Prior art date
Application number
KR1020170097294A
Other languages
English (en)
Other versions
KR102334575B1 (ko
Inventor
이민탁
김규석
김수영
윤영남
이현구
Original Assignee
삼성디스플레이 주식회사
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 삼성디스플레이 주식회사 filed Critical 삼성디스플레이 주식회사
Priority to KR1020170097294A priority Critical patent/KR102334575B1/ko
Priority to US15/955,324 priority patent/US10733763B2/en
Publication of KR20190014275A publication Critical patent/KR20190014275A/ko
Application granted granted Critical
Publication of KR102334575B1 publication Critical patent/KR102334575B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/001—Texturing; Colouring; Generation of texture or colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/0008—Industrial image inspection checking presence/absence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09G—ARRANGEMENTS OR CIRCUITS FOR CONTROL OF INDICATING DEVICES USING STATIC MEANS TO PRESENT VARIABLE INFORMATION
    • G09G3/00—Control arrangements or circuits, of interest only in connection with visual indicators other than cathode-ray tubes
    • G09G3/006—Electronic inspection or testing of displays and display drivers, e.g. of LED or LCD displays
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N2021/9513—Liquid crystal panels
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20052—Discrete cosine transform [DCT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30121—CRT, LCD or plasma display
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09G—ARRANGEMENTS OR CIRCUITS FOR CONTROL OF INDICATING DEVICES USING STATIC MEANS TO PRESENT VARIABLE INFORMATION
    • G09G2360/00—Aspects of the architecture of display systems
    • G09G2360/14—Detecting light within display terminals, e.g. using a single or a plurality of photosensors
    • G09G2360/145—Detecting light within display terminals, e.g. using a single or a plurality of photosensors the light originating from the display screen

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Computer Hardware Design (AREA)
  • Signal Processing (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)
  • Color Image Communication Systems (AREA)

Abstract

무라 검출 장치 및 무라 검출 방법이 제공된다. 무라 검출 장치는 표시 장치에 대한 촬영 이미지를 제공받아 XYZ 색좌표에 따른 XYZ 이미지 데이터로 변환하는 XYZ 좌표계 변환부, 상기 XYZ 이미지 데이터의 일부 데이터가 제거된 백그라운드 이미지 데이터를 생성하는 백그라운드 이미지 생성부, 상기 촬영 이미지 및 상기 백그라운드 이미지 데이터를 비교한 색차 이미지 데이터를 생성하는 색차 산출부, 상기 색차 이미지 데이터를 이용하여 컬러 무라 인덱스 값을 산출하는 무라 데이터 생성부를 포함한다.

Description

무라 검출 장치 및 무라 검출 장치의 검출 방법{MURA DETECTION DEVICE AND DETECTION METHOD OF MURA DETECTION DEVICE}
본 발명은 무라 검출 장치 및 얼룩 무라 장치의 검출 방법에 관한 것이다.
최근 휴대용 전자기기 및 고정형 전자기기의 발전에 따라 이들 전자 기기에 장착되는 표시 장치에 대한 수요가 급증하고 있다.
표시 장치는 액정 표시 장치, 유기 발광 표시 장치 등 다양한 종류를 포함한다. 이러한 표시 장치는 제조된 이후, 결함 없이 제조되었는지 확인하는 과정이 필요하다. 특히, 위와 같은 결함 중의 하나로, 표시 장치에 무라(mura)가 발생하는 현상을 들 수 있다. 무라는 얼룩을 의미하는 것으로, 화면 전체를 일정한 계조로 표시했을 때 특정 영역의 휘도가 불균일하게 표시되는 결함을 의미한다.
무라가 발생하였는지 확인하는 과정은 엔지니어의 육안으로 무라의 발생 여부를 확인하는 방법과, 무라 검출 장치를 이용한 자동화 공정에 의하여 무라의 발생 여부를 확인하는 방법으로 나뉠 수 있다.
그러나, 엔지니어의 육안에 의한 무라 검사와 무라 검출 장치를 이용한 자동화 공정에 의한 무라 검사는 그 결과값에 차이가 발생할 수 있다. 이에, 엔지니어의 육안에 의한 무라 검사에서는 불량으로 판정되지 않은 표시 장치가 무라 검출 장치를 이용한 자동화 공정에 의한 무라 검사에서는 불량으로 판정되는 경우가 발생하거나, 그 반대의 경우도 발생하는 문제점이 있었다.
이에, 본 발명이 해결하고자 하는 과제는 엔지니어의 육안에 의한 무라 검사와, 무라 검출 장치를 이용한 자동화 공정에 의한 무라 검사의 결과값의 편차를 최소화한 무라 검출 장치를 제공하는 것이다.
본 발명이 해결하고자 하는 다른 과제는 엔지니어의 육안에 의한 무라 검사와, 무라 검출 장치를 이용한 자동화 공정에 의한 무라 검사의 결과값의 편차를 최소화한 무라 검출 장치의 검출 방법을 제공하는 것이다.
본 발명의 과제들은 이상에서 언급한 기술적 과제로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
상기 과제를 해결하기 위한 본 발명의 일 실시예에 따른 무라 검출 장치는 표시 장치에 대한 촬영 이미지를 제공받아 XYZ 색좌표에 따른 XYZ 이미지 데이터로 변환하는 XYZ 좌표계 변환부, 상기 XYZ 이미지 데이터의 일부 데이터가 제거된 백그라운드 이미지 데이터를 생성하는 백그라운드 이미지 생성부, 상기 촬영 이미지 및 상기 백그라운드 이미지 데이터를 비교한 색차 이미지 데이터를 생성하는 색차 산출부, 상기 색차 이미지 데이터를 이용하여 컬러 무라 인덱스 값을 산출하는 무라 데이터 생성부를 포함한다.
또한, 상기 XYZ 이미지 데이터를 Lab 색좌표에 따른 Lab 이미지 데이터로 변환하는 Lab 좌표계 변환부를 더 포함할 수 있다.
또한, 상기 Lab 좌표계 변환부는 상기 백그라운드 이미지 데이터를 상기 Lab 색좌표에 따른 Lab 백그라운드 이미지 데이터로 변환할 수 있다.
또한, 상기 색차 산출부는 상기 Lab 이미지 데이터 및 상기 Lab 백그라운드 이미지 데이터에 대하여 DE2000 규격에 따른 색차 계산을 수행하여 상기 색차 이미지 데이터를 생성할 수 있다.
또한, 상기 백그라운드 이미지 생성부는 상기 XYZ 이미지 데이터를 제공받아 이산 코사인 변환(Discrete Cosine Transform; DCT)을 수행하고, 고주파 성분에 대한 일부 데이터를 제거하고, 역 이산 코사인 변환(Inverse Discrete Cosine Transform; IDCT)을 수행하여 상기 백그라운드 이미지 데이터를 생성할 수 있다.
또한, 상기 색차 이미지 데이터와 위치 가중 이미지 데이터를 병합하는 위치 가중 연산부를 더 포함할 수 있다.
또한, 상기 색차 이미지 데이터와 상기 위치 가중 이미지 데이터는 컨벌루션(convolution) 연산에 의하여 병합될 수 있다.
또한, 상기 위치 가중 이미지 데이터에 의하여 구현되는 이미지는 중심으로부터 가장자리를 향할수록 휘도가 낮아질 수 있다.
또한, 상기 컬러 무라 인덱스 값은 상기 색차 이미지 데이터의 최대 휘도값에 대응될 수 있다.
또한, 상기 XYZ 이미지 데이터를 Luv 색좌표에 따른 Luv 이미지 데이터로 변환하는 Luv 좌표계 변환부를 더 포함할 수 있다.
또한, 상기 Luv 좌표계 변환부는 상기 백그라운드 이미지 데이터를 상기 Luv 색좌표에 따른 Luv 백그라운드 이미지 데이터로 변환할 수 있다.
또한, 상기 색차 산출부는 상기 Luv 이미지 데이터 및 상기 Luv 백그라운드 이미지 데이터에 대하여 Δu'v' 규격에 따른 색차 계산을 수행하여 상기 색차 이미지 데이터를 생성할 수 있다.
상기 다른 과제를 해결하기 위한 본 발명의 일 실시예에 따른 무라 검출 방법은 촬영 이미지를 수신하는 단계, 상기 촬영 이미지를 XYZ 색좌표에 따른 XYZ 이미지 데이터로 변환하는 단계, 상기 XYZ 이미지 데이터의 일부를 제거하여 백그라운드 이미지 데이터를 생성하는 단계, 상기 XYZ 이미지 데이터 및 상기 백그라운드 이미지 데이터를 비교한 색차 이미지 데이터를 생성하는 단계, 상기 색차 이미지 데이터를 이용하여 컬러 무라 인덱스 값을 산출하는 단계를 포함한다.
또한, 상기 백그라운드 이미지 데이터를 생성하는 단계 이후, 상기 XYZ 이미지 데이터를 Lab 색좌표에 따른 Lab 이미지 데이터로 변환하는 단계, 및 상기 백그라운드 이미지 데이터를 상기 Lab 색좌표에 따른 Lab 백그라운드 이미지 데이터로 변환하는 단계를 더 포함할 수 있다.
또한, 상기 색차 이미지 데이터를 생성하는 단계는 상기 Lab 이미지 데이터 및 상기 Lab 백그라운드 이미지 데이터에 대하여 DE2000 규격에 따른 색차 계산을 수행할 수 있다.
또한, 상기 백그라운드 이미지 데이터를 생성하는 단계는, 상기 XYZ 이미지 데이터에 대하여 이산 코사인 변환을 수행하는 단계, 고주파 성분에 대한 일부 데이터를 제거하는 단계, 역 이산 코사인 변환을 수행하여 백그라운드 이미지 데이터를 생성하는 단계를 포함할 수 있다.
또한, 상기 색차 이미지 데이터를 생성하는 단계 이후, 상기 색차 이미지 데이터와 위치 가중 이미지 데이터를 컨벌루션 연산하는 단계를 더 포함할 수 있다.
또한, 상기 컬러 무라 인덱스 값은 상기 색차 이미지 데이터의 최대 휘도값에 대응될 수 있다.
또한, 상기 백그라운드 이미지 데이터를 생성하는 단계 이후, 상기 XYZ 이미지 데이터를 Luv 색좌표에 따른 Luv 이미지 데이터로 변환하는 단계 및 상기 백그라운드 이미지 데이터를 상기 Luv 색좌표에 따른 Luv 백그라운드 이미지 데이터로 변환하는 단계를 더 포함할 수 있다.
또한, 상기 색차 이미지 데이터를 생성하는 단계는 상기 Luv 이미지 데이터 및 상기 Luv 백그라운드 이미지 데이터에 대하여 Δu'v' 규격에 따른 색차 계산을 수행할 수 있다.
기타 실시예의 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.
본 발명의 실시예들에 의하면 엔지니어의 육안에 의한 무라 검사와, 무라 검출 장치를 이용한 자동화 공정에 의한 무라 검사의 결과값의 편차를 최소화한 무라 검출 장치를 제공할 수 있다.
나아가, 엔지니어의 육안에 의한 무라 검사와, 무라 검출 장치를 이용한 자동화 공정에 의한 무라 검사의 결과값의 편차를 최소화한 무라 검출 장치의 검출 방법을 제공할 수 있다.
본 발명의 실시예들에 따른 효과는 이상에서 예시된 내용에 의해 제한되지 않으며, 더욱 다양한 효과들이 본 명세서 내에 포함되어 있다.
도 1은 일 실시예에 따른 무라 검출 장치에 의한 표시 장치의 무라 검출 방법을 나타낸 개략도이다.
도 2는 일 실시예에 따른 무라 검출 장치를 나타내는 블록도이다.
도 3은 XYZ 이미지 데이터에 의하여 구현되는 예시적인 이미지이다.
도 4는 백그라운드 이미지 데이터에 의하여 구현되는 예시적인 이미지이다.
도 5는 색차 이미지 데이터에 의하여 구현되는 예시적인 이미지이다.
도 6은 위치 가중 이미지 데이터에 의하여 구현되는 예시적인 이미지이다.
도 7은 무라 이미지 데이터에 의하여 구현되는 예시적인 이미지이다.
도 8은 도 2에 도시된 실시예에 따른 무라 검출 장치를 이용한 무라 검출 방법을 나타낸 순서도이다.
도 9는 도 2에 도시된 실시예에 따른 무라 검출 장치에 의하여 산출된 컬러 무라 인덱스 값과 사람의 무라 결함 인식률을 비교한 그래프이다.
도 10은 다른 실시예에 따른 무라 검출 장치의 블록도이다.
도 11은 도 10에 도시된 무라 검출 장치의 무라 검출 방법에 대한 순서도이다.
도 12는 다른 실시예에 따른 무라 검출 장치의 블록도이다.
도 13은 도 12에 도시된 실시예에 따른 무라 검출 장치의 무라 검출 방법에 대한 순서도이다.
도 14는 다른 실시예에 따른 무라 검출 장치의 블록도이다.
도 15는 도 14에 도시된 실시예에 따른 무라 검출 장치의 무라 검출 방법을 나타낸 순서도이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
이하, 첨부된 도면을 참고로 하여 본 발명의 실시예들에 대해 설명한다.
도 1은 일 실시예에 따른 무라 검출 장치에 의한 표시 장치의 무라 검출 방법을 나타낸 개략도이다.
도 1을 참조하면, 일 실시예에 따른 무라 검출 장치(1000)는 촬영 장치(2000)와 연결된다.
촬영 장치(2000)는 표시 영역(DA)에 테스트 이미지(TI)가 표시된 표시 장치(3000)를 카메라로 촬영하여, 촬영 이미지(PI)를 무라 검출 장치(1000)에 제공한다. 촬영 장치(2000)는 XYZ 컬러 매칭 함수(XYZ color matching function)와 동일한 투과 스펙트럼을 지닌 필터가 장착된 계측기 또는 이미지 센서에 의하여 구현될 수 있다.
여기서, 테스트 이미지(TI)는 무라 검출을 효과적으로 수행하기 위한 임의의 계조값을 갖는 단색 화상 또는 기 설정된 특정 패턴을 갖는 화상일 수 있다. 예를 들면, 테스트 이미지(TI)는 최대의 계조값을 갖는 화이트 이미지일 수 있으며, 최대 계조값을 갖는 레드 이미지, 그린 이미지 및 블루 이미지가 순차적으로 출력되는 이미지 셋트일 수도 있다.
무라 검출 장치(1000)는 촬영 장치(2000)로부터 제공받은 테스트 이미지(TI)에 대한 데이터에 기초하여, 표시 장치(3000)에 무라가 발생하였는지 여부를 판단한다.
도 2는 일 실시예에 따른 무라 검출 장치를 나타내는 블록도이고, 도 3은 XYZ 이미지 데이터에 의하여 구현되는 예시적인 이미지이고, 도 4는 백그라운드 이미지 데이터에 의하여 구현되는 예시적인 이미지이고, 도 5는 색차 이미지 데이터에 의하여 구현되는 예시적인 이미지이고, 도 6은 위치 가중 이미지 데이터에 의하여 구현되는 예시적인 이미지이고, 도 7은 무라 이미지 데이터에 의하여 구현되는 예시적인 이미지이다.
도 2를 참조하면, 무라 검출 장치(1000)는 XYZ 좌표계 변환부(110), 백그라운드 이미지 생성부(120), Lab 좌표계 변환부(130), 색차 산출부(140), 위치 가중 연산부(150) 및 무라 데이터 생성부(160)를 포함한다.
XYZ 좌표계 변환부(110)는 촬영 장치(2000)로부터 제공받은 촬영 이미지(PI)를 이용하여, XYZ 색좌표로 변환된 XYZ 이미지 데이터(XID)를 생성한다.
여기서, XYZ 색좌표에서 각각의 X, Y, Z가 의미하는 바는 각각 레드, 그린 및 블루와 비슷한 색깔인 삼자극치를 의미할 수 있다. 이는 사람의 눈을 구성하는 원추세포의 인지 능력을 고려한 값들에 해당한다.
XYZ 좌표계에 따른 값들은 아래와 같은 공식에 의하여 연산이 가능하다.
Figure pat00001
... 수학식 (1)
Figure pat00002
... 수학식 (2)
Figure pat00003
... 수학식 (3)
여기서,
Figure pat00004
,
Figure pat00005
및
Figure pat00006
는 각각 삼색 자극값 X, Y, Z에 대한 각각의 원추세포의 반응함수이며, I(λ)는 스펙트럼 출력 분포 함수를 가리킨다.
예를 들어, 표시 장치(3000)는 N*M 매트릭스 구조의 화소를 포함하는 경우, XYZ 좌표계 변환부(110)는 각 화소에 대응되는 위치별로 X, Y, Z의 삼자극치 값을 산출해낼 수 있으며, 각 화소에 대응되는 위치의 삼자극치 값에 대한 정보를 포함하는 XYZ 이미지 데이터(XID)를 출력할 수 있다. 즉, XYZ 이미지 데이터(XID)는 X, Y, Z로 구성되는 삼자극치 각각에 대한 2차원 데이터를 포함할 수 있다. 예를 들면, XYZ 이미지 데이터(XID)에 의하여 구현되는 이미지는 도 3에 도시된 이미지일 수 있다.
XYZ 좌표계 변환부(110)는 생성한 XYZ 이미지 데이터(XID)를 백그라운드 이미지 생성부(120) 및 Lab 이미지 데이터(LID) 생성부에 제공할 수 있다.
백그라운드 이미지 생성부(120)는 XYZ 좌표계 변환부(110)로부터 제공받은 XYZ 이미지 데이터(XID)를 이용하여, XYZ 이미지 데이터(XID)와의 비교를 위한 백그라운드 이미지 데이터(BID)를 생성한다.
여기서, 백그라운드 이미지 데이터(BID)는 원본 데이터인 XYZ 이미지 데이터(XID)와의 비교를 통하여 XYZ 이미지 데이터(XID)에 포함되어 있는 무라를 더욱 강조하기 위한 이미지에 대한 데이터일 수 있다.
구체적으로, 백그라운드 이미지 데이터(BID)를 생성하기 위하여, 원본 데이터인 XYZ 이미지 데이터(XID)의 전체 이미지 영역에 대하여 이산 코사인 변환(Discrete Cosine Transfrom; DCT)을 수행한다. 이산 코사인 변환은 이미지의 전체를 주파수 형태로 관찰할 수 있도록 변환하는 방법일 수 있다.
이후, 이산 코사인 변환이 수행된 XYZ 이미지 데이터(XID)에 대하여, 고주파 성분의 일부를 제거한다. 다시 말하면, 이산 코사인 변환이 수행된 XYZ 이미지 데이터(XID)의 각 행과 열의 성분 중, 고주파 성분의 특징이 반영된 일부 행 및 일부 열의 데이터를 제거할 수 있다.
이후, 고주파 성분이 제거된 데이터에 대하여 역 이산 코사인 변환(Inverse Discrete Consine Transfrom; IDCT)을 수행하여 백그라운드 이미지 데이터(BID)를 생성한다.
백그라운드 이미지 데이터(BID)는, 원본 데이터인 XYZ 이미지 데이터(XID)와 마찬가지로 X, Y, Z로 구성되는 삼자극치 각각에 대한 2차원 데이터를 포함할 수 있다. 다만, 원본 데이터인 XYZ 이미지 데이터(XID)와 비교하여 매우 좁은 범위에서 발생한 국부적인 무라, 다시 말하면, 매우 작은 무라들에 대한 데이터는 제거된 상태일 수 있으며, 상대적으로 큰 범위에서 발생한 무라에 대한 데이터만 남아있는 상태일 수 있다. 예를 들면, 백그라운드 이미지 데이터(BID)에 의하여 구현되는 이미지는 도 4에 도시된 이미지일 수 있다.
Lab 좌표계 변환부(130)는 XYZ 좌표계 변환부(110) 또는 백그라운드 이미지 생성부(120)를 통하여 XYZ 이미지 데이터(XID)를 제공받고, 백그라운드 이미지 생성부(120)를 통하여 백그라운드 이미지 데이터(BID)를 제공받으며, Lab 이미지 데이터(LID)를 생성하고, Lab 백그라운드 이미지 데이터(LBD)를 생성할 수 있다.
즉, Lab 좌표계 변환부(130)는 촬영 이미지(PI)에 대하여 별도의 보정이 수행되지 않고 XYZ 색좌표에 따른 데이터로 변환된 XYZ 이미지 데이터(XID)를 Lab 색좌표에 따른 데이터로 변환한 Lab 이미지 데이터(LID)를 생성할 수 있다.
또한, Lab 좌표계 변환부(130)는 촬영 이미지(PI)에 대하여 비교를 위한 보정이 수행된 후의 XYZ 색좌표에 따른 데이터인 백그라운드 이미지 데이터(BID)를 Lab 색좌표에 따른 데이터로 변환한 Lab 백그라운드 이미지 데이터(LBD)를 생성할 수 있다.
여기서, Lab 색좌표는 국제조명위원회(CIE)에서 규정한 색상 값으로 인간의 눈이 감지할 수 있는 색차와 색 공간에서 수치로 표현한 색차를 거의 일치시킬 수 있는 색 공간이다. Lab 색좌표는 균일한 색 공간 좌표로서 사람의 눈과 매우 근사한 색 공간을 제공해주기 때문에 현재 세계적으로 표준화 되어있는 색 공간이다. XYZ 색좌표로부터는 아래 공식들에 의하여 변환이 가능하다.
Figure pat00007
... 수학식 (4)
Figure pat00008
... 수학식 (5)
Figure pat00009
... 수학식 (6)
여기서, Xn, Yn 및 Zn은 CIE XYZ를 표준 흰색에 대하여 정규화한 값이다.
Lab 색좌표에서의 각 성분은 L*, a* 및 b*로 표시하게 되며, L*는 명도, a*는 레드와 그린 성분의 포함 정도, b*는 옐로우와 블루 성분의 포함 정도를 나타낸다. Lab 색좌표는 완전한 구의 형태는 아닐 수 있다. 그린 계통은 중심으로부터 거리가 짧고, 레드 계통은 중심으로부터 거리가 그린보다 상대적으로 다. L*는 명도를 나타내는 수치로써, L*=100은 흰색이고, L*=0은 검은색을 나타낸다. a*=80은 a*=50 보다 더 붉게 보이며, b*=50은 b*=20보다 옐로우 성분이 더 포함된 것으로 보인다. Lab 색좌표에서의 색의 차이란 구에 가까운 색 공간에서의 두 색의 위치 간의 입체적인 거리라고 할 수 있다. 입체적으로 거리가 서로 멀면 색 차이가 많이 나는 것이고, 거의 차이가 없으면 동일한 색으로 인지된다.
색차 산출부(140)는 Lab 좌표계 변환부(130)로부터 Lab 이미지 데이터(LID) 및 Lab 백그라운드 이미지 데이터(LBD)를 제공받아 이를 비교하여 색차 이미지 데이터(CID)를 생성한다.
구체적으로, Lab 이미지 데이터(LID)와 Lab 백그라운드 이미지 데이터(LBD)를 이용하여 DE2000 규격에 기초하여 색차를 산출함으로써, Lab 이미지 데이터(LID)와 Lab 백그라운드 이미지 데이터(LBD)의 색차에 대한 정보가 반영된 색차 이미지 데이터(CID)를 생성한다.
DE2000 규격은 Lab 색공간에서 색차를 비교하는 표준 색차식에 해당하며, 이는 아래 공식에 의하여 연산될 수 있다.
Figure pat00010
... 수학식(7)
여기서, ΔE는 이미지상의 해당 좌표에 대한 Lab 이미지 데이터(LID)와 Lab 백그라운드 이미지 데이터(LBD)의 색차에 해당하며, ΔL*는 이미지상의 해당 좌표에 대한 Lab 이미지 데이터(LID)의 L* 성분과 Lab 백그라운드 이미지 데이터(LBD)의 L* 성분의 차이에 해당하고, Δa*은 이미지상의 해당 좌표에 대한 Lab 이미지 데이터(LID)의 a* 성분과 Lab 백그라운드 이미지 데이터(LBD)의 a* 성분의 차이에 해당하며, Δb*는 이미지상의 해당 좌표에 대한 Lab 이미지 데이터(LID)의 b* 성분과 Lab 백그라운드 이미지 데이터(LBD)의 b* 성분의 차이에 해당한다.
나아가, 이미지상의 해당 좌표에 대한 Lab 이미지 데이터(LID)와 Lab 백그라운드 이미지 데이터(LBD)의 색차인 ΔE만을 이용하여 색차 이미지 데이터(CID)를 산출할 수 있다. 색차 이미지 데이터(CID)를 이용하여 구현된 이미지는 표시 장치(3000)에 발생한 무라가 강조된 이미지일 수 있다. 특히, DE2000 규격에 의한 색차 비교는 휘도뿐만 아니라 색의 차이도 동시에 고려되므로, 색차 이미지 데이터(CID)에는 휘도 차이에 의한 무라뿐만 아니라, 색차에 의한 무라도 반영될 수 있다.
나아가, 색차 이미지 데이터(CID)를 산출하는 데 사용된 백그라운드 이미지 데이터(BID)는, 이산 코사인 변환 및 역 이산 코사인 변환에 의하여 고주파 성분이 제거된 이미지에 대한 데이터인 바, 이미지의 넓은 영역에 걸쳐 형성된 무라를 효과적으로 강조할 수 있다. 예를 들면, 색차 이미지 데이터(CID)에 의하여 구현된 이미지는 도 5에 도시된 이미지일 수 있다.
위치 가중 연산부(150)는 색차 산출부(140)로부터 색차 이미지 데이터(CID)를 제공받아, 이를 위치 가중 이미지 데이터(PWD)와 병합하여 무라 이미지 데이터(MID)를 생성한다.
즉, 표시 장치(3000)에 표시된 이미지의 무라가 강조된 색차 이미지 데이터(CID)에 대하여, 사람의 인지 능력과의 정합성을 위한 위치 가중 이미지 데이터(PWD)를 추가로 병합하여 무라 이미지 데이터(MID)를 생성한다.
위치 가중 이미지 데이터(PWD)에 의하여 구현되는 이미지는 중심으로부터 멀어질수록 휘도가 낮아지는, 다시 말하면 어두워지는 이미지일 수 있다. 예를 들면, 위치 가중 이미지 데이터(PWD)에 의하여 구현되는 이미지는 도 6에 도시된 이미지일 수 있다.
사람의 인지 능력은 표시 영역(DA)의 중앙에 형성된 얼룩을 표시 영역(DA)의 가장자리에 형성된 얼룩보다 더욱 잘 판별해낼 수 있다. 따라서, 무라 검출 장치(1000) 또한 표시 영역(DA)의 중심에 형성된 얼룩을 강조하고, 표시 영역(DA)의 가장자리에 형성된 얼룩을 희미하게 하기 위하여 상술한 형태의 위치 가중 이미지 데이터(PWD)와 병합할 수 있다.
여기서, 색차 이미지 데이터(CID)와 위치 가중 이미지를 '병합' 한다는 의미는 색차 이미지 데이터(CID)와 위치 가중 이미지 데이터(PWD)를 컨벌루션(convolution) 한다는 의미일 수 있다.
색차 이미지 데이터(CID)와 위치 가중 이미지 데이터(PWD)를 컨벌루션 하여 형성된 무라 이미지 데이터(MID)에 의하여 구현되는 이미지는, 예를 들면 도 7에 도시된 이미지일 수 있다.
무라 검출 장치(1000)는 위치 가중 연산부(150)로부터 무라 이미지 데이터(MID)를 제공받아, 무라를 검출할 수 있다.
무라 검출 장치(1000)는 무라 이미지 데이터(MID)에 포함된 최대 휘도를 측정할 수 있다.
보다 구체적으로, 무라 검출 장치(1000)는 무라 이미지 데이터(MID)에 의하여 구현되는 이미지에서 가장 휘도가 높은 지점의 휘도를 검출하여 컬러 무라 인덱스(CMI)(Color Mura Index; CMI) 값으로 출력한다. 무라 이미지 데이터(MID)에 의하여 구현되는 이미지에서 휘도가 높다는 의미는, XYZ 이미지 데이터(XID)에 의하여 구현되는 이미지와 백그라운드 이미지 데이터(BID)에 의하여 구현되는 이미지의 휘도 또는 색상의 차이가 크다는 뜻으로, 사용자에게 얼룩으로 시인될 가능성이 높다는 의미일 수 있다. 다시 말하면, 컬러 무라 인덱스(CMI) 값이 높을수록, 표시 장치(3000)에 형성된 얼룩이 사용자에게 시인될 가능성이 높다는 의미일 수 있으며, 동시에 표시 장치(3000)가 무라 결함을 갖는 가능성이 높다는 의미일 수 있다.
도 8은 도 2에 도시된 실시예에 따른 무라 검출 장치를 이용한 무라 검출 방법을 나타낸 순서도이다.
도 8을 참조하면, 촬영 장치(2000)를 이용하여 테스트 이미지(TI)가 표시된 상태의 표시 장치(3000)를 촬영하여, 형성된 촬영 이미지(PI)를 XYZ 좌표계 변환부(110)가 수신한다(S10).
다음으로, XYZ 좌표계 변환부(110)는 촬영 이미지(PI)에 대한 데이터를 XYZ 좌표계에 따른 데이터인 XYZ 이미지 데이터(XID)로 변환한다(S20).
다음으로, 백그라운드 이미지 생성부(120)는 제공받은 XYZ 이미지 데이터(XID)에 대하여 이산 코사인 변환을 수행하고(S31), 일부의 데이터를 제거한 뒤(S32), 다시 역 이산 코사인 변환을 수행하여 백그라운드 이미지 데이터(BID)를 생성한다(S33).
다음으로, Lab 좌표계 변환부(130)는 백그라운드 이미지 생성부(120)로부터 백그라운드 이미지 데이터(BID)를 제공받아, 이를 Lab 좌표계로 변환하여 Lab 백그라운드 이미지 데이터(LBD)를 생성한다(S34).
동시에, Lab 좌표계 변환부(130)는 XYZ 좌표계 변환부(110) 또는 백그라운드 이미지 생성부(120)로부터 제공받은 XYZ 이미지 데이터(XID)를 Lab 좌표계로 변환하여 Lab 이미지 데이터(LID)를 생성한다(S40).
다음으로, 색차 산출부(140)는 Lab 좌표계 변환부(130)로부터 Lab 이미지 데이터(LID) 및 Lab 백그라운드 이미지 데이터(LBD)를 제공받아, DE2000 규격에 따른 색차 계산을 수행하여, 색차 이미지 데이터(CID)를 생성한다(S50).
다음으로, 위치 가중 연산부(150)는 색차 산출부(140)로부터 색차 이미지 데이터(CID)를 제공받아 이를 위치 가중 이미지 데이터(PWD)와 병합하여 무라 이미지 데이터(MID)를 생성한다(S60).
다음으로, 무라 데이터 생성부(160)는 위치 가중 연산부(150)로부터 무라 이미지 데이터(MID)를 제공받아 이를 분석하여 컬러 무라 인덱스(CMI) 값을 산출한다(S70).
도 9는 도 2에 도시된 실시예에 따른 무라 검출 장치에 의하여 산출된 컬러 무라 인덱스 값과 사람의 무라 결함 인식률을 비교한 그래프이다.
도 9의 x축은 무라 검출 장치(1000)에 의하여 산출된 컬러 무라 인덱스(CMI) 값을 의미하며, y축은 해당 컬러 무라 인덱스(CMI) 값에 대한 사람의 무라 결함 인식 비율을 나타낸다.
예를 들면, 컬러 무라 인덱스(CMI) 값이 1로 산출된 표시 장치에 대하여, 0.2의 무라 결함 인식 비율을 갖는다면, 사람은 컬러 무라 인덱스(CMI) 값이 1로 산출된 표시 장치에 대하여는 평균적으로 10대 중 2대에 대하여 무라 결함이 발생하였다고 판별한 실험 결과에 해당한다.
또한, xy 좌표 평면상에 표시된 점들은 해당 컬러 무라 인덱스(CMI) 값을 갖는 표시 장치에 대한 사람의 무라 인식률의 실험값들을 표시한 점들이며, xy 좌표 평면상에 표시된 선 그래프는 상술한 실험값들에 대한 로지스틱 곡선(logistic curve)이다.
도 9를 참조하면, 실제 실험값인 xy 좌표 평면상에 표시된 점들은 로지스틱 곡선에 인접하여 위치함을 확인할 수 있다. 다시 말하면, 무라 검출 장치(1000)에 의하여 산출된 컬러 무라 인덱스(CMI) 값에 대하여 사람 또한 이에 대응되는 비율로 일정하게 무라 결함에 대하여 인식하고 있음을 알 수 있다.
도 10은 다른 실시예에 따른 무라 검출 장치의 블록도이다.
도 10에서는 도 2에서 설명한 내용과 중복되는 구성 및 도면 부호에 대한 설명은 생략하기로 한다.
도 10을 참조하면, 본 실시예에 따른 무라 검출 장치(1000_a)는 XYZ 좌표계 변환부(110), 백그라운드 이미지 생성부(120), Luv 좌표계 변환부(130_a), 색차 산출부(140), 위치 가중 연산부(150) 및 무라 데이터 생성부(160)를 포함한다.
본 실시예에 따른 무라 검출 장치(1000)는 도 2에 도시된 실시예에 따른 무라 검출 장치(1000)와 비교하여, Lab 좌표계 변환부(130) 대신 Luv 좌표계 변환부(130_a)가 포함되고, 색차 산출부(140)에서의 연산 방법이 상이한 차이점을 지닌다.
본 실시예에 따른 무라 검출 장치(1000)의 Luv 좌표계 변환부(130_a)는 XYZ 좌표계 변환부(110) 또는 백그라운드 이미지 생성부(120)를 통하여 XYZ 이미지 데이터(XID)를 제공받고, 백그라운드 이미지 생성부(120)를 통하여 백그라운드 이미지 데이터(BID)를 제공받으며, Luv 이미지 데이터(UID)를 생성하고, Luv 백그라운드 이미지 데이터(UBD)를 생성할 수 있다.
즉, Luv 좌표계 변환부(130_a)는 촬영 이미지(PI) 대하여 별도의 보정이 수행되지 않고 XYZ 색좌표에 따른 데이터로 변환된 XYZ 이미지 데이터(XID)를 Luv 색좌표에 따른 데이터로 변환한 Luv 이미지 데이터(UID)를 생성할 수 있다.
또한, Luv 좌표계 변환부(130_a)는 촬영 이미지(PI)에 대하여 비교를 위한 보정이 수행된 후의 XYZ 색좌표에 따른 데이터인 백그라운드 이미지 데이터(BID)를 Luv 색좌표에 따른 데이터로 변환한 Luv 백그라운드 이미지 데이터(UBD)를 생성할 수 있다.
여기서, Luv 색좌표는 국제조명위원회(CIE)에서 규정한 색상 값으로 CIELUV 라고도 불린다. Luv 색좌표는 XYZ 색좌표에 의한 값으로부터 변환될 수 있으며, 아래와 같은 공식에 의하여 변환이 가능하다.
Figure pat00011
... 수학식 (8)
Figure pat00012
... 수학식 (9)
Figure pat00013
... 수학식 (10)
Figure pat00014
... 수학식 (11)
Figure pat00015
... 수학식 (12)
여기서, X, Y, Z의 값은 각각 XYZ 좌표계에 따른 X, Y, Z의 값에 해당하며, u'n 및 v'n은 각각 (u', v') 색도도(chromaticity diagram)에서 백색점(white point)의 좌표에 해당한다. (u', v') 색도도란 국제조명위원회에서 "CIE 1976 USC(uniform chromaticity scale) diagram"이라는 명칭으로 공표한 표준화된 색 영역에 해당한다.
본 실시예에 따른 색차 산출부(140_a)는 Luv 좌표계 변환부(130_a)로부터 Luv 이미지 데이터(UID) 및 Luv 백그라운드 이미지 데이터(UBD)를 제공받아 이를 비교하여 색차 이미지 데이터(CID)를 생성한다.
구체적으로, Luv 이미지 데이터(UID)와 Luv 백그라운드 이미지 데이터(UBD)를 이용하여 Δu'v' 규격에 기초하여 색차를 산출함으로써, Luv 이미지 데이터(UID)와 Luv 백그라운드 이미지 데이터(UBD)의 색차에 대한 정보가 반영된 색차 이미지 데이터(CID)를 생성한다. 즉, DE2000 규격에 따라 색차를 산출하는 도 2 및 도 8에 도시된 실시예에 따른 색차 산출부(140)와는 달리, 본 실시예에 따른 색차 산출부(140_a)는 Δu'v' 규격에 따라 색차를 산출한다.
Δu'v' 규격은 Luv 색공간에서 색차를 비교하는 표준 색차식에 해당하며, 이는 아래 공식에 의하여 연산될 수 있다.
Figure pat00016
... 수학식 (12)
여기서, ΔE는 이미지상의 해당 좌표에 대한 Luv 이미지 데이터(UID)와 Luv 백그라운드 이미지 데이터(UBD)의 색차에 해당하며, Δu'는 이미지상의 해당 좌표에 대한 Luv 이미지 데이터(UID)의 u' 성분과 Luv 백그라운드 이미지 데이터(UBD)의 u' 성분의 차이에 해당하며, Δv'는 이미지상의 해당 좌표에 대한 Luv 이미지 데이터(UID)의 v' 성분과 Luv 백그라운드 이미지 데이터(UBD)의 v' 성분의 차이에 해당한다.
나아가, 이미지상의 해당 좌표에 대한 Luv 이미지 데이터(UID)와 Luv 백그라운드 이미지 데이터(UBD)의 색차인 ΔE 만을 이요하여 색차 이미지 데이터(CID)를 산출할 수 있다. 색차 이미지 데이터(CID)를 이용하여 구현된 이미지는 표시 장치에 발생한 무라가 강조된 이미지일 수 있다. 특히, Δu'v' 규격에 따른 색차 비교는 휘도의 차이를 배제하고 색 얼룩의 차이를 명확하게 비교할 수 있다는 장점이 있다.
도 11은 도 10에 도시된 무라 검출 장치의 무라 검출 방법에 대한 순서도이다.
도 11을 참조하면, 촬영 장치(2000)를 이용하여 테스트 이미지(TI)가 표시된 상태의 표시 장치(3000)를 촬영하여, 형성된 촬영 이미지(PI)를 XYZ 좌표계 변환부(110)가 수신한다(S10).
다음으로, XYZ 좌표계 변환부(110)는 촬영 이미지(PI)에 대한 데이터를 XYZ 좌표계에 따른 데이터인 XYZ 이미지 데이터(XID)로 변환한다(S20).
다음으로, 백그라운드 이미지 생성부(120)는 제공받은 XYZ 이미지 데이터(XID)에 대하여 이산 코사인 변환을 수행하고(S31), 일부의 데이터를 제거한 뒤(S32), 다시 역 이산 코사인 변환을 수행하여 백그라운드 이미지 데이터(BID)를 생성한다(S33).
다음으로, Luv 좌표계 변환부(130_a)는 백그라운드 이미지 생성부(120)로부터 백그라운드 이미지 데이터(BID)를 제공받아, 이를 Luv 좌표계로 변환하여 Luv 백그라운드 이미지 데이터(UBD)를 생성한다(S34_a).
동시에, Luv 좌표계 변환부(130_a)는 XYZ 좌표계 변환부(110) 또는 백그라운드 이미지 생성부(120)로부터 제공받은 XYZ 이미지 데이터(XID)를 Luv 좌표계로 변환하여 Lab 이미지 데이터(LID)를 생성한다(S40_a).
다음으로, 색차 산출부(140_a)는 Luv 좌표계 변환부(130_a)로부터 Luv 이미지 데이터(UID) 및 Luv 백그라운드 이미지 데이터(UBD)를 제공받아, Δu'v' 규격에 따른 색차 계산을 수행하여, 색차 이미지 데이터(CID)를 생성한다(S50_a).
다음으로, 위치 가중 연산부(150)는 색차 산출부(140)로부터 색차 이미지 데이터(CID)를 제공받아 이를 위치 가중 이미지 데이터(PWD)와 병합하여 무라 이미지 데이터(MID)를 생성한다(S60).
다음으로, 무라 데이터 생성부(160)는 위치 가중 연산부(150)로부터 무라 이미지 데이터(MID)를 제공받아 이를 분석하여 컬러 무라 인덱스(CMI) 값을 산출한다(S70).
도 12는 다른 실시예에 따른 무라 검출 장치의 블록도이다.
도 12에서는 도 2에서 설명한 내용과 중복되는 구성 및 도면 부호에 대한 설명은 생략하기로 한다.
도 12를 참조하면, 본 실시예에 따른 무라 검출 장치(1000_b)는 XYZ 좌표계 변환부(110), 백그라운드 이미지 생성부(120), Lab 좌표계 변환부(130), 색차 산출부(140) 및 무라 데이터 생성부(160_b)를 포함한다.
본 실시예에 따른 무라 검출 장치(1000)는 도 2에 도시된 무라 검출 장치(1000)와 비교하여 위치 가중 연산부(150)가 삭제된 차이점을 지닌다.
이에 따라, 무라 데이터 생성부(160_b)는 색차 산출부(140)로부터 색차 이미지 데이터(CID)를 제공받을 수 있으며, 제공받은 색차 이미지 데이터(CID)의 최대 휘도를 검출하여 컬러 무라 인덱스(CMI) 값을 출력할 수 있다.
도 13은 도 12에 도시된 실시예에 따른 무라 검출 장치의 무라 검출 방법에 대한 순서도이다.
도 13을 참조하면, 촬영 장치(2000)를 이용하여 테스트 이미지(TI)가 표시된 상태의 표시 장치(3000)를 촬영하여, 형성된 촬영 이미지(PI)를 XYZ 좌표계 변환부(110)가 수신한다(S10).
다음으로, XYZ 좌표계 변환부(110)는 촬영 이미지(PI)에 대한 데이터를 XYZ 좌표계에 따른 데이터인 XYZ 이미지 데이터(XID)로 변환한다(S20).
다음으로, 백그라운드 이미지 생성부(120)는 제공받은 XYZ 이미지 데이터(XID)에 대하여 이산 코사인 변환을 수행하고(S31), 일부의 데이터를 제거한 뒤(S32), 다시 역 이산 코사인 변환을 수행하여 백그라운드 이미지 데이터(BID)를 생성한다(S33).
다음으로, Lab 좌표계 변환부(130)는 백그라운드 이미지 생성부(120)로부터 백그라운드 이미지 데이터(BID)를 제공받아, 이를 Lab 좌표계로 변환하여 Lab 백그라운드 이미지 데이터(LBD)를 생성한다(S34).
동시에, Lab 좌표계 변환부(130)는 XYZ 좌표계 변환부(110) 또는 백그라운드 이미지 생성부(120)로부터 제공받은 XYZ 이미지 데이터(XID)를 Lab 좌표계로 변환하여 Lab 이미지 데이터(LID)를 생성한다(S40).
다음으로, 색차 산출부(140)는 Lab 좌표계 변환부(130)로부터 Lab 이미지 데이터(LID) 및 Lab 백그라운드 이미지 데이터(LBD)를 제공받아, DE2000 규격에 따른 색차 계산을 수행하여, 색차 이미지 데이터(CID)를 생성한다(S50).
다음으로, 무라 데이터 생성부(160_b)는 색차 산출부(140)로부터 색차 이미지 데이터(CID)를 제공받아 이를 분석하여 컬러 무라 인덱스(CMI) 값을 산출한다(S70_b).
도 14는 다른 실시예에 따른 무라 검출 장치의 블록도이다.
도 14에서는 도 2, 도 10 및 도 12에서 설명한 내용과 중복되는 구성 및 도면 부호에 대한 설명은 생략하기로 한다.
도 14를 참조하면, 본 실시예에 따른 무라 검출 장치(1000_c)는 XYZ 좌표계 변환부(110), 백그라운드 이미지 생성부(120), Luv 좌표계 변환부(130_a), 색차 산출부(140_a) 및 무라 데이터 생성부(160_b)를 포함한다.
본 실시예에 따른 무라 검출 장치(1000)는 도 2에 도시된 실시예에 따른 무라 검출 장치(1000)와 비교하여, Lab 좌표계 변환부(130) 대신 Luv 좌표계 변환부(130_a)가 포함되고, 색차 산출부(140_a)에서의 연산 방법이 상이하며, 위치 가중 연산부(150)가 삭제된 차이점을 지닌다.
이에 따라, Luv 좌표계 변환부(130_a)는 XYZ 좌표계 변환부(110) 또는 백그라운드 이미지 생성부(120)를 통하여 XYZ 이미지 데이터(XID)를 제공받고, 백그라운드 이미지 생성부(120)를 통하여 백그라운드 이미지 데이터(BID)를 제공받으며, Luv 이미지 데이터(UID)를 생성하고, Luv 백그라운드 이미지 데이터(UBD)를 생성할 수 있다.
나아가, 색차 산출부(140_a)는 Luv 좌표계 변환부(130_a)로부터 Luv 이미지 데이터(UID) 및 Luv 백그라운드 이미지 데이터(UBD)를 제공받아 이를 비교하여 색차 이미지 데이터(CID)를 생성한다. 여기서, 색차 이미지 데이터(CID)는 Δu'v' 규격에 따라 연산되어 산출될 수 있다.
나아가, 무라 데이터 생성부(160_b)는 색차 산출부(140_a)로부터 색차 이미지 데이터(CID)를 제공받을 수 있으며, 제공받은 색차 이미지 데이터(CID)의 최대 휘도를 검출하여 컬러 무라 인덱스(CMI) 값을 출력할 수 있다.
도 15는 도 14에 도시된 실시예에 따른 무라 검출 장치의 무라 검출 방법을 나타낸 순서도이다.
도 15를 참조하면, 촬영 장치(2000)를 이용하여 테스트 이미지(TI)가 표시된 상태의 표시 장치(3000)를 촬영하여, 형성된 촬영 이미지(PI)를 XYZ 좌표계 변환부(110)가 수신한다(S10).
다음으로, XYZ 좌표계 변환부(110)는 촬영 이미지(PI)에 대한 데이터를 XYZ 좌표계에 따른 데이터인 XYZ 이미지 데이터(XID)로 변환한다(S20).
다음으로, 백그라운드 이미지 생성부(120)는 제공받은 XYZ 이미지 데이터(XID)에 대하여 이산 코사인 변환을 수행하고(S31), 일부의 데이터를 제거한 뒤(S32), 다시 역 이산 코사인 변환을 수행하여 백그라운드 이미지 데이터(BID)를 생성한다(S33).
다음으로, Luv 좌표계 변환부(130_a)는 백그라운드 이미지 생성부(120)로부터 백그라운드 이미지 데이터(BID)를 제공받아, 이를 Luv 좌표계로 변환하여 Luv 백그라운드 이미지 데이터(UBD)를 생성한다(S34_a).
동시에, Luv 좌표계 변환부(130_a)는 XYZ 좌표계 변환부(110) 또는 백그라운드 이미지 생성부(120)로부터 제공받은 XYZ 이미지 데이터(XID)를 Luv 좌표계로 변환하여 Lab 이미지 데이터(LID)를 생성한다(S40_a).
다음으로, 색차 산출부(140_a)는 Luv 좌표계 변환부(130_a)로부터 Luv 이미지 데이터(UID) 및 Luv 백그라운드 이미지 데이터(UBD)를 제공받아, Δu’v’ 규격에 따른 색차 계산을 수행하여, 색차 이미지 데이터(CID)를 생성한다(S50_a).
다음으로, 무라 데이터 생성부(160_b)는 색차 산출부(140_a)로부터 색차 이미지 데이터(CID)를 제공받아 이를 분석하여 컬러 무라 인덱스(CMI) 값을 산출한다(S70_b).
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
이상 첨부된 도면을 참조하여 본 발명의 실시예들을 설명하였지만, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명의 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다.
1000: 무라 검출 장치
2000: 촬영 장치
3000: 표시 장치
110: XYZ 좌표계 변환부
120: 백그라운드 이미지 생성부
130: Lab 좌표계 변환부
140: 색차 산출부
150: 위치 가중 연산부
160: 무라 데이터 생성부

Claims (20)

  1. 표시 장치에 대한 촬영 이미지를 제공받아 XYZ 색좌표에 따른 XYZ 이미지 데이터로 변환하는 XYZ 좌표계 변환부;
    상기 XYZ 이미지 데이터의 일부 데이터가 제거된 백그라운드 이미지 데이터를 생성하는 백그라운드 이미지 생성부;
    상기 촬영 이미지 및 상기 백그라운드 이미지 데이터를 비교한 색차 이미지 데이터를 생성하는 색차 산출부;
    상기 색차 이미지 데이터를 이용하여 컬러 무라 인덱스 값을 산출하는 무라 데이터 생성부를 포함하는 무라 검출 장치.
  2. 제1 항에 있어서,
    상기 XYZ 이미지 데이터를 Lab 색좌표에 따른 Lab 이미지 데이터로 변환하는 Lab 좌표계 변환부를 더 포함하는 무라 검출 장치.
  3. 제2 항에 있어서,
    상기 Lab 좌표계 변환부는 상기 백그라운드 이미지 데이터를 상기 Lab 색좌표에 따른 Lab 백그라운드 이미지 데이터로 변환하는 무라 검출 장치.
  4. 제3 항에 있어서,
    상기 색차 산출부는 상기 Lab 이미지 데이터 및 상기 Lab 백그라운드 이미지 데이터에 대하여 DE2000 규격에 따른 색차 계산을 수행하여 상기 색차 이미지 데이터를 생성하는 무라 검출 장치.
  5. 제1 항에 있어서,
    상기 백그라운드 이미지 생성부는 상기 XYZ 이미지 데이터를 제공받아 이산 코사인 변환(Discrete Cosine Transform; DCT)을 수행하고, 고주파 성분에 대한 일부 데이터를 제거하고, 역 이산 코사인 변환(Inverse Discrete Cosine Transform; IDCT)을 수행하여 상기 백그라운드 이미지 데이터를 생성하는 무라 검출 장치.
  6. 제1 항에 있어서,
    상기 색차 이미지 데이터와 위치 가중 이미지 데이터를 병합하는 위치 가중 연산부를 더 포함하는 무라 검출 장치.
  7. 제6 항에 있어서,
    상기 색차 이미지 데이터와 상기 위치 가중 이미지 데이터는 컨벌루션(convolution) 연산에 의하여 병합되는 무라 검출 장치.
  8. 제6 항에 있어서,
    상기 위치 가중 이미지 데이터에 의하여 구현되는 이미지는 중심으로부터 가장자리를 향할수록 휘도가 낮아지는 무라 검출 장치.
  9. 제1 항에 있어서,
    상기 컬러 무라 인덱스 값은 상기 색차 이미지 데이터의 최대 휘도값에 대응되는 무라 검출 장치.
  10. 제1 항에 있어서,
    상기 XYZ 이미지 데이터를 Luv 색좌표에 따른 Luv 이미지 데이터로 변환하는 Luv 좌표계 변환부를 더 포함하는 무라 검출 장치.
  11. 제10 항에 있어서,
    상기 Luv 좌표계 변환부는 상기 백그라운드 이미지 데이터를 상기 Luv 색좌표에 따른 Luv 백그라운드 이미지 데이터로 변환하는 무라 검출 장치.
  12. 제11 항에 있어서,
    상기 색차 산출부는 상기 Luv 이미지 데이터 및 상기 Luv 백그라운드 이미지 데이터에 대하여 Δu'v' 규격에 따른 색차 계산을 수행하여 상기 색차 이미지 데이터를 생성하는 무라 검출 장치.
  13. 촬영 이미지를 수신하는 단계;
    상기 촬영 이미지를 XYZ 색좌표에 따른 XYZ 이미지 데이터로 변환하는 단계;
    상기 XYZ 이미지 데이터의 일부를 제거하여 백그라운드 이미지 데이터를 생성하는 단계;
    상기 XYZ 이미지 데이터 및 상기 백그라운드 이미지 데이터를 비교한 색차 이미지 데이터를 생성하는 단계;
    상기 색차 이미지 데이터를 이용하여 컬러 무라 인덱스 값을 산출하는 단계를 포함하는 무라 검출 방법.
  14. 제13 항에 있어서,
    상기 백그라운드 이미지 데이터를 생성하는 단계 이후,
    상기 XYZ 이미지 데이터를 Lab 색좌표에 따른 Lab 이미지 데이터로 변환하는 단계; 및
    상기 백그라운드 이미지 데이터를 상기 Lab 색좌표에 따른 Lab 백그라운드 이미지 데이터로 변환하는 단계를 더 포함하는 무라 검출 방법.
  15. 제14 항에 있어서,
    상기 색차 이미지 데이터를 생성하는 단계는 상기 Lab 이미지 데이터 및 상기 Lab 백그라운드 이미지 데이터에 대하여 DE2000 규격에 따른 색차 계산을 수행하는 무라 검출 방법.
  16. 제13 항에 있어서,
    상기 백그라운드 이미지 데이터를 생성하는 단계는,
    상기 XYZ 이미지 데이터에 대하여 이산 코사인 변환을 수행하는 단계;
    고주파 성분에 대한 일부 데이터를 제거하는 단계;
    역 이산 코사인 변환을 수행하여 백그라운드 이미지 데이터를 생성하는 단계를 포함하는 무라 검출 방법.
  17. 제13 항에 있어서,
    상기 색차 이미지 데이터를 생성하는 단계 이후,
    상기 색차 이미지 데이터와 위치 가중 이미지 데이터를 컨벌루션 연산하는 단계를 더 포함하는 무라 검출 방법.
  18. 제13 항에 있어서,
    상기 컬러 무라 인덱스 값은 상기 색차 이미지 데이터의 최대 휘도값에 대응되는 무라 검출 방법.
  19. 제13 항에 있어서,
    상기 백그라운드 이미지 데이터를 생성하는 단계 이후,
    상기 XYZ 이미지 데이터를 Luv 색좌표에 따른 Luv 이미지 데이터로 변환하는 단계; 및
    상기 백그라운드 이미지 데이터를 상기 Luv 색좌표에 따른 Luv 백그라운드 이미지 데이터로 변환하는 단계를 더 포함하는 무라 검출 방법.
  20. 제19 항에 있어서,
    상기 색차 이미지 데이터를 생성하는 단계는
    상기 Luv 이미지 데이터 및 상기 Luv 백그라운드 이미지 데이터에 대하여 Δu'v' 규격에 따른 색차 계산을 수행하는 무라 검출 방법.
KR1020170097294A 2017-07-31 2017-07-31 무라 검출 장치 및 무라 검출 장치의 검출 방법 KR102334575B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020170097294A KR102334575B1 (ko) 2017-07-31 2017-07-31 무라 검출 장치 및 무라 검출 장치의 검출 방법
US15/955,324 US10733763B2 (en) 2017-07-31 2018-04-17 Mura detection device and method of detecting mura using the same

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170097294A KR102334575B1 (ko) 2017-07-31 2017-07-31 무라 검출 장치 및 무라 검출 장치의 검출 방법

Publications (2)

Publication Number Publication Date
KR20190014275A true KR20190014275A (ko) 2019-02-12
KR102334575B1 KR102334575B1 (ko) 2021-12-03

Family

ID=65038743

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170097294A KR102334575B1 (ko) 2017-07-31 2017-07-31 무라 검출 장치 및 무라 검출 장치의 검출 방법

Country Status (2)

Country Link
US (1) US10733763B2 (ko)
KR (1) KR102334575B1 (ko)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109583287B (zh) * 2017-09-29 2024-04-12 浙江莲荷科技有限公司 实物识别方法及验证方法
CN108268619B (zh) 2018-01-08 2020-06-30 阿里巴巴集团控股有限公司 内容推荐方法及装置
CN108446817B (zh) 2018-02-01 2020-10-02 阿里巴巴集团控股有限公司 确定业务对应的决策策略的方法、装置和电子设备
US10867382B2 (en) * 2018-05-24 2020-12-15 Keysight Technologies, Inc. Detecting mura defects in master panel of flat panel displays during fabrication
CN110569856B (zh) 2018-08-24 2020-07-21 阿里巴巴集团控股有限公司 样本标注方法及装置、损伤类别的识别方法及装置
CN110570316A (zh) 2018-08-31 2019-12-13 阿里巴巴集团控股有限公司 训练损伤识别模型的方法及装置
CN110569696A (zh) 2018-08-31 2019-12-13 阿里巴巴集团控股有限公司 用于车辆部件识别的神经网络***、方法和装置
CN110569864A (zh) 2018-09-04 2019-12-13 阿里巴巴集团控股有限公司 基于gan网络的车损图像生成方法和装置
TWI759669B (zh) * 2019-12-23 2022-04-01 中強光電股份有限公司 顯示畫面檢測方法與顯示畫面檢測系統
KR20210107955A (ko) * 2020-02-24 2021-09-02 삼성전자주식회사 컬러 스테인 분석 방법 및 상기 방법을 이용하는 전자 장치
CN111598888A (zh) * 2020-05-26 2020-08-28 苏州精濑光电有限公司 显示屏mura缺陷检测方法、装置、检测设备及存储介质
KR102408001B1 (ko) * 2020-07-28 2022-06-14 엘지전자 주식회사 유기 발광 다이오드 디스플레이 장치 및 그의 동작 방법
CN112331140B (zh) * 2020-11-02 2021-11-16 苏州佳智彩光电科技有限公司 一种显示屏幕色偏Mura修复方法及装置
CN114299070B (zh) * 2022-03-09 2022-05-31 深圳精智达技术股份有限公司 一种显示屏mura缺陷的检测方法及相关装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004294202A (ja) * 2003-03-26 2004-10-21 Seiko Epson Corp 画面の欠陥検出方法及び装置
JP2005061856A (ja) * 2003-08-14 2005-03-10 Nidec Tosok Corp 色むら検査装置
KR20110100145A (ko) * 2010-03-03 2011-09-09 소니 주식회사 색 얼룩 검사 장치 및 방법

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100815530B1 (ko) * 2007-07-20 2008-04-15 (주)올라웍스 유해성 컨텐츠 필터링 방법 및 시스템
KR101980755B1 (ko) 2012-11-27 2019-05-21 엘지디스플레이 주식회사 표시패널의 색감차 얼룩 자동 검사 장치 및 방법
KR102209953B1 (ko) 2014-09-11 2021-02-02 엘지디스플레이 주식회사 무라 검출 장치

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004294202A (ja) * 2003-03-26 2004-10-21 Seiko Epson Corp 画面の欠陥検出方法及び装置
JP2005061856A (ja) * 2003-08-14 2005-03-10 Nidec Tosok Corp 色むら検査装置
KR20110100145A (ko) * 2010-03-03 2011-09-09 소니 주식회사 색 얼룩 검사 장치 및 방법

Also Published As

Publication number Publication date
KR102334575B1 (ko) 2021-12-03
US20190035112A1 (en) 2019-01-31
US10733763B2 (en) 2020-08-04

Similar Documents

Publication Publication Date Title
KR20190014275A (ko) 무라 검출 장치 및 무라 검출 장치의 검출 방법
JP5883949B2 (ja) 画像取込デバイス処理のためのスペクトル合成
US8090197B2 (en) Image data analysis apparatus, image data analysis method, and program
US20100208104A1 (en) Image processing apparatus, imaging apparatus, image processing method, and program
US7599553B2 (en) Image processing apparatus and method that perform color matching using detected uniformity
CN109283439B (zh) 一种基于三基色色度信息和机器学习的放电状态识别方法
US20200082517A1 (en) Image processing apparatus, imaging system and image processing method
US9007495B1 (en) Image processing
JP2010139324A (ja) 色ムラ測定方法、および色ムラ測定装置
WO2009039209A1 (en) Wide luminance range colorimetrically accurate profile generation method
EP2672719A2 (en) Color calibration of a image capture device in a way that is adaptive to the scene to be captured
KR101160956B1 (ko) 퍼플 프린징 보정 방법 및 시스템
JP5163940B2 (ja) 画質検査装置および画質検査方法
JP4354173B2 (ja) 電子回路用部品の外観検査装置
CN107340296A (zh) 变化程度导出设备、变化程度导出***和已知颜色体
JP2012185030A (ja) 色ムラ判別装置、色ムラ判別方法及び表示装置
Bae Image-quality metric system for color filter array evaluation
Guo et al. Color difference matrix index for tone-mapped images quality assessment
JP2010145097A (ja) 色ムラ検査方法、および検査用画像データ生成装置
JP6813749B1 (ja) 対象物の色を数値化する方法、信号処理装置、および撮像システム
JP7106318B2 (ja) 画像処理装置、画像処理方法及びプログラム
JP6080556B2 (ja) 検査画像生成装置、検査画像生成方法および検査画像生成プログラム
Reddy et al. Video quality assessment metrics for infrared video frames using different edge detection algorithms
CN117710344A (zh) 一种印品色相稳定性检测方法、装置及电子设备
KR19980079137A (ko) 칼라 화상으로부터 조명의 칼라를 결정하는 방법

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant