提高LED显示屏视觉效果的关键措施—光强均衡.

提高提高 LED 显示屏视觉效果的关键措施显示屏视觉效果的关键措施 光强均衡光强均衡 2004 2 24 摘要 针对 显示屏光强不均的固疾 提出了一种解决方案 并给出可使象素间光强均衡的三种数字 数据处理方法 采用这些方法可大大改善 LED 显示屏的视觉效果 关键词 显示屏 光强均衡 数字数据处理 中图分类号 TN873 文献标识码 B 1 引言 近年来 随着 LED 在技术上的进步与突破 特别是兰管和纯绿管的诞生并日渐成熟 LED 显示屏已逐步成 为大屏幕显示领域中的主流 但由于 LED 特性本身存在一些不足 使得 LED 显示屏的光强不均问题至今尚 未找到即有效 又经济的解决方案 成为业内最棘手的难题 2 形成原因 在 LED 制造的不同阶段会对 LED 不同参数的均匀性产生不同的影响 在外延生长阶段 由于材料的厚度 组成成分和掺杂均匀性等方面的差异 将对 LED 的法向光强 IV 正向压降 VF 和波长 等参数的均匀性 产生影响 在芯片制作阶段 由于退火和蒸发材料时不均匀等工艺原因 造成不同区域芯片之间正向压降 VF 的差异 在器件封装阶段 由于芯片与碗之间的相对位置的差异 严重影响了 LED 的光强分布和法向 光强 IV 的一致性 通常 同一批生产的产品光强最大值与最小值之比 RL 可达 3 倍以上 通过自动检测 自动分档 日本日亚公司的同一档 LED 最好也只能达到 RL 1 414 因此造成了 LED 显示屏的亮度不均 3 解决方法 亮度不均衡主要指象素间的光强不均和模块间的亮度不均 模块间的亮度不均 可通过严格控制生产工艺 流程 规范工程安装调试的程序 提高整屏平整度 并通过电路设计使模块红 绿 兰的亮度能够独立调 整等措施 得到基本解决 目前 为消除象素间光强不均的主要措施有 对 LED 的光强和波长进行分档 提高象素封装工艺水平 均衡 LED 中的电流等 都不能得到本质上的改善 本文提出了通过改变每一个象 素每一种基色的 LED 中的平均电流 从而调整每一个象素每一种基色的光强 并给出了三种数字数据处理 方法 可使象素间的光强均衡提高到一个新的水平 从而大大改善 LED 显示屏的视觉效果 这三种方法是 A 最小归元法 B 邻域平滑法 C 均值法 3 1 光强均衡处理工作流程图 LED 显示屏光强均衡处理工作流程如图 1 首先通过自动检测系统检测出每一个象素的 R G B 光强 并存 入计算机进行分析处理 得到灰度校正矩阵 从播放计算机来的实时图像矩阵经过灰度校正矩阵的校正后 得到一个新的象素灰度矩阵信号并送往屏幕显示 图 1 光强均衡处理工作流程图 3 2 数字数据处理 在图象学上我们可以把象素间的光强不均看成是一种不随机变化的静态噪声 因此我们可应用图象处理学 中图象平滑化技术的一些概念和方法 来进行象素间的光强均衡 3 2 1 最小归元法 假定有一块 M 行 N 列的显示屏 通过光强自动检测系统 得到象素光强矩阵 f i j i 1 2 M j 1 2 N 并假定 最大值 MAX f i j 160mcd 最小值 MIN f i j 80mcd 平均值 A 116mcd 最小归元法就是简单地将全屏全部象素的亮度全都等于最小亮度值 即 f i j MIN f i j 80 mcd i 1 M j 1 N 采用这种方式最大的优点就是亮度均衡度好 但缺点是亮度损失大 从平均光 强 116mcd 下降到 80mcd 下降了 31 让我们来进一步剖析最小归元法 假定整屏的左下角的某一象素亮度很低 为了实现亮度的绝对均衡 该 法将全屏所有的象素的亮度均降到该最低值 包括远离该象素的右上角 右下角 左上角等等区域 其实 这种处理方法是完全没有必要的 我们只须将该象素周围的象素亮度作适当的处理 使该象素的亮度与整 屏的亮度之间能平滑过渡 这样 既可以做到亮度均衡又可减少亮度损失 由此 我们提出了另一个亮度 均衡处理法 邻域平滑法 3 2 2 邻域平滑法 为了直观地理解 邻域平滑法 让我们从空域展开探讨 给定一幅未作校正的 M N 等灰级图象 它的象素光强矩阵为 f i j 用邻域平滑法产生新的亮度函数 g i j g i j 中任意一个点的灰度值是在该点的邻域中若干象素亮度的加权平均值 推荐以下几组加权 掩摸 根据 LED 灰度控制原理 f i j 的值只能下降 不能提升 因此 经过掩模卷积后 g i j 应为 当 H1f i j f i j 当 H1f i j f i j 假定有一幅红色灰度级为 R 的亮度矩阵 f i j 当 i P j Q i j 3 时 我们用 H2 对 f i j i j 2 i P j Q 进行卷积平滑 根据 式 3 3 2 1 我们得到 当 H2f i j f i j 时 当 H2f i j f i j 时 由此可算出平滑前 后的亮度平均值以及相邻区域最大亮度差绝对值和相对值 见表一 邻域平滑法与 最小归元法相比 虽然仍存在相邻的亮度差 但亮度衰减却从 31 下降到 8 6 如果对经过一次邻域平滑处理后的画面仍不满意 我们还可再用邻域平滑法进行二次 三次甚至更多次的 处理 采用邻域平滑法进行无穷次平滑处理后 其极限就是最小归元法 3 3 3 均值法 为了能够进一步减小相邻区域的亮度差 我们提出了 均值法 其工作流程图如图 2 所示 图 2 均值法工作流程图 第一步 算出图像 f i j i 1 M j 1 N 的光强平均值 第二步 削去亮度尖峰 命令所有大于平均值 LA 的象素都有等于 LA 即 当 f i j LA 当 f i j LA 第三步 用邻域平滑法 再对 g i j 图像进行平滑处理 即等效于对暗电平与平均电平之间进行平滑过 渡 下面我们仍以前一组数据为例进行分析比较 再用 邻域平滑法 对 g i j 进行平滑处理 掩模为 H2 采用 均值法 平滑处理后 亮度平均值下降了 11 2 相邻区域最大亮度差相 对值下降到 23 8 4 结束语 我们提出的三种数字数据处理方法各有优劣 其中 最小归元法 亮度均衡度最好 但亮度衰减最大 邻域平滑法 亮度衰减最小 但亮度均衡度稍差 而 均值法 亮度衰减与亮度均衡度都有介于前两种 方法之间 因此相对而言 均值法 是一种比较理想的方法 表一给出了三种数字数据处理方法的性能比 较 表一 原图像 最小归元法 邻域平滑法 均值法 亮度平均值 116 80 10