最小可觉差(JND):显示器最小可觉差的测量

日期:  
2019年 12月 2日
作者: 
Anne Corning  | 
主题: 

许多数据可用于对电子显示器进行表征,包括分辨率、每英寸像素数、刷新率、亮度(尼特)、像素间距、动态范围、对比度等。所有这些信息旨在帮助传达显示器的质量。但最终,人类用户的视觉体验将定义显示器的性能,并在很大程度上决定其在市场上的成功与否。那么,显示器设计人员和制造商如何能够根据人类观看者的标准评估他们产品的质量?

制造商们一直采用的一种方法是雇用人工质量检查员。然而,要跟上市场需求以及大规模生产的速度和数量要求,就必须实施自动化检测解决方案。量化人类视觉感知的辨别力(即最终的质量标准)一直是一项挑战,直到美国航空航天局(NASA)开发了一种基于空间标准观察者 (SSO)的方法来测量最小可觉差(JND)。1

最小可觉差(JND)概念的由来

“最小可觉差”概念是由19世纪的心理学家Ernst Weber首次提出的,他将其定义为“必须改变的最小刺激强度量以产生可觉察的感官体验变化。”2 Weber定律(亦称为 Weber-Fechner定律)认为,最小可觉刺激变化(由人类观察或感知的东西,比如显示屏的亮度)与初始刺激的比率是恒定的。

该定律通常适用于我们所有的感官,包括视觉、触觉、味觉、气味和听觉,同时也适用于多种类型的刺激,包括亮度、甜度、体重和压力。唯一的例外往往是在极端刺激情况下(举例来说,对于处于极高或极低亮度状态的显示器,辨别阈值并非总是具有恒定的比率)。

空间标准观察者(SSO)与JND

标准观察者”是科学和工业领域长久以来一直用于量化色度的一种结构。研究人员从多个测试对象中收集了数据,以定义“普通”人类视觉感知。举例来说,MacAdam椭圆表示色度图上的区域,在这些区域中,对于观察者而言,每个椭圆内部的颜色与中心的颜色是无法区分的。因此,每个椭圆的轮廓代表(统计学上的)普通人类观察者的最小可觉色度差异的阈值。这意味着任何指定的人员可能会或可能不会觉察到差异,这取决于他们在灵敏度光谱上的位置,但在通常情况下,一组观察者中至少有50%的人将会察觉到差异。“最小可辨差异”(JPD)是指在最有利的观看条件下可辨别的最小差异。

绘制在CIE 1931 xy色度图上的MacAdam椭圆,以实际尺寸的十倍比例显示。每个椭圆表示一个区域,在这些区域中,对于普通人眼而言,所有颜色与椭圆中心的颜色是无法区分的。(图片: CC BY-SA 3.0

NASA的“空间标准观察者”模型在该组合中添加了空间元素,从而创建了一种工具来测量元素的可见性或两个元素的“视觉可识别性”。跟彩色JND的开发一样,SSO的开发是通过收集大量的人类测试数据来提供经过标定的人类视觉模型。

SSO“计算单个图像的感知强度或两个图像之间的可见差异的数值测量值。可见性测量值以最小可觉差(JND)为单位提供,它是感知强度的标准测量单位。”2

开发此方法时考虑到了许多潜在应用,“最值得注意的是在制造过程中对显示器进行检测。”2该方法也适用于“评估无人驾驶飞行器(UAV)的视觉;预测从其他飞行器的角度观察无人驾驶飞行器的可见性;从控制塔估计飞机在跑道上的可见性;从远处测量飞机和航天飞机上损坏的可见性;评估文字、图标或其他符号的可读性;相机或显示器设备的分辨率规格……估计压缩数字视频图像的质量;以及预测激光眼科矫正手术的结果。”3

许多行业依靠JND表征来确保显示器在关键环境下的性能。举例来说,灰度标定对于用于查看放射线图像的医用显示器至关重要。我们还可以应用JND表征对用于在操作过程中向飞行员/驾驶员显示重要信息的航空航天和车载显示器进行检测。这些行业的监管标准将JND视为可用于评估显示器性能的一个因素。智能手机、智能电视等消费类显示器也可根据JND标准进行测量。

将JND算法应用于显示器质量检测

我们可对JND标尺进行定义,以确保数值为1的JND差异是可觉察的。在绝对标尺下,数值为0的JND表示无可见的空间对比度,绝对值为1的JND表示首个可觉察的空间对比度。对于显示器技术而言,此标尺将使制造商能够根据严重程度对缺陷进行评级。JND模型中包含的因素包括空间频率(空间对比度的变化速度有多快)、方向(空间对比度相对于人眼定义的观看平面的角度方向)以及观察者与被观看的显示器之间的距离。

SSO可在一个数字图像或一对数字图像上运行,这意味着它可与数字成像系统搭配使用,比如Radiant的 ProMetric® 系列由计算机控制的成像亮度计或色度计。成像系统采集有关显示器图像亮度和色度的空间分布数据,然后对这些数据进行分析以创建图像的JND映射图。

Radiant 已取得NASA算法许可,并将其进行了调整以用于Radiant Vision Systems的图像分析软件中,以允许将其应用于显示器数据分析。通常,我们可以使用亮度测量或色度测量图像,并与人类对亮度和色度的视觉感知直接相关联,以对显示器图像进行评级。通过利用JND分析,我们可以识别出显示器的Mura(瑕疵和不均匀性)等缺陷,并根据严重程度对这些缺陷进行评级。

将JND算法应用于显示器自动化测试

通过利用JND分析来评估显示器的均匀性,我们可识别显示器表面上普通人在至少一半时间里可觉察的变化。Radiant的TrueTest™ 软件TrueMURA™模块包含JND分析功能,可用于评估发光显示器中被视为人类观察者不可接受的不均匀性区域。

对代表普通人类观察者在至少一半时间里“最小可觉差(JND)”的缺陷进行识别和评级。

JND分析功能可对所采集的图像进行处理,以生成图像的JND映射图。该算法还输出三个JND指标,可用于对显示器的视觉质量进行评级。这对于生产线应用具有即时价值;举例来说,在LCD制造设施内和显示器最终装配线上。

显示器制造商可以使用人类可觉察值来为某些类型的Mura缺陷(如果存在)设置通过/未通过参数。显示器中心的不均匀区域可能会比显示器边缘或角落的缺陷更容易分散用户的注意力,因此制造商可以针对显示器中心出现的Mura斑点设置90-100%均匀性公差范围的内部质量标准,而针对显示器边缘上的Mura缺陷,80%的均匀性公差范围可能就足够了。

ProMetric成像色度计和TrueTest软件搭配使用采集的屏幕图像(上图)的原始最小可觉差(JND)分析。当JND值较高时,图像较明亮;当JND值较低时,图像则较暗,这显示屏幕中心存在Mura缺陷,并且屏幕边缘存在漏光和暗点伪影。JND映射图的伪彩色示意图(下图)显示了JND值大于1的区域,这是“最小可觉差”阈值。右下角的点具有最大的JND计算值,并且大部分显示器上的斑驳区域都呈现0.7以下的JND值。

使用这种类型的系统执行的显示缺陷检测表明,JND分析是一种获取有关显示图像质量的额外信息的有效方法,可以扩展至其他分析技术。该分析系统可应用于任何类型的显示器,包括LCD、LED和OLED显示器。跟发光显示器一样,JND测量可应用于非发光表面,以对因刮痕、凹痕、污迹、碎屑以及其他缺陷引起的表面“均匀性”问题进行检测和评级。

如需了解更多有关最小可觉差及其在显示器测量和检测领域应用方面的信息,请阅读我们的白皮书:“与人类视觉感知相关联的显示器缺陷和Mura的测量方法”。将人类对缺陷的感知与可以使用成像色度计收集的信息准确关联起来,为这类缺陷的客观且可重复的检测和量化提供了机会。

在该白皮书中,您将了解到有关最小可觉差表征以及如何在显示器自动化测试中实施最小可觉差算法以根据人类视觉体验对Mura以及其他缺陷进行检测和评级的信息。


引用文献

  1. Spatial Standard Observer,美国专利号:7,783,130 B2,2012年3月20日。
  2. Spatial Standard Observer (SSO),《技术解决方案》(Technology Solution),NASA 2015。
  3. The Spatial Standard Observer”,《信息技术简报》(Information Technology Tech Briefs),2006年9月1日。