本发明公开了一种点阵光源发光均匀性测试方法，涉及显示、照明和图像处理技术领域，本发明把发光均匀性分为亮度均匀性和分布均匀性，分别用亮度均匀性、分布均匀性和二者之和来评价点阵光源的发光均匀性，并且在测试过程中对图像几何畸变进行校正，分析点阵结构，把非发光区域排除出评价范围，相对于现有的测试方法更全面、客观和准确，并且有效、直观、简便。
1.一种点阵光源发光均匀性测试方法，其特征在于包括以下步骤：（a）获取点阵光源发光过程的图像；
（f）计算点阵分布结构、阵列点形状类别及其特征参数，获得阵列图像；
（g）计算单个阵列点图像所包含的像素数量作为阵列点面积，计算每个阵列点图像所包含亮斑像素的数量作为阵列点的亮斑总面积，若某阵列点的亮斑总面积与阵列点面积的比值大于设定值，则判定该阵列点为有效光斑；
（h）计算所述有效光斑的灰度均匀性和分布均匀性，以灰度均匀性、分布均匀性以及灰度均匀性、分布均匀性之和来评价发光均匀性，所述灰度均匀性的计算公式为：
其中，γ1, γ2, ……, γn是第一个、第二个、……、第n个所述有效光斑的灰度平均值，γ0是所有所述有效光斑的灰度平均值，sγ是灰度标准偏差，γ是衡量灰度均匀性的数值；
其中，β1, β2, ……, βn是将测试图像均匀地分为n个区域后，第一个、第二个、……、第n个区域的光斑数，β0是各个区域光斑数的平均值，sβ是光斑数标准偏差，β是衡量分布均匀性的数值；
计算β与γ之和，β与γ之和越大，说明光源的均匀性越好；
2.根据权利要求1所述的测试方法，其特征在于步骤f具体包括：根据阵列点的实际形状和特征参数初步设置测试图像中阵列点的形状类别及其特征参数，勾勒出单个阵列点的局部图像，再微调阵列点特征参数，按互相关值应取得最大值的原则搜索最优的特征参数，最终确定单个阵列点的形状，所述互相关值的计算公式为：
其中，r为互相关值，P为局部图像所有子像素点的集合，I为测试图像中与P坐标位置对应的所有子像素点的集合，Iijk为I中图像坐标为（i, j, k）的子像素点的灰度值，Ia为Iijk的平均值，Pijk为P中图像坐标为（i, j, k）的子像素点的灰度值，Pa为Pijk的平均值；
在测试图像中选定一个阵列点作为起始阵列点，以起始阵列点中心坐标为原点，根据各阵列点的相对位置和距离计算出点阵参数，得出每一个阵列点的坐标；
以各个阵列点坐标为中心位置按单个阵列点的形状进行膨胀运算，获得阵列图像。
3.根据权利要求1或2所述的测试方法，其特征在于步骤e具体包括：设定图像灰度波动容许值；
若某像素与邻近8个像素的灰度差小于波动容许值，该像素的灰度值由邻近8个像素中的灰度最大值决定；
若有两个所述亮斑的边界之间存在至少一条灰度变化小于波动容许值的八连通路径，则将两个亮斑合并为一个亮斑，连通路径上的所有像素也隶属于该亮斑。
4.根据权利要求1或2所述的测试方法，其特征在于步骤b和c 之间还设有如下步骤：对所述待测试区域的图像进行几何畸形校正。
5.根据权利要求3所述的测试方法，其特征在于步骤b和c 之间还设有如下步骤：对所述待测试区域的图像进行几何畸形校正。
6.根据权利要求1或2所述的测试方法，其特征在于步骤g和h之间还设有如下步骤：将有效光斑、背景和非统计区域的图像分别用不同颜色以合成图像显示，对点阵选择、图像分割和光斑选取结果进一步优化调整。
7.根据权利要求3所述的测试方法，其特征在于步骤g和h之间还设有如下步骤：将有效光斑、背景和非统计区域的图像分别用不同颜色以合成图像显示，对点阵选择、图像分割和光斑选取结果进一步优化调整。
8.根据权利要求4所述的测试方法，其特征在于步骤g和h之间还设有如下步骤：将有效光斑、背景和非统计区域的图像分别用不同颜色以合成图像显示，对点阵选择、图像分割和光斑选取结果进一步优化调整。
9.根据权利要求5所述的测试方法，其特征在于步骤g和h之间还设有如下步骤：将有效光斑、背景和非统计区域的图像分别用不同颜色以合成图像显示，对点阵选择、图像分割和光斑选取结果进一步优化调整。
一种点阵光源发光均匀性测试方法
技术领域
[0001] 本发明涉及显示、照明光源及计算机图像处理领域，尤其是涉及点阵光源的测试方法。
背景技术
[0002] 点阵光源是指按行和列有序排列的多个主动发光点的集合，光源的器件类型包括LCD、LED、FED和PDP等。随着信息技术的快速发展，点阵光源已经被广泛应用于各类多媒体设备的终端。它可以用作照明光源和背光源，也可以用于显示字符、图形以及视频等各类信息的屏幕。点阵光源的亮度均匀性是影响其照明或显示性能的重要因素，因此非常有必要对光源的亮度均匀性提出有效的测试方法，为相关器件的生产和研发提供指导。
[0003] 目前采用测试方法主要采用亮度仪对点阵光源随机抽取若干采样点测试其亮度值，然后通过一定的算法获得最终评估结果，这种方法具有片面性，而且每次测量只能获得一个采样点的数据，获得测试结果需要多次调节测试仪器，耗时较多。有报导通过传感器来获取点阵像素的亮度信息，结合图像处理技术和统计学原理，将像素的灰度直方图拟合为正态分布曲线，利用标准差来评价亮度均匀性。还有报导提出将传感器获得的亮度图像划分为若干子区域，计算各子区域的基于HVS（人眼视觉特性）的亮度特征因子、空间位置因子和纹理细节因子，用这些因子的特征作为子区域的评价参数，然后用各子区域参数的离散程度值来评价光源的亮度均匀性。但以上方法都是对获取的图像直接进行测试，没有对拍摄造成的图像几何畸变进行校正；也没有区分发光点和非发光区域，把那些不应参与评价的非发光区域也纳入评价范围；并且，要么是只测试亮度均匀性，要么只测试分布均匀性，具有片面性，没有全面地评价发光均匀性；以上不足导致对点阵光源发光均匀性的评价不够全面、准确。
发明内容
[0004] 本发明的目的是提供一种全面、准确地测试点阵光源发光均匀性的方法。
[0005] 为实现上述目的，本发明把发光均匀性分为亮度均匀性和分布均匀性，分别用亮度均匀性、分布均匀性从不同角度来评价点阵光源的发光均匀性，用亮度均匀性和分布均匀性之和来综合评价点阵光源的发光均匀性，并且在测试过程中对图像几何畸变进行校正，把非发光区域排除出评价范围，具体采用如下方案：
[0006] 用拍照、拍摄视频再截取视频图像或是读取已保存图像的方式获取点阵光源发光图像；在获得的图像中选取待测试区域，待测试区域可以是任意一种形状，为操作方便，可以是矩形；生成测试图像；读取所述测试图像中每一个像素点的灰度值；设定灰度阈值，将亮斑和背景分割开；设置点阵分布结构、阵列点形状类别及其特征参数，在测试图像I获得阵列点图像；统计单个阵列点图像所包含的像素数量作为阵列点面积Sp，统计每个阵列点图像所包含亮斑像素的数量作为阵列点亮斑总面积Se，若某阵列点的Se与Sp的比值大于设定值（例如0.3），则判定该阵列点为有效光斑，否则视为无效光斑；计算所述有效光斑的亮度均匀性和分布均匀性，亮度均匀性的计算公式为：
[0007]
[0008] 其中，γ1, γ2, ……, γn是每个所述有效光斑的灰度平均值，γ0是所有所述有效光斑的灰度平均值，sγ是灰度标准偏差，γ是小于1且大于0的数值，用于衡量亮度均匀性，γ越接近1，说明光斑的亮度越均匀，γ越接近0，说明光斑的亮度均匀性越差；
[0009] 分布均匀性的计算公式为：
[0010]
[0011] 其中，β1, β2, ……, βn是将照片均匀地分为n个区域后，每个区域的光斑数，β0是各个区域光斑数的平均值，sβ是光斑数标准偏差，β是一个小于1且大于0的数值，用于衡量亮度均匀性的数值，β越接近1，说明光斑的分布越均匀；β越接近0，说明光斑的分布均匀性越差；
[0012] 计算β与γ之和越大，β与γ之和越大，说明光源的均匀性越好；
[0013] 将图像和计算结果保存，或输出至显示器，也可以输出至其他计算机作进一步处理。
[0014] 本发明进一步的方案是，在获得的图像中选取待测试区域后，对所述待测试区域的图像进行几何畸形校正，再生成测试图像。
[0015] 在判定有效光斑后，还将有效光斑、背景和非测试区域的图像分别用不同颜色，以合成图像直观显示出来，通过人工观察、判断、选择或计算机自动处理，对点阵参数、图像分割和光斑选取结果进一步优化调整，得到更精确的结果。
[0016] 本发明另一个进一步的方案是，计算点阵分布结构、阵列点形状类别及其特征参数，获得阵列图像的步骤具体采用如下方法：根据阵列点的实际形状（如圆形、椭圆形、方形、矩形和任意多边形）和特征参数（如边长和半径等）初步设置测试图像中阵列点的形状类别及其特征参数，勾勒出单个阵列点图像，再微调阵列点特征参数，按互相关值r应取得最大值的原则搜索最优的特征参数，最终确定单个阵列点的形状，
[0017] 所述r的计算公式为：
[0018]
[0019] 其中，P为局部图像所有子像素点的集合，I为测试图像中与P坐标位置对应的所有子像素点的集合，Iijk为I中图像坐标为（i, j, k）的子像素点的灰度值，Ia为Iijk的平均值，Pijk为P中图像坐标为（i, j, k）的子像素点的灰度值，Pa为Pijk的平均值；
[0020] 在测试图像中选定一个阵列点作为起始阵列点，以起始阵列点中心坐标为原点，根据各阵列点的相对位置和距离计算出点阵参数，得出每一个阵列点的坐标；以各个阵列点坐标为中心位置按单个阵列点的形状进行膨胀运算，获得阵列图像。
[0021] 本发明另一个进一步的方案是，利用灰度波动容许值来判断灰度变化是否由噪音引起，具体方案是，设定图像灰度波动容许值Tc；若某像素与邻近8个像素的灰度差小于Tc，则判定灰度变化是由噪音引起，以邻近8个像素中的灰度最大值为该像素的灰度值；若有两个所述亮斑的边界之间存在至少一条灰度变化小于Tc的八连通路径，则将两个亮斑合并为一个亮斑，连通路径上的所有像素也隶属于该亮斑。
[0022] 由于采用上述方案，本发明与现有技术相比可以带来如下技术效果：采用对测试图像进行几何畸形校正，可以减少图像失真；采用把光斑和背景分割开，可以去除那些不应参与评价的非发光区域；采用人工设定和计算机自动计算结合的方式获得理想的灰度阈值，利用灰度阈值精确地将亮斑与背景分割开；采用计算点阵图像来排除无效光斑；采用将有效光斑、背景和非统计区域的图像分别用不同颜色以合成图像显示，给人直观感受，利用灰度波动容许值来消除噪音影响；人工干预对点阵设置、图像分割和光斑选取结果进一步优化调整；上述技术手段可以使测试结果更客观、准确；采用分别计算亮度均匀性、分布均匀性及二者之和来评价发光均匀性，则更为全面。采用亮度均匀性、分布均匀性及二者之和来评价发光均匀性，更全面，因此本发明相对于现有的测试方法更全面、客观和准确，并且有效、直观、简便。
附图说明
[0023] 图1为本发明的流程图；
[0024] 图2为实施例拍摄的点阵发光图像；
[0025] 图3为经过选择区域和畸形校正后得到的测试图像；
[0026] 图4为单个阵列点形状示意图
[0027] 图5为阵列图像示意图。
具体实施方式
[0028] 下面结合附图实例对本发明做详细说明。
[0029] 如图1 所示，本实施例的具体步骤是：
[0030] 用拍摄头2拍摄点阵光源1发光过程，通过计算机3的USB接口将视频传送至计算机3，再从视频中截取点阵光源1的发光图像，在所述发光图像中选取一个矩形待测试区域，如图2所示；对所述矩形待测试区域的图像进行几何畸形校正，生成测试图像，如图3 所示；读取所述测试图像中每一个像素点的灰度值；设定图像灰度波动容许值Tc，若某像素与邻近8个像素的灰度差小于Tc，则判定灰度变化是由噪音引起，以邻近8个像素中的灰度最大值为该像素的灰度值；人工设定图像灰度阈值Tr，对灰度值小于Tr的像素，判定其不属于亮斑，用ostu图像分割阈值算法进一步计算测试图像的全局灰度阈值和局部阈值，将亮斑5和背景分割开；若有两个亮斑的边界之间存在至少一条灰度变化小于Tc的八连通路径，则将两个亮斑合并为一个亮斑，连通路径上的所有像素也隶属于该亮斑；根据阵列点的实际形状和特征，设置测试图像中阵列点的形状为椭圆形，初步设置其特征参数包括半长轴和半短轴的数值，勾勒出单个阵列点图像4，再微调阵列点特征参数，按互相关值r应取得最大值的原则搜索最优的特征参数半长轴或半短轴数值，最终确定单个阵列点的形状，[0031] 所述r的计算公式为：
[0032]
[0033] 其中，P为局部图像所有子像素点的集合，I为测试图像中与P坐标位置对应的所有子像素点的集合，Iijk为I中图像坐标为（i, j, k）的子像素点的灰度值，Ia为Iijk的平均值，Pijk为P中图像坐标为（i, j, k）的子像素点的灰度值，Pa为Pijk的平均值；
[0034] 在测试图像中选定一个阵列点P00作为位于第0行第0列的起始阵列点，设其坐标为(x0, y0)，根据各阵列点的相对位置和距离计算出点阵参数Lx1, Lx2, Ly1和Ly2，如图5所示，则任意阵列点Pmn的坐标为(x0+m*Lx1+n*Lx2, y0+m*Ly1+n*Ly2)，其中m和n为特定整数，表示阵列点位于第m行第n列（如图5所示）；以各个阵列点坐标为中心位置按单个阵列点的形状进行膨胀运算，获得阵列图像；将测试图像以合成图像显示，其中，有效光斑、背景和非统计区域的图像分别用红、蓝、绿三种颜色显示，由人工观察、判断、选择或计算机自动处理，对点阵选择、图像分割和光斑选取结果进一步优化调整；计算单个阵列点图像所包含的像素数量为阵列点面积Sp，统计每个阵列点图像所包含亮斑像素的数量作为阵列点亮斑总面积Se，若某阵列点的Se与Sp的比值大于0.3，则判定该阵列点为有效光斑；把测试图像均匀地分为9个区域，计算有效光斑的灰度均匀性和分布均匀性，以灰度均匀性、分布均匀性以及灰度均匀性、分布均匀性之和来评价发光均匀性，所述亮度均匀性的计算公式为：
[0035]
[0036] 其中，γ1, γ2, ……, γn是每个所述有效光斑的灰度平均值，γ0是所有所述有效光斑的灰度平均值，sγ是灰度标准偏差，γ是衡量亮度均匀性的数值；
[0037] 所述分布均匀性的计算公式为：
[0038]
[0039] 其中，β1, β2, ……, βn是将照片均匀地分为9个区域后，每个区域的光斑数，β0是各个区域光斑数的平均值，sβ是光斑数标准偏差；将测试过程中得到的图像、数据由人工或自动定时保存在存储介质上，或输出至显示器显示出来，也可以输出至其他设备作进一步处理。
