基于圖像質(zhì)量評(píng)價(jià)的LCD運(yùn)動(dòng)模糊檢測(cè)方法

邱聚能，李 輝，閆樂(lè)樂(lè)，梁 平

（1.電子科技大學(xué) 航空航天學(xué)院，四川 成都 611731；2.成都出入境檢驗(yàn)檢疫局，四川 成都 610041）

1 引 言

LCD顯示屏是一種典型的保持型顯示器。在LCD上顯示運(yùn)動(dòng)的圖像時(shí)，會(huì)產(chǎn)生視覺(jué)偽象［1］，比如動(dòng)態(tài)偽輪廓、大面積閃爍、運(yùn)動(dòng)模糊等［2］。隨著材料技術(shù)的進(jìn)步和生產(chǎn)工藝的日益完善，液晶顯示器向大尺寸、輕薄化等方向發(fā)展［3］，LCD逐漸進(jìn)入主流應(yīng)用，人們對(duì)LCD的顯示質(zhì)量要求也越來(lái)越高。運(yùn)動(dòng)模糊度是LCD顯示質(zhì)量的重要指標(biāo)，研究LCD運(yùn)動(dòng)模糊度是LCD質(zhì)量監(jiān)督檢驗(yàn)的重要工作，對(duì)促進(jìn)液晶顯示行業(yè)發(fā)展有著重要意義。

運(yùn)動(dòng)模糊的產(chǎn)生是顯示器件工作模式與人眼視覺(jué)特性共同作用的結(jié)果。對(duì)于LCD運(yùn)動(dòng)模糊的檢測(cè)，最常用的方法是人的主觀評(píng)判，即通過(guò)人眼觀察和對(duì)比，判斷LCD顯示屏模糊程度。傳統(tǒng)的人眼檢測(cè)方法存在很多不足：易受外界干擾，檢測(cè)者易疲勞，成本高，效率低等。因此LCD運(yùn)動(dòng)模糊程度的評(píng)價(jià)標(biāo)準(zhǔn)較為模糊，如何測(cè)試和評(píng)價(jià)顯示屏模糊程度成為國(guó)際和國(guó)內(nèi)顯示技術(shù)標(biāo)準(zhǔn)［4－5］制定中的重要工作。為此，國(guó)內(nèi)外學(xué)者對(duì)LCD的運(yùn)動(dòng)模糊現(xiàn)象開(kāi)展了大量的研究，提出了一些方法，如日本工作組提出的基于移動(dòng)相機(jī)的BEW（Blur Edge Width）檢測(cè)［6］及 MPRT（Moving Picture Response Time）檢測(cè)［7］和國(guó)內(nèi)東南大學(xué)提出的基于動(dòng)態(tài)調(diào)制函數(shù)（MTF）的運(yùn)動(dòng)模糊檢測(cè)檢測(cè)［8］。東南大學(xué)的工作取得了較好的成果，其主要研究灰階變化，對(duì)正弦光柵的信號(hào)曲線進(jìn)行積分。但是當(dāng)其設(shè)定的運(yùn)動(dòng)速度較大時(shí)，需要積分的序列也較為復(fù)雜，算法復(fù)雜度較高。為了簡(jiǎn)化檢測(cè)方法，降低檢測(cè)成本，本文提出通過(guò)檢測(cè)LCD運(yùn)動(dòng)圖像的清晰度，以此來(lái)表征顯示器的運(yùn)動(dòng)模糊程度。

2 基于圖像質(zhì)量評(píng)價(jià)的運(yùn)動(dòng)模糊檢測(cè)方法

2.1 基于圖像的運(yùn)動(dòng)模糊檢測(cè)

人眼判斷LCD顯示屏運(yùn)動(dòng)模糊的依據(jù)是圖像在LCD上運(yùn)動(dòng)時(shí)是否有拖尾、圖片細(xì)節(jié)是否保留完整等，而通過(guò)圖像采集，可以獲取LCD上的圖像信息。采集到的圖像越模糊，拖尾越嚴(yán)重，圖片細(xì)節(jié)保留越少，則說(shuō)明LCD顯示屏運(yùn)動(dòng)模糊程度越大，據(jù)此特性和關(guān)系，可以通過(guò)檢測(cè)運(yùn)動(dòng)圖像的質(zhì)量來(lái)表征LCD運(yùn)動(dòng)模糊度。

2.2 檢測(cè)流程設(shè)計(jì)

采用圖像處理的手段，使用高清攝像頭分別采集LCD顯示器上的靜止和運(yùn)動(dòng)圖像，通過(guò)圖像質(zhì)量評(píng)價(jià)算法計(jì)算，得到運(yùn)動(dòng)圖像的清晰度，以此作為判斷LCD顯示器運(yùn)動(dòng)模糊程度的指標(biāo)。整個(gè)檢測(cè)過(guò)程分為采集圖像、圖像預(yù)處理、圖像清晰度評(píng)價(jià)等3個(gè)大的步驟，具體流程圖如圖1所示。

圖1 檢測(cè)流程圖Fig.1 Test flow chart

2.2.1 圖像源的產(chǎn)生和獲取

在LCD顯示屏上產(chǎn)生運(yùn)動(dòng)的圖像源有兩種方法，其一是通過(guò)FLASH制作軟件制作一個(gè)圖片運(yùn)動(dòng)的動(dòng)畫(huà)，這個(gè)動(dòng)畫(huà)需要有以下功能：（1）可以切換圖片；（2）可以控制圖片運(yùn)動(dòng)速度；（3）窗口大小與屏幕自適應(yīng)。用FLASH制作的動(dòng)畫(huà)可以達(dá)到產(chǎn)生運(yùn)動(dòng)圖像源的要求，但是由于在FLASH編輯中，速率是以幀頻來(lái)控制的，當(dāng)圖像運(yùn)動(dòng)速度較大時(shí)，會(huì)出現(xiàn)塊狀非勻速移動(dòng)，采集時(shí)易出現(xiàn)不必要的閃爍，所以本文采用的是第二種方法——基于VB平臺(tái)的界面編程。界面圖如圖2所示，程序可以插入不同的彩色圖片，以每秒移動(dòng)的像素點(diǎn)來(lái)控制圖像運(yùn)動(dòng)的速度，可以做到窗口自適應(yīng)并且能隨時(shí)暫停和啟動(dòng)。

圖2 圖像源界面Fig.2 Interface of image source

測(cè)試圖像的選取應(yīng)當(dāng)遵循以下原則：

①測(cè)試圖像來(lái)源盡量選擇有國(guó)際權(quán)威的標(biāo)準(zhǔn)圖像庫(kù)，例如LIVE、TID、CSIQ等常用數(shù)據(jù)庫(kù)；

②盡量選擇邊緣細(xì)節(jié)比較多的測(cè)試圖像，這樣可以最大限度地提取到測(cè)試圖像的運(yùn)動(dòng)拖尾模糊，保證后期評(píng)價(jià)算法處理后得到準(zhǔn)確結(jié)果；

③選擇合適大小測(cè)試圖像，以適應(yīng)不同尺寸的LCD運(yùn)動(dòng)模糊檢測(cè)。

如圖2所示，本文選用的是TID2008標(biāo)準(zhǔn)庫(kù)中的“Building”。

2.2.2 圖像采集

整個(gè)圖像采集系統(tǒng)的基本要求就是能有效采集到運(yùn)動(dòng)圖像的模糊信息。采用跟蹤C(jī)CD的測(cè)量方法對(duì)運(yùn)動(dòng)控制系統(tǒng)的精度要求高，技術(shù)復(fù)雜，價(jià)格昂貴。本文采用直接測(cè)量的方法，固定采集裝置和待測(cè)顯示屏，通過(guò)定時(shí)器控制拍攝時(shí)間，采集裝置如圖3所示。在暗室中使用高清攝像頭按照表1設(shè)定的采集環(huán)境的照度、溫度、濕度以及高清攝像頭采集圖像的角度分別采集LCD顯示器上的靜止和運(yùn)動(dòng)圖像，將圖像傳入計(jì)算機(jī)。按照國(guó)際半導(dǎo)體設(shè)備與材料組織（SEMI）中關(guān)于LCD量化標(biāo)準(zhǔn)對(duì)于測(cè)試條件中測(cè)量距離的要求以及實(shí)際的實(shí)驗(yàn)測(cè)試，對(duì)于15in（1in＝2.54cm）的屏幕，采集距離d為500mm，按照相似三角形原理，實(shí)際的采集圖像距離計(jì)算公式為d＝（500÷15）×Size，式中Size為實(shí)際的屏幕尺寸，且單位以英寸計(jì)算。測(cè)試時(shí)，按照SEMI標(biāo)準(zhǔn)固定裝置位置，將高清攝像頭的光圈、調(diào)焦都設(shè)為手動(dòng)，快門(mén)設(shè)置為高速增強(qiáng)3 600Hz，也就是曝光時(shí)間約為0.28ms。曝光頻率遠(yuǎn)大于顯示屏刷新頻率60Hz，且保證了是刷新頻率60Hz的整數(shù)倍，并通過(guò)定時(shí)軟件，使攝像頭每次采集的運(yùn)動(dòng)圖像都在待測(cè)屏的幾何中心，以解決攝像頭與圖像源的同步問(wèn)題。對(duì)整個(gè)待測(cè)屏進(jìn)行圖像采集，得到的圖片如圖4所示。

表1 檢測(cè)環(huán)境參數(shù)表Tab.1 Testing environment parameters

圖3 圖像采集裝置Fig.3 Image acquisition device

圖4 初始圖像Fig.4 Original image

2.2.3 圖像預(yù)處理

高清攝像頭采集到的圖像尺寸較大，并且存在一些隨機(jī)噪聲，需要進(jìn)行圖像的預(yù)處理工作。首先對(duì)采集到的圖像進(jìn)行切割和下采樣，提取出檢測(cè)需要的有效區(qū)域。接著使用模板尺寸為11 pixel×11pixel，σ為1.5的高斯平滑濾波器對(duì)圖像進(jìn)行濾波處理。預(yù)處理的目的是減少清晰度算法的計(jì)算量以及隨機(jī)噪聲對(duì)檢測(cè)結(jié)果的影響，其效果如圖5所示。

圖5 圖像預(yù)處理效果圖Fig.5 Result of image cropping

為了減少濾波及切割中的系統(tǒng)誤差以及操作誤差，本文采取對(duì)同一速度下的圖片重復(fù)采樣截取后進(jìn)行像素級(jí)平均。經(jīng)驗(yàn)表明，平均圖像數(shù)量越大，噪聲的影響越?。?］。

2.2.4 計(jì)算圖像清晰度

Wang等人［10］認(rèn)為人類(lèi)視覺(jué)系統(tǒng)（HVS）能高度自適應(yīng)地提取場(chǎng)景中的結(jié)構(gòu)信息，可以通過(guò)比較模糊圖像和原圖像之間結(jié)構(gòu)信息的差異程度來(lái)判斷一副模糊圖像的清晰度?；谝陨霞僭O(shè)，提出了基于結(jié)構(gòu)相似度的圖像質(zhì)量評(píng)價(jià)方法（SSIM）。SSIM 算法的評(píng)價(jià)結(jié)果比均方誤差（MSE）和峰值信噪比（PSNR）的計(jì)算結(jié)果更吻合人眼的視覺(jué)效果，對(duì)靜態(tài)圖像的評(píng)價(jià)也取得了較好的效果。但在LCD的運(yùn)動(dòng)圖像顯示性能的檢測(cè)中，運(yùn)動(dòng)圖像的邊緣失真（如拖尾，丟失等）更能反應(yīng)LCD的運(yùn)動(dòng)模糊程度，檢測(cè)LCD時(shí)，人們對(duì)邊緣紋理的失真也更加敏感。SSIM算法采用了取平均值的方式，對(duì)圖像的不同區(qū)域給予相同的權(quán)重，對(duì)LCD的運(yùn)動(dòng)模糊圖像檢測(cè)結(jié)果不夠準(zhǔn)確。為了把圖像質(zhì)量更好地應(yīng)用在LCD運(yùn)動(dòng)模糊檢測(cè)中，本文提出了一種改進(jìn)的結(jié)構(gòu)相似度算法—基于區(qū)域?qū)Ρ榷鹊慕Y(jié)構(gòu)相似度算法（Regional Contrast Structural Similarity，RCSSIM）。

RCSSIM算法針對(duì)LCD的運(yùn)動(dòng)圖像顯示性能檢測(cè)，在SSIM算法的基礎(chǔ)上，著重檢測(cè)圖像的邊緣輪廓及圖像上灰度對(duì)比度大的區(qū)域。

2.3 基于區(qū)域?qū)Ρ榷群徒Y(jié)構(gòu)相似度的圖像質(zhì)量評(píng)價(jià)方法

2.3.1 結(jié)構(gòu)相似度

Zhou Wang等提出的SSIM包括亮度、對(duì)比度和結(jié)構(gòu)相似性3個(gè)組成部分，其數(shù)學(xué)模型［12］為：

在使用SSIM評(píng)價(jià)圖像清晰度時(shí)，使用一個(gè)N×N的窗口在兩幅圖像逐像素移動(dòng)，形成M個(gè)分塊子圖像，按照式（1）計(jì)算每一個(gè)分塊圖像的SSIM值，然后按照式（5）對(duì)整幅圖像進(jìn)行評(píng)分。

X，Y分別為原始圖像和模糊圖像。

2.3.2 區(qū)域?qū)Ρ榷?/p>

從人眼視覺(jué)系統(tǒng)角度出發(fā)，一個(gè)像素點(diǎn)與其區(qū)域內(nèi)所包含的視覺(jué)信息量的大小與該點(diǎn)所處的環(huán)境背景有關(guān)，在背景較亮?xí)r，圖像區(qū)域灰度變化引起的視覺(jué)模糊不易被察覺(jué)。參照信號(hào)處理中信噪比的定義，把每一個(gè)分塊窗口的區(qū)域內(nèi)，最大灰度值與最小灰度值之差與最大灰度值的商定義為該分塊區(qū)域的區(qū)域?qū)Ρ榷取?/p>

式中，con （x ，y ） 是區(qū)域?qū)Ρ榷?，fr（x ，y ） 為窗口區(qū)域每一像素的灰度值，顯然0≤con （x ，y ） ≤1。

2.3.3 RCSSIM 算法

對(duì)于LCD顯示屏上的運(yùn)動(dòng)圖像，區(qū)域?qū)Ρ榷炔桓叩膮^(qū)域，稱(chēng)為平坦區(qū)域，人眼對(duì)這類(lèi)區(qū)域上的模糊并不敏感，而區(qū)域?qū)Ρ榷雀叩膮^(qū)域，即邊緣區(qū)域，人眼對(duì)這類(lèi)區(qū)域的模糊相對(duì)較為敏感。

基于這個(gè)原理，對(duì)SSIM分塊圖像得到的分值進(jìn)行加權(quán)。通過(guò)求出每個(gè)子圖像的區(qū)域?qū)Ρ榷群瘮?shù)，結(jié)合公式（1），得到分塊子圖像的

區(qū)域?qū)Ρ榷仍酱蟮淖訄D像權(quán)值越大，在評(píng)價(jià)整張圖像時(shí)占的比重也更大。最后進(jìn)行歸一化，得到整張圖像清晰度評(píng)價(jià)值：

RCSSIM值和MSSIM值都是0～1的數(shù)值，只有當(dāng)待測(cè)圖像和原圖像一模一樣時(shí)RCSSIM值達(dá)到1。RCSSIM （Ｘ，Ｙ）越大，說(shuō)明圖像質(zhì)量越好。

3 試驗(yàn)及結(jié)果分析

3.1 算法優(yōu)化驗(yàn)證實(shí)驗(yàn)

本文對(duì)LIVE數(shù)據(jù)庫(kù)里的779張圖片進(jìn)行了算法仿真，對(duì)比數(shù)據(jù)庫(kù)里的主觀評(píng)分（DMOS），得到SSIM算法以及RCSSIM算法主觀感知相關(guān)曲線圖如圖6和圖7。其中DMOS值越小，代表圖像質(zhì)量越好。

圖6 SSIM算法主觀感知相關(guān)曲線Fig.6 Subjective perception related curve of SSIM

圖7 RCSSIM算法主觀感知相關(guān)曲線Fig.7 Subjective perception related curve of RCSSIM

從兩張圖可以看出，RCSSIM算法的散點(diǎn)比SSIM算法密集，與人眼主觀感知的相關(guān)性更好。

為了能更好地比較兩種算法的性能，本文選用了3個(gè)常用的客觀常量作為評(píng)價(jià)指標(biāo)：均方根誤差（RMSE）、斯皮爾曼等級(jí)相關(guān)系數(shù)（SROCC）、肯德?tīng)柕燃?jí)相關(guān)系數(shù)（KROCC）。RMSE代表主觀感知相關(guān)曲線圖上散點(diǎn)的均方根誤差，RMSE越小，算法性能越好。而SROCC和KROCC兩個(gè)指標(biāo)用來(lái)表征主觀感知相關(guān)曲線的單調(diào)性，它們的絕對(duì)值越接近于1，算法性能越好。試驗(yàn)結(jié)果如表2所示。

表2 SSIM和RCSSIM算法性能比較Tab.2 Comparison of algorithm performance between SSIM and RCSSIM

從3個(gè)指標(biāo)都可以看出，RCSSIM算法性能全方面優(yōu)于SSIM算法，與人眼的主觀評(píng)分更為一致。

3.2 LCD運(yùn)動(dòng)模糊檢測(cè)試驗(yàn)

驗(yàn)證算法的有效性之后，使用型號(hào)為BenQ G2220HD的顯示器作為待測(cè)顯示器按照2.1節(jié)的檢測(cè)流程，進(jìn)行檢測(cè)方法的驗(yàn)證。經(jīng)過(guò)采集以及預(yù)處理后的靜止圖像和運(yùn)動(dòng)圖像如圖8所示，從圖中可以看出檢測(cè)系統(tǒng)能有效地捕捉到運(yùn)動(dòng)圖像的模糊細(xì)節(jié)。

圖8 靜止圖像和運(yùn)動(dòng)模糊圖像Fig.8 Static image and motion blurred image

根據(jù)LCD顯示特性和人眼主觀感知結(jié)果，圖像運(yùn)動(dòng)速度越大，圖像運(yùn)動(dòng)模糊程度越明顯。本文采集了不同速度下的運(yùn)動(dòng)模糊圖像，驗(yàn)證檢測(cè)指標(biāo)與主觀感知的一致性，其RCSSIM值如表3所示，并擬合得到圖像運(yùn)動(dòng)速度與RCSSIM值的相關(guān)曲線。

表3 不同速度下圖像的RCSSIM值Tab.3 RCSSIM values of blurred images under different speed

圖9 RCSSIM下降曲線Fig.9 Decline curve of RCSSIM

表3的結(jié)果與預(yù)期相符：運(yùn)動(dòng)圖像速度與RCSSIM值負(fù)相關(guān)，檢測(cè)指標(biāo)和人的主觀感知相符。從圖9的擬合曲線可以看出，當(dāng)速度提高到一定的數(shù)值時(shí)，運(yùn)動(dòng)圖像的RCSSIM值趨于平緩，所以實(shí)際檢測(cè)中的速度不宜過(guò)大。

4 總 結(jié)

本文將圖像質(zhì)量評(píng)價(jià)（IQA）應(yīng)用到LCD顯示屏的模糊檢測(cè)中，提出用運(yùn)動(dòng)圖像的RCSSIM值作為L(zhǎng)CD運(yùn)動(dòng)模糊的評(píng)價(jià)參數(shù)。主要討論了基于IQA的運(yùn)動(dòng)模糊檢測(cè)方法的檢測(cè)流程、實(shí)現(xiàn)及算法。通過(guò)對(duì)LIVE數(shù)據(jù)庫(kù)里的標(biāo)準(zhǔn)模糊圖片進(jìn)行算法仿真，比較RCSSIM算法與SSIM算法的性能，驗(yàn)證了RCSSIM值更適合作為檢測(cè)LCD運(yùn)動(dòng)模糊的指標(biāo)。在明確檢測(cè)指標(biāo)的基礎(chǔ)上按設(shè)計(jì)流程進(jìn)行了實(shí)際測(cè)量和仿真，證明了檢測(cè)方法的可行性以及檢測(cè)指標(biāo)的可靠性。從實(shí)驗(yàn)結(jié)果可以推測(cè)，在LCD運(yùn)動(dòng)圖像顯示性能的檢測(cè)中，不同型號(hào)的顯示器應(yīng)該有一個(gè)最佳的檢測(cè)速度（區(qū)間），由于試驗(yàn)環(huán)境和器材的局限性，本文并沒(méi)有對(duì)此進(jìn)行深入的研究。

［1］ 張宇寧.平板顯示器件視覺(jué)贗象研究［D］.南京：東南大學(xué)，2008.Zhang Y N.Research of flat panel displays’visual artefacts［D］.Nanjing：Southeast University，2008.

［2］ 鐘翊煒，鄧少芝，劉志軍，等.基于極點(diǎn)聚焦全極點(diǎn)濾波器減小LCD運(yùn)動(dòng)模糊的方法［J］.液晶與顯示，2009，24（5）：729－734.Zhong Y W，Deng S Z，Liu Z J，Method for LCD motion blur reduction by using focusing all－pole filter［J］.Chinese Journal of Liquid Crystals and Displays，2009，24（5）：729－734.

［3］ 盧小鵬，李輝，劉云杰，等.一種基于Chan－Vese模型的TFT－LCD Mura缺陷快速分割算法［J］.液晶與顯示，2014，29（1）：146－151.Lu X P，Li H，Liu Y J.An algorithm for fast TFT－LCD mura defect image segmentation based on Chan－Vese model［J］.Chinese Journal of Liquid Crystals and Displays，2014，29（1）：146－151.

［4］ IEC TC 110 61747－3Document.Motion artifacts measurement of active matrix liquid crystal display modules［S］.Standard in development.

［5］ VESA FPDM Update.Video electronics standards association，flat panel display measurement standard［S］.Version 2.0，2005.

［6］ Oka K，Kitagishi K，Enami Y，Parameters of motion picture blurring measured by using apursuit Camera［C］.Proceedings of IDW’04，2004：1579－1582

［7］ Someya J，Igarashi Y，A review of MPRT measurement method for evaluating motion blur of LCDs［C］.Proceedings of IDW ’04，2004：1571－1574

［8］ 趙登峰.基于動(dòng)態(tài)調(diào)制傳遞函數(shù)的LCD運(yùn)動(dòng)模糊研究［D］.南京：東南大學(xué)，2010.Zhao D F.Research of LCD motion blur based on dynamic modulation transfer function［D］.Nanjing：Southeast U－niversity，2010.

［9］ 張昱，張健.基于多項(xiàng)式曲面擬合的 TFT－LCD斑痕缺陷自動(dòng)檢測(cè)技術(shù)［J］.光電工程，2006，33（10）：108－114.Zhang Y，Zhang J.Automatic blemish inspection for TFT－LCD based on polynomial surface fitting［J］.Opto－Electronic Engineering，2006，33（10）：108－114.

［10］ Wang Z，Bovik A C，Lu L.Why is image quality assessment so difficult［C］.IEEE International Conference A－coustics，Speech，and Signal Processing，Orlando，2002：3313－3316.

［11］ Wang Z，Bovik A C，Sheikh H R.Image quality assessment，from error visibility to structural similarity ［J］.IEEE Transactions on Image Processing，2004，13（4）：600－612.