专利名称：显示校正方法和系统的制作方法
技术领域：
本申请涉及于2007年3月29日提交的题为“Reduction of mura effects”的美 国专利申请No. 11/731，094(于2008年10月2日公开为US2008/0238934A1)以及于2008 年 1 月 11 El提交白勺题为"Correction of visible mura distortions in displays by use of flexible system for memory resources and mura characteristics，，白勺美 15专禾串 请No. 12/008,470(于2009年4月16日公开为US2009/00967^A1)，并且以上所列美国专 利申请的全部内容通过引用合并于此。本发明的实施例包括用于显示校正的方法和系统，具体地，包括用于压缩显示非 均勻性校正数据并使用压缩显示非均勻性校正数据的方法和系统。
背景技术：
通过操作人员来检查和测试平板显示器成本太高、耗时且基于操作人员的感知。 因此，基于操作人员的检查质量取决于单独的操作人员，并且获得容易出现错误的主观结 果。一些自动化检验技术依赖于逐像素测量和显示非均勻性校正。这些技术要求限制性的 用于存储校正数据的存储量，并且期望用于降低针对校正数据的存储要求的方法和系统。
发明内容
本发明的一些实施例包括用于压缩显示非均勻性校正数据(具体地，校正图像) 的方法和系统。在本发明的一些实施例中，可以通过用数据模型拟合校正图像以及对模型参数值 进行编码来压缩校正图像。在本发明的一些实施例中，可以使用分段多项式模型。在本发 明的备选实施例中，可以使用B样条。在本发明的一些实施例中，可以将校正图像分解成两 幅图像一副包含校正图像的垂直和水平对准结构的图像，以及一副平滑变化图像。可以通 过用数据模型来拟合平滑变化图像，来压缩平滑变化图像。在本发明的一些实施例中，可以通过确定对多幅校正图像的分布加以描述的特征 向量，来压缩多幅校正图像。可以通过将每幅校正图像投影在确定的特征向量上，来确定投 影系数。在本发明的一些实施例中，可以根据本发明实施例的单幅校正图像压缩方法和系 统来压缩与特征向量相关联的特征图像。本发明的一些实施例包括使用已压缩显示非均勻性校正数据的方法和系统。在本 发明的一些实施例中，针对显示器的校正数据是可以根据存储在显示系统上的参数来重构 的。在本发明的一些实施例中，多幅校正图像可以根据存储在显示系统上的已编码特征图 像来重构。结合附图，考虑本发明的以下详细描述，本发明的上述和其他目的、特征和优点将
变得更易理解。
图1是示出了包括用模型来拟合校正图像并且对模型参数值编码以存储在显示 系统处的本发明示例实施例的流程图；图2是示出了包括对存储在显示系统处的已编码模型参数值进行解码并且使用 已解码模型参数值来重构校正图像的本发明示例实施例的流程图；图3是示出了包括使用重构的校正图像来校正显示值的本发明示例实施例的流 程图；图4是示出了包括将校正图像分解成包括水平和垂直结构的结构图像和平滑变 化图像的本发明示例实施例的流程图，其中除了描述结构图像的信息以外，还可以确定、编 码和存储平滑变化图像的模型参数值；图5是示出了包括通过将校正图像投影到关联的特征空间中来编码多幅校正图 像的本发明示例实施例的流程图；图6是示出了包括使用所存储的特征向量和投影系数来确定校正图像的本发明 示例实施例的流程图；以及图7是可以用于确定存储校正数据的方法的显示系统。
具体实施例方式参照附图更好地理解本发明的实施例，其中，贯穿附图类似的部件由类似的附图 标记指定。以上所列附图明确地结合为该详细描述的一部分。将容易理解，如这里在附图中一般描述和示意的，本发明的组件可以用各种不同 配置来布置和设计。因此，本发明的方法和系统的实施例的以下更详细描述并不意在限制 本发明的范围，而是仅表示本发明的当前优选实施例。本发明实施例的元件可以以硬件、固件和/或软件来实现。尽管这里所揭示的示 例实施例可以仅描述这些形式之一，但是应当理解，本领域技术人员能够以这些形式中的 任何形式来实现这些元件，而同时保持在本发明范围内。通过操作人员来检查和测试平板显示器成本太高、耗时且基于操作人员的感知。 因此，基于操作人员的检查质量取决于个体操作人员，并且获得容易出现错误的主观结果。 一些自动化检验技术依赖于逐像素测量和对显示非均勻性的校正。这些技术要求限制性的 用于存储校正数据的存储量，并且期望用于降低针对校正数据的存储要求的方法和系统。Mura缺陷是对比度类型缺陷，其中，在用恒定灰度级来驱动显示器并且显示器应 当显示均勻亮度的情况下，显示器上的一个或多个像素比周围的像素更亮或更暗。例如，当 显示预期平坦颜色区域时，显示分量的各种不理想因素会导致不期望的亮度调制。Mura缺 陷也可以被称作“Alluk”缺陷，或者一般地，被称作非均勻性失真。一般地，这种对比度类 型缺陷可以被识别为“团迹”、“条带”、“条纹”以及指示非均勻性的其他术语。在制造过程 中存在许多会导致显示器上mura缺陷的阶段。显示器上的mura校正需要使用针对该显示器的所存储的校正数据进行逐像素校 正。在本发明的一些实施例中，所存储的校正数据可以包括与校正图像相关联的数据，校正 图像可以表示为Ui，」)，且与颜色分量和灰度级相关联。这些实施例中的一些实施例可 以包括表示为c的三种颜色分量，0 < c < 2。这些实施例中的一些实施例可以包括表示为1的256个灰度级，0 ( 1 ( 255。可以关于图1描述本发明的一些实施例。在这些实施例中，模型参数值可以通过 用模型(第一模型)拟合4输入校正图像2 (第一校正图像)来确定。可以对模型参数值6 进行编码8，以产生与校正图像相关联的编码数据。可以将已编码数据10存储12在显示器 处的存储位置中。可以使用本领域已知的预测编码方法来编码8模型参数值6。一个示例 编码方法是在于2007年11月28日提交的题为“Two-Dimensional DPCM with PCM Escape Mode”的美国专利申请No. 11/946，298(于2009年5月28公开为US2009/0135921A1)中公 开的方法，该美国专利申请的全部内容通过引用合并于此。可以关于图2描述本发明的一些实施例。在这些实施例中，可以从显示器处的存 储位置中获取16已编码图像信息18 (已编码数据)，并且可以对与已编码图像信息18相关 联的模型参数值进行解码20，从而产生已解码模型参数值22。已解码模型参数值22可以 用来确定和重构M校正图像26的采样(校正值)。在本发明的一些实施例中，可以获取第一图像的表示，并且可以确定第一图像的 重构值。该重构值可以通过使用包括重构值的模型参数值以及使用模型参数值的第一校正 值来确定。在本发明的一些实施例中，可以获取和解码已编码校正图像信息，以便通过使用 模型参数值的确定的校正值来调整显示器。关于图3描述本发明的一些实施例，校正图像沈的采样可以用来校正或调整28 显示值，从而在显示器处产生经mura校正的显示值30。本发明的一些实施例可以包括分段多项式模型(第一模型)。在这些实施例中， 输入校正图像2可以分成一个或多个二维QD)区域，也被视为图像补丁。在这些实施例 中，确定与图像补丁相关联的平面参数值。在本发明的一些实施例中，分区网格(partition grid)可以在空间上是均勻的。在备选实施例中，分区网格可以是自适应的。在本发明的一 些实施例中，分区网格的密度可以与校正图像的变化有关。在这些实施例中的一些实施例 中，在校正图像中存在更大变化的区域中分区网格更加密集。在本发明的一些实施例中，对 分区网格进行定义的信息可以与已编码模型参数值一同存储。在包括分段多项式模型的本发明实施例中，可以表示为Pp(i，j)的输入校正图像 2区域可以根据以下公式由平面模型(第二模型)来近似Pp(Uj) = api + bpj + kp其中，ap、bdn kp表示与图像区域&(1，j)相关联的模型参数，并且巧(U)表示近 似区域。模型拟合4(模型选择)可以最小化图像区域pp(i，j)与近似区域巧(z‘，y)之间的
差异度量。在本发明的一些实施例中，图像区域可以是矩形补丁。在本发明的一些实施例 中，区域的形状可以不是矩形。可以编码8和存储12分区中所有区域的参数ap、bp和kp。可以通过解码20针对 每个区域的参数18并且计算M近似区域，来重构重构校正图像26。本发明的备选实施例可以包括在包括水平和垂直平面拟合(模型)的两种平面拟 合之间进行模型选择β = api+JclJnP2pU,乃=bpj + k2,p。在这些实施例中，可以表示为dp的二进制模式指示符可以指示对于给定区域选择两种拟合中的哪种拟合。“水平”和“垂直”的含义可以看作，实质上分别沿着校正图像的横向和纵向。可以针对分区中所有区域，编码8和存储12参数dp和关联的模型参数( ,
或(bp，lc2,p)。可以使用二进制模式指示符所指示的适当模型，通过解码20每个区域的参数 18且计算M近似区域，来重构重构校正图像26。在本发明的一些实施例中，可以基于哪个平面拟合产生对校正图像的输入区域的 最佳拟合，来在模型拟合4中进行针对区域的模式判定。本发明的备选实施例可以包括用二维B样条表面来拟合输入校正图像2。在这些 实施例中的一些实施例中，节点的位置可以是等距的，也可以认为在空间上是均勻的。在备 选实施例中，节点的位置可以是自适应的，也可以认为在空间上是不均勻的。在本发明的一 些实施例中，节点的密度可以与校正图像的变化有关。在这些实施例中的一些实施例中，在 校正图像中存在更大变化的区域中节点更密。在本发明的一些实施例中，对节点的位置进 行定义的信息可以与已编码的节点值一同存储。在本发明的一些实施例中，η次基本B样条可以是彼此移位的拷贝。在这些实施 例中，在给定可以表示为g(v，h)的节点值的情况下，可以通过对节点采样进行上采样，然 后与可以表示*bn(i，j)的B样条核进行卷积，来确定可以表示为;L,+,_/)的近似校正图像。 近似校正图像可以根据以下公式来确定7cJ{iJ) = Iglmv mh*b"mvmh,其中，mv和mh分别是垂直和水平空间维度中的子采样比率。本发明的一些实施例可以包括均勻的1次B样条。这些实施例可以等同于双线性 子采样，其中，节点值可以是子采样的像素强度值。在包括用B样条表面拟合4输入校正图像2的本发明的一些实施例中，模型拟合 4可以包括确定使输入校正图像21。,力，j)与使用模型重构的校正图像I(U)之间的误 差度量最小化的节点值。示例误差度量包括均方差(MSE)、平均绝对误差(MAE)、均方根误 差(MSE)以及本领域已知的其他误差度量。在包括MSE的本发明的一些实施例中，可以通 过递归滤波来求解样条近似。在备选实施例中，可以通过线性方程组来求解样条近似。在本发明的一些实施例中，预测编码可以用来编码8代表校正图像2的模型参数。在关于图4描述的本发明的一些实施例中，校正图像32可以分解成34第一图像 和第二图像。这可以通过将校正图像2的垂直和水平对准结构35与平滑变化分量36分离 开来实现。第一图像和第二图像可以分别包括垂直和水平对准结构以及平滑变化分量。可 以根据上述实施例中任何实施例的模型拟合8平滑变化分量36。可以编码42模型参数值 40，并且可以存储已编码模型参数值44和校正图像32 (第一图像)的垂直和水平对准结构 35。校正图像321^(1，j)可以根据以下公式来分解Ic, “i，j) = Sc, “i，j)+NCjl(i, j)其中，Ui，」)表示垂直和水平对准结构35^,^，」)表示平滑变化分量36。在 一些实施例中，垂直和水平对准结构35可以由列向量和行向量来表示，列向量和行向量可 以分别表示为Collxw和Rowhx1，其中W和H分别指校正图像32的宽度和高度。在这些实施 例中的一些实施例中，垂直和水平对准结构35^1，j)可以根据以下公式来确定
Nc1(Lj)=C0I1^R0Wlxw在备选实施例中，垂直和水平对准结构35^1，j)可以根据以下公式来确定Nc, j) = ColHxl*l 1xW+1hx1 氺 R〇WlxW其中，Ilxw和Ihx1分别表示全“1”的行向量和列向量。在本发明的一些实施例中，列向量Collxw和行向量Rowhx1可以直接存储46为已编 码图像信息的一部分。在备选实施例中，可以在存储之前对列向量Collxw和行向量Rowhx1进 行编码。本发明的上述实施例涉及一幅校正图像。在本发明的一些实施例中，可以对多幅 校正图像进行编码以用于存储或其他使用。可以关于图5描述本发明的一些实施例。在这些实施例中，可以针对K个不同 灰度级来捕获与显示器相关联的多幅mura校正图像，并且每幅mura校正图像分别与C 个颜色分量相关联。显示码值范围表示为1，0 < 1 < L-I,并且颜色分量可以表示为c， O ^ C^ C0在示例实施例中可以存在256个灰度级以及3个颜色分量。在该示例实施例中， 1,0 ^ 1 ^ 255和c，0彡c彡2。mura校正图像可以表示为/c4 (/J)，其中，O彡k彡K-I, 并且Ik表示与mura校正图像相对应的灰度级。因此可以存在I个mura校正图像，可以 表示为Ip(i，j)，0彡ρ彡I-l。可以将每个mura校正图像50堆叠52成长度SfeH的向 量，其中，W和H分别表示mura校正图像Ip(i，j)，0彡ρ彡3Κ-1的宽度和高度。示例堆叠 52方法包括行堆叠52、列堆叠52、以及其他堆叠52方法，其中，将2D图像重新格式化成ID 向量格式。与mura校正图像Ip(i，j)相对应的向量可以表示为Γρ，并且可以被称作校正 图像向量。可以形成多个校正图像向量，并且每个校正图像向量与校正图像相关联。
平均校正图像向量Ψ，可以表示为，根据以下公式来确定M
权利要求
1.一种用于存储校正图像数据的方法，所述方法包括a)接收与第一显示系统相关联的第一校正图像；b)用第一模型拟合所述第一校正图像，从而产生与所述第一校正图像相关联的至少一 个模型参数值；c)对与所述第一校正图像相关联的所述至少一个模型参数值进行编码，从而产生与所 述第一校正图像相关联的已编码数据；以及d)将所述已编码数据存储在所述第一显示系统处的存储位置中。
2.根据权利要求1所述的方法，还包括使用所述已编码数据来校正所述第一显示系 统处的显示值，其中，使用已编码数据来校正所述第一显示系统处的显示值包括a)从所述存储位置获取所述已编码数据；b)根据所述已编码数据对与所述第一校正图像相关联的所述至少一个模型参数值进 行解码；以及c)使用所述至少一个模型参数值来确定校正值。
3.根据权利要求1所述的方法，其中，用第一模型拟合所述第一校正图像包括a)将所述第一校正图像分成至少一个图像补丁；以及b)确定与所述至少一个图像补丁中每一个相关联的平面模型参数值，其中，所述至少 一个模型参数包括与所述至少一个图像中每一个相关联的所述平面模型参数值。
4.根据权利要求1所述的方法，还包括a)用第二模型拟合所述第一校正图像；b)选择所述第一模型或所述第二模型，从而产生模型选择；以及c)将所述模型选择与所述已编码数据存储。
5.根据权利要求4所述的方法，其中a)所述第一模型是水平平面模型和垂直平面模型中的一个；以及b)所述第二模型是所述水平平面模型和所述垂直平面模型中的另一个。
6.根据权利要求4所述的方法，其中，所述选择包括a)当相比于所述第二模型，所述第一模型提供对所述第一校正图像的更好拟合模型 时，选择所述第一模型；以及b)当相比于所述第一模型，所述第二模型提供对所述第一校正图像的更好拟合模型 时，选择所述第二模型。
7.根据权利要求1所述的方法，其中a)所述第一模型包括二维B样条表面；以及b)用第一模型拟合所述第一校正图像包括确定所述B样条表面的多个节点。
8.根据权利要求1所述的方法，其中，用第一模型拟合所述第一校正图像包括a)将所述第一校正图像分解成第一图像和第二图像，其中i)所述第一图像包括来自所述第一校正图像的垂直和水平对准结构； )所述第二图像包括来自所述第一校正图像的平滑变化分量；b)用所述第一模型拟合所述第二图像；以及c)将所述第一图像的表示与所述已编码数据存储。
9.一种用于存储校正图像数据的方法，所述方法包括a)接收与第一显示系统相关联的多幅校正图像；b)产生与所述多幅校正图像相关联的多个特征向量；c)将每个所述校正图像投影到由所述多个特征向量定义的特征空间上，从而产生与所 述多幅校正图像中的每幅校正图像相关联的多个系数；d)对所述多个特征向量进行编码，从而产生已编码数据；以及e)将所述已编码数据和与所述多幅校正图像中的每幅校正图像相关联的所述多个系 数存储在所述第一显示系统处的存储位置中。
10.根据权利要求9所述的方法，其中，所述多幅校正图像包括a)与第一颜色分量相关联的第一组多幅校正图像；以及b)与第二颜色分量相关联的第二组多幅校正图像。
11.根据权利要求9所述的方法，包括使用所述已编码数据和与所述多幅校正图像中 的每幅校正图像相关联的所述多个系数，来校正所述第一显示系统处的显示值。
12.根据权利要求9所述的方法，其中，所述产生与所述多幅校正图像相关联的多个特 征向量包括a)形成多个校正图像向量，其中，所述多个校正图像向量中每个校正图像向量与所述 多幅校正图像中的校正图像相关联；b)确定所述多个校正图像向量的平均校正图像向量；c)从所述多个校正图像向量中的每个校正图像向量中减去所述平均校正图像向量，从 而产生多个平均调整校正图像向量；d)形成与所述多个平均调整校正图像向量相关联的协方差矩阵；以及e)确定所述协方差矩阵的特征向量。
13.根据权利要求12所述的方法，还包括a)对所述平均校正图像向量进行编码，从而产生已编码平均向量；以及b)将所述已编码平均校正图像向量与所述已编码数据存储。
14.根据权利要求13所述的方法，其中，对所述平均向量进行编码包括a)根据所述平均校正图像向量形成平均图像；以及b)用第一模型拟合所述平均图像，从而产生与所述平均图像相关联的至少一个模型参数值。
15.根据权利要求9所述的方法，其中，对所述多个特征向量进行编码包括a)形成与所述多个特征向量中的第一特征向量相关联的第一特征图像；以及b)用第一模型拟合所述第一特征图像，从而产生与所述第一特征图像相关联的至少一 个模型参数值。
16.一种显示系统，包括a)存储器，用于存储校正图像信息；b)解码器，用于对所述校正图像信息进行解码，从而产生已解码校正图像信息；c)重构器，用于使用所述已解码校正图像信息来重构校正图像；以及d)校正器，用于使用所述校正图像来校正显示值。
17.根据权利要求16所述的显示系统，其中，已解码校正图像信息包括至少一个模型参数值。
18.根据权利要求16所述的显示系统，其中，所述已解码校正图像信息包括多个特征 向量和与多幅校正图像相关联的多个系数。
19.一种用于校正显示值的方法，所述方法包括a)获取与显示系统相关联的已编码校正图像信息；b)对所述已编码校正图像信息进行解码，从而产生至少一个模型参数值；c)使用所述至少一个模型参数值来确定校正值；以及d)根据所述校正值调整显示值。
20.根据权利要求19所述的方法，其中，所述至少一个模型参数值是与校正图像的第 一补丁相关联的平面模型参数，所述校正图像与所述校正图像信息相关联。
21.根据权利要求19所述的方法，还包括a)获取第一模型选择器，其中所述第一模型选择器与校正图像的第一补丁相关联，所 述校正图像与所述校正图像信息相关联；b)根据所述至少一个模型参数值，确定与所述第一补丁相关联的至少一个补丁参数值；c)基于所述模型选择器选择第一模型；以及d)其中，使用所述至少一个模型参数值确定校正值包括使用所述第一模型和所述至 少一个补丁参数值确定所述校正值。
22.根据权利要求19所述的方法，还包括a)获取第一图像的表示值，其中，所述第一图像包括与校正图像相关联的水平和垂直 对准图像结构，所述校正图像与所述校正图像信息相关联；b)使用所述表示值确定所述第一图像的重构值；以及c)其中，使用所述至少一个模型参数确定校正值包括将所述重构值与使用所述至少 一个模型参数值而确定的第一校正值相组合。
23.一种用于校正显示值的方法，所述方法包括a)获取与显示系统相关联的已编码校正图像信息；b)根据所述已编码校正图像信息对多个特征向量进行解码；c)根据所述已编码校正图像信息对平均向量进行解码；d)根据所述已编码校正图像信息对多个投影系数进行解码；e)将所述多个特征向量、所述平均向量与所述多个投影系数相组合，以确定校正值；以及f)根据校正值调整显示值。
24.根据权利要求19或23中任一项所述的方法，其中，所述已编码校正信息存储在所 述显示系统处。
25.根据权利要求23所述的方法，其中，根据所述已编码校正图像信息对多个特征向 量进行解码包括a)对来自所述多个特征向量的第一特征向量进行解码，其中对来自所述多个特征向量 的第一特征向量进行解码包括i)对与所述第一特征向量相关联的至少一个模型参数进行解码；以及 )使用与所述第一特征向量相关联的所述至少一个模型参数确定所述第一特征向量。
26.根据权利要求23所述的方法，其中，所所述多个特征向量、所述平均向量与所述多 个投影系数相组合以确定校正值包括a)确定第一颜色分量；b)确定第一码值；c)从所述多个投影系数中确定第一组多个投影系数，其中所述第一组多个投影系数与 所述第一颜色分量和所述第一码值相关联；d)将所述多个特征向量中的每个特征向量与来自所述第一组多个投影系数的关联的 投影系数相乘，从而产生多个缩放的特征向量；以及e)对所述多个缩放的特征向量与所述平均向量进行求和。
全文摘要
本发明的方面涉及用于压缩显示非均匀性校正数据并使用压缩的显示非均匀性校正数据的系统和方法。该方法包括接收与第一显示系统相关联的第一校正图像；用第一模型拟合第一校正图像，从而产生与第一校正图像相关联的模型参数值；对与所述第一校正图像相关联的模型参数值进行编码，从而产生与第一校正图像相关联的已编码数据；以及将已编码数据存储在第一显示系统处的存储位置中。用于存储校正数据的方法也可以通过使用显示系统来确定。
文档编号G09G3/20GK102089799SQ200980126620
公开日2011年6月8日 申请日期2009年7月9日 优先权日2008年7月9日
发明者冯晓帆, 小泽泰生, 潘昊, 苏野平 申请人:夏普株式会社