基于圖像質(zhì)量評價(jià)的LCD運(yùn)動模糊檢測方法

邱聚能，李 輝，閆樂樂，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)動的圖像時(shí)，會產(chǎn)生視覺偽象［1］，比如動態(tài)偽輪廓、大面積閃爍、運(yùn)動模糊等［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LCD的顯示質(zhì)量要求也越來越高。運(yùn)動模糊度是LCD顯示質(zhì)量的重要指標(biāo)，研究LCD運(yùn)動模糊度是LCD質(zhì)量監(jiān)督檢驗(yàn)的重要工作，對促進(jìn)液晶顯示行業(yè)發(fā)展有著重要意義。

運(yùn)動模糊的產(chǎn)生是顯示器件工作模式與人眼視覺特性共同作用的結(jié)果。對于LCD運(yùn)動模糊的檢測，最常用的方法是人的主觀評判，即通過人眼觀察和對比，判斷LCD顯示屏模糊程度。傳統(tǒng)的人眼檢測方法存在很多不足：易受外界干擾，檢測者易疲勞，成本高，效率低等。因此LCD運(yùn)動模糊程度的評價(jià)標(biāo)準(zhǔn)較為模糊，如何測試和評價(jià)顯示屏模糊程度成為國際和國內(nèi)顯示技術(shù)標(biāo)準(zhǔn)［4－5］制定中的重要工作。為此，國內(nèi)外學(xué)者對LCD的運(yùn)動模糊現(xiàn)象開展了大量的研究，提出了一些方法，如日本工作組提出的基于移動相機(jī)的BEW（Blur Edge Width）檢測［6］及 MPRT（Moving Picture Response Time）檢測［7］和國內(nèi)東南大學(xué)提出的基于動態(tài)調(diào)制函數(shù)（MTF）的運(yùn)動模糊檢測檢測［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，對正弦光柵的信號曲線進(jìn)行積分。但是當(dāng)其設(shè)定的運(yùn)動速度較大時(shí)，需要積分的序列也較為復(fù)雜，算法復(fù)雜度較高。為了簡化檢測方法，降低檢測成本，本文提出通過檢測LCD運(yùn)動圖像的清晰度，以此來表征顯示器的運(yùn)動模糊程度。

2 基于圖像質(zhì)量評價(jià)的運(yùn)動模糊檢測方法

2.1 基于圖像的運(yùn)動模糊檢測

人眼判斷LCD顯示屏運(yùn)動模糊的依據(jù)是圖像在LCD上運(yùn)動時(shí)是否有拖尾、圖片細(xì)節(jié)是否保留完整等，而通過圖像采集，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，則說明LCD顯示屏運(yùn)動模糊程度越大，據(jù)此特性和關(guān)系，可以通過檢測運(yùn)動圖像的質(zhì)量來表征LCD運(yùn)動模糊度。

2.2 檢測流程設(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)動圖像，通過圖像質(zhì)量評價(jià)算法計(jì)算，得到運(yùn)動圖像的清晰度，以此作為判斷LCD顯示器運(yùn)動模糊程度的指標(biāo)。整個(gè)檢測過程分為采集圖像、圖像預(yù)處理、圖像清晰度評價(jià)等3個(gè)大的步驟，具體流程圖如圖1所示。

圖1 檢測流程圖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)動的圖像源有兩種方法，其一是通過FLASH制作軟件制作一個(gè)圖片運(yùn)動的動畫，這個(gè)動畫需要有以下功能：（1）可以切換圖片；（2）可以控制圖片運(yùn)動速度；（3）窗口大小與屏幕自適應(yīng)。用FLASH制作的動畫可以達(dá)到產(chǎn)生運(yùn)動圖像源的要求，但是由于在FLASH編輯中，速率是以幀頻來控制的，當(dāng)圖像運(yùn)動速度較大時(shí)，會出現(xiàn)塊狀非勻速移動，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，以每秒移動的像素點(diǎn)來控制圖像運(yùn)動的速度，可以做到窗口自適應(yīng)并且能隨時(shí)暫停和啟動。

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

測試圖像的選取應(yīng)當(dāng)遵循以下原則：

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

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

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

如圖2所示，本文選用的是TID2008標(biāo)準(zhǔn)庫中的“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)動圖像的模糊信息。采用跟蹤C(jī)CD的測量方法對運(yùn)動控制系統(tǒng)的精度要求高，技術(shù)復(fù)雜，價(jià)格昂貴。本文采用直接測量的方法，固定采集裝置和待測顯示屏，通過定時(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)動圖像，將圖像傳入計(jì)算機(jī)。按照國際半導(dǎo)體設(shè)備與材料組織（SEMI）中關(guān)于LCD量化標(biāo)準(zhǔn)對于測試條件中測量距離的要求以及實(shí)際的實(shí)驗(yàn)測試，對于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，快門設(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，并通過定時(shí)軟件，使攝像頭每次采集的運(yùn)動圖像都在待測屏的幾何中心，以解決攝像頭與圖像源的同步問題。對整個(gè)待測屏進(jìn)行圖像采集，得到的圖片如圖4所示。

表1 檢測環(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。首先對采集到的圖像進(jìn)行切割和下采樣，提取出檢測需要的有效區(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)噪聲對檢測結(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，本文采取對同一速度下的圖片重復(fù)采樣截取后進(jìn)行像素級平均。經(jīng)驗(yàn)表明，平均圖像數(shù)量越大，噪聲的影響越小［9］。

2.2.4 計(jì)算圖像清晰度

Wang等人［10］認(rèn)為人類視覺系統(tǒng)（HVS）能高度自適應(yīng)地提取場景中的結(jié)構(gòu)信息，可以通過比較模糊圖像和原圖像之間結(jié)構(gòu)信息的差異程度來判斷一副模糊圖像的清晰度。基于以上假設(shè)，提出了基于結(jié)構(gòu)相似度的圖像質(zhì)量評價(jià)方法（SSIM）。SSIM 算法的評價(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效果，對靜態(tài)圖像的評價(jià)也取得了較好的效果。但在LCD的運(yùn)動圖像顯示性能的檢測中，運(yùn)動圖像的邊緣失真（如拖尾，丟失等）更能反應(yīng)LCD的運(yùn)動模糊程度，檢測LCD時(shí)，人們對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，對圖像的不同區(qū)域給予相同的權(quán)重，對LCD的運(yùn)動模糊圖像檢測結(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)動模糊檢測中，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LCD的運(yùn)動圖像顯示性能檢測，在SSIM算法的基礎(chǔ)上，著重檢測圖像的邊緣輪廓及圖像上灰度對比度大的區(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，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）對整幅圖像進(jìn)行評分。

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模糊不易被察覺。參照信號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榷龋琭r（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

對于LCD顯示屏上的運(yùn)動圖像，區(qū)域?qū)Ρ榷炔桓叩膮^(qū)域，稱為平坦區(qū)域，人眼對這類區(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，人眼對這類區(qū)域的模糊相對較為敏感。

基于這個(gè)原理，對SSIM分塊圖像得到的分值進(jìn)行加權(quán)。通過求出每個(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價(jià)值：

RCSSIM值和MSSIM值都是0～1的數(shù)值，只有當(dāng)待測圖像和原圖像一模一樣時(shí)RCSSIM值達(dá)到1。RCSSIM （Ｘ，Ｙ）越大，說明圖像質(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LIVE數(shù)據(jù)庫里的779張圖片進(jìn)行了算法仿真，對比數(shù)據(jù)庫里的主觀評分（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價(jià)指標(biāo)：均方根誤差（RMSE）、斯皮爾曼等級相關(guān)系數(shù)（SROCC）、肯德爾等級相關(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)用來表征主觀感知相關(guān)曲線的單調(diào)性，它們的絕對值越接近于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，與人眼的主觀評分更為一致。

3.2 LCD運(yùn)動模糊檢測試驗(yàn)

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

圖8 靜止圖像和運(yùn)動模糊圖像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)動速度越大，圖像運(yùn)動模糊程度越明顯。本文采集了不同速度下的運(yùn)動模糊圖像，驗(yàn)證檢測指標(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)動圖像速度與RCSSIM值負(fù)相關(guān)，檢測指標(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)動圖像的RCSSIM值趨于平緩，所以實(shí)際檢測中的速度不宜過大。

4 總 結(jié)

本文將圖像質(zhì)量評價(jià)（IQA）應(yīng)用到LCD顯示屏的模糊檢測中，提出用運(yùn)動圖像的RCSSIM值作為LCD運(yùn)動模糊的評價(jià)參數(shù)。主要討論了基于IQA的運(yùn)動模糊檢測方法的檢測流程、實(shí)現(xiàn)及算法。通過對LIVE數(shù)據(jù)庫里的標(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LCD運(yùn)動模糊的指標(biāo)。在明確檢測指標(biāo)的基礎(chǔ)上按設(shè)計(jì)流程進(jìn)行了實(shí)際測量和仿真，證明了檢測方法的可行性以及檢測指標(biāo)的可靠性。從實(shí)驗(yàn)結(jié)果可以推測，在LCD運(yùn)動圖像顯示性能的檢測中，不同型號的顯示器應(yīng)該有一個(gè)最佳的檢測速度（區(qū)間），由于試驗(yàn)環(huán)境和器材的局限性，本文并沒有對此進(jìn)行深入的研究。

［1］ 張宇寧.平板顯示器件視覺贗象研究［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.基于動態(tài)調(diào)制傳遞函數(shù)的LCD運(yùn)動模糊研究［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斑痕缺陷自動檢測技術(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.