佳恒武汉LED电子屏亮度检测与校正算法

摘　要：针对武汉LED电子屏亮度均匀性问题，介绍了一种基于ＣＣＤ相机的全彩ＬＥＤ显示屏亮度检测和校正算法。首先利用ＣＣＤ相机获取显示中的图像，通过数学形态学和大津法对图像进行去噪和阈值分割处理，确定ＬＥＤ灯点的中心位置，然后使用较佳包含圆方法统计分析各个灯点的相对亮度值，并计算出其三色校正系数矩阵。实验证明，该算法检测速度快，校正效果较好，从而改善了显示的质量，延长了显示屏的使用寿命。

引　言

发光二很管（Ｌｉｇｈｔ　Ｅｍｉｔｔｉｎｇ　Ｄｉｏｄｅ，ＬＥＤ）显示屏作为一种多媒体显示的终端，由于其节能、环保、高亮度等优点，已经越来越广泛地应用在各种场合之中，如大型舞台背景的布置和体育赛事的直播等［１］。目前市场上的ＬＥＤ显示屏基本上是由数量众多的二很管组成，由于工艺、散热和老化等问题，会使二很管产生亮度衰减和色度漂移，从而导致显示的图像发生色度和亮度不均匀的情况，较常见的现象就是“麻点”和“马赛克”。针对发光二很管的这些独有的显示缺陷，许多研究机构和大公司都开展了亮度均匀性校正方法的研究，亮度校正成为了该领域研究的热点和难点。

检测显示屏亮度的传统方法是利用亮度计对每个ＬＥＤ灯点在法线方向的光强进行逐点测量，需要在测量过程中不停地移动亮度计的位置，这种方式的测量结果较准确，但操作效率低、过程繁琐、速度慢，不利于工业生产中显示屏亮度的采集和校正。

因此国内外学者进行了一系列的研究，主流的方法有投影法，该算法对二值图像进行水平和垂直投影，从而确定灯点的位置，这种方法在灯点排列不规整时可能会产生较大的误差。针对这种情况，使用模版匹配法能够取得较好的分割效果。

本文运用数字图像处理技术对显示屏上每个灯点的相对亮度进行检测和提取，计算出各个灯点的校正系数矩阵，并运用脉冲宽度调制（ＰＷＭ）方法调节相应灯点的亮度，从而提高全彩ＬＥＤ显示屏的亮度均匀性。图１为算法的总流程图。

ＬＥＤ灯点的定位

在对全彩ＬＥＤ显示屏显示图像进行相对亮度的检测之前，必须先确定每个灯点在图像中的具体位置。由于使用亮度计获取灯点亮度值的方法过程繁琐，效率较低，为了实现亮度的校正，本文通过定义相对亮度值的方法获取灯点的相对亮度。采集图像时使ＣＣＤ相机镜头正对显示屏，由于在ＣＣＤ相机中由感光单元产生的灰度值与实际所测面元亮度成正比关系，且每一个灯点的感光图像是由若干个感光单元组成的，因此本文定义相对亮度值为感光图像中灯点有效区域灰度值的和。对由ＣＣＤ相机获取的感光图像进行分析可以较准确地提取灯点的位置、发光强度和形状等信息。设显示屏有Ｍ×Ｎ个灯点，定义每一个灯点的相对亮度值为Ｐ_ｍｎ，该灯点所对应的感光单元数目为Ｉ×Ｊ，每个感光单元的灰度值为ｆ_ｍｎ（ｉ，ｊ），则

在确定灯点的具体位置之前，先要对采集到的图像进行灰度分布的统计，在所获取的感光图像中，由于灯点一般是由矩阵的方式排列，且灯点区域与背景区域的灰度值存在明显的差异，有时还会产生环绕光的现象，因此需对图像进行二值化处理。本文采用了大津法（ＯＴＳＵ）确定阈值，该方法计算简便，且在一定条件下不受图像对比度和亮度变化的影响，所以应用非常广泛。其原理如下：

（１）设图像为ｆ（ｘ，ｙ），在其灰度直方图上假定一个阈值Ｔ，则将图像分割成两部分，即ｆ（ｘ，ｙ）≥Ｔ和ｆ（ｘ，ｙ）＜Ｔ两类。

（２）分别计算两类别的平均值方差（类间方差）和各类的方差（类内方差）。

（３）以上述两类方差的较大比值来确定阈值Ｔ，即为分割图像的较佳阈值。

设输入图像为ｆ（ｘ，ｙ），输出图像为ｇ（ｘ，ｙ），用得到的分割阈值Ｔ对图２（ａ）进行处理，得到图２

（ｂ）所示的经形态学处理和二值化后的图像。由于该方法能有效的将目标与背景很好地分离，同时把灯点之间的相互影响降到了较低，因此能够更加准确地计算出屏幕上灯点的具体位置。式（２）为二值化处理的公式：

　如图２（ｂ）所示，在经过大津法处理后，各个灯点区域互不连通，又因为单个灯点区域近似为一圆形，且灯点的排列是有规则的，因此可把每一个ＬＥＤ灯点区域中心近似看作为灯点所在位置的中心点。本文采用一阶矩质心法（也称作重心法）来确定各个灯点的中心位置，其计算表达式为

式中（ｘ_ｉ，ｙ_ｉ）为灯点区域的重心坐标，也就是相对应ＬＥＤ灯点的中心位置坐标；灯点区域的大小为Ｍ×Ｎ，Ｍ、Ｎ分别为灯点区域宽度和高度方向上的像素个数；（ｘ_ｍｎ，ｙ_ｍｎ）为灯点区域内图像像素（ｍ，ｎ）的坐标，ｍ、ｎ分别为该图像像素在该灯点区域内所处的行和列；ｐｍｎ为灯点区域内该图像像素（ｍ，ｎ）的二值化后的值。如图２（ｃ）所示，该方法能够确定各个ＬＥＤ灯点的位置，并且由于使用了阈值分割的方法，能有效地避免灯点之间的相互干扰，使计算出的灯点的位置更加精确。

在图像的预处理过程中，由于采集的环境、屏幕封装或拍摄角度等原因，不可避免地会引入一些图像噪声，如ＬＥＤ引脚和螺钉表面产生的一些微小的反光，这些微小的噪声都可能会影响灯点位置的确定。针对这种情况，本文引入了数学形态学算法。具体思路是通过形态学结构元素衡量并提取照片中的对应形状来达到图像分析和识别的目的。这种算法不但能够使图像数据得到一定程度的简化，使其基本的形状特征保持不变，而且可以消除不相关结构体。这种算法有四种基本操作，分别是膨胀、腐蚀、开启和关闭。设预处理图像为ｆ（ｘ，ｙ），结构元素记作ｂ（ｘ，ｙ），用结构元素ｂ对输入图像进行膨胀和腐蚀运算，分别定义为

开启操作通常用来去除较小的明亮细节，闭合操作通常用来去除暗细节部分。在灰度数学形态学中ｂ对ｆ进行开启和闭合运算的定义为

使用上述数学形态学算法可以有效地解决由于一些细小的闪烁和螺钉的反光导致的原图像的二值图像中存在的噪声问题。如图３所示，一些噪声已经基本被去除。

２　ＬＥＤ灯点相对亮度的检测在确定了各个灯点的中心位置之后，接下来就是对各个ＬＥＤ灯点的相对亮度进行检测和提取。本文采用了基于较佳包含圆的提取方法。具体步骤如下：

（１）在经过处理的二值图像中，对每个灯点区域的边缘到中心位置的距离进行计算，在取得的一系列边缘感光单元到中心位置距离的数据中选取其中的较大值作为操作距离。

（２）以每个灯点的中心位置为中心，以操作距离为半径作圆，如图４所示，提取该圆形区域内的各个像素的灰度值进行求和。此灰度值的和即为该灯点的相对亮度值。在全部亮度提取完后保存为亮度数据文件，如图５所示。

由于各个灯点发光的亮度不同，反映在图像中即为各个发光区域的大小各不相同，因此使用边缘至中心位置的较大值作为半径可以较大程度地确保各个有效发光区域内的灰度值被计算在内，同时又避免了背景区域内一些无效灰度值对计算结果产生的影响。与主流的检测方法“投影法”相比，该算法的优势在于可以对灯点排列不规整的ＬＥＤ显示屏进行检测，并且能够有效地避免背景灰度值对检测结果的影响。

亮度校正

由于大多数全彩ＬＥＤ显示屏每一个像素点是由红、绿、蓝三色的发光二很管共同组成，对整个显示屏进行亮度校正即为对每一种颜色的发光二很管进行校正。在综合了各种文献资料的基础上，本文利用所采集到的各个灯点的相对亮度数据生成针对每个灯点的三色亮度校正参数矩阵，接着通过使用ＰＷＭ的方法调节全彩ＬＥＤ显示屏的亮度，具体做法是根据校正矩阵的数值来调节输入脉冲的宽度，从而满足对灯点亮度调节的要求，实现较高的显示屏亮度均匀性。

要想取得校正参数矩阵，必须得确定校正的目标值。本文首先使显示屏分别显示红，绿，蓝三色，并调节至较大亮度，用ＣＣＤ相机对显示屏图像进行采集，得到待处理的原图像，然后通过对各个灯点的相对亮度进行提取，并选取其中的较小值作为校正目标值，这样做的优势在于由于整屏的灯点已经处于较亮的状态，以较小相对亮度值的灯点作为目标值，可以有效地避免由于选取目标亮度值过大而导致一些较暗灯点的亮度达不到目标亮度的情况。每一个灯点都应有一个相应的三色校正矩阵，基于对人眼的视觉特性和简化计算的考虑，本文规定相对亮度值在校正目标值３％以内波动的灯点的校正系数为１，对于其他灯点，校正系数计算公式为

式中Ｒ_ｉ、Ｇ_ｉ、Ｂ_ｉ分别为第ｉ个灯点的红色、绿色、蓝色的校正系数；Ｉ_ｒｔ、Ｉ_ｇｔ、Ｉ_ｂｔ为三色校正目标值的相对亮度值；Ｉ_ｒｉ、Ｉ_ｇｉ、Ｉ_ｂｉ为第ｉ个灯点三色相对亮度值。因此每个灯点所对应的校正矩阵为［Ｒ_ｉＧ_ｉＢ_ｉ］Ｔ。

实验结果与分析

为了验证本文所提出的算法的有效性，本文进行了一系列实验。以红色为例，图６和图７分别是未校正的原图像和校正后的图像，通过在视觉上的对比可以看出，通过使用本文的算法能够有效地提高显示屏图像的亮度均匀性，并且由于使用的目标亮度值为各个灯点相对亮度值中较小的值，因此校正后的图像比没有校正的图像整体稍暗。

图８和图９分别为校正前和校正后各灯点的相对亮度值直方图。通过比较可以看出，校正前直方图数据的差异性比较大，而校正之后直方图数据的差异相对比较小，在特殊的情况下，如果统计的数据不存在任何的差异，直方图会呈现一条直线。从实验数据中可以发现，在经过亮度校正后，亮度均匀性得到了很好的改善。

结　论

本文针对全彩ＬＥＤ显示屏亮度均匀性问题，通过使用数学形态学和大津法对由ＣＣＤ相机采集到的图像进行去噪和二值化处理，比较准确地确定了ＬＥＤ灯点的中心位置，通过使用较佳包含圆的方法计算出了灯点的相对亮度值，确定了每个灯点的亮度校正参数矩阵。与传统的使用亮度计的做法相比，该算法成本低，操作方便，设备易于携带。实验结果表明，该算法能够快速、有效地对ＬＥＤ大屏幕进行检测和亮度校正，延长了ＬＥＤ显示屏的实际使用寿命。