基于圖像質量評價的LCD運動模糊檢測方法

邱聚能，李 輝，閆樂樂，梁 平

（1.電子科技大學 航空航天學院，四川 成都 611731；2.成都出入境檢驗檢疫局，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上顯示運動的圖像時，會產生視覺偽象［1］，比如動態偽輪廓、大面積閃爍、運動模糊等［2］。隨著材料技術的進步和生產工藝的日益完善，液晶顯示器向大尺寸、輕薄化等方向發展［3］，LCD逐漸進入主流應用，人們對LCD的顯示質量要求也越來越高。運動模糊度是LCD顯示質量的重要指標，研究LCD運動模糊度是LCD質量監督檢驗的重要工作，對促進液晶顯示行業發展有著重要意義。

運動模糊的產生是顯示器件工作模式與人眼視覺特性共同作用的結果。對于LCD運動模糊的檢測，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運動模糊程度的評價標準較為模糊，如何測試和評價顯示屏模糊程度成為國際和國內顯示技術標準［4－5］制定中的重要工作。為此，國內外學者對LCD的運動模糊現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的BEW（Blur Edge Width）檢測［6］及 MPRT（Moving Picture Response Time）檢測［7］和國內東南大學提出的基于動態調制函數（MTF）的運動模糊檢測檢測［8］。東南大學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行積分。但是當其設定的運動速度較大時，需要積分的序列也較為復雜，算法復雜度較高。為了簡化檢測方法，降低檢測成本，本文提出通過檢測LCD運動圖像的清晰度，以此來表征顯示器的運動模糊程度。

2 基于圖像質量評價的運動模糊檢測方法

2.1 基于圖像的運動模糊檢測

人眼判斷LCD顯示屏運動模糊的依據是圖像在LCD上運動時是否有拖尾、圖片細節是否保留完整等，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，拖尾越嚴重，圖片細節保留越少，則說明LCD顯示屏運動模糊程度越大，據此特性和關系，可以通過檢測運動圖像的質量來表征LCD運動模糊度。

2.2 檢測流程設計

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動圖像，通過圖像質量評價算法計算，得到運動圖像的清晰度，以此作為判斷LCD顯示器運動模糊程度的指標。整個檢測過程分為采集圖像、圖像預處理、圖像清晰度評價等3個大的步驟，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 圖像源的產生和獲取

在LCD顯示屏上產生運動的圖像源有兩種方法，其一是通過FLASH制作軟件制作一個圖片運動的動畫，這個動畫需要有以下功能：（1）可以切換圖片；（2）可以控制圖片運動速度；（3）窗口大小與屏幕自適應。用FLASH制作的動畫可以達到產生運動圖像源的要求，但是由于在FLASH編輯中，速率是以幀頻來控制的，當圖像運動速度較大時，會出現塊狀非勻速移動，采集時易出現不必要的閃爍，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來控制圖像運動的速度，可以做到窗口自適應并且能隨時暫停和啟動。

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

測試圖像的選取應當遵循以下原則：

①測試圖像來源盡量選擇有國際權威的標準圖像庫，例如LIVE、TID、CSIQ等常用數據庫；

②盡量選擇邊緣細節比較多的測試圖像，這樣可以最大限度地提取到測試圖像的運動拖尾模糊，保證后期評價算法處理后得到準確結果；

③選擇合適大小測試圖像，以適應不同尺寸的LCD運動模糊檢測。

如圖2所示，本文選用的是TID2008標準庫中的“Building”。

2.2.2 圖像采集

整個圖像采集系統的基本要求就是能有效采集到運動圖像的模糊信息。采用跟蹤CCD的測量方法對運動控制系統的精度要求高，技術復雜，價格昂貴。本文采用直接測量的方法，固定采集裝置和待測顯示屏，通過定時器控制拍攝時間，采集裝置如圖3所示。在暗室中使用高清攝像頭按照表1設定的采集環境的照度、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動圖像，將圖像傳入計算機。按照國際半導體設備與材料組織（SEMI）中關于LCD量化標準對于測試條件中測量距離的要求以及實際的實驗測試，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，實際的采集圖像距離計算公式為d＝（500÷15）×Size，式中Size為實際的屏幕尺寸，且單位以英寸計算。測試時，按照SEMI標準固定裝置位置，將高清攝像頭的光圈、調焦都設為手動，快門設置為高速增強3 600Hz，也就是曝光時間約為0.28ms。曝光頻率遠大于顯示屏刷新頻率60Hz，且保證了是刷新頻率60Hz的整數倍，并通過定時軟件，使攝像頭每次采集的運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。對整個待測屏進行圖像采集，得到的圖片如圖4所示。

表1 檢測環境參數表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，并且存在一些隨機噪聲，需要進行圖像的預處理工作。首先對采集到的圖像進行切割和下采樣，提取出檢測需要的有效區域。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行濾波處理。預處理的目的是減少清晰度算法的計算量以及隨機噪聲對檢測結果的影響，其效果如圖5所示。

圖5 圖像預處理效果圖Fig.5 Result of image cropping

為了減少濾波及切割中的系統誤差以及操作誤差，本文采取對同一速度下的圖片重復采樣截取后進行像素級平均。經驗表明，平均圖像數量越大，噪聲的影響越小［9］。

2.2.4 計算圖像清晰度

Wang等人［10］認為人類視覺系統（HVS）能高度自適應地提取場景中的結構信息，可以通過比較模糊圖像和原圖像之間結構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，提出了基于結構相似度的圖像質量評價方法（SSIM）。SSIM 算法的評價結果比均方誤差（MSE）和峰值信噪比（PSNR）的計算結果更吻合人眼的視覺效果，對靜態圖像的評價也取得了較好的效果。但在LCD的運動圖像顯示性能的檢測中，運動圖像的邊緣失真（如拖尾，丟失等）更能反應LCD的運動模糊程度，檢測LCD時，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，對圖像的不同區域給予相同的權重，對LCD的運動模糊圖像檢測結果不夠準確。為了把圖像質量更好地應用在LCD運動模糊檢測中，本文提出了一種改進的結構相似度算法—基于區域對比度的結構相似度算法（Regional Contrast Structural Similarity，RCSSIM）。

RCSSIM算法針對LCD的運動圖像顯示性能檢測，在SSIM算法的基礎上，著重檢測圖像的邊緣輪廓及圖像上灰度對比度大的區域。

2.3 基于區域對比度和結構相似度的圖像質量評價方法

2.3.1 結構相似度

Zhou Wang等提出的SSIM包括亮度、對比度和結構相似性3個組成部分，其數學模型［12］為：

在使用SSIM評價圖像清晰度時，使用一個N×N的窗口在兩幅圖像逐像素移動，形成M個分塊子圖像，按照式（1）計算每一個分塊圖像的SSIM值，然后按照式（5）對整幅圖像進行評分。

X，Y分別為原始圖像和模糊圖像。

2.3.2 區域對比度

從人眼視覺系統角度出發，一個像素點與其區域內所包含的視覺信息量的大小與該點所處的環境背景有關，在背景較亮時，圖像區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，把每一個分塊窗口的區域內，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域的區域對比度。

式中，con （x ，y ） 是區域對比度，fr（x ，y ） 為窗口區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顯示屏上的運動圖像，區域對比度不高的區域，稱為平坦區域，人眼對這類區域上的模糊并不敏感，而區域對比度高的區域，即邊緣區域，人眼對這類區域的模糊相對較為敏感。

基于這個原理，對SSIM分塊圖像得到的分值進行加權。通過求出每個子圖像的區域對比度函數，結合公式（1），得到分塊子圖像的

區域對比度越大的子圖像權值越大，在評價整張圖像時占的比重也更大。最后進行歸一化，得到整張圖像清晰度評價值：

RCSSIM值和MSSIM值都是0～1的數值，只有當待測圖像和原圖像一模一樣時RCSSIM值達到1。RCSSIM （Ｘ，Ｙ）越大，說明圖像質量越好。

3 試驗及結果分析

3.1 算法優化驗證實驗

本文對LIVE數據庫里的779張圖片進行了算法仿真，對比數據庫里的主觀評分（DMOS），得到SSIM算法以及RCSSIM算法主觀感知相關曲線圖如圖6和圖7。其中DMOS值越小，代表圖像質量越好。

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

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

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

為了能更好地比較兩種算法的性能，本文選用了3個常用的客觀常量作為評價指標：均方根誤差（RMSE）、斯皮爾曼等級相關系數（SROCC）、肯德爾等級相關系數（KROCC）。RMSE代表主觀感知相關曲線圖上散點的均方根誤差，RMSE越小，算法性能越好。而SROCC和KROCC兩個指標用來表征主觀感知相關曲線的單調性，它們的絕對值越接近于1，算法性能越好。試驗結果如表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個指標都可以看出，RCSSIM算法性能全方面優于SSIM算法，與人眼的主觀評分更為一致。

3.2 LCD運動模糊檢測試驗

驗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節的檢測流程，進行檢測方法的驗證。經過采集以及預處理后的靜止圖像和運動圖像如圖8所示，從圖中可以看出檢測系統能有效地捕捉到運動圖像的模糊細節。

圖8 靜止圖像和運動模糊圖像Fig.8 Static image and motion blurred image

根據LCD顯示特性和人眼主觀感知結果，圖像運動速度越大，圖像運動模糊程度越明顯。本文采集了不同速度下的運動模糊圖像，驗證檢測指標與主觀感知的一致性，其RCSSIM值如表3所示，并擬合得到圖像運動速度與RCSSIM值的相關曲線。

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的結果與預期相符：運動圖像速度與RCSSIM值負相關，檢測指標和人的主觀感知相符。從圖9的擬合曲線可以看出，當速度提高到一定的數值時，運動圖像的RCSSIM值趨于平緩，所以實際檢測中的速度不宜過大。

4 總 結

本文將圖像質量評價（IQA）應用到LCD顯示屏的模糊檢測中，提出用運動圖像的RCSSIM值作為LCD運動模糊的評價參數。主要討論了基于IQA的運動模糊檢測方法的檢測流程、實現及算法。通過對LIVE數據庫里的標準模糊圖片進行算法仿真，比較RCSSIM算法與SSIM算法的性能，驗證了RCSSIM值更適合作為檢測LCD運動模糊的指標。在明確檢測指標的基礎上按設計流程進行了實際測量和仿真，證明了檢測方法的可行性以及檢測指標的可靠性。從實驗結果可以推測，在LCD運動圖像顯示性能的檢測中，不同型號的顯示器應該有一個最佳的檢測速度（區間），由于試驗環境和器材的局限性，本文并沒有對此進行深入的研究。

［1］ 張宇寧.平板顯示器件視覺贗象研究［D］.南京：東南大學，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.基于極點聚焦全極點濾波器減小LCD運動模糊的方法［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.基于動態調制傳遞函數的LCD運動模糊研究［D］.南京：東南大學，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.基于多項式曲面擬合的 TFT－LCD斑痕缺陷自動檢測技術［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.