TWI352805B - - Google Patents

Description

1352805 九、發明說明： 【發明所屬之技術領域】 本發明係一種輝度量測方法， 沄尤扣一種以類神經網路 為核心而可配合運用數位相機 飛以决速建立待測對象表面輝 度分佈圖像的二維輝度量測方法。 【先前技術】 按液晶顯示器（Liquid Crysta丨Disp|ay, LCD)具有薄型 化、輕量化、低耗電量、無輻射污染、且能與半導體製程 技術相容等優點，故目前是我國重點發展的產業之一，其 中背光模組（backlight module，BLM)為提供LCD背光源的 關鍵元件之一。由於液晶顯示器必須依靠背光模組發光， 因此背光模組的品質直接影響了液晶顯示器的工作表現， 其中輝度（luminance)即為評估背光模組品質的指標之一。 而Radiant Imaging公司早在二十年前便已經推出了 第一款以CCD為核心的輝度量測設備，另外日商| System與Mi no丨ta公司目前也有全面式輝度色度量測設備 問世；我國則有阿瑪光電等公司正在開發相關的商品。以 上提及的量測設備的工作原理都是先由CCD擷取待測表 面的圖像’再由各公司個自開發的軟體進行分析，進而獲 得所要求的二維輝度輸出結果。

Radiant Imaging公司指出利用其輝度量測設備可快 速量測出顯示器的色彩座標與輝度，主要係使用其開發的 CCD光度/色度量測系統裝置’搭配其開發的程式軟體 4 1352805

Prometric ϋ# ^ χ , 均十八曰ι τ貝枓为析。然而前述公司開發的量測設備 刀叩貝’有些業者基於生產 較經濟和較 Μ本上的考里，絲選擇 往受到質疑 測’不過其結果的可靠性卻往 【發明内容】 胃因此本發明主要目的在提供一種成本低且處理快速的 方法’其可實際運用在生產線上對面㈣進行量測， 進而增進生產線上的量測速度，並降低其成本。 為達成前述目的採取的技術手段係令前述方法包括以 下步驟： a. 對一面光源施加不同的工作電壓，並在該面光源的 同一指定位置上取其在不同工作電壓下的輝度值； b. 對則述面光源施加不同的工作電壓，並利用cCD在 面光源的同一指定位置上擷取其不同工作電壓下的圖像， 並分別轉換為一灰階圖像； c. 於各灰階圖像的指定位置分別取出一原始灰階值， 該原始灰階值與輝度值具有正比關係； d. 根據前述複數組對應的原始灰階值與輝度值，採用 曲線擬合方法引導出相關函數關係； e. 在前述面光源定義出複數個特徵點位置，並在各特 徵點位置上分別量測以取其正確的輝度值，再基於上述步 驟d中以曲線擬合方式形成的函數關係反求出該複數特徵 點位置的一已校正灰階值； 5 1352805 f. 以CCD分別擷取面光源的圖像，進而在前述複數特 徵點位置上分別取得其未校正灰階值； g. 根據前述複數組對應的未校正灰階值與已校正灰階 值，取得複數組”特徵值灰階校正係數”（灰階校正係數=已 校正灰階值/未校正灰階值）； h. 根據前述”特徵值灰階校正係數”利用類神經網路形 成灰階校正矩陣； 丨.根據前述灰階校正矩陣對CCD取得的影像進行校正 » j.利用前述”灰階校正矩陣”與，，已校正灰階值與輝度的 擬合曲線”取得一模擬二維輝度分布。 利用前述方法可配合數位相機快速取像的優點，而迅 速求得二維平面甚至曲面的輝度分布，如此一來不僅確保 輝度量測的可靠度，更可大幅降低成本β 【實施方式】 本發明係利用數位相機來取得待測面輝度分佈的圖像 而電荷輕合元件（Charge Coupled Device,以下簡稱 CCD)是大多數數位相機採用的圖像擷取元件。而在傳統的 輝度计單點量測中，其量測點與其探測棒必須垂直正交， 藉以得到正確的輝度值。當使用數位相機拍照取像時，其 工作原理係如第一圖所示，一個均勻輝度的光源是座落在 成像透鏡的物平面’而CCD則座落在成像透鏡的像平面 ，第一^ φ * - 衣不出一個均勻的輝度光源，其輝度L可由照 6 1352805 度E計算求解；其中： 輝度（Luminance: L)被定義在單位發光面積之投影量 A，在立體角上所量測的光通量。 增=$ ’其中牦⑴

Θ是觀察方向與發光面方向的夹角 nit( cd/m2) ° ，輝度的單位是 根據光度學公式代入可得E E1=⑽ * 1 dA, ,άΦ I〇=dQ0 (2) (3) 所以藉由式（3)代入式（1)得到輝度L L0- d2° _dI〇 又0 cosordA0dn0 cosadA0 dA0 (4) 因為一個點輻射源在所有方向上輻射強度都相同，其 在有限立體角内發射的輻射通量為 Φ = ΙοχΩο (5) 所id (5)代人式（2)可得照度與輝度關係 E _da〇x〇0) _Q〇d(I0) dA '蛑 _ dAT = L。^^ (6) 又由光度學公式代入可得E π d(D 3 E3=i dQ, (7) (8) 所以藉由式（8)代入式（1)得到輝度 L2= ά2φ cosadAjdQ, cosadA2 (9) 因為一個點轄射源在所有方向上輻射強度都相同，其 在有限立體角内發射的輻射通量為 7 1352805 (10) Φ = I, χ Ω, 所以综合式（9)、（10)代入式（7)可得照度與輝度關係 _dq,xQ,) Ω,άα.) 3 dA3 dA3 =L2 dA2〇 —^-^cosa dA3 (11) 因為第二圖可知^^cosa，根據立體角定義可得 ΩοΑΆ#2，所以 Ω, = Q0cos2a (12) 由式（12)代入式（11)可得

dA

E3=L2-^-Q0cos3cz (13) 因為办3面法線與由叫射入私面之射線，差了 a夾角， 所以由照度餘弦定律可知 (14) ^3=^2 T~^^〇COs4a dA3 由於第一圖上所示者，為一個均勻的輝度光源，所以 l0=l2所以最終e3 e3 (15)

別述公式（1 5)表示除了在水平轴線上的照度，其他位 置的照度值皆有一個cos4a的誤差，因此使用數位相機進行 平面輝度檢測時，其輸出之圖像必須經過校正。 至於如何配合數位相機進行具有校正功能的二維輝度 刀析’其具體技術手段詳如以下所述： 如第二圖所不，其主要係於一翻拍架（1〇)的一端設有 一測試平台⑴），相對另端則設有一固定座（12)，該固定 座Π2)係供架設-數位相機或—輝度計，2固定座（⑺與 測試平台（11)相互平行，以確保數位相機或輝度計斑測試 平台⑴)上的待測光源呈正交關係。而數位相機及輝度計 8 里列取仔之資料則送 軟體Mat丨I其運异可採用數學 方… 仃數值、圖像、類神經、使用者介面設定 方面的處理。至於立a> 窄"囬叹疋 述❶ 、〃進仃二維輝度分析的步驟詳如以下所 # ’係在“翻㈣⑽上架設輝度計，利用輝 測-面光源(例如2.7时的背光模組)所 於本實施例中，係如第四圖所示，在該面光源上定義出九 個特徵點位置，拯荽旦兀*々上疋義出九

光源中央之第5個特徵點 位置的輝度，並蕻士#&, 藉由供給不同工作電壓給背光模組，分別 在第5個特徵點位置得到不同的輝度值。 第二步，改以CCD取像的方式拍攝取得面光源的照 度刀佈，其中CCD取像是以第5個特徵點位置為輸出圖 像中心。而CCD取得之圖像係送至電腦經由Matlab數學 軟體來分別得知圖像中# RGB三維矩陣，再利用Mat|ab

圖像處理内建函式，將RGB三維矩陣轉換為二維灰階值 矩陣，而構成一原始照度分布圖，進而得知第5個特徵點 位置的原始灰階值。在數位相機拍照取值之校正原理中， 其公式推導之最後說明除了在水平軸線上（即第5個特徵點 位置）的照度，其他位置的照度值至少有一個⑺^^的誤差。 由此假設第5個特徵點位置的原始灰階值不須經由校正， 即可與實際輝度做曲線配適，所以第5個特徵點位置的輝 度值與原始灰階值在理論上具有正比的關係。 接著藉由供給不同的工作電壓予背光模組，而在該第 5個特徵點位置分別得到複數組不同的已校正灰階值。經 9 1352805 • *複前述的第-步、第二步即可得複數組已校正灰階值對 ㈣度值的數據，並㈣曲線擬合方法引導出其相關函數 關係。 帛三步’使用輝度計來量測面光源的輝度，在此步驟 中，吾人係量測面光源上9個以上特徵點位置的輝度；利 用第二步曲線擬合形成的函數關係，反求出9點以上特徵 點位置的已校正灰階值。

第四步，則先固定前一步驟的工作電壓，再以CCD 取像的方式來拍攝光源的照度分佈；其中CCD取像是以 第5點特徵值位置為輸出圖像中心，以取得9點以上特徵 點位置的未校正灰階值。根據第三步、第四步得到9組^ 上「特徵值灰階校正係數」（灰階校正係數=已校正灰階值/ 未校正灰階值），接著以該灰階校正係數利用類神經網路形 成灰階校正矩陣，並以此矩陣進行數位相機拍照取值所需 的校正程序。因而利用前述「灰階校正矩陣」與「已校正 秦 &階值與輝度的擬合曲線」可得到—模擬的：維輝度分布 〇 以下進-步針對前述步驟所提的「曲線擬合」方法提 出說明： 所謂的「曲、線擬合（curve_f_g)」就是將一組離散的 數據以-個近似的曲線方程式來代表，通常由曲線擬合建 立的數學模型是「單輸入/單輸出」（Single input Sing卜 output’簡稱S丨S0)’所以其特性可用一條曲線來表示。 假設觀察所得資料數據係如第五圖所示，其表格中說 10 1352805 明使用供給背光模組電壓由i〇 0V~12 ov，每次間隔〇 2V ’分別用輝度計量測背光模組中心特徵點輝度值，對應 CCD拍照所取得背光模組中心特徵點之值（灰階值），兩者 都疋長度為10的向量’假設要預測灰階值在〇~255的相 對輝度值，即須根據上述資料建立一數學模型，並依此模 型來進行預測。 根據第五圖所列數據運用Matlab的曲線擬合ΤοοΙΒοχ 模擬出輝度值與已校正灰階值的曲線，以已校正灰階值為 輸入’輝度值為輪出’而在曲線擬合設定，以Smoothing Spline作為曲線配適類型。 接著進一步說明該灰階校正係數如何利用類神經網路 形成灰階校正矩陣：根據文獻，理想均勻面光源在經由 CCD拍照所得到的照度分布圖像（如第六圖所示），在離 中心越近灰階值最高’離中心越遠灰階值越低，如以前述 推導公式可推測其存在cos4a的誤差；但實際上面光源本身 之均勻度通常並非如此理想’且數位相機在成像時所形成 的誤差亦不只有c〇s4a的誤差，因此本發明使用倒傳遞類神 經網路以進行較複雜但精密的校正工作，主要係使用此網 路設定幾項輸入向量對應目標向量，設定一些參數，再經 由收斂測試，得到正確的網路關係，應用成一個灰階校正 矩陣，可將原始圖像（如第七圖所示）的未校正灰階矩陣 轉化為已校正灰階矩陣，以形成正確的二維輝度分佈圖像 (如第八圖所示）。 所謂的「類神經網路」是一種計算系統，由許多高度 11 1352805 連結的人工神經元（或處理單元）所組成，如第九圖所示 ，類神經網路一般具有三層··輸入層、隱藏層 '輸出層β 隱藏層的人工神經元可以是一個或二個以上的數目，每個 人工神經元可視為一個單獨進行的處理器，處理器數量苦 為二個以上其工作方式是以並行方式運作。 而倒傳遞類神經網路的演算過程分為學習過程及回想 過程。其中學習過程包含兩個階段：順向傳遞與逆向傳遞 。順向傳遞是從輸入層開始，傳至隱藏層而後至輸出層， 一層一層向前傳遞並由非線性轉換函數計算各層處理單元 的輸出值，直至網路的最後一層。逆向傳遞則是由輸出層 向後傳遞，這一階段在於計算誤差及更新連接鏈結值，其 方法則根據輸出向量及目標向量的差別來做修正，將這些 差別訊號傳回網路中，然後去重新計算鏈結值，並更新鏈 結值，使得網路的輸出向量與目標向量愈來愈接近，完成 網路的訓練。此學習過程通常以一次一個訓練範例的方式 進行，直到學習完所有的訓練範例，且達到網路收斂為止 。至於回想過程則是網路依學習過程中 ’以輸入向量輸入，推估輸出向量的過…:= 程。以下進一步說明在倒傳遞網路中修改鍊結值的演算方 法》 ' 在倒傳遞網路中，第η層第】·個神經元的輸出值為第 n-1層第I個神經元輸出值的權重累加值的非線性函數： yaj = f (net]) (21) 式中y;為第n層第j個神經元的輸出值，，是轉換函數 12

丄 J JZ/OVJJ ，⑽〗為第n-1層第i 一也· 個神！疋輸出值的權重累加值，可表 不為· Λβί"=Σ^Γ'-6. | (22) %為第n_1層第1個神經元的輸出值，％為第 η·1層的第i個神經 ，㈣為第】個神經元的^ ^個神經元間的鍊結值 於降很日；J傳遞用路屬於監督式的學習模式，訓練目的在 ^ ^ ”輸出向董間的差距，所以通常以誤差函 數五來表示學習品質 疋義一誤差函數: £=^Σκ~^)2 y' (23) :中，以第j個神經元的目標輸出值、為輸出層第 J個神經元的網路給 ^ 值，利用兩者差值來調整誤差函數五 敢小化’即為網路的學習 程利料陡坡降法來搜尋五 的最佳解’也就是最小的誤 μ . 、平方和。每輸入一筆訓練資 〆，、為路就稍微調整鍊結值的大 ,J 向调整的幅度和誤差 數對鍊結值的敏感程度成正比 Δ^=-7ϋ (24) 微積為ΓΓ速率’其衫了最陡坡降法修正的逮度。利用 微積刀的連鎖律可得： 、 （25) 、一 ·^即為倒傳遞演算法之關鍵公式。此學習過程通常 以一次輸入一個訓練範例的方式進行，直到 力丨|結為凡所有的 ί練向董’稱為-個學習循環，反覆數個學習猶環直到網 13 1352805 路達到收斂為止。 又在前述輝度分布量測步驟中，根據第三步、第四步 得到9絚以上特徵值灰階校正係數，在倒傳遞類神經網路 應用上，神經網路訓練模擬部分係將「（其他輝度特徵點X 轴值·最大輝度特徵點X軸值）」、「（其他輝度特徵點Y軸 值·最大輝度特徵點Y軸值）」、「（其他輝度特徵點原始灰 階值-最大輝度特徵點原始灰階值）」作為神經網路的三項 5向里’其他輝度特徵點灰階校正係數/最大輝度特徵 點灰階校正係數」當作一項目標向量，分成訓練範例、測 試範例、驗證範例。 在參數設定上：隱藏層通常使用彳層。隱藏層的處理 單兀之數目越多收斂越慢，但可達到更小的誤差值，但太 多並不一定必然的降低測試範例的誤差，只是增加執行的 負擔與時間，太少不足以反應輸入變數間的交互作用，因 而有較大的誤差，而數目越多，網路複雜，收斂較慢。 學習速率通常使用最大穩定學習速率。較大的學習速 率有較大的網路加權值修正量，可較快逼近函數最小值， 但過大郃導致加權值修正過量，造成數值震盪而難以達到 收斂的目的。一般用經驗取〇彳〜1〇之間或是採取自動 調整學習速率的方式來處理。 由上述說明可瞭解本發明量測方法中運用「曲線擬合 」與「類神經網路」進一步的技術内容，而在前述的量測 實施方式中可進一步歸納出下列步驟： a.對一面光源施加不同的工作電壓，並在該面光源的 1352805 同一指疋位置上取其在不同工作電壓下的輝度值； b. 對前述面光源施加不同的工作電壓，並利用CcD在 面光源的同一指定位置上擷取其不同工作電壓下的圖像， 並分別轉換為一灰階圖像； c. 於各灰階圖像的指定位置分別取出一原始灰階值， 該原始灰階值與輝度值具有正比關係； d. 根據前述複數組對應的原始灰階值與輝度值，採用 曲線擬合方法引導出相關函數關係； e. 在前述面光源定義出複數個特徵點位置，並對面光 源施加一固定的工作電壓，並以CCD擷取面光源在該工 作電壓下的圖像，進而在前述複數特徵點位置上分別取得 在該工作電壓下之面光源圖像的未校正灰階值，再基於曲 線擬合形成的函數關係，反求出該複數特徵點位置的已校 正灰階值； f. 根據則述複數組對應的未校正灰階值與輝度值，取 得複數組”特徵值灰階校正係數”（灰階校正係數=已校正灰 階值/未校正灰階值）； g. 根據前述”特徵值灰階校正係數”利用類神經網路形 成灰階校正矩陣； h. 根據前述灰階校正矩陣對CCD取得的影像進行校正 9 i. 將上述灰階已經過校正後的影像透過”已校正灰階值 與輝度的擬合曲線”轉化成一二維輝度分布圖像。 利用前述方法可對用數位相機擷取待測面光源之取像 15 進仃校正，以得到一顯著提升可靠度的二維輝度分析結果 由於則述分析結果可能受雜訊干擾，故可針對分析結果 進仃濾波，以排除前述的雜訊干擾，一種可行的濾波技術 為中值濾波器。 前述二維輝度分布的量測被定義為一“自體量測，，模 式，其主要根據待測面光源本身量測的灰階值與輝度值建 2的灰階校正矩陣，作為模擬二維輝度分析之依據，因此 當對不同面光源進行二維輝度分析時，即須分別針對不同 的面光源分別建立灰階校正矩陣。 _除上述模式以外，亦可採用固定的灰階校正矩陣來進 行模擬二維輝度分析： 、受无利用前述的“自體量測”分布方法對一背光模 組刀別求出已校正灰階值與輝度的擬合曲線、灰階校正矩 陣。接著利用該「灰階校正矩陣」與「已校正灰階值與輝 度的擬合曲線」對其他同批或同類型的背光模組進行-唯 =分布的校正量測，此種模式被定義為一“系統量：, 模式。 【圖式簡單說明】 圖。 誤差之示意圖。 0 徵點位置之示意 第一圖：係一數位相機取像原理示意 第二圖··係數位相機取得照度值存在 第一圖.係本發明之硬體架構示意圖 第四圖.係本發明在面光源上定義特

梦 -r* 圖··係本發明施加背光模組工作電壓所產生不同 輝度值、灰階值之相關數據表格。 楚 -X» 圖：係利用CCD擷取理想均勻之面光源的未校 正灰階之輝度分布圖像。 Λ|ϋτ | 圖：係利用CCD擷取一背光模組的圖像（校正 灰階前） 第八圖：係利用CCD擷取一背光模組的輝度分佈圖 像（經神經網路校正灰階後）

第九圖：係一類神經網路之示意圖。 【主要元件符號說明】 (1〇)翻拍架 （ή)測試平台 (12)固定座

17

Claims (1)

1352805 十、申請專利範圍： 1. 一種以類神經網路為核心的二維輝度量測方法，勹 括有： ’ ^ 在一面光源上定義出複數個特徵點位置，並對該面光 源施加不同的工作電壓，進而在某特徵點位置上分別取其 在不同工作電壓下的輝度值，再根據一利用曲線擬合形成 的函數關係反求出該複數個特徵點位置的已校正灰階值； 對前述面光源施加一工作電壓，並擷取面光源在該工 作電壓下的圖像，進而在前述複數特徵點位置上分別取得 其在該工作電壓下的未校正灰階值； 根據複數組對應的未校正灰階值與已校正灰階值，取 得複數組，，特徵值灰階校正係數”，再利用一類神經網路形 成—灰階校正矩陣； 根據前述灰階校正矩陣對擷取待測的圖像進行校正； 利用前述灰階校正矩陣與已校正灰階值與輝度的擬合 曲線取得一模擬二維輝度分布。 2. 如申明專利範圍第1項所述以類神經網路為核心 的一維輝度量測方法，前述未校正灰階值與輝度值是由以 下步驟取得： _對前述面光源施加不同的工作電壓，並在該面光源的 同扣定位置上取其在不同工作電壓下的輝度值； 對前述面光源施加不同的工作電壓，並在面光源的同 扣疋位置上擷取其不同工作電壓下的圖像，並分別轉換 為一灰階圖像； 18 1352805 於各灰階圖像的指定位置分別取出一原始灰階值，談 原始灰階值與輝度值具有正比關係； 根據前述複數組對應的原始灰階值與輝度值，採用曲 線擬合方法引導出相關函數關係。 3. 如申請專利範圍第2項所述以類神經網路為核心 的一 ’准輝度量測方法，該模擬二維輝度分布結果可再經過 一滤波步驟。 4. 如申請專利範圍第3項所述以類神經網路為核心 .維輝度量測方法，該濾波步驟係由一中值濾波器所執 行。 如申明專利範圍第1至4項中任一項所述以類神 經·網路 3k U …h〜的二維輝度量測方法，該輝度值係由 量測。 1 如申明專利範圍第1至4項中任一項所述以類神 經網路# j, ’’’、核心的二維輝度量測方法，該類神經網路為一倒 傳遞類神經網路。 如申明專利範圍第1至4項中任一項所述以類神 經網路鱼 .、、、核心的二維輝度量測方法，係採用CCD擷取面 光源之圖像。 如申清專利範圍第7項所述以類神經網路為核心 、二維緙度量測方法’該CCD是指數位相機内的CCDe 十一、圖式： 如次頁 19