不均匀度检查系统、不均匀度检查方法、及不均匀度检查程序

技术领域

本公开涉及在彩色图片等中执行不均匀度检查(颜色不均匀度检查和 亮度不均匀度检查)的不均匀度检查系统、不均匀度检查方法、及不均匀 度检查程序。

背景技术

先前，在使用能够显示彩色图像的阴极射线管(CRT)、液晶显示器 (LCD)等的显示单元的大规模生产过程中的颜色不均匀度检查和亮度不 均匀度检查主要基于与边界样本(boundary sample)的比较利用感官性测 试来执行。执行该技术使得由人直接观看作为检查目标的显示单元的显示 屏幕，并且因此这是接近实际适用的检查并且也是简单和容易的技术。

然而，该技术主要依靠各个检查员的能力，从而检查质量根据诸如各 个检查员之间的偏差和检查员的疲劳程度的因素而变化。因此，难以执行 稳定的检查。

在这种情况下，提出了一些不依赖于检查员的能力的客观不均匀度检 查的技术(例如，专利文献1至5和非专利文献1至3)。

现有技术文献

专利文献

专利文献1：特开平第1-225296号

专利文献2：特开平第10-2800号

专利文献3：特开第2003-57146号

专利文献4：特开平第10-96681号

专利文献5：特开第2007-198850号

非专利文献

非专利文献1：SID06DIGEST 31.1

非专利文献2：Information Display 20071pp.2-6

非专利文献3:Proc.IS&T and SID Ninth Color Imaging Conference, 2001:pp.153-157

发明内容

然而，在这种不均匀度检查(在颜色不均匀度检查和亮度不均匀度检 查)中，通常，期望其他适当的方法，并且理想地提出这种方法。

鉴于上述，希望提供能够执行适当的不均匀度检查的不均匀度检查系 统、不均匀度检查方法以及不均匀度检查程序。

根据本公开的实施方式的不均匀度检查系统包括：图像拾取部，被配 置为获取检查目标的拾取图像；图像生成部，被配置为基于拾取图像生成 颜色不均匀度检查图像和亮度不均匀度检查图像；计算部，被配置为使用 颜色不均匀度检查图像和亮度不均匀度检查图像两者来计算评估参数；以 及检查部，被配置为使用所计算的评估参数来执行不均匀度检查。图像生 成部对拾取图像执行用于分离颜色分量和亮度分量的图像分离处理，生成 颜色分量图像和亮度分量图像，并且对颜色分量图像和亮度分量图像单独 执行将视觉空间频率特性考虑在内的滤波处理以基于滤波处理的颜色分 量图像和滤波处理的亮度分量图像分别生成颜色不均匀度检查图像和亮 度不均匀度检查图像。计算部考虑关于颜色和亮度两者的不均匀度可视性 来计算评估参数。

根据本公开的实施方式的不均匀度检查方法包括：获取检查目标的拾 取图像的步骤；基于拾取图像生成颜色不均匀度检查图像和亮度不均匀度 检查图像的生成步骤；使用颜色不均匀度检查图像和亮度不均匀度检查图 像两者来计算评估参数的计算步骤；以及使用评估参数来执行不均匀度检 查的检查步骤。在生成步骤中，对拾取图像执行将颜色分量和亮度分量分 离的图像分离处理以生成颜色分量图像和亮度分量图像，并且对颜色分量 图像和亮度分量图像单独执行将视觉空间频率特性考虑在呢的滤波处理 以基于滤波处理的颜色分量图像和滤波处理的不均匀度分量图像分别生 成颜色不均匀度检查图像和亮度不均匀度检查图像。在计算步骤中，考虑 关于颜色和亮度两者的不均匀度可视性来计算评估参数。

根据本公开的实施方式的不均匀度检查程序使计算机执行：获取检查 目标的拾取图像的步骤；基于拾取图像生成颜色不均匀度检查图像和亮度 不均匀度检查图像的生成步骤；使用颜色不均匀度检查图像和亮度不均匀 度检查图像两者计算评估参数的计算步骤；以及使用计算的评估参数执行 不均匀度检查的检查步骤。在生成步骤中，对拾取图像执行将颜色分量和 亮度分量分离的图像分离处理以生成颜色分量图像和亮度分量图像，并且 对颜色分量图像和亮度分量图像单独执行将视觉空间频率特性考虑在内 的滤波处理以基于滤波处理的颜色分量图像和滤波处理的亮度分量图像 分别生成颜色不均匀度检查图像和亮度不均匀度检查图像。在计算步骤 中，考虑关于颜色和亮度两者的不均匀度可视性来计算评估参数。

在根据本公开的各个实施方式的不均匀度检查系统、不均匀度检查方 法、以及不均匀度检查程序中，基于检查目标的拾取图像生成颜色不均匀 度检查图像和亮度不均匀度检查图像，使用颜色不均匀度检查图像和亮度 不均匀度检查图像两者计算评估参数，并且利用评估参数执行不均匀度检 查。在此，考虑关于颜色和亮度两者的不均匀度可视性来计算评估参数。 因此，与在不考虑这种可视性的情况下执行不均匀度检查的情况相比，实 现进一步与人类的感官相匹配的客观不均匀度检查(颜色不均匀度检查和 亮度不均匀度检查)。而且，为了生成颜色不均匀度检查图像和亮度不均 匀度检查图像，在分离颜色分量和亮度分量的图像分离处理之后，对拾取 图像执行将视觉空间频率特性考虑在内的滤波处理。因此，与在不执行这 种图像分离处理的情况下执行上述滤波处理的情况不同，可以避免伪颜色 不均匀度分量和伪亮度不均匀度分量的出现，并且因此，实现更准确的不 均匀度检查。

根据本公开的各个实施方式的不均匀度检查系统、不均匀度检查方 法、以及不均匀度检查程序，当使用颜色不均匀度检查图像和亮度不均匀 度检查图像两者计算评估参数时，考虑颜色和亮度两者的不均匀度可视性 来执行计算。因此，可以实现与人类的感官进一步匹配的客观不均匀度检 查。此外，当生成颜色不均匀度检查图像和亮度不均匀度检查图像时，在 执行分离颜色分量和亮度分量的图像分离处理之后执行将视觉空间频率 特性考虑在内的滤波处理。因此，避免了伪颜色不均匀度分量和伪亮度不 均匀度分量的出现并且可以实现更准确的不均匀度检查。因此，其变得可 以执行适当的不均匀度检查。

附图说明

[图1]是示出根据本公开的实施方式的不均匀度检查系统的概括配置 实例以及作为检查目标的显示单元的示意图。

[图2]是在图1中示出的图像处理设备中执行的不均匀度检查处理的 实例的流程图。

[图3]是示出在图2中示出的滤波处理和颜色不均匀度检查图像的生 成中的步骤的细节的流程图。

[图4]是示出在图2中示出的色度的计算方法的实例的特性图。

[图5A]是示出每个色群(color group)的颜色不均匀区域的面积比和 颜色不均匀度的主观评估值之间的关系的实例的特性图。

[图5B]是示出颜色不均匀区域中的最大色度与颜色不均匀度的主观 评估值之间的关系的实例的特性图。

[图6A]是示出为颜色不均匀度检查处理产生的图像的实例的示图。

[图6B]是示出为颜色不均匀度检查处理产生的图像的另一实例的示 图。

[图6C]是示出为颜色不均匀度检查处理产生的图像的又一实例的示 图。

[图6D]是示出为颜色不均匀度检查处理产生的图像的又一实例的示 图。

[图7]是用于说明色度边缘区域与亮度边缘区域的定义的示意图。

[图8]是示出在图2中示出的滤波处理和亮度不均匀度检查图像的生 成中的步骤的细节的流程图。

[图9A]是示出为亮度不均匀度检查处理产生的图像的实例的示图。

[图9B]是示出为亮度不均匀度检查处理产生的图像的另一实例的示 图。

[图9C]是示出为亮度不均匀度检查处理产生的图像的又一实例的示 图。

[图9D]是示出为亮度不均匀度检查处理产生的图像的又一实例的示 图。

[图10A]是示出根据实例1的各种主观评估值与颜色不均匀度评估值 之间的关系的特性图。

[图10B]是示出根据实例1的各种主观评估值与亮度不均匀度评估值 之间的关系的特性图。

[图10C]是示出根据实例1的各种主观评估值与综合评估值之间的关 系的特性图。

[图11A]是用于说明根据实例2的评估条件的示图。

[图11B]是用于说明根据实例2的评估条件的另一示图。

[图12]是示出根据实例2的亮度边缘图像的示图。

[图13]是示出根据比较例和实例3的色度边缘图像和二值化颜色不均 匀度图像的示图。

[图14]是示出根据比较例和实例3的亮度边缘图像和二值化亮度不均 匀度图像的示图。

[图15]是用于说明每单位视角的变化用作边缘阈值的情况下的效果的 示图。

[图16]是示出根据变形例1的不均匀度检查系统的概括配置实例以及 检查目标的示意图。

[图17]是示出根据变形例2的不均匀度检查系统的概括配置实例以及 检查目标的示意图。

具体实施方式

在下文中，将参照附图对本公开的实施方式进行详细描述。应注意， 将按以下顺序进行描述。

1.实施方式(在分离颜色分量和亮度分量的图像分离处理之后执行滤 波处理的不均匀度检查的实例)

2.变形例1和2(图像处理功能设置在服务器中以执行网络连接的配 置实例)

3.其他变形例

<实施方式>

[配置]

图1示意性地示出了根据本公开的实施方式的不均匀度检查系统(不 均匀度检查系统1)的概括配置实例以及用作检查目标的显示单元4。该 不均匀度检查系统1对显示在显示单元4上的彩色图像进行包括颜色不均 匀度检查和亮度不均匀度检查的综合不均匀度检查等，并且包括图像处理 设备2和图像拾取设备3(图像拾取部)。这里，例如，各种显示器(诸如， CRT、LCD、等离子体显示面板(PDP)、以及有机电致发光(EL)显示 器)可用作显示单元4。顺便说一下，根据本公开各个实施方式的不均匀 度性检查方法和不均匀度检查程序都包含在本实施方式的不均匀度检查 系统1中，并且因此，下面将一同描述它们。

(图像拾取设备3)

图像拾取设备3被用于拾取作为上述不均匀度检查中的检查目标的显 示单元4的显示屏(彩色显示屏)的图像。图像拾取设备3可被配置为使 用例如图像拾取装置，诸如，电荷耦合器件(CCD)和互补金属氧化物半 导体(CMOS)。由图像拾取设备3通过图像拾取获得的拾取图像(拾取 图像数据Din)通过连接线10输出到图像处理设备2。顺便说一下，图1 示出了连接线10是电缆的情况，但是图像拾取设备3和图像处理设备2 可彼此无线连接。(图像处理设备2)

图像处理设备2基于从图像拾取设备3输出的拾取图像数据Din进行 不均匀度检查，并且输出检查结果数据Dout作为检查结果。图像处理设 备2可被配置成使用例如在图中示出的个人计算机(PC)等。图像处理设 备2包括图像生成部21、参数计算部22(计算部)、以及检查处理部23 (检查部)。

图像生成部21基于拾取图像数据Din执行预定图像处理，从而生成 随后将描述的颜色不均匀度检查图像和亮度不均匀度检查图像。具体地， 图像生成部21生成以下描述的颜色不均匀度图像(颜色不均匀度图像数 据D11)、色度边缘图像(色度边缘图像数据D12)、以及二值化颜色不均 匀度图像(二值化颜色不均匀度图像数据D13)作为颜色不均匀度检查图 像。另外，图像生成部21生成以下描述的亮度不均匀度图像(亮度不均 匀度图像数据D21)、亮度边缘图像(亮度边缘图像数据D22)、以及二值 化亮度不均匀度图像(二值化亮度不均匀度图像数据D23)作为亮度不均 匀度检查图像。为了以这种方式生成颜色不均匀度检查图像和亮度不均匀 度检查图像，图像生成部21在执行以下描述的分离颜色分量和亮度分量 的图像分离处理之后，执行将视觉空间频率特性考虑在内的预定滤波处 理。此外，图像生成部21在执行将取决于颜色的颜色不均匀度可视性的 差异考虑在内的校正处理(稍后描述的增益校正处理)的同时生成上述颜 色不均匀度检查图像。应注意，稍后将描述通过图像生成部21进行的图 像处理(图像生成处理)的细节。

参数计算部22使用由图像生成部21生成的颜色不均匀度检查图像 (上述各种图像数据D11至D13)和亮度不均匀度检查图像(上述各种图 像数据D21至D23)两者计算稍后描述的用于不均匀度检查的各种评估参 数。具体地，参数计算部23使用颜色不均匀度检查图像(各种图像数据 D11至D13)计算稍后描述的颜色不均匀度评估值Ec(颜色不均匀度参 数)。另外，参数计算部22使用亮度不均匀度检查图像(各种图像数据 D21至D23)计算稍后描述的亮度不均匀度评估值El(亮度不均匀度参数)。 然后，参数计算部22将颜色不均匀度评估值Ec和亮度不均匀度评估值 EI进行加权和相加来计算综合评估值E(综合评估参数)作为上述评估参 数。这时，在本实施方式中，参数计算部22考虑关于颜色和亮度两者的 不均匀度可视性来计算综合评估值E。应注意，稍后将描述通过参数计算 部22进行的计算处理的细节。

检查处理部23使用由参数计算部22计算的综合评估值E执行作为检 查目标的显示单元4的显示屏的不均匀度检查(包括颜色不均匀度检查和 亮度不均匀度检查的综合不均匀度检查)。因此，从检查处理部23输出作 为检查结果的检查结果数据Dout。应注意，稍后也将描述通过检查处理部 23进行的不均匀度检查处理的细节。

[作用和效果]

接着，将描述根据本实施方式的不均匀度检查系统1的作用和效果。

(1.基本操作)

在不均匀度检查系统1中，当通过图像拾取设备3拾取作为检查目标 的显示单元4的显示屏的图像时，获取拾取图像(拾取图像数据Din)。通 过连接线10将拾取图像数据Din输入到图像处理设备2中的图像生成部 21。

图像生成部21基于拾取图像数据Din执行预定图像处理以生成颜色 不均匀度检查图像(各种图像数据D11至D13)和亮度不均匀度检查图像 (各种图像数据D21至D23)。然后，参数计算部22使用颜色不均匀度检 查图像和亮度不均匀度检查图像两者来计算综合评估值E，即，用于不均 匀度检查的评估参数。然后，检查处理部23使用综合评估值E对作为检 查目标的显示单元4的显示屏执行不均匀度检查。因此，从检查处理部23 输出作为检查结果的检查结果数据Dout。

(2.不均匀度检查处理的细节)

接下来，将描述根据本实施方式的通过不均匀度检查系统1中的图像 处理设备2执行的不均匀度检查处理的细节。图2是示出在图像处理设备 2中执行的不均匀度检查处理的实例的流程图。

(2-1.预处理)

首先，如上所述，图像生成部21通过连接线10从图像拾取设备3获 取检查目标的拾取图像(拾取图像数据Din)(图2中的步骤S101)。

接着，图像生成部21将拾取图像数据Din的信号转换成由三色值 (tristimulus value)X、Y、以及Z形成的信号(Xi，Yi，Zi)(步骤S102)。 具体地，例如，当拾取图像数据Din是为sRGB标准的图像信号时，图像 生成部21使用以下表达式(1)进行转换。此外，当拾取图像数据Din是 为其他标准的图像信号时，图像生成部21根据这种标准类似地执行转换 以生成信号(Xi，Yi，Zi)。顺便说一下，虽然在此描述了拾取图像数据 Din的信号被转换为信号(Xi，Yi，Zi)的情况，但可通过图像拾取设备 3直接获取信号(Xi，Yi，Zi)。

[数值表达式1]

(当拾取图像数据Din为sRGB标准(基于IEC 61966-2-1)时)

$\left(\begin{array}{c}{X}_i\\ Y_i\\ Z_i\end{array}\right)=\left(\begin{array}{ccc}0.4124& 0.3576& 0.1805\\ 0.2126& 0.7152& 0.0722\\ 0.0193& 0.1192& 0.9505\end{array}\right)\left(\begin{array}{c}{R}_{sRGB}\\ G_{sRGB}\\ B_{sRGB}\end{array}\right)---\left(1\right)$

接着，图像生成部21执行预定噪声去除处理作为对信号(Xi，Yi， Zi)的预处理(步骤S103)。具体地，例如，图像生成部21可使用空间滤 波器(诸如，中值滤波器)来执行去除由一种图像拾取设备3和图像拾取 条件引起的噪声的处理。顺便说一下，根据情况，可不执行这种噪声去除 处理。此外，当拾取图像数据Din是为sRGB标准的图像信号时，图像生 成部21可直接对拾取图像数据Din执行噪声去除处理。

(图像分离处理)

然后，图像生成部21对已经经历噪声去除处理的信号(Xi，Yi，Zi) 执行稍后描述的用于分离颜色分量和亮度分量的图像分离处理，以生成颜 色分量图像(颜色分量图像数据D10)和亮度分量图像(亮度分量图像数 据D20)(步骤S104)。

具体地，图像生成部21基于已经经历噪声去除处理的信号(Xi，Yi， Zi)按以下方式生成颜色分量图像数据D10。更具体地，图像生成部21 从已经经历噪声去除处理的信号(Xi，Yi，Zi)中去除亮度分布信息，同 时保持颜色分布信息，以生成由信号(XC，YC，ZC)形成的颜色分量图 像数据D10。这时，为了去除亮度分布信息，平均值或Yi的最频繁值(most  frequent value)被加到所有图像拾取像素(显示像素)以计算YC。顺便 说一下，被添加的值不限于平均值或Yi的最频繁值，并且可以是恒定值。 此外，为了维持颜色分布信息，上述Yc被用于计算XC和ZC，以便通过 使用以下表达式(2)由(X，Y，Z)信号计算的值(a*，b*)没有变化。

这里，值(a*，b*)是于1976年由国际照明委员会(CIE)推荐的 CIE 1976L*a*b*颜色空间(CIELAB颜色空间)中的值。CIELAB颜色空 间被推荐为均匀颜色空间并且是考虑关于人类对颜色的视觉感的均匀性 的空间。此外，表达式(2)中的Xn、Yn和Zn是理想漫反射面的三色值。

[数值表达式2]

$\left(\begin{array}{c}{L}^{*}=116f(Y/Y_n)-16\\ a^{*}=500[f(X/X_n)-f(Y/Y_n)]\\ b^{*}=200[f/(Y/Y_n)-f(Z/Z_n)]\end{array}\right)---\left(2\right)$

其中，

更具体地，图像生成部21使用以下表达式(3)和(4)来计算XC 和ZC。

500×[f(Xi/Xn)-f(Yi/Yn)]＝500×[f(XC/Xn)-f(YC/Yn)]   (3)

从而，a*(Xi，Yi，Zi)＝a*(XC，YC，ZC)

200×[f(Yi/Yn)-f(Zi/Zn)]＝200×[f(YC/Yn)-f(ZC/Zn)]   (4)

从而，(Xi，Yi，Zi)＝b*(XC，YC，ZC)

另一方面，图像生成部21基于已经经历噪声去除处理的信号(Xi， Yi，Zi)按以下方式生成亮度分量图像数据D20。具体地，图像生成部21 从已经经历噪声去除处理的信号(Xi，Yi，Zi)中去除颜色分布信息，同 时保持亮度分布信息，从而生成由信号(XL，YL，ZL)形成的亮度分量 图像数据D20。这时，为了保持亮度分布信息，如同被加到所有图像拾取 像素(显示像素)加入Yi的值以计算YL。此外，为了去除颜色分布信息， 上述YL被用于计算XL和ZL因此上述值(a*，b*)变成0(零)。

更具体地，图像生成部21使用以下表达式(5)和(6)来计算XL 和ZL。

500×[f(XL/Xn)-f(YL/Yn)]＝0   (5)

从而，a*(XL，YL，ZL)＝0

200×[f(YL/Yn)-f(ZL/Zn)]＝0   (6)

从而，b*(XL，YL，ZL)＝0

(2-2.颜色不均匀度检查图像的滤波处理和生成)

接着，图像生成部21对因而产生的颜色分量图像(颜色分量图像数 据D10)执行预定滤波处理，并且基于滤波处理的颜色分量图像数据D10 生成颜色不均匀度检查图像(各种图像数据D11至D13)(步骤S11)。

图3是示出在滤波处理和颜色不均匀度检查图像的生成中的步骤(步 骤S111至S119)的细节的流程图。

(滤波处理)

在该步骤中，首先，图像生成部21对由信号(XC，YC，ZC)形成 的颜色分量图像数据D10执行由以下表达式(7)定义的(w/k，r/g，b/y) 转换(在图3的步骤S111中)。因此，将颜色分量图像数据D10从(X， Y，Z)坐标系转换至(w/k，r/g，b/y)坐标系。然后，对坐标转换的(w/k， r/g，b/y)信号进行每三个轴(分量)的二维傅里叶变换以将坐标转换的 颜色分量图像数据D10扩展至空间频率。应注意，(w/k)表示(白/黑)， (r/g)表示(红/绿)，以及(b/y)表示(蓝/黄)。

[数值表达式3]

$\left(\begin{array}{c}w/k\\ r/g\\ b/y\end{array}\right)=\left(\begin{array}{ccc}0.279& 0.720& -0.107\\ -0.449& 0.290& -0.077\\ 0.086& -0.590& 0.501\end{array}\right)\left(\begin{array}{c}X\\ Y\\ Z\end{array}\right)---\left(7\right)$

接着，图像生成部21对二维傅里叶变换数据执行将视觉空间频率特 性(对比度敏感因素)考虑在内的滤波处理(步骤S112)。在此，视觉空 间频率特性是通过主观评估实验确定的，并且通过人类物体识别的相对颜 色空间定义并且对应于(w/k，r/g，b/y)的三个轴。执行将这种视觉空间 频率特性考虑在内的滤波处理使得可以执行处理以允许图像接近人类敏 感度。应注意，在滤波处理之后，执行二维傅里叶逆变换以将滤波处理的 数据D10返回至(w/k，r/g，b/y)坐标系。

接下来，图像生成部21对滤波处理的(w/k，r/g，b/y)信号执行由 以下表达式(8)定义的(X，Y，Z)转换(步骤S113)。因此，执行从 (w/k，r/g，b/y)坐标系到(X，Y，Z)坐标系的座标转换。

[数值表达式4]

$\left(\begin{array}{c}X\\ Y\\ Z\end{array}\right)=\left(\begin{array}{ccc}0.626554504& -1.867177598& -0.153156373\\ 1.36985545& 0.934755824& 0.436229005\\ 1.505650755& 1.421323772& 2.53602108\end{array}\right)\left(\begin{array}{c}w/k\\ r/g\\ b/y\end{array}\right)---\left(8\right)$

以这种方式，在本实施方式中，在对拾取图像数据Din执行用于分离 颜色分量和亮度分量的图像分离处理之后，执行将视觉空间频率特性考虑 在内的滤波处理。因此，与在不进行这种图像分离处理的情况下进行上述 滤波处理的情况不同，可以避免伪颜色不均匀度分量的出现从而实现更准 确的不均匀度检查。

出现这种伪颜色不均匀度分离的原因如下。具体地，在上述滤波处理 中的空间频率特性中，(w/k)(其是亮度分量的轴)以及(r/g)和(b/y) (其是颜色分量的轴)彼此在低频率特性上存在很大差异。此外，如在上 述表达式(2)中示出的，基本上仅由值Y计算L*，其中，值Y也用于 计算值(a*，b*)。因此，如果使用了受(w/k)(其经历在视觉空间频率 特性上大大不同的滤波处理)严重影响的值Y，则生成一般不会存在的色 度分布信息，并且图像中容易出现伪颜色不均匀度。因此，在本实施方式 中，在进行如上所述的图像分离处理之后执行将视觉空间频率特性考虑进 去的滤波处理从而避免由颜色分量的空间频率特性(低频率特性)和亮度 分量的空间频率特性之间的差异引起的伪颜色不均匀度分量的出现。

接着，图像生成部21基于通过上述(X，Y，Z)转换获得的信号(X， Y，Z)而使用上述表达式(2)来计算上述值(a*，b*)(步骤S114)。

接下来，在图像拾取像素的每一个中，图像生成部21在执行将取决 于颜色的颜色不均匀度可视性的差异考虑进去的校正处理(增益校正处 理)的同时生成上述各种颜色不均匀度检查图像。具体地，图像生成部21 在图像拾取像素的每一个中执行这种校正处理的同时计算色度C。更具体 地，首先，图像生成部21对在步骤S114中计算的值a*执行由以下表达式 (9)表示的增益校正处理(使用增益α的校正处理)作为将颜色不均匀度 可视性考虑在内的校正处理(步骤S115)。然后，图像生成部21通过以下 表达式(10)使用在步骤S114和S115中计算的值(a*'，b*)来计算每个 图像拾取像素的色度C(步骤S116)。

a*′＝(α×a*)

(对于a*>0:增益α>1,对于a*≤0:增益α＝1)   (9)

C＝{(a*′)²+(b*)²}^1/2

＝{(α×a*)2+(b*)²}^1/2   (10)

考虑到如在图4中示出的(a*，b*)坐标系，这种增益校正处理对应 (a*，b*)＝(a1,b1)的点到(a*，b*)＝(a′a1，b1)的点的转换(纠正)。因此， 如在图4中示出了显示在增益校正处理前后的色度C的曲线。具体地，示 出在增益校正处理之前的色度C的曲线是圆形的，然而，示出在增益校正 处理之后的色度C的曲线不是圆形的而是在如图4中的箭头示出的a*>0 的区域中为椭圆形的。

这里，在执行这种增益校正处理之后计算色度C的原因如下。具体地， 这是因为由人类感知的颜色不均匀度的可视性(颜色不均匀度可视性)依 配置颜色不均匀度的颜色种类而变化。

更具体地，首先，颜色不均匀度可视性(ME值、通过人类对不均匀 度(在此，颜色不均匀度)的主观评估值)根据各个色群的颜色不均匀区 域的面积比而变化(各个色群的颜色不均匀区域相对于检查目标的整个区 域(显示屏中的整个显示像素区域)的面积比)。换言之，例如，如在图 5A中所示，在对应于红色(R)、橙色(O)、和紫红色(M)的颜色的色 群的面积比中，与对应于黄绿(YG)、绿色(G)、和淡蓝(LB)的颜色 的色群的面积比相比，处于某些面积比的ME值(颜色不均匀度可视性) 变得较高。

此外，颜色不均匀度可视性(ME值)根据稍后描述的展现最大色度 Cmax(整个颜色不均匀区域中的最大色度)的颜色所属的色群而变化。 换言之，例如，如在图5B中所示，当展现最大色度Cmax的颜色属于对 应于颜色红色(R)、橙色(O)、和紫红色(M)的色群时，与展现最大色 度Cmax的的颜色属于对应于颜色黄绿(YG)、绿色(G)、和淡蓝(LB) 的色群的情况相比，处于相同最大色度Cmax的ME值(颜色不均匀度可 视性)变得更高。

因此，在本实施方式中，图像生成部21在执行如上所述将取决于颜 色的颜色不均匀度可视性的差异考虑在内的增益校正处理时计算色度C。 具体地，图像生成部21对与其颜色不均匀度可视性较高的色群(对应颜 色红色(R)、橙色(O)、和紫红色(M)的色群)对于的a*>0的区域执 行校正(增益校正)以选择性地增大值a*。因此，与未将取决于颜色的颜 色不均匀度可视性的差异考虑在内的情况下执行不均匀度检查(颜色不均 匀度检查)的情况相比，实现了与人类感官更加匹配的客观不均匀度检查。

(颜色不均匀度检查图像的生成)

接下来，图像生成部21使用因此计算的的色度C由拾取图像生成作 为颜色不均匀度检查图像之一的颜色不均匀度图像(颜色不均匀度图像数 据D11)(步骤S117)。具体地，图像生成部21生成由各个图像拾取像素 的色度C的值配置的颜色不均匀度图像。因此，例如，可生成如在图6A 中示出的由颜色不均匀度图像数据D11配置的颜色不均匀度图像。

然后，图像生成部21还使用所计算的色度C来从拾取图像生成作为 颜色不均匀度检查图像之一的色度边缘图像(色度边缘图像数据D12) (步骤S118)。具体地，例如，图像生成部21可执行Sobel滤波处理等以 识别色度边缘区域，并且相应地生成色度边缘图像。因此，可生成如在图 6B中示出的由色度边缘图像数据D12配置的色度边缘图像。

这里，此时识别的色度边缘区域可被定义成例如在检查目标(显示屏) 中的每单位长度的色度变化(色度边缘强度)或者每单位视角的色度变化 等于或大于预定阀值(色度边缘阈值)的区域。具体地，例如，如在图7 的(A)中所示，每单位长度的色度变化等于或大于色度边缘阈值(例如， (dC*/mm)＝2.0)的区域(例如，图7的(A)中的区域Ae)被识别为 色度边缘区域。相对于在显示屏40上的单位长度定义该色度边缘阈值以 与由人类感知的颜色不均匀度的敏感度一致。可替换地，例如，如在图7 的(B)中所示，每单位视角的色度变化等于或大于色度边缘阈值(例如， (dC*/arcmin)＝0.873)的区域(例如，图7的(B)中的区域Ae)被识 别为色度边缘区域。相对于观测员(眼睛Ey)的单位视角定义该色度边 缘阈值以便与由人类感知的颜色不均匀度的敏感度一致。应注意，例如， 按以下方式定义的视角可被理想地用作这时的视角θ。具体地，当人类的 视力是1.0时，由人类识别的角的分辨率被定义成与一弧分，即，一度的 六十分之一。因此，可理想地使用利用考虑人类的这种视觉特性的一弧分 定义的视角θ。上述情况也适用于以下描述，然而定义不限于此。

接着，此外，图像生成部21使用生成的颜色不均匀度图像(颜色不 均匀度图像数据D11)来生成二值化颜色不均匀度图像(二值化颜色不均 匀度图像数据D13)，并且识别颜色不均匀区域(步骤S119)。这时，图像 生成部21基于在图像拾取像素的每一个中的色度C的强度识别颜色不均 匀区域。具体地，色度C的值等于或大于预定阀值(例如，2.0)的图像 拾取像素被识别为属于颜色不均匀区域的图像拾取像素。另一方面，色度 C的值小于上述阈值的图像拾取像素被识别为不属于颜色不均匀区域的图 像拾取像素。因此，图像生成部21识别颜色不均匀区域。因此，例如， 颜色不均匀区域可被识别为在图6C中示出的二值化颜色不均匀度图像 (二值化颜色不均匀度图像数据D13)。应注意，在图6C示出的二值化颜 色不均匀度图像中，由红色示出颜色不均匀区域，并且由黑色示出其他区 域(在图6C中示出的图像是二值化图像)。

(2-3.颜色不均匀度评估值Ec的计算)

接着，参数计算部22按以下方式计算颜色不均匀度评估值Ec(图2 中的步骤S121至S122)。

首先，参数计算部22使用以上述方式生成的各种颜色不均匀度检查 图像(颜色不均匀度图像数据D11、色度边缘图像数据D12、以及二值化 颜色不均匀度图像数据D13)来计算如下所述的各种参数(步骤S121)。

具体地，参数计算部22使用色度边缘图像(色度边缘图像数据D12) 来计算作为色度边缘区域相对于检查目标的整个区域(显示屏中的整个显 示像素区域)的面积比的色度边缘面积比Sce。

此外，参数计算部22使用二值化颜色不均匀度图像(二值化颜色不 均匀度图像数据D13)来计算作为色度不均匀区域相对于检查目标的整个 区域(显示屏中的整个显示像素区域)的面积比的颜色不均匀面积比Sc。

此外，参数计算部22使用颜色不均匀度图像(颜色不均匀度图像数 据D11)来计算整个颜色不均匀区域中的最大色度Cmax。例如，在图6A 中示出的颜色不均匀度图像的实例中，在图6D中的由符号“×”指示的图 像拾取像素中呈现最大色度Cmax。

然后，参数计算部22将因此计算的色度边缘面积比Sce、颜色不均匀 面积比Sc、以及最大色度Cmax进行加权和相加来计算颜色不均匀度评估 值Ec(步骤S122)。具体地，参数计算部22可使用例如以下表达式(11) 来计算颜色不均匀度评估值Ec。应注意，在表达式(11)中，每个常数(系 数)k1、k2、以及k3表示加权系数，并且c1表示预定常数(包括0(零))。

Ec＝k1×Sce+k2×Sc+k3×Cmax+c1   (11)

(2-4.滤波处理和亮度不均匀度检查图像的生成)

另外，图像生成部21对在上述步骤S104中(在图像分离处理中)生 成的亮度分量图像(亮度分量图像数据D20)进行以下处理。具体地，图 像生成部21进行上述预定滤波处理，并且基于滤波处理的亮度分量图像 数据D20生成亮度不均匀度检查图像(各种图像数据D21至D23)(步骤 S13)。

图8是示出在滤波处理和亮度不均匀度检查图像的生成中的步骤(步 骤S131至S138)的细节的流程图。

(滤波处理)

在该步骤中，首先，图像生成部21对由信号(XL，YL，ZL)形成 的亮度分量图像数据D20执行由上述表达式(7)定义的(w/k，r/g，b/y) 转换(图8中的步骤S131)。因此，将亮度分量图像数据D20从(X，Y， Z)坐标系转换至(w/k，r/g，b/y)坐标系。然后，对坐标转换的(w/k， r/g，b/y)信号执行每三个轴的二维傅里叶变换以将坐标转换的亮度分量 图像数据D20扩展至空间频率。

然后，图像生成部21以类似于上述步骤S112的方式对二维傅里叶变 换数据执行将视觉空间频率特性考虑在内的滤波处理(步骤S132)。应注 意，在滤波处理之后，执行二维傅里叶逆变换以将数据返回至(w/k，r/g， b/y)坐标系。

接下来，图像生成部21对滤波处理的信号(w/k，r/g，b/y)执行由 以下表达式(8)定义的(X，Y，Z)转换(步骤S133)。因此，滤波处 理的(w/k，r/g，b/y)信号从(w/k，r/g，b/y)坐标系转换至(X，Y，Z) 坐标系。

而且在此处，在本实施方式中，在对拾取图像数据Din执行用于分离 颜色分量和亮度分量的图像分离处理之后，执行将视觉空间频率特性考虑 在内的滤波处理。因此，与在不执行这种图像分离处理的情况下执行上述 滤波处理的情况不同，避免了由于颜色分量和亮度分量之间的空间频率特 性(低频率特性)的差异引起的伪亮度不均匀度分量的出现，这使得可以 实现更准确的不均匀度检查。

然后，图像生成部21基于通过上述(X，Y，Z)转换获得的信号(X， Y，Z)计算L*(发光度)(步骤S134)。具体地，图像生成部21使用上 述表达式(2)来计算每个图像拾取像素的亮度L*。

接着，图像生成部21计算作为白色图像的整个区域(在这种情况下， 在显示单元4的显示屏上显示的白色图像的整个显示像素区域)中的亮度 L*的平均值的平均亮度L*ave(步骤S135)。

(亮度不均匀度检查图像的生成)

然后，图像生成部21使用以这种方式计算的亮度L*和平均亮度L*ave 从拾取图像生成作为亮度不均匀度检查图像之一的亮度不均匀度图像(不 均匀度亮度图像数据D21)(步骤S136)。具体地，图像生成部21计算亮 度差异(其是每个图像拾取像素的亮度L*与平均亮度L*ave之间的差异 的绝对值)DL*(＝|L*-L*ave|)，并且生成由亮度差异DL*形成的亮度不均 匀度图像。因此，例如，可生成如在图9A中示出的由亮度不均匀度图像 数据D21形成的亮度不均匀度图像。顺便说一下，在此时，可利用亮度 L*而非如上所述的亮度差异DL*的值来生成亮度不均匀度图像。

接着，图像生成部21还使用所计算的亮度L*来从拾取图像生成作为 亮度不均匀度检查图像之一的亮度边缘图像(亮度边缘图像数据D22) (步骤S137)。例如，图像生成部21可执行Sobel滤波处理等以识别亮度 边缘区域，并且然后生成亮度边缘图像。因此，例如，可生成如在图9B 中示出的由亮度边缘图像数据D22形成的亮度边缘图像。

这里，在此时识别的亮度边缘区域可被定义成例如在检查目标(显示 屏)中每单位长度的亮度变化(亮度边缘强度)或者每单位视角的亮度变 化等于或大于预定阀值(亮度边缘阈值)的区域。具体地，同样在此处， 例如，如在图7的(A)中所示，每单位长度的亮度变化等于或大于亮度 边缘阈值(例如，dL*/mm)＝0.5)的区域(例如，图7的(A)中的区域 Ae)被识别为亮度边缘区域。相对于显示屏40上的单位长度定义该亮度 边缘阈值。可替换地，例如，如在图7的(B)中所示，每单位视角的亮 度变化等于或大于亮度边缘阈值(例如，(dL*/arcmin)＝0.218)的区域(例 如，图7的(B)中的区域Ae)被识别为亮度边缘区域。相对于通过该观 测员(眼睛Ey)的单位视角定义该亮度边缘阈值。

接着，图像生成部21进一步使用生成的亮度不均匀度图像(亮度不 均匀度图像数据D21)来生成二值化亮度不均匀度图像(二值化亮度不均 匀度图像数据D23)，并且然后识别亮度不均匀区域(亮区和暗区)(步骤 S138)。这时，图像生成部21基于每个图像拾取像素中的亮度差异DL* 的级别识别亮度不均匀区域。具体地，亮度差异DL*的值等于或大于预定 阀值(例如，0.3)的图像拾取像素被识别为属于亮度不均匀区域的图像拾 取像素。另一方面，亮度差异DL*的值小于上述阈值的图像拾取像素被 识别为不属于亮度不均匀区域的图像拾取像素。因此，图像生成部21识 别亮度不均匀区域。因此，例如，亮度不均匀区域可被识别为在图9C中 示出的二值化亮度不均匀度图像(二值化亮度不均匀度图像数据D23)。 应注意，在图9C中示出的二值化亮度不均匀度图像中，用白色示出亮度 不均匀区域，并且用黑色示出其他区域(在图9C中示出的图像是二值化 图像)。

(2-5.亮度不均匀度评估值El的计算)

接着，参数计算部22按以下方式计算亮度不均匀度评估值El(图2 中的步骤S141至S142)。

首先，参数计算部22使用以上述方式生成的各种亮度不均匀度检查 图像(亮度不均匀度图像数据D21、亮度边缘图像数据D22、以及二值化 亮度不均匀度图像数据D23)来计算如下所述的各种参数(步骤S141)。

具体地，参数计算部22使用亮度边缘图像(亮度边缘图像数据D22) 计算作为亮度边缘区域相对于检查目标的整个区域(显示屏中的整个显示 像素区域)的面积比的亮度边缘面积比Sle。

此外，参数计算部22使用二值化亮度不均匀度图像(二值化亮度不 均匀度图像数据D23)计算作为亮度不均匀区域相对于检查目标的整个区 域(显示屏中的整个显示像素区域)的面积比的亮度不均匀面积比Sl。

此外，参数计算部22使用亮度不均匀度图像(亮度不均匀度图像数 据D21)计算最大亮度差异△L*max(＝Max|L*-L*ave|)(其是整个亮度不 均匀区域中的亮度(L*)与平均亮度L*ave之间的差异的绝对值的最大值)。 例如，在图9A中示出的亮度不均匀度图像的实例中，在由图9D中的符 号“×”表示的图像拾取像素中呈现最大亮度差异△L*max。

然后，参数计算部22将因此计算的亮度边缘面积比Sle、亮度不均匀 面积比Sl、以及最大亮度差异△L*max进行加权和相加以计算亮度不均匀 度评估值El(步骤S142)。具体地，参数计算部22可使用例如以下表达 式(12)来计算亮度不均匀度评估值El。应注意，在表达式(12)中，每 一个常数(系数)k4、k5、以及k6表示加权系数，并且c2表示预定常数 (包括0)。

El＝k4×Sle+k5×Sl+k6×ΔL*max+c2   (12)

(2-6.综合评估值E的计算和不均匀度检查处理)

接下来，参数计算部22可基于以这种方式获得的颜色不均匀度评估 值Ec和亮度不均匀度评估值El使用例如以下表达式(13)来计算不均匀 度检查的综合评估值E(步骤S151)。具体地，参数计算部22将颜色不均 匀度评估值Ec和亮度不均匀度评估值El进行加权和相加来计算综合评估 值E。因此，在如下所述的不均匀度检查中，其变得可以执行反映颜色不 均匀度评估值Ec和亮度不均匀度评估值El的加权的检查。顺便说一下， 在表达式(13)中，每一个常数(系数)A和B表示加权系数，并且c3 表示预定常数(包括0)。

E＝A×Ec+B×El+c3   (13)

这里，在本实施方式中，参数计算部22考虑关于颜色和亮度两者的 不均匀度可视性来计算综合评估值E。具体地，考虑关于颜色和亮度两者 的不均匀度可视性来确定上述加权系数A和B中的每一个。以这种方式， 由于考虑关于颜色和亮度两者的不均匀度可视性来计算综合评估值E，因 此与在未考虑这种可视性的情况下执行不均匀度检查的情况相比，实现了 与人类感官更加匹配的客观不均匀度检查。

接着，检查处理部23使用因此获得的综合评估值来对作为检查目标 的显示单元4的显示屏执行不均匀度检查，并且然后生成检查结果数据 Dout作为检查结果(步骤S152)。具体地，例如，检查处理部23基于综 合评估值E的增大确定检查目标的不均匀程度(颜色不均匀度和亮度不均 匀度的一者或两者)大。另一方面，检查处理部23基于综合评估值E的 减小确定检查目标的不均匀程度小。可替换地，当综合评估值E等于或大 于预定阀值时，检查处理部23确定检查目标有缺陷，然而当综合评估值E 小于上述阈值时，检查处理部23确定检查目标是批准项(confirming item)。 以这种方式，通过图像处理设备2进行的不均匀度检查处理结束。

(实例1)

这里，图10示出了显示上述各种评估值和主观评估值(ME值)之间 的关系(相关性)的实例(实例1)。具体地，图10A示出了根据实例1 的颜色不均匀度评估值Ec和主观评估值(ME值)之间的相关性，图10B 示出了根据实例1的亮度不均匀度评估值E1和主观评估值(ME值)之 间的相关性，以及图10C示出了根据实例1的综合评估值E和主观评估值 (ME值)之间的相关性。应注意，在这些图中示出的线性曲线中的确定 系数R²指示在确定系数R²变成接近“1”的大值时不均匀度检查的准确 度变得较高。

首先，在图10的(A)中示出的实例中，基于对于19和24的年龄之 间的25个的男人与女人作为测试者进行量值估计的评估结果进行主观评 估。此外，在该实例中，当关于色度边缘面积比Sce的加权系数k1是12.8， 关于颜色不均匀面积比Sc的加权系数k2是4.0、以及关于最大色度Cmax 的加权系数k3是0.02时，计算颜色不均匀度评估值Ec。在该实例中，确 定系数R2是0.94，其呈现较高的相关性。

另一方面，在图10的(B)中示出的实例是基于与在图10的(A) 的情况下相似的条件下进行量值估计的评估结果。此外，在该实例中，当 关于亮度边缘面积比Sle的加权系数k4是19.9，关于亮度不均匀面积比 Sl的加权系数k5是1.9、以及关于最大亮度差异△L*max的加权系数k6 是0.19时，计算亮度不均匀度评估值El。在该实例中，确定系数R2也是 0.94，其呈现较高的相关性。

另一方面，在图10的(C)中示出的实例是基于与在图10的(A) 的情况下相似的条件下进行量值估计的评估结果。此外，在该实例中，当 关于颜色不均匀度评估值Ec的加权系数A是0.63并且关于亮度不均匀度 评估值El的加权系数B是0.71时计算综合评估值E。在该实例中，确定 系数R²是0.95，其也呈现较高的相关性。

(实例2)

另外，图11A、图11B、以及图12分别示出了实例(实例2)，该实 例示出在通过预定边缘阈值与上述每单位长度的变化和上述每单位视角 的变化之一之间的比较识别边缘区域(亮度边缘区域)时的边缘区域的差 异的比较。

具体地，图11A示出了根据实例2的作为检查目标的显示屏的尺寸[英 寸]与适当的视觉距离[mm]和在每个尺寸(8英寸、40英寸、以及80英寸) 中观测员的每1mm的视角[°]之间的关系。另外，图11B示意性地示出了 在图9A中示出的每个适当的视觉距离与每1mm的视角之间的关系。

另一方面，图12示出了针对图11A和图11B中示出的每个适当的视 觉距离(显示屏的各个尺寸)的当上述(dL*/mm)＝0.5用作亮度边缘阈 值时的亮度边缘图像(亮度边缘图像数据D22)和当上述(dL*/arcmin)＝ 0.218用作亮度边缘阈值时的亮度边缘图像的比较。具体地，图12示出了 当使用显示屏上的每单位长度的亮度变化(亮度边缘强度)定义亮度边缘 区域时和当使用每单位视角的亮度变化定义亮度边缘区域时识别的边缘 区域的差异的比较。

从在图11A、图11B、以及图12中示出的实例2可发现当使用每单 位视角的亮度变化定义亮度边缘区域时可得到以下效果(在亮度边缘阈值 (dL*/arcmin)是0.218的情况下)。具体地，与使用显示屏上每单位长度 的亮度变化定义亮度边缘区域的情况不同(在亮度边缘阈值(dL*/mm) 是0.5的情况下)，其变得不论显示屏的尺寸(观测员的适当视觉距离)都 可以识别某个亮度边缘区域。因此，可以提高不均匀度检查的准确度。

应注意，在实例2中，已示出了当识别亮度边缘区域时的边缘区域的 差异。然而，上述情况也适用于当识别色度边缘区域时的边缘区域的差异。 换言之，当使用每单位视角的色度变化定义色度边缘区域时，与使用显示 屏上的每单位长度的色度变化定义色度边缘区域的情况不同，无论显示屏 的尺寸(观测员的适当的视角)都可以识别某个色度边缘区域。

(实例3)

图13示出了根据比较例和实例3的色度边缘图像(色度边缘图像数 据D12)与二值化颜色不均匀度图像(二值化颜色不均匀度图像数据D13) 的比较。此外，图13示出了根据比较例和实例3的亮度边缘图像(亮度 边缘图像数据D22)与二值化亮度不均匀度图像(二值化亮度不均匀度图 像数据D23)的比较。

这里，实例3与在执行本实施方式中的图像分离处理之后执行上述滤 波处理的情况下的实例对应，并且比较例与在不执行本实施方式中的图像 分离处理情况下执行上述滤波处理的情况下的实例对应。此外，在图13 中没有颜色不均匀度的图像用作检查目标，然而在图14中没有亮度不均 匀度的图像用作检查目标。

在图13中示出的实例中，虽然检查目标是没有颜色不均匀度的图像， 但是在比较例中的色度边缘图像和二值化颜色不均匀度图像两者中出现 上述伪颜色不均匀度分量，(确定结果：叉号)。因此，在比较例中，很难 进行准确的颜色不均匀度检查。相反，在实例3中，避免了这种伪颜色不 均匀度分量的出现(确定结果：圈号)。换言之，在本实施方式中的图像 分离处理之后执行上述滤波处理使得可以在不包括颜色空间转换中的伪 颜色不均匀度信息的情况下执行更准确的颜色不均匀度检查。

此外，在图14中示出的实例中，虽然检查目标是没有亮度不均匀度 的图像，但是在比较例中的二值化亮度不均匀度图像中出现上述伪亮度不 均匀度分量(确定结果：叉号)。因此，在比较例中难以执行准确的亮度 不均匀度检查。相反，在实例3中，避免了这种伪亮度不均匀度分量的出 现(确定结果：圈号)。换言之，在本实施方式中的图像分离处理之后执 行上述滤波处理使得可以在不包括颜色空间转换中的伪亮度不均匀度信 息的情况下执行更准确的亮度不均匀度检查。

如上所述，在本实施方式中，在使用颜色不均匀度检查图像(各种图 像数据D11至D13)和亮度不均匀度检查图像(各种图像数据D21至D23) 两者计算综合评估值E时，考虑关于颜色和亮度两者的不均匀度可视性。 因此，可以实现与人类感官更加匹配的客观不均匀度检查(综合不均匀度 检查包括颜色不均匀度检查和亮度不均匀度检查)。此外，在生成这种颜 色不均匀度检查图像和这种亮度不均匀度检查图像时，在执行用于分离颜 色分量和亮度分量的图像分离处理之后执行将视觉空间频率特性考虑在 内的滤波处理。因此，避免了伪颜色不均匀度分量和伪亮度不均匀度分量 的出现，其使得可以实现更准确的不均匀度检查。因此，其变得可以执行 适当的不均匀度检查。

此外，在生成颜色不均匀度检查图像时，在针对拾取图像的每个图像 拾取像素执行校正处理(a*的增益校正处理)(其将取决于颜色的颜色不 均匀度可视性的差异考虑在内)的同时计算色度C。因此，可以实现与人 类感官更加匹配的客观不均匀度检查并且执行更加适当不均匀度检查。

此外，由于实现了与人类感官更加匹配的客观不均匀度检查，通过研 发和设计中的质量评估中使用主观不均匀度检查可以提高研发和设计的 效率。

此外，例如，在大规模生产的检查处理中引入本实施方式中的不均匀 度检查使得可以稳定地并且快速地进行不均匀度检查。这使得可以提高评 估过程的效率并且提高产品质量的稳定性。

此外，由于利用每单位视角的变化(亮度变化和色度变化)定义边缘 区域(亮度边缘区域和色度边缘区域)，其变得可以识别以下描述的显示 屏上的小边缘区域。具体地，首先，例如，如在图15中所示出的，例如， 当利用间隔开对应0.1[弧度]或更大的视角的间距的像素之间的亮度差异、 色度差异等识别边缘区域时，没有识别出例如在40[英寸]或80[英寸]的大 屏幕尺寸中的小边缘区域。这是因为如在图15中示出的对应0.1[弧度]的 视角的显示屏的间距变成几百[mm]。相反，在利用每单位视角的变化定义 边缘区域的情况下，例如，当单位视角被假定为如在图15中示出的1['] 时，即使显示屏的尺寸大，对应于单位视角的显示屏上的间距可被抑制为 小于1[mm]。因此，例如，考虑到显示屏的尺寸大的情况或相距适当视觉 距离观察高清移动显示的情况，可以识别小边缘区域。这使得可以提高不 均匀度检查的准确度。

应注意，可通过基于视觉距离改变显示屏上每单位长度的变化(亮度 变化和色度变化)的阈值(边缘阈值)定义边缘区域，而非使用如上所述 的每单位视角的变化定义边缘区域。具体地，例如，可以使用以下表达式 (14)和(15)定义亮度边缘阈值和色度边缘阈值。顺便说一下，在这些 表达式中，D表示视觉距离[mm]，Lth(＝0.5)表示当视觉距离D是1500[mm] 时每单位长度的亮度边缘阈值，以及Cth(＝2.0)表示当视觉距离D是 1500[mm]时每单位长度的色度边缘阈值。以这种方式，与利用每单位视角 的变化定义边缘区域的情况类似，同样在通过基于视觉距离改变每单位长 度的边缘阈值定义边缘区域时，可以在不均匀度检查中识别小边缘区域并 且提高准确度。

亮度边缘阈值：(dL*/dx)＝Lth×(1500/D)   (14)

色度边缘阈值：(dC*/dx)＝Cth×(1500/D)   (15)

<变形例>

接着，描述上述实施方式的变形例(变形例1和2)。变形例1和2 对应于其中在实施方式中所描述的图像处理部2的至少一部分功能(图像 生成部21、参数计算部22、以及检查处理部22的功能)设置在服务器中 并且执行网络通信的实例(云配置实例)。应注意，相似的标号被用于指 代与实施方式中基本相似的部件，并且适当省略其描述。

[变形例1]

(配置)

图16示意性地示出了检查目标4A至4D以及根据变形例1的不均匀 度检查系统(不均匀度检查系统1A)的概括配置实例。本变形例中的不 均匀度检查系统1A包括服务器2A、多对(在该实例中为四对)图像拾取 设备(图像拾取部)3A至3D以及控制设备5A至5D和管理设备(管理 部)6(其通过有线或无线网络NW与服务器2A相连)。

此外，在检查目标4A至4D的制造中针对每个步骤(制造步骤)A 至D布置四对图像拾取设备3A至3D以及控制设备5A至5D，并且在随 后描述的每个步骤A至D中单独进行在上述实施方式中描述的不均匀度 检查。这里，步骤A对应制造检查目标4A(背光)的步骤，以及步骤B 对应制造检查目标4B(液晶面板)的步骤。另外，步骤C对应制造检查 目标4C(面板模块)的步骤，以及步骤D对应制造检查目标4D(作为最 终产品的液晶显示单元)的步骤。

顺便说一下，根据本变形例的不均匀度检查方法和不均匀度检查程序 包含在本变形例的不均匀度检查系统1A中。因此，一起描述不均匀度检 查方法和不均匀度检查程序。

服务器2A包括图像生成部21、参数计算部22、以及检查处理部22。 换言之，图像生成部21、参数计算部22、以及检查处理部22全部设置在 服务器2A中。例如，服务器2A可具有识别控制设备5A至5D的单独识 别符号、图像拾取设备3A至3D的单独识别符号、或用户的单独识别符 号的功能。此外，例如，服务器2A可具有执行存储传递的拾取图像数据 Din并且执行不均匀度检查处理以将检查结果数据Dout存储在本身中或 将检查结果数据Dout传递到控制设备5A至5D的功能。例如，这种服务 器2A可由大规模地高速集群的图像处理数据存储设备配置。

控制设备5A至5D分别通过上述网络NW连接到服务器2A，并且分 别具有控制图像拾取设备3A至3D的操作、控制数据传输和接收、并且 显示不均匀度检查结果的功能。具体地，控制设备5A至5D可将分别从 图像拾取设备3A至3D获得的拾取图像数据Din通过网络NW发送到服 务器2A，并且可接收从服务器2A提供的检查结果数据Dout以在其显示 部上显示检查结果数据Dout。此外，这时，例如，控制设备5A至5D可 分别根据网络NW等的电路容量的装备的需求压缩和传递拾取图像数据 Din。以这种方式，在本变形例中，图像拾取设备3A至3D(分别通过控 制设备5A至5D)间接地网络连接到服务器2A。应注意，可分别使用例 如个人计算机(PC)配置控制设备5A至5D。

如稍后将描述的，管理设备6具有共同管理在上述步骤4A至4D的 每一个步骤中执行的不均匀度检查的结果(检查结果数据Dout)的功能。

(作用和效果)

这里，例如，当用由在上述实施方式中描述的PC等配置的图像处理 设备2在步骤A-D的每个步骤单独执行不均匀度检查时，可能会出现以下 问题。

首先，第一个问题如下。具体地，例如，当在步骤A使用的图像拾取 设备3A是XYZ滤波器类型并且数据点的数目是一百万像素时，获得一百 万点的数据流作为三段拾取图像数据Din。这对应作为标准文本文件的大 约40MB的数据量。当基于这种拾取图像数据Din执行在上述实施方式中 描述的一系列不均匀度检查处理时，数据量仅通过图像分离处理加倍，并 且确保在一个步骤的运作的存储量增加大约10倍。

此外，即使存储颜色不均匀度检查图像(各种图像数据D11至D13) 和亮度不均匀度检查图像(各种图像数据D21至D23)作为用于稍后管理 的位图数据，在一个检查步骤必须储存六条一百万像素数据，并且因此必 须确保大约6MB的存储量。此外，如果存储这些图像作为数字顺序数据， 必须确保大约100MB的存储量。以这种方式，当执行维持可追踪性的管 理时，必须在一个检查目标的一个步骤处确保接近150MB的存储区域以 及400MB的足以持续数据开发的工作内存。例如，当在一年内制造一百 万显示单元时，制造一个单元的操作性应答变成大约30秒，从而每天大 约430GB的存储容量是必要的。

在每个步骤执行处理和存储这种大量数据需要高成本，并且当步骤进 行至步骤B、步骤C、以及步骤D时进一步增大数据量。因此，即使当在 检查中出现缺陷判定时不容易确保可追踪性。

此外，第二个问题如下。具体地，例如，在制造显示单元的最近的方 法中，在一个位置制造最终产品是罕见的。目前，每个组件要变换制造厂， 此外，进行中港进出口运输。然而，在航运检查的检查系统和中间的到货 检查可能不够，并且实际上难以进行管理诸如不均匀度的缺陷的出现。

因此，在本变形例的不均匀度检查系统1A中，如上所述，在服务器 2A中设置图像处理部2(图像生成部21、参数计算部22、以及检查处理 部22)的功能，并且分别在步骤A至D中设置的图像拾取设备3A至3D 和控制设备5A至5D与服务器2A网络连接。因此，可利用具有例如数据 压缩和数据传输功能的便宜的PC等取代能够执行高速计算的昂贵的图像 处理设备2，这样可使得生产成本降低。换言之，在步骤A至D的每个步 骤中，仅执行通过图像拾取设备3A至3D获取拾取图像Din并且显示检 查结果数据Dout，这降低了制造成本并且避免了通过检查的制造操作性应 答的苦恼。因此，其变得可以高速地并且低成本地实现更适当的不均匀度 检查并且容易进行质量管理。

此外，如果统一管理在步骤A至D的每个步骤中的检查信息，则确 保在检查步骤中所确定的缺陷的可追踪性，这使得可以迅速进行缺陷的原 因的调查和防范措施的开发。例如，如果在步骤D的检查中出现缺陷，其 变得可以通过参考在其他步骤中的连接数据确定缺陷是否由累积因素引 起的或者仅在步骤D突然出现缺陷。因此，其变得可以迅速确定缺陷的原 因并且最小化制造缺陷。此外，当缺陷由累积因素引起时，可以迅速地将 反馈提供给设计。这使得可以防止缺陷积累。此外，在运送和到达时进行 相同的检查使得容易发现由输送引起的缺陷。因此，整体质量管理变得容 易。此外，由于统一管理用于计算评估结果的操作，可以防止在每个步骤 的操作错误、有意串改等，这使得容易进行质量管理。用这种方式，质量 管理变得更容易，并且此外也容易执行对要提供至一般消费者的产品的质 量保存、质量改善和库存管理调整。

此外，例如，当网络NW上的服务器管理器收取用户图像处理单元2 的管理费用而非图像处理单元2的可消减开支并且进行管理时，用户变得 可以接收以恒定高速计算、管理以及存储数据的好处。因此，当利用低廉 的检查成本在运送和到达处进行检查时，其变得可以管理在输送中出现的 缺陷等等。应注意，这时的计费方法的实例可以包括例如根据图像的尺寸、 图像数据的尺寸、处理时间、或它们的组合向具有用户标识符号的用户收 取费用。

应注意，在本变形例中，已经描述了图像生成部21、参数计算部22、 以及检查处理部22全部设置在服务器2A中的情况作为实例，然而，配置 不限于此。可替换地，图像生成部21、参数计算部22、以及检查处理部 22的一个或多个可设置在单个服务器2A中。而且，不均匀度检查系统1A 可不包括多个图像拾取设备(图像拾取部)但仅包括一个图像拾取设备。

[变形例2]

图17示意性地示出了根据变形例2的不均匀度检查系统(不均匀度 检查系统1B)的概括配置实例以及检查目标4A至4D。本变形例的不均 匀度检查系统1B包括服务器2A、多个(在在这个实施例中为四个)图像 拾取设备3A至3D和管理设备6(其通过有线或无线网络NW与服务器 2A相连)。换言之，不均匀度检查系统1B对应于通过从变形例1的不均 匀度检查系统1A中省略(不提供)相应步骤A至D中的控制设备5A至 5D来配置的系统，并且不均匀度检查系统1B的其他配置与变形例1的不 均匀度检查系统1A的配置基本上相似。应注意，根据本变形例的不均匀 度检查法和不均匀度检查程序包括在本变形例的不均匀度检查系统1A 中。因此，下面将一起描述根据本变形例的不均匀度性检查方法和不均匀 度检查程序。

在本变形例中，图像拾取设备3A至3D的每一个通过网络NW连接 至服务器2A，并且具有执行数据传输和数据接收的功能。具体地，图像 拾取设备3A至3D的每一个可将所获得的拾取图像数据Din通过网络NW 发送到服务器2A，并且可接收从服务器2A提供的检查结果数据Dout。 此外，这时，例如，图像拾取设备3A至3D中的每一个可根据网络NW 等的电路容量的装备的需求压缩和传递拾取图像数据Din。用这种方式， 在本变形例中，图像拾取设备3A至3D的每一个直接与服务器2A网络连 接(没有控制设备5A至5D)。

同样在具有这种配置的本变形例中，可以通过类似的功能基本上获得 与上述变形例1的效果相似的效果。

此外，尤其是在本变形例中，控制设备5A至5D是不必要的。因此， 可以进一步在每个步骤降低成本。

顺便说一下，同样在本变形例中，图像生成部21、参数计算部22、 以及检查处理部22的一个或多个可设置在单个服务器2A中。此外，不均 匀度检查系统1B可不包括多个图像拾取设备(图像拾取部)而仅包括一 个图像拾取设备。

<其他变形例>

在上文中，尽管已参考实施方式和变形例描述了本公开的技术，但本 技术不限于上述的实施方式等并且可做出各种变形。

例如，在上述实施方式中等，已经描述了色度边缘面积比Sce、颜色 不均匀面积比Sc、以及最大色度Cmax的三个参数用作颜色不均匀度评估 值Ec的情况。然而，可使用除此之外的其他参数(或取代其他参数)。此 外，三个参数中的一个或多个参数可用作颜色不均匀度评估值Ec。顺便 说一下，在三个参数中，具体地，理想地可使用色度边缘面积比Sce和颜 色不均匀面积比Sc的至少两个参数。这是因为这两个参数对颜色不均匀 度评估值Ec贡献较大，因为在确定颜色不均匀程度上人类趋向重视空间 幅度。

同样，在上述实施方式中等，已经描述了亮度边缘面积比Sle、亮度 不均匀面积比Sl、以及最大亮度差异△L*max的三个参数用作亮度不均匀 度评估值El的情况。然而，除此之外可以使用其他参数(或取代其他参 数)。此外，三个参数中的一个或多个参数可以用作亮度不均匀度评估值 El。顺便说一下，在三个参数中，具体地，理想地可使用亮度边缘面积比 Sle和亮度不均匀面积比Sl的至少两个参数。这是因为这两个参数对亮度 不均匀度评估值El贡献较大，因为在确定亮度不均匀程度上人类趋向重 视空间幅度。

此外，在上述实施方式等，已经具体地描述了颜色不均匀度检查图像 和亮度不均匀度检查图像的实例。然而，颜色不均匀度检查图像和亮度不 均匀度检查图像不限于在上述实施方式中描述的那些。

此外，在上述实施方式中等，已经描述了在生成颜色不均匀度检查图 像中在执行将取决于颜色的颜色不均匀度可视性的差异考虑在内的校正 处理(增益校正处理)的同时计算色度C的情况。然而，可根据情况不执 行这种增益校正处理。

此外，在上述实施方式中等，已经描述了不均匀度检查的检查目标是 执行彩色图像显示的显示单元的显示屏的情况。然而，技术的检查目标可 以不是显示单元(例如，照明单元(诸如，背光))。

此外，在上述实施方式中等，已经描述了在不均匀度检查系统中图像 拾取设备和图像处理设备彼此分开的情况。然而，这些设备可设置在相同 的设备中。

此外，可通过硬件(电路)执行或可通过软件(程序)执行在上述实 施方式中等描述的一系列处理(图像生成部、计算部、检查部、管理部等 的相应功能)。在通过软件执行一系列处理的情况下，软件是由使计算机 (PC、服务器中的微计算机等)执行上述功能中每一个功能的程序组配置 的。例如，每个程序可提前结合在上述计算机中并且可从任何网络或记录 介质安装到上述计算机并且使用。

应注意，本技术可如下配置。[1]一种不均匀度检查系统，包括：

图像拾取部，被配置为获取检查目标的拾取图像；

图像生成部，被配置为基于拾取图像生成颜色不均匀度检查图像和亮 度不均匀度检查图像；

计算部，被配置为使用颜色不均匀度检查图像和亮度不均匀度检查图 像两者来计算评估参数；以及

检查部，被配置为使用计算的评估参数进行不均匀度检查，其中，

图像生成部对拾取图像执行用于分离颜色分量和亮度分量的图像分 离处理，以生成颜色分量图像和亮度分量图像，并且对颜色分量图像和亮 度分量图像单独执行将视觉空间频率特性考虑在内的滤波处理，以分别基 于滤波处理的颜色分量图像和滤波处理的亮度分量图像生成颜色不均匀 度检查图像和亮度不均匀度检查图像，并且

计算部考虑关于颜色和亮度两者的不均匀度可视性计算评估参数。

[2]根据[1]所述的不均匀度检查系统，其中，

计算部使用颜色不均匀度检查图像来计算颜色不均匀度评估参数并 且使用亮度不均匀度检查图像来计算亮度不均匀度评估参数，以及将颜色 不均匀度评估参数和亮度不均匀度评估参数进行加权和相加以计算综合 评估参数作为评估参数。

[3]根据[2]所述的不均匀度检查系统，其中，

通过以下表达式(1)表示综合评估参数E，并且考虑不均匀度可视 性确定加权系数A和B，

E＝A×Ec+B×El   (1)

其中，Ec表示颜色不均匀度评估参数，El表示亮度不均匀度评估参 数，并且A和B表示加权系数。

[4]根据[2]或[3]所述的不均匀度检查系统，其中，

检查部基于综合评估参数的增大确定检查目的的不均匀程度大，并且 基于综合评估参数的减小确定检查目的的不均匀程度小。

[5]根据[1]至[4]中任一项所述的不均匀度检查系统，其中，

图像生成部对滤波处理的颜色分量图像执行将取决于颜色的颜色不 均匀度可视性的差异考虑在内的校正处理，并且然后生成颜色不均匀度检 查图像。

[6]根据[5]所述的不均匀度检查系统，其中，

图像生成部在滤波处理的颜色分量图像的每个单位区域中在执行校 正处理之后计算色度，并且使用计算的色度生成颜色不均匀度检查图像。

[7]根据[6]所述的不均匀度检查系统，其中，

图像生成部计算在滤波处理的颜色分量图像的每个单位区域中的 CIELAB颜色空间中的值(a*,b*)，并且对计算的值a*执行由以下表达式 (2)表示的增益校正处理作为校正处理，并且然后利用以下表达式(3) 计算色度C，

a*′＝(α×a*)(对于a*>0:增益α>1,对于a*≤0:增益α＝1)   (2)

C＝{(a*′)²+(b*)²}^1/2   (3)

[8]根据[2]至[7]中任一项所述的不均匀度检查系统，其中，

至少使用作为色度边缘区域与检查目标的整个区域的面积比的色度 边缘面积比以及作为颜色不均匀区域与检查目标的整个区域的面积比的 颜色不均匀面积比作为颜色不均匀度评估参数。

[9]根据[8]所述的不均匀度检查系统，其中，

使用色度边缘面积比、颜色不均匀面积比、以及整个颜色不均匀区域 中的最大色度作为颜色不均匀度评估参数。

[10]根据[9]所述的不均匀度检查系统，其中，

计算部使用颜色不均匀度检查图像来计算色度边缘面积比、颜色不均 匀面积比、以及最大色度，并且将色度边缘面积比、颜色不均匀面积比、 以及最大色度进行加权和相加来计算颜色不均匀度评估参数。

[11]根据[2]至[10]中任一项所述的不均匀度检查系统，其中，

至少使用作为亮度边缘区域与检查目标的整个区域的面积比的亮度 边缘面积比以及作为亮度不均匀区域与检查目标的整个区域的面积比的 亮度不均匀面积比作为亮度不均匀度评估参数。

[12]根据[11]所述的不均匀度检查系统，其中，

使用亮度边缘面积比、亮度不均匀面积比、以及最大亮度差异作为亮 度不均匀度评估参数，最大亮度差异是整个亮度不均匀区域中的亮度与白 色图像的平均亮度之间的差异的绝对值的最大值。

[13]根据[12]所述的不均匀度检查系统，其中，

计算部使用亮度不均匀度检查图像来计算亮度边缘面积比、亮度不均 匀面积比、以及最大亮度差异，并且将亮度边缘面积比、亮度不均匀面积 比、以及最大亮度差异进行加权和相加来计算亮度不均匀度评估参数。

[14]根据[1]至[13]中任一项所述的不均匀度检查系统，其中，

图像生成部、计算部、以及检查部中的一个或多个设置在单个服务器 中，并且

图像拾取部设置在通过网络直接或间接连接至服务器的一个或多个 图像拾取设备的每一个中。

[15]根据[14]所述的不均匀度检查图像，其中，

为制造检查目标中的多个步骤中的每个步骤设置图像拾取设备，并且

单独针对多个步骤中的每个步骤执行通过检查部进行的不均匀度检 查。

[16].根据[15]所述的不均匀度检查系统，进一步包括

管理部，连接至网络并且被配置为共同管理为多个步骤中的每个步骤 执行的不均匀度检查的结果。

[17]根据[14]至[16]中任一项所述的不均匀度检查系统，其中，

图像生成部、计算部、以及检查部设置在服务器中，并且图像拾取部 设置在一个或多个图像拾取设备的每个中，并且

拾取图像从图像拾取设备通过网络提供至服务器，并且不均匀度检查 的结果数据从服务器通过网络提供至图像拾取设备。

[18]根据[1]至[17]中任一项所述的不均匀度检查系统，其中，

检查目标是执行彩色图像显示的显示单元的显示屏。

[19]一种不均匀度检查方法，包括：

获取检查目标的拾取图像的步骤；

基于拾取图像生成颜色不均匀度检查图像和亮度不均匀度检查图像 的生成步骤；

使用颜色不均匀度检查图像和亮度不均匀度检查图像两者来计算评 估参数的计算步骤；以及

使用计算的评估参数来执行不均匀度检查的检查步骤，其中，

在生成步骤中，对拾取图像执行用于分离颜色分量和亮度分量的图像 分离处理以生成颜色分量图像和亮度分量图像，并且对颜色分量图像和亮 度分量图像单独执行将视觉空间频率特性考虑在内的滤波处理，以分别基 于滤波处理的颜色分量图像和滤波处理的亮度分量图像生成颜色不均匀 度检查图像和亮度不均匀度检查图像，并且

在计算步骤中，考虑关于颜色和亮度两者的不均匀度可视性计算评估 参数。

[20]一种使得计算机执行以下步骤的不均匀度检查程序：

获取检查目标的拾取图像的步骤；

基于拾取图像生成颜色不均匀度检查图像和亮度不均匀度检查图像 的生成步骤；

使用颜色不均匀度检查图像和亮度不均匀度检查图像两者来计算评 估参数的计算步骤；以及

使用计算的评估参数来执行不均匀度检查的检查步骤，其中，

在生成步骤中，对拾取图像执行用于分离颜色分量和亮度分量的图像 分离处理以生成颜色分量图像和亮度分量图像，并且对颜色分量图像和亮 度分量图像单独执行将视觉空间频率特性考虑在内的滤波处理，以分别基 于滤波处理的颜色分量图像和滤波处理的亮度分量图像生成颜色不均匀 度检查图像和亮度不均匀度检查图像，并且

在计算步骤中，考虑关于颜色和亮度两者的不均匀度可视性计算评估 参数。

本申请基于并要求于2013年3月4日在日本专利局提交的日本专利 申请第2013-41573号的优先权权益，将全部内容通过引用结合于此。

本领域技术人员应当理解的是，可根据设计需求和其他因素做出各种 变形、组合、子组合、以及改变，只要它们在所附权利要求或者其等同物 的范围内。