周小健，嚴(yán)銀菓，周自平

（福州大學(xué) 物理與信息工程學(xué)院，福建 福州 350116）

0 引 言

有機(jī)發(fā)光二極管（Organic Light Emitting Diode，OLED）是一種由有機(jī)薄層構(gòu)成的固態(tài)半導(dǎo)體設(shè)備。組成OLED的多層結(jié)構(gòu)，包括陽(yáng)極、空穴注入層、空穴傳輸層、有機(jī)發(fā)光層、電子傳輸層、電子注入層及陰極。根據(jù)各層材料能級(jí)分布情況，選擇雙層、三層、多層的摻雜結(jié)構(gòu)，從而形成符合階梯形狀的能階狀態(tài)，有利于從陽(yáng)極和陰極注入的空穴和電子傳輸與結(jié)合，而后發(fā)光[1]。OLED是一種高亮度、高發(fā)光效率的自發(fā)光器件，具有對(duì)比度高、超廣視角、低耗電量、抗震性好、輕薄化、可制成彎曲面板的特性[2]。盡管在許多顯示領(lǐng)域得到廣泛應(yīng)用，但是因?yàn)镺LED屏幕制作過(guò)程和本身電致驅(qū)動(dòng)的原因，導(dǎo)致亮度不均勻，是有機(jī)電致發(fā)光器件表現(xiàn)最頻繁的一類(lèi)缺陷，也稱(chēng)作Mura[3]。而與之對(duì)應(yīng)的，消除亮度不均勻的操作就被稱(chēng)作Demura。Mura的產(chǎn)生主要是由于OLED采用低電導(dǎo)率的電極材料[4]。根據(jù)歐姆定律可知，導(dǎo)通的電流很小，極易發(fā)生不均勻分布的電信號(hào)，導(dǎo)致發(fā)光強(qiáng)度不均勻。此外，OLED顯示屏亮度不均另一個(gè)原因是薄膜場(chǎng)效應(yīng)晶體管（Thin Film Transistor，TFT）形成的寄生電容引起的Mura面缺陷。除此之外，也可能是摻雜過(guò)程中引入的不均勻摻雜材料導(dǎo)致面間發(fā)光亮度不均勻[5]。

在此背景下，對(duì)于OLED顯示面板進(jìn)行Demura顯得尤為重要。目前主流補(bǔ)償方案分為兩種：一種是內(nèi)部補(bǔ)償，指在像素內(nèi)部利用TFT構(gòu)建子電路進(jìn)行補(bǔ)償；另一種是外部補(bǔ)償，指通過(guò)外部驅(qū)動(dòng)電路或設(shè)備感知像素電學(xué)或光學(xué)特性進(jìn)行補(bǔ)償?shù)姆椒╗6]。外部補(bǔ)償可以滿(mǎn)足大尺寸顯示面板的補(bǔ)償需求。外部補(bǔ)償又可以細(xì)分為光學(xué)抽取式與電學(xué)抽取式兩種。電學(xué)抽取式是指通過(guò)芯片感應(yīng)電路將TFT和OLED電學(xué)信號(hào)抽取出來(lái)[7]。光學(xué)抽取式是指背板點(diǎn)亮后通過(guò)光學(xué)CCD照相方法將亮度信號(hào)抽取出來(lái)[8]。光學(xué)抽取方法具有結(jié)構(gòu)簡(jiǎn)單、補(bǔ)償方法靈活、易于和數(shù)字電路現(xiàn)場(chǎng)可編程邏輯門(mén)陣列（Field Programmable Gate Array，F(xiàn)PGA）相結(jié)合等特點(diǎn)，現(xiàn)階段被廣泛采用，也是本文所重點(diǎn)關(guān)注和優(yōu)化的補(bǔ)償方案。其基本操作可以簡(jiǎn)述如下：首先用驅(qū)動(dòng)電路點(diǎn)亮面板顯示數(shù)個(gè)畫(huà)面（一般是灰階圖像），其次使用高分辨率與高精度CCD相機(jī)拍攝上述畫(huà)面并收集亮度數(shù)據(jù)；再次，根據(jù)相應(yīng)補(bǔ)償算法對(duì)亮度數(shù)據(jù)進(jìn)行處理和運(yùn)算，生成相應(yīng)補(bǔ)償數(shù)據(jù)；最后將補(bǔ)償數(shù)據(jù)燒錄到非易失存儲(chǔ)器中，對(duì)顯示面板進(jìn)行亮度補(bǔ)償，并重新拍攝畫(huà)面確認(rèn)Mura已消除。

基于以上操作的補(bǔ)償方案，需要在補(bǔ)償效果和補(bǔ)償數(shù)據(jù)大小之間做相應(yīng)的權(quán)衡。為了保證顯示質(zhì)量，提高用戶(hù)體驗(yàn)感，對(duì)每顆像素進(jìn)行單獨(dú)補(bǔ)償是補(bǔ)償效果最優(yōu)的辦法。然而，對(duì)中大型OLED屏幕面板進(jìn)行補(bǔ)償時(shí)，巨大的像素?cái)?shù)量會(huì)產(chǎn)生海量的灰度補(bǔ)償數(shù)據(jù)，勢(shì)必帶來(lái)更高的存儲(chǔ)資源開(kāi)銷(xiāo)，同時(shí)也不利于后續(xù)算法進(jìn)一步處理。

針對(duì)上述問(wèn)題，本文基于OLED外部光學(xué)抽取式補(bǔ)償方案，利用Python軟件實(shí)現(xiàn)了每顆像素灰階-亮度曲線(xiàn)擬合，在此基礎(chǔ)之上，對(duì)整塊屏幕每顆像素點(diǎn)所有灰階構(gòu)建統(tǒng)一補(bǔ)償目標(biāo)曲線(xiàn)，根據(jù)補(bǔ)償目標(biāo)曲線(xiàn)生成相應(yīng)補(bǔ)償數(shù)據(jù)。通過(guò)軟件模擬補(bǔ)償驗(yàn)證，最終生成補(bǔ)償數(shù)據(jù)既滿(mǎn)足了OLED屏幕Demura要求，又節(jié)省了后續(xù)算力以及硬件存儲(chǔ)資源。

1 補(bǔ)償數(shù)據(jù)生成算法設(shè)計(jì)

1.1 算法流程

算法框架如圖1所示，算法主要執(zhí)行流程概括如下。

圖1 補(bǔ)償數(shù)據(jù)生成算法框架圖

（1）將CCD相機(jī)獲取到的每顆像素特定灰階下亮度數(shù)據(jù)用軟件進(jìn)行擬合。在實(shí)際補(bǔ)償方案實(shí)施過(guò)程中，出于時(shí)間成本考慮，只會(huì)選取特定灰階進(jìn)行拍攝，通過(guò)算法擬合出每顆像素灰階-亮度曲線(xiàn)獲得其他灰階下亮度數(shù)據(jù)。

（2）通過(guò)軟件構(gòu)建屏幕的補(bǔ)償目標(biāo)曲線(xiàn)。在OLED屏幕生產(chǎn)過(guò)程中，由于工藝、生產(chǎn)條件、加工環(huán)境及驅(qū)動(dòng)電路等影響，實(shí)際每顆像素表現(xiàn)出來(lái)的灰階-亮度曲線(xiàn)與標(biāo)準(zhǔn)的Gamma曲線(xiàn)存在偏差，因此要構(gòu)建一條補(bǔ)償目標(biāo)曲線(xiàn)。補(bǔ)償目標(biāo)曲線(xiàn)可根據(jù)補(bǔ)償效果、補(bǔ)償速度及補(bǔ)償所需算力等指標(biāo)進(jìn)行人為構(gòu)建，之后屏幕所有像素灰階-亮度都依照該條曲線(xiàn)進(jìn)行補(bǔ)償。

（3）依據(jù)每顆像素灰階-亮度曲線(xiàn)和構(gòu)造的補(bǔ)償目標(biāo)曲線(xiàn)反解出補(bǔ)償后灰階。根據(jù)特定灰階亮度擬合出的灰階-亮度曲線(xiàn)，在一定程度上反映了實(shí)際像素發(fā)光曲線(xiàn)。外部光學(xué)抽取式補(bǔ)償就是在不改變像素本身發(fā)光曲線(xiàn)前提下完成補(bǔ)償操作，根據(jù)輸入灰階所對(duì)應(yīng)的目標(biāo)亮度反解出在擬合的灰階-亮度曲線(xiàn)條件下對(duì)應(yīng)灰階值，稱(chēng)為補(bǔ)償后灰階。驅(qū)動(dòng)電路最終獲取補(bǔ)償后灰階值進(jìn)行顯示，得到目標(biāo)亮度。

（4）構(gòu)造補(bǔ)償前灰階與補(bǔ)償后灰階的多項(xiàng)式關(guān)系。雖然每顆像素輸入灰階所對(duì)應(yīng)的補(bǔ)償后灰階都可以通過(guò)計(jì)算機(jī)準(zhǔn)確計(jì)算出來(lái)，但如果將其不加任何處理地存到存儲(chǔ)介質(zhì)中供后續(xù)補(bǔ)償電路使用，勢(shì)必會(huì)增加存儲(chǔ)資源的開(kāi)銷(xiāo)。故本文采取多項(xiàng)式擬合構(gòu)建補(bǔ)償前灰階的多項(xiàng)式關(guān)系，利用選定輸入灰階下的補(bǔ)償后灰階作為已知條件求解多項(xiàng)式系數(shù)，在后續(xù)存儲(chǔ)過(guò)程中對(duì)多項(xiàng)式系數(shù)進(jìn)行存儲(chǔ)，在保證整體補(bǔ)償效果條件下，犧牲一定的補(bǔ)償精度，換取存儲(chǔ)資源的節(jié)約。

1.2 灰度-亮度曲線(xiàn)擬合

在數(shù)值分析中，有諸如多項(xiàng)式擬合、指數(shù)擬合、高斯擬合等擬合曲線(xiàn)方法。其中，多項(xiàng)式擬合方法編程實(shí)現(xiàn)簡(jiǎn)單，含義清晰明了，可用線(xiàn)性方程組思想進(jìn)行求解，在增加灰階亮度信息后，只需在原有線(xiàn)性方程組基礎(chǔ)之上進(jìn)行擴(kuò)充即可。考慮到最符合人眼感受力的發(fā)光曲線(xiàn)近似為Gamma（2.2）曲線(xiàn)[9]，為使曲線(xiàn)更加貼合實(shí)際像素發(fā)光曲線(xiàn)，采用多項(xiàng)式與Gamma（2.2）進(jìn)行復(fù)合構(gòu)造，如式（1）所示：

式中：Lij為單顆像素點(diǎn)測(cè)量亮度，i為像素點(diǎn)行坐標(biāo)，j為像素點(diǎn)列坐標(biāo)，x為像素點(diǎn)輸入灰階（歸一化）；a，b，c，d，e為待求解相關(guān)系數(shù)。

本文在求解灰度-亮度曲線(xiàn)的相關(guān)系數(shù)時(shí)，利用了“克拉默”法則[10]。克拉默法則適用條件是未知數(shù)個(gè)數(shù)與方程個(gè)數(shù)相等且系數(shù)矩陣行列式不為零的情況。例如下面的線(xiàn)性方程組（2）：

系數(shù)構(gòu)成的行列式為該方程組系數(shù)行列式（3）：

若線(xiàn)性方程組（2）的系數(shù)矩陣可逆即系數(shù)行列式D≠0，則線(xiàn)性方程組有唯一解，其解為式（4）：

式中：Dj是把D中第j列元素對(duì)應(yīng)地?fù)Q成常數(shù)項(xiàng)而其余各列保持不變所得的行列式，j=1,2,…,n。

本文選取第16，32，64，128，192五個(gè)灰階（歸一化）下的亮度數(shù)據(jù)代入式（1），稍加變換得到下列方程組（5）：

上述方程組右邊為CCD拍攝的亮度數(shù)據(jù)。利用“克拉默”法則以及Python軟件自帶的庫(kù)函數(shù)進(jìn)行求解，從而得到單顆像素灰階-亮度曲線(xiàn)五個(gè)待求解相關(guān)系數(shù)，代入式（1）就可得到單顆像素灰階-亮度曲線(xiàn)。

1.3 構(gòu)建補(bǔ)償目標(biāo)曲線(xiàn)

1.3.1 補(bǔ)償目標(biāo)曲線(xiàn)模型搭建

人眼對(duì)于光強(qiáng)度的感覺(jué)是非均勻的[11]，國(guó)際照明委員會(huì)（International Commission on illumination，CIE）對(duì)人眼的視覺(jué)明度感知和物體亮度做出了如式（6）的定義。

式中：Y為亮度因數(shù)，是在規(guī)定光照條件下、給定的方向上，物體表面亮度與同一光照下完全反射漫射體的亮度之比；L*是均勻顏色空間的米制明度，Yn為完全反射漫射體的亮度因數(shù)，Yn=100。由式（6）可知，人眼相對(duì)物體亮度的感覺(jué)整體上是立方根函數(shù)，關(guān)系曲線(xiàn)可用圖2來(lái)表示。

從圖2中曲線(xiàn)的斜率變化可看出，人眼對(duì)較暗環(huán)境下亮度有較高的敏感度，而隨著物體亮度增大，亮度敏感度有所下降。據(jù)此，微軟和惠普公司于1996年發(fā)布了sRGB標(biāo)準(zhǔn)，規(guī)定了歸一化像素亮度與灰階為指數(shù)關(guān)系且指數(shù)約等于2.2，這也是最符合人眼對(duì)于灰階感受力的取值，如式（7）所給出的描述：

圖2 人眼對(duì)物體亮度感知曲線(xiàn)圖

式中：LN為第N灰階亮度（歸一化），N為第N灰階。又因?yàn)橄袼亟?jīng)過(guò)CCD相機(jī)拍攝的實(shí)際發(fā)光亮度沒(méi)有進(jìn)行歸一化操作，所以本文構(gòu)建的補(bǔ)償目標(biāo)曲線(xiàn)在式（7）基礎(chǔ)之上添加一個(gè)去歸一化參數(shù)C構(gòu)成式（8）。

值得注意的是，去歸一化參數(shù)C的選取并不會(huì)影響人眼對(duì)于顯示畫(huà)面灰階的感受力。對(duì)同一幅顯示畫(huà)面來(lái)說(shuō)，C的值越高，整體畫(huà)面亮度越亮；反之，則越暗。但是人眼感受到的灰階層次不變。即便如此，對(duì)于C的取值，本文仍然有后續(xù)考量。

1.3.2 迭代求解目標(biāo)曲線(xiàn)的去歸一化參數(shù)

雖然人眼對(duì)不同環(huán)境光具有不同的亮、暗適應(yīng)性，即使在特定亮度下，人眼察覺(jué)亮度變化的能力仍然是有限的。如式（9）所描述的，對(duì)于不同亮度B，能察覺(jué)到最小亮度變化ΔBmin也是不同的。但在相當(dāng)大范圍內(nèi)，可察覺(jué)的最小相對(duì)亮度變化ΔBmin/B等于常數(shù)δ。常數(shù)δ稱(chēng)為對(duì)比度靈敏度閾值或費(fèi)赫涅耳系數(shù)[12]。費(fèi)赫涅耳系數(shù)與環(huán)境光大小有關(guān)，通常在0.005～0.02內(nèi)。因此，理論上，只要整塊屏幕在同一灰階下所有像素點(diǎn)的亮度最大值與最小值差值與最小值的比值在上述范圍內(nèi)，通過(guò)人眼觀測(cè)，畫(huà)面就具有良好均勻性。

基于以上原理，判斷每顆像素與構(gòu)建出的補(bǔ)償目標(biāo)曲線(xiàn)在同一灰階下亮度差值與補(bǔ)償目標(biāo)曲線(xiàn)亮度的比值處在費(fèi)赫涅耳系數(shù)范圍內(nèi)，則在后續(xù)灰階補(bǔ)償操作中將該像素舍棄不進(jìn)行補(bǔ)償。最后將每個(gè)灰階下可以舍棄的像素點(diǎn)進(jìn)行累加作為節(jié)省的算力。以本文采用的200×200屏幕下256灰階為例，如果以每個(gè)像素點(diǎn)每個(gè)灰階都需要進(jìn)行后續(xù)補(bǔ)償計(jì)算，所需的算力就是200×200×256等于1 024萬(wàn)。

補(bǔ)償目標(biāo)曲線(xiàn)的構(gòu)建如圖3所示，去歸一化系數(shù)C在圖中決定補(bǔ)償目標(biāo)曲線(xiàn)的高低，費(fèi)赫涅耳系數(shù)決定了以補(bǔ)償目標(biāo)曲線(xiàn)為中心上下兩條虛線(xiàn)構(gòu)成的陰影區(qū)域大小。因此，去歸一化系數(shù)C決定了陰影區(qū)域能否涵蓋盡可能多的點(diǎn)。

圖3 補(bǔ)償目標(biāo)曲線(xiàn)構(gòu)建示意圖

在近幾年數(shù)據(jù)處理與分析領(lǐng)域中，Python語(yǔ)言因其簡(jiǎn)單、開(kāi)源、可移植性強(qiáng)以及豐富的庫(kù)函數(shù)被越來(lái)越多科研工作者使用。在語(yǔ)法上，Python與其他大多數(shù)語(yǔ)言（如C）的主要區(qū)別是一個(gè)模塊的界限，完全是由每行的首字母在這一行的位置來(lái)決定，通過(guò)強(qiáng)制程序員們縮進(jìn)使得程序更加清晰和美觀。而在編程思路上，Python與C語(yǔ)言類(lèi)似，有一定編程基礎(chǔ)的人都可以在短時(shí)間內(nèi)熟練使用。

本文通過(guò)Python軟件迭代求解去歸一化系數(shù)C。為使程序更加簡(jiǎn)潔清晰，本文展示的所有程序?qū)⑾嚓P(guān)變量定義與自建函數(shù)部分代碼省去，只保留主功能語(yǔ)句。偽代碼如下（#號(hào)符之后為注釋?zhuān)?/p>

主要求解思想如下。

第1行start，stop，step分別為去歸一化系數(shù)C的開(kāi)始值、結(jié)束值和迭代步長(zhǎng)。在迭代求解去歸一化系數(shù)C之前，首先需要擬合出整塊屏幕如式（1）的灰階-亮度曲線(xiàn)，一般選取特定灰階下屏幕的亮度值均值進(jìn)行擬合求解，然后代入第255灰階求得亮度最大值，將其設(shè)置為去歸一化系數(shù)C的結(jié)束值。每循環(huán)一次，將輸出一個(gè)sum值，用sum除以總算力即為可以節(jié)省的算力百分比。

第3行、第4行循環(huán)針對(duì)像素點(diǎn)的行、列，也就是像素點(diǎn)的坐標(biāo)。本文OLED屏幕樣品像素?cái)?shù)為200×200。

第5行將list_16數(shù)組所存儲(chǔ)的第16灰階下亮度數(shù)據(jù)賦給L16，以list_16[11][175]為例，代表了第12行、第175列像素點(diǎn)第16灰階下CCD所拍攝到的亮度數(shù)據(jù)。

第10行調(diào)用了自建函數(shù)product_ce，此函數(shù)的輸入為單顆像素五個(gè)特定灰階下亮度（括號(hào)中為輸入?yún)?shù)），輸出值為單顆像素公式（1）中的a，b，c，d，e五個(gè)系數(shù)。賦值給等號(hào)左邊容量為5的一維數(shù)組z。

第11行到第15行為求解Y1（單顆像素在j灰階下補(bǔ)償目標(biāo)曲線(xiàn)亮度）、Y（擬合的單顆像素第j灰階下亮度）。

第16行與第17行利用判斷語(yǔ)句判斷單顆像素某一灰階下的亮度與目標(biāo)亮度的差值與目標(biāo)亮度的比值是否滿(mǎn)足式（9），括號(hào)里的判斷條件即為費(fèi)赫涅耳系數(shù)取0.005。因?yàn)閿M合亮度有可能在補(bǔ)償亮度之上或之下，所以利用abs函數(shù)取絕對(duì)值進(jìn)行計(jì)算。每有一個(gè)像素某個(gè)灰階不需要補(bǔ)償，sum值即加1。

最終在費(fèi)赫涅耳系數(shù)取0.005條件下，去歸一化系數(shù)C與節(jié)省算力關(guān)系如圖4所示。本文利用了圖像的拐點(diǎn)加速迭代過(guò)程最終的迭代精度為0.001。如果再選取更小的步長(zhǎng)進(jìn)行迭代，可以節(jié)省的算力變化已經(jīng)很小了。

圖4 去歸一化系數(shù)與節(jié)省算力關(guān)系圖

1.3.3 費(fèi)赫涅耳系數(shù)的選取

經(jīng)過(guò)前文介紹，費(fèi)赫涅耳系數(shù)δ的取值范圍在0.005～0.02。本文以補(bǔ)償目標(biāo)曲線(xiàn)亮度作為參考，可以直觀地在圖3中看到，陰影部分之間亮度差與補(bǔ)償目標(biāo)曲線(xiàn)的比值其實(shí)是兩倍的δ。故本文實(shí)際的δ取值范圍在0.002 5～0.01。在去歸一化系數(shù)選取0.763條件下，可以節(jié)省的算力與費(fèi)赫涅耳系數(shù)之間的關(guān)系如圖5所示。在δ取0.01時(shí)，最大可以節(jié)省15%的算力。

圖5 費(fèi)赫涅耳系數(shù)與節(jié)省算力關(guān)系圖

1.4 補(bǔ)償數(shù)據(jù)生成

在非線(xiàn)性方程數(shù)值解法中，有諸如二分法、不動(dòng)點(diǎn)迭代法、弦截法及拋物線(xiàn)法等算法。其中二分法編程實(shí)現(xiàn)簡(jiǎn)單，含義清晰明了，最為重要的是二分法總是收斂的。在本文明確已知根的范圍且沒(méi)有重根的條件下，二分法尤為適合。

本文所生成的補(bǔ)償數(shù)據(jù)并非每個(gè)像素點(diǎn)每個(gè)灰階補(bǔ)償后灰階，而是在完成構(gòu)建整塊屏幕補(bǔ)償目標(biāo)曲線(xiàn)以及每顆像素灰階-亮度曲線(xiàn)擬合之后，將每顆像素特定灰階下對(duì)應(yīng)的補(bǔ)償目標(biāo)曲線(xiàn)亮度通過(guò)每顆像素的灰階-亮度曲線(xiàn)利用二分法反解出來(lái)。主要偽代碼求解過(guò)程概括如下。

準(zhǔn)備操作：將補(bǔ)償目標(biāo)曲線(xiàn)亮度與灰階-亮度曲線(xiàn)相等關(guān)系進(jìn)行移項(xiàng)變?yōu)槎呦鄿p等于零，將其設(shè)為f（x），計(jì)算f（x）在灰階歸一化區(qū)間[0，1]之間的區(qū)間端點(diǎn)值。M為區(qū)間精度。

二分操作：計(jì)算f（x）在區(qū)間中點(diǎn)（a+b）/2處的值f[（a+b）/2]，以及左端點(diǎn)值f（a）、右端點(diǎn)值f（b）。體現(xiàn)在第3行到第5行，其中a，b，c，d，e為公式（1）中的五個(gè)系數(shù)。等號(hào)右邊第一項(xiàng)為擬合出的亮度。Y為目標(biāo)亮度。

判斷操作：若f[（a+b）/2]=0或者已經(jīng)達(dá)到近似要求，則（a+b）/2即是根，計(jì)算過(guò)程結(jié)束，否則檢驗(yàn)若f[（a+b）/2]*f（a）＜0，則以（a+b）/2代替b，反之則以（a+b）/2代替a。體現(xiàn)在程序的第6行到第15行。

反復(fù)執(zhí)行二分和判斷操作，直到區(qū)間[a，b]滿(mǎn)足區(qū)間精度。并將區(qū)間精度的中點(diǎn)值進(jìn)行輸出。

以單顆像素為例，最終補(bǔ)償后灰階計(jì)算結(jié)果如表1所示。

表1 特定輸入灰階補(bǔ)償后結(jié)果

然后根據(jù)表1構(gòu)建如式（10）所示的多項(xiàng)式，將輸入灰階與補(bǔ)償后灰階之間的關(guān)系利用多項(xiàng)式進(jìn)行擬合并利用“克拉默”法則求解相關(guān)系數(shù)。其中x為單顆像素任意輸入灰階，Y為補(bǔ)償后灰階。最終將每顆像素A，B，C，D，E五個(gè)有關(guān)灰階的多項(xiàng)式系數(shù)進(jìn)行存儲(chǔ)，以供后續(xù)補(bǔ)償電路使用。

2 實(shí)驗(yàn)結(jié)果分析

2.1 實(shí)驗(yàn)環(huán)境及數(shù)據(jù)集

實(shí)驗(yàn)環(huán)境參數(shù)為：CPU為Intel（R） Core（TM）i5-6200U，主頻2.36 GHz，操作系統(tǒng)為Windows 7，編譯環(huán)境為PyCharm 2020.1 x64。

為詳細(xì)考察補(bǔ)償數(shù)據(jù)生成算法的性能，選取的數(shù)據(jù)集為經(jīng)高分辨率拍攝的200×200像素OLED屏幕顯示在第16，32，64，128，192灰階的亮度數(shù)據(jù)。數(shù)據(jù)集為.CSV文件，兩個(gè)樣品，共計(jì)10個(gè)文件。

實(shí)驗(yàn)中，使用的編程語(yǔ)言為Python語(yǔ)言，主功能調(diào)用了numpy庫(kù)、math庫(kù)、csv庫(kù)。

2.2 驗(yàn)證模型的建立

構(gòu)建的驗(yàn)證模型流程如圖6所示。箭頭上方為條件或輸入的參數(shù)，箭頭下方為功能模塊，箭頭右邊為結(jié)果。驗(yàn)證模型建立用到的有整塊屏幕全灰階下亮度、每顆像素輸入灰階與補(bǔ)償后灰階多項(xiàng)式系數(shù)以及舍棄列表。具體操作如下。

圖6 構(gòu)建驗(yàn)證模型流程示意圖

整塊屏幕全灰階下亮度是一個(gè)三維數(shù)組，第一維是灰階，第二維是像素行坐標(biāo)，第三維是像素列坐標(biāo)。舍棄列表是將每一灰階下不需要補(bǔ)償?shù)南袼攸c(diǎn)置1，其余位置置0。

首先將輸入灰階代入公式（10）得到補(bǔ)償后灰階，其次將補(bǔ)償后灰階代入公式（1）得到補(bǔ)償后屏幕亮度，最后根據(jù)舍棄列表中置0的位置，用該亮度替換原有亮度，得到整塊屏幕全灰階下的補(bǔ)償后亮度。

本文最終驗(yàn)證模型輸出為樣品每個(gè)灰階下亮度標(biāo)準(zhǔn)差。

2.3 樣品補(bǔ)償前后標(biāo)準(zhǔn)差

圖7為樣品一費(fèi)赫涅耳系數(shù)在0.002 5～0.01每一灰階下對(duì)應(yīng)的亮度標(biāo)準(zhǔn)差。與未做補(bǔ)償相比，在200灰階前補(bǔ)償后亮度標(biāo)準(zhǔn)差均值下降了85%以上，在200～250灰階下亮度標(biāo)準(zhǔn)差均值下降了50%以上，整體屏幕亮度標(biāo)準(zhǔn)差均值下降了67%左右。在費(fèi)赫涅耳系數(shù)取0.01時(shí)，最大可以節(jié)省15%算力。

圖7 樣品一亮度標(biāo)準(zhǔn)差

樣品二特定輸入灰階補(bǔ)償后結(jié)果如表2所示。值得注意的是，在準(zhǔn)確已知補(bǔ)償后灰階的五個(gè)點(diǎn)（16，32，64，128，192）補(bǔ)償后的亮度標(biāo)準(zhǔn)差要遠(yuǎn)低于其他灰階。但是表3其他灰階下的標(biāo)準(zhǔn)差才真實(shí)地反應(yīng)出本文的補(bǔ)償結(jié)果。這是因?yàn)?，?duì)于輸入灰階與補(bǔ)償后灰階之間多項(xiàng)式關(guān)系，本文是通過(guò)五個(gè)點(diǎn)進(jìn)行擬合的。其他輸入灰階下補(bǔ)償后灰階多少都是偏離最準(zhǔn)確的補(bǔ)償后灰階。這也是本文大部分補(bǔ)償后灰階情況。

由于灰階-亮度曲線(xiàn)為指數(shù)關(guān)系，越在高灰階下，亮度越參差不齊，且本文求解補(bǔ)償后灰階使用的二分法，只能求得近似解，構(gòu)建出的輸入灰階與補(bǔ)償后灰階多項(xiàng)式關(guān)系雖然合理，但必然有誤差。這導(dǎo)致在極高灰階輸入下，補(bǔ)償后亮度標(biāo)準(zhǔn)差比未做補(bǔ)償?shù)臉?biāo)準(zhǔn)差還要高，需進(jìn)一步優(yōu)化。樣品二任選五灰階補(bǔ)償后的屏幕亮度標(biāo)準(zhǔn)差如表3所示。

表2 樣品二特定輸入灰階補(bǔ)償后結(jié)果

表3 樣品二任選五灰階補(bǔ)償后的屏幕亮度標(biāo)準(zhǔn)差

3 結(jié) 語(yǔ)

針對(duì)現(xiàn)有OLED屏幕單顆像素外部光學(xué)抽取式補(bǔ)償方案中對(duì)后續(xù)補(bǔ)償電路算力和硬件存儲(chǔ)資源要求較高的問(wèn)題，本文通過(guò)選取合適的費(fèi)赫涅耳系數(shù)來(lái)構(gòu)造補(bǔ)償目標(biāo)曲線(xiàn)來(lái)舍棄一定的像素點(diǎn)不進(jìn)行補(bǔ)償，在保證了補(bǔ)償效果的前提下，節(jié)省了后續(xù)所需的算力及硬件存儲(chǔ)開(kāi)銷(xiāo)，能夠?yàn)椴噬獶emura方案提供一些啟發(fā)。