LED透明屏逐点校正的必要性及方法介绍
目前LED全彩显示屏都是工厂形势的,造价不便宜,虽然理论寿命有10万个小时,但实际上在运行约5000~10000小时以后就会均匀度恶化,开始变花,商业价值降低,在15000~20000小时以后,商业价值几乎丧失殆尽,造成极大的社会资源浪费。
因此无论是在出厂前还是使用一段时间后,逐点校正技术都可以让用户以非常短的时间、和非常低的成本大幅提升显示屏的均匀度,显着改善图像质量。应用于出厂前,逐点校正是一种品质提升手段,意味着竞争力的提升和利润空间的拓展;应用于使用一段时间后,逐点校正可以延长全彩led显示屏的显示效果,为用户创造出更多商业价值,减少资源浪费。
以下是国内一流LED透明屏品牌 ;亮彩电子分享:
现在主流的逐点校正技术主要有两种:
1.现场逐点校正
可大幅度提高显示屏画面一致性,而且是统一在生产车间校正,因此成本比较低,校正效果也比较好。
2.LED箱体逐点矫正
可大幅度提高显示屏画面一致性,而且是统一在生产车间校正,因此成本比较低,校正效果也比较好。
目前LED显示屏厂家,都是采用的箱体逐点校正,是LED透明屏出厂前必须通过的一道检测程序。威特姆箱体校正技术工艺走在行业内前列,透明屏对各种环境适应性强。显示效果一致性较好。
下面重点介绍箱体逐点校正:
箱体校正是安排在出厂前的最后一个环节,主要用以消除箱体内部和箱体之间的亮度和色度差异,提高拼接后LED显示屏的均匀性。
在生产环节中除增加校正环节,厂商一般还需要跟进屏体出厂的校正效果。常用的做法有以下三种:
一是将所有箱体拼接起来,观察显示效果,但拼接的工作量比较大,实现起来不方便;
二是随机地抽取部分箱体进行拼接,观察校正效果;
三是利用校正系统记录的测量数据对所有箱体的校正效果进行仿真评估。增加了箱体校正和仿真评估/抽检环节的LED生产流水线。
与现场校正类似,对于每一个箱体来说,箱体校正的过程包括数据采集、数据分析、目标值设定、校正系数计算以及系数上传,同时也需要控制系统的配合。
关键技术与难点:
箱体校正是提高LED透明屏图像质量的有效途径,其关键技术方面主要体现在以下两方面:
1.箱体内部的像素间均匀性
包括亮色度均匀性校正和亮暗线修正:
亮色度均匀性校正:
通过测量设备测量LED箱体中各LED灯的亮度和色度信息,其测量方法涉及光度学、色度学以及数字图像处理相关知识;在获得逐点亮色度信息后再依据相应的校正标准,计算出对应的校正系数并发送给对应箱体的接收卡;箱体点亮后,显示屏控制系统将按照校正系数调节LED的电流,使得箱体内所有LED的亮度和色度达到一致。
亮暗线校正:
就是将起伏变化的LED亮度调整到一致的水平,在调节亮度过程中需要适当降低大部分LED的最大亮度值。色度校正则是根据RGB颜色匹配原理,通过改变RGB三色的色坐标来解决色度偏差的问题,为校正前后的色域对比图,大三角形为校正前显示屏的色域,RGB三色的色坐标离散分布;小三角形为校正后的显示屏色域,RGB三色色坐标一致性较好。
由于机械加工精度、拼装精度等工艺原因的限制,拼接灯板的间距存在轻微的不一致现象,在显示时就会出现亮线或者暗线。
2.箱体之间的亮色度一致性
人眼只能够分辨LED像素间4-5%以上的亮度差异,却能够轻易识别出1%的箱体亮色度差异。也就是说,人眼对箱体内部像素的一致性要求较低,而对箱体之间的一致性要求较高。因此,箱体之间的亮色度一致性是箱体校正特有的关键技术。
箱体之间的亮色度不一致主要体现在两个方面:
(1)箱体之间的平均亮色度存在差异,当拼接箱体的时候,就会出现明显的边界线,这可以通过调整色域和设置合适的目标值来实现;必要时,需要配备精度更高的色度计来进行辅助测量。
(2)箱体的亮色度分布呈现为梯度渐变分布,这是由于箱体测量数据存在梯度分布现象导致的。箱体拼接在一起的时候,拼接处的亮度就会发生较大的跳变,形成明显的拼接线。这就要求校正系统能够检测并解决测量数据的梯度分布问题。
文章来源:中国投影网 ©版权所有。未经许可,不得转载。
最新动态更多
- 实力承载 视觉探秘—— NEC魔幻秀《浪淘沙̶
- “黑河之眼”刷屏抖音朋友圈,利亚德“中国屏”
- 台达激光DLP显示系统,为华北某省气象局打造气象
- 【走进深圳】光视讯:专注研发创新 卓越产品品质
- 美视实力产品出货--500吋大型M工程银幕
- 闪耀一带一路 国画再续世博缘 ——中航国画激光
- 朗恒科技TVO-3H无压缩HDMI视频光端机用于4K拼接
- 5G大机遇下的两化融合发展之路暨两化百人会俱乐
- 传统拼接处理器与分布式拼接处理器的区别
- 顶尖数字艺术家云集 法国梅茨夏季星海艺术文化节
- 【走进深圳】库帕:打造差异化核心竞争优势
- 你知道光端机吗?对它的工作原理熟悉吗?
- 会展 | newline亮相2019北京部委央企及大型企业
- 从“人脸识别”向前一步 AI识别对象不断拓展