Physical Address
304 North Cardinal St.
Dorchester Center, MA 02124
PD IEC TR 62977——电子显示器件技术报告系列（多色测试图形与Mura评价）
Part 2-3: 光学性能测量——多色测试图形；Part 3-2: 光学特性评价——Mura
🖥️ PD IEC/TR 62977 是英国标准协会（BSI）采用的 IEC 62977 家族技术报告，由 IEC 电子显示器件技术委员会 TC 110（本批次英国经 EPL/47 半导体委员会采用）制定。IEC 62977 是电子显示器件（electronic display devices）的光学性能测量与评价国际标准体系，本批次包含两份文件：第 2-3 部分给出光学性能测量的多色测试图形方法，第 3-2 部分给出光学特性评价中 Mura 的标准评价方法。这些技术报告为显示器（LCD、OLED 等）的光学质量测评提供统一、可复现的测量与评价手段。
💡 显示质量测评的难点是”可复现性”：同一款显示器，不同测量几何、不同测试图形、不同评价算法会得到不同结果。IEC 62977 系列正是通过统一测试图形、测量条件与数据处理方法，让不同实验室、不同厂商的结果可比较、可追溯。
一、标准适用范围与系列结构 📌
IEC 62977 家族按”通用—专项”组织：第 2 部分系列覆盖光学性能的测量（色度、亮度、对比度、视角、响应时间等），第 3 部分系列覆盖光学特性（含缺陷与均匀性）的评价。本批次含两份文件：
| 文件编号 | 主题 | 主要内容 | 出版年份 |
|---|---|---|---|
| PD IEC/TR 62977-2-3:2017 | 多色测试图形 | 电子显示器件——光学性能测量——多色测试图形 | 2017 |
| PD IEC/TR 62977-3-2:2016 | Mura评价 | 电子显示器件——光学特性评价——Mura | 2016 |
⚠️ 两份文件技术上互补：第 2-3 部分关注”测什么图形”，第 3-2 部分关注”怎么评价不均匀性”。测试图形是测量的输入，Mura 评价是显示均匀性质量的输出判断，二者配套构成显示质量评价的完整链条。
二、第 2-3 部分——光学性能测量的多色测试图形 🎨
第 2-3 部分（2017 年版）针对多色（彩色）显示器件的光学性能测量给出测试图形的方法，核心内容：
- 测试图形设计：规定用于测量亮度、色度、对比度、视角、均匀性等参数的多色测试图形（彩色场、混合色、黑白灰阶等）的设计原则与格式；
- 色域与多色测量：说明如何通过多色测试图形测量显示器的色域、白平衡、色度坐标与色度均匀性；
- 测量配置与条件：明确测量环境（暗室）、测量仪器（色度计／光谱仪）、屏幕区域与观察角度等条件；
- 测量不确定度：讨论多色测量中仪器、图形与环境的测量不确定度来源与估计。
💡 测试图形是光学测量的”标尺”：同一参数（如亮度均匀性）用不同图形（如白场、灰阶、混合色）测量会得到不同结果。标准化的测试图形定义是不同实验室与厂商结果可比的前提。
三、第 3-2 部分——光学特性评价：Mura 🕳️
第 3-2 部分（2016 年版）给出显示器 Mura 的标准评价方法。Mura 指屏幕上局部亮度或色度的不均匀斑块（如灰阶云斑、亮暗斑点），是显示质量的重要缺陷。核心内容：
- 测量条件（Measuring conditions）：明确 Mura 测量时的显示亮度、灰阶设置、观看距离与显示区域等条件；
- 测量数据处理方法（Measurement data processing method）：规定将原始图像数据转换为可供评价的亮度数据的流程；
- 数据处理流程（Measurement data processing flow）：给出中值滤波（median filter）、从 CIE XYZ 到对立色空间（opponent colour space）的变换、与对比度敏感函数（contrast sensitivity function，CSF）的卷积等步骤；
- 标准评价算法：通过对滤波后的数据应用人类视觉系统（HVS）模型，输出 Mura 的量化评价结果。
✅ Mura 评价的难点在于”让机器模拟人眼”：直接测量亮度差无法反映人眼对空间频率、对比度与颜色差异的感知。通过 CSF 卷积与对立色空间变换等视觉模型步骤，评价结果才与人眼主观感受一致。
四、工程实践与应用要点 🛠️
- 🔍 统一测量方案：在显示器件来料检验与出厂检验中，统一采用标准测试图形与 Mura 评价算法，保证不同批次、不同产线结果可比。
- 🎯 灰阶与亮度档位：按标准选择代表性灰阶与亮度设置，全面覆盖低灰度（易出现 Mura）到高亮度的评价范围。
- 📊 视觉模型参数校准：针对不同显示技术与像素结构，校准对比度敏感函数与颜色空间变换参数，使算法评价与实际观感一致。
- 📋 数据追溯：记录测量条件、测试图形与算法版本，使 Mura 判定可复现、可追溯，支持与客户验收标准对接。
五、常见问题解答 ❓
❓ 问：第 2-3 部分与第 3-2 部分的关系是什么？
答：第 2-3 部分规定多色测试图形（测量的输入），第 3-2 部分规定 Mura 评价（均匀性质量判断）。前者保证测量有一致的”标尺”，后者保证评价有一致的”算法”。
答：第 2-3 部分规定多色测试图形（测量的输入），第 3-2 部分规定 Mura 评价（均匀性质量判断）。前者保证测量有一致的”标尺”，后者保证评价有一致的”算法”。
❓ 问：什么是 Mura？
答：Mura 是显示屏幕上局部亮度或色度不均匀形成的斑块、云斑、条纹等视觉缺陷，常见于灰阶画面（如暗灰云斑）。它是显示质量的重要缺陷，需通过测量与视觉模型量化评价。
答：Mura 是显示屏幕上局部亮度或色度不均匀形成的斑块、云斑、条纹等视觉缺陷，常见于灰阶画面（如暗灰云斑）。它是显示质量的重要缺陷，需通过测量与视觉模型量化评价。
❓ 问：为什么 Mura 评价要用对比度敏感函数（CSF）？
答：人眼对不同空间频率的对比度灵敏度不同，CSF 描述了人眼对空间对比度的感知特性。将测量数据与 CSF 卷积，可使机器评价接近人眼主观感受，避免”测出的不均匀人眼看不见”或相反。
答：人眼对不同空间频率的对比度灵敏度不同，CSF 描述了人眼对空间对比度的感知特性。将测量数据与 CSF 卷积，可使机器评价接近人眼主观感受，避免”测出的不均匀人眼看不见”或相反。
🔍 问：Mura 测量中滤波与颜色空间变换起什么作用？
答：中值滤波用于去除传感器噪声与孤立缺陷；对立色空间变换把亮度与色度信息分离，符合人眼色觉机制；随后与 CSF 卷积模拟视觉感知，共同实现与人眼一致的不均匀性量化。
答：中值滤波用于去除传感器噪声与孤立缺陷；对立色空间变换把亮度与色度信息分离，符合人眼色觉机制；随后与 CSF 卷积模拟视觉感知，共同实现与人眼一致的不均匀性量化。
