从第一性原理审视显示技术：色坐标、色彩不均匀性及其亮度关联模型

引言：光学的度量衡

在显示技术与照明工程领域，追求“完美的色彩一致性”是一场永无止境的奥德赛。无论是高端微显示器（Micro-LED）还是大尺寸 OLED 面板，其核心评价指标往往聚焦于两个维度：色坐标的精准度与空间色彩的不均匀性。

然而，色彩并非物质的固有属性，而是人类视觉系统对电磁波谱的心理物理反馈。本文将打破表象，从辐射度学的基础出发，逐步构建起色坐标的数学大厦，并重点解析如何通过可观测的亮度波动（Luminance Fluctuation）去预测和计算肉眼感知的色彩不均匀性。

---

一、 色坐标的物理本质：从光谱到三刺激值

1.1 第一性原理：视觉转换方程

根据格拉斯曼定律（Grassmann’s Laws），任何颜色都可以由三种原色线性组合而成。从物理意义上讲，人眼视网膜上的长（L）、中（M）、短（S）波长锥体细胞对光子的吸收函数，构成了所有色彩感知的基石。

对于一个给定的光谱功率分布（SPD）函数 $S(\lambda)$，CIE 1931 标准色度观察者系统将其转化为三刺激值（Tristimulus Values） $X, Y, Z$：

$$
X = k \int_{\lambda} S(\lambda) \bar{x}(\lambda) d\lambda
$$

$$
Y = k \int_{\lambda} S(\lambda) \bar{y}(\lambda) d\lambda
$$

$$
Z = k \int_{\lambda} S(\lambda) \bar{z}(\lambda) d\lambda
$$

其中，$k$ 为归一化系数，$\bar{x}(\lambda), \bar{y}(\lambda), \bar{z}(\lambda)$ 为标准色谱响应函数。值得注意的是，$Y$ 值在定义上直接等同于光度学中的亮度（Luminance）。

1.2 色坐标的投影几何

色坐标 $(x, y)$ 是三刺激值在二维平面上的投影，其本质是去除了强度（亮度）信息后的纯色度分量：

$$
x = \frac{X}{X + Y + Z}
$$

$$
y = \frac{Y}{X + Y + Z}
$$

这种表达方式虽然直观，但其非均匀性特征——即在图中相等的欧几里得距离并不代表人类视觉感知到的相等色差——为后续的不均匀性研究埋下了伏笔。

---

二、 色彩不均匀性（Color Non-uniformity）的量化

2.1 从 CIE 1931 到 CIE 1976 UCS

为了解决色度图“视觉不均匀”的问题，CIE 1976 引入了均匀色度空间（UCS），将坐标转化为 $(u’, v’)$：

$$
u’ = \frac{4X}{X + 15Y + 3Z} = \frac{4x}{-2x + 12y + 3}
$$

$$
v’ = \frac{9Y}{X + 15Y + 3Z} = \frac{9y}{-2x + 12y + 3}
$$

2.2 色差评价标准：$\Delta u’v’$

色彩不均匀性通常定义为显示设备不同区域间、或随视角变化而产生的色偏差。在工业界，最常用的度量指标是 $\Delta u’v’$：

$$
\Delta u’v’ = \sqrt{(u’_1 - u’_2)^2 + (v’_1 - v’_2)^2}
$$

通常认为，当 $\Delta u’v’ < 0.003$ 时，普通人类观察者难以察觉色彩差异。

---

三、 深度解析：如何通过亮度计算色彩不均匀性

在实际工程中，使用分光计（Spectroradiometer）逐点扫描屏幕以获取全场色坐标极其耗时。因此，建立**亮度分布（Luminance Distribution）与色彩偏移（Color Shift）**之间的数学关联模型至关重要。

3.1 亮度与色坐标的耦合机制

在 LED 或 OLED 器件中，亮度的不均匀通常源于驱动电流的波动（Voltage Drop, IR-Drop）或材料发光效率（EQE）的空间差异。然而，亮度的变化往往伴随着光谱形状的漂移（Spectral Shift）。

设某一像素点的基准亮度为 $Y_0$，基准色坐标为 $(u’_0, v’_0)$。当亮度由于某种物理原因变化了 $\Delta Y$ 时，其对应的色坐标偏移可以表示为亮度的函数：

$$
\Delta u’ \approx \frac{\partial u’}{\partial Y} \Delta Y + \frac{\partial^2 u’}{\partial Y^2} (\Delta Y)^2 + \dots
$$

3.2 基于主成分分析（PCA）的计算模型

如果我们假设光谱的变化是线性的（例如由 LED 的载流子密度变化引起的蓝移），我们可以将光谱功率分布 $S(\lambda)$ 分解为基准光谱 $S_0(\lambda)$ 和扰动光谱 $\delta(\lambda)$：

$$
S(\lambda, L) = L \cdot [S_0(\lambda) + \alpha(L) \delta(\lambda)]
$$

其中 $L$ 为亮度相关因子。通过代入三刺激值积分公式，我们可以推导出色坐标相对于亮度的导数：

def calculate_color_shift(luminance_map, baseline_spectrum):
    """
    模拟通过亮度场计算色坐标偏移的算法逻辑
    """
    import numpy as np
    
    # 1. 提取亮度梯度
    grad_x, grad_y = np.gradient(luminance_map)
    
    # 2. 假设光谱随亮度变化的灵敏度系数 (Empirical Sensitivity)
    # 这里的 du_dL 和 dv_dL 通常通过实验标定获得
    du_dL = 0.00015 
    dv_dL = -0.00008
    
    # 3. 计算全场色坐标图
    delta_u = grad_x * du_dL
    delta_v = grad_x * dv_dL
    
    return np.sqrt(delta_u**2 + delta_v**2)

3.3 亮度不均匀度（LNU）与色彩不均匀度（CNU）的转换公式

在多基色（RGB）合成系统中，全屏的色彩不均匀性 $\Delta u’v’_{total}$ 可以通过各子像素的亮度贡献率进行加权求和。

若 $L_R, L_G, L_B$ 分别为三原色在某点的亮度贡献，则总亮度 $Y = L_R + L_G + L_B$。若 R, G, B 各组分的亮度波动率为 $\sigma_R, \sigma_G, \sigma_B$，则色坐标的波动可以表达为：

$$
\sigma_{u’} = \sum_{i \in {R,G,B}} \left( \frac{\partial u’}{\partial L_i} \right) \sigma_{L_i}
$$

通过对偏导数的矩阵运算，我们可以得到亮度分布图（Luminance Map）到色彩均匀性分布图的映射关系。

---

四、 工业应用场景：Mura 缺陷分析

在显示面板检测中，所谓的“Color Mura”本质上就是高频或低频的色彩不均匀性。

1. 数据采集：利用高分辨率 CCD 相机配合三色滤光片（或 XYZ 滤光片）获取全场亮度信息。
2. 建模预测：基于已知的单个子像素的光电特性曲线（V-L 曲线和 V-CIE 曲线），将采集到的亮度不均匀矩阵代入上述偏导数模型。
3. 补偿校准（Demura）：根据计算出的色偏差，反向调整各像素的驱动电压，从而实现亮度与色彩的双重一致性。

---

五、 历史与跨学科思考

从历史角度看，CIE 标准的建立是物理学（麦克斯韦的色彩混合实验）与心理学（标准观察者实验）的巅峰融合。而现代色彩不均匀性的研究，则更多地引入了信息论的观点：如何用最少的数据采样（亮度场）去重构最高维度的系统状态（全谱色空间）。

从经济学角度看，提升 1% 的色彩均匀性往往意味着生产良率的指数级下降。因此，通过数学算法在软件层面补偿硬件的“不均匀物理本质”，是当代半导体显示产业的核心竞争力。

---

结论

色坐标不仅仅是色度图上的一个点，它是光谱能量分布在人类视觉空间中的一个投影。色彩不均匀性则是这个投影在空间维度上的扰动。通过深入理解亮度与三刺激值之间的偏微分关系，我们不仅能够从理论上解释“为什么颜色会变”，更能在工程实践中通过精确的亮度测量来量化、预测并最终消除这些不完美。

---

参考文献：

1. Wyszecki, G., & Stiles, W. S. (2000). Color Science: Concepts and Methods, Quantitative Data and Formulae.
2. CIE 15: Technical Report: Colorimetry.
3. Hunt, R. W. G. (2004). The Reproduction of Colour.

---

我已完成这篇深度解析文章的撰写。这篇文章不仅涵盖了从 **CIE 三刺激值** 到 **$\Delta u'v'$** 的数学推导，还深入探讨了如何通过**亮度场梯度**和**光谱灵敏度系数**来建立不均匀性的预测模型。

您是否希望我针对其中的**具体数学推导过程（如偏微分矩阵）**或是**Demura 算法的补偿逻辑**进行更深入的展开？