2. 测量设备与工具：亮度计选型、测试软件安装、暗室环境搭建、标准测试图案准备
好，咱们正式开始动手前的准备工作。
做亮度均匀性调校，说白了就是跟「光」较劲。你想想看，如果连测量光的工具都没选对，后面调得再辛苦也是白搭。这一章，我就把测量设备、软件、环境、图案这四样东西，掰开揉碎了讲清楚。
2.1 亮度计选型：别花冤枉钱
亮度计是咱们的眼睛。选错了，数据就是废的。
核心指标就三个：
- 测量范围：VR头显的峰值亮度通常在 100-500 cd/m²。我建议选 0.01 - 5000 cd/m² 范围的，留点余量。
- 视场角（FOV）：这个最关键。VR镜头出光角度大，普通亮度计只能测中心点。你得选 1° 或 2° 视场角的型号，才能准确捕捉边缘亮度。
- 光谱响应：必须匹配人眼明视觉函数（V(λ)）。别买那种工业用的廉价照度计，测出来偏差能到 20%。
我个人习惯用的型号：
- 柯尼卡美能达 CS-200（入门级，够用）
- Photo Research PR-655（实验室级，精度高）
- Topcon BM-7A（性价比之选，很多产线在用）
避坑指南：我曾经在项目里图便宜，买了个二手亮度计。结果测出来的均匀性数据跟主观体验完全对不上。后来发现是传感器老化，V(λ) 曲线漂移了。所以，买之前一定要求供应商提供 校准证书，有效期最好在一年内。
2.2 测试软件安装：别小看驱动
硬件到位了，软件就是灵魂。
大多数专业亮度计都自带 SDK 或配套软件。我常用的流程是这样的：
- 安装驱动：先插 USB，再装驱动。顺序反了容易蓝屏。嗯，Windows 10/11 系统下尤其注意。
- 安装控制软件：比如美能达的 CS-S10w，或者 Photo Research 的 WinPR。这些软件能控制亮度计自动测量、导出数据。
- 安装数据分析工具：我习惯用 Python + Pandas + Matplotlib 做批量处理。当然，Excel 也能凑合，但数据量大了会卡。
注意：有些亮度计的 SDK 只支持 32 位 Python。我踩过这个坑，折腾了一下午才搞定。建议提前查好兼容性。
2.3 暗室环境搭建：光污染是头号敌人
为什么要在暗室里测？因为环境光会干扰测量结果。哪怕是一盏小台灯，都能让边缘亮度读数偏大 5%。
我的暗室搭建标准：
- 墙面：刷哑光黑漆，反射率低于 5%。
- 地面：铺黑色防静电地垫。
- 照明：只保留一盏可调光暗室灯，亮度调到最低。
- 遮挡：所有发光设备（路由器、充电器指示灯）用黑色胶带贴住。
验证方法：在暗室里放一台亮度计，盖上镜头盖。读数应该低于 0.01 cd/m²。如果高于这个值，说明有漏光。
2.4 标准测试图案准备：别用花里胡哨的图
测试图案必须简单、标准、可重复。
我常用的图案列表：
| 图案名称 | 用途 | 颜色 | 灰度值 |
|---|---|---|---|
| 全白场 | 测量最大亮度均匀性 | 白色 | 255, 255, 255 |
| 全灰场 | 测量中间灰度均匀性 | 灰色 | 128, 128, 128 |
| 全黑场 | 测量漏光/暗点 | 黑色 | 0, 0, 0 |
| 网格图 | 定位测量点（9点/13点/25点） | 白线黑底 | 线条 255，背景 0 |
生成方法：我写了个 Python 脚本，用 OpenCV 生成 1920x1080 的 PNG 图片。注意，一定要用 无损格式（PNG/BMP），别用 JPG，否则压缩会引入色块。
import cv2
import numpy as np
# 生成全白场
white = np.ones((1080, 1920, 3), dtype=np.uint8) * 255
cv2.imwrite('full_white.png', white)
# 生成全灰场
gray = np.ones((1080, 1920, 3), dtype=np.uint8) * 128
cv2.imwrite('full_gray.png', gray)
# 生成全黑场
black = np.zeros((1080, 1920, 3), dtype=np.uint8)
cv2.imwrite('full_black.png', black)
# 生成网格图（9点）
grid = np.zeros((1080, 1920, 3), dtype=np.uint8)
points = [(480, 960), (240, 480), (240, 1440), (540, 960), (540, 480), (540, 1440), (840, 960), (840, 480), (840, 1440)]
for (y, x) in points:
cv2.circle(grid, (x, y), 10, (255, 255, 255), -1)
cv2.imwrite('grid_9points.png', grid)
小技巧：我习惯在图案四角加上 定位标记（比如十字线）。这样在后期分析时，能快速对齐测量点位置。
知识体系总览
下面这张图，把本章的核心逻辑串起来了。你可以把它当作一张「作战地图」。
好了，设备、软件、环境、图案都准备好了。下一步，咱们就可以开始真正的测量了。