CN104978748A - 一种基于局部像素值的液晶屏缺陷检测方法 - Google Patents

Abstract

该发明公开了一种基于局部像素值的液晶屏缺陷检测方法，涉及一种针对液晶屏像素缺陷的自动检测方法，特别是针对手机屏和平板屏的像素缺陷检测。该方法通过采集液晶屏清晰图像，将采集到的图像进行灰度等处理，然后对灰度图像分别进行列投影和行投影，根据投影的极小值，将最开始获取的图像划分为网状的像素块图像，再将整个图像划分为多个区域，每个区域包含多个像素块，针对各区域根据各像素块灰度与该区域平均灰度的差距检测出有缺陷的像素块；从而具有能同时检测多种像素缺陷，检测准确度高，速度快的效果。

Description

一种基于局部像素值的液晶屏缺陷检测方法

技术领域

本发明涉及一种针对液晶屏像素缺陷的自动检测方法，特别是针对手机屏和平板屏的像素缺陷检测。

背景技术

随着社会生活水平的提高，人们对电子产品的需求与日俱增，这极大的带动了液晶产业的发展。液晶屏的自动化生产程度，直接制约着其产量与生产成本的高低，而目前的液晶屏缺陷检测方法主要是依靠人工检测，手段比较单一，生产厂商通过电测器观察液晶屏的显示画面，凭借肉眼来判断有无缺陷。这种方式即耗时又费力，而且由于人眼偶尔的疲劳与不确定性，经常造成部分缺陷产品被漏检，当一批产品的漏检率过高时，客户就会要求退货，从而给生产商造成经济和时间上的损失。如果能实现液晶屏缺陷检测的自动化，取代传统的人工检测，将大大提高生产效率，降低生产成本。

液晶屏像素缺陷缺陷大致包括：上下偏光片异物，bl(背光)异物，白点,玻璃点,玻璃破,漏液，灯不亮,膜不良,灯柱，缺化,无显,异显等。由于缺陷种类繁多，再加上采图技术的限制，目前国内针对液晶屏像素的缺陷检测还未提出一套完整的算法，已有的算法也只能针对个别点缺陷进行检测，检测面窄，而且检测准确率也低，完全达不到工业生产的要求。

发明内容

本发明的目的是针对背景技术的不足，提出了一种基于局部像素值的液晶屏缺陷检测方法，从而达到能同时检测多种像素缺陷，检测准确度高，速度快的目的。

本发明提供的技术方案为一种基于局部像素值的液晶屏缺陷检测方法，该方法包括以下步骤：

步骤1：采集整个液晶屏清晰的像素图像；

步骤2：对步骤1中的图像进行灰度化处理，转化为灰度图像，如图2所示；

步骤3：对步骤2中的灰度图像进行傅里叶正变换，得到灰度图像的二维频谱图，如图3所示；

步骤4：通过巴斯特沃高通滤波器滤除步骤3中二维频谱的低频部分，使图像细节得到增强，再进行傅里叶反变换得到时域图；

步骤5：对步骤4中的时域图像分别进行投影和列投影，并分别求取行投影和列投影后的极小值，如图4所示；

步骤6：获取步骤5中行投影和列投影后相邻极小值的距离，并求取行投影和列投影后相邻极小值的平均距离；

步骤7：根据行投影和列投影的相邻极小值的平均距离及极小值的位置，将步骤1的图象分割为网状的像素块图像；

步骤8：将步骤7的网状图像划分为多个局部小区域，每个局部小区域包含多个像素块；

步骤9：计算步骤8中局部小区域内的每个像素块的像素值，如附图图5所示；

步骤10：利用步骤9计算的局部小区域中各像素块的像素值，采用曲面拟合计算出每个像素块的像素拟合值；

步骤11：将步骤10求得的各像素块的像素拟合值与步骤9求得的对应像素块的实际像素值做差并取绝对值，获得各像素块拟合差值，如附图图6所示；

步骤12：对步骤11计算的各像素块拟合差值求平均，将该平均值乘以一定倍数作为判定独立像素是否为缺陷的阈值；

步骤13：将步骤11计算的局部拟合差值与步骤12计算的平均值作差，如果差值结果大于阈值则该像素判定为缺陷像素，否则为正常像素，如附图图7所示；

步骤14：按照步骤9至步骤13的相同方法检测下一个局部小区域是否存在缺陷像素块；

步骤15：如果所有局部小区域都没有缺陷则被检测液晶屏就无缺陷，当检测到有局部小区域存在缺陷，则该液晶屏就是有缺陷，停止该液晶屏的检测，如附图图8所示。

所述步骤3，具体通过以下过程实现：

傅里叶正变换实现从时域到频域的变换公式为:

其中F(u,v)指经傅里叶变换后的频域值，x,y指时域中的像素位置，f(x,y)指时域中对应于(x,y)位置的像素值，M，N分别指时域下图片的长和宽。

所述步骤4，具体通过以下过程实现：

巴斯特沃高通滤波器表示如下：

其中H指巴斯特沃滤波器函数，D(u,v)是指(u,v)点距离频率矩形原点的距离，其计算表达式如下：D₀是指截至频率距离原点的距离。

所述步骤9，具体通过以下过程实现：

对每个独立像素所有R,G,B通道的像素值求和，然后进行归一化，将归一化后的值作为每个像素块的像素值。

本发明一种基于局部像素值的液晶屏缺陷检测方法，该方法通过采集液晶屏清晰图像，将采集到的图像进行灰度等处理，然后对灰度图像分别进行列投影和行投影，根据投影的极小值，将最开始获取的图像划分为网状的像素块图像，再将整个图像划分为多个区域，每个区域包含多个像素块，针对各区域根据各像素块灰度与该区域平均灰度的差距检测出有缺陷的像素块；从而具有能同时检测多种像素缺陷，检测准确度高，速度快的效果。

附图说明

图1为液晶屏像素的缺陷检测流程图。

图2为液晶像素的灰度图。

图3为液晶像素图像的傅里叶变换频谱图。

图4为行投影法计算的像素极小值。

图5为液晶像素的像素值分布图。

图6为液晶像素的像素拟合值与实际值得差值图。

图7为判定缺陷像素的二值图。

图8为检测出液晶像素缺陷的结果图。

具体实施方式

下面结合附图，对本发明提出的基于局部能量拟合的液晶屏像素缺陷检测方法进行详细说明。具体包括以下步骤：

步骤1、使用阵列摄像头采集整个液晶屏的像素图像；

步骤2：对步骤1中的图像进行灰度化处理，转化为灰度图像，如附图图2所示；

具体方法为：逐个处理所述原始彩色数字图像中所有的像素点，从而得到灰度图像，其中，对于所述原始彩色数字图像中的任一个像素点，灰度值的计算公式为Gray(i，j)＝0.299R(i,j)+0.587G(i,j)+0.114B(i,j)，其中R(i,j)、G(i,j)和B(i,j)分别代表所述原始彩色数字图像中一个像素点(i,j)的R分量值、G分量值和B分量值，(i,j)代表一个像素点在所述原始彩色数字图像中的坐标；

步骤3：对步骤2中的灰度图像进行傅里叶正变换，变换公式为:

其中F指经傅里叶变换后的频域值，x,y指时域中的像素位置，f(x,y)指时域中对应于(x,y)位置的像素值，M，N分别指时域下图片的长和宽，通过该公式得到灰度图像的二维频谱图，如附图图3所示；

步骤4：通过巴斯特沃高通滤波器滤除步骤3中二维频谱的低频部分，使图像细节得到增强，巴斯特沃高通滤波器表示如下:其中H指巴斯特沃滤波器函数，D(u,v)是指(u,v)点距离频率矩形原点的距离，其计算表达式如下：

D₀是指截至频率距离原点的距离，之后再进行傅里叶反变换得到时域图，傅里叶反变化公式为： $f(x,y)=\underset{u=0}{\overset{M-1}{\Σ}}\underset{v=0}{\overset{N-1}{\Σ}}F(u,v)e^{j2\mathrm{\π}(\frac{ux}{M}+\frac{vy}{N})};$

步骤5：对步骤4中的时域图像进行行投影和列投影，行，列投影是指对图像求取每一行像素的平均值和每一列像素的平均值，平均值的计算公式为 其中Hmean(i)和Wmean(j)分别指第i行和第j列的像素平均值，n和m分别表示图像的长和宽，Gray(i，j)表示(i，j)位置的像素灰度值，然后再计算行(列)平均值中的极小值，如附图图4所示；

步骤6：对步骤5中极小值依次取差值，并将差值中的最大众数作为图像的放大倍率，由于相邻像素的分界位置像素值最小，所以行(列)平均值里两个相邻极小值之间为一个液晶像素；

步骤7：以图像的开始位置为起点，步骤6计算出来的放大倍率为步长，将步骤1获得的图像分解为一个个方形区域，方形区域的长为放大倍率，每个方形区域视为一个独立的像素，这样步骤1的图象就被分割为一个个独立的像素；

步骤8：将步骤7分割好的图像依次划分为有10*10个独立像素的局部小区域，划分时以第一个像素为起点按照从左到右，从上到下的顺序依次划分，当划分的最后一个局部小区域不足10*10个像素时，则以最后那列(或行)像素为起点向前倒数10个像素进行划分，以使所有的局部小区域都含有10*10个像素，同时使所有的像素至少被划分到一个局部小区域里；

步骤9：计算步骤8中局部小区域内的每个独立像素的能量，如附图图5所示，对每个独立像素所有R,G,B通道的像素值求和，然后进行归一化，即每个独立像素的和值除以该局部小区域中的最大和值，将归一化后的值作为每个独立像素的能量值，独立像素的能量的能量计算公式为：

$Ene(i,j)=\underset{n=1}{\overset{Hmulti}{\Σ}}\underset{m=1}{\overset{Wmulti}{\Σ}}\left(R\right(i*10+n,j*10+m)+G(i*10+n,j*10+m)+B(i*10+n,j*10+m\left)\right)$

其中Ene(i,j)指(i,j)位置的像素能量，Hmulti和Wmulti分别指步骤6计算出来的列和行方向的放大倍数，R,G,B分别指图像中三个通道的像素值；

步骤10：利用步骤9计算的局部小区域的像素值，采用曲面拟合计算出每个独立像素的像素拟合值；

步骤11：将步骤10求得的每个独立像素的像素拟合值与步骤9求得的每个独立的实际像素值做差并取绝对值，计算局部拟合差值，如附图图6所示，局部拟合差值的计算公式为：Diffene(i,j)＝|Fitene(i,j)-Ene(i,j)|，其中Diffene(i,j)表示(i,j)位置的像素差值，Fitene(i,j)表示(i,j)位置的像素拟合值，Ene(i,j)表示(i,j)位置的实际像素值；

步骤12：对步骤11计算的像素局部拟合差值求平均，差值的计算公式为：其中Diffmean表示差值平均值，Diffene(i,j)表示(i,j)位置的像素差值，再将该平均值乘以一定倍数作为判定独立像素是否为缺陷的阈值；

步骤13：将步骤11计算的局部拟合差值与步骤12计算的平均值作差，如果差值结果大于阈值则该像素判定为缺陷像素，否则为正常像素，如附图图7所示；

步骤14：检测下一个局部小区域是否有像素存在缺陷，重复步骤9至步骤13直到所有局部小区域都检测完成；

步骤15：汇总所有局部小区域的检测结果，如果所有局部小区域都没有缺陷则被检测液晶屏就无缺陷，只要检测到有局部小区域存在缺陷，则该液晶屏就是有缺陷，如附图图8所示。

Claims (4)

1.一种基于局部像素值的液晶屏缺陷检测方法，该方法包括以下步骤：

步骤1：采集整个液晶屏清晰的像素图像；

步骤2：对步骤1中的图像进行灰度化处理，转化为灰度图像；

步骤3：对步骤2中的灰度图像进行傅里叶正变换，得到灰度图像的二维频谱图；

步骤4：通过巴斯特沃高通滤波器滤除步骤3中二维频谱的低频部分，使图像细节得到增强，再进行傅里叶反变换得到时域图；

步骤5：对步骤4中的时域图像分别进行投影和列投影，并分别求取行投影和列投影后的极小值；

步骤6：获取步骤5中行投影和列投影后相邻极小值的距离，并求取行投影和列投影后相邻极小值的平均距离；

步骤7：根据行投影和列投影的相邻极小值的平均距离及极小值的位置，将步骤1的图象分割为网状的像素块图像；

步骤8：将步骤7的网状图像划分为多个局部小区域，每个局部小区域包含多个像素块；

步骤9：计算步骤8中局部小区域内的每个像素块的像素值；

步骤10：利用步骤9计算的局部小区域中各像素块的像素值，采用曲面拟合计算出每个像素块的像素拟合值；

步骤11：将步骤10求得的各像素块的像素拟合值与步骤9求得的对应像素块的实际像素值做差并取绝对值，获得各像素块拟合差值；

步骤12：对步骤11计算的各像素块拟合差值求平均，将该平均值乘以一定倍数作为判定独立像素是否为缺陷的阈值；

步骤13：将步骤11计算的局部拟合差值与步骤12计算的平均值作差，如果差值结果大于阈值则该像素判定为缺陷像素，否则为正常像素；

步骤14：按照步骤9至步骤13的相同方法检测下一个局部小区域是否存在缺陷像素块；

步骤15：如果所有局部小区域都没有缺陷则被检测液晶屏就无缺陷，当检测到有局部小区域存在缺陷，则该液晶屏就是有缺陷，停止该液晶屏的检测。

2.如权利要求1所述的一种基于局部像素值的液晶屏缺陷检测方法，其特征在于所述步骤3，具体通过以下过程实现：

傅里叶正变换实现从时域到频域的变换公式为:

其中F(u,v)指经傅里叶变换后的频域值，x,y指时域中的像素位置，f(x,y)指时域中对应于(x,y)位置的像素值，M，N分别指时域下图片的长和宽。

3.如权利要求1所述的一种基于局部像素值的液晶屏缺陷检测方法，其特征在于所述步骤4，具体通过以下过程实现：

巴斯特沃高通滤波器表示如下：

其中H指巴斯特沃滤波器函数，D(u,v)是指(u,v)点距离频率矩形原点的距离，其计算表达式如下：D₀是指截至频率距离原点的距离。

4.如权利要求1所述的一种基于局部像素值的液晶屏缺陷检测方法，其特征在于所述步骤9，具体通过以下过程实现：

对每个独立像素所有R,G,B通道的像素值求和，然后进行归一化，将归一化后的值作为每个像素块的像素值。