CN105447851A - 一种玻璃面板的音孔缺陷检测方法及系统 - Google Patents

Abstract

本发明适用于玻璃面板音孔缺陷识别，提供了一种玻璃面板的音孔缺陷检测方法，步骤包括：A，对玻璃面板的音孔进行图像采集并进行处理得到音孔图像，然后对音孔图像进行膨胀运算得到音孔灰度图像；B，对音孔灰度图像进行灰度统计，得到二值化阈值，然后对音孔灰度图像进行二值化分割得到音孔二值化图像；C，对音孔二值化图像进行分析和提取，得到空心区域图像，然后对空心区域图像进行计算，得到音孔感兴趣区域图像；D，根据音孔感兴趣区域图像进行缺陷识别，并标记缺陷坐标。本发明根据音孔轮廓特征，提取出音孔轮廓感兴趣区域，并基于该邻域灰度均值对亮点缺陷进行缺陷检测判断，进一步地，可检测多种型号的玻璃面板音孔崩边、裂纹、砂边。

Description

一种玻璃面板的音孔缺陷检测方法及系统

技术邻域

本发明属于面板检测邻域，尤其涉及一种基于图像轮廓特征提取的用于手机玻璃面板的音孔缺陷检测方法及系统。

背景技术

目前，对于玻璃面板表面缺陷的检测与识别方法归纳起来有三类:图像匹配比较法，非图像匹配比较法和混合法。(1)图像匹配比较法这种方法是将作为模板的标准图像与被检测的图像进行匹配，即异或运算，这种方法适用于图像出现缺口、边缘凹凸毛刺等缺陷，但是对于种类众多的手机玻璃面板孔亮点缺陷，其在形状上并无差异，表现特征是灰度值高于周边，同时不同客户对于玻璃面板音孔大小不一，因此这种方法不适用于手机玻璃面板音孔缺陷检测。(2)非图像匹配比较法这种方法不需要模板图像，它依据预先定义的设计规则来判断待检测图像是否有瑕疵，对于手机玻璃面板音孔亮点缺陷，可以认为阈值大小为设计规则，但是由于受玻璃面板厚度、音孔大小以及加工角度的影响，常见的阈值分割、边缘分割等分割方法难以兼顾，有点是内存需求小、处理灵活。(3)混合法它是前述两种方法的综合，在一定程度上克服了前两类方法的缺点，但目前这种方法还不是很成熟，其算法复杂，不能满足实时检测的要求，且自适应性不够，系统扩展能力较差。

发明内容

本发明所要解决的技术问题在于提供一种玻璃面板的音孔缺陷检测方法及系统，旨在解决现有检测音孔缺陷技术不成熟，算法复杂，不能满足实时检测的要求，且自适应性不够，系统扩展能力较差的问题。

本发明是这样实现的，一种玻璃面板的音孔缺陷检测方法，步骤包括：

步骤A，对玻璃面板的音孔进行图像采集，并将采集的图像进行灰度转换和预处理得到音孔图像，然后对所述音孔图像进行膨胀运算得到音孔灰度图像；

步骤B，对所述音孔灰度图像进行灰度统计，得到二值化阈值，然后根据所述二值化阈值对所述音孔灰度图像进行二值化分割得到音孔二值化图像；

步骤C，对所述音孔二值化图像进行分析和提取，得到空心区域图像，然后对所述空心区域图像进行计算，得到音孔感兴趣区域图像；

步骤D，根据所述音孔感兴趣区域图像进行缺陷识别，并标记缺陷坐标。

进一步地，步骤A具体包括:

步骤A1，对玻璃面板的音孔进行图像采集并进行灰度转换，然后对灰度转换后的图像进行滤波和去噪的预处理得到音孔图像；

步骤A2，对预处理后的音孔图像进行膨胀运算得到音孔灰度图像；所述膨胀运算的算子大小为音孔轮廓宽度大小。进一步地，步骤B具体包括:

步骤B1，对所述音孔灰度图像进行灰度直方图统计，灰度级数为256级，然后根据音孔空心特征，从灰度级数0开始对所述音孔灰度图像进行遍历，得到第一个峰值灰度值；

以灰度级0开始对所述音孔灰度图像进行遍历，当第i级对应的像素个数大小比邻域域内的像素个数多时，以i为第一个峰值灰度值，以Num(i)表示该灰度值对应灰度级的像素个数，则满足：

Num(i)＝Max{Num(i±d)}，0≤d≤D，D≤i≤255-D；其中D为邻域大小，d为变量；

步骤B2，根据得到的第一个峰值灰度值对所述音孔灰度图像进行遍历，得到第一个峰谷灰度值，确定二值化阈值；

从第一峰值灰度值i对应的灰度级i开始对所述音孔灰度图像进行遍历，当第j级对应的像素个数比邻域域内的像素个数少时，以j为第一个峰谷灰度值，以Num(j)表示该灰度值对应灰度级的像素个数，则满足：

Num(j)＝Max{Num(j±d)}，0≤d≤i，i≤j≤255-D；

步骤B3，以步骤B2中得到的第一峰谷灰度值j为二值化阈值，对所述音孔灰度图像进行二值化分割，得到音孔二值化图像。

进一步地，步骤C具体包括：

步骤C1，对所述音孔二值化图像进行BOLB分析，根据空心轮廓特征、凸包面积以及位置提取空心区域图像；

以Block(n)表示第n个轮廓，BlockLength(n)表示轮廓长度，BlockArea(n)表示凸包面积，(BlockX(n)，BlockY(n))表示轮廓中心坐标；

当且仅当满足：

$\left\{\begin{array}{c}BlockLength\left(n\right)\≥Length\\ BlockArea\left(n\right)\≥Area\\ X1\≤BlockX\left(n\right)\≤X2\\ Y1\≤BlockY\left(n\right)\≤Y2\end{array}\right.$

时，确定该轮廓为音孔空心对应的轮廓，对该轮廓进行提取获得空心区域图像；其中，Length表示轮廓长度，Area表示轮廓面积，X1，X2表示轮廓中心所在的列坐标的最小值和最大值；Y1、Y2表示行坐标的最小值和最大值；

步骤C2，对所述空心区域图像进行膨胀运算和腐蚀运算，得到第一运算图像和第二运算图像，将所述第一运算图像和第二运算图像相减，得到音孔感兴趣区域图像。

进一步地，步骤D具体包括：

步骤D1，根据所述音孔感兴趣区域图像提取对应的音孔图像，以所述音孔感兴趣区域图像，确定所述音孔图像中的音孔感兴趣区域；

步骤D2，根据所述音孔感兴趣区域判断是否存在亮点；

以f(i，j)表示所述音孔感兴趣区域中第i点的灰度值，T表示所述音孔感兴趣区域内所有像素的灰度平均值，ΔT表示缺陷阈值，

当且仅当第i点的灰度值大于或者等于所述灰度平均值与所述缺陷阈值之和时，则确定存在亮点，并提取亮点轮廓；

当且仅当第i点的灰度值小于所述灰度平均值与所述缺陷阈值之和时，则确定正常；

步骤D3，以所述灰度平均值与所述缺陷阈值之和为分割阈值，对所述音孔图像进行二值化分割得到二值化分割图像，并根据所述亮点轮廓判断音孔缺陷，并标记缺陷坐标；

以B(i，j)表示所述二值化分割图像，则：

$B(i,j)=\left\{\begin{array}{cc}1& f(i,j)\≥T+\mathrm{\Δ}T\\ 0& f(i,j)\≤T+\mathrm{\Δ}T\end{array}\right.$

在判断出现一个亮点或多个亮点，且亮点之间位置分割较远，则确定为音孔崩边；

在判断亮点布满音孔轮廓边缘，且亮点之间彼此连接，则确定为音孔砂边；

在判断为出现细长条亮点，且所述细长条亮点长宽比满足缺陷阈值时，则确定为音孔裂纹。

本发明还提供了一种玻璃面板的音孔缺陷检测系统，包括：

采集处理单元，对玻璃面板的音孔进行图像采集，并将采集的图像进行灰度转换和预处理得到音孔图像，然后对所述音孔图像进行膨胀运算得到音孔灰度图像；

二值化处理单元，用于对所述音孔灰度图像进行灰度统计，得到二值化阈值，然后根据所述二值化阈值对所述音孔灰度图像进行二值化分割得到音孔二值化图像；

分析提取单元，用于对所述音孔二值化图像进行分析和提取，得到空心区域图像，然后对所述空心区域图像进行计算，得到音孔感兴趣区域图像；

缺陷识别单元，用于根据所述音孔感兴趣区域图像进行缺陷识别，并标记缺陷坐标。

进一步地，所述采集处理单元具体用于:

首先，对玻璃面板的音孔进行图像采集并进行灰度转换，然后对灰度转换后的图像进行滤波和去噪的预处理得到音孔图像；

最后，对预处理后的音孔图像进行膨胀运算得到音孔灰度图像；所述膨胀运算的算子大小为音孔轮廓宽度大小。

进一步地，所述二值化处理单元具体用于:

首先，对所述音孔灰度图像进行灰度直方图统计，灰度级数为256级，然后根据音孔空心特征，从灰度级数0开始对所述音孔灰度图像进行遍历，得到第一个峰值灰度值；

以灰度级0开始对所述音孔灰度图像进行遍历，当第i级对应的像素个数大小比邻域域内的像素个数多时，以i为第一个峰值灰度值，以Num(i)表示该灰度值对应灰度级的像素个数，则满足：

Num(i)＝Max{Num(i±d)}，0≤d≤D，D≤i≤255-D；其中D为邻域大小，d为变量；

其次，根据得到的第一个峰值灰度值对所述音孔灰度图像进行遍历，得到第一个峰谷灰度值，确定二值化阈值；

从第一峰值灰度值i对应的灰度级i开始对所述音孔灰度图像进行遍历，当第j级对应的像素个数比邻域域内的像素个数少时，以j为第一个峰谷灰度值，以Num(j)表示该灰度值对应灰度级的像素个数，则满足：

Num(j)＝Max{Num(j±d)}，0≤d≤i，i≤j≤255-D；

最后，以步骤B2中得到的第一峰谷灰度值j为二值化阈值，对所述音孔灰度图像进行二值化分割，得到音孔二值化图像。

进一步地，所述分析提取单元具体用于：

首先，对所述音孔二值化图像进行BOLB分析，根据空心轮廓特征、凸包面积以及位置提取空心区域图像；

以Block(n)表示第n个轮廓，BlockLength(n)表示轮廓长度，BlockArea(n)表示凸包面积，(BlockX(n)，BlockY(n))表示轮廓中心坐标；

当且仅当满足：

$\left\{\begin{array}{c}BlockLength\left(n\right)\≥Length\\ BlockArea\left(n\right)\≥Area\\ X1\≤BlockX\left(n\right)\≤X2\\ Y1\≤BlockY\left(n\right)\≤Y2\end{array}\right.$

时，确定该轮廓为音孔空心对应的轮廓，对该轮廓进行提取获得空心区域图像；其中，Length表示轮廓长度，Area表示轮廓面积，X1，X2表示轮廓中心所在的列坐标的最小值和最大值；Y1、Y2表示行坐标的最小值和最大值；

最后，对所述空心区域图像进行膨胀运算和腐蚀运算，得到第一运算图像和第二运算图像，将所述第一运算图像和第二运算图像相减，得到音孔感兴趣区域图像。

进一步地，所述缺陷识别单元具体用于：

首先，根据所述音孔感兴趣区域图像提取对应的音孔图像，以所述音孔感兴趣区域图像，确定所述音孔图像中的音孔感兴趣区域；

其次，根据所述音孔感兴趣区域判断是否存在亮点；

以f(i，j)表示所述音孔感兴趣区域中第i点的灰度值，T表示所述音孔感兴趣区域内所有像素的灰度平均值，ΔT表示缺陷阈值，

当且仅当第i点的灰度值大于或者等于所述灰度平均值与所述缺陷阈值之和时，则确定存在亮点，并提取亮点轮廓；

当且仅当第i点的灰度值小于所述灰度平均值与所述缺陷阈值之和时，则确定正常；

最后，以所述灰度平均值与所述缺陷阈值之和为分割阈值，对所述音孔图像进行二值化分割得到二值化分割图像，并根据所述亮点轮廓判断音孔缺陷，并标记缺陷坐标；

以B(i，j)表示所述二值化分割图像，则：

$B(i,j)=\left\{\begin{array}{cc}1& f(i,j)\≥T+\mathrm{\Δ}T\\ 0& f(i,j)\≤T+\mathrm{\Δ}T\end{array}\right.$

在判断出现一个亮点或多个亮点，且亮点之间位置分割较远，则确定为音孔崩边；

在判断亮点布满音孔轮廓边缘，且亮点之间彼此连接，则确定为音孔砂边；

在判断为出现细长条亮点，且所述细长条亮点长宽比满足缺陷阈值时，则确定为音孔裂纹。

本发明与现有技术相比，有益效果在于：本发明根据音孔轮廓特征，提取出音孔轮廓感兴趣区域，并基于该邻域灰度均值对亮点缺陷进行缺陷检测判断，进一步地，可检测多种型号的玻璃面板音孔崩边、裂纹、砂边。本发明为玻璃面板音孔缺陷检测提供了一种新的解决方法，有利于实现玻璃面板缺陷实现流水线检测，同时可结合该方法结合现有技术，可以弥补玻璃面板缺陷检测音孔漏检的问题。

附图说明

图1是本发明实施例提供的一种玻璃面板的音孔缺陷检测方法的流程图。

图2是本发明实施例提供的音孔图像灰度级膨胀示意图。

图3是本发明实施例提供的音孔空心区域提取示意图。

图4是本发明实施例提供的音孔感兴趣区域提取示意图。

图5是本发明实施例提供的音孔缺陷提取标记示意图。

图6本发明实施例提供的一种玻璃面板的音孔缺陷检测系统的结构示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

对手机玻璃面板的音孔缺陷判断，通过采集音孔的图像进行灰度级处理，根据灰度索引号分割出音孔空心区域，结合音孔边缘厚度设置形态学运算算子，提取出音孔感兴趣区域，基于该区域的灰度均值设定阈值进行分割，进行BOLB分析，根据目标区域的连通域面积、纵横比等特征进行判断，删除伪缺陷，检测出缺陷。

基于上述理论，本发明提出了如图1所示的一种玻璃面板的音孔缺陷检测方法，步骤包括：

S1，对玻璃面板的音孔进行图像采集，并将采集的图像进行灰度转换和预处理得到音孔图像，然后对所述音孔图像进行膨胀运算得到音孔灰度图像。在本步骤中，使用相机对音控进行图像采集，采集到的图像为灰度图像，在实际应用，可以采集音孔的彩色图像，然后进行处理，得到本发明所需要的灰度图像。

S2，对所述音孔灰度图像进行灰度统计，得到二值化阈值，然后根据所述二值化阈值对所述音孔灰度图像进行二值化分割得到音孔二值化图像；

S3，对所述音孔二值化图像进行分析和提取，得到空心区域图像，然后对所述空心区域图像进行计算，得到音孔感兴趣区域图像；

S4，根据所述音孔感兴趣区域图像进行缺陷识别，并标记缺陷坐标。在本步骤中，进行缺陷坐标标记，方便操作工人后续对该玻璃面板进行音孔缺陷再确认。

进一步地，上述步骤S1具体包括：

S11，对玻璃面板的音孔进行图像采集并进行灰度转换，然后对灰度转换后的图像进行滤波和去噪的预处理得到音孔图像；

S12，对预处理后的音孔图像进行膨胀运算得到音孔灰度图像；所述膨胀运算的算子大小为音孔轮廓宽度大小。在本步骤中，音孔轮廓宽度大小通过实验测试得到，每种型号的音孔轮廓宽度都不一样，对预处理后的音孔图像进行膨胀运算，是为了突出音孔区域的特征，如图2所示。

进一步地，上述步骤S2具体包括：

S21，对所述音孔灰度图像进行灰度直方图统计，灰度级数为256级，然后根据音孔空心特征，从灰度级数0开始对所述音孔灰度图像进行遍历，得到第一个峰值灰度值；

以灰度级0开始对所述音孔灰度图像进行遍历，当第i级对应的像素个数大小比邻域域内的像素个数多时，以i为第一个峰值灰度值，以Num(i)表示该灰度值对应灰度级的像素个数，则满足：

Num(i)＝Max{Num(i±d)}，0≤d≤D，D≤i≤255-D；其中D为邻域大小，d为变量，其值均根据实验测试得到。

S22，根据得到的第一个峰值灰度值对所述音孔灰度图像进行遍历，得到第一个峰谷灰度值，确定二值化阈值；

从第一峰值灰度值i对应的灰度级i开始对所述音孔灰度图像进行遍历，当第j级对应的像素个数比邻域域内的像素个数少时，以j为第一个峰谷灰度值，以Num(j)表示该灰度值对应灰度级的像素个数，则满足：

Num(j)＝Max{Num(j±d)}，0≤d≤i，i≤j≤255-D；

S23，以步骤B2中得到的第一峰谷灰度值j为二值化阈值，对所述音孔灰度图像进行二值化分割，得到音孔二值化图像。

进一步地，上述步骤S3具体包括：

S31，对所述音孔二值化图像进行BOLB分析，根据空心轮廓特征、凸包面积以及位置提取空心区域图像；如图3所示

以Block(n)表示第n个轮廓，BlockLength(n)表示轮廓长度，BlockArea(n)表示凸包面积，(BlockX(n)，BlockY(n))表示轮廓中心坐标；

当且仅当满足：

$\left\{\begin{array}{c}BlockLength\left(n\right)\≥Length\\ BlockArea\left(n\right)\≥Area\\ X1\≤BlockX\left(n\right)\≤X2\\ Y1\≤BlockY\left(n\right)\≤Y2\end{array}\right.$

时，确定该轮廓为音孔空心对应的轮廓，对该轮廓进行提取获得空心区域图像；其中，Length表示轮廓长度，Area表示轮廓面积，X1，X2表示轮廓中心所在的列坐标的最小值和最大值；Y1、Y2表示行坐标的最小值和最大值，均通过实验测试得到；

S32，对所述空心区域图像进行膨胀运算和腐蚀运算，得到第一运算图像和第二运算图像，将所述第一运算图像和第二运算图像相减，得到音孔感兴趣区域图像。如图4所示。

进一步地，上述步骤S4具体包括：

S41，根据所述音孔感兴趣区域图像提取对应的音孔图像，以所述音孔感兴趣区域图像，确定所述音孔图像中的音孔感兴趣区域；

S42，根据所述音孔感兴趣区域判断是否存在亮点；

以f(i，j)表示所述音孔感兴趣区域中第i点的灰度值，T表示所述音孔感兴趣区域内所有像素的灰度平均值，ΔT表示缺陷阈值，

当且仅当第i点的灰度值大于或者等于所述灰度平均值与所述缺陷阈值之和时，则确定存在亮点，并提取亮点轮廓；

当且仅当第i点的灰度值小于所述灰度平均值与所述缺陷阈值之和时，则确定正常；

S43，以所述灰度平均值与所述缺陷阈值之和为分割阈值，对所述音孔图像进行二值化分割得到二值化分割图像，并根据所述亮点轮廓判断音孔缺陷，并标记缺陷坐标；如图5所示，其中a表示音孔灰度图像，b表示音孔感兴趣区域图像，c为缺陷提取效果图，d为缺陷标记示意图。

以B(i，j)表示所述二值化分割图像，则：

$B(i,j)=\left\{\begin{array}{cc}1& f(i,j)\≥T+\mathrm{\Δ}T\\ 0& f(i,j)\≤T+\mathrm{\Δ}T\end{array}\right.$

在判断出现一个亮点或多个亮点，且亮点之间位置分割较远，则确定为音孔崩边；

在判断亮点布满音孔轮廓边缘，且亮点之间彼此连接，则确定为音孔砂边；

在判断为出现细长条亮点，且所述细长条亮点长宽比满足缺陷阈值时，则确定为音孔裂纹。

本发明还提供了如图6所示的一种玻璃面板的音孔缺陷检测系统，包括：

采集处理单元1，对玻璃面板的音孔进行图像采集，并将采集的图像进行灰度转换和预处理得到音孔图像，然后对所述音孔图像进行膨胀运算得到音孔灰度图像；

二值化处理单元2，用于对所述音孔灰度图像进行灰度统计，得到二值化阈值，然后根据所述二值化阈值对所述音孔灰度图像进行二值化分割得到音孔二值化图像；

分析提取单元3，用于对所述音孔二值化图像进行分析和提取，得到空心区域图像，然后对所述空心区域图像进行计算，得到音孔感兴趣区域图像；

缺陷识别单元4，用于根据所述音孔感兴趣区域图像进行缺陷识别，并标记缺陷坐标。

进一步地，采集处理单元1具体用于:

首先，对玻璃面板的音孔进行图像采集并进行灰度转换，然后对灰度转换后的图像进行滤波和去噪的预处理得到音孔图像；

最后，对预处理后的音孔图像进行膨胀运算得到音孔灰度图像；所述膨胀运算的算子大小为音孔轮廓宽度大小。

进一步地，二值化处理单元2具体用于:

首先，对所述音孔灰度图像进行灰度直方图统计，灰度级数为256级，然后根据音孔空心特征，从灰度级数0开始对所述音孔灰度图像进行遍历，得到第一个峰值灰度值；

以灰度级0开始对所述音孔灰度图像进行遍历，当第i级对应的像素个数大小比邻域域内的像素个数多时，以i为第一个峰值灰度值，以Num(i)表示该灰度值对应灰度级的像素个数，则满足：

Num(i)＝Max{Num(i±d)}，0≤d≤D，D≤i≤255-D；其中D为邻域大小，d为变量；

其次，根据得到的第一个峰值灰度值对所述音孔灰度图像进行遍历，得到第一个峰谷灰度值，确定二值化阈值；

从第一峰值灰度值i对应的灰度级i开始对所述音孔灰度图像进行遍历，当第j级对应的像素个数比邻域域内的像素个数少时，以j为第一个峰谷灰度值，以Num(j)表示该灰度值对应灰度级的像素个数，则满足：

Num(j)＝Max{Num(j±d)}，0≤d≤i，i≤j≤255-D；

最后，以步骤B2中得到的第一峰谷灰度值j为二值化阈值，对所述音孔灰度图像进行二值化分割，得到音孔二值化图像。

进一步地，分析提取单元3具体用于：

首先，对所述音孔二值化图像进行BOLB分析，根据空心轮廓特征、凸包面积以及位置提取空心区域图像；

以Block(n)表示第n个轮廓，BlockLength(n)表示轮廓长度，BlockArea(n)表示凸包面积，(BlockX(n)，BlockY(n))表示轮廓中心坐标；

当且仅当满足：

$\left\{\begin{array}{c}BlockLength\left(n\right)\≥Length\\ BlockArea\left(n\right)\≥Area\\ X1\≤BlockX\left(n\right)\≤X2\\ Y1\≤BlockY\left(n\right)\≤Y2\end{array}\right.$

时，确定该轮廓为音孔空心对应的轮廓，对该轮廓进行提取获得空心区域图像；其中，Length，Area，X1，X2，Y1，X2指的是……；

最后，对所述空心区域图像进行膨胀运算和腐蚀运算，得到第一运算图像和第二运算图像，将所述第一运算图像和第二运算图像相减，得到音孔感兴趣区域图像。

进一步地，缺陷识别单元4具体用于：

首先，根据所述音孔感兴趣区域图像提取对应的音孔图像，以所述音孔感兴趣区域图像，确定所述音孔图像中的音孔感兴趣区域；

其次，根据所述音孔感兴趣区域判断是否存在亮点；

以f(i，j)表示所述音孔感兴趣区域中第i点的灰度值，T表示所述音孔感兴趣区域内所有像素的灰度平均值，ΔT表示缺陷阈值，

当且仅当第i点的灰度值大于或者等于所述灰度平均值与所述缺陷阈值之和时，则确定存在亮点，并提取亮点轮廓；

当且仅当第i点的灰度值小于所述灰度平均值与所述缺陷阈值之和时，则确定正常；

最后，以所述灰度平均值与所述缺陷阈值之和为分割阈值，对所述音孔图像进行二值化分割得到二值化分割图像，并根据所述亮点轮廓判断音孔缺陷，并标记缺陷坐标；

以B(i，j)表示所述二值化分割图像，则：

$B(i,j)=\left\{\begin{array}{cc}1& f(i,j)\≥T+\mathrm{\Δ}T\\ 0& f(i,j)\≤T+\mathrm{\Δ}T\end{array}\right.$

在判断出现一个亮点或多个亮点，且亮点之间位置分割较远，则确定为音孔崩边；

在判断亮点布满音孔轮廓边缘，且亮点之间彼此连接，则确定为音孔砂边；

在判断为出现细长条亮点，且所述细长条亮点长宽比满足缺陷阈值时，则确定为音孔裂纹。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种玻璃面板的音孔缺陷检测方法，其特征在于，所述音孔缺陷检测方法的步骤包括：

步骤A，对玻璃面板的音孔进行图像采集，并将采集的图像进行灰度转换和预处理得到音孔图像，然后对所述音孔图像进行膨胀运算得到音孔灰度图像；

步骤B，对所述音孔灰度图像进行灰度统计，得到二值化阈值，然后根据所述二值化阈值对所述音孔灰度图像进行二值化分割得到音孔二值化图像；

步骤C，对所述音孔二值化图像进行分析和提取，得到空心区域图像，然后对所述空心区域图像进行计算，得到音孔感兴趣区域图像；

步骤D，根据所述音孔感兴趣区域图像进行缺陷识别，并标记缺陷坐标。

2.如权利要求1所述的音孔缺陷检测方法，其特征在于，步骤A具体包括:

步骤A1，对玻璃面板的音孔进行图像采集并进行灰度转换，然后对灰度转换后的图像进行滤波和去噪的预处理得到音孔图像；

步骤A2，对预处理后的音孔图像进行膨胀运算得到音孔灰度图像；所述膨胀运算的算子大小为音孔轮廓宽度大小。

3.如权利要求1所述的音孔缺陷检测方法，其特征在于，步骤B具体包括:

步骤B1，对所述音孔灰度图像进行灰度直方图统计，灰度级数为256级，然后根据音孔空心特征，从灰度级数0开始对所述音孔灰度图像进行遍历，得到第一个峰值灰度值；

以灰度级0开始对所述音孔灰度图像进行遍历，当第i级对应的像素个数大小比邻域域内的像素个数多时，以i为第一个峰值灰度值，以Num(i)表示该灰度值对应灰度级的像素个数，则满足：

Num(i)＝Max{Num(i±d)}，0≤d≤D，D≤i≤255-D；其中D为邻域大小，d为变量；

步骤B2，根据得到的第一个峰值灰度值对所述音孔灰度图像进行遍历，得到第一个峰谷灰度值，确定二值化阈值；

从第一峰值灰度值i对应的灰度级i开始对所述音孔灰度图像进行遍历，当第j级对应的像素个数比邻域域内的像素个数少时，以j为第一个峰谷灰度值，以Num(j)表示该灰度值对应灰度级的像素个数，则满足：

Num(j)＝Max{Num(j±d)}，0≤d≤i，i≤j≤255-D；

步骤B3，以步骤B2中得到的第一峰谷灰度值j为二值化阈值，对所述音孔灰度图像进行二值化分割，得到音孔二值化图像。

4.如权利要求1所述的音孔缺陷检测方法，其特征在于，步骤C具体包括：

步骤C1，对所述音孔二值化图像进行BOLB分析，根据空心轮廓特征、凸包面积以及位置提取空心区域图像；

以Block(n)表示第n个轮廓，BlockLength(n)表示轮廓长度，BlockArea(n)表示凸包面积，(BlockX(n)，BlockY(n))表示轮廓中心坐标；

当且仅当满足：

$\left\{\begin{array}{c}BlockLength\left(n\right)\≥Length\\ BlockArea\left(n\right)\≥Area\\ X1\≤BlockX\left(n\right)\≤X2\\ Y1\≤BlockY\left(n\right)\≤Y2\end{array}\right.$

时，确定该轮廓为音孔空心对应的轮廓，对该轮廓进行提取获得空心区域图像；其中，Length表示轮廓长度，Area表示轮廓面积，X1，X2表示轮廓中心所在的列坐标的最小值和最大值；Y1、Y2表示行坐标的最小值和最大值；

步骤C2，对所述空心区域图像进行膨胀运算和腐蚀运算，得到第一运算图像和第二运算图像，将所述第一运算图像和第二运算图像相减，得到音孔感兴趣区域图像。

5.如权利要求1所述的音孔缺陷检测方法，其特征在于，步骤D具体包括：

步骤D1，根据所述音孔感兴趣区域图像提取对应的音孔图像，以所述音孔感兴趣区域图像，确定所述音孔图像中的音孔感兴趣区域；

步骤D2，根据所述音孔感兴趣区域判断是否存在亮点；

以f(i，j)表示所述音孔感兴趣区域中第i点的灰度值，T表示所述音孔感兴趣区域内所有像素的灰度平均值，ΔT表示缺陷阈值，

当且仅当第i点的灰度值大于或者等于所述灰度平均值与所述缺陷阈值之和时，则确定存在亮点，并提取亮点轮廓；

当且仅当第i点的灰度值小于所述灰度平均值与所述缺陷阈值之和时，则确定正常；

步骤D3，以所述灰度平均值与所述缺陷阈值之和为分割阈值，对所述音孔图像进行二值化分割得到二值化分割图像，并根据所述亮点轮廓判断音孔缺陷，并标记缺陷坐标；

以B(i，j)表示所述二值化分割图像，则：

$B(i,j)=\left\{\begin{array}{cc}1& f(i,j)\≥T+\mathrm{\Δ}T\\ 0& f(i,j)\≤T+\mathrm{\Δ}T\end{array}\right.$

在判断出现一个亮点或多个亮点，且亮点之间位置分割较远，则确定为音孔崩边；

在判断亮点布满音孔轮廓边缘，且亮点之间彼此连接，则确定为音孔砂边；

在判断为出现细长条亮点，且所述细长条亮点长宽比满足缺陷阈值时，则确定为音孔裂纹。

6.一种玻璃面板的音孔缺陷检测系统，其特征在于，所述音孔缺陷检测系统包括：

采集处理单元，对玻璃面板的音孔进行图像采集，并将采集的图像进行灰度转换和预处理得到音孔图像，然后对所述音孔图像进行膨胀运算得到音孔灰度图像；

二值化处理单元，用于对所述音孔灰度图像进行灰度统计，得到二值化阈值，然后根据所述二值化阈值对所述音孔灰度图像进行二值化分割得到音孔二值化图像；

分析提取单元，用于对所述音孔二值化图像进行分析和提取，得到空心区域图像，然后对所述空心区域图像进行计算，得到音孔感兴趣区域图像；

缺陷识别单元，用于根据所述音孔感兴趣区域图像进行缺陷识别，并标记缺陷坐标。

7.如权利要求6所述的音孔缺陷检测系统，其特征在于，所述采集处理单元具体用于:

首先，对玻璃面板的音孔进行图像采集并进行灰度转换，然后对灰度转换后的图像进行滤波和去噪的预处理得到音孔图像；

最后，对预处理后的音孔图像进行膨胀运算得到音孔灰度图像；所述膨胀运算的算子大小为音孔轮廓宽度大小。

8.如权利要求6所述的音孔缺陷检测系统，其特征在于，所述二值化处理单元具体用于:

首先，对所述音孔灰度图像进行灰度直方图统计，灰度级数为256级，然后根据音孔空心特征，从灰度级数0开始对所述音孔灰度图像进行遍历，得到第一个峰值灰度值；

以灰度级0开始对所述音孔灰度图像进行遍历，当第i级对应的像素个数大小比邻域域内的像素个数多时，以i为第一个峰值灰度值，以Num(i)表示该灰度值对应灰度级的像素个数，则满足：

Num(i)＝Max{Num(i±d)}，0≤d≤D，D≤i≤255-D；其中D为邻域大小，d为变量；

其次，根据得到的第一个峰值灰度值对所述音孔灰度图像进行遍历，得到第一个峰谷灰度值，确定二值化阈值；

从第一峰值灰度值i对应的灰度级i开始对所述音孔灰度图像进行遍历，当第j级对应的像素个数比邻域域内的像素个数少时，以j为第一个峰谷灰度值，以Num(j)表示该灰度值对应灰度级的像素个数，则满足：

Num(j)＝Max{Num(j±d)}，0≤d≤i，i≤j≤255-D；

最后，以步骤B2中得到的第一峰谷灰度值j为二值化阈值，对所述音孔灰度图像进行二值化分割，得到音孔二值化图像。

9.如权利要求6所述的音孔缺陷检测系统，其特征在于，所述分析提取单元具体用于：

首先，对所述音孔二值化图像进行BOLB分析，根据空心轮廓特征、凸包面积以及位置提取空心区域图像；

以Block(n)表示第n个轮廓，BlockLength(n)表示轮廓长度，BlockArea(n)表示凸包面积，(BlockX(n)，BlockY(n))表示轮廓中心坐标；

当且仅当满足：

$\left\{\begin{array}{c}BlockLength\left(n\right)\≥Length\\ BlockArea\left(n\right)\≥Area\\ X1\≤BlockX\left(n\right)\≤X2\\ Y1\≤BlockY\left(n\right)\≤Y2\end{array}\right.$

时，确定该轮廓为音孔空心对应的轮廓，对该轮廓进行提取获得空心区域图像；其中，Length表示轮廓长度，Area表示轮廓面积，X1，X2表示轮廓中心所在的列坐标的最小值和最大值；Y1、Y2表示行坐标的最小值和最大值；

最后，对所述空心区域图像进行膨胀运算和腐蚀运算，得到第一运算图像和第二运算图像，将所述第一运算图像和第二运算图像相减，得到音孔感兴趣区域图像。

10.如权利要求6所述的音孔缺陷检测系统，其特征在于，所述缺陷识别单元具体用于：

首先，根据所述音孔感兴趣区域图像提取对应的音孔图像，以所述音孔感兴趣区域图像，确定所述音孔图像中的音孔感兴趣区域；

其次，根据所述音孔感兴趣区域判断是否存在亮点；

以f(i，j)表示所述音孔感兴趣区域中第i点的灰度值，T表示所述音孔感兴趣区域内所有像素的灰度平均值，ΔT表示缺陷阈值，

当且仅当第i点的灰度值大于或者等于所述灰度平均值与所述缺陷阈值之和时，则确定存在亮点，并提取亮点轮廓；

当且仅当第i点的灰度值小于所述灰度平均值与所述缺陷阈值之和时，则确定正常；

最后，以所述灰度平均值与所述缺陷阈值之和为分割阈值，对所述音孔图像进行二值化分割得到二值化分割图像，并根据所述亮点轮廓判断音孔缺陷，并标记缺陷坐标；

以B(i，j)表示所述二值化分割图像，则：

$B(i,j)=\left\{\begin{array}{cc}1& f(i,j)\≥T+\mathrm{\Δ}T\\ 0& f(i,j)\≤T+\mathrm{\Δ}T\end{array}\right.$

在判断出现一个亮点或多个亮点，且亮点之间位置分割较远，则确定为音孔崩边；

在判断亮点布满音孔轮廓边缘，且亮点之间彼此连接，则确定为音孔砂边；

在判断为出现细长条亮点，且所述细长条亮点长宽比满足缺陷阈值时，则确定为音孔裂纹。