CN105913438B - 空间光调制器缺陷检测中保护膜损伤的提取方法 - Google Patents
空间光调制器缺陷检测中保护膜损伤的提取方法 Download PDFInfo
- Publication number
- CN105913438B CN105913438B CN201610252409.1A CN201610252409A CN105913438B CN 105913438 B CN105913438 B CN 105913438B CN 201610252409 A CN201610252409 A CN 201610252409A CN 105913438 B CN105913438 B CN 105913438B
- Authority
- CN
- China
- Prior art keywords
- image
- binary
- membrane damage
- spatial light
- light modulator
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 239000012528 membrane Substances 0.000 title claims abstract description 19
- 230000007547 defect Effects 0.000 title claims abstract description 18
- 238000001514 detection method Methods 0.000 title claims abstract description 17
- 230000003044 adaptive effect Effects 0.000 claims abstract description 9
- 238000006243 chemical reaction Methods 0.000 claims abstract description 9
- 238000005286 illumination Methods 0.000 claims abstract description 8
- 230000001681 protective effect Effects 0.000 claims abstract description 8
- 230000003287 optical effect Effects 0.000 claims abstract description 4
- 230000007797 corrosion Effects 0.000 claims description 6
- 238000005260 corrosion Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 230000008901 benefit Effects 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 5
- 238000010276 construction Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004438 eyesight Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10141—Special mode during image acquisition
- G06T2207/10152—Varying illumination
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20004—Adaptive image processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30121—CRT, LCD or plasma display
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了一种空间光调制器缺陷检测中保护膜损伤的提取方法,包括以下步骤:A:在关闭空间光调制器的屏幕背光条件下,拍摄不同测光照明条件下保护膜的图像;B:对每张所述图像选取光照均匀区域进行自适应阈值二值化处理得到二值化图像;C:对每张所述二值化图像均进行膨胀和腐蚀;D:对所有经过膨胀和腐蚀的所述二值化图像进行合并,得到所述保护膜的损伤提取。本发明具有如下优点:区分保护膜损伤与屏幕缺陷,提高检测准确性和精度。
Description
技术领域
本发明属于立体视觉、数字图像处理领域,具体涉及一种空间光调制器缺陷检测中保护膜损伤的提取方法。
背景技术
随着电子产品的日益普及以及液晶屏幕制造工艺的改进,不同分辨率、尺寸的液晶屏幕市场需求巨大。与此同时,为了控制生产成本,高精度屏幕瑕疵分层检测成为液晶屏幕生产厂商亟需的技术。
液晶屏幕的组成包括偏光片、玻璃基板、三色滤片、电极与液晶等,包含复杂的多层结构,任何一层的瑕疵都有可能导致屏幕显色的问题。层叠结构空间光调制器是一种定位液晶屏幕各层缺陷的技术,其中一项关键步骤是提取保护膜损伤。如何区分保护膜损伤与屏幕缺陷,对于提高检测准确性和精度具有重要意义。
发明内容
本发明旨在至少解决上述技术问题之一。
为此,本发明的目的在于提出一种空间光调制器缺陷检测中保护膜损伤的提取方法。
为了实现上述目的,本发明的第一方面的实施例公开了一种空间光调制器缺陷检测中保护膜损伤的提取方法,包括以下步骤:A:在关闭空间光调制器的屏幕背光条件下,拍摄不同侧光照明条件下保护膜的图像;B:对每张所述图像选取光照均匀区域进行自适应阈值二值化处理得到二值化图像;C:对每张所述二值化图像均进行膨胀和腐蚀;D:对所有经过膨胀和腐蚀的所述二值化图像进行合并,得到所述保护膜的损伤提取。
根据本发明实施例的空间光调制器缺陷检测中保护膜损伤的提取方法,区分保护膜损伤与屏幕缺陷,提高检测准确性和精度。
另外,根据本发明上述实施例的空间光调制器缺陷检测中保护膜损伤的提取方法,还可以具有如下附加的技术特征:
进一步地,所述步骤B进一步包括:选取所有的所述图像光照均匀区域,运用自适应的阈值求取方法对所述图像进行二值化处理,其中,所述自适应的阈值求取方法包括动量矩不变、最小方差和平均值平均。
进一步地,所述步骤C进一步包括:对所述二值化图像进行m次膨胀与n 次腐蚀,其中m和n均为自然数,且m>n。
进一步地,所述步骤D进一步包括:对所有经过膨胀和腐蚀的所述二值化图像的对前景部分合并为一个整体图像。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1是本发明一个实施例的空间光调制器缺陷检测中保护膜损伤的提取方法流程框图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
参照下面的描述和附图,将清楚本发明的实施例的这些和其他方面。在这些描述和附图中,具体公开了本发明的实施例中的一些特定实施方式,来表示实施本发明的实施例的原理的一些方式,但是应当理解,本发明的实施例的范围不受此限制。相反,本发明的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。
以下结合附图描述根据本发明实施例的空间光调制器缺陷检测中保护膜损伤的提取方法。
如图1所示,根据本发明实施例的层叠结构空间光调制器缺陷检测中保护膜损伤的自动提取方法的整体流程图,包括以下步骤:
步骤A,将待检测液晶屏幕固定于智能检测机器人。关闭屏幕背光,对屏幕施加不同角度侧光,利用检测机器人拍摄不同光照下图像。则获取的图像中保护膜的损伤部分,如划痕,灰度值较浅,为损伤部分灰度值较深。
步骤B,对于不同角度侧光照明下保护膜图像,选取各图像光照均匀区域进行处理。运用自适应的阈值求取方法,对图像进行二值化处理。具体可以采用的方法包括动量矩不变、最小方差和平均值平均等。
具体地,基于动量矩不变的自动阈值提取对图像进行二值化处理。
定义图像的零阶、一阶、二阶、三阶动量矩分别为:
本方法认为选取的阈值t应使得原图像和二值化图像对应各阶动量矩相等。设选取的阈值t,二值化之后图像的背景和前景灰度值为gb,gf,则根据动量矩不变原则:
先求gb,gf:
则
找出t使At满足上式即可。
具体地,基于最小方差的自动阈值提取对图像进行二值化处理。
本方法认为使得目标和背景的方差和最小的阈值为最佳阈值。若选择阈值为t,则点为背景或目标的概率分别为:
两个区域的平均值和方差为:
方差和为:
计算所有可能的方差和选择其中最小的对应的灰度值为阈值t。由于直接搜索计算量较大,可通过最小方差与总方差间关系简化计算。
具体地,基于平均值平均的自动阈值提取对图像进行二值化处理。
本方法是一种类似K均值的迭代算法。假定背景和前景由于灰度不同已经被分开,则背景和前景各有一个中心(平均值)。对于任意像素,如果它离前景中心近 ,就将其定义为前景,否则定义为背景。首先可以将初值设为t=L/2,求出相应背景和前景的平均值μb=Bt/At,μf=(B-Bt)/(A-At)。然后计算新的阈值t=(μb+μf)/2,进行新一轮迭代,直到阈值不再变化。
步骤C,对二值化图像进行膨胀和腐蚀。
考虑到噪声影响,二值化后图像前景部分可能存在小的空洞,故对图像进行m次膨胀与n次腐蚀。为确保覆盖全部保护膜全部损伤区域,选取m>n。
膨胀是以得到B的相对与它自身原点的映像并且由z对映像进行移位为基础的。A被B膨胀是所有位移z的集合,这样,B和A至少有一个元素是重叠的。如果A和B是Z2中的集合,A膨胀B表示为:
结构元素B可以看作一个卷积模板,区别在于膨胀是以集合运算为基础的,卷积是以算术运算为基础的,但两者的处理过程是相似的。具体操作过程为:
①用结构元素B,扫描图像A的每一个像素;②用结构元素与其覆盖的二值图像做“与”操作;③如果都为0,结果图像的该像素为0,否则为1。
腐蚀与膨胀过程相反,A被B腐蚀表示为: 具体操作过程为:
①用结构元素B,扫描图像A的每一个像素;②用结构元素与其覆盖的二值图像做“与”操作;③如果都为1,结果图像的该像素为1,否则为0。
步骤D,将不同侧光照明下处理后图像的对前景部分合并为一个整体图像。
综上,根据本发明实施例的层叠结构空间光调制器缺陷检测中保护膜损伤的自动提取方法,通过多光照图像拍摄、对光照均匀部分进行自适应阈值二值化处理、之后再进行膨胀、腐蚀与区域合并,从而获得完整的保护膜损伤的区域提取。
另外,本发明实施例的空间光调制器缺陷检测中保护膜损伤的提取方法的其它构成以及作用对于本领域的技术人员而言都是已知的,为了减少冗余,不做赘述。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同限定。
Claims (1)
1.一种空间光调制器缺陷检测中保护膜损伤的提取方法,其特征在于,包括以下步骤:
A:在关闭空间光调制器的屏幕背光条件下,拍摄不同侧光照明条件下保护膜的图像;
B:对每张所述图像选取光照均匀区域进行自适应阈值二值化处理得到二值化图像,其中,选取所有的所述图像光照均匀区域,运用自适应的阈值求取方法对所述图像进行二值化处理,其中,所述自适应的阈值求取方法包括动量矩不变方法、最小方差方法和平均值平均方法;
C:对每张所述二值化图像均进行膨胀和腐蚀,其中,对所述二值化图像进行m次膨胀与n次腐蚀,其中m和n均为自然数,且m>n;
D:对所有经过膨胀和腐蚀的所述二值化图像进行合并,得到所述保护膜的损伤提取的图像,其中,所有经过膨胀和腐蚀的所述二值化图像的前景部分合并为一个整体图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610252409.1A CN105913438B (zh) | 2016-04-21 | 2016-04-21 | 空间光调制器缺陷检测中保护膜损伤的提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610252409.1A CN105913438B (zh) | 2016-04-21 | 2016-04-21 | 空间光调制器缺陷检测中保护膜损伤的提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105913438A CN105913438A (zh) | 2016-08-31 |
CN105913438B true CN105913438B (zh) | 2019-11-22 |
Family
ID=56747668
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610252409.1A Active CN105913438B (zh) | 2016-04-21 | 2016-04-21 | 空间光调制器缺陷检测中保护膜损伤的提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105913438B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107390393B (zh) * | 2017-07-24 | 2020-09-22 | 惠州高视科技有限公司 | 一种液晶模组缺陷检测后的复判分层方法 |
CN110389020B (zh) * | 2018-04-16 | 2021-11-30 | 深圳光峰科技股份有限公司 | 空间光调制器的检测方法 |
CN116754566B (zh) * | 2023-08-17 | 2023-10-31 | 绍兴旭源新材料科技有限公司 | 一种柔性折叠屏幕保护膜检测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103264227A (zh) * | 2013-04-11 | 2013-08-28 | 温州大学 | 一种激光直接刻蚀聚合物基体表面覆盖金属膜的方法 |
CN104424477A (zh) * | 2013-09-05 | 2015-03-18 | 现代自动车株式会社 | 用于检测障碍物的装置和方法 |
CN104978747A (zh) * | 2015-06-26 | 2015-10-14 | 清华大学 | 空间光调制器显微缺陷检测的目标提取方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090075179A1 (en) * | 2007-09-18 | 2009-03-19 | Erdem Ultanir | Extreme ultraviolet (euv) mask protection against inspection laser damage |
-
2016
- 2016-04-21 CN CN201610252409.1A patent/CN105913438B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103264227A (zh) * | 2013-04-11 | 2013-08-28 | 温州大学 | 一种激光直接刻蚀聚合物基体表面覆盖金属膜的方法 |
CN104424477A (zh) * | 2013-09-05 | 2015-03-18 | 现代自动车株式会社 | 用于检测障碍物的装置和方法 |
CN104978747A (zh) * | 2015-06-26 | 2015-10-14 | 清华大学 | 空间光调制器显微缺陷检测的目标提取方法及装置 |
Non-Patent Citations (1)
Title |
---|
基于数学形态学的手机屏缺陷检测算法设计;许祖鑫 等;《电气自动化》;20131231;第35卷(第3期);第99-100,105页 * |
Also Published As
Publication number | Publication date |
---|---|
CN105913438A (zh) | 2016-08-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108108768B (zh) | 基于卷积神经网络的光伏玻璃缺陷分类方法及装置 | |
Chen et al. | Accurate and robust crack detection using steerable evidence filtering in electroluminescence images of solar cells | |
US9672601B2 (en) | System, method and computer-accessible medium for restoring an image taken through a window | |
Eigen et al. | Restoring an image taken through a window covered with dirt or rain | |
CN105913438B (zh) | 空间光调制器缺陷检测中保护膜损伤的提取方法 | |
US11954844B2 (en) | Fatigue crack detection in civil infrastructure | |
CN111275627B (zh) | 一种基于雪模型和深度学习融合的图像去雪算法 | |
CN113239830A (zh) | 一种基于全尺度特征融合的遥感图像云检测方法 | |
CN110910456A (zh) | 基于Harris角点互信息匹配的立体相机动态标定算法 | |
CN115424115A (zh) | 一种基于偏振成像和深度学习的透明目标检测方法 | |
CN115578315A (zh) | 一种基于无人机图像的桥梁应变近景摄影测量方法 | |
CN108537862A (zh) | 一种自适应降噪的傅里叶衍射扫描显微镜成像方法 | |
Xie et al. | Detection algorithm for bearing roller end surface defects based on improved YOLOv5n and image fusion | |
Voronin et al. | A block-based method for the remote sensing images cloud detection and removal | |
Nakath et al. | In-situ joint light and medium estimation for underwater color restoration | |
JP2018169341A (ja) | 油膜検出システム及び油膜検出方法 | |
Stent et al. | Precise deterministic change detection for smooth surfaces | |
CN105303544A (zh) | 一种基于最小边界距离的视频拼接方法 | |
Meng et al. | A modified fully convolutional network for crack damage identification compared with conventional methods | |
CN113361532B (zh) | 一种图像识别方法、系统、存储介质、设备、终端及应用 | |
Inzerillo | Super-resolution images on mobile smartphone aimed at 3D modeling | |
CN113674175A (zh) | 用于检测跨海大桥结构损害的水下机器人图像增强方法 | |
Han | Crack detection of UAV concrete surface images | |
He et al. | Feature aggregation convolution network for haze removal | |
Halder et al. | High accuracy image restoration method for seeing through water |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |