CN106056608A - 一种图像点线缺陷检测方法及装置 - Google Patents

一种图像点线缺陷检测方法及装置 Download PDF

Info

Publication number
CN106056608A
CN106056608A CN201610383232.9A CN201610383232A CN106056608A CN 106056608 A CN106056608 A CN 106056608A CN 201610383232 A CN201610383232 A CN 201610383232A CN 106056608 A CN106056608 A CN 106056608A
Authority
CN
China
Prior art keywords
image
value
gray value
disparity map
cycle
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.)
Pending
Application number
CN201610383232.9A
Other languages
English (en)
Inventor
姚峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan Jingce Electronic Technology Co Ltd
Original Assignee
Wuhan Jingce Electronic Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuhan Jingce Electronic Technology Co Ltd filed Critical Wuhan Jingce Electronic Technology Co Ltd
Priority to CN201610383232.9A priority Critical patent/CN106056608A/zh
Publication of CN106056608A publication Critical patent/CN106056608A/zh
Pending legal-status Critical Current

Links

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
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20224—Image subtraction
    • 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)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种图像点线缺陷检测方法及装置，根据图像的纹理特点，通过原始图像构造无缺陷的图像背景,并比较原图像与构造的无缺陷图像的差异,从而将需要检测的缺陷部分提取出来。具有处理速度快,背景影响小,检测准确率高的特点。

Description

一种图像点线缺陷检测方法及装置
技术领域
本发明涉及图像缺陷领域，具体涉及一种图像点线缺陷检测方法及装置。
背景技术
在进行LCD面板缺陷检测中,由于LCD面板像素的排列特点,其所成像呈现出周期性的纹理网格.在进行点线缺陷检测时,通常的通过均值,高斯,方向等滤波后进行阈值化的方式进行图像处理时,无法有效的去除周期背景的影响,并且由于图像本身的不均匀性和摩尔纹的影响,容易造成缺陷的过检,因此需要一种能够有效的去除周期背景,且能够降低背景总体不均匀的影响的方法,提高检测准确性.
发明内容
本发明根据图像的纹理特点，通过原始图像构造无缺陷的图像背景,并比较原图像与构造的无缺陷图像的差异,从而将需要检测的缺陷部分提取出来。
一方面，本发明提供一种图像点线缺陷检测方法，所述方法包括如下步骤：
步骤101，根据图像的周期性确定图像周期值，根据图像周期值选取待恢复点周边领域的图像像素点；
步骤102，获取所选取的像素点的灰度值并对灰度值进行排序,将排序后的灰度值去除差异大的灰度值，对去除差异大的灰度值后的中间灰度值取平均值,作为待恢复点的新的灰度值；
步骤103，遍历图像像素点,执行步骤101和步骤102,最终获取恢复图像；
步骤104，将原始图像与恢复图像求差获得差异图；
步骤105，对所述差异图进行二值化分割,并提取分割所得缺陷区域的特征值；
步骤106，依据缺陷特征值,筛选确定最终缺陷。
进一步地，所述步骤101中还包括：确定周期值后,根据周期值对图像边界部分做镜像扩展。
进一步地，所述步骤104中还包括：获得差异图后，设置加乘系数，对差异图进行加乘校正。
进一步地，所述步骤105中，所述特征值包括：面积、周长、长宽、平均灰度、对比度、位置。
另一方面，本发明提供一种图像点线缺陷检测装置，所述装置包括：
获取差异图单元，用于根据图像的周期性确定图像周期值，根据图像周期值选取待恢复点周边领域的图像像素点，获取所选取的像素点的灰度值并对灰度值进行排序,将排序后的灰度值去除差异大的灰度值，对去除差异大的灰度值后的中间灰度值取平均值,作为待恢复点的新的灰度值，遍历图像像素点，重复执行获取每个像素点的新的灰度值，最终获取恢复图像，将原始图像与恢复图像求差获得差异图；
确定缺陷单元，用于对所述差异图进行二值化分割,并提取分割所得缺陷区域的特征值，依据缺陷特征值,筛选确定最终缺陷。
进一步地，所述获取差异图单元，还包括：
图像边界镜像扩展子单元，用于确定图像周期值后,根据图像周期值对图像边界部分做镜像扩展。
进一步地，所述获取差异图单元，还包括：
图像加乘校正子单元，用于获得差异图后，设置加乘系数，对差异图进行加乘校正。
本发明与现有技术相比，具有以下优点：
(1)处理速度快,实时性强；
(2)周期恢复依据各像素周围局部小区域的相关性,因此受整体背景不均匀影响小；
(3)对于对比度较高和较低的线缺陷都能获得很高的检测率。
附图说明
下面将结合附图及实施例对本发明作进一步说明，附图中：
图1为本发明技术方案流程图；
图2为待恢复点周边领域的图像像素点选取示意图。
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用以解释本发明，并不用于限定本发明。
一方面，本发明提供一种图像点线缺陷检测方法，所述方法包括如下步骤：
步骤101，根据图像的周期性确定图像周期值，根据图像周期值选取待恢复点周边领域的图像像素点；
步骤102，获取所选取的像素点的灰度值并对灰度值进行排序,将排序后的灰度值去除差异大的灰度值，对去除差异大的灰度值后的中间灰度值取平均值,作为待恢复点的新的灰度值；
步骤103，遍历图像像素点,执行步骤101和步骤102,最终获取恢复图像；
步骤104，将原始图像与恢复图像求差获得差异图；
步骤105，对所述差异图进行二值化分割,并提取分割所得缺陷区域的特征值；
步骤106，依据缺陷特征值,筛选确定最终缺陷。
上述步骤102中，差异大的灰度值是指灰度差异在指定阈值以外的灰度值，指定阈值通常设置在20以上，可根据实际情况调整设置。
例如：获取像素点的灰度值后，对灰度值进行排序，排序后的灰度值是10、40、45、50、55、60、90，10和90就属于灰度差异较大的灰度值，将这两个数值去掉后，再对剩下的40、45、50、55、60取平均值，这个平均值就是待恢复点的新的灰度值。
进一步地，所述步骤101中还包括：确定周期值后,根据周期值对图像边界部分做镜像扩展。
进一步地，所述步骤104中还包括：获得差异图后，设置加乘系数，对差异图进行加乘校正。
加乘系数根据255/当前图像的最大灰度值来确定。加乘校正是指灰度拉伸,将差异图的灰度值范围拉伸至[0,255]。
进一步地，所述步骤105中，所述特征值包括：面积、周长、长宽、平均灰度、对比度、位置。
另一方面，本发明提供一种图像点线缺陷检测装置，所述装置包括：
获取差异图单元，用于根据图像的周期性确定图像周期值，根据图像周期值选取待恢复点周边领域的图像像素点，获取所选取的像素点的灰度值并对灰度值进行排序,将排序后的灰度值去除差异大的灰度值，对去除差异大的灰度值后的中间灰度值取平均值,作为待恢复点的新的灰度值，遍历图像像素点，重复执行获取每个像素点的新的灰度值，最终获取恢复图像，将原始图像与恢复图像求差获得差异图；
确定缺陷单元，用于对所述差异图进行二值化分割,并提取分割所得缺陷区域的特征值，依据缺陷特征值,筛选确定最终缺陷。
进一步地，所述获取差异图单元，还包括：
图像边界镜像扩展子单元，用于确定图像周期值后,根据图像周期值对图像边界部分做镜像扩展。
进一步地，所述获取差异图单元，还包括：
图像加乘校正子单元，用于获得差异图后，设置加乘系数，对差异图进行加乘校正。
图1为本发明技术方案流程图，具体为：
步骤1，TFT-LCD每个像素由RGB三个子像素组成,整个面板由像素在水平和垂直方向上重复周期性排列,因此在相机所取图像上,其像素点灰度值呈现规律性的重复排列,则可根据灰度值重复出现的间隔确定周期值。确定周期值后,则根据周期值对图像边界部分做镜像扩展,消除边界效应影响；根据周期大小及用于恢复背景的周边周期像素的宽度,确定滤波窗口的大小,以图像中一点为待恢复点,在其四周依照周期值间隔选择相邻周期像素点作为滤波网点,网点选择的多少则根据实际需求进行动态设置。
图2为待恢复点周边领域的图像像素点选取示意图，图中，图像周期为3,最中心的方框表示待恢复点,中心方框周围的方框即表示根据周期值所选取的待恢复点周边领域的图像像素点,该像素点即用于计算待恢复点灰度值的网点，像素点选择的数量为周期领域的5*5区域,此区域也可以根据具体情况进行配置。
步骤2，依据步骤1所选取的滤波网点,获取其对应灰度值并进行排序,将排序后的灰度值去除两边差异大的灰度值,其目的是依据像素周期的特点及相邻像素的相关性,同一周期的领域像素其灰度差异较小,因此去除差异性大的灰度点,以获取更加准确的周期灰度值.然后将去除差异大的灰度值后的中间灰度值取其平均值,作为待恢复点的新的灰度值。
步骤3，遍历图像像素点,重复步骤1和步骤2,获取恢复图像。
步骤4，将原始图像与恢复图像求差即可获得差异图,为了便于下一步的分割,将差异图进行加乘校正,拉伸灰度范围,提高对比度,加乘系数则根据缺陷检测的具体需求来进行设置。
步骤5，由步骤4所得的差异图背景灰度更加均匀,并增强了缺陷部分与背景的灰度差异,则可以直接对该差异图根据所设置阈值进行二值化分割,并提取分割所得缺陷区域的特征值(包含但不限于面积,周长,长宽,平均灰度,对比度,位置等)。
步骤6，由步骤5所获得的缺陷区域包括真实缺陷和伪缺陷,在该步通过设置缺陷的筛选条件(包括但不限于面积,周长,长宽比,平均灰度,对比度,位置等),完成以下的筛选：
剔除缺陷面积位于面积上限和下限以外的缺陷；
剔除缺陷长宽比位于预设长宽比以外的缺陷；
剔除缺陷平均灰度位于预设灰度上下限以外的缺陷；
剔除缺陷对比度小于预设对比度的缺陷。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种图像点线缺陷检测方法，其特征在于，所述方法包括如下步骤：
步骤101，根据图像的周期性确定图像周期值，根据图像周期值选取待恢复点周边领域的图像像素点；
步骤102，获取所选取的像素点的灰度值并对灰度值进行排序,将排序后的灰度值去除差异大的灰度值，对去除差异大的灰度值后的中间灰度值取平均值,作为待恢复点的新的灰度值；
步骤103，遍历图像像素点,执行步骤101和步骤102,最终获取恢复图像；
步骤104，将原始图像与恢复图像求差获得差异图；
步骤105，对所述差异图进行二值化分割,并提取分割所得缺陷区域的特征值；
步骤106，依据缺陷特征值,筛选确定最终缺陷。
2.如权利要求1所述的图像点线缺陷检测方法，其特征在于，所述步骤101中还包括：确定周期值后,根据周期值对图像边界部分做镜像扩展。
3.如权利要求1所述的图像点线缺陷检测方法，其特征在于，所述步骤104中还包括：获得差异图后，设置加乘系数，对差异图进行加乘校正。
4.如权利要求1所述的图像点线缺陷检测方法，其特征在于，所述步骤105中，所述特征值包括：面积、周长、长宽、平均灰度、对比度、位置。
5.一种图像点线缺陷检测装置，其特征在于，所述装置包括：
获取差异图单元，用于根据图像的周期性确定图像周期值，根据图像周期值选取待恢复点周边领域的图像像素点，获取所选取的像素点的灰度值并对灰度值进行排序,将排序后的灰度值去除差异大的灰度值，对去除差异大的灰度值后的中间灰度值取平均值,作为待恢复点的新的灰度值，遍历图像像素点，重复执行获取每个像素点的新的灰度值，最终获取恢复图像，将原始图像与恢复图像求差获得差异图；
确定缺陷单元，用于对所述差异图进行二值化分割,并提取分割所得缺陷区域的特征值，依据缺陷特征值,筛选确定最终缺陷。
6.如权利要求5所述图像点线缺陷检测装置，其特征在于，所述获取差异图单元，还包括：
图像边界镜像扩展子单元，用于确定图像周期值后,根据图像周期值对图像边界部分做镜像扩展。
7.如权利要求5所述图像点线缺陷检测装置，其特征在于，所述获取差异图单元，还包括：
图像加乘校正子单元，用于获得差异图后，设置加乘系数，对差异图进行加乘校正。
CN201610383232.9A 2016-06-01 2016-06-01 一种图像点线缺陷检测方法及装置 Pending CN106056608A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610383232.9A CN106056608A (zh) 2016-06-01 2016-06-01 一种图像点线缺陷检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610383232.9A CN106056608A (zh) 2016-06-01 2016-06-01 一种图像点线缺陷检测方法及装置

Publications (1)

Publication Number Publication Date
CN106056608A true CN106056608A (zh) 2016-10-26

Family

ID=57172799

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610383232.9A Pending CN106056608A (zh) 2016-06-01 2016-06-01 一种图像点线缺陷检测方法及装置

Country Status (1)

Country Link
CN (1) CN106056608A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107657606A (zh) * 2017-09-18 2018-02-02 深圳市华星光电半导体显示技术有限公司 一种显示装置的亮度缺陷检测方法与装置
CN110059700A (zh) * 2019-03-18 2019-07-26 深圳神目信息技术有限公司 图像摩尔纹识别方法、装置、计算机设备及存储介质
CN111951255A (zh) * 2020-08-20 2020-11-17 华北电力大学 缺陷识别方法、装置、终端设备和可读存储介质
CN113066389A (zh) * 2019-12-26 2021-07-02 杭州海康威视数字技术股份有限公司 发光二极管(led)灯板处理方法及装置
CN113205480A (zh) * 2021-03-19 2021-08-03 哈工大机器人(中山)无人装备与人工智能研究院 一种用于显示面板缺陷检测的周期提取方法、装置及系统
CN114155367A (zh) * 2022-02-09 2022-03-08 北京阿丘科技有限公司 印制电路板缺陷检测方法、装置、设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050025350A1 (en) * 2003-07-28 2005-02-03 Engelbart Roger W. Systems and method for identifying foreign objects and debris (FOD) and defects during fabrication of a composite structure
CN101918818A (zh) * 2007-11-12 2010-12-15 麦克罗尼克激光系统公司 检测图案误差的方法和装置
CN102037371A (zh) * 2008-05-21 2011-04-27 光子动力学公司 使用前侧照射增强显示面板的缺陷检测
CN102132147A (zh) * 2008-08-26 2011-07-20 夏普株式会社 缺陷检测装置、缺陷检测方法、缺陷检测程序、及记录有该程序的计算机可读取的记录介质
CN103765200A (zh) * 2011-06-07 2014-04-30 光子动力公司 使用整个原始图像进行缺陷检测的系统和方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050025350A1 (en) * 2003-07-28 2005-02-03 Engelbart Roger W. Systems and method for identifying foreign objects and debris (FOD) and defects during fabrication of a composite structure
CN101918818A (zh) * 2007-11-12 2010-12-15 麦克罗尼克激光系统公司 检测图案误差的方法和装置
CN102037371A (zh) * 2008-05-21 2011-04-27 光子动力学公司 使用前侧照射增强显示面板的缺陷检测
CN102132147A (zh) * 2008-08-26 2011-07-20 夏普株式会社 缺陷检测装置、缺陷检测方法、缺陷检测程序、及记录有该程序的计算机可读取的记录介质
CN103765200A (zh) * 2011-06-07 2014-04-30 光子动力公司 使用整个原始图像进行缺陷检测的系统和方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
姚远等: "《高级C语言程序设计技巧与实例》", 31 August 1995, 机械工业出版社 *
张荣国等: "《变形曲线曲面主动轮廓模型方法》", 30 September 2012 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107657606A (zh) * 2017-09-18 2018-02-02 深圳市华星光电半导体显示技术有限公司 一种显示装置的亮度缺陷检测方法与装置
CN107657606B (zh) * 2017-09-18 2020-05-05 深圳市华星光电半导体显示技术有限公司 一种显示装置的亮度缺陷检测方法与装置
CN110059700A (zh) * 2019-03-18 2019-07-26 深圳神目信息技术有限公司 图像摩尔纹识别方法、装置、计算机设备及存储介质
CN113066389A (zh) * 2019-12-26 2021-07-02 杭州海康威视数字技术股份有限公司 发光二极管(led)灯板处理方法及装置
CN111951255A (zh) * 2020-08-20 2020-11-17 华北电力大学 缺陷识别方法、装置、终端设备和可读存储介质
CN113205480A (zh) * 2021-03-19 2021-08-03 哈工大机器人(中山)无人装备与人工智能研究院 一种用于显示面板缺陷检测的周期提取方法、装置及系统
CN114155367A (zh) * 2022-02-09 2022-03-08 北京阿丘科技有限公司 印制电路板缺陷检测方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
CN106056608A (zh) 一种图像点线缺陷检测方法及装置
US7813541B2 (en) Method and apparatus for detecting defects in wafers
US7804993B2 (en) Method and apparatus for detecting defects in wafers including alignment of the wafer images so as to induce the same smear in all images
CN104978748B (zh) 一种基于局部像素值的液晶屏缺陷检测方法
US7783103B2 (en) Defect detecting device, image sensor device, image sensor module, image processing device, digital image quality tester, and defect detecting method
CN102175700B (zh) 数字x射线图像焊缝分割和缺陷检测方法
CN109671058B (zh) 一种大分辨率图像的缺陷检测方法及系统
CN106662538A (zh) 重复缺陷检测
CN105913415A (zh) 一种具有广泛适应性的图像亚像素边缘提取方法
CN105158258A (zh) 一种基于计算机视觉的竹条表面缺陷检测方法
JP2005277395A5 (zh)
CN103400357B (zh) 一种去除图像椒盐噪声的方法
CN103778611B (zh) 利用边缘检测的开关加权矢量中值滤波方法
CN109886960A (zh) 基于机器视觉的玻璃边缘缺陷检测的方法
CN102331425A (zh) 基于缺陷增强的纺织品缺陷检测方法
CN117351019B (zh) 一种焊接缺陷检测方法
CN115908354A (zh) 一种基于双尺度策略和改进的yolov5网络的光伏面板缺陷检测方法
CN103996177A (zh) 一种无参考检测消除雪花噪声算法
CN114972397A (zh) 一种用于风电叶片复合材料的红外图像缺陷轮廓检测方法
CN113538405B (zh) 基于图像融合的玻璃纤维复合材料无损检测方法及系统
Kang et al. Fusing soft-decision-adaptive and bicubic methods for image interpolation
CN106874882B (zh) 路面病害边缘检测方法和装置
CN106204889B (zh) 一种纸币荧光区域的定位方法和装置
JP2000171404A (ja) 半導体集積装置のパターン検査装置及びパターン検査方法
CN116542963A (zh) 一种基于机器学习的浮法玻璃缺陷检测系统及检测方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 430070 Hubei City, Hongshan Province, South Lake Road, No. 53, Hongshan Venture Center, building on the 4 floor, No.

Applicant after: Wuhan fine test electronics group Limited by Share Ltd

Address before: 430070 Hubei City, Hongshan Province, South Lake Road, No. 53, Hongshan Venture Center, building on the 4 floor, No.

Applicant before: Wuhan Jingce Electronic Technology Co., Ltd.

RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20161026