CN106447657A - 一种基于局部均值思想的ic粒子区域缺陷检测方法 - Google Patents
一种基于局部均值思想的ic粒子区域缺陷检测方法 Download PDFInfo
- Publication number
- CN106447657A CN106447657A CN201610844487.0A CN201610844487A CN106447657A CN 106447657 A CN106447657 A CN 106447657A CN 201610844487 A CN201610844487 A CN 201610844487A CN 106447657 A CN106447657 A CN 106447657A
- Authority
- CN
- China
- Prior art keywords
- difference
- pixel average
- region
- particle
- mean
- 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.)
- Granted
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
- G06T7/0008—Industrial image inspection checking presence/absence
-
- 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
- G06T2207/30004—Biomedical image processing
- G06T2207/30072—Microarray; Biochip, DNA array; Well plate
Abstract
该发明公开了一种基于局部均值思想的IC粒子区域缺陷检测方法,属于数字图像处理领域。通过采集液晶面板IC粒子区域的清晰图像,计算IC里bump区域的像素均值,将bump区域分割为大小相同的小区域,对分割的图像依次求取每个小区域的像素均值,将所有像素均值进行指数拉伸,拉伸后的最大像素均值和最小像素均值;再最大像素均值与最小像素均值做差;差值小于给定的阈值,说明该IC区域无缺陷,如果该差值大于给定的阈值,则说明有缺陷;该方法达到了提高达到检测效率高,速度快的效果。
Description
技术领域
本发明属于数字图像处理领域,具体涉及一种针对液晶面板IC粒子区域的缺陷检测方法。
背景技术
随着智能手机的快速发展,液晶面板的需求已越来越大。液晶面板的自动化生产程度,直接制约着其产量与生产成本的高低,而目前液晶面板IC粒子区域的缺陷检测主要是依靠人工镜检,由于IC区域有上千个需要检测的粒子区域,所以传统的人工检测只能满足极少部分液晶面板的抽检,而不能实现全检;这就在一定程度上制约了产品质量与生产效率;
在对IC粒子进行压合的过程中,由于空气中少量杂质或IC来料的赃污都有可能造成粒子压合失败,形成异物和腐蚀等缺陷,从而导致液晶面板显示不良。在生产初期及时发现各类缺陷,分析造成各种缺陷的原因是及其重要的,这样可以有效避免批量性的产品不良。随着计算机数字图像处理技术的不断发展,开发一套能自动检测IC粒子区域缺陷的设备越来越被企业所需求,使用计算机自动处理替代传统的人工检测可以有效提高检测效率与检测精度,同时也能降低生产成本。
发明内容
本发明的目的是针对国内目前对液晶面板IC区域缺陷检测的空白,提出了一种基于局部均值思想的IC粒子区域缺陷检测方法,达到检测效率高,速度快的要求。
本发明提供的技术方案为一种基于局部均值思想的IC粒子区域缺陷检测方法,该方法包括以下步骤:
步骤1:采集液晶面板IC粒子区域的清晰图像,如图2所示;
步骤2:对步骤1中的图像计算IC里bump区域的像素均值;
步骤3:将步骤1中的bump区域分割为大小相同的小区域;
步骤4:对步骤3中分割的图像依次求取每个小区域的像素均值,所有像素均值曲线如图3所示;
步骤5:对步骤4中计算的所有像素均值进行指数拉伸,拉伸后的像素均值曲线如附图图4所示;
步骤6:计算步骤5中拉伸后的最大像素均值和最小像素均值;
步骤7:将步骤6中的最大像素均值与最小像素均值做差;
步骤8:如果步骤7中所得的差值小于给定的阈值,说明该IC区域无缺陷,进入步骤11,如果该差值大于给定的阈值,则说明有缺陷,进入步骤9;
步骤9:将步骤6计算的最大均值与步骤2中计算的全图的像素均值做差,再将步骤2中计算全图像素均值与步骤6的最小均值做差,对这两个差值再做差;
步骤10:如果步骤9的所得的差值大于0,则说明为异物缺陷,否则为腐蚀缺陷;
步骤11:输出缺陷检测结果,如图5所示。
进一步的,所述步骤4,具体通过以下过程实现:
指数拉伸公式为:
其中strech(i,j)是指(i,j)位置进行指数拉伸后的像素均值,regiArea(i,j)是指步骤4中计算的(i,j)位置的像素均值。
本发明一种基于局部均值思想的IC粒子区域缺陷检测方法,通过采集液晶面板IC粒子区域的清晰图像,计算IC里bump区域的像素均值,将bump区域分割为大小相同的小区域,对分割的图像依次求取每个小区域的像素均值,将所有像素均值进行指数拉伸,拉伸后的最大像素均值和最小像素均值;再最大像素均值与最小像素均值做差;差值小于给定的阈值,说明该IC区域无缺陷,如果该差值大于给定的阈值,则说明有缺陷;该方法达到了提高达到检测效率高,速度快的效果。
附图说明
图1为IC粒子区域的缺陷检测流程图:
图2为IC粒子区域的灰度图
图3为拉伸前像素均值曲线图
图4为指数拉伸后像素均值曲线图
图5为缺陷检测结果图
具体实施方式
下面结合附图,对本发明提出的局部均值思想的IC区域缺陷检测算法进行详细说明。具体包括以下步骤:
步骤1:采集液晶面板IC粒子区域的清晰图像,如图2所示;
步骤2:对步骤1中的图像计算IC里bump区域的像素均值;
具体方法为:
其中Aave为bump区域的像素均值,Gray(i,j)表示在(i,j)位置的像素灰度值,h和w分别值bump区域的长和宽;
步骤3:将步骤1中的bump区域分割为等大小的小区域;
具体方法为:以位置(i,j)为起点,像素为单位,每个小区域为一个20*20的正方形,其中1<i<h-20,1<j<w-20;
步骤4:对步骤3中分割的图像依次求取每个小区域的像素均值,所有像素均值曲线如图3所示;
具体方法为:其中regiArea(i,j)表示在(i,j)位置的像素均值,Gray(i,j)表示在(i,j)位置的像素灰度值,
步骤5:对步骤4中计算的所有像素均值进行指数拉伸,拉伸后的像素均值曲线如图4所示;
其中指数拉伸公式为:
其中strech(i,j)是指(i,j)位置进行指数拉伸后的像素均值,regiArea(i,j)是指步骤4中计算的(i,j)位置的像素均值
步骤6:计算步骤5中拉伸后的最大像素均值和最小像素均值;
步骤7:将步骤6中的最大像素均值与最小像素均值做差;
步骤8:如果步骤7中所得的差值小于给定的阈值,说明该IC区域无缺陷,进入步骤11,如果该差值大于给定的阈值,则说明有缺陷,进入步骤9;
步骤9:将步骤6计算的最大均值与步骤2中计算的全图的像素均值做差,再将步骤2中计算全图像素均值与步骤6的最小均值做差,最后对这两个差值做差;
步骤10:如果步骤9的所得的差值大于0,则说明为异物缺陷,否则为腐蚀缺陷;
步骤11:输出缺陷检测结果,如图5所示。
Claims (2)
1.一种基于局部均值思想的IC粒子区域缺陷检测方法,该方法包括以下步骤:
步骤1:采集液晶面板IC粒子区域的清晰图像;
步骤2:对步骤1中的图像计算IC里bump区域的像素均值;
步骤3:将步骤1中的bump区域分割为大小相同的小区域;
步骤4:对步骤3中分割的图像依次求取每个小区域的像素均值;
步骤5:对步骤4中计算的所有像素均值进行指数拉伸;
步骤6:计算步骤5中拉伸后的最大像素均值和最小像素均值;
步骤7:将步骤6中的最大像素均值与最小像素均值做差;
步骤8:如果步骤7中所得的差值小于给定的阈值,说明该IC区域无缺陷,进入步骤11,如果该差值大于给定的阈值,则说明有缺陷,进入步骤9;
步骤9:将步骤6计算的最大均值与步骤2中计算的全图的像素均值做差,再将步骤2中计算全图像素均值与步骤6的最小均值做差,对这两个差值再做差;
步骤10:如果步骤9的所得的差值大于0,则说明为异物缺陷,否则为腐蚀缺陷;
步骤11:输出缺陷检测结果。
2.如权利要求1所述的一种基于局部均值思想的IC粒子区域缺陷检测方法,其特征在于所述步骤4,具体通过以下过程实现:
指数拉伸公式为:
其中strech(i,j)是指(i,j)位置进行指数拉伸后的像素均值,regiArea(i,j)是指步骤4中计算的(i,j)位置的像素均值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610844487.0A CN106447657B (zh) | 2016-09-23 | 2016-09-23 | 一种基于局部均值思想的ic粒子区域缺陷检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610844487.0A CN106447657B (zh) | 2016-09-23 | 2016-09-23 | 一种基于局部均值思想的ic粒子区域缺陷检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106447657A true CN106447657A (zh) | 2017-02-22 |
CN106447657B CN106447657B (zh) | 2019-04-05 |
Family
ID=58166879
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610844487.0A Active CN106447657B (zh) | 2016-09-23 | 2016-09-23 | 一种基于局部均值思想的ic粒子区域缺陷检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106447657B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110070006A (zh) * | 2019-04-01 | 2019-07-30 | Oppo广东移动通信有限公司 | 指纹识别方法、电子装置及计算机可读取介质 |
WO2020098181A1 (zh) * | 2018-11-15 | 2020-05-22 | 深圳市华星光电半导体显示技术有限公司 | 一种液晶面板缺陷检测方法及其系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006145228A (ja) * | 2004-11-16 | 2006-06-08 | Seiko Epson Corp | ムラ欠陥検出方法及び装置 |
CN101996543A (zh) * | 2009-08-25 | 2011-03-30 | 日本麦可罗尼克斯股份有限公司 | 缺陷像素地址检测方法以及检测装置 |
CN103440654A (zh) * | 2013-08-27 | 2013-12-11 | 南京大学 | 一种lcd异物缺陷检测方法 |
CN103760165A (zh) * | 2013-12-31 | 2014-04-30 | 深圳市华星光电技术有限公司 | 显示面板的缺陷检测方法及缺陷检测装置 |
CN104412089A (zh) * | 2012-07-27 | 2015-03-11 | 夏普株式会社 | 液晶显示面板的检查方法和液晶显示面板的检查装置 |
CN104978748A (zh) * | 2015-07-06 | 2015-10-14 | 电子科技大学 | 一种基于局部像素值的液晶屏缺陷检测方法 |
-
2016
- 2016-09-23 CN CN201610844487.0A patent/CN106447657B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006145228A (ja) * | 2004-11-16 | 2006-06-08 | Seiko Epson Corp | ムラ欠陥検出方法及び装置 |
CN101996543A (zh) * | 2009-08-25 | 2011-03-30 | 日本麦可罗尼克斯股份有限公司 | 缺陷像素地址检测方法以及检测装置 |
CN104412089A (zh) * | 2012-07-27 | 2015-03-11 | 夏普株式会社 | 液晶显示面板的检查方法和液晶显示面板的检查装置 |
CN103440654A (zh) * | 2013-08-27 | 2013-12-11 | 南京大学 | 一种lcd异物缺陷检测方法 |
CN103760165A (zh) * | 2013-12-31 | 2014-04-30 | 深圳市华星光电技术有限公司 | 显示面板的缺陷检测方法及缺陷检测装置 |
CN104978748A (zh) * | 2015-07-06 | 2015-10-14 | 电子科技大学 | 一种基于局部像素值的液晶屏缺陷检测方法 |
Non-Patent Citations (2)
Title |
---|
JOO-YONG LEE 等: "Inspection of defect on LCD panel using local mean algorithm based on similarity", 《ICCAS 2013》 * |
苏孝雨 等: "基于机器视觉的液晶屏裂痕自动检测方法研究", 《微型机与应用》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020098181A1 (zh) * | 2018-11-15 | 2020-05-22 | 深圳市华星光电半导体显示技术有限公司 | 一种液晶面板缺陷检测方法及其系统 |
CN110070006A (zh) * | 2019-04-01 | 2019-07-30 | Oppo广东移动通信有限公司 | 指纹识别方法、电子装置及计算机可读取介质 |
CN110070006B (zh) * | 2019-04-01 | 2021-09-21 | Oppo广东移动通信有限公司 | 指纹识别方法、电子装置及计算机可读取介质 |
US11281885B2 (en) | 2019-04-01 | 2022-03-22 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Method for fingerprint recognition, electronic device, and non-transitory computer-readable storage medium |
Also Published As
Publication number | Publication date |
---|---|
CN106447657B (zh) | 2019-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106875381B (zh) | 一种基于深度学习的手机外壳缺陷检测方法 | |
Sun et al. | Surface defects detection based on adaptive multiscale image collection and convolutional neural networks | |
CN107507173B (zh) | 一种全切片图像的无参考清晰度评估方法及系统 | |
CN109671058B (zh) | 一种大分辨率图像的缺陷检测方法及系统 | |
CN108665458B (zh) | 透明体表面缺陷提取及识别方法 | |
CN111652098B (zh) | 产品表面缺陷检测方法及装置 | |
CN111223093A (zh) | 一种aoi缺陷检测方法 | |
CN102974551A (zh) | 一种基于机器视觉的多晶硅太阳能检测分选的方法 | |
CN104392432A (zh) | 基于方向梯度直方图的显示面板缺陷检测方法 | |
CN108492291B (zh) | 一种基于cnn分割的太阳能光伏硅片瑕疵检测系统及方法 | |
CN110544231B (zh) | 基于背景标准化和集中补偿算法的锂电池电极表面缺陷检测方法 | |
CN102305798A (zh) | 基于机器视觉的玻璃缺陷的检测与分类方法 | |
CN102136061A (zh) | 一种矩形石英晶片缺陷自动检测分类识别方法 | |
CN114998355B (zh) | 一种密封橡胶圈的生产缺陷识别方法及装置 | |
CN115131354B (zh) | 一种基于光学手段的实验室用塑料薄膜缺陷检测方法 | |
CN106780437B (zh) | 一种快速qfn芯片塑封图像获取与放大方法 | |
CN110567965A (zh) | 一种智能手机玻璃盖板边缘视觉缺陷检测方法 | |
CN106353340A (zh) | 一种棒状高反射率零件表面缺陷检测方法 | |
CN113177924A (zh) | 一种工业流水线产品瑕疵检测方法 | |
CN106447657A (zh) | 一种基于局部均值思想的ic粒子区域缺陷检测方法 | |
Zhao et al. | Analysis of image edge checking algorithms for the estimation of pear size | |
CN113506240A (zh) | 一种基于深度学习的金相晶界提取和连通方法 | |
CN115984360B (zh) | 一种基于图像处理的计算干滩长度的方法及系统 | |
CN102313740A (zh) | 太阳能电池板裂痕检测方法 | |
CN114882367A (zh) | 一种机场道面缺陷检测与状态评估方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |