CN107561736A - 基于傅里叶及Hough变换的LCD缺陷检测方法 - Google Patents
基于傅里叶及Hough变换的LCD缺陷检测方法 Download PDFInfo
- Publication number
- CN107561736A CN107561736A CN201710658965.3A CN201710658965A CN107561736A CN 107561736 A CN107561736 A CN 107561736A CN 201710658965 A CN201710658965 A CN 201710658965A CN 107561736 A CN107561736 A CN 107561736A
- Authority
- CN
- China
- Prior art keywords
- mapping
- fourier
- hough transform
- lcd
- standard
- 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
Landscapes
- Image Analysis (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Testing Of Optical Devices Or Fibers (AREA)
Abstract
本发明公开了一种基于傅里叶及Hough变换的LCD缺陷检测方法,步骤如下:首先采集标准的LCD显示屏图像建立标准图库,每2min重新采集更新图库;然后采集待测的LCD显示屏图像;然后对标准图和待测图进行配准,采用基于傅里叶及Hough变换的方法;接着对配准后的待测图和标准图进行加权平均融合,得到新的待测图;之后对融合后的待测图和标准图分别进行局部自适应阈值分割;最后差影法检测缺陷,并由最小外接矩形法统计缺陷的类型及位置。本发明能实时高精度检测LCD缺陷,检测准确率达98.667%。
Description
技术领域
本发明涉及LCD显示缺陷检测领域,特别是一种基于傅里叶及Hough变换的LCD缺陷检测方法。
背景技术
液晶显示器件广泛应用于各种家用电器和仪器仪表,取得了长足发展。显示屏由于生产工艺繁杂、易受周围环境影响,使其容易产生缺陷,因此LCD显示缺陷的检测对改进LCD显示屏生产工艺以及提高其产品质量有着重要的意义。常用的方法有人工视觉检测、电学参数检测、自动光学检测,前两者一般用来检测宏观缺陷,对于微观缺陷无法检测,传统的人工视觉检测中人眼的分辨率不高会出现漏检误检,主观性大,长期工作会产生视觉疲劳导致稳定性不高,质量检测精度难保证,无法成为统一的检测标准。自动光学检测以其非接触性、高性能等优点得以快速发展。很多学者对LCD显示缺陷自动检测做过研究,但大量方法中,有的没有很好的克服光照影响,有的对图像旋转敏感,有的要求被测对象背景简单,有的无法检测出缺陷信息等,且基本没有方法检测与目标背景相近的缺陷。
LCD缺陷检测的核心是图像配准,配准精度越高检测精度越高,主要有基于区域和基于特征两种方法,目前基于特征的方法最普遍。传统的SIFT算法对图像旋转和尺度变化鲁棒性好,但运算量大、时间复杂度高。基于SIFT提出的SURF算法以牺牲精度换取速度。后来很多学者在SIFT和SURF的基础上进行改进,但是,大多方法图像配准的精度一般,且适用范围比较局限;对图像亮度变化的抗干扰能力不高;能够处理的旋转角度小;都必须采用去除误匹配算法,时间复杂度高;所有方法配准过程都采用仿射变换,而仿射变换是透射变换的一种特殊情况,只能处理二维空间旋转和平移,若图像微畸变出现三维状态,仿射变换将会出错。
发明内容
本发明的目的在于提供一种简单、快速、准确率高的LCD缺陷检测方法,满足各种需要LCD检测市场的需求。
实现本发明目的的技术解决方案为:一种基于傅里叶及Hough变换的LCD缺陷检测方法,包括以下步骤:
步骤1、采集标准的LCD显示屏图像,建立标准图库;所述的标准图需每2min重新采集一次,从而更新标准图库。
步骤2、采集待测的LCD显示屏图像;
步骤3、将步骤1的标准图和步骤2的待测图进行配准,采用基于傅里叶及Hough变换的方法,得到配准后的待测图;基于傅里叶及Hough变换的方法对图像进行配准,具体过程如下:
步骤3-1、对待测图进行纯黑色填充延扩,使其尺寸变为2、3或5的倍数;
步骤3-2、对延扩之后的待测图进行快速傅里叶变换,并对幅度值进行归一化处理,将频域原点置于整幅图像的中心位置,得到傅里叶频谱图;
步骤3-3、以上述得到的傅里叶频谱图中心为原点,设置一个长、宽分别为频谱图长、宽1/4的矩形,先取阈值110对频谱图进行阈值分割,判断未分布在上述矩形范围内的散点数占总散点数的比例是否超过10%,若超过,阈值加1重新阈值分割,若反之,得到阈值图且进行下一步;
步骤3-4、对得到的阈值图以设定的投票点数值进行Hough直线检测,判断检测到的直线数目是否等于3,若不等于,投票点数值减1重新进行Hough直线检测,若反之,检测出直线且进行下一步;优选的,设定的投票点数值为200~250。
步骤3-5、对得到的直线求其斜率获得旋转角度θ,根据该角度对待测图做仿射变换获得初步待测图;
步骤3-6、将得到的初步待测图与标准图进行基于特征点的匹配,得到最终配准后的待测图。
步骤4、对步骤1的标准图和步骤3配准后的待测图进行融合处理,得到融合后的待测图;对标准图和待测图进行融合处理,具体采用的是加权平均融合,所用的公式为:
B'(M,N)=c1A(M,N)+c2B(M,N)
式中,A为标准图,B为配准后的待测图,大小均为M×N,B’为融合后的待测图,加权系数:c2=1-c1
优选的,加权系数的取值为:c1=0.38,c2=0.62。
步骤5、分别对步骤1的标准图、步骤4融合后的待测图进行阈值分割,得到两幅阈值图;阈值分割时,具体采用的是局部自适应阈值分割,其滑动窗口大小为7×7。
步骤6、利用差影法处理步骤5得到的两幅阈值图,检测出缺陷,并用最小外接矩形法统计缺陷的类型及位置,从而完成缺陷检测。
本发明与现有方法相比,其显著优点在于:(1)本发明方法是自动光学检测,非接触性测量,可以避免对测量对象的破坏;(2)本发明需2min自动更新标准图库,一定程度上避免了光照变化对检测结果的影响,提高了检测精度;(3)本发明中基于傅里叶及Hough变换的配准方法速度快且精度高,为LCD缺陷检测提供很好的基础;(4)本发明中加权平均融合进一步提高了配准精度,进而提高检测精度;(5)本发明中局部自适应阈值分割,不仅可以区分明显的缺陷,也能够区分与背景近似的缺陷,降低了漏检率。
附图说明
图1是本发明基于傅里叶及Hough变换的LCD缺陷检测方法流程图。
图2是本发明中基于傅里叶及Hough变换的配准过程的流程图。
图3为本发明基于傅里叶及Hough变换的LCD缺陷检测方法的实施例图,其中图(a)为标准图,图(b)为待检测图,图(c)为配准后的待测图,图(d)为融合后的待测图,图(e)为图(a)的阈值分割图,图(f)为图(d)的阈值分割图,图(g)和图(h)为缺陷检测的结果。
具体实施方式
下面结合附图及具体实施方式对本发明作进一步详细说明。
结合图1,本发明基于傅里叶变换和Hough变换的图像配准方法,包括以下步骤:
步骤1、采集标准的LCD显示屏图像,建立标准图库,标准图需每2min重新采集一次,从而更新标准图库;
步骤2、采集待测的LCD显示屏图像;
步骤3、采用基于傅里叶及Hough变换的方法,对步骤1的标准图和步骤2的待测图进行配准,具体过程结合图2,得到配准后的待测图;基于傅里叶及Hough变换的方法对图像进行配准,具体过程如下:
步骤3-1、对待测图进行纯黑色填充延扩,使其尺寸变为2、3或5的倍数;
步骤3-2、对延扩之后的待测图进行快速傅里叶变换,并对幅度值进行归一化处理,将频域原点置于整幅图像的中心位置,得到傅里叶频谱图;
步骤3-3、以上述得到的傅里叶频谱图中心为原点,设置一个长、宽分别为频谱图长、宽1/4的矩形,先取阈值110对频谱图进行阈值分割,判断未分布在上述矩形范围内的散点数占总散点数的比例是否超过10%,若超过,阈值加1重新阈值分割,若反之,得到阈值图且进行下一步;
步骤3-4、对得到的阈值图以设定的投票点数值进行Hough直线检测,判断检测到的直线数目是否等于3,若不等于,投票点数值减1重新进行Hough直线检测,若反之,检测出直线且进行下一步;优选的,设定的投票点数值为200~250。
步骤3-5、对得到的直线求其斜率获得旋转角度θ,根据该角度对待测图做仿射变换获得初步待测图;
步骤3-6、将得到的初步待测图与标准图进行基于特征点的匹配,得到最终配准后的待测图。
步骤4、对步骤1的标准图和步骤3配准后的待测图进行加权平均融合处理,得到融合后的待测图,所用的公式为:
B'(M,N)=c1A(M,N)+c2B(M,N)
式中,A为标准图,B为配准后的待测图,大小均为M×N,B’为融合后的待测图,加权系数:c2=1-c1。加权系数的取值为:c1=0.38,c2=0.62;
步骤5、分别对步骤1的标准图、步骤4融合后的待测图进行局部自适应阈值分割,其滑动窗口大小为7×7,得到两幅阈值图;
步骤6、利用差影法处理步骤5得到的两幅阈值图,检测出缺陷,并用最小外接矩形法统计缺陷的类型及位置,从而完成缺陷检测。
本发明的一种基于傅里叶及Hough变换的LCD缺陷检测方法,能够快速检测出缺陷并判断其位置和类型。与传统的方法相比,本发明的检测方法不仅速度快而且准确率高,准确率能够达到98.667%,具有很好的应用前景。
下面结合实施例进行具体描述。
实施例
(1)结合图3,采集标准图如图(a),存入标准图库;
(2)采集待测图如图(b);
(3)采用基于傅里叶及Hough变换的方法,对图(a)和(b)进行配准得到图(c);
(4)对图(a)、(c)进行加权平均融合得到图(d);
(5)对图(a)、(d)分别进行局部自适应阈值分割,得到图(e)和(f);
(6)对图(e)和图(f)进行差影法检测出缺陷,并用最小外接矩形法统计缺陷的类型及位置如图(g)和图(h)。
本发明方法简单、速度快、准确率高,准确率能够达到98.667%,满足各种需要LCD缺陷检测市场的需求,有很好的应用前景。
Claims (7)
1.一种基于傅里叶及Hough变换的LCD缺陷检测方法,其特征在于,包括以下步骤:
步骤1、采集标准的LCD显示屏图像,建立标准图库;
步骤2、采集待测的LCD显示屏图像;
步骤3、将步骤1的标准图和步骤2的待测图进行配准,采用基于傅里叶及Hough变换的方法,得到配准后的待测图;
步骤4、对步骤1的标准图和步骤3配准后的待测图进行融合处理,得到融合后的待测图;
步骤5、分别对步骤1的标准图、步骤4融合后的待测图进行阈值分割,得到两幅阈值图;
步骤6、利用差影法处理步骤5得到的两幅阈值图,检测出缺陷,并用最小外接矩形法统计缺陷的类型及位置,从而完成缺陷检测。
2.根据权利要求1所述的基于傅里叶及Hough变换的LCD缺陷检测方法,其特征在于,步骤1所述的标准图需每2min重新采集一次,从而更新标准图库。
3.根据权利要求1所述的基于傅里叶及Hough变换的LCD缺陷检测方法,其特征在于,步骤3中基于傅里叶及Hough变换的方法对图像进行配准,具体过程如下:
步骤3-1、对待测图进行纯黑色填充延扩,使其尺寸变为2、3或5的倍数;
步骤3-2、对延扩之后的待测图进行快速傅里叶变换,并对幅度值进行归一化处理,将频域原点置于整幅图像的中心位置,得到傅里叶频谱图;
步骤3-3、以上述得到的傅里叶频谱图中心为原点,设置一个长、宽分别为频谱图长、宽1/4的矩形,先取阈值110对频谱图进行阈值分割,判断未分布在上述矩形范围内的散点数占总散点数的比例是否超过10%,若超过,阈值加1重新阈值分割,若反之,得到阈值图且进行下一步;
步骤3-4、对得到的阈值图以设定的投票点数值进行Hough直线检测,判断检测到的直线数目是否等于3,若不等于,投票点数值减1重新进行Hough直线检测,若反之,检测出直线且进行下一步;
步骤3-5、对得到的直线求其斜率获得旋转角度θ,根据该角度对待测图做仿射变换获得初步待测图;
步骤3-6、将得到的初步待测图与标准图进行基于特征点的匹配,得到最终配准后的待测图。
4.根据权利要求1所述的基于傅里叶及Hough变换的LCD缺陷检测方法,其特征在于,步骤4中对标准图和待测图进行融合处理,具体采用的是加权平均融合,所用的公式为:
B'(M,N)=c1A(M,N)+c2B(M,N)
式中,A为标准图,B为配准后的待测图,大小均为M×N,B’为融合后的待测图,加权系数:
5.根据权利要求1所述的基于傅里叶及Hough变换的LCD缺陷检测方法,其特征在于,步骤5进行阈值分割时,具体采用的是局部自适应阈值分割,其滑动窗口大小为7×7。
6.根据权利要求3所述的基于傅里叶及Hough变换的LCD缺陷检测方法,其特征在于,步骤3-4中设定的投票点数值为200~250。
7.根据权利要求4所述的基于傅里叶及Hough变换的LCD缺陷检测方法,其特征在于,加权系数的取值为:c1=0.38,c2=0.62。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710658965.3A CN107561736B (zh) | 2017-08-04 | 2017-08-04 | 基于傅里叶及Hough变换的LCD缺陷检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710658965.3A CN107561736B (zh) | 2017-08-04 | 2017-08-04 | 基于傅里叶及Hough变换的LCD缺陷检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107561736A true CN107561736A (zh) | 2018-01-09 |
CN107561736B CN107561736B (zh) | 2020-04-07 |
Family
ID=60973985
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710658965.3A Active CN107561736B (zh) | 2017-08-04 | 2017-08-04 | 基于傅里叶及Hough变换的LCD缺陷检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107561736B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108449525A (zh) * | 2018-03-26 | 2018-08-24 | 京东方科技集团股份有限公司 | 自动光学检查中标准图像的获取方法及自动光学检查设备 |
CN109886952A (zh) * | 2019-02-25 | 2019-06-14 | 京东方科技集团股份有限公司 | 一种屏幕缺陷点检测方法及其装置、计算机可读介质 |
CN110530883A (zh) * | 2019-09-30 | 2019-12-03 | 凌云光技术集团有限责任公司 | 一种缺陷检测方法 |
CN111060527A (zh) * | 2019-12-30 | 2020-04-24 | 歌尔股份有限公司 | 一种字符缺陷检测方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011038905A (ja) * | 2009-08-11 | 2011-02-24 | Okayama Univ | 欠陥検査方法及び欠陥検査装置 |
CN102096920A (zh) * | 2010-12-31 | 2011-06-15 | 清华大学 | 基于标靶图像的亚像素配准方法 |
CN103499296A (zh) * | 2013-10-21 | 2014-01-08 | 东华大学 | 基于机器视觉的批量零件自动检测系统及方法 |
-
2017
- 2017-08-04 CN CN201710658965.3A patent/CN107561736B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011038905A (ja) * | 2009-08-11 | 2011-02-24 | Okayama Univ | 欠陥検査方法及び欠陥検査装置 |
CN102096920A (zh) * | 2010-12-31 | 2011-06-15 | 清华大学 | 基于标靶图像的亚像素配准方法 |
CN103499296A (zh) * | 2013-10-21 | 2014-01-08 | 东华大学 | 基于机器视觉的批量零件自动检测系统及方法 |
Non-Patent Citations (1)
Title |
---|
朱炳斐,陈文建,李武森,张峻乾: "基于傅里叶梅林变换的LCD显示缺陷检测", 《激光与光电子学进展》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108449525A (zh) * | 2018-03-26 | 2018-08-24 | 京东方科技集团股份有限公司 | 自动光学检查中标准图像的获取方法及自动光学检查设备 |
CN109886952A (zh) * | 2019-02-25 | 2019-06-14 | 京东方科技集团股份有限公司 | 一种屏幕缺陷点检测方法及其装置、计算机可读介质 |
CN109886952B (zh) * | 2019-02-25 | 2021-04-23 | 京东方科技集团股份有限公司 | 一种屏幕缺陷点检测方法及其装置、计算机可读介质 |
CN110530883A (zh) * | 2019-09-30 | 2019-12-03 | 凌云光技术集团有限责任公司 | 一种缺陷检测方法 |
CN111060527A (zh) * | 2019-12-30 | 2020-04-24 | 歌尔股份有限公司 | 一种字符缺陷检测方法及装置 |
US12002198B2 (en) | 2019-12-30 | 2024-06-04 | Goertek Inc. | Character defect detection method and device |
Also Published As
Publication number | Publication date |
---|---|
CN107561736B (zh) | 2020-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110580480B (zh) | 基于图像处理的表计读数识别方法 | |
CN105260709B (zh) | 基于图像处理的水表检定方法、装置及系统 | |
CN107561736A (zh) | 基于傅里叶及Hough变换的LCD缺陷检测方法 | |
CN107633507A (zh) | 基于轮廓检测和特征匹配的lcd缺陷检测方法 | |
CN105260710B (zh) | 基于图像处理的水表检定方法、装置及系统 | |
CN105787937B (zh) | 一种基于osm的高分辨遥感影像道路变化检测方法 | |
CN105300482B (zh) | 基于图像处理的水表检定方法、装置及系统 | |
CN106529559A (zh) | 一种指针式圆形多仪表盘实时读数识别方法 | |
CN109993094A (zh) | 基于机器视觉的材料缺陷智能检测系统及方法 | |
CN107358259B (zh) | 基于GLOH描述子和GVF-Snake模型的绝缘子覆冰检测方法 | |
CN110119680A (zh) | 一种基于图像识别的电气柜接线自动查错系统 | |
CN105975979B (zh) | 一种基于机器视觉的仪表检测方法 | |
CN107066998A (zh) | 一种利用移动设备的指针式圆形单仪表盘实时识别方法 | |
CN111415349B (zh) | 一种基于图像处理技术的涤纶长丝毛丝检测方法 | |
CN109766818A (zh) | 瞳孔中心定位方法及系统、计算机设备及可读存储介质 | |
CN102129685B (zh) | 一种基于高斯金字塔分解的不规则圆检测方法 | |
CN110009019A (zh) | 磁性材料裂纹智能检测系统及方法 | |
CN103247044A (zh) | 基于高铁接触网绝缘子曲线状和点状奇异性特征的不良状态检测方法 | |
CN108960236B (zh) | 基于二维码匹配与图像识别的指针式仪表识别方法 | |
CN114821284A (zh) | 一种纺织品生产用码布机智能调节方法 | |
Zhao et al. | Detecting insulators in the image of overhead transmission lines | |
CN108205210A (zh) | 基于傅里叶梅林及特征匹配的lcd缺陷检测系统及方法 | |
CN110514118A (zh) | 一种电气化铁路绝缘子形位公差检测装置 | |
Liu et al. | Improved image matching algorithm based on LK optical flow and grid motion statistics | |
Peng et al. | Automatic recognition of pointer meter reading based on Yolov4 and improved U-net algorithm |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB03 | Change of inventor or designer information | ||
CB03 | Change of inventor or designer information |
Inventor after: Chen Wenjian Inventor after: Zhu Bingfei Inventor after: Li Wusen Inventor after: Zhang Junqian Inventor before: Zhu Bingfei Inventor before: Chen Wenjian Inventor before: Li Wusen Inventor before: Zhang Junqian |
|
GR01 | Patent grant | ||
GR01 | Patent grant |