CN107818556B - 电容式指纹采集系统的坏线自检测和自修复方法 - Google Patents

电容式指纹采集系统的坏线自检测和自修复方法 Download PDF

Info

Publication number
CN107818556B
CN107818556B CN201610782985.7A CN201610782985A CN107818556B CN 107818556 B CN107818556 B CN 107818556B CN 201610782985 A CN201610782985 A CN 201610782985A CN 107818556 B CN107818556 B CN 107818556B
Authority
CN
China
Prior art keywords
average gray
row
column
bad
gray level
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
Application number
CN201610782985.7A
Other languages
English (en)
Other versions
CN107818556A (zh
Inventor
周斌
陶长青
戴一峰
张飞飞
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.)
Jiangsu Brmico Electronics Co ltd
Original Assignee
Jiangsu Brmico Electronics 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 Jiangsu Brmico Electronics Co ltd filed Critical Jiangsu Brmico Electronics Co ltd
Priority to CN201610782985.7A priority Critical patent/CN107818556B/zh
Publication of CN107818556A publication Critical patent/CN107818556A/zh
Application granted granted Critical
Publication of CN107818556B publication Critical patent/CN107818556B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/13—Sensors therefor
    • G06V40/1306—Sensors therefor non-optical, e.g. ultrasonic or capacitive sensing
    • 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
    • G06T2207/30168—Image quality inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Input (AREA)
  • Collating Specific Patterns (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Measurement Of Length, Angles, Or The Like Using Electric Or Magnetic Means (AREA)

Abstract

本发明公开了一种电容式指纹采集系统的坏线自检测和自修复方法，检测时首先计算采集到整个指纹图像的整体平均灰度以及每一行的行平均灰度；如果整个指纹图像的整体平均灰度大于阈值A，或者小于阈值B，则判定模块的整体图像效果达不到量产标准，判定为不良品，不需要进行后续的坏线检测和修复步骤；如果图像的行平均灰度大于阈值C，或者小于阈值D，则该行平均灰度不计入行块平均灰度，否则该行平均灰度计入行块平均灰度；依次检测完所有列。本发明可以自动检测并自动修复由于工艺不良、工艺约束条件、模组制备、生产、使用等造成的坏线，不需要手动标定坏线位置，修复效果佳，能有效提升指纹特征数据，算法量小、运行速度快、适用性高。

Description

电容式指纹采集系统的坏线自检测和自修复方法
技术领域
本发明涉及电容式指纹采集系统，具体是说是涉及一种电容式指纹采集系统的坏线自检测和自修复方法。
背景技术
电容式指纹传感器相较于光学指纹传感器，具有采图效果优、干湿手指识别好、防指纹残留等优点，被广泛应用于手机、指纹锁、指纹门禁等领域。
电容式指纹传感器的采集面板为一块集成有成千上万半导体器件的“平板”，手指贴在其上与其构成了电容的另一面，由于手指平面凸凹不平，凸点处和凹点处接触平板的实际距离大小就不一样，形成的电容值也就不一样，设备根据这个原理将采集到的不同的数值汇总，就完成了指纹的采集。但是在目前工艺制备条件下，无法保证这成千上万半导体器件“平板”的一致性，同时，在模组制备、生产、使用等过程中也会出现采集面部分损坏的情况，使得电容式指纹模块出现坏线情况，这些坏线区域无法正常采集图像，总是呈现出某一特定灰度的值。
发明内容
为了克服上述缺陷，本发明提供了一种电容式指纹采集系统的坏线自检测和自修复方法，可以自动检测并自动修复由于工艺不良和工艺约束条件造成的坏线，不需要手动标定坏线位置，算法量小、运行速度快、适用性高。
本发明为了解决其技术问题所采用的技术方案是：
一种电容式指纹采集系统的坏线自检测方法，包括以下步骤：
步骤1，计算采集到整个指纹图像的整体平均灰度以及每一行的行平均灰度；
步骤2，如果整个指纹图像的整体平均灰度大于阈值A，或者小于阈值B，则判定模块的整体图像效果达不到量产标准，判定为不良品，不需要进行后续的坏线检测和修复步骤，否则进行步骤3；
步骤3，如果图像的行平均灰度大于阈值C，或者小于阈值D，则该行平均灰度不计入行块平均灰度，否则该行平均灰度计入行块平均灰度；
步骤4，计算由n行组成的行块的行块平均灰度，即
Figure BDA0001105003620000021
ki为第i行的行平均灰度；
步骤5，如果行平均灰度与行块平均灰度差值的绝对值大于E，记录该行所在行号i，即坏行，检测完所有行后进行步骤6；
步骤6，计算每一列的列平均灰度；
步骤7，如果图像的列平均灰度大于阈值F，或者小于阈值G，则该列平均灰度不计入列块平均灰度，否则该列平均灰度计入列块平均灰度；
步骤8，计算由m列组成的列块的列块平均灰度，即
Figure BDA0001105003620000031
kj为第j列的列平均灰度；
步骤9，如果列平均灰度与列块平均灰度差值的绝对值大于H，记录该列所在列号j，即坏列，检测完所有列后结束；
其中，阈值A-H通过至少5000的样本量测试得到。
本发明还提供一种电容式指纹采集系统的坏线自修复方法，包括以下步骤：
步骤1，读取检测到的坏线位置；
步骤2，在坏线的相邻位置找到两条非坏线，对该两条非坏线的灰度取平均值后填充到坏线处。
作为本发明的进一步改进，所述坏线的相邻位置指该列的左、右两列，或该行的上、下两行。
本发明的有益效果是：该电容式指纹采集系统的坏线自检测和自修复方法可以自动检测并自动修复由于工艺不良、工艺约束条件、模组制备、生产、使用等造成的坏线，不需要手动标定坏线位置，修复效果佳，能有效提升指纹特征数据，算法量小、运行速度快、适用性高。
附图说明
图1为本发明所述坏线自检测方法流程图；
图2为本发明所述自修复方法流程图。
具体实施方式
结合附图，对本发明作详细说明，但本发明的保护范围不限于下述实施例，即但凡以本发明申请专利范围及说明书内容所作的简单的等效变化与修饰，皆仍属本发明专利涵盖范围之内。
参阅图1，为本发明所述的一种电容式指纹采集系统的坏线自检测方法，包括以下步骤：
步骤1，计算采集到整个指纹图像的整体平均灰度以及每一行的行平均灰度；
步骤2，如果整个指纹图像的整体平均灰度大于阈值A，或者小于阈值B，则判定模块的整体图像效果达不到量产标准，判定为不良品，不需要进行后续的坏线检测和修复步骤，否则进行步骤3；
步骤3，如果图像的行平均灰度大于阈值C，或者小于阈值D，则该行平均灰度不计入行块平均灰度，否则该行平均灰度计入行块平均灰度；
步骤4，计算由n行组成的行块的行块平均灰度，即
Figure BDA0001105003620000041
ki为第i行的行平均灰度；
步骤5，如果行平均灰度与行块平均灰度差值的绝对值大于E，记录该行所在行号i，即坏行，检测完所有行后进行步骤6；
步骤6，计算每一列的列平均灰度；
步骤7，如果图像的列平均灰度大于阈值F，或者小于阈值G，则该列平均灰度不计入列块平均灰度，否则该列平均灰度计入列块平均灰度；
步骤8，计算由m列组成的列块的列块平均灰度，即
Figure BDA0001105003620000051
kj为第j列的列平均灰度；
步骤9，如果列平均灰度与列块平均灰度差值的绝对值大于H，记录该列所在列号j，即坏列，检测完所有列后结束；
其中，阈值A-H通过至少5000的样本量测试得到。
参阅图2，为本发明所述的一种电容式指纹采集系统的坏线自修复方法，包括以下步骤：
步骤1，读取检测到的坏线位置；
步骤2，在坏线的相邻位置找到两条非坏线，对该两条非坏线的灰度取平均值后填充到坏线处。
其中，所述坏线的相邻位置指该列的左、右两列，或该行的上、下两行。
该电容式指纹采集系统系统包括：半导体成像模块和控制模块，所述半导体成像模块包括采集传感器和数据通信接口，所述控制模块包括相互电性连接的处理器单元、稳压电路单元和数据通信接口，该系统的半导体成像模块和控制模块通过数据通信接口连接通信。
本发明可以自动检测并自动修复由于工艺不良、工艺约束条件、模组制备、生产、使用等造成的坏线，不需要手动标定坏线位置，修复效果佳，能有效提升指纹特征数据，算法量小、运行速度快、适用性高。

Claims (2)

1.一种电容式指纹采集系统的坏线自检测和自修复方法，其特征在于，包括以下步骤：
步骤1，计算采集到整个指纹图像的整体平均灰度以及每一行的行平均灰度；
步骤2，如果整个指纹图像的整体平均灰度大于阈值A，或者小于阈值B，则判定模块的整体图像效果达不到量产标准，判定为不良品，不需要进行后续的坏线检测和修复步骤，否则进行步骤3；
步骤3，如果图像的行平均灰度大于阈值C，或者小于阈值D，则该行平均灰度不计入行块平均灰度，否则该行平均灰度计入行块平均灰度；
步骤4，计算由n行组成的行块的行块平均灰度，即
Figure FDA0003062073510000011
ki为第i行的行平均灰度；
步骤5，如果行平均灰度与行块平均灰度差值的绝对值大于E，记录该行所在行号i，即坏行，检测完所有行后进行步骤6；
步骤6，计算每一列的列平均灰度；
步骤7，如果图像的列平均灰度大于阈值F，或者小于阈值G，则该列平均灰度不计入列块平均灰度，否则该列平均灰度计入列块平均灰度；
步骤8，计算由m列组成的列块的列块平均灰度，即
Figure FDA0003062073510000021
kj为第j列的列平均灰度；
步骤9，如果列平均灰度与列块平均灰度差值的绝对值大于H，记录该列所在列号j，即坏列，检测完所有列后结束；
其中，阈值A-H通过至少5000的样本量测试得到；
步骤10，读取检测到的坏线位置；
步骤11，在坏线的相邻位置找到两条非坏线，对该两条非坏线的灰度取平均值后填充到坏线处。
2.根据权利要求1所述的电容式指纹采集系统的坏线自检测和自修复方法，其特征在于：所述坏线的相邻位置指该列的左、右两列，或该行的上、下两行。
CN201610782985.7A 2016-08-31 2016-08-31 电容式指纹采集系统的坏线自检测和自修复方法 Active CN107818556B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610782985.7A CN107818556B (zh) 2016-08-31 2016-08-31 电容式指纹采集系统的坏线自检测和自修复方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610782985.7A CN107818556B (zh) 2016-08-31 2016-08-31 电容式指纹采集系统的坏线自检测和自修复方法

Publications (2)

Publication Number Publication Date
CN107818556A CN107818556A (zh) 2018-03-20
CN107818556B true CN107818556B (zh) 2021-06-29

Family

ID=61600368

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610782985.7A Active CN107818556B (zh) 2016-08-31 2016-08-31 电容式指纹采集系统的坏线自检测和自修复方法

Country Status (1)

Country Link
CN (1) CN107818556B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107145832A (zh) * 2017-04-11 2017-09-08 江苏邦融微电子有限公司 一种电容式指纹采集系统坏线的标定方法及其自修复方法
CN109753879B (zh) * 2018-12-06 2021-04-13 大唐微电子技术有限公司 一种硬件复位电路、指纹识别设备及其静电防护方法
CN110276759B (zh) * 2019-06-28 2023-04-28 东北大学 一种基于机器视觉的手机屏坏线缺陷诊断方法
CN113505683B (zh) * 2021-07-06 2023-11-24 深圳市迪安杰智能识别科技有限公司 指纹传感器的坏线检测方法及指纹图像的坏线修复方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101210890A (zh) * 2006-12-28 2008-07-02 夏普株式会社 缺陷检测装置及方法、图像传感器器件和模块
CN101242542A (zh) * 2008-02-26 2008-08-13 北京中星微电子有限公司 一种图像检测方法与装置
CN101540040A (zh) * 2008-03-21 2009-09-23 深圳迈瑞生物医疗电子股份有限公司 自动检测限束器边界的方法与装置
CN101795349A (zh) * 2010-03-24 2010-08-04 深圳迈瑞生物医疗电子股份有限公司 一种处理x线平板探测器图像坏线的方法及其装置
CN104376537A (zh) * 2014-11-25 2015-02-25 中国兵器工业集团第二一四研究所苏州研发中心 一种去除emccd图像亮点的方法
CN104406697A (zh) * 2014-11-24 2015-03-11 浙江大立科技股份有限公司 红外焦平面阵列校正方法
CN104463831A (zh) * 2013-09-25 2015-03-25 深圳市蓝韵实业有限公司 一种x线平板探测器图像坏线的修补方法
CN104506784A (zh) * 2014-12-04 2015-04-08 中国科学院西安光学精密机械研究所 基于方向插值修正的贝尔格式图像坏行消除方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101210890A (zh) * 2006-12-28 2008-07-02 夏普株式会社 缺陷检测装置及方法、图像传感器器件和模块
CN101242542A (zh) * 2008-02-26 2008-08-13 北京中星微电子有限公司 一种图像检测方法与装置
CN101540040A (zh) * 2008-03-21 2009-09-23 深圳迈瑞生物医疗电子股份有限公司 自动检测限束器边界的方法与装置
CN101795349A (zh) * 2010-03-24 2010-08-04 深圳迈瑞生物医疗电子股份有限公司 一种处理x线平板探测器图像坏线的方法及其装置
CN104463831A (zh) * 2013-09-25 2015-03-25 深圳市蓝韵实业有限公司 一种x线平板探测器图像坏线的修补方法
CN104406697A (zh) * 2014-11-24 2015-03-11 浙江大立科技股份有限公司 红外焦平面阵列校正方法
CN104376537A (zh) * 2014-11-25 2015-02-25 中国兵器工业集团第二一四研究所苏州研发中心 一种去除emccd图像亮点的方法
CN104506784A (zh) * 2014-12-04 2015-04-08 中国科学院西安光学精密机械研究所 基于方向插值修正的贝尔格式图像坏行消除方法

Also Published As

Publication number Publication date
CN107818556A (zh) 2018-03-20

Similar Documents

Publication Publication Date Title
CN107818556B (zh) 电容式指纹采集系统的坏线自检测和自修复方法
CN108509909B (zh) 一种指纹采集方法及装置
CN107798672B (zh) 烟丝或梗丝的宽度测定方法、系统及具有该系统的服务器
CN106529559A (zh) 一种指针式圆形多仪表盘实时读数识别方法
Spataru et al. Automatic detection and evaluation of solar cell micro-cracks in electroluminescence images using matched filters
CN103839265A (zh) 基于sift和归一化互信息的sar图像配准方法
CN105094494A (zh) 指纹识别方法、装置及电子设备
CN109816653B (zh) 一种用于导电粒子检测的方法
CN102735688A (zh) 一种缺陷检测方法
CN116109635B (zh) 复合悬式绝缘子表面质量检测方法、装置、设备及介质
CN112014413A (zh) 一种基于机器视觉的手机玻璃盖板视窗区缺陷检测方法
CN115661143B (zh) 用于MiniLED晶圆缺陷的快速检测系统
CN102129685A (zh) 一种基于高斯金字塔分解的不规则圆检测方法
CN105991997A (zh) 一种电容式图像传感器坏点实时定位的方法
CN116309518A (zh) 一种基于计算机视觉的pcb电路板检测方法及系统
CN106815830A (zh) 图像的缺陷检测方法
CN107145832A (zh) 一种电容式指纹采集系统坏线的标定方法及其自修复方法
CN117351214B (zh) 一种基于图像处理的伴热电缆检测方法及系统
CN117437223B (zh) 一种高速板对板连接器缺陷智能检测方法
CN112950594B (zh) 产品表面缺陷的检测方法、设备及存储介质
CN108831844A (zh) 检测晶圆缺陷的方法和系统
CN111815580B (zh) 一种图像边缘识别方法及小模数齿轮模数检测方法
CN108898584B (zh) 一种基于图像分析的全自动贴面电容装焊极性判别方法
CN114821079A (zh) 一种基于变分自编码器的岩石裂缝信息识别方法及系统
CN111242918B (zh) 基于卡尔曼滤波和马尔可夫随机场的图像分割方法及系统

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
GR01 Patent grant
GR01 Patent grant