CN108280825A - 一种液晶显示屏边缘缺口检测方法 - Google Patents
一种液晶显示屏边缘缺口检测方法 Download PDFInfo
- Publication number
- CN108280825A CN108280825A CN201810054612.7A CN201810054612A CN108280825A CN 108280825 A CN108280825 A CN 108280825A CN 201810054612 A CN201810054612 A CN 201810054612A CN 108280825 A CN108280825 A CN 108280825A
- Authority
- CN
- China
- Prior art keywords
- image
- detected
- liquid crystal
- crystal display
- correlation
- 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
Links
- 239000004973 liquid crystal related substance Substances 0.000 title claims abstract description 21
- 238000001514 detection method Methods 0.000 title claims abstract description 17
- 230000007547 defect Effects 0.000 claims abstract description 16
- 238000003709 image segmentation Methods 0.000 claims abstract description 5
- 238000000034 method Methods 0.000 claims description 22
- 238000001914 filtration Methods 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 4
- 238000005286 illumination Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000011160 research Methods 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
-
- 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
- G06T2207/20172—Image enhancement details
- G06T2207/20182—Noise reduction or smoothing in the temporal domain; Spatio-temporal filtering
-
- 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
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
-
- 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)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Testing Of Optical Devices Or Fibers (AREA)
- Liquid Crystal (AREA)
Abstract
本发明涉及一种液晶显示屏边缘缺口检测方法,包括以下步骤:图像分割:根据需要检测的区域,将需要检测的区域从原采集图像中分割出来,得到待检图像;图像重建:利用大窗口的中值滤波器对检测区域进行滤波,得到重建图像,并将重建图像作为模板图像;缺陷检测:将待检图像减去重建图像,得到做差图像,然后将做差图像送入到高斯函数中进行相关度计算,得到相关图像,最后根据相关图像设定阈值,判断是否为缺口缺陷。本发明能够有效检测出显示屏边缘的大小缺口。
Description
技术领域
本发明涉及液晶显示屏检测技术领域,特别是涉及一种液晶显示屏边缘缺口检测方法。
背景技术
当今,液晶显示屏被广泛的应用在手机、平板、电视、手表、汽车、医疗用品等领域中,且消费量巨大。随着液晶显示屏市场的火爆,人们越发关注液晶显示屏行业,而缺陷检测是生产当中必不可少的一个重要环节,其一直是机器视觉领域中的研究热点。在实际生产中,液晶显示屏会根据设计需要而切割成不同的形状,而由于切割的不理想,液晶显示屏边缘会产生缺口,这些缺口一般都很微小,而且切割边缘易受到光照不均,灰度渐变,以及切割形状的影响,所以边缘缺口检测起来也很困难。因此,如何能排除干扰从而有效地检测出液晶显示屏边缘缺口是一个很值得研究的问题。
传统的方法主要是曲线拟合方法,通过找到图像的边缘后,然后进行曲线拟合得到理想的边缘曲线,然后将待检边缘与理想边缘做比较得出缺陷,这种方法容易受到噪声,光照不均,图像边缘处灰度渐变的影响,从而不一定能够准确找到图像的边缘位置,从而效果不佳,另外,当切割形状比较复杂,不单单是简单的直线,圆形弧等组成时,曲线拟合方法将难度更大,如何拟合复杂的边缘曲线是一个巨大问题。
发明内容
本发明所要解决的技术问题是提供一种液晶显示屏边缘缺口检测方法,能够有效检测出显示屏边缘的大小缺口。
本发明解决其技术问题所采用的技术方案是:提供一种液晶显示屏边缘缺口检测方法,包括以下步骤:
(1)图像分割:根据需要检测的区域,将需要检测的区域从原采集图像中分割出来,得到待检图像;
(2)图像重建:利用大窗口的中值滤波器对检测区域进行滤波,得到重建图像,并将重建图像作为模板图像;
(3)缺陷检测:将待检图像减去重建图像,得到做差图像,然后将做差图像送入到高斯函数中进行相关度计算,得到相关图像,最后根据相关图像设定阈值,判断是否为缺口缺陷。
所述步骤(1)具体为:根据待检区域位于原采集图像的位置,将待检区域分割出来得到待检图像I0:I0(i,j)=I(Ms:Me,Ns:Ne),其中,I(Ms:Me,Ns:Ne)表示待检测区域位于原图像中Ms行到Me行,以及Ns列到Ne列的大小的矩形区域。
所述步骤(2)的重建图像为I1=Median(I0(i,j),[Wn,Wn]),其中,Wn是中值滤波的窗口大小,且Wn>20。
所述步骤(3)中相关图像为其中,I3(i,j)为相关图像,I2(i,j)为做差图像,δ为标准方差。
所述步骤(3)中的阈值为其中,为相关图像的均值,为相关图像的方差,t为比例常数,且0<t<1。
有益效果
由于采用了上述的技术方案,本发明与现有技术相比,具有以下的优点和积极效果:本发明与传统的曲线拟合方法相比,不受噪声、光照、以及切割曲线复杂程度的影响,本发明采用大窗口中值滤波,自身就有去除噪声的作用,并且由于窗口很大,不仅可以平滑边缘,而且可以准确定位边缘位置,从而得到理想的边缘弧线,这是传统方法无法做到的,此外采用了任意半径下的中值滤波方法,通过算法优化,以及SSE加速,相比传统拟合方法更加迅速,达到了实时检测要求,并且检测准确。
附图说明
图1为本发明的流程框图。
图2为CCD相机采集到的原图。
图3为液晶显示屏实际尺寸示意图。
图4为分割后得到的待检区域图像的示意图。
图5为液晶显示屏边缘缺口检测图像的示意图。
具体实施方式
下面结合具体实施例,进一步阐述本发明。应理解,这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解,在阅读了本发明讲授的内容之后,本领域技术人员可以对本发明作各种改动或修改,这些等价形式同样落于本申请所附权利要求书所限定的范围。
本发明的实施方式涉及一种液晶显示屏边缘缺口检测方法,如图1所示,包括以下步骤:
步骤1,图像分割:根据需要检测的区域,将其在原采集图像I中分割出来,得到待检图像I0。
步骤2,图像重建:利用大窗口的中值滤波器对检测区域进行滤波,得到重建图像I1,其作为模板图像。
步骤3,缺陷检测:将待检图像I0减去重建图像I1,得到做差图像I2,然后将I2送入到高斯函数中进行相关度计算,得到相关图像I3,最后根据I3来设定阈值,判断是否为缺口缺陷。
步骤1图像分割的具体步骤如下:
首先根据待检区域位于原图像的位置,将其分割出来
I0(i,j)=I(Ms:Me,Ns:Ne)
得到I0为待检图像(见图4),如图2,其中I为原图像。如图3中所示,待检测区域位于原图像的上方居中位置,根据实际情况得到原图像I的大小为M行N列,待检测区域位于原图像中Ms行到Me行,以及Ns列到Ne列的大小的矩形区域,其中Ms,Me,Ns,Ne可以根据具体切割位置确定,这里根据图3可以计算:
其中M,N是原图像I的行列数,h,H分别是实际加工中切割区域的高和原液晶屏的高;w,W分别是实际加工中切割区域的宽和原液晶屏的宽;k是一个较小的常数,表示边缘向外拓展的边廓比例系数,且0<k<0.1。
步骤2图像重建具体步骤如下:
对待检图像I0进行大窗口的中值滤波
I1=Median(I0(i,j),[Wn,Wn])
得到重建图像I1,其中Wn是中值滤波的窗口大小,一般取奇数:Wn=2n+1,本实施方式中的Wn比较大,如果Wn较小,则达不到去除干扰以及生成标准完美的模板图像I1,Wn一般在20以上。
步骤3缺陷检测具体步骤如下:
首先将待检图像I0与重建图像I1,得到做差图像I2。
I2(i,j)=I0(i,j)-I1(i,j)
然后将图像I2输入到高斯函数中进行相关度计算,得到相关图像I3。
其中,δ是标准方差,可以设置为一个不为零的合适大小的常数,因为在此计算的是I0与I1像素间的相关性,若I2(i,j)趋于0,则I0与I1像素间的相关性高,若I2(i,j)趋于较大,则I0与I1像素间的相关性低,而相关性较低的像素就是边缘缺口像素,可简单设置δ=1。
最后,设置阈值T,进行缺陷判断
得到二值化的结果图Out,如图5。阈值T是一个关键,本实施方式中阈值T=μI3+t*δI3
其中,
其中,分别是相关图像的均值与方差,t是一个比例常数,且0<t<1。
按照以上检测方法,对于一幅带有切割缺口的液晶显示屏图像进行了检测,具体是对原图进行待检区域分割后,进行了31×31的中值滤波,然后将待检图像与重建图像做差,将做差图像输入到高斯函数中进行相关度计算,其中方差δ=1,最后对相关图像求解阈值T,进行缺口判断,其中t=0.6。结果如图5所示,白色为缺陷位置,证明该检测方法是准确有效。
不难发现,本发明与传统的曲线拟合方法相比,不受噪声、光照、以及切割曲线复杂程度的影响,本发明采用大窗口中值滤波,自身就有去除噪声的作用,并且由于窗口很大,不仅可以平滑边缘,而且可以准确定位边缘位置,从而得到理想的边缘弧线,这是传统方法无法做到的,此外采用了任意半径下的中值滤波方法,通过算法优化,以及SSE加速,相比传统拟合方法更加迅速,达到了实时检测要求,并且检测准确。
Claims (5)
1.一种液晶显示屏边缘缺口检测方法,其特征在于,包括以下步骤:
(1)图像分割:根据需要检测的区域,将需要检测的区域从原采集图像中分割出来,得到待检图像;
(2)图像重建:利用大窗口的中值滤波器对检测区域进行滤波,得到重建图像,并将重建图像作为模板图像;
(3)缺陷检测:将待检图像减去重建图像,得到做差图像,然后将做差图像送入到高斯函数中进行相关度计算,得到相关图像,最后根据相关图像设定阈值,判断是否为缺口缺陷。
2.根据权利要求1所述的液晶显示屏边缘缺口检测方法,其特征在于,所述步骤(1)具体为:根据待检区域位于原采集图像的位置,将待检区域分割出来得到待检图像I0:
I0(i,j)=I(Ms:Me,Ns:Ne),其中,I(Ms:Me,Ns:Ne)表示待检测区域位于原图像中Ms行到Me行,以及Ns列到Ne列的大小的矩形区域。
3.根据权利要求1所述的液晶显示屏边缘缺口检测方法,其特征在于,所述步骤(2)的重建图像为I1=Median(I0(i,j),[Wn,Wn]),其中,Wn是中值滤波的窗口大小,且Wn>20。
4.根据权利要求1所述的液晶显示屏边缘缺口检测方法,其特征在于,所述步骤(3)中相关图像为其中,I3(i,j)为相关图像,I2(i,j)为做差图像,δ为标准方差。
5.根据权利要求1所述的液晶显示屏边缘缺口检测方法,其特征在于,所述步骤(3)中的阈值为其中,为相关图像的均值,为相关图像的方差,t为比例常数,且0<t<1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810054612.7A CN108280825A (zh) | 2018-01-19 | 2018-01-19 | 一种液晶显示屏边缘缺口检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810054612.7A CN108280825A (zh) | 2018-01-19 | 2018-01-19 | 一种液晶显示屏边缘缺口检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108280825A true CN108280825A (zh) | 2018-07-13 |
Family
ID=62804276
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810054612.7A Pending CN108280825A (zh) | 2018-01-19 | 2018-01-19 | 一种液晶显示屏边缘缺口检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108280825A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112419228A (zh) * | 2020-10-14 | 2021-02-26 | 惠州高视科技有限公司 | 盖板立体边缘缺陷的检测方法及装置 |
CN112756268A (zh) * | 2021-01-27 | 2021-05-07 | 延边金刚山食品股份有限公司 | 一种辣白菜原材料自动筛选装置 |
CN115456956A (zh) * | 2022-08-19 | 2022-12-09 | 浙江华周智能装备有限公司 | 一种液晶屏划痕检测方法、设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050238199A1 (en) * | 2004-04-26 | 2005-10-27 | The United States Of America Represented By The Secretary Of The Navy | Object detection in electro-optic sensor images |
CN101995671A (zh) * | 2009-08-28 | 2011-03-30 | 北京京东方光电科技有限公司 | 液晶显示面板边缘缺陷的测试系统及其测试方法 |
CN103440654A (zh) * | 2013-08-27 | 2013-12-11 | 南京大学 | 一种lcd异物缺陷检测方法 |
CN105160652A (zh) * | 2015-07-10 | 2015-12-16 | 天津大学 | 基于计算机视觉的手机外壳检验装置与方法 |
CN105301810A (zh) * | 2015-11-24 | 2016-02-03 | 上海斐讯数据通信技术有限公司 | 一种屏幕缺陷检测方法及装置 |
CN105913419A (zh) * | 2016-04-07 | 2016-08-31 | 南京汇川图像视觉技术有限公司 | 基于ICA学习和多通道融合的TFT-LCD mura缺陷检测方法 |
CN105976382A (zh) * | 2016-05-11 | 2016-09-28 | 华中科技大学 | 一种基于缺陷区域预判和水平集的TFT-LCD Mura缺陷检测算法 |
CN107367514A (zh) * | 2017-08-28 | 2017-11-21 | 广东工业大学 | 一种基于机器视觉的pos机缺陷检测方法 |
-
2018
- 2018-01-19 CN CN201810054612.7A patent/CN108280825A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050238199A1 (en) * | 2004-04-26 | 2005-10-27 | The United States Of America Represented By The Secretary Of The Navy | Object detection in electro-optic sensor images |
CN101995671A (zh) * | 2009-08-28 | 2011-03-30 | 北京京东方光电科技有限公司 | 液晶显示面板边缘缺陷的测试系统及其测试方法 |
CN103440654A (zh) * | 2013-08-27 | 2013-12-11 | 南京大学 | 一种lcd异物缺陷检测方法 |
CN105160652A (zh) * | 2015-07-10 | 2015-12-16 | 天津大学 | 基于计算机视觉的手机外壳检验装置与方法 |
CN105301810A (zh) * | 2015-11-24 | 2016-02-03 | 上海斐讯数据通信技术有限公司 | 一种屏幕缺陷检测方法及装置 |
CN105913419A (zh) * | 2016-04-07 | 2016-08-31 | 南京汇川图像视觉技术有限公司 | 基于ICA学习和多通道融合的TFT-LCD mura缺陷检测方法 |
CN105976382A (zh) * | 2016-05-11 | 2016-09-28 | 华中科技大学 | 一种基于缺陷区域预判和水平集的TFT-LCD Mura缺陷检测算法 |
CN107367514A (zh) * | 2017-08-28 | 2017-11-21 | 广东工业大学 | 一种基于机器视觉的pos机缺陷检测方法 |
Non-Patent Citations (6)
Title |
---|
S.ANITHA 等: "Preprocessing using Enhanced Median Filter for Defect Detection in 2D Fabric Images", 《 INTERNATIONAL JOURNAL OF ENGINEERING AND TECHNOLOGY》 * |
刘波: "手机屏幕图像缺陷检测方法的研究", 《万方学位论文数据库》 * |
宋康 等: "图像自相关函数作为清晰度评价函数的理论分析", 《西南交通大学学报》 * |
汤勃 等: "机器视觉表面缺陷检测综述", 《中国图象图形学报》 * |
蔡志强 等: "基于预浸纱自动铺放缺陷的分割算法", 《航空材料学报》 * |
黎远松 等编著: "《算法分析与设计》", 31 August 2013 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112419228A (zh) * | 2020-10-14 | 2021-02-26 | 惠州高视科技有限公司 | 盖板立体边缘缺陷的检测方法及装置 |
CN112419228B (zh) * | 2020-10-14 | 2022-04-05 | 高视科技(苏州)有限公司 | 盖板立体边缘缺陷的检测方法及装置 |
CN112756268A (zh) * | 2021-01-27 | 2021-05-07 | 延边金刚山食品股份有限公司 | 一种辣白菜原材料自动筛选装置 |
CN115456956A (zh) * | 2022-08-19 | 2022-12-09 | 浙江华周智能装备有限公司 | 一种液晶屏划痕检测方法、设备及存储介质 |
CN115456956B (zh) * | 2022-08-19 | 2024-05-28 | 浙江华周智能装备有限公司 | 一种液晶屏划痕检测方法、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108460757B (zh) | 一种手机TFT-LCD屏Mura缺陷在线自动检测方法 | |
CN107845087B (zh) | 液晶面板亮度不均匀缺陷的检测方法和系统 | |
CN107678192B (zh) | 一种基于机器视觉的Mura缺陷检测方法 | |
CN108665458B (zh) | 透明体表面缺陷提取及识别方法 | |
CN108416766B (zh) | 双侧入光式导光板缺陷视觉检测方法 | |
CN104616275A (zh) | 一种缺陷检测方法和装置 | |
CN111652098B (zh) | 产品表面缺陷检测方法及装置 | |
CN110648330B (zh) | 摄像头玻璃的缺陷检测方法 | |
KR20160054151A (ko) | 웨이블릿 변환에서 마스크 필터링을 이용한 얼룩 결함 자동 검출 시스템 및 방법 | |
CN109378279B (zh) | 晶圆检测方法及晶圆检测系统 | |
CN116165216B (zh) | 一种液晶显示屏微划伤瑕疵3d检测方法、系统及计算设备 | |
CN108280825A (zh) | 一种液晶显示屏边缘缺口检测方法 | |
CN104749801B (zh) | 高精度自动光学检测方法和系统 | |
CN115205223A (zh) | 透明物体的视觉检测方法、装置、计算机设备及介质 | |
CN110007493A (zh) | 液晶显示屏中碎亮点检测方法 | |
KR101677070B1 (ko) | 형태학적 영상 처리와 레이블링을 이용한 얼룩 결함 자동 검출 시스템 및 방법 | |
JP5088165B2 (ja) | 欠陥検出方法および欠陥検出装置 | |
CN105608674B (zh) | 一种基于图像配准、插值和去噪的图像增强方法 | |
Yang et al. | Automatic TFT-LCD mura detection based on image reconstruction and processing | |
CN106530292B (zh) | 一种基于线扫描相机的带钢表面缺陷图像快速辨识方法 | |
JP5239275B2 (ja) | 欠陥検出方法および欠陥検出装置 | |
Qian et al. | Sub-Pixel defect detection for super large LCD images using quadrant gradient operator | |
CN104112271A (zh) | 移动终端外壳侧面缺陷检测方法和系统 | |
TWI510776B (zh) | 玻璃氣泡瑕疵檢測處理方法 | |
JP2006133055A (ja) | ムラ欠陥検出方法及び装置、空間フィルタ、ムラ欠陥検査システム並びにムラ欠陥検出方法のプログラム |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180713 |