CN108898563A - 一种显示面板光学检测图像的处理方法及计算机可读介质 - Google Patents
一种显示面板光学检测图像的处理方法及计算机可读介质 Download PDFInfo
- Publication number
- CN108898563A CN108898563A CN201810710468.8A CN201810710468A CN108898563A CN 108898563 A CN108898563 A CN 108898563A CN 201810710468 A CN201810710468 A CN 201810710468A CN 108898563 A CN108898563 A CN 108898563A
- Authority
- CN
- China
- Prior art keywords
- image
- blurred picture
- category identifier
- processing method
- reduction treatment
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 55
- 230000003287 optical effect Effects 0.000 title claims abstract description 47
- 238000001514 detection method Methods 0.000 title claims abstract description 44
- 230000033001 locomotion Effects 0.000 claims abstract description 44
- 230000009467 reduction Effects 0.000 claims abstract description 44
- 238000001228 spectrum Methods 0.000 claims abstract description 38
- 230000008439 repair process Effects 0.000 claims abstract description 28
- 238000004458 analytical method Methods 0.000 claims abstract description 13
- 238000000034 method Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000003709 image segmentation Methods 0.000 claims description 4
- 238000007689 inspection Methods 0.000 claims description 4
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 239000000463 material Substances 0.000 abstract description 3
- 238000004519 manufacturing process Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 7
- 238000003860 storage Methods 0.000 description 7
- 238000005457 optimization Methods 0.000 description 5
- 230000011218 segmentation Effects 0.000 description 5
- 239000000758 substrate Substances 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000002161 passivation Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000009885 systemic effect Effects 0.000 description 1
- 239000011800 void material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- 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
-
- 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
- G06T2207/20172—Image enhancement details
- G06T2207/20201—Motion blur correction
-
- 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
-
- 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)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种显示面板光学检测图像的处理方法及计算机可读介质,针对显示面板光学检测图像出现的模糊问题,利用图像傅里叶频谱特性对显示面板光学检测图像中的模糊图像进行分析,确定模糊图像的模糊类型;其中,模糊类型包括:运动模糊图像和散焦模糊图像;之后采用与模糊类型匹配的修复方式,对模糊图像中的模糊区域进行还原处理,使优化修复后的图像更加能够反映真实的膜层情况,以便于对其进行分析判断。由于整个优化修复过程可自动化进行,无需人员操控,从而节省人力物力、提高不良分析效率。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种显示面板光学检测图像的处理方法及计算机可读介质。
背景技术
作为显示屏的重要组成部分,阵列基板等显示面板决定着显示屏是否可以正常和稳定的工作。诸如阵列基板的显示面板的基本结构主要由玻璃基板、遮光层、缓冲层、有缘层、栅绝缘层、栅极、数据线、层间介质、像素电极层、钝化层、平坦层、公共电极层等膜层构成。由于阵列基板的制造工艺复杂,需要在生产过程中对各个膜层的制作情况进行实时监控记录,因此自动光学检测被广泛应用于显示面板制造过程中的各个环节。
受技术所限,自动光学检测过程中可能存在输出的光学检测图像散焦不稳定、装置运动时所拍摄图像不清晰等问题。这些问题在一定程度上干扰了技术人员通过光学检测图像对于产品制造水平的分析和判断。在显示面板制造过程中,产品因膜层异常导致多种不良,由于光学检测图像的模糊造成无法准确辨认相关不良属性,迟滞不良分析进展,进而造成产品良率降低,会增加产品制造的成本。
因此,针对显示面板光学检测图像的模糊问题,如何进行优化修复处理,是本领域技术人员亟需解决的技术问题。
发明内容
有鉴于此,本发明实施例提供了一种显示面板光学检测图像的处理方法及计算机可读介质,用以对显示面板光学检测图像出现的模糊问题进行优化修复处理。
因此,本发明实施例提供了一种显示面板光学检测图像的处理方法,包括:
对获取到的显示面板光学检测图像中的模糊图像进行图像傅里叶频谱特性分析,确定所述模糊图像的模糊类型;所述模糊类型包括:运动模糊图像和散焦模糊图像;
采用与所述模糊类型匹配的修复方式,对所述模糊图像中的模糊区域进行还原处理。
在一种可能的实现方式中,在本发明实施例提供的上述处理方法中,所述对获取到的显示面板光学检测图像中的模糊图像进行图像傅里叶频谱特性分析,确定所述模糊图像的模糊类型,具体包括:
对获取到的显示面板光学检测图像进行预判,确定其中的模糊图像;
对所述模糊图像进行二维快速傅里叶变换,生成与所述模糊图像对应的傅里叶频谱图;
确定所述傅里叶频谱图中特定区域的白色点位的数量是否大于预设数值;所述特定区域为所述傅里叶频谱图中除中心区域之外的区域;
若是,则确定所述模糊图像的模糊类型为运动模糊图像;
若否,则确定所述模糊图像的模糊类型为散焦模糊图像。
在一种可能的实现方式中,在本发明实施例提供的上述处理方法中,所述确定所述傅里叶频谱图中特定区域的白色点位的数量是否大于预设数值,具体包括:
对所述傅里叶频谱图进行二值图像转换,生成对应的二值图;
确定所述傅二值图中所述特定区域的白色点位的数量是否大于预设数值。
在一种可能的实现方式中,在本发明实施例提供的上述处理方法中,所述采用与所述模糊类型匹配的修复方式,对所述模糊图像中的模糊区域进行还原处理,具体包括:
对所述模糊图像按照设定的图像分割尺寸提取模糊区域;
对所述模糊区域采用与所述模糊类型匹配的修复方式进行还原处理。
在一种可能的实现方式中,在本发明实施例提供的上述处理方法中,当所述模糊类型为运动模糊图像时,采用与所述模糊类型匹配的修复方式,对所述模糊区域进行还原处理,具体包括:
采用与所述运动模糊图像匹配的盲反卷积,对所述模糊区域进行还原处理。
在一种可能的实现方式中,在本发明实施例提供的上述处理方法中,所述采用与所述运动模糊图像匹配的盲反卷积,对所述模糊区域进行还原处理,具体包括:
采用如下公式对所述模糊区域进行还原处理:
x(m,n)*h1(m,n)=y(m,n);
h1(m,n)=1/d,0≤m≤d,n=0;
h1(m,n)=0,其他;
其中,x(m,n)为还原后的图像,h1(m,n)为线性移动模糊函数,y(m,n)为所述模糊图像,d为所述模糊图像曝光时间内移动的位移,m为水平方向的变量,n为竖直方向的变量,*为卷积运算过程。
在一种可能的实现方式中,在本发明实施例提供的上述处理方法中,当所述模糊类型为散焦模糊图像时,采用与所述模糊类型匹配的修复方式,对所述模糊区域进行还原处理,具体包括:
采用与所述散焦模糊图像匹配的盲反卷积,对所述模糊区域进行还原处理。
在一种可能的实现方式中,在本发明实施例提供的上述处理方法中,所述采用与所述散焦模糊图像匹配的盲反卷积,对所述模糊区域进行还原处理,具体包括:
采用如下公式对所述模糊区域进行还原处理:
x(m,n)*h2(m,n)=y(m,n);
h2(m,n)=1/πR2,m2+n2≤R2;
h2(m,n)=0,其他;
其中,x(m,n)为还原后的图像,h2(m,n)为散焦模糊函数,y(m,n)为所述模糊图像,R为散焦光斑半径,m为水平方向的变量,n为竖直方向的变量,*为卷积运算过程。
在一种可能的实现方式中,在本发明实施例提供的上述处理方法中,当所述模糊类型为运动模糊图像时,采用与所述模糊类型匹配的修复方式,对所述模糊区域进行还原处理,具体包括:
采用维纳滤波对所述模糊区域进行还原处理。
另一方面,本发明实施例还提供了一种计算机可读介质,包括程序代码,当所述程序代码在计算设备上运行时,所述程序代码用于使所述计算设备执行上述显示面板光学检测图像的处理方法的步骤。
本发明实施例的有益效果包括:
本发明实施例提供的一种显示面板光学检测图像的处理方法及计算机可读介质,针对显示面板光学检测图像出现的模糊问题,利用图像傅里叶频谱特性对显示面板光学检测图像中的模糊图像进行分析,确定模糊图像的模糊类型;其中,模糊类型包括:运动模糊图像和散焦模糊图像;之后采用与模糊类型匹配的修复方式,对模糊图像中的模糊区域进行还原处理,使优化修复后的图像更加能够反映真实的膜层情况,以便于对其进行分析判断。由于整个优化修复过程可自动化进行,无需人员操控,从而节省人力物力、提高不良分析效率。
附图说明
图1为本发明实施例提供的显示面板光学检测图像的处理方法的流程图;
图2为本发明实施例提供的显示面板光学检测图像的处理方法的具体流程图;
图3为本发明实施例提供的显示面板光学检测图像的处理方法的具体流程图;
图4为本发明实施例提供的显示面板光学检测图像的处理方法中运动模糊图像对应的傅里叶频谱图;
图5为本发明实施例提供的显示面板光学检测图像的处理方法中散焦模糊图像对应的傅里叶频谱图;
图6为本发明实施例提供的显示面板光学检测图像的处理方法中运动模糊图像二值化转换后的傅里叶频谱图;
图7为本发明实施例提供的显示面板光学检测图像的处理方法中散焦模糊图像二值化转换后的傅里叶频谱图;
图8为本发明实施例提供的显示面板光学检测图像的处理方法的完整流程图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述,显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
本发明实施例提供的一种显示面板光学检测图像的处理方法,如图1所述,包括以下步骤:
S101、对获取到的显示面板光学检测图像中的模糊图像进行图像傅里叶频谱特性分析,确定模糊图像的模糊类型;模糊类型包括:运动模糊图像和散焦模糊图像;
S102、采用与模糊类型匹配的修复方式,对模糊图像中的模糊区域进行还原处理。
具体地,本发明实施例提供的一种显示面板光学检测图像的处理方法,针对显示面板光学检测图像出现的模糊问题,利用图像傅里叶频谱特性对显示面板光学检测图像中的模糊图像进行分析,确定模糊图像的模糊类型;其中,模糊类型包括:运动模糊图像和散焦模糊图像;之后采用与模糊类型匹配的修复方式,对模糊图像中的模糊区域进行还原处理,使优化修复后的图像更加能够反映真实的膜层情况,以便于对其进行分析判断。由于整个优化修复过程可自动化进行,无需人员操控,从而节省人力物力、提高不良分析效率。并且,修复后的图像可更好的再现对象的本体特征,可更好的被辨识,对于显示面板光学检测到的不良微观图像,也可更多的还原不良细节特征,加快不良分析改善进程。
具体地,本发明实施例提供的上述处理方法,可以适用于液晶显示面板中阵列基板的光学检测图像,也可以适用于其他具有连续图案的显示面板的光学检测图像,在此不做限定。
具体地,模糊图像常见分为运动模糊图像、散焦模糊图像、生产或传输过程中受噪声污染的模糊图像以及传递介质密度不均导致的模糊图像。针对目前设备的成像特性,图像产生或传输过程中的噪声污染程度极小,并且鲜有传递介质密度不均的情况,故根据实际情况出发,本发明实施例提供的上述处理方法中仅针对运动模糊图像和散焦模糊图像进行优化修复。
可选地,在本发明实施例提供的上述处理方法中,上述步骤S101对获取到的显示面板光学检测图像中的模糊图像进行图像傅里叶频谱特性分析,确定模糊图像的模糊类型,如图2所示,可以具体包括以下步骤:
S201、对获取到的显示面板光学检测图像进行预判,确定其中的模糊图像;
S202、对模糊图像进行二维快速傅里叶变换,生成与模糊图像对应的傅里叶频谱图;
S203、确定傅里叶频谱图中特定区域的白色点位的数量是否大于预设数值;特定区域为傅里叶频谱图中除中心区域之外的区域;若是,则执行步骤S204;若否,则执行步骤S205;
S204、确定模糊图像的模糊类型为运动模糊图像;
S205、确定模糊图像的模糊类型为散焦模糊图像。
具体地,在本发明实施例提供的上述处理方法中,上述步骤S201可以通过技术人员对获取到的显示面板光学检测图像进行预判断,将模糊图像导入修复程序预设文件夹一中,也可以通过设定的程序自动将获取到的显示面板光学检测图像进行预判断,将模糊图像导入修复程序预设文件夹一中,在此不做限定。
具体地,在本发明实施例提供的上述处理方法中,上述步骤S202可以依次对预设文件夹一中的模糊图像进行二维快速傅里叶变换,生成对应的傅里叶频谱图,例如图4所示的运动模糊图像对应的傅里叶频谱图,图5所示的散焦模糊图像对应的傅里叶频谱图。
之后通过步骤S203判断模糊图像是否存在运动趋势。具体地,运动模糊图像对应的傅里叶频谱图具有其对应静止图像(清晰图像)频谱的调制特性。运动模糊图像对应的傅里叶频谱图具有高频分量较重的特征,而散焦模糊图像对应的傅里叶频谱图则几乎无此特征。依据以上差异可判定模糊图像是否为运动模糊图像。
具体地,可以通过对模糊图像进行二维快速傅里叶变换后的傅里叶频谱图判断是否存在运动噪声和高斯噪声(因光学检测镜头与拍摄对象距离较小,实际调试中未见噪声污染,高斯噪声可忽略),即判断并统计傅里叶频谱图中的特定区域的白色点位的数量,若超过预设阈值,便判断为运动模糊图像,并将图像导入预设文件夹二中;若未超过预设阈值,便判断为聚焦模糊图像,并将图像导入预设文件三。
具体地,在本发明实施例提供的上述处理方法中,上述步骤S203中提到的傅里叶频谱图中的特定区域指的是傅里叶频谱图中除中心区域之外的区域,具体可以以中心点为圆心,以设定的数值R作为半径,去除中心区域,中心区域一般表示低频分量,在图4中以虚线圈示出了中心区域的位置,中心区域的半径R需要根据实际设备和运动速度设定,在此不做限定。
可选地,在本发明实施例提供的上述处理方法中,上述步骤S203确定傅里叶频谱图中特定区域的白色点位的数量是否大于预设数值,可以具体包括:
首先,对傅里叶频谱图进行二值图像转换,生成对应的二值图;
之后,确定傅二值图中特定区域的白色点位的数量是否大于预设数值。
具体地,对傅里叶频谱图进行二值图像转换的作用是为了突出运动模糊图像与散焦模糊图像的差异,之后可以根据系统实际运行特性设定合适预设数值,减少和消除系统运行中的过判或误判。例如图6所示的运动模糊图像经二值化转换后的傅里叶频谱图,在高频区域(远离中心点)具有较多白色点位,而图7所示的散焦模糊图像经二值化转换后的傅里叶频谱图像则几乎无此特征,依据以上差异可判定模糊图像是否为运动模糊图像。
可选地,在本发明实施例提供的上述处理方法中,上述步骤S102采用与模糊类型匹配的修复方式,对模糊图像中的模糊区域进行还原处理,如图3所示,可以具体包括以下步骤:
S301、对模糊图像按照设定的图像分割尺寸提取模糊区域;
S302、对模糊区域采用与模糊类型匹配的修复方式进行还原处理。
具体地,上述步骤S301对模糊图像进行模糊区域的分割提取,可以缩短模糊图像优化修复所需时间。具体地,分割提取方式可分为人工分割和自动分割,人工分割方式可以根据分析需求选择图像分割尺寸,自动分割则根据系统预设尺寸进行分割。并且,在提取模糊区域之后,可以将提取的运动模糊图像中的模糊区域导入预设文件夹四,将提取的散焦模糊图像中的模糊区域导入预设文件夹五中。显然,在预设文件夹四和预设文件夹五中的模糊区域为预设文件夹二和预设文件夹三中糊涂图像对应的子图像。
具体地,在本发明实施例提供的上述处理方法中,对于步骤S101判断出的两种类型的模糊图像均可以认为是在成像过程中,景物上的一个点被弥散成图像上的一个区域,因此图像上的每个点是景物的混合叠加反映,基于此,可以使用卷积公式描述。而盲反卷积适用于噪声小、传递介质密度均匀的模糊模型处理,故本发明实施例提供的上述步骤S102可以选择盲反卷积对模糊图像进行优化修复。
具体地,卷积公式为:x(m,n)*h(m,n)+ξ(m,n)=y(m,n)(公式1)
其中,x(m,n)为景物平面即原始图像,也可以认为是还原后的图像,h(m,n)表示为系统特性,可称为点扩散函数,ξ(m,n)为噪声污染,y(m,n)为成像平面即模糊图像,*为卷积运算过程。
由于实际系统鲜有噪声污染,即ξ(m,n)=0。因此公式1可以简化为:
x(m,n)*h(m,n)=y(m,n)(公式2)
因此,在已知y(m,n)的情况下,估计h(m,n),可以计算出x(m,n)。
基于此,可选地,在本发明实施例提供的上述处理方法中,当模糊类型为运动模糊图像时,上述步骤S102采用与模糊类型匹配的修复方式,对模糊区域进行还原处理,具体包括:
采用与运动模糊图像匹配的盲反卷积,对模糊区域进行还原处理。
可选地,在本发明实施例提供的上述处理方法中,采用与运动模糊图像匹配的盲反卷积,对模糊区域进行还原处理,具体地,假设运动模糊图像为瞬时线性匀速运动,可使用线性移动的模糊函数进行描述,以瞬时水平匀速运动图像为例:
采用如下公式对模糊区域进行还原处理:
x(m,n)*h1(m,n)=y(m,n);
h1(m,n)=1/d,0≤m≤d,n=0;
h1(m,n)=0,其他;
其中,x(m,n)为还原后的图像,h1(m,n)为线性移动模糊函数,y(m,n)为模糊图像,d为模糊图像曝光时间内移动的位移,即照相瞬间相机移动的距离,由实际生产中相机移动瞬时速度和曝光时间估算,m为水平方向的变量,n为竖直方向的变量,*为卷积运算过程。
可选地,在本发明实施例提供的上述处理方法中,当模糊类型为散焦模糊图像时,上述步骤S102采用与模糊类型匹配的修复方式,对模糊区域进行还原处理,具体包括:
采用与散焦模糊图像匹配的盲反卷积,对模糊区域进行还原处理。
可选地,在本发明实施例提供的上述处理方法中,采用与散焦模糊图像匹配的盲反卷积,对模糊区域进行还原处理,具体地,根据几何光学原理,光学系统散焦造成的图像模糊相应的点扩散函数是一个均匀的圆形光斑,光斑的半径取决于该系统的特性,因此采用如下公式对模糊区域进行还原处理:
x(m,n)*h2(m,n)=y(m,n);
h2(m,n)=1/πR2,m2+n2≤R2;
h2(m,n)=0,其他;
其中,x(m,n)为还原后的图像,h2(m,n)为散焦模糊函数,y(m,n)为模糊图像,R为散焦光斑半径,m为水平方向的变量,n为竖直方向的变量,*为卷积运算过程。
可选地,在本发明实施例提供的上述处理方法中,在执行步骤S102之后,可以将运动模糊图像的模糊区域和散焦模糊图像的模糊区域修复后的图像分别导入预设文件夹六和预设文件夹七。
可选地,在本发明实施例提供的上述处理方法中,当模糊类型为运动模糊图像时,上述步骤S102采用与模糊类型匹配的修复方式,对模糊区域进行还原处理,也可以具体包括:
采用维纳滤波对模糊区域进行还原处理。
具体地,图8示出了本发明实施例提供的上述处理方法的一个完整的流程图,其具体实现过程在此不作详述。
基于同一发明构思,本发明实施例还提供了一种计算机可读介质,包括程序代码,当程序代码在计算设备上运行时,程序代码用于使计算设备执行上述显示面板光学检测图像的处理方法的步骤。由于该计算机可读介质解决问题的原理与前述一种处理方法相似,因此该计算机可读介质的实施可以参见处理方法的实施,重复之处不再赘述。
程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
根据本发明的实施方式的用于显示产品,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在服务器设备上运行。然而,本发明的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被信息传输、装置或者器件使用或者与其结合使用。
可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括——但不限于——电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由周期网络动作系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于——无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算设备,或者,可以连接到外部计算设备。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到本发明实施例可以通过硬件实现,也可以借助软件加必要的通用硬件平台的方式来实现。基于这样的理解,本发明实施例的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
本领域技术人员可以理解附图只是一个优选实施例的示意图,附图中的模块或流程并不一定是实施本发明所必须的。
本领域技术人员可以理解实施例中的装置中的模块可以按照实施例描述进行分布于实施例的装置中,也可以进行相应变化位于不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块,也可以进一步拆分成多个子模块。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种显示面板光学检测图像的处理方法,其特征在于,包括:
对获取到的显示面板光学检测图像中的模糊图像进行图像傅里叶频谱特性分析,确定所述模糊图像的模糊类型;所述模糊类型包括:运动模糊图像和散焦模糊图像;
采用与所述模糊类型匹配的修复方式,对所述模糊图像中的模糊区域进行还原处理。
2.如权利要求1所述的处理方法,其特征在于,所述对获取到的显示面板光学检测图像中的模糊图像进行图像傅里叶频谱特性分析,确定所述模糊图像的模糊类型,具体包括:
对获取到的显示面板光学检测图像进行预判,确定其中的模糊图像;
对所述模糊图像进行二维快速傅里叶变换,生成与所述模糊图像对应的傅里叶频谱图;
确定所述傅里叶频谱图中特定区域的白色点位的数量是否大于预设数值;所述特定区域为所述傅里叶频谱图中除中心区域之外的区域;
若是,则确定所述模糊图像的模糊类型为运动模糊图像;
若否,则确定所述模糊图像的模糊类型为散焦模糊图像。
3.如权利要求2所述的处理方法,其特征在于,所述确定所述傅里叶频谱图中特定区域的白色点位的数量是否大于预设数值,具体包括:
对所述傅里叶频谱图进行二值图像转换,生成对应的二值图;
确定所述傅二值图中所述特定区域的白色点位的数量是否大于预设数值。
4.如权利要求1-3任一项所述的处理方法,其特征在于,所述采用与所述模糊类型匹配的修复方式,对所述模糊图像中的模糊区域进行还原处理,具体包括:
对所述模糊图像按照设定的图像分割尺寸提取模糊区域;
对所述模糊区域采用与所述模糊类型匹配的修复方式进行还原处理。
5.如权利要求4所述的处理方法,其特征在于,当所述模糊类型为运动模糊图像时,采用与所述模糊类型匹配的修复方式,对所述模糊区域进行还原处理,具体包括:
采用与所述运动模糊图像匹配的盲反卷积,对所述模糊区域进行还原处理。
6.如权利要求5所述的处理方法,其特征在于,所述采用与所述运动模糊图像匹配的盲反卷积,对所述模糊区域进行还原处理,具体包括:
采用如下公式对所述模糊区域进行还原处理:
x(m,n)*h1(m,n)=y(m,n);
h1(m,n)=1/d,0≤m≤d,n=0;
h1(m,n)=0,其他;
其中,x(m,n)为还原后的图像,h1(m,n)为线性移动模糊函数,y(m,n)为所述模糊图像,d为所述模糊图像曝光时间内移动的位移,m为水平方向的变量,n为竖直方向的变量,*为卷积运算过程。
7.如权利要求4所述的处理方法,其特征在于,当所述模糊类型为散焦模糊图像时,采用与所述模糊类型匹配的修复方式,对所述模糊区域进行还原处理,具体包括:
采用与所述散焦模糊图像匹配的盲反卷积,对所述模糊区域进行还原处理。
8.如权利要求7所述的处理方法,其特征在于,所述采用与所述散焦模糊图像匹配的盲反卷积,对所述模糊区域进行还原处理,具体包括:
采用如下公式对所述模糊区域进行还原处理:
x(m,n)*h2(m,n)=y(m,n);
h2(m,n)=1/πR2,m2+n2≤R2;
h2(m,n)=0,其他;
其中,x(m,n)为还原后的图像,h2(m,n)为散焦模糊函数,y(m,n)为所述模糊图像,R为散焦光斑半径,m为水平方向的变量,n为竖直方向的变量,*为卷积运算过程。
9.如权利要求4所述的处理方法,其特征在于,当所述模糊类型为运动模糊图像时,采用与所述模糊类型匹配的修复方式,对所述模糊区域进行还原处理,具体包括:
采用维纳滤波对所述模糊区域进行还原处理。
10.一种计算机可读介质,其特征在于,包括程序代码,当所述程序代码在计算设备上运行时,所述程序代码用于使所述计算设备执行权利要求1-9任一项所述显示面板光学检测图像的处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810710468.8A CN108898563B (zh) | 2018-07-02 | 2018-07-02 | 一种显示面板光学检测图像的处理方法及计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810710468.8A CN108898563B (zh) | 2018-07-02 | 2018-07-02 | 一种显示面板光学检测图像的处理方法及计算机可读介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108898563A true CN108898563A (zh) | 2018-11-27 |
CN108898563B CN108898563B (zh) | 2021-01-22 |
Family
ID=64347488
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810710468.8A Expired - Fee Related CN108898563B (zh) | 2018-07-02 | 2018-07-02 | 一种显示面板光学检测图像的处理方法及计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108898563B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110148141A (zh) * | 2019-05-21 | 2019-08-20 | 东莞市瑞图新智科技有限公司 | 一种丝印滤光片小片检测计数方法及设备 |
CN112861786A (zh) * | 2021-03-09 | 2021-05-28 | 南开大学 | 人脸篡改视频检测方法和人脸篡改视频检测装置 |
CN114815260A (zh) * | 2022-05-10 | 2022-07-29 | 福州京东方光电科技有限公司 | 近眼显示装置及设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104331871A (zh) * | 2014-12-02 | 2015-02-04 | 苏州大学 | 一种图像去模糊方法及装置 |
CN106600559A (zh) * | 2016-12-21 | 2017-04-26 | 东方网力科技股份有限公司 | 模糊核获取以及图像去模糊方法及装置 |
CN106651791A (zh) * | 2016-11-21 | 2017-05-10 | 云南电网有限责任公司电力科学研究院 | 一种单幅运动模糊图像恢复方法 |
CN107274378A (zh) * | 2017-07-25 | 2017-10-20 | 江西理工大学 | 一种融合记忆cnn的图像模糊类型识别及参数整定方法 |
CN107292838A (zh) * | 2017-06-07 | 2017-10-24 | 汕头大学 | 基于模糊区域分割的图像去模糊方法 |
CN107545549A (zh) * | 2017-07-21 | 2018-01-05 | 南京航空航天大学 | 基于一维频谱曲线的散焦点扩散函数估计方法 |
-
2018
- 2018-07-02 CN CN201810710468.8A patent/CN108898563B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104331871A (zh) * | 2014-12-02 | 2015-02-04 | 苏州大学 | 一种图像去模糊方法及装置 |
CN106651791A (zh) * | 2016-11-21 | 2017-05-10 | 云南电网有限责任公司电力科学研究院 | 一种单幅运动模糊图像恢复方法 |
CN106600559A (zh) * | 2016-12-21 | 2017-04-26 | 东方网力科技股份有限公司 | 模糊核获取以及图像去模糊方法及装置 |
CN107292838A (zh) * | 2017-06-07 | 2017-10-24 | 汕头大学 | 基于模糊区域分割的图像去模糊方法 |
CN107545549A (zh) * | 2017-07-21 | 2018-01-05 | 南京航空航天大学 | 基于一维频谱曲线的散焦点扩散函数估计方法 |
CN107274378A (zh) * | 2017-07-25 | 2017-10-20 | 江西理工大学 | 一种融合记忆cnn的图像模糊类型识别及参数整定方法 |
Non-Patent Citations (4)
Title |
---|
HAIYONG GAN等: ""Image blurring and deblurring using two biased photorefractive crystals in the frequency domain"", 《THE INTERNATIONAL SOCIETY FOR OPTICAL ENGINEERING》 * |
周曲等: ""倒谱在混合模糊图像分析中的应用"", 《光学技术》 * |
段彩艳等: ""基于频谱分析的退化图像模糊类型识别"", 《云南大学学报(自然科学版)》 * |
韩小芳等: ""运动与离焦模糊图像的复原"", 《光子学报》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110148141A (zh) * | 2019-05-21 | 2019-08-20 | 东莞市瑞图新智科技有限公司 | 一种丝印滤光片小片检测计数方法及设备 |
CN112861786A (zh) * | 2021-03-09 | 2021-05-28 | 南开大学 | 人脸篡改视频检测方法和人脸篡改视频检测装置 |
CN112861786B (zh) * | 2021-03-09 | 2022-12-02 | 南开大学 | 人脸篡改视频检测方法和人脸篡改视频检测装置 |
CN114815260A (zh) * | 2022-05-10 | 2022-07-29 | 福州京东方光电科技有限公司 | 近眼显示装置及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN108898563B (zh) | 2021-01-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20190340746A1 (en) | Stationary object detecting method, apparatus and electronic device | |
CN108280822A (zh) | 屏幕划痕的检测方法及装置 | |
CN103344190B (zh) | 一种基于线扫描的弹性臂姿态测量方法及系统 | |
CN114758337B (zh) | 一种语义实例重建方法、装置、设备及介质 | |
CN110910445B (zh) | 一种物件尺寸检测方法、装置、检测设备及存储介质 | |
CN111415300A (zh) | 一种用于全景图像的拼接方法和系统 | |
US11055523B2 (en) | System and method for quantifying reflection e.g. when analyzing laminated documents | |
CN105513083A (zh) | 一种ptam摄像机跟踪方法及装置 | |
US20150066443A1 (en) | Computing device and method for analyzing assembly clearance between two components of product | |
US10521918B2 (en) | Method and device for filtering texture, using patch shift | |
CN112801888A (zh) | 图像处理方法、装置、计算机设备及存储介质 | |
CN116152685B (zh) | 一种基于无人机视野下行人检测方法及系统 | |
CN108898563A (zh) | 一种显示面板光学检测图像的处理方法及计算机可读介质 | |
CN114627239A (zh) | 包围盒生成方法、装置、设备及存储介质 | |
US11412194B2 (en) | Method and system for employing depth perception to alter projected images on various surfaces | |
Han et al. | SSGD: A smartphone screen glass dataset for defect detection | |
CN115359108A (zh) | 焦点堆栈重建指导下的基于散焦的深度预测方法及系统 | |
CN111539899A (zh) | 图像修复方法及相关产品 | |
CN112686896B (zh) | 基于分割网络的频域空间结合的玻璃缺陷检测方法 | |
CN111815748B (zh) | 一种动画处理方法、装置、存储介质及电子设备 | |
JP2023535662A (ja) | ビデオを修復するための方法、装置、機器、媒体及びコンピュータプログラム | |
CN116363027A (zh) | 一种利用红外图去除屏下rgb图像彩虹状眩光方法、设备及存储介质 | |
CN115937324A (zh) | 一种装配质量评价方法、装置、设备及存储介质 | |
CN112052863B (zh) | 一种图像检测方法及装置、计算机存储介质、电子设备 | |
CN111870954B (zh) | 一种高度图生成方法、装置、设备及存储介质 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210122 |
|
CF01 | Termination of patent right due to non-payment of annual fee |