CN109166111B - 一种电子墨水屏缺陷检测方法及系统 - Google Patents
一种电子墨水屏缺陷检测方法及系统 Download PDFInfo
- Publication number
- CN109166111B CN109166111B CN201810927676.3A CN201810927676A CN109166111B CN 109166111 B CN109166111 B CN 109166111B CN 201810927676 A CN201810927676 A CN 201810927676A CN 109166111 B CN109166111 B CN 109166111B
- Authority
- CN
- China
- Prior art keywords
- image
- carrying
- filtering
- electronic ink
- ink screen
- 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
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
- 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
- G06T2207/20—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
- G06T2207/20048—Transform domain processing
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20224—Image subtraction
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种电子墨水屏缺陷检测方法及系统,其方法包括以下步骤:获取电子墨水屏图像;对图像进行处理,只留下红色区域;将图像转换成CV_32F,然后计算当前像素值;对图像进行傅里叶变换,得到F(u,v);对F(u,v)求幅值,并将幅值图像素值做对数变换并进行归一化处理;对归一化图像做高斯滤波以及中值滤波;对两个滤波结果做差并进行二值化处理;将二值化处理结果分别与傅里叶变换得到的实部、虚部进行卷积运算;对图像进行傅里叶逆变换,并对逆变换中的实部做中心化处理并转换到CV_8U;对图像进行均值滤波,计算得到两者的差值图,并对差值图进行二值化处理;设置缺陷大小进行缺陷筛选。本发明能够快速、精准地检测出电子墨水屏缺陷。
Description
技术领域
本发明涉及缺陷检测技术领域,特别涉及一种电子墨水屏缺陷检测方法及系统。
背景技术
目前针对电子墨水屏的外观缺陷检测,主流方法依然是人工目视检测。此方法不仅需要大量人力,而且效率比较低,同时对人的眼睛伤害比较大;另一方面利用人力目视检测,主观性比较大,容易造成过检以及漏检情况。
虽然有部分厂家采用了自动检测系统。但是市场上的自动检测系统主要针对特定画面或有一定共性的缺陷,采用有针对性的视觉成像技术,使缺陷在图像中呈现出来,再结合对应的图像处理算法检测出缺陷形态及位置,达到替代人工检测的效果。但电子墨水屏画面类型以及型号比较多,缺陷类型繁琐,一般的缺陷检测系统基本上不可能达到同时检测所有缺陷的效果。同时,电子墨水屏的需求量大,生产周期短,按画面类型设计多套检测系统的方法不能满足客户需求。
发明内容
针对现有技术的不足,本发明目的之一在于提供一种快速、精准、检测效率高的电子墨水屏缺陷检测方法,其采用如下技术方案。
一种电子墨水屏缺陷检测方法,其包括以下步骤:
S1、获取电子墨水屏图像;
S2、对图像进行处理,只留下红色区域;
S3、将图像转换成CV_32F,然后利用公式P(x,y)=F(x,y)*(-1)^(x+y),计算当前像素值;
S4、对图像进行傅里叶变换,得到F(u,v);
S5、对F(u,v)求幅值,并将幅值图像素值做对数变换并进行归一化处理;
S6、对归一化图像做高斯滤波以及中值滤波;
S7、对两个滤波结果做差并进行二值化处理;
S8、将二值化处理结果分别与傅里叶变换得到的实部、虚部进行卷积运算;
S9、对图像进行傅里叶逆变换,并对逆变换中的实部做中心化处理并转换到CV_8U;
S10、对图像进行均值滤波,计算得到两者的差值图,并对差值图进行二值化处理;
S11、设置缺陷大小进行缺陷筛选。
作为本发明的进一步改进,S2、对图像进行处理,只留下红色区域,具体包括:
将BGR空间转到HSV空间,确定HSV三个通道的取值范围;定义一个大小相同的掩膜图像;遍历全图,判断当前位置是否是红色区域,若是,则令掩膜图像当前像素值为255,最后对掩膜图像做形态学闭操作,寻找掩膜图像最大轮廓并保存轮廓外接矩形框。
作为本发明的进一步改进,所述S10、对图像进行均值滤波,计算得到两者的差值图,并对差值图进行二值化处理,具体包括:
对图像进行均值滤波得到滤波图,用原图减去滤波图寻找白色缺陷,用滤波图减去原图寻找黑色缺陷,并根据缺陷类型设置阈值对差值图做二值化处理。
作为本发明的进一步改进,所述阈值为:黑色20,白色35。
本发明目的之二在于提供一种快速、精准、检测效率高的电子墨水屏缺陷检测系统,其采用如下技术方案。
一种电子墨水屏缺陷检测系统,其包括:
图像采集模块,用于获取电子墨水屏图像;
图像处理模块,用于对图像进行处理,只留下红色区域;将图像转换成CV_32F,然后利用公式P(x,y)=F(x,y)*(-1)^(x+y),计算当前像素值;对图像进行傅里叶变换,得到F(u,v);对F(u,v)求幅值,并将幅值图像素值做对数变换并进行归一化处理;对归一化图像做高斯滤波以及中值滤波;对两个滤波结果做差并进行二值化处理;将二值化处理结果分别与傅里叶变换得到的实部、虚部进行卷积运算;对图像进行傅里叶逆变换,并对逆变换中的实部做中心化处理并转换到CV_8U;对图像进行均值滤波,计算得到两者的差值图,并对差值图进行二值化处理;设置缺陷大小进行缺陷筛选。
作为本发明的进一步改进,所述图像采集模块包括工业面阵彩色相机单元。
作为本发明的进一步改进,所述对图像进行处理,只留下红色区域,具体包括:
将BGR空间转到HSV空间,确定HSV三个通道的取值范围;定义一个大小相同的掩膜图像;遍历全图,判断当前位置是否是红色区域,若是,则令掩膜图像当前像素值为255,最后对掩膜图像做形态学闭操作,寻找掩膜图像最大轮廓并保存轮廓外接矩形框。
作为本发明的进一步改进,所述对图像进行均值滤波,计算得到两者的差值图,并对差值图进行二值化处理,具体包括:
对图像进行均值滤波得到滤波图,用原图减去滤波图寻找白色缺陷,用滤波图减去原图寻找黑色缺陷,并根据缺陷类型设置阈值对差值图做二值化处理。
本发明的有益效果:
本发明的电子墨水屏缺陷检测方法及系统能够快速、精准、稳定地检测出电子墨水屏外观的所有缺陷,替代甚至超越人工检测,达到降低工人劳动强度、节约人力成本,提高生产效率的目的。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂,以下特举较佳实施例,并配合附图,详细说明如下。
附图说明
图1是本发明实施例中电子墨水屏缺陷检测方法的示意图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明,以使本领域的技术人员可以更好地理解本发明并能予以实施,但所举实施例不作为对本发明的限定。
如图1所示,为本发明实施例中的电子墨水屏缺陷检测方法,该方法包括以下步骤:
S1、获取电子墨水屏图像;
S2、对图像进行处理,只留下红色区域;
具体包括:将BGR空间转到HSV空间,确定HSV三个通道的取值范围;定义一个大小相同的掩膜图像;遍历全图,判断当前位置是否是红色区域,若是,则令掩膜图像当前像素值为255,最后对掩膜图像做形态学闭操作,寻找掩膜图像最大轮廓并保存轮廓外接矩形框。
优选的,上述取值范围为:H空间0-10或156-180,S空间43-255,V空间46-255。
S3、将图像转换成CV_32F,然后利用公式P(x,y)=F(x,y)*(-1)^(x+y),计算当前像素值;
S4、对图像进行傅里叶变换,得到F(u,v);
S5、对F(u,v)求幅值,并将幅值图像素值做对数变换并进行归一化处理;
S6、对归一化图像做高斯滤波以及中值滤波;
S7、对两个滤波结果做差并进行二值化处理;
S8、将二值化处理结果分别与傅里叶变换得到的实部、虚部进行卷积运算;
S9、对图像进行傅里叶逆变换,并对逆变换中的实部做中心化处理并转换到CV_8U;
S10、对图像进行均值滤波,计算得到两者的差值图,并对差值图进行二值化处理;
具体包括:
对图像进行均值滤波得到滤波图,用原图减去滤波图寻找白色缺陷,用滤波图减去原图寻找黑色缺陷,并根据缺陷类型设置阈值对差值图做二值化处理。
在本实施例中,阈值为:黑色20,白色35。在本发明的其他实施例中,阈值可根据实际需求进行设置。
S11、设置缺陷大小进行缺陷筛选。
本发明实施例中的电子墨水屏缺陷检测系统包括:
图像采集模块,用于获取电子墨水屏图像;
优选的,图像采集模块包括工业面阵彩色相机单元。
图像处理模块,用于对图像进行处理,只留下红色区域;将图像转换成CV_32F,然后利用公式P(x,y)=F(x,y)*(-1)^(x+y),计算当前像素值;对图像进行傅里叶变换,得到F(u,v);对F(u,v)求幅值,并将幅值图像素值做对数变换并进行归一化处理;对归一化图像做高斯滤波以及中值滤波;对两个滤波结果做差并进行二值化处理;将二值化处理结果分别与傅里叶变换得到的实部、虚部进行卷积运算;对图像进行傅里叶逆变换,并对逆变换中的实部做中心化处理并转换到CV_8U;对图像进行均值滤波,计算得到两者的差值图,并对差值图进行二值化处理;设置缺陷大小进行缺陷筛选。
具体的,上述对图像进行处理,只留下红色区域,具体包括:
将BGR空间转到HSV空间,确定HSV三个通道的取值范围;定义一个大小相同的掩膜图像;遍历全图,判断当前位置是否是红色区域,若是,则令掩膜图像当前像素值为255,最后对掩膜图像做形态学闭操作,寻找掩膜图像最大轮廓并保存轮廓外接矩形框。
优选的,上述取值范围为:H空间0-10或156-180,S空间43-255,V空间46-255。
具体的,上述对图像进行均值滤波,计算得到两者的差值图,并对差值图进行二值化处理,具体包括:
对图像进行均值滤波得到滤波图,用原图减去滤波图寻找白色缺陷,用滤波图减去原图寻找黑色缺陷,并根据缺陷类型设置阈值对差值图做二值化处理。
本发明的有益效果:
本发明的电子墨水屏缺陷检测方法能够快速、精准、稳定地检测出电子墨水屏外观的所有缺陷,替代甚至超越人工检测,达到降低工人劳动强度、节约人力成本,提高生产效率的目的。
以上实施例仅是为充分说明本发明而所举的较佳的实施例,本发明的保护范围不限于此。本技术领域的技术人员在本发明基础上所作的等同替代或变换,均在本发明的保护范围之内。本发明的保护范围以权利要求书为准。
Claims (6)
1.一种电子墨水屏缺陷检测方法,其特征在于,包括以下步骤:
S1、获取电子墨水屏图像;
S2、对图像进行处理,只留下红色区域;
S3、将图像转换成CV_32F,然后利用公式P(x,y)=F(x,y)*(-1)^(x+y),计算当前像素值;
S4、对图像进行傅里叶变换,得到F(u,v);
S5、对F(u,v)求幅值,并将幅值图像素值做对数变换并进行归一化处理;
S6、对归一化图像做高斯滤波以及中值滤波;
S7、对两个滤波结果做差并进行二值化处理;
S8、将二值化处理结果分别与傅里叶变换得到的实部、虚部进行卷积运算;
S9、对图像进行傅里叶逆变换,并对逆变换中的实部做中心化处理并转换到CV_8U;
S10、对图像进行均值滤波,计算得到两者的差值图,并对差值图进行二值化处理,具体包括:
对图像进行均值滤波得到滤波图,用原图减去滤波图寻找白色缺陷,用滤波图减去原图寻找黑色缺陷,并根据缺陷类型设置阈值对差值图做二值化处理;
S11、设置缺陷大小进行缺陷筛选。
2.如权利要求1所述的电子墨水屏缺陷检测方法,其特征在于,所述S2、对图像进行处理,只留下红色区域,具体包括:
将BGR空间转到HSV空间,确定HSV三个通道的取值范围;定义一个大小相同的掩膜图像;遍历全图,判断当前位置是否是红色区域,若是,则令掩膜图像当前像素值为255,最后对掩膜图像做形态学闭操作,寻找掩膜图像最大轮廓并保存轮廓外接矩形框。
3.如权利要求1所述的电子墨水屏缺陷检测方法,其特征在于,所述阈值为:黑色20,白色35。
4.一种电子墨水屏缺陷检测系统,其特征在于,包括:
图像采集模块,用于获取电子墨水屏图像;
图像处理模块,用于对图像进行处理,只留下红色区域;将图像转换成CV_32F,然后利用公式P(x,y)=F(x,y)*(-1)^(x+y),计算当前像素值;对图像进行傅里叶变换,得到F(u,v);对F(u,v)求幅值,并将幅值图像素值做对数变换并进行归一化处理;对归一化图像做高斯滤波以及中值滤波;对两个滤波结果做差并进行二值化处理;将二值化处理结果分别与傅里叶变换得到的实部、虚部进行卷积运算;对图像进行傅里叶逆变换,并对逆变换中的实部做中心化处理并转换到CV_8U;对图像进行均值滤波,计算得到两者的差值图,并对差值图进行二值化处理;设置缺陷大小进行缺陷筛选;
所述对图像进行均值滤波,计算得到两者的差值图,并对差值图进行二值化处理,具体包括:对图像进行均值滤波得到滤波图,用原图减去滤波图寻找白色缺陷,用滤波图减去原图寻找黑色缺陷,并根据缺陷类型设置阈值对差值图做二值化处理。
5.如权利要求4所述的电子墨水屏缺陷检测系统,其特征在于,所述图像采集模块包括工业面阵彩色相机单元。
6.如权利要求4所述的电子墨水屏缺陷检测系统,其特征在于,所述对图像进行处理,只留下红色区域,具体包括:
将BGR空间转到HSV空间,确定HSV三个通道的取值范围;定义一个大小相同的掩膜图像;遍历全图,判断当前位置是否是红色区域,若是,则令掩膜图像当前像素值为255,最后对掩膜图像做形态学闭操作,寻找掩膜图像最大轮廓并保存轮廓外接矩形框。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810927676.3A CN109166111B (zh) | 2018-08-15 | 2018-08-15 | 一种电子墨水屏缺陷检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810927676.3A CN109166111B (zh) | 2018-08-15 | 2018-08-15 | 一种电子墨水屏缺陷检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109166111A CN109166111A (zh) | 2019-01-08 |
CN109166111B true CN109166111B (zh) | 2021-06-29 |
Family
ID=64895770
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810927676.3A Active CN109166111B (zh) | 2018-08-15 | 2018-08-15 | 一种电子墨水屏缺陷检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109166111B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN110378327B (zh) * | 2019-07-09 | 2021-05-18 | 浙江大学 | 添加辅助性显著特征的目标检测装置及方法 |
CN110895806A (zh) * | 2019-07-25 | 2020-03-20 | 研祥智能科技股份有限公司 | 屏幕显示缺陷的检测方法及系统 |
CN114354138A (zh) * | 2021-12-30 | 2022-04-15 | 杭州电子科技大学 | 一种基于图像处理的屏幕频闪检测系统及方法 |
CN117218097B (zh) * | 2023-09-23 | 2024-04-12 | 宁波江北骏欣密封件有限公司 | 一种轴套类丝网垫圈零件表面缺陷检测方法及装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007272180A (ja) * | 2006-03-30 | 2007-10-18 | Lg Phillips Lcd Co Ltd | 液晶表示装置及びその駆動方法 |
CN101290747B (zh) * | 2008-06-18 | 2011-01-12 | 北京工业大学 | 电子纸屏幕的图像显示方法 |
CN101290746A (zh) * | 2008-06-18 | 2008-10-22 | 北京工业大学 | 电子纸屏幕的图像更新方法 |
-
2018
- 2018-08-15 CN CN201810927676.3A patent/CN109166111B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109166111A (zh) | 2019-01-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109166111B (zh) | 一种电子墨水屏缺陷检测方法及系统 | |
WO2022062812A1 (zh) | 屏幕缺陷检测方法、装置和电子设备 | |
CN104749184B (zh) | 自动光学检测方法和系统 | |
CN107705288B (zh) | 伪目标运动强干扰下的危险气体泄漏红外视频检测方法 | |
CN105913093B (zh) | 一种用于文字识别处理的模板匹配方法 | |
GB2569751A (en) | Static infrared thermal image processing-based underground pipe leakage detection method | |
CN108288264B (zh) | 一种广角摄像头模组脏污测试方法 | |
CN105445277A (zh) | 一种fpc表面质量视觉智能检测方法 | |
CN111311542A (zh) | 一种产品质量检测方法及装置 | |
CN107014819A (zh) | 一种太阳能电池板表面缺陷检测系统和方法 | |
CN112364740B (zh) | 一种基于计算机视觉的无人机房监控方法及系统 | |
CN110473184A (zh) | 一种pcb板缺陷检测方法 | |
CN109087363B (zh) | 一种基于hsv颜色空间的污水排放检测方法 | |
CN104899871A (zh) | 一种ic元件焊点空焊检测方法 | |
CN106228541A (zh) | 视觉检测中屏幕定位的方法及装置 | |
CN103149214A (zh) | 水果表面缺陷检测方法 | |
CN111695373B (zh) | 斑马线的定位方法、系统、介质及设备 | |
CN110007493A (zh) | 液晶显示屏中碎亮点检测方法 | |
CN114387269B (zh) | 一种基于激光的纤维丝缺损检测方法 | |
Ren et al. | Circuit board defect detection based on image processing | |
CN113658092A (zh) | 一种基于图像处理的铝电解电容缺陷检测方法 | |
CN110441318A (zh) | 一种基于机器视觉的化纤喷丝头孔缺陷检测方法 | |
CN117115171B (zh) | 一种应用于地铁lcd显示屏的轻微亮点缺陷检测方法 | |
TW201723928A (zh) | 一種熱影像區域分割方法 | |
CN109544535B (zh) | 一种基于红外截止滤镜光学滤波特性的窥视摄像头检测方法及系统 |
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 |