CN109345528A - 一种基于人眼视觉特性的显示屏缺陷检测方法及装置 - Google Patents

一种基于人眼视觉特性的显示屏缺陷检测方法及装置 Download PDF

Info

Publication number
CN109345528A
CN109345528A CN201811136406.7A CN201811136406A CN109345528A CN 109345528 A CN109345528 A CN 109345528A CN 201811136406 A CN201811136406 A CN 201811136406A CN 109345528 A CN109345528 A CN 109345528A
Authority
CN
China
Prior art keywords
display image
image
detected
display screen
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.)
Granted
Application number
CN201811136406.7A
Other languages
English (en)
Other versions
CN109345528B (zh
Inventor
马增婷
姚毅
时广军
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.)
Luster LightTech Co Ltd
Original Assignee
Luster LightTech 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 Luster LightTech Co Ltd filed Critical Luster LightTech Co Ltd
Priority to CN201811136406.7A priority Critical patent/CN109345528B/zh
Publication of CN109345528A publication Critical patent/CN109345528A/zh
Application granted granted Critical
Publication of CN109345528B publication Critical patent/CN109345528B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G06T2207/30—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)
  • Image Processing (AREA)
  • Image Analysis (AREA)
  • Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)

Abstract

本申请提供了一种基于人眼视觉特性的显示屏缺陷检测方法及装置，该方法获取待检测显示屏图像；利用人眼对比敏感度函数，创建频域滤波核；对待检测屏幕图像进行傅里叶变换，得到变换后的待检测屏幕图像；利用频域滤波核，对变换后的待检测显示屏图像进行滤波处理，得到滤波后的待检测显示屏图像；对滤波后的屏幕显示图像进行傅里叶逆变换，得到目标显示屏图像；根据目标显示屏图像，按照预设的算法，计算得到分割阈值；根据分割阈值，对目标显示屏图像进行分割，得到多个显示屏子图像；对所有显示屏子图像进行筛选，得到显示屏缺陷图像。利用人眼对比敏感度函数，创建频域滤波核，使得到的缺陷图像符合人眼视觉特性，提高检测结果的准确性。

Description

一种基于人眼视觉特性的显示屏缺陷检测方法及装置
技术领域
本申请涉及显示屏检测领域，尤其涉及一种基于人眼视觉特性的显示屏缺陷检测方法及装置。
背景技术
平板显示屏因其高分辨率、高亮度以及无几何变形等优点，被广泛应用在人们日常使用的消费电子产品中，例如电视、电脑等。但是由于显示屏的面积不断增大，制作过程复杂，在制作过程中难免会出现一些缺陷，例如斑点或脏污。因此，显示屏缺陷检测是显示屏制造企业保证出货品质的重要环节。
目前显示屏缺陷检测的方法为AOI设备检测法，利用视觉处理系统自动扫描待检测显示屏的屏幕，经过图像处理，从而检测出显示屏的缺陷，并通过显示器或自动标志把缺陷标示出来。其中，通常采用图像增强、背景拟合和阈值分割方法来对扫描图像进行处理以提高检测缺陷的准确性，但是，弱条状C污缺陷因受背景波动干扰严重且对比度低，采用上述方法处理后的扫描图像仍无法准确识别该缺陷，从而导致检测结果的准确度极低。
发明内容
本申请提供了一种基于人眼视觉特性的显示屏缺陷检测方法及装置，以解决现有显示屏检测方法对于弱条状C污缺陷的检测不准确的问题。
第一方面，本申请提供了一种基于人眼视觉特性的显示屏缺陷检测方法，所述方法包括：
获取待检测显示屏图像；
利用人眼对比敏感度函数，创建频域滤波核；
对待检测屏幕图像进行傅里叶变换，得到变换后的待检测屏幕图像；
利用所述频域滤波核，对所述变换后的待检测显示屏图像进行滤波处理，得到滤波后的待检测显示屏图像；
对所述滤波后的屏幕显示图像进行傅里叶逆变换，得到目标显示屏图像；
根据所述目标显示屏图像，按照预设的算法，计算得到分割阈值；
根据所述分割阈值，对所述目标显示屏图像进行分割，得到多个显示屏子图像；
对所有所述显示屏子图像进行筛选，得到显示屏缺陷图像。
第二方面，本申请提供了一种基于人眼视觉特性的显示屏缺陷检测装置，所述装置包括：
获取模块，用于获取待检测显示屏图像；
创建模块，用于利用人眼对比敏感度函数，创建频域滤波核；
傅里叶变换模块，用于对待检测屏幕图像进行傅里叶变换，得到变换后的待检测屏幕图像；
过滤模块，用于利用所述频域滤波核，对所述变换后的待检测显示屏图像进行滤波处理，得到滤波后的待检测显示屏图像；
傅里叶逆变换模块，用于对所述滤波后的屏幕显示图像进行傅里叶逆变换，得到目标显示屏图像；
分割阈值计算模块，用于根据所述目标显示屏图像，按照预设的算法，计算得到分割阈值；
分割模块，用于根据所述分割阈值，对所述目标显示屏图像进行分割，得到多个显示屏子图像；
筛选模块，用于对所有所述显示屏子图像进行筛选，得到显示屏缺陷图像。
由以上技术方案可知，本申请提供了一种基于人眼视觉特性的显示屏缺陷检测方法及装置，该方法利用人眼对比敏感度函数，创建频域滤波核，然后利用该频域滤波核对待检测显示屏图像进行滤波，使过滤后的待检测显示屏图像更符合人眼的主观感受，使得到的缺陷图像符合人眼视觉特性，提高检测结果的准确性。
附图说明
为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请提供的一种基于人眼视觉特性的显示屏缺陷检测方法的流程图；
图2为人眼对比度敏感函数的曲线图；
图3为待检测显示屏图像的示意图；
图4为图1中步骤106的流程图；
图5为图1中步骤108的流程图；
图6为本申请提供的一种基于人眼视觉特性的显示屏缺陷检测装置的结构示意图；
图7为图6中分割阈值计算模块的结构示意图；
图8为图6中筛选模块的结构示意图。
具体实施方式
本申请主要是针对显示屏的弱条状C污缺陷进行检测，弱条状C污缺陷是在显示屏的背景色为白色时，出现亮度较暗的条状缺陷，该缺陷可以是沿水平方向或者沿垂直方向存在。
第一方面，参见图1，本申请提供了一种基于人眼视觉特性的显示屏缺陷检测方法，包括如下步骤：
步骤101：获取待检测显示屏图像。
步骤102：利用人眼对比敏感度函数，创建频域滤波核。
由于人眼独特的视觉特性，人眼对不同空间频率的响应不同，引入人眼对比敏感函数来创建频域滤波核。对比敏感度CS(contrast sensitivity)定义为人眼能觉察的对比度阈值的倒数，即对比敏感度-1/对比度阈值。在某一空间频率(spatial frequency)下，视觉系统有一定的对比敏感度；反之，在同一对比度时，视觉系统有一定的空间频率分辨力(形觉)。
请参考图2，图2为本发明实施例的人眼对比度敏感函数的曲线图，以空间频率spatial frequency为横坐标，以对比敏感度为纵坐标，所测得的曲线，即人眼对比敏感度函数(contrast sensitivity sensitivity，CSF)。
具体地，利用人眼对比度函数构建的频域滤波核为
GIker(x,y)＝a·Guasssigmx1,sigmy1(x,y)-b·Guasssigmx2,sigmy2(x,y)；
其中，GIker(x,y)为矩阵Iker在图像的像素坐标(x,y)位置的值，Guasssigmx1,sigmy1(x,y)和Guasssigmx2,sigmy2(x,y)为二维高斯函数；
其中，x,y为图像的像素坐标，a、b为预设常数，sigmx1、sigmy1、sigmx2、sigmy2为和待检测缺陷方向和宽度相关参数，x0为待检测屏幕图像在x轴方向的像素横坐标的中值，y0为待检测屏幕图像在y轴方向的像素纵坐标的中值。
优选地，a＝1.75,b＝0.33，当检测水平方向的弱条状C污缺陷时，其中，参见图3，H为沿水平方向，待检测显示屏图像的宽度，Hd为沿水平方向，预设的弱条状C污缺陷宽度，该值可由工作人员根据实际检测的显示屏的尺寸自行设置。
当检测垂直方向的弱条状C污缺陷时，sigmy1＝0,sigmy2＝0,其中，参见图3，W为沿垂直方向，待检测显示屏图像的宽度，Wd为沿垂直方向，预设的弱条状C污缺陷宽度，该值可由工作人员根据实际检测的显示屏的尺寸自行设置。
步骤103：对待检测屏幕图像进行傅里叶变换，得到变换后的待检测屏幕图像。
步骤104：利用所述频域滤波核，对所述变换后的待检测显示屏图像进行滤波处理，得到滤波后的待检测显示屏图像。
具体地，其中，Iker FFT(W,H)为滤波后的待检测显示屏图像，IFFT(W,H)为傅里叶变换后的待检测屏幕图像。
步骤105：对所述滤波后的屏幕显示图像进行傅里叶逆变换，得到目标显示屏图像。
步骤106：根据所述目标显示屏图像，按照预设的算法，计算得到分割阈值。
步骤107：根据所述分割阈值，对所述目标显示屏图像进行分割，得到多个显示屏子图像。
步骤108：对所有所述显示屏子图像进行筛选，得到显示屏缺陷图像。
由以上技术方案可知，本申请提供了一种基于人眼视觉特性的显示屏缺陷检测方法，该方法利用人眼对比敏感度函数，创建频域滤波核，然后利用该频域滤波核对待检测显示屏图像进行滤波，使过滤后的待检测显示屏图像更符合人眼的主观感受，使得到的缺陷图像符合人眼视觉特性，提高检测结果的准确性。
参见图4，在本申请的另一实施例中，上述步骤106包括如下步骤：
步骤401：计算所述目标显示屏图像的均值和方差。
具体地，目标显示屏图像的均值的计算公式如下：
其中，Ava为目标显示屏图像的均值,W为目标显示屏图像的长度，H为目标显示屏图像的宽度，If (W,H)(x,y)为经傅里叶逆变换得到的目标显示屏图像。
目标显示屏图像的方差的计算公式如下：
Ava为目标显示屏图像的均值,W为目标显示屏图像的长度，H为目标显示屏图像的宽度，If (W,H)(x,y)为经傅里叶逆变换得到的目标显示屏图像。
步骤402：根据所述目标显示屏图像的均值和方差，按照如下公式，计算得到分割阈值，
TH＝Ava+Max(2×Var,1.5)，
其中，TH为分割阈值,Ava为目标显示屏图像的均值，Var为目标显示屏图像的方差。
参见图5，在本申请的另一实施例中，上述步骤108包括如下步骤：
步骤501：计算每个所述显示屏子图像的像素面积和灰度均值；
步骤502：如果所述显示屏子图像的像素面积大于面积预设值，且对应的灰度均值大于灰度预设值，则将所述显示屏子图像确定为显示屏缺陷图像。
由以上技术方案可知，本申请提供了一种基于人眼视觉特性的显示屏缺陷检测方法，该方法利用人眼对比敏感度函数，创建频域滤波核，然后利用该频域滤波核对待检测显示屏图像进行滤波，使过滤后的待检测显示屏图像更符合人眼的主观感受，使得到的缺陷图像符合人眼视觉特性，提高检测结果的准确性。
第二方面，参见图6，一种基于人眼视觉特性的显示屏缺陷检测装置，所述装置包括：
获取模块601，用于获取待检测显示屏图像；
创建模块602，用于利用人眼对比敏感度函数，创建频域滤波核；
傅里叶变换模块603，用于对待检测屏幕图像进行傅里叶变换，得到变换后的待检测屏幕图像；
过滤模块604，用于利用所述频域滤波核，对所述变换后的待检测显示屏图像进行滤波处理，得到滤波后的待检测显示屏图像；
傅里叶逆变换模块605，用于对所述滤波后的屏幕显示图像进行傅里叶逆变换，得到目标显示屏图像；
分割阈值计算模块606，用于根据所述目标显示屏图像，按照预设的算法，计算得到分割阈值；
分割模块607，用于根据所述分割阈值，对所述目标显示屏图像进行分割，得到多个显示屏子图像；
筛选模块608，用于对所有所述显示屏子图像进行筛选，得到显示屏缺陷图像。
参见图7，所述分割阈值计算模块606包括：
第一计算单元701，用于计算所述目标显示屏图像的均值和方差；
第二计算单元702，用于根据所述目标显示屏图像的均值和方差，按照如下公式，计算得到分割阈值，
TH＝Ava+Max(2×Var,1.5)，
其中，TH为分割阈值,Ava为目标显示屏图像的均值，Var为目标显示屏图像的方差。
参见图8，所述筛选模块608包括：
第三计算单元801，用于计算每个所述显示屏子图像的像素面积和灰度均值；
判断单元802，用于如果所述显示屏子图像的像素面积大于面积预设值，且对应的灰度均值大于灰度预设值，则将所述显示屏子图像确定为显示屏缺陷图像。
由以上技术方案可知，本申请提供了一种基于人眼视觉特性的显示屏缺陷检测方法及装置，该方法利用人眼对比敏感度函数，创建频域滤波核，然后利用该频域滤波核对待检测显示屏图像进行滤波，使过滤后的待检测显示屏图像更符合人眼的主观感受，使得到的缺陷图像符合人眼视觉特性，提高检测结果的准确性。

Claims (8)

1.一种基于人眼视觉特性的显示屏缺陷检测方法，其特征在于，所述方法包括：
获取待检测显示屏图像；
利用人眼对比敏感度函数，创建频域滤波核；
对待检测屏幕图像进行傅里叶变换，得到变换后的待检测屏幕图像；
利用所述频域滤波核，对所述变换后的待检测显示屏图像进行滤波处理，得到滤波后的待检测显示屏图像；
对所述滤波后的屏幕显示图像进行傅里叶逆变换，得到目标显示屏图像；
根据所述目标显示屏图像，按照预设的算法，计算得到分割阈值；
根据所述分割阈值，对所述目标显示屏图像进行分割，得到多个显示屏子图像；
对所有所述显示屏子图像进行筛选，得到显示屏缺陷图像。
2.如权利要求1所述的方法，其特征在于，所述频域滤波核为
GIker(x,y)＝a·Guasssigmx1,sigmy1(x,y)-b·Guasssigmx2,sigmy2(x,y)；
其中，GIker(x,y)为矩阵Iker在图像的像素坐标(x,y)位置的值，Guasssigmx1,sigmy1(x,y)和Guasssigmx2,sigmy2(x,y)为二维高斯函数；
其中，x,y为图像的像素坐标，a、b为预设常数，sigmx1、sigmy1、sigmx2、sigmy2为和缺陷方向和宽度相关参数，x0为待检测屏幕图像在x轴方向的像素横坐标的中值，y0为待检测屏幕图像在y轴方向的像素纵坐标的中值。
3.如权利要求1所述的方法，其特征在于，所述利用所述频域滤波核，所述根据所述目标显示屏图像，按照预设的算法，计算得到分割阈值包括：
计算所述目标显示屏图像的均值和方差；
根据所述目标显示屏图像的均值和方差，按照如下公式，计算得到分割阈值，
TH＝Ava+Max(2×Var,1.5)，
其中，TH为分割阈值,Ava为目标显示屏图像的均值，Var为目标显示屏图像的方差。
4.如权利要求1所述的方法，其特征在于，所述对所有所述显示屏子图像进行筛选，得到显示屏缺陷图像包括：
计算每个所述显示屏子图像的像素面积和灰度均值；
如果所述显示屏子图像的像素面积大于面积预设值，且对应的灰度均值大于灰度预设值，则将所述显示屏子图像确定为显示屏缺陷图像。
5.一种基于人眼视觉特性的显示屏缺陷检测装置，其特征在于，所述装置包括：
获取模块，用于获取待检测显示屏图像；
创建模块，用于利用人眼对比敏感度函数，创建频域滤波核；
傅里叶变换模块，用于对待检测屏幕图像进行傅里叶变换，得到变换后的待检测屏幕图像；
过滤模块，用于利用所述频域滤波核，对所述变换后的待检测显示屏图像进行滤波处理，得到滤波后的待检测显示屏图像；
傅里叶逆变换模块，用于对所述滤波后的屏幕显示图像进行傅里叶逆变换，得到目标显示屏图像；
分割阈值计算模块，用于根据所述目标显示屏图像，按照预设的算法，计算得到分割阈值；
分割模块，用于根据所述分割阈值，对所述目标显示屏图像进行分割，得到多个显示屏子图像；
筛选模块，用于对所有所述显示屏子图像进行筛选，得到显示屏缺陷图像。
6.如权利要求5所述的装置，其特征在于，所述频域滤波核为
GIker(x,y)＝a·Guasssigmx1,sigmy1(x,y)-b·Guasssigmx2,sigmy2(x,y)；
其中，GIker(x,y)为矩阵Iker在图像的像素坐标(x,y)位置的值，Guasssigmx1,sigmy1(x,y)和Guasssigmx2,sigmy2(x,y)为二维高斯函数；
其中，x,y为图像的像素坐标，a、b为预设常数，sigmx1、sigmy1、sigmx2、sigmy2为和待检测缺陷方向和宽度相关参数，x0为待检测屏幕图像在x轴方向的像素横坐标的中值，y0为待检测屏幕图像在y轴方向的像素纵坐标的中值。
7.如权利要求5所述的装置，其特征在于，所述分割阈值计算模块包括：
第一计算单元，用于计算所述目标显示屏图像的均值和方差；
第二计算单元，用于根据所述目标显示屏图像的均值和方差，按照如下公式，计算得到分割阈值，
TH＝Ava+Max(2×Var,1.5),
其中，TH为分割阈值,Ava为目标显示屏图像的均值，Var为目标显示屏图像的方差。
8.如权利要求5所述的装置，其特征在于，所述筛选模块包括：
第三计算单元，用于计算每个所述显示屏子图像的像素面积和灰度均值；
判断单元，用于如果所述显示屏子图像的像素面积大于面积预设值，且对应的灰度均值大于灰度预设值，则将所述显示屏子图像确定为显示屏缺陷图像。
CN201811136406.7A 2018-09-28 2018-09-28 一种基于人眼视觉特性的显示屏缺陷检测方法及装置 Active CN109345528B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811136406.7A CN109345528B (zh) 2018-09-28 2018-09-28 一种基于人眼视觉特性的显示屏缺陷检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811136406.7A CN109345528B (zh) 2018-09-28 2018-09-28 一种基于人眼视觉特性的显示屏缺陷检测方法及装置

Publications (2)

Publication Number Publication Date
CN109345528A true CN109345528A (zh) 2019-02-15
CN109345528B CN109345528B (zh) 2021-06-18

Family

ID=65307372

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811136406.7A Active CN109345528B (zh) 2018-09-28 2018-09-28 一种基于人眼视觉特性的显示屏缺陷检测方法及装置

Country Status (1)

Country Link
CN (1) CN109345528B (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN110400320A (zh) * 2019-07-25 2019-11-01 福州大学 一种电润湿缺陷像素的分割方法
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
CN110717909A (zh) * 2019-10-15 2020-01-21 江苏科技大学 一种金属表面划痕检测方法与装置
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
CN111815648A (zh) * 2020-07-01 2020-10-23 智慧眼科技股份有限公司 基于图像的水痕判定方法、装置、计算机设备及存储介质
CN112085689A (zh) * 2019-06-12 2020-12-15 上海微电子装备（集团）股份有限公司 一种mura缺陷检测方法、装置、设备及系统
CN112954304A (zh) * 2021-01-18 2021-06-11 湖北经济学院 显示面板Mura缺陷评估方法、系统以及可读存储介质
CN113628184A (zh) * 2021-08-06 2021-11-09 信利光电股份有限公司 基于傅里叶变换对显示屏缺陷进行检测的方法、装置及可读存储介质
CN114299070A (zh) * 2022-03-09 2022-04-08 深圳精智达技术股份有限公司 一种显示屏mura缺陷的检测方法及相关装置
CN116051551A (zh) * 2023-03-29 2023-05-02 深圳市康凌源科技有限公司 基于图像处理的显示屏缺陷检测方法及相关装置
CN116503427A (zh) * 2023-06-27 2023-07-28 深圳市合成快捷电子科技有限公司 一种基于计算机视觉的柔性电路板缺陷区域快速分割方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070070339A1 (en) * 2002-11-29 2007-03-29 Akira Hamamatsu Inspection method and inspection apparatus
US20080107328A1 (en) * 2006-11-03 2008-05-08 Liang-Chia Chen Non-uniform Image Defect Inspection Method
CN103149215A (zh) * 2013-02-27 2013-06-12 中国计量学院 一种钢化玻璃绝缘子缺陷检测方法与装置
CN103558229A (zh) * 2013-11-25 2014-02-05 苏州富鑫林光电科技有限公司 一种tft-lcd制程的mura视觉自动检测方法及装置
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
CN107194919A (zh) * 2017-05-18 2017-09-22 南京大学 基于规律纹理背景重建的手机屏幕缺陷检测方法
CN108205210A (zh) * 2016-12-19 2018-06-26 南京理工大学 基于傅里叶梅林及特征匹配的lcd缺陷检测系统及方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070070339A1 (en) * 2002-11-29 2007-03-29 Akira Hamamatsu Inspection method and inspection apparatus
US20080107328A1 (en) * 2006-11-03 2008-05-08 Liang-Chia Chen Non-uniform Image Defect Inspection Method
CN103149215A (zh) * 2013-02-27 2013-06-12 中国计量学院 一种钢化玻璃绝缘子缺陷检测方法与装置
CN103558229A (zh) * 2013-11-25 2014-02-05 苏州富鑫林光电科技有限公司 一种tft-lcd制程的mura视觉自动检测方法及装置
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
CN108205210A (zh) * 2016-12-19 2018-06-26 南京理工大学 基于傅里叶梅林及特征匹配的lcd缺陷检测系统及方法
CN107194919A (zh) * 2017-05-18 2017-09-22 南京大学 基于规律纹理背景重建的手机屏幕缺陷检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
吴寅: "基于机器视觉的航空显示组件LCD缺陷检测技术研究", 《中国优秀硕士论文全文数据库》 *

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN112085689A (zh) * 2019-06-12 2020-12-15 上海微电子装备（集团）股份有限公司 一种mura缺陷检测方法、装置、设备及系统
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
CN110400320B (zh) * 2019-07-25 2021-08-31 福州大学 一种电润湿缺陷像素的分割方法
CN110400320A (zh) * 2019-07-25 2019-11-01 福州大学 一种电润湿缺陷像素的分割方法
WO2021012735A1 (zh) * 2019-07-25 2021-01-28 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
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
CN110717909A (zh) * 2019-10-15 2020-01-21 江苏科技大学 一种金属表面划痕检测方法与装置
CN111815648A (zh) * 2020-07-01 2020-10-23 智慧眼科技股份有限公司 基于图像的水痕判定方法、装置、计算机设备及存储介质
CN111815648B (zh) * 2020-07-01 2023-07-28 智慧眼科技股份有限公司 基于图像的水痕判定方法、装置、计算机设备及存储介质
CN112954304A (zh) * 2021-01-18 2021-06-11 湖北经济学院 显示面板Mura缺陷评估方法、系统以及可读存储介质
CN112954304B (zh) * 2021-01-18 2022-09-16 湖北经济学院 一种显示面板Mura缺陷评估方法
CN113628184A (zh) * 2021-08-06 2021-11-09 信利光电股份有限公司 基于傅里叶变换对显示屏缺陷进行检测的方法、装置及可读存储介质
CN114299070A (zh) * 2022-03-09 2022-04-08 深圳精智达技术股份有限公司 一种显示屏mura缺陷的检测方法及相关装置
CN116051551A (zh) * 2023-03-29 2023-05-02 深圳市康凌源科技有限公司 基于图像处理的显示屏缺陷检测方法及相关装置
CN116051551B (zh) * 2023-03-29 2023-06-09 深圳市康凌源科技有限公司 基于图像处理的显示屏缺陷检测方法及相关装置
CN116503427A (zh) * 2023-06-27 2023-07-28 深圳市合成快捷电子科技有限公司 一种基于计算机视觉的柔性电路板缺陷区域快速分割方法
CN116503427B (zh) * 2023-06-27 2023-09-22 深圳市合成快捷电子科技有限公司 一种基于计算机视觉的柔性电路板缺陷区域快速分割方法

Also Published As

Publication number Publication date
CN109345528B (zh) 2021-06-18

Similar Documents

Publication Publication Date Title
CN109345528A (zh) 一种基于人眼视觉特性的显示屏缺陷检测方法及装置
CN105301810A (zh) 一种屏幕缺陷检测方法及装置
CN116205823B (zh) 一种基于空域滤波的超声影像去噪方法
WO2018173660A1 (ja) 表面欠陥検査方法及び表面欠陥検査装置
CN107657606B (zh) 一种显示装置的亮度缺陷检测方法与装置
CN108416766B (zh) 双侧入光式导光板缺陷视觉检测方法
CN107918216B (zh) 图像Mura缺陷评估方法、系统以及可读存储介质
CN102800082B (zh) 一种无参考的图像清晰度检测方法
KR101635461B1 (ko) 웨이블릿 변환에서 마스크 필터링을 이용한 얼룩 결함 자동 검출 시스템 및 방법
CN109886960A (zh) 基于机器视觉的玻璃边缘缺陷检测的方法
CN108827181B (zh) 一种基于视觉的板材表面检测方法
CN104616275A (zh) 一种缺陷检测方法和装置
CN111474177A (zh) 基于计算机视觉的液晶屏幕背光异物缺陷检测方法
CN109727233A (zh) 一种lcd缺陷检测方法
CN110189290A (zh) 基于深度学习的金属表面细微缺陷检测方法及装置
US8780097B2 (en) Newton ring mura detection system
WO2020192494A2 (zh) 显示面板的检测方法和检测机台
CN111739012A (zh) 基于转盘的摄像头模组白斑检测系统
CN114066857A (zh) 红外图像质量评价方法、装置、电子设备及可读存储介质
CN110728681A (zh) 一种Mura缺陷检测方法及装置
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
Kropp et al. Drywall state detection in image data for automatic indoor progress monitoring
CN112419229A (zh) 一种显示屏线状缺陷检测方法、装置及存储介质
Maheshwari et al. Non-destructive quality analysis of Indian Gujarat-17 Oryza sativa SSP Indica (Rice) using image processing
CN108022219B (zh) 一种二维图像灰度修正方法

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 100094 701, 7 floor, 7 building, 13 Cui Hunan Ring Road, Haidian District, Beijing.

Applicant after: Lingyunguang Technology Co.,Ltd.

Address before: 100094 701, 7 floor, 7 building, 13 Cui Hunan Ring Road, Haidian District, Beijing.

Applicant before: Beijing lingyunguang Technology Group Co.,Ltd.

Address after: 100094 701, 7 floor, 7 building, 13 Cui Hunan Ring Road, Haidian District, Beijing.

Applicant after: Beijing lingyunguang Technology Group Co.,Ltd.

Address before: 100094 701, 7 floor, 7 building, 13 Cui Hunan Ring Road, Haidian District, Beijing.

Applicant before: LUSTER LIGHTTECH GROUP Co.,Ltd.

GR01 Patent grant
GR01 Patent grant