CN109447955B - 手机背光模组点灯检测roi分割方法 - Google Patents
手机背光模组点灯检测roi分割方法 Download PDFInfo
- Publication number
- CN109447955B CN109447955B CN201811183509.9A CN201811183509A CN109447955B CN 109447955 B CN109447955 B CN 109447955B CN 201811183509 A CN201811183509 A CN 201811183509A CN 109447955 B CN109447955 B CN 109447955B
- Authority
- CN
- China
- Prior art keywords
- region
- module
- area
- roi
- parameter
- 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
- 238000000034 method Methods 0.000 title claims abstract description 23
- 230000011218 segmentation Effects 0.000 title claims abstract description 20
- 238000001514 detection method Methods 0.000 title claims abstract description 19
- 230000000877 morphologic effect Effects 0.000 claims abstract description 5
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 9
- 230000009466 transformation Effects 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 8
- 238000000926 separation method Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 4
- 238000009499 grossing Methods 0.000 claims description 4
- 239000004973 liquid crystal related substance Substances 0.000 description 5
- 230000007547 defect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
- 230000004382 visual function Effects 0.000 description 1
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
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- 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
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种手机背光模组点灯检测ROI分割方法,该手机背光模组点灯检测ROI分割方法包括:步骤1,对待测图片进行全局阈值分析,得到SegmentRegion;步骤2,对阈值分析得到的SegmentRegion进行8邻域的连通域分析,将图像中连通区域找出来并进行标记;步骤3,根据面积大小选择Region,去除干扰,并对选择的区域进行区域填充操作,得到完整化的区域;步骤4,对完整化的区域进行形态学开操作,去除毛刺点,得到模组图案区域。该手机背光模组点灯检测ROI分割方法可以实现将待检测的模组图案画面从采集到的整个手机模组图像中分割出来。
Description
技术领域
本发明涉及机器视觉检测领域,具体地,涉及手机背光模组点灯检测ROI分割方法。
背景技术
机器视觉检测技术主要是通过计算机配合工业相机和镜头来模拟人眼的视觉功能,通过对采集客观事物的图像并从中提取有用信息进行处理并加以理解,最终用于实际的检测与分类。
随着经济的发展,手机已经成为全世界人人不可缺少的物品。在具有液晶屏幕的手机,显示屏是其重要的组件,一个完整的显示屏结构为:前框、水平偏光片、彩色滤光片、玻璃基板、液晶、薄膜电晶体玻璃基板、垂直偏光片、驱动IC与印刷电路板、扩散板、胶框、背光源、背板、主控制器板和背光模组点灯器组成,其中背光模组的好坏直接决定了其产品品质。随着科技的发展,人们对手机显示屏的体验感要求逐渐提高,这也对显示屏背光模组的质量提出了更高的要求,传统的人工检测已经无法满足要求。基于机器视觉方法的液晶显示屏背光模组自动检测具有效率高、检测质量佳、准确率高等诸多优点。
在利用机器视觉技术进行手机液晶背光屏模组点灯检测时,一般步骤为首先通过工业相机采集点灯器点亮下的背光模组图案画面,然后根据图像处理算法对模组画面图像进行分析以判断是否存在缺陷。但在整个检测过程中,最重要的步骤就是将待检测的模组图案画面从采集到的整个手机模组图像中分割出来,即ROI的分割,所有缺陷检测相关的图像处理算法设计皆基于ROI分割基础上进行的。
发明内容
本发明的目的是提供一种手机背光模组点灯检测ROI分割方法,该手机背光模组点灯检测ROI分割方法可以实现将待检测的模组图案画面从采集到的整个手机模组图像中分割出来。
为了实现上述目的,本发明提供了一种手机背光模组点灯检测ROI分割方法,该手机背光模组点灯检测ROI分割方法包括:
步骤1,对待测图片进行全局阈值分析,得到SegmentRegion;
步骤2,对阈值分析得到的SegmentRegion进行8邻域的连通域分析,将图像中连通区域找出来并进行标记;
步骤3,根据面积大小选择Region,去除干扰,并对选择的区域进行区域填充操作,得到完整化的区域;
步骤4,对完整化的区域进行形态学开操作,去除毛刺点,得到模组图案区域;
步骤5,对模组图案区域进行亚像素精度的轮廓拟合,得到图案区域的边缘轮廓,将此轮廓分割成线,并作相应的平滑和近似;分割得到的结果为矩形模组ROI区域的四条边;
步骤6,所述矩形模组ROI区域的四条边按照行列坐标点位置选择算法进行划分得到分离状态下的矩形模组图案区域的四条边;
步骤7,对分离状态下的矩形模组图案区域的四条边进行基于Tukey最小二乘法下的亚像素轮廓的直线拟合,得到矩形区域每条边直线的起始点和结束点坐标;
步骤8,计算拟合得到的矩形ROI轮廓四条边的四个端点坐标;
步骤9,根据步骤8得到的四个端点坐标生成亚像素轮廓,并计算该亚像素轮廓的最小内接矩形,得到该矩形的中心点坐标、旋转角度及对角线的长度,并作矩形拟合;
步骤10,利用步骤9中得到的亚像素轮廓与模组原图进行交集算法,得到背光模组的ROI部分;
步骤11,计算步骤9中矩形的中心点坐标、旋转角度及对角线的长度得到仿射变换矩阵,并根据仿射变换矩阵进行图形的旋转,得到的图像为位置矫正后的图像。
优选地,在步骤1中,
对图像进行灰度化处理并计算图像灰度直方图,按照图像灰度直方图所呈现出来的图像灰度分布选择合适的最小灰度值和最大灰度值,选择的区域为:MinGray<SegmentRegion<MaxGray。
优选地,在步骤6中,所述矩形模组ROI区域的四条边按照行列坐标点位置选择算法进行划分得到分离状态下的矩形模组图案区域的四条边的方法包括:
在亚像素轮廓面积选择算法里,采用“contlength”特征并选择大小为[4916,10000]的参数区间,其中所选择参数的单位为像素个数,得到的结果为矩形模组图案区域水平的两条边缘直线;
采用“rect2_len1”特征并选择大小为[0,1627]的参数区间,矩形模组图案区域竖直的两条边缘直线;
在得到水平和垂直的边缘直线的基础上,同理根据算法里的坐标点列位置“column1”特征对水平的两条直线进行分离,参数区间[500,824]下得到上边缘直线,参数区间[825,1000]下得到下边缘直线;
根据算法里坐标点行位置“row1”特征对竖直的两条直线进行分离,参数区间[873,1000]得到左边缘直线,参数区间[97,865]得到右边缘的直线。
优选地,在步骤9中,为了防止过度分割,在横纵坐标及对角线长度上进行一定参数量的伸缩,伸缩量参数ZoomPar为可调参数,具体规则为:(Row-ZoomPar,Col-ZoomPar)和(Length1+ZoomPar,Length2+zoomPar)。
优选地,在步骤3中,根据面积大小选择Region,去除一些小的且不相干Region的干扰,具体选择的参数为:2.77985e+006<SelectedRegions<2e+007,其中参数表示为像素点的数量,并对选择的区域进行区域填充操作,得到完整化的区域。
根据上述技术方案,本发明可以将待检测的模组图案画面从采集到的整个手机模组图像中分割出来,即ROI的分割,基于机器视觉方法的液晶显示屏背光模组自动检测具有效率高、检测质量佳、准确率高等诸多优点。
本发明的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本发明,但并不构成对本发明的限制。在附图中:
图1是说明本发明的一种背光模组的结构示意图。
附图标记说明
1 背光模组 2 手机显示屏边框
3 模组矩形图案显示区域
具体实施方式
以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本发明,并不用于限制本发明。
本发明提供一种手机背光模组1点灯检测ROI分割方法,该手机背光模组1点灯检测ROI分割方法包括:
步骤1,对待测图片进行全局阈值分析,得到SegmentRegion;
步骤2,对阈值分析得到的SegmentRegion进行8邻域的连通域分析,将图像中连通区域找出来并进行标记;
步骤3,根据面积大小选择Region,去除干扰,并对选择的区域进行区域填充操作,得到完整化的区域;
步骤4,对完整化的区域进行形态学开操作,去除毛刺点,得到模组图案区域;
步骤5,对模组图案区域进行亚像素精度的轮廓拟合,得到图案区域的边缘轮廓,将此轮廓分割成线,并作相应的平滑和近似;分割得到的结果为矩形模组ROI区域的四条边;
步骤6,所述矩形模组ROI区域的四条边按照行列坐标点位置选择算法进行划分得到分离状态下的矩形模组图案区域的四条边;
步骤7,对分离状态下的矩形模组图案区域的四条边进行基于Tukey最小二乘法下的亚像素轮廓的直线拟合,得到矩形区域每条边直线的起始点和结束点坐标;
步骤8,计算拟合得到的矩形ROI轮廓四条边的四个端点坐标;
步骤9,根据步骤8得到的四个端点坐标生成亚像素轮廓,并计算该亚像素轮廓的最小内接矩形,得到该矩形的中心点坐标、旋转角度及对角线的长度,并作矩形拟合;
步骤10,利用步骤9中得到的亚像素轮廓与模组原图进行交集算法,得到背光模组1的ROI部分;
步骤11,计算步骤9中矩形的中心点坐标、旋转角度及对角线的长度得到仿射变换矩阵,并根据仿射变换矩阵进行图形的旋转,得到的图像为位置矫正后的图像。
在本发明的一种具体实施方式中,在步骤1中,
对图像进行灰度化处理并计算图像灰度直方图,按照图像灰度直方图所呈现出来的图像灰度分布选择合适的最小灰度值和最大灰度值,选择的区域为:MinGray<SegmentRegion<MaxGray。
在本发明的一种具体实施方式中,在步骤6中,所述矩形模组ROI区域的四条边按照行列坐标点位置选择算法进行划分得到分离状态下的矩形模组图案区域的四条边的方法包括:
在亚像素轮廓面积选择算法里,采用“contlength”特征并选择大小为[4916,10000]的参数区间,其中所选择参数的单位为像素个数,得到的结果为矩形模组图案区域水平的两条边缘直线;
采用“rect2_len1”特征并选择大小为[0,1627]的参数区间,矩形模组图案区域竖直的两条边缘直线;
在得到水平和垂直的边缘直线的基础上,同理根据算法里的坐标点列位置“column1”特征对水平的两条直线进行分离,参数区间[500,824]下得到上边缘直线,参数区间[825,1000]下得到下边缘直线;
根据算法里坐标点行位置“row1”特征对竖直的两条直线进行分离,参数区间[873,1000]得到左边缘直线,参数区间[97,865]得到右边缘的直线。
在本发明的一种具体实施方式中,在步骤9中,为了防止过度分割,在横纵坐标及对角线长度上进行一定参数量的伸缩,伸缩量参数ZoomPar为可调参数,具体规则为:(Row-ZoomPar,Col-ZoomPar)和(Length1+ZoomPar,Length2+zoomPar)。
在本发明的一种具体实施方式中,在步骤3中,根据面积大小选择Region,去除一些小的且不相干Region的干扰,具体选择的参数为:2.77985e+006<SelectedRegions<2e+007,其中参数表示为像素点的数量,并对选择的区域进行区域填充操作,得到完整化的区域。
在本发明的一种最优选的实施方式中,
(1)对待测图片进行全局阈值分析,得到SegmentRegion,其具体方法为首先对图像进行灰度化处理并计算图像灰度直方图,按照直方图所呈现出来的图像灰度分布选择合适的最小灰度值和最大灰度值,然后选择的区域为:MinGray<SegmentRegion<MaxGray。
(2)对阈值分割到的SegmentRegion进行8邻域的连通域分析,将图像中连通区域找出来并进行标记。
(3)根据面积大小选择Region,去除一些小的且不相干Region的干扰,具体选择的参数为:2.77985e+006<SelectedRegions<2e+007,其中参数表示为像素点的数量,并对选择的区域进行区域填充操作,得到完整化的区域。
(4)对步骤3得到的区域进行形态学开操作,去除一些小的毛刺电,得到模组图案区域。
(5)对步骤4得到的模组图案区域进行亚像素精度的轮廓拟合,得到图案区域的边缘轮廓,将此轮廓分割成线,并作相应的平滑和近似。分割得到的结果为矩形模组ROI区域的四条边。
(6)对步骤5得到的矩形区域的四条边按照行列坐标点位置选择算法进行划分,具体划分规则为:在亚像素轮廓面积选择算法里,采用“contlength”特征并选择大小为[4916,10000]的参数区间,其中所选择参数的单位为像素个数,得到的结果为矩形模组图案区域水平的两条边缘直线;采用“rect2_len1”特征并选择大小为[0,1627]的参数区间,矩形模组图案区域竖直的两条边缘直线。在得到水平和垂直的边缘直线的基础上,同理根据算法里的坐标点列位置“column1”特征对水平的两条直线进行分离,参数区间[500,824]下得到上边缘直线,参数区间[825,1000]下得到下边缘直线;根据算法里坐标点行位置“row1”特征对竖直的两条直线进行分离,参数区间[873,1000]得到左边缘直线,参数区间[97,865]得到右边缘的直线。以上操作结果得到分离状态下的矩形模组图案区域的四条边。
(7)对步骤6得到的结果对每条边进行基于Tukey最小二乘法下的亚像素轮廓的直线拟合,得到矩形区域每条边直线的起始点和结束点坐标。一共得到8个点坐标。上边缘直线起始点、终点坐标:(RowTopBegin,ColTopBegin),(RowTopEnd,ColTopEnd);左边缘直线起始点、终点坐标:(RowLeftBegin,ColLeftBegin),(RowLeftEnd,ColLeftEnd),下边缘直线起始点、终点坐标:(RowBottomBegin,ColBottomBegin),(RowBottomEnd,ColBottomEnd),右边缘直线起始点、终点坐标:(RowRightBegin,ColRightBegin),(RowRightEnd,ColRightEnd)。
(8)计算步骤7得到直线的交点,即计算拟合得到的矩形ROI轮廓四条边的四个端点坐标。得到左上角坐标(RowUpLeft,ColUpLeft),右上角坐标(RowUpRight,ColUpRight),左下角坐标(RowBoLeft,ColBoLeft),右下角坐标(RowBoRight,ColBoRight)。
(9)根据步骤8得到的四个点生成亚像素轮廓。多边形拟合按照:左上——左下——右下——右上——左上的点顺序完成。得到多边形的轮廓并计算该轮廓的最小内接矩形,得到该矩形的中心点坐标(Row,Col)、旋转角度(Phi)及对角线的长度(Length1,Lengh2),并根据此参数作矩形拟合。为了防止过度分割,在横纵坐标及对角线长度上进行一定参数量的伸缩,伸缩量参数ZoomPar为可调参数,具体规则为:(Row-ZoomPar,Col-ZoomPar),Length1+ZoomPar,Length2+zoomPar。
(10)根据矩形对原图进行分割,具体实施方法是利用步骤9中得到的背光模组1矩形轮廓与模组原图进行交集算法,处理结果得到背光模组1的ROI部分,背光模组1的原图与ROI图为附件1所示。
(11)计算步骤9中矩形的中心点坐标、旋转角度等参数得到仿射变换矩阵,并根据仿射变换矩阵进行图形的旋转,仿射变换矩阵为:
如图1所示,分别是背光模组1,手机显示边框2和模组矩形图案显示区域3。
以上结合附图详细描述了本发明的优选实施方式,但是,本发明并不限于上述实施方式中的具体细节,在本发明的技术构思范围内,可以对本发明的技术方案进行多种简单变型,这些简单变型均属于本发明的保护范围。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合,为了避免不必要的重复,本发明对各种可能的组合方式不再另行说明。
此外,本发明的各种不同的实施方式之间也可以进行任意组合,只要其不违背本发明的思想,其同样应当视为本发明所公开的内容。
Claims (3)
1.一种手机背光模组点灯检测ROI分割方法,其特征在于,该手机背光模组点灯检测ROI分割方法包括:
步骤1,对待测图片进行全局阈值分析,得到SegmentRegion;
步骤2,对阈值分析得到的SegmentRegion进行8邻域的连通域分析,将图像中连通区域找出来并进行标记;
步骤3,根据面积大小选择Region,去除干扰,并对选择的区域进行区域填充操作,得到完整化的区域;
步骤4,对完整化的区域进行形态学开操作,去除毛刺点,得到模组图案区域;
步骤5,对模组图案区域进行亚像素精度的轮廓拟合,得到图案区域的边缘轮廓,将此轮廓分割成线,并作相应的平滑和近似;分割得到的结果为矩形模组ROI区域的四条边;
步骤6,所述矩形模组ROI区域的四条边按照行列坐标点位置选择算法进行划分得到分离状态下的矩形模组图案区域的四条边;
步骤7,对分离状态下的矩形模组图案区域的四条边进行基于Tukey最小二乘法下的亚像素轮廓的直线拟合,得到矩形区域每条边直线的起始点和结束点坐标;
步骤8,计算拟合得到的矩形ROI轮廓四条边的四个端点坐标;
步骤9,根据步骤8得到的四个端点坐标生成亚像素轮廓,并计算该亚像素轮廓的最小内接矩形,得到该矩形的中心点坐标、旋转角度及对角线的长度,并作矩形拟合;
步骤10,利用步骤9中得到的亚像素轮廓与模组原图进行交集算法,得到背光模组的ROI部分;
步骤11,计算步骤9中矩形的中心点坐标、旋转角度及对角线的长度得到仿射变换矩阵,并根据仿射变换矩阵进行图形的旋转,得到的图像为位置矫正后的图像;
在步骤1中,对图像进行灰度化处理并计算图像灰度直方图,按照图像灰度直方图所呈现出来的图像灰度分布选择合适的最小灰度值和最大灰度值,选择的区域为:MinGray<SegmentRegion<MaxGray;
在步骤9中,为了防止过度分割,在横纵坐标及对角线长度上进行一定参数量的伸缩,伸缩量参数ZoomPar为可调参数,具体规则为:(Row-ZoomPar,Col-ZoomPar)和(Length1+ZoomPar,Length2+zoomPar),其中,Row、Col为所述最小内接矩形的中心坐标,Length1和Length2为所述最小内接矩形的对角线的长度。
2.根据权利要求1所述的手机背光模组点灯检测ROI分割方法,其特征在于,在步骤6中,所述矩形模组ROI区域的四条边按照行列坐标点位置选择算法进行划分得到分离状态下的矩形模组图案区域的四条边的方法包括:
在亚像素轮廓面积选择算法里,采用“contlength”特征并选择大小为[4916,10000]的参数区间,其中所选择参数的单位为像素个数,得到的结果为矩形模组图案区域水平的两条边缘直线;
采用“rect2_len1”特征并选择大小为[0,1627]的参数区间,矩形模组图案区域竖直的两条边缘直线;
在得到水平和垂直的边缘直线的基础上,同理根据算法里的坐标点列位置“column1”特征对水平的两条直线进行分离,参数区间[500,824]下得到上边缘直线,参数区间[825,1000]下得到下边缘直线;
根据算法里坐标点行位置“row1”特征对竖直的两条直线进行分离,参数区间[873,1000]得到左边缘直线,参数区间[97,865]得到右边缘的直线。
3.根据权利要求1所述的手机背光模组点灯检测ROI分割方法,其特征在于,在步骤2中,根据面积大小选择Region,去除一些小的且不相干Region的干扰,具体选择的参数为:2.77985e+006<SelectedRegions<2e+007,其中参数表示为像素点的数量,并对选择的区域进行区域填充操作,得到完整化的区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811183509.9A CN109447955B (zh) | 2018-10-11 | 2018-10-11 | 手机背光模组点灯检测roi分割方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811183509.9A CN109447955B (zh) | 2018-10-11 | 2018-10-11 | 手机背光模组点灯检测roi分割方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109447955A CN109447955A (zh) | 2019-03-08 |
CN109447955B true CN109447955B (zh) | 2022-04-22 |
Family
ID=65545416
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811183509.9A Active CN109447955B (zh) | 2018-10-11 | 2018-10-11 | 手机背光模组点灯检测roi分割方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109447955B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112529924B (zh) * | 2020-12-25 | 2022-04-26 | 广东华中科技大学工业技术研究院 | 基于多源光学的盖板玻璃与液晶屏的贴合对位方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104981105A (zh) * | 2015-07-09 | 2015-10-14 | 广东工业大学 | 一种快速精确获得元件中心和偏转角度的检测及纠偏方法 |
CN106053479A (zh) * | 2016-07-21 | 2016-10-26 | 湘潭大学 | 一种基于图像处理的工件外观缺陷的视觉检测系统 |
CN107064170A (zh) * | 2017-04-11 | 2017-08-18 | 深圳市深视智能科技有限公司 | 一种检测手机外壳轮廓度缺陷方法 |
CN108460799A (zh) * | 2018-01-26 | 2018-08-28 | 中国地质大学(武汉) | 一种逐步逼近亚像素图像定位方法和系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10429271B2 (en) * | 2016-07-01 | 2019-10-01 | Microsoft Technology Licensing, Llc | Camera testing using reverse projection |
-
2018
- 2018-10-11 CN CN201811183509.9A patent/CN109447955B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104981105A (zh) * | 2015-07-09 | 2015-10-14 | 广东工业大学 | 一种快速精确获得元件中心和偏转角度的检测及纠偏方法 |
CN106053479A (zh) * | 2016-07-21 | 2016-10-26 | 湘潭大学 | 一种基于图像处理的工件外观缺陷的视觉检测系统 |
CN107064170A (zh) * | 2017-04-11 | 2017-08-18 | 深圳市深视智能科技有限公司 | 一种检测手机外壳轮廓度缺陷方法 |
CN108460799A (zh) * | 2018-01-26 | 2018-08-28 | 中国地质大学(武汉) | 一种逐步逼近亚像素图像定位方法和系统 |
Non-Patent Citations (1)
Title |
---|
"生产线上零件抓取过程中位姿的视觉识别系统开发";王伟;《中国优秀硕士学位论文全文数据库 信息科技辑》;20180715;第四章 * |
Also Published As
Publication number | Publication date |
---|---|
CN109447955A (zh) | 2019-03-08 |
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 | |
CN105913093B (zh) | 一种用于文字识别处理的模板匹配方法 | |
US11238613B2 (en) | Dynamical camera calibration | |
CN115908269B (zh) | 视觉缺陷检测方法、装置、存储介质和计算机设备 | |
US20200240927A1 (en) | Dirt detection on screen | |
CN107356213B (zh) | 滤光片同心度测量方法及终端设备 | |
CN106778730A (zh) | 一种用于快速生成ocr训练样本的自适应方法及系统 | |
CN105835507A (zh) | 一种手机盖板玻璃和液晶屏的贴合方法 | |
CN115880301B (zh) | 一种玻璃基板气泡缺陷的识别系统 | |
CN101123677A (zh) | 改善图像锐度的方法、装置及集成电路 | |
CN110736747A (zh) | 一种细胞液基涂片镜下定位的方法及系统 | |
WO2017120796A1 (zh) | 路面病害的检测方法及其装置、电子设备 | |
CN103971087A (zh) | 一种实时搜索及识别交通标志的方法及装置 | |
CN108709500B (zh) | 一种电路板元件定位匹配方法 | |
TWI512284B (zh) | 玻璃氣泡瑕疵檢測系統 | |
CN109447955B (zh) | 手机背光模组点灯检测roi分割方法 | |
CN114298985B (zh) | 缺陷检测方法、装置、设备及存储介质 | |
CN108805838B (zh) | 一种图像处理方法、移动终端及计算机可读存储介质 | |
CN113487569B (zh) | 基于频域和空域结合的复杂背景图像缺陷检测方法及系统 | |
CN114494142A (zh) | 一种基于深度学习的移动终端中框缺陷检测方法及装置 | |
CN112116579B (zh) | 一种透明药瓶的缺陷检测方法和装置 | |
CN104112271A (zh) | 移动终端外壳侧面缺陷检测方法和系统 | |
CN114359147A (zh) | 裂缝检测方法、装置、服务器及存储介质 | |
JP4172236B2 (ja) | 顔画像処理装置及びプログラム | |
Liang et al. | An automatic interpretation method for LCD images of digital measuring instruments |
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 |