CN109727233A - 一种lcd缺陷检测方法 - Google Patents
一种lcd缺陷检测方法 Download PDFInfo
- Publication number
- CN109727233A CN109727233A CN201811555101.XA CN201811555101A CN109727233A CN 109727233 A CN109727233 A CN 109727233A CN 201811555101 A CN201811555101 A CN 201811555101A CN 109727233 A CN109727233 A CN 109727233A
- Authority
- CN
- China
- Prior art keywords
- image
- enhancing
- gray scale
- inspection method
- defect inspection
- 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
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Testing Of Optical Devices Or Fibers (AREA)
- Liquid Crystal (AREA)
Abstract
本发明公开了一种LCD缺陷检测方法,其通过对采集的原始图像进行图像增强后得到第一增强图像;对第一增强图像进行纹理滤除和标准均值转换得到标准化灰阶图像;计算标准化灰阶图像滑动矩形框内的灰度范围得到灰度差图像,对灰度差图像进行图像增强得到第二增强图像;计算第二增强图像的灰度直方图,并利用灰度直方图计算分割阈值,依据分割阈值判别第二增强图像的缺陷并进行标记,从而检测出原始图像的缺陷及缺陷类别,实现LCD面板的点、线和mura缺陷的同步和快速检测。
Description
技术领域
本发明属于模组测试领域,具体涉及一种LCD缺陷检测方法。
背景技术
液晶显示器是由一定数量的彩色或黑白像素组成的平面超薄显示设备,放置于光源或者反射面前方,如果给液晶施加一个电场,会改变它的分子排列,这时如果给它配合偏振光片,它就具有阻止光线通过的作用,即在不施加电场时光线可以顺利透过,如果再配合彩色滤光片,改变加给液晶电压大小,就能改变某一颜色透光量的多少,也可以形象地说改变液晶两端的电压就能改变它的透光度。
随着LCD液晶面板的批量生产,越来越需要对LCD液晶面板的生产质量进行检测。LCD面板缺陷主要分为点缺陷、线缺陷和mura类缺陷。其中,点缺陷又分为亮点和暗点;线缺陷又分为垂直,水平和斜线缺陷;mura类缺陷会细分为多类缺陷,因此,LCD面板检测中,需要针对这些缺陷进行相应的检测。
现有的大多方案是针对每类缺陷对应一个检测算法逻辑,比如,将总体缺陷分为点状缺陷和区域状异物分开检测,或者只针对特定类别的缺陷如斑痕缺陷检测,导致检测算法逻辑关系复杂,影响操作,同一个LCD液晶面板则需要分别进行点、线和mura缺陷的检测;同时,算法检测逻辑越多则相应的节拍时间越长,导致相应的检测时长增加,从而影响LCD液晶面板的生产效率。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供了一种LCD缺陷检测方法,其通过对原始图像进行拟合、纹理滤除、标准均值转换、灰度差计算、图像增强、灰度直方图计算和分割阈值计算后,依据分割阈值判别第二增强图像的缺陷并进行标记,从而检测出原始图像的缺陷及缺陷类别。
为实现上述目的,按照本发明的一个方面,提供了一种LCD缺陷检测方法,具体步骤为:
S1.对采集的原始图像进行图像增强后得到第一增强图像;
S2.对第一增强图像进行纹理滤除和标准均值转换得到标准化灰阶图像;
S3.计算标准化灰阶图像滑动矩形框内的灰度范围得到灰度差图像,对灰度差图像进行图像增强得到第二增强图像;
S4.计算第二增强图像的灰度直方图,并利用灰度直方图计算分割阈值,依据分割阈值判别第二增强图像的缺陷并进行标记,从而检测出原始图像的缺陷及缺陷类别。
作为本发明的进一步改进,步骤S1中利用多项式曲面拟合原始图像得到第一增强图像。
作为本发明的进一步改进,步骤S1中利用二项式曲面拟合原始图像得到第一增强图像,二项式曲面拟合公式为:
f(r,c)=A(r-rcenter)2+B(c-ccenter)2+C(r-rcenter)(c-ccenter)+D(r-rcenter)
+E(c-ccenter)+Z
式中,f(r,c)为第一增强图像的灰度函数,r和c分别为像素点所对应的行和列,
A、B、C、D、E和Z分别为二项式曲面拟合公式的第一、第二、第三、第四、第五和第六逼近参数,rcenter和ccenter分别代表原始图像中心点所对应的行和列。
作为本发明的进一步改进,通过最小二乘法求取二项式曲面拟合公式的第一、第二、第三、第四、第五和第六逼近参数A、B、C、D、E和Z。
作为本发明的进一步改进,步骤S2中采用双边滤波对第一增强图像进行纹理滤除得到双边滤波图像,双边滤波图像的灰度值函数为:
式中,Sr,c表示中心点为(r,c)滑动矩形框内所有像素点坐标集合,w(i,j)为双边滤波权值函数,滑动矩形框的大小为(2N+1)*(2N+1),N为滑动矩形框的调节参数。
作为本发明的进一步改进,标准化灰阶图像的灰度值函数为:
f2(r,c)=f1(r,c)-mean[f1(r,c)]+M
式中,mean[f1(r,c)]表示双边滤波图像内中心点为(r,c)的滑动窗口的灰度平均值,M为一般标准灰阶。
作为本发明的进一步改进,步骤S3中灰度差图像的灰度值函数为:
作为本发明的进一步改进,对灰度差图像进行平方变换得到第二增强图像,第二增强图像的灰度值函数为:f4(r,c)=f3 2(r,c)。
作为本发明的进一步改进,第二增强图像的灰度直方图的计算公式为:
式中,rk为第二增强图像的灰度级,nk为第二增强图像中为rk的像素个数,Q为第二增强图像的像素总数,p(rk)为灰度直方图函数。
作为本发明的进一步改进,灰度直方图对应的分割阈值为:
Th=min[max(rk)]。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,具有以下有益效果:
1.本发明的一种LCD缺陷检测方法,其通过对原始图像进行拟合、纹理滤除、标准均值转换、灰度差计算、图像增强、灰度直方图计算和分割阈值计算后,依据分割阈值判别第二增强图像的缺陷并进行标记,从而检测出原始图像的缺陷及缺陷类别。
2.本发明的一种LCD缺陷检测方法,缺陷检测逻辑简单,操作方便,可以同时检出点、线、mura缺陷,算法通用性强。
3.本发明的一种LCD缺陷检测方法,其通过对图像进行一系列预处理,增强图像中缺陷的对比度,从而可以实现种LCD缺陷的快速检测。
附图说明
图1为本发明实施例的一种LCD缺陷检测方法的示意图;
图2为本发明实施例的一种LCD缺陷检测方法检测过程的示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。下面结合具体实施方式对本发明进一步详细说明。
图1为本发明实施例的一种LCD缺陷检测方法的示意图。如图1所示,该方法的具体步骤为:
S1.对采集的原始图像进行图像增强后得到第一增强图像;
图像增强的具体过程为:可以采用多项式曲面拟合原始图像的灰度值,优选采用二项式曲面拟合原始图像的灰度值,二项式曲面拟合表达式为
f(r,c)=A(r-rcenter)2+B(c-rcenter)2+C(r-rcenter)(c-ccenter)+D(r-rcenter)
+E(c-ccenter)+Z
其中,f(r,c)为第一增强图像的灰度函数,r和c分别为图像像素点所对应的行和列,A、B、C、D、E和Z分别为二项式曲面拟合原始图像的灰度函数第一、第二、第三、第四、第五和第六逼近参数,rcenter和ccenter分别代表原始图像中心点所对应的行和列,通过最小二乘法求取二项式曲面拟合原始图像的灰度函数逼近参数A、B、C、D、E和Z,从而利用二项式曲面拟合原始图像的灰度函数得到对比度增强的图像。通过该步骤可以使得原始图像中的缺陷更加明显。
S2.对第一增强图像进行纹理滤除和标准均值转换得到标准化灰阶图像;具体为:
采用双边滤波去除纹理,双边滤波的计算公式为:
式中,Sr,c表示中心点为(r,c)滑动矩形框内所有像素点坐标集合,w(i,j)为双边滤波权值函数,f1(r,c)为双边滤波图像的灰度值函数,滑动矩形框的大小为(2N+1)*(2N+1),N为滑动矩形框的调节参数,可依据原始图像的像素个数来设置N的大小,优选为3、5和7。
对双边滤波图像进行均值滤波平滑,具体计算公式为:
f2(r,c)=f1(r,c)-mean[f1(r,c)]+M
式中,mean[f1(r,c)]表示双边滤波图像内中心点为(r,c)的滑动窗口的灰度平均值,M为一般标准灰阶,依据平滑的需要设置M的取值,M的取值优选为130,f2(r,c)为标准化灰阶图像的灰度值函数。通过上述步骤可以使得原始图像的图像纹理得到抑制,图像灰度值得到统一。
S3.计算标准化灰阶图像滑动矩形框内的灰度范围得到灰度差图像,对灰度差图像进行平方变换得到第二增强图像;
灰度范围为滑动矩形框内最大灰度值与最小灰度值的差值,灰度差图像的灰度值函数为:
式中,Sr,c表示中心点为(r,c)滑动矩形框内所有像素点坐标集合,f3(r,c)为灰度差图像灰度值函数。
对灰度差图像进行平方变换得到第二增强图像,具体为:
f4(r,c)=f3 2(r,c)
通过该步骤,原始图像的图像缺陷与背景差值明显放大。
S4.计算第二增强图像的灰度直方图,并利用灰度直方图计算分割阈值,依据分割阈值判别第二增强图像的缺陷并进行标记,从而检测出原始图像的缺陷及缺陷类别。
第二增强图像的灰度直方图的计算公式为:
式中,rk为第二增强图像的灰度级,灰度级的取值范围为0-255,nk为第二增强图像中为rk的像素个数,Q为第二增强图像的像素总数,p(rk)为灰度直方图函数。得到的灰度直方图经过平滑处理后会出现波峰和波谷分别对应极大值和极小值,其中,极大值对应的灰阶为max(rk),则灰度直方图对应的分割阈值为:
Th=min[max(rk)]
比较第二增强图像所有像素点对应的灰度值与分割阈值的大小,若该像素点的灰度值f4(r,c)>Th,则该像素点存在缺陷,反之则不存在缺陷,通过比较第二增强图像与分割阈值得到比较图可以很明显的检测出点缺陷、线缺陷和mura缺陷。
图2为本发明实施例的一种LCD缺陷检测方法检测过程的示意图。如图2所示,通过步骤一可以使得原始图像中的缺陷更加明显;再经过步骤二可以使得检测图像的图像纹理得到抑制,图像的灰度值得到统一;步骤三使得原始图像的图像缺陷与背景差值明显放大;步骤四可以检测出图像中的缺陷并标记该缺陷,且通过该方法可以同时检测点缺陷、线缺陷和mura缺陷。
表1为本发明优选技术方案与现有技术方案的节拍时间对比的示意表。如表1所示,本发明优选技术方案检测点、线和mura缺陷的节拍时间分别为0.072s、0.083s和0.064s,而现有技术方案检测点、线和mura缺陷的节拍时间分别为0.32s、0.59s和0.34s,因而,本发明的一种LCD缺陷检测方法检测过程可以实现快速检测。
表1本发明优选技术方案与现有技术方案的节拍时间对比的示意表
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种LCD缺陷检测方法,其特征在于,具体步骤为:
S1.对采集的原始图像进行图像增强后得到第一增强图像;
S2.对第一增强图像进行纹理滤除和标准均值转换得到标准化灰阶图像;
S3.计算标准化灰阶图像滑动矩形框内的灰度范围得到灰度差图像,对灰度差图像进行图像增强得到第二增强图像;
S4.计算第二增强图像的灰度直方图,并利用灰度直方图计算分割阈值,依据分割阈值判别第二增强图像的缺陷并进行标记,从而检测出原始图像的缺陷及缺陷类别。
2.根据权利要求1所述的一种LCD缺陷检测方法,其特征在于,步骤S1中利用多项式曲面拟合原始图像得到第一增强图像。
3.根据权利要求2所述的一种LCD缺陷检测方法,其特征在于,步骤S1中利用二项式曲面拟合原始图像得到第一增强图像,二项式曲面拟合公式为:
f(r,c)=A(r-rcenter)2+B(c-ccenter)2+C(r-rcenter)(c-ccenter)+D(r-rcenter)+E(c-ccenter)+Z
式中,f(r,c)为第一增强图像的灰度函数,r和c分别为像素点所对应的行和列,A、B、C、D、E和Z分别为二项式曲面拟合公式的第一、第二、第三、第四、第五和第六逼近参数,rcenter和ccenter分别代表原始图像中心点所对应的行和列。
4.根据权利要求3所述的一种LCD缺陷检测方法,其特征在于,通过最小二乘法求取二项式曲面拟合公式的第一、第二、第三、第四、第五和第六逼近参数A、B、C、D、E和Z。
5.根据权利要求3所述的一种LCD缺陷检测方法,其特征在于,步骤S2中采用双边滤波对第一增强图像进行纹理滤除得到双边滤波图像,双边滤波图像的灰度值函数为:
式中,Sr,c表示中心点为(r,c)滑动矩形框内所有像素点坐标集合,w(i,j)为双边滤波权值函数,滑动矩形框的大小为(2N+1)*(2N+1),N为滑动矩形框的调节参数。
6.根据权利要求5所述的一种LCD缺陷检测方法,其特征在于,标准化灰阶图像的灰度值函数为:
f2(r,c)=f1(r,c)-mean[f1(r,c)]+M
式中,mean[f1(r,c)]表示双边滤波图像内中心点为(r,c)的滑动窗口的灰度平均值,M为一般标准灰阶。
7.根据权利要求6所述的一种LCD缺陷检测方法,其特征在于,步骤S3中灰度差图像的灰度值函数为:
8.根据权利要求7所述的一种LCD缺陷检测方法,其特征在于,对灰度差图像进行平方变换得到第二增强图像,第二增强图像的灰度值函数为:f4(r,c)=f3 2(r,c)。
9.根据权利要求1-8中任一项所述的一种LCD缺陷检测方法,其特征在于,第二增强图像的灰度直方图的计算公式为:
式中,rk为第二增强图像的灰度级,nk为第二增强图像中为rk的像素个数,Q为第二增强图像的像素总数,p(rk)为灰度直方图函数。
10.根据权利要求9所述的一种LCD缺陷检测方法,其特征在于,灰度直方图对应的分割阈值为:Th=min[max(rk)]。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811555101.XA CN109727233B (zh) | 2018-12-18 | 2018-12-18 | 一种lcd缺陷检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811555101.XA CN109727233B (zh) | 2018-12-18 | 2018-12-18 | 一种lcd缺陷检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109727233A true CN109727233A (zh) | 2019-05-07 |
CN109727233B CN109727233B (zh) | 2021-06-08 |
Family
ID=66296850
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811555101.XA Active CN109727233B (zh) | 2018-12-18 | 2018-12-18 | 一种lcd缺陷检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109727233B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110660060A (zh) * | 2019-11-29 | 2020-01-07 | 武汉精立电子技术有限公司 | Oled屏幕混色缺陷检测方法、终端设备及计算机可读介质 |
CN110766736A (zh) * | 2019-10-29 | 2020-02-07 | 京东方科技集团股份有限公司 | 缺陷检测方法、装置、电子设备以及存储介质 |
CN111127415A (zh) * | 2019-12-19 | 2020-05-08 | 信利(仁寿)高端显示科技有限公司 | 一种基于准分子激光退火的Mura的量化方法 |
CN111507974A (zh) * | 2020-04-22 | 2020-08-07 | 广州柔视智能科技有限公司 | 缺陷检测方法、装置、缺陷检测设备及计算机存储介质 |
CN113066072A (zh) * | 2021-04-08 | 2021-07-02 | 南昌航空大学 | 一种航空发动机导向叶片微裂纹缺陷检测方法及系统 |
CN113538603A (zh) * | 2021-09-16 | 2021-10-22 | 深圳市光明顶照明科技有限公司 | 一种基于阵列产品的光学检测方法、系统和可读存储介质 |
CN113870754A (zh) * | 2021-12-03 | 2021-12-31 | 中导光电设备股份有限公司 | 一种面板检测电子信号缺陷判定的方法和系统 |
CN115035106A (zh) * | 2022-08-10 | 2022-09-09 | 邹城市天晖软件科技有限公司 | 一种带钢缺陷智能检测方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040213449A1 (en) * | 2003-02-03 | 2004-10-28 | Photon Dynamics, Inc. | Method and apparatus for optical inspection of a display |
CN104749184A (zh) * | 2013-12-31 | 2015-07-01 | 研祥智能科技股份有限公司 | 自动光学检测方法和系统 |
US9646577B2 (en) * | 2010-10-19 | 2017-05-09 | Blackberry Limited | Display screen having regions of differing pixel density |
CN106770362A (zh) * | 2016-12-27 | 2017-05-31 | 武汉精测电子技术股份有限公司 | 基于aoi的宏观缺陷检测装置及方法 |
CN108008554A (zh) * | 2017-11-27 | 2018-05-08 | 武汉精测电子集团股份有限公司 | 一种基于弥散斑锐度的点缺陷面积检测方法 |
CN108387587A (zh) * | 2018-01-22 | 2018-08-10 | 京东方科技集团股份有限公司 | 缺陷检测方法及缺陷检测设备 |
-
2018
- 2018-12-18 CN CN201811555101.XA patent/CN109727233B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040213449A1 (en) * | 2003-02-03 | 2004-10-28 | Photon Dynamics, Inc. | Method and apparatus for optical inspection of a display |
US9646577B2 (en) * | 2010-10-19 | 2017-05-09 | Blackberry Limited | Display screen having regions of differing pixel density |
CN104749184A (zh) * | 2013-12-31 | 2015-07-01 | 研祥智能科技股份有限公司 | 自动光学检测方法和系统 |
CN106770362A (zh) * | 2016-12-27 | 2017-05-31 | 武汉精测电子技术股份有限公司 | 基于aoi的宏观缺陷检测装置及方法 |
CN108008554A (zh) * | 2017-11-27 | 2018-05-08 | 武汉精测电子集团股份有限公司 | 一种基于弥散斑锐度的点缺陷面积检测方法 |
CN108387587A (zh) * | 2018-01-22 | 2018-08-10 | 京东方科技集团股份有限公司 | 缺陷检测方法及缺陷检测设备 |
Non-Patent Citations (4)
Title |
---|
SHU-KAI S.FAN 等: "Automatic detection of Mura defect in TFT-LCD based on regression diagnostics", 《PATTERN RECOGNITION LETTERS》 * |
严成宸: "TFT-LCD的Mura缺陷检测技术研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
余胜威 等: "《MATLAB图像滤波去嗓分析及其应用》", 30 September 2015, 北京航空航天大学出版社 * |
肖嵩 等: "《计算机图形学原理及应用》", 30 June 2014, 西安电子科技大学出版社 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110766736B (zh) * | 2019-10-29 | 2022-10-14 | 京东方科技集团股份有限公司 | 缺陷检测方法、装置、电子设备以及存储介质 |
CN110766736A (zh) * | 2019-10-29 | 2020-02-07 | 京东方科技集团股份有限公司 | 缺陷检测方法、装置、电子设备以及存储介质 |
CN110660060A (zh) * | 2019-11-29 | 2020-01-07 | 武汉精立电子技术有限公司 | Oled屏幕混色缺陷检测方法、终端设备及计算机可读介质 |
CN111127415A (zh) * | 2019-12-19 | 2020-05-08 | 信利(仁寿)高端显示科技有限公司 | 一种基于准分子激光退火的Mura的量化方法 |
CN111127415B (zh) * | 2019-12-19 | 2023-07-25 | 信利(仁寿)高端显示科技有限公司 | 一种基于准分子激光退火的Mura的量化方法 |
CN111507974A (zh) * | 2020-04-22 | 2020-08-07 | 广州柔视智能科技有限公司 | 缺陷检测方法、装置、缺陷检测设备及计算机存储介质 |
CN111507974B (zh) * | 2020-04-22 | 2023-10-24 | 广州柔视智能科技有限公司 | 缺陷检测方法、装置、缺陷检测设备及计算机存储介质 |
CN113066072B (zh) * | 2021-04-08 | 2023-06-06 | 南昌航空大学 | 一种航空发动机导向叶片微裂纹缺陷检测方法及系统 |
CN113066072A (zh) * | 2021-04-08 | 2021-07-02 | 南昌航空大学 | 一种航空发动机导向叶片微裂纹缺陷检测方法及系统 |
CN113538603B (zh) * | 2021-09-16 | 2021-12-24 | 深圳市光明顶照明科技有限公司 | 一种基于阵列产品的光学检测方法、系统和可读存储介质 |
CN113538603A (zh) * | 2021-09-16 | 2021-10-22 | 深圳市光明顶照明科技有限公司 | 一种基于阵列产品的光学检测方法、系统和可读存储介质 |
CN113870754A (zh) * | 2021-12-03 | 2021-12-31 | 中导光电设备股份有限公司 | 一种面板检测电子信号缺陷判定的方法和系统 |
CN115035106A (zh) * | 2022-08-10 | 2022-09-09 | 邹城市天晖软件科技有限公司 | 一种带钢缺陷智能检测方法 |
CN115035106B (zh) * | 2022-08-10 | 2022-11-08 | 邹城市天晖软件科技有限公司 | 一种带钢缺陷智能检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109727233B (zh) | 2021-06-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109727233A (zh) | 一种lcd缺陷检测方法 | |
CN105654436B (zh) | 一种基于前景背景分离的背光图像增强去噪方法 | |
Wang et al. | Simple low-light image enhancement based on Weber–Fechner law in logarithmic space | |
CN108416766B (zh) | 双侧入光式导光板缺陷视觉检测方法 | |
CN108460757A (zh) | 一种手机TFT-LCD屏Mura缺陷在线自动检测方法 | |
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 | |
CN105828065B (zh) | 一种视频画面过曝检测方法及装置 | |
CN104978748A (zh) | 一种基于局部像素值的液晶屏缺陷检测方法 | |
CN110414538A (zh) | 缺陷分类方法、缺陷分类训练方法及其装置 | |
CN110838090B (zh) | 一种基于残差网络的用于图像处理的背光扩散方法 | |
CN109801322B (zh) | 一种漏光检测方法及装置 | |
CN116309559B (zh) | 一种中硼硅玻璃生产瑕疵智能识别方法 | |
CN104122271A (zh) | 一种基于aoi的子弹表观缺陷检测方法 | |
CN107290345B (zh) | 一种基于aoi的显示面板缺陷分类方法及装置 | |
CN110473194A (zh) | 基于多图像块阈值分割算法的水果表面缺陷检测方法 | |
CN116703911B (zh) | 一种led灯生产质量检测系统 | |
CN101625759B (zh) | 图像质量评价方法 | |
CN110996096A (zh) | 一种基于结构相似性差异度的色调映射图像质量评价方法 | |
CN110473152A (zh) | 基于改进Retinex算法的图像增强方法 | |
CN112862744A (zh) | 一种基于超声图像的电容内部缺陷智能检测方法 | |
CN108805854B (zh) | 一种复杂环境下药片快速计数与完整性检测方法 | |
CN109949725A (zh) | 一种aoi系统图像灰度标准化方法及系统 | |
CN107037056A (zh) | 一种快速局部阈值分割的水果表面缺陷检测方法 | |
CN110530894B (zh) | 导光板亮点缺陷检测方法 | |
CN103605973A (zh) | 一种图像字符检测鉴别方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |