CN109801322B - 一种漏光检测方法及装置 - Google Patents

Abstract

本发明提供了一种漏光检测方法及装置，通过对待检测屏幕显示的灰度图像进行处理，确定漏光的缺陷像素，并以此判断待检测屏幕是否漏光，提升了检测效率和准确率。上述方法包括：获取待检测屏幕显示的灰度图像，其中，上述灰度图像为已去除网纹的图像；根据上述灰度图像中像素的灰度值，对上述灰度图像进行灰度拉伸；将拉伸后的灰度图像转换为二值图像，并确定上述二值图像中满足预设灰度阈值的缺陷像素；根据上述缺陷像素的个数是否满足预设漏光阈值，判断上述待检测屏幕是否漏光。

Description

一种漏光检测方法及装置

技术领域

本发明涉及显示屏检测技术领域，尤其涉及一种漏光检测方法及装置。

背景技术

对于具备显示屏幕的电子设备，在出厂前为避免组装不合适导致显示屏幕的背光光源漏光，需要对屏幕漏光情况进行检测。

传统技术中，屏幕漏光检测通常是在屏幕上显示黑色图像，检测人员通过肉眼来观察屏幕显示的时候是否会出现不均匀的亮块，以观察结果来确定屏幕是否漏光。由于人眼容易出现疲劳，出现判断标准不一致的情况，因此将影响判断结果的准确性。

综上所述，目前对屏幕漏光的检测为检测人员通过肉眼进行检测，检测结果的准确性和一致性低。

发明内容

本发明实施例提供了一种漏光检测方法及装置，用以实现自动检测显示屏幕是否存在漏光问题，提升漏光检验的效率与检测结果的准确率。

本发明实施例提供的一种漏光检测方法，该方法包括：

获取待检测屏幕显示的灰度图像，其中，所述灰度图像为已去除网纹的图像；

根据所述灰度图像中像素的灰度值，对所述灰度图像进行灰度拉伸；

将拉伸后的灰度图像转换为二值图像，并确定所述二值图像中满足预设灰度阈值的像素为缺陷像素；

根据所述缺陷像素的个数是否满足预设漏光阈值，判断所述待检测屏幕是否漏光。

较佳地，获取待检测屏幕显示的灰度图像，包括：

采集待检测屏幕显示的原始图像；

通过傅里叶变换将采集到的图像转换为频谱图；

通过高斯滤波器对所述频谱图进行滤波处理，其中，所述高斯滤波器的参数为根据采集到的图像的分辨率设定的；

通过傅里叶反变换将滤波后的频谱图转换为用于检测屏幕是否漏光的灰度图像。

较佳地，根据所述灰度图像中像素的灰度值，对所述灰度图像进行灰度拉伸，包括：

通过统计所述灰度图像中像素的灰度值，确定所述灰度图像中像素的最大灰度值和最小灰度值；

根据确定的最大灰度值和最小灰度值，确定用于拉伸所述灰度图像中像素的灰度值范围的加系数和乘系数；

根据所述加系数和乘系数，对所述灰度图像中像素的灰度值范围进行拉伸。

较佳地，将拉伸后的灰度图像转换为二值图像，并确定所述二值图像中满足预设灰度阈值的缺陷像素，包括：

利用最大稳定极值区域MSERs检测算法，将低于预设灰度阈值的像素的灰度值改为第一灰度值，将高于预设灰度阈值的像素的灰度值改为第二灰度值；其中，第一灰度值为0，第二灰度值为255；

确定所述二值图像中像素的灰度值等于第二灰度值的像素为缺陷像素。

较佳地，根据所述缺陷像素的个数是否满足预设漏光阈值，判断所述待检测屏幕是否漏光，包括：

判断所述缺陷像素的邻接像素的灰度值是否等于第二灰度值；若是，则确定所述邻接像素与所述缺陷像素连通，否则，所述邻接像素与所述缺陷像素非连通；直到所有的缺陷像素都判断完成，根据连通的缺陷像素，确定所述二值图像的连通区域为缺陷区域；

若所述缺陷区域中缺陷像素的个数满足预设漏光阈值，则确定所述待检测屏幕漏光。

本发明实施例提供的一种漏光检测装置，该装置包括：

获取模块，用于获取待检测屏幕显示的灰度图像，其中，所述灰度图像为已去除网纹的图像；

拉伸模块，用于根据所述灰度图像中像素的灰度值，对所述灰度图像进行灰度拉伸；

转换模块，用于将拉伸后的灰度图像转换为二值图像，并确定所述二值图像中满足所述灰度阈值的像素为缺陷像素；

判断模块，用于根据所述缺陷像素的个数是否满足预设漏光阈值，判断所述待检测屏幕是否漏光。

较佳地，所述获取模块具体用于：

采集待检测屏幕显示的原始图像；

通过傅里叶变换将采集到的图像转换为频谱图；

通过高斯滤波器对所述频谱图进行滤波处理，其中，所述高斯滤波器的参数为根据采集到的图像的分辨率设定的；

通过傅里叶反变换将滤波后的频谱图转换为用于检测屏幕是否漏光的灰度图像。

较佳地，所述拉伸模块具体用于：

通过统计所述灰度图像中像素的灰度值，确定所述灰度图像中像素的最大灰度值和最小灰度值；

根据确定的最大灰度值和最小灰度值，确定用于拉伸所述灰度图像中像素的灰度值范围的加系数和乘系数；

根据所述加系数和乘系数，对所述灰度图像中像素的灰度值范围进行拉伸。

较佳地，所述转换模块具体用于：

利用最大稳定极值区域MSERs检测算法，将低于预设灰度阈值的像素的灰度值改为第一灰度值，将高于预设灰度阈值的像素的灰度值改为第二灰度值；其中，第一灰度值为0，第二灰度值为255；

确定所述二值图像中像素的灰度值等于第二灰度值的像素为缺陷像素。

较佳地，所述判断模块具体用于：

判断所述缺陷像素的邻接像素的灰度值是否等于第二灰度值；若是，则确定所述邻接像素与所述缺陷像素连通，否则，所述邻接像素与所述缺陷像素非连通；直到所有的缺陷像素都判断完成，根据连通的缺陷像素，确定所述二值图像的连通区域为缺陷区域；

若所述缺陷区域中缺陷像素的个数满足预设漏光阈值，则确定所述待检测屏幕漏光。

本发明实施例提供了一种漏光检测方法及装置，通过对待检测屏幕显示的灰度图像进行处理，准确的检出缺陷像素的个数与位置，以此来判断待检测屏幕是否漏光，提升了漏光检测效率和准确率。

附图说明

图1为本发明实施例一提供的一种漏光检测方法的流程示意图；

图2为本发明实施例二提供的一种漏光检测装置的结构示意图。

具体实施方式

本发明实施例提供了一种漏光检测方法及装置，通过对待检测屏幕显示的灰度图像进行处理，确定漏光的缺陷像素，并以此判断待检测屏幕是否漏光，提升了检测效率和准确率。

下面将结合本发明实施例中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例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他实施例，都属于本发明保护的范围。

实施例一：

参见图1，本发明实施例一提供了一种漏光检测方法，该方法包括：

S110、获取待检测屏幕显示的灰度图像，其中，所述灰度图像为已去除网纹的图像；

S120、根据所述灰度图像中像素的灰度值，对所述灰度图像进行灰度拉伸；

S130、将拉伸后的灰度图像转换为二值图像，并确定所述二值图像中满足预设灰度阈值的像素为缺陷像素；

S140、根据所述缺陷像素的个数是否满足预设漏光阈值，判断所述待检测屏幕是否漏光。

针对步骤S110，获取待检测屏幕显示的灰度图像的方法，具体包括：

采集待检测屏幕显示的原始图像；

通过傅里叶变换将采集到的图像转换为频谱图；

通过高斯滤波器对所述频谱图进行滤波处理，其中，所述高斯滤波器的参数为根据采集到的图像的分辨率设定的；

再通过傅里叶反变换将滤波后的频谱图转换为用于检测屏幕是否漏光的灰度图像。

由于待检测屏幕显示的图像是通过红(R，Red)、绿(G，Green)、蓝(B，Blue)三类像素组成的，因此通过现有的光学检查设备(AOI，Automatic Optic Inspection)对待检测屏幕显示的原始图像进行拍摄，拍摄得到的图像中将会显现不同程度的横竖网纹。为保证漏光检测的准确性，本发明先将拍摄图像转换到频率域，通过调节横向和/或纵向的高斯滤波参数控制高斯滤波器进行滤波，消除网纹，从而得到去除了网纹的图像。且本发明高斯滤波器设定的参数是根据拍摄图像的分辨率以及该拍摄图像中杂质的数量确定的，实现了对拍摄到的检测屏幕显示的图像的动态调整，提高了漏光检测效率，也提升了对拍摄到图像的兼容性。

针对步骤S120，对灰度图像进行灰度拉伸，包括：

统计灰度图像中像素的灰度值，生成该图像的灰度直方图；

根据生成的灰度直方图，确定所述灰度图像中像素的最大灰度值和最小灰度值；

根据确定的最大灰度值和最小灰度值，确定灰度拉伸算法的参数；

根据所述灰度拉伸算法的参数，对所述灰度图像的灰度值范围进行拉伸。

其中，所述灰度拉伸算法的参数包括乘系数和加系数；

具体地，根据确定的最大灰度值和最小灰度值，通过公式一，确定灰度拉伸算法的乘系数；

其中，Mult为灰度拉伸算法的乘系数，MAX为灰度图像中像素的最大灰度值，MIN为灰度图像中像素的最小灰度值。

具体地，根据确定的最大灰度值和最小灰度值，通过公式二，确定灰度拉伸算法的加系数；

Add＝-Mult*MIN 公式二

其中，Add为灰度拉伸算法的加系数，Mult为灰度拉伸算法的乘系数，MIN为灰度图像中像素的最小灰度值。

根据所述灰度拉伸算法的乘系数和加系数，通过公式三，对所述灰度图像的灰度值范围进行拉伸；

g'＝Mult*g+Add 公式三

其中，g’为灰度拉伸后的图像，g为步骤S110获取的灰度图像，Add为灰度拉伸算法的加系数，Mult为灰度拉伸算法的乘系数。

本发明通过对灰度图像进行拉伸，也就是提高了漏光的缺陷区域与非漏光区域(即背景区域)的对比度，进一步提升了漏光缺陷区域的准确率。

针对步骤S130中，将拉伸后的灰度图像转换为二值图像的方法，包括：

利用最大稳定极值区域MSERs检测算法，将低于预设灰度阈值的像素的灰度值改为第一灰度值(即低灰度值)，将高于预设灰度阈值的像素的灰度值改为第二灰度值(即高灰度值)；其中，所述第一灰度值小于第二灰度值；优选地，第一灰度值为0，第二灰度值为255；也就是将低于预设灰度阈值的像素改为黑色像素，将高于预设灰度阈值的像素改为白色像素。

其中，第一灰度值、第二灰度值以及预设灰度阈值均为，根据实验数据或经验值确定的。具体地，第一灰度值和第二灰度值为根据预设漏光阈值(即待检测屏幕所允许的漏光缺陷区域的大小)以及所述待检测屏幕的分辨率设定的。所述预设灰度阈值是根据预设漏光阈值以及所述灰度图像中缺陷区域内像素的灰度值与非缺陷区域(即背景区域)内像素的灰度值的差值设定的。其中，确定预设漏光阈值的方式为，确定人工检测的漏光的屏幕中缺陷区域内像素的个数，选取最小值为预设漏光阈值；或者设定经验值为预设漏光阈值。

此时，确定所述二值图像中满足灰度阈值的缺陷像素，具体包括：

确定所述二值图像中像素的灰度值为第二灰度值的像素为缺陷像素。

针对步骤S140，判断所述待检测屏幕是否漏光，包括：

利用八连通区域标记算法，确定所述二值图像的连通区域，并确定所述二值图像的连通区域为缺陷区域；

若所述缺陷区域中缺陷像素的个数满足预设漏光阈值，则确定所述待检测屏幕漏光。其中，若所述缺陷区域中缺陷像素的个数小于预设漏光阈值(待检测屏幕所允许的漏光缺陷区域中缺陷像素的个数)，则确定该待检测屏幕不漏光，否则确定该待检测屏幕漏光。

具体地，确定预设漏光阈值的方式为，确定人工检测的漏光的屏幕中缺陷区域内像素的个数，选取最小值为预设漏光阈值；或者设定经验值为预设漏光阈值。

其中，八连通区域标记算法具体为：

判断所述缺陷像素的邻接像素的灰度值是否等于第二灰度值；若是，则确定所述邻接像素与所述缺陷像素连通，否则，所述邻接像素与所述缺陷像素非连通；直到所有的缺陷像素都判断完成，根据连通的缺陷像素，确定所述二值图像的连通区域为缺陷区域。

本发明通过判断缺陷区域中缺陷像素的个数是否满足预设条件，确定该缺陷区域对屏幕显示效果是否有影响，为提升生产效率，可适当忽略部分独立的缺陷区域。

此外，由于缺陷区域是由连通的缺陷像素组成的，且缺陷像素相对屏幕的位置是可知的，因此缺陷区域的相对位置也就是可知的。即通过本发明不仅可以自动检测显示屏幕是否漏光，还可以定位漏光区域的相对位置以及漏光区域的大小，即包含的像素个数。

实施例二：

参见图2，本发明实施例二提供了一种漏光检测装置，该装置包括：

获取模块210，用于获取待检测屏幕显示的灰度图像，其中，所述灰度图像为已去除网纹的图像；

拉伸模块220，用于根据所述灰度图像中像素的灰度值，对所述灰度图像进行灰度拉伸；

转换模块230，用于将拉伸后的灰度图像转换为二值图像，并确定所述二值图像中满足预设灰度阈值的像素为缺陷像素；

判断模块240，用于根据所述缺陷像素的个数是否满足预设漏光阈值，判断所述待检测屏幕是否漏光。

具体地，所述获取模块210具体用于：

采集待检测屏幕显示的原始图像；

通过傅里叶变换将采集到的图像转换为频谱图；

通过高斯滤波器对所述频谱图进行滤波处理，其中，所述高斯滤波器的参数为根据采集到的图像的分辨率设定的；

通过傅里叶反变换将滤波后的频谱图转换为用于检测屏幕是否漏光的灰度图像。

具体地，所述拉伸模块220具体用于：

通过统计所述灰度图像中像素的灰度值，确定所述灰度图像中像素的最大灰度值和最小灰度值；

根据确定的最大灰度值和最小灰度值，确定用于拉伸所述灰度图像中像素的灰度值范围的加系数和乘系数；

根据所述加系数和乘系数，对所述灰度图像中像素的灰度值范围进行拉伸。

具体地，所述转换模块230具体用于：

利用最大稳定极值区域MSERs检测算法，将低于预设灰度阈值的像素的灰度值改为第一灰度值，将高于预设灰度阈值的像素的灰度值改为第二灰度值；其中，第一灰度值为0，第二灰度值为255；

确定所述二值图像中像素的灰度值等于第二灰度值的像素为缺陷像素。

具体地，所述判断模块240具体用于：

判断所述缺陷像素的邻接像素的灰度值是否等于第二灰度值；若是，则确定所述邻接像素与所述缺陷像素连通，否则，所述邻接像素与所述缺陷像素非连通；直到所有的缺陷像素都判断完成，根据连通的缺陷像素，确定所述二值图像的连通区域为缺陷区域；

若所述缺陷区域中缺陷像素的个数满足预设漏光阈值，则确定所述待检测屏幕漏光。

综上所述，本发明实施例提供了一种漏光检测方法及装置，通过对待检测屏幕显示的灰度图像进行处理，确定漏光的缺陷像素，并以此判断待检测屏幕是否漏光，提升了检测效率和准确率。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

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 (2)

1.一种漏光检测方法，其特征在于，该方法包括：

获取待检测屏幕显示的灰度图像，其中，所述灰度图像为已去除网纹的图像；

根据所述灰度图像中像素的灰度值，对所述灰度图像进行灰度拉伸；

将拉伸后的灰度图像转换为二值图像，并确定所述二值图像中满足预设灰度阈值的像素为缺陷像素；

根据所述缺陷像素的个数是否满足预设漏光阈值，判断所述待检测屏幕是否漏光；

其中，获取待检测屏幕显示的灰度图像，包括：

采集待检测屏幕显示的原始图像；

通过傅里叶变换将采集到的图像转换为频谱图；

通过高斯滤波器对所述频谱图进行滤波处理，以消除网纹，其中，所述高斯滤波器的参数为根据采集到的图像的分辨率设定的；

通过傅里叶反变换将滤波后的频谱图转换为用于检测屏幕是否漏光的灰度图像；

其中，将拉伸后的灰度图像转换为二值图像，并确定所述二值图像中满足预设灰度阈值的像素为缺陷像素，包括：

利用最大稳定极值区域MSERs检测算法，将低于预设灰度阈值的像素的灰度值改为第一灰度值，将高于预设灰度阈值的像素的灰度值改为第二灰度值；其中，第一灰度值为0，第二灰度值为255；

确定所述二值图像中像素的灰度值等于第二灰度值的像素为缺陷像素；

根据所述缺陷像素的个数是否满足预设漏光阈值，判断所述待检测屏幕是否漏光，包括：

判断所述缺陷像素的邻接像素的灰度值是否等于第二灰度值；若是，则确定所述邻接像素与所述缺陷像素连通，否则，所述邻接像素与所述缺陷像素非连通；直到所有的缺陷像素都判断完成，根据连通的缺陷像素，确定所述二值图像的连通区域为缺陷区域；

若所述缺陷区域中缺陷像素的个数满足预设漏光阈值，则确定所述待检测屏幕漏光，并确定所述缺陷区域相对所述待检测屏幕的位置为漏光区域的相对位置，所述缺陷区域中缺陷像素的个数为所述漏光区域的大小；

其中，根据所述灰度图像中像素的灰度值，对所述灰度图像进行灰度拉伸，包括：

通过统计所述灰度图像中像素的灰度值，确定所述灰度图像中像素的最大灰度值和最小灰度值；

根据确定的最大灰度值和最小灰度值，确定用于拉伸所述灰度图像中像素的灰度值范围的加系数和乘系数；

根据所述加系数和乘系数，对所述灰度图像中像素的灰度值范围进行拉伸；

其中，所述确定用于拉伸所述灰度图像中像素的灰度值范围的加系数和乘系数，包括：

通过

确定用于拉伸所述灰度图像中像素的灰度值范围的乘系数；其中，所述Mult为所述乘系数，所述MAX为所述最大灰度值，所述MIN为所述最小灰度值；

通过Add＝-Mult*MIN，确定用于拉伸所述灰度图像中像素的灰度值范围的加系数；其中，所述Add为所述加系数；

其中，所述对所述灰度图像中像素的灰度值范围进行拉伸，包括：

通过g'＝Mult*g+Add，对所述灰度图像中像素的灰度值范围进行拉伸；其中，所述g’为拉伸后的灰度图像，所述g为所述灰度图像。

2.一种漏光检测装置，其特征在于，该装置包括：

获取模块，用于获取待检测屏幕显示的灰度图像，其中，所述灰度图像为已去除网纹的图像；

拉伸模块，用于根据所述灰度图像中像素的灰度值，对所述灰度图像进行灰度拉伸；

转换模块，用于将拉伸后的灰度图像转换为二值图像，并确定所述二值图像中满足预设灰度阈值的像素为缺陷像素；

判断模块，用于根据所述缺陷像素的个数是否满足预设漏光阈值，判断所述待检测屏幕是否漏光；

其中，所述获取模块具体用于：

采集待检测屏幕显示的原始图像；

通过傅里叶变换将采集到的图像转换为频谱图；

通过高斯滤波器对所述频谱图进行滤波处理，以消除网纹，其中，所述高斯滤波器的参数为根据采集到的图像的分辨率设定的；

通过傅里叶反变换将滤波后的频谱图转换为用于检测屏幕是否漏光的灰度图像；

其中，所述转换模块具体用于：

利用最大稳定极值区域MSERs检测算法，将低于预设灰度阈值的像素的灰度值改为第一灰度值，将高于预设灰度阈值的像素的灰度值改为第二灰度值；其中，第一灰度值为0，第二灰度值为255；

确定所述二值图像中像素的灰度值等于第二灰度值的像素为缺陷像素；

所述判断模块具体用于：

判断所述缺陷像素的邻接像素的灰度值是否等于第二灰度值；若是，则确定所述邻接像素与所述缺陷像素连通，否则，所述邻接像素与所述缺陷像素非连通；直到所有的缺陷像素都判断完成，根据连通的缺陷像素，确定所述二值图像的连通区域为缺陷区域；

若所述缺陷区域中缺陷像素的个数满足预设漏光阈值，则确定所述待检测屏幕漏光，并确定所述缺陷区域相对所述待检测屏幕的位置为漏光区域的相对位置，所述缺陷区域中缺陷像素的个数为所述漏光区域的大小；

其中，所述拉伸模块具体用于：

通过统计所述灰度图像中像素的灰度值，确定所述灰度图像中像素的最大灰度值和最小灰度值；

根据确定的最大灰度值和最小灰度值，确定用于拉伸所述灰度图像中像素的灰度值范围的加系数和乘系数；

根据所述加系数和乘系数，对所述灰度图像中像素的灰度值范围进行拉伸；

其中，所述确定用于拉伸所述灰度图像中像素的灰度值范围的加系数和乘系数，包括：

通过

确定用于拉伸所述灰度图像中像素的灰度值范围的乘系数；其中，所述Mult为所述乘系数，所述MAX为所述最大灰度值，所述MIN为所述最小灰度值；

通过Add＝-Mult*MIN，确定用于拉伸所述灰度图像中像素的灰度值范围的加系数；其中，所述Add为所述加系数；

其中，所述对所述灰度图像中像素的灰度值范围进行拉伸，包括：

通过g'＝Mult*g+Add，对所述灰度图像中像素的灰度值范围进行拉伸；其中，所述g’为拉伸后的灰度图像，所述g为所述灰度图像。

Images