CN109886952B - 一种屏幕缺陷点检测方法及其装置、计算机可读介质 - Google Patents

一种屏幕缺陷点检测方法及其装置、计算机可读介质 Download PDF

Info

Publication number
CN109886952B
CN109886952B CN201910138970.0A CN201910138970A CN109886952B CN 109886952 B CN109886952 B CN 109886952B CN 201910138970 A CN201910138970 A CN 201910138970A CN 109886952 B CN109886952 B CN 109886952B
Authority
CN
China
Prior art keywords
image
expansion
fourier transform
detected
discrete fourier
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
Application number
CN201910138970.0A
Other languages
English (en)
Other versions
CN109886952A (zh
Inventor
刘小磊
楚明磊
王云奇
董泽华
陈丽莉
张�浩
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.)
BOE Technology Group Co Ltd
Beijing BOE Optoelectronics Technology Co Ltd
Original Assignee
BOE Technology Group Co Ltd
Beijing BOE Optoelectronics Technology 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 BOE Technology Group Co Ltd, Beijing BOE Optoelectronics Technology Co Ltd filed Critical BOE Technology Group Co Ltd
Priority to CN201910138970.0A priority Critical patent/CN109886952B/zh
Publication of CN109886952A publication Critical patent/CN109886952A/zh
Application granted granted Critical
Publication of CN109886952B publication Critical patent/CN109886952B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明实施例提供一种屏幕缺陷点检测方法及其装置、计算机可读介质,涉及图像处理领域,能够解决屏幕缺陷点检测准确性较低的问题。方法包括:对待检测图像进行扩张处理;对扩张后的待检测图像进行离散傅里叶变换,获取离散傅里叶变换后的幅值图像;对幅值图像进行阈值分割处理获取分割后图像;对分割后图像进行霍夫变换获取满足预设倾角范围的旋转角度;根据旋转角度对待检测图像进行仿射变换获取变换后的矫正图像;对矫正图像进行二值化处理获取二值化图像;对二值化图像进行第一次膨胀操作获取第一膨胀图像;对第一膨胀图像进行第二次膨胀操作获取第二膨胀图像;将第二膨胀图像与第一膨胀图像做差获取缺陷点图像。本发明用于检测屏幕缺陷点。

Description

一种屏幕缺陷点检测方法及其装置、计算机可读介质
技术领域
本发明涉及图像处理技术领域,尤其涉及一种屏幕缺陷点检测方法及其装置、计算机可读介质。
背景技术
在液晶屏幕生产中,由于半导体工艺的局限性和人为操作误差等因素,生产的液晶屏幕往往会产生各种各样的缺陷点,这就需要在屏幕出厂之前通过计算机进行自动检测,定位出各种缺陷点在屏幕上的位置,以便进行进一步的人工分析和检查。
屏幕的缺陷点一般分为亮点和暗点,对于亮点而言,由于其对于背景和其他像素点具有良好的区分度一般比较容易进行检测;而暗点由于与背景类似,容易淹没在大量的背景当中,很难进行有效的区分,这使得屏幕缺陷点的检测准确性较低。
发明内容
本发明的实施例提供一种屏幕缺陷点检测方法及其装置、计算机可读介质,能够解决由于屏幕缺陷点中的暗点难以检测而导致的缺陷点检测准确性较低的问题。
为达到上述目的,本发明的实施例采用如下技术方案:
一方面,本发明实施例提供一种屏幕缺陷点检测方法,所述检测方法包括:对待检测图像进行扩张处理;对扩张后的待检测图像进行离散傅里叶变换,并获取经过离散傅里叶变换后的幅值图像;对所述幅值图像进行阈值分割处理,以获取分割后图像;对所述分割后图像进行霍夫变换,获取满足预设倾角范围的旋转角度;根据所述旋转角度对所述待检测图像进行仿射变换,以获取变换后的矫正图像;对所述矫正图像进行二值化处理,以获取二值化图像;对所述二值化图像进行第一次膨胀操作,以获取第一膨胀图像;对所述第一膨胀图像进行第二次膨胀操作,以获取第二膨胀图像;将所述第二膨胀图像与所述第一膨胀图像做差,以获取缺陷点图像。
可选的,在对所述二值化图像进行第一次膨胀操作之前,所述检测方法还包括:对所述二值化图像进行开运算操作;所述对所述二值化图像进行第一次膨胀操作具体为:对进行开运算操作后的二值化图像进行第一次膨胀操作。
可选的,所述对所述分割后图像进行霍夫变换,获取满足预设倾角范围的旋转角度具体包括:对所述分割后图像进行霍夫变换,获取多条直线的极角;获取满足预设倾角范围的极角的平均值,将所述平均值作为旋转角度。
可选的,所述对待检测图像进行扩张处理具体为:将尺寸为m*n的待检测图像扩张到尺寸为M*N的待检测图像;其中,M=2p*3q*5r≥m,N=2p*3q*5r≥n,p、q、r均为任意正整数。
可选的,所述对扩张后的待检测图像进行离散傅里叶变换,并获取经过离散傅里叶变换后的幅值图像具体包括:根据第一公式对扩张后的待检测图像进行离散傅里叶变换,所述第一公式为:
Figure BDA0001977922430000021
其中,f(x,y)为扩张后的待检测图像中像素(x,y)的灰阶值,M为扩张后的待检测图像的像素行数,N为扩张后的待检测图像的像素列数,F(u,v)为经过离散傅里叶变换后位置(u,v)处的傅式变换值;
根据第二公式获取离散傅里叶变换后的幅值图像,所述第二公式为:
Figure BDA0001977922430000022
其中,M(u,v)为经过离散傅里叶变换后位置(u,v)处的傅式变换值的幅值,Re(F(u,v))为位置(u,v)处的傅式变换值的实部,Im(F(u,v))为位置(u,v)处的傅式变换值的虚部。
另一方面,本发明实施例提供一种屏幕缺陷点检测装置,所述检测装置包括:扩张模块,用于对待检测图像进行扩张处理;离散傅里叶变换模块,用于对扩张后的待检测图像进行离散傅里叶变换,并获取经过离散傅里叶变换后的幅值图像;阈值分割模块,用于对所述幅值图像进行阈值分割处理,以获取分割后图像;霍夫变换模块,用于对所述分割后图像进行霍夫变换,获取满足预设倾角范围的旋转角度;仿射变换模块,用于根据所述旋转角度对所述待检测图像进行仿射变换,以获取变换后的矫正图像;二值化模块,用于对所述矫正图像进行二值化处理,以获取二值化图像;膨胀模块,用于对所述二值化图像进行第一次膨胀操作,以获取第一膨胀图像;所述膨胀模块还用于对所述第一膨胀图像进行第二次膨胀操作,以获取第二膨胀图像;做差模块,用于将所述第二膨胀图像与所述第一膨胀图像做差,以获取缺陷点图像。
可选的,所述检测装置还包括:开运算模块,用于对所述二值化图像进行开运算操作;所述膨胀模块具体用于:对进行开运算操作后的二值化图像进行第一次膨胀操作。
可选的,所述霍夫变换模块具体用于:对所述分割后图像进行霍夫变换,获取多条直线的极角;获取满足预设倾角范围的极角的平均值,将所述平均值作为旋转角度。
可选的,所述离散傅里叶变换模块具体用于:根据第一公式对扩张后的待检测图像进行离散傅里叶变换,所述第一公式为:
Figure BDA0001977922430000031
其中,f(x,y)为扩张后的待检测图像中像素(x,y)的灰阶值,M为扩张后的待检测图像的像素行数,N为扩张后的待检测图像的像素列数,F(u,v)为经过离散傅里叶变换后位置(u,v)处的傅式变换值;
根据第二公式获取离散傅里叶变换后的幅值图像,所述第二公式为:
Figure BDA0001977922430000032
其中,M(u,v)为经过离散傅里叶变换后位置(u,v)处的傅式变换值的幅值,Re(F(u,v))为位置(u,v)处的傅式变换值的实部,Im(F(u,v))为位置(u,v)处的傅式变换值的虚部。
再一方面,本发明实施例提供一种计算机可读介质,其上存储有计算机程序,所述计算机程序被执行时,实现如上述任一种所述的屏幕缺陷点检测方法。
本发明实施例提供的屏幕缺陷点检测方法及其装置、计算机可读介质,所述检测方法包括:对待检测图像进行扩张处理;对扩张后的待检测图像进行离散傅里叶变换,并获取经过离散傅里叶变换后的幅值图像;对幅值图像进行阈值分割处理,以获取分割后图像;对分割后图像进行霍夫变换,获取满足预设倾角范围的旋转角度;根据旋转角度对待检测图像进行仿射变换,以获取变换后的矫正图像;对矫正图像进行二值化处理,以获取二值化图像;对二值化图像进行第一次膨胀操作,以获取第一膨胀图像;对第一膨胀图像进行第二次膨胀操作,以获取第二膨胀图像;将第二膨胀图像与第一膨胀图像做差,以获取缺陷点图像。相较于现有技术,本发明实施例提供的检测方法首先通过对待检测图像进行扩张处理、离散傅里叶变换获取幅值图像;然后对幅值图像进行阈值分割处理、霍夫变换获取旋转角度;接着根据旋转角度对待检测图像进行仿射变换获取旋转矫正后的矫正图像;然后对矫正图像进行二值化处理获取二值化图像;接着对二值化图像进行连续两次单方向(水平方向或者竖直方向)的膨胀滤波操作,最后通过对两次膨胀后的图像求差来计算出缺陷点像素的位置,这样就简单、有效的实现了对屏幕暗点进行检测的目的,提高了屏幕缺陷点的检测准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的屏幕缺陷点检测方法流程图;
图2为本发明实施例提供的待检测图像示意图;
图3为本发明实施例提供的幅值图像示意图;
图4为本发明实施例提供的阈值分割后图像示意图;
图5为本发明实施例提供的以旋转角度为极角的直线的示意图;
图6为本发明实施例提供的屏幕缺陷点检测装置框图;
图7为本发明另一实施例提供的屏幕缺陷点检测装置框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅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。
本发明实施例提供一种屏幕缺陷点检测方法,如图1所示,所述检测方法包括:
步骤101、对待检测图像进行扩张处理。
假设待检测图像的尺寸大小为m*n,对图像的尺寸进行扩张,示例的,可以将待检测图像的尺寸由m*n扩张到M*N;其中,M=2p*3q*5r≥m,N=2p*3q*5r≥n,p、q、r均为任意正整数。通过对待检测图像进行扩张处理,可以加快后续离散傅里叶变换的运算速度。扩张前的待检测图像20可参考图2所示。
步骤102、对扩张后的待检测图像进行离散傅里叶变换,并获取经过离散傅里叶变换后的幅值图像。
对整幅图像进行离散傅里叶变换,将整幅图像的所有像素从时域变换到频率域中。具体的:可以根据第一公式对扩张后的待检测图像进行离散傅里叶变换,所述第一公式为:
Figure BDA0001977922430000051
其中,f(x,y)为扩张后的待检测图像中像素(x,y)的灰阶值,M为扩张后的待检测图像的像素行数,N为扩张后的待检测图像的像素列数,F(u,v)为经过离散傅里叶变换后位置(u,v)处的傅式变换值;
根据第二公式获取离散傅里叶变换后的幅值图像,所述第二公式为:
Figure BDA0001977922430000052
其中,M(u,v)为经过离散傅里叶变换后位置(u,v)处的傅式变换值的幅值,Re(F(u,v))为位置(u,v)处的傅式变换值的实部,Im(F(u,v))为位置(u,v)处的傅式变换值的虚部。获取的幅值图像30可参考图3所示。
步骤103、对幅值图像进行阈值分割处理,以获取分割后图像。
对于频域的幅值图像进行阈值分割,其中阈值分割的阈值可以自定义设置,也可以根据某些算法获取,本发明实施例对此不做限定。示例的,可以将幅值图像中所有幅值的平均值作为阈值,也可以将幅值图像中所有幅值的中间值作为阈值。在设定好阈值后,可以将幅值图像中幅值大于阈值的像素置为255,将小于阈值的像素置为0。这样可以排除其他干扰,加速后续霍夫变换的计算速度。获取的分割后图像40可参考图4所示。
步骤104、对分割后图像进行霍夫变换,获取满足预设倾角范围的旋转角度。
具体的,可以先对分割后图像进行霍夫变换,获取多条直线的极角;然后获取满足预设倾角范围的极角的平均值,将所述平均值作为旋转角度。其中,所述预设倾角范围为预先设置的角度范围,本领域技术人员可以根据实际情况进行设定,本发明实施例对此不做限定。
示例的,对阈值分割后图像(参考图4所示)进行霍夫变换求算图像中的直线,每一条直线都按照L=(极径,极角)的表示方法进行表示,即为L=(ρ,θ),极角θ为逆时针方向,对所获得的直线进行排除和筛选:假设预设倾角范围为0°~90°或者270°~360°,则首先排除极角θ在90°~270°的直线;然后将极角θ在0°~90°内的所有直线的极角求平均值,将该平均值作为旋转角度;或者将极角θ在270°~360°内的所有直线的极角求平均值,将该平均值作为旋转角度。图5为以旋转角度为极角的直线50的示意图。
步骤105、根据旋转角度对待检测图像进行仿射变换,以获取变换后的矫正图像。
利用之前霍夫变换所求算的旋转角度计算仿射变换矩阵,利用仿射变换矩阵对待检测图像进行仿射变换,通过对倾斜的点阵进行仿射变换,可以使其进行旋转校正。
步骤106、对矫正图像进行二值化处理,以获取二值化图像。
本发明实施例对于二值化处理的阈值不做限定,本领域技术人员可以根据实际情况进行设定。
步骤107、对二值化图像进行第一次膨胀操作,以获取第一膨胀图像。
对二值化图像进行第一次膨胀操作,其目的主要是对没有缺陷的像素点之间进行连接,因为没有缺陷的像素相对距离比较近,进行一次膨胀滤波操作就可以将其连接起来。
步骤108、对第一膨胀图像进行第二次膨胀操作,以获取第二膨胀图像。
对二值化图像进行二次膨胀操作,目的主要是对缺陷像素之间进行连接,使得所有像素都可连接为直线。
需要说明的是,步骤107和步骤108中的膨胀操作均是对于一个方向进行膨胀的,示例的,可以使用3*1的单行或者单列模板进行膨胀操作。
步骤109、将第二膨胀图像与第一膨胀图像做差,以获取缺陷点图像。
将第二次膨胀操作的图像和第一次膨胀操作后的图像帧做差,即将第二膨胀图像与第一膨胀图像对应位置像素的灰阶值做差,差值不为0的像素即为暗点(也称缺陷点),至此求出了屏幕上的暗点位置。
这样一来,相较于现有技术,本发明实施例提供的检测方法首先通过对待检测图像进行扩张处理、离散傅里叶变换获取幅值图像;然后对幅值图像进行阈值分割处理、霍夫变换获取旋转角度;接着根据旋转角度对待检测图像进行仿射变换获取旋转矫正后的矫正图像;然后对矫正图像进行二值化处理获取二值化图像;接着对二值化图像进行连续两次单方向(水平方向或者竖直方向)的膨胀滤波操作,最后通过对两次膨胀后的图像求差来计算出缺陷点像素的位置,这样就简单、有效的实现了对屏幕暗点进行检测的目的,提高了屏幕缺陷点的检测准确性。
进一步的,在对二值化图像进行第一次膨胀操作之前,所述检测方法还包括:对二值化图像进行开运算操作;对二值化图像进行第一次膨胀操作具体为:对进行开运算操作后的二值化图像进行第一次膨胀操作。
其中,开运算操作主要包括腐蚀和膨胀两种操作,对二值化图像进行开运算操作的主要目的是使图像中像素的水平方向(或竖直方向)更加的平滑,没有小的突起,以便后续的像素膨胀连接操作更好的进行。
本发明另一实施例提供一种屏幕缺陷点检测装置,如图6所示,所述检测装置包括:
扩张模块601,用于对待检测图像进行扩张处理;
离散傅里叶变换模块602,用于对扩张后的待检测图像进行离散傅里叶变换,并获取经过离散傅里叶变换后的幅值图像;
阈值分割模块603,用于对幅值图像进行阈值分割处理,以获取分割后图像;
霍夫变换模块604,用于对分割后图像进行霍夫变换,获取满足预设倾角范围的旋转角度;
仿射变换模块605,用于根据旋转角度对待检测图像进行仿射变换,以获取变换后的矫正图像;
二值化模块606,用于对矫正图像进行二值化处理,以获取二值化图像;
膨胀模块607,用于对二值化图像进行第一次膨胀操作,以获取第一膨胀图像;
膨胀模块607还用于对第一膨胀图像进行第二次膨胀操作,以获取第二膨胀图像;
做差模块608,用于将第二膨胀图像与第一膨胀图像做差,以获取缺陷点图像。
进一步的,参考图7所示,所述检测装置还包括:
开运算模块609,用于对二值化图像进行开运算操作;
膨胀模块607具体用于:对进行开运算操作后的二值化图像进行第一次膨胀操作。
进一步的,霍夫变换模块604具体用于:
对分割后图像进行霍夫变换,获取多条直线的极角;
获取满足预设倾角范围的极角的平均值,将该平均值作为旋转角度。
进一步的,离散傅里叶变换模块602具体用于:
根据第一公式对扩张后的待检测图像进行离散傅里叶变换,所述第一公式为:
Figure BDA0001977922430000091
其中,f(x,y)为扩张后的待检测图像中像素(x,y)的灰阶值,M为扩张后的待检测图像的像素行数,N为扩张后的待检测图像的像素列数,F(u,v)为经过离散傅里叶变换后位置(u,v)处的傅式变换值;
根据第二公式获取离散傅里叶变换后的幅值图像,所述第二公式为:
Figure BDA0001977922430000092
其中,M(u,v)为经过离散傅里叶变换后位置(u,v)处的傅式变换值的幅值,Re(F(u,v))为位置(u,v)处的傅式变换值的实部,Im(F(u,v))为位置(u,v)处的傅式变换值的虚部。
上述屏幕缺陷点检测装置中各模块可以参考屏幕缺陷点检测方法中各步骤的介绍,在此不再赘述,可以达到与屏幕缺陷点检测方法相同的功能。
本发明再一实施例提供一种计算机可读介质,其上存储有计算机程序,所述计算机程序被执行时,实现如上述任一种所述的屏幕缺陷点检测方法。
在本发明实施例提供的检测方法中,首先通过对待检测图像进行扩张处理、离散傅里叶变换获取幅值图像;然后对幅值图像进行阈值分割处理、霍夫变换获取旋转角度;接着根据旋转角度对待检测图像进行仿射变换获取旋转矫正后的矫正图像;然后对矫正图像进行二值化处理获取二值化图像;接着对二值化图像进行连续两次单方向(水平方向或者竖直方向)的膨胀滤波操作,最后通过对两次膨胀后的图像求差来计算出缺陷点像素的位置,这样就简单、有效的实现了对屏幕暗点进行检测的目的,提高了屏幕缺陷点的检测准确性。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。

Claims (8)

1.一种屏幕缺陷点检测方法,其特征在于,所述检测方法包括:
对待检测图像进行扩张处理;
对扩张后的待检测图像进行离散傅里叶变换,并获取经过离散傅里叶变换后的幅值图像;
对所述幅值图像进行阈值分割处理,以获取分割后图像;
对所述分割后图像进行霍夫变换,获取满足预设倾角范围的旋转角度;
根据所述旋转角度对所述待检测图像进行仿射变换,以获取变换后的矫正图像;
对所述矫正图像进行二值化处理,以获取二值化图像;
对所述二值化图像进行第一次膨胀操作,以获取第一膨胀图像;
对所述第一膨胀图像进行第二次膨胀操作,以获取第二膨胀图像;
将所述第二膨胀图像与所述第一膨胀图像做差,以获取缺陷点图像;
所述对所述分割后图像进行霍夫变换,获取满足预设倾角范围的旋转角度具体包括:
对所述分割后图像进行霍夫变换,获取多条直线的极角;
获取满足预设倾角范围的极角的平均值,将所述平均值作为旋转角度。
2.根据权利要求1所述的屏幕缺陷点检测方法,其特征在于,在对所述二值化图像进行第一次膨胀操作之前,所述检测方法还包括:
对所述二值化图像进行开运算操作;
所述对所述二值化图像进行第一次膨胀操作具体为:
对进行开运算操作后的二值化图像进行第一次膨胀操作。
3.根据权利要求1所述的屏幕缺陷点检测方法,其特征在于,所述对待检测图像进行扩张处理具体为:
将尺寸为m*n的待检测图像扩张到尺寸为M*N的待检测图像;其中,M=2p*3q*5r≥m,N=2p*3q*5r≥n,p、q、r均为任意正整数。
4.根据权利要求1所述的屏幕缺陷点检测方法,其特征在于,所述对扩张后的待检测图像进行离散傅里叶变换,并获取经过离散傅里叶变换后的幅值图像具体包括:
根据第一公式对扩张后的待检测图像进行离散傅里叶变换,所述第一公式为:
Figure FDA0002865498400000021
其中,f(x,y)为扩张后的待检测图像中像素(x,y)的灰阶值,M为扩张后的待检测图像的像素行数,N为扩张后的待检测图像的像素列数,F(u,v)为经过离散傅里叶变换后位置(u,v)处的傅式变换值;
根据第二公式获取离散傅里叶变换后的幅值图像,所述第二公式为:
Figure FDA0002865498400000022
其中,M(u,v)为经过离散傅里叶变换后位置(u,v)处的傅式变换值的幅值,Re(F(u,v))为位置(u,v)处的傅式变换值的实部,Im(F(u,v))为位置(u,v)处的傅式变换值的虚部。
5.一种屏幕缺陷点检测装置,其特征在于,所述检测装置包括:
扩张模块,用于对待检测图像进行扩张处理;
离散傅里叶变换模块,用于对扩张后的待检测图像进行离散傅里叶变换,并获取经过离散傅里叶变换后的幅值图像;
阈值分割模块,用于对所述幅值图像进行阈值分割处理,以获取分割后图像;
霍夫变换模块,用于对所述分割后图像进行霍夫变换,获取满足预设倾角范围的旋转角度;
仿射变换模块,用于根据所述旋转角度对所述待检测图像进行仿射变换,以获取变换后的矫正图像;
二值化模块,用于对所述矫正图像进行二值化处理,以获取二值化图像;
膨胀模块,用于对所述二值化图像进行第一次膨胀操作,以获取第一膨胀图像;
所述膨胀模块还用于对所述第一膨胀图像进行第二次膨胀操作,以获取第二膨胀图像;
做差模块,用于将所述第二膨胀图像与所述第一膨胀图像做差,以获取缺陷点图像;
所述霍夫变换模块具体用于:
对所述分割后图像进行霍夫变换,获取多条直线的极角;
获取满足预设倾角范围的极角的平均值,将所述平均值作为旋转角度。
6.根据权利要求5所述的屏幕缺陷点检测装置,其特征在于,所述检测装置还包括:
开运算模块,用于对所述二值化图像进行开运算操作;
所述膨胀模块具体用于:对进行开运算操作后的二值化图像进行第一次膨胀操作。
7.根据权利要求5所述的屏幕缺陷点检测装置,其特征在于,所述离散傅里叶变换模块具体用于:
根据第一公式对扩张后的待检测图像进行离散傅里叶变换,所述第一公式为:
Figure FDA0002865498400000031
其中,f(x,y)为扩张后的待检测图像中像素(x,y)的灰阶值,M为扩张后的待检测图像的像素行数,N为扩张后的待检测图像的像素列数,F(u,v)为经过离散傅里叶变换后位置(u,v)处的傅式变换值;
根据第二公式获取离散傅里叶变换后的幅值图像,所述第二公式为:
Figure FDA0002865498400000032
其中,M(u,v)为经过离散傅里叶变换后位置(u,v)处的傅式变换值的幅值,Re(F(u,v))为位置(u,v)处的傅式变换值的实部,Im(F(u,v))为位置(u,v)处的傅式变换值的虚部。
8.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述计算机程序被执行时,实现如权利要求1-4任一项所述的屏幕缺陷点检测方法。
CN201910138970.0A 2019-02-25 2019-02-25 一种屏幕缺陷点检测方法及其装置、计算机可读介质 Active CN109886952B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910138970.0A CN109886952B (zh) 2019-02-25 2019-02-25 一种屏幕缺陷点检测方法及其装置、计算机可读介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910138970.0A CN109886952B (zh) 2019-02-25 2019-02-25 一种屏幕缺陷点检测方法及其装置、计算机可读介质

Publications (2)

Publication Number Publication Date
CN109886952A CN109886952A (zh) 2019-06-14
CN109886952B true CN109886952B (zh) 2021-04-23

Family

ID=66929235

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910138970.0A Active CN109886952B (zh) 2019-02-25 2019-02-25 一种屏幕缺陷点检测方法及其装置、计算机可读介质

Country Status (1)

Country Link
CN (1) CN109886952B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112862694A (zh) * 2019-11-12 2021-05-28 合肥欣奕华智能机器有限公司 屏幕位置矫正方法、装置、计算设备和存储介质
CN110992328B (zh) * 2019-11-28 2024-04-02 京东方科技集团股份有限公司 暗点检测方法和装置
WO2021189259A1 (zh) * 2020-03-24 2021-09-30 京东方科技集团股份有限公司 Oled屏幕点缺陷判定方法、装置、存储介质及电子设备
CN111929931A (zh) * 2020-07-28 2020-11-13 深圳市科视创科技有限公司 液晶显示屏的检测方法、装置及终端设备
CN114663430A (zh) * 2022-05-18 2022-06-24 爱科赛智能科技(浙江)有限公司 一种基于频域信息双确认的pcb表面缺陷检测方法
CN114897847A (zh) * 2022-05-19 2022-08-12 京东方科技集团股份有限公司 图像处理方法及装置、计算机可读存储介质、电子设备

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4543153B1 (ja) * 2009-08-11 2010-09-15 国立大学法人 岡山大学 欠陥検査方法及び欠陥検査装置
CN104978748A (zh) * 2015-07-06 2015-10-14 电子科技大学 一种基于局部像素值的液晶屏缺陷检测方法
CN105070247A (zh) * 2015-07-29 2015-11-18 信利(惠州)智能显示有限公司 显示屏中亮度不均匀像素点的确定方法
CN106157310A (zh) * 2016-07-06 2016-11-23 南京汇川图像视觉技术有限公司 基于混合自适应水平集模型与多通道结合的TFT LCD mura缺陷检测方法
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
CN107561736A (zh) * 2017-08-04 2018-01-09 南京理工大学 基于傅里叶及Hough变换的LCD缺陷检测方法
CN109166111A (zh) * 2018-08-15 2019-01-08 苏州富鑫林光电科技有限公司 一种电子墨水屏缺陷检测方法及系统
CN109345528A (zh) * 2018-09-28 2019-02-15 凌云光技术集团有限责任公司 一种基于人眼视觉特性的显示屏缺陷检测方法及装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104392203B (zh) * 2014-10-13 2017-08-01 浙江工业大学 一种基于视频分析的点状条纹噪声检测方法
CN107945164B (zh) * 2017-11-24 2019-07-26 常州大学 基于峰值阈值、旋转校准和混合特征的纺织品瑕疵检测方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4543153B1 (ja) * 2009-08-11 2010-09-15 国立大学法人 岡山大学 欠陥検査方法及び欠陥検査装置
CN104978748A (zh) * 2015-07-06 2015-10-14 电子科技大学 一种基于局部像素值的液晶屏缺陷检测方法
CN105070247A (zh) * 2015-07-29 2015-11-18 信利(惠州)智能显示有限公司 显示屏中亮度不均匀像素点的确定方法
CN106157310A (zh) * 2016-07-06 2016-11-23 南京汇川图像视觉技术有限公司 基于混合自适应水平集模型与多通道结合的TFT LCD mura缺陷检测方法
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
CN107561736A (zh) * 2017-08-04 2018-01-09 南京理工大学 基于傅里叶及Hough变换的LCD缺陷检测方法
CN109166111A (zh) * 2018-08-15 2019-01-08 苏州富鑫林光电科技有限公司 一种电子墨水屏缺陷检测方法及系统
CN109345528A (zh) * 2018-09-28 2019-02-15 凌云光技术集团有限责任公司 一种基于人眼视觉特性的显示屏缺陷检测方法及装置

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
TFT-LCD Spot-Type Defect Detection in Module Process;Guo Bo 等;《Advanced Materials Research》;20140625;第1368-1371页 *
The Phase Only Transform for unsupervised surface defect detection;Dror Aiger 等;《CVPR 2010》;20100618;第295-302页 *
傅里叶重建图像法检测磁片表面刀纹缺陷;左博 等;《计算机工程与应用》;20141014;第52卷(第3期);第256-260、265页 *
基于二维DFT的TFT-LCD平板表面缺陷检测;张腾达 等;《光电工程》;20160315;第43卷(第3期);第7-15页 *

Also Published As

Publication number Publication date
CN109886952A (zh) 2019-06-14

Similar Documents

Publication Publication Date Title
CN109886952B (zh) 一种屏幕缺陷点检测方法及其装置、计算机可读介质
CN108460757B (zh) 一种手机TFT-LCD屏Mura缺陷在线自动检测方法
CN107808378B (zh) 基于垂直纵横线轮廓特征的复杂结构铸件潜在缺陷检测方法
CN109325930B (zh) 边界缺陷的检测方法、装置及检测设备
CN112446838B (zh) 一种基于局部统计信息的图像噪声检测方法、装置
CN112419297A (zh) 一种螺栓松动检测方法、装置、设备及存储介质
CN109767445B (zh) 一种高精度的pcb缺陷智能检测方法
US7978904B2 (en) Pattern inspection apparatus and semiconductor inspection system
CN109060842B (zh) 基于曲面拟合校正的柑橘表面缺陷检测方法
CN110838097A (zh) 一种基于机器视觉的输送带偏移测量方法
CN113077437B (zh) 工件质量检测方法及其系统
CN115184380B (zh) 基于机器视觉的印刷电路板焊点异常检测方法
CN105205803A (zh) 显示面板缺陷检测方法
CN111257329A (zh) 一种智能手机摄像头缺陷检测方法以及检测系统
CN117635609B (zh) 一种塑胶产品生产质量视觉检测方法
CN105741281A (zh) 基于邻域离散度的图像边缘检测方法
CN114022503A (zh) 检测方法及检测系统、设备和存储介质
CN112419207A (zh) 一种图像矫正方法及装置、系统
CN108492306A (zh) 一种基于图像轮廓的x型角点提取方法
WO2022222467A1 (zh) 开口圆环工件外观缺陷检测方法、系统及计算机存储介质
CN112419225B (zh) 一种基于引脚分割的sop型芯片检测方法及系统
JP2010128616A (ja) 円検出装置
CN102313740A (zh) 太阳能电池板裂痕检测方法
CN108898584B (zh) 一种基于图像分析的全自动贴面电容装焊极性判别方法
CN104268536A (zh) 一种图像人脸检测方法

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