CN110007493A - 液晶显示屏中碎亮点检测方法 - Google Patents

Abstract

本申请提供了液晶显示屏中碎亮点检测方法，利用灰尘画面图像中的异物点，去除黑画面图像中的灰尘对应的异物点，得到初步目标图像；利用构造的多个不同角度的结构元素，对初步目标图像进行处理，获取初步目标图像中所有异物点；从初步目标图像中所有异物点中，选取异物点排布方向与结构元素的角度方向相同的异物点的集合，作为初始目标异物；采用Blob分析法去除初始目标异物中不符合预设面积和长度标准的异物点的集合，得到目标异物；判断目标异物中异物点的密度是否符合预设密度标准；如果符合，则目标异物中的异物点判定为碎亮点。本申请中，利用多个预设标准去除不符合预设标准的异物点集合，去除图像中干扰点，提高检测的准确性。

Description

液晶显示屏中碎亮点检测方法

技术领域

本申请涉及缺陷检测领域，尤其涉及液晶显示屏中碎亮点检测方法。

背景技术

LCD(Liquid Crystal Display，液晶显示屏)目前已广泛应用于手机、平板电脑、车载显示等诸多领域。随着市场需求加大，竞争加剧，客户对LCD的质量要求不断提高，促使LCD生产厂家对LCD的质量检测更加重视。其中，异物检测是LCD的重点质量检测项目。

其中，异物检测的难点在于异物与背景的对比度低，且异物的形态不统一，不容易被发现，特别是Cell段内的异物。但是，手机显示屏的组装过程是从Cell段到模组阶段将一层一层的屏相贴合的过程，在Cell段不易检测出的异物，在模组段贴完上下偏光片之后就会比较容易被检测出。而对于Cell段内未被发觉而在模组段检测出异物的LCD，厂家为了保证产品出厂质量会选择将其废弃。这些被废弃的LCD会造成大量资源浪费，导致企业成本增加。因此，为了减少LCD的报废率，在Cell段内的异物检测至关重要。

具体的，Cell段内的异物在暗态画面下面板显示区域通常呈现为微小细密异物点，这些微小细密异物点又称为碎亮点。目前，对于碎亮点的检测方法通常采用Hough变换(Hough transform，霍夫变换)方法。其具体过程如下：首先，将待测图像空间中的各个目标点映射到参数空间分别获得一条直线；其次，对各个直线上的点进行投票，即累加；然后，遍历参数空间，找出局部极大值点，根据极大值点的坐标值获得待测图像中可能的直线；最后，以目标点是否在待测图像的直线上，来判断目标点是否为碎亮点。

由于碎亮点一般呈密集分布，相邻两个异物点之间的距离差很小。但Hough变换法检测碎亮点，只是单纯的检测异物点是否处于同一直线上，没有考虑点与点之间的距离关系，但是实际中有些碎亮点的排布除了共线的特点外，还有距离相对比较近、固定长度范围内点数比较多的特点。所以，该检测方式的准确性低。

发明内容

本申请提供了液晶显示屏中碎亮点检测方法，以解决现有检测方法的准确性低的技术问题。

为了解决上述问题，本申请提供以下的技术方案:

液晶显示屏中碎亮点检测方法，方法包括：利用待测液晶显示屏的灰尘画面图像中的异物点，去除待测液晶显示屏的黑画面图像中的灰尘对应的异物点，得到待测液晶显示屏的初步目标图像；利用构造的多个不同角度的结构元素，对初步目标图像进行处理，获取初步目标图像中所有异物点；从初步目标图像中所有异物点中，选取异物点排布方向与结构元素的角度方向相同的异物点的集合，作为初始目标异物；采用Blob分析法去除初始目标异物中不符合预设面积和长度标准的异物点的集合，得到目标异物；判断目标异物中异物点的密度是否符合预设密度标准；如果符合，则将所述目标异物中的异物点判定为碎亮点。

可选地，利用待测液晶显示屏的灰尘画面图像中的异物点，去除液待测液晶显示屏的黑画面图像中的灰尘对应的异物点，得到待测液晶显示屏的初步目标图像之前，还包括：高亮光源从背面照射待测液晶显示屏获得黑画面图像，其中，高亮光源的光强度/普通光源的光强度≥3，普通光源从侧面照射待测液晶显示屏获得灰尘画面图像；对黑画面图像和灰尘画面图像分别进行图像增强处理，并提取黑画面图像中的异物点和灰尘画面图像中的异物点。

可选地，采用Blob分析法去除初始目标异物中不符合预设面积和长度标准的异物点的集合，得到目标异物，包括：利用Blob分析法去除初始目标异物中不符合预设面积标准的异物点的集合，得到第一目标图像；利用构造的第一长度的结构元素，对第一目标图像进行处理，获取第一目标图像中所有异物点；从第一目标图像中所有异物点中，选取异物点排布方向与结构元素的角度方向相同的异物点的集合，作为第一目标异物；利用Blob分析法去除第一目标异物中不符合预设长度标准的异物点的集合，得到目标异物。

可选地，利用Blob分析法去除第一目标异物中不符合预设长度标准的异物点的集合，得到目标异物，包括：利用Blob分析法去除第一目标异物中不符合预设长度标准的异物点的集合，获得第二目标图像；利用构造的第二长度的结构元素，对第二目标图像进行处理，获取第二目标图像中所有异物点；从第二目标图像中所有异物点中，选取异物点排布方向与结构元素的角度方向相同的异物点的集合，作为第二目标异物；利用Blob分析法去除第二目标异物中不符合预设长度标准的异物点的集合，得到目标异物。

可选地，对黑画面图像和灰尘画面图像分别进行图像增强处理，并提取黑画面图像的异物点和灰尘画面图像的异物点，包括：对黑画面图像和灰尘画面图像分别进行CSF滤波处理；对黑画面图像和灰尘画面图像分别进行均值滤波处理；黑画面图像和灰尘画面图像的各个异物点分别设置各自阈值进行分割运算，提取各自的异物点。

可选地，对黑画面图像和灰尘画面图像分别进行CSF滤波处理，包括：采用傅里叶变换将黑画面图像和灰尘画面图像分别转换到第一频域和第二频域；构造第一高斯滤波核和第二高斯滤波核，并将第一高斯滤波核和第二高斯滤波核做差获得带通滤波器，其中，第一高斯滤波核大于第二高斯滤波核；利用带通滤波器分别对第一频域和第二频域滤波，并将滤波后的第一频域和第二频域经傅里叶反变换到第一空域和第二空域。

可选地，判断目标异物中异物点的密度是否符合预设密度标准之前，还包括：统计目标异物中异物点的数目，根据目标异物的面积和目标异物中异物点的数目计算目标异物中异物点的密度。

可选地，黑画面图像和灰尘画面图像的各个异物点分别设置各自阈值进行分割运算，提取各自的异物点之后，包括：对灰尘画面图像按面积大小膨胀处理。

有益效果：本申请提供了液晶显示屏中碎亮点检测方法，为了利用待测液晶显示屏的灰尘画面图像中的异物点，去除液晶显示屏的黑画面图像中的灰尘对应的异物点，得到待测液晶显示屏的初步目标图像。但由于初步目标图像中存在的异物点可能还包括离散状异物点，通常还会对初步目标图像进行二次分析。为了提高检测的准确性，利用构造的多个不同角度的结构元素，对初步目标图像进行处理，获取初步目标图像中所有异物点。由于异物点中还有灰尘或者其他干扰点，往往需要提前将异物点中的疑似碎亮点寻找并标记出来；又由于碎亮点往往沿着一定的方向排布，疑似碎亮点标记方法如下：碎亮点从初步目标图像中所有异物点中，选取异物点排布方向与结构元素的角度方向相同的异物点的集合，作为初始目标异物。由于碎亮点具有密集性，采用Blob分析法去除初始目标异物中不符合预设面积和长度标准的异物点的集合，得到目标异物。由于碎亮点的判断标准除了面积和长度外，还有密度，判断目标异物中异物点的密度是否符合预设密度标准。如果符合，则将目标异物中的异物点判定为碎亮点。本申请中，通过利用多个预设标准去除不符合预设标准的异物点的集合，可有效去除图像中的灰尘点或其他干扰点，提高检测的准确性。

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为申请提供的液晶显示屏中碎亮点检测方法的流程图。

具体实施方式

异物检测的难点在于异物与背景的对比度低，且异物的形态不统一，不容易被发现，特别是Cell段内的异物。但异物检测除了对比度低之外，灰尘干扰也会异物点检测带来一定的困难。人工检测时一般通过擦拭来区分灰尘还是异物，自动检测时没有擦拭对比，通常的检测方法：首先，通过普通背光和侧光对液晶显示屏照射获得黑画面图像和灰尘画面图像；然后，将黑画面图像和灰尘画面图像分别进行处理，提取黑画面图像中和灰尘画面图像的各自异物点并将这两种图像的异物点进行对比，获得黑画面图像中的灰尘对应的异物点；最后，将黑画面图像中的灰尘对应的异物点去除，获得液晶显示屏的初步目标图像。但对于特别弱的异物点，由于异物点与背景的对比度只有1到2个DN，普通背光照明，很难将异物点在图像中凸显出来。为了异物点在图像中凸显出来，具体做法如下：

S011：高亮光源从背面照射待测液晶显示屏获得黑画面图像，其中，高亮光源的光强度/普通光源的光强度≥3，普通光源从侧面照射待测液晶显示屏获得灰尘画面图像。

高亮光源从背影照射待测液晶显示屏获得黑画面，并通过相机拍摄待测液晶显示屏获得黑画面图像；普通光源从侧面照射待测液晶显示屏获得灰尘画面，并通过相机拍摄待测液晶显示屏获得灰尘画面图像。普通光源为普通LED光源，普通光源的光强度为15000cd。利用高亮光源的光强度/普通光源的光强度≥3的高亮光源从背面照射待测液晶显示屏时，可提高异物点相对于背景的对比度提高，可将对比度提高到10DN以上。图像中的异物点与背景的对比度提高到10DN以上，可将异物点从背景中凸显出来，方便人工或机器检测，提高检测的准确性。为了进一步提取黑画面图像中的异物点和灰尘画面图像中的异物点，分别对黑画面图像和灰尘画面图像进行以下处理：

S012：对黑画面图像和灰尘画面图像分别进行图像增强处理，并提取黑画面图像的异物点和灰尘画面图像的异物点。

S0121：对黑画面图像和灰尘画面图像分别进行CSF滤波处理。

采用傅里叶变换将黑画面图像和灰尘画面图像分别转换到第一频域和第二频域；

构造第一高斯滤波核和第二高斯滤波核，并将第一高斯滤波核和第二高斯滤波核做差获得带通滤波器，其中，第一高斯滤波核大于第二高斯滤波核；

利用带通滤波器分别对第一频域和第二频域滤波，并将滤波后的第一频域和第二频域经傅里叶反变换到第一空域和第二空域。

本实施例中，通过构造两个大小不同的高斯滤波核，并将两个大小不同的高斯滤波核做差，得到带通滤波器。将带通滤波器分别对第一频域图像和第二频域图像进行滤波，过滤掉高频部分和低频部分，突出异物点。其中，小高斯滤波核尺度可选择1左右，大高斯滤波核尺度可选择3左右。本实施例中，对黑画面图像和灰尘画面图像分别进行CSF滤波处理，可将异物点突出，方便人工或机器的检测。

S0122：对黑画面图像和灰尘画面图像分别进行均值滤波处理。

对黑画面图像和灰尘画面图像分别进行均值滤波处理，可去除黑画面图像和灰尘画面图像中的不相关细节，其中不相关指的是与滤波器模板尺寸相比较小的像素区域。

现有对黑画面图像和灰尘画面图像进行分割运算采用的方法是静态阈值分割算法，静态阈值分割方法的工作原理是整个图像选取一个阈值，且阈值为一固定值。利用这一阈值，将黑画面图像中将低于阈值的异物点作物背景，将高于阈值的异物点作物目标分割出来。因为阈值太高则提取不出来目标，阈值太低则出现大量干扰，影响检测的准确性，所以阈值的选取比较困难。为了方便从黑画面图像中提取异物点、从灰尘画面图像中提取出异物点，方法如下：

S0123：黑画面图像和灰尘画面图像的各个异物点分别设置各自阈值进行分割运算，提取各自的异物点。

对于黑画面图像，将黑画面图像中的各个异物点根据情况分别设置有各自的阈值，并利用各自的阈值将异物点从图像中提取出来，有效提取出异物点，避免因一个固定阈值提取异物点造成的图像中部分异物点无法提取出来，使得检测的准确性低。

由于光学原因，灰尘画面图像中的异物点可能显示不全。为了使灰尘画面图像中的异物点显示出来，对灰尘画面图像按面积大小进行膨胀处理。经过膨胀处理后的灰尘画面图像，图像中的异物点尽可能的显示出来。

根据黑画面图像中的异物点和灰尘画面图像中的异物点可知，黑画面图像中的异物点哪些是灰尘点，哪些是碎亮点。将黑画面图像中的灰尘点去除，具体方法参见图1，为本申请提供的液晶显示屏中碎亮点检测方法的流程图。

S1：利用待测液晶显示屏的灰尘画面图像中的异物点，去除液晶显示屏的黑画面图像中的灰尘对应的异物点，得到待测液晶显示屏的初步目标图像。

本申请中，通过比较黑画面图像中的异物点和灰尘画面图像中的异物点，去除黑画面图像中对应的灰尘点，有效过滤掉黑画面图像中的灰尘点，提高异物检测的准确性。但由于初步目标图像中存在的异物点可能还包括离散状异物点，通常还会对初步目标图像进行二次分析。现有技术中对初步目标进行二次分析常用方法为Hough变换方法，Hough变换方法的检测标准是异物点是否处于同一直线上，但实际中有些碎亮点的排布并不均处于同一直线上。所以，该检测方式准确性低。为了提高检测的准确性，具体方法如下：

S2：利用构造的多个不同角度的结构元素，对初步目标图像进行处理，获取初步目标图像中所有异物点。

由于碎亮点的排布方向不确定，为了准确检测出初步目标图像中的所有碎亮点，需要构造多个不同角度的结构元素，并利用各个不同角度的结构元素分别对初步目标图像进行形态学运算。此时的形态学运算包括先闭运算再腐蚀运算。以一个角度的结构元素为例，剩余各个角度的结构元素处理方法同理可得。

利用结构元素，对初步目标图像先进行闭运算再进行腐蚀运算处理，获取初步目标图像中所有异物点。由于异物点中还有灰尘或者其他干扰点，往往需要提前将异物点中的疑似碎亮点寻找并标记出来；又由于碎亮点往往沿着一定的方向排布，疑似碎亮点标记方法如下：

S3：从初步目标图像中所有异物点中，选取异物点排布方向与结构元素的角度方向相同的异物点的集合，作为初始目标异物。

首先以一个结构元素为准选取初步目标图像中的异物点，选取异物点排布方向与结构元素的角度方向相同的异物点集合，作为初始目标异物。剩余其他不同角度的结构元素的初步目标图像同理可得对应的初始目标异物。

选取异物点排布方向与结构元素的角度相同的异物点的集合，由于碎亮点具有密集性，碎亮点具有一定的预设面积和预设长度。

S4：采用Blob分析法去除初始目标异物中不符合预设面积和长度标准的异物点的集合，得到目标异物。

S41：利用Blob分析法去除初始目标异物中不符合预设面积标准的异物点的集合，得到第一目标图像。

利用Blob分析法计算初始目标异物的面积，并去除初始目标异物中不符合预设面积标准的异物点的集合。由于负荷碎亮点的标准不仅有预设面积，还有预设长度。

S42：利用构造的第一长度的结构元素，对第一目标图像进行处理，获取第一目标图像中所有异物点。

构造长斜条形的第一长度的结构元素，利用第一长度的结构元素对第一目标图像进行闭运算处理，获取第一目标图像中所有异物点。

S43：从第一目标图像中所有异物点中，选取异物点排布方向与结构元素的角度方向相同的异物点的集合，作为第一目标异物。

S44：利用Blob分析法去除第一目标异物中不符合预设长度标准的异物点的集合，得到目标异物。

S441：利用Blob分析法去除第一目标异物中不符合预设长度标准的异物点的集合，获得第二目标图像。

由于结构元素有类似与标尺的作用，可将小于第一长度的结构元素长度尺寸的目标异物标记，并利用Blob分析法计算第一目标异物的长度，并去除第一目标图像异物中不符合预设长度标准的异物点的集合。但由于第一长度的结构元素的长度有限，无法将相邻碎亮点连接起来，因此需要构造第二长度的结构元素再对第二目标图像进行闭运算。

S442：利用构造的第二长度的结构元素，对第二目标图像进行处理，获取第二目标图像中所有异物点。

第二长度的结构元素的长度尺寸大于第一长度的结构元素的长度尺寸。

S443：从第二目标图像中所有异物点中，选取异物点排布方向与结构元素的角度方向相同的异物点的集合，作为第二目标异物。

S444：利用Blob分析法去除第二目标异物中不符合预设长度标准的异物点的集合，得到目标异物。

利用构造的第二长度的结构元素对目标图像进行处理，可将相邻两个第一目标异物连接起来组成第二目标异物，并去除第二目标异物中不符合预设长度标准的异物点的集合，得到目标异物。此时目标异物满足碎亮点的预设面积和预设长度标准。但由于碎亮点的判断标准除了面积和长度外，还有密度，因此，需要判断目标异物的密度。

统计目标异物中异物点的数目，根据目标异物的面积和目标异物中异物点的数目计算目标异物中异物点的密度。

S5：判断目标异物中异物点的密度是否符合预设密度标准。

S6：如果符合，则将目标异物中的异物点判定为碎亮点。

当目标异物的异物点的密度符合预设密度标准时，目标异物也同时满足了预设面积和预设长度的标准。本申请中，通过三种不同的预设标准，可有效提高检测的准确性。

由于碎亮点的排布方向不确定，构造的多个结构元素角度也不同，但一个角度的结构元素完成上述步骤后，剩余的所有结构元素均按照S2-S5步骤依次对初始目标图像进行形态学操作，获得各个结构元素下的目标异物，计算各个目标异物的长度、面积和密度，并通过这三个判断标准来判定目标异物中的异物点是否为碎亮点。本申请中，通过多个角度结构元素对初始目标图像进行处理，可得出各个方向的目标异物，使得检测更为全面，提高检测的准确性。

本申请提供了液晶显示屏中碎亮点检测方法，为了利用待测液晶显示屏的灰尘画面图像中的异物点，去除液晶显示屏的黑画面图像中的灰尘对应的异物点，得到待测液晶显示屏的初步目标图像。但由于初步目标图像中存在的异物点可能还包括离散状异物点，通常还会对初步目标图像进行二次分析。现有技术中对初步目标进行二次分析常用方法为Hough变换方法，Hough变换方法的检测标准是异物点是否处于同一直线上，但实际中有些碎亮点的排布并不均处于同一直线上。所以，该检测方式准确性低。为了提高检测的准确性，利用构造的多个不同角度的结构元素，对初步目标图像进行处理，获取初步目标图像中所有异物点。由于异物点中还有灰尘或者其他干扰点，往往需要提前将异物点中的疑似碎亮点寻找并标记出来；又由于碎亮点往往沿着一定的方向排布，疑似碎亮点标记方法如下：碎亮点从初步目标图像中所有异物点中，选取异物点排布方向与结构元素的角度方向相同的异物点的集合，作为初始目标异物。由于碎亮点具有密集性，采用Blob分析法去除初始目标异物中不符合预设面积和长度标准的异物点的集合，得到目标异物。由于碎亮点的判断标准除了面积和长度外，还有密度，判断目标异物中异物点的密度是否符合预设密度标准。如果符合，则将目标异物中的异物点判定为碎亮点。本申请中，利用形态学算法对初步目标图像处理，将散乱的异物点提取、连接起来，过滤掉其他干扰点，进而检出线状异物缺陷，使得线状异物在Cell段检测出来，减少LCD的报废率，减少资源浪费。本申请中，首先，去除初始目标异物中不符合预设面积和长度标准的异物点的集合；其次，去除目标异物中不符合预设密度标准的异物点的集合，得出真正的碎亮点。本申请中，通过利用多个预设标准去除不符合的异物点的集合，可有效去除图像中的灰尘点或其他干扰点，提高检测的准确性。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。

应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。

Claims (8)

1.液晶显示屏中碎亮点检测方法，其特征在于，所述方法包括：

利用待测液晶显示屏的灰尘画面图像中的异物点，去除所述待测液晶显示屏的黑画面图像中的灰尘对应的异物点，得到所述待测液晶显示屏的初步目标图像；

利用构造的多个不同角度的结构元素，对所述初步目标图像进行处理，获取所述初步目标图像中所有异物点；

从所述初步目标图像中所有异物点中，选取异物点排布方向与所述结构元素的角度方向相同的异物点的集合，作为初始目标异物；

采用Blob分析法去除所述初始目标异物中不符合预设面积和长度标准的异物点的集合，得到目标异物；

判断所述目标异物中异物点的密度是否符合预设密度标准；

如果符合，则将所述目标异物中的异物点判定为碎亮点。

2.根据权利要求1所述的检测方法，其特征在于，所述利用待测液晶显示屏的灰尘画面图像中的异物点，去除所述待测液晶显示屏的黑画面图像中的灰尘对应的异物点，得到所述待测液晶显示屏的初步目标图像之前，还包括：

高亮光源从背面照射待测液晶显示屏获得黑画面图像，其中，高亮光源的光强度/普通光源的光强度≥3，普通光源从侧面照射待测液晶显示屏获得灰尘画面图像；

对所述黑画面图像和所述灰尘画面图像分别进行图像增强处理，并提取所述黑画面图像中的异物点和所述灰尘画面图像中的异物点。

3.根据权利要求1所述的检测方法，其特征在于，所述采用Blob分析法去除所述初始目标异物中不符合预设面积和长度标准的异物点的集合，得到目标异物，包括：

利用Blob分析法去除所述初始目标异物中不符合预设面积标准的异物点的集合，得到第一目标图像；

利用构造的第一长度的结构元素，对所述第一目标图像进行处理，获取所述第一目标图像中所有异物点；

从所述第一目标图像中所有异物点中，选取异物点排布方向与所述结构元素的角度方向相同的异物点的集合，作为第一目标异物；

利用Blob分析法去除所述第一目标异物中不符合预设长度标准的异物点的集合，得到目标异物。

4.根据权利要求3所述的检测方法，其特征在于，所述利用Blob分析法去除所述第一目标异物中不符合预设长度标准的异物点的集合，得到目标异物，包括：

利用Blob分析法去除所述第一目标异物中不符合预设长度标准的异物点的集合，获得第二目标图像；

利用构造的第二长度的结构元素，对所述第二目标图像进行处理，获取所述第二目标图像中所有异物点；

从所述第二目标图像中所有异物点中，选取异物点排布方向与所述结构元素的角度方向相同的异物点的集合，作为第二目标异物；

利用Blob分析法去除所述第二目标异物中不符合预设长度标准的异物点的集合，得到目标异物。

5.根据权利要求2所述的检测方法，其特征在于，对所述黑画面图像和所述灰尘画面图像分别进行图像增强处理，并提取所述黑画面图像的异物点和所述灰尘画面图像的异物点，包括：

对所述黑画面图像和所述灰尘画面图像分别进行CSF滤波处理；

对所述黑画面图像和所述灰尘画面图像分别进行均值滤波处理；

所述黑画面图像和所述灰尘画面图像的各个异物点分别设置各自阈值进行分割运算，提取各自的异物点。

6.根据权利要求5所述的检测方法，其特征在于，对所述黑画面图像和所述灰尘画面图像分别进行CSF滤波处理，包括：

采用傅里叶变换将所述黑画面图像和所述灰尘画面图像分别转换到第一频域和第二频域；

构造第一高斯滤波核和第二高斯滤波核，并将所述第一高斯滤波核和所述第二高斯滤波核做差获得带通滤波器，其中，所述第一高斯滤波核大于所述第二高斯滤波核；

利用所述带通滤波器分别对第一频域和第二频域滤波，并将滤波后的第一频域和第二频域经傅里叶反变换到第一空域和第二空域。

7.根据权利要求5所述的检测方法，其特征在于，判断所述目标异物中异物点的密度是否符合预设密度标准之前，还包括：

统计所述目标异物中异物点的数目，根据所述目标异物的面积和所述目标异物中异物点的数目计算所述目标异物中异物点的密度。

8.根据权利要求2所述的检测方法，其特征在于，所述黑画面图像和所述灰尘画面图像的各个异物点分别设置各自阈值进行分割运算，提取各自的异物点之后，包括：

对所述灰尘画面图像按面积大小膨胀处理。