CN110009607A - 显示屏坏点检测方法、装置、计算机设备和存储介质 - Google Patents
显示屏坏点检测方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN110009607A CN110009607A CN201910226784.2A CN201910226784A CN110009607A CN 110009607 A CN110009607 A CN 110009607A CN 201910226784 A CN201910226784 A CN 201910226784A CN 110009607 A CN110009607 A CN 110009607A
- Authority
- CN
- China
- Prior art keywords
- image
- original image
- binary
- lamp
- display screen
- 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
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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- 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
- G06T2207/20024—Filtering details
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30121—CRT, LCD or plasma display
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本申请提供一种显示屏坏点检测方法、装置、计算机设备和存储介质,其中,一种显示屏坏点检测方法,包括:获取显示屏的原始图像;对原始图像进行二值化处理,得到第一二值化图像;对第一二值化图像进行轮廓查找,得到每一个灯珠在图像中对应的面积;对原始图像进行均值滤波处理,得到均值滤波后的图像;对均值滤波处理后的图像进行二值化处理,得到第二二值化图像;将第二二值化图像进行反向处理;对反向处理后的第二二值化图像进行轮廓查找,得到死灯在图像中的总面积;根据每一个灯珠在图像中的面积以及死灯在图像中的总面积计算得到死灯数量,实现显示屏坏点检测,无需人工肉眼检测,提高检测效率及检测精度。
Description
技术领域
本发明涉及显示屏检测技术领域,尤其涉及一种显示屏坏点检测方法、装置、计算机设备和存储介质。
背景技术
LED显示屏(Light Emitting Diode,发光二极管)作为新型的显示技术,以其节能、环保、高亮等优点越来越受到用户的青睐,但由于LED灯的质量、生产工艺以及生产环境的影响,LED显示屏在生产的过程中容易出现LED显示屏中的LED灯坏死现象,导致LED显示屏图像显示存在缺陷,影响用户正常使用,目前对于LED显示屏坏灯检测通常采用人工肉眼检测,但由于人眼视力的局限性,导致LED显示屏坏灯检测效率低下以及准确率低的问题。
发明内容
基于此,有必要针对人工肉眼检测效率及准确率低的问题,提供一种显示屏坏点检测方法、装置、计算机设备和存储介质。
一种显示屏坏点检测方法,包括:获取显示屏的原始图像;对所述原始图像进行二值化处理,得到第一二值化图像;对所述第一二值化图像进行轮廓查找,得到每一个灯珠在所述原始图像中对应的面积;对所述原始图像进行均值滤波处理,得到均值滤波后的图像;对所述均值滤波处理后的图像进行二值化处理,得到第二二值化图像;将所述第二二值化图像进行前景和背景的反向处理;对反向处理后的所述第二二值化图像进行轮廓查找,得到死灯在所述原始图像中对应的总面积;根据所述每一个灯珠在所述原始图像中对应的面积以及所述死灯在所述原始图像中对应的总面积计算得到死灯数量。
在其中一个实施例中,所述对所述原始图像进行二值化处理,得到第一二值化图像的步骤包括:将所述原始图像进行灰度化处理,得到灰度化后的图像;将所述灰度化后的图像进行二值化处理,得到所述第一二值化图像。
在其中一个实施例中,所述对所述第一二值化图像进行轮廓查找,得到每一个灯珠在所述原始图像中对应的面积的步骤包括:将所述第一二值化图像依次进行形态学运算处理、距离变换处理、归一化处理、阈值分割处理,得到第一预处理图像;将所述第一预处理图像进行轮廓查找,得到每一灯珠在所述原始图像中对应的面积。
在其中一个实施例中,所述对所述原始图像进行均值滤波处理,得到均值滤波后的图像的步骤,包括:基于灯珠的发光颜色,对所述原始图像进行通道分离处理,得到分离后的图像;对所述分离后的图像进行均值滤波处理,得到均值滤波后的图像。
在其中一个实施例中,所述的对反向处理后的所述第二二值化图像进行轮廓查找,得到死灯在所述原始图像中对应的总面积的步骤,包括:对反向处理后的第二二值化图像进行形态学运算,得到第二预处理图像;对所述第二预处理图像进行轮廓查找,得到死灯在所述原始图像中对应的总面积。
在其中一个实施例中,所述对所述第一二值化图像进行轮廓查找,得到每一个灯珠在所述原始图像中对应的面积的步骤包括:对所述第一二值化图像进行轮廓查找,得到亮灯数量及亮灯在所述原始图像中对应的总面积;根据所述亮灯数量及亮灯在所述原始图像中对应的总面积,计算的到每一灯珠在所述原始图像中对应的面积。
在其中一个实施例中,所述获取显示屏的原始图像的步骤之后,还包括:判断所述原始图像的相邻的两个灯珠的间距是否小于预设阈值,当所述原始图像的相邻的两个灯珠的间距小于预设阈值时,对所述原始图像进行放大处理。
一种显示屏坏点检测装置,所述装置包括:
获取模块,用于获取显示屏的图像。
第一二值化模块,用于对所述图像进行二值化处理,得到第一二值化图像。
第一轮廓查找模块,用于对所述第一二值化图像进行轮廓查找,得到每一个灯珠在所述原始图像中对应的面积。
均值滤波模块,用于对所述图像进行均值滤波处理,得到均值滤波后的图像。
第二二值化模块,用于对所述均值滤波处理后的图像进行二值化处理,得到第二二值化图像。
反向模块,用于将所述第二二值化图像进行前景和背景的反向处理。
第二轮廓查找模块,用于对反向处理后的所述第二二值化图像进行轮廓查找,得到死灯在所述原始图像中对应的总面积。以及
计算模块,用于根据所述每一个灯珠在所述原始图像中对应的面积以及所述死灯在所述原始图像中对应的总面积计算得到死灯数量。
一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现以下步骤:获取显示屏的原始图像;对所述原始图像进行二值化处理,得到第一二值化图像;对所述第一二值化图像进行轮廓查找,得到每一个灯珠在所述原始图像中对应的面积;对所述原始图像进行均值滤波处理,得到均值滤波后的图像;对所述均值滤波处理后的图像进行二值化处理,得到第二二值化图像;将所述第二二值化图像进行前景和背景的反向处理;对反向处理后的所述第二二值化图像进行轮廓查找,得到死灯在所述原始图像中对应的总面积;根据所述每一个灯珠在所述原始图像中对应的面积以及所述死灯在所述原始图像中对应的总面积计算得到死灯数量。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:获取显示屏的原始图像;对所述原始图像进行二值化处理,得到第一二值化图像;对所述第一二值化图像进行轮廓查找,得到每一个灯珠在所述原始图像中对应的面积;对所述原始图像进行均值滤波处理,得到均值滤波后的图像;对所述均值滤波处理后的图像进行二值化处理,得到第二二值化图像;将所述第二二值化图像进行前景和背景的反向处理;对反向处理后的所述第二二值化图像进行轮廓查找,得到死灯在所述原始图像中对应的总面积;根据所述每一个灯珠在所述原始图像中对应的面积以及所述死灯在所述原始图像中对应的总面积计算得到死灯数量。
上述显示屏坏点检测方法,通过对显示屏的图像进行二值化处理,使得图像中的亮灯呈白色轮廓,通过对显示屏图像进行均值滤波,以使得相邻的亮灯区域相接,再通过二值化及反向处理,使得图像中的死灯呈白色轮廓,通过轮廓查找,可以得到每一个灯珠在图像中对应的面积及死灯在图像中对应的总面积,从而可以计算得到显示屏的死灯数量,实现显示屏坏点检查,无需人工肉眼检测,提高了对显示屏坏点的检测效率及检测精度。
附图说明
图1为一个实施例中显示屏坏点检测方法的应用环境图;
图2为一个实施例中显示屏坏点检测方法的流程示意图;
图3为一个实施例中显示屏坏点检测装置的结构示意图;
图4为一个实施例中计算机设备的内部结构图;
图5为一个实施例中第一预处理图像的示例图;
图6为一个实施例中第二预处理图像的示例图。
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,此处描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明实施例中所提供的显示屏坏点检测方法,可以应用于如图1所示的应用环境中。其中,终端102用于拍摄显示屏的原始图像,终端与计算机设备104通信连接,终端向计算机设备传输显示屏的图像,计算机设备获得显示屏的原始图像,对所述原始图像进行二值化处理,得到第一二值化图像;对所述第一二值化图像进行轮廓查找,得到每一个灯珠在所述原始图像中对应的面积;对所述原始图像进行均值滤波处理,得到均值滤波后的图像;对所述均值滤波处理后的图像进行二值化处理,得到第二二值化图像;将所述第二二值化图像进行前景和背景的反向处理;对反向处理后的所述第二二值化图像进行轮廓查找,得到死灯在所述原始图像中对应的总面积;根据所述每一个灯珠在所述原始图像中对应的面积以及死灯在所述原始图像中对应的总面积计算得到死灯数量。其中,终端可以是摄像头,也可以是手机等任一可拍摄的设备。又例如,本发明实施例中所提供的显示屏坏点检测方法,可以应用于通过计算机从网络上获取显示屏的原始图像,然后对图像进行上述步骤处理,得到显示屏的死灯数量。
在其中一个实施例中,提供一种显示屏坏点检测方法,包括:获取显示屏的原始图像;对所述原始图像进行二值化处理,得到第一二值化图像;对所述第一二值化图像进行轮廓查找,得到每一个灯珠在所述原始图像中对应的面积;对所述原始图像进行均值滤波处理,得到均值滤波后的图像;对所述均值滤波处理后的图像进行二值化处理,得到第二二值化图像;将所述第二二值化图像进行前景和背景的反向处理;对反向处理后的所述第二二值化图像进行轮廓查找,得到死灯在所述原始图像中对应的总面积;根据所述每一个灯珠在所述原始图像中对应的面积以及所述死灯在所述原始图像中对应的总面积计算得到死灯数量。
上述显示屏坏点检测方法,通过对显示屏的图像进行二值化处理,使得图像中的亮灯呈白色轮廓,通过对显示屏图像进行均值滤波,以使得相邻的亮灯区域相接,再通过二值化及反向处理,使得图像中的死灯呈白色轮廓,通过轮廓查找,可以得到每一个灯珠在图像中对应的面积及死灯在图像中对应的总面积,从而可以计算得到显示屏的死灯数量,实现显示屏坏点检查,无需人工肉眼检测,提高了对显示屏坏点的检测效率及检测精度。
在其中一个实施例中,请参阅图2,提供一种显示屏坏点检测方法,包括:
步骤210,获取显示屏的原始图像。
具体的,显示屏的原始图像即拍摄获取显示屏图像,该图像为显示屏发光显示时的图像,或者说该图像为显示屏发光显示的画面对应的图像。例如,在显示屏发亮显示时,对显示屏进行拍摄获得显示屏的图像,或者说,在显示屏工作时,对着显示屏拍摄的图像,拍摄的图像可以包含整个显示屏,也可以是显示屏的局部图像。本实施例中,显示屏为LED显示屏。
该显示屏包括多个呈阵列设置的LED灯珠,LED灯珠发光,并且不同LED灯珠发出相同或者不同颜色的光,从而使得显示屏发光显示图像,每一LED灯珠构成显示屏的一像素。为便于陈述,LED灯珠在下文中简称灯珠。
步骤220,对所述原始图像进行二值化处理,得到第一二值化图像。
本步骤用于计算每一个灯珠的在原始图像中的面积。
值得一提的,二值化处理,即图像中的像素点的灰度值设置为0或255的处理过程,通过二值化处理可以将图像呈现出只有黑和白的视觉效果,具体的,将原始图像进行二值化处理,使得图像中的亮灯在二值化图像中呈现白色,即使得图像中的亮灯所在的像素点的像素值为255,使得图像中除了亮灯部分呈现黑色,即图像中除了亮灯部分的像素值为0.
步骤230,对所述第一二值化图像进行轮廓查找,得到每一个灯珠在所述原始图像中对应的面积。
具体的,亮灯为显示屏能够正常发光显示的灯珠,灯珠发光即构成了图像的显示的内容。亮灯即为第一二值化图像中发光的白色区域,轮廓查找是基于图像边缘提取的基础寻找对象轮廓的方法,本实施例中,轮廓查找时通过压缩水平方向、垂直方向及对角线方向的元素,只保留该方向的重点坐标的方式进行查找,最后找到轮廓数量,即图像的亮灯数量,并且通过轮廓查找可以得到亮灯在所述原始图像中显示的总面积,根据亮灯在所述原始图像中显示的总面积及亮灯数量,可以得到每一灯珠在所述原始图像中对应的显示的面积。
步骤240,对所述原始图像进行均值滤波处理,得到均值滤波后的图像。
本步骤中,是对原始图像进行处理,而不是对步骤220以及步骤230中的图像进行处理,也就是说,在步骤210获得原始图像后,分别对原始图像进行步骤220和步骤240的处理。
本步骤用于计算死灯面积,具体地,死灯为坏的灯珠,该死灯为显示屏上不发光的灯珠,死灯对应原始图像中不发光的黑色区域。
具体的,均值滤波是一种典型的线性滤波算法,是指在图像中对目标像素给一个模板,该模板包括了其周围的临近像素,去掉像素本身,将临近像素相加然后取平均值作为该像素点的新的像素值,即将图像进行模糊化,值得一提的,均值滤波只对图像中亮灯区域进行模糊处理,由于死灯不发光,则影响死灯区域。在一个实施例中,所述将所述原始图像进行均值滤波处理两次,得到均值滤波后的图像。
值得一提的,由于图像中相邻的两个亮灯之间存在间距,即图像中相邻两个像素点之间存在间距,则相邻的两个亮灯之间的亮灯区域无法连通,如果直接将图像进行二值化及背景和前景反向处理,会出现两个亮灯之间存在白点干扰死灯数量的计算,导致检测准确度大大降低,为了避免此现象发生,需在对原始图像二值化处理前,将原始图像进行均值滤波处理,从而将亮灯灯珠连通起来。
步骤250,对所述均值滤波处理后的图像进行二值化处理,得到第二二值化图像。
步骤260将所述第二二值化图像进行前景和背景的反向处理。
具体的,前景和背景的反向处理,即,在二值化处理过程中,将图像的前景设置为0,背景设置为1,使得图像中亮灯区域呈现黑色,死灯区域呈现白死,正常二值化处理的图像通常都是前景设置为1,背景设置为0使得亮灯区域显示白色,死灯区域显示黑色,由于轮廓查找只能对二值化图像的白色轮廓进行查找,因此,为了获取死灯在所述原始图像中对应的总面积,需将第二二值化的背景与前景进行反向处理,反向处理后的第二二值化图像中的亮灯区域呈黑色,反向处理后的第二二值化图像的死灯区域呈白色,由于在对原始图像进行二值化处理之前,对图像进行均值滤波处理后,使得相邻的两个亮灯之间的间隔区域也呈现黑色,即使得图像中死灯所在的区域呈白色,图像中除了死灯所在的区域呈现黑色,在一个实施例中,所述对所述第二二值化图像进行前景和背景的反向处理包括将所述第二二值化图像的前景设置为0,将所述第二二值化图像的背景设置为1。
步骤270,对反向处理后的所述第二二值化图像进行轮廓查找,得到死灯在所述原始图像中对应的总面积。
由于反向处理后的第二二值化图像中的死灯区域是连通的,如果显示屏中的相邻的两个灯珠均使死灯,则轮廓查找时,只能将两个相邻的死灯计算成一个死灯,严重影响死灯数量的准确度,为了避免此现象发生,通过对反向处理后的第二二值化图像进行轮廓查找,得到死灯在所述原始图像中对应的总面积,然后通过每一个灯珠在所述原始图像中对应的面积以及所述死灯在所述原始图像中对应的总面积计算得到死灯数量,可以提升死灯数量检测的准确性。
步骤280,根据所述每一个灯珠在所述原始图像中对应的面积以及所述死灯在所述原始图像中对应的总面积计算得到死灯数量。
具体地,由于每一个灯珠在所述原始图像中对应的面积以及死灯在所述原始图像中对应的总面积已经在前述步骤总得到,而灯珠分为死灯和亮灯,无论是死灯和亮灯,单个灯珠的面积相同。因此,根据死灯在所述原始图像中对应的总面积与单个灯珠在图像中对应的面积之比即可计算出死灯的数量。该死灯的数量为显示屏上坏掉的灯珠的数量。
上述显示屏坏点检测方法,通过对显示屏的图像进行二值化处理,使得图像中的亮灯呈白色轮廓,通过对显示屏图像进行均值滤波,以使得相邻的亮灯区域相接,再通过二值化及反向处理,使得图像中的死灯呈白色轮廓,通过轮廓查找,可以得到每一个灯珠在图像中对应的面积及死灯在图像中对应的总面积,从而可以计算得到显示屏的死灯数量,实现显示屏坏点检查,无需人工肉眼检测,提高了对显示屏坏点的检测效率及检测精度。
为了更好的获取第一二值化图像,在其中一个实施例中,所述对所述原始图像进行二值化处理,得到第一二值化图像的步骤包括:将所述原始图像进行灰度化处理,得到灰度化后的图像;将所述灰度化后的图像进行二值化处理,得到所述第一二值化图像。
具体的,灰度化处理即将彩色图像转化成为灰度图像的过程。在R(red,红)G(green,绿)B(blue,蓝)模型中,如果R=G=B时,则彩色表示一种灰度颜色,其中R、G、B的值叫灰度值,因此,灰度图像每个像素只需一个字节存放灰度值。
值得一提的,显示屏通常是由红色灯珠、蓝色灯珠及绿色灯珠组成的,即组成三通道图像,但由于只能对单通道的图像进行二值化,因此在对图像进行二值化处理前,需将图像转化成单通道的图像,具体的,将所述原始图像进行灰度化处理得到灰度化后的图像,即将所述原始图像进行灰度化处理,得到单通道图像。
需特别说明的,本申请提供的显示屏坏点检测方法适用于显示屏死灯数量远小于亮灯数量时,换句话说,也就是显示屏坏点的数量对显示屏正常显示影响不大时,而对显示屏坏点进行检测,如果显示屏的坏点数量过多,人的肉眼直接能看到显示屏有一大片区域不良,直接可以判定显示屏不合格,再进行检测毫无意义。因此,在进行亮灯数量计算值,只需将原始图像进行灰度化处理,转化成单通道图像,进而计算出亮灯数量,无需对原始图像进行通道分离处理,分别获取红色亮灯数量、绿色亮灯数量及蓝色亮灯数量,然后在计算对应的死灯率,从而简化计算过程,提升检测效率。当然,本申请也可以基于灯珠的发光颜色,对原始图像进行通道分离处理及二值化处理,得到第一二值化图像。
为了提升检测的准确度,在其中一个实施例中,所述对所述第一二值化图像进行轮廓查找,得到每一个灯珠在所述原始图像中对应的面积的步骤包括:将所述第一二值化图像依次进行形态学运算处理、距离变换处理、归一化处理、阈值分割处理,得到第一预处理图像;将所述第一预处理图像进行轮廓查找,得到每一灯珠在所述原始图像中对应的面积。
具体的,形态学运算处理是针对二值化图像依据数学形态学的集合论方法发展起来的图像处理方法,把某个像素设为结构元素的锚点后,结构元素和图像重叠部分的像素集合就是特定形态学运算的应用对象,通过对图像进行形态学运算可以消除图像的噪点,分割出独立的图像元素,从而便于对第一二值化图像进行轮廓查找,准确计算得到亮灯数量,进而准确计算得到每一灯珠在所述原始图像中的对应的面积。在其中一个实施例中,对所述第一二值化图像进行形态学运算处理的步骤包括:对所述第一二值化图像进行腐蚀及膨胀处理,在其中一个实施例中,所述的对所述第一二值化图像进行腐蚀及膨胀处理的步骤包括:对所述第一二值化图像进行1x1腐蚀、1x1膨胀、3x3腐蚀以及3x3膨胀处理。具体的,膨胀是指用一个结构元素扫描图像的每一个像素,用结构元素中的每一个像素与覆盖的像素做“与”操作,如果都为1,则该像素为1,否则为0,膨胀是指用一个结构元素扫描图像的每一个像素,用结构元素中的每一个像素与覆盖的像素做“与”操作,如果都为0,则该像素为0,否则为1。通过将第一二值化图像进行腐蚀、膨胀操作,可以更好的减少图像的噪点,减少噪点对后续亮灯计算的干扰,提升亮灯检测的准确度。
具体的,距离变换是一种图像处理方法,距离变换实现图像的每个像素到最近前景目标或到图像边界的距离。距离变换的步骤包括,首先进行第一遍水平扫描,扫描方向从左上角开始,依次从左往右逐行扫描,扫描完一行自动跳转到下一行的最左端继续扫描,按行遍历图像,然后进行第二遍水平扫描,扫描方向从右下角开始,依次从右往左逐行扫描,扫描完一行自动转到上一行的最右端继续扫描,按行遍历图像。在一个实施例中,所述将所述第一二值化图像依次进行形态学运算处理、距离变换处理、归一化处理、阈值分割处理,得到第一预处理图像的步骤包括:将所述第一二值化图像依次进行形态学运算处理、欧式距离变换处理、归一化处理、阈值分割处理,得到第一预处理图像。
具体的,归一化是指对图像进行了一系列标准的处理,使之变换为一固定标准形式的过程,即归一化是要把需要处理的数据经过处理后限制在一定范围内,通过归一化处理可以便于后续图像数据的处理,提高后续图像处理的效率。本实施例中,所述归一化处理包括最大最小归一化,即:数组的数值被平移或缩放到一个指定的范围,线性归一化。
阈值分割是一种基于区域的图像分割技术,原理是把图像像素点分为若干类。本实施例中,阈值分割处理是对归一化后的图像进行阈值设置,对归一化后的图像的每个像素点的像素值与阈值进行比较,当像素值大于阈值时,该像素点的像素值设置为255,当像素值小于阈值时,该像素点的像素值设置为0,得到所述处理后的第一分割图像。在一个实施例中,所述阈值为200。
具体的,将所述第一二值化图像依次进行形态学运算处理、距离变换处理、归一化处理、阈值分割处理,得到第一预处理图像如图5所示。
需说明的,上述步骤中,对第一二值化图像进行形态学运算处理后,虽然能够使得图像中的亮灯轮廓更加清晰,但也会将图像缩小,即使图像中的每一灯珠在所述原始图像中的对应的面积变小,通过对形态学运算处理后的图像依次进行距离变换、归一化及阈值分割处理,使得图像放大,从而使得对第一预处理图像进行轮廓查找,计算得到的每一灯珠在所述原始图像中的对应的面积与反相后的第二二值化图像中的每个灯珠在图像中对应的面积相等,从而提高检测的准确度。
为了能够计算每个颜色灯珠的死灯数量,在其中一个实施例中,所述对所述原始图像进行均值滤波处理,得到均值滤波后的图像的步骤,包括:基于灯珠的发光颜色,对所述原始图像进行通道分离处理,得到分离后的图像;对所述分离后的图像进行均值滤波处理,得到均值滤波后的图像。
具体的,基于灯珠的发光颜色,对所述原始图像进行通道分离处理,得到分离后的图像,即基于显示屏的蓝色灯珠、红色灯珠及绿色灯珠,对所述原始图像进行通道分离处理。显示屏一般由红色灯珠、绿色灯珠以及蓝色灯珠三种色灯珠,对显示屏死灯进行检测时,需将显示屏的图像的红色灯珠、绿色灯珠以及蓝色灯珠进行通道分离,从而得到红色灯珠分离后的图像、绿色灯珠分离后的图像以及蓝色灯珠分离后的图像,即所述分离后的图像包括:红色灯珠分离后的图像、绿色灯珠分离后的图像以及蓝色灯珠分离后的图像。通过将原始图像进行通道分离,可以获取每个颜色分离后的图像,从而可以在后续处理过程中得到每个颜色灯珠的死灯数量。
具体的,所述对所述分离后的图像进行均值滤波处理,得到均值滤波后的图像的步骤包括:对所述红色灯珠分离后的图像、所述蓝色灯珠分离后的图像及所述绿色灯珠分离后的图像进行均值滤波处理,得到红色灯珠均值滤波后的图像、绿色灯珠均值滤波后的图像及蓝色灯珠均值滤波后的图像。所述的对所述均值滤波处理后的图像进行二值化处理,得到第二二值化图像的步骤包括:对所述红色灯珠均值滤波后的图像、绿色灯珠均值滤波后的图像及蓝色灯珠均值滤波后的图像分别进行二值化处理,得到红色灯珠第二二值化图像、绿色灯珠第二二值化图像及蓝色灯珠第二二值化图像。所述将所述第二二值化图像进行前景和背景的反向处理的步骤包括:将红色灯珠第二二值化图像、绿色灯珠第二二值化图像及蓝色灯珠第二二值化图像分别进行前景和背景的反向处理;所述对反向处理后的所述第二二值化图像进行轮廓查找,得到死灯在所述原始图像中对应的总面积的步骤,包括;对反向处理后的红色灯珠第二二值化图像、绿色灯珠第二二值化图像分别进行轮廓查找,得到红色死灯、蓝色死灯以及绿色死灯在所述原始图像中对应的总面积。所述根据所述每一个灯珠在所述原始图像中对应的面积以及所述死灯在所述原始图像中对应的总面积计算得到死灯数量的步骤包括:根据所述每一个灯珠在所述原始图像中对应的面积以及所述红色死灯、蓝色死灯以及绿色死灯在所述原始图像中对应的总面积计算得到红色灯珠死灯数量、蓝色灯珠死灯数量及绿色灯珠死灯数量。
为了提升死灯数量计算的准确度,在其中一个实施例中,所述的对反向处理后的所述第二二值化图像进行轮廓查找,得到死灯在所述原始图像中对应的总面积的步骤,包括:对反向处理后的第二二值化图像进行形态学运算,得到第二预处理图像;对所述第二预处理图像进行轮廓查找,得到死灯在所述原始图像中对应的总面积。
具体的,对反向处理后的第二二值化图像进行形态学运算,得到第二预处理图像如图6所示。
通过对图像进行形态学运算可以消除图像的噪点,分割出独立的图像元素,从而便于对反向处理后的第二二值化图像进行轮廓查找,使得得到的死灯在所述原始图像中对应的面积更加准确,进而可以提升死灯数量检测的准确度。
为了获取每一灯珠在所述原始图像中对应的面积,在其中一个实施例中,所述对所述第一二值化图像进行轮廓查找,得到每一个灯珠在所述原始图像中对应的面积的步骤包括:对所述第一二值化图像进行轮廓查找,得到亮灯数量及亮灯在所述原始图像中对应的总面积;根据所述亮灯数量及亮灯在所述原始图像中对应的总面积,计算的到每一灯珠在所述原始图像中对应的面积。
由于对第一二值化图像进行轮廓查找能够得到亮灯数量及亮灯在所述原始图像中对应的总面积,将亮灯在所述原始图像中对应的总面积除以亮灯数量,可以得到每一亮灯在所述原始图像中对应的面积,即每一灯珠在所述原始图像中对应的面积。
为了便于用户更直观查看显示屏坏点情况,在一个实施例中,在所述根据所述每一个灯珠在所述原始图像中对应的面积以及所述死灯在所述原始图像中对应的总面积计算得到死灯数量的步骤之后还包括步骤:根据所述死灯数量和所述亮灯数量,计算获得死灯率。该死灯率即为显示屏的死灯率。在其中一个实施例中,将死灯率与预设值进行比较,当死灯率大于预设值,则判断显示屏不合格,当死灯率小于预设值,则判断显示屏合格。通过根据死灯数量及亮灯数量,从而计算获得死灯率,则用户可以更直观的查看到显示屏的坏点占比,更直观查看显示屏坏点情况。
为了实现对小间距显示屏死灯率的检测,在其中一个实施例中,所述获取显示屏的图像的步骤之后,还包括:
判断所述原始图像的相邻的两个灯珠的间距是否小于预设阈值,当所述原始图像的相邻的两个灯珠的间距小于预设阈值时,对所述原始图像进行放大处理。
具体的,判断所述图像的相邻的两个灯珠的间距是否小于预设阈值,即判断所述图像的相邻的两个亮灯的间距是否小于预设阈值。应当理解的,显示屏中,像素点的间距越小,在进行亮灯分割是越不容易将亮灯的轮廓分割开,因此,为了实现对小间距显示屏死灯率的检查,当图像的相邻的两个像素点的间距小于预设阈值时,需对图像进行放大处理,具体的,图像放大是指将图像的宽、高进行放大,深度及通道等信息不变的处理过程。在一个实施例中,采用双线性插值的方法对图像进行放大。在一个实施例中,所述预设阈值为2.5mm。通过将对于小间距的显示屏的图像进行放大处理,从而便于对图像进行二值化处理,实现对小间距显示屏死灯率的检测,并可以提升死灯率的检查精度。
为了提升检测效率,在其中一个实施例中,所述获取显示屏的原始图像的步骤之后,还包括:对所述原始图像进行区域选择。具体的,对所述原始图像进行区域选择,用户在使用时可以选择感兴趣的区域的图像或者说需进行检测区域的图像进行检测,不仅可以减少检测区域提升检测效率,也可以检测到对应区域的图像的死灯率。
下面是一个具体的实施例,所述的坏点检测方法,包括:
获取显示屏的原始图像。
判断所述图像的相邻的两个灯珠的间距是否小于预设阈值,当所述图像的相邻的两个灯珠的间距小于预设阈值时,对所述原始图像进行放大处理。
将所述原始图像进行灰度化处理,得到灰度化后的图像。
将所述灰度化后的图像进行二值化处理,得到所述第一二值化图像。
将所述第一二值化图像依次进行形态学运算处理、距离变换处理、归一化处理、阈值分割处理,得到第一预处理图像。
对所述第一二值化图像进行轮廓查找,得到亮灯数量及亮灯在所述原始图像中对应的总面积。
根据所述亮灯数量及亮灯在所述原始图像中对应的总面积,计算的到每一灯珠在所述原始图像中对应的面积。
基于灯珠的发光颜色,对所述原始图像进行通道分离处理,得到分离后的图像。
对所述分离后的图像进行均值滤波处理,得到均值滤波后的图像。
对所述均值滤波处理后的图像进行二值化处理,得到第二二值化图像;将所述第二二值化图像进行前景和背景的反向处理。
对反向处理后的第二二值化图像进行形态学运算,得到第二预处理图像。
对所述第二预处理图像进行轮廓查找,得到死灯在所述原始图像中对应的总面积。
根据所述每一个灯珠在所述原始图像中对应的面积以及所述死灯在所述原始图像中对应的总面积计算得到死灯数量。
其中,对原始图像进行放大处理,例如,采用双线性插值的方法对原始图像进行放大处理,例如:已知函数A11=(x1,y1)、A12=(x1,y2)、A21=(x2,y1)以及A22=(x2,y2)四个点的值,要求P=(x,y)。首先在x方向进行线性插值,得到B1和B2,然后在y方向进行线性插值,得到P,这样就得到所要的结果f(x,y),具体表达式如下:
将所述原始图像进行灰度化处理,例如:采用加权平均法对原始图像进行灰度化处理,具体的,灰度化后的图像的像素值Gray(i,j)的表达式为:
Gray(i,j)=0.299×R×(i,j)+0.587×G(i,j)+0.144×B(i,j) (4)
距离变换处理的步骤包括:首先进行第一遍水平扫描,扫描方向从左上角开始,依次从左往右逐行扫描,扫描完一行自动跳转到下一行的最左端继续扫描,按行遍历图像。即,掩膜模板mask为maskL使用公式(5)进行计算:
f(p)=min[f(p),D(p,q)+f(q)] (5)
其中,q∈maskL,D表示距离,p为当前像素点,f(p)为p点像素点。
然后进行第二遍水平扫描,扫描方向从右下角开始,依次从右往左逐行扫描,扫描完一行自动转到上一行的最右端继续扫描,按行遍历图像。即,掩膜模板mask为maskR使用公式(6)进行计算:
f(p)=min[f(p),D(p,q)+f(q)] (6)
其中,q∈maskR,D表示距离,p为当前像素点,f(p)为p点像素点。
上述显示屏坏点检测方法,通过对显示屏的图像进行二值化处理,使得图像中的亮灯呈白色轮廓,通过对显示屏图像进行均值滤波,以使得相邻的亮灯区域相接,再通过二值化及反向处理,使得图像中的死灯呈白色轮廓,通过轮廓查找,可以得到亮灯的数量、每一个灯珠在图像中对应的面积及到死灯在图像中对应的总面积,从而可以计算得到亮灯数量及死灯数量,进一步地计算得到显示屏的死灯率,实现显示屏坏点检查,无需人工肉眼检测,提高了对显示屏坏点的检测效率及检测精度。
应该理解的是,虽然图2的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在其中一个实施例中,请参阅图3,一种显示屏坏点检测装置,所述装置包括:
获取模块310,用于获取显示屏的原始图像。
第一二值化模块320,用于对所述原始图像进行二值化处理,得到第一二值化图像。
第一轮廓查找模块330,用于对所述第一二值化图像进行轮廓查找,得到每一个灯珠在所述原始图像中对应的面积。
均值滤波模块340,用于对所述原始图像进行均值滤波处理,得到均值滤波后的图像。
第二二值化模块350,用于对所述均值滤波处理后的图像进行二值化处理,得到第二二值化图像。
反向模块360,用于将所述第二二值化图像进行前景和背景的反向处理。
第二轮廓查找模块370,用于对反向处理后的所述第二二值化图像进行轮廓查找,得到死灯在所述原始图像中对应的总面积。以及
计算模块380,用于根据所述每一个灯珠在所述原始图像中对应的面积以及所述死灯在所述原始图像中对应的总面积计算得到死灯数量。
在其中一个实施例中,所述第一一二值化模块包括:
灰度化子模块,用于将所述原始图像进行灰度化处理,得到灰度化后的图像。以及
第一二值化子模块,用于将所述灰度化后的图像进行二值化处理,得到所述第一二值化图像。
在其中一个实施例中,所述第一轮廓查找模块还包括:
第一预处理子模块,用于将所述第一二值化图像依次进行形态学运算处理、距离变换处理、归一化处理、阈值分割处理,得到第一预处理图像。以及
第一轮廓查找子模块,用于将所述第一预处理图像进行轮廓查找,得到每一灯珠在所述原始图像中对应的面积。
在其中一个实施例中,所述均值滤波模块包括:
通道分离子模块,用于基于灯珠的发光颜色,对所述原始图像进行通道分离处理,得到分离后的图像。以及
均值滤波子模块,用于对所述分离后的图像进行均值滤波处理,得到均值滤波后的图像。
在其中一个实施例中,所述第二轮廓查找模块包括:
第二预处理子模块,用于对反向处理后的第二二值化图像进行形态学运算,得到第二预处理图像。以及
第二轮廓查找子模块,用于对所述第二预处理图像进行轮廓查找,得到死灯在所述原始图像中对应的总面积。
在其中一个实施例中,所述的显示屏坏点检测装置还包括:
放大模块,用于判断所述原始图像的相邻的两个灯珠的间距是否小于预设阈值,当所述原始图像的相邻的两个灯珠的间距小于预设阈值时,对所述原始图像进行放大处理。
在一个实施例中,提供了一种计算机设备,其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种显示屏坏点检测方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图4中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在其中一个实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取显示屏的原始图像。
对所述原始图像进行二值化处理,得到第一二值化图像。
对所述第一二值化图像进行轮廓查找,得到每一个灯珠在所述原始图像中对应的面积。
对所述原始图像进行均值滤波处理,得到均值滤波后的图像。
对所述均值滤波处理后的图像进行二值化处理,得到第二二值化图像。
将所述第二二值化图像进行前景和背景的反向处理。
对反向处理后的所述第二二值化图像进行轮廓查找,得到死灯在所述原始图像中对应的总面积。
根据所述每一个灯珠在所述原始图像中对应的面积以及所述死灯在所述原始图像中对应的总面积计算得到死灯数量。
在其中一个实施例中,所述处理器执行所述计算机程序时实现以下步骤:
将所述原始图像进行灰度化处理,得到灰度化后的图像。
将所述灰度化后的图像进行二值化处理,得到所述第一二值化图像。
在其中一个实施例中,所述处理器执行所述计算机程序时实现以下步骤:
将所述第一二值化图像依次进行形态学运算处理、距离变换处理、归一化处理、阈值分割处理,得到第一预处理图像。
将所述第一预处理图像进行轮廓查找,得到每一灯珠在所述原始图像中对应的面积。
在其中一个实施例中,所述处理器执行所述计算机程序时实现以下步骤:
基于灯珠的发光颜色,对所述原始图像进行通道分离处理,得到分离后的图像。
对所述分离后的图像进行均值滤波处理,得到均值滤波后的图像。
在其中一个实施例中,所述处理器执行所述计算机程序时实现以下步骤:
对反向处理后的第二二值化图像进行形态学运算,得到第二预处理图像。
对所述第二预处理图像进行轮廓查找,得到死灯在所述原始图像中对应的总面积。
在其中一个实施例中,所述处理器执行所述计算机程序时实现以下步骤:
对所述第一二值化图像进行轮廓查找,得到亮灯数量及亮灯在所述原始图像中对应的总面积。
根据所述亮灯数量及亮灯在所述原始图像中对应的总面积,计算的到每一灯珠在所述原始图像中对应的面积。
在其中一个实施例中,所述处理器执行所述计算机程序时实现以下步骤:
判断所述原始图像的相邻的两个灯珠的间距是否小于预设阈值,当所述原始图像的相邻的两个灯珠的间距小于预设阈值时,对所述原始图像进行放大处理。
在其中一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取显示屏的原始图像。
对所述原始图像进行二值化处理,得到第一二值化图像。
对所述第一二值化图像进行轮廓查找,得到每一个灯珠在所述原始图像中对应的面积。
对所述原始图像进行均值滤波处理,得到均值滤波后的图像。
对所述均值滤波处理后的图像进行二值化处理,得到第二二值化图像。
将所述第二二值化图像进行前景和背景的反向处理。
对反向处理后的所述第二二值化图像进行轮廓查找,得到死灯在所述原始图像中对应的总面积。
根据所述每一个灯珠在所述原始图像中对应的面积以及所述死灯在所述原始图像中对应的总面积计算得到死灯数量。
在其中一个实施例中,所述计算机程序被处理器执行时实现以下步骤:
将所述原始图像进行灰度化处理,得到灰度化后的图像。
将所述灰度化后的图像进行二值化处理,得到所述第一二值化图像。
在其中一个实施例中,所述计算机程序被处理器执行时实现以下步骤:
将所述第一二值化图像依次进行形态学运算处理、距离变换处理、归一化处理、阈值分割处理,得到第一预处理图像。
将所述第一预处理图像进行轮廓查找,得到亮灯数量及每一灯珠在所述原始图像中对应的面积。
在其中一个实施例中,所述计算机程序被处理器执行时实现以下步骤:
基于灯珠的发光颜色,对所述原始图像进行通道分离处理,得到分离后的图像。
对所述分离后的图像进行均值滤波处理,得到均值滤波后的图像。
在其中一个实施例中,所述计算机程序被处理器执行时实现以下步骤:
对反向处理后的第二二值化图像进行形态学运算,得到第二预处理图像。
对所述第二预处理图像进行轮廓查找,得到死灯在所述原始图像中对应的总面积。
在其中一个实施例中,所述计算机程序被处理器执行时实现以下步骤:
对所述第一二值化图像进行轮廓查找,得到亮灯数量及亮灯在所述原始图像中对应的总面积。
根据所述亮灯数量及亮灯在所述原始图像中对应的总面积,计算的到每一灯珠在所述原始图像中对应的面积。
在其中一个实施例中,所述计算机程序被处理器执行时实现以下步骤:
判断所述原始图像的相邻的两个灯珠的间距是否小于预设阈值,当所述原始图像的相邻的两个灯珠的间距小于预设阈值时,对所述原始图像进行放大处理。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchl ink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种显示屏坏点检测方法,其特征在于,包括:
获取显示屏的原始图像;
对所述原始图像进行二值化处理,得到第一二值化图像;
对所述第一二值化图像进行轮廓查找,得到每一个灯珠在所述原始图像中对应的面积;
对所述原始图像进行均值滤波处理,得到均值滤波后的图像;
对所述均值滤波处理后的图像进行二值化处理,得到第二二值化图像;
将所述第二二值化图像进行前景和背景的反向处理;
对反向处理后的所述第二二值化图像进行轮廓查找,得到死灯在所述原始图像中对应的总面积;
根据所述每一个灯珠在所述原始图像中对应的面积以及所述死灯在所述原始图像中对应的总面积计算得到死灯数量。
2.根据权利要求1所述的显示屏坏点检测方法,其特征在于,所述对所述原始图像进行二值化处理,得到第一二值化图像的步骤包括:
将所述原始图像进行灰度化处理,得到灰度化后的图像;
将所述灰度化后的图像进行二值化处理,得到所述第一二值化图像。
3.根据权利要求1所述的显示屏坏点检测方法,其特征在于,所述对所述第一二值化图像进行轮廓查找,得到每一个灯珠在所述原始图像中对应的面积的步骤包括:
将所述第一二值化图像依次进行形态学运算处理、距离变换处理、归一化处理、阈值分割处理,得到第一预处理图像;
将所述第一预处理图像进行轮廓查找,得到每一灯珠在所述原始图像中对应的面积。
4.根据权利要求1所述的显示屏坏点检测方法,其特征在于,所述对所述原始图像进行均值滤波处理,得到均值滤波后的图像的步骤,包括:
基于灯珠的发光颜色,对所述原始图像进行通道分离处理,得到分离后的图像;
对所述分离后的图像进行均值滤波处理,得到均值滤波后的图像。
5.根据权利要求1所述的显示屏坏点检测方法,其特征在于,所述的对反向处理后的所述第二二值化图像进行轮廓查找,得到死灯在所述原始图像中对应的总面积的步骤,包括:
对反向处理后的第二二值化图像进行形态学运算,得到第二预处理图像;
对所述第二预处理图像进行轮廓查找,得到死灯在所述原始图像中对应的总面积。
6.根据权利要求1所述的显示屏坏点检测方法,其特征在于,所述对所述第一二值化图像进行轮廓查找,得到每一个灯珠在所述原始图像中对应的面积的步骤包括:
对所述第一二值化图像进行轮廓查找,得到亮灯数量及亮灯在所述原始图像中对应的总面积;
根据所述亮灯数量及亮灯在所述原始图像中对应的总面积,计算的到每一灯珠在所述原始图像中对应的面积。
7.根据权利要求1至6任一项中所述的显示屏坏点检测方法,其特征在于,所述获取显示屏的原始图像的步骤之后,还包括:
判断所述原始图像的相邻的两个灯珠的间距是否小于预设阈值,当所述原始图像的相邻的两个灯珠的间距小于预设阈值时,对所述原始图像进行放大处理。
8.一种显示屏坏点检测装置,其特征在于,所述装置包括:
获取模块,用于获取显示屏的图像;
第一二值化模块,用于对所述图像进行二值化处理,得到第一二值化图像;
第一轮廓查找模块,用于对所述第一二值化图像进行轮廓查找,得到每一个灯珠在所述原始图像中对应的面积;
均值滤波模块,用于对所述图像进行均值滤波处理,得到均值滤波后的图像;
第二二值化模块,用于对所述均值滤波处理后的图像进行二值化处理,得到第二二值化图像;
反向模块,用于将所述第二二值化图像进行前景和背景的反向处理;
第二轮廓查找模块,用于对反向处理后的所述第二二值化图像进行轮廓查找,得到死灯在所述原始图像中对应的总面积;以及
计算模块,用于根据所述每一个灯珠在所述原始图像中对应的面积以及所述死灯在所述原始图像中对应的总面积计算得到死灯数量。
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910226784.2A CN110009607B (zh) | 2019-03-25 | 2019-03-25 | 显示屏坏点检测方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910226784.2A CN110009607B (zh) | 2019-03-25 | 2019-03-25 | 显示屏坏点检测方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110009607A true CN110009607A (zh) | 2019-07-12 |
CN110009607B CN110009607B (zh) | 2021-10-26 |
Family
ID=67167943
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910226784.2A Active CN110009607B (zh) | 2019-03-25 | 2019-03-25 | 显示屏坏点检测方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110009607B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112150433A (zh) * | 2020-09-22 | 2020-12-29 | 中广核核电运营有限公司 | 电路板晶须物质的检测方法、计算机设备和存储介质 |
CN112785545A (zh) * | 2019-11-06 | 2021-05-11 | 杭州海康威视数字技术股份有限公司 | 一种异常灯珠定位方法、装置及存储介质 |
CN113344833A (zh) * | 2021-05-31 | 2021-09-03 | 电子科技大学中山学院 | 一种图像增强方法、装置、电子设备及存储介质 |
CN114022415A (zh) * | 2021-10-15 | 2022-02-08 | 成都博视广达科技有限责任公司 | 一种基于单像素特征聚类建立集群的液晶屏缺陷检测方法 |
CN114023227A (zh) * | 2021-11-04 | 2022-02-08 | 深圳利亚德光电有限公司 | Led显示装置的老化方法 |
CN114095721A (zh) * | 2020-08-25 | 2022-02-25 | 京东方科技集团股份有限公司 | 视频坏点检测的方法和装置、计算机可读介质 |
CN114354622A (zh) * | 2021-12-30 | 2022-04-15 | 苏州凌云视界智能设备有限责任公司 | 显示屏的缺陷检测方法、装置、设备和介质 |
CN115359039A (zh) * | 2022-08-08 | 2022-11-18 | 海的电子科技(苏州)有限公司 | 目标图片生成方法及设备、显示屏维修像素点标识方法 |
CN116708633A (zh) * | 2023-08-07 | 2023-09-05 | 深圳市达瑞电子科技有限公司 | 基于显著性分析的手机屏幕坏点自动检测方法及检测系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7761260B2 (en) * | 2005-09-12 | 2010-07-20 | Abl Ip Holding Llc | Light management system having networked intelligent luminaire managers with enhanced diagnostics capabilities |
CN104637425A (zh) * | 2015-02-06 | 2015-05-20 | 西安诺瓦电子科技有限公司 | 流水线式led显示单元均匀性检测方法、系统及装置 |
CN205177339U (zh) * | 2015-12-25 | 2016-04-20 | 四川新力光源股份有限公司 | 具有led损坏自动检测功能的地铁隧道广告灯箱 |
CN106409197A (zh) * | 2016-11-21 | 2017-02-15 | 西安诺瓦电子科技有限公司 | Led灯板故障检测方法 |
CN107483917A (zh) * | 2017-07-17 | 2017-12-15 | 深圳威特姆光电科技有限公司 | 显示屏坏点在线检测装置和显示屏坏点在线检测的方法 |
CN108428228A (zh) * | 2018-03-05 | 2018-08-21 | 深圳市奥拓电子股份有限公司 | Led灯智能检测方法、检测系统及存储介质 |
CN108573495A (zh) * | 2018-03-13 | 2018-09-25 | 上海交通大学 | 基于轮廓信息多尺度分析的稻穗粒无损计数方法与系统 |
CN109785295A (zh) * | 2018-12-25 | 2019-05-21 | 孝感天创信息科技有限公司 | Led灯布局定位方法 |
-
2019
- 2019-03-25 CN CN201910226784.2A patent/CN110009607B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7761260B2 (en) * | 2005-09-12 | 2010-07-20 | Abl Ip Holding Llc | Light management system having networked intelligent luminaire managers with enhanced diagnostics capabilities |
CN104637425A (zh) * | 2015-02-06 | 2015-05-20 | 西安诺瓦电子科技有限公司 | 流水线式led显示单元均匀性检测方法、系统及装置 |
CN205177339U (zh) * | 2015-12-25 | 2016-04-20 | 四川新力光源股份有限公司 | 具有led损坏自动检测功能的地铁隧道广告灯箱 |
CN106409197A (zh) * | 2016-11-21 | 2017-02-15 | 西安诺瓦电子科技有限公司 | Led灯板故障检测方法 |
CN107483917A (zh) * | 2017-07-17 | 2017-12-15 | 深圳威特姆光电科技有限公司 | 显示屏坏点在线检测装置和显示屏坏点在线检测的方法 |
CN108428228A (zh) * | 2018-03-05 | 2018-08-21 | 深圳市奥拓电子股份有限公司 | Led灯智能检测方法、检测系统及存储介质 |
CN108573495A (zh) * | 2018-03-13 | 2018-09-25 | 上海交通大学 | 基于轮廓信息多尺度分析的稻穗粒无损计数方法与系统 |
CN109785295A (zh) * | 2018-12-25 | 2019-05-21 | 孝感天创信息科技有限公司 | Led灯布局定位方法 |
Non-Patent Citations (2)
Title |
---|
杨思阳: "基于图像处理的PLC灯板检验系统设计与实现", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
王宏业: "LED显示单元检测系统", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112785545A (zh) * | 2019-11-06 | 2021-05-11 | 杭州海康威视数字技术股份有限公司 | 一种异常灯珠定位方法、装置及存储介质 |
CN114095721B (zh) * | 2020-08-25 | 2023-04-28 | 京东方科技集团股份有限公司 | 视频坏点检测的方法和装置、计算机可读介质 |
CN114095721A (zh) * | 2020-08-25 | 2022-02-25 | 京东方科技集团股份有限公司 | 视频坏点检测的方法和装置、计算机可读介质 |
CN112150433A (zh) * | 2020-09-22 | 2020-12-29 | 中广核核电运营有限公司 | 电路板晶须物质的检测方法、计算机设备和存储介质 |
CN112150433B (zh) * | 2020-09-22 | 2024-05-28 | 中广核核电运营有限公司 | 电路板晶须物质的检测方法、计算机设备和存储介质 |
CN113344833A (zh) * | 2021-05-31 | 2021-09-03 | 电子科技大学中山学院 | 一种图像增强方法、装置、电子设备及存储介质 |
CN113344833B (zh) * | 2021-05-31 | 2023-12-15 | 电子科技大学中山学院 | 一种图像增强方法、装置、电子设备及存储介质 |
CN114022415A (zh) * | 2021-10-15 | 2022-02-08 | 成都博视广达科技有限责任公司 | 一种基于单像素特征聚类建立集群的液晶屏缺陷检测方法 |
CN114022415B (zh) * | 2021-10-15 | 2022-06-28 | 成都博视广达科技有限责任公司 | 一种基于单像素特征聚类建立集群的液晶屏缺陷检测方法 |
CN114023227A (zh) * | 2021-11-04 | 2022-02-08 | 深圳利亚德光电有限公司 | Led显示装置的老化方法 |
CN114354622A (zh) * | 2021-12-30 | 2022-04-15 | 苏州凌云视界智能设备有限责任公司 | 显示屏的缺陷检测方法、装置、设备和介质 |
CN114354622B (zh) * | 2021-12-30 | 2024-01-19 | 苏州凌云视界智能设备有限责任公司 | 显示屏的缺陷检测方法、装置、设备和介质 |
CN115359039A (zh) * | 2022-08-08 | 2022-11-18 | 海的电子科技(苏州)有限公司 | 目标图片生成方法及设备、显示屏维修像素点标识方法 |
CN116708633A (zh) * | 2023-08-07 | 2023-09-05 | 深圳市达瑞电子科技有限公司 | 基于显著性分析的手机屏幕坏点自动检测方法及检测系统 |
CN116708633B (zh) * | 2023-08-07 | 2023-11-07 | 深圳市达瑞电子科技有限公司 | 基于显著性分析的手机屏幕坏点自动检测方法及检测系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110009607B (zh) | 2021-10-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110009607A (zh) | 显示屏坏点检测方法、装置、计算机设备和存储介质 | |
CN110175997B (zh) | 显示屏坏点检测方法、装置、计算机设备和存储介质 | |
CN101770646B (zh) | 基于Bayer RGB图像的边缘检测方法 | |
CN108877740A (zh) | 获取Mura补偿数据的方法、装置、计算机设备及存储介质 | |
CN111612781A (zh) | 一种屏幕缺陷检测方法、装置及头戴显示设备 | |
CN105301810A (zh) | 一种屏幕缺陷检测方法及装置 | |
JP2004294202A (ja) | 画面の欠陥検出方法及び装置 | |
CN109257582A (zh) | 一种投影设备的校正方法和装置 | |
US8285002B2 (en) | Image processing apparatus and method, image sensing apparatus, and program | |
CN105122306B (zh) | 区域分割方法以及检查装置 | |
US11227141B2 (en) | Fingerprint identification device and fingerprint identification method | |
CN109883654A (zh) | 一种用于oled亚像素定位的棋盘格图、生成方法及定位方法 | |
CN111370345B (zh) | 芯片检测方法、装置、电子设备和计算机可读存储介质 | |
CN109905700A (zh) | 虚拟显示设备及其检测方法、装置、计算机可读存储介质 | |
JP4242796B2 (ja) | 画像認識方法及び画像認識装置 | |
CN106228541A (zh) | 视觉检测中屏幕定位的方法及装置 | |
CN116503388A (zh) | 缺陷检测方法、装置及存储介质 | |
CN109359644A (zh) | 文字图像一致性比对方法、装置、存储介质和电子设备 | |
CN113407461A (zh) | 界面测试方法、装置、电子设备及存储介质 | |
CN109389150A (zh) | 图像一致性比对方法、装置、存储介质及电子设备 | |
JP2005345290A (ja) | 筋状欠陥検出方法及び装置 | |
CN108663371B (zh) | 一种检测显示面板灰尘异物的方法及系统 | |
US20220198675A1 (en) | Method and device for marking image position of sub-pixel of display screen, and storage medium | |
KR101189003B1 (ko) | 만화콘텐츠 이미지파일을 모바일용 이미지파일로 변환하는 방법 | |
CN115472110A (zh) | 显示屏幕暗点检测方法、装置、智能终端及可读存储介质 |
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 |