CN110400320B - 一种电润湿缺陷像素的分割方法 - Google Patents

一种电润湿缺陷像素的分割方法 Download PDF

Info

Publication number
CN110400320B
CN110400320B CN201910678227.4A CN201910678227A CN110400320B CN 110400320 B CN110400320 B CN 110400320B CN 201910678227 A CN201910678227 A CN 201910678227A CN 110400320 B CN110400320 B CN 110400320B
Authority
CN
China
Prior art keywords
gray
electrowetting
pixel
image
value
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
CN201910678227.4A
Other languages
English (en)
Other versions
CN110400320A (zh
Inventor
林志贤
廖钦楷
林珊玲
郭太良
陈哲亮
李甜甜
张永爱
周雄图
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.)
Fuzhou University
Original Assignee
Fuzhou University
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 Fuzhou University filed Critical Fuzhou University
Priority to CN201910678227.4A priority Critical patent/CN110400320B/zh
Publication of CN110400320A publication Critical patent/CN110400320A/zh
Application granted granted Critical
Publication of CN110400320B publication Critical patent/CN110400320B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30121—CRT, LCD or plasma display

Abstract

本发明涉及一种电润湿缺陷像素的分割方法，包括以下步骤：步骤S1:采集电润湿像素图片；步骤S2:将电润湿像素图片经显微镜放大后转变为灰度图像，得到灰度直方图；步骤S3:通过自动阈值方法得到最佳阈值t；步骤S4:基于最佳阈值t对灰度直方图进行图像二值化处理，得到分割结果。本发明在电润湿缺陷与背景对比度较低时有较好的分割结果。

Description

一种电润湿缺陷像素的分割方法
技术领域
本发明涉及缺陷像素分割领域，具体涉及一种电润湿缺陷像素的分割方法。
背景技术
随着信息产业的快速发展，显示技术已经成为人们获取信息的重要渠道。近些年，电润湿这种新型的显示技术开始崭露头角，它是一种电子纸显示器，具有响应速度快、造价低，能量损耗小等优点，有望引领潮流，成为下一代主流显示器。电润湿显示技术目前处在高速发展期，国内外许多机构对其进行了大量的研究。电润湿器件生产过程中可能存在缺陷，缺陷影响显示效果，因此对缺陷的检测是必不可少的。机器视觉技术是一种无损缺陷的检测方法，在不接触产品的情况下即可对缺陷进行检测。基于机器视觉的缺陷检测是将缺陷图像进行分割，将缺陷从图像背景中分割出来。
电润湿电子纸缺陷图像由于填充的油墨不同，缺陷与背景的对比度也不同。当填充浅色油墨时，缺陷与背景的对比度较大，较容易分割。当填充深色油墨时，缺陷与背景的对比度较低，分割比较困难。
发明内容
有鉴于此，本发明的目的在于提供一种电润湿缺陷像素的分割方法，提高对电润湿缺陷像素分割的准确率，降低缺陷对电润湿像素的影响。
为实现上述目的，本发明采用如下技术方案：
一种电润湿缺陷像素的分割方法，包括以下步骤：
步骤S1:采集电润湿像素图片；
步骤S2:将电润湿像素图片经显微镜放大后转变为灰度图像，得到灰度直方图；
步骤S3:通过自动阈值方法得到最佳阈值t；
步骤S4:基于最佳阈值t对灰度直方图进行图像二值化处理，得到分割结果。
进一步的，所述步骤S2具体为：
步骤S21:将电润湿像素图片经显微镜放大,得到彩色电润湿像素图像;
步骤S22:彩色电润湿像素图像可以分解成
Figure 100002_DEST_PATH_IMAGE002
，
Figure 100002_DEST_PATH_IMAGE004
，
Figure 100002_DEST_PATH_IMAGE006
三个通道的灰度图像，
Figure 485333DEST_PATH_IMAGE002
代表R通道的灰度图像矩阵，
Figure 402473DEST_PATH_IMAGE004
代表G通道的灰度图像矩阵，
Figure 244527DEST_PATH_IMAGE006
代表B通道的灰度图像矩阵;
步骤S23:根据公式
Figure 100002_DEST_PATH_IMAGE008
将得到加权平均的灰度图像；
步骤S24根据灰度图像得到灰度直方图。
进一步的，所述自动阈值方法具体：为在Otsu法的对象方差前引入加权因子k(t)得到自动阈值计算公式，其中权值k(t)为ln(2-p_1 (t))。
进一步的，所述步骤S4具体为：
步骤S41:将自动阈值法得到的最佳阈值t作为二值化的阈值;
步骤S42:小于该阈值的像素区域灰度值变为0，大于等于该阈值的像素区域灰度值变为255。
本发明与现有技术相比具有以下有益效果：
本发明提高对电润湿缺陷像素分割的准确率，降低了缺陷对电润湿像素的影响。
附图说明
图1是本发明的电润湿缺陷像素分割流程图。
图2是本发明一实施例中提供的电润湿缺陷像素图。
图3是本发明一实施例中提供的电润湿缺陷像素图。
图4 是本发明一实施例中电润湿缺陷像素分割流程图。
图5是本发明一实施例中提供的电润湿缺陷像素分割图。
图6是本发明一实施例中提供的电润湿缺陷像素归一化灰度直方图。
图7是本发明一实施例中提供的电润湿缺陷像素分割图。
图8是本发明一实施例中提供的电润湿缺陷像素归一化灰度直方图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
请参照图1，本发明提供一种电润湿缺陷像素的分割方法，包括以下步骤：
步骤S1:采集电润湿像素图片；
步骤S2:将电润湿像素图片经显微镜放大后转变为灰度图像，得到灰度直方图；
步骤S3:通过自动阈值方法得到最佳阈值t；
步骤S4:基于最佳阈值t对灰度直方图进行图像二值化处理，得到分割结果。
本实施例中，图3为电润湿缺陷像素的基本结构，电润湿像素的结构如图2所示，为标准的矩阵排列结构，背景为填充的油墨，缺陷为数量不定的深色黑点。当填充的油墨为浅色油墨时，缺陷与背景的对比度较大，当填充的油墨为深色油墨时，缺陷与背景的对比度较小。
在本实施例中，所述步骤S2具体为：
步骤S21:将电润湿像素图片经显微镜放大,得到彩色电润湿像素图像;
步骤S22:彩色电润湿像素图像可以分解成
Figure 702053DEST_PATH_IMAGE002
，
Figure 578742DEST_PATH_IMAGE004
，
Figure 964987DEST_PATH_IMAGE006
三个通道的灰度图像，
Figure 294337DEST_PATH_IMAGE002
代表R通道的灰度图像矩阵，
Figure 555554DEST_PATH_IMAGE004
代表G通道的灰度图像矩阵，
Figure 286750DEST_PATH_IMAGE006
代表B通道的灰度图像矩阵;
步骤S23:根据公式
Figure 280113DEST_PATH_IMAGE008
将得到加权平均的灰度图像；
步骤S24根据灰度图像得到灰度直方图。将彩色缺陷电润湿图像灰度化后可得到其灰度图像的灰度直方图，一幅图像由不同灰度值的像素构成，图像的灰度分布情况由图像的灰度直方图描述。灰度图像可以描述为矩阵
Figure 100002_DEST_PATH_IMAGE010
，
Figure 660541DEST_PATH_IMAGE010
是一个二维矩阵，矩阵的数值代表该位置像素的灰度值。灰度值的范围在0到255之间，从灰度为0的灰度值开始，统计各个灰度的像素个数可以得到灰度图片的灰度直方图。
在本实施例中，通过自动阈值技术得到灰度图像的最佳阈值，该阈值将缺陷与背景分割开来，具体为：
预设一幅图像由N个像素，L种灰度值组成。令
Figure 100002_DEST_PATH_IMAGE012
表示灰度值为i的像素个数，则灰度值为i的像素点出现的概率为
Figure 100002_DEST_PATH_IMAGE014
，灰度t将像素分成灰度值为
Figure 100002_DEST_PATH_IMAGE016
的区域
Figure 100002_DEST_PATH_IMAGE018
和灰度值为
Figure DEST_PATH_IMAGE020
的区域
Figure DEST_PATH_IMAGE022
。
Figure DEST_PATH_IMAGE024
区域中像素点的数量分别为
Figure DEST_PATH_IMAGE026
和
Figure DEST_PATH_IMAGE028
。
Figure 638032DEST_PATH_IMAGE024
各区域中像素点的数量占总像素的比例为
Figure DEST_PATH_IMAGE030
和
Figure DEST_PATH_IMAGE032
。
Figure 286051DEST_PATH_IMAGE024
区域中像素点的灰度值总和分别为
Figure DEST_PATH_IMAGE034
和
Figure DEST_PATH_IMAGE036
。通过
Figure DEST_PATH_IMAGE038
和
Figure DEST_PATH_IMAGE040
求得
Figure 404311DEST_PATH_IMAGE024
区域的平均灰度值
Figure DEST_PATH_IMAGE042
和
Figure DEST_PATH_IMAGE044
。传统的Otsu方法的最大类间方差可表示成
Figure DEST_PATH_IMAGE046
，最佳阈值t使得类间方差达到最大值。本方法在类间方差前加上加权因子
Figure DEST_PATH_IMAGE048
，最大类间方差变成
Figure DEST_PATH_IMAGE050
，当该式达到最大值时，此时的t为最佳阈值。
得到最佳阈值后将灰度图像二值化，小于该阈值的像素变为0，大于等于该阈值的像素变为255。此时缺陷像素区域变为0，即为黑色，背景像素区域为255，即为白色。该阈值将缺陷和背景分割开来。
以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。

Claims (3)

1.一种电润湿缺陷像素的分割方法，其特征在于，包括以下步骤：
步骤S1:采集电润湿像素图片；
步骤S2:将电润湿像素图片经显微镜放大后转变为灰度图像，得到灰度直方图；
步骤S3:通过自动阈值方法得到最佳阈值t；所述自动阈值方法具体：为在Otsu法的对象方差前引入加权因子k(t)得到自动阈值计算公式，k(t)为
Figure 145947DEST_PATH_IMAGE001
，最大类间方差变成
Figure DEST_PATH_IMAGE002
，当该式达到最大值时，此时的t为最佳阈值；
其中，灰度图像由N个像素，L种灰度值组成;
Figure 428199DEST_PATH_IMAGE003
表示灰度值为i的像素个数，则灰度值为i的像素点出现的概率为
Figure DEST_PATH_IMAGE004
，灰度t将像素分成灰度值为
Figure 83303DEST_PATH_IMAGE005
的区域
Figure DEST_PATH_IMAGE006
和灰度值为
Figure 790097DEST_PATH_IMAGE007
的区域
Figure DEST_PATH_IMAGE008
;
Figure 666786DEST_PATH_IMAGE009
区域中像素点的数量分别为
Figure DEST_PATH_IMAGE010
和
Figure 364614DEST_PATH_IMAGE011
;
Figure DEST_PATH_IMAGE012
各区域中像素点的数量占总像素的比例为
Figure 946162DEST_PATH_IMAGE013
和
Figure DEST_PATH_IMAGE014
;
步骤S4:基于最佳阈值t对灰度直方图进行图像二值化处理，得到分割结果。
2.根据权利要求1所述的一种电润湿缺陷像素的分割方法，其特征在于，所述步骤S2具体为：
步骤S21:将电润湿像素图片经显微镜放大,得到彩色电润湿像素图像;
步骤S22:彩色电润湿像素图像可以分解成
Figure 20428DEST_PATH_IMAGE015
，
Figure DEST_PATH_IMAGE016
，
Figure 751624DEST_PATH_IMAGE017
三个通道的灰度图像，
Figure 56572DEST_PATH_IMAGE015
代表R通道的灰度图像矩阵，
Figure 873218DEST_PATH_IMAGE016
代表G通道的灰度图像矩阵，
Figure 610230DEST_PATH_IMAGE017
代表B通道的灰度图像矩阵;
步骤S23:根据公式
Figure DEST_PATH_IMAGE018
将得到加权平均的灰度图像；
步骤S24根据灰度图像得到灰度直方图。
3.根据权利要求1所述的一种电润湿缺陷像素的分割方法，其特征在于：所述步骤S4具体为：
步骤S41:将自动阈值法得到的最佳阈值t作为二值化的阈值;
步骤S42:小于该阈值的像素区域灰度值变为0，大于等于该阈值的像素区域灰度值变为255。
CN201910678227.4A 2019-07-25 2019-07-25 一种电润湿缺陷像素的分割方法 Active CN110400320B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910678227.4A CN110400320B (zh) 2019-07-25 2019-07-25 一种电润湿缺陷像素的分割方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910678227.4A CN110400320B (zh) 2019-07-25 2019-07-25 一种电润湿缺陷像素的分割方法

Publications (2)

Publication Number Publication Date
CN110400320A CN110400320A (zh) 2019-11-01
CN110400320B true CN110400320B (zh) 2021-08-31

Family

ID=68326003

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910678227.4A Active CN110400320B (zh) 2019-07-25 2019-07-25 一种电润湿缺陷像素的分割方法

Country Status (1)

Country Link
CN (1) CN110400320B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112200800B (zh) * 2020-10-30 2022-10-28 福州大学 一种基于灰度直方图的电润湿显示器缺陷检测方法
CN112396061B (zh) * 2020-11-25 2023-04-14 福州大学 基于目标灰度倾向加权的Otsu目标检测方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104360501A (zh) * 2014-10-15 2015-02-18 西安交通大学 一种液晶屏幕缺陷视觉检测方法及装置
CN109166092A (zh) * 2018-07-05 2019-01-08 深圳市国华光电科技有限公司 一种图像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
CN109658403A (zh) * 2018-12-18 2019-04-19 福州大学 一种彩色电润湿显示单元缺陷识别方法及其装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018180875A (ja) * 2017-04-12 2018-11-15 富士通株式会社 判定装置、判定方法および判定プログラム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104360501A (zh) * 2014-10-15 2015-02-18 西安交通大学 一种液晶屏幕缺陷视觉检测方法及装置
CN109166092A (zh) * 2018-07-05 2019-01-08 深圳市国华光电科技有限公司 一种图像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
CN109658403A (zh) * 2018-12-18 2019-04-19 福州大学 一种彩色电润湿显示单元缺陷识别方法及其装置

Also Published As

Publication number Publication date
CN110400320A (zh) 2019-11-01

Similar Documents

Publication Publication Date Title
CN106875373B (zh) 基于卷积神经网络剪枝算法的手机屏幕mura缺陷检测方法
CN110349126B (zh) 一种基于卷积神经网络带标记的钢板表面缺陷检测方法
CN111161243B (zh) 基于样本增强的工业产品表面缺陷检测方法
CN110930390B (zh) 基于半监督深度学习的芯片管脚缺失检测方法
CN104077577A (zh) 一种基于卷积神经网络的商标检测方法
CN106096610A (zh) 一种基于支持向量机的文档图像二值化方法
CN115496760B (zh) 一种阿胶品质鉴定方法
CN112308854B (zh) 一种芯片表面瑕疵的自动检测方法、系统及电子设备
CN110400320B (zh) 一种电润湿缺陷像素的分割方法
CN114820625B (zh) 一种汽车顶块缺陷检测方法
CN113888536B (zh) 一种基于计算机视觉的印刷品重影检测方法及系统
CN114119526A (zh) 一种基于机器视觉的钢板表面缺陷检测与识别系统及方法
CN115063620B (zh) 一种基于比特分层罗茨风机轴承磨损检测方法
CN112446437A (zh) 一种基于机器视觉的货架商品规格识别方法
CN103530625A (zh) 一种基于数字图像处理的光学字符识别方法
CN112884741B (zh) 一种基于图像相似性对比的印刷表观缺陷检测方法
CN114170165A (zh) 一种芯片表面缺陷检测方法和装置
CN116402822B (zh) 混凝土结构图像检测方法、装置、电子设备及存储介质
CN108734158B (zh) 一种实时列车车号识别方法及装置
CN115953776A (zh) 基于机器学习的食品检测系统
CN114092441A (zh) 一种基于双重神经网络的产品表面缺陷检测方法及系统
CN115546141A (zh) 一种基于多维度度量的小样本Mini LED缺陷检测方法及系统
CN111640122B (zh) 基于连通域的led异形显示屏光斑定位分割方法
CN104112134A (zh) 一种基于aoi的子弹表观缺陷检测系统的图像二值化分割方法
CN113256563A (zh) 基于空间注意力机制的精品罐表面缺陷检测方法和系统

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