CN111882520B - 一种屏幕缺陷检测方法、装置及头戴显示设备 - Google Patents

一种屏幕缺陷检测方法、装置及头戴显示设备 Download PDF

Info

Publication number
CN111882520B
CN111882520B CN202010548398.8A CN202010548398A CN111882520B CN 111882520 B CN111882520 B CN 111882520B CN 202010548398 A CN202010548398 A CN 202010548398A CN 111882520 B CN111882520 B CN 111882520B
Authority
CN
China
Prior art keywords
image
screen
value
boundary
filtered
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
CN202010548398.8A
Other languages
English (en)
Other versions
CN111882520A (zh
Inventor
宋秀峰
张一凡
田继锋
刘杰
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.)
Goertek Optical Technology Co Ltd
Original Assignee
Goertek Optical 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 Goertek Optical Technology Co Ltd filed Critical Goertek Optical Technology Co Ltd
Priority to CN202010548398.8A priority Critical patent/CN111882520B/zh
Publication of CN111882520A publication Critical patent/CN111882520A/zh
Application granted granted Critical
Publication of CN111882520B publication Critical patent/CN111882520B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06T3/00—Geometric image transformation in the plane of the image
    • G06T3/40—Scaling the whole image or part thereof
    • G06T3/4038—Scaling the whole image or part thereof for image mosaicing, i.e. plane images composed of plane sub-images
    • 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

Abstract

本申请公开了一种屏幕缺陷检测方法、装置及头戴显示设备。屏幕缺陷检测方法包括获取待检测屏幕的原始图像；利用滤波算法对原始图像进行滤波，得到滤波图像；根据屏幕初始位置与滤波图像边界的距离，从滤波图像中截取相应部分确定出与滤波图像边界对应的一个或多个补偿图像，将补偿图像与原始图像中相应方向的对应边界拼接，得到拼接后图像；根据拼接后图像确定屏幕有效区域，基于屏幕有效区域完成屏幕缺陷检测。本申请实施例确定补偿图像，将补偿图像与原始图像拼接，从而可以准确提取边缘轮廓，提高了本申请屏幕检测方案的准确性，满足了实际应用需求，增强了头戴显示设备的市场竞争力。

Description

一种屏幕缺陷检测方法、装置及头戴显示设备
技术领域
本申请涉及头戴显示设备技术领域，具体涉及一种屏幕缺陷检测方法、装置及头戴显示设备。
背景技术
近年来头戴显示设备，比如VR(Virtual Reality，虚拟现实)产品火爆，根据市场预测，下一代VR将采用OLED屏(Organic Light-Emitting Diode，有机发光半导体)。为保证VR产品能得到较广泛的应用且用户体验好，VR屏幕必须能达到较好的分辨率，而且不能存在坏点以及脏污，因此产品检测是必不可少的工序。
现阶段显示屏检测过程中，检测准确度不高，比如当屏幕有效区域位于图像的边缘时，通过轮廓提取方式确定的屏幕轮廓容易不准确，误检率、漏检率较高。
发明内容
鉴于上述技术问题，提出了本申请以便提供克服上述技术问题或者至少部分地解决上述技术问题的一种屏幕缺陷检测方法、装置及头戴显示设备。
依据本申请的一个方面，提供了一种屏幕缺陷检测方法，包括：
获取待检测屏幕的原始图像；
利用滤波算法对原始图像进行滤波，得到滤波图像；
根据屏幕初始位置与滤波图像边界的距离，从滤波图像中截取相应部分确定出与滤波图像边界对应的一个或多个补偿图像；
将补偿图像与原始图像中相应方向的对应边界拼接，得到拼接后图像；
根据拼接后图像确定屏幕有效区域，基于屏幕有效区域完成屏幕缺陷检测。
依据本申请的另一个方面，提供了一种屏幕缺陷检测装置，包括：
获取单元，用于获取待检测屏幕的原始图像；
滤波单元，用于利用滤波算法对原始图像进行滤波，得到滤波图像；
补偿单元，用于根据屏幕初始位置与滤波图像边界的距离，从滤波图像中截取相应部分确定出与滤波图像边界对应的一个或多个补偿图像，将补偿图像与原始图像中相应方向的对应边界拼接，得到拼接后图像；
检测单元，用于根据拼接后图像确定屏幕有效区域，基于屏幕有效区域完成屏幕缺陷检测。
依据本申请的又一个方面，提供了一种头戴显示设备，头戴显示设备包括如本申请另一个方面的屏幕缺陷检测装置。
由上述可知，本申请实施例的技术方案，获取待检测屏幕的原始图像，利用滤波算法对原始图像进行滤波，根据屏幕初始位置与滤波图像边界的距离，从滤波图像中截取相应部分确定出与滤波图像边界对应的一个或多个补偿图像，将补偿图像与原始图像中相应方向的对应边界拼接，得到拼接后图像；根据拼接后图像确定屏幕有效区域，基于屏幕有效区域完成屏幕缺陷检测；如此，对原始图像进行滤波以及补偿，在拼接后图像上进行轮廓查找从而可以准确确定屏幕轮廓，为后续检测边缘缺陷等屏幕缺陷提供了准确的轮廓数据，提高了本申请屏幕检测方案的准确性，满足了实际应用需求，增强了头戴显示设备的市场竞争力。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本申请的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了本申请一个实施例的原始图像的示意图；
图2示出了对图1所示图像二值化后的二值图像的示意图；
图3a示出了现有技术中对原始图像进行屏幕轮廓查找确定出屏幕轮廓的示意图；
图3b示出了图3a的局部放大图；
图4示出了根据本申请一个实施例的屏幕缺陷检测方法的流程示意图；
图5示出了本申请一个实施例的拼接后图像的示意图；
图6示出了对图5所示图像二值化后的二值图像的示意图；
图7a示出了本申请实施例中对图5进行屏幕轮廓查找确定出屏幕轮廓的示意图；
图7b示出了图7a的局部放大图；
图8示出了本申请一个实施例的屏幕缺陷检测装置的框图；
图9示出了本申请一个实施例的头戴显示设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本申请的示例性实施例。虽然附图中显示了本申请的示例性实施例，然而应当理解，可以以各种形式实现本申请而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本申请，并且能够将本申请的范围完整的传达给本领域的技术人员。
本申请实施例的技术构思是：由于图像边缘区域的特殊性，如果单纯采用滤波方式进行原图滤波容易将边缘缺陷点当作噪声滤除，以及当屏幕有效区域位于图像的边缘时，通过二值化加轮廓提取的方式提取屏幕轮廓容易导致轮廓提取的不准确。对此，本申请实施例提出了基于改进的双边滤波算法和边缘区域补偿算法相融合的方式，进行屏幕轮廓的提取，从而不仅准确提取屏幕轮廓，并且有效保留边缘缺陷点，使得边缘缺陷点不因滤波而消失，避免了漏检的发生。
图1示出了本申请一个实施例的原始图像的示意图，参见图1，利用相机对头戴显示设备的屏幕输出的不同的图卡进行拍照，将不同的图像保存下来作为原始图像，原始图像的宽可以表示为WIDTH，高可以表示为HEIGHT。
为更好理解本申请实施例的技术方案和技术效果，这里先对传统的提取屏幕有效区域方式进行说明，传统的提取屏幕有效区域方式是：
(一)采用现有滤波算法进行滤波操作
滤波算法包括中值滤波，均值滤波，双边滤波等任一滤波方式对原始图像滤波，得到滤波图像。本申请发明人发现现有技术中图像滤波后特别是边缘的、微小的缺陷点很容易就被过滤掉，从而导致漏检，对于这一技术问题，本申请实施例中提供了解决方案，后文详述。
(二)二值化
调用处理器中的adaptiveThreshold()函数对滤波图像进行二值化处理，得到二值图像，如图2所示。
(三)屏幕轮廓提取
在图2所示的二值图像的基础上，通过轮廓查找找到屏幕轮廓，并在图1所示原始图像上对应绘制屏幕轮廓，得到图3a。
参见图3a中的白色箭头所指示的即为查找到的轮廓contours的组成部分。注：轮廓查找或轮廓搜索可以采用现有技术中实现，比如利用OpenCV(开源计算机视觉库，OpenSource Computer Vision Library)平台实现。
(四)由屏幕轮廓确定有效区域
比如，由屏幕轮廓确定屏幕轮廓的最小外接矩形，并截取最小外接矩形包含的区域作为有效区域。后续可以将包含有效区域的图像输入到屏幕缺陷检测软件中完成屏幕缺陷检测。
需要说明的是，如图3a和图3b所示，由于屏幕有效区域位于图像的边缘，前述通过二值化、屏幕轮廓提取的方式提取屏幕轮廓容易导致轮廓提取的不准确，即，错误的把屏幕有效区域排除在轮廓内，进而导致屏幕缺陷检测准确性差。
对此，本申请实施例提出对原始图像进行补偿，在补偿后的图像上进行屏幕轮廓提取，从而提高屏幕缺陷检测的准确性。
图4示出了根据本申请一个实施例的屏幕缺陷检测方法的流程示意图，参见图4，本申请实施例的屏幕缺陷检测方法包括：
步骤S410，获取待检测屏幕的原始图像。
步骤S420，利用滤波算法对原始图像进行滤波，得到滤波图像。
步骤S430，根据屏幕初始位置与滤波图像边界的距离，从滤波图像中截取相应部分确定出与滤波图像边界对应的一个或多个补偿图像，将补偿图像与原始图像中相应方向的对应边界拼接，得到拼接后图像。
步骤S440，根据拼接后图像确定屏幕有效区域，基于屏幕有效区域完成屏幕缺陷检测。
由图4所示可知，本申请实施例的屏幕缺陷检测方法，对获取的待检测屏幕的原始图像，利用滤波算法进行滤波，根据屏幕初始位置与滤波图像边界的距离，从滤波图像中截取相应部分确定出与滤波图像边界对应的一个或多个补偿图像，将补偿图像与原始图像中相应方向的对应边界拼接，得到拼接后图像；根据拼接后图像确定屏幕有效区域，基于屏幕有效区域完成屏幕缺陷检测。如此，对原始图像进行滤波以及补偿，准确提取边缘轮廓，并且边缘缺陷点不会因滤波而过滤掉，减少了误检、漏检的发生，提高了屏幕缺陷检测的准确性，满足了实际应用需求。
为便于理解，这里结合图5至图7b对本申请实施例的屏幕缺陷方法的实现步骤进行说明。
本申请实施例获取的待检测屏幕的原始图像如前述图1所示。
获取到原始图像之后，利用滤波算法对原始图像进行滤波，得到滤波图像；根据屏幕初始位置与滤波图像边界的距离，从滤波图像中截取相应部分确定出与滤波图像边界对应的一个或多个补偿图像，将补偿图像与原始图像中相应方向的对应边界拼接，得到拼接后图像。
需要说明的是，本申请实施例补偿图像的位置以及数量由原始图像的特点决定。如果原始图像中屏幕轮廓与原始图像的相应方向的边界距离较近，那么，就需要对原始图像相应方向进行图像补偿。
例如，有效区域的上边界(即，屏幕的上轮廓)距离滤波图像的上边界较近，补偿图像就在滤波图像上边界设置。补偿图像的宽度值可等于滤波图像的宽度值，补偿图像的高度可根据需要设置(比如高度取滤波图像竖直方向的50像素)。
又例如，有效区域的左边界(即，屏幕的左轮廓)与滤波图像左边界距离较近，那么补偿图像就在滤波图像左边界设置。补偿图像高度为滤波图像的高度值，宽度可根据需要设置(比如，宽度取滤波图像水平方向的50像素)。
本申请实施例中，确定补偿图像数量和位置的方式之一是判断屏幕初始位置与滤波图像某一方向的边界的距离是否小于预设距离阈值，若是，从滤波图像中截取相应部分确定出该方向的边界对应的补偿图像，若否，确定不需要为该方向的边界拼接补偿图像。从而，既满足了对图像进行补偿以准确确定屏幕轮廓以及有效区域提高检测准确性的需求，又加快了算法的速度和效率，节省了检测时间。
具体的，预先设置距离阈值，距离阈值可以根据正常图像屏幕轮廓到图像相应边界的距离确定，比如，正常情况下，屏幕的上轮廓到图像上边界的距离是6个像素，但是如果屏幕初始位置与滤波图像上边界的距离小于3个像素，则表明屏幕轮廓与滤波图像上边界的距离过近，从而容易在屏幕轮廓提取时导致屏幕轮廓提取不准确。
对此，本申请实施例在滤波图像上截取相应的部分，确定出滤波图像上边界对应的上边界补偿图像，将上边界补偿图像与滤波图像上边界进行拼接，保证屏幕轮廓提取的准确性。当然，如果屏幕初始位置与滤波图像上边界的距离不小于6个像素，则不必为该方向的边界拼接补偿图像。
需要说明的是，本申请实施例的屏幕初始位置可以由现有技术的屏幕轮廓检测算法确定，比如通过halcon算法对屏幕的初始位置进行查找和确定。
本申请实施例从滤波图像中截取相应部分确定出与滤波图像边界对应的一个或多个补偿图像，具体包括：根据滤波图像中指定像素点的位置，滤波图像水平方向的像素值以及滤波图像竖直方向的预设像素阈值从滤波图像中截取指定大小的相应部分，得到与滤波图像相应方向的边界对应的补偿图像；根据灰度阈值以及镜像点的灰度值确定与滤波图像相应方向的边界对应的补偿图像上第一像素点的灰度值；其中镜像点是滤波图像上的与第一像素点关于滤波图像相应方向边界对称的像素点。
这里以确定上边界补偿图像为例对补偿图像的确定过程进行说明，由于其余方向补偿图像的确定方式与上边界补偿图像的确定方式相同，因此不再赘述。
对于滤波处理后得到的滤波图像，判断屏幕初始位置与滤波图像上方向的边界(即，滤波图像上边界)的距离小于预设距离阈值，则从滤波图像中截取相应部分确定出滤波图像上边界对应的上边界补偿图像。
具体的，本申请实施例上边界补偿图像的具体位置和大小是根据滤波图像中指定像素点的位置，滤波图像水平方向的像素值以及滤波图像竖直方向的预设像素阈值从滤波图像中截取的指定大小的相应部分，例如，根据滤波图像中指定像素点，如滤波图像左上角像素点P0的位置坐标(0,0)，滤波图像水平方向的像素值(即滤波图像的宽度值，如800个像素)以及滤波图像竖直方向的预设像素阈值(如滤波图像高度方向50个像素)从滤波图像中截取指定大小(800*50)的相应部分，得到与滤波图像上边界对应的上边界补偿图像。
也就是说，上边界补偿图像的宽度width等于滤波图像水平方向的像素值，上边界补偿图像的高度height_top等于滤波图像竖直方向的预设像素阈值，上边界补偿图像左上角像素点即滤波图像中左上角像素点。
对于得到的上边界补偿图像，根据灰度阈值以及镜像点的灰度值确定上边界补偿图像上第一像素点的灰度值，镜像点是指滤波图像上的与第一像素点关于滤波图像上边界对称的像素点。同理可得，对于得到的下边界补偿图像，镜像点是指滤波图像上的与第一像素点关于滤波图像下边界对称的像素点。对于得到的左边界补偿图像，镜像点是指滤波图像上的与第一像素点关于滤波图像左边界对称的像素点。对于得到的右边界补偿图像，镜像点是指滤波图像上的与第一像素点关于滤波图像右边界对称的像素点。
注：本申请实施例的第一像素点是指补偿图像上的任一像素点。
根据灰度阈值以及镜像点的灰度值确定与滤波图像相应方向的边界对应的补偿图像上第一像素点的灰度值包括：当镜像点的灰度值小于灰度阈值时，根据镜像点的灰度值确定第一像素点的灰度值；当镜像点的灰度值大于灰度阈值时，设置第一像素点的灰度值等于预设灰度值；其中，灰度阈值根据基准像素点的灰度值确定，基准像素点是指位于滤波图像相应方向的边界的中心的像素点。
比如，对于第一像素点，其灰度值pixel(x,y)的取值公式如下
也就是说，第一像素点的灰度值的取值分两种情况：
第一种情况是，第一像素点的镜像点pixel(x,heighttop-y)的灰度值小于灰度阈值thres，那么根据镜像点的灰度值确定第一像素点的灰度值。也就是说，第一像素点的灰度值pixel(x,y)等于镜像点的灰度值pixel(x,heighttop-y)。
第二种情况是，第一像素点的镜像点pixel(x,heighttop-y)的灰度值大于灰度阈值thres，那么，第一像素点的灰度值等于预设灰度值，即等于0。
需要说明的是，本申请实施例的灰度阈值根据基准像素点的灰度值确定，基准像素点是指位于滤波图像相应方向的边界的中心的像素点。具体到上边界补偿图像，基准像素点是指位于滤波图像上边界中心的像素点，本申请实施例之所以根据基准像素点确定灰度阈值，并基于灰度阈值以及镜像点的灰度值确定补偿图像上第一像素点的灰度值是因为考虑到位于滤波图像上边界中心的像素点的灰度值一般较大，如果以镜像点的灰度值确定第一像素点的灰度值，容易导致错误的将第一像素点作为有效区域的像素点，进而导致屏幕轮廓提取和屏幕缺陷检测的不准确，而通过将镜像点的灰度值大于灰度阈值时，第一像素点的灰度值设为0，避免了这一技术问题。
至此，确定出了上边界补偿图像。
在确定出补偿图像之后，本申请实施例将补偿图像与原始图像中相应方向的对应边界拼接，得到拼接后图像，具体包括：将确定的各补偿图像分别与原始图像中相应方向的对应边界拼接，得到包含各补偿图像的拼接后图像。具体的，将确定的各补偿图像分别与原始图像中相应方向的对应边界拼接，拼接后图像的相应方向的对应边界根据补偿图像的相应方向的边界确定。
接上例，如图5所示，将上边界补偿图像510拼接到原始图像中相应方向的对应边界(即原始图像上边界)拼接，拼接后图像的上边界根据上边界补偿图像510的上边界确定，也就是说，将上边界补偿图像510的上边界作为拼接后图像的上边界。补偿图像更清晰的示意参见图7b，图7b中屏幕上边界轮廓线上部图像即为补偿图像。
需要说明的是，实际应用中如果确定的补偿图像的数量为多个则将各补偿图像与原始图像相应方向边界均拼接之后得到拼接后图像，比如确定的补偿图像数量为两个，分别是上边界补偿图像和左边界补偿图像，那么在将上边界补偿图像与原始图像上边界进行拼接，以及将左边界补偿图像与原始图像左边界进行拼接之后，得到拼接后图像。
完成图像拼接之后，本申请实施例对图5所示拼接图像进行二值化，得到二值图像，如图6所示。二值化过程可参见前述二值化部分的相关说明，这里不再赘述。
在图6所示的二值图像的基础上，通过轮廓查找找到屏幕轮廓，并在图5所示拼接后图像上对应绘制屏幕轮廓，得到图7a。参见图7a中的白色箭头所指示的即为查找到的轮廓contours的组成部分。轮廓查找或轮廓搜索可采用现有技术实现。
将图7b与图3b对比可知，本申请实施例经过图像补偿之后，避免将有效区域排除在屏幕轮廓内导致的屏幕轮廓提取不准确的技术问题，从而为后续准确检测屏幕缺陷奠定了基础。
后续由屏幕轮廓确定有效区域，实现屏幕缺陷检测。比如，由屏幕轮廓确定屏幕轮廓的最小外接矩形，并截取最小外接矩形包含的区域作为有效区域将包含有效区域的图像输入到屏幕缺陷检测软件中完成屏幕缺陷检测。
另外，针对现有技术中图像滤波后特别是边缘的、微小的缺陷点很容易就被过滤掉，导致漏检的技术问题，本申请实施例对滤波算法进行改进，比如对双边滤波算法进行改进，利用改进后的双边滤波算法对原始图像进行滤波。传统的双边滤波算法在采样时不仅考虑像素在空间距离上的关系，同时加入了像素间的相似程度考虑，因而可以保持原始图像的大体分块进而保持边缘。
现有的双边滤波算法公式如下：
上述公式(1)中，c表示基于空间距离的高斯权重，s为基于像素间相似程度的高斯权重，表示对结果进行归一化，x表示当前像素点，z表示相邻像素点。本申请的发明人发现如果图像边缘有细小的缺陷，在滤波时很容易被当作噪声过滤掉，为了解决这一问题，本申请实施例提出增加第三维变量对比度，作为另一个权重分部。
本申请实施例利用滤波算法对原始图像进行滤波，得到滤波图像包括：根据原始图像上像素点间的对比度设置对比度权重值，将对比度权重值添加至滤波算法的权重参数，利用包含对比度权重值的权重参数对原始图像进行滤波，得到滤波图像。
利用包含对比度权重值的权重参数对原始图像进行滤波，得到滤波图像根据原始图像上像素点间的对比度设置对比度权重值包括：根据原始图像上当前像素点的对比度以及相邻像素点的对比度，确定当前像素点与相邻像素点之间的对比度比值；判断对比度比值是否满足预设条件，是则根据对比度比值和/或对比度的差值确定对比度权重值的数值，否则，确定对比度权重值的数值为一个常数；其中，预设条件包括对比度比值/对比度的差值大于第一阈值或小于第二阈值，第一阈值大于第二阈值。
比如，基于上述公式(1)添加新的对比度权重，根据当前像素点的对比度以及相邻像素点的对比度得到对比度权重，即，基于对比度的高斯权重值注：基于对比度的高斯权重值表示了两个像素点的对比度关系的高斯权重，也即，两个像素点的对比度差别越大，权重越大，两个像素点的差别越小，权重越小。
当两个像素点的对比度差别较大时，比如，对比度比值大于第一阈值，或者对比度比值小于第二阈值，则对比度权重值等于两像素点对比度的差值的绝对值。如果对比度比值在第一阈值和第二阈值之间，即，对比度差别小则确定对比度权重值的数值为一个常数0。本申请实施例中，第一阈值大于第二阈值。
需要说明的是，前述是以对比度比值与阈值的比较来确定对比度之间的差别，实际应用中当然可以采用对比度之间的差值与阈值的比较来确定对比度之间的差别，本申请实施例对此不作限定。
经过上述计算，
公式(1)可转换为：
在本申请实施例中
公式(1)也可转换为：
由上述公式(2)可知，本申请实施例利用指数函数设置对比度权重值，并将像素点的对比度作为指数函数的输入量，以及，通过下述方式利用包含对比度权重值的权重参数对原始图像进行滤波：计算对比度权重值的高斯积分，得到第一积分结果，对第一积分结果归一化，对空间距离权重以及像素点间相似度权重进行二重积分，得到第二积分结果，对第二积分结果归一化，根据归一化后第一积分结果以及归一化后第二积分结果的和确定滤波后像素点的像素值。
由上述公式(3)可知，本申请实施例利用指数函数设置对比度权重值，并将像素点的对比度作为指数函数的输入量，如对比度比值、对比度的差值，当然，输入量还可以包括滤波半径，以及，通过下述方式利用包含对比度权重值的权重参数对原始图像进行滤波：计算对比度权重值、空间距离权重以及像素点间相似度权重的三重积分结果，根据三重积分结果确定滤波后像素点的像素值。
至此，本申请实施例通过设置对比度权重值，将对比度权重值添加至滤波算法的权重参数，利用包含对比度权重值的权重参数对原始图像进行滤波，从而经滤波后对比度较大的缺陷点并不会被过滤掉，避免了漏检的发生，提高了屏幕缺陷检测的准确性。
与前述屏幕缺陷检测方法同属于一个技术构思，本申请实施例还提供了屏幕缺陷检测装置。图8示出了本申请一个实施例的屏幕缺陷检测装置的框图，参见图8，屏幕缺陷检测装置800包括：
获取单元810，用于获取待检测屏幕的原始图像；
滤波单元820，用于利用滤波算法对原始图像进行滤波，得到滤波图像；
补偿单元830，用于根据屏幕初始位置与滤波图像边界的距离，从滤波图像中截取相应部分确定出与滤波图像边界对应的一个或多个补偿图像，将补偿图像与原始图像中相应方向的对应边界拼接，得到拼接后图像；
检测单元840，用于根据拼接后图像确定屏幕有效区域，基于屏幕有效区域完成屏幕缺陷检测。
在本申请的一个实施例中，补偿单元830，具体用于判断屏幕初始位置与滤波图像某一方向的边界的距离是否小于预设距离阈值，若是，从滤波图像中截取相应部分确定出该方向的边界对应的补偿图像，若否，确定不需要为该方向的边界拼接补偿图像；将确定的各补偿图像分别与原始图像中相应方向的对应边界拼接，得到包含各补偿图像的拼接后图像。
在本申请的一个实施例中，补偿单元830，具体用于根据滤波图像中指定像素点的位置，滤波图像水平方向的像素值以及滤波图像竖直方向的预设像素阈值从滤波图像中截取指定大小的相应部分，得到与滤波图像相应方向的边界对应的补偿图像；根据灰度阈值以及镜像点的灰度值确定与滤波图像相应方向的边界对应的补偿图像上第一像素点的灰度值；其中镜像点是滤波图像上的与第一像素点关于滤波图像相应方向边界对称的像素点。
在本申请的一个实施例中，补偿单元830，具体用于当镜像点的灰度值小于灰度阈值时，根据镜像点的灰度值确定第一像素点的灰度值；当镜像点的灰度值大于灰度阈值时，设置第一像素点的灰度值等于预设灰度值；其中，灰度阈值根据基准像素点的灰度值确定，基准像素点是指位于滤波图像相应方向的边界的中心的像素点。
在本申请的一个实施例中，补偿单元830，具体用于将确定的各补偿图像分别与原始图像中相应方向的对应边界拼接，拼接后图像的相应方向的对应边界根据补偿图像的相应方向的边界确定。
在本申请的一个实施例中，滤波单元820，具体用于根据原始图像上像素点间的对比度设置对比度权重值，将对比度权重值添加至滤波算法的权重参数，利用包含对比度权重值的权重参数对原始图像进行滤波，得到滤波图像。
在本申请的一个实施例中，滤波单元820，具体用于根据原始图像上当前像素点的对比度以及相邻像素点的对比度，确定当前像素点与相邻像素点之间的对比度比值；判断对比度比值是否满足预设条件，是则根据对比度比值和/或对比度的差值确定对比度权重值的数值，否则，确定对比度权重值的数值为一个常数；其中，预设条件包括对比度比值/对比度的差值大于第一阈值或小于第二阈值，第一阈值大于第二阈值。
在本申请的一个实施例中，利用指数函数设置对比度权重值，并将像素点的对比度作为指数函数的输入量，以及，通过下述方式利用包含对比度权重值的权重参数对原始图像进行滤波：计算对比度权重值的高斯积分，得到第一积分结果，对第一积分结果归一化，对空间距离权重以及像素点间相似度权重进行二重积分，得到第二积分结果，对第二积分结果归一化，根据归一化后第一积分结果以及归一化后第二积分结果的和确定滤波后像素点的像素值；或，计算对比度权重值、空间距离权重以及像素点间相似度权重的三重积分结果，根据三重积分结果确定滤波后像素点的像素值。
需要说明的是，上述屏幕缺陷检测装置，能够实现前述实施例中提供的由头戴显示设备执行的屏幕缺陷检测方法的各个步骤，关于屏幕缺陷检测方法的相关阐释均适用于屏幕缺陷检测装置，此处不再赘述。
综上，本申请实施例的本申请实施例的技术方案，获取待检测屏幕的原始图像，利用滤波算法对原始图像进行滤波，根据屏幕初始位置与滤波图像边界的距离，从滤波图像中截取相应部分确定出与滤波图像边界对应的一个或多个补偿图像，将补偿图像与原始图像中相应方向的对应边界拼接，得到拼接后图像；根据拼接后图像确定屏幕有效区域，基于屏幕有效区域完成屏幕缺陷检测；这样，对原始图像进行滤波以及补偿，从而可以准确提取边缘轮廓，并且避免了边缘缺陷点被滤波处理所过滤掉，减少了误检、漏检的发生，提高了本申请屏幕检测方案的准确性，满足了实际应用需求，提高了头戴显示设备的市场竞争力
需要说明的是：
图9示意了头戴显示设备的结构示意图。请参考图9，在硬件层面，该头戴显示设备包括处理器，可选地还包括内部总线、网络接口、存储器。其特征在于，存储器可能包含内存，例如高速随机存取存储器(Random-Access Memory，RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器等。当然，该头戴显示设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是ISA(Industry Standard Architecture，工业标准体系结构)总线、PCI(PeripheralComponent Interconnect，外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture，扩展工业标准结构)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，图9中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
存储器，用于存放程序。具体地，程序可以包括程序代码，程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器，并向处理器提供指令和数据。
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，在逻辑层面上形成屏幕缺陷检测装置。处理器，执行存储器所存放的程序，并具体用于执行以下操作：
获取待检测屏幕的原始图像；
利用滤波算法对原始图像进行滤波，得到滤波图像；
根据屏幕初始位置与滤波图像边界的距离，从滤波图像中截取相应部分确定出与滤波图像边界对应的一个或多个补偿图像，将补偿图像与原始图像中相应方向的对应边界拼接，得到拼接后图像；
根据拼接后图像确定屏幕有效区域，基于屏幕有效区域完成屏幕缺陷检测。
上述如本申请图8所示实施例揭示的屏幕缺陷检测装置执行的功能可以应用于处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
该头戴显示设备还可执行图4中屏幕缺陷检测方法执行的步骤，并实现屏幕缺陷检测方法在图4所示实施例的功能，本申请实施例在此不再赘述。
本申请实施例还提出了一种计算机可读存储介质，该计算机可读存储介质存储一个或多个程序，该一个或多个程序包括指令，该指令当被包括多个应用程序的头戴显示设备执行时，能够使该头戴显示设备执行图4所示实施例中屏幕缺陷检测方法，并具体用于执行：
获取待检测屏幕的原始图像；
利用滤波算法对原始图像进行滤波，得到滤波图像；
根据屏幕初始位置与滤波图像边界的距离，从滤波图像中截取相应部分确定出与滤波图像边界对应的一个或多个补偿图像，将补偿图像与原始图像中相应方向的对应边界拼接，得到拼接后图像；
根据拼接后图像确定屏幕有效区域，基于屏幕有效区域完成屏幕缺陷检测。
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特征在于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、CD-ROM、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。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请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，本申请可采用在一个或多个其特征在于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、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (8)

1.一种屏幕缺陷检测方法，其特征在于，包括：
获取待检测屏幕的原始图像；
利用滤波算法对所述原始图像进行滤波，得到滤波图像；
根据屏幕初始位置与滤波图像边界的距离，从滤波图像中截取相应部分确定出与滤波图像边界对应的一个或多个补偿图像，根据滤波图像中指定像素点的位置，滤波图像水平方向的像素值以及滤波图像竖直方向的预设像素阈值从滤波图像中截取指定大小的相应部分，得到与滤波图像相应方向的边界对应的补偿图像；
根据灰度阈值以及镜像点的灰度值确定与滤波图像相应方向的边界对应的补偿图像上第一像素点的灰度值，其中，所述第一像素点是指补偿图像上的任一像素点，所述镜像点是滤波图像上的与第一像素点关于滤波图像相应方向边界对称的像素点；
当镜像点的灰度值小于灰度阈值时，根据镜像点的灰度值确定第一像素点的灰度值；当镜像点的灰度值大于灰度阈值时，设置第一像素点的灰度值等于预设灰度值，其中，灰度阈值根据基准像素点的灰度值确定，基准像素点是指位于滤波图像相应方向的边界的中心的像素点；
将所述补偿图像与所述原始图像中相应方向的对应边界拼接，得到拼接后图像；
根据拼接后图像确定屏幕有效区域，基于所述屏幕有效区域完成屏幕缺陷检测。
2.如权利要求1所述的方法，其特征在于，所述根据屏幕初始位置与滤波图像边界的距离，从滤波图像中截取相应部分确定出与滤波图像边界对应的一个或多个补偿图像包括：
判断屏幕初始位置与滤波图像某一方向的边界的距离是否小于预设距离阈值，若是，从滤波图像中截取相应部分确定出该方向的边界对应的补偿图像，若否，确定不需要为该方向的边界拼接补偿图像；
所述将所述补偿图像与所述原始图像中相应方向的对应边界拼接，得到拼接后图像包括：
将确定的各补偿图像分别与所述原始图像中相应方向的对应边界拼接，得到包含各补偿图像的拼接后图像。
3.如权利要求2所述的方法，其特征在于，所述将确定的各补偿图像分别与所述原始图像中相应方向的对应边界拼接，得到包含各补偿图像的拼接后图像包括：
将确定的各补偿图像分别与所述原始图像中相应方向的对应边界拼接，拼接后图像的相应方向的对应边界根据补偿图像的相应方向的边界确定。
4.如权利要求1-3中任一项所述的方法，其特征在于，利用滤波算法对所述原始图像进行滤波，得到滤波图像包括：
根据原始图像上像素点间的对比度设置对比度权重值，将对比度权重值添加至滤波算法的权重参数，利用包含对比度权重值的权重参数对所述原始图像进行滤波，得到滤波图像。
5.如权利要求4所述的方法，其特征在于，所述利用包含对比度权重值的权重参数对所述原始图像进行滤波，得到滤波图像根据原始图像上像素点间的对比度设置对比度权重值包括：
根据原始图像上当前像素点的对比度以及相邻像素点的对比度，确定当前像素点与相邻像素点之间的对比度比值；
判断对比度比值是否满足预设条件，是则根据对比度比值和/或对比度的差值确定所述对比度权重值的数值，否则，确定所述对比度权重值的数值为一个常数；
其中，预设条件包括对比度比值/对比度的差值大于第一阈值或小于第二阈值，第一阈值大于第二阈值。
6.如权利要求4所述的方法，其特征在于，还包括：
利用指数函数设置所述对比度权重值，并将像素点的对比度作为指数函数的输入量，以及，
通过下述方式利用包含对比度权重值的权重参数对所述原始图像进行滤波：
计算对比度权重值的高斯积分，得到第一积分结果，对第一积分结果归一化，对空间距离权重以及像素点间相似度权重进行二重积分，得到第二积分结果，对第二积分结果归一化，根据归一化后第一积分结果以及归一化后第二积分结果的和确定滤波后像素点的像素值；
或，
计算对比度权重值、空间距离权重以及像素点间相似度权重的三重积分结果，根据三重积分结果确定滤波后像素点的像素值。
7.一种屏幕缺陷检测装置，其特征在于，包括：
获取单元，用于获取待检测屏幕的原始图像；
滤波单元，用于利用滤波算法对所述原始图像进行滤波，得到滤波图像；
补偿单元，用于根据屏幕初始位置与滤波图像边界的距离，从滤波图像中截取相应部分确定出与滤波图像边界对应的一个或多个补偿图像，根据滤波图像中指定像素点的位置，滤波图像水平方向的像素值以及滤波图像竖直方向的预设像素阈值从滤波图像中截取指定大小的相应部分，得到与滤波图像相应方向的边界对应的补偿图像；
根据灰度阈值以及镜像点的灰度值确定与滤波图像相应方向的边界对应的补偿图像上第一像素点的灰度值，其中，所述第一像素点是指补偿图像上的任一像素点，所述镜像点是滤波图像上的与第一像素点关于滤波图像相应方向边界对称的像素点；
当镜像点的灰度值小于灰度阈值时，根据镜像点的灰度值确定第一像素点的灰度值；当镜像点的灰度值大于灰度阈值时，设置第一像素点的灰度值等于预设灰度值，其中，灰度阈值根据基准像素点的灰度值确定，基准像素点是指位于滤波图像相应方向的边界的中心的像素点；
将所述补偿图像与所述原始图像中相应方向的对应边界拼接，得到拼接后图像；
检测单元，用于根据拼接后图像确定屏幕有效区域，基于所述屏幕有效区域完成屏幕缺陷检测。
8.一种头戴显示设备，其特征在于，所述头戴显示设备包括如权利要求7所述的屏幕缺陷检测装置。
CN202010548398.8A 2020-06-16 2020-06-16 一种屏幕缺陷检测方法、装置及头戴显示设备 Active CN111882520B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010548398.8A CN111882520B (zh) 2020-06-16 2020-06-16 一种屏幕缺陷检测方法、装置及头戴显示设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010548398.8A CN111882520B (zh) 2020-06-16 2020-06-16 一种屏幕缺陷检测方法、装置及头戴显示设备

Publications (2)

Publication Number Publication Date
CN111882520A CN111882520A (zh) 2020-11-03
CN111882520B true CN111882520B (zh) 2023-10-17

Family

ID=73157761

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010548398.8A Active CN111882520B (zh) 2020-06-16 2020-06-16 一种屏幕缺陷检测方法、装置及头戴显示设备

Country Status (1)

Country Link
CN (1) CN111882520B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113012137B (zh) * 2021-03-24 2022-05-10 滁州惠科光电科技有限公司 一种面板缺陷检查方法、系统、终端设备及存储介质
CN113034351A (zh) * 2021-03-25 2021-06-25 联想(北京)有限公司 图像处理方法及装置
CN113781393B (zh) * 2021-08-04 2023-12-26 深圳市鑫信腾科技股份有限公司 屏幕缺陷检测方法、装置、设备及存储介质
CN113888657B (zh) * 2021-12-08 2022-03-29 珠海视熙科技有限公司 一种屏幕颜色采集方法、装置、摄像设备以及存储介质
CN115018841B (zh) * 2022-08-08 2022-11-04 海的电子科技(苏州)有限公司 目标图片生成方法、显示屏维修像素点标识方法及设备
CN116071271B (zh) * 2023-03-07 2023-06-02 深圳市熠华智能科技有限公司 一种用于平板电脑的图像捕获的分析方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104713883A (zh) * 2013-12-11 2015-06-17 上海空间电源研究所 大面积空间太阳电池阵缺陷快速检测及自动识别方法
CN105761271A (zh) * 2016-03-16 2016-07-13 武汉大学 核安全壳表面缺陷自动检测方法及系统
CN107749268A (zh) * 2017-10-27 2018-03-02 歌尔科技有限公司 屏幕检测方法及设备
CN108280822A (zh) * 2017-12-20 2018-07-13 歌尔科技有限公司 屏幕划痕的检测方法及装置
CN109285118A (zh) * 2018-09-26 2019-01-29 电子科技大学 一种添加附件层的红外热图像拼接方法
CN109360145A (zh) * 2018-10-30 2019-02-19 电子科技大学 一种基于涡流脉冲红外热图像拼接方法
CN109900723A (zh) * 2019-04-26 2019-06-18 李配灯 玻璃表面缺陷检测方法及装置
CN110111711A (zh) * 2019-04-30 2019-08-09 京东方科技集团股份有限公司 屏幕的检测方法及装置、计算机可读存储介质
CN111080529A (zh) * 2019-12-23 2020-04-28 大连理工大学 一种加强鲁棒性的无人机航拍图像拼接方法
CN111161243A (zh) * 2019-12-30 2020-05-15 华南理工大学 基于样本增强的工业产品表面缺陷检测方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018165753A1 (en) * 2017-03-14 2018-09-20 University Of Manitoba Structure defect detection using machine learning algorithms
JP6273594B1 (ja) * 2017-05-12 2018-02-07 三菱重工機械システム株式会社 段ボールシートの不良検出装置及び段ボールシートの不良除去装置並びに段ボールシートの製造装置

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104713883A (zh) * 2013-12-11 2015-06-17 上海空间电源研究所 大面积空间太阳电池阵缺陷快速检测及自动识别方法
CN105761271A (zh) * 2016-03-16 2016-07-13 武汉大学 核安全壳表面缺陷自动检测方法及系统
CN107749268A (zh) * 2017-10-27 2018-03-02 歌尔科技有限公司 屏幕检测方法及设备
CN108280822A (zh) * 2017-12-20 2018-07-13 歌尔科技有限公司 屏幕划痕的检测方法及装置
CN109285118A (zh) * 2018-09-26 2019-01-29 电子科技大学 一种添加附件层的红外热图像拼接方法
CN109360145A (zh) * 2018-10-30 2019-02-19 电子科技大学 一种基于涡流脉冲红外热图像拼接方法
CN109900723A (zh) * 2019-04-26 2019-06-18 李配灯 玻璃表面缺陷检测方法及装置
CN110111711A (zh) * 2019-04-30 2019-08-09 京东方科技集团股份有限公司 屏幕的检测方法及装置、计算机可读存储介质
CN111080529A (zh) * 2019-12-23 2020-04-28 大连理工大学 一种加强鲁棒性的无人机航拍图像拼接方法
CN111161243A (zh) * 2019-12-30 2020-05-15 华南理工大学 基于样本增强的工业产品表面缺陷检测方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Deep Learning-Based Crack Damage Detection Using Convolutional Neural Networks;Young-Jin Cha 等;《Computer-Aided Civil and Infrastructure Engineering》;361-378 *
TFT-LCD面板缺陷分类方法研究;李小娟;《中国优秀硕士学位论文全文数据库 信息科技辑》;I138-1332 *
基于机器视觉的TFT-LCD屏mura缺陷检测技术研究;张昱;《中国博士论文全文数据库 信息科技辑》;I138-93 *
基于机器视觉的液晶屏缺陷检测;朱恒川;《中国优秀硕士学位论文全文数据库 信息科技辑》;I138-621 *

Also Published As

Publication number Publication date
CN111882520A (zh) 2020-11-03

Similar Documents

Publication Publication Date Title
CN111882520B (zh) 一种屏幕缺陷检测方法、装置及头戴显示设备
CN111627009B (zh) 一种屏幕检测方法、装置及头戴显示设备
CN111612781B (zh) 一种屏幕缺陷检测方法、装置及头戴显示设备
CN113160161B (zh) 目标边缘处缺陷的检测方法和装置
CN113808131B (zh) 一种连接器缺陷识别方法及系统及装置及介质
CN108573251B (zh) 文字区域定位方法和装置
CN112598922B (zh) 车位检测方法、装置、设备及存储介质
CN111046862B (zh) 一种字符分割方法、装置以及计算机可读存储介质
US20170358059A1 (en) Image/video editor with automatic occlusion detection and cropping
CN111460355B (zh) 一种页面解析方法和装置
CN109102026B (zh) 一种车辆图像检测方法、装置及系统
CN113034447B (zh) 一种边缘缺陷检测方法和装置
CN111079793A (zh) 图标相似度的确定方法和电子设备
CN108734161B (zh) 冠字号区域的识别方法、装置、设备及存储介质
CN107748882B (zh) 一种车道线检测方法及装置
CN113160176B (zh) 缺陷检测方法和装置
WO2024016686A1 (zh) 角点检测的方法和装置
CN113902742B (zh) 一种基于tft-lcd检测缺陷真假判定方法和系统
CN116309628A (zh) 车道线识别方法和装置、电子设备和计算机可读存储介质
CN113688798A (zh) 一种基于超高清图像的识别方法及装置
CN113378847A (zh) 字符分割方法、系统、计算机设备和存储介质
CN112906708A (zh) 一种图片处理方法、装置、电子设备和计算机存储介质
CN111783775A (zh) 一种图像采集方法、装置、设备和计算机可读存储介质
US20240020846A1 (en) Corner point detection method and apparatus
CN116362973B (zh) 图案拼接方法、设备及存储介质

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20221123

Address after: 261061 workshop 1, phase III, Geer Photoelectric Industrial Park, 3999 Huixian Road, Yongchun community, Qingchi street, high tech Zone, Weifang City, Shandong Province

Applicant after: GoerTek Optical Technology Co.,Ltd.

Address before: 261031 No. 268 Dongfang Road, hi tech Industrial Development Zone, Shandong, Weifang

Applicant before: GOERTEK Inc.

GR01 Patent grant
GR01 Patent grant