CN112767527A - 一种基于ccd感知的发光强度及均匀度的检测方法 - Google Patents

一种基于ccd感知的发光强度及均匀度的检测方法 Download PDF

Info

Publication number
CN112767527A
CN112767527A CN202110118040.6A CN202110118040A CN112767527A CN 112767527 A CN112767527 A CN 112767527A CN 202110118040 A CN202110118040 A CN 202110118040A CN 112767527 A CN112767527 A CN 112767527A
Authority
CN
China
Prior art keywords
brightness
uniformity
ccd
luminous
imaging
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.)
Pending
Application number
CN202110118040.6A
Other languages
English (en)
Inventor
胡伦庭
林碧云
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.)
Wuhan Haiwei Technology Co ltd
Original Assignee
Wuhan Haiwei 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 Wuhan Haiwei Technology Co ltd filed Critical Wuhan Haiwei Technology Co ltd
Priority to CN202110118040.6A priority Critical patent/CN112767527A/zh
Publication of CN112767527A publication Critical patent/CN112767527A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/50—Lighting effects
    • G06T15/506—Illumination models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • 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
    • G06T2207/20081—Training; Learning
    • 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
    • G06T2207/30244—Camera pose

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Graphics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Photometry And Measurement Of Optical Pulse Characteristics (AREA)

Abstract

本发明涉及一种基于CCD感知的发光强度及均匀度的检测方法，包括标定步骤和检测步骤，所述检测步骤包括以下步骤：步骤a1、取待测发光面，设置CCD的参数，使其与标定步骤的CCD参数相同；步骤a2、在暗室环境中，对待测发光面做成像，得到成像图像I；步骤a3、提取成像图像I的亮度特征矩阵M和均匀度特征U；步骤a4、根据标定步骤建立并学习亮度模型，得到学习后的亮度模型；步骤a5、根据学习后的亮度模型和亮度特征矩阵计算待测发光面的亮度A；根据均匀度特征矩阵U，计算待测发光面的均匀度u。本发明能够实现不同发光材质的亮度和均匀检测，而且能实现不同发光位置、不同发光尺寸的检测，能够抗噪声干扰，且简单易实行。

Description

一种基于CCD感知的发光强度及均匀度的检测方法
技术领域
本发明涉及发光面检测技术领域，具体讲的是一种基于CCD感知的发光强度及均匀度的检测方法。
背景技术
随着平板显示器的升级换代的加快，用户对显示设备的显示效果要求越来越高，以及批量生产过程中对生产效率的高要求，使得传统的点式亮度计无法满足测试要求。传统的亮度和均匀度检测方法主要是5点，9点法等，这就导致如果需要进行全屏检测时，效率及其低下，无论是自动还是半自动产线，都需要很长的时间，无法满足产线需要。
另外，传统的方法对于小范围的发光亮度检测不佳，有些方法标定过程复杂，对于不同的产品，标定方式单一，不能很好的适应不同的显示设备。有些设备不能实现任意一点处发光亮度的测量。在显示设备的自动化检测中，显示设备亮度变化呈现一定的趋势，传统算法无法很好针对特定产品拟合这种趋势，无法实现特定产品的精准检测。有些检测设备很容易受到噪声干扰。
因此，能够做到全屏检测，不同发光面积检测，降低噪声干扰，适应不同产线，不同产品的检测设备，将很有必要。
发明内容
本发明要解决的技术问题是针对以上不足，提供一种基于CCD感知的发光强度及均匀度的检测方法。
为解决以上技术问题，本发明采用以下技术方案：
一种基于CCD感知的发光强度及均匀度的检测方法，包括以下步骤：
步骤a1、取待测发光面，设置CCD的参数，使其与标定步骤的CCD参数相同；
步骤a2、在暗室环境中，对待测发光面做成像，得到成像图像I；
步骤a3、提取成像图像I的亮度特征矩阵M和均匀度特征U；
步骤a4、根据标定步骤建立并学习亮度模型，得到学习后的亮度模型；
步骤a5、根据学习后的亮度模型和亮度特征矩阵计算待测发光面的亮度A；根据均匀度特征矩阵U，计算待测发光面的均匀度u。
进一步的，所述步骤a3具体包括以下步骤：
步骤a31、生成成像图像I的k层金字塔G，表示为：
G＝{G1…Gj}，j＝1，2，…，k；
步骤a32、将Gj分为相同大小的m*n区域，j＝1，2，…，k；
步骤a34、依次提取Gj，j＝1，2，…，k上相同位置的灰度值Gj(p，q)，(p，q)为位置点的坐标，p＝1，2，…，m；q＝1，2，…，n，构成尺度一致局部直方图，表示为：
Hp，q(j)＝Gj(p，q)；j＝1，2，…，k；p＝1，2，…，m；q＝1，2，…，n；
步骤a35、将所有尺寸一致局部直方图Hp，q(j)进行合并，得到成像图像I的多维特征矩阵H，表示为：
H＝{Hp，q(j)|j＝1，2，…，k；p＝1，2，…，m；q＝1，2，…，n}
则，成像图像I的亮度特征矩阵M表示为：
Figure BDA0002921465680000021
步骤a36、将多维特征矩阵H做归一化处理，表示为：
Figure BDA0002921465680000031
生成成像图像I的均匀度特征矩阵U，表示为：
Figure BDA0002921465680000032
进一步的，所述标定步骤包括以下步骤：
步骤b1、选取与待测发光面相同的N个发光面样品，按照等差变换规律设置N个发光面样品的亮度值；
步骤b2、将每个发光面样品分成m*n个区域，用高精度测量工具对发光面样品的各个区域做亮度测量，N个发光面样品的亮度标准值，表示为：
Figure BDA0002921465680000033
其中，Ai为第i个发光面样品的亮度标准值，i＝1、2……N；
步骤b3、设置CCD的参数；
步骤b4、在暗室环境中，将N个发光面样品依次放置于CCD的正下方，并对其进行成像，生成N个成像图像Bi，i＝1，2，…，N，得到对应的成像图像序列{Bi}i＝1，2，…，N；
步骤b5、提取成像图像序列{Bi}中每个成像图像Bi的亮度特征矩阵Mi，提取步骤与步骤a3相同；
步骤b6、建立亮度模型：
Figure BDA0002921465680000034
其中Mi为成像图像Bi的亮度特征矩阵，Ai为第i个发光面样品的亮度标准值，α、β和γ为亮度模型中的待训练值；
步骤b7、将所有成像Bi的亮度特征矩阵Mi代入亮度模型中，训练亮度模型，得到训练后的亮度模型。
进一步的，所述步骤b4中，计算待测发光面的均匀度的公式为：
Figure BDA0002921465680000041
其中u为待测发光面的均匀度，U为均匀度矩阵。
本发明采用以上技术方案后，与现有技术相比，具有以下优点：
本发明能够实现不同发光材质的亮度和均匀检测，而且能实现不同发光位置、不同发光尺寸的检测，能够抗噪声干扰，且简单易实行；本发明的检测方法通过标定过程建立亮度学习模型，并选取多个样品发光面对学习模型进行训练，提高学习模型数值的准确度，以提高检测精度；本发明通过CCD进行检查，检测效率高，成本较低便于推广。
下面结合附图和实施例对本发明进行详细说明。
附图说明
图1为与待检测发光面一致的，按照等差数列显示亮度的发光面样品(即标定样品)；
图2为构建高斯金字塔得到亮度矩阵和均匀度协方差矩阵的示意图；
图3为成像系统示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
一种基于CCD感知的发光强度及均匀度的检测方法，包括以下步骤：
步骤a1、取待测发光面，设置CCD的参数，包括焦距f、光圈F、增益GA、白平衡参数BA、曝光时间T和工作距离L等参数，使其与标定步骤的GCD参数相同；
步骤a2、在暗室环境中，对待测发光面做成像，得到成像图像I；
步骤a3、提取成像图像I的亮度特征矩阵M和均匀度特征U，提取过程具体包括以下步骤：
步骤a31、如图2所示，生成成像图像I的k层金字塔G，表示为：
G＝{G1…Gj}，j＝1，2，…，k；
步骤a32、将Gj分为相同大小的m*n区域，j＝1，2，…，k；
步骤a34、依次提取Gj，j＝1，2，…，k上相同位置的灰度值Gj(p，q)，(p，q)为位置点的坐标，p＝1，2，…，m；q＝1，2，…，n，构成尺度一致局部直方图，表示为：
Hp，q(j)＝Gj(p，q)；j＝1，2，…，k；p＝1，2，…，m；q＝1，2，…，n；
步骤a35、将所有尺寸一致局部直方图Hp，q(j)进行合并，得到成像图像I的多维特征矩阵H，表示为：
H＝{Hp，q(j)|j＝1，2，…，k；p＝1，2，…，m；q＝1，2，…，n}
则，成像图像I的亮度特征矩阵M表示为：
Figure BDA0002921465680000051
步骤a36、将多维特征矩阵H做归一化处理，表示为：
Figure BDA0002921465680000052
生成成像图像I的均匀度特征矩阵U，表示为：
Figure BDA0002921465680000061
步骤a4、根据标定步骤建立并学习亮度模型，得到学习后的亮度模型；
步骤a5、根据学习后的亮度模型和亮度特征矩阵计算待测发光面的亮度A，将亮度特征矩阵M代入学习后的亮度模型得到发光面亮度A，表示为：
A＝αM2+βM+γ；
根据均匀度特征矩阵U，计算待测发光面的均匀度u，计算待测发光面的均匀度的公式为：
Figure BDA0002921465680000062
其中u为待测发光面的均匀度，U为均匀度矩阵。
标定步骤包括以下步骤：
步骤b1、如图1所示，选取与待测发光面相同的N个发光面样品，按照等差变换规律设置N个发光面样品的亮度值；
步骤b2、将每个发光面样品分成m*n个区域，用高精度测量工具对发光面样品的各个区域做亮度测量，N个发光面样品的亮度标准值，表示为：
Figure BDA0002921465680000063
其中，Ai为第i个发光面样品的亮度标准值，i＝1、2……N；
步骤b3、设置CCD的参数；
步骤b4、在暗室环境中，将N个发光面样品依次放置于CCD的正下方，并对其进行成像，生成N个成像图像Bi，i＝1，2，…，N，得到对应的成像图像序列{Bi}i＝1，2，…，N；
步骤b5、提取成像图像序列{Bi}中每个成像图像Bi的亮度特征矩阵Mi，提取步骤与步骤a3相同；
步骤b6、建立亮度模型：
Figure BDA0002921465680000071
其中Mi为成像图像Bi的亮度特征矩阵，Ai为第i个发光面样品的亮度标准值，α、β和γ为亮度模型中的待训练值；
步骤b7、将所有成像Bi的亮度特征矩阵Mi代入亮度模型中，训练亮度模型，得到训练后的亮度模型。
如图3所示，一种基于CCD感知的发光强度及均匀度的检测系统，包括CCD成像设备和上位机，所述CCD成像设备主要用于对待检测发光面做成像，上位机用于控制成像、亮度模型学习、亮度检测和均匀度检测。
以上所述为本发明最佳实施方式的举例，其中未详细述及的部分均为本领域普通技术人员的公知常识。本发明的保护范围以权利要求的内容为准，任何基于本发明的技术启示而进行的等效变换，也在本发明的保护范围之内。

Claims (4)

1.一种基于CCD感知的发光强度及均匀度的检测方法，其特征在于，包括以下步骤：
步骤a1、取待测发光面，设置CCD的参数，使其与标定步骤的CCD参数相同；
步骤a2、在暗室环境中，对待测发光面做成像，得到成像图像I；
步骤a3、提取成像图像I的亮度特征矩阵M和均匀度特征U；
步骤a4、根据标定步骤建立并学习亮度模型，得到学习后的亮度模型；
步骤a5、根据学习后的亮度模型和亮度特征矩阵计算待测发光面的亮度A；根据均匀度特征矩阵U，计算待测发光面的均匀度u。
2.根据权利要求1所述的基于CCD感知的发光强度及均匀度的检测方法，其特征在于，所述步骤a3具体包括以下步骤：
步骤a31、生成成像图像I的k层金字塔G，表示为：
G＝{G1 … Gj}，j＝1，2，…，k；
步骤a32、将Gj分为相同大小的m*n区域，j＝1，2，…，k；
步骤a34、依次提取Gj，j＝1，2，…，k上相同位置的灰度值Gj(p，q)，(p，q)为位置点的坐标，p＝1，2，…，m；q＝1，2，…，n，构成尺度一致局部直方图，表示为：
Hp，q(j)＝Gj(p，q)；j＝1，2，…，k；p＝1，2，…，m；q＝1，2，…，n；
步骤a35、将所有尺寸一致局部直方图Hp，q(j)进行合并，得到成像图像I的多维特征矩阵H，表示为：
H＝{Hp，q(j)|j＝1，2，…，k；p＝1，2，…，m；q＝1，2，…，n}
则，成像图像I的亮度特征矩阵M表示为：
Figure FDA0002921465670000011
步骤a36、将多维特征矩阵H做归一化处理，表示为：
Figure FDA0002921465670000021
生成成像图像I的均匀度特征矩阵U，表示为：
Figure FDA0002921465670000022
3.根据权利要求1所述的基于CCD感知的发光强度及均匀度的检测方法，其特征在于，所述标定步骤包括以下步骤：
步骤b1、选取与待测发光面相同的N个发光面样品，按照等差变换规律设置N个发光面样品的亮度值；
步骤b2、将每个发光面样品分成m*n个区域，用高精度测量工具对发光面样品的各个区域做亮度测量，N个发光面样品的亮度标准值，表示为：
Figure FDA0002921465670000023
其中，Ai为第i个发光面样品的亮度标准值，i＝1、2……N；
步骤b3、设置CCD的参数；
步骤b4、在暗室环境中，将N个发光面样品依次放置于CCD的正下方，并对其进行成像，生成N个成像图像Bi，i＝1，2，…，N，得到对应的成像图像序列{Bi}i＝1，2，…，N；
步骤b5、提取成像图像序列{Bi}中每个成像图像Bi的亮度特征矩阵Mi，提取步骤与步骤a3相同；
步骤b6、建立亮度模型：
Figure FDA0002921465670000031
其中Mi为成像图像Bi的亮度特征矩阵，Ai为第i个发光面样品的亮度标准值，α、β和γ为亮度模型中的待训练值；
步骤b7、将所有成像Bi的亮度特征矩阵Mi代入亮度模型中，训练亮度模型，得到训练后的亮度模型。
4.根据权利要求2所述的基于CCD感知的发光强度及均匀度的检测方法，其特征在于，所述步骤b4中，计算待测发光面的均匀度的公式为：
Figure FDA0002921465670000032
其中u为待测发光面的均匀度，U为均匀度矩阵。
CN202110118040.6A 2021-01-28 2021-01-28 一种基于ccd感知的发光强度及均匀度的检测方法 Pending CN112767527A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110118040.6A CN112767527A (zh) 2021-01-28 2021-01-28 一种基于ccd感知的发光强度及均匀度的检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110118040.6A CN112767527A (zh) 2021-01-28 2021-01-28 一种基于ccd感知的发光强度及均匀度的检测方法

Publications (1)

Publication Number Publication Date
CN112767527A true CN112767527A (zh) 2021-05-07

Family

ID=75706410

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110118040.6A Pending CN112767527A (zh) 2021-01-28 2021-01-28 一种基于ccd感知的发光强度及均匀度的检测方法

Country Status (1)

Country Link
CN (1) CN112767527A (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030193564A1 (en) * 2002-04-15 2003-10-16 Jenkins David R. Multi-point calibration method for imaging light and color measurement device
US20060061248A1 (en) * 2004-09-22 2006-03-23 Eastman Kodak Company Uniformity and brightness measurement in OLED displays
CN106846328A (zh) * 2016-12-07 2017-06-13 长安大学 一种基于视频的隧道亮度检测方法
CN107403177A (zh) * 2017-05-27 2017-11-28 延锋伟世通汽车电子有限公司 基于工业相机的亮度测量方法
CN107507571A (zh) * 2017-08-28 2017-12-22 哈尔滨工业大学深圳研究生院 一种对amoled进行外部光学补偿的方法及装置
CN109902758A (zh) * 2019-03-11 2019-06-18 重庆邮电大学 基于深度学习的车道区域识别的数据集标定方法
CN110489069A (zh) * 2019-07-10 2019-11-22 武汉海微科技有限公司 一种led阵列动画渲染显示控制方法和装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030193564A1 (en) * 2002-04-15 2003-10-16 Jenkins David R. Multi-point calibration method for imaging light and color measurement device
US20060061248A1 (en) * 2004-09-22 2006-03-23 Eastman Kodak Company Uniformity and brightness measurement in OLED displays
CN106846328A (zh) * 2016-12-07 2017-06-13 长安大学 一种基于视频的隧道亮度检测方法
CN107403177A (zh) * 2017-05-27 2017-11-28 延锋伟世通汽车电子有限公司 基于工业相机的亮度测量方法
CN107507571A (zh) * 2017-08-28 2017-12-22 哈尔滨工业大学深圳研究生院 一种对amoled进行外部光学补偿的方法及装置
CN109902758A (zh) * 2019-03-11 2019-06-18 重庆邮电大学 基于深度学习的车道区域识别的数据集标定方法
CN110489069A (zh) * 2019-07-10 2019-11-22 武汉海微科技有限公司 一种led阵列动画渲染显示控制方法和装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
严利民;潘浩;杜斌;夏明治;: "CCD相机全彩LED显示屏亮度检测与校正算法", 华中科技大学学报(自然科学版), no. 08, 23 August 2016 (2016-08-23), pages 80 - 84 *
张强;蒋世磊;孙国斌;王震;张梦妮;: "基于线阵CCD步进扫描的光照均匀度检测方法", 光通信技术, no. 03, 15 March 2018 (2018-03-15), pages 51 - 55 *
徐治户: "基于粒子群优化算法的LED光照均匀性研究", 《合肥工业大学》, 15 January 2019 (2019-01-15), pages 24 - 37 *

Similar Documents

Publication Publication Date Title
CN112818988B (zh) 一种指针式仪表自动识别读数方法及系统
CN107578047B (zh) 电力电缆的偏心度检测方法
CN109525840B (zh) 一种成像芯片上微弱缺陷的检测方法
CN111047586B (zh) 一种基于机器视觉的像素当量测量方法
CN107256689A (zh) Led显示屏亮度校正后的均匀性修复方法
WO2018010386A1 (zh) 元件反件检测方法和系统
CN110310596B (zh) 一种oled模组的gamma调节初值预测方法及系统
CN103927749A (zh) 图像处理方法、装置和自动光学检测机
CN111028779A (zh) 显示面板的补偿方法、装置以及显示面板
CN108445010A (zh) 自动光学检测方法及装置
CN112381751A (zh) 一种基于图像处理算法的在线智能检测系统及方法
CN110942748A (zh) 一种基于面阵相机的面板电压压降补偿方法及装置
KR20140075042A (ko) 표시패널 검사 장치 및 그 방법
CN114627089A (zh) 缺陷识别方法、装置、计算机设备及计算机可读存储介质
CN110060625B (zh) 一种led显示屏采集渐晕补偿方法
CN108010071B (zh) 一种利用3d深度测量的亮度分布测量系统及方法
CN116229856B (zh) 一种计算机用自动控制的屏幕检测系统及方法
CN112767527A (zh) 一种基于ccd感知的发光强度及均匀度的检测方法
CN111207683A (zh) 一种隧道变形的监测方法、装置及计算机可读存储介质
CN116402784A (zh) 基于机器视觉的辅助对中方法、系统、设备及存储介质
CN107610101B (zh) 一种测量数字图像视觉平衡质量的方法
CN106713907B (zh) 一种显示器的hdr图像显示性能评测方法及装置
CN113870150B (zh) 基于连续多张遥感图像反演航天器低频振动参数的方法
CN1198114C (zh) 孔径尺寸的测量方法
CN115471482A (zh) 基于计算机视觉的小口径容器内壁缺陷检测方法

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