CN113781393A - 屏幕缺陷检测方法、装置、设备及存储介质 - Google Patents
屏幕缺陷检测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113781393A CN113781393A CN202110893194.2A CN202110893194A CN113781393A CN 113781393 A CN113781393 A CN 113781393A CN 202110893194 A CN202110893194 A CN 202110893194A CN 113781393 A CN113781393 A CN 113781393A
- Authority
- CN
- China
- Prior art keywords
- image
- spliced
- images
- conversion relation
- defect detection
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 164
- 230000007547 defect Effects 0.000 title claims abstract description 139
- 238000006243 chemical reaction Methods 0.000 claims abstract description 94
- 238000004422 calculation algorithm Methods 0.000 claims description 42
- 238000000034 method Methods 0.000 claims description 17
- 230000015654 memory Effects 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 14
- 230000009466 transformation Effects 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 description 15
- 238000010586 diagram Methods 0.000 description 14
- 230000002950 deficient Effects 0.000 description 7
- 230000000694 effects Effects 0.000 description 4
- 238000012216 screening Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000011895 specific detection Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本申请适用于屏幕检测技术领域，提供了屏幕缺陷检测方法、装置、设备及存储介质。屏幕缺陷检测方法包括：获取N个待拼接图像，所述N个待拼接图像分别由N个处于不同位置的摄像机拍摄处于显示状态的待检测屏幕得到的，每个所述待拼接图像与所述N个待拼接图像中的至少一个其他待拼接图像存在重叠区域，N大于或等于2；获取所述N个待拼接图像中基准图像与非基准图像的图像坐标系的转换关系；对所述N个待拼接图像进行缺陷检测，并根据所述转换关系获取检测结果。本申请提供的屏幕缺陷检测方法可以保证检测结果的全面性。
Description
技术领域
本申请属于屏幕检测技术领域，尤其涉及屏幕缺陷检测方法、装置、设备及存储介质。
背景技术
屏幕作为一种显示工具，可以将接收到的信号显示为图像，人们通过观察图像可以看到丰富多彩的信息，日常中所使用的电视机、智能手机、计算机等设备也离不开屏幕的显示作用。
随着科技的发展和生活水平的提高，人们对屏幕的质量要求也越来越高，好的屏幕要能完整且清晰的显示出图案和色彩，而质量不合格的屏幕往往会出现由屏幕缺陷造成的显示不完整或不清晰的问题。
通过屏幕检测可以检测出屏幕存在的缺陷，但目前的检测方法得到的检测结果不够全面。
发明内容
本申请提供一种屏幕缺陷检测方法、装置、设备及存储介质，可以解决屏幕缺陷检测结果不够全面的问题。
第一方面，本申请实施例提供了一种屏幕缺陷检测方法，包括：
获取N个待拼接图像，所述N个待拼接图像分别由N个处于不同位置的摄像机拍摄处于显示状态的待检测屏幕得到的，每个所述待拼接图像与所述N个待拼接图像中的至少一个其他待拼接图像存在重叠区域，N大于或等于2；
获取所述N个待拼接图像中基准图像与非基准图像的图像坐标系的转换关系；
对所述N个待拼接图像进行缺陷检测，并根据所述转换关系获取检测结果。
在第一方面的一种可能的实现方式中，所述获取所述N个待拼接图像中基准图像与非基准图像的图像坐标系的转换关系，包括：
提取每个所述待拼接图像的特征信息；
根据每个所述待拼接图像的特征信息，确定所述基准图像与所述非基准图像的图像坐标系的转换关系。
在第一方面的一种可能的实现方式中，所述根据每个所述待拼接图像的特征信息，确定所述基准图像与所述非基准图像的图像坐标系的转换关系，包括：
根据每个所述待拼接图像的特征信息，确定所述N个待拼接图像之间的图像重叠关系；
根据所述基准图像的特征信息和所述第一图像的特征信息，确定所述基准图像与所述第一图像的图像坐标系的第一转换关系；所述第一图像为与所述基准图像具有重叠区域的待拼接图像；
若所述N个待拼接图像中还包括第二图像，则根据所述第一图像的特征信息和所述第二图像的特征信息，确定所述第一图像与所述第二图像的图像坐标系的第二转换关系，并根据所述第一转换关系和所述第二转换关系得到所述基准图像与所述第二图像的图像坐标系的转换关系，以此类推；所述第二图像为与所述第一图像具有重叠区域的待拼接图像。
在第一方面的一种可能的实现方式中，所述对所述N个待拼接图像进行缺陷检测，并根据所述转换关系获取检测结果，包括：
根据所述转换关系拼接所述N个待拼接图像，得到目标图像；
通过缺陷检测算法对所述目标图像进行缺陷检测，获取检测结果。
在第一方面的一种可能的实现方式中，所述对所述N个待拼接图像进行缺陷检测，并根据所述转换关系获取检测结果，包括：
通过缺陷检测算法对每个所述待拼接图像进行缺陷检测，获取每个所述待拼接图像的中间检测结果；
根据所述转换关系和N个所述待拼接图像的中间检测结果获取所述检测结果。
第二方面，本申请实施例提供了一种屏幕缺陷检测装置，包括：
图像获取模块，用于获取N个待拼接图像，所述N个待拼接图像分别由N个处于不同位置的摄像机拍摄处于显示状态的待检测屏幕得到的，每个所述待拼接图像与所述N个待拼接图像中的至少一个其他待拼接图像存在重叠区域，N大于或等于2；
转换关系获取模块，用于获取所述N个待拼接图像中基准图像与非基准图像的图像坐标系的转换关系；
缺陷检测模块，用于对所述N个待拼接图像进行缺陷检测，并根据所述转换关系获取检测结果。
在第二方面的一种可能的实现方式中，所述转换关系获取模块，具体用于：
提取每个所述待拼接图像的特征信息；
根据每个所述待拼接图像的特征信息，确定所述基准图像与所述非基准图像的图像坐标系的转换关系。
在第二方面的一种可能的实现方式中，所述转换关系获取模块，具体用于：
根据每个所述待拼接图像的特征信息，确定所述N个待拼接图像之间的图像重叠关系；
根据所述基准图像的特征信息和所述第一图像的特征信息，确定所述基准图像与所述第一图像的图像坐标系的第一转换关系；所述第一图像为与所述基准图像具有重叠区域的待拼接图像；
若所述N个待拼接图像中还包括第二图像，则根据所述第一图像的特征信息和所述第二图像的特征信息，确定所述第一图像与所述第二图像的图像坐标系的第二转换关系，并根据所述第一转换关系和所述第二转换关系得到所述基准图像与所述第二图像的图像坐标系的转换关系，以此类推；所述第二图像为与所述第一图像具有重叠区域的待拼接图像。
在第二方面的一种可能的实现方式中，所述缺陷检测模块，具体用于：
根据所述转换关系拼接所述N个待拼接图像，得到目标图像；
通过缺陷检测算法对所述目标图像进行缺陷检测，获取检测结果。
在第二方面的一种可能的实现方式中，所述缺陷检测模块，具体用于：
通过缺陷检测算法对每个所述待拼接图像进行缺陷检测，获取每个所述待拼接图像的中间检测结果；
根据所述转换关系和N个所述待拼接图像的中间检测结果获取所述检测结果。
第三方面，本申请实施例提供了一种屏幕缺陷检测设备，包括：存储器、处理器以及存储在所述存储器中并可在所述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上述第一方面中任一项所述的屏幕缺陷检测方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面中任一项所述的屏幕缺陷检测方法。
本申请提供的屏幕缺陷检测方法、装置、设备及存储介质，通过多个在不同位置的摄像机对处于显示状态的待检测屏幕拍摄，得到多个待拼接图像，获取多个待拼接图像中基准图像与非基准图像的图像坐标系的转换关系后，对多个待拼接图像进行缺陷检测，根据转换关系得到同一坐标系下的检测结果，保证了检测结果的全面性。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，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是本申请实施例提供的一种应用场景示意图；
图2是本申请实施例提供的屏幕缺陷检测设备的结构示意图；
图3是本申请提供的屏幕缺陷检测方法的示意性流程图；
图4是本申请实施例提供的一种待拼接图像的示意图；
图5是本申请实施例提供的一种重叠关系图；
图6是对应图5的一种拼接后的目标图像示意图；
图7是本申请实施例提供的一个滤波器的矩阵结构示意图；
图8是本申请实施例提供的一种形状滤波器的矩阵结构示意图；
图9是本申请实施例提供的一种均值差分检测算法的流程示意图；
图10是本申请实施例提供的一种轮廓交叉算法的流程示意图；
图11是本申请实施例提供的一种非缺陷区域与缺陷区域的连通区域；
图12是本申请实施例提供的屏幕缺陷检测装置的结构框图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。
可以理解，本申请实施例中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
在产品制造完成后，需要对产品进行质量检查，以便将质量不合格的产品筛选出去，从而保证出厂的产品的质量。对于屏幕来说，也是如此。当屏幕被制造出后，一些质量不合格的屏幕会有漏光、显示异常等屏幕缺陷，因此需要将存在屏幕缺陷的产品筛选出来。
图1为本申请实施例提供的一种应用场景示意图，本申请实施例提供的屏幕缺陷检测方法，可以应用于图1所示的应用场景中。如图1所示，将多个相机2分别固定在可以拍到待检测屏幕1的不同位置，确保多个相机对待检测屏幕1的拍摄范围有重叠。待检测屏幕显示图案，多个相机2对显示图案的待检测屏幕进行拍摄，得到多个待拼接图像3，将多个待拼接图像3输入屏幕缺陷检测设备4处理，得到待检测屏幕1的屏幕缺陷检测结果。
本申请实施例提供的屏幕缺陷检测方法，可以应用于屏幕缺陷检测设备。示例性的，图2为本申请实施例提供的屏幕缺陷检测设备的结构示意图。如图2所示，屏幕缺陷检测设备4可以包括：处理器40、存储器41以及存储在存储器41中并可在处理器40上运行的计算机程序42，处理器40执行计算机程序42时可以实现本申请实施例提供的屏幕缺陷检测方法。其中，本申请实施例对处理器40、存储器41的数量和类型不做限定。
其中，本申请实施例对屏幕缺陷检测设备4的类型不做限定。例如，可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。
下面将结合附图，对本申请中的技术方案进行详细描述。需要说明，在不冲突的情况下，本申请中不同的技术特征之间可以相互结合。
图3示出了本申请提供的屏幕缺陷检测方法的示意性流程图。如图3所示，本实施例提供的屏幕缺陷检测方法，可以包括：
S101、获取N个待拼接图像，N个待拼接图像分别由N个处于不同位置的摄像机拍摄处于显示状态的待检测屏幕得到的，每个待拼接图像与N个待拼接图像中的至少一个其他待拼接图像存在重叠区域，N大于或等于2。
示例性的，如图1所示，多个待拼接图像3中，相邻的图像存在重叠区域。
S102、获取N个待拼接图像中基准图像与非基准图像的图像坐标系的转换关系。
可选的，针对不同的摄像机位置有不同的转换关系，摄像机的位置若发生改变，则需要重新计算转换关系。由实际测试场景可知，厂家在固定好摄像机并计算出转换关系后，就可以实现对屏幕的批量测试。由此可知，获取转换关系可以是获取已经计算得到的转换关系，也可以是通过待拼接图像计算转换关系。
图4为本申请实施例提供的一种待拼接图像的示意图。如图4所示，由9个相机在不同的位置拍摄得到的9个待拼接图像分别为：图像301、图像302、图像303、图像304、图像305、图像306、图像307、图像308、图像309。假设将其中的图像301作为基准图像，则获取的转换关系包括基准图像301与非基准图像302-309的8个转换关系。
可选的，在一种可能的实现方式中，S102可以包括：提取每个待拼接图像的特征信息。根据每个待拼接图像的特征信息，确定基准图像与非基准图像的图像坐标系的转换关系。
可选的，通过加速稳健特征(Speeded Up Robust Features，SURF)算法检测得到每个待拼接图像的特征点，并对检测得到的特征点进行匹配，得到每个待拼接图像与和其具有重叠区域的图像之间匹配的特征点在各自图像的坐标系中的坐标信息。示例性的，图5为本申请实施例提供的一种重叠关系图，如图5所示，图像301和图像302之间具有重叠区域，图像301和图像302之间的重叠区域中的特征点之一为A，点A在图像301的坐标系中的坐标为(a1，b2)，点A在图像302的坐标系中的坐标为(a2，b2)，通过(a1，b2)与(a2，b2)计算得到转换矩阵，该转换矩阵即为图像301和图像302的图像坐标系的转换关系。
可选的，根据每个待拼接图像的特征信息，确定N个待拼接图像之间的图像重叠关系。
可以理解，存在图像重叠关系的两个图像之间有相匹配的特征信息，根据特征信息可以确定图像之间的图像重叠关系。
可选的，根据基准图像的特征信息和第一图像的特征信息，确定基准图像与第一图像的图像坐标系的第一转换关系；第一图像为与基准图像具有重叠区域的待拼接图像。
示例性的，如图4或图5所示，若基准图像为图像301，则第一图像有图像302、图像304和图像305，根据图像301、图像302、图像304、图像305的特征信息将图像301的特征信息分别与图像302、图像304、图像305的特征信息进行匹配，分别确定图像301与图像302、图像304、图像305的图像坐标系的第一转换关系。
可选的，若N个待拼接图像中还包括第二图像，则根据第一图像的特征信息和第二图像的特征信息，确定第一图像与第二图像的图像坐标系的第二转换关系，并根据第一转换关系和第二转换关系得到基准图像与第二图像的图像坐标系的转换关系，以此类推；第二图像为与第一图像具有重叠区域的待拼接图像。
示例性的，如图4所示，若基准图像为图像301，则第一图像有图像302、图像304和图像305，第一图像为图像302时，第一图像302的第二图像有图像303、图像306，第一图像为图像305时，第一图像305的第二图像有图像306、图像308和图像309，第一图像为图像304时，第一图像304的第二图像有图像307、图像308、图像305，当第二图像与某个第一图像重复时，将其作为第一图像计算，因此最终第一图像304的第二图像有图像307、图像308。根据第二图像303和第一图像302的特征信息可以得到第二图像303与第一图像302的图像坐标系的第二转换关系，再根据第一图像302与基准图像301的图像坐标系的第一转换关系，得到基准图像301与第二图像303的转换关系。同理，得到第二图像306与第一图像305的图像坐标系的第二转换关系，再根据第一图像305和基准图像301的图像坐标系的第一转换关系，得到基准图像301与第二图像306的转换关系。以此类推，第二图像通过第一图像为媒介，与基准图像建立转换关系，最终得到所有待拼接图像中基准图像与非基准图像之间的转换关系。
可以理解的是，本申请实施例对待拼接图像的个数不做限制，通过待拼接图像之间的重叠关系可以将任意一个与基准图像无重叠区域的待拼接图像，通过与基准图像有重叠区域的待拼接图像一层一层建立联系，从而得到待拼接图像中所有非基准图像与基准图像之间的转换关系，本申请实施例提供的转换关系可以适用于拼接任意多个待拼接图像，因此也可以适用于对任何尺寸的屏幕进行拍照并拼接。
S103、对N个待拼接图像进行缺陷检测，并根据转换关系获取检测结果。
可选的，在一种可能的实现方式中，S103可以包括：根据所述转换关系拼接所述N个待拼接图像，得到目标图像。通过缺陷检测算法对所述目标图像进行缺陷检测，获取检测结果。
示例性的，图6为对应图5的一种拼接后的目标图像示意图。如图6所示，根据基准图像与非基准图像的转换关系，将虚线表示的待拼接图像301-309拼接为一张大图像，即实线表示的目标图像30，拼接时基于匹配重叠区域内的特征信息对重叠区域进行图像融合处理，拼接得到的目标图像的坐标系与基准图像的坐标系一致。对拼接后得到的目标图像通过缺陷检测算法进行缺陷检测，直接得到同一坐标系下的检测结果，检测结果包括缺陷类型和缺陷在目标图像中的坐标。
通过先拼接得到目标图像，再对目标图像进行缺陷检测，可以直接得到同一坐标系下的检测结果，不遗漏目标图像的检测结果，使得到的检测结果更全面。
可选的，在另一种可能的实现方式中，S103可以包括：通过缺陷检测算法对每个所述待拼接图像进行缺陷检测，获取每个所述待拼接图像的中间检测结果。根据所述转换关系和N个所述待拼接图像的中间检测结果获取所述检测结果。
示例性的，以图4所示的待拼接图像为例，通过缺陷检测算法对每个待拼接图像进行缺陷检测，得到每个待拼接图像的中间检测结果，中间检测结果包括每个待拼接图像中存在的缺陷类型和缺陷在对应待拼接图像中的坐标。得到中间检测结果之后，通过转换关系将中间检测结果转换至基准图像的图像坐标系中，得到最终的目标图像的检测结果。
通过先检测得到每个待拼接图像的中间检测结果，再通过转换关系将中间检测结果统一至同一坐标系下，可以直接对缺陷类型数据和对应的坐标数据进行处理，省去了图像拼接的处理，提高了检测结果的统一效率，保证了检测结果的全面性。
本申请实施例通过多个在不同位置的摄像机对处于显示状态的待检测屏幕拍摄，得到多个待拼接图像，获取多个待拼接图像中基准图像与非基准图像的图像坐标系的转换关系后，对多个待拼接图像进行缺陷检测，根据转换关系得到同一坐标系下的检测结果，保证了检测结果的全面性。
可选的，在上述实施例的基础上，本申请实施例提供了另一种屏幕缺陷检测方法，其中，用户输入检测需求，例如：要检测的缺陷类型、检测精度、检测程度，屏幕缺陷检测设备根据检测需求调用相应的缺陷检测算法进行缺陷检测。
具体的，缺陷类型包括形状缺陷、对比度、亮度等显示缺陷，检测精度通过滤波器的大小来控制，检测需求通过预设的判决阈值来控制，当滤波器的输出大于或等于预设的判决阈值时，判定当前检测到目标缺陷。
可选的，缺陷检测算法包括：滤波器算法、均值差分检测算法和轮廓交叉算法。
可选的，滤波器算法可以根据检测需求调节滤波器算法的参数，从而得到不同大小和形状的滤波器。具体的，通过调节滤波器的卷积核半径的大小可以调节滤波器的大小，例如核半径为k则卷积核大小为2k+1，即滤波器大小为2k+1，通过调节滤波器的大小来调节滤波器检测图像时的精度。另外，还可以通过调节滤波器的矩阵中的元素值可以调节滤波器的形状，以此针对某一形状的屏幕缺陷进行特定的检测。
示例性的，图7为本申请实施例提供的一个滤波器的矩阵结构示意图。如图7所示，核半径为1的滤波器的卷积核大小为3，矩阵中的元素有c和c1、c2、c3、c4、c6、c7、c8、c9，其中c为中心点的元素。可以理解的是，滤波器中，矩阵中元素的值越大，表示该元素在滤波时所占的权重越高。
可选的，基于滤波器的形状，滤波器算法可以包括：条纹缺陷检测算法、对比度缺陷检测算法和区域对比检测算法。其中，条纹缺陷检测算法包括：横直型滤波器、竖直型滤波器、左斜型滤波器和右斜型滤波器，分别针对水平、竖直、左斜和右斜形状的条纹缺陷进行检测。对比度缺陷检测算法包括竖直型滤波器和横直型滤波器，分别从竖直方向和水平方向对图像进行对比度缺陷的检测。区域对比检测算法包括中心型滤波器、竖直型滤波器和横直型滤波器，分别针对中心范围、竖直方向和水平方向基于原图对待检测图像的对比度缺陷进行检测。
示例性的，图8为本申请实施例提供的一种形状滤波器的矩阵结构示意图。如图8所示，以核半径为1的滤波器的3*3矩阵为例，若检测需求为在竖直方向上对图像进行检测，包括检测竖直型条纹缺陷、竖直方向的对比度或竖直方向上与原图进行对比检测不固定形状的缺陷，可通过调节矩阵中的参数将滤波器调整至如图8中(a)图所示的滤波器。同理，若检测需求为在水平方向上对图像进行检测，包括检测横直型条纹缺陷、水平方向的对比度或水平方向上与原图进行对比检测不固定形状的缺陷，可通过调节矩阵中的参数将滤波器调整至如图8中(b)图所示的滤波器。若检测需求为在左斜方向上对图像进行检测，包括检测左斜型条纹缺陷，可通过调节矩阵中的参数将滤波器调整至如图8中(c)图所示的滤波器。若检测需求为在右斜方向上对图像进行检测，包括检测右斜型条纹缺陷，可通过调节矩阵中的参数将滤波器调整至如图8中(d)图所示的滤波器。另外，若检测需求为任意形状与显示缺陷的检测，则采用区域对比检测算法中的中心型滤波器，其矩阵结构参考图7，其大小可以通过调节核半径的大小调节。
通过滤波器算法对待检测图像进行检测，可以针对某一特定形状选取对应的形状滤波器，使得到的检测结果更准确，避免遗漏某一特定形状的缺陷，使得到的屏幕缺陷检测结果更全面。
可选的，均值差分检测算法适用于检测通过拍摄显示纯色的屏幕得到的图像。示例性的，图9为本申请实施例提供的一种均值差分检测算法的流程示意图，如图9所示，均值差分检测算法包括：
S801、选定待检测图像中一块无缺陷的区域作为参考区域A，并求取参考区域A的图像的色彩均值。
S802、获取待检测区域B和待检测区域B的尺寸，根据色彩均值生成与待检测区域B同样尺寸的均值区域C，区域C中的每个像素点的色彩值均为色彩均值。
S803、将均值区域C与待检测区域B中的色彩值做差分，得到差分区域D。
S804、获取预设的差分阈值，根据差分阈值生成与待检测区域B的尺寸相同的阈值区域G。
S805、判断差分区域D中每个像素点的色彩值是否存在大于阈值区域G中对应像素点的色彩值，若存在，则表示待检测区域B存在目标缺陷，记录目标缺陷的位置。
S806、若不存在，则表示待检测区域B不存在目标缺陷，选取待检测图像上的另一块待检测区域，重新进行均值差分检测算法的检测，直到检测完待检测图像中的所有待检测区域。
通过均值差分检测算法可以对待检测图像进行分区域检测，通过与无缺陷区域进行对比，可以快速得到检测结果。
可选的，轮廓交叉算法适用于筛选出易误判为缺陷的区域，比如在摄像机拍摄处于显示状态的屏幕时，若该屏幕存在刘海屏、水滴屏、前置摄像头等非缺陷区域，容易因其不显示图像而被误判为缺陷，本申请实施例提供的轮廓交叉算法可以筛选出该区域，使其不被检测为屏幕缺陷。
示例性的，图10为本申请实施例提供的一种轮廓交叉算法的流程示意图，如图10所示，轮廓交叉算法包括：
S901、从待检测图像中确定待检测区域B，并获取待检测区域B的图像的灰度图B1和二值图B2。
S902、根据灰度图B1确定轮廓B1和轮廓B1内的像素点的灰度数据，根据二值图B2确定轮廓B2和轮廓B2内的像素点的二值数据。
S903、根据轮廓B1内的像素点的灰度数据和轮廓B2内的像素点的二值数据确定轮廓B1和轮廓B2的非交叉区域B3，并判断非交叉区域B3是否存在，非交叉区域B3为在轮廓B1内但不在轮廓B2内的区域，或在轮廓B2内但不在轮廓B1内的区域。
S904、若非交叉区域B3不存在，则表示待检测区域B中不存在缺陷区域，需要将非交叉区域B3的缺陷检测结果从缺陷的检测结果中剔除。
S905、若非交叉区域B3存在，则表示非交叉区域B3为缺陷区域，不需要从缺陷的检测结果中剔除非交叉区域B3的缺陷检测结果。
S906、从待检测区域B中剔除非交叉区域B3的缺陷检测结果，得到缺陷区域E的缺陷检测结果。
可选的，在获取待检测区域B的二值图之前，可先设置二值图的取值阈值。比如，设置二值图的取值阈值为20，则在获取待检测区域B的二值图时，将灰度值大于或等于20的记为255，小于20的记为0。通过设置二值图的取值阈值可以控制筛选效果。
示例性的，图11为本申请实施例提供的一种非缺陷区域与缺陷区域的连通区域，如图11中的(a)图所示，前置摄像头区域91与不规则形状的缺陷区域92构成一块连通区域，若不进行筛选，很容易将该连通区域检测为缺陷所在的区域。而本申请提供的轮廓交叉算法可以将前置摄像头区域91筛选出来，例如，获取连通区域的灰度图如图11中的(b)图所示，设置二值图的取值阈值为30，得到的连通区域的二值图如图11中的(c)图所示，可以看出，通过设置二值图的取值阈值使灰度图和二值图存在差异，通过取灰度图和二值图的非交叉区域可以将前置摄像头区域91筛选出来，从而将连通区域中余下的区域检测为缺陷区域。通过轮廓交叉算法可以将非缺陷区域筛选出来，通过设置二值图的取值阈值可以控制筛选效果。
本申请实施例提供的缺陷检测算法，可以对多种类型的缺陷进行检测，满足多种检测要求，使得到的屏幕缺陷检测结果更全面。
图12示出了本申请实施例提供的屏幕缺陷检测装置的结构框图。如图12所示，本实施例提供的屏幕缺陷检测装置，可以包括：
图像获取模块601，用于获取N个待拼接图像，所述N个待拼接图像分别由N个处于不同位置的摄像机拍摄处于显示状态的待检测屏幕得到的，每个所述待拼接图像与所述N个待拼接图像中的至少一个其他待拼接图像存在重叠区域，N大于或等于2；
转换关系获取模块602，用于获取所述N个待拼接图像中基准图像与非基准图像的图像坐标系的转换关系；
缺陷检测模块603，用于对所述N个待拼接图像进行缺陷检测，并根据所述转换关系获取检测结果。
可选的，所述转换关系获取模块602，具体用于：
提取每个所述待拼接图像的特征信息；
根据每个所述待拼接图像的特征信息，确定所述基准图像与所述非基准图像的图像坐标系的转换关系。
可选的，所述转换关系获取模块602，具体用于：
根据每个所述待拼接图像的特征信息，确定所述N个待拼接图像之间的图像重叠关系；
根据所述基准图像的特征信息和第一图像的特征信息，确定所述基准图像与所述第一图像的图像坐标系的第一转换关系；所述第一图像为与所述基准图像具有重叠区域的待拼接图像；
若所述N个待拼接图像中还包括第二图像，则根据所述第一图像的特征信息和所述第二图像的特征信息，确定所述第一图像与所述第二图像的图像坐标系的第二转换关系，并根据所述第一转换关系和所述第二转换关系得到所述基准图像与所述第二图像的图像坐标系的转换关系，以此类推；所述第二图像为与所述第一图像具有重叠区域的待拼接图像。
可选的，所述缺陷检测模块603，具体用于：
根据所述转换关系拼接所述N个待拼接图像，得到目标图像；
通过缺陷检测算法对所述目标图像进行缺陷检测，获取检测结果。
可选的，所述缺陷检测模块603，具体用于：
通过缺陷检测算法对每个所述待拼接图像进行缺陷检测，获取每个所述待拼接图像的中间检测结果；
根据所述转换关系和N个所述待拼接图像的中间检测结果获取所述检测结果。
可选的，本申请实施例提供的屏幕缺陷检测装置，还可以包括显示模块604，所述显示模块604，用于显示待拼接图像、目标图像及检测结果。
本实施例提供的屏幕缺陷检测装置，用于执行本申请方法实施例提供的屏幕缺陷检测方法，技术原理和技术效果相似，具体可参见方法实施例部分，此处不再赘述。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本申请实施例还提供了一种屏幕缺陷检测设备，例如图2所示，该屏幕缺陷检测设备包括：至少一个处理器、存储器以及存储在所述存储器中并可在所述至少一个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上述任意方法实施例中的步骤。
可选的，屏幕缺陷检测设备还可以包括显示器。
本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时可实现上述任意方法实施例中的步骤。
本领域技术人员可以理解，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(Read-Only Memory，ROM)、可编程ROM(Programmable Read-Only Memory，PROM)、电可编程ROM(Erasable Programmable Read-Only Memory，EPROM)、电可擦除可编程ROM(Electrically Erasable Programmable Read Only Memory，EEPROM)或闪存。易失性存储器可包括随机存取存储器(Random Access Memory，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(Static Random-Access Memory，SRAM)、动态RAM(Dynamic Random Access Memory，DRAM)、同步DRAM(Synchronous DynamicRandom-Access Memory，SDRAM)、双数据率SDRAM(Double Data Rate SDRAM，DDRSDRAM)、增强型SDRAM(Enhanced Synchronous DRAM，ESDRAM)、同步链路DRAM(Sync Link DRAM，SLDRAM)、存储器总线直接RAM、直接存储器总线动态RAM(Direct Rambus DRAM，DRDRAM)、以及存储器总线动态RAM(Rambus DRAM，RDRAM)等。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。
Claims (10)
1.一种屏幕缺陷检测方法，其特征在于，包括：
获取N个待拼接图像，所述N个待拼接图像分别由N个处于不同位置的摄像机拍摄处于显示状态的待检测屏幕得到的，每个所述待拼接图像与所述N个待拼接图像中的至少一个其他待拼接图像存在重叠区域，N大于或等于2；
获取所述N个待拼接图像中基准图像与非基准图像的图像坐标系的转换关系；
对所述N个待拼接图像进行缺陷检测，并根据所述转换关系获取检测结果。
2.根据权利要求1所述的方法，其特征在于，所述获取所述N个待拼接图像中基准图像与非基准图像的图像坐标系的转换关系，包括：
提取每个所述待拼接图像的特征信息；
根据每个所述待拼接图像的特征信息，确定所述基准图像与所述非基准图像的图像坐标系的转换关系。
3.根据权利要求2所述的方法，其特征在于，所述根据每个所述待拼接图像的特征信息，确定所述基准图像与所述非基准图像的图像坐标系的转换关系，包括：
根据每个所述待拼接图像的特征信息，确定所述N个待拼接图像之间的图像重叠关系；
根据所述基准图像的特征信息和第一图像的特征信息，确定所述基准图像与所述第一图像的图像坐标系的第一转换关系；所述第一图像为与所述基准图像具有重叠区域的待拼接图像；
若所述N个待拼接图像中还包括第二图像，则根据所述第一图像的特征信息和所述第二图像的特征信息，确定所述第一图像与所述第二图像的图像坐标系的第二转换关系，并根据所述第一转换关系和所述第二转换关系得到所述基准图像与所述第二图像的图像坐标系的转换关系，以此类推；所述第二图像为与所述第一图像具有重叠区域的待拼接图像。
4.根据权利要求1-3中任一项所述的方法，其特征在于，所述对所述N个待拼接图像进行缺陷检测，并根据所述转换关系获取检测结果，包括：
根据所述转换关系拼接所述N个待拼接图像，得到目标图像；
通过缺陷检测算法对所述目标图像进行缺陷检测，获取检测结果。
5.根据权利要求1-3中任一项所述的方法，其特征在于，所述对所述N个待拼接图像进行缺陷检测，并根据所述转换关系获取检测结果，包括：
通过缺陷检测算法对每个所述待拼接图像进行缺陷检测，获取每个所述待拼接图像的中间检测结果；
根据所述转换关系和N个所述待拼接图像的中间检测结果获取所述检测结果。
6.一种屏幕缺陷检测装置，其特征在于，包括：
图像获取模块，用于获取N个待拼接图像，所述N个待拼接图像分别由N个处于不同位置的摄像机拍摄处于显示状态的待检测屏幕得到的，每个所述待拼接图像与所述N个待拼接图像中的至少一个其他待拼接图像存在重叠区域，N大于或等于2；
转换关系获取模块，用于获取所述N个待拼接图像中基准图像与非基准图像的图像坐标系的转换关系；
缺陷检测模块，用于对所述N个待拼接图像进行缺陷检测，并根据所述转换关系获取检测结果。
7.根据权利要求6所述的装置，其特征在于，所述转换关系获取模块，具体用于：
提取每个所述待拼接图像的特征信息；
根据每个所述待拼接图像的特征信息，确定所述基准图像与所述非基准图像的图像坐标系的转换关系。
8.根据权利要求7所述的装置，其特征在于，所述转换关系获取模块，具体用于：
根据每个所述待拼接图像的特征信息，确定所述N个待拼接图像之间的图像重叠关系；
根据所述基准图像的特征信息和第一图像的特征信息，确定所述基准图像与所述第一图像的图像坐标系的第一转换关系；所述第一图像为与所述基准图像具有重叠区域的待拼接图像；
若所述N个待拼接图像中还包括第二图像，则根据所述第一图像的特征信息和所述第二图像的特征信息，确定所述第一图像与所述第二图像的图像坐标系的第二转换关系，并根据所述第一转换关系和所述第二转换关系得到所述基准图像与所述第二图像的图像坐标系的转换关系，以此类推；所述第二图像为与所述第一图像具有重叠区域的待拼接图像。
9.一种屏幕缺陷检测设备，其特征在于，包括：存储器、处理器以及存储在所述存储器中并可在所述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如权利要求1至5中任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至5中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110893194.2A CN113781393B (zh) | 2021-08-04 | 2021-08-04 | 屏幕缺陷检测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110893194.2A CN113781393B (zh) | 2021-08-04 | 2021-08-04 | 屏幕缺陷检测方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113781393A true CN113781393A (zh) | 2021-12-10 |
| CN113781393B CN113781393B (zh) | 2023-12-26 |
Family
ID=78836917
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110893194.2A Active CN113781393B (zh) | 2021-08-04 | 2021-08-04 | 屏幕缺陷检测方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113781393B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114745500A (zh) * | 2022-03-28 | 2022-07-12 | 联想(北京)有限公司 | 图像处理方法及输出检测系统 |
| CN117372421A (zh) * | 2023-12-04 | 2024-01-09 | 深圳市壹倍科技有限公司 | 晶圆缺陷定位方法、装置、定位设备及晶圆缺陷定位系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110019244A1 (en) * | 2009-07-22 | 2011-01-27 | Fuji Xerox Co., Ltd. | Image defect diagnostic system, image forming apparatus, image defect diagnostic method and computer readable medium |
| CN105611169A (zh) * | 2015-12-31 | 2016-05-25 | 联想(北京)有限公司 | 图像获取方法和电子设备 |
| CN109978755A (zh) * | 2019-03-11 | 2019-07-05 | 广州杰赛科技股份有限公司 | 全景图像合成方法、装置、设备与存储介质 |
| CN111882520A (zh) * | 2020-06-16 | 2020-11-03 | 歌尔股份有限公司 | 一种屏幕缺陷检测方法、装置及头戴显示设备 |
| CN112858318A (zh) * | 2021-04-26 | 2021-05-28 | 惠州高视科技有限公司 | 屏幕异物缺陷与灰尘的区分方法、电子设备及存储介质 |
-
2021
- 2021-08-04 CN CN202110893194.2A patent/CN113781393B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110019244A1 (en) * | 2009-07-22 | 2011-01-27 | Fuji Xerox Co., Ltd. | Image defect diagnostic system, image forming apparatus, image defect diagnostic method and computer readable medium |
| CN105611169A (zh) * | 2015-12-31 | 2016-05-25 | 联想(北京)有限公司 | 图像获取方法和电子设备 |
| CN109978755A (zh) * | 2019-03-11 | 2019-07-05 | 广州杰赛科技股份有限公司 | 全景图像合成方法、装置、设备与存储介质 |
| CN111882520A (zh) * | 2020-06-16 | 2020-11-03 | 歌尔股份有限公司 | 一种屏幕缺陷检测方法、装置及头戴显示设备 |
| CN112858318A (zh) * | 2021-04-26 | 2021-05-28 | 惠州高视科技有限公司 | 屏幕异物缺陷与灰尘的区分方法、电子设备及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 孟曼;韦庆;: "基于LabVIEW的玻璃瑕疵检测系统研究", 计量与测试技术, no. 11 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114745500A (zh) * | 2022-03-28 | 2022-07-12 | 联想(北京)有限公司 | 图像处理方法及输出检测系统 |
| CN114745500B (zh) * | 2022-03-28 | 2023-09-19 | 联想(北京)有限公司 | 图像处理方法及输出检测系统 |
| CN117372421A (zh) * | 2023-12-04 | 2024-01-09 | 深圳市壹倍科技有限公司 | 晶圆缺陷定位方法、装置、定位设备及晶圆缺陷定位系统 |
| CN117372421B (zh) * | 2023-12-04 | 2024-04-05 | 深圳市壹倍科技有限公司 | 晶圆缺陷定位方法、装置、定位设备及晶圆缺陷定位系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113781393B (zh) | 2023-12-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111815630B (zh) | 一种用于lcd屏幕的缺陷检测方法、装置 | |
| CN110349145B (zh) | 缺陷检测方法、装置、电子设备以及存储介质 | |
| CN111325713A (zh) | 基于神经网络的木材缺陷检测方法、系统及存储介质 | |
| KR20230124713A (ko) | 결함 검출 방법, 장치 및 시스템 | |
| CN111612781A (zh) | 一种屏幕缺陷检测方法、装置及头戴显示设备 | |
| CN113781393B (zh) | 屏幕缺陷检测方法、装置、设备及存储介质 | |
| CN110596120A (zh) | 玻璃边界缺陷检测方法、装置、终端及存储介质 | |
| CN111476759B (zh) | 一种屏幕表面检测方法、装置、终端及存储介质 | |
| CN115830004A (zh) | 表面缺陷检测方法、装置、计算机设备和存储介质 | |
| CN115713476A (zh) | 基于激光焊接的视觉检测方法、装置及可读存储介质 | |
| CN113066088A (zh) | 工业检测中的检测方法、检测装置和存储介质 | |
| CN113284154A (zh) | 钢卷端面图像分割方法、装置及电子设备 | |
| JP5088165B2 (ja) | 欠陥検出方法および欠陥検出装置 | |
| CN108107611B (zh) | 一种自适应缺陷检测方法、装置及电子设备 | |
| CN108876842A (zh) | 一种亚像素边缘角度的测量方法、系统、设备及存储介质 | |
| CN113570578B (zh) | 一种镜片鬼影现象检测方法、装置 | |
| CN116503414B (zh) | 屏幕缺陷检测方法、装置、计算机设备和存储介质 | |
| JP2008014842A (ja) | シミ欠陥検出方法及び装置 | |
| CN116152191A (zh) | 基于深度学习的显示屏裂纹缺陷检测方法、装置及设备 | |
| CN115393290A (zh) | 边缘缺陷检测方法、装置及设备 | |
| JP2008171142A (ja) | シミ欠陥検出方法及び装置 | |
| CN111935480B (zh) | 一种用于图像获取装置的检测方法及相关装置 | |
| CN114219758A (zh) | 缺陷检测方法、系统、电子设备和计算机可读存储介质 | |
| JP7362324B2 (ja) | 画像表示装置の検査方法、製造方法及び検査装置 | |
| IL303112A (en) | Image magnification techniques for automatic visual inspection |
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 |