CN113781396B - 屏幕缺陷检测方法、装置、设备和存储介质 - Google Patents

屏幕缺陷检测方法、装置、设备和存储介质 Download PDF

Info

Publication number
CN113781396B
CN113781396B CN202110918041.9A CN202110918041A CN113781396B CN 113781396 B CN113781396 B CN 113781396B CN 202110918041 A CN202110918041 A CN 202110918041A CN 113781396 B CN113781396 B CN 113781396B
Authority
CN
China
Prior art keywords
image
screen
type
defect
convolution kernel
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
CN202110918041.9A
Other languages
English (en)
Other versions
CN113781396A (zh
Inventor
郑国荣
胡斌
谢松乐
彭涛
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.)
Shenzhen Xinxinteng Technology Co ltd
Original Assignee
Shenzhen Xinxinteng 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 Shenzhen Xinxinteng Technology Co ltd filed Critical Shenzhen Xinxinteng Technology Co ltd
Priority to CN202110918041.9A priority Critical patent/CN113781396B/zh
Publication of CN113781396A publication Critical patent/CN113781396A/zh
Application granted granted Critical
Publication of CN113781396B publication Critical patent/CN113781396B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/04Architecture, e.g. interconnection topology
    • G06N3/045Combinations of networks
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/08Learning methods
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/20Image enhancement or restoration using local operators
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/73Deblurring; Sharpening
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/70Determining position or orientation of objects or cameras
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20081Training; Learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Image Processing (AREA)

Abstract

本申请公开了一种屏幕缺陷检测方法、装置、设备和存储介质,属于计算机技术领域。包括:获取第一图像,第一图像是在屏幕显示纯色图时对该屏幕拍摄得到的图像;获取多个卷积核,该多个卷积核中各个卷积核的类型为第一类型或第二类型,第一类型的卷积核用于增强亮点,第二类型的卷积核用于增强暗点,该多个卷积核中所有第一类型和所有第二类型的卷积核的元素数量不同;分别根据该多个卷积核中的每个卷积核对第一图像进行锐化滤波,得到多个第二图像;根据该多个第二图像,确定该屏幕的缺陷。本申请可以检测出屏幕的缺陷是亮缺陷还是暗缺陷,还可以检测出屏幕中的点缺陷、线缺陷、块缺陷等缺陷,如此可以提高缺陷检测的准确度,提高缺陷检测的效率。

Description

屏幕缺陷检测方法、装置、设备和存储介质
技术领域
本申请涉及计算机技术领域,特别涉及一种屏幕缺陷检测方法、装置、设备和存储介质。
背景技术
科学技术的发展,使得手表、手机、电脑等各类电子产品融入人们的日常生活。电子产品中各个部件的质量的优劣会影响用户的体验,尤其是显示屏,显示屏是电子产品的重要部件,用于实现人机交互,既可以显示输入的数据,也可以显示数据处理的结果。显示屏在生产的过程中,容易出现点缺陷、线缺陷、块缺陷等缺陷,因此,如何对显示屏的缺陷进行检测以保证显示屏的高质量是非常重要的。
一般地,生产商以人工检测的方法对显示屏的缺陷进行检测。然而,不同检测员对同一缺陷的判断标准不同,会导致检测结果不统一。而且,检测员在长时间工作后,容易出现疲劳,从而会出现漏检、误检的情况。
发明内容
本申请提供了一种屏幕缺陷检测方法、装置、设备和存储介质,可以防止出现漏检、误检的情况。所述技术方案如下:
第一方面,提供了一种屏幕缺陷检测方法,所述方法包括:
获取第一图像,所述第一图像是在屏幕显示纯色图时对所述屏幕拍摄得到的图像;
获取多个卷积核,所述多个卷积核中各个卷积核的类型为第一类型或第二类型,所述第一类型的卷积核用于增强亮点,所述第二类型的卷积核用于增强暗点,所述多个卷积核中所有第一类型的卷积核的元素数量不同,所述多个卷积核中所有第二类型的卷积核的元素数量不同;
分别根据所述多个卷积核中的每个卷积核对所述第一图像进行锐化滤波,得到多个第二图像;
根据所述多个第二图像,确定所述屏幕的缺陷。
在本申请中,获取在屏幕显示纯色图时对该屏幕拍摄得到的第一图像,以及获取多个卷积核,该多个卷积核中的第一类型的卷积核用于增强亮点,该多个卷积核中的第二类型的卷积核用于增强暗点。之后,根据多个卷积核中的第一类型的卷积核对第一图像进行锐化滤波,得到的第二图像是增强亮点后的图像,根据这个第二图像确定的屏幕的缺陷为亮缺陷;根据多个卷积核中的第二类型的卷积核对第一图像进行锐化滤波,得到的第二图像是增强暗点后的图像,根据这个第二图像确定的屏幕的缺陷为暗缺陷。并且,由于多个卷积核中所有第一类型的卷积核的元素数量不同,因此第一类型的卷积核中元素数量多的卷积核可以用于检测亮块缺陷,第一类型的卷积核中元素数量少的卷积核用于检测亮点缺陷、亮线缺陷。同理,由于多个卷积核中所有第二类型的卷积核的元素数量不同,因此第二类型的卷积核中元素数量多的卷积核可以用于检测暗块缺陷,第二类型的卷积核中元素数量少的卷积核用于检测暗点缺陷、暗线缺陷。如此,本申请实施例中不仅可以检测出屏幕的缺陷是亮缺陷还是暗缺陷,还可以检测出屏幕中的点缺陷、线缺陷、块缺陷等缺陷,如此可以提高缺陷检测的效率,提高缺陷检测的准确度,防止出现漏检、误检的情况。
可选地,所述获取多个卷积核,包括:
确定所述第一图像的图像类型,所述第一图像的图像类型用于指示所述屏幕显示的纯色图的颜色;
根据所述第一图像的图像类型,从图像类型与卷积核之间的对应关系中,获取对应的多个卷积核。
可选地,对于所述多个卷积核中的任意一个卷积核,所述一个卷积核包括n个元素值,所述一个卷积核的中心的元素值的符号与所述一个卷积核除中心的元素值之外的其他元素值的符号不同,且所述一个卷积核的中心的元素值与所述其他元素值之和互为相反数,且所述其他元素值中越靠近中心的元素值的绝对值越大,所述n为奇数。
可选地,所述分别根据所述多个卷积核中的每个卷积核对所述第一图像进行锐化滤波,得到多个第二图像,包括:
将所述第一图像转换为灰度图像;
分别使用所述多个卷积核中的每个卷积核对所述灰度图像进行锐化滤波,得到所述多个第二图像。
可选地,所述根据所述多个第二图像,确定所述屏幕的缺陷,包括:
对于所述多个第二图像中的任意一个第二图像,在将所述一个第二图像中的像素值小于第一像素阈值的像素点的像素值设置为0后,对所述一个第二图像进行连通区域分析,得到所述一个第二图像中的多个第一区域;
确定所述多个第一区域中满足预设条件的至少一个第一区域,所述预设条件包括以下至少一个条件:区域中存在像素值大于第二像素阈值的像素点、区域的最小外接矩形的尺寸大于尺寸阈值、区域的像素点数量大于数量阈值;
根据所述至少一个第一区域,确定所述屏幕的缺陷。
可选地,所述根据所述多个第二图像,确定所述屏幕的缺陷之前,还包括:
获取灰尘图像,所述灰尘图像是在所述屏幕处于息屏状态时对所述屏幕拍摄得到的图像;
获取目标卷积核,所述目标卷积核用于增强亮点;
根据所述目标卷积核对所述灰尘图像进行锐化滤波,得到第三图像;
确定所述第三图像中的灰尘位置,所述灰尘位置用于指示所述屏幕上存在灰尘的位置;
对于所述多个第二图像中的任意一个第二图像,将所述一个第二图像中位置与所述灰尘位置相同的像素点的像素值设置为0。
可选地,所述根据所述至少一个第一区域,确定所述屏幕的缺陷,包括:
获取灰尘图像,所述灰尘图像是在所述屏幕处于息屏状态时对所述屏幕拍摄得到的图像;
获取目标卷积核,所述目标卷积核用于增强亮点;
根据所述目标卷积核对所述灰尘图像进行锐化滤波,得到第三图像;
确定所述第三图像中的灰尘位置,所述灰尘位置用于指示所述屏幕上存在灰尘的位置;
在将所述至少一个第一区域中位置与所述灰尘位置相同的像素点的像素值设置为0后,对所述至少一个第一区域中的每个第一区域进行连通区域分析,得到至少一个第二区域;
根据所述至少一个第二区域在所述一个第二图像中的位置,确定所述屏幕的缺陷位置。
可选地,所述根据所述至少一个第二区域在所述一个第二图像中的位置,确定所述屏幕的缺陷位置,包括:
将所述至少一个第二区域中满足所述预设条件的第二区域的位置确定为所述屏幕的缺陷位置。
第二方面,提供了一种屏幕缺陷检测装置,所述装置包括:
第一获取模块,用于获取第一图像,所述第一图像是在屏幕显示纯色图时对所述屏幕拍摄得到的图像;
第二获取模块,用于获取多个卷积核,所述多个卷积核中各个卷积核的类型为第一类型或第二类型,所述第一类型的卷积核用于增强亮点,所述第二类型的卷积核用于增强暗点,所述多个卷积核中所有第一类型的卷积核的元素数量不同,所述多个卷积核中所有第二类型的卷积核的元素数量不同;
第三获取模块,用于分别根据所述多个卷积核中的每个卷积核对所述第一图像进行锐化滤波,得到多个第二图像;
第一确定模块,用于根据所述多个第二图像,确定所述屏幕的缺陷。
可选地,所述第二获取模块用于:
确定所述第一图像的图像类型,所述第一图像的图像类型用于指示所述屏幕显示的纯色图的颜色;
根据所述第一图像的图像类型,从图像类型与卷积核之间的对应关系中,获取对应的多个卷积核。
可选地,对于所述多个卷积核中的任意一个卷积核,所述一个卷积核包括n个元素值,所述一个卷积核的中心的元素值的符号与所述一个卷积核除中心的元素值之外的其他元素值的符号不同,且所述一个卷积核的中心的元素值与所述其他元素值之和互为相反数,且所述其他元素值中越靠近中心的元素值的绝对值越大,所述n为奇数。
可选地,所述第三获取模块用于:
将所述第一图像转换为灰度图像;
分别使用所述多个卷积核中的每个卷积核对所述灰度图像进行锐化滤波,得到所述多个第二图像。
可选地,所述第一确定模块包括:
获取单元,用于对于所述多个第二图像中的任意一个第二图像,在将所述一个第二图像中的像素值小于第一像素阈值的像素点的像素值设置为0后,对所述一个第二图像进行连通区域分析,得到所述一个第二图像中的多个第一区域;
第一确定单元,用于确定所述多个第一区域中满足预设条件的至少一个第一区域,所述预设条件包括以下至少一个条件:区域中存在像素值大于第二像素阈值的像素点、区域的最小外接矩形的尺寸大于尺寸阈值、区域的像素点数量大于数量阈值;
第二确定单元,用于根据所述至少一个第一区域,确定所述屏幕的缺陷。
可选地,所述装置还包括:
第四获取模块,用于获取灰尘图像,所述灰尘图像是在所述屏幕处于息屏状态时对所述屏幕拍摄得到的图像;
第五获取模块,用于获取目标卷积核,所述目标卷积核用于增强亮点;
第六获取模块,用于根据所述目标卷积核对所述灰尘图像进行锐化滤波,得到第三图像;
第二确定模块,用于确定所述第三图像中的灰尘位置,所述灰尘位置用于指示所述屏幕上存在灰尘的位置;
设置模块,用于对于所述多个第二图像中的任意一个第二图像,将所述一个第二图像中位置与所述灰尘位置相同的像素点的像素值设置为0。
可选地,所述第二确定单元用于:
获取灰尘图像,所述灰尘图像是在所述屏幕处于息屏状态时对所述屏幕拍摄得到的图像;
获取目标卷积核,所述目标卷积核用于增强亮点;
根据所述目标卷积核对所述灰尘图像进行锐化滤波,得到第三图像;
确定所述第三图像中的灰尘位置,所述灰尘位置用于指示所述屏幕上存在灰尘的位置;
在将所述至少一个第一区域中位置与所述灰尘位置相同的像素点的像素值设置为0后,对所述至少一个第一区域中的每个第一区域进行连通区域分析,得到至少一个第二区域;
根据所述至少一个第二区域在所述一个第二图像中的位置,确定所述屏幕的缺陷位置。
可选地,所述第二确定单元用于:
将所述至少一个第二区域中满足所述预设条件的第二区域的位置确定为所述屏幕的缺陷位置。
第三方面,提供了一种计算机设备,所述计算机设备包括存储器、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,所述计算机程序被所述处理器执行时实现上述的屏幕缺陷检测方法。
第四方面,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的屏幕缺陷检测方法。
第五方面,提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述的屏幕缺陷检测方法的步骤。
可以理解的是,上述第二方面、第三方面、第四方面、第五方面的有益效果可以参见上述第一方面中的相关描述,在此不再赘述。
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屏幕缺陷检测方法的流程图;
图2是本申请实施例提供的一种屏幕缺陷检测装置的结构示意图;
图3为本申请实施例提供的一种计算机设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
应当理解的是,本申请提及的“多个”是指两个或两个以上。在本申请的描述中,除非另有说明,“/”表示或的意思,比如,A/B可以表示A或B;本文中的“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,比如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,为了便于清楚描述本申请的技术方案,采用了“第一”、“第二”等字样对功能和作用基本相同的相同项或相似项进行区分。本领域技术人员可以理解“第一”、“第二”等字样并不对数量和执行次序进行限定,并且“第一”、“第二”等字样也并不限定一定不同。
在对本申请实施例进行详细地解释说明之前,先对本申请实施例的应用场景予以说明。
显示屏在生产的过程中,容易出现点缺陷、线缺陷、块缺陷等缺陷,因此,如何对显示屏进行缺陷检测,以保证显示屏的高质量是非常重要的。
为此,本申请实施例提供了一种屏幕缺陷检测方法,可以应用于对各类屏幕进行缺陷检测,如,可以应用于对手机屏幕、电脑屏幕等待检设备的屏幕进行缺陷检测,也可以应用于对未组装的单个屏幕进行缺陷检测,本申请实施例对此不作限定。本申请实施例提供的屏幕缺陷检测方法可以检测出屏幕的缺陷是亮缺陷还是暗缺陷,还可以检测出屏幕中的点缺陷、线缺陷、块缺陷等缺陷,如此可以提高缺陷检测的效率,提高缺陷检测的准确度,防止出现漏检、误检的情况。
下面对本申请实施例提供的屏幕缺陷检测方法进行详细地解释说明。
图1是本申请实施例提供的一种屏幕缺陷检测方法的流程图。参见图1,该方法包括以下步骤。
步骤101:计算机设备获取第一图像。
第一图像是在屏幕显示纯色图时对该屏幕拍摄得到的图像。如,第一图像可以是白屏图像、黑屏图像、红屏图像、绿屏图像、蓝屏图像等,白屏图像是在屏幕显示白色图时对该屏幕拍摄得到的图像,黑屏图像是在屏幕显示黑色图时对该屏幕拍摄得到的图像,红屏图像是在屏幕显示红色图时对该屏幕拍摄得到的图像,绿屏图像是在屏幕显示绿色图时对该屏幕拍摄得到的图像,蓝屏图像是在屏幕显示蓝色图时对该屏幕拍摄得到的图像。
可选地,第一图像可以是在屏幕显示纯色图时对该屏幕拍摄得到的图像中获取的仅包含屏幕区域的图像,以便后续根据第一图像可以更准确地对屏幕进行缺陷检测。具体地,计算机设备获取到在屏幕显示纯色图时对该屏幕拍摄得到的图像后,可以根据预先设置的分割阈值参数对该图像进行二值化处理,以获取该图像对应的黑白图像。然后,计算机设备通过轮廓分析获取该黑白图像中所包含的轮廓信息,并根据霍夫直线检测算法从该黑白图像中所包含的轮廓信息中确定出该屏幕的边界信息,然后从该屏幕的边界信息中确定出该屏幕的角点信息并保存,利用该屏幕的角点信息从该图像中截取出仅包含该屏幕区域的图像作为第一图像。
在屏幕显示纯色图时对该屏幕进行拍摄,可以消除屏幕显示图案时或者屏幕显示颜色过多时对屏幕进行缺陷检测所产生的干扰,以更好地凸显屏幕的缺陷,有助于对屏幕进行缺陷检测,有效防止误测。
在一些实施例中,计算机设备可以获取待检设备的屏幕的第一图像。具体地,计算机设备可以通过有线网络或者无线网络与待检设备进行通信,如此计算机设备就可以获取到该待检设备的设备信息,也可以向该待检设备发送屏幕颜色更改请求,该屏幕颜色更改请求携带有颜色信息,以请求该待检设备根据该屏幕颜色更改请求中的颜色信息更改自身屏幕所显示的纯色图的颜色。该待检设备接收到该屏幕颜色更改请求后,更改屏幕所显示的纯色图的颜色。然后计算机设备向工业相机发送拍摄指令,以指示工业相机对该待检设备的屏幕进行拍摄。工业相机接收到该拍摄指令后,对该待检设备的屏幕进行拍摄,得到拍摄图像并发送给计算机设备。计算机设备获取到该拍摄图像后,从该拍摄图像中获取仅包含屏幕区域的图像作为第一图像。
在另一些实施例中,计算机设备可以获取未组装的单个屏幕的第一图像。具体地,在对未组装的单个屏幕进行测试时,可以使用夹具固定该单个屏幕,并可以使用该夹具将该单个屏幕与计算机设备进行通信连接,如此计算机设备就可以对该单个屏幕所显示的纯色图的颜色进行更改。在该单个屏幕所显示的纯色图的颜色更改后,计算机设备可以向工业相机发送拍摄指令,以指示工业相机对该单个屏幕进行拍摄。工业相机接收到该拍摄指令后,对该单个屏幕进行拍摄,得到拍摄图像并发送给计算机设备。计算机设备获取到该拍摄图像后,从该拍摄图像中获取仅包含屏幕区域的图像作为第一图像。
值得注意的是,在对一个屏幕进行缺陷检测时,计算机设备可以获取多个第一图像,也即计算机设备可以获取该屏幕的白屏图像、黑屏图像、红屏图像、绿屏图像、蓝屏图像等多个第一图像,然后分别对多个第一图像中的每个第一图像执行如下步骤102以及后续步骤,以更全面地对该屏幕进行缺陷检测,提高缺陷检测的准确度。
步骤102:计算机设备获取多个卷积核。
该多个卷积核中各个卷积核的类型为第一类型或第二类型,第一类型的卷积核用于增强亮点,该亮点即是指亮度过高的像素点,也即用第一类型的卷积核确定出的缺陷为屏幕的亮缺陷,亮缺陷是指屏幕中的由多个亮度过高的像素点组成的区域,亮缺陷包括亮点缺陷、亮线缺陷、亮块缺陷;第二类型的卷积核用于增强暗点,该暗点即是指亮度过低的像素点,也即用第二类型的卷积核确定出的缺陷为屏幕的暗缺陷,暗缺陷是指屏幕中的由多个亮度过低的像素点组成的区域,暗缺陷包括暗点缺陷、暗线缺陷、暗块缺陷。因而,根据一个卷积核的类型,可以获知根据该卷积核确定出的屏幕的缺陷是亮缺陷还是暗缺陷。如,根据一个第一类型的卷积核对第一图像进行缺陷检测,则可以获知根据该卷积核确定出的屏幕的缺陷是亮缺陷。
不同元素数量的卷积核用于检测不同大小的屏幕缺陷。也就是说,不同元素数量的卷积核能够检测出的屏幕缺陷的大小不同。元素数量少的卷积核可以用于检测点缺陷、线缺陷,元素数量多的卷积核可以用于检测块缺陷。
该多个卷积核中所有第一类型的卷积核的元素数量不同。第一类型的卷积核中元素数量多的卷积核可以用于检测亮块缺陷,也即用该卷积核可以确定出屏幕的亮块缺陷。第一类型的卷积核中元素数量少的卷积核用于检测亮点缺陷、亮线缺陷,也即用该卷积核可以确定出屏幕的亮点缺陷、亮线缺陷。例如,可以将用于检测亮块缺陷的卷积核的尺寸设置为81*81,该卷积核的元素数量为6561;可以将用于检测亮点缺陷、亮线缺陷的卷积核的尺寸设置为17*17,该卷积核的元素数量为289。
该多个卷积核中所有第二类型的卷积核的元素数量不同。第二类型的卷积核中元素数量多的卷积核可以用于检测暗块缺陷,也即用该卷积核可以确定出屏幕的暗块缺陷。第二类型的卷积核中元素数量少的卷积核用于检测暗点缺陷、暗线缺陷,也即用该卷积核可以确定出屏幕的暗点缺陷、暗线缺陷。例如,可以将用于检测暗块缺陷的卷积核的尺寸设置为81*81,该卷积核的元素数量为6561;可以将用于检测暗点缺陷、暗线缺陷的卷积核的尺寸设置为17*17,该卷积核的元素数量为289。
对于该多个卷积核中的任意一个卷积核,该一个卷积核包括n个元素值,该一个卷积核的中心的元素值的符号与该一个卷积核除中心的元素值之外的其他元素值的符号不同,且该一个卷积核的中心的元素值与其他元素值之和互为相反数,且其他元素值中越靠近中心的元素值的绝对值越大,其中,n为奇数。
示例地,如表1所示,该卷积核的尺寸为5*5,该卷积核包括25个元素值,分别为一个a、8个b1、16个b2,a位于该卷积核的中心,8个b1相对于16个b2更靠近a。若该卷积核为第一类型的卷积核,则a为正值,8个b1、16个b2皆为负值,且8个b1与16个b2之和与a互为相反数,且8个b1的绝对值均大于16个b2的绝对值。若该卷积核为第二类型的卷积核,则a为负值,8个b1、16个b2皆为正值,且8个b1与16个b2之和与a互为相反数,且8个b1的绝对值均大于16个b2的绝对值。
表1
b2 b2 b2 b2 b2
b2 b1 b1 b1 b2
b2 b1 a b1 b2
b2 b1 b1 b1 b2
b2 b2 b2 b2 b2
比如,如表2所示,该卷积核用于检测亮点缺陷,该卷积核的尺寸为5*5,该卷积核中包括25个元素值,该卷积核的中心的元素值的符号(即正号)与该卷积核除中心的元素值之外的其他元素值的符号(即负号)不同,且该卷积核的中心的元素值(即48)与其他元素值之和(即-48)互为相反数,且该其他元素值中越靠近中心的元素值的绝对值越大,也就是说,与该卷积核的中心的元素值(即48)相邻的一圈元素值(即-4)的绝对值大于该卷积核最外圈的元素值(即-1)的绝对值。
表2
-1 -1 -1 -1 -1
-1 -4 -4 -4 -1
-1 -4 48 -4 -1
-1 -4 -4 -4 -1
-1 -1 -1 -1 -1
再比如,如表3所示,该卷积核用于检测暗点缺陷,该卷积核的尺寸为5*5,该卷积核中包括25个元素值,该卷积核的中心的元素值的符号(即负号)与该卷积核除中心的元素值之外的其他元素值的符号(即正号)不同,且该卷积核的中心的元素值(即-48)与其他元素值之和(即48)互为相反数,且该其他元素值中越靠近中心的元素值的绝对值越大,也就是说,与该卷积核的中心的元素值(即-48)相邻的一圈元素值(即4)的绝对值大于该卷积核最外圈的元素值(即1)的绝对值。
表3
1 1 1 1 1
1 4 4 4 1
1 4 -48 4 1
1 4 4 4 -
1 1 1 1 1
需要说明的是,本申请实施例中仅以上表1、表2、表3所示的数据为例对卷积核中的元素值进行说明,上表1、表2、表3并不对本申请实施例构成限定。
计算机设备可以通过下述两种可能的方式获取该多个卷积核:
第一种可能的方式中,计算机设备确定第一图像的图像类型;根据第一图像的图像类型,从图像类型与卷积核之间的对应关系中,获取对应的多个卷积核。
第一图像的图像类型用于指示该屏幕显示的纯色图的颜色。比如,第一图像的图像类型可以为白屏图像、黑屏图像、红屏图像、绿屏图像、或蓝屏图像等。
图像类型与卷积核之间的对应关系包括在对不同图像类型的图像进行缺陷检测时所要使用的卷积核。比如,在如表5所示的图像类型与卷积核之间的对应关系中,白屏图像这一图像类型对应的多个卷积核为亮点卷积核1、亮块卷积核1、暗点卷积核1、暗块卷积核1。其中,亮点卷积核1、亮块卷积核1是第一类型的卷积核,用于增强亮点,且亮点卷积核1用于检测亮点缺陷、亮线缺陷,亮块卷积核1用于检测亮块缺陷;暗点卷积核1、暗块卷积核1是第二类型的卷积核,用于增强暗点,且暗点卷积核1用于检测暗点缺陷、暗线缺陷,暗块卷积核1用于检测暗块缺陷。
该对应关系中还可以包括屏幕标识,也即该对应关系可以为屏幕标识、图像类型和卷积核之间的对应关系,此时该对应关系中包括在对不同屏幕的不同图像类型的图像进行缺陷检测时所要使用的卷积核。如此计算机设备获取到第一图像之后,可以根据第一图像的图像类型和屏幕标识,从屏幕标识、图像类型与卷积核之间的对应关系中,获取对应的多个卷积核。该屏幕标识用于标识该屏幕,如,该屏幕标识可以为屏幕的型号、出厂序列号等,本申请实施例对此不作限定。
若计算机设备对待检设备的屏幕进行缺陷检测,则计算机设备在与该待检设备建立通信连接之后,向该待检设备发送屏幕标识获取请求,以请求获取该待检设备的屏幕标识。该待检设备接收到该屏幕标识获取请求后,将自身屏幕的屏幕标识发送给计算机设备,如此计算机设备就可获取到该屏幕标识。
若计算机设备对未组装的单个屏幕进行缺陷检测,则该单个屏幕可以预先显示包含有该单个屏幕的屏幕标识的图形码(包括但不限于条形码、二维码等),然后计算机设备在对该单个屏幕进行缺陷检测时,可以先向工业相机发送拍摄指令,以指示工业相机对该单个屏幕进行拍摄。工业相机得到拍摄图像并发送给计算机设备,计算机设备可以从该拍摄图像包含的图形码中提取该屏幕标识。
表5
需要说明的是,本申请实施例中仅以上表5为例对屏幕标识、图像类型与卷积核之间的对应关系进行说明,上表5并不对本申请实施例构成限定。
第二种可能的方式中,计算机设备将第一图像转换为单通道图像;根据第一图像的图像类型和该单通道图像的通道类型,从图像类型、通道类型与卷积核之间的对应关系中,获取对应的多个卷积核。
通道类型包括红色通道、蓝色通道、绿色通道。只保留第一图像的红色通道就可以将第一图像转换为红色通道图像,只保留第一图像的蓝色通道就可以将第一图像转换为蓝色通道图像,只保留第一图像的绿色通道就可以将第一图像转换为绿色通道图像。
图像类型、通道类型和卷积核之间的对应关系包括在对不同图像类型的不同通道类型的图像进行缺陷检测时所要使用的卷积核。如此计算机设备在将第一图像转换为单通道图像之后,可以根据第一图像的图像类型和该单通道图像的通道类型,从图像类型、通道类型和卷积核之间的对应关系中,获取对应的多个卷积核。
该对应关系中还可以包括屏幕标识,也即该对应关系可以为屏幕标识、图像类型、通道类型和卷积核之间的对应关系,此时该对应关系中包括在对不同屏幕的不同图像类型的不同通道类型的图像进行缺陷检测时所要使用的卷积核。如此计算机设备在将第一图像转换为单通道图像之后,可以根据第一图像的图像类型、屏幕标识和该单通道图像的通道类型,从屏幕标识、图像类型、通道类型与卷积核之间的对应关系中,获取对应的多个卷积核。
步骤103:计算机设备分别根据该多个卷积核中的每个卷积核对第一图像进行锐化滤波,得到多个第二图像。
计算机设备根据该多个卷积核中的第一类型的卷积核对第一图像进行锐化滤波,可以得到增强亮点后的第二图像,后续根据这个第二图像确定出的屏幕的缺陷为亮缺陷。计算机设备根据该多个卷积核中的第二类型的卷积核对第一图像进行锐化滤波,可以得到增强暗点后的第二图像,后续根据这个第二图像确定出的屏幕的缺陷为暗缺陷。从而,计算机设备根据该多个卷积核中的每个卷积核对第一图像进行锐化滤波后,可以得到多个第二图像,后续也可以确定出屏幕的缺陷是亮缺陷还是暗缺陷。
若计算机设备是根据上述步骤102中的第一种可能的方式获取的多个卷积核,则步骤103的操作可以为:计算机设备将第一图像转换为灰度图像;分别使用该多个卷积核中的每个卷积核对该灰度图像进行锐化滤波,得到该多个第二图像。
计算机设备先将第一图像转换为灰度图像,然后使用多个卷积核中的每个卷积核对该灰度图像进行锐化滤波,可以凸显出第一图像中的缺陷,提高缺陷检测的效率。
若计算机设备是根据上述步骤102中的第二种可能的方式获取的多个卷积核,则步骤103的操作可以为:计算机设备分别使用该多个卷积核中的每个卷积核对该单通道图像进行锐化滤波,得到该多个第二图像。
计算机设备使用一个卷积核(即上述多个卷积核中的任意一个卷积核)对一个图像(即上述第一图像、第一图像的灰度图像或单通道图像)进行锐化滤波的操作可以为:计算机设备使用该卷积核,对该图像的所有像素点进行卷积,得到第二图像。
比如,表6所示的是该图像中的像素点的像素值,使用表2所示的卷积核对表6所示的图像进行卷积的操作为:对于第一个像素点F1,根据表2所示的卷积核的尺寸,以第一个像素点F1为中心,在第一个像素点F1的周围补足缺少的像素点,以得到以第一个像素点F1的像素值为中心、尺寸与表2所示的卷积核的尺寸相同的像素值矩阵,然后将该像素值矩阵与表2所示的卷积核的元素值矩阵进行矩阵点乘运算,得到第二图像中的第一个像素点的像素值。同理,对表6中的其余像素点进行处理,就可以得到第二图像中的其余像素点的像素值,也就得到了第二图像。可选地,可以使用镜像的方法在像素点的周围补足缺少的像素点,当然也可以选择其它方法在像素点的周围补足缺少的像素点,本申请实施例对此不作限定。
表6
F1 F2 F3
F4 F5 F6
F7 F8 F9
可选地,若第一图像中还包括屏幕刘海、摄像头等异形区域,则经过锐化滤波之后得到的第二图像中也包含异形区域。这种情况下,计算机设备可以消除第二图像中的异形区域,以避免异形区域对屏幕进行缺陷检测的影响,提高屏幕缺陷检测的准确度。
具体地,计算机设备获取一张无缺陷图;从无缺陷图中截取出仅包含异形区域的图像;将仅包含异形区域的图像转换为灰度图像;对该灰度图像进行连通区域分析,得到至少一个连通区域;将该至少一个连通区域的位置范围确定为异形区域的位置范围;对于该多个第二图像中的任意一个第二图像,将这个第二图像中位于异形区域的位置范围内的像素点的像素值设置为0,以消除这个第二图像中的异形区域。
无缺陷图是在已确定无缺陷的屏幕显示纯色图时对此无缺陷的屏幕拍摄得到的图像。可选地,计算机设备可以获取工作人员在无缺陷图中用矩形框截取出的仅包含异形区域的图像。
从无缺陷图中截取出仅包含异形区域的图像,可以消除无缺陷图像中除异形区域之外的图像对提取异形区域所造成的影响,以提高对异形区域进行提取的准确度。将仅包含异形区域的图像转换为灰度图像,可以凸显出异形区域,更好地对异形区域进行提取。由于该灰度图像是对仅包含异形区域的图像转换来的,所以对该灰度图像进行连通区域分析,得到的至少一个连通区域即为异形区域。将多个第二图像中的每个第二图像中位于异形区域的位置范围内的像素点的像素值设置为0,就可以消除每个第二图像中的异形区域,避免异形区域对缺陷检测的影响,提高屏幕缺陷检测的准确度。
步骤104:计算机设备根据该多个第二图像,确定该屏幕的缺陷。
该多个第二图像是对第一图像中的亮点或者暗点进行增强之后得到的图像,而第一图像是在屏幕显示纯色图时对该屏幕拍摄得到的图像,因此可以根据该多个第二图像,确定出该屏幕的缺陷。
计算机设备在获取该多个第二图像之后,可以通过如下三种可能的方式确定该屏幕的缺陷:
第一种可能的方式中,计算机设备在获取该多个第二图像之后,可以先对该多个第二图像进行除尘处理,然后再根据除尘处理后的该多个第二图像确定该屏幕的缺陷,以消除灰尘对屏幕缺陷检测的影响。
计算机设备对该多个第二图像进行除尘处理的操作可以为:获取灰尘图像;获取目标卷积核;根据目标卷积核对该灰尘图像进行锐化滤波,得到第三图像;确定第三图像中的灰尘位置;对于该多个第二图像中的任意一个第二图像,将这个第二图像中位置与该灰尘位置相同的像素点的像素值设置为0。
该灰尘图像是在该屏幕处于息屏状态时对该屏幕拍摄得到的图像,该灰尘图像用于确定出该屏幕上存在的灰尘的位置。
目标卷积核用于增强亮点,也即用于增强该灰尘图像中的暗点。目标卷积核是预先设置的用于检测灰尘的卷积核。
该灰尘图像与第一图像是对同一屏幕在同一检测环境、相近时间下拍摄,且目标卷积核用于增强该灰尘图像中的亮点,因此根据目标卷积核对该灰尘图像进行锐化滤波后得到的第三图像中的灰尘位置可以用于指示该屏幕上存在灰尘的位置。将多个第二图像中的每个第二图像中位置与该灰尘位置相同的像素点的像素值设置为0,可以消除该屏幕上存在的灰尘对屏幕缺陷检测的影响,提高根据该多个第二图像进行屏幕缺陷检测的准确度。
作为一种示例,检测环境一般是比较灰暗的环境。这种情况下,可以在该屏幕处于息屏状态时,使用外部光源在该屏幕的周侧进行打光,然后计算机设备向工业相机发送拍摄指令,以指示工业相机对该屏幕进行拍摄。工业相机接收到该拍摄指令后,对该屏幕进行拍摄,得到该屏幕的灰尘图像并发送给计算机设备,如此计算机设备就可获取到该灰尘图像。
计算机设备根据目标卷积核对该灰尘图像进行锐化滤波的操作与上述计算机设备根据一个卷积核对一个图像进行锐化滤波的操作类似,本申请实施例对此不进行详细阐述。
计算机设备确定第三图像中的灰尘位置的操作可以为:将第三图像中像素值不为0的像素点的位置确定为灰尘位置。
值得注意的是,灰尘的惯性运动和外界抖动会导致屏幕上附着的灰尘发生偏移,且该灰尘图像和第一图像在拍摄时,存在很小的时间差,因此该灰尘图像和第一图像中的灰尘位置会存在差异。因此,本申请实施例中还可以预先设置灰尘偏移量。这种情况下,计算机设备可以将与第三图像中像素值不为0的像素点的位置相距该灰尘偏移量的位置确定为灰尘位置。
计算机设备根据除尘处理后的该多个第二图像确定该屏幕的缺陷的操作可以为:对于该多个第二图像中的任意一个第二图像,在将这个第二图像中的像素值小于第一像素阈值的像素点的像素值设置为0后,对这个第二图像进行连通区域分析,得到这个第二图像中的多个第一区域;确定该多个第一区域中满足预设条件的至少一个第一区域;根据该至少一个第一区域,确定该屏幕的缺陷。
该预设条件可以预先进行设置。该预设条件用于筛选出很有可能是缺陷的区域。该预设条件可以包括以下至少一个条件:区域中存在像素值大于第二像素阈值的像素点、区域的最小外接矩形的尺寸大于尺寸阈值、区域的像素点数量大于数量阈值。
第一像素阈值可以预先进行设置,且第一像素阈值可以设置的较小,如,第一像素阈值可以设置为2,也即将这个第二图像中的像素值小于2的像素点的像素值设置为0,以消除这个第二图像中的噪点对缺陷检测的影响,更准确地确定出该屏幕的缺陷。
第二像素阈值可以预先进行设置,且第二像素阈值可以设置的较大,可以大于第一像素阈值。如,第二像素阈值可以设置为10。
最小外接矩形的尺寸可以为最小外接矩形的长度和/或宽度。尺寸阈值可以预先进行设置,且尺寸阈值可以设置的较大,尺寸阈值可以包括长度阈值和/或宽度阈值。如,长度阈值可以为10,宽度阈值可以为5。
数量阈值可以预先进行设置,且数量阈值可以设置的较大。如,数量阈值可以设置为10。
作为一种示例,若该预设条件为:区域中存在像素值大于10的像素点、区域的最小外接矩形的长或宽中的至少一个大于10、区域的像素点数量大于10,则计算机设备可以从多个第一区域中,确定出满足该预设条件的至少一个第一区域,并根据该至少一个第一区域,确定该屏幕的缺陷。
计算机设备根据该至少一个第一区域,确定该屏幕的缺陷的操作可以为:计算机设备将该至少一个第一区域在这个第二图像中的位置作为该屏幕的缺陷位置。
第二种可能的方式中,计算机设备在获取该多个第二图像之后,可以从该多个第二图像中的每个第二图像中确定出满足预设条件的多个第一区域,然后对该多个第一区域进行除尘处理,接着根据除尘处理后的第一区域,确定该屏幕的缺陷。
具体地,对于该多个第二图像中的任意一个第二图像,在将这个第二图像中的像素值小于第一像素阈值的像素点的像素值设置为0后,对这个第二图像进行连通区域分析,得到这个第二图像中的多个第一区域;确定该多个第一区域中满足预设条件的至少一个第一区域;根据该至少一个第一区域,确定该屏幕的缺陷。
计算机设备根据该至少一个第一区域,确定该屏幕的缺陷的操作可以为:获取灰尘图像;获取目标卷积核;根据目标卷积核对该灰尘图像进行锐化滤波,得到第三图像;确定第三图像中的灰尘位置;在将该至少一个第一区域中位置与该灰尘位置相同的像素点的像素值设置为0后,对该至少一个第一区域中的每个第一区域进行连通区域分析,得到至少一个第二区域;根据该至少一个第二区域在这个第二图像中的位置,确定该屏幕的缺陷位置。
将该至少一个第一区域中位置与该灰尘位置相同的像素点的像素值设置为0,可以消除该屏幕上存在的灰尘对屏幕缺陷检测的影响,提高根据该至少一个第一区域进行屏幕缺陷检测的准确度。
在将该至少一个第一区域中位置与该灰尘位置相同的像素点的像素值设置为0后,该至少一个第一区域中可能存在有些第一区域已经不是连通区域,因而需要对该至少一个第一区域中的每个第一区域进行连通区域分析,以得到至少一个第二区域,方便后续根据该至少一个第二区域确定该屏幕的缺陷。
计算机设备确定第三图像中的灰尘位置的操作可以为:将第三图像中像素值不为0的像素点的位置确定为灰尘位置。
值得注意的是,灰尘的惯性运动和外界抖动会导致屏幕上附着的灰尘发生偏移,且该灰尘图像和第一图像在拍摄时,存在很小的时间差,因此该灰尘图像和第一图像中的灰尘位置会存在差异。因此,本申请实施例中还可以预先设置灰尘偏移量。这种情况下,计算机设备可以将与第三图像中像素值不为0的像素点的位置相距该灰尘偏移量的位置确定为灰尘位置。
其中,计算机设备根据该至少一个第二区域在这个第二图像中的位置,确定该屏幕的缺陷位置的操作可以为:将该至少一个第二区域在这个第二图像中的位置作为该屏幕的缺陷位置;或者,将该至少一个第二区域中满足预设条件的第二区域的位置确定为该屏幕的缺陷位置。
第三种可能的方式中,计算机设备对于该多个第二图像中的任意一个第二图像,在将这个第二图像中的像素值小于第一像素阈值的像素点的像素值设置为0后,对这个第二图像进行连通区域分析,得到这个第二图像中的多个第一区域;确定该多个第一区域中满足预设条件的至少一个第一区域;根据该至少一个第一区域,确定该屏幕的缺陷。
其中,计算机设备根据该至少一个第一区域,确定该屏幕的缺陷时,可以直接将该至少一个第一区域在这个第二图像中的位置作为该屏幕的缺陷位置。
进一步地,计算机设备在确定出该屏幕的缺陷之后,对于根据元素数量少的第一类型或第二类型的卷积核检测出的缺陷,确定这些缺陷的最小外接矩形,将其中最小外接矩形的长宽比大于比例阈值的缺陷确定为线缺陷,将其中最小外接矩形的长宽比小于或等于该比例阈值的缺陷确定为点缺陷。
比例阈值可以预先进行设置,如,该比例阈值可以为3:1。也即若某一缺陷的最小外接矩形的长宽比大于3:1,则将该缺陷确定为线缺陷,若该缺陷是根据第一类型的卷积核检测出的缺陷,则该缺陷为亮线缺陷;若该缺陷是根据第二类型的卷积核检测出的缺陷,则该缺陷为暗线缺陷。若某一缺陷的最小外接矩形的长宽比小于或等于3:1,则将该缺陷确定为点缺陷,若该缺陷是根据第一类型的卷积核检测出的缺陷,则该缺陷为亮点缺陷;若该缺陷是根据第二类型的卷积核检测出的缺陷,则该缺陷为暗点缺陷。
示例地,若根据一个尺寸较大,比如81*81的第一类型的卷积核,检测出屏幕的缺陷,则根据该卷积核的类型,可以获知该缺陷为亮缺陷,其次根据该卷积核的尺寸,可以获知该缺陷为亮块缺陷。若根据一个尺寸较小,比如17*17的第一类型的卷积核,检测出屏幕的缺陷,则根据该卷积核的类型,可以获知该缺陷为亮缺陷,若该缺陷的最小外接矩形的长宽比大于3:1,则根据该卷积核的尺寸以及该缺陷的最小外接矩形的长宽比,可以获知该缺陷为亮线缺陷,若该缺陷的最小外接矩形的长宽比小于或等于3:1,则根据该卷积核的尺寸以及该缺陷的最小外接矩形的长宽比,可以获知该缺陷为亮点缺陷。如此,根据屏幕缺陷检测时使用的卷积核的类型和尺寸,可以区分出检测出的屏幕的缺陷是亮缺陷、还是暗缺陷,进一步还可以区分出屏幕的缺陷是亮点缺陷、亮线缺陷、亮块缺陷,还是暗点缺陷、暗线缺陷、暗块缺陷。
在本申请实施例中,获取在屏幕显示纯色图时对该屏幕拍摄得到的第一图像,以及获取多个卷积核,该多个卷积核中的第一类型的卷积核用于增强亮点,该多个卷积核中的第二类型的卷积核用于增强暗点。之后,根据多个卷积核中的第一类型的卷积核对第一图像进行锐化滤波,得到的第二图像是增强亮点后的图像,根据这个第二图像确定的屏幕的缺陷为亮缺陷;根据多个卷积核中的第二类型的卷积核对第一图像进行锐化滤波,得到的第二图像是增强暗点后的图像,根据这个第二图像确定的屏幕的缺陷为暗缺陷。并且,由于多个卷积核中所有第一类型的卷积核的元素数量不同,因此第一类型的卷积核中元素数量多的卷积核可以用于检测亮块缺陷,第一类型的卷积核中元素数量少的卷积核用于检测亮点缺陷、亮线缺陷。同理,由于多个卷积核中所有第二类型的卷积核的元素数量不同,因此第二类型的卷积核中元素数量多的卷积核可以用于检测暗块缺陷,第二类型的卷积核中元素数量少的卷积核用于检测暗点缺陷、暗线缺陷。如此,本申请实施例中不仅可以检测出屏幕的缺陷是亮缺陷还是暗缺陷,还可以检测出屏幕中的点缺陷、线缺陷、块缺陷等缺陷,如此可以提高缺陷检测的效率,提高缺陷检测的准确度,防止出现漏检、误检的情况。
图2是本申请实施例提供的一种屏幕缺陷检测装置的结构示意图。该屏幕缺陷检测装置可以由软件、硬件或者两者的结合实现成为计算机设备的部分或者全部,该计算机设备可以为下文图3所示的计算机设备。参见图2,该装置包括:第一获取模块201、第二获取模块202、第三获取模块203、第一确定模块204。
第一获取模块201,用于获取第一图像,第一图像是在屏幕显示纯色图时对该屏幕拍摄得到的图像;
第二获取模块202,用于获取多个卷积核,该多个卷积核中各个卷积核的类型为第一类型或第二类型,第一类型的卷积核用于增强亮点,第二类型的卷积核用于增强暗点,该多个卷积核中所有第一类型的卷积核的元素数量不同,该多个卷积核中所有第二类型的卷积核的元素数量不同;
第三获取模块203,用于分别根据该多个卷积核中的每个卷积核对第一图像进行锐化滤波,得到多个第二图像;
第一确定模块204,用于根据该多个第二图像,确定该屏幕的缺陷。
可选地,第二获取模块202用于:
确定第一图像的图像类型,第一图像的图像类型用于指示该屏幕显示的纯色图的颜色;
根据第一图像的图像类型,从图像类型与卷积核之间的对应关系中,获取对应的多个卷积核。
可选地,对于该多个卷积核中的任意一个卷积核,这个卷积核包括n个元素值,这个卷积核的中心的元素值的符号与这个卷积核除中心的元素值之外的其他元素值的符号不同,且这个卷积核的中心的元素值与其他元素值之和互为相反数,且其他元素值中越靠近中心的元素值的绝对值越大,n为奇数。
可选地,第三获取模块203用于:
将第一图像转换为灰度图像;
分别使用该多个卷积核中的每个卷积核对该灰度图像进行锐化滤波,得到多个第二图像。
可选地,第一确定模块204包括:
获取单元,用于对于该多个第二图像中的任意一个第二图像,在将这个第二图像中的像素值小于第一像素阈值的像素点的像素值设置为0后,对这个第二图像进行连通区域分析,得到这个第二图像中的多个第一区域;
第一确定单元,用于确定该多个第一区域中满足预设条件的至少一个第一区域,该预设条件包括以下至少一个条件:区域中存在像素值大于第二像素阈值的像素点、区域的最小外接矩形的尺寸大于尺寸阈值、区域的像素点数量大于数量阈值;
第二确定单元,用于根据该至少一个第一区域,确定该屏幕的缺陷。
可选地,该装置还包括:
第四获取模块,用于获取灰尘图像,该灰尘图像是在该屏幕处于息屏状态时对该屏幕拍摄得到的图像;
第五获取模块,用于获取目标卷积核,目标卷积核用于增强亮点;
第六获取模块,用于根据目标卷积核对该灰尘图像进行锐化滤波,得到第三图像;
第二确定模块,用于确定第三图像中的灰尘位置,该灰尘位置用于指示该屏幕上存在灰尘的位置;
设置模块,用于对于该多个第二图像中的任意一个第二图像,将这个第二图像中位置与该灰尘位置相同的像素点的像素值设置为0。
可选地,所述第二确定单元用于:
获取灰尘图像,该灰尘图像是在该屏幕处于息屏状态时对该屏幕拍摄得到的图像;
获取目标卷积核,目标卷积核用于增强亮点;
根据目标卷积核对该灰尘图像进行锐化滤波,得到第三图像;
确定第三图像中的灰尘位置,该灰尘位置用于指示该屏幕上存在灰尘的位置;
在将该至少一个第一区域中位置与该灰尘位置相同的像素点的像素值设置为0后,对该至少一个第一区域中的每个第一区域进行连通区域分析,得到至少一个第二区域;
根据该至少一个第二区域在这个第二图像中的位置,确定该屏幕的缺陷位置。
可选地,第二确定单元用于:
将该至少一个第二区域中满足该预设条件的第二区域的位置确定为该屏幕的缺陷位置。
在本申请实施例中,获取在屏幕显示纯色图时对该屏幕拍摄得到的第一图像,以及获取多个卷积核,该多个卷积核中的第一类型的卷积核用于增强亮点,该多个卷积核中的第二类型的卷积核用于增强暗点。之后,根据多个卷积核中的第一类型的卷积核对第一图像进行锐化滤波,得到的第二图像是增强亮点后的图像,根据这个第二图像确定的屏幕的缺陷为亮缺陷;根据多个卷积核中的第二类型的卷积核对第一图像进行锐化滤波,得到的第二图像是增强暗点后的图像,根据这个第二图像确定的屏幕的缺陷为暗缺陷。并且,由于多个卷积核中所有第一类型的卷积核的元素数量不同,因此第一类型的卷积核中元素数量多的卷积核可以用于检测亮块缺陷,第一类型的卷积核中元素数量少的卷积核用于检测亮点缺陷、亮线缺陷。同理,由于多个卷积核中所有第二类型的卷积核的元素数量不同,因此第二类型的卷积核中元素数量多的卷积核可以用于检测暗块缺陷,第二类型的卷积核中元素数量少的卷积核用于检测暗点缺陷、暗线缺陷。如此,本申请实施例中不仅可以检测出屏幕的缺陷是亮缺陷还是暗缺陷,还可以检测出屏幕中的点缺陷、线缺陷、块缺陷等缺陷,如此可以提高缺陷检测的效率,提高缺陷检测的准确度,防止出现漏检、误检的情况。
需要说明的是:上述实施例提供的屏幕缺陷检测装置在对屏幕进行缺陷检测时,仅以上述各功能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模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。
上述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实施例的保护范围。
上述实施例提供的屏幕缺陷检测装置与屏幕缺陷检测方法实施例属于同一构思,上述实施例中单元、模块的具体工作过程及带来的技术效果,可参见方法实施例部分,此处不再赘述。
图3为本申请实施例提供的一种计算机设备的结构示意图。如图3所示,计算机设备3包括:处理器30、存储器31以及存储在存储器31中并可在处理器30上运行的计算机程序32,处理器30执行计算机程序32时实现上述实施例中的屏幕缺陷检测方法中的步骤。
计算机设备3可以是一个通用计算机设备或一个专用计算机设备。在具体实现中,计算机设备3可以是台式机、便携式电脑、网络服务器、掌上电脑、移动手机、平板电脑、无线终端设备、通信设备或嵌入式设备,本申请实施例不限定计算机设备3的类型。本领域技术人员可以理解,图3仅仅是计算机设备3的举例,并不构成对计算机设备3的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,比如还可以包括输入输出设备、网络接入设备等。
处理器30可以是中央处理单元(Central Processing Unit,CPU),处理器30还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(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、分立硬件组件等。通用处理器可以是微处理器或者也可以是任何常规的处理器。
存储器31在一些实施例中可以是计算机设备3的内部存储单元,比如计算机设备3的硬盘或内存。存储器31在另一些实施例中也可以是计算机设备3的外部存储设备,比如计算机设备3上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)等。进一步地,存储器31还可以既包括计算机设备3的内部存储单元也包括外部存储设备。存储器31用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等,比如计算机程序的程序代码等。存储器31还可以用于暂时地存储已经输出或者将要输出的数据。
本申请实施例还提供了一种计算机设备,该计算机设备包括:至少一个处理器、存储器以及存储在该存储器中并可在该至少一个处理器上运行的计算机程序,该处理器执行该计算机程序时实现上述任意各个方法实施例中的步骤。
本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序,该计算机程序被处理器执行时可实现上述各个方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品,当其在计算机上运行时,使得计算机执行上述各个方法实施例中的步骤。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述方法实施例中的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,该计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,该计算机程序包括计算机程序代码,该计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。该计算机可读介质至少可以包括:能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、ROM(Read-Only Memory,只读存储器)、RAM(Random Access Memory,随机存取存储器)、CD-ROM(Compact Disc Read-Only Memory,只读光盘)、磁带、软盘和光数据存储设备等。本申请提到的计算机可读存储介质可以为非易失性存储介质,换句话说,可以是非瞬时性存储介质。
应当理解的是,实现上述实施例的全部或部分步骤可以通过软件、硬件、固件或者其任意结合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。该计算机程序产品包括一个或多个计算机指令。该计算机指令可以存储在上述计算机可读存储介质中。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/计算机设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/计算机设备实施例仅仅是示意性的,例如,模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
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 (8)

1.一种屏幕缺陷检测方法,其特征在于,所述方法包括:
获取第一图像,所述第一图像是在屏幕显示纯色图时对所述屏幕拍摄得到的图像;
获取多个卷积核,所述多个卷积核中各个卷积核的类型为第一类型或第二类型,所述第一类型的卷积核用于增强亮点,所述第二类型的卷积核用于增强暗点,所述多个卷积核中所有第一类型的卷积核的元素数量不同,所述多个卷积核中所有第二类型的卷积核的元素数量不同;
分别根据所述多个卷积核中的每个卷积核对所述第一图像进行锐化滤波,得到多个第二图像;
根据所述多个第二图像,确定所述屏幕的缺陷;
其中,所述获取多个卷积核,包括:
确定所述第一图像的图像类型,所述第一图像的图像类型用于指示所述屏幕显示的纯色图的颜色;
根据所述第一图像的图像类型,从图像类型与卷积核之间的对应关系中,获取对应的多个卷积核;
其中,所述根据所述多个第二图像,确定所述屏幕的缺陷,包括:
对于所述多个第二图像中的任意一个第二图像,在将所述一个第二图像中的像素值小于第一像素阈值的像素点的像素值设置为0后,对所述一个第二图像进行连通区域分析,得到所述一个第二图像中的多个第一区域;
确定所述多个第一区域中满足预设条件的至少一个第一区域,所述预设条件包括以下至少一个条件:区域中存在像素值大于第二像素阈值的像素点、区域的最小外接矩形的尺寸大于尺寸阈值、区域的像素点数量大于数量阈值;
根据所述至少一个第一区域,确定所述屏幕的缺陷。
2.如权利要求1所述的方法,其特征在于,对于所述多个卷积核中的任意一个卷积核,所述一个卷积核包括n个元素值,所述一个卷积核的中心的元素值的符号与所述一个卷积核除中心的元素值之外的其他元素值的符号不同,且所述一个卷积核的中心的元素值与所述其他元素值之和互为相反数,且所述其他元素值中越靠近中心的元素值的绝对值越大,所述n为奇数。
3.如权利要求1所述的方法,其特征在于,所述根据所述多个第二图像,确定所述屏幕的缺陷之前,还包括:
获取灰尘图像,所述灰尘图像是在所述屏幕处于息屏状态时对所述屏幕拍摄得到的图像;
获取目标卷积核,所述目标卷积核用于增强亮点;
根据所述目标卷积核对所述灰尘图像进行锐化滤波,得到第三图像;
确定所述第三图像中的灰尘位置,所述灰尘位置用于指示所述屏幕上存在灰尘的位置;
对于所述多个第二图像中的任意一个第二图像,将所述一个第二图像中位置与所述灰尘位置相同的像素点的像素值设置为0。
4.如权利要求1所述的方法,其特征在于,所述根据所述至少一个第一区域,确定所述屏幕的缺陷,包括:
获取灰尘图像,所述灰尘图像是在所述屏幕处于息屏状态时对所述屏幕拍摄得到的图像;
获取目标卷积核,所述目标卷积核用于增强亮点;
根据所述目标卷积核对所述灰尘图像进行锐化滤波,得到第三图像;
确定所述第三图像中的灰尘位置,所述灰尘位置用于指示所述屏幕上存在灰尘的位置;
在将所述至少一个第一区域中位置与所述灰尘位置相同的像素点的像素值设置为0后,对所述至少一个第一区域中的每个第一区域进行连通区域分析,得到至少一个第二区域;
根据所述至少一个第二区域在所述一个第二图像中的位置,确定所述屏幕的缺陷位置。
5.如权利要求4所述的方法,其特征在于,所述根据所述至少一个第二区域在所述一个第二图像中的位置,确定所述屏幕的缺陷位置,包括:
将所述至少一个第二区域中满足所述预设条件的第二区域的位置确定为所述屏幕的缺陷位置。
6.一种屏幕缺陷检测装置,其特征在于,所述装置包括:
第一获取模块,用于获取第一图像,所述第一图像是在屏幕显示纯色图时对所述屏幕拍摄得到的图像;
第二获取模块,用于获取多个卷积核,所述多个卷积核中各个卷积核的类型为第一类型或第二类型,所述第一类型的卷积核用于增强亮点,所述第二类型的卷积核用于增强暗点,所述多个卷积核中所有第一类型的卷积核的元素数量不同,所述多个卷积核中所有第二类型的卷积核的元素数量不同;
第三获取模块,用于分别根据所述多个卷积核中的每个卷积核对所述第一图像进行锐化滤波,得到多个第二图像;
第一确定模块,用于根据所述多个第二图像,确定所述屏幕的缺陷;
其中,所述第二获取模块,包括:
第二确定模块,用于确定所述第一图像的图像类型,所述第一图像的图像类型用于指示所述屏幕显示的纯色图的颜色;
第四获取模块,用于根据所述第一图像的图像类型,从图像类型与卷积核之间的对应关系中,获取对应的多个卷积核;
其中,所述第一确定模块,包括:
分析模块,用于对于所述多个第二图像中的任意一个第二图像,在将所述一个第二图像中的像素值小于第一像素阈值的像素点的像素值设置为0后,对所述一个第二图像进行连通区域分析,得到所述一个第二图像中的多个第一区域;
第三确定模块,用于确定所述多个第一区域中满足预设条件的至少一个第一区域,所述预设条件包括以下至少一个条件:区域中存在像素值大于第二像素阈值的像素点、区域的最小外接矩形的尺寸大于尺寸阈值、区域的像素点数量大于数量阈值;
第四确定模块,用于根据所述至少一个第一区域,确定所述屏幕的缺陷。
7.一种计算机设备,其特征在于,所述计算机设备包括存储器、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,所述计算机程序被所述处理器执行时实现如权利要求1至5任一项所述的方法。
8.一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任一项所述的方法。
CN202110918041.9A 2021-08-11 2021-08-11 屏幕缺陷检测方法、装置、设备和存储介质 Active CN113781396B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110918041.9A CN113781396B (zh) 2021-08-11 2021-08-11 屏幕缺陷检测方法、装置、设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110918041.9A CN113781396B (zh) 2021-08-11 2021-08-11 屏幕缺陷检测方法、装置、设备和存储介质

Publications (2)

Publication Number Publication Date
CN113781396A CN113781396A (zh) 2021-12-10
CN113781396B true CN113781396B (zh) 2023-12-26

Family

ID=78837228

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110918041.9A Active CN113781396B (zh) 2021-08-11 2021-08-11 屏幕缺陷检测方法、装置、设备和存储介质

Country Status (1)

Country Link
CN (1) CN113781396B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115222653B (zh) * 2021-12-17 2023-08-18 荣耀终端有限公司 测试方法和装置
CN114332016A (zh) * 2021-12-29 2022-04-12 广州绿怡信息科技有限公司 设备屏幕光斑检测方法及装置
CN116405661B (zh) * 2023-04-28 2023-09-29 可诺特软件(深圳)有限公司 一种智能电视开发性能测试方法和装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004239733A (ja) * 2003-02-05 2004-08-26 Seiko Epson Corp 画面の欠陥検出方法及び装置
CN109119009A (zh) * 2017-06-26 2019-01-01 深圳回收宝科技有限公司 屏幕缺陷检测方法、检测设备、系统及存储介质
CN109872304A (zh) * 2019-01-17 2019-06-11 京东方科技集团股份有限公司 图像缺陷检测方法及装置、电子设备、存储介质
CN110726724A (zh) * 2019-10-22 2020-01-24 北京百度网讯科技有限公司 缺陷检测方法、系统和装置
CN111415339A (zh) * 2020-03-17 2020-07-14 广东工业大学 一种复杂纹理工业产品图像缺陷检测方法
CN111612781A (zh) * 2020-05-27 2020-09-01 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

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004239733A (ja) * 2003-02-05 2004-08-26 Seiko Epson Corp 画面の欠陥検出方法及び装置
CN109119009A (zh) * 2017-06-26 2019-01-01 深圳回收宝科技有限公司 屏幕缺陷检测方法、检测设备、系统及存储介质
CN109872304A (zh) * 2019-01-17 2019-06-11 京东方科技集团股份有限公司 图像缺陷检测方法及装置、电子设备、存储介质
CN110726724A (zh) * 2019-10-22 2020-01-24 北京百度网讯科技有限公司 缺陷检测方法、系统和装置
CN111415339A (zh) * 2020-03-17 2020-07-14 广东工业大学 一种复杂纹理工业产品图像缺陷检测方法
CN111612781A (zh) * 2020-05-27 2020-09-01 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

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于多尺度轻量级卷积网络的PCB裸板缺陷识别算法;刘伟森;方亦建;;自动化与信息工程(05);全文 *

Also Published As

Publication number Publication date
CN113781396A (zh) 2021-12-10

Similar Documents

Publication Publication Date Title
CN113781396B (zh) 屏幕缺陷检测方法、装置、设备和存储介质
CN108280822B (zh) 屏幕划痕的检测方法及装置
CN111612781A (zh) 一种屏幕缺陷检测方法、装置及头戴显示设备
CN108683907A (zh) 光学模组像素缺陷检测方法、装置及设备
CN109726620B (zh) 一种视频火焰检测方法及装置
CN111325717B (zh) 手机缺陷位置识别方法及设备
CN113240630B (zh) 散斑图像质量评估方法、装置、终端设备及可读存储介质
CN111259891B (zh) 一种自然场景下身份证识别方法、装置、设备和介质
CN108596908B (zh) Led显示屏检测方法、装置及终端
CN111583258B (zh) 缺陷检测方法、装置、系统及存储介质
CN111311556B (zh) 手机缺陷位置识别方法及设备
CN113781393B (zh) 屏幕缺陷检测方法、装置、设备及存储介质
CN111445452B (zh) 电子产品的缺陷检测方法、装置及计算机可读存储介质
CN115018797A (zh) 屏幕缺陷的检测方法、检测设备以及计算机可读存储介质
CN113785181A (zh) Oled屏幕点缺陷判定方法、装置、存储介质及电子设备
CN108107611B (zh) 一种自适应缺陷检测方法、装置及电子设备
CN113283439B (zh) 基于图像识别的智能计数方法、装置及系统
CN114581415A (zh) Pcb缺陷的检测方法、装置、计算机设备及存储介质
CN112967258B (zh) 手表的显示缺陷检测方法、装置及计算机可读存储介质
CN113012137B (zh) 一种面板缺陷检查方法、系统、终端设备及存储介质
CN115049633A (zh) 屏幕质量检测方法、装置及手环、计算机可读存储介质
CN113689378A (zh) 试纸带精准定位的判定方法、装置、存储介质及终端
CN114689605A (zh) 基于机器视觉的显示屏检测方法、装置、设备及介质
CN114782418B (zh) 瓷砖表面缺陷的检测方法及装置、存储介质
CN116993654B (zh) 摄像头模组缺陷检测方法、装置、设备、存储介质及产品

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