CN113822884B - 基于小波变换的mura缺陷检测方法和系统 - Google Patents
基于小波变换的mura缺陷检测方法和系统 Download PDFInfo
- Publication number
- CN113822884B CN113822884B CN202111387780.6A CN202111387780A CN113822884B CN 113822884 B CN113822884 B CN 113822884B CN 202111387780 A CN202111387780 A CN 202111387780A CN 113822884 B CN113822884 B CN 113822884B
- Authority
- CN
- China
- Prior art keywords
- image
- wavelet
- partial derivative
- order partial
- mura
- 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
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
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了一种基于小波变换的mura缺陷检测方法,包括以下步骤:将TDI相机采集到的TFT LCD原图像进行小波变换,得到被检图像的小波域图;将小波域图的最低尺度近似分量的所有值置为0并进行小波反变换,得到时域图像;将原图像与反变换后的时域图像进行叠加再进行归一化得到处理后的图像;对归一化处理后的图像分别在X方向和Y方向上求取一阶偏导数,并根据一阶偏导数计算出每个像素点的梯度方向;对归一化处理后的图像利用拉普拉斯算子求取二阶偏导数,沿垂直于像素点的梯度方向的局部区域求取二阶偏导数的局部极大值,并根据局部极大值确定mura位置。本发明精度高,速度快,鲁棒性好。
Description
技术领域
本发明属于机器视觉自动缺陷检测领域,涉及一种基于小波变换的TFT LCD mura缺陷的检测方法,更具体地,涉及一种在TFT LCD面板领域利用小波变换和图像的偏微分进行自动mura缺陷检测的方法。
背景技术
Mura缺陷的普遍存在限制了TFT LCD面板的良率,依靠人眼的传统 Mura 缺陷检测不但成本较高,而且还会受到检测人员的疲劳等因素的影响。尽管现在基于视觉算法的显示面板缺陷检测吸引了很多专家学者的关注和研究,但是目前的算法普遍存在精度低、速度慢和适用性差等问题。为了克服这些缺点,本发明设计了基于TFT LCD显示面板行业的Mura缺陷检测算法。
现已有与本发明最相近似的解决方案是通过一种基于融合全局信息和局部信息的混合自适应模型的mura检测方法。例如,中国发明专利申请号CN106157310 B公开了一种基于融合全局信息和局部信息的混合自适应模型的mura检测方法:首先对图像进行区域分割和角度矫正,然后转换到hsv色彩空间,利用s通道图像进行二维DFT处理进行背景抑制,最后利用混合自适应水平集模型对背景抑制后的图像进行mura缺陷分割,最后对分割的结果进行结果融合与展示。该方法主要通过背景抑制的方法来对图像进行处理,而mura缺陷往往比较淡,跟背景相似度较高,所以该专利通过抑制背景的方法,通过会遗漏跟背景较为接近的mura缺陷,缺陷检出率低。
发明内容
为解决以上问题,针对遗漏淡mura缺陷这个缺点,本发明利用小波变换的技术,通过压制低阶近似分量后,将得到的细节分量进行叠加到原图上进行mura缺陷增强后,利用二阶偏导数进行mura缺陷检测的方法。
具体的,根据本发明的第一个方面,提供了一种基于小波变换的mura缺陷的检测方法,包括以下步骤:
将TDI相机采集到的TFT LCD原图像进行小波变换,得到被检图像的小波域图;
将所述小波域图的最低尺度近似分量的所有值置为0并进行小波反变换,得到时域图像;
将所述原图像与反变换后的时域图像进行叠加再进行归一化得到处理后的图像;
对归一化处理后的图像分别在X方向和Y方向上求取一阶偏导数,并根据所述一阶偏导数计算出每个像素点的梯度方向;
对归一化处理后的图像利用拉普拉斯算子求取二阶偏导数,沿垂直于所述像素点的梯度方向的局部区域求取所述二阶偏导数的局部极大值,并根据局部极大值确定mura位置。
进一步地,其中将TDI相机采集到的TFT LCD原图像进行小波变换,得到被检图像的小波域图,包括:
将TDI相机采集到的图像进行小波变换,其中小波变换公式如下:
上式中f(x,y)代表一幅大小为M*N的图像矩阵,其中 x = 0,1,2,···,M-1 和y = 0,1,2,···,N-1 , 是一个任意的开始尺度, 系数定义了f(x,y)在尺度处的近似, 系数是对尺度附加了水平,垂直和对角方向的细节,其中i=(H,V,D)中的H、V、D分别表示水平、垂直和对角方向, 和为二维尺度和平移基函数,公式如下:
其中二维尺度和平移基函数是由如下两个一维函数的乘积获得:
其中两个一维函数的表达式如下:
进一步地,将所述小波域图的最低尺度近似分量的所有值置为0,并进行小波反变换,得到时域图像,包括:
将最低阶的近似分量置为0,并进行小波反变换,公式如下:
其中,式中M,N 为图像矩阵的宽高, 为f(x,y)在尺度处的近似,系数是对尺度附加了水平,垂直和对角方向的细节, 和为二维尺度和平移基函数,H、V、D分别表示水平、垂直和对角方向, 表示小波反变换结果。
进一步地,将所述原图像与反变换后的时域图像进行叠加再进行归一化得到处理后的图像,包括:
其中将所述原图像与反变换后的时域图像进行叠加为图像对应像素相加,并对结果图像进行归一化,公式如下:
其中r(x,y)为叠加后的图像在(x,y)处的灰度值,min(r)表示图像r的最小灰度值,max(r)表示图像r的最大灰度值,norm(x,y)为归一化后的图像。
进一步地,对归一化处理后的图像分别在X方向和Y方向上求取一阶偏导数,并根据所述一阶偏导数计算出每个像素点的梯度方向,包括:
其中X和Y方向的一阶偏导数公式分别如下:
其中每个像素点的梯度方向的计算公式如下:
进一步地,对归一化处理后的图像利用拉普拉斯算子求取二阶偏导数,包括:
其中拉普拉斯算子公式为:
其中:
进一步地,所述沿垂直于所述像素点的梯度方向的局部区域求取所述二阶偏导数的局部极大值,并根据局部极大值确定mura位置,包括:
在沿着垂直于梯度方向的局部区域进行求取所述二阶偏导数的局部极大值,当极大值大于设定的阈值时,将该像素点记为mura的位置点,将所有mura位置点沿着与梯度方向相垂直的方向连起来即确定mura的最终位置。
根据本发明的第二个方面,还提供了一种基于小波变换的mura缺陷检测系统,包括:
小波变换模块,用于将TDI相机采集到的TFT LCD原图像进行小波变换,得到被检图像的小波域图;
小波反变换模块,用于将所述小波域图的最低尺度近似分量的所有值置为0并进行小波反变换,得到时域图像;
归一化模块,用于将所述原图像与反变换后的时域图像进行叠加再进行归一化得到处理后的图像;
梯度方向计算模块,用于对归一化处理后的图像分别在X方向和Y方向上求取一阶偏导数,并根据所述一阶偏导数计算出每个像素点的梯度方向;
mura位置确定模块,用于对归一化处理后的图像利用拉普拉斯算子求取二阶偏导数,沿垂直于所述像素点的梯度方向的局部区域求取所述二阶偏导数的局部极大值,并根据局部极大值确定mura位置。
与现有技术相比,本发明的有益效果是通过小波变换的技术,实现了mura缺陷边缘特征的增强,然后再对增强后的图像进行求取一阶二阶导,最终根据增强图像的偏导数来实现mura缺陷的检测定位。
附图说明
在附图中,除非另外规定,否则贯穿多个附图相同的附图标记表示相同或相似的部件或元素。这些附图不一定是按照比例绘制的。应该理解,这些附图仅描绘了根据本申请公开的一些实施方式,而不应将其视为是对本申请范围的限制。
图1示出根据本申请实施例的基于小波变换的mura缺陷检测方法的流程图。
图2为本发明的两个一维小波函数图。
图3示出根据本申请实施例的基于小波变换的mura缺陷检测系统的构成图。
图4示出了本申请一实施例所提供的一种电子设备的结构示意图;
图5示出了本申请一实施例所提供的一种存储介质的示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
术语:TDI,是Time Delay Integration,意思是时间延迟积分,适用于高速移动的物体。
如图1所示,本发明的一种基于小波变换的TFT LCD mura缺陷的检测方法,包括如下:
S101、将TDI相机采集到的TFT LCD原图像进行小波变换,得到被检图像的小波域图,其中小波变换公式如下:
上式中f(x,y)代表一幅大小为M*N的图像矩阵,其中 x = 0,1,2,···,M-1 和y = 0,1,2,···,N-1 , 是一个任意的开始尺度,系数定义了f(x,y)在尺度处的近似。系数是对尺度附加了水平,垂直和对角方向的细节,其中i=(H,V,D)中的H、V、D分别表示水平、垂直和对角方向。和为二维尺度和平移基函数,公式如下:
其中二维尺度和平移基函数是由如下两个一维函数的乘积获得:
其中两个一维函数的表达式如下:
如图2所示。
S102、将所述小波域图的最低尺度近似分量的所有值置为0并进行小波反变换,得到时域图像。公式如下:
其中,式中M,N 为图像矩阵的宽高,为f(x,y)在尺度处的近似。系数是对尺度附加了水平,垂直和对角方向的细节。和为二维尺度和平移基函数如上所述,H、V、D分别表示水平、垂直和对角方向,表示小波反变换结果。
S103、将所述原图像与反变换后的时域图像进行叠加再进行归一化得到处理后的图像,公式如下:
其中r(x,y)为叠加后的图像在(x,y)处的灰度值,min(r)表示图像r的最小灰度值,max(r)表示图像r的最大灰度值,norm(x,y)为归一化后的图像。
S104、对归一化处理后的图像分别在X方向和Y方向上求取一阶偏导数,并根据所述一阶偏导数计算出每个像素点的梯度方向,包括:
其中X和Y方向的一阶偏导数公式分别如下:
其中每个像素点的梯度方向的计算公式如下:
S105、对归一化处理后的图像利用拉普拉斯算子求取二阶偏导数,沿垂直于所述像素点的梯度方向的局部区域求取所述二阶偏导数的局部极大值,并根据局部极大值确定mura位置。
其中拉普拉斯算子公式为:
其中:
计算完偏导数之后,沿垂直于像素点梯度方向的局部区域进行求取二阶导的局部极大值,并根据局部极大值确定mura位置。包括:
其中在沿着垂直于梯度方向的局部区域进行求取二阶导的局部极大值,当极大值大于设定的阈值时,即可将该像素点记为mura的位置点。最终将所有mura位置点沿着与梯度方向相垂直的方向连起来即可确定mura的最终位置。
申请实施例提供了一种基于小波变换的mura缺陷检测系统,该系统用于执行上述实施例所述的基于小波变换的mura缺陷检测方法,如图3所示,该系统包括:
小波变换模块501,用于将TDI相机采集到的TFT LCD原图像进行小波变换,得到被检图像的小波域图;
小波反变换模块502,用于将所述小波域图的最低尺度近似分量的所有值置为0并进行小波反变换,得到时域图像;
归一化模块503,用于将所述原图像与反变换后的时域图像进行叠加再进行归一化得到处理后的图像;
梯度方向计算模块504,用于对归一化处理后的图像分别在X方向和Y方向上求取一阶偏导数,并根据所述一阶偏导数计算出每个像素点的梯度方向;
mura位置确定模块505,用于对归一化处理后的图像利用拉普拉斯算子求取二阶偏导数,沿垂直于所述像素点的梯度方向的局部区域求取所述二阶偏导数的局部极大值,并根据局部极大值确定mura位置。
本申请的上述实施例提供的基于小波变换的mura缺陷检测系统与本申请实施例提供的基于小波变换的mura缺陷检测方法出于相同的发明构思,具有与其存储的应用程序所采用、运行或实现的方法相同的有益效果。
本申请实施方式还提供一种与前述实施方式所提供的基于小波变换的mura缺陷检测方法对应的电子设备,以执行上基于小波变换的mura缺陷检测方法。本申请实施例不做限定。
请参考图4,其示出了本申请的一些实施方式所提供的一种电子设备的示意图。如图4所示,所述电子设备2包括:处理器200,存储器201,总线202和通信接口203,所述处理器200、通信接口203和存储器201通过总线202连接;所述存储器201中存储有可在所述处理器200上运行的计算机程序,所述处理器200运行所述计算机程序时执行本申请前述任一实施方式所提供的基于小波变换的mura缺陷检测方法。
其中,存储器201可能包含高速随机存取存储器(RAM:Random Access Memory),也可能还包括非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。通过至少一个通信接口203(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接,可以使用互联网、广域网、本地网、城域网等。
总线202可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。其中,存储器201用于存储程序,所述处理器200在接收到执行指令后,执行所述程序,前述本申请实施例任一实施方式揭示的所述基于小波变换的mura缺陷检测方法可以应用于处理器200中,或者由处理器200实现。
处理器200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200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200可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(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201,处理器200读取存储器201中的信息,结合其硬件完成上述方法的步骤。
本申请实施例提供的电子设备与本申请实施例提供的基于小波变换的mura缺陷检测方法出于相同的发明构思,具有与其采用、运行或实现的方法相同的有益效果。
本申请实施方式还提供一种与前述实施方式所提供的基于小波变换的mura缺陷检测方法对应的计算机可读存储介质,请参考图5,其示出的计算机可读存储介质为光盘30,其上存储有计算机程序(即程序产品),所述计算机程序在被处理器运行时,会执行前述任意实施方式所提供的基于小波变换的mura缺陷检测方法。
需要说明的是,所述计算机可读存储介质的例子还可以包括,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)、快闪记忆体或其他光学、磁性存储介质,在此不再一一赘述。
本申请的上述实施例提供的计算机可读存储介质与本申请实施例提供的基于小波变换的mura缺陷检测方法出于相同的发明构思,具有与其存储的应用程序所采用、运行或实现的方法相同的有益效果。
需要说明的是:
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备有固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本申请也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本申请的内容,并且上面对特定语言所做的描述是为了披露本申请的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本申请的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
Claims (7)
1.一种基于小波变换的mura缺陷检测方法,其特征在于,包括以下步骤:
将TDI相机采集到的TFT LCD原图像进行小波变换,得到被检图像的小波域图,包括:
将TDI相机采集到的图像进行小波变换,其中小波变换公式如下:
上式中f(x,y)代表一幅大小为M*N的图像矩阵,其中x=0,1,2,…,M-1和y=0,1,2,…,N-1,j0是一个任意的开始尺度,系数定义了f(x,y)在尺度j0处的近似,系数是对尺度j≥j0附加了水平,垂直和对角方向的细节,其中i=(H,V,D)中的H、V、D分别表示水平、垂直和对角方向,和为二维尺度和平移基函数,公式如下:
其中二维尺度和平移基函数是由如下两个一维函数的乘积获得:
ψD(x,y)=ψ(x)ψ(y)
其中两个一维函数的表达式如下:
将所述小波域图的最低尺度近似分量的所有值置为0并进行小波反变换,得到时域图像;
将所述原图像与反变换后的时域图像进行叠加再进行归一化得到处理后的图像,包括:
其中将所述原图像与反变换后的时域图像进行叠加为图像对应像素相加,并对结果图像进行归一化,公式如下:
其中r(x,y)为叠加后的图像在(x,y)处的灰度值,min(r)表示图像r的最小灰度值,max(r)表示图像r的最大灰度值,norm(x,y)为归一化后的图像;
对归一化处理后的图像分别在X方向和Y方向上求取一阶偏导数,并根据所述一阶偏导数计算出每个像素点的梯度方向;
对归一化处理后的图像利用拉普拉斯算子求取二阶偏导数,沿垂直于所述像素点的梯度方向的局部区域求取所述二阶偏导数的局部极大值,并根据局部极大值确定mura位置,包括:在沿着垂直于梯度方向的局部区域进行求取所述二阶偏导数的局部极大值,当极大值大于设定的阈值时,将该像素点记为mura的位置点,将所有mura位置点沿着与梯度方向相垂直的方向连起来即确定mura的最终位置。
5.一种基于小波变换的mura缺陷检测系统,其特征在于,包括:
小波变换模块,用于将TDI相机采集到的TFT LCD原图像进行小波变换,得到被检图像的小波域图,包括:
将TDI相机采集到的图像进行小波变换,其中小波变换公式如下:
上式中f(x,y)代表一幅大小为M*N的图像矩阵,其中x=0,1,2,…,M-1和y=0,1,2,…,N-1,j0是一个任意的开始尺度,系数定义了f(x,y)在尺度j0处的近似,系数是对尺度j≥j0附加了水平,垂直和对角方向的细节,其中i=(H,V,D)中的H、V、D分别表示水平、垂直和对角方向,和为二维尺度和平移基函数,公式如下:
其中二维尺度和平移基函数是由如下两个一维函数的乘积获得:
ψD(x,y)=ψ(x)ψ(y)
其中两个一维函数的表达式如下:
小波反变换模块,用于将所述小波域图的最低尺度近似分量的所有值置为0并进行小波反变换,得到时域图像;
归一化模块,用于将所述原图像与反变换后的时域图像进行叠加再进行归一化得到处理后的图像,包括:
其中将所述原图像与反变换后的时域图像进行叠加为图像对应像素相加,并对结果图像进行归一化,公式如下:
其中r(x,y)为叠加后的图像在(x,y)处的灰度值,min(r)表示图像r的最小灰度值,max(r)表示图像r的最大灰度值,norm(x,y)为归一化后的图像;
梯度方向计算模块,用于对归一化处理后的图像分别在X方向和Y方向上求取一阶偏导数,并根据所述一阶偏导数计算出每个像素点的梯度方向;
mura位置确定模块,用于对归一化处理后的图像利用拉普拉斯算子求取二阶偏导数,沿垂直于所述像素点的梯度方向的局部区域求取所述二阶偏导数的局部极大值,并根据局部极大值确定mura位置,包括:在沿着垂直于梯度方向的局部区域进行求取所述二阶偏导数的局部极大值,当极大值大于设定的阈值时,将该像素点记为mura的位置点,将所有mura位置点沿着与梯度方向相垂直的方向连起来即确定mura的最终位置。
6.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器运行所述计算机程序以实现如权利要求1-4任一项所述的方法。
7.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行实现如权利要求1-4中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111387780.6A CN113822884B (zh) | 2021-11-22 | 2021-11-22 | 基于小波变换的mura缺陷检测方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111387780.6A CN113822884B (zh) | 2021-11-22 | 2021-11-22 | 基于小波变换的mura缺陷检测方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113822884A CN113822884A (zh) | 2021-12-21 |
CN113822884B true CN113822884B (zh) | 2022-06-28 |
Family
ID=78919638
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111387780.6A Active CN113822884B (zh) | 2021-11-22 | 2021-11-22 | 基于小波变换的mura缺陷检测方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113822884B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104392432A (zh) * | 2014-11-03 | 2015-03-04 | 深圳市华星光电技术有限公司 | 基于方向梯度直方图的显示面板缺陷检测方法 |
CN105335972A (zh) * | 2015-10-20 | 2016-02-17 | 江南大学 | 基于小波轮廓波变换与视觉显著性的经编织物疵点检测方法 |
KR20160054151A (ko) * | 2014-11-05 | 2016-05-16 | 한밭대학교 산학협력단 | 웨이블릿 변환에서 마스크 필터링을 이용한 얼룩 결함 자동 검출 시스템 및 방법 |
CN105931201A (zh) * | 2016-04-20 | 2016-09-07 | 北京航空航天大学 | 一种基于小波变换的图像主观视觉效果增强方法 |
CN106556940A (zh) * | 2016-11-10 | 2017-04-05 | 武汉精测电子技术股份有限公司 | 一种tft‑lcd屏自动光学检测中的背景抑制方法 |
CN106846316A (zh) * | 2017-02-10 | 2017-06-13 | 云南电网有限责任公司电力科学研究院 | 一种gis内部典型缺陷图像自动识别方法 |
CN107067382A (zh) * | 2017-05-11 | 2017-08-18 | 南宁市正祥科技有限公司 | 一种改进的图像边缘检测方法 |
-
2021
- 2021-11-22 CN CN202111387780.6A patent/CN113822884B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104392432A (zh) * | 2014-11-03 | 2015-03-04 | 深圳市华星光电技术有限公司 | 基于方向梯度直方图的显示面板缺陷检测方法 |
KR20160054151A (ko) * | 2014-11-05 | 2016-05-16 | 한밭대학교 산학협력단 | 웨이블릿 변환에서 마스크 필터링을 이용한 얼룩 결함 자동 검출 시스템 및 방법 |
CN105335972A (zh) * | 2015-10-20 | 2016-02-17 | 江南大学 | 基于小波轮廓波变换与视觉显著性的经编织物疵点检测方法 |
CN105931201A (zh) * | 2016-04-20 | 2016-09-07 | 北京航空航天大学 | 一种基于小波变换的图像主观视觉效果增强方法 |
CN106556940A (zh) * | 2016-11-10 | 2017-04-05 | 武汉精测电子技术股份有限公司 | 一种tft‑lcd屏自动光学检测中的背景抑制方法 |
CN106846316A (zh) * | 2017-02-10 | 2017-06-13 | 云南电网有限责任公司电力科学研究院 | 一种gis内部典型缺陷图像自动识别方法 |
CN107067382A (zh) * | 2017-05-11 | 2017-08-18 | 南宁市正祥科技有限公司 | 一种改进的图像边缘检测方法 |
Non-Patent Citations (3)
Title |
---|
Application of the Haar wavelet to mura detection for polarizer;Chi-Cheng Cheng等;《2013 IEEE International Conference on Industrial Technology (ICIT)》;20130423;全文 * |
基于各向异性高斯滤波的图像边缘检测方法;王丹;《中国优秀硕士学位论文全文数据库信息科技辑》;20101115(第11期);第I138-171页 * |
基于机器视觉的液晶显示屏Mura缺陷检测;陈凌海;《中国优秀硕士学位论文全文数据库信息科技辑》;20180715(第07期);第I136-40页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113822884A (zh) | 2021-12-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3620981B1 (en) | Object detection method, device, apparatus and computer-readable storage medium | |
CN111340752A (zh) | 屏幕的检测方法、装置、电子设备及计算机可读存储介质 | |
US20160314563A1 (en) | Method for correcting fragmentary or deformed quadrangular image | |
EP2889830A1 (en) | Image enlargement method and apparatus | |
CN112098416A (zh) | 一种基于机器视觉的风机叶片缺陷检测方法及系统 | |
JP2008020225A (ja) | 自己位置推定プログラム、自己位置推定方法および自己位置推定装置 | |
JP2022153857A (ja) | 画像処理装置、画像処理方法、移動装置、及びコンピュータプログラム | |
CN112991349B (zh) | 图像处理方法、装置、设备和存储介质 | |
CN117197527A (zh) | 一种液晶显示屏的玻璃基板的缺陷检测分类方法及装置 | |
CN113822893B (zh) | 一种基于纹理特征的液晶面板外围电路检测方法和系统 | |
CN113822884B (zh) | 基于小波变换的mura缺陷检测方法和系统 | |
CN116309583B (zh) | 一种显示屏凹痕缺陷检测的方法和系统 | |
CN112634628A (zh) | 一种车辆速度确定方法、终端及存储介质 | |
US20170140538A1 (en) | Image preprocessing method and electronic device for image registration | |
CN111369513A (zh) | 一种异常检测方法、装置、终端设备及存储介质 | |
CN113822883B (zh) | 一种基于寻找晶圆直边的晶圆对位方法和系统 | |
CN114240837A (zh) | 焊缝定位方法、装置、设备及存储介质 | |
Prun et al. | Geometric filtration of classification-based object detectors in realtime road scene recognition systems | |
CN117745720B (zh) | 一种车辆外观检测方法、装置、设备及存储介质 | |
CN113808136B (zh) | 一种基于最近邻算法的液晶屏幕缺陷检测方法和系统 | |
CN113487594B (zh) | 一种基于深度学习的亚像素角点检测方法、系统及介质 | |
CN115994955B (zh) | 相机外参标定方法、装置和车辆 | |
CN113379591B (zh) | 速度确定方法、速度确定装置、电子设备及存储介质 | |
CN116524464A (zh) | 一种障碍物检测误差修正方法及系统 | |
Gladkov et al. | Comparison of stereo matching algorithms for obstacle detection and collision avoidance |
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 |