CN114004777A - 柔性屏的断裂线检测方法及装置、计算机设备及介质 - Google Patents
柔性屏的断裂线检测方法及装置、计算机设备及介质 Download PDFInfo
- Publication number
- CN114004777A CN114004777A CN202010676669.8A CN202010676669A CN114004777A CN 114004777 A CN114004777 A CN 114004777A CN 202010676669 A CN202010676669 A CN 202010676669A CN 114004777 A CN114004777 A CN 114004777A
- Authority
- CN
- China
- Prior art keywords
- region
- image
- interest
- flexible screen
- broken line
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000005452 bending Methods 0.000 claims abstract description 92
- 238000001514 detection method Methods 0.000 claims abstract description 79
- 238000012545 processing Methods 0.000 claims abstract description 16
- 238000004590 computer program Methods 0.000 claims description 10
- 238000007781 pre-processing Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 230000007547 defect Effects 0.000 abstract description 7
- 238000004891 communication Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000006835 compression Effects 0.000 description 5
- 238000007906 compression Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 239000011521 glass Substances 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 238000003708 edge detection Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000011031 large-scale manufacturing process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000009466 transformation 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
- G06T7/0004—Industrial image inspection
-
- G06T5/70—
-
- G06T5/73—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
-
- 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
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
-
- 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
- G06T2207/30121—CRT, LCD or plasma display
Abstract
本申请实施例公开一种柔性屏的断裂线检测方法及装置、计算机设备及介质。该方法包括:获取图像采集器采集的柔性屏的弯折区图像,并将弯折区图像转换为二值化图像;检测得到二值化图像中的边缘反光区域,根据边缘反光区域确定断裂线检测的感兴趣区域;对感兴趣区域进行断裂线识别,得到断裂线检测结果。本申请的检测方法可精确高效的提取断裂线检测的感兴趣区域,进而可实现对柔性屏的弯折区断裂线的精确高效检测,有效降低了识别柔性屏缺陷的处理时间且有效提高了柔性屏缺陷的识别率。
Description
技术领域
本申请涉及显示技术领域。更具体地,涉及一种柔性屏的断裂线检测方法及装置、计算机设备及介质。
背景技术
在例如曲面屏、折叠屏等柔性屏的OLED显示面板的制备工艺中,在显示层与例如曲面玻璃盖板或柔性盖板等盖板贴合时可能会出现微小裂纹,即显示层出现断裂线(Crack),这会导致水氧进入,对显示层造成破坏,最终导致显示面板报废。
对于柔性屏的断裂线检测,人工检测的方法成本高、效率低且多数细微的断裂线凭肉眼难以观测,很容易发生造成漏检测与过检测。目前,已存在一些自动检测方式,主要分为两种:一种是人工智能分析,这种检测方式准确率高且适用性强,但是其准确性依赖大量的图像样本进行学习;另一种是机器视觉,通常,机器视觉检测方式图像处理速度慢、检测的准确率和效率受对于断裂线检测的感兴趣区域(ROI,Region Of Interest)的提取结果的影响很大,导致存在对单幅图像的检测时间较长、漏检率和过检率较高等问题,在大规模生产测试的场景下,很难达到产线的节拍时间要求和检测要求。
发明内容
本申请的目的在于提供一种柔性屏的断裂线检测方法及装置、计算机设备及介质,以解决现有技术存在的问题中的至少一个。
为达到上述目的,本申请采用下述技术方案:
本申请第一方面提供了一种柔性屏的断裂线检测方法,包括:
获取图像采集器采集的柔性屏的弯折区图像,并将所述弯折区图像转换为二值化图像;
检测得到所述二值化图像中的边缘反光区域,根据所述边缘反光区域确定断裂线检测的感兴趣区域;
对所述感兴趣区域进行断裂线识别,得到断裂线检测结果。
发明人发现,在利用图像采集器采集柔性屏的弯折区图像时,弯折区图像会存在反光强烈的边缘反光区域或者说边缘反光带。由此,本申请第一方面提供的柔性屏的断裂线检测方法以二值化图像中灰度特征明显的边缘反光区域为依据,来精确高效的提取断裂线检测的感兴趣区域,可实现对柔性屏的弯折区断裂线的精确高效检测,有效降低了识别柔性屏缺陷的处理时间且有效提高了柔性屏缺陷的识别率。
在一种可能的实现方式中,所述根据所述边缘反光区域确定断裂线检测的感兴趣区域包括:选定所述边缘反光区域的设定侧的设定像素距离处的设定像素宽度范围内的区域为断裂线检测的感兴趣区域。
在图像采集器的拍摄参数、拍摄角度、拍摄距离及待检测弯折区的弯折角确定的情况下,断裂线检测的感兴趣区域的尺寸及其与边缘反光区域的位置关系是确定的,基于此,本实现方式保证提取断裂线检测的感兴趣区域的精确性和高效性。
在一种可能的实现方式中,所述断裂线检测的感兴趣区域的高度选定为与所述边缘反光区域的高度相同。
此实现方式,可进一步提升识别柔性屏的弯折区断裂线的高效性。
在一种可能的实现方式中,所述对所述感兴趣区域进行断裂线识别包括:对所述感兴趣区域进行基于灰度特征的断裂线识别;若识别出断裂线,则进行判断:基于所述断裂线与弯折区的弯折轴之间的角度偏差小于设定角度阈值,判定检测结果为存在断裂线不良。
弯折区的断裂线通常与弯折区的弯折轴大致平行,基于此,本实现方式通过判断识别得到的断裂线与弯折轴之间的角度偏差是否小于设定角度阈值,可以进一步判别识别得到的断裂线确是显示层的断裂线不良,还是由于例如曲面屏的曲面玻璃盖板或折叠屏的柔性盖板存在污渍、瑕疵等因素导致的假不良,从而进一步提升识别柔性屏的弯折区断裂线的精确性。
在一种可能的实现方式中,所述若识别出断裂线,则进行判断之前,还包括:基于霍夫变换合并在所述感兴趣区域中识别出的断裂线。
断裂线通常较长,而断裂线上的断裂较轻微位置的灰度特征不明显,可能不能被正确识别。基于此,此实现方式可避免一条断裂线被识别为多条不连续的断裂线的情况。
在一种可能的实现方式中,在所述根据所述边缘反光区域确定断裂线检测的感兴趣区域之后且所述对所述感兴趣区域进行断裂线识别之前,该方法还包括:对所述感兴趣区域进行图像增强。
在一种可能的实现方式中,所述图像增强包括:伽马变换、噪声点消除和边缘锐化中的至少之一。
此实现方式,可进一步提升识别柔性屏的弯折区断裂线的精确性。
在一种可能的实现方式中,所述获取图像采集器采集的柔性屏的弯折区图像包括:获取多个采集角度不同的图像采集器分别采集的柔性屏的多个弯折区图像。
此实现方式通过对多角度采集的弯折区图像分别进行断裂线识别,可进一步提升识别柔性屏的弯折区断裂线的精确性,避免由于图像采集器的采集范围较窄等因素导致的漏检测。
本申请第二方面提供了一种柔性屏的断裂线检测装置,包括:
预处理模块,配置为获取图像采集器采集的柔性屏的弯折区图像,并将所述弯折区图像转换为二值化图像;
感兴趣区域确定模块,配置为检测得到所述二值化图像中的边缘反光区域,根据所述边缘反光区域确定断裂线检测的感兴趣区域;以及
识别模块,配置为对所述感兴趣区域进行断裂线识别,得到断裂线检测结果。
在一种可能的实现方式中,所述感兴趣区域确定模块,配置为根据所述边缘反光区域确定断裂线检测的感兴趣区域包括:选定所述边缘反光区域的预设侧的预设像素距离处的预设像素宽度范围内的区域为断裂线检测的感兴趣区域。
在一种可能的实现方式中,所述识别模块,配置为对所述感兴趣区域进行断裂线识别,得到断裂线检测结果包括:对所述感兴趣区域进行基于灰度特征的断裂线识别,进行判断:若存在断裂线且所述断裂线与弯折区的弯折轴之间的角度偏差小于预设角度阈值,则判定检测结果为存在断裂线不良。
在一种可能的实现方式中,该装置还包括用于采集柔性屏的弯折区图像的所述图像采集器。
在一种可能的实现方式中,所述图像采集器包括多个采集角度不同的图像采集器。
在一种可能的实现方式中,所述图像采集器包括CCD相机和点光源。
此实现方式通过设置多组分别包括CCD相机和点光源的图像采集器,可实现在各点光源互不干扰的情况下多角度采集弯折区图像,从而进一步提升识别柔性屏的弯折区断裂线的精确性。
本申请第三方面提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现本申请第一方面提供的方法。
本申请第四方面提供了一种计算机非瞬态可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现本申请第一方面提供的方法。
附图说明
下面结合附图对本申请的具体实施方式作进一步详细的说明。
图1示出本申请实施例提供的柔性屏的断裂线检测方法的流程示意图一。
图2示出三个图像采集器与曲面屏的位置关系示意图。
图3示出二值化图像与提取出的待识别感兴趣区域图像的示意图。
图4示出本申请实施例提供的柔性屏的断裂线检测方法的流程示意图二。
图5示出本申请实施例提供的柔性屏的断裂线检测装置的结构示意图。
图6示出实现本申请实施例提供的检测装置的计算机系统的结构示意图。
具体实施方式
为了更清楚地说明本申请,下面结合实施例和附图对本申请做进一步的说明。附图中相似的部件以相同的附图标记进行表示。本领域技术人员应当理解,下面所具体描述的内容是说明性的而非限制性的,不应以此限制本申请的保护范围。
发明人发现,在利用图像采集器采集柔性屏的弯折区图像时,弯折区图像会存在反光强烈的边缘反光区域或者说边缘反光带。基于此,如图1所示,本申请一个实施例提供了一种柔性屏的断裂线检测方法,包括如下步骤:
S10、利用图像采集器采集柔性屏的弯折区图像。
在一些实施例中,利用图像采集器采集柔性屏的弯折区图像包括:利用多个采集角度不同的图像采集器分别采集柔性屏的多个弯折区图像。
由此,可后续对多角度采集的多个弯折区图像分别进行断裂线识别,以提升识别柔性屏的弯折区断裂线的精确性,避免由于单个图像采集器的采集范围较窄等因素导致的漏检测。
在一个具体示例中,如图2所示,以对曲面屏20进行断裂线检测为例,曲面屏20的弯折区是产品不良的集中爆发区域,特别是对于例如图2所示的显示层的断裂线201而言,本示例利用三个不同采集角度的图像采集器采集曲面屏20的弯折区图像,分别为图像采集器21、22和23,可在后续分别对图像采集器21采集的曲面屏20的弯折区图像、图像采集器22采集的曲面屏20的弯折区图像和图像采集器23采集的曲面屏20的弯折区图像分别进行断裂线识别。其中,图像采集器21包括CCD相机211和点光源212,图像采集器22包括CCD相机221和点光源222,图像采集器23包括CCD相机231和点光源232,在采集弯折区图像时利用图像采集器21、22和23分别采集,且通过空间位置的设置和/或时间的设置(例如依次拍摄)使得图像采集器21、22和23中的点光源212、222和232互不干扰。其中,断裂线通常宽度较窄且长度较长,因此选用的CCD相机231、232和233拍摄的图像的分辨率可采用例如2048*20000等。
S20、获取图像采集器采集的柔性屏的弯折区图像,并将弯折区图像转换为二值化图像。
接续前述示例,例如CCD相机231、232和233均为拍摄图像为灰阶图的CCD相机,则可根据弯折区的断裂线通常与弯折区的弯折轴大致平行的这一断裂线的延伸方向特征,对获取的CCD相机231、232和233所分别拍摄的灰阶图分别进行例如行压缩倍率为1-6倍、列压缩倍率为1-3倍的图像压缩,然后对压缩后的图像分别进行二值化,得到例如图3中左侧图像所示的二值化的可弯折区图像,其中,如图3中左侧图像所示的二值化的可弯折区图像为例如图2中的图像采集器22采集的曲面屏20的弯折区图像经图像压缩和二值化处理后的得到的。
除上述示例外,假如图像采集器采集的弯折区图像是彩色图像,则需要在图像压缩及二值化之前,先将彩色图像转换为灰阶图。
上述示例中,将图像转换为灰阶图可采用现有的多种灰度转换算法,例如基于如下公式进行:Gray=(Red*0.3+Green*0.59+Blue*0.11),其中,Gray为像素的灰度值,Red、Green和Blue分别为该像素的红、绿、蓝分量值。对图像进行二值化可采用现有的多种二值化算法实现,例如Otsu算法、Bernsen算法、Niblack算法、循环阈值算法、迭代二值化算法等,可设定得到二值化图像为背景灰度值为0(即为黑色),边缘、轮廓等特征的灰度值为255(即为白色)。
S30、检测得到二值化图像中的边缘反光区域,根据边缘反光区域确定断裂线检测的感兴趣区域。
由此,本实施例提供的柔性屏的断裂线检测方法以二值化图像中灰度特征明显的边缘反光区域为依据,来精确高效的提取断裂线检测的感兴趣区域。
在一个具体示例中,检测边缘反光区域可采用现有的多种边缘检测算法实现,例如基于Canny算子、Prewitt算子、sobel算子等的边缘检测算法。
在一些实施例中,根据边缘反光区域确定断裂线检测的感兴趣区域包括:选定边缘反光区域的设定侧的设定像素距离处的设定像素宽度范围内的区域为断裂线检测的感兴趣区域。
在图像采集器的拍摄参数、拍摄角度、拍摄距离及待检测弯折区的弯折角确定的情况下,断裂线检测的感兴趣区域的尺寸及其与边缘反光区域的位置关系是确定的,基于此,该方式可保证提取断裂线检测的感兴趣区域的精确性和高效性。
在一些实施例中,断裂线检测的感兴趣区域的高度选定为与边缘反光区域的高度相同。
该方式可进一步提升识别柔性屏的弯折区断裂线的高效性。
接续前述示例,例如图2中的图像采集器22采集的曲面屏20的弯折区图像经图像压缩和二值化处理后的得到如图3中左侧图像所示的二值化图像。图2所示中,图像采集器22采集的是曲面屏20的左侧弯折区图像,则,如图3中左侧图像所示的二值化图像中,边缘反光区域31位于二值化图像的左侧区域,断裂线检测的感兴趣区域位于边缘反光区域的右侧,即,选定边缘反光区域31的右侧的设定像素距离处的设定像素宽度范围内的区域为断裂线检测的感兴趣区域。另外,在利用图像采集器采集是曲面屏的右侧弯折区图像时,可通过对采集右侧弯折区图像的图像采集器进行参数设置,使得其输出的右侧弯折区图像中的边缘反光区域也位于右侧弯折区图像的右侧区域,即,右侧弯折区图像中断裂线检测的感兴趣区域还是位于边缘反光区域的右侧,这样,可提升对图像处理的速度,进一步提升检测的效率。
对于如图3中左侧图像所示的二值化图像,边缘反光区域31呈粗亮线形态,二值化处理后其形成了例如50-150个像素宽度(宽度即图3中左侧图像的横向长度)的高亮区域,检测得到二值化图像中的边缘反光区域后,通过向右扩即可得到断裂线检测的感兴趣区域,例如:以边缘反光区域31右侧为基准,向右扩展X1像素距离和X2像素距离,X1和X2之间的区域即为选定的如图3中右侧图像所示的断裂线检测的感兴趣区域ROI,且断裂线检测的感兴趣区域的高度选定为与边缘反光区域31的高度相同(高度即图3中左侧图像的纵向长度,例如,边缘反光区域31为800个像素高度,则断裂线检测的感兴趣区域的高度也选定为800个像素高度)。其中,像素距离X1和X2,根据图像采集器22的拍摄参数、拍摄角度、拍摄距离及待检测的弯折区的曲面屏20弯折角确定,这样,在对同型号的多个曲面屏20依次进行检测时,只要图像采集器22与例如放置于夹具上的曲面屏20的相对位置固定,在不改变图像采集器22的拍摄参数的情况下,对于依次检测的每一曲面屏20,二值化图像中的边缘反光区域31的位置及形状是基本相同的、边缘反光区域31与断裂线检测的感兴趣区域的相对位置是相同的、断裂线检测的感兴趣区域的尺寸也是相同的,利于实现高效的流水线检测。
S40、对感兴趣区域进行图像增强。
在一些实施例中,图像增强包括:伽马变换、噪声点消除和边缘锐化中的至少之一。
该方式可进一步提升识别柔性屏的弯折区断裂线的精确性。
在一个具体示例中,伽马变换例如在gamma值大于1时增加ROI的灰度值,在gamma值小于1时降低ROI的灰度值,以修正过曝或过暗。噪声点消除可采用现有的滤波算法消除异常亮点干扰。对感兴趣区域进行边缘锐化的目的是进一步加强断裂线的灰度特征,可采用现有的多种锐化算法实现,例如基于Canny算子、基于Sobel算子、基于Laplas算子等的锐化算法。
S50、对感兴趣区域进行断裂线识别,得到断裂线检测结果。
在一些实施例中,对感兴趣区域进行断裂线识别包括:对感兴趣区域进行基于灰度特征的断裂线识别;若识别出断裂线,则进行判断:基于断裂线与弯折区的弯折轴之间的角度偏差小于设定角度阈值,判定检测结果为存在断裂线不良。
弯折区的断裂线通常与弯折区的弯折轴大致平行,基于此,该方式通过判断识别得到的断裂线与弯折轴之间的角度偏差是否小于设定角度阈值,可以进一步判别识别得到的断裂线确是显示层的断裂线不良,还是由于例如曲面屏的曲面玻璃盖板或折叠屏的柔性盖板存在污渍、瑕疵等因素导致的假不良,从而进一步提升识别柔性屏的弯折区断裂线的精确性。
接续前述示例,对感兴趣区域进行基于灰度特征的断裂线识别后,若判断存在断裂线,则提取该断裂线的起点坐标(xs,ys)和终点坐标(xe,ye),计算k=(xs-xe)/(ys-ye),判断-1<k<1是否成立:若成立,则说明该断裂线与弯折区的弯折轴之间的角度偏差小于45°,判定检测结果为存在断裂线不良;若不成立,则说明该断裂线与弯折区的弯折轴之间的角度偏差大于等于45°,判定该断裂线为假不良,即弯折区不存在断裂线。需要说明的是,设定角度阈值可以根据实际调整。
在一些实施例中,在若识别出断裂线,则进行判断之前之前,还包括:基于霍夫变换合并在感兴趣区域中识别出的断裂线。
断裂线通常较长,而断裂线上的断裂较轻微位置的灰度特征不明显,可能不能被正确识别。基于此,该方式可避免一条断裂线被识别为多条不连续的断裂线的情况。
结合上述方式,如图4所示,本实施例提供的柔性屏的断裂线检测方法的一示例性流程包括:首先,采集弯折区图像;然后,进行灰阶处理;然后,进行图像压缩;然后;进行二值化处理;然后检测边缘反光带;然后,选定ROI;然后,进行图像增强;然后,进行断裂线识别:若识别结果为不存在断裂线(即否)则判定柔性屏通过测试(即OK);若识别结果为存在断裂线(即是),则进一步进行角度筛选(即断裂线与弯折区的弯折轴之间的角度偏差是否小于设定角度阈值),如果角度筛选结果为未通过(即断裂线与弯折区的弯折轴之间的角度偏差大于等于设定角度阈值)则判定柔性屏通过测试(即OK),如果角度筛选结果为通过(即断裂线与弯折区的弯折轴之间的角度偏差小于设定角度阈值)则判定柔性屏未通过测试(即NG)。
综上,本实施例提供的柔性屏的断裂线检测方法以二值化图像中灰度特征明显的边缘反光区域为依据,来精确高效的提取断裂线检测的感兴趣区域,可实现对柔性屏的弯折区断裂线的精确高效检测,有效降低了识别柔性屏缺陷的处理时间且有效提高了柔性屏缺陷的识别率。其中,对于分辨率例如2048*20000的采集得到的原始图像,处理时间可降至150ms以下。
如图5所示,本申请的另一个实施例提供了一种柔性屏的断裂线检测装置,包括:
预处理模块501,配置为获取图像采集器510采集的柔性屏的弯折区图像,并将弯折区图像转换为二值化图像;
感兴趣区域确定模块502,配置为检测得到二值化图像中的边缘反光区域,根据边缘反光区域确定断裂线检测的感兴趣区域;以及
识别模块504,配置为对感兴趣区域进行断裂线识别,得到断裂线检测结果。
在一些实施例中,本实施例提供的柔性屏的断裂线检测装置还包括用于采集柔性屏的弯折区图像的图像采集器510。
在一些实施例中,图像采集器510包括多个采集角度不同的图像采集器510。在一个具体示例中,如图2所示,本实施例提供的柔性屏的断裂线检测装置包括三个图像采集器。
在一些实施例中,图像采集器510包括CCD相机和点光源。其中,包括CCD相机和点光源的图像采集器510例如图2中示出的图像采集器。
在一些实施例中,感兴趣区域确定模块502,配置为根据边缘反光区域确定断裂线检测的感兴趣区域包括:选定边缘反光区域的设定侧的设定像素距离处的设定像素宽度范围内的区域为断裂线检测的感兴趣区域。
在一些实施例中,感兴趣区域确定模块502,配置为根据边缘反光区域确定断裂线检测的感兴趣区域还包括:将断裂线检测的感兴趣区域的高度选定为与边缘反光区域的高度相同。
在一些实施例中,识别模块504,配置为对感兴趣区域进行断裂线识别,得到断裂线检测结果包括:对感兴趣区域进行基于灰度特征的断裂线识别;若识别出断裂线,则进行判断:基于断裂线与弯折区的弯折轴之间的角度偏差小于设定角度阈值,判定检测结果为存在断裂线不良。
在一些实施例中,识别模块504,配置为对感兴趣区域进行断裂线识别,得到断裂线检测结果还包括:基于霍夫变换合并在感兴趣区域中识别出的断裂线。
在一些实施例中,如图5所示,本实施例提供的柔性屏的断裂线检测装置还包括图像增强模块503,配置为对感兴趣区域进行图像增强。
在一些实施例中,图像增强包括:伽马变换、噪声点消除和边缘锐化中的至少之一。
在一个具体示例中,如图5所示,本实施例提供的柔性屏的断裂线检测装置中的预处理模块501、感兴趣区域确定模块502、图像增强模块503和识别模块504集成在计算机设备500中实现,如图5所示,本示例中的柔性屏的断裂线检测装置包括三个图像采集器510,计算机设备500与三个图像采集器510分别通过提供通信链路的介质的网络连接,该网络可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。图5所示中,计算机设备500与三个图像采集器510分别通过无线通信链路连接。计算机设备500可以是支持图像处理的分布式或单个的各种电子设备,包括但不限于平板电脑、膝上型便携计算机和台式计算机等等。
需要说明的是,本实施例提供的柔性屏的断裂线检测装置的原理及工作流程与上述柔性屏的断裂线检测方法相似,相关之处可以参照上述说明,在此不再赘述。
如图6所示,适于用来实现上述实施例提供的断裂线检测装置的计算机系统,包括中央处理模块(CPU),其可以根据存储在只读存储器(ROM)中的程序或者从存储部分加载到随机访问存储器(RAM)中的程序而执行各种适当的动作和处理。在RAM中,还存储有计算机系统操作所需的各种程序和数据。CPU、ROM以及RAM通过总线被此相连。输入/输入(I/O)接口也连接至总线。
以下部件连接至I/O接口:包括键盘、鼠标等的输入部分;包括诸如液晶显示器(LCD)等以及扬声器等的输出部分;包括硬盘等的存储部分;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分。通信部分经由诸如因特网的网络执行通信处理。驱动器也根据需要连接至I/O接口。可拆卸介质,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器上,以便于从其上读出的计算机程序根据需要被安装入存储部分。
特别地,根据本实施例,上文流程图描述的过程可以被实现为计算机软件程序。例如,本实施例包括一种计算机程序产品,其包括有形地包含在计算机可读介质上的计算机程序,上述计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分从网络上被下载和安装,和/或从可拆卸介质被安装。
附图中的流程图和示意图,图示了本实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或示意图中的每个方框可以代表一个模块、程序段或代码的一部分,上述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,示意图和/或流程图中的每个方框、以及示意和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中,例如,可以描述为:一种处理器,包括预处理模块、感兴趣区域确定模块和识别模块。其中,这些模块的名称在某种情况下并不构成对该模块本身的限定。例如,识别模块还可以被描述为“断裂线检测模块”。
作为另一方面,本实施例还提供了一种非易失性计算机存储介质,该非易失性计算机存储介质可以是上述实施例中上述装置中所包含的非易失性计算机存储介质,也可以是单独存在,未装配入终端中的非易失性计算机存储介质。上述非易失性计算机存储介质存储有一个或者多个程序,当上述一个或者多个程序被一个设备执行时,使得上述设备:获取图像采集器采集的柔性屏的弯折区图像,并将弯折区图像转换为二值化图像;检测得到二值化图像中的边缘反光区域,根据边缘反光区域确定断裂线检测的感兴趣区域;对感兴趣区域进行断裂线识别,得到断裂线检测结果。
在本申请的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本申请中的具体含义。
还需要说明的是,在本申请的描述中,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、物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、物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,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
显然,本申请的上述实施例仅仅是为清楚地说明本申请所作的举例,而并非是对本申请的实施方式的限定,对于本领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动,这里无法对所有的实施方式予以穷举,凡是属于本申请的技术方案所引伸出的显而易见的变化或变动仍处于本申请的保护范围之列。
Claims (16)
1.一种柔性屏的断裂线检测方法,其特征在于,包括:
获取图像采集器采集的柔性屏的弯折区图像,并将所述弯折区图像转换为二值化图像;
检测得到所述二值化图像中的边缘反光区域,根据所述边缘反光区域确定断裂线检测的感兴趣区域;
对所述感兴趣区域进行断裂线识别,得到断裂线检测结果。
2.根据权利要求1所述的方法,其特征在于,所述根据所述边缘反光区域确定断裂线检测的感兴趣区域包括:选定所述边缘反光区域的设定侧的设定像素距离处的设定像素宽度范围内的区域为断裂线检测的感兴趣区域。
3.根据权利要求2所述的方法,其特征在于,所述断裂线检测的感兴趣区域的高度选定为与所述边缘反光区域的高度相同。
4.根据权利要求1所述的方法,其特征在于,所述对所述感兴趣区域进行断裂线识别包括:对所述感兴趣区域进行基于灰度特征的断裂线识别;若识别出断裂线,则进行判断:基于所述断裂线与弯折区的弯折轴之间的角度偏差小于设定角度阈值,判定检测结果为存在断裂线不良。
5.根据权利要求4所述的方法,其特征在于,所述若识别出断裂线,则进行判断之前,还包括:基于霍夫变换合并在所述感兴趣区域中识别出的断裂线。
6.根据权利要求1所述的方法,其特征在于,在所述根据所述边缘反光区域确定断裂线检测的感兴趣区域之后且所述对所述感兴趣区域进行断裂线识别之前,该方法还包括:对所述感兴趣区域进行图像增强。
7.根据权利要求6所述的方法,其特征在于,所述图像增强包括:伽马变换、噪声点消除和边缘锐化中的至少之一。
8.根据权利要求1-7任一项所述的方法,其特征在于,所述获取图像采集器采集的柔性屏的弯折区图像包括:获取多个采集角度不同的图像采集器分别采集的柔性屏的多个弯折区图像。
9.一种柔性屏的断裂线检测装置,其特征在于,包括:
预处理模块,配置为获取图像采集器采集的柔性屏的弯折区图像,并将所述弯折区图像转换为二值化图像;
感兴趣区域确定模块,配置为检测得到所述二值化图像中的边缘反光区域,根据所述边缘反光区域确定断裂线检测的感兴趣区域;以及
识别模块,配置为对所述感兴趣区域进行断裂线识别,得到断裂线检测结果。
10.根据权利要求9所述的装置,其特征在于,所述感兴趣区域确定模块,配置为根据所述边缘反光区域确定断裂线检测的感兴趣区域包括:选定所述边缘反光区域的预设侧的预设像素距离处的预设像素宽度范围内的区域为断裂线检测的感兴趣区域。
11.根据权利要求9所述的装置,其特征在于,所述识别模块,配置为对所述感兴趣区域进行断裂线识别,得到断裂线检测结果包括:对所述感兴趣区域进行基于灰度特征的断裂线识别,进行判断:若存在断裂线且所述断裂线与弯折区的弯折轴之间的角度偏差小于预设角度阈值,则判定检测结果为存在断裂线不良。
12.根据权利要求9所述的装置,其特征在于,该装置还包括用于采集柔性屏的弯折区图像的所述图像采集器。
13.根据权利要求12所述的装置,其特征在于,所述图像采集器包括多个采集角度不同的图像采集器。
14.根据权利要求12或13所述的装置,其特征在于,所述图像采集器包括CCD相机和点光源。
15.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-8中任一项所述的方法。
16.一种计算机非瞬态可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010676669.8A CN114004777A (zh) | 2020-07-14 | 2020-07-14 | 柔性屏的断裂线检测方法及装置、计算机设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010676669.8A CN114004777A (zh) | 2020-07-14 | 2020-07-14 | 柔性屏的断裂线检测方法及装置、计算机设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114004777A true CN114004777A (zh) | 2022-02-01 |
Family
ID=79920178
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010676669.8A Pending CN114004777A (zh) | 2020-07-14 | 2020-07-14 | 柔性屏的断裂线检测方法及装置、计算机设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114004777A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023221801A1 (zh) * | 2022-05-19 | 2023-11-23 | 京东方科技集团股份有限公司 | 图像处理方法及装置、计算机可读存储介质、电子设备 |
-
2020
- 2020-07-14 CN CN202010676669.8A patent/CN114004777A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023221801A1 (zh) * | 2022-05-19 | 2023-11-23 | 京东方科技集团股份有限公司 | 图像处理方法及装置、计算机可读存储介质、电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3176751B1 (en) | Information processing device, information processing method, computer-readable recording medium, and inspection system | |
TWI238366B (en) | Image processing method for appearance inspection | |
CN105139386A (zh) | 一种快速自动检测电气接插件焊点不合格品的图像处理方法 | |
CN108982512A (zh) | 一种基于机器视觉的电路板检测系统及其方法 | |
CN115205223B (zh) | 透明物体的视觉检测方法、装置、计算机设备及介质 | |
CN110335233B (zh) | 基于图像处理技术的高速公路护栏板缺陷检测系统和方法 | |
CN114022403A (zh) | 检测显示面板不良的方法及装置 | |
CN114897847A (zh) | 图像处理方法及装置、计算机可读存储介质、电子设备 | |
CN110648330B (zh) | 摄像头玻璃的缺陷检测方法 | |
CN113298769B (zh) | Fpc软排线外观缺陷检测方法、系统和介质 | |
CN114332026A (zh) | 一种铭牌表面划痕缺陷的视觉检测方法及装置 | |
CN102901735B (zh) | 利用计算机对工件缺损、裂变、变形进行自动检测的系统 | |
CN116468726B (zh) | 一种在线异物线路检测方法及系统 | |
CN111665199A (zh) | 一种基于机器视觉的电线电缆颜色检测识别方法 | |
CN106530273B (zh) | 高精度fpc直线线路检测与缺陷定位方法 | |
JPH09119900A (ja) | コンクリート欠陥の自動評価方法 | |
CN113487563B (zh) | 一种基于el图像的光伏组件隐裂自适应检测方法 | |
CN114004777A (zh) | 柔性屏的断裂线检测方法及装置、计算机设备及介质 | |
JP6630341B2 (ja) | シンボルの光学的検出方法 | |
CN107980094B (zh) | 一种视觉检测系统及方法 | |
CN104102911A (zh) | 一种基于aoi的子弹表观缺陷检测系统的图像处理算法 | |
CN115131355B (zh) | 利用电子设备数据检测防水布异常的智能方法 | |
CN114266719B (zh) | 一种基于霍夫变换的产品检测方法 | |
CN115587966A (zh) | 一种在光照不均匀条件下零件有无缺漏的检测方法及系统 | |
CN112967224A (zh) | 一种基于人工智能的电子电路板检测系统、方法及介质 |
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 |