CN114240943B - 一种像素亮度确定方法、装置、计算机设备及可读介质 - Google Patents
一种像素亮度确定方法、装置、计算机设备及可读介质 Download PDFInfo
- Publication number
- CN114240943B CN114240943B CN202210176774.4A CN202210176774A CN114240943B CN 114240943 B CN114240943 B CN 114240943B CN 202210176774 A CN202210176774 A CN 202210176774A CN 114240943 B CN114240943 B CN 114240943B
- Authority
- CN
- China
- Prior art keywords
- gray
- sample
- gray scale
- values
- scale
- 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
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000003491 array Methods 0.000 claims abstract description 42
- 238000003384 imaging method Methods 0.000 claims abstract description 31
- 238000013507 mapping Methods 0.000 claims abstract description 9
- 238000012163 sequencing technique Methods 0.000 claims abstract description 8
- 238000012937 correction Methods 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 9
- 238000001514 detection method Methods 0.000 abstract description 11
- 238000005516 engineering process Methods 0.000 description 13
- 230000007547 defect Effects 0.000 description 9
- 238000009826 distribution Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 3
- 238000012634 optical imaging Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000004519 manufacturing process Methods 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
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 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
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- 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
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 Analysis (AREA)
Abstract
本申请公开了一种像素亮度确定方法、装置、计算机设备及可读介质，该方法包括：获取待测产品的灰度图像，确定每个待检测的像素点在所述灰度图像上对应的成像区域的多个灰阶值；将多个灰阶值进行排序并划分为预设数量个灰阶数组，分别计算每个所述灰阶数组内多个灰阶值的灰阶统计值；将各所述灰阶统计值输入预先配置的亮度预测模型中，得到待检测的像素点的相对亮度值；其中，所述亮度预测模型用来表征像素点的相对亮度值与像素点对应的多个灰阶数组的灰阶统计值之间的映射关系；本发明能够排除不同成像条件和形态对亮度检测的干扰，提高像素点亮度检测的准确性。
Description
技术领域
本申请涉及显示模组检测技术领域，更具体地，涉及一种像素亮度确定方法、装置、计算机设备及可读介质。
背景技术
传统的OLED显示技术已经成熟地运用到各行各业的生产生活中，随着显示技术的更新换代和人们对显示效果的不断追求，Micro OLED显示技术以分辨率高、能耗低、寿命久等特点成为了近些年显示领域的热门技术之一；这种技术可分为前段和后段工艺，其中后段工艺会生产出由Micro OLED组成的显示模组产品，这种产品的产量大，体积小，靠人工利用显微设备来观察屏幕显示状态下的缺陷效率低，准确度也不高。所以，目前市场上大多数是用AOI设备来代替人工对这类产品进行缺陷检测，其中有一种典型的屏幕显示缺陷是由于单个像素亮度异常导致的该像素的亮度明显暗于或者亮于其他像素，这类缺陷一般被称为“暗点”或者“亮点”。不同于人的感官，检测设备对于“暗点”和“亮点”的定义需要具体的数值来刻画，而这个具体数值的确定方法是多样的。
AOI设备的检测原理是通过光学设备获取待检测产品的光学成像图，然后利用图像处理技术来分析光学成像图上的缺陷，然而Micro OLED屏幕上单个像素的光学成像图会因为成像环境和成像系统而不同，图1是用黑白相机拍摄屏幕单个像素的成像示意图，如图1所示，单个像素a用黑白相机成像后的灰度图像可以用b来表示，从图中可以看出，由于光的发散性、屏幕像素排列方式不同和相机的分辨率不同，屏幕上单个像素对应的灰度图像是由不同个数和不同灰阶值大小的相机像素组成，灰度图像上每个像素的灰阶值大小总体趋势是从中心向四周发散，逐渐变小，分布的形态不定。
目前计算屏幕上单个像素的相对亮度值的方式有直接均值法、中位数法和众数法等，这些方法大体思路是通过图像处理技术获取屏幕上单个像素的成像区域，然后用统计学方法计算这个区域内所有像素的灰阶统计值、中位数或众数作为当前屏幕上单个像素的相对亮度值。这类方法受成像稳定性的影响很大，当成像不稳定时，也就是像素灰阶排布并非从中心向四周逐渐减弱的状态，或者成像系统本身的亮度大小波动较大时，相对亮度值的准确度也会收到干扰。
发明内容
针对现有技术的至少一个缺陷或改进需求，本发明提供了一种像素亮度确定方法、装置、计算机设备及可读介质，旨在尽可能排除不同成像条件和形态对亮度检测的干扰，提高像素点亮度检测的准确性。
为实现上述目的，按照本发明的第一个方面，提供了一种像素亮度确定方法，其包括：
获取待测产品的灰度图像，确定每个待检测的像素点在所述灰度图像上对应的成像区域的多个灰阶值；
将多个灰阶值进行排序并划分为预设数量个灰阶数组，分别计算每个所述灰阶数组内多个灰阶值的灰阶统计值；
将各所述灰阶统计值输入预先配置的亮度预测模型中，得到待检测的像素点的相对亮度值；
其中，所述亮度预测模型用来表征像素点的相对亮度值与像素点对应的多个灰阶数组的灰阶统计值之间的映射关系。
进一步地，上述像素亮度确定方法中，所述亮度预测模型的获取方法为：
获取多个样本产品，从每个所述样本产品上选取多个样本像素点进行点亮，多个所述样本像素点间隔分布在样本产品上且具有不同的灰阶值；
对于每个样本产品，获取点亮后的样本产品对应的样本灰度图像，从所述样本灰度图像中分别获取每个样本像素点对应的成像区域的多个样本灰阶值；
对于每个样本像素点，将其对应的多个样本灰阶值进行排序并划分为预设数量个样本灰阶数组，分别计算每个所述样本灰阶数组内多个样本灰阶值的样本灰阶统计值；
对各样本产品上的多个样本像素点对应的样本灰阶统计值与相对亮度值之间的关联关系进行线性拟合，得到亮度预测模型。
进一步地，上述像素亮度确定方法中，所述对各样本产品上的多个样本像素点对应的样本灰阶统计值与相对亮度值之间的关系进行线性拟合，包括：
获取预先设置的校正系数以及分别为每个样本灰阶数组赋予预置的权重系数，基于所述权重系数和每个样本灰阶数组的每个样本灰阶统计值计算校正灰阶统计值；构建所述校正系数与各样本灰阶数组对应的校正灰阶统计值的总和与样本像素点的相对亮度值之间的关系方程；
对多个样本产品的各样本像素点对应的所述关系方程进行线性拟合，获得所述校正系数以及每个样本灰阶数组对应的权重系数，生成亮度预测模型。
进一步地，上述像素亮度确定方法中，每个所述样本产品上点亮的多个样本像素点的灰阶值范围覆盖0-225，灰阶值间隔为10。
进一步地，上述像素亮度确定方法中，所述灰阶数组、样本灰阶数组分别为三个；
将多个灰阶值或样本灰阶值按照从小到大的顺序进行排序，三个数组的长度按照灰阶值或样本灰阶值的总数量的65%、35%和5%进行划分。
进一步地，上述像素亮度确定方法中，所述灰阶统计值为灰阶均值，所述灰阶均值是每个灰阶数组内多个灰阶值的平均值。
进一步地，上述像素亮度确定方法中，所述灰度图像的获取方式为：
点亮待测产品，通过相机拍摄待测产品的图像，得到灰度图像。
按照本发明的第二个方面，还提供了一种像素亮度确定装置，其包括：
图像处理模块，其被配置为获取待测产品的灰度图像，确定每个待检测的像素点在所述灰度图像上对应的成像区域的多个灰阶值；
灰度计算模块，其被配置为将多个灰阶值进行排序并划分为预设数量个灰阶数组，分别计算每个所述灰阶数组内多个灰阶值的灰阶统计值；
亮度计算模块，其被配置为将各所述灰阶统计值输入预先配置的亮度预测模型中，得到待检测的像素点的相对亮度值；
其中，所述亮度预测模型用来表征像素点的相对亮度值与像素点对应的多个灰阶数组的灰阶统计值之间的映射关系。
按照本发明的第三个方面，还提供了一种计算机设备，其包括至少一个处理单元、以及至少一个存储单元，其中，所述存储单元存储有计算机程序，当所述计算机程序被所述处理单元执行时，使得所述处理单元执行上述任一项所述像素亮度确定方法的步骤。
按照本发明的第四个方面，还提供了一种计算机可读介质，其存储有可由计算机设备执行的计算机程序，当所述计算机程序在计算机设备上运行时，使得所述计算机设备执行上述任一项所述像素亮度确定方法的步骤。
总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：
本发明提供的像素亮度确定方法、装置、计算机设备及可读介质，根据单颗像素在相机拍摄的灰度图像上的成像分布特点，将每个像素点对应的成像区域内的多个灰阶值进行排序并划分为多个灰阶数组，分别计算每个灰阶数组内多个灰阶值的灰阶统计值；该方式考虑了成像区域的不同形态以及分布规律，优化了简单计算区域内所有像素的灰阶均值、中位数或众数这一方式受成像条件干扰的缺点；将每个像素点对应的各灰阶统计值输入预先配置的亮度预测模型中，该亮度预测模型用来表征像素点的相对亮度值与像素点对应的多个灰阶数组的灰阶统计值之间的映射关系，由大量样本产品的亮度数据通过该线性拟合而来，因此计算得到的亮度值的准确性很高，并且具有较好的通用性较好，有利于进一步提升AOI设备的检测准确度。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例中所需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为采用黑白相机拍摄屏幕单个像素的成像示意图；
图2是本实施例提供的像素亮度确定方法的流程示意图；
图3是从样本产品上选取的多个样本像素点的分布情况的示意图；
图4是拍摄点亮的样本产品得到的样本灰度图像的示意图；
图5是本实施例提供的像素亮度确定装置的逻辑框图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
此外，为了避免使技术人员对本发明的理解模糊，可能不详细地描述或示出公知的或广泛使用的技术、元件、结构和处理。尽管附图表示本发明的示例性实施例，但是附图不必按照比例绘制，并且特定的特征可被放大或省略，以便更好地示出和解释本发明。
图2是本实施例提供的像素亮度确定方法的流程示意图，请参阅图2，该方法主要包括以下步骤：
S1 获取待测产品的灰度图像，确定每个待检测的像素点在所述灰度图像上对应的成像区域的多个灰阶值；
本步骤中，待测产品可以是显示模组或显示屏，或者任何具有显示模组或显示屏的产品。
在缺陷检测的场景中，待测产品的灰度图像一般是由AOI设备中的取像相机采集，该取像相机可以是黑白相机或彩色相机，若采用黑白相机，则相机输出的是灰度图像；若采用彩色相机，则需要将相机输出的彩色图像转换为灰度图像，然后通过图像处理技术确定待测产品上的每个像素点在灰度图像上对应的成像区域（一般包含多个相机像素），并确定区域中每个相机像素的灰阶值。
S2将多个灰阶值进行排序并划分为预设数量个灰阶数组，分别计算每个所述灰阶数组内多个灰阶值的灰阶统计值；
由于每个像素点对应的成像区域的形态不定，其中包含的多个相机像素的灰度分布情况不稳定，导致计算出来的相对亮度值的准确度不高；为此，本实施例在获取每个像素点对应的成像区域中的多个灰阶值之后，将这多个灰阶值进行排序并划分为预设数量个灰阶数组，其中灰阶数组的划分个数不作具体限制，根据实际的灰度分布情况进行确定。
对于每个灰阶数组，计算其包含的多个灰阶值的灰阶统计值；该灰阶统计值可以是灰阶均值、中位数或者众数中的任意一个；但是，由于每个灰阶数组中的多个灰阶值可能出现极大或极小的极端情况，众数的个数也可能不止一个，不管是中位数或众数均无法在数据分布不理想的情况下准确反映多个灰阶值的一般水平；因此，在考虑稳定性的情况下，作为一个优选的示例，该灰阶统计值选用灰阶均值，灰阶均值即为每个灰阶数组内多个灰阶值的平均值。
作为一个可选的实施方式，上述像素亮度确定方法中，划分的灰阶数组为三个；
本实施例中，将多个灰阶值按照从小到大的顺序进行排序，三个数组的长度按照灰阶值的总数量的65%、35%和5%进行划分。反之，如果将多个灰阶值按照从大到小的顺序进行排序，三个数组的长度按照灰阶值的总数量的5%、35%和65%进行划分。本实施例提供的数组个数以及划分方式是在总结了大量像素点各自对应的多个灰度值分布规律的情况下确定的最佳方式，基于该方式确定的像素点亮度能够在一定程度上排除干扰，具有较高的准确度。
S3将各所述灰阶统计值输入预先配置的亮度预测模型中，得到待检测的像素点的相对亮度值；
其中，所述亮度预测模型用来表征像素点的相对亮度值与像素点对应的多个灰阶数组的灰阶统计值之间的映射关系。
本步骤中，在获得每个像素点的各灰阶数组对应的灰阶统计值之后，将各灰阶统计值输入亮度预测模型中，即可得到像素点对应的相对亮度值。该亮度预测模型是通过分析大量样本中的各像素点的相对亮度值与对应的多个灰阶统计值之间的映射关系，通过线性拟合的方式得到的，具有较好的稳定性和通用性。线性拟合是曲线拟合的一种形式，具体是通过线性方程的方式来将一些离散的数据进行处理获取这些数据固有的规律特征，然后用这个规律特征来预测和计算后续的数据。本实施例中首先获取大量样本中多个像素点的相对亮度值以及每个像素点对应的多个灰阶数组的灰阶统计值，其中，每个像素点的相对亮度值可以是通过CA310、CS2000等单点色度测量仪器测得的，该单点测量仪器可以在不借助其他辅助设备的情况下对任意发光体实现非常精准的亮度色度测量。然后，通过线性拟合的方式来获取每个像素点的相对亮度值及其对应的多个灰阶数组的灰阶统计值之间的内在规律特征，将这一规律特征实体化即得到亮度预测模型。需要说明的是，本实施例中像素点的相对亮度值本质上即为一般定义的亮度值，由于像素点的亮度值在不同取像环境下（如暗场或亮场环境）的具体数值不同，因此本实施例将其定义为相对亮度值。
在一个可选的实施方式中，该亮度预测模型的确定过程为：
获取多个样本产品，从每个所述样本产品上选取多个样本像素点进行点亮，多个所述样本像素点间隔分布在样本产品上且具有不同的灰阶值；
本步骤中，亮度预测模型的确定需要使用大量的样本产品，理论上来说，样本数量越多，最终拟合得到的亮度预测模型的准确度越高；每个样本产品上的各像素点的相对亮度值是已知的，根据样本产品的分辨率大小，以一定的像素间距从每个样本产品上选取多个样本像素点，如图3所示，各样本像素点优选至少分布在样本产品的中心和边缘等不同区域内。在一个优选的示例中，每个样本产品上点亮的多个样本像素点的灰阶值范围覆盖0-225，灰阶值间隔不做具体限制，取决于选取的样本像素点的个数，在一个具体示例中，该灰阶值间隔为10。
对于每个样本产品，获取点亮后的样本产品对应的样本灰度图像，从所述样本灰度图像中分别获取每个样本像素点对应的成像区域的多个样本灰阶值；
本步骤中，点亮每个样本产品上选取的多个样本像素点，使用取像相机拍摄每个样本产品的图像，得到样本灰度图像，如图4所示，可以看出，每个样本像素点在样本灰度图像上具有一个对应的成像区域，该成像区域中包含多个具有不同灰度值的相机像素，同样地，采取图像处理技术从样本灰度图像中分别获取每个样本像素点对应的成像区域的多个样本灰阶值。
对于每个样本像素点，将其对应的多个样本灰阶值进行排序并划分为预设数量个样本灰阶数组，分别计算每个所述样本灰阶数组内多个样本灰阶值的样本灰阶统计值；
参照步骤S2，将每个样本像素点对应的多个样本灰阶值进行排序并划分为预设数量个灰阶数组，其中，在亮度预测模型的确定过程使用的灰阶数组的划分方式决定了待测产品的亮度测量过程中针对每个待检测的像素点的多个灰阶值进行的排序及灰阶数组的划分方式，两者必须保持一致。因此本步骤中，划分的样本灰阶数组为三个；具体将多个样本灰阶值按照从小到大的顺序进行排序，三个样本灰阶数组的长度按照样本灰阶值的总数量的65%、35%和5%进行划分。
此外，本步骤中的样本灰阶统计值同样选用样本灰阶均值，该样本灰阶均值是每个样本灰阶数组内多个样本灰阶值的平均值；在亮度预测模型的确定过程使用的样本灰阶统计值的类型决定了待测产品的亮度测量过程中每个待检测的像素点对应的灰阶统计值的类型，两者同样保持一致。
对各样本产品上的多个样本像素点对应的样本灰阶统计值与相对亮度值之间的关联关系进行线性拟合，得到亮度预测模型。
本步骤中，在各样本像素点的相对亮度值已知，且获取每个样本像素点对应的多个样本灰阶数组的样本灰阶统计值之后，通过线性拟合的方式来提取该相对亮度值与多个样本灰阶统计值之间的关系，得到亮度预测模型。
需要说明的是，在基于线性拟合的方式确定亮度预测模型时，可以使用一元线性方程来对亮度预测模型进行表征，也可以基于二元或多元方程来进行拟合，本实施例不作具体限制；具体的拟合方式是相似的，下面仅以一元线性方程为例来说明通过线性拟合获得亮度预测模型的过程；例如，使用以下的一元线性方程来表征每个样本像素点的相对亮度值及其对应的多个样本灰阶统计值之间的关系：
其中，f表示样本像素点的相对亮度值，n表示样本灰阶数组的个数，x 1 ,x 2 ,x 3 ,…, x n 分别表示每个样本灰阶数组的样本灰阶统计值，a 1 , a 2 , a 3 ,…, a n 分别表示每个样本灰阶数组的权重系数；b表示校正系数。
如果确定上述一元线性方程中的校正系数和各个权重系数的值，即可得到亮度预测模型。
基于上述一元线性方程，对各样本产品上的多个样本像素点对应的样本灰阶统计值与相对亮度值之间的关系进行线性拟合，包括以下步骤：
获取预先设置的校正系数以及分别为每个样本灰阶数组赋予预置的权重系数，基于所述权重系数和每个样本灰阶数组的每个样本灰阶统计值计算校正灰阶统计值；构建所述校正系数与各样本灰阶数组对应的校正灰阶统计值的总和与样本像素点的相对亮度值之间的关系方程；
本步骤中，假设从每个样本产品上选取m个样本像素点，将每个样本像素点对应的多个样本灰阶值划分为三个样本灰阶数组，则编号为1的第一个样本像素点对应的关系方式可表示为：
x
11
a
1
+ x
21
a
2
+ x
31
a
3
+b=f
1
其中， f 1 表示第一个样本像素点的相对亮度值，x 11 ,x 21 ,x 31 分别表示第一个样本像素点对应的三个样本灰阶数组的样本灰阶统计值。
联合每个样本产品的多个样本像素点对应的所述关系方程，得到多元一次线性方程组，如下：
其中，f m 表示第m个样本像素点的相对亮度值。
对各样本产品对应的多元一次线性方程组进行线性拟合，获得所述校正系数以及每个样本灰阶数组对应的权重系数，生成亮度预测模型。
本实施例中，针对每个样本产品均构建了如上所述的多元一次线性方程组，这些方程组结合起来形成一个总的方程组，将方程组中的因变量和自变量提取出来，可用表1所示：
表1 样本灰阶统计值与相对亮度值对应表
然后采用线性拟合的方式即可求解出a 1 , a 2 , a 3 和b的最优值，得到亮度预测模型。该亮度预测模型可直接应用于待测像素点的相对亮度值的预测，只需将其对应的成像区域的灰阶数据的灰阶统计值计算出来，然后输入亮度预测模型中即可直接得到像素点对应的相对亮度值。
利用本实施例提供的像素亮度确定方法，在获得各待测像素点的相对亮度值后，可以将其与根据取像环境预先定义的基准相对亮度值进行对比，从而评判单个像素点是否为“暗点”或“亮点”，并进一步基于各像素点的相对亮度值与基准亮度值之间的偏差进行亮度色度补偿，实现产品的缺陷检测及补偿校正。
应当注意，尽管在上述的实施例中，以特定顺序描述了本说明书实施例的方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。相反，流程图中描绘的步骤可以改变执行顺序。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。
本实施例提供了一种像素亮度确定装置，该装置可以采用软件和/或硬件的方式实现，并可集成在计算机设备上；如图5所示，该装置包括图像处理模块、灰度计算模块和亮度计算模块；其中，
图像处理模块被配置为获取待测产品的灰度图像，确定每个待检测的像素点在所述灰度图像上对应的成像区域的多个灰阶值；
灰度计算模块被配置为将多个灰阶值进行排序并划分为预设数量个灰阶数组，分别计算每个所述灰阶数组内多个灰阶值的灰阶统计值；
亮度计算模块被配置为将各所述灰阶统计值输入预先配置的亮度预测模型中，得到待检测的像素点的相对亮度值；
其中，所述亮度预测模型用来表征像素点的相对亮度值与像素点对应的多个灰阶数组的灰阶统计值之间的映射关系。
关于像素亮度确定装置的具体限定可以参见上文中对于像素亮度确定方法的限定，在此不再赘述。上述像素亮度确定装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
本实施例还提供了一种计算机设备，其包括至少一个处理器、以及至少一个存储器，其中，存储器中存储有计算机程序，当计算机程序被处理器执行时，使得处理器执行上述像素亮度确定方法的步骤；本实施例中，处理器和存储器的类型不作具体限制，例如：处理器可以是微处理器、数字信息处理器、片上可编程逻辑系统等；存储器可以是易失性存储器、非易失性存储器或者它们的组合等。
该计算机设备也可以与一个或多个外部设备 (如键盘、指向终端、显示器等)通信，还可与一个或者多个使得用户能与该计算机设备交互的终端通信，和/或与使得该计算机设备能与一个或多个其它计算终端进行通信的任何终端(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口进行。并且，计算机设备还可以通过网络适配器与一个或者多个网络(例如局域网(Local Area Network，LAN)，广域网(Wide AreaNetwork，WAN)和/或公共网络，例如因特网)通信。
本实施例还提供了一种计算机可读介质，其存储有可由计算机设备执行的计算机程序，当所述计算机程序在计算机设备上运行时，使得所述计算机设备执行上述像素亮度确定方法的步骤。计算机可读介质的类型包括但不限于SD卡、U盘、固定硬盘、移动硬盘等存储介质。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，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(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(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(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种像素亮度确定方法，其特征在于，包括：
获取待测产品的灰度图像，确定每个待检测的像素点在所述灰度图像上对应的成像区域的多个灰阶值；
将多个灰阶值进行排序并划分为预设数量个灰阶数组，分别计算每个所述灰阶数组内多个灰阶值的灰阶统计值；
将各所述灰阶统计值输入预先配置的亮度预测模型中，得到待检测的像素点的相对亮度值；
其中，所述亮度预测模型用来表征像素点的相对亮度值与像素点对应的多个灰阶数组的灰阶统计值之间的映射关系。
2.如权利要求1所述的像素亮度确定方法，其特征在于，所述亮度预测模型的获取方法为：
获取多个样本产品，从每个所述样本产品上选取多个样本像素点进行点亮，多个所述样本像素点间隔分布在样本产品上且具有不同的灰阶值；
对于每个样本产品，获取点亮后的样本产品对应的样本灰度图像，从所述样本灰度图像中分别获取每个样本像素点对应的成像区域的多个样本灰阶值；
对于每个样本像素点，将其对应的多个样本灰阶值进行排序并划分为预设数量个样本灰阶数组，分别计算每个所述样本灰阶数组内多个样本灰阶值的样本灰阶统计值；
对各样本产品上的多个样本像素点对应的样本灰阶统计值与相对亮度值之间的关联关系进行线性拟合，得到亮度预测模型。
3.如权利要求2所述的像素亮度确定方法，其特征在于，所述对各样本产品上的多个样本像素点对应的样本灰阶统计值与相对亮度值之间的关系进行线性拟合，包括：
获取预先设置的校正系数以及分别为每个样本灰阶数组赋予预置的权重系数，基于所述权重系数和每个样本灰阶数组的每个样本灰阶统计值计算校正灰阶统计值；构建所述校正系数与各样本灰阶数组对应的校正灰阶统计值的总和与样本像素点的相对亮度值之间的关系方程；
对多个样本产品的各样本像素点对应的所述关系方程进行线性拟合，获得所述校正系数以及每个样本灰阶数组对应的权重系数，生成亮度预测模型。
4.如权利要求2所述的像素亮度确定方法，其特征在于，每个所述样本产品上点亮的多个样本像素点的灰阶值范围覆盖0-225，灰阶值间隔为10。
5.如权利要求2所述的像素亮度确定方法，其特征在于，所述灰阶数组、样本灰阶数组分别为三个；
将多个灰阶值或样本灰阶值按照从小到大的顺序进行排序，三个数组的长度按照灰阶值或样本灰阶值的总数量的65%、35%和5%进行划分。
6.如权利要求1或3所述的像素亮度确定方法，其特征在于，所述灰阶统计值为灰阶均值，所述灰阶均值是每个灰阶数组内多个灰阶值的平均值。
7.如权利要求1或3所述的像素亮度确定方法，其特征在于，所述灰度图像的获取方式为：
点亮待测产品，通过相机拍摄待测产品的图像，得到灰度图像。
8.一种像素亮度确定装置，其特征在于，包括：
图像处理模块，其被配置为获取待测产品的灰度图像，确定每个待检测的像素点在所述灰度图像上对应的成像区域的多个灰阶值；
灰度计算模块，其被配置为将多个灰阶值进行排序并划分为预设数量个灰阶数组，分别计算每个所述灰阶数组内多个灰阶值的灰阶统计值；
亮度计算模块，其被配置为将各所述灰阶统计值输入预先配置的亮度预测模型中，得到待检测的像素点的相对亮度值；
其中，所述亮度预测模型用来表征像素点的相对亮度值与像素点对应的多个灰阶数组的灰阶统计值之间的映射关系。
9.一种计算机设备，其特征在于，包括至少一个处理单元、以及至少一个存储单元，其中，所述存储单元存储有计算机程序，当所述计算机程序被所述处理单元执行时，使得所述处理单元执行权利要求1～7任一项所述方法的步骤。
10.一种计算机可读介质，其特征在于，其存储有可由计算机设备执行的计算机程序，当所述计算机程序在计算机设备上运行时，使得所述计算机设备执行权利要求1～7任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210176774.4A CN114240943B (zh) | 2022-02-25 | 2022-02-25 | 一种像素亮度确定方法、装置、计算机设备及可读介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210176774.4A CN114240943B (zh) | 2022-02-25 | 2022-02-25 | 一种像素亮度确定方法、装置、计算机设备及可读介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114240943A CN114240943A (zh) | 2022-03-25 |
| CN114240943B true CN114240943B (zh) | 2022-04-29 |
Family
ID=80748372
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210176774.4A Active CN114240943B (zh) | 2022-02-25 | 2022-02-25 | 一种像素亮度确定方法、装置、计算机设备及可读介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114240943B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115547220B (zh) * | 2022-03-23 | 2023-07-07 | 荣耀终端有限公司 | 图像显示方法和电子设备 |
| CN116577074A (zh) * | 2023-07-06 | 2023-08-11 | 武汉精立电子技术有限公司 | 一种显示面板亮度均匀度的测量方法及装置 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105241638A (zh) * | 2015-09-09 | 2016-01-13 | 重庆平伟光电科技有限公司 | 基于视觉的led模块亮度均匀性快速检测方法 |
| CN113470562A (zh) * | 2021-09-02 | 2021-10-01 | 苇创微电子(上海)有限公司 | 一种基于成像亮度计的oled屏幕子像素亮度提取方法 |
| CN113706495A (zh) * | 2021-08-23 | 2021-11-26 | 广东奥普特科技股份有限公司 | 一种在传送带上自动检测锂电池参数的机器视觉检测系统 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101441631B1 (ko) * | 2007-11-13 | 2014-09-23 | 삼성디스플레이 주식회사 | 표시 장치 및 그것의 구동 방법 |
| CN104484659B (zh) * | 2014-12-30 | 2018-08-07 | 南京巨鲨显示科技有限公司 | 一种对医学彩色和灰阶图像自动识别及校准的方法 |
| CN111527539B (zh) * | 2018-08-31 | 2023-01-24 | 西安诺瓦星云科技股份有限公司 | 全屏任意拼接的校正方法、校正装置及校正系统 |
-
2022
- 2022-02-25 CN CN202210176774.4A patent/CN114240943B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105241638A (zh) * | 2015-09-09 | 2016-01-13 | 重庆平伟光电科技有限公司 | 基于视觉的led模块亮度均匀性快速检测方法 |
| CN113706495A (zh) * | 2021-08-23 | 2021-11-26 | 广东奥普特科技股份有限公司 | 一种在传送带上自动检测锂电池参数的机器视觉检测系统 |
| CN113470562A (zh) * | 2021-09-02 | 2021-10-01 | 苇创微电子(上海)有限公司 | 一种基于成像亮度计的oled屏幕子像素亮度提取方法 |
Non-Patent Citations (1)
| Title |
|---|
| 一种改善LED显示屏亮度均匀性的算法;严利民 等;《量子电子学报》;20170731;第34卷(第4期);第400-404页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114240943A (zh) | 2022-03-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114240943B (zh) | 一种像素亮度确定方法、装置、计算机设备及可读介质 | |
| CN112241699B (zh) | 物体缺陷类别识别方法、装置、计算机设备和存储介质 | |
| US9396531B2 (en) | Systems and methods for image and video signal measurement | |
| US7936377B2 (en) | Method and system for optimizing an image for improved analysis of material and illumination image features | |
| CN114066857A (zh) | 红外图像质量评价方法、装置、电子设备及可读存储介质 | |
| CN116453438B (zh) | 一种显示屏参数检测方法、装置、设备及存储介质 | |
| CN110310596B (zh) | 一种oled模组的gamma调节初值预测方法及系统 | |
| CN114581723A (zh) | 缺陷分类方法、装置、存储介质、设备及计算机程序产品 | |
| CN114694143B (zh) | 基于光学手段的细胞图像识别方法及装置 | |
| CN114739980B (zh) | 元素信息的预测方法、装置、设备及介质 | |
| CN111507298A (zh) | 人脸检测方法、装置、计算机设备和存储介质 | |
| CN115082400A (zh) | 一种图像处理方法、装置、计算机设备及可读存储介质 | |
| CN112634248A (zh) | 颗粒状原料粒度测量系统及方法、电子设备及存储介质 | |
| CN117711295A (zh) | 基于人工智能的显示模组控制方法、装置、芯片及介质 | |
| CN115908407A (zh) | 基于红外图像温度值的电力设备缺陷检测方法及装置 | |
| US20130084025A1 (en) | Method for Brightness Correction of Defective Pixels of Digital Monochrome Image | |
| CN114666523A (zh) | 一种可自动适应人眼亮度节能液晶电视 | |
| CN117522869B (zh) | 图像处理方法和缺陷检测方法、系统、电子设备 | |
| JP2022049874A (ja) | 検査装置、検査方法及び検査プログラム | |
| CN115082484B (zh) | 基于图像处理的半导体自动分区方法 | |
| Narwaria et al. | An objective method for High Dynamic Range source content selection | |
| CN111369633A (zh) | 设计图的评分方法、装置、计算机可读存储介质和设备 | |
| CN107610101B (zh) | 一种测量数字图像视觉平衡质量的方法 | |
| CN111537447A (zh) | 光谱重建方法、印刷质量的评估方法、系统及电子设备 | |
| CN115526883A (zh) | Led灯珠的检测方法、装置、计算机设备和存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |