CN114299070B - 一种显示屏mura缺陷的检测方法及相关装置 - Google Patents
一种显示屏mura缺陷的检测方法及相关装置 Download PDFInfo
- Publication number
- CN114299070B CN114299070B CN202210221300.7A CN202210221300A CN114299070B CN 114299070 B CN114299070 B CN 114299070B CN 202210221300 A CN202210221300 A CN 202210221300A CN 114299070 B CN114299070 B CN 114299070B
- Authority
- CN
- China
- Prior art keywords
- image
- display screen
- generate
- processing
- display area
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 125
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000012545 processing Methods 0.000 claims abstract description 143
- 238000001514 detection method Methods 0.000 claims abstract description 117
- 230000011218 segmentation Effects 0.000 claims abstract description 52
- 230000000007 visual effect Effects 0.000 claims abstract description 33
- 239000011159 matrix material Substances 0.000 claims description 33
- 238000009826 distribution Methods 0.000 claims description 27
- 238000004422 calculation algorithm Methods 0.000 claims description 23
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 21
- 230000009466 transformation Effects 0.000 claims description 20
- 238000001914 filtration Methods 0.000 claims description 18
- 238000010586 diagram Methods 0.000 claims description 17
- 230000000877 morphologic effect Effects 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 description 22
- 230000008439 repair process Effects 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 6
- 238000004737 colorimetric analysis Methods 0.000 description 6
- 238000005259 measurement Methods 0.000 description 5
- 230000004044 response Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 239000003086 colorant Substances 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000002950 deficient Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 230000008020 evaporation Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000004020 luminiscence type Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
Images
Landscapes
- Image Processing (AREA)
Abstract
本申请公开了一种显示屏mura缺陷的检测方法及相关装置,用于提高mura缺陷视觉检测系统的检出准确性,同时降低过检率和漏检率。本申请方法包括:获取目标显示屏的拍摄图像,对拍摄图像进行形状尺寸规定化处理,生成显示屏处理图像;对显示屏处理图像进行显示区域处理,生成显示区域图像;对显示区域图像进行图像边界和孔卡的修复,生成显示屏待检测图像;根据显示屏待检测图像的像素值RGB转换为XYZ色空间的XYZ三刺激值,生成XYZ三刺激图像;根据目标显示屏的逻辑分辨率和XYZ三刺激图像生成亮度对比可视度图集合;根据亮度对比可视度图集合对显示区域图像进行mura缺陷分割,生成mura缺陷的检测结果。
Description
技术领域
本申请实施例涉及显示屏检测领域,尤其涉及一种显示屏mura缺陷的检测方法及相关装置。
背景技术
随着信息显示技术的不断发展,显示屏(Organic ElectroluminescenceDisplay,OLED)凭借其自发光、可弯曲、视角广泛、响应速度快、制程简单等优势,正逐步取代传统的LCD,快速深入的应用到现代社会的各个领域。
在OLED生产制作的过程中,由于OLED制程工艺复杂、蒸镀工艺难以实现非常良好的平整性,导致每个子像素的发光亮度在相同外部条件下差异较大,这是一种常见缺陷mura,在OLED显示中相较半导体发光二极管(Light Emitting Diode、LCD)更为严重。这就使得在OLED制作完成之后,需要对每个OLED的子像素进行补偿,以达到显示屏显示标准。
目前,针对显示屏mura缺陷检测的方法和手段多种多样,图像处理方法也各有所长。有基于SEMU值的检测方法,也有基于曲面拟合的检测方法。然而,由于mura缺陷的种类繁多,大小、形状各异,这给mura缺陷检测算法的泛化能力和准确性带来了极大的挑战。其中,在现有的mura缺陷检测算法中,拍摄相机拍摄显示屏得到显示屏图像,显示屏图像在进行mura缺陷检测的过程中,由于图像为RGB三色图像,在使得在mura缺陷检测过程中,存在灰度数据一致性差的问题,使得mura缺陷视觉检测系统的检出准确性下降,同时增加了过检率和漏检率。
发明内容
本申请第一方面提供了一种显示屏mura缺陷的检测方法,其特征在于,包括:
获取目标显示屏的拍摄图像,对拍摄图像进行形状尺寸规定化处理,生成显示屏处理图像,显示屏处理图像的逻辑分辨率与目标显示屏的逻辑分辨率相同;
对显示屏处理图像进行显示区域处理,生成显示区域图像;
对显示区域图像进行图像边界和孔卡的修复,生成显示屏待检测图像;
根据显示屏待检测图像的像素值RGB转换为XYZ色空间的XYZ三刺激值,生成XYZ三刺激图像;
根据目标显示屏的逻辑分辨率和XYZ三刺激图像生成亮度对比可视度图集合;
根据亮度对比可视度图集合对显示区域图像进行mura缺陷分割,生成mura缺陷的检测结果。
可选的,在根据XYZ三刺激图像的Y通道生成亮度对比可视度图之后,检测方法还包括:
根据亮度对比可视度图生成色偏离图;
使用色偏离图对显示区域图像进行求与处理和色偏mura缺陷分割,生成色偏mura图像。
可选的,对显示区域图像进行图像边界和孔卡的修复,生成显示屏待检测图像,包括:
将显示区域图像进行灰阶取反处理,生成待修复区域的参考图像;
使用参考图像并结合快速行进算法对显示屏处理图像进行修复,生成显示屏待检测图像。
可选的,根据目标显示屏的逻辑分辨率和XYZ三刺激图像生成亮度对比可视度图集合,包括:
根据目标显示屏的逻辑分辨率生成尺度混合矩阵,尺度混合矩阵用于定义为不同行列尺度值下对应的观测范围;
将XYZ三刺激图像中的Y通道提取,生成亮度分布图;
获取预设的尺度混合坐标,尺度混合坐标表征尺度大小;
根据尺度混合坐标从尺度混合矩阵中确定目标观测范围;
使用目标观测范围的均值滤波窗口对亮度分布图进行均值滤波,生成均值亮度图;
确定预设的视觉阈值;
根据均值亮度图、亮度分布图和视觉阈值生成亮度对比可视度图,亮度对比可视度图对应尺度混合坐标;
通过上述方法生成不同尺度下的亮度对比可视度图集合。
可选的,根据亮度对比可视度图集合对显示区域图像进行mura缺陷分割,生成mura缺陷的检测结果,包括:
使用显示区域图像和目标亮度对比可视度图进行求与处理,生成待分割图像集合;
获取预设的可视度分割阈值;
使用可视度分割阈值对待分割图像集合进行二值化分割,生成mura缺陷的检测结果。
可选的,获取目标显示屏的拍摄图像,对拍摄图像进行形状尺寸规定化处理,生成显示屏处理图像,包括:
获取目标显示屏的拍摄图像;
在拍摄图像上确定目标显示屏的边界点集,并通过边界点集生成区域顶点集合,边界点集包含目标显示屏的两个长边点集、一个底边点集、两个孔卡区短边点集;
根据目标显示屏的逻辑分辨率生成空图像,并确定空图像的参考顶点集合;
根据区域顶点集合和参考顶点集合确定仿射变换公式;
根据仿射变换公式将拍摄图像上每一个像素点的灰度信息填充到空图像上,生成显示屏处理图像。
可选的,对显示屏处理图像进行显示区域处理,生成显示区域图像,包括:
获取预设的灰度阈值;
通过灰度阈值对显示屏处理图像进行二值化处理,生成二值化结果图像;
对二值化结果图像进行孔洞填充和3*3的形态学闭操作,生成显示区域图像。
本申请第二方面提供了一种显示屏mura缺陷的检测装置,其特征在于,包括:
获取单元,用于获取目标显示屏的拍摄图像,对拍摄图像进行形状尺寸规定化处理,生成显示屏处理图像,显示屏处理图像的逻辑分辨率与目标显示屏的逻辑分辨率相同;
第一处理单元,用于对显示屏处理图像进行显示区域处理,生成显示区域图像;
第二处理单元,用于对显示区域图像进行边界和孔卡的修复,生成显示屏待检测图像;
第三处理单元,用于根据显示屏待检测图像的像素值RGB转换为XYZ色空间的XYZ三刺激值,生成XYZ三刺激图像;
第一生成单元,用于根据目标显示屏的逻辑分辨率和XYZ三刺激图像生成亮度对比可视度图集合;
第二生成单元,用于根据亮度对比可视度图集合对显示区域图像进行mura缺陷分割,生成mura缺陷的检测结果。
可选的,检测装置还包括:
第三生成单元,由于根据亮度对比可视度图生成色偏离图;
第四生成单元,由于使用色偏离图对显示区域图像进行求与处理和色偏mura缺陷分割,生成色偏mura图像。
可选的,第二处理单元,具体为:
将显示区域图像进行灰阶取反处理,生成待修复区域的参考图像;
使用参考图像并结合快速行进算法对显示屏处理图像进行修复,生成显示屏待检测图像。
可选的,第一生成单元,包括:
根据目标显示屏的逻辑分辨率生成尺度混合矩阵,尺度混合矩阵用于定义为不同行列尺度值下对应的观测范围;
将XYZ三刺激图像中的Y通道提取,生成亮度分布图;
获取预设的尺度混合坐标,尺度混合坐标表征尺度大小;
根据尺度混合坐标从尺度混合矩阵中确定目标观测范围;
使用目标观测范围的均值滤波窗口对亮度分布图进行均值滤波,生成均值亮度图;
确定预设的视觉阈值;
根据均值亮度图、亮度分布图和视觉阈值生成亮度对比可视度图,亮度对比可视度图对应尺度混合坐标;
通过上述方法生成不同尺度下的亮度对比可视度图集合。
可选的,第二生成单元,包括:
使用显示区域图像和目标亮度对比可视度图进行求与处理,生成待分割图像集合;
获取预设的可视度分割阈值;
使用可视度分割阈值对待分割图像集合进行二值化分割,生成mura缺陷的检测结果。
可选的,获取单元,包括:
获取目标显示屏的拍摄图像;
在拍摄图像上确定目标显示屏的边界点集,并通过边界点集生成区域顶点集合,边界点集包含目标显示屏的两个长边点集、一个底边点集、两个孔卡区短边点集;
根据目标显示屏的逻辑分辨率生成空图像,并确定空图像的参考顶点集合;
根据区域顶点集合和参考顶点集合确定仿射变换公式;
根据仿射变换公式将拍摄图像上每一个像素点的灰度信息填充到空图像上,生成显示屏处理图像。
可选的,第一处理单元,包括:
获取预设的灰度阈值;
通过灰度阈值对显示屏处理图像进行二值化处理,生成二值化结果图像;
对二值化结果图像进行孔洞填充和3*3的形态学闭操作,生成显示区域图像。
本申请第三方面提供了一种电子设备,其特征在于,包括:
处理器、存储器、输入输出单元以及总线;
处理器与存储器、输入输出单元以及总线相连;
存储器保存有程序,处理器调用程序以执行如第一方面以及第一方面的任意可选的检测方法。
本申请第四方面提供了一种计算机可读存储介质,计算机可读存储介质上保存有程序,程序在计算机上执行时执行如第一方面以及第一方面的任意可选的检测方法。
从以上技术方案可以看出,本申请具有以下优点:
本申请中,首先获取目标显示屏的拍摄图像,并且对拍摄图像进行形状尺寸规定化处理,生成显示屏处理图像,显示屏处理图像的逻辑分辨率与目标显示屏的逻辑分辨率相同。接着,对显示屏处理进行显示区域处理,生成显示区域图像。对显示区域图像进行图像边界和孔卡的修复,生成显示屏待检测图像。根据显示屏待检测图像的像素值RGB转换为XYZ色空间的XYZ三刺激值,生成XYZ三刺激图像。根据目标显示屏的逻辑分辨率和XYZ三刺激图像生成亮度对比可视度图集合。根据亮度对比可视度图集合对显示区域图像进行mura缺陷分割,生成mura缺陷的检测结果。
通过将拍摄相机获得的拍摄图像(RGB三色图像)转换为XYZ三刺激值图像,并且通过XYZ三刺激值图像对mura缺陷进行检测,由于mura缺陷检出都建立在转换后的色度学指标上,克服了拍摄图像在mura缺陷检测过程中灰度数据一致性差的问题,提高mura缺陷视觉检测系统的检出准确性,同时降低过检率和漏检率。
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为本申请实施例中显示屏mura缺陷的检测方法的一个实施例示意图;
图2-1、图2-2和图2-3为本申请实施例中显示屏mura缺陷的检测方法的另一个实施例示意图;
图3为本申请实施例中显示屏mura缺陷的检测装置的一个实施例示意图;
图4为本申请实施例中显示屏mura缺陷的检测装置的另一个实施例示意图;
图5为本申请电子设备的一个实施例示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本申请说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外,在本申请说明书和所附权利要求书的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
在现有技术中,针对显示屏mura缺陷检测的方法和手段多种多样,图像处理方法也各有所长。有基于SEMU值的检测方法,也有基于曲面拟合的检测方法。然而,由于mura缺陷的种类繁多,大小、形状各异,这给mura缺陷检测算法的泛化能力和准确性带来了极大的挑战。其中,在现有的mura缺陷检测算法中,拍摄相机拍摄显示屏得到显示屏图像,显示屏图像在进行mura缺陷检测的过程中,由于图像为RGB三色图像,在使得在mura缺陷检测过程中,存在灰度数据一致性差的问题,使得mura缺陷的漏检率提高。
基于此,本申请公开了一种显示屏mura缺陷的检测方法及相关装置,通过将拍摄相机获得的拍摄图像(RGB三色图像)转换为XYZ三刺激值图像,并且通过XYZ三刺激值图像对mura缺陷进行检测,由于mura缺陷检出都建立在转换后的色度学指标上,克服了拍摄图像在mura缺陷检测过程中灰度数据一致性差的问题,提高mura缺陷视觉检测系统的检出准确性,同时降低过检率和漏检率。
下面将结合本申请实施例中的附图,对本申请中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请的方法可以应用于服务器、设备、终端或者其它具备逻辑处理能力的设备,对此,本申请不作限定。为方便描述,下面以执行主体为终端为例进行描述。
请参阅图1,本申请提供了一种显示屏mura缺陷的检测方法的一个实施例,包括:
101、获取目标显示屏的拍摄图像,对拍摄图像进行形状尺寸规定化处理,生成显示屏处理图像,显示屏处理图像的逻辑分辨率与目标显示屏的逻辑分辨率相同;
终端获取目标显示屏的拍摄图像,具体是通过拍摄相机对位于放置区域的目标显示屏进行拍摄,得到拍摄图像,拍摄图像中具有目标显示屏区域和环境区域,这时需要对拍摄图像进行形状尺寸规定化处理,生成检测效果更好的显示屏处理图像。其中,显示屏处理图像的逻辑分辨率与目标显示屏的逻辑分辨率相同。
其中,目标显示屏是通过自动送料装置送入拍摄相机拍摄视野的,并且由于屏体点亮之前都需要做精确对位,因此目标显示屏在相机拍摄视野中的位置是相对固定的,不会有大的位移,会存在细微的倾斜和位移。
102、对显示屏处理图像进行显示区域处理,生成显示区域图像;
由于在工序中存在环境因素影响,目标显示屏本身也可能会存在缺陷。主要是由于显示屏生产环境的原因,在目标显示屏上可能会存在落尘等异物,这就使得拍摄图像上存在一些像素点无法得到有效的灰阶信息,转换成显示屏处理图像之后也无法得到这些像素点的灰阶信息。并且显示屏处理图像很有可能存在边界锯齿效应,使得后续的检测步骤不准确。
终端对显示屏处理图像进行显示区域处理,解决异物与边界锯齿效应的影响,生成显示区域图像。
103、对显示区域图像进行图像边界和孔卡的修复,生成显示屏待检测图像;
终端对显示区域图像进行图像边界和孔卡的修复,生成显示屏待检测图像。目的是用于当图像中存在一些阴影、黑点等明显不属于显示区域图像的部分使得图像边界和孔卡存在缺陷时,可以通过修复算法,将这些阴影或是黑点进行修复,使得尽可能贴合显示区域图像。
104、根据显示屏待检测图像的像素值RGB转换为XYZ色空间的XYZ三刺激值,生成XYZ三刺激图像;
终端根据显示屏待检测图像的像素值RGB转换为XYZ色空间的XYZ三刺激值,生成XYZ三刺激图像。
用于mura缺陷检测的拍摄相机为彩色相机,定义显示屏待检测图像为Is,目标显示屏的物理宽度为W(单位mm),物理高度为H(单位mm),目标显示屏的逻辑分辨率为PW×PH,则Is是一张逻辑分辨率为PW×PH的图像。假设拍摄相机已经完成了相机测色模型的标定,即针对当前Is图像中的像素值RGB(RGB为彩色图像的三个通道的灰度值),有一个标定好的模型参数C和D,可以将像素RGB转换为XYZ色空间中的XYZ三刺激值。
以下是拍摄相机测色模型,RGB为显示屏待检测图像的三个通道的灰度值(这里的拍摄相机为彩色相机,同黑白相机测亮度时相同,曝光时间固定),C和D分别是经过测色标定流程确定的转换矩阵和偏移量。
需要说明的是,拍摄相机的白平衡需要在色度坐标为(0.333,0.333)的白色下进行白平衡标定。
将Is中每个像素的灰度值RGB,带入测色模型计算公式,将彩色RGB图像转换为XYZ图像。其中,Y通道的图像就是对应的亮度分布图Ys,Ys是一个和拍摄图像逻辑分辨率相同的矩阵。
105、根据目标显示屏的逻辑分辨率和XYZ三刺激图像生成亮度对比可视度图集合;
终端根据目标显示屏的逻辑分辨率和XYZ三刺激图像生成亮度对比可视度图集合,亮度对比可视度图集合为不同尺度下的亮度对比可视度图组成,用于后续对显示区域图像进行mura缺陷检测。具体是通过根据目标显示屏的逻辑分辨率和XYZ三刺激图像在不同的尺度坐标下,生成对应的亮度对比可视度图。亮度对比可视度图可以使得mura缺陷检测建立在转换后的色度学指标上,克服了拍摄图像在mura缺陷检测过程中灰度数据一致性差的问题。
106、根据亮度对比可视度图集合对显示区域图像进行mura缺陷分割,生成mura缺陷的检测结果。
终端根据亮度对比可视度图集合对显示区域图像进行mura缺陷分割,生成mura缺陷的检测结果。
本申请实施例中,首先终端获取目标显示屏的拍摄图像,并且对拍摄图像进行形状尺寸规定化处理,生成显示屏处理图像,显示屏处理图像的逻辑分辨率与目标显示屏的逻辑分辨率相同。接着,终端对显示屏处理进行显示区域处理,生成显示区域图像。终端对显示区域图像进行图像边界和孔卡的修复,生成显示屏待检测图像。终端根据显示屏待检测图像的像素值RGB转换为XYZ色空间的XYZ三刺激值,生成XYZ三刺激图像。终端根据目标显示屏的逻辑分辨率和XYZ三刺激图像生成亮度对比可视度图集合。终端根据亮度对比可视度图集合对显示区域图像进行mura缺陷分割,生成mura缺陷的检测结果。
通过将拍摄相机获得的拍摄图像(RGB三色图像)转换为XYZ三刺激值图像,并且通过XYZ三刺激值图像对mura缺陷进行检测,由于mura缺陷检出都建立在转换后的色度学指标上,克服了拍摄图像在mura缺陷检测过程中灰度数据一致性差的问题,提高mura缺陷视觉检测系统的检出准确性,同时降低过检率和漏检率。
请参阅图2-1、图2-2和图2-3,本申请提供了一种显示屏mura缺陷的检测方法的另一个实施例,包括:
201、获取目标显示屏的拍摄图像;
202、在拍摄图像上确定目标显示屏的边界点集,并通过边界点集生成区域顶点集合,边界点集包含目标显示屏的两个长边点集、一个底边点集、两个孔卡区短边点集;
203、根据目标显示屏的逻辑分辨率生成空图像,并确定空图像的参考顶点集合;
204、根据区域顶点集合和参考顶点集合确定仿射变换公式;
205、根据仿射变换公式将拍摄图像上每一个像素点的灰度信息填充到空图像上,生成显示屏处理图像;
终端获取了目标显示屏的拍摄图像之后,自动探测拍摄图像中目标显示屏四个边界。在拍摄图像上设置边界探测区域:R1、R2、R3、R4、R5,分别探测显示屏两个长边R1、R2、底边R3、孔卡区短边R4、R5的边界点集,即两个长边点集、一个底边点集、两个孔卡区短边点集,并通过点集拟合出对应的直线,具体步骤如下:
a.在长边R1中使用均匀间隔的边界探测线,得到点集PR1,并使用点集PR1进行直线拟合得到直线LR1;
b.在长边R2中使用均匀间隔的边界探测线,得到点集PR2,并使用点集PR2进行直线拟合得到直线LR2;
c.在底边R3中使用均匀间隔的边界探测线,得到点集PR3,并使用点集PR3进行直线拟合得到直线LR3;
d.在孔卡区短边R4、R5中使用均匀间隔的边界探测线,得到点集PR4和点集PR5,由于点集PR4和点集PR5共线,可以使用点集PR4和点集PR5共同进行直线拟合得到直线LR4R5。
点集探测规则为相邻两个像素的灰度差超过了边界探测阈值。
接下来,使用直线LR1、直线LR2、直线LR3和直线LR4R5计算显示屏显示区域顶点。
a.使用直线LR1和直线LR3的交点计算得到显示屏显示区域顶点P1;
b.使用直线LR2和直线LR3的交点计算得到显示屏显示区域顶点P2;
c.使用直线LR1和直线LR4R5的交点计算得到显示屏显示区域顶点P3;
d.使用直线LR2和直线LR4R5的交点计算得到显示屏显示区域顶点P4。
对区域顶点P1、P2、P3、P4进行仿射校正,得到规定化的图像Inorm(即显示屏处理图像),具体步骤如下:
a.根据目标显示屏的逻辑分辨率PW×PH生成一张空图像(图像的分辨率为PW×PH),空图像四个顶点的的坐标分别定义为Q1(1,1) 、Q2(1, PW)、Q3(PH,1)、Q4(PH, PW)。
b.使用区域顶点P1、P2、P3和空图像顶点Q1、Q2、Q3联立方程组解出仿射变换矩阵中的系数a1、b1、c1、a2、b2、c2,其中,仿射变换矩阵定义为:
其中,xP,yP分别代入区域顶点P1、P2、P3的横纵坐标,xQ,yQ分别代入空图像顶点Q1、Q2、Q3的横纵坐标。
当仿射变换矩阵中的系数计算完成之后,将空图像中的每个像素坐标带入仿射变换公式,得到对应的拍摄图像上的图像坐标,并将拍摄图像的灰度信息填入空图像中,即可完成图像的显示屏形状尺寸的规定化,生成显示屏处理图像。
规定化以后的显示屏处理图像,和目标显示屏的逻辑像素分辨率相同,都为PW×PH,即实现了目标显示屏和图像像素Mapping的1:1变换,后续的图像处理过程都建立在对图像Inorm(即显示屏处理图像)的处理上。
206、获取预设的灰度阈值;
207、通过灰度阈值对显示屏处理图像进行二值化处理,生成二值化结果图像;
208、对二值化结果图像进行孔洞填充和3*3的形态学闭操作,生成显示区域图像;
终端获取预设的灰度阈值,并且通过灰度阈值对显示屏处理图像进行二值化处理,生成二值化结果图像,最后终端对二值化结果图像进行孔洞填充和3*3的形态学闭操作,生成显示区域图像。具体步骤如下:
其中,Inorm(i,j)为图像Inorm(即显示屏处理图像)在坐标(i,j)处的灰度信息,IROI(i,j)二值化结果图像在坐标(i,j)处的灰度信息。
在二值化结果图像IROI上进行孔洞填充(此操作为为了克服异物遮挡导致的显示屏显示区域提取出现孔洞的问题,同时输出显示屏显示区域的固有形状),再对其进行3×3的形态学闭操作,修复可能的边界锯齿效应。
209、将显示区域图像进行灰阶取反处理,生成待修复区域的参考图像;
210、使用参考图像并结合快速行进算法对显示屏处理图像进行修复,生成显示屏待检测图像;
终端将显示区域图像进行灰阶取反处理,生成待修复区域的参考图像,接着使用参考图像并结合快速行进算法对显示屏处理图像进行修复,生成显示屏待检测图像,具体步骤如下:
将显示区域图像上的灰阶进行取反,即灰阶0转换为灰阶255,灰阶255转换为灰阶0,得到待修复的参考图像Rrepair,在图像Inorm上,将参考图像Rrepair作为修复掩膜图像进行图像修复算法。图像修复算法为快速行进算法(Fast Marching Method,简称FMM),修复完成后的图像记为显示屏待检测图像Is。
211、根据显示屏待检测图像的像素值RGB转换为XYZ色空间的XYZ三刺激值,生成XYZ三刺激图像;
本实施例中的步骤211与前述实施例中步骤104类似,此处不再赘述。
212、根据目标显示屏的逻辑分辨率生成尺度混合矩阵,尺度混合矩阵用于定义为不同行列尺度值下对应的观测范围;
213、将XYZ三刺激图像中的Y通道提取,生成亮度分布图;
214、获取预设的尺度混合坐标,尺度混合坐标表征尺度大小;
215、根据尺度混合坐标从尺度混合矩阵中确定目标观测范围;
216、使用目标观测范围的均值滤波窗口对亮度分布图进行均值滤波,生成均值亮度图;
217、确定预设的视觉阈值;
218、根据均值亮度图、亮度分布图和视觉阈值生成亮度对比可视度图,亮度对比可视度图对应尺度混合坐标;
219、通过上述方法生成不同尺度下的亮度对比可视度图集合;
终端根据目标显示屏的逻辑分辨率生成尺度混合矩阵,尺度混合矩阵用于定义为不同行列尺度值下对应的观测范围,并且终端将XYZ三刺激图像中的Y通道提取,生成亮度分布图。接着终端获取预设的尺度混合坐标,尺度混合坐标表征尺度大小。终端根据尺度混合坐标从尺度混合矩阵中确定目标观测范围。终端使用目标观测范围的均值滤波窗口对亮度分布图进行均值滤波,生成均值亮度图。这时终端确定预设的视觉阈值,并且终端根据均值亮度图、亮度分布图和视觉阈值生成亮度对比可视度图,亮度对比可视度图对应尺度混合坐标。终端通过上述方法生成不同尺度下的亮度对比可视度图集合。
在进行亮度对比可视图集合的生成前首先需要对尺度进行定义,由于显示屏mura的大小、形状各异,而目前各种各样的mura检测算法很多都没能实现多尺度检测的统一。为了模糊定性表征mura缺陷的大小,本算法首先定义算法中用到的尺度概念。
无论2K、4K还是8K显示屏,定义显示屏物理尺寸为W×H,对应逻辑分辨率Pw×Ph,全尺寸范围的观测尺度被定义为0,此时m=0;显示屏的行方向有对应的行观测尺度mx,定义宽度W的一半的尺度为1,即mx=1。尺度mx=1对应的物理宽度(W/2)的一半定义为mx=2,依次类推;显示屏的列方向有对应的行观测尺度my,定义高度H的一半的尺度为1,即my=1。尺度my=1对应的物理高度(H/2)的一半定义为my=2,依次类推。可以得到如下结论:
8K显示屏的mura检测用尺度值1~11即可实现完整表征,观测尺度11可精确到像素。
4K显示屏的mura检测用尺度值1~10即可实现完整表征,观测尺度10可精确到像素。
2K显示屏的mura检测用尺度值1~9即可实现完整表征,观测尺度9可精确到像素。
特定尺度m下对应的物理尺寸可通过W/(2m)或H/(2m) 计算得到;
特定尺度m下对应的显示屏像素数可通过Pw/(2m)或Ph/(2m) 计算得到。
完成目标显示屏mura缺陷检测中尺度的定义之后,需要对显示屏mura检测中亮度JND(JNDLv)的定义。
由于目标显示屏在做mura缺陷检测之前通常已经做完γ调节和白平衡调节,其灰阶和显示亮度的关系满足γ函数关系,如最大亮度Lvmax=300,γ=2.2,目标色度(cx,cy)为(0.295,0.315)时的灰阶-光学XYZ三刺激值曲线。其中Y为亮度(即为人眼感知的亮度),X和Z为红色和蓝色视刺激值。
根据韦伯-费希纳定律可知:感觉的差别阈限(即:最小可觉差ΔI,英文简称JND,Just Noticeable Difference)与原刺激量I成正比。有:
其中系数k又叫韦伯率。针对人眼视觉这个韦伯率又称费赫涅尔系数,也叫对比度阈,或视觉阈值(本实施例使用视觉阈值):与环境光和背景的亮度有关,一般为0.005-0.02。当背景亮度很高或者很低时,人眼视觉阈值可达0.05。面板检测行业对标准人眼的视觉阈值一般选取0.02,通常将视觉阈值用百分数的形式表达,如:2%。
当视觉阈值确定后,在显示屏的mura检测中可以通过获取显示屏理想亮度(通常是显示屏中心亮度,经过γ调节和白平衡调节后中心亮度的灰阶-亮度关系满足γ函数曲线),将理想亮度和视觉阈值相乘,可得到当前画面显示亮度Lv下的亮度JND值,如下:
其中,本实施例的亮度Lv可通过mura拍图的中心部分灰度均值、拍图曝光时间、光圈值、工作距离带入相机测光标定模型中得到。
接下来,需要目标显示屏mura检测中亮度对比可视度图VLv的定义。
选定一个亮度参考值作为理想亮度值Lv,Lv是一个标量。
记显示屏的亮度分布图为LLv,LLv是一个和图像分辨率相同的矩阵。
亮度对比可视度图VLv定义为:
从定义可以看出,相对于参考亮度的暗mura,在VLv中的值是负值,相对于参考亮度的亮mura,在VLv中的值是正值,VLv的绝对值<1的部分,代表不可觉,VLv的绝对值>1的部分,代表可觉,且值越大,可视度越高。
接下来即可进入多尺度的亮度对比可视度图的计算。
首先根据目标显示屏的逻辑分辨率生成尺度混合矩阵,需要根据逻辑分辨率PW×PH计算多尺度计算中的尺度值取值范围mW和mH,公式如下:
由此可得行尺度mx和列尺度my:
根据检测实际需要设定检测尺度取值范围。
在实际的mura检测中,为了减少重复计算,可根据需要选择接下来参与计算的尺度值。
即可生成尺度混合矩阵,只需要使用选定的尺度混合坐标(也可使用尺度混合矩阵的全部尺度混合坐标参与计算)计算亮度对比可视度图即可,假设待计算尺度混合坐标为(mx,my),对应的观测范围为(Px,Py)。
将XYZ三刺激图像中的Y通道图像取出,记为对应的亮度分布图Ys。
使用Px×Py的均值滤波窗口,对Ys进行均值滤波,得到滤波后的均值亮度图Ys(mx ,my)。
通过上述方法,终端可以提取不同尺度混合坐标下的亮度对比可视度图。
220、使用显示区域图像和目标亮度对比可视度图进行求与处理,生成待分割图像集合;
221、获取预设的可视度分割阈值;
222、使用可视度分割阈值对待分割图像集合进行二值化分割,生成mura缺陷的检测结果;
终端使用显示区域图像和目标亮度对比可视度图进行求与处理,生成待分割图像集合,并且终端获取预设的可视度分割阈值之后,终端使用可视度分割阈值对待分割图像集合进行二值化分割,生成mura缺陷的检测结果。
首先,终端使用图像IROI(即显示区域图像)和各个尺度混合坐标下的亮度对比可视度图求与,删除各个尺度下的亮度对比可视度图中非显示区的信息,再给定可视度分割阈值,对各个尺度下的亮度对比可视度图进行二值化分割,得到对应的亮mura和暗mura。
在此步骤中使用不同尺度混合坐标可以得到不同观察尺度下的mura缺陷,组合不同尺度坐标可以覆盖从小到大所有mura的检出。
223、根据亮度对比可视度图生成色偏离图;
224、使用色偏离图对显示区域图像进行求与处理和色偏mura缺陷分割,生成色偏mura图像。
终端根据亮度对比可视度图生成色偏离图,并且终端使用色偏离图对显示区域图像进行求与处理和色偏mura缺陷分割,生成色偏mura图像。步骤223与步骤224是在步骤211的基础上完成,即只需要终端根据显示屏待检测图像的像素值RGB转换为XYZ色空间的XYZ三刺激值,生成XYZ三刺激图像,即可根据XYZ三刺激图像生成色偏离图,进行了求与处理和色偏mura缺陷分割之后,生成色偏mura图像,具体方法如下所示:
首先,定义目标显示屏的目标色坐标值(使用目标色坐标值可检测大面积偏色)为(x,y),目标显示屏中心区域的亮度均值Lv,计算目标XYZ值:
同时根据XYZ三刺激图像生成色坐标图像,xyz色坐标图像:
X,Y,Z分别为XYZ三刺激图像的三个通道,xyz分别为xyz色坐标图像中的三个通道。
其中:
终端计算色偏离图CST(Color Shift):
如果检测结果需要对颜色mura的颜色进行区分的话,可以使用上述步骤中的色坐标图像对色mura图像的区域进行标记。
本申请实施例中,终端首先获取目标显示屏的拍摄图像,终端在拍摄图像上确定目标显示屏的边界点集,并通过边界点集生成区域顶点集合,边界点集包含目标显示屏的两个长边点集、一个底边点集、两个孔卡区短边点集。终端根据目标显示屏的逻辑分辨率生成空图像,并确定空图像的参考顶点集合。终端根据区域顶点集合和参考顶点集合确定仿射变换公式。终端根据仿射变换公式将拍摄图像上每一个像素点的灰度信息填充到空图像上,生成显示屏处理图像。终端获取预设的灰度阈值,接着终端通过灰度阈值对显示屏处理图像进行二值化处理,生成二值化结果图像,然后终端对二值化结果图像进行孔洞填充和3*3的形态学闭操作,生成显示区域图像。终端将显示区域图像进行灰阶取反处理,生成待修复区域的参考图像。终端使用参考图像并结合快速行进算法对显示屏处理图像进行修复,生成显示屏待检测图像。终端根据显示屏待检测图像的像素值RGB转换为XYZ色空间的XYZ三刺激值,生成XYZ三刺激图像。终端根据目标显示屏的逻辑分辨率生成尺度混合矩阵,尺度混合矩阵用于定义为不同行列尺度值下对应的观测范围。终端将XYZ三刺激图像中的Y通道提取,生成亮度分布图。终端获取预设的尺度混合坐标,尺度混合坐标表征尺度大小。终端根据尺度混合坐标从尺度混合矩阵中确定目标观测范围。终端使用目标观测范围的均值滤波窗口对亮度分布图进行均值滤波,生成均值亮度图。终端确定预设的视觉阈值,终端根据均值亮度图、亮度分布图和视觉阈值生成亮度对比可视度图,亮度对比可视度图对应尺度混合坐标。终端通过上述方法生成不同尺度下的亮度对比可视度图集合。终端使用显示区域图像和目标亮度对比可视度图进行求与处理,生成待分割图像集合。终端获取预设的可视度分割阈值,终端使用可视度分割阈值对待分割图像集合进行二值化分割,生成mura缺陷的检测结果。终端可以根据亮度对比可视度图生成色偏离图,并且终端可以使用色偏离图对显示区域图像进行求与处理和色偏mura缺陷分割,生成色偏mura图像。
终端通过将拍摄相机获得的拍摄图像(RGB三色图像)转换为XYZ三刺激值图像,并且通过XYZ三刺激值图像对mura缺陷进行检测,由于mura缺陷检出都建立在转换后的色度学指标上,克服了拍摄图像在mura缺陷检测过程中灰度数据一致性差的问题,提高mura缺陷视觉检测系统的检出准确性,同时降低过检率和漏检率。
其次,本实施例通过设计一组和显示屏的物理分辨率关联的尺度值,在mura缺陷检测时实现多尺度的检测。同时将检测结果和尺度信息关联起来,为特定尺度下检出的mura缺陷设置了一个模糊的尺度标签,将有利于更准确高效的对mura缺陷的类别进行区分。
其次,本实施例通过一组校正操作将目标显示屏的拍摄图像和目标显示屏的物理分辨率实现1:1对应,可以提高mura缺陷的检出位置和实际物理位置的对应精度。
本实施例通过将不同尺度下人眼的最小可觉差作为单位输出多尺度亮度对比可视度图,其值和人眼感受的差异强度相关,能够提高视觉检测算法和人眼观测结果的重合度,降低算法的过漏检率。
其次,本实施例通过色偏离图结合色坐标图,可以检测各种颜色的mura缺陷,同时对整屏色偏也具有良好的检出能力。
请参阅图3,本申请提供了一种显示屏mura缺陷的检测装置的一个实施例,包括:
获取单元301,用于获取目标显示屏的拍摄图像,对拍摄图像进行形状尺寸规定化处理,生成显示屏处理图像,显示屏处理图像的逻辑分辨率与目标显示屏的逻辑分辨率相同;
第一处理单元302,用于对显示屏处理图像进行显示区域处理,生成显示区域图像;
第二处理单元303,用于对显示区域图像进行边界和孔卡的修复,生成显示屏待检测图像;
第三处理单元304,用于根据显示屏待检测图像的像素值RGB转换为XYZ色空间的XYZ三刺激值,生成XYZ三刺激图像;
第一生成单元305,用于根据目标显示屏的逻辑分辨率和XYZ三刺激图像生成亮度对比可视度图集合;
第二生成单元306,用于根据亮度对比可视度图集合对显示区域图像进行mura缺陷分割,生成mura缺陷的检测结果。
本申请实施例中,首先获取单元301获取目标显示屏的拍摄图像,并且对拍摄图像进行形状尺寸规定化处理,生成显示屏处理图像,显示屏处理图像的逻辑分辨率与目标显示屏的逻辑分辨率相同。接着,第一处理单元302对显示屏处理进行显示区域处理,生成显示区域图像。第二处理单元303对显示区域图像进行图像边界和孔卡的修复,生成显示屏待检测图像。第三处理单元304根据显示屏待检测图像的像素值RGB转换为XYZ色空间的XYZ三刺激值,生成XYZ三刺激图像。第一生成单元305根据目标显示屏的逻辑分辨率和XYZ三刺激图像生成亮度对比可视度图集合。第二生成单元306根据亮度对比可视度图集合对显示区域图像进行mura缺陷分割,生成mura缺陷的检测结果。
通过将拍摄相机获得的拍摄图像(RGB三色图像)转换为XYZ三刺激值图像,并且通过XYZ三刺激值图像对mura缺陷进行检测,由于mura缺陷检出都建立在转换后的色度学指标上,克服了拍摄图像在mura缺陷检测过程中灰度数据一致性差的问题,提高mura缺陷视觉检测系统的检出准确性,同时降低过检率和漏检率。
请参阅图4,本申请提供了一种显示屏mura缺陷的检测装置的一个实施例,包括:
获取单元401,用于获取目标显示屏的拍摄图像,对拍摄图像进行形状尺寸规定化处理,生成显示屏处理图像,显示屏处理图像的逻辑分辨率与目标显示屏的逻辑分辨率相同;
可选的,获取单元401,具体为:
获取目标显示屏的拍摄图像;
在拍摄图像上确定目标显示屏的边界点集,并通过边界点集生成区域顶点集合,边界点集包含目标显示屏的两个长边点集、一个底边点集、两个孔卡区短边点集;
根据目标显示屏的逻辑分辨率生成空图像,并确定空图像的参考顶点集合;
根据区域顶点集合和参考顶点集合确定仿射变换公式;
根据仿射变换公式将拍摄图像上每一个像素点的灰度信息填充到空图像上,生成显示屏处理图像。
第一处理单元402,用于对显示屏处理图像进行显示区域处理,生成显示区域图像;
可选的,第一处理单元402,具体为:
获取预设的灰度阈值;
通过灰度阈值对显示屏处理图像进行二值化处理,生成二值化结果图像;
对二值化结果图像进行孔洞填充和3*3的形态学闭操作,生成显示区域图像。
第二处理单元403,用于对显示区域图像进行边界和孔卡的修复,生成显示屏待检测图像;
可选的,第二处理单元403,具体为:
将显示区域图像进行灰阶取反处理,生成待修复区域的参考图像;
使用参考图像并结合快速行进算法对显示屏处理图像进行修复,生成显示屏待检测图像。
第三处理单元404,用于根据显示屏待检测图像的像素值RGB转换为XYZ色空间的XYZ三刺激值,生成XYZ三刺激图像;
第一生成单元405,用于根据目标显示屏的逻辑分辨率和XYZ三刺激图像生成亮度对比可视度图集合;
可选的,第一生成单元405,具体为:
根据目标显示屏的逻辑分辨率生成尺度混合矩阵,尺度混合矩阵用于定义为不同行列尺度值下对应的观测范围;
将XYZ三刺激图像中的Y通道提取,生成亮度分布图;
获取预设的尺度混合坐标,尺度混合坐标表征尺度大小;
根据尺度混合坐标从尺度混合矩阵中确定目标观测范围;
使用目标观测范围的均值滤波窗口对亮度分布图进行均值滤波,生成均值亮度图;
确定预设的视觉阈值;
根据均值亮度图、亮度分布图和视觉阈值生成亮度对比可视度图,亮度对比可视度图对应尺度混合坐标;
通过上述方法生成不同尺度下的亮度对比可视度图集合。
第二生成单元406,用于根据亮度对比可视度图集合对显示区域图像进行mura缺陷分割,生成mura缺陷的检测结果;
可选的,第二生成单元406,具体为:
使用显示区域图像和目标亮度对比可视度图进行求与处理,生成待分割图像集合;
获取预设的可视度分割阈值;
使用可视度分割阈值对待分割图像集合进行二值化分割,生成mura缺陷的检测结果。
第三生成单元407,由于根据亮度对比可视度图生成色偏离图;
第四生成单元408,由于使用色偏离图对显示区域图像进行求与处理和色偏mura缺陷分割,生成色偏mura图像。
本申请实施例中,获取单元401首先获取目标显示屏的拍摄图像,获取单元401在拍摄图像上确定目标显示屏的边界点集,并通过边界点集生成区域顶点集合,边界点集包含目标显示屏的两个长边点集、一个底边点集、两个孔卡区短边点集。获取单元401根据目标显示屏的逻辑分辨率生成空图像,并确定空图像的参考顶点集合。获取单元401根据区域顶点集合和参考顶点集合确定仿射变换公式。获取单元401根据仿射变换公式将拍摄图像上每一个像素点的灰度信息填充到空图像上,生成显示屏处理图像。第一处理单元402获取预设的灰度阈值,接着第一处理单元402通过灰度阈值对显示屏处理图像进行二值化处理,生成二值化结果图像,然后第一处理单元402对二值化结果图像进行孔洞填充和3*3的形态学闭操作,生成显示区域图像。第二处理单元403将显示区域图像进行灰阶取反处理,生成待修复区域的参考图像。第二处理单元403使用参考图像并结合快速行进算法对显示屏处理图像进行修复,生成显示屏待检测图像。第三处理单元404根据显示屏待检测图像的像素值RGB转换为XYZ色空间的XYZ三刺激值,生成XYZ三刺激图像。第一生成单元405根据目标显示屏的逻辑分辨率生成尺度混合矩阵,尺度混合矩阵用于定义为不同行列尺度值下对应的观测范围。第一生成单元405将XYZ三刺激图像中的Y通道提取,生成亮度分布图。第一生成单元405获取预设的尺度混合坐标,尺度混合坐标表征尺度大小。第一生成单元405根据尺度混合坐标从尺度混合矩阵中确定目标观测范围。第一生成单元405使用目标观测范围的均值滤波窗口对亮度分布图进行均值滤波,生成均值亮度图。第一生成单元405确定预设的视觉阈值,第一生成单元405根据均值亮度图、亮度分布图和视觉阈值生成亮度对比可视度图,亮度对比可视度图对应尺度混合坐标。第一生成单元405通过上述方法生成不同尺度下的亮度对比可视度图集合。第二生成单元406使用显示区域图像和目标亮度对比可视度图进行求与处理,生成待分割图像集合。第二生成单元406获取预设的可视度分割阈值,第二生成单元406使用可视度分割阈值对待分割图像集合进行二值化分割,生成mura缺陷的检测结果。第三生成单元407可以根据亮度对比可视度图生成色偏离图,并且第四生成单元408可以使用色偏离图对显示区域图像进行求与处理和色偏mura缺陷分割,生成色偏mura图像。
通过将拍摄相机获得的拍摄图像(RGB三色图像)转换为XYZ三刺激值图像,并且通过XYZ三刺激值图像对mura缺陷进行检测,由于mura缺陷检出都建立在转换后的色度学指标上,克服了拍摄图像在mura缺陷检测过程中灰度数据一致性差的问题,提高mura缺陷视觉检测系统的检出准确性,同时降低过检率和漏检率。
其次,本实施例通过设计一组和显示屏的物理分辨率关联的尺度值,在mura缺陷检测时实现多尺度的检测。同时将检测结果和尺度信息关联起来,为特定尺度下检出的mura缺陷设置了一个模糊的尺度标签,将有利于更准确高效的对mura缺陷的类别进行区分。
其次,本实施例通过一组校正操作将目标显示屏的拍摄图像和目标显示屏的物理分辨率实现1:1对应,可以提高mura缺陷的检出位置和实际物理位置的对应精度。
本实施例通过将不同尺度下人眼的最小可觉差作为单位输出多尺度亮度对比可视度图,其值和人眼感受的差异强度相关,能够提高视觉检测算法和人眼观测结果的重合度,降低算法的过漏检率。
其次,本实施例通过色偏离图结合色坐标图,可以检测各种颜色的mura缺陷,同时对整屏色偏也具有良好的检出能力。
请参阅图5,本申请实施例提供了一种电子设备,包括:
处理器501、存储器502、输入输出单元503、总线504;
处理器501与存储器502、输入输出单元503以及总线504相连;
处理器501具体执行如下操作:
获取目标显示屏的拍摄图像,对拍摄图像进行形状尺寸规定化处理,生成显示屏处理图像,显示屏处理图像的逻辑分辨率与目标显示屏的逻辑分辨率相同;
对显示屏处理进行显示区域处理,生成显示区域图像;
对显示区域图像进行图像边界和孔卡的修复,生成显示屏待检测图像;
根据显示屏待检测图像的像素值RGB转换为XYZ色空间的XYZ三刺激值,生成XYZ三刺激图像;
根据目标显示屏的逻辑分辨率和XYZ三刺激图像生成亮度对比可视度图集合;
根据亮度对比可视度图集合对显示区域图像进行mura缺陷分割,生成mura缺陷的检测结果。
可选的,在根据XYZ三刺激图像的Y通道生成亮度对比可视度图之后,检测方法还包括:
根据亮度对比可视度图生成色偏离图;
使用色偏离图对显示区域图像进行求与处理和色偏mura缺陷分割,生成色偏mura图像。
本实施例中,处理器501的功能与前述图1、图2-1、图2-2和图2-3所示实施例中的步骤对应,此处不做赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,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信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述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。
另外,在本申请各个实施例中的各功能单元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。
所述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,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,read-onlymemory)、随机存取存储器(RAM,random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (9)
1.一种显示屏mura缺陷的检测方法,其特征在于,包括:
获取目标显示屏的拍摄图像;
在所述拍摄图像上确定所述目标显示屏的边界点集,并通过所述边界点集生成区域顶点集合,所述边界点集包含所述目标显示屏的两个长边点集、一个底边点集、两个孔卡区短边点集;
根据所述目标显示屏的逻辑分辨率生成空图像,并确定所述空图像的参考顶点集合;
根据所述区域顶点集合和所述参考顶点集合确定仿射变换公式;
根据所述仿射变换公式将所述拍摄图像上每一个像素点的灰度信息填充到所述空图像上,生成显示屏处理图像,所述显示屏处理图像的逻辑分辨率与所述目标显示屏的逻辑分辨率相同;
对所述显示屏处理图像进行显示区域处理,生成显示区域图像;
对所述显示区域图像进行边界和孔卡的修复,生成显示屏待检测图像;
根据所述显示屏待检测图像的像素值RGB转换为XYZ色空间的XYZ三刺激值,生成XYZ三刺激图像;
根据所述目标显示屏的逻辑分辨率和所述XYZ三刺激图像生成亮度对比可视度图集合;
根据所述亮度对比可视度图集合对所述显示区域图像进行mura缺陷分割,生成mura缺陷的检测结果。
2.根据权利要求1所述的检测方法,其特征在于,在所述根据所述XYZ三刺激图像的Y通道生成亮度对比可视度图之后,所述检测方法还包括:
根据所述亮度对比可视度图生成色偏离图;
使用所述色偏离图对所述显示区域图像进行求与处理和色偏mura缺陷分割,生成色偏mura图像。
3.根据权利要求1所述的检测方法,其特征在于,所述对所述显示区域图像进行图像边界和孔卡的修复,生成显示屏待检测图像,包括:
将所述显示区域图像进行灰阶取反处理,生成待修复区域的参考图像;
使用所述参考图像并结合快速行进算法对所述显示屏处理图像进行修复,生成显示屏待检测图像。
4.根据权利要求1所述的检测方法,其特征在于,所述根据所述目标显示屏的逻辑分辨率和所述XYZ三刺激图像生成亮度对比可视度图集合,包括:
根据所述目标显示屏的逻辑分辨率生成尺度混合矩阵,所述尺度混合矩阵用于定义为不同行列尺度值下对应的观测范围;
将所述XYZ三刺激图像中的Y通道提取,生成亮度分布图;
获取预设的尺度混合坐标,所述尺度混合坐标表征尺度大小;
根据所述尺度混合坐标从所述尺度混合矩阵中确定目标观测范围;
使用所述目标观测范围的均值滤波窗口对所述亮度分布图进行均值滤波,生成均值亮度图;
确定预设的视觉阈值;
根据所述均值亮度图、亮度分布图和视觉阈值生成亮度对比可视度图,所述亮度对比可视度图对应所述尺度混合坐标;
通过上述方法生成不同尺度下的亮度对比可视度图集合。
5.根据权利要求1所述的检测方法,其特征在于,所述根据所述亮度对比可视度图集合对所述显示区域图像进行mura缺陷分割,生成mura缺陷的检测结果,包括:
使用所述显示区域图像和目标亮度对比可视度图进行求与处理,生成待分割图像集合;
获取预设的可视度分割阈值;
使用所述可视度分割阈值对所述待分割图像集合进行二值化分割,生成mura缺陷的检测结果。
6.根据权利要求1至5中任一项所述的检测方法,其特征在于,所述对所述显示屏处理图像进行显示区域处理,生成显示区域图像,包括:
获取预设的灰度阈值;
通过所述灰度阈值对所述显示屏处理图像进行二值化处理,生成二值化结果图像;
对所述二值化结果图像进行孔洞填充和3*3的形态学闭操作,生成显示区域图像。
7.一种显示屏mura缺陷的检测装置,其特征在于,包括:
获取单元,用于获取目标显示屏的拍摄图像,对所述拍摄图像进行形状尺寸规定化处理,生成显示屏处理图像,所述显示屏处理图像的逻辑分辨率与所述目标显示屏的逻辑分辨率相同;
获取单元,包括:
获取目标显示屏的拍摄图像,所述显示屏处理图像的逻辑分辨率与所述目标显示屏的逻辑分辨率相同;
在所述拍摄图像上确定所述目标显示屏的边界点集,并通过所述边界点集生成区域顶点集合,所述边界点集包含所述目标显示屏的两个长边点集、一个底边点集、两个孔卡区短边点集;
根据所述目标显示屏的逻辑分辨率生成空图像,并确定所述空图像的参考顶点集合;
根据所述区域顶点集合和所述参考顶点集合确定仿射变换公式;
根据所述仿射变换公式将所述拍摄图像上每一个像素点的灰度信息填充到所述空图像上,生成显示屏处理图像;
第一处理单元,用于对所述显示屏处理图像进行显示区域处理,生成显示区域图像;
第二处理单元,用于对所述显示区域图像进行边界和孔卡的修复,生成显示屏待检测图像;
第三处理单元,用于根据所述显示屏待检测图像的像素值RGB转换为XYZ色空间的XYZ三刺激值,生成XYZ三刺激图像;
第一生成单元,用于根据所述目标显示屏的逻辑分辨率和所述XYZ三刺激图像生成亮度对比可视度图集合;
第二生成单元,用于根据所述亮度对比可视度图集合对所述显示区域图像进行mura缺陷分割,生成mura缺陷的检测结果。
8.一种电子设备,其特征在于,包括:
处理器、存储器、输入输出单元以及总线;
所述处理器与所述存储器、所述输入输出单元以及所述总线相连;
所述存储器保存有程序,所述处理器调用所述程序以执行如权利要求1至6任意一项所述的检测方法。
9.一种计算机可读存储介质,所述计算机可读存储介质上保存有程序,所述程序在计算机上执行时执行如权利要求1至6中任一项所述的检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210221300.7A CN114299070B (zh) | 2022-03-09 | 2022-03-09 | 一种显示屏mura缺陷的检测方法及相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210221300.7A CN114299070B (zh) | 2022-03-09 | 2022-03-09 | 一种显示屏mura缺陷的检测方法及相关装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114299070A CN114299070A (zh) | 2022-04-08 |
CN114299070B true CN114299070B (zh) | 2022-05-31 |
Family
ID=80978542
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210221300.7A Active CN114299070B (zh) | 2022-03-09 | 2022-03-09 | 一种显示屏mura缺陷的检测方法及相关装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114299070B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115861331B (zh) * | 2023-03-03 | 2023-06-02 | 海的电子科技(苏州)有限公司 | 标记显示屏上被维修区的方法、电子设备及存储介质 |
CN116051551B (zh) * | 2023-03-29 | 2023-06-09 | 深圳市康凌源科技有限公司 | 基于图像处理的显示屏缺陷检测方法及相关装置 |
CN116721082B (zh) * | 2023-06-13 | 2024-09-06 | 电子科技大学 | 基于通道分离和滤波的显示屏彩色Mura缺陷检测方法 |
CN116754566B (zh) * | 2023-08-17 | 2023-10-31 | 绍兴旭源新材料科技有限公司 | 一种柔性折叠屏幕保护膜检测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105865630A (zh) * | 2015-02-09 | 2016-08-17 | 仪器系统光学测量技术有限责任公司 | 用于显示测试的比色系统 |
CN110299114A (zh) * | 2019-06-25 | 2019-10-01 | 深圳Tcl新技术有限公司 | 显示均匀性的判断方法、装置及存储介质 |
CN112954304A (zh) * | 2021-01-18 | 2021-06-11 | 湖北经济学院 | 显示面板Mura缺陷评估方法、系统以及可读存储介质 |
CN113514226A (zh) * | 2020-04-10 | 2021-10-19 | 慧理示先进技术公司 | 用于分析显示装置的系统及其颜色分析方法 |
WO2021237872A1 (zh) * | 2020-05-29 | 2021-12-02 | 惠州市华星光电技术有限公司 | Mura检测方法、装置及可读存储介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120189189A1 (en) * | 2009-04-23 | 2012-07-26 | Rudolph Technologies Inc. | Optical inspection optimization |
KR102324238B1 (ko) * | 2015-06-29 | 2021-11-10 | 삼성디스플레이 주식회사 | 얼룩 검사 장치 및 이의 구동 방법 |
KR102334575B1 (ko) * | 2017-07-31 | 2021-12-03 | 삼성디스플레이 주식회사 | 무라 검출 장치 및 무라 검출 장치의 검출 방법 |
CN109345528B (zh) * | 2018-09-28 | 2021-06-18 | 凌云光技术股份有限公司 | 一种基于人眼视觉特性的显示屏缺陷检测方法及装置 |
-
2022
- 2022-03-09 CN CN202210221300.7A patent/CN114299070B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105865630A (zh) * | 2015-02-09 | 2016-08-17 | 仪器系统光学测量技术有限责任公司 | 用于显示测试的比色系统 |
CN110299114A (zh) * | 2019-06-25 | 2019-10-01 | 深圳Tcl新技术有限公司 | 显示均匀性的判断方法、装置及存储介质 |
CN113514226A (zh) * | 2020-04-10 | 2021-10-19 | 慧理示先进技术公司 | 用于分析显示装置的系统及其颜色分析方法 |
WO2021237872A1 (zh) * | 2020-05-29 | 2021-12-02 | 惠州市华星光电技术有限公司 | Mura检测方法、装置及可读存储介质 |
CN112954304A (zh) * | 2021-01-18 | 2021-06-11 | 湖北经济学院 | 显示面板Mura缺陷评估方法、系统以及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114299070A (zh) | 2022-04-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114299070B (zh) | 一种显示屏mura缺陷的检测方法及相关装置 | |
CN106770362B (zh) | 基于aoi的宏观缺陷检测装置及方法 | |
Ganesan et al. | Segmentation and edge detection of color images using CIELAB color space and edge detectors | |
CN109472271B (zh) | 印刷电路板图像轮廓提取方法及装置 | |
KR100446184B1 (ko) | 컬러화상의 영역분할 | |
CN109408008B (zh) | 影像辨识系统及其信息显示方法 | |
CN112954304B (zh) | 一种显示面板Mura缺陷评估方法 | |
KR100734935B1 (ko) | 화상의 영역분할 | |
CN111031311B (zh) | 成像质量检测方法、装置、电子设备及可读存储介质 | |
CN113012096B (zh) | 显示屏子像素定位及亮度提取方法、设备以及存储介质 | |
CN114495803A (zh) | 一种显示面板的mura修复方法 | |
CN114119591A (zh) | 一种显示屏画面质量检测方法 | |
CN115760704A (zh) | 基于彩色有源参照物的漆面缺陷检测方法、装置及介质 | |
CN118314078A (zh) | 基于图像特征的可扩展显示器屏幕质量检测方法 | |
JP2022066278A (ja) | カメラテストシステムおよびカメラテスト方法 | |
CN109712115A (zh) | 一种pcb板自动检测方法及系统 | |
KR20140082333A (ko) | 평판디스플레이의 얼룩 검사 방법 및 장치 | |
CN114862846A (zh) | 一种筛分方法、装置、设备及存储介质 | |
CN110288662B (zh) | 显示器检测方法与系统 | |
KR20140071016A (ko) | 패널 검사 방법 | |
CN115705807A (zh) | 显示屏低灰显示效果的测试方法、装置、设备和介质 | |
CN112858331A (zh) | 一种vr屏幕的检测方法及检测系统 | |
CN110751070A (zh) | 一种摄像头成品检测方法 | |
CN109087289A (zh) | 一种格栅背景下的板材视觉图像检测算法 | |
Carvalho et al. | Determination of yarn production characteristics using image processing |
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 |