CN114782710B - 一种图像特征提取方法及装置、显示面板的修复方法 - Google Patents
一种图像特征提取方法及装置、显示面板的修复方法 Download PDFInfo
- Publication number
- CN114782710B CN114782710B CN202210694052.8A CN202210694052A CN114782710B CN 114782710 B CN114782710 B CN 114782710B CN 202210694052 A CN202210694052 A CN 202210694052A CN 114782710 B CN114782710 B CN 114782710B
- Authority
- CN
- China
- Prior art keywords
- region
- feature
- processed
- image
- matching
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
本发明提供了一种图像特征提取方法及装置、显示面板的修复方法、计算机设备及存储介质,方法包括计算待处理图像上的待处理区域的类间方差,根据计算结果从待处理区域中提取出预设数量的特征区域,对预设数量的特征区域分别进行特征唯一性分析,并根据分析结果确定各个特征区域的权重,利用预设匹配算法将预设数量的特征区域分别与待处理图像进行匹配,获取匹配结果,根据匹配结果以及各个特征区域的权重确定出待处理图像的目标特征区域,本发明能够在周期性重复特征中的区别区域较小时提供较稳定的匹配率,在周期性特征较大时计算效率较高,对于图像中只有部分重复特征的,可准确匹配,且不需要人为选择对位特征,减少对操作人员的要求。
Description
技术领域
本发明涉及图像数据处理技术领域,特别是涉及一种图像特征提取方法及装置、显示面板的修复方法、计算机设备及存储介质。
背景技术
随着材料、微电子以及半导体制造与应用等技术的快速发展,显示面板的应用越来越广泛。虽然制造设备及生产工艺日渐改善和提高,但是生产过程中复杂的工艺导致产品不可避免地出现缺陷,如会产生亮点、闪点、碎亮点等缺陷,从而对显示效果造成影响,使得产品良率降低。
无论是何种缺陷,通常情况下,在对不良面板进行修复时,均需要根据不良位置的坐标进行维修,而不良位置的坐标通常又是根据面板上的参照区域确定的,因此面板上的参照区域的获取显得尤为重要。
现有技术中,常用的获取面板的参照区域的方法很多,如块匹配算法(block匹配算法)等,但是,一方面由于显示面板上通常重复特征很多,而基于block的匹配算法采用的是全局权重的算法,在重复特征中区别较小的情况下,算法的稳定性极差,易出现错误匹配,另一方面基于block的匹配算法,其算法复杂度在选择的模板越大时,计算的复杂度越高,在重复特征较小的情况下,这种计算方式会出现大量无效运算。此外,采用上述方式,在加工对位过程中,需要手动在周期性重复特征中选择重复特征,对操作人员有一定的要求。
综上所述,亟需提出一种新的图像特征提取方法,以解决上述问题。
发明内容
为了解决现有技术的问题,本发明提供了一种新的图像特征提取方法及装置、显示面板的修复方法、计算机设备及存储介质。
为解决上述一个或多个技术问题,本申请采用的技术方案是:
第一方面,提供了一种图像特征提取方法,所述方法包括:
计算待处理图像上的待处理区域的类间方差,根据计算结果从所述待处理区域中提取出预设数量的特征区域,所述待处理区域为在所述待处理图像上周期性重复的区域;
对所述预设数量的特征区域分别进行特征唯一性分析,并根据分析结果确定各个所述特征区域的权重;
利用预设匹配算法将所述预设数量的特征区域分别与所述待处理图像进行匹配,获取匹配结果;
根据所述匹配结果以及各个所述特征区域的权重确定出所述待处理图像的目标特征区域。
在一个具体的实施例中,所述计算待处理图像上的待处理区域的类间方差,根据计算结果从所述待处理区域中提取出预设数量的特征区域包括:
计算所述待处理区域的类间方差,根据计算结果从所述待处理区域中提取出多个候选特征区域;
根据预设筛选方法从所述多个候选特征区域中筛选出预设数量的特征区域。
在一个具体的实施例中,所述根据预设筛选方法从所述多个候选特征区域中筛选出预设数量的特征区域包括:
根据每一所述候选特征区域的面积以及所述待处理区域的面积计算每一所述候选特征区域的特征面积比;
根据具有重叠区的两个所述候选特征区域的面积以及两者的重叠面积计算所述具有重叠区的两个候选特征区域的重叠率;
根据所述特征面积比和/或所述重叠率从所述多个候选特征区域中筛选出符合要求的预设数量的特征区域。
在一个具体的实施例中,所述对所述预设数量的特征区域分别进行特征唯一性分析,并根据分析结果确定各个所述特征区域的权重包括:
通过每一所述特征区域与所述待处理区域之间的匹配关系,分析每一所述特征区域中的特征的唯一性,根据分析结果确定每一所述特征区域的权重。
在一个具体的实施例中,所述根据所述匹配结果以及各个所述特征区域的权重确定出所述待处理图像的目标特征区域包括:
在所述匹配结果上使用移动窗口搜索与各个所述特征区域的位置匹配的匹配点,根据所述匹配点以及对应的所述特征区域的权重计算各个所述匹配结果的匹配值,根据所述匹配值从所述匹配结果中确定出目标特征区域。
在一个具体的实施例中,所述预设匹配算法至少包括块匹配算法。
第二方面,还提供了一种显示面板的修复方法,所述方法包括:
获取待修复面板的面板图像;
利用如上所述的图像特征提取方法确定出所述面板图像的目标特征区域;
根据所述目标特征区域确定所述待修复面板上目标修复点的位置,并对所述目标修复点进行修复。
第三方面,还提供了一种图像特征提取装置,所述装置包括:
提取模块,用于计算待处理图像上的待处理区域的类间方差,根据计算结果从所述待处理区域中提取出预设数量的特征区域,所述待处理区域为在所述待处理图像上周期性重复的区域;
分析模块,用于对所述预设数量的特征区域分别进行特征唯一性分析,并根据分析结果确定各个所述特征区域的权重;
匹配模块,用于利用预设匹配算法将所述预设数量的特征区域分别与所述待处理图像进行匹配,获取匹配结果;
确定模块,用于根据所述匹配结果以及各个所述特征区域的权重确定出所述待处理图像的目标特征区域。
第四方面,还提供了一种计算机设备,包括存储器和处理器,所述存储器上存储有可在所述处理器上运行的计算机程序,当所述计算机程序被所述处理器执行时,实现所述图像特征提取方法。
第五方面,还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内存储有计算机程序,所述计算机程序被执行时,实现所述图像特征提取方法。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明提供的图像特征提取方法及装置、显示面板的修复方法、计算机设备及存储介质,该图像特征提取方法能够在周期性重复特征中的区别区域较小时,提供较稳定的匹配率,在周期性特征较大时,计算效率较高,对于图像中只有部分重复特征的,可准确匹配,且不需要人为选择对位特征,减少对操作人员的要求。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例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发明的一些实施例,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是本发明实施例2提供的图像特征提取方法的流程图;
图2是本发明实施例3提供的显示面板的修复方法的流程图;
图3是本发明实施例4提供的图像特征提取装置的结构示意图;
图4是本发明实施例5提供的计算机设备的架构图。
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,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。
如背景技术所述,现有的基于block的匹配算法在诸如显示面板等重复特征较多的图像上确定参照区域时,一方面,由于其采用的是全局权重的算法,因此在重复特征中区别较小的情况下,算法的稳定性极差,易出现错误匹配,另一方面,基于算法本身的复杂度,在重复特征较小的情况下,其计算方式会出现大量无效运算,此外,采用上述方式,在加工对位过程中,需要手动在周期性重复特征中选择重复特征,对操作人员有一定的要求。
为解决上述一个或多个问题,本申请实施例中创造性的提出了一种新的图像特征提取方法,该方法相对于现有的block匹配算法,可以提高匹配算法的稳定性和易用性,并具有较高的计算效率。
下面将结合附图和各个实施例,对本申请的方案进行详细介绍。
实施例一
本发明实施例提供的图像特征提取方法主要包括加权匹配算法和匹配位置计算两部分,该方法基于加权匹配方式自动提取特征周期性重复的图像中的独特性特征,如图1所示,该方法主要包括如下步骤:
步骤一、在选择的待处理区域中,自动计算获取具有唯一性的特征区域;
具体地,待处理区域为在待处理图像上周期性重复的区域,待处理图像为具有周期性重复特征的图像,包括但不限于显示面板的图像等。
具体实施时,步骤一包括如下子步骤:
步骤1.1、在待处理区域中自动提取具有特征的候选特征区域;
具体地,本申请实施例中,采用了一种稳定区分待处理区域是否存在特征的判断数值:类间方差。类间方差法是一种确定图像二值化分割阈值的算法,该方法又称作最大类间方差法,其按照大津法求得的阈值进行图像二值化分割后,前景与背景图像的类间方差最大。该方法是图像分割中阈值选取的最佳算法,计算简单,不受图像亮度和对比度的影响,因此在数字图像处理上得到了广泛的应用。在计算待处理区域的类间方差时,按图像的灰度特性,将待处理区域分成背景和前景两部分,因方差是灰度分布均匀性的一种度量,因而背景和前景之间的类间方差越大,说明构成图像的两部分的差别越大,当部分前景错分为背景或部分背景错分为前景都会导致两部分差别变小,因此,使类间方差最大的分割意味着错分概率最小。
具体实施时,当计算出的类间方差值较大时,说明对应的区域具有特征,当计算出的类间方差值较小时,说明对应的区域没有特征。作为一种较优的示例,本申请实施例中,设置当类间方差小于5时,判定对应的区域没有特征,否则判定对应的区域具有特征,将该区域确定为候选特征区域。
步骤1.2、检验候选特征区域的唯一性;
具体地,本申请实施例中,通过分析特征区域与待处理区域之间的匹配关系,分析特征区域的唯一性。当特征区域在待处理区域中的重复性越高(即重复次数越多)时,其唯一性就越差,因此后续可以将其权重设置为较低,当特征区域在待处理区域中的重复性越低(即重复次数越少)时,其唯一性就越好,因此后续可以将其权重设置为较高。如特征区域a在待处理区域中的重复出现了两次,而特征区域b在待处理区域中的重复出现了一次,则可以给特征区域a设置较低的权重,而给特征区域b设置较高的权重。
这里需要说明的是,本申请实施例中的特征区域重复不需要两个特征区域完全相同,只需两者相似度满足一定阈值即可,具体阈值可以根据实际需求进行设置,这里不做限定。
步骤1.3、特征区域筛选;
具体地,本申请实施例中,在采用前述步骤从待处理区域中提取出候选特征区域后,还需对候选特征区域进行筛选,筛选出满足条件的预设数量的特征区域。这里不对预设数量作具体限定,用户可以根据实际需求进行设置。
作为一种较优的示例,本申请实施例中的筛选条件包括但不限于根据特征面积比和/或重叠率进行筛选。
其中,特征面积比=特征区域面积/待处理区域面积
当周期性特征差异较小时,特征面积比会较小,因而可以选择特征面积比较大的候选特征域作为特征区域。
重叠率=t/(m+n–t)
其中,m、n为出现重叠的两个候选特征区域的面积,t为二者的重叠区面积,当重叠超过一定阈值时(如20%),选择面积较大的候选特征域作为特征区域。
步骤1.4、特征区域的权重计算;
具体地,本申请实施例中,根据特征区域的唯一性分析结果确定各个特征区域的权重。在进行唯一性分析时,可以计算各特征区域的极值点,然后根据极值点计算各特征区域的权重。作为一种示例性而非限制性的示例,可以根据特征区域在待处理区域重复次数计算各特征区域的极值点,例如,当特征区域在待处理区域重复两次时,确定其具有两个极值点,当特征区域在待处理区域重复一次时,确定其具有一个极值点。
作为一种较优的示例,权重可以通过如下公式进行计算:
步骤二、匹配位置计算;
具体地,在采用前述步骤确定出多个特征区域以及各特征区域对应的权重后,本申请还需根据多个特征区域以及各特征区域对应的权重确定出待处理图像的目标特征区域。
具体实施时,步骤二包括如下子步骤:
步骤2.1、利用预设匹配算法将多个特征区域分别与待处理图像进行匹配,获取匹配结果;
具体地,预设匹配算法包括但不限于块匹配算法等。利用块匹配算法将每一特征区域分别与待处理图像进行匹配,获取每一特征区域的匹配结果。
步骤2.2、在匹配结果上,使用移动窗口搜索匹配点,并计算加权结果;
具体地,本申请实施例中,设置移动窗口的尺寸及形状与待处理区域的尺寸及形状一致,在移动窗口内,计算对应特征区域位置的极值性,判断该特征区域是否特征匹配,并计算匹配值;例如,作为一种示例性而非限制性的示例,假设某匹配结果上匹配到两个特征区域的特征,两个特征区域对应的权重分别为weight_1= 0.2,weight_2=0.033,那个该匹配结果的匹配值为weight_1+weight_2=0.233。
步骤2.3、在匹配结果上搜索最佳匹配点,输出结果(即目标特征区域);
具体地,最佳匹配点由多个特征区域的匹配结果加权计算获得。
实施例二
对应于上述实施例一,本申请还提供了一种图像特征提取方法,其中,本实施例中,与上述实施例一相同或相似的内容,可以参考上文介绍,后续不在赘述。参照图1所示,该方法包括如下步骤:
S101:计算待处理图像上的待处理区域的类间方差,根据计算结果从所述待处理区域中提取出预设数量的特征区域,所述待处理区域为在所述待处理图像上周期性重复的区域;
S102:对所述预设数量的特征区域分别进行特征唯一性分析,并根据分析结果确定各个所述特征区域的权重;
S103:利用预设匹配算法将所述预设数量的特征区域分别与所述待处理图像进行匹配,获取匹配结果;
S104:根据所述匹配结果以及各个所述特征区域的权重确定出所述待处理图像的目标特征区域。
作为一种较优的实施方式,本申请实施例中,所述计算待处理图像上的待处理区域的类间方差,根据计算结果从所述待处理区域中提取出预设数量的特征区域包括:
计算所述待处理区域的类间方差,根据计算结果从所述待处理区域中提取出多个候选特征区域;
根据预设筛选方法从所述多个候选特征区域中筛选出预设数量的特征区域。
作为一种较优的实施方式,本申请实施例中,所述根据预设筛选方法从所述预设数量的候选特征区域中筛选出多个特征区域包括:
根据每一所述候选特征区域的面积以及所述待处理区域的面积计算每一所述候选特征区域的特征面积比;
根据具有重叠区的两个所述候选特征区域的面积以及两者的重叠面积计算具所述有重叠区的两个候选特征区域的重叠率;
根据所述特征面积比和/或所述重叠率从所述多个候选特征区域中筛选出符合要求的预设数量的特征区域。
具体地,选择特征面积比较大的候选特征域作为特征区域,和/或当重叠超过一定阈值时(如20%),选择面积较大的候选特征域作为特征区域。
作为一种较优的实施方式,本申请实施例中,所述对所述预设数量的特征区域分别进行特征唯一性分析,并根据分析结果确定各个所述特征区域的权重包括:
通过每一所述特征区域与所述待处理区域之间的匹配关系,分析每一所述特征区域中的特征的唯一性,根据分析结果确定每一所述特征区域的权重。
作为一种较优的实施方式,本申请实施例中,所述根据所述匹配结果以及各个所述特征区域的权重确定出所述待处理图像的目标特征区域包括:
在所述匹配结果上使用移动窗口搜索与各个所述特征区域的位置匹配的匹配点,根据所述匹配点以及对应的所述特征区域的权重计算各个所述匹配结果的匹配值,根据所述匹配值从所述匹配结果中确定出目标特征区域。
作为一种较优的实施方式,本申请实施例中,所述预设匹配算法至少包括块匹配算法。
实施例三
对应于上述实施例一和二,本申请还提供了一种显示面板的修复方法,其中,本实施例中,与上述实施例一或二相同或相似的内容,可以参考上文介绍,后续不在赘述。参照图2所示,该方法包括如下步骤:
S201:获取待修复面板的面板图像;
S202:利用如上所述的图像特征提取方法确定出所述面板图像的目标特征区域;
S203:根据目标特征区域确定所述待修复面板上目标修复点的位置,并对所述目标修复点进行修复。
具体地,上述面板修复的应用场景只是一种示例性说明,除上述面板修复的应用场景外,本申请提供的图像特征提取方法还可应用于其他涉及图像特征提取的场景,这里不在一一赘述。
实施例四
对应于上述实施例一和二,本申请还提供了一种图像特征提取装置,其中,本实施例中,与上述实施例一或二相同或相似的内容,可以参考上文介绍,后续不在赘述。参照图3所示,该装置包括:
提取模块301,用于计算待处理图像上的待处理区域的类间方差,根据计算结果从所述待处理区域中提取出预设数量的特征区域,所述待处理区域为在所述待处理图像上周期性重复的区域;
分析模块302,用于对所述预设数量的特征区域分别进行特征唯一性分析,并根据分析结果确定各个所述特征区域的权重;
匹配模块303,用于利用预设匹配算法将所述预设数量的特征区域分别与所述待处理图像进行匹配,获取匹配结果;
确定模块304,用于根据所述匹配结果以及各个所述特征区域的权重确定出所述待处理图像的目标特征区域。
在一些实施方式中,本申请实施例中,所述图像特征提取装置在实现图像特征提取方法时,还可以实现与实施例一或二所述方法对应的步骤,可以参考实施例一或二中的详细描述,此处不作赘述。
需要说明的是:上述实施例提供的图像特征提取装置在触发特征提取业务时,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,即将系统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。另外,上述实施例提供的图像特征提取装置与图像特征提取方法实施例属于同一构思,即该装置是基于该图像特征提取方法的,其具体实现过程详见方法实施例,这里不再赘述。
实施例五
对应上述实施例一至二,本发明还提供了一种计算机设备,包括:处理器和存储器,存储器上存储有可在处理器上运行的计算机程序,当计算机程序被处理器执行时,执行上述任意一个实施例提供的图像特征提取方法。
其中,图4示例性的展示出了计算机设备1500,具体可以包括处理器1510,视频显示适配器1511,磁盘驱动器1512,输入/输出接口1513,网络接口1514,以及存储器1520。上述处理器1510、视频显示适配器1511、磁盘驱动器1512、输入/输出接口1513、网络接口1514,与存储器1520之间可以通过通信总线1530进行通信连接。
其中,处理器1510可以采用通用的CPU(Central Processing Unit,中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit,ASIC)、或者一个或多个集成电路等方式实现,用于执行相关程序,以实现本发明所提供的技术方案。
存储器1520可以采用ROM(Read Only Memory,只读存储器)、RAM(Random AccessMemory,随机存取存储器)、静态存储设备,动态存储设备等形式实现。存储器1520可以存储用于控制电子设备运行的操作系统1521,用于控制电子设备的低级别操作的基本输入输出系统(BIOS)1522。另外,还可以存储网页浏览器1523,数据存储管理系统1524,以及设备标识信息处理系统1525等等。上述设备标识信息处理系统1525就可以是本发明实施例中具体实现前述各步骤操作的应用程序。总之,在通过软件或者固件来实现本发明所提供的技术方案时,相关的程序代码保存在存储器1520中,并由处理器1510来调用执行。
输入/输出接口1513用于连接输入/输出模块,以实现信息输入及输出。输入输出/模块可以作为组件配置在设备中(图中未示出),也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等,输出设备可以包括显示器、扬声器、振动器、指示灯等。
网络接口1514用于连接通信模块(图中未示出),以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如USB、网线等)实现通信,也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信。
总线包括一通路,在设备的各个组件(例如处理器1510、视频显示适配器1511、磁盘驱动器1512、输入/输出接口1513、网络接口1514,与存储器1520)之间传输信息。
另外,该电子设备还可以从虚拟资源对象领取条件信息数据库中获得具体领取条件的信息,以用于进行条件判断,等等。
需要说明的是,尽管上述设备仅示出了处理器1510、视频显示适配器1511、磁盘驱动器1512、输入/输出接口1513、网络接口1514,存储器1520,总线等,但是在具体实施过程中,该设备还可以包括实现正常运行所必需的其他组件。此外,本领域的技术人员可以理解的是,上述设备中也可以仅包含实现本发明方案所必需的组件,而不必包含图中所示的全部组件。
实施例六
对应于上述实施例一至五,本发明实施例还提供了一种计算机可读存储介质,其中,本实施例中,与上述实施例一至五相同或相似的内容,可以参考上文介绍,后续不再赘述。
所述计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时,实现如下步骤:
计算待处理图像上的待处理区域的类间方差,根据计算结果从所述待处理区域中提取出预设数量的特征区域,所述待处理区域为在所述待处理图像上周期性重复的区域;
对所述预设数量的特征区域分别进行特征唯一性分析,并根据分析结果确定各个所述特征区域的权重;
利用预设匹配算法将所述预设数量的特征区域分别与所述待处理图像进行匹配,获取匹配结果;
根据所述匹配结果以及各个所述特征区域的权重确定出所述待处理图像的目标特征区域。
在一些实施方式中,本申请实施例中,所述计算机程序被处理器执行时,还可以实现与实施例一或二所述方法对应的步骤,可以参考实施例一或二中的详细描述,此处不作赘述。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,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)执行本发明各个实施例或者实施例的某些部分所述的方法。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统或系统实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的系统及系统实施例仅仅是示意性的,其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
以上对本发明所提供的技术方案,进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种图像特征提取方法,其特征在于,所述方法包括:
计算待处理图像上的待处理区域的类间方差,确定类间方差不小于预设阈值的区域为候选特征区域,根据预设筛选方法从所述多个候选特征区域中筛选出预设数量的特征区域,所述待处理区域为在所述待处理图像上周期性重复的区域;
通过每一所述特征区域在所述待处理区域中的重复性分析每一所述特征区域中的特征的唯一性,并根据分析结果确定各个所述特征区域的权重;
利用预设匹配算法将所述预设数量的特征区域分别与所述待处理图像进行匹配,获取匹配结果;
根据所述匹配结果以及各个所述特征区域的权重确定出所述待处理图像的目标特征区域。
2.根据权利要求1所述的图像特征提取方法,其特征在于,所述根据预设筛选方法从所述多个候选特征区域中筛选出预设数量的特征区域包括:
根据每一所述候选特征区域的面积以及所述待处理区域的面积计算每一所述候选特征区域的特征面积比;
根据具有重叠区的两个所述候选特征区域的面积以及两者的重叠面积计算所述具有重叠区的两个候选特征区域的重叠率;
根据所述特征面积比和/或所述重叠率从所述多个候选特征区域中筛选出符合要求的预设数量的特征区域。
3.根据权利要求1所述的图像特征提取方法,其特征在于,所述根据所述匹配结果以及各个所述特征区域的权重确定出所述待处理图像的目标特征区域包括:
在所述匹配结果上使用移动窗口搜索与各个所述特征区域的位置匹配的匹配点,根据所述匹配点以及对应的所述特征区域的权重计算各个所述匹配结果的匹配值,根据所述匹配值从所述匹配结果中确定出目标特征区域。
4.根据权利要求1所述的图像特征提取方法,其特征在于,所述预设匹配算法至少包括块匹配算法。
5.一种显示面板的修复方法,其特征在于,所述方法包括:
获取待修复面板的面板图像;
利用如权利要求1至4任一项所述的图像特征提取方法确定出所述面板图像的目标特征区域;
根据所述目标特征区域确定所述待修复面板上目标修复点的位置,并对所述目标修复点进行修复。
6.一种图像特征提取装置,其特征在于,所述装置包括:
提取模块,用于计算待处理图像上的待处理区域的类间方差,确定类间方差不小于预设阈值的区域为候选特征区域,根据预设筛选方法从所述多个候选特征区域中筛选出预设数量的特征区域,所述待处理区域为在所述待处理图像上周期性重复的区域;
分析模块,用于通过每一所述特征区域在所述待处理区域中的重复性分析每一所述特征区域中的特征的唯一性,并根据分析结果确定各个所述特征区域的权重;
匹配模块,用于利用预设匹配算法将所述预设数量的特征区域分别与所述待处理图像进行匹配,获取匹配结果;
确定模块,用于根据所述匹配结果以及各个所述特征区域的权重确定出所述待处理图像的目标特征区域。
7.一种计算机设备,其特征在于,包括存储器和处理器,所述存储器上存储有可在所述处理器上运行的计算机程序,当所述计算机程序被所述处理器执行时,实现权利要求1~4中任一项所述的图像特征提取方法。
8.一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,其特征在于,所述计算机程序被执行时,实现权利要求1~4中任一项所述的图像特征提取方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210694052.8A CN114782710B (zh) | 2022-06-20 | 2022-06-20 | 一种图像特征提取方法及装置、显示面板的修复方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210694052.8A CN114782710B (zh) | 2022-06-20 | 2022-06-20 | 一种图像特征提取方法及装置、显示面板的修复方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114782710A CN114782710A (zh) | 2022-07-22 |
CN114782710B true CN114782710B (zh) | 2022-10-18 |
Family
ID=82421833
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210694052.8A Active CN114782710B (zh) | 2022-06-20 | 2022-06-20 | 一种图像特征提取方法及装置、显示面板的修复方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114782710B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108389195A (zh) * | 2018-02-24 | 2018-08-10 | 北京理工大学 | 图像检测方法及装置 |
CN109215553A (zh) * | 2018-09-21 | 2019-01-15 | 重庆惠科金渝光电科技有限公司 | 显示面板及其过驱动查找表的建立方法和可读存储介质 |
CN114581760A (zh) * | 2022-05-06 | 2022-06-03 | 北京蒙帕信创科技有限公司 | 一种机房巡检的设备故障检测方法及系统 |
-
2022
- 2022-06-20 CN CN202210694052.8A patent/CN114782710B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108389195A (zh) * | 2018-02-24 | 2018-08-10 | 北京理工大学 | 图像检测方法及装置 |
CN109215553A (zh) * | 2018-09-21 | 2019-01-15 | 重庆惠科金渝光电科技有限公司 | 显示面板及其过驱动查找表的建立方法和可读存储介质 |
CN114581760A (zh) * | 2022-05-06 | 2022-06-03 | 北京蒙帕信创科技有限公司 | 一种机房巡检的设备故障检测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114782710A (zh) | 2022-07-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10146036B2 (en) | Semiconductor wafer inspection using care area group-specific threshold settings for detecting defects | |
CN114266773B (zh) | 显示面板缺陷定位方法、装置、设备及存储介质 | |
CN111045924B (zh) | 用户界面视觉验收的处理方法、装置及设备 | |
CN112767366A (zh) | 基于深度学习的图像识别方法、装置、设备及存储介质 | |
CN112988557A (zh) | 一种搜索框定位方法、数据采集方法、装置及介质 | |
WO2024002187A1 (zh) | 缺陷检测方法、缺陷检测设备及存储介质 | |
CN115359308B (zh) | 模型训练、难例识别方法、装置、设备、存储介质及程序 | |
CN112070762A (zh) | 液晶面板的mura缺陷检测方法、装置、存储介质及终端 | |
CN116559177A (zh) | 一种缺陷检测方法、装置、设备以及存储介质 | |
CN113538376B (zh) | 存储阵列的缺陷定位方法、装置、设备及可读存储介质 | |
CN113643260A (zh) | 用于检测图像质量的方法、装置、设备、介质和产品 | |
CN114782710B (zh) | 一种图像特征提取方法及装置、显示面板的修复方法 | |
CN116046790B (zh) | 缺陷检测方法、装置、系统、电子设备以及存储介质 | |
CN115908988B (zh) | 一种缺陷检测模型生成方法、装置、设备以及存储介质 | |
CN110162362B (zh) | 动态控件位置检测与测试方法、装置、设备及存储介质 | |
CN115905016A (zh) | 一种BIOS Setup搜索功能测试方法、装置、电子设备及存储介质 | |
CN114581711A (zh) | 目标对象检测方法、装置、设备、存储介质以及程序产品 | |
CN113032071A (zh) | 页面元素定位方法、页面测试方法、装置、设备和介质 | |
CN117115568B (zh) | 数据筛选方法、装置、设备及存储介质 | |
CN116051559B (zh) | 一种产品检测方法、装置、设备及存储介质 | |
CN114943769B (zh) | 一种定位方法、装置、电子设备及介质 | |
CN113657230B (zh) | 训练新闻视频识别模型的方法、检测视频的方法及其装置 | |
CN116168009A (zh) | 缺陷检测方法及装置、电子设备和存储介质 | |
CN117871545A (zh) | 一种电路板元器件缺陷检测方法、装置、终端及存储介质 | |
CN117274361A (zh) | 一种物料表面积测量方法、装置、电子设备以及介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |