CN115131327A - 一种颜色特征融合的显示屏彩色线缺陷检测方法 - Google Patents
一种颜色特征融合的显示屏彩色线缺陷检测方法 Download PDFInfo
- Publication number
- CN115131327A CN115131327A CN202210823251.4A CN202210823251A CN115131327A CN 115131327 A CN115131327 A CN 115131327A CN 202210823251 A CN202210823251 A CN 202210823251A CN 115131327 A CN115131327 A CN 115131327A
- Authority
- CN
- China
- Prior art keywords
- color
- channel
- display screen
- green
- line defect
- 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.)
- Granted
Links
- 230000007547 defect Effects 0.000 title claims abstract description 54
- 238000001514 detection method Methods 0.000 title claims abstract description 38
- 238000004364 calculation method Methods 0.000 claims abstract description 22
- 230000004927 fusion Effects 0.000 claims abstract description 16
- 238000000034 method Methods 0.000 claims abstract description 15
- 230000011218 segmentation Effects 0.000 claims abstract description 15
- 238000005315 distribution function Methods 0.000 claims description 6
- 238000000926 separation method Methods 0.000 abstract description 4
- 238000000354 decomposition reaction Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 238000007781 pre-processing 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
- 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
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种颜色特征融合的显示屏彩色线缺陷检测方法,首先对原始图像采用RG|GR‑BY|YB颜色空间和CIELab颜色空间进行颜色分解与特征计算,依据相对熵最大准则计算优选RG|GR和BY|YB通道中的颜色显著通道,然后分别计算RG|GR与CIELab的a通道组合、BY|YB与CIELab的b通道组合的红绿显著图和蓝黄显著图,采用颜色特征融合获得红绿显著图与蓝黄显著图的融合颜色显著图,最后依据颜色显著图的均值和标准差计算的分割阈值将颜色显著图进行二值化分割,获得彩色线缺陷二值图。本发明的方法实现了多背景下彩色线缺陷的准确检测和背景分离,提高了显示屏彩色线缺陷检测的准确率,具有高准确率、鲁棒性强的显示屏彩色线缺陷检测能力,可以应用于多显示背景下的显示屏彩色线缺陷检测场景。
Description
技术领域
本发明属于图像处理技术领域,具体涉及一种颜色特征融合的显示屏彩色线缺陷检测方法。
背景技术
显示屏成品质量检测是显示屏重要的生产环节。相较于显示屏的制造过程,成品的检测过程中仍然依赖大量的人工进行目视检测,制约了显示屏的产能,成为了显示屏出货量效率的瓶颈。因此采用机器视觉来代替人眼目视的效果进行显示屏缺陷检测,成为机器视觉在工业生产应用中的重要方向。
显示屏成品质量检测需要对显示屏进行上电并显示特定的画面。线缺陷是显示屏缺陷中的常见缺陷,由于采用上电检测的方式,线缺陷可以表现出多种特征,主要可分为彩色线缺陷和不显示线缺陷。彩色线缺陷主要表现为全色系的贯穿屏幕的线缺陷,并且线的颜色和对比度不固定。
近年来对TFT-LCD显示屏的缺陷检测已提出多种方法,主要采用梯度算子的边缘检测法和采用单通道滤波的检测法进行显示屏线缺陷检测。
以上方法在检测显示屏彩色线缺陷的局限在于:一是主要针对亮度信息进行检测,而没有涉及到颜色信息,由于不同颜色在亮度中的表现不一致,这会使彩色线缺陷检测准确率低;二是容易受到噪声和背景纹理的影响,需要设计专用的预处理方法才能进行缺陷检测,这导致背景信息发生变化时缺陷检测无法完成;三是由于没有对缺陷信息增强,无法检测低对比度线缺陷。
发明内容
为了解决现有技术存在的上述问题,本发明提出了一种颜色特征融合的显示屏彩色线缺陷检测方法。
本发明的具体技术方法为:一种颜色特征融合的显示屏彩色线缺陷检测方法,具体步骤如下:
步骤S1.颜色特征提取,
将采集的显示屏图像使用RG|GR-BY|YB和CIELab颜色空间进行颜色特征的分解,其中,RG|GR-BY|YB颜色空间保留RG、GR、BY、YB四个通道,CIELab颜色空间保留a、b通道;
步骤S2.显著颜色通道选择,
对RG|GR-BY|YB的四个颜色通道进行选择,利用RG|GR、BY|YB分别与a、b通道的相关性,依据相对熵最大准则,保留RG|GR和BY|YB中相关性最大的两个通道;
步骤S3.颜色特征融合,
RG|GR和BY|YB中得到的颜色通道分别与a和b通道进行特征融合计算,获得红绿特征图和蓝绿特征图,然后将红绿特征图与蓝绿特征图再次融合获得颜色特征图;
步骤S4.自适应阈值分割,
计算颜色特征图的均值和标准差构成分割阈值,对颜色特征图进行二值化阈值分割,获得彩色线缺陷二值图,实现对彩色线缺陷的检测。
本发明的有益效果:本发明的方法首先对原始图像采用RG|GR-BY|YB颜色空间和CIELab颜色空间进行颜色分解与特征计算,依据相对熵最大准则计算优选RG|GR和BY|YB通道中的颜色显著通道,然后分别计算RG|GR与CIELab的a通道组合、BY|YB与CIELab的b通道组合的红绿显著图和蓝黄显著图,采用颜色特征融合获得红绿显著图与蓝黄显著图的融合颜色显著图,最后依据颜色显著图的均值和标准差计算的分割阈值将颜色显著图进行二值化分割,获得彩色线缺陷二值图。本发明的方法实现了多背景下彩色线缺陷的准确检测和背景分离,提高了显示屏彩色线缺陷检测的准确率,具有高准确率、鲁棒性强的显示屏彩色线缺陷检测能力,可以应用于多显示背景下的显示屏彩色线缺陷检测场景。
附图说明
图1为一种颜色特征融合的显示屏彩色线缺陷检测方法流程图。
图2为本发明实施例的RG|GR-BY|YB颜色空间通道图像。
图3为本发明实施例的原始图像和CIELab颜色空间通道图像。
图4为本发明实施例的颜色融合特征图。
图5为本发明实施例的不同显示背景下的彩色线缺陷检测结果图。
具体实施方式
下面结合实施例,阐述本发明的具体实施方式。
本发明的颜色特征融合的显示屏彩色线缺陷检测方法具体流程如图1所示,具体步骤如下:
S1、颜色特征提取,
S11:RG|GR-BY|YB颜色空间计算,
对输入图像进行颜色空间计算,计算公式如下:
其中,r、g、b表示输入图像的红、绿、蓝通道,RG为红绿对立颜色通道,GR绿红对立颜色通道,BY为蓝黄对立颜色通道,YB为黄蓝对立颜色通道,结果如图2所示。
S12:CIELab颜色空间计算,
对输入图像进行CIELab颜色空间计算,计算公式如下:
其中,L为亮度通道,a为红绿颜色通道,b1为蓝黄颜色通道,X、Y1、Z表示XYZ颜色空间的颜色坐标,f(X)、f(Y1)、f(Z)表示XYZ颜色空间的颜色分布函数,结果如图3所示。
S2、显著颜色通道选择,
分别输入RG与a,GR与a和BY与b1,YB与b1。
相对熵最大准则:根据相对熵的值,当Hkl(RG,I)>Hkl(GR,I)时,颜色特征保留GR,反之则保留RG,BY特征相同的方式处理,选择方式如下:
其中,Hkl表示相对熵计算,RG|GR表示红绿对立通道中的显著颜色通道,BY|YB表示蓝黄对立通道中的显著颜色通道,计算公式如下:
其中,P(x)表示输入P的灰度概率分布函数,Q(x)表示输入Q的灰度概率分布函数。
S3、颜色特征融合,
为了有效地使目标和背景分离,采用RG|GR-BY|YB显著颜色通道与CIELab中的颜色通道进行融合。
红绿颜色特征融合图Srg计算:
Srg=Gass*(RG|GR×a)
蓝黄颜色特征融合图Sby计算:
Sby=Gass*(BY|YB×b)
对红绿颜色和蓝黄颜色特征融合图进一步融合计算,获得颜色特征图。
颜色特征图计算:
Sc(i,j)=Gass*|Srg×Sby|
其中,Sc(i,j)为颜色特征图,|·|表示取模运算,Gass表示高斯模板,*表示卷积运算,结果如图4所示。
S4、自适应阈值分割,具体步骤如下:
为了实现颜色特征图的二值化,使用自适应阈值可以实现目标和背景的分离。
th=μsc+Kδsc
其中,th为分割阈值,K为参数,μsc为颜色特征图的均值,δsc为颜色特征图的标准差,Sc(i,j)为颜色特征图,(i,j)表示坐标,M、N为输入图像的长宽。
用阈值th对Sc(i,j)颜色特征图进行分割,获得最终缺陷二值图,实现不同显示背景下的彩色线缺陷检测,结果如图5所示,从图中可以看出本发明采用颜色特征分解、视觉显著性和信息融合理论相结合,对彩色线缺陷检测,能够有效利用颜色特征信息,实现颜色特征与图像的背景分离,利用颜色特征融合有效地分离目标和噪声,实现了多背景下的彩色线缺陷的准确检测、能提高显示屏彩色线缺陷检测的准确率。
本发明的方法首先对原始图像采用RG|GR-BY|YB颜色空间和CIELab颜色空间进行颜色分解与特征计算,依据相对熵最大准则计算优选RG|GR和BY|YB通道中的颜色显著通道,然后分别计算RG|GR与CIELab的a通道组合、BY|YB与CIELab的b通道组合的红绿显著图和蓝黄显著图,采用颜色特征融合获得红绿显著图与蓝黄显著图的融合颜色显著图,最后依据颜色显著图的均值和标准差计算的分割阈值将颜色显著图进行二值化分割,获得彩色线缺陷二值图。本发明的方法实现了多背景下彩色线缺陷的准确检测和背景分离,提高了显示屏彩色线缺陷检测的准确率,具有高准确率、鲁棒性强的显示屏彩色线缺陷检测能力,可以应用于多显示背景下的显示屏彩色线缺陷检测场景。
Claims (5)
1.一种颜色特征融合的显示屏彩色线缺陷检测方法,具体包括如下步骤:
步骤S1.颜色特征提取,
将采集的显示屏图像使用RG|GR-BY|YB和CIELab颜色空间进行颜色特征的分解,其中,RG|GR-BY|YB颜色空间保留RG、GR、BY、YB四个通道,CIELab颜色空间保留a、b通道;
步骤S2.显著颜色通道选择,
对RG|GR-BY|YB的四个颜色通道进行选择,利用RG|GR、BY|YB分别与a、b通道的相关性,依据相对熵最大准则,保留RG|GR和BY|YB中相关性最大的两个通道;
步骤S3.颜色特征融合,
RG|GR和BY|YB中得到的颜色通道分别与a和b通道进行特征融合计算,获得红绿特征图和蓝绿特征图,然后将红绿特征图与蓝绿特征图再次融合获得颜色特征图;
步骤S4.自适应阈值分割,
计算颜色特征图的均值和标准差构成分割阈值,对颜色特征图进行二值化阈值分割,获得彩色线缺陷二值图,实现对彩色线缺陷的检测。
4.根据权利要求3所述的一种颜色特征融合的显示屏彩色线缺陷检测方法,其特征在于,步骤S3具体步骤如下:
红绿颜色特征融合图Srg计算:
Srg=Gass*(RG|GR×a)
蓝黄颜色特征融合图Sby计算:
Sby=Gass*(BY|YB×b)
颜色特征图计算:
Sc(i,j)=Gass*|Srg×Sby|
其中,Sc(i,j)为颜色特征图,|·|表示取模运算,Gass表示高斯模板,*表示卷积运算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210823251.4A CN115131327B (zh) | 2022-07-14 | 2022-07-14 | 一种颜色特征融合的显示屏彩色线缺陷检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210823251.4A CN115131327B (zh) | 2022-07-14 | 2022-07-14 | 一种颜色特征融合的显示屏彩色线缺陷检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115131327A true CN115131327A (zh) | 2022-09-30 |
CN115131327B CN115131327B (zh) | 2024-04-30 |
Family
ID=83384676
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210823251.4A Active CN115131327B (zh) | 2022-07-14 | 2022-07-14 | 一种颜色特征融合的显示屏彩色线缺陷检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115131327B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103106672A (zh) * | 2013-01-25 | 2013-05-15 | 西北工业大学 | 一种基于颜色特征的图像感兴趣区域检测方法 |
CN104966085A (zh) * | 2015-06-16 | 2015-10-07 | 北京师范大学 | 一种基于多显著特征融合的遥感图像感兴趣区域检测方法 |
CN109471276A (zh) * | 2018-11-07 | 2019-03-15 | 凌云光技术集团有限责任公司 | 一种液晶屏色偏缺陷检测方法及装置 |
CN109856156A (zh) * | 2019-01-22 | 2019-06-07 | 武汉精立电子技术有限公司 | 一种基于aoi的显示面板微小缺陷判定方法与装置 |
CN113205474A (zh) * | 2020-01-15 | 2021-08-03 | 华为技术有限公司 | 屏幕检测和屏幕检测模型训练方法、装置及设备 |
EP3907697A1 (en) * | 2020-03-11 | 2021-11-10 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method and apparatus for acquiring information |
CN114119591A (zh) * | 2021-12-02 | 2022-03-01 | 汕头轻工装备研究院 | 一种显示屏画面质量检测方法 |
-
2022
- 2022-07-14 CN CN202210823251.4A patent/CN115131327B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103106672A (zh) * | 2013-01-25 | 2013-05-15 | 西北工业大学 | 一种基于颜色特征的图像感兴趣区域检测方法 |
CN104966085A (zh) * | 2015-06-16 | 2015-10-07 | 北京师范大学 | 一种基于多显著特征融合的遥感图像感兴趣区域检测方法 |
CN109471276A (zh) * | 2018-11-07 | 2019-03-15 | 凌云光技术集团有限责任公司 | 一种液晶屏色偏缺陷检测方法及装置 |
CN109856156A (zh) * | 2019-01-22 | 2019-06-07 | 武汉精立电子技术有限公司 | 一种基于aoi的显示面板微小缺陷判定方法与装置 |
CN113205474A (zh) * | 2020-01-15 | 2021-08-03 | 华为技术有限公司 | 屏幕检测和屏幕检测模型训练方法、装置及设备 |
EP3907697A1 (en) * | 2020-03-11 | 2021-11-10 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method and apparatus for acquiring information |
CN114119591A (zh) * | 2021-12-02 | 2022-03-01 | 汕头轻工装备研究院 | 一种显示屏画面质量检测方法 |
Non-Patent Citations (2)
Title |
---|
WENQIANG XIE等: "Display Line Defect Detection Method Based on Color Feature Fusion", 《MACHINES》, 24 August 2022 (2022-08-24) * |
李春华;苏浩;刘宇峰;: "基于颜色特征的显著性检测", 信息通信, no. 08, 15 August 2018 (2018-08-15) * |
Also Published As
Publication number | Publication date |
---|---|
CN115131327B (zh) | 2024-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106295656B (zh) | 基于图像色块内容的图像轮廓特征提取方法和装置 | |
US8774503B2 (en) | Method for color feature extraction | |
CN104637067B (zh) | 一种纹理表面的缺陷检测方法 | |
WO2014136561A1 (ja) | むら検査システム、むら検査方法およびむら検査プログラム | |
EP1300804A2 (en) | Face detecting method by skin color recognition | |
JP6208426B2 (ja) | フラットパネルディスプレイの自動ムラ検出装置および自動ムラ検出方法 | |
CN103942756B (zh) | 一种深度图后处理滤波的方法 | |
CN112862832B (zh) | 一种基于同心圆分割定位的脏污检测方法 | |
CN115078365A (zh) | 一种软包装印刷质量缺陷检测方法 | |
CN114863492A (zh) | 一种低质量指纹图像的修复方法及修复装置 | |
CN113744326B (zh) | 一种在ycrcb颜色空间中基于种子区域生长法则的火灾检测方法 | |
CN114792310A (zh) | 一种LCD屏幕中边缘模糊的Mura缺陷检测方法 | |
CN111080723A (zh) | 基于Unet网络的图像元素分割方法 | |
CN116843581B (zh) | 一种多场景图的图像增强方法、系统、设备和存储介质 | |
CN115131327B (zh) | 一种颜色特征融合的显示屏彩色线缺陷检测方法 | |
CN110298812B (zh) | 一种图像融合处理的方法及装置 | |
CN107578379A (zh) | 一种象棋机器人对棋盘图像的处理方法 | |
CN111414877B (zh) | 去除颜色边框的表格裁切方法、图像处理设备和存储介质 | |
CN114998189B (zh) | 一种彩色显示点缺陷检测方法 | |
US10083516B2 (en) | Method for segmenting a color image and digital microscope | |
CN110827272B (zh) | 一种基于图像处理的轮胎x光图像缺陷检测方法 | |
JP2006133055A (ja) | ムラ欠陥検出方法及び装置、空間フィルタ、ムラ欠陥検査システム並びにムラ欠陥検出方法のプログラム | |
CN105809628B (zh) | 基于局部曲率流分析的胶囊图像滤波方法 | |
CN106504200A (zh) | 基于色调偏移估计及逐点色调映射的图像光照补偿方法和系统 | |
CN111145193A (zh) | 一种自适应全局阈值二值化方法 |
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 |