CN115187593B - 屏幕缺陷检测方法和装置 - Google Patents
屏幕缺陷检测方法和装置 Download PDFInfo
- Publication number
- CN115187593B CN115187593B CN202211092239.7A CN202211092239A CN115187593B CN 115187593 B CN115187593 B CN 115187593B CN 202211092239 A CN202211092239 A CN 202211092239A CN 115187593 B CN115187593 B CN 115187593B
- Authority
- CN
- China
- Prior art keywords
- image
- defect
- screen
- pixel
- offset distance
- 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
- 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
- G06T7/13—Edge detection
-
- 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
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Image Processing (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明揭示了一种屏幕缺陷检测方法和装置,方法包括步骤:获取多张屏幕图像,多张屏幕图像是对含缺陷屏幕在上下方向不同的对焦距离依次拍摄的多张图像;确定每张屏幕图像的缺陷区域;计算缺陷区域的缺陷区域亮度;将缺陷区域亮度最暗的图像确定为目标缺陷图像,将目标缺陷图像对应图像的层数确定为缺陷所在层。该屏幕缺陷检测方法可以准确地判断缺陷所在的位置,通过对屏幕在上下方向上的多次对焦获取图像,拍到异物在屏幕中的所在层数,通过每张屏幕图像的亮度确定拍摄到异物的目标缺陷图像,以及便于进一步确定异物的类型。
Description
技术领域
本发明涉及屏幕检测技术领域,尤其涉及一种含缺陷的屏幕检测方法和装置。
背景技术
屏幕在做常规的检测的过程中会发现一些缺陷,例如点类不良,其可能是像素缺陷,也有可能是位于屏幕中不同位置的异物,对这些缺陷精确分析才能判断屏幕是良品还是不良品。
现有技术一般通过视觉检测,发明人发现现有技术中至少存在如下问题:
一方面检测精度不够高,其次对于缺陷所在的具体位置还停留在二维平面上,对缺陷的具体深度不能清楚地判断,所以现有技术对缺陷的检测还不能很好地满足生产需求。
发明内容
为解决上述的现有技术问题中的至少其一,本发明的目的在于提供一种能够准确检测缺陷所在位置的屏幕缺陷检测方法和装置。
为实现上述发明目的,本发明一实施方式提供一种屏幕缺陷检测方法,包括如下步骤:
获取多张屏幕图像,其中,所述多张屏幕图像是对含缺陷的屏幕在上下方向不同的对焦距离依次拍摄的多张图像;
确定每张屏幕图像的缺陷区域;
计算每张屏幕图像中的缺陷区域的缺陷区域亮度;
将缺陷区域亮度最暗的图像确定为目标缺陷图像,将所述目标缺陷图像对应图像的层数确定为缺陷所在层;
计算所述目标缺陷图像中的缺陷尺寸。
作为本发明的进一步改进,所述多张屏幕图像的对焦距离依次间隔相同距离。
作为本发明的进一步改进,所述步骤确定每张屏幕图像的缺陷区域包括:
填充每张屏幕图像,得到每张屏幕图像对应的无缺陷图像,其中,所述无缺陷图像是屏幕图像中的缺陷内容被填充为无缺陷内容的图像;
根据每张屏幕图像与其对应的无缺陷图像,得到每张屏幕图像对应的缺陷轮廓图像;
根据所述缺陷轮廓图像和所述多张屏幕图像,得到每张屏幕图像的缺陷区域。
作为本发明的进一步改进,所述步骤填充每张屏幕图像包括:
在所述多张屏幕图像中确定像素层图像;
在所述像素层图像中确定无缺陷区域;
根据所述无缺陷区域确定偏移距离;
根据所述偏移距离,在每张屏幕图像的缺陷位置填充无缺陷内容。
作为本发明的进一步改进,所述步骤在所述多张屏幕图像中确定像素层图像包括:
获取每张屏幕图像对应的灰度图;
计算每张灰度图中像素的灰度值大于预设灰度值的全部灰度值的灰度总和;
比较全部屏幕图像对应的灰度总和,选择其中灰度总和最大的图对应的屏幕图像为像素层图像。
作为本发明的进一步改进,所述步骤在所述像素层图像中确定无缺陷区域包括:
在所述像素层图像中选取多个区域,其中,所述多个区域包括分别覆盖所述像素层图像中间位置和边缘位置的区域;
在所述多个区域中筛选出无缺陷区域,其中,所述筛选是通过信息熵的大小筛选或通过自适应灰度值筛选。
作为本发明的进一步改进,所述偏移距离包括相邻的两个子像素的平均横向偏移距离和平均纵向偏移距离;
所述步骤根据所述无缺陷区域确定偏移距离包括:
将所述无缺陷区域的二值化,得到局部二值化图像,其中,所述局部二值化图像仅显示同一种子像素;
获取所述局部二值化图像中的目标区域的全部子像素的质心坐标;
将全部质心坐标排序;
计算每两个相邻质心坐标的横向偏移距离和纵向偏移距离;
计算全部横向偏移距离的平均值,得到平均横向偏移距离;
计算全部纵向偏移距离的平均值,得到平均纵向偏移距离。
作为本发明的进一步改进,所述屏幕包括在左右方向的边缘弯曲的曲面屏,所述偏移距离包括前后相邻的两个子像素的平均横向偏移距离和平均纵向偏移距离;
所述步骤根据所述无缺陷区域确定偏移距离还包括:
沿前后方向,将全部质心坐标排序;
计算每前后相邻的两个质心坐标的横向偏移距离和纵向偏移距离。
作为本发明的进一步改进,所述目标区域为所述局部二值化图像去除边缘区域后的区域。
作为本发明的进一步改进,所述步骤“根据所述偏移距离,在每张屏幕图像的缺陷位置填充无缺陷内容”包括:
根据所述偏移距离确定每个像素的相邻像素;
判断当前像素的像素值是否在第一范围内、且当前像素的像素值与相邻像素的像素值的区别程度是否在第二范围内;
若是,则当前该像素赋值为相邻像素的像素值;
若否,则维持当前像素的原像素值。
作为本发明的进一步改进,所述屏幕包括在左右方向的边缘弯曲的曲面屏,所述步骤“根据所述偏移距离,在每张屏幕图像的缺陷位置填充无缺陷内容”还包括:
根据所述偏移距离,分别确定每个像素的上相邻像素和下相邻像素;
判断当前像素的像素值是否在第一范围内、且当前像素的像素值与上相邻像素的像素值的区别程度是否在第三范围内、且当前像素的像素值与下相邻像素的像素值的区别程度是否在第四范围内;
若是,则将当前像素赋值为上相邻像素的像素值;
若否,则维持当前像素的像素值。
作为本发明的进一步改进,所述步骤“根据每张屏幕图像与其对应的无缺陷图像,得到每张屏幕图像对应的缺陷轮廓图像”包括:
对每张屏幕图像与其对应的无缺陷图像进行减操作,得到中间图像;
对所述中间图像二值化,得到每张屏幕图像对应的缺陷轮廓图像。
作为本发明的进一步改进,所述步骤“根据所述缺陷轮廓图像和所述多张屏幕图像,得到每张屏幕图像的缺陷区域”包括:
在多张缺陷轮廓图像中,将缺陷面积最大的图像作为掩膜;
通过所述掩膜,得到每张屏幕图像的缺陷区域。
作为本发明的进一步改进,所述步骤计算每张屏幕图像中的缺陷区域的缺陷区域亮度包括:
计算每张屏幕图像中的缺陷区域的灰度值的总和,将所述总和记为所述缺陷区域亮度。
作为本发明的进一步改进,所述步骤计算所述目标缺陷图像中的缺陷尺寸包括:
对所述目标缺陷图像进行阈值分割和边缘提取,得到目标区域;
计算所述目标区域的最小外接矩形,得到缺陷尺寸。
为实现上述发明目的之一,本发明一实施例提供了一种屏幕缺陷检测装置,包括:
获取模块,用于获取多张屏幕图像,其中,所述多张屏幕图像是对含缺陷的屏幕在上下方向不同的对焦距离依次拍摄的多张图像;
缺陷确定模块,用于确定每张屏幕图像的缺陷区域;
亮度计算模块,用于计算每张屏幕图像中的缺陷区域的缺陷区域亮度;
层数确定模块,用于将缺陷区域亮度最暗的图像确定为目标缺陷图像,将所述目标缺陷图像对应图像的层数确定为缺陷所在层;
尺寸计算模块,用于计算所述目标缺陷图像中的缺陷尺寸。
为实现上述发明目的之一,本发明一实施例提供了一种电子设备,包括:
存储模块,存储计算机程序;
处理模块,执行所述计算机程序时可实现上述的屏幕缺陷检测方法中的步骤。
为实现上述发明目的之一,本发明一实施例提供了一种可读存储介质,其存储有计算机程序,该计算机程序被处理模块执行时可实现上述的屏幕缺陷检测方法中的步骤。
与现有技术相比,本发明具有以下有益效果:该屏幕缺陷检测方法可以准确地判断缺陷所在的位置,通过对屏幕在上下方向上的多次对焦获取图像,从而能尽可能地拍到异物在屏幕中的所在层数,通过每张屏幕图像的亮度确定拍摄到异物的目标缺陷图像,从而在上下方向确定出异物的具体深度,以及便于进一步确定异物的类型。
附图说明
图1是本发明一实施例的检测装置检测屏幕时的结构示意图;
图2是本发明一实施例的屏幕缺陷检测方法的流程图;
图3是本发明一实施例是确定每张屏幕图像的缺陷区域的流程图;
图4是本发明一实施例的填充每张屏幕图像的流程图;
图5是本发明一实施例的在像素层图像中选取多个区域的示意图;
图6是本发明一实施例的计算相邻的两个子像素的横向偏移距离和纵向偏移距离的示意图;
图7是本发明一实施例的缺陷位置填充无缺陷内容后的图像的示意图;
图8是本发明一实施例的掩膜的示意图;
图9是本发明一实施例的屏幕图像被掩膜覆盖后的图像的示意图;
图10是本发明一实施例的检测装置的结构框图;
其中,100、检测装置;10、摄像模块;20、载台;30、处理模块;40、存储模块;50、通信总线;200、屏幕。
具体实施方式
以下将结合附图所示的具体实施方式对本发明进行详细描述。但这些实施方式并不限制本发明,本领域的普通技术人员根据这些实施方式所做出的结构、方法、或功能上的变换均包含在本发明的保护范围内。
本发明一实施例提供一种能够准确检测缺陷尺寸和所在位置的屏幕缺陷检测方法和装置,可以更加精确地获得缺陷的尺寸,将暗点和异物很好地区分开,且对于曲面屏弯曲区域的缺陷检测具有较好的鲁棒性。
本实施例的屏幕缺陷检测方法,是针对含有缺陷的屏幕进行的检测,在运行该方法之前,屏幕先经过了视觉识别模块的检测,视觉识别模块包括工业相机,对屏幕拍摄反馈屏幕存在缺陷后,再进行本实施例的屏幕缺陷检测方法。
如图1所示,将屏幕200放置在载台20上,检测装置100包括摄像模块10,摄像模块10具体包括工业相机、以及用于控制相机移动的直线电机,利用直线电机控制相机在不同对焦层拍摄一组从下到上的屏幕200的图像。镜头可以采用液态镜头,如采用液态镜头时,可通过改变电压使液体表面曲率发生变化实现变焦。
由于在上下料的过程中可能会存在屏幕200倾斜,以及还可能是不同型号的屏幕、曲面屏等,所以这些图像对应的实际物理层的位置不会是固定的,例如像素层、玻璃盖板等在不同组的图像中可能位于不同的层数。
本实施例的屏幕,可以平面屏,也可以是曲面屏,曲面屏可以是在各个边缘向下弯曲,屏幕基本上为矩形。为清楚地表达本实施例中所描述的位置与方向,在本实施例中,定义屏幕具有左右两个平行边、以及前后两个平行边,前后左右四个方向均平行于水平面,屏幕可以放置在该水平面上。若屏幕为平面屏,屏幕的上表面可以平行于水平面。对于曲面屏而言,例如手机的曲面屏可以是左右两边向下弯曲,前后两边不弯曲,曲面屏放置于水平面上后可以存在一定的翘曲。左右和前后方向可以对调,例如左右不弯曲、前后弯曲,则下文与左右前后相关的方向的相关描述也对调,即可对前后弯曲的屏幕进行适应性的检测,其他样式的屏幕中还可设置为前后左右均存在弯曲,具体样式不做限定。
下面结合图2~图9,说明本发明一实施例提供的一种屏幕缺陷检测方法,虽然本申请提供了如下述实施方式或流程图所示的方法操作步骤,但是基于常规或者无需创造性的劳动,所述方法在逻辑性上不存在必要因果关系的步骤中,这些步骤的执行顺序不限于本申请实施方式中所提供的执行顺序。例如下文的步骤S510和S520的顺序可以调整或同时进行,不区分时间顺序上的先后。
具体的,如图2所示,方法包括如下步骤:
步骤S100:获取多张屏幕图像,其中,所述多张屏幕图像是对含缺陷的屏幕在上下方向不同的对焦距离依次拍摄的多张图像。
如上文所述,这些多张屏幕图像可以是从下向上的一组图像,第一张图像位于最下方的第一层,第二张图像位于最下方向上的第二层,以此类推。
相邻两层对应的物理空间中的上下间距,可以间隔距离相等或不相等,根据需要调节。
在一个实施例中,所述多张屏幕图像的对焦距离依次间隔相同距离,也就是说,这些图像并非按着实际所在屏幕中的哪个物理层,而是按空间距离依次获取的多张图像。在实际检测时可根据需要调整间隔的距离。
步骤S200:确定每张屏幕图像的缺陷区域。
缺陷区域是屏幕上存在异常的区域,例如以图5所示而言,缺陷区域即为图中存在黑色斑点的区域。
如图3所示,步骤S200具体还包括如下步骤:
步骤S210:填充每张屏幕图像,得到每张屏幕图像对应的无缺陷图像,其中,所述无缺陷图像是屏幕图像中的缺陷内容被填充为无缺陷内容的图像;
步骤S220:根据每张屏幕图像与其对应的无缺陷图像,得到每张屏幕图像对应的缺陷轮廓图像;
步骤S230:根据所述缺陷轮廓图像和所述多张屏幕图像,得到每张屏幕图像的缺陷区域。
其中,步骤S210是在当前图像的基础上,恢复至没有缺陷的图像。如图4所示,步骤S210具体还包括如下步骤:
步骤S211:在所述多张屏幕图像中确定像素层图像;
步骤S212:在所述像素层图像中确定无缺陷区域;
步骤S213:根据所述无缺陷区域确定偏移距离;
步骤S214:根据所述偏移距离,在每张屏幕图像的缺陷位置填充无缺陷内容。
其中,步骤S211用于确定多张图像中像素层所在的图像,其包括多种实施方式,在其一实施例中,包括步骤:
步骤S2111:获取每张屏幕图像对应的灰度图;
步骤S2112:计算每张灰度图中像素的灰度值大于预设灰度值的全部灰度值的灰度总和;
步骤S2113:比较全部屏幕图像对应的灰度总和,选择其中灰度总和最大的图对应的屏幕图像为像素层图像。
具体地,灰度总和的计算方法如下:
,其中,f(x,y)为(x,y)处的像素灰度值,且该灰度值需满足f(x,y)>k,其中k为设定的阈值,m、n为图像的行和列。可以计算出每张图像的像素总和P的值,然后比较各图片的像素总和大小,最大值所对应的图片即为像素层图像。
另外,在其他实施例中,像素层的确定方法可以梯度值的方法来判断,也就是根据梯度值的变化情况选择像素层。
步骤S212可以用于选出一个没有缺陷的局部区域作为后续步骤的运行的基准,该步骤还包括:
步骤S2121:在所述像素层图像中选取多个区域,其中,所述多个区域包括分别覆盖所述像素层图像中间位置和边缘位置的区域;
步骤S2122:在所述多个区域中筛选出无缺陷区域,其中,所述筛选是通过信息熵的大小筛选或通过自适应灰度值筛选。
如图5所示,选取的多个区域,是图中的白色方框,这些白色方框包括图5中间的若干区域、以及位于边缘位置的多个区域。图5中选出了9个区域,通过筛选,最后选定出左下方高亮白色方框的区域。通过上述方法可以确定出一个没有缺陷的局部区域。
步骤S2122以计算信息熵的大小的实施例为例进行说明,信息熵的计算公式如下:
取信息熵最大的区域作为后续步骤的无缺陷区域。
另外,如果屏幕的各个位置均有异物,即选出的任意区域均有异物,说明该屏幕过于不良,没有进行本实施例的缺陷检测的必要,在进行本实施例的缺陷检测方法之前可以直接排除该屏幕。所以对于本实施例对含缺陷的屏幕进一步缺陷检测的方法来说,能够通过该步骤可以选出一个没有缺陷的局部区域。
在步骤S213中,所述偏移距离包括相邻的两个子像素的平均横向偏移距离和平均纵向偏移距离。以图6所示为例,相邻两个子像素可以是图中上下相邻的两个白色点,横向偏移距离,即为图6中的Δx,纵向偏移距离,即为图6中的Δy。
步骤S213具体还包括:
步骤S2131:将所述无缺陷区域的二值化,得到局部二值化图像,其中,所述局部二值化图像仅显示同一类型的子像素;
步骤S2132:获取所述局部二值化图像中的目标区域的全部子像素的质心坐标;
步骤S2133:将全部质心坐标排序;
步骤S2134:计算每两个相邻质心坐标的横向偏移距离Δx和纵向偏移距离Δy;
步骤S2135:计算全部横向偏移距离的平均值,得到平均横向偏移距离dx;
步骤S2136:计算全部纵向偏移距离的平均值,得到平均纵向偏移距离dy。
原始图像中的子像素有3种,即RGB,在经过步骤S2131后,得到的图像如图6所示,只剩下一种。将图像二值化可以仅将图像中最亮的一种子像素显示为白色,其他的区域和剩下的两种子像素全部替换为黑色。
步骤S2135和步骤S2136的计算方法如下:
其中,对于平面屏可以采用上文的方法计算偏移距离,作为本实施例一优选的实施例,所述屏幕包括在左右方向的边缘弯曲的曲面屏,所述偏移距离包括前后相邻的两个子像素的平均横向偏移距离和平均纵向偏移距离,对于曲面屏还可以采用如下的步骤计算偏移距离:
步骤S2133的将全部质心坐标排序,是沿前后方向,将全部质心坐标排序;
步骤S2134是计算每前后相邻的两个质心坐标的横向偏移距离和纵向偏移距离。
由于对于曲面屏而言,在前后两条边上不弯曲,仅在左右两条边上弯曲,所以采取子像素前后对应方式,而不是左右对应方式,获取前后相邻的质心坐标的偏移,可以避免在左右方向屏幕弯曲,导致的像素间的距离畸变的问题。
也就是如图6所示,相邻的两个质心,是图6中的上下相邻的两个质心,在实物上是前后相邻的两个质心,避免该屏幕在左右两边弯曲存在距离畸变的问题。
如果是前后弯曲,即图6中的上下两条边弯曲时,则可以改为计算左右相邻的两个质心的横向偏移距离和纵向偏移距离。
当四边均存在弯曲的情况时,选取的相邻两个质心尽量远离边缘弯曲部分,从而避免畸变的影响。
另外,所述目标区域为所述局部二值化图像去除边缘区域后的区域。这样可以避免划分区域时造成的子像素不完整的问题,将质心坐标在边缘区域的点过滤掉。
在步骤S214之前,可以先创建一个模板,宽度为原始图像的宽度再加上平均横向偏移距离dx,高度为原始图像的高度再加上平均纵向偏移距离dy。
步骤S214还包括:
步骤S2141:根据所述偏移距离确定每个像素的相邻像素;
步骤S2142:判断当前像素的像素值是否在第一范围内、且当前像素的像素值与相邻像素的像素值的区别程度是否在第二范围内;
若是,则将当前像素赋值为相邻像素的像素值;
若否,则维持当前像素的原像素值。
每个像素的相邻像素是基于偏移距离确定的,偏移距离具有方向性,例如以上文步骤S213的偏移距离为例,将每个像素中的一个当前像素在横向移动平均横向偏移距离、在纵向移动平均纵向偏移距离后,就可以得到与当前像素对应的相邻像素。
由于屏幕上的子像素是阵列排布的,上下相邻的同一种子像素的上下间距都相同,左右相邻的同一种子像素左右间距都相同。所以理论上,当没有缺陷时,每个像素的像素值,与移动偏移距离后对应的相邻像素的像素值相同。且相邻像素可以是一个,也可以是两个,甚至是3个、4个,例如每个像素的相邻像素,可以有上侧的相邻像素和下侧的相邻像素,也可以有左侧的相邻像素和右侧的相邻像素。例如图6中某个白色圆圈内的像素,对应的相邻像素是其相邻的1~4个其他白色圆圈内的像素。
当一个位置的像素被缺陷覆盖时,该位置的像素值不是真实值时,该位置的像素值可以由与其对应的相邻像素的像素值来填充。
当选择多个相邻像素时,每个相邻像素的像素值与当前像素的像素值的区别程度的比较范围可以是相同范围,也可以是不同范围。
步骤S2142的具体的判断方法也可以用如下公式表示:
其中,q为当前位置像素值,L1,L2,L3分别为设定的阈值,u、v分别为当前位置的其一对应偏移量的像素值、另一对应偏移量的像素值。若满足条件,则模板中对应位置的像素值b替换为原始图像中对应位置的邻域像素值u,如果不满足条件,则当前像素点为正常像素点,则像素值仍维持原像素q,最终可获得完整无不良的模板图像。
q>L1的目的在于,对于背景层的区域,不进行替换,只有当当前图像上该位置的亮度高于一定值时才进行替换,提高替换效率。
这里选取两个相邻像素,像素值分别为u和v,u和v可以分别是向前移动对应偏移量后对应像素的像素值、向后移动对应偏移量后对应像素的像素值,也可以是向左移动对应偏移量后对应像素的像素值、向右移动对应偏移量后对应像素的像素值,选择前后方向还是左右方向,取决于步骤S213中选取的相邻子像素是前后相邻还是左右相邻。
|q-u|或者|q-v|的值越大,说明当前像素与相邻像素的像素值比较,差别的程度越大。只有在当前像素同时与两个对应的相邻像素的差别程度都足够大,即|q-u|>L2、以及|q-v|>L3时,才进行对当前像素的替换,这样避免缺陷区域外的像素值被缺陷内的像素值替换。另外,缺陷一般不会横跨多个子像素,所以不会出现缺陷内的像素与相邻像素相比都是缺陷而不被替换的问题。
最后以左上角(0,0)点为起点截取该完整无不良的模板图像中与原图像大小相同的图像,最终如图7所示。
对于平面屏可以采用上文的方法进行填充。作为本实施例一优选的实施例,对于曲面屏,填充步骤还包括:
步骤S2141:根据所述偏移距离,分别确定每个像素的上相邻像素和下相邻像素;
步骤S2142:判断当前像素的像素值是否在第一范围内、且当前像素的像素值与上相邻像素的像素值的区别程度是否在第三范围内、且当前像素的像素值与下相邻像素的像素值的区别程度是否在第四范围内;
若是,则将当前像素赋值为上相邻像素的像素值;
若否,则维持当前像素的像素值。
也就是说,u为当前位置的像素在图片中的上方方向移动上对应偏移量的相邻像素的像素值,v为当前位置的像素在图片中的下方方向移动下对应偏移量的相邻像素的像素值,例如图6中某个白色圆圈内的像素,上相邻像素在图中上方的相邻的白色圆圈中,下相邻像素在图中下方的相邻的白色圆圈中。
其他的计算方法如上文所述。
在步骤S220中,可以包括如下步骤:
步骤S221:对每张屏幕图像与其对应的无缺陷图像进行减操作,得到中间图像;
步骤S222:对所述中间图像二值化,得到每张屏幕图像对应的缺陷轮廓图像。
步骤S221的减操作就是将两个图像的相同位置的像素值相减,全部减完后得到中间图像。可以理解地,除了缺陷区域处的像素值的差值偏大,其余位置的差值很小。
再对该中间图像二值化,像素值小于阈值的像素赋0,像素值大于阈值的像素赋1,得到的图像可以参考图8所示,该缺陷轮廓图像仅显示缺陷的轮廓区域。
另外,步骤S230还包括:
步骤S231:在多张缺陷轮廓图像中,将缺陷面积最大的图像作为掩膜;
步骤S232:通过将所述掩膜与每张屏幕图像进行掩膜操作,得到每张屏幕图像的缺陷区域。
掩膜操作后,感兴趣的区域,即缺陷区域内的值保持不变,缺陷区域以外的值都为0。
掩膜的示意图如图8所示,缺陷面积最大的图像,不一定是真正的缺陷所在层,例如缺陷上方的图像的缺陷面积可能大于下层的图片,但该图像可以保障缺陷的内容完全被包括在其中,没有缺陷覆盖不全的问题。
步骤S300:计算每张屏幕图像中的缺陷区域的缺陷区域亮度。
步骤S300还包括:
计算每张屏幕图像中的缺陷区域的灰度值的总和,将所述总和记为所述缺陷区域亮度。
例如有5张原始图像,在经过了与掩膜的覆盖后,得到如图9所示的5张图像。由于掩膜是缺陷面积最大的图像,所以得到的图像不仅包括了全部缺陷,可能还包括部分缺陷以外的内容。
步骤S400:将缺陷区域亮度最暗的图像确定为目标缺陷图像。
例如在图9中,第三张图的灰度值总和最小,意味着相机对焦在这一层的缺陷拍摄最清晰,即缺陷就在这一层的图像上。
步骤S510:将所述目标缺陷图像对应图像的层数确定为缺陷所在层;
步骤S520:计算所述目标缺陷图像中的缺陷尺寸。
缺陷尺寸的计算方法,可以是对所述目标缺陷图像进行阈值分割和边缘提取,得到目标区域;另外计算所述目标区域的最小外接矩形,得到缺陷尺寸。
与现有技术相比,本实施例具有以下有益效果:
该屏幕缺陷检测方法可以准确地判断缺陷所在的位置和尺寸,通过对屏幕在上下方向上的多次对焦获取图像,从而能尽可能地拍到异物在屏幕中的所在层数,以及通过每张屏幕图像的亮度确定拍摄到异物的目标缺陷图像,从而进一步确定出异物的所在层以及缺陷的具体尺寸,以及便于进一步确定异物的类型。
在一个实施例中,提供了一种用于检测屏幕缺陷的检测装置,该检测装置可以包括的模块、以及各模块具体功能如下:
获取模块,用于获取多张屏幕图像,其中,所述多张屏幕图像是对含缺陷的屏幕在上下方向不同的对焦距离依次拍摄的多张图像;
缺陷确定模块,用于确定每张屏幕图像的缺陷区域;
亮度计算模块,用于计算每张屏幕图像中的缺陷区域的缺陷区域亮度;
层数确定模块,用于将缺陷区域亮度最暗的图像确定为目标缺陷图像,将所述目标缺陷图像对应图像的层数确定为缺陷所在层;
尺寸计算模块,用于计算所述目标缺陷图像中的缺陷尺寸。
在一个实施例中,缺陷确定模块还用于填充每张屏幕图像,得到每张屏幕图像对应的无缺陷图像;
缺陷确定模块还用于根据每张屏幕图像与其对应的无缺陷图像,得到每张屏幕图像对应的缺陷轮廓图像;
缺陷确定模块还用于根据所述缺陷轮廓图像和所述多张屏幕图像,得到每张屏幕图像的缺陷区域。
在一个实施例中,缺陷确定模块还用于在所述多张屏幕图像中确定像素层图像;
缺陷确定模块还用于在所述像素层图像中确定无缺陷区域;
缺陷确定模块还用于根据所述无缺陷区域确定偏移距离;
缺陷确定模块还用于根据所述偏移距离,在每张屏幕图像的缺陷位置填充无缺陷内容。
在一个实施例中,缺陷确定模块还用于将所述无缺陷区域的二值化,得到局部二值化图像;
缺陷确定模块还用于获取所述局部二值化图像中的目标区域的全部子像素的质心坐标;
缺陷确定模块还用于将全部质心坐标排序;
缺陷确定模块还用于计算每两个相邻质心坐标的横向偏移距离Δx和纵向偏移距离Δy;
缺陷确定模块还用于计算全部横向偏移距离的平均值,得到平均横向偏移距离dx;
缺陷确定模块还用于计算全部纵向偏移距离的平均值,得到平均纵向偏移距离dy。
需要说明的是,本发明实施例的屏幕缺陷检测装置中未披露的细节,请参照本发明实施例的屏幕缺陷检测方法中所披露的细节。
检测装置100还可以包括计算机、笔记本、掌上电脑及云端服务器等计算设备,以及包括但不限于处理模块30、存储模块40、以及存储在存储模块40中并可在处理模块30上运行的计算机程序,例如上述的屏幕200缺陷检测方法程序。所述处理模块30执行所述计算机程序时实现上述各个屏幕200缺陷检测方法实施例中的步骤,例如图2~4所示的步骤。
检测装置100还可以包括上述的载台20、摄像模块10和通信总线50。如图10所示,通信总线50用于将摄像模块10、处理模块30与存储模块40之间建立连接,通信总线50可包括一通路,在上述的摄像模块10、处理模块30与存储模块40之间传送信息。
另外,本发明还提出了一种电子设备,其包括存储模块和处理模块,处理模块执行所述计算机程序时可实现上述的屏幕缺陷检测方法中的步骤,也就是说,实现上述屏幕缺陷检测方法中的任意一个技术方案中的步骤。
该电子设备可以是集成于屏幕缺陷检测装置内的一部分、或者是本地的终端设备、还可以是云端服务器的一部分。
处理模块可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器,也可以是任何常规的处理器。处理模块是屏幕缺陷检测装置的控制中心,利用各种接口和线路连接整个屏幕缺陷检测装置的各个部分。
存储模块可用于存储所述计算机程序和/或模块,处理模块通过运行或执行存储在存储模块内的计算机程序和/或模块,以及调用存储在存储模块内的数据,实现屏幕缺陷检测装置的各种功能。存储模块可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序等。此外,存储模块可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart MediaCard,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少—个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
示例性的,所述计算机程序可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在存储模块中,并由处理模块执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序在屏幕缺陷检测装置中的执行过程。
进一步地,本发明一实施例提供了一种可读存储介质,其存储有计算机程序,该计算机程序被处理模块执行时可实现上述的屏幕缺陷检测方法中的步骤,也就是说,实现上述屏幕缺陷检测方法中的任意一个技术方案中的步骤。
所述屏幕缺陷检测方法集成的模块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,本发明实现上述实施例方法中的全部或部分流程,也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计算机可读存储介质中,该计算机程序在被处理模块执行时,可实现上述各个方法实施例的步骤。
其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、∪盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random AccessMemory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施方式中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施方式的具体说明,它们并非用以限制本发明的保护范围,凡未脱离本发明技艺精神所作的等效实施方式或变更均应包含在本发明的保护范围之内。
Claims (13)
1.一种屏幕缺陷检测方法,其特征在于,包括如下步骤:
获取多张屏幕图像,其中,所述多张屏幕图像是对含缺陷的屏幕在上下方向不同的对焦距离依次拍摄的多张图像;
确定每张屏幕图像的缺陷区域;
计算每张屏幕图像中的缺陷区域的缺陷区域亮度;
将缺陷区域亮度最暗的图像确定为目标缺陷图像;
将所述目标缺陷图像对应图像的层数确定为缺陷所在层;
所述步骤确定每张屏幕图像的缺陷区域包括:
填充每张屏幕图像,得到每张屏幕图像对应的无缺陷图像,其中,所述无缺陷图像是屏幕图像中的缺陷内容被填充为无缺陷内容的图像;
根据每张屏幕图像与其对应的无缺陷图像,得到每张屏幕图像对应的缺陷轮廓图像;
根据所述缺陷轮廓图像和所述多张屏幕图像,得到每张屏幕图像的缺陷区域。
2.根据权利要求1所述的屏幕缺陷检测方法,其特征在于,所述步骤填充每张屏幕图像包括:
在所述多张屏幕图像中确定像素层图像;
在所述像素层图像中确定无缺陷区域;
根据所述无缺陷区域确定偏移距离;
根据所述偏移距离,在每张屏幕图像的缺陷位置填充无缺陷内容。
3.根据权利要求2所述的屏幕缺陷检测方法,其特征在于,所述步骤在所述多张屏幕图像中确定像素层图像包括:
获取每张屏幕图像对应的灰度图;
计算每张灰度图中像素的灰度值大于预设灰度值的全部灰度值的灰度总和;
比较全部屏幕图像对应的灰度总和,选择其中灰度总和最大的图对应的屏幕图像为像素层图像。
4.根据权利要求2所述的屏幕缺陷检测方法,其特征在于,所述步骤在所述像素层图像中确定无缺陷区域包括:
在所述像素层图像中选取多个区域,其中,所述多个区域包括分别覆盖所述像素层图像中间位置和边缘位置的区域;
在所述多个区域中筛选出无缺陷区域,其中,所述筛选是通过信息熵的大小筛选或通过自适应灰度值筛选。
5.根据权利要求2所述的屏幕缺陷检测方法,其特征在于,所述偏移距离包括相邻的两个子像素的平均横向偏移距离和平均纵向偏移距离;
所述步骤根据所述无缺陷区域确定偏移距离包括:
将所述无缺陷区域二值化,得到局部二值化图像;
获取所述局部二值化图像中的目标区域的全部子像素的质心坐标;
将全部质心坐标排序;
计算每两个相邻质心坐标的横向偏移距离和纵向偏移距离;
计算全部横向偏移距离的平均值,得到平均横向偏移距离;
计算全部纵向偏移距离的平均值,得到平均纵向偏移距离。
6.根据权利要求5所述的屏幕缺陷检测方法,其特征在于,所述屏幕包括在左右方向的边缘弯曲的曲面屏,所述偏移距离包括前后相邻的两个子像素的平均横向偏移距离和平均纵向偏移距离;
所述步骤根据所述无缺陷区域确定偏移距离还包括:
沿前后方向,将全部质心坐标排序;
计算每前后相邻的两个质心坐标的横向偏移距离和纵向偏移距离。
7.根据权利要求2所述的屏幕缺陷检测方法,其特征在于,所述步骤“根据所述偏移距离,在每张屏幕图像的缺陷位置填充无缺陷内容”包括:
根据所述偏移距离确定每个像素的相邻像素;
判断当前像素的像素值是否在第一范围内、且当前像素的像素值与相邻像素的像素值的区别程度是否在第二范围内;
若是,则将当前像素赋值为相邻像素的像素值;
若否,则维持当前像素的原像素值。
8.根据权利要求7所述的屏幕缺陷检测方法,其特征在于,所述屏幕包括在左右方向的边缘弯曲的曲面屏,所述步骤“根据所述偏移距离,在每张屏幕图像的缺陷位置填充无缺陷内容”还包括:
根据所述偏移距离,分别确定每个像素的上相邻像素和下相邻像素;
判断当前像素的像素值是否在第一范围内、且当前像素的像素值与上相邻像素的像素值的区别程度是否在第三范围内、且当前像素的像素值与下相邻像素的像素值的区别程度是否在第四范围内;
若是,则将当前像素赋值为上相邻像素的像素值;
若否,则维持当前像素的像素值。
9.根据权利要求1所述的屏幕缺陷检测方法,其特征在于,所述步骤“根据每张屏幕图像与其对应的无缺陷图像,得到每张屏幕图像对应的缺陷轮廓图像”包括:
对每张屏幕图像与其对应的无缺陷图像进行减操作,得到中间图像;
对所述中间图像二值化,得到每张屏幕图像对应的缺陷轮廓图像。
10.根据权利要求1所述的屏幕缺陷检测方法,其特征在于,所述步骤“根据所述缺陷轮廓图像和所述多张屏幕图像,得到每张屏幕图像的缺陷区域”包括:
在多张缺陷轮廓图像中,将缺陷面积最大的图像作为掩膜;
通过所述掩膜,得到每张屏幕图像的缺陷区域。
11.根据权利要求1所述的屏幕缺陷检测方法,其特征在于,所述多张屏幕图像的对焦距离依次间隔相同距离;
所述步骤计算每张屏幕图像中的缺陷区域的缺陷区域亮度包括:
计算每张屏幕图像中的缺陷区域的灰度值的总和,将所述总和记为所述缺陷区域亮度;
所述的屏幕缺陷检测方法还包括步骤:
对所述目标缺陷图像进行阈值分割和边缘提取,得到目标区域;
计算所述目标区域的最小外接矩形,得到缺陷尺寸。
12.一种屏幕缺陷检测装置,其特征在于,包括:
获取模块,用于获取多张屏幕图像,其中,所述多张屏幕图像是对含缺陷的屏幕在上下方向不同的对焦距离依次拍摄的多张图像;
缺陷确定模块,用于确定每张屏幕图像的缺陷区域,所述缺陷确定模块还用于填充每张屏幕图像,得到每张屏幕图像对应的无缺陷图像,其中,所述无缺陷图像是屏幕图像中的缺陷内容被填充为无缺陷内容的图像;根据每张屏幕图像与其对应的无缺陷图像,得到每张屏幕图像对应的缺陷轮廓图像;根据所述缺陷轮廓图像和所述多张屏幕图像,得到每张屏幕图像的缺陷区域;
亮度计算模块,用于计算每张屏幕图像中的缺陷区域的缺陷区域亮度;
层数确定模块,用于将缺陷区域亮度最暗的图像确定为目标缺陷图像,将所述目标缺陷图像对应图像的层数确定为缺陷所在层;
尺寸计算模块,用于计算所述目标缺陷图像中的缺陷尺寸。
13.一种可读存储介质,其存储有计算机程序,其特征在于,该计算机程序被处理模块执行时可实现权利要求1至11中任意一项所述的屏幕缺陷检测方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211092239.7A CN115187593B (zh) | 2022-09-08 | 2022-09-08 | 屏幕缺陷检测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211092239.7A CN115187593B (zh) | 2022-09-08 | 2022-09-08 | 屏幕缺陷检测方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115187593A CN115187593A (zh) | 2022-10-14 |
CN115187593B true CN115187593B (zh) | 2022-12-16 |
Family
ID=83522353
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211092239.7A Active CN115187593B (zh) | 2022-09-08 | 2022-09-08 | 屏幕缺陷检测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115187593B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116912475B (zh) * | 2023-09-11 | 2024-01-09 | 深圳精智达技术股份有限公司 | 一种显示屏异物检测方法、装置、电子设备和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109752394A (zh) * | 2019-01-28 | 2019-05-14 | 凌云光技术集团有限责任公司 | 一种显示屏缺陷高精度检测方法及系统 |
CN111474177A (zh) * | 2020-05-06 | 2020-07-31 | 深圳市斑马视觉科技有限公司 | 基于计算机视觉的液晶屏幕背光异物缺陷检测方法 |
CN111627009A (zh) * | 2020-05-27 | 2020-09-04 | 歌尔股份有限公司 | 一种屏幕检测方法、装置及头戴显示设备 |
CN112394064A (zh) * | 2020-10-22 | 2021-02-23 | 惠州高视科技有限公司 | 一种屏幕缺陷检测的点线测量方法 |
CN113624784A (zh) * | 2021-07-28 | 2021-11-09 | 深圳市深鸿海自动化设备有限公司 | 屏幕玻璃缺陷检测设备及其检测工艺 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111612781B (zh) * | 2020-05-27 | 2023-07-14 | 歌尔光学科技有限公司 | 一种屏幕缺陷检测方法、装置及头戴显示设备 |
-
2022
- 2022-09-08 CN CN202211092239.7A patent/CN115187593B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109752394A (zh) * | 2019-01-28 | 2019-05-14 | 凌云光技术集团有限责任公司 | 一种显示屏缺陷高精度检测方法及系统 |
CN111474177A (zh) * | 2020-05-06 | 2020-07-31 | 深圳市斑马视觉科技有限公司 | 基于计算机视觉的液晶屏幕背光异物缺陷检测方法 |
CN111627009A (zh) * | 2020-05-27 | 2020-09-04 | 歌尔股份有限公司 | 一种屏幕检测方法、装置及头戴显示设备 |
CN112394064A (zh) * | 2020-10-22 | 2021-02-23 | 惠州高视科技有限公司 | 一种屏幕缺陷检测的点线测量方法 |
CN113624784A (zh) * | 2021-07-28 | 2021-11-09 | 深圳市深鸿海自动化设备有限公司 | 屏幕玻璃缺陷检测设备及其检测工艺 |
Also Published As
Publication number | Publication date |
---|---|
CN115187593A (zh) | 2022-10-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102132147B (zh) | 缺陷检测装置 | |
US8768052B2 (en) | Image processing apparatus, image processing method, and non-transitory computer readable medium | |
CN113109368B (zh) | 玻璃裂纹检测方法、装置、设备及介质 | |
CN115908269B (zh) | 视觉缺陷检测方法、装置、存储介质和计算机设备 | |
JP2005331929A (ja) | 画像解析方法、画像解析プログラム、及びそれらを有する画素評価システム | |
CN113646801A (zh) | 缺陷图像的缺陷检测方法、装置及计算机可读存储介质 | |
CN103428511A (zh) | 图案处理装置和图案处理方法 | |
CN115187593B (zh) | 屏幕缺陷检测方法和装置 | |
CN114820594B (zh) | 基于图像检测板材封边缺陷的方法、相关设备及存储介质 | |
CN104331695A (zh) | 一种鲁棒的圆形标志符形状质量检测方法 | |
CN117152165B (zh) | 感光芯片缺陷的检测方法、装置、存储介质及电子设备 | |
CN113362238A (zh) | 测试图像处理方法、装置、电子设备及存储介质 | |
CN113034464A (zh) | 一种多背景下的液晶显示器缺陷视觉实时检测方法 | |
CN113538603A (zh) | 一种基于阵列产品的光学检测方法、系统和可读存储介质 | |
CN114419045A (zh) | 光刻掩模板缺陷检测方法、装置、设备及可读存储介质 | |
CN114862817A (zh) | 一种电路板金手指区域缺陷检测方法及系统及装置及介质 | |
CN117094975A (zh) | 钢铁表面缺陷检测方法、装置及电子设备 | |
CN114998217A (zh) | 确定玻璃基板缺陷等级的方法、计算机设备及存储介质 | |
CN109141829B (zh) | 一种靶线清晰度计算及工业相机后截距的检测方法 | |
Fernández-Caballero et al. | Display text segmentation after learning best-fitted OCR binarization parameters | |
CN115661156B (zh) | 图像生成方法、装置、存储介质、设备及计算机程序产品 | |
CN116993654A (zh) | 摄像头模组缺陷检测方法、装置、设备、存储介质及产品 | |
CN115239595A (zh) | 一种包装印刷品二维码合格性检测方法 | |
CN114705696A (zh) | 一种基于数字图像处理和自动光学检测的缺陷检测方法 | |
CN110823134B (zh) | 一种靶线计算及工业传感器安装检测方法 |
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 |