CN115456956A - 一种液晶屏划痕检测方法、设备及存储介质 - Google Patents

一种液晶屏划痕检测方法、设备及存储介质 Download PDF

Info

Publication number
CN115456956A
CN115456956A CN202211000864.4A CN202211000864A CN115456956A CN 115456956 A CN115456956 A CN 115456956A CN 202211000864 A CN202211000864 A CN 202211000864A CN 115456956 A CN115456956 A CN 115456956A
Authority
CN
China
Prior art keywords
curve
pixel
curve segment
sub
liquid crystal
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.)
Pending
Application number
CN202211000864.4A
Other languages
English (en)
Inventor
单彦虎
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Huazhou Intelligent Equipment Co ltd
Original Assignee
Zhejiang Huazhou Intelligent Equipment Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang Huazhou Intelligent Equipment Co ltd filed Critical Zhejiang Huazhou Intelligent Equipment Co ltd
Priority to CN202211000864.4A priority Critical patent/CN115456956A/zh
Publication of CN115456956A publication Critical patent/CN115456956A/zh
Pending legal-status Critical Current

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
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G06T5/70—
    • 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
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N2021/9513—Liquid crystal panels
    • 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)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Analytical Chemistry (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Quality & Reliability (AREA)
  • Signal Processing (AREA)
  • Testing Of Optical Devices Or Fibers (AREA)

Abstract

本发明先在边缘提取算法上加入二次曲线拟合过程，实现图像亚像素级别的边缘提取，提取出屏幕表面的亚像素级别的缺陷链，再使用三次样条曲线拟合算法，从生成的亚像素缺陷链中拟合出缺陷曲线段，进一步利用亥姆霍兹原理来消除拟合出的虚假曲线段，对于这些有缺陷的曲线段，判断它们是否属于划痕缺陷：对于曲线段的两个端点，分别设定一个完全包含端点在内的小正方形，如果在小正方形中出现别的任何线段的任何端点，就认为这两条线段相邻；再计算相邻曲线段中被小正方形包含的两个端点的一阶导数的欧氏距离；遍历得到所有相邻曲线段的欧氏距离，之后再做归一化处理；对于归一化后得到的数值，通过设定一个阈值来判断是否有缺陷。

Description

一种液晶屏划痕检测方法、设备及存储介质
技术领域
本发明涉及机器视觉技术领域，尤其是指一种液晶屏划痕检测方法、设备、装置及计算机存储介质。
背景技术
液晶屏幕是当前电子产品的重要显示器件，广泛应用于智能手机、平板电脑、液晶电视等电子产品中。随着消费者不断追求高质量的显示效果及视觉体验，使得液晶屏显示行业都在朝着高清晰度、大尺寸、宽视角的方向进行发展，但与此同时也造成了液晶屏缺陷产生的几率大大增加。目前，大部分相关的液晶屏生产厂商都是依靠传统人工检测的方法来对液晶屏缺陷进行检测。而人工检测方法主要就是基于人眼对液晶屏进行观察与感受并且依靠检测者的经验来对一块液晶屏缺陷进行判定和量化，这种方法的弊端非常明显，一是由于人眼的视觉感官会带有很大的主观性，并且易受外界环境的干扰，这使得对缺陷量化就缺乏统一的判断标准，所以可能不同的观测者对同一液晶屏缺陷的判定结果都不一致，即人工检测方法缺乏客观性。二是检测者如果长时间工作的话会很容易产生疲劳，即工作一段时间就需要休息来进行调整，这就会降低检测效率并且增加了生产成本；此外，因为检测人员的招聘、培训等需要投入大量的时间、人力和物力，而我国的人工成本也在不断的升高，这导致企业在用人工成本上的投资将会越来越大。对于屏幕表面的划痕检测，人眼更是难以辨别，这严重影响了企业的生产成本和效率。
因此，现有技术的缺陷为成本大、效率低和误检率高。
发明内容
为此，本发明所要解决的技术问题在于克服现有技术中液晶屏划痕检测成本大、效率低和不准确的问题。
为解决上述技术问题，本发明提供了一种液晶屏划痕检测方法，包括：
利用边缘检测算法提取待测液晶屏表面图像的像素级边缘点，并通过二次曲线拟合亚像素级边缘，生成亚像素链；
利用三次样条曲线拟合算法从所述亚像素链中提取出多个曲线段；
利用亥姆霍兹原理从所述多个曲线段中消除拟合出的虚假曲线段，得到多个真实曲线段；
将所述各个真实曲线段的两个端点处，分别设定一个完全包含端点在内的正方形框，遍历所有正方形框，若当前曲线段的正方形框内出现不属于当前曲线段的端点，则该端点所属曲线段为当前曲线段的相邻曲线段；
计算每组相邻曲线段中在同一正方形框内的两个端点的梯度的欧氏距离，并进行归一化处理；
将归一化处理得到的数值与预设阈值相比较，若大于阈值，则待测液晶屏有划痕缺陷。
优选地，所述边缘检测算法为sobel算法。
优选地，所述利用边缘检测算法提取待测图像的像素级边缘点包括：
将所述待测图像进行高斯模糊去噪；
利用sobel梯度算子包含的两组矩阵，分别与去噪后的待测图像进行平面卷积，得到经横向和经纵向边缘检测的亮度差分近似值：
Figure BDA0003807353980000021
其中，A为所述待测图像；
根据所述经横向和经纵向边缘检测的亮度差分近似值计算图像中每一个像素点的梯度：
Figure BDA0003807353980000022
判断每一个像素点的梯度是否大于预设梯度阈值，若大于，则当前像素为像素级边缘点。
优选地，所述通过二次曲线拟合亚像素级边缘，生成亚像素链，包括：
假设f(i,j)为像素输出值，I(x,y)为连续图像的光强分布，则有
Figure BDA0003807353980000023
Figure BDA0003807353980000031
设二次曲线方程为y＝ax2+bx+c，则每个像素的灰度值为:
Figure BDA0003807353980000032
Figure BDA0003807353980000033
找到所述像素级边缘点梯度的多个局部最大值，其对应像素级边缘点灰度值为
Figure BDA0003807353980000034
其对应像素级边缘点相邻的两个差分点为
Figure BDA0003807353980000035
和
Figure BDA0003807353980000036
由此可得：
Figure BDA0003807353980000037
Figure BDA0003807353980000038
Figure BDA0003807353980000039
计算二次曲线顶点
Figure BDA00038073539800000310
得到多个亚像素点，即为所述亚像素链。
优选地，所述利用三次样条曲线拟合算法从所述亚像素链中提取出多个曲线段，包括：
在所述亚像素链[x0,xn]上选取n-1个节点，将其划分成n个子区间[xi-1,xi],i＝1,2,…,n，每个子区间上的三次样条函数为Si(x)＝a′ix3+b′ix2+c′ix+d′ii＝1,2,…,n，其中，a′i,b′i,c′i,d′i为三次样条函数的系数；
利用“三弯矩法”根据
Figure BDA00038073539800000311
推导系数方程组，得到：
Figure BDA00038073539800000312
其中，S′(x0)＝f(x0)，S′(xn)＝f′(xn)为两个边界条件，f(xi)为子区间上的实值函数，Mi＝S″(xi)，i＝0,1,…n是三次样条函数Si(x)的矩，un＝1，v0＝1，假设两点横坐标之差hi＝xi-xi-1，
Figure BDA00038073539800000313
将三次样条函数的“矩”的方程组的系数矩阵
Figure BDA0003807353980000041
通过Crout算法分解成两个三角矩阵后，利用追赶法求解所述系数方程组，得到各个区间的三次样条函数，并计算三次样条插值yi，进而得到三次样条拟合曲线。
优选地，所述利用亥姆霍兹原理从所述多个曲线段中消除拟合出的虚假曲线段，得到多个真实曲线段包括：
计算每个曲线段每个像素点的梯度角
Figure BDA0003807353980000042
并获取对齐像素点数量k，Gx和Gy为经横向和经纵向边缘检测的亮度差分近似值；
计算误报数
Figure BDA0003807353980000043
其中，l曲线段的长度，N4代表在N×N图像中潜在的线段数，概率p用于在二项分布的计算中精确线的方向；
当NFA(l,k)≤1时该曲线段为有效的真实曲线段，反之，则认为该曲线段是背景的一部分，是无效的虚假曲线段。
优选地，所述计算每组相邻曲线段中在同一正方形框内的两个端点的梯度的欧氏距离ρ：
Figure BDA0003807353980000044
其中，o1和o2分别为两个端点的横坐标值，q1和q2为曲线段上两个端点处的一阶导数。
本发明还提供了一种液晶屏划痕检测的装置，包括：
本发明还提供了一种液晶屏划痕检测的设备，包括：
存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现上述一种液晶屏划痕检测方法的步骤。
本发明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上述一种液晶屏划痕检测方法的步骤。
本发明的上述技术方案相比现有技术具有以下优点：
本发明所述的液晶屏划痕检测方法主要针对于液晶屏表面的划痕检测，先在传统的边缘提取算法上做出改进，加入二次曲线拟合过程实现图像亚像素级别的边缘提取，提取出屏幕表面的亚像素级别的缺陷链，使得检测精度更高，再使用三次样条曲线拟合算法，从生成的亚像素缺陷链中拟合出缺陷曲线段，曲线段的提取比直线段的提取精度更高，进一步利用亥姆霍兹原理来消除拟合出的虚假曲线段，降低了误检率，对于这些有缺陷的曲线段，判断它们是否属于划痕缺陷：对于曲线段的两个端点，分别设定一个完全包含端点在内的小正方形，如果在小正方形中出现别的任何线段的任何端点，就认为这两条线段相邻；再计算相邻曲线段中被小正方形包含的两个端点的一阶导数(梯度)的欧氏距离；遍历得到所有相邻曲线段的欧氏距离，之后再做归一化处理；对于归一化后得到的数值，通过设定一个阈值来判断是否有缺陷。本发明所述的液晶屏划痕检测方法，检测速度快、准确度高、成本低、自动化程度高。
附图说明
为了使本发明的内容更容易被清楚的理解，下面根据本发明的具体实施例并结合附图，对本发明作进一步详细的说明，其中：
图1是本发明液晶屏划痕检测方法的实现流程图；
图2为本发明一种实施例所提供的流程框图；
图3为两曲线是否相邻的判别图；
图4为本发明实施例提供的一种液晶屏划痕检测的装置的结构框图。
具体实施方式
本发明的核心是提供一种液晶屏划痕检测方法、装置、设备及计算机存储介质，成本低、效率高、准确率高。
为了使本技术领域的人员更好地理解本发明方案，下面结合附图和具体实施方式对本发明作进一步的详细说明。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
请参考图1和图2，图1为本发明所提供的液晶屏划痕检测方法的实现流程图，图2为本发明一种实施例所提供的流程框图；具体操作步骤如下：
S101：利用边缘检测算法提取待测液晶屏表面图像的像素级边缘点，并通过二次曲线拟合亚像素级边缘，生成亚像素链；
利用电子设备拍摄液晶屏表面图片；
将所述待测图像进行高斯模糊去噪，采用一个标准差为1的高斯核完成；
所述边缘检测算法为sobel算法，利用sobel梯度算子包含的两组3*3矩阵，分别与去噪后的待测图像进行平面卷积，得到经横向和经纵向边缘检测的亮度差分近似值：
Figure BDA0003807353980000061
其中，A为所述待测图像；
根据所述经横向和经纵向边缘检测的亮度差分近似值计算图像中每一个像素点的梯度：
Figure BDA0003807353980000062
判断每一个像素点的梯度G是否大于预设梯度阈值，若大于，则当前像素为像素级边缘点；
根据中心极限定理，边缘的灰度值变化大体服从高斯分布，由于二次曲线是高斯曲线的高次逼近，考虑到计算的效率，故可使用二次曲线来代替高斯曲线，二次曲线顶点坐标值对应于目标图像亚像素精度的边缘位置：
由方形孔径的采样定理可知，像素的输出值是像素感光面上各部分光强综合作用的结果，假设f(i,j)为像素输出值，I(x,y)为连续图像的光强分布，则有
Figure BDA0003807353980000063
设二次曲线方程为y＝ax2+bx+c，则每个像素的灰度值为:
Figure BDA0003807353980000064
Figure BDA0003807353980000071
找到所述像素级边缘点梯度的多个局部最大值，其对应像素级边缘点灰度值为
Figure BDA0003807353980000072
其对应像素级边缘点相邻的两个差分点为
Figure BDA0003807353980000073
和
Figure BDA0003807353980000074
由此可得：
Figure BDA0003807353980000075
Figure BDA0003807353980000076
Figure BDA0003807353980000077
计算二次曲线顶点，即亚像素精度边缘位置的坐标
Figure BDA0003807353980000078
得到多个亚像素点，该方法能检测出目标图像中所有的亚像素点，生成亚像素链。
S102：利用三次样条曲线拟合算法从所述亚像素链中提取出多个曲线段；
在所述亚像素链[x0,xn]上选取n-1个节点，将其划分成n个子区间：[xi-1,xi],i＝1,2,…,n，如果存在函数S(x)，使其满足：1)S(x)在整个一维数值区间[x0,xn]上具有m-1阶连续导数；2)S(x)在每个子区间[xi-1,xi],i＝1,2,…,n上是m次代数多项式(最高次数为m次)，则称S(x)是区间[x0,xn]上的m次样条函数；假如区间[x0,xn]上存在实值函数f(x)，使得每个节点处的值f(xi)与S(xi)相等，即S(xi)＝f(xi),i＝0,1,…,n。则称S(x)是实值函数f(x)的m次样条插值函数；
那么三次样条函数，即S(x)在每个子区间上的样条函数Si(x)都是一个三次多项式,也就是说，三次样条函数S(x)由n个区间上的n个三次多项式组成,每个子区间上的三次样条函数为Si(x)＝a′ix3+b′ix2+c′ix+d′ii＝1,2,…,n，其中，a′i,b′i,c′i,d′i为三次样条函数的系数；
利用“三弯矩法”根据
Figure BDA0003807353980000079
推导系数方程组,根据三次样条函数的性质，在每个子区间[xi,xi+1]上，其二阶导数S″(x)是个线性方程，现在假设在xi和xi+1两个端点的二阶导数值分别是Mi和Mi+1，也就是S″(xi)＝Mi，S″(xi+1)＝Mi+1，推到可以得到：
Figure BDA0003807353980000081
其中，S′(x0)＝f′(x0)，S′(xn)＝f′(xn)为两个边界条件，f(xi)为子区间上的实值函数，Mi＝S″(xi)，i＝0,1,…n是三次样条函数Si(x)的矩，un＝1，v0＝1，假设两点横坐标之差hi＝xi-xi-1，
Figure BDA0003807353980000082
将系数矩阵
Figure BDA0003807353980000083
通过Crout算法分解成两个三角矩阵后，利用追赶法求解所述系数方程组，得到各个区间的三次样条函数，并计算三次样条插值yi，进而得到三次样条拟合曲线；
对三角矩阵的Crout分解需要满足以下几个条件：
Figure BDA0003807353980000084
S103：利用亥姆霍兹原理从所述多个曲线段中消除拟合出的虚假曲线段，得到多个真实曲线段；
计算每个曲线段每个像素点的梯度角
Figure BDA0003807353980000085
并获取对齐像素点数量k，Gx和Gy为经横向和经纵向边缘检测的亮度差分近似值；
计算误报数NFA(Number of False Alarms):设A是这样一段，长度为l有至少k点的方向与A的方向对齐在像素大小为N×N的图像中,
Figure BDA0003807353980000086
Figure BDA0003807353980000087
其中，l曲线段的长度，N4代表在N×N图像中潜在的线段数,这是因为线段具有两个端点，并且每个端点可以位于N2像素中的任何一个点，因此总的N2×N2＝N4个线段,概率p用于在二项分布的计算中精确线的方向；
当NFA(l,k)≤1时该曲线段为有效的真实曲线段，反之，则认为该曲线段是背景的一部分，是无效的虚假曲线段。
S104：将所述各个真实曲线段的两个端点处，分别设定一个完全包含端点在内的正方形框，遍历所有正方形框，若当前曲线段的正方形框内出现不属于当前曲线段的端点，则该端点所属曲线段为当前曲线段的相邻曲线段；
如图3所示，图3为两曲线是否相邻的判别图，曲线1和曲线2相邻，而曲线1和曲线3不相邻；
S105：计算每组相邻曲线段中在同一正方形框内的两个端点的梯度的欧氏距离，并进行归一化处理；
S106：将归一化处理得到的数值与预设阈值相比较，若大于阈值，则待测液晶屏有划痕缺陷。
本发明所述的液晶屏划痕检测方法主要针对于液晶屏表面的划痕检测，先在传统的边缘提取算法上做出改进，加入二次曲线拟合过程实现图像亚像素级别的边缘提取，提取出屏幕表面的亚像素级别的缺陷链，使得检测精度更高，再使用三次样条曲线拟合算法，从生成的亚像素缺陷链中拟合出缺陷曲线段，曲线段的提取比直线段的提取精度更高，进一步利用亥姆霍兹原理来消除拟合出的虚假曲线段，降低了误检率，对于这些有缺陷的曲线段，判断它们是否属于划痕缺陷：对于曲线段的两个端点，分别设定一个完全包含端点在内的小正方形，如果在小正方形中出现别的任何线段的任何端点，就认为这两条线段相邻；再计算相邻曲线段中被小正方形包含的两个端点的一阶导数(梯度)的欧氏距离；遍历得到所有相邻曲线段的欧氏距离，之后再做归一化处理；对于归一化后得到的数值，通过设定一个阈值来判断是否有划痕缺陷。本发明所述的液晶屏划痕检测方法，检测速度快、准确度高、成本低、自动化程度高。
基于以上实施例，本实施例对步骤S105-S106进行进一步详细说明：
计算每组相邻曲线段中在同一正方形框内的两个端点的梯度的欧氏距离ρ：
Figure BDA0003807353980000091
其中，o1和o2分别为两个端点的横坐标值，q1和q2为曲线段上两个端点处的一阶导数；
使用线性函数归一化方法进行归一化处理：把所有距离数据映射到0～1范围之内处理，更加便捷快速；假设所有欧氏距离中的最大值为max，最小值为min，将其中任意一个欧氏距离数值s归一化处理公式得到a*：
Figure BDA0003807353980000101
检测划痕时：如果a*<threshold，则认为没有裂缝；否则认为有裂缝；预设阈值threshold根据实际情况可以做调整。
本发明使用机器视觉和图像处理的方法对液晶屏幕进行裂缝检测，首先在传统的sobel边缘提取算法上做出改进，加入二次曲线拟合过程实现图像亚像素级别的边缘提取，使得检测精度更高；其次还使用了三次样条曲线拟合算法，从生成的亚像素链中提取出曲线段，曲线段的提取比直线段的提取精度更高；进一步采用亥姆霍兹原理来消除拟合出的虚假曲线段，降低了误检率；此时已经检测出了液晶屏幕表面的裂缝，随后计算两条相邻的曲线段两个端点的一阶导数(梯度)的欧氏距离且遍历所有相邻的曲线段，最后做归一化处理，与阈值比较得出结论，判断相邻的两条裂缝曲线是否属于我们定义的划痕缺陷曲线；这个方法很适合检测划痕的缺陷，对于液晶屏幕来说，最主要的缺陷就是划痕，该检测方法表现出更高的精度和效率，为液晶显示质检产业的发展提供了新的方法。
请参考图4，图4为本发明实施例提供的一种液晶屏划痕检测的装置的结构框图；具体装置可以包括：
亚像素链生成模块100，用于利用边缘检测算法提取待测液晶屏表面图像的像素级边缘点，并通过二次曲线拟合亚像素级边缘，生成亚像素链；
曲线段生成模块200，用于利用三次样条曲线拟合算法从所述亚像素链中提取出多个曲线段；
虚假曲线段消除模块300，用于利用亥姆霍兹原理从所述多个曲线段中消除拟合出的虚假曲线段，得到多个真实曲线段；
相邻曲线段识别模块400，用于将所述各个真实曲线段的两个端点处，分别设定一个完全包含端点在内的正方形框，遍历所有正方形框，若当前曲线段的正方形框内出现不属于当前曲线段的端点，则该端点所属曲线段为当前曲线段的相邻曲线段；
欧氏距离计算模块500，用于计算每组相邻曲线段中在同一正方形框内的两个端点的梯度的欧氏距离，并进行归一化处理；
缺陷判断模块600，用于将归一化处理得到的数值与预设阈值相比较，若大于阈值，则待测液晶屏有划痕缺陷。
本实施例的液晶屏划痕检测装置用于实现前述的液晶屏划痕检测方法，因此液晶屏划痕检测装置中的具体实施方式可见前文液晶屏划痕检测方法的实施例部分，例如，亚像素链生成模块100，曲线段生成模块200，虚假曲线段消除模块300，相邻曲线段识别模块400，欧氏距离计算模块500，缺陷判断模块600，分别用于实现上述液晶屏划痕检测方法中步骤S101，S102，S103，S104，S105和S106，所以，其具体实施方式可以参照相应的各个部分实施例的描述，在此不再赘述。
本发明具体实施例还提供了一种液晶屏划痕检测的设备，包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现上述一种液晶屏划痕检测方法的步骤。
本发明具体实施例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上述一种液晶屏划痕检测方法的步骤。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然，上述实施例仅仅是为清楚地说明所作的举例，并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (10)

1.一种液晶屏划痕检测方法，其特征在于，包括：
利用边缘检测算法提取待测液晶屏表面图像的像素级边缘点，并通过二次曲线拟合亚像素级边缘，生成亚像素链；
利用三次样条曲线拟合算法从所述亚像素链中提取出多个曲线段；
利用亥姆霍兹原理从所述多个曲线段中消除拟合出的虚假曲线段，得到多个真实曲线段；
将所述各个真实曲线段的两个端点处，分别设定一个完全包含端点在内的正方形框，遍历所有正方形框，若当前曲线段的正方形框内出现不属于当前曲线段的端点，则该端点所属曲线段为当前曲线段的相邻曲线段；
计算每组相邻曲线段中在同一正方形框内的两个端点的梯度的欧氏距离，并进行归一化处理；
将归一化处理得到的数值与预设阈值相比较，若大于阈值，则待测液晶屏有划痕缺陷。
2.根据权利要求1所述的液晶屏划痕检测方法，其特征在于，所述边缘检测算法为sobel算法。
3.根据权利要求2所述的液晶屏划痕检测方法，其特征在于，所述利用边缘检测算法提取待测图像的像素级边缘点包括：
将所述待测图像进行高斯模糊去噪；
利用sobel梯度算子包含的两组矩阵，分别与去噪后的待测图像进行平面卷积，得到经横向和经纵向边缘检测的亮度差分近似值：
Figure FDA0003807353970000011
其中，A为所述待测图像；
根据所述经横向和经纵向边缘检测的亮度差分近似值计算图像中每一个像素点的梯度：
Figure FDA0003807353970000021
判断每一个像素点的梯度是否大于预设梯度阈值，若大于，则当前像素为像素级边缘点。
4.根据权利要求1所述的液晶屏划痕检测方法，其特征在于，所述通过二次曲线拟合亚像素级边缘，生成亚像素链，包括：
假设f(i,j)为像素输出值，I(x,y)为连续图像的光强分布，则有
Figure FDA0003807353970000022
设二次曲线方程为y＝ax2+bx+c，则每个像素的灰度值为:
Figure FDA0003807353970000023
Figure FDA0003807353970000024
找到所述像素级边缘点梯度的多个局部最大值，其对应像素级边缘点灰度值为
Figure FDA0003807353970000025
其对应像素级边缘点相邻的两个差分点为
Figure FDA0003807353970000026
和
Figure FDA0003807353970000027
由此可得：
Figure FDA0003807353970000028
Figure FDA0003807353970000029
Figure FDA00038073539700000210
计算二次曲线顶点
Figure FDA00038073539700000211
得到多个亚像素点，即为所述亚像素链。
5.根据权利要求1所述的液晶屏划痕检测方法，其特征在于，所述利用三次样条曲线拟合算法从所述亚像素链中提取出多个曲线段，包括：
在所述亚像素链[x0,xn]上选取n-1个节点，将其划分成n个子区间[xi-1,xi],i＝1,2,…,n，每个子区间上的三次样条函数为Si(x)＝ai′x3+bi′x2+ci′x+di′ i＝1,2,…,n，其中，ai′,bi′,ci′,di′为三次样条函数的系数；
利用“三弯矩法”根据
Figure FDA0003807353970000031
推导系数方程组，得到：
Figure FDA0003807353970000032
其中，S′(x0)＝f′(x0)，S′(xn)＝f′(xn)为两个边界条件，f(xi)为子区间上的实值函数，Mi＝S″(xi)，i＝0,1,…n是三次样条函数Si(x)的矩，un＝1，v0＝1，假设相邻两点横坐标之差hi＝xi-xi-1，
Figure FDA0003807353970000033
Figure FDA0003807353970000034
将三次样条函数的“矩”的方程组的系数矩阵
Figure FDA0003807353970000035
通过Crout算法分解成两个三角矩阵后，利用追赶法求解所述系数方程组，得到各个区间的三次样条函数，并计算三次样条插值yi，进而得到三次样条拟合曲线。
6.根据权利要求1所述的液晶屏划痕检测方法，其特征在于，所述利用亥姆霍兹原理从所述多个曲线段中消除拟合出的虚假曲线段，得到多个真实曲线段包括：
计算每个曲线段每个像素点的梯度角
Figure FDA0003807353970000036
并获取对齐像素点数量k，Gx和Gy为经横向和经纵向边缘检测的亮度差分近似值；
计算误报数
Figure FDA0003807353970000037
其中，l曲线段的长度，N4代表在N×N图像中潜在的线段数，概率p用于在二项分布的计算中精确线的方向；
当NFA(l,k)≤1时该曲线段为有效的真实曲线段，反之，则认为该曲线段是背景的一部分，是无效的虚假曲线段。
7.根据权利要求1所述的液晶屏划痕检测方法，其特征在于，所述计算每组相邻曲线段中在同一正方形框内的两个端点的梯度的欧氏距离ρ：
Figure FDA0003807353970000041
其中，o1和o2分别为两个端点的横坐标值，q1和q2为曲线段上两个端点处的一阶导数。
8.一种液晶屏划痕检测的装置，其特征在于，包括：
亚像素链生成模块，用于利用边缘检测算法提取待测液晶屏表面图像的像素级边缘点，并通过二次曲线拟合亚像素级边缘，生成亚像素链；
曲线段生成模块，用于利用三次样条曲线拟合算法从所述亚像素链中提取出多个曲线段；
虚假曲线段消除模块，用于利用亥姆霍兹原理从所述多个曲线段中消除拟合出的虚假曲线段，得到多个真实曲线段；
相邻曲线段识别模块，用于将所述各个真实曲线段的两个端点处，分别设定一个完全包含端点在内的正方形框，遍历所有正方形框，若当前曲线段的正方形框内出现不属于当前曲线段的端点，则该端点所属曲线段为当前曲线段的相邻曲线段；
欧氏距离计算模块，用于计算每组相邻曲线段中在同一正方形框内的两个端点的梯度的欧氏距离，并进行归一化处理；
缺陷判断模块，用于将归一化处理得到的数值与预设阈值相比较，若大于阈值，则待测液晶屏有划痕缺陷。
9.一种液晶屏划痕检测的设备，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如权利要求1至7任一项所述一种液晶屏划痕检测方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质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权利要求1至7任一项所述一种液晶屏划痕检测方法的步骤。
CN202211000864.4A 2022-08-19 2022-08-19 一种液晶屏划痕检测方法、设备及存储介质 Pending CN115456956A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211000864.4A CN115456956A (zh) 2022-08-19 2022-08-19 一种液晶屏划痕检测方法、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211000864.4A CN115456956A (zh) 2022-08-19 2022-08-19 一种液晶屏划痕检测方法、设备及存储介质

Publications (1)

Publication Number Publication Date
CN115456956A true CN115456956A (zh) 2022-12-09

Family

ID=84298464

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211000864.4A Pending CN115456956A (zh) 2022-08-19 2022-08-19 一种液晶屏划痕检测方法、设备及存储介质

Country Status (1)

Country Link
CN (1) CN115456956A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109945792A (zh) * 2019-04-22 2019-06-28 洛阳德晶智能科技有限公司 一种高反光圆柱体的直径测量方法、装置以及使用方法
CN115984280A (zh) * 2023-03-20 2023-04-18 广东仁懋电子有限公司 基于igbt器件的表痕分析方法、装置、设备及介质
CN116758065A (zh) * 2023-08-14 2023-09-15 山东嘉利诺新材料科技有限公司 一种防火板表面缺陷快速检测方法
CN117455870A (zh) * 2023-10-30 2024-01-26 太康精密（中山）有限公司 一种连接线和连接器质量视觉检测方法
CN117456519A (zh) * 2023-12-22 2024-01-26 江西科益高新技术有限公司 一种用于工控安全的仿真光电靶标装置及其仿真方法

Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6941016B1 (en) * 2001-12-31 2005-09-06 Cognex Technology And Investment Method for finding contours in an image of an object
JP2010197177A (ja) * 2009-02-24 2010-09-09 Panasonic Electric Works Co Ltd 外観検査方法および外観検査装置
CN104359403A (zh) * 2014-11-21 2015-02-18 天津工业大学 基于亚像素边缘算法的平面零件尺寸测量方法
CN104700395A (zh) * 2014-11-11 2015-06-10 长安大学 一种构造物外观裂缝检测方法及系统
CN106157310A (zh) * 2016-07-06 2016-11-23 南京汇川图像视觉技术有限公司 基于混合自适应水平集模型与多通道结合的TFT LCD mura缺陷检测方法
CN106228532A (zh) * 2016-07-05 2016-12-14 中科院成都信息技术股份有限公司 一种lcd屏幕亚像素级缺陷检测方法
WO2018000731A1 (zh) * 2016-06-28 2018-01-04 华南理工大学 一种曲面表面缺陷自动检测方法及其装置
CN108280825A (zh) * 2018-01-19 2018-07-13 东华大学 一种液晶显示屏边缘缺口检测方法
CN109765245A (zh) * 2019-02-25 2019-05-17 武汉精立电子技术有限公司 大尺寸显示屏缺陷检测定位方法
CN109900711A (zh) * 2019-04-02 2019-06-18 天津工业大学 基于机器视觉的工件缺陷检测方法
CN110428472A (zh) * 2019-07-19 2019-11-08 中北大学 三角形基元立体球靶标及工业相机标定方法
CN111444921A (zh) * 2020-03-25 2020-07-24 浙江华睿科技有限公司 划痕缺陷检测方法、装置、计算设备和存储介质
CN113034464A (zh) * 2021-03-23 2021-06-25 昆明理工大学 一种多背景下的液晶显示器缺陷视觉实时检测方法
CN113362308A (zh) * 2021-06-08 2021-09-07 深圳市华汉伟业科技有限公司 一种物体边缘的毛刺检测方法及装置、存储介质
CN113554649A (zh) * 2021-09-22 2021-10-26 中科慧远视觉技术(北京)有限公司 一种缺陷检测方法、装置、计算机设备及存储介质
WO2022042579A1 (zh) * 2020-08-28 2022-03-03 歌尔股份有限公司 一种用于lcd屏幕的缺陷检测方法、装置
CN114881915A (zh) * 2022-02-11 2022-08-09 西安电子科技大学 一种基于对称性的手机玻璃盖板视窗区缺陷检测方法

Patent Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6941016B1 (en) * 2001-12-31 2005-09-06 Cognex Technology And Investment Method for finding contours in an image of an object
JP2010197177A (ja) * 2009-02-24 2010-09-09 Panasonic Electric Works Co Ltd 外観検査方法および外観検査装置
CN104700395A (zh) * 2014-11-11 2015-06-10 长安大学 一种构造物外观裂缝检测方法及系统
CN104359403A (zh) * 2014-11-21 2015-02-18 天津工业大学 基于亚像素边缘算法的平面零件尺寸测量方法
WO2018000731A1 (zh) * 2016-06-28 2018-01-04 华南理工大学 一种曲面表面缺陷自动检测方法及其装置
CN106228532A (zh) * 2016-07-05 2016-12-14 中科院成都信息技术股份有限公司 一种lcd屏幕亚像素级缺陷检测方法
CN106157310A (zh) * 2016-07-06 2016-11-23 南京汇川图像视觉技术有限公司 基于混合自适应水平集模型与多通道结合的TFT LCD mura缺陷检测方法
CN108280825A (zh) * 2018-01-19 2018-07-13 东华大学 一种液晶显示屏边缘缺口检测方法
CN109765245A (zh) * 2019-02-25 2019-05-17 武汉精立电子技术有限公司 大尺寸显示屏缺陷检测定位方法
CN109900711A (zh) * 2019-04-02 2019-06-18 天津工业大学 基于机器视觉的工件缺陷检测方法
CN110428472A (zh) * 2019-07-19 2019-11-08 中北大学 三角形基元立体球靶标及工业相机标定方法
CN111444921A (zh) * 2020-03-25 2020-07-24 浙江华睿科技有限公司 划痕缺陷检测方法、装置、计算设备和存储介质
WO2022042579A1 (zh) * 2020-08-28 2022-03-03 歌尔股份有限公司 一种用于lcd屏幕的缺陷检测方法、装置
CN113034464A (zh) * 2021-03-23 2021-06-25 昆明理工大学 一种多背景下的液晶显示器缺陷视觉实时检测方法
CN113362308A (zh) * 2021-06-08 2021-09-07 深圳市华汉伟业科技有限公司 一种物体边缘的毛刺检测方法及装置、存储介质
CN113554649A (zh) * 2021-09-22 2021-10-26 中科慧远视觉技术(北京)有限公司 一种缺陷检测方法、装置、计算机设备及存储介质
CN114881915A (zh) * 2022-02-11 2022-08-09 西安电子科技大学 一种基于对称性的手机玻璃盖板视窗区缺陷检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
JESSICA&JIE: "线特征---EDLines原理（六）", pages 1 - 8, Retrieved from the Internet <URL:《url：https://www.cnblogs.com/jessica-jie/p/7655466.html》> *
苏翼雄 等: "利用二次曲线拟合的CCD图像亚像素提取算法", 《计量技术》, vol. 1, no. 7, pages 3 - 10 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109945792A (zh) * 2019-04-22 2019-06-28 洛阳德晶智能科技有限公司 一种高反光圆柱体的直径测量方法、装置以及使用方法
CN115984280A (zh) * 2023-03-20 2023-04-18 广东仁懋电子有限公司 基于igbt器件的表痕分析方法、装置、设备及介质
CN116758065A (zh) * 2023-08-14 2023-09-15 山东嘉利诺新材料科技有限公司 一种防火板表面缺陷快速检测方法
CN116758065B (zh) * 2023-08-14 2023-10-20 山东嘉利诺新材料科技有限公司 一种防火板表面缺陷快速检测方法
CN117455870A (zh) * 2023-10-30 2024-01-26 太康精密（中山）有限公司 一种连接线和连接器质量视觉检测方法
CN117455870B (zh) * 2023-10-30 2024-04-16 太康精密（中山）有限公司 一种连接线和连接器质量视觉检测方法
CN117456519A (zh) * 2023-12-22 2024-01-26 江西科益高新技术有限公司 一种用于工控安全的仿真光电靶标装置及其仿真方法
CN117456519B (zh) * 2023-12-22 2024-03-12 江西科益高新技术有限公司 一种用于工控安全的仿真光电靶标装置及其仿真方法

Similar Documents

Publication Publication Date Title
CN115456956A (zh) 一种液晶屏划痕检测方法、设备及存储介质
CN107678192B (zh) 一种基于机器视觉的Mura缺陷检测方法
CN107657606B (zh) 一种显示装置的亮度缺陷检测方法与装置
CN110084241B (zh) 一种基于图像识别的电表自动读数方法
CN111640104B (zh) 一种螺钉装配的视觉检测方法
CN103413288A (zh) 一种lcd总体检测缺陷方法
CN101408985A (zh) 一种圆形光斑亚像素中心提取方法及装置
CN108550166B (zh) 一种空间目标图像匹配方法
CN110751604A (zh) 一种基于机器视觉的钢管焊缝缺陷在线检测方法
CN109727233A (zh) 一种lcd缺陷检测方法
CN115131354B (zh) 一种基于光学手段的实验室用塑料薄膜缺陷检测方法
CN108257125B (zh) 一种基于自然场景统计的深度图像质量无参考评价方法
CN108961230A (zh) 结构表面裂缝特征的识别与提取方法
CN116152261B (zh) 一种印刷制品质量的视觉检测系统
CN111754538A (zh) Usb表面缺陷检测的阈值分割方法
CN113222992A (zh) 基于多重分形谱的裂纹特征表征方法及系统
CN115829995A (zh) 基于像素级的多尺度特征融合的布匹瑕疵检测方法及系统
CN110458809B (zh) 一种基于亚像素边缘检测的纱线条干均匀度检测方法
Lin et al. A new prediction method for edge detection based on human visual feature
Zhao et al. Analysis of image edge checking algorithms for the estimation of pear size
CN111553927B (zh) 棋盘格角点检测方法、检测系统、计算机装置及存储介质
CN116883987A (zh) 一种用于变电站无人巡检的指针仪表读数识别方法
CN104899592A (zh) 一种基于圆形模板的道路半自动提取方法及系统
CN116883408A (zh) 基于人工智能的积算仪壳体缺陷检测方法
CN114359300B (zh) 一种图像分割模型的优化方法、装置、系统及存储介质

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