CN115797342A - 一种工业控制电容触摸lcd显示总成缺陷检测方法 - Google Patents
一种工业控制电容触摸lcd显示总成缺陷检测方法 Download PDFInfo
- Publication number
- CN115797342A CN115797342A CN202310063837.XA CN202310063837A CN115797342A CN 115797342 A CN115797342 A CN 115797342A CN 202310063837 A CN202310063837 A CN 202310063837A CN 115797342 A CN115797342 A CN 115797342A
- Authority
- CN
- China
- Prior art keywords
- pixel points
- gradient
- value
- pixel
- region
- 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 98
- 238000001514 detection method Methods 0.000 title abstract description 22
- 238000000034 method Methods 0.000 claims abstract description 43
- 230000002093 peripheral effect Effects 0.000 claims abstract description 26
- 230000002950 deficient Effects 0.000 claims abstract description 15
- 230000011218 segmentation Effects 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 3
- 238000009826 distribution Methods 0.000 description 6
- 239000006185 dispersion Substances 0.000 description 3
- 230000002146 bilateral effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000004026 adhesive bonding Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
Images
Landscapes
- Liquid Crystal Display Device Control (AREA)
- Image Processing (AREA)
Abstract
本发明涉及图像处理技术领域,具体涉及一种工业控制电容触摸LCD显示总成缺陷检测方法。该方法获取LCD显示屏的屏幕图像和待选区域;计算待选区域内像素点的周围渐变系数,基于周围渐变系数对待选区域内的像素点分类;对待选区域内像素点进行灰度增强得到增强屏幕图像;根据增强屏幕图像计算待选区域内像素点的模糊渐变度;基于不同类像素点的模糊渐变度得到缺陷像素点;由缺陷像素点构成缺陷区域。本发明利用Mura缺陷在屏幕图像中分布提取相关特征以达到提高LCD显示总成自动化检测的效率和检测准确度的目的。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种工业控制电容触摸LCD显示总成缺陷检测方法。
背景技术
得益于低成本,低功耗,色彩表现好的特点,电容触摸LCD显示屏在手机、电视等终端设备上应用越来越广泛。目前工业生产中,LCD显示总成是由导光板、谱光片、滤色片、像素阵列面板、驱动芯片等多个部件组成,由于生产LCD显示总成的工艺流程较为繁琐,所以加工生产出来的LCD显示屏发生缺陷的概率也相对较高。点缺陷、线缺陷、Mura缺陷是LCD显示屏的三种主要缺陷类型,其中Mura缺陷主要是由玻璃面板、涂胶背光等加工过程中材料不合格或者工艺不标准造成的,Mura缺陷对应缺陷区域的形状随机变化,对比度较低,相比线缺陷这种一整行,一整列的缺陷,检测难度较高。
目前,常见的对LCD显示屏上Mura缺陷进行缺陷检测的方法为:对屏幕图像采用均值漂移算法进行预分割得到初始轮廓,再采用结合了图像的局部和全局信息的水平集算法对屏幕图像进行分割,以得到缺陷区域。但由于Mura缺陷对比度较低,缺陷的轮廓不清晰,其在不考虑缺陷的模糊和渐变程度的影响下,对屏幕图像进行两次分割,难以消除对比度低且轮廓不清晰的影响,得到缺陷区域准确性低。
发明内容
为了解决上述技术问题,本发明的目的在于提供一种工业控制电容触摸LCD显示总成缺陷检测方法,所采用的技术方案具体如下:
获取LCD显示屏的屏幕图像;
在所述屏幕图像上滑动滑窗,根据滑窗窗口内像素点的灰度值获取待选区域;选取待选区域内任意像素点作为目标像素点,根据与目标像素点梯度值相同的像素点的密集程度得到目标像素点的周围渐变系数;基于所述周围渐变系数对所有待选区域内的像素点进行分类,分为密集像素点和分散像素点;
基于待选区域内的最大灰度值和最小灰度值,分别对待选区域内像素点进行灰度增强,得到增强后的增强屏幕图像;对于任意待选区域,根据增强屏幕图像的灰度均值和中心像素点的灰度值的差值、待选区域内与中心像素点灰度值相同的像素点的占比、中心像素点和待选区域内其他像素点之间的距离得到模糊渐变度;
模糊渐变度小于预设分割阈值的密集像素点为缺陷像素点;模糊渐变度大于预设分割阈值的分散像素点为缺陷像素点;由缺陷像素点构成缺陷区域。
优选的,所述根据与目标像素点梯度值相同的像素点的密集程度得到目标像素点的周围渐变系数,包括:
选取待选区域内与目标像素点梯度值相同的任意像素点作为初始像素点;以目标像素点与初始像素点的欧式距离作为局部区域的边长,计算局部区域内与目标像素点梯度值相同的像素点的占比,作为密集程度;
对于待选区域内与目标像素点梯度值相同的各像素点对应的欧氏距离,按照从大到小的顺序进行排序得到欧式距离序列;计算欧式距离序列中前一个元素对应的密集程度和相邻的后一个元素对应的密集程度的比值,所有比值之和作为周围渐变系数。
优选的,所述基于待选区域内的最大灰度值和最小灰度值,分别对待选区域内像素点进行灰度增强,得到增强后的增强屏幕图像,包括:
计算像素点所属待选区域内的最大灰度值和像素点的灰度值的差值,作为最大差值;计算像素点的灰度值和所属待选区域内的最小灰度值的差值,作为最小差值;计算所属待选区域内最大灰度值和最小灰度值的最大极差的平方,作为极差平方;
计算密度像素点对应的最大差值和对应的极差平方的比值,作为第一比值;以自然常数为底数,以第一比值为指数的指数函数值作为密集像素点的增强因子;
计算分散像素点对应的最小差值和对应的极差平方的比值,作为第二比值;以自然常数为底数,以第二比值为指数的指数函数值作为分散像素点的增强因子;
基于增强因子对待选区域内像素点的像素值进行灰度增强,得到增强后的增强像素值;将屏幕图像中待选区域内像素点的像素值更新为对应的增强像素值,得到增强后的增强屏幕图像。
优选的,所述根据增强屏幕图像的灰度均值和中心像素点的灰度值的差值、待选区域内与中心像素点灰度值相同的像素点的占比、中心像素点和待选区域内其他像素点之间的距离得到模糊渐变度,包括:
将所述待选区域划分为八个范围,分别计算每个范围内的范围模糊渐变度;八个范围的范围模糊渐变度之和作为待选区域的模糊渐变度;
对于任意范围,获取范围内与待选区域的中心像素点的灰度值相同的像素点作为待选像素点;计算中心像素点与各待选像素点的欧式距离,构成距离序列,所述距离序列的方差作为范围对应的距离方差;
所述范围模糊渐变度的计算公式为:
优选的,所述基于增强因子对待选区域内像素点的像素值进行灰度增强,得到增强后的增强像素值,包括:
将待选区域内像素点的灰度值与对应的增强因子的乘积作为增强后的增强灰度值。
优选的,所述基于所述周围渐变系数对所有待选区域内的像素点进行分类,分为密集像素点和分散像素点,包括:
筛选出大小为前预设比值的周围渐变系数的均值,作为分类阈值;大于所述分类阈值的像素点作为密集像素点,小于等于所述分类阈值的像素点作为分散像素点。
优选的,所述根据滑窗窗口内像素点的灰度值获取待选区域,包括:
当所述滑窗窗口内像素点的灰度均值大于所述屏幕图像的灰度均值时,将滑窗窗口对应的区域作为待选区域。
优选的,所述将所述待选区域划分为八个范围,包括:
基于待选区域的两条斜对角线和边缘的两条垂直平分线,将待选区域划分为八个范围。
优选的,所述屏幕图像的获取方法为:
采集LCD显示屏的初始屏幕图像,对所述初始屏幕图像进行去噪得到对应的屏幕图像。
优选的,所述预设分割阈值的获取方法:
将模糊渐变度按照从小到大的顺序进行排序得到渐变度序列;利用最大类间方差法获取渐变度序列的最佳分割阈值,作为预设分割阈值。
本发明实施例至少具有如下有益效果:
该方法首先获取屏幕图像和待选区域;选取待选区域内任意像素点作为目标像素点,根据与目标像素点梯度值相同的像素点的密集程度得到目标像素点的周围渐变系数;该周围渐变系数用于表征待选区域内像素点与周围像素点的梯度变化,通过像素点的周围渐变系数可以初步反映出像素点所处的不同的区域,以便于后续对像素点进行分类,对不同类别的像素点进行不同的后续处理判断。基于待选区域内的最大灰度值和最小灰度值,分别对待选区域内像素点进行灰度增强,得到增强后的增强屏幕图像;因为缺陷区域在屏幕图像中的对比度不强,且缺陷的轮廓不清晰,故对待选区域内的像素点进行对比度增强,使得位于缺陷内的像素点与周围像素点相比灰度值更加突出,提高后续获取缺陷区域的准确性。对于任意待选区域,根据增强屏幕图像的灰度均值和中心像素点的灰度值的差值、待选区域内与中心像素点灰度值相同的像素点的占比、中心像素点和待选区域内其他像素点之间的距离得到模糊渐变度;屏幕图像中的缺陷区域在屏幕图像上的形状特征是不规则的团块状区域,在缺陷区域中像素点从区域中心处向边缘处逐渐模糊,故结合待选区域内像素点的灰度值计算模糊渐变度,以便于消除边缘模糊的影响,更准确的区分出缺陷区域。最后结合像素点的模糊渐变度得到缺陷像素点和对应的缺陷区域。本发明考虑到Mura缺陷区域内不同位置处的局部密度的稳定性和周围像素点的对比度高低,构建了像素点级别的周围渐变系数和增强因子特征指标,实现对屏幕图像灰度增强,提高图像对比度和缺陷轮廓的清晰程度,针对Mura缺陷外层模糊的特点构建了模糊渐变度特征指标,模糊渐变度基于Mura缺陷从中心位置到边缘处区域的模糊程度逐渐增大的特点,对采集图像进行初步检测,进一步结合三个特征指标能够解决Mura缺陷外层模糊和对比度较低的问题,提高了Mura缺陷检测的精度。
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和优点,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的介绍,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它附图。
图1为本发明一个实施例所提供的一种工业控制电容触摸LCD显示总成缺陷检测方法的方法流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种工业控制电容触摸LCD显示总成缺陷检测方法,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
本发明实施例提供了一种工业控制电容触摸LCD显示总成缺陷检测方法的具体实施方法,该方法适用于LCD显示屏的Mura缺陷检测场景。该场景下利用线阵CCD相机采集LCD显示屏的初始屏幕图像。为了解决在不考虑缺陷的模糊和渐变程度的影响下,对屏幕图像进行两次分割,难以消除对比度低且轮廓不清晰的影响,得到缺陷区域准确性低的问题。本发明考虑到Mura缺陷区域内不同位置处的局部密度的稳定性和周围像素点的对比度高低,构建了像素点级别的周围渐变系数和增强因子特征指标,实现对屏幕图像灰度增强,提高图像对比度和缺陷轮廓的清晰程度,针对Mura缺陷外层模糊的特点构建了模糊渐变度特征指标,模糊渐变度基于Mura缺陷从中心位置到边缘处区域的模糊程度逐渐增大的特点,对采集图像进行初步检测,进一步,结合三个特征指标能够解决Mura缺陷外层模糊和对比度较低的问题,提高了Mura缺陷检测的精度。
下面结合附图具体的说明本发明所提供的一种工业控制电容触摸LCD显示总成缺陷检测方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种工业控制电容触摸LCD显示总成缺陷检测方法的步骤流程图,该方法包括以下步骤:
步骤S100,获取LCD显示屏的屏幕图像。
将加工产出的LCD显示屏传送到检测处,根据LCD显示屏的大小设置相机高度,本发明利用线阵CCD相机采集LCD显示屏的初始屏幕图像,线阵CCD相机选型时,其单个像元尺寸越大越好,单个像元尺寸越大图像的分辨率越高。
考虑到LCD显示屏的反射性质和透光性质,为了避免光线不均对屏幕图像造成影响,在CCD相机同一高度下安装光源,为避免采集过程中噪声干扰对后续分析的影响,使用双边滤波对采集的初始屏幕图像进行去噪处理得到对应的屏幕图像,进行去噪处理在避免噪声的干扰的同时保留图像中的边缘和细节信息。需要说明的是,双边滤波去噪为本领域技术人员的公知技术,具体过程不再详细赘述。
得到去噪后的待检测LCD显示屏的屏幕图像,用于后续缺陷检测。
步骤S200,在所述屏幕图像上滑动滑窗,根据滑窗窗口内像素点的灰度值获取待选区域;选取待选区域内任意像素点作为目标像素点,根据与目标像素点梯度值相同的像素点的密集程度得到目标像素点的周围渐变系数;基于所述周围渐变系数对所有待选区域内的像素点进行分类,分为密集像素点和分散像素点。
根据像素点周围的分布情况,此处构建周围渐变系数,用于表征区域内像素点的梯度值一致性的高低程度。设置大小为5*5的滑窗在屏幕图像上从左上角至右下角滑动。根据滑窗窗口内像素点的灰度值获取待选区域,具体的:当所述滑窗窗口内像素点的灰度均值大于所述屏幕图像的灰度均值时,将滑窗窗口对应的区域作为待选区域。
当屏幕图像中Mura缺陷越严重,此时包括出现两种情况:第一种情况是存在一个Mura缺陷区域,且该Mura缺陷区域面积较大,此时在Mura缺陷区域中心点处将会得到一个很大的局部密度最大值,且与其他像素点的局部密度有明显的差异,第二种情况是在屏幕图像中出现多处Mura缺陷区域,Mura缺陷区域对应的模糊程度差别并不大,区域内中心像素点到四周像素点之间的梯度变化是存在明显差异的。
第一种情况下,整幅屏幕图像中,只在模糊程度高的区域内的像素点到边缘方向
上存在梯度变换,且梯度变换是逐渐减弱的。第二种情况下,整幅屏幕图像中出现多个模糊
程度较高区域,且在中心像素点到四周边缘处的梯度变化相对复杂。在本发明中将屏幕图
像中的每个Mura缺陷分为两个区域,区域一是中心点附近较高局部密度的密集区域,记为,由密集像素点构成密集区域;区域二是边缘点到局部密度较低像素点之间的分散区域,
记为,由分散像素点构成分散区域;如果能够对区域内的像素点进行对比度增强,使得
Mura缺陷内的像素点与周围像素点更加不同,那么获取的检测结果将会更加准确。故构建
周围渐变系数,周围渐变系数用于表征像素点与周围像素点之间的梯度变化。根据较高模
糊渐变度区域内中心到四周的梯度变化,计算像素点对应的增强因子。选取待选区域内任
意像素点作为目标像素点,根据与目标像素点梯度值相同的像素点的密集程度得到目标像
素点的周围渐变系数,具体的:选取待选区域内与目标像素点梯度值相同的任意像素点作
为初始像素点;以目标像素点与初始像素点的欧式距离作为局部区域的边长,计算局部区
域内与目标像素点梯度值相同的像素点的占比,作为密集程度;对于待选区域内与目标像
素点梯度值相同的各像素点对应的欧氏距离,按照从大到小的顺序进行排序得到欧式距离
序列;计算欧式距离序列中前一个元素对应的密集程度和相邻的后一个元素对应的密集程
度的比值,所有比值之和作为周围渐变系数。
该周围渐变系数的计算公式为:
其中,为第n个像素点的周围渐变系数;为欧式距离序列中第a个欧式距
离对应的像素点的密集程度;为欧式距离序列中第a+1个欧式距离对应的像素点
的密集程度;为待选区域内与第n个像素点的梯度值相同的像素点的数量。
周围渐变系数反映了像素点与周围像素点之间梯度差异,随着计算局部区域的边
长的增大,也即随着初始像素点与目标像素点的欧式距离增大,如果第n个像素点的局部密
度处于一个稳定的范围,也就是说周围渐变系数越小,说明这个像素点越有可能对应的
是上述记为位于密集区域内的密集像素点,这类像素点位于Mura缺席的中心位置附近,
只需稍微的放大对比度即可;反之如果周围渐变系数是一个较大的数,说明这个像素点
的局部密度并不稳定,随着范围增加而变大,这类像素点越有可能对应的是上述记为分散
区域内的分散像素点,这类像素点在Mura缺陷中比较模糊,需要较大的增加对比度。相邻
的两个欧式距离对应的像素点的密集程度的比值代表了像素点的密集程度随着范围增加
而发生变化的情况,多个密集程度的比值之和得到周围渐变系数反映了像素点的渐变程
度,表征了像素点与周围像素点之间的梯度变化。
故进一步的,基于周围渐变系数对所有待选区域内的像素点进行分类,分为密集像素点和分散像素点,具体的:筛选出大小为前预设比值的周围渐变系数的均值,作为分类阈值,也即将各像素点对应的周围渐变系数从大到小进行排序,得到周围渐变序列,获取所述周围渐变序列中前预设比值内的周围渐变系数的均值,作为分类阈值;大于所述分类阈值的像素点作为密集像素点,小于等于所述分类阈值的像素点作为分散像素点。在本发明实施例中预设比值的取值为4%,在其他实施例中实施者可根据实际情况调整该取值。获取所述周围渐变序列中前预设比值内的周围渐变系数的均值,作为分类阈值,也即对周围渐变序列的前4%的元素值求均值,作为分类阈值。
步骤S300,基于待选区域内的最大灰度值和最小灰度值,分别对待选区域内像素点进行灰度增强,得到增强后的增强屏幕图像;对于任意待选区域,根据增强屏幕图像的灰度均值和中心像素点的灰度值的差值、待选区域内与中心像素点灰度值相同的像素点的占比、中心像素点和待选区域内其他像素点之间的距离得到模糊渐变度。
本发明实施例的检测对象是电容触摸式LCD显示总成中的Mura缺陷,在LCD显示总成中,Mura缺陷在屏幕图像中背景相对复杂,Mura缺陷区域内像素点的灰度范围和背景像素点灰度值之间的并不大,简单的阈值分割效果并不好。在本发明中,首先考虑对采集的屏幕图像进行局部灰度增强,放大像素点之间的差异,进一步的,Mura缺陷在屏幕图像中的形状特征是不规则的团块状区域,在Mura缺陷区域内,像素点从区域中心处向边缘处逐渐模糊,边界处的模糊程度最高,整个Mura缺陷区域内的变化频率是高于背景区域的,基于上述区域内像素点的分布特点结合区域的边缘信息将屏幕图像中的特征进行放大细化,便于更好的区分Mura缺陷区域与周围区域。
故为了放大像素点之间的差异,提高屏幕图像的对比度,首先,基于待选区域内的
最大灰度值和最小灰度值,分别对待选区域内像素点进行灰度增强,得到增强后的增强屏
幕图像。此处构建增强因子Q,根据待选区域内中心到四周的灰度变化,计算像素点对应的
增强因子,用于表征待选区域内从中心到四周边缘的变化程度,计算第n个像素点的增强因
子。
对待选区域内像素点进行灰度增强,得到增强后的增强屏幕图像,具体的:计算像素点所属待选区域内的最大灰度值和像素点的灰度值的差值,作为最大差值;计算像素点的灰度值和所属待选区域内的最小灰度值的差值,作为最小差值;计算所属待选区域内最大灰度值和最小灰度值的最大极差的平方,作为极差平方;计算密度像素点对应的最大差值和对应的极差平方的比值,作为第一比值;以自然常数为底数,以第一比值为指数的指数函数值作为密集像素点的增强因子;计算分散像素点对应的最小差值和对应的极差平方的比值,作为第二比值;以自然常数为底数,以第二比值为指数的指数函数值作为分散像素点的增强因子;基于增强因子对待选区域内像素点的像素值进行灰度增强,得到增强后的增强像素值;将屏幕图像中待选区域内像素点的像素值更新为对应的增强像素值,待选区域外像素点的像素值保持不变,得到增强后的增强屏幕图像。
该增强因子的计算公式为:
其中,为第n个像素点的增强因子,为第n个像素点属于密集区域内的
密集像素点;为第n个像素点属于分散区域内的分散像素点;为自然常数;为
第n个像素点所属待选区域内的最大灰度值;为第n个像素点所属待选区域内的最小灰
度值;为第n个像素点的灰度值。
当像素点属于密集区域内的密集像素点时,对当前密集像素点进行灰度增强是根据其所属待选区域内的最大灰度值和当前密集像素点的灰度值的差值进行增强的,最大灰度值和当前密集像素点的灰度值的差值越大,则其对应的增强因子越大,对当前密集像素点的灰度增强幅度越大。当像素点属于分散区域内的分散像素点时,对当前分散像素点进行灰度增强是根据当前分散像素点的灰度值和其所属待选区域内的最小灰度值的差值进行增强的,当前密集像素点的灰度值和最小灰度值的差值越大,则其对应的增强因子越大,对当前密集像素点的灰度增强幅度越大。
计算区域内每个像素点的增强因子Q,对每个像素点进行对比度增强,得到增强因子后,将待选区域内像素点的灰度值与对应的增强因子的乘积作为增强后的增强灰度值,并进行线性处理,保证增强后的增强灰度值的范围仍在[0,255],进而得到对应的增强屏幕图像。
在得到灰度增强后的增强屏幕图像后,根据Mura缺陷区域从中心到四周模糊渐变的特点,计算待选区域的模糊渐变度。
在采集的屏幕图像和增强后的增强屏幕图像中,存在几类像素点:背景区域内的像素点、Mura缺陷像素点和孤立点像素点。在背景区域内像素点之间不会存在差异,Mura缺陷区域是在预处理后的屏幕图像中呈现出向外扩散的团块状区域,从区域中心到区域边缘,越靠近中心位置的像素点周围一致性越高,越靠近边缘处模糊程度越高一致性越差。在本发明实施例中,首先计算像素点与周围像素点是否具有较高的一致性得到周围渐变系数,进一步的,针对缺陷区域模糊程度渐变的特点,计算每个像素点对应的增强因子,通过增强因子放大缺陷区域内像素点与非缺陷区域像素点的差异,最终利用区域生长技术得到相应的Mura缺陷区域。
根据像素点周围的分布情况,构建模糊渐变度M,用于表征区域内像素点一致性的高低程度。对于任意待选区域,根据增强屏幕图像的灰度均值和中心像素点的灰度值的差值、待选区域内与中心像素点灰度值相同的像素点的占比、中心像素点和待选区域内其他像素点之间的距离得到模糊渐变度。具体的:将所述待选区域划分为八个范围,分别计算每个范围内的范围模糊渐变度。其中,基于待选区域的两条斜对角线和边缘的两条垂直平分线,将待选区域划分为八个范围。对于任意范围,获取范围内与待选区域的中心像素点的灰度值相同的像素点作为待选像素点;计算中心像素点与各待选像素点的欧式距离,构成距离序列,所述距离序列的方差作为范围对应的距离方差。
所述范围模糊渐变度的计算公式为:
模糊渐变度反映了窗口区域内的模糊程度,在规定范围内待选区域的中心像素点
的灰度值出现的频率越高,也即在规定范围内灰度值为的像素点的占比越高,且
欧氏距离的距离方差越小,则范围内的范围模糊渐变度越小,反映该待选区域的
范围内像素点的分布一致性越高,中心像素点的局部密度越大,待选区域越有可能是Mura
缺陷区域;在规定范围内灰度值为的像素点的占比越小,且欧氏距离的距离方差越大,则范围内的范围模糊渐变度越大,反映该待选区域的范围内像素点的分布
一致性越低,中心像素点的局部密度越低,待选区域是Mura缺陷区域的概率越小。
八个范围的范围模糊渐变度之和作为待选区域的模糊渐变度;通过计算每个范围内像素点的分布一致性,得到待选区域对应的模糊渐变度。需要说明的是,待选区域对应的模糊渐变度即为待选区域内各像素点对应的模糊渐变度。
步骤S400,模糊渐变度小于预设分割阈值的密集像素点为缺陷像素点;模糊渐变度大于预设分割阈值的分散像素点为缺陷像素点;由缺陷像素点构成缺陷区域。
根据增强因子进行增强后得到的增强屏幕图像中待选区域内各像素点的模糊渐变度,判断像素点所在区域是否为Mura缺陷。
遍历整幅增强屏幕图像,计算得出每个待选区域对应的模糊渐变度M。对计算出的模糊渐变度按照从小到大的顺序进行排序得到渐变度序列,利用最大类间方差法获取渐变度序列的最佳分割阈值,作为预设分割阈值。需要说明的是,最大类间方差法为本领域技术人员的公知技术,具体过程不再详细赘述。
对于模糊渐变度小于预设分割阈值的密集像素点,判定其为缺陷像素点;对于模糊渐变度大于预设分割阈值的分散像素点,同样判定其为缺陷像素点;其余情况则认为不是缺陷像素点。将缺陷像素点进行连接得到多个初始缺陷区域,进一步的,利用区域生长算法,将属于同一Mura缺陷的初始缺陷区域连接起来得到最终的缺陷区域。需要说明的是,区域生长算法为本领域技术人员的公知技术,具体过程不再详细赘述。
得到缺陷区域的检测结果后,获取缺陷区域的最小外接矩形对缺陷区域进行定位,计算机将位置信息显示在检测界面区域,检测人员通过相关屏幕移动装置将存在缺陷的LCD显示总成进行二次工艺制造。
综上所述,本发明图像处理技术领域。该方法首先获取LCD显示屏的屏幕图像;滑窗在屏幕图像上滑动,根据滑窗窗口内像素点的灰度值获取待选区域;选取待选区域内任意像素点作为目标像素点,根据与目标像素点梯度值相同的像素点的密集程度得到目标像素点的周围渐变系数;基于周围渐变系数对所有待选区域内的像素点进行分类,分为密集像素点和分散像素点;基于待选区域内的最大灰度值和最小灰度值,分别对待选区域内像素点进行灰度增强,得到增强后的增强屏幕图像;对于任意待选区域,根据增强屏幕图像的灰度均值和中心像素点的灰度值的差值、待选区域内与中心像素点灰度值相同的像素点的占比、中心像素点和待选区域内其他像素点之间的距离得到模糊渐变度;模糊渐变度小于预设分割阈值的密集像素点为缺陷像素点;模糊渐变度大于预设分割阈值的分散像素点为缺陷像素点;由缺陷像素点构成缺陷区域。利用Mura缺陷在屏幕图像中分布提取相关特征以达到提高LCD显示总成自动化检测的效率和检测准确度的目的。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
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。
Claims (10)
1.一种工业控制电容触摸LCD显示总成缺陷检测方法,其特征在于,该方法包括以下步骤:
获取LCD显示屏的屏幕图像;
在所述屏幕图像上滑动滑窗,根据滑窗窗口内像素点的灰度值获取待选区域;选取待选区域内任意像素点作为目标像素点,根据与目标像素点梯度值相同的像素点的密集程度得到目标像素点的周围渐变系数;基于所述周围渐变系数对所有待选区域内的像素点进行分类,分为密集像素点和分散像素点;
基于待选区域内的最大灰度值和最小灰度值,分别对待选区域内像素点进行灰度增强,得到增强后的增强屏幕图像;对于任意待选区域,根据增强屏幕图像的灰度均值和中心像素点的灰度值的差值、待选区域内与中心像素点灰度值相同的像素点的占比、中心像素点和待选区域内其他像素点之间的距离得到模糊渐变度;
模糊渐变度小于预设分割阈值的密集像素点为缺陷像素点;模糊渐变度大于预设分割阈值的分散像素点为缺陷像素点;由缺陷像素点构成缺陷区域。
2.根据权利要求1所述的一种工业控制电容触摸LCD显示总成缺陷检测方法,其特征在于,所述根据与目标像素点梯度值相同的像素点的密集程度得到目标像素点的周围渐变系数,包括:
选取待选区域内与目标像素点梯度值相同的任意像素点作为初始像素点;以目标像素点与初始像素点的欧式距离作为局部区域的边长,计算局部区域内与目标像素点梯度值相同的像素点的占比,作为密集程度;
对于待选区域内与目标像素点梯度值相同的各像素点对应的欧氏距离,按照从大到小的顺序进行排序得到欧式距离序列;计算欧式距离序列中前一个元素对应的密集程度和相邻的后一个元素对应的密集程度的比值,所有比值之和作为周围渐变系数。
3.根据权利要求1所述的一种工业控制电容触摸LCD显示总成缺陷检测方法,其特征在于,所述基于待选区域内的最大灰度值和最小灰度值,分别对待选区域内像素点进行灰度增强,得到增强后的增强屏幕图像,包括:
计算像素点所属待选区域内的最大灰度值和像素点的灰度值的差值,作为最大差值;计算像素点的灰度值和所属待选区域内的最小灰度值的差值,作为最小差值;计算所属待选区域内最大灰度值和最小灰度值的最大极差的平方,作为极差平方;
计算密度像素点对应的最大差值和对应的极差平方的比值,作为第一比值;以自然常数为底数,以第一比值为指数的指数函数值作为密集像素点的增强因子;
计算分散像素点对应的最小差值和对应的极差平方的比值,作为第二比值;以自然常数为底数,以第二比值为指数的指数函数值作为分散像素点的增强因子;
基于增强因子对待选区域内像素点的像素值进行灰度增强,得到增强后的增强像素值;将屏幕图像中待选区域内像素点的像素值更新为对应的增强像素值,得到增强后的增强屏幕图像。
4.根据权利要求1所述的一种工业控制电容触摸LCD显示总成缺陷检测方法,其特征在于,所述根据增强屏幕图像的灰度均值和中心像素点的灰度值的差值、待选区域内与中心像素点灰度值相同的像素点的占比、中心像素点和待选区域内其他像素点之间的距离得到模糊渐变度,包括:
将所述待选区域划分为八个范围,分别计算每个范围内的范围模糊渐变度;八个范围的范围模糊渐变度之和作为待选区域的模糊渐变度;
对于任意范围,获取范围内与待选区域的中心像素点的灰度值相同的像素点作为待选像素点;计算中心像素点与各待选像素点的欧式距离,构成距离序列,所述距离序列的方差作为范围对应的距离方差;
所述范围模糊渐变度的计算公式为:
5.根据权利要求3所述的一种工业控制电容触摸LCD显示总成缺陷检测方法,其特征在于,所述基于增强因子对待选区域内像素点的像素值进行灰度增强,得到增强后的增强像素值,包括:
将待选区域内像素点的灰度值与对应的增强因子的乘积作为增强后的增强灰度值。
6.根据权利要求1所述的一种工业控制电容触摸LCD显示总成缺陷检测方法,其特征在于,所述基于所述周围渐变系数对所有待选区域内的像素点进行分类,分为密集像素点和分散像素点,包括:
筛选出大小为前预设比值的周围渐变系数的均值,作为分类阈值;大于所述分类阈值的像素点作为密集像素点,小于等于所述分类阈值的像素点作为分散像素点。
7.根据权利要求1所述的一种工业控制电容触摸LCD显示总成缺陷检测方法,其特征在于,所述根据滑窗窗口内像素点的灰度值获取待选区域,包括:
当所述滑窗窗口内像素点的灰度均值大于所述屏幕图像的灰度均值时,将滑窗窗口对应的区域作为待选区域。
8.根据权利要求4所述的一种工业控制电容触摸LCD显示总成缺陷检测方法,其特征在于,所述将所述待选区域划分为八个范围,包括:
基于待选区域的两条斜对角线和边缘的两条垂直平分线,将待选区域划分为八个范围。
9.根据权利要求1所述的一种工业控制电容触摸LCD显示总成缺陷检测方法,其特征在于,所述屏幕图像的获取方法为:
采集LCD显示屏的初始屏幕图像,对所述初始屏幕图像进行去噪得到对应的屏幕图像。
10.根据权利要求1所述的一种工业控制电容触摸LCD显示总成缺陷检测方法,其特征在于,所述预设分割阈值的获取方法:
将模糊渐变度按照从小到大的顺序进行排序得到渐变度序列;利用最大类间方差法获取渐变度序列的最佳分割阈值,作为预设分割阈值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310063837.XA CN115797342B (zh) | 2023-02-06 | 2023-02-06 | 一种工业控制电容触摸lcd显示总成缺陷检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310063837.XA CN115797342B (zh) | 2023-02-06 | 2023-02-06 | 一种工业控制电容触摸lcd显示总成缺陷检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115797342A true CN115797342A (zh) | 2023-03-14 |
CN115797342B CN115797342B (zh) | 2023-04-21 |
Family
ID=85429877
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310063837.XA Active CN115797342B (zh) | 2023-02-06 | 2023-02-06 | 一种工业控制电容触摸lcd显示总成缺陷检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115797342B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116563312A (zh) * | 2023-07-11 | 2023-08-08 | 山东古天电子科技有限公司 | 一种用于双屏机显示图像分割方法 |
CN117036354A (zh) * | 2023-10-09 | 2023-11-10 | 深圳市魔样科技有限公司 | 一种智能戒指显示屏幕检测方法 |
CN117115433A (zh) * | 2023-10-24 | 2023-11-24 | 深圳市磐鼎科技有限公司 | 显示异常检测方法、装置、设备及存储介质 |
CN117173188A (zh) * | 2023-11-03 | 2023-12-05 | 泸州通鑫显示科技有限公司 | 一种玻璃瘢痕识别方法 |
CN117314826A (zh) * | 2023-08-28 | 2023-12-29 | 广州千筱母婴用品有限公司 | 一种显示屏的性能检测方法 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5268774A (en) * | 1991-11-27 | 1993-12-07 | Xerox Corporation | Halftoning with enhanced dynamic range and edge enhanced error diffusion |
EP1486918A2 (de) * | 2003-06-10 | 2004-12-15 | hema electronic GmbH | Verfahren zur adaptiven Fehlererkennung auf einer inhomogenen Oberfläche |
US20080107328A1 (en) * | 2006-11-03 | 2008-05-08 | Liang-Chia Chen | Non-uniform Image Defect Inspection Method |
CN104715453A (zh) * | 2013-12-12 | 2015-06-17 | 苏州长风航空电子有限公司 | 一种分区域处理的图像增强方法及电路 |
CN105976382A (zh) * | 2016-05-11 | 2016-09-28 | 华中科技大学 | 一种基于缺陷区域预判和水平集的TFT-LCD Mura缺陷检测算法 |
CN107705290A (zh) * | 2017-09-05 | 2018-02-16 | 哈尔滨工业大学深圳研究生院 | 一种AMOLED显示屏Mura缺陷检测方法 |
CN107845087A (zh) * | 2017-10-09 | 2018-03-27 | 深圳市华星光电半导体显示技术有限公司 | 液晶面板亮度不均匀缺陷的检测方法和系统 |
CN108460757A (zh) * | 2018-02-11 | 2018-08-28 | 深圳市鑫信腾科技有限公司 | 一种手机TFT-LCD屏Mura缺陷在线自动检测方法 |
US20190197678A1 (en) * | 2016-08-29 | 2019-06-27 | Wuhan Jingce Electronic Group Co., Ltd. | Gpu-based tft-lcd mura defect detection method |
US20190362481A1 (en) * | 2018-05-24 | 2019-11-28 | Keysight Technologies, Inc. | Detecting mura defects in master panel of flat panel displays during fabrication |
CN110570411A (zh) * | 2019-09-05 | 2019-12-13 | 中国科学院长春光学精密机械与物理研究所 | 一种基于变异系数的Mura检测方法及装置 |
CN111383566A (zh) * | 2018-12-26 | 2020-07-07 | 硅工厂股份有限公司 | Mura校正系统 |
CN111563889A (zh) * | 2020-05-06 | 2020-08-21 | 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Mura缺陷检测方法 |
CN114792310A (zh) * | 2022-04-29 | 2022-07-26 | 广东工业大学 | 一种LCD屏幕中边缘模糊的Mura缺陷检测方法 |
CN115035106A (zh) * | 2022-08-10 | 2022-09-09 | 邹城市天晖软件科技有限公司 | 一种带钢缺陷智能检测方法 |
-
2023
- 2023-02-06 CN CN202310063837.XA patent/CN115797342B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5268774A (en) * | 1991-11-27 | 1993-12-07 | Xerox Corporation | Halftoning with enhanced dynamic range and edge enhanced error diffusion |
EP1486918A2 (de) * | 2003-06-10 | 2004-12-15 | hema electronic GmbH | Verfahren zur adaptiven Fehlererkennung auf einer inhomogenen Oberfläche |
US20080107328A1 (en) * | 2006-11-03 | 2008-05-08 | Liang-Chia Chen | Non-uniform Image Defect Inspection Method |
CN104715453A (zh) * | 2013-12-12 | 2015-06-17 | 苏州长风航空电子有限公司 | 一种分区域处理的图像增强方法及电路 |
CN105976382A (zh) * | 2016-05-11 | 2016-09-28 | 华中科技大学 | 一种基于缺陷区域预判和水平集的TFT-LCD Mura缺陷检测算法 |
US20190197678A1 (en) * | 2016-08-29 | 2019-06-27 | Wuhan Jingce Electronic Group Co., Ltd. | Gpu-based tft-lcd mura defect detection method |
CN107705290A (zh) * | 2017-09-05 | 2018-02-16 | 哈尔滨工业大学深圳研究生院 | 一种AMOLED显示屏Mura缺陷检测方法 |
CN107845087A (zh) * | 2017-10-09 | 2018-03-27 | 深圳市华星光电半导体显示技术有限公司 | 液晶面板亮度不均匀缺陷的检测方法和系统 |
CN108460757A (zh) * | 2018-02-11 | 2018-08-28 | 深圳市鑫信腾科技有限公司 | 一种手机TFT-LCD屏Mura缺陷在线自动检测方法 |
US20190362481A1 (en) * | 2018-05-24 | 2019-11-28 | Keysight Technologies, Inc. | Detecting mura defects in master panel of flat panel displays during fabrication |
CN111383566A (zh) * | 2018-12-26 | 2020-07-07 | 硅工厂股份有限公司 | Mura校正系统 |
CN110570411A (zh) * | 2019-09-05 | 2019-12-13 | 中国科学院长春光学精密机械与物理研究所 | 一种基于变异系数的Mura检测方法及装置 |
CN111563889A (zh) * | 2020-05-06 | 2020-08-21 | 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Mura缺陷检测方法 |
CN114792310A (zh) * | 2022-04-29 | 2022-07-26 | 广东工业大学 | 一种LCD屏幕中边缘模糊的Mura缺陷检测方法 |
CN115035106A (zh) * | 2022-08-10 | 2022-09-09 | 邹城市天晖软件科技有限公司 | 一种带钢缺陷智能检测方法 |
Non-Patent Citations (2)
Title |
---|
廖苗 等: "基于自适应局部增强的手机TFT-LCD屏Mura缺陷自动检测" * |
钱基德 等: "基于机器视觉的液晶屏Mura缺陷检测方法" * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116563312A (zh) * | 2023-07-11 | 2023-08-08 | 山东古天电子科技有限公司 | 一种用于双屏机显示图像分割方法 |
CN116563312B (zh) * | 2023-07-11 | 2023-09-12 | 山东古天电子科技有限公司 | 一种用于双屏机显示图像分割方法 |
CN117314826A (zh) * | 2023-08-28 | 2023-12-29 | 广州千筱母婴用品有限公司 | 一种显示屏的性能检测方法 |
CN117036354A (zh) * | 2023-10-09 | 2023-11-10 | 深圳市魔样科技有限公司 | 一种智能戒指显示屏幕检测方法 |
CN117036354B (zh) * | 2023-10-09 | 2024-02-02 | 深圳市魔样科技有限公司 | 一种智能戒指显示屏幕检测方法 |
CN117115433A (zh) * | 2023-10-24 | 2023-11-24 | 深圳市磐鼎科技有限公司 | 显示异常检测方法、装置、设备及存储介质 |
CN117115433B (zh) * | 2023-10-24 | 2024-05-07 | 深圳市磐鼎科技有限公司 | 显示异常检测方法、装置、设备及存储介质 |
CN117173188A (zh) * | 2023-11-03 | 2023-12-05 | 泸州通鑫显示科技有限公司 | 一种玻璃瘢痕识别方法 |
CN117173188B (zh) * | 2023-11-03 | 2024-01-26 | 泸州通鑫显示科技有限公司 | 一种玻璃瘢痕识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115797342B (zh) | 2023-04-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115797342A (zh) | 一种工业控制电容触摸lcd显示总成缺陷检测方法 | |
CN115311292B (zh) | 基于图像处理的带钢表面缺陷检测方法及系统 | |
CN115829883B (zh) | 一种异性金属结构件表面图像去噪方法 | |
CN117351008B (zh) | 一种智能手机面板表面缺陷检测方法 | |
CN116703910B (zh) | 一种混凝土预制底板质量智能检测方法 | |
CN115147414B (zh) | 一种双极型功率晶体管表面击穿缺陷检测方法 | |
CN115311301A (zh) | 一种pcb板焊点缺陷检测方法 | |
CN116758083B (zh) | 基于计算机视觉的金属洗脸盆缺陷快速检测方法 | |
CN115249246B (zh) | 一种光学玻璃表面缺陷检测方法 | |
CN115861291B (zh) | 基于机器视觉的贴片电路板生产缺陷检测方法 | |
CN111968144A (zh) | 一种图像边缘点获取方法及装置 | |
CN110648330B (zh) | 摄像头玻璃的缺陷检测方法 | |
CN115082451B (zh) | 一种基于图像处理的不锈钢汤勺缺陷检测方法 | |
CN115290663B (zh) | 基于光学检测的Mini LED晶圆外观缺陷检测方法 | |
CN115775250A (zh) | 基于数字图像分析的金手指电路板缺陷快速检测系统 | |
CN115272335A (zh) | 基于显著性检测的冶金金属表面缺陷检测方法 | |
CN115274486B (zh) | 一种半导体表面缺陷识别方法 | |
CN116883408B (zh) | 基于人工智能的积算仪壳体缺陷检测方法 | |
CN114972575A (zh) | 一种基于轮廓边缘的直线拟合算法 | |
CN111354047A (zh) | 一种基于计算机视觉的摄像模组定位方法及系统 | |
CN116030055B (zh) | 一种电梯相关配件质量检测方法 | |
CN117557573B (zh) | 基于计算机视觉的oca膜气泡检测方法 | |
CN111598869A (zh) | 一种对显示屏幕的Mura进行检测的方法、设备及存储介质 | |
CN116630813A (zh) | 一种公路路面施工质量智能检测系统 | |
CN116990323A (zh) | 一种高精密印刷版视觉检测系统 |
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 |