CN117036282A - 缺陷检测方法、装置、设备及存储介质 - Google Patents

Abstract

本公开提供了一种缺陷检测方法、装置、设备及存储介质，通过获取待测基板的待处理图像和模板图像；将模板图像进行腐蚀和/或膨胀处理，得到目标模板图像；将所述目标模板图像和所述待处理图像进行差分处理，得到差分图像；通过对所述差分图像进行后处理，得到目标缺陷区域，能够提高待测工件表面缺陷的检测效率和准确性。

Description

缺陷检测方法、装置、设备及存储介质

技术领域

本公开涉及图像处理技术领域，尤其涉及一种缺陷检测方法、装置、设备及存储介质。

背景技术

在结构类基板的生产过程中，该类基板在蚀刻之后的外观线路检测是十分重要的环节，现有技术主要是通过人工使用高倍相机的方式来进行缺陷检测。

例如印刷电路板(Printed Circuit Board，PCB)或者MiniLED基板，该类基板由于线路复杂导致缺陷呈现多样化，因此在线路蚀刻后需要对线路基板进行短路、断路、脏污、划伤等缺陷进行检测。又由于该类基板具有面积大、线路缺陷小的特点，因此其缺陷检测具有检测时间长、效率低、成本高、以及出错率高等问题。

发明内容

本公开提供了一种缺陷检测方法、装置、设备及存储介质，以至少解决现有技术中存在的以上技术问题。

根据本公开的第一方面，提供了一种缺陷检测方法，所述方法包括：

获取待测基板的待处理图像和模板图像；

将模板图像进行腐蚀和/或膨胀处理，得到目标模板图像；

将所述目标模板图像和所述待处理图像进行差分处理，得到差分图像；

通过对所述差分图像进行后处理，得到目标缺陷区域。

在一可实施方式中，在所述将所述目标模板图像和所述待处理图像进行差分处理之前，还包括：

确定所述目标模板图像和所述待处理图像之间的仿射变换矩阵；

根据所述仿射变换矩阵，将所述目标模板图像和所述待处理图像进行位置匹配。

在一可实施方式中，所述确定所述目标模板图像和所述待处理图像之间的仿射变换矩阵，包括：

确定所述目标模板图像的第一中心特征点和所述待处理图像的第二中心特征点；

通过所述第一中心特征点和所述第二中心特征点，确定所述仿射变换矩阵。

在一可实施方式中，所述确定所述目标模板图像的第一中心特征点和所述待处理图像的第二中心特征点，还包括：

通过形状匹配方法，确定所述目标模板图像的第一特征点和所述待处理图像的第二特征点；

根据所述第一特征点和所述第二特征点的位置信息，确定所述目标模板图像的第一中心特征点和所述待处理图像的第二中心特征点。

在一可实施方式中，所述通过所述第一中心特征点和所述第二中心特征点，确定所述仿射变换矩阵，包括：

通过计算所述第一中心特征点和所述第二中心特征点之间的欧氏距离和角度误差，得到误差向量；

构建所述误差向量的雅可比矩阵，通过最小二乘法计算所述雅可比矩阵，得到旋转角度、平移向量以及缩放因子；

通过所述旋转角度、平移向量以及缩放因子，构造所述仿射变换矩阵。

在一可实施方式中，所述将所述目标模板图像和所述待处理图像进行差分处理，得到差分图像，包括：

通过将所述第一目标模板图像内各个像素点的像素值减去所述待处理图像内对应位置的像素值，得到第一差分图像，其中，所述第一目标模板图像为通过腐蚀处理后的模板图像；和/或，

通过将所述待处理图像内各个像素点的像素值减去所述第一目标模板图像内对应位置的像素值，得到第二差分图像，其中，所述第二目标模板图像为通过膨胀处理后的模板图像。

在一可实施方式中，所述通过对所述差分图像进行后处理，得到目标缺陷区域，包括：

获取所述差分图像的补偿值；

通过所述补偿值和所述差分图像，得到目标差分图像；

获取预设像素阈值；

通过所述预设像素阈值，筛选出所述目标差分图像内的异常像素点，并通过所述异常像素点确定目标缺陷区域。

在一可实施方式中，所述通过所述异常像素点确定目标缺陷区域，包括：

通过所述异常像素点，确定至少一个初始缺陷区域；

若存在多个初始缺陷区域，则按照距离阈值，将各个初始缺陷区域进行区域融合，得到处理后的初始缺陷区域；

根据所述处理后的初始缺陷区域的面积值和预设面积阈值，确定目标缺陷区域。

在一可实施方式中，所述按照距离阈值，将各个初始缺陷区域进行区域融合，包括：

获取各个初始缺陷区域的中心点，得到各个中心点的位置信息；

根据各个中心点的位置信息，确定各个中心点之间的距离；

将满足距离阈值的中心点所对应的初始缺陷区域，进行区域融合。

在一可实施方式中，所述获取所述差分图像的补偿值包括：

统计所述差分图像内像素点的灰度直方图；

根据所述灰度直方图，确定所述差分图像的补偿值。

在一可实施方式中，在所述获取待测基板的待处理图像和模板图像之前，包括：

根据所述待测基板的尺寸，获取多张初始图像，其中，所述初始图像为关于所述待测基板内不同部位的图像；

分别将所述多张初始图像作为所述待测基板的待处理图像。

根据本公开的第二方面，提供了一种缺陷检测装置，所述装置包括：

图像获取模块，用于获取待测基板的待处理图像和模板图像；

目标图像获取模块，用于将模板图像进行腐蚀和/或膨胀处理，得到目标模板图像；

差分图像获取模块，用于将所述目标模板图像和所述待处理图像进行差分处理，得到差分图像；

缺陷确定模块，用于通过对所述差分图像进行后处理，得到目标缺陷区域。

在一可实施方式中，所述装置还包括：

位置矫正模块，用于在所述将所述目标模板图像和所述待处理图像进行差分处理之前，确定所述目标模板图像和所述待处理图像之间的仿射变换矩阵；根据所述仿射变换矩阵，将所述目标模板图像和所述待处理图像进行位置匹配。

在一可实施方式中，所述位置矫正模块，具体用于：确定所述目标模板图像的第一中心特征点和所述待处理图像的第二中心特征点；通过所述第一中心特征点和所述第二中心特征点，确定所述仿射变换矩阵。

在一可实施方式中，所述位置矫正模块，具体用于：通过形状匹配方法，确定所述目标模板图像的第一特征点和所述待处理图像的第二特征点；根据所述第一特征点和所述第二特征点的位置信息，确定所述目标模板图像的第一中心特征点和所述待处理图像的第二中心特征点。

在一可实施方式中，所述位置矫正模块，具体用于：通过计算所述第一中心特征点和所述第二中心特征点之间的欧氏距离和角度误差，得到误差向量；构建所述误差向量的雅可比矩阵，通过最小二乘法计算所述雅可比矩阵，得到旋转角度、平移向量以及缩放因子；通过所述旋转角度、平移向量以及缩放因子，构造所述仿射变换矩阵。

在一可实施方式中，所述差分图像获取模块，具体用于：通过将所述第一目标模板图像内各个像素点的像素值减去所述待处理图像内对应位置的像素值，得到第一差分图像，其中，所述第一目标模板图像为通过腐蚀处理后的模板图像；和/或，通过将所述待处理图像内各个像素点的像素值减去所述第一目标模板图像内对应位置的像素值，得到第二差分图像，其中，所述第二目标模板图像为通过膨胀处理后的模板图像。

在一可实施方式中，所述缺陷确定模块，具体用于：获取所述差分图像的补偿值；通过所述补偿值和所述差分图像，得到目标差分图像；获取预设像素阈值；通过所述预设像素阈值，筛选出所述目标差分图像内的异常像素点，并通过所述异常像素点确定目标缺陷区域。

在一可实施方式中，所述缺陷确定模块，具体用于：通过所述异常像素点，确定至少一个初始缺陷区域；若存在多个初始缺陷区域，则按照距离阈值，将各个初始缺陷区域进行区域融合，得到处理后的初始缺陷区域；根据所述处理后的初始缺陷区域的面积值和预设面积阈值，确定目标缺陷区域。

在一可实施方式中，所述缺陷确定模块，具体用于：获取各个初始缺陷区域的中心点，得到各个中心点的位置信息；根据各个中心点的位置信息，确定各个中心点之间的距离；将满足距离阈值的中心点所对应的初始缺陷区域，进行区域融合。

在一可实施方式中，所述缺陷确定模块，具体用于：统计所述差分图像内像素点的灰度直方图；根据所述灰度直方图，确定所述差分图像的补偿值。

在一可实施方式中，所述装置还包括：

初始图像获取模块，用于在所述获取待测基板的待处理图像和模板图像之前，根据所述待测基板的尺寸，获取多张初始图像，其中，所述初始图像为关于所述待测基板内不同部位的图像；分别将所述多张初始图像作为所述待测基板的待处理图像。

根据本公开的第三方面，提供了一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本公开所述的方法。

根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行本公开所述的方法。

本公开的缺陷检测方法、装置、设备及存储介质，通过获取待测基板的待处理图像和模板图像；将模板图像进行腐蚀和/或膨胀处理，得到目标模板图像；将所述目标模板图像和所述待处理图像进行差分处理，得到差分图像；通过对所述差分图像进行后处理，得到目标缺陷区域，能够提高待测工件表面缺陷的检测效率和准确性。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

通过参考附图阅读下文的详细描述，本公开示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本公开的若干实施方式，其中：

在附图中，相同或对应的标号表示相同或对应的部分。

图1示出了本公开实施例提供的一种缺陷检测方法的实现流程示意图；

图2示出了本公开实施例提供的一种示例性的待测基板的模板图像示意图；

图3示出了本公开实施例提供的一种示例性的目标模板图像的示意图；

图4示出了本公开实施例提供的另一种示例性的目标模板图像的示意图；

图5示出了本公开实施例提供的一种示例性的待处理图像有暗缺陷的示意图；

图6示出了本公开实施例提供的一种与图5相对应的目标模板图像示意图；

图7示出了本公开实施例提供的一种与图5相对应的目标差分图像示意图；

图8示出了本公开实施例提供的一种示例性的待处理图像有亮缺陷的示意图；

图9示出了本公开实施例提供的一种与图8相对应的目标差分图像示意图；

图10示出了本公开实施例提供的另一种缺陷检测方法的流程图；

图11示出了本公开实施例提供的一种缺陷检装置的结构示意图；

图12示出了本公开实施例一种电子设备的组成结构示意图。

具体实施方式

为使本公开的目的、特征、优点能够更加的明显和易懂，下面将结合本公开实施例中的附图，对本公开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公开一部分实施例，而非全部实施例。基于本公开中的实施例，本领域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，都属于本公开保护的范围。

图1为本公开实施例提供的一种缺陷检测方法的流程图，该方法可以由本公开实施例提供的缺陷检测装置来执行，该装置可采用软件和/或硬件的方式实现。该方法具体包括：

S110、获取待测基板的待处理图像和模板图像。

其中，待测基板可以是表面纹理清晰的结构类部件，待处理图像可以是用于检测待测基板表面是否有缺陷而拍摄的图像，模板图像可以是用于判断该类待测基板表面是否有缺陷的参考图像，属于工作人员已经确定的、没有任何缺陷的标准图像。由于待测基板是工厂在同一标准情况下生产出来的基板，所以在生产出待测基板后需要对其表面进行缺陷检测。

具体的，本实施例中的待处理图像可以是通过线扫相机拍摄的图像，也可以是通过电子设备或其他方式获得的图像。模板图像也可以是工作人员预先保存至电子设备或者云端等地方，在需要时直接调用获取即可。

在本公开实施例中，在所述获取待测基板的待处理图像和模板图像之前，还包括：根据所述待测基板的尺寸，获取多张初始图像，其中，所述初始图像为关于所述待测基板内不同部位的图像；分别将所述多张初始图像作为所述待测基板的待处理图像。

具体的，本实施例可以根据待测基板的类型和尺寸大小，确定需要采集的初始图像张数。例如，某款MiniLED基板蚀刻后线路较为复杂，且短路和断路缺陷较小，在确保能够检出缺陷的情况下，一张MiniLED基板采集的图像最少是三十张初始图像。然后将不同的初始图像作为待测基板的待处理图像。

在另一是实施例中，初始图像也可以是一张，若初始图像为一张，则直接将该初始图像作为待处理图像。

本实施例可以根据待测基板的尺寸大小，灵活确定初始图像的张数，再分别将初始图像作为待处理图像进行检测，能够提高待测工件表面缺陷检测的准确性。

S120、将模板图像进行腐蚀和/或膨胀处理，得到目标模板图像。

由于工厂加工工艺的原因，允许待测基板上面的线条有合理范围内的误差，因此本实施例需要对模板图像进行腐蚀和/或膨胀处理了，以得到目标模板图像。例如，若待测基板有检测要求，则对模板图像进行腐蚀或膨胀处理，若待测基板没有检测要求，则对模板图像进行腐蚀和膨胀处理，以防止漏检任何类型的缺陷。

具体的，由于工厂加工工艺问题，待测图内的线宽可能会略微大于或者小于模板图像内的线宽，若直接对模板图像和待处理图像进行差分计算，则会出现很多类似于缺陷的边缘过检带，因此，本实施例可以对模板图像进行膨胀和/或腐蚀处理的目标模板图像。本实施例可以根据模板图像内的线条，获取各个线条的中心线位置，沿着中心线的横截面进行预设个数像素点的腐蚀或膨胀处理。如图2、图3和图4所示，图2为本公开实施例提供的一种示例性的待测基板的模板图像示意图；图3为本公开实施例提供的一种示例性的目标模板图像的示意图，属于膨胀处理后对应的模板图像；图4为本公开实施例提供的另一种示例性的目标模板图像的示意图，属于腐蚀处理后对应的模板图像。需要说明的是，本实施例提供的图4是另一种模板图像腐蚀后所对应的示意图。

S130、将所述目标模板图像和所述待处理图像进行差分处理，得到差分图像。

在本公开实施例中，所述将所述目标模板图像和所述待处理图像进行差分处理，得到差分图像，包括：通过将所述第一目标模板图像内各个像素点的像素值减去所述待处理图像内对应位置的像素值，得到第一差分图像，其中，所述第一目标模板图像为通过腐蚀处理后的模板图像；和/或，通过将所述待处理图像内各个像素点的像素值减去所述第一目标模板图像内对应位置的像素值，得到第二差分图像，其中，所述第二目标模板图像为通过膨胀处理后的模板图像。

具体的，本实施例在检测待处理图像内的暗缺陷时，则使用第一目标模板图像减去待处理图像，得到第一差分图像；本实施例在检测待处理图像内的亮缺陷时，则使用待处理图像减去第一目标模板图像，得到第二差分图像。

S140、通过对所述差分图像进行后处理，得到目标缺陷区域。

本实施例若对待处理图像有检测要求时，则按照检测要求获得对应的第一差分图像或者第二差分图像，对第一差分图像或者第二差分图像进行后处理。本实施例若对待处理图像进行全面检测或者无检测要求时，则可以得到两张差分图像，之后再逐一对每个差分图像进行处理，以获取目标缺陷区域。

在本公开实施例中，所述通过对所述差分图像进行后处理，得到目标缺陷区域，包括：获取所述差分图像的补偿值；通过所述补偿值和所述差分图像，得到目标差分图像；获取预设像素阈值；通过所述预设像素阈值，筛选出所述目标差分图像内的异常像素点，并通过所述异常像素点确定目标缺陷区域。

其中，补偿值是为了观察目标缺陷区域而设定的像素值。由于差分图像是待处理图像和目标模板图像相减后的图像，所以差分图像上很多像素值都很低，显示画面为黑色。所以本实施例通过将差分图像上每个像素点增加补偿值，得到目标差分图像，通过目标差分图像能够直观看出来目标缺陷区域。

如图5-图7所示，图5是本公开实施例提供的一种示例性的待处理图像有暗缺陷的示意图；图6是本公开实施例提供的一种与图5相对应的目标模板图像示意图；图7是本公开实施例提供的一种与图5相对应的目标差分图像示意图。其中，图6显示的目标模板图像为经过腐蚀处理后的模板图像。如图5所示，图5中待处理图像包含有暗缺陷510，对待处理图像和其对应的目标模板图像进行差分处理，并添加补偿值之后，得到如图7所示的目标差分图像的示意图，用于观察暗缺陷区域710。

如图8和图9所示，图8是本公开实施例提供的一种示例性的待处理图像有亮缺陷的示意图；图9是本公开实施例提供的一种与图8相对应的目标差分图像示意图。如图8所示，图8中待处理图像包含有亮缺陷810和亮缺陷820，对待处理图像和其对应的目标模板图像进行差分处理，并添加补偿值之后，得到如图9所示的目标差分图像的示意图，用于观察亮缺陷区域910和亮缺陷区域920。

具体的，本实施例通过预设像素阈值，将目标差分图像内的每个像素点和预设像素阈值进行比对，将大于预设像素阈值的像素点作为异常像素点，最终确定目标缺陷区域。

在本公开实施例中，所述获取所述差分图像的补偿值包括：统计所述差分图像内像素点的灰度直方图；根据所述灰度直方图，确定所述差分图像的补偿值。

具体的，本实施例内的补偿值可以是根据工作人员经验所设定的任意值，也可以是统计差分图像内各个像素点的灰度值，得到灰度直方图，选取灰度直方图内灰度值个数最多的像素值作为补偿值。

本实施例通过灰度直方图获取补偿值，能够根据不同差分图像，获取更为符合差分图像本身特点的补偿值，有利于获得更为精准的目标缺陷区域。

在本公开实施例中，所述通过所述异常像素点确定目标缺陷区域，包括：通过所述异常像素点，确定至少一个初始缺陷区域；若存在多个初始缺陷区域，则按照距离阈值，将各个初始缺陷区域进行区域融合，得到处理后的初始缺陷区域；根据所述处理后的初始缺陷区域的面积值和预设面积阈值，确定目标缺陷区域。

其中，初始缺陷区域为通过异常像素点，所框选出来的缺陷区域。目标缺陷区域为最终确定的缺陷区域。预设面积阈值为定义为是否为目标缺陷区域的阈值，将大于该阈值的初始缺陷区域作为目标缺陷区域。

其中，距离阈值可以是不同初始缺陷区域之间距离的阈值，若初始缺陷区域之间的距离小于距离阈值，则说明该两个初始缺陷区域为一个初始缺陷区域，因此可以将初始缺陷区域进行区域融合，得到处理后的初始缺陷区域。

具体的，由于目标缺陷区域都有一定面积，因此本实施例在获得多个处理后的初始缺陷区域之后，可以依据距离阈值进行区域融合，对融合后的区域计算面积值，通过面积值进行筛选，筛选出目标缺陷区域。

具体的，本实施例可以通过预设面积阈值，能够筛选掉小的干扰区域，留下真正的缺陷区域。

在本公开实施例中，所述按照距离阈值，将各个初始缺陷区域进行区域融合，包括：获取各个初始缺陷区域的中心点，得到各个中心点的位置信息；根据各个中心点的位置信息，确定各个中心点之间的距离；将满足距离阈值的中心点所对应的初始缺陷区域，进行区域融合。

具体的，本实施例可以通过获取各个初始缺陷区域的中心点，通过中心点之间的距离，来判断是否满足距离阈值。若存在有中心点之间的距离小于距离阈值，则将其对应的初始缺陷区域，进行区域融合。具体的，本实施例所提到的区域融合并非对像素点进行任何操作，而是将其对应的初始缺陷区域划分为同一个区域。

本实施例通过确定初始缺陷区域的中心点之间的距离，来判断两个初始缺陷区域是否为同一个缺陷区域，能够有助于孤立离散区域，获得更为精准的目标缺陷区域。

在本公开实施例中，在所述将所述目标模板图像和所述待处理图像进行差分处理之前，还包括：确定所述目标模板图像和所述待处理图像之间的仿射变换矩阵；根据所述仿射变换矩阵，将所述目标模板图像和所述待处理图像进行位置匹配。

具体的，本实施例为了更好地对目标模板图像和待处理图像进行差分处理，可以通过仿射变换矩阵，将目标模板图像和待处理图像进行位置匹配。

在本公开实施例中，所述确定所述目标模板图像和所述待处理图像之间的仿射变换矩阵，包括：确定所述目标模板图像的第一中心特征点和所述待处理图像的第二中心特征点；通过所述第一中心特征点和所述第二中心特征点，确定所述仿射变换矩阵。

其中，第一中心特征点为目标模板图像中具有标志性形状的像素点集内的中心点；第二中心特征点为待处理图像中具有标志性形状的像素点集内的中心点。

具体的，本实施例可以根据目标模板图像和待处理图像内的同一标志性形状的中心特征点，来确定目标模板图像和待处理图像之间的仿射变换关系。

在本公开实施例中，所述确定所述目标模板图像的第一中心特征点和所述待处理图像的第二中心特征点，还包括：通过形状匹配方法，确定所述目标模板图像的第一特征点和所述待处理图像的第二特征点；根据所述第一特征点和所述第二特征点的位置信息，确定所述目标模板图像的第一中心特征点和所述待处理图像的第二中心特征点。

第一特征点为目标模板图像中具有标志性形状的像素点集；第二特征点为待处理图像中具有标志性形状的像素点集。

具体的，本实施例可以通过形状匹配方法，找出目标模板图像内的第一特征点，以及对应在待处理图像内找出第二特征点。根据第一特征点的位置坐标信息来确定第一中心特征点，以及根据第二特征点的位置坐标信息来确定第二中心特征点。

在本公开实施例中，所述通过所述第一中心特征点和所述第二中心特征点，确定所述仿射变换矩阵，包括：通过计算所述第一中心特征点和所述第二中心特征点之间的欧氏距离和角度误差，得到误差向量；构建所述误差向量的雅可比矩阵，通过最小二乘法计算所述雅可比矩阵，得到旋转角度、平移向量以及缩放因子；通过所述旋转角度、平移向量以及缩放因子，构造所述仿射变换矩阵。

具体的，本实施例可以将目标模板图像和待处理图像之间的特征点进行匹配，得到一组匹配点集P和Q，也即第一中心特征点和第二中心特征点，包括像素坐标；计算匹配点集之间的欧几里得距离和角度误差，得到误差向量e，其中角度误差为两个中心特征点到原点之间的角度误差；再构建误差向量e的雅可比矩阵J，该矩阵由欧几里得距离和角度误差的导数组成；利用最小二乘法计算旋转角度、平移向量和缩放因子的最优解x，其中x＝[theta，tx，ty，s]，theta为旋转角度，tx和ty为平移向量，s为缩放因子；最后利用计算得到的旋转角度、平移向量和缩放因子构造一个仿射变换矩阵T，将目标模板图像变换为与待处理图像相似的形状和位置，或者将待处理图像变换为与目标模板图像相似的形状和位置。

本实施例通过仿射变换矩阵能够将待处理图像和目标模板图像进行位置匹配，从而方便两个图像进行差分处理。

图10为本公开实施例提供的另一种缺陷检测方法的流程图。其中，待测图也即待处理图像，模板图也即模板图像，模板图mark坐标也即第一中心特征点，待测图mark坐标也即第二中心特征点。本实施例通过在模板图像上使用形状匹配方法创建多个mark点，获取mark点坐标，并将此坐标进行存储。再在待测图中对上述mark进行匹配，得到在待测图中的mark坐标。最后通过在模板图上的mark坐标和待测图上匹配到的mark点坐标得到仿射放射变换关系。

本实施例如果直接使用仿射变换后的待处理图像减去模板图像得到差分图像，则由于成像问题，在线条边缘过渡带的地方，在图像相减时会出现较多的过检部分，因此将经过仿射变换之后的待处理图像和经过灰度膨胀以及灰度腐蚀的模板图像进行两次图像差分，得到两张差分图像。

具体的，本实施例将经过仿射变换后的待处理图像减去灰度膨胀之后的模板图像，待处理图像上的亮缺陷会被凸显出来。同时边缘部分由于模板图像进行了膨胀，而待处理图像在这个部分是过渡带区域，待处理图像减去膨胀后的模板图像变为黑色区域。同理在对模板图像进行灰度腐蚀之后使用模板图像减去待处理图像，则待处理图像中黑色缺陷被模板图像中正常灰度值减去，得到的差分图像中缺陷同样是亮缺陷。虽然暗缺陷和亮缺陷都转为了爆亮，但是由于程度不同所以阈值不同，最后，本实施例根据不同的阈值筛除出异常像素点，再通过异常像素点得到最后的目标缺陷区域。

本实施例通过使用目标模板图像对待处理图像进行差分处理，能够避免工厂工艺问题导致待测基板上线宽误差而导致过检的情况。同时，本实施例提供的方法具有检测效率高、成本低以及出错率低等有益效果。

图11是本公开实施例提供的一种缺陷检装置的结构示意图，该装置具体包括：

图像获取模块1110，用于获取待测基板的待处理图像和模板图像；

目标图像获取模块1120，用于将模板图像进行腐蚀和/或膨胀处理，得到目标模板图像；

差分图像获取模块1130，用于将所述目标模板图像和所述待处理图像进行差分处理，得到差分图像；

缺陷确定模块1140，用于通过对所述差分图像进行后处理，得到目标缺陷区域。

在一可实施方式中，所述装置还包括：

位置矫正模块，用于在所述将所述目标模板图像和所述待处理图像进行差分处理之前，确定所述目标模板图像和所述待处理图像之间的仿射变换矩阵；根据所述仿射变换矩阵，将所述目标模板图像和所述待处理图像进行位置匹配。

在一可实施方式中，所述位置矫正模块，具体用于：确定所述目标模板图像的第一中心特征点和所述待处理图像的第二中心特征点；通过所述第一中心特征点和所述第二中心特征点，确定所述仿射变换矩阵。

在一可实施方式中，所述位置矫正模块，具体用于：通过形状匹配方法，确定所述目标模板图像的第一特征点和所述待处理图像的第二特征点；根据所述第一特征点和所述第二特征点的位置信息，确定所述目标模板图像的第一中心特征点和所述待处理图像的第二中心特征点。

在一可实施方式中，所述位置矫正模块，具体用于：通过计算所述第一中心特征点和所述第二中心特征点之间的欧氏距离和角度误差，得到误差向量；构建所述误差向量的雅可比矩阵，通过最小二乘法计算所述雅可比矩阵，得到旋转角度、平移向量以及缩放因子；通过所述旋转角度、平移向量以及缩放因子，构造所述仿射变换矩阵。

在一可实施方式中，所述差分图像获取模块1130，具体用于：通过将所述第一目标模板图像内各个像素点的像素值减去所述待处理图像内对应位置的像素值，得到第一差分图像，其中，所述第一目标模板图像为通过腐蚀处理后的模板图像；和/或，通过将所述待处理图像内各个像素点的像素值减去所述第一目标模板图像内对应位置的像素值，得到第二差分图像，其中，所述第二目标模板图像为通过膨胀处理后的模板图像。

在一可实施方式中，所述缺陷确定模块1140，具体用于：获取所述差分图像的补偿值；通过所述补偿值和所述差分图像，得到目标差分图像；获取预设像素阈值；通过所述预设像素阈值，筛选出所述目标差分图像内的异常像素点，并通过所述异常像素点确定目标缺陷区域。

在一可实施方式中，所述缺陷确定模块1140，具体用于：通过所述异常像素点，确定至少一个初始缺陷区域；若存在多个初始缺陷区域，则按照距离阈值，将各个初始缺陷区域进行区域融合，得到处理后的初始缺陷区域；根据所述处理后的初始缺陷区域的面积值和预设面积阈值，确定目标缺陷区域。

在一可实施方式中，所述缺陷确定模块1140，具体用于：获取各个初始缺陷区域的中心点，得到各个中心点的位置信息；根据各个中心点的位置信息，确定各个中心点之间的距离；将满足距离阈值的中心点所对应的初始缺陷区域，进行区域融合。

在一可实施方式中，所述缺陷确定模块1140，具体用于：统计所述差分图像内像素点的灰度直方图；根据所述灰度直方图，确定所述差分图像的补偿值。

在一可实施方式中，所述装置还包括：

初始图像获取模块，用于在所述获取待测基板的待处理图像和模板图像之前，根据所述待测基板的尺寸，获取多张初始图像，其中，所述初始图像为关于所述待测基板内不同部位的图像；分别将所述多张初始图像作为所述待测基板的待处理图像。

根据本公开的实施例，本公开还提供了一种电子设备和一种可读存储介质。

图12示出了可以用来实施本公开的实施例的示例电子设备1200的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图12所示，设备1200包括计算单元1201，其可以根据存储在只读存储器(ROM)1202中的计算机程序或者从存储单元1208加载到随机访问存储器(RAM)1203中的计算机程序，来执行各种适当的动作和处理。在RAM 1203中，还可存储设备1200操作所需的各种程序和数据。计算单元1201、ROM 1202以及RAM 1203通过总线1204彼此相连。输入/输出(I/O)接口1205也连接至总线1204。

设备1200中的多个部件连接至I/O接口1205，包括：输入单元1206，例如键盘、鼠标等；输出单元1207，例如各种类型的显示器、扬声器等；存储单元1208，例如磁盘、光盘等；以及通信单元1209，例如网卡、调制解调器、无线通信收发机等。通信单元1209允许设备1200通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元1201可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1201的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元1201执行上文所描述的各个方法和处理，例如缺陷检测方法。例如，在一些实施例中，缺陷检测方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元1208。在一些实施例中，计算机程序的部分或者全部可以经由ROM 1202和/或通信单元1209而被载入和/或安装到设备1200上。当计算机程序加载到RAM 1203并由计算单元1201执行时，可以执行上文描述的缺陷检测方法的一个或多个步骤。备选地，在其他实施例中，计算单元1201可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行缺陷检测方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本公开的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

以上所述，仅为本公开的具体实施方式，但本公开的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本公开揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种缺陷检测方法，其特征在于，所述方法包括：

获取待测基板的待处理图像和模板图像；

将模板图像进行腐蚀和/或膨胀处理，得到目标模板图像；

将所述目标模板图像和所述待处理图像进行差分处理，得到差分图像；

通过对所述差分图像进行后处理，得到目标缺陷区域。

2.根据权利要求1所述的方法，其特征在于，在所述将所述目标模板图像和所述待处理图像进行差分处理之前，还包括：

确定所述目标模板图像和所述待处理图像之间的仿射变换矩阵；

根据所述仿射变换矩阵，将所述目标模板图像和所述待处理图像进行位置匹配。

3.根据权利要求2所述的方法，其特征在于，所述确定所述目标模板图像和所述待处理图像之间的仿射变换矩阵，包括：

确定所述目标模板图像的第一中心特征点和所述待处理图像的第二中心特征点；

通过所述第一中心特征点和所述第二中心特征点，确定所述仿射变换矩阵。

4.根据权利要求3所述的方法，其特征在于，所述确定所述目标模板图像的第一中心特征点和所述待处理图像的第二中心特征点，还包括：

通过形状匹配方法，确定所述目标模板图像的第一特征点和所述待处理图像的第二特征点；

根据所述第一特征点和所述第二特征点的位置信息，确定所述目标模板图像的第一中心特征点和所述待处理图像的第二中心特征点。

5.根据权利要求3所述的方法，其特征在于，所述通过所述第一中心特征点和所述第二中心特征点，确定所述仿射变换矩阵，包括：

通过计算所述第一中心特征点和所述第二中心特征点之间的欧氏距离和角度误差，得到误差向量；

构建所述误差向量的雅可比矩阵，通过最小二乘法计算所述雅可比矩阵，得到旋转角度、平移向量以及缩放因子；

通过所述旋转角度、平移向量以及缩放因子，构造所述仿射变换矩阵。

6.根据权利要求2所述的方法，其特征在于，所述将所述目标模板图像和所述待处理图像进行差分处理，得到差分图像，包括：

通过将所述第一目标模板图像内各个像素点的像素值减去所述待处理图像内对应位置的像素值，得到第一差分图像，其中，所述第一目标模板图像为通过腐蚀处理后的模板图像；和/或，

通过将所述待处理图像内各个像素点的像素值减去所述第一目标模板图像内对应位置的像素值，得到第二差分图像，其中，所述第二目标模板图像为通过膨胀处理后的模板图像。

7.根据权利要求1或6所述的方法，其特征在于，所述通过对所述差分图像进行后处理，得到目标缺陷区域，包括：

获取所述差分图像的补偿值；

通过所述补偿值和所述差分图像，得到目标差分图像；

获取预设像素阈值；

通过所述预设像素阈值，筛选出所述目标差分图像内的异常像素点，并通过所述异常像素点确定目标缺陷区域。

8.一种缺陷检测装置，其特征在于，所述装置包括：

图像获取模块，用于获取待测基板的待处理图像和模板图像；

目标图像获取模块，用于将模板图像进行腐蚀和/或膨胀处理，得到目标模板图像；

差分图像获取模块，用于将所述目标模板图像和所述待处理图像进行差分处理，得到差分图像；

缺陷确定模块，用于通过对所述差分图像进行后处理，得到目标缺陷区域。

9.一种电子设备，其特征在于，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。

10.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使计算机执行根据权利要求1-7中任一项所述的方法。