CN117056148B - 一种检测屏幕显示异常的方法 - Google Patents
一种检测屏幕显示异常的方法 Download PDFInfo
- Publication number
- CN117056148B CN117056148B CN202311102089.8A CN202311102089A CN117056148B CN 117056148 B CN117056148 B CN 117056148B CN 202311102089 A CN202311102089 A CN 202311102089A CN 117056148 B CN117056148 B CN 117056148B
- Authority
- CN
- China
- Prior art keywords
- image
- value
- residual
- images
- calculating
- 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
- 238000000034 method Methods 0.000 title claims abstract description 30
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 20
- 238000011156 evaluation Methods 0.000 claims abstract description 21
- 238000010586 diagram Methods 0.000 claims abstract description 15
- 238000010606 normalization Methods 0.000 claims abstract description 14
- 238000001514 detection method Methods 0.000 abstract description 4
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000001303 quality assessment method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/22—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing
- G06F11/2289—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing by configuration test
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/22—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing
- G06F11/26—Functional testing
- G06F11/263—Generation of test inputs, e.g. test vectors, patterns or sequences ; with adaptation of the tested hardware for testability with external testers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
Abstract
本发明公开一种检测屏幕显示异常的方法,包括如下步骤:采集N组系列图像,并记录每张图像的电机脉冲位置,每组系列图像中包括n张图像;计算每张图像的清晰度值并进行归一化处理,得到归一化处理后的清晰度值;建立焦度散点图;对焦度散点图进行拟合,得到最优拟合曲线p(·);计算N组系列图像中清晰度值与最优拟合曲线p(·)的残差residual,得到N组残差,根据所述N组残差的分布设置阈值,根据每组残差和所述阈值的关系判断屏幕是否显示异常。本发明通过采集系列图像,并计算系列图像的残差,根据系列图像的残差分布设置阈值,判断屏幕显示是否异常,并根据残差值的大小选择不同的清晰度评价函数,提高了检测的合理性。
Description
技术领域
本发明属于计算机视觉领域,特别涉及一种检测屏幕显示异常的方法。
背景技术
目前用于调整相机、镜头和物体三者之间相对关系的方法有爬山搜索对焦算法或者虚线拟合对焦算法,实现方式是通过相机系统控制镜头的电机驱动器,使其调整焦距。镜头会根据计算结果向前或向后移动,以使主体清晰呈现在画面中。
但是,这些对焦算法,不管在实际中有没有对焦成功,都会返回一个认为是对焦清楚的位置,缺乏对对焦的位置做出判断和质量评估。对于不同环境,不同的目的,现有的对焦算法,应该采用什么样的清晰度评价函数,并未清楚具体描述。也无法根据不同的场景,选择不同的清晰度评价函数。
对于光学仪器类的自动对焦,比如相机对着显示器,oled屏幕,手机屏幕等等,需要检测瑕疵或者量测相机到屏幕的距离或者物体尺寸量测,或者虚像距量测,首先得判断屏幕是否正常显示,是否出现未点亮,黑屏、闪屏、花屏等因素,否则会影响检测的合理性。
发明内容
本发明的目的,在于提供一种检测屏幕显示异常的方法,通过计算屏幕显示的系列图像的残差分布,判断屏幕是否显示异常,并根据残差的大小选择不同的清晰度评价函数。
为了达成上述目的,本发明的解决方案是:
一种检测屏幕显示异常的方法,包括如下步骤:
步骤1,采集自动对焦过程中的N组系列图像,并记录N组系列图像中的每张图像在采集时的电机脉冲位置,每组系列图像中包括n张图像,其中N≥1,n≥1;
步骤2,计算步骤1中每张图像的清晰度值并进行归一化处理,得到归一化处理后的清晰度值;
步骤3,建立步骤1中每张图像在采集时的电机脉冲位置和步骤2中每张图像归一化处理后的清晰度值的对应关系,得到N组系列图像的清晰度值随电机脉冲位置变化的焦度散点图;
步骤4,对步骤3中的焦度散点图进行拟合,得到最优拟合曲线p(·);
步骤5,计算N组系列图像中清晰度值与最优拟合曲线p(·)的残差residual,得到N组残差,公式如下所示:
其中,i表示i时刻,xi表示第i时刻的电机脉冲位置,yi表示i时刻采集图像的清晰度的值,p(xi)表示i时刻的电机脉冲位置对应的拟合多项式的值,即i时刻拟合的清晰度的值,n表示共采集n张图像;
步骤6,根据步骤5所述N组残差的分布设置阈值,根据每组残差和所述阈值的关系判断屏幕是否显示异常。
上述步骤1中,系列图像通过相机进行采集。
在上述步骤2计算每张图像的清晰度值之前,先选择清晰度评价函数。
上述选择清晰度评价函数的具体方法是:用每种清晰度评价函数计算每张图像的残差值,测量K组残差值,计算K组残差值的平均值,选择平均值最小的函数作为清晰度评价函数,其中K≥1。
上述清晰度评价函数包括但不限于梯度函数、方差函数和熵函数。
上述步骤2中,清晰度值的计算方法包括但不限于计算每张图像中像素的梯度变化和计算每张图像的高频成分。
上述步骤4中,通过曲线拟合算法对焦度散点图进行拟合。
上述曲线拟合算法包括高斯多项式拟合和最小二乘法。
上述步骤6中,若所述残差低于所述阈值,则屏幕显示正常;若所述残差高于所述阈值,则屏幕显示异常。
本发明通过采集系列图像,并计算系列图像的残差,根据系列图像的残差分布设置阈值,判断屏幕显示是否异常,并根据残差值的大小选择不同的清晰度评价函数,提高了检测的合理性。
附图说明
图1是本发明的流程图;
图2是本实施例的残差分布图;
图3是本实施例中的第一组系列图像的最优拟合曲线图;
图4是本实施例中的第二组系列图像的最优拟合曲线图;
图5是本实施例中的第三组系列图像的最优拟合曲线图;
图6是本实施例中的第一组系列图像的显示图;
图7是本实施例中的第二组系列图像的显示图;
图8是本实施例中的第三组系列图像的显示图。
具体实施方式
以下将结合附图,对本发明的技术方案及有益效果进行详细说明。
如图1所示,为本发明的流程图,包括如下步骤:
步骤1,采集自动对焦过程中的N组系列图像,并记录N组系列图像中的每张图像在采集时的电机脉冲位置,每组系列图像中包括n张图像,其中N≥1,n≥1;
步骤2,计算步骤1中每张图像的清晰度值并进行归一化处理,得到归一化处理后的清晰度值;
步骤3,建立步骤1中每张图像在采集时的电机脉冲位置和步骤2中每张图像归一化处理后的清晰度值的对应关系,得到N组系列图像的清晰度值随电机脉冲位置变化的焦度散点图;
步骤4,对步骤3中的焦度散点图进行拟合,得到最优拟合曲线p(·);
步骤5,计算N组系列图像中清晰度值与最优拟合曲线p(·)的残差residual,得到N组残差,公式如下所示:
其中,i表示i时刻,xi表示第i时刻的电机脉冲位置,yi表示i时刻采集图像的清晰度的值,p(xi)表示i时刻的电机脉冲位置对应的拟合多项式的值,即i时刻拟合的清晰度的值,n表示共采集n张图像;
步骤6,根据步骤5所述N组残差的分布设置阈值,根据每组残差和所述阈值的关系判断屏幕是否显示异常;
所述步骤1中,系列图像通过相机进行采集。
在所述步骤2计算每张图像的清晰度值之前,先选择清晰度评价函数。
所述选择清晰度评价函数的具体方法是:用每种清晰度评价函数计算每张图像的残差值,测量K组残差值,计算K组残差值的平均值,选择平均值最小的函数作为清晰度评价函数,其中K≥1。
所述清晰度评价函数包括但不限于梯度函数、方差函数和熵函数。
所述步骤2中,清晰度值的计算方法包括但不限于计算每张图像中像素的梯度变化和计算每张图像的高频成分。
所述步骤4中,通过曲线拟合算法对焦度散点图进行拟合。
所述曲线拟合算法包括高斯多项式拟合和最小二乘法。
所述步骤6中,若所述残差低于所述阈值,则屏幕显示正常;若所述残差高于所述阈值,则屏幕显示异常。
在本实施例中,通过五个相机,共采集了一万组系列图像,每组系列图像采集了24张图像,残差分布图如图2所示,根据图2所示的残差分布图,设置阈值为0.04,取三组系列图像作具体说明,如图3所示,为本实施例中的第一组系列图像的最优拟合曲线图,对24个焦度散点进行拟合,得到最优拟合曲线p(x1)=-(0.000000003x3+0.000092x2+0.821x+2414.333),根据残差公式计算,得到第一组系列图像的残差residual=0.01112798,所述残差低于所设阈值,屏幕显示正常,此时屏幕显示如图6所示。
如图4所示,为本实施例中的第二组系列图像的最优拟合曲线图,对24个焦度散点进行拟合,得到最优拟合曲线p(x2)=-(0.000000201x3+0.004851x2+38.917x+104071.626),根据残差公式 计算,得到第二组系列图像的残差residual=0.19681797,所述残差高于所设阈值,屏幕显示异常,此时屏幕显示如图7所示。
如图5所示,为本实施例中的第三组系列图像的最优拟合曲线图,对24个焦度散点进行拟合,得到最优拟合曲线p(x3)=-(0.000000141x3+0.003395x2+27.158x+72415.693),根据残差公式 计算,得到第三组系列图像的残差residual=0.16808915,所述残差高于所设阈值,屏幕显示异常,此时屏幕显示如图8所示。
综合以上,本发明提供一种检测屏幕显示异常的方法,包括如下步骤:采集自动对焦过程中的N组系列图像,并记录N组系列图像中的每张图像在采集时的电机脉冲位置,每组系列图像中包括n张图像,其中N≥1,n≥1;计算每张图像的清晰度值并进行归一化处理,得到归一化处理后的清晰度值;建立每张图像在采集时的电机脉冲位置和每张图像归一化处理后的清晰度值的对应关系,得到N组系列图像的清晰度值随电机脉冲位置变化的焦度散点图;对焦度散点图进行拟合,得到最优拟合曲线p(·);计算N组系列图像中清晰度值与最优拟合曲线p(·)的残差residual,得到N组残差,根据所述N组残差的分布设置阈值,根据每组残差和所述阈值的关系判断屏幕是否显示异常。本发明通过采集系列图像,并计算系列图像的残差,根据系列图像的残差分布设置阈值,判断屏幕显示是否异常,并根据残差值的大小选择不同的清晰度评价函数,提高了检测的合理性。
以上实施例仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明保护范围之内。
Claims (9)
1.一种检测屏幕显示异常的方法,其特征在于,包括如下步骤:
步骤1,采集自动对焦过程中的组系列图像,并记录/>组系列图像中的每张图像在采集时的电机脉冲位置,每组系列图像中包括/>张图像,其中/>;
步骤2,计算步骤1中每张图像的清晰度值并进行归一化处理,得到归一化处理后的清晰度值;
步骤3,建立步骤1中每张图像在采集时的电机脉冲位置和步骤2中每张图像归一化处理后的清晰度值的对应关系,得到组系列图像的清晰度值随电机脉冲位置变化的焦度散点图;
步骤4,对步骤3中的焦度散点图进行拟合,得到最优拟合曲线;
步骤5,计算组系列图像中清晰度值与最优拟合曲线/>的残差/>,得到组残差,公式如下所示:
其中,i表示i时刻,/>表示第i时刻的电机脉冲位置,表示i时刻采集图像的清晰度的值,/>表示i时刻的电机脉冲位置对应的拟合多项式的值,即i时刻拟合的清晰度的值,/>表示共采集/>张图像;
步骤6,根据步骤5所述N组残差的分布设置阈值,根据每组残差和所述阈值的关系判断屏幕是否显示异常。
2.如权利要求1所述的方法,其特征在于,所述步骤1中,系列图像通过相机进行采集。
3.如权利要求1所述的方法,其特征在于,在所述步骤2计算每张图像的清晰度值之前,先选择清晰度评价函数。
4.如权利要求3所述的方法,其特征在于:所述选择清晰度评价函数的具体方法是:用每种清晰度评价函数计算每张图像的残差值,测量组残差值,计算/>组残差值的平均值,选择平均值最小的函数作为清晰度评价函数,其中/>。
5.如权利要求3或4所述的方法,其特征在于,所述清晰度评价函数包括但不限于梯度函数、方差函数和熵函数。
6.如权利要求1所述的方法,其特征在于,所述步骤2中,清晰度值的计算方法包括但不限于计算每张图像中像素的梯度变化和计算每张图像的高频成分。
7.如权利要求1所述的方法,其特征在于,所述步骤4中,通过曲线拟合算法对焦度散点图进行拟合。
8.如权利要求7所述的方法,其特征在于,所述曲线拟合算法包括高斯多项式拟合和最小二乘法。
9.如权利要求1所述的方法,其特征在于,所述步骤6中,若所述残差低于所述阈值,则屏幕显示正常;若所述残差高于所述阈值,则屏幕显示异常。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311102089.8A CN117056148B (zh) | 2023-08-30 | 2023-08-30 | 一种检测屏幕显示异常的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311102089.8A CN117056148B (zh) | 2023-08-30 | 2023-08-30 | 一种检测屏幕显示异常的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117056148A CN117056148A (zh) | 2023-11-14 |
CN117056148B true CN117056148B (zh) | 2024-02-09 |
Family
ID=88658836
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311102089.8A Active CN117056148B (zh) | 2023-08-30 | 2023-08-30 | 一种检测屏幕显示异常的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117056148B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013196525A (ja) * | 2012-03-22 | 2013-09-30 | Nec Corp | 撮影画像処理装置及び撮影画像処理方法 |
KR20140121068A (ko) * | 2013-04-05 | 2014-10-15 | 엘지디스플레이 주식회사 | 평판디스플레이의 얼룩 검사 방법 및 장치 |
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 |
CN113176274A (zh) * | 2021-03-19 | 2021-07-27 | 哈工大机器人(中山)无人装备与人工智能研究院 | 一种用于显示面板缺陷检测的自动对焦方法、装置及系统 |
CN114819627A (zh) * | 2022-04-25 | 2022-07-29 | 武汉万驰机械设备租赁有限公司 | 一种基于机器视觉的高清电子屏生产质量智能监测分析系统 |
CN114913121A (zh) * | 2022-03-31 | 2022-08-16 | 联想(北京)有限公司 | 一种屏幕缺陷检测系统、方法、电子设备及可读存储介质 |
CN115439395A (zh) * | 2021-06-04 | 2022-12-06 | 武汉Tcl集团工业研究院有限公司 | 显示面板的缺陷检测方法、装置、存储介质及电子设备 |
CN116337412A (zh) * | 2023-02-08 | 2023-06-27 | 歌尔股份有限公司 | 屏幕检测方法、设备及存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102009015007A1 (de) * | 2009-03-26 | 2010-10-21 | Siemens Aktiengesellschaft | Verfahren zur Auswertung einer Zeitserie von zweidimensionalen Bildern einer Testbolusmessung und medizinische Bildaufnahmeeinrichtung |
CN106200047B (zh) * | 2016-08-29 | 2019-03-22 | 武汉精测电子集团股份有限公司 | 一种基于GPU的TFT-LCD Mura缺陷检测的方法 |
JP2019092079A (ja) * | 2017-11-15 | 2019-06-13 | 富士ゼロックス株式会社 | 画像形成装置、プログラム及び画像形成システム |
-
2023
- 2023-08-30 CN CN202311102089.8A patent/CN117056148B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013196525A (ja) * | 2012-03-22 | 2013-09-30 | Nec Corp | 撮影画像処理装置及び撮影画像処理方法 |
KR20140121068A (ko) * | 2013-04-05 | 2014-10-15 | 엘지디스플레이 주식회사 | 평판디스플레이의 얼룩 검사 방법 및 장치 |
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 |
CN113176274A (zh) * | 2021-03-19 | 2021-07-27 | 哈工大机器人(中山)无人装备与人工智能研究院 | 一种用于显示面板缺陷检测的自动对焦方法、装置及系统 |
CN115439395A (zh) * | 2021-06-04 | 2022-12-06 | 武汉Tcl集团工业研究院有限公司 | 显示面板的缺陷检测方法、装置、存储介质及电子设备 |
CN114913121A (zh) * | 2022-03-31 | 2022-08-16 | 联想(北京)有限公司 | 一种屏幕缺陷检测系统、方法、电子设备及可读存储介质 |
CN114819627A (zh) * | 2022-04-25 | 2022-07-29 | 武汉万驰机械设备租赁有限公司 | 一种基于机器视觉的高清电子屏生产质量智能监测分析系统 |
CN116337412A (zh) * | 2023-02-08 | 2023-06-27 | 歌尔股份有限公司 | 屏幕检测方法、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN117056148A (zh) | 2023-11-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2549738B1 (en) | Method and camera for determining an image adjustment parameter | |
US20120307108A1 (en) | System and method to capture depth data of an image | |
US20080074529A1 (en) | Imaging apparatus, control method of imaging apparatus, and computer program | |
TWI393980B (zh) | The method of calculating the depth of field and its method and the method of calculating the blurred state of the image | |
JP4839183B2 (ja) | 画像処理装置 | |
US8355064B2 (en) | Noise reduction for machine vision systems | |
CN105953741B (zh) | 一种钢结构局部几何变形的测量系统和方法 | |
US8355063B2 (en) | Camera noise reduction for machine vision systems | |
CN115862259B (zh) | 一种基于温度监测的火警预警系统 | |
CN111612773B (zh) | 一种红外热像仪及实时自动盲元检测处理方法 | |
WO2012063533A1 (ja) | 画像処理装置 | |
JP2008281385A (ja) | 画像処理装置 | |
CN117579814B (zh) | 基于对焦检测的镜头快速检测方法 | |
CN117056148B (zh) | 一种检测屏幕显示异常的方法 | |
US8654217B2 (en) | Device and method for detecting dust on an image sensor | |
CN113298764A (zh) | 基于图像噪声分析的高速相机成像质量分析方法 | |
CN116934833A (zh) | 基于双目视觉水下结构病害检测方法、设备及介质 | |
JP2009088884A (ja) | 撮像データにおける動きベクトル検出方法と装置 | |
CN111062887B (zh) | 基于改进的Retinex算法的图像清晰度判定方法 | |
JP2021190515A (ja) | ワーク取り残し判定システム | |
CN111723642A (zh) | 定位显微术中定位信号源的方法 | |
JP4467702B2 (ja) | 影変化領域判定装置、これを用いた画像判定装置および画像生成装置、並びにこれに用いられる影強度比演算装置 | |
CN112053310B (zh) | 一种ccd图像中空间目标的拖尾星象定心方法 | |
JP2005345590A (ja) | 撮像装置の検査方法及び検査装置 | |
CN113920065B (zh) | 用于工业现场的视觉检测系统成像质量评价方法 |
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 |