CN117252872B - 一种手机屏幕缺陷视觉检测方法及系统 - Google Patents
一种手机屏幕缺陷视觉检测方法及系统 Download PDFInfo
- Publication number
- CN117252872B CN117252872B CN202311523668.XA CN202311523668A CN117252872B CN 117252872 B CN117252872 B CN 117252872B CN 202311523668 A CN202311523668 A CN 202311523668A CN 117252872 B CN117252872 B CN 117252872B
- Authority
- CN
- China
- Prior art keywords
- light leakage
- mobile phone
- suspected
- screen
- phone screen
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 27
- 238000001514 detection method Methods 0.000 title claims abstract description 21
- 230000000007 visual effect Effects 0.000 title claims abstract description 13
- 238000000034 method Methods 0.000 claims description 22
- 230000002159 abnormal effect Effects 0.000 claims description 19
- 238000004458 analytical method Methods 0.000 claims description 18
- 230000011218 segmentation Effects 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 230000002708 enhancing effect Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 238000011179 visual inspection Methods 0.000 claims description 4
- 230000005856 abnormality Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 2
- 230000003247 decreasing effect Effects 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000001965 increasing effect Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 230000023077 detection of light stimulus Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- 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
- G06T7/90—Determination of colour characteristics
-
- 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
- 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)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Image Processing (AREA)
Abstract
本发明涉及图像处理技术领域，具体涉及一种手机屏幕缺陷视觉检测方法及系统，包括：采集屏幕图像获取待检测图像；根据待检测图像获取正常显示区域和疑似漏光区域；根据疑似漏光区域中每个像素点的灰度值获得灰度偏离程度；根据疑似漏光区域中每个像素点的灰度偏离程度获得漏光概率；根据每个像素点的漏光概率获得所有漏光像素点；根据每个漏光像素点与待检测图像的边缘距离获得增强必要性；根据每个像素点的漏光概率和增强必要性获得每个像素点增强后的灰度值，进而获取增强后的屏幕图像。本发明旨在解决低亮度环境待检测图像存在噪点，经过全局线性增强后噪点会影响到漏光程度的判断的问题，达到提高屏幕缺陷检测准确率的目的。
Description
技术领域
本发明涉及图像处理技术领域，具体涉及一种手机屏幕缺陷视觉检测方法及系统。
背景技术
手机是当前社会信息的重要载体，而手机屏幕是手机的核心部件，屏幕显示的质量会直接影响用户的使用体验；受限于目前技术存在一定的缺陷，使得手机屏幕背光系统或显示面板出现漏光现象，即在手机屏幕显示黑色画面时一些光线从屏幕边缘或角落泄漏出来，导致黑色界面下亮度显示不均匀，因此在屏幕的生产过程中需要对屏幕漏光进行检测。
目前对漏光检测通常是在屏幕生产过程中，使用生产线的光度计在显示黑色界面时判断亮度显示的均匀程度判断屏幕是否存在漏光，但低亮度环境下采集的屏幕图像漏光可能不明显，因此需要进行对屏幕图像增强以便更好的使用光度计检测，但在低亮度环境下可能存在较多的噪点，使得经过全局线性增强后噪点会影响到漏光程度的判断，造成检测的误差。
发明内容
本发明提供一种手机屏幕缺陷视觉检测方法及系统，以解决现有的低亮度环境下可能存在较多的噪点，使得经过全局线性增强后噪点会影响到漏光程度的判断，造成检测的误差问题。
本发明的一种手机屏幕缺陷视觉检测方法及系统采用如下技术方案：
本发明一个实施例提供了一种手机屏幕缺陷视觉检测方法，该方法包括以下步骤：
采集屏幕图像获取待检测图像；
根据待检测图像获取正常显示区域和疑似漏光区域；根据正常显示区域和疑似漏光区域中像素点的灰度差异获得疑似漏光区域中每个像素点的灰度值的灰度偏离程度；根据疑似漏光区域中每个像素点的灰度偏离程度获得疑似漏光区域中每个像素点的漏光概率；根据每个像素点的漏光概率获得待检测图像中所有漏光像素点；根据每个漏光像素点与待检测图像的边缘距离获得每个漏光像素点的增强必要性；根据每个像素点的漏光概率和增强必要性获得每个像素点增强后的灰度值，进而获取增强后的屏幕图像；
利用光度计检测增强后的屏幕图像。
进一步的，所述根据待检测图像获取正常显示区域和疑似漏光区域包括：
将第个手机屏幕的待检测图像记为/>，使用大津阈值分割算法计算待检测图像的分割阈值，使用分割阈值将第/>个手机屏幕的待检测图像/>分为异常显示区域/>和正常显示区域/>，计算第/>个手机屏幕的异常显示区域/>的平均灰度值/>和正常显示区域/>的平均灰度值/>，预设异常判断阈值/>，当异常显示区域和正常显示区域的平均灰度值满足时，将第/>个手机屏幕的异常显示区域记为疑似漏光区域；当异常显示区域和正常显示区域的平均灰度值满足/>时，将第/>个手机屏幕记为合格屏幕，采集第/>个手机屏幕的待检测图像，进行第/>个手机屏幕的漏光检测。
进一步的，所述获得疑似漏光区域中每个像素点的灰度值的灰度偏离程度包括：
第个手机屏幕的第/>个疑似漏光区域中第/>个像素点的灰度偏离程度/>的计算方式为：
其中，为第/>个手机屏幕的第/>个疑似漏光区域中第/>个像素点的灰度值，/>第/>个手机屏幕的正常显示区域的平均灰度值。
进一步的，所述获得疑似漏光区域中每个像素点的漏光概率包括：
将第个像素点所属的灰度偏离程度序列的最大值记为第/>个像素点的第/>个极大值点，极大值点为第/>个像素点所属一组像素点的第/>个像素点，第/>个手机屏幕的第/>个疑似漏光区域中第/>个像素点的漏光概率的计算方式为：
其中，为第/>个手机屏幕的第/>个疑似漏光区域中第/>个像素点的第/>个极大值点的灰度偏离程度，/>为第/>个手机屏幕的第/>个疑似漏光区域中第/>个像素点的灰度偏离程度，/>为在第/>个极大值点到第/>个像素点之间的第/>个像素点的灰度偏离程度，为在灰度偏离程度序列中第/>个极大值点到第/>个像素点之间的第/>个像素点的灰度偏离程度，/>为误差参数，/>为以自然常数为底的指数函数。
进一步的，所述灰度偏离程度序列的获取方式包括：
获取距离第个手机屏幕的第/>个疑似漏光区域/>最近的屏幕边缘，记为第/>个手机屏幕的第/>个疑似漏光区域的最近屏幕边缘，沿最近屏幕边缘做法线获得法线方向，根据最近屏幕边缘的法线方向将第/>个手机屏幕的第/>个疑似漏光区域/>中的像素点分为若干组像素点，疑似漏光区域中与法线方向平行的每一行或每一列的所有像素点为一组像素点，获取第/>个手机屏幕的第/>个疑似漏光区域中每一组像素点的灰度偏离程度构成一组灰度偏离程度序列。
进一步的，所述根据每个像素点的漏光概率获得待检测图像中所有漏光像素点包括：
预设漏光阈值，当第/>个手机屏幕的第/>个疑似漏光区域中第/>个像素点的漏光概率/>满足/>时，将第/>个手机屏幕的第/>个疑似漏光区域中第/>个像素点记为漏光像素点；当第/>个手机屏幕的第/>个疑似漏光区域中第/>个像素点的漏光概率/>满足时，将第/>个手机屏幕的第/>个疑似漏光区域中第/>个像素点的漏光概率记为0；使用漏光阈值对第/>个手机屏幕的所有疑似漏光区域中每个漏光像素点的漏光概率进行判断，获得第/>个手机屏幕的所有漏光像素点。
进一步的，所述根据每个漏光像素点与待检测图像的边缘距离获得每个漏光像素点的增强必要性包括：
第个手机屏幕的第/>个疑似漏光区域中第/>个漏光像素点的增强必要性/>的计算方式为：
式中，为第/>个手机屏幕的第/>个疑似漏光区域中第/>个漏光像素点的漏光概率，/>为第/>个手机屏幕的第/>个疑似漏光区域中第/>个漏光像素点的增强分析集合的漏光概率均值，/>为第/>个手机屏幕的第/>个疑似漏光区域中第/>个漏光像素点的增强分析集合的漏光概率个数，/>为第/>个手机屏幕的第/>个疑似漏光区域中第/>个漏光像素点的增强分析集合的第/>个漏光概率，/>为线性归一化函数，/>为以自然常数为底的指数函数。
进一步的，所述增强分析集合的获取方式包括：
获取距离第个手机屏幕的第/>个疑似漏光区域中第/>个漏光像素点最近的屏幕边缘，记为第/>个手机屏幕的第/>个疑似漏光区域中第/>个漏光像素点的最近屏幕边缘，获取第个手机屏幕的第/>个疑似漏光区域中第/>个漏光像素点到最近屏幕边缘之间所有像素点的漏光概率，所有的漏光概率构成第/>个手机屏幕的第/>个疑似漏光区域中第/>个漏光像素点的增强分析集合。
进一步的，所述根据每个像素点的漏光概率和增强必要性获得每个像素点增强后的灰度值包括：
第个手机屏幕的第/>个疑似漏光区域中第/>个漏光像素点增强后的灰度值/>的计算方式为：
其中，为第/>个手机屏幕的第/>个疑似漏光区域中第/>个漏光像素点的灰度值，/>为第/>个手机屏幕的第/>个疑似漏光区域中第/>个漏光像素点的增强必要性，/>为第/>个手机屏幕的第/>个疑似漏光区域中第/>个漏光像素点的漏光概率。
进一步的，一种手机屏幕缺陷视觉检测系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序实现如任意一项所述的一种手机屏幕缺陷视觉检测方法。
本发明的技术方案的有益效果是：本发明通过采集屏幕图像获取待检测图像，并根据待检测图像的灰度值将待检测图像分为正常显示区域和疑似漏光区域，进而获取疑似漏光区域中每个像素点的灰度偏离程度，达到提取可能存在漏光的屏幕区域，并用于漏光特征的分析，进而实现屏幕缺陷的检测；根据每个像素点的灰度偏离程度获得每个像素点的漏光概率，根据漏光概率获得待检测图像中所有的漏光像素点，根据漏光像素点获得每个像素点的增强必要性，消除了噪声对漏光检测产生的误判，避免屏幕中心的噪声误判为漏光区域；根据每个像素点的增强必要性和漏光概率对待检测图像的灰度值增强，达到仅对漏光区域增强的目的，结合光度计用于屏幕缺陷检测。
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，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地介绍，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他的附图。
图1为本发明一种手机屏幕缺陷视觉检测方法的步骤流程图；
图2为屏幕处于低亮度环境并显示纯黑色图像的示意图。
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手机屏幕缺陷视觉检测方法及系统，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。
下面结合附图具体的说明本发明所提供的一种手机屏幕缺陷视觉检测方法及系统的具体方案。
请参阅图1，其示出了本发明一个实施例提供的一种手机屏幕缺陷视觉检测方法的步骤流程图，该方法包括以下步骤：
步骤S001、采集屏幕漏光的待检测图像。
本实施例的目的是提取手机屏幕的漏光区域，将漏光区域进行图像增强使得其更明显，进而用于光度计的漏光检测，因此首先需要采集手机屏幕获得待检测区域；本实施例通过在手机屏幕生产线安装漏光监测模块，并使在手机屏幕通过漏光检测模块时，屏幕处于低亮度环境并显示纯黑色图像，如图2所示；此时使用工业相机采集手机屏幕区域的RGB图像，使用均值灰度化算法将手机屏幕区域的RGB图像灰度化，获得的灰度图像记为手机屏幕的待检测图像。均值灰度化算法为现有公知技术，本发明不做过多阐述。
至此，获取到了手机屏幕区域的待检测图像。
步骤S002、使用大津算法获取待检测图像中正常显示区域疑似漏光区域，根据疑似漏光区域中每个像素点相较于正常显示区域中像素点的灰度值差异，获得疑似漏光区域中每个像素点的灰度偏离程度。
需要说明的是，手机屏幕的漏光常出现于手机屏幕边缘并向屏幕内部延伸，由于待检测图像是手机屏幕在显示黑色下采集的，那么漏光会导致屏幕边缘或内部的像素点的灰度值增大，相较于正常显示的黑色灰度值增大，并且漏光呈现为从屏幕边缘想内部的延伸区域，区域内的像素点灰度值较高，因此本实施例基于上述逻辑，将待检测图像分为高亮度的异常显示区域和低亮度的正常显示区域，并判断正常显示区域和异常显示区域的差异获得疑似漏光区域，进而根据疑似漏光区域中的每个像素点的灰度值获得疑似漏光区域中每个像素点的灰度偏离程度。
具体的，获取到了第个手机屏幕的待检测图像/>后，使用大津阈值分割算法计算待检测图像的分割阈值，使用分割阈值将第/>个手机屏幕的待检测图像分为异常显示区域和正常显示区域/>，计算第/>个手机屏幕的异常显示区域/>的平均灰度值/>和正常显示区域/>的平均灰度值/>，预设异常判断阈值/>，本实施例使用/>进行叙述，当异常显示区域和正常显示区域的平均灰度值满足/>时，说明第/>个手机屏幕的异常显示区域相较于正常显示区域的差异较大，需要进行漏光检测判断是否为屏幕缺陷导致的漏光，将第/>个手机屏幕的异常显示区域记为疑似漏光区域；当异常显示区域和正常显示区域的平均灰度值满足/>时，说明第/>个手机屏幕的异常显示区域相较于正常显示区域的差异在可允许误差范围之内，则将第/>个手机屏幕记为合格屏幕，采集第/>个手机屏幕的待检测图像，进行第/>个手机屏幕的漏光检测。
进一步需要说明的是，若第个手机屏幕包含疑似漏光区域，则疑似漏光区域中每个像素点相较于正常显示区域存在一定的灰度值差异，且越靠近屏幕边缘的像素点的灰度值差异越大，越靠近屏幕中心的灰度值差异越小，因此本实施例根据第/>个手机屏幕的疑似漏光区域中每个像素点的灰度值与正常显示区域的平均灰度值，获取第/>个手机屏幕的疑似漏光区域中每个像素点的灰度偏离程度。需要说明的是，第/>个手机屏幕可能存在多个漏光的边缘，那么第/>个手机屏幕可能包含多个疑似漏光区域。
具体的，第个手机屏幕的第/>个疑似漏光区域中第/>个像素点的灰度偏离程度的计算方式为：
其中，为第/>个手机屏幕的第/>个疑似漏光区域中第/>个像素点的灰度偏离程度，/>为第/>个手机屏幕的第/>个疑似漏光区域中第/>个像素点的灰度值，/>第/>个手机屏幕的正常显示区域的平均灰度值。像素点的灰度偏离程度表示疑似漏光区域中像素点的漏光程度，疑似漏光区域中像素点相较于正常显示区域的灰度值差异越大，则越可能是漏光导致的，那么越需要使用光度计检测是否存在漏光。同理，获取第/>个手机屏幕的所有疑似漏光区域中每个像素点的灰度偏离程度。
至此，获取到了手机屏幕的所有疑似漏光区域中每个像素点的灰度偏离程度。
步骤S003、根据光线传播特性获取疑似漏光区域中每个像素点的漏光概率，进而获取漏光像素点。
需要说明的是，手机屏幕漏光主要是从屏幕边缘缝隙中透出，使得屏幕边缘的像素点的灰度值最大，贴近屏幕边缘的疑似漏光区域像素点的灰度偏离程度最大；而光线以屏幕玻璃为传播介质向屏幕中心区域传播时，根据光的传播过程中光照强度衰减遵循与传播的距离的平方呈反比例关系，随着像素点远离屏幕边缘其灰度偏离程度的取值逐渐减小，呈现递减趋势，则在一个疑似漏光区域中，若区域内的像素点的灰度偏离程度呈现依次递减的趋势，那么这个像素点越可能是漏光像素点。
进一步需要说明的是，由于待检测图像是在低亮度条件下采集的，因此待检测图像存在大量噪点，这些噪点经过大津阈值分割算法被误判为疑似漏光区域，在待检测图像中呈现区域性分布而非贴近屏幕边缘，因此本实施例通过获取与每个疑似漏光区域最近的屏幕边缘，并分析每个像素点沿最近屏幕边缘法线方向下，灰度偏离程度是否存在依次递减的趋势，获得每个像素点的漏光概率，进而获取漏光像素点。
具体的，获取距离第个手机屏幕的第/>个疑似漏光区域/>最近的屏幕边缘，记为第/>个手机屏幕的第/>个疑似漏光区域的最近屏幕边缘，沿最近屏幕边缘做法线获得法线方向，由于手机屏幕是矩形的，因此法线方向为横向或纵向的，根据最近屏幕边缘的法线方向将第/>个手机屏幕的第/>个疑似漏光区域/>中的像素点分为若干组像素点，疑似漏光区域中与法线方向平行的每一行或每一列的所有像素点为一组像素点，获取第/>个手机屏幕的第/>个疑似漏光区域中每一组像素点的灰度偏离程度构成一组像素点的灰度偏离程度序列，选取第/>个像素点所属的灰度偏离程度序列的最大值记为第/>个像素点的第/>个极大值点，极大值点为第/>个像素点所属一组像素点的第/>个像素点，第/>个手机屏幕的第/>个疑似漏光区域中第/>个像素点的漏光概率的计算方式为：
其中，为第/>个手机屏幕的第/>个疑似漏光区域中第/>个像素点的漏光概率，为第/>个手机屏幕的第/>个疑似漏光区域中第/>个像素点的第/>个极大值点的灰度偏离程度，/>为第/>个手机屏幕的第/>个疑似漏光区域中第/>个像素点的灰度偏离程度，/>为在灰度偏离程度序列中第/>个极大值点到第/>个像素点之间的第/>个像素点的灰度偏离程度，为在第/>个极大值点到第/>个像素点之间的第/>个像素点的灰度偏离程度，/>为误差参数避免分母为0，/>为以自然常数为底的指数函数。/>表示第/>个手机屏幕的第/>个疑似漏光区域中第/>个像素点到第/>个极大值点之间的灰度偏离程度差值，取值越大说明随着屏幕漏光光线传播距离，像素点的灰度值变化程度，变化越大说明传播距离越远；表示第/>个手机屏幕的第/>个疑似漏光区域中第/>个像素点到第/>个极大值点之间，每个像素点与相邻像素点的灰度偏离程度差值的绝对值之和，若第/>个手机屏幕的第/>个疑似漏光区域为漏光区域，则第/>个手机屏幕的第/>个疑似漏光区域中第/>个像素点到第/>个极大值点之间的每个像素点都满足依次递减的规律，此时/>的取值越趋近于1，第/>个像素点的漏光概率取值越大。
同理，获取第个手机屏幕的所有疑似漏光区域中每个像素点的漏光概率。
进一步的，预设漏光阈值，本实施例使用/>进行叙述，当第/>个手机屏幕的第/>个疑似漏光区域中第/>个像素点的漏光概率/>满足/>时，说明第/>个手机屏幕的第/>个疑似漏光区域中第/>个像素点满足漏光区域的光线传播呈现依次递减的规律，将第个手机屏幕的第/>个疑似漏光区域中第/>个像素点记为漏光像素点；当第/>个手机屏幕的第/>个疑似漏光区域中第/>个像素点的漏光概率/>满足/>时，说明第/>个手机屏幕的第/>个疑似漏光区域中第/>个像素点到其所处灰度偏离序列的极大值之间，不满足依次递减的规律，可能是由噪声区域，将第/>个手机屏幕的第/>个疑似漏光区域中第/>个像素点的漏光概率记为0。使用漏光阈值对第/>个手机屏幕的所有疑似漏光区域中每个漏光像素点的漏光概率进行判断，获得第/>个手机屏幕的所有漏光像素点。需要说明的是，由于第/>个手机屏幕的正常显示区域/>中每个像素点都不存在漏光的可能，因此将正常显示区域中的所有像素点的漏光概率都记为0。
至此，获取到了手机屏幕的所有漏光像素点。
步骤S004、根据漏光像素点与最近屏幕边缘获得每个漏光像素点的增强必要性。
需要说明的是，采集图像的过程中可能存在噪声，使得部分处于屏幕图像中间的灰度偏离程度较高的噪声像素点也被误判为漏光像素点，在手机屏幕中间也呈现区域性的依次递减的特征，但这些噪声导致的漏光像素点到边缘之间存在漏光概率为0的像素点，而真实漏光的漏光像素点到其边缘的所有像素点的漏光概率较大，因此本实施例通过每个漏光像素点到距离该漏光像素点最近边缘之间的所有漏光像素点的漏光概率，获得每个漏光像素点的增强必要性。
具体的，获取距离第个手机屏幕的第/>个疑似漏光区域中第/>个漏光像素点最近的屏幕边缘，记为第/>个手机屏幕的第/>个疑似漏光区域中第/>个漏光像素点的最近屏幕边缘，获取第/>个手机屏幕的第/>个疑似漏光区域中第/>个漏光像素点到最近屏幕边缘之间所有像素点的漏光概率，所有的漏光概率构成第/>个手机屏幕的第/>个疑似漏光区域中第/>个漏光像素点的增强分析集合，则第/>个手机屏幕的第/>个疑似漏光区域中第/>个漏光像素点的增强必要性/>的计算方式为：
式中，为第/>个手机屏幕的第/>个疑似漏光区域中第/>个漏光像素点的增强必要性，/>为第/>个手机屏幕的第/>个疑似漏光区域中第/>个漏光像素点的漏光概率，/>为第/>个手机屏幕的第/>个疑似漏光区域中第/>个漏光像素点的增强分析集合的漏光概率均值，/>为第/>个手机屏幕的第/>个疑似漏光区域中第/>个漏光像素点的增强分析集合的漏光概率个数，/>为第/>个手机屏幕的第/>个疑似漏光区域中第/>个漏光像素点的增强分析集合中第/>个漏光概率，/>为线性归一化函数，取值范围为/>，/>为以自然常数为底的指数函数。/>为第/>个手机屏幕的第/>个疑似漏光区域中第/>个漏光像素点的漏光概率与其增强分析集合的漏光概率均值之比，取值越大说明第/>个手机屏幕的第/>个疑似漏光区域中第/>个漏光像素点与其增强分析集合中的像素点的漏光概率相同，则说明这些像素点都是漏光的，那么第/>个手机屏幕的第/>个疑似漏光区域中第/>个漏光像素点越可能是真实的漏光像素点，则增强必要性越高；/>为增强分析集合中每个像素点的漏光概率与漏光概率均值的差值，差值越小说明增强分析集合中所有像素点都是漏光的，进而说明第/>个手机屏幕的第/>个疑似漏光区域中第/>个漏光像素点是贴近屏幕边缘的而非处于屏幕中间的，属于真实的漏光像素点的可能性越高，则增强必要性越高。
同理，获取手机屏幕中所有漏光像素点的增强分析集合，根据手机屏幕中每个漏光像素点的增强分析集合和灰度偏离程度获取所有漏光像素点的增强必要性。
至此，获取到了手机屏幕的所有漏光像素点的增强必要性。
步骤S005、根据漏光像素点的增强必要性获得增强后的屏幕图像。
需要说明的是，获取到了每个漏光像素点的漏光概率和增强必要性后，漏光概率较大的像素点越需要增强明显；增强必要性越大说明这些漏光像素点越符合屏幕边缘漏光的可能，因此越需要明显增强，以便光度计检测手机屏幕是否漏光。因此本实施例根据每个漏光像素点的漏光概率和增强必要性结合其灰度值获得增强后的灰度值。
具体的，第个手机屏幕的第/>个疑似漏光区域中第/>个漏光像素点增强后的灰度值的计算方式为：
其中，为第/>个手机屏幕的第/>个疑似漏光区域中第/>个漏光像素点增强后的灰度值，/>为第/>个手机屏幕的第/>个疑似漏光区域中第/>个漏光像素点的灰度值，/>为第/>个手机屏幕的第/>个疑似漏光区域中第/>个漏光像素点的增强必要性，/>为第/>个手机屏幕的第/>个疑似漏光区域中第/>个漏光像素点的漏光概率。/>为第/>个手机屏幕的第/>个疑似漏光区域中第/>个漏光像素点的增强系数，取值越大说明第/>个手机屏幕的第/>个疑似漏光区域中第/>个漏光像素点越可能是漏光像素点，越需要增强，则第/>个手机屏幕的第/>个疑似漏光区域中第/>个漏光像素点增强后的灰度值越大。
同理，使用手机屏幕中每个漏光像素点的漏光概率和增强必要性作为增强系数对每个漏光像素点的灰度值增强，获得手机屏幕中每个漏光像素点增强后的漏光像素点，所有增强后的漏光像素点和所有漏光概率为0的像素点构成了增强后的屏幕图像。
至此，获取到了手机屏幕中增强后的屏幕图像。
步骤S006、利用光度计对增强后的屏幕图像检测。
需要说明的是，获取到了手机屏幕中增强后的屏幕图像后，将增强后的屏幕图像输入到光度计设备中，读取光度计的亮度均匀程度数值并设置手机屏幕漏光标准，当一个手机屏幕的光度计的数值大于手机屏幕的漏光标准时，将这个手机屏幕人为标记为不合格品；当一个手机屏幕的光度计的数值小于手机屏幕的漏光标准时，将这个手机屏幕人为标记为合格品，完成手机屏幕的漏光检测。
本发明实施例提供的一种手机屏幕缺陷视觉检测系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序实现如上述步骤S001至S006。
需要说明的是，本实施例中所用的模型仅表示负相关关系和约束模型输出的结果处于/>区间内，其中/>为本模型的输入，具体实施时可替换成具有同样目的的其他模型，本实施例只是以/>模型为例进行叙述，不对做具体限定。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (7)
1.一种手机屏幕缺陷视觉检测方法，其特征在于，该方法包括以下步骤：
采集屏幕图像获取待检测图像；
根据待检测图像获取正常显示区域和疑似漏光区域；根据正常显示区域和疑似漏光区域中像素点的灰度差异获得疑似漏光区域中每个像素点的灰度值的灰度偏离程度；根据疑似漏光区域中每个像素点的灰度偏离程度获得疑似漏光区域中每个像素点的漏光概率；根据每个像素点的漏光概率获得待检测图像中所有漏光像素点；根据每个漏光像素点与待检测图像的边缘距离获得每个漏光像素点的增强必要性；根据每个像素点的漏光概率和增强必要性获得每个像素点增强后的灰度值，进而获取增强后的屏幕图像；
利用光度计检测增强后的屏幕图像；
所述根据每个漏光像素点与待检测图像的边缘距离获得每个漏光像素点的增强必要性包括：
第个手机屏幕的第/>个疑似漏光区域中第/>个漏光像素点的增强必要性/>的计算方式为：
式中，为第/>个手机屏幕的第/>个疑似漏光区域中第/>个漏光像素点的漏光概率，为第/>个手机屏幕的第/>个疑似漏光区域中第/>个漏光像素点的增强分析集合的漏光概率均值，/>为第/>个手机屏幕的第/>个疑似漏光区域中第/>个漏光像素点的增强分析集合的漏光概率个数，/>为第/>个手机屏幕的第/>个疑似漏光区域中第/>个漏光像素点的增强分析集合的第/>个漏光概率，/>为线性归一化函数，/>为以自然常数为底的指数函数；
所述增强分析集合的获取方式包括：
获取距离第个手机屏幕的第/>个疑似漏光区域中第/>个漏光像素点最近的屏幕边缘，记为第/>个手机屏幕的第/>个疑似漏光区域中第/>个漏光像素点的最近屏幕边缘，获取第/>个手机屏幕的第/>个疑似漏光区域中第/>个漏光像素点到最近屏幕边缘之间所有像素点的漏光概率，所有的漏光概率构成第/>个手机屏幕的第/>个疑似漏光区域中第/>个漏光像素点的增强分析集合。
2.根据权利要求1所述一种手机屏幕缺陷视觉检测方法，其特征在于，所述根据待检测图像获取正常显示区域和疑似漏光区域包括：
将第个手机屏幕的待检测图像记为/>，使用大津阈值分割算法计算待检测图像的分割阈值，使用分割阈值将第/>个手机屏幕的待检测图像/>分为异常显示区域/>和正常显示区域/>，计算第/>个手机屏幕的异常显示区域/>的平均灰度值/>和正常显示区域/>的平均灰度值/>，预设异常判断阈值/>，当异常显示区域和正常显示区域的平均灰度值满足/>时，将第/>个手机屏幕的异常显示区域记为疑似漏光区域；当异常显示区域和正常显示区域的平均灰度值满足/>时，将第/>个手机屏幕记为合格屏幕，采集第/>个手机屏幕的待检测图像，进行第/>个手机屏幕的漏光检测。
3.根据权利要求1所述一种手机屏幕缺陷视觉检测方法，其特征在于，所述获得疑似漏光区域中每个像素点的灰度值的灰度偏离程度包括：
第个手机屏幕的第/>个疑似漏光区域中第/>个像素点的灰度偏离程度/>的计算方式为：
其中，为第/>个手机屏幕的第/>个疑似漏光区域中第/>个像素点的灰度值，/>第/>个手机屏幕的正常显示区域的平均灰度值。
4.根据权利要求1所述一种手机屏幕缺陷视觉检测方法，其特征在于，所述获得疑似漏光区域中每个像素点的漏光概率包括：
将第个像素点所属的灰度偏离程度序列的最大值记为第/>个像素点的第/>个极大值点，第/>个极大值点为第/>个像素点所属一组像素点的第/>个像素点，第/>个手机屏幕的第/>个疑似漏光区域中第/>个像素点的漏光概率的计算方式为：
其中，为第/>个手机屏幕的第/>个疑似漏光区域中第/>个像素点的第/>个极大值点的灰度偏离程度，/>为第/>个手机屏幕的第/>个疑似漏光区域中第/>个像素点的灰度偏离程度，/>为在第/>个像素点到第/>个极大值点之间的第/>个像素点的灰度偏离程度，/>为在灰度偏离程度序列中第/>个像素点到第/>个极大值点之间的第/>个像素点的灰度偏离程度，/>为误差参数，/>为以自然常数为底的指数函数；
所述灰度偏离程度序列的获取方式包括：
获取距离第个手机屏幕的第/>个疑似漏光区域/>最近的屏幕边缘，记为第/>个手机屏幕的第/>个疑似漏光区域的最近屏幕边缘，沿最近屏幕边缘做法线获得法线方向，根据最近屏幕边缘的法线方向将第/>个手机屏幕的第/>个疑似漏光区域/>中的像素点分为若干组像素点，疑似漏光区域中与法线方向平行的每一行或每一列的所有像素点为一组像素点，获取第/>个手机屏幕的第/>个疑似漏光区域中每一组像素点的灰度偏离程度构成一组灰度偏离程度序列。
5.根据权利要求1所述一种手机屏幕缺陷视觉检测方法，其特征在于，所述根据每个像素点的漏光概率获得待检测图像中所有漏光像素点包括：
预设漏光阈值，当第/>个手机屏幕的第/>个疑似漏光区域中第/>个像素点的漏光概率满足/>时，将第/>个手机屏幕的第/>个疑似漏光区域中第/>个像素点记为漏光像素点；当第/>个手机屏幕的第/>个疑似漏光区域中第/>个像素点的漏光概率/>满足/>时，将第/>个手机屏幕的第/>个疑似漏光区域中第/>个像素点的漏光概率记为0；使用漏光阈值对第/>个手机屏幕的所有疑似漏光区域中每个漏光像素点的漏光概率进行判断，获得第/>个手机屏幕的所有漏光像素点。
6.根据权利要求1所述一种手机屏幕缺陷视觉检测方法，其特征在于，所述根据每个像素点的漏光概率和增强必要性获得每个像素点增强后的灰度值包括：
第个手机屏幕的第/>个疑似漏光区域中第/>个漏光像素点增强后的灰度值/>的计算方式为：
其中，为第/>个手机屏幕的第/>个疑似漏光区域中第/>个漏光像素点的灰度值，为第/>个手机屏幕的第/>个疑似漏光区域中第/>个漏光像素点的增强必要性，/>为第/>个手机屏幕的第/>个疑似漏光区域中第/>个漏光像素点的漏光概率。
7.一种手机屏幕缺陷视觉检测系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序实现如权利要求1~6任意一项所述的一种手机屏幕缺陷视觉检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311523668.XA CN117252872B (zh) | 2023-11-16 | 2023-11-16 | 一种手机屏幕缺陷视觉检测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311523668.XA CN117252872B (zh) | 2023-11-16 | 2023-11-16 | 一种手机屏幕缺陷视觉检测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117252872A CN117252872A (zh) | 2023-12-19 |
| CN117252872B true CN117252872B (zh) | 2024-03-12 |
Family
ID=89129836
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311523668.XA Active CN117252872B (zh) | 2023-11-16 | 2023-11-16 | 一种手机屏幕缺陷视觉检测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117252872B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117455779B (zh) * | 2023-12-22 | 2024-03-26 | 天津市胸科医院 | 一种医疗超声影像仪辅助增强系统 |
| CN117952860B (zh) * | 2024-03-27 | 2024-06-21 | 山东正禾大教育科技有限公司 | 一种移动数字出版方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014134880A1 (zh) * | 2013-03-06 | 2014-09-12 | 京东方科技集团股份有限公司 | 背光模组瑕疵的检测方法及设备 |
| CN106157286A (zh) * | 2015-04-03 | 2016-11-23 | 研祥智能科技股份有限公司 | 图像处理方法和屏幕漏光检测方法 |
| CN108983456A (zh) * | 2018-08-09 | 2018-12-11 | 珠海格力智能装备有限公司 | 显示屏漏光的检测方法和装置 |
| CN114281629A (zh) * | 2021-12-27 | 2022-04-05 | 深圳市汇顶科技股份有限公司 | 用于估计屏幕漏光量的方法、装置和电子设备 |
| CN116542976A (zh) * | 2023-07-06 | 2023-08-04 | 深圳市佳合丰科技有限公司 | 一种模切件缺陷的视觉检测系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2017090595A (ja) * | 2015-11-06 | 2017-05-25 | キヤノン株式会社 | 画像表示装置、画像表示制御装置、及び画像表示方法 |
-
2023
- 2023-11-16 CN CN202311523668.XA patent/CN117252872B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014134880A1 (zh) * | 2013-03-06 | 2014-09-12 | 京东方科技集团股份有限公司 | 背光模组瑕疵的检测方法及设备 |
| CN106157286A (zh) * | 2015-04-03 | 2016-11-23 | 研祥智能科技股份有限公司 | 图像处理方法和屏幕漏光检测方法 |
| CN108983456A (zh) * | 2018-08-09 | 2018-12-11 | 珠海格力智能装备有限公司 | 显示屏漏光的检测方法和装置 |
| CN114281629A (zh) * | 2021-12-27 | 2022-04-05 | 深圳市汇顶科技股份有限公司 | 用于估计屏幕漏光量的方法、装置和电子设备 |
| CN116542976A (zh) * | 2023-07-06 | 2023-08-04 | 深圳市佳合丰科技有限公司 | 一种模切件缺陷的视觉检测系统 |
Non-Patent Citations (1)
| Title |
|---|
| Automatic surface defect detection for mobile phone screen glass based on machine vision;Chuanxia Jian et al.;Applied Soft Computing;第348-358页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117252872A (zh) | 2023-12-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117252872B (zh) | 一种手机屏幕缺陷视觉检测方法及系统 | |
| TWI603074B (zh) | 光學薄膜缺陷辨識方法及其系統 | |
| CN110400290B (zh) | 一种太阳能电池片色差的检测方法、装置及存储介质 | |
| CN109727233B (zh) | 一种lcd缺陷检测方法 | |
| CN111369523B (zh) | 显微图像中细胞堆叠的检测方法、系统、设备及介质 | |
| CN116030060B (zh) | 一种塑料颗粒质量检测方法 | |
| CN116152242B (zh) | 一种篮球用天然皮革缺陷可视化检测系统 | |
| CN116883408B (zh) | 基于人工智能的积算仪壳体缺陷检测方法 | |
| Kim et al. | Detection of spot-type defects on liquid crystal display modules | |
| CN112419229A (zh) | 一种显示屏线状缺陷检测方法、装置及存储介质 | |
| CN118279304B (zh) | 基于图像处理的异型金属件异常识别方法、装置及介质 | |
| CN112070762A (zh) | 液晶面板的mura缺陷检测方法、装置、存储介质及终端 | |
| CN114298985B (zh) | 缺陷检测方法、装置、设备及存储介质 | |
| CN112465780B (zh) | 绝缘层膜厚异常监控方法及装置 | |
| CN117115171B (zh) | 一种应用于地铁lcd显示屏的轻微亮点缺陷检测方法 | |
| CN117274211A (zh) | 一种屏幕缺陷检测方法、装置、终端设备及存储介质 | |
| CN114998346B (zh) | 一种防水布质量数据处理、识别方法 | |
| CN115546141A (zh) | 一种基于多维度度量的小样本Mini LED缺陷检测方法及系统 | |
| CN111292300B (zh) | 显示面板的亮点不良的检测方法和设备、可读存储介质 | |
| CN113657401A (zh) | 一种用于缺陷检测的概率图可视化方法及装置 | |
| CN112329775A (zh) | 一种数字多用表字符识别方法 | |
| CN118115494B (zh) | 一种基于图像识别的智能电能表检测方法及系统 | |
| CN115100143B (zh) | 背光模组瑕疵的检测方法 | |
| KR100554578B1 (ko) | 플랫패널용 광관련판요소의 정형성 얼룩 검출방법 | |
| CN118446997A (zh) | 一种电子产品外壳丝印缺陷的检测方法 |
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 |