CN117392127A - 一种显示面板边框的检测方法、装置和电子设备 - Google Patents
一种显示面板边框的检测方法、装置和电子设备 Download PDFInfo
- Publication number
- CN117392127A CN117392127A CN202311685457.6A CN202311685457A CN117392127A CN 117392127 A CN117392127 A CN 117392127A CN 202311685457 A CN202311685457 A CN 202311685457A CN 117392127 A CN117392127 A CN 117392127A
- Authority
- CN
- China
- Prior art keywords
- fitting
- target candidate
- image
- points
- detected
- 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
- 238000000034 method Methods 0.000 title claims description 58
- 238000005070 sampling Methods 0.000 claims abstract description 176
- 238000005259 measurement Methods 0.000 claims abstract description 166
- 238000001514 detection method Methods 0.000 claims abstract description 120
- 238000012545 processing Methods 0.000 claims abstract description 62
- 230000000877 morphologic effect Effects 0.000 claims abstract description 47
- 230000008859 change Effects 0.000 claims abstract description 29
- 238000001914 filtration Methods 0.000 claims description 59
- 239000013598 vector Substances 0.000 claims description 41
- 230000002146 bilateral effect Effects 0.000 claims description 38
- 238000004364 calculation method Methods 0.000 claims description 20
- 238000012216 screening Methods 0.000 claims description 13
- 238000012935 Averaging Methods 0.000 claims description 12
- 238000009826 distribution Methods 0.000 claims description 10
- 230000003628 erosive effect Effects 0.000 claims description 9
- 238000004519 manufacturing process Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 8
- 230000011218 segmentation Effects 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 238000005260 corrosion Methods 0.000 description 5
- 230000007797 corrosion Effects 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000009776 industrial production Methods 0.000 description 2
- 230000001502 supplementing effect Effects 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000003313 weakening effect Effects 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种显示面板边框的检测方法、装置和电子设备,用于提高显示面板边框检测的精度。本申请检测方法包括:获取标定系数、机采图像和测量图像,机采图像包括面阵拍摄图像和线扫拍摄图像;根据机采图像和标定系数在测量图像上生成待检测位置坐标,并根据待检测位置坐标在测量图像上生成若干个ROI区域;对测量图像的ROI区域进行形态学梯度处理,并进行上采样,通过双线性插值填补离散空洞信息,生成初始采样点;对初始采样点进行不同探测方向和尺度的测量,将灰度值大于第一梯度阈值且满足明暗变化的初始采用点设为目标候选点,生成目标候选点集合;根据目标候选点集合进行直线拟合,生成边框拟合直线。
Description
技术领域
本申请实施例涉及显示屏检测领域,尤其涉及一种显示面板边框的检测方法、装置和电子设备。
背景技术
随着工业4.0和互联网技术的日新月异的发展,对工业产品质量的要求越来越精细化、标准化,就显示面板行业而言,产品质量好坏直接影响其产品竞争力,这其中,产品形制尺寸规格的精度是产品质量的最基本的工艺指标。
显示屏作为设备的显示组件之一,被运用在各占高端设备上,例如手机、电视、平板电脑等。而随着人们对画面显示的要求不断提高,显示屏逐渐成为技术精密的产品。其次,显示面板是组成电视、手机、电脑等电子产品的重要部分,在产线生产过程当中,显示面板需要与其它部分进行精密贴合、组装成终端产品交付到客户手中,由于产品形制精细,空间设计容差有限,生产的公差精度要求都在微米级别。尤其是针对显示面板边框的检测环节,最早期显示面板边框的检测方案中普遍采用高精度游标卡尺或者螺旋测微器进行人工测量,这样对人力需求大,时效性低、测量误差也会随着疲劳或者主观加大,难以满足现代工业生产的快速、高效、自动智能等方面的要求。目前市面上虽然有一些显示面板边框的检测设备,但是占用空间大,设置参数多,检测TT较长、价格昂贵,这些问题同样制约其在生产阶段的大范围应用。现如今,采用机器视觉检测方式,能够对产品精度进行快速有效的测量,对产品生产过程中的状况进行实时监控。一般来说,视觉尺寸测量设备是一种用于基于通过拍照获取工件图像的特定形状、边缘来测量工件尺寸的设备。工件位于可在水平方向和垂直方向上移动的可移动台中,在垂直方向上移动可移动台以执行工件图像的聚焦调整,并且在水平轴方向移动可移动台,用来调整产品在相机视野中的成像位置。
但是,市面上使用机器视觉测量显示面板边框的方法,但是它们往往只能适用与一种测量点位类型,而不同点位测量精度有不同要求的场合,这就使得当前市场上的显示面板尺寸检测设备不能很好的适应不同类型点位的检测,从而极大程度的降低了检测的精度。
发明内容
本申请公开了一种显示面板边框的检测方法、装置和电子设备,用于提高显示面板边框检测的精度。
本申请第一方面提供了一种显示面板边框的检测方法,包括:
获取标定系数、机采图像和测量图像,机采图像包括面阵拍摄图像和线扫拍摄图像,面阵拍摄图像为使用面阵相机拍摄待测产品生成的图像,线扫拍摄图像为使用线扫相机拍摄待测产品生成的图像,测量图像为待测产品的拍摄图像;
根据机采图像和标定系数在测量图像上生成待检测位置坐标,并根据待检测位置坐标在测量图像上生成若干个ROI区域;
对测量图像的ROI区域进行形态学梯度处理,并进行上采样,通过双线性插值填补离散空洞信息,生成初始采样点;
对初始采样点进行不同探测方向和尺度的测量,将灰度值大于第一梯度阈值且满足明暗变化的初始采用点设为目标候选点,生成目标候选点集合;
根据目标候选点集合进行直线拟合,生成边框拟合直线。
可选的,根据机采图像和标定系数在测量图像上生成待检测位置坐标,并根据待检测位置坐标在测量图像上生成若干个ROI区域,包括:
对机采图像进行双边滤波处理;
对面阵拍摄图像和线扫拍摄图像从不同方向进行梯度形态学处理,以提取梯度信息;
根据梯度信息确定机采图像中梯度处理值大于第二梯度阈值且明暗变化满足边缘像素分布的若干像素点,将若干像素点作为第一拟合候选点;
将第一拟合候选点进行直线拟合,生成若干条拟合直线,对这若干条拟合直线中符合垂直条件的拟合直线进行交点计算,生成第一交点信息;
根据第一交点信息和标定系数在测量图像上确定若干个待检测位置坐标,基于这若干个待检测位置坐标在生成若干个ROI区域。
可选的,根据机采图像和标定系数在测量图像上生成待检测位置坐标,并根据待检测位置坐标在测量图像上生成若干个ROI区域,包括:
对机采图像进行行投影或列投影,求取机采图像关于行方向或列方向上的行列均值;
将符合第一灰度阈值的行列均值对应的像素点确定为第二拟合候选点;
将第二拟合候选点进行直线拟合,生成若干条拟合直线,对若干条拟合直线中符合垂直条件的拟合直线进行交点计算,生成第二交点信息;
根据第二交点信息和标定系数在测量图像上确定若干个待检测位置坐标,基于若干个待检测位置坐标在生成若干个ROI区域。
可选的,在对初始采样点进行不同探测方向和尺度的测量,将灰度值大于第一梯度阈值且满足明暗变化的初始采用点设为目标候选点,生成目标候选点集合之后,根据目标候选点集合进行直线拟合,生成边框拟合直线之前,检测方法还包括:
对测量图像的ROI区域进行行投影或列投影,并进行求平均处理得到一维向量;
将目标候选点集合中的目标候选点带入一维向量中,得到一维度均值向量,在一维度均值向量中取靠近前景区域的若干像素点均值作为对比均值;
将对比均值不满足第二灰度阈值条件的目标候选点排除。
可选的,在根据机采图像和标定系数在测量图像上生成待检测位置坐标,并根据待检测位置坐标在测量图像上生成若干个ROI区域之后,对测量图像的ROI区域进行形态学梯度处理,并进行上采样,通过双线性插值填补离散空洞信息,生成初始采样点之前,检测方法还包括:
对测量图像的ROI区域进行图像滤波;
对测量图像的ROI区域进行形态学腐蚀操作和闭操作。
可选的,对测量图像的ROI区域进行图像滤波,包括:
根据预设的第一标准差计算测量图像中ROI区域的空间域核;
根据预设的第二标准差计算测量图像中ROI区域的颜色域核;
根据第一标准差、第二标准差、空间域核和颜色域核计算双边滤波核;
使用双边滤波核对测量图像中ROI区域进行卷积处理。
可选的,边框拟合直线包括内边拟合直线和外边拟合直线;
在根据目标候选点集合进行直线拟合,生成边框拟合直线之后,检测方法还包括:
在检测图像在ROI区域内根据边框拟合直线的方向进行隔行采样或列取样,得到行采样点集合或列采样点集合;
将行采样点集合或列采样点集合代入内边拟合直线和外边拟合直线中,每一个采样点得到两个交点坐标,交点坐标连线为采样宽度;
将每一个采样点的采样宽度进行求均值处理,获取待测点位宽度。
可选的,根据目标候选点集合进行直线拟合,生成边框拟合直线,包括:
对目标候选点集合中目标候选点的坐标点进行直线拟合,生成初始拟合直线;
根据初始拟合直线对目标候选点集合中每一个目标候选点进行权重计算,筛除权重不符合预设权重值条件的目标候选点;
对目标候选点集合中剩余的目标候选点进行直线拟合,生成边框拟合直线。
本申请第二方面提供了一种显示面板边框的检测装置,包括:
第一获取单元,用于获取标定系数、机采图像和测量图像,机采图像包括面阵拍摄图像和线扫拍摄图像,面阵拍摄图像为使用面阵相机拍摄待测产品生成的图像,线扫拍摄图像为使用线扫相机拍摄待测产品生成的图像,测量图像为待测产品的拍摄图像;
第一生成单元,用于根据机采图像和标定系数在测量图像上生成待检测位置坐标,并根据待检测位置坐标在测量图像上生成若干个ROI区域;
第二生成单元,用于对测量图像的ROI区域进行形态学梯度处理,并进行上采样,通过双线性插值填补离散空洞信息,生成初始采样点;
第三生成单元,用于对初始采样点进行不同探测方向和尺度的测量,将灰度值大于第一梯度阈值且满足明暗变化的初始采用点设为目标候选点,生成目标候选点集合;
第四生成单元,用于根据目标候选点集合进行直线拟合,生成边框拟合直线。
可选的,第一生成单元,包括:
对机采图像进行双边滤波处理;
对面阵拍摄图像和线扫拍摄图像从不同方向进行梯度形态学处理,以提取梯度信息;
根据梯度信息确定机采图像中梯度处理值大于第二梯度阈值且明暗变化满足边缘像素分布的若干像素点,将若干像素点作为第一拟合候选点;
将第一拟合候选点进行直线拟合,生成若干条拟合直线,对这若干条拟合直线中符合垂直条件的拟合直线进行交点计算,生成第一交点信息;
根据第一交点信息和标定系数在测量图像上确定若干个待检测位置坐标,基于这若干个待检测位置坐标在生成若干个ROI区域。
可选的,第一生成单元,包括:
对机采图像进行行投影或列投影,求取机采图像关于行方向或列方向上的行列均值;
将符合第一灰度阈值的行列均值对应的像素点确定为第二拟合候选点;
将第二拟合候选点进行直线拟合,生成若干条拟合直线,对若干条拟合直线中符合垂直条件的拟合直线进行交点计算,生成第二交点信息;
根据第二交点信息和标定系数在测量图像上确定若干个待检测位置坐标,基于若干个待检测位置坐标在生成若干个ROI区域。
可选的,在第三生成单元之后,第四生成单元之前,检测装置还包括:
投影单元,用于对测量图像的ROI区域进行行投影或列投影,并进行求平均处理得到一维向量;
第二获取单元,用于将目标候选点集合中的目标候选点带入一维向量中,得到一维度均值向量,在一维度均值向量中取靠近前景区域的若干像素点均值作为对比均值;
第一筛除单元,用于将对比均值不满足第二灰度阈值条件的目标候选点排除。
可选的,在第一生成单元之后,对第二生成单元之前,检测装置还包括:
滤波单元,用于对测量图像的ROI区域进行图像滤波;
形态学处理单元,用于对测量图像的ROI区域进行形态学腐蚀操作和闭操作。
可选的,滤波单元,包括:
根据预设的第一标准差计算测量图像中ROI区域的空间域核;
根据预设的第二标准差计算测量图像中ROI区域的颜色域核;
根据第一标准差、第二标准差、空间域核和颜色域核计算双边滤波核;
使用双边滤波核对测量图像中ROI区域进行卷积处理。
可选的,边框拟合直线包括内边拟合直线和外边拟合直线;
第四生成单元之后,检测装置还包括:
采样单元,用于在检测图像在ROI区域内根据边框拟合直线的方向进行隔行采样或列取样,得到行采样点集合或列采样点集合;
第三获取单元,用于将行采样点集合或列采样点集合代入内边拟合直线和外边拟合直线中,每一个采样点得到两个交点坐标,交点坐标连线为采样宽度;
第四获取单元,用于将每一个采样点的采样宽度进行求均值处理,获取待测点位宽度。
可选的,第四生成单元,包括:
对目标候选点集合中目标候选点的坐标点进行直线拟合,生成初始拟合直线;
根据初始拟合直线对目标候选点集合中每一个目标候选点进行权重计算,筛除权重不符合预设权重值条件的目标候选点;
对目标候选点集合中剩余的目标候选点进行直线拟合,生成边框拟合直线。
本申请第三方面提供了一种电子设备,包括:
处理器、存储器、输入输出单元以及总线;
处理器与存储器、输入输出单元以及总线相连;
存储器保存有程序,处理器调用程序以执行如第一方面以及第一方面的任意可选的检测方法。
本申请第四方面提供了一种计算机可读存储介质,计算机可读存储介质上保存有程序,程序在计算机上执行时执行如第一方面以及第一方面的任意可选的检测方法。
从以上技术方案可以看出,本申请实施例具有以下优点:
本申请中,首先获取标定系数、机采图像和测量图像,其中,机采图像包括面阵拍摄图像和线扫拍摄图像,面阵拍摄图像为使用面阵相机拍摄待测产品生成的图像,线扫拍摄图像为使用线扫相机拍摄待测产品生成的图像,测量图像为待测产品的拍摄图像。显示面板中边框的不同点位有不一样的测量精度要求,而线扫相机和面阵相机结合运用,能够满足不同点位有不一样的测量精度要求的同时降低设备成本。接下来,根据机采图像和标定系数在测量图像上生成待检测位置坐标,并根据待检测位置坐标在测量图像上生成若干个ROI区域。在待检测位置坐标生成ROI区域,能够粗略的定位需要检测的位置,并且缩小检测范围,降低了运算量,提高了检测效率。对测量图像的ROI区域进行形态学梯度处理,并进行上采样,通过双线性插值填补离散空洞信息,生成初始采样点。对初始采样点进行不同探测方向和尺度的测量,将灰度值大于第一梯度阈值且满足明暗变化的初始采用点设为目标候选点,生成目标候选点集合。根据目标候选点集合进行直线拟合,生成边框拟合直线。
通过线扫相机和面阵相机结合运用,能够满足不同点位有不一样的测量精度要求的场合。通过在待检测位置坐标生成ROI区域,能够粗略的定位需要检测的位置,并且缩小检测范围,降低了运算量,提高了检测效率。对测量图像的ROI区域进行形态学梯度处理,并进行上采样,通过双线性插值填补离散空洞信息,其作用是通过补充采样点来优化定位像素精度。接下来对初始采样点进行不同探测方向和尺度的测量,将灰度值大于第一梯度阈值且满足明暗变化的初始采用点设为目标候选点,即对初始采样点进行一次精准定位。当获取到准确的目标候选点之后,进行直线拟合,得到显示面板边框的两条拟合直线。整个环节通过线扫相机和面阵相机解决了检测设备不能很好的适应不同类型点位的检测的问题,提高了显示面板边框的检测精度,还使用粗定位和精准定位在降低运算工作量的同时,进一步提高检测的精度。
附图说明
为了更清楚地说明本申请实施例中的技术方案,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申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请显示面板边框的检测方法的一个实施例流程图;
图2为本申请显示面板边框的检测方法的另一个实施例流程图;
图3为本申请显示面板边框的检测方法的另一个实施例流程图;
图4为本申请显示面板边框的检测方法的另一个实施例流程图;
图5为本申请显示面板边框的宽度计算方法的一个示意图;
图6为本申请显示面板边框的检测方法的另一个实施例流程图;
图7为本申请显示面板边框的检测方法的另一个实施例流程图;
图8为本申请显示面板边框的检测方法的另一个实施例流程图;
图9为本申请显示面板边框的检测装置的一个实施例示意图;
图10为本申请显示面板边框的检测装置的另一个实施例示意图;
图11为本申请电子设备的一个实施例示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本申请说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外,在本申请说明书和所附权利要求书的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
在现有技术中,最早期显示面板边框的检测方案中普遍采用高精度游标卡尺或者螺旋测微器进行人工测量,这样对人力需求大,时效性低、测量误差也会随着疲劳或者主观加大,难以满足现代工业生产的快速、高效、自动智能等方面的要求。目前市面上虽然有一些显示面板边框的检测设备,但是占用空间大,设置参数多,检测TT较长、价格昂贵,这些问题同样制约其在生产阶段的大范围应用。现如今,采用机器视觉检测方式,能够对产品精度进行快速有效的测量,对产品生产过程中的状况进行实时监控。一般来说,视觉尺寸测量设备是一种用于基于通过拍照获取工件图像的特定形状、边缘来测量工件尺寸的设备。工件位于可在水平方向和垂直方向上移动的可移动台中,在垂直方向上移动可移动台以执行工件图像的聚焦调整,并且在水平轴方向移动可移动台,用来调整产品在相机视野中的成像位置。
但是,市面上使用机器视觉测量显示面板边框的方法,但是它们往往只能适用与一种测量点位类型,而不同点位测量精度有不同要求的场合,这就使得当前市场上的显示面板边框检测设备不能很好的适应不同类型点位的检测,从而降低了显示面板边框检测的精度。
基于此,本申请公开了一种显示面板边框的检测方法、装置和电子设备,用于提高显示面板边框检测的精度。
下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
本申请的方法可以应用于服务器、设备、终端或者其它具备逻辑处理能力的设备,对此,本申请不作限定。为方便描述,下面以执行主体为终端为例进行描述。
请参阅图1,本申请提供了一种显示面板边框的检测方法的一个实施例,包括:
101、获取标定系数、机采图像和测量图像,机采图像包括面阵拍摄图像和线扫拍摄图像,面阵拍摄图像为使用面阵相机拍摄待测产品生成的图像,线扫拍摄图像为使用线扫相机拍摄待测产品生成的图像,测量图像为待测产品的拍摄图像;
本实施例中,标定系数的目的是实现图像像素尺寸和实物物理尺寸转换。
理论上,一款相机的像素坐标与物理的对应关系在出厂时候供应商能够给出,然而实际取图中由于镜头畸变,产品放置不平、对焦条件不同,会造成一定程度上的畸变,通过这一步骤能够进一步减少测量误差。标定系数的具体获取方式如下:
首先使用标定板进行标定,为了保证标定数据的准确,本实施例中使用了高精度的标定版,同时保证定制标定板厚度与待检测的显示面板屏体(待测产品)厚度大致一致。
接下来通过像素和物理尺寸换算出真实解析度,具体先通过拍照抓取所需要的相机(面阵相机和线扫相机)视角中的显示面板成像并进行特征点识别,算出待测尺寸为个图像像素,而已知其对应物理尺寸/>,则对应标定系数(mm/pix)/>。
后续计算尺寸时通过识别到图像像素长度与对应像素标定系数相乘即可得实物物理尺寸,单位为mm。
本实施例中,机采图像包括面阵拍摄图像和线扫拍摄图像,面阵拍摄图像为使用面阵相机拍摄待测产品生成的图像,线扫拍摄图像为使用线扫相机拍摄待测产品生成的图像。具体的图像采集方式如下所示:
1、面阵相机部分:
(1)机械臂吸取显示面板(待测产品)到指定载台,平台移动到精度检测待测位;
(2)PLC发送产品就位信息,工控机接收信息后,触发面阵相机拍照;
2、线扫相机部分:
(1)面阵相机采集完图,给PLC发送完成标识;
(2)PLC控制载物平台移动到线扫相机拍照位置,PLC发送产品就位信号,工控机接收信息,触发线扫相机拍照。
本实施例中,采用面阵和线扫相机组合方式进行精度测量的目的如下,由于现场测量时由于不同测量点位工艺生产区别,导致对不同点位测量精度要求有所不同,这里在长边边缘处需要重点关注,因此其精度要求在10μm左右,而在中间处有孔区和其它点位同样需要测量,但精度要求只在50μm,而此时如果用面阵相机拍照,考虑到其物理尺寸在25cm左右,即使是50万的面阵相机(分辨率大概7000×7000),其像素精度最高也只在:
K=250000μm/7000pixels=35μm/pixels
大约35μ左右的检测精度,不能满足边缘检测的需要,而如果要再增加其分辨率,只得使用分辨率更大的面阵相机,这样一来一个是分辨率高的面阵相机价格十分昂贵,此外意味着其配套镜头也会非常庞大,现场空间有限,这给硬件设计也会提出更高的难度要求。而作为对比,线扫相机在相同解析度下,价格具有巨大优势。另外一方面,线扫相机在保证像素精度满足边缘检测后,检测的宽度同样也有限,这样一来检测视野无法完全覆盖面板整体,无法进行屏体全检。
本实施例中,其中硬件方面包括:上料机械平台、工控机、工业相机、光源和光源控制器。软件方面包括一套完整的检测显示面板的图像尺寸测量算法,并能统计实时和历史测量数据。通过本测量系统能够取代传统的人工测量工件,误差小,操作方便,可适用于多种不同场合,适用范围广,实用性好。另外相较于二次元检测设备使用参数较少,自动化程度更高,时效性更好,便于集成在产线中。
102、根据机采图像和标定系数在测量图像上生成待检测位置坐标,并根据待检测位置坐标在测量图像上生成若干个ROI区域;
本实施例中,属于对待测点位的粗定位,主要是为了在整体区域中划定指定的检测区域粗略位置,这样做有两个好处:
一、减少非检测冗余区域带入的干扰信息,避免影响后续算法稳定,降低检测难度;
二、实际上要检测的定位往往只占据图像的一小部分,划定检测区域,截取对应子区域相比较于在全图上进行检测,能够减少算法处理时间,特别是像目前处理的图像都在数十万像素级别,这一点能减少可观的图像处理耗时。
粗定位流程:
一、先定位到待测点位区域大致位置;
二、基于前一个步骤的位置坐标,在每个大致位置坐标处生成ROI区域。
本实施例主要使用面阵拍摄图像和线扫拍摄图像上寻找待测点位,接下来根据前述的标定系数在测量图像上寻找到待检测位置坐标,与常规方式相比,运用了标定系数使得粗定位能够准确的在测量图像上找到对应的点位,额不会叠加误差。
103、对测量图像的ROI区域进行形态学梯度处理,并进行上采样,通过双线性插值填补离散空洞信息,生成初始采样点;
当终端确定了测量图像的ROI区域之后,在ROI区域进行边缘像素点提取。
对测量图像的ROI区域进行形态学梯度处理(梯度运算可以帮助我们检测测量图像中不同区域之间的边界或轮廓,这种边界或轮廓通常代表着物体、图像区域等的边缘信息),然后,对测量图像的ROI区域隔列或者隔行取点采样,进行水平或者垂直方向上探测,将满足梯度阈值且满足亮暗变化的点作为探测点,重复此操作,得到一条边缘上的所有探测点。需要说明的是,显示面板通常拥有4个边缘,甚至更多,本实施例的举例中对有垂直边缘的显示面板进行说明。
本实施例中选用形态学梯度算法的原因,在本场景中有如下有益效果:
1、处理起来更加简单,只需要设置不同形状的形态学核,进行腐蚀膨胀操作,较传统的Sobel、Prewitt和Roberts算子其运算更为简便;
2、形态学梯度算法更适用于二值化图像或灰度不平滑的图像。形态学梯度算法是通过膨胀和腐蚀操作得到边缘,对于本专利中出现的边缘灰度不平滑的图像,形态学梯度算法可以有效提取边缘。
3、形态学梯度算法对噪声具有一定的抑制作用。形态学梯度算法通过腐蚀和膨胀操作可以抑制噪声,并且可以根据应用场景进行参数调整,适应不同噪声情况。
上采样完成之后,通过双线性插值填补离散空洞信息,生成初始采样点。
无论是传统的梯度算子还是形态学梯度提取得到的边缘往往都只能得到像素级别的精度,然而现实环境中各种干扰因素,使得测量精度大打折扣,为了满足现场精确度的要求,本实施例在使用形态学梯度算子进行粗定位后使用上采样插值法来进一步优化定位像素精度。
具体的,本实施例中使用双线性插值方式,先对原有ROI区域的形态学梯度处理图进行上采样然后通过双线性插值填补离散空洞信息,相当于补充一些采样点。
104、对初始采样点进行不同探测方向和尺度的测量,将灰度值大于第一梯度阈值且满足明暗变化的初始采用点设为目标候选点,生成目标候选点集合;
当终端对测量图像的ROI区域进行形态学梯度处理,并进行上采样,通过双线性插值填补离散空洞信息,生成初始采样点之后,由上一步输入的测量图像,对不同探测方向的尺寸测量,即在隔点采样时设置了探测方向。每一点的探测,都将形态学梯度图中灰度值大于给定梯度阈值且满足明暗变化的点,将其设为目标候选点。
105、根据目标候选点集合进行直线拟合,生成边框拟合直线。
通过步骤103和步骤104的精准定位之后,终端根据目标候选点集合进行直线拟合,生成边框拟合直线,这条拟合直线即为显示面板的边框的表达式,需要说明的是,显示面板的每一条边框都具有两条表达式。
本实施例中,首先获取标定系数、机采图像和测量图像,其中,机采图像包括面阵拍摄图像和线扫拍摄图像,面阵拍摄图像为使用面阵相机拍摄待测产品生成的图像,线扫拍摄图像为使用线扫相机拍摄待测产品生成的图像,测量图像为待测产品的拍摄图像。显示面板中边框的不同点位有不一样的测量精度要求,而线扫相机和面阵相机结合运用,能够满足不同点位有不一样的测量精度要求的同时降低设备成本。接下来,根据机采图像和标定系数在测量图像上生成待检测位置坐标,并根据待检测位置坐标在测量图像上生成若干个ROI区域。在待检测位置坐标生成ROI区域,能够粗略的定位需要检测的位置,并且缩小检测范围,降低了运算量,提高了检测效率。对测量图像的ROI区域进行形态学梯度处理,并进行上采样,通过双线性插值填补离散空洞信息,生成初始采样点。对初始采样点进行不同探测方向和尺度的测量,将灰度值大于第一梯度阈值且满足明暗变化的初始采用点设为目标候选点,生成目标候选点集合。根据目标候选点集合进行直线拟合,生成边框拟合直线。
通过线扫相机和面阵相机结合运用,能够满足不同点位有不一样的测量精度。通过在待检测位置坐标生成ROI区域,能够粗略的定位需要检测的位置,并且缩小检测范围,降低了运算量,提高了检测效率。对测量图像的ROI区域进行形态学梯度处理,并进行上采样,通过双线性插值填补离散空洞信,其作用是通过补全采样点来优化定位像素精度。接下来对初始采样点进行不同探测方向和尺度的测量,将灰度值大于第一梯度阈值且满足明暗变化的初始采用点设为目标候选点,即对初始采样点进行一次精准定位。当获取到准确的目标候选点之后,进行直线拟合,得到显示面板边框的两条拟合直线。整个环节通过线扫相机和面阵相机解决了检测设备不能很好的适应不同类型点位的检测的问题,提高了显示面板边框的检测精度,还使用粗定位和精准定位在降低运算工作量的同时,进一步提高检测的精度。
请参阅图2、图3、图4和图5,本申请提供了一种显示面板边框的检测方法的另一个实施例,包括:
201、获取标定系数、机采图像和测量图像,机采图像包括面阵拍摄图像和线扫拍摄图像,面阵拍摄图像为使用面阵相机拍摄待测产品生成的图像,线扫拍摄图像为使用线扫相机拍摄待测产品生成的图像,测量图像为待测产品的拍摄图像;
本实施例中的步骤201与前述实施例中步骤101类似,此处不再赘述。
202、对机采图像进行行投影或列投影,求取机采图像关于行方向或列方向上的行列均值;
203、将符合第一灰度阈值的行列均值对应的像素点确定为第二拟合候选点;
204、将第二拟合候选点进行直线拟合,生成若干条拟合直线,对若干条拟合直线中符合垂直条件的拟合直线进行交点计算,生成第二交点信息;
205、根据第二交点信息和标定系数在测量图像上确定若干个待检测位置坐标,基于若干个待检测位置坐标在生成若干个ROI区域;
本实施例中,终端只需要从水平或者垂直方向进行投影,求取测量图像的水平或者垂直方向上行列均值,判断均值小于(大于)给定阈值(第一灰度阈值)即可认为其是靠近边缘的位置(第二拟合候选点),然后根据第二拟合候选点计算出不同位置上的边缘(水平/垂直线)直线,大致垂直的两条曲线的交点位置与屏体的角点位置近似重合,计算出直线交点作为交点坐标。已知交点坐标信息后根据事先获得的产品规格物理尺寸和像素物理长度标定系数K(pix/mm),反算出需要测量点位在测量图像中的大致像素位置坐标(待检测位置坐标),最后一步基于待检测位置坐标在生成一个固定长宽的ROI区域,后续只在ROI区域中对点位尺寸进行量测。这种方法只在感兴趣边缘近似水平或者垂直时候有效。
上述方法,相比较与使用阈值分割的方式,鲁棒性更强,不容易受到屏体噪点和干扰点的影响。
206、根据预设的第一标准差计算测量图像中ROI区域的空间域核;
207、根据预设的第二标准差计算测量图像中ROI区域的颜色域核;
208、根据第一标准差、第二标准差、空间域核和颜色域核计算双边滤波核;
209、使用双边滤波核对测量图像中ROI区域进行卷积处理;
本实施例中,图像滤波的目的是为了尽可能在保留真实边缘信息的同时,抑制其它干扰噪声,本实施例中采用双边滤波来进行图像滤波,相较于其它如中值滤波、高斯滤波,它能更多的保留图像的边缘细节,同时还能滤除离散噪声,这一步骤在粗定位时和后续边缘点精确提取时都需要先做一次。
本实施例中,双边滤波能够保留边界的同时作平滑处理的优势,有赖于其既考虑图像像素的空间域又考虑到了图像的颜色域,空间域和值域共同组成其核函数主体,具体步骤如下:
1、计算测量图像中ROI区域的空间域核。
上述公式原型来自于高斯函数,其中是第一标准差,(k,l)是模板中心像素坐标,周围像素坐标(i,j)到中心的距离越远,其权重系数越低。
2、计算测量图像中ROI区域的颜色域核(值域)。
此公式同样基于高斯函数,其中是第二标准差,/>是模板中心像素灰度值/>,周围像素灰度值与中心像素灰度值的差异越大其权重系数越低。
3、根据第一标准差、第二标准差、空间域核和颜色域核计算双边滤波核。
通过空间域和颜色域核函数相乘即可得到双边滤波核模板,后续使用整个双边滤波核作为模板与整个测量图像作卷积运算,获得双边滤波后的图像。
210、对测量图像的ROI区域进行形态学腐蚀操作和闭操作;
终端对测量图像的ROI区域进行形态学腐蚀操作和闭操作。由于现场采集到的测量图像往往受到机台环境影响,难以获取理想的无干扰的测量图像,本专利中在滤波之后使用了腐蚀操作和闭操作,目的是为了进一步去除噪点、噪声干扰。
腐蚀操作:根据边缘分布情况,设置不同形状分布的核模板,目的是为了去除边缘分布的噪点、毛边等干扰,如对于测量水平方向的上尺寸,模板形状就设置成高比宽长的矩形形状,反之对于垂直方向的尺寸,模板方向设置成宽比高的矩形。
闭操作:有拍照环境不稳定,可能在测量位置出现干扰形成中间孔洞,后续影响寻边准确性,再进行闭操作,闭操作核函数可以反过来,对于水平方向,核模板设置成宽比高长的矩形,然后进行形态学闭操作。
211、对测量图像的ROI区域进行形态学梯度处理,并进行上采样,通过双线性插值填补离散空洞信息,生成初始采样点;
212、对初始采样点进行不同探测方向和尺度的测量,将灰度值大于第一梯度阈值且满足明暗变化的初始采用点设为目标候选点,生成目标候选点集合;
本实施例中的步骤211至步骤212与前述实施例中步骤103至104类似,此处不再赘述。
213、对测量图像的ROI区域进行行投影或列投影,并进行求平均处理得到一维向量;
214、将目标候选点集合中的目标候选点带入一维向量中,得到一维度均值向量,在一维度均值向量中取靠近前景区域的若干像素点均值作为对比均值;
215、将对比均值不满足第二灰度阈值条件的目标候选点排除;
由于ROI区域内常存在其它干扰,即使经过上面的形态学处理还是容易出现干扰点,因此需要继续对检测得到的目标候选点集合中的目标候选点进行异常点排除,通过对ROI区域进行行或者列投影(求平均)得到一维向量,然后通过将目标候选点集合中的目标候选点坐标带入到一维向量中,得到一维度均值向量,在一维度均值向量中取靠近前景区域的若干像素点均值作为对比均值,将对比均值不满足第二灰度阈值条件的目标候选点排除。
具体是通过判断该一维度均值向量靠近黑色区域(前景区域)内部大约10个像素坐标的均值是否小于(大于)给定灰度值(第二灰度阈值条件),如果不满足条件,被认为是异常值排除。
216、对目标候选点集合中目标候选点的坐标点进行直线拟合,生成初始拟合直线;
217、根据初始拟合直线对目标候选点集合中每一个目标候选点进行权重计算,筛除权重不符合预设权重值条件的目标候选点;
218、对目标候选点集合中剩余的目标候选点进行直线拟合,生成边框拟合直线;
终端对目标候选点集合中目标候选点的坐标点进行直线拟合,生成初始拟合直线。本实施例中,使用最小二乘法对上面步骤得到的目标候选点的坐标点进行直线拟合,假设坐标点分别为,/>,/>.../>,最小二乘法拟合的目的是让所有的点距离拟合直线平方差之和/>最小:
因为和/>已知,即目标候选点,代入后最终求出直线的斜率k和截距b。
接下来根据初始拟合直线对目标候选点集合中每一个目标候选点进行权重计算,筛除权重不符合预设权重值条件的目标候选点。目的是消弱离群干扰噪点影响到测量精度,基于斜率k和截距b的拟合直线,计算每一个目标候选点到拟合直线的距离,给予样本点不同权重值,tukey权重函数:
这里,表示第i个数据的权重,/>表示第i个样本点到拟合直线的距离,γ为控制常量,若/>小于等于控制常量γ时候,该点的权重值为处于0到1之间,距离越小权重越大,而当距离超过常量γ,则权重为0,意味着该点被完全弃用。
将带权重的剩余非离群值数据对(,/>),再进行最小二乘法直线拟合,得到更新后的斜率/>和/>,这一步设置成迭代过程,可以判断更新后的斜率和k、b之间的差异,当差异小于给定阈值或者迭代次数大于预设次数时候,则认为迭代过程已经收敛,结束迭代。此时获取得到的斜率/>和/>即为最终要找的直线参数。
219、在检测图像在ROI区域内根据边框拟合直线的方向进行隔行采样或列取样,得到行采样点集合或列采样点集合;
220、将行采样点集合或列采样点集合代入内边拟合直线和外边拟合直线中,每一个采样点得到两个交点坐标,交点坐标连线为采样宽度;
221、将每一个采样点的采样宽度进行求均值处理,获取待测点位宽度。
上一步对于每个条边缘都得到大致平行(可能不平行)的两条直线,以测量水平方向宽度为例,请参考图5,终端在测量图像中ROI区域内隔列取样x1、x2、……、xn(行采样点集合或列采样点集合),此时将采样坐标代入采样线方程中y=kx+b和y=k1x+b1中,即可得到两个交点坐标,坐标连线为采样宽度,然后对所有的采样宽度求均值即为待测点位宽度。
当测量垂直方向宽度就设置隔行采样y1、y2、……、yn,最后求取平均值方式得到尺寸信息。
其次,本实施例中还存在数据决策及历史数据统计优化功能。
(1)根据现场机台工艺参数需要,我们可以设置不同的尺寸偏差阈值,当在线测得数据超过预设阈值,即认为此产品存在不良判定为NG;
(2)设置批量卡控指标CPK阈值,当由连续30pcs计算得到某个测量点位,CPK值小于给定值1.33时,此时流程报警提示,需要品质工艺工程师查看前段入料产品是否存在异常,及时调整,计算公式:
和/>表示公差上限和公差下限,/>为统计测量数据的分布均值,/>表示标准差。
1、Cpk超过2以上,说明生产工艺良好。
2、Cpk在1.33-2尚可,继续保持。
3、Cpk小于1.33,需改进,如果严重时候需要报警。
本实施例中,首先获取标定系数、机采图像和测量图像,其中,机采图像包括面阵拍摄图像和线扫拍摄图像,面阵拍摄图像为使用面阵相机拍摄待测产品生成的图像,线扫拍摄图像为使用线扫相机拍摄待测产品生成的图像,测量图像为待测产品的拍摄图像。显示面板中边框的不同点位有不一样的测量精度要求,而线扫相机和面阵相机结合运用,能够满足不同点位有不一样的测量精度要求的同时降低设备成本。接下来,对机采图像进行行投影或列投影,求取机采图像关于行方向或列方向上的行列均值。将符合第一灰度阈值的行列均值对应的像素点确定为第二拟合候选点。将第二拟合候选点进行直线拟合,生成若干条拟合直线,对若干条拟合直线中符合垂直条件的拟合直线进行交点计算,生成第二交点信息。根据第二交点信息和标定系数在测量图像上确定若干个待检测位置坐标,基于若干个待检测位置坐标在生成若干个ROI区域。在待检测位置坐标生成ROI区域,能够粗略的定位需要检测的位置,并且缩小检测范围,降低了运算量,提高了检测效率。并且,使用这种方式相比较与使用阈值分割的方式,鲁棒性更强,不容易受到屏体噪点和干扰点的影响。
根据预设的第一标准差计算测量图像中ROI区域的空间域核。根据预设的第二标准差计算测量图像中ROI区域的颜色域核。根据第一标准差、第二标准差、空间域核和颜色域核计算双边滤波核。使用双边滤波核对测量图像中ROI区域进行卷积处理。双边滤波来进行图像滤波,相较于其它如中值滤波、高斯滤波,它能更多的保留图像的边缘细节,同时还能滤除离散噪声。
接下来,对测量图像的ROI区域进行形态学腐蚀操作和闭操作,目的是为了进一步去除噪点、噪声干扰。
对测量图像的ROI区域进行形态学梯度处理,并进行上采样,通过双线性插值填补离散空洞信息,生成初始采样点。对初始采样点进行不同探测方向和尺度的测量,将灰度值大于第一梯度阈值且满足明暗变化的初始采用点设为目标候选点,生成目标候选点集合。
对测量图像的ROI区域进行行投影或列投影,并进行求平均处理得到一维向量。将目标候选点集合中的目标候选点带入一维向量中,得到一维度均值向量,在一维度均值向量中取靠近前景区域的若干像素点均值作为对比均值。将对比均值不满足第二灰度阈值条件的目标候选点排除。
对目标候选点集合中目标候选点的坐标点进行直线拟合,生成初始拟合直线。根据初始拟合直线对目标候选点集合中每一个目标候选点进行权重计算,筛除权重不符合预设权重值条件的目标候选点。对目标候选点集合中剩余的目标候选点进行直线拟合,生成边框拟合直线。
在检测图像在ROI区域内根据边框拟合直线的方向进行隔行采样或列取样,得到行采样点集合或列采样点集合。将行采样点集合或列采样点集合代入内边拟合直线和外边拟合直线中,每一个采样点得到两个交点坐标,交点坐标连线为采样宽度。将每一个采样点的采样宽度进行求均值处理,获取待测点位宽度。
通过线扫相机和面阵相机结合运用,能够满足不同点位有不一样的测量精度。通过在待检测位置坐标生成ROI区域,能够粗略的定位需要检测的位置,并且缩小检测范围,降低了运算量,提高了检测效率。对测量图像的ROI区域进行形态学梯度处理,并进行上采样,通过双线性插值填补离散空洞信,其作用是通过补全采样点来优化定位像素精度。接下来对初始采样点进行不同探测方向和尺度的测量,将灰度值大于第一梯度阈值且满足明暗变化的初始采用点设为目标候选点,即对初始采样点进行一次精准定位。当获取到准确的目标候选点之后,进行直线拟合,得到显示面板边框的两条拟合直线。整个环节通过线扫相机和面阵相机解决了检测设备不能很好的适应不同类型点位的检测的问题,提高了显示面板边框的检测精度,还使用粗定位和精准定位在降低运算工作量的同时,进一步提高检测的精度。
其次,本实施例中确定ROI区域的方式相比较与使用阈值分割的方式,鲁棒性更强,不容易受到屏体噪点和干扰点的影响。
其次,本实施例中双边滤波来进行图像滤波,相较于其它如中值滤波、高斯滤波,它能更多的保留图像的边缘细节,同时还能滤除离散噪声。
其次,由于ROI区域内常存在其它干扰,即使经过上面的形态学处理还是容易出现干扰点,因此需要继续对检测得到的目标候选点集合中的目标候选点进行异常点排除。所以对测量图像的ROI区域进行行投影或列投影,并进行求平均处理得到一维向量,并使用了一维向量对异常点位进行筛选。
请参阅图6、图7和图8,本申请提供了一种显示面板边框的检测方法的另一个实施例,包括:
601、获取标定系数、机采图像和测量图像,机采图像包括面阵拍摄图像和线扫拍摄图像,面阵拍摄图像为使用面阵相机拍摄待测产品生成的图像,线扫拍摄图像为使用线扫相机拍摄待测产品生成的图像,测量图像为待测产品的拍摄图像;
602、对机采图像进行双边滤波处理;
603、对面阵拍摄图像和线扫拍摄图像从不同方向进行梯度形态学处理,以提取梯度信息;
604、根据梯度信息确定机采图像中梯度处理值大于第二梯度阈值且明暗变化满足边缘像素分布的若干像素点,将若干像素点作为第一拟合候选点;
605、将第一拟合候选点进行直线拟合,生成若干条拟合直线,对这若干条拟合直线中符合垂直条件的拟合直线进行交点计算,生成第一交点信息;
606、根据第一交点信息和标定系数在测量图像上确定若干个待检测位置坐标,基于这若干个待检测位置坐标在生成若干个ROI区域;
终端对机采图像作双边滤波处理,此处的双边滤波处理和步骤206至209相似,此处不做赘述。然后对不同方向进行梯度形态学处理提取测试图像的梯度信息,然后将梯度处理值大于给定梯度阈值(第二梯度阈值)且明暗变化满足边缘像素分布的位置作为候选点(第一拟合候选点),筛选出所有候选点后使用直线拟合出一条贴近不同边缘或者线条的带角度直线。使用相同方法,拟合出所有直线,大致垂直的两条曲线的交点位置与屏体的角点位置近似重合。已知交点坐标信息(第一交点信息)后根据事先获得的产品规格物理尺寸和像素物理长度标定系数K(pix/mm),反算出需要测量点位在图像中的大致像素位置坐标(待检测位置坐标),最后一步基于此待检测位置坐标生成一个固定长宽的ROI区域,后续只在ROI区域中对点位尺寸进行量测。
上述方法,相比较与使用阈值分割的方式,鲁棒性更强,不容易受到屏体噪点和干扰点的影响。
607、根据预设的第一标准差计算测量图像中ROI区域的空间域核;
608、根据预设的第二标准差计算测量图像中ROI区域的颜色域核;
609、根据第一标准差、第二标准差、空间域核和颜色域核计算双边滤波核;
610、使用双边滤波核对测量图像中ROI区域进行卷积处理;
611、对测量图像的ROI区域进行形态学腐蚀操作和闭操作;
612、对测量图像的ROI区域进行形态学梯度处理,并进行上采样,通过双线性插值填补离散空洞信息,生成初始采样点;
613、对初始采样点进行不同探测方向和尺度的测量,将灰度值大于第一梯度阈值且满足明暗变化的初始采用点设为目标候选点,生成目标候选点集合;
614、对测量图像的ROI区域进行行投影或列投影,并进行求平均处理得到一维向量;
615、将目标候选点集合中的目标候选点带入一维向量中,得到一维度均值向量,在一维度均值向量中取靠近前景区域的若干像素点均值作为对比均值;
616、将对比均值不满足第二灰度阈值条件的目标候选点排除;
617、对目标候选点集合中目标候选点的坐标点进行直线拟合,生成初始拟合直线;
618、根据初始拟合直线对目标候选点集合中每一个目标候选点进行权重计算,筛除权重不符合预设权重值条件的目标候选点;
619、对目标候选点集合中剩余的目标候选点进行直线拟合,生成边框拟合直线;
620、在检测图像在ROI区域内根据边框拟合直线的方向进行隔行采样或列取样,得到行采样点集合或列采样点集合;
621、将行采样点集合或列采样点集合代入内边拟合直线和外边拟合直线中,每一个采样点得到两个交点坐标,交点坐标连线为采样宽度;
622、将每一个采样点的采样宽度进行求均值处理,获取待测点位宽度。
本实施例中,首先获取标定系数、机采图像和测量图像,其中,机采图像包括面阵拍摄图像和线扫拍摄图像,面阵拍摄图像为使用面阵相机拍摄待测产品生成的图像,线扫拍摄图像为使用线扫相机拍摄待测产品生成的图像,测量图像为待测产品的拍摄图像。显示面板中边框的不同点位有不一样的测量精度要求,而线扫相机和面阵相机结合运用,能够满足不同点位有不一样的测量精度要求的同时降低设备成本。接下来,对机采图像进行双边滤波处理。对面阵拍摄图像和线扫拍摄图像从不同方向进行梯度形态学处理,以提取梯度信息。根据梯度信息确定机采图像中梯度处理值大于第二梯度阈值且明暗变化满足边缘像素分布的若干像素点,将若干像素点作为第一拟合候选点。将第一拟合候选点进行直线拟合,生成若干条拟合直线,对这若干条拟合直线中符合垂直条件的拟合直线进行交点计算,生成第一交点信息。根据第一交点信息和标定系数在测量图像上确定若干个待检测位置坐标,基于这若干个待检测位置坐标在生成若干个ROI区域。在待检测位置坐标生成ROI区域,能够粗略的定位需要检测的位置,并且缩小检测范围,降低了运算量,提高了检测效率。并且,使用这种方式相比较与使用阈值分割的方式,鲁棒性更强,不容易受到屏体噪点和干扰点的影响。
根据预设的第一标准差计算测量图像中ROI区域的空间域核。根据预设的第二标准差计算测量图像中ROI区域的颜色域核。根据第一标准差、第二标准差、空间域核和颜色域核计算双边滤波核。使用双边滤波核对测量图像中ROI区域进行卷积处理。双边滤波来进行图像滤波,相较于其它如中值滤波、高斯滤波,它能更多的保留图像的边缘细节,同时还能滤除离散噪声。
接下来,对测量图像的ROI区域进行形态学腐蚀操作和闭操作,目的是为了进一步去除噪点、噪声干扰。
对测量图像的ROI区域进行形态学梯度处理,并进行上采样,通过双线性插值填补离散空洞信息,生成初始采样点。对初始采样点进行不同探测方向和尺度的测量,将灰度值大于第一梯度阈值且满足明暗变化的初始采用点设为目标候选点,生成目标候选点集合。
对测量图像的ROI区域进行行投影或列投影,并进行求平均处理得到一维向量。将目标候选点集合中的目标候选点带入一维向量中,得到一维度均值向量,在一维度均值向量中取靠近前景区域的若干像素点均值作为对比均值。将对比均值不满足第二灰度阈值条件的目标候选点排除。
对目标候选点集合中目标候选点的坐标点进行直线拟合,生成初始拟合直线。根据初始拟合直线对目标候选点集合中每一个目标候选点进行权重计算,筛除权重不符合预设权重值条件的目标候选点。对目标候选点集合中剩余的目标候选点进行直线拟合,生成边框拟合直线。
在检测图像在ROI区域内根据边框拟合直线的方向进行隔行采样或列取样,得到行采样点集合或列采样点集合。将行采样点集合或列采样点集合代入内边拟合直线和外边拟合直线中,每一个采样点得到两个交点坐标,交点坐标连线为采样宽度。将每一个采样点的采样宽度进行求均值处理,获取待测点位宽度。
通过线扫相机和面阵相机结合运用,能够满足不同点位有不一样的测量精度。通过在待检测位置坐标生成ROI区域,能够粗略的定位需要检测的位置,并且缩小检测范围,降低了运算量,提高了检测效率。对测量图像的ROI区域进行形态学梯度处理,并进行上采样,通过双线性插值填补离散空洞信,其作用是通过补全采样点来优化定位像素精度。接下来对初始采样点进行不同探测方向和尺度的测量,将灰度值大于第一梯度阈值且满足明暗变化的初始采用点设为目标候选点,即对初始采样点进行一次精准定位。当获取到准确的目标候选点之后,进行直线拟合,得到显示面板边框的两条拟合直线。整个环节通过线扫相机和面阵相机解决了检测设备不能很好的适应不同类型点位的检测的问题,提高了显示面板边框的检测精度,还使用粗定位和精准定位在降低运算工作量的同时,进一步提高检测的精度。
其次,本实施例中确定ROI区域的方式相比较与使用阈值分割的方式,鲁棒性更强,不容易受到屏体噪点和干扰点的影响。
其次,本实施例中双边滤波来进行图像滤波,相较于其它如中值滤波、高斯滤波,它能更多的保留图像的边缘细节,同时还能滤除离散噪声。
其次,由于ROI区域内常存在其它干扰,即使经过上面的形态学处理还是容易出现干扰点,因此需要继续对检测得到的目标候选点集合中的目标候选点进行异常点排除。所以对测量图像的ROI区域进行行投影或列投影,并进行求平均处理得到一维向量,并使用了一维向量对异常点位进行筛选。
请参阅图9,本申请提供了一种显示面板边框的检测装置的一个实施例,包括:
第一获取单元901,用于获取标定系数、机采图像和测量图像,机采图像包括面阵拍摄图像和线扫拍摄图像,面阵拍摄图像为使用面阵相机拍摄待测产品生成的图像,线扫拍摄图像为使用线扫相机拍摄待测产品生成的图像,测量图像为待测产品的拍摄图像;
第一生成单元902,用于根据机采图像和标定系数在测量图像上生成待检测位置坐标,并根据待检测位置坐标在测量图像上生成若干个ROI区域;
第二生成单元903,用于对测量图像的ROI区域进行形态学梯度处理,并进行上采样,通过双线性插值填补离散空洞信息,生成初始采样点;
第三生成单元904,用于对初始采样点进行不同探测方向和尺度的测量,将灰度值大于第一梯度阈值且满足明暗变化的初始采用点设为目标候选点,生成目标候选点集合;
第四生成单元905,用于根据目标候选点集合进行直线拟合,生成边框拟合直线。
请参阅图10,本申请提供了一种显示面板边框的检测装置的另一个实施例,包括:
第一获取单元1001,用于获取标定系数、机采图像和测量图像,机采图像包括面阵拍摄图像和线扫拍摄图像,面阵拍摄图像为使用面阵相机拍摄待测产品生成的图像,线扫拍摄图像为使用线扫相机拍摄待测产品生成的图像,测量图像为待测产品的拍摄图像;
第一生成单元1002,用于根据机采图像和标定系数在测量图像上生成待检测位置坐标,并根据待检测位置坐标在测量图像上生成若干个ROI区域;
可选的,第一生成单元1002,包括:
对机采图像进行双边滤波处理;
对面阵拍摄图像和线扫拍摄图像从不同方向进行梯度形态学处理,以提取梯度信息;
根据梯度信息确定机采图像中梯度处理值大于第二梯度阈值且明暗变化满足边缘像素分布的若干像素点,将若干像素点作为第一拟合候选点;
将第一拟合候选点进行直线拟合,生成若干条拟合直线,对这若干条拟合直线中符合垂直条件的拟合直线进行交点计算,生成第一交点信息;
根据第一交点信息和标定系数在测量图像上确定若干个待检测位置坐标,基于这若干个待检测位置坐标在生成若干个ROI区域。
可选的,第一生成单元1002,包括:
对机采图像进行行投影或列投影,求取机采图像关于行方向或列方向上的行列均值;
将符合第一灰度阈值的行列均值对应的像素点确定为第二拟合候选点;
将第二拟合候选点进行直线拟合,生成若干条拟合直线,对若干条拟合直线中符合垂直条件的拟合直线进行交点计算,生成第二交点信息;
根据第二交点信息和标定系数在测量图像上确定若干个待检测位置坐标,基于若干个待检测位置坐标在生成若干个ROI区域。
滤波单元1003,用于对测量图像的ROI区域进行图像滤波;
可选的,滤波单元1003,包括:
根据预设的第一标准差计算测量图像中ROI区域的空间域核;
根据预设的第二标准差计算测量图像中ROI区域的颜色域核;
根据第一标准差、第二标准差、空间域核和颜色域核计算双边滤波核;
使用双边滤波核对测量图像中ROI区域进行卷积处理。
形态学处理单元1004,用于对测量图像的ROI区域进行形态学腐蚀操作和闭操作;
第二生成单元1005,用于对测量图像的ROI区域进行形态学梯度处理,并进行上采样,通过双线性插值填补离散空洞信息,生成初始采样点;
第三生成单元1006,用于对初始采样点进行不同探测方向和尺度的测量,将灰度值大于第一梯度阈值且满足明暗变化的初始采用点设为目标候选点,生成目标候选点集合;
投影单元1007,用于对测量图像的ROI区域进行行投影或列投影,并进行求平均处理得到一维向量;
第二获取单元1008,用于将目标候选点集合中的目标候选点带入一维向量中,得到一维度均值向量,在一维度均值向量中取靠近前景区域的若干像素点均值作为对比均值;
第一筛除单元1009,用于将对比均值不满足第二灰度阈值条件的目标候选点排除;
第四生成单元1010,用于根据目标候选点集合进行直线拟合,生成边框拟合直线;
可选的,第四生成单元1010,包括:
对目标候选点集合中目标候选点的坐标点进行直线拟合,生成初始拟合直线;
根据初始拟合直线对目标候选点集合中每一个目标候选点进行权重计算,筛除权重不符合预设权重值条件的目标候选点;
对目标候选点集合中剩余的目标候选点进行直线拟合,生成边框拟合直线。
采样单元1011,用于在检测图像在ROI区域内根据边框拟合直线的方向进行隔行采样或列取样,得到行采样点集合或列采样点集合;
第三获取单元1012,用于将行采样点集合或列采样点集合代入内边拟合直线和外边拟合直线中,每一个采样点得到两个交点坐标,交点坐标连线为采样宽度;
第四获取单元1013,用于将每一个采样点的采样宽度进行求均值处理,获取待测点位宽度。
请参阅图11,本申请提供了一种电子设备,包括:
处理器1101、存储器1103、输入输出单元1102以及总线1104。
处理器1101与存储器1103、输入输出单元1102以及总线1104相连。
存储器1103保存有程序,处理器1101调用程序以执行如图1、图2、图3、图4、图6、图7和图8中的检测方法。
本申请提供了一种计算机可读存储介质,计算机可读存储介质上保存有程序,程序在计算机上执行时执行如图1、图2、图3、图4、图6、图7和图8中的检测方法。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,read-onlymemory)、随机存取存储器(RAM,random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (10)
1.一种显示面板边框的检测方法,其特征在于,包括:
获取标定系数、机采图像和测量图像,所述机采图像包括面阵拍摄图像和线扫拍摄图像,所述面阵拍摄图像为使用面阵相机拍摄待测产品生成的图像,所述线扫拍摄图像为使用线扫相机拍摄所述待测产品生成的图像,所述测量图像为所述待测产品的拍摄图像;
根据所述机采图像和所述标定系数在所述测量图像上生成待检测位置坐标,并根据所述待检测位置坐标在测量图像上生成若干个ROI区域;
对所述测量图像的ROI区域进行形态学梯度处理,并进行上采样,通过双线性插值填补离散空洞信息,生成初始采样点;
对所述初始采样点进行不同探测方向和尺度的测量,将灰度值大于第一梯度阈值且满足明暗变化的初始采用点设为目标候选点,生成目标候选点集合;
根据所述目标候选点集合进行直线拟合,生成边框拟合直线。
2.根据权利要求1所述的检测方法,其特征在于,根据所述机采图像和所述标定系数在所述测量图像上生成待检测位置坐标,并根据所述待检测位置坐标在测量图像上生成若干个ROI区域,包括:
对所述机采图像进行双边滤波处理;
对所述面阵拍摄图像和所述线扫拍摄图像从不同方向进行梯度形态学处理,以提取梯度信息;
根据所述梯度信息确定所述机采图像中梯度处理值大于第二梯度阈值且明暗变化满足边缘像素分布的若干像素点,将所述若干像素点作为第一拟合候选点;
将所述第一拟合候选点进行直线拟合,生成若干条拟合直线,对这若干条拟合直线中符合垂直条件的拟合直线进行交点计算,生成第一交点信息;
根据所述第一交点信息和所述标定系数在所述测量图像上确定若干个待检测位置坐标,基于这若干个待检测位置坐标在生成若干个ROI区域。
3.根据权利要求1所述的检测方法,其特征在于,根据所述机采图像和所述标定系数在所述测量图像上生成待检测位置坐标,并根据所述待检测位置坐标在测量图像上生成若干个ROI区域,包括:
对所述机采图像进行行投影或列投影,求取所述机采图像关于行方向或列方向上的行列均值;
将符合第一灰度阈值的行列均值对应的像素点确定为第二拟合候选点;
将所述第二拟合候选点进行直线拟合,生成若干条拟合直线,对若干条拟合直线中符合垂直条件的拟合直线进行交点计算,生成第二交点信息;
根据所述第二交点信息和所述标定系数在所述测量图像上确定若干个待检测位置坐标,基于若干个待检测位置坐标在生成若干个ROI区域。
4.根据权利要求1至3中任一项所述的检测方法,其特征在于,在对所述初始采样点进行不同探测方向和尺度的测量,将灰度值大于第一梯度阈值且满足明暗变化的初始采用点设为目标候选点,生成目标候选点集合之后,所述根据所述目标候选点集合进行直线拟合,生成边框拟合直线之前,所述检测方法还包括:
对所述测量图像的ROI区域进行行投影或列投影,并进行求平均处理得到一维向量;
将所述目标候选点集合中的目标候选点带入一维向量中,得到一维度均值向量,在所述一维度均值向量中取靠近前景区域的若干像素点均值作为对比均值;
将所述对比均值不满足第二灰度阈值条件的目标候选点排除。
5.根据权利要求1至3中任一项所述的检测方法,其特征在于,在所述根据所述机采图像和所述标定系数在所述测量图像上生成待检测位置坐标,并根据所述待检测位置坐标在测量图像上生成若干个ROI区域之后,对所述测量图像的ROI区域进行形态学梯度处理,并进行上采样,通过双线性插值填补离散空洞信息,生成初始采样点之前,所述检测方法还包括:
对所述测量图像的ROI区域进行图像滤波;
对所述测量图像的ROI区域进行形态学腐蚀操作和闭操作。
6.根据权利要求5所述的检测方法,其特征在于,对所述测量图像的ROI区域进行图像滤波,包括:
根据预设的第一标准差计算所述测量图像中ROI区域的空间域核;
根据预设的第二标准差计算所述测量图像中ROI区域的颜色域核;
根据所述第一标准差、所述第二标准差、所述空间域核和所述颜色域核计算双边滤波核;
使用所述双边滤波核对所述测量图像中ROI区域进行卷积处理。
7.根据权利要求1至3中任一项所述的检测方法,其特征在于,所述边框拟合直线包括内边拟合直线和外边拟合直线;
在根据所述目标候选点集合进行直线拟合,生成边框拟合直线之后,所述检测方法还包括:
在所述检测图像在ROI区域内根据边框拟合直线的方向进行隔行采样或列取样,得到行采样点集合或列采样点集合;
将所述行采样点集合或所述列采样点集合代入所述内边拟合直线和所述外边拟合直线中,每一个采样点得到两个交点坐标,交点坐标连线为采样宽度;
将每一个采样点的采样宽度进行求均值处理,获取待测点位宽度。
8.根据权利要求1至3中任一项所述的检测方法,其特征在于,根据所述目标候选点集合进行直线拟合,生成边框拟合直线,包括:
对所述目标候选点集合中目标候选点的坐标点进行直线拟合,生成初始拟合直线;
根据所述初始拟合直线对所述目标候选点集合中每一个目标候选点进行权重计算,筛除权重不符合预设权重值条件的目标候选点;
对所述目标候选点集合中剩余的目标候选点进行直线拟合,生成边框拟合直线。
9.一种显示面板边框的检测装置,其特征在于,包括:
第一获取单元,用于获取标定系数、机采图像和测量图像,所述机采图像包括面阵拍摄图像和线扫拍摄图像,所述面阵拍摄图像为使用面阵相机拍摄待测产品生成的图像,所述线扫拍摄图像为使用线扫相机拍摄所述待测产品生成的图像,所述测量图像为所述待测产品的拍摄图像;
第一生成单元,用于根据所述机采图像和所述标定系数在所述测量图像上生成待检测位置坐标,并根据所述待检测位置坐标在测量图像上生成若干个ROI区域;
第二生成单元,用于对所述测量图像的ROI区域进行形态学梯度处理,并进行上采样,通过双线性插值填补离散空洞信息,生成初始采样点;
第三生成单元,用于对所述初始采样点进行不同探测方向和尺度的测量,将灰度值大于第一梯度阈值且满足明暗变化的初始采用点设为目标候选点,生成目标候选点集合;
第四生成单元,用于根据所述目标候选点集合进行直线拟合,生成边框拟合直线。
10.一种电子设备,其特征在于,包括:
处理器、存储器、输入输出单元以及总线;
所述处理器与所述存储器、所述输入输出单元以及所述总线相连;
所述存储器保存有程序,所述处理器调用所述程序以执行如权利要求1至8任意一项所述的检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311685457.6A CN117392127B (zh) | 2023-12-11 | 2023-12-11 | 一种显示面板边框的检测方法、装置和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311685457.6A CN117392127B (zh) | 2023-12-11 | 2023-12-11 | 一种显示面板边框的检测方法、装置和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117392127A true CN117392127A (zh) | 2024-01-12 |
CN117392127B CN117392127B (zh) | 2024-04-12 |
Family
ID=89470623
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311685457.6A Active CN117392127B (zh) | 2023-12-11 | 2023-12-11 | 一种显示面板边框的检测方法、装置和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117392127B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170200259A1 (en) * | 2014-01-15 | 2017-07-13 | Beijing Research Center For Information Technology In Agriculture | Drone-mounted imaging hyperspectral geometric correction method and system |
CN108416766A (zh) * | 2018-01-31 | 2018-08-17 | 浙江理工大学 | 双侧入光式导光板缺陷视觉检测方法 |
CN108921865A (zh) * | 2018-06-27 | 2018-11-30 | 南京大学 | 一种抗干扰的亚像素直线拟合方法 |
US20190187570A1 (en) * | 2017-04-13 | 2019-06-20 | Fractilia, Llc | Edge detection system and its use for optical proximity correction |
CN111879241A (zh) * | 2020-06-24 | 2020-11-03 | 西安交通大学 | 基于机器视觉的手机电池尺寸测量方法 |
CN112037287A (zh) * | 2020-08-26 | 2020-12-04 | 深圳市广宁股份有限公司 | 相机标定方法、电子设备及存储介质 |
CN113188484A (zh) * | 2021-04-16 | 2021-07-30 | 北京科技大学 | 一种热轧卷头部轮廓面积检测方法 |
CN115331000A (zh) * | 2022-08-01 | 2022-11-11 | 成都唐源电气股份有限公司 | 一种基于orb算法的弓网运行状态检测方法 |
CN116952357A (zh) * | 2023-06-13 | 2023-10-27 | 北京航空航天大学 | 基于线-面相机结合的分光成像视觉振动测量系统及方法 |
-
2023
- 2023-12-11 CN CN202311685457.6A patent/CN117392127B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170200259A1 (en) * | 2014-01-15 | 2017-07-13 | Beijing Research Center For Information Technology In Agriculture | Drone-mounted imaging hyperspectral geometric correction method and system |
US20190187570A1 (en) * | 2017-04-13 | 2019-06-20 | Fractilia, Llc | Edge detection system and its use for optical proximity correction |
CN108416766A (zh) * | 2018-01-31 | 2018-08-17 | 浙江理工大学 | 双侧入光式导光板缺陷视觉检测方法 |
CN108921865A (zh) * | 2018-06-27 | 2018-11-30 | 南京大学 | 一种抗干扰的亚像素直线拟合方法 |
CN111879241A (zh) * | 2020-06-24 | 2020-11-03 | 西安交通大学 | 基于机器视觉的手机电池尺寸测量方法 |
CN112037287A (zh) * | 2020-08-26 | 2020-12-04 | 深圳市广宁股份有限公司 | 相机标定方法、电子设备及存储介质 |
CN113188484A (zh) * | 2021-04-16 | 2021-07-30 | 北京科技大学 | 一种热轧卷头部轮廓面积检测方法 |
CN115331000A (zh) * | 2022-08-01 | 2022-11-11 | 成都唐源电气股份有限公司 | 一种基于orb算法的弓网运行状态检测方法 |
CN116952357A (zh) * | 2023-06-13 | 2023-10-27 | 北京航空航天大学 | 基于线-面相机结合的分光成像视觉振动测量系统及方法 |
Non-Patent Citations (1)
Title |
---|
英红 等: "基于双目视觉的水泥混凝土路面错台检测方法", 同济大学学报(自然科学版), vol. 39, no. 02, 15 February 2011 (2011-02-15), pages 247 - 252 * |
Also Published As
Publication number | Publication date |
---|---|
CN117392127B (zh) | 2024-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111758024B (zh) | 一种缺陷检测方法及装置 | |
CN109632808B (zh) | 棱边缺陷检测方法、装置、电子设备及存储介质 | |
CN111354047B (zh) | 一种基于计算机视觉的摄像模组定位方法及系统 | |
CN115096206B (zh) | 一种基于机器视觉的零件尺寸高精度测量方法 | |
CN107644417B (zh) | 应变片外观缺损检测方法 | |
CN108871185B (zh) | 零件检测的方法、装置、设备以及计算机可读存储介质 | |
JP2009259036A (ja) | 画像処理装置、画像処理方法、画像処理プログラム、記録媒体、及び画像処理システム | |
Flesia et al. | Sub-pixel straight lines detection for measuring through machine vision | |
CN115018835B (zh) | 一种汽车起动机齿轮检测方法 | |
CN114913171A (zh) | 一种图像失焦检测方法、装置、电子设备及存储介质 | |
KR20000034922A (ko) | 이미징 시스템에 의해 얻은 신호로부터 잡음을 제거하는 방법 및 장치 | |
CN116563298B (zh) | 基于高斯拟合的十字线中心亚像素检测方法 | |
CN113375555A (zh) | 一种基于手机影像的电力线夹测量方法及系统 | |
CN107085843B (zh) | 用于估计光学系统中的调制传递函数的系统和方法 | |
CN117392127B (zh) | 一种显示面板边框的检测方法、装置和电子设备 | |
CN117092113A (zh) | 一种摄像头模具焊接质量检测装置及其系统 | |
CN116862881A (zh) | 基于图像处理的多目标实时偏移检测方法 | |
CN116596987A (zh) | 一种基于双目视觉的工件三维尺寸高精度测量方法 | |
CN115880365A (zh) | 一种双工位自动螺丝拧装检测方法、系统及装置 | |
CN109084721B (zh) | 用于确定半导体器件中的目标结构的形貌参数的方法和设备 | |
CN114693626A (zh) | 芯片表面缺陷的检测方法、装置及计算机可读存储介质 | |
CN115684012A (zh) | 视觉检测系统、校准方法、装置和可读存储介质 | |
CN112839168B (zh) | 一种自动调整aoi检测系统中相机成像分辨率的方法 | |
CN114708262A (zh) | 一种连接器针脚的视觉检测方法 | |
CN113436120A (zh) | 一种图像模糊值识别方法及装置 |
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 |