CN117764989B - 一种视觉辅助的显示屏缺陷检测方法 - Google Patents

Abstract

本发明涉及显示屏缺陷视觉检测技术领域，具体涉及一种视觉辅助的显示屏缺陷检测方法，该方法包括：采集显示屏图像，获取显示屏图像的梯度分布直方图，对非边缘像素点数量进行筛选，利用迭代阈值算法计算显示屏边缘检测时的高低阈值，计算显示屏图像中弱边缘像素点与强边缘间的连通性，计算弱边缘像素点与周围像素点的差异性，结合连通性及差异性对弱边缘像素点的梯度值进行修正，结合canny边缘检测算法对显示屏图像中的裂纹缺陷进行检测。本发明旨在提高显示屏缺陷检测的准确率，实现视觉辅助的显示屏缺陷检测。

Description

一种视觉辅助的显示屏缺陷检测方法

技术领域

本发明涉及显示屏缺陷视觉检测技术领域，具体涉及一种视觉辅助的显示屏缺陷检测方法。

背景技术

现如今，科技发展迅速，消费者对智能手机、电视、电脑等终端产品的要求和期待日渐提高。显示屏作为最常用的电子设备外观展示组件，是终端产品的核心部分，屏幕上的一个白点、一条黑线就能让使用者的产品体验大打折扣，因此对显示屏进行缺陷检测是必不可少的一道工序。

显示屏表面的裂纹损伤是其物理缺陷中非常常见的一种，这种损伤往往会在不严密的生产和运输环节中产生。裂纹不仅会影响显示屏的外观，还会影响显示屏的使用，裂纹周围的光线无法正常折射，可能出现亮度不均、画面失真、彩虹光晕等现象。

检测裂纹缺陷通常使用的是canny边缘检测算法，该算法通过计算图像中像素点的梯度值，并设定两个阈值将像素点分割为强边缘、弱边缘和非边缘，最后利用边缘连接将强弱边缘相连得到图像中的目标边缘区域。canny边缘检测算法中两个阈值即高阈值与低阈值的确定直接影响了边缘检测的准确性，且显示屏的裂纹缺陷周围通常伴随着亮度不均匀的现象，容易产生光影，光影轮廓的存在也会导致显示屏的裂纹边缘检测存在误差。

发明内容

为了解决上述技术问题，本发明提供一种视觉辅助的显示屏缺陷检测方法，以解决现有的问题。

本发明的一种视觉辅助的显示屏缺陷检测方法采用如下技术方案：

本发明一个实施例提供了一种视觉辅助的显示屏缺陷检测方法，该方法包括以下步骤：

采集显示屏图像；

获取显示屏图像的梯度分布直方图；对显示屏图像进行边缘检测获取初始边缘像素点及初始非边缘像素点；根据梯度分布直方图对显示屏图像中的初始非边缘像素点进行筛选；结合初始边缘像素点及筛选后的初始非边缘像素点得到显示屏图像的初始低阈值及初始高阈值；对初始低阈值及初始高阈值进行迭代更新；获取迭代终止条件得到最终高阈值及最终低阈值；利用最终高阈值及最终低阈值对显示屏图像进行边缘检测获取强边缘像素点及弱边缘像素点；根据弱边缘像素点与强边缘像素点间的距离分布得到各弱边缘像素点的连通性；获取弱边缘像素点的差异性；结合弱边缘像素点的连通性及差异性对弱边缘像素点的梯度值进行修正；根据修正后的梯度值完成显示屏缺陷检测。

优选的，所述获取显示屏图像的梯度分布直方图，包括：

计算显示屏图像中各像素点的梯度，选取像素点梯度的最大值，将0到所述最大值之间等分为各个梯度区间，统计各个梯度区间内的像素点数量，以各个梯度区间为横轴，像素点数量为纵轴，构建梯度分布直方图。

优选的，所述根据梯度分布直方图对显示屏图像中的初始非边缘像素点进行筛选，包括：

计算梯度区间的长度与像素点梯度最大值的比值，计算显示屏图像中总像素点数量与所述比值的乘积，若梯度区间的像素点数量小于等于所述乘积，则梯度区间内的像素点数量不变，反之，则将梯度区间内的初始非边缘像素点数量缩减二分之一。

优选的，所述结合初始边缘像素点及筛选后的初始非边缘像素点得到显示屏图像的初始低阈值及初始高阈值，包括：

针对初始边缘像素点及筛选后的初始非边缘像素点，计算所有像素点的梯度最大值与梯度最小值的和值，将所述和值的三分之一作为显示屏图像的初始低阈值，将所述和值的三分之二作为显示屏图像的初始高阈值。

优选的，所述对初始低阈值及初始高阈值进行迭代更新，包括：

利用初始边缘像素点及筛选后的初始非边缘像素点进行迭代计算，对于第次迭代，计算第/>次迭代后划分的所有非边缘像素点的梯度均值，记为第一均值，计算第次迭代后划分的所有弱边缘像素点的梯度均值，记为第二均值，计算第/>次迭代后划分的所有强边缘像素点的梯度均值，记为第三均值，将第一均值与第二均值的和值的二分之一作为第/>次迭代时的低阈值，将第二均值与第三均值的和值的二分之一作为第次迭代时的高阈值，/>表示迭代次数。

优选的，所述获取迭代终止条件得到最终高阈值及最终低阈值，包括：

计算第次迭代得到的低阈值与第/>次迭代得到的低阈值的差值绝对值，记为第一差值绝对值，计算第/>次迭代得到的高阈值与第/>次迭代得到的高阈值的差值绝对值，记为第二差值绝对值，若第一差值绝对值与第二差值绝对值的和值小于预设固定阈值，则终止迭代，第/>次迭代得到的高阈值与第/>次迭代得到的低阈值为最终高阈值和最终低阈值，反之，则继续迭代更新。

优选的，所述根据弱边缘像素点与强边缘像素点间的距离分布得到各弱边缘像素点的连通性，表达式为：

式中，表示第/>个弱边缘像素点的连通性，/>表示归一化函数，/>表示第/>个弱边缘像素点与强边缘间的最近垂直距离，/>表示与第/>个弱边缘像素点距离最近的强边缘上的像素点数量，/>表示第/>个弱边缘像素点的梯度角度与所述强边缘上所有像素点的梯度角度均值的差值绝对值。

优选的，所述获取弱边缘像素点的差异性，表达式为：

式中，表示第/>个弱边缘像素点的差异性，/>表示归一化函数，/>表示预设阈值，/>表示位于第/>个弱边缘像素点的梯度正方向上的第j个像素点的灰度值，/>表示位于第/>个弱边缘像素点的梯度反方向上的第j个像素点的灰度值，/>表示位于第/>个弱边缘像素点的梯度正方向上的第j+1个像素点的灰度值，/>表示位于第/>个弱边缘像素点的梯度反方向上的第j+1个像素点的灰度值。

优选的，所述结合弱边缘像素点的连通性及差异性对弱边缘像素点的梯度值进行修正，表达式为：

式中，表示第/>个弱边缘像素点修正后的梯度值，/>表示第/>个弱边缘像素点修正前的梯度值，/>表示所有弱边缘像素点的梯度最小值，/>表示归一化函数，/>表示第/>个弱边缘像素点的差异性，/>表示第/>个弱边缘像素点的连通性，/>表示最终低阈值，/>表示第/>个弱边缘像素点在梯度分布直方图中所属的第/>个梯度区间内原有的像素点数量，/>表示第/>个弱边缘像素点在梯度分布直方图中所属的第/>个梯度区间内筛选后的像素点数量。

优选的，所述根据修正后的梯度值完成显示屏缺陷检测，包括：

将最终高阈值与最终低阈值作为canny边缘检测算法中的高阈值与低阈值，利用弱边缘像素点修正后的梯度值重新对显示屏图像进行canny边缘检测，将检测到的所有边缘像素点进行边缘连接，将边缘区域及边缘包围的区域作为显示屏的缺陷区域。

本发明至少具有如下有益效果：

本发明结合迭代阈值算法计算canny算法中的双阈值，将canny算法用于显示屏裂纹检测，解决了因裂纹周围的亮度不均匀导致显示屏缺陷检测出现误差的问题；利用显示屏图像的梯度分布直方图对像素点进行筛选，避免了因显示屏裂纹区域的边缘像素点与非裂纹区域的非边缘像素点数量差异过大导致的阈值偏差，进一步提升阈值确定的准确性。

根据显示屏图像中的像素点特征对弱边缘像素点的梯度值进行修正，能够减小阈值偏差导致的像素点分类误差，又能够避免显示屏表面的光影轮廓对边缘检测结果的影响，提高了显示屏缺陷检测的准确性与可靠性。

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提供的一种视觉辅助的显示屏缺陷检测方法的步骤流程图；

图2为显示屏缺陷检测指标获取流程图。

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视觉辅助的显示屏缺陷检测方法，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，一个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。

下面结合附图具体的说明本发明所提供的一种视觉辅助的显示屏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视觉辅助的显示屏缺陷检测方法的步骤流程图，该方法包括以下步骤：

步骤S001，通过图像采集装置获取显示屏表面图像，并进行预处理。

具体的，首先本实施例将通过使用CMOS相机在均匀的光线条件下拍摄显示屏表面RGB图像，作为显示屏缺陷检测的数据来源，需要说明的是，显示屏表面图像的获取方法有很多，具体的图像获取方法可通过现有技术实现，不在本实施例保护范围内，不做相关详细阐述。

然后，将显示屏表面图像转化为灰度图像，具体方法为平均值法，其次，对显示屏灰度图像使用导向滤波去噪算法进行去噪，去除噪声干扰，由于平均值法、导向滤波去噪算法均为现有公知技术，在此不做详细陈述。

至此，即可根据本实施例上述方法获取显示屏表面去噪灰度图像，作为后续显示屏缺陷检测的数据基础。

步骤S002，利用显示屏图像的梯度分布直方图对像素点进行筛选，结合迭代阈值的方法计算canny算法的高低阈值，根据显示屏图像中像素点的边缘特征对弱边缘像素点进行梯度值修正。

具体的，本实施例将采集显示屏图像，获取显示屏图像的梯度分布直方图，对初始非边缘像素点的数量进行筛选，利用迭代阈值算法计算显示屏边缘检测时的高低阈值，计算显示屏图像中弱边缘像素点与强边缘间的连通性，计算弱边缘像素点与周围像素点的差异性，结合连通性及差异性对弱边缘像素点的梯度值进行修正，结合canny边缘检测算法对显示屏图像中的裂纹缺陷进行检测，显示屏缺陷检测指标获取流程图如图2所示。弱边缘像素点梯度值的修正方式的构建过程具体为：

在对显示屏表面图像使用canny算法进行边缘检测时，高低阈值的确定尤为重要，能够直接影响检测结果的准确性，因此本实施例通过分析显示屏图像特征，结合迭代阈值算法计算出适用于显示屏图像的高低阈值。但由于显示屏图像中边缘像素点与非边缘像素点数量差异过大，会导致计算的阈值出现偏差，且迭代阈值算法通常只能对像素点进行二分类，无法直接应用在canny算法的三分类场景中。显示屏图像中的边缘像素点、非边缘像素点与周围的像素点具有较大的差异，因此本实施例利用所述差异对像素点进行筛选和修正，并在迭代阈值计算的过程中通过对像素点进行分类计算出高低两个阈值，最终获得较为准确的双阈值。

在常规迭代阈值算法中，首先计算出梯度最大值和梯度最小值的均值作为初始阈值，之后在每一次迭代过程中，会利用上一次的阈值分割出的两类像素点梯度平均值的均值得出新阈值，最后计算迭代前后的阈值差值，当差值小于前后两个阈值其中之一时就终止迭代。其中计算新阈值时由于使用的是两类像素点梯度平均值的均值，所以当两类像素点的数量差异较大时很容易出现阈值偏差，并且误差可能会不断累积。在对显示屏表面图像进行边缘检测时，裂纹通常只会占显示屏的极小部分面积，因此边缘像素点在显示屏图像中占比远低于非边缘像素点，因此本实施例首先要对显示屏图像中的非边缘像素点进行筛选，尽量降低边缘像素点与非边缘像素点的数量差异。因此，首先利用canny边缘检测算法对显示屏图像进行边缘检测，获取显示屏图像中的初始边缘像素点及初始非边缘像素点，并将初始非边缘像素点进行标记，针对显示屏图像中的初始非边缘像素点进行如下分析。

由于边缘像素点与非边缘像素点的差异主要体现在梯度值上，因此本实施例利用Sobel算子计算显示屏图像中各像素点的梯度幅值和方向，然后绘制显示屏图像的梯度分布直方图，其中Sobel算子为现有公知技术，本实施例在此不做详细赘述，记显示屏图像中所有像素点的梯度最大值为，然后将/>之间等分为/>个梯度区间，每个梯度区间的长度为/>，记为/>，统计各个梯度区间内的像素点数量，以各个梯度区间为横轴，像素点数量为纵轴，构建梯度分布直方图。每个梯度区间的初始像素点数量分别为/>、/>、…、/>，/>值可根据图像分辨率、直方图总梯度级数等具体情况进行确定，本实施例中，实施者可根据实际情况自行设定，本实施例对此不做限制。计算筛选后每个梯度区间的像素点数量，具体表达式为：

式中，表示第/>个梯度区间筛选后的像素点数量，/>表示取最小值函数，/>表示第/>个梯度区间的初始像素点数量，/>表示显示屏图像的像素点总数量，/>表示显示屏图像的梯度分布直方图中梯度区间的长度，/>表示显示屏图像中所有像素点的最大梯度值。

上述公式表示，当一个梯度区间内的像素点数量小于等于时，则梯度区间内的像素点数量不进行筛选；当梯度区间内的像素点数量大于/>时，则将梯度区间内的初始非边缘像素点数量缩减二分之一。其中，像素点缩减过程中剔除的非边缘像素点为随机剔除，本实施例对此不做限制，剔除的像素点则默认为非边缘像素点，不参与后续迭代阈值的计算。通过筛选可以在不改变像素点梯度值的基础上有效地减少非边缘像素点在阈值更新过程中所占的比重，解决了因显示屏裂纹区域面积较小而导致阈值更新过程中阈值偏差较大的问题。

在canny边缘检测算法中，需要确定高低两个阈值，这两个阈值将像素点分为了三类，大于等于高阈值的像素点相连构成强边缘，小于等于低阈值的像素点为非边缘，大于低阈值小于高阈值的像素点则为弱边缘。而迭代阈值算法通常应用于二分类的图像分割，会将图像中的像素点分为目标区域和背景区域两类，不能直接应用于canny算法中。因此，为了利用迭代阈值算法获取高低阈值，本实施例针对初始边缘像素点及筛选后的初始非边缘像素点进行以下分析：

首先，初始化阈值，将显示屏图像中最大梯度值与最小梯度值的三分点作为初始的两个阈值，具体表达式为：

式中，表示显示屏图像的初始低阈值，/>表示显示屏图像中所有初始边缘像素点及筛选后的初始非边缘像素点的梯度最小值，/>表示显示屏图像中所有初始边缘像素点及筛选后的初始非边缘像素点的梯度最大值，/>表示显示屏图像的初始高阈值。

利用canny算法结合初始低阈值及初始高阈值对初始边缘像素点及筛选后的初始非边缘像素点进行边缘检测，获取强边缘像素点、弱边缘像素点及非边缘像素点。

然后，进行阈值更新，新阈值为上一次阈值对应前后两类像素点的平均梯度值的均值，若迭代次数为，表达式为：

式中，表示第/>次迭代的低阈值，/>表示第/>次迭代的高阈值，/>表示第次迭代后非边缘像素点的梯度平均值，/>为第/>次迭代后弱边缘像素点的梯度平均值，/>为第/>次迭代后强边缘像素点的梯度平均值。将/>记为第一均值，/>记为第二均值，/>记为第三均值。

得到迭代后的低阈值与高阈值后重复利用canny算法进行边缘检测。

最后，设定终止条件，预设固定阈值，本实施例中/>，实施者可根据实际情况自行设定，本实施例对此不做限制，针对第/>次迭代，终止条件的表达式为：

式中，表示第/>次迭代的低阈值，/>表示第/>次迭代的高阈值，/>表示第次迭代的低阈值，/>表示第/>次迭代的高阈值，/>为固定阈值。若满足上述条件，则停止迭代，/>、/>即为最终低阈值、最终高阈值。将/>记为第一差值绝对值，/>记为第二差值绝对值。

得出canny算法的最终高低阈值之后，将显示屏图像的所有像素点按照梯度值分为强边缘像素点、弱边缘像素点及非边缘像素点三类，并通过边缘连接获得最终的显示屏图像的强边缘。但由于在对高低阈值进行迭代更新时，都忽略了图像中的一部分像素点，可能会导致阈值出现局部最优的情况，而弱边缘像素点的梯度值位于高低阈值之间，出现误差累积的可能性会更高，最终使得部分非边缘像素点被误检测为边缘像素点。不仅如此，显示屏图像表面的光影轮廓也可能存在较高的梯度值，如果不加以区分直接进行计算很容易导致光影轮廓也被误分为弱边缘像素点，因此弱边缘像素点存在误差的可能性较高，本实施例针对弱边缘像素点的梯度值进行修正。

为进一步解决上述问题，本实施例根据弱边缘像素点的特征对其梯度值进行修正，增强显示屏裂纹边缘像素点与其他像素点的区别度，同时降低了阈值偏差带来的影响及显示屏表面的光影带来的干扰。

在弱边缘像素点中，包含真实的弱边缘像素点和被误分割的非边缘像素点。真实的弱边缘像素点在显示屏图像中与强边缘相连，因此真实弱边缘像素点与强边缘像素点间具有一定的连通性，而非边缘像素点不具有这种特征。且非边缘像素点因其数量较多，所以在筛选过程中被筛掉的像素点也较多，而真实的弱边缘像素点则不会被筛选掉。此外，非边缘像素点的梯度值与低阈值的距离相对更近，即它们的差值更小。

根据以上逻辑，构建各个弱边缘像素点的连通性，表达式为：

式中，表示第/>个弱边缘像素点的连通性，/>表示归一化函数，/>表示第/>个弱边缘像素点与强边缘间的最近垂直距离，/>表示与第/>个弱边缘像素点距离最近的强边缘上的像素点数量，/>表示第/>个弱边缘像素点的梯度角度与所述强边缘上所有像素点的梯度角度均值的差值绝对值。

其中，上式表示，当弱边缘像素点与强边缘的距离越近、强边缘的长度越大、梯度方向越一致，则它们的连通性越强，反之则越弱。

因显示屏的材料与处理方法较为特殊，其表面会产生类似于平面镜的效果，对光影的反射性较强，故难以避免光影轮廓对裂纹检测的干扰。然而显示屏图像中的光影轮廓有一个共性，即轮廓两侧的像素点具有较大的差异，因为两侧没有差异或差异较小的轮廓在经过显示屏表面反射后不会显现出来，而裂纹两侧的像素点则具有十分一致的视觉表现。

根据以上逻辑，设定阈值，本实施例中/>，实施者可根据实际情况自行设定，本实施例对此不做限制。对于各弱边缘像素点，分别选取弱边缘像素点梯度正方向上、梯度方向上与弱边缘像素点距离最近的/>个像素点，构建各弱边缘像素点的差异性，表达式为：

式中，表示第/>个弱边缘像素点的差异性，/>表示归一化函数，/>表示预设阈值，/>表示位于第/>个弱边缘像素点的梯度正方向上的第j个像素点的灰度值，/>表示位于第/>个弱边缘像素点的梯度反方向上的第j个像素点的灰度值，/>表示位于第/>个弱边缘像素点的梯度正方向上的第j+1个像素点的灰度值，/>表示位于第/>个弱边缘像素点的梯度反方向上的第j+1个像素点的灰度值。

结合弱边缘像素点的连通性及差异性对弱边缘像素点的梯度值进行修正，表达式为：

式中，表示第/>个弱边缘像素点修正后的梯度值，/>表示第/>个弱边缘像素点修正前的梯度值，/>表示所有弱边缘像素点的梯度最小值，/>表示归一化函数，/>表示第/>个弱边缘像素点的差异性，/>表示第/>个弱边缘像素点的连通性，/>表示最终低阈值，/>表示第/>个弱边缘像素点在梯度分布直方图中所属的第/>个梯度区间内原有的像素点数量，/>表示第/>个弱边缘像素点在梯度分布直方图中所属的第/>个梯度区间内筛选后的像素点数量。

通过以上步骤对所有弱边缘像素点的梯度值进行修正，得到最终的梯度值。

步骤S003，利用修正后的梯度值及最终高阈值、最终低阈值完成显示屏缺陷检测。

显示屏图像中的弱边缘像素点的梯度值得到了修正，剩余其他像素点的梯度值则保持不变，结合最终高阈值与最终低阈值，利用canny算法对显示屏图像进行边缘检测，将检测到的所有边缘像素点进行边缘连接，将边缘区域及边缘包围的区域作为显示屏的缺陷区域。其中canny算法为现有公知技术，本实施例在此不做详细赘述。

综上所述，本发明实施例解决了因显示屏裂纹周围的亮度不均匀导致显示屏缺陷检测出现误差的问题，结合canny边缘检测算法，提高了显示屏缺陷检测的准确率与可靠性。

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。且上述对本说明书特定实施例进行了描述。另外，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。

以上所述仅为本发明的较佳实施例，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)

1.一种视觉辅助的显示屏缺陷检测方法，其特征在于，该方法包括以下步骤：

采集显示屏图像；

获取显示屏图像的梯度分布直方图；对显示屏图像进行边缘检测获取初始边缘像素点及初始非边缘像素点；根据梯度分布直方图对显示屏图像中的初始非边缘像素点进行筛选；结合初始边缘像素点及筛选后的初始非边缘像素点得到显示屏图像的初始低阈值及初始高阈值；对初始低阈值及初始高阈值进行迭代更新；获取迭代终止条件得到最终高阈值及最终低阈值；利用最终高阈值及最终低阈值对显示屏图像进行边缘检测获取强边缘像素点及弱边缘像素点；根据弱边缘像素点与强边缘像素点间的距离分布得到各弱边缘像素点的连通性；获取弱边缘像素点的差异性；结合弱边缘像素点的连通性及差异性对弱边缘像素点的梯度值进行修正；根据修正后的梯度值完成显示屏缺陷检测；

所述根据弱边缘像素点与强边缘像素点间的距离分布得到各弱边缘像素点的连通性，表达式为：

式中，表示第/>个弱边缘像素点的连通性，/>表示归一化函数，/>表示第/>个弱边缘像素点与强边缘间的最近垂直距离，/>表示与第/>个弱边缘像素点距离最近的强边缘上的像素点数量，/>表示第/>个弱边缘像素点的梯度角度与所述强边缘上所有像素点的梯度角度均值的差值绝对值；

所述获取弱边缘像素点的差异性，表达式为：

式中，表示第/>个弱边缘像素点的差异性，/>表示归一化函数，/>表示预设阈值，表示位于第/>个弱边缘像素点的梯度正方向上的第j个像素点的灰度值，/>表示位于第个弱边缘像素点的梯度反方向上的第j个像素点的灰度值，/>表示位于第/>个弱边缘像素点的梯度正方向上的第j+1个像素点的灰度值，/>表示位于第/>个弱边缘像素点的梯度反方向上的第j+1个像素点的灰度值；

所述结合弱边缘像素点的连通性及差异性对弱边缘像素点的梯度值进行修正，表达式为：

式中，表示第/>个弱边缘像素点修正后的梯度值，/>表示第/>个弱边缘像素点修正前的梯度值，/>表示所有弱边缘像素点的梯度最小值，/>表示归一化函数，/>表示第/>个弱边缘像素点的差异性，/>表示第/>个弱边缘像素点的连通性，/>表示最终低阈值，/>表示第/>个弱边缘像素点在梯度分布直方图中所属的第/>个梯度区间内原有的像素点数量，/>表示第/>个弱边缘像素点在梯度分布直方图中所属的第/>个梯度区间内筛选后的像素点数量。

2.根据权利要求1所述的一种视觉辅助的显示屏缺陷检测方法，其特征在于，所述获取显示屏图像的梯度分布直方图，包括：

计算显示屏图像中各像素点的梯度，选取像素点梯度的最大值，将0到所述最大值之间等分为各个梯度区间，统计各个梯度区间内的像素点数量，以各个梯度区间为横轴，像素点数量为纵轴，构建梯度分布直方图。

3.根据权利要求1所述的一种视觉辅助的显示屏缺陷检测方法，其特征在于，所述根据梯度分布直方图对显示屏图像中的初始非边缘像素点进行筛选，包括：

计算梯度区间的长度与像素点梯度最大值的比值，计算显示屏图像中总像素点数量与所述比值的乘积，若梯度区间的像素点数量小于等于所述乘积，则梯度区间内的像素点数量不变，反之，则将梯度区间内的初始非边缘像素点数量缩减二分之一。

4.根据权利要求1所述的一种视觉辅助的显示屏缺陷检测方法，其特征在于，所述结合初始边缘像素点及筛选后的初始非边缘像素点得到显示屏图像的初始低阈值及初始高阈值，包括：

针对初始边缘像素点及筛选后的初始非边缘像素点，计算所有像素点的梯度最大值与梯度最小值的和值，将所述和值的三分之一作为显示屏图像的初始低阈值，将所述和值的三分之二作为显示屏图像的初始高阈值。

5.根据权利要求1所述的一种视觉辅助的显示屏缺陷检测方法，其特征在于，所述对初始低阈值及初始高阈值进行迭代更新，包括：

利用初始边缘像素点及筛选后的初始非边缘像素点进行迭代计算，对于第次迭代，计算第/>次迭代后划分的所有非边缘像素点的梯度均值，记为第一均值，计算第/>次迭代后划分的所有弱边缘像素点的梯度均值，记为第二均值，计算第/>次迭代后划分的所有强边缘像素点的梯度均值，记为第三均值，将第一均值与第二均值的和值的二分之一作为第/>次迭代时的低阈值，将第二均值与第三均值的和值的二分之一作为第/>次迭代时的高阈值，/>表示迭代次数。

6.根据权利要求5所述的一种视觉辅助的显示屏缺陷检测方法，其特征在于，所述获取迭代终止条件得到最终高阈值及最终低阈值，包括：

计算第次迭代得到的低阈值与第/>次迭代得到的低阈值的差值绝对值，记为第一差值绝对值，计算第/>次迭代得到的高阈值与第/>次迭代得到的高阈值的差值绝对值，记为第二差值绝对值，若第一差值绝对值与第二差值绝对值的和值小于预设固定阈值，则终止迭代，第/>次迭代得到的高阈值与第/>次迭代得到的低阈值为最终高阈值和最终低阈值，反之，则继续迭代更新。

7.根据权利要求1所述的一种视觉辅助的显示屏缺陷检测方法，其特征在于，所述根据修正后的梯度值完成显示屏缺陷检测，包括：

将最终高阈值与最终低阈值作为canny边缘检测算法中的高阈值与低阈值，利用弱边缘像素点修正后的梯度值重新对显示屏图像进行canny边缘检测，将检测到的所有边缘像素点进行边缘连接，将边缘区域及边缘包围的区域作为显示屏的缺陷区域。