CN117934385A - 一种显示单元的缺陷检测方法及装置 - Google Patents
一种显示单元的缺陷检测方法及装置 Download PDFInfo
- Publication number
- CN117934385A CN117934385A CN202311840445.6A CN202311840445A CN117934385A CN 117934385 A CN117934385 A CN 117934385A CN 202311840445 A CN202311840445 A CN 202311840445A CN 117934385 A CN117934385 A CN 117934385A
- Authority
- CN
- China
- Prior art keywords
- image
- defect
- display unit
- pock
- 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.)
- Pending
Links
- 230000007547 defect Effects 0.000 title claims abstract description 273
- 238000001514 detection method Methods 0.000 title claims abstract description 46
- 238000011156 evaluation Methods 0.000 claims abstract description 69
- 238000000034 method Methods 0.000 claims abstract description 56
- 238000007781 pre-processing Methods 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims description 18
- 230000002159 abnormal effect Effects 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 3
- 239000000523 sample Substances 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 16
- 238000004590 computer program Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 8
- 238000004519 manufacturing process Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000003860 storage Methods 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
- 238000013461 design Methods 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 239000011324 bead Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 150000003839 salts Chemical class 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本申请提供了一种显示单元的缺陷检测方法及装置,涉及显示技术领域。该方法包括:获取显示单元的初始图像,对初始图像进行预处理,得到待检测图像和差分图像。根据显示单元的待检测图像和差分图像计算显示单元的面积因子特征和对比度因子特征。根据显示单元的面积因子特征和对比度因子特征计算显示单元的麻点缺陷评价值,并基于显示单元的评价值对显示单元或显示单元的子区域进行等级划分。通过本申请的方案,使得显示单元的缺陷检测更准确、高效。
Description
技术领域
本申请涉及显示技术领域,尤其涉及一种显示单元的缺陷检测方法及装置。
背景技术
显示屏在现代电子设备中被广泛应用,而显示屏的质量问题是影响其性能和使用寿命的重要因素之一。在显示屏的生产过程中,由于生产工序或工艺的原因,导致显示屏在点亮状态下,存在大量亮度不均匀的异常点(亮的或暗的可能都有),且有一定的聚集性,视觉上呈现麻点(椒盐)现象,严重影响显示屏的显示效果。为了保证显示屏的质量,对显示屏的麻点缺陷检测成为了显示屏生产过程中不可缺少的一环。
传统的显示屏缺陷检测方法是通过人眼观察检测麻点缺陷,但是人眼检测麻点缺陷的过程存在很强的主观性,检测结果准确率低,效率低而且无定量的数据描述。
综上,亟需一种高效、准确的显示屏麻点缺陷检测方法。
发明内容
本申请提供一种显示单元的缺陷检测方法及装置,解决了现有技术中对显示屏的麻点缺陷检测效率低下的问题。
为达到上述目的,本申请采用如下技术方案:
第一方面,本申请提供一种显示单元的缺陷检测方法,该方法包括:
获取待检测显示单元的初始图像,显示单元包括N个子区域,N为大于1的正整数。将初始图像进行图像预处理,得到待检测图像。待检测图像中包括麻点缺陷图像特征,麻点缺陷图像特征为待检测显示单元上亮度不均匀的异常灯点聚集形成的麻点缺陷区域对应的图像特征。根据待检测图像得到差分图像,差分图像中包括麻点缺陷图像特征对应的位置信息。根据麻点缺陷图像特征和麻点缺陷图像特征对应的位置信息,分别确定N个子区域中每个子区域的麻点缺陷区域。根据N个子区域的麻点缺陷区域和麻点缺陷图像特征,计算面积因子特征和对比度因子特征。根据面积因子特征和对比度因子特征计算麻点缺陷评价值,并基于麻点缺陷评价值对待检测显示单元进行等级划分。
上述技术方案通过获取显示单元的初始图像,根据显示单元的待检测图像和差分图像得到显示单元的面积因子特征和对比度因子特征,基于面积因子特征和对比度因子特征计算显示单元的麻点缺陷评价值,基于显示单元的麻点缺陷评价值对显示单元进行等级划分,使显示单元的缺陷检测更准确、高效。
在一些可能实现方式中,通过呈第一状态的图像采集设备获取第一初始图像,第一初始图像中的灯点分开,或者通过呈第二状态的图像采集设备获取第二初始图像,第二初始图像中的灯点粘连。基于此技术,在需要获取到的图像中的灯点清晰分开的场景下,能够通过呈第一状态的图像采集设备获取初始图像;在需要获取到的图像中的灯点模糊粘连的场景下,能够通过呈第二状态的图像采集设备获取初始图。
在一些可能实现方式中,在通过呈第一状态的图像采集设备获取初始图像的情况下,首先基于初始图像,逐灯点提取亮度数据,得到亮度数据图。然后基于亮度数据图,提取麻点缺陷图像特征。最后根据麻点缺陷图像特征,生成待检测图像。基于此技术,能够在通过呈第一状态的图像采集设备获取初始图像的情况下,进行显示单元缺陷检测。
在一些可能实现方式中,在通过呈第二状态的图像采集设备获取初始图像的情况下,首先基于初始图像,提取麻点缺陷区域,进行图像灰度化和滤波,得到滤波后图像。然后基于滤波后图像,提取麻点缺陷图像特征。最后根据麻点缺陷图像特征,得到待检测图像。基于此技术,能够在通过呈第二状态的图像采集设备获取初始图像的情况下,进行显示单元缺陷检测。
在一些可能实现方式中,根据N个子区域的麻点缺陷区域和麻点缺陷图像特征,分别计算N个子区域的面积因子特征和对比度因子特征。
在一些可能实现方式中,根据N个子区域的面积因子特征和对比度因子特征,分别计算N个子区域的麻点缺陷评价值,并基于N个子区域的麻点缺陷评价值分别对N个子区域进行等级划分。基于此技术,能够对显示单元的每个子区域单独进行等级划分。
在一些可能实现方式中,在根据N个子区域的麻点缺陷区域和麻点缺陷图像特征,分别计算N个子区域的面积因子特征和对比度因子特征之后,根据N个子区域的面积因子特征和对比度因子特征,计算显示单元的面积因子特征和对比度因子特征。根据显示单元的面积因子特征和对比度因子特征,计算显示单元的麻点缺陷评价值,并基于显示单元的麻点缺陷评价值对待检测显示单元进行等级划分。基于此技术,能够对整块显示单元进行等级划分。
在一些可能实现方式中,根据第一区域中麻点缺陷区域的面积得到第一区域的面积因子特征,第一区域为差分图像的N个子区域中任一个。根据第一麻点缺陷的像素均值得到第一麻点缺陷的对比度因子特征,第一麻点缺陷为第一区域中的多个麻点缺陷中任一个。根据第一区域的所有麻点缺陷的对比度因子特征得到第一区域的对比度因子特征。
在一些可能实现方式中,显示单元的面积因子特征为N个子区域的面积因子特征的均值。显示单元的对比度因子特征为N个子区域的对比度因子特征的均值。基于此技术,能够通过N个子区域的面积因子特征和对比度因子特征计算显示单元的面积因子特征和对比度因子特征。
第二方面,本申请提供一种显示单元的缺陷检测装置,显示单元包括N个子区域,N为大于1的正整数。装置包括:采集模块,图像处理模块,检测模块以及结果处理模块。采集模块,用于获取待检测显示单元的初始图像。图像处理模块,用于将初始图像进行图像预处理,得到待检测图像。待检测图像中包括麻点缺陷图像特征,麻点缺陷图像特征为待检测显示单元上亮度不均匀的异常灯点聚集形成的麻点缺陷区域对应的图像特征。还用于根据待检测图像得到差分图像。差分图像中包括麻点缺陷图像特征对应的位置信息。检测模块,用于根据麻点缺陷图像特征和麻点缺陷图像特征对应的位置信息,分别确定N个子区域中每个子区域的麻点缺陷区域。还用于根据N个子区域的麻点缺陷区域和麻点缺陷图像特征,计算面积因子特征和对比度因子特征。检测模块,还用于根据面积因子特征和对比度因子特征,计算麻点缺陷评价值。结果处理模块,用于基于麻点缺陷评价值对待检测显示单元进行等级划分。
其中,上述第一方面描述的方法可以通过硬件实现,也可以通过硬件执行相应的软件实现。硬件或软件包括一个或多个与上述功能相对应的模块或单元。例如,处理模块或单元、显示模块或单元等。
第三方面,本申请提供一种电子设备,电子设备包括处理器、处理器以及存储器中存储的计算机程序或指令,处理器用于执行计算机程序或指令,使得第一方面中的方法被执行。
第四方面,本申请提供一种计算机可读存储介质,其上存储有用于实现第一方面中的方法的计算机程序(也可称为指令或代码)。例如,该计算机程序被计算机执行时,使得该计算机可以执行第一方面中的方法。
第五方面,本申请提供一种芯片,包括处理器。处理器用于读取并执行存储器中存储的计算机程序,以执行第一方面及其任意可能的实现方式中的方法。可选地,芯片还包括存储器,存储器与处理器通过电路或电线连接。
第六方面,本申请提供一种芯片系统,包括处理器。处理器用于读取并执行存储器中存储的计算机程序,以执行第一方面及其任意可能的实现方式中的方法。可选地,芯片系统还包括存储器,存储器与处理器通过电路或电线连接。
第七方面,本申请提供一种计算机程序产品,所述计算机程序产品包括计算机程序(也可称为指令或代码),所述计算机程序被电子设备执行时使得电子设备实现第一方面中的方法。
可以理解的是,上述第二方面至第七方面的有益效果可以参见上述第一方面中的相关描述,在此不再赘述。
附图说明
图1为本申请实施例提供的显示单元的缺陷检测方法的流程示意图;
图2为本申请实施例提供的一种图像采集设备采集图像的示意图;
图3中的(a)图为本申请实施例提供的一种由初始图像得到待检测图像的示意图;
图3中的(b)图为本申请实施例提供的一种根据待检测图像与背景图像得到差分图像的示意图;
图4为本申请实施例提供的第一麻点缺陷的轮廓示意图;
图5为本申请实施例提供的一种差分图像包括n*m个子区域的示意图;
图6为本申请实施例提供的一种计算n*m个子区域的麻点缺陷评价值的过程示意图;
图7为本申请实施例提供的一种计算显示单元的麻点缺陷评价值的过程示意图;
图8中的(a)图为本申请实施例提供的一种显示单元的初始图像;
图8中的(b)图为本申请实施例提供的一种对显示单元的麻点缺陷进行检测的结果示意图;
图9为本申请实施例提供的一种显示单元的等级划分示意图;
图10为本申请实施例提供的一种显示屏100的缺陷检测过程示意图;
图11为本申请实施例提供的一种显示单元的缺陷检测装置结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请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。
本文中术语“和/或”,是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。本文中符号“/”表示关联对象是或者的关系,例如A/B表示A或者B。
本文中的说明书和权利要求书中的术语“第一”和“第二”等是用于区别不同的对象,而不是用于描述对象的特定顺序。在本申请实施例的描述中,除非另有说明,“多个”的含义是指两个或者两个以上,例如,多个处理单元是指两个或者两个以上的处理单元等;多个元件是指两个或者两个以上的元件等。
在本申请实施例中,“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言,使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
显示屏在现代电子设备中被广泛应用,而显示屏的质量问题是影响其性能和使用寿命的重要因素之一。在显示屏的生产过程中,由于生产工序或工艺的原因,导致显示屏在点亮状态下,存在大量亮度不均匀的异常点(亮的或暗的可能都有),且有一定的聚集性,视觉上呈现麻点(椒盐)现象,严重影响显示屏的显示效果。为了保证显示屏的质量,对显示屏的麻点缺陷检测成为了显示屏生产过程中不可缺少的一环。
传统的显示屏缺陷检测方法是通过人眼观察检测麻点缺陷,但是人眼检测麻点缺陷的过程存在很强的主观性,检测评价结果准确率低,效率低而且无定量的数据描述。
基于此,本申请实施例提供一种显示单元的缺陷检测方法及装置,通过获取显示单元的初始图像,根据显示单元的待检测图像和差分图像得到显示单元的面积因子特征和对比度因子特征,基于面积因子特征和对比度因子特征计算显示单元的麻点缺陷评价值,基于显示单元的麻点缺陷评价值对显示单元进行等级划分。
与上述相关技术相比,本申请的改进点体现在:本申请提供的显示单元的缺陷检测方法能够提供定量的数据描述,消除人眼检测麻点缺陷带来的主观性的影响,提高显示单元缺陷检测的效率及准确性。
为了更好地理解本申请实施例,以下先对本申请实施例进行简要说明:
通过图像采集设备获取待检测显示单元的初始图像,显示单元包括N个子区域,N为大于1的正整数。将初始图像进行图像预处理,生成包含麻点缺陷图像特征的待检测图像。麻点缺陷图像特征是指待检测显示单元上亮度不均匀的异常灯点聚集形成的麻点缺陷区域对应的图像特征。对待检测图像进行数据处理,得到包含麻点缺陷图像特征对应的位置信息的差分图像。根据麻点缺陷图像特征和麻点缺陷图像特征对应的位置信息,分别确定N个子区域中每个子区域的麻点缺陷区域。根据N个子区域的麻点缺陷区域和麻点缺陷图像特征,得到显示单元的面积因子特征和对比度因子特征。根据求得的显示单元的面积因子特征和对比度因子特征计算出麻点缺陷评价值,最后根据麻点缺陷评价值实现对待检测显示单元的等级划分。
下面结合具体的实施例介绍本申请实施例提供的一种显示单元的缺陷检测方法及装置。
实施例一:显示单元的缺陷检测方法
图1是本申请实施例提供的显示单元的缺陷检测方法的流程示意图。参照图1所示,该方法100包括下述的步骤S101-S107。
S101,获取待检测显示单元的初始图像,显示单元包括N个子区域,N为大于1的正整数。
其中,初始图像通过图像采集设备采集,如图2所示,图像采集设备可通过多个方位获取初始图像。
在一种实现方式中,图像采集设备位于待检测显示单元的正上方,进行采集图像。
在另一种实现方式中,图像采集设备位于待检测显示单元的侧方向,参照图2所示,图像采集设备的采集方位与待检测显示单元的法线成角度α,进行采集图像。
在另一种实现方式中,图像采集设备为多个,多个图像采集设备中的一个位于待检测显示单元的正上方,多个图像采集设备中的其他图像采集设备分别位于待检测显示单元的侧方向。其中,图像采集设备的数量具体根据需求确定。
在本申请实施例中,在获取待检测显示单元的初始图像时,需点亮待检测显示单元,待检测显示单元的显示画面可以为R(红)、G(绿)、B(蓝)、W(白)中任一种,无需外部单独提供光源。
其中,图像采集设备可以是指工业相机、高清摄像机等采集设备,需要注意的是,若以采集色彩进行分类,图像采集设备必须是彩色相机。本申请实施例中,相机分辨率、相机型号以及采集距离等具体视实际情况而定,本申请对此不作限定。
在本申请实施例提供的方案中,提供两种通过图像采集设备采集初始图像的方法:
(1)图像采集设备在对焦清晰状态下获取第一初始图像,第一初始图像中拍摄的灯点清晰分开,此时图像中不显示麻点缺陷区域或麻点缺陷区域并不明显。
(2)图像采集设备在对焦模糊状态下获取第二初始图像,第二初始图像中拍摄的灯点粘连在一起,此时图像中清晰显示麻点缺陷区域。
基于此技术,能够在图像采集设备呈两种不同状态下获取到可供进行缺陷检测的图像。
S102,将初始图像进行图像预处理,得到待检测图像。
参见图3中的(a)图所示,为由初始图像得到待检测图像的示意图。
其中,待检测图像中包括麻点缺陷图像特征,麻点缺陷图像特征为待检测显示单元上亮度不均匀的异常灯点聚集形成的麻点缺陷区域对应的图像特征。
示例性地,第一种取图方法对应的图像预处理方法为:在通过对焦清晰状态下的图像采集设备获取初始图像之后,首先基于初始图像,逐灯点提取亮度数据,得到亮度数据图。后续在亮度数据图上逐灯珠提取麻点缺陷图像特征。最后根据麻点缺陷图像特征,生成待检测图像。
可选的,第二种取图方法对应的图像预处理方法为:在通过对焦模糊状态下的图像采集设备获取初始图像之后,首先基于初始图像,提取麻点缺陷区域,进行图像灰度化和滤波,滤除掉灯珠纹理信息,得到滤波后图像。然后基于滤波后图像,提取麻点缺陷图像特征。最后根据麻点缺陷图像特征,得到待检测图像。
在本申请实施例提供的方案中,可以通过感兴趣区域(region of interest,ROI)提取技术提取初始图像中的麻点缺陷区域。ROI区域是指在机器视觉、图像处理中,在被处理的图像中以方框、圆、椭圆、不规则多边形等方式勾勒出需要处理的区域,便于进一步处理。本申请实施例中,感兴趣区域为初始图像中的麻点缺陷区域。
S103,根据待检测图像得到差分图像。
其中,差分图像中包括麻点缺陷图像特征对应的位置信息。
在本申请实施例提供的方案中,根据待检测图像与背景图像之间的光学差异,得到差分图像;光学差异可以包括亮度差异、色度差异以及灰度差异中的至少一种。
示例性地,参见图3中的(b)图所示,对待检测图像进行滤波,得到背景图像,背景图像中不含麻点缺陷区域。将背景图像与待检测图像的灰度值作差,得到差分图像。若背景图像与待检测图像的灰度值差值为正,则待检测图像中的麻点缺陷区域为暗麻点缺陷;若背景图像与待检测图像的灰度值差值为负,则待检测图像中的麻点缺陷区域为亮麻点缺陷。若对背景图像与待检测图像的灰度值差值取绝对值,则待检测图像中的麻点缺陷区域同时包含了暗麻点缺陷和亮麻点缺陷。
在本申请实施例中,显示单元包括N个子区域,N为大于1的正整数。将待检测图像和差分图像分别对应划分为N个子区域。图3中的(a)图中所示,为待检测图像的示意图,图3中的(b)图中所示,为差分图像的示意图。
S104,根据麻点缺陷图像特征和麻点缺陷图像特征对应的位置信息,分别确定N个子区域中每个子区域的麻点缺陷区域。
在本申请实施例中,根据满足预设条件第一麻点缺陷确定第一区域的麻点缺陷区域。如图3中所示,第一区域为差分图像的N个子区域中任一个,第一麻点缺陷为第一区域中的多个麻点缺陷中任一个。下文中以第一麻点缺陷为例对本申请是实例进行说明。
示例性地,判断第一麻点缺陷是否满足预设条件包括以下步骤:
(1)将第一麻点缺陷的对比度因子特征和预设的对比度因子特征进行比较,将对比度因子特征大于或等于预设的对比度因子特征的第一麻点缺陷确定为满足预设条件的第一麻点缺陷。
计算第一区域内第一麻点缺陷的对比度的步骤如下:
①获取第一区域内第一麻点缺陷的轮廓。如图4所示,第一麻点缺陷的轮廓为图中不规则圆形。
②对第一麻点缺陷的轮廓进行最小外接矩形拟合。如图4所示,第一麻点缺陷的最小外接矩形为图中长为W、宽为H的矩形。
③以该最小外接矩形的中心点为中心,获取背景矩形区域。如图4所示,背景矩形区域为图中长为W*n、宽为H*n的矩形。
④在待检测图像的子区域图中计算背景矩形区域内的像素值均值,记为back_gray_mean。
⑤在待检测图像的子区域图中计算第一麻点缺陷的轮廓内的像素均值,记为gray_mean。
⑥计算第一麻点缺陷的对比度,记为contrast_th。
示例性地,第一麻点缺陷的对比度因子特征为第一麻点缺陷的像素均值与背景区域的像素均值之比。计算公式如下:
其中:k为预设常量。
将第一麻点缺陷的对比度因子特征contrast_th与阈值T进行比较,若第一麻点缺陷的对比度因子特征contrast_th大于阈值T,则将第一麻点缺陷确定为满足预设条件的第一麻点缺陷。
对第一区域内每个麻点缺陷求取对比度因子特征contrast_th后,与阈值T进行比较,将对比度因子特征contrast_th小于阈值T的麻点缺陷在差分图像子区域图中抹除。
(2)将第一麻点缺陷的面积和预设的麻点缺陷面积进行比较;将面积大于或等于预设的麻点缺陷面积的第一麻点缺陷确定为满足预设条件的第一麻点缺陷。
其中,第一麻点缺陷的面积可通过第一麻点缺陷的最小外接矩形的长宽比表示。
示例性地,第一麻点缺陷的最小外接矩形为长为W、宽为H的矩形。将第一麻点缺陷的最小外接矩形的长宽比W/H或H/W与预设值P进行比较,若第一麻点缺陷的最小外接矩形的长宽比W/H或H/W大于预设值P,则将第一麻点缺陷确定为满足预设条件的第一麻点缺陷。
对第一区域内每个麻点缺陷求取最小外接矩形的长宽比后,将小于预设值P的麻点缺陷在差分图像子区域图中抹除,以消除线mura的影响。其中,mura缺陷是指显示屏中亮度显示不均匀的现象。
在此情况下,对第一区域内所有满足预设条件的第一麻点缺陷像素点进行连通域提取,以确定第一区域的麻点缺陷区域。
其中,连通域为差分图像中位置依次相邻的至少一个缺陷像素点构成的区域。差分图像的第一区域中的每个连通域即为第一区域的麻点缺陷区域。
S105,根据N个子区域的麻点缺陷区域和麻点缺陷图像特征,计算面积因子特征和对比度因子特征。
(1)计算第一区域的面积因子特征的步骤如下:
①计算第一区域内麻点缺陷区域的面积之和,记为sum_area。
②计算第一区域的面积,记为diff_th_area。
③计算第一区域的面积因子特征,记为area。
第一区域的面积因子特征为第一区域中麻点缺陷区域的面积在第一区域的面积中的占比。计算公式为:
其中:q为预设常量。
由此可分别计算出N个子区域的面积因子特征,其中N=n*m。参见图5所示,差分图像包括n*m个子区域。
n*m个子区域的面积因子特征记作:
(2)计算第一区域的对比度因子特征的步骤如下:
①计算第一区域所有预设条件的第一麻点缺陷的对比度因子特征之和,记为sum_contrast。
②计算第一区域的对比度因子特征,记为contrast。
其中,第一区域的对比度因子特征为第一区域的所有麻点缺陷的对比度因子特征的均值。计算公式为:
其中,num为第一区域的麻点缺陷区域的数量。
由此可计算出n*m个子区域的对比度因子特征,记作:
S106,根据面积因子特征和对比度因子特征计算麻点缺陷评价值。
在本申请实施例中,根据N个子区域的面积因子特征area和对比度因子特征contrast,分别计算N个子区域的麻点缺陷评价值。
示例性地,根据第一区域的面积因子特征area和对比度因子特征contrast,计算第一区域的麻点缺陷评价值,记为evaluation。计算公式为:
其中:k1,k2分别为第一区域的面积因子特征area及对比度因子特征contrast的权重占比,H、Z为根据经验所得值,该值可使得评价值与人眼视效保持一致。
示例性地,上述公式中的面积因子特征area为n*m个子区域的面积因子特征area00~areanm中任一个,对比度因子特征contrast为n*m个子区域的对比度因子特征contrast00~contrastnm中任一个,例如,面积因子特征area取值为area01时,对比度因子特征contrast的取值对应为contrast01,麻点缺陷评价值evaluation01的计算公式为:
由此,参见图6所示,可根据n*m个子区域的面积因子特征area和对比度因子特征contrast计算出n*m个子区域的麻点缺陷评价值evaluation,记作:
S107,基于麻点缺陷评价值对待检测显示单元进行等级划分。
在本申请实施例中,基于N个子区域的麻点缺陷评价值evaluation分别对N个子区域进行等级划分。
示例性地,基于第一区域的麻点缺陷评价值evaluation对第一区域进行等级划分。
示例性地,在实际的应用场景中,基于每个子区域的麻点缺陷评价值对所有子区域进行等级划分后,将不满足预设条件的子区域灯板进行更换。例如:将所有子区域的等级划分为甲、乙两个等级,甲等为满足预设条件,乙等为不满足预设条件。将其中等级为乙等的子区域灯板进行更换。
上文中,详细说明了对显示单元的子区域进行缺陷检测的过程,下文中对整块显示单元的缺陷检测的过程进行具体描述。
在申请实施例的另一种实现方式中,在根据N个子区域的麻点缺陷区域和麻点缺陷图像特征,分别计算N个子区域的面积因子特征和对比度因子特征之后,方法还包括:
(1)参见图7所示,根据N个子区域的面积因子特征和对比度因子特征,计算显示单元的面积因子特征(area_all)和对比度因子特征(contrast_all)。
示例性地,显示单元的面积因子特征area_all为N个子区域的面积因子特征area的均值。计算公式为:
显示单元的对比度因子特征contrast_all为N个子区域的对比度因子特征contrast的均值。计算公式为:
(2)参见图7所示,根据显示单元的面积因子特征area_all和对比度因子特征contrast_all,计算显示单元的麻点缺陷评价值,记为evaluation_all。计算公式为:
其中:k1,k2分别为显示单元的面积因子特征area_all和对比度因子特征contrast_all的权重占比,H、Z为根据经验所得值,该值可使得评价值与人眼视效保持一致。
(3)基于显示单元的麻点缺陷评价值evaluation_all对待检测显示单元进行等级划分。基于此技术,能够对整块显示单元进行等级划分。
示例性地,如图8所示,为对显示单元的麻点缺陷进行检测的结果示意图,图8中的(a)图为显示单元的初始图像,图8中的(b)图为显示单元的麻点缺陷测评结果图。结果图中每个子区域内左上角为区域编号,右上角为该区域的缺陷测评值。
其中,区域91的缺陷测评值为104.463;区域92的缺陷测评值为88.392;区域101的缺陷测评值为103.499;区域102的缺陷测评值为94.664。缺陷测评值越高表示显示单元的麻点缺陷越严重,则在图8中的(b)图中,区域92的麻点缺陷最少,区域91的麻点缺陷最为严重。
示例性地,设定显示单元的等级包括A、B、C三个等级,当显示单元的缺陷测评值在区间a内时,显示单元对应的等级为A;当显示单元的缺陷测评值在区间b内时,显示单元对应的等级为B;当显示单元的缺陷测评值在区间c内时,显示单元对应的等级为C。需要说明的是,在实际应用时,显示单元的等级可以包括更少或更多的级数,视实际情况而定,本申请实施例对此不作限定。
示例性地,参见图9所示,当区间a的取值为0~30时,显示单元对应的等级为A;当区间b的取值为30~70时,显示单元对应的等级为B;当区间c的取值为大于70时,显示单元对应的等级为C。需要说明的是,在实际应用时,区间a、区间b和区间c的取值可以视实际情况而定,本申请实施例对此不作限定。
在申请实施例的另一种实现方式中,显示屏100由①、②、③、④四块显示模组拼接得到,参见图10所示,通过申请实施例提供的缺陷检测方法,分别计算出①、②、③、④四块显示模组的缺陷测评值。图中每个显示模组的左上角为显示模组的编号,右上角为该显示模组的缺陷测评值。如图所示,显示模组①的缺陷测评值为87.89;显示模组②的缺陷测评值为47.56;显示模组③的缺陷测评值为102.65;显示模组④的缺陷测评值为67.45。通过计算显示模组①、②、③、④的缺陷测评值的均值,可计算出显示屏100的缺陷测评值,为76.39。基于显示屏100的缺陷测评值可对显示屏100进行等级划分,例如,若是按照图9所示的等级划分标准,对显示屏100进行等级划分,则显示屏100的等级为C。
通过本申请实施例提供的方法,可求出显示单元每个子区域内的麻点缺陷评价值和显示单元整体的麻点缺陷评价值,以此可检测出LED显示屏上的单显示模组或整块LED显示屏上的麻点缺陷及其评价值,不同生成厂家可根据该评价值对LED显示屏或LED单显示模组进行分类。
实施例二:显示单元的缺陷检测装置
本申请提供一种显示单元的缺陷检测装置,显示单元包括N个子区域,N为大于1的正整数。如图11所示,检测装置10包括:采集模块101,图像处理模块102,检测模块103以及结果处理模块104。
采集模块101,用于获取待检测显示单元的初始图像。
在本申请实施例中,采集模块101为图像采集设备。其中,图像采集设备可以是指工业相机、高清摄像机等采集设备,需要注意的是,若以采集色彩进行分类,图像采集设备必须是彩色相机。本申请实施例中,相机分辨率、相机型号以及采集距离等具体视实际情况而定,本申请对此不作限定。
在本申请实施例中,图像采集设备位于待检测显示单元的正上方或侧方向。
在本申请的另一些实施例中,图像采集设备可以为多个,多个图像采集设备中的一个位于待检测显示单元的正上方,多个图像采集设备中的其他图像采集设备分别位于待检测显示单元的侧方向。其中,图像采集设备的数量具体根据需求确定。
图像处理模块102,用于将初始图像进行图像预处理,得到待检测图像。待检测图像中包括麻点缺陷图像特征,麻点缺陷图像特征为待检测显示单元上亮度不均匀的异常灯点聚集形成的麻点缺陷区域对应的图像特征。还用于根据待检测图像得到差分图像。差分图像中包括麻点缺陷图像特征对应的位置信息。
检测模块103,用于根据麻点缺陷图像特征和麻点缺陷图像特征对应的位置信息,分别确定N个子区域中每个子区域的麻点缺陷区域。还用于根据N个子区域的麻点缺陷区域和麻点缺陷图像特征,计算面积因子特征和对比度因子特征。
检测模块103,还用于根据面积因子特征和对比度因子特征,计算麻点缺陷评价值。
结果处理模块104,用于基于麻点缺陷评价值对待检测显示单元进行等级划分。
本实施例提供的缺陷检测装置的有益效果与第一实施例提供的显示单元的缺陷检测方法的有益效果相同。
上文主要从方法步骤的角度对本申请实施例提供的方案进行了描述。可以理解的是,为了实现上述功能,实施该方法的电子设备包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的保护范围。
本申请实施例可以根据上述方法示例,对电子设备进行功能模块的划分,例如,可以对应各个功能划分各个功能模块,也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。需要说明的是,本申请实施例中对模块的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有其它可行的划分方式。
也需要说明的是,在本申请实施例中,“大于”可以替换为“大于或等于”,“小于或等于”可以替换为“小于”,或者,“大于或等于”可以替换为“大于”,“小于”可以替换为“小于或等于”。
本申请实施例还提供一种芯片,该芯片与存储器耦合,该芯片用于读取并执行存储器中存储的计算机程序或指令,以执行上述各实施例中的步骤。
本申请实施例还提供一种电子设备,该电子设备包括芯片,该芯片用于读取并执行存储器存储的计算机程序或指令,使得各实施例中的步骤被执行。
本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质中存储有计算机指令,当该计算机指令在电子设备上运行时,使得电子设备执行上述相关步骤。
本申请实施例还提供了一种计算机程序产品,该计算机可读存储介质存储有程序代码,当该计算机程序产品在计算机上运行时,使得计算机执行上述相关步骤。
其中,本申请实施例提供的电子设备、计算机可读存储介质、计算机程序产品或芯片均用于执行上文所提供的对应的步骤,因此,其所能达到的有益效果可参考上文所提供的对应的控制件功能的配置方法中的有益效果,此处不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和系统,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,模块或单元的划分,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装置,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。
以上,仅为本申请的具体实施方式,但本申请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申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种显示单元的缺陷检测方法,其特征在于,所述显示单元包括N个子区域,N为大于1的正整数;所述方法包括:
获取待检测显示单元的初始图像;
将所述初始图像进行图像预处理,得到待检测图像;所述待检测图像中包括麻点缺陷图像特征,所述麻点缺陷图像特征为所述待检测显示单元上亮度不均匀的异常灯点聚集形成的麻点缺陷区域对应的图像特征;
根据所述待检测图像得到差分图像;所述差分图像中包括所述麻点缺陷图像特征对应的位置信息;
根据所述麻点缺陷图像特征和所述麻点缺陷图像特征对应的位置信息,分别确定所述N个子区域中每个所述子区域的麻点缺陷区域;
根据所述N个子区域的所述麻点缺陷区域和所述麻点缺陷图像特征,计算面积因子特征和对比度因子特征;
根据所述面积因子特征和所述对比度因子特征计算麻点缺陷评价值,并基于所述麻点缺陷评价值对所述待检测显示单元进行等级划分。
2.根据权利要求1所述的方法,其特征在于,所述获取待检测显示单元的初始图像,包括:
通过呈第一状态的图像采集设备获取第一初始图像,所述第一初始图像中的灯点分开;或
通过呈第二状态的所述图像采集设备获取第二初始图像,所述第二初始图像中的灯点粘连。
3.根据权利要求2所述的方法,其特征在于,在通过呈第一状态的图像采集设备获取所述初始图像的情况下,所述将所述初始图像进行图像预处理,得到待检测图像,包括:
基于所述初始图像,逐灯点提取亮度数据,得到亮度数据图;
基于所述亮度数据图,提取所述麻点缺陷图像特征;
根据所述麻点缺陷图像特征,生成所述待检测图像。
4.根据权利要求2所述的方法,其特征在于,在通过呈第二状态的所述图像采集设备获取所述初始图像的情况下,所述将所述初始图像进行图像预处理,得到待检测图像,包括:
基于所述初始图像,提取所述麻点缺陷区域,进行图像灰度化和滤波,得到滤波后图像;
基于所述滤波后图像,提取所述麻点缺陷图像特征;
根据所述麻点缺陷图像特征,得到所述待检测图像。
5.根据权利要求1所述的方法,其特征在于,所述根据所述N个子区域的所述麻点缺陷区域和所述麻点缺陷图像特征,计算面积因子特征和对比度因子特征,包括:
根据所述N个子区域的所述麻点缺陷区域和所述麻点缺陷图像特征,分别计算所述N个子区域的所述面积因子特征和所述对比度因子特征。
6.根据权利要求1所述的方法,其特征在于,所述根据所述面积因子特征和所述对比度因子特征计算麻点缺陷评价值,并基于所述麻点缺陷评价值对所述待检测显示单元进行等级划分,包括:
根据所述N个子区域的所述面积因子特征和所述对比度因子特征,分别计算所述N个子区域的麻点缺陷评价值,并基于所述N个子区域的麻点缺陷评价值分别对所述N个子区域进行等级划分。
7.根据权利要求5所述的方法,其特征在于,在所述根据所述N个子区域的所述麻点缺陷区域和所述麻点缺陷图像特征,分别计算所述N个子区域的所述面积因子特征和所述对比度因子特征之后,所述方法还包括:
根据所述N个子区域的所述面积因子特征和所述对比度因子特征,计算所述显示单元的所述面积因子特征和所述对比度因子特征;
根据所述显示单元的所述面积因子特征和所述对比度因子特征,计算所述显示单元的麻点缺陷评价值,并基于所述显示单元的麻点缺陷评价值对所述待检测显示单元进行等级划分。
8.根据权利要求5所述的方法,其特征在于,所述根据所述N个子区域的所述麻点缺陷区域和所述麻点缺陷图像特征,分别计算所述N个子区域的所述面积因子特征和所述对比度因子特征,包括:
根据第一区域中麻点缺陷区域的面积得到所述第一区域的面积因子特征,所述第一区域为所述差分图像的N个子区域中任一个;
根据第一麻点缺陷的像素均值得到所述第一麻点缺陷的对比度因子特征,所述第一麻点缺陷为所述第一区域中的多个麻点缺陷中任一个;
根据所述第一区域的所有麻点缺陷的对比度因子特征得到所述第一区域的对比度因子特征。
9.根据权利要求7所述的方法,其特征在于,
所述显示单元的面积因子特征为所述N个子区域的面积因子特征的均值;
所述显示单元的对比度因子特征为所述N个子区域的对比度因子特征的均值。
10.一种显示单元的缺陷检测装置,其特征在于,所述显示单元包括N个子区域,N为大于1的正整数;所述装置包括:采集模块,图像处理模块,检测模块以及结果处理模块;
所述采集模块,用于获取待检测显示单元的初始图像;
所述图像处理模块,用于将所述初始图像进行图像预处理,得到待检测图像;所述待检测图像中包括麻点缺陷图像特征,所述麻点缺陷图像特征为所述待检测显示单元上亮度不均匀的异常灯点聚集形成的麻点缺陷区域对应的图像特征;还用于根据所述待检测图像得到差分图像;所述差分图像中包括所述麻点缺陷图像特征对应的位置信息;
所述检测模块,用于根据所述麻点缺陷图像特征和所述麻点缺陷图像特征对应的位置信息,分别确定所述N个子区域中每个所述子区域的麻点缺陷区域;还用于根据所述N个子区域的所述麻点缺陷区域和所述麻点缺陷图像特征,计算面积因子特征和对比度因子特征;
所述检测模块,还用于根据所述面积因子特征和所述对比度因子特征,计算麻点缺陷评价值;
所述结果处理模块,用于基于所述麻点缺陷评价值对所述待检测显示单元进行等级划分。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311840445.6A CN117934385A (zh) | 2023-12-28 | 2023-12-28 | 一种显示单元的缺陷检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311840445.6A CN117934385A (zh) | 2023-12-28 | 2023-12-28 | 一种显示单元的缺陷检测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117934385A true CN117934385A (zh) | 2024-04-26 |
Family
ID=90758478
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311840445.6A Pending CN117934385A (zh) | 2023-12-28 | 2023-12-28 | 一种显示单元的缺陷检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117934385A (zh) |
-
2023
- 2023-12-28 CN CN202311840445.6A patent/CN117934385A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109752394B (zh) | 一种显示屏缺陷高精度检测方法及系统 | |
CN111563889B (zh) | 基于计算机视觉的液晶屏幕Mura缺陷检测方法 | |
CN104749184B (zh) | 自动光学检测方法和系统 | |
US7978903B2 (en) | Defect detecting method and defect detecting device | |
CN106770362A (zh) | 基于aoi的宏观缺陷检测装置及方法 | |
CN111474177A (zh) | 基于计算机视觉的液晶屏幕背光异物缺陷检测方法 | |
JP2004294202A (ja) | 画面の欠陥検出方法及び装置 | |
CN112395928A (zh) | 一种设备状态运行自动检测的方法 | |
CN110910372B (zh) | 基于深度卷积神经网络的匀光板缺陷检测方法 | |
CN114119591A (zh) | 一种显示屏画面质量检测方法 | |
CN107219229B (zh) | 一种面板灰尘过滤方法及装置 | |
CN109801322A (zh) | 一种漏光检测方法及装置 | |
CN109948504A (zh) | 一种车道线识别方法及装置 | |
JP4242796B2 (ja) | 画像認識方法及び画像認識装置 | |
CN104749801A (zh) | 高精度自动光学检测方法和系统 | |
CN113866182A (zh) | 一种用于检测显示模组缺陷的检测方法及系统 | |
CN105229665A (zh) | 对基于图像的蛇形带子磨损评估的增强分析 | |
CN112215816A (zh) | 一种生产线中显示器故障的实时检测方法、存储介质和装置 | |
CN113554583A (zh) | 一种显示面板的检测方法及检测系统 | |
US7668344B2 (en) | Stain inspection method and apparatus | |
CN116778837A (zh) | 一种多功能显示器故障检测平台 | |
CN117934385A (zh) | 一种显示单元的缺陷检测方法及装置 | |
CN108663371B (zh) | 一种检测显示面板灰尘异物的方法及系统 | |
JP4715703B2 (ja) | 光学フレア検査装置および検査方法 | |
CN111238777A (zh) | 一种基于深度学习的显示屏点亮缺陷检测方法 |
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 |