TWI324326B - A mura defect detection algorithm for flat panel displays - Google Patents
A mura defect detection algorithm for flat panel displays Download PDFInfo
- Publication number
- TWI324326B TWI324326B TW095140656A TW95140656A TWI324326B TW I324326 B TWI324326 B TW I324326B TW 095140656 A TW095140656 A TW 095140656A TW 95140656 A TW95140656 A TW 95140656A TW I324326 B TWI324326 B TW I324326B
- Authority
- TW
- Taiwan
- Prior art keywords
- image
- discrete cosine
- background
- frequency
- dct
- Prior art date
Links
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
- 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)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Description
rI324326 九、發明說明: 【發明所屬之技術領域】 本發明係關於一種平面顯示器Mura瑕疯檢測方法,特別是指一種利用 離散餘弦轉換(Discrete Cosine Transform,DCT)重新建構出不具瑕森之原始 背景影像,以解決平面顯示器影像非均一性之檢測問題,再由原始瑕疵影 • 像與不含瑕疵的背景影像之相異性,透過適當的閥值選取,可將Mura瑕疵 從影像中分割出來的Mura瑕疵1檢測方法。 '癱 【先前技術】 顯示器(Display)是二十一世紀訊息傳遞與溝通之主要界面,平面顯示器 (Flat Panel Displays,FPD)外型輕薄具可攜性,且能源之消耗較低,給人們帶 來許多生活上的便利;平面顯示器之型式已由大體積的陰極射管(CRT)映像 I顯示态進階至電漿顯示面板(p丨asma Display pane^ pDP)、發光二極體 (Light-Emitting Diode,LED)、有機發光二極體(〇rganic Light-Emitting Diodes, 鲁0LED)及液晶顯不器(Liquid Crystal Display,LCD)等型式;其中,技術發展 最成熟之產品為薄膜電晶體液晶顯示器(Thin Film Transist〇r Liquid❻灿 -DiSplay,TFT_LCD)’錢年薄膜電晶體液晶顯示器逐漸成為平面顯示器產業 ' 舍展的主薄膜電晶體液晶顯示器產品在我們的生活中已被廣泛地應 用,如計算機、手錶、行動電話、GPS、PDA、筆記型電腦及液晶電視等, 顯示全球液晶顯示器正在快速成長當中,而且朝著大面積液晶顯示器發 展;薄膜電晶體液晶顯示iit:做愈大,品質要求則愈高。 然而,目前大部分的製造廢商,對於液晶顯示器的產品缺陷檢測,仍 5 1324326 ㈣人工目視的方式進行,雖然在相同的檢測標準下,但不同的檢測人員 狀瑕_判斷標準仍會有所差距,所以檢測出來的產品品質必會存在著 落差;再加上需使用大量人工檢測,不但檢測品質不―,亦會增加人工成 本’降低企紐爭力。因此,如何快速且精確的提高製程良率將是產業競 爭的重要關鍵。 平面顯示器的瑕疯類別大體上可分為兩類,一為巨觀瑕疯 (MaCr〇-defect) ’另一為微觀瑕苑(μ—祕⑷;巨觀瑕疲為微米以上之 職,可“眼直接目視來觀察,較嚴重的瑕㈣很迅速的察覺;微觀瑕 疲是指小於100微米之料細_ θ 之微細版疲,不易以人眼或電荷竊合元件 ge-c_eddevice,CCD)攝影機觀察來得到缺陷的情形,需要藉著增加 解析的放大工具來輔助。其中,平面顯示器的巨觀瑕叙可分為「M啦」、 「―」與「Zure」三種型式。「Mura」代表的是平面顯示器中亮度的非均 勻性’而「Simi」代表的是在平面顯示器上的汙點與色斑,另外「2咖」代 表液晶分子排列錯誤’或者是沒有排列在—直線上所產生的瑕疯情形,當 這些瑕蘭大的日粮,可_眼輕易地找出來,或藉由咖攝影機觀察得 到其所在位置。 其中’ Μ咖職是-種亮度分佈不均所產生的職;導致瑕庇 產生的原因通常如下:薄膜電晶體之不均勻厚度,液晶密度分佈不均勾, 玻璃基板之間隙不均勻,彩色瀘、光片上顏色不均勻,以及背光模組的不良 照射等。Mum瑕疵的麵繁多’形成的原因也相當多,每個技術和生產流 程都有-系則起Mum贼的@素。Mura械常具有低對比和非均—性 6 1324326 的特貝亦P Mura瑕疮與其周圍背景之亮度差異不大,而且施以瑕疫本 身也存在著非均—性的亮度變化。由於Μ咖瑕劍低對比和非均-性的這 種特質乂及液曰曰,4不益影像本身也是具有非均—的亮度,導致Μ咖瑕範 檢測上賴難度大為提高。若以人卫目視來進行瑕碰測紅作不僅費 時,且無法維持固定的品質標準。 ·. 自此可知’液晶顯示«像亮度分财均之_,將妓Mwa瑕錄 ·,_困難’直接觀察液晶顯轉影像即可發财亮度分佈錢著的差異存 在在水平方向以及垂直方向均有此種情況發生若是使用習用的二值化 .分歡試著將瑕齡來,通常無法將贼正常地檢測出來。 除了以人工目視之外,習用液晶顯示器之瑕疵檢測方法還包含許多演 算法,包括利用空間域分析以及頻率分析之方式;空間域分析方法大部分 是以遮罩_之方式’搭配各紐讎件來進行搜尋,或是關樣比對之 方式來達到檢測效果,對於較邊界清楚或容易分辨的瑕疵具有一定的效 •果’而對於檢測Mum瑕疲這種邊界模糊且對比度低的瑕庇,則檢測效果將 大打折扣;而制鮮分析方法财赠散傅立葉轉換(Di_e⑽心 Transform,DFT)來作頻域轉換,肥將會有複數形態出現,需應用到相當 緊雜之計算與搜尋’或者是需要有標準無瑕狀樣本來做檢驗基準,這將 會對整個檢測效能及速度造成負面的影響。 由此可見,上述習用Mura瑕疵檢測方法仍有諸多缺失,實非一良盖之 没計者’而亟待加以改良。 本案發明人鑑於上述習用Mum瑕疵檢測方法所衍生的各項缺點,乃亟 1324326 思加以改良創新,並經多年苦心孤詣潛心研究後,終於成功研發完成本件 一種平面顯示器Mum瑕疵檢測方法。 【發明内容】 本發明之目的即在於提供一種自動化Mura瑕疵檢測方法,以一種基於 背景重建的瑕疵檢測演算法來取f人工檢測,以提高瑕疵檢測之效率。 本發明之次一目的係在於提供一種可有效檢測出不同型態的Mura瑕 疵之檢測方法,且不需要無瑕疵之樣板影像作為檢驗基準,可提升檢測效 能及速度。 可達成上述發明目的之一種平面顯示器Mura瑕疵檢測方法,係利用離 散餘弦轉換仰财咖㈤加丁麵仿呵加丁^從…丁係數之反轉換’能有 效地淬取出f景資訊,飾具瑕疵之壯背景影像,解決卿影 像非均-性之檢測問題’再由原始瑕絲像與不含瑕景影像之相異 性,透過適當的閥值選取’可將瑕錄影像中分割出來,達到Μ咖瑕錄 測之目的。 本發明所提供之-種平面齡II Mura職檢财法主要包括有以下 步驟: 步驟丨影像輸入:輸入欲處理之原始二維影像; 步驟2離散餘_擊·算去除轉換(D吻叫 離該原始二維影像中亮度不均勻之«影像,以得到-去除背^ 佈之餘值影像; m 步驟3影像二值化:針對該餘值影像進行二值化分割,使贼與背景分離, 8 1324326 該瑕疵即為檢出結果。 此外,本發明可更進一步針對該二值化分割出來的瑕疵區域進行瑕疵 大小定量,方法如步驟4所示: 步驟4瑕疵大小定量:對二值化分割出來之瑕疵區域做量化值分析,設定 里化閥值’將量化值低於該量化閥值之區域視為可接受區域,並消 除該可接受區域,而保留下來之瑕疵區域即為檢出結果。 其中該步驟2進一步包含下列步驟: 步驟2.1 以一維離散餘弦轉換(two-dimensional Discrete Cosine Transform, 2D DCT)對該原始二維影像進行影像轉換,得到一頻率域之離散餘 弦轉換(DCT)係數; 步驟2.2 在頻率域中選取截止頻率,以截止頻率為界,消除高於該截止頻率 之高頻離散餘弦轉換係數; 步輙2.3 執行一維離散餘弦反轉換(two_dimensional Inverse Discrete Cosine Tmnsform,2DlDCT)將影像還原,以重建獲得一背景影像,該背景 影像之背景亮度分佈近似於原始二維影像之背景亮度分佈; 步驟2.4 將該原始二維影像減去該背景影像,以去除掉不均勻之背景亮度分 佈,獲得一餘值影像。 在該步驟2.2中’該截止頻率係為離散餘弦轉換(DCT)係數在第一階衰 減結束時之頻率’頻率低於該截止頻率之離散餘弦轉換(DCT)係數,將予以 保留,高於該截止頻率之離散餘弦轉換(DCT)係數則將之設為〇,予以去除。 於—較佳實施例中,該步驟3所述之影像二值化方法係為最大熵值法, 9 1324326 以最大熵值法求取影像分割之最佳閥值,將高於該最佳閥值者視為瑕疵, 低於該最佳閥值者視為背景,使瑕疵為灰階值255之亮點,背景為灰階值〇 之暗點;然而’該影像二值化方法可以任何二值化方法處理,不限於最大 熵值法。 於一較佳貫施例中,該步驟4所述之量化值分析,係採用國際半導體 、 3又備與材料協會(SEMI)於2002年發表的關於Mura瑕疵1定量之標準,以 • Semu值來做為Mura瑕疵的嚴重程度等級(“New Standard : Definition of Measurement Index (SEMU) for Luminance Mura in FPD Image Quality
Inspection” SEMI Draft Document #3324.);然而,任何可達到瑕疵量化之技 術均適用於該量化值分析,不限於使用Semu值來分析。 【實施方式】 。月參閱圖-’圖-係為本發明「一種平面顯示器Mura瑕疫檢測方法」 之机%圖,首先進行影像輸入丨’輸入欲處理之液晶顯示器之原始二維影 籲像;再以離散餘弦轉換(DCT)演算去除背景2,利用二維離散餘弦轉換陴 町)對該原始二維影像進行影像轉換21,得到―辨域之離散餘弦轉換 • PCT)餘22,接著相率域巾縣鼓_,_止鮮為界消除高 • ·頻離散餘蝴矣(DCT)係數23後,執行二轉散餘弦反轉換(2D idct)將影 • <象還原24,以重建獲得一背景影像25,該背景影像之背景亮度分佈近似於 原始二維影像之背景亮度分佈,再將該原始二維影像減去該背景影像%, 以去除掉不均勻之背景亮度分佈,獲得—餘值影像27 ;隨後進行影像二值 化3 ’針對該餘值影像進行二值化處理,可將瑕舰域分割出來;最後進行 1324326 瑕疵大小定量4,對二值化分割出來之瑕疵區域做量化值分析,設定量化閥 值’將量化值低於該量化閥值之區域視為可接受區域,並消除該可接受區 域,而保留下來之瑕疵區域即為最後之檢出結果5。 實施例一平面顯示器原始二維影像中背景不均勻分佈之去除 本發明係以丄維離散餘弦轉換(2D DCT)對液晶顯示器之原始二維影像 進行影像轉換,可將影像由空間定義域轉換到頻率定義域;二維離散餘弦 轉換(2DDCT)之定義式如下: M-\ N-\
COS λ·=0 少=〇
π{2χ + l)u ~~2M cos ^(2y + l)v ~~2N~ (公式1) 其中,二維影像之像素數目大小為Mx7V,可依檢測者對原始二維影像 解析度之需求作調整; 為輸入資訊; C(“’V)為輪*之赖驗轉換(DCT)係數;㈣,1,2,··.,…;m.ii; αι(«) Μ for w = 0 for «关 〇. 11 丄 :〇) = < β for for '^0. ο 二轉散餘弦轉师D DCT)如數個二維基頻影絲組合描述朴与 像’所謂的二維基娜像,也就•直—祕驗與水平—絲頻波之^ 積’如公式2所示,即為二維離散餘弦轉換(2d dct)之基底成分,在 的u (ί直方向)、ν (水平方向)位置可得到不同亮度變化之基頻影像隨著 u ν的增大’亦產生亮度變化頻輪高之基頻縣,由此可知,離頻譜(DCT)之分佈由左上至右下,即為低頻至高頻之分佈;圖二所示即為L 福0的影像’在鮮域位置所對應之基頻影像。 Λ/-| f{x,y) = Σ QT] (w) cos W=〇 π(2χ + l)u N-\ Σ a2 (V) C(u, v) cos v=〇 π(2 少+ l)v ~2N~ 」v=u l 2N 」(公式2) 由基頻影像的咖了解峨⑽歸_瓣中大趨勢 的變化,因此需在頻率域中選取-適當的截止鮮,以此截止頻率為界,· 高於此截止醉之高触分軒卿除,而储此_率之低頻成分則 視為f景資訊,以經過遽波後的低頻成分執行二維離散餘弦反轉換(2D 腻Τ)將轉辦,所叙娜可縣絲影叙背景重建,,騎重建獲得 一背景影像。 為仔到4田的截止頻率,本案發明人在_張存在著真實斷a 瑕疵的影像(如圖以所示)上,加人了在爾位之人娜,於是產生了 儿、有相/sm,但在不同的位置存在著瑕疫的影像,如圖三B至圖三 m示,職齡她卿_筆聰接㈣其水平與垂
2M 12 1324326 直方向之離散餘弦轉換(DCT)係數分佈,如_ a、b所示,圖^p 別為_叙斜_方向之__(町)_佈_,· 中可觀察到離散餘弦轉換(DCT)係數之分佈,於相鳴特性的影像中,在 第一次衰減現象結束之頻率將會相同。因此,本發明對於戴止頻率之定義, 係以離散倾龍(DCT)雜在帛―階衰賴树之解域止解,在水 平方向以及垂直方向之截止鮮分_从&絲之,辭低於巧或厂 之離散餘弦轉換(DCT)係數,將給予保留,高於八、巧之離散餘弦轉卿⑺ 係數則將之設為零,其鮮式如公式3所示,藉此㈣背景資訊之離散餘 弦轉換(DCT)係數,以利執行1維離散餘弦反轉換㈤idct)之運算,達到 背景精確重建之效果,二維離散餘弦反轉換(2]D IDCT)之數學式如公式4所 C>,,泛㈣, u< Fv 〇r otherwise (公式3) 其中’ αν(Μ,ν)為保留水平、垂直能量之離散餘弦轉換(DCT)係數;
(W,v)為背景資訊之離散餘弦轉換(DCT)係數; Fy、參考圖四。
π(2χ + l)w COS 0 + l)v [2M J L 2N (公式4) M-lN-l i /s (X,少)=Ζ Ζ α,⑻ α2 (v)Cs (W, V) cos M=0 v=0 /e〇c,少)為二維離散餘弦反轉換(2D IDCT)所得之背景資訊。 濾波後的低頻成分經離散餘弦反轉換(2D IDCT)將影像還原後,重建獲 得一背景影像,該背景影像之背景亮度分佈近似於原始二維影像之背景亮 度分佈,再將該原始二維影像減去該背景影像’以去除掉不均勻之背景亮 丄 度分佈,最後獲得一餘值影像。 實施例二影像二值化 -政餘^:賴(DCT)e t重建轉讀,㈣麟讀值影像進行 =像二值化’本實施例所使㈣影像二值化方法係為最大熵值法,以求取 影像分割之最佳閥值,使贼與錄分離’將高於該最佳者視為瑕疲, 低於該最佳閥值者視為背景,令贼為灰階值255之亮點,背景為灰階值0 之暗』’ ^而’遠影像二值化方法可採任何二值化方法處理,不限於最大 滴值法。 . 根據熱力學第二定律,當系統達到均勻的無序料,此時系統的熵值 .最大網作為-個系統的狀態函數可表示^_部無序程度的量,如果事 件發生的機率是平均分佈,_為—A錄。最大難法搜尋出背景與物 禮之今大熵,即表示此時背景與物體之分佈為最理想之平均分沛,以此法 來做為物體與背景之分财法。設_影像紐翻為[G,255],令閥值為丁, • 則目標物與背景之機率分別如公式5與公式6所定義: (公式5) (公式6) 公式7與公式8則 /=〇 P(B) = 1 - p(〇) 其中為灰階值1存在影像中之機率,丨=〇山2,…,255 分別代表目標献OT以及背景熵蝴,而公式9之£⑺縣影像總網,當 £(7)最大時,即思味著目標區域和背景區域内,各自之灰度分佈具有最大 的一致性,此時T代表分割兩區的閥值。 14 1324326 E(〇) i:5
Pi P{〇)
In A〇). 255 E(B) = P< /=7+1 P{B)
In E(T) = E(0) + E(B) (公式7) (公式8) (公式9) 由於二值化之結果在瑕疵邊緣部分會產生一些參差不齊的、 遺為 得更完整的瑕庇區域,可在影像二值化之後,針對二值化結果再加上影像 處理,處理的方式可使用濾波器、膨脹、侵蝕、斷開及閉合等後處理,藉 以去除毛邊及雜訊。 實施例三影像分割 經過二值化之後的影像可能包含了多個Mura瑕疲區域,為了得到各個 封閉的心3瑕庇區域,並將它們的區域分開來,必須進行影像分割,給予 每個封閉性之區域-個獨立的碼值。在本實施财,係以逐點搜尋的方式 為例,從影像左上角之原點開始,由左而右' 由上而下搜尋像素點,每—
個像素點都視為-種子點,進行全面性之影·割;如駐_,圖五為 影像分割標記之執行過程,假設二值化影像时之暗點的值為q,亮點(瑕 句為255,始先搜尋到第一個亮點,如圖μ所示,即以此點為種子,並 且給予-健碼值A,以四婦或人相鄰為基礎開始進純域成長,搜尋 齡b種子闕為亮點,並且具連通㈣像素點,區域成技賴即可得到 ―編碼值為A之_區域,如圖五_示;隨後再由左至右由上至下掃 揭下-個未經編碼之亮點,再將之設為新的料⑽摘域絲,並且編 码為B,如圖五C所示。如此依序搜尋影料未經過編碼之亮點進行區域 1324326 成長,直至最後一個像素點為止,如此即可分割出影像中所有的封閉區域, 如圖五F所示。 實施例四瑕疵大小定量與可接受區域之消除 透過影像二值化及影像分割標記之運算,可獲得瑕,疵之外型與位置, 本發明以瑕疵的量化分析方法,對於每個分割出來之區域進行瑕疲量化, 、 以分析檢出瑕疵之嚴重程度,同時與依產品影像品質所設定之通過標準比 φ較,以決定該瑕疵區域是否達到瑕疵的水平。 在瑕疵量化分析上,本實施例係採用國際半導體設備與材料協會(SEMI) 於2002年發表的關於Mum瑕疵定量之標準,以Semu值來做為Mura瑕疵 的嚴重程度等級,公式9即為Semu之數學方程式。Semu值是以實際Mm_a 瑕範區域與背景之平均對比|q,和Mura瑕症最顿知對比的比值來表示, 由公式9即可定量出Mura瑕疵之嚴重等級Semu值。 Semu = \Cx\jCjnd =1.97/s°-33+0.72 (公式9)
(公式10) 其中,S為Mura瑕疵面積大小,由於影像已進行過影像之瑕疵分割標 記,故可以輕易地算出每個分割區域的面積$ ;而^為不同面積m腦瑕 疵之最小感知對比’其定義如公式賴示,亦可藉由$求得;⑸則為斷a 瑕疵党度與背景亮度之平均對比,可以公式u表示: lC^! = ^—^1x100% (公式11) 其中/〇為黯3瑕腿域之平均亮度,//?為背景平均亮度瑕_景示意圖 16 1324326 如圖六所示,本發明以Mura瑕疵邊緣外之帶狀區域62之平均亮度yy,作 為與該Mura瑕疵區域61之平均亮度(/σ)產生對比作用之背景亮度;關於背 景亮度之取法,如圖七所示,將圖七Α中原始之Mura瑕疵區域71做膨脹 運算,得到如圖七B所示擴大之Mura瑕疵區域72,接著再取圖七A與圖 七B之互斥(相減)或(XOR)邏輯運算’即可獲得Mura瑕巍邊緣外之帶狀區 1 域73 ’如圖七C所示。
針對母個分割出來的Mura瑕疲區域,進行Semu值之量化運算,可獲 ί于母個Mura瑕疵區域之Semu值,藉由Semu值的大小,可消除可接受區 域以及判斷瑕疵之等級,並可訂定一量化閥值,以決定Mura瑕疵區域是否 有足夠的強度被視為真正的Mura瑕疵,若是低於該量化閥值則將之視為可 接受區域;反之’高於該量化閥值之Mura瑕疵區域則將之保留,此即為最 後Mura瑕疵之檢出結果;然而,任何可達到瑕疵量化之技術均適用於 該量化值分析,不限於使用Semu值來分析。 請芩閱圖八,圖八為可接受:區域消除之例子,原始的瑕疵畫面如圖八A 所示,經過離散餘弦轉換與二值化等處理後,得到之瑕疵區域如圖八B所 示,以Serrm量化後之瑕疵區域如圖八C所示,圖八c中的六個瑕疵區域 81-86之Semu量化結果如表一所示,在本實施例中量化閥值訂定為丨,將 Semu值小於1之可接受區域去除,即編號81、82、83、85及86之瑕疫區 域’獲得最後之檢測結果’即編號84之瑕巍區域為檢出之Mura瑕疵,如 圖八D所示。 17 丄 ^4326 表一圖八C之瑕疲區域定量分析 編號 s (像素) (灰度) 灰度) IQI (%) Cjnd{%) Semu 值 —81 221 154.92 154.27 0.42 1.05 0.40 82 232 146.22 145.80 0.29 1.04 0.27 83 18 139.77 140.61 0.59 1.47 0 40 —84 1824 133.81 123.84 8.04 0.88 9.09 85 259 87.80 88.14 0.38 1.03 0.37 86 19 87.94 88.69 0.83 1.46 0.57
Semu值之量化閥值是用來判斷瑕疵是否真實存在之標準,在本實施例 中以Semu=l為量化閥值,實際應用於業界時,廠商可依自己之判定標準來
定義Semu之量化閥值。 實施例五平面顯示器瑕疵檢測結果 利用本發明所提供之平面顯示器Mura瑕疫檢測方法,來對15個具有. 天然Mura瑕疵之平面顯示器作Mura瑕疮檢測;利用ccd攝影機來擷取平 面顯示器之影像,並輸入電腦進行Mura瑕疫檢測,輸入之平面顯示器影像 如圖九所示,以二維離散餘弦轉換(2D DCT)配合截止頻率來做背景影像的 萃取,背景重建後的結果配合最大熵值法(即影像二值化)求取最佳閥值,由 於二值化之結果在瑕疲邊緣部分會產生一些參差不齊的毛邊,所以二值化 結果再加上中值濾波及侵蝕膨脹後處理,藉以去除毛邊及雜訊,以得到更 完整的瑕疵區域,隨後利用SEMU量化值之分析,來定量瑕疵的嚴重等級, 並消除可接受區域,以檢測出Mura瑕疵,Mura瑕疵的檢測結果如圖十及 衣一所示,檢測結果與人工目視比對,結果均為正確。 18 丄324326 表二圖九中Mura瑕庇的定量分析結果 圖號 瑕疲編號 IQI (%) Cind (%) — '^ Semu 佶 拾測结果 圖十一 A #1 6.3 0.92 6 正確 --—— 圖十一 B #2 13.24 0.79 ----— 16 fio jE碟 圖十一 C #3 7.59 0.9 __x ^•Oy iL禮 圖十一 D #4 7.65 0.9 _8.43 it禮 圖十一 E #5 7.64 1.02 7 Ac 正綠 圖十一 F #6 10.87 1.01 --- _^10.71 it减 圖十一 G #7 7.69 0.98 7 77 正確 圖十一 Η #8 6.62 0.91 〜'jj 正確 圖十一 I #9 1.3 0.94 1 Oo 正確_ 圖十一 I #10 3.11 0.98 —- A o 〇 -*— 3.15 圖十一 J ---—- 圖十一J ------ 圖十一 J #11 3.09 0.95 ----iJ 3.23 --- 正 #12 5.49 0.81 ----. ___6.76 Jp確 #13 7.65 0.82 9.28 X 圖十一 Κ #14 1.76 0.9 ----- 1 正確 —一 一 —--- 圖十一 L #15 5.91 1.32 -^ d. /1 r 正確 — 圖十一 Μ #16 5.06 0.81 ~—---- ___6.23 ΓΡ 5¾ 圖十一 Μ #17 4.95 0.82 — 一 正確_ 圖十一 Μ #18 1.54 0.82 1 On 正確___ 圖十一 Μ — 圖十一 Ν #19 ----- #20 2.31 11.13 0.82 -^81 正確 1.01 __10.97 正碟 圖十一 〇 ------L #21 _ -- - 7.38 0.8 正硪 本發明所提供之-種平面顯示器Mura瑕錢測方法,與其他習用技術 相互比較時,更具有下列之優點: -本發明係以離散餘弦轉換(DCT)重張影像之背景以原始影像 與背景影像之餘值影像為檢測職,不需樣本·即可直接做瑕疯分割, 19 1324326 且不侷限於某一種瑕疵型貌,可檢出各種不同外型之瑕疵。 2.本發明配合SEMI所提出的Mura瑕疵量化方程式所得之量化值 mu之判斷,可有效去除雜訊誤判區域,並且可以值之大小來區分 瑕疵之嚴重程度。 3·本發明係採用計异上較單純的離散餘弦轉換(DCT)運算較習用 :贼檢財法所個之傅讀轉齡計算鮮 ' 快速在系统 .AMD讀G CPU,2譲趣的情況下檢測一張祝χ况的影像,只 需花費時間少於200毫秒。 上列詳細說縣制本發明之—可行實闕之具體說明,惟該實施例 齡用以_本發明之專利制,凡未_本發日藝精神所為之等效實 施或义更’如·任何可達m彡像二值化及贼量化之技術或方法,均應包 含於本案之專利範圍中。 ^宗上所述,本案不但在Mura瑕錄測方法上確屬創新,並能較習用方
a進上述夕項功效,應已充分符合新穎性及進步性之法定發明專利要 件没依法提出申請’懇請貴局核准本件發明專利申請案, 至感德便。 【圖式簡單說明】 圖一為本發明—種平面顯咖瑕錄測方法之流程圖; 圖二A為二維離散餘弦轉換之基頻影像(頻率域); 圖二B為二轉散餘弦轉換之基頻影像(空間域” 圖三為具有_背景之天然瑕絲像在㈣位置出現人工 瑕疵1之檢測 20 1324326 實例; 圖四為水平與垂直能量之離散餘弦轉換(DCT)係數分佈圖; 圖五為影像分割標記示意圖; 圖六為瑕疵背景示意圖; 圖七A至圖七C為瑕疵背景區域之抽取與決定示意圖; 圖八A至圖八D為誤判區域消除之實例; 圖九A至圖九0為瑕疵影像;以及
圖十A至圖十0為本發明Mura瑕疲檢測結果。 【主要元件符號說明】 • 1影像輸入 2離散餘弦轉換(DCT)演算去除背景 ' 21影像轉換 22離散餘弦轉換(DCT)係數 23以截止頻率為界,消除高頻離散餘弦轉換(DCT)係數 24影像還原· 25重建獲得一背景影像 26原始二維影像減去該背景影像 • 27餘值影像 3影像二值化 4瑕疵大小定量 5檢出結果 . 61 Mura瑕疯區域 62 Mura瑕疫邊緣外之帶狀區域 71 Mura瑕疫區域 72擴大之Mura瑕庇區域 73 Mura瑕疫邊緣外之帶狀區域 81瑕疵區域 82瑕疵區域 83瑕疵區域 84瑕疵區域 21 1324326 85瑕疫區域 86瑕庇區域 存1瑕蔽區域 #2瑕疵區域 #3瑕疵區域 #4瑕疵區域 #5瑕疵區域 #6瑕疵區域 #7瑕疵區域 #8瑕疵區域 #9瑕疵區域
#10瑕庇區域 #11瑕疵區域 #12瑕疵區域 #13瑕疵區域 #14瑕疵區域 #15瑕庇區域 #16瑕疵區域 #17瑕疵區域 #18瑕疵區域 #19瑕疵區域 #20瑕疵區域 #21瑕疵區域
Claims (1)
- 十、申請專利範圍: __^ !· 一種平面顯示HMUra喊檢測方法,包括下列步驟 步驟1景錄輸入:輸入欲處理之原始二維影像; 步驟2離散餘弦轉換(DCT)演算去 •除月景:離散餘弦轉換(DCT)演算 後,在頻率域中選取截止頻率, 截止頻率為界,消除高於該截 止頻率之高頻離散餘弦轉換係數,再分離該原始二維影像中亮度 柯勻之背景縣,赌到—去除料分叙餘值影像; 步驟3影像二值化·‘針對該餘值影像進行二值化分割使瑕絲背景分 離,該瑕疵即為檢出結果。 2. 如申凊專利範圍第1項所述之一 令該步驟2進—步包含下列步驟: 種平面顯示H Mura瑕疲檢測方法,其 步驟2.1 步驟2.2 以-維離散餘弦轉換(2D Der)對該原始二維影像進行影像轉 換,得到—頻率域之離散餘弦轉換(DCT)係數; 士肖除π於韻止鮮之高鱗散餘轉換係數後執行二維 離散餘弦反轉換即IDCT)將影像還原,以重建獲得—背景影 /a 。亥月厅、影像之背景亮度分佈近似於原始二維影像之背景亮 度分佈; 乂驟2·3將錢始二維影像減去該背景影像,以去除掉狗勻之背景亮 度分佈,獲得一餘值影像。 W圍第2項所述之—種平面顯示器Mwa喊檢測方法其 中在該步驟2 2 φ ,该載止頻率係為離散餘弦轉換(DCT)係數在第一階衰 23 予P 帛頻率低於6亥截止頻率之離散餘弦轉換(DCT)係數,將 伟留π於補止頻率之離散餘弦轉換(dct)係數則將之設為卜予 以去除。 4‘ -種平面_ Mu鳴檢物,包括下列步驟: ,驟1衫像輪入··輸入欲處理之原始二維影像; 步驟2離散餘弦轉換(DCT)演算去除背景:離散餘弦轉換(DCT)演算 後’在頻率域巾截止止鮮為界,高於該截 止頻率之高頻離散餘弦轉換她,再分離該原始二維影像中亮度 不均勻之背景树’以得到—去除背景分佈之餘值影像; 乂 3影像二值化:針對該餘值影像進行二值化分割使贼與背景分 離; ’、 '驟=大小疋$ ·_對二值化分割出來之瑕越域做量化值分析設 疋里化閥值’將量化值低於該量化間值之區域視為可接受區域, ▲卫消除射接文區域,而保留下來之瑕庇區域即為檢出結果。 5·如申咖瓣4項嫩_種平_請鳴檢測方法,立 中該步驟2進一步包含下列步驟: ” 步驟2.i以二維離散餘弦轉換⑻Dc丁)對該原始二維影像進行影像轉 換’得到—_域之雜餘轉 步驟2·2在消除高於該截止頻率之高頻離散餘弦轉換係數後,執行1 離散餘弦反轉換(2D iDCT)將影像還原,以重建獲得—背景影 像’該背景影像之背景亮度分佈近似於原始二維影像之背= 24 度分佈; 步歡3將該原始二維影像減去該背景影像,以去除掉不均勾之背景亮 度分佈,獲得一餘值影像。 6·:申轉鄕圍第5項所述之—種平__ Μ⑽贼檢測方法,其 域社驟2巾捕止頻率係為離散触轉換(DCT)鍊在第—階衰 予_頻率低於5亥截止頻率之離散餘弦轉換(DCT)係數,將 乂保召,向於該戴止頻率之離散餘弦轉換(DCT)係數則將之設為〇,予 以去除。 如^請專利範圍第4項所述之—種平面顯“ I瑕錄測方法,其 〇驟4巾,知化值分析係為s_值之量化運算。 25
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW095140656A TWI324326B (en) | 2006-11-03 | 2006-11-03 | A mura defect detection algorithm for flat panel displays |
US11/933,511 US8145008B2 (en) | 2006-11-03 | 2007-11-01 | Non-uniform image defect inspection method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW095140656A TWI324326B (en) | 2006-11-03 | 2006-11-03 | A mura defect detection algorithm for flat panel displays |
Publications (2)
Publication Number | Publication Date |
---|---|
TW200821990A TW200821990A (en) | 2008-05-16 |
TWI324326B true TWI324326B (en) | 2010-05-01 |
Family
ID=39359788
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW095140656A TWI324326B (en) | 2006-11-03 | 2006-11-03 | A mura defect detection algorithm for flat panel displays |
Country Status (2)
Country | Link |
---|---|
US (1) | US8145008B2 (zh) |
TW (1) | TWI324326B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108154527A (zh) * | 2017-12-08 | 2018-06-12 | 东华大学 | 一种基于稳定学习字典的机织物纹理表征方法 |
Families Citing this family (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7463765B2 (en) * | 2003-02-25 | 2008-12-09 | Lamda-Lite Enterprises Incorporated | System and method for detecting and reporting fabrication defects using a multi-variant image analysis |
JP5026484B2 (ja) * | 2009-09-17 | 2012-09-12 | シャープ株式会社 | 携帯端末装置、画像出力装置、撮像画像処理システム、携帯端末装置の制御方法、画像出力方法、プログラム、および記録媒体 |
AU2009251048B2 (en) * | 2009-12-18 | 2013-12-19 | Canon Kabushiki Kaisha | Background image and mask estimation for accurate shift-estimation for video object detection in presence of misalignment |
DE102010060376A1 (de) * | 2010-11-05 | 2012-05-10 | Hseb Dresden Gmbh | Inspektionsverfahren |
US8705839B2 (en) | 2011-11-18 | 2014-04-22 | Sharp Laboratories Of America, Inc. | Electronic devices for defect detection |
KR101996917B1 (ko) * | 2012-07-20 | 2019-10-02 | 삼성디스플레이 주식회사 | 평판 검사 방법 및 장치 |
US9479200B2 (en) * | 2014-02-27 | 2016-10-25 | National Instruments Corporation | Ultra-broadband programmable hybrid step attenuator |
US9723377B2 (en) | 2014-04-28 | 2017-08-01 | Comcast Cable Communications, Llc | Video management |
CN104101614B (zh) * | 2014-05-26 | 2016-08-31 | 京东方科技集团股份有限公司 | 一种检测方法及装置 |
CN104484878B (zh) * | 2014-12-16 | 2017-10-17 | 深圳市华星光电技术有限公司 | 显示面板缺陷的自动检测方法 |
CN104751480B (zh) * | 2015-04-22 | 2017-07-07 | 航天科技控股集团股份有限公司 | 基于视觉技术的米8字段位式液晶屏检测方法及装置 |
CN105741762B (zh) * | 2016-03-31 | 2018-01-30 | 深圳市华星光电技术有限公司 | 消除OLED显示面板Mura的方法 |
CN106650770B (zh) * | 2016-09-29 | 2019-12-17 | 南京大学 | 一种基于样本学习和人眼视觉特性的mura缺陷检测方法 |
CN107731194A (zh) * | 2017-11-21 | 2018-02-23 | 深圳市华星光电半导体显示技术有限公司 | 一种mura补偿方法及装置 |
CN108230299B (zh) * | 2017-12-08 | 2020-02-11 | 东华大学 | 一种基于稳定学习字典的机织物纹理瑕疵检测方法 |
US10643576B2 (en) | 2017-12-15 | 2020-05-05 | Samsung Display Co., Ltd. | System and method for white spot Mura detection with improved preprocessing |
US10681344B2 (en) | 2017-12-15 | 2020-06-09 | Samsung Display Co., Ltd. | System and method for mura detection on a display |
US10867382B2 (en) * | 2018-05-24 | 2020-12-15 | Keysight Technologies, Inc. | Detecting mura defects in master panel of flat panel displays during fabrication |
CN109285143A (zh) * | 2018-08-08 | 2019-01-29 | 深圳市华星光电技术有限公司 | Mura侦测方法及装置 |
CN109345528B (zh) * | 2018-09-28 | 2021-06-18 | 凌云光技术股份有限公司 | 一种基于人眼视觉特性的显示屏缺陷检测方法及装置 |
CN109636778B (zh) * | 2018-11-22 | 2021-03-23 | Tcl华星光电技术有限公司 | 显示面板的缺陷检测方法以及显示面板的缺陷检测装置 |
CN109828394A (zh) * | 2019-03-22 | 2019-05-31 | 惠科股份有限公司 | 一种显示面板的检测方法和检测机台 |
KR102073676B1 (ko) * | 2019-07-01 | 2020-03-03 | 삼성디스플레이 주식회사 | 평판 검사 방법 및 장치 |
CN111598888A (zh) * | 2020-05-26 | 2020-08-28 | 苏州精濑光电有限公司 | 显示屏mura缺陷检测方法、装置、检测设备及存储介质 |
JP7469740B2 (ja) | 2020-05-27 | 2024-04-17 | 京セラドキュメントソリューションズ株式会社 | ベルト検査システムおよびベルト検査プログラム |
CN113838012A (zh) * | 2021-09-13 | 2021-12-24 | 全芯智造技术有限公司 | Mura检测方法及装置、计算机可读存储介质、终端 |
CN115797342B (zh) * | 2023-02-06 | 2023-04-21 | 深圳市鑫旭飞科技有限公司 | 一种工业控制电容触摸lcd显示总成缺陷检测方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5172000A (en) | 1990-11-02 | 1992-12-15 | Insystems, Inc. | Spatial filter for optically based defect inspection system |
US5719958A (en) | 1993-11-30 | 1998-02-17 | Polaroid Corporation | System and method for image edge detection using discrete cosine transforms |
US5506676A (en) | 1994-10-25 | 1996-04-09 | Pixel Systems, Inc. | Defect detection using fourier optics and a spatial separator for simultaneous optical computing of separated fourier transform components |
JP4732660B2 (ja) * | 2000-02-17 | 2011-07-27 | ブリティッシュ・テレコミュニケーションズ・パブリック・リミテッド・カンパニー | ビジュアルアテンションシステム |
US6442234B1 (en) | 2000-10-03 | 2002-08-27 | Advanced Micro Devices, Inc. | X-ray inspection of ball contacts and internal vias |
JP2004177377A (ja) | 2002-11-29 | 2004-06-24 | Hitachi Ltd | 検査方法および検査装置 |
US7041998B2 (en) | 2003-03-24 | 2006-05-09 | Photon Dynamics, Inc. | Method and apparatus for high-throughput inspection of large flat patterned media using dynamically programmable optical spatial filtering |
US7620218B2 (en) * | 2006-08-11 | 2009-11-17 | Fotonation Ireland Limited | Real-time face tracking with reference images |
JP4061289B2 (ja) | 2004-04-27 | 2008-03-12 | 独立行政法人科学技術振興機構 | 画像検査方法及び装置 |
US7315631B1 (en) * | 2006-08-11 | 2008-01-01 | Fotonation Vision Limited | Real-time face tracking in a digital image acquisition device |
-
2006
- 2006-11-03 TW TW095140656A patent/TWI324326B/zh active
-
2007
- 2007-11-01 US US11/933,511 patent/US8145008B2/en active Active
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108154527A (zh) * | 2017-12-08 | 2018-06-12 | 东华大学 | 一种基于稳定学习字典的机织物纹理表征方法 |
CN108154527B (zh) * | 2017-12-08 | 2020-06-12 | 东华大学 | 一种基于稳定学习字典的机织物纹理表征方法 |
Also Published As
Publication number | Publication date |
---|---|
US8145008B2 (en) | 2012-03-27 |
TW200821990A (en) | 2008-05-16 |
US20080107328A1 (en) | 2008-05-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI324326B (en) | A mura defect detection algorithm for flat panel displays | |
Li et al. | Wavelet-based defect detection in solar wafer images with inhomogeneous texture | |
KR102047855B1 (ko) | 디스플레이 패널 자동광학 탐지 중의 배경 억제 방법 및 탐지 장치 | |
Qian et al. | Micro-cracks detection of multicrystalline solar cell surface based on self-learning features and low-rank matrix recovery | |
Sindagi et al. | OLED panel defect detection using local inlier-outlier ratios and modified LBP | |
Yeh et al. | A wavelet-based approach in detecting visual defects on semiconductor wafer dies | |
Lin et al. | Automated quality inspection of surface defects on touch panels | |
Ming et al. | Survey of mura defect detection in liquid crystal displays based on machine vision | |
Xiao et al. | Defect detection and classification of galvanized stamping parts based on fully convolution neural network | |
CN115471465A (zh) | 一种基于差影法的tft基板线路缺陷检测方法 | |
Lin | Tiny surface defect inspection of electronic passive components using discrete cosine transform decomposition and cumulative sum techniques | |
JP5889778B2 (ja) | フラットパネルディスプレイの自動ムラ検出装置および自動ムラ検出方法 | |
Jeon et al. | Defect detection algorithm for corner cracks in steel billet using discrete wavelet transform | |
Tsai et al. | Detection of gap mura in TFT LCDs by the interference pattern and image sensing method | |
Ushma et al. | Object detection in image processing using edge detection techniques | |
Hsu et al. | Vision-based detection of steel billet surface defects via fusion of multiple image features | |
CN111815600B (zh) | 一种基于视觉的环形磁钢外观缺陷检测方法 | |
Xia et al. | A hybrid method of frequency and spatial domain techniques for TFT-LCD circuits defect detection | |
Chang et al. | Automatic optical inspection method for soft contact lenses | |
Wang et al. | Surface defect inspection and classification for glass screen of mobile phone | |
Shuai et al. | Defect detection of four-color display screen based on color equalization and local dynamic threshold segmentation | |
Ieamsaard et al. | Image based contamination detection on hard disk head gimbal assembly | |
Chen et al. | Slender defect segmentation network of workpiece surface based on deep learning | |
Xue et al. | Complete approach to automatic identification and subpixel center location for ellipse feature | |
Zhu et al. | Method of detecting the defects of the end face of steel coils |