CN112419229A - 一种显示屏线状缺陷检测方法、装置及存储介质 - Google Patents
一种显示屏线状缺陷检测方法、装置及存储介质 Download PDFInfo
- Publication number
- CN112419229A CN112419229A CN202011100122.XA CN202011100122A CN112419229A CN 112419229 A CN112419229 A CN 112419229A CN 202011100122 A CN202011100122 A CN 202011100122A CN 112419229 A CN112419229 A CN 112419229A
- Authority
- CN
- China
- Prior art keywords
- gradient
- display screen
- determining
- detected
- linear defect
- 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.)
- Withdrawn
Links
- 230000007547 defect Effects 0.000 title claims abstract description 132
- 238000001514 detection method Methods 0.000 title claims abstract description 31
- 238000005070 sampling Methods 0.000 claims abstract description 46
- 238000000034 method Methods 0.000 claims abstract description 43
- 230000008859 change Effects 0.000 claims description 26
- 230000035772 mutation Effects 0.000 claims description 26
- 230000002950 deficient Effects 0.000 claims description 7
- 230000001629 suppression Effects 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 12
- 230000011218 segmentation Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 239000000306 component Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000011031 large-scale manufacturing process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Testing Of Optical Devices Or Fibers (AREA)
Abstract
本发明公开了一种显示屏线状缺陷检测方法、装置及计算机可读存储介质，该方法包括：获取待检测显示屏的采集图像的图像数据；按照设定采样间隔，确定所述采集图像灰度值在指定方向的梯度集合；确定所述采集图像灰度值在所述指定方向的梯度阈值；根据所述梯度集合和所述梯度阈值，判断所述待检测显示屏在所述指定方向是否存在线状缺陷。有效避免了镜头阴影效应和屏幕亮度不均对线状缺陷像素的正确获取，显著提高了LCD线状缺陷的检测精度，对于宽度仅为一个像素的低对比度线状缺陷，也能够非常精确地进行检测，由此有效提高显示屏线状缺陷的检测精确度和准确度。
Description
技术领域
本发明涉及显示屏良品检测技术领域，尤其涉及一种显示屏缺陷检测方法、装置及计算机可读存储介质。
背景技术
LCD(Liquid Crystal Display，液晶显示器)是笔记本电脑、桌面显示器、液晶电视、手机等产品的核心部件。在LCD的生产过程中，受工艺、设备、人工和环境等因素的影响，易产生各种缺陷，线状缺陷是一种常见的LCD外观缺陷，视觉表现为LCD水平方向或垂直方向上的暗线或亮线，像素宽度最小仅为一个像素。为提升LCD的良品率，这些缺陷的检测至关重要，而现有的人工缺陷检测效率低、误差大，不适应工厂大规模生产的要求。
发明内容
本发明实施例为了解决显示屏线状缺陷检测过程中存在的上述问题，创造性地提供一种显示屏线状缺陷检测方法、装置及计算机可读存储介质。
根据本发明第一方面，提供一种显示屏线状缺陷检测方法，所述方法包括：获取待检测显示屏的采集图像的图像数据；按照设定采样间隔，确定所述采集图像灰度值在指定方向的梯度集合；确定所述采集图像灰度值在所述指定方向的梯度阈值；根据所述梯度集合和所述梯度阈值，判断所述待检测显示屏在所述指定方向是否存在线状缺陷。有效避免了镜头阴影效应和屏幕亮度不均对线状缺陷像素的正确获取，显著提高了LCD线状缺陷的检测精度，对于宽度仅为一个像素的低对比度线状缺陷，也能够非常精确地进行检测，由此有效提高显示屏线状缺陷的检测精确度和准确度。
根据本发明一实施方式，所述确定采集图像灰度值在指定方向的梯度阈值，包括：根据所述梯度集合，利用如下公式，遍历梯度阈值T的可能值，确定能够使得所述梯度集合的最大类方差g最大的梯度阈值T，作为采集图像灰度值在指定方向的梯度阈值：
其中，g表示所述最大类方差；N表示所述梯度集合中的元素个数；N0所述梯度集合中绝对值小于梯度阈值T的元素的个数，u0表示梯度集合中绝对值小于梯度阈值T的各个元素的绝对值的平均值；N1所述梯度集合中绝对值大于梯度阈值T的元素的个数，u1表示梯度集合中绝对值大于梯度阈值T的各个元素的绝对值的平均值。
根据本发明一实施方式，所述根据所述梯度集合和所述梯度阈值，判断所述指定方向是否存在线状缺陷，包括：确定所述梯度集合中大于所述梯度阈值的梯度值对应的所述指定方向的突变像素点集合；根据所述突变像素点集合，利用聚类算法，判断是否存在突变像素点数量大于设定阈值、突变像素点集合的样本标准差大于设定标准差阈值的缺陷样本簇；若存在所述缺陷样本簇，则判定所述待检测显示屏在所述指定方向上存在线状缺陷；根据所述突变像素点集合，标识所述待检测显示屏在所述指定方向上存在的线状缺陷。
根据本发明一实施方式，所述根据所述突变像素点集合，标识所述待检测显示屏在所述指定方向上存在的线状缺陷，包括：对所述突变像素点集合进行非极大值抑制运算，确定突变位置的矩形框，作为所述待检测显示屏在所述指定方向上的线状缺陷位置标识。
根据本发明一实施方式，所述指定方向包括：所述待检测显示屏的水平方向和/或垂直方向；相应的，确定所述水平方向的梯度集合时所使用的采样间隔，与确定所述垂直方向的梯度集合时所使用的采样间隔相同或不同。
根据本发明一实施方式，在所述按照设定采样间隔，确定所述采集图像灰度值在指定方向的梯度集合之前，所述方法还包括：对所述图像数据进行高斯滤波。
根据本发明第二方面，还提供一种显示屏线状缺陷检测装置，所述装置包括：图像获取模块，用于获取待检测显示屏的采集图像的图像数据；梯度采集模块，用于按照设定采样间隔，确定所述采集图像灰度值在指定方向的梯度集合；梯度阈值确定模块，用于确定所述采集图像灰度值在所述指定方向的梯度阈值；缺陷判断模块，用于根据所述梯度集合和所述梯度阈值，判断所述待检测显示屏在所述指定方向是否存在线状缺陷。
根据本发明一实施方式，所述缺陷判断模块包括：突变点确定子模块，用于确定所述梯度集合中大于所述梯度阈值的指定方向梯度值对应的突变像素点集合；缺陷样本确定子模块，用于根据所述突变像素点集合，利用聚类算法，判断是否存在像素点数量大于设定阈值、像素点集合的样本标准差大于设定标准差阈值的缺陷样本簇；缺陷判定子模块，用于若存在所述缺陷样本簇，则判定所述待检测显示屏在所述指定方向上存在线状缺陷；缺陷标识子模块，用于根据所述突变像素点集合，标识所述待检测显示屏在所述指定方向上存在的线状缺陷。
根据本发明一实施方式，所述指定方向包括：所述待检测显示屏的水平方向和垂直方向，相应的，确定所述水平方向的梯度集合时所使用的采样间隔，与确定所述垂直方向的梯度集合时所使用的采样间隔相同或不同。
根据本发明第三方面，又提供了一种计算机可读存储介质，所述存储介质包括一组计算机可执行指令，当所述指令被执行时用于执行上述显示屏线状缺陷检测方法。
本发明实施例充分利用显示屏线状缺陷外观形态的图像特征，通过在水平方向和垂直方向按一定像素间隔采集图像灰度值的梯度值，利用图像梯度变化的全局信息，使用最大类间方差法分别找出水平方向和垂直方向的梯度变化的分割阈值，再利用分割阈值和图像灰度值的梯度集合，精确确定显示屏的线状缺陷像素点的采样，从而检出线状缺陷并标出缺陷在图像中的位置，有效避免了镜头阴影效应和屏幕亮度不均对线状缺陷像素的正确获取，显著提高了LCD线状缺陷的检测精度，对于宽度仅为一个像素的低对比度线状缺陷，也能够非常精确地进行检测，由此有效提高显示屏线状缺陷的检测精确度和准确度。
需要理解的是，本发明的教导并不需要实现上面所述的全部有益效果，而是特定的技术方案可以实现特定的技术效果，并且本发明的其他实施方式还能够实现上面未提到的有益效果。
附图说明
通过参考附图阅读下文的详细描述，本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本发明的若干实施方式，其中：
在附图中，相同或对应的标号表示相同或对应的部分。
图1示出了本发明实施例显示屏线状缺陷检测方法的实现流程示意图；
图2示出了本发明实施例显示屏线状缺陷检测方法的具体应用示例的实现流程示意图；
图3a～3d示出了本发明实施例显示屏线状缺陷检测方法的具体应用示例中显示屏检测结果示意图；
图4示出了本发明实施例显示屏线状缺陷检测装置的组成结构示意图。
具体实施方式
下面将参考若干示例性实施方式来描述本发明的原理和精神。应当理解，给出这些实施方式仅仅是为使本领域技术人员能够更好地理解进而实现本发明，而并非以任何方式限制本发明的范围。相反，提供这些实施方式是为使本发明更加透彻和完整，并能够将本发明的范围完整地传达给本领域的技术人员。
下面结合附图和具体实施例对本发明的技术方案进一步详细阐述。
图1示出了本发明实施例显示屏线状缺陷检测方法的实现流程示意图。
参考图1，本发明实施例显示屏线状缺陷检测方法，至少包括如下操作流程：操作101，获取待检测显示屏的采集图像的图像数据；操作102，按照设定采样间隔，确定采集图像灰度值在指定方向的梯度集合；操作103，确定采集图像灰度值在指定方向的梯度阈值；操作104，根据梯度集合和梯度阈值，判断待检测显示屏在指定方向是否存在线状缺陷。
在操作101，获取待检测显示屏的采集图像的图像数据。
举例说明，显示屏的采集图像可以是在暗室环境、显示屏背光状态下拍摄并截取的显示屏发光区域图像，例如：在暗室环境、LCD背光状态下拍摄的LCD背光区域图像。
在操作102，按照设定采样间隔，确定采集图像灰度值在指定方向的梯度集合。
在本发明一实施方式中，指定方向包括：待检测显示屏的水平方向和/或垂直方向；相应的，确定水平方向的梯度集合时所使用的采样间隔，与确定垂直方向的梯度集合时所使用的采样间隔相同或不同。
举例说明，显示屏为LCD显示屏，在LCD显示屏的生产过程中，受工艺、设备、人工和环境等因素的影响，易产生各种缺陷，线状缺陷是一种常见的LCD显示屏外观缺陷，线状缺陷在视觉上的一般表现为LCD显示屏在水平方向或垂直方向上的暗线或亮线，像素宽度最小仅为一个像素。因此，对于LCD显示屏进行检测时主要考虑水平方向和垂直方向的线状缺陷。
在实际应用过程中，对于LCD显示屏可以同时检测其水平方向和垂直方向的线状缺陷，也可以根据某一生产线的设备运行情况仅检测其中一个方向上的是线状缺陷。因此，指定方向可以是水平方向和/或垂直方向，相应的，确定采集图像灰度值在水平方向和/或垂直方向的梯度集合，其中，确定水平方向的梯度集合时所使用的采样间隔，与确定垂直方向的梯度集合时所使用的采样间隔可以相同或不同。
在本发明一实施方式中，梯度集合是指在指定方向上相邻采样点灰度值的差值的集合。举例说明，在LCD显示屏的线状缺陷检测过程中，垂直方向的设定采样间隔为2个像素，则可以在LCD的采集图像上确定多条沿着水平方向的直线以表示LCD显示屏在垂直方向上的采样间隔，相邻两直线之间的垂直间隔为2个像素。需要说明的是，如无特别说明，本发明中的梯度集合中的梯度值均以该梯度值对应的两个相邻的像素点的差值的绝对值为准。
按照设定采样间隔，确定采集图像灰度值在垂直方向的梯度集合时，可以以采集图像在垂直方向的直线与表示LCD显示屏在垂直方向上的采样间隔的多条沿着水平方向的直线的交点为采样点，确定每一条垂直方向的直线上相邻两点的灰度梯度差，得到多个灰度梯度差，作为采集图像灰度值在垂直方向的梯度集合。
相应地，按照设定采样间隔，确定采集图像灰度值在水平方向的梯度集合时，可以以采集图像在水平方向的直线与表示LCD显示屏在水平方向上的采样间隔的多条沿着垂直方向的直线的交点为采样点，确定每一条垂直方向的直线上相邻两点的灰度梯度差，得到多个灰度梯度差，作为采集图像灰度值在水平方向的梯度集合。
在本发明一实施方式中，在按照设定采样间隔，确定采集图像灰度值在指定方向的梯度集合之前，还对图像数据进行高斯滤波，以减轻图像噪点。
在操作103，确定采集图像灰度值在指定方向的梯度阈值。
在本发明一实施方式中，根据梯度集合，利用如下公式(1)，遍历梯度阈值T的可能值，确定能够使得梯度集合的最大类方差g最大的梯度阈值T，作为采集图像灰度值在指定方向的梯度阈值：
其中，g表示最大类方差；
N表示梯度集合中的元素个数；
N0梯度集合中绝对值小于梯度阈值T的元素的个数，u0表示梯度集合中绝对值小于梯度阈值T的各个元素的绝对值的平均值；
N1梯度集合中绝对值大于梯度阈值T的元素的个数，u1表示梯度集合中绝对值大于梯度阈值T的各个元素的绝对值的平均值，
N、N0、N1均为正整数。
举例说明，为采集图像中的每一像素点赋予像素坐标，例如(i，j)，采集图像在垂直方向的梯度dy(i，j)＝I(i，j+1)-I(i，j)，其中，I(i，j+1)表示坐标为(i，j+1)的采样点处的像素灰度值，I(i，j)表示坐标为(i，j)的采样点处的像素灰度值。i和j的取值根据为采集图像中的每一像素点赋予像素坐标时设定坐标原点的位置和采集图像的大小确定。例如：采集图像的大小为100像素*100像素，为采集图像中的每一像素点赋予像素坐标时，把采集图像作为一个平行于地平面的平面，设定图像左下方第一个像素点为坐标原点的位置，向上的方向为Y轴正方向，向右的方向为X轴正方向，则i∈[0,99]，j∈[0,99]。由此，计算得到多个dy(i，j)作为采集图像在垂直方向的梯度集合。梯度集合中的元素个数用N表示，采用上述公式(1)遍历梯度阈值T的可能值，确定能够使得梯度集合的最大类方差g最大的梯度阈值T，作为采集图像灰度值在垂直方向的第一梯度阈值。相应地，可以采用同样的操作步骤得到采集图像在水平方向的第二梯度阈值。
在操作104，根据梯度集合和梯度阈值，判断待检测显示屏在指定方向是否存在线状缺陷。
在本发明一实施方式中，采用如下操作步骤实现根据梯度集合和梯度阈值，判断指定方向是否存在线状缺陷：确定梯度集合中大于梯度阈值的梯度值对应的指定方向的突变像素点集合；根据突变像素点集合，利用聚类算法，判断是否存在突变像素点数量大于设定阈值、突变像素点集合的样本标准差大于设定标准差阈值的缺陷样本簇；若存在缺陷样本簇，则判定待检测显示屏在指定方向上存在线状缺陷；根据突变像素点集合，标识待检测显示屏在指定方向上存在的线状缺陷。
在本发明一实施方式中，采用如下操作步骤实现根据突变像素点集合，标识待检测显示屏在指定方向上存在的线状缺陷：对突变像素点集合进行非极大值抑制运算，确定突变位置的矩形框，作为待检测显示屏在指定方向上的线状缺陷位置标识。
举例说明，对于一个显示屏的采集图像，首先确定垂直方向上梯度集合中大于垂直方向的第一梯度阈值的梯度值对应的指定方向的突变像素点集合，例如：第一梯度阈值为2，则需要确定垂直方向的梯度集合中大于2的梯度值对应的像素点，其中每一梯度值对应两个相邻像素点。例如：其中一个梯度值3对应的两个相邻像素点I(m，n)和I(m，n+1)，I(m，n)的灰度值为86，I(m，n+1)的灰度值为89。对于垂直方向上的梯度集合，依次确定梯度集合中大于第一梯度阈值的每一个梯度值对应的像素点，得到垂直方向上的突变像素点集合。
需要说明的是，在确定突变像素点集合的过程中，可能存在根据其中一个梯度值确定的突变像素点包括I(a，b)，根据另一个梯度值确定的突变像素点也包括I(a，b)的情况，对于类似情况，在突变像素点集合中可以统一仅记录一次I(a，b)。对于突变像素点集合中的所有突变像素点，利用聚类算法，判断是否存在突变像素点数量大于设定阈值、突变像素点集合的样本标准差大于设定标准差阈值的缺陷样本簇。若存在缺陷样本簇，则判定待检测显示屏在指定方向上存在线状缺陷，根据突变像素点集合，标识待检测显示屏在指定方向上存在的线状缺陷。具体地，可以对突变像素点集合进行非极大值抑制运算，确定突变位置的矩形框，作为待检测显示屏在指定方向上的线状缺陷位置标识。
以下结合本发明具体应用示例对本发明进行更进一步地说明。
图2示出了本发明实施例显示屏线状缺陷检测方法的具体应用示例的实现流程示意图，图3示出了本发明实施例显示屏线状缺陷检测方法的具体应用示例中显示屏检测结果示意图。
参考图2和3，本发明具体应用示例中以LCD显示屏为例说明显示屏线状缺陷检测方法，具体可以包括如下操作步骤：
操作201，采集LCD显示屏的图像，并对LCD显示屏的图像进行滤波。
具体地，对LCD显示屏进行区域定位，在暗室环境下，拍摄LCD显示屏背光状态下的图像，截取LCD发光区域图像。并对所截取的图像进行高斯滤波，减轻图像噪点。得到如图3a所示的LCD显示屏的采集图像。
操作202，分别在水平、垂直方向上做像素点采样。
对于操作201中得到的LCD显示屏的采集图像，依次进行水平方向和垂直方向上的像素点采样，需要说明的是，这里同样可以根据实际情况，选择仅对水平方向的线状缺陷进行检测、仅对垂直方向的线状缺陷进行检测或同时对水平方向和垂直方向的线状缺陷进行检测。例如：某一生产线所生产的LCD显示屏存在垂直方向的线状缺陷的概率较高，而几乎不存在水平方向的线状缺陷，则对于该生产线所生产的LCD显示屏仅进行垂直方向的线状缺陷检测，相应地，仅在垂直方向上做像素点采样。
操作203，分别计算水平、垂直方向上所采样的像素点的灰度梯度。
具体地，可以按照设定的像素采样间隔，按照如下公式(2)分别计算图像灰度值在水平方向和竖直方向上梯度dx(i,j)、dy(i,j)，保存在数组中，记为array_dx、array_dy，
其中，I(i,j)是像素坐标(i,j)位置的像素灰度值。
例如：图3b中以多条水平的直线确定垂直方向的像素采样间隔，以在垂直方向上做像素点采样，并根据采样的像素点，计算垂直方向上所采样的像素点的灰度梯度。相应地，根据图3c中多条垂直的直线，确定水平方向的像素采样间隔，以在水平方向上做像素点采样，并根据采样的像素点，计算水平方向上所采样的像素点的灰度梯度。
操作203的其他具体实现过程与图1所示实施例中操作102的具体实现过程相类似，这里不再赘述。
操作204，分别确定水平、垂直方向上的灰度梯度分割阈值。
操作204的具体实现过程与图1所示实施例中操作103的具体实现过程相类似，这里不再赘述。
操作205，确定灰度梯度大于分割阈值的像素集合。
具体地，若操作204中得到的水平方向、垂直方向的灰度梯度分割阈值分别为thod_otsu_x、thod_otsu_y。
选取水平方向上梯度集合array_dx中梯度值大于分割阈值thod_otsu_x的数组元素，获得灰度值显著变化的像素点和对应的坐标pt_mark_x，pt_mark_y。
选取垂直方向上梯度集合array_dy中梯度值大于分割阈值thod_otsu_y的数组元素，获得灰度值显著变化的像素点和对应的坐标pt_mark_x，pt_mark_y。
操作206，像素坐标ISODATA聚类运算，获得空间位置近似在一条直线上的聚类像素集合。
分别对集合pt_mark_x和pt_mark_y使用聚类算法进行分析，以获得水平方向和垂直方向上坐标位置样本集划分的样本簇，记为Ci。聚类算法可以使用ISODATA(IterativeSelf Organizing Data Analysis Techniques Algorithm，迭代自组织数据分析方法)。其中，i为[0，∞)范围内的自然数。i的值表示LCD显示屏上线状缺陷的个数，即LCD显示屏的发光区域有几条线状缺陷。
操作207，对聚类像素集合进行筛选，并利用非极大值抑制算法，得到像素集合所在的矩形框。
对各样本簇进行筛选，筛选方法如公式(3)和(4)，筛选出的符合条件的像素点的集合记为样本簇Cfiltered，
其中，Ni表示样本簇Ci的样本数量；
STDi表示样本簇Ci的样本标准差；
xi表示样本簇Ci中第i个样本的X像素坐标(参考操作103中的像素坐标说明)；
yi表示样本簇Ci中第i个样本的Y像素坐标；
Nthod表示样本簇Ci中样本数量的设定数量阈值；
STDthod表示样本簇Ci中样本标准差的设定标准差阈值；
Nthod和STDthod为预先根据多次试验得到的经验值。
需要说明的是，公式(4)中
时，得到的矩形框为水平方向的线状缺陷的位置。
时，得到的矩形框为垂直方向的线状缺陷的位置。
操作208，绘制像素集合所在的矩形框，确定显示屏线状缺陷的位置。
根据操作207中筛选出的符合条件的像素点的集合记为样本簇Cfiltered，计算各像素点所在的矩形框，对各聚类对应的矩形框集合进行非极大值抑制运算，获得最佳位置的矩形框，标识出相应的矩形框。例如图3d所示的两个垂直方向的矩形框即为显示屏线状缺陷的位置。
本发明实施例充分利用显示屏线状缺陷外观形态的图像特征，通过在水平方向和垂直方向按一定像素间隔采集图像灰度值的梯度值，利用图像梯度变化的全局信息，使用最大类间方差法分别找出水平方向和垂直方向的梯度变化的分割阈值，再利用分割阈值和图像灰度值的梯度集合，精确确定显示屏的线状缺陷像素点的采样，从而检出线状缺陷并标出缺陷在图像中的位置，有效避免了镜头阴影效应和屏幕亮度不均对线状缺陷像素的正确获取，显著提高了LCD线状缺陷的检测精度，对于宽度仅为一个像素的低对比度线状缺陷，也能够非常精确地进行检测，由此有效提高显示屏线状缺陷的检测精确度和准确度。
同理，基于上文显示屏线状缺陷检测方法，本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质存储有程序，当程序被处理器执行时，使得处理器至少执行如下的操作步骤：操作101，获取待检测显示屏的采集图像的图像数据；操作102，按照设定采样间隔，确定采集图像灰度值在指定方向的梯度集合；操作103，确定采集图像灰度值在指定方向的梯度阈值；操作104，根据梯度集合和梯度阈值，判断待检测显示屏在指定方向是否存在线状缺陷。
进一步，基于如上文显示屏线状缺陷检测方法，本发明实施例还提供一种显示屏线状缺陷检测装置，如图4，该装置40包括：图像获取模块401，用于获取待检测显示屏的采集图像的图像数据；梯度采集模块402，用于按照设定采样间隔，确定采集图像灰度值在指定方向的梯度集合；梯度阈值确定模块403，用于确定采集图像灰度值在指定方向的梯度阈值；缺陷判断模块404，用于根据梯度集合和梯度阈值，判断待检测显示屏在指定方向是否存在线状缺陷。
在本发明一实施方式中，缺陷判断404模块包括：突变点确定子模块，用于确定梯度集合中大于梯度阈值的指定方向梯度值对应的突变像素点集合；缺陷样本确定子模块，用于根据突变像素点集合，利用聚类算法，判断是否存在像素点数量大于设定阈值、像素点集合的样本标准差大于设定标准差阈值的缺陷样本簇；缺陷判定子模块，用于若存在缺陷样本簇，则判定待检测显示屏在指定方向上存在线状缺陷；缺陷标识子模块，用于根据突变像素点集合，标识待检测显示屏在指定方向上存在的线状缺陷。
在本发明一实施方式中，指定方向包括：待检测显示屏的水平方向和垂直方向，相应的，确定水平方向的梯度集合时所使用的采样间隔，与确定垂直方向的梯度集合时所使用的采样间隔相同或不同。
这里需要指出的是：以上对针对显示屏线状缺陷检测装置实施例的描述，与前述图1至3所示的方法实施例的描述是类似的，具有同前述图1至3所示的方法实施例相似的有益效果，因此不做赘述。对于本发明显示屏线状缺陷检测装置实施例中未披露的技术细节，请参照本发明前述图1至3所示的方法实施例的描述而理解，为节约篇幅，因此不再赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，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，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，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全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，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，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(Read Only Memory，ROM)、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也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，本发明实施例的技术方案本质上或者说对现有技术做出贡献的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)执行本发明各个实施例方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、磁碟或者光盘等各种可以存储程序代码的介质。
以上，仅为本发明的具体实施方式，但本发明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发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种显示屏线状缺陷检测方法，其特征在于，所述方法包括：
获取待检测显示屏的采集图像的图像数据；
按照设定采样间隔，确定所述采集图像灰度值在指定方向的梯度集合；
确定所述采集图像灰度值在所述指定方向的梯度阈值；
根据所述梯度集合和所述梯度阈值，判断所述待检测显示屏在所述指定方向是否存在线状缺陷。
2.根据权利要求1所述的方法，其特征在于，所述确定采集图像灰度值在指定方向的梯度阈值，包括：
根据所述梯度集合，利用如下公式，遍历梯度阈值T的可能值，确定能够使得所述梯度集合的最大类方差g最大的梯度阈值T，作为采集图像灰度值在指定方向的梯度阈值：
其中，g表示所述最大类方差；
N表示所述梯度集合中的元素个数；
N0所述梯度集合中绝对值小于梯度阈值T的元素的个数，u0表示梯度集合中绝对值小于梯度阈值T的各个元素的绝对值的平均值；
N1所述梯度集合中绝对值大于梯度阈值T的元素的个数，u1表示梯度集合中绝对值大于梯度阈值T的各个元素的绝对值的平均值。
3.根据权利要求1所述的方法，其特征在于，所述根据所述梯度集合和所述梯度阈值，判断所述指定方向是否存在线状缺陷，包括：
确定所述梯度集合中大于所述梯度阈值的梯度值对应的所述指定方向的突变像素点集合；
根据所述突变像素点集合，利用聚类算法，判断是否存在突变像素点数量大于设定阈值、突变像素点集合的样本标准差大于设定标准差阈值的缺陷样本簇；
若存在所述缺陷样本簇，则判定所述待检测显示屏在所述指定方向上存在线状缺陷；
根据所述突变像素点集合，标识所述待检测显示屏在所述指定方向上存在的线状缺陷。
4.根据权利要求3所述的方法，其特征在于，所述根据所述突变像素点集合，标识所述待检测显示屏在所述指定方向上存在的线状缺陷，包括：
对所述突变像素点集合进行非极大值抑制运算，确定突变位置的矩形框，作为所述待检测显示屏在所述指定方向上的线状缺陷位置标识。
5.根据权利要求2-4任一项所述的方法，其特征在于，所述指定方向包括：所述待检测显示屏的水平方向和/或垂直方向；
相应的，确定所述水平方向的梯度集合时所使用的采样间隔，与确定所述垂直方向的梯度集合时所使用的采样间隔相同或不同。
6.根据权利要求1所述的方法，其特征在于，在所述按照设定采样间隔，确定所述采集图像灰度值在指定方向的梯度集合之前，所述方法还包括：对所述图像数据进行高斯滤波。
7.一种显示屏线状缺陷检测装置，其特征在于，所述装置包括：
图像获取模块，用于获取待检测显示屏的采集图像的图像数据；
梯度采集模块，用于按照设定采样间隔，确定所述采集图像灰度值在指定方向的梯度集合；
梯度阈值确定模块，用于确定所述采集图像灰度值在所述指定方向的梯度阈值；
缺陷判断模块，用于根据所述梯度集合和所述梯度阈值，判断所述待检测显示屏在所述指定方向是否存在线状缺陷。
8.根据权利要求7所述的装置，其特征在于，所述缺陷判断模块包括：
突变点确定子模块，用于确定所述梯度集合中大于所述梯度阈值的指定方向梯度值对应的突变像素点集合；
缺陷样本确定子模块，用于根据所述突变像素点集合，利用聚类算法，判断是否存在像素点数量大于设定阈值、像素点集合的样本标准差大于设定标准差阈值的缺陷样本簇；
缺陷判定子模块，用于若存在所述缺陷样本簇，则判定所述待检测显示屏在所述指定方向上存在线状缺陷；
缺陷标识子模块，用于根据所述突变像素点集合，标识所述待检测显示屏在所述指定方向上存在的线状缺陷。
9.根据权利要求7或8所述的装置，其特征在于，所述指定方向包括：所述待检测显示屏的水平方向和垂直方向；
相应的，确定所述水平方向的梯度集合时所使用的采样间隔，与确定所述垂直方向的梯度集合时所使用的采样间隔相同或不同。
10.一种计算机可读存储介质，其特征在于，所述存储介质包括一组计算机可执行指令，当所述指令被执行时用于执行权利要求1-6中任一项所述的显示屏线状缺陷检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011100122.XA CN112419229A (zh) | 2020-10-15 | 2020-10-15 | 一种显示屏线状缺陷检测方法、装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011100122.XA CN112419229A (zh) | 2020-10-15 | 2020-10-15 | 一种显示屏线状缺陷检测方法、装置及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112419229A true CN112419229A (zh) | 2021-02-26 |
Family
ID=74854547
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011100122.XA Withdrawn CN112419229A (zh) | 2020-10-15 | 2020-10-15 | 一种显示屏线状缺陷检测方法、装置及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112419229A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114022415A (zh) * | 2021-10-15 | 2022-02-08 | 成都博视广达科技有限责任公司 | 一种基于单像素特征聚类建立集群的液晶屏缺陷检测方法 |
| CN114298984A (zh) * | 2021-12-16 | 2022-04-08 | 苏州凌云视界智能设备有限责任公司 | 一种屏幕贯穿线的检测方法、装置、电子设备及存储介质 |
| CN116309597A (zh) * | 2023-05-23 | 2023-06-23 | 成都工业学院 | 一种药盒混装缺陷的视觉在线检测方法及装置 |
| CN117350985A (zh) * | 2023-10-24 | 2024-01-05 | 云途信息科技(杭州)有限公司 | 井盖病害检测方法、装置、计算机设备及存储介质 |
-
2020
- 2020-10-15 CN CN202011100122.XA patent/CN112419229A/zh not_active Withdrawn
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114022415A (zh) * | 2021-10-15 | 2022-02-08 | 成都博视广达科技有限责任公司 | 一种基于单像素特征聚类建立集群的液晶屏缺陷检测方法 |
| CN114298984A (zh) * | 2021-12-16 | 2022-04-08 | 苏州凌云视界智能设备有限责任公司 | 一种屏幕贯穿线的检测方法、装置、电子设备及存储介质 |
| CN114298984B (zh) * | 2021-12-16 | 2023-12-08 | 苏州凌云光工业智能技术有限公司 | 一种屏幕贯穿线的检测方法、装置、电子设备及存储介质 |
| CN116309597A (zh) * | 2023-05-23 | 2023-06-23 | 成都工业学院 | 一种药盒混装缺陷的视觉在线检测方法及装置 |
| CN117350985A (zh) * | 2023-10-24 | 2024-01-05 | 云途信息科技(杭州)有限公司 | 井盖病害检测方法、装置、计算机设备及存储介质 |
| CN117350985B (zh) * | 2023-10-24 | 2024-04-19 | 云途信息科技(杭州)有限公司 | 井盖病害检测方法、装置、计算机设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112419229A (zh) | 一种显示屏线状缺陷检测方法、装置及存储介质 | |
| CN115908269B (zh) | 视觉缺陷检测方法、装置、存储介质和计算机设备 | |
| CN109977191B (zh) | 问题地图检测方法、装置、电子设备和介质 | |
| CN107678192B (zh) | 一种基于机器视觉的Mura缺陷检测方法 | |
| CN111325721A (zh) | 一种基于红外热成像的气体泄漏检测方法及系统 | |
| CN111598913B (zh) | 一种基于机器人视觉的图像分割方法和系统 | |
| Chang et al. | Development of an optical inspection platform for surface defect detection in touch panel glass | |
| CN115100200B (zh) | 基于光学手段的光纤缺陷检测方法及系统 | |
| CN111598869B (zh) | 一种对显示屏幕的Mura进行检测的方法、设备及存储介质 | |
| WO2024002187A1 (zh) | 缺陷检测方法、缺陷检测设备及存储介质 | |
| CN115205223B (zh) | 透明物体的视觉检测方法、装置、计算机设备及介质 | |
| CN114757913A (zh) | 一种显示屏缺陷检测方法 | |
| CN111221996B (zh) | 仪表屏幕视觉检测方法和系统 | |
| CN110648330B (zh) | 摄像头玻璃的缺陷检测方法 | |
| CN113065556B (zh) | 一种数字式仪表定位和数字识别方法、装置和计算机设备 | |
| Le et al. | Novel framework for optical film defect detection and classification | |
| CN114359161A (zh) | 一种缺陷检测方法、装置、设备和存储介质 | |
| CN112070762A (zh) | 液晶面板的mura缺陷检测方法、装置、存储介质及终端 | |
| CN115471465A (zh) | 一种基于差影法的tft基板线路缺陷检测方法 | |
| CN112304969A (zh) | 显示模块检测设备、方法、装置及系统和存储介质 | |
| CN117611551B (zh) | 基于物联网的显示屏异常检测方法及系统 | |
| CN117788444A (zh) | Smt贴片偏移检测方法、装置及视觉检测系统 | |
| CN118037661A (zh) | 轮毂表观缺陷检测方法、装置、设备、存储介质及产品 | |
| CN110874837B (zh) | 一种基于局部特征分布的缺陷自动检测方法 | |
| CN117169806A (zh) | 断码屏电表显示缺陷检测方法、装置、设备及介质 |
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 | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210226 |