公开/公告号CN108460757A
专利类型发明专利
公开/公告日2018-08-28
原文格式PDF
申请/专利权人 深圳市鑫信腾科技有限公司;
申请/专利号CN201810139707.9
申请日2018-02-11
分类号G06T7/00(20170101);G06T7/11(20170101);G06T7/136(20170101);G06T7/187(20170101);G06T5/00(20060101);G06T5/30(20060101);
代理机构44214 广州市红荔专利代理有限公司;
代理人吝秀梅
地址 518101 广东省深圳市宝安区新安街道72区甲岸工业园C1栋3楼
入库时间 2023-06-19 06:20:12
法律状态公告日
法律状态信息
法律状态
2020-04-14
授权
授权
2018-09-21
实质审查的生效 IPC(主分类):G06T7/00 申请日:20180211
实质审查的生效
2018-08-28
公开
公开
技术领域
本发明属于手机生产过程中TFT-LCD屏质量检测领域,具体涉及一种在线自动检测手机TFT-LCD屏Mura缺陷的方法。
背景技术
薄膜晶体管液晶显示器(Thin film transistor liquid crystal display,TFT-LCD)是一种由微电子技术和液晶光学技术结合而成的新型显示器件。它因具有高分辨率、高轻薄性、响应速度快及低功耗等特点,已成为当前智能手机的主流显示器。TFT-LCD屏结构复杂、制造工序繁多,生产过程中不可避免会出现各式缺陷,其中以Mura缺陷较为常见且难以检测。Mura一词来源于日语音译,意为“云团”、“云斑”。Mura缺陷产生原因多样,包括偏光板材料质量较差、薄膜晶体管漏电不均和背光源发光不均等,主要表现为显示屏局部亮度不均,且具有形状不固定、对比度低、边缘模糊等特点。当前生产线上的Mura缺陷检测主要依靠人工肉眼辨别,这种方法成本高、效率低、准确性低、主观性强,检测结果严重依赖于工作人员的经验,无法满足手机TFT-LCD屏大批量、大尺寸、高品质的生产要求。因此,开发出一种能够在线自动检测手机TFT-LCD屏Mura缺陷的方法,对于提高手机TFT-LCD屏的生产效率和质量具有重要意义。
发明内容
本发明提供了一种在线自动检测手机TFT-LCD屏Mura缺陷的方法,其目的在于解决现有技术中人工目视检测效率低、准确率低、成本高的问题。
一种在线自动检测手机TFT-LCD屏Mura缺陷的方法,包括以下步骤:
(1)在暗室环境,将手机TFT-LCD屏设置为白屏模式,采用CCD工业相机进行垂直拍摄,获得待检测的手机屏幕原始图像;
(2)对待检测图像进行感兴趣区域提取、几何校正以及滤波等预处理,获取图像中的TFT-LCD屏幕区域;
(3)对屏幕区域进行两次分块操作,分别将其划分成连续不重叠的大小为a×b和b×a(a、b均不能被彼此整除)的子图像,并对分块后的图像进行自适应局部增强,得到两种不同分块方式下的屏幕区域增强图像,记作f1和f2。
(4)为了去除分块操作带来的块效应,对于屏幕区域的每个像素点,取其在增强图像f1和f2中的较大值作为该像素点的最终增强结果,获取最终增强图像f;
(5)对增强图像f的直方图进行高斯函数拟合,根据高斯分布的置信区间估计增强图像f的阈值,并利用该阈值对增强图像f进行二值化,提取Mura候选区域;
(6)对二值化结果进行形态学开操作去除其中可能存在的噪声,得到最终的Mura缺陷检测结果。
在所述的第(2)步中,手机TFT-LCD屏幕原始图像的预处理具体包括:采用阈值法对待检测图像进行二值化并取最大连通域,以获取手机屏幕的感兴趣区域;提取感兴趣区域的四个顶点,根据顶点坐标计算手机屏幕的偏移角度,通过旋转操作对屏幕区域进行几何校正;对校正后的屏幕区域进行中值滤波,达到去除噪声、平滑图像的目的。
在所述的第(3)步中,自适应局部增强方法包括以下步骤:
(a)采用高斯函数拟合每一个子图像的灰度概率分布,并根据高斯分布的置信区间获取每一个子图像的大致灰度范围[Imin,Imax],Imin表示灰度最小值,Imax表示灰度最大值。
(b)对于每一个子图像中可能存在的Mura缺陷,采用如下公式进行增强:
其中,I为图像灰度,k为正常数,用于调节Mura缺陷与正常区域的对比度,优选k为0.1~2之间的任意正常数。手机屏幕图像中像素的灰度I偏离灰度范围[Imin,Imax]中心值的程度越大,计算得到的fenhance(I)值越小,表明该像素点属于Mura缺陷的概率越大。
在所述的第(5)步中,利用阈值对图像f进行二值化时,将f中大于所设阈值的像素标记为“0”,即为正常屏幕区域,小于所设阈值的像素标记为“1”,即为Mura候选区域。
在所述的第(6)步中,优选半径为r的圆形结构作为形态学开操作的结构元素,其中r优选2~20的自然数。
由于采用了屏幕区域进行两次分块操作,本发明能够在线自动检测手机TFT-LCD屏的Mura缺陷,准确率高、成本低,可有效提高产品的生产质量和效率。
附图说明
图1CCD相机采集的手机TFT-LCD屏原始图像;
图2感兴趣区域提取结果;
图3预处理结果;
图4将屏幕区域分为60×200的子图像示意;
图5将屏幕区域分为200×60的子图像示意;
图6 60×200的子图像自适应局部增强结果;
图7 200×60的子图像自适应局部增强结果;
图8去除块效应后的增强结果;
图9实施例3的Mura缺陷检测结果。
具体实施方式
实施例1
一种手机TFT-LCD屏幕图像预处理方法,具体实现步骤如下:图1为CCD相机采集的大小为2712×3360的手机TFT-LCD屏原始图像,首先采用Otsu算法对该图像进行二值化并取最大连通域,以获取手机TFT-LCD屏幕的感兴趣区域,如图2所示,然后提取感兴趣区域的四个顶点,如图2中灰色空心点所示,再根据顶点坐标计算出手机屏幕的偏移角度,通过旋转操作对屏幕进行几何校正,最后采用(2n+1)×(2n+1)的模板对校正后的屏幕区域进行中值滤波,达到去除噪声、平滑图像的目的,其中n优选1~10的自然数,本实施例中优选n=3,采用本实施例得到的预处理结果如图3所示。
实施例2
一种手机TFT-LCD屏幕图像自适应局部增强方法,具体实现步骤如下:
(1)对于任意给定的屏幕图像局部区域,首先采用最小二乘法对其灰度概率分布进行高斯拟合:
其中,c为高斯分布的峰值,μ和σ分别表示高斯分布的均值和标准差。根据高斯分布的概率理论,[μ-σ,μ+σ]、[μ-2σ,μ+2σ]和[μ-3σ,μ+3σ]的灰度范围分别包含整个区域约68%、95%、99%的像素。本实施例优选手机屏幕局部区域的最小和最大灰度估值分别为Imin=μ-2σ,Imax=μ+2σ。
(2)针对局部区域可能存在的Mura缺陷,采用如下公式进行增强:
其中,I为图像灰度,k为正常数,本实施例优选为0.3。手机屏幕图像中像素的灰度I偏离灰度范围[Imin,Imax]中心值的程度越大,计算得到的fenhance(I)值越小,表明该像素点属于Mura缺陷的概率越大。
实施例3
一种手机TFT-LCD屏Mura缺陷在线自动检测方法,具体实现步骤如下:
(1)采用实施例1的方法获取手机TFT-LCD屏幕区域后,将屏幕区域分为a×b和b×a(a、b均不能被彼此整除)的子图像,本实施例优选a=60,b=200,分块操作结果如图4和图5所示,可以看到,尽管图像整体亮度不均,但进行分块处理之后,每个子图像正常屏幕区域灰度基本一致。
(2)采用实施例2的方法对两次分块后的图像分别进行自适应局部增强,增强结果如图6和7所示,分别记作f1和f2,可以看到,Mura缺陷虽被有效增强,但增强后的结果将不可避免地存在一定的块效应,即在子图像边界存在伪影痕迹。
(3)为了去除块效应,对于屏幕区域的每个像素点,取其在增强图像f1和f2中的较大值作为该像素点的最终增强结果,获取最终增强图像f,如图8所示。
(4)采用最小二乘法对增强图像f的直方图进行高斯拟合,获取高斯分布的均值α与标准差β,并根据高斯分布的置信区间估计图像阈值θ,本实施例优选θ=α+3β;
(5)利用阈值θ对图像f进行二值化,将增强图像f中大于阈值θ的像素标记为“0”,即为正常屏幕区域,小于阈值θ的像素标记为“1”,即为Mura候选区域;
(6)对二值化结果进行形态学开操作去除其中可能出现的噪声,得到最终的Mura缺陷检测结果,本实施例优选半径为5的圆形结构作为形态学开操作的结构元素。
图9为采用本实施例方法得到的Mura缺陷检测结果,可以看到,其中的Mura缺陷区域均被完整有效地分割。
实施例4
采用实施例3的方法对手机生产线上提供的数据集进行测试统计。数据集包含40幅由CCD工业相机在暗室环境中采集的白屏模式下的手机屏幕图像,图像大小均为2712×3360,每幅图像的TFT-LCD屏幕区域均存在不同尺寸和数目的Mura缺陷。采用真阳性率(Ture Positive Rate,TPR)和真阴性率(Ture Negative Rate,TNR)对测试结果进行定量评价,分别定义如下:
其中,TP为被正确检测的Mura缺陷像素数目,TN为被正确检测的背景(即正常屏幕)像素数目,FN表示被误检测为背景的Mura缺陷像素数目,FP则表示被误检测为Mura缺陷的背景像素数目。TPR和TNR值越大表示算法检测效果越好。由本实施例检测得到的真阳性率TPR和真阴性率TNR的均值和方差分别达92.35%±5.52%和97.12%±1.83%,表明本发明方法能在正确识别正常TFT-LCD屏幕区域的情况下有效检测Mura缺陷,且准确率高,鲁棒性强。
机译: 基于GPU的TFT-LCD Mura缺陷检测方法
机译: 基于GPU的TFT-LCD Mura缺陷检测方法
机译: 基于GPU的TFT-LCD MURA缺陷检测方法