一种图像缺陷检测方法及系统技术方案

本发明专利技术公开了一种图像缺陷检测方法，其包括以下步骤：系统发送指令至Matlab，控制Matlab对目标图像进行预处理和二值化操作；系统控制Matlab对得到的图像进行形态学滤波和图像分割处理操作；系统控制Matlab对得到的图像进行特征提取与缺陷目标识别操作；系统通过Matlab统计出图像的缺陷像素值，根据所述缺陷像素值占整张图像像素值的比例来检测图像是否存在缺陷，并区分出图像所属缺陷的类型；以及一种图像缺陷检测系统。系统通过在Matlab软件平台上对图像缺陷进行处理，在一定条件下，可提高工作效率，同时也能降低检测图像缺陷的时间成本，广泛应用于图像处理领域。

【技术实现步骤摘要】
一种图像缺陷检测方法及系统
本专利技术涉及图像处理领域，具体为一种基于Matlab的图像缺陷检测方法及系统。
技术介绍
人类开始步入信息时代之后，LCD技术的发展速度超乎想象，液晶技术的先进信息显示技术对科学技术的迅速发展起到了举足轻重的作用。液晶显示器的优势：分辨率非常高、清晰度也达到了最高点，正因为它有如此多的优点，LCD广泛被采用于iPhone手机屏幕、摄像机、笔记本电脑、车载显示器和液晶电视等。但是，液晶屏幕的生产制造中，LCD显示屏往往由于生产工艺及环境等综合因素影响而造成图像缺陷问题。这些液晶屏显示缺陷类型有：轻微缺陷、中度缺陷，严重缺陷等。轻度缺陷指的是屏幕上缺陷的总面积占图像的总面积之比很小，小到人眼几乎无法识别的程度。虽然中度缺陷和严重缺陷是很大的区别的，但是无论是中度缺陷，还是重度缺陷，我们人眼一般很难区分缺陷的类型，因为如果能快速区分缺陷类型，就可以采用针对不同缺陷类型的处理方法，这样大大提高产品的质量和效率，而且能在很大程度上减少屏幕缺陷带来的损失和成本。所以需要对缺陷类型进行辨别和分类。现在对于缺陷的检测在大很大程度上依靠人工检查，所以导致其检测缺陷的效率非常慢，而且加上人的眼睛视力的局限性，检查的正确性和精度也很低。
技术实现思路
为了解决上述技术问题，本专利技术的目的是提供一种图像缺陷检测方法及系统，解决在显示屏上图像缺陷检测问题及区分图像缺陷类型等问题。本专利技术所采用的技术方案是：本专利技术提供一种图像缺陷检测方法，其包括以下步骤：系统发送指令至Matlab，控制Matlab对目标图像进行预处理和二值化操作；系统控制Matlab对得到的图像进行形态学滤波和图像分割处理操作；系统控制Matlab对得到的图像进行特征提取与缺陷目标识别操作；系统通过Matlab统计出图像的缺陷像素值，根据所述缺陷像素值占整张图像像素值的比例来检测图像是否存在缺陷，并区分出图像所属缺陷的类型。作为该技术方案的改进，所述方法还包括：系统传输指令至Matlab，并通过Matlab将目标图像转换为灰度图像。作为该技术方案的改进，所述方法还包括：系统将所述灰度图像转换为二值化图像。进一步地，系统将所述二值化图像进行腐蚀、膨胀操作。进一步地，所述图像分割处理包括归一化、平滑复原、几何变换。进一步地，系统通过灰度直方图选择阈值法进行特征提取与缺陷目标识别操作。另一方面，本专利技术还提供一种图像缺陷检测系统，其包括：初始图像处理模块，用于执行步骤系统发送指令至Matlab，控制Matlab对目标图像进行预处理和二值化操作；系统控制Matlab对得到的图像进行形态学滤波和图像分割处理操作；缺陷识别模块，用于执行步骤系统控制Matlab对得到的图像进行特征提取与缺陷目标识别操作；缺陷确认模块，用于执行步骤系统通过Matlab统计出图像的缺陷像素值，根据所述缺陷像素值占整张图像像素值的比例来检测图像是否存在缺陷，并区分出图像所属缺陷的类型。本专利技术的有益效果是：本专利技术提供的图像缺陷检测方法及系统，其中步骤包含有图像预处理操作、图像二值化操作、形态学滤波、特征提取和目标识别；首先对图像进行预处理，对图像进行抽样平滑，形态学滤波等，并通过对图像区域进行分类，由于相似区域存在近似的特征，可对区域的特点进行分析，并根据区域的特点对各个区域进行特征提取；最后由于图像之间存在不同，同样一张图像中的亮度也是不一样的，所以在通过特征提取之后，需要通过特征向量直接设置阈值对缺陷进行识别。因此，系统通过在Matlab软件平台上对图像缺陷进行处理，在一定条件下，可提高工作效率，同时也能降低检测图像缺陷的时间成本。附图说明下面结合附图对本专利技术的具体实施方式作进一步说明：图1是本专利技术一实施例中的流程示意图；图2是本专利技术一实施例的系统示意图。具体实施方式需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。参照图1，本专利技术提供一种图像缺陷检测方法，包括：A、利用Matlab软件对图像进行预处理和二值化操作。B、通过Matlab对图像进行形态学滤波和图像分割处理操作。C、通过Matlab对图像进行特征提取与缺陷目标识别操作。D、最后，通过Matlab编程统计出图像的所有属于缺陷的像素值，再根据它占整张图像所有像素值的比例来检测图像是否存在缺陷，并区分出其图像缺陷的类型。通过Matlab将图像转换为灰度图像，这为了更方便于进行图像处理；再将灰度图像转换为二值图像。将二值化图像进行腐蚀、膨胀操作。通过Matlab软件采用图像分割阈值的方法。图像处理过程包含有归一化、平滑复原、几何变换等步骤。图像处理还包括了进行图像均值滤波操作，为了滤掉图像的噪声，防止对图像检测缺陷时造成的。通过灰度直方图选择阈值法进行特征提取与缺陷目标识别操作。本专利技术提供了一种图像缺陷检测方法，首先将采集的图像读入Matlab中，然后把原始图像转为灰度图像，最后把它转为二值图像。形态学处理主要包括二值化图像和腐蚀、膨胀处理，把二值图像通过腐蚀、膨胀操作，然后通过Matlab软件采用图像分割阈值的方法进行处理。最后，将统计图像的所有属于缺陷的像素值统计出来，再根据它占整张图像所有像素值的比例来区分缺陷类型。一.图像预处理：所谓图像预处理操作就是指通过Matlab读入的原始图像是有噪声的，通过转化为灰度图像，中值滤波，均衡直方图等一系列操作后，采集的目标图像往往含有噪声，所以必须对它进行预处理，图像预处理的最重要目标是清除掉图片中没有用的数据，将有用的信息还原出来，然后提高相关数据的可检测性，最后做到特征提取出来、照片分割等等。它的处理过程包含有归一化、平滑复原、几何变换等步骤。图像归一化就是通过一系列变换(即利用图像的不变矩寻找一组参数，使其能够消除其他变换函数对图像变换的影响)，将待处理的原始图像转换成相应的唯一标准形式(该标准形式图像对平移、旋转、缩放等仿射变换具有不变特性)。为了方便后续特征提取的计算和减少特征的维数，在实验仿真中将特征块图像归一化为20X28像素的图像，即经切割后的特征块图像若尺寸不为20X28像素，就把它们统一归一化为20X28像素，最后把特征块图像归一化为20X28像素。二.图像二值化操作：目标图像先转化为灰度图像后，才能转化为二值图像，当转为二值图像后，将有利于处理图像分析和目标提取等，虽然图像理解和分析对于人来说是一件容易的事，但是这对计算机电脑却是难以想象的困难。因此，首先需要对照片进行分割料理，分割的定义就是把照片F[i，j]区分成每个区域p1，p2，…，pk，相应的区域对应着相应的物体，如下所示：分割的含义。定义：分割是图像分成每个小的图像，使得：(是一个完备分割)；(是一个完备分割)；每一个部分Pi对应着一个谓语-----整张照片里所有像素共有的性质；不同部分的图像，都不包含在这一动词里。即像上面所说的一样，图像分割属于一个动词，也许当这个动词是简单的时候，就可以用均匀灰度分布法去分割，然而，如果当这个动词若很复杂的时候，就采用灰度阀值法分割图像。二值图像的像素值只有0和1，即像素值为0的代表照片的背景，像素值为1的代表为目标，在分割图像之前，要加强图像的对比度，再通过阈值运算后去分割，如果一张灰度照片F[i，j]中目标的灰度本文档来自技高网...

【技术保护点】
1.一种图像缺陷检测方法，其特征在于，其包括以下步骤：系统发送指令至Matlab，控制Matlab对目标图像进行预处理和二值化操作；系统控制Matlab对得到的图像进行形态学滤波和图像分割处理操作；系统控制Matlab对得到的图像进行特征提取与缺陷目标识别操作；系统通过Matlab统计出图像的缺陷像素值，根据所述缺陷像素值占整张图像像素值的比例来检测图像是否存在缺陷，并区分出图像所属缺陷的类型。

【技术特征摘要】
1.一种图像缺陷检测方法，其特征在于，其包括以下步骤：系统发送指令至Matlab，控制Matlab对目标图像进行预处理和二值化操作；系统控制Matlab对得到的图像进行形态学滤波和图像分割处理操作；系统控制Matlab对得到的图像进行特征提取与缺陷目标识别操作；系统通过Matlab统计出图像的缺陷像素值，根据所述缺陷像素值占整张图像像素值的比例来检测图像是否存在缺陷，并区分出图像所属缺陷的类型。2.根据权利要求1所述的图像缺陷检测方法，其特征在于，所述方法还包括：系统传输指令至Matlab，并通过Matlab将目标图像转换为灰度图像。3.根据权利要求2所述的图像缺陷检测方法，其特征在于，所述方法还包括：系统将所述灰度图像转换为二值化图像。4.根据权利要求3所述的图像缺陷检测方法，其特征在于，系统将所述二值化...

【专利技术属性】
技术研发人员：王利，易子川，钟清华，冯文勇，陈志斌，白鹏飞，周国富，
申请(专利权)人：深圳市国华光电科技有限公司，深圳市国华光电研究院，华南师范大学，
类型：发明
国别省市：广东,44