一种基于灰度匹配与目标轮廓的液晶背光视觉定位方法技术

本发明专利技术公开了一种基于灰度匹配与目标轮廓的液晶背光视觉定位方法，属于工业液晶屏幕生产过程中的快速定位装配领域。该方法分为三个步骤，分别为图像预处理、目标图像识别、目标图像定位。图像预处理通过滤波、图像增强、阈值分割、图像形态学运算等处理，将待匹配识别的标记分割出来；目标图像识别对感兴趣区域ROI识别、ROI的提取，ROI的识别基于灰度匹配算法进行识别匹配，其中匹配方法为平方差匹配法，识别后对匹配所得ROI进行提取；目标图像定位，对提取到的ROI进行轮廓提取，选择出面积的最大轮廓，然后对轮廓进行最小外接旋转矩形贴合，得到待定位中心点的位置，以及十字标记的旋转角度。该技术与现有的人工装配液晶背光屏和简单机械装配具有速度快、准确率高的优点。

A LCD Backlight Vision Location Method Based on Gray Matching and Target Contour

【技术实现步骤摘要】
一种基于灰度匹配与目标轮廓的液晶背光视觉定位方法
本专利技术涉及一种基于CCD相机的液晶背光视觉定位方法，适用于工业液晶屏幕生产过程中的快速定位装配领域。
技术介绍
随着电子技术的迅速发展，背光液晶屏集微电子技术、计算机技术、信息处理于一体，以其色彩鲜艳、动态范围广、亮度高、清晰度高、工作电压低、功耗小和工作稳定可靠等优点，成为最具优势的新一代显示媒体。市场对液晶背光显示器的需求也越来越大，但是同时这也给液晶背光显示屏的工业生产及装配带来了更大的压力。国外日本东芝垄断着高精度的定位技术；国内将背光部分集成电路与液晶屏组装在一起的方法较为传统，许多手机液晶玻璃的装配中液晶玻璃与IC的装配用的人工装配，需要训练有素的操作人员，存在效率低、成本高的问题，依靠机械组装方式也只能单一地完成预编程赋予的动作指令，即被操作物体的原始位置和终止位置是严格限定的，只是完成固定的点到点的动作，很难满足现代柔性生产线的要求，准确率也无法得到保证。为了解决这个问题，计算机视觉的方法给我们提供了很多思路，计算机视觉系统最基本的特点就是提高生产的灵活性和自动化程度。在大批量重复性工业生产过程中，用机器视觉检测方法可以大大提高生产的效率和自动化程度。本专利技术针对当前视觉定位方法存在的受光照影响大，对硬件设备要求高，定位的准确率不高且速度慢的问题，提出了一种基于灰度匹配与目标轮廓的液晶背光视觉定位方法，用有效的图像预处理(CLAHE图像增强)解决了受光照影响大的问题，利用粗细定位相结合的方式提高了定位准确率。
技术实现思路
目前许多手机液晶玻璃的装配中液晶玻璃与IC的装配用的人工装配以及简单的机械组装，不仅耗时长，准确率也不能保证，本专利技术公开了一种基于灰度匹配与目标轮廓的液晶背光视觉定位方法，该方法包括图像预处理、目标图像识别和目标图像定位三个步骤，其中：S-1:图像预处理：对亮度不均和对比度低的原模板图像和原待匹配图像进行滤波去噪、自适应直方图增强算法运算、图像二值化和形态学处理处理得到清晰的模板图像和清晰的待匹配图像；其中清晰的模板图像为十字标点的中心对称图形；S-2:目标图像识别：将清晰的模板图像采用平均差匹配法在清晰的待匹配图像上滑动并进行计算，得到清晰的模板图像在清晰的待匹配图像上的感兴趣区域ROI；S-3:目标图像定位，包括提取轮廓和最小外接旋转矩形拟合；S-3-1:提取轮廓:在所述感兴趣区域ROI提取轮廓，计算所提取轮廓面积，以所述轮廓面积为指标进行排序，得到面积最大的轮廓；S-3-2:最小外接旋转矩形拟合：按照直接计算面积方法得到最大的轮廓的最小外接矩形，进一步得到最小面积矩形在感兴趣区域ROI的清晰的待匹配图像中心坐标(u0，v0)和角度β，β为得到的最小外接旋转矩形距离x轴最清晰的待匹配图像近的边与x轴的夹角；S-3-3：拟合得到的外接矩形近似为正方形、得到十字标点在图像矩阵中的位置(x，y)和目标与模板之间旋转的角度φ，具体关系如下：其中，(x0，y0)是在目标识别模块中得到的ROI区域的左上角坐标，φ的正负代表旋转方向，负表示待匹配图像中的十字标点相较于模板向右旋转，正表示待匹配图像中的十字标点相较于模板向左旋转。进一步地：所述滤波去噪过程如下：设置一个大小为m1×m1的核(kernel)，如下：将所述核在原模板图像和原待匹配图像上滑动并进行运算，输出结果即为m1×m1窗口中的像素值的平均值，完成原模板图像和原待匹配图像的滤波去噪，得到滤波模板图像和滤波待匹配图像。进一步地：所述直方图均衡化处理步骤如下：计算待匹配图像f(x，y)的各灰度级中像素出现的概率p(i)。上式中，n是图像中像素的总和，i是当前灰度级的像素个数，L是图像中可能的灰度级总数。计算p(i)的累计概率函数c(i),c即为图像的累计归一化直方图将c(i)缩放至0～255范围内，得到：y(i)＝255×c(i)y(i)是直方图均衡化之后新图像的灰度值，至此完成对矩形图像的直方图均衡化。进一步地：所述平方差匹配法计算如下：对其展开后可以得到：即：其中：(x,y)是匹配图像中像素点的坐标；(x′,y′)是模板图像中像素点的坐标；T是清晰模板图像；I是清晰待匹配图像；R是匹配后的结果为灰度图像。由于采用了上述技术方案，本专利技术提供的一种基于灰度匹配与目标轮廓的液晶背光视觉定位方法，该方法包括图像预处理、目标图像识别和目标图像定位三个步骤，其中目标图像定位，对提取到的ROI进行轮廓提取，选择出面积的最大轮廓，然后对轮廓进行最小外接旋转矩形贴合，得到待定位中心点的位置，以及十字标记的旋转角度。该技术快速的定位出液晶玻璃和IC上的十字标记的中心坐标点的坐标位置以及旋转角度，直接得到标点的位置坐标和角度信息可直接供后续PLC工作，降低生产成本，提高生产效率，与现有的人工装配液晶背光屏和简单机械装配相比具有速度快(可控制在10ms以内)、准确率高(定位准确率高达99％+)的优点。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术一种实施例的基于CCD相机的液晶背光视觉定位流程图；图2为图像经过测试选择的最佳模板；图3为图像经过预处理后的效果图；图4为最小外接矩形对十字标记贴合后的效果图。具体实施方式为使本专利技术的技术方案和优点更加清楚，下面结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚完整的描述：下面结合附图对本专利技术一种实施例做进一步说明。图1为本专利技术一种实施例的基于CCD相机的液晶背光视觉定位流程图，具体实施包括以下步骤：S1：图像样本库的建立。为保证图像样本的普适性，图像样本库应该包含具有代表性的足够的图像样本。光照、十字标记的位置，十字标记旋转角度等因素都会影响图像的质量。其中光照分为三种情况，分别为弱、种、强三种不同光照条件下的样本；十字标记的位置分为九种情况，分别在图像的四个顶点、四边的中点，以及图像的中心；十字旋转角度不同分为90度、左倾45度、右倾45度三种。因此一共有81种类别的图像样本，每一种样本拍摄10张，建立以一个810张图像样本的图像样本库。S2：模板图像的选取S2-1：模板图像的选取将直接影响基于灰度匹配的效果即ROI的识别，待匹配物体为十字标记，故分别截取CCD相机拍摄的图像中不同旋转角度的十字标记作为模板。S2-2：对各个模板与样本图像库中的样本进行算法测试，选择出最佳模板。S3：图像预处理，以下仅以“模板图像”为例，，对输入的模板图像进行滤波去噪处理。S3-1：设置一个大小为m1×m1的核(kernel)，如下：S3-2：将步骤3-1所述的核在原模板图像上滑动并进行运算，输出结果即为m1×m1窗口中的像素值的平均值，完成原模板图像的滤波去噪，得到滤波模板图,对待匹配图像进行同样的。S4：对步骤3完成的滤波后的模板图像和滤波待匹配图像进行限制对比度的直方图均衡化处理，以滤波后的模板图像为例，对待滤波后匹配图像进行同样的操作。S4-1：设置两个参数，一是用于设置限制的对比度，二是用于设置直方本文档来自技高网...

【技术保护点】
1.一种基于灰度匹配与目标轮廓的液晶背光视觉定位方法，其特征在于：该方法包括以下步骤：S‑1:图像预处理：对亮度不均和对比度低的原模板图像和原待匹配图像进行滤波去噪、自适应直方图增强算法运算、图像二值化和形态学处理处理得到清晰的模板图像和清晰的待匹配图像；其中清晰的模板图像为十字标点的中心对称图形；S‑2:目标图像识别：将清晰的模板图像采用平均差匹配法在清晰的待匹配图像上滑动并进行计算，得到清晰的模板图像在清晰的待匹配图像上的感兴趣区域ROI；S‑3:目标图像定位，包括提取轮廓和最小外接旋转矩形拟合；S‑3‑1:提取轮廓:在所述感兴趣区域ROI提取轮廓，计算所提取轮廓面积，以所述轮廓面积为指标进行排序，得到面积最大的轮廓；S‑3‑2:最小外接旋转矩形拟合：按照直接计算面积方法得到最大的轮廓的最小外接矩形，进一步得到最小面积矩形在感兴趣区域ROI的清晰的待匹配图像中心坐标(u0，v0)和角度β，β为得到的最小外接旋转矩形距离x轴最清晰的待匹配图像近的边与x轴的夹角；S‑3‑3：拟合得到的外接矩形近似为正方形、得到十字标点在图像矩阵中的位置(x，y)和目标与模板之间旋转的角度φ，具体关系如下：...

【技术特征摘要】
1.一种基于灰度匹配与目标轮廓的液晶背光视觉定位方法，其特征在于：该方法包括以下步骤：S-1:图像预处理：对亮度不均和对比度低的原模板图像和原待匹配图像进行滤波去噪、自适应直方图增强算法运算、图像二值化和形态学处理处理得到清晰的模板图像和清晰的待匹配图像；其中清晰的模板图像为十字标点的中心对称图形；S-2:目标图像识别：将清晰的模板图像采用平均差匹配法在清晰的待匹配图像上滑动并进行计算，得到清晰的模板图像在清晰的待匹配图像上的感兴趣区域ROI；S-3:目标图像定位，包括提取轮廓和最小外接旋转矩形拟合；S-3-1:提取轮廓:在所述感兴趣区域ROI提取轮廓，计算所提取轮廓面积，以所述轮廓面积为指标进行排序，得到面积最大的轮廓；S-3-2:最小外接旋转矩形拟合：按照直接计算面积方法得到最大的轮廓的最小外接矩形，进一步得到最小面积矩形在感兴趣区域ROI的清晰的待匹配图像中心坐标(u0，v0)和角度β，β为得到的最小外接旋转矩形距离x轴最清晰的待匹配图像近的边与x轴的夹角；S-3-3：拟合得到的外接矩形近似为正方形、得到十字标点在图像矩阵中的位置(x，y)和目标与模板之间旋转的角度φ，具体关系如下：其中，(x0，y0)是在目标识别模块中得到的ROI区域的左上角坐标，φ的正负代表旋转方向，负表示待匹配图像中的十字标点相较于模板向右...

【专利技术属性】
技术研发人员：邹飞，刘晓东，罗巍耀，宫俊，
申请(专利权)人：东北大学，
类型：发明
国别省市：辽宁,21