一种对含有缺陷的TFT电路图像的分割方法技术

本发明专利技术涉及一种对含有缺陷的TFT电路图像的分割方法，包括以下步骤：S1、采集受到缺陷影响的TFT‑LCD电路图像；S2、对采集到的电路图像进行区域提取以及图像校正预处理操作；S3、计算预处理后图像的边缘图像的垂直响应，通过垂直响应的自相关估计函数确定电路重复周期；S4、通过周期灰度均值确定一组电路纵贯线的位置，再通过电路重复周期求出其他电路纵贯线的位置；S5、设计六边形角模版，在纵贯线左右边界处计算图像块与各个角模版的相关度，以此确定TFT电路硅岛位置；S6、根据电路纵贯线位置及周期，以及电路硅岛位置，共同确定电路的其他部件位置。该方法有利于提高TFT电路位置分割的准确性。

【技术实现步骤摘要】
一种对含有缺陷的TFT电路图像的分割方法
本专利技术涉及图像分割
，具体涉及一种对含有缺陷的TFT电路图像的分割方法。
技术介绍
在TFT显示面板的生产过程中需要经过镀膜，腐蚀，光刻等诸多复杂工序。在这些过程之中不可避免的会出现各种缺陷，但是并不是所有的缺陷都会对面板的显示造成影响。因此，需要分析这些缺陷是否对显示造成影响。其中一个重要的判断方法就是查看缺陷是否有影响到TFT的显示电路。在工业生产中，采用的方法往往是：由AOI相机对缺陷进行拍摄，再由人工进行判断。这种模式使得判断站点一直面临人力需求大，人力成本高，培训周期长，离职率高等问题。因此，对缺陷的影响区域进行自动判断不仅能够节省大量的人力成本，而且加快了检测速度，对提高TFT面板的生成效率有着重要的现实意义和学术价值。需要系统自动对缺陷影响区域进行判断就必须分割出电路原本的位置。目前，图像分割方法主要分为深度学习方法，基于区域的分割方法，基于阈值的分割方法等；深度学习方法主要是采用人工标注的监督信息来训练卷积网络，通过对损失函数的不断迭代下降而不断更新分割网络参数。算法优点是无需人工设计特征，缺点是需要大量的分割标注信息，具体算法有FCN,SegNet等。基于区域的分割算法，是从全图搜寻图像中具有某种相似特征的区域进行连通的分割技术，其优点能够分割出较小的独立区域，缺点是容易造成图像的过度分割，具体算法有区域生长和区域分离等算法。基于阈值的分割算法，是利用图像中的颜色变化，灰度直方图等特征将图像进行分割的技术，其优点是检测速度快，对边缘的检测效果好，缺点是容易受到噪声的干扰，具体算法有Ostu自动阈值算法等。由于缺陷的形状，颜色，位置都是不固定的，其中会出现缺陷颜色与电路颜色一致，缺陷覆盖部分电路结构，缺陷形状与电路部分组件相似等情况。因此目前的算法都无法准确的分割出TFT的电路位置。
技术实现思路
本专利技术的目的在于提供一种对含有缺陷的TFT电路图像的分割方法，该方法有利于提高TFT电路位置分割的准确性。为实现上述目的，本专利技术采用的技术方案是：一种对含有缺陷的TFT电路图像的分割方法，包括以下步骤：步骤S1：使用AOI相机采集产线上各种受到缺陷影响的TFT-LCD电路图像；步骤S2：对采集到的电路图像进行区域提取以及图像校正预处理操作；步骤S3：计算预处理后图像的边缘图像的垂直响应，通过所述垂直响应的自相关估计函数确定电路重复周期；步骤S4：通过周期灰度均值确定一组电路纵贯线的位置，再通过电路重复周期求出其他电路纵贯线的位置；步骤S5：设计六边形角模版，在纵贯线左右边界处计算图像块与各个角模版的相关度，以此确定TFT电路硅岛位置；步骤S6：根据步骤S4确定的电路纵贯线位置及周期，以及步骤S5确定的电路硅岛位置，共同确定电路的其他部件位置。进一步地，所述步骤S2中，对电路图像进行区域提取以及图像校正预处理的具体方法为：对图像进行灰度化后求出灰度图在竖直方向的梯度值，再将所述梯度值逐行叠加，在梯度变化最大的行即为无关的文字区域，提取出除文字区域外的图像区域即为目标区域，然后采用Hough变化估算图像偏角，对目标区域进行几何旋转校正。进一步地，所述步骤S3具体按如下方法进行：取步骤S2预处理后的目标区域的边缘图像，使用卷积算子计算出边缘图像的垂直响应序列，再计算垂直响应序列的自相关估计函数，自相关估计函数呈周期出现极大值即为电路重复周期，其中自相关估计函数的计算公式如下：其中，R(n)为自相关估计序列，E(n)为垂直响应序列，N为E序列的长度。进一步地，所述步骤S4中，通过周期灰度均值确定电路纵贯线的位置的具体方法如下：按步骤S3得到的电路重复周期T将图像分为若干个子图，计算该些子图的灰度均值即为周期灰度均值，根据步骤S3求得的边缘图像的垂直响应估算出纵贯线的线宽W，设定周期灰度均值序列中卷积和最大的连续W个像素为参考区域，在参考区域左右边界处寻找最接近阈值o的位置即为一组纵贯线边界位置，再通过所S3步骤求得的电路重复周期确定其他纵贯线的位置；其中阈值o的计算公式为：o=Ostu_Thresh*H其中，Ostu_Thresh为Ostu算法自动选取的灰度阈值，H为图像的高度值。进一步地，所述步骤S5具体按如下方法进行：将TFT电路硅岛部分的六个角分别记为Angle1,Angle2,…,Angle6作为模版匹配的模版，在纵贯线边界处，计算每个角模版与图像块的相关度，若相关度大于阈值则认为匹配，计算匹配角的个数，若满足以下三个条件中的一个：Angle1、Angle3同时被匹配，Angle2、Angle6同时被匹配，三个以上的角被匹配且其中存在Angle1或Angle2，则认为此区域存在电路硅岛部分，集合得到的所有电路硅岛部分，即得到TFT电路硅岛位置。与现有技术相比，本专利技术具有以下有益效果：本专利技术能够在各类缺陷影响的情况下，将TFT电路位置准确地分割出来，解决了现有分割算法分割不准确，分割失败，无法区分电路区域与缺陷的问题，有助于提高面板的生成效率与成本。附图说明图1是本专利技术实施例的方法流程示意图。图2是本专利技术实施例中包含缺陷的电路图像。图3是本专利技术实施例中六边形角模版示意图。图4是本专利技术实施例的处理结果。具体实施方式下面结合附图及具体实施例对本专利技术作进一步的详细说明。本专利技术提供一种对含有缺陷的TFT电路图像的分割方法，如图1所示，包括以下步骤：步骤S1：使用AOI相机采集产线上各种受到缺陷影响的TFT-LCD电路图像。得到的包含缺陷的电路图像如图2所示。步骤S2：对采集到的电路图像进行区域提取以及图像校正预处理操作。其中，对电路图像进行区域提取以及图像校正预处理的具体方法为：对图像进行灰度化后求出灰度图在竖直方向的梯度值，再将所述梯度值逐行叠加，在梯度变化最大的行即为无关的文字区域，提取出除文字区域外的图像区域即为目标区域，然后采用Hough变化估算图像偏角，对目标区域进行几何旋转校正。步骤S3：计算预处理后图像的边缘图像的垂直响应，通过所述垂直响应的自相关估计函数确定电路重复周期。具体按如下方法进行：取步骤S2预处理后的目标区域的边缘图像，使用卷积算子计算出边缘图像的垂直响应序列，再计算垂直响应序列的自相关估计函数，自相关估计函数呈周期出现极大值即为电路重复周期，其中自相关估计函数的计算公式如下：其中，R(n)为自相关估计序列，E(n)为垂直响应序列，N为E序列的长度。步骤S4：通过周期灰度均值确定一组电路纵贯线的位置，再通过电路重复周期求出其他电路纵贯线的准确位置。其中，通过周期灰度均值确定电路纵贯线的位置的具体方法如下：按步骤S3得到的电路重复周期T将图像分为若干个子图，计算该些子图的灰度均值即为周期灰度均值，根据步骤S3求得的边缘图像的垂直响应估算出纵贯线的线宽W，设定周本文档来自技高网...

【技术保护点】
1.一种对含有缺陷的TFT电路图像的分割方法，其特征在于，包括以下步骤：/n步骤S1：使用AOI相机采集产线上各种受到缺陷影响的TFT-LCD电路图像；/n步骤S2：对采集到的电路图像进行区域提取以及图像校正预处理操作；/n步骤S3：计算预处理后图像的边缘图像的垂直响应，通过所述垂直响应的自相关估计函数确定电路重复周期；/n步骤S4：通过周期灰度均值确定一组电路纵贯线的位置，再通过电路重复周期求出其他电路纵贯线的位置；/n步骤S5：设计六边形角模版，在纵贯线左右边界处计算图像块与各个角模版的相关度，以此确定TFT电路硅岛位置；/n步骤S6：根据步骤S4确定的电路纵贯线位置及周期，以及步骤S5确定的电路硅岛位置，共同确定电路的其他部件位置。/n

【技术特征摘要】
1.一种对含有缺陷的TFT电路图像的分割方法，其特征在于，包括以下步骤：
步骤S1：使用AOI相机采集产线上各种受到缺陷影响的TFT-LCD电路图像；
步骤S2：对采集到的电路图像进行区域提取以及图像校正预处理操作；
步骤S3：计算预处理后图像的边缘图像的垂直响应，通过所述垂直响应的自相关估计函数确定电路重复周期；
步骤S4：通过周期灰度均值确定一组电路纵贯线的位置，再通过电路重复周期求出其他电路纵贯线的位置；
步骤S5：设计六边形角模版，在纵贯线左右边界处计算图像块与各个角模版的相关度，以此确定TFT电路硅岛位置；
步骤S6：根据步骤S4确定的电路纵贯线位置及周期，以及步骤S5确定的电路硅岛位置，共同确定电路的其他部件位置。


2.根据权利要求1所述的一种对含有缺陷的TFT电路图像的分割方法，其特征在于，所述步骤S2中，对电路图像进行区域提取以及图像校正预处理的具体方法为：对图像进行灰度化后求出灰度图在竖直方向的梯度值，再将所述梯度值逐行叠加，在梯度变化最大的行即为无关的文字区域，提取出除文字区域外的图像区域即为目标区域，然后采用Hough变化估算图像偏角，对目标区域进行几何旋转校正。


3.根据权利要求1所述的一种对含有缺陷的TFT电路图像的分割方法，其特征在于，所述步骤S3具体按如下方法进行：取步骤S2预处理后的目标区域的边缘图像，使用卷积算子计算出边缘图像的垂直响应序列，再计算垂直响应序列的自相关估计函数，自相关估计函数呈周期出现极大值即为电路重复周期，其...

【专利技术属性】
技术研发人员：林志贤，郭太良，王永城，
申请(专利权)人：福州大学，
类型：发明
国别省市：福建;35