一种用于微弱Mura缺陷的识别方法技术

本发明专利技术涉及一种用于微弱Mura缺陷的识别方法，包括以下步骤：S1.对待检测的屏幕图像进行预处理；S2.进行统计得到灰度直方图，并求得灰度区间的像素最值点；S3.统计并判断灰度直方图中最值点两侧是否对称；S4.取最值点两侧一对称的区域范围划为非Mura区，其他区域划为可疑Mura区；S5.分别统计比较最值点两侧的可疑Mura区，像素数量多且统计数据波动大的一侧为真实Mura区；S6.拟合真实Mura区域数据的曲线，计算曲线的极值点和拐点，判断真实Mura的灰度区间；S7.重置背景图像；S8.得到残差图像，二值化后得到检测结果。本方法在不依靠时域和频域的情况下，直接用统计的方法重构图像的背景，不仅精确，而且计算也很快速，适合在线检测。

【技术实现步骤摘要】
一种用于微弱Mura缺陷的识别方法
本专利技术涉及计算机视觉检测技术和显示
，特别涉及一种用于微弱Mura缺陷的识别方法。
技术介绍
随着科技快速发展，智能移动设备终端逐渐渗透到我们生活中的各个角落，特别是以手机为代表的移动设备，已经成为我们生活中不可缺少的一部分。显示屏幕作为人机交互的关键部件，直接影响着用户体验，所以人们对屏幕的质量要求也就越来越高。而屏幕是否存在有缺陷直接影响着屏幕的质量，所以屏幕的缺陷检测成为当前研究的热点。Mura是屏幕缺陷的一种，也是存在最多、最难检测的一种缺陷。
技术实现思路
本专利技术提供一种用于微弱Mura缺陷的识别方法，旨在提出了一种基于灰度直方图的方法重构图像的背景，避开了常规的时域或频域的处理方法，计算精确、快速，适合在线检测。本专利技术提供一种用于微弱Mura缺陷的识别方法，包括以下步骤：S1.对待检测的屏幕图像进行预处理；S2.对预处理后的图像进行统计得到灰度直方图，并根据灰度直方图数据得到灰度区间的像素最值点；S3.统计灰度直方图中最值点两侧是否对称，若对称则直接得出检测结果为良品；若不对称则执行步骤S4；S4.取最值点两侧一对称的区域范围划为非Mura区，最值点两侧的其他区域划为可疑Mura区；S5.分别统计比较最值点两侧的可疑Mura区，像素数量多且统计数据波动大的一侧为真实Mura区；S6.拟合真实Mura区域数据的曲线，计算曲线的极值点和拐点，然后通过拐点和极值点判断真实Mura的灰度区间；S7.计算非Mura区间的灰度均值，赋值给真实Mura灰度区间，获得重置的背景图像；S8.根据重构的背景与预处理图像得到残差图像，将残差图像二值化后得到检测结果。作为本专利技术的进一步改进，所述步骤S1具体为：预处理包括通过导入待检测图像，进行滤波、去噪处理，包括采用Gabor滤波、均值滤波、中值滤波、高斯滤波进行处理。作为本专利技术的进一步改进，所述步骤S2具体包括：对预处理图像中的灰度按区间范围划分为多个灰阶，统计每个灰阶的像素点个数，可得到灰度直方图，并像素点个数最多的一个灰阶作为灰度直方图的最值点。像素最值点可以作为一个判断的基准点，而且容易求得，易于计算。作为本专利技术的进一步改进，所述步骤S3具体包括：通过统计最值点两侧的灰度值总和是否相等来对屏幕质量做初步判断，若相等则判断此屏幕质量为良品；若不相等，则执行步骤S4做进一步判断。通过判断最值点两次是否对称或灰度值总和相等，来快速筛选出良品，剩下的再做进一步检测，减少了后续的工作量，检测更快速。作为本专利技术的进一步改进，所述步骤S3包括：统计最值点两侧的像素点个数，并设定第一阀值，当两侧像素点个数差的绝对值小于第一阀值时，则判断此屏幕质量为良品；否则执行步骤S4做进一步判断。作为本专利技术的进一步改进，所述步骤S4包括：设定第二阀值，并以最值点为中心，正反阀值区间内的范围为非Mura区，除去非Mura区后剩下的区域范围为可疑Mura区。做区域划分，可以缩小可疑Mura区的范围，便于判断出真实的Mura区。作为本专利技术的进一步改进，所述步骤S5包括：分别统计两侧可疑Mura区的像素点为个数，并设定第三阀值，当左侧可疑Mura区像素点个数远大于右侧可疑Mura区像素点个数时，则计算左侧可疑Mura区像素点的方差，若左侧可疑Mura区像素点的方差大于第三阀值时，则判定左侧可疑Mura区为真实Mura区；反之则右侧可疑Mura区为真实Mura区。此步骤判断简单，对比也快速，通过波动大和像素个数多的一边来评判出不稳定的一个区，确定为真实Mura区。作为本专利技术的进一步改进，所述步骤S6包括：统计真实Mura区的像素点变化趋势，拟合出曲线函数，通过曲线函数求图像的局部极值点和拐点；并将拐局部极值点和拐点之间的灰度区间对称到极值点另一边的灰度区间，作为真实Mura区的灰度范围。拟合出曲线函数，通过导数求解局部极值点和拐点快速简单，而且局部极值点和拐点数量少，容易快速寻找到其对应的区域，再进一步判断，提升了检测速度。作为本专利技术的进一步改进，所述步骤S7包括：获取非Mura区域的灰度均值，将真实Mura区的灰度值重置成所述的灰度均值后，构成背景图像。通过构建背景图像，预处理图像能够有参照对比，便于进一步得出真实Mura区的图像。作为本专利技术的进一步改进，所述步骤S8包括：将重构的背景与预处理图像做差，取绝对值后，得到残差图像，将残差图像二值化，最后用形态学操作去除噪声后，得到目的结果的二值图像。本专利技术的有益效果是：本专利技术在对检测图像进行滤波去燥等常规的预处理手段之后，然后提出来一种新颖的背景重构方法，这种方法是基于图像的灰度直方图，在不依靠时域和频域的情况下，直接用统计的方法重构图像的背景，不仅精确，而且计算也很快速，适合在线检测。最后用重构的背景与原图像做差，从而得到Mura的精确位置。附图说明图1是本专利技术一种用于微弱Mura缺陷识别方法的流程示意图；图2是本专利技术中灰度直方图分区的模型示意图；图3是本专利技术中确定真实Mura灰度范围的模型示意图；图4是本专利技术中灰度直方图的重构背景图；图5是本专利技术中屏幕显示处理效果的过程示意图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。实施例一：如图1所示，一种用于微弱Mura缺陷的识别方法，包括以下步骤：S1.对待检测的屏幕图像进行预处理；预处理通过导入待检测图片，进行滤波、去噪等处理，去除噪声、背景纹理的对检测的干扰，包括：均值滤波、Gabor滤波；对待检测图片进行滤波均值后，通过Gabor滤波消除背景纹理影响，必要时可通过高斯滤波再次去除噪声。S2.对预处理后的图像进行统计得到灰度直方图，并根据灰度直方图数据得到灰度区间的像素最值点。S3.统计灰度直方图中最值点两侧是否对称，若对称则直接得出检测结果为良品；若不对称则执行步骤S4；具体的也可以通过统计最值点两侧的灰度值总和是否大致相等来进行判断，若相等则判断此屏幕质量为良品；若不相等，则执行步骤S4做进一步判断。S4.取最值点两侧一对称的区域范围划为非Mura区，最值点两侧的其他区域划为可疑Mura区；如图2、图5所示，取最值点附近的一定区域为非Mura区，其他部分为可疑Mura区。S5.分别统计比较最值点两侧的可疑Mura区，像素数量多且统计数据波动大的一侧为真实Mura区；如图3、图5所示，比较两个可疑Mura区的像素点个数，明显多的一边，且波数据波动大的为真实Mura区。S6.拟合真实Mura区域数据的曲线，计算曲线的极值点和拐点，然后通过拐点和极值点判断真实Mura的灰度区间；具体为统计真实Mura区的像素点变化趋势，拟合出曲线函数，通过曲线函数求图像的局部极值点和拐点；并将拐局部极值点和拐点之间的灰度区间对称到极值本文档来自技高网...

【技术保护点】
1.一种用于微弱Mura缺陷的识别方法，其特征在于，包括以下步骤：/nS1.对待检测的屏幕图像进行预处理；/nS2.对预处理后的图像进行统计得到灰度直方图，并根据灰度直方图数据得到灰度区间的像素最值点；/nS3.统计灰度直方图中最值点两侧是否对称，若对称则直接得出检测结果为良品；若不对称则执行步骤S4；/nS4.取最值点两侧一对称的区域范围划为非Mura区，最值点两侧的其他区域划为可疑Mura区；/nS5. 分别统计比较最值点两侧的可疑Mura区，像素数量多且统计数据波动大的一侧为真实Mura区；/nS6. 拟合真实Mura区域数据的曲线，计算曲线的极值点和拐点，然后通过拐点和极值点判断真实Mura的灰度区间；/nS7. 计算非Mura区间的灰度均值，赋值给真实Mura灰度区间，获得重置的背景图像；/nS8. 根据重构的背景与预处理图像得到残差图像，将残差图像二值化后得到检测结果。/n

【技术特征摘要】
1.一种用于微弱Mura缺陷的识别方法，其特征在于，包括以下步骤：
S1.对待检测的屏幕图像进行预处理；
S2.对预处理后的图像进行统计得到灰度直方图，并根据灰度直方图数据得到灰度区间的像素最值点；
S3.统计灰度直方图中最值点两侧是否对称，若对称则直接得出检测结果为良品；若不对称则执行步骤S4；
S4.取最值点两侧一对称的区域范围划为非Mura区，最值点两侧的其他区域划为可疑Mura区；
S5.分别统计比较最值点两侧的可疑Mura区，像素数量多且统计数据波动大的一侧为真实Mura区；
S6.拟合真实Mura区域数据的曲线，计算曲线的极值点和拐点，然后通过拐点和极值点判断真实Mura的灰度区间；
S7.计算非Mura区间的灰度均值，赋值给真实Mura灰度区间，获得重置的背景图像；
S8.根据重构的背景与预处理图像得到残差图像，将残差图像二值化后得到检测结果。


2.根据权利要求1所述用于微弱Mura缺陷的识别方法，其特征在于，所述步骤S1具体为：预处理包括通过导入待检测图像，进行滤波、去噪处理，包括采用Gabor滤波、均值滤波、中值滤波、高斯滤波进行处理。


3.根据权利要求1所述用于微弱Mura缺陷的识别方法，其特征在于，所述步骤S2具体包括：对预处理图像中的灰度按区间范围划分为多个灰阶，统计每个灰阶的像素点个数，可得到灰度直方图，并像素点个数最多的一个灰阶作为灰度直方图的最值点。


4.根据权利要求1所述用于微弱Mura缺陷的识别方法，其特征在于，所述步骤S3具体包括：通过统计最值点两侧的灰度值总和是否相等来对屏幕质量做初步判断，若相等则判断此屏幕质量为良品；若不相等，则执行步骤S4做进一步判断。


5.根据权利要...

【专利技术属性】
技术研发人员：刘强，肖学军，刘品德，陈显锋，
申请(专利权)人：苏州佳智彩光电科技有限公司，
类型：发明
国别省市：江苏;32