基于Gaussian-Surface保边滤波的显示屏Mura缺陷检测方法及装置制造方法及图纸

本发明专利技术公开了一种Gaussian‑Surface保边滤波算法、基于该Gaussian‑Surface保边滤波算法的显示屏Mura缺陷检测方法及其装置，包括对目标图像感兴趣区域的提取，重新构建背景图像，区域生长分割Mura缺陷，计算并标记Mura缺陷。本发明专利技术同时提供一种显示屏Mura缺陷检测装置，包括图像获取单元、图像预处理单元、图像提取单元、构建背景图像单元、分割Mura缺陷单元、标记Mura缺陷单元，通过对图像获取单元所获得的原图进行Gaussian‑Surface保边滤波处理后，再提取感兴趣区域，实现对主动发光型显示屏的边界精确界定，能够获取更加精准的发光区域边界位置，避免普通滤波算法实施后边界的模糊，造成边缘缺陷的漏检。

【技术实现步骤摘要】
基于Gaussian-Surface保边滤波的显示屏Mura缺陷检测方法及装置
本专利技术涉及计算机视觉检测
，具体涉及一种主动发光型显示屏Mura缺陷检测方法。
技术介绍
在OLED、MiniLED或uLED显示屏生产制造过程中，由于生产工艺、所用材料、环境等诸多因素的影响，会使生产出来的OLED、MiniLED或uLED显示屏出现显示亮度不均的现象，称为Mura缺陷。在实际生产中，厂商会根据Mura的特征尺寸、面积、亮度差异等参数，将其显示屏分为合格屏、修复屏、报废屏等级别。快速高效的Mura检测流程能够准确的将显示屏分级分等，避免合格屏中出现待修复屏或报废屏、报废屏中出现合格屏或待修复屏等情况。合理的分级，有助于降低生产成本，提高显示屏量产的良率。而基于计算机视觉的Mura缺陷检测技术获得越来越多的关注，高效可靠的Mura图像检测算法与检测方法、及装置显得十分重要。Mura缺陷边界的准确限定对于产品分等十分重要，因而图像算法对边界的准确处理需要格外小心。在图像处理中，保边滤波器是一种非常常见的滤波器，它综合考虑了图像的定义域和值域对某像素点的影响，降低了噪声对图像特征的影响，能够很好的保留边界信息。在众多的保边滤波器中，双边滤波是最基础的，而在实际的图像处理中，根据应用场景的不同及处理速度的要求，也能衍生出多种多样的保边滤波，但是保边滤波算法怎么才能取得更好的Mura检测效果，还需进一步改进。
技术实现思路
本专利技术提出了一种将Gaussian-Surface保边滤波器加入到Mura缺陷检测算法中的技术方案，综合相关多个检测画面的处理流程，提出一种基于Gaussian-Surface保边滤波的显示屏Mura缺陷检测方法及装置，可以实现快速准确地检出Mura缺陷，合理划分等级。本专利技术提出的基于Gaussian-Surface保边滤波的显示屏Mura缺陷检测方法包括：S1、对待检测图像进行预处理，得到检测图像，具体包括：将采集到的待检测图像进行Gaussian-Surface保边滤波、均值滤波、形态学处理、二值化操作，避免普通滤波实施后引起边界的一定程度模糊，针对屏体发光AA(Activearea)区得到与原图边界基本一致检测图像，所述Gaussian-Surface保边滤波具体实现方法为：其中r表示邻域半径(图像坐标下取整数)，f和F分别为滤波前后图像，滤波器系数w(s,t)综合考虑值域和定义域的影响，具体计算如式(2)：其中Y表示阈值，范围上限为相机位深所对应最大灰阶值[1,Max[P]]，σ表示标准差，具体取值可依产品特点和检出要求设定；S2、提取所述检测图像中屏体发光AA区，对所述检测图像进行轮廓查找和提取，获取最大轮廓，继而通过透视变换进行畸变矫正，获取屏的发光AA区，得到初处理检测图像；S3、构建初处理检测图像的背景图像，具体包括：将所述初处理检测图像屏体发光AA区分为w×h个区域，计算每个区域的均值，将其构建为一个新的临时背景图像；遍历临时背景图像，通过高斯模板去除变化较大的点；继而通过三次样条差值来放大至原来图像，背景图像构建完成。其中w和h依照显示产品规格、图像特征及检出需求进行参数化设定；S4、提取Mura缺陷种子点，采用区域生长分割Mura缺陷，具体包括：将所述初处理检测图像与所述背景图像进行差值，获取Mura的前景图像O(x,y)；遍历O(x,y)并找出所有极值点，将这些极值点作为寻找Mura缺陷区域的种子点；新建Mura缺陷待选图像g(x,y)，将种子点坐标(s,t)处像素标记为1，所有其他像素标记为0；在O(x,y)种子点(s,t)周围八连通区域内所有满足阈值范围内的点，添加到g(x,y)中，标记为1；形态学处理连接g(x,y)中Mura区域，将处理后的Mura区域标记为Mura缺陷待选区；S6、结合原图计算并标记Mura缺陷及等级信息，具体包括：依照二值化图像g(x,y)中非零值分布情况，在原图中标记Mura缺陷的位置和类型，继而提取面积和对比度参数，通过DSEMU标准计算Mura的等级，该标准定义下式：其中，DSEMU表示Mura的最小可察觉系数，|Cx|表示Mura区域对比度的平均值，K为与相机和显示屏之间的距离有关的系数，So为Mura区域的面积。优选的，基于Gaussian-Surface保边滤波的显示屏Mura缺陷检测方法所述的显示屏是主动发光型显示屏。更进一步地，所述主动发光型显示屏OLED显示屏、MiniLED显示屏或uLED显示屏。本专利技术还提供了一种实现基于Gaussian-Surface保边滤波的显示屏Mura缺陷检测方法的装置，所述装置包括：图像获取单元，图像预处理单元，图像提取单元，构建背景图像单元，分割Mura缺陷单元，标记Mura缺陷单元。图像获取单元用于得到待检测图像；图像预处理单元用于对待检测图像进行包括Gaussian-Surface保边滤波的预处理，提取感兴趣区域，得到检测图像，并保留清晰的边缘及边缘缺陷；图像提取单元用于提取所述检测图像感兴趣区域，得到初处理检测图像；构建背景图像单元用于构建初处理检测图像的背景图像；分割Mura缺陷单元用于利用区域生长分割Mura缺陷待选区；标记Mura缺陷单元用于多画面综合计算Mura缺陷并标记出Mura缺陷。优选的，基于Gaussian-Surface保边滤波的显示屏Mura缺陷检测装置所述的显示屏是主动发光型显示屏。更进一步的，所述主动发光型显示屏OLED显示屏、MiniLED显示屏或uLED显示屏。。本专利技术提供的基于Gaussian-Surface保边滤波的显示屏Mura缺陷检测方法及装置的有益效果是：区别于双边滤波器，Gaussian-Surface保边滤波器平滑平坦区域的效果更好。区别于现有保边滤波器，Gaussian-Surface保边滤波器不仅能充分利用缺陷及图像边缘区域像素加权较大，平滑的地方加权比较小，得以保留边缘信息的同时平滑平坦区域，而且又具有一个高斯滤型权重调整器，使得保边滤波器权重因子的可调自由度更大，实施效果更灵活，尤其适用于Mura缺陷的检测。将Gaussian-Surface保边滤波器加入到Mura缺陷检测算法中，综合相关多个检测画面的处理流程，可以实现快速准确地检出Mura缺陷，合理划分等级。本专利技术提供的一种基于Gaussian-Surface保边滤波的显示屏Mura缺陷检测方法及装置，它具有很强的抗干扰能力，能快速检出Mura缺陷并获取更加准确的边缘信息特点，针对感兴趣区域的提取，能够获取更加精准的边界信息，避免造成边界漏检现象，能够保留感兴趣区域内Mura缺陷的完整边界信息，又能够很好地降低Mura的过检率。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是本专利技术所述检测方法的实施例的流程图；图2(a)为本专利技术实施例中截取显示屏部分区域的原图；图2(b)为本专利技术实施例中双边本文档来自技高网...

【技术保护点】
1.基于Gaussian-Surface保边滤波的显示屏Mura缺陷检测方法，其特征在于，所述方法包括：/n对待检测图像进行包括Gaussian-Surface保边滤波的预处理，得到检测图像；/n提取所述检测图像感兴趣区域，得到初处理检测图像；/n构建所述初处理检测图像的背景图像；/n采用区域生长分割Mura缺陷。/n

【技术特征摘要】
1.基于Gaussian-Surface保边滤波的显示屏Mura缺陷检测方法，其特征在于，所述方法包括：
对待检测图像进行包括Gaussian-Surface保边滤波的预处理，得到检测图像；
提取所述检测图像感兴趣区域，得到初处理检测图像；
构建所述初处理检测图像的背景图像；
采用区域生长分割Mura缺陷。


2.根据权利要求1所述的基于Gaussian-Surface保边滤波的显示屏Mura缺陷检测方法，其特征在于所述Gaussian-Surface保边滤波的具体过程如下：
Gaussian-Surface保边滤波器采用一个大小为m×n的滤波器w(x,y)与一幅图像f(x,y)做卷积操作，输出图像记为F(x,y)：



其中，r表示邻域半径，在图像坐标下取整数；滤波器系数w(s,t)综合考虑值域和定义域的影响，具体计算如下式：



其中，Y表示阈值，范围上限为相机位深所对应最大灰阶值[1,Max[P]]，σ表示标准差。


3.根据权利要求1所述的基于Gaussian-Surface保边滤波的显示屏Mura缺陷检测方法，其特征在于所述提取检测图像感兴趣区域是提取所述检测图像中的屏体发光AA(Activearea)区。


4.根据权利要求3所述的基于Gaussian-Surface保边滤波的显示屏Mura缺陷检测方法，其特征在于：所述构建初处理检测图像的背景图像具体方法是：将屏体发光AA区划分为w×h个区域，计算每个区域的均值，将其构建为一个新的临时背景图像，遍历临时背景图像，通过高斯模板去除变化较大的点，继而通过三次样条差值来放大至原来图像，完成背景图像的构建。


5.根据权利要求4所述的基于Gaussian-Surface保边滤波的显示屏Mura缺陷检测方法，其特征在于所述采用区域生长分割Mura缺陷的具体方法是：
将所述初处理检测图像与所述背...

【专利技术属性】
技术研发人员：田欢欢，郑跃瑜，李浪浪，肖学军，
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