【技术实现步骤摘要】
基于计算机视觉的手机屏幕缺陷智能检测方法
[0001]本专利技术涉及图像数据处理
，具体涉及一种基于计算机视觉的手机屏幕缺陷智能检测方法
。
技术介绍
[0002]随着现代生活节奏的加快，人们对手机的使用越来越频繁，使用过程中不可避免地产生手机消耗
。
而且，由于使用不当或手机持有者的不小心，容易造成手机外屏的碎裂，从而产生屏幕裂纹，但是较细小的裂纹与正常屏幕的灰度值相近，可能仅靠肉眼无法对其进行识别，因此需要增强手机屏幕的对比度以增强对裂纹缺陷检测的视觉效果
。
[0003]线性变换是增强图像对比度的一种常见手段，通过构建灰度的线性变换获得图像所有像素点的新灰度值，从而实现增强，但是这个过程同样增强了不属于裂纹区域的像素点，可能会造成对比度变化不明显的问题
。
因此，本实施例通过计算出各个边缘点属于裂纹边缘点的概率，再结合各个边缘点的对比度计算出个边缘点的增强程度，实现各像素点的自适应增强
。
技术实现思路
[0004]本专利技术提供基于...
【技术保护点】
【技术特征摘要】
1.
基于计算机视觉的手机屏幕缺陷智能检测方法，其特征在于，该方法包括以下步骤：采集手机屏幕表面图像并进行预处理，获得手机屏幕表面灰度图像；对手机屏幕表面灰度图像进行分块处理获得多个分块区域；根据每个分块区域中像素点的灰度分布范围和灰度波动程度获取每个分块区域中存在裂纹的概率；根据每个分块区域中存在裂纹的概率合并分块区域，获得合并区域块；对每个合并区域块的梯度直方图进行拟合，获取每个合并区域块的混合高斯模型；根据混合高斯模型中处于中间的子高斯模型获取手机屏幕表面灰度图像中可能为细裂纹边缘的像素线段；根据像素线段上的像素点的梯度方向差异以及像素线段上像素点的相邻像素点灰度值差异获取像素线段中每个像素点为细裂纹边缘像素点的概率；根据像素线段中每个像素点为细裂纹边缘像素点的概率获取像素点的增强程度；根据增强程度对像素点进行增强，获得增强后的手机屏幕表面灰度图像；根据增强后的手机屏幕表面灰度图像获取手机屏幕中的裂纹区域，进行缺陷检测
。2.
根据权利要求1所述基于计算机视觉的手机屏幕缺陷智能检测方法，其特征在于，所述根据每个分块区域中像素点的灰度分布范围和灰度波动程度获取每个分块区域中存在裂纹的概率，包括的具体计算方法为：获取每个合并区域块的最大灰度值和最小灰度值的差值，利用差值与
255
的比值乘以每个分块区域的灰度波动程度，得到每个分块区域中存在裂纹的概率，每个分块区域的灰度波动程度由分块区域的像素点灰度方差获取
。3.
根据权利要求1所述基于计算机视觉的手机屏幕缺陷智能检测方法，其特征在于，所述对每个合并区域块的梯度直方图进行拟合，获取每个合并区域块的混合高斯模型，包括的具体方法为：获取每个合并区域块的梯度图像，而后以梯度幅值为横坐标，像素点频数为纵坐标绘制每个合并区域块的梯度直方图，对每个合并区域块的梯度直方图进行混合高斯模型的拟合，拟合的混合高斯模型包含的子高斯模型的个数为
th1
，获取每个合并区域块的混合高斯模型，
th1
为预设的子高斯模型数量
。4.
根据权利要求1所述基于计算机视觉的手机屏幕缺陷智能检测方法，其特征在于，所述根据混合高斯模型中处于中间的子高斯模型获取手机屏幕表面灰度图像中可能为细裂纹边缘的像素线段，包括的具体方法为：根据混合高斯模型获取每个合并区域块的
th1
个子高斯模型的均值和标准差，
th1
为预设数量；按照均值从小到大的顺序将所有子高斯模型排列，选取处于中间的子高斯模型，将选取的子高斯模型中处于区间的样本点映射到手机屏幕表面灰度图像中，其中表示均值，表示标准差，获得多个可能为细裂纹边缘的像素点或线段，以获取的像素点和处于像素线段两端的像素点作为中心进行8邻域搜索，若邻域内存在处于均值和标准差最大的子高斯模型对应的像素点，则将像素点标记为确定边缘点，将像素线段标记为可能存在的细裂纹边缘的像素线段
。5.
根据权利要求1所述基于计算机视觉的手机屏幕缺陷智能检测方法，其特征在于，所述根据像素线段上的像素点的梯度方向差异以及像素线段上像素点的相邻像素点灰度值差异获取像素线段中每个像素点为...
【专利技术属性】
技术研发人员：何莉花，
申请(专利权)人：深圳市凯尔文电子有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。