【技术实现步骤摘要】
本专利技术涉及液晶屏幕缺陷检测，尤其涉及一种基于图像重构的背光源mura缺陷检测方法。
技术介绍
1、近年来,背光源模组已经广泛应用于智能手机以及医疗显示仪等各种常见电子显示产品。随着市场规模的不断扩展，消费者对产品的要求越来越高，而背光源生产过程不可避免会生产出不良产品。mura缺陷是背光源出现的高频缺陷，也是被研究学者公认在显示器件中最难检测的缺陷。因此一种准确快速的mura缺陷检测方法对提高背光源的生产效率具有重要的意义，助力企业增效降本，提升企业竞争力。
2、对于这类mura缺陷检测，大多生产企业采用人工检测的方式，人工检测方法主要依靠在对背光源模组接通电源点亮后，通过肉眼观察并根据自己积累的经验进行判断。人工检测背光源的mura缺陷虽然准确率可以更高，但要付出巨大的成本，且易受到环境以及主观因素的影响。
3、目前，计算机视觉技术正在逐渐替代人工检测，多数mura缺陷检测方法以自适应二值化、寻找轮廓、设置阈值条件筛选等技术手段，基于自适应二值化、寻找轮廓、设置筛选条件等技术手段，面对光照不均以及背光源质量较差时存在着鲁棒性不强、可扩展性较差等缺点。中国专利“cn 116703845 a电子显示屏的mura检测方法、装置、设备及存储介质”提出了一种基于重构图像以及历史数据的缺陷检测方法，此专利根据背景建模图像和显示图像确定前景图像，根据前景图像判断产品是否存在mura缺陷，但是经过最大池化卷积滤波会对图像中的淡mura缺陷的明显程度有所衰减，导致这类淡mura缺陷的漏检，并且该方法没有针对生产环境较
技术实现思路
1、本专利技术要解决的技术问题是针对上述现有技术的不足，提供一种基于图像重构的背光源mura缺陷检测方法，是替代人工检测的背光源自动检测方法，面对光照不均等环境时的鲁棒性不强以及可扩展性较差的问题，进行了针对性提升；且针对背光源表面的杂质以及灰尘等表面的异物设置了排除策略，降低误检率，提高生产良率。为实际生产检测过程提供一种鲁棒性强、准确率高且具有实时性的mura缺陷检测方法，为企业真正达到增效降本。
2、为解决上述技术问题，本专利技术所采取的技术方案是：
3、一种基于图像重构的背光源mura缺陷检测方法，包括以下步骤：
4、步骤1：获取待检测产品的白底图和侧光图；
5、在产品到达检测工位时，点亮产品拍摄获取图像，称之为“白底图”；然后点亮侧面条形光源，再次拍摄获取图像，称之为“侧光图”；
6、步骤2：获得白底图和侧光图的roi图；
7、步骤3：重构待检测产品白底roi图像的背景图像；
8、步骤4：利用白底roi图像与其重构后的背景图像相减，得到前景特征图像；
9、步骤5：根据不同生产厂家对缺陷的面积及灰度差要求设置不同的二值化分割阈值，对前景特征图像进行二值化分割，得到二值图像；
10、步骤6：根据生产厂家对缺陷的面积大小要求设置面积阈值，筛选出所有疑似为mura缺陷的轮廓，若没有筛选出轮廓，则输出结果为良品，结束检测；若筛选出轮廓，则需根据轮廓像素大小对所有疑似为mura缺陷的轮廓进行从大到小排序，遍历所有轮廓，分别得到所有轮廓的位置信息；
11、步骤7：根据遍历到的疑似为mura缺陷轮廓的位置信息，在白底roi图像的对应位置计算遍历到的疑似为mura缺陷的四周灰度差，四周灰度差＝四周灰度均值-缺陷内部灰度均值；若计算求得的四周灰度差大于或等于生产厂家提出的缺陷灰度差要求，即输出结果所检测的产品存在缺陷，结束检测；若小于生产厂家提出的缺陷灰度差要求，则继续遍历下一个疑似轮廓轮廓，以此循环，直到输出结果为缺陷，结束检测；若循环结束未输出结果为缺陷，则输出结果为良品，结束检测。
12、进一步地，所述步骤2的具体方法为：通过二值化及凸包运算获得目标区域的凸包轮廓，然后获取轮廓四条边的拟合曲线，使用曲线的交点生成透视变换矩阵，将目标区域映射到新的平面上，获得白底图和侧光图的roi图像，即获得需要处理的屏幕区域。
13、进一步地，所述步骤3中，在重构待检测产品白底roi图像的背景图像时，利用平均池化和标准差池化来获取特征图，并进行中值池化；根据背光源图像的灰度直方图分布，利用2σ准则计算出重构的背景图像的底图，并经过最近邻插值法进行放大得到重构的背景图像。
14、进一步地，所述重构待检测产品白底roi图像的背景图像的具体步骤为：
15、步骤3.1：通过对获取的待测背光源的白底roi图像进行平均池化，获得平均池化特征图；
16、步骤3.2：通过对获取的待测背光源的白底roi图像进行标准差池化，获得标准差池化特征图；
17、步骤3.3：新建一张像素值全为0的图像，称为“全0底图”，其尺寸与池化后的特征图尺寸一致；
18、步骤3.4：对平均池化特征图和标准差池化图进行中值池化，步长为1，池化核的尺寸为3*3，即感受野为遍历位置的像素和它的八邻域；
19、步骤3.5：根据中值池化后的两张特征图对应位置的像素值μ和σ计算求得“全0底图”的各像素的像素值j；
20、步骤3.6：使用最近邻插值法将求取像素值后的“全0底图”放大至与白底roi图像尺寸一致，得到白底roi图像重构后的背景图像。
21、进一步地，所述步骤3.2标准差池化中，池化核的尺寸和平均池化采用的池化核尺寸一致。
22、进一步地，所述步骤3.5中，若求取背光源发黑mura缺陷，计算公式为j＝μ-2*σ；若求取背光源发白mura缺陷，计算公式为j＝μ+2*σ；计算结果为负数，则统一设为0。
23、进一步地，所述步骤7中，如果背光源生产环境存在少量灰尘，采用如下步骤降低误检表面灰尘的概率：
24、利用轮廓位置信息在侧光roi图像中的对应位置求取同一轮廓大小区域的四周灰度差；
25、对mura轮廓的像素大小和白底roi求取的灰度差大小这两个特征分别划分3个等级，即mura缺陷被划分为3*3＝9个等级，为这9个等级分别设置不同的侧光灰度差阈值。然后根据实际检测过程中求取的mura轮廓面积以及白底roi图像求取的mura缺陷灰度差进行判断是哪个等级，然后根据在侧光roi图像上求取的灰度差与设置的该等级的侧光灰度差阈值进行判断，若在阈值范围内，则输出结果为缺陷，结束检测；若在阈值范围外，则该轮本文档来自技高网...
【技术保护点】
1.一种基于图像重构的背光源Mura缺陷检测方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于图像重构的背光源Mura缺陷检测方法，其特征在于：所述步骤2的具体方法为：通过二值化及凸包运算获得目标区域的凸包轮廓，然后获取轮廓四条边的拟合曲线，使用曲线的交点生成透视变换矩阵，将目标区域映射到新的平面上，获得白底图和侧光图的ROI图像，即获得需要处理的屏幕区域。
3.根据权利要求2所述的基于图像重构的背光源Mura缺陷检测方法，其特征在于：所述步骤3中，在重构待检测产品白底ROI图像的背景图像时，利用平均池化和标准差池化来获取特征图，并进行中值池化；根据背光源图像的灰度直方图分布，利用2σ准则计算出重构的背景图像的底图，并经过最近邻插值法进行放大得到重构的背景图像。
4.根据权利要求3所述的基于图像重构的背光源Mura缺陷检测方法，其特征在于：所述重构待检测产品白底ROI图像的背景图像的具体步骤为：
5.根据权利要求4所述的基于图像重构的背光源Mura缺陷检测方法，其特征在于：所述步骤3.2标准差池化中，池化核的尺寸和平均池
6.根据权利要求4所述的基于图像重构的背光源Mura缺陷检测方法，其特征在于：所述步骤3.5中，若求取背光源发黑Mura缺陷，计算公式为j＝μ-2*σ；若求取背光源发白Mura缺陷，计算公式为j＝μ+2*σ；计算结果为负数，则统一设为0。
7.根据权利要求1所述的基于图像重构的背光源Mura缺陷检测方法，其特征在于：所述步骤7中，如果背光源生产环境存在少量灰尘，采用如下步骤降低误检表面灰尘的概率：
...【技术特征摘要】
1.一种基于图像重构的背光源mura缺陷检测方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于图像重构的背光源mura缺陷检测方法，其特征在于：所述步骤2的具体方法为：通过二值化及凸包运算获得目标区域的凸包轮廓，然后获取轮廓四条边的拟合曲线，使用曲线的交点生成透视变换矩阵，将目标区域映射到新的平面上，获得白底图和侧光图的roi图像，即获得需要处理的屏幕区域。
3.根据权利要求2所述的基于图像重构的背光源mura缺陷检测方法，其特征在于：所述步骤3中，在重构待检测产品白底roi图像的背景图像时，利用平均池化和标准差池化来获取特征图，并进行中值池化；根据背光源图像的灰度直方图分布，利用2σ准则计算出重构的背景图像的底图，并经过最近邻插值法进行放大得到重构的背景图像。
4...
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。