[发明专利]基于Gaussian-Surface保边滤波的显示屏Mura缺陷检测方法及装置

说明书

本发明公开了一种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。

技术领域

本发明涉及计算机视觉检测技术领域，具体涉及一种主动发光型显示屏Mura缺陷检测方法。

背景技术

在OLED、Mini LED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、Mini LED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。

发明内容

本发明提出了一种将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。本发明提出的基于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(Active area)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；