[发明专利]一种显示屏划痕缺陷检测的方法和系统

说明书

本发明公开了一种显示屏划痕缺陷检测的方法和系统，包括：获取缺陷图像的分割阈值；对所述缺陷图像进行分割及预处理；获取缺陷特征参数；根据缺陷特征参数检测出划痕缺陷。所述获取缺陷图像的分割阈值过程如下：A)计算缺陷图像的梯度：采用四邻域的方法，以当前像素点为中心，计算上下左右四点与当前像素点灰阶差，以灰阶差最大者为当前像素点的梯度，如果所述灰阶差最大者的差值小于0，则该像素点梯度为0；B)计算图像分割阈值：根据所述缺陷图像的梯度，查找梯度最大值时像素点的位置坐标，如果梯度最大值超过设定的分割阈值，则以最大梯度值的0.8倍作为图像分割阈值。本发明在视觉检测系统具有精度高，速度快，稳定性好的特点。

技术领域

本发明属于计算机视觉检测技术领域，具体涉及一种显示屏划痕缺陷检测的方法和系统。

背景技术

计算机视觉检测在物体检测领域获得广泛应用，因为计算机视觉检测技术具有快速高效、精度高和集成性等优点，逐步成为各行各业检测的主要方法。在显示屏缺陷检测，电路板缺陷检测，工件检缺陷测等领域都有广泛的应用。

类似专利有针对LED显示屏划痕缺陷检测的方法，如发明专利申请号CN202211478913.5公开了一种用于LED屏幕的划痕检测方法，通过获取LED屏幕的调制图像中各个像素点的梯度值，根据各个像素点的局部梯度明显程度与整体梯度明显程度得到各个像素点的起始点概率，然后对各个像素点的起始点概率进行聚类，得到各个扩张起始点，再获取各个扩张起始点的各个扩张区域，根据各个扩张起始点的各个扩张区域内各个像素点的起始点概率值以及线性程度得到所述各个扩张区域的预估分割效果进而得到所述各个扩张起始点的最终扩张区域，最后对各个最终扩张区域分别进行自适应阈值分割得到LED屏幕的划痕区域。

上述发明专利的缺点在于：首先，划痕检测过程过于复杂，采用K-means聚类算法，样本数量的选择对聚类效果影响很大。其次，最终扩张区域采用自适应阈值分割，易受到该区域内纹理和噪声的影响。

发明内容

基于目前显示屏划痕缺陷检测的缺点，本发明提出了一种显示屏划痕缺陷检测的方法。本发明首先获取缺陷图像的分割阈值；然后对分割图像预处理；获取缺陷特征参数；根据缺陷特征参数检测出划痕缺陷。

具体的，本发明提供了一种显示屏划痕缺陷检测的方法，包括以下步骤：

获取缺陷图像的分割阈值；

分割图像的预处理；

获取缺陷特征参数；

根据缺陷特征参数检测出划痕缺陷;

进一步地，所述获取缺陷图像的分割阈值过程如下：

A)计算缺陷图像的梯度。采用四邻域的方法，以当前像素点为中心，计算上下左右四点与当前像素点灰阶差，以灰阶差最大者为当前像素点的梯度，如果差值小于0，则该点梯度为0；

B)计算图像分割阈值。根据前述计算缺陷图像的梯度，查找梯度最大值时像素点的位置坐标，将所述梯度最大值作为图像分割阈值，如果梯度最大值超过预设阈值，则以最大梯度值的0.8倍作为图像分割阈值T。

所述分割图像的预处理的过程如下：

A)根据前述计算的分割阈值T，对缺陷图像进行二值化分割处理，获取分割图像；

B)把二值图像先后做三次膨胀，三次腐蚀，再三次膨胀，再三次腐蚀处理，得到均值滤波图像。

进一步地，所述获取缺陷特征参数的方法如下：

A）根据所述分割图像的预处理，从预处理二值图中搜索种子点位置，直至找到任一点灰阶为255的像素点，记录下此时该像素点的坐标；