基于Gabor滤波与C-V模型分割的LCDMura缺陷机器视觉检测方法
基于Gabor滤波与C-V模型分割的LCD Mura缺陷机器视觉检测方法
【专利摘要】本发明属于LCD?Mura缺陷机器视觉检测【技术领域】，其公开了一种基于Gabor滤波与C-V模型分割的LCD?Mura缺陷机器视觉检测方法，包括如下步骤：在暗室中，用CCD相机对点亮的LCD屏幕在垂直方向拍照，把采集到图像输入计算机进行图像处理，图像处理步骤为几何校正、Gabor滤波、改进的C-V模型分割和缺陷量化。本发明的有益效果是：有效地平衡了图像整体的亮度不均匀性，提高了分割的准确度；实现了对LCD?Mura缺陷准确快速的检测和量化。
【专利说明】基于Gabor滤波与C-V模型分割的LCD Mura缺陷机器视觉检测方法
【技术领域】
[0001]本发明属于LCD Mura缺陷机器视觉检测【技术领域】，具体涉及基于Gabor滤波与C-V模型分割的IXD Mura缺陷机器视觉检测方法。
【背景技术】
[0002]目前LCD Mura缺陷检测主要依靠人眼检测，人眼检测方法存在很多不足:检测结果容易受人的主观因素以及外界环境的影响，对缺陷等级判定没有统一的标准，检测效率低，代价高，并且对工人的眼睛存在伤害。随着LCD向大尺寸、轻薄化、低功耗、高分辨率的方向发展，LCD Mura缺陷产生的几率大大增加，人眼检测方法无法满足产品质量和生产效率方面的要求，IXD Mura缺陷检测成为制约IXD产业发展的重要因素。
[0003]IXD Mura缺陷机器视觉检测是一种利用图像处理的方法，对缺陷进行检测并对缺陷做出客观地量化，以此代替人眼的检测和判断。IXD Mura缺陷种类繁多，而且最难检测。尽管国内外众多学者对LCD Mura缺陷检测进行了长期的深入研究，并发表了大量的研究论文，试图提出一种机器视觉检测方法，但每位学者提出的方法的应用对象单一，只能检测出一种或几种IXD Mura缺陷，而且检测效率低于人眼检测，这也是一直以来IXD Mura缺陷检测仍然依靠人眼检测的原因。
【发明内容】
[0004]为了解决现有技术中的问题，本发明提供了一种基于Gabor滤波与C-V模型分割的LCD Mura缺陷机器视觉检测方法，解决人眼检测方法存在的检测结果受主观因素及外界环境影响，对缺陷等级判定没有统一的标准，检测效率低，代价高，并且对工人的眼睛存在伤害等不足的问题。
[0005]本发明提供了一种基于Gabor滤波与C-V模型分割的IXD Mura缺陷机器视觉检测方法，包括如下步骤:在暗室中，用CXD相机对点亮的IXD屏幕在垂直方向拍照，把采集到图像输入计算机进行图像处理，图像处理步骤为几何校正、Gabor滤波、改进的C-V模型分割和缺陷量化。
[0006]作为本发明的进一步改进，所述暗室的照度低于lOLux。
[0007]作为本发明的进一步改进，所述拍照的方向为CCD相机光圈中轴线垂直于LCD屏眷。
[0008]作为本发明的进一步改进，所述几何矫正算法为，首先利用Hough变换检测到LCD屏幕边缘直线，把LCD屏幕部分转正到水平方向，然后用Harris算法提取出LCD屏幕角点，把LCD屏幕图像分割出来。
[0009]作为本发明的进一步改进，所述Gabor滤波中的Gabor滤波器采用二维实值Gabor滤波器，其由4个滤波方向、每个方向上4个滤波中心频率的16个滤波模板组成。
[0010]作为本发明的进一步改进,所述4个滤波方向为0=0,31/4，31/2，3 31/4,4个滤波中心频率为f=fmax, fmax/2, fmax/4, fmax/8,这里fmax=l/(2T),为一个纹理单元的宽度；同时，Gabor滤波器设计为圆对称，并且每个滤波模板大小为。
[0011 ] 作为本发明的进一步改进，所述改进C-V模型分割步骤，改进的C-V模型增加了一项符号距离保持项；同时引入了轮廓曲线内、外部区域之间的亮度差项。
[0012]作为本发明的进一步改进，所述缺陷量化中，量化采用SEMU标准，计算公式为:SEMU= ( I co-cb I ) / (1.97/Sx0.33+0.72)。
[0013]本发明的有益效果是:有效地平衡了图像整体的亮度不均匀性，提高了分割的准确度；实现了对LCD Mura缺陷准确快速的检测和量化。
[0014]【【专利附图】
【附图说明】】
图1是检测系统不意图。
[0015]图2是图像处理的技术路线图。
[0016]图3是改进的C-V模型分割图像的算法流程图。
[0017]【【具体实施方式】】
下面结合【专利附图】
【附图说明】及【具体实施方式】对本发明进一步说明。
[0018]一种基于Gabor滤波与C-V模型分割的IXD Mura缺陷机器视觉检测方法，包括如下步骤:在暗室中，用CCD相机对点亮的LCD屏幕在垂直方向拍照，把采集到图像输入计算机进行图像处理，图像处理步骤为几何校正、Gabor滤波、改进的C-V模型分割和缺陷量化。
[0019]所述暗室的照度低于lOLux。
[0020]所述拍照的方向为CXD相机光圈中轴线垂直于IXD屏幕。
[0021]所述几何矫正算法为，首先利用Hough变换检测到IXD屏幕边缘直线，把IXD屏幕部分转正到水平方向，然后用Harris算法提取出LCD屏幕角点，把LCD屏幕图像分割出来。
[0022]所述Gabor滤波中的Gabor滤波器采用二维实值Gabor滤波器，其由4个滤波方向、每个方向上4个滤波中心频率的16个滤波模板组成。
[0023]所述4个滤波方向为0 =0, 3i/4, /2，3 /4,4个滤波中心频率为f=fmax,fmax/2, fmax/4, fmax/8,这里fmax=l/(2T),为一个纹理单元的宽度；同时，Gabor滤波器设计为圆对称，并且每个滤波模板大小为。
[0024]所述改进C-V模型分割步骤，改进的C-V模型增加了一项符号距离保持项:，同时引入了轮廓曲线内、外部区域之间的亮度差项。
[0025]所述缺陷量化中，量化采用SEMU标准，计算公式为:SEMU= ( | co-cb | ) /(1.97/Sx0- 33+0.72)。
[0026]一种实施例中，该方法首先在照度低于IOLux暗室中，用CXD相机对点亮的IXD屏幕在垂直方向拍照，并对采集到的图像进行几何矫正，去掉工作台部分和边框，得到IXD目标图像，然后再对LCD目标图像进行Gabor滤波，接着利用改进的C-V模型进行分割，最后利用分割得到的缺陷面积、灰度值等参数采用SEMU标准对缺陷进行量化。
[0027]几何矫正阶段，CXD相机采集到的图像不但有IXD屏幕部分，还包括工作台部分和边框，而且IXD屏幕通常不在水平方向上，这里主要利用Hough变换检测出IXD屏幕边缘直线，把图像转正到水平方向，然后用Harris算法提取出LCD屏幕角点，把LCD屏幕图像分割出来。二维Gabor滤波器是一个方向滤波器，能够满足人类视网膜简单细胞的神经心理学约束，很好地模拟人眼的视觉特性。二维Gabor滤波器的频率响应函数是由一个二维高斯函数调制的复值正弦方向性窗函数，其中实部是理想的Blob检测器，可以有效地抑制IXD图像中的重复纹理。任意方向的实值Gabor滤波器可以描述为:
【权利要求】
1.一种基于Gabor滤波与C-V模型分割的LCD Mura缺陷机器视觉检测方法，其特征在于:包括如下步骤:在暗室中，用CXD相机对点亮的IXD屏幕在垂直方向拍照，把采集到图像输入计算机进行图像处理，图像处理步骤为几何校正、Gabor滤波、改进的C-V模型分割和缺陷量化。
2.根据权利要求1所述基于Gabor滤波与C-V模型分割的LCDMura缺陷机器视觉检测方法，其特征在于:所述暗室的照度低于lOLux。
3.根据权利要求1所述基于Gabor滤波与C-V模型分割的LCDMura缺陷机器视觉检测方法，其特征在于:所述拍照的方向为CCD相机光圈中轴线垂直于LCD屏幕。
4.根据权利要求1所述基于Gabor滤波与C-V模型分割的LCDMura缺陷机器视觉检测方法，其特征在于:所述几何矫正算法为，首先利用Hough变换检测到LCD屏幕边缘直线，把LCD屏幕部分转正到水平方向，然后用Harris算法提取出LCD屏幕角点，把LCD屏幕图像分割出来。
5.根据权利要求1所述基于Gabor滤波与C-V模型分割的LCDMura缺陷机器视觉检测方法，其特征在于:所述Gabor滤波中的Gabor滤波器采用二维实值Gabor滤波器,其由4个滤波方向、每个方向上4个滤波中心频率的16个滤波模板组成。
6.所述4个滤波方向为0=0, /4，/2，3 /4,4个滤波中心频率为f=fmax,fmax/2, fmax/4, fmax/8,这里fmax=l/(2T),为一个纹理单元的宽度；同时，Gabor滤波器设计为圆对称，并且每个滤波模板大小为。
7.根据权利要求1所述基于Gabor滤波与C-V模型分割的LCDMura缺陷机器视觉检测方法，其特征在于:所述改进C-V模型分割步骤，改进的C-V模型增加了一项符号距离保持项，同时引入了轮廓曲线内、外部区域之间的亮度差项。
8.根据权利要求1所述基于Gabor滤波与C-V模型分割的LCDMura缺陷机器视觉检测方法，所述缺陷量化中，量化采用SEMU标准，计算公式为:SEMU= (I C0-Cb )/(1.97/Sx0.33+0.72)。
【文档编号】G01N21/95GK103674975SQ201310405735
【公开日】2014年3月26日 申请日期:2013年9月9日 优先权日:2013年9月9日
【发明者】卢小鹏, 李辉, 李坤 申请人:中华人民共和国四川出入境检验检疫局
【专利摘要】本发明属于LCD?Mura缺陷机器视觉检测【技术领域】，其公开了一种基于Gabor滤波与C-V模型分割的LCD?Mura缺陷机器视觉检测方法，包括如下步骤：在暗室中，用CCD相机对点亮的LCD屏幕在垂直方向拍照，把采集到图像输入计算机进行图像处理，图像处理步骤为几何校正、Gabor滤波、改进的C-V模型分割和缺陷量化。本发明的有益效果是：有效地平衡了图像整体的亮度不均匀性，提高了分割的准确度；实现了对LCD?Mura缺陷准确快速的检测和量化。
【专利说明】基于Gabor滤波与C-V模型分割的LCD Mura缺陷机器视觉检测方法
【技术领域】
[0001]本发明属于LCD Mura缺陷机器视觉检测【技术领域】，具体涉及基于Gabor滤波与C-V模型分割的IXD Mura缺陷机器视觉检测方法。
【背景技术】
[0002]目前LCD Mura缺陷检测主要依靠人眼检测，人眼检测方法存在很多不足:检测结果容易受人的主观因素以及外界环境的影响，对缺陷等级判定没有统一的标准，检测效率低，代价高，并且对工人的眼睛存在伤害。随着LCD向大尺寸、轻薄化、低功耗、高分辨率的方向发展，LCD Mura缺陷产生的几率大大增加，人眼检测方法无法满足产品质量和生产效率方面的要求，IXD Mura缺陷检测成为制约IXD产业发展的重要因素。
[0003]IXD Mura缺陷机器视觉检测是一种利用图像处理的方法，对缺陷进行检测并对缺陷做出客观地量化，以此代替人眼的检测和判断。IXD Mura缺陷种类繁多，而且最难检测。尽管国内外众多学者对LCD Mura缺陷检测进行了长期的深入研究，并发表了大量的研究论文，试图提出一种机器视觉检测方法，但每位学者提出的方法的应用对象单一，只能检测出一种或几种IXD Mura缺陷，而且检测效率低于人眼检测，这也是一直以来IXD Mura缺陷检测仍然依靠人眼检测的原因。
【发明内容】
[0004]为了解决现有技术中的问题，本发明提供了一种基于Gabor滤波与C-V模型分割的LCD Mura缺陷机器视觉检测方法，解决人眼检测方法存在的检测结果受主观因素及外界环境影响，对缺陷等级判定没有统一的标准，检测效率低，代价高，并且对工人的眼睛存在伤害等不足的问题。
[0005]本发明提供了一种基于Gabor滤波与C-V模型分割的IXD Mura缺陷机器视觉检测方法，包括如下步骤:在暗室中，用CXD相机对点亮的IXD屏幕在垂直方向拍照，把采集到图像输入计算机进行图像处理，图像处理步骤为几何校正、Gabor滤波、改进的C-V模型分割和缺陷量化。
[0006]作为本发明的进一步改进，所述暗室的照度低于lOLux。
[0007]作为本发明的进一步改进，所述拍照的方向为CCD相机光圈中轴线垂直于LCD屏眷。
[0008]作为本发明的进一步改进，所述几何矫正算法为，首先利用Hough变换检测到LCD屏幕边缘直线，把LCD屏幕部分转正到水平方向，然后用Harris算法提取出LCD屏幕角点，把LCD屏幕图像分割出来。
[0009]作为本发明的进一步改进，所述Gabor滤波中的Gabor滤波器采用二维实值Gabor滤波器，其由4个滤波方向、每个方向上4个滤波中心频率的16个滤波模板组成。
[0010]作为本发明的进一步改进,所述4个滤波方向为0=0,31/4，31/2，3 31/4,4个滤波中心频率为f=fmax, fmax/2, fmax/4, fmax/8,这里fmax=l/(2T),为一个纹理单元的宽度；同时，Gabor滤波器设计为圆对称，并且每个滤波模板大小为。
[0011 ] 作为本发明的进一步改进，所述改进C-V模型分割步骤，改进的C-V模型增加了一项符号距离保持项；同时引入了轮廓曲线内、外部区域之间的亮度差项。
[0012]作为本发明的进一步改进，所述缺陷量化中，量化采用SEMU标准，计算公式为:SEMU= ( I co-cb I ) / (1.97/Sx0.33+0.72)。
[0013]本发明的有益效果是:有效地平衡了图像整体的亮度不均匀性，提高了分割的准确度；实现了对LCD Mura缺陷准确快速的检测和量化。
[0014]【【专利附图】
【附图说明】】
图1是检测系统不意图。
[0015]图2是图像处理的技术路线图。
[0016]图3是改进的C-V模型分割图像的算法流程图。
[0017]【【具体实施方式】】
下面结合【专利附图】
【附图说明】及【具体实施方式】对本发明进一步说明。
[0018]一种基于Gabor滤波与C-V模型分割的IXD Mura缺陷机器视觉检测方法，包括如下步骤:在暗室中，用CCD相机对点亮的LCD屏幕在垂直方向拍照，把采集到图像输入计算机进行图像处理，图像处理步骤为几何校正、Gabor滤波、改进的C-V模型分割和缺陷量化。
[0019]所述暗室的照度低于lOLux。
[0020]所述拍照的方向为CXD相机光圈中轴线垂直于IXD屏幕。
[0021]所述几何矫正算法为，首先利用Hough变换检测到IXD屏幕边缘直线，把IXD屏幕部分转正到水平方向，然后用Harris算法提取出LCD屏幕角点，把LCD屏幕图像分割出来。
[0022]所述Gabor滤波中的Gabor滤波器采用二维实值Gabor滤波器，其由4个滤波方向、每个方向上4个滤波中心频率的16个滤波模板组成。
[0023]所述4个滤波方向为0 =0, 3i/4, /2，3 /4,4个滤波中心频率为f=fmax,fmax/2, fmax/4, fmax/8,这里fmax=l/(2T),为一个纹理单元的宽度；同时，Gabor滤波器设计为圆对称，并且每个滤波模板大小为。
[0024]所述改进C-V模型分割步骤，改进的C-V模型增加了一项符号距离保持项:，同时引入了轮廓曲线内、外部区域之间的亮度差项。
[0025]所述缺陷量化中，量化采用SEMU标准，计算公式为:SEMU= ( | co-cb | ) /(1.97/Sx0- 33+0.72)。
[0026]一种实施例中，该方法首先在照度低于IOLux暗室中，用CXD相机对点亮的IXD屏幕在垂直方向拍照，并对采集到的图像进行几何矫正，去掉工作台部分和边框，得到IXD目标图像，然后再对LCD目标图像进行Gabor滤波，接着利用改进的C-V模型进行分割，最后利用分割得到的缺陷面积、灰度值等参数采用SEMU标准对缺陷进行量化。
[0027]几何矫正阶段，CXD相机采集到的图像不但有IXD屏幕部分，还包括工作台部分和边框，而且IXD屏幕通常不在水平方向上，这里主要利用Hough变换检测出IXD屏幕边缘直线，把图像转正到水平方向，然后用Harris算法提取出LCD屏幕角点，把LCD屏幕图像分割出来。二维Gabor滤波器是一个方向滤波器，能够满足人类视网膜简单细胞的神经心理学约束，很好地模拟人眼的视觉特性。二维Gabor滤波器的频率响应函数是由一个二维高斯函数调制的复值正弦方向性窗函数，其中实部是理想的Blob检测器，可以有效地抑制IXD图像中的重复纹理。任意方向的实值Gabor滤波器可以描述为:
【权利要求】
1.一种基于Gabor滤波与C-V模型分割的LCD Mura缺陷机器视觉检测方法，其特征在于:包括如下步骤:在暗室中，用CXD相机对点亮的IXD屏幕在垂直方向拍照，把采集到图像输入计算机进行图像处理，图像处理步骤为几何校正、Gabor滤波、改进的C-V模型分割和缺陷量化。
2.根据权利要求1所述基于Gabor滤波与C-V模型分割的LCDMura缺陷机器视觉检测方法，其特征在于:所述暗室的照度低于lOLux。
3.根据权利要求1所述基于Gabor滤波与C-V模型分割的LCDMura缺陷机器视觉检测方法，其特征在于:所述拍照的方向为CCD相机光圈中轴线垂直于LCD屏幕。
4.根据权利要求1所述基于Gabor滤波与C-V模型分割的LCDMura缺陷机器视觉检测方法，其特征在于:所述几何矫正算法为，首先利用Hough变换检测到LCD屏幕边缘直线，把LCD屏幕部分转正到水平方向，然后用Harris算法提取出LCD屏幕角点，把LCD屏幕图像分割出来。
5.根据权利要求1所述基于Gabor滤波与C-V模型分割的LCDMura缺陷机器视觉检测方法，其特征在于:所述Gabor滤波中的Gabor滤波器采用二维实值Gabor滤波器,其由4个滤波方向、每个方向上4个滤波中心频率的16个滤波模板组成。
6.所述4个滤波方向为0=0, /4，/2，3 /4,4个滤波中心频率为f=fmax,fmax/2, fmax/4, fmax/8,这里fmax=l/(2T),为一个纹理单元的宽度；同时，Gabor滤波器设计为圆对称，并且每个滤波模板大小为。
7.根据权利要求1所述基于Gabor滤波与C-V模型分割的LCDMura缺陷机器视觉检测方法，其特征在于:所述改进C-V模型分割步骤，改进的C-V模型增加了一项符号距离保持项，同时引入了轮廓曲线内、外部区域之间的亮度差项。
8.根据权利要求1所述基于Gabor滤波与C-V模型分割的LCDMura缺陷机器视觉检测方法，所述缺陷量化中，量化采用SEMU标准，计算公式为:SEMU= (I C0-Cb )/(1.97/Sx0.33+0.72)。
【文档编号】G01N21/95GK103674975SQ201310405735
【公开日】2014年3月26日 申请日期:2013年9月9日 优先权日:2013年9月9日
【发明者】卢小鹏, 李辉, 李坤 申请人:中华人民共和国四川出入境检验检疫局
相关技术
网友询问留言
已有0条留言
- 还没有人留言评论。精彩留言会获得点赞！
1