一种LTPS/IGZO玻璃基板破洞快速检测方法与流程

本发明涉及一种玻璃基板缺陷检测领域，更具体的，涉及到一种LTPS/IGZO玻璃基板破洞缺陷的检测方法。

背景技术：

近年来，以iPhone/iPad为代表的高分辨显示产品发展迅速，使得平板显示产业正逐渐朝着屏幕分辨率高精细化、低耗电量化、柔性化方向发展。相较于传统的TFT-LCD面板，LTPS/IGZO面板上像素线宽更小、电路更精密，这不但对工艺的可靠性和稳定性提出了新的要求，而且需要借助更快速，更高分辨率摄像头来采集图像，因此也对产品的缺陷检测的检测速度也越来越快，产品检出率也越来越高。破洞是LTPS/IGZO玻璃基板中比较常见的缺陷，而且形成的像素级别可达到亚像素级，这给在大容量高速高性能的LTPS/IGZO玻璃基板缺陷检测中带来了检测精度和检测效率等方面的困难。

目前，大多数厂家对LTPS/IGZO玻璃基板的缺陷检测采用人工肉眼来检测，这种方法检测速度比较慢，而且存在观察的主观性，受影响比较大。比如，已公开的成果“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”(卢小鹏，李辉，李坤，专利申请号：CN201310405735)，“基于B样条曲面拟合的TFT-LCDMura缺陷机器视觉检测方法”(李坤，李辉，卢小鹏，专利申请号：CN201310405884)，“一种LCD异物缺陷检测方法”(杨育彬，高阳，赵九洋，专利申请号：CN201310379001)，所针对的检测对象均为传统的LCD面板缺陷，对于分辨率更高，信息容量更大，处理速度要求更高的LTPS/IGZO玻璃基板的缺陷检测的处理效率比较差，处理过程也相对的比较繁琐，不利于在高速高性能的LTPS/IGZO玻璃基板中的缺陷检测。

技术实现要素：

针对现有技术中对大容量高速高性能中LTPS/IGZO玻璃基板缺陷检测中检测耗时长，效率低，受主观影响性大等问题，本发明提出一种针对LTPS/IGZO玻璃基板破洞的快速检测方法，从而快速的自动判断出LTPS/IGZO是否存在缺陷。

本发明公开的LTPS/IGZO玻璃基板破洞缺陷快速模板匹配检测方法，包含以下步骤：

步骤1，图像预处理。由于受到机械振动，拍摄角度，光学畸变等的影响，需要对采集到的图像进行光学畸变处理、系统震动处理、图像动态对位、样品平面校正等操作；

步骤2，感兴趣区域分割，使用窗口切割法对预处理之后的图像进行区域分割。由于输入的LPTS/IGZO玻璃基板图像是一个大容量周期性复杂图像，需要将之分割成小规模的，单一型图像，为之后的快速检测提供图像来源，降低匹配时的计算复杂度，达到快速检测的目的。

步骤3，图像匹配，建立标准模板，对分割图像和所建立的标准模板进行对比，并在一定的图像误差允许范围内对图像进行判定，减少由于图像分割误差和拍摄角度不同所带来的匹配误差，提高配准率。

步骤4，缺陷判定，使用建立的标准模板对分割之后的图像进行差异比较，去除分割图像的背景，保留下破洞缺陷部分，再通过腐蚀低连通区域，去除噪声影响，膨胀高连通区域，凸显破洞边界，再使用canny算子提取破洞边沿，计算出破洞面积，从而判断是否存在破洞。

进一步的，所述步骤1中，所述采集到的图像为大容量RGB图像，则进行光学畸变校正、系统震动处理、二值化的处理操作

进一步的，所述步骤2中，对感兴趣区域分割，包含以下步骤：

步骤2.1，设置需要分割的模板固定大小为分割窗口大小，窗口大小为D；

步骤2.2，以步长为D，在水平方向和垂直方向上移动分割窗口，则对于大小为Im＝M×N的输入图像，水平方向移动次数为(M-Row(D))/Row(D)，垂直方向上移动步长为(N-Column(D))/Column(D)。

进一步的，所述步骤3中，图像匹配包含以下步骤：

步骤3.1，采集n张无缺陷、完好的LTPS/IGZO玻璃基板的分割图像；

步骤3.2，计算标准模板：

$\mathrm{\ϵ}(x,y)=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}{f}_i(x,y)$

其中f_i(x，y)为输入的二维图像，ε(x，y)为输出图像值；

步骤3.3，计算标准模板的容差：

${\mathrm{\σ}}^2=\frac{1}{n}{\Σ}_{i=1}^n{\left(f_i\right(x,y)-\mathrm{\ϵ}(x,y\left)\right)}^2;$

步骤3.4，计算用于检测的参考模板：

I(x，y)＝ε(x，y)±σ；

步骤3.5，将分割后的输入图片和所建立的参考模板进行粗匹配：

EI(x，y)＝DI(x，y)-I(x，y)；

输出图像EI(x,y)为原始图像DI(x,y)减去背景，即减去建立的参考模板I(x,y)之后的粗匹配二值图像，其中，所述原始图像DI(x,y)也为输入的分割图像的二值图像。

进一步的，步骤4中，缺陷判定包含以下步骤：

步骤4.1，在获得的粗匹配图像之后，需要对输出图像进行低连通区域进行腐蚀，之后再进行膨胀操作，只保留缺陷的高连通区域:

$RI(x,y)=\left(EI\right(x,y)\⊗B)\⊕B$

其中RI(x,y)是腐蚀膨胀之后输出的二值图像，表示图像腐蚀操作，表示图像的膨胀操作，B是用来腐蚀膨胀的结构元素，图像经过腐蚀之后会去除图像中低连通区域的像素，在经过膨胀之后会突出显示出高连通区域的缺陷边沿，有助于缺陷边沿的提取。

步骤4.2，使用canny算子提取缺陷边沿，从而检测出缺陷所在位置和大小。

本发明提出一种LTPS/IGZO玻璃基板中的破洞缺陷快速检测方法，对采集到的大容量图像进行图像预处理之后，将图像分割为大量的重复周期图像，再将每一个分割的图像和建立的标准模板进行模板比对，从而快速判断出采集到的图像区域内是否存在缺陷，此方法在LTPS/IGZO玻璃基板缺陷检测中能够实现快速的进行缺陷检测，缺陷检出率高，性能可靠。特别的，本发明能够快速的对大小为1G的大容量LTPS/IGZO玻璃基板图像的破洞缺陷进行快速检测，缺陷检出率可达78％以上，计算耗时低，对大容量高像素图片处理速度快且性能可靠。

附图说明

图1为本发明中为LTPS/IGZO玻璃基板破洞缺陷快速模板匹配检测方法的技术路线示意图。

图2为本发明中关于输入的大容量LTPS/IGZO玻璃基板周期性复杂示意图。

图3a-c为本发明中快速模板匹配方法示意图，其中图3a为建立的参考模板示意图；图3b为输入的破洞缺陷图像；图3c为经过模板匹配之后，腐蚀膨胀的结果图。

具体实施方式

附图仅用于示例性说明，不能理解为对本专利的限制，下面结合附图和实施例对本发明的技术方案做进一步的说明。

本发明提供了一种LTPS/IGZO玻璃基板破洞的快速检测方法，参见图1，其包含以下几个步骤,：

步骤1：图像预处理，由于受到机械振动，拍摄角度，光学畸变等的影响，需要对采集到的图像进行光学畸变处理、系统震动处理、图像动态对位、样品平面校正等操作；

步骤2：感兴趣区域分割，使用窗口切割法对预处理之后的图像进行区域分割。如图2所示，输入的LPTS/IGZO玻璃基板图像是一个大容量周期性复杂图像，需要将之分割成小规模的，单一型图像，为之后的快速检测提供图像来源，降低匹配时的计算复杂度，达到快速检测的目的。

步骤3：图像匹配，对分割图像和所建立的标准模板进行对比，并在一定的图像误差允许范围内对图像进行判定，减少由于图像分割误差和拍摄角度不同所带来的匹配误差，提高配准率。具体的，参见图3a-c，提供快速模板匹配方法示意，首先建立参考模板如图3a，确定输入破洞缺陷图像图3b，经过模板匹配后，腐蚀膨胀后得到结果图3c。

步骤4：缺陷判定，使用建立的参考模板对分割之后的图像进行差异比较，去除分割图像的背景，保留下破洞缺陷部分，再通过腐蚀低连通区域，去除噪声影响，膨胀高连通区域，凸显破洞边界，再使用canny算子提取破洞边沿，计算出破洞面积，从而判断是否存在破洞。

在具体实施过程中，所述步骤1中，对采集的大容量RGB图像需要进行光学畸变校正、系统震动处理、二值化等操作。

在具体的实施过程中，所述步骤2中，对感兴趣区域分割，包含以下步骤：

步骤2.1：设置需要分割的模板固定大小为分割窗口大小，窗口大小为D；

步骤2.2：以步长为D，在水平方向和垂直方向上移动分割窗口，则对于大小为Im＝M×N的输入图像，水平方向移动次数为(M-Row(D))/Row(D)，垂直方向上移动步长为(N-Column(D))/Column(D)。

参见图1，在步骤3中，图像匹配包含以下步骤：

步骤3.1：采集n张无缺陷、完好的LTPS/IGZO玻璃基板的分割图像。

步骤3.2：计算标准模板：

$\mathrm{\ϵ}(x,y)=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}{f}_i(x,y)$

其中f_i(x，y)为输入的二维图像，ε(x，y)为输出图像值；

步骤3.3：计算标准模板的容差：

${\mathrm{\σ}}^2=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}{\left(f_i\right(x,y)-\mathrm{\ϵ}(x,y\left)\right)}^2$

步骤3.4：计算用于检测的参考模板：

I(x，y)＝ε(x，y)±σ

步骤3.5：将分割后的输入图片和所建立的参考模板进行粗匹配：

EI(x，y)＝DI(x，y)-I(x，y)

输出图像EI(x，y)为原始图像减去建立的参考模板背景之后的粗匹配二值图像，DI(x,y)为输入的分割图像的二值图像。

在具体的实施过程中，步骤4中，缺陷判定包含以下步骤：

步骤4.1，在获得的粗匹配图像之后，需要对输出图像进行低连通区域进行腐蚀，之后再进行膨胀操作，只保留缺陷的高连通区域:

$RI(x,y)=\left(EI\right(x,y)\⊗B)\⊕B$

其中RI(x,y)是腐蚀膨胀之后输出的二值图像，表示图像腐蚀操作，表示图像的膨胀操作，B是用来腐蚀膨胀的结构元素，图像经过腐蚀之后会去除图像中低连通区域的像素，在经过膨胀之后会突出显示出高连通区域的缺陷边沿，有助于缺陷边沿的提取。

步骤4.2，使用canny算子提取缺陷边沿，从而检测出缺陷所在位置和大小。

综上所述，本发明所提出的适用于LTPS/IGZO玻璃基板的破洞检测方法，能够实现对亚像素级的缺陷进行快速的检测，检测的精确度比较高，满足高进度，高速处理要求的LTPS/IGZO玻璃基板生产的缺陷检测要求，具有一定的使用意义。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。