基于Gaussian-Surface保边滤波的显示屏Mura缺陷检测方法及装置与流程

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、miniled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、miniled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。

技术实现要素：

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(activearea)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；

s4、提取mura缺陷种子点，采用区域生长分割mura缺陷，具体包括：将所述初处理检测图像与所述背景图像进行差值，获取mura的前景图像o(x,y)；遍历o(x,y)并找出所有极值点，将这些极值点作为寻找mura缺陷区域的种子点；新建mura缺陷待选图像g(x,y)，将种子点坐标(s,t)处像素标记为1，所有其他像素标记为0；在o(x,y)种子点(s,t)周围八连通区域内所有满足阈值范围内的点，添加到g(x,y)中，标记为1；形态学处理连接g(x,y)中mura区域，将处理后的mura区域标记为mura缺陷待选区；

s6、结合原图计算并标记mura缺陷及等级信息，具体包括：依照二值化图像g(x,y)中非零值分布情况，在原图中标记mura缺陷的位置和类型，继而提取面积和对比度参数，通过dsemu标准计算mura的等级，该标准定义下式：

其中，dsemu表示mura的最小可察觉系数，|cx|表示mura区域对比度的平均值，k为与相机和显示屏之间的距离有关的系数，so为mura区域的面积。

优选的，基于gaussian-surface保边滤波的显示屏mura缺陷检测方法所述的显示屏是主动发光型显示屏。

更进一步地，所述主动发光型显示屏oled显示屏、miniled显示屏或uled显示屏。

本发明还提供了一种实现基于gaussian-surface保边滤波的显示屏mura缺陷检测方法的装置，所述装置包括：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。图像获取单元用于得到待检测图像；图像预处理单元用于对待检测图像进行包括gaussian-surface保边滤波的预处理，提取感兴趣区域，得到检测图像，并保留清晰的边缘及边缘缺陷；图像提取单元用于提取所述检测图像感兴趣区域，得到初处理检测图像；构建背景图像单元用于构建初处理检测图像的背景图像；分割mura缺陷单元用于利用区域生长分割mura缺陷待选区；标记mura缺陷单元用于多画面综合计算mura缺陷并标记出mura缺陷。

优选的，基于gaussian-surface保边滤波的显示屏mura缺陷检测装置所述的显示屏是主动发光型显示屏。

更进一步的，所述主动发光型显示屏oled显示屏、miniled显示屏或uled显示屏。。

本发明提供的基于gaussian-surface保边滤波的显示屏mura缺陷检测方法及装置的有益效果是：区别于双边滤波器，gaussian-surface保边滤波器平滑平坦区域的效果更好。区别于现有保边滤波器，gaussian-surface保边滤波器不仅能充分利用缺陷及图像边缘区域像素加权较大，平滑的地方加权比较小，得以保留边缘信息的同时平滑平坦区域，而且又具有一个高斯滤型权重调整器，使得保边滤波器权重因子的可调自由度更大，实施效果更灵活，尤其适用于mura缺陷的检测。将gaussian-surface保边滤波器加入到mura缺陷检测算法中，综合相关多个检测画面的处理流程，可以实现快速准确地检出mura缺陷，合理划分等级。

本发明提供的一种基于gaussian-surface保边滤波的显示屏mura缺陷检测方法及装置，它具有很强的抗干扰能力，能快速检出mura缺陷并获取更加准确的边缘信息特点，针对感兴趣区域的提取，能够获取更加精准的边界信息，避免造成边界漏检现象，能够保留感兴趣区域内mura缺陷的完整边界信息，又能够很好地降低mura的过检率。

附图说明

下面结合附图对本发明的具体实施方式作进一步说明：

图1是本发明所述检测方法的实施例的流程图；

图2(a)为本发明实施例中截取显示屏部分区域的原图；

图2(b)为本发明实施例中双边滤波处理后的效果图；

图2(c)为本发明实施例中smart保边滤波处理后的效果图；

图2(d)为本发明实施例中surface保边滤波处理后的效果图；

图2(e)为本发明实施例中gaussian-surface保边滤波处理后的效果；

图3(a)～(c)为本发明实施例中实施gaussian-surface保边滤波后预处理结果对比图，其中图3(a)为原图，图3(b)为未进行g-surf保边滤波预处理图像，图3(c)为gaussian-surface保边滤波预处理后的图像；

图4中的(a)～(c)为本发明实施例中实施gaussian-surface保边滤波前后提取屏体发光aa区域对比图，其中图4(a)为原图及其边界放大图；图4(b)为普通滤波及其边界放大图；图4(c)为gaussian-surface保边滤波后提取aa区及其局部边界放大图；

图5中的(a)、(b)为本发明实施例中gaussian-surface保边滤波前后检测的mura边界效果对比图。

具体实施方式

为进一步对本发明的技术方案作详细说明，本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的步骤。

如图1为本发明所述检测方法的实施例的流程图，本发明提供一种基于gaussian-surface保边滤波的显示屏mura缺陷检测方法及装置，具体实现步骤如下：

(1)将一块需要进行mura检测的oled显示屏连接到检测设备中，将屏体依次点亮为白色、黑色、灰度等画面，相机拍照采图，作为mura缺陷的待检测画面，此oled显示屏因前置摄像头而在显示aa区实施了挖孔，而挖孔区边缘往往是缺陷比较集中的，同时也会影响aa区的精确提取；

(2)为克服mura缺陷边界不清晰及挖孔区带来的问题，利用本发明所提出的gaussian-surface保边滤波算法，对各画面进行所述gaussian-surface保边滤波处理；

(3)对gaussian-surface保边滤波后的图像进一步实施均值滤波、形态学处理、二值化的预处理操作，并提取屏体发光aa区域，结果如图2、图3和图4所示。在图2中对比了原图边界如图2(a)所示，包含四处缺陷，分别为摄像头区域的暗斑、亮斑，下方边缘附近的宽亮线、宽暗线，双边滤波边界效果如图2(b)所示，缺陷清晰可见，但对整体区域的平滑效果不够，图2(c)smart保边滤波处理后的结果，缺陷已被部分模糊，图2(d)surface保边滤波处理后的结果，缺陷也已被部分模糊。以及gaussian-surface保边滤波边界效果如图2(e)所示，既综合了双边滤波的优势，缺陷清晰，又使整体区域的平滑效果好，可以看出普通滤波边界已经被明显的模糊了，而gaussian-surface保边滤波处理后的边界与原图边界基本一致，这不仅方便提取精准的边界信息，也能减少图像处理对原有mura的过滤，效果如图3所示，尤其是aa区边缘部分如图4所示；

(4)检测步骤(1)中所述黑色待检测画面获取相机噪声图像；

(5)将上述相机噪声图像转换为luv色度空间后进行背景重构，得到背景图像；

(6)提取mura缺陷种子点：将实施步骤(3)后得到的初处理检测图像与所述背景图像进行差值，获取mura前景图像，找到所述mura前景图像中的极值点作为mura缺陷的种子点；

(7)采用区域生长获取mura待选区：将所述mura缺陷种子点周围八连通区域内满足阈值范围内的点加入到该种子点对应的mura区域内，最后通过形态学处理获取mura待选区，效果对比如图5所示；

(8)将多个画面的mura检测结果整合并去除相机噪声的干扰，获取最终的mura缺陷检测图像；

(9)计算并标记mura缺陷：综合各检测图像的mura缺陷检测结果，根据dsemu标准计算mura的等级，并在原图中标记缺陷的位置和形状。

在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的步骤、方法、装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种步骤、方法、装置所固有的要素。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。