基于计算机视觉的OCA膜气泡检测方法与流程

本发明涉及图像分析，具体涉及一种基于计算机视觉的oca膜气泡检测方法。

背景技术：

1、oca膜是一种透明粘合膜，通常用于电子设备和显示屏的装配过程。它的主要作用是粘合各种透明材料，如玻璃、塑料或其他透明的材质，以保持清晰的视觉效果的同时提供保护和连接功能，其在现代电子设备的制造中非常常见，特别是在液晶显示屏、触摸屏和移动设备的装配中广泛使用。

2、由于oca膜贴合材料通常为透明材质，在对其贴合过程中通常会产生气泡，气泡的存在与否或者数量占比是衡量oca膜贴合质量的指标之一。现有技术在对oca膜贴合过程进行气泡检测时，通常使用图像分割的方法，但是由于oca膜的透明材质，其表面会存在一定的反光性，反光位置会对图像分割的准确性造成一定的干扰，影响最终气泡检测的可信度与准确度。

技术实现思路

1、为了解决由于oca膜的透明材质，其表面会存在一定的反光性，反光位置会对图像分割的准确性造成一定的干扰，影响最终气泡检测的可信度与准确度的技术问题，本发明的目的在于提供一种基于计算机视觉的oca膜气泡检测方法，所采用的技术方案具体如下：

2、获取oca膜贴合时的灰度图像；

3、根据所述灰度图像中像素点的灰度变化情况筛选异常像素点；在以每个异常像素点为中心的预设邻域内，根据像素点之间灰度值的差异获得中心像素点的灰度变化指标；根据所有异常像素点的灰度变化指标的数值分布情况对所有异常像素点进行划分，获得气泡边缘像素点和疑似气泡像素点；

4、在以每个疑似气泡像素点为中心的预设范围内，根据像素点的位置分布情况获得中心像素点对应的边缘杂乱值；根据所有疑似气泡像素点的边缘杂乱值的数值分布情况对所有疑似气泡像素点进行划分，获得气泡表面像素点；

5、根据气泡边缘像素点和气泡表面像素点的位置分布对气泡边缘像素点和气泡表面像素点进行聚类分析，获得聚类结果；基于所述聚类结果获取种子点并进行分割，获得气泡区域；根据所述气泡区域进行质量检测。

6、进一步地，所述根据所述灰度图像中像素点的灰度变化情况筛选异常像素点，包括：

7、基于sobel算子获取所述灰度图像中每个像素点的灰度梯度，将所述灰度图像中灰度梯度为0并且灰度值也为0的像素点剔除，剩余像素点作为异常像素点。

8、进一步地，所述在以每个异常像素点为中心的预设邻域内，根据像素点之间灰度值的差异获得中心像素点的灰度变化指标，包括：

9、将最大灰度值与最小灰度值的差值作为灰度极差；

10、将中心像素点的灰度值与所有邻域像素点的灰度值的差异累加后求均值，得到灰度变化因子；

11、根据所述灰度极差和所述灰度变化因子获得中心像素点的灰度变化指标，所述灰度极差和所述灰度变化因子均与中心像素点的灰度变化指标呈正相关。

12、进一步地，所述根据所有异常像素点的灰度变化指标的数值分布情况对所有异常像素点进行划分，获得气泡边缘像素点和疑似气泡像素点，包括：

13、将所有异常像素点按照对应的灰度变化指标进行降序排列，获得排列序列；在所述排列序列中除第一个和最后一个异常像素点外的其他异常像素点中，任选一个作为待测像素点；

14、计算所述排列序列中，待测像素点之前所有异常像素点的灰度变化指标的均值与待测像素点之后的所有异常像素点的灰度变化指标的均值的差异，作为待测像素点的第一划分因子，将所述待测像素点相邻的两个异常像素点的灰度变化指标的差异作为第二划分因子；根据所述第一划分因子和第二划分因子获得待测像素点的划分值，所述第一划分因子和所述第二划分因子均与所述划分值呈正相关；

15、将最大划分值对应的异常像素点作为划分点，基于所述划分点将所述排列序列进行划分，将划分点及划分点之前的所有异常像素点作为气泡边缘像素点，将划分点之后的所有异常像素点作为疑似气泡像素点。

16、进一步地，所述在以每个疑似气泡像素点为中心的预设范围内，根据像素点的位置分布情况获得中心像素点对应的边缘杂乱值，包括：

17、在以每个疑似气泡像素点为中心的预设范围内，将除中心像素点外的其他疑似气泡像素点作为对比像素点；

18、将每个对比像素点作为初始路径，对比像素点的梯度方向的反方向作为延伸方向，沿着每个对比像素点的延伸方向，当所述初始路径上下一个像素点的灰度值小于上一个像素点的灰度值时，延伸所述初始路径，直至所述初始路径上下一个像素点的灰度值大于或等于上一个像素点的灰度值时，停止延伸，获得每个对比像素点的变化路径；

19、将所有对比像素点的变化路径的长度的最大值与最小值的差值作为路径极差；将所有对比像素点的变化路径的长度的均值作为均值特征值，将所有对比像素点的变化路径的长度与所述均值特征值的差异累加后的均值，作为距离因子；

20、根据所述路径极差和所述距离因子获得中心像素点对应的边缘杂乱值，所述路径极差和所述距离因子均与中心像素点的边缘杂乱值呈正相关。

21、进一步地，所述根据所有疑似气泡像素点的边缘杂乱值的数值分布情况对所有疑似气泡像素点进行划分，获得气泡表面像素点，包括：

22、将所有疑似气泡像素点按照对应的边缘杂乱值进行降序排列，获得排序序列；在所述排序序列中除第一个和最后一个疑似气泡像素点外的其他疑似气泡像素点中，任选一个作为目标像素点；

23、计算所述排序序列中，目标像素点之前所有疑似气泡像素点的边缘杂乱值的均值与目标像素点之后的所有疑似气泡像素点的边缘杂乱值的均值的差异，作为目标像素点的第一分割因子，将所述目标像素点相邻的两个疑似气泡像素点的边缘杂乱值的差异作为第二分割因子；根据所述第一分割因子和第二分割因子获得目标像素点的分割值，所述第一分割因子和所述第二分割因子均与所述分割值呈正相关；

24、将最大分割值对应的疑似气泡像素点作为分割点，基于所述分割点将所述排序序列进行划分，将分割点及分割点之前的所有疑似气泡像素点作为气泡表面像素点。

25、进一步地，所述根据气泡边缘像素点和气泡表面像素点的位置分布对气泡边缘像素点和气泡表面像素点进行聚类分析，获得聚类结果，包括：

26、基于手肘法获取气泡边缘像素点和气泡表面像素点聚类时的最优k值；

27、利用k-means聚类算法根据所述最优k值对所有气泡边缘像素点和气泡表面像素点进行聚类分析，获得聚类结果，其中，聚类时的距离度量为像素点之间的欧式距离。

28、进一步地，所述基于所述聚类结果获取种子点并进行分割，获得气泡区域，包括：

29、将所述聚类结果中每个聚类簇的质心所在位置的像素点作为种子点，利用分水岭分割算法根据所述种子点对所述灰度图像进行分割，获得气泡区域。

30、进一步地，所述根据所述气泡区域进行质量检测，包括：

31、将所有所述气泡区域的面积与所述灰度图像的面积的比值作为气泡占比；

32、当所述气泡占比大于或等于预设判断阈值时，oca膜的粘性存在问题，并且需要进行去气泡操作；当所述气泡占比小于预设判断阈值时，oca膜的粘性正常，不需要进行去气泡操作。

33、进一步地，所述获取oca膜贴合时的灰度图像，包括：

34、获取oca膜贴合时的全景图像，并对所述全景图像进行高斯滤波以及平均灰度化，获得所述灰度图像。

35、本发明具有如下有益效果：

36、本发明首先获取oca膜贴合时的灰度图像，由于贴合效果好的区域，例如贴合平整无气泡的区域内像素点不会发生灰度变化，反之，若存在气泡或者反光，那么像素点的灰度会发生变化，故据此特征，筛选出异常像素点，也即可能为气泡区域的像素点或反光区域的像素点；进一步地，由于越靠近气泡边缘局部区域内的像素点的灰度变化的均匀性较差，所以可在预设邻域内对像素点之间的灰度值的差异进行分析，获得中心像素点的灰度变化指标，灰度变化指标可初步表征出异常像素点为气泡区域像素点的分布可能性；然后可将所有异常像素点根据灰度变化指标进行类别划分，获得气泡边缘像素点和疑似气泡像素点；由于当气泡区域较大时，气泡表面的灰度变化情况与反光区域的灰度变化情况较为相似，都较为均匀，因此，需对疑似气泡像素点进行进一步地区分，从中筛选出气泡表面像素点：因为气泡具有形状不规则性，而反光区域则多为聚集性，具有规则性的特征，因此，可在以每个疑似气泡像素点为中心的预设范围内，根据像素点的位置分布情况，获得中心像素点的边缘杂乱值，边缘杂乱值可表征出疑似气泡像素点为气泡表面像素点的分布概率，反映出中心像素点对应的规则性，从而可依据边缘杂乱值从疑似气泡像素点中筛选出气泡表面像素点；至此，可以获取到气泡边缘像素点和气泡表面像素点，进一步地，可根据其位置分布进行聚类分析，获得聚类结果，最后根据聚类结果获取种子点并进行图像分割，获得准确的气泡区域并进行质量检测。综上，本发明在进行oca膜气泡检测过程中，根据反光区域与气泡区域的不同特征，准确提取出气泡区域，消除反光区域的干扰，有效提高了最终气泡检测的准确性与可信度。