导光板缺陷检测方法专利检索-缺陷形式要求受理局第I章专利权专利检索查询-专利查询网

积极推动地理标志专门立法

2022-03-10 地理标志，立法，知识产权
保护知识产权是对创新最大的激励

2022-03-10 保护知识产权，创新，激励
谢商华：加快制定知识产权基本法

2022-03-10 知识产权基本法
擦亮“双奥之城”品牌

2022-03-10 双奥，知识产权
让冰雪运动“热”力全开

2022-03-10 冰雪运动，知识产权
携手共奋进　走好强国路

2022-03-10 强国，知识产权
坚持创新引领　方能稳中求进

2022-03-10 创新，稳中求进，知识产权
答好“两张卷” 奋进新征程

2022-03-10 知识产权
专家解读政府工作报告中的创新和知识产权相关部署

2022-03-10 政府工作报告，创新，知识产权
今年政府工作报告指出：加强知识产权保护和运用

2022-03-10 政府工作报告，知识产权保护

导光板缺陷检测方法

阅读：889发布：2021-02-06

IPRDB可以提供导光板缺陷检测方法专利检索，专利查询，专利分析的服务。并且本发明提供一种导光板缺陷检测方法，包括以下步骤；1)、采集导光板图像F；2)、采用直分法对导光板图像F进行阈值分割；3)、求前景图像的连通域；4)、提取导光板整体连通域求取图的最大面积；5)、图片旋转，使得最大面积图最长边与水平轴平行且密集区位于最大面积图右边；6)、对旋转后图像进行分区处理；7)、对手动分区方式显示图进行高斯偏导；8)、对高斯偏导局部显示图进行掩模处理，9)、求掩模处理局部显示图的最小最大灰度值；10)、进行归一化处理，12)、图像相减；13)、进行阈值分割；14)、对分割后局部显示图求连通域，15)、特征提取；16)、将步骤15中提取到的缺陷进行显示。，下面是导光板缺陷检测方法专利的具体信息内容。

权利要求

1.导光板缺陷检测方法，其特征在于，包括以下步骤；

1)、采集导光板图像F；执行步骤2)；

2)、采用直分法对导光板图像F进行阈值分割，得到前景图像，执行步骤3)；

3)、求前景图像的连通域，得到导光板整体连通域求取图；执行步骤4)；

4)、提取导光板整体连通域求取图的最大面积，得到最大面积图；执行步骤5)；

5)、对最大面积图进行图片旋转，使得最大面积图最长边与水平轴平行且密集区位于最大面积图右边；执行步骤6)；

6)、对旋转后图像进行分区处理，得到手动分区方式显示图；执行步骤7)；

7)、对手动分区方式显示图进行高斯偏导，得到高斯偏导局部显示图；执行步骤8)；

8)、对高斯偏导局部显示图进行掩模处理，得到掩模处理局部显示图；执行步骤9)；

9)、求掩模处理局部显示图的最小最大灰度值，得到最大灰度值Gk_max和最小灰度值Gk_min；执行步骤10)；

10)、根据最大灰度值Gk_max和最小灰度值Gk_min，对步骤7得到的高斯偏导局部显示图进行归一化处理，得到归一化处理局部显示图；执行步骤11)；

12)、第一次均值滤波局部显示图和第二次均值滤波局部显示图相减，得到两次均值滤波结果相减局部显示图；执行步骤11)；

13)、对两次均值滤波结果相减局部显示图进行阈值分割，得到分割后局部显示图；执行步骤14)；

14)、对分割后局部显示图求连通域，得到第二次连通域局部显示图；执行步骤15)；

15)、特征提取；执行步骤16)；

16)、将步骤15中提取到的缺陷进行显示。

2.根据权利要求1所述的导光板缺陷检测方法，其特征在于，步骤2)的最佳阈值计算方法包括以下步骤：首先假设导光板图像F的灰度等级为L，其邻域像素的灰度均值等级亦为L，图像中的像素点灰度与其邻域灰度均值可以组成二元组(x，y)，该二元组的图像概率密度函数可表示如下：pxy＝fxy/N

(x，y)中x表示图像中任一像素点的灰度值，y表示该像素点的邻域灰度均值，fxy表示图像中同时满足灰度值及其邻域均值都符合(x，y)标准的像素点个数，N表示图像中包含的像素总数，pxy为概率密度函数，其中：假设导光板图像的前景区域和背景区域分别为C1和C2，概率密度函数如下表述：前景区域和背景区域的均值矢量公式可表示如下：

那么总的均值矢量可表示为：

假设(s，t)为二维直方图中的一对点对阈值，那么所谓直分法就是通过(s，t)划分成4个区域，令{x≤s，y≤t}表示为前景区域，{x＞s，y＞t}表示背景区域，其余区域概率密度函数设为0，于是有：那么最佳阈值(s*，t*)可表示为：trsB(s*，t*)＝max{trSB(s，t)}；式中trSB＝ω1[(μ1x-μTx)2+(μ1y-μTy)2]+ω2[(μ2x-μTx)2+(μ2y-μTy)2]。

3.根据权利要求2所述的导光板缺陷检测方法，其特征在于，步骤5)包括：

5.1：判断最大面积图是否需要进行图片旋转，若最大面积图最长边与水平轴的夹角不是90度，或者密集区不在右边，则执行步骤5.2；否则执行步骤6；

5.2：最大面积图最长边与水平轴的夹角偏转多少，则旋转多少，使得最长边与水平轴平行；

然后如果此时密集区在左边，则将图像旋转180度；如果此时密集区在右边，不进行操作；

接着执行步骤6。

4.根据权利要求3所述的导光板缺陷检测方法，其特征在于，步骤7)包括：采用竖直方向的高斯偏导来处理，公式如下：

式中gk(x，y)为第k区的导光板图像在(x，y)处的灰度值，为y方向偏导。

5.根据权利要求4所述的导光板缺陷检测方法，其特征在于，步骤10)包括：根据步骤7中的结果将图像区域灰度值调整到0-255之间，具体调整公式如下：其中mult＝255/(Gk_max-Gk_min)，add＝-255×Gk_min/(Gk_max-Gk_min)为第k区(x，y)处调整后的灰度值。

6.根据权利要求5所述的导光板缺陷检测方法，其特征在于，步骤11)包括：先对归一化处理局部显示图进行第一次滤波，然后再对第一次滤波的结果进行第二次滤波，滤波公式如下：上述式子中a和b分别为滤波窗口的尺寸，Nm为滤波窗口中总的像素个数，Mmn为滤波窗口中的灰度中值，gk(r，s)为(r，s)处的灰度值，gk(x+r，y+s)为图像中以(x，y)为中心的滤波窗口中(x+r，y+s)处的灰度值。

7.根据权利要求6所述的导光板缺陷检测方法，其特征在于，步骤12)包括：公式如下：

gk-(x，y)＝(gk1(x，y)-gk2(x，y))×Factor+Value式中gk1(x，y)为第一次滤波图像在(x，y)处的灰度值，gk2(x，y)为第二次滤波图像在(x，y)处的灰度值，Factor为相减的校正因子，Value为相减的校正值，gk-(x，y)为相减后的结果图像在(x，y)处的灰度值。

8.根据权利要求7所述的导光板缺陷检测方法，其特征在于，步骤15)包括：

1)面积提取：根据视野范围大小和采图相机分辨率确定单个像素的面积，然后计算区域占有的像素个数，像素个数乘以单个像素面积即为区域面积；

2)偏心距提取：将暗影曲线等效成椭圆的一段弧长，结合椭圆的性质，求出其长半轴长RA和短半轴长RB，那么偏心距求取公式如下：

说明书全文

导光板缺陷检测方法

技术领域

[0001] 本发明涉及一种导光板缺陷检测方法，具体是对导光板亮点，划伤，压伤等缺陷的检测。

背景技术

[0002] 导光板(Light Guide Plate,LGP)是利用光学级的亚克力/PC板材，然后利用具有较高反射率并且不吸光的高科技材料，在光学级的亚克力板材底面用V型十字网格雕刻、激光雕刻、UV网版印刷技术印上导光点。导光板以其质量轻，厚度薄，亮度高，利于环保以及维修便利等优势在众多领域得到了非常广泛的应用，然而，导光板生产过程中不可避免地会产生划伤，压伤，黑点，白点等缺陷。每种缺陷产生的原因以及情况各有不同，如缺陷划伤产生情况又分为前制程和后制程两个阶段，在前制程产生划伤主要分为三种情况：(1)在安装模仁时不慎将模仁表面划伤；(2)在处理模具异常时(如:拆滑块保养模具等)不慎将模仁表面划伤；(3)在擦试模仁表面时，因棉花不洁净或手指甲造成的模仁表面划伤等。在后制程产生划伤又分为三种情况：(1)设备调试不合理：指产品在进行某一个后制程动作加工时被后制程设备的某个零部件刮伤产品表面；(2)当导光板表面与后制程设备的某部位接触并发生移动摩擦时，因与导光板接触面的不洁净(有粉粒、异物等)导致与导光板表面产生较大的摩擦而致使产品表面划伤(如：裁切平台、抛光平台、清洁滚轮等)；(3)检验员的作业手法不标准或检验员的粗心大意导致产品表面划伤等。(如除毛时，除毛刀划伤产品等)。又比如缺陷冷料(在产品胶口(料头)附近的表面上有一块或点状的痕迹)产生的原因又分为两种情况：(1)螺杆端部或热流道附近熔料温差较大至熔料冷却并成为固态，在高速充模时这部分已冷却的熔料被带入模具型腔，在制品表面不能完全融合而留下的点状或线状的痕迹；(2)塑胶原料在塑化时，塑胶原料未被完全融化，在熔体内存在固体，被充入模具型腔不能完全融合而在制品表面形成凹点等。导光板缺陷的存在会影响相关设备的使用，导致设备的使用效率，发光的均匀性以及寿命等都会受到影响，此外，有缺陷导光板的外销会严重损害企业的信誉，对企业的长远发展造成重大的负面影响，因此，对生产的导光板进行质量检测，剔除劣质品尤为重要。

[0003] 目前，国内企业对导光板缺陷进行检测还主要依赖于人工操作，但人工操作存在以下问题：(1)长时间处于不佳的工作环境会严重损害员工的视力健康；(2)员工很难掌握复杂度较高，难度较大的导光板检测技术；(3)人工检测极易受外界环境影响，检测精度难以得到保证；(4)员工主要依据肉眼进行判断，难以形成可以量化的质量标准。

[0004] 由于以上所提及的导光板缺陷比较微小，为了提高检测精度需要利用高精度的线阵相机进行图像的采集。导光板图像大小一般有500MB左右，而企业要求检测时间控制在8秒以内，因此这对检测算法要求甚高。目前曲波变换，轮廓波变换，剪切波变换等方法被运用到导光板缺陷检测上，但这些算法距离企业的实际要求仍有一定的差距，因此改进现有技术，符合企业要求是关键。

[0005] 因此，需要对现有技术进行改进。

发明内容

[0006] 本发明要解决的技术问题是提供一种高效的导光板缺陷检测方法。

[0007] 为解决上述技术问题，本发明提供一种导光板缺陷检测方法，包括以下步骤；

[0008] 1)、采集导光板图像F；执行步骤2)；

[0009] 2)、采用直分法对导光板图像F进行阈值分割，得到前景图像，执行步骤3)；

[0010] 3)、求前景图像的连通域，得到导光板整体连通域求取图；执行步骤4)；

[0011] 4)、提取导光板整体连通域求取图的最大面积，得到最大面积图；执行步骤5)；

[0012] 5)、对最大面积图进行图片旋转，使得最大面积图最长边与水平轴平行且密集区位于最大面积图右边；执行步骤6)；

[0013] 6)、对旋转后图像进行分区处理，得到手动分区方式显示图；执行步骤7)；

[0014] 7)、对手动分区方式显示图进行高斯偏导，得到高斯偏导局部显示图；执行步骤8)；

[0015] 8)、对高斯偏导局部显示图进行掩模处理，得到掩模处理局部显示图；执行步骤9)；

[0016] 9)、求掩模处理局部显示图的最小最大灰度值，得到最大灰度值Gk_max和最小灰度值Gk_min；执行步骤10)；

[0017] 10)、根据最大灰度值Gk_max和最小灰度值Gk_min，对步骤7得到的高斯偏导局部显示图进行归一化处理，得到归一化处理局部显示图；执行步骤11)；

[0018] 12)、第一次均值滤波局部显示图和第二次均值滤波局部显示图相减，得到两次均值滤波结果相减局部显示图；执行步骤11)；

[0019] 13)、对两次均值滤波结果相减局部显示图进行阈值分割，得到分割后局部显示图；执行步骤14)；

[0020] 此处的阈值分割就是对步骤10中的结果图像进行处理，阈值处理的方法与步骤2相同；

[0021] 14)、对分割后局部显示图求连通域，得到第二次连通域局部显示图；执行步骤15)；

[0022] 15)、特征提取；执行步骤16)；

[0023] 16)、将步骤15中提取到的缺陷进行显示。

[0024] 作为对本发明导光板缺陷检测方法改进，步骤2)的最佳阈值计算方法包括以下步骤：

[0025] 首先假设导光板图像F的灰度等级为L，其邻域像素的灰度均值等级亦为L，图像中的像素点灰度与其邻域灰度均值可以组成二元组(x，y)，该二元组的图像概率密度函数可表示如下：

[0026] pxy＝fxy/N

[0027] (x，y)中x表示图像中任一像素点的灰度值，y表示该像素点的邻域灰度均值，fxy表示图像中同时满足灰度值及其邻域均值都符合(x，y)标准的像素点个数，N表示图像中包含的像素总数，pxy为概率密度函数，其中：

[0028]

[0029] 假设导光板图像的前景区域和背景区域分别为C1和C2，概率密度函数如下表述：

[0030]

[0031]

[0032] 前景区域和背景区域的均值矢量公式可表示如下：

[0033]

[0034]

[0035] 那么总的均值矢量可表示为：

[0036]

[0037] 假设(s，t)为二维直方图中的一对点对阈值，那么所谓直分法就是通过(s，t)划分成4个区域，令{x≤s，y≤t}表示为前景区域，{x＞s，y＞t}表示背景区域，其余区域概率密度函数设为0，于是有：

[0038]

[0039] 那么最佳阈值(s*，t*)可表示为：trSB(s*，t*)＝max{trSB(s，t)}。式中[0040] trSB＝ω1[(μ1x-μTx)2+(μ1y-μTy)2]+ω2[(μ2x-μTx)2+(μ2y-μTy)2][0041] 作为对本发明导光板缺陷检测方法进一步改进，步骤5)包括：

[0042] 5.1：判断最大面积图是否需要进行图片旋转，若最大面积图最长边与水平轴的夹角不是90度，或者密集区不在右边，则执行步骤5.2；否则执行步骤6；

[0043] 5.2：最大面积图最长边与水平轴的夹角偏转多少，则旋转多少，使得最长边与水平轴平行；

[0044] 然后如果此时密集区在左边，则将图像旋转180度；如果此时密集区在右边，不进行操作；

[0045] 接着执行步骤6。

[0046] 作为对本发明导光板缺陷检测方法进一步改进，步骤7)包括：

[0047] 采用竖直方向的高斯偏导来处理，公式如下：

[0048]

[0049] 式中gk(x，y)为第k区的导光板图像在(x，y)处的灰度值，为y方向偏导。

[0050] 作为对本发明导光板缺陷检测方法进一步改进，步骤10)包括：

[0051] 根据步骤7中的结果将图像区域灰度值调整到0-255之间，具体调整公式如下：

[0052]

[0053] 其中mult＝255/(Gk_max-Gk_min)，add＝-255×Gk_min/(Gk_max-Gk_min)[0054] 为第k区(x，y)处调整后的灰度值。

[0055] 作为对本发明导光板缺陷检测方法进一步改进，步骤11)包括：

[0056] 先对归一化处理局部显示图进行第一次滤波，然后再对第一次滤波的结果进行第二次滤波，滤波公式如下：

[0057]

[0058]

[0059]

[0060] 上述式子中a和b分别为滤波窗口的尺寸，Nm为滤波窗口中总的像素个数，Mmn为滤波窗口中的灰度中值，gk(r，s)为(r，s)处的灰度值，gk(x+r，y+s)为图像中以(x，y)为中心的滤波窗口中(x+r，y+s)处的灰度值。

[0061] 作为对本发明导光板缺陷检测方法进一步改进，步骤12)包括：

[0062] 公式如下：

[0063] gk-(x，y)＝(gk1(x，y)-gk2(x，y))×Factor+Value

[0064] 式中gk1(x，y)为第一次滤波图像在(x，y)处的灰度值，gk2(x，y)为第二次滤波图像在(x，y)处的灰度值，Factor为相减的校正因子，Value为相减的校正值，gk-(x，y)为相减后的结果图像在(x，y)处的灰度值。

[0065] 作为对本发明导光板缺陷检测方法进一步改进，步骤15)包括：

[0066] 1)面积提取：根据视野范围大小和采图相机分辨率确定单个像素的面积，然后计算区域占有的像素个数，像素个数乘以单个像素面积即为区域面积；

[0067] 2)偏心距提取：将暗影曲线等效成椭圆的一段弧长，结合椭圆的性质，求出其长半轴长RA和短半轴长RB，那么偏心距求取公式如下：

[0068]

[0069] 本发明导光板缺陷检测方法的技术优点为：

[0070] 与其它检测方法相比，本发明检测算法程序简单，操作便捷，此外，通过手动分区能够将导光板中导光点密集区和稀疏区分开处理，避免误检，这极大的提高了检测精度。实验结果表明：本发明设计稳定高效的算法符合当今社会中企业的精度要求，能够进行生产应用。

[0071] 具体优势：

[0072] 1)、根据国内外专利和论文检索情况，截至目前没有导光板亮点、线划伤和压伤等缺陷的视觉检测成果。群创光电等背光模组生产厂家都是采用人工检测，本发明专利首次给出稳定的导光板亮点、线划伤和压伤等缺陷视觉检测方法。

[0073] 2)、由于单侧入光式导光板制作工艺的影响，导光板的光点分布不均匀，距离光源越远的地方光点分布越密集，而且光点分布密度不同的区域缺陷认定标准也不一样。本发明专利根据光点分布情况对导光板图像进行分区，并对不同分区图像分别设计缺陷检测算法，可以有效提高检测算法的精度、稳定性和鲁棒性；

[0074] 3)、对导光板各分区图像分别设计不同尺寸的均值滤波器，并两次滤波做差的基础上提取疑似缺陷区域，可以有效减少甚至避免光照、噪声等外界干扰对缺陷检测的影响；

[0075] 4)、本发明通过计算连通域面积参数和偏心距来确定缺陷，可以避免成像过程中的造成的外界干扰，有效提高了缺陷检测的准确性；而且可以通过设置缺陷面积和偏心距等过滤不同分区的缺陷，满足不同厂家、不同等级产品的质量检测要求，提高了算法的适应性；

[0076] 5)、本发明算法只需进行少量的参数调整即可进行全自动检测；

[0077] 6)、本发明算法稳定高效，维护方便。

附图说明

[0078] 下面结合附图对本发明的具体实施方式作进一步详细说明。

[0079] 图1为本发明的流程示意图；

[0080] 图2为本发明步骤1的导光板原图F；

[0081] 图3为本发明步骤2的导光板图像阈值分割图；

[0082] 图4为本发明步骤3的导光板整体连通域求取图；

[0083] 图5为本发明步骤4的最大面积图；

[0084] 图6为本发明步骤4的导光板密集区局部显示图；

[0085] 图7为本发明步骤4的导光板稀疏区局部显示图；

[0086] 图8为本发明步骤5的旋转后图像；

[0087] 图9为本发明步骤6的手动分区方式显示图；

[0088] 图10为本发明中图像分区后第一区(最左区)的步骤7的高斯偏导局部显示图；

[0089] 图11为本发明图像分区后第一区(最左区)的步骤8的掩模处理局部显示图；

[0090] 图12为本发明图像分区后第一区(最左区)的步骤10的归一化处理局部显示图；

[0091] 图13为本发明图像分区后第一区(最左区)的步骤11的第一次均值滤波局部显示图；

[0092] 图14为本发明图像分区后第一区(最左区)的步骤11的第二次均值滤波局部显示图；

[0093] 图15为本发明图像分区后第一区(最左区)的步骤12的两次均值滤波结果相减局部显示图；

[0094] 图16为本发明图像分区后第一区(最左区)的步骤13的分割后局部显示图；

[0095] 图17为本发明图像分区后第一区(最左区)导光板缺陷局部时的显示图；

[0096] 图18为本发明图像分区后第一区(最左区)导光板亮点缺陷时的显示图；

[0097] 图19为本发明图像分区后第一区(最左区)导光板压伤缺陷时的显示图；

[0098] 图20为本发明图像分区后第一区(最左区)导光板线划伤缺陷时的显示图。

具体实施方式

[0099] 下面结合具体实施例对本发明进行进一步描述，但本发明的保护范围并不仅限于此。

[0100] 实施例1、导光板缺陷检测方法，如图1-20所示，包括以下步骤：

[0101] 1、考虑到需要检测导光板图像中的细微缺陷，精度要求较高，因此此处决定采用线扫相机采集导光板图像F；执行步骤2；

[0102] 经过观察，所拍摄的导光板图像疏密有致，图像清晰，光线均匀，对缺陷检测十分有利。

[0103] 2、采用直分法对导光板图像F进行阈值分割，得到前景图像，执行步骤3；

[0104] 首先假设图像的灰度等级为L，其邻域像素的灰度均值等级亦为L，那么图像中的像素点灰度与其邻域灰度均值可以组成二元组(x，y)，该二元组的图像概率密度函数可表示如下：

[0105] pxy＝fxy/N

[0106] (x，y)中x表示图像中任一像素点的灰度值，y表示该像素点的邻域灰度均值，fxy表示图像中同时满足灰度值及其邻域均值都符合(x，y)标准的像素点个数，N表示图像中包含的像素总数，pxy为概率密度函数，其中：

[0107]

[0108] 假设导光板图像的前景区域和背景区域分别为C1和C2，那么它们的概率密度函数如下表述：

[0109]

[0110]

[0111] 前景区域和背景区域的均值矢量公式可表示如下：

[0112]

[0113]

[0114] 那么总的均值矢量可表示为：

[0115]

[0116] 假设(s，t)为二维直方图中的一对点对阈值，那么所谓直分法就是通过(s，t)划分成4个区域，令{x≤s，y≤t}表示为前景区域，{x＞s，y＞t}表示背景区域，其余区域概率密度函数设为0，于是有：

[0117]

[0118] 那么最佳阈值(s*，t*)可表示为：trSB(s*，t*)＝max{trsB(s，t)}。式中[0119] trSB＝ω1[(μ1x-μTx)2+(μ1y-μTy)2]+ω2[(μ2x-μTx)2+(μ2y-μTy)2][0120] 3、求前景图像的连通域，得到导光板整体连通域求取图；执行步骤4；

[0121] 此处的求连通域就是对步骤2中结果图像区域中没有连接在一起的区域块均当成一个个单独的小区域，为以下进行特征提取做准备。

[0122] 4、提取导光板整体连通域求取图的最大面积，得到最大面积图；执行步骤5；

[0123] 此处主要是提取步骤3中区域的面积最大的部分；最大面积提取公式如下：

[0124] Smax＝max{Ii，i＝1，2，3，……}

[0125] 式中Ii为图像中第i块区域的面积；

[0126] 因为所采集的图像可能包含无关的部分，如采集图片时的隔板等，这些部分的存在对于图像缺陷的检测是一大干扰，因此，保留主要部分，剔除次要区域显得尤为重要。

[0127] 5、对最大面积图进行图片旋转；执行步骤6；

[0128] 所采集到的图片有时存在图片不正以及不同图像左右疏密区不一(如图像A左密右疏，图像B左疏右密)的情况，因此，为了便于以下处理，需要调整图像到统一标准(此处统一将导光板图像密集区位于图像右边)。

[0129] 此处图片旋转主要涉及两个问题：

[0130] (1)、图像角度的判断；图像旋转首先要判断图像原先所处的角度，此处图像角度的判断主要根据水平轴与图像最长边之间的夹角来确定。由于导光板图像都是长方形，因此，此处就是长方形导光板图像最长边与水平轴之间的夹角，令夹角为θ，根据夹角来确定图片所要旋转的角度。

[0131] (2)、导光板图像左右区域疏密性的判断；由于导光板图像左右区域是由疏到密分布(同一列上下区域疏密性一致)，因此将图像旋转使得密集区位于图像右边，稀疏区位于图像左边可以极大的方便后续处理。此处导光板疏密区判断主要通过导光版图像的灰度均值来判断。由于导光板密集区导光点数量多，密度大，导光点亮度值较高，因此，同等面积区域导光点的灰度均值角度较高。灰度均值公式如下：

[0132]

[0133] 式中g(x，y)为图像在(x，y)处的灰度值，R为均值求取的区域，Num为区域R中的像素点总数，Mean为得到的均值。

[0134] 具体包括以下步骤：

[0135] 5.1：判断最大面积图是否需要进行图片旋转，若最大面积图最长边与水平轴的夹角不是90度，或者密集区不在右边，则执行步骤5.2；否则执行步骤6；

[0136] 5.2：最大面积图最长边与水平轴的夹角偏转多少，则旋转多少，使得最长边与水平轴平行；

[0137] 如果此时密集区在左边，则将图像旋转180度；如果此时密集区在右边，不进行操作；

[0138] 接着执行步骤6；

[0139] 6、对旋转后图像进行分区处理，得到手动分区方式显示图；执行步骤7；

[0140] 由于导光板图像疏密不均，若进行统一处理，会极大的降低缺陷的检测精度，因此，本发明此处采用手动分区处理。

[0141] 手动分区处理就是根据导光点的疏密性将图像手动分为三个区域，三个区域的处理方法完全相同(步骤7开始以后的方法)，只是在参数的设置上略有差异，因此，为了便于区分与说明，此处采用k表示三块区域的某一块区域，k∈[1，3]，以下关于k解释与本处相同。

[0142] 7、对手动分区方式显示图进行高斯偏导，得到高斯偏导局部显示图；执行步骤8；

[0143] 由于导光板中线划伤缺陷线条较长且大多呈现竖直状，因此为了提高检测精度，本发明此处考虑采用竖直方向的高斯偏导来处理。公式如下：

[0144]

[0145] 式中gk(x，y)为第k区的导光板图像在(x，y)处的灰度值，为y方向偏导；

[0146] 8、对高斯偏导局部显示图进行掩模处理，得到掩模处理局部显示图；执行步骤9；

[0147] 步骤7中处理过后的结果图像在经历了高斯偏导后其四边极易产生干扰，干扰的存在对于以下的检测影响较大，因此为了便于后续处理，本发明此处对图像区域边缘部分进行掩模处理。

[0148] 所谓掩模处理其实就是屏蔽次要区域，处理主要区域。由于受高斯滤波影响的边缘部分对后续处理产生干扰，因此此处屏蔽这些干扰边缘，处理非干扰的主要区域。

[0149] 9、求掩模处理局部显示图的最小最大灰度值，得到最大灰度值Gk_max和最小灰度值Gk_min；执行步骤10；

[0150] 由于图像的灰度值可能超出0-255范围，因此，需要将图像的灰度值调整到0-255范围之间，但首先必须要明确图像区域的最小灰度值和最大灰度值；最小灰度值和最大灰度值的求取方法如下：

[0151] Gk_max＝max{gkl(x，y)，k∈[1，3]，l＝1，2，3…}

[0152] Gk_min＝min{gkl(x，y)，k∈[1，3]，l＝1，2，3…}

[0153] gkl(x，y)为第k区域的第1个像素，Gk_max和Gk_min分别是第k区域的最大灰度值和最小灰度值。

[0154] 10、根据最大灰度值Gk_max和最小灰度值Gk_min，对步骤7得到的高斯偏导局部显示图进行归一化处理，得到归一化处理局部显示图；执行步骤11；

[0155] 此处的归一化处理就是根据步骤7中的结果将图像区域灰度值调整到0-255之间，具体调整公式如下：

[0156]

[0157] 其中mult＝255/(Gk_max-Gk_min)，add＝-255×Gk_min/(Gk_max-Gk_min)[0158] 为第k区(x，y)处调整后的灰度值。

[0159] 11、对归一化处理局部显示图进行两次均值滤波，得到第一次均值滤波局部显示图和第二次均值滤波局部显示图；执行步骤10；

[0160] 由于图像区域中存在少量噪声，因此，本发明此处采用均值滤波来过滤图像中的噪声。此处两次均值滤波意思是先对图像进行第一次滤波，然后再对第一次滤波的结果进行第二次滤波。本发明此处采用自适应均值滤波方法进行图像处理，公式如下：

[0161]

[0162]

[0163]

[0164] 上述式子中a和b分别为滤波窗口的尺寸，Nm为滤波窗口中总的像素个数，Mmn为滤波窗口中的灰度中值，gk(r，s)为(r，s)处的灰度值，gk(x+r，y+s)为图像中以(x，y)为中心的滤波窗口中(x+r，y+s)处的灰度值。

[0165] 12、第一次均值滤波局部显示图和第二次均值滤波局部显示图相减，得到两次均值滤波结果相减局部显示图；执行步骤11；

[0166] 此处滤波结果相减就是将步骤9中的第一次滤波结果减去第二次滤波结果；公式如下：

[0167] gk-(x，y)＝(gk1(x，y)-gk2(x，y))×Factor+Value

[0168] 式中gk1(x，y)为第一次滤波图像在(x，y)处的灰度值，gk2(x，y)为第二次滤波图像在(x，y)处的灰度值，Factor为相减的校正因子，Value为相减的校正值，gk-(x，y)为相减后的结果图像在(x，y)处的灰度值。

[0169] 13、对两次均值滤波结果相减局部显示图进行阈值分割，得到分割后局部显示图；执行步骤14；

[0170] 此处的阈值分割就是对步骤10中的结果图像进行处理，阈值处理的方法与步骤2相同；

[0171] 14、对分割后局部显示图求连通域，得到第二次连通域局部显示图；执行步骤15；

[0172] 此处求连通域操作方法与步骤3相同；

[0173] 15、特征提取；执行步骤16；

[0174] 经过上述操作处理，导光板图像的缺陷提取干扰变少，操作逐渐简单起来。本发明针对不同缺陷(如划伤，亮点等)提取主要设置了面积，偏心距等特征参数。

[0175] (1)、面积参数：面积提取：根据视野范围大小和采图相机分辨率确定单个像素的面积，然后计算区域占有的像素个数，像素个数乘以单个像素面积即为区域面积；

[0176] 由于图像中缺陷都占据一定的范围，因此结合面积提取是一个不错的选择。面积提取主要步骤如下：首先根据相机的分辨率以及其拍摄的视野范围(相机固定后所能拍摄的最大宽度)确定单个像素的面积，然后计算缺陷包含的像素个数，像素个数乘以单个像素的面积就是缺陷的面积。面积参数范围设置不同，提取到的缺陷也不同，如若面积范围较小(如[0-100])，则只能提取较小亮点等缺陷；若面积范围设置过大(如10000-99999)，则只能提取亮斑或者较大的划伤等缺陷。因此，缺陷的提取应根据实际要求而选定参数。

[0177] (2)、偏心距参数：由于导光板图像中有的缺陷(如划伤线)具有椭圆曲线凸状光滑的性质，因此可以将缺陷的轮廓等效成椭圆曲线的一段弧长，根据椭圆的相关性质，计算出长半轴长与短半轴长之比，公式如下：

[0178]

[0179] 式中rA和rB分别为椭圆的长半轴长和短半轴长，As为计算出的偏心距。

[0180] 与面积参数一样，偏心距参数同样需要调整范围才能适应不同的缺陷检测。

[0181] 16、缺陷显示；

[0182] 将步骤15中提取到的缺陷显示出来。

[0183] 实验一

[0184] (1)利用线扫相机采集导光板图像；

[0185] (2)对采集到的导光板图像采用下式进行阈值分割；

[0186] trSB(s*，t*)＝max{trSB(s，t)}。

[0187] trSB＝ω1[(μ1x-μTx)2+(μ1y-μTy)2]+ω2[(μ2x-μTx)2+(μ2y-μTy)2][0188] (3)对步骤2中的结果求取连通域；

[0189] (4)提取最大面积；

[0190] Smax＝max{Ii，i＝1，2，3，……}

[0191] (5)根据图像所偏转的角度以及导光板图像左右两端的疏密性，将图像转正并将导光板中导光点密集区统一放置到图像右端位置；图像疏密位置判断如下：

[0192]

[0193] (6)根据导光板图像的疏密性将导光板手动分为三个区，利用字母k表示三个区中的某一个区，k∈[1，3]；

[0194] (7)将图像进行y方向的高斯偏导处理；

[0195]

[0196] (8)掩模处理；

[0197] 由于高斯偏导处理后图像区域边缘存在干扰，为了减少干扰，将边缘部分进行掩模处理。(9)求导光板图像中最小灰度值和最大灰度值；公式如下：

[0198] Gk_max＝max{gkl(x，y)，k∈[1，3]，l＝1，2，3…}

[0199] Gk_min＝min{gkl(x，y)，k∈[1，3]，l＝1，2，3…}

[0200] (10)将图像灰度值调整到0-255之间；

[0201]

[0202] (11)两次均值滤波；

[0203] 对图像先进行第一次滤波，然后在第一次滤波结果上在进行一次滤波；

[0204]

[0205]

[0206]

[0207] (12)滤波结果相减；

[0208] 将步骤9中第一次滤波结果减去第二次滤波结果；

[0209] gk-(x，y)＝(gk1(x，y)-gk2(x，y))×Factor+yalue

[0210] (13)阈值处理；

[0211] 此处的阈值分割就是对步骤10中的结果图像进行处理，阈值处理的方法与步骤2相同；(14)求连通域；方法与步骤3相同；

[0212] (15)特征提取；

[0213] 结合面积以及偏心距进行特征提取，由于导光板图像区域疏密性差异以及不同缺陷的大小形状不一，处理参数略有差别。

[0214] (16)缺陷显示；

[0215] 最后，需要注意的是，以上所列举的仅是本发明的若干个具体实施例。显然，本发明不限于以上实施例，还可以有许多变形。本领域的普通技术人员能从本发明公开的内容直接导出或联想到的所有变形，均应认为是本发明的保护范围。

标题	发布/更新时间	阅读量
缺陷平面化-专利编号CN107408494A	2020-05-13	324
缺陷知识库-专利编号CN1392954A	2020-05-12	630
缺陷预测-专利编号CN110869854A	2020-05-11	86
出生缺陷细胞库及其构建方法-专利编号CN101942413A	2020-05-11	280
缺陷检测机-专利编号CN105203553A	2020-05-13	701
缺陷分析法-专利编号CN104465434A	2020-05-13	182
出生缺陷细胞库及其构建方法-专利编号CN101942413B	2020-05-11	187
出生缺陷高危因子库及其构建方法-专利编号CN103383692A	2020-05-11	238
探测缺陷-专利编号CN110121654A	2020-05-12	951
缺陷分析-专利编号CN108231617A	2020-05-12	229

导光板缺陷检测方法

导光板缺陷检测方法

技术领域

背景技术

发明内容

附图说明

具体实施方式

IPRDB

热门服务

关于我们

友情链接

联系方式