基于通道分离和滤波的显示屏彩色Mura缺陷检测方法

基于通道分离和滤波的显示屏彩色mura缺陷检测方法
技术领域
1.本发明属于图像处理技术领域，特别涉及一种显示屏彩色mura缺陷检测技术。


背景技术：

2.机器视觉系统，凭借其稳定性和可靠性，被广泛应用于生产和生活中。利用机器视觉系统对显示屏质量进行检测，为工业生产带来便利，提升了生产效率，节约了成本。
3.mura缺陷表现为低对比度和没有固定的形状。过去的十几年中显示屏技术的快速发展，目前显示屏mura缺陷检测方法主要为背景重构的缺陷检测法：一是采用基于频域的重构,如fan提出automatic detection of mura defect in tft-lcd based on regression diagnostics[j]；二是基于拟合的重构方法，如严成宸提出结合加权模板差图与双边滤波的tft-lcd检测算法[j],电子测量与仪器学报。然而，基于频域的重构方法不能在频域中有效地获得色彩mura的无缺陷背景信息，这导致该方法无法从背景中分离出缺陷；基于拟合的重构方法没有考虑到色彩特征，因此直接对灰度图像拟合，无法获得缺陷区域，因此该类方法检测彩色mura准确率低。人眼对色彩信息的感知大大超过对亮度信息的感知水平，因此采用彩色滤波分析是显示屏彩色mura缺陷检测的有效技术途径。


技术实现要素：

[0004]
为解决上述技术问题，本发明提出一种基于通道分离和滤波的显示屏彩色mura缺陷检测方法。
[0005]
本发明采用的技术方案为：基于通道分离和滤波的显示屏彩色mura缺陷检测方法，包括：
[0006]
步骤s1，对待处理图像进行lab空间通道分离；具体为：对于待处理图像，将rgb图像颜色空间转换到lab颜色空间，获得分离的亮度和颜色通道图像；
[0007]
步骤s2，weber对比度特征图计算；具体为：对分离的亮度和颜色通道图像分别进行均值滤波，然后根据weber对比度计算公式，获得亮度和颜色通道的对比度特征图；
[0008]
步骤s3，对比度敏感函数频域滤波；具体为：分别构建亮度和颜色通道的频域对比度敏感函数滤波模板，使用快速傅里叶变换将亮度和颜色通道的对比度特征图转换到频域空间，并分别与对比度敏感函数进行相乘，进行逆变换后获得人眼敏感的亮度和颜色通道特征图；
[0009]
步骤s4，颜色特征图融合及自适应阈值分割；具体为：对人眼敏感的颜色通道特征图进行融合，获得人眼敏感的颜色融合特征图，采用人眼敏感的两都通道特征图和人眼敏感的颜色特征融合图的均值和标准差进行阈值分割，将两个特征图的分割结果进行或运算，获得mura缺陷检测结果。
[0010]
本发明的有益效果：本发明将输入图像进行亮度和颜色分离，然后分别对颜色和亮度对比度图使用对比度敏感函数滤波，采用lab颜色空间、人眼对比度敏感函数与特征分解的综合方法进行彩色mura缺陷检测，实现显示屏亮度mura和颜色mura缺陷准确检测。
附图说明
[0011]
图1是本发明基于通道分离和滤波的显示屏彩色mura缺陷检测方法流程图。
[0012]
图2是原始图像转lab空间均值滤波结果样例展示。
[0013]
图3是对比度敏感函数滤波结果样例展示。
[0014]
图4是mura缺陷检测结果样例展示。
具体实施方式
[0015]
参阅图1在以下描述的实施例中，基于通道分离和滤波的显示屏彩色mura缺陷检测方法流程按以下步骤实施：
[0016]
步骤s1：输入图像lab空间通道分离，具体步骤包括以下步骤：
[0017]
s1-1、对采集的lcd显示屏rgb图像转换到lab颜色空间；
[0018]
对输入图像进行lab颜色空间计算，计算公式如下：
[0019][0020][0021][0022][0023][0024]
其中，l为亮度通道，a为红绿颜色通道，b为蓝黄颜色通道，x、y、z表示xyz颜色空间的颜色坐标，f(x)、f(y1)、f(z)表示xyz颜色空间的颜色分布函数。获得分离的亮度l和颜色a、b通道图像；
[0025]
s2：weber对比度特征图计算，具体步骤包括以下步骤：
[0026]
s2-1、均值滤波处理，
[0027]
对l、a和b通道图像分别采用均值滤波模板进行滤波处理，抑制显示屏背景纹理的干扰，图像处理结果如图2所示。
[0028]
s2-2、全局均值计算，
[0029]
分别计算经均值滤波处理后的l、a和b通道图像的全局均值，计算公式如下：
[0030]
[0031]
其中μ
weber
表示全局均值，m为输入图像宽度，n为输入图像的长度，p
i,j
表示图像中坐标为(i,j)的灰度值。分别计算出l通道，a和b通道的均值。
[0032]
s2-3、weber对比度计算，
[0033]
根据weber对比度计算公式，获得l、a和b通道的对比度特征图。
[0034]
weber对比度计算公式如下：
[0035][0036]
其中i(x,y)为具体通道的图像的灰度值，i
b1
(x,y)为具体通道图像的背景亮度，cw(x,y)为具体通道图像的对比度。
[0037]
将i
b1
(x,y)分别替换为l、a和b的全局均值，分别计算得到c
l
、ca和cb。其中c
l
表示l通道对比度特征图，ca为a通道的对比度特征图，cb为b通道的对比度特征图。
[0038]
s3：对比度敏感函数频域滤波，结果图如图3所示，具体步骤包括以下步骤。
[0039]
s3-1、频域对比度敏感函数构建，
[0040]
分别构建l、a和b通道的频域对比度敏感函数。对比度敏感函数如下：
[0041][0042][0043][0044]
其中，f表示频域的频率变量，csf
l
(f)表示频域l通道的对比度敏感函数，csfa(f)表示频域a通道的对比度敏感函数，csfb(f)表示频域b通道的对比度敏感函数。
[0045]
s3-2、通道特征图的傅里叶变换，
[0046]
对人眼敏感的l、a和b通道特征图，进行傅里叶变换，并将低频信息移动到图像中心，得到频域的l、a和b通道特征图，分别记为c
l_w
、c
a_w
和c
b_w
。
[0047]
s3-3、特征图频域滤波，
[0048]
将得到的频域的l、a和b通道特征图分别与对比度敏感函数相乘，获得通道滤波特征结果，计算公式如下所示。
[0049][0050]
其中c
csf_l
为人眼敏感的l通道特征图，c
csf_a
为人眼敏感的a通道特征图，c
csf_b
为人眼敏感的b通道特征图，idft表示逆傅里叶变换，结果如图3所示。
[0051]
步骤s4颜色特征图融合及自适应阈值分割，具体步骤包括以下步骤。
[0052]
s4-1、颜色特征图融合，
[0053]
将人眼敏感的a和b通道特征图进行融合，获得人眼敏感的颜色融合特征图，计算公式如下：
[0054]
[0055]
其中c
csf_col
表示人眼敏感的颜色融合特征图。
[0056]
s4-2、亮度和颜色的自适应阈值分割，
[0057]
采用人眼敏感的l通道特征图和人眼敏感的颜色特征融合图的均值和标准差进行阈值分割，计算公式如下：
[0058]
th
col
＝μc
col
+k1δc
col
[0059]
th
l
＝μc
l
+k2δc
l
[0060]
其中，th
col
为颜色融合特征图的分割阈值，k1为参数，μc
col
为颜色融合特征图的均值，μc
col
为颜色融合特征图的标准差，th
l
为人眼敏感的l通道特征图分割阈值，k2为参数，μc
l
为人眼敏感的l通道特征图均值，δc
l
为人眼敏感的l通道特征图标准差。本实施例中k1取值为1，k2取值为3。
[0061]
将两个特征图的分割结果进行或运算，获得mura缺陷检测结果，如图4所示。
[0062]
本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。

技术特征：
1.基于通道分离和滤波的显示屏彩色mura缺陷检测方法，其特征在于，包括：步骤s1，对待处理图像进行lab空间通道分离；具体为：对于待处理图像，将rgb图像颜色空间转换到lab颜色空间，获得分离的亮度和颜色通道图像；步骤s2，weber对比度特征图计算；具体为：对分离的l、a和b通道图像分别进行均值滤波，然后根据weber对比度计算公式，获得l、a和b通道的对比度特征图；步骤s3，对比度敏感函数频域滤波；具体为：分别构建l、a和b通道的频域对比度敏感函数滤波模板，使用快速傅里叶变换将l、a和b通道的对比度特征图转换到频域空间，并分别与对比度敏感函数进行相乘，进行逆变换后获得人眼敏感的l、a和b通道特征图；步骤s4，颜色特征图融合及自适应阈值分割；具体为：对人眼敏感的颜色通道特征图进行融合，获得人眼敏感的颜色融合特征图，采用人眼敏感的两都通道特征图和人眼敏感的颜色特征融合图的均值和标准差进行阈值分割，将两个特征图的分割结果进行或运算，获得mura缺陷检测结果。2.根据权利要求1所述的基于通道分离和滤波的显示屏彩色mura缺陷检测方法，其特征在于，步骤s2具体包括以下分步骤：s21、均值滤波处理，对l、a和b通道图像分别采用均值滤波模板进行滤波处理；s22、全局均值计算，分别计算经均值滤波处理后的l、a和b通道图像的全局均值，计算公式如下：其中，μ
weber
表示全局均值，m为输入具体通道图像宽度，n为输入具体通道图像的长度，p
i,j
表示具体通道图像中坐标为(i,j)的灰度值；s23、weber对比度计算，根据weber对比度计算公式，获得l、a和b通道的对比度特征图；weber对比度计算公式如下：其中i(x,y)为图像的灰度值，i
b1
(x,y)为具体通道图像的全局均值，c
w
(x,y)为具体通道图像的对比度特征图。3.根据权利要求2所述的基于通道分离和滤波的显示屏彩色mura缺陷检测方法，其特征在于，步骤s3中构建l通道的频域对比度敏感函数滤波模板表达式为：其中，csf
l
(f)表示频域l通道的对比度敏感函数。4.根据权利要求3所述的基于通道分离和滤波的显示屏彩色mura缺陷检测方法，其特征在于，步骤s3中构建a通道的频域对比度敏感函数滤波模板表达式为：其中，csf
a
(f)表示频域a通道的对比度敏感函数。5.根据权利要求4所述的基于通道分离和滤波的显示屏彩色mura缺陷检测方法，其特
征在于，步骤s3中构建b通道的频域对比度敏感函数滤波模板表达式为：其中，csf
b
(f)表示频域b通道的对比度敏感函数。6.根据权利要求5所述的基于通道分离和滤波的显示屏彩色mura缺陷检测方法，其特征在于，步骤s4中对人眼敏感的颜色通道特征图进行融合，获得人眼敏感的颜色融合特征图；计算式为：其中，c
csf_a
表示a通道特征图，c
csf_b
表示b通道特征图，c
csf_col
表示人眼敏感的颜色融合特征图。7.根据权利要求5所述的基于通道分离和滤波的显示屏彩色mura缺陷检测方法，其特征在于，人眼敏感的颜色融合特征图的分割阈值计算式为：th
col
＝μc
col
+k1δc
col
其中，th
col
为颜色融合特征图的分割阈值，k1为参数，μc
col
为颜色融合特征图的均值，δc
col
为颜色融合特征图的标准差。8.根据权利要求7所述的基于通道分离和滤波的显示屏彩色mura缺陷检测方法，其特征在于，l通道特征图的分割阈值计算式为：th
l
＝μc
l
+k2δc
l
其中，μc
col
为颜色融合特征图的均值，δc
col
为颜色融合特征图的标准差，th
l
为人眼敏感的l通道特征图分割阈值，k2为参数，μc
l
为人眼敏感的l通道特征图均值，δc
l
为人眼敏感的l通道特征图标准差。

技术总结
本发明公开一种基于通道分离和滤波的显示屏彩色Mura缺陷检测方法，应用于图像处理技术领域，针对现有技术检测彩色Mura准确率低的问题；本发明首先，对采集的LCD显示屏RGB图像转换到Lab颜色空间；其次，对L、a和b通道进行均值模板滤波获得颜色和亮度图像，再计算Lab三通道图像的Weber对比度特征图；然后，采用频域对比度敏感函数滤波模板对Lab三通道对比度特征图进行频域滤波，获得人眼敏感的Lab三通道特征图，并融合ab通道特征图；最后，计算L通道、ab颜色融合的特征图统计量，并阈值分割获得彩色Mura缺陷检测结果。本发明方法实现了准确、高效的显示屏画面彩色Mura缺陷检测。高效的显示屏画面彩色Mura缺陷检测。高效的显示屏画面彩色Mura缺陷检测。


技术研发人员：王治玺 陈怀新 解文强 罗思杰
受保护的技术使用者：电子科技大学
技术研发日：2023.06.13
技术公布日：2023/9/9