屏幕的检测方法、装置、电子设备及计算机可读存储介质.pdf

《屏幕的检测方法、装置、电子设备及计算机可读存储介质.pdf》由会员分享，可在线阅读，更多相关《屏幕的检测方法、装置、电子设备及计算机可读存储介质.pdf（19页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 201911226410.7 (22)申请日 2019.12.04 (71)申请人 京东方科技集团股份有限公司 地址 100015 北京市朝阳区酒仙桥路10号 申请人 北京京东方光电科技有限公司 (72)发明人 刘小磊楚明磊陈丽莉张浩 (74)专利代理机构 北京风雅颂专利代理有限公 司 11403 代理人 李弘 (51)Int.Cl. G06T 7/00(2017.01) G06T 5/50(2006.01) G06T 5/20(2006.01) G06T 7/11(2017.0。

2、1) G06T 7/136(2017.01) (54)发明名称 屏幕的检测方法、 装置、 电子设备及计算机 可读存储介质 (57)摘要 本发明提供一种屏幕的检测方法、 装置、 电 子设备及计算机可读存储介质。 所述方法包括： 获取待检测屏幕的图像； 对所获得的待检测屏幕 的图像进行伽柏滤波， 得到多个伽柏滤波图像； 对所述多个伽柏滤波图像进行图像融合， 得到融 合图像； 基于不同的灰度阈值对所述融合图像进 行分割， 根据分割后的所述融合图像进行缺陷检 测， 获得所述待检测屏幕中有缺陷的子像素； 其 中， 所述灰度阈值的取值范围为所述融合图像的 灰度值范围。 本发明提出一种更加准确的屏幕检 测方。

3、法， 能够解决现有技术屏幕检测时缺陷判定 结果不准确的问题。 权利要求书3页 说明书10页 附图5页 CN 111340752 A 2020.06.26 CN 111340752 A 1.一种屏幕的检测方法， 其特征在于， 包括： 获取待检测屏幕的图像； 对所获得的待检测屏幕的图像进行伽柏滤波， 得到多个伽柏滤波图像； 对所述多个伽柏滤波图像进行图像融合， 得到融合图像； 基于不同的灰度阈值对所述融合图像进行分割， 根据分割后的所述融合图像进行缺陷 检测， 获得所述待检测屏幕中有缺陷的子像素； 其中， 所述灰度阈值的取值范围为所述融合 图像的灰度值范围。 2.根据权利要求1所述的屏幕的检测方法。

4、， 其特征在于， 所述对所获得的待检测屏幕的 图像进行伽柏滤波， 得到多个伽柏滤波图像包括： 对所获得的待检测屏幕的图像分别进行第一方向以及第二方向的伽柏滤波， 得到第一 伽柏滤波图像以及第二伽柏滤波图像， 所述第一方向与所述第二方向垂直； 其中， 获得所述 第一伽柏滤波图像的伽柏滤波器的波长为待检测屏幕的图像在第一方向上的子像素间隔， 获得所述第二伽柏滤波图像的伽柏滤波器的波长为待检测屏幕的图像在第二方向上的子 像素间隔。 3.根据权利要求1所述的屏幕的检测方法， 其特征在于， 所述对所述多个伽柏滤波图像 进行图像融合， 得到融合图像包括： 采用平方融合法对所述两个伽柏滤波图像进行图像融合，。

5、 所述平方融合法的公式为， 其中， I表示所述融合图像中的灰度值， I1表示所述第一伽柏滤波图像的灰度值， I2表示 所述第二伽柏滤波图像的灰度值。 4.根据权利要求1所述的屏幕的检测方法， 其特征在于， 所述基于灰度阈值对所述融合 图像进行分割， 根据分割后的所述融合图像进行缺陷检测， 获得所述待检测屏幕中有缺陷 的子像素包括： 基于每个灰度阈值对所述融合图像进行阈值分割， 获得与所述灰度阈值一一对应的多 个二值图像， 基于所述多个二值图像获得缺陷区域； 获取所述缺陷区域的外包围多边形， 对所述外包围多边形进行聚类计算， 获得缺陷像 素点； 对所述缺陷像素点进行缺陷判定， 获得所述缺陷像素点。

6、的类别。 5.根据权利要求4所述的屏幕的检测方法， 其特征在于， 所述基于每个灰度阈值对所述 融合图像进行阈值分割， 获得与所述灰度阈值一一对应的多个二值图像， 基于所述多个二 值图像获得缺陷区域包括： 获取所述融合图像的最小灰度值以及最大灰度值； 在所述最小灰度值和最大灰度值之间按照预设的步长依次选取灰度阈值Mi， 基于灰度 阈值Mi对所述融合图像进行阈值分割得到二值图像Pi， 其中i1,2,3,m； 计算所述二值图像Pi中的连通区域的面积Aij， 其中j1,2,3,n； 对于灰度阈值Mi， 判断每一个连通区域A(i+1)j的面积变化率dA(i+1)j与预设的面积变化阈 值之间的关系， 其中。

7、dA(i+1)jA(i+1)j-Aij， 若所述面积变化率dA(i+1)j小于所述面积变化阈值， 则所述连通区域为缺陷区域。 权利要求书 1/3 页 2 CN 111340752 A 2 6.根据权利要求5所述的屏幕的检测方法， 其特征在于， 所述基于灰度阈值Mi对所述融 合图像进行阈值分割得到二值图像Pi包括： 对于所述融合图像中的每一个像素点， 判断其灰度值是否大于灰度阈值Mi， 若是， 将该 像素点的灰度值设置为第一灰度值， 否则设置为第二灰度值。 7.根据权利要求4所述的屏幕的检测方法， 其特征在于， 所述对所述缺陷像素点进行缺 陷判定， 获得所述缺陷像素点的类别包括： 获取所述外包围。

8、多边形的中心像素点的中心点灰度值以及各个边角像素点的边角点 灰度值， 并计算边角点灰度值的平均灰度值； 判断所述平均灰度值与所述中心点灰度值的关系， 若所述平均灰度值小于所述中心点 灰度值， 则所述缺陷像素点为亮缺陷； 若所述平均灰度值大于所述中心点灰度值， 则所述缺 陷像素点为暗缺陷。 8.根据权利要求1所述的屏幕的检测方法， 其特征在于， 所述对所述融合图像进行检测 之前还包括： 以所述融合图像中任一像素点为中心， 获取其邻域范围内的多个相邻像素点， 计算所 述多个相邻像素点的像素值方差， 并将所述像素值方差替换为该中心像素点的像素值。 9.一种屏幕的检测装置， 其特征在于， 包括： 图像。

9、获取模块， 用于获取待检测屏幕的图像； 滤波模块， 用于对所获得的待检测屏幕的图像进行伽柏滤波， 得到多个伽柏滤波图像； 图像融合模块， 用于对所述多个伽柏滤波图像进行图像融合， 得到融合图像； 缺陷检测模块， 用于基于不同的灰度阈值对所述融合图像进行分割， 根据分割后的所 述融合图像进行缺陷检测， 获得所述待检测屏幕中有缺陷的子像素； 所述灰度阈值的取值 范围为所述融合图像的灰度值范围。 10.根据权利要求9所述的屏幕的检测装置， 其特征在于， 所述滤波模块还用于实现： 对 所获得的待检测屏幕的图像分别进行第一方向以及第二方向的伽柏滤波， 得到第一伽柏滤 波图像以及第二伽柏滤波图像； 其中，。

10、 所述第一方向与所述第二方向垂直； 其中， 获得所述 第一伽柏滤波图像的伽柏滤波器的波长为待检测屏幕的图像在第一方向上的子像素间隔； 获得所述第二伽柏滤波图像的伽柏滤波器的波长为待检测屏幕的图像在第二方向上的子 像素间隔。 11.根据权利要求10所述的屏幕的检测装置， 其特征在于， 所述缺陷检测模块还用于实 现： 基于每个灰度阈值对所述融合图像进行阈值分割， 获得与所述灰度阈值一一对应的多 个二值图像， 基于所述多个二值图像获得缺陷区域； 获取所述缺陷区域的外包围多边形， 对所述外包围多边形进行聚类计算， 获得缺陷像 素点； 对所述缺陷像素点进行缺陷判定， 获得所述缺陷像素点的类别。 12.根。

11、据权利要求11所述的屏幕的检测装置， 其特征在于， 所述基于每个灰度阈值对所 述融合图像进行阈值分割， 获得与所述灰度阈值一一对应的多个二值图像， 基于所述多个 二值图像获得缺陷区域包括： 获取所述融合图像的最小灰度值以及最大灰度值； 权利要求书 2/3 页 3 CN 111340752 A 3 在所述最小灰度值和最大灰度值之间按照预设的步长依次选取灰度阈值Mi， 基于灰度 阈值Mi对所述融合图像进行阈值分割得到二值图像Pi， 其中i1,2,3,m； 计算所述二值图像Pi中的连通区域的面积Aij， 其中j1,2,3,n； 对于灰度阈值Mi， 判断每一个连通区域A(i+1)j的面积变化率dA(i。

12、+1)j与预设的面积变化阈 值之间的关系， 其中dA(i+1)jA(i+1)j-Aij， 若所述面积变化率dA(i+1)j小于所述面积变化阈值， 则所述连通区域为缺陷区域。 13.根据权利要求12所述的屏幕的检测装置， 其特征在于， 所述基于灰度阈值Mi对所述 融合图像进行阈值分割得到二值图像Pi包括： 对于所述融合图像中的每一个像素点， 判断其灰度值是否大于灰度阈值Mi， 若是， 将该 像素点的灰度值设置为第一灰度值， 否则设置为第二灰度值。 14.根据权利要求11所述的屏幕的检测装置， 其特征在于， 所述对所述缺陷像素点进行 缺陷判定， 获得所述缺陷像素点的类别包括： 获取所述外包围多边形。

13、的中心像素点的中心点灰度值以及各个边角像素点的边角点 灰度值， 并计算边角点灰度值的平均灰度值； 判断所述平均灰度值与所述中心点灰度值的关系， 若所述平均灰度值小于所述中心点 灰度值， 则所述缺陷像素点为亮缺陷； 若所述平均灰度值大于所述中心点灰度值， 则所述缺 陷像素点为暗缺陷。 15.一种电子设备， 包括存储器、 处理器及存储在存储器上并可在处理器上运行的计算 机程序， 其特征在于， 所述处理器执行所述程序时实现如权利要求1至8任意一项所述的屏 幕的检测方法。 16.一种非暂态计算机可读存储介质， 其特征在于， 所述非暂态计算机可读存储介质存 储计算机指令， 所述计算机指令用于使所述计算机。

14、执行权利要求1至8任意一项所述屏幕的 检测方法。 权利要求书 3/3 页 4 CN 111340752 A 4 屏幕的检测方法、 装置、 电子设备及计算机可读存储介质 技术领域 0001 本发明涉及显示技术领域， 尤其涉及一种屏幕的检测方法、 装置、 电子设备及计算 机可读存储介质。 背景技术 0002 随着半导体工艺流程的日益复杂， 液晶屏幕生产工艺对屏幕最终呈现的显示效果 具有很大的影响， 屏幕上的子像素缺陷会严重影响画面的视觉呈现。 因此， 在显示屏在制备 完成后会对显示屏进行是否存在缺陷的检测， 并且定位有缺陷的子像素的位置， 以便于后 续对上述有缺陷的子像素进行人工检查及分析等操作。。

15、 0003 现有技术的屏幕检测方法中， 分割阈值范围的选取可能受到环境光强等因素影 响， 导致基于该分割阈值范围对待检测屏幕的图像进行缺陷判定时其判定结果不准确。 发明内容 0004 有鉴于此， 本发明的目的在于提出一种屏幕的检测方法、 装置、 电子设备及计算机 可读存储介质， 以解决现有技术屏幕检测时缺陷判定结果不准确的问题。 0005 基于上述目的， 本发明实施例的第一个方面提供了一种屏幕的检测方法， 包括： 0006 获取待检测屏幕的图像； 0007 对所获得的待检测屏幕的图像进行伽柏滤波， 得到多个伽柏滤波图像； 0008 对所述多个伽柏滤波图像进行图像融合， 得到融合图像； 0009。

16、 基于不同的灰度阈值对所述融合图像进行分割， 根据分割后的所述融合图像进行 缺陷检测， 获得所述待检测屏幕中有缺陷的子像素； 其中， 所述灰度阈值的取值范围为所述 融合图像的灰度值范围。 0010 可选的， 所述对所获得的待检测屏幕的图像进行伽柏滤波， 得到多个伽柏滤波图 像包括： 0011 对所获得的待检测屏幕的图像分别进行第一方向以及第二方向的伽柏滤波， 得到 第一伽柏滤波图像以及第二伽柏滤波图像， 所述第一方向与所述第二方向垂直； 其中， 获得 所述第一伽柏滤波图像的伽柏滤波器的波长为待检测屏幕的图像在第一方向上的子像素 间隔， 获得所述第二伽柏滤波图像的伽柏滤波器的波长为待检测屏幕的图。

17、像在第二方向上 的子像素间隔。 0012 可选的， 所述对所述多个伽柏滤波图像进行图像融合， 得到融合图像包括： 0013 采用平方融合法对所述两个伽柏滤波图像进行图像融合， 所述平方融合法的公式 为， 0014 0015 其中， I表示所述融合图像中的灰度值， I1表示所述第一伽柏滤波图像的灰度值， I2 表示所述第二伽柏滤波图像的灰度值。 0016 可选的， 所述基于灰度阈值对所述融合图像进行分割， 根据分割后的所述融合图 说明书 1/10 页 5 CN 111340752 A 5 像进行缺陷检测， 获得所述待检测屏幕中有缺陷的子像素包括： 0017 基于每个灰度阈值对所述融合图像进行阈值。

18、分割， 获得与所述灰度阈值一一对应 的多个二值图像， 基于所述多个二值图像获得缺陷区域； 0018 获取所述缺陷区域的外包围多边形， 对所述外包围多边形进行聚类计算， 获得缺 陷像素点； 0019 对所述缺陷像素点进行缺陷判定， 获得所述缺陷像素点的类别。 0020 可选的， 所述基于每个灰度阈值对所述融合图像进行阈值分割， 获得与所述灰度 阈值一一对应的多个二值图像， 基于所述多个二值图像获得缺陷区域包括： 0021 获取所述融合图像的最小灰度值以及最大灰度值； 0022 在所述最小灰度值和最大灰度值之间按照预设的步长依次选取灰度阈值Mi， 基于 灰度阈值Mi对所述融合图像进行阈值分割得到二。

19、值图像Pi， 其中i1,2,3,m； 0023 计算所述二值图像Pi中的连通区域的面积Aij， 其中j1,2,3,n； 0024 对于灰度阈值Mi， 判断每一个连通区域A(i+1)j的面积变化率dA(i+1)j与预设的面积 变化阈值之间的关系， 其中dA(i+1)jA(i+1)j-Aij， 若所述面积变化率dA(i+1)j小于所述面积变 化阈值， 则所述连通区域为缺陷区域。 0025 可选的， 所述基于灰度阈值Mi对所述融合图像进行阈值分割得到二值图像Pi包括： 0026 对于所述融合图像中的每一个像素点， 判断其灰度值是否大于灰度阈值Mi， 若是， 将该像素点的灰度值设置为第一灰度值， 否则。

20、设置为第二灰度值。 0027 可选的， 所述对所述缺陷像素点进行缺陷判定， 获得所述缺陷像素点的类别包括： 0028 获取所述外包围多边形的中心像素点的中心点灰度值以及各个边角像素点的边 角点灰度值， 并计算边角点灰度值的平均灰度值； 0029 判断所述平均灰度值与所述中心点灰度值的关系， 若所述平均灰度值小于所述中 心点灰度值， 则所述缺陷像素点为亮缺陷； 若所述平均灰度值大于所述中心点灰度值， 则所 述缺陷像素点为暗缺陷。 0030 可选的， 所述对所述融合图像进行检测之前还包括： 0031 以所述融合图像中任一像素点为中心， 获取其邻域范围内的多个相邻像素点， 计 算所述多个相邻像素点的。

21、像素值方差， 并将所述像素值方差替换为该中心像素点的像素 值。 0032 本发明实施例的第二个方面提供一种屏幕的检测装置， 包括： 0033 图像获取模块， 用于获取待检测屏幕的图像； 0034 滤波模块， 用于对所获得的待检测屏幕的图像进行伽柏滤波， 得到多个伽柏滤波 图像； 0035 图像融合模块， 用于对所述多个伽柏滤波图像进行图像融合， 得到融合图像； 0036 缺陷检测模块， 用于基于不同的灰度阈值对所述融合图像进行分割， 根据分割后 的所述融合图像进行缺陷检测， 获得所述待检测屏幕中有缺陷的子像素； 所述灰度阈值的 取值范围为所述融合图像的灰度值范围。 0037 可选的， 所述滤波。

22、模块还用于实现： 对所获得的待检测屏幕的图像分别进行第一 方向以及第二方向的伽柏滤波， 得到第一伽柏滤波图像以及第二伽柏滤波图像； 其中， 所述 第一方向与所述第二方向垂直； 其中， 获得所述第一伽柏滤波图像的伽柏滤波器的波长为 说明书 2/10 页 6 CN 111340752 A 6 待检测屏幕的图像在第一方向上的子像素间隔； 获得所述第二伽柏滤波图像的伽柏滤波器 的波长为待检测屏幕的图像在第二方向上的子像素间隔。 0038 可选的， 所述缺陷检测模块还用于实现： 0039 基于每个灰度阈值对所述融合图像进行阈值分割， 获得与所述灰度阈值一一对应 的多个二值图像， 基于所述多个二值图像获得。

23、缺陷区域； 0040 获取所述缺陷区域的外包围多边形， 对所述外包围多边形进行聚类计算， 获得缺 陷像素点； 0041 对所述缺陷像素点进行缺陷判定， 获得所述缺陷像素点的类别。 0042 可选的， 所述基于每个灰度阈值对所述融合图像进行阈值分割， 获得与所述灰度 阈值一一对应的多个二值图像， 基于所述多个二值图像获得缺陷区域包括： 0043 获取所述融合图像的最小灰度值以及最大灰度值； 0044 在所述最小灰度值和最大灰度值之间按照预设的步长依次选取灰度阈值Mi， 基于 灰度阈值Mi对所述融合图像进行阈值分割得到二值图像Pi， 其中i1,2,3,m； 0045 计算所述二值图像Pi中的连通区。

24、域的面积Aij， 其中j1,2,3,n； 0046 对于灰度阈值Mi， 判断每一个连通区域A(i+1)j的面积变化率dA(i+1)j与预设的面积 变化阈值之间的关系， 其中dA(i+1)jA(i+1)j-Aij， 若所述面积变化率dA(i+1)j小于所述面积变 化阈值， 则所述连通区域为缺陷区域。 13.根据权利要求12所述的屏幕的检测装置， 其特征 在于， 所述基于灰度阈值Mi对所述融合图像进行阈值分割得到二值图像Pi包括： 0047 对于所述融合图像中的每一个像素点， 判断其灰度值是否大于灰度阈值Mi， 若是， 将该像素点的灰度值设置为第一灰度值， 否则设置为第二灰度值。 0048 可选的。

25、， 所述对所述缺陷像素点进行缺陷判定， 获得所述缺陷像素点的类别包括： 0049 获取所述外包围多边形的中心像素点的中心点灰度值以及各个边角像素点的边 角点灰度值， 并计算边角点灰度值的平均灰度值； 0050 判断所述平均灰度值与所述中心点灰度值的关系， 若所述平均灰度值小于所述中 心点灰度值， 则所述缺陷像素点为亮缺陷； 若所述平均灰度值大于所述中心点灰度值， 则所 述缺陷像素点为暗缺陷。 0051 本发明实施例的第三个方面提供一种电子设备， 包括存储器、 处理器及存储在存 储器上并可在处理器上运行的计算机程序， 所述处理器执行所述程序时实现如上述任意一 项所述的屏幕的检测方法。 0052 。

26、本发明实施例的第四个方面提供一种非暂态计算机可读存储介质， 所述非暂态计 算机可读存储介质存储计算机指令， 所述计算机指令用于使所述计算机执行如上述任意一 项所述屏幕的检测方法。 0053 从上面所述可以看出， 本发明提供的屏幕的检测方法、 装置、 电子设备及计算机可 读存储介质， 通过伽柏滤波对融合图像进行处理， 之后将获得的多张滤波图像融合， 根据融 合图像获取灰度阈值， 基于该灰度阈值对融合图像进行分割并根据分割后的融合图像进行 缺陷检测从而获得待检测屏幕中有缺陷的子像素， 由于是基于融合图像本身获取的灰度阈 值进行检测， 不需要与其他屏幕图像进行比较， 避免出现因受到环境光强、 屏幕自。

27、身亮度等 因素影响使得获得的屏幕图像本身就具有差异性影响检测效果的问题， 提高屏幕缺陷检测 的精度， 为屏幕出厂质量检测和后续工艺改善提供可靠的依据。 说明书 3/10 页 7 CN 111340752 A 7 附图说明 0054 为了更清楚地说明本发明实施例或现有技术中的技术方案， 下面将对实施例或现 有技术描述中所需要使用的附图作简单地介绍， 显而易见地， 下面描述中的附图仅仅是本 发明的一些实施例， 对于本领域普通技术人员来讲， 在不付出创造性劳动的前提下， 还可以 根据这些附图获得其他的附图。 0055 图1为本发明实施例屏幕检测方法的第一流程示意图； 0056 图2为本发明实施例待检。

28、测屏幕的图像示意图； 0057 图3为本发明实施例屏幕检测方法的第二流程示意图； 0058 图4a为本发明实施例第一缺陷区域灰度图； 0059 图4b为本发明实施例第一缺陷区域经聚类计算后的示意图； 0060 图4c为本发明实施例第二缺陷区域灰度图； 0061 图4d为本发明实施例第二缺陷区域聚类计算后的示意图； 0062 图5a为本发明实施例亮缺陷示意图； 0063 图5b为本发明实施例暗缺陷示意图； 0064 图6为本发明实施例屏幕检测装置的结构示意图； 0065 图7为本发明实施例电子设备硬件结构示意图。 具体实施方式 0066 为使本发明的目的、 技术方案和优点更加清楚明白， 以下结合。

29、具体实施例， 并参照 附图， 对本发明进一步详细说明。 0067 需要说明的是， 除非另外定义， 本发明实施例使用的技术术语或者科学术语应当 为本公开所属领域内具有一般技能的人士所理解的通常意义。 本公开中使用的 “第一” 、“第 二” 以及类似的词语并不表示任何顺序、 数量或者重要性， 而只是用来区分不同的组成部 分。“包括” 或者 “包含” 等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后 面列举的元件或者物件及其等同， 而不排除其他元件或者物件。“连接” 或者 “相连” 等类似 的词语并非限定于物理的或者机械的连接， 而是可以包括电性的连接， 不管是直接的还是 间接的。“上” 。

30、、“下” 、“左” 、“右” 等仅用于表示相对位置关系， 当被描述对象的绝对位置改变 后， 则该相对位置关系也可能相应地改变。 0068 现有技术中在进行屏幕检测时， 首先基于一个无缺陷屏幕的图像来获取分割阈值 范围， 之后获得待检测屏幕图像的灰度值范围， 根据无缺陷屏幕图像的分割阈值范围以及 待检测屏幕图像的灰度值范围的比较结果来确定待检测屏幕是否具有缺陷。 由于是与一个 无缺陷屏幕的图像进行比较， 获取到的无缺陷屏幕的图像时可能受到如环境光强、 屏幕自 身亮度等因素的影响， 导致获得的无缺陷屏幕的图像以及待检测屏幕图像本身就具有一定 差异性， 基于该无缺陷屏幕的图像的分割阈值范围进行缺陷判。

31、定将导致缺陷判定结果不够 精确。 0069 基于上述理由， 本发明实施例的第一个方面提出一种屏幕的检测方法， 如图1所 示， 该方法包括： 0070 步骤101， 获取待检测屏幕的图像。 0071 可选的， 所述待检测屏幕的图像为工业相机拍摄的显示面板的屏幕图像。 点亮屏 说明书 4/10 页 8 CN 111340752 A 8 幕后， 利用高分辨率工业相机对屏幕进行垂直拍摄， 获取屏幕子像素级别的高清图像， 如图 2所示。 0072 步骤102， 对所获得的待检测屏幕的图像进行伽柏滤波， 得到多个伽柏滤波图像。 0073 可选的， 通过对待检测屏幕的图像进行伽柏滤波， 并得到多个伽柏滤波图。

32、像， 将该 待检测屏幕的图像的纹理特征进行分离， 并分别提取至多个伽柏滤波图像中。 由于伽柏滤 波器在纹理特征的分离及提取上具有较好的效果， 因此上述屏幕的检测方法对待检测屏幕 的图像的纹理特征的分离和提取效果较好， 从而使后续根据上述伽柏滤波图像进行图像融 合后， 所得到的融合图像较为准确， 根据该融合图像进行缺陷检测获得的检测结果也较为 准确， 也即提高了缺陷检测的准确度。 0074 步骤103， 对所述多个伽柏滤波图像进行图像融合， 得到融合图像。 0075 步骤104， 基于不同的灰度阈值对所述融合图像进行分割， 根据分割后的所述融合 图像进行缺陷检测， 获得所述待检测屏幕中有缺陷的子。

33、像素； 其中， 所述灰度阈值的取值范 围为所述融合图像的灰度值范围。 0076 本实施例中， 通过伽柏滤波对融合图像进行处理， 之后将获得的多张滤波图像融 合， 根据融合图像获取灰度阈值， 基于该灰度阈值对融合图像进行分割并根据分割后的融 合图像进行缺陷检测从而获得待检测屏幕中有缺陷的子像素， 由于是基于融合图像本身获 取的灰度阈值进行检测， 不需要与其他屏幕图像进行比较， 避免出现因受到环境光强、 屏幕 自身亮度等因素影响使得获得的屏幕图像本身就具有差异性影响检测效果的问题， 提高屏 幕缺陷检测的精度， 为屏幕出厂质量检测和后续工艺改善提供可靠的依据。 0077 在一些可选的实施例中， 步骤。

34、102中所述对所获得的待检测屏幕的图像进行伽柏 滤波， 得到多个伽柏滤波图像包括： 0078 对所获得的待检测屏幕的图像分别进行第一方向以及第二方向的伽柏滤波， 得到 第一伽柏滤波图像以及第二伽柏滤波图像， 所述第一方向与所述第二方向垂直； 其中， 获得 所述第一伽柏滤波图像的伽柏滤波器的波长为待检测屏幕的图像在第一方向上的子像素 间隔， 获得所述第二伽柏滤波图像的伽柏滤波器的波长为待检测屏幕的图像在第二方向上 的子像素间隔。 0079 现有技术中使用多个方向多个波长的滤波方法对待检测屏幕的图像进行滤波获 得多个滤波图像， 例如在一些现有技术中需要获得12个不同方向不同波长的伽柏滤波图像 再进。

35、行融合， 这导致整个算法的运行效率低下。 而本申请只需通过两张滤波图像即可实现 屏幕像素的检测， 提高了检测效率； 同时， 由于后续步骤基于融合图像本身进行检测， 不需 与其他图像进行比对， 因此并未降低检测精度， 提高了检测效果。 0080 可选的， 采用第一滤波器以及第二滤波器分别对待检测屏幕的图像进行滤波得到 第一伽柏滤波图像以及第二伽柏滤波图像。 其中， 第一方向为待检测屏幕的图像的横向， 第 二方向为待检测屏幕的图像的纵向， 子像素间隔指相邻两个子像素中心之间的距离。 即第 一伽柏滤波器的滤波角度 190 ， 波长为待检测屏幕的图像横向上相邻两个子像素中心 之间的距离； 第二伽柏滤波。

36、器的滤波角度 20 ， 波长为待检测屏幕的图像纵向上相邻两 个子像素中心之间的距离。 0081 在一些可选的实施例中， 步骤103中所述对所述多个伽柏滤波图像进行图像融合， 得到融合图像包括： 说明书 5/10 页 9 CN 111340752 A 9 0082 采用平方融合法对所述两个伽柏滤波图像进行图像融合， 所述平方融合法的公式 为， 0083 0084 其中， I表示所述融合图像中的灰度值， I1表示所述第一伽柏滤波图像的灰度值， I2 表示所述第二伽柏滤波图像的灰度值。 0085 在本实施例中， 通过简单的平方融合法对第一伽柏滤波图像以及第二伽柏滤波图 像进行图像融合， 该图像融合方。

37、法简单方便， 能够提升整个图像检测算法的检测效率。 可选 的， 在有需要的情况下， 还可选择其他加权平均方法、 贝叶斯估计方法以及聚类分析方法等 图像融合方法进行图像融合。 0086 在另一些可选的实施例中， 如图3所示， 步骤104中所述基于灰度阈值对所述融合 图像进行分割， 根据分割后的所述融合图像进行缺陷检测， 获得所述待检测屏幕中有缺陷 的子像素包括： 0087 步骤201， 基于每个灰度阈值对所述融合图像进行阈值分割， 获得与所述灰度阈值 一一对应的多个二值图像， 基于所述多个二值图像获得缺陷区域。 0088 可选的， 步骤201进一步包括： 0089 步骤301， 获取所述融合图像。

38、的最小灰度值Mmin以及最大灰度值Mmax。 0090 步骤302， 在所述最小灰度值Mmin和最大灰度值Mmax之间按照预设的步长依次选取 灰度阈值Mi， 其中MminMiMmax。 0091 可选的， 基于灰度阈值Mi对所述融合图像进行阈值分割得到二值图像Pi， 其中i 1,2,3,m。 在本实施例中， 选取到的灰度阈值共有m个， 基于每个灰度阈值进行分割会得到 一个对应的二值图像， 故共得到m个二值图像。 当步长选择较大时， 分割得到的二值图像的 数量少， 整个算法的运行效率会提高； 当步长选择较小时， 分割得到的二值图像的数量少， 后续进行缺陷判定得到的结果更加准确。 因此可以根据实际。

39、的需要选择合适的步长大小， 或者可以根据需要调整步长的大小。 0092 步骤303， 基于灰度阈值Mi对所述融合图像进行阈值分割得到二值图像Pi， 其中i 1,2,3,m。 0093 可选的， 对于融合图像中的每一个像素点， 判断其灰度值是否大于灰度阈值Mi， 若 是， 将该像素点的灰度值设置为第一灰度值， 否则设置为第二灰度值。 其中， 第一灰度值为 255， 第二灰度值为0； 或者第一灰度值为0， 第二灰度值为255。 0094 步骤304， 计算所述二值图像Pi中的连通区域的面积Aij， 其中j1,2,3,n。 可选 的， 可以基于第一灰度值获得连通区域， 或者也可以基于第二灰度值获得连。

40、通区域， 同时需 要计算各个二值图像中全部的连通区域以便于后续缺陷判定。 0095 步骤305， 对于灰度阈值Mi， 判断每一个连通区域A(i+1)j的面积变化率dA(i+1)j与预 设的面积变化阈值之间的关系， 其中dA(i+1)jA(i+1)j-Aij， 若所述面积变化率dA(i+1)j小于所 述面积变化阈值， 则所述连通区域为缺陷区域。 0096 对于待检测屏幕的图像， 当其不具有缺陷时， 其灰度值会逐渐变化， 在这种情况下 基于逐渐变化的灰度阈值进行分割获得二值图像时， 该二值图像的某一连通区域的面积也 会不断地变化。 而对于有缺陷的区域， 无论是亮缺陷还是暗缺陷， 缺陷区域边缘处与周。

41、边的 说明书 6/10 页 10 CN 111340752 A 10 无缺陷区域的亮度会有较大差异， 即灰度值会存在很大的差别， 在这种情况下基于逐渐变 化的灰度阈值进行分割获得二值图像时， 当灰度阈值的取值在某一个范围内时， 该二值图 像的某一连通区域的面积会相对稳定。 举例说明， 假设待检测屏幕的图像的某一缺陷区域 的灰度值为200， 无缺陷区域的灰度值为150， 基于灰度阈值进行分割时步长选择2， 则在灰 度阈值取值在152-198之间时， 该处连通区域的面积是稳定的， 连通区域的边缘是清晰的。 因此， 当出现连通区域的面积变化率dA(i+1)j小于预设的面积变化阈值时， 可判定此处为缺。

42、 陷区域。 可选的， 面积变化阈值可以根据实际需求选择。 0097 步骤202， 获取所述缺陷区域的外包围多边形， 对所述外包围多边形进行聚类计 算， 获得缺陷像素点。 可选的， 外包围多边形可以为外包围矩形， 也可以根据需要选择其他 多边形， 如三角形、 五边形等。 0098 在本实施例中， 对步骤201中获得的全部缺陷区域进行处理得到外包围多边形， 如 图4a、 图4c所示。 之后在每一个外包围多边形中使用聚类算法进行聚类计算， 获得更加准确 的缺陷区域的轮廓， 如图4b、 图4d所示， 即得到缺陷像素点的准确位置。 在本实施例中， 聚类 算法可选用k均值聚类算法(k-means clus。

43、tering algorithm)等。 且在本实施例中只有缺 陷和背景两类(即k2)， 同时由于外包围多边形的面积一般都比较小， 因此进行聚类计算 时其算法运行速度很快， 可以提高屏幕的检测效率。 0099 步骤203， 对所述缺陷像素点进行缺陷判定， 获得所述缺陷像素点的类别。 0100 可选的， 步骤203进一步包括： 0101 步骤401， 获取所述外包围多边形的中心像素点的中心点灰度值以及各个边角像 素点的边角点灰度值， 并计算边角点灰度值的平均灰度值。 其中， 边角点灰度值即为外包围 多边形的相邻两条边之间的夹角处的像素点的灰度值。 在一个可选的实施例中， 当外包围 多边形为外包围矩。

44、形时， 获得该外包围矩形四个角的像素的灰度值pixel左上、 pixel右上、 pixel左 下、 pixel右 下， 并求其平均灰度值。 0102 步骤402， 判断所述平均灰度值与所述中心点灰度值的关系， 若所述平均灰度值小 于所述中心点灰度值， 则所述缺陷像素点为亮缺陷； 若所述平均灰度值大于所述中心点灰 度值， 则所述缺陷像素点为暗缺陷。 0103 在本实施例中， 由于外包围多边形的中心像素点处于缺陷区域， 各个边角点处于 非缺陷区域， 因此若边角点灰度值的平均灰度值小于中心点灰度值， 则该缺陷区域的亮度 高于非缺陷区域的亮度， 即该处的缺陷像素点为亮缺陷， 如图5a所示， 缺陷区域5。

45、1即为亮缺 陷。 同理， 若边角点灰度值的平均灰度值大于中心点灰度值， 则该缺陷区域的亮度低于非缺 陷区域的亮度， 即该处的缺陷像素点为暗缺陷， 如图5b所示， 缺陷区域52即为暗缺陷。 通过 本实施例所述方法可以简单方便的判断出缺陷像素点的类别， 从而确认待检测屏幕中的有 缺陷的子像素的缺陷类别。 0104 在另一些可选的实施例中， 步骤103与步骤104之间还包括： 0105 以所述融合图像中任一像素点为中心， 获取其邻域范围内的多个相邻像素点， 计 算所述多个相邻像素点的像素值方差， 并将所述像素值方差替换为该中心像素点的像素 值。 在一个具体的实施例中， 对融合图像中的像素点pixel。

46、中 心选取其5x5邻域内的25个像素 点， 计算这25个像素点的方差值最后利用方差值取代中心的像素点的像素值 pixel中 心， 通过这种方法利用像素间的差异性来消除背景的不均匀性， 从而使得后续的缺陷 说明书 7/10 页 11 CN 111340752 A 11 检测更加准确、 有效。 0106 需要说明的是， 本发明实施例所述屏幕的检测方法可以由单个设备执行， 例如一 台计算机或服务器等。 本实施例的方法也可以应用于分布式场景下， 由多台设备相互配合 来完成。 在这种分布式场景的情况下， 这多台设备中的一台设备可以只执行本发明实施例 的方法中的某一个或多个步骤， 这多台设备相互之间会进行。

47、交互以完成所述的方法。 0107 本发明实施例的第二个方面提出一种屏幕的检测装置， 如图6所示， 包括： 0108 图像获取模块11， 用于获取待检测屏幕的图像。 0109 滤波模块12， 用于对所获得的待检测屏幕的图像进行伽柏滤波， 得到多个伽柏滤 波图像。 0110 图像融合模块13， 用于对所述多个伽柏滤波图像进行图像融合， 得到融合图像。 0111 缺陷检测模块14， 用于基于不同的灰度阈值对所述融合图像进行分割， 根据分割 后的所述融合图像进行缺陷检测， 获得所述待检测屏幕中有缺陷的子像素； 所述灰度阈值 的取值范围为所述融合图像的灰度值范围。 0112 可选的， 所述滤波模块12还。

48、用于实现： 对所获得的待检测屏幕的图像分别进行第 一方向以及第二方向的伽柏滤波， 得到第一伽柏滤波图像以及第二伽柏滤波图像； 其中， 所 述第一方向与所述第二方向垂直； 其中， 获得所述第一伽柏滤波图像的伽柏滤波器的波长 为待检测屏幕的图像在第一方向上的子像素间隔； 获得所述第二伽柏滤波图像的伽柏滤波 器的波长为待检测屏幕的图像在第二方向上的子像素间隔。 0113 可选的， 所述图像融合模块13还用于实现： 0114 采用平方融合法对所述两个伽柏滤波图像进行图像融合， 所述平方融合法的公式 为， 0115 0116 其中， I表示所述融合图像中的灰度值， I1表示所述第一伽柏滤波图像的灰度值，。

49、 I2 表示所述第二伽柏滤波图像的灰度值。 0117 可选的， 所述缺陷检测模块14还用于实现： 0118 基于每个灰度阈值对所述融合图像进行阈值分割， 获得与所述灰度阈值一一对应 的多个二值图像， 基于所述多个二值图像获得缺陷区域； 0119 获取所述缺陷区域的外包围多边形， 对所述外包围多边形进行聚类计算， 获得缺 陷像素点； 0120 对所述缺陷像素点进行缺陷判定， 获得所述缺陷像素点的类别。 0121 可选的， 所述基于每个灰度阈值对所述融合图像进行阈值分割， 获得与所述灰度 阈值一一对应的多个二值图像， 基于所述多个二值图像获得缺陷区域包括： 0122 获取所述融合图像的最小灰度值以。

50、及最大灰度值； 0123 在所述最小灰度值和最大灰度值之间按照预设的步长依次选取灰度阈值Mi， 基于 灰度阈值Mi对所述融合图像进行阈值分割得到二值图像Pi， 其中i1,2,3,m； 0124 计算所述二值图像Pi中的连通区域的面积Aij， 其中j1,2,3,n； 0125 对于灰度阈值Mi， 判断每一个连通区域A(i+1)j的面积变化率dA(i+1)j与预设的面积 变化阈值之间的关系， 其中dA(i+1)jA(i+1)j-Aij， 若所述面积变化率dA(i+1)j小于所述面积变 说明书 8/10 页 12 CN 111340752 A 12 化阈值， 则所述连通区域为缺陷区域。 0126 可。