一种基于纹理特征的液晶面板外围电路检测方法和系统

技术领域

本发明涉及AOI（自动光学检测）领域，尤其涉及一种基于纹理特征的液晶面板外围电路检测方法和系统。

背景技术

自动光学检测具有自动化、高性能等优点，不需要或需要比较少的人为干预，在工业测试与在线检测领域具有广泛的应用前景。TFT液晶面板生产过程中不可避免的产生缺陷，如印刷电路断路、短路，杂物遗留、划痕、脏污等。但是这些缺陷大部分是人工无法检测的，若不在前端解决，待产品生产后只能作为不良品，严重影响产品的良品率。由此可见使用自动光学在前端对液晶面板进行缺陷检测，是目前液晶面板行业不可或缺的关键步骤之一。

TFT式显示屏检测区域主要分为面内区域和面外区域，面内通常由规则的晶元排列而成，面外很多区域电路排布没有规则，而且玻璃的不同区域有时会存在较大的膜色差异，因此面外区域缺陷检测较为困难。面外区域虽然没有规则，不同panel的相同区域灰度差异可能比较大，但是每个panel印刷电路排布完全相同，因此可以使用对应区域的纹理特征来检测。

发明内容

本发明提出一种稳定的根据纹理特征距离差进行异常值和缺陷点检测的方法。

虽然某些检测区域不规则，不同样本的膜色差异较大，但是电路分布完全相同，因此可以通过考虑纹理特征来区分；缺陷点局部纹理特征值与其他正常数据点局部纹理特征值在某些特征值上会有较大差异。基于这种特性，本发明引入使用局部纹理特征向量，通过比较数据点的局部纹理特征向量来计算数据的差异性，进而判断是否为缺陷。

具体的，根据本发明的第一个方面，本发明提供了一种基于纹理特征的液晶面板外围电路检测方法，包括以下步骤：

获取待检测样本图像；

对所述待检测样本图像进行预处理，包括：根据输入的区域标定信息，获取需要检测的感兴趣区域图像，对获取到的感兴趣区域图像做滤波处理，去除图像中的噪声，得到参考图像，将所述参考图像和待检测样本图像做坐标对位；

将预处理后的待检测样本图像做灰度等级化处理，得到灰度等级化矩阵；

根据所述灰度等级化矩阵提取方向纹理特征矩阵，并计算特征向量；

计算每个检测点的特征向量与参考数据的特征向量的距离，所述参考数据为所述参考图像中与所述检测点对应的参考点；

通过所述距离判断当前检测点是否异常。

进一步地，所述对图像数据进行高斯滤波、图像对位。高斯滤波选择核大小为3*3，标准差为0.8的小数型模板，公式如下：

高斯滤波后将参考图像与检测图像做坐标对位，公式如下：

进一步地，所述以每个检测点为中心，以半径r外扩一个固定尺寸窗口为一个检测单元。并对每个检测单元做灰度等级化处理，具体实现方法是：给定一个单元检测图像I(x，y)，其灰度等级化矩阵HI(x，y)定义为：

HI(x,y)= (I(x,y)*CLAN) / 256

CLAN为灰度等级化级数。

进一步地，所述提取方向纹理特征矩阵、计算特征向量，包括：计算方向纹理特征矩阵，通过方向纹理特征矩阵统计主要特征向量，并合并生成图像数据的主要特征向量。

进一步地，计算灰度等级化矩阵的方向纹理特征矩阵，定义d为特征统计距离。定义TCM(i,j)为图像的方向特征矩阵，计算公式为：

其中j,i分表表示纹理特征矩阵的行坐标和列坐标，

进一步地，计算方向纹理特征矩阵的主要特征向量，包括但不限于以下特征：

图像信息量的随机性度量特征IENT，IENT定义为：

图像纹理粗细度IASM，IASM定义为：

图像对比度ICON，ICON定义为：

图像局部纹理变化度IRVA， IRVA定义为：

则当前检测点(x,y)的特征向量表示为

进一步地，所述计算检测点(x,y)的特征向量与参考数据的特征向量的距离Dec(x,y)，使用canerra距离，Dec(x,y)定义为：

其中MaxP表示特征向量的维数。

根据本发明的第二个方面，还提供了一种基于纹理特征的液晶面板外围电路检测系统，包括：

图像获取模块，用于获取待检测样本图像；

预处理模块，用于对所述待检测样本图像进行预处理，包括：根据输入的区域标定信息，获取需要检测的感兴趣区域图像，对获取到的感兴趣区域图像做滤波处理，去除图像中的噪声，得到参考图像，将所述参考图像和待检测样本图像做坐标对位；

灰度等级化模块，用于将预处理后的待检测样本图像做灰度等级化处理，得到灰度等级化矩阵；

方向纹理提取模块，用于根据所述灰度等级化矩阵提取方向纹理特征矩阵，并计算特征向量；

特征向量计算模块，用于计算每个检测点的特征向量与参考数据的特征向量的距离，所述参考数据为所述参考图像中与所述检测点对应的参考点；

异常判断模块，用于通过所述距离判断当前检测点是否异常。

与现有技术相比，本发明的有益效果是通过待检测区域的局部纹理特征来判定其异常性，不受打光、膜色差异影响，检测稳定性较好，由于局部纹理特征统计，因此本发明可以适用于图像存在少量畸变的情况；本发明还可以进一步扩充，使得利用此方法来适应更多的待检测异常。

附图说明

在附图中，除非另外规定，否则贯穿多个附图相同的附图标记表示相同或相似的部件或元素。这些附图不一定是按照比例绘制的。应该理解，这些附图仅描绘了根据本申请公开的一些实施方式，而不应将其视为是对本申请范围的限制。

图1为本发明的一种基于纹理特征的液晶面板外围电路检测方法流程图；

图2为本发明的提取用于图像纹理特征缺陷检测的数据集示意图；

图3为本发明的缺陷原图区域、参考图像与检测结果图；

图4示出了本申请一实施例所提供的一种电子设备的结构示意图；

图5示出了本申请一实施例所提供的一种存储介质的示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

本发明首先在采集到的图像中定位到检测区域，对检测图像做高斯滤波和坐标对位预处理。然后对每个检测点所在窗口进行灰度等级化处理，提取检测点的方向纹理特征矩阵，并计算特征向量；最后通过计算检测点的局部纹理特征向量与参考数据的纹理特征向量距离来判定检测单元是否有异常。本发明基于纹理特征进行异常性检测，可以有效的抗光照、膜色差异，具有较好的稳定性。

如图1所示，本发明的目标是检测对象存在较大的膜色差异缺点。计算过程如下：

1. 图像采集

利用图像采集设备获取待检测屏幕的图像。然后进行图像预处理，包括去噪处理和坐标校正。

2. 去噪处理及坐标对位

通过图像采集设备获取到的图像，接收到图像后，首先根据输入的区域标定信息，获取需要检测的感兴趣区域。对获取到的感兴趣区域图像做滤波处理，去除图像中的噪声，这里选用高斯滤波，核大小为3*3，标准差为0.8的小数型模板，公式如下：

其中，I(x,y)为原始图像，G（x，y）为高斯滤波后图像，由于每次采集的图像或多或少会有些偏差，为了得到更精准的检测结果，需要将高斯滤波后的参考图像与检测图像做坐标对位，定义OFFSET(x,y)为参考图与待检测图的坐标相对位置关系函数，计算公式如下：

其中

对位的方法有很多，这里不做限定。

3. .灰度等级化处理

以每个检测点为中心，以半径r外扩一个固定尺寸窗口w为一个检测单元。本实例中r=3。；对每个检测单元做灰度等级化处理，具体实现方法是：给定一个单元检测图像I(x，y)，其灰度等级化矩阵HI(x，y)定义为：

HI(x,y）= ( I(x,y）* CLAN) / 256

CLAN为灰度等级化级数，本实例中CLAN=16。

4. 提取方向纹理特征矩阵、计算特征向量

首先计算方向纹理特征矩阵，本实例选取水平、垂直、对角三个方向提取纹理特征矩阵，计算公式分别如下：

水平方向：

垂直方向：

对角方向：

其中

然后利用各方向纹理特征矩阵计算对应的特征向量。本示例中主要使用以下几个特征：

图像信息量的随机性度量特征IENT，IENT定义为：

图像纹理粗细度IASM，IASM定义为：

图像对比度ICON，ICON定义为：

图像局部纹理变化度IRVA， IRVA定义为：

则当前单元的特征向量表示为

5. 计算特征向量距离

计算每一检测点的特征向量与参考数据的特征向量的距离，本发明使用Canerra距离，定义为：

其中MaxP表示特征向量的维数，本示例中为12。

6. 标记并输出结果

最后通过标记功能标记每个检测单元，标记函数为：

Flag(x,y) 值为255时表示该点为异常点，否则为正常点。

图3为本发明的缺陷原图区域、参照图与检测结果图。由图3看出，本发明通过待局部纹理特征向量距离来判定其异常性，稳定性好，由于局部纹理特征统计，因此本发明可以适用于图像存在少量畸变的情况；本发明还可以进一步扩充，使得利用此方法来适应更多的待检测异常。

本发明是以检测数据纹理特征与参考数据的局部特征分布距离差来判定检测点的奇异性，最终实现缺陷的检测。在高精度视觉测量要求行业有着极大的应用价值；本发明还可以进一步扩充，使得利用此方法来适应更多的待测特征（平板显示产品的缺陷检测，PCB缺陷检测等）的测量。

申请实施例提供了一种基于纹理特征的液晶面板外围电路检测系统，该系统用于执行上述实施例所述的基于纹理特征的液晶面板外围电路检测方法，该系统包括：

图像获取模块，用于获取待检测样本图像；

预处理模块，用于对所述待检测样本图像进行预处理，包括：根据输入的区域标定信息，获取需要检测的感兴趣区域图像，对获取到的感兴趣区域图像做滤波处理，去除图像中的噪声，得到参考图像，将所述参考图像和待检测样本图像做坐标对位；

灰度等级化模块，用于将预处理后的待检测样本图像做灰度等级化处理，得到灰度等级化矩阵；

方向纹理提取模块，用于根据所述灰度等级化矩阵提取方向纹理特征矩阵，并计算特征向量；

特征向量计算模块，用于计算每个检测点的特征向量与参考数据的特征向量的距离，所述参考数据为所述参考图像中与所述检测点对应的参考点；

异常判断模块，用于通过所述距离判断当前检测点是否异常。

本申请的上述实施例提供的基于纹理特征的液晶面板外围电路检测系统与本申请实施例提供的基于纹理特征的液晶面板外围电路检测方法出于相同的发明构思，具有与其存储的应用程序所采用、运行或实现的方法相同的有益效果。

本申请实施方式还提供一种与前述实施方式所提供的基于纹理特征的液晶面板外围电路检测方法对应的电子设备，以执行上基于纹理特征的液晶面板外围电路检测方法。本申请实施例不做限定。

请参考图4，其示出了本申请的一些实施方式所提供的一种电子设备的示意图。如图4所示，所述电子设备2包括：处理器200，存储器201，总线202和通信接口203，所述处理器200、通信接口203和存储器201通过总线202连接；所述存储器201中存储有可在所述处理器200上运行的计算机程序，所述处理器200运行所述计算机程序时执行本申请前述任一实施方式所提供的基于纹理特征的液晶面板外围电路检测方法。

其中，存储器201可能包含高速随机存取存储器（RAM：Random Access Memory），也可能还包括非不稳定的存储器（non-volatile memory），例如至少一个磁盘存储器。通过至少一个通信接口203（可以是有线或者无线）实现该系统网元与至少一个其他网元之间的通信连接，可以使用互联网、广域网、本地网、城域网等。

总线202可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。其中，存储器201用于存储程序，所述处理器200在接收到执行指令后，执行所述程序，前述本申请实施例任一实施方式揭示的所述基于纹理特征的液晶面板外围电路检测方法可以应用于处理器200中，或者由处理器200实现。

处理器200可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器200中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器200可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器201，处理器200读取存储器201中的信息，结合其硬件完成上述方法的步骤。

本申请实施例提供的电子设备与本申请实施例提供的基于纹理特征的液晶面板外围电路检测方法出于相同的发明构思，具有与其采用、运行或实现的方法相同的有益效果。

本申请实施方式还提供一种与前述实施方式所提供的基于纹理特征的液晶面板外围电路检测方法对应的计算机可读存储介质，请参考图5，其示出的计算机可读存储介质为光盘30，其上存储有计算机程序（即程序产品），所述计算机程序在被处理器运行时，会执行前述任意实施方式所提供的基于纹理特征的液晶面板外围电路检测方法。

需要说明的是，所述计算机可读存储介质的例子还可以包括，但不限于相变内存(PRAM)、静态随机存取存储器 (SRAM)、动态随机存取存储器 (DRAM)、其他类型的随机存取存储器 (RAM)、只读存储器 (ROM)、电可擦除可编程只读存储器 (EEPROM)、快闪记忆体或其他光学、磁性存储介质，在此不再一一赘述。

本申请的上述实施例提供的计算机可读存储介质与本申请实施例提供的基于纹理特征的液晶面板外围电路检测方法出于相同的发明构思，具有与其存储的应用程序所采用、运行或实现的方法相同的有益效果。

需要说明的是：

在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备有固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本申请也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本申请的内容，并且上面对特定语言所做的描述是为了披露本申请的最佳实施方式。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本申请的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。