一种LCD显示面板质量检测方法与流程

本技术涉及图像处理，具体涉及一种lcd显示面板质量检测方法。

背景技术：

1、在lcd液晶显示器的生产领域，缺陷检测是维护产品质量的关键步骤。在lcd液晶显示器屏幕的生产与质量控制流程中，mura缺陷的检测是保证产品质量和用户视觉体验的要素之一，能以微妙的亮度变化或色斑的形式出现在lcd屏幕上。由于这些缺陷可能非常细微，以至于不易被简单的自动化方法检测得到。

2、ca显著性检测算法能够更好地理解图像内容和上下文信息，使得检测结果更接近于人眼对显著区域的感知。在lcd缺陷检测系统中，ca算法的应用能够显著提升缺陷的检出率，尤其是在复杂背景或者缺陷特征不明显的情况下。但是在进行ca显著性检测的过程中，通常采用预设的尺度计算显著值，但是lcd屏幕图像中的mura缺陷在不同尺度表现信息的程度不同，若选取不合适的尺度会使得显著图中的显著性值的计算出现误差，特别是表现信息程度较差的尺度会将缺陷特征之外的无用信息计算在内，导致lcd显示面板的缺陷检测精度较差。

技术实现思路

1、为了解决上述技术问题，本发明提供一种lcd显示面板质量检测方法，以解决现有的问题。

2、本发明的一种lcd显示面板质量检测方法采用如下技术方案：

3、本发明一个实施例提供了一种lcd显示面板质量检测方法，该方法包括以下步骤：

4、步骤s10，采集lcd屏幕图像；

5、步骤s20，根据lcd屏幕图像中各像素点的灰度值获得各像素点的邻域近似点；根据各像素点的邻域近似点与相邻的像素点之间的灰度值差异，获取特征像素点；

6、步骤s30，根据特征像素点的各邻域近似点邻域的灰度分布差异，获得ca显著性检测算法中各预设尺度的优选程度，所述各预设尺度的优选程度的获取包括：

7、步骤s31，根据特征像素点的各邻域近似点邻域的灰度分布差异获得特征像素点的影响区域及影响区域权重；

8、步骤s32，对lcd屏幕图像进行ca显著性检测，获得各预设尺度变化后的图像；

9、步骤s33，根据特征像素点的影响区域内像素点在预设尺度变化后的图像中的灰度值，获得离散信息分布随机程度以及细节信息变化程度；

10、步骤s34，根据所有特征像素点的影响区域权重、离散信息分布随机程度、细节信息变化程度，获取各预设尺度的优选程度；

11、步骤s40，根据各预设尺度的优选程度获得mura缺陷的标注结果。

12、进一步，所述根据lcd屏幕图像中各像素点的灰度值获得各像素点的邻域近似点，包括：

13、对于lcd屏幕图像中的各像素点，分别计算像素点的灰度值与像素点的各个八邻域像素点的灰度值的差值绝对值，将所述差值绝对值小于预设灰度差阈值的八邻域像素点记为像素点的邻域近似点。

14、进一步，所述获取特征像素点，包括：

15、对于像素点的各邻域近似点，根据邻域近似点与其八邻域像素点的灰度值差异，获得各邻域近似点的第二像素点序列；

16、获取像素点的各邻域近似点的第二像素点序列的八连通链码；计算任意两个邻域近似点的所述八连通链码之间的动态时间规整距离；获取以自然常数为底数，所述动态时间规整距离的相反数为指数的指数函数；获取像素点的所有所述指数函数的计算结果的均值；

17、统计像素点的预设邻域窗口内第二像素点的数量，将所述数量与所述邻域窗口中包含的像素点的数量的比值，记为像素点的邻域第二像素点密度；将像素点的邻域第二像素点密度与所述均值的乘积作为像素点的源点特征显著度；

18、获取各像素点的源点特征显著度的归一化值，将所述归一化值大于预设源点特征显著度阈值的像素点作为特征像素点。

19、进一步，所述获得各邻域近似点的第二像素点序列，包括：

20、计算邻域近似点与其各个八邻域像素点的灰度值的差值绝对值，记为第一差值绝对值；将第一差值绝对值小于灰度差阈值，且最接近灰度差阈值的八邻域像素点，作为邻域近似点的第二像素点；对所述第二像素点的八邻域像素点，重复第二像素点选择操作，获得所述第二像素点的下一个第二像素点，直至所有所述第一差值绝对值大于或等于灰度差阈值，获得所有第二像素点所组成的邻域近似点的第二像素点序列。

21、进一步，所述影响区域的获取方法为：

22、对于各特征像素点，将特征像素点的各邻域近似点的第二像素点序列中与特征像素点的欧氏距离最大的第二像素点，记为各邻域近似点对应的边缘像素点；

23、将特征像素点的所有邻域近似点对应的边缘像素点相连，所组成的闭合区域作为特征像素点的影响区域。

24、进一步，所述影响区域权重的获取方法为：

25、获取特征像素点的影响区域内，各邻域近似点的第二像素点的数量，记为第一数量；获取所有邻域近似点的所述第一数量的最大值；计算第一数量与所述最大值的比值；获取所有邻域近似点的所述比值的平均值；

26、统计特征像素点的影响区域的最小外接矩形中像素点的数量，记为第二数量；获取特征像素点的影响区域中像素点的数量与第二数量的比值，记为第一比值；计算第一比值与1的差值；将所述差值的绝对值与所述平均值乘积作为特征像素点的影响区域权重。

27、进一步，所述离散信息分布随机程度的获取方法为：

28、对于各预设尺度变化后的图像，将图像中的任一特征像素点记为目标点；对于目标点的影响区域内的各像素点，将像素点的八邻域内关于中心像素点对称的两个像素点记为对称像素对；计算对称像素对中两个像素点的灰度值的差值绝对值，记为第二差值绝对值；将像素点的八邻域内所有对称像素对的所述第二差值绝对值的均值，作为像素点的离散性；

29、将离散性的线性归一化值大于离散性阈值的像素点记为离散像素点；统计目标点的影响区域内离散像素点的数量，记为第三数量；将第三数量与目标点的影响区域内像素点的数量的比值作为目标点的影响区域在各预设尺度下的离散信息分布随机程度。

30、进一步，所述细节信息变化程度的获取方法为：

31、在lcd屏幕图像中将各特征像素点的影响区域内所有特征像素点相连构成的图结构记为第一图结构；在各预设尺度变化后的图像中将目标点的影响区域内所有特征像素点相连构成的图结构记为第二图结构；对第一图结构与第二图结构使用最大公共子图算法获得目标点的影响区域在各预设尺度下的细节信息变化程度。

32、进一步，所述获取各预设尺度的优选程度，包括：

33、获取1与所述离散信息分布随机程度的差值，记为第一差值；计算第一差值与目标点的影响区域权重的乘积，记为第一乘积；获取1与目标点的影响区域权重的差值，记为第二差值；计算第二差值与所述细节信息变化程度的乘积，记为第二乘积；计算第一乘积与第二乘积的和值；获取目标点的源点特征显著度与所述和值的乘积，记为第三乘积；

34、将所有特征像素点的所述第三乘积的均值作为各预设尺度的优选程度。

35、进一步，所述根据各预设尺度的优选程度获得mura缺陷的标注结果，包括：

36、计算各预设尺度的优选程度的归一化值，选择所述归一化值大于预设优选程度阈值的尺度对lcd屏幕图像进行ca显著性检测，获得各尺度的显著图；

37、获取预设数量张lcd屏幕图像，对mura缺陷进行标注，将标注后的图像与各尺度的显著图输入cnn神经网络进行训练，获得训练完成的模型；在质量检测时，将lcd屏幕图像与各尺度的显著图输入训练完成的模型，输出mura缺陷的标注结果。

38、本发明至少具有如下有益效果：

39、本发明通过自适应选择ca显著性检测算法中的尺度来精确检测lcd屏幕的mura缺陷，以实现lcd屏幕质量检测。首先，通过分析lcd屏幕上mura缺陷的渐变效应特征，根据lcd屏幕图像上的局部灰度变化，获取每个像素点的源点特征显著度，反映像素点周围的灰度渐变特征，为进一步划分mura缺陷的特征点做铺垫；根据像素点的源点特征显著度，并结合像素点的位置获取若干个最终的特征像素点，与传统的特征点选取算法相比，提高了针对mura缺陷的特征点选取精度；划分最终的特征像素点的影响区域，通过计算最终的特征像素点在各个邻域像素点的方向的变化的稳定性，并结合离散信息分布随机程度以及细节信息变化程度来计算各预设尺度的优选程度，根据各预设尺度的优选程度选取mura缺陷显著的尺度，进行ca显著性检测，避免了传统的ca显著性检测算法中将表现信息程度较差的尺度使得mura缺陷表现出的细微差别被忽视的风险和将无用信息计算在内的缺陷，进而提高了ca显著性检测过程中的显著性检测结果的准确性，以提高lcd屏幕上mura缺陷的检测精度。