（信号与信息处理专业论文）tftlcd液晶显示器表面缺陷检测技术研究.pdf

摘要 薄膜晶体管液晶显示器( t h i nf i l mt r a n s i s t o r - l i q u i dc r y s t a ld i s p l a y ，简称 t f t - l c d ) 具有高分辨率、高亮度和无几何变形等优点，同时由于其体积小、重 量轻和功耗低，因而被广泛的应用在显示器领域。t f t - l c d 的制造过程极其复 杂，需要近百道工序，因此在制造的过程中难免会出现缺陷。对于t f l ：l c d 的 表面缺陷检测，有利于缺陷的统计分析、缺陷修补和淘汰不合格品。 p i n h o l e ( 针孔) ，s c r a t c h ( 抓痕) ，p a r t i c l e ( 微粒) 等缺陷是目前t f l ：l c d 制造过程中常见的缺陷。在图像获取的过程中t f t - l c d 图像出现表面亮度不均 匀，图像内部非周期性是本文要解决的主要难题。同时由于摄像机的分辨率较高， 使得图像数据量非常大，因此，提高系统检测的实时性是本文的另一个目标。 本文通过机器视觉的方法对设计了一个缺陷检测系统对t f t - l c d 进行缺陷 检测。针对亮度不均匀，本首先通过基于“平滑抽样”的处理方法对图像进行区 域划分，从而克服亮度不均匀的不利影响。针对图像的非周期性，采用基于“投 影谷点”的图像分割方法并对区域进行分类，克服了图像内部非周期性的影响， 最后通过特征提取和b p 神经网络实现了对缺陷的检测。 针对摄像头的物理特性带来的不利影响，本文首先通过缩小摄像头与 t f t - l c d 面板之间的距离，减少摄像头对面板的获取范围的方法，在实验方法 上大大减少亮度不均匀和非周期性的影响。 在检测算法的设计上，针对图像亮度不均匀的不利影响，本文从宏观上分析， 提出基于“平滑抽样”的图像区域划分算法，即利用一个象素点来代表图像中的 局部区域，并将该区域平均亮度作为该点的亮度值，利用这种方法不仅可以有效 的通过设定阈值对图像进行分割，同时也有利于提高系统的效率。通过基于。平 滑抽样”的区域划分后，获得了内部亮度均匀的各个小图像，从而克服了图像亮 度不均匀带来的不利影响。 针对图像内部存在非周期性的不利影响，本文从微观上进行分析，采用基于 “投影谷点”的图像第二次分割算法，该算法通过对图像进行“行”和“列”的 投影获取图像的投影曲线，再根据投影曲线获得图像的投影谷点，最后根据图像 广东_ i = 业大学工学硕士学位论文 的内部特点，利用各个投影谷点对图像进行分割，并对分割后的图像进行基于内 部结构相似性的分类，最终有效的克服了图像内部非周期性的不利影响。 通过对分割后的图像区域分析，获得了各个区域的特点，结合图像特征提取 的相关理论，本文通过提取区域的面积和纹理特征作为区域的特征向量，为进行 缺陷检测提供依据。 为了克服不同图像亮度不同以及同一幅图像经过分割后各个小图像亮度不 同给识别算法的阈值设置上带来的困难，本文利用b p 神经网络具有自组织、自 适应和自学习能力的特点，设计了基于b p 算法的神经网络，将归一化后的特征 向量送入网络进行训练，并根据网络的参数对缺陷区域进行有效的识别。最后通 过对正常区域和缺陷的区域的比较，有效的对区域中的缺陷点进行精确定位。 本文通过宏观和微观的分析方法，设计了一个基于机器视觉的检测系统对 t f t - l c d 的表面缺陷进行检测。利用本文提出的基于“平滑抽样”和“投影谷 点”的图像处理方法，有效的克服了图像中存在亮度不均匀和内部非周期性的不 利影响。最后通过对区域的特征提取和神经网络对缺陷进行检测识别。实验证明， 本文设计的检测系统能有效快速的实现对t f t - l c d 表面缺陷的检测。 关键词：t f t - l c d 缺陷检测图像分割m o i r e 缺陷检测l c d 检测 i i a b s t r a c t t h i nf i l mt r a n s i s t o r - l i q u i dc r y s t a ld i s p l a y ( t f t - l c df o rs h o r t ) i sf a n u sf o ri t s l l i g hr e s o l u t i o n , h i g hi l l u m i n a t i o n , a n dn o n - g e o m e t r y - d i s t o r t i o n a n db e c a u s eo fi t s s m a l lb u i lf i g h tw e i g h ta n dl o wp o w e rc o n s u m p t i o n , t f t - l c dn o wi sb e e nw i d e l y u s e di nt h ed i s p l a yf i e l d t h ep r o c e s s i n go fm a k i n gt f t - l c dw h i c hi n c l u d e sn l o r e 1 0 0w o r k i n gp r o c e d u r e si sv e r yc o m p l i c a t e d t h e r e f o r e ，i t sh a r dt oa v o i dt h a tt h e r e a r cs o m ed e f e c t so nt h ep a n e l sw h i l em a k i n gt h et f t - l c d t h ed e t e c t i o no ft h e d e f e c t so nt h et f t - l c dp a n e l si sv e r yh e l p f u lf o rt h es t a t i s t i ca n a l y s i s ，f a u ar e p a i r a n dw a s h i n go u tt h er e j e c t s p i n h o l e ，s c r a t c ha n dp a r t i c l ea r ef a m i l i a rd e f e c t so ft h et f t - l c d w h i l et a k i n g p h o t o sf o rt h et f t - l c d ，t h ei m a g e st u r n e do u tt ob eu n e v e nb r i g h t n e s sa n da p e r i o d i c w h i c hw a sc a u s e db yt h ep h y s i c a lt r a i to f t b ec a i n e r a f u r t h e r m o r e ，t h eh i g hr e s o l u t i o n o f t h ec a m e r al e dt ot h el a r g es i z eo f e a c hi m a g ew h i c hw a sad i s a d v a n t a g eo f t h er e a l t i m ep r o c e s s i n g t h e r e f o r e ，u n e v e nb r i g h t n e s sa n da p e r i o d i co ft h ei m a g e ，t h e e f f i c i e n c yo f t h es y s t e ma r et h em a i np r o b l e m st ob es o l v e di nt h i sa r t i c l e i nt h i sa r t i c l e ，w ed e s i g n e dad e f e c t sd e t e c t i o ns y s t e mb a s e do nt h em a c h i n ev i s i o n i n a l l u s i o nt ot h ed i f f i c u l t yo fu n e v e nb r i g h t n e s s , w ep a r t e dt h ei m a g ei n t oa r e a sb yt h e a l g o r i t h mb a s e do na v e r a g es a m p l i n gt oo v e r c o n l ei tf i r s t 耻f o rs o l v i n gt h ep r o b l e m o f a p e r i o d i c ，w es e g m e n t e dt h ei m a g eu s i n gt h ea l g o r i t h mb a s e d0 1 1p r o j e c t i o nv a l l e y a n dc l a s s i f yt h er e g i o n s f i n a l l y , w ed e t e c t e dt h ed e f e c t sb ye x t r a c t i n gt h ef e a t u r e sa n d 璐i i 培t h eb p n e u r a ln e t w o r k a i m i n ga tt h ed i s a d v a n t a g eo ft h ep h y s i c a lt r a i tf r o mt h ec a m e r a , w es h o r t e nt h e d i s t a n c eo f t h et f t - l c dp a n e la n dt h ec a m e r at or e d u c et h ei n f l u e n c eo f t h eu n e v e n b r i g h t n e s sa n d t h ea p e r i o d i co f t h ei m a g e ，f i r s t l y f o ro v e r c o m i n gt h ei n f l u e n c eo f t h eu n e v e nb r i g h t n e s s , i nt h i sa r t i c l e ，w ea n a l y z et h e i m a g em a c r o s c o p i c a l l ya n dp r o p o s e da na l g o r i t h mt op a n t h ei m a g ew h i c hw a sb a s e d o na v e r a g es a m p l i n g ma r i t h m e t i cu s e dap o i n tt or e p r e s e n tar e g i o no f t b eo r i g i n a l i m a g e mg r a yl e v e la b o u tt h a tp o i i i tw a st h ea v e r a g eg r a yl e v e lo ft h er e g i o n t h r o u g ht h i sa l g o r i t h m , w en o to n l yp a r t e dt h ei m a g ee f f e c t i v e l yb ys e t t i n g t h e i 广东t 业大学工学硕士学位论文 t h r e s h o l d ，b u ta l s oe n h a n c e dt h ee f f i c i e n c yo ft h es y s t e m a f t e rp a r t e dt h ei m a g e b a s e do nt h ea v e r a g es a m p l i n g ，w eg a i n e dt h ea r e a st h a tt h eb r i g h t n e s sw e r ee v e n , w h i c hc o u l do v e r c o l n et h ed i s a d v a n t a g eo f t m e v e nb r i g h t n e s se f f e c t i v e l y a i m i n ga tr e d u c i n gt h ei m p a c to f t h ea p e r i o d i c ，w eu s e da n o t h e ra l g o r i t h mt os e g m e n t t h ea r e a s ，w h i c hb a s e do nt h e p r o j e c t i o nv a l l e y , b ya n a l y z i n g t h ea r e a s m i c r o s c o p i c a l l y b yp r o j e c t i n gt h ea r e a sw i t ht h er o wa n dc o l u m na n dg o r i n gt h e p r o j e c t i o nc u r v e s , t h ea r i t h m e t i cg o tt h ev a l l e y so fe a c hc u r v e a f t e rt h a t ，t h e a r i t h m e t i cs e g m e n t e dt h ea r e a si n t ol o t so fr e g i o n sb yt h ev a l l e yp o i n t s , b a s e do nt h e f e a t u r e so f t h ea r e a si n s i d e f i n a l l 3 , w ec l a s s i f yt h er e g i o n sb yt h e i rs t r u c t u r es oa st o o v e r c o m et h ep r o b l e mo f a p e r i o d i c a f t e ra n a l y z i n gt h er e g i o n s , w eg o tt h ef e a t u r e so f t h er e g i o n s w i t ht h et h e o r yo f t h e i m a g ef e a t u r e s ，w eg o tt h ea r e aa n dt h es t r u c t u r e so f e a c hr e g i o na st h ef e a t u r ev e c t o r 佑rt h ed e f e c t sd e t e c t i o i l b e c a u s et h ei l l u m i n a t i o no f e a c hi m a g ea n dt h ea r e aa f t e rs e g m e n t i n gi sd i f f e r e n t ，i ti s v e r yd i f f i c u l tt os e tt h et h r e s h o l df o rd e s i g n i n gt h ed e t e c t i o na r i t h m e t i c a st h eb p n e u r a ln e t w o r kh a st h ec h a r a c t e r so fs e l f - o r g a n i z a t i o n , s e l f - a d a p t a t i o na n d s e l f - l e a r n i n g ，w ed e s i g n e dab pn e u r a ln e t w o r kt o t r a i nt h ev e c t o r sw h i c hw e r e n o m m l i z e d a f t e rt h a t ，w er e c o g n i z e dt h er e g i o nd e f e c t sb yt h ep a r a m e t e r so ft h e n e u r a ln e t w o r k f i n a l l y , w eg o tt h ee x a c t l yp o s i t i o no f t h ed e f e c t sf r o mt h er e g i o n sb y c o m p a r i n gt h en o n - d e f e c tr e g i o nw i t ht h ed e f e c tr e g i o n i nt h i sa r t i c l e ，w ea n a l y z e dt h ei m a g em a c r o s c o p i c a l l ya n dm i c r o s c o p i c a l l ya n d p r o p o s e dt h ea l g o r i t h mo fi m a g es e g m e n tb a s e do na v e r a g es a m p l i n ga n dp r o j e c t i o n v a l l e y i to v e r c a n 麓t h ed i s a d v a n t a g eo ft h eu n e v e nb r i g h t n e s sa n dt h ea p e r i o d i c e f f e c t i v e l y f i n a l l y , w ed e t e c t e dt h ed e f e c t sb yf e a t u r e se x t r a c t i n ga n dt h en e u r a l n e t w o r k e x p e r i e n c e ss h o w e dt h a tt h ed e t e c t i n gs y s t e mw ed e s i g n e dc o u l dd e t e c tt h e d e f e c t sq u i c k l ya n de f f e c t i v e l y k e yw o r d ：t f t - l c dd e f e c t sd e t e c t i o n , i m a g es e g m e n t ，m o i r 6 ，d e f e c t sd e t e c t i o n , l c dd e t e c t i o u 独创性声明 独创性声明 秉承学校严谨的学风与优良的科学道德，本人声明所呈交的论文是我个人在 导师的指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以 标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，不包 含本人或其他用途使用过的成果。与我一同工作的同志对本研究所做的任何贡献 均已在论文中作了明确的说明，并表示了谢意。 本学位论文成果是本人在广东工业大学读书期间在导师的指导下取得的，论 文成果归广东工业大学所有。 申请学位论文与资料若有不实之处，本人承担一切相关责任，特此声明。 指导教师签字 论文作者签字： 2 呻年中月如日 彭蹦咽 第一章序论 第一章序论 1 1 课题背景 自人类社会进入信息时代以来，信息显示技术在人们社会活动和日常生活中 的作用日益剧增。例如，信息处理、接受及发送等操作均借助于信息系统终端设 备与人之间的界面显示来完成。液晶显示器( l c d - l i q u i dc r y s t a ld i s p l a y ) 不仅具有高分辨率、高亮度和无几何变形等诸多优点外，还具有体积小、重量轻 和功耗低等特点。因此，被广泛应用于数码照相机、数码摄像机、车载显示器、 桌上显示器、笔记本电脑和液晶电视等几乎所有的显示器领域。如图1 1 所示。 图1 1 讯：l c d 的应用 7 0 年代初英国g r a y 等人合成了联苯氰基类正性向列液晶材料，并很快形 成了扭曲向列型l c d ( t w i s t e dn e m a t i c l c d ) 产业。利用t n l c d 特点，开发 了电子数字手表、计算器、数字化仪器仪表、游戏器等产品，充分展示了液晶显 示的优点。为了增加l c d 的信息容量，s c h e f f e r 等人提出了超扭曲向列型l c d ( s u p e rt w i s t e dn e m a t i c l c d ) 方案，其电光阈值特性好，实现了v g a 笔记本 电脑显示。8 0 年代未形成了s t n - l c d 产业然而，由于s t n 点阵显示的响应 速度、占空比、对比度、灰度级等的有限性。加快了t f t - l c d 技术的发展。b r o d y 广东工业大学工学硕士学位论文 等人提出了t f t - l c d ( t h i nf i l mt r a n s i s t o r - l i q u i dc r y s t a ld i s p l a y ) 方案。随着 s i 半导体工艺成熟，a 2 s it f t 技术发展很快，9 0 年代初形成a 2 s it f t - l c d 产业。 经过5 6 年努力和技术进步，t f t - l c d 品质不断完善，开拓市场，市场占有率 逐步上升。据1 9 9 8 年美国斯坦福资源公司报道，t f t - l c d 占居l c d 市场份额 的7 5 、平板显示市场的6 6 。t f t - l c d 技术是半导体微电子技术和液晶显示 技术巧妙结合的高新技术。t f t - l c d 工业生产以来，技术不断进步、显示品质 不断得到改善，是今后技术发展趋势及应用的目的。图i 2 是1 9 9 8 2 0 0 6 年 t f t - l c d 实际产能的变化。 翻i 21 9 9 8 2 0 0 6 年矸t _ l c d 实际产能的变化 1 2 研究的内容、目的和意义 1 2 1 研究的内容和目的 由于在t f r - l c d 的制造过程中面板中液晶材料分布不均匀或者背光板中滤 光片发生扭曲等等原因，t f t - l c d 出现表面的缺陷，目前这种缺陷主要可以分 成两类：m a c r o ( 大面积的) ，如m u r a ( ri 吾表示脏污的意思) 和m i c r o ( 细微型) ， 2 第一章序论 p i n h o l e ( 针孔) ，s c r a t c h ( 抓痕) ，p a r t i c l e ( 微粒) 等。本课题主要针对t f t - l c d 的m i c r o 缺陷进行检测。如图1 3 所示，图中( a ) ( b ) ( c ) 分别为p i n h o l e 、s c r a t c h 和 p a r t i c l e 缺陷示意图，( d ) 为正常图像。 图1 3 缺陷与正常图像示意图 p 本文研究的主要目的就是通过分析由图像获取系统获取的n l c d 液晶显 示器的图像特点，克服在缺陷检测过程中亮度不均匀和图像内部非周期性带来的 影响。设计相应的检测定位算法，对图像中存在的p i n h o l e 、s c r a t c h 或p a r t i c l e 缺 陷进行有效检测定位。 3 广东工业大学工学硕士学位论文 1 2 2 对t f t - l c d 进行缺陷检测的意义 由于t f t - l c d 在制造的过程中存在着p i n h o l e 、s c r a t c h 和p a r t i c l e 等缺陷，所以 必须对这些缺陷进行检测。其检测的意义在于： 1 用于缺陷的统计分析，找出常见缺陷及其产生的原因，分析设计制作中 的薄弱环节，以便优化结构设计和制作工艺。 2 用于缺陷修补。即找出t f t - l c d 的表面缺陷，以便对某些缺陷进行及时 修补。 3 淘汰不合格品，以避免不合格的t f t - l c d 屏连上驱动电路，造成驱动电 路的浪费。特别是t a b 和c o g 方式的驱动电路连接，返工是很困难的。 1 3 国内外研究的状况 为降低液晶显示器的生产成本，必须开发出实时高效的液晶显示器缺陷检测 装置。目前自动检测算法主要有电学方法和光学方法。 1 3 1 电学的方法 电学方法常见的有全屏点亮法，它是将t f t - l c d 屏行列引线上加上全屏点亮 信号进行检测。这种方法检测速度快，但不同结构尺寸的屏幕需要有不同的驱动 电路和引线连接部件的检测装置进行检测，而且这种方法不能准确确定缺陷的具 体位置和类型。只能用来判断屏的优劣和大致的缺陷情况，不能用于缺陷的统计 分析和缺陷的修补。电学方法中还有探针扫描法、电荷读出法、电压图像法和电 子束扫描象素法。这些方法有的需要复杂的机械探针，有的需要高精度的机械传 动结构。 导纳电路检测法是最常见的一种电学方法。所有的电气缺陷都可以看成是液 晶屏的电气参数超出了设计的标准。那些电气参数可以用总导纳来表示。这样， 无论液晶屏内部的电路结构和电气参数多么复杂，我们都可以把它看成是一个黑 箱。给它一个输入信号，就可以根据输出信号来判断黑箱内部结构和参数的变化。 为了确定缺陷的类型和具体位置，在液晶屏的扫描线上依次加上通，断态电 压。并在信号线上加上相同的信号电压。在公共电极上连接微电流计以检测输 出电流i o 。在被测节点上，在扫描线分别加上通、断态电压时的导纳、。、y 0 4 第一章序论 可以由下面的两个公式求出： i o n = y r o n k o 1 ) k = k ，巧 ( 1 2 ) 其中输出电流i 。，i 。分别是被检测像素在通、断态时公共电极上检测到 的输出电流。 因此在理想状态下，无缺陷的液晶屏公共电极上检测到的输出电流不随检测 像素的不同而变化。如果在某些像素上公共电极输出电流i 。和1 0 f f 超出了允许 的波动范围，则说明有缺陷。很显然，输出电流1 0 n 和i 。会随着缺陷的类型和 位置而变化。可以在计算机中建立与各种缺陷有关的通断电流i 删和1 0 f f 的数据 库。检测时，由计算机控制扫描电路和数据采集电路对液晶屏进行逐步检测和数 据采集，然后由计算机进行数据处理并将其与数据库中的数据进行比较，从而分 析和确定缺陷的类型和位置。一般来讲，常见位置的典型缺陷可以在数分钟内判 定。 1 3 2 光学方法 这种方法是一种基于机器视觉的方法。即先通过摄像机( 例如c c d ) 先对 待检测的t f t - l c d 进行图像采集，然后进行图像处理，通过图像处理判断待检 测的t f t - l c d 是否存在缺陷，并确定缺陷的具体位置。目前，主要的检测算法 有基于颜色非一致性的检测算法，基于单值分解的方法，基于独立成分分析的方 法等等。 d u - m i n gt s a i 等人提出的基于一维的傅立叶重建算法，对于有明显的周期 性的图像能够取得较好的效果。该算法主要是利用t f t - l c d 的内部几何结构，首 先消除代表图像周期模式的频率成分，然后利用一维傅立叶反变换对图像进行重 建，之后利用小波变换消除光照的影响，由于出现缺陷的地方会出现非周期性， 利用这一特性可以检测出面板的缺陷。 c h i - j i el u 等人提出的基于独立成分分析的检测算法，先将图像看成是一个 矩阵，然后利用独立成分分析将t f t - l c d 图像分离成独立成分和“解混和矩阵” 的组合，然后通过一系列的变换产生新的解混和矩阵，再利用该矩阵对图像进行 广东工业大学t 学硕士学位论文 重建，重建后的图像将只会保存图像的缺陷特征，同时消除面板中的规律性纹路。 1 4 t f t l c d 显示原理介绍 对t f t - l c d 进行缺陷检测，首先有必要了解t f t - l c d 的内部结构及显示原 理，因为它们决定了所获取的图像的主要特征，直接影响到检测算法的设计。 t f t - l c d 主要的构成包括了：偏光板、玻璃基板、薄膜式晶体管、配向膜、 液晶材料、导向板、色滤光板、荧光管等等。如图1 4 所示。 图1 4t f l c d 的剖面结构图 首先，液晶显示器利用背光源发光，然后经过第一个偏光板，再经过液晶， 光线最后再通过另一个偏光板射出。从图1 5 我们可以看出，上下的配向膜的角 度差恰好为9 0 度，所以液晶分子的排列由上而下会自动旋转9 0 度，在不加电压 的情况下，当入射的光线经过上面的偏光板时，会只剩下单方向极化的光波。通 过液晶分子时，由于液晶分子总共旋转了9 0 度，所以当光波到达下层偏光板时， 光波的极化方向恰好转了9 0 度。而下层的偏光板与上层偏光板，角度也是恰好差 异9 0 度。所以光线便可以顺利的通过。但是如果我们对上下两块玻璃之间施加电 压时，液晶分子在电场的作用下，其排列都变成站立着的，此时通过上层偏光板 的单方向的极化光波，经过液晶分子时便不会改变极化方向，因此就无法通过下 层偏光板。因此我们只要改变刺激液晶的电压值就可以控制最后出现的光线强度 与色彩，并进而能在液晶面板上变化出有不同深浅的颜色组合了。 6 第一章序论 图1 5t f t - l c d 工作原理图 从n 叮面板的正上方看下去，我们可以看到数百万个排列整齐的小元件 ( t f t - d e v i c e ) 以及控制液晶的1 1 o 区域( i n t io x c i d e ，此材料为透明导电金属) 。 1 r i 吓d e v i c e 的排列简图如图1 6 所示。 图1 6 t f t d e v i c e 的排列简图 从图中可以看出，这些小元件的捧列具有规律性，各个象素点之间分别被信 号线( s i g n a l l i n e ，这些线相对较细) 和门电路线( g a t e l i n e ，这些线相对较粗) 分开。当某一点电路导通时，该点因无法透光而呈现黑色，当该点电路未导通时， 则由于光线通过虑光板而显示颜色。通过三基色的不同组合则可以显示出各种各 样的颜色。如图1 7 所示。各个象素点通过这些小元件驱动，并根据不同的分辨 7 广东工业大学工学硕士学位论文 率以及所给的信号的不同而发光，从而在屏幕上显示出各种颜色。 图1 7 三基色组合示意图 从上述分析可以看出，t f t - l c d 的内部结构存在着规律性，在摄像机采集 到的图像中可以得到一定程度的反映。图1 3 ( d ) 是一幅分辨率为6 0p i x e l m m 2 ， 通过逐点扫描而获取的没有缺陷的图像，从中可以看出图像的内部结构存在一定 的周期性。 8 第二章t f t - l c d 缺陷检测系统介绍 第二章t f t - l c d 缺陷检测系统介绍 在对t f t - l c d 的缺陷检测过程中，由于在图像获取过程中摄像头的物理特 性，使得获取的图像不可避免的出现亮度不均匀和图像内部非周期性( m o i r e 条纹 现象) 的影响。这给缺陷算法的设计带来很大的影响。同时，由于本系统采用的 摄像头分辨率为1 0 0 0 万象素，因此所获取的图像数据量非常大o o m 幅) ，这使 得检测系统难以达到实时性的要求。本文将针对这些困难，从宏观上和微观上做 详细分析，并设计相应算法，克服这些具体困难，达到有效、快速地对t f t - l c d 显示器进行缺陷检测的目的。 图像亮度的不均匀，从宏观上分析，存在中间较亮，四周较暗的特点，这使 得对缺陷的检测不适合对整幅图像进行统一检测。图像的内部非周期性的特点， 使得缺陷检测不能根据区域的周期性进行有效检测。图像的缺陷如图2 1 所示 图2 i 缺陷示意图 如上图所示，缺陷区域存在亮度突变的特点。因此，本文的算法设计的基 本思想是针对亮度不均匀、图像内部非周期性及数据量大等具体情况，先设计算 法对图像进行区域划分，将对缺陷的检测分别限制在亮度均匀的区域内。在亮度 均匀的区域内，利用对图像的分割并对分割后的区域进行分类，最后在同类的区 域中，根据缺陷亮度突变的特点进行缺陷检测定位。系统设计的框图如图2 2 所 示。 9 广东工业大学丁学硕+ 学位论文 通过图像采 集系统获取 图像 对输入的i ! i 像进行“平 滑抽样” 图像的区域划分 ! i 根据设定的条件，对 “平滑抽样”后的图像 进行第一次分割 幽像的分割 对第一次分割后ll 根据谷底对幽像 图2 2 缺陷检测系统框图 如图2 2 所示，系统先通过图像采集系统对t f t - l c d 进行图像采集，然后 通过图像处理的方法实现对缺陷的检测定位。具体的分四步实现缺陷检测： 1 先对图像进行预处理，即根据亮度不均匀中存在的特点，先对图像进行。平 滑抽样”，再根据亮度的不同对图像进行区域划分。克服光照不均匀存的困难， 同时在一定程度提高系统的实时性。 2 图像经过第一次分割后被分成n ( n = l ，2 ，3 ，) 幅小图像。根据分割条件， 小图像内的亮度是均匀的。根据t f t - l c d 内部结构的特征，可对小图像进行 基于行和列的投影。再求投影曲线的谷点，根据谷点可对小图进行分割由 于小图像内部存在局部区域内部结构相似的特点，因此可对分割后的区域设 定条件进行分类。 1 0 呈鲴譬稚| |呈鬯 第二章t f t - l c d 缺陷检测系统介绍 3 经过分类后的图像区域，由于相似区域存在近似的特征，可对区域的特点进 行分析，并根据区域的特点对各个区域进行特征提取。 4 由于图像间存在一定的差异性，同一幅图像中的亮度也存在差异性，因此在 经过特征提取后，难以根据特征向量直接设定阈值对缺陷进行识别。因此， 本文根据特征向量，设计了b p 神经网络对缺陷进行识别定位。 广东r 业大学t 学硕十学位论文 第三章图像的获取和基于“平滑抽样”的区域划分 利用光学的方法对t f t - l c d 液晶显示器的表面缺陷进行检测定位，首先必 须通过图像采集系统获取图像，然后进行图像处理，实现对缺陷进行识别定位。 由于图像采集系统摄像头的物理特性，使得获取到的图像存在亮度不均匀、图像 内部存在非周期性等困难。克服图像亮度不均匀的困难是本系统必须解决的首要 问题。它直接影响到后面对缺陷的检测定位。 经过分析发现，虽然图像存在亮度不均匀的不利影响，但这种不均匀性一般 呈现出中间比较亮，四周比较暗的特点，同时，经过实验发现，图像的亮度变化 是渐变的。下面将从宏观上具体分析这些特点，并根据这些特点，通过基于“平 滑抽样”的办法，实现图像的区域划分，消除亮度不均匀的影响。 3 1 图像的获取 由于在对图像的获取过程中，摄像机的物理特性，使得所获取的图像不能很 好的反映显示器实际情况及结构特征。在摄像机对t f t - l c d 进行图像采集的时 候，由于摄像头上的凸透镜，使得t f t - l c d 在点亮之后，光线通过摄像头时发 生了聚焦现象，即在获取的图像中，呈现出中间较亮，周围较暗的现象。如图 3 1 ( a ) 为图像的获取简图，3 1 ( b ) 为获取的图像经过二值化之后的示意图。( 二值 化的阈值为1 5 8 ) 。 ( a ) 图像的获取( b ) 亮度不均匀图像 图3 1图像的获取于亮度不均匀示意图 同时，由于t f t - l c d 内部结构的周期性，使得光源发出的光线存在周期性 的叠加，即出现了莫尔条纹( m o j r 6 ) 现象，这导致了所获取图像的内部结构出现了 第二章图像获取和基于“平滑抽样”的区域划分 非周期性。图3 2 是一幅通过图像采集系统获取的，再经过p h o t o s h o p 放大8 倍 后的截图。从图中可以看出，图像已经不存在原有的周期性了。 图3 2 经p h o t o s h o p 放人后的实际幽像 为了减少在图像处理过程中缺陷定位的难度，应该尽量减少图像获取过程中 摄像头物理特性所带来的不利影响。试验中发现，当摄像头离t f t - l c d 显示屏 的位置越近时，这种影响就越小。因此，在图像获取系统的设计过程中，采用了 尽量使摄像头接近t f t - l c d 显示屏的方法。然而，由于摄像头接近显示器，使 得摄像头每次对显示器的摄像范围大大减少，对于大面积的显示器，一个摄像头 无法满足对整个显示器摄像的要求。本文所采用的实验显示屏大小为3 0 i n c h ，因 此，对于整个显示屏的图像获取，必须使用四个摄像头。图像获取系统如图3 3 所示。 3 3 图像获取系统示意图 3 2 图像亮度的分析 由于摄像头的物理特性，在对图像进行采集的过程中，光线通过摄像头的凸 透镜的时候，出现了向中间稍微聚焦的现象，前面已经分析了这种现象并提出了 减少这种不利影响的实验方法，即通过将摄像头接近待检测的t f t - l c d 的方法， 尽量减少这种不利影响。但是由于摄像头仍然与t f t - l c d 保持了距离，所以这 广东工业大学_ 丁学硕七学位论文 种现象依然存在。图3 4 是两幅经过二值化、缩小后的图像。 ( a ) 二值化阈值为1 8 8( b ) 二值化阈值为1 5 8 图3 4 亮度不均匀示意图( 实际大小为4 0 0 0 x 2 6 2 4 ) 这种亮度不均匀给后面的缺陷检测带来了很大的困难。如果图像中的各个区 域的亮度是均匀的，那么在对图像中的缺陷进行检测的时候，将可以直接深入到 图像的内部结构，分析图像的内部特点，直接根据特点设计算法对缺陷进行检测。 为了使对缺陷的检测能够在亮度均匀的区域内进行，本文的基本思想就是通 过对图像进行区域划分，将图像划分成各个内部亮度均匀的小图像。再对各个内 部亮度均匀的小图像分别进行缺陷检测。 经过实验分析发现，图像虽然存在亮度不均匀的不利影响，但是这种亮度不 均匀也存在着一定的特点，即存在中间比较亮，周围比较暗的特点，同时图像中 亮度的变化是渐变的，并没有出现突变的情况，如图3 5 所示。 ( a ) 阈值1 2 8 1 4 ( b ) 阈值1 3 8 第三章图像获取和基于。平滑抽样”的区域划分 ( c ) 阈值1 4 8( d ) 闽值1 5 8 图3 5 亮度渐变示意图 从上图可以看出，根据给定的不同阈值，其二值化的结果存在渐变的现象。 这就给区域划分算法的设计带来了可能性。但是，如果根据亮度的这种特点，直 接设定阈值对图像进行区域划分，则由于图像内部中出现明暗相隔的象素点，使 得划分的阈值难以设定。如图3 2 所示，图像中的亮度是明暗相隔的，因此划分 阈值无法设置。针对这种具体情况设计一种可行的划分算法是接下来必须解决的 关键问题。 3 2 区域划分算法设计 根据上面对图像亮度不均匀的分析，必须设计一种适合上述特点的图像区域 划分算法，达到有效的将图像划分成各个内部亮度均匀的小图像的目的。 由于图像中亮度的渐变性和图像内部象素点存在明暗相隔的特点，针对这一 特点，本文提出一种基于“平滑抽样”的图像划分算法。这里先对“平滑抽样” 下一个定义。所谓“平滑抽样”，是指利用一个点代替图像中某一个小区域，该 点的灰度值为小区域的各个点的象素值的平均。 设一幅图像为麟，y ) ，图像的大小为m x k ，小区域的大小为n x n ，则通 过“平滑抽样”后的图像的大小为： f s r z e = w x h 缈= 百m ，h = 旁k ( 3 1 ) 。平滑抽样”后的图像中某一点i 的灰度值g 伍y ) 为： 如力2 志善荟f ( x x n + 工y x n + k ) ( 3 2 ) 1 5 广东工业大学1 = 学硕十学位论文 经过。平滑抽样”后的图像g ( x y ) ，图像的大小变为原来的：王= ，这使得 n n 图像的数据大大减少。同时，由于抽样后的某一点的灰度值是该区域内象素点的 平均值，它所反映的是该区域整体的亮度情况，消除了原图像中点的亮度对分割 阈值的设置的影响，这就克服了图像内部象素点明暗相隔造成的分割阈值难以设 定的困难。设图像经过“平滑抽样”后的宽为w ，高为h ，则平滑抽样的过程 可以表示为： f ( x ，y ) 叩( 矗，w ) o ( x ，y )( 3 3 ) 其中，h = 1 ，2 ，3 ，h ；w = l ，2 ，3 ，w ；形= 等，日= 丙k ，式( 3 3 ) 中： 朦滋 = 强捌 般甏段i = 4 g ( x ，y ) = l ； 【厶。 如 i l( 3 6 ) 彳。，j ( 3 4 ) 由式( 3 6 ) 可以看出，经过“平滑抽样”后，g ( x ，y ) 中的每一个点的灰度值代 表了图像中区域大小为n x n 的亮度情况。此时可以根据各点的亮度情况设定阈 值，对图像进行区域划分。 在对图像实行“平滑抽样”之后，可以根据图像中点的狄度值的相似性进行 图像的区域划分。由于图像中亮度存在渐变的特点，具体划分时，先设定分割阙 值为t 。对g y ) 进行从左到右，从上到下进行划分，令图像中点的象素差值不 大于t 时两点为相似点，假设图像中某一点为i ( w ，h ) ，其算法可表示如下： 1 ) 从i ( w h ) 点出发向右比较该点所在行的其它点，若某点i i ( w l ，1 1 ) 与i ( w 问 1 6 第二章图像获取和基于。平滑抽样”的区域划分 的差值大于t ，则停止比较，记录i l 点的坐标。 2 ) 如果参与比较的点没有到达图像g 伍y ) 最右端，则以i l 点作为新的起点， 重复步骤1 ) ，否则，储存“行”比较结果的各个点的坐标( i ，i l ，1 2 ，l n ) 。 转步骤3 )