1.一种多背景下的液晶显示器缺陷视觉实时检测方法,其特征在于:所述方法的具体步骤如下:步骤1、将采集的一种/多种显示背景下显示器缺陷数据集进行图像预处理得到实验数据集;
步骤2、把实验数据集中的显示器缺陷归类为六种不同缺陷;
步骤3、用三种不同的检测算法检测实验数据集中的图像是否存在缺陷;其中,三种不同的检测算法包括:LCD Mura和划痕缺陷检测算法,LCD边缘缺陷检测算法,LCD色阶误差缺陷算法;
所述显示器缺陷归类为六种不同缺陷,具体包括:spotMura、line Mura、region Mura、色阶、划痕和边缘缺陷;
所述步骤3,具体如下:
LCD Mura和划痕缺陷检测算法:针对一种或者多种显示背景下实验数据集中的图像,通过像素方差与阈值的关系,标记缺陷区域;针对缺陷区域,通过像素与像素均值的减法运算,得到背景“纠正”后的图像;将纠正后的图像通过最大类间方差法进行缺陷区域的分割;
使用颗粒形态学进行特征提取,并计算提取出来的缺陷个数,得到可视化缺陷效果图;其中,多种最多为六种;
LCD边缘缺陷检测算法:针对六种显示背景下实验数据集中的图像,采用LCD Mura和划痕缺陷检测算法都无法提取出缺陷区域,则将栅格作为LCD边缘缺陷的检测背景,截取栅格边缘进行重新组合,采用最大类间方差法将重组栅格分割出来,经颗粒形态学处理后将缺陷特征提取出来,得到可视化缺陷效果图;
LCD色阶误差缺陷算法:如果LCD边缘缺陷检测算法未提取出缺陷区域,采用以32级灰度渐变色作为显示背景,通过划分子区域的灰度值均值和标准偏差来判断LCD是否存在色阶偏差缺陷。
2.根据权利要求1所述的多背景下的液晶显示器缺陷视觉实时检测方法,其特征在于:所述预处理具体为依次进行均值化、高斯滤波、伽马变换和直方图均衡化处理。
3.根据权利要求2所述的多背景下的液晶显示器缺陷视觉实时检测方法,其特征在于:所述均值化具体为:通过工业相机对待检测的一种/多种显示背景连续采集三帧图像f1、f2、f3,并对三帧图像均值化得到faverage。
4.根据权利要求1所述的多背景下的液晶显示器缺陷视觉实时检测方法,其特征在于:所述LCD边缘缺陷检测算法具体为:采用栅格作为显示背景,将预处理后的LCD栅格背景的图片通过像素值信息提取出图片中的栅格,截取栅格左边缘和上边缘作为ROI1区域,截取右边缘和下边缘作为ROI2区域,截取ROI1和ROI2区域分别放置在一个新的模板中,通过最大类间方差法对两块区域中的栅格进行分割,经颗粒形态学处理后将缺陷特征提取出来,得到可视化缺陷效果图:若ROI1和ROI2区域标记的颗粒个数都等于1,则LCD边缘不存在缺陷;
否则,判断LCD边缘存在缺陷。
5.根据权利要求1所述的多背景下的液晶显示器缺陷视觉实时检测方法,其特征在于:所述LCD色阶误差缺陷算法具体为:将灰度色阶背景沿垂直方向划分为2等份,分别表示为U区域和L区域:在U区域内,若每一行中遍历框内的灰度均值随着灰度阶的递增而有序增加,标准偏差为0;相邻两个遍历框内的灰度值均值相差8,标准偏差为4;同一灰度阶内的灰度值相同,标准偏差为0,则说明该区域色阶无偏差缺陷;否则,该区域存在色阶偏差;
在L区域内,若每一行中遍历框内的灰度均值随着灰度阶的递增而有序减少,标准偏差为0;相邻两个遍历框内的灰度值均值相差8,标准偏差为4;同一灰度阶内的灰度值相同,标准偏差为0,则说明该区域色阶无偏差缺陷;否则,该区域存在色阶偏差。
6.根据权利要求5所述的多背景下的液晶显示器缺陷视觉实时检测方法,其特征在于:将U和L区域沿水平方向划分为N个相等的子区域,并同时沿垂直方向将其均匀划分为M行,采用大小为H×W的遍历框遍历U和L区域中的N×M个子区域;U和L区域的第m行、n列的子区域的像素值分别表示为 和 其中m∈{1,…,M}和n∈{1,…,N},相对应的第m×n个子区域的相应灰度像素均值为 和标准偏差为其中,I∈{U,L},