CN104732900A - 像素缺陷检测方法和装置 - Google Patents

Abstract

一种像素缺陷检测方法，包括如下步骤：对待测基板进行视频扫描；抽取满足预设条件的视频帧图片；将所述视频帧图片与参考图片进行配准获取配准图片；将所述配准图片与所述参考图片进行对比分析确定缺陷像素。上述像素缺陷检测方法通过视频拍摄并抽取满足预设条件的帧图片，相对于普通的相机拍照能够提高检测的速度，通过对视频帧图片与参考图片进行配准可以实现在无高精度物理对准和定位移动扫描的情况下对待测基板缺陷的快速检测。此外还提供了一种像素缺陷检测装置。

Description

像素缺陷检测方法和装置

技术领域

本发明涉及缺陷检测技术，特别是涉及一种像素缺陷检测方法和装置。

背景技术

有机发光显示（Organic Light-Emitting Diode，OLED）是主动发光显示器件，相比目前主流的薄膜晶体管液晶显示器（Thin Film Transistor Liquid CrystalDisplay，TFT-LCD)，其具有高对比度，广视角，低功耗，响应速度快，体积更薄等优点，有望成为继LCD之后的下一代平板显示技术。

在OLED的制造过程中，会因工艺的问题导致各种不良，其画面显示亮度的均匀性很难得到保证，如何提升良率就成为每个制造商都非常关心的问题。首先，必须对不良进行检测，找出不良发生的根因，然后才可以有针对性的进行工艺上的改善提升良率。传统的流水线上多采用自动光学检测装置对工艺中的一些不良进行检测，其需要高精度的物理对准，因为对准偏差会直接影响像素级别的检测效果。并限制了缺陷检测的阈值设定，如果阈值设置过小，高的像素对比精度可能会造成大面积的误检，所以选择合适的阈值比较困难，且容易出现漏检。同时其高精度的定位移动扫描和复杂的图像采集***限制了其应用场合。

发明内容

基于此，有必要提出一种无需高精度物理对准和定位移动扫描的快速检测方法和装置。

一种像素缺陷检测方法，包括如下步骤:

对待测基板进行视频扫描；

抽取满足预设条件的视频帧图片；

将所述视频帧图片与参考图片进行配准获取配准图片；

将所述配准图片与所述参考图片进行对比分析确定缺陷像素。

在其中的一个实施例中，所述将所述配准图片与所述参考图片进行对比分析确定缺陷像素的步骤包括：

根据所述参考图片中的采样点确定所述配准图片中的采样区域；

将所述采样区域与所述参考图片中的对应区域进行对比，判断所述采样区域内是否有所述缺陷像素；

确定所述采样区域的所述缺陷像素。

在其中的一个实施例中，在所述对待测基板进行视频扫描的步骤前，还包括***相应的滤波装置的步骤。

在其中的一个实施例中，所述对待测基板进行视频扫描具体为多次使用不同波长的滤波装置重复的对所述待测基板进行视频扫描。

在其中的一个实施例中，还包括获取所述采样区域像素的光谱曲线，然后根据所述光谱曲线的一致性判断异常点的位置。

在其中的一个实施例中，将所述采样区域的像素灰度与所述参考图片中的对应区域的像素灰度的差值大于所述预设阈值的像素作为缺陷像素。

在其中的一个实施例中，所述抽取满足预设条件的视频帧图片具体为等间隔抽取图片之间的相关度在预设范围的视频帧图片。

在其中的一个实施例中，所述对待测基板进行视频扫描的模式为基板移动模式或相机移动模式。

在其中的一个实施例中，通过S型路径匀速移动所述待测基板实现对所述待测基板进行视频扫描。

在其中的一个实施例中，所述将所述视频帧图片与参考图片进行配准获取配准图片的步骤包括：

计算所述视频帧图片与所述参考图片之间的相关度；

将所述相关度最大值对应的所述视频帧图片和所述参考图片相应部分对应起来作为配准图片。

在其中的一个实施例中，所述将所述视频帧图片与参考图片进行配准获取配准图片包括：

获取所述视频帧图片与所述参考图片之间的一对特征点；

根据所述特征点坐标求出 $\left[\begin{array}{c}x\\ y\\ 1\end{array}\right]=\left[\begin{array}{ccc}{a}_1& b_1& d_1\\ a_2& b_2& d_2\\ 0& 0& 1\end{array}\right]\·\left[\begin{array}{c}{x}_0\\ y_0\\ 1\end{array}\right]$ 中的d₁和d₂，其中 $\left[\begin{array}{c}x\\ y\\ 1\end{array}\right]=\left[\begin{array}{ccc}{a}_1& b_1& d_1\\ a_2& b_2& d_2\\ 0& 0& 1\end{array}\right]\·\left[\begin{array}{c}{x}_0\\ y_0\\ 1\end{array}\right]$ 表示所述视频帧图片的坐标(x,y)与所述参考图片坐标(x₀,y₀)之间的仿射变换关系，其中a₁、b₁、a₂和b₂都等于1；

根据公式 $\left[\begin{array}{c}x\\ y\\ 1\end{array}\right]=\left[\begin{array}{ccc}{a}_1& b_1& d_1\\ a_2& b_2& d_2\\ 0& 0& 1\end{array}\right]\·\left[\begin{array}{c}{x}_0\\ y_0\\ 1\end{array}\right],$ 将所述视频帧图片进行相应的平移并与所述参考图片对准作为配准图片。

一种像素缺陷检测装置，包括:

视频扫描单元，用于对待测基板进行视频扫描；

图片抽取单元，用于抽取满足预设条件的视频帧图片；

配准单元，用于将所述视频帧图片与参考图片进行配准获取配准图片；

缺陷像素确定单元，用于将所述配准图片与所述参考图片进行对比分析确定缺陷像素。

在其中的一个实施例中，所述缺陷像素确定单元包括：

采样区域确定单元，用于根据所述参考图片中的采样点确定所述配准图片中的采样区域；

对比单元，用于将所述采样区域与所述参考图片中的对应区域进行对比，判断所述采样区域内是否有所述缺陷像素；

缺陷像素获取单元，用于获取所述采样区域的所述缺陷像素。

在其中的一个实施例中，在视频扫描单元对待测基板进行视频扫描前，***相应的滤波装置。

在其中的一个实施例中，视频扫描单元对所述待测基板进行视频扫描具体为视频扫描单元多次使用不同波长的滤波装置重复的对所述待测基板进行视频扫描。

在其中的一个实施例中，还包括一致性判断单元，所述一致性判断单元用于获取所述采样区域像素的光谱曲线，然后根据所述光谱曲线的一致性判断异常点的位置。

在其中的一个实施例中，将所述采样区域的像素灰度与所述参考图片中的对应区域的像素灰度的差值大于所述预设阈值的像素作为缺陷像素。

在其中的一个实施例中，所述抽取满足预设条件的视频帧图片具体为等间隔抽取图片之间的相关度在预设范围的视频帧图片。

在其中的一个实施例中，所述对待测基板进行视频扫描的模式为基板移动模式或相机移动模式。

在其中的一个实施例中，通过S型路径匀速移动所述待测基板实现对所述待测基板进行视频扫描。

在其中的一个实施例中，所述配准单元包括：

相关度计算单元，用于计算所述视频帧图片与所述参考图片之间的相关度；

第一图片配准单元，用于将所述相关度最大值对应的所述视频帧图片和所述参考图片相应部分对应起来作为配准图片。

在其中的一个实施例中，所述配准单元包括：

特征点获取单元，用于获取所述视频帧图片与所述参考图片之间的一对特征点；

参数求解单元，用于根据所述特征点坐标求出 $\left[\begin{array}{c}x\\ y\\ 1\end{array}\right]=\left[\begin{array}{ccc}{a}_1& b_1& d_1\\ a_2& b_2& d_2\\ 0& 0& 1\end{array}\right]\·\left[\begin{array}{c}{x}_0\\ y_0\\ 1\end{array}\right]$ 中的d₁和d₂，其中 $\left[\begin{array}{c}x\\ y\\ 1\end{array}\right]=\left[\begin{array}{ccc}{a}_1& b_1& d_1\\ a_2& b_2& d_2\\ 0& 0& 1\end{array}\right]\·\left[\begin{array}{c}{x}_0\\ y_0\\ 1\end{array}\right]$ 表示所述视频帧图片的坐标(x,y)与所述参考图片坐标(x₀,y₀)之间的仿射变换关系，其中a₁、b₁、a₂和b₂都等于1；

第二图片配准单元，用于根据公式 $\left[\begin{array}{c}x\\ y\\ 1\end{array}\right]=\left[\begin{array}{ccc}{a}_1& b_1& d_1\\ a_2& b_2& d_2\\ 0& 0& 1\end{array}\right]\·\left[\begin{array}{c}{x}_0\\ y_0\\ 1\end{array}\right],$ 将所述视频帧图片进行相应的平移并与所述参考图片对准作为配准图片。

上述像素缺陷检测方法和装置通过视频拍摄并抽取满足预设条件的帧图片，相对于普通的相机拍照能够提高检测的速度，通过对视频帧图片与参考图片进行配准可以实现在无高精度物理对准和定位移动扫描的情况下对待测基板缺陷的快速检测。

附图说明

图1为一个实施例中的像素缺陷检测方法的流程图；

图2为一个实施例中的光学检测***的结构示意图；

图3为一个实施例中的相机对待测基板进行扫描的示意图；

图4为一个实施例中的将视频帧图片与参考图片进行配准获取配准图片的流程图；

图5为另一个实施例中的的将视频帧图片与参考图片进行配准获取配准图片的流程图;

图6a至图6d为一实施例中获取视频帧图片并进行配准的示意图；

图7为一个实施例中的视频帧图片与参考图片配准的示意图；

图8为图1中的在将所述配准图片与所述参考图片进行对比分析确定缺陷像素的流程图；

图9为一个实施例中的对选取的像素灰度对比分析示意图；

图10为一个实施例中的对选取的像素的光谱分析示意图；

图11为一实施例中的像素缺陷检测装置的结构示意图；

图12为一个实施例中的配准单元的结构示意图；

图13为另一个实施例中的配准单元的结构示意图；

图14为图11中的缺陷像素确定单元的结构示意图。

具体实施方式

在一个实施例中，如图1所示，一种像素缺陷检测方法，包括如下步骤:

S110，***相应的滤波装置。

如图2所示，滤波装置50可以进行滤波以检测材料的一致性。材料的一致性是影响产品质量重要因素。材料的个别组分发生变化甚至材料类型发生变化时，从外表上往往无法识别。通过滤波装置50滤波后，对合格材料进行多特征波长的光谱分析建立参考光谱曲线，然后将待测材料的光谱曲线与参考光谱曲线对比就能检测材料、工艺等方面的一致性。

如果要针对待测基板20的工艺材料一致性问题进行光谱检测，那么在相机60前加入滤波装置50。然后将待测基板20固定在移动平台10上。调节显微光学***40聚焦在待测基板20的待检测层。光源30为宽光谱光源，光源30用于给显微光学***40提供照明。滤波装置50具体的可以是在成像***中加入的特征波长的滤波片或可调谐滤波器，滤波装置50用于对待测基板20表面进行多光谱检测。多光谱检测分析的过程将在下文详细描述，如果不需要进行材料的一致性分析，也可以省略***相应的滤波装置的步骤。

S120，对待测基板进行视频扫描。

相机60聚焦后，根据需要检测的范围确定相机视频扫描的起始位置及路径，可以采用相机移动模式或基板移动模式。为了便于相机60在宏观检查与微观检查（加显微镜检查）之间的切换，可以采用基板移动模式。在一个具体的实施例中，如图3所示，通过S型路径匀速移动待测基板20实现对待测基板的视频扫描。

如果要针对待测基板20的工艺材料一致性问题进行光谱检测，对待测基板20进行视频扫描具体为：将光源30的光强调为一致，采用对应不同波长的滤波装置50，每次使用不同波长的滤波装置50后重复的移动待测基板20进行视频扫描。

S130，抽取满足预设条件的视频帧图片。

视频拍摄完毕后即可对拍摄的视频数据进行处理。通过使用视频模式对待测基板20进行拍摄，能大大提高检测的速度。

很多的视频采集设备每秒采集的帧数与每帧图片的分辨率是成反比的。对于高速移动的物体，为了看清物体移动的细节，视频的时间分辨率就十分的重要。现在的高速相机，很多的每秒已经可以拍摄百万帧，以应对高速拍摄的需要。在本实施例中，应当是更加注重视频帧图片的分辨率，至于每秒的帧数甚至可以少于每秒24帧，因为相对于待测基板20的移动速率应当是足够了。另外，获取高分辨率的图片能够加大检测的精度。具体拍摄的视频每秒的帧数应当根据扫描的速度来确定。视频采集完成后，将视频转化为视频帧图片，然后只需要对视频帧图片进行处理即可。

抽取满足预设条件的视频帧图片具体为等间隔抽取图片之间的相关度在预设范围的视频帧图片。在一个具体的实施例中，等间隔抽取图片之间的相关度在预设范围的视频帧图片的方法包括：首先计算图片之间的相关度，然后将图片之间的相关度与预设范围进行对比，选择出符合要求的视频帧图片的间隔。本实施例中，预设范围为选取相关度小的图片，该预设范围能够减少前后相片之间的重复部分，减少了不必要的重复操作，间接的提高了扫描的速度。但是如果两幅图片之间的相关度设置得过小，那么相邻的视频帧图片之间就会遗漏很多扫描的像素，会导致很多的像素漏检，这样会增大检测的错误率。因此，相关度的预设范围需要根据需要进行设定。

具体的图片之间的相关度的计算公式为C(x,y)＝corr(X(x1,y1),Y(x2,y2))，其中X(x1,y1)为第一幅图片中位置为(x1,y1)处的像素的灰度，Y(x2,y2)为第二幅图片中位置为(x2,y2)的像素的灰度，C(x,y)在移动位置为(x,y)时为两幅图片之间的相关度。两幅图片的内容的相似度大，那么这两幅图片的相关度就大。如果两幅图片的内容的相似度小，那么这两幅图片的相关度就小。

S140，将视频帧图片与参考图片进行配准获取配准图片。

如果需要对转换的视频帧图片进行处理，必须将这些视频帧图片进行配准。找出视频帧图片中的像素的位置，然后对相关的像素进行误差分析和材料、工艺一致性分析。

在一个具体的实施例中，如图4所示，将视频帧图片与参考图片进行配准获取配准图片包括：

S141，计算视频帧图片与参考图片之间的相关度。

使用上述的公式计算视频帧图片与参考图片中之间的相关度。对两幅图片的相关度的计算过程也是移动两幅图片的坐标从而对两幅图片进行匹配的过程。当两幅图片对应部分的内容相似部分较小的时候，那么在该位置两幅图片之间的相关度会比较低。不断的移动两幅图片，当两幅图片对应部分的内容相似度较高的时候，两幅图片之间的相关度也会相应的增大，直至两幅图片的相应部分完全重合，其相关度也会达到最大。

S143，将相关度最大值对应的视频帧图片和参考图片相应部分对应起来作为配准图片。

两幅图片的相关度最大的位置，也即对应的两幅图片相应部分重叠的部分。将相应的视频帧图片和参考图片部分图片对应起来，从而作为配准图片。

在另一个具体的实施例中，如图5所示，将视频帧图片与参考图片进行配准获取配准图片包括：

S142，获取视频帧图片与参考图片之间的一对特征点。

视频帧图片的坐标(x,y)与参考图片坐标(x₀,y₀)之间的仿射变换关系为 $\left[\begin{array}{c}x\\ y\\ 1\end{array}\right]=\left[\begin{array}{ccc}{a}_1& b_1& d_1\\ a_2& b_2& d_2\\ 0& 0& 1\end{array}\right]\·\left[\begin{array}{c}{x}_0\\ y_0\\ 1\end{array}\right].$ 根据仿射变换矩阵的表达式需要分别找出参考图片与视频帧图片之间的三对特征点，这三对特征点具有相同特征，以求出仿射变换矩阵。然后对视频帧图片进行仿射变换达到配准目的。不过实际上由于平行扫描的设置，参考图片与视频帧图片只存在平移变换，即a₁、b₁、a₂和b₂都等于1，只要求出d₁和d₂，所以只要找出一对特征点即可。

S144，根据特征点坐标求出视频帧图片与参考图片之间的仿射变换矩阵中的相关参数。

根据特征点坐标可以求出 $\left[\begin{array}{c}x\\ y\\ 1\end{array}\right]=\left[\begin{array}{ccc}{a}_1& b_1& d_1\\ a_2& b_2& d_2\\ 0& 0& 1\end{array}\right]\·\left[\begin{array}{c}{x}_0\\ y_0\\ 1\end{array}\right]$ 中的d₁和d₂。

S146：根据仿射变换矩阵将视频帧图片进行相应的平移并与参考图片对准作为配准图片。

仿射变换矩阵确定后，视频帧图片和参考图片就能够对应起来。根据仿射变换矩阵将视频帧图片做相应的平移就能将视频帧图片配准。

在一个具体的实施例中，如图6a-6d所示，视频V经过转换变成视频帧图片V1、V2…V10。通过对视频帧图片V1、V2…V10之间的相关度进行计算，然后根据预设的相关度选择出符合要求的视频帧图片F1、F2和F3。通过步骤S141-S143或步骤S142-S146所描述的方法将符合要求的视频帧图片F1、F2和F3和参考图片R进行配准，得到配准图片P1、P2和P3。

通过将视频帧图片与参考图片R进行配准获取配准图片，避免了高精度物理对准和定位移动扫描的过程，提高了扫描的速度，减少了扫描的复杂度。在一个具体的实施例中，如图7所示，参考图片R与通过不同波长的滤波装置50获取的视频帧图片P1、P2、P3、P4和P5通过平移配准后，参考图片R上的1、2、3、4、5这5个参考点都可以在不同的视频帧图片P1、P2、P3、P4和P5找到对应的像素。

S150，将配准图片与参考图片进行对比分析确定缺陷像素。可以通过逐个像素对比的形式确定缺陷像素；也可以先分区域进行对比，找出缺陷区域再确定在该区域内缺陷像素。具体来说，如图8所示，步骤S150可以包括步骤S152至步骤S156。

S152，根据参考图片中的采样点确定配准图片中的采样区域。配准图片中与参考图片中的采样点对应的像素称之为对应点，以该对应点为圆心的圆形区域，或是以该对应点为中心或角点的某一矩形区域，也可以是以该对应点为特征点的其他图形区域作为采样区域。图形和尺寸的选择可以根据要检测的具体内容进行预先设定，如圆形的选择、矩形的选择等。

S154，将采样区域与参考图片中的对应区域进行对比，判断采样区域内是否有缺陷像素。例如可以将采样区域的平均灰度与参考图片中的对应区域的平均灰度进行对比。如果灰度差超过设定值，则认为采样区域内有缺陷像素。上述通过小区域均值法选取像素灰度的方法可以减小配准误差带来的影响，降低了误检的可能性，间接地提高了检测精度。

S156，确定采样区域的缺陷像素。将采样区域的像素灰度与参考图片R中的对应像素的灰度的差值大于预设阈值的像素作为缺陷像素。在一个具体的实施例中，如图9所示，横坐标为对应的每个像素，纵坐标为灰度值。像素1、2、3、4、5在P1、P2、P3、P4和P5这5幅帧图片中的灰度与像素1、2、3、4、5在参考图片R中的灰度相比大部分都在阈值线以内。除了像素3在某一幅视频帧图片中的灰度超出了阈值线的范围，而超出阈值线范围的像素被认为是缺陷像素，因此像素3是缺陷像素。

在一个实施例中，如果对待测基板20进行视频扫描具体为采用不同的滤波装置50，每次使用不同波长的滤波装置50后重复的对待测基板20进行视频扫描，获得相应滤波装置50的特征波长的光谱。通过获取采样区域像素的光谱曲线，然后根据光谱曲线的一致性判断异常点的位置。如图10所示，横坐标为波长，纵坐标为灰度，图中绘出了对应1、2、3这3个像素在不同的配准图片中的光谱曲线，同一曲线为同一像素在同一配准图片下不同滤波装置50获得的对应波长下的灰度，同一像素的不同曲线为同一像素在不同配准图片下不同滤波装置50获得的对应波长下的灰度。根据光谱曲线的一致性可以确定异常的像素点，从而可以判断异常点的位置。具体的，像素3的光谱曲线在波长为550nm、600nm、650nm这三个波长出现了异常。像素1的光谱曲线在波长为650nm、700nm这两个波长出现了异常，因此像素1和3被认为是异常点，其材料和工艺不符合一致性。这种检测方法可以多工艺材料的一致性做出分类检测，实现了对工艺材料一致性问题的检测。

上述像素缺陷检测方法通过视频拍摄并抽取满足预设条件的帧图片，相对于普通的相机拍照能够提高检测的速度，通过对视频帧图片与参考图片进行配准可以实现在无高精度物理对准和定位移动扫描的情况下对待测基板缺陷的快速检测。通过对采样区域内的像素灰度值进行对比分析，能够有针对的对缺陷进行检测，提高了检测精度。

在一个实施例中，如图11所示，一种像素缺陷检测装置100包括视频扫描单元110、图片抽取单元120、配准单元130、缺陷像素确定单元140和一致性判断单元150。

视频扫描单元110用于对待测基板20进行视频扫描。对待测基板20进行视频扫描的模式为基板移动模式或相机移动模式。为了便于相机60在宏观检查与微观检查（加显微镜检查）之间的切换，可以采用基板移动模式。在本实施例中，通过S型路径匀速移动待测基板20实现对待测基板20进行视频扫描。通过视频扫描单元110对待测基板20进行拍摄，能大大提高检测的速度。很多的视频采集设备每秒采集的帧数与每帧图片的分辨率是成反比的。对于高速移动的物体，为了看清物体移动的细节，视频的时间分辨率就十分的重要。现在的高速相机，很多的每秒已经可以拍摄百万帧，以应对高速拍摄的需要。在本实施例中，应当是更加注重视频帧图片的分辨率，至于每秒的帧数甚至可以少于每秒24帧，因为相对于待测基板20的移动速率应当是足够了。另外，获取高分辨率的图片能够加大检测的精度。具体视频扫描单元110拍摄的视频每秒的帧数应当根据扫描的速度来确定。视频采集完成后，将视频转化为视频帧图片，然后只需要对视频帧图片进行处理即可。

图片抽取单元120用于抽取满足预设条件的视频帧图片。具体的图片抽取单元120间隔抽取图片之间的相关度在预设范围的视频帧图片。本实施例中，预设范围为选取相关度小的图片，该预设范围能够减少前后相片之间的重复部分，减少了不必要的重复操作，间接的提高了扫描的速度。但是如果两幅图片之间的相关度设置得过小，那么相邻的视频帧图片之间就会遗漏很多扫描的像素，会导致很多的像素漏检，这样会增大检测的错误率。因此，相关度的预设范围需要根据需要进行设定。具体的图片之间的相关度的计算公式为C(x,y)＝corr(X(x1,y1),Y(x2,y2))，其中X(x1,y1)为第一幅图片中位置为(x1,y1)处的像素的灰度，Y(x2,y2)为第二幅图片中位置为(x2,y2)的像素的灰度，C(x,y)在移动位置为(x,y)时为两幅图片之间的相关度。两幅图片的内容的相似度大，那么这两幅图片的相关度就大。如果两幅图片的内容的相似度小，那么这两幅图片的相关度就小。

如果需要对转换的视频帧图片进行处理，必须将这些视频帧图片进行配准。找出视频帧图片中的像素的位置，然后对相关的像素进行误差分析和材料、工艺一致性分析。

配准单元130用于将视频帧图片与参考图片进行配准获取配准图片。缺陷像素确定单元140用于将配准图片与参考图片进行对比分析确定缺陷像素。

在一个实施例中，如图12所示，配准单元130包括相关度计算单元132和第一图片配准单元134。

相关度计算单元132用于计算视频帧图片与参考图片之间的相关度。相关度计算单元132采用上述的公式计算视频帧图片与参考图片中之间的相关度。对两幅图片的相关度的计算过程也是移动两幅图片的坐标从而对两幅图片进行匹配的过程。当两幅图片对应部分的内容相似部分较小的时候，那么在该位置两幅图片之间的相关度会比较低。不断的移动两幅图片，当两幅图片对应部分的内容相似度较高的时候，两幅图片之间的相关度也会相应的增大，直至两幅图片的相应部分完全重合，其相关度也会达到最大。

第一图片配准单元134用于将相关度最大值对应的视频帧图片和参考图片相应部分对应起来作为配准图片。两幅图片的相关度最大的位置，也即对应的两幅图片相应部分重叠的部分。第一图片配准单元134将相应的视频帧图片和参考图片部分图片对应起来，从而作为配准图片。

在另一个实施例中，如图13所示，配准单元130包括特征点获取单元131、参数求解单元133和第二图片配准单元135。

特征点获取单元131用于获取视频帧图片与参考图片之间的一对特征点。参数求解单元133用于根据特征点坐标求出 $\left[\begin{array}{c}x\\ y\\ 1\end{array}\right]=\left[\begin{array}{ccc}{a}_1& b_1& d_1\\ a_2& b_2& d_2\\ 0& 0& 1\end{array}\right]\·\left[\begin{array}{c}{x}_0\\ y_0\\ 1\end{array}\right]$ 中的d₁和d₂，其中 $\left[\begin{array}{c}x\\ y\\ 1\end{array}\right]=\left[\begin{array}{ccc}{a}_1& b_1& d_1\\ a_2& b_2& d_2\\ 0& 0& 1\end{array}\right]\·\left[\begin{array}{c}{x}_0\\ y_0\\ 1\end{array}\right]$ 表示视频帧图片的坐标(x,y)与参考图片坐标(x₀,y₀)之间的仿射变换关系。根据仿射变换矩阵的表达式需要分别找出参考图片与视频帧图片之间的三对特征点，这三对特征点具有相同特征，以求出仿射变换矩阵。然后对视频帧图片进行仿射变换达到配准目的。不过实际上由于平行扫描的设置，参考图片与视频帧图片只存在平移变换，即a₁、b₁、a₂和b₂都等于1，只要求出d₁和d₂，所以只要找出一对特征点即可。第二图片配准单元135用于根据公式 $\left[\begin{array}{c}x\\ y\\ 1\end{array}\right]=\left[\begin{array}{ccc}{a}_1& b_1& d_1\\ a_2& b_2& d_2\\ 0& 0& 1\end{array}\right]\·\left[\begin{array}{c}{x}_0\\ y_0\\ 1\end{array}\right],$ 将视频帧图片进行相应的平移并与参考图片对准作为配准图片。仿射变换矩阵确定后，视频帧图片和参考图片就能够对应起来。第二图片配准单元135根据仿射变换矩阵将视频帧图片做相应的平移就能将视频帧图片配准。

通过将视频帧图片与参考图片R进行配准获取配准图片，避免了高精度物理对准和定位移动扫描的过程，提高了扫描的速度，减少了扫描的复杂度。在一个具体的实施例中，如图7所示，参考图片R与通过不同波长的滤波装置50获取的视频帧图片P1、P2、P3、P4和P5通过平移配准后，参考图片R上的1、2、3、4、5这5个参考点都可以在不同的视频帧图片P1、P2、P3、P4和P5找到对应的像素。

在一个实施例中，如图14所示，缺陷像素确定单元140包括采样区域确定单元142、对比单元144和缺陷像素获取单元146。

采样区域确定单元142用于根据参考图片中的采样点确定配准图片中的采样区域。配准图片中与参考图片中的采样点对应的像素称之为对应点，以该对应点为圆心的圆形区域，或是以该对应点为中心或角点的某一矩形区域，也可以是以该对应点为特征点的其他图形区域作为采样区域。图形和尺寸的选择可以根据要检测的具体内容进行预先设定，如圆形的选择、矩形的选择等。对比单元144用于将采样区域与参考图片中的对应区域进行对比，判断采样区域内是否有缺陷像素。缺陷像素获取单元146用于获取采样区域的缺陷像素。具体的缺陷像素获取单元146将采样区域的像素灰度与参考图片中的对应区域的像素灰度的差值大于预设阈值的像素作为缺陷像素。

在一个具体的实施例中，如图9所示，横坐标为对应的每个像素，纵坐标为灰度值。像素1、2、3、4、5在P1、P2、P3、P4和P5这5幅帧图片中的灰度与像素1、2、3、4、5在参考图片R中的灰度相比大部分都在阈值线以内。除了像素3在某一幅视频帧图片中的灰度超出了阈值线的范围，而超出阈值线范围的像素被认为是缺陷像素，因此像素3是缺陷像素。

如果要针对待测基板20的工艺材料一致性问题进行光谱检测，在视频扫描单元110对待测基板20进行视频扫描前，***相应的滤波装置50。对待测基板20进行视频扫描具体为：将光源30的光强调为一致，采用对应不同波长的滤波装置50，每次使用不同波长的滤波装置50后重复的移动待测基板20进行视频扫描。一致性判断单元150用于获取采样区域像素的光谱曲线，然后根据该光谱曲线的一致性判断异常点的位置。如图10所示，横坐标为波长，纵坐标为灰度，图中绘出了对应1、2、3这3个像素在不同的配准图片中的光谱曲线，同一曲线为同一像素在同一配准图片下不同滤波装置50获得的对应波长下的灰度，同一像素的不同曲线为同一像素在不同配准图片下不同滤波装置50获得的对应波长下的灰度。根据光谱曲线的一致性可以确定异常的像素点，从而可以判断异常点的位置。具体的，像素3的光谱曲线在波长为550nm、600nm、650nm这三个波长出现了异常。像素1的光谱曲线在波长为650nm、700nm这两个波长出现了异常，因此像素1和3被认为是异常点，其材料和工艺不符合一致性。这种检测方法可以多工艺材料的一致性做出分类检测，实现了对工艺材料一致性问题的检测。

上述像素缺陷检测装置通过视频拍摄并抽取满足预设条件的帧图片，相对于普通的相机拍照能够提高检测的速度，通过对视频帧图片与参考图片进行配准可以实现在无高精度物理对准和定位移动扫描的情况下对待测基板的缺陷的快速检测。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (22)

1.一种像素缺陷检测方法，其特征在于，包括如下步骤:

对待测基板进行视频扫描；

抽取满足预设条件的视频帧图片；

将所述视频帧图片与参考图片进行配准获取配准图片；

将所述配准图片与所述参考图片进行对比分析确定缺陷像素。

2.如权利要求1所述的像素缺陷检测方法，其特征在于，所述将所述配准图片与所述参考图片进行对比分析确定缺陷像素的步骤包括：

根据所述参考图片中的采样点确定所述配准图片中的采样区域；

将所述采样区域与所述参考图片中的对应区域进行对比，判断所述采样区域内是否有所述缺陷像素；

确定所述采样区域的所述缺陷像素。

3.如权利要求2所述的像素缺陷检测方法，其特征在于，在所述对待测基板进行视频扫描的步骤前，还包括***相应的滤波装置的步骤。

4.如权利要求3所述的像素缺陷检测方法，其特征在于，所述对待测基板进行视频扫描具体为多次使用不同波长的滤波装置重复的对所述待测基板进行视频扫描。

5.如权利要求4所述的像素缺陷检测方法，其特征在于，还包括获取所述采样区域像素的光谱曲线，然后根据所述光谱曲线的一致性判断异常点的位置。

6.如权利要求2所述的像素缺陷检测方法，其特征在于，将所述采样区域的像素灰度与所述参考图片中的对应区域的像素灰度的差值大于所述预设阈值的像素作为缺陷像素。

7.如权利要求1所述的像素缺陷检测方法，其特征在于，所述抽取满足预设条件的视频帧图片具体为等间隔抽取图片之间的相关度在预设范围的视频帧图片。

8.如权利要求1所述的像素缺陷检测方法，其特征在于，所述对待测基板进行视频扫描的模式为基板移动模式或相机移动模式。

9.如权利要求1所述的像素缺陷检测方法，其特征在于，通过S型路径匀速移动所述待测基板实现对所述待测基板进行视频扫描。

10.如权利要求1至9中任一项所述的像素缺陷检测方法，其特征在于，所述将所述视频帧图片与参考图片进行配准获取配准图片的步骤包括：

计算所述视频帧图片与所述参考图片之间的相关度；

将所述相关度最大值对应的所述视频帧图片和所述参考图片相应部分对应起来作为配准图片。

11.如权利要求1至9中任一项所述的像素缺陷检测方法，其特征在于，所述将所述视频帧图片与参考图片进行配准获取配准图片包括：

获取所述视频帧图片与所述参考图片之间的一对特征点；

根据所述特征点坐标求出 $\left[\begin{array}{c}x\\ y\\ 1\end{array}\right]=\left[\begin{array}{ccc}{a}_1& b_1& d_1\\ a_2& b_2& d_2\\ 0& 0& 1\end{array}\right]\·\left[\begin{array}{c}{x}_0\\ y_0\\ 1\end{array}\right]$ 中的d₁和d₂，其中 $\left[\begin{array}{c}x\\ y\\ 1\end{array}\right]=\left[\begin{array}{ccc}{a}_1& b_1& d_1\\ a_2& b_2& d_2\\ 0& 0& 1\end{array}\right]\·\left[\begin{array}{c}{x}_0\\ y_0\\ 1\end{array}\right]$ 表示所述视频帧图片的坐标(x,y)与所述参考图片坐标(x₀,y₀)之间的仿射变换关系，其中a₁、b₁、a₂和b₂都等于1；

根据公式 $\left[\begin{array}{c}x\\ y\\ 1\end{array}\right]=\left[\begin{array}{ccc}{a}_1& b_1& d_1\\ a_2& b_2& d_2\\ 0& 0& 1\end{array}\right]\·\left[\begin{array}{c}{x}_0\\ y_0\\ 1\end{array}\right],$ 将所述视频帧图片进行相应的平移并与所述参考图片对准作为配准图片。

12.一种像素缺陷检测装置，其特征在于，包括:

视频扫描单元，用于对待测基板进行视频扫描；

图片抽取单元，用于抽取满足预设条件的视频帧图片；

配准单元，用于将所述视频帧图片与参考图片进行配准获取配准图片；

缺陷像素确定单元，用于将所述配准图片与所述参考图片进行对比分析确定缺陷像素。

13.如权利要求12所述的像素缺陷检测装置，其特征在于，所述缺陷像素确定单元包括：

采样区域确定单元，用于根据所述参考图片中的采样点确定所述配准图片中的采样区域；

对比单元，用于将所述采样区域与所述参考图片中的对应区域进行对比，判断所述采样区域内是否有所述缺陷像素；

缺陷像素获取单元，用于获取所述采样区域的所述缺陷像素。

14.如权利要求13所述的像素缺陷检测装置，其特征在于，在视频扫描单元对待测基板进行视频扫描前，***相应的滤波装置。

15.如权利要求14所述的像素缺陷检测装置，其特征在于，视频扫描单元对所述待测基板进行视频扫描具体为视频扫描单元多次使用不同波长的滤波装置重复的对所述待测基板进行视频扫描。

16.如权利要求15所述的像素缺陷检测装置，其特征在于，还包括一致性判断单元，所述一致性判断单元用于获取所述采样区域像素的光谱曲线，然后根据所述光谱曲线的一致性判断异常点的位置。

17.如权利要求13所述的像素缺陷检测装置，其特征在于，将所述采样区域的像素灰度与所述参考图片中的对应区域的像素灰度的差值大于所述预设阈值的像素作为缺陷像素。

18.如权利要求12所述的像素缺陷检测装置，其特征在于，所述抽取满足预设条件的视频帧图片具体为等间隔抽取图片之间的相关度在预设范围的视频帧图片。

19.如权利要求12所述的像素缺陷检测装置，其特征在于，所述对待测基板进行视频扫描的模式为基板移动模式或相机移动模式。

20.如权利要求12所述的像素缺陷检测装置，其特征在于，通过S型路径匀速移动所述待测基板实现对所述待测基板进行视频扫描。

21.如权利要求12至20中任一项所述的像素缺陷检测装置，其特征在于，所述配准单元包括：

相关度计算单元，用于计算所述视频帧图片与所述参考图片之间的相关度；

第一图片配准单元，用于将所述相关度最大值对应的所述视频帧图片和所述参考图片相应部分对应起来作为配准图片。

22.如权利要求12至20中任一项所述的像素缺陷检测装置，其特征在于，所述配准单元包括：

特征点获取单元，用于获取所述视频帧图片与所述参考图片之间的一对特征点；

参数求解单元，用于根据所述特征点坐标求出 $\left[\begin{array}{c}x\\ y\\ 1\end{array}\right]=\left[\begin{array}{ccc}{a}_1& b_1& d_1\\ a_2& b_2& d_2\\ 0& 0& 1\end{array}\right]\·\left[\begin{array}{c}{x}_0\\ y_0\\ 1\end{array}\right]$ 中的d₁和d₂，其中 $\left[\begin{array}{c}x\\ y\\ 1\end{array}\right]=\left[\begin{array}{ccc}{a}_1& b_1& d_1\\ a_2& b_2& d_2\\ 0& 0& 1\end{array}\right]\·\left[\begin{array}{c}{x}_0\\ y_0\\ 1\end{array}\right]$ 表示所述视频帧图片的坐标(x,y)与所述参考图片坐标(x₀,y₀)之间的仿射变换关系，其中a₁、b₁、a₂和b₂都等于1；

第二图片配准单元，用于根据公式 $\left[\begin{array}{c}x\\ y\\ 1\end{array}\right]=\left[\begin{array}{ccc}{a}_1& b_1& d_1\\ a_2& b_2& d_2\\ 0& 0& 1\end{array}\right]\·\left[\begin{array}{c}{x}_0\\ y_0\\ 1\end{array}\right],$ 将所述视频帧图片进行相应的平移并与所述参考图片对准作为配准图片。