CN105424723A - 一种显示屏幕模组缺陷检测方法 - Google Patents

Abstract

本发明公开一种显示屏幕模组缺陷检测方法，包括如下步骤：步骤S1，检测并记录显示屏幕模组表面保护膜上的非实质性缺陷；步骤S2，检测并记录显示屏幕模组在点亮状态下，可以发现的所有缺陷；步骤S3，在步骤S2发现的所有缺陷中，滤除步骤S1中记录的非实质性缺陷，剩余部分即是显示屏幕模组的真正缺陷。通过显示屏幕模组缺陷检测方法，可以对产品保护膜上的气泡、划痕、脏污等非实质性缺陷进行过滤，防止虚警现象的发生，从而提高了对显示屏幕模组缺陷检测的准确性。

Description

一种显示屏幕模组缺陷检测方法

技术领域

本发明涉及显示技术领域，特别是涉及一种显示屏幕模组缺陷检测方法。

背景技术

在显示屏幕模组的缺陷检测过程中，产品保护膜上的气泡、划痕、脏污等缺陷并非是显示屏幕模组的实质性缺陷，而在传统的检测技术中，检测摄像头并不能将上述非实质性缺陷进行过滤，而是将此种非实质性缺陷进行拍照记录，发出警报，认定当前检测的显示屏幕模组为不良品。可见，此种传统的检测技术由于不能将显示屏幕模组中的非实质性缺陷进行过滤，从而造成虚警现象的发生，给显示屏幕模组的缺陷检测造成麻烦，降低了检测的准确性。

发明内容

本发明的目的是克服现有技术中的不足之处，提供一种提高检测的准确性，防止虚警现象发生的显示屏幕模组缺陷检测方法。

本发明的目的是通过以下技术方案来实现的：

一种显示屏幕模组缺陷检测方法，包括如下步骤：

步骤S1，检测并记录显示屏幕模组表面保护膜上的非实质性缺陷；

步骤S2，检测并记录显示屏幕模组在点亮状态下，可以发现的所有缺陷；

步骤S3，在步骤S2发现的所有缺陷中，滤除步骤S1中记录的非实质性缺陷，剩余部分即是显示屏幕模组的真正缺陷。

在其中一个实施例中，步骤S1包括：

步骤S11，当显示屏幕模组在不点亮状态下或切换到黑色画面时，点亮显示屏幕模组外部的打光光源，并获取当前状态下的图像；

步骤S12，对步骤S11中的图像进行二值化，得到二值图像，其中高亮色区域部分即为显示屏幕模组表面保护膜的非实质性缺陷。

在其中一个实施例中，步骤S2包括：

步骤S21，当显示屏幕模组切换到亮色画面时，关闭显示屏幕模组外部的打光光源，并获取当前状态下的图像；

步骤S22，对步骤S21中的图像进行二值化，得到二值图像。

在其中一个实施例中，步骤S3包括：

步骤S31，将步骤S22中得到的二值图像减去步骤S12得到的二值图像，得到一个新的二值图像，其高亮色区域显示的即为显示屏幕模组的真正的缺陷；

Step3Image(i,j)＝Step2Image(i,j)–Step1Image(i,j)，

公式中的Step3Image(i,j)，Step2Image(i,j)，Step1Image(i,j)分别表示步骤S31，步骤S22，和步骤S12所得到的二值图像中第i行第j列的像素的亮度值；

步骤S32，在步骤S31得到的二值图像上查找连通区域即为真正的缺陷。

在其中一个实施例中，得到二值图像的方法为：

预设阈值，将原图像分成前景、后景两个图像，前景用n₁，csum，m₁来表示在当前阈值下的前景点数，质量矩，平均灰度；后景用n₂，sum-csum，m₂来表示在当前阈值下的后景点数，质量矩，平均灰度；

当取最佳阈值时，后景与前景差别最大，采用最大类间方差选择最佳阈值作为衡量差别的标准，

最大类间方差法的推导：记t为前景与后景的分割阈值，前景点数占图像比例为w₀，平均灰度为u₀；后景点数占图像比例为w₁，平均灰度为u₁，则图像的总平均灰度为：u＝w₀*u₀+w₁*u₁，

前景和后景图像的方差：g＝w₀*(u₀-u)*(u₀-u)+w₁*(u₁-u)*(u₁-u)＝w₀*w₁*(u₀-u₁)*(u₀-u₁)，

当方差g最大时，可以认为此时前景和后景差异最大，也就是此时的灰度是最佳阈值。

通过显示屏幕模组缺陷检测方法，可以对产品保护膜上的气泡、划痕、脏污等非实质性缺陷进行过滤，防止虚警现象的发生，从而提高了对显示屏幕模组缺陷检测的准确性。

附图说明

图1为对显示屏幕模组进行检测的检测***的结构示意图；

图2为本发明的显示屏幕模组缺陷检测方法的步骤流程图。

具体实施方式

下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。

如图1所示，其为对显示屏幕模组10进行检测的检测***20的结构示意图。检测***20包括对显示屏幕模组10进行拍照的摄像头22，以及对显示屏幕模组10进行照射的打光光源24。与上述检测***20对应，提供一种显示屏幕模组缺陷的检测方法。

如图2所示，其为本发明的显示屏幕模组缺陷检测方法的步骤流程图。

显示屏幕模组缺陷检测方法，包括如下步骤：

步骤S1，检测并记录显示屏幕模组表面保护膜上的非实质性缺陷；

步骤S2，检测并记录显示屏幕模组在点亮状态下，可以发现的所有缺陷；

步骤S3，在步骤S2发现的所有缺陷中，滤除步骤S1中记录的非实质性缺陷，剩余部分即是显示屏幕模组的真正缺陷。

其中在步骤S1中，

步骤S1包括：

步骤S11，当显示屏幕模组在不点亮状态下或切换到黑色画面时，点亮显示屏幕模组外部的打光光源，并获取当前状态下的图像；

步骤S12，对步骤S11中的图像进行二值化，得到二值图像，其中高亮色区域部分即为显示屏幕模组表面保护膜的非实质性缺陷。

其中在步骤S2中，

步骤S2包括：

步骤S21，当显示屏幕模组切换到亮色画面时，关闭显示屏幕模组外部的打光光源，并获取当前状态下的图像；

步骤S22，对步骤S21中的图像进行二值化，得到二值图像。

其中在步骤S3中，

步骤S3包括：

步骤S31，将步骤S22中得到的二值图像减去步骤S12得到的二值图像，得到一个新的二值图像，其高亮色区域显示的即为显示屏幕模组的真正的缺陷；

Step3Image(i,j)＝Step2Image(i,j)–Step1Image(i,j)，

公式中的Step3Image(I,j)，Step2Image(i,j)，Step1Image(i,j)分别表示步骤S31，步骤S22，和步骤S12所得到的二值图像中第i行第j列的像素的亮度值；

步骤S32，在步骤S31得到的二值图像上查找连通区域即为真正的缺陷。

其中，得到二值图像的方法为：

预设阈值，将原图像分成前景、后景两个图像，前景用n₁，csum，m₁来表示在当前阈值下的前景点数，质量矩，平均灰度；后景用n₂，sum-csum，m₂来表示在当前阈值下的后景点数，质量矩，平均灰度；

当取最佳阈值时，后景与前景差别最大，采用最大类间方差选择最佳阈值作为衡量差别的标准，

最大类间方差法的推导：记t为前景与后景的分割阈值，前景点数占图像比例为w₀，平均灰度为u₀；后景点数占图像比例为w₁，平均灰度为u₁，则图像的总平均灰度为：u＝w₀*u₀+w₁*u₁，

前景和后景图像的方差：g＝w₀*(u₀-u)*(u₀-u)+w₁*(u₁-u)*(u₁-u)＝w₀*w₁*(u₀-u₁)*(u₀-u₁)，

当方差g最大时，可以认为此时前景和后景差异最大，也就是此时的灰度是最佳阈值。

通过显示屏幕模组缺陷检测方法，可以对产品保护膜上的气泡、划痕、脏污等非实质性缺陷进行过滤，防止虚警现象的发生，从而提高了对显示屏幕模组缺陷检测的准确性。

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (5)

1.一种显示屏幕模组缺陷检测方法，其特征在于，包括如下步骤：

步骤S1，检测并记录显示屏幕模组表面保护膜上的非实质性缺陷；

步骤S2，检测并记录显示屏幕模组在点亮状态下，可以发现的所有缺陷；

步骤S3，在步骤S2发现的所有缺陷中，滤除步骤S1中记录的非实质性缺陷，剩余部分即是显示屏幕模组的真正缺陷。

2.根据权利要求1所述的显示屏幕模组缺陷检测方法，其特征在于，步骤S1包括：

步骤S11，当显示屏幕模组在不点亮状态下或切换到黑色画面时，点亮显示屏幕模组外部的打光光源，并获取当前状态下的图像；

步骤S12，对步骤S11中的图像进行二值化，得到二值图像，其中高亮色区域部分即为显示屏幕模组表面保护膜的非实质性缺陷。

3.根据权利要求2所述的显示屏幕模组缺陷检测方法，其特征在于，步骤S2包括：

步骤S21，当显示屏幕模组切换到亮色画面时，关闭显示屏幕模组外部的打光光源，并获取当前状态下的图像；

步骤S22，对步骤S21中的图像进行二值化，得到二值图像。

4.根据权利要求3所述的显示屏幕模组缺陷检测方法，其特征在于，步骤S3包括：

步骤S31，将步骤S22中得到的二值图像减去步骤S12得到的二值图像，得到一个新的二值图像，其高亮色区域显示的即为显示屏幕模组的真正的缺陷；

Step3Image(i,j)＝Step2Image(i,j)–Step1Image(i,j)，

公式中的Step3Image(i,j)，Step2Image(i,j)，Step1Image(i,j)分别表示步骤S31，步骤S22，和步骤S12所得到的二值图像中第i行第j列的像素的亮度值；

步骤S32，在步骤S31得到的二值图像上查找连通区域即为真正的缺陷。

5.根据权利要求4所述的显示屏幕模组缺陷检测方法，其特征在于，得到二值图像的方法为：

预设阈值，将原图像分成前景、后景两个图像，前景用n₁，csum，m₁来表示在当前阈值下的前景点数，质量矩，平均灰度；后景用n₂，sum-csum，m₂来表示在当前阈值下的后景点数，质量矩，平均灰度；

当取最佳阈值时，后景与前景差别最大，采用最大类间方差选择最佳阈值作为衡量差别的标准，

最大类间方差法的推导：记t为前景与后景的分割阈值，前景点数占图像比例为w₀，平均灰度为u₀；后景点数占图像比例为w₁，平均灰度为u₁，则图像的总平均灰度为：u＝w₀*u₀+w₁*u₁，

前景和后景图像的方差：g＝w₀*(u₀-u)*(u₀-u)+w₁*(u₁-u)*(u₁-u)＝w₀*w₁*(u₀-u₁)*(u₀-u₁)，

当方差g最大时，可以认为此时前景和后景差异最大，也就是此时的灰度是最佳阈值。