CN107918216A - 图像Mura缺陷评估方法、***以及可读存储介质 - Google Patents
图像Mura缺陷评估方法、***以及可读存储介质 Download PDFInfo
- Publication number
- CN107918216A CN107918216A CN201711336409.0A CN201711336409A CN107918216A CN 107918216 A CN107918216 A CN 107918216A CN 201711336409 A CN201711336409 A CN 201711336409A CN 107918216 A CN107918216 A CN 107918216A
- Authority
- CN
- China
- Prior art keywords
- pixel
- image
- mura defects
- appraisal procedure
- detected
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G02—OPTICS
- G02F—OPTICAL DEVICES OR ARRANGEMENTS FOR THE CONTROL OF LIGHT BY MODIFICATION OF THE OPTICAL PROPERTIES OF THE MEDIA OF THE ELEMENTS INVOLVED THEREIN; NON-LINEAR OPTICS; FREQUENCY-CHANGING OF LIGHT; OPTICAL LOGIC ELEMENTS; OPTICAL ANALOGUE/DIGITAL CONVERTERS
- G02F1/00—Devices or arrangements for the control of the intensity, colour, phase, polarisation or direction of light arriving from an independent light source, e.g. switching, gating or modulating; Non-linear optics
- G02F1/01—Devices or arrangements for the control of the intensity, colour, phase, polarisation or direction of light arriving from an independent light source, e.g. switching, gating or modulating; Non-linear optics for the control of the intensity, phase, polarisation or colour
- G02F1/13—Devices or arrangements for the control of the intensity, colour, phase, polarisation or direction of light arriving from an independent light source, e.g. switching, gating or modulating; Non-linear optics for the control of the intensity, phase, polarisation or colour based on liquid crystals, e.g. single liquid crystal display cells
- G02F1/1306—Details
- G02F1/1309—Repairing; Testing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/0008—Industrial image inspection checking presence/absence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30121—CRT, LCD or plasma display
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Nonlinear Science (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Crystallography & Structural Chemistry (AREA)
- Optics & Photonics (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种图像Mura缺陷评估方法、***以及可读存储介质,该方法包括步骤:当获取到液晶显示器LCD的待检测图像后,对待检测图像的第一像素点和距离第一像素点预设范围内的第二像素点进行滤波处理,得到处理后第一像素点的第一像素值;根据第一像素值计算第一像素点的多尺度视差值;计算第一像素点的亮度均值;根据多尺度视差值和亮度均值计算出第一像素点的多尺度可觉视差,根据多尺度可觉视差评估第一像素点的Mura缺陷。本发明克服了人工的检测图像Mura缺陷的弊端,使最终所得的Mura缺陷不带有人为主观认定因素,提高了获取图像Mura缺陷的准确率,以及提高了检测图像Mura缺陷的检测效率。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种图像Mura缺陷评估方法、***以及可读存储介质。
背景技术
随着LCD(Liquid Crystal Display,液晶显示器)技术的发展,LCD行业的未来和发展越来越受到人们的重视。Mura(斑)是LCD中常见的视觉缺陷,通常表现为低对比度、非均匀亮度区域、边缘模糊等,会给用户造成视觉上的不适感。同时Mura缺陷也是视觉缺陷中最为复杂和最难检测的,Mura缺陷包括点状Mura、线状Mura和块状Mura。目前行业内通常采用经过专业训练的检测人员根据限度样本用人眼比对的方法进行检测,然而这种检测方法不可避免地引入人为主观认定等因素,所得的检测结果准确率低,且检测效率低下。
随着技术的发展,研究人员开始利用机器视觉来代替人眼检测,使用高精度的相机在满足一定条件下拍摄LCD的图像,再使用相应的算法来检测图像中Mura缺陷,从而找到LCD上对应的缺陷。但在检测过程中如何高准确率获取Mura缺陷一直是行业内公认的难题之一,因此,急需一种可以高准确率评估Mura缺陷的方法。
发明内容
本发明的主要目的在于提供一种图像Mura缺陷评估方法、***以及可读存储介质,旨在解决现有图像Mura缺陷评估结果准确率低和检测效率低下的技术问题。
为实现上述目的,本发明提供一种图像Mura缺陷评估方法,所述图像Mura缺陷评估方法包括步骤:
当获取到液晶显示器LCD的待检测图像后,对所述待检测图像的第一像素点和距离所述第一像素点预设范围内的第二像素点进行滤波处理,得到处理后的所述第一像素点的第一像素值;
根据所述第一像素值计算所述第一像素点的多尺度视差值;
计算所述第一像素点的亮度均值;
根据所述多尺度视差值和所述亮度均值计算出所述第一像素点的多尺度可觉视差,根据所述多尺度可觉视差评估所述第一像素点的斑Mura缺陷。
优选地,所述根据所述多尺度可觉视差评估所述第一像素点的Mura缺陷的步骤之后,还包括:
采用形态学滤波对所述待检测图像执行腐蚀操作和膨胀操作,以得到所述待检测图像中完整的所述Mura缺陷。
优选地,所述根据所述多尺度可觉视差评估所述第一像素点的Mura缺陷的步骤之后,还包括:
计算所述Mura缺陷的面积,根据所述面积和所述多尺度可觉视差评估所述Mura缺陷的严重程度。
优选地,所述当获取到液晶显示器LCD的待检测图像后,对所述待检测图像的第一像素点和距离所述第一像素点预设范围内的第二像素点进行滤波处理,得到处理后的所述第一像素值的步骤包括:
当获取到LCD的待检测图像后,确定所述待检测图像中的第一像素点,以及距第一像素点预设范围内第二像素点;
根据所述第一像素点的第一像素值和所述第二像素点对应的第二像素值计算所述第二像素点的归一化权值;
根据所述第一像素值和所述归一化权值计算所述第一像素点经过处理后的第一像素值。
优选地,所述计算所述第一像素点的亮度均值的步骤包括:
根据核多项式拟合算法计算所述第一像素点的亮度均值。
优选地,所述根据核多项式拟合算法计算所述第一像素点的亮度均值的步骤包括:
采用多项式表述所述第一像素点,得到所述第一像素点对应的多项式;
采用所述第一像素点和所述第二像素点进行多项式拟合计算,得到多项式系数;
根据所述多项式系数得到所述第一像素点的亮度均值。
优选地,所述采用所述第一像素点和所述第二像素点进行多项式拟合计算,得到多项式系数的步骤包括:
采用所述第一像素点和所述第二像素点进行多项式拟合计算,得到多项式拟合结果;
根据所述第一像素点和所述第二像素点之间的空间距离构建核函数对应的对角矩阵;
根据所述多项式拟合结果将所述多项式转换成矩阵形式,得到多项式矩阵;
根据所述第二像素点对应的第二像素值、所述对角矩阵和所述多项式矩阵计算出多项式系数。
优选地,所述计算所述第一像素点的亮度均值的步骤包括:
采用低通滤波器或者空间滤波器计算所述第一像素点的亮度均值。
此外,为实现上述目的,本发明还提供一种图像Mura缺陷评估***,所述图像Mura缺陷评估***包括存储器、处理器和存储在所述存储器上并可在所述处理器上运行的图像Mura缺陷评估程序,所述图像Mura缺陷评估程序被所述处理器执行时实现如上所述的图像Mura缺陷评估方法的步骤。
此外,为实现上述目的,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有图像Mura缺陷评估程序,所述图像Mura缺陷评估程序被处理器执行时实现如上所述的图像Mura缺陷评估方法的步骤。
本发明通过当获取到液晶显示器LCD的待检测图像后,对所述待检测图像的第一像素点和距离所述第一像素点预设范围内的第二像素点进行滤波处理,得到处理后的所述第一像素点的第一像素值;根据所述第一像素值计算所述第一像素点的多尺度视差值;计算所述第一像素点的亮度均值;根据所述多尺度视差值和所述亮度均值计算出所述第一像素点的多尺度可觉视差,根据所述多尺度可觉视差评估所述第一像素点的斑Mura缺陷。通过多尺度可觉视差来评估待检测图像的Mura缺陷,克服了人工的检测图像Mura缺陷的弊端,使最终所得的Mura缺陷不带有人为主观认定因素,提高了获取图像Mura缺陷的准确率,以及提高了检测图像Mura缺陷的检测效率。进一步地,通过检测LCD图像的Mura缺陷,可以提升使用LCD屏幕产品的质量。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的结构示意图;
图2为本发明图像Mura缺陷评估方法第一实施例的流程示意图;
图3为本发明图像Mura缺陷评估方法第二实施例的流程示意图;
图4为本发明图像Mura缺陷评估方法第三实施例的流程示意图;
图5为本发明图像Mura缺陷评估方法第四实施例的流程示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明实施例的解决方案主要是:当获取到液晶显示器LCD的待检测图像后,对所述待检测图像的第一像素点和距离所述第一像素点预设范围内的第二像素点进行滤波处理,得到处理后的所述第一像素点的第一像素值;根据所述第一像素值计算所述第一像素点的多尺度视差值;计算所述第一像素点的亮度均值;根据所述多尺度视差值和所述亮度均值计算出所述第一像素点的多尺度可觉视差,根据所述多尺度可觉视差确定所述第一像素点的斑Mura缺陷。以解决现有的图像Mura缺陷评估结果准确率低和检测效率低下的问题。
如图1所示,图1是本发明实施例方案涉及的硬件运行环境的结构示意图。
需要说明的是,图1即可为图像Mura缺陷评估***的硬件运行环境的结构示意图。本发明实施例图像Mura缺陷评估***可以是PC(personal computer,个人计算机),便携计算机等终端设备。
如图1所示,该图像Mura缺陷评估***可以包括:处理器1001,例如CPU,网络接口1004,存储器1005,通信总线1002。其中,通信总线1002用于实现这些组件之间的连接通信。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
可选地,图像Mura缺陷评估***还可以包括RF(Radio Frequency,射频)电路,传感器、WiFi模块等等。
本领域技术人员可以理解,图1中示出的图像Mura缺陷评估***结构并不构成对终端的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种计算机存储介质的存储器1005中可以包括操作***以及图像Mura缺陷评估程序。其中,操作***是管理和控制图像Mura缺陷评估***硬件和软件资源的程序,支持图像Mura缺陷评估程序以及其它软件或程序的运行。
在图1所示的图像Mura缺陷评估***中,网络接口1004主要用于连接LCD所在装置,处理器1001可以用于调用存储器1005中存储的图像Mura缺陷评估程序,并执行以下操作:
当获取到液晶显示器LCD的待检测图像后,对所述待检测图像的第一像素点和距离所述第一像素点预设范围内的第二像素点进行滤波处理,得到处理后的所述第一像素点的第一像素值;
根据所述第一像素值计算所述第一像素点的多尺度视差值;
计算所述第一像素点的亮度均值;
根据所述多尺度视差值和所述亮度均值计算出所述第一像素点的多尺度可觉视差,根据所述多尺度可觉视差评估所述第一像素点的斑Mura缺陷。
进一步地,所述根据所述多尺度可觉视差评估所述第一像素点的Mura缺陷的步骤之后,处理器1001还可以用于调用存储器1005中存储的图像Mura缺陷评估程序,并执行以下步骤:
采用形态学滤波对所述待检测图像执行腐蚀操作和膨胀操作,以得到所述待检测图像中完整的所述Mura缺陷。
进一步地,所述根据所述多尺度可觉视差评估所述待检测图像中第一像素点的Mura缺陷的步骤之后,处理器1001还可以用于调用存储器1005中存储的图像Mura缺陷评估程序,并执行以下步骤:
计算所述Mura缺陷的面积,根据所述面积和所述多尺度可觉视差评估所述Mura缺陷的严重程度。
进一步地,所述当获取到液晶显示器LCD的待检测图像后,对所述待检测图像的第一像素点和距离所述第一像素点预设范围内的第二像素点进行滤波处理,得到处理后的所述第一像素值的步骤包括:
当获取到LCD的待检测图像后,确定所述待检测图像中的第一像素点,以及距第一像素点预设范围内第二像素点;
根据所述第一像素点的第一像素值和所述第二像素点对应的第二像素值计算所述第二像素点的归一化权值;
根据所述第一像素值和所述归一化权值计算所述第一像素点经过处理后的第一像素值。
进一步地,所述计算所述第一像素点的亮度均值的步骤包括:
根据核多项式拟合算法计算所述第一像素点的亮度均值。
进一步地,所述根据核多项式拟合算法计算所述第一像素点的亮度均值的步骤包括:
采用多项式表述所述第一像素点,得到所述第一像素点对应的多项式;
采用所述第一像素点和所述第二像素点进行多项式拟合计算,得到多项式系数;
根据所述多项式系数得到所述第一像素点的亮度均值。
进一步地,所述采用所述第一像素点和所述第二像素点进行多项式拟合计算,得到多项式系数的步骤包括:
采用所述第一像素点和所述第二像素点进行多项式拟合计算,得到多项式拟合结果;
根据所述第一像素点和所述第二像素点之间的空间距离构建核函数对应的对角矩阵;
根据所述多项式拟合结果将所述多项式转换成矩阵形式,得到多项式矩阵;
根据所述第二像素点对应的第二像素值、所述对角矩阵和所述多项式矩阵计算出多项式系数。
进一步地,所述计算所述第一像素点的亮度均值的步骤包括:
采用低通滤波器或者空间滤波器计算所述第一像素点的亮度均值。
基于上述的硬件结构,提出图像Mura缺陷评估方法的各个实施例。
参照图2,图2为本发明图像Mura缺陷评估方法第一实施例的流程示意图。
在本实施例中,提供了图像Mura缺陷评估方法的实施例,需要说明的是,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
在本实施例中,图像Mura缺陷评估方法可选应用于图像Mura缺陷评估***中。
所述图像Mura缺陷评估方法包括:
步骤S10,当获取到液晶显示器LCD的待检测图像后,对所述待检测图像的第一像素点和距离所述第一像素点预设范围内的第二像素点进行滤波处理,得到处理后的所述第一像素点的第一像素值。
当获取到LCD面板上所显示的待检测图像后,选取第一像素点,并确定距离第一像素点预设范围内的第二像素点,对第一像素点和第二像素点进行滤波处理,以得到处理后的第一像素点的第一像素值。在本实施例中,采用高斯滤波器对第一像素点和第二像素点进行滤波处理,预设范围为高斯滤波器窗口的大小。需要说明的是,在检测待检测图像的Mura缺陷过程中,以待检测图像中的像素点为单位进行计算。其中,第一像素点为待检测图像中的任一像素点,第二像素点为与第一像素点距离预设范围的相邻像素点。
进一步地,在对待检测图像进行高斯滤波处理之前,可先对待检测图像进行灰度处理。
进一步地,步骤S10包括:
步骤a,当获取到LCD的待检测图像后,确定所述待检测图像中的第一像素点,以及距第一像素点预设范围内第二像素点。
步骤b,根据所述第一像素点的第一像素值和所述第二像素点对应的第二像素值计算所述第二像素点的归一化权值。
当获取到LCD的待检测图像后,确定第一像素点,以及待检测图像中距第一像素点预设范围内第二像素点,并确定第一像素点和第二像素点对应的像素值,将第二像素点对应的像素值记为第二像素值,将第一像素点的像素值记为第一像素值。当得到第一像素值和第二像素值后,根据第一像素值和第二像素值计算第二像素点的归一化权值,具体的计算公式为:
其中,wi表示第i个第二像素点的归一化权值;σw表示尺寸因子,在本实施例中,将σw设为2;Ωw表示高斯滤波器窗口的大小,在本实施例中,将Ωw设置为13×13;(x,y)表示第一像素点在待检测图像中的位置坐标,(xi,yi)表示第i个第二像素点在待检测图像中的位置坐标。由上述公式可知,wi的大小取决于第二像素点和第一像素点之间的空间距离。在其它实施例中,σw和Ωw可根据高斯滤波器窗口的大小设置为其它值,在此不再赘述。
步骤c,根据所述第一像素值和所述归一化权值计算所述第一像素点经过处理后的第一像素值。
当得到归一化权值后,根据第一像素值和归一化权值计算第一像素点经过处理后的第一像素值。具体计算公式为:
其中,I′(x,y)表示第一像素点经过处理后的第一像素值,I(xi,yi)表示待检测图像中位于(xi,yi)的第二像素点的第二像素值。需要说明的是,高斯滤波器输出的经过处理后的第一像素值是预设范围内像素点对应像素值的加权平均值。可以理解的是,当某个第二像素点距离第一像素点越近,该第二像素点的权重越高。因此,相对于的采用计算均值进行滤波,本实施例中的方案的平滑效果更加柔和,而且像素点边缘的保留效果也更好。
步骤S20,根据所述第一像素值计算所述第一像素点的多尺度视差值。
当得到处理后的第一像素值后,根据预设滤波器和处理后的第一像素值计算第一像素值的多尺度视差值。在本实施例中,预设滤波器为预先设置好的不同窗口大小的高斯滤波器。在检测待检测图像Mura缺陷过程中,为了减少待检测图像中光照纹理的干扰和增强待检测图像的Mura对比度,采用预设的多种窗口大小的高斯滤波器来降低光照纹理的干扰和增强待检测图像的Mura对比度。具体的计算公式为:
其中,D(x,y)表示第一像素点对应的多尺度视差值;Gj表示多种不同窗口大小的高斯滤波器,通过高斯滤波器可提取待检测图像的视差信息来进行Mura缺陷检测;“*”表示卷积计算,ωj表示每种窗口在计算过程中所采用的高斯滤波器中所占的权值,在本实施例中,将每种窗口的权值对应的权重设置为同一数值,都为1/j,其中i表示某种窗口高斯滤波器的数量。如当窗口为13×13高斯滤波器数量为3,则i=3。需要说明的是,在计算过程中所采用的高斯滤波器总数量可根据具体需要而设置,在此不做限制。在其它实施例中,也可以将每种窗口的权值对应的权重设置为不同数值。
步骤S30,计算所述第一像素点的亮度均值。
根据预设算法计算第一像素点的亮度均值。其中,亮度均值为待检测图像中亮度的低频分量。图像的高低频是对图像各个位置之间强度变化的一种度量方法,低频分量主要是对整副图像的强度的综合度量,高频分量主要是对图像边缘和轮廓的度量。如果一副图像的各个位置的强度大小相等,则图像只存在低频分量,从图像的频谱图上看,只有一个主峰,且位于频率为零的位置;如果一副图像的各个位置的强度变化剧烈,则图像不仅存在低频分量,同时也存在多种高频分量,从图像的频谱上看,不仅有一个主峰,同时也存在多个旁峰。
进一步地,步骤S30包括:
步骤d,采用低通滤波器或者空间滤波器计算所述第一像素点的亮度均值。
进一步地,采用低通滤波器或者空间滤波器计算第一像素点的亮度均值。低通滤波器是容许低于截止频率的信号通过,但高于截止频率的信号不能通过的电子滤波装置。空间滤波器为使影像中包含的特定空间频率成分加强,减弱或改变相位的器件。在本实施例中,所采用的空间滤波器和低通滤波器的窗口大小可根据具体需要而设置,在此不做赘述。
步骤S40,根据所述多尺度视差值和所述亮度均值计算出所述第一像素点的多尺度可觉视差,根据所述多尺度可觉视差评估所述第一像素点的斑Mura缺陷。
当计算得到多尺度视差值和第一像素点的亮度均值后,根据多尺度视差值和亮度均值计算出第一像素点的多尺度可觉视差,根据多尺度可觉视差评估第一像素点的Mura缺陷。用B(x,y)表示第一像素点的亮度均值,则多尺度可觉视差可表示为:
其中,M(x,y)表示待检测图像中位于(x,y)位置的第一像素点的多尺度可觉视差。在本发明实施例中,在待检测图像中,多尺度可觉视差M(x,y)越大的区域,Mura缺陷也更明显。可以理解的是,多尺度可觉视差与Mura缺陷成正相关关系。
本实施例通过当获取到液晶显示器LCD的待检测图像后,对所述待检测图像的第一像素点和距离所述第一像素点预设范围内的第二像素点进行滤波处理,得到处理后的所述第一像素点的第一像素值;根据所述第一像素值计算所述第一像素点的多尺度视差值;计算所述第一像素点的亮度均值;根据所述多尺度视差值和所述亮度均值计算出所述第一像素点的多尺度可觉视差,根据所述多尺度可觉视差评估所述第一像素点的斑Mura缺陷。通过多尺度可觉视差来评估待检测图像的Mura缺陷,克服了人工的检测图像Mura缺陷的弊端,使最终所得的Mura缺陷不带有人为主观认定因素,提高了获取图像Mura缺陷的准确率,以及提高了检测图像Mura缺陷的检测效率。进一步地,通过检测LCD图像的Mura缺陷,可以提升使用LCD屏幕产品的质量。
进一步地,提出本发明图像Mura缺陷评估方法第二实施例。
所述图像Mura缺陷评估方法第二实施例与所述图像Mura缺陷评估方法第一实施例的区别在于,参照图3,图像Mura缺陷评估方法还包括:
步骤S50,采用形态学滤波对所述待检测图像执行腐蚀操作和膨胀操作,以得到所述待检测图像中完整的所述Mura缺陷。
当确定Mura缺陷后,采用形态学滤波对Mura缺陷执行腐蚀操作和膨胀操作,以得到完整的Mura缺陷。其中,腐蚀操作的作用是从待检测图像中消除不相关的因素,而膨胀操作是将待检测图像中的裂缝桥接起来。
具体地,采用腐蚀操作来减少待检测图像中不相关的因素,从而使待检测图像中的Mura缺陷的边缘更加清晰化,腐蚀操作对应的数学表达式为:
其中,A表示被待检测图像中被腐蚀的图像,S表示结构元素,它在形态学滤波中的作用与信号处理中的“滤波窗口”相同,结构元素包括但不限于水平结构元素、垂直结构元素、矩形结构元素、扁平结构元素和圆盘结构元素。在本实施例中,采用矩形结构元素,在其它实施例中,也可以采用其它类型的结果元素。
采用膨胀操作来桥接待检测图像的裂缝,使待检测图像中的Mura缺陷的结构更加完整,膨胀操作对应的数学表达式为:
将腐蚀操作和膨胀操作结合起来,计算所得的多尺度可觉视差上的滤波操作表示为:
本实施例通过对待检测图像进行腐蚀操作和膨胀操作,将待检测图像中的裂缝桥接起来,以及使待检测图像中的Mura缺陷的结构更加完整,从而得到更加完整的Mura缺陷。
进一步地,提出本发明图像Mura缺陷评估方法第三实施例。
所述图像Mura缺陷评估方法第三实施例与所述图像Mura缺陷评估方法第一或者第二实施例的区别在于,参照图4,图像Mura缺陷评估方法还包括:
步骤S60,计算所述Mura缺陷的面积,根据所述面积和所述多尺度可觉视差评估所述Mura缺陷的严重程度。
当确定Mura缺陷后,计算待检测图像中Mura缺陷的面积,根据Mura缺陷的面积和多尺度可觉视差来评估待检测图像Mura缺陷的严重程度。具体地,采用SEMI(Semiconductor Equipment and Materials International,国际半导体设备与材料产业协会)定义的SEMI Mura(SEMU)指标来评估Mura缺陷的严重程度,它的定义如下:
其中,M(x,y)表示多尺度可觉视差,m表示Mura缺陷的面积,具体地,Mura缺陷的面积可根据Mura缺陷对应的像素点的个数来计算。由公式可知,SEMU值越大,表示待检测图像Mura缺陷的程度越严重。
进一步地,可先对待检测图像进行形态学滤波,得到经过形态学滤波后的多尺度可觉视差后,采用经过形态学滤波后的多尺度可觉视差来评估Mura缺陷的严重程度。
本实施例通过根据Mura缺陷的面积以及多尺度可觉视差来评估待检测图像的Mura缺陷的严重程度,将检测所得的Mura缺陷进行量化,让用户更直观地了解待检测图像Mura缺陷的严重程度。
进一步地,进一步地,提出本发明图像Mura缺陷评估方法第四实施例。
所述图像Mura缺陷评估方法第四实施例与所述图像Mura缺陷评估方法第一、第二或者第三实施例的区别在于,参照图5,步骤S30还包括:
步骤S31,根据核多项式拟合算法计算所述第一像素点的亮度均值。
根据核多项式拟合算法计算第一像素点的亮度均值。
进一步地,步骤S31包括:
步骤e,采用多项式表述所述第一像素点,得到所述第一像素点对应的多项式。
根据核多项式拟合算法计算第一像素点的亮度均值的具体过程为:采用多项式表述第一像素点,得到第一像素点对应的多项式,第一像素点对应的多项式的数学表达式为:
z≈a0+a1r+a2r2+...+anrn
其中,a0,a1,...,an是该多项式中的各阶多项式,r,r,...,rn是各阶多项式对应的系数,n表示阶数。其中,a0为待检测图像亮度的低频分量,该低频分量可以作为第一像素点的亮度均值。
步骤f,采用所述第一像素点和所述第二像素点进行多项式拟合计算,得到多项式系数。
步骤g,根据所述多项式系数得到所述第一像素点的亮度均值。
采用第一像素点和第二像素点进行多项式拟合计算,得到多项式系数。需要说明的是,第二像素点为距离第一像素点预设范围内的像素点。当得到多项式系数,根据多项式系数得到第一像素点的亮度均值。在本实施例中,将多项式系数的第一项作为第一像素点的亮度均值。如当用a0表示多项式系数的第一项,则亮度均值B(x,y)的表达式为:
B(x,y)=a0
在其它实施例中,也可将多项式系数的其它项作为第一像素点的亮度均值,在此不做限制。
进一步地,步骤f包括:
步骤f1,采用所述第一像素点和所述第二像素点进行多项式拟合计算,得到多项式拟合结果;
步骤f2,根据所述第一像素点和所述第二像素点之间的空间距离构建核函数对应的对角矩阵。
步骤f3,根据所述多项式拟合结果将所述多项式转换成矩阵形式,得到多项式矩阵。
步骤f4,根据所述第二像素点对应的第二像素值、所述对角矩阵和所述多项式矩阵计算出多项式系数。
采用第一像素点和第二像素点进行多项式拟合计算,得到多项式拟合结果。并根据核函数构建对应的对角矩阵,其中,核函数是根据第一像素点和第二像素点之间的空间距离进行平滑作用。根据多项式拟合结果将多项式转换成矩阵形式,得到多项式矩阵,并根据第二像素值、对角矩阵和多项式矩阵计算出多项式系数。
下面以公式介绍f1至f4各个步骤。
采用第一像素点和第二像素点进行多项式拟合计算的数学表达式为:
其中,X表示第一像素点在待检测图像中的坐标,x1,x2,...,xN表示第二像素点在待检测图像中的坐标,在该公式中,n为一个变量,n的取值范围为1,2…N,(xn-x)表示第二像素点与第一像素点之间的相对位置,即第二像素点与第一像素点之间的空间距离;vech表示半矢量运算符。K(xn-x)表示核函数,核函数是根据第一像素点和第二像素点之间的空间距离进行平滑作用,核函数的数学定义为:
W是由核函数K(xn-x)构成的对角矩阵,该对角矩阵的表现形式为:
用R表示根据多项式拟合结果得到的多项式矩阵,R的表现形式为:
第一像素点的各阶多项式系数可由最小二乘法求得,多项式系数对应的数学表达式为:
a=(RTWR)-1RTWf
其中,a=[a0,a1,...,an]是第一像素点的多项式系数,f=[z1,z2,..,zN]表示用于拟合的N个第二像素点的第二像素值,RT表示该R矩阵的转置。
本实施例通过采用核多项式拟合来计算第一像素点的亮度均值,相对于采用空间滤波器或者低通滤波器计算第一像素点的亮度均值,采用核多项式拟合来计算得到的亮度均值准确率更高。
此外,本发明实施例还提出一种计算机可读存储介质,所述计算机可读存储介质上存储有图像Mura缺陷评估程序,所述图像Mura缺陷评估程序被处理器执行时实现如下步骤:
当获取到液晶显示器LCD的待检测图像后,对所述待检测图像的第一像素点和距离所述第一像素点预设范围内的第二像素点进行滤波处理,得到处理后的所述第一像素点的第一像素值;
根据所述第一像素值计算所述第一像素点的多尺度视差值;
计算所述第一像素点的亮度均值;
根据所述多尺度视差值和所述亮度均值计算出所述第一像素点的多尺度可觉视差,根据所述多尺度可觉视差评估所述第一像素点的斑Mura缺陷。
进一步地,所述根据所述多尺度可觉视差评估所述第一像素点的Mura缺陷的步骤之后,所述图像Mura缺陷评估程序被处理器执行时实现如下步骤:
采用形态学滤波对所述待检测图像执行腐蚀操作和膨胀操作,以得到所述待检测图像中完整的所述Mura缺陷。
进一步地,所述根据所述多尺度可觉视差评估所述第一像素点的Mura缺陷的步骤之后,所述图像Mura缺陷评估程序被处理器执行时实现如下步骤:
计算所述Mura缺陷的面积,根据所述面积和所述多尺度可觉视差评估所述Mura缺陷的严重程度。
进一步地,所述当获取到液晶显示器LCD的待检测图像后,对所述待检测图像的第一像素点和距离所述第一像素点预设范围内的第二像素点进行滤波处理,得到处理后的所述第一像素值的步骤包括:
当获取到LCD的待检测图像后,评估所述待检测图像中的第一像素点,以及距第一像素点预设范围内第二像素点;
根据所述第一像素点的第一像素值和所述第二像素点对应的第二像素值计算所述第二像素点的归一化权值;
根据所述第一像素值和所述归一化权值计算所述第一像素点经过处理后的第一像素值。
进一步地,所述计算所述第一像素点的亮度均值的步骤包括:
根据核多项式拟合算法计算所述第一像素点的亮度均值。
进一步地,所述根据核多项式拟合算法计算所述第一像素点的亮度均值的步骤包括:
采用多项式表述所述第一像素点,得到所述第一像素点对应的多项式;
采用所述第一像素点和所述第二像素点进行多项式拟合计算,得到多项式系数;
根据所述多项式系数得到所述第一像素点的亮度均值。
进一步地,所述采用所述第一像素点和所述第二像素点进行多项式拟合计算,得到多项式系数的步骤包括:
采用所述第一像素点和所述第二像素点进行多项式拟合计算,得到多项式拟合结果;
根据所述第一像素点和所述第二像素点之间的空间距离构建核函数对应的对角矩阵;
根据所述多项式拟合结果将所述多项式转换成矩阵形式,得到多项式矩阵;
根据所述第二像素点对应的第二像素值、所述对角矩阵和所述多项式矩阵计算出多项式系数。
进一步地,所述计算所述第一像素点的亮度均值的步骤包括:
采用低通滤波器或者空间滤波器计算所述第一像素点的亮度均值。
本发明计算机可读存储介质具体实施方式与上述图像Mura缺陷评估方法各实施例基本相同,在此不再赘述。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种图像Mura缺陷评估方法,其特征在于,所述图像Mura缺陷评估方法包括以下步骤:
当获取到液晶显示器LCD的待检测图像后,对所述待检测图像的第一像素点和距离所述第一像素点预设范围内的第二像素点进行滤波处理,得到处理后的所述第一像素点的第一像素值;
根据所述第一像素值计算所述第一像素点的多尺度视差值;
计算所述第一像素点的亮度均值;
根据所述多尺度视差值和所述亮度均值计算出所述第一像素点的多尺度可觉视差,根据所述多尺度可觉视差评估所述第一像素点的斑Mura缺陷。
2.如权利要求1所述的图像Mura缺陷评估方法,其特征在于,所述根据所述多尺度可觉视差评估所述第一像素点的Mura缺陷的步骤之后,还包括:
采用形态学滤波对所述待检测图像执行腐蚀操作和膨胀操作,以得到所述待检测图像中完整的所述Mura缺陷。
3.如权利要求1所述的图像Mura缺陷评估方法,其特征在于,所述根据所述多尺度可觉视差评估所述第一像素点的Mura缺陷的步骤之后,还包括:
计算所述Mura缺陷的面积,根据所述面积和所述多尺度可觉视差评估所述Mura缺陷的严重程度。
4.如权利要求1所述的图像Mura缺陷评估方法,其特征在于,所述当获取到液晶显示器LCD的待检测图像后,对所述待检测图像的第一像素点和距离所述第一像素点预设范围内的第二像素点进行滤波处理,得到处理后的所述第一像素值的步骤包括:
当获取到LCD的待检测图像后,确定所述待检测图像中的第一像素点,以及距第一像素点预设范围内第二像素点;
根据所述第一像素点的第一像素值和所述第二像素点对应的第二像素值计算所述第二像素点的归一化权值;
根据所述第一像素值和所述归一化权值计算所述第一像素点经过处理后的第一像素值。
5.如权利要求1至4任一项所述的图像Mura缺陷评估方法,其特征在于,所述计算所述第一像素点的亮度均值的步骤包括:
根据核多项式拟合算法计算所述第一像素点的亮度均值。
6.如权利要求5所述的图像Mura缺陷评估方法,其特征在于,所述根据核多项式拟合算法计算所述第一像素点的亮度均值的步骤包括:
采用多项式表述所述第一像素点,得到所述第一像素点对应的多项式;
采用所述第一像素点和所述第二像素点进行多项式拟合计算,得到多项式系数;
根据所述多项式系数得到所述第一像素点的亮度均值。
7.如权利要求6所述的图像Mura缺陷评估方法,其特征在于,所述采用所述第一像素点和所述第二像素点进行多项式拟合计算,得到多项式系数的步骤包括:
采用所述第一像素点和所述第二像素点进行多项式拟合计算,得到多项式拟合结果;
根据所述第一像素点和所述第二像素点之间的空间距离构建核函数对应的对角矩阵;
根据所述多项式拟合结果将所述多项式转换成矩阵形式,得到多项式矩阵;
根据所述第二像素点对应的第二像素值、所述对角矩阵和所述多项式矩阵计算出多项式系数。
8.如权利要求1至4任一项所述的图像Mura缺陷评估方法,其特征在于,所述计算所述第一像素点的亮度均值的步骤包括:
采用低通滤波器或者空间滤波器计算所述第一像素点的亮度均值。
9.一种图像Mura缺陷评估***,其特征在于,所述图像Mura缺陷评估***包括存储器、处理器和存储在所述存储器上并可在所述处理器上运行的图像Mura缺陷评估程序,所述图像Mura缺陷评估程序被所述处理器执行时实现如权利要求1至8中任一项所述的图像Mura缺陷评估方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有图像Mura缺陷评估程序,所述图像Mura缺陷评估程序被处理器执行时实现如权利要求1至8中任一项所述的图像Mura缺陷评估方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711336409.0A CN107918216B (zh) | 2017-12-13 | 2017-12-13 | 图像Mura缺陷评估方法、***以及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711336409.0A CN107918216B (zh) | 2017-12-13 | 2017-12-13 | 图像Mura缺陷评估方法、***以及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107918216A true CN107918216A (zh) | 2018-04-17 |
CN107918216B CN107918216B (zh) | 2021-03-12 |
Family
ID=61893334
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711336409.0A Active CN107918216B (zh) | 2017-12-13 | 2017-12-13 | 图像Mura缺陷评估方法、***以及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107918216B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109166511A (zh) * | 2018-09-03 | 2019-01-08 | 深圳市华星光电技术有限公司 | 显示装置补偿表压缩方法 |
CN109358438A (zh) * | 2018-10-30 | 2019-02-19 | 京东方科技集团股份有限公司 | 云纹评价方法、装置和*** |
CN110299114A (zh) * | 2019-06-25 | 2019-10-01 | 深圳Tcl新技术有限公司 | 显示均匀性的判断方法、装置及存储介质 |
CN110473506A (zh) * | 2019-08-01 | 2019-11-19 | 深圳市华星光电技术有限公司 | 源极驱动电路、显示面板驱动电路及显示器 |
WO2019237444A1 (zh) * | 2018-06-13 | 2019-12-19 | 武汉精测电子集团股份有限公司 | 一种用于评估 DeMura 设备亮度测量精度的方法 |
CN111563889A (zh) * | 2020-05-06 | 2020-08-21 | 深圳市斑马视觉科技有限公司 | 基于计算机视觉的液晶屏幕Mura缺陷检测方法 |
CN112862800A (zh) * | 2021-02-25 | 2021-05-28 | 歌尔科技有限公司 | 缺陷检测方法、装置及电子设备 |
CN112954304A (zh) * | 2021-01-18 | 2021-06-11 | 湖北经济学院 | 显示面板Mura缺陷评估方法、***以及可读存储介质 |
WO2022088096A1 (zh) * | 2020-10-30 | 2022-05-05 | 京东方科技集团股份有限公司 | 缺陷实际面积的检测方法、显示面板的检测方法及装置 |
CN114549448A (zh) * | 2022-02-17 | 2022-05-27 | 中国空气动力研究与发展中心超高速空气动力研究所 | 一种基于红外热成像数据分析的复杂多类型缺陷检测评估方法 |
CN115082482A (zh) * | 2022-08-23 | 2022-09-20 | 山东优奭趸泵业科技有限公司 | 一种金属表面缺陷检测方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102156976A (zh) * | 2009-12-25 | 2011-08-17 | 索尼公司 | 运算装置、运算方法、运算程序、以及显微镜 |
CN103760165A (zh) * | 2013-12-31 | 2014-04-30 | 深圳市华星光电技术有限公司 | 显示面板的缺陷检测方法及缺陷检测装置 |
JP2014106109A (ja) * | 2012-11-27 | 2014-06-09 | Sharp Corp | 検査装置、検査方法、検査プログラムおよび記録媒体 |
CN103869511A (zh) * | 2012-12-13 | 2014-06-18 | 乐金显示有限公司 | 显示装置的mura检测设备和方法 |
CN103929570A (zh) * | 2013-01-16 | 2014-07-16 | 富士通株式会社 | 图像处理方法和*** |
CN106097361A (zh) * | 2016-06-20 | 2016-11-09 | 昆山国显光电有限公司 | 一种缺陷区域检测方法及装置 |
CN107147858A (zh) * | 2016-03-01 | 2017-09-08 | 佳能株式会社 | 图像处理装置及其控制方法 |
US20170287128A1 (en) * | 2013-08-08 | 2017-10-05 | Kla-Tencor Corporation | Adaptive Local Threshold and Color Filtering |
-
2017
- 2017-12-13 CN CN201711336409.0A patent/CN107918216B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102156976A (zh) * | 2009-12-25 | 2011-08-17 | 索尼公司 | 运算装置、运算方法、运算程序、以及显微镜 |
JP2014106109A (ja) * | 2012-11-27 | 2014-06-09 | Sharp Corp | 検査装置、検査方法、検査プログラムおよび記録媒体 |
CN103869511A (zh) * | 2012-12-13 | 2014-06-18 | 乐金显示有限公司 | 显示装置的mura检测设备和方法 |
CN103929570A (zh) * | 2013-01-16 | 2014-07-16 | 富士通株式会社 | 图像处理方法和*** |
US20170287128A1 (en) * | 2013-08-08 | 2017-10-05 | Kla-Tencor Corporation | Adaptive Local Threshold and Color Filtering |
CN103760165A (zh) * | 2013-12-31 | 2014-04-30 | 深圳市华星光电技术有限公司 | 显示面板的缺陷检测方法及缺陷检测装置 |
CN107147858A (zh) * | 2016-03-01 | 2017-09-08 | 佳能株式会社 | 图像处理装置及其控制方法 |
CN106097361A (zh) * | 2016-06-20 | 2016-11-09 | 昆山国显光电有限公司 | 一种缺陷区域检测方法及装置 |
Non-Patent Citations (1)
Title |
---|
梁志虎等: "基于双线性差值最值滤波的Mura改善方法", 《光子学报》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019237444A1 (zh) * | 2018-06-13 | 2019-12-19 | 武汉精测电子集团股份有限公司 | 一种用于评估 DeMura 设备亮度测量精度的方法 |
US11081029B2 (en) | 2018-06-13 | 2021-08-03 | Wuhan Jingce Electronic Group Co., Ltd. | Method for evaluating brightness measurement accuracy of Demura equipment |
CN109166511B (zh) * | 2018-09-03 | 2021-07-20 | Tcl华星光电技术有限公司 | 显示装置补偿表压缩方法 |
CN109166511A (zh) * | 2018-09-03 | 2019-01-08 | 深圳市华星光电技术有限公司 | 显示装置补偿表压缩方法 |
CN109358438A (zh) * | 2018-10-30 | 2019-02-19 | 京东方科技集团股份有限公司 | 云纹评价方法、装置和*** |
CN110299114A (zh) * | 2019-06-25 | 2019-10-01 | 深圳Tcl新技术有限公司 | 显示均匀性的判断方法、装置及存储介质 |
CN110473506A (zh) * | 2019-08-01 | 2019-11-19 | 深圳市华星光电技术有限公司 | 源极驱动电路、显示面板驱动电路及显示器 |
CN111563889B (zh) * | 2020-05-06 | 2023-06-27 | 深圳市斑马视觉科技有限公司 | 基于计算机视觉的液晶屏幕Mura缺陷检测方法 |
CN111563889A (zh) * | 2020-05-06 | 2020-08-21 | 深圳市斑马视觉科技有限公司 | 基于计算机视觉的液晶屏幕Mura缺陷检测方法 |
WO2022088096A1 (zh) * | 2020-10-30 | 2022-05-05 | 京东方科技集团股份有限公司 | 缺陷实际面积的检测方法、显示面板的检测方法及装置 |
CN112954304A (zh) * | 2021-01-18 | 2021-06-11 | 湖北经济学院 | 显示面板Mura缺陷评估方法、***以及可读存储介质 |
CN112862800A (zh) * | 2021-02-25 | 2021-05-28 | 歌尔科技有限公司 | 缺陷检测方法、装置及电子设备 |
CN112862800B (zh) * | 2021-02-25 | 2023-01-24 | 歌尔科技有限公司 | 缺陷检测方法、装置及电子设备 |
CN114549448A (zh) * | 2022-02-17 | 2022-05-27 | 中国空气动力研究与发展中心超高速空气动力研究所 | 一种基于红外热成像数据分析的复杂多类型缺陷检测评估方法 |
CN114549448B (zh) * | 2022-02-17 | 2023-08-11 | 中国空气动力研究与发展中心超高速空气动力研究所 | 一种基于红外热成像数据分析的复杂多类型缺陷检测评估方法 |
CN115082482A (zh) * | 2022-08-23 | 2022-09-20 | 山东优奭趸泵业科技有限公司 | 一种金属表面缺陷检测方法 |
CN115082482B (zh) * | 2022-08-23 | 2022-11-22 | 山东优奭趸泵业科技有限公司 | 一种金属表面缺陷检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107918216B (zh) | 2021-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107918216A (zh) | 图像Mura缺陷评估方法、***以及可读存储介质 | |
US10733763B2 (en) | Mura detection device and method of detecting mura using the same | |
CN107957294B (zh) | 环境光强度检测方法、装置、存储介质及电子设备 | |
US9177529B2 (en) | Method and device for determining afterimage level of display device | |
CN106373095B (zh) | 一种图像处理方法及终端 | |
CN107395958B (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
CN106875344A (zh) | 一种视频图像的补光处理方法及装置 | |
CN112308797B (zh) | 角点检测方法、装置、电子设备及可读存储介质 | |
CN108074237B (zh) | 图像清晰度检测方法、装置、存储介质及电子设备 | |
CN111539238B (zh) | 二维码图像修复方法、装置、计算机设备和存储介质 | |
CN114066857A (zh) | 红外图像质量评价方法、装置、电子设备及可读存储介质 | |
US8989488B2 (en) | Method for establishing an evaluation standard parameter and method for evaluating the quality of a display image | |
US8958639B2 (en) | Method for establishing evaluation standard parameters and method for evaluating the quality of a display image | |
CN110475115B (zh) | 屏体画面串扰测试方法和装置、存储介质 | |
CN103871035B (zh) | 图像去噪方法及装置 | |
CN106773181B (zh) | 一种显示面板周边Mura的测试方法及装置 | |
CN113888542B (zh) | 产品缺陷检测方法和装置 | |
CN105791635B (zh) | 基于gpu的视频增强去噪方法及装置 | |
CN111641822A (zh) | 一种重定位立体图像质量评价方法 | |
CN114332044A (zh) | 织物纹理周期的测量方法、装置、计算机设备和存储介质 | |
CN113284113B (zh) | 溢胶瑕疵检测方法、装置、计算机设备和可读存储介质 | |
CN116168034B (zh) | 编织物的缺陷检测方法、装置、设备及存储介质 | |
Huang et al. | An efficient quality assessment method for screen content image based on Gabor | |
CN107179181B (zh) | 显示屏均匀性的测试方法、终端及计算机可读存储介质 | |
CN116959381A (zh) | 图像增强显示的方法、显示设备及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |