CN109360203A - 图像配准方法、图像配准装置及存储介质 - Google Patents

图像配准方法、图像配准装置及存储介质 Download PDF

Info

Publication number
CN109360203A
CN109360203A CN201811276677.2A CN201811276677A CN109360203A CN 109360203 A CN109360203 A CN 109360203A CN 201811276677 A CN201811276677 A CN 201811276677A CN 109360203 A CN109360203 A CN 109360203A
Authority
CN
China
Prior art keywords
image
array
spots
characteristic
display device
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
Application number
CN201811276677.2A
Other languages
English (en)
Other versions
CN109360203B (zh
Inventor
王云奇
何惠东
楚明磊
陈丽莉
张�浩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
BOE Technology Group Co Ltd
Beijing BOE Optoelectronics Technology Co Ltd
Original Assignee
BOE Technology Group Co Ltd
Beijing BOE Optoelectronics Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by BOE Technology Group Co Ltd, Beijing BOE Optoelectronics Technology Co Ltd filed Critical BOE Technology Group Co Ltd
Priority to CN201811276677.2A priority Critical patent/CN109360203B/zh
Publication of CN109360203A publication Critical patent/CN109360203A/zh
Priority to US16/503,832 priority patent/US11120565B2/en
Application granted granted Critical
Publication of CN109360203B publication Critical patent/CN109360203B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
    • 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
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/14—Digital output to display device ; Cooperation and interconnection of the display device with other functional units
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/97—Determining parameters from multiple pictures
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09G—ARRANGEMENTS OR CIRCUITS FOR CONTROL OF INDICATING DEVICES USING STATIC MEANS TO PRESENT VARIABLE INFORMATION
    • G09G3/00—Control arrangements or circuits, of interest only in connection with visual indicators other than cathode-ray tubes
    • G09G3/006—Electronic inspection or testing of displays and display drivers, e.g. of LED or LCD displays
    • 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
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09G—ARRANGEMENTS OR CIRCUITS FOR CONTROL OF INDICATING DEVICES USING STATIC MEANS TO PRESENT VARIABLE INFORMATION
    • G09G2360/00—Aspects of the architecture of display systems
    • G09G2360/14—Detecting light within display terminals, e.g. using a single or a plurality of photosensors
    • G09G2360/145—Detecting light within display terminals, e.g. using a single or a plurality of photosensors the light originating from the display screen

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Human Computer Interaction (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Image Processing (AREA)

Abstract

一种图像配准方法、图像配准装置及存储介质，该图像配准方法包括：使显示器件显示至少一个斑点阵列；获取特征图像，并对所述特征图像执行基于特征的图像配准操作，以得到至少一个转换图像；根据所述至少一个转换图像，得到映射模型。所述特征图像为拍摄的所述显示器件显示的包括斑点阵列的图像。该图像配准方法在例如显示器件像素缺陷检测的过程中可以实现像素级精度的图像配准，具有高准确度和高鲁棒性，为实现显示器件的像素缺陷检测提供了支持。

Description

图像配准方法、图像配准装置及存储介质
技术领域
本公开的实施例涉及一种图像配准方法、图像配准装置及存储介质。
背景技术
随着显示技术的发展，显示器件的分辨率越来越高，对于显示器件的生产工艺要求以及生产中缺陷检测的要求也越来越高，因此，利用机器视觉技术对显示器件进行高效率、高稳定性、高准确度的在线检测的需求也日益迫切。
图像配准(Image Registration)是显示器件缺陷检测中的重要步骤。图像配准一般是指将不同条件下(不同成像设备、摄像位置和角度等)获取的两幅或多幅图像进行匹配、叠加的过程，也可以指将一张感知图像(Sense Image)匹配至另一张参考图像(Reference Image)的过程。图像配准技术不仅可以应用于显示器件缺陷检测中，也在遥感、医疗、计算机视觉等领域有着广泛的应用。
发明内容
本公开至少一个实施例提供一种图像配准方法，包括：使显示器件显示至少一个斑点阵列；获取特征图像，并对所述特征图像执行基于特征的图像配准操作，以得到至少一个转换图像；根据所述至少一个转换图像，得到映射模型；其中，所述特征图像为拍摄的所述显示器件显示的包括斑点阵列的图像。
例如，在本公开一实施例提供的图像配准方法中，使所述显示器件显示至少一个斑点阵列，包括：使所述显示器件显示多个斑点阵列，各个斑点阵列的尺寸不同且位于不同的显示区域中。
例如，在本公开一实施例提供的图像配准方法中，获取特征图像，并对所述特征图像执行基于特征的图像配准操作，以得到至少一个转换图像，包括：获取所述特征图像，并对所述特征图像执行斑点阵列特征提取、斑点阵列特征匹配和转换模型估计；根据所述转换模型估计得到的转换模型，对所述特征图像执行图像重采样与变换，以得到所述至少一个转换图像。
例如，在本公开一实施例提供的图像配准方法中，获取所述特征图像，并对所述特征图像执行斑点阵列特征提取、斑点阵列特征匹配和转换模型估计，包括：采用图像拍摄装置对所述显示器件显示的图像进行拍摄，得到所述特征图像；对所述特征图像中的每一个斑点阵列执行所述斑点阵列特征提取、所述斑点阵列特征匹配和所述转换模型估计。
例如，在本公开一实施例提供的图像配准方法中，所述斑点阵列特征匹配包括：将所述特征图像中的斑点阵列的斑点的坐标与所述显示器件中发光的像素或子像素的坐标进行匹配。
例如，在本公开一实施例提供的图像配准方法中，所述图像拍摄装置的成像分辨率大于所述显示器件的显示分辨率。
例如，在本公开一实施例提供的图像配准方法中，根据所述转换模型估计得到的转换模型，对所述特征图像执行图像重采样与变换，以得到所述至少一个转换图像，包括：根据所述转换模型估计得到与所述特征图像中每一个斑点阵列分别对应的多个转换模型，利用所述多个转换模型分别对所述特征图像执行所述图像重采样与变换，以得到多个转换图像。
例如，在本公开一实施例提供的图像配准方法中，根据所述至少一个转换图像，得到所述映射模型，包括：对所述多个转换图像进行置信度评估，根据评估结果选择所述多个转换图像之一对应的转换模型作为所述映射模型。
例如，在本公开一实施例提供的图像配准方法中，对所述多个转换图像进行置信度评估，根据评估结果选择所述多个转换图像之一对应的转换模型作为所述映射模型，包括：计算每个转换图像中全部斑点阵列的斑点的坐标与参考图像中对应斑点的坐标的差值，其中，所述参考图像为利用所述显示器件显示的包括斑点阵列的原始图像；计算每个转换图像对应的差值的方差，以得到与多个转换图像分别对应的多个方差；将所述多个方差分别与预设值进行比较；若所述多个方差中存在至少一个大于所述预设值的第一方差，则舍弃与所述第一方差对应的转换图像，并舍弃余下的转换图像中的与舍弃的转换图像对应的转换模型对应的斑点阵列，并计算余下的转换图像中余下的斑点阵列的斑点的坐标与所述参考图像中对应斑点的坐标的差值，以及计算余下的每个转换图像对应的差值的方差，并将计算得到的方差与所述预设值进行比较；若所述多个方差均小于或等于所述预设值，则选择最小的方差对应的转换图像对应的转换模型作为所述映射模型。
例如，在本公开一实施例提供的图像配准方法中，在所述显示器件显示一个斑点阵列并且相应地得到一个转换图像的情形下，根据所述至少一个转换图像，得到所述映射模型，包括：将所述一个转换图像对应的转换模型作为所述映射模型。
例如，在本公开一实施例提供的图像配准方法中，所述斑点阵列中的每个斑点为所述显示器件中一个发光的像素或子像素。
例如，在本公开一实施例提供的图像配准方法中，所述斑点阵列呈矩形排布。
例如，在本公开一实施例提供的图像配准方法中，所述斑点阵列的尺寸为2×2、2×3、3×3或4×4。
本公开至少一个实施例还提供一种图像配准装置，包括：显示控制单元，配置为使显示器件显示至少一个斑点阵列；图像配准操作执行单元，配置为获取特征图像，并对所述特征图像执行基于特征的图像配准操作，以得到至少一个转换图像；映射模型获取单元，配置为根据所述至少一个转换图像，得到映射模型。
本公开至少一个实施例还提供一种图像配准装置，包括：处理器；存储器；一个或多个计算机程序模块，所述一个或多个计算机程序模块被存储在所述存储器中并被配置为由所述处理器执行，所述一个或多个计算机程序模块包括用于实现本公开任一实施例所述的图像配准方法的指令。
本公开至少一个实施例还提供一种存储介质，用于存储非暂时性计算机可读指令，当所述非暂时性计算机可读指令由计算机执行时可以执行实现本公开任一实施例所述的图像配准方法的指令。
附图说明
为了更清楚地说明本公开实施例的技术方案，下面将对实施例的附图作简单地介绍，显而易见地，下面描述中的附图仅仅涉及本公开的一些实施例，而非对本公开的限制。
图1为本公开一实施例提供的一种图像配准方法的示意性流程图；
图2为本公开一实施例提供的一种图像配准方法中的斑点阵列的示意图；
图3为本公开一实施例提供的图像配准方法中的步骤S20的流程图；
图4为本公开一实施例提供的图像配准方法中的步骤S201的流程图；
图5为本公开一实施例提供的图像配准方法中的置信度评估的流程图；
图6为本公开一实施例提供的一种图像配准方法的具体流程图；
图7为本公开一实施例提供的一种图像配准装置的示意框图；
图8为本公开一实施例提供的另一种图像配准装置的示意框图；以及
图9为本公开一实施例提供的一种存储介质的示意图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例的附图，对本公开实施例的技术方案进行清楚、完整地描述。显然，所描述的实施例是本公开的一部分实施例，而不是全部的实施例。基于所描述的本公开的实施例，本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例，都属于本公开保护的范围。
除非另外定义，本公开使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本公开中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。同样，“一个”、“一”或者“该”等类似词语也不表示数量限制，而是表示存在至少一个。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。
图像配准是显示器件缺陷检测中的重要步骤，通过利用映射模型，将检测图像与参考图像进行配准，以便于进行显示器件缺陷检测。例如，映射模型是指检测图像与参考图像之间的映射函数，即检测图像与参考图像之间的坐标变换关系。映射模型是否合理和准确对显示器件的缺陷检测结果有着较大的影响。随着显示器件的分辨率越来越高，如何得到并利用更加合理和准确的映射模型来对检测图像进行配准，进而实现检测图像与参考图像的像素级精度的配准，以提高缺陷检测的准确度，成为了亟待解决的问题。
本公开至少一实施例提供一种图像配准方法、图像配准装置及存储介质，利用该图像配准方法，在例如显示器件像素缺陷检测的过程中可以实现像素级精度的图像配准，具有高准确度和高鲁棒性，为实现显示器件的像素缺陷检测提供了支持。
下面，将参考附图详细地说明本公开的实施例。应当注意的是，不同的附图中相同的附图标记将用于指代已描述的相同的元件。
本公开至少一实施例提供一种图像配准方法，该图像配准方法包括：使显示器件显示至少一个斑点阵列；获取特征图像，并对所述特征图像执行基于特征的图像配准操作，以得到至少一个转换图像；根据所述至少一个转换图像，得到映射模型。这里，所述特征图像为拍摄的所述显示器件显示的包括斑点阵列的图像。
图1为本公开一实施例提供的一种图像配准方法的示意性流程图。如图1所示，该图像配准方法包括以下步骤：
步骤S10：使显示器件显示至少一个斑点阵列；
步骤S20：获取特征图像，并对特征图像执行基于特征的图像配准操作，以得到至少一个转换图像；
步骤S30：根据至少一个转换图像，得到映射模型。
例如，在步骤S10中，显示器件可以为有机发光二极管(Organic Light EmittingDiode，OLED)显示面板、OLED显示装置、液晶显示(Liquid Crystal Display，LCD)面板、LCD装置、电子纸显示装置等，也可以为其他任意的具有显示功能的部件或设备，本公开的实施例对此不作限制。例如，该显示器件为需要后续进行像素缺陷检测的器件。
例如，斑点阵列可以通过使显示器件中特定位置的像素或子像素发光而形成，此时，显示器件中其他位置的像素或子像素不发光。每个像素包括例如3个子像素(例如RGB子像素)或4个子像素(例如RGBW子像素或RGBY子像素)。斑点阵列包括多个斑点，每个斑点即为一个像素或子像素，或为多个彼此相邻的像素或子像素。斑点阵列的数量和尺寸不受限制，可以根据实际需求而定。关于斑点阵列，将在后文中进行详细说明。
例如，在步骤S20中，特征图像为拍摄的显示器件显示的包括斑点阵列的图像。例如，可以采用图像拍摄装置(例如相机)对显示器件显示的包括斑点阵列的图像进行拍摄，从而得到特征图像，则该特征图像中也包括斑点阵列。将特征图像中的斑点阵列作为特征，对特征图像执行基于特征的图像配准操作，从而得到至少一个转换图像。例如，图像配准操作包括通常的图像配准步骤，例如可以包括特征提取、特征匹配、估计转换模型、图像重采样与变换等。由于在该特征图像中，将斑点阵列作为特征，因此特征提取进一步为斑点阵列特征提取，特征匹配进一步为斑点阵列特征匹配。通过图像配准操作可以得到至少一个转换图像。例如，转换图像为对特征图像进行配准后的图像。
例如，转换图像的数量与斑点阵列的数量相等。当斑点阵列为多个时，分别基于每个斑点阵列对特征图像执行图像配准操作，从而可以得到多个转换图像，且该多个转换图像的数量与斑点阵列的数量相等；当斑点阵列为一个时，基于该一个斑点阵列对特征图像执行图像配准操作，从而可以得到一个转换图像。
例如，在步骤S30中，可以对转换图像进行置信度评估进而得到映射模型，关于置信度评估，将在后文中进行详细说明。例如，将该图像配准方法应用于显示器件的像素缺陷检测时，该映射模型为检测图像与对应的参考图像之间的映射函数，即检测图像与对应的参考图像之间的坐标变换关系。利用该映射模型，可以对任意的检测图像与对应的参考图像进行配准，从而便于后续的像素缺陷检测。这里，检测图像是指拍摄的显示器件显示的图像，且该图像中可以包括斑点阵列，也可以不包括斑点阵列，该图像呈现的内容可以根据像素缺陷检测的需求而定。参考图像是指利用显示器件显示的原始图像，即理论的进行显示的图像。例如，可以将参考图像传输给显示器件，显示器件将其转换为对应的红绿蓝(Red、Green、Blue，RGB)数据信号，并基于与参考图像对应的RGB数据信号进行显示。
由于显示器件的显示内容可控，可以使显示器件显示斑点阵列，并将斑点阵列作为特征，使得该图像配准方法在例如显示器件像素缺陷检测的过程中可以实现像素级精度的图像配准，具有高准确度。通过采用多个斑点阵列进行冗余设计，使得该图像配准方法具有高鲁棒性，不易受显示器件自身的不良(例如亮点、灰尘、污渍等)的影响。该图像配准方法为后续实现显示器件的像素缺陷检测提供了支持，有助于提高像素缺陷检测结果的准确度。
图2为本公开一实施例提供的一种图像配准方法中的斑点阵列的示意图。例如，可以使显示器件显示多个斑点阵列，各个斑点阵列的尺寸不同且位于不同的显示区域中。例如，在一个示例中，如图2所示，显示器件的显示屏001包括多个显示区域，例如包括第一显示区域A、第二显示区域B、第三显示区域C和第四显示区域D。在每个显示区域中，分别显示尺寸不同的斑点阵列，每个斑点阵列呈矩形排布。例如，在第一显示区域A中显示第一斑点阵列，第一斑点阵列的尺寸为2×2；在第二显示区域B中显示第二斑点阵列，第二斑点阵列的尺寸为2×3；在第三显示区域C中显示第三斑点阵列，第三斑点阵列的尺寸为3×3；在第四显示区域D中显示第四斑点阵列，第四斑点阵列的尺寸为4×4。这里，斑点阵列的尺寸是指矩形排布的斑点阵列中每一列和每一行中斑点的数量。需要说明的是，斑点阵列的尺寸不受限制，例如还可以为3×4、2×5、5×5等任意尺寸，这可以根据实际需求而定。斑点阵列中各个斑点之间的距离也不受限制，可以根据实际需求而定，例如根据斑点的数量和显示区域的大小而定，例如斑点阵列也不限于m行*n列的规则阵列，例如可以为非规则阵列，例如相邻行在列方向彼此错开(因此相邻行上的相邻斑点呈Δ排列)的阵列。
例如，斑点阵列中的每个斑点为显示器件中一个发光的像素或子像素，或为多个彼此相邻的发光的像素或子像素。例如，可以使显示器件中特定位置的像素或子像素发光而形成斑点阵列，此时，显示器件中其他位置的像素或子像素不发光。当然，本公开的实施例不限于此，在其他示例中，也可以使显示器件中特定位置的像素或子像素不发光，使其他位置的像素或子像素发光，从而也能够形成斑点阵列。
需要说明的是，本公开的实施例中，斑点阵列的数量不受限制，可以为图2中所示的4个，也可以为1个、2个、3个或任意数量。斑点阵列的分布位置也不受限制，可以在显示屏001中均匀分布或非均匀分布。
图3为本公开一实施例提供的图像配准方法中的步骤S20的流程图。如图3所示，图1中的步骤S20可以包括以下步骤：
步骤S201：获取特征图像，并对特征图像执行斑点阵列特征提取、斑点阵列特征匹配和转换模型估计；
步骤S202：根据转换模型估计得到的转换模型，对特征图像执行图像重采样与变换，以得到至少一个转换图像。
例如，在步骤S201中，特征图像为拍摄的显示器件显示的包括斑点阵列的图像，例如为拍摄的图2所示的图像。斑点阵列特征提取、斑点阵列特征匹配和转换模型估计可以将斑点阵列作为特征，采用常规的特征提取、特征匹配和转换模型估计实现。例如，在一个示例中，如图4所示，步骤S201可以包括以下步骤：
步骤S2011：采用图像拍摄装置对显示器件显示的图像进行拍摄，得到特征图像；
步骤S2012：对特征图像中的每一个斑点阵列执行斑点阵列特征提取、斑点阵列特征匹配和转换模型估计。
例如，在步骤S2011中，使显示器件显示包括斑点阵列的图像，例如显示如图2所示的图像，并采用图像拍摄装置对其进行拍摄，以得到特征图像。由此，特征图像中也包括相应的多个斑点矩阵。例如，图像拍摄装置可以为数码照相机、数码摄像机等，例如可以采用CMOS型图像传感器、CCD型图像传感器等，并可以根据需要来选择图像传感器的分辨率，本公开的实施例对此不作限制。
例如，为了实现像素级的特征提取和特征匹配，图像拍摄装置的成像分辨率需要大于显示器件的显示分辨率。例如，在一个示例中，图像拍摄装置的成像分辨率大于或等于显示器件的显示分辨率的4倍，以有利于后续对特征图像进行特征提取和特征匹配。
例如，在步骤S2012中，对特征图像中的每一个斑点阵列执行斑点阵列特征提取、斑点阵列特征匹配和转换模型估计。例如，在一个示例中，当显示器件显示如图2所示的图像时，相应地，拍摄得到的特征图像也包括4个斑点阵列，也即是，特征图像中也包括第一斑点阵列、第二斑点阵列、第三斑点阵列和第四斑点阵列。将该4个斑点阵列中的每一个作为特征，并相应地执行斑点阵列特征提取、斑点阵列特征匹配和转换模型估计，从而可以得到4个转换模型。该4个转换模型与4个斑点阵列分别对应。例如，该4个转换模型包括第一转换模型、第二转换模型、第三转换模型和第四转换模型。第一转换模型是基于特征图像中的第一斑点阵列得到的，第二转换模型是基于特征图像中的第二斑点阵列得到的，第三转换模型是基于特征图像中的第三斑点阵列得到的，第四转换模型是基于特征图像中的第四斑点阵列得到的。
例如，斑点阵列特征提取可以采用基于局部极值的分水岭检测方法或基于微分检测器的检测方法，相比于其他检测方法，上述两种检测方法更加适用于图像中的斑点特征检测。例如，基于微分检测器的检测方法可以包括高斯拉普拉斯(Laplace of Guassian，LOG)算子斑点检测方法，通过将图像与高斯拉普拉斯函数进行卷积操作，求取图像中与其特征相似的奇异区域作为斑点特征。例如，在基于局部极值的分水岭检测方法中，通过对图像进行多间隔区域二值化操作，提取连通域及连通中心点来估计斑点特征和对应的半径。
例如，在一个示例中，基于局部极值的分水岭检测方法包括如下步骤：
(1)设置二值化阈值范围及步进值，将图像按照阈值范围内选取的阈值依次二值化；
(2)在二值化的图像中提取轮廓并计算每个轮廓的中心；
(3)根据轮廓中心坐标进行分组，距离小于判定值的特征中心归类为同一特征点集合；
(4)对检测到的特征点进行特征参数筛选确认其是否是待测斑点，包括特征点的灰度、面积、圆度等特征参数。
需要说明的是，本公开的实施例中，斑点阵列特征提取可以采用上述方法，也可以采用尺度不变特征变换(Scale-invariant Feature Transform，SIFT)、harris角点检测、加速稳健特征(Speeded Up Robust Features，SURF)等算法或其他适用的方法，本公开的实施例对此不作限制，只要能检测斑点阵列即可。关于斑点阵列特征提取的详细说明可参考常规的特征提取方法，此处不再详述。
例如，斑点阵列特征匹配包括：将特征图像中的斑点阵列的斑点的坐标与显示器件中发光的像素或子像素的坐标进行匹配。由于显示器件根据与参考图像对应的RGB数据信号而显示，因此，显示器件中发光的像素或子像素的坐标与参考图像中的各个斑点阵列的斑点的坐标相同。由此，可以实现特征图像与参考图像之间的特征匹配。关于斑点阵列特征匹配的详细说明可以参考常规的特征匹配方法，此处不再详述。
例如，在通常的图像配准方法中，通常的特征图像采用棋盘格图案，通过检测棋盘格的内角点作为特征点而进行特征匹配。然而，对于显示器件而言，由于显示器件通过像素阵列显示，像素点的光扩散效应以及黑矩阵(Black Matrix，BM)区域的存在都会影响棋盘格内角点的检测精度。在本公开实施例提供的图像配准方法中，采用显示器件发光的像素点作为待检测的特征，并按照需求生成不同的斑点阵列，通过提取特征图像中的斑点阵列，并将斑点阵列与实际发光的像素或子像素的位置(坐标)进行匹配，从而实现特征匹配。由于将显示器件的像素或子像素构成的斑点阵列作为待检测的特征，可以实现像素级的特征提取及特征匹配，从而可以达到像素级的图像配准，配准精度高。
例如，转换模型估计可以采用适用性较广的透射变换模型，也可以采用刚性变换、相似变换、仿射变换等任意适用的变换模型，本公开的实施例对此不作限制。例如，在一个示例中，当使显示器件显示如图2所示的图像并拍摄得到相应的特征图像时，可以分别根据特征图像中的第一斑点阵列、第二斑点阵列、第三斑点阵列和第四斑点阵列得到第一转换模型、第二转换模型、第三转换模型和第四转换模型。该4个转换模型可以描述特征图像与参考图像之间的平移、旋转、缩放等关系。关于转换模型估计，可以参考常规的转换模型估计方法，此处不再详述。
例如，在图3所示的步骤S202中，可以根据转换模型估计得到与特征图像中每一个斑点阵列分别对应的多个转换模型，利用多个转换模型分别对特征图像执行图像重采样与变换，以得到多个转换图像。例如，在一个示例中，当得到第一转换模型、第二转换模型、第三转换模型和第四转换模型这4个转换模型后，分别利用每一个转换模型对特征图像执行图像重采样与变换，从而得到与该4个转换模型分别对应的第一转换图像、第二转换图像、第三转换图像和第四转换图像。第一转换图像、第二转换图像、第三转换图像和第四转换图像均是由特征图像变形得到，这四者间可以存在细微的差别。关于图像重采样与变换，可以参考常规的图像重采样与变换方法，此处不再详述。
例如，在得到转换图像之后，可以对转换图像进行置信度评估进而得到映射模型，也即是，图1所示的步骤S30的一个示例可以具体包括：对多个转换图像进行置信度评估，根据评估结果选择多个转换图像之一对应的转换模型作为映射模型。图5为本公开一实施例提供的图像配准方法中的置信度评估的流程图。例如，在一个示例中，如图5所示，置信度评估可以包括如下操作。
首先，计算每个转换图像中全部斑点阵列的斑点的坐标与参考图像中对应斑点的坐标的差值。这里，参考图像为利用显示器件显示的包括斑点阵列的原始图像，也即传输给显示器件的图像。例如，在一个示例中，显示器件显示如图2所示的图像，因此每个转换图像中均包括35个斑点，且该35个斑点对应于4个斑点阵列。例如，对于第一转换图像，得到35个差值ΔMi，其中，i＝1,…,35；对于第二转换图像，得到35个差值ΔNi；对于第三转换图像，得到35个差值ΔPi；对于第四转换图像，得到35个差值ΔQi。例如，差值可以为水平方向(X方向)和垂直方向(Y方向)的坐标的差组成的矩阵，也可以为水平方向和垂直方向的坐标的差的平方和的二分之一次方，本公开的实施例对此不作限制。
其次，计算每个转换图像对应的差值的方差，以得到与多个转换图像分别对应的多个方差。例如，对于第一转换图像，计算35个差值ΔMi的方差，得到与第一转换图像对应的方差对于第二转换图像，计算35个差值ΔNi的方差，得到与第二转换图像对应的方差对于第三转换图像，计算35个差值ΔPi的方差，得到与第三转换图像对应的方差对于第四转换图像，计算35个差值ΔQi的方差，得到与第四转换图像对应的方差
然后，将多个方差分别与预设值进行比较，并判断多个方差是否均小于或等于预设值。例如，该预设值可以根据经验确定，也可以为理论计算得到的参考值等，本公开的实施例对此不作限制。
若多个方差并非均小于或等于预设值，也即，多个方差中存在至少一个大于预设值的方差(将该大于预设值的方差称为第一方差)，则舍弃与第一方差对应的转换图像，并舍弃余下的转换图像中的与舍弃的转换图像对应的转换模型对应的斑点阵列，并计算余下的转换图像中余下的斑点阵列的斑点的坐标与参考图像中对应斑点的坐标的差值，以及计算余下的每个转换图像对应的差值的方差，并将计算得到的方差与预设值进行比较。
例如，在一个示例中，若与第一转换图像对应的方差大于预设值，则说明与第一转换图像对应的第一转换模型的准确度不满足要求，因此舍弃第一转换图像。由于第一转换模型是基于第一斑点阵列得到的，说明第一斑点阵列可能受到了亮点、灰尘、污渍的干扰，因此也需要将第二转换图像、第三转换图像、第四转换图像中的第一斑点阵列的4个斑点舍弃。然后，分别计算第二转换图像、第三转换图像和第四转换图像中各自余下的31个斑点的坐标与参考图像中对应斑点的坐标的差值，并且根据与第二转换图像、第三转换图像、第四转换图像分别对应的31个差值计算各自的方差，并将计算得到的3个方差与预设值比较，以重复上述判断多个方差是否均小于或等于预设值的步骤。
若多个方差均小于或等于预设值，则选择最小的方差对应的转换图像对应的转换模型作为映射模型。例如，在一个示例中，与第一转换图像、第二转换图像、第三转换图像和第四转换图像分别对应的方差和均小于或等于预设值，且最小，则选择对应的第四转换图像对应的第四转换模型作为映射模型，以使该映射模型具有较高的准确度。例如，该图像配准方法得到的映射模型可以用于任意的检测图像与相应的参考图像之间的配准操作，从而便于后续的像素缺陷检测，有助于提高检测准确度。
由于显示器件自身的不良可能会对显示的斑点阵列造成干扰，如亮点、灰尘和污渍等，在本公开的实施例中，通过冗余设计多个斑点阵列，并对得到的多个转换模型进行置信度评估，从而可以使最终得到的映射模型具有较高的准确度，有效提高了鲁棒性，避免受显示器件自身的不良的干扰。
需要说明的是，本公开的实施例中，当斑点阵列为多个且相应得到的转换图像为多个时，对该多个转换图像进行上述置信度评估，以得到映射模型；当斑点阵列为一个且相应得到的转换图像为一个时，则可以对该转换图像进行置信度评估，也可以不进行置信度评估，直接将该转换图像对应的转换模型作为映射模型。例如，在一个示例中，在斑点阵列为一个且相应得到的转换图像为一个的情形下，对该转换图像进行置信度评估时，若评估结果不合格，即该转换图像对应的方差大于预设值，则使显示器件重新显示一个尺寸或位置不同的斑点阵列，并重新进行该图像配准方法中的各个步骤，直至评估结果合格。例如，在另一个示例中，在斑点阵列为一个且相应得到的转换图像为一个的情形下，对该转换图像不进行置信度评估时，可以省略图像重采样与变换的步骤，将转换模型估计所得到的转换模型直接作为映射模型即可。
需要说明的是，本公开的实施例中，置信度评估的具体操作不限于上述方式，也可以采用其他方法或流程，本公开的实施例对此不作限制。
图6为本公开一实施例提供的一种图像配准方法的具体流程图。例如，在一个示例中，如图6所示，该图像配准方法包括如下操作。首先，使显示器件显示多个斑点阵列，各个斑点阵列的尺寸不同且位于不同的显示区域中。然后，采用图像拍摄装置拍摄得到特征图像，该特征图像中也包括多个斑点阵列。接着，对该特征图像中的每一个斑点阵列执行斑点阵列特征提取、斑点阵列特征匹配和转换模型估计，并根据得到的多个转换模型对该特征图像执行图像重采样与变换，以得到多个转换图像。然后，对多个转换图像进行置信度评估。若评估结果不合格，即多个方差中存在至少一个大于预设值的第一方差，则舍弃高偏差的斑点阵列特征(也即，舍弃与第一方差对应的转换图像对应的转换模型对应的斑点阵列)，并继续进行置信度评估。若评估结果合格，即多个方差均小于或等于预设值，则选择最小的方差对应的转换图像对应的转换模型作为映射模型。
需要说明的是，本公开的实施例中，图像配准方法的各个步骤的执行顺序不受限制，虽然上文以特定顺序描述了各个步骤的执行过程，但这并不构成对本公开实施例的限制。该图像配准方法还可以包括更多或更少的步骤，本公开的实施例对此不作限制。
本公开至少一实施例还提供一种图像配准装置，该图像配准装置在例如显示器件像素缺陷检测的过程中可以实现像素级精度的图像配准，具有高准确度和高鲁棒性，为实现显示器件的像素缺陷检测提供了支持。
图7为本公开一实施例提供的一种图像配准装置的示意框图。如图7所示，图像配准装置100可以包括显示控制单元110、图像配准操作执行单元120和映射模型获取单元130。图像配准装置100例如与显示器件140信号连接(例如有线或无线连接)，可以将参考图像传输给显示器件140，以使显示器件140显示相应的图像。图像配准装置100还与图像拍摄装置150信号连接(例如有线或无线连接)，用于获取图像拍摄装置150拍摄的显示器件140显示的图像。例如，图像配准装置100还可以向图像拍摄装置150传输控制命令，以控制图像拍摄装置150执行拍摄操作。
显示控制单元110配置为使显示器件显示至少一个斑点阵列。图像配准操作执行单元120配置为获取特征图像，并对特征图像执行基于特征的图像配准操作，以得到至少一个转换图像。映射模型获取单元130配置为根据至少一个转换图像，得到映射模型。
例如，图像配准装置100可以应用于显示器件像素缺陷检测设备或***中，也可以应用于任意的需要使用显示器件进行显示并需要对拍摄的显示器件显示的图像进行配准的设备或***中，本公开的实施例对此不作限制。
例如，显示控制单元110、图像配准操作执行单元120和映射模型获取单元130可以为硬件、软件、固件以及它们的任意可行的组合。例如，显示控制单元110、图像配准操作执行单元120和映射模型获取单元130可以为专用或通用的电路、芯片或装置等，也可以为处理器和存储器的结合。例如，在一个示例中，各个单元还可以包括信号收发装置、调制解调装置、存储装置等。关于显示控制单元110、图像配准操作执行单元120和映射模型获取单元130的具体实现形式，本公开的实施例对此不作限制。
例如，显示器件140可以为OLED显示面板、OLED显示装置、LCD面板、LCD装置等，也可以为其他任意的具有显示功能的部件或设备，本公开的实施例对此不作限制。图像拍摄装置150可以为数码照相机、数码摄像机等，本公开的实施例对此不作限制。
当上述图像配准装置100、显示器件140和图像拍摄装置150设置在同一***之中时，它们之间可以通过***总线彼此信号连接，以便快速传输数据。
需要说明的是，本公开的实施例中，图像配准装置100的各个单元与前述的图像配准方法的各个步骤对应，关于图像配准装置100的具体功能可以参考关于图像配准方法的相关描述，此处不再赘述。图7所示的图像配准装置100的组件和结构只是示例性的，而非限制性的，根据需要，该图像配准装置100还可以包括其他组件和结构。
图8为本公开一实施例提供的另一种图像配准装置的示意框图。如图8所示，图像配准装置200可以包括处理器210和存储器220。存储器220用于存储非暂时性计算机可读指令(例如一个或多个计算机程序模块)。处理器210用于运行非暂时性计算机可读指令，非暂时性计算机可读指令被处理器210运行时可以执行上文所述的图像配准方法中的一个或多个步骤。存储器220和处理器210可以通过总线***和/或其它形式的连接机构(未示出)互连。
例如，存储器220和处理器210等可以设置在服务器端(或云端)。当然，本公开的实施例不限于此，存储器220和处理器210等也可以设置在客户端。
例如，处理器210可以是中央处理单元(CPU)、数字信号处理器(DSP)或者具有数据处理能力和/或程序执行能力的其它形式的处理单元，例如现场可编程门阵列(FPGA)等；例如，中央处理单元(CPU)可以为X86或ARM架构等。处理器210可以为通用处理器或专用处理器，可以控制图像配准装置200中的其它组件以执行期望的功能。
例如，存储器220可以包括一个或多个计算机程序产品的任意组合，计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。非易失性存储器例如可以包括只读存储器(ROM)、硬盘、可擦除可编程只读存储器(EPROM)、便携式紧致盘只读存储器(CD-ROM)、USB存储器、闪存等。在计算机可读存储介质上可以存储一个或多个计算机程序模块，处理器210可以运行一个或多个计算机程序模块，以实现图像配准装置200的各种功能。在计算机可读存储介质中还可以存储各种应用程序和各种数据以及应用程序使用和/或产生的各种数据等。
例如，在一个示例中，可以通过通信网络(例如有线局域网、无线局域网、3G/4G/5G通信网络、蓝牙等)基于相应的通信协议向显示器件140(图8中未示出)传输参考图像，并接收图像拍摄装置150(图8中未示出)拍摄的特征图像。例如，通信协议可以为蓝牙通信协议、以太网、串行接口通信协议、并行接口通信协议等任意适用的通信协议，本公开的实施例对此不作限制。图像配准装置200可以通过有线或无线的方式与显示器件140和图像拍摄装置150通信。需要说明的是，本公开的实施例中，图像配准装置200的具体功能和技术效果可以参考上文中关于图像配准方法的描述，此处不再赘述。
本公开至少一实施例还提供一种存储介质，用于存储非暂时性计算机可读指令，当所述非暂时性计算机可读指令由计算机执行时可以执行实现本公开任一实施例所述的图像配准方法的指令。利用该存储介质在例如显示器件像素缺陷检测的过程中可以实现像素级精度的图像配准，具有高准确度和高鲁棒性，为实现显示器件的像素缺陷检测提供了支持。
图9为本公开一实施例提供的一种存储介质的示意图。如图9所示，存储介质300用于存储非暂时性计算机可读指令310。例如，当非暂时性计算机可读指令310由计算机执行时可以执行根据上文所述的图像配准方法中的一个或多个步骤。
例如，该存储介质300可以应用于上述图像配准装置200中。例如，存储介质300可以为图8所示的图像配准装置200中的存储器220。例如，关于存储介质300的相关说明可以参考图8所示的图像配准装置200中的存储器220的相应描述，此处不再赘述。
有以下几点需要说明：
(1)本公开实施例附图只涉及到本公开实施例涉及到的结构，其他结构可参考通常设计。
(2)在不冲突的情况下，本公开的实施例及实施例中的特征可以相互组合以得到新的实施例。
以上所述，仅为本公开的具体实施方式，但本公开的保护范围并不局限于此，本公开的保护范围应以所述权利要求的保护范围为准。

Claims (16)

1.一种图像配准方法，包括：
使显示器件显示至少一个斑点阵列；
获取特征图像，并对所述特征图像执行基于特征的图像配准操作，以得到至少一个转换图像；
根据所述至少一个转换图像，得到映射模型；
其中，所述特征图像为拍摄的所述显示器件显示的包括斑点阵列的图像。
2.根据权利要求1所述的图像配准方法，其中，使所述显示器件显示至少一个斑点阵列，包括：
使所述显示器件显示多个斑点阵列，各个斑点阵列的尺寸不同且位于不同的显示区域中。
3.根据权利要求2所述的图像配准方法，其中，获取特征图像，并对所述特征图像执行基于特征的图像配准操作，以得到至少一个转换图像，包括：
获取所述特征图像，并对所述特征图像执行斑点阵列特征提取、斑点阵列特征匹配和转换模型估计；
根据所述转换模型估计得到的转换模型，对所述特征图像执行图像重采样与变换，以得到所述至少一个转换图像。
4.根据权利要求3所述的图像配准方法，其中，获取所述特征图像，并对所述特征图像执行斑点阵列特征提取、斑点阵列特征匹配和转换模型估计，包括：
采用图像拍摄装置对所述显示器件显示的图像进行拍摄，得到所述特征图像；
对所述特征图像中的每一个斑点阵列执行所述斑点阵列特征提取、所述斑点阵列特征匹配和所述转换模型估计。
5.根据权利要求4所述的图像配准方法，其中，所述斑点阵列特征匹配包括：
将所述特征图像中的斑点阵列的斑点的坐标与所述显示器件中发光的像素或子像素的坐标进行匹配。
6.根据权利要求4所述的图像配准方法，其中，所述图像拍摄装置的成像分辨率大于所述显示器件的显示分辨率。
7.根据权利要求3所述的图像配准方法，其中，根据所述转换模型估计得到的转换模型，对所述特征图像执行图像重采样与变换，以得到所述至少一个转换图像，包括：
根据所述转换模型估计得到与所述特征图像中每一个斑点阵列分别对应的多个转换模型，利用所述多个转换模型分别对所述特征图像执行所述图像重采样与变换，以得到多个转换图像。
8.根据权利要求7所述的图像配准方法，其中，根据所述至少一个转换图像，得到所述映射模型，包括：
对所述多个转换图像进行置信度评估，根据评估结果选择所述多个转换图像之一对应的转换模型作为所述映射模型。
9.根据权利要求8所述的图像配准方法，其中，对所述多个转换图像进行置信度评估，根据评估结果选择所述多个转换图像之一对应的转换模型作为所述映射模型，包括：
计算每个转换图像中全部斑点阵列的斑点的坐标与参考图像中对应斑点的坐标的差值，其中，所述参考图像为利用所述显示器件显示的包括斑点阵列的原始图像；
计算每个转换图像对应的差值的方差，以得到与多个转换图像分别对应的多个方差；
将所述多个方差分别与预设值进行比较；
若所述多个方差中存在至少一个大于所述预设值的第一方差，则舍弃与所述第一方差对应的转换图像，并舍弃余下的转换图像中的与舍弃的转换图像对应的转换模型对应的斑点阵列，并计算余下的转换图像中余下的斑点阵列的斑点的坐标与所述参考图像中对应斑点的坐标的差值，以及计算余下的每个转换图像对应的差值的方差，并将计算得到的方差与所述预设值进行比较；
若所述多个方差均小于或等于所述预设值，则选择最小的方差对应的转换图像对应的转换模型作为所述映射模型。
10.根据权利要求1所述的图像配准方法，其中，在所述显示器件显示一个斑点阵列并且相应地得到一个转换图像的情形下，根据所述至少一个转换图像，得到所述映射模型，包括：
将所述一个转换图像对应的转换模型作为所述映射模型。
11.根据权利要求1所述的图像配准方法，其中，所述斑点阵列中的每个斑点为所述显示器件中一个发光的像素或子像素。
12.根据权利要求1所述的图像配准方法，其中，所述斑点阵列呈矩形排布。
13.根据权利要求1所述的图像配准方法，其中，所述斑点阵列的尺寸为2×2、2×3、3×3或4×4。
14.一种图像配准装置，包括：
显示控制单元，配置为使显示器件显示至少一个斑点阵列；
图像配准操作执行单元，配置为获取特征图像，并对所述特征图像执行基于特征的图像配准操作，以得到至少一个转换图像；
映射模型获取单元，配置为根据所述至少一个转换图像，得到映射模型。
15.一种图像配准装置，包括：
处理器；
存储器；
一个或多个计算机程序模块，所述一个或多个计算机程序模块被存储在所述存储器中并被配置为由所述处理器执行，所述一个或多个计算机程序模块包括用于实现权利要求1-13任一所述的图像配准方法的指令。
16.一种存储介质，用于存储非暂时性计算机可读指令，当所述非暂时性计算机可读指令由计算机执行时可以执行实现权利要求1-13任一所述的图像配准方法的指令。
CN201811276677.2A 2018-10-30 2018-10-30 图像配准方法、图像配准装置及存储介质 Active CN109360203B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201811276677.2A CN109360203B (zh) 2018-10-30 2018-10-30 图像配准方法、图像配准装置及存储介质
US16/503,832 US11120565B2 (en) 2018-10-30 2019-07-05 Image registration method, image registration device and storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811276677.2A CN109360203B (zh) 2018-10-30 2018-10-30 图像配准方法、图像配准装置及存储介质

Publications (2)

Publication Number Publication Date
CN109360203A true CN109360203A (zh) 2019-02-19
CN109360203B CN109360203B (zh) 2021-12-03

Family

ID=65347514

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811276677.2A Active CN109360203B (zh) 2018-10-30 2018-10-30 图像配准方法、图像配准装置及存储介质

Country Status (2)

Country Link
US (1) US11120565B2 (zh)
CN (1) CN109360203B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111627009A (zh) * 2020-05-27 2020-09-04 歌尔股份有限公司 一种屏幕检测方法、装置及头戴显示设备
CN114897950A (zh) * 2022-04-29 2022-08-12 上海精积微半导体技术有限公司 图像配准及缺陷检测方法

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102454986B1 (ko) * 2017-05-23 2022-10-17 삼성디스플레이 주식회사 얼룩 검출 장치 및 이를 이용한 얼룩 검출 방법
CN109829904B (zh) * 2019-01-29 2022-01-14 京东方科技集团股份有限公司 检测屏幕上灰尘的方法、装置、电子设备、可读存储介质
CN110365946A (zh) * 2019-07-26 2019-10-22 浙江大华技术股份有限公司 灾情应对方案的生成方法、装置、存储介质及电子装置
CN111724425B (zh) * 2020-05-28 2023-11-10 交通运输部东海航海保障中心上海航标处 航标图拼接方法、装置及终端设备
CN114155304A (zh) * 2020-09-04 2022-03-08 株式会社理光 空间平面图像比较方法、装置和计算机可读存储介质
CN112489093A (zh) * 2020-11-19 2021-03-12 哈尔滨工程大学 声呐图像配准方法、装置、终端设备以及存储介质
DE102021205703A1 (de) * 2021-06-07 2022-12-08 TechnoTeam Holding GmbH Verfahren und Vorrichtung zur lichttechnischen Vermessung eines elektronischen Displays sowie Verfahren zur Ansteuerung eines elektronischen Displays
CN113570648B (zh) * 2021-07-30 2023-09-26 武汉联影智融医疗科技有限公司 多骨骼影像配准方法、电子装置以及医学导航***
CN114240919A (zh) * 2021-12-23 2022-03-25 恒为科技（上海）股份有限公司 一种板卡器件检测方法、装置、设备及存储介质
US11935154B2 (en) * 2022-03-02 2024-03-19 Microsoft Technology Licensing, Llc Image transformation infrastructure
CN114399507B (zh) * 2022-03-25 2022-06-17 季华实验室 一种手机外观质量检测方法、装置、电子设备及存储介质
CN117392211B (zh) * 2023-12-11 2024-03-12 合肥安迅精密技术有限公司 Bga元件快速识别定位方法及***、存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104732900A (zh) * 2013-12-20 2015-06-24 昆山国显光电有限公司 像素缺陷检测方法和装置
CN106228535A (zh) * 2016-07-05 2016-12-14 董超超 一种包含斑块配准装置的液晶显示器
US20170103258A1 (en) * 2015-10-10 2017-04-13 Beijing Kuangshi Technology Co., Ltd. Object detection method and object detection apparatus
CN107240127A (zh) * 2017-04-19 2017-10-10 中国航空无线电电子研究所 基于特征点映射的图像配准评估方法
CN108205210A (zh) * 2016-12-19 2018-06-26 南京理工大学 基于傅里叶梅林及特征匹配的lcd缺陷检测***及方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8238635B2 (en) * 2008-03-21 2012-08-07 General Electric Company Method and system for identifying defects in radiographic image data corresponding to a scanned object
US10681344B2 (en) * 2017-12-15 2020-06-09 Samsung Display Co., Ltd. System and method for mura detection on a display

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104732900A (zh) * 2013-12-20 2015-06-24 昆山国显光电有限公司 像素缺陷检测方法和装置
US20170103258A1 (en) * 2015-10-10 2017-04-13 Beijing Kuangshi Technology Co., Ltd. Object detection method and object detection apparatus
CN106228535A (zh) * 2016-07-05 2016-12-14 董超超 一种包含斑块配准装置的液晶显示器
CN108205210A (zh) * 2016-12-19 2018-06-26 南京理工大学 基于傅里叶梅林及特征匹配的lcd缺陷检测***及方法
CN107240127A (zh) * 2017-04-19 2017-10-10 中国航空无线电电子研究所 基于特征点映射的图像配准评估方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
FAIRYLRT: "图像配准入门", 《HTTPS://BLOG.CSDN.NET/FAIRYLRT/ARTICLE/DETAILS/38054857》 *
LIGUANGSUNLS: "图像配准建立仿射变换模型并用RANSAC算法评估》", 《HTTPS://WWW.CNBLOGS.COM/LIGUANGSUNLS/P/6823269.HTML》 *
叶涵等: "LCD显示缺陷检测装备中的形状配准新方法", 《电子设计工程》 *
周波波: "《基于小型TFT—LCD点缺陷检测***的研究》", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
智金波: "《基于局部特征点的图像配准基本理论》", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111627009A (zh) * 2020-05-27 2020-09-04 歌尔股份有限公司 一种屏幕检测方法、装置及头戴显示设备
CN111627009B (zh) * 2020-05-27 2023-10-20 歌尔光学科技有限公司 一种屏幕检测方法、装置及头戴显示设备
CN114897950A (zh) * 2022-04-29 2022-08-12 上海精积微半导体技术有限公司 图像配准及缺陷检测方法

Also Published As

Publication number Publication date
CN109360203B (zh) 2021-12-03
US11120565B2 (en) 2021-09-14
US20200134845A1 (en) 2020-04-30

Similar Documents

Publication Publication Date Title
CN109360203A (zh) 图像配准方法、图像配准装置及存储介质
US10559081B2 (en) Method and system for automated visual analysis of a dipstick using standard user equipment
RU2680765C1 (ru) Автоматизированное определение и обрезка неоднозначного контура документа на изображении
KR102334575B1 (ko) 무라 검출 장치 및 무라 검출 장치의 검출 방법
US9646370B2 (en) Automatic detection method for defects of a display panel
CN112270688B (zh) 一种前景提取方法、装置、设备及存储介质
JP2012032370A (ja) 欠陥検出方法、欠陥検出装置、学習方法、プログラム、及び記録媒体
CN111862224A (zh) 确定相机与激光雷达之间外参的方法和装置
CN110400315A (zh) 一种缺陷检测方法、装置及***
CN112730251B (zh) 一种用于屏幕颜色缺陷检测的装置及方法
JP5242248B2 (ja) 欠陥検出装置、欠陥検出方法、欠陥検出プログラム、及び、記録媒体
CN110879131B (zh) 目视光学***的成像质量测试方法、成像质量测试装置和电子设备
CN108776965B (zh) 一种图像中直线测量方法、装置、设备及存储介质
CN110111364A (zh) 运动检测方法、装置、电子设备及存储介质
TW201512649A (zh) 偵測晶片影像瑕疵方法及其系統與電腦程式產品
CN104966283A (zh) 图像分层配准方法
KR20120015980A (ko) 오브젝트 색상 보정 방법, 시스템 및 컴퓨터 프로그램 제품
CN112037128A (zh) 一种全景视频拼接方法
CN111062984B (zh) 视频图像区域面积的测量方法、装置、设备及存储介质
CN114549613A (zh) 基于深度超分辨率网络的结构位移测量方法及装置
CN111445431B (zh) 一种图像分割方法、终端设备及计算机可读存储介质
CN111354058A (zh) 一种图像着色方法、装置、图像采集设备及可读存储介质
CN113167568A (zh) 坐标计算装置、坐标计算方法和计算机可读记录介质
JP2011124955A (ja) 画像処理方法及び画像処理装置
CN115496807B (zh) 表计指针的定位方法、装置、计算机设备和存储介质

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