CN110111711A - 屏幕的检测方法及装置、计算机可读存储介质 - Google Patents

Abstract

本发明提供了一种屏幕的检测方法、装置及计算机可读存储介质，涉及显示技术领域，用于提高子像素缺陷点的检测过程的准确度。其中该屏幕的检测方法包括：获取待检测屏幕的图像；通过多个伽柏滤波器分别对所获取的待检测屏幕的图像进行伽柏滤波，得到多个伽柏滤波图像，其中，多个伽柏滤波器的伽柏滤波参数不同；对多个伽柏滤波图像进行图像融合，得到图像融合结果；根据分割阈值范围检测图像融合结果，得到待检测屏幕中有缺陷的子像素，其中，分割阈值范围为无缺陷的子像素所对应的图像像素点的灰度值范围。所述屏幕的检测方法用于屏幕的缺陷检测中。

Description

屏幕的检测方法及装置、计算机可读存储介质

技术领域

本发明涉及显示技术领域，尤其涉及一种屏幕的检测方法及装置、计算机可读存储介质。

背景技术

显示屏在制备完成后，可能会存在一些显示有缺陷的子像素，亮度明显较暗甚至不亮的子像素为暗点，亮度明显较亮的子像素为亮点。因此，在显示屏在制备完成后会对显示屏进行是否存在缺陷的检测，并且定位有缺陷的子像素的位置，以便于后续对上述有缺陷的子像素进行人工检查及分析等操作。

发明内容

本发明的实施例提供一种屏幕的检测方法及装置、计算机可读存储介质，以提高屏幕中有缺陷的子像素的检测准确度。

为达到上述目的，本发明的实施例采用如下技术方案：

第一方面，本发明的实施例提供了一种屏幕的检测方法，包括：获取待检测屏幕的图像；通过多个伽柏滤波器分别对所获取的待检测屏幕的图像进行伽柏滤波，得到多个伽柏滤波图像；其中，所述多个伽柏滤波器的伽柏滤波参数不同；

对所述多个伽柏滤波图像进行图像融合，得到图像融合结果；根据分割阈值范围检测所述图像融合结果，得到所述待检测屏幕中有缺陷的子像素；其中，所述分割阈值范围为无缺陷的子像素所对应的图像像素点的灰度值范围。

上述屏幕的检测方法中，通过对待检测屏幕的图像进行伽柏滤波，并得到多个伽柏滤波图像，将该待检测屏幕的图像的纹理特征进行分离，并分别提取至多个伽柏滤波图像中。由于伽柏滤波器在纹理特征的分离及提取上具有较好的效果，因此上述屏幕的检测方法对待检测屏幕的图像的纹理特征的分离和提取效果较好，从而使根据上述伽柏滤波图像进行图像融合后，所得到的融合结果较为准确，根据该图像融合结果得到的待检测屏幕的各子像素所对应的图像像素点的灰度值也较为准确，进而根据该灰度值对待检测屏幕的进行缺陷点检测的检测结果较为准确，也即提高了有缺陷的子像素的检测准确度。

基于上述技术方案，在一些实施例中，所述伽柏滤波参数包括方向角和波长；所述伽柏滤波参数不同包括方向角不同和/或波长不同。

在一些实施例中，所述多个伽柏滤波器包括12个伽柏滤波器；所述多个伽柏滤波器的方向角包括0°、45°、90°和135°；所述多个伽柏滤波器的波长包括N、2N和3N；其中，N表示在所述待检测屏幕的图像中所述待检测屏幕的子像素列区域在垂直于所述子像素列区域的延伸方向上所占的图像像素点的个数。

在一些实施例中，所述对所述多个伽柏滤波图像进行图像融合，得到图像融合结果的步骤，包括：采用如下公式(1)，对所述多个伽柏滤波图像的特征向量f_i,j(x,y)进行归一化运算，得到归一化的特征向量p_i,j(x,y)：

其中，i、j均为整数，1≤i≤m，1≤j≤n，m表示所述多个伽柏滤波器的波长的取值个数，n表示所述多个伽柏滤波器的方向角的取值个数，minF(x,y)表示所述待检测屏幕的的图像的图像像素点(x,y)的灰度值F(x,y)的最小值，maxF(x,y)表示所述待检测屏幕的图像的图像像素点(x,y)的灰度值F(x,y)的最大值；采用如下公式(2)、(3)，对所述归一化的特征向量p_ij(x,y)进行第一融合运算，得到第一融合结果L_i(x,y)：

B_i,j(x,y)＝p_i,j(x,y)p_i,j+1(x,y)+p_i,j(x,y)p_i,j+2(x,y)+…+p_i,j(x,y)p_i,n(x,y) (3)；

采用如下公式(4)、(5)，对所述第一融合结果L_i(x,y)进行第二融合运算，得到所述图像融合结果N(x,y)：

在一些实施例中，所述根据分割阈值范围检测所述图像融合结果，得到所述待检测屏幕中有缺陷的子像素的步骤，包括：

根据所述图像融合结果，得到所述待检测屏幕中每个子像素所对应的图像像素点的灰度值范围；根据所述分割阈值范围与子像素所对应的图像像素点的灰度值范围，分别判断所述每个子像素为无缺陷的子像素，暗点，还是亮点：若所述分割阈值范围覆盖子像素所对应的图像像素点的灰度值范围，或与子像素所对应的图像像素点的灰度值范围重合，则判定该子像素为无缺陷的子像素；若子像素所对应的图像像素点的灰度值范围的上限值大于所述分割阈值范围的上限值，则判定该子像素为暗点；若子像素所对应的图像像素点的灰度值范围的下限值小于所述分割阈值范围的下限值，则判定该子像素为亮点。

在一些实施例中，在所述根据分割阈值范围检测所述图像融合结果，得到所述待检测屏幕的有缺陷的子像素的步骤之前，还包括获取所述分割阈值范围的步骤；所述获取所述分割阈值范围的步骤，包括：获取无缺陷屏幕的图像；通过所述多个伽柏滤波器对所述无缺陷屏幕的图像进行多次伽柏滤波，得到多个伽柏滤波参考图像；对所述多个伽柏滤波参考图像进行图像融合，得到参考融合图像和参考图像融合结果；根据所述参考图像融合结果，确定所述无缺陷屏幕的子像素所对应的图像像素点的最大灰度值和最小灰度值，得到所述分割阈值范围。

在一些实施例中，所述根据所述参考图像融合结果，确定所述无缺陷屏幕的子像素所对应的图像像素点的最大灰度值和最小灰度值的步骤之前，还包括：对所述参考融合图像的周边预设区域内的图像像素点进行去除处理，根据去除处理后的参考融合图像得到所述参考图像融合结果。

在一些实施例中，在所述通过多个伽柏滤波器分别对所获取的待检测屏幕的图像进行伽柏滤波，得到多个伽柏滤波图像的步骤之前，还包括：对所述待检测屏幕的图像进行降噪和/或图像增强处理。

第二方面，本发明实施例提供了一种屏幕的检测装置，包括：图像获取器，配置为获取待检测屏幕的图像；多个伽柏滤波器，所述多个伽柏滤波器的伽柏滤波参数不同，所述多个伽柏滤波器配置为分别对所述待检测屏幕的图像进行伽柏滤波，得到多个伽柏滤波图像；处理器，配置为对所述多个伽柏滤波图像进行图像融合，得到图像融合结果；检测器，配置为根据分割阈值范围，检测所述图像融合结果，得到所述待检测屏幕中有缺陷的子像素；其中，所述分割阈值范围为无缺陷的子像素所对应的图像像素点的灰度值范围。

上述屏幕的检测装置所能产生的有益效果与第一方面所提供的屏幕的检测方法的有益效果相同，此处不再赘述。

第三方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有一个或多个指令，以执行如第一方面所述的屏幕的检测方法中的一个或多个步骤。

上述计算机可读存储介质所能产生的有益效果与第一方面所提供的屏幕的检测方法的有益效果相同，此处不再赘述。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1为根据本发明一些实施例的一种屏幕的检测方法的流程示意图；

图2为根据本发明一些实施例的一种待检测屏幕的图像的示意图；

图3为根据本发明一些实施例的一种屏幕的检测方法的流程示意图；

图4为根据本发明一些实施例的一种屏幕的检测方法的流程示意图。

具体实施方式

为使本发明的发明目的、特征和优点能够更加明显易懂，下面将结合附图，对本发明的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员所获得的所有其它实施例，均属于本发明保护的范围。

参见图1，本发明的一些实施例提供了一种屏幕的检测方法，包括以下步骤：

S1.获取待检测屏幕的图像。

需要指出的是，待检测屏幕的子像素需要在待检测屏幕的图像中清晰展示，以便后续对上述子像素的排列进行纹理特征的分离和提取。示例性的，作为上述获取待检测屏幕的图像的一种可实现方式，可以利用工业相机对上述待检测屏幕进行拍摄，以获取上述待检测屏幕的图像。该待检测屏幕的图像可以为黑白图像。

S2.通过多个伽柏滤波器分别对所获取的待检测屏幕的图像进行伽柏滤波，得到多个伽柏滤波图像。其中，多个伽柏滤波器的伽柏滤波参数不同。

S3.对多个伽柏滤波图像进行图像融合，得到图像融合结果。

S4.根据分割阈值范围检测图像融合结果，得到待检测屏幕中有缺陷的子像素。其中，分割阈值范围为无缺陷的子像素所对应的图像像素点的灰度值范围。

示例性的，在上述屏幕的检测方法的步骤S4中，无缺陷的子像素可以是该待检测屏幕中的无缺陷的子像素，也可以是其他无缺陷屏幕中的子像素。

需要说明的是，待检测屏幕的各子像素的亮度的表征量为亮度值，在将该各子像素拍摄至待检测屏幕的图像上时，各子像素的亮度可以用对应的图像像素点的灰度值来表征。例如，若待检测屏幕的某个子像素的亮度值较高，则待检测屏幕的图像上与该子像素对应的图像像素点的灰度值较低；若待检测屏幕的某个子像素的亮度值较低，则待检测屏幕的图像上与该子像素对应的图像像素点的灰度值较高。还需要指出的是，“图像像素点”指的是图像上用于组成该图像的像素，而“子像素”指的是待检测屏幕中的用于显示的子像素。

在上述屏幕的检测方法中，通过对待检测屏幕的图像进行伽柏滤波，并得到多个伽柏滤波图像，将该待检测屏幕的图像的纹理特征进行分离，并将已分离的纹理特征分别提取至多个伽柏滤波图像中。在对多个伽柏滤波图像进行图像融合后，能够将已分离的纹理特征融合并得到较完整的待检测屏幕的图像的纹理特征，从而实现对待检测屏幕的图像的纹理特征的提取。而后根据图像融合结果可得到待检测屏幕的各子像素所对应的图像像素点的灰度值，并通过与分割阈值范围比较以检测得到有缺陷的子像素。由于伽柏滤波器在纹理特征的分离及提取上具有较好的效果，因此在步骤S2中对待检测屏幕的图像的纹理特征的分离和提取效果较好，从而使根据图像融合结果所得到的待检测屏幕的各子像素所对应的图像像素点的灰度值较为准确，因此，根据该灰度值对待检测屏幕的进行缺陷点检测的检测结果较为准确，也即提高了有缺陷的子像素的检测准确度。

此外，上述屏幕的检测方法在对待检测屏幕进行缺陷点检测的过程中，无需经过大量计算，因此该屏幕的检测方法的检测效率较高，可以对待检测屏幕进行实时检测。

基于上述技术方案，在本发明的一些实施例中，作为一种可实现方式，在上述步骤S2中，伽柏滤波参数可以包括方向角和波长，伽柏滤波参数不同可以包括方向角不同和/或波长不同。

通过设定不同方向角和/或波长的伽柏滤波器，可以较为精确地实现对待检测屏幕的图像的纹理特征的分离及提取，从而提高了有缺陷点的子像素的检测准确度。

示例性的，上述多个伽柏滤波器可以包括12个伽柏滤波器，该12个伽柏滤波器的方向角包括0°、45°、90°和135°，波长包括N、2N和3N。

参见图2，其中，N表示在待检测屏幕的图像100中，待检测屏幕的子像素列区域1在与子像素列区域1的延伸方向uv相垂直的方向上所占的图像像素点的个数。也就是说，图2中子像素列区域1的宽度d为图像像素点的宽度的N倍。值得一提的是，子像素列区域1的宽度其中，d₁表示子像素10的宽度(也即子像素10在垂直于子像素列区域1的延伸方向uv上的尺寸)，d₂表示相邻的两个子像素10之间的间隔尺寸。

需要说明的是，上述12个伽柏滤波器为通过对上述四个方向角和三个波长进行排列组合得到，也即从上述四个方向角中选择一个方向角，同时从上述三个波长中选择一个波长作为一个伽柏滤波器的伽柏滤波参数，一共可获得12个伽柏滤波参数不同的伽柏滤波器：

第一个伽柏滤波器：方向角为0°，波长为N；

第二个伽柏滤波器：方向角为0°，波长为2N；

第三个伽柏滤波器：方向角为0°，波长为3N；

第四个伽柏滤波器：方向角为45°，波长为N；

第五个伽柏滤波器：方向角为45°，波长为2N；

第六个伽柏滤波器：方向角为45°，波长为3N；

第七个伽柏滤波器：方向角为90°，波长为N；

第八个伽柏滤波器：方向角为90°，波长为N；

第九个伽柏滤波器：方向角为90°，波长为2N；

第十个伽柏滤波器：方向角为135°，波长为3N；

第十一个伽柏滤波器：方向角为135°，波长为3N；

第十二个伽柏滤波器：方向角为135°，波长为3N。

需要说明的是，通过上述12个伽柏滤波器分别对待检测屏幕的图像进行伽柏滤波，可以得到十二个伽柏滤波图像。

通过将多个伽柏滤波器的方向角设定为0°、45°、90°和135°，可以使纹理特征分离和提取的方向角等角度间隔均匀分布，进一步提升对纹理特征的分离及提取效果。

示例性的，可以使待检测屏幕的图像中的子像素列或子像素行的延伸方向与多个伽柏滤波器所包括的方向角之一同向，例如，使待检测屏幕的图像中的子像素列的延伸方向为90°。待检测屏幕中的子像素呈矩阵排布，其子像素列和子像素行之间的夹角呈90°，此时，多个伽柏滤波器能够沿子像素行的延伸方向(0°方向)、子像素列的延伸方向(90°方向)和二者的两条角平分线方向(45°和135°方向)对纹理特征进行分离及提取，提升对纹理特征的分离和提取效果。

此外，将多个伽柏滤波器的波长设定为N、2N和3N，可以在多个波长下对上述纹理特征进行分离，实现了多个波长下的纹理特征的提取，进一步提升对纹理特征的分离及提取的准确度。

参见图3，在本发明的一些实施例中，作为一种可实现方式，在上述步骤S3中对多个伽柏滤波图像进行图像融合，得到图像融合结果时，可以包括以下步骤：

S31.采用如下公式(1)，对多个伽柏滤波图像的特征向量f_i,j(x,y)进行归一化运算，得到归一化的特征向量p_i,j(x,y)：

其中，i、j均为整数，1≤i≤m，1≤j≤n。m表示多个伽柏滤波器的波长的取值个数，n表示多个伽柏滤波器的方向角的取值个数。minF(x,y)表示待检测屏幕的图像的图像像素点(x,y)的灰度值F(x,y)的最小值，maxF(x,y)表示待检测屏幕的图像的图像像素点(x,y)的灰度值F(x,y)的最大值。需要说明的是，在上述公式(1)中，图像像素点(x,y)表示待检测屏幕的图像的第x行、第y列图像像素点的灰度值。

还需要说明的是，由于多个伽柏滤波器的波长的取值个数为m，多个伽柏滤波器的方向角的取值个数n，通过对波长和方向角进行排列组合，共可以获得m×n个伽柏滤波参数不同的伽柏滤波器。用该m×n个伽柏滤波器分别对待检测屏幕的图像进行伽柏滤波，则共可以得到m×n个伽柏滤波图像，其中，每个伽柏滤波图像对应为一个滤波结果，该滤波结果可以用特征向量f_i,j(x,y)表示。

示例性的，待检测屏幕的图像共包含R个图像像素点(x,y)，则上述特征向量f_i,j(x,y)是一个1×R维向量，该特征向量f_i,j(x,y)包含R个元素与R个图像像素点的灰度值F(x,y)一一映射。

S32.采用如下公式(2)、(3)，对归一化的特征向量p_i,j(x,y)进行第一融合运算，得到第一融合结果L_i(x,y)：

B_i,j(x,y)＝p_i,j(x,y)p_i,j+1(x,y)+p_i,j(x,y)p_i,j+2(x,y)+…+p_i,j(x,y)p_i,n(x,y) (3)。

需要说明的是，在上述步骤S32中，第一融合运算为方向维度的融合运算，也就是说，将同一波长、不同方向角的伽柏滤波器所滤波得到的伽柏滤波图像进行融合，得到m个第一融合结果，表示为L_i(x,y)。该m个第一融合结果的方向相同。

S33.采用如下公式(4)、(5)，对第一融合结果L_i(x,y)进行第二融合运算，得到图像融合结果N(x,y)：

需要说明的是，在上述步骤S33中，第二融合运算为波长维度的融合运算，也就是说，将同一方向角、不同波长的m个第一融合结果进行融合，得到图像融合结果N(x,y)。

示例性的，下面将以12个不同参数的伽柏滤波器滤波后所得到的伽柏滤波图像的融合为例，对上述步骤S31～S33进行说明，其中，该12个伽柏滤波器的波长的取值个数为3(即m＝3)，多个伽柏滤波器的方向角的取值个数4(即n＝4)。

通过上述12个伽柏滤波器分别对待检测屏幕的图像进行12次滤波后，可得到12张伽柏滤波图像，该12张伽柏滤波图像分别对应一个特征向量，分别表示为：f_1,1(x,y)、f_1,2(x,y)、f_1,3(x,y)、f_1,4(x,y)、f_2,1(x,y)、f_2,2(x,y)、f_2,3(x,y)、f_2,4(x,y)、f₃,₁(x,y)、f_3,2(x,y)、f_3,3(x,y)和f_3,4(x,y)。其中，在上述12个特征向量的角标中，第一个数字代表波长的编号，第二个数字代表方向角编号。

采用上述公式(1)，对上述12个特征向量分别进行归一化运算，得到12个相应的归一化的特征向量：p_1,1(x,y)、p_1,2(x,y)、p_1,3(x,y)、p_1,4(x,y)、p_2,1(x,y)、p_2,2(x,y)、p_2,3(x,y)、p_2,4(x,y)、p_3,1(x,y)、p_3,2(x,y)、p_3,3(x,y)和p_3,4(x,y)。

采用上述公式(2)、(3)，对上述12个归一化的特征向量进行第一融合运算，也即进行方向维度的融合，

以计算L₁(x,y)为例，

L₁(x,y)＝[p_1,1(x,y)+p_1,2(x,y)+p_1,3(x,y)+p_1,4(x,y)]-[p_1,1(x,y)p_1,2(x,y)+p_1,1(x,y)p_1,3(x,y)+p_1,1(x,y)p_1,4(x,y)+p_1,2(x,y)p_1,3(x,y)+p_1,2(x,y)p_1,4(x,y)+p_1,3(x,y)p_1,4(x,y)]

，通过第一融合运算可得到3个第一融合结果：L₁(x,y)、L₂(x,y)和L₃(x,y)。

采用上述公式(4)、(5)，对上述3个第一融合结果进行第二次融合运算，也即进行波长维度的融合运算：

则有：

参见图3，在本发明的一些实施例中，作为一种可实现方式，在上述步骤S4中根据分割阈值范围检测所述图像融合结果，得到所述待检测屏幕中有缺陷的子像素时，可以包括以下步骤：

S41.根据图像融合结果，得到待检测屏幕中每个子像素所对应的图像像素点的灰度值范围。

S42.根据分割阈值范围与子像素所对应的图像像素点的灰度值范围，分别判断每个子像素为无缺陷的子像素，暗点，还是亮点：

若分割阈值范围覆盖子像素所对应的图像像素点的灰度值范围，或与子像素所对应的图像像素点的灰度值范围重合，则判定该子像素为无缺陷的子像素。

若子像素所对应的图像像素点的灰度值范围的上限值大于分割阈值范围的上限值，则判定该子像素为暗点。

若子像素所对应的图像像素点的灰度值范围的下限值小于分割阈值范围的下限值，则判定该子像素为亮点。

需要说明的是，上述“分割阈值范围覆盖子像素所对应的图像像素点的灰度值范围”的情况包括：子像素所对应的图像像素点的灰度值范围的上限值或下限值中的一个与分割阈值范围的上限值或下限值重合，另一个在分割阈值范围之内。

还需要说明的是，待检测屏幕的亮度值与待检测屏幕的图像中的灰度值的变化趋势相反，也就是说，待检测屏幕中某个像素点的亮度值越高，该像素点在待检测屏幕的图像中的灰度值越低；反之，待检测屏幕中某个像素点的亮度值越低，该像素点在待检测屏幕的图像中的灰度值越高。

在本发明的一些实施例中，作为一种可实现方式，在步骤S4中根据分割阈值范围检测图像融合结果，得到待检测屏幕的有缺陷的子像素的步骤之前，上述屏幕的检测方法还包括：获取分割阈值范围的步骤。

参见图4，该获取分割阈值范围的步骤包括以下步骤：

A1.获取无缺陷屏幕的图像。

示例性的，可以利用工业相机对上述无缺陷屏幕进行拍摄，以获取上述无缺陷屏幕的图像。

A2.通过多个伽柏滤波器对无缺陷屏幕的图像进行多次伽柏滤波，得到多个伽柏滤波参考图像。

A3.对多个伽柏滤波参考图像分别进行图像融合，得到参考融合图像和参考图像融合结果。

A4.根据参考图像融合结果，确定无缺陷屏幕的子像素所对应的图像像素点的最大灰度值和最小灰度值，得到分割阈值范围。

在上述屏幕的检测方法中，由于无缺陷屏幕的图像和待检测屏幕的图像的纹理特征的分离及提取时所采用的伽柏滤波器相同，因此对于上述两图像的纹理特征的分离及提取效果的差异较小，从而根据上述参考图像融合结果确定的分割阈值范围更为准确，进一步提高了有缺陷的子像素的检测准确度。

进一步的，在本发明的一些实施例中，在步骤B4中根据参考图像融合结果，确定无缺陷屏幕的子像素所对应的图像像素点的最大灰度值和最小灰度值的步骤之前，还包括：对所述参考融合图像的周边预设区域内的图像像素点进行去除处理，根据去除处理后的参考融合图像得到所述参考图像融合结果。通过对参考融合图像的周边预设区域内的图像像素点进行去除处理，可以将可能引起最大灰度值和最小灰度值确定不准确的图像像素点排除，从而提高分割阈值范围的准确性，进一步提高了有缺陷的子像素的检测准确度。

作为一种示例，上述周边预设区域的宽度尺寸可以根据多个伽柏滤波器核的尺寸确定。

在本发明的一些实施例中，在上述步骤S2中通过多个伽柏滤波器分别对所获取的待检测屏幕的图像进行伽柏滤波，得到多个伽柏滤波图像之前，上述屏幕的检测方法还包括：对待检测屏幕的图像进行降噪和/或图像增强处理。

示例性的，上述对待检测屏幕的图像进行降噪处理可以包括：对待检测屏幕的图像进行中值滤波处理。通过中值滤波处理，能够有效降低用于获取图像的传感器的噪声，提高后续步骤中对于待检测屏幕的图像的纹理特征的分离及提取效果。

作为另一种示例，上述对待检测屏幕的图像进行图像增强处理可以包括：对待检测屏幕的图像进行基于CLAHE(Contrast Limited Adaptive Histogram Equalization，对比度受限直方图均衡化)的图像增强处理。

本发明的一些实施例中还提供了一种屏幕的检测装置，包括图像获取器、多个伽柏滤波器、处理器和检测器。

其中，图像获取器配置为获取待检测屏幕的图像。多个伽柏滤波器的伽柏滤波参数不同，且配置为分别对待检测屏幕的图像进行伽柏滤波，得到多个伽柏滤波图像。处理器配置为对多个伽柏滤波图像进行图像融合，得到图像融合结果。检测器配置为根据分割阈值范围，检测图像融合结果，得到待检测屏幕中有缺陷的子像素，其中，分割阈值范围为无缺陷的子像素所对应的图像像素点的灰度值范围。

该屏幕的检测装置具有与上述屏幕的检测方法相同的有益效果，此处不再赘述。

本发明的一些实施例中还提供了一种计算机可读存储介质，该计算机可读存储介质存储有一个或多个指令，以上述屏幕的检测方法中的一个或多个步骤。

该计算机可读存储介质具有与上述屏幕的检测方法相同的有益效果，此处不再赘述。

以上所述仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种屏幕的检测方法，其特征在于，包括：

获取待检测屏幕的图像；

通过多个伽柏滤波器分别对所获取的待检测屏幕的图像进行伽柏滤波，得到多个伽柏滤波图像；其中，所述多个伽柏滤波器的伽柏滤波参数不同；

对所述多个伽柏滤波图像进行图像融合，得到图像融合结果；

根据分割阈值范围检测所述图像融合结果，得到所述待检测屏幕中有缺陷的子像素；其中，所述分割阈值范围为无缺陷的子像素所对应的图像像素点的灰度值范围。

2.根据权利要求1所述的屏幕的检测方法，其特征在于，所述伽柏滤波参数包括方向角和波长；所述伽柏滤波参数不同包括方向角不同和/或波长不同。

3.根据权利要求2所述的屏幕的检测方法，其特征在于，所述多个伽柏滤波器包括12个伽柏滤波器；

所述多个伽柏滤波器的方向角包括0°、45°、90°和135°；

所述多个伽柏滤波器的波长包括N、2N和3N；其中，N表示在所述待检测屏幕的图像中所述待检测屏幕的子像素列区域在垂直于所述子像素列区域的延伸方向上所占的图像像素点的个数。

4.根据权利要求2所述的屏幕的检测方法，其特征在于，所述对所述多个伽柏滤波图像进行图像融合，得到图像融合结果的步骤，包括：

采用如下公式(1)，对所述多个伽柏滤波图像的特征向量f_i,j(x,y)进行归一化运算，得到归一化的特征向量p_i,j(x,y)：

其中，i、j均为整数，1≤i≤m，1≤j≤n，m表示所述多个伽柏滤波器的波长的取值个数，n表示所述多个伽柏滤波器的方向角的取值个数；minF(x,y)表示所述待检测屏幕的图像的图像像素点(x,y)的灰度值F(x,y)的最小值，maxF(x,y)表示所述待检测屏幕的图像的图像像素点(x,y)的灰度值F(x,y)的最大值；

采用如下公式(2)、(3)，对所述归一化的特征向量p_i,j(x,y)进行第一融合运算，得到第一融合结果L_i(x,y)：

B_i,j(x,y)＝p_i,j(x,y)p_i,j+1(x,y)+p_i,j(x,y)p_i,j+2(x,y)+…+p_i,j(x,y)p_i,n(x,y) (3)；

采用如下公式(3)、(4)，对所述第一融合结果L_i(x,y)进行第二融合运算，得到所述图像融合结果N(x,y)：

5.根据权利要求1所述的屏幕的检测方法，其特征在于，所述根据分割阈值范围检测所述图像融合结果，得到所述待检测屏幕中有缺陷的子像素的步骤，包括：

根据所述图像融合结果，得到所述待检测屏幕中每个子像素所对应的图像像素点的灰度值范围；

根据所述分割阈值范围与子像素所对应的图像像素点的灰度值范围，分别判断所述每个子像素为无缺陷的子像素，暗点，还是亮点：

若所述分割阈值范围覆盖子像素所对应的图像像素点的灰度值范围，或与子像素所对应的图像像素点的灰度值范围重合，则判定该子像素为无缺陷的子像素；

若子像素所对应的图像像素点的灰度值范围的上限值大于所述分割阈值范围的上限值，则判定该子像素为暗点；

若子像素所对应的图像像素点的灰度值范围的下限值小于所述分割阈值范围的下限值，则判定该子像素为亮点。

6.根据权利要求1所述的屏幕的检测方法，其特征在于，在所述根据分割阈值范围检测所述图像融合结果，得到所述待检测屏幕的有缺陷的子像素的步骤之前，还包括获取所述分割阈值范围的步骤；

所述获取所述分割阈值范围的步骤，包括：

获取无缺陷屏幕的图像；

通过所述多个伽柏滤波器对所述无缺陷屏幕的图像进行多次伽柏滤波，得到多个伽柏滤波参考图像；

对所述多个伽柏滤波参考图像进行图像融合，得到参考融合图像和参考图像融合结果；

根据所述参考图像融合结果，确定所述无缺陷屏幕的子像素所对应的图像像素点的最大灰度值和最小灰度值，得到所述分割阈值范围。

7.根据权利要求6所述的屏幕的检测方法，其特征在于，所述根据所述参考图像融合结果，确定所述无缺陷屏幕的子像素所对应的图像像素点的最大灰度值和最小灰度值的步骤之前，还包括：对所述参考融合图像的周边预设区域内的图像像素点进行去除处理，根据去除处理后的参考融合图像得到所述参考图像融合结果。

8.根据权利要求1所述的屏幕的检测方法，其特征在于，在所述通过多个伽柏滤波器分别对所获取的待检测屏幕的图像进行伽柏滤波，得到多个伽柏滤波图像的步骤之前，还包括：对所述待检测屏幕的图像进行降噪和/或图像增强处理。

9.一种屏幕的检测装置，其特征在于，包括：

图像获取器，配置为获取待检测屏幕的图像；

多个伽柏滤波器，所述多个伽柏滤波器的伽柏滤波参数不同，所述多个伽柏滤波器配置为分别对所述待检测屏幕的图像进行伽柏滤波，得到多个伽柏滤波图像；

处理器，配置为对所述多个伽柏滤波图像进行图像融合，得到图像融合结果；

检测器，配置为根据分割阈值范围，检测所述图像融合结果，得到所述待检测屏幕中有缺陷的子像素；其中，所述分割阈值范围为无缺陷的子像素所对应的图像像素点的灰度值范围。

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存储有一个或多个指令，以执行如权利要求1～8中任一项所述的屏幕的检测方法中的一个或多个步骤。