CN110517318B - 定位方法和装置、存储介质 - Google Patents
定位方法和装置、存储介质 Download PDFInfo
- Publication number
- CN110517318B CN110517318B CN201910802721.7A CN201910802721A CN110517318B CN 110517318 B CN110517318 B CN 110517318B CN 201910802721 A CN201910802721 A CN 201910802721A CN 110517318 B CN110517318 B CN 110517318B
- Authority
- CN
- China
- Prior art keywords
- gray
- target
- target area
- area
- determining
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000003860 storage Methods 0.000 title claims abstract description 9
- 230000008859 change Effects 0.000 claims abstract description 78
- 238000005259 measurement Methods 0.000 claims abstract description 20
- 239000011521 glass Substances 0.000 description 15
- 230000008020 evaporation Effects 0.000 description 10
- 238000001704 evaporation Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- ZOKXTWBITQBERF-UHFFFAOYSA-N Molybdenum Chemical group [Mo] ZOKXTWBITQBERF-UHFFFAOYSA-N 0.000 description 6
- 238000005538 encapsulation Methods 0.000 description 6
- 238000004806 packaging method and process Methods 0.000 description 6
- 238000005229 chemical vapour deposition Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000005520 cutting process Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 229910052750 molybdenum Inorganic materials 0.000 description 2
- 239000011733 molybdenum Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000010408 film Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 238000012858 packaging process Methods 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- 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
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/06—Recognition of objects for industrial automation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开一种定位方法和装置、存储介质。该方法通过获取待测对象的灰度图像,根据灰度图像上的各个像素的灰阶值,确定待测目标区域及与待测目标区域相邻的第一灰阶变化区域;利用待测目标区域及第一灰阶变化区域确定目标灰阶值,并利用该目标灰阶值在第一灰阶变化区域内确定待测目标区域的实际边缘像素,进而确定待测目标区域的中心位置与参考位置的相对距离,得到待测目标区域的位置信息。一方面,能够更准确地确定待测目标区域的边界,进而更准确地确定待测目标区域的位置;另一方面,根据本发明实施例,无需人工肉眼测量,能够实现自动化测量,提高效率。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种定位方法和装置、存储介质。
背景技术
在产品的生成过程中,需要测量产品的位置或尺寸,以把控产品的质量。示例性的,在显示面板行业中,需要更准确的知道显示面板中目标区域的位置,例如,封装区域的位置、像素蒸镀的位置等。然而,现有技术中,通常是获取待测对象的图像后,通过人工测量确定目标区域的位置,但是人工手动测量误差大,无法准确的确定目标区域的位置。
因此,如何准确确定目标区域的位置是本领域技术人员亟需解决的技术问题。
发明内容
本发明实施例提供了一种定位方法和装置、存储介质,能够更准确地确定目标区域的位置信息。
第一方面,本发明实施例提供一种定位方法,该定位方法包括:
获取待测对象的灰度图像,并确定灰度图像上的各个像素的灰阶值;
根据灰度图像上的各个像素的灰阶值,确定灰度图像中的待测目标区域及与待测目标区域相邻的第一灰阶变化区域;
根据待测目标区域的灰阶值及第一灰阶变化区域内的各个像素的灰阶值,确定目标灰阶值;
在第一灰阶变化区域内确定符合目标灰阶值的目标像素,将目标像素作为待测目标区域的实际边缘像素;
根据待测目标区域的实际边缘像素,确定待测目标区域的中心位置与参考位置的相对距离,得到待测目标区域的位置信息。
在第一方面的一种可能的实施方式中,根据灰度图像上的各个像素的灰阶值,确定灰度图像中的待测目标区域及与待测目标区域相邻的第一灰阶变化区域,包括:
根据灰度图像上的各个像素的灰阶值,确定第一灰阶值及第二灰阶值;
识别灰度图像中灰阶值与第一灰阶值相等的第一像素,将第一像素所在的区域确定为待测目标区域;
识别灰度图像中灰阶值在第一灰阶值与第二灰阶值之间的第二像素;
将第二像素所在的区域确定为第一灰阶变化区域。
在第一方面的一种可能的实施方式中,根据待测目标区域的灰阶值及第一灰阶变化区域内的各个像素的灰阶值,确定目标灰阶值,包括:
根据第一灰阶变化区域内的各个像素的灰阶值,确定第一灰阶变化区域内灰阶值之差大于第一预设阈值且相邻的多组候选像素;
将多组候选像素中与待测目标区域的灰阶值接近的灰阶值的平均值作为目标灰阶值。
在第一方面的一种可能的实施方式中,在第一灰阶变化区域内确定符合目标灰阶值的目标像素,包括:
根据第一灰阶变化区域内的各个像素的灰阶值及目标灰阶值,在第一灰阶变化区域内确定像素的灰阶值与目标灰阶值相等的M个像素;
在M个像素中确定N个像素,将N个像素作为目标像素;其中,N个像素连接形成的形状与目标区域的形状相似且N与M的比值大于第二预设阈值,M≥N,且M、N均为大于1的正整数。
在第一方面的一种可能的实施方式中,待测目标区域的实际边缘像素包括待测目标区域的第一边缘的实际边缘像素及待测目标区域的第二边缘的实际边缘像素,待测目标区域的中心位置为待测目标区域的中心线,参考位置为参考直线,第一边缘、第二边缘、中心线及参考直线相互平行,根据待测目标区域的实际边缘像素,确定待测目标区域的中心位置与参考位置的相对距离,包括:
在垂直于第一边缘的方向上,分别获取第一边缘与参考直线及第二边缘与参考直线之间的像素个数及像素尺寸;
根据像素个数及像素尺寸分别计算第一边缘与参考直线的相对距离及第二边缘与参考直线的相对距离;
根据第一边缘与参考直线的相对距离及第二边缘与参考直线的相对距离,确定待测目标区域的中心线与参考直线的相对距离。
在第一方面的一种可能的实施方式中,该定位方法还包括:
根据第一边缘与参考直线的相对距离及第二边缘与参考直线的相对距离,确定待测目标区域在垂直于第一边缘的方向上的宽度尺寸。
在第一方面的一种可能的实施方式中,该定位方法还包括:
根据灰度图像上的各个像素的灰阶值,确定灰度图像中的参考区域及与参考区域相邻的第二灰阶变化区域;
在第二灰阶变化区域内确定参考区域的实际边缘像素,将参考区域的实际边缘像素所在的直线作为参考直线。
在第一方面的一种可能的实施方式中,待测目标区域的中心位置为待测目标区域的测量中心点位置,参考位置为与待测目标区域对应的预设中心点位置,根据待测目标区域的实际边缘像素,确定待测目标区域的中心位置与参考位置的相对距离,包括:
根据待测目标区域的实际边缘像素,确定待测目标区域的形状;
将待测目标区域的形状与预设形状进行对比,得到待测目标区域的形状与预设形状的相似度;
若相似度大于第三预设阈值,计算待测目标区域的测量中心点位置与预设中心点位置的相对距离。
第二方面,本发明实施例提供一种定位装置,该定位装置包括:
图像获取模块,用于获取待测对象的灰度图像,并确定灰度图像上的各个像素的灰阶值;
区域识别模块,用于根据灰度图像上的各个像素的灰阶值,确定灰度图像中的待测目标区域及与待测目标区域相邻的第一灰阶变化区域;
目标灰阶确定模块,用于根据待测目标区域的灰阶值及第一灰阶变化区域内的各个像素的灰阶值,确定目标灰阶值;
边缘确定模块,用于确定第一灰阶变化区域内符合目标灰阶值的目标像素,将目标像素作为待测目标区域的实际边缘像素;
位置确定模块,用于根据待测目标区域的实际边缘像素,确定待测目标区域的中心位置与参考位置的相对距离,得到待测目标区域的位置信息。
第三方面,本发明实施例提供一种存储介质,其上存储有程序,其中,程序被处理器执行时实现如上所述的定位方法。
根据本发明实施例提供的定位方法,该方法通过获取待测对象的灰度图像,根据灰度图像上的各个像素的灰阶值,确定待测目标区域及与待测目标区域相邻的第一灰阶变化区域;利用待测目标区域及第一灰阶变化区域确定目标灰阶值,并利用该目标灰阶值在第一灰阶变化区域内确定待测目标区域的实际边缘像素,进而确定待测目标区域的中心位置与参考位置的相对距离,得到待测目标区域的位置信息。一方面,能够更准确地确定待测目标区域的边界,进而更准确地确定待测目标区域的位置;另一方面,根据本发明实施例,无需人工肉眼测量,能够实现自动化测量,提高效率。
附图说明
从下面结合附图对本发明的具体实施方式的描述中可以更好地理解本发明,其中,相同或相似的附图标记表示相同或相似的特征。
图1为本发明实施例提供的定位方法的流程示意图;
图2为本发明实施例提供的待测对象的灰度图像示意图;
图3为本发明实施例提供的图2中E区域的放大示意图;
图4为本发明实施例提供的定位装置的结构示意图。
具体实施方式
下面将详细描述本发明的各个方面的特征和示例性实施例。在下面的详细描述中,提出了许多具体细节,以便提供对本发明的全面理解。
下面将详细描述本发明的各个方面的特征和示例性实施例,为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及具体实施例,对本发明进行进一步详细描述。应理解,此处所描述的具体实施例仅被配置为解释本发明,并不被配置为限定本发明。对于本领域技术人员来说,本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明更好的理解。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物品或者设备不仅包括那些要素,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、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
采用玻璃粉(Frit)封装的显示面板中,Frit在封装工艺中能够达到隔绝水氧的作用,需要准确知道Frit封装区域在显示面板中的位置,防止切割时破坏Frit封装区域,导致封装失效。或者,采用薄膜封装(Thin-Film Encapsulation,TFE)的显示面板中,会采用化学气相沉积(Chemical Vapor Deposition,CVD)的工艺形成封装结构中的一些封装膜层,在成膜过程中,会在封装膜层边界出现CVD shadow。CVD shadow会直接影响封装效果,例如,CVD shadow的位置超过管控范围则会导致封装失效,显示面板点亮后会出现黑点、黑斑等。或者,在显示面板的蒸镀像素点位精度(Pixel Posit1n Accuracy,PPA)测量技术中,蒸镀PPA是评价蒸镀工艺的重要参考指标,PPA偏移会导致显示面板出现混色等异常。需要确定子像素的实际蒸镀位置以确定PPA补偿值,防止显示面板出现混色等异常。
然而,现有技术中,是人工肉眼测量上述区域的位置,存在误差大、效率低等问题。
为了解决现有技术问题中的至少一个,本发明实施例提供了一种定位方法及装置、存储介质。下面首先对本发明实施例所提供的定位方法进行介绍。
图1示出了本发明实施例提供的定位方法的流程示意图。如图1所示,本发明实施例提供的定位方法包括步骤110值至步骤150。
在步骤110中,获取待测对象的灰度图像,并确定灰度图像上的各个像素的灰阶值。
该步骤中,示例性的,待测对象可以是其包括的结构具有一定的稳定位置关系,例如,显示面板、半导体芯片、太阳能电池板等。
在一些实施例中,可以采用自动光学检测(Automated Optical Inspection,AOI)相机、CCD相机(Charge Coupled Device camera,CCD)、图像采集卡等获取待测对象的原始图像,原始图像的格式可以为bmp、jpg、png等,然后对原始图像进行灰度化处理,得到该待测对象的灰度图像。灰度图像为像素点阵的集合,每个像素具有对应的灰阶值,读取灰度图像上各个像素的灰阶值,以像素为定位粒度,能够更准确的识别灰度图像上的各个区域。
在步骤120中,根据灰度图像上的各个像素的灰阶值,确定灰度图像中的待测目标区域及与待测目标区域相邻的第一灰阶变化区域。
示例性的,以采用Frit封装的显示面板为待测对象为例,可以利用AOI彩色相机并设置稳定的光源强度对显示面板的测量区域进行拍照,得到测量区域的彩色图片,其中,得到的彩色图片中显示面板的显示区域呈现蓝色、钼线区域呈现白色、Frit区域呈现黑色,对该彩色图片进行灰度化处理,得到如图2所示的显示面板的灰度图像,该灰度图像可以包括显示区域A、钼线区域B、Frit区域C及Frit区域C两侧的玻璃板区域D1、D2。灰度图像中,显示区域A、钼线区域B、Frit区域C及玻璃板区域D1、D2均保持一定的灰阶值,且各个区域的灰阶值均不相同(玻璃板区域D1、D2的灰阶值可能相同),且每个区域的边界均存在灰阶变化的区域。以图2中的Frit区域C左侧边界为例,人工肉眼看上去,Frit区域C与玻璃板区域D1是紧邻的,实际上,Frit区域C具有第一灰阶值,玻璃板区域D1具有第二灰阶值,两者之间存在第一灰阶变化区域。如图3所示,为Frit区域C的左侧边界处的第一灰阶变化区域E的放大示意图。
在一些实施例中,步骤120包括:
根据灰度图像上的各个像素的灰阶值,确定第一灰阶值及第二灰阶值;
识别灰度图像中灰阶值与第一灰阶值相等的第一像素,将第一像素所在的区域确定为待测目标区域;
识别灰度图像中灰阶值在第一灰阶值与第二灰阶值之间的第二像素;
将第二像素所在的区域确定为第一灰阶变化区域。
示例性的,以图2中的Frit区域C为待测目标区域为例,第一灰阶变化区域位于Frit区域C的边界处。根据显示面板中各个区域的位置关系(例如,显示区域A与钼线区域B紧邻,Frit区域C两侧分别玻璃板区域D1、D2相邻)及灰度图像上的各个像素的灰阶值,识别出Frit区域C的第一灰阶值及玻璃板区域D1、D2的第二灰阶值,将灰度图像中与第一灰阶值相等的第一像素所在的区域作为Frit区域C,将灰度图像中灰阶值在第一灰阶值与第二灰阶值之间的第二像素所在的区域作为第一灰阶变化区域。理想情况下,第一灰阶值及第二灰阶值是两个不同的具体数值。应当理解的是,受工艺过程及图像采集设备的影响,第一灰阶值也可以是一个比较小的数值范围,第二灰阶值同理。此时,确定出的Frit区域C(即待测目标区域)是一个大致区域,以下的实施例中会介绍在待测目标区域的边界的第一灰阶变化区域内确定待测目标区域的实际边界。
在步骤130中,根据待测目标区域的灰阶值及第一灰阶变化区域内的各个像素的灰阶值,确定目标灰阶值。
在一些实施例中,可以将第一灰阶变化区域的中心线上或中心线附近的像素的灰阶值的平均值作为目标灰阶值。或者,可以根据实际需求,确定目标灰阶值,例如,继续以Frit区域C为待测目标区域,以Frit区域C与玻璃板区域D1之间的区域为第一灰阶变化区域为例,Frit区域C具有第一灰阶值,玻璃板区域D1具有第二灰阶值,第一灰阶值小于第二灰阶值,第一灰阶变化区域内各个像素的灰阶值在第一灰阶值与第二灰阶值之间。例如,需要将Frit区域C的范围确定的较大一些,则可以将第一灰阶变化区域的某些像素的灰阶值作为目标灰阶值,示例性的,这些像素的灰阶值与第一灰阶值之差比上第二灰阶值与第一灰阶值之差的值为50%左右。
在另一些实施例中,步骤130包括:
根据第一灰阶变化区域内的各个像素的灰阶值,确定第一灰阶变化区域内灰阶值之差大于第一预设阈值且相邻的多组候选像素;
将多组候选像素中与待测目标区域的灰阶值接近的灰阶值的平均值作为目标灰阶值。
示例性的,如图2和3所示,Frit区域C具有第一灰阶值,玻璃板区域D1具有第二灰阶值。第一灰阶变化区域内靠近Frit区域C的像素的灰阶值接近第一灰阶值,靠近玻璃板区域D1的像素的灰阶值则接近第二灰阶值,由Frit区域C向玻璃板区域D1的方向上,第一灰阶变化区域内的像素的灰阶值由第一灰阶值向第二灰阶值变化,第一灰阶变化区域内的存在一些灰阶值发生跳跃式变化的相邻像素(两个相邻像素的灰阶值相差较大)。可以根据第一灰阶值及第二灰阶值设置第一预设阈值,确定两个相邻像素的灰阶值之差大于第一预设阈值多组候选像素,任意一组候选像素中一个像素的灰阶值接近第一灰阶值,另一个像素的灰阶值接近第二灰阶值,计算多组候选像素中灰阶值接近第一灰阶值(即待测目标区域的灰阶值)的多个像素灰阶值的平均值,将该平均值作为目标灰阶值。
上述实施例仅以待测目标区域的一个边界为例说明了确定目标灰阶值的步骤,待测目标区域的其他任意一个边界对应的目标灰阶值均可按照上述方法进行确定,重复之处不在赘述。
根据本发明实施例,能够更准确的确定目标灰阶值,进而能够更准确的基于该目标灰阶值确定待测目标区域的实际边界。
在步骤140中,在第一灰阶变化区域内确定符合目标灰阶值的目标像素,将目标像素作为待测目标区域的实际边缘像素。
在一些实施例中,步骤140中的在第一灰阶变化区域内确定符合目标灰阶值的目标像素包括:
根据第一灰阶变化区域内的各个像素的灰阶值及目标灰阶值,在第一灰阶变化区域内确定像素的灰阶值与目标灰阶值相等的M个像素;
在M个像素中确定N个像素,将N个像素作为目标像素;其中,N个像素连接形成的形状与目标区域的形状相似且N与M的比值大于第二预设阈值,M≥N,且M、N均为大于1的正整数。
该步骤中,第一灰阶变化区域内符合目标灰阶值的M个像素可能是随机分布的,而待测目标区域的形状是一定的,在M个像素中选择N个像素且N与M的比值大于第二预设阈值,且N个像素连接形成的形状与待测目标区域的形状相似,能够更准确的确定待测目标区域的实际边缘像素。
示例性的,待测目标区域为圆形区域,对应的第一灰阶变化区域为围绕待测目标区域的环形区域。或者,待测目标区域为多边形,若待测目标区域每条边对应的第一灰阶变化区域的灰阶值变化趋势均不相同,可以分别确定每条边界分别对应的实际边缘像素。
在步骤150中,根据待测目标区域的实际边缘像素,确定待测目标区域的中心位置与参考位置的相对距离,得到待测目标区域的位置信息。
示例性的,参考位置可以为灰度图像上的固定位置或者为灰度图像上的相对稳定的位置。以参考位置为基准,确定待测目标区域的中心位置与参考位置的相对距离,得到的待测目标区域的位置信息更准确。
在一些实施例中,待测目标区域的实际边缘像素包括待测目标区域的第一边缘的实际边缘像素及待测目标区域的第二边缘的实际边缘像素,待测目标区域的中心位置为待测目标区域的中心线,参考位置为参考直线,第一边缘、第二边缘、中心线及参考直线相互平行,步骤150包括:
在垂直于第一边缘的方向上,分别获取第一边缘与参考直线及第二边缘与参考直线之间的像素个数及像素尺寸;
根据像素个数及像素尺寸分别计算第一边缘与参考直线的相对距离及第二边缘与参考直线的相对距离;
根据第一边缘与参考直线的相对距离及第二边缘与参考直线的相对距离,确定待测目标区域的中心线与参考直线的相对距离。
示例性的,如图2所示,继续以Frit区域C为待测目标区域为例,以Frit区域C与玻璃板区域D1相邻的边缘为Frit区域C的第一边缘,以Frit区域C与玻璃板区域D2相邻的边缘为Frit区域C的第二边缘。参考位置可以是预先获取的,也可以是根据获取的灰度图像计算得到的。参考位置为参考直线,该参考直线可以是显示面板中一个位置比较稳定的结构在灰度图像中的位置示意,例如可以是显示区A的靠近Frit区域C的一条边缘线。
示例性的,在垂直于Frit区域C的第一边缘的方向上,即图2中的水平方向上,第一边缘与参考直线之间的像素个数为ΔX1,像素尺寸为pixel,pixel为灰度图像中每个像素的大小,一般是微米μm(10-6m),则第一边缘与参考直线的相对距离L1为ΔX1*pixel。同理,第二边缘与参考直线之间的像素个数为ΔX2,像素尺寸为pixel,则第二边缘与参考直线的相对距离L2为ΔX2*pixel。计算L1与L2的平均值,得到Frit区域C与参考直线的相对距离。
在一些实施例中,在步骤150后,本发明实施例提供的定位方法还包括:
根据第一边缘与参考直线的相对距离及第二边缘与参考直线的相对距离,确定待测目标区域在垂直于第一边缘的方向上的宽度尺寸。
示例性的,如图2所示,继续以Frit区域C为待测目标区域为例,在确定Frit区域C与参考直线的相对距离后,还需要确定Frit区域C的宽度,如此,根据Frit区域C与参考直线的相对距离及Frit区域C的宽度,能够更准确的确定显示面板的切割位置,防止破坏Frit封装区域。此外,还可以将测量的Frit区域C与参考直线的相对距离及Frit区域C的宽度与预设的进行比较,已确定Frit封装位置及尺寸是否满足预设要求。
在一些实施例中,本发明实施例提供的定位方法还包括:
根据灰度图像上的各个像素的灰阶值,确定灰度图像中的参考区域及与参考区域相邻的第二灰阶变化区域;
在第二灰阶变化区域内确定参考区域的实际边缘像素,将参考区域的实际边缘像素所在的直线作为参考直线。
示例性的,参考区域可以为待测对象上一个位置比较稳定的结构在灰度图像上的区域,以参考区域的边缘为参考直线,得到的待测目标区域的位置信息更准确。
如图2所示,以显示区域A为参考区域,以Frit区域C为待测目标区域为例,一般情况下,显示区域A是一个位置上比较稳定的区域,且在显示面板上占据面积较大(图2中显示区域A可以是实际显示区域的一部分),选择显示区域A的实际边缘像素所在的直线作为参考直线,优选的,该参考直线为显示区域A中靠近Frit区域C的一个边缘。
例如,根据显示面板中各个区域的位置关系(显示区域A与钼线区域B紧邻)及灰度图像上的各个像素的灰阶值,识别出显示区域A的第三灰阶值及钼线区域B的第四灰阶值,将灰度图像中与第三灰阶值相等的第三像素所在的区域作为显示区域A,将灰度图像中灰阶值在第三灰阶值与第四灰阶值之间的第四像素所在的区域作为第二灰阶变化区域。进一步地,可以按照上述描述的方法确定显示区域A对应的目标灰阶值,并根据显示区域A对应的目标灰阶值在第二灰阶变化区域内确定显示区域A的实际边缘像素,重复之处,不再赘述。
在一些实施例中,待测目标区域的中心位置为待测目标区域的测量中心点位置,参考位置为与待测目标区域对应的预设中心点位置,步骤150包括:
根据待测目标区域的实际边缘像素,确定待测目标区域的形状;
将待测目标区域的形状与预设形状进行对比,得到待测目标区域的形状与预设形状的相似度;
若相似度大于第三预设阈值,计算待测目标区域的测量中心点位置与预设中心点位置的相对距离。
示例性的,待测目标区域为子像素的实际蒸镀区域,测量中心点位置为测量得到的该子像素的实际蒸镀区域的实际中心点位置。预设形状可以是预设的该子像素的标准蒸镀形状,例如四边形、六边形等。预设中心点位置可以是该子像素的标准中心点位置。
示例性的,可以通过图形Teach手段将标准Array制程对应的像素界定层(PixelDefinition Layer,PDL)限定出的开口区域的位置与标准蒸镀形状进行预录入处理,根据预录入的PDL限定出的开口区域位置能够确定每个子像素的标准中心点位置。
例如,预设标准蒸镀形状为六边形,而测量得到的实际蒸镀形状为四边形,以该四边形计算出的测量中心点位置就是一个误差较大的位置,继续计算该四边形的测量中心点位置与预设中心点位置的相对距离也将是一个误差较大的结果。在该步骤中,将待测目标区域的形状与预设形状进行对比,得到两个形状的相似度,在相似度大于第三预设阈值的情况下,再确定待测目标区域的测量中心点位置与预设中心点位置的相对距离。根据本发明实施例,能够更准确地测量PPA偏移,进而确定PPA补偿值,以避免混色现象的发生。
至此,根据本发明实施例提供的定位方法,该方法通过获取待测对象的灰度图像,根据灰度图像上的各个像素的灰阶值,确定待测目标区域及与待测目标区域相邻的第一灰阶变化区域;利用待测目标区域及第一灰阶变化区域确定目标灰阶值,并利用该目标灰阶值在第一灰阶变化区域内确定待测目标区域的实际边缘像素,进而确定待测目标区域的中心位置与参考位置的相对距离,得到待测目标区域的位置信息。一方面,能够更准确地确定待测目标区域的边界,进而更准确地确定待测目标区域的位置;另一方面,根据本发明实施例,无需人工肉眼测量,能够实现自动化测量,提高效率。
图4为本发明实施例提供的定位装置的结构示意图。如图4所示,本发明实施例提供的定位装置包括以下模块:
图像获取模块201,用于获取待测对象的灰度图像,并确定灰度图像上的各个像素的灰阶值;
区域识别模块202,用于根据灰度图像上的各个像素的灰阶值,确定灰度图像中的待测目标区域及与待测目标区域相邻的第一灰阶变化区域;
目标灰阶确定模块203,用于根据待测目标区域的灰阶值及第一灰阶变化区域内的各个像素的灰阶值,确定目标灰阶值;
边缘确定模块204,用于确定第一灰阶变化区域内符合目标灰阶值的目标像素,将目标像素作为待测目标区域的实际边缘像素;
位置确定模块205,用于根据待测目标区域的实际边缘像素,确定待测目标区域的中心位置与参考位置的相对距离,得到待测目标区域的位置信息。
在一种可能的实施方式中,区域识别模块202具体用于:
根据灰度图像上的各个像素的灰阶值,确定第一灰阶值及第二灰阶值;
识别灰度图像中灰阶值与第一灰阶值相等的第一像素,将第一像素所在的区域确定为待测目标区域;
识别灰度图像中灰阶值在第一灰阶值与第二灰阶值之间的第二像素;
将第二像素所在的区域确定为第一灰阶变化区域。
在一种可能的实施方式中,目标灰阶确定模块203具体用于:
根据第一灰阶变化区域内的各个像素的灰阶值,确定第一灰阶变化区域内灰阶值之差大于第一预设阈值且相邻的多组候选像素;
将多组候选像素中与待测目标区域的灰阶值接近的灰阶值的平均值作为目标灰阶值。
在一种可能的实施方式中,边缘确定模块204具体用于:
根据第一灰阶变化区域内的各个像素的灰阶值及目标灰阶值,在第一灰阶变化区域内确定像素的灰阶值与目标灰阶值相等的M个像素;
在M个像素中确定N个像素,将N个像素作为目标像素;其中,N个像素连接形成的形状与目标区域的形状相似且N与M的比值大于第二预设阈值,M≥N,且M、N均为大于1的正整数。
在一种可能的实施方式中,待测目标区域的实际边缘像素包括待测目标区域的第一边缘的实际边缘像素及待测目标区域的第二边缘的实际边缘像素,待测目标区域的中心位置为待测目标区域的中心线,参考位置为参考直线,第一边缘、第二边缘、中心线及参考直线相互平行,位置确定模块205具体用于:
在垂直于第一边缘的方向上,分别获取第一边缘与参考直线及第二边缘与参考直线之间的像素个数及像素尺寸;
根据像素个数及像素尺寸分别计算第一边缘与参考直线的相对距离及第二边缘与参考直线的相对距离;
根据第一边缘与参考直线的相对距离及第二边缘与参考直线的相对距离,确定待测目标区域的中心线与参考直线的相对距离。
在一种可能的实施方式中,位置确定模块205还用于:
根据第一边缘与参考直线的相对距离及第二边缘与参考直线的相对距离,确定待测目标区域在垂直于第一边缘的方向上的宽度尺寸。
在一种可能的实施方式中,区域识别模块202还用于:
根据灰度图像上的各个像素的灰阶值,确定灰度图像中的参考区域及与参考区域相邻的第二灰阶变化区域;
边缘确定模块204还用于:
在第二灰阶变化区域内确定参考区域的实际边缘像素,将参考区域的实际边缘像素所在的直线作为参考直线。
在一种可能的实施方式中,待测目标区域的中心位置为待测目标区域的测量中心点位置,参考位置为与待测目标区域对应的预设中心点位置,位置确定模块205具体用于:
根据待测目标区域的实际边缘像素,确定待测目标区域的形状;
将待测目标区域的形状与预设形状进行对比,得到待测目标区域的形状与预设形状的相似度;
若相似度大于第三预设阈值,计算待测目标区域的测量中心点位置与预设中心点位置的相对距离。
根据本发明实施例提供的定位装置,该装置通过获取待测对象的灰度图像,根据灰度图像上的各个像素的灰阶值,确定待测目标区域及与待测目标区域相邻的第一灰阶变化区域;利用待测目标区域及第一灰阶变化区域确定目标灰阶值,并利用该目标灰阶值在第一灰阶变化区域内确定待测目标区域的实际边缘像素,进而确定待测目标区域的中心位置与参考位置的相对距离,得到待测目标区域的位置信息。一方面,能够更准确地确定待测目标区域的边界,进而更准确地确定待测目标区域的位置;另一方面,根据本发明实施例,无需人工肉眼测量,能够实现自动化测量,提高效率。
本发明实施例还提供一种存储介质,其上存储有程序,程序被处理器执行时实现如上所述的定位方法。
需要明确的是,本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同或相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。对于装置实施例而言,相关之处可以参见方法实施例的说明部分。本发明实施例并不局限于上文所描述并在图中示出的特定步骤和结构。本领域的技术人员可以在领会本发明实施例的精神之后,作出各种改变、修改和添加,或者改变步骤之间的顺序。并且,为了简明起见,这里省略对已知方法技术的详细描述。
以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时,其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时,本发明实施例的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中,或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路,等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
本发明实施例可以以其他的具体形式实现,而不脱离其精神和本质特征。例如,特定实施例中所描述的算法可以被修改,而***体系结构并不脱离本发明实施例的基本精神。因此,当前的实施例在所有方面都被看作是示例性的而非限定性的,本发明实施例的范围由所附权利要求而非上述描述定义,并且,落入权利要求的含义和等同物的范围内的全部改变从而都被包括在本发明实施例的范围之中。
Claims (9)
1.一种定位方法,其特征在于,所述方法包括:
获取待测对象的灰度图像,并确定所述灰度图像上的各个像素的灰阶值;
根据所述灰度图像上的各个像素的灰阶值,确定所述灰度图像中的待测目标区域及与所述待测目标区域相邻的第一灰阶变化区域;
根据所述待测目标区域的灰阶值及所述第一灰阶变化区域内的各个像素的灰阶值,确定目标灰阶值;
在所述第一灰阶变化区域内确定符合所述目标灰阶值的目标像素,将所述目标像素作为所述待测目标区域的实际边缘像素;
根据所述待测目标区域的实际边缘像素,确定所述待测目标区域的中心位置与参考位置的相对距离,得到所述待测目标区域的位置信息;
所述根据所述待测目标区域的灰阶值及所述第一灰阶变化区域内的各个像素的灰阶值,确定目标灰阶值,包括:
根据所述第一灰阶变化区域内的各个像素的灰阶值,确定所述第一灰阶变化区域内灰阶值之差大于第一预设阈值且相邻的多组候选像素;
将所述多组候选像素中与所述待测目标区域的灰阶值接近的灰阶值的平均值作为所述目标灰阶值。
2.根据权利要求1所述的方法,其特征在于,所述根据所述灰度图像上的各个像素的灰阶值,确定所述灰度图像中的待测目标区域及与所述待测目标区域相邻的第一灰阶变化区域,包括:
根据所述灰度图像上的各个像素的灰阶值,确定第一灰阶值及第二灰阶值;
识别所述灰度图像中灰阶值与所述第一灰阶值相等的第一像素,将所述第一像素所在的区域确定为所述待测目标区域;
识别所述灰度图像中灰阶值在所述第一灰阶值与所述第二灰阶值之间的第二像素;
将所述第二像素所在的区域确定为所述第一灰阶变化区域。
3.根据权利要求1所述的方法,其特征在于,所述在所述第一灰阶变化区域内确定符合所述目标灰阶值的目标像素,包括:
根据所述第一灰阶变化区域内的各个像素的灰阶值及所述目标灰阶值,在所述第一灰阶变化区域内确定像素的灰阶值与所述目标灰阶值相等的M个像素;
在所述M个像素中确定N个像素,将所述N个像素作为所述目标像素;其中,所述N个像素连接形成的形状与所述目标区域的形状相似且N与M的比值大于第二预设阈值,M≥N,且M、N均为大于1的正整数。
4.根据权利要求1所述的方法,其特征在于,所述待测目标区域的实际边缘像素包括所述待测目标区域的第一边缘的实际边缘像素及所述待测目标区域的第二边缘的实际边缘像素,所述待测目标区域的中心位置为所述待测目标区域的中心线,所述参考位置为参考直线,所述第一边缘、所述第二边缘、所述中心线及所述参考直线相互平行,所述根据所述待测目标区域的实际边缘像素,确定所述待测目标区域的中心位置与参考位置的相对距离,包括:
在垂直于所述第一边缘的方向上,分别获取所述第一边缘与所述参考直线及所述第二边缘与所述参考直线之间的像素个数及像素尺寸;
根据所述像素个数及像素尺寸分别计算所述第一边缘与所述参考直线的相对距离及所述第二边缘与所述参考直线的相对距离;
根据所述第一边缘与所述参考直线的相对距离及所述第二边缘与所述参考直线的相对距离,确定所述待测目标区域的中心线与所述参考直线的相对距离。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
根据所述第一边缘与所述参考直线的相对距离及所述第二边缘与所述参考直线的相对距离,确定所述待测目标区域在垂直于所述第一边缘的方向上的宽度尺寸。
6.根据权利要求4所述的方法,其特征在于,所述方法还包括:
根据所述灰度图像上的各个像素的灰阶值,确定所述灰度图像中的参考区域及与所述参考区域相邻的第二灰阶变化区域;
在所述第二灰阶变化区域内确定所述参考区域的实际边缘像素,将所述参考区域的实际边缘像素所在的直线作为参考直线。
7.根据权利要求1所述的方法,其特征在于,所述待测目标区域的中心位置为所述待测目标区域的测量中心点位置,所述参考位置为与所述待测目标区域对应的预设中心点位置,所述根据所述待测目标区域的实际边缘像素,确定所述待测目标区域的中心位置与参考位置的相对距离,包括:
根据所述待测目标区域的实际边缘像素,确定所述待测目标区域的形状;
将所述待测目标区域的形状与预设形状进行对比,得到所述待测目标区域的形状与所述预设形状的相似度;
若所述相似度大于第三预设阈值,计算所述待测目标区域的测量中心点位置与所述预设中心点位置的相对距离。
8.一种定位装置,其特征在于,所述装置包括:
图像获取模块,用于获取待测对象的灰度图像,并确定所述灰度图像上的各个像素的灰阶值;
区域识别模块,用于根据所述灰度图像上的各个像素的灰阶值,确定所述灰度图像中的待测目标区域及与所述待测目标区域相邻的第一灰阶变化区域;
目标灰阶确定模块,用于根据所述待测目标区域的灰阶值及所述第一灰阶变化区域内的各个像素的灰阶值,确定目标灰阶值;
边缘确定模块,用于确定所述第一灰阶变化区域内符合所述目标灰阶值的目标像素,将所述目标像素作为所述待测目标区域的实际边缘像素;
位置确定模块,用于根据所述待测目标区域的实际边缘像素,确定所述待测目标区域的中心位置与参考位置的相对距离,得到所述待测目标区域的位置信息;
所述目标灰阶确定模块具体用于:
根据所述第一灰阶变化区域内的各个像素的灰阶值,确定所述第一灰阶变化区域内灰阶值之差大于第一预设阈值且相邻的多组候选像素;
将所述多组候选像素中与所述待测目标区域的灰阶值接近的灰阶值的平均值作为所述目标灰阶值。
9.一种存储介质,其上存储有程序,其中,程序被处理器执行时实现如权利要求1-7任一项所述的定位方法。
Priority Applications (6)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910802721.7A CN110517318B (zh) | 2019-08-28 | 2019-08-28 | 定位方法和装置、存储介质 |
KR1020217031515A KR20210126777A (ko) | 2019-08-28 | 2020-04-15 | 위치 결정 방법 및 장치, 저장 매체 |
PCT/CN2020/084901 WO2021036280A1 (zh) | 2019-08-28 | 2020-04-15 | 定位方法和装置、存储介质 |
JP2021559289A JP7262614B2 (ja) | 2019-08-28 | 2020-04-15 | 位置決め方法、位置決め装置、及び記憶媒体 |
EP20857304.8A EP3933771A4 (en) | 2019-08-28 | 2020-04-15 | COMMUNICATION METHOD AND DEVICE AND STORAGE MEDIUM |
US17/463,771 US12033345B2 (en) | 2019-08-28 | 2021-09-01 | Positioning method and device, and storage medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910802721.7A CN110517318B (zh) | 2019-08-28 | 2019-08-28 | 定位方法和装置、存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110517318A CN110517318A (zh) | 2019-11-29 |
CN110517318B true CN110517318B (zh) | 2022-05-17 |
Family
ID=68628501
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910802721.7A Active CN110517318B (zh) | 2019-08-28 | 2019-08-28 | 定位方法和装置、存储介质 |
Country Status (5)
Country | Link |
---|---|
EP (1) | EP3933771A4 (zh) |
JP (1) | JP7262614B2 (zh) |
KR (1) | KR20210126777A (zh) |
CN (1) | CN110517318B (zh) |
WO (1) | WO2021036280A1 (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110517318B (zh) * | 2019-08-28 | 2022-05-17 | 昆山国显光电有限公司 | 定位方法和装置、存储介质 |
CN112764706B (zh) * | 2021-01-27 | 2024-07-02 | 无锡唐古半导体有限公司 | 图像处理方法、装置、***、设备及介质 |
CN113592937B (zh) * | 2021-08-05 | 2024-05-07 | 上海天岳半导体材料有限公司 | 半导体衬底的原子台阶宽度计算装置、方法、设备及介质 |
CN116962816B (zh) * | 2023-09-20 | 2023-12-12 | 世优(北京)科技有限公司 | 设置植入标识的方法、装置、电子设备及存储介质 |
CN117830305B (zh) * | 2024-03-04 | 2024-05-03 | 腾讯科技(深圳)有限公司 | 对象测量方法、装置、设备及介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103150735A (zh) * | 2013-03-26 | 2013-06-12 | 山东大学 | 一种基于灰度差值平均的图像边缘检测方法 |
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 |
CN104078011A (zh) * | 2014-06-25 | 2014-10-01 | 京东方科技集团股份有限公司 | 直下式背光的局部背光亮度调节方法 |
CN105457908A (zh) * | 2015-11-12 | 2016-04-06 | 孙高磊 | 基于单目ccd的小尺寸玻璃面板的分拣快速定位方法及*** |
CN106446908A (zh) * | 2016-08-31 | 2017-02-22 | 乐视控股(北京)有限公司 | 图像中目标检测方法及装置 |
CN107909610A (zh) * | 2017-10-31 | 2018-04-13 | 常州大学 | 一种基于图像粒和亚像素边界检测的灰度目标周长估算方法 |
DE102017216600A1 (de) * | 2017-09-19 | 2019-03-21 | Siemens Healthcare Gmbh | Verfahren zum automatischen Ermitteln einer Grauwertfensterung |
CN109580632A (zh) * | 2018-11-23 | 2019-04-05 | 京东方科技集团股份有限公司 | 一种缺陷确定方法、装置及存储介质 |
CN109903717A (zh) * | 2019-04-26 | 2019-06-18 | 京东方科技集团股份有限公司 | 显示面板的亮斑区域的识别方法、补偿方法及装置 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2912070B2 (ja) * | 1991-12-27 | 1999-06-28 | 株式会社神戸製鋼所 | 対象物の位置認識方法 |
JPH0653700A (ja) * | 1992-07-30 | 1994-02-25 | Taiyo Yuden Co Ltd | 回路基板検査装置 |
JP4205825B2 (ja) * | 1999-11-04 | 2009-01-07 | 本田技研工業株式会社 | 対象物認識装置 |
US7466872B2 (en) * | 2005-06-20 | 2008-12-16 | Drvision Technologies Llc | Object based boundary refinement method |
JP5480669B2 (ja) * | 2010-03-01 | 2014-04-23 | 協和界面科学株式会社 | 接触角計用画像処理装置および液滴の平面視輪郭形状導出方法 |
JP2012008619A (ja) * | 2010-06-22 | 2012-01-12 | Shinko Electric Ind Co Ltd | エッジ検出方法、エッジ検出装置、及び検査装置 |
JP5563942B2 (ja) * | 2010-09-29 | 2014-07-30 | 大日本スクリーン製造株式会社 | エッジ位置検出装置およびエッジ位置検出方法 |
TWI450155B (zh) * | 2011-02-15 | 2014-08-21 | Wistron Corp | 應用於光學式觸控裝置之校正資訊計算方法及系統 |
JP2013036964A (ja) * | 2011-08-11 | 2013-02-21 | Mitsutoyo Corp | 画像測定装置及び画像測定方法 |
CN104460104B (zh) * | 2014-12-26 | 2017-07-21 | 深圳市华星光电技术有限公司 | 确定彩色滤色块与黑矩阵的交叠区域的边缘的方法 |
CN104792263B (zh) * | 2015-04-20 | 2018-01-05 | 合肥京东方光电科技有限公司 | 确定显示母板的待检测区域的方法和装置 |
CN109035326A (zh) * | 2018-06-19 | 2018-12-18 | 北京理工大学 | 基于亚像素图像识别的高精度定位技术 |
CN110517318B (zh) * | 2019-08-28 | 2022-05-17 | 昆山国显光电有限公司 | 定位方法和装置、存储介质 |
-
2019
- 2019-08-28 CN CN201910802721.7A patent/CN110517318B/zh active Active
-
2020
- 2020-04-15 WO PCT/CN2020/084901 patent/WO2021036280A1/zh unknown
- 2020-04-15 KR KR1020217031515A patent/KR20210126777A/ko not_active Application Discontinuation
- 2020-04-15 JP JP2021559289A patent/JP7262614B2/ja active Active
- 2020-04-15 EP EP20857304.8A patent/EP3933771A4/en active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103150735A (zh) * | 2013-03-26 | 2013-06-12 | 山东大学 | 一种基于灰度差值平均的图像边缘检测方法 |
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 |
CN104078011A (zh) * | 2014-06-25 | 2014-10-01 | 京东方科技集团股份有限公司 | 直下式背光的局部背光亮度调节方法 |
CN105457908A (zh) * | 2015-11-12 | 2016-04-06 | 孙高磊 | 基于单目ccd的小尺寸玻璃面板的分拣快速定位方法及*** |
CN106446908A (zh) * | 2016-08-31 | 2017-02-22 | 乐视控股(北京)有限公司 | 图像中目标检测方法及装置 |
DE102017216600A1 (de) * | 2017-09-19 | 2019-03-21 | Siemens Healthcare Gmbh | Verfahren zum automatischen Ermitteln einer Grauwertfensterung |
CN107909610A (zh) * | 2017-10-31 | 2018-04-13 | 常州大学 | 一种基于图像粒和亚像素边界检测的灰度目标周长估算方法 |
CN109580632A (zh) * | 2018-11-23 | 2019-04-05 | 京东方科技集团股份有限公司 | 一种缺陷确定方法、装置及存储介质 |
CN109903717A (zh) * | 2019-04-26 | 2019-06-18 | 京东方科技集团股份有限公司 | 显示面板的亮斑区域的识别方法、补偿方法及装置 |
Non-Patent Citations (2)
Title |
---|
An Adaptive Gray-Scale image Watermarking Scheme using Smooth and Edge areas of an image;Nagaraj V. Dharwadkar,B. B. Amberker;《2013 International Conference on Intelligent Systems and Signal Processing (ISSP)》;20130610;全文 * |
基于边缘灰度的二值化阈值确定方法;吴冰,山海涛,郭建星;《武汉大学学报(工学版)》;20050303;165-169 * |
Also Published As
Publication number | Publication date |
---|---|
JP2022526610A (ja) | 2022-05-25 |
WO2021036280A1 (zh) | 2021-03-04 |
EP3933771A1 (en) | 2022-01-05 |
KR20210126777A (ko) | 2021-10-20 |
US20210398311A1 (en) | 2021-12-23 |
EP3933771A4 (en) | 2022-05-25 |
JP7262614B2 (ja) | 2023-04-21 |
CN110517318A (zh) | 2019-11-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110517318B (zh) | 定位方法和装置、存储介质 | |
US10061946B2 (en) | Method and apparatus for industrial identification mark verification | |
US11144778B2 (en) | Descriptor guided fast marching method for analyzing images and systems using the same | |
EP3309703A1 (en) | Method and system for decoding qr code based on weighted average grey method | |
CN109472271B (zh) | 印刷电路板图像轮廓提取方法及装置 | |
CN106839976B (zh) | 一种检测镜头中心的方法及装置 | |
US20060067569A1 (en) | Image inspection device, image inspection method, and image inspection program | |
CN113538491B (zh) | 一种基于自适应阈值的边缘识别方法、***及存储介质 | |
CN104331695A (zh) | 一种鲁棒的圆形标志符形状质量检测方法 | |
CN114755243A (zh) | 一种基于机器视觉的fpc连接器表面裂纹检测方法 | |
CN110740314B (zh) | 彩色线阵相机坏点校正方法及*** | |
CN111007086A (zh) | 缺陷检测方法和装置、存储介质 | |
KR100827906B1 (ko) | 기판 검사 장치 | |
CN113379837A (zh) | 检测设备的角度校正方法、设备及计算机可读存储介质 | |
CN116597016A (zh) | 一种光纤内窥镜图像标定方法 | |
CN113012121B (zh) | 裸片扫描结果的处理方法、装置、电子设备与存储介质 | |
CN116385446A (zh) | 一种用于勃姆石生产的晶体杂质检测方法 | |
CN110557622A (zh) | 基于结构光的深度信息获取方法及装置、设备及介质 | |
US12033345B2 (en) | Positioning method and device, and storage medium | |
CN115511718A (zh) | Pcb图像校正方法、装置、终端设备和存储介质 | |
CN114529555A (zh) | 一种基于图像识别的烟箱高效进出库检测方法 | |
JP2008203229A (ja) | 電子部品の端子位置検出方法 | |
CN117115154B (zh) | 基于机器视觉的插座连接器精密检测方法 | |
CN116224632B (zh) | 一种背光源装配精度检测方法及检测*** | |
CN117635729B (zh) | 一种线相机背光标定器及方法 |
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 |