CN112801947A - 一种led显示终端坏点的视觉检测方法 - Google Patents
一种led显示终端坏点的视觉检测方法 Download PDFInfo
- Publication number
- CN112801947A CN112801947A CN202110046381.7A CN202110046381A CN112801947A CN 112801947 A CN112801947 A CN 112801947A CN 202110046381 A CN202110046381 A CN 202110046381A CN 112801947 A CN112801947 A CN 112801947A
- Authority
- CN
- China
- Prior art keywords
- image
- display terminal
- correction
- lamp
- led display
- 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.)
- Withdrawn
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 15
- 230000000007 visual effect Effects 0.000 title claims abstract description 10
- 239000011324 bead Substances 0.000 claims abstract description 62
- 238000003708 edge detection Methods 0.000 claims abstract description 14
- 238000003702 image correction Methods 0.000 claims abstract description 13
- 238000000034 method Methods 0.000 claims description 12
- 230000002708 enhancing effect Effects 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 230000000877 morphologic effect Effects 0.000 claims description 4
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 230000001788 irregular Effects 0.000 claims description 3
- 229910052704 radon Inorganic materials 0.000 claims description 3
- SYUHGPGVQRZVTB-UHFFFAOYSA-N radon atom Chemical compound [Rn] SYUHGPGVQRZVTB-UHFFFAOYSA-N 0.000 claims description 3
- 238000011084 recovery Methods 0.000 claims description 3
- 238000011179 visual inspection Methods 0.000 claims description 2
- 239000011159 matrix material Substances 0.000 description 6
- 230000007547 defect Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000003321 amplification Effects 0.000 description 1
- 238000005034 decoration Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005429 filling process Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 239000004065 semiconductor Substances 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/02—Affine transformations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- 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
- G06T7/10—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
- G06T7/10—Segmentation; Edge detection
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种LED显示终端坏点的视觉检测方法,本方法通过显示终端图像采集,利用相机采集LED显示终端的图像,再对采集到的图像进行图像校正、图像增强、图像边缘检测、单灯图像填充、灯珠图像质心确定,然后测量比较质心距离与灯珠间的距离的固定值,根据距离的比较,可以快速准确检测出坏点。该视觉检测方法能快速准确检测出坏点。
Description
技术领域
本发明属于视觉图像检测技术领域,具体说是一种LED显示终端坏点的视觉检测方法,采用数字图像处理技术和智能二分类算法识别LED显示终端坏点。
背景技术
LED是基于PN结光电效应的半导体光源,因其高光效、低能耗逐渐成为主流光源,广泛应用在交通指示、照明灯饰、汽车方向指示及城市亮化工程等行业。以LED芯片为核心的显示终端一般由LED单元模组拼接而成,要求显示亮度、对比度、密度、可视角度、色均度等性能都要高,必须严格控制显示终端死点、缺点等坏点率。
目前,对LED显示终端坏点检测的方法很少,基本靠人工观察,耗时耗力,检测效率低且无法准确定位。
发明内容
本发明要解决的技术问题是提供一种LED显示终端坏点的视觉检测方法,该视觉检测方法能快速准确检测出坏点。
为解决上述技术问题,本发明采用如下技术手段:
一种LED显示终端坏点的视觉检测方法,包含以下步骤:
(1)显示终端图像采集,利用相机采集LED显示终端的图像;
(2)图像校正,对步骤(1)采集到的图像进行图像校正;
(3)图像增强,采用二值形态学算法的open操作滤出噪声,先对显示终端的图像进行腐蚀,去除连通小白点噪声,再进行膨胀恢复,从而提高每个灯珠图像辨识度;
(4)图像边缘检测,即对步骤(3)得到的图像进行尖锐化处理,增强图像的边缘及灰度跳变部分,以便确定所有LED灯珠的边界以便定位灯珠;
(5)单灯图像填充,将每个灯珠区域进行连通并填充,并进行二值化处理得到对比分明的二值图像;
(6)灯珠图像质心确定,经过步骤(5)得到的图像,每个灯珠边缘轮廓为非规则的封闭轮廓线,但可确定质心在封闭线内,由于封闭轮廓线更接近圆形,所以对每个封闭轮廓进行圆拟合以得规则圆形轮廓,利用图像的原点矩M00公式可以计算矩中心,进而得到所有灯珠的质心的坐标;
(7)坏点确定,测量出LED显示终端的灯珠与灯珠的距离的固定值,计算步骤(6)所得图像中灯珠之间的质心距离,比较质心距离与固定值,若质心距离与固定值相近或相同,则不存在坏点,若质心距离为固定值的2倍以上,则存在坏点。
与现有技术相比,其突出的特点是:
本方法通过显示终端图像采集,利用相机采集LED显示终端的图像,再对采集到的图像进行图像校正、图像增强、图像边缘检测、单灯图像填充、灯珠图像质心确定,然后测量比较质心距离与灯珠间的距离的固定值,根据距离的比较,可以快速准确检测出坏点。
进一步的优选技术方案如下:
所述的步骤(2)图像校正包括相机和目标垂直方向偏差造成的梯形失真和水平方向的偏差造成的倾斜失真的校正,图像校正包括以下步骤:
梯形畸变失真的校正首先对显示终端的图像进行直方图均衡化的图像增强,然后再进行边缘检测,最后利用Radon变换求极值提取直线轮廓,进而得到检测直线进行矫正;
倾斜失真的校正首先通过imcrop函数在背景中截取有效图像,使显示终端的图像充满整个视场;然后,将显示终端的图像由RGB图转换为灰度图,用阈值法二值化后采用边缘检测确定轮廓,提取4个顶点坐标,确定矩形边与水平线间角度;提取ROI区域,创建白色MASK模板,仿射变换旋转校正即可。
数字图像的畸变是由摄像机广角镜头成像过程中与目标的垂直和水平角度不一致所带来的,一般都需要校正。
附图说明
图1是本发明检测方法的流程图。
图2是图像校正后图像。
图3是图像边缘检测后的图像。
图4是图2的图像的直方图。
图5是单灯图像填充过程中的噪声。
图6是图像的二值图像最终填充结果。
图7是灯珠图像质心确定时质心定位放大结果。
图8是灯珠图像质心确定后的图像。
图9是灯珠图像质心距离的示意图。
具体实施方式
下面结合实施例,进一步说明本发明。
参见图1-图8可知,本发明的一种LED显示终端坏点的视觉检测方法,包含以下步骤:(1)显示终端图像采集,利用相机采集LED显示终端的图像;
检测的LED显示终端为P4单元板,尺寸为320mm×160mm,分辨率为80×40dots,物理密度为62500点/平方米。相机采集图像时采用全手动或快门优先模式,固定快门速度,或低于1/160秒,保证稳定的拍摄画面。另外取景窗的大小决定了灯珠的清晰度,尽量选择合适距离使显示终端位于取景窗中央且全部充满,使得单位像素表示的实际尺寸小,放大后图像更加清晰;
(2)图像校正,对步骤(1)采集到的图像进行图像校正;
由于拍摄相机成像***固有缺陷及拍摄控制缺陷会引起图像失真。根据模块1的采集情况最明显的图像失***要是拍摄控制造成的梯形失真和倾斜失身。首先通过imcrop函数在背景中截取有效图像,使显示终端图像充满整个视场。由于选用的显示终端设备是非常方正的矩形,边缘明确,所以校正倾斜可采用轮廓提取方法,首先将RGB图转换为灰度图,用阈值法二值化后采用边缘检测确定轮廓,提取4个顶点坐标,确定矩形边与水平线间角度;然后提取ROI区域,创建白色MASK模板,仿射变换旋转校正即可。梯形畸变的校正首先对图像进行直方图均衡化的图像增强后进行边缘检测,再利用Radon变换求极值提取直线轮廓,进而得到检测直线进行矫正,如图1所示;
(3)图像增强,转换为灰度图像后,由于LED单灯图像像素点小,脉冲噪声是主要污染源,采用二值形态学算法的open操作滤出噪声。先对显示终端图像进行腐蚀,去除连通小白点噪声,再进行膨胀恢复,从而提高每个灯珠图像辨识度;
(4)图像边缘检测,即对步骤(3)得到的图像进行尖锐化处理,增强图像的边缘及灰度跳变部分,以便确定所有LED灯珠的边界以便定位灯珠;
对图像边缘检测即尖锐化处理,是增强图像的边缘及灰度跳变部分。该模块主要功能是确定所有LED灯珠的边界以便定位灯珠。边缘的提取精度关系到灯珠的准确定位,要求边缘错误检测率要低、边缘位置尽可能位于实际边缘中心、抑制虚假边缘以保证边缘尽可能最准确。因为灯珠点亮时调节亮度可达到1000cd/m2以上,中心区域灰度值到黑色背景灰度值梯度差异大,可确定为阶跃型边缘,选用Canny算法进行图像边缘检测准确。首先用3×3的高斯核作为矩阵模板进行卷积完成高斯滤波;再用一阶函数的偏导的有限差分计算梯度的幅值和方向,若斜线方向为梯度方向,对比梯度方向的值和邻接像素点G1(X1,Y1)、G2(X2,Y2)、G3(X3,Y3)、G4(X4,Y4),判断此点强度是否为其最大值,将非极大值点对应的灰度值置为0;最后使用双阈值法确定最终的边缘点,处理后如图2所示;
(5)单灯图像填充,将每个灯珠区域进行连通并填充,并进行二值化处理得到对比分明的二值图像;
通过模块4找到显示终端所有灯珠边缘,为确定其位置,必须将所有灯珠从背景中分割出来,采用的方法是将每个灯珠区域进行连通并填充。由于点亮灯珠和背板黑色背景的灰度值对比明显,进行直方图观察,如图3所示,可以100~150作为阈值进行图像分割,并用bwlabel函数以8邻域对连通区域进行标记,然后对所有的连通区域进行填充,并进行二值化处理,即轮廓线内元素赋值255,轮廓线外元素赋值0,将其变换为对比分明的二值图像。在填充过程成中,由于噪声有些小面积连通区域也被标记识别,如图4红圈内标注了放大后孤立点或毛刺噪声的小目标,所以对二值图像进行形态学开运算操作,使用函数bwareaopen移除小目标,通过观察连通区域对应的数据矩阵,正常灯珠的发光面积大约是300~350个像素,而噪声区域面积相对很小,所以结构元素P选择为100,通过比较可得所有噪声被消除,最终的填充图如图5所示;
(6)灯珠图像质心确定,经过步骤(5)得到的图像,每个灯珠边缘轮廓为非规则的封闭轮廓线,但可确定质心在封闭线内,由于封闭轮廓线更接近圆形,所以对每个封闭轮廓进行圆拟合以得规则圆形轮廓,利用图像的原点矩M00公式可以计算矩中心,进而得到所有灯珠的质心的坐标;
采用质心法确定灯珠中心坐标要求光斑图像的分布比较均匀,否则将会产生较大误差,由于封闭轮廓线更接近圆形,所以对每个封闭轮廓进行圆拟合以得规则圆形轮廓。利用公式(1)-(3),即图像的原点矩M00公式可以计算矩中心,进而得到所有灯珠的质心的坐标,如图6和图7所示;
(7)坏点确定,测量出LED显示终端的灯珠与灯珠的距离的固定值,计算步骤(6)所得图像中灯珠之间的质心距离,比较质心距离与固定值,若质心距离与固定值相近或相同,则不存在坏点,若质心距离为固定值的2倍以上,则存在坏点。
目前市场应用中的绝大多数显示终端的灯珠都是均匀分布,所以每个灯珠的距离是标准差较小的固定值,确定每个灯珠质心位置后,可以通过计算质心距离判断是否有坏点。设检测显示终端灯珠排列的行列数分别为M和N,则连通区域质心坐标点放在MN×1的结构体S内,将S通过struct2cell和cell2mat函数转换为2×MN的矩阵C,并将C通过reshape函数转换为[2M,N],由于显示装置有灯珠数量较多,截取100个灯珠的质心坐标,如表1所示,这样矩阵每2行表示显示装置图像一行灯珠质心坐标,通过按行检测每个质心之间的距离判断中间是否有坏点,如图8所示;例如图中的K2点坏掉,则坏掉后K1和K3的灯珠质心的距离增大一倍。如若坏点在边缘,还需进行列索引。可以通过对距离排序确定坏点个数,对坐标进行索引判断坏点位置,如表2所示,第二个质心距是其余距离的2倍,中间有坏点。
表1灯珠质心坐标
表2灯距计算值
该方法可应用于图像处理软件,在数十秒内确定出坏点的个数和位置,使得成百上千或更多LED的显示终端质量检测的效率大大提高,另外还可以进一步通过计算灯珠灰度区的灰度平均值,并对所有灰度平均值进行概率统计,根据直方图分布得出亮度层次,并已大概率亮度值为阈值,判断每个灯珠的阈值范围,进而得出亮暗均匀程度。通过求取所有亮度平均值作为标准值,计算每个灯珠的亮度与标准值的差值,得出对应像素点的差值矩阵,传递给控制板CPU进行一致性控制。
以上所述仅为本发明较佳可行的实施例而已,并非因此局限本发明的权利范围,凡运用本发明说明书及附图内容所作的等效结构变化,均包含于本发明的权利范围之内。
Claims (2)
1.一种LED显示终端坏点的视觉检测方法,其特征在于包含以下步骤:
(1)显示终端图像采集,利用相机采集LED显示终端的图像;
(2)图像校正,对步骤(1)采集到的图像进行图像校正;
(3)图像增强,采用二值形态学算法的open操作滤出噪声,先对显示终端的图像进行腐蚀,去除连通小白点噪声,再进行膨胀恢复,从而提高每个灯珠图像辨识度;
(4)图像边缘检测,即对步骤(3)得到的图像进行尖锐化处理,增强图像的边缘及灰度跳变部分,以便确定所有LED灯珠的边界以便定位灯珠;
(5)单灯图像填充,将每个灯珠区域进行连通并填充,并进行二值化处理得到对比分明的二值图像;
(6)灯珠图像质心确定,经过步骤(5)得到的图像,每个灯珠边缘轮廓为非规则的封闭轮廓线,但可确定质心在封闭线内,由于封闭轮廓线更接近圆形,所以对每个封闭轮廓进行圆拟合以得规则圆形轮廓,利用图像的原点矩M00公式可以计算矩中心,进而得到所有灯珠的质心的坐标;
(7)坏点确定,测量出灯珠与灯珠的距离的固定值,计算步骤(6)所得图像中灯珠之间的质心距离,比较质心距离与固定值,若质心距离与固定值相近或相同,则不存在坏点,若质心距离为固定值的2倍以上,则存在坏点。
2.根据权利要求1所述的LED显示终端坏点的视觉检测方法,其特征在于:所述的步骤(2)图像校正包括相机和目标垂直方向偏差造成的梯形畸变失真的校正和水平方向的偏差造成的倾斜失真的校正,图像校正包括以下步骤:
梯形畸变失真的校正首先对显示终端的图像进行直方图均衡化的图像增强,然后再进行边缘检测,最后利用Radon变换求极值提取直线轮廓,进而得到检测直线进行矫正;
倾斜失真的校正首先通过imcrop函数在背景中截取有效图像,使显示终端的图像充满整个视场;然后,将显示终端的图像由RGB图转换为灰度图,用阈值法二值化后采用边缘检测确定轮廓,提取4个顶点坐标,确定矩形边与水平线间角度;提取ROI区域,创建白色MASK模板,仿射变换旋转校正即可。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110046381.7A CN112801947A (zh) | 2021-01-14 | 2021-01-14 | 一种led显示终端坏点的视觉检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110046381.7A CN112801947A (zh) | 2021-01-14 | 2021-01-14 | 一种led显示终端坏点的视觉检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112801947A true CN112801947A (zh) | 2021-05-14 |
Family
ID=75810683
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110046381.7A Withdrawn CN112801947A (zh) | 2021-01-14 | 2021-01-14 | 一种led显示终端坏点的视觉检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112801947A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113539153A (zh) * | 2021-07-27 | 2021-10-22 | 厦门大学 | 一种四原色显示屏坏点的修复方法 |
CN114140426A (zh) * | 2021-11-29 | 2022-03-04 | 广州海谷电子科技有限公司 | 一种湿度传感器陶瓷基片印刷碳线图像处理倾斜矫正算法 |
CN114166849A (zh) * | 2021-11-29 | 2022-03-11 | 广州海谷电子科技有限公司 | 一种湿度传感器印刷碳线缺陷和感湿膜缺陷的检测方法 |
CN114202515A (zh) * | 2021-11-29 | 2022-03-18 | 广州海谷电子科技有限公司 | 一种湿度传感器的印刷碳线缺陷的检测方法 |
CN116758163A (zh) * | 2023-08-15 | 2023-09-15 | 长春希达电子技术有限公司 | 光学信息提取方法及装置、球形显示屏校正方法及装置 |
WO2024136089A1 (en) * | 2022-12-20 | 2024-06-27 | Samsung Electronics Co., Ltd. | Bad pixel correction in image processing applications or other applications |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120133816A1 (en) * | 2010-11-30 | 2012-05-31 | Canon Kabushiki Kaisha | System and method for user guidance of photographic composition in image acquisition systems |
CN110070524A (zh) * | 2019-04-03 | 2019-07-30 | 北京东舟技术股份有限公司 | 一种智能终端面板视觉故障检测*** |
CN110490847A (zh) * | 2019-07-31 | 2019-11-22 | 浙江大学山东工业技术研究院 | 基于视觉的led芯片质量检测方法 |
-
2021
- 2021-01-14 CN CN202110046381.7A patent/CN112801947A/zh not_active Withdrawn
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120133816A1 (en) * | 2010-11-30 | 2012-05-31 | Canon Kabushiki Kaisha | System and method for user guidance of photographic composition in image acquisition systems |
CN110070524A (zh) * | 2019-04-03 | 2019-07-30 | 北京东舟技术股份有限公司 | 一种智能终端面板视觉故障检测*** |
CN110490847A (zh) * | 2019-07-31 | 2019-11-22 | 浙江大学山东工业技术研究院 | 基于视觉的led芯片质量检测方法 |
Non-Patent Citations (2)
Title |
---|
刘宁宁 等: ""基于扫描图像几何畸变的算法研究"", 《包装工程》 * |
谢欢 等: ""基于机器视觉的LED大屏亮度一致性检测与矫正"", 《南京大学学报(自然科学)》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113539153A (zh) * | 2021-07-27 | 2021-10-22 | 厦门大学 | 一种四原色显示屏坏点的修复方法 |
CN113539153B (zh) * | 2021-07-27 | 2023-06-09 | 厦门大学 | 一种四原色显示屏坏点的修复方法 |
CN114140426A (zh) * | 2021-11-29 | 2022-03-04 | 广州海谷电子科技有限公司 | 一种湿度传感器陶瓷基片印刷碳线图像处理倾斜矫正算法 |
CN114166849A (zh) * | 2021-11-29 | 2022-03-11 | 广州海谷电子科技有限公司 | 一种湿度传感器印刷碳线缺陷和感湿膜缺陷的检测方法 |
CN114202515A (zh) * | 2021-11-29 | 2022-03-18 | 广州海谷电子科技有限公司 | 一种湿度传感器的印刷碳线缺陷的检测方法 |
CN114166849B (zh) * | 2021-11-29 | 2022-12-20 | 广州海谷电子科技有限公司 | 一种湿度传感器印刷碳线缺陷和感湿膜缺陷的检测方法 |
WO2024136089A1 (en) * | 2022-12-20 | 2024-06-27 | Samsung Electronics Co., Ltd. | Bad pixel correction in image processing applications or other applications |
CN116758163A (zh) * | 2023-08-15 | 2023-09-15 | 长春希达电子技术有限公司 | 光学信息提取方法及装置、球形显示屏校正方法及装置 |
CN116758163B (zh) * | 2023-08-15 | 2023-11-14 | 长春希达电子技术有限公司 | 光学信息提取方法及装置、球形显示屏校正方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112801947A (zh) | 一种led显示终端坏点的视觉检测方法 | |
WO2017157034A1 (zh) | 一种二维码的识别方法及装置、存储介质 | |
CN112669394B (zh) | 一种用于视觉检测***的自动标定方法 | |
CN109872309B (zh) | 检测***、方法、装置及计算机可读存储介质 | |
CN105338342B (zh) | 一种图像坏点的检测方法及装置 | |
CN111932504B (zh) | 一种基于边缘轮廓信息的亚像素定位方法及装置 | |
CN106157286A (zh) | 图像处理方法和屏幕漏光检测方法 | |
CN107256689A (zh) | Led显示屏亮度校正后的均匀性修复方法 | |
CN110648330B (zh) | 摄像头玻璃的缺陷检测方法 | |
CN108257187B (zh) | 一种相机-投影仪***标定方法 | |
CN115797775B (zh) | 基于近地视频图像的违章建筑智能识别方法及*** | |
CN111476712B (zh) | 一种烧结机的台车箅条图像的摄取及检测方法、*** | |
CN114267267A (zh) | 一种虚拟像素led显示屏的亮暗缝修复方法、装置及*** | |
CN116563298B (zh) | 基于高斯拟合的十字线中心亚像素检测方法 | |
CN112634179B (zh) | 一种防摄像头抖动的变电设备图像变化检测方法和*** | |
CN115880683B (zh) | 一种基于深度学习的城市内涝积水智能水位检测方法 | |
CN111738936A (zh) | 基于图像处理的多株水稻穗长的测量方法 | |
TW201418671A (zh) | 水位量測方法 | |
CN113916892B (zh) | 基于多目视觉的刹车盘涂胶缺陷检测装置及方法 | |
CN116642466A (zh) | 一种反光标志点区域中心检测方法 | |
CN115376131A (zh) | 一种点状编码标志的设计与识别方法 | |
CN115082504A (zh) | 一种太阳能光伏板光斑识别方法 | |
CN102885631A (zh) | 一种运用于平板ccd探测器的畸变校正方法 | |
CN115035847A (zh) | 一种led屏系数校正方法、装置和设备 | |
CN114354622A (zh) | 显示屏的缺陷检测方法、装置、设备和介质 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210514 |