CN116030052B - 电脑显示板层压工序蚀刻质量检测方法 - Google Patents
电脑显示板层压工序蚀刻质量检测方法 Download PDFInfo
- Publication number
- CN116030052B CN116030052B CN202310301494.6A CN202310301494A CN116030052B CN 116030052 B CN116030052 B CN 116030052B CN 202310301494 A CN202310301494 A CN 202310301494A CN 116030052 B CN116030052 B CN 116030052B
- Authority
- CN
- China
- Prior art keywords
- etching
- image
- gray
- gamma value
- gray scale
- 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
- 238000005530 etching Methods 0.000 title claims abstract description 144
- 238000000034 method Methods 0.000 title claims abstract description 66
- 230000008569 process Effects 0.000 title claims abstract description 39
- 238000003475 lamination Methods 0.000 title claims abstract description 28
- 238000001514 detection method Methods 0.000 title claims abstract description 15
- 238000009826 distribution Methods 0.000 claims abstract description 59
- 230000008859 change Effects 0.000 claims abstract description 26
- 238000006243 chemical reaction Methods 0.000 claims abstract description 24
- 238000004364 calculation method Methods 0.000 claims description 16
- 230000007935 neutral effect Effects 0.000 claims description 12
- 230000009466 transformation Effects 0.000 claims description 12
- 239000011159 matrix material Substances 0.000 claims description 7
- 238000003064 k means clustering Methods 0.000 claims description 3
- 238000010030 laminating Methods 0.000 claims 1
- 230000003044 adaptive effect Effects 0.000 abstract 1
- 230000000694 effects Effects 0.000 description 20
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 5
- 229910052802 copper Inorganic materials 0.000 description 5
- 239000010949 copper Substances 0.000 description 5
- 238000001914 filtration Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Liquid Crystal (AREA)
- Testing Of Optical Devices Or Fibers (AREA)
Abstract
本发明涉及图像数据处理技术领域,提出了电脑显示板层压工序蚀刻质量检测方法,包括:采集电脑显示板层压工序蚀刻图像;获取任意一个伽马值作为目标伽马值,对蚀刻图像进行伽马变换,根据变换前后蚀刻图像的纹理差异获取第一变化程度;根据变换后蚀刻图像中灰度对的分布及差异获取每种灰度对的分布均匀程度及综合差异程度,根据变换后蚀刻图像中灰度值的分布获取综合对比度,根据分布均匀程度、综合差异程度及综合对比度,获取第二变化程度;获取综合变化程度,获取最优伽马值,对蚀刻图像进行伽马变换得到增强蚀刻图像,对层压工序蚀刻质量进行检测。本发明旨在通过自适应的伽马变换实现对不同蚀刻程度的图像进行增强以提高检测结果准确性。
Description
技术领域
本发明涉及图像数据处理技术领域,具体涉及电脑显示板层压工序蚀刻质量检测方法。
背景技术
在对电脑显示板进行层压工序时,其中在进行蚀刻工艺后,蚀刻过薄会导致显示板表面凸凹变化明显,无法保证氧化层的厚度,粘结性差且容易分层,严重影响了层压工序的生产质量;因此需要对层压工序蚀刻工艺进行质量检测;而蚀刻工艺中不同显示板面的蚀刻程度存在差异,获取到的蚀刻图像质量存在差异,要想得到准确的蚀刻质量检测结果,需要对蚀刻图像进行增强,可以采用伽马变换的方法进行图像增强,并根据不同蚀刻图像的灰度表现自适应获取伽马值进行伽马变换,进而得到较为准确的蚀刻质量检测结果。
发明内容
本发明提供电脑显示板层压工序蚀刻质量检测方法,以解决现有的由于蚀刻程度存在差异而导致直接对蚀刻图像进行质量检测容易造成结果不准确的问题,所采用的技术方案具体如下:
本发明一个实施例提供了电脑显示板层压工序蚀刻质量检测方法,该方法包括以下步骤:
获取电脑显示板层压工序蚀刻图像;
获取任意一个伽马值作为目标伽马值,通过目标伽马值对蚀刻图像进行伽马变换,对变换前及变换后的蚀刻图像构建灰度共生矩阵并获取能量描述子,根据能量描述子的差异获取目标伽马值的第一变化程度;
根据变换后蚀刻图像中灰度对的分布获取每种灰度对的分布均匀程度,根据灰度对之间的差异获取每种灰度对的综合差异程度,通过对变换后蚀刻图像的聚类及区域生长获取第一蚀刻区域及第二蚀刻区域,根据变换后蚀刻图像中灰度值的分布获取目标伽马值的综合对比度,根据每种灰度对的分布均匀程度、综合差异程度以及综合对比度,获取目标伽马值的第二变化程度;
将目标伽马值的第一变化程度与第二变化程度的乘积作为目标伽马值的综合变化程度,根据综合变化程度获取若干伽马值中的最优伽马值,对蚀刻图像进行伽马变换得到增强蚀刻图像,根据增强蚀刻图像对层压工序蚀刻质量进行检测。
可选的,所述根据能量描述子的差异获取目标伽马值的第一变化程度,包括的具体方法为:
可选的,所述根据变换后蚀刻图像中灰度对的分布获取每种灰度对的分布均匀程度,包括的具体方法为:
其中,表示第/>种灰度对的分布均匀程度,/>表示预设的分割区域数量,/>表示第个分割区域中第/>种灰度对的分布数量,/>表示第/>个分割区域中第/>种灰度对的分布数量,/>表示所有分割区域中的第/>个分割区域。
可选的,所述根据灰度对之间的差异获取每种灰度对的综合差异程度,包括的具体方法为:
其中,表示第/>中灰度对的综合差异程度,/>表示变换后的蚀刻图像中灰度对的种类数量,/>表示第/>种灰度对,/>表示第/>种灰度对中的第一灰度级,/>表示第/>种灰度对中的第二灰度级,/>表示第/>种灰度对中的第一灰度级,/>表示第/>种灰度对中的第二灰度级;
所述第一灰度级为灰度对中最小的灰度级,第二灰度级为灰度对中最大的灰度级。
可选的,所述通过对变换后蚀刻图像的聚类及区域生长获取第一蚀刻区域及第二蚀刻区域,包括的具体方法为:
对变换后的蚀刻图像根据灰度值对像素点进行K-means聚类,K值设置为3,得到三个聚簇;
将三个聚簇中灰度均值最小的聚簇中的像素点记为中立像素点,灰度均值最大的聚簇中的像素点记为第一像素点,剩余的一个聚簇中的像素点记为第二像素点;随机选取像素点对变换后的蚀刻图像进行区域生长,其中随机选取的像素点不能为中立像素点,生长准则为对邻域内的同类像素点,即属于同一聚簇的像素点,或中立像素点进行生长,若不是同类像素点或中立像素点则不进行生长;进行区域生长过程中直到图像中所有像素点都生长到相应区域中,生长结束;
将所有第一像素点生长得到的区域记为第一蚀刻区域,将所有第二像素点生长得到的区域记为第二蚀刻区域。
可选的,所述根据变换后蚀刻图像中灰度值的分布获取目标伽马值的综合对比度,包括的具体方法为:
其中,表示第一蚀刻区域中所有像素点的大范围对比度均值,/>表示第二蚀刻区域中所有像素点的大范围对比度均值,所述大范围对比度即为每个像素点与24邻域像素点的灰度差异均值,所述24邻域像素点即为每个像素点作为中心像素点时5*5窗口内的其他像素点;
可选的,所述获取目标伽马值的第二变化程度,包括的具体方法为:
其中,表示目标伽马值的第二变化程度,/>表示通过目标伽马值变换后蚀刻图像的能量描述子,/>表示目标伽马值的综合对比度,/>表示变换后的蚀刻图像中共有/>种灰度对,/>表示第/>种灰度对在变换后的蚀刻图像中的分布频率,/>表示第/>种灰度对的分布均匀程度,/>表示第/>种灰度对的综合差异程度,/>表示以自然常数为底的指数函数。
本发明的有益效果是:本发明通过不同伽马值对蚀刻图像进行伽马变换,根据变换后的蚀刻图像的纹理变化获取伽马值的第一变化程度,通过变换后的蚀刻图像中灰度值的分布及灰度对的分布来量化纹理的清晰表现程度,进而得到可以表征伽马值的增强效果的综合变化程度;通过综合变化程度的比较进而得到蚀刻图像的最优伽马值并进行伽马变换,使得对于蚀刻程度存在差异的不同蚀刻图像可以做到自适应的伽马变换,进而提高蚀刻质量检测的准确性。
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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一个实施例所提供的电脑显示板层压工序蚀刻质量检测方法流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中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在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1,其示出了本发明一个实施例所提供的电脑显示板层压工序蚀刻质量检测方法流程图,该方法包括以下步骤:
步骤S001、采集电脑显示板层压工序蚀刻图像。
本实施例的目的是对电脑显示板的层压工序中蚀刻的质量进行检测,因此首先需要采集电脑显示板层压工序的蚀刻图像;本实施例在电脑显示板层压工序的生产线上布置工业相机,采集蚀刻工序结束的显示板面俯视图像,将俯视图像通过灰度化处理及滤波去噪得到预处理后图像,记为蚀刻图像;其中灰度化处理采用加权平均灰度化算法,滤波去噪采用高斯滤波进行处理,加权平均灰度化算法及高斯滤波算法均为公知技术,本实施例不再赘述。
至此,获取到了蚀刻图像,用于后续对蚀刻质量进行检测。
步骤S002、获取任意一个伽马值作为目标伽马值,通过目标伽马值对蚀刻图像进行伽马变换,根据变换前后蚀刻图像的纹理差异获取目标伽马值的第一变化程度。
需要说明的是,在层压工序进行蚀刻工艺时,蚀刻程度存在差异,获取到的蚀刻图像需要进行增强以提高蚀刻质量检测的准确性,而不同蚀刻程度的蚀刻图像需要不同的伽马值来进行伽马变换实现图像增强,因此需要通过不同伽马值对不同蚀刻图像的综合变化程度来自适应获取最优伽马值并对蚀刻图像进行增强。
具体的,本实施例以任意一张采集到的蚀刻图像为例进行说明,首先获取任意一个伽马值作为目标伽马值,本实施例目标伽马值采用进行计算,其中伽马值为伽马变换中的参数,取值范围在/>中;通过目标伽马值对蚀刻图像进行伽马变换,获取到变换后的蚀刻图像。
其中,表示变换后的蚀刻图像的能量描述子,/>表示变换前的蚀刻图像的能量描述子;所述能量描述子即为灰度共生矩阵中的ASM能量,其反映了图像灰度分布的均匀程度以及纹理的粗细程度,为公知技术,本实施例不再赘述;图像中灰度值分布越均匀,则能量描述子越小,纹理越不明显;灰度值分布越有规律,越有结构,纹理越清晰,即灰度值越集中分布,能量描述子越大;因此采用变换前后能量描述子的差异来表征第一变化程度,差异越大表明对纹理的增强效果越强,相应的变换后图像较变换前图像表现出的凹凸部分更明显,即图像更粗糙,则目标伽马值的第一变化程度越大,即通过目标伽马值对蚀刻图像的增强效果越好。
至此,获取到了目标伽马值的第一变化程度,用于量化目标伽马值对于蚀刻图像的增强效果。
步骤S003、根据变换后蚀刻图像中灰度对的分布获取每种灰度对的分布均匀程度,根据灰度对之间的差异获取每种灰度对的综合差异程度,根据变换后蚀刻图像中像素点灰度值的分布获取目标伽马值的综合对比度,根据每种灰度对的分布均匀程度、综合差异程度以及综合对比度,获取目标伽马值的第二变化程度。
需要说明的是,对于变换后的蚀刻图像,其能量描述子越大,表明其具有主流纹理,此时分布频率越大的灰度对越能表示图像整体的分布均匀程度,同一灰度对在图像中分布越均匀,纹理表现效果越好,相应的蚀刻图像增强效果越好,因此首先需要获取每种灰度对的分布均匀程度;同时,对于不同灰度对之间的差异越大,对于非主流纹理的表现越不明显,则对于蚀刻图像的增强效果越差。
具体的,本实施例以水平相邻两个像素点的灰度值对应灰度级构建灰度对,在变换后的蚀刻图像中获取到若干种灰度对,其中灰度级为构建灰度共生矩阵中设置的参数,每个灰度对中最小的灰度级记为第一灰度级,最大的灰度级记为第二灰度级;对变换后的蚀刻图像进行均匀分割获取到若干个分割区域,本实施例采用变换后的蚀刻图像长宽各四等分,分割得到16个相同大小的分割区域,则对于第种灰度对的分布均匀程度/>的计算方法为:
其中,16表示共有16个分割区域,表示第/>个分割区域中第/>种灰度对的分布数量,/>表示第/>个分割区域中第/>种灰度对的分布数量,/>表示所有分割区域中的第/>个分割区域,且/>;每种灰度对在不同分割区域中的分布数量差异越小,表明灰度对在图像中的分布越均匀,灰度对的分布均匀程度越大;按照上述方法获取每种灰度对的分布均匀程度。
其中,表示变换后的蚀刻图像中灰度对的种类数量,/>表示第/>种灰度对,且;/>表示第/>种灰度对中的第一灰度级,/>表示第/>种灰度对中的第二灰度级,/>表示第种灰度对中的第一灰度级,/>表示第/>种灰度对中的第二灰度级;通过灰度对内灰度级差异的比较以及灰度对之间灰度级差异的比较来量化灰度对的综合差异程度,灰度对内灰度级差异记为灰度对的灰度内差,不同灰度对的灰度内差之间的差异越大,不同灰度对的灰度级差异越大,灰度对之间的差异越大,通过每种灰度对与其他所有种灰度对之间的差异均值得到每种灰度对的综合差异程度;按照上述方法获取每种灰度对的综合差异程度。
进一步需要说明的是,在蚀刻图像中主要分为板面本身的灰度区域以及板面上的铜形成的一个区域,而蚀刻工艺对两个区域均进行作用,则进行蚀刻质量检测时两个区域都需要进行检测,因此需要保证伽马变换可以对两个区域均起到较好的增强效果;同时,考虑到图像中存在其他干扰区域,而这些干扰区域中灰度值很小,需要将这些干扰区域划分到板面区域或铜区域中,进而根据板面区域及铜区域中像素点灰度值的分布获取变换后的蚀刻图像的综合对比度,即为目标伽马值的综合对比度。
具体的,本实施例首先对变换后的蚀刻图像进行K-means聚类,由于图像中有铜区域、板面区域及干扰区域三种区域,且三种区域内灰度值相近而区域之间灰度值相差较大,因此本实施例根据灰度值对像素点进行聚类,K值设置为3,得到三个聚簇;将三个聚簇中灰度均值最小的聚簇中的像素点记为中立像素点,灰度均值最大的聚簇中的像素点记为第一像素点,剩余的一个聚簇中的像素点记为第二像素点;随机选取像素点对变换后的蚀刻图像进行区域生长,其中随机选取的像素点不能为中立像素点,生长准则为对邻域内的同类像素点,即属于同一聚簇的像素点,或中立像素点进行生长,若不是同类像素点或中立像素点则不进行生长;按照此方法直到图像中所有像素点都生长到相应区域中,生长结束;此时,将所有第一像素点生长得到的区域记为第一蚀刻区域,将所有第二像素点生长得到的区域记为第二蚀刻区域;此时,去除了干扰区域对于铜区域及板面区域增强效果判断的影响。
其中,表示第一蚀刻区域中所有像素点的小范围对比度均值,/>表示第二蚀刻区域中所有像素点的小范围对比度均值,所述小范围对比度即为每个像素点与八邻域像素点的灰度差异均值;分子分母加1的目的是为了避免分母为0时影响第一对比度的计算;两个蚀刻区域中小范围对比度越大,同时两个蚀刻区域之间小范围对比度的差异越小,相应的对于变换后蚀刻图像中局部纹理的表现越强,第一对比度越大。
其中,表示第一蚀刻区域中所有像素点的大范围对比度均值,/>表示第二蚀刻区域中所有像素点的大范围对比度均值,所述大范围对比度即为每个像素点与24邻域像素点的灰度差异均值,所述24邻域像素点即为每个像素点作为中心像素点时5*5窗口内的其他像素点;分子分母加1的目的是为了避免分母为0时影响第一对比度的计算;本实施例通过5*5窗口来表示每个像素点的大范围对比度,实施者可根据实际情况调整大范围对比度的窗口大小;两个蚀刻区域中大范围对比度越大,同时两个蚀刻区域之间小范围对比度的差异越小,相应的对于变换后蚀刻图像中较大范围内纹理的表现越强,第二对比度越大。
进一步需要说明的是,由于变换后蚀刻图像的能量描述子越大,纹理越单一,则需要保证较大范围内的纹理差异较为明显,即考虑较大范围下的第二对比度,因此需要保证第二对比度较大来提高增强效果;而能量描述子越小,各种纹理趋向分布均匀,此时需要保证局部纹理的表现越强,则第一对比度需要越大,以此来提高增强效果。
其中,表示通过目标伽马值变换后蚀刻图像的能量描述子,/>表示目标伽马值的第一对比度,/>表示目标伽马值的第二对比度,/>表示以自然常数为底的指数函数;能量描述子越大,需要考虑更多的第二对比度来影响综合对比度;而能量描述子越小,需要考虑更多的第一对比度来影响综合对比度;同时第一对比度及第二对比度均正比例影响综合对比度,即越大增强效果越好;需要说明的是,本实施例采用/>函数来呈现反比例关系及归一化处理,实施者可根据实际情况选择反比例函数及归一化函数进行处理。
进一步需要说明的是,当能量描述子较小时,其纹理分布趋向均匀,没有主流纹理,因此需要更多参考综合对比度来量化目标伽马值的增强效果;而当能量描述子较大时,出现主流纹理,则不仅需要较大范围的第二对比度,同时需要更多参考灰度对的分布表现来量化增强效果,分布频率越大的灰度对,其灰度分布越均匀,且与其他种类的灰度对差异越小,增强效果越好。
其中,表示通过目标伽马值变换后蚀刻图像的能量描述子,/>表示目标伽马值的综合对比度,/>表示变换后的蚀刻图像中共有/>种灰度对,/>表示第/>种灰度对在变换后的蚀刻图像中的分布频率,/>表示第/>种灰度对的分布均匀程度,/>表示第/>种灰度对的综合差异程度,/>表示以自然常数为底的指数函数;能量描述子越大,越需要参考综合对比度,综合对比度越大,增强效果越好,第二变化程度越大;能量描述子越小,越需要考虑灰度对分布,分布频率越大的灰度对,分布均匀程度越大,综合差异程度越小,增强效果越好。
至此,获取到目标伽马值的第二变化程度,用于量化目标伽马值对于变换后的蚀刻图像的增强效果。
步骤S004、根据第一变化程度及第二变化程度获取目标伽马值的综合变化程度,根据综合变化程度获取若干伽马值中的最优伽马值,对蚀刻图像进行伽马变换得到增强蚀刻图像,根据增强蚀刻图像对层压工序蚀刻质量进行检测。
需要说明的是,在步骤S003已经获取到了目标伽马值的第一变化程度及第二变化程度,且两者均越大表明增强效果越好,因此需要获取综合变化程度,并通过一定范围内各伽马值的综合变化程度最大的来获取最优伽马值,进而得到增强蚀刻图像。
具体的,将目标伽马值的第一变化程度与第二变化程度的乘积作为目标伽马值的综合变化程度,在目标伽马值的预设范围内随机获取新的伽马值,本实施例预设范围设置为,则根据本实施例中目标伽马值为0.8,目标伽马值的预设范围即为/>;按照上述方法获取新伽马值的综合变化程度,多次在目标伽马值的预设范围内获取新伽马值,并计算综合变化程度,当综合变化程度最大的伽马值多次为同一伽马值时,将该伽马值作为最优伽马值,本实施例中多次为同一伽马值中的多次采用20次进行计算;则得到了最优伽马值,通过最优伽马值对蚀刻图像进行伽马变换,得到的图像记为增强蚀刻图像。
进一步的,根据增强蚀刻图像进行蚀刻质量检测,由于蚀刻过薄会导致板面出现凹凸不平的情况,则本实施例通过凹凸程度来反映蚀刻的质量;将增强蚀刻图像输入到训练好的质量检测网络中,其中质量检测网络采用现有的resnet网络结构进行构建,采用大量的蚀刻图像作为训练数据集,将训练数据集中每张图像输入到质量检测网络中,输出得到蚀刻表面的凹凸程度,凹凸程度范围为,凹凸程度越接近1表明凹凸程度越大,损失函数采用均方差损失函数。
进一步的,获取到增强蚀刻图像的凹凸程度,给出凹凸阈值用于判断质量缺陷,本实施例凹凸阈值采用0.8进行计算,若凹凸程度大于凹凸阈值,则表明增强蚀刻图像对应板面的蚀刻质量较差,需要重新进行蚀刻。
至此,完成了对于电脑显示板层压工序中蚀刻工艺的质量检测方法。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.电脑显示板层压工序蚀刻质量检测方法,其特征在于,该方法包括以下步骤:
获取电脑显示板层压工序蚀刻图像;
获取任意一个伽马值作为目标伽马值,通过目标伽马值对蚀刻图像进行伽马变换,对变换前及变换后的蚀刻图像构建灰度共生矩阵并获取能量描述子,根据能量描述子的差异获取目标伽马值的第一变化程度;
根据变换后蚀刻图像中灰度对的分布获取每种灰度对的分布均匀程度,根据灰度对之间的差异获取每种灰度对的综合差异程度,通过对变换后蚀刻图像的聚类及区域生长获取第一蚀刻区域及第二蚀刻区域,根据变换后蚀刻图像中灰度值的分布获取目标伽马值的综合对比度,根据每种灰度对的分布均匀程度、综合差异程度以及对应目标伽马值的综合对比度,获取目标伽马值的第二变化程度;
将目标伽马值的第一变化程度与第二变化程度的乘积作为目标伽马值的综合变化程度,根据综合变化程度获取若干伽马值中的最优伽马值,对蚀刻图像进行伽马变换得到增强蚀刻图像,根据增强蚀刻图像对层压工序蚀刻质量进行检测;
所述通过对变换后蚀刻图像的聚类及区域生长获取第一蚀刻区域及第二蚀刻区域,包括的具体方法为:
对变换后的蚀刻图像根据灰度值对像素点进行K-means聚类,K值设置为3,得到三个聚簇;
将三个聚簇中灰度均值最小的聚簇中的像素点记为中立像素点,灰度均值最大的聚簇中的像素点记为第一像素点,剩余的一个聚簇中的像素点记为第二像素点;随机选取像素点对变换后的蚀刻图像进行区域生长,其中随机选取的像素点不能为中立像素点,生长准则为对邻域内的同类像素点,即属于同一聚簇的像素点,或中立像素点进行生长,若不是同类像素点或中立像素点则不进行生长;进行区域生长过程中直到图像中所有像素点都生长到相应区域中,生长结束;
将所有第一像素点生长得到的区域记为第一蚀刻区域,将所有第二像素点生长得到的区域记为第二蚀刻区域;
所述根据变换后蚀刻图像中灰度值的分布获取目标伽马值的综合对比度,包括的具体方法为:
获取目标伽马值的第一对比度的计算方法为:/>其中,/>表示第一蚀刻区域中所有像素点的小范围对比度均值,/>表示第二蚀刻区域中所有像素点的小范围对比度均值,所述小范围对比度即为每个像素点与八邻域像素点的灰度差异均值;
获取目标伽马值的第二对比度的计算方法为:/>其中,/>表示第一蚀刻区域中所有像素点的大范围对比度均值,/>表示第二蚀刻区域中所有像素点的大范围对比度均值,所述大范围对比度即为每个像素点与24邻域像素点的灰度差异均值,所述24邻域像素点即为每个像素点作为中心像素点时5*5窗口内的其他像素点;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310301494.6A CN116030052B (zh) | 2023-03-27 | 2023-03-27 | 电脑显示板层压工序蚀刻质量检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310301494.6A CN116030052B (zh) | 2023-03-27 | 2023-03-27 | 电脑显示板层压工序蚀刻质量检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116030052A CN116030052A (zh) | 2023-04-28 |
CN116030052B true CN116030052B (zh) | 2023-06-16 |
Family
ID=86089482
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310301494.6A Active CN116030052B (zh) | 2023-03-27 | 2023-03-27 | 电脑显示板层压工序蚀刻质量检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116030052B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116433663B (zh) * | 2023-06-13 | 2023-08-18 | 肥城恒丰塑业有限公司 | 一种土工格室质量智能检测方法 |
CN116682112B (zh) * | 2023-07-28 | 2023-10-17 | 青岛虹竹生物科技有限公司 | 一种多糖测试数据存储及数字化方法 |
CN117115153B (zh) * | 2023-10-23 | 2024-02-02 | 威海坤科流量仪表股份有限公司 | 基于视觉辅助的印制线路板质量智能检测方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103871039A (zh) * | 2014-03-07 | 2014-06-18 | 西安电子科技大学 | 一种sar图像变化检测差异图生成方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6806903B1 (en) * | 1997-01-27 | 2004-10-19 | Minolta Co., Ltd. | Image capturing apparatus having a γ-characteristic corrector and/or image geometric distortion correction |
CN107527333B (zh) * | 2017-07-31 | 2021-03-02 | 湖北工业大学 | 一种基于伽马变换的快速图像增强方法 |
CN110599415B (zh) * | 2019-08-29 | 2023-11-10 | 西安电子科技大学 | 基于局部自适应伽马校正的图像对比度增强实现方法 |
CN111611907B (zh) * | 2020-05-18 | 2023-10-31 | 沈阳理工大学 | 一种图像增强的红外目标检测方法 |
CN112102232B (zh) * | 2020-07-31 | 2021-11-02 | 深圳大学 | 一种诱导多能干细胞菌落质量自动评估方法及装置 |
-
2023
- 2023-03-27 CN CN202310301494.6A patent/CN116030052B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103871039A (zh) * | 2014-03-07 | 2014-06-18 | 西安电子科技大学 | 一种sar图像变化检测差异图生成方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116030052A (zh) | 2023-04-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116030052B (zh) | 电脑显示板层压工序蚀刻质量检测方法 | |
CN115829883B (zh) | 一种异性金属结构件表面图像去噪方法 | |
CN115082467B (zh) | 基于计算机视觉的建材焊接表面缺陷检测方法 | |
CN116664559B (zh) | 基于机器视觉的内存条损伤快速检测方法 | |
CN107038416B (zh) | 一种基于二值图像改进型hog特征的行人检测方法 | |
CN116091455A (zh) | 基于机器视觉的钢网表面缺陷判定方法 | |
CN116843692B (zh) | 基于人工智能的再生活性炭状态检测方法 | |
CN115100208B (zh) | 一种基于直方图和动态光源的薄膜表面缺陷评估方法 | |
CN116109558A (zh) | 基于颈部半透明厚度测量值筛查胎儿染色体异常的方法 | |
CN117635609A (zh) | 一种塑胶产品生产质量视觉检测方法 | |
CN116596879A (zh) | 基于边界样本分位数的葡萄霜霉病自适应识别方法 | |
CN115222761A (zh) | 一种基于计算机视觉技术的聚苯颗粒产品质量检测方法 | |
CN116246174A (zh) | 基于图像处理的甘薯种类识别方法 | |
CN117541582B (zh) | 一种高频变频器igbt绝缘质量检测方法 | |
CN116900412B (zh) | 基于视觉处理的钢板等距自动切割调控方法 | |
CN116934761B (zh) | 一种乳胶手套缺陷自适应检测方法 | |
CN116109466B (zh) | 一种印刷图像的防伪水印处理方法 | |
CN109447952B (zh) | 一种基于Gabor差分盒加权维数的半参考型图像质量评价方法 | |
CN117314940A (zh) | 基于人工智能的激光切割零件轮廓快速分割方法 | |
CN116580220A (zh) | 一种数字政府平台数据优化传输方法及*** | |
CN113112435B (zh) | 一种小波域正反图像融合的可变对比度增强方法及装置 | |
CN117314899B (zh) | 基于图像特征的碳纤维板质量检测方法 | |
CN116740056B (zh) | 用于整芯高花纹输送带涂覆层的缺陷检测方法 | |
CN116740065B (zh) | 基于大数据的人造板瑕疵品快速溯源方法及*** | |
CN118115498B (zh) | 用于钛棒的光泽度快速检测方法及*** |
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 |