CN116245879B - 一种玻璃基板平整度评估方法和*** - Google Patents
一种玻璃基板平整度评估方法和*** Download PDFInfo
- Publication number
- CN116245879B CN116245879B CN202310505983.3A CN202310505983A CN116245879B CN 116245879 B CN116245879 B CN 116245879B CN 202310505983 A CN202310505983 A CN 202310505983A CN 116245879 B CN116245879 B CN 116245879B
- Authority
- CN
- China
- Prior art keywords
- glass substrate
- image
- surface height
- flatness
- height image
- 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
- 239000011521 glass Substances 0.000 title claims abstract description 225
- 239000000758 substrate Substances 0.000 title claims abstract description 221
- 238000011156 evaluation Methods 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 claims abstract description 39
- 238000001914 filtration Methods 0.000 claims abstract description 20
- 230000011218 segmentation Effects 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000009499 grossing Methods 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 6
- 238000005452 bending Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 5
- 238000010191 image analysis Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 101150050759 outI gene Proteins 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 11
- 238000004458 analytical method Methods 0.000 abstract description 6
- 238000005259 measurement Methods 0.000 abstract description 6
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 2
- 238000012797 qualification Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000011326 mechanical measurement Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- G06T7/001—Industrial image inspection using an image reference approach
-
- 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
- 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
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
-
- 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
- G06T2207/20048—Transform domain processing
- G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Multimedia (AREA)
- Length Measuring Devices With Unspecified Measuring Means (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种玻璃基板平整度评估方法和***,包括:S1:采集玻璃基板表面高度图像,并对图像去噪,得到去噪后的玻璃基板表面高度图像;对去噪后的玻璃基板表面高度图像进行分割,并提取属于玻璃基板区域的像素,将玻璃基板从图像中分割出来;从分割出来的玻璃基板区域提取特征,所述特征包括弯曲度、扭曲度和球面度;基于离散傅里叶变换对分割出的玻璃基板区域进行低通滤波,获得平滑后的玻璃基板表面高度图像,计算其平均值、方差、偏度、峰度信息;将S3和S4中得到的结果与标准玻璃基板进行对比,评估玻璃基板平整度。通过采用数字图像处理和数学分析的方法,实现自动化的玻璃基板平整度评估,提高测量效率和评估准确性。
Description
技术领域
本发明涉及玻璃检测技术领域,尤其涉及一种玻璃基板平整度评估方法和***。
背景技术
玻璃基板平整度评估是工业制造过程中的一个重要环节。玻璃基板的平整度对于精密制造工艺有着至关重要的作用,玻璃基板作为芯片加工领域等高精度加工母版,平整度越高,加工越精密,因此不同平整度的玻璃基板,也对应不同的等级的售价。当前,常用的玻璃基板平整度评估方法主要有机械测量和光学测量两种。然而,传统的评估方法往往需要专业的技术人员进行操作和判断,容易受到人为因素的干扰,导致评估结果的不稳定性和不可靠性。其次,由于这些方法需要对实际样本进行测试,因此样本数量受到限制,可能无法对大批量的样本进行快速和高效的评估。同时,这些方法需要专业的仪器设备和技术人员,因此评估成本较高,不适用于大规模生产过程中的实时监测和控制。本发明的玻璃基板平整度评估方法通过采用数字图像处理和数学分析的方法,可自动化地进行平整度评估,减少了人工干预,大大提高了测量效率。同时,综合考虑多个特征因素,能够得到更全面和准确的评估结果。
发明内容
有鉴于此,本发明提供一种玻璃基板平整度评估方法和***,目的在于提供一种基于图像处理和数学分析的玻璃基板平整度评估方法,以解决现有方法存在的成本高、操作复杂、精度低等问题。通过采用数字图像处理和数学分析的方法,实现自动化的玻璃基板平整度评估,提高测量效率和评估准确性。同时,通过综合考虑多个特征因素,得到更全面和准确的玻璃基板平整度评估结果。
实现上述目的,本发明提供的一种玻璃基板平整度评估方法,包括以下步骤:
S1:采集玻璃基板表面高度图像,并对图像去噪,得到去噪后的玻璃基板表面高度图像;
S2:对去噪后的玻璃基板表面高度图像进行分割,并提取属于玻璃基板的像素,将玻璃基板区域从图像中分割出来;
S3:从分割出来的玻璃基板区域提取特征,所述特征包括弯曲度、扭曲度和球面度;
S4:基于离散傅里叶变换对分割出的玻璃基板区域进行低通滤波,获得平滑后的玻璃基板表面高度图像,计算其平均值、方差、偏度、峰度信息;
S5:将S3和S4中得到的结果与标准玻璃基板进行对比,评估玻璃基板平整度。
作为本发明的进一步改进方法:
可选地,所述S1步骤中采集玻璃基板表面高度图像,并对图像去噪,得到去噪后的玻璃基板表面高度图像,包括:
将需要进行平整度评估的玻璃基板放置于平台上,使用激光测量平台不同位置的高度,记录每一点的高度即可组成表面高度图像,所述表面高度图像每一个像素记录了玻璃基板表面到参考面的距离,参考面为放置玻璃基板的平面。利用改进中值滤波对图像进行去噪,获得更准确的玻璃基板表面高度图像。所述改进中值滤波包括:
S11:标记潜在噪声点:
;
其中,是/>窗口/>的中心像素值;/>和/>分别表示窗口内的最大值和最小值。若/>或/>,则标记/>为潜在噪声点,否则/>为非噪声点;
S12:对潜在噪声点使用大窗口再次确认,若仍旧为噪声点,则使用窗口内的中值取代该像素值,否则保留像素值:
;
其中,是/>窗口/>的中心像素值;/>函数表述取/>中所有像素值的中值;
S13:对玻璃基板表面高度图像的每一个像素做S11和S12的操作,直至遍历完整幅图像,得到去噪后的玻璃基板表面高度图像。
可选地,所述S2步骤中对去噪后的玻璃基板表面高度图像进行分割,并提取属于玻璃基板的像素,将玻璃基板区域从图像中分割出来,包括:
S21:选取分割阈值t,将S1中的去噪后的玻璃基板表面高度图像分为背景和玻璃基板两个类别,并计算每一类概率:
;
;
其中,,L为表面高度图像的最大值;/>,/>为图像值为q的像素数,N为图像总像素数;/>和/>分别代表玻璃表面高度图像中属于背景和属于玻璃基板类的像素的概率;
S22:计算所述背景和玻璃基板两个类别中的像素的平均值,并计算类间方差:
背景和玻璃基板类的像素的平均值计算方式为:
;
;
整张玻璃基板表面高度图像的平均值计算方式为:
;
进而计算类间方差:
;
S23:构建优化目标:
;
其中,为使得优化目标达到最大值的分割阈值。
遍历t的取值并对每一个t计算S21和S22从而获得。根据获得的/>,将去噪后的玻璃基板表面高度图像上的每个像素分为背景或玻璃基板类,并提取属于玻璃基板的像素,将玻璃基板区域从图像中分割出来。
可选地,所述S3步骤中从分割出来的玻璃基板区域提取特征,所述特征包括弯曲度、扭曲度和球面度:
;
;
;
其中A1,A2,A3分别代表玻璃基板的弯曲度、扭曲度和球面度,表示第/>个像素的曲率,/>表示所有像素曲率的平均值,/>表示玻璃基板区域像素的个数。所述曲率的计算方式为:/>,其中/>,/>,/>和/>分别表示第/>个像素代表的表面高度在x和y方向上的一阶和二阶导数。/>表示第/>个像素代表的表面高度,/>表示表面高度的平均值。/>表示拟合球面在第/>个像素点的高度值,拟合球面由拟合表面高度的球面模型得到。
可选地,所述S4步骤中基于离散傅里叶变换对分割出的玻璃基板区域进行低通滤波,获得平滑后的玻璃基板表面高度图像,计算其平均值、方差、偏度、峰度信息,包括:
S41:将S2中获得的玻璃基板候选区域的表面高度数据表示为一个二维矩阵,其中/>和/>表示水平和竖直方向上的坐标;
S42:对进行二维离散傅里叶变换,得到频域表示/>:
;
其中,k为虚数单位,;W和M为图像在水平和竖直方向的长度;
S43:滤去中的高频部分,并对剩余的/>中的频率信息进行反变化,得到平滑后的表面高度:
;
S44:对分析,获得平均值、方差、偏度、峰度信息:
;
;
;
;
其中B1,B2,B3和B4分别代表平滑后的表面高度的平均值、方差、偏度、峰度信息,且。
可选地,所述S5步骤中将S3和S4中得到的结果与标准玻璃基板进行对比,评估玻璃基板平整度,包括:
将S3和S4的中得到的结果组成玻璃基板总体特征:
;
并与从标准玻璃基板提取出的总体特征进行对比。所述标准玻璃基板为人工筛选得到,对比方法为:
;
其中,,/>表示需要评估的玻璃基板与标准玻璃基板完全一致,玻璃基板的平整度较高,/>表示需要评估的玻璃基板与标准玻璃基板完全不一致,玻璃基板的平整度较低。根据/>的取值由低到高对玻璃基板平整度分为不合格、合格、良、优四级。
本发明还提供了一种玻璃基板平整度评估***,包括:
图像采集及去噪模块:采集玻璃基板表面高度图像,并对图像去噪;
图像特征分割模块:对去噪后的玻璃基板表面高度图像进行分割,并提取属于玻璃基板的像素;
图像特征提取模块:从分割出来的玻璃基板区域提取特征;
图像分析模块:基于离散傅里叶变换对分割出的玻璃基板区域进行低通滤波,获得平滑后的玻璃基板表面高度图像,并对图像分析;
评估模块:将待评估玻璃基板的结果与标准玻璃基板对比,评估玻璃基板的平整度。
有益效果
本发明的方法采用数字图像处理和数学分析的方法,可以自动化地对玻璃基板表面高度图像进行分割、特征提取和评估,不需要人工干预,提高了测量效率和评估准确性。传统的玻璃基板平整度评估方法需要手动测量和记录,容易出现误差,且需要大量时间和人力成本,不适用于大规模生产中的质量控制。
本发明的玻璃基板平整度评估方法综合考虑了平面度、弯曲度、扭曲度和球面度等多个特征因素,能够得到更全面和准确的评估结果。而传统的评估方法仅考虑某一或几个特征因素,评估结果不够全面和准确。
本发明的玻璃基板平整度评估方法采用离散傅里叶变换进行低通滤波,可以滤除高频噪声,保留玻璃基板表面高度图像的主要特征,同时采用平均值、方差、偏度和峰度等数学分析方法,从多个角度分析图像的特征,提高了评估精度和准确性。
本发明的玻璃基板平整度评估方法不需要昂贵的设备和工具,操作简便,适用于各类玻璃基板的评估,具有很大的应用前景。而传统的玻璃基板平整度评估方法需要专业的设备和工具,成本较高。
附图说明
图1为本发明一实施例的一种玻璃基板平整度评估方法的流程示意图。
具体实施方式
下面结合附图对本发明作进一步的说明,但不以任何方式对本发明加以限制,基于本发明教导所作的任何变换或替换,均属于本发明的保护范围。
实施例1:一种玻璃基板平整度评估方法,如图1所示,包括以下步骤:
S1:采集玻璃基板表面高度图像,并对图像去噪,得到去噪后的玻璃基板表面高度图像。
将需要进行平整度评估的玻璃基板放置于平台上,使用激光测量平台不同位置的高度,记录每一点的高度即可组成表面高度图像,所述表面高度图像每一个像素记录了玻璃基板表面到参考面的距离,参考面为放置玻璃基板的平面。利用改进中值滤波对图像进行去噪,获得更准确的玻璃基板表面高度图像。所述改进中值滤波包括:
S11:标记潜在噪声点:
;
其中,是/>窗口/>的中心像素值;/>和/>分别表示窗口内的最大值和最小值;若/>或/>,则标记/>为潜在噪声点,否则/>为非噪声点;
S12:对潜在噪声点使用大窗口再次确认,若仍旧为噪声点,则使用窗口内的中值取代该像素值,否则保留像素值:
;
其中,是/>窗口/>的中心像素值;/>函数表述取/>中所有像素值的中值;
S13:对玻璃基板表面高度图像的每一个像素做S11和S12的操作,直至遍历完整幅图像,得到去噪后的玻璃基板表面高度图像。
玻璃基板表面高度图像是评估玻璃基板平整度的基础数据,如果图像中含有大量噪声,会严重影响后续处理和评估结果的准确性和可靠性。因此,对玻璃基板表面高度图像进行去噪可以保证数据质量,减少误差和干扰。同时,去除噪声可以减少图像中不必要的细节和干扰信息,提高了特征提取的准确性。如果图像中含有大量噪声,特征提取的准确性将受到很大影响,从而影响后续的评估结果。
S2:对去噪后的玻璃基板表面高度图像进行分割,并提取属于玻璃基板的像素,将玻璃基板区域从图像中分割出来。
S21:选取分割阈值t,将S1中的去噪后的玻璃基板表面高度图像分为背景和玻璃基板两个类别,并计算每一类概率:
;
;
其中,,L为表面高度图像的最大值;/>,/>为图像值为q的像素数,N为图像总像素数;/>和/>分别代表玻璃表面高度图像中属于背景和属于玻璃基板类的像素的概率;
S22:计算所述背景和玻璃基板两个类别中的像素的平均值,并计算类间方差:
背景和玻璃基板类的像素的平均值计算方式为:
;
;
整张玻璃基板表面高度图像的平均值计算方式为:
;
进而计算类间方差:
;
S23:构建优化目标:
;
其中,为使得优化目标达到最大值的分割阈值。
遍历t的取值并对每一个t计算S21和S22从而获得。根据获得的/>,将去噪后的玻璃基板表面高度图像上的每个像素分为背景或玻璃基板类,并提取属于玻璃基板的像素,将玻璃基板区域从图像中分割出来。
通过图像分割技术可以将玻璃基板从图像中分离出来,进而提取玻璃基板表面的特征信息,如弯曲度、扭曲度和球面度等。这些特征信息对于评估玻璃基板平整度非常重要,可以为后续处理提供有力的支持。玻璃基板表面高度图像中可能存在大量的背景干扰,如果不进行分割,这些背景信息将会对后续处理和评估结果产生极大的干扰。通过分割可以去除这些干扰和噪声,提高评估的准确性和可靠性。
S3:从分割出来的玻璃基板区域提取特征,所述特征包括弯曲度、扭曲度和球面度。
;
;
;
其中A1,A2,A3分别代表玻璃基板的弯曲度、扭曲度和球面度,表示第/>个像素的曲率,/>表示所有像素曲率的平均值,/>表示玻璃基板区域像素的个数。所述曲率的计算方式为:/>,其中/>,/>,/>和/>分别表示第/>个像素代表的表面高度在x和y方向上的一阶和二阶导数。/>表示第/>个像素代表的表面高度,/>表示表面高度的平均值。/>表示拟合球面在第/>个像素点的高度值,拟合球面由拟合表面高度的球面模型得到。
球面模型的基本形式为:
;
其中(a,b,c)为球心坐标,r为球的半径,为球面上的点的坐标。
将像素点的横纵坐标与表面高度代入球面模型,并使用最小二乘法即可求解球面模型参数,所述最小二乘法的形式为:
;
;
;
;
其中 为像素点的横纵坐标与表面高度。
S4:基于离散傅里叶变换对分割出的玻璃基板区域进行低通滤波,获得平滑后的玻璃基板表面高度图像,计算其平均值、方差、偏度、峰度信息。
S41:将S2中获得的玻璃基板候选区域的表面高度数据表示为一个二维矩阵,其中/>和/>表示水平和竖直方向上的坐标;
S42:对进行二维离散傅里叶变换,得到频域表示/>:
;
其中,k为虚数单位,;W和M为图像在水平和竖直方向的长度;
S43:滤去中的高频部分,并对剩余的/>中的频率信息进行反变化,得到平滑后的表面高度:
;
S44:对分析,获得平均值、方差、偏度、峰度信息:
;
;
;
;
其中B1,B2,B3和B4分别代表平滑后的表面高度的平均值、方差、偏度、峰度信息,且。
玻璃基板表面高度图像平滑后计算平均值、方差、偏度、峰度可以用来描述玻璃基板表面高度的统计特征,从而评估其平整度。平均值反映了图像中像素的平均高度值,可以用来评估玻璃基板表面的整体平整度。方差反映了图像中像素高度值的离散程度,可以用来评估玻璃基板表面的局部平整度。偏度反映了图像中像素高度分布的偏斜程度,可以用来评估玻璃基板表面高度的不均匀性。峰度反映了图像中像素高度分布的峰态程度,可以用来评估玻璃基板表面高度的尖锐程度。
低通滤波后计算这些统计特征的重要性在于,它们可以提供对玻璃基板表面高度分布的全面描述,从多个角度评估其平整度。同时,低通滤波可以降低图像中的高频噪声,使得这些统计特征更加可靠和准确。
S5:将S3和S4中得到的结果与标准玻璃基板进行对比,评估玻璃基板平整度。
将S3和S4的中得到的结果组成玻璃基板总体特征:
;
并与从标准玻璃基板提取出的总体特征进行对比。所述标准玻璃基板为人工筛选得到,对比方法为:
;
其中,,/>表示需要评估的玻璃基板与标准玻璃基板完全一致,玻璃基板的平整度较高,/>表示需要评估的玻璃基板与标准玻璃基板完全不一致,玻璃基板的平整度较低。根据/>的取值由低到高对玻璃基板平整度分为不合格、合格、良、优四级。
实施例2:本发明还公开了一种玻璃基板平整度评估方法和***,包括以下五个模块:
图像采集及去噪模块:采集玻璃基板表面高度图像,并对图像去噪;
图像特征分割模块:对去噪后的玻璃基板表面高度图像进行分割,并提取属于玻璃基板的像素;
图像特征提取模块:从分割出来的玻璃基板区域提取特征;
图像分析模块:基于离散傅里叶变换对分割出的玻璃基板区域进行低通滤波,获得平滑后的玻璃基板表面高度图像,并对图像分析;
评估模块:将待评估玻璃基板的结果与标准玻璃基板对比,评估玻璃基板的平整度。
需要说明的是,上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。并且本文中的术语“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、装置、物品或者方法不仅包括那些要素,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、装置、物品或者方法所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (4)
1.一种玻璃基板平整度评估方法,其特征在于,包括以下步骤:
S1:采集玻璃基板表面高度图像,并对图像去噪,得到去噪后的玻璃基板表面高度图像;
S2:对去噪后的玻璃基板表面高度图像进行分割,并提取属于玻璃基板的像素,将玻璃基板区域从图像中分割出来;
S3:从分割出来的玻璃基板区域提取特征,所述特征包括弯曲度、扭曲度和球面度,包括:
;
;
;
其中A1,A2,A3分别代表玻璃基板的弯曲度、扭曲度和球面度,表示第/>个像素的曲率,/>表示所有像素曲率的平均值,/>表示玻璃基板区域像素的个数;所述曲率的计算方式为:/>,其中/>,/>,/>和/>分别表示第/>个像素代表的表面高度在x和y方向上的一阶和二阶导数;/>表示第/>个像素代表的表面高度,/>表示表面高度的平均值;/>表示拟合球面在第/>个像素点的高度值,拟合球面由拟合表面高度的球面模型得到;
S4:基于离散傅里叶变换对分割出的玻璃基板区域进行低通滤波,获得平滑后的玻璃基板表面高度图像,计算其平均值、方差、偏度、峰度信息,包括:
S41:将S2中获得的玻璃基板候选区域的表面高度数据表示为一个二维矩阵,其中/>和/>表示水平和竖直方向上的坐标;
S42:对进行二维离散傅里叶变换,得到频域表示/>:
;
其中,k为虚数单位,;W和M为图像在水平和竖直方向的长度;/>代表频域中水平和竖直方向上的坐标;e为自然常数;/>为圆周率;
S43:滤去中的高频部分,并对剩余的/>中的频率信息进行反变化,得到平滑后的表面高度:
;
S44:对分析,获得平均值、方差、偏度、峰度信息:
;
;
;
;
其中B1,B2,B3和B4分别代表平滑后的表面高度的平均值、方差、偏度、峰度信息,且;
S5:将S3和S4中得到的结果与标准玻璃基板进行对比,评估玻璃基板平整度,包括:
将S3和S4的中得到的结果组成玻璃基板总体特征:
;
并与从标准玻璃基板提取出的总体特征进行对比;对比方法为:
;
其中,,/>表示需要评估的玻璃基板与标准玻璃基板完全一致,玻璃基板的平整度较高,/>表示需要评估的玻璃基板与标准玻璃基板完全不一致,玻璃基板的平整度较低。
2.根据权利要求1所述的玻璃基板平整度评估方法,其特征在于,所述步骤S1中采集玻璃基板表面高度图像,并对图像去噪,得到去噪后的玻璃基板表面高度图像,包括:
对需要进行平整度评估的玻璃基板拍摄表面高度图像,所述表面高度图像每一个像素记录了玻璃基板表面到参考面的距离,参考面为放置玻璃基板的平面;利用改进中值滤波对图像进行去噪,获得更准确的玻璃基板表面高度图像;所述改进中值滤波包括:
S11:标记潜在噪声点:
;
其中,是/>窗口/>的中心像素值;/>和/>分别表示窗口内的最大值和最小值;若/>或/>,则标记/>为潜在噪声点,否则/>为非噪声点;
S12:对潜在噪声点使用大窗口再次确认,若仍旧为噪声点,则使用窗口内的中值取代该像素值,否则保留像素值:
;
其中,是/>窗口/>的中心像素值;/>函数表述取/>中所有像素值的中值;
S13:对玻璃基板表面高度图像的每一个像素做S11和S12的操作,直至遍历完整幅图像,得到去噪后的玻璃基板表面高度图像。
3.根据权利要求2所述的玻璃基板平整度评估方法,其特征在于,所述步骤S2中对去噪后的玻璃基板表面高度图像进行分割,并提取属于玻璃基板的像素,将玻璃基板区域从图像中分割出来,包括:
S21:选取分割阈值t,将S1中的去噪后的玻璃基板表面高度图像分为背景和玻璃基板两个类别,并计算每一类概率:
;
;
其中,,L为表面高度图像的最大值;/>,/>为图像值为q的像素数,N为图像总像素数;/>和/>分别代表玻璃表面高度图像中属于背景和属于玻璃基板类的像素的概率;
S22:计算所述背景和玻璃基板两个类别中的像素的平均值,并计算类间方差:
背景和玻璃基板类的像素的平均值计算方式为:
;
;
整张玻璃基板表面高度图像的平均值计算方式为:
;
进而计算类间方差:
;
S23:构建优化目标:
;
其中,为使得优化目标达到最大值的分割阈值;
遍历t的取值并对每一个t计算S21和S22从而获得,根据获得的/>,将去噪后的玻璃基板表面高度图像上的每个像素分为背景或玻璃基板类,并提取属于玻璃基板的像素,将玻璃基板区域从图像中分割出来。
4.一种玻璃基板平整度评估***,其特征在于,包括:
图像采集及去噪模块:采集玻璃基板表面高度图像,并对图像去噪;
图像特征分割模块:对去噪后的玻璃基板表面高度图像进行分割,并提取属于玻璃基板区域的像素;
图像特征提取模块:从分割出来的玻璃基板区域提取特征;
图像分析模块:基于离散傅里叶变换对分割出的玻璃基板区域进行低通滤波,获得平滑后的玻璃基板表面高度图像,并对图像分析;
评估模块:将待评估玻璃基板的结果与标准玻璃基板对比,评估玻璃基板的平整度;
以实现如权利要求1-3任意一项所述的一种玻璃基板平整度评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310505983.3A CN116245879B (zh) | 2023-05-08 | 2023-05-08 | 一种玻璃基板平整度评估方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310505983.3A CN116245879B (zh) | 2023-05-08 | 2023-05-08 | 一种玻璃基板平整度评估方法和*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116245879A CN116245879A (zh) | 2023-06-09 |
CN116245879B true CN116245879B (zh) | 2023-08-01 |
Family
ID=86624614
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310505983.3A Active CN116245879B (zh) | 2023-05-08 | 2023-05-08 | 一种玻璃基板平整度评估方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116245879B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116523906B (zh) * | 2023-06-28 | 2023-09-12 | 长沙韶光芯材科技有限公司 | 一种玻璃基板光学性能检测方法和*** |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113324498A (zh) * | 2021-05-06 | 2021-08-31 | 西安理工大学 | 超薄玻璃基板平整度多参数高精度测量***及方法 |
CN115311309A (zh) * | 2022-09-05 | 2022-11-08 | 中科微影(浙江)医疗科技有限公司 | 一种用于核磁共振图像的病灶识别提取方法与*** |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9289191B2 (en) * | 2011-10-12 | 2016-03-22 | Seno Medical Instruments, Inc. | System and method for acquiring optoacoustic data and producing parametric maps thereof |
CN106446911B (zh) * | 2016-09-13 | 2018-09-18 | 李志刚 | 一种基于图像边缘线弯曲度和距离特征的人手识别方法 |
CN106803237B (zh) * | 2016-12-14 | 2019-12-20 | 银江股份有限公司 | 一种基于极限学***均图像去噪方法 |
CN111145161B (zh) * | 2019-12-28 | 2023-09-19 | 北京工业大学 | 一种路面裂缝数字图像处理和识别的方法 |
CN113674204A (zh) * | 2021-07-16 | 2021-11-19 | 杭州未名信科科技有限公司 | 基于深度学习和3d点云数据的木板形变检测方法与*** |
CN113689478B (zh) * | 2021-09-03 | 2024-02-09 | 凌云光技术股份有限公司 | 量测设备的对齐方法、装置及*** |
CN115239728A (zh) * | 2022-09-23 | 2022-10-25 | 江苏海舟安防科技有限公司 | 一种消防器材识别方法 |
-
2023
- 2023-05-08 CN CN202310505983.3A patent/CN116245879B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113324498A (zh) * | 2021-05-06 | 2021-08-31 | 西安理工大学 | 超薄玻璃基板平整度多参数高精度测量***及方法 |
CN115311309A (zh) * | 2022-09-05 | 2022-11-08 | 中科微影(浙江)医疗科技有限公司 | 一种用于核磁共振图像的病灶识别提取方法与*** |
Also Published As
Publication number | Publication date |
---|---|
CN116245879A (zh) | 2023-06-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2022042579A1 (zh) | 一种用于lcd屏幕的缺陷检测方法、装置 | |
CN109632808B (zh) | 棱边缺陷检测方法、装置、电子设备及存储介质 | |
CN115861291A (zh) | 基于机器视觉的贴片电路板生产缺陷检测方法 | |
CN116245879B (zh) | 一种玻璃基板平整度评估方法和*** | |
CN108257125B (zh) | 一种基于自然场景统计的深度图像质量无参考评价方法 | |
CN115018835B (zh) | 一种汽车起动机齿轮检测方法 | |
CN112991287A (zh) | 一种基于全卷积神经网络的自动压痕测量方法 | |
CN113870202A (zh) | 一种基于深度学习技术的远端芯片缺陷检测*** | |
US20110164129A1 (en) | Method and a system for creating a reference image using unknown quality patterns | |
CN112836726B (zh) | 一种基于视频信息的指针类仪表示数读取方法及装置 | |
CN117274251B (zh) | 基于图像数据的药品生产过程中药片质量检测方法 | |
CN112686896B (zh) | 基于分割网络的频域空间结合的玻璃缺陷检测方法 | |
CN114419140A (zh) | 一种轨道激光测量装置光斑中心的定位算法 | |
CN113705564A (zh) | 一种指针式仪表识别读数方法 | |
CN116485749A (zh) | 一种基于自编码器的镜头模组中脏污识别方法 | |
CN113191997B (zh) | 一种基于机器视觉的卡簧测量方法 | |
CN115761606A (zh) | 基于图像处理的箱体电能表识别方法及装置 | |
CN114742832A (zh) | 一种MiniLED薄板的焊接缺陷检测方法 | |
CN114842041A (zh) | 一种基于嵌入式的钢轨廓形检测光条提取方法 | |
CN114677428A (zh) | 基于无人机图像处理的输电线覆冰厚度检测方法 | |
CN114663681A (zh) | 用于对指针式仪表进行读数的方法及其相关产品 | |
CN117808809B (zh) | 晶圆表面缺陷的视觉检测方法及*** | |
CN114549403A (zh) | 一种机械零部件侧剖面多单体智能精密几何圆心检测方法 | |
CN115496754B (zh) | Ssd的弯曲度检测方法、装置、可读存储介质及电子设备 | |
CN116523906B (zh) | 一种玻璃基板光学性能检测方法和*** |
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 |