基于CCD技术的手机液晶屏缺陷检测方法探析

牟淑贤

【摘 要】近年来，随着经济的迅猛发展，液晶显示屏得到更广泛的应用，而应用在手机上的液晶屏的高质量要求更加凸显。手机用液晶屏的缺陷检测的重要性也不言而喻，如何为手机液晶屏质量提供可靠保障成为手机制造商们极为关注的问题。传统的手机屏幕缺陷的检测通常是人工检测，此方法浪费人力物力资源成本高、操作环节有限，目检人员的视觉极易产生疲劳，存在主观性、标准难统一，从而会产生检测产品合格率和检测效率的下降。

【关键词】CCD技术；手机液晶屏；检测

中图分类号： TN929.53；TP391.41 文献标识码： A 文章编号： 2095-2457（2018）32-0195-003

DOI：10.19694/j.cnki.issn2095-2457.2018.32.091

【Abstract】in recent years， with the rapid development of economy， LCD screens have been more widely used， and the high quality requirements of LCD screens applied on mobile phones are more prominent. The importance of testing the defects of mobile phone's LCD screen is self-evident. How to provide a reliable guarantee for the quality of mobile phone's LCD screen has become a major concern of mobile phone manufacturers. Traditional detection of mobile phone screen defects is usually manual detection. This method wastes human and material resources， has high cost and limited operation. Visual fatigue of visual inspectors is easy to occur.

【Key words】CCD technology； Mobile phone LCD screen； Detection

电子科技的产物工业机器视觉检测技术在工业检测儣领域中逐渐成为当下检测液晶屏重要手段。工业机器视觉检测技术主要用图像传感器CCD技术代替人眼，采集被检测对象的图像信息并进行实时数据处理，再借助边缘检测算子方法将缺陷边缘检测过程加以实现。

基于CCD的手机液晶屏缺陷边缘检测法是借助CCD数码相机完成图像数据采集到图像采集卡，再运用计算机软件VS2010，通过OpenCV数据库处理图像，利用高斯滤波算法处理图像数据后，结合一阶、二阶边缘检测算法实时在线监测液晶屏缺陷边缘。

1 系统结构设计

手机液晶屏缺陷检测系统的组成包含光学系统、图像采集与处理、CCD和显示标识等，主要依据图像处理方法进行[1]检测手机液晶屏缺陷。光源固定位置照明、CCD相机位置明确，同步采集实测物体数据，并把采集到的手机液晶屏图像信号传输给计算机，计算机以图像预处理的方式处理采集的图像信息，在完成边缘检测、分析识别后，根据判别标准来对手机液晶屏缺陷检测任务是否能够完成进行判断。

图1为图像采集系统原理图，被测对象（液晶屏）的光信息通过光学系统，在CCD的光敏面元上形成光学图像，CCD器件把光敏元上的光信息转换成与光强成比例的电荷量的图像数据，把采集到的图像数据传输到图像采集卡上，运用计算机以图像滤波、边缘检测等方式处理和分析图像，并显示、识别检测到的边缘缺陷，进而实现手机液晶屏缺陷边缘检测。

2 图像处理

2.1 图像预处理

直接获取的图片上会有噪声、失真等情况存在，所以必须在处理图片后再检测。首先，需进行图像预处理，以除噪方式处理采集的图片信息，去除影响图片真实性的数据和干扰因素。在进行除噪处理后，液晶屏缺陷数据的筛选就能更加有效。

图像预处理过程中，图像滤波处理十分关键，其目的在于消除图像受到噪声的部分影响，只将需要待处理的手机液晶屏幕缺陷部分保留。图像滤波有很多种方式，针对手机液晶屏幕特点和处理目的，高斯滤波方式应为首选。

滤波方式主要有非线性和线性两种滤波。非线性滤波器是通过逻辑运算从而得到原始数据、滤波结果的，不存在固定模板、特定转移函数等[2]。非线性滤波主要有中值滤波、双边滤波等，经滤波处理的效果图如图2所示。现行滤波器有具备固定模板的原始数据和滤波效果，是算术运算的一种。滤波器傅里叶变换表示了转移函数是唯一可确定的。

高斯滤波、均值滤波和方框滤波等方式都属于线性滤波，其中均值滤波十分典型，均值滤波的效果如图2（c）所示。领域平均法是主要的方法，在图片中，针对原图像中各个像素值而言，均值滤波可借助一片图像区域的各个像素均值来完成替换，如式（1）所示的区域内权系数矩阵模板。

尽管均值滤波算法简单，能降低图像噪声，但也会加大图像的模糊程度，并将原图像个别细节损坏[3]。若将均值滤波归纳于归一化后的方框滤波，可为方框滤波的延伸之一，方框水上的效果如圖2（b）所示。

中值滤波是以像素值中值替换原图像素值，其和均值滤波方式类似，效果如图2（e）所示。双边滤波是将图像空间邻近度、像素值相似特性结合在一起，为空间信息、灰度相似性提供了一定保障，输出像素值主要取决于邻域像素值加权值的组合。

高斯滤波能将高斯噪声处理成线性平滑滤波的效果如图2（d）所示。高斯滤波能对整幅图所有像素在卷积的运用下实现扫描，通过卷积将邻域内像素加权平均灰度值确定并将图片中心像素点值替换。高斯滤波有着广泛的运用，邻域内像素加权平均灰度值得到确定后，能保障图像细节。如对整幅图进行滤波处理，高斯滤波与其它滤波方式相比更能良好地消除图像中的噪声，并能将原图缺陷细节相对地保留完整。

2.2 图像分割

对图像预处理后，图像各部分瑕疵能较为清晰地显示出来，事实上这类瑕疵无法有效剔除。故而，利用图像分割技术，分割出瑕疵的特征区域后再进行图像边缘检测，但要强调的是必须先确定瑕疵所处区域，再提取图像瑕疵特征[4]。图像分割技术是将图像分成互不重叠，具有各自特征（如灰度、颜色或纹理等）的区域，分割后的所有区域总和覆盖整个图像，同一区域的像元应具备某种共同特征如像素值、颜色、纹理和形状等，并对分割后的目标图像区域的特征、感兴趣区域、边界进行提取和分析，图像分割主要基于边界阈值分割和区域分割，阈值分割在图像预处理技术中是最常用的并行区域技术。

对图像完成噪声处理后，利用全阈值的方法，對整幅图确定一个阈值（T=100）后进行分割处理，这是根据像素本身的灰度值来确定的。

2.3 图像边缘检测

阈值化处理后，基本能明显地将图像缺陷部分显示出来，即可得到缺陷边缘的图像。边缘与物体间不存在相同的边界，边缘表示图像像素值有个别突变的地方，因此有边界的地方或许不存在边缘，而有边缘的地方或许不存在边界[5]。处理算法的实际运用中，可用二阶导数来说明灰度突变类型。边缘检测算法有一阶、二阶。一阶边缘检测算法又有Canny、Sobel和Roberts等算子，二阶边缘检测算法又有LoG、Laplacian等算子。Canny边缘检测算子主要目的是找出最优边缘检测算法。评判最优算法的标准有3个，即最小响应、低错误率和高定位性。

依据上述的评判标准进行判定得到的图像如图4所示。从图4（a）中不难发现明显的缺陷边缘，在定位缺陷边缘时有较高的准确度，同时还能将图像缺陷若干边缘检测出来，也显示出了明显细节，具有较好的边缘线性衔接程度，然而个别不明显缺陷也无法将其边缘检测并显示出来。

3 结语

本文基于CCD的手机液晶屏缺陷检测为主要探讨对象。在检测过程中，CCD相机采集图像信息，而最关键的是图像处理，流程包括图像预处理、分割和边缘检测等组成，消除影响检测的因素后提取有用的信息，随后利用计算机分析这些数据信息，进而实现手机液晶屏缺陷的部分检测。

【参考文献】

[1]董洪涛.以CCD为基础的手机液晶屏缺陷检测[J].通讯世界，2017（24）：339-340.

[2]易鑫，刘静然，孔宏伟.液晶屏CCD检测技术创新与应用[J].信息系统工程，2017（6）：80-80.

[3]廖苗，刘毅志，欧阳军林，等.基于自适应局部增强的手机TFT-LCD屏Mura缺陷自动检测[J].液晶与显示，2018（6）.

[4]夏晓云.基于MapReduce的液晶屏缺陷检测技术研究[D].合肥工业大学，2016.

[5]胡庆云.基于CCD的手机液晶屏缺陷检测方法及技巧分析[J].中国新技术新产品，2018（2）：18-19.

[6]韩九强，李倩茹，王夏冰，等.一种液晶屏幕缺陷视觉检测方法及装置：，CN104360501A[P].2015.