[发明专利]手机屏幕检测方法

说明书

本发明提供了一种手机屏幕检测方法，本发明首先对获取的手机屏幕图像使用PatMax算法的模板定位技术进行图像定位，使用基于仿射变换的图像校正技术对手机屏幕图像进行校正，利用3×3中值滤波进行图像滤波，消除噪音影响并保护测试图像的边缘信息。然后，训练模板图像，用测试图像减去模板图像得到差分图，最后利用Blob分析法检测和定位图像中的缺陷特征。本发明方法能够有效的识别手机屏幕的各种缺陷，具有较高的检测效率及精度。

技术领域

本发明涉及一种手机屏幕检测方法。

背景技术

智能手机作为当前最畅销的移动终端设备其市场化竞争日趋激烈，在出厂前对手机屏幕进行外观检测具有重要意义。目前，人工目测是最常用的手机屏幕缺陷检测方法，但是，人工检测非常耗时，不同的人甚至同一人在不同的状态下检测的结果也不相同，缺陷容易被漏检或错检。

与人工目测相比，机器视觉采用非接触检测方法，不但具有高效率、稳定性强，高度自动化等特点，而且可以达到很高的分辨精度，安全可靠，在缺陷检测中得到了广泛应用。手机屏幕玻璃经过一系列的加工，不可避免出现缺陷，主要有划痕、表面透光、字符区落墨、崩口等缺陷，由于缺陷种类复杂和表面的打印部分使得缺陷的检测变得更加困难。目前国内针对液晶屏幕的缺陷检测方法只能针对个别缺陷进行检测，达不到工业生产要求。

发明内容

本发明的目的在于提供一种手机屏幕检测方法。

为解决上述问题，本发明提供一种手机屏幕检测方法，包括：

步骤1：获取手机屏幕清晰的像素图像；

步骤2：利用PatMax算法对步骤2获取到的像素图像进行模型训练，以得到带有位姿信息的模型；

步骤3：接收所述模型中的位姿信息，以所述模型为基准建立坐标系，并在所述坐标系上从所述模型输出图像，所述坐标系用于为后续识别提供坐标位置；

步骤4：对从所述步骤3的模型输出的图像进行仿射变换，产生一个矩形输出图像；

步骤5：对所述矩形输出图像进行3×3中值滤波，以得到滤波后的测试图像；

步骤6：选择无缺陷的手机屏幕图像作为训练图像，抓取训练图像与对应的原点，基于所述训练图像与对应的原点设置待进行差分操作的图像的区域和对应的原点，设置运行参数训练模板图像，对步骤3所述模型输出的图像进行训练，并统计训练当前模式，以得到已训练的模板图像，用滤波后的测试图像减去已训练的模板图像，得到差分图；

步骤7：设置分割的模式为软阈值，极性为黑底白点，设置高低阈值，对所述差分图进行Blob分析，得到手机屏幕的缺陷图像。

进一步的，在上述方法中，所述步骤2，包括：

PatMax算法采用模板定位技术，PatMax算法只训练所述像素图像的重要特征

进一步的，在上述方法中，所述步骤4，包括：

平移变换：将模型输出的图像中的每一点移到到(x+tx，y+ty)，变换矩阵为其中，T表示平移参数；

进一步的，在上述方法中，所述步骤4，包括：

缩放变换：将模型输出的图像中的每一点的横坐标放大或缩小S_x倍，并将将模型输出的图像中的每一点的纵坐标放大或缩小到S_y倍，变换矩阵为其中，S表示缩放参数；

进一步的，在上述方法中，所述步骤4，包括：

旋转变换：将模型输出的图像围绕原点顺时针旋转θ弧度，变换矩阵为其中，所述变换矩阵用一个3×3的矩阵M来表示，其最后一行为(0，0，1)，所述变换矩阵将原坐标为(x，y)变换为新坐标(x’，y’)，即θ表示旋转弧度。