[发明专利]一种基于机器视觉的手机屏坏线缺陷诊断方法

权利要求书

1.一种基于机器视觉的手机屏坏线缺陷诊断方法，其特征在于，包括以下步骤：

S1：通过CCD工业相机采集图像，对所述图像中手机屏的区域进行提取，去掉所述图像背景获取手机屏图像P；

S2：对所述手机屏图像P存在的干扰信息进行剔除，获取去除干扰后的手机屏图像P’；所述干扰信息包含：周期性纹理、记号笔以及黑条；

S3：对所述去除干扰后的手机屏图像P’的暗部细节进行Gamma变换增强，增强所述去除干扰后的手机屏图像P’的对比度；所述Gamma变换对所述去除干扰后的手机屏图像P’灰度值进行的非线性变换，使输出图像的灰度值与所述去除干扰后的手机屏图像P’的灰度值呈指数关系，即：

其中，V_in表示去除背景后的手机屏图像P’的灰度值，A表示系数，γ表示Gamma值，V_out表示所述去除背景后的手机屏图像P’经Gamma变换后的灰度值；所述V_out和所述V_in的取值范围均为[0,1]；

S4：对所述手机屏图像P’进行缺陷检测；所述步骤S4还包括以下步骤：

S41：基于霍夫变换的坏线检测，对所述手机屏图像P’中的坏线几何特征进行检测，若存在缺陷则对缺陷进行定位和提取，获取检测信息α；

S42：基于BGR三通道均值的坏线检测；基于数值特征的检测，若存在缺陷，则对缺陷进行定位和提取，获取检测信息β；

S43：执行所述步骤S41及所述步骤S42后，各自会输出一定的检测信息分别为α、β，通过以下算式：

F＝αβ

当且仅当F＝1时，输出的所述手机屏图像P’为好屏，否则输出的所述手机屏图像P’为坏线坏屏；

所述步骤S42还包括以下步骤：

S421：取所述手机屏图像P’前两行求三通道(B、G、R)均值，分别为avgB0，avgG0，avgR0，将avgB0，avgG0，avgR0三通道的均值初始化为前一次三通道的均值；

S422：所述手机屏图像P’下移两行像素，求三通道均值分别为avgB1，avgG1，avgR1；

S423：将求得的三通道均值与前一次的三通道均值做商：

T1＝avgB1/avgB0；

T2＝avgG1/avgG0；

T3＝avgR1/avgR0；

如果至少有一个超出阈值T0，则判定出现坏线缺陷，并标记出坏线；如果没有满足上式，则再次下移两行，进行三通道均值比较；若出现缺陷，则令β＝0。

2.根据权利要求1所述的一种基于机器视觉的手机屏坏线缺陷诊断方法，其特征还在于：

所述步骤S1还包括以下步骤：

S11：计算所述CCD工业相机采集图像的面积；

S12：对所述CCD工业相机采集图像进行预处理；所述预处理首先对图像进行灰度化处理，再将输入的图像转化为单通道图像并进行二值化处理；

S13：通过全局自适应阈值分割方法处理所述CCD工业相机采集图像，获取矩形轮廓明显的二值图像；

S14：为去除图像的噪声点的干扰因素对所述步骤S13获取的二值图像进行包含腐蚀与膨胀的形态学处理；

S15：基于Findcounts轮廓检索算法获得所述手机屏的轮廓位置信息，并将轮廓信息储存在位置数组中；所述手机屏的轮廓信息包括：手机屏的矩形区域左上角顶点的坐标(x,y)；手机屏的矩形区域的纵向长度h以及手机屏矩形区域的横向长度w；

S16：读取并保存所述位置数组的位置信息，对所述CCD工业相机采集图像进行裁剪获得手机屏图像P；所述裁剪获得手机屏图像P为：(y+3：y+h-3，x+3：x+w-3)。

3.根据权利要求1所述的一种基于机器视觉的手机屏坏线缺陷诊断方法，其特征还在于：所述步骤S2还包含以下步骤：

S21：通过Gabor滤波，对所述手机屏图像P进行0°和90°方向的多尺度滤波，对干扰信息周期性纹理进行去除；

S22：去除记号笔及黑条干扰因素。