[发明专利]导光板黑点缺陷检测方法

摘要

本发明提供一种导光板黑点缺陷检测方法，对导光板进行灰度闭运算、卷积、灰度扩展、求最小矩形、均值滤波和局部标准差滤波等，本发明提出的导光板自适应检测方法复杂度相对较低，能够实现对导光板黑点自动检测提取。实验结果表明，该算法的检测精度和检测效率较高，稳定性和鲁棒性较强，能够对暗黑点进行实时检测，并且检测精度符合企业要求，能够进行实际工程应用。

主权项

1.导光板黑点缺陷检测方法，其特征在于：包括以下步骤：步骤S1、读入导光板图像A；执行步骤S2；步骤S2、图像A做灰度闭运算，得到灰度闭运算图像B；执行步骤S3；步骤S3、分别用x方向、y方向的高斯导数对图像B做卷积，得到卷积图像C1、C2；执行步骤S4；步骤S4、取图像C1和C2均以两个灰度范围做灰度扩展，得到四张图像D1A、D1B、D2A、D2B；执行步骤S5；步骤S5、利用高斯平滑核的偏导数来寻找图像D1A、D1b、D2A、D2B上的直线作为导光板的边界，分别记为Left1、Right1、Bottom1、Top1；执行步骤S6；步骤S6、对Left1、Right1、Bottom1、Top1分别进行联合相近直线轮廓，得到处理后的边界，分别记为Left2、Right2、Bottom2、Top2；执行步骤S7；步骤S7、利用轮廓长度特征对处理过后的边界进行筛选，得到筛选后的边界，记为Left3、Right3、Bottom3、Top3；执行步骤S8；步骤S8、将Left3、Right3、Bottom3、Top3从转换为区域类型，然后进行合并，得到联合边界区域a；执行步骤S9；步骤S9、求联合边界区域a的最小矩形，记为ROI区域b；执行步骤S10；步骤S10、图像A进行均值滤波后，再分别用11*3的标准差掩模和3*11的标准差掩模做局部标准差滤波，得标准差图像E1和E2；执行步骤S11；步骤S11、比较标准差图像E1和E2的相应像素点的灰度值，取两者的最大值，得到最大值图像F；执行步骤S12；步骤S12、图像F做均值滤波，得到均值图像G；执行步骤S13；步骤S13、图像F和图像G进行相除，得到相除图像H；执行步骤S14；步骤S14、图像H做中值滤波，得到中值图像I；执行步骤S15；步骤S15、采用八角形结构元素对图像I做灰度闭运算，得到灰度闭运算图像J；执行步骤S16；步骤S16、在图像J中剪切出ROI区域b所对应的图像K；执行步骤S17；步骤S17、对图像K进行阈值分割并连通处理得到疑似黑点区域c；执行步骤S18；步骤S18、采用圆形结构元素对疑似黑点区域c进行膨胀处理，得到膨胀区域d；执行步骤S19；步骤S19、将膨胀区域d和疑似黑点区域c作差，得到作差区域e；执行步骤S20；步骤S20、计算图像A中疑似黑点区域c对应位置的灰度均值Mean；执行步骤S21；步骤S21、计算图像A中作差区域e对应位置的灰度均值Surrounding_Mean；执行步骤S22；步骤S22、Surrounding_Mean和Mean作差后与人为规定的灰度差值Mean_Diff进行比较，保留大于灰度差值Mean_Diff的疑似黑点区域，记为第一次筛选黑点区域f；执行步骤S23；步骤S23、对图像A进行灰度扩展，得到扩展图像L；执行步骤S24；步骤S24、对扩展图像L进行阈值分割，并与ROI区域b取交集，再做连通处理，得到新的疑似黑点区域g；执行步骤S25；步骤S25、利用面积和偏心距两个特征对新的疑似黑点区域g进行筛选，得到第二次筛选黑点区域h；执行步骤S26；步骤S26、第一次筛选黑点区域f和第二次筛选区域h进行合并，得到总的疑似黑点区域i；执行步骤S27；步骤S27、对图像A中区域i对应位置求取共生矩阵；执行步骤S28；步骤S28、共生矩阵中的一致性Energy与规定的Energy_Threshold进行比较，保留Energy参数小于Energy_Threshold的区域，即确定的黑点区域j；执行步骤S29；筛选公式：sgn(Energy‑Energy_Threshold)Energy_Threshold是一致性阈值；步骤S29、求黑点区域j的最小矩形区域，并用矩形结构元素进行膨胀操作，得到矩形区域k；执行步骤S30；步骤S30、将矩形区域k与黑点区域j作差，得到黑点周围区域I；执行步骤S31；步骤S31、在图像A中显示黑点区域j和黑点周围区域I，得到最终图像。