摘 要： 針對OLED顯示屏的自動化缺陷檢測問題,，提出了一種新的檢測方法,。首先，基于顯示屏的原圖像,，提取其骨架信息,，進(jìn)行分塊處理后快速地與模板圖像配準(zhǔn)，通過差影法實現(xiàn)斑痕缺陷的初次提取,。然后通過大津法確定圖像的閾值,，將圖像分割并進(jìn)行差影操作后，實現(xiàn)斑痕缺陷的檢測,；最后,，通過列舉的實例，驗證了本方法的有效性,。
關(guān)鍵詞： 顯示屏,；斑痕缺陷；細(xì)化,；圖像配準(zhǔn),；大津法
OLED(Organic LED)顯示屏作為新一代的顯示設(shè)備,，隨著生產(chǎn)工藝的日趨完善,，目前已廣泛應(yīng)用于MP3,、手機(jī)、數(shù)碼相機(jī)等低功耗的設(shè)備中,。在基于圖像處理的自動化檢測過程中,，為保證產(chǎn)品的質(zhì)量，生產(chǎn)商迫切需要一種有效的算法,，以快速抓取和識別顯示屏中存在的各種缺陷,。在OLED顯示屏的各種缺陷中，斑痕缺陷(也稱其為Mura缺陷)是最常見,、最復(fù)雜的,，同時也是最難檢測的一種缺陷[1-2]。主要表現(xiàn)為對比度低,、邊界模糊,、形狀多樣、亮度顯示不均勻等特征,。因此,，如何有效地檢測斑痕缺陷已成為OLED顯示屏制造過程的關(guān)鍵環(huán)節(jié)。
近年來,，隨著圖像處理理論的發(fā)展,，相關(guān)研究人員已提出了很多檢測算法。Yen PingLang等提出了基于背景圖像重建的檢測方法[3],，KUO C C.提出了利用離散余弦變換濾除背景圖像的方法[4],。由于斑痕缺陷的對比度低、邊界模糊,、形狀不定,，再加上顯示屏本身的發(fā)光亮度難以達(dá)到完全均勻、CCD噪聲等因素的影響,，給提取斑痕缺陷增加了難度,，應(yīng)用常規(guī)的閾值分割、邊緣提取等方法已不能有效地提取斑痕缺陷,。
針對這一問題,，本文提出了一種新的斑痕缺陷檢測方法。在系統(tǒng)啟動階段,，根據(jù)所采集圖像創(chuàng)建理想模板,，利用細(xì)化技術(shù)提取OLED顯示屏的骨架信息，實現(xiàn)模板圖像與原始圖像的快速配準(zhǔn),，并進(jìn)行相減運(yùn)算,；然后，通過大津法(即最大類間方差法或稱為OTSU算法)確定的閾值,，分割相減以后的圖像,，可以有效地提取出斑痕缺陷,。該算法流程如圖1所示。
1 顯示屏骨架模版的提取
骨架(Skeleton)又稱中軸(Medial Axis),，是圖形幾何形態(tài)的一種重要拓?fù)涿枋?。骨架是一種線型的幾何體，它
式中,，S(i,，j)為原始圖像，T(i,，j)為模板圖像,，D(i，j)為差影后的圖像,。
在實際缺陷算法中,，依據(jù)圖4中的每一個點作為控制點，將原始圖像與小的模板圖像采用差影法,，求得整幅圖像的差影圖像,，差影法檢測流程如圖5所示。采用這一差影檢測方法,，將圖2所示原圖像經(jīng)差影處理后的圖像如圖6所示,。
在遞歸調(diào)用過程中，t=t+1,，直至遞歸結(jié)束,，t=254。該算法進(jìn)行遞推改進(jìn)后可提高計算效率80%,。
4 缺陷圖像實例
實驗表明,，本文提出的以顯示屏骨架為基準(zhǔn)的圖像配準(zhǔn)與檢測技術(shù)能夠有效地提取出顯示屏的斑痕缺陷。在算法的處理效率方面,，以Visual Studio 2008為開發(fā)環(huán)境,，在配置為CPU T6500、內(nèi)存2 GB的筆記本上測試一幅分辨率為1280×960的圖像,，算法所耗時間為282 ms,，其中骨架提取約219 ms，差影法約16 ms,，大津法(OTSU算法)約2 ms,。
本文在傳統(tǒng)的差影法的基礎(chǔ)上，對圖像配準(zhǔn)時的搜索策略進(jìn)行改進(jìn),，提出了一種基于骨架模板配準(zhǔn)的OLED顯示屏斑痕缺陷檢測方法,，利用分塊配準(zhǔn)的方式，解決了配準(zhǔn)時顯示屏小角度的旋轉(zhuǎn)所帶來的影響，能有效地檢測顯示屏的斑痕缺陷,，且耗時短,，可滿足實時檢測的要求。
參考文獻(xiàn)
[1] 張昱,，張健.基于多項式曲面擬合的TFT—LCD斑痕缺陷自動檢測系統(tǒng)[J].光電工程，2006,，33(10)：108-114．
[2] 唐劍,，王大巍.B樣條曲面擬合在Mura缺陷獲取中的應(yīng)用[J].現(xiàn)代顯示，2008(89)：24-28.
[3] YEN P L. Automatic optical inspection on TFT-LCD mura defects using background image reconstruction [J]. Key Engineering Materials,， 2008,，364/366：400-403.
[4] KUO C C. Automatic TFT-LCD mura defect inspection using discrete cosine transform-based background filtering and ′just noticeable difference′ quantification strategies[J]. Measurement Science & Technology，2008,，19(1)：015507-1-015507-10.
[5] 呂俊啟.一種有效的二值圖像細(xì)化算法[J].計算機(jī)工程,，2003，29(18)：147-148.
[6] 蘇小紅,，何志廣,，馬培軍.TFT—LCD微米級顯示缺陷的自動檢測算法[J].哈爾濱工業(yè)大學(xué)學(xué)報，2008,，40(11)：1756-1760.
[7] OTSU N. A threshold selection method from gray-level histogram[J]. IEEE Transactions on System,， Man， and Cybernetics,， 1979,，SMC-9(1)：62-66.
[8] 景曉軍，蔡安妮,，孫景鰲.一種基于二維最大類間方差的圖像分割算法[J].通訊學(xué)報,，2001，22(4)：71-76.
[9] 李了了,，鄧善熙.基于大津法的圖像分塊二值化算法[J].微型計算機(jī)信息,，2005，21(8-3)：76-77.