摘 要

近些年来，随着科技的进步，智能手机几乎成为了人类身上的“第五肢 ”，衣食住行都可以用到手机，手机的作用已经贯穿到生活的方方面面。和以前的手机相比，现代智能手机最大的不同就是屏幕了，手机屏幕作为用户交互的重要媒介，屏幕质量的好坏影响着用户的体验。

用图像处理技术对手机OLED屏幕进行屏幕缺陷检测也就变得尤为重要，基于机器视觉的图像处理技术能够对摄像机采集出来的屏幕图像进行处理，从而得出屏幕的缺陷信息，进而判断产品的质量好坏。基于机器视觉的屏幕缺陷检测主要包括图像的倾斜校正，图像裁剪，图像滤波增强，分割缺陷以及缺陷量化等步骤，在保证有缺陷的图片检出率的同时提高检测步骤的自动化程度。

本文针对屏幕缺陷处理进行了如下研究：

（1）结合目前机器视觉的缺陷检测行业情况，介绍缺陷检测国内外研究现状，提出在缺陷检测步骤应用机器视觉算法处理重要意义。通过分析指出图像检测技术在屏幕缺陷检测过程中的关键作用。

（2）经过对比图像处理中目前应用广泛的Gabor滤波器，高斯平滑滤波，由于图像比较大，Gabor滤波器在处理时会运行比较慢，因此Gabor滤波器只作为图像的边缘检测应用在检测边缘同时去除周期性的纹理，额外使用高斯滤波去除周期性纹理，由于检测边缘不清晰的Mura图像。

（3）详细介绍了傅里叶变换，快速傅里叶变换，加窗傅里叶变换，Radon变换等算法。分析各个算法的优缺点，叙述了在将图像从空域变换到频域或者其他显示类型后，于其他域处理图像的过程原理，有效的克服了直接从空域处理带有周期性纹理图像的困难，进而更好地分析缺陷，淘汰不合格的OLED屏幕。

关键词: 图像滤波，机器视觉，Gabor，Radon

ABSTRACT

In recent years, with the advancement of technology, smartphones have almost become the "fifth limb" of human beings. They can be used in clothing, food, housing, and transportation. The role of mobile phones has penetrated into all aspects of life. Compared with previous mobile phones, the biggest difference of modern smartphones is the screen. The mobile phone screen is an important medium for user interaction. The quality of the screen affects the user experience.

It is particularly important to use image processing technology to detect screen defects on mobile phone OLED screens. Machine vision-based image processing technology can process the screen images collected by the camera to obtain screen defect information and then judge the quality of the product Good or bad. Machine vision-based screen defect detection mainly includes steps such as image tilt correction, image cropping, image filtering enhancement, segmentation defects, and defect quantization, which improves the degree of automation of the detection steps while ensuring the detection rate of defective pictures.

The main works of this paper are as follows:

(1) Combining the current situation of the machine vision defect detection industry, introduce the current research status of defect detection at home and abroad, and propose the application of machine vision algorithm processing in the defect detection step. Through analysis, it points out the key role of image detection technology in the process of screen defect detection.

(2) After comparing the image processing, Gabor filter and Gaussian smoothing filter are widely used. Because the image is larger, the Gabor filter will run slower during processing, so the Gabor filter is only used as an edge detection for the image. At the same time, the periodic texture is removed, and the Gaussian filter is additionally used to remove the periodic texture, because the Mura image with unclear edges is detected.

(3) The algorithms of Fourier transform, fast Fourier transform, windowed Fourier transform, and radon transform are introduced in detail. Analyze the advantages and disadvantages of each algorithm, and describe the process principle of processing the image in the other domain after the image is transformed from the spatial domain to the frequency domain or other display types. Then better analyze the defects and eliminate the unqualified oled screen.

Key Words: Image filtering, Machine vision, Gabor, Radon

目 录

摘 要 I

ABSTRACT II

第1章 绪论 1

1.1选题目的和意义 1

1.2 OLED缺陷简述 1

1.2.1 OLED缺陷特点 1

1.2.2缺陷分类 2

1.2 国内外研究现状与分析 2

1.3本文组织结构 4

第2章 总体设计与方案选择 5

2.1 总体设计 5

2.2 硬件方案设计 6

2.3算法分析与选择 7

2.3.1基于神经网络的缺陷特征分类方法 7

2.3.2基于缺陷分割的量化判断方法 8

2.4本章小结 9

第3章 图像预处理 10

3.1 图像的倾斜校正和裁剪 10

3.1.1倾斜校正 10

3.1.2图像裁剪 10

3.2 图像滤波增强 11

3.2.1gabor滤波 11

3.2.2 高斯滤波 13

3.4仿真与分析 14

3.5 本章小结 17

第4章 缺陷分割量化 19

4.1 图像分割概述 19

4.2 分块阈值分割 19

4.3 缺陷量化方法 20

4.4仿真与分析 20

4.5本章小结 22

第5章 总结与展望 23

5.1研究总结 23

5.2研究展望 23

参考文献 25

致 谢 27

第1章 绪论

1.1选题目的和意义

智能手机发展到现在，也不过十几年的历史，但是它已经成为现代人类的生活中不可割舍的一部分了。人们连接虚拟世界的手段不止是智能手机，还可以是电视机、电脑等等，我们通过他们连接到网络世界，屏幕则帮助我们连接他们，一块屏幕好坏的重要性不言而喻。作为第三代显示技术，OLED 相比于以前的显示技术可以做到更轻薄、能耗更低、发光率好、亮度高，还可以显示纯黑色。因此OLED 显示器也被业界寄予厚望。

OLED 屏幕不断普及应用到生产生活的各个领域，OLED 屏幕的好坏也至关重要，作为OLED 屏幕的主要出产国之一，我国还存在着传统的屏幕检测方法，传统的屏幕缺陷检测依靠人工来进行检测和分类，依靠人工检测屏幕缺陷的方法效率较低，成本比较高，而且人工检测还有很大的主观因素干扰检测的结果，不太能满足社会生产的实际需要。通过图像技术对屏幕缺陷检测流程进行改造也就显得非常有必要。