基于骨架模板配準(zhǔn)的OLED顯示屏斑痕缺陷檢測技術(shù)

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(dòng)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(shí)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(shí)也是最難檢測的一種缺陷[1-2]。主要表現(xiàn)為對(duì)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(duì)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(duì)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(dòng)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(shí)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(shí)際缺陷算法中，依據(jù)圖4中的每一個(gè)點(diǎn)作為控制點(diǎn)，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。[!--empirenews.page--]

　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(jì)算效率80%。
4 缺陷圖像實(shí)例

　實(shí)驗(yàn)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(shí)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(duì)圖像配準(zhǔn)時(shí)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(shí)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(shí)短，可滿足實(shí)時(shí)檢測的要求。
參考文獻(xiàn)
[1] 張昱，張健.基于多項(xiàng)式曲面擬合的TFT—LCD斑痕缺陷自動(dòng)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(jì)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(jí)顯示缺陷的自動(dòng)檢測算法[J].哈爾濱工業(yè)大學(xué)學(xué)報(bào)，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(bào)，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(jì)算機(jī)信息，2005，21(8-3)：76-77.