论文部分内容阅读
TFT-LCD制造过程工序多、结构复杂，显示屏不可避免地存在各种视觉缺陷，视觉缺陷超过一定程度就会影响用户的生理健康。显示屏局部的亮度不均匀现象是最常见的一种视觉缺陷，这种缺陷被称为Mura。当前Mura缺陷检测主要依靠人眼，这种方法主观性强、效率低，越来越不能适应TFT-LCD显示屏大批量、大尺寸的生产要求，迫切需要研究自动缺陷检测方法。Mura缺陷具有形状不固定、对比度低、边缘模糊、背景复杂等特点，是自动缺陷检测方法研究的难点所在。本文研究不依赖于人眼的Mura缺陷自动光学检测算法。根据待检测图像的特点以及Mura缺陷检测的难点，整个算法被设计为三部分：图像预处理、缺陷分割和特征提取，核心算法是背景抑制。针对采集过程中引入的噪声，经过实验对比，采用巴特沃斯低通滤波器对图像进行降噪处理；为从图像中分离出TFT-LCD显示屏图像，根据显示屏与周围物体的对比度及其几何特征，采用全局阈值法和Hough变换分割感兴趣区域；针对图像中存在的亮度不均匀现象，采用标准模板图像对亮度不均匀进行校正，并保留Mura缺陷。缺陷分割分为背景抑制和缺陷修复两部分。将TFT-LCD显示屏背景灰度看作三维空间中一张光滑的曲面，采用双三次B样条拟合算法对背景进行重构，用原图像减去背景图像，达到背景抑制的目的；亮度不均匀区域经过一系列算法处理后，可能会遭到破坏，通过对数学形态学中各种操作进行适当的组合，能够达到修复较大连通区域的目的，并可抑制较小的连通区域。特征提取的目的，一方面是为Mura缺陷的判定提供依据，另一方面是对Mura缺陷的影响程度进行评估。根据实际需要及人的视觉心理特点，选取对比度、面积、周长、位置等特征参数。本文提出的检测算法符合SEMI标准，通过SEMU指标判断TFT-LCD显示屏是否含有Mura缺陷。对45个含有Mura缺陷的TFT-LCD显示屏进行检测，成功检测出43个，成功率为95.56%。实验证明，本文提出的算法，在有效性、实时性、稳定性等方面达到了预定的设计要求。