劉延允 ，高 健 ，趙偉明

(1.廣東工業(yè)大學(xué) 機(jī)電工程學(xué)院，廣東 廣州 510006；2.東莞宏威數(shù)碼機(jī)械有限公司，廣東 東莞 523656)

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(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)涿枋觥９羌苁且环N線型的幾何體，它居于圖形的對稱中心，有著與原圖形相同的拓?fù)浣Y(jié)構(gòu)，并可保留原圖形的形狀信息。骨架的線型結(jié)構(gòu)減少了圖形中的冗余信息，方便對圖形進(jìn)行相似性度量和匹配，是圖形描述、圖形識別和檢索的一種重要方法。提取骨架的方法主要有三種：模擬火燒模型方法、基于距離變換方法及 Voronoi圖方法[5]。

本文利用細(xì)化方法，提取OLED顯示屏的骨架。細(xì)化法的思想是一層一層地去掉物體的邊界，直到最后剩下的寬度為1個像素的骨架，其本質(zhì)就是模仿火燒模型。

采用細(xì)化算法對圖2的原始圖像提取骨架，結(jié)果如圖3所示，其很好地保留了原圖的拓?fù)浣Y(jié)構(gòu)，并且具有單像素寬度。由圖3可以看出，經(jīng)過細(xì)化后，圖像中的每個矩形格子實(shí)際上代表顯示屏的一個物理像素點(diǎn)。

圖2 采集所得原始圖像

圖3 細(xì)化后的骨架圖像

2 基于骨架模板匹配的差影圖像處理

圖4 圖像配準(zhǔn)時的控制點(diǎn)分布

OLED顯示屏缺陷檢測的特點(diǎn)是：由于顯示屏上像素點(diǎn)的規(guī)則分布，所以經(jīng)過細(xì)化后的骨架也很規(guī)則，是由近似水平與垂直的線段組成的網(wǎng)格；但由于斑痕缺陷的存在可能出現(xiàn)線段彎曲、空洞等。所以首先利用直線擬合的技術(shù)(本文選用最小二乘法)將線段理直，然后求取線段的交點(diǎn)，并作為圖像配準(zhǔn)時的控制點(diǎn)。圖像配準(zhǔn)時的控制點(diǎn)分布如圖4所示。

缺陷的基本特征是，缺陷處的灰度值與背景處的灰度值不完全相同。差影法本質(zhì)就是用來判斷兩幅圖像對應(yīng)像素點(diǎn)的灰度差距[6]。該方法把兩幅圖像的對應(yīng)像素的灰度值作減法運(yùn)算，生成一幅新的用于表示兩幅圖像間差別的圖像，其數(shù)學(xué)表達(dá)式如下：

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。

圖5 差影法檢測流程圖

圖6 差影后的圖像

對比圖2與圖6可以發(fā)現(xiàn)，圖2中的黑色格子線與灰白色矩形塊，通過分塊運(yùn)用差影法，已經(jīng)基本變?yōu)楹谏谋尘?，而圖6中的斑痕缺陷卻呈白斑。但差影后的圖像還是不能很好地分辨背景與缺陷，這主要是由于采集圖片時光照不均勻、顯示屏的亮度不均等原因所引起。

3 基于大津法的圖像分割與缺陷檢測

大津法是由日本的大津展之在1978年提出的[7]。該方法的基本思想是：通過設(shè)定閾值將圖像分割成兩組：一組灰度對應(yīng)目標(biāo)，另一組灰度對應(yīng)背景，并使這兩組灰度值的類內(nèi)方差最小和類間方差最大[7-9]。

類間方差的數(shù)學(xué)表達(dá)式為：

式中，σ2為類間方差，μ為圖像的弧度均值，n1、n2分別為兩組像素的數(shù)量，μ1、μ2分別為兩組像素的灰度均值。

大津法的閾值確定過程是通過遍歷 256(0～255)個灰度級，尋找使其類間方差最大的那個灰度值，該值即為最佳閾值T。然而，如果在遍歷每個灰度級時，都重新計算閾值兩邊的均值與像素數(shù)量，其計算量相當(dāng)大。通過分析，可以將該算法通過遞歸的方式來遍歷整個圖像的灰度值，使本次遍歷可以基于前一次的計算結(jié)果，大大降低了計算量。該遞歸算法的實(shí)現(xiàn)過程描述如下：

假定圖像總像素數(shù)量為n，圖像的灰度均值為μ，灰度直方圖為h，圖像的灰度值總和、兩組像素灰度值的總和分別為 s、s1、s2。設(shè)初始條件有：n1(0)=0、n2(0)=0、μ1(0)=0、μ2(0)=0、s1(0)=0、s2(0)=0，且 t=0(t的取值為 0，1，2，……254)，則其類間方差的遞推表達(dá)式為：

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(shí)例

綜合應(yīng)用本文所提出的細(xì)化骨架匹配法和大津法圖像分割與缺陷檢測方法，開展顯示屏缺陷檢測的實(shí)驗(yàn)驗(yàn)證與分析。以如圖2所示的顯示屏圖像為例，經(jīng)本文所提出的方法處理后，可以檢測出屏幕圖像的缺陷所在。圖7所示是對應(yīng)的斑痕缺陷檢測效果圖，圖中白斑所在位置對應(yīng)于原始圖像中的缺陷位置。與原圖相比對，可以發(fā)現(xiàn)圖2中所示的多數(shù)斑痕缺陷在圖7中都能顯示出來。

圖7 斑痕缺陷檢測效果圖

圖8所示是另一幅含有若干斑痕缺陷的顯示屏圖像，經(jīng)本文方法處理后的圖像如圖9所示。對比兩幅圖像可以發(fā)現(xiàn)，圖8中的斑痕缺陷在圖9中都能夠有效地檢測出來。

圖8 含斑痕缺陷的顯示屏所成圖像

圖9 缺陷檢測效果圖

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(shí)時檢測的要求。

[1]張昱，張健.基于多項(xiàng)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 defectsusing 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.