龐偉偉，程 遠，姚存剛，張華坤

（1.合肥工業(yè)大學(xué) 安徽 合肥 230009；2.中國電子科技集團公司第二十七所 河南 鄭州 450047；3.滁州市特種設(shè)備監(jiān)督檢驗中心 安徽 滁州 239001）

LED顯示屏產(chǎn)業(yè)現(xiàn)已成為新興的高科技產(chǎn)業(yè)，在各終端設(shè)備中已經(jīng)被廣泛使用，如廣告牌，文字顯示器，大屏幕視頻顯示器等。顯示屏顯示效果的好壞直接取決于發(fā)光模組質(zhì)量的高低，LED拼接顯示屏技術(shù)作為實現(xiàn)大屏幕的一種方法已經(jīng)得到了極大的推廣應(yīng)用，LED模組作為組成LED顯示屏的主要部件，在制造、使用和性能評定時均需要對其進行快速準(zhǔn)確的測量和分析。國內(nèi)對LED單元板的檢測在很大程度上依靠人工完成[1]，使得檢測速度和質(zhì)量受個人主觀因素影響較大，結(jié)果凸顯出來的問題就是發(fā)光模組的發(fā)光亮度、色度不一致性過大，使得拼接出的顯示屏不可避免的出現(xiàn)“馬賽克”現(xiàn)象，極大的影響顯示屏的顯示效果，直接降低顯示屏的產(chǎn)品質(zhì)量和檔次。文中針對該問題并根據(jù)廠家實際的需要，利用機器視覺技術(shù)，將其融入到對LED單元板的檢測過程中，實現(xiàn)了一種快速高效價格低廉的LED單元板檢測系統(tǒng)。

用于模組的檢測設(shè)備總體由顯示屏驅(qū)動控制單元、工作臺、CCD圖像傳感器、圖像采集卡、PC機等組成，如圖1所示。選用64顆LED組成的8×8點陣LED模組作為檢測模板，如圖2所示。

圖1 檢測設(shè)備Fig.1 Detection device

圖2 測試板Fig.2 Test board

1 檢測系統(tǒng)算法流程

在機器視覺系統(tǒng)中，視覺信息的處理主要依賴于圖像處理，其包括圖像增強、數(shù)據(jù)編碼傳輸、平滑處理、邊緣銳化、圖像分割、特征抽取、圖像識別和理解等[2]。根據(jù)具體應(yīng)用要求在這些過程中進行折中選擇。處理后，輸出圖像的質(zhì)量會得到相當(dāng)程度的改善，便于計算機對圖像進行分析、處理和識別。根據(jù)需求設(shè)計的主要算法流程如圖3所示。

圖3 系統(tǒng)算法流程圖Fig.3 Flow chant of system algorithm

2 圖像去噪

在圖像的獲取、采集和傳輸過程中，由CCD輸入轉(zhuǎn)換器件及周圍環(huán)境等因素，檢測系統(tǒng)中采集的數(shù)字圖像不可避免的含有各種各樣的噪聲和失真。大量的實驗研究發(fā)現(xiàn)，由攝像機拍攝得到的圖像受離散的脈沖、椒鹽噪聲的影響比較嚴(yán)重[3]。中值濾波是應(yīng)用極為廣泛的一種非線性濾波方法，它能有效去除脈沖噪聲、椒鹽噪聲同時又能保留圖像邊緣細節(jié)，由于其不依賴于領(lǐng)域內(nèi)那些與典型值差別很大的值，故可以克服線性濾波器濾波帶來的圖像細節(jié)模糊，它是一種不同于卷積的鄰域計算，其處理原理是（按3×3模板），將濾波模板內(nèi)的9個像素的灰度值由小到大排列 （或是由大到小排列）之后，按其排列順序選取第5個位置上的像素的灰度值（中值）作為濾波后該像素點上的灰度值[3]。分析可知，中值濾波濾除噪聲的性能與濾波窗口的大小直接相關(guān)，小的濾波窗口可以較好的保持圖片細節(jié)，但不能有效的去除脈沖噪聲；較大的窗口能更好地抑制噪聲，但會使圖像變得模糊。文中選用3×3處理窗口，采集圖像中最上、最下、最左、最右的所有像素點都無法進行濾波，但在實際檢測過程中這些點都位于圖像邊緣，屬于背景色不需檢驗。

3 圖像分割

圖像分割是由圖像處理轉(zhuǎn)到圖像分析的關(guān)鍵，其目的就是把圖像分割成若干特定的、具有獨特性質(zhì)的區(qū)域并提取出感興趣的目標(biāo)。為了減少由于二極管發(fā)光不均勻性帶來的影響，文中采用自適應(yīng)門限處理技術(shù)，將圖像分為4個相同大小的區(qū)域，并對每個部分的閾值用大津發(fā)單獨進行計算。大津法基本思想為：記t為區(qū)域內(nèi)部前景與背景的分割閾值，前景點數(shù)占圖像比例為α0，平均灰度為β0；背景點數(shù)占圖像比例為α1，平均灰度為 β1，圖像的總平均灰度為 β=α0×β0+α1×β1。 從最小灰度值到最大灰度值依次遍歷t，當(dāng)t使得類間方差值g=α0×（β0-β）+α1×（β1-β）最大時，t即為分割的最佳閾值。 方差作為灰度分布均勻性的一種度量，其值越大，即可說明構(gòu)成圖像的兩部分差別越大。當(dāng)目標(biāo)錯分為背景或背景錯分為目標(biāo)時都會導(dǎo)致兩部分差別變小。因此，使類間方差最大化的分割意味著錯分概率最小。直接應(yīng)用大津法計算量很大，在使用時采用了g 的等價公式 g=α0×α1×（β0-β1）[4]。 原始圖像如圖 4 所示，灰度直方圖如圖5所示，大津江求出最大閾值如圖6所示。

圖4 原始圖像Fig.4 Original image

圖5 灰度直方圖Fig.5 Histogram

圖6 大津法求出最大閾值Fig.6 OTSU calculate the best threshold

模組圖像用大津法處理后得到的二值化結(jié)果如圖7、8所示。

圖7 原始圖像Fig.7 Original image

圖8 大津法處理Fig.8 Image after OTSU

通過圖可以發(fā)現(xiàn)模組圖像直接經(jīng)過大津法分割后，不同區(qū)域之間可能存在著斷續(xù)的連接，為了斷開這些連接部分，用開運算進行處理，運算規(guī)則為：使用結(jié)構(gòu)元素B對集合A進行開運算表達式為：AоB=（A?B）⊕B，用B對A進行開運算就是用B對A進行腐蝕，然后用B對結(jié)果進行膨脹[5]。開運算會消除圖像邊緣毛刺，使得輪廓變得光滑，斷開狹窄的間斷，結(jié)果如圖9所示。

圖9 開運算處理Fig.9 Image after opening operation

4 圖像配準(zhǔn)

4.1 Fourier-Mellin圖像配準(zhǔn)

在LED模組的檢測過程中，模組擺放位置的變化必將導(dǎo)致待測圖像與標(biāo)準(zhǔn)模板圖像之間存在著差異，對下一步檢測的準(zhǔn)確性將產(chǎn)生不可預(yù)計的影響。在實際情況中，可能存在著旋轉(zhuǎn)縮放等使問題。文中使用Fourier-Mellin圖像配準(zhǔn)算法[6-7]，該算法是一種經(jīng)典的基于非特征的圖像配準(zhǔn)算法，考慮被配準(zhǔn)的兩幅圖像 s（x，y）和 r（x，y），其中 s（x，y）是 r（x，y）經(jīng)過平移、旋轉(zhuǎn)和一定尺度縮放變換后的圖像，即

s（x，y）=r［（σ（xcosα+ysinα）-x0，σ（-xsinα+ycosα）-y0）］ （1）

則 s（x，y）和 r（x，y）對應(yīng)的 Fourier變換 S（u，v）和 R（u，v）之間滿足：

式中|.|表示頻譜幅度?？梢钥闯?，α（旋轉(zhuǎn)角度）和σ（縮放因子）可以和平移量（x0，y0）分離計算[8]。分析可知頻譜幅度僅與α和σ有關(guān)，而與平移量（x0，y0）無關(guān)，故相似變換參數(shù)可分兩步來分別計算，第一步通過圖像幅度譜求出旋轉(zhuǎn)角度α和縮放因子σ，第二步求出平移參數(shù)x0和y0。

4.2 重新采樣插值

變換后，像素的坐標(biāo)不會和原來的采樣網(wǎng)格完全相同，即輸入圖像的位置坐標(biāo)為整數(shù)，而輸出圖像的位置坐標(biāo)為非整數(shù)，這就需要對變換后的圖像進行重新采樣和插值處理[9]。文中使用雙線性插值法對圖像進行插值處理[10]。處理公式為：

其中，（x，y） 為映射位置，0＜x＜1，0＜y＜1，（0，0）、（0，1）、（1，0）、（1，1）為映射位置臨近的 4 個像素點，通過插值運算，可使的插值結(jié)果較為平滑，可能會使圖像的細節(jié)產(chǎn)生退化，也可能會使得到圖像表面在領(lǐng)域邊界處溫和，但是斜率卻不吻合，但是這兩種情況均可通過高階插值得以修正。

利用Fomier-Mellin交換，對旋轉(zhuǎn)后的模組圖像進行校正，對變換后的圖像進行重采樣和插值處理，校正后模組圖像與原始圖像進行重疊配準(zhǔn)。結(jié)果如圖10、11、12所示。

圖10 旋轉(zhuǎn)的圖像Fig.10 Rotated figure

圖11 矯正的圖像Fig.11 Corrected figure

圖12 重新插值的圖像Fig.12 Registrated figure

5 失控點檢測

根據(jù)項目檢測的要求，需要檢測出有無下瞎燈、半衰、串線現(xiàn)象，依據(jù)第二類最小風(fēng)險貝葉斯決策規(guī)則[11]，貝葉斯決策就是在不完全情報下，對部分未知的狀態(tài)用主觀概率估計，然后用貝葉斯公式對發(fā)生概率進行修正，最后再利用期望值和修正概率做出最優(yōu)決策，既考慮了各類參考總體出現(xiàn)的概率大小，又考慮了因誤判造成的損失大小，判別能力強，規(guī)則如下：

和條件概率形式：

為將失控點檢測并表示出來，將失控點用框子框出來，檢測結(jié)果如圖13、14、15所示。

圖13 瞎燈Fig.13 Lights out

圖14 串線Fig.14 Seton line

圖15 半衰Fig.15 Decay

檢測結(jié)果應(yīng)當(dāng)保存，以便做相應(yīng)的統(tǒng)計分析，將檢測結(jié)果自動保存到數(shù)據(jù)庫中，就可以快速的查找及分析，結(jié)果如表1所示。

實驗時，采集130張圖片，其中有缺陷的有45張，正確識別127張，精度約為97%。

6 結(jié) 論

依據(jù)顯示屏模組的檢測要求，設(shè)計了系統(tǒng)將機器視覺技術(shù)融入到對LED模組檢測過程中，在不改變LED模組硬件條件下，實現(xiàn)了LED模組的快速品質(zhì)檢測，滿足客戶的檢測要求，在LED單元板快速現(xiàn)場檢測領(lǐng)域必將具有較大的應(yīng)用市場。

[1]張高強，羅建華.LED單燈組合方案的設(shè)計與工程應(yīng)用[J].交通部公路科學(xué)研究所.高速公路可變情報板，2003（6）：35-39.ZHANG Gao-qiang，LUO Jian-hua.LED single lamp combination in the design and engineering applications[J].Ministry of Communications Highway Research Institute.Highway Variable Information Board，2003（6）：35-39.

表1 保存的數(shù)據(jù)Tab.1 Data retention

[2]何立民.單片機高級教程應(yīng)用與設(shè)計[M].北京：北京航空航天大學(xué)出版社，2001.

[3]馮一飛，鮑超.LED光度測量校準(zhǔn)的色修正系數(shù)的確定[J].光學(xué)儀器，2006，28（2）：12-16.FENG Yi-fei，BAO Chao.LED photometric calibration to determine the color correction factor[J].Optical Instruments.2006，28（2）；12-16.

[4]APN Jian-gen，SHEN Hai-ping，F(xiàn)ENG Hua-jun，et a1.Accurate assessment of fl'value of fine photometer heads[J].Metrologia，2005，42（4）：239-245.

[5]姚峰林，詹海英，李元宗.機器視覺中的邊緣檢測技術(shù)研究[J].機械工程與自動化，2005（1）：108-110.YAO Feng-lin，ZHAN Hai-ying，LI Yuan-zong.Machine vision edge detection[J].Mechanical Engineering&Automation，2005（1）：108-110.

[6]房超.機器視覺及其在工業(yè)檢測中的應(yīng)用[J].自動化博覽，2007，25（4）：46-48.FANG Chao.Machine vision and industrial inspection application[J].Automation Expo，2007，25 （4）：46-48.

[7]Michael D.TLC5940 dot correction compensates for variations in LED brightness[J].Texas Instruments Incorporated Power Management，2005（4）：27-30.

[8]李曉明.基于Fourier-Mellin變換的圖像配準(zhǔn)方法及應(yīng)用拓展[J].計算機學(xué)報，2006，29（3）：466-472.LI Xiao-ming.Fourier-Mellin transform based image registration method and application development[J].Chinese Journal of Computers，2006，29 （3）：466-472

[9]王鑫.圖像配準(zhǔn)及其算法研究[D].哈爾濱：哈爾濱工程大學(xué)碩士學(xué)位論文，2005：16-28.

[10]王強.圖像分割中閾值的選取研究及算法實現(xiàn) [J].計算機與現(xiàn)代，2006（10）：54-56.WANG Qiang.Threshold image segmentation research and algorithm selection[J].Computers and Modern，2006（10）：54-56.

[11]邊肇祺.模式識別[M].北京：清華大學(xué)出版社，2000.