陳 功，朱錫芳，盛 露，張 燕，陳宗濤

CHEN Gong, ZHU Xi-fang, SHENG Lu, ZHANG Yan, CHEN Zong-tao

（常州工學(xué)院 常州現(xiàn)代光電技術(shù)研究院，常州 213022）

0 引言

導(dǎo)光板具有機(jī)械強(qiáng)度高、光學(xué)特性?xún)?yōu)良、熱穩(wěn)定性好、耐化學(xué)性強(qiáng)、加工性能好的特點(diǎn)。作為液晶和超薄燈箱顯示的一個(gè)重要部件，其質(zhì)量直接影響整個(gè)背光模塊的好壞。導(dǎo)光板一般厚2mm～9mm，其主要功能在于導(dǎo)引光線方向，以提高面板的輝度并控制面板亮度的均勻性。導(dǎo)光板產(chǎn)生翹曲時(shí)，會(huì)影響光線的折射，使背光模塊光度降低及亮度不均，其不僅影響產(chǎn)品裝配和使用性能，而且會(huì)影響產(chǎn)品外觀質(zhì)量。因此導(dǎo)光板的翹曲度的大小會(huì)直接影響后期的使用[1,2]。對(duì)導(dǎo)光板翹曲變形的評(píng)價(jià)是用翹曲量來(lái)進(jìn)行的，一般用最大翹曲變形量來(lái)評(píng)價(jià)[3]。

現(xiàn)有最大翹曲變形量一般采用為塞尺間隙測(cè)量法，通過(guò)在大理石平臺(tái)表面和導(dǎo)光板中間加塞尺測(cè)量間隙，并計(jì)算翹曲度與標(biāo)準(zhǔn)值比較（如圖1所示）。此檢測(cè)方法對(duì)塞尺表面光滑度要求較高，檢測(cè)時(shí)缺乏直觀的數(shù)據(jù)顯示，精度較低，且塞尺會(huì)出現(xiàn)滑動(dòng)和堵死的情況，此外人工重復(fù)觀察容易產(chǎn)生視覺(jué)疲勞。

數(shù)字圖像相關(guān)方法（Digital Image Correlation，DIC）自提出后[4,5]，廣泛地應(yīng)用于位移的測(cè)量[6,7]。基于單CCD攝像機(jī)的數(shù)字圖像相關(guān)的圖像清晰度方法，通過(guò)標(biāo)定建立數(shù)字圖像像素距離和實(shí)際距離間聯(lián)系，利用調(diào)焦鏡頭搜索圖像所有可能的聚焦位置，將采集到的圖像信息進(jìn)行圖像清晰度處理分析，得到最佳聚焦位置，但是該方法只能測(cè)量CCD相機(jī)被測(cè)物表面的位移。

本文提供了一種基于單CCD攝像機(jī)圖像清晰度評(píng)價(jià)方法對(duì)導(dǎo)光板翹曲度進(jìn)行測(cè)量的方法。該方法基于CCD攝像機(jī)檢測(cè)裝置（如圖2所示），打開(kāi)上方光照組和下方可調(diào)節(jié)亮度的LED光源，將檢測(cè)紙和導(dǎo)光板分別置于檢測(cè)平臺(tái)表面，手動(dòng)調(diào)節(jié)X軸、Y軸傳動(dòng)組定位、手動(dòng)調(diào)節(jié)Z軸傳動(dòng)組調(diào)焦，經(jīng)上位機(jī)軟件分別獲取導(dǎo)光板中間底面和表面不同邊緣檢測(cè)圖像清晰度峰值，以此通過(guò)上位機(jī)自動(dòng)計(jì)算得到導(dǎo)光板翹曲度值。

圖1 導(dǎo)光板翹曲度大理石檢測(cè)平臺(tái)

圖2 導(dǎo)光板翹曲度檢測(cè)平臺(tái)示意圖

1 導(dǎo)光板翹曲度

翹曲變形是評(píng)定產(chǎn)品質(zhì)量的重要指標(biāo)之一。參考塑件行業(yè)中的翹曲度概念[8]，本文定義導(dǎo)光板的翹曲度。其公式為：

由式(1)和圖3可知，γ為導(dǎo)光板的翹曲度，h為翹曲量，即導(dǎo)光板底面與檢測(cè)紙表面之間的最大距離。L為導(dǎo)光板在X軸方向的投影長(zhǎng)度，H1為CCD攝像機(jī)通過(guò)搜索聚焦檢測(cè)紙表面得到的圖像清晰度峰值后，得到CCD攝像機(jī)到檢測(cè)紙表面的距離。H2為CCD攝像機(jī)通過(guò)搜索聚焦導(dǎo)光板正中間表面得到的圖像清晰度峰值，得到CCD攝像機(jī)到導(dǎo)光板正中間上表面的距離。d為導(dǎo)光板厚度，由于導(dǎo)光板厚度均勻且翹曲度值較小，一般可以認(rèn)為導(dǎo)光板厚度為固定值。

圖3 導(dǎo)光板翹曲度計(jì)算示意圖

2 不同邊緣檢測(cè)清晰度評(píng)價(jià)函數(shù)仿真實(shí)驗(yàn)

在一幅圖像中，邊緣含有極大的信息量，且在邊緣處灰度變化比較劇烈?；谶吘墮z測(cè)的清晰度評(píng)價(jià)算法就是以圖像的邊界和細(xì)節(jié)特征為基礎(chǔ)，通過(guò)對(duì)圖像的進(jìn)一步處理，得出清晰度評(píng)價(jià)值。邊緣檢測(cè)的空間濾波算子包括Roberts算子、Prewitt算子、Sobel算子、Laplacian算子和LOG算子。其中Roberts算子、Prewitt算子和Sobel算子都是一階微分算子，一階微分對(duì)圖像的低頻分量比較敏感，對(duì)高頻分量反應(yīng)相對(duì)遲鈍，而一副圖像的大部分信息體現(xiàn)在邊緣的高頻分量部分。Laplacian算子是一種二階微分算子，其具有旋轉(zhuǎn)不變的性質(zhì)有利于提取邊緣。分別選取2組導(dǎo)光板檢測(cè)圖，其中圖4(a)第8張和圖4(b)第9張為最佳清晰度圖。

圖4 CCD攝像機(jī)聚焦成像檢測(cè)圖

2.1 未污染導(dǎo)光板仿真實(shí)驗(yàn)

針對(duì)導(dǎo)光板表面和檢測(cè)紙表面不同成像目標(biāo)，分別選取以上各種基于邊緣梯度檢測(cè)算子的清晰度評(píng)價(jià)函數(shù)，計(jì)算在正焦位置前后的圖像（如圖4所示）的清晰度評(píng)價(jià)值，然后對(duì)取得的評(píng)價(jià)值進(jìn)行歸一化（如圖5所示）。

圖5 不同檢測(cè)情況下不同評(píng)價(jià)函數(shù)調(diào)焦曲線

由圖可知，Log算子在單峰性方面表現(xiàn)不佳，在某些區(qū)域存在毛刺，其余算子基本上都滿(mǎn)足對(duì)焦函數(shù)的單峰性、無(wú)偏性、以及在對(duì)焦位置附近較高的斜率，即靈敏度強(qiáng)。其中以Roberts算子的靈敏度最高，表明Roberts算子對(duì)于高頻分量的敏感度較高。實(shí)驗(yàn)表明在較為理想的情況下，傳統(tǒng)的算子幾乎都可以滿(mǎn)足清晰度評(píng)價(jià)的任務(wù)。

2.2 污染導(dǎo)光板仿真實(shí)驗(yàn)

在工程實(shí)踐過(guò)程中，包括天氣情況、光照情況、成像目標(biāo)、成像設(shè)備的問(wèn)題等都可能造成所拍攝的圖像具有噪聲污染。實(shí)驗(yàn)中在未污染的導(dǎo)光板圖像中分別加入了高斯噪聲（方差為0.8和0.1）和椒鹽噪聲（方差為0.8和0.0001）的圖像，其中高斯噪聲模擬電子電路噪聲和有低照明度或高溫帶來(lái)的傳感器的噪聲，椒鹽噪聲模擬由CCD相機(jī)，傳輸信道和解碼處理等產(chǎn)生的黑白相間的亮暗點(diǎn)噪聲。以下用上述算子在噪聲背景下進(jìn)行清晰度評(píng)價(jià)分析。

圖6 導(dǎo)光板表面加入不同噪聲后的調(diào)焦曲線

圖7 檢測(cè)紙表面加入不同噪聲后的調(diào)焦曲線

當(dāng)圖像受到噪聲污染之后，以上算子均出現(xiàn)了很多毛刺，單峰性遭到嚴(yán)重破壞；峰值兩邊的曲線變的平坦了許多，敏感性明顯減弱，曲線整體向上移動(dòng)，這種“上浮”在加入高斯噪聲的圖像中表現(xiàn)的尤為明顯。

在加入椒鹽噪聲后的圖像清晰度函數(shù)值都出現(xiàn)了較大幅度的上浮，其中以Laplacian算子上浮幅度最大，其他三者表現(xiàn)差別不大，可見(jiàn)Laplacian算子對(duì)于噪聲最為敏感。同時(shí)四種算子的單峰性都遭到不同程度的破壞，均出現(xiàn)了局部極大值。其中以Log算子最為明顯，可見(jiàn)Log算子對(duì)孤立噪聲點(diǎn)響應(yīng)比較激烈，而且抗干擾能力不夠強(qiáng)。而Roberts算子對(duì)于椒鹽噪聲的響應(yīng)較小，Roberts算子采用對(duì)角線方向兩個(gè)相鄰像素之差計(jì)算幅值梯度，雖然對(duì)噪聲較為敏感，但相對(duì)其他幾種三維甚至五維的算子，對(duì)于孤立噪點(diǎn)的響應(yīng)最弱，其檢測(cè)精度較高。

在加入高斯噪聲后的圖像清晰度函數(shù)值出現(xiàn)了更大幅度的上浮，其中同樣以Laplacian算子上浮幅度最大，Roberts算子次之，也有很大幅度的上浮，Prewitt算子、Sobel算子和Log算子的表現(xiàn)差別不大。此時(shí)，Laplacian算子己經(jīng)變的十分平坦，敏感度遭到十分嚴(yán)重的破壞，但是單峰性能表現(xiàn)略?xún)?yōu)于其他四種算子。而與此相對(duì)應(yīng)的Prewitt算子、Sobel算子和Log算子的單峰性遭到嚴(yán)重破壞，但是敏感度較好于Laplacian算子和Roberts算子。而Roberts算子表現(xiàn)居于五者中間，在敏感度和單峰性能方面都表現(xiàn)一般。

針對(duì)椒鹽噪聲背景下上述仿真實(shí)驗(yàn)算子所表現(xiàn)的不穩(wěn)定現(xiàn)象，選取了7組方差不同的噪聲背景下導(dǎo)光板表面的清晰度評(píng)價(jià)結(jié)果，如表1所示。

由表可知，對(duì)加入不同椒鹽噪聲影響最大的是Roberts和Log算子。在實(shí)驗(yàn)中椒鹽噪聲方差越低，兩個(gè)算子的穩(wěn)定性越好。

綜上所述，成像的情況根據(jù)成像環(huán)境和成像目標(biāo)改變而改變，在一種情況下適用的評(píng)價(jià)函數(shù)，在另外一種情況下并不一定好。因?yàn)閷?shí)驗(yàn)圖像引入了噪點(diǎn)，而噪點(diǎn)在圖像中基本表現(xiàn)為高頻分量，與圖像的邊緣混雜在一起，很難分辨出來(lái)哪里是邊緣，哪里是噪點(diǎn)。故而使得以前不清晰的圖像也擁有了較多的高頻分量，從而大大縮小了不清晰圖像的高頻分量與清晰圖像的高頻分量之間的差距，導(dǎo)致以上清晰度評(píng)價(jià)值集體上浮的情況。在復(fù)雜噪聲環(huán)境下，Roberts算子依然能保持較好的敏感度，單峰性能和無(wú)偏性。

表1 導(dǎo)光板表面加入各種椒鹽的五種算子之間的比較

表2 實(shí)測(cè)翹曲量比較數(shù)據(jù)

2.3 Roberts算子導(dǎo)光板翹曲量實(shí)測(cè)

根據(jù)Roberts算子分別得到導(dǎo)光板和檢測(cè)紙正中間表面最大圖像的清晰度峰值，確定最佳聚焦距離，根據(jù)標(biāo)定比例關(guān)系得到CCD攝像機(jī)到被測(cè)物表面的距離。表2給出了上述算法的實(shí)測(cè)比較翹曲量數(shù)據(jù)。表中三組數(shù)據(jù)中能有效判斷導(dǎo)光板翹曲度是否符合標(biāo)準(zhǔn)。三組中塞尺測(cè)量的精度均低于本文檢測(cè)方法，其中第一組和第二組中塞尺和本文檢測(cè)方法檢測(cè)結(jié)果一致，產(chǎn)品均判斷為合格。第三組檢測(cè)數(shù)據(jù)中塞尺測(cè)量法由于精度原因不能準(zhǔn)確判斷產(chǎn)品是否合格。

3 結(jié)束語(yǔ)

針對(duì)現(xiàn)有導(dǎo)光板翹曲度檢測(cè)的不足之處，本文采用一種單CCD攝像機(jī)基于不同邊緣檢測(cè)清晰度評(píng)價(jià)函數(shù)對(duì)導(dǎo)光板翹曲度進(jìn)行測(cè)量的方法。該方法基于CCD攝像機(jī)檢測(cè)裝置，將檢測(cè)紙和導(dǎo)光板分別置于檢測(cè)平臺(tái)表面，手動(dòng)調(diào)節(jié)X軸、Y軸傳動(dòng)組定位、手動(dòng)調(diào)節(jié)Z軸傳動(dòng)組調(diào)焦，經(jīng)上位機(jī)軟件分別獲取導(dǎo)光板中間底面和表面不同邊緣檢測(cè)清晰度評(píng)價(jià)函數(shù)的圖像清晰度峰值，通過(guò)未污染和已污染條件下的仿真以及實(shí)際測(cè)量比較發(fā)現(xiàn)，該方法示值誤差小、重復(fù)性較好，能夠滿(mǎn)足接觸線在線、非接觸檢測(cè)的需求。

[1]蔣炳炎,沈龍江,羅建華,等.微特征結(jié)構(gòu)對(duì)導(dǎo)光板翹曲變形的影響[J].光學(xué)精密工程,2007,15(11):1739-1743.

[2]李青祝,竇沙沙.冷卻水路位置對(duì)導(dǎo)光板翹曲影響的CAE分析[J].鑄造技術(shù),2011,32(8):1170-1173.

[3]李吉泉,李德群,郭志英.塑件翹曲度及其計(jì)算方法[J].高分子材料科學(xué)與工程,2008,24(6):1-4.

[4]W.H.Peters,W.F.Ranson.Digital imaging techniques in experimental stress analysis[J].Opt.Eng.,1982,21(3):427-431.

[5]T.C.Chu,W.F.Ranson,M.A.Suttonet al.Applications of digital image correlation techniques to experimental mechanics[J].Exp.Mech,1985,25(3):232-245.

[6]孫偉,何小元,C.Quan,鄭翔.基于數(shù)字圖像相關(guān)的三維剛體位移測(cè)量方法[J].光學(xué)學(xué)報(bào),2008,28(5):894-901.

[7]代祥俊,云海,蒲琪.基于數(shù)字圖像相關(guān)的透明材料厚度測(cè)量[J].光學(xué)技術(shù),2010,36(4):525-529.

[8]李吉泉,李德群,郭志英.塑件翹曲度及其計(jì)算方法[J].高分子材料科學(xué)與工程,2008,24(6):1-4.

[9]黃文輝,陳仁雷,張家謀.數(shù)字視頻圖像質(zhì)量客觀測(cè)量方法的改進(jìn)與實(shí)現(xiàn)[J].北京郵電大學(xué)學(xué)報(bào),2005,28(4):87-90.

[10]Z.Wang,A.C.Bovik.A universal image quality index[J].IEEE Signal Processing Letters,2002,9(3):81-84.