張騰達 盧榮勝 黨學(xué)明

合肥工業(yè)大學(xué)，合肥，230009

?

TFT-LCD表面缺陷檢測中一維DFT方法中鄰域r的自動選取

張騰達 盧榮勝 黨學(xué)明

合肥工業(yè)大學(xué)，合肥，230009

在TFT-LCD平板表面缺陷檢測中，為了自動獲取一維DFT方法中的鄰域r，首先將無缺陷的TFT-LCD平板表面圖像的每一行經(jīng)過預(yù)處理，再計算其灰度共生矩陣，然后提取灰度共生矩陣的均勻度，最后計算不同r時的均勻度差值。最大差值所對應(yīng)的r就是最佳鄰域。搭建了TFT-LCD平板檢測實驗系統(tǒng)，實驗對不同長度的非整周期、整周期、非整周期補整的圖像進行處理。從獲取的r可知，在相同環(huán)境下，非整周期補整后的r和整周期的r相同。將這一結(jié)果應(yīng)用到實際缺陷檢測中，系統(tǒng)可以準(zhǔn)確地檢測出缺陷。

薄膜晶體管-液晶顯示器；缺陷檢測；灰度共生矩陣；一維離散傅里葉變換；鄰域r

0 引言

薄膜晶體管-液晶顯示器(thin film transistor-liquid crystal display, TFT-LCD)已被廣泛應(yīng)用在筆記本電腦、監(jiān)視器、液晶電視、數(shù)碼相機、移動顯示終端等顯示領(lǐng)域。而TFT-LCD平板表面缺陷一直影響著TFT-LCD顯示質(zhì)量，嚴(yán)重影響平板的生產(chǎn)效率，平板表面缺陷檢測已成為TFT-LCD生產(chǎn)中的關(guān)鍵環(huán)節(jié)。檢測TFT-LCD表面缺陷的方法包括人工視覺檢測法、自動光學(xué)檢測法、電學(xué)參數(shù)檢測法，其中，自動光學(xué)檢測法是一種自動化、高性能的檢測方法，不需要或需要較少人工干預(yù)，是當(dāng)前發(fā)展最快的表面缺陷檢測方法之一[1]。

很多學(xué)者研究了LCD表面缺陷自動光學(xué)檢測算法，例如基于方向濾波器組和自適應(yīng)多閾值法[2]、局部線性嵌入法[3]、核主成分分析法[4]、基于最小二乘殘差誤差和的回歸診斷法[5]、基于奇異值分解(SVD)的圖像重構(gòu)方法[6]、基于一維傅里葉重構(gòu)及小波分解方法[7]、基于獨立成分分析(ICA)的圖像重構(gòu)方法[8]、基于運動分析的光流法[9]等方法。其他一些學(xué)者也對TFT-LCD平板檢測進行了相關(guān)研究[10-13]。在諸多檢測算法中，Tsai等[7]提出的基于一維傅里葉重構(gòu)及小波分解方法簡單、高效，在實際中得到廣泛應(yīng)用。頻域圖像中的鄰域r作為該方法的關(guān)鍵參數(shù)之一，如何自動獲取該參數(shù)，Tsai等沒有提及，其他文獻也沒有相關(guān)介紹。

傳統(tǒng)上，r是通過人工實驗由經(jīng)驗得到的。為了自動獲取r，本文在前人研究的基礎(chǔ)上設(shè)計了 TFT-LCD 表面缺陷檢測實驗系統(tǒng)，通過調(diào)節(jié)相機和光源到合適位置，載物平臺以與線陣相機行頻相匹配的速度運動，采集TFT-LCD平板表面圖像，設(shè)計了自動鄰域r選取算法。實驗結(jié)果表明，該選取算法具有良好的實用性。

1 一維DFT方法

Tsai等[7]提出的基于一維傅里葉重構(gòu)及小波分解方法，簡稱為一維離散傅里葉變換(discrete Fourier transform，DFT)方法，它以TFT-LCD 平板的一維行圖像為處理對象。 TFT-LCD 面板的行掃描圖像含有明顯周期性的背景圖案，為了檢測缺陷，必須在盡量不影響缺陷的情況下消除周期性背景圖案。該方法首先對一維行圖像進行一維DFT，在一維傅里葉頻域中消除特定頻率成分(這些頻率成分代表TFT-LCD行圖像的周期性背景圖案)，接著進行一維離散傅里葉逆變換,得到重構(gòu)后的空間域一維行圖像。為了消除行圖像中光照的不均勻，利用小波變換對重構(gòu)后的一維行圖像進行分解，提取其高頻信息，最后利用傳統(tǒng)的雙閾值從高頻信息中提取缺陷，其原理如圖1所示。一維DFT方法能有效移除周期性背景圖案，同時保留局部異常。

圖1 一維DFT方法的原理方框圖

2 鄰域r的自動選取

2.1 一維行圖像的特點

圖2a為無缺陷的TFT-LCD圖像，大小為253像素×253像素，分辨率為7 μm/像素；圖2b為圖2a第10行的一維圖像。在行圖像的灰度輪廓中可以明顯看出周期性峰值，每一個峰值代表一個垂直的豎線。

(a)無缺陷的TFT-LCD圖像 (b)第10行的一維圖像

2.2 一維DFT方法中的鄰域r

設(shè)fy(x)為第y行線圖像在像素x位置的灰度，N為掃描線的長度，則fy(x)的一維DFT表示為[14]

(1)

其中，頻率變量u=0,1,2,…,N-1，則fy(u)的幅度譜|fy(u)|可以定義為

(2)

其中，Rey(u)、Imy(u)分別為Fy(u)的實部和虛部。為了能夠清楚地觀察頻譜，考慮使用幅度譜的對數(shù)變換ln|Fy(u)|，如圖3所示。

(a)時域中的Δx

(b)頻域中的Δu

空間域中周期峰值的間距Δx與頻域中周期峰值的間距Δu之間的關(guān)系為

Δu=N/Δx

(3)

為了消除一維時域圖像中代表豎線的周期性峰值，將豎線所對應(yīng)的傅里葉頻域中的頻率成分的幅度置0，然后再用一維傅里葉逆變換轉(zhuǎn)換到時域。設(shè)U為傅里葉頻域中一組峰值頻率：

(4)

Fy(u)=0

(5)

2.3 灰度共生矩陣

P(k1,k2,d,θ)={[(x,y),(x+a,y+b)∈M×N|

f(x,y)=k1,f(x+a,y+b)=k2]}

(6)

灰度共生矩陣反映了圖像灰度關(guān)于方向、相鄰間隔、變化幅度的綜合信息。但一般并不直接應(yīng)用灰度共生矩陣，而是在其基礎(chǔ)上獲取灰度共生矩陣的特征參數(shù)，通過特征參數(shù)來分析圖像的局部模式和排列規(guī)則等。Haralick[15]定義了14個用于紋理分析的灰度共生矩陣特征參數(shù)，其中一個特征參數(shù)為逆差矩，也稱均勻度：

(7)

均勻度反映圖像紋理的同質(zhì)性，可度量圖像紋理局部變化的程度，其值大，說明圖像紋理的不同區(qū)域間缺少變化，局部非常均勻。

2.4 灰度共生矩陣法

TFT-LCD平板表面圖像每一行的預(yù)處理如下。首先進行一維DFT，然后在一維傅里葉頻域中設(shè)定某一領(lǐng)域r，以消除特定頻率成分。這些頻率成分代表TFT-LCD線圖像的周期性背景圖案。最后進行一維離散傅里葉逆變換，得到空間域一維行圖像。

對預(yù)處理后的TFT-LCD平板表面圖像，再進行灰度共生矩陣分析，通過分析灰度共生矩陣特征參數(shù)隨其3個構(gòu)造因子(生成步長d、圖像灰度級g和生成方向θ)的變化規(guī)律，并結(jié)合TFT-LCD表面紋理自身的特點，確立適合描述TFT-LCD表面紋理的灰度共生矩陣構(gòu)造方法，即在構(gòu)造P(k1,k2,d,θ)時，選取d=1，g=256，θ為0°方向(即0°掃描：a=1，b=0，像素對是水平的)。

灰度共生矩陣法的具體步驟如下：在不同鄰域r的情況下，對TFT-LCD平板表面無缺陷圖像的每一行進行預(yù)處理，以消除TFT-LCD圖像的周期性背景圖案；為判斷周期性背景圖案消除的程度，先計算其0°方向的灰度共生矩陣，再計算其均勻度MID(r)，最后計算均勻度差值ΔMID(r)：

ΔMID(r)=MID(r)-MID(r-1)

(8)

其中，r=1,2,3,4且ΔMID(0)=0。

最大ΔMID(r)所對應(yīng)的r就是最佳鄰域。ΔMID(r)越大，周期性背景圖案的消除程度就越好；反之消除程度就越差。

圖4是256像素×571像素的無缺陷的TFT-LCD平板表面圖像，其分辨率為7μm/像素。對其采用灰度共生矩陣法運算，得到灰度共生矩陣的均勻度MID(r)和均勻度差值ΔMID(r) ，如表1所示。

圖4 無缺陷的TFT-LCD平板表面圖像

表1 256像素×571像素的LCD的灰度共生矩陣的

從表1可以看出，最大ΔMID(r)所對應(yīng)的r為3，即最佳參數(shù)r=3，意味著r由2到3時周期性背景圖案的消除程度最好。

3 實驗設(shè)計及結(jié)果分析

3.1 實驗系統(tǒng)的構(gòu)成

TFT-LCD平板表面缺陷檢測實驗系統(tǒng)的架構(gòu)如圖5所示。在實驗系統(tǒng)中，工業(yè)相機為DALSA公司的線陣CCD相機Piranha ES-80-08K80，鏡頭為SIGMA公司的Sigma 105 mm f/2.8 EX DG Macro，圖像采集卡為Matrox公司的RadienteCL。光柵表HB961、旋轉(zhuǎn)編碼器PHF5812-1024-G05E和機械結(jié)構(gòu)組成的位置調(diào)整機構(gòu)，用于調(diào)整光源和相機的空間位置。PLC采用西門子的S7-200 CPU 224，光源為鹵素線形光源。Siemens 公司的Smart 700觸摸屏為人機接口界面(HMI)，控制界面采用WinCC flexible 2008編寫。

圖5 TFT-LCD 平板表面缺陷檢測實驗系統(tǒng)架構(gòu)

兩條垂直放置的導(dǎo)軌上分別安裝著相機與載物臺。通過觸摸屏上的軟件界面控制PLC，PLC通過驅(qū)動器EZMC36控制電機帶動載物臺運動。被測物的運動速度要與線陣相機的行頻相匹配，以保證采集的圖像在縱向沒有發(fā)生失真。

3.2 影響鄰域r的因素

本文中所有TFT-LCD平板表面圖像的分辨率均為7 μm/像素，計算得到此時的周期Δx為23個像素[16]。在獲取鄰域r的過程中，r隨頻譜泄漏的大小而不同，所以下面從TFT-LCD圖像每一行分別取不同的長度來進行分析。

3.2.1 非整周期長度時的r

如果圖像的每行長度N不是周期Δx的整數(shù)倍，則此時頻譜泄漏的程度隨N的不同而變化，自動選取的r也應(yīng)該不同。圖6分別為256像素×256像素、256像素×265像素和256像素×273像素的無缺陷TFT-LCD平板表面圖像，其每行長度N不是周期Δx的整數(shù)倍，表2所示為其對應(yīng)灰度共生矩陣的均勻度，表3所示為其對應(yīng)的均勻度差值，從均勻度最大差值可以看出，對于圖6中3種不同長度的行圖像來說，其最佳鄰域r分別為1、2、3。因此在實際檢測中，在相同工作環(huán)境(照明、分辨率、溫度等)下，當(dāng)待測行圖像長度N不同時，其參數(shù)r需要重新求取。

(a) 256像素× (b) 256像素× (c) 256像素× 256像素 265像素 273像素圖6 非整周期不同大小的無缺陷TFT-LCD平板表面圖像

表2 非整周期長度時圖像的灰度共生矩陣的均勻度

表3 非整周期長度時圖像的灰度共生矩陣的均勻度差值

3.2.2 整周期長度時的r

如果圖像的長度N是周期Δx的整數(shù)倍，理論上應(yīng)無頻譜泄漏，但由于實際成像系統(tǒng)的畸變和各種噪聲干擾的存在，TFT-LCD表面圖像的每一行只能為近似的周期信號。此時肯定會存在頻譜泄漏，但泄漏程度較小，自動選取的r也應(yīng)該較小。圖7為整周期不同大小的無缺陷TFT-LCD平板表面圖像，表4所示為其對應(yīng)的灰度共生矩陣的均勻度，表5所示為其對應(yīng)的均勻度差值。從均勻度最大差值可以看出，最佳鄰域r均為1，表明整周期的不同大小無缺陷TFT-LCD平板表面圖像的頻譜泄漏程度比較小且非常接近。

(a) 256像素× (b)256像素×506像素

(c)256像素×759像素圖7 整周期不同大小無缺陷的TFT-LCD平板表面圖像

表4 整周期長度時圖像的灰度共生矩陣的均勻度

表5 整周期長度時圖像的灰度共生矩陣的均勻度差值

r01234256像素×253像素00.08410.01760.00940.0109256像素×506像素00.11630.02350.01090.0071256像素×759像素00.10100.05370.01290.0063

3.2.3 非整周期補成整周期長度時的r

當(dāng)圖像的每行長度N不是周期Δx的整數(shù)倍時，頻譜泄漏的程度隨N的不同而變化，由表3可知最佳鄰域r也不同。如果將圖像的非整周期通過算法補成整周期，那么頻譜泄漏的程度將減小，此時自動選取的r也應(yīng)該減小。補整算法有很多種，這里采用一種簡單實用的方法，即最近鄰域復(fù)制法，其步驟如下：

(1)根據(jù)周期Δx，求出行圖像的整周期數(shù)M和余數(shù)p。

(2)設(shè)原行圖像為s(1∶N)，補整后的圖像為y(1∶N+Δx-p)，對每行圖像進行補整操作：

y(1∶N)=s(1∶N)

(9)

y(N+1∶N+Δx-p) =s(N-Δx+1:N-p)

(10)

對于上述非整周期不同大小的無缺陷TFT-LCD平板表面圖像，分別運用最近鄰域復(fù)制法補整后，對應(yīng)的灰度共生矩陣的均勻度如表6所示，對應(yīng)的均勻度差值如表7所示。從均勻度最大差值可以看出，最佳鄰域r由補整前的1、2、3、3變?yōu)檠a整后的1、1、1、1，表明非整周期圖像通過算法補成整周期后，其頻譜泄漏程度減小到和整周期時接近。因此在實際檢測中，對于非整周期的待測圖像，只需將其補成整周期，其參數(shù)r就取r0(r0為相同工作環(huán)境下，整周期長度時，利用灰度共生矩陣法求取的參數(shù)r的值)即可。

表6 補成整周期長度后的灰度共生矩陣的均勻度

r01234256像素×256像素0.82410.91100.92630.93630.9476256像素×265像素0.82610.91490.93540.94460.9540256像素×273像素0.78200.87760.90120.91280.9244256像素×571像素0.76400.88070.91070.92030.9269

表7 補成整周期長度后的灰度共生矩陣的均勻度差值

r01234256像素×256像素00.08690.01530.01000.0113256像素×265像素00.08880.02050.00920.0094256像素×273像素00.09560.02360.01160.0116256像素×571像素00.11670.03000.00960.0066

3.3 灰度共生矩陣法的驗證

補整前后，256像素×571像素的無缺陷TFT-LCD平板表面圖像(圖4)在不同r時周期性背景圖案消除的程度不同。為了能夠更清楚地顯示結(jié)果，我們將預(yù)處理后的最終圖像對比度拉伸，如圖8～12所示。

(a)補整前

(b)補整后

(a)補整前

(b)補整后

(a)補整前

(b)補整后

(a)補整前

(b)補整后

(a)補整前

(b)補整后

由圖8～12可以看出，補整前，r=3時的周期性背景圖案已基本消除；補整后，r=1時的周期性背景圖案也已基本消除。這和前面灰度共生矩陣法求取的r是一致的，驗證了該方法的可行性。實驗中，對80幅無缺陷TFT-LCD平板表面圖像，采用灰度共生矩陣法進行處理，均能準(zhǔn)確地提取r。

3.4 自動獲取的鄰域r用于實際缺陷的檢測

由表3、表5、表7和圖8～12可知，在相同工作環(huán)境下，對于整周期的無缺陷TFT-LCD平板表面圖像，只需采用一次灰度共生矩陣法，得到的鄰域r0可以認(rèn)為是該工作環(huán)境下不同長度行圖像參數(shù)r的“準(zhǔn)確值”。也就是說，對于相同工作環(huán)境下的其他非整周期的行圖像，每行補整后，其參數(shù)r直接選取r0，無需再用灰度共生矩陣法求取。但在工作環(huán)境改變時，r必須重新利用灰度共生矩陣法求得。在實際TFT-LCD平板表面缺陷檢測中，具體的步驟如下：

(1)獲取整周期長度的無缺陷TFT-LCD表面圖像I；

(2)對圖像I利用灰度共生矩陣法求取參數(shù)r的“準(zhǔn)確值”r0；

(3)在相同工作環(huán)境下，對于實際待測非整周期TFT-LCD表面圖像的每行補成整周期；

(4)令r=r0；

(5)采用一維DFT方法檢測缺陷。

由表5可得r0=1，圖13為在相同工作環(huán)境下三種不同缺陷的TFT-LCD平板圖像，其行圖像各自經(jīng)過補整操作后，鄰域r直接取1，再分別利用一維DFT方法，得到的檢測結(jié)果如圖14所示，可以看出能夠準(zhǔn)確地檢測出缺陷。

(a) 256像素× (b) 256像素× (c) 256像素×

(a) 256像素× (b) 256像素× (c) 256像素×

4 結(jié)語

在TFT-LCD平板表面缺陷檢測中，一維DFT方法非常有效，為了自動獲取該方法的關(guān)鍵參數(shù)r，應(yīng)首先獲取整周期長度的無缺陷TFT-LCD平板表面圖像，然后對其采用灰度共生矩陣法進行處理，得到的鄰域r0就是該工作環(huán)境下的參數(shù)r的“準(zhǔn)確值”。將r0應(yīng)用于相同工作環(huán)境下缺陷檢測時，只需對非整周期長度的TFT-LCD平板表面行圖像補整，再利用一維DFT方法即可，系統(tǒng)便可準(zhǔn)確地檢測出缺陷區(qū)域。實驗結(jié)果表明, 該選取方法具有良好的實用性。

[1] Lu R S, Shi Y Q, Li Q, et al. AOI Techniques for Surface Defect Inspection[J]. Applied Mechanics & Materials, 2010, 36:297-302.

[2] Oh J H, Kwak D M, Lee K B, et al. Line Defect Detection in TFT-LCD Using Directional Filter Bank and Adaptive Multilevel Thresholding [J]. Key Engineering Materials, 2004, 270/273:233-238.

[3] Liu Y H, Huang Y K, Lee M J. Automatic Inline Defect Detection for a Thin Film Transistor Liquid Crystal Display Array Process Using Locally Linear Embedding and Support Vector Data Description[J]. Measurement Science & Technology, 2008, 19(9):44-46.

[4] Liu Y H, Wang C K, Ting Y, et al. In-TFT-array-process Micro Defect Inspection Using Nonlinear Principal Component Analysis[J]. International Journal of Molecular Sciences, 2009, 10(10):4498-4514.

[5] Fan S K S, Chuang Y C. Automatic Detection of Mura Defect in TFT-LCD Based on Regression Diagnostics [J]. Pattern Recognition Letters, 2010, 31(15):2397-2404.

[6] Lu C J, Tsai D M. Automatic Defect Inspection for LCDs Using Singular Value Decomposition[J]. International Journal of Advanced Manufacturing Technology, 2005, 25(25):53-61.

[7] Tsai D M , Hung C Y. Automatic Defect Inspection of Patterned Thin Film Transistor-liquid Crystal Display (TFT-LCD) Panels Using One-dimensional Fourier Reconstruction and Wavelet Decomposition[J]. International Journal of Production Research, 2005, 43(21):4589-4607.

[8] Lu C J, Tsai D M. Independent Component Analysis-based Defect Detection in Patterned Liquid Crystal Display Surfaces[J]. Image & Vision Computing, 2008, 26(7):955-970.

[9] Tsai D M, Tsai H Y. Low-Contrast Surface Inspection of Mura Defects in Liquid Crystal Displays Using Optical Flow-based Motion Analysis[J]. Machine Vision & Applications, 2011, 22(4):629-649.

[10] 張昱，張健. 基于多項式曲面擬合的 TFT-LCD 斑痕缺陷自動檢測技術(shù) [J]. 光電工程，2006，33(10)：108-114. Zhang Yu，Zhang Jian. Automatic Blemish Inspection for TFT-LCD Based on Polynomial Surface Fitting [J]. Opto-Electronic Engineering，2006，33(10)：108-114.

[11] 畢昕，丁漢. TFT-LCD Mura缺陷機器視覺檢測方法 [J]. 機械工程學(xué)報，2010，46(12)：13-19. Bi Xin，Ding Han. Machine Vision Inspection Method of Mura Defect for TFT-LCD [J]. Journal of Mechanical Engineering，2010，46(12)：13-19.

[12] 張騰達，盧榮勝，張書真. 基于二維DFT的TFT-LCD平板表面缺陷檢測[J]. 光電工程，2016，43(3)：7-15. Zhang Tengda, Lu Rongsheng, Zhang Shuzhen. Surface Defect Inspection of TFT-LCD Panels Based on 2D DFT [J]. Opto-Electronic Enginee-ring，2016，43(3)：7-15.

[13] 王新新，徐江偉，鄒偉金，等. TFT-LCD 缺陷檢測系統(tǒng)的研究 [J]. 電子測量與儀器學(xué)報，2014，28(3)：278-284. Wang Xinxin，Xu Jiangwei，Zou Weijin，et al．Research on Detection System for TFT-LCD Defects [J]. Journal of Electronic Measurement and Instrumentation，2014，28(3)：278-284．

[14] Gonzalez R C，Woods R E. Digital Image Process-ing [M]. Upper Saddle River，New Jersey：Pearson Prentice Hall，2008.

[15] Haralick R M. Statistical and Structural Approach-es to Texture[J]. Proceedings of the IEEE, 1979, 67(5):786-804.

[16] 張騰達，盧榮勝.自動周期選取的DFT方法在TFT-LCD平板檢測中的應(yīng)用[J]. 電子測量與儀器學(xué)報，2016，30(3)：361-373. Zhang Tengda，Lu Rongsheng. Automatic Period Selection for DFT Method in the Application of TFT-LCD Panel Detection[J]. Journal of Electronic Measurement and Instrumentation，2016，30(3)：361-373．

(編輯 張 洋)

Automatic NeighborrSelection for One-dimensional DFT Method in the Surface Defect Inspection of TFT-LCD

Zhang Tengda Lu Rongsheng Dang Xueming

Hefei University of Technology，Hefei，230009

In order to obtain neighborrautomatically, each line of a faultless surface image for TFT-LCD panel was preprocessed firstly in the detection of surface defects on TFT-LCD panel. Then thier gray level co-occurrence matrix (GLCM) was calculated, and the homogeneity property of the GLCM was extracted. Finally, the difference of homogeneity was computed, and the optimal neighbor was that level where the difference showed a maximum value. An experimental system of TFT-LCD panel detection was built. The images with various length including integer-period, non-integer-period and non-integer-period filled into integer-period were processed in the experiments. From the acquisition ofr, it may be seen that therfor non-integer-period fills into integer-period is the same as it for integer-period under the same environments. And by applying the results into actual defect detection, the system may detect the defects accurately.

thin film transistor-liquid crystal display; defect detection; gray level co-occurrence matrix; one-dimensional discrete Fourier transform(DFT); neighborr

2016-04-19

國家重大科學(xué)儀器設(shè)備開發(fā)專項資助項目(2013YQ220749)

TP182；TN911.73

10.3969/j.issn.1004-132X.2016.21.010

張騰達，男，1974年生。合肥工業(yè)大學(xué)儀器科學(xué)與光電工程學(xué)院博士研究生、講師。主要研究方向為自動光學(xué)檢測。發(fā)表論文10余篇。盧榮勝(通信作者)，男，1963年生。合肥工業(yè)大學(xué)儀器科學(xué)與光電工程學(xué)院教授、博士研究生導(dǎo)師。黨學(xué)明，男，1973年生。合肥工業(yè)大學(xué)儀器科學(xué)與光電工程學(xué)院副研究員。