基于图像处理方法的液晶显示器表面缺陷检测设计.docx

基于图像处理方法的液晶显示器表面缺陷检测设计.docx

《基于图像处理方法的液晶显示器表面缺陷检测设计.docx》由会员分享，可在线阅读，更多相关《基于图像处理方法的液晶显示器表面缺陷检测设计.docx（13页珍藏版）》请在冰豆网上搜索。

基于图像处理方法的液晶显示器表面缺陷检测设计基于图像处理方法的液晶显示器表面缺陷检测设计基于图像处理方法的液晶显示器表面缺陷检测设计课程设计任务书学生姓名：

专业班级：

指导教师：

工作单位：

题目：

基于图像处理方法的液晶显示器表面缺陷检测设计初始条件：

数字图像处理技术在很多方面均可得到应用。

在液晶显示器的生产过程中，由于工艺及环境的原因可能导致液晶显示屏的某些显示缺陷；为了提高检测效率及准确性，研制有效的液晶屏自动检测系统十分必要。

要求完成的主要任务：

（包括课程设计工作量及其技术要求，以及说明书撰写等具体要求）

（1）选择液晶显示屏有缺陷的图像作为分析对象，或自行模拟相应图像，缺陷种类应至少包括点缺陷、线缺陷；

（2）完成液晶屏图像表面缺陷的图像预处理，包括图像滤波等；（3）完成图像的分割、边缘提取和目标提取等；（4）完成图像的特征提取和识别实现；（5）给出相应程序，并给出每一步的仿真处理结果及分析。

时间安排：

（1）课程设计时间为两周；设计需要的硬件和软件、答辩、验收。

指导教师签名：

年月日系主任（或责任教师）签名：

年月日摘要进入信息时代，信息显示技术在人们社会活动和日常生活中的作用日益剧增，液晶显示屏（LCD-LiquidCrystalDisplay）具有高分辨率、高亮度和无几何变形、纤薄轻小和低耗能，调节屏幕方便等等诸多优点。

因此液晶显示器在我们的生活中的运用也越来越广泛，主要运用于我们的PC显示和数码显示等。

但由于工艺及环境因素会导致液晶显示屏存在显示缺陷。

如：

点缺陷，线缺陷，及面缺陷。

关键词：

LCD点缺陷线缺陷面缺陷1.设计准备1.1液晶显示屏缺陷分析液晶屏主要由滤光片、偏光板、玻璃、冷阴极荧光灯组合而成，液晶面板由众多的显示点组成，靠每个显示点上的液晶材料在电信号控制下改变光的折射率成像的。

显示器的缺陷主要分为点缺陷，线缺陷和面缺陷。

还有其他的缺陷如偏光片缺陷和显示功能缺陷等。

点缺陷点缺陷即为某个子像素有缺陷。

包括由于TFT的电极短路或者开路引起的子像素功能缺陷，也包括在前期的阵列工程中由于一些杂物或导电颗粒引起的点缺陷。

线缺陷包括由于短路或者开路或者其他原因引起的整行或者整列子像素的功能不全，也包括由于某列子像素中部分子像素功能不全引起的部分线缺陷，还包括不稳定的线缺陷。

面缺陷是与点、线两种缺陷完全不同类型的缺陷，它无同定的形状和尺寸，必须在暗室下为TFT-LCD提供特定的背景亮度才能够将其辨认，产生面缺陷的原因有：

液晶分子配向不均匀，TFT漏电不均匀和背光源发光不均匀等。

这些显示缺陷的产生对显示器的显示造成了很大的干扰，对日常生活、生产有不小的负面影响。

所以，对于显示缺陷的检测是非常重要的。

目前对缺陷的检测主要依靠人工，为了提高检测效率及准确性，研制有效的液晶屏自动检测系统十分必要。

1.2检测分析工具MATLAB简介MATLAB用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境，它将数值分析、矩阵计算、科学数据可视化以及非线性动态系统的建模和仿真等诸多强大功能集于一体，为科学研究、工程设计以及必须进行有效数值计算的众多科学领域提供了一种全面的解决方案，并在很大程度上摆脱了传统非交互式程序设计语言（如C、Fortran）的编辑模式。

本次主要是利用马matlab进行数字图像处理。

2.设计原理2.1数字图像处理原理数字图像处理（DigitalImageProcessing）是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。

图像处理工具箱提供一套全方位的参照标准算法和图形工具，用于进行图像处理、分析、可视化和算法开发。

可用其对有噪图像或退化图像进行去噪或还原、增强图像以获得更高清晰度、提取特征、分析形状和纹理以及对两个图像进行匹配。

工具箱中大部分函数均以开放式MATLAB语言编写。

这意味着可以检查算法、修改源代码和创建自定义函数。

图像处理在各个领域都得到了广泛的运用。

图像处理的目的主要是

（1）提高图像的视感质量

（2）提取图像中所包含的某些特征或特殊信息，为计算机分析图像提供便利。

（3）图像数据的变换、编码和压缩。

图像处理常用方法：

图像变换，压缩编码，增强复原和图像分割等。

图像处理常用工具：

（1）各种正交变换和图像滤波等方法，其是将图像变换到其它域（如频域）中进行处理（如滤波）后，再变换到原来的空间（域）中。

（2）是直接在空间域中处理图像，它包括各种统计方法、微分方法及其它数学方法。

（3）是数学形态学运算，它不同于常用的频域和空域的方法，是建立在积分几何和随机集合论的基础上的运算.2.2方案设计内容及原理2.2.1.设计内容：

（1）选择液晶显示屏有缺陷的图像作为分析对象，或自行模拟相应图像，缺陷种类应至少包括点缺陷、线缺陷；

（2）完成液晶屏图像表面缺陷的图像预处理，包括图像滤波等；（3）完成图像的分割、边缘提取和目标提取等；（4）完成图像的特征提取和识别实现；（5）给出相应程序，并给出每一步的仿真处理结果及分析。

2.2.2.设计原理：

本次设计是要自动检测出显示图像的缺陷，于是采取的方案是将图像先进行中值滤波预处理。

然后通过选取阈值为灰度的平均值加常数h=1015对图像进行二值化处理，之后再通过帧运算过滤噪声、数学形态滤波去噪以及边缘处理等手段将缺陷目标提取出来。

提取出的缺陷目标为白色，无缺陷的地方为黑色，这样就完成了将要检测的缺陷提取的目的。

之后就是将提取的目标进行坐标定位，个数以及大小计算等。

3.程序3.1源程序I=imread（mian.jpg）;%读取原始图片I=rgb2gray（I）;J=medfilt2（I,3,3）;%进行中值滤波J=medfilt2（J,3,3）;%进行中值滤波J=medfilt2（J,3,3）;%进行中值滤波subplot（2,2,1）,imshow（I）,title（原图像）;subplot（2,2,2）,imshow（J）;title（中值滤波后图像）;%显示中值滤波后图像subplot（2,2,3）,imhist（I）,title（原图像的直方图）;%显示原图像的直方图subplot（2,2,4）,imhist（J）,title（中值滤波后图像的直方图）;%显示中值滤波后图像的直方图%选取阈值为所有像素的灰度的平均值加常数h=1015对图像进行二值化处理%灰度值大于的为白色，小于的为黑色J1=J;J2=mean2（J）+15;K=find（J=J2）;J（K）=255;figure,subplot（1,2,1）,imshow（J）,title（BinaryImage）;%显示二值化后图像J3=mean2（J1）+10;K=find（J1=J3）;J1（K）=255;subplot（1,2,2）,imshow（J1）,title（BinaryImage）;%显示二值化后图像K1=bitand（J,J1）;%位与figure,imshow（K1）,title（帧运算过滤噪声后图像）;%数学形态滤波se=strel（square,3）;%生成放心结构元素K2=imerode（K1,se）;%执行腐蚀figure,imshow（K2）;K2=imdilate（K2,se）;%执行膨胀figure,imshow（K2）,title（数学形态学滤波后图像）;J2=double（K1）;mn=size（J2）;%图像的大小（长和宽）s=0;c=0;k=1;fori=1:

m-1forj=1:

n-1ifJ2（i,j）=255s=s+1;a（k）=j;b（k）=i;k=k+1;endendendc=0;ifs=0pt=sprintf（不存在缺陷）;disp（pt）elseifs/（7*2*n）0.8fori=1:

n-1ifb（i+7+n）-b（i+n）=0ifa（i+1+n）-a（i+n）=1ifi=n-1pt=sprintf（存在横向的线缺陷）;disp（pt）st=sprintf（线缺陷的面积S=%8.5f,n*7）;disp（st）at=sprintf（线缺陷的长度L=%8.5f,n）;disp（at）ct=sprintf（线缺陷的个数c=%8f,round（s/（7*n）;disp（ct）forj=1:

round（s/（7*n）yt=sprintf（线缺陷的坐标y=%8.5f,b（1+7*n*（j-1）+3）;disp（yt）yt=sprintf（在液晶屏中线缺陷的坐标y=%8.5f,（b（1+7*n*（j-1）+3）/m*10*2）;disp（yt）endendendendendelseifs/（7*2*m）0.8fork=1:

round（s/（7*m）fori=1:

m-1ifa（i+7*k）-a（i）=0ifb（i+7*k）-b（i）=1ifi=m-1pt=sprintf（存在纵向的线缺陷）;disp（pt）st=sprintf（线缺陷的面积S=%8.5f,m*7）;disp（st）at=sprintf（线缺陷的长度L=%8.5f,m）;disp（at）ct=sprintf（线缺陷的个数c=%8f,k）;disp（ct）forj=1:

kxt=sprintf（线缺陷的坐标x=%8.5f,a（1+7*（j-1）+3）;disp（xt）xt=sprintf（在液晶屏中线缺陷的坐标x=%8.5f,（a（1+7*（j-1）+3）/n*15*2）;disp（xt）endendendendendendelseifsnfort=1:

round（s/（7*m）fori=1:

m-1ifa（i+7*t）-a（i）=0ifb（i+7*t）-b（i）=1ifi=m-1pt=sprintf（存在纵向的线缺陷）;disp（pt）st=sprintf（线缺陷的面积S=%8.5f,s）;disp（st）at=sprintf（线缺陷的长度L=%8.5f,m）;disp（at）ct=sprintf（线缺陷的个数c=%8f,t）;disp（ct）forj=1:

txt=sprintf（线缺陷的坐标x=%8.5f,a（1+7*（j-1）+3）;disp（xt）xt=sprintf（在液晶屏中线缺陷的坐标x=%8.5f,（a（1+7*（j-1）+3）/n*15*2）;disp（xt）endendendendendendfori=1:

n-1ifb（i+7+n）-b（i+n）=0ifa（i+1+n）-a（i+n）=1ifi=n-1if（a（k-7）-a（12）n-10pt=sprintf（存在横向的线缺陷）;disp（pt）st=sprintf（线缺陷面积S=%8.5f,n*7）;disp（st）at=sprintf（线缺陷长度L=%8.5f,n）;disp（at）ct=sprintf（线缺陷个数c=%8f,round（s/（7*n）;disp（ct）forj=1:

round（s/（7*n）yt=sprintf（线缺陷坐标y=%8.5f,b（1+7*n*（j-1）+3）;disp（yt）yt=sprintf（在液晶屏中线缺陷的坐标y=%8.5f,（b（1+7*n*（j-1）+3）/m*10*2）;disp（yt）endelseif（a（k-1）-a

（1）nif（b（k-1）-b

（1）nif（a（k-1）-a

（1）nif（b（k-1）-b

（1）mpt=sprintf（存在面缺陷）;disp（pt）st=sprintf（面缺陷的面积S=%8.5f,s）;disp（st）at=sprintf（面缺陷长a=%8.5f,（a（k-1）-a

（1）/n.*15*2）;disp（at）bt=sprintf（面缺陷宽b=%8.5f,（b（k-1）-b

（1）/m.*10*2）;disp（bt）xt=sprintf（面缺陷起始点横坐标x=%8.5f,a

（1）/n.*15*2）;disp（xt）yt=sprintf（面缺陷起始点纵坐标y=%8.5f,b

（1）/m.*10*2）;disp（yt）endendelsept=sprintf（存在点缺陷）;disp（pt）nt=sprintf（图像的长n=%8.5f,n）;disp（nt）%图像的长和宽mt=sprintf（图像的宽m=%8.5f,m）;disp（mt）c=round（s/21）;%显示缺陷的个数ct=sprintf（缺陷个数c=%8.5f,c）;disp（ct）%显示图像的位置fori=1:

c%检测图像中点缺陷中心像素的横坐标at=sprintf（缺陷横坐标%8.5f,a（1+21*（i-1）+1）;disp（at）%检测图像中点缺陷中心像素的纵坐标bt=sprintf（缺陷纵坐标%8.5f,b（1+21*（i-1）+2）;disp（bt）x=（a（1+21*（i-1）+1）/n.*15*2;xt=sprintf（液晶屏中缺陷的横坐标%8.5f,x）;disp（xt）%液晶屏中点缺陷的横坐标，以液晶屏的左上角为原点，检测图片%的长度是15cmy=（b（1+21*（i-1）+2）/m.*10*2;yt=sprintf（液晶屏中缺陷纵坐标%8.5f,y）;disp（yt）%液晶屏中点缺陷的纵坐标，检测图片的宽度为10cmendendendendendend4.图像处理结果4.1点缺陷处理结果

（1）原图与中值滤波后的图像：

（2）二值化后的图像：

（3）帧运算过滤噪声后的图像：

（4）数学形态学滤波后的图像：

（5）点缺陷个数及坐标结果4.2线缺陷处理结果

（1）原图与中值滤波后的图像：

（2）二值化后的图像：

4.3面缺陷处理结果4.4.分析结果：

从以上图中可以看出，无论是点、线或者面缺陷，都是先经过中值滤波来平滑噪声，然后通过二值化处理初步分离出缺陷目标，之后再通过帧运算、数学形态学滤波过滤噪声以及边缘处理等最终将缺陷目标提取。

然后计算提取目标的大小形状来判断缺陷种类，最后给出缺陷的种类、个数、坐标位置以及大小。

基本上完成图像的特征处理和识别。

5.心得体会本次课设是通过matlab来完成对液晶显示器存在缺陷的分析及检测。

我的方法及思路是用MATLAB对有缺陷的图像进行中值滤波，然后对平均灰度加上一定的数值进行中值处理，最后在通过帧运算过滤噪声、数学形态滤波去噪以及边缘处理等手段将缺陷目标提取出来。

通过这次课设，我通过查阅图书和网络资料学习了MATLAB的基本历史，应用环境和使用方法。

不仅对matlab有了更深一步的了解和学习，也是对matlab软件使用的复习，我也认识到MATLAB这款专业软件功能的强大。

这次课设是结合了图像信号处理，也让我更进一步了解了图像处理工具的强大，也加深了我对MATLAB软件的认识与学习。

这次的课设是利用matlab设计仿真，相对于来说是比较容易的。

通过这次的课程设计，我的自主学习的能力有了很大的提高，知识与应用相结合更助于提高了我的学习热情。

参考文献1杨杰编数字图像处理及MATLAB实现，电子工业出版社，2011年1月2苏金明，王永利编Matlab7.0使用指南，电子工业出版社，2004年11月3薛定宇陈阳泉编基于matlab/simulink的系统仿真技术与应用，清华大学出版社2002年4RafacelC.Gonzalez、RichardE.Woods电子工业出版社，2011年7月5许录平编著，数字图像处理，北京：

科学出版社2007年10月本科生课程设计成绩测定表姓名性别专业、班级课程设计题目：

基于图像处理方法的液晶显示器表面缺陷检测设计课程设计答辩或质疑记录：

1.问题：

答案2.问题：

答案：

3.问题：

答案：

成绩评定依据：

最终评定成绩（以优、良、中、及格、不及格评定）指导教师签字：

年月日