显示屏缺陷的检测方法技术

本申请提供了一种显示屏缺陷的检测方法

【技术实现步骤摘要】
显示屏缺陷的检测方法、设备、存储介质、装置及系统


[0001]本申请涉及屏幕检测
，尤其涉及一种显示屏缺陷的检测方法
、
设备
、
存储介质
、
装置及系统
。

技术介绍

[0002]电子设备，如手机的显示屏生产工艺复杂，容易产生各种显示缺陷，如像素缺失缺陷
、
贴合异物缺陷等
。
而手机显示屏的质量直接关系到用户的使用体验，因此手机出厂前，手机厂商都会对显示屏进行缺陷检测
。
[0003]然而，目前的检测方式容易把贴合异物缺陷当作灰尘，进而漏检，导致最终投入市场的显示屏依旧存在缺陷
。
因此，亟需提供一种能够高效且精准地检测出影响显示屏显示的缺陷的检测方法
。

技术实现思路

[0004]为了解决上述技术问题，本申请提供一种显示屏缺陷的检测方法
、
设备
、
存储介质
、
装置及系统，旨在高效且精准地检测出影响显示屏显示的缺陷
。
[0005]第一方面，本申请提供一种显示屏缺陷的检测方法
。
该方法包括：获取大视野相机拍摄的全局大视野图像，全局大视野图像包括待检测的显示屏的图像，全局大视野图像为大视野相机在显示屏处于亮屏状态时拍摄的图像；根据全局大视野图像，确定显示屏包括的异常区域；获取小视野相机拍摄的异常区域的第一小视野图像
、
第二小视野图像和第三小视野图像，第一小视野图像为小视野相机聚焦在显示屏的像素层拍摄的图像，第二小视野图像为小视野相机聚焦在显示屏的玻璃层下方拍摄的图像，第三小视野图像为小视野相机聚焦在显示屏的玻璃层上方拍摄的图像；根据第一小视野图像
、
第二小视野图像和第三小视野图像，确定异常区域是否存在缺陷
。
[0006]其中，大视野相机为视角大，但分辨率低的相机；小视野相机为视角小，但分辨率高的相机
。
[0007]由此，基于大视野相机和小视野相机配合作业的方式，先利用大视野相机拍摄获得包括显示屏的全局大视野图像，基于全局大视野图像进行处理，初步确定可能存在缺陷的异常区域，然后在确定异常区域后，利用小视野相机聚焦在异常区域的像素层
、
玻璃层上方
、
玻璃层下方，分别进行精准拍摄，得到三幅对应不同图层的高分辨率图像，最终基于小视野相机拍摄的三幅不同图层的高分辨率图像进行缺陷检测，从而可以精准地识别出异常区域存在的是缺陷，还是灰尘
。
[0008]根据第一方面，根据第一小视野图像
、
第二小视野图像和第三小视野图像，确定异常区域是否存在缺陷，包括：分别对第一小视野图像
、
第二小视野图像和第三小视野图像进行去纹理预处理，得到去纹理的第一去纹理小视野图像
、
第二去纹理小视野图像和第三去纹理小视野图像；将第一去纹理小视野图像
、
第二去纹理小视野图像和第三去纹理小视野图像组合为一幅三通道图像；根据三通道图像，确定异常区域是否存在缺陷
。
[0009]其中，小视野相机拍摄的小视野图像为像素级的高分辨率图像，因此在图像背景中会存在红（
R
）
、
绿（
G
）
、
蓝（
B
）子像素，以及
R、G、B
子像素相互之间的像素沟壑干扰
。
[0010]由此，通过对小视野图像进行去纹理预处理，具体为过滤掉背景中存在的
R、G、B
子像素，以及它们之间的像素沟壑干扰，从而保证了基于小视野图像确定的缺陷的精准度
。
[0011]根据第一方面，或者以上第一方面的任意一种实现方式，第一小视野图像
、
第二小视野图像和第三小视野图像均为彩色图像；分别对第一小视野图像
、
第二小视野图像和第三小视野图像进行去纹理预处理，得到去纹理的第一去纹理小视野图像
、
第二去纹理小视野图像和第三去纹理小视野图像，包括：将彩色的第一小视野图像分解为三幅单通道的第一小视野灰度图像；将彩色的第二小视野图像分解为三幅单通道的第二小视野灰度图像；将彩色的第三小视野图像分解为三幅单通道的第三小视野灰度图像；基于傅里叶变换，将每一幅第一小视野灰度图像
、
每一幅第二小视野灰度图像和每一幅第三小视野灰度图像，从时域变换到频域；分别对频域下的每一幅第一小视野灰度图像
、
每一幅第二小视野灰度图像和每一幅第三小视野灰度图像的纹理分量进行过滤；基于傅里叶逆变换，将过滤纹路分量后的每一幅第一小视野灰度图像
、
每一幅第二小视野灰度图像和每一幅第三小视野灰度图像，从频域变换回时域；将去纹理的三幅单通道的第一小视野灰度图像，融合为一幅单通道灰度图像，得到去纹理的第一去纹理小视野图像；将去纹理的三幅单通道的第二小视野灰度图像，融合为一幅单通道灰度图像，得到去纹理的第二去纹理小视野图像；将去纹理的三幅单通道的第三小视野灰度图像，融合为一幅单通道灰度图像，得到去纹理的第三去纹理小视野图像
。
[0012]由此，通过将小视野相机聚焦在显示屏的不同层，如像素层
、
玻璃层上方
、
玻璃层下方的每一幅彩色的小视野图像分解为三幅单通道的灰度图像，进而基于傅里叶变换，将每一幅单通道的灰度图像从时域转换到频域，从而可以在频域更好的分析和处理每一幅单通道的灰度图像对应的信号，实现对每一幅单通道灰度图像的去纹理处理，最终再基于傅里叶逆变换从频域转换回时域，然后将同一图层的三幅去纹理的单通道图像融合为一幅单通道的灰度图像，便可以得到每一个图层各自对应的去纹理的灰度图像
。
[0013]根据第一方面，或者以上第一方面的任意一种实现方式，异常区域为显示屏存在缺陷的区域，或者为显示屏存在灰尘的区域，灰尘不属于显示屏的缺陷；根据三通道图像，确定异常区域是否存在缺陷，包括：基于卷积神经网络训练获得的小视野分层模型，对三通道图像进行分析处理，确定异常区域是否是存在灰尘的区域；如果异常区域是存在灰尘的区域，确定异常区域不存在缺陷；如果异常区域不是存在灰尘的区域，确定异常区域存在缺陷
。
[0014]其中，缺陷包括像素缺失缺陷和贴合异物缺陷
。
像素缺失缺陷存在于显示屏的像素层，贴合异物缺陷存在于显示屏的玻璃层下方
。
[0015]灰尘存在于显示屏的玻璃层上方
。
[0016]由此，基于预先训练好的小视野分层模型，通过对小视野相机聚焦在显示屏不同层拍摄的小视野图像进行分层特征的识别，从而可以精准地确定异常发生在哪一层，进而根据灰尘
、
缺陷与显示屏各层之间的关系，便可以快速
、
精准地确定第一区域是否存在缺陷
。
...

【技术保护点】

【技术特征摘要】
1.
一种显示屏缺陷的检测方法，其特征在于，所述方法包括：获取大视野相机拍摄的全局大视野图像，所述全局大视野图像包括待检测的显示屏的图像，所述全局大视野图像为所述大视野相机在所述显示屏处于亮屏状态时拍摄的图像；根据所述全局大视野图像，确定所述显示屏包括的异常区域；获取小视野相机拍摄的所述异常区域的第一小视野图像
、
第二小视野图像和第三小视野图像，所述第一小视野图像为所述小视野相机聚焦在所述显示屏的像素层拍摄的图像，所述第二小视野图像为所述小视野相机聚焦在所述显示屏的玻璃层下方拍摄的图像，所述第三小视野图像为所述小视野相机聚焦在所述显示屏的玻璃层上方拍摄的图像；根据所述第一小视野图像
、
所述第二小视野图像和所述第三小视野图像，确定所述异常区域是否存在缺陷
。2.
根据权利要求1所述的方法，其特征在于，所述根据所述第一小视野图像
、
所述第二小视野图像和所述第三小视野图像，确定所述异常区域是否存在缺陷，包括：分别对所述第一小视野图像
、
所述第二小视野图像和所述第三小视野图像进行去纹理预处理，得到去纹理的第一去纹理小视野图像
、
第二去纹理小视野图像和第三去纹理小视野图像；将所述第一去纹理小视野图像
、
所述第二去纹理小视野图像和所述第三去纹理小视野图像组合为一幅三通道图像；根据所述三通道图像，确定所述异常区域是否存在缺陷
。3.
根据权利要求2所述的方法，其特征在于，所述第一小视野图像
、
所述第二小视野图像和所述第三小视野图像均为彩色图像；所述分别对所述第一小视野图像
、
所述第二小视野图像和所述第三小视野图像进行去纹理预处理，得到去纹理的第一去纹理小视野图像
、
第二去纹理小视野图像和第三去纹理小视野图像，包括：将彩色的所述第一小视野图像分解为三幅单通道的第一小视野灰度图像；将彩色的所述第二小视野图像分解为三幅单通道的第二小视野灰度图像；将彩色的所述第三小视野图像分解为三幅单通道的第三小视野灰度图像；基于傅里叶变换，将每一幅所述第一小视野灰度图像
、
每一幅所述第二小视野灰度图像和每一幅所述第三小视野灰度图像，从时域变换到频域；分别对频域下的每一幅所述第一小视野灰度图像
、
每一幅所述第二小视野灰度图像和每一幅所述第三小视野灰度图像的纹理分量进行过滤；基于傅里叶逆变换，将过滤纹路分量后的每一幅所述第一小视野灰度图像
、
每一幅所述第二小视野灰度图像和每一幅所述第三小视野灰度图像，从频域变换回时域；将去纹理的三幅单通道的所述第一小视野灰度图像，融合为一幅单通道灰度图像，得到去纹理的所述第一去纹理小视野图像；将去纹理的三幅单通道的所述第二小视野灰度图像，融合为一幅单通道灰度图像，得到去纹理的所述第二去纹理小视野图像；将去纹理的三幅单通道的所述第三小视野灰度图像，融合为一幅单通道灰度图像，得到去纹理的所述第三去纹理小视野图像
。4.
根据权利要求2所述的方法，其特征在于，所述异常区域为所述显示屏存在缺陷的区
域，或者为所述显示屏存在灰尘的区域，灰尘不属于所述显示屏的缺陷；所述根据所述三通道图像，确定所述异常区域是否存在缺陷，包括：基于卷积神经网络训练获得的小视野分层模型，对所述三通道图像进行分析处理；在所述小视野分层模型的输出指示所述异常区域对应的异常发生在所述像素层，或者发生在所述玻璃层下方时，确定所述异常区域存在缺陷；在所述小视野分层模型的输出指示所述异常区域对应的异常发生在所述玻璃层上方时，确定所述异常区域存在灰尘
。5.
根据权利要求4所述的方法，其特征在于，基于所述卷积神经网络训练获得所述小视野分层模型，包括：构建小视野分层数据集，所述小视野分层数据集中的每对数据由所述小视野相机聚焦在所述像素层拍摄的图像
、
聚焦在所述玻璃层下方拍摄的图像
、
聚焦在所述玻璃层上方拍摄的图像经去纹理预处理后得到的样本三通道图像，以及所述样本三通道图像对应的标签组成，所述标签包括灰尘标签或缺陷标签；基于卷积神经网络，搭建三通道输入的二分类神经网络；基于所述小视野分层数据集中的数据，对所述三通道输入的二分类神经网络进行反向传播学习缺陷识别特征，至所述三通道输入的二分类神经网络收敛；将收敛的所述三通道输入的二分类神经网络作为所述小视野分层模型
。6.
根据权利要求4所述的方法，其...

【专利技术属性】
技术研发人员：贾筠毅，杨非，
申请(专利权)人：荣耀终端有限公司，
类型：发明
国别省市：