摘要：在項目實踐基礎上，使用機器視覺技術，對采集的圖像采用中值濾波窗口濾除采集過程中的脈沖及椒鹽噪聲；使用自適應大津法分割圖像，在對單元扳在線檢測時，由于工作臺振動造成模組擺放位置與標準模板位置產生偏差，可采用Fomier-Mellin法進行圖像配準，并對配準結果進行雙線性插值法處理，結果表明，該方法能精確確定圖像分割時的閾值，配準結果滿足工廠檢測要求，適用于工業(yè)現(xiàn)場快速實時測量系統(tǒng)，具有較高的推廣價值。
關鍵詞：在線檢測；大津法；雙線性插值；Fomier-Mellin；中值濾波
LED顯示屏產業(yè)現(xiàn)已成為新興的高科技產業(yè)，在各終端設備中已經被廣泛使用，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)光模組質量的高低，LED拼接顯示屏技術作為實現(xiàn)大屏幕的一種方法已經得到了極大的推廣應用，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確的測量和分析。國內對LED單元板的檢測在很大程度上依靠人工完成，使得檢測速度和質量受個人主觀因素影響較大，結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品質量和檔次。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，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)。
用于模組的檢測設備總體由顯示屏驅動控制單元、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8x8點陣LED模組作為檢測模板，如圖2所示。
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。根據(jù)具體應用要求在這些過程中進行折中選擇。處理后，輸出圖像的質量會得到相當程度的改善，便于計算機對圖像進行分析、處理和識別。根據(jù)需求設計的主要算法流程如圖3所示。
2 圖像去噪
在圖像的獲取、采集和傳輸過程中，由CCD輸入轉換器件及周圍環(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重。中值濾波是應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)，由于其不依賴于領域內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3x3模板)，將濾波模板內的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。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，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，但會使圖像變得模湖。文中選用3x3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到圖像分析的關鍵，其目的就是把圖像分割成若干特定的、具有獨特性質的區(qū)域并提取出感興趣的目標。為了減少由于二極管發(fā)光不均勻性帶來的影響，文中采用自適應門限處理技術，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=α0xβ0+α1xβ1。從最小灰度值到最大灰度值依次遍歷t，當t使得類間方差值g=α0x(β0-β)+α1x(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，即可說明構成圖像的兩部分差別越大。當目標錯分為背景或背景錯分為目標時都會導致兩部分差別變小。因此，使類間方差最大化的分割意味著錯分概率最小。直接應用大津法計算量很大，在使用時采用了g的等價公式g=α0xα1x(β0-β)。原始圖像如圖4所示，灰度直方圖如圖5所示，大津法求出最大閾值如圖6所示。
模組圖像用大津法處理后得到的二值化結果如圖7、8所示。
通過圖可以發(fā)現(xiàn)模組圖像直接經過大津法分割后，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：使用結構元素B對集合A進行開運算表達式為；，用B對A進行開運算就是用B對A進行腐蝕，然后用B對結果進行膨脹。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，結果如圖9所示。
4 圖像配準
4．1 Fourler-Mellin圖像配準
在LED模組的檢測過程中，模組擺放位置的變化必將導致待測圖像與標準模板圖像之間存在著差異，對下一步檢測的準確性將產生不可預計的影響。在實際情況中，可能存在著旋轉縮放等使問題。文中使用Fourier-Mellin圖像配準算法，該算法是一種經典的基于非特征的圖像配準算法，考慮被配準的兩幅圖像s(x，y)和r(x，y)，其中s(x，y)是r(x，y)經過平移、旋轉和一定尺度縮放變換后的圖像，即
式中|．|表示頻譜幅度?？梢钥闯?，α(旋轉角度)和σ(縮放因子)可以和平移量(x0，y0)分離計算。分析可知頻譜幅度僅與α和σ有關，而與平移量(x0，y0)無關，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為整數(shù)，而輸出圖像的位置坐標為非整數(shù)，這就需要對變換后的圖像進行重新采樣和插值處理。文中使用雙線性插值法對圖像進行插值處理。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，可使的插值結果較為平滑，可能會使圖像的細節(jié)產生退化，也可能會使得到圖像表面在領域邊界處溫和，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。結果如圖10、11、12所示。
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)第二類最小風險貝葉斯決策規(guī)則，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)的概事大小，又考慮了因誤判造成的損失大小，判別能力強，規(guī)則如下：
為將失控點檢測并表示出來，將失控點用框子框出來，檢測結果如圖13、14、15所示。
檢測結果應當保存，以便做相應的統(tǒng)計分析，將檢測結果自動保存到數(shù)據(jù)庫中，就可以快速的查找及分析，結果如表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 結論
依據(jù)顯示屏模組的檢測要求，設計了系統(tǒng)將機器視覺技術融入到對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模組的快速品質檢測，滿足客戶的檢測要求，在LED單元板快速現(xiàn)場檢測領域必將具有較大的應用市場。
下載文檔
