數(shù)字圖像處理專(zhuān)業(yè)課設(shè)

1、目錄一、引言 2二、TFTLCD屏顯示缺陷檢測(cè)系統(tǒng)的構(gòu)成及實(shí)現(xiàn) 3三、基于MATLAB的檢測(cè)系統(tǒng)算法43.1 圖像預(yù)處理43.2 圖像的分割與邊緣提取6 3.3 特征提取與識(shí)別實(shí)現(xiàn)14四、心得體會(huì)24五、參考文獻(xiàn)25一、引言近年來(lái)，液晶顯示技術(shù)的發(fā)展，有了質(zhì)的飛躍。在大面積玻璃基板上以微米級(jí)的精度制作幾十萬(wàn)到幾百萬(wàn)個(gè)極微小的TFT開(kāi)關(guān)元件和幾千條幾微米寬的掃描線和信號(hào)線，其制作難度已超過(guò)超大規(guī)模集成電路，并且此問(wèn)題僅靠提高凈室級(jí)別和制作工藝的自動(dòng)化程度是解決不了的。對(duì)TLCD屏的缺陷進(jìn)行激光修補(bǔ)采用冗余技術(shù)是提高其成品率的重要手段，而要進(jìn)行缺陷修補(bǔ)，首先得確定缺陷的類(lèi)型和精確位置，這就需要相應(yīng)

2、的缺陷檢測(cè)技術(shù)。液晶顯示器的缺陷主要包括來(lái)自圖像顯示質(zhì)量方面的軟性缺陷和來(lái)自TFT陣列的硬性缺陷。在來(lái)自TFT陣列的缺陷中，若按其成因可分為短路缺陷和斷路缺陷；若按其顯示效果則可分為點(diǎn)缺陷和線缺陷。目前成品的一般定義為：不能有線缺陷，允許有23個(gè)點(diǎn)缺陷。液晶顯示器的缺陷是多種多樣的，其產(chǎn)生的原岡也各不相同，其中TFT陣列的缺陷主要來(lái)自鍍膜工藝和光刻工藝。在上述缺陷中，有些通過(guò)提高凈室級(jí)別和工藝的自動(dòng)化程度以及嚴(yán)格的工藝監(jiān)控、管理是可以避免的，有些則可通過(guò)工藝方法的改進(jìn)和工藝參數(shù)的優(yōu)化預(yù)以避免，但對(duì)大量的TFT陣列的短斷路缺陷則需利用冗余技術(shù)和修補(bǔ)來(lái)消除。不管采用何種方法解決上述缺陷，首先必須要

3、能夠檢測(cè)出這些缺陷，這就需要相應(yīng)的缺陷檢測(cè)設(shè)備。TFT-LCD屏的缺陷檢測(cè)主要有四個(gè)目的。一是用于缺陷的統(tǒng)計(jì)分析，找出常見(jiàn)的缺陷及其產(chǎn)生的原因，分析設(shè)計(jì)、制作中的薄弱環(huán)節(jié)，以便優(yōu)化結(jié)構(gòu)設(shè)計(jì)和制作工藝；二是用于工藝的監(jiān)控、管理，發(fā)現(xiàn)問(wèn)題所在，及時(shí)調(diào)整工藝參數(shù)，抑制缺陷的產(chǎn)生；三是淘汰不合格產(chǎn)品，以免不合格的TFT-LCD屏被裝上啟動(dòng)電路，造成不必要的浪費(fèi)，從而降低成本；四是用于缺陷修補(bǔ)。目前TFT-LCD制作工藝中與缺陷有關(guān)的檢查主要有：玻璃基板的檢查清洗效果的檢查、導(dǎo)電薄膜的檢查、非晶薄膜的檢查、TFT陣列的檢測(cè)、摩擦取向后的檢測(cè)公共電極板的檢測(cè)、LCD封盒過(guò)程的檢測(cè)及TFT-LCD模塊組裝過(guò)

4、程的檢測(cè)。檢測(cè)TFT-LCD屏缺陷的方法有以下三種：人工視覺(jué)檢查法(Human Visual Inspection，HVI)、自動(dòng)視覺(jué)檢查法(Automated Vi一8ual Inspection，AVI和電學(xué)參數(shù)檢測(cè)法。本文所介紹的檢測(cè)系統(tǒng)基于機(jī)器視覺(jué)檢查法構(gòu)建。二、TFTLCD屏顯示缺陷檢測(cè)系統(tǒng)的構(gòu)成及實(shí)現(xiàn)本文建立的檢測(cè)系統(tǒng)以計(jì)算機(jī)視覺(jué)為基礎(chǔ), ，以MATLAB和為軟件開(kāi)發(fā)工具，系統(tǒng)組成部分主要包括TFT-LCD屏,計(jì)算機(jī),攝像機(jī),如圖1所示。即先通過(guò)攝像機(jī)(例如CCD)先對(duì)待檢測(cè)的TFT-LCD進(jìn)行圖像采集，然后進(jìn)行圖像處理，通過(guò)圖像處理判斷待檢測(cè)的TFT-LCD是否存在缺陷，并確定缺

5、陷的具體位置。 圖1 TFTLCD屏顯示缺陷檢測(cè)系統(tǒng)構(gòu)成 系統(tǒng)先通過(guò)圖像采集系統(tǒng)對(duì)TFT-LCD進(jìn)行圖像采集，然后通過(guò)圖像處理的方法實(shí)現(xiàn)對(duì)缺陷的檢測(cè)定位。具體的分四步實(shí)現(xiàn)缺陷檢測(cè)：1先對(duì)圖像進(jìn)行預(yù)處理，即根據(jù)亮度不均勻中存在的特點(diǎn)，先對(duì)圖像進(jìn)行平滑抽樣，再根據(jù)亮度的不同對(duì)圖像進(jìn)行區(qū)域劃分,克服光照不均勻存的困難，同時(shí)在一定程度提高系統(tǒng)的實(shí)時(shí)性。2圖像經(jīng)過(guò)第一次分割后被分成N(N=l，2，3，)幅小圖像。根據(jù)分割條件，小圖像內(nèi)的亮度是均勻的。3經(jīng)過(guò)分類(lèi)后的圖像區(qū)域，由于相似區(qū)域存在近似的特征，可對(duì)區(qū)域的特點(diǎn)進(jìn)行分析，并根據(jù)區(qū)域的特點(diǎn)對(duì)各個(gè)區(qū)域進(jìn)行特征提取。4由于圖像間存在一定的差異性，同一幅圖像

6、中的亮度也存在差異性，因此在經(jīng)過(guò)特征提取后，對(duì)缺陷進(jìn)行識(shí)別定位。三、 基于MATLAB的檢測(cè)系統(tǒng)算法3.1 圖像預(yù)處理利用光學(xué)的方法對(duì)TFT-LCD液晶顯示器的表面缺陷進(jìn)行檢測(cè)定位，首先必通過(guò)圖像采集系統(tǒng)獲取圖像，然后進(jìn)行圖像處理，實(shí)現(xiàn)對(duì)缺陷進(jìn)行識(shí)別定位。由于圖像采集系統(tǒng)攝像頭的物理特性，使得獲取到的圖像存在亮度不均勻、圖像內(nèi)部存在非周期性等困難?？朔D像亮度不均勻的困難是本系統(tǒng)必須解決的首要問(wèn)題。它直接影響到后面對(duì)缺陷的檢測(cè)定位。經(jīng)過(guò)分析發(fā)現(xiàn)，雖然圖像存在亮度不均勻的不利影響，但這種不均勻性一般呈現(xiàn)出中間比較亮，四周比較暗的特點(diǎn)，同時(shí)，經(jīng)過(guò)實(shí)驗(yàn)發(fā)現(xiàn)，圖像的亮度變化是漸變的?？赏ㄟ^(guò)基于“平滑濾

7、波”的辦法，實(shí)現(xiàn)圖像的區(qū)域劃分，消除亮度不均勻的影響。程序設(shè)計(jì)圖2如下： 圖2具體程序如下:I=imread('xian.jpg');%讀取原始圖片I=rgb2gray(I);J=medfilt2(I,3,3);%進(jìn)行中值濾波J=medfilt2(J,3,3);%進(jìn)行中值濾波J=medfilt2(J,3,3);%進(jìn)行中值濾波subplot(2,2,1),imshow(I),title('原圖像');subplot(2,2,2),imshow(J);title('中值濾波后圖像');%顯示中值濾波后圖像subplot(2,2,3),imhist(I

8、),title('原圖像的直方圖');%顯示原圖像的直方圖subplot(2,2,4),imhist(J),title('中值濾波后圖像的直方圖');%顯示中值濾波后圖像的直方圖圖3和圖4分別是點(diǎn)缺陷和線缺陷原圖像與濾波后圖像 圖3 點(diǎn)缺陷原圖像與濾波后圖像 圖4 點(diǎn)缺陷原圖像與濾波后圖像經(jīng)過(guò)中值濾波后的圖像，圖像的數(shù)據(jù)大大減少。同時(shí)，由于抽樣后的某一點(diǎn)的灰度值是該區(qū)域內(nèi)象素點(diǎn)的平均值，它所反映的是該區(qū)域整體的亮度情況，消除了原圖像中點(diǎn)的亮度對(duì)分割閾值的設(shè)置的影響，這就克服了圖像內(nèi)部象素點(diǎn)明暗相隔造成的分割閾值難以設(shè)定的困難。3.2 圖像的分割與邊緣提取通過(guò)圖像

9、采集系統(tǒng)獲取的TFT-LCD圖像，由于攝像頭的物理特性，使得圖像出現(xiàn)了亮度不均勻，內(nèi)部失去周期性等不利因素。利用縮小攝像頭與TFT-LCD的距離，可以在一定程度上克服以上困難。根據(jù)特點(diǎn)設(shè)計(jì)圖像分割算法，最后根據(jù)分割的結(jié)果，對(duì)分割后的圖像區(qū)域進(jìn)行分類(lèi)，克服非周期性的不利影響，為實(shí)現(xiàn)缺陷檢測(cè)定位做進(jìn)一步準(zhǔn)備。從大的方面來(lái)說(shuō)，圖像分割方法可大致分為基于邊緣的方法，基于區(qū)域的方法和基于邊緣和區(qū)域結(jié)合的方法?；谶吘墮z測(cè)的分割，基本思想是先檢測(cè)圖像中的邊緣點(diǎn)，并按一定策略連接成輪廓，從而構(gòu)成分割區(qū)域。該方法首先利用邊緣檢測(cè)算子找到圖像的邊緣，常見(jiàn)的邊緣檢測(cè)算子有Roberts算子、Laplace算子、P

10、rewit算子、Sobel算子、Kirsch算子、Log算-子和Canny算子等。基于區(qū)域的分割，該方法的基本思想是將具有相似性質(zhì)的像素集合起來(lái)構(gòu)成區(qū)域，即將圖像劃分為具有最大一致性的區(qū)域，其一致性準(zhǔn)則可基于灰度、色彩、紋理、形狀或模型等。常見(jiàn)的方法包括區(qū)域生長(zhǎng)法、區(qū)域分裂法、區(qū)域生長(zhǎng)與分裂法和分水嶺分割法。閾值分割指一種區(qū)域分割技術(shù),它適用于物體與背景有較強(qiáng)對(duì)比的景物分割。如果受關(guān)注的物體在其內(nèi)部具有均勻一致的灰度值并分布在一個(gè)具有另一個(gè)灰度值的均勻背景上，使用閾值方法效果很好。下面選用的是閾值分割技術(shù)對(duì)圖像進(jìn)行二值化處理，并應(yīng)用Sobel和Roberts算子進(jìn)行邊緣檢測(cè)。程序設(shè)計(jì)圖5如下：

11、 圖5具體程序如下：%選取閾值為所有像素的灰度的平均值加常數(shù)h=1015對(duì)圖像進(jìn)行二值化處理%灰度值大于的為白色，小于的為黑色J1=J;J2=mean2(J)+15;K=find(J<J2);J(K)=mean2(J);K=find(J>=J2);J(K)=255;figure,subplot(1,2,1),imshow(J),title('Binary Image');%顯示二值化后圖像J3=mean2(J1)+10;K=find(J1<J3);J1(K)=mean2(J1);K=find(J1>=J3);J1(K)=255;subplot(1,2,2

12、),imshow(J1),title('Binary Image');%顯示二值化后圖像bw1=edge（J，sobel）； %進(jìn)行邊緣檢測(cè)bw2=edge（J，roberts）；figuresubplot（2，2，1）imshow（bw1）xlabel（sobel）subplot（2，2，2）imshow（bw2）xlabel（roberts）圖6和圖7是兩幅經(jīng)過(guò)二值化、縮小后的圖像圖6 圖7圖6 、7是兩幅經(jīng)過(guò)二值化、縮小后的圖像。根據(jù)給定的不同閾值，其二值化的結(jié)果存在漸變的現(xiàn)象。圖4二值化的結(jié)果是漸變的。圖5中亮度的變化有的是漸變的，有的出現(xiàn)突變，這種亮度不均勻給后面的缺

13、陷檢測(cè)帶來(lái)了很大的困難。如果圖像中的各個(gè)區(qū)域的亮度是均勻的，那么在對(duì)圖像中的缺陷進(jìn)行檢測(cè)的時(shí)候，將可以直接深入到圖像的內(nèi)部結(jié)構(gòu)，分析圖像的內(nèi)部特點(diǎn)，直接根據(jù)特點(diǎn)設(shè)計(jì)算法對(duì)缺陷進(jìn)行檢測(cè)。為了使對(duì)缺陷的檢測(cè)能夠在亮度均勻的區(qū)域內(nèi)進(jìn)行，可通過(guò)對(duì)圖像進(jìn)行區(qū)域劃分，將圖像劃分成各個(gè)內(nèi)部亮度均勻的小圖像。再對(duì)各個(gè)內(nèi)部亮度均勻的小圖像分別進(jìn)行缺陷檢測(cè)。圖8和圖 9是兩幅經(jīng)過(guò)邊緣檢測(cè)后的圖像圖9二值圖像是只有兩個(gè)灰度級(jí)的圖像，如果出事的分割不夠令人滿意，對(duì)二值圖像進(jìn)行數(shù)學(xué)形態(tài)學(xué)圖像處理能提高其質(zhì)量。數(shù)學(xué)形態(tài)學(xué)在圖像預(yù)處理中應(yīng)用方面的技術(shù)特點(diǎn)，利用二值或灰度數(shù)學(xué)形態(tài)學(xué)基本運(yùn)算,可得到一系列數(shù)學(xué)形態(tài)學(xué)實(shí)用算法,在

14、噪聲濾除、邊緣檢測(cè)以及斷點(diǎn)連接等圖像預(yù)處理中具有較好優(yōu)勢(shì)。程序設(shè)計(jì)圖10如下： 圖10程序如下：K1=bitand(J,J1);%位與figure,imshow(K1),title('幀運(yùn)算過(guò)濾噪聲后圖像');%數(shù)學(xué)形態(tài)濾波se=strel('square',3);%生成放行結(jié)構(gòu)元素K2=imerode(K1,se);%執(zhí)行腐蝕figure,imshow(K2);K2=imdilate(K2,se);%執(zhí)行膨脹figure,imshow(K2),title('數(shù)學(xué)形態(tài)學(xué)濾波后圖像');圖11 、12 、13 、14 、15 、16是數(shù)學(xué)形態(tài)學(xué)圖像

15、處理后的圖像 圖11 幀運(yùn)算過(guò)濾噪聲 圖12 腐蝕 圖13 數(shù)學(xué)形態(tài)學(xué)濾波后圖像 圖14 幀運(yùn)算過(guò)濾噪聲后圖像圖15 腐蝕圖16 數(shù)學(xué)形態(tài)學(xué)濾波后圖像結(jié)果發(fā)現(xiàn)問(wèn)題，數(shù)學(xué)形態(tài)學(xué)濾波能較好的濾除躁聲。作為一種非線性濾波技術(shù),數(shù)學(xué)形態(tài)學(xué)濾波具有潛在的高并行性和較好的結(jié)構(gòu)濾波性質(zhì)。同時(shí),數(shù)學(xué)形態(tài)學(xué)濾波是嚴(yán)格的局部算子,這使得數(shù)學(xué)上的分析能夠與實(shí)際處理很好地吻合。3.3 特征提取與識(shí)別實(shí)現(xiàn)圖像特征的表示和描述是圖像識(shí)別和圖像檢索等應(yīng)用的前期步驟，包括區(qū)域的亮度、邊緣的輪廓、紋理或色彩。有些是需要通過(guò)變換或測(cè)量才能得到的人為特征，如變換頻譜、直方圖、矩等。為了準(zhǔn)確獲取圖像中的缺陷區(qū)域，必須分析圖像特征，然

16、后將這些特征用數(shù)學(xué)的方法表示出來(lái)，并利用這些特征來(lái)設(shè)計(jì)相應(yīng)的識(shí)別算法獲取圖像中的缺陷區(qū)域。根據(jù)圖像中缺陷區(qū)域存在亮度突變的特點(diǎn)，對(duì)區(qū)域進(jìn)行有效的特征提取，并根據(jù)特征向量對(duì)缺陷進(jìn)行檢測(cè)定位。在這里主要簡(jiǎn)單的對(duì)圖像亮度特性進(jìn)行特征提取，并根據(jù)亮點(diǎn)的分布對(duì)缺陷進(jìn)行有效識(shí)別。程序設(shè)計(jì)圖17如下：圖17程序設(shè)計(jì)如下：J2=double(K1);m n=size(J2); %圖像的大?。ㄩL(zhǎng)和寬）s=0;c=0;k=1;for i=1:m-1 for j=1:n-1 if J2(i,j)=255 s=s+1;a(k)=j;b(k)=i; k=k+1; end endendc=0;if s=0 pt=spri

17、ntf('不存在缺陷');disp(pt)else if s/(7*2*n)>0.8 for i=1:n-1 if b(i+7+n)-b(i+n)=0 if a(i+1+n)-a(i+n)=1 if i=n-1 pt=sprintf('存在橫向的線缺陷');disp(pt) st=sprintf('線缺陷的面積S=%8.5f',n*7);disp(st) at=sprintf('線缺陷的長(zhǎng)度L=%8.5f',n);disp(at) ct=sprintf('線缺陷的個(gè)c=%8f',round(s/(7*n);d

18、isp(ct)for j=1:round(s/(7*n)yt=sprintf('線缺陷的坐標(biāo)y=%8.5f',b(1+7*n*(j-1)+3);disp(yt) yt=sprintf('在液晶屏中線缺陷的坐標(biāo)y=%8.5f',(b(1+7*n*(j-1)+3)/m*10*2);disp(yt) end end end end endelse if s/(7*2*m)>0.8 for k=1:round(s/(7*m) for i=1:m-1 if a(i+7*k)-a(i)=0 if b(i+7*k)-b(i)=1 if i=m-1pt=sprintf(&

19、#39;存在縱向的線缺陷');disp(pt) st=sprintf('線缺陷的面積S=%8.5f',m*7);disp(st)at=sprintf('線缺陷的長(zhǎng)度L=%8.5f',m);disp(at) ct=sprintf('線缺陷的個(gè)數(shù)c=%8f',k);disp(ct)for j=1:kxt=sprintf('線缺陷的坐標(biāo)x=%8.5f',a(1+7*(j-1)+3);disp(xt) xt=sprintf('在液晶屏中線缺陷的坐標(biāo)x=%8.5f',(a(1+7*(j-1)+3)/n*15*2);d

20、isp(xt) end end end end end endelse if s>n for t=1:round(s/(7*m) for i=1:m-1 if a(i+7*t)-a(i)=0 if b(i+7*t)-b(i)=1 if i=m-1 pt=sprintf('存在縱向的線缺陷');disp(pt) st=sprintf('線缺陷的面積S=%8.5f',s);disp(st) at=sprintf('線缺陷的長(zhǎng)度L=%8.5f',m);disp(at) ct=sprintf('線缺陷的個(gè)數(shù)c=%8f',t);dis

21、p(ct)for j=1:txt=sprintf('線缺陷的坐標(biāo)x=%8.5f',a(1+7*(j-1)+3);disp(xt) xt=sprintf('在液晶屏中線缺陷的坐標(biāo)x=%8.5f',(a(1+7*(j-1)+3)/n*15*2);disp(xt) end end end end end endfor i=1:n-1if b(i+7+n)-b(i+n)=0 if a(i+1+n)-a(i+n)=1 if i=n-1if (a(k-7)-a(12)>n-10pt=sprintf('存在橫向的線缺陷');disp(pt)st=spri

22、ntf('線缺陷面積S=%8.5f',n*7);disp(st)at=sprintf('線缺陷長(zhǎng)度L=%8.5f',n);disp(at)ct=sprintf('線缺陷個(gè)數(shù)c=%8f',round(s/(7*n);disp(ct)for j=1:round(s/(7*n)yt=sprintf('線缺陷坐標(biāo)y=%8.5f',b(1+7*n*(j-1)+3);disp(yt)yt=sprintf('在液晶屏中線缺陷的坐標(biāo)y=%8.5f',(b(1+7*n*(j-1)+3)/m*10*2);disp(yt) endels

23、e if (a(k-1)-a(1)<nif (b(k-1)-b(1)<mpt=sprintf('存在面缺陷');disp(pt)st=sprintf('面缺陷的面積S=%8.5f',s);disp(st)at=sprintf('面缺陷的長(zhǎng)a=%8.5f',(a(k-1)-a(1)/n.*15*2);disp(at)bt=sprintf('面缺陷的寬b=%8.5f',(b(k-1)-b(1)/m.*10*2);disp(bt)yt=sprintf('面缺陷起始點(diǎn)縱坐標(biāo)y=%8.5f',b(1)/m.*10

24、*2');disp(yt) end end end end end end end else if s>nif (a(k-1)-a(1)<n if (b(k-1)-b(1)<m pt=sprintf('存在面缺陷');disp(pt) st=sprintf('面缺陷的面積S=%8.5f',s);disp(st) at=sprintf('面缺陷長(zhǎng)a=%8.5f',(a(k-1)-a(1)/n.*15*2);disp(at) bt=sprintf('面缺陷b=%8.5f',(b(k-1)-b(1)/m.*10

25、*2);disp(bt) xt=sprintf('面缺陷起始點(diǎn)橫坐x=%8.5f',a(1)/n.*15*2');disp(xt) yt=sprintf('面缺陷起始點(diǎn)縱坐y=%8.5f',b(1)/m.*10*2');disp(yt) end endelse pt=sprintf('存在點(diǎn)缺陷');disp(pt) nt=sprintf('圖像的長(zhǎng)n=%8.5f',n);disp(nt) %圖像的長(zhǎng)和寬mt=sprintf('圖像的寬m=%8.5f',m);disp(mt) c=round(s/2

26、1); %顯示缺陷的個(gè)數(shù)ct=sprintf('缺陷個(gè)數(shù)c=%8.5f',c);disp(ct)%顯示圖像的位置for i=1:c %檢測(cè)圖像中點(diǎn)缺陷中心像素的橫坐標(biāo)at=sprintf('缺陷橫坐標(biāo)%8.5f',a(1+21*(i-1)+1);disp(at) %檢測(cè)圖像中點(diǎn)缺陷中心像素的縱坐標(biāo) bt=sprintf('缺陷縱坐標(biāo)%8.5f',b(1+21*(i-1)+2);disp(bt) x=(a(1+21*(i-1)+1)/n.*15*2; xt=sprintf('液晶屏中缺陷的橫坐標(biāo)%8.5f',x);disp(xt)%

27、液晶屏中點(diǎn)缺%陷的橫坐標(biāo)，以液晶屏的左上角為原點(diǎn)，檢測(cè)圖片的長(zhǎng)度是15cmy=(b(1+21*(i-1)+2)/m.*10*2;yt=sprintf('液晶屏中缺陷縱坐標(biāo)%8.5f',y);disp(yt)%液晶屏中點(diǎn)缺陷的縱坐標(biāo)，檢測(cè)圖片的寬度為10cm end end end end end end具有點(diǎn)缺陷的圖像（dian.jpg）顯示結(jié)果如下：存在點(diǎn)缺陷圖像的長(zhǎng)n=326.00000圖像的寬m=210.00000缺陷個(gè)數(shù)c=11.00000缺陷橫坐標(biāo)158.00000缺陷縱坐標(biāo)92.00000液晶屏中缺陷的橫坐標(biāo)14.53988液晶屏中缺陷縱坐標(biāo) 8.76190缺陷橫坐

28、標(biāo)156.00000缺陷縱坐標(biāo)95.00000液晶屏中缺陷的橫坐標(biāo)14.35583液晶屏中缺陷縱坐標(biāo) 9.04762缺陷橫坐標(biāo)156.00000缺陷縱坐標(biāo)97.00000液晶屏中缺陷的橫坐標(biāo)14.35583液晶屏中缺陷縱坐標(biāo) 9.23810缺陷橫坐標(biāo)165.00000缺陷縱坐標(biāo)98.00000液晶屏中缺陷的橫坐標(biāo)15.18405液晶屏中缺陷縱坐標(biāo) 9.33333缺陷橫坐標(biāo)162.00000缺陷縱坐標(biāo)100.00000液晶屏中缺陷的橫坐標(biāo)14.90798液晶屏中缺陷縱坐標(biāo) 9.52381缺陷橫坐標(biāo)160.00000缺陷縱坐標(biāo)102.00000液晶屏中缺陷的橫坐標(biāo)14.72393液晶屏中缺陷縱坐標(biāo)

29、 9.71429缺陷橫坐標(biāo)160.00000缺陷縱坐標(biāo)104.00000液晶屏中缺陷的橫坐標(biāo)14.72393液晶屏中缺陷縱坐標(biāo) 9.90476缺陷橫坐標(biāo)164.00000缺陷縱坐標(biāo)106.00000液晶屏中缺陷的橫坐標(biāo)15.09202液晶屏中缺陷縱坐標(biāo)10.09524缺陷橫坐標(biāo)182.00000缺陷縱坐標(biāo)203.00000液晶屏中缺陷的橫坐標(biāo)16.74847液晶屏中缺陷縱坐標(biāo)19.33333缺陷橫坐標(biāo)144.00000缺陷縱坐標(biāo)209.00000液晶屏中缺陷的橫坐標(biāo)13.25153液晶屏中缺陷縱坐標(biāo)19.90476缺陷橫坐標(biāo)156.00000缺陷縱坐標(biāo)210.00000液晶屏中缺陷的橫坐標(biāo)14

30、.35583液晶屏中缺陷縱坐標(biāo)20.00000具有線缺陷的圖像（xian.jpg）顯示結(jié)果如下：存在橫向的線缺陷線缺陷的面積S=3752.00000線缺陷的長(zhǎng)度L=536.00000線缺陷的個(gè)數(shù)c=19.000000線缺陷的坐標(biāo)y=54.00000在液晶屏中線缺陷的坐標(biāo)y= 2.70000線缺陷的坐標(biāo)y=136.00000在液晶屏中線缺陷的坐標(biāo)y= 6.80000線缺陷的坐標(biāo)y=147.00000在液晶屏中線缺陷的坐標(biāo)y= 7.35000線缺陷的坐標(biāo)y=156.00000在液晶屏中線缺陷的坐標(biāo)y= 7.80000線缺陷的坐標(biāo)y=165.00000在液晶屏中線缺陷的坐標(biāo)y= 8.25000線缺陷

31、的坐標(biāo)y=173.00000在液晶屏中線缺陷的坐標(biāo)y= 8.65000線缺陷的坐標(biāo)y=181.00000在液晶屏中線缺陷的坐標(biāo)y= 9.05000線缺陷的坐標(biāo)y=188.00000在液晶屏中線缺陷的坐標(biāo)y= 9.40000線缺陷的坐標(biāo)y=196.00000在液晶屏中線缺陷的坐標(biāo)y= 9.80000線缺陷的坐標(biāo)y=204.00000在液晶屏中線缺陷的坐標(biāo)y=10.20000線缺陷的坐標(biāo)y=212.00000在液晶屏中線缺陷的坐標(biāo)y=10.60000線缺陷的坐標(biāo)y=220.00000在液晶屏中線缺陷的坐標(biāo)y=11.00000線缺陷的坐標(biāo)y=233.00000在液晶屏中線缺陷的坐標(biāo)y=11.6500

32、0線缺陷的坐標(biāo)y=267.00000在液晶屏中線缺陷的坐標(biāo)y=13.35000線缺陷的坐標(biāo)y=291.00000在液晶屏中線缺陷的坐標(biāo)y=14.55000線缺陷的坐標(biāo)y=325.00000在液晶屏中線缺陷的坐標(biāo)y=16.25000線缺陷的坐標(biāo)y=352.00000在液晶屏中線缺陷的坐標(biāo)y=17.60000線缺陷的坐標(biāo)y=378.00000在液晶屏中線缺陷的坐標(biāo)y=18.90000線缺陷的坐標(biāo)y=393.00000在液晶屏中線缺陷的坐標(biāo)y=19.65000 通過(guò)與原圖對(duì)比，對(duì)于出現(xiàn)缺陷的區(qū)域，已經(jīng)能得到很好的定位。經(jīng)過(guò)正常區(qū)域與缺陷區(qū)域的比較，可以對(duì)區(qū)域中缺陷點(diǎn)進(jìn)行精確的檢測(cè)定位。從而最終實(shí)現(xiàn)了缺陷的檢測(cè)定位。由于部分區(qū)域出現(xiàn)的缺陷時(shí)亮度變化不夠明顯，這使得檢測(cè)過(guò)程中也存在一定的漏判區(qū)域，這也是需要做進(jìn)一步改進(jìn)的地方。四、心得體會(huì) 通過(guò)本次課程設(shè)計(jì)，我收獲很多。