基于圖像處理的液晶顯示屏的缺陷分析(共29頁)

1、 武漢理工大學專業(yè)課程設計說明書課程設計任務書學生(xu sheng)姓名： 專業(yè)(zhuny)班級： 電信(dinxn)1205班 指導教師： 工作單位： 信息工程學院 題 目：基于圖像處理方法的液晶顯示器表面缺陷檢測設計初始條件：具備專業(yè)課程數(shù)字圖像處理的理論知識；具備液晶顯示器表面缺陷的設計能力；掌握數(shù)字圖像的設計知識；自選相關(guān)電子器件；可以使用實驗室儀器調(diào)試。要求完成的主要任務：（包括課程設計工作量及其技術(shù)要求，以及說明書撰寫等具體要求）（1）選擇液晶顯示屏有缺陷的圖像作為分析對象，或自行模擬相應圖像，缺陷種類應至少包括點缺陷、線缺陷；（2）完成液晶屏圖像表面缺陷的圖像預處理，包括圖像

2、濾波等； （3）完成圖像的分割、邊緣提取和目標提取等；（4）完成圖像的特征提取和識別實現(xiàn)；（5）給出相應程序，并給出每一步的仿真處理結(jié)果及分析。時間安排： 十九周一周，其中3天設計，2天調(diào)試指導教師(jiosh)簽名： 年 月 日系主任（或責任(zrn)教師）簽名： 年 月 日摘要(zhiyo) 隨著科技的發(fā)展，信息顯示技術(shù)在人們生活中的作用(zuyng)與日俱增，液晶顯示屏也因其體積小、重量輕、功耗低、高分辨率、高亮度和無幾何(j h)變形諸多特點被廣泛應用。但在液晶顯示器的生產(chǎn)過程中，由于工藝及環(huán)境的原因可能導致液晶顯示屏的顯示缺陷，包括點缺陷、線缺陷和面缺陷。而液晶顯示屏缺陷檢測作為生產(chǎn)

3、過程中的重要環(huán)節(jié)，目前多采用人工檢測方法。人工檢測不僅存在主觀性、標準難以統(tǒng)一等弱點，且占用大量人力、物力資源。因此，本課程設計主要基于數(shù)字圖像處理方法的液晶顯示器表面缺陷檢測設計以期望實現(xiàn)快速、規(guī)范、低成本的自動識別系統(tǒng)。 關(guān)鍵詞：液晶顯示屏 顯示缺陷 數(shù)字圖像處理方法 自動識別系統(tǒng)目 錄1 概述(i sh)1 1.1 液晶顯示屏及其顯示缺陷(quxin)簡介1 1.2 數(shù)字圖像處理簡介(jin ji)12 系統(tǒng)設計方案及其原理3 2.1 設計任務及要求3 2.2 設計原理 33 源程序 6 3.1 簡易程序 63.2 繁瑣程序 84 仿真結(jié)果及分析 14 4.1 點缺陷仿真結(jié)果 14 4.

4、2 線缺陷仿真結(jié)果 16 4.3 面缺陷仿真結(jié)果 18 4.4 仿真結(jié)果分析 205 心得體會 21參考文獻 22本科生成績評定表 23 概述(i sh)1.1 液晶顯示(xinsh)屏及其顯示缺陷簡介 21世紀是一個信息(xnx)的時代，信息顯示技術(shù)在人們社會活動和日常生活中的作用日益劇增。例如，信息處理、接受及發(fā)送等操作均借助于信息系統(tǒng)終端設備與人之間的界面顯示來完成。LCD一般代指薄膜液晶顯示器，是利用液晶的特性“主動的”對屏幕上的各個獨立的象素進行控制，以達到成像目的一種終端顯示設備。圖像產(chǎn)生的基本原理很簡單：顯示屏由許多可以發(fā)出任意顏色的光線的點組成，只要控制各個點顯示相應的顏色就能

5、達到目的了。他不僅具有高分辨率、高亮度和無幾何變形等諸多優(yōu)點外，還具有體積小、重量輕和功耗低等特點。因此，被廣泛應用于數(shù)碼照相機、數(shù)碼攝像機、車載顯示器、桌上顯示器、筆記本電腦和液晶電視等幾乎所有的顯示器領(lǐng)域。在液晶顯示器的生產(chǎn)過程中，由于工藝及環(huán)境的原因可能導致液晶顯示屏的顯示缺陷，常見的TFT-LCD屏顯示缺陷包括點缺陷、線缺陷和面缺陷。點缺陷主要是單個TFT失效引起的，線缺陷則主要是由于驅(qū)動IC與屏連接不良所致。面缺陷是與點、線兩種缺陷完全不同類型的缺陷，它無同定的形狀和尺寸，必須在暗室下為TFT-LCD提供特定的背景亮度才能夠?qū)⑵浔嬲J，產(chǎn)生面缺陷的原因有：液晶分子配向不均勻，TFT漏電

6、不均勻和背光源發(fā)光不均勻等。這些顯示缺陷的產(chǎn)生對顯示器的顯示造成了很大的干擾，對日常生活、生產(chǎn)有不小的負面影響。1.2 數(shù)字圖像處理簡介 數(shù)字圖像處理(DigitalImageProcessing)又稱為計算機圖像處理，它是指將圖像信號轉(zhuǎn)換成數(shù)字信號并利用計算機對其進行處理的過程，是通過計算機對圖像進行去除噪聲、增強、復原、分割、提取特征等處理的方法和技術(shù)。圖像處理工具箱提供一套全方位的參照標準算法和圖形工具，用于進行圖像處理、分析、可視化和算法開發(fā)?？捎闷鋵τ性雸D像或退化圖像進行去噪或還原、增強圖像以獲得更高清晰度、提取特征、分析形狀和紋理以及對兩個圖像進行匹配。工具箱中大部分函數(shù)均以開放式

7、 MATLAB 語言編寫。這意味著可以檢查算法、修改源代碼和創(chuàng)建自定義函數(shù)。圖像處理工具箱在生物測定學、遙感、監(jiān)控、基因表達、顯微鏡技術(shù)、半導體測試、圖像傳感器設計、顏色科學及材料科學等領(lǐng)域為工程師和科學家提供支持。它也促進了圖像處理技術(shù)的教學。數(shù)字圖像處理的優(yōu)點主要表現(xiàn)在以下(yxi)幾個方面：1. 再現(xiàn)性好數(shù)字圖像處理與模擬圖像處理的根本不同在于，它不會因圖像的存儲、傳輸或復制等一系列變換操作而導致圖像質(zhì)量的退化。只要圖像在數(shù)字化時準確地表現(xiàn)了原稿，則數(shù)字圖像處理過程始終(shzhng)能保持圖像的再現(xiàn)。 2處理精度高按目前的技術(shù)，幾乎(jh)可將一幅模擬圖像數(shù)字化為任意大小的二維數(shù)組，這

8、主要取決于圖像數(shù)字化設備的能力?，F(xiàn)代掃描儀可以把每個像素的灰度等級量化為16位甚至更高，這意味著圖像的數(shù)字化精度可以達到滿足任一應用需求。對計算機而言，不論數(shù)組大小，也不論每個像素的位數(shù)多少，其處理程序幾乎是一樣的。換言之，從原理上講不論圖像的精度有多高，處理總是能實現(xiàn)的，只要在處理時改變程序中的數(shù)組參數(shù)就可以了?；叵胍幌聢D像的模擬處理，為了要把處理精度提高一個數(shù)量級，就要大幅度地改進處理裝置，這在經(jīng)濟上是極不合算的。3適用面寬圖像可以來自多種信息源，它們可以是可見光圖像，也可以是不可見的波譜圖像（例如X射線圖像、射線圖像、超聲波圖像或紅外圖像等）。從圖像反映的客觀實體尺度看，可以小到電子顯微

9、鏡圖像，大到航空照片、遙感圖像甚至天文望遠鏡圖像。這些來自不同信息源的圖像只要被變換為數(shù)字編碼形式后，均是用二維數(shù)組表示的灰度圖像（彩色圖像也是由灰度圖像組合成的，例如RGB圖像由紅、綠、藍三個灰度圖像組合而成）組合而成，因而均可用計算機來處理。即只要針對不同的圖像信息源，采取相應的圖像信息采集措施，圖像的數(shù)字處理方法適用于任何一種圖像。4靈活性高圖像處理大體上可分為圖像的像質(zhì)改善、圖像分析和圖像重建三大部分，每一部分均包含豐富的內(nèi)容。由于圖像的光學處理從原理上講只能進行線性運算，這極大地限制了光學圖像處理能實現(xiàn)的目標。而數(shù)字圖像處理不僅能完成線性運算，而且能實現(xiàn)非線性處理，即凡是可以用數(shù)學公

10、式或邏輯關(guān)系來表達的一切運算均可用數(shù)字圖像處理實現(xiàn)。系統(tǒng)(xtng)方案設計及其原理顯示缺陷的產(chǎn)生對顯示器的顯示造成了很大的干擾，對日常生活、生產(chǎn)有不小的負面影響。所以，對于顯示缺陷的檢測是非常(fichng)重要的。目前對缺陷的檢測主要依靠人工，為了提高檢測效率及準確性，研制(ynzh)有效的液晶屏自動檢測系統(tǒng)十分必要。鑒于數(shù)字圖像處理的便捷性、可操作性、簡單易行性以及本次設計的內(nèi)容及目的是檢測顯示圖像缺陷的自動檢測，所以本次對于液晶顯示器顯示缺陷的自動檢測系統(tǒng)采用基于數(shù)字圖像處理的方式來設計。2.1設計任務及要求：（1）選擇液晶顯示屏有缺陷的圖像作為分析對象，或自行模擬相應圖像，缺陷 種類

11、應至少包括點缺陷、線缺陷；（2）完成液晶屏圖像表面缺陷的圖像預處理，包括圖像濾波等； （3）完成圖像的分割、邊緣提取和目標提取等；（4）完成圖像的特征提取和識別實現(xiàn)；（5）給出相應程序，并給出每一步的仿真處理結(jié)果及分析。2.2設計原理： 本次設計由于是要自動檢測出顯示圖像的缺陷，于是采取的方案是將圖像先進行中值濾波預處理，然后通過選取閾值為灰度的平均值加常數(shù)h=1015對圖像進行二值化處理，之后再通過幀運算過濾噪聲、數(shù)學形態(tài)濾波去噪以及邊緣處理等手段將缺陷目標提取出來。提取出的缺陷目標為白色，無缺陷的地方為黑色，這樣就完成了將要檢測的缺陷提取的目的。之后就是將提取的目標進行坐標定位，個數(shù)以及大

12、小計算等，最后將結(jié)果打印出來。2.2.1中值濾波法 中值濾波法是一種非線性平滑(pnghu)技術(shù)，它將每一象素點的灰度值設置為該點某鄰域窗口內(nèi)的所有象素點灰度值的中值實現(xiàn)(shxin)方法：1、通過從圖像中的某個采樣窗口(chungku)取出奇數(shù)個數(shù)據(jù)進行排序；2、用排序后的中值取代要處理的數(shù)據(jù)即可。中值濾波法對消除椒鹽噪音非常有效，在光學測量條紋圖象的相位分析處理方法中有特殊作用，但在條紋中心分析方法中作用不大。中值濾波在圖像處理中常用來保護邊緣信息，是經(jīng)典的平滑噪聲的方法。 中值濾波的原理：中值濾波是基于排序統(tǒng)計理論的一種能有效抑制噪聲的非線性信號處理技術(shù)，中值濾波的基本原理是把數(shù)字圖像或

13、數(shù)字序列中一點的值用該點的一個拎域中各點值的中值代替，讓周圍的像素值接近的真實值，從而消除孤立的噪聲點。方法是去某種結(jié)構(gòu)的二維滑動模板，將板內(nèi)像素按照像素值的大小進行排序，生成單調(diào)上升（或下降）的為二維數(shù)據(jù)序列。二維中值濾波輸出為g（x,y）=medf(x-k,y-l),(k,lW)f(x,y)，g(x,y)分別為原始圖像和處理后圖像。W為二維模板，通常為2*2，3*3區(qū)域，也可以是不同的的形狀，如圓形，十字形或者圓環(huán)形。2.2.2圖像二值化 圖像二值化就是將圖像上的像素點的灰度值設置為0或255，也就是將整個圖像呈現(xiàn)出明顯的黑白效果。將256個亮度等級的灰度圖像通過適當?shù)?HYPERLINK

14、 /lemma/ShowInnerLink.htm?lemmaId=115956&ss_c=ssc.citiao.link t /_blank 閾值選取而獲得仍然可以反映圖像整體和局部特征的二值化圖像。在 HYPERLINK /lemma/ShowInnerLink.htm?lemmaId=5342254 t /_blank 數(shù)字圖像處理中， HYPERLINK /lemma/ShowInnerLink.htm?lemmaId=7972051&ss_c=ssc.citiao.link t /_blank 二值圖像占有非常重要的地位，首先，圖像的二值化有利于圖像的進一步處理，使圖像變得簡單，而且

15、數(shù)據(jù)量減小，能凸顯出感興趣的目標的輪廓。其次，要進行二值圖像的處理與分析，首先要把 HYPERLINK /lemma/ShowInnerLink.htm?lemmaId=6376126 t /_blank 灰度圖像二值化，得到二值化圖像。所有灰度大于或等于閾值的像素被判定為屬于特定物體，其 HYPERLINK /lemma/ShowInnerLink.htm?lemmaId=8558257&ss_c=ssc.citiao.link t /_blank 灰度值為255表示，否則這些像素點被排除在物體區(qū)域以外，灰度值為0，表示背景或者例外的物體區(qū)域。圖像(t xin)的二值化的基本原理：圖像的二值

16、化處理就是將圖像上的點的灰度置為0或255，也就是講整個圖像呈現(xiàn)出明顯的黑白效果。即將256個亮度等級(dngj)的灰度圖像通過適當?shù)?HYPERLINK /lemma/ShowInnerLink.htm?lemmaId=10899733&ss_c=ssc.citiao.link t /_blank 閥值選取而獲得仍然可以反映圖像整體和局部特征的二值化圖像。在數(shù)字圖像處理中，二值圖像占有非常重要的地位，特別是在實用的圖像處理中，以二值圖像處理實現(xiàn)而構(gòu)成(guchng)的系統(tǒng)是很多的，要進行二值圖像的處理與分析，首先要把灰度圖像二值化，得到二值化圖像，這樣子有利于再對圖像做進一步處理時，圖像的集

17、合性質(zhì)只與像素值為0或255的點的位置有關(guān)，不再涉及像素的多級值，使處理變得簡單，而且數(shù)據(jù)的處理和壓縮量小。為了得到理想的二值圖像，一般采用封閉、連通的邊界定義不交疊的區(qū)域。所有灰度大于或等于閥值的像素被判定為屬于特定物體，其灰度值為255表示，否則這些像素點被排除在物體區(qū)域以外，灰度值為0，表示背景或者例外的物體區(qū)域。如果某特定物體在內(nèi)部有均勻一致的灰度值，并且其處在一個具有其他等級灰度值的均勻背景下，使用閥值法就可以得到比較的分割效果。如果物體同背景的差別表現(xiàn)不在灰度值上（比如紋理不同），可以將這個差別特征轉(zhuǎn)換為灰度的差別，然后利用閥值選取技術(shù)來分割該圖像。動態(tài) HYPERLINK /le

18、mma/ShowInnerLink.htm?lemmaId=303025&ss_c=ssc.citiao.link t /_blank 調(diào)節(jié)閥值實現(xiàn)圖像的二值化可動態(tài)觀察其分割圖像的具體結(jié)果。2.2.3 邊緣填充與區(qū)域提取邊緣改進全閾值對雖然可以有效的對圖像進行缺陷與背景的分割，但同時也將會造成缺陷邊緣的銳化與分離。原本是一個整體的缺陷部分邊緣有部分單元與本體分開這將會對之后的區(qū)域識別與信息的提取造成錯誤。為確保對缺陷識別的準確性，需要對邊緣進行填充以確保分割部分的完整性。對分割圖像進行取反，使缺陷部分為 1 即白色部分，背景顯示為黑色部分，先對圖像進行邊緣提取再進一步對邊緣進行填充最后與原始

19、圖像疊加，完成對邊緣的平滑與復原。源程序3.1簡易程序a=imread(4.png); bw=rgb2gray(a); %圖像(t xin)類型轉(zhuǎn)換灰度% imwrite(bw,2.jpg);figure(1);subplot(1,2,1);imshow(a),title(數(shù)碼(shm)采集到的圖像);subplot(1,2,2);imshow(bw),title(轉(zhuǎn)化(zhunhu)后的灰度圖);bw1=medfilt2(bw);figure(2);%圖像平滑% subplot(2,2,1);% imshow(bw1),title(原始圖像);imshow(bw1),title(中值濾波的圖

20、像);subplot(2,2,2);% bw2=histeq(bw1); %圖像增強% figure(1);% imshow(bw2),title(增強圖像);% figure(2);% imhist(bw1),title(原始(yunsh)圖像直方圖);% figure(3);% imshow(bw2),title(直方圖均衡(jnhng)圖像);% figure(4);% imhist(bw2),title(均衡化圖像(t xin)直方圖);level = graythresh(bw1);bw3=im2bw(bw1,level); figure(3); imshow(bw3),title(

21、二值圖像);se = strel(disk, 3);bw4=imerode(bw3,se);figure(4);imshow(bw4),title(腐蝕形態(tài)學濾波);bw5=imdilate(bw4,se);figure(5);imshow(bw5),title(數(shù)學形態(tài)學濾波);l,m=bwlabel(bw5,8);status=regionprops(l,BoundingBox);for i=1:m; hold on;rectangle(position,status(i).BoundingBox,edgecolor,r);left=round(status(i).BoundingBox(

22、1);top=round(status(i).BoundingBox(2);right=round(status(i).BoundingBox(1)+status(i).BoundingBox(3);bottom=round(status(i).BoundingBox(2)+status(i).BoundingBox(4);end;if(status(i).BoundingBox(3)*status(i).BoundingBox(4)1) disp(無); elseif (status(i).BoundingBox(3)*status(i).BoundingBox(4)5|status(i).

23、BoundingBox(4)/status(i).BoundingBox(3)5); if(status(i).BoundingBox(3)status(i).BoundingBox(4) disp(橫線缺陷(quxin); else disp(縱線缺陷(quxin) end;else disp(面缺陷(quxin);end;3.2繁瑣程序I=imread(1.png);%讀取原始圖片I=rgb2gray(I);J=medfilt2(I,3,3);%進行中值濾波J=medfilt2(J,3,3);%進行中值濾波J=medfilt2(J,3,3);%進行中值濾波subplot(2,2,1),im

24、show(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),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%選取閾值為所有像素的灰度的平均值加常數(shù)h=1015對圖像進行二值化處理%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)=255;figure,subplot(1,2,1),imshow

25、(J),title(Binary Image);%顯示(xinsh)二值化后圖像J3=mean2(J1)+10;K=find(J1=J3);J1(K)=255;subplot(1,2,2),imshow(J1),title(Binary Image);%顯示(xinsh)二值化后圖像K1=bitand(J,J1);%位與figure,imshow(K1),title(幀運算過濾(gul)噪聲后圖像);%數(shù)學形態(tài)濾波se=strel(square,3);%生成放心結(jié)構(gòu)元素K2=imerode(K1,se);%執(zhí)行腐蝕figure,imshow(K2);K2=imdilate(K2,se);%執(zhí)行

26、膨脹figure,imshow(K2),title(數(shù)學形態(tài)學濾波后圖像);J2=double(K1);m n=size(J2); %圖像的大?。ㄩL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=sprintf(不存在(cnzi)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=spr

27、intf(存在(cnzi)橫向的線缺陷);disp(pt) st=sprintf(線缺陷(quxin)的面積S=%8.5f,n*7);disp(st) at=sprintf(線缺陷的長度L=%8.5f,n);disp(at) ct=sprintf(線缺陷的個數(shù)c=%8f,round(s/(7*n);disp(ct) for j=1:round(s/(7*n) yt=sprintf(線缺陷的坐標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y=%8.5f,(b(1+7*n*(j-1)+3)/m*10*2);disp(yt) end

28、end end end end else 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-1 pt=sprintf(存在縱向(zn xin)的線缺陷);disp(pt) st=sprintf(線缺陷(quxin)的面積S=%8.5f,m*7);disp(st) at=sprintf(線缺陷(quxin)的長度L=%8.5f,m);disp(at) ct=sprintf(線缺陷的個數(shù)c=%8f,k);disp(ct) for j=1:k xt=sprint

29、f(線缺陷的坐標x=%8.5f,a(1+7*(j-1)+3);disp(xt) xt=sprintf(在液晶屏中線缺陷的坐標x=%8.5f,(a(1+7*(j-1)+3)/n*15*2);disp(xt) end end end end end end else if sn 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(quxin)的面積S=%8.5f,s);disp(st) at=spri

30、ntf(線缺陷(quxin)的長度L=%8.5f,m);disp(at) ct=sprintf(線缺陷(quxin)的個數(shù)c=%8f,t);disp(ct) for j=1:t xt=sprintf(線缺陷的坐標x=%8.5f,a(1+7*(j-1)+3);disp(xt) xt=sprintf(在液晶屏中線缺陷的坐標x=%8.5f,(a(1+7*(j-1)+3)/n*15*2);disp(xt) end end end end end end 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 if (a(k-7)-a

31、(12)n-10 pt=sprintf(存在橫向的線缺陷);disp(pt) st=sprintf(線缺陷面積S=%8.5f,n*7);disp(st) at=sprintf(線缺陷長度L=%8.5f,n);disp(at) ct=sprintf(線缺陷(quxin)個數(shù)c=%8f,round(s/(7*n);disp(ct) for j=1:round(s/(7*n) yt=sprintf(線缺陷(quxin)坐標y=%8.5f,b(1+7*n*(j-1)+3);disp(yt) yt=sprintf(在液晶屏中線缺陷(quxin)的坐標y=%8.5f,(b(1+7*n*(j-1)+3)/m

32、*10*2);disp(yt) end else if (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(面缺陷的長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) xt=sprintf(面缺陷起始點橫坐標x=%8.5f,a(1)/n.*15*2);disp(xt) yt=sprintf(面缺陷起始

33、點縱坐標y=%8.5f,b(1)/m.*10*2);disp(yt) end end end仿真(fn zhn)結(jié)果及分析4.1.點缺陷的仿真(fn zhn)結(jié)果 圖一 采集(cij)到的圖像及轉(zhuǎn)換后的灰度圖 圖二 二值化的圖像(t xin) 圖三 數(shù)學形態(tài)學濾波(lb)后的圖像 圖四 腐蝕(fsh)形態(tài)學后的濾波 圖五 缺陷(quxin)的檢測結(jié)果4.2.線缺陷(quxin)的仿真結(jié)果 圖六 采集到的圖像(t xin)及轉(zhuǎn)換后的灰度圖 圖七 二值化的圖像(t xin) 圖八 腐蝕(fsh)形態(tài)學后的濾波 圖九 數(shù)學形態(tài)學濾波(lb)后的圖像 圖十 缺陷的檢測(jin c)結(jié)果4.3.面缺陷(

34、quxin)的仿真結(jié)果： 圖十一(ShY) 采集到的圖像及轉(zhuǎn)換后的灰度圖 圖十二(sh r) 二值化的圖像 圖十三 腐蝕(fsh)形態(tài)學后的濾波 圖十四 數(shù)學(shxu)形態(tài)學濾波后的圖像 圖十五 缺陷的檢測(jin c)結(jié)果4.4.結(jié)果(ji gu)分析： 從以上仿真圖中可以看出，無論是點、線或者面缺陷(quxin)，先經(jīng)過中值濾波來平滑噪聲，然后通過二值化處理初步分離出缺陷目標，之后再通過幀運算、數(shù)學形態(tài)學濾波過濾噪聲以及邊緣處理等最終將缺陷目標提取。最后計算提取目標的大小形狀來判斷缺陷種類。5.總結(jié)(zngji)與心得 本次課程設計題目是基于(jy)圖像處理方法的液晶顯示器表面缺陷檢測設計，開始時在網(wǎng)上和圖書館查找相關(guān)的資料和書籍，之后翻閱資料了解系統(tǒng)(xtng)的基本工作原理和框架結(jié)構(gòu)，利用matlab仿真軟件設計，最后制作仿真檢測液晶顯示器表面缺陷。這次的課題看上去不算太難，但是我在設計的過程中還是遇到了許多之前沒