（机械电子工程专业论文）面向oled显示屏的缺陷检测算法研究与系统开发.pdf

摘要 摘要 有机发光o l e d 显示屏因为具备色彩鲜艳、可视角度大、轻薄、省电 等特性，因而被称为下一代的显示设备。o l e d 显示屏的制造过程极其复 杂，需要近百道工序，因此在制造的过程中难免会出现缺陷。对于o l e d 显示屏的表面缺陷进行检测，有利于缺陷的统计分析、缺陷修补和淘汰 不合格品，并通过工艺改进而提高其制造质量。本文针对o l e d 显示屏的 缺陷检测问题，开展了较为深入的缺陷检测算法研究和系统开发，主要 开展的研究工作有： 1 ) 深入调研有机发光显示屏技术的研究现状与发展趋势，了解o l e d 显示屏的制造过程及其可能产生的各类缺陷； 2 ) 在图像处理基础理论研究的基础上，提出基于骨架模版方式的角 点提取法，将提出的角点作为图像配准的控制点，运用差影法进行差影 运算，以解决图像整体匹配时花费时间长、匹配不准确等问题； 3 ) 针对标准模板与实际图像的差异性，在初始模板建立的基础上， 通过动态调整标准模板解决图像匹配时的各幅图像因周围环境变化等带 来的差异及不准确性； 4 ) 提出大津法的改进算法，使其具有递推特性，用以确定图像分割 的阈值，实现图像的快速分割。改进后的算法在遍历整个图像的灰度值 时，可以通过递推方式使本次遍历基于前一次的计算结果得出，这样可 以大大降低计算量，提高其计算速度； 5 ) 基于上述o l e d 显示屏表面缺陷检测过程中的若干算法，本文在 v i s u a l s t u d i 02 0 0 8 开发环境下，运用c + + 编程语言，实现面向o l e d 显示屏缺陷的检测系统开发，并通过o l e d 显示屏图像实例，对系统的缺 陷检测正确性及效果进行实验验证。 关键词：o l e d 显示屏，缺陷检测，图像分割，大津法，差影法 广东工业大学硕士学住论文 a b s t r a c t o l e d ( o r g a n i cl i g h t - e m i t t i n gd i s p l a y ) h a sb e e nt h o u g h tt o b et h en e x t g e n e r a t i o nd i s p l a ye q u i p m e n tf o ri t sb r i g h t n e s si nc o l o r ，l a r g ev i e w i n ga n g l e ， f r i v o l i t y ，a n de n e r g ys a v i n g d u et ot h eh u n d r e d so fc o m p l e xp r o c e s s e si n t h eo l e dm a n u f a c t u r i n g ，d e f e c t so nt h ed i s p l a y p a n e la r eu n a v o i d a b l e r e c o g n i z a t i o na n dd e t e c t i o n o fo l e dd e f e c t s i s i m p o r t a n tf o rq u a l i t y i m p r o v e m e n tw h i c hc a nb eu s e df o rd e f e c ts t a t i s t i c s ，r e p a i r i n g ，a n df a i l u r e d i s q u a l i f i e dp r o d u c t s t h i sp a p e rw a sf o c u s e do nt h es t u d yo fo l e dd e f e c t d e t e c t i o na l g o r i t h m sa n ds y s t e md e v e l o p m e n t t h em a i nr e s e a r c hc o n t e n t s a r ed e s c r i b e da sf o l l o w ： 1 ) i n v e s t i g a t ec u r r e n tr e s e a r c hs t a t e a n df u t u r ed e v e l o p m e n to gt h e o l e dt e c h n o l o g y ，u n d e r s t a n do l e dm a n u f a c t u r i n gp r o c e s s e sa n dp o s s i b l e d e f e c t sc a u s e d 2 ) b a s e do nt h es t u d yo fi m a g ep r o c e s s i n gt h e o r y ，t h i st h e s i sp r o p o s e d ac o r n e r p o i n t se x t r a c t i n gm e t h o dw h i c ha r ee x t r a c t e df r o ms k e l e t o ni m a g e a n du s e da sc o n t r o lp o i n t sf o rt h ed i f f e r e n t i a lo p e r a t i o n t h i sm e t h o dc a nb e u s e dt os o l v et h ep r o b l e m so fp r e c i s i o ni m a g ea l i g n m e n t 3 ) d u et ot h ed i f f e r e n c eb e t w e e nt h es t a n d a r dt e m p l a t ea n dt h ea c t u a l i m a g e ，d y n a m i ca d j u s t e dt e m p l a t ew a su s e di nt h ei m a g ea l i g n m e n tw h i c hi s b a s e do nt h ei n i t i a ls t a n d a r dt e m p l a t et oo v e r c o m et h ei n f l u e n c e s o f u n c e r t a i ne n v i r o n m e n t 4 ) b a s e do nt h eo t s ua l g o r i t h m ，t h i st h e s i sm o d i f i e dt h ea l g o r i t h ma n d i m p r o v e dt h es p e e do fi m a g es e g m e n t a t i o n t h r o u g ht h er e c u r s i v et h r e s h o l d d e t e r m i n a t i o n ，t h ea l g o r i t h m c a nc a l c u l a t et h e t h r e s h o l db a s e do nt h e p r e v i o u sv a l u ea n dt h u si tc a ns p e e du pt h ec a l c u l a t i o n 5 ) b a s e do nt h ep r o p o s e da l g o r i t h m sa b o u to l e dp a n e l d e f e c t s d e t e c t i o n ，t h i st h e s i sd e v e l o p e dao l e d - o r i e n t e dd e f e c td e t e c t i o ns y s t e m t h r o u g hv c + + 6 0p r o g r a m m i n g t h es y s t e mi s v a l i d a t e dt h r o u g hs e v e r a l o l e di m a g ee x a m p l e s a n dt h et e s t i n gr e s u l t ss h o wt h a tt h ed e v e l o p e d i i a b s t r a c t s y s t e mc a nd e t e c tm o s to ft h ed e f e c t so nt h ep a n e l k e yw o r d s ：o l e dd i s p l a y ，d e f e c td e t e c t i o n ，i m a g es e g m e n t a t i o n ，o t s u m e t h o d ，s u b t r a c t i o no p e r a t i o n i i i 广东工业大学项士学位论文 c o n te n t s a b s t r a c t ( c h i n e s e ) i a b s t r a c t ( e n g l i s h ) i i c h a p t e r1i n t r o d u c t i o n 1 1 1r e s e a r c hb a c k g r o u n d 1 1 2r e s e a r c hs i g n i f i c a n c e ：； 1 3r e s e a r c hs t a t u s ：； 1 4r e s e a r c ha n do r g a n i z a t i o n 5 1 4 1r e s e a r c h ! ； 1 1 2 o r g a n i z a t i o n 7 c h a p t e r2t h eb a s i ct h e o r yo fi m a g ep r o c e s s i n g 9 2 1t h eb a s i cc o n c e p t so fd i g i t a li m a g ep r o c e s s i n g 9 2 2o v e r v i e wo fi m a g es e g m e n t 10 2 3t h r e s h o l dt e c h n o l o g y 11 2 3 1p o i n t - b a s e dg l o b a lt h r e s h o l dm e t h o d 1 2 2 3 2r e g i o n - b a s e dg l o b a lt h r e s h o l dm e t h o d 1 3 2 3 3l o c a lt h r e s h o l dm e t h o da n dm u l t i t h r e s h o l dm e t h o d 1 4 ：! 4s u m m a r y 。1 6 c h a p t e r3t h ee x t r a c t i o no fs k e l e t o na n dc o r n e r s 17 3 1t h ee x t r a c t i o no fo l e ds c r e e ns k e l e t o n 17 3 1 1s k e l e t o no v e r v i e w 1 7 3 1 2t h em e t h o do fe x t r a c t i o no fs k e l e t o n 1 9 3 1 3t h es k e l e t o ne x t r a c t e db a s e do nt h i no p e r a t i o n 2 0 3 2c o r n e r sd e t e c t i o n 2 3 3 2 1c o m m o nm e t h o do fe x t r a c t i o nc o r n e r s 2 3 3 2 2a c c e l e r a t e ss u s a no p e r a t o r 3 0 3 3t h ee x t r a c t i o no fo l e dd i s p l a yc o r n e r s 31 3 4t h ea m e n d m e n to fc o r n e r s 3 3 v i c o n t e n t s ：；5s u m m a r y ：；! ； c h a p t e r4d e f e c td e t e c t i o na l g o r i t h mu s e df o ro l e d d i s p a l y 3 6 4 1t h et y p eo fo l e ds c r e e nd e f e c t 3 6 4 2t h ep r o d u c t i o no fs t a n d a r di m a g et e m p l a t e 3 7 4 3t h ei m p r o v e ds u b t r a c t i o no p e r a t i o n 4 0 4 4o l e ds c r e e n d e f e c ti m a g es e g m e n t a t i o n 4 2 4 4 1i m a g es e g m e n t a t i o nb a s e do nd y n a m i ct h r e s h o l d 4 2 4 4 2i m a g es e g m e n t a t i o nb a s e do ni m p o v e do t s uo p e r a t i o n 4 4 4 5b i n a r yi m a g ed e n o i s i n g ! ；7 4 5 1a n a l y s i so ft h eo l e d d i s p l a yi m a g en o i s e 5 7 4 5 2d e f e c ti m a g ed e n o i s i n g 4 8 z i 6s u m m a r y 5 ( ) c h a p t e r5s y s t e md e v e l o p m e n ta n de x p e r i m e n t 51 5 1t h es t r u c t u r eo ft h ed e f e c td e t e c t i o ns y s t e m 5l 5 2a u t o m a t i cd e f e c td e t e c t l o ns y s t e ms o f t w a r em o d u l e s 5 3 5 3t h ea p p l l c a t i o n so ft h es y s t e m 5 3 5 4e x a m p l ee x p e r i m e n t so ft h es y s t e m 5 7 ：；5s u m m a r y 6 l c o n c l u s i o n sa n df u t u r er e s e a r c h s 6 2 r e f e r e n c e s 6 4 p u b l i s h e dp a p e r sd u r i n gs t u d y i n g 6 9 s t a t e m e n to fo r i g i n a l i t y 7 0 a c k n o w l e d g e m e n t 7 1 ，第一章绪论 第一章绪论 1 1 课题背景及课题来源 自人类社会进入信息时代以来，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。在多媒体技术的推动下，人们越来越追求高 性能的显示设备，有机发光显示o l e d ( o r g a n i cl i g h t e m i t t i n gd i o d e ) 与 液晶显示l c d ( l i q u i dc r y s t a ld i s p l a y ) 相比较具有视角广、画质均匀、 反应速度快、可制作成挠曲式面板、省电等优点，而逐渐成为新一代的 显示设备，广泛应用于m p 3 、m p 4 、手机、数码相机等便携式的可移动终 端领域，如图卜1 所示川引。 。鬣滋：篷浚；溢i 。裔鍪鲈i 。l 。叛 图1 1o l e d 显示屏应用领域 f i g 1 - 1o l e dd i s p l a ya p p l i c a t i o n s 目前全球有超过16 0 多家企业涉足o l e d 相关研发，并且囊括了几乎 所有的电子和显示产业的巨头。尽管还处于产业初期，但是o l e d 产业的 成长速度惊人。未来随着产品逐渐向有源全彩和大尺寸的发展，o l e d 产 业还将保持快速的增长。根据市调机构d is p1a y b a n k 的统计资料，2 0 0 8 年第二季度全球a m o l e d 面板出货量达43 4 万片，比2 0 0 8 年第一季度大 广东工业大学硕士学位论文 幅增长5 7 ，累计2 0 0 8 年上半年全球出货量达7 10 万片，其中三星s d i ( s a m s u n gs d i ) 出货量所占比重近九成5 j 。另据市调机构is u p p li 的 资料，2 0 0 7 年全球a m o l e d 面板出货量为2 6 0 万片，预期至2 0 14 年时 全球a m o l e d 面板出货量将增长至1 8 5 2 亿片，2 0 0 7 一一2 0 14 年的年复 合增长率高达8 4 2 。在销售金额部分，is u p p li 预计2 0l4 年a m o l e d 面 板的销售额将从2 0 0 7 年的6 7 0 0 万美元增长至4 6 亿美元，年复合增长率 为8 3 3 ( 如下图卜2 所示) 7 】。 擎霉镦 鬈 搴善霉鼋缀鍪 _ j ， “毋r ￥。： i 一 图l - 2o l e d 显示屏发展趋势预测图 f i g 1 - 2o l e dd i s p l a yd e v e l o p m e n tt r e n df o r e c a s tm a p 目前，国内外各大o l e d 面板厂商为提高自身产品的竞争力，都在努 力提升产品品质和降低成本，而在提高产品的品质方面最有效、最直接 的是严格把关产品的出厂，将产品的缺陷降低到零，这就需要质量检测 人员准确快速地判定产品中是否存在缺陷以及缺陷的存在是否影响产品 的正常使用；采用经专业训练人眼来检测，由于人类视觉方面存在的缺 陷，以及人情绪变化等引起的主观影响，会产生对检测结果不可靠的影 响。由于检测结果的不理想使得带有缺陷的产品流入市场容易引起生产 商与消费者之间发生争议，为此国内外各面板厂商都开发出一些具有检 测显示器缺陷的检测装置以替代人眼检测，来客观评价各类缺陷；但由 于图像处理检测算法设计上的缺陷使得检测效率低下，检测精度较低。 研究并设计一套符合o l e d 显示屏缺陷检测的高速度、高精度的检测算法 成为提高o l e d 显示屏品质的重要保证。 第一章绪论 本课题来源于2 0 0 9 年广东省科技计划粤港关键领域重点突破项目 a m o l e d 蒸发镀膜和封装生产线，项目编号n o 2 0 0 9 a 0 913 0 0 0 01 。 1 2 研究意义 由于o l e d 显示屏在制造的过程中存在着各种各样的缺陷，如点缺 陷、线缺陷、m u r a 缺陷( m u r a 名称来源于日文单词，特指面板瑕疵，用 来表征当显示器以恒定亮度显示时，显示区域的不均匀) 旧3 ，缺陷 的存在，将对o l e d 显示屏的发光均匀性、图像清晰性、寿命等产生影响。 开展o l e d 显示屏各类缺陷的检测，其意义在于： 1 ) 淘汰不合格品，以避免不合格的o l e d 显示屏连上驱动电路，造 成驱动电路的浪费，降低了产品的品质。 2 ) 用于缺陷的统计分析，找出常见缺陷，分析设计、制造过程中的 产生缺陷的原因与因素，进一步优化设计结构和制造工艺。 3 ) 用于缺陷修补。即找出o l e d 显示屏的表面缺陷，以便对某些缺 陷进行及时修补。 1 3 国内外研究现状 近年来基于机器视觉的光学检测技术已成为电子制造装备领域的研 究热点，图像分割、带通滤波等技术已在表面缺陷检测中得到应用，比 如印制电路板表面缺陷的检测、薄膜晶体管液晶显示器( t h i nf i l m t r a n s i s t o rl i q u i dc r y s t a ld i s p l a y ，简称t f t l c d ) 的缺陷检测等”3 。 目前，针对o l e d 显示屏的缺陷检测技术还不多见，但针对t f t - l c d 的缺陷检测技术的研究已开展了一些时间，形成了相关检测方法和判别 标准，所以深入了解t f t - l c d 的缺陷检测技术，对于研究o l e d 显示屏的 缺陷检测有很好的指导作用。 对t f t - l c d 的缺陷检测算法研究主要在空间域和频率域中进行。 s e o n gh o o nk i m 等认为带缺陷的t f t l c d 屏由缺陷和周期性的纹理背景 构成；对应在频率域里，缺陷( 包括点缺陷和m u r a 缺陷) 对应高频分量， 周期纹理背景对应低频分量，在空间域里对图像进行高频滤波就可以去 除周期行的纹理背景，只留下缺陷信息n 引。该方法的独特之处在于首先 广东：r - , _ l k 大学硕士学位论文 不对图像进行空间域到频率域的变换，直接用一个窗函数对图像进行一 个平滑处理来代替频率域的的复杂的滤波，然后用原始图像减去平滑处 理的图像就得到了缺陷图像。但是该方法的不足之处是：由于周期性纹 理背景的边界也是对应的高频分量成分，滤波相减操作后仍然会遗留下 来，被当做缺陷对待，造成缺陷检测结果不够精确。 s h u k a is f a n 等人利用回归诊断的方法来检测t f t - l c d 的缺陷。他 们认为没有缺陷的完好面板是光照一致、亮度均匀的，而带有缺陷的面 板则表现为局部的亮度、对比度与背景的不一致n 引。该方法首先将待检 测的图像进行分块，各块之间不重叠，分别计算每块平均值，用此平均 值代替整个区域的灰度值；然后用不含缺陷的图像区域重构完好的 t f t l c d 面板图像，将待检测图像和重构的完好图像对比，依据事先设 置好的评估函数看灰度残差是否落在某个区间；如果是，则认为没有缺 陷；若超过了预定值，则认为存在缺陷，从而达到缺陷检测的目的。该 方法可以较好地实现自动检测的目的，但是计算量大，而且评估函数所 带的参数要进行人工校调，且过程复杂。d u m i n gt s a i 等人提出了一 种基于一维傅立叶变换的图像重建算法，对于有明显的周期性的图像能 够取得较好的效果n5 1 。该算法主要是利用t f t l c d 的内部几何结构，在 消除代表图像周期模式的频率成分基础上，利用一维傅立叶反变换进行 图像重建，再利用小波变换消除光照的影响。根据缺陷处的非周期性特 性，可以检测出面板的缺陷。c h i j i el u 等人提出了一种基于独立成分分 析的检测算法n6 1 。该方法视图像为一矩阵，利用独立成分分析方法将 t f t l c d 图像分离成独立成分和解混和矩阵的组合，然后通过一系列的 变换产生新的解混和矩阵，再利用该矩阵对图像进行重建，重建后的图 像将只会保存图像的缺陷特征，同时消除面板中的规律性纹路。该方法 计算复杂，而且重建后的图像与理想状况下的图像也不完全一致，对检 测结果带有一定程度的误判。张昱等人提出了一种基于多项式曲面拟合 的t f t l c d 斑痕缺陷算法，可将可能含有缺陷的图像目标从复杂背景当 中分割出来n 7 1 8 3 。在特征提取时，该方法综合考虑目标区域的对比度、 面积、轮廓、位置、形状、亮度均匀性等特征量，建立斑痕缺陷模型。 但该方法带有一定的模糊性，每一种因素的权重难以确定，因此，检测 4 第一章绪论 结果也带有定的不确定性。 综上所述，目前在t f t l c d 屏缺陷检测算法研究领域中，还不存在 一种通用的方法可以解决显示屏上的各类缺陷的识别与检测问题n9 1 ，目 前的检测算法所能检测的缺陷类型有限，且算法所需花费的时间较长， 不适合于工业生产的在线应用。 o l e d 显示屏在微观上与t f t l c d 屏存在极大的差别，主要表现在： o l e d 显示屏是由三个独立的子像素构成一个实体像素，三个子像素除发 光材料不同外，在外观上是一样的，对于一张o l e d 显示屏来说是由整齐 排列的子像素和导线构成。正是由于o l e d 显示屏在微观上与t f t l c d 表现出的不同，使得形成的图像结构也不尽相同。因此，针对o l e d 显示 屏的缺陷检测及其在生产中的应用，本文将重点解决以下几个关键问题： ( 1 ) 缺陷检测速度问题。应用于实际生产线的图像检测研究，不同 于一般医疗图像分析、离线图像检测等非实时性检测研究。o l e d 显示屏 的缺陷检测需要与其生产过程相匹配，对检测速度和精度都有更高的要 求，需要针对其要求研究新的缺陷检测算法。 ( 2 ) 检测的自动化程度有待于提高。目前的检测过程都是针对每一 类缺陷用不同的检测算法分门别类检测，效率低下、自动化程度低，需 要研究并提出一种新方法，能有效识别各种类型的缺陷，提高检测自动 化程度。 1 4 论文的研究内容与组织框架 1 4 1 研究内容 由于在o l e d 显示屏的制造过程中面板中材料分布不均匀或者由于 环境达不到完全无尘等原因心们心心引，使得o l e d 显示屏出现各种表面的 缺陷，目前这些缺陷常分为三大类两类：点缺陷、线缺陷、块缺陷( 也 称m u r a 缺陷) m 纠，缺陷示意图如下图卜3 所示。本课题研究的主要 内容就是设计缺陷检测算法，分析由图像采集系统获取的o l e d 显示屏的 图像，对图像中存在的异常情况做出识别，从而达到显示屏缺陷检测的 目的。 图1 - 30 l e d 显示屏的缺陷示意图 f i g 1 3s c h e m a t i cd i a g r a mo fo l e dd i s p l a yd e f e c t s 针对o l e d 显示屏的各类缺陷问题，本文提出了一种新的缺陷检测算 法。在系统启动阶段根据所采集图像创建理想模板，利用细化技术提取 o l e d 显示屏的骨架信息，实现模版图像与原始图像的快速、准确配准， 然后进行两图像差影运算；对大津法进行改进，通过递推方式确定图像 分割的阈值，分割相减以后的图像。总体技术路线如图卜4 所示。 图1 - 4o l e d 显示屏缺陷检测技术流程图 f i g 1 4t h ef l o w c h a r to fd e f e c td e t e c t i o nf o ro l e dd i s p l a yp a n e l 6 第一章绪论 1 4 2 论文的组织框架 本文从图像处理的基本理论出发，深入研究o l e d 显示屏图像的细化 技术、骨架信息提取、角点提取，分析基于大津法的背景与目标分割技 术及其改进算法，并开发实现o l e d 显示屏的缺陷检测系统。论文分五章 介绍相关的研究内容，各章节间的关系如图1 - 5 ，其主要内容描述如下。 图1 - 5 论文结构示意图 第一章介绍本文的研究背景、课题来源、研究意义，综述相关研 究领域的国内外研究现状，指出目前o l e o 缺陷检测领域 存在的问题，给出本文的主要研究内容及组织结构。 第二章研究图像处理的基础理论，分析图像分割算法，重点讨论 阈值选取的三种方法：基于点的全局阈值、基于区域的全 局阈值、局部阈值方法和多阈值，为后续图像分割算法的 应用与改进奠定基础。 第三章分析骨架模版与控制点的提取方法。提出对实时采集的图 像进行细化的处理方法，来提取o l e o 显示屏的骨架模版； 设计“十 字掩模板提取图像匹配时的控制点；根据先验 7 广东工业大学硕士学位论文 知识修正生成完整的控制点，进而用于后期的差影运算。 第四章根据提取的控制点分块处理图像，快速地与模板图像配 准，并通过差影法实现斑痕缺陷的初次提取：提出对大津 法的改进算法，实现递推方式的图像阈值快速确定与图像 分割；将差影后的图像进行分割操作和形态学去噪后，即 可实现屏幕缺陷的识别与检测。 第五章设计o l e d 屏缺陷自动检测系统的结构与功能，在v is u a s t u di02 0 0 8 开发环境下，运用c + + 编程语言，开发出 o l e d 屏缺陷自动检测系统，并通过o l e d 屏图像实例，验 证本系统及算法的有效性。 第二章图像处理的基础理论 第二章图像处理的基础理论 本章基于数字图像处理的基础理论知识，重点分析图像分割与阈值 的选取方法，并通过图像实例分析每种方法的特点，为后续研究o l e d 屏 图像处理与缺陷识别算法奠定基础。 2 1 数字图像处理的基本概念 在自然的形式下，一般的图像( 即模拟图像) 是不能直接用数字计 算机来处理的，因为计算机只能处理数字而不是图片，为使图像能在数 字计算机内进行处理，首先必须将图像在计算机进行处理前进行数字化， 转化为数字图像心引。 数字图像通常用一个二维函数来表示( 该二维函数由光学方法产 生) ，该二维函数是通过数字化与采样产生的。采用等距离来进行采样， 对幅度值进行等间隔的量化处理。至此，就得到一幅数字图像的二维函 数表示形式。图2 1 就是一副图像的数字化过程示意图。 图2 一l 图像的数字化过程示意图 f i g 2 - 1s c h e m a t i cd i a g r a mo ft h ei m a g ed i g i t a l 图像数字化过程可划分为抽样和量化两个步骤心引。抽样就是把在时 间上和空间上对连续图像的转换，将其转换为离散的抽样点的一种操作。 由于图像所采用的是一种二维信息表示形式，为要对它完成抽样的操作， 就需要先将二维的信息变换为一维的信息，再对一维的信息完成抽样。 但抽样结果所得的像素的值仍然是连续量，把抽样后所得的这些连续值 表示为离散的整数值的形式叫量化。量化的方法通常取2 的整数倍，例 9 广东工业大学硕士学位论文 如通常的8 位的a d 变换设备就可以产生产生2 5 6 级灰度值，而由两级 灰度构成的二值图像画面只有黑、白之分而没有灰度级的层次。一般把 白一一灰一一黑的连续变化的灰度值，量化为0 - 2 5 5 共2 5 6 个灰度级心6 | 。 量化后的灰度值，代表了相应的颜色深浅。 2 2 图像分割概述 所谓图像分割是指根据灰度、空间纹理等特征把图像划分成若干个 互不相交的区域，使得在同一区域内特征相同，在同一区域内表现出一 致性或相似性，在不同区域之间则表现出不同；简单的讲，就是在图像 中，把目标从背景中区别出来。图像分割是图像处理领域中最为基础和 重要的领域之一，它是对图像进行视觉分析的基本前提。 阈值法在图像分割中是一种较为传统的方法，因其实现简单、性能 稳定而成为图像分割中广泛应用的分割技术，己被应用在很多的领域， 例如，在焊接的应用中，焊接过程中焊缝的图像分割，在文字识别领域 中，文字的提取，将文字与背景相分离出来。在这些应用中，分割是对 图像进一步分析、识别的前提，分割的准确性将直接影响后续任务的有 效性，其中阈值的选取是图像阈值分割方法中的关键技术凹7 圳。图2 - 2 、 图2 - 3 所示为图像分割的一些应用实例。 一 图2 - 2 焊接过程中焊缝的识别 f i g 2 2i d e n t i f i c a t i o no ft h ew e l dd u r i n gt h ew e l d i n gp r o c e s s l o 第二章图像处理的基础理论 图2 - 3 文字识别中文字的提取 2 3 阈值选取方法 阈值选取是一个经典难题，到目前为止既不存在一种通用的图像分 割方法，也不存在一种判断是否分割成功的客观标准，阈值的选取也是 图像阈值分割方法中的关键技术。 阈值分割法是一种利用区域信息的的分割技术，基本原理是：通过 设定不同的阈值，把图像像素点进行分类。常用的用于确定阈值的特征 有：图像的灰度、彩色特征；由原始图像信息变换得到的特征等。设原 始图像为f ( x ，y ) ，按照一定的准则在f ( x ，y ) 中找到特征值r ，将图像分割 为两个部分，分割后的图像为： r、陬 g 婶j 2 1 岛 g ，y ) o 可以证明以上三种定义是完全等效的。以上的三种定义都是以连续 空间为基础的，但是实际研究中处理的多是离散图形，图像采集中构成 的二维图像、以及一些三维图形等。如何有效的定义离散空间的骨架难 以解决的问题，并且与骨架提取的效果息息相关。离散空间的骨架的定 第三章o l e d 显示屏图像骨架模版与角点的提取 义实际上是对连续空间骨架定义的一种近似形式，离散空间中的骨架定 义过程通常是与具体的骨架提取算法相结合。 另外，根据以上骨架定义，二维图形的骨架是一种线型的形式，而 三维情况下则通常是一种带有面型的结构，面型结构给图像的匹配通常 有很大的困难。因此，提取一种近似的三维线型骨架是三维骨架识别的 一个研究的方向。 3 1 2 骨架的提取方法 根据以上当中对骨架的定义，提取骨架的方法主要有以下几种： 1 模拟火烧模型法。这种方法是模拟火燃烧的物理过程，由图形的 外边缘开始逐步的向内进行演化，最后相遇处所得就是图形的骨架。细 化法( t h in n in g ) 是这一种方法中的一个分支。其运算思想是逐层的去除 图形的外边界点，一直到达最里层不能再去除为之，剩余的部分就得到 了图形的骨架凹引引。 2 基于距离变换法“1 。根据骨架的定义可以考虑以某点为圆心作 内切圆，如果做的这个圆不被其它的内切圆所包含，则此点所做的内切 圆是最大圆，则此点是骨架点，这就是距离变换提取骨架算法的基本思 路。基于距离变换的方法在提取的骨架点的准确度上有较好的效果，但 是这中方式难以做到骨架的连通性和单像素特性，这样将影响骨架线性 特性的表达以及后续的处理过程。 3 v o r o n o i 图法列6 4 ”。v o r o n o i 图是计算几何领域中的一种重要 工具。给定空间里由n 个点组成的点集s ，对于点集s 中的一点p i ， v o r o n o i 多面体指的是到点p ；的距离小于到点集s 内的任何点距离的空 间区域。v o r o n o i 图指的是所有v o r o n o i 多面体所组成的集合。根据骨 架的定义，最大圆与图形外边界是相切的，骨架点与边界点至少有个两 个点的距离是相等而且取得最小值。因此可以说图形外边界点集的 v o r o n o i 图能表示出部分的骨架。v o r o n o i 图不完整的地方在于v o r o n o i 图计算的是空间到给定点集距离的最小区域，因而不能有效的区分图形 内外部分，在遇到带有凹点的时与准确的骨架是有差别，因此说此种方 法所得骨架是v o r o n o i 图的一个子集。 1 9 广东工业犬学硕士学位论文 3 1 3 细化法提取o l e d 显示屏图像骨架 1 细化定义 细化法( t h in n in g ) 是图像处理领域中的常用技术，它被广泛的应用 于缺陷检测、文字处理、p c b 板得检测、人脸识别等各个领域中。细化 法的过程可以看成是一个不断的去除表面元素，直到获取连通线性结构 的一个过程。细化法所得结果相比原始结构更适于拓扑分析、形状分类 等。关于细化方法，还没有比较准确的定义，其计算方式也比较的多， 多种多样，按拓扑连续性划分：四邻域、八邻域、混合连通算法；按扫 描顺序：单方向、双方向、多方向算法；按执行过程有串行、并行、串 并混合算法引。 细化算法总体来说是一个不断迭代的过程，每进行一次细化运算都 依赖于前一次操作的结果，在串行的处理过程中，边界元素被不断的逐 一进行判定去除，第n 次迭代的结果不仅与第n 一1 次迭代结果相关，而 且还与第n 次迭代中己处理的元素相关。在并行的处理过程中，对所有 像素使用同样的判别否则，每次迭代仅与前一次结果相关，可以同时对 边界上的所有像素进行操作，这样就获得较快的执行速度，提高骨架提 取的效率。 细化运算可以根据像素及其邻域的分布，采用一定的法则构造模版， 对图像进行循环扫描，将非边界像素变为背景，只保留外边界像素，如 此反复，自到没有多余的像素点。一般图像边缘保持8 邻域连通，背景 保持为4 邻域的连通，因此可以使用为3x3 的模版，如图3 2 所示，根 据像素点与8 邻域的关系作为判别法则。有些算法为了获得更快的提取 速度采取更大的模版。 p 3 p 2p 9 p 4p 1p 8 p 5 p 6 p 7 图3 - 2 细化法所用3 3 模版 f i g 3 2t h i n n i n gm e t h o du s e di n3 3t e m p l a t e 第三章o l e d 显示屏图像骨架模版与角点的提取 2 细化与骨架的提取 细化法的基本思想是一层一层的去除物体的外边界，一直到剩下最 后厚度为1 的骨架信息为止，这种方法的本质思想是模仿定义中的火烧 模型，不断去除图像的边界点，最后到剩下的不可去除的点就成了图像 的骨架。细化法正好符合于我们的图像中的离散空间的骨架提取，并且 已经较为成熟。细化算法一般的实现方式是基于点的邻域特征对点进行 一些分类，可以分为简单点( s im p lep o in t ) 、末梢点( e n dp o in t ) 、衔 接点( j o in tp o in t ) 。在重复的进行去除操作的过程中，每次去掉的都是 上一次去除的结果中的一些简单点，而衔接点和末梢点则会有保留的不 被抛掉。这样重复的进行，直到最后再也没有简单点可也已去除时，得 到的剩余点集就是骨架。 一个合理的细化算法应当使得到的骨架具有如下一些特点： 1 拓扑结构的保留，细化后的骨架应当保留原始图像的线性拓扑结 构； 2 连续性，骨架在是一种线性结构，在空间上应当具有连续性； 3 稳定性，骨架反映原始图像的拓扑结构，因此应当使得受边界噪 声点的影响甚小。 细化算法采用迭代的方法逐步的得到原始图像的骨架。可以看出， 由于细化依赖于图像的一些局部信息，使其必然会受到边界像素分布情 况的影响。也就是说，如果因噪声而引起的图像灰度分布满足细化的准 则，也将会在去除时不能被去掉而被保留下来，这种情况显然是所不希 望的。 在的实际应用中，所提取出来的骨架应当满足的一下几个条件： 1 骨架保