苏孝雨，张荣辉，张杰，杨亚宁
（大连民族大学 信息与通信工程学院，辽宁 大连 116600）
摘要：随着液晶的普及，对液晶屏生产过程中质量控制提出更高的要求，液晶屏裂痕自动检测系统应运而生，它能真正实现高效率、高稳定性的实时检测。针对液晶屏裂痕缺陷中的“线缺陷”、“点缺陷”进行深入研究，把机器视觉、数字图像处理技术运用到液晶屏裂痕自动检测系统中，并以HALCON和VC 联合编程完成了裂痕自动检测系统的设计。在数字图像处理部分，根据指定尺寸对图像进行傅里叶变换、高斯滤波、迭代处理等一系列操作，为了得到更清晰的图像，突出裂痕区域，对图像进行灰度化、频域图像卷积、滤波去噪、形态学处理。选择出适合在线测量的各种算法，进行了大量实验测试和实时自动检测，结果表明，该方法在识别液晶屏裂痕的几何特征上效果和精度较好，识别速度达到在线要求。
0引言
液晶屏生产过程不可避免地出现一些缺陷，最常见的缺陷是液晶屏有裂痕。如何保证液晶屏质量，提高产品合格率成为亟待解决的问题。国内外检测液晶屏裂痕的方法主要有两大类，即在线检测和离线检测。电位法、磁粉法、超声波法、电磁检测法等常见的离线检测方法已经被时代淘汰，目前国内主要依靠人工检测的方法，在射线照射下观察是否有裂痕存在。人工的方法效率低下，生产成本高。近年来，许多学者将机器视觉技术运用到物体表面裂痕检测中，取得了突出成绩［1］。本文研究一种基于机器视觉的液晶屏裂痕自动检测系统，以提高液晶屏缺陷检测的效率。自动检测的基本思路是对工业相机采集到的液晶屏表面图像进行图像处理，将图像信息传输到上位机或者指定设备中。
1光学系统平台结构
液晶屏的生产过程技术复杂、工艺精密，少则20多道工序，多则达50多道工序，这些工序大致分为氧化铟锡玻璃刻蚀、定向排列、空盒制作、液晶灌注、成品检测和包装5个阶段。每个阶段都会引发各种类型的裂痕缺陷，包括外刮、破损以及切割不良等，液晶屏的检测主要是为了淘汰不合格产品。
光学系统平台由高速、高精度的工业相机和镜头与高稳定、均匀的高性能照明系统组成。裂痕产生的大小、位置以及方式都会不一样，为了突出显示裂痕缺陷，需要对光源做深入研究，包括光源的种类、光源的照明方式、光源的强弱等。根据实际需要检测的最小裂痕尺寸，确定相机和镜头参数，均衡优劣，共同搭建图1液晶屏原始图像示范图光学系统平台［2］。原始图像示范图如图1所示。
针对系统对生产线上的液晶屏进行不间断裂痕检测的要求，在图像采集系统设计时采用了双线高速线扫描相机。设在水平方向上基板传送速度设计为v1（mm/s），相机扫描速率达到v2（Hz/s），水平方向上能检测到最小缺陷为x（μm），则x=（v1 /v2）×103。设每线像素数为m（Pixel），在垂直方向上n个相机直线排列，基板垂直尺寸为s（mm）, 垂直方向上能检测到最小y（μm)的缺陷。则y=［s/(n×m)］×103。
2基于HALCON的图像处理
基于机器视觉的液晶屏裂痕自动检测系统核心技术体现在数字图像处理部分。其技术要求主要是实时性、准确性和稳定可靠性。为了避免误检达到准确性的要求，检测系统根据指定尺寸对图像进行傅里叶变换、高斯滤波、迭代处理等一系列操作，应对所采集的图像中不同类型的裂痕缺陷在给定精度和要求中能够准确检出并标记。为了得到更清晰的图像［3］，突出裂痕区域，对图像进行灰度化、频域图像卷积、滤波去噪、形态学处理。遵循实用的原则，择优选择出适合在线测量的各种算法［4］。
2.1对图像进行傅里叶变换
对图像进行傅里叶变换后就能通过频率成分来分析一个函数。任何信号（如图像信号）都可以表示成一系列正弦信号的叠加，在图像处理方面就是将图像brightness variation 作为正弦变量，图像的频率表征图像中灰度变化剧烈程度的指标，是灰度在平面空间上的梯度，一幅图像能量主要集中在低频区域，在噪声点和图像边缘处的频率为高频。傅里叶变换在实际应用中有非常明显的物理意义，傅里叶变换将图像的灰度分布函数变换为图像的频率分布函数，如式（1）所示；傅里叶逆变换是将图像的频率分布函数变换为灰度分布函数，如式（2）所示。
2.2对图像进行高斯滤波与迭代处理
一幅原始图像在获取和传输过程中会受到各种噪声的干扰，一些常见的噪声有椒盐噪声、脉冲噪声、高斯噪声等，这些噪声会使图像质量下降，对分析图像不利。为了抑制噪声，改善图像质量，要对图像进行平滑处理。图像平滑处理的方法有中值滤波、高斯滤波、灰度最小方差的均值滤波等。高斯滤波对去除服从正态分布的噪声是很有效果的。迭代处理能够有效解决平滑过程中的细节保持和边缘检测时剔除伪边缘这两个难题。
2.3图像处理
2.3.1图像的灰度化
灰度直方图是数字图像处理中最简单实用的工具，其原理是在RGB模型中，若R=G=B时，则灰度图像是R、G、B3个分量相同的一种特殊彩色图像，其中R=G=B的值叫灰度值，灰度值范围为0~255，灰度图像每个像素只需一个字节存放灰度值。灰度图像的描述仍然反映了整幅图像整体和局部的色度和亮度等级的分布和特征。HALCON中的灰度直方图是灰度级的函数，描述的是图像中具有该灰度级的像素的个数。
2.3.2对频域图像进行卷积
可以将数字图像看作一个二维空间的离散函数，该函数用f(x, y)表示, 假设有对于二维卷积操作函数C(u, v) ，则会产生输出图像g(x, y) = f(x, y) C(u,v), 利用卷积可以实现对图像模糊处理，边缘检测，产生轧花效果的图像。
一般卷积模板行列为奇数，输出图像大小与输入相同。设卷积模板F、输入图像X、输出图像均为3×3矩阵。
F=|f（2,1）f（2,2）f（2,3）|
X=|x（2,1）x（2,2）x（2,3）|（3）
卷积模板元素下标调整后，为：
｜f（0,-1）f（0,0）f（0,1）｜（4）
输入图像二维扩展1行1列（M行、N列），以0填充（或行列元素对称扩展）,代入离散二维卷积公式，逐行逐列计算，其中i,j=1∶3，即得结果。图像卷积的过程，相当于将原模板矩阵旋转180°（即中心对称），然后与输入图像矩阵对应元素相乘求和，得出输出图像中心元素的值。
2.3.3形态学处理
数学形态学是一门建立在格论和拓扑学基础之上的图像分析学科，是由一组形态学的代数算子组成的，最基本的形态学算子有：腐蚀、膨胀、开运算、闭运算和骨骼［5］。腐蚀的作用是消除物体边界点，使目标缩小，可以消除小于结构元素的噪声点；膨胀的作用是将与物体接触的所有背景点合并到物体中，使目标增大，可添补目标中的空洞；开运算是先腐蚀后膨胀的过程，可以消除图像上细小的噪声，并平滑物体边界；闭运算是先膨胀后腐蚀的过程，可以填充物体内细小的空洞，并平滑物体边界。HALCON 的形态学运算有基于二值化图像区域的形态学算子和基于灰度化图像区域的形态学算子。图像处理后示范图如图2所示。
为了能够将工业相机集成到自行开发的液晶屏裂痕自动检测系统中进行图像采集，需要使用工业相机厂商提供的开发包SDK进行二次开发。基于VC 的裂痕自动检测软件系统的功能主要分为控制模块、图像采集模块、图像处理和检测结果显示模块。为了保证实时检测的大场景要求以及采集到图像的质量，软件设计的一个关键点是液晶屏传送平台到位时间几乎恒定，图像处理和显示检测结果所需时间也都基本为定值，设计时可取二者间隔时间中较大值进行触发，即可实现较高效率，系统也相对稳定。在VC 中使用SetTimer函数来确定时间间隔，然后使用OnTimer函数进行响应。
4结论
本文研究了一种高精度、大场景、实时稳定的液晶屏裂痕自动检测系统，分别进行了硬件结构的搭建和软件系统的设计。该系统主要包括由工业相机、镜头和光源搭建的光学系统平台、数字图像处理模块和裂痕缺陷检测结果显示模块。通过考察液晶屏生产线上的场景、裂痕缺陷检测的现状以及参考国内液晶屏合格标准，不断优化系统设计，改进的图像处理算法保证了系统的准确率，一键式自动检测的设计满足实时检测的要求。实际应用也表明，相对于传统缺陷检测而言，在线检测解决了人工检测的主观因素，检测结果更为准确可靠，同时方便形成数据报表，能够通过网络进行数据分析和管理，保证液晶屏生产过程中质量控制，提高管理效率，具有很高的实用价值。
参考文献
［1］ 李炜,黄心汉,王敏,等.基于机器视觉的带钢表面缺陷检测系统［J］.华中科技大学学报(自然科学版)，2003，31(2):7274.
［2］ 王时丽，刘桂华.基于机器视觉的钢轨表面缺陷三维检测方法［J］.微型机与应用，2015，34（19）：1013.
［3］ 宋菲菲，赵宏宇．基于双目立体视觉的图像增强［J］.微型机与应用，2015 ，34(19)：4042.
［4］ 龚声蓉,刘纯平,王强.数字图像处理与分析［M］.北京：清华大学出版社，2006.
［5］ 马颂德，张正友．计算机视觉——计算理论与算法基础［M］．北京：科学出版社，1999．
,
