一种量子点光学膜的缺陷检测方法及系统与流程

本发明涉及图像灰度增强，具体涉及一种量子点光学膜的缺陷检测方法及系统。

背景技术：

1、相较于传统光学膜，量子点光学膜的色域更广泛，并且对颜色的过滤效果更好，使得其展示的颜色更纯净，因此在一些高端显示器上量子点光学膜被广泛应用。在生产量子光学膜的过程中，往往需要对其进行缺陷检测。在进行缺陷检测过程中往往会对图像中的像素点进行聚类，将特征相似的像素点聚集为同一个聚类簇，便于后续判断聚类簇是否为缺陷聚类簇，以实现缺陷检测。目前，对图像中的像素点进行聚类时，通常采用的方式可以为：根据采集图像中像素点的像素值，对图像中的像素点进行聚类。

2、然而，当根据采集的量子点光学膜图像中像素点的像素值，对像素点进行聚类时，经常会存在如下技术问题：

3、由于量子点光学膜的缺陷区域与未发生缺陷的正常区域之间的色差往往并不明显，比如，划痕缺陷与正常区域之间的色差比较相近，所以拍摄到图像中缺陷区域与正常区域之间的像素差异相对较小，因此根据采集的量子点光学膜图像中像素点的像素值，对像素点进行聚类时，往往难以将缺陷区域与正常区域准确地划分，从而导致像素点聚类效果较差，进而导致对生产量子光学膜进行缺陷检测的准确度较差。

技术实现思路

1、为了解决由于像素点聚类效果较差而导致的对生产量子光学膜进行缺陷检测的准确度较差的技术问题，本发明提出了一种量子点光学膜的缺陷检测方法及系统。

2、第一方面，本发明提供了一种量子点光学膜的缺陷检测方法，该方法包括：

3、获取待检测量子点光学膜对应的目标膜图像，对所述目标膜图像进行预设数量次不同尺寸的分割，得到分割区域；

4、根据所述目标膜图像中每个像素点在每次分割下所属分割区域内所有像素点在每个预设通道下的通道值，确定每个像素点在每次分割时每个预设通道下的异常得分；

5、根据每个像素点与其对应的预设邻域内所有像素点在预设数量次分割时每个预设通道下的异常得分，确定每个像素点在每个预设通道下的缺陷异常权重；

6、根据每个像素点在所有预设通道下的缺陷异常权重和通道值，对每个像素点进行灰度增强，得到每个像素点对应的目标灰度值；

7、根据所述目标膜图像中所有像素点对应的目标灰度值，对所述目标膜图像中的所有像素点进行聚类，得到目标聚类簇集合；

8、根据所述目标聚类簇集合，对所述待检测量子点光学膜进行缺陷检测。

9、可选地，所述根据每个像素点与其对应的预设邻域内所有像素点在预设数量次分割时每个预设通道下的异常得分，确定每个像素点在每个预设通道下的缺陷异常权重，包括：

10、将所述目标膜图像中任意一个像素点，确定为标记像素点，对所述标记像素点在预设数量次分割时每个预设通道下的异常得分进行排序，得到所述标记像素点在每个预设通道下的异常得分序列；

11、以所述标记像素点在每个预设通道下的异常得分序列的序号为横坐标，以所述标记像素点在每个预设通道下的异常得分序列中的异常得分为纵坐标，作所述标记像素点在每个预设通道下的异常得分序列对应的拟合曲线，记为所述标记像素点在每个预设通道下的异常得分曲线；

12、将所述标记像素点在每个预设通道下的异常得分曲线中，所有异常得分所在的坐标点在该异常得分曲线上斜率的方差，确定为所述标记像素点在每个预设通道下的异常置信度；

13、根据所述标记像素点与其对应的预设邻域内所有像素点在预设数量次分割时每个预设通道下的异常得分，以及所述标记像素点在每个预设通道下的异常置信度，确定所述标记像素点在每个预设通道下的缺陷异常权重。

14、可选地，像素点在预设通道下的缺陷异常权重对应的公式为：

15、；其中，wij是目标膜图像中第i个像素点在第j个预设通道下的缺陷异常权重；i是目标膜图像中像素点的序号；j是预设通道的序号；norm( )是归一化函数；exp( )是以自然常数为底的指数函数；εij是目标膜图像中第i个像素点在第j个预设通道下的异常置信度；n是预设数量；k是分割的序号；dijk是目标膜图像中第i个像素点在第k次分割时第j个预设通道下的异常得分；εijk是目标膜图像中第i个像素点对应的预设邻域内所有像素点在第k次分割时第j个预设通道下的异常得分的方差。

16、可选地，所述根据每个像素点在所有预设通道下的缺陷异常权重和通道值，对每个像素点进行灰度增强，得到每个像素点对应的目标灰度值，包括：

17、将所述目标膜图像中任意一个像素点，确定为标记像素点，根据所述标记像素点在每个预设通道下的缺陷异常权重和通道值，确定所述标记像素点在每个预设通道下的目标调整值；

18、根据所述标记像素点在所有预设通道下的目标调整值，确定所述标记像素点对应的目标灰度值。

19、可选地，像素点对应的目标灰度值对应的公式为：

20、；；其中，gi是目标膜图像中第i个像素点对应的目标灰度值；i是目标膜图像中像素点的序号；j是预设通道的序号；m是预设通道的数量；wij是目标膜图像中第i个像素点在第j个预设通道下的缺陷异常权重；wi是目标膜图像中第i个像素点在所有预设通道下的缺陷异常权重的累加值；tij是目标膜图像中第i个像素点在第j个预设通道下的通道值；是目标膜图像中第i个像素点在第j个预设通道下的目标调整值。

21、可选地，所述根据所述目标膜图像中所有像素点对应的目标灰度值，对所述目标膜图像中的所有像素点进行聚类，得到目标聚类簇集合，包括：

22、根据所述目标膜图像中任意两个像素点对应的目标灰度值，确定这两个像素点之间的初始聚类距离；

23、对两个像素点之间的初始聚类距离进行修正，得到这两个像素点之间的修正聚类距离；

24、根据所述目标膜图像中像素点之间的修正聚类距离，对所述目标膜图像中的所有像素点进行聚类，并将聚类得到的每个聚类簇，确定为目标聚类簇，得到目标聚类簇集合。

25、可选地，两个像素点之间的修正聚类距离对应的公式为：

26、lit=δgit×(1+norm(|εi-εt|))；δgit=|gi-gt|；i≠t；其中，lit是目标膜图像中第i个像素点和第t个像素点之间的修正聚类距离；i和t是目标膜图像中像素点的序号；δgit是目标膜图像中第i个像素点和第t个像素点之间的初始聚类距离；norm( )是归一化函数；||是取绝对值函数；εi是目标膜图像中第i个像素点对应的预设邻域内所有像素点对应的目标灰度值的方差；εt是目标膜图像中第t个像素点对应的预设邻域内所有像素点对应的目标灰度值的方差；gi是目标膜图像中第i个像素点对应的目标灰度值；gt是目标膜图像中第t个像素点对应的目标灰度值。

27、可选地，所述根据所述目标聚类簇集合，对所述待检测量子点光学膜进行缺陷检测，包括：

28、当所述目标聚类簇集合中目标聚类簇的数量大于预设阈值时，将每个目标聚类簇中所有像素点对应的目标灰度值的方差，确定为每个目标聚类簇对应的目标代表方差，并将目标代表方差最大的目标聚类簇，确定为缺陷聚类簇。

29、可选地，所述根据所述目标膜图像中每个像素点在每次分割下所属分割区域内所有像素点在每个预设通道下的通道值，确定每个像素点在每次分割时每个预设通道下的异常得分，包括：

30、根据所述目标膜图像中每个像素点在每次分割下所属分割区域内所有像素点在每个预设通道下的通道值，通过孤立森林算法，确定每个像素点在每次分割时每个预设通道下的异常得分。

31、第二方面，本发明提供了一种量子点光学膜的缺陷检测系统，包括处理器和存储器，上述处理器用于处理存储在上述存储器中的指令以实现上述的一种量子点光学膜的缺陷检测方法。

32、本发明具有如下有益效果：

33、本发明的一种量子点光学膜的缺陷检测方法，通过对图像中的像素点进行灰度增强，从而实现了对待检测量子点光学膜的缺陷检测，解决了由于像素点聚类效果较差而导致的对生产量子光学膜进行缺陷检测的准确度较差的技术问题，提高了像素点聚类效果和对生产量子光学膜进行缺陷检测的准确度。首先，由于目标膜图像中包含了待检测量子点光学膜的信息特征，所以获取目标膜图像，可以便于后续对待检测量子点光学膜进行缺陷检测。其次，对目标膜图像进行预设数量次不同尺寸的分割，可以便于后续对不同尺寸的分割区域进行分析。然后，基于目标膜图像中每个像素点在每次分割下所属分割区域内所有像素点在每个预设通道下的通道值，量化的每个像素点在每次分割时每个预设通道下的异常得分可以表征每个像素点在每次分割时每个预设通道下的异常情况，其值越大往往说明该像素点越可能在该预设通道下发生了异常。接着，综合考虑像素点与其对应的预设邻域内所有像素点在预设数量次分割时每个预设通道下的异常得分，可以提高像素点在每个预设通道下的缺陷异常权重确定的准确度，并且缺陷异常权重越大，往往说明该像素点在对应预设通道下越可能存在异常。之后，综合考虑像素点在所有预设通道下的缺陷异常权重和通道值，对像素点进行灰度增强，量化了像素点对应的目标灰度值，进而可以放大缺陷区域与正常区域之间的灰度差异，使缺陷区域与正常区域之间的色差明显，从而便于后续对待检测量子点光学膜进行缺陷检测。而后，基于目标膜图像中所有像素点对应的目标灰度值，可以实现对目标膜图像中的所有像素点的聚类，其次，相较于根据目标膜图像中像素点的像素值，对目标膜图像中的像素点进行聚类，本发明量化了多个与缺陷相关的特征，比如，异常得分和缺陷异常权重等，放大了缺陷区域与正常区域之间的灰度差异，使缺陷区域与正常区域之间的色差明显，进而可以相对比较准确地划分缺陷区域和正常区域，从而可以提高聚类效果，进而可以提高对待检测量子点光学膜进行缺陷检测的准确度。最后，基于目标聚类簇集合，实现了对待检测量子点光学膜的缺陷检测。