适用于手机触摸屏的图像缺陷溯源检测方法及系统与流程

本发明涉及手机图像分析领域，特别是适用于手机触摸屏的图像缺陷溯源检测方法及系统。

背景技术：

1、手机中图像模糊可能涉及手机本身的问题，也可能与手机触摸屏（即显示屏）有关。比如，尘埃、指纹和油脂等微小污渍都可能附着在手机镜头上，影响拍照或录像的清晰度，同时，摄像头受损、镜头不稳定或其他硬件问题也可能导致图像模糊。以及图像存在问题。若手机触摸屏本身受到损坏或老化，如lcd内部出现缺陷、内部组件（如显卡）故障等，都会导致图像模糊，长时间显示静止图像会导致屏幕上永久留下图像痕迹，称为“烧屏”。烧屏现象也会导致显示的图像模糊。综上所述，手机中图像模糊的原因可能涉及多个方面，包括手机摄像头、手机触摸屏以及拍摄技巧和环境条件等。所以提出一种适用于手机触摸屏的图像缺陷溯源检测方法及系统，用于确定手机图像的缺陷来源，实现对症下药进行缺陷修复的目的。

技术实现思路

1、本发明克服了现有技术的不足，提供了适用于手机触摸屏的图像缺陷溯源检测方法及系统。

2、为达到上述目的，本发明采用的技术方案为：

3、本发明第一方面提供了适用于手机触摸屏的图像缺陷溯源检测方法，包括以下步骤：

4、在手机内安装图像缺陷分析模块，并通过对样品图像进行图像分析的方式，标记存在异常的样品图像的像素点；

5、对于异常像素点，在图像缺陷分析模块中引入支持向量机模型进行特征分析，并基于特征分析结果对样品图像进行缺陷类型分类；

6、在图像缺陷分析模块中，基于样品图像的缺陷类型进行缺陷溯源检测，确定样品图像的缺陷类型的来源，并结合样品图像的缺陷类型的来源设计缺陷解决方案。

7、进一步的，本发明的一个较佳实施例中，所述在手机内安装图像缺陷分析模块，并通过对样品图像进行图像分析的方式，标记存在异常的样品图像的像素点，具体为：

8、确定目标手机，并将目标手机的手机触摸屏标定为目标手机触摸屏；

9、在目标手机内安装图像缺陷分析模块，其中，所述图像缺陷分析模块为可以确定图像缺陷类型以及对图像缺陷进行溯源检测的模块，同时在目标手机内确定样品图像；

10、其中，所述样品图像为用于测试目标手机和目标手机触摸屏是否存在缺陷的图像，根据样品图像上的缺陷类型进行目标手机和目标手机触摸屏缺陷溯源检测；

11、将样品图像导入并映射在图像缺陷分析模块中，基于所述图像缺陷分析模块，记录样品图像上每一个像素点的像素值，标定为实际像素值，并确定样品图像上每一个像素点的标准像素值阈值，标定为标准像素值阈值；

12、对样品图像上所有像素点进行像素值分析，并将实际像素值不在标准像素值阈值的像素点标定为异常像素点，同时在样品图像上标记并高亮异常像素点。

13、进一步的，本发明的一个较佳实施例中，所述对于异常像素点，在图像缺陷分析模块中引入支持向量机模型进行特征分析，并基于特征分析结果对样品图像进行缺陷类型分类，具体为：

14、在图像缺陷分析模块中引入支持向量机模型，并通过阈值提取法，在样品图像中对异常像素点进行阈值提取处理，得到异常像素点图像；

15、在所述异常像素点图像中，进行像素点灰度共生矩阵构建，并基于异常像素点的灰度共生矩阵，提取异常像素点图像的纹理特征，同时对异常像素点图像进行傅里叶变换，获取异常像素点图像的频域特征，最后，对异常像素点图像上的像素点进行颜色特征提取，得到异常像素点图像的颜色特征；

16、将异常像素点图像的纹理特征、频域特征以及颜色特征组合成特征向量，基于特征向量构建训练数据集，并将训练数据集导入至所述支持向量机模型内；

17、引入大数据网络，基于所述大数据网络检索样品图像可能存在的所有缺陷类型，并基于样品图像可能存在的所有缺陷类型检索对应的所有支持向量机模型核函数，标定为目标核函数；

18、在支持向量机模型内基于所述目标和函数，对训练数据集进行交叉验证，实现支持向量机模型的数据训练，并在交叉验证后输出异常像素点图像存在的缺陷类型，标记为图像实际缺陷类型；

19、其中，所述图像实际缺陷类型包括样品图像颜色缺陷、模糊缺陷以及画质缺陷。

20、进一步的，本发明的一个较佳实施例中，所述在图像缺陷分析模块中，基于样品图像的缺陷类型进行缺陷溯源检测，确定样品图像的缺陷类型的来源，并结合样品图像的缺陷类型的来源设计缺陷解决方案，具体为：

21、在图像缺陷分析模块中，若样品图像的图像实际缺陷类型为颜色缺陷，则在目标手机中确定异常像素点图像的标准色温参数和标准色彩参数，并结合组成标准颜色参数，同时确定异常像素点图像的实际颜色参数；

22、计算标准颜色参数与实际颜色参数的参数差，同时预设合格参数差，对目标手机进行手机系统版本检测，判断目标手机是否存在可用更新版本，若是，则对目标手机进行可用更新版本的安装，并在安装后判断标准颜色参数与实际颜色参数的参数差是否不大于合格参数差；

23、若是，则将样品图像的颜色缺陷来源标定为目标手机系统原因，若否，则判断在目标手机中进行色彩参数调整能否使标准颜色参数与实际颜色参数的参数差不大于合格参数差；

24、若仍否，则将样品图像的颜色缺陷来源标定为目标手机触摸屏硬件原因，确定异常像素点图像在目标手机触摸屏上的位置，标定为目标手机触摸屏颜色异常位置，并确定目标手机触摸屏颜色异常位置在目标手机触摸屏中对应的硬件，标定为一类异常硬件，并基于大数据网络，检索对一类异常硬件进行硬件检修的所有方案；

25、在图像缺陷分析模块中，对图像实际缺陷类型为模糊缺陷的样品图像进行缺陷溯源检测，并设计缺陷解决方案。

26、进一步的，本发明的一个较佳实施例中，所述在图像缺陷分析模块中，对图像实际缺陷类型为模糊缺陷的样品图像进行缺陷溯源检测，并设计缺陷解决方案，具体为：

27、在图像缺陷分析模块中，若样品图像的图像实际缺陷类型为模糊缺陷，则获取目标手机的陀螺仪模块，并将目标手机的陀螺仪模块与图像分析模块连接；

28、在目标手机的陀螺仪模块与图像分析模块连接后，确定样品图像的录制时间戳，并基于样品图像的录制时间戳，确定在样品图像录制时陀螺仪的抖动幅度以及抖动频率，标定为陀螺仪实际抖动幅度和陀螺仪实际抖动频率；

29、基于大数据网络确定样品图像不出现模糊缺陷时陀螺仪对应的抖动幅度以及抖动频率，标定为陀螺仪标准抖动幅度和陀螺仪标准抖动频率；

30、若陀螺仪实际抖动幅度和陀螺仪实际抖动频率存在大于对应的陀螺仪标准抖动幅度和陀螺仪标准抖动频率，则将样品图像的模糊缺陷来源标定为拍摄抖动原因；

31、在图像缺陷分析模块中引入盲去卷积算法，基于盲去卷积算法构建初始化模糊核，并定义初始化模糊核的模糊估计值，通过初始化模糊核的模糊估计值对样品图像进行卷积操作，得到清晰的样品图像的估计值；

32、基于盲去卷积算法，迭代卷积样品图像，并预设最大迭代次数，若迭代次数等于最大迭代次数，停止迭代卷积样品图像，输出迭代卷积后的样品图像，标定为盲去卷积样品图像；

33、其中，所述盲去卷积样品图像不存在模糊缺陷；

34、若陀螺仪实际抖动幅度和陀螺仪实际抖动频率均不大于对应的陀螺仪标准抖动幅度和陀螺仪标准抖动频率，对目标手机以及目标手机触摸屏进行模糊缺陷二次溯源，并基于二次溯源结果设计缺陷解决方案。

35、进一步的，本发明的一个较佳实施例中，所述对目标手机以及目标手机触摸屏进行模糊缺陷二次溯源，并基于二次溯源结果设计缺陷解决方案，具体为：

36、若陀螺仪实际抖动幅度和陀螺仪实际抖动频率均不大于对应的陀螺仪标准抖动幅度和陀螺仪标准抖动频率，则对目标手机的摄像头进行硬件破损分析，判断目标手机的摄像头是否存在硬件破损问题；

37、若是，则将样品图像的模糊缺陷来源标定为目标手机摄像头硬件原因，在大数据网络中检索目标手机摄像头破损硬件的维修方案并输出；

38、若否，则在目标手机中进行相机应用缓存更新以及相机应用程序更新，若相机应用缓存更新以及相机应用程序更新后样品图像不存在模糊缺陷，则将样品图像的模糊缺陷来源标定为目标手机相机软件原因；

39、若相机应用缓存更新以及相机应用程序更新后样品图像仍存在模糊缺陷，则将样品图像的模糊缺陷来源标定为目标手机触摸屏硬件原因，并对目标手机触摸屏进行更换处理，确保样品图像不存在模糊缺陷。

40、本发明第二方面还提供了适用于手机触摸屏的图像缺陷溯源检测系统，所述图像缺陷溯源检测系统包括存储器与处理器，所述存储器中储存有图像缺陷溯源检测方法，所述图像缺陷溯源检测方法被所述处理器执行时，实现如下步骤：

41、在手机内安装图像缺陷分析模块，并通过对样品图像进行图像分析的方式，标记存在异常的样品图像的像素点；

42、对于异常像素点，在图像缺陷分析模块中引入支持向量机模型进行特征分析，并基于特征分析结果对样品图像进行缺陷类型分类；

43、在图像缺陷分析模块中，基于样品图像的缺陷类型进行缺陷溯源检测，确定样品图像的缺陷类型的来源，并结合样品图像的缺陷类型的来源设计缺陷解决方案。

44、本发明解决的背景技术中存在的技术缺陷，本发明具备以下有益效果：在手机中定位样品图像像素点异常位置，并结合支持向量机模型进行样品图像的像素点异常位置的缺陷类型分类，最后对不同的分类结果进行缺陷溯源检测以及缺陷解决方案设计。本发明能够在手机上，通过对样品图像进行像素分析，并基于分析结果实现手机硬件软件以及拍摄过程的缺陷溯源分析，并实现解决方案设计，实现预防和解决图像显示问题的目的。