mura检测方法

最新推荐文章于 2025-10-28 12:00:15 发布
最新推荐文章于 2025-10-28 12:00:15 发布
阅读量1.3w 收藏 60
点赞数 5
CC 4.0 BY-SA版权
分类专栏： 信号处理_通信原理
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/wangjie36/article/details/105647655
本文介绍了一种用于检测液晶面板Mura缺陷的方法，包括图像预处理、DCT滤波、背景重建和缺陷量化。通过扫描和CCD相机获取图像，利用DCT和低通滤波策略减少噪声，并通过阈值分割检测Mura。采用人眼敏感度的JND模型量化Mura程度，该方法在实际应用中展示了良好的检测效果。

图2展示了开发的流程图方法:

一种分割方法来检测区域不均匀。首先检查图像的背景，利用DCT原理和an图像过滤策略。然后可以检测出Mura缺陷并利用所开发的分割策略进行量化。一个首先从TFT LCD单元中获取液晶图像将其变换到频域，然后采用低通滤波策略对其进行滤波，提取其主图像组件。然后是逆离散余弦变换(IDCT)用于重建背景图像。提取不均匀缺陷采用图像减法进行分割从背景图像。紧接着，mura出现了缺陷然后用刚刚显著的差异(JND)来量化级别定义由半导体设备和材料国际)。方法中使用的每个步骤将在下面的小节中详细介绍。开发用于mura检测的硬件系统图3是所开发硬件的原理图mura自动检测系统。

液晶面板是由一个控制背光照明和检查下黑暗房间的状况。该系统包括背光控制模块，X-Y-Z扫描单元，CCD照相机和一台个人电脑。TFT液晶模块是自动安装由自动装卸单元进入集线器的背光控制模块量。所开发的硬件系统原理图自动色差检查。准确的定位。因为TFT LCD的大小面板太大，不能用一个单一的视场来检查

对于图像传感，采用扫描单元进行定位为了连续成像，面板连续地对着CCD采集(以虚线表示，箭头表示ofmovement路径)。一个渐进扫描B

了解本专栏 订阅专栏 解锁全文 超级会员免费看
Halcon 中mura缺陷检测
锡克步兵团团长的博客
06-05 5371
高纹理中mura缺陷检测
Halcon实例系列教程-应用范围-表面检测-模糊图像mura检测detect_mura_defects_blur.hdev
hushenming3的博客
05-11 931
rft_generic (ImageConvol, ImageFFT1, 'from_freq', 'none', 'byte', Width)%傅里叶逆变换。gen_gauss_filter (ImageGauss, 100, 100, 0, 'n', 'rft', Width, Height)%生成高斯滤波器。rft_generic (B, ImageFFT, 'to_freq', 'none', 'complex', Width)%作用域通道B。* 第三步：腐蚀噪点得结果。* 第一步：傅里叶变换。
检测液晶显示屏（LCD）上的“mura”缺陷
zhangyy57的博客
07-18 2838
这段代码通过图像处理技术检测液晶显示屏上的mura缺陷，并通过分水岭算法和特征计算来识别和显示这些缺陷。
光学工程核心学习资料：Demura、Mura与光学检测方案全解析
最新发布
weixin_35238815的博客
10-28 651
Mura（日语“斑”之意）泛指显示画面上出现的非预期亮度或色度不均匀区域，表现为模糊的云状、条纹状、点状或块状异常。这类缺陷不具备明确边界，通常无法通过传统像素级缺陷检测算法识别，因其变化缓慢且幅度微弱，属于低频空间调制噪声的一种。然而，正是这种“似有若无”的特性，使其极易引起人眼注意，严重影响主观观感质量。
基于机器视觉的TFT_LCD屏Mura缺陷检测方法研究_李茂
01-17
论文 基于机器视觉的TFT_LCD屏Mura缺陷检测方法研究_李茂
Mura缺陷检测【1】：svd
Ring__Rain的博客
06-13 3217
//背景抑制，SVD方法，耗时非常严重350*350——900ms，535*535——70s void SVD_test(Mat & srcImg, Mat & resultMat) { double t1 = getTickCount(); Mat temp(srcImg.size(), CV_32FC1, Scalar(0)); srcImg.convertTo(src...
检测-基于频域的mura缺陷检测
Ring__Rain的博客
03-02 2969
dev_close_window () dev_update_off () Path := 'lcd/mura_defects_texture_' read_image (Image, Path + '01') get_image_size (Image, Width, Height) dev_open_window (0, 0, 640, 480, 'black', WindowHandle) ...
Mura 检测.rar_MURA缺陷_Mura 检测_Mura检测_matlab检测mura_方法总结
07-15
Mura检测算法经典文章，包含一个word文档说明了主要步骤、检测方法、：本身Mura检测是由三个基本的图像处理算法构成的，滤波、分割、量化；Mura检测的难点与重点就是如何提取缺陷，也就是采用何种分割算法
基于Halcon学习的缺陷检测【一】detect_mura_blur.hdev
BoomBiuBiu的博客
03-22 979
这个例子展示了如何在模糊图像中检测mura缺陷 总代码： *频域+差分+空间域 dev_close_window () dev_update_off () Path := 'lcd/mura_defects_blur_' read_image (Image, Path + '01') get_image_size (Image, Width, Height) dev_open_window_fit_size (0, 0, Width, Height, 640, 480, WindowHandle).
液晶 mura 机器视觉 matlab,基于Gabor滤波与C-V模型分割的LCDMura缺陷机器视觉检测方法...
weixin_36414025的博客
03-24 665
基于Gabor滤波与C-V模型分割的LCD Mura缺陷机器视觉检测方法【专利摘要】本发明属于LCD?Mura缺陷机器视觉检测【技术领域】，其公开了一种基于Gabor滤波与C-V模型分割的LCD?Mura缺陷机器视觉检测方法，包括如下步骤：在暗室中，用CCD相机对点亮的LCD屏幕在垂直方向拍照，把采集到图像输入计算机进行图像处理，图像处理步骤为几何校正、Gabor滤波、改进的C-V模型分割和缺陷量...
液晶的mura介绍及资料.pdf
05-27
液晶的mura介绍及资料，包括mura 的产生原理，常见问题的分析改善。
Mura缺陷检测【3】：Gabor小波滤波器
Ring__Rain的博客
06-14 1133
代码：
液晶屏Mura检测ND FILTER介绍
热门推荐
biao197的专栏
09-18 1万+
种类 透光率% 容许值（A光源） ND-0.1 79.45 77.70~81.20 ND-0.2 63.1 60.02~66.00 ND-0.3 50.2 47.90~52.50 ND-0.4 39.85 38.00~41.70 ND-0.5 31.7 29.50~33.90 ND-0.6 25....
Halcon表面检测---高度纹理图像中的mura缺陷
xd940940的博客
07-11 4485
对应示例程序： detect_mura_defects_texture.hdev 目标：实现高纹理图像中缺陷的检测（黑色）。 思路为： 1.对彩色图像进行R G B分解，选取B作为后续图像。 2. 生成背景模板，将图像傅里叶变换到频域中，通过高斯滤波，然后傅里叶反变换回来，得到的图像就是背景模板。 3 .背景差分。采用sub_image函数进行图像差分,增强两幅图像的差异 4 .分水岭算法分割，在...
使用c++ opencv 实现mura 检测的代码
weixin_35751194的博客
02-19 316
我可以为您提供一些有关使用OpenCV实现Mura检测的代码的帮助。你可以按照下面的步骤实现：1.加载图像，2.使用OpenCV函数识别Mura，3.使用OpenCV函数检测Mura，4.保存检测结果。 ...
LKNet--用于OLED显示屏Mura缺陷检测的神经网络
m0_59092412的博客
06-15 1399
本专利设计了一种基于DenseNet和Xception神经网络模型称为LKNet，用于构建OLED面板良品检测卷积神经网络的主干部分，并加入特征金字塔结构用于多尺寸检测，使用空间金字塔池化适配不同尺寸大小的图片，增加通道混洗，用于特征通道间的特征流通，增加了L2正则化和Drop技术用于防止神经网络过拟合，设计了一种用于降维的空间通道金字塔池化(SCPP)模块，用于代替1*1卷积，加入数据并行(DP)模式用于减少显存消耗和提升训练速度；SCPP将特征图通道进行不同数量的分组，比如1份，每份为所有通道；
图像处理之SVD检测显示屏缺陷（C++）
qq_45045175的博客
05-08 1573
本文介绍了SVD在缺陷检测中的应用和OpenCV的svd使用
缺陷检测之高纹理图像检测
Y忍冬草
09-05 1万+
1、代码 * 该例程展示了如何在高纹理图像中检测mura缺陷 * dev_close_window () dev_update_off () Path := 'lcd/mura_defects_texture_' read_image (Image, Path + '01') get_image_size (Image, Width, Height) dev_open_window (0,...
mura 检测
09-29
Mura检测主要涉及IXD Mura缺陷检测，它是利用图像处理对缺陷进行检测和量化以替代人眼检测判断的技术。 ### 方法 国内外众多学者提出的机器视觉检测方法，但这些方法应用对象单一，只能检测出一种或几种IXD Mura缺陷，且检测效率低于人眼检测，这使得目前IXD Mura缺陷检测仍较多依靠人眼检测[^1]。传统的显示屏缺陷检测常由人工完成，但人工检测无法精准客观地检测微小物体和MURA缺陷，且易受主观因素影响，而利用机器视觉系统进行的自动光学检测能解决这些问题[^2]。 ### 技术 缺陷检测的关键技术包括图像采集、图像预处理、特征提取以及决策制定。图像采集获取产品图像作为后续处理的数据源；图像预处理包含降噪、增强对比度、校正几何畸变等步骤，为特征提取做准备；特征提取通过算法分析图像，提取如形状、纹理、颜色等有助于检测缺陷的特征；决策制定利用机器学习或人工智能方法，根据提取的特征进行缺陷的分类和判定。这些技术融合使用可使缺陷检测系统更高效精准，也可应用于Mura检测中[^3]。 ### 应用 Mura检测主要应用于显示屏缺陷检测领域。显示屏常见的显示缺陷分为点缺陷、线缺陷、MURA缺陷三大类，Mura检测在其中针对MURA缺陷进行检测，以保证显示屏的质量[^2]。 ```python # 以下是一个简单的伪代码示例，展示一个可能的缺陷检测流程 def mura_detection(image): # 图像采集（这里假设已经获取到图像） # 图像预处理 preprocessed_image = preprocess(image) # 特征提取 features = extract_features(preprocessed_image) # 决策制定 result = classify_defects(features) return result def preprocess(image): # 实现降噪、增强对比度、校正几何畸变等操作 return processed_image def extract_features(image): # 实现提取形状、纹理、颜色等特征的算法 return features def classify_defects(features): # 利用机器学习或人工智能方法进行缺陷分类 return defect_class ```
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

寒听雪落

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值