LED模組在線(xiàn)檢測設計

摘要：在項目實(shí)踐基礎上，使用機器視覺(jué)技術(shù)，對采集的圖像采用中值濾波窗口濾除采集過(guò)程中的脈沖及椒鹽噪聲；使用自適應大津法分割圖像，在對單元扳在線(xiàn)檢測時(shí)，由于工作臺振動(dòng)造成模組擺放位置與標準模板位置產(chǎn)生偏差，可采用Fomier-Mellin法進(jìn)行圖像配準，并對配準結果進(jìn)行雙線(xiàn)性插值法處理，結果表明，該方法能精確確定圖像分割時(shí)的閾值，配準結果滿(mǎn)足工廠(chǎng)檢測要求，適用于工業(yè)現場(chǎng)快速實(shí)時(shí)測量系統，具有較高的推廣價(jià)值。
關(guān)鍵詞：在線(xiàn)檢測；大津法；雙線(xiàn)性插值；Fomier-Mellin；中值濾波

LED顯示屏產(chǎn)業(yè)現已成為新興的高科技產(chǎn)業(yè)，在各終端設備中已經(jīng)被廣泛使用，如廣告牌，文字顯示器，大屏幕視頻顯示器等。顯示屏顯示效果的好壞直接取決于發(fā)光模組質(zhì)量的高低，LED拼接顯示屏技術(shù)作為實(shí)現大屏幕的一種方法已經(jīng)得到了極大的推廣應用，LED模組作為組成LED顯示屏的主要部件，在制造、使用和性能評定時(shí)均需要對其進(jìn)行快速準確的測量和分析。國內對LED單元板的檢測在很大程度上依靠人工完成，使得檢測速度和質(zhì)量受個(gè)人主觀(guān)因素影響較大，結果凸顯出來(lái)的問(wèn)題就是發(fā)光模組的發(fā)光亮度、色度不一致性過(guò)大，使得拼接出的顯示屏不可避免的出現“馬賽克”現象，極大的影響顯示屏的顯示效果，直接降低顯示屏的產(chǎn)品質(zhì)量和檔次。文中針對該問(wèn)題并根據廠(chǎng)家實(shí)際的需要，利用機器視覺(jué)技術(shù)，將其融入到對LED單元板的檢測過(guò)程中，實(shí)現了一種快速高效價(jià)格低廉的LED單元板檢測系統。
用于模組的檢測設備總體由顯示屏驅動(dòng)控制單元、工作臺、CCD圖像傳感器、圖像采集卡、PC機等組成，如圖1所示。選用64顆LED組成的8x8點(diǎn)陣LED模組作為檢測模板，如圖2所示。

1 檢測系統算法流程
在機器視覺(jué)系統中，視覺(jué)信息的處理主要依賴(lài)于圖像處理，其包括圖像增強、數據編碼傳輸、平滑處理、邊緣銳化、圖像分割、特征抽取、圖像識別和理解等。根據具體應用要求在這些過(guò)程中進(jìn)行折中選擇。處理后，輸出圖像的質(zhì)量會(huì )得到相當程度的改善，便于計算機對圖像進(jìn)行分析、處理和識別。根據需求設計的主要算法流程如圖3所示。

2 圖像去噪
在圖像的獲取、采集和傳輸過(guò)程中，由CCD輸入轉換器件及周?chē)h(huán)境等因素，檢測系統中采集的數字圖像不可避免的含有各種各樣的噪聲和失真。大量的實(shí)驗研究發(fā)現，由攝像機拍攝得到的圖像受離散的脈沖、椒鹽噪聲的影響比較嚴重。中值濾波是應用極為廣泛的一種非線(xiàn)性濾波方法，它能有效去除脈沖噪聲、椒鹽噪聲同時(shí)又能保留圖像邊緣細節，由于其不依賴(lài)于領(lǐng)域內那些與典型值差別很大的值，故可以克服線(xiàn)性濾波器濾波帶來(lái)的圖像細節模糊，它是一種不同于卷積的鄰域計算，其處理原理是(按3x3模板)，將濾波模板內的9個(gè)像素的灰度值由小到大排列(或是由大到小排列)之后，按其排列順序選取第5個(gè)位置上的像素的灰度值(中值)作為濾波后該像素點(diǎn)上的灰度值。分析可知，中值濾波濾除噪聲的性能與濾波窗口的大小直接相關(guān)，小的濾波窗口可以較好的保持圖片細節，但不能有效的去除脈沖噪聲；較大的窗口能更好地抑制噪聲，但會(huì )使圖像變得模湖。文中選用3x3處理窗口，采集圖像中最上、最下、最左、最右的所有像素點(diǎn)都無(wú)法進(jìn)行濾波，但在實(shí)際檢測過(guò)程中這些點(diǎn)都位于圖像邊緣，屬于背景色不需檢驗。

3 圖像分割
圖像分割是由圖像處理轉到圖像分析的關(guān)鍵，其目的就是把圖像分割成若干特定的、具有獨特性質(zhì)的區域并提取出感興趣的目標。為了減少由于二極管發(fā)光不均勻性帶來(lái)的影響，文中采用自適應門(mén)限處理技術(shù)，將圖像分為4個(gè)相同大小的區域，并對每個(gè)部分的閾值用大津發(fā)單獨進(jìn)行計算。大津法基本思想為：記t為區域內部前景與背景的分割閾值，前景點(diǎn)數占圖像比例為α0，平均灰度為β0；背景點(diǎn)數占圖像比例為α1，平均灰度為β1，圖像的總平均灰度為β=α0xβ0+α1xβ1。從最小灰度值到最大灰度值依次遍歷t，當t使得類(lèi)間方差值g=α0x(β0-β)+α1x(β1-β)最大時(shí)，t即為分割的最佳閾值。方差作為灰度分布均勻性的一種度量，其值越大，即可說(shuō)明構成圖像的兩部分差別越大。當目標錯分為背景或背景錯分為目標時(shí)都會(huì )導致兩部分差別變小。因此，使類(lèi)間方差最大化的分割意味著(zhù)錯分概率最小。直接應用大津法計算量很大，在使用時(shí)采用了g的等價(jià)公式g=α0xα1x(β0-β)。原始圖像如圖4所示，灰度直方圖如圖5所示，大津法求出最大閾值如圖6所示。