目录1.引言22.相关原理3 2.1.数字图像处理简介 3 2.2.系统方案设计内容及原理 4 2.2.1.设计内容4 2.2.2.设计原理53.源程序54.仿真结果及分析13 4.1.点缺陷的仿真结果13 4.2.线缺陷的仿真结果16 4.3.面缺陷的仿真结果18 4.4.结果分析 205.总结与心的216.参考文献221. 引言 自人类社会进入信息时代以来，信息显示技术在人们社会活动和日常生活中的作用日益剧增。例如，信息处理、接受及发送等操作均借助于信息系统终端设备与人之间的界面显示来完成。液晶显示器(LCD-Liquid Crystal Display)不仅具有高分辨率、高亮度和无几何变形等诸多优点外，还具有体积小、重量轻和功耗低等特点。因此，被广泛应用于数码照相机、数码摄像机、车载显示器、桌上显示器、笔记本电脑和液晶电视等几乎所有的显示器领域。如图1所示。 图1液晶显示器的应用在液晶显示器的生产过程中，由于工艺及环境的原因可能导致液晶显示屏的显示缺陷，常见的TFT-LCD屏显示缺陷包括点缺陷、线缺陷和面缺陷。点缺陷主要是单个TFT失效引起的，线缺陷则主要是由于驱动IC与屏连接不良所致。面缺陷是与点、线两种缺陷完全不同类型的缺陷，它无同定的形状和尺寸，必须在暗室下为TFT-LCD提供特定的背景亮度才能够将其辨认，产生面缺陷的原因有：液晶分子配向不均匀，TFT漏电不均匀和背光源发光不均匀等。这些显示缺陷的产生对显示器的显示造成了很大的干扰，对日常生活、生产有不小的负面影响。所以，对于显示缺陷的检测是非常重要的。目前对缺陷的检测主要依靠人工，为了提高检测效率及准确性，研制有效的液晶屏自动检测系统十分必要。由此，本文设计了一种基于数字图像处理方法的对于液晶显示器显示缺陷自动检测的方案。2. 相关原理2.1.数字图像处理简介数字图像处理(DigitalImageProcessing)是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。图像处理工具箱提供一套全方位的参照标准算法和图形工具，用于进行图像处理、分析、可视化和算法开发。可用其对有噪图像或退化图像进行去噪或还原、增强图像以获得更高清晰度、提取特征、分析形状和纹理以及对两个图像进行匹配。工具箱中大部分函数均以开放式 MATLAB 语言编写。这意味着可以检查算法、修改源代码和创建自定义函数。图像处理工具箱在生物测定学、遥感、监控、基因表达、显微镜技术、半导体测试、图像传感器设计、颜色科学及材料科学等领域为工程师和科学家提供支持。它也促进了图像处理技术的教学。数字图像处理的优点主要表现在以下几个方面：1. 再现性好数字图像处理与模拟图像处理的根本不同在于，它不会因图像的存储、传输或复制等一系列变换操作而导致图像质量的退化。只要图像在数字化时准确地表现了原稿，则数字图像处理过程始终能保持图像的再现。 2处理精度高按目前的技术，几乎可将一幅模拟图像数字化为任意大小的二维数组，这主要取决于图像数字化设备的能力。现代扫描仪可以把每个像素的灰度等级量化为16位甚至更高，这意味着图像的数字化精度可以达到满足任一应用需求。对计算机而言，不论数组大小，也不论每个像素的位数多少，其处理程序几乎是一样的。换言之，从原理上讲不论图像的精度有多高，处理总是能实现的，只要在处理时改变程序中的数组参数就可以了。回想一下图像的模拟处理，为了要把处理精度提高一个数量级，就要大幅度地改进处理装置，这在经济上是极不合算的。3适用面宽图像可以来自多种信息源，它们可以是可见光图像，也可以是不可见的波谱图像（例如X射线图像、射线图像、超声波图像或红外图像等）。从图像反映的客观实体尺度看，可以小到电子显微镜图像，大到航空照片、遥感图像甚至天文望远镜图像。这些来自不同信息源的图像只要被变换为数字编码形式后，均是用二维数组表示的灰度图像（彩色图像也是由灰度图像组合成的，例如RGB图像由红、绿、蓝三个灰度图像组合而成）组合而成，因而均可用计算机来处理。即只要针对不同的图像信息源，采取相应的图像信息采集措施，图像的数字处理方法适用于任何一种图像。4灵活性高图像处理大体上可分为图像的像质改善、图像分析和图像重建三大部分，每一部分均包含丰富的内容。由于图像的光学处理从原理上讲只能进行线性运算，这极大地限制了光学图像处理能实现的目标。而数字图像处理不仅能完成线性运算，而且能实现非线性处理，即凡是可以用数学公式或逻辑关系来表达的一切运算均可用数字图像处理实现。鉴于以上数字图像处理的便捷性、可操作性、简单易行性以及本次设计的内容及目的是检测显示图像缺陷的自动检测，所以本次对于液晶显示器显示缺陷的自动检测系统采用基于数字图像处理的方式来设计。2.2.系统方案设计内容及原理2.2.1.设计内容：1） 选择液晶显示屏有缺陷的图像作为分析对象，或自行模拟相应图像，缺陷种类应至少包括点缺陷、线缺陷；2） 完成液晶屏图像表面缺陷的图像预处理，包括图像滤波等；3） 完成图像分割、边缘提取和目标提取等；4） 特征提取和识别实现；2.2.2.设计原理： 本次设计由于是要自动检测出显示图像的缺陷，于是采取的方案是将图像先进行中值滤波预处理。然后通过选取阈值为灰度的平均值加常数h=1015对图像进行二值化处理，之后再通过帧运算过滤噪声、数学形态滤波去噪以及边缘处理等手段将缺陷目标提取出来。提取出的缺陷目标为白色，无缺陷的地方为黑色，这样就完成了将要检测的缺陷提取的目的。之后就是将提取的目标进行坐标定位，个数以及大小计算等。最后将会把结果打印出来。3.源程序 I=imread(mian.jpg);%读取原始图片I=rgb2gray(I);J=medfilt2(I,3,3);%进行中值滤波J=medfilt2(J,3,3);%进行中值滤波J=medfilt2(J,3,3);%进行中值滤波subplot(2,2,1),imshow(I),title(原图像);subplot(2,2,2),imshow(J);title(中值滤波后图像);%显示中值滤波后图像subplot(2,2,3),imhist(I),title(原图像的直方图);%显示原图像的直方图subplot(2,2,4),imhist(J),title(中值滤波后图像的直方图);%显示中值滤波后图像的直方图%选取阈值为所有像素的灰度的平均值加常数h=1015对图像进行二值化处理%灰度值大于的为白色，小于的为黑色J1=J;J2=mean2(J)+15;K=find(J=J2);J(K)=255;figure,subplot(1,2,1),imshow(J),title(Binary Image);%显示二值化后图像J3=mean2(J1)+10;K=find(J1=J3);J1(K)=255;subplot(1,2,2),imshow(J1),title(Binary Image);%显示二值化后图像K1=bitand(J,J1);%位与figure,imshow(K1),title(帧运算过滤噪声后图像);%数学形态滤波se=strel(square,3);%生成放心结构元素K2=imerode(K1,se);%执行腐蚀figure,imshow(K2);K2=imdilate(K2,se);%执行膨胀figure,imshow(K2),title(数学形态学滤波后图像);J2=double(K1);m n=size(J2); %图像的大小（长和宽）s=0;c=0;k=1; for i=1:m-1 for j=1:n-1 if J2(i,j)=255 s=s+1;a(k)=j;b(k)=i; k=k+1; end endendc=0;if s=0 pt=sprintf(不存在缺陷);disp(pt)else if s/(7*2*n)0.8 for i=1:n-1 if b(i+7+n)-b(i+n)=0 if a(i+1+n)-a(i+n)=1 if i=n-1 pt=sprintf(存在横向的线缺陷);disp(pt) st=sprintf(线缺陷的面积S=%8.5f,n*7);disp(st) at=sprintf(线缺陷的长度L=%8.5f,n);disp(at) ct=sprintf(线缺陷的个数c=%8f,round(s/(7*n);disp(ct) for j=1:round(s/(7*n) yt=sprintf(线缺陷的坐标y=%8.5f,b(1+7*n*(j-1)+3);disp(yt)yt=sprintf(在液晶屏中线缺陷的坐标y=%8.5f,(b(1+7*n*(j-1)+3)/m*10*2);disp(yt) end end end end end else if s/(7*2*m)0.8 for k=1:round(s/(7*m) for i=1:m-1 if a(i+7*k)-a(i)=0 if b(i+7*k)-b(i)=1 if i=m-1 pt=sprintf(存在纵向的线缺陷);disp(pt) st=sprintf(线缺陷的面积S=%8.5f,m*7);disp(st) at=sprintf(线缺陷的长度L=%8.5f,m);disp(at) ct=sprintf(线缺陷的个数c=%8f,k);disp(ct)