1  引   言

20世纪50年代机器视觉从统计模式识别开始^[1]，工作主要集中在二维图像分析和识别上，Roberts(1965)通过计算机程序从数字图像中提取出立方体和棱柱体等多面体的三维结构；70年代中期，麻省理工学院人工智能实验室正式开放“机器视觉”课程，David Marr教授在1977年提出了“计算视觉”(Computational Vision)理论，成为80年代机器视觉研究领域中一个非常重要的理论框架。从此机器视觉理论广泛应用于零件识别、产品检测、机器人导航、遥感图像分析和医学分析等领域^[2]。

检测TFT-LCD屏缺陷的方法有以下三种：人工视觉检查法(Human Visual Inspection, HVI)、自动视觉检查法（Automated Visual Inspection, AVI）和电学参数检测法。本文所介绍的检测系统基于HVI方法构建。

2  TFT-LCD屏显示缺陷分类及成因

常见的TFT-LCD屏显示缺陷包括点缺陷、线缺陷和MURA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^[3]。MURA是与点、线两种缺陷完全不同类型的缺陷，它无固定的形状和尺寸，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^[4]，产生MURA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。图1为本文作者实际拍摄的某台15英寸含有真实MURA和人为模拟MURA的TFT-LCD图像样品。图1 (a)是含有各种缺陷的整幅图像；图1 (b)和(c)是实际MURA的样品，图1 (d)是人为加在测试图形矢量上的MURA模拟样品。

图1　含有实际MURA和模拟MURA的TFT-LCD图像

3  TFT-LCD屏显示缺陷检测系统的构成

本文建立的检测系统以计算机视觉为基础，以MATLAB和VC++为软件开发工具，系统组成原理如下图2所示：

图2 基于机器视觉的缺陷检测系统的原理图

在不通风并充分预热TFT-LCD屏的暗室环境下，使用一台计算机(PC1)为显示屏输出一定的测试图像，通过高精度的CMOS工业摄像机获得屏幕的实时图像，将此图像通过USB传输到另一台安装有MATLAB的计算机(PC2)上分析、检测和统计，完成整个的缺陷检测过程。

4  基于MATLAB的检测系统核心算法

MATLAB内置500多种数学、统计、科学及工程方面的函数，提供了与Fortran、C/ C+ + 、VB等语言的接口与混合调用。本节给出屏显示缺陷的检测原理、算法和MATLAB的实现。

由于暗室中拍摄到的屏幕亮度不均匀，如果对整个屏幕进行一次性处理会导致较大的误差，故首先对获得的原始图像按照一定尺寸进行分割，之后再对各子图片进行分析处理。实验证明，分块处理的办法可以达到较高的准确度。其次，人类对周围信息的感知服从以下规律：发现变化引起大脑注意所需的刺激变化量ΔI与原始刺激的强度I有关。初始刺激越强，引起刺激的变化量就需越大。这种关系就是韦伯定律（Weber’s law）。韦伯定律可用公式表示如为：

K=ΔI/I                                                         （式1）

其中，K称为韦伯系数，对应不同类型的感觉取值不同。

对于人眼的视觉特性，韦伯定律可理解为：人眼区分亮度差别的能力与图像的邻域和背景亮度有关，背景亮度越高，人的辨别能力就越弱，也即需要更大的亮度差别^[6]。根据以上原理，将缺陷的阈值确定为T=ΔI=KI，K应根据屏幕的特性选取适当值。如果发现子图像中有部分像素灰度和背景亮度的差别超过此阈值，则确定此子集为缺陷区域，再根据此部分像素的形状特征确定其缺陷类型。

根据以上的基本理论建立了如下的MATLAB算法流程：

图3 缺陷检测的算法流程图

按照上述的流程将检测算法书写为MATLAB的函数形式，函数原型为：

function num=tftlcd(img_in,para);

其中tftlcd为函数名，各输出输入参数分别定义如下：img_in是要分析的图像文件名称； para是用户可修改的控制参数，用于调节图像分析过程中的关键参量；num数组则是经MATLAB处理得到的缺陷种数、类型和定位等检测结果。最后将此函数保存为tftlcd.m文件形式以便调用。

5 使用MATLAB和VC++混合编程构建缺陷检测系统

由于MATLAB运行时程序的解析和执行同时进行降低了系统的运行速度，且其对硬件外设的编程不如VC或者VB等软件方便，使用MATLAB和VC++的混合编程能够很好的解决上述的矛盾。作者首先使用MATLAB对主要的图像处理等环节做算法级的验证和处理，在得到正确的实验结果后使用MATLAB的编译命令“mcc  -B csharedlib:libtftlcd tftlcd.m –v”将m文件编译成VC++可调用的动态连接库（* . dll）和头文件(* .h)。系统自动将tftlcd.m文件编译生成libtftlcd.c、libtftlcd.ctf、libtftlcd.dll、libtftlcd.h和libtftlcd.lib文件。

在libtftlcd.h文件中定义了关键图像处理算法的函数原型为：

extern void mlfTftlcdl(int nargout, mxArray** num, mxArray* img_in, mxArray* para);

其中各参数定义如下：nargout是输出参数的个数，这里只有num一个输出，故其值为1；img_in是指向待分析图像文件名的指针，para则是用户在VC++中输入参数的指针。

将libtftlcd.h和libtftlcd.lib文件添加到VC++程序，便可以在程序的任何位置调用mlfTftlcdl函数，实现图像的处理，得到的结果与在MATLAB环境下运行的结果完全一致。

下图是本文作者在VC++6.0环境下使用MATLAB和C++语言混合编程的开发的缺陷检测系统界面，该系统可实现摄像机图像读取、图像分析、结果导出等功能于一体的TFT-LCD屏显示缺陷检测功能。该图中A区为工业摄像机的操作区，用于连接相机、调节相机的曝光、增益和GAMMA校正等参数；B区为预览窗；C区为截获的实时图像；D区为得到的分析结果。

图5 缺陷检测平台的软件界面

6  结论

本文作者的创新点是：使用MATLAB和VC++开发了适用于TFT-LCD显示缺陷的自动检测系统，利用MATLAB内置的函数降低了程序的复杂度，并设计了友好的人机操作界面。

文章针对TFT-LCD的各种显示缺陷，采用机器视觉的基本研究理论和高级语言混合编程的方法，所构建的检测系统可以在10秒内完成对一幅1200*960像素图像的检测。实验证明，这套自动检测系统可广泛应用在相关的LCD生产检测领域，有明显的经济效益。

参考文献：

[1] 贾云得.机器视觉[M]. 北京，科学出版社，2003：1-6.

[2] 牛玉洲,宋培华,张建正. 机器视觉在铜箔基板疵点在线检测系统中应用[M]. 微计算机信息，2001，17（11）：44-45.

[3] 柳江虹，马凯. TFT栅线及阵列的缺陷分析[J]. 液晶与显示，1999，14（2）：127-129.

[4] Yumi MORI，Ryoji YOSHITAKE，Tohru TAMURA. Evaluation and discrimination method of “mura”in liquid

crystal displays by just noticeable difference observation [J]. SPIE，2002，4902：715-722.

[5] 任超, 欧吉坤, 阳仁贵．在测量软件开发中MATLAB的应用［J］．测绘通报，2004（1）：11-12.

[6] 全一子，门爱东，杨波.数字视频图像处理[M]. 北京，电子工业出版社，2005：16-17.