Mura缺陷是广泛存在于液晶显示屏的一类显示缺陷,具有边缘模糊、对比度低、位置及形状不固定等特点。目前主要通过人工检测的方法实现Mura缺陷的检测,这种方法效率低且受到外界环境及主观因素的影响,已经无法满足液晶显示屏生产过程中对于产品质量和生产效率的要求。因此,研究一种快速、准确、不受外界环境影响的机器视觉检测方法已成为迫切的需要。Mura缺陷的特点及缺陷图像的复杂背景使得传统的阈值分割法及边缘检测法都难以实现对Mura缺陷的有效检测。针对Mura缺陷检测中存在的困难,本文围绕图像纹理背景抑制、缺陷分割及缺陷量化三大关键点,展开Mura缺陷机器视觉检测方法的研究,主要工作如下:研究了图像纹理背景的抑制方法。针对液晶显示屏图像重复纹理背景会干扰Mura缺陷检测的问题,在比较了不同纹理背景抑制方法的基础上,通过对Gabor小波滤波原理及滤波器设计方法的研究,设计了 16通道的实值Gabor小波滤波器组,并研究了针对滤波器多通道输出子图像的融合方法,最终实现了图像纹理背景的抑制。研究了 Mura缺陷的分割方法。针对传统图像分割方法无法正确分割Mura缺陷的问题,提出了一种改进的C-V(Chan-Vese)模型,该模型简化了传统C-V模型的图像数据力驱动项,加快了分割的速度,添加了一个与轮廓曲线内、外部区域之间的亮度差有关的能量项,平衡了图像背景亮度不均匀对检测结果的影响,并结合水平集方法,实现了 Mura缺陷的正确分割,并且分割速度是传统C-V模型的六倍以上。研究了 Mura缺陷的量化方法。在正确分割缺陷的基础上,通过提取缺陷的面积及平均对比度对Mura缺陷进行量化,并利用本文提出的方法对缺陷的位置及形状进行判定,该方法先将缺陷原图像转换为只有两个灰度值的图像,接着通过求解缺陷区域的质心、面积及外接矩形,实现了缺陷位置及形状的判定。最后,构建了 Mura缺陷机器视觉检测系统,利用50个带Mura缺陷的液晶显示屏样本进行了检测实验,准确率达94%,平均检测时间不超过20s。实验结果表明,本文提出的基于机器视觉的液晶显示屏Mura缺陷自动检测方法实际可行,达到了设计的目标。