在液晶屏生产过程中,液晶屏的缺陷检测一直都是非常重要的一个环节,因为它直接关系到了液晶屏的出厂质量,而现在大部分的厂商对于液晶屏缺陷检测还是在采用传统的人工视觉检测方法,但是该方法检测效率较低而且受检测人员主观因素的影响无法保证检测的质量,因此业界迫切需要一种稳定且高效的缺陷自动化检测方法。随着全球对智能制造的关注以及近年来机器视觉的发展,将机器视觉检测引入工业生产过程以期达到更准确高效的检测目的成为了各国工业发展的主流方向。本文所涉及的液晶屏缺陷检测系统就是以机器视觉技术为基础,合理运用各种图像处理方法来对流水线上的液晶屏进行显示缺陷的检测与量化。该检测系统已经在厂家的液晶电视生产线上进行了相关实验测试与分析,所得到的测试结果也能很好地满足厂家对于液晶屏缺陷检测的需求。本论文在液晶屏缺陷检测方面的工作主要有以下三个方面:(1)本检测系统主要是针对大尺寸(通常指40英寸以上)的4K液晶电视进行像素级别的屏幕缺陷检测,而在这种大尺寸、高精度需求下很难找到一台有这么高分辨率且价格适中的工业相机来对液晶屏进行图像采集工作,所以本系统在实际检测过程中,采用了多相机进行拍摄的图像采集方案,然后将这多幅图像最后拼接合成为一幅完整的液晶屏图像来进行后续的图像处理。在图像拼接部分,本文会使用一幅4K分辨率的棋盘格图片进行示教标定,然后各个相机利用所拍摄图像与标定图像间特征点匹配的关系来获得对应的单应性矩阵,通过单应性矩阵做透视变换将相机所拍摄图像变换到指定的拼接尺寸下,然后使用图像掩膜的方法将其拼接合成为一幅完整地液晶电视图像。最后为了提取出图像中的屏幕部分,使用了区域线扫描和最小二乘直线拟的方法来寻找屏幕的四条边缘和顶点,进而得到包含完整液晶屏的图像。(2)受液晶屏显示器制作工艺和物理结果的影响,在使用高清工业相机对液晶屏幕进行图像采集时,图像上会呈现出规则排列的横竖纹理条纹,这种条纹背景信息一方面会干扰人的视觉观察,另一方面会对后续的缺陷分割产生严重的影响。所以本文在对这种纹理条纹进行仔细的研究和分析后,提出了基于频域低通滤波的方法进行背景条纹的抑制。在分析比较了几种常用的滤波器之后,本文采用了频域高斯低通滤波器对液晶屏图像进行频域滤波,结果显示滤波后的图像其背景纹理信息得到了有效地抑制。(3)对液晶屏缺陷的分割和量化是系统的核心工作,不过在分割之前需要先做一步图像增强的工作。本文提出了基于DOG算法思想的图像增强方法来提高缺陷的对比度。在缺陷分割中,本文比较了常用分割算法对液晶屏缺陷分割的优缺点,然后提出了适用于液晶屏缺陷的动态阈值分割算法,有效提取了缺陷像素点集合及缺陷轮廓信息。最后就是对缺陷的量化,本文根据实际项目需求和行业相关指标,指定了几个表征缺陷特征的核心参数来对液晶屏缺陷进行客观的量化。