Development of OLED Panel Defect Detect System through Improved Otsu Algorithm
1. Introduction
OLED 已经逐渐变成新一代的显示设备。视角广、画质均匀、响应快、低能耗，并且能做成柔性显示屏都是他的优点。他也广泛应用到MP3、MP4，手机，数码相机，移动终端等领域。OLED 的复杂制造工艺不可避免的引入各种缺陷，例如：blemish Defect、line Defect 和 Mura Defect。这些缺陷影响 OLED 的光线均匀性，图像清晰度和生产周期。因此开发一套快速高精度的 OLED 在线缺陷监测系统来保证产品质量变得非常重要。
最近几年，基于机器视觉的光学检测在电子装备领域得到了个更多的关注。图像分割和带通滤波技术已经被应用到表片缺陷检测，例如，电路板印刷表面缺陷、TFT-LCD缺陷检测。TFT-LCD 缺陷检测算法主要应用于频域空间和空域空间。SHK 等人证明 OLED 缺陷显示屏由周期性纹理背景和缺陷组成。在频域空间，缺陷响应频域中的高频部分，周期性背景纹理响应低频部分。高通滤波器能够滤掉周期性背景纹理，留下高频部分的缺陷信息。该方法的创新在于用了一个平滑窗口函数代替了频域的滤波。平滑图像和原始图像差分，获得有缺陷的图像。但是该方法的问题在于：周期性的背景纹理边缘也在高频响应，高通滤波和差分操作纹理边缘也保留下来了。这些纹理边缘也被视作缺陷，因而影响了检测结果的准确率。
S.Fan 等人想出了一个回归诊断的TFT-LCD缺陷检测方法。他们假设良品是光照一致，亮度均匀，缺陷显品局部亮度、对比度和背景不一致。该方法首先将屏幕分成许多子块，并计算每一块的平均灰度值，灰度均值代替该区块值，该背景块和原始图像块差分。通过残差分析判断差分图像是否包含缺陷块。虽然该方法能实现缺陷自动检测，但是时间复杂度比较高，并且残差分析判断参数需要手动校准。TSAI 设计了一个基于一维傅里叶变换的图像重建算法，该方法对明显的纹理图片有很好的效果。Lu 等人提出了一种基于独立成分分析ICA的缺陷检测方法。Zhang 等人设计基于多项式表面拟合的算法，该方法能有效检测复杂背景中的 Blemish Defect 。在特征提取领域，这些方法关注目标的对比度，面积，尺寸，位置，轮廓，形状和亮度均匀性，然后建立 Blemish Defect 模型。然而，该方法有不确定性，每个特征的权重是很难确定的。实验结果表明有一定程度的不确定性。因此，在 TFT-LCD 屏幕缺陷检测领域存在一些有用的方法，但是不存在一个能解决所有类型缺陷的通用方法。该算法由于时间复杂度太高，不适合快速工业生产检测。
OLED 和 TFT-LCD显示屏在微观层面有一些不同。主要在于：OLED 像素有三个独立的子像素组成，三个子像仅仅显示的发光材料不同，其它都一致。子像素和电路被整齐的排列在显示屏上。OLED 和 TFT-LCD 在微观结构是不相同的，因此在图像显示方面有一些特别。复杂的制造程序使得屏幕包含发光异常的缺陷。这些缺陷来自环境或者生产程序包括尘埃和外部因素。该文献提出的块扫描检测系统，目的在于解决OLED 显示屏中的多种缺陷。
2. Detection Sytem Descriptions
OLED 屏幕缺陷检测系统结构如图2，该检测系统包括 CCD 相机，运动控制卡，采集卡，XY 运动平台，光源和其它周边设备。运动控制卡驱动控制 XY 运动平台，以便我们能够用镜头扫描 OLED 获得图像。CCD 相机通过图像采集卡获取图像到电脑，通过电脑完成图像处理和缺陷识别。对捕获的OLED显示像素的图像的代表性样品如图3所示。
缺陷检测系统基本方法论：从获取的图像中用细化技术提取 OLED 显示屏的骨架；然后，骨架图像和原始图像差分获得一个理想的模板图像。通过改进的Otsu 算法获取一个理想的分割阈值。通过二值图像识别缺陷。
3. OLED Display Defect Detection Algorithm
3.1 Extracted Skeleton Template By Thinning Technology
在本文，通过图像的细化技术提取 OLED 图像的骨架信息，初始角点信息可以通过定位符"+"获得。通过投影的骨架图像的过程生成完整的控制点图，以确定初始角点分布，找到正确的距离，并添加丢失角点。生成图像用来和标准模板图像差分。骨架信息是一个几何图形的拓扑描述。骨架是一个线性几何，并被放置在图像的对称中心，和初始图像一样的拓扑结构，并保留初始形状。该方法被广泛运用在计算机视觉、生物形状描述、模式识别、工业检测、和图像压缩领域。
