阅读说明：本技术 缺陷检测方法、装置、电子设备以及存储介质 (Defect detection method, defect detection device, electronic equipment and storage medium ) 是由 刘小磊 王云奇 彭项君 赵晨曦 楚明磊 陈丽莉 于 2019-10-29 设计创作，主要内容包括：本发明公开了一种缺陷检测方法、装置、电子设备以及存储介质,包括：基于背景图像对目标图像进行矫正；将矫正后的所述目标图像分割成多个局部区域,对每个所述局部区域进行局部增强处理；对局部增强处理后的所述目标图像进行全局增强处理,对全局增强处理后的所述目标图像进行二值化分割,以提取出二值化待测区域的轮廓；根据所述二值化待测区域的轮廓,计算所述二值化待测区域在所述目标图像中的相对灰度,从而根据所述相对灰度进行缺陷检测。本发明通过局部增强处理和全局增强处理,能够有效地对大面积的暗缺陷进行提取,从而准确地进行缺陷检测。(The invention discloses a defect detection method, a defect detection device, electronic equipment and a storage medium, wherein the defect detection method comprises the following steps: correcting the target image based on the background image; dividing the corrected target image into a plurality of local areas, and performing local enhancement processing on each local area; carrying out global enhancement processing on the target image subjected to the local enhancement processing, and carrying out binarization segmentation on the target image subjected to the global enhancement processing so as to extract the outline of a binarization region to be detected; and calculating the relative gray scale of the binaryzation to-be-detected area in the target image according to the outline of the binaryzation to-be-detected area, so as to detect the defect according to the relative gray scale. According to the invention, through local enhancement processing and global enhancement processing, large-area dark defects can be effectively extracted, so that defect detection can be accurately carried out.)

缺陷检测方法、装置、电子设备以及存储介质

技术领域

本发明涉及图像处理技术领域，特别是指一种缺陷检测方法、装置、电子设备以及存储介质。

背景技术

随着半导体工艺流程日益复杂，液晶屏幕生产中间的各个环节对于工艺的要求也越来越高，如果某个工艺流程没有达到预定的要求就会出现类似“脏污”感觉的缺陷，这种缺陷的特点是：面积大，分布在整个屏幕的各个地方；对比度低，人眼难以准确辨识；形状各异，没有明确的形状。这些屏幕缺陷对于人眼的观感有很大的影响，特别是对于动态场景的观看体验，影响很大。为了工艺上的改进，第一步是需要将屏幕上所有缺陷的地方检测出来。

由于现有的缺陷检测方法只能检测出高对比度的缺陷，但是对于大面积、低对比度的暗缺陷不能有效地、完整地提取轮廓，导致检测结果不准确。

发明内容

有鉴于此，本发明的目的在于提出一种缺陷检测方法、装置、电子设备以及存储介质，以解决现有技术中存在的技术问题。

根据本发明第一方面，其提供了一种缺陷检测方法，包括：

基于背景图像对目标图像进行矫正；

将矫正后的所述目标图像分割成多个局部区域，对每个所述局部区域进行局部增强处理；

对局部增强处理后的所述目标图像进行全局增强处理，对全局增强处理后的所述目标图像进行二值化分割，以提取出二值化待测区域的轮廓；

根据所述二值化待测区域的轮廓，计算所述二值化待测区域在所述目标图像中的相对灰度，从而根据所述相对灰度进行缺陷检测。

在本发明的一些实施例中，对每个所述局部区域进行局部增强处理，包括：

采用直方图均衡化分别对每个所述局部图像进行增强处理；

对所述局部区域的边界进行双线性插值。

在本发明的一些实施例中，在将矫正后的所述目标图像分割成多个局部区域之前，还包括：

利用最小值滤波对矫正后的所述目标图像进行去纹理处理；

对去纹理处理后的所述目标图像进行平滑处理。

在本发明的一些实施例中，对全局增强处理后的所述目标图像进行二值化分割，以提取出二值化待测区域的轮廓，包括：

对全局增强处理后的所述目标图像进行直方图计算，得到二维灰度直方图；

利用所述二维灰度直方图，根据瑞利熵最大原则确定出二值化阈值；

基于所述二值化阈值，对全局增强处理后的所述目标图像进行二值化分割，得到二值化图像，并从所述二值化图像中提取出二值化待测区域的轮廓。

在本发明的一些实施例中，根据所述二值化待测区域的轮廓，计算所述二值化待测区域在所述目标图像中的相对灰度，从而根据所述相对灰度进行缺陷检测，包括：

根据所述二值化待测区域的轮廓，在所述二值化待测区域外生成外接矩形；

从所述目标图像中匹配出与外接矩形的位置对应的检测区域，从而匹配出所述检测区域中的待测区域和非缺陷区域；

根据所述检测区域中待测区域的灰度值和非缺陷区域的灰度值，计算相对灰度值，从而根据所述相对灰度值进行缺陷检测。

在本发明的一些实施例中，根据所述检测区域中待测区域的灰度值和非缺陷区域的灰度值，计算相对灰度值，包括：

分别根据所述检测区域中待测区域、非缺陷区域的各个像素点的灰度值，计算所述待测区域的平均灰度值以及所述非缺陷区域的平均灰度值；

根据所述待测区域的平均灰度值以及所述非缺陷区域的平均灰度值，计算相对灰度值。

在本发明的一些实施例中，根据所述相对灰度值进行缺陷检测，包括：

若所述相对灰度值小于第一灰度阈值，则将所述检测区域中的待测区域判定为非缺陷；

若所述相对灰度值大于第二灰度阈值，则将所述检测区域中的待测区域判定为缺陷。

在本发明的一些实施例中，基于背景图像对目标图像进行矫正，包括：

对于目标图像中的每个像素点，采用如下方法进行矫正：

根据所述像素点在背景图像中对应位置的像素点的灰度值，对所述像素点进行灰度归一化；

对灰度归一化后的所述像素点进行拉伸。

根据本发明第二方面，其提供了一种缺陷检测装置，包括：

矫正模块，被配置为基于背景图像对目标图像进行矫正；

局部增强模块，被配置为将矫正后的所述目标图像分割成多个局部区域，对每个所述局部区域进行局部增强处理；

全局增强模块，被配置为对局部增强处理后的所述目标图像进行全局增强处理，对全局增强处理后的所述目标图像进行二值化分割，以提取出二值化待测区域的轮廓；

检测模块，被配置为根据所述二值化待测区域的轮廓，计算所述二值化待测区域在所述目标图像中的相对灰度，从而根据所述相对灰度进行缺陷检测。

在本发明的一些实施例中，所述局部增强模块还被配置为：

采用直方图均衡化分别对每个所述局部图像进行增强处理；

对所述局部区域的边界进行双线性插值。

在本发明的一些实施例中，所述局部增强模块还被配置为：

在将矫正后的所述目标图像分割成多个局部区域之前，利用最小值滤波对矫正后的所述目标图像进行去纹理处理；

对去纹理处理后的所述目标图像进行平滑处理。

在本发明的一些实施例中，所述全局增强模块还被配置为：

对全局增强处理后的所述目标图像进行直方图计算，得到二维灰度直方图；

利用所述二维灰度直方图，根据瑞利熵最大原则确定出二值化阈值；

基于所述二值化阈值，对全局增强处理后的所述目标图像进行二值化分割，得到二值化图像，并从所述二值化图像中提取出二值化待测区域的轮廓。

在本发明的一些实施例中，所述检测模块还被配置为：

根据所述二值化待测区域的轮廓，在所述二值化待测区域外生成外接矩形；

从所述目标图像中匹配出与外接矩形的位置对应的检测区域，从而匹配出所述检测区域中的待测区域和非缺陷区域；

根据所述检测区域中待测区域的灰度值和非缺陷区域的灰度值，计算相对灰度值，从而根据所述相对灰度值进行缺陷检测。

在本发明的一些实施例中，所述检测模块还被配置为：

分别根据所述检测区域中待测区域、非缺陷区域的各个像素点的灰度值，计算所述待测区域的平均灰度值以及所述非缺陷区域的平均灰度值；

根据所述待测区域的平均灰度值以及所述非缺陷区域的平均灰度值，计算相对灰度值。

在本发明的一些实施例中，所述检测模块还被配置为：

若所述相对灰度值小于第一灰度阈值，则将所述检测区域中的待测区域判定为非缺陷；

若所述相对灰度值大于第二灰度阈值，则将所述检测区域中的待测区域判定为缺陷。

在本发明的一些实施例中，所述矫正模块还被配置为：对于目标图像中的每个像素点，采用如下方法进行矫正：

根据所述像素点在背景图像中对应位置的像素点的灰度值，对所述像素点进行灰度归一化；

对灰度归一化后的所述像素点进行拉伸。

根据本发明第三方面，其提供了一种电子设备，包括处理器和存储器，所述存储器用于存储计算机指令，其中，所述计算机指令被所述处理器运行时执行上述任一实施例中所述的缺陷检测方法。

根据本发明第四方面，其提供了一种存储介质，存储有适于由处理器运行的计算机指令，所述计算机指令被处理器运行时执行根据上述任一实施例中所述的缺陷检测方法。

本发明实施例提供的缺陷检测方法和装置通过局部增强处理和全局增强处理，能够有效地对大面积的暗缺陷进行提取，从而准确地进行缺陷检测，克服了暗缺陷对比度低、人眼无法辨识的技术问题。因此，采用本发明实施例提供的缺陷检测方法可以准确地检测出屏幕上的缺陷，尤其适用于检测大面积、低对比度的暗缺陷，从而为后续的工艺改善和良率提升提供可靠的依据。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一个实施例中缺陷检测方法的流程图；

图2为本发明实施例中外接矩形的示意图；

图3为本发明另一个实施例中缺陷检测方法的流程图；

图4为本发明实施例中对目标图像进行拉伸后的图像；

图5为本发明实施例中对目标图像进行去纹理处理和平滑处理后的图像；

图6为本发明实施例中对目标图像进行局部增强处理和双线性插值后的图像；

图7为本发明实施例中对目标图像进行全局增强处理后的图像；

图8为本发明实施例中对目标图像进行二值化分割后的图像；

图9为本发明实施例中对目标图像进行缺陷检测的结果；

图10为本发明实施例中缺陷检测装置的结构示意图；

图11为本发明实施例中电子设备的内部结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

在一个本发明的实施例中，如图1所示，本发明实施例提供了一种缺陷检测方法，该方法包括：

步骤101，基于背景图像对目标图像进行矫正。

首先点亮待测屏幕，通过工业相机按照一定的采样率对待测屏幕进行拍摄，得到目标图像。然后通过工业相机对白纸或者白板等进行拍摄，得到背景图像。需要指出的是，在拍摄图像时注意去除摩尔纹等对于检测结果的影响。也可以在拍摄图像后，对图像进行去除摩尔纹操作，以避免对于检测结果的影响。需要说明的是，在本发明的实施例中，所述目标图像和所述背景图像均为二值化图像。

在步骤101中，对于目标图像中的每个像素点，基于背景图像中对应的像素点，对其进行归一化和拉伸，从而完成对目标图像的矫正。

可选地，对于目标图像中的每个像素点，采用如下方法进行矫正：

根据所述像素点在背景图像中对应位置的像素点的灰度值，对所述像素点进行灰度归一化；对灰度归一化后的所述像素点进行拉伸。

可选地，对于目标图像中的每个像素点，采用以下公式进行灰度归一化：

Pix_矫正＝Pix_目标/Pix_背景

其中，Pix_矫正归一化灰度值，Pix_目标为目标图像中的第i个像素点，Pix_背景为背景图像中的第i个像素点。

可选地，将归一化灰度值乘以255，就可以按照0-255总共256个灰度等级对所述目标图像进行拉伸。

步骤102，将矫正后的所述目标图像分割成多个局部区域，对每个所述局部区域进行局部增强处理。

可选地，在步骤102之前，还包括：利用最小值滤波对矫正后的所述目标图像进行去纹理处理；对去纹理处理后的所述目标图像进行平滑处理。可选地，利用最小值滤波(比如3*3或者5*5的卷积核)对矫正后的目标图像进行卷积去纹理操作，将目标图像的像素纹理进行去除，同时保留目标图像中的缺陷。去纹理操作后对目标图像进行一次高斯滤波，可以进一步平滑图像。

可选地，在步骤102中，根据目标图像的尺寸大小W*H，将目标图像分割成多个局部区域。比如将目标图像分割成5*5、8*8或者10*10等的局部区域。然后，对每个局部区域分别进行增强处理，这样做的目的是为了避免对目标图像进行全局增强处理后凸显图像的不均匀性，对于之后进行的分割算法无法准确地将缺陷提取出来。可选地，可以采用直方图均衡化分别对每个所述局部图像进行增强处理。

由于对每个局部区域分别进行了增强处理，导致图像上难免出现(W/8)*(H/8)个局部区域，因此需要对每个局部区域的边界都进行双线性插值，消除这种区域分割处理后带来的图像“网格”现象。

步骤103，对局部增强处理后的所述目标图像进行全局增强处理，对全局增强处理后的所述目标图像进行二值化分割，以提取出二值化待测区域的轮廓。

可以采用直方图均衡化对局部增强处理后的所述目标图像进行全局增强处理，以突出目标图像中的缺陷，但是对于目标图像中的背景没有影响。

可选地，采用最大熵阈值分割法对全局增强处理后的所述目标图像进行二值化分割，以提取出二值化待测区域的轮廓。具体地，可以包括：对全局增强处理后的所述目标图像进行直方图计算，得到二维灰度直方图；利用所述二维灰度直方图，根据瑞利熵最大原则确定出二值化阈值；基于所述二值化阈值，对全局增强处理后的所述目标图像进行二值化分割，得到二值化图像，并从所述二值化图像中提取出二值化待测区域的轮廓。

可选地，在步骤103之前，还包括：对局部增强处理后的所述目标图像进行快速傅里叶变换(FFT)和逆快速傅里叶变换(IFFT)。具体地，获取图像频域中的信息，利用频域里的带通滤波器进行滤波，在消除图像高频噪声的同时抑制图像的低频信息，处理后的图像能够更好地进行缺陷的提取。

步骤104，根据所述二值化待测区域的轮廓，计算所述二值化待测区域在所述目标图像中的相对灰度，从而根据所述相对灰度进行缺陷检测。

需要指出的是，待测屏幕上可能有多个缺陷，因此通过步骤103可以提取出多个二值化待测区域的轮廓，对于每个二值化待测区域，采用步骤104进行缺陷检测。

可选地，步骤104包括：根据所述二值化待测区域的轮廓，在所述二值化待测区域外生成外接矩形；从所述目标图像中匹配出与外接矩形的位置对应的检测区域，从而匹配出所述检测区域中的待测区域和非缺陷区域；根据所述检测区域中待测区域的灰度值和非缺陷区域的灰度值，计算相对灰度值，从而根据所述相对灰度值进行缺陷检测。在本发明的实施例中，对于每一个二值化待测区域，都会在其外部生成一个外接矩形，因此每个外接矩形中只有一个二值化待测区域。可选地，可以按照二值化待测区域的长和宽分别加长10％作为外接矩形的长和宽，也可以按照二值化待测区域的长和宽分别加长8％作为外接矩形的长和宽，还可以按照二值化待测区域的长和宽分别加长15％作为外接矩形的长和宽，本发明实施例对此不作限制。在生成外接矩形后，在原始的目标图像中找到外接矩形中的非缺陷区域和待测区域。本发明实施例通过外接矩形来匹配出原始目标图像中的非缺陷区域，这样既排除了外接矩形内的缺陷的干扰，又排除了其他邻近缺陷的干扰。

可选地，根据所述检测区域中待测区域的灰度值和非缺陷区域的灰度值，计算相对灰度值，包括：分别根据所述检测区域中待测区域、非缺陷区域的各个像素点的灰度值，计算所述待测区域的平均灰度值以及所述非缺陷区域的平均灰度值；根据所述待测区域的平均灰度值以及所述非缺陷区域的平均灰度值，计算相对灰度值。如图2所示，假设在原始的目标图像中找出的待测区域的平均灰度值为C₁，在原始的目标图像中找出的非缺陷区域的平均灰度值为C₂，则可以采用以下公式计算相对灰度值C_x：

相对灰度值C_x＝|C₁-C₂|/C₂

可选地，根据所述相对灰度值进行缺陷检测，包括：若所述相对灰度值小于第一灰度阈值，则将所述检测区域中的待测区域判定为非缺陷；若所述相对灰度值大于第二灰度阈值，则将所述检测区域中的待测区域判定为缺陷。可以预先设定第一灰度阈值X和第二灰度阈值Y，那么，对于通过步骤103提取出的每个待测区域，如果该待测区域的相对灰度值C_x小于X，则判断该待测区域为非缺陷，如果该待测区域的相对灰度值C_x大于Y，则判断该待测区域为缺陷。

本发明实施例提供的缺陷检测方法通过局部增强处理和全局增强处理，能够有效地对大面积的暗缺陷进行提取，从而准确地进行缺陷检测，克服了暗缺陷对比度低、人眼无法辨识的技术问题。因此，采用本发明实施例提供的缺陷检测方法可以准确地检测出屏幕上的缺陷，尤其适用于检测大面积、低对比度的暗缺陷，从而为后续的工艺改善和良率提升提供可靠的依据。

作为本发明的另一个实施例，如图3所示，所述缺陷检测方法可以包括以下步骤：

步骤301，基于背景图像对目标图像进行灰度归一化。

对于目标图像中的每个像素点，根据所述像素点在背景图像中对应位置的像素点的灰度值，对所述像素点进行灰度归一化。可选地，采用以下公式进行灰度归一化：

Pix_矫正＝Pix_目标/Pix_背景

其中，Pix_矫正归一化灰度值，Pix_目标为目标图像中的第i个像素点，Pix_背景为背景图像中的第i个像素点。

步骤302，对灰度归一化后的所述目标图像进行拉伸。

将归一化灰度值乘以255，从而按照256个灰度等级拉伸所述目标图像，如图4所示。

步骤303，利用最小值滤波对矫正后的所述目标图像进行去纹理处理，并对去纹理处理后的所述目标图像进行平滑处理。

可选地，利用最小值滤波(比如3*3或者5*5的卷积核)对矫正后的目标图像进行卷积去纹理操作，将目标图像的像素纹理进行去除，同时保留目标图像中的缺陷。去纹理操作后对目标图像进行一次高斯滤波，可以进一步平滑图像，如图5所示。

步骤304，将平滑处理后的所述目标图像分割成多个局部区域，采用直方图均衡化分别对每个所述局部区域进行增强处理，对每个局部区域的边界进行双线性插值。

首先，根据目标图像的尺寸大小W*H，将目标图像分割成多个局部区域；然后，采用直方图均衡化分别每个局部区域进行增强处理，有助于后续步骤中准确地提取出缺陷；最后对每个局部区域的边界都进行双线性插值，以消除图像“网格”现象，如图6所示。

步骤305，对双线性插值后的所述目标图像进行快速傅里叶变换和逆快速傅里叶变换。

步骤306，对逆快速傅里叶变换后的所述目标图像进行全局增强处理。

可以采用直方图均衡化对逆快速傅里叶变换后的所述目标图像进行全局增强处理，以突出目标图像中的缺陷，如图7所示。

步骤307，采用最大熵阈值分割法对全局增强处理后的所述目标图像进行二值化分割，以提取出二值化待测区域的轮廓。

具体地，可以包括：对全局增强处理后的所述目标图像进行直方图计算，得到二维灰度直方图；利用所述二维灰度直方图，根据瑞利熵最大原则确定出二值化阈值；基于所述二值化阈值，对全局增强处理后的所述目标图像进行二值化分割，得到二值化图像，如图8所示，接着从所述二值化图像中提取出二值化待测区域的轮廓。

步骤308，根据所述二值化待测区域的轮廓，在所述二值化待测区域外生成外接矩形。

对于每一个二值化待测区域，都会在其外部生成一个外接矩形，因此每个外接矩形中只有一个二值化待测区域。可选地，按照二值化待测区域的长和宽分别加长10％作为外接矩形的长和宽。

步骤309，从所述目标图像中匹配出与外接矩形的位置对应的检测区域，从而匹配出所述检测区域中的待测区域和非缺陷区域。

在生成外接矩形后，在原始的目标图像中找到外接矩形中的非缺陷区域和待测区域。本发明实施例通过外接矩形来匹配出原始目标图像中的非缺陷区域，这样既排除了外接矩形内的缺陷的干扰，又排除了其他邻近缺陷的干扰。

步骤310，根据所述检测区域中待测区域的灰度值和非缺陷区域的灰度值，计算相对灰度值，从而根据所述相对灰度值进行缺陷检测。

分别根据所述检测区域中待测区域、非缺陷区域的各个像素点的灰度值，计算所述待测区域的平均灰度值以及所述非缺陷区域的平均灰度值；根据所述待测区域的平均灰度值以及所述非缺陷区域的平均灰度值，计算相对灰度值。如图2所示，假设在原始的目标图像中找出的待测区域的平均灰度值为C₁，在原始的目标图像中找出的非缺陷区域的平均灰度值为C₂，则可以采用以下公式计算相对灰度值C_x：

相对灰度值C_x＝|C₁-C₂|/C₂

若所述相对灰度值小于第一灰度阈值，则将所述检测区域中的待测区域判定为非缺陷；若所述相对灰度值大于第二灰度阈值，则将所述检测区域中的待测区域判定为缺陷。

待测屏幕上可能有多个缺陷，因此通过步骤307可以提取出多个二值化待测区域的轮廓，对于每个二值化待测区域，采用步骤308-310进行缺陷检测，检测结果如图9所示。

在一个实施例中，如图10所示，提供了一种缺陷检测装置，该缺陷检测装置1000包括矫正模块1001、局部增强模块1002、全局增强模块1003和检测模块1004。其中，矫正模块1001被配置为基于背景图像对目标图像进行矫正；局部增强模块1002被配置为将矫正后的所述目标图像分割成多个局部区域，对每个所述局部区域进行局部增强处理；全局增强模块1003被配置为对局部增强处理后的所述目标图像进行全局增强处理，对全局增强处理后的所述目标图像进行二值化分割，以提取出二值化待测区域的轮廓；检测模块1004被配置为根据所述二值化待测区域的轮廓，计算所述二值化待测区域在所述目标图像中的相对灰度，从而根据所述相对灰度进行缺陷检测。

在本发明的一些实施例中，局部增强模块1002还被配置为：

采用直方图均衡化分别对每个所述局部图像进行增强处理；

对所述局部区域的边界进行双线性插值。

在本发明的一些实施例中，局部增强模块1002还被配置为：

在将矫正后的所述目标图像分割成多个局部区域之前，利用最小值滤波对矫正后的所述目标图像进行去纹理处理；

对去纹理处理后的所述目标图像进行平滑处理。

在本发明的一些实施例中，全局增强模块1003还被配置为：

对全局增强处理后的所述目标图像进行直方图计算，得到二维灰度直方图；

利用所述二维灰度直方图，根据瑞利熵最大原则确定出二值化阈值；

基于所述二值化阈值，对全局增强处理后的所述目标图像进行二值化分割，得到二值化图像，并从所述二值化图像中提取出二值化待测区域的轮廓。

在本发明的一些实施例中，检测模块1004还被配置为：

根据所述二值化待测区域的轮廓，在所述二值化待测区域外生成外接矩形；

从所述目标图像中匹配出与外接矩形的位置对应的检测区域，从而匹配出所述检测区域中的待测区域和非缺陷区域；

根据所述检测区域中待测区域的灰度值和非缺陷区域的灰度值，计算相对灰度值，从而根据所述相对灰度值进行缺陷检测。

在本发明的一些实施例中，检测模块1004还被配置为：

分别根据所述检测区域中待测区域、非缺陷区域的各个像素点的灰度值，计算所述待测区域的平均灰度值以及所述非缺陷区域的平均灰度值；

根据所述待测区域的平均灰度值以及所述非缺陷区域的平均灰度值，计算相对灰度值。

在本发明的一些实施例中，检测模块1004还被配置为：

若所述相对灰度值小于第一灰度阈值，则将所述检测区域中的待测区域判定为非缺陷；

若所述相对灰度值大于第二灰度阈值，则将所述检测区域中的待测区域判定为缺陷。

在本发明的一些实施例中，矫正模块1001还被配置为：对于目标图像中的每个像素点，采用如下方法进行矫正：

根据所述像素点在背景图像中对应位置的像素点的灰度值，对所述像素点进行灰度归一化；

对灰度归一化后的所述像素点进行拉伸。

本发明实施例提供的缺陷检测装置通过局部增强处理和全局增强处理，能够有效地对大面积的暗缺陷进行提取，从而准确地进行缺陷检测，克服了暗缺陷对比度低、人眼无法辨识的技术问题。因此，采用本发明实施例提供的缺陷检测装置可以准确地检测出屏幕上的缺陷，尤其适用于检测大面积、低对比度的暗缺陷，从而为后续的工艺改善和良率提升提供可靠的依据。

本领域技术人员可以理解的是，上述缺陷检测装置中各个模块和单元的划分仅用于举例说明，在其他实施例中，可将缺陷检测装置按照需要划分为不同的模块和单元，以完成上述缺陷检测装置的全部或部分功能。

根据本发明实施例，还提供了一种电子设备，如图11所示，该电子设备包括处理器1101以及存储器1102，该存储器1102配置为存储计算机程序指令，计算机程序指令适于由处理器1101加载并执行如下方法：基于背景图像对目标图像进行矫正；将矫正后的所述目标图像分割成多个局部区域，对每个所述局部区域进行局部增强处理；对局部增强处理后的所述目标图像进行全局增强处理，对全局增强处理后的所述目标图像进行二值化分割，以提取出二值化待测区域的轮廓；根据所述二值化待测区域的轮廓，计算所述二值化待测区域在所述目标图像中的相对灰度，从而根据所述相对灰度进行缺陷检测。

该处理器可以为各种适用的处理器，例如实现为中央处理器、微处理器、嵌入处理器等形式，可以采用X86、ARM等架构；存储器1102可以为各种适用的存储装置，包括但不限于磁存储装置、半导体存储装置、光存储装置等，本发明的实施例对这些不作限制。

本发明所使用的对存储器、存储、数据库或其它介质的任何引用可包括非易失性和/或易失性存储器。合适的非易失性存储器可包括只读存储器(ROM，Read-Only Memory)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)，它用作外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)。

此外，根据本发明的一个实施例，处理器1101还可以加载并执行：采用直方图均衡化分别对每个所述局部图像进行增强处理；对所述局部区域的边界进行双线性插值。

此外，根据本发明的一个实施例，处理器1101还可以加载并执行：在将矫正后的所述目标图像分割成多个局部区域之前，利用最小值滤波对矫正后的所述目标图像进行去纹理处理；对去纹理处理后的所述目标图像进行平滑处理。

此外，根据本发明的一个实施例，处理器1101还可以加载并执行：对全局增强处理后的所述目标图像进行直方图计算，得到二维灰度直方图；利用所述二维灰度直方图，根据瑞利熵最大原则确定出二值化阈值；基于所述二值化阈值，对全局增强处理后的所述目标图像进行二值化分割，得到二值化图像，并从所述二值化图像中提取出二值化待测区域的轮廓。

此外，根据本发明的一个实施例，处理器1101还可以加载并执行：根据所述二值化待测区域的轮廓，在所述二值化待测区域外生成外接矩形；从所述目标图像中匹配出与外接矩形的位置对应的检测区域，从而匹配出所述检测区域中的待测区域和非缺陷区域；根据所述检测区域中待测区域的灰度值和非缺陷区域的灰度值，计算相对灰度值，从而根据所述相对灰度值进行缺陷检测。

此外，根据本发明的一个实施例，处理器1101还可以加载并执行：分别根据所述检测区域中待测区域、非缺陷区域的各个像素点的灰度值，计算所述待测区域的平均灰度值以及所述非缺陷区域的平均灰度值；根据所述待测区域的平均灰度值以及所述非缺陷区域的平均灰度值，计算相对灰度值。

此外，根据本发明的一个实施例，处理器1101还可以加载并执行：若所述相对灰度值小于第一灰度阈值，则将所述检测区域中的待测区域判定为非缺陷；若所述相对灰度值大于第二灰度阈值，则将所述检测区域中的待测区域判定为缺陷。

此外，根据本发明的一个实施例，处理器1101还可以加载并执行：对于目标图像中的每个像素点，采用如下方法进行矫正：

根据所述像素点在背景图像中对应位置的像素点的灰度值，对所述像素点进行灰度归一化；对灰度归一化后的所述像素点进行拉伸。

由此可见，本发明实施例通过局部增强处理和全局增强处理，能够有效地对大面积的暗缺陷进行提取，从而准确地进行缺陷检测，克服了暗缺陷对比度低、人眼无法辨识的技术问题。因此，采用本发明实施例提供的缺陷检测方法可以准确地检测出屏幕上的缺陷，尤其适用于检测大面积、低对比度的暗缺陷，从而为后续的工艺改善和良率提升提供可靠的依据。

需要说明的是，对于上述的系统、方法和电子设备实施例，为了简单描述，故将其都表述为一系列的动作或模块组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序或模块连接的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行，某些模块可以采用其他连接方式。

本领域技术人员也应该知悉，说明书中所描述的实施例均属于一种实施例，上述实施例序号仅仅为了描述，所涉及的动作和模块并不一定是本发明所必须的。

在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本发明所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括易失性存储介质或非易失性存储介质，例如U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本公开的范围(包括权利要求)被限于这些例子；在本发明的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，并存在如上所述的本发明的不同方面的许多其它变化，为了简明它们没有在细节中提供。因此，凡在本发明的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本发明的保护范围之内。