mura检测大家有多少了解？显示了Mura机器的结构。玻璃通过传输带流经检测区域的CCD，采集图像数据，传输到PC机进行处理和缺陷分析。膜厚的均匀性通过BM透射比来检测，使用绿光主要是为了防止刚涂完光刻胶曝光造成的膜质变化。

　　在其他工艺中，膜厚的差异通过反射由膜厚的上下表面之间的光程差来反映。膜厚的变化导致光程差的变化，干涉光的亮度会发生变化。根据光源波长和CCD参数，可以计算出理论膜厚分辨率。

　　基于机器视觉技术的缺陷检测和图像处理算法有很多种。本文研究的Mura机器图像处理方法大的特点是采用图像相减的方法和标准图像来消除疑似Mura。在开始mura检测测试之前，须输入标准肖像。以下是标准人像的生成过程。

 选择基底；数据的提取和处理；根据数据生成标准人像。

　　玻璃传送方向是X方向，相机扫描方向是Y方向。当玻璃通过Mura机时，对玻璃表面进行扫描(Y方向)，分别得到L(x1) ~ L  (Xn)等N组光照曲线。每条曲线代表由照相机扫描一行图像获得的照度值。将这N组照度曲线叠加，得到平均照度曲线，即L (X)是用于制作标准图像的数据，然后L(x)*n(n)是图像的值。

具体如下：

　　图像采集：根据基片的传输速度和LINCCD拍摄的小宽度匹配得到基片膜面的原始图像。

　　图像合成：将三个CCD获取的图像进行切割拼接，形成完整的衬底图像。

　　亮度校正：标准图像减去原图后，加128进行增益放大，进行亮度校正，消除背景干扰和疑似Mura。通过标准图像的亮度校正来消除假Mura的过程。图像预处理：高斯滤波(5*5)，中值滤波(5*5)进行噪声处理，灰度扩展进行边缘增强。

　　缺陷分割：利用梯度算子对灰度图像的每个像素在0、45、90和135四个方向上检查相邻点的灰度，然后通过微分运算得到该点的边缘强度值，该值可以反映图像的每个像素与周围像素之间局部变化的强度。通过手动设置适当的阈值来识别缺陷；通过边缘灰度二值化的方法确定缺陷的位置。

　　缺陷量化：根据亮度差和边缘强度的关系对Mura进行分级。根据缺陷，Mura区域的平均像素亮度值与非Mura区域的平均像素亮度值不同，该差值作为亮度差；同时，将Mura区域边缘的一阶微分值作为边缘强度值。

　　综上所述，通过人工设置二值化阈值来识别筛选出mura检测缺陷位置，然后结合亮度差和边缘强度对识别出的Mura缺陷进行量化分级。软件的二值化阈值、亮度差、边缘强度都需要工程师根据产品的各种型号进行验证，到合适的参数。