本發(fā)明涉及圖像信號處理技術(shù)領(lǐng)域，尤其涉及一種圖像插值方法以及基于該圖像插值方法的二維經(jīng)驗(yàn)?zāi)B(tài)分解方法。

背景技術(shù)：

一維經(jīng)驗(yàn)?zāi)B(tài)分解(emd)的推廣，對二維經(jīng)驗(yàn)?zāi)B(tài)分解(2d-emd)方法在計(jì)算機(jī)視覺、圖像處理以及各種二維信號的處理中得到了應(yīng)用。但是，由于二維情況下的數(shù)據(jù)量過多，在emd算法中需要進(jìn)行的散點(diǎn)插值計(jì)算復(fù)雜度隨圖像尺度變大呈指數(shù)增長，因而導(dǎo)致該算法計(jì)算速度在一般的計(jì)算機(jī)上計(jì)算速度極慢，限制了該算法的進(jìn)一步應(yīng)用。

目前，研究者們通過找尋不同的計(jì)算路徑來實(shí)現(xiàn)2d-emd以實(shí)現(xiàn)對該算法的加速，主要有通過微分方程的方法、分片散點(diǎn)插值方法、以及基于局部極值均值的直接計(jì)算包絡(luò)面平均值的方法；其中使用微分方程的方法包括了使用非線性擴(kuò)散方程以及求解薄板樣條函數(shù)方程的方法，計(jì)算復(fù)雜度仍然較高；而使用分片散點(diǎn)插值方法以及基于局部極值均值的直接計(jì)算包絡(luò)面平均值的方法則精度不足，且仍不能達(dá)到在大尺寸圖像下較高的運(yùn)算速度。2d-emd的應(yīng)用因此仍然受到了極大的限制。

tft-lcd液晶面板被廣泛應(yīng)用在現(xiàn)代顯示應(yīng)用中，包括智能手機(jī)、平板、筆記本電腦、液晶電視等。在液晶制造的每一個(gè)工序當(dāng)中，以及工序間的銜接過程中，均有可能導(dǎo)致最終顯示不良，因而tft-lcd最終成品顯示缺陷種類多，表現(xiàn)形式多樣：其中主要有點(diǎn)缺陷、線缺陷及含義最為廣泛復(fù)雜的mura。如何區(qū)分多種類型的缺陷，并有效快速定為各種缺陷成為液晶檢測的難點(diǎn)之一。

以上背景技術(shù)內(nèi)容的公開僅用于輔助理解本發(fā)明的構(gòu)思及技術(shù)方案，其并不必然屬于本專利申請的現(xiàn)有技術(shù)，在沒有明確的證據(jù)表明上述內(nèi)容在本專利申請的申請日已經(jīng)公開的情況下，上述背景技術(shù)不應(yīng)當(dāng)用于評價(jià)本申請的新穎性和創(chuàng)造性。

技術(shù)實(shí)現(xiàn)要素：

為解決上述技術(shù)問題，本發(fā)明提出一種圖像插值方法、基于該圖像插值方法的二維經(jīng)驗(yàn)?zāi)B(tài)分解方法、以及基于該二維經(jīng)驗(yàn)?zāi)B(tài)分解方法的液晶屏幕缺陷檢測方法，該圖像插值方法不僅具有較快的計(jì)算速度，而且應(yīng)用在二維經(jīng)驗(yàn)?zāi)B(tài)分解方法中還有較好的分解質(zhì)量，同時(shí)對液晶屏幕的點(diǎn)、面缺陷具有良好的分解效果。

為了達(dá)到上述目的，本發(fā)明采用以下技術(shù)方案：

本發(fā)明公開了一種圖像插值方法，包括以下步驟：

s1：將定義在m維網(wǎng)格上的待插值的散點(diǎn)集合進(jìn)行分解，形成若干個(gè)點(diǎn)集；

s2：將若干個(gè)所述點(diǎn)集分別進(jìn)行擴(kuò)大，得到若干個(gè)擴(kuò)大點(diǎn)集；

s3：在若干個(gè)所述擴(kuò)大點(diǎn)集上進(jìn)行基于徑向基函數(shù)的散點(diǎn)插值，得到插值函數(shù)；

s4：獲得相對于所述m維網(wǎng)格更為稀疏的稀疏網(wǎng)格，計(jì)算每個(gè)所述稀疏網(wǎng)格上的網(wǎng)格點(diǎn)到其所屬的一個(gè)或多個(gè)所述擴(kuò)大點(diǎn)集的中心的權(quán)函數(shù)值，并以所述權(quán)函數(shù)值來分配各個(gè)網(wǎng)格點(diǎn)由徑向基函數(shù)計(jì)算出來的插值結(jié)果；

s5：通過獲得的每個(gè)所述稀疏網(wǎng)格上的插值結(jié)果來求得所述m維網(wǎng)格上的所有網(wǎng)格點(diǎn)的插值結(jié)果，得到整個(gè)包絡(luò)面。

優(yōu)選地，步驟s2中具體包括：擴(kuò)大點(diǎn)集的中心點(diǎn)坐標(biāo)與相應(yīng)的點(diǎn)集的中心點(diǎn)坐標(biāo)保持不變，通過計(jì)算各個(gè)所述點(diǎn)集的中心點(diǎn)坐標(biāo)(x0,y0)及其長邊和短邊的長度(w,h)，使擴(kuò)大點(diǎn)集中的所有散點(diǎn)到中心點(diǎn)坐標(biāo)(x0,y0)的橫向距離滿足縱向距離滿足

優(yōu)選地，步驟s3中在若干個(gè)所述擴(kuò)大點(diǎn)集上進(jìn)行基于徑向基函數(shù)的散點(diǎn)插值具體為獲得插值函數(shù)sintp(xi)＝fi，使所有散點(diǎn)xi滿足：

并使徑向基函數(shù)φ(r)滿足下式：

其中，n為所述散點(diǎn)集合中的散點(diǎn)的總數(shù)量，根據(jù)式(1)和式(2)獲得相應(yīng)的插值系數(shù)ci及插值函數(shù)fi的表達(dá)式。

優(yōu)選地，步驟s4中所述稀疏網(wǎng)格相對于所述m維網(wǎng)絡(luò)的稀疏尺度rg滿足下式：

其中：

其中，tl為所述稀疏網(wǎng)格的第l個(gè)維度上的長度，tl為所述m維網(wǎng)格的第l個(gè)維度上的長度；rs為散點(diǎn)個(gè)數(shù)占總網(wǎng)格點(diǎn)個(gè)數(shù)的比例，gmax、gmin分別為散點(diǎn)的列展開序列的差分的極大值和極小值；優(yōu)選地，rg取值不超過0.5，如果通過式(3)計(jì)算超過0.5則取值為0.5。

優(yōu)選地，步驟s4中計(jì)算每個(gè)所述稀疏網(wǎng)格上的網(wǎng)格點(diǎn)到其所屬的一個(gè)或多個(gè)所述擴(kuò)大點(diǎn)集的中心的權(quán)函數(shù)值具體包括：對于所述稀疏網(wǎng)格上的待插值網(wǎng)格點(diǎn)x，按照下式計(jì)算待插值網(wǎng)格點(diǎn)x所屬的第j個(gè)子集的權(quán)函數(shù)值：

其中，n為待插值網(wǎng)格點(diǎn)x所屬的子集的個(gè)數(shù)，wj(x)和wi(x)通過下式進(jìn)行計(jì)算：

其中，m為所述稀疏網(wǎng)格的維度數(shù)量，xl為待插值網(wǎng)格點(diǎn)x在第l個(gè)維度上的坐標(biāo)值，xk,ol為第k個(gè)子集區(qū)域中心點(diǎn)在第l個(gè)維度上的坐標(biāo)值，bk,l為第k個(gè)子集在第l個(gè)維度上的長度，ε為一個(gè)極小值，k為j或i。

優(yōu)選地，步驟s1中具體包括將定義在m維網(wǎng)格上的待插值的散點(diǎn)集合采用kd-tree的分割方法來進(jìn)行分解；優(yōu)選地，步驟s5中具體包括對獲得的每個(gè)所述稀疏網(wǎng)格上的插值結(jié)果利用格點(diǎn)插值方法求得所述m維網(wǎng)格上的所有網(wǎng)格點(diǎn)的插值結(jié)果，得到整個(gè)包絡(luò)面。

優(yōu)選地，m為1、2、3或4。

本發(fā)明還公開了一種基于前述的圖像插值方法的二維經(jīng)驗(yàn)?zāi)B(tài)分解方法，其中，將待分解圖像中的所有的局部的極大值點(diǎn)和極小值點(diǎn)作為步驟s1中的定義在m維網(wǎng)格的待插值的散點(diǎn)集合中的所有散點(diǎn)，步驟s5中具體為：通過稀疏網(wǎng)格上的所有網(wǎng)格點(diǎn)的插值結(jié)果來求得所有網(wǎng)格點(diǎn)的插值面，并以極小值點(diǎn)的插值面作為下包絡(luò)面，以極大值點(diǎn)的插值面作為上包絡(luò)面，得到上下包絡(luò)面，其中m＝2。

優(yōu)選地，所述二維經(jīng)驗(yàn)?zāi)B(tài)分解方法還包括步驟s6：計(jì)算所述上包絡(luò)面和所述下包絡(luò)面的平均值，從所述待分解圖像中減去所述平均值獲得結(jié)果dm,k(x,y)，并與所述待分解圖像進(jìn)行比較，使用下式作為停止條件：

其中，dm,k-1(x,y)為待檢測圖像，下標(biāo)分別代表了sift過程的次數(shù)以及迭代的次數(shù)，r為預(yù)設(shè)的閾值；

若停止條件得到滿足，dm,k(x,y)為求得的固有模態(tài)函數(shù)，檢測余項(xiàng)dm,k-1(x,y)-dm,k(x,y)中極值點(diǎn)的個(gè)數(shù)，若極大值點(diǎn)或極小值點(diǎn)的個(gè)數(shù)小于5個(gè)，則表示所有固有模態(tài)函數(shù)均已求得；否則，以余項(xiàng)作為待檢測圖像，重復(fù)步驟s1～s5繼續(xù)進(jìn)行分解；

優(yōu)選地，r取值為0.1～0.3。

本發(fā)明另外還公開了一種液晶屏幕缺陷檢測方法，包括：將所采集到的液晶屏幕缺陷的圖像或者經(jīng)過預(yù)處理后的缺陷增強(qiáng)的圖像，經(jīng)過權(quán)利要求8或9所述的二維經(jīng)驗(yàn)?zāi)B(tài)分解方法，得到多個(gè)固有模態(tài)函數(shù)圖像，再對各個(gè)所述固有模態(tài)函數(shù)圖像進(jìn)行后續(xù)檢測。

與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果在于：本發(fā)明的圖像插值方法，采用了分區(qū)域、降尺度稀疏的基于徑向基函數(shù)的散點(diǎn)插值，有效地解決在全圖范圍內(nèi)的散點(diǎn)插值的計(jì)算速度過慢的問題。并進(jìn)一步將散點(diǎn)插值方法與格點(diǎn)插值方法結(jié)合起來，進(jìn)一步加速了插值過程；而且本發(fā)明的圖像插值方法可以適用于一維、二維、三維甚至四維的網(wǎng)格，非常有效地提高了計(jì)算速度。

將本發(fā)明的圖像插值方法應(yīng)用在二維經(jīng)驗(yàn)?zāi)B(tài)分解的包絡(luò)面插值過程中，不僅有效加速了二維經(jīng)驗(yàn)?zāi)B(tài)分解方法的計(jì)算速度，而且還具有很好的分解質(zhì)量。本發(fā)明還進(jìn)一步將前述改進(jìn)的二維經(jīng)驗(yàn)?zāi)B(tài)分解方法應(yīng)用在液晶屏幕缺陷檢測方法中，可以有效地將液晶屏幕中的各種顯示缺陷以及圖像中的固有特征進(jìn)行分離，方便了后續(xù)檢測，對液晶屏幕的點(diǎn)、面缺陷以及mura缺陷都具有良好的分解效果。

附圖說明

圖1是本發(fā)明優(yōu)選實(shí)施例的圖像分解方法的流程示意圖；

圖2是從點(diǎn)集獲得擴(kuò)大點(diǎn)集的示意圖；

圖3是稀疏網(wǎng)格選取的示意圖；

圖4是本發(fā)明的一個(gè)實(shí)施例進(jìn)行二維經(jīng)驗(yàn)?zāi)B(tài)分解的原圖；

圖5a～圖5f是在一種停止條件下將圖4經(jīng)過二維經(jīng)驗(yàn)?zāi)B(tài)分解的圖像；

圖6a～圖6e是在另一種停止條件下將圖4經(jīng)過二維經(jīng)驗(yàn)?zāi)B(tài)分解的圖像；

圖7是帶有mura顯示缺陷的液晶屏幕圖像的原圖；

圖8a～8f是將圖7經(jīng)過分解的圖像。

具體實(shí)施方式

下面對照附圖并結(jié)合優(yōu)選的實(shí)施方式對本發(fā)明作進(jìn)一步說明。

如圖1所示，本發(fā)明的優(yōu)選實(shí)施例公開了一種改進(jìn)的圖像插值方法，包括以下步驟：

s1：將定義在m維網(wǎng)格上的待插值的散點(diǎn)集合進(jìn)行分解，形成若干個(gè)點(diǎn)集；

具體地，將定義在m維網(wǎng)格上的待插值的散點(diǎn)集合采用kd-tree的分割方法來進(jìn)行分解，形成若干個(gè)點(diǎn)集，使各個(gè)點(diǎn)集中所包含的散點(diǎn)的數(shù)量大致相同，在不同的實(shí)施例中，m＝1、2、3或4，本實(shí)施例中m取值為2。

s2：將若干個(gè)點(diǎn)集分別進(jìn)行擴(kuò)大，得到若干個(gè)擴(kuò)大點(diǎn)集，以使各個(gè)擴(kuò)大點(diǎn)集之間有交集，且點(diǎn)集與相應(yīng)的擴(kuò)大點(diǎn)集的中心點(diǎn)坐標(biāo)不變；

其中，通過計(jì)算各個(gè)點(diǎn)集的中心點(diǎn)坐標(biāo)(x0,y0)及其長邊和短邊的長度(w,h)，使擴(kuò)大點(diǎn)集中的所有散點(diǎn)到中心點(diǎn)坐標(biāo)(x0,y0)的橫向距離縱向距離具體地，如圖2所示，可以通過分別求各個(gè)點(diǎn)集10的外接橢圓，并得到該外接橢圓的外接矩形，以此矩形中的極值點(diǎn)構(gòu)成擴(kuò)大點(diǎn)集20。

s3：在若干個(gè)擴(kuò)大點(diǎn)集上進(jìn)行基于徑向基函數(shù)的散點(diǎn)插值，得到插值函數(shù)；

其中，基于徑向基函數(shù)的散點(diǎn)插值具體為獲得插值函數(shù)sintp(xi)＝fi，使所有散點(diǎn)xi滿足：

并使徑向基函數(shù)φ(r)滿足下式：

其中，n為散點(diǎn)集合中的散點(diǎn)的總數(shù)量，根據(jù)式(1)和式(2)獲得相應(yīng)的插值系數(shù)ci及插值函數(shù)fi的表達(dá)式。

s4：獲得相對于m維網(wǎng)格更為稀疏的稀疏網(wǎng)格，計(jì)算每個(gè)稀疏網(wǎng)格上的網(wǎng)格點(diǎn)到其所屬的一個(gè)或多個(gè)擴(kuò)大點(diǎn)集的中心的權(quán)函數(shù)值，并以該權(quán)函數(shù)值來分配各個(gè)網(wǎng)格點(diǎn)由徑向基函數(shù)計(jì)算出來的插值結(jié)果；

其中，稀疏網(wǎng)格相對于m維網(wǎng)絡(luò)的稀疏尺度rg滿足下式：

其中：

其中，tl為所述稀疏網(wǎng)格的第l個(gè)維度上的長度，tl為所述m維網(wǎng)格的第l個(gè)維度上的長度；rs為散點(diǎn)個(gè)數(shù)占總網(wǎng)格點(diǎn)個(gè)數(shù)的比例，gmax、gmin分別為散點(diǎn)的列展開序列的差分的極大值和極小值，且rg取值不超過0.5，如果通過式(3)計(jì)算超過0.5則取值為0.5。

如圖3所示是稀疏網(wǎng)格的示意圖，從圖中原網(wǎng)格的網(wǎng)格線30和稀疏網(wǎng)格的網(wǎng)格線40可以看出，稀疏網(wǎng)格為原網(wǎng)格的0.5倍。對于稀疏網(wǎng)格上的待插值網(wǎng)格點(diǎn)x，按照下式計(jì)算待插值網(wǎng)格點(diǎn)x所屬的第j個(gè)子集的權(quán)函數(shù)值：

其中，n為待插值網(wǎng)格點(diǎn)x所屬的子集的個(gè)數(shù)，wj(x)和wi(x)通過下式進(jìn)行計(jì)算：

其中，m為所述稀疏網(wǎng)格的維度數(shù)量，xl為待插值網(wǎng)格點(diǎn)x在第l個(gè)維度上的坐標(biāo)值，xk,ol為第k個(gè)子集區(qū)域中心點(diǎn)在第l個(gè)維度上的坐標(biāo)值，bk,l為第k個(gè)子集在第l個(gè)維度上的長度，ε為一個(gè)趨于0的極小值，k可為j或i。

s5：通過獲得的每個(gè)稀疏網(wǎng)格上的插值結(jié)果來求得所述m維網(wǎng)格上的所有網(wǎng)格點(diǎn)的插值結(jié)果，得到整個(gè)包絡(luò)面；

具體地，對獲得的每個(gè)所述稀疏網(wǎng)格上的插值結(jié)果利用格點(diǎn)插值方法求得所述m維網(wǎng)格上的所有網(wǎng)格點(diǎn)的插值結(jié)果，得到整個(gè)包絡(luò)面。

本發(fā)明的另一個(gè)實(shí)施例還公開了一種基于上述改進(jìn)的圖像插值方法的二維經(jīng)驗(yàn)?zāi)B(tài)分解(2d-emd)方法，通過上述改進(jìn)的圖像插值方法計(jì)算2d-emd中的極值點(diǎn)的包絡(luò)面，以加速2d-emd中的sift過程，其中將上述改進(jìn)的圖像插值方法中，將待分解圖像中的所有的局部的極大值點(diǎn)和局部極小值點(diǎn)作為步驟s1中的定義在二維網(wǎng)格的待插值的散點(diǎn)集合的所有散點(diǎn)，即將待分解圖像中的所有的局部的極大值點(diǎn)和極小值點(diǎn)作為該方法中的散點(diǎn)進(jìn)行插值計(jì)算；其中步驟s5中具體為：通過稀疏網(wǎng)格上的所有網(wǎng)格點(diǎn)的插值結(jié)果來求得所有網(wǎng)格點(diǎn)的插值面，并以極小值點(diǎn)的插值面作為下包絡(luò)面，以極大值點(diǎn)的插值面作為上包絡(luò)面，得到上下包絡(luò)面。

而且進(jìn)一步該二維經(jīng)驗(yàn)?zāi)B(tài)分解方法還包括以下步驟：

s6：計(jì)算上包絡(luò)面和下包絡(luò)面的平均值，從待分解圖像中減去平均值獲得結(jié)果dm,k(x,y)，并與待分解圖像進(jìn)行比較，使用下式作為停止條件：

其中，dm,k-1(x,y)為待檢測圖像，下標(biāo)分別代表了sift過程的次數(shù)以及迭代的次數(shù)，r為預(yù)設(shè)的閾值；

若停止條件得到滿足，dm,k(x,y)為求得的固有模態(tài)函數(shù)，檢測余項(xiàng)dm,k-1(x,y)-dm,k(x,y)中極值點(diǎn)的個(gè)數(shù)，若極大值點(diǎn)或極小值點(diǎn)的個(gè)數(shù)小于5個(gè)，則表示所有固有模態(tài)函數(shù)均已求得；否則，以余項(xiàng)作為待檢測圖像，重復(fù)步驟s1～s5繼續(xù)進(jìn)行分解；在一些實(shí)施例中，閾值r取值為0.1～0.3，可以分解得到較滿意的結(jié)果，且需要的分解時(shí)間較少。其中，當(dāng)滿足停止條件時(shí)，使一次sift迭代停止，進(jìn)入下一次sift。

如圖4是一幅待分解的lena圖像，圖5a～5f和圖6a～6e是將以上的二維經(jīng)驗(yàn)?zāi)B(tài)分解方法分解得到的圖像，其中圖5a～5f和圖6a～6e分別是在不同的停止條件下得到的分解圖像，其中圖5a～5f的停止條件為sdm,k＜0.12，圖6a～6e的停止條件為sdm,k＜0.20。從圖5a～5f和圖6a～6e中每個(gè)不同停止條件下的結(jié)果分別表示分解結(jié)果的各個(gè)固有模式體現(xiàn)了原圖像中的灰度值特征從細(xì)節(jié)到梗概的變化，且在不同的停止條件下，均可以得到較好的結(jié)果。一方面，各個(gè)不同尺度的特征得到了分離，另一方面，分離的結(jié)果體現(xiàn)了較好的連續(xù)性，邊界以及圖像中均布存在灰度值突變的現(xiàn)象。

其中，上述2d-emd方法的計(jì)算過程可以采用結(jié)合cpu和gpu來進(jìn)行，由于在插值過程中，需要計(jì)算徑向基插值方程中的系數(shù)矩陣，求解該方程，以及將所求網(wǎng)格坐標(biāo)代入該方程，該過程由于數(shù)據(jù)量極大，因而在cpu計(jì)算速度較慢，通過利用gpu的并行計(jì)算功能，可以有效地加快該計(jì)算過程。

上述特定的插值方法，使用了分區(qū)域、降尺度的基于徑向基函數(shù)的散點(diǎn)插值，有效地解決了在全圖范圍內(nèi)基于徑向基函數(shù)的散點(diǎn)插值的計(jì)算速度過慢的問題，大大提高了計(jì)算效率；且將散點(diǎn)插值方法與格點(diǎn)插值方法結(jié)合起來，進(jìn)一步加快了插值過程。將上述特定的插值方法應(yīng)用到2d-emd算法中的包絡(luò)面插值過程中，有效地加速了2d-emd算法。

本發(fā)明的還有一個(gè)實(shí)施例公開了一種基于前述改進(jìn)的二維經(jīng)驗(yàn)?zāi)B(tài)分解方法的液晶屏幕缺陷檢測方法，包括將所采集到的液晶屏幕缺陷的圖像或者經(jīng)過預(yù)處理后的缺陷增強(qiáng)的圖像，經(jīng)過前述的二維經(jīng)驗(yàn)?zāi)B(tài)分解方法，得到多個(gè)固有模態(tài)函數(shù)圖像，再對各個(gè)所述固有模態(tài)函數(shù)圖像(imf)進(jìn)行后續(xù)檢測。

通過前述的二維經(jīng)驗(yàn)?zāi)B(tài)分解方法，將液晶屏幕圖像進(jìn)行分解獲得多個(gè)固有模態(tài)函數(shù)圖像，這幾個(gè)固有模態(tài)函數(shù)圖像分別體現(xiàn)了原圖像中不同大小尺度的特征，從而將原圖中的小尺度的點(diǎn)、線缺陷分離到前幾個(gè)模式當(dāng)中，大尺度的黑白團(tuán)、亮度不均缺陷則分離到后幾個(gè)模式中，其中特別地，亮度不均缺陷通常被分離到分解的余項(xiàng)當(dāng)中，從而方便進(jìn)行后續(xù)檢測。

如圖7是一幅帶有mura顯示缺陷的液晶屏幕圖像，圖8a～8f是將圖7經(jīng)過分解的圖像，其中分解的停止條件選為sdm,k＜0.20，從分解結(jié)果上可以看出，由于拍攝原因?qū)е碌拿靼禇l紋，液晶屏幕本身的像素格點(diǎn)，以及mura和整體的亮度不均分布到了不同的分解圖像中，大大方便了后續(xù)檢測。

以上內(nèi)容是結(jié)合具體的優(yōu)選實(shí)施方式對本發(fā)明所作的進(jìn)一步詳細(xì)說明，不能認(rèn)定本發(fā)明的具體實(shí)施只局限于這些說明。對于本發(fā)明所屬技術(shù)領(lǐng)域的技術(shù)人員來說，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干等同替代或明顯變型，而且性能或用途相同，都應(yīng)當(dāng)視為屬于本發(fā)明的保護(hù)范圍。