基于RGB色系實(shí)現(xiàn)Auto—Repair的途徑

摘 要：在對彩色濾光片進(jìn)行微觀修補(bǔ)時，想要用設(shè)備自動運(yùn)行代替人工，最關(guān)鍵的是區(qū)分缺陷的位置和修補(bǔ)的準(zhǔn)確度。應(yīng)用RGB色域可以將設(shè)備調(diào)整到RGB Pixel色差做大的狀態(tài)，從而方便Auto Repair。

關(guān)鍵詞：彩膜；修補(bǔ)機(jī)；RGB色域；自動修復(fù)

可見光的波譜范圍3.8×10Hz～7.5×10Hz之間，包含了赤、橙、黃、綠、青、藍(lán)、紫七種顏色。人眼之所以能夠識別這些顏色，是因?yàn)樵谌说拇竽X中含有視錐細(xì)胞，它接受強(qiáng)光和色光的刺激，主要在白天起作用。一般認(rèn)為，人的視錐細(xì)胞有三種，它們分別含有感紅色素、感綠色素和感藍(lán)色素三種基本感光色素，能分別接受紅、綠、藍(lán)三種基本光波（又稱光的三基色）的刺激而發(fā)生興奮，從而引起相應(yīng)的色覺感受。

但是設(shè)備不同與人，設(shè)備只能簡單分辨不同區(qū)域的灰階差異或者RGB的色差。在彩色濾波片的修復(fù)中，涉及到RGB像素上的相應(yīng)顏色缺失的修補(bǔ)，這就需要精確區(qū)分不同的像素。而通過RGB色域恰好能夠達(dá)到這一目的。

1 Auto-Repair的工作原理

微觀修補(bǔ)設(shè)備（Repair）一般可以實(shí)現(xiàn)對像素缺失的填補(bǔ)和殘留異物的研磨兩個功能。一般是上游檢測設(shè)備提供精確的坐標(biāo)，微觀修補(bǔ)設(shè)備讀取上游坐標(biāo)。同時設(shè)備本身還需要將該坐標(biāo)周圍的一定范圍進(jìn)行灰階二值化處理，從而在Operator的視野內(nèi)，將灰階差值的最大處視為缺陷的位置，并且將此移至視野中心，方便OP的修補(bǔ)作業(yè)。二值化處理以后，圖像的每一個點(diǎn)都具備自己的灰階值，只要按照像素的分布設(shè)定一定的比對規(guī)律，就可以實(shí)現(xiàn)上述效果。此時對缺陷的作業(yè)種類，需要Operator去判斷，作業(yè)內(nèi)容也完全由Operator完全掌控。

Auto-Repair就是要把整個過程用設(shè)備去自動實(shí)現(xiàn)。以目前的各個廠商的Repair來看，實(shí)現(xiàn)自動找到缺陷點(diǎn)的位置、自動進(jìn)行研磨操作、和對研磨后的效果進(jìn)行判級，都完全沒有問題。但是Operator操作設(shè)備實(shí)現(xiàn)的彩色濾光片缺色的修補(bǔ)，在設(shè)備自動修復(fù)的情況下，還具備一定的技術(shù)困難。

2 Auto-Repair的工作難點(diǎn)

根據(jù)灰階圖像的對比發(fā)現(xiàn)，一般情況下，R、G像素與B像素之間的灰階差值都在10～20左右，RG像素與黑矩陣灰階差在20～30左右，而R像素和G像素的灰階差就不是很大。這就會影響到像素缺失的時候，相應(yīng)顏色像素的填補(bǔ)修補(bǔ)，可能導(dǎo)致填充錯顏色的尷尬局面發(fā)生。

如圖1、圖2所示，灰階圖像中R、G像素很接近。圖中的R灰階為48，G為46，B為61，黑矩陣為71，缺陷的灰階是8；這對于研磨修補(bǔ)完全可以實(shí)現(xiàn)。但是如果R像素上有一處像素缺失，固然灰階為255，但是設(shè)備很難根據(jù)灰階差確定是R像素還是G像素亦或者是B像素。此時進(jìn)行填補(bǔ)作業(yè)，就會很滑稽。

故此提出嘗試應(yīng)用RGB色系，進(jìn)行彩色圖片處理的可能性。RGB色系認(rèn)為：700nm為紅色光，546nm為綠色光，435.8nm為藍(lán)色光，三種顏色為三原色。三原色可以組成由白到黑的所有顏色。圖2所示的分別是反射光和透射光下彩色濾光片的效果。

3 RGB色系應(yīng)用的理論依據(jù)

需要說明的是，同一個設(shè)備，不同燈光所測得的RGB色系值是有變化的，如圖3、圖4。

如何在設(shè)備的彩色圖片上形成不同像素的最大差值，是文章的重點(diǎn)。表1給出了一些不同反射光下，RGB像素內(nèi)RGB三原色占比總和的變化。

根據(jù)表1的數(shù)據(jù)，不難看出：燈光加大，任何顏色的像素含有的RGB三原色占比的和都會增加。但是燈光加大，數(shù)據(jù)變化的趨勢并能得到理想的曲線，如圖5所示。

（1）反射光采用的是RGB色系值的和值做差，其中R-G的波動較大。

（2）三條曲線在R1000～R1200區(qū)間，都呈現(xiàn)較大差值、且之間沒有交叉和重疊。

（3）三條曲線在R1500以后，呈現(xiàn)較大差值。此時RGB三原色的占比和值均大于450，表中沒有詳述RGB三原色單一值。

表2給出了一些不同透射光下，RGB像素內(nèi)相應(yīng)RGB三原色占比的變化（黑矩陣選取的是B）：

根據(jù)表2的數(shù)據(jù)，不難看出：燈光加大，任何顏色的像素含有的相應(yīng)顏色的占比都會增加，直到達(dá)到255。但是燈光越大所有數(shù)值都趨近于增加到255，此時數(shù)據(jù)之間的差值遞減。設(shè)備只會識別數(shù)字，這種變化不便于用數(shù)字區(qū)別不同顏色像素。

（4）不難看出，當(dāng)燈光處于T2800～T3000的時候，R-G的色值差是最大的。

（5）盡管燈光繼續(xù)加大，R-BG-B的色值差會繼續(xù)加大，但是R-G色值差已經(jīng)開始下降了。

這就需要找到一個最大值，已達(dá)到R、G、B像素之間數(shù)值的差的最大化。如圖會得到以下規(guī)律：

（1）取R1200，此時：三原色R色值為160±10的為紅色像素，111±10的為綠色像素，183±10的為藍(lán)色像素，244±10的為黑矩陣。

（2）取T3000，此時：三原色R色值為165±25為紅色像素，G色值為138±25為綠色像素，B色值為25±5為藍(lán)色像素。應(yīng)用同一三原色也可以區(qū)分。

這樣，就可以根據(jù)區(qū)域的三原色含量，確定像素的顏色。

4 RGB色系應(yīng)用的可行性方法

以上方法固然在理論中可行，但是實(shí)際上必須規(guī)劃出像素的分布，依據(jù)設(shè)定好的分布圖偵測相應(yīng)的RGB三原色的含量。設(shè)備在偵測到具體數(shù)值之前，不能區(qū)分顏色，所以分區(qū)域的時候只需要依據(jù)產(chǎn)品設(shè)計(jì)，嚴(yán)格按照像素的分布，分出線框圖即可。沒必要考慮像素的顏色。圖6是分區(qū)前的灰階圖片，分區(qū)示意圖如圖7所示。

圖7所示得分區(qū)，是設(shè)備偵測以后識別的。為凸顯設(shè)備識別顏色的效果，這里以灰階圖作為典例。一旦設(shè)備分好像素的顏色，即使出現(xiàn)缺膜的情況，也能自動選擇Ink的顏色執(zhí)行填補(bǔ)作業(yè)。

（1）值得考慮的是，如果像素是規(guī)則的矩形，當(dāng)CCD掃描一個像素的時候，并不需要對CCD的每個像素都偵測RGB三原色的含量。

（2）但是當(dāng)像素不是規(guī)則的矩形，應(yīng)用RGB三原色去偵測，就可以得到實(shí)際的像素圖形以及顏色。還能精細(xì)的區(qū)分黑矩陣的分布。

（3）配合透射以及反射燈光，就能對上有檢測設(shè)備提供的缺陷進(jìn)行全方位的修補(bǔ)。

5 結(jié)束語

文章基于RGB三原色的理念詳細(xì)分析了彩色濾光片實(shí)現(xiàn)自動修補(bǔ)的可行性，并根據(jù)實(shí)際生產(chǎn)的數(shù)據(jù)詳細(xì)闡述了RGB三原色與燈光的變化關(guān)系，并且從中總結(jié)出彩色濾光片RGB三種像素差異最大的設(shè)定方案。根據(jù)這一方案，提出應(yīng)用于Auto-Repair。配合實(shí)際產(chǎn)品的像素分布，劃分檢測區(qū)域，以達(dá)到精細(xì)區(qū)分像素的目的。總體來講，文章提出了一種實(shí)現(xiàn)Auto-Repair的可行性方案。

參考文獻(xiàn)

[1]申曉霞，張樺，高贊，等.基于深度信息和RGB圖像的行為識別算法[J].模式識別與人工智能，2013（8）：722-728.

[2]劉文峰，吳學(xué)毅，劉長富.基于RGB色度空間的車牌定位及矯正算法[J].武漢大學(xué)學(xué)報(bào)，2006，31（9）：785-787.

[3]郭凌華.對標(biāo)準(zhǔn)色度學(xué)標(biāo)準(zhǔn)空間的理解[J].包裝工程，2003，2（24）：13-16.

[4]張濤，宋佳霖，劉旭龍，等.基于色度學(xué)空間的多元圖表示[J].燕山大學(xué)學(xué)報(bào)，2010，2（34）：111-114.

[5]徐偉，彭毅雯，肖光輝.未確認(rèn)Mura分析與改善對策[J].液晶與顯示，2011，5（26）：612-615.

[6]羅麗平， 向南，金基用.TFT-LCD生產(chǎn)及發(fā)展概況[J].現(xiàn)代顯示，2012（3）：31-38.

[7]張鐵軼，余道平，王野，等.自動光學(xué)檢測的彩膜分區(qū)檢查與判定[J].液晶與顯示，2014，29（1）：34-39.

[8]胡朝暉，劉大成，劉穗宏.基于OEE的企業(yè)設(shè)備效率診斷與改善[J].制造技術(shù)與機(jī)床，2006（1）：81-84.

作者簡介：張文富（1987，4-），男，籍貫：內(nèi)蒙古自治區(qū)赤峰市，本科，工程師，從事的主要工作是液晶面板行業(yè)。