近年来,物联网以迅雷不及掩耳之势涌入各个领域,作为人机交互的重要媒介,液晶显示屏(TFT-LCD)几乎随处可见,其显示质量也愈来愈被各生产厂商重视。Mura是TFT-LCD中一种特殊的缺陷,类似云雾状,对比度低,边缘模糊,针对这种缺陷,论文提出了一种基于背景重构的检测算法,主要研究内容如下:(1)Mura缺陷图像预处理。首先通过实验分析比较了几种图像去噪的方法,然后为了使我们的算法检测结果更符合人眼视觉感知,引入了空间频率和人眼对比敏感度函数的概念,并使用对比敏感度函数对图像进行了滤波。(2)背景重构算法设计。本文结合离散余弦变换法、奇异值分解法和多项式曲面拟合法,提出了一种基于Mura缺陷预剔除的高精度背景拟合方法。首先分别使用离散余弦变换法和奇异值分解法大致分割出Mura缺陷,然后对两张分割后的图像做逻辑“与”运算,得到的结果作为预剔除区域。接着采用除预剔除区域以外的所有数据点进行曲面拟合,便生成了一张高精度的背景图像。为了优化算法的运行效率,在满足多项式拟合所需最少点数的基础上,对数据点进行了等间隔采样,使用采样点重构背景图像,缩短了算法耗时,且其精度基本维持不变。(3)对比度增强与图像分割。重构背景与原始Mura差影之后的图像轮廓仍然比较模糊,此时我们在对比几种图像增强方法的基础上,提出了基于Otsu的双伽马分段指数变换法,抑制了图像的背景信息,同时增强了Mura区域。并且在实验的基础上,我们选出了伽马参数的最优范围。论文算法的最后一步为图像分割,这里我们研究了最大类间方差法和模糊C均值聚类法,结合两种算法的优点,进行了改进优化。以Otsu法获得的阈值作为参考点来设置初始聚类中心,再通过迭代来不断修正,这样既加快了算法的收敛速度,又能取得较好的分割效果。最终,采用点状、线状、环状三种最具有代表性的Mura图像作为实验样本,按照设计的算法流程进行测试,量化结果表明,论文提出的基于背景重构的Mura缺陷检测算法具有较高的精度和鲁棒性。