( 3) 继续扫描图像，重复第( 2) 步，直到遍历完成个图像，至此已找出所有轮廓，算法结束。
对图2 应用上面的算法进行轮廓分析，统计了轮廓的面积，结果图7 所示。
为了测试该算法的性能，选择了不同尺寸和不同轮廓数目的LCD 线路图像，对每张图像进行50 次重复测试统计轮廓分析时间，其图像尺寸。轮廓数目以及轮廓分析平均消耗时间的关系如表1 所示。所用PC 配置Intel Core2 Duo T6670,2. 2GHz 处理器，2GB 内存，Windows7 系统，并在VS2008 开发环境下进行试验。
从表1 可以看出，该轮廓分析方法能快速地找出所有线路轮廓并计算出其面积。同时由表1 前4 行可知，在轮廓数目相同的情况下，随着图像尺寸的成倍增加，所需时间增加很缓慢; 由后4 行可知，在图像尺寸不变的情况下，轮廓分析时间随轮廓数目成近似线性关系; 因此，影响消耗时间的主要因素是轮廓数目。由于LCD 线路图像的像素分辨率高，图像尺寸很大，但线路数目相对较少，因此，用该方法可高效率地检测LCD 的线路缺陷。
3 检测流程和实验结果
本文中算法检测的LCD 线路的缺陷示意图如图8所示，包括短路。短路。孔洞和孤岛4 种缺陷。
缺陷检测流程如下。
( 1) 对某一型号的LCD,选择一定数目( 这里取10块) 标准样品，按上述算法过程计算出每块LCD 线路的轮廓数目和每个轮廓的面积，对于面积将10 次所得到的值取平均，以此作为这一型号的标准数据。
( 2) 对该型号任一待测LCD,同样按照上述算法计算出其轮廓数和每个轮廓的面积。如果轮廓数与标准数据不同，则必定是不良品; 否则转下一步。
( 3) 由于数目相同时可能是短路。断路等多种缺陷同时发生，因此将轮廓面积逐个与标准数据比较，如果有短路。断路。孔洞和孤岛等缺陷，则必定存在某些轮廓与标准数据差异很大，故设定适当阈值T,如果每个轮廓面积差值的绝对值都小于T,则判定为合格品，否则为不良品。
根据上述算法和检测流程，选择了10 种不同型号的小型LCD,每种选取了20 个样品进行测试，这些样品包含无缺陷及有短路。断路。孔洞及孤岛缺陷的LCD,在总共200 个样品中，只有2 片误检，正确率达99%,对误检的LCD 进行分析，其误检主要是线路受到灰尘的污染所致。同时，采用基于图像配准再作差的模板匹配法对上面200 个样品进行测试，结果有9片误检，正确率95. 5%,误检主要因素是图像配准的偏差。可见该方法可以有效地检测出含有上述4 种缺陷的LCD?
4 结论
基于图像轮廓分析的LCD 线路缺陷检测方法与传统的基于图像配准的方法相比，由于避免了配准偏差带来的影响，因此提高了检测正确率。在轮廓分析过程中，对单像素轮廓采用基于深度优先搜索的方法，有效地提取了线路轮廓，并根据离散化的格林公式快速地计算出了轮廓面积。将待检测LCD 的线路轮廓信息与标准信息比较以判断是否存在缺陷，经验证，本文中的算法可以有效地检测出LCD 中的短路。断路。孔洞以及孤岛缺陷，在LCD 线路缺陷检测方面具有很好的应用前景。
