不良模板圖 像庫中包括η個(gè)不良子庫，其中η為大于或等于1的正整數(shù)。
[0069] 二、人工分類
[0070] 經(jīng)過人工篩選，將滿足條件的優(yōu)良圖像選出作為優(yōu)良模板圖像庫，然后按照點(diǎn)亮 方式劃分為紅色、綠色、藍(lán)色、灰1 (即第一灰）、灰2(即第二灰）、灰3(即第三灰）和黑一 共7個(gè)優(yōu)良模板圖像子庫。對采集和人工篩選以后的圖像存入計(jì)算機(jī)，以數(shù)據(jù)矩陣的形式 保存。計(jì)算機(jī)對圖像進(jìn)行的所有操作都是對數(shù)據(jù)矩陣的處理。
[0071] 三、聚類
[0072] 對其余不滿足優(yōu)良模板圖像庫的圖像進(jìn)行聚類。減法聚類（Subtraction Clustering)可以用來估計(jì)一組數(shù)據(jù)中聚類的個(gè)數(shù)。為此首先利用減法聚類對不良模板圖 像庫進(jìn)行初次聚類，獲得聚類個(gè)數(shù)。將聚類個(gè)數(shù)與人工經(jīng)驗(yàn)劃分結(jié)果相結(jié)合，同時(shí)考慮設(shè)備 硬件能力，最終確定不良子庫的個(gè)數(shù)η。在確定不良子庫個(gè)數(shù)的情況下，采用模糊C均值聚 類算法（FuzzyC-MeansAlgorithm)對不良模板圖像庫進(jìn)行再次聚類，獲得聚類結(jié)果。在 模糊聚類中，每一個(gè)模板圖像并不是非常嚴(yán)格的被分到一不良子庫中，而是根據(jù)其隸屬度 函數(shù)的大小來決定屬于的不良子庫。模糊聚類后每一個(gè)不良子庫中都存放著具有相同特征 的不良模板圖像，分別標(biāo)記為不良1，不良2…不良η。
[0073]四、求取待匹配圖像與模板圖像的相似度，即將對AMOLED采集得到的待匹配圖像 與預(yù)設(shè)的模板圖像庫進(jìn)行匹配。
[0074] 待匹配的圖像與模板圖像在相同環(huán)境下，采用相同參數(shù)的CCD進(jìn)行采集，對同一 個(gè)AMOLED分別按順序采集紅、綠、藍(lán)、灰1、灰2、灰3和黑一共7個(gè)待匹配圖像。預(yù)先設(shè)置 相似度閾值α和β，α和β的值根據(jù)實(shí)際經(jīng)驗(yàn)實(shí)際需求進(jìn)行設(shè)置，閾值過小則匹配的成 功率較高，但是準(zhǔn)確率會下降，閾值設(shè)置的過大，會造成原本能夠匹配到的但卻沒能匹配得 至|J，為了保證產(chǎn)品出廠的合格率，α-般取0.9以上為益，β-般也取0.9以上為益。
[0075] 按順序依次求取7個(gè)圖像，每采集到一個(gè)圖像就將其與所對應(yīng)的優(yōu)良模板圖像進(jìn) 行匹配，求取相似度值，如果該相似度值大于α則依次繼續(xù)后面6個(gè)圖像的匹配，否則停止 在優(yōu)良模板圖像庫中的匹配，轉(zhuǎn)到不良模板圖像庫進(jìn)行匹配。
[0076] 假設(shè)將7個(gè)待匹配圖像分別與紅、綠、藍(lán)、灰1、灰2、灰3和黑優(yōu)良模板圖像子庫 進(jìn)行匹配，求取的相似度分別為α1、α2、α3、α4，α5、α6和α7。例如：先采集到紅 色圖像與優(yōu)良模板庫紅色子圖進(jìn)行匹配求得相似度α1，如果α1 <α，則停止匹配，如果 α1彡α，則繼續(xù)采集綠色圖像繼續(xù)進(jìn)行匹配，以此類推，直到α1、α2、α3、α4,α5、α6 和α7都大于α?xí)r，則認(rèn)為該AM0LED為合格產(chǎn)品，標(biāo)記Ρ。
[0077] 對于α1、α2、α3、α4,α5、α6和α7任意一個(gè)不能滿足相似度α?xí)r，則需要 在不良模板圖像庫中繼續(xù)匹配，逐一求取與不良子庫1···η的相似度值，直到β1、β2···βη 任意一個(gè)大于β，則停止匹配并為該AM0LED設(shè)置標(biāo)記i，i大于或等于1，且小于或等于η。
[0078] 如果待匹配圖像在所有不良子庫中仍然沒有能夠匹配成功，則將該AM0LED的待 匹配圖像存入不良模板圖像庫，然后重新聚類重復(fù)以上步驟進(jìn)行匹配。
[0079] 隨著不良模板圖像庫存入的圖像逐漸增多，待匹配圖像的匹配率也會提高。
[0080] 其中，較佳地，求取待匹配圖像與任一模板圖像的相似度的步驟包括：
[0081] 步驟一：求取待匹配圖像與模板圖像的馬哈拉諾比斯距離（Mahalanobis)，簡稱 馬氏距離，用來表征兩個(gè)圖像之間的距離，馬氏距離的求取公式如下：
[0082]
[0083] 其中，P表示所述馬氏距離，&表示模板圖像的均值；&表示待匹配圖像的均 值；?表示待匹配圖像的協(xié)方差陣的偽逆。 S
[0084] 步驟二：將步驟一中求得的馬氏距離轉(zhuǎn)化為待匹配圖像與模板圖像的相似度，采 用的公式如下：
[0085]
[0086] 其中，S表示待匹配圖像與模板圖像的相似度。d為積分公式的表示符號，t表示馬 氏距離的積分變量，通常把自變量t的增量Δt稱為自變量的微分，記作dt，即dt=Δt。 erf()表示誤差函數(shù)。
[0087] 與上述方法相對應(yīng)地，參見圖4,本申請實(shí)施例提供的一種對有源矩陣有機(jī)發(fā)光二 極體面板AM0LED進(jìn)行檢測分類的裝置，包括：
[0088] 第一單元11，用于將對AM0LED采集得到的待匹配圖像與預(yù)設(shè)的模板圖像庫進(jìn)行 匹配；
[0089] 第二單元12,用于根據(jù)匹配結(jié)果，對所述AM0LED進(jìn)行分類。
[0090] 較佳地，所述對AM0LED采集得到的待匹配圖像包括：將對AM0LED分別采集得到的 紅、綠、藍(lán)、第一灰、第二灰、第三灰、黑七個(gè)待匹配圖像；
[0091] 所述預(yù)設(shè)的模板圖像庫包括優(yōu)良模板圖像庫，該優(yōu)良模板圖像庫包括紅、綠、藍(lán)、 第一灰、第二灰、第三灰、黑七個(gè)優(yōu)良模板圖像子庫；
[0092] 所述第一單元，具體用于：分別將對AM0LED采集到的任一所述待匹配圖像與相應(yīng) 顏色的優(yōu)良模板圖像子庫進(jìn)行匹配；
[0093] 所述第二單元，具體用于：當(dāng)所述七個(gè)待匹配圖像，與相應(yīng)顏色的所述七個(gè)優(yōu)良模 板圖像子庫分別全部匹配時(shí)，為該AM0LED設(shè)置用于表示該AM0LED為優(yōu)良產(chǎn)品的標(biāo)記。
[0094] 較佳地，所述預(yù)設(shè)的模板圖像庫，還包括不良模板圖像庫，該不良模板圖像庫中包 括η個(gè)不良子庫，其中η為大于或等于1的正整數(shù)；
[0095] 所述第一單元，還用于：當(dāng)對AM0LED分別采集到的任一所述待匹配圖像與相應(yīng)顏 色的優(yōu)良模板圖像子庫不匹配時(shí)，將該待匹配圖像與不良模板圖像庫中的不良子庫進(jìn)行匹 配；
[0096] 所述第二單元，還用于：當(dāng)對AM0LED分別采集到的待匹配圖像與一不良子庫i匹 配時(shí)，為該AM0LED設(shè)置標(biāo)記i，其中i大于或等于1，且小于或等于η。
[0097] 較佳地，所述第二單元，還用于：
[0098] 當(dāng)對AM0LED分別采集到的待匹配圖像與任一不良子庫均不匹配時(shí)，將該待匹配 圖像存入不良模板圖像庫，并確定該待匹配圖像所屬的不良子庫；并觸發(fā)第一單元重新對 該AM0LED進(jìn)行檢測分類。
[0099] 較佳地，所述第一單元將對AM0LED采集得到的待匹配圖像與預(yù)設(shè)的模板圖像庫 進(jìn)行匹配，具體是指：所述第一單元計(jì)算對所述AM0LED采集得到的待匹配圖像與預(yù)設(shè)的模 板圖像庫中的圖像的相似度，并將該相似度與預(yù)設(shè)的相似度閾值進(jìn)行比較。
[0100] 其中，所述的第一單元和第二單元，均可以由處理器等實(shí)體器件實(shí)現(xiàn)。當(dāng)然，除此 之外，該對AM0LED進(jìn)行檢測分類的裝置，還可以包括存儲器等實(shí)體器件，用于存儲相關(guān)數(shù) 據(jù)等。
[0101] 綜上所述，現(xiàn)有技術(shù)中是采用人工檢測分類，而本申請實(shí)施例，通過對AM0LED 采集待匹配圖像；將所述待匹配圖像與預(yù)設(shè)的模板圖像庫進(jìn)行匹配，根據(jù)匹配結(jié)果，對 AM0LED進(jìn)行分類標(biāo)記，根據(jù)標(biāo)記的結(jié)果對不同類別的AM0LED進(jìn)行分類存放。實(shí)現(xiàn)了AM0LED 的自動檢測分類，提高了工作效率，以及分類的準(zhǔn)確性，避免人工檢測誤差以及對人眼的傷