基于Python OpenCV的160×320显示屏坏点检测方案咨询

需求：使用Python+OpenCV检测160×320规格显示屏的坏点（颜色异常或黑屏像素），验证总像素数是否为51200，并定位每个坏点的位置。

现状：尝试过轮廓检测方法，但无法定位缺失的像素，认为网格遍历是最优解决方案。

网格遍历方案思路 #

轮廓检测适合识别连通的异常区域，但对单个缺失/异常像素的定位精度不足。网格遍历直接逐个检查每个像素的状态，能精准定位单个坏点，同时准确统计总有效像素数，完全匹配需求：

1. 先验证输入图像尺寸是否为160×320（高度×宽度），确保检测对象正确
2. 遍历图像的每个像素坐标(x,y)
3. 根据显示屏显示的纯色模式（如绿色、红色、蓝色），设定正常像素的灰度/颜色阈值，判断当前像素是否为坏点（黑屏像素灰度值远低于正常，颜色异常像素偏离标准色）
4. 统计总有效像素数，对比51200验证完整性
5. 记录所有坏点的坐标，并在图像上标记坏点位置

完整代码实现 #

import cv2
import numpy as np

def display_bad_pixel_detection(image_path, expected_width=320, expected_height=160, threshold=120):
    # 读取图像，以灰度模式读取（纯色模式下灰度值足够判断）
    img = cv2.imread(image_path, cv2.IMREAD_GRAYSCALE)
    if img is None:
        print("无法读取图像文件")
        return
    
    # 验证图像尺寸
    height, width = img.shape
    if width != expected_width or height != expected_height:
        print(f"图像尺寸不符：实际{width}×{height}，预期{expected_width}×{expected_height}")
        return
    
    total_expected_pixels = expected_width * expected_height
    bad_pixels = []
    valid_pixels = 0
    
    # 遍历每个像素
    for y in range(height):
        for x in range(width):
            pixel_value = img[y, x]
            # 纯色模式下，正常像素灰度值应高于阈值（黑屏/坏点灰度低）
            if pixel_value >= threshold:
                valid_pixels += 1
            else:
                bad_pixels.append((x, y))
    
    # 输出验证结果
    print(f"预期总像素数：{total_expected_pixels}")
    print(f"实际有效像素数：{valid_pixels}")
    print(f"缺失/坏点数量：{len(bad_pixels)}")
    if len(bad_pixels) > 0:
        print("坏点坐标列表：")
        for idx, (x, y) in enumerate(bad_pixels):
            print(f"坏点{idx+1}：({x}, {y})")
    
    # 标记坏点并保存结果图像
    color_img = cv2.cvtColor(img, cv2.COLOR_GRAY2BGR)
    for (x, y) in bad_pixels:
        # 用红色圆点标记坏点
        cv2.circle(color_img, (x, y), 1, (0, 0, 255), -1)
    
    cv2.imwrite("bad_pixel_marked.bmp", color_img)
    print("标记后的图像已保存为bad_pixel_marked.bmp")

# 示例调用：替换为你的图像路径
display_bad_pixel_detection("images/green-good.bmp")

代码说明 #

• 尺寸验证：首先检查图像是否符合160×320的规格，避免检测错误的图像
• 像素遍历：双重循环遍历每个像素的(x,y)坐标，x对应宽度方向，y对应高度方向
• 坏点判断：针对纯色显示模式，用灰度阈值区分正常像素和坏点（可根据实际显示颜色调整阈值，比如红色模式可能阈值范围不同）
• 结果输出：统计有效像素数、坏点数量，输出每个坏点的精确坐标
• 可视化标记：在图像上用红色圆点标记坏点，便于直观查看

扩展优化 #

• 支持多颜色模式检测：可添加参数切换灰度阈值或直接判断RGB颜色值，适配红、绿、蓝等不同纯色测试模式
• 批量处理：遍历文件夹内的所有测试图像，自动生成检测报告
• 阈值自适应：通过分析正常区域的像素值分布，自动计算最优阈值，避免手动调整

内容的提问来源于stack exchange，提问作者Guilherme Mendes