CN100447814C - 使用形态的图像处理装置 - Google Patents

Abstract

本发明涉及一种使用形态的图像处理装置。掩模图像被提供给图像处理装置的形态运算处理部。形态运算处理部计算掩模图像的开放区间隙，并计算填补该开放区间隙所需的最小的膨胀重复次数N，在N次膨胀处理之后，执行N次收缩处理从而除去网格状的图形。之后，通过边缘检测部检测图像内的布线图形边缘，并由测定部计算作为布线宽度的边缘间的距离。

Description

使用形态的图像处理装置

技术领域

本发明涉及图像处理装置，特别涉及对以规定的网格图形遮蔽的掩模(mask)图像进行形态运算处理的技术。

背景技术

作为除去各种图像的噪声的处理方法，已知形态(morphology)法。在形态运算处理中，单独或组合使用膨胀(dilation)处理、收缩(erosion)处理、开放处理、以及关闭处理来进行图像处理。

膨胀处理是搜索以关注像素为中心的±m宽的范围内的最大值(Minkowski和)的处理，根据结构元素来决定m。收缩处理是搜索以关注像素为中心的±m宽的范围内的最小值(Minkowski差)的处理。开放处理是在收缩处理后进行膨胀处理的处理，即在最小值的搜索后搜索最大值的处理。关闭处理是在膨胀处理后进行收缩处理的处理，即在最大值的搜索后搜索最小值的处理。这些处理用于孤立点的除去或不连续的点的连接、填补等。

图10至图12中示意地表示膨胀处理和收缩处理。图10(A)表示结构元素(内核)，图10B表示对应于该结构元素的移动方向。结构元素在上下左右有四个，表示将原图像向a、b、c、d的四个方向各移动一个像素。

图11表示将原图像分别向图10B所示的移动方向移动的情况下的移动图像。在图11中，a是将原图像向图10B的a方向仅移动一个像素的图像，b是将原图像向图10B的b方向仅移动一个像素的图像，c是将原图像向图10B的c方向仅移动一个像素的图像，d是将原图像向图10B的d方向仅移动一个像素的图像。

图12A表示输出图11所示的原图像以及a～d的四个图像的Minkowski和(所有存在区域)的结果、即膨胀处理的结果。而且，图12B表示输出图11所示的原图像以及a～d的四个图像的Minkowski差(仅共用区域)的结果、即收缩处理的结果。(日本)特开平11-259651号公报、特开2002-94799号公报中记载了使用形态运算处理来抑制图像的噪声的技术。

如图13所示，在将透过网板掩模(screen mask)等的印刷基板图像等作为被检测对象，测定印刷基板的布线宽度A或直径B的情况下，一般仅检测作为测定对象的布线图形的边缘，并测定检测出的该边缘间的距离，但如图所示，在图像由网格图形遮蔽时，难以检测边缘部分。

图14表示图13中的布线图形的部分放大图。由于网格图形的存在，布线图形部分被分离为多个区域的结果，不仅本来的布线图形部分的边缘100，不是本来的边缘的布线图形内部的区域边界200也作为边缘被检测，不能根据边缘正确地测定布线宽度A或者直径B。这里，图14中将由于网格图形的存在而形成的区域a和区域b称为开放区(opening)，区域间的间隙称为开放区间隙(网格图形的宽度)。

因此，考虑在检测布线图形的边缘之前，通过上述形态运算处理从原图像除去网格图形而得到仅布线图形的图像。即，考虑对原图像执行膨胀处理，通过观看确认了填补了网格图形的情况之后，执行收缩处理而使膨胀部分还原，从而除去网格图形。

但是，膨胀处理以及收缩处理为无法将原图像复原的不可逆处理，所以从抑制图像变形的观点出发，期望形态运算处理的执行次数少，且期望膨胀处理以及收缩处理抑制在必要最小次数。

发明内容

本发明提供一种从由网格图形等遮蔽了的原图像除去网格图形部分，并且可以抑制原图像的变形的图像处理装置。

本发明的图像处理装置通过对输入图像依次执行形态运算处理的膨胀运算处理以及收缩运算处理来处理该输入图像，具有：输入由规定的网格图形遮蔽了的掩模图像的部件；计算所述掩模图像中的所述网格图形的开放区间隙的开放区间隙计算部件；根据所述开放区间隙以及所述形态运算处理的结构元素，计算所述膨胀处理以及所述收缩处理的必要最小重复次数的次数计算部件；以及对所述掩模图像将所述膨胀运算处理仅重复执行所述必要最小重复次数，之后将所述收缩运算处理重复执行所述必要最小重复次数，从而从所述掩模图像除去所述网格图形的部件。

在本发明的一个实施方式中，所述开放区间隙计算部件具有：提取所述掩模图像中的所述网格图形以外的闭区域的部件；以及计算作为所述开放间隙的所述闭区域中邻接的闭区域的边界间距离的部件。

而且，在本发明的其它的实施方式中，所述开放区间隙计算部件具有：将所述掩模图像进行Radon变换的部件；以及根据所述Radon变换而得到的亮度图形计算所述开放区间隙的部件。

而且，在本发明的其它的实施方式中，所述开放区间隙计算部件具有：将所述掩模图像进行傅立叶变换的部件；以及根据所述傅立叶变换而得到的亮度矢量计算所述开放区间隙的部件。

而且，本发明的图像处理方法，通过对输入图像依次执行形态运算处理的膨胀运算处理以及收缩运算处理，来处理该输入图像，具有：输入由规定的网格图形遮蔽了的掩模图像的步骤；计算所述掩模图像中的所述网格图形的开放区间隙的步骤；设定所述形态运算处理的结构元素的步骤；根据所述开放区间隙以及所述结构元素，计算所述膨胀处理以及所述收缩处理的必要最小重复次数的步骤；以及对所述掩模图像将所述膨胀运算处理仅重复执行所述必要最小重复次数，之后将所述收缩运算处理仅重复执行所述必要最小重复次数，从而从所述掩模图像除去所述网格图形的步骤。

本发明中，计算掩模图像中包含的网格图形的开放区间隙，并计算填补该开放区间隙所需的最小重复次数。即，在存在开放区间隙的情况下，通过重复执行膨胀运算处理可以填补开放区间隙，但形态运算处理结构元素(内核)提供原图像的移动像素数，且开放区间隙提供填补该开放区间隙所需的必要的总像素移动数，所以可以根据两者求填补开放区间隙所需的最小重复次数。通过对掩模图像重复必要最小次数的膨胀运算处理，可以填补开放区间隙，之后，通过重复必要最小次数的收缩运算处理而收缩到原来的尺寸，从而得到除去开放区间隙，并且原图像的变形也被限制到最小限度的图像。在本发明中，由于从掩模图像中除去了网格图形，所以仅可以提取掩模图像中包含的原图像图形，并可以对原图像图形进行边缘检测或边缘强调等各种图像处理。

附图说明

图1是实施方式的结构方框图。

图2是实施方式的形态运算处理部的处理流程图。

图3是实施方式的形态运算处理的结构元素(kernel：内核)说明图。

图4A～图4C是膨胀处理说明图。

图5A～图5C是收缩处理说明图。

图6是实施方式的处理完毕图像说明图。

图7是图6的局部放大图。

图8是Radon变换说明图。

图9是Radon变换的掩模间隙计算说明图。

图10A、图10B是结构元素(内核)说明图。

图11是通过图10B的结构元素从原图像派生的图像组说明图。

图12A、图12B分别是使用图11的图像组的膨胀处理图以及收缩处理图。

图13是由网格状的图形遮蔽了的掩模图像说明图。

图14是图13的局部放大图。

具体实施方式

下面，基于附图说明本发明的实施方式。

图1表示本实施方式的图像处理装置的结构方框图。图像处理装置1被构成为具有以下部件：形态运算处理部10、边缘检测部12、以及测定部14。

形态运算处理部10通过对输入的原图像(具有网格图形的掩模原图像)执行膨胀处理以及收缩处理来除去网格图形。从原图像除去了网格图形的图像，例如印刷基板的布线图形图像被供给到边缘检测部12。形态运算处理部10中的膨胀处理的重复次数N以及收缩处理的重复次数N被设定为必要最小值。形态运算处理部10首先计算从输入原图像除去网格图形所需的最小的重复次数N。然后，通过对原图像重复执行N次膨胀处理，从而将网格图形填补，之后，重复N次收缩处理而使膨胀部分复原从而除去网格图形。根据由于网格图形的存在而形成的原图像的闭区域(相当于图14中的区域a、b、c、d)之间的距离、即开放区间隙D(参照图14)和形态运算处理的结构元素来决定最小的重复次数N。结构元素提供原图像的移动像素数，开放区间隔D提供填补网格图形所需的总移动数。从而，基于这些值可以决定必要最小次数。结构元素由用户预先设定并存储在形态运算处理部10的存储器中。

边缘检测部12从由形态运算处理部10除去了网格图形的图像检测边缘。图像的边缘检测为公知技术，省略其说明。

测定部14使用由边缘检测部12检测出的边缘检测并输出图像中包含的布线图形的布线宽度和直径。形态运算处理部10、边缘检测部12以及测定部14具体来说，由计算机(图像处理计算机)的微处理器和存储输入原图像数据或者处理完毕图像数据的图像存储器构成。可以具有输入原图像为模拟图像的情况下将其变换为数字数据的A/D变换部，或者也可以将由形态运算处理部10除去了网格图形的图像原样作为处理结果而输出到外部。

图2表示形态运算处理部10中的代表性处理流程图的例子。该处理流程图通过依次执行安装在计算机中的图像处理程序来实现。首先，为了测定布线宽度和直径等而将检查对象图像取入装置(S101)。检查对象图像例如图13所示，是具有网格图形的印刷基板图像等。

接着，对掩模图像进行标记处理(S102)。标记处理以某一阈值将输入图像二值化为“0”和“1”，检查被判定为“1”的像素的连续性，从而对连续的像素的集合赋予标记。通过标记处理，多个连续的像素的集合、即多个闭区域(ブロツブ：斑点)被提取。在标记处理时，将作为后面的形态运算处理的结构元素的内核设为最小单位，比内核小的集合不标记。二值化的阈值例如可以从输入图像的直方图设定，或者也可以设为预先设定并存储在存储器中的值。提取的闭区域作为其标记值以及存在区域坐标存储在存储器中。

通过标记处理提取出闭区域之后，至少两处计算各闭区域的接近的重心坐标(S103)。即，将二维的输入图像投影到X-Y平面上，并将输入图像的规定点(例如左上角点)设为X-Y平面的原点，以该原点为基准计算各闭区域的重心坐标(xi，yi)(i＝0、1、2、3......)。这里i表示各闭区域的标记值。重心坐标(xi，yi)是将各闭区域i赋予特征的参数。重心坐标与该闭区域的标记值都被存储在存储器中。

在计算出各闭区域的重心坐标之后，计算闭区域间的距离(斑点的间隙)(S104)。该闭区域之间的距离相当于开放区间隙。具体来说，提取多个闭区域(斑点)中邻接的两个闭区域i、j，并计算以这些闭区域i、j的重心坐标为起点和终点的矢量。这些矢量中，不属于闭区域i、j的任何一个的部分的长度为闭区域间的距离、即开放区间隙D。进而，具体来说，在以两个重心坐标为起点以及终点的矢量上执行输入图像的边缘检测处理，并通过计算边缘(即闭区域的边界)间的距离来计算开放区间隔D。提取多个邻接的两个闭区域i，j的组，在各组中计算开放区间隙Di，并计算这些开放区间隙Di的平均值也可以。在图14中说明时，根据闭区域a和闭区域b的各自的重心坐标计算开放区间隙，同时根据闭区域a和闭区域c的各自的重心坐标计算开放区间隙，从而计算两开放区间隙的平均值。当然，也可以根据闭区域b和闭区域d、闭区域c和闭区域d来计算开放区间隙。

在计算出开放区间隙(斑点间隙)之后，同时确定最合适的形态实施次数(N)(S105)。即，计算填补计算出的开放区间隙所需的最小重复次数N。该次数N如上所述，基于开放区间隙和作为结构元素的内核来计算。例如，开放区间隙为4(4像素)，内核为图3所示的3像素×3像素(即，在上下左右斜的合计8个方向上各一个像素)的情况下，通过对邻接的两个区域i，j的各个重复两次膨胀处理，邻接的两个闭区域i，j间的开放区间隙填补，所以必要最小重复次数为N＝2。在内核为3像素×3像素的情况下，通过N＝开放区间隙/(2×1)＝D/2来计算。内核为5像素×5像素(即，上下左右斜的8个方向上各两个像素)的情况下，通过N＝开放区间隙/(2×2)＝D/4来计算。一般地，通过N＝开放区间隙/(2×内核的移动像素数)来计算。

在计算出必要最小重复次数N之后，以标记了的各闭区域为对象重复执行N次膨胀运算处理(S106、S107)。通过该膨胀运算处理，邻接的闭区域间的开放区间隙填补，多个闭区域被统括到一个闭区域中。

图4A～图4C示意地表示S106、S107中的两次的膨胀运算处理。邻接的两个闭区域20、22间存在开放区间隙(4像素)，从图4A的输入图像状态进行第一次膨胀运算处理，对闭区域20、22分别运算在8个方向上每次移动一个像素的图像的Minkowski(ミンコフスキ—)和时，成为图4B所示的状态，4像素的开放区间隙中的2像素填补。进而，从图4B的状态进行第二次膨胀运算处理时，成为图4C所示的状态，开放区间隙的剩余2像素填补，闭区域22、24被互相连接，并形成一个闭区域24。

再次返回图2，如上所述，在结束膨胀运算处理之后，重复两次收缩运算处理而使膨胀部分复原(S108、S109)。由此，仅剩下不存在开放区间隙的一个闭区域，作为形态运算处理结果图像作为下一个边缘检测部12的源图像输出(S110)。

图5A～图5C示意地表示S108、S109中的两次收缩运算处理。另外，图5A和图4C相同。对图5A所示的通过膨胀运算处理形成了的闭区域24进行第一次收缩运算处理，并对闭区域24运算向8个方向每次移动一个像素的图像的Minkowski差时，成为图5B所示的状态，进而，进行第二次收缩运算处理时，成为图5C所示的状态，并得到与闭区域20、22相同尺寸，且4像素的开放区间隙被填补的图像。

图6表示如以上那样对图13的掩模图像仅重复执行必要最小重复次数N的膨胀运算处理和收缩处理的情况下的处理结果图像。而且，图7表示图6中的布线图形的局部放大图。网格图形被除去(图7中以虚线表示网格图形)，并得到布线图形图像。容易根据图7所示的图像检测布线图形部的边缘100，并且膨胀运算处理以及收缩运算处理被抑制在最小次数，所以原图像的定形(布线图形的变形)也少，作为结果，可以正确地测定布线宽度A和直径B。

另外，如上所述，必要最小重复次数N通过N＝开放区间隙/2×(内核的移动像素数)来决定，当然在有小数部分的情况下进行舍入来设定次数N。

而且，在本实施方式中，作为处理对象图像例示了网格状的图形，但不限于此，可以应用于任意的图形中。在对象图像不具有周期性的情况下，开放区间隙也以一定的宽度被计算，但在该情况下只要采用计算出的开放区间隙的最大值来计算必要最小重复次数N就可以。

而且，在本实施方式中，作为形态运算处理的结构元素(内核)，设为3像素×3像素，或者5像素×5像素，但也可以使用其他的结构元素，也可以使膨胀运算处理以及收缩运算处理的重复次数N和结构元素都最优化。即，对多个种类的结构元素，通过N＝开放区间隙/2×(内核的移动像素数)来计算重复次数，也可以选择N成为最小的结构元素作为最优结构元素。结构元素根据要除去的网格图形被最优化。

而且，在本实施方式中，进行标记处理而提取闭区域，并根据邻接的闭区域的重心坐标计算开放区间隙，但不进行标记处理而对输入图像局部地执行边缘检测处理从而提取闭区域的边界，并通过计算该闭区域的边界间距离(边缘间距离)来计算开放区间隙也可以。

进而，也可以不计算闭区域的重心坐标而通过其他方法计算开放区间隙。作为这样的方法，有傅立叶变换和Radon变换。

在使用傅里叶变换的情况下，形态运算处理部10对输入图像进行FFT(快速傅立叶变换)，并计算亮度矢量。然后，根据亮度矢量提取网格状掩模图形的频率，并计算作为频率的倒数的网格状图形的间距、即开放区间隙。计算了开放区间隙之后，与上述实施方式同样使用内核的移动像素数计算必要最小重复次数N。

另一方面，在使用Radon变换的情况下，对输入图像在每个投射角度计算在特定方向上投影的情况的亮度的积分值，从而计算对于投射角度和位置的亮度积分值。图8中示出相对于输入图像在矢量方向投影的情况下亮度积分值的分布。由于亮度积分值中出现网格状的图形的间距所对应的间距，所以通过计算该间距可以计算开放区间隙。图9表示根据亮度积分值计算开放区间隙。对亮度积分值设定适当的阈值，将亮度积分值中小于等于阈值的部分的距离作为间隙距离，并以多个间隙距离的平均设为开放区间隙。

以上，说明了各实施方式，但重要的是，只要求在掩模图像中由网格状的图形遮蔽并互相分离的亮度部分相互的距离，并求填补该距离所需的次数中的最小值就可以。

Claims (7)

1.一种图像处理装置，通过对输入图像依次执行形态运算处理的膨胀运算处理以及收缩运算处理来处理该输入图像，包括：

输入由规定的网格图形遮蔽了的掩模图像的部件；

计算所述掩模图像中的所述网格图形的开放区间隙的开放区间隙计算部件；

设定所述形态运算处理的结构元素的部件；

根据所述开放区间隙以及所述结构元素，计算所述膨胀处理以及所述收缩处理的必要最小重复次数的次数计算部件；以及

对所述掩模图像将所述膨胀运算处理仅重复执行所述必要最小重复次数，之后将所述收缩运算处理重复执行所述必要最小重复次数，从而从所述掩模图像除去所述网格图形的部件。

2.如权利要求1所述的图像处理装置，其中，

所述开放区间隙计算部件包括：

提取所述掩模图像中的所述网格图形以外的闭区域的部件；以及

计算所述闭区域中邻接的闭区域的边界间距离而作为所述开放间隙的部件。

3.如权利要求1所述的图像处理装置，其中，

所述开放区间隙计算部件包括：

提取所述掩模图像中的所述网格图形以外的闭区域的部件；

计算所述闭区域中邻接的闭区域各自的重心坐标的部件；以及

根据所述重心坐标计算所述开放区间隙的部件。

4.如权利要求1所述的图像处理装置，其中，

所述开放区间隙计算部件具有：

将所述掩模图像进行Radon变换的部件；以及

根据所述Radon变换而得到的亮度图形计算所述开放区间隙的部件。

5.如权利要求1所述的图像处理装置，其中，

所述开放区间隙计算部件包括：

将所述掩模图像进行傅立叶变换的部件；以及

根据所述傅立叶变换而得到的亮度矢量计算所述开放区间隙的部件。

6.如权利要求1所述的图像处理装置，还包括：

检测除去所述网格图形的掩模图像内的图像边缘的部件。

7.一种图像处理方法，通过对输入图像依次执行形态运算处理的膨胀运算处理以及收缩运算处理，来处理该输入图像，包括以下的步骤：

输入由规定的网格图形遮蔽了的掩模图像的步骤；

计算所述掩模图像中的所述网格图形的开放区间隙的步骤；

设定所述形态运算处理的结构元素的步骤；

根据所述开放区间隙以及所述形态运算处理的结构元素，计算所述膨胀处理以及所述收缩处理的必要最小重复次数的步骤；以及

对所述掩模图像将所述膨胀运算处理仅重复执行所述必要最小重复次数，之后将所述收缩运算处理仅重复执行所述必要最小重复次数，从而从所述掩模图像除去所述网格图形的步骤。

Images