CN109844810A - 图像处理方法及图像处理装置 - Google Patents
图像处理方法及图像处理装置 Download PDFInfo
- Publication number
- CN109844810A CN109844810A CN201780063309.7A CN201780063309A CN109844810A CN 109844810 A CN109844810 A CN 109844810A CN 201780063309 A CN201780063309 A CN 201780063309A CN 109844810 A CN109844810 A CN 109844810A
- Authority
- CN
- China
- Prior art keywords
- edge
- candidate
- coordinate
- resolution areas
- image processing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
- G06V20/695—Preprocessing, e.g. image segmentation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/64—Fluorescence; Phosphorescence
- G01N21/645—Specially adapted constructive features of fluorimeters
- G01N21/6452—Individual samples arranged in a regular 2D-array, e.g. multiwell plates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20061—Hough transform
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30024—Cell structures in vitro; Tissue sections in vitro
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30072—Microarray; Biochip, DNA array; Well plate
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及一种图像处理方法,从拍摄解析细胞的孔及孔的周围而获得的图像数据中检测出孔的边缘,且从图像数据提取孔的边缘坐标群。在提取了多个边缘坐标群的情况下,针对多个边缘坐标群的每一个,产生孔的边缘候选。从所产生的边缘候选中选择满足预先确定的基准值的边缘候选。在选择了多个边缘候选的情况下,借助相对评估而从多个边缘候选中确定解析区域的边缘。
Description
技术领域
本发明涉及一种从拍摄解析对象物的解析区域及前述解析区域的周围而获得的图像数据检测前述解析区域的边缘(轮廓或线等)的图像处理方法及图像处理装置。
背景技术
针对生物细胞的解析,使用被称为孔板或微量板(Microplate)的设置有多个孔(凹洼)的平板状的器具。解析对象物的细胞与培养液一起保持在多个孔内。而后,利用相机拍摄细胞并进行解析。在利用相机拍摄时,拍摄到孔及其周围。因此,在图像处理中,必须高精度地检测成为细胞的解析范围的孔壁的边界。
在专利文献1中,揭示有识别微量板的试验孔壁边界的方法。专利文献1记载的方法是从微量板的图像中检测试验孔的壁边界的特征。而后,使用壁边界的特征产生壁边界的候选边缘图像。解析该候选边缘图像,计算试验孔的外周边界的空间位置,使用该信息确定内周边界。将该内周边界视为试验孔区域。
现有技术文献
专利文献
专利文献1:日本专利5920994号。
发明内容
发明所要解决的问题
在专利文献1中,由于在孔内保持有培养液等的液体,故因表面张力而在液体的表面形成有凹状的弯液面(液面的弯曲)。该情况下,光在液体的表面产生折射,而有无法正确地检测试验孔的外周边界的情况。其结果为,在基于试验孔的外周边界的空间位置确定试验孔的内周边界的专利文献1中,无法正确地检测试验孔的内周边界。而且,若无法检测试验孔的内周边界,则可能在错误的解析区域解析细胞,而无法获得高精度的解析结果。
另外,在专利文献1中,有密集于孔壁面的孔内的细胞、或培养液内的杂质作为孔的壁边界的候选边缘图像而产生的情况。如此情况下,亦有检测到错误的试验孔区域,而无法高精度地进行细胞的解析的情况。
本发明是鉴于上述情况而完成的,其目的在于提供一种高精度地检测解析区域的图像处理方法及图像处理装置。
解决问题的技术手段
为了解决上述课题,本申请的第1发明是一种从拍摄解析对象物的解析区域及所述解析区域的周围而获得的图像数据中检测所述解析区域的边缘的图像处理方法,该图像处理方法包括以下工序:a)从所述图像数据中提取所述解析区域的边缘坐标群;b)在所述工序a)中提取了多个边缘坐标群的情况下,针对所述多个边缘坐标群的每一个,产生所述解析区域的边缘候选;c)从在所述工序b)中产生的边缘候选中,选择满足预先确定的基准值的边缘候选;及d)在所述工序c)中选择了多个边缘候选的情况下,借助相对评估而从所述多个边缘候选中确定所述解析区域的边缘。
本申请的第2发明是根据第1发明的图像处理方法,其中所述工序b)中,针对所述多个边缘坐标群的每一个,由多项式近似产生边缘候选。
本申请的第3发明是根据第2发明的图像处理方法,其中所述工序c)中,选择具有距所述边缘候选的距离为第1容许值以下的边缘坐标为特定数以上的边缘坐标群所产生的边缘候选。
本申请的第4发明是根据第1发明至第3发明的图像处理方法,其中所述工序c)包括以下工序:c1)针对在所述工序b)中产生的边缘候选的每一个,检测确定所述边缘候选的边缘坐标的欠缺数;c2)针对在所述工序b)中产生的边缘候选的每一个,检测所述边缘坐标连续欠缺的欠缺范围;c3)基于检测到的所述欠缺数及检测到的所述欠缺范围算出选择用指标;及c4)选择所算出的所述选择用指标为第2容许值以上的边缘候选。
本申请的第5发明是根据第1发明至第4发明的图像处理方法,其中所述工序c)中,算出在所述工序b)中产生的边缘候选的每一个与所述边缘候选的近邻边缘坐标的距离的统计量,且基于所算出的统计量选择边缘候选。
本申请的第6发明是根据第1发明至第5发明的图像处理方法,其中所述解析区域为圆形,且该图像处理方法进一步包括以下工序:e)取得被预先记忆的所述解析区域的理想直径,所述工序c)中,从在所述工序b)中产生的边缘候选中,选择具有位于所述理想直径的第1容许范围内的直径的边缘候选。
本申请的第7发明是根据第6发明的图像处理方法,其中所述工序c)中,从在所述工序b)中产生的边缘候选之中,选择中心坐标距离特定的中心坐标位于第2容许范围内的边缘候选。
本申请的第8发明是根据第6或第7发明的图像处理方法,其中所述工序d)中,从所述多个边缘候选之中,将具有最小直径的边缘候选确定为所述解析区域的边缘。
本申请的第9发明是根据第6至第8发明的图像处理方法,其中所述工序d)中,从所述多个边缘候选的每一个的中心坐标之中,检测位于特定范围外的中心坐标,且从所述多个边缘候选之中排除具有位于所述特定范围外的中心坐标的边缘候选,而确定所述解析区域的边缘。
本申请的第10发明是根据第1发明至第9发明的图像处理方法,其中所述工序d)中,基于在所述工序b)中产生的边缘候选的每一个算出得分值,且基于所算出的所述得分值而确定所述解析区域的边缘。
本申请的第11发明是一种从拍摄解析对象物的解析区域以及所述解析区域的周围而获得的图像数据中检测所述解析区域的边缘的图像处理方法,该图像处理方法包括以下工序:a)从所述图像数据中,提取所述解析区域的边缘坐标群以及与所述边缘坐标群对应的边缘特征信息;b)在所述工序a)中提取了多个边缘坐标群的情况下,从所述多个边缘坐标群中基于所述边缘特征信息而选择边缘坐标群;及c)从在所述工序b)中选择的边缘坐标群中产生所述解析区域的边缘候选。
本申请的第12发明是根据第11发明的图像处理方法,其中所述边缘特征信息包括:由所述边缘坐标群确定的边缘的方向、所述边缘的强度、所述边缘的构成像素数、所述边缘的最大亮度及最小亮度中的至少一个。
本申请的第13发明是根据第11发明或第12发明的图像处理方法,其中所述工序c)中,针对所述边缘坐标群,由多项式近似产生边缘候选。
本申请的第14发明是根据第11至第13发明的图像处理方法,其中进一步包括以下工序:d)在所述工序b)中选择了多个边缘坐标群,在所述工序c)中产生了多个边缘候选的情况下,从所述多个边缘候选基于所述边缘特征信息而选择边缘候选。
本申请的第15发明是一种图像处理装置,该图像处理装置具备:相机,其拍摄解析对象物的解析区域以及所述解析区域的周围;以及控制部,其处理利用所述相机拍摄而获得的图像数据;且所述控制部执行下述工序:a)从所述图像数据提取所述解析区域的边缘坐标群;b)在所述工序a)中提取了多个边缘坐标群的情况下,针对所述多个边缘坐标群的每一个,产生所述解析区域的边缘候选;c)从所述工序b)中产生的边缘候选中,选择满足预先确定的基准值的边缘候选;及d)在所述工序c)中选择了多个边缘候选的情况下,借助相对评估而从所述多个边缘候选之中确定所述解析区域的边缘。
本申请的第16发明是一种图像处理装置,该图像处理装置具备:相机,其拍摄解析对象物的解析区域以及所述解析区域的周围;以及控制部,其处理利用所述相机拍摄而获得的图像数据;且所述控制部执行下述工序:a)从所述图像数据中,提取所述解析区域的边缘坐标群以及与所述边缘坐标群对应的边缘特征信息;b)在所述工序a)中提取了多个边缘坐标群的情况下,从所述多个边缘坐标群基于所述边缘特征信息而选择边缘坐标群;及c)从在所述工序b)中所选择的边缘坐标群中,产生所述解析区域的边缘候选。
发明的效果
根据本申请的第1至第10及第15发明,即便因光的折射或灰尘等的影响而检测到多个边缘坐标群,产生多个边缘候选的情况下,仍可借助利用基准值与相对评估而限缩,从而可高精度地进行解析区域的边缘的确定。另外,借助掌握解析区域的边缘而可高精度地进行对象物的解析。
根据本申请的第11至第14及第16发明,即便因光的折射或对象物等的影响而检测到多个确定解析区域的边缘的边缘坐标群,仍可利用边缘特征信息从多个边缘坐标群限缩。另外,即便在检测到的边缘坐标群具有包含干扰要素的边缘坐标的情况下,仍可从边缘特征信息排除该不必要的边缘坐标。其结果为,可高精度地进行解析区域的边缘的确定。而且,借助掌握解析区域的边缘而可高精度地进行对象物的解析。
特别是,根据本申请的第2发明,能够进行高稳健性的边缘检测。
特别是,根据本申请的第4发明,提高确定解析区域的边缘时的信赖度。
特别是,根据本申请的第7发明,借助在多个边缘候选中,排除中心坐标从特定的中心坐标极端偏移者,而提高确定解析区域的边缘时的信赖度。
特别是,根据本申请的第9发明,借助在多个边缘候选中,排除中心坐标与其他边缘候选标极端偏移者,而提高确定解析区域的边缘时的信赖度。
特别是,根据本申请的第13发明,图像处理速度变快。
特别是,根据本申请的第14发明,即便产生了多个边缘候选,仍可借助边缘特征信息从多个边缘候选限缩。其结果为,可高精度地进行解析区域的边缘的确定。而且,借助掌握解析区域的边缘而可高精度地进行对象物的解析。
附图说明
图1是显示设置于摄像装置的孔板的一例的立体图。
图2是显示摄像装置的构成的图。
图3是显示控制部与摄像装置内的各部的连接的框图。
图4是显示边缘检测处理的流程的图。
图5是用于说明边缘特征信息的示意图。
图6是用于说明基于边缘特征信息的选择的示意图。
图7是用于说明基于边缘特征信息而选择的边缘坐标群的示意图。
图8是利用多项式近似而产生的边缘候选的示意图。
图9是使用绝对指标而选择的边缘候选的示意图。
图10是进行相对评估而确定的边缘候选的示意图。
具体实施方式
以下,参照附图说明本发明的优选实施方式。在以下所述中,将本发明的“图像处理装置”作为拍摄所设置的孔板的摄像装置而进行说明。另外,将该摄像装置作为执行本发明的“图像处理方法”者而进行说明。
<1.摄像装置的构成>
图1显示设置于摄像装置1的孔板9的一例的立体图。
孔板9是具有多个孔91的大致板状的试样容器。针对孔板9的材料,例如使用透过光的透明的树脂。在孔板9的上表面,规则地排列有多个孔91。孔91将成为解析对象物的多个细胞93与培养液92一起予以保持。孔91的内侧是解析细胞93的解析区域。在本实施方式中,以在俯视观察下的孔91的形状为圆形进行说明。但,孔91的形状亦可为矩形等的其他形状。
图2是显示本实施方式的摄像装置1的构成的图。
摄像装置1是一边使相机40的焦点位置发生变化,一边多次拍摄孔板9内的多个细胞93而产生细胞93的图像数据的装置。摄像装置1例如使用在医药品的研究开发领域,限缩成为医药品候选的化合物的筛选工序中。筛选工序的负责者,在孔板9的多个孔91内添加浓度及组成不同的化合物。而后,在摄像装置1中,取得孔板9的各孔91内的细胞93的图像数据。其后,基于所获得的图像数据,借助比较、分析细胞93的培养状态,而验证添加于培养液92的化合物的效用。
不过,摄像装置1亦可在IPS细胞或ES细胞等多能干细胞的研究开发中,为了观察细胞的分化等而使用。
摄像装置1具备:载台10、投光部20、投光部移动机构30、相机40、相机移动机构50、及控制部60。
载台10是保持孔板9的载置台。摄像装置1内的载台10的位置至少在拍摄时被固定。在载台10的中央设置有上下贯通的矩形的开口部11。另外,载台10在开口部11的缘部具有环状的支撑面12。孔板9嵌入于开口部11,且借助支撑面12而被水平支撑。因此,各孔91的上部及下部不会被载台10堵塞而可露出。
投光部20配置于保持于载台10的孔板9的上方。投光部20具有LED等光源。在拍摄时,投光部20内的光源发光。由此,光从投光部20朝向下方照射。另外,投光部20只要是从相机40的相反侧朝向孔板9照射光即可。因此,投光部20的光源本身可采用配置于偏离孔板9的上方的位置,经由镜等的光学系统对孔板9照射光的构成。
投光部移动机构30是使投光部20沿着保持于载台10的孔板9的上表面水平移动的机构。在投光部移动机构30,例如使用将马达的旋转运动经由滚珠螺杆转换为直进运动的机构。摄像装置1借助使投光部移动机构30动作,而可在各孔91的上方位置配置投光部20。另外,在图2中,作为投光部20的移动方向,仅显示箭头A1的1个方向。然而,投光部移动机构30可使投光部20沿着孔板9的上表面在2个方向(图2中的左右方向及深度方向)上移动。
相机40配置在保持于载台10的孔板9的下方。相机40具有透镜等光学系统、及CCD或CMOS等摄像元件。在拍摄时,一边从投光部20朝向孔板9的一部分照射光,一边由相机40拍摄孔板9的该一部分。由此,可将孔板9内的细胞93的图像作为电子数据而取得。所取得的拍摄图像从相机40输入至控制部60。
相机移动机构50是一边维持相机40的姿势,一边使相机40的高度及水平方向的位置发生变化的机构。相机移动机构50具有升降移动机构51及水平移动机构52。
升降移动机构51使相机40上下移动,而使相机40的高度发生变化。由此,保持于载台10的孔板9与相机40的距离(亦即,细胞93与相机40之间的拍摄距离)发生变化。其结果为,可使相机40的焦点位置沿着光轴上下移动。
水平移动机构52使相机40及升降移动机构51一体地水平移动。摄像装置1借助使水平移动机构52动作而可在各孔91的下方位置配置相机40。另外,在图2中,作为水平移动机构52进行的相机40的移动方向,仅显示箭头A2的1个方向。然而,相机移动机构50可使相机40沿着孔板9的下表面在2个方向(图2中的左右方向及深度方向)上移动。
另外,上述的投光部移动机构30与水平移动机构52是被同步驱动。由此,投光部20与相机40在俯视观察下,总是配置于相同的位置。亦即,投光部20与相机40朝相同的朝向移动相同的距离,在某一孔91的下方位置配置有相机40时,必定在该孔91的上方位置配置有投光部20。
控制部60由例如计算机构成。控制部60具有对摄像装置1内的各部分进行动作控制的功能、及对利用相机40拍摄而获得的图像数据进行图像处理的功能。图3是显示控制部60与摄像装置1内的各部分连接的框图。如图3中概念性所示,控制部60具有:CPU等的处理器61、RAM等的存储器62、及硬盘驱动器等的记忆部63。在记忆部63内记忆有:用于对摄像装置1内的各部分进行动作控制的程序P1、及对图像数据进行图像处理的程序P2。
另外,控制部60与上述投光部20、投光部移动机构30、相机40、升降移动机构51、及水平移动机构52分别可通讯地连接。控制部60根据程序P1对上述的各部分进行动作控制。由此,进行保持于孔板9的各孔91的细胞93的拍摄处理。另外,控制部60借助对从相机40输入的图像数据根据程序P2进行处理而检测孔91的边缘,且取得孔91内的细胞93的图像数据。孔91的边缘是孔板9中孔91的内壁与其周围的边界。
<2.关于图像处理>
在拍摄孔板9时,拍摄孔91及其周围。因此,在取得孔91内的细胞93的图像数据时,首先,需要检测孔板9中孔91的边缘。摄像装置1进行从拍摄孔板9而获得的图像数据中检测各孔91的边缘的处理(以下称为“边缘检测处理”)。以下针对边缘检测处理进行说明。
图4是显示边缘检测处理的流程的图。以下一边参照该流程一边进行说明。
控制部60利用相机40拍摄孔板9(步骤S1)。接着,控制部60从拍摄而获得的图像数据中,提取针对一个孔91的边缘信息(步骤S2)。边缘信息是用于确定孔91的边缘的像素信息。因此,针对一个孔91,原本应该提取一个边缘信息。然而,在步骤S2的处理中,因光的折射或细胞93等的影响,而有与孔91的边缘无关的像素作为边缘信息被提取的情况。若提取了多个边缘信息,则针对一个孔91难以检测正确的边缘。因此,在以下的处理中,将多个边缘信息限缩至满足特定的条件的边缘信息,而后,进行确定孔91的边缘的处理。
边缘信息包含:边缘坐标群及边缘特征信息。边缘坐标群是从图像数据的各像素的亮度的变化中提取的坐标数据的集合。针对该边缘坐标的检测,采用已知的边缘检测处理。边缘特征信息是表示由边缘坐标群确定的边缘的特征的信息。边缘特征信息具有:由边缘坐标群确定的边缘的方向、边缘的强度、边缘的构成像素数、以及边缘的最大亮度及最小亮度。不过,边缘特征信息既可具有前述的全部,亦可具有任一个或多个。
图5是用于说明边缘特征信息的示意图。在图5中,显示利用相机40拍摄孔91而获得的图像数据的一部分。在该图中,以浓度表示像素的亮度。亦即,随着接近黑色,表示该像素的亮度变低。
边缘的方向是由边缘坐标确定的边缘的方向。在图5中,边缘的方向以中空箭头表示。该边缘的方向是从由边缘坐标确定的像素(以下称为“关注像素”),朝向亮度变大的像素的方向。例如,控制部60分别算出关注像素与其周围的像素的亮度的差分,从其中将差分大的方向检测为边缘的方向。
边缘强度是构成边缘的最大亮度与最小亮度的差分。在图5中,边缘强度以中空箭头的粗细表示。不过,边缘强度既可作为关注像素的亮度,亦可作为关注像素的亮度与其周围的像素的亮度的差分。
边缘的构成像素数是从关注像素在前述边缘的方向上亮度的变化为连续的像素的数目。在图5中,边缘的构成像素数以中空箭头的长度表示。
边缘的最大亮度及最小亮度是边缘的构成像素内的最大亮度及最小亮度。
返回图4,控制部60使用已知的理想直径D,分别对边缘信息的边缘坐标群的每一个进行从边缘坐标群之中提取边缘坐标的处理(步骤S3)。在记忆部63中预先记忆有中心坐标X与理想直径D。中心坐标X是例如图像数据内的孔91的被预想的任意的中心坐标。理想直径D是设置于摄像装置1的孔板9的设计上的孔径(所谓目录值)。以下,将在步骤S2中提取的边缘信息的边缘坐标群称为“第1边缘坐标群E1”。
控制部60算出第1边缘坐标群E1的一个边缘坐标与中心坐标X的距离Dw。而后,控制部60判定距离Dw与理想直径D的差分是否在容许范围内。在容许范围内的情况下,控制部60将该边缘坐标从第1边缘坐标群E1中提取。在超出容许范围的情况下,判定该边缘坐标与中心坐标X的距离Dw远超出理想直径D加特定的容许值的距离,而控制部60将该边缘坐标从处理对象排除。控制部60针对第1边缘坐标群E1的各边缘坐标进行前述处理。控制部60将从第1边缘坐标群E1提取的边缘坐标记忆为第2边缘坐标群E2。亦即,该步骤S3进行排除第1边缘坐标群E1所包含的与确定孔91的边缘的信息明显无关的信息的处理。
控制部60针对边缘信息所包含的第1边缘坐标群E1全部进行产生第2边缘坐标群E2的处理。另外,控制部60在记忆所产生的第2边缘坐标群E2时,与其建立对应关系而亦记忆在步骤S2中提取的边缘特征信息。
接着,控制部60从在步骤S3中产生的第2边缘坐标群E2中基于边缘特征信息进行边缘坐标群的选择处理(步骤S4)。
图6是用于说明基于边缘特征信息的选择的示意图。但,在图6中,省略在图5中所示的图像数据的图示,而仅图示边缘特征信息。
在步骤S4的处理中,例如控制部60在与第2边缘坐标群E2对应的边缘特征信息所包含的各边缘强度为阈值以上的情况下,选择该第2边缘坐标群E2。此处,控制部60在边缘特征信息所包含的全部的边缘强度为阈值以上的情况下,可选择对应的第2边缘坐标群E2。另外,控制部60可根据边缘特征信息所包含的边缘强度的信息数、与成为阈值以上的边缘强度的信息数的比例,选择对应的第2边缘坐标群E2。另外,阈值根据相机40的分辨率或拍摄环境等而适当变更。
在图6的情况下,将与以曲线M1表示的边缘坐标群对应的边缘强度视为全部未达阈值,而控制部60将该边缘坐标群排除选择。
另外,控制部60在与第2边缘坐标群E2对应的边缘特征信息所包含的各边缘的方向与从中心坐标X朝向关注像素的方向(图中的虚线箭头)一致时,选择该第2边缘坐标群E2。中心坐标X是如前所述的图像数据内的孔91的被预想的任意的中心坐标。
图6的情况下,与以曲线M2表示的边缘坐标群对应的边缘的方向和从中心坐标X朝向关注像素的方向为不一致者居多。因此,控制部60将该第2边缘坐标群E2排除选择。此处,控制部60在边缘的方向与从中心坐标X朝向关注像素的方向偏移者即便有一个,可将所对应的第2边缘坐标群E2排除选择,亦可根据偏移数目的比例,将第2边缘坐标群E2排除选择。
另外,控制部60在即便边缘的方向无不一致,而各边缘的方向朝向彼此相反方向的情况下,将该边缘坐标群排除选择。例如,虽未图示,但在边缘特征信息的一个边缘的方向以从关注像素朝向中心坐标X的箭头而表示,其他边缘的方向以从中心坐标X朝向关注像素的箭头而表示的情况下,控制部60将该边缘坐标群排除选择。
另外,控制部60在边缘的构成像素数不一致、边缘的最大亮度及最小亮度存在不一致的情况下,将所对应的边缘坐标群排除选择。
如此,借助使用边缘特征信息选择第2边缘坐标群E2,即便提取了包含起因于孔91内的灰尘或细胞93等干扰要素的边缘坐标(例如图6的以曲线所示的边缘坐标群),仍可将其排除。
另外,在以下所述中,将在步骤S4中,从第2边缘坐标群E2中选择的边缘坐标群称为“第3边缘坐标群E3”。
图7是用于说明基于边缘特征信息而选择的第3边缘坐标群E3的示意图。在该图7中,显示选择了以中空箭头所示的与边缘特征信息对应的边缘坐标群、及以黑箭头所示的与边缘特征信息对应的边缘坐标群的例子。中空箭头的边缘的方向、边缘强度、边缘的构成像素数为大致相同。另外,黑箭头的边缘的方向、边缘强度、边缘的构成像素数亦大致相同。
返回图4,控制部60针对在步骤S4中选择的第3边缘坐标群E3,使用最小二乘法的多项式近似产生孔91的边缘候选(步骤S5)。亦即,所产生的边缘候选是第3边缘坐标群E3的边缘坐标的近似曲线。另外,由于孔91的形状为圆形,故其边缘候选亦为圆形。例如,若以孔91的中心坐标(a,b)、半径r表示,则使用第3边缘坐标群E3的各边缘坐标、及(x-a)2+(y-b)2=r2的多项式算出系数a、b、r。
控制部60使中心坐标X移动所设想的位置偏移量,重复从前述的步骤S3至步骤S5的处理。
图8是利用多项式近似而产生的边缘候选的示意图。在本实施方式中,将步骤S2~步骤S5的处理的结果,视为产生了多个边缘候选。在图8中,显示产生边缘候选(A)、边缘候选(B)、边缘候选(C)、边缘候选(D)、边缘候选(E)及边缘候选(F)的情况。
返回图4,控制部60使用绝对指标的基准值,从在步骤S4中产生的多个边缘候选(A)~(F)中,选择满足基准值的边缘候选(步骤S6)。以下,针对绝对指标的例进行说明。
(绝对指标的第1例)
在第1例中,将边缘候选与其近邻边缘坐标的距离的统计量,视为绝对指标。详细而言,将第3边缘坐标群E3的边缘坐标、与和该第3边缘坐标群E3近似而产生的边缘候选的距离的容许值(第1容许值),视为绝对指标。若从近似的边缘候选极端偏移的边缘坐标多,则该第3边缘坐标群E3的信赖度低。因此,控制部60算出第3边缘坐标群E3的边缘坐标的每一个、与和该第3边缘坐标群E3近似而产生的边缘候选的距离。而后,在算出距离为容许值以下的边缘坐标的数目是基于孔的理想直径算出的理想边缘数的1/2或1/3以上时,控制部60将用于计算的边缘候选,作为满足基准值的边缘候选而选择。但,“1/2”及“1/3”的数值为一例,并不限定于此。
(绝对指标的第2例)
在第2例中,将基于构成各边缘候选的边缘信息算出的选择用指标的容许值,视为绝对指标。此处,针对选择用指标的计算进行说明。
如前所述,边缘候选是从多个边缘坐标产生的近似曲线。因此,在无法提取边缘坐标的情况下,在构成边缘候选的边缘信息中存在有如图8所示那样欠缺的部分。控制部60测定有效的像素数N1。另外,控制部60基于理想直径D算出边缘候选的圆周的长度,且从圆周的长度推定边缘候选的圆周上的全像素数N2。而后,控制部60算出有效的像素数N1相对于所推定的全像素数N2的比例(N1/N2)。
进而,控制部60将边缘候选的圆周例如8等分。在该被分割的圆周上,测定连续的有效的像素数N3。控制部60基于如前所述推定的全像素数N2算出被分割的圆周上的像素数N4。而后,控制部60算出连续的有效的像素数N3相对于像素数N4的比例(N3/N4)。控制部60针对被分割的边缘候选的圆周的每一个算出比例(N3/N4),从其中选择最低者。
而后,控制部60将所算出的比例(N1/N2)与所选择的(N3/N4)相乘得到的(N1·N3)/(N2·N4)视为选择用指标。
控制部60在所算出的选择用指标为容许值(第2容许值)以上的情况下,将用于计算的边缘候选作为满足基准值的边缘候选而选择。从有效的像素数少的边缘信息产生的边缘候选的信赖度为低。亦即,在该例中,可排除信赖度为低的边缘候选。
(绝对指标的第3例)
在第3例中,将边缘候选的直径与孔91的理想直径D的差分的容许范围(第1容许范围)值视为绝对指标。如前所述,理想直径D是孔91的目录值。在边缘候选的直径与该理想直径D极端不同时,该边缘候选的信赖度为低。为此,控制部60算出边缘候选的直径与孔91的理想直径D的差分。在该差分为容许范围内的情况下,控制部60将用于计算的边缘候选作为满足基准值的边缘候选而选择。
(绝对指标的第4例)
在第4例中,将边缘候选的中心坐标与预先设定的中心坐标X的偏移量的容许范围(第2容许范围内)值视为绝对指标。若边缘候选的中心坐标与预想的孔91的中心坐标X的偏移为大,则该边缘候选的信赖度为低。为此,控制部60算出边缘候选的中心坐标与中心坐标X的偏移量。在所算出的偏移量为容许范围内的情况下,控制部60将用于计算的边缘候选作为满足基准值的边缘候选而选择。
控制部60使用在前述第1至第4例中所示的绝对指标的至少一个,从多个边缘候选之中选择满足基准值的边缘候选。
图9是使用绝对指标选择的边缘候选的示意图。
图9显示进行在步骤S6中说明的处理的结果,即选择了图8的边缘候选(A)、边缘候选(B)及边缘候选(D)的例子。图8的边缘候选(C)及边缘候选(E)被视为基于边缘坐标的有效的像素数算出的选择用指标未达容许值,而被排除选择。另外,图8的边缘候选(F)被视为边缘候选的直径与理想直径D的差分在容许范围外,而被排除选择。
返回图4,控制部60针对在步骤S6中选择的边缘候选的每一个,进行相对评估,且从多个边缘候选中确定孔91的边缘(步骤S7)。以下针对相对评估说明3个示例。
(相对评估的第1例)
在第1例中,控制部60从在步骤S6中选择的边缘候选之中,将直径小的边缘候选确定为孔91的边缘。在利用相机40拍摄孔91时,有根据孔91的壁的厚度等,在孔91的边缘的外侧检测边缘信息的情况。为此,控制部60选择直径小的边缘候选。该例的情况下,在图9中,选择边缘候选(D)。
在该例中,除了直径的信息以外,还使用边缘特征信息。例如,即便在一个边缘候选的直径小于其他边缘候选的直径的情况下,在该一个边缘候选的边缘强度、边缘的方向、或边缘的最大亮度及最小亮度上存在大的不一致时,仍将该一个边缘候选排除选择。
(相对评估的第2例)
在第2例中,控制部60基于得分值与边缘候选的直径的组合而确定孔91的边界。在该例中所使用的得分值是将前述的选择用指标、边缘候选与其近邻边缘坐标的距离的统计量、从边缘特征量算出的特征值分别进行特定的加权之后相乘的值。例如,在图9中,将边缘候选(A)的得分值设为1.0,将直径设为5,将边缘候选(B)的得分值设为0.7,将直径设为4,将边缘候选(D)的得分值设为0.3,将直径设为2。该情况下,控制部60将边缘候选(D)的得分值视为相对低,而将边缘候选(D)排除。而后,控制部60在边缘候选(A)与边缘候选(B)之中选择直径小的边缘候选(B)。
另外,控制部60可将得分值最高的边缘候选确定为孔91的边界。
控制部60进行在前述第1、第2例中所示的相对评估的至少一个,而将从多个边缘候选之中选择的边缘候选确定为孔91的边缘。
图10是进行相对评估而确定的边缘候选的示意图。
图10显示进行在相对评估的第2例中所说明的处理的结果,即选择了图9的边缘候选(B)的例子。将图9的边缘候选(A)视为直径大而排除选择,将边缘候选(D)视为得分值低,而排除选择。
另外,在进行步骤S7的相对评估时,在多个边缘候选的中心坐标之中存在与其他极端偏移的中心坐标的情况下,控制部60可将具有该中心坐标的边缘候选排除选择。
如以上所述,即便因光的折射或细胞93等的影响而检测到多个边缘坐标群,借助阶段性地应用多个条件,而可排除不必要的边缘信息。其结果为,可高精度地进行孔91的边缘的确定。而且,可高精度地进行孔91内的细胞93的解析。
例如,借助使用边缘特征信息选择第2边缘坐标群E2,即便具有包含起因于孔91内的灰尘或细胞93等的干扰要素的边缘坐标(例如,图6的以曲线M1所示的边缘坐标群),仍可将其排除。另外,借助使用绝对指标而可排除不必要的边缘信息。进而,即便满足绝对指标,借助与其他边缘候选进行相对评估,而可排除与其他极端不同的边缘候选。亦即,即便满足一个条件,仍可排除包含异常成分的边缘候选。其结果为,即便在孔的边缘为复杂的形状,或无法获得明了的图像数据的情况下,仍可高精度地检测孔91的边缘。
另外,借助使用多项式近似产生边缘候选,而能够进行高稳健性的边缘检测。进而,借助使用多项式近似,而可排除因细胞93等的影响而检测到的边缘坐标。
<3.变形例>
以上针对本发明的一个实施方式进行了说明,但本发明并不限定于上述实施方式。
例如,为了实现处理速度的高速化而在进行图像处理时,可缩小图像数据,而缩窄处理范围。另外,在进行图像处理时,可无需就每一像素进行处理,而是以多个像素为一单位进行图像处理。
另外,在上述的实施方式中,图像处理中采用最小二乘法,但亦可采用霍夫变换、圆形模型拟合等已知的手法。
另外,在上述的实施方式中是使用孔板9,但亦可使用孔板9以外的试样容器。
此外,可将上述的实施方式或变形例中出现的各要素在不产生矛盾的范围内适当地进行组合。
符号说明
1 摄像装置
9 孔板
10 载台
11 开口部
12 支撑面
20 投光部
30 投光部移动机构
40 相机
50 相机移动机构
51 升降移动机构
52 水平移动机构
60 控制部
61 处理器
62 存储器
63 记忆部
91 孔
92 培养液
93 细胞
Claims (16)
1.一种图像处理方法,从拍摄解析对象物的解析区域以及所述解析区域的周围而获得的图像数据中,检测出所述解析区域的边缘,包括以下工序:
工序a)从所述图像数据中,提取所述解析区域的边缘坐标群;
工序b)在所述工序a)中提取了多个边缘坐标群的情况下,针对所述多个边缘坐标群的每一个,产生所述解析区域的边缘候选;
工序c)从在所述工序b)中产生的边缘候选中,选择满足预先确定的基准值的边缘候选;及
工序d)在所述工序c)中选择了多个边缘候选的情况下,借助相对评估而从所述多个边缘候选中,确定所述解析区域的边缘。
2.如权利要求1所述的图像处理方法,其中,
所述工序b)中,
针对所述多个边缘坐标群的每一个,利用多项式近似产生边缘候选。
3.如权利要求2所述的图像处理方法,其中,
所述工序c)中,
选择具有距所述边缘候选的距离为第1容许值以下的边缘坐标为特定数以上的边缘坐标群所产生的边缘候选。
4.如权利要求1至3中任一项所述的图像处理方法,其中
所述工序c)包括以下工序:
c1)针对在所述工序b)中产生的边缘候选的每一个,检测出确定所述边缘候选的边缘坐标的欠缺数;
c2)针对在所述工序b)中产生的边缘候选的每一个,检测出所述边缘坐标连续欠缺的欠缺范围;
c3)基于检测到的所述欠缺数及检测到的所述欠缺范围,算出选择用指标;及
c4)选择所算出的所述选择用指标为第2容许值以上的边缘候选。
5.如权利要求1至4中任一项所述的图像处理方法,其中,
所述工序c)中,算出在所述工序b)中产生的边缘候选的每一个与所述边缘候选的近邻边缘坐标的距离的统计量,且基于所算出的统计量选择边缘候选。
6.如权利要求1至5中任一项所述的图像处理方法,其中
所述解析区域为圆形,且该图像处理方法进一步包括以下工序:
e)取得被预先记忆的所述解析区域的理想直径;且
所述工序c)中,
从在所述工序b)中产生的边缘候选中,选择具有位于所述理想直径的第1容许范围内的直径的边缘候选。
7.如权利要求6所述的图像处理方法,其中,
所述工序c)中,
从在所述工序b)中产生的边缘候选之中,选择中心坐标距离特定的中心坐标位于第2容许范围内的边缘候选。
8.如权利要求6或7所述的图像处理方法,其中,
所述工序d)中,
从所述多个边缘候选之中,将具有最小直径的边缘候选,确定为所述解析区域的边缘。
9.如权利要求6至8中任一项所述的图像处理方法,其中,
所述工序d)中,
从所述多个边缘候选的每一个的中心坐标之中,检测位于特定范围外的中心坐标,且从所述多个边缘候选之中,排除具有位于所述特定范围外的中心坐标的边缘候选,而确定所述解析区域的边缘。
10.如权利要求1至9中任一项所述的图像处理方法,其中
所述工序d)中,根据在所述工序b)中产生的边缘候选的每一个而算出得分值,且基于所算出的所述得分值来确定所述解析区域的边缘。
11.一种图像处理方法,从拍摄解析对象物的解析区域以及所述解析区域的周围而获得的图像数据中,检测出所述解析区域的边缘,且包括以下工序:
工序a)从所述图像数据中,提取所述解析区域的边缘坐标群以及与所述边缘坐标群对应的边缘特征信息;
工序b)在所述工序a)中提取了多个边缘坐标群的情况下,从所述多个边缘坐标群中,基于所述边缘特征信息来选择边缘坐标群;及
工序c)从在所述工序b)中选择的边缘坐标群中,产生所述解析区域的边缘候选。
12.如权利要求11所述的图像处理方法,其中
所述边缘特征信息包括:由所述边缘坐标群确定的边缘的方向、所述边缘的强度、所述边缘的构成像素数、所述边缘的最大亮度及最小亮度中的至少一个。
13.如权利要求11或12所述的图像处理方法,其中
所述工序c)中,
针对所述边缘坐标群,由多项式近似产生边缘候选。
14.如权利要求11至13中任一项所述的图像处理方法,其中进一步包括以下工序:
工序d)在所述工序b)中选择了多个边缘坐标群,且在所述工序c)中产生了多个边缘候选的情况下,从所述多个边缘候选,基于所述边缘特征信息来选择边缘候选。
15.一种图像处理装置,包括:
相机,该相机拍摄解析对象物的解析区域以及所述解析区域的周围;及
控制部,处理利用所述相机拍摄而获得的图像数据,
所述控制部执行下述工序:
工序a)从所述图像数据中,提取所述解析区域的边缘坐标群;
工序b)在所述工序a)中提取了多个边缘坐标群的情况下,针对所述多个边缘坐标群的每一个,产生所述解析区域的边缘候选;
工序c)从所述工序b)中产生的边缘候选中,选择满足预先确定的基准值的边缘候选;及
工序d)在所述工序c)中选择了多个边缘候选的情况下,借助相对评估而从所述多个边缘候选中,确定所述解析区域的边缘。
16.一种图像处理装置,包括:
相机,拍摄解析对象物的解析区域以及所述解析区域的周围;及
控制部,其处理利用所述相机拍摄而获得的图像数据,
所述控制部执行下述工序:
工序a)从所述图像数据中,提取所述解析区域的边缘坐标群以及与所述边缘坐标群对应的边缘特征信息;
工序b)在所述工序a)中提取了多个边缘坐标群的情况下,从所述多个边缘坐标群中,基于所述边缘特征信息来选择边缘坐标群;及
工序c)从在所述工序b)中选择的边缘坐标群中,产生所述解析区域的边缘候选。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017058512A JP7025124B2 (ja) | 2017-03-24 | 2017-03-24 | 画像処理方法および画像処理装置 |
JP2017-058513 | 2017-03-24 | ||
JP2017-058512 | 2017-03-24 | ||
JP2017058513A JP7112181B2 (ja) | 2017-03-24 | 2017-03-24 | 画像処理方法および画像処理装置 |
PCT/JP2017/039910 WO2018173352A1 (ja) | 2017-03-24 | 2017-11-06 | 画像処理方法および画像処理装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109844810A true CN109844810A (zh) | 2019-06-04 |
CN109844810B CN109844810B (zh) | 2023-08-01 |
Family
ID=63586450
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780063309.7A Active CN109844810B (zh) | 2017-03-24 | 2017-11-06 | 图像处理方法及图像处理装置 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11094068B2 (zh) |
EP (1) | EP3605462A4 (zh) |
CN (1) | CN109844810B (zh) |
TW (1) | TWI657411B (zh) |
WO (1) | WO2018173352A1 (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019187420A1 (ja) | 2018-03-26 | 2019-10-03 | 株式会社Screenホールディングス | 画像処理方法、画像処理装置、プログラムおよび記録媒体 |
JP6954473B2 (ja) * | 2018-07-23 | 2021-10-27 | 株式会社島津製作所 | マイクロ流体デバイス観察装置 |
KR102521386B1 (ko) * | 2019-08-07 | 2023-04-14 | 주식회사 히타치하이테크 | 치수 계측 장치, 치수 계측 방법 및 반도체 제조 시스템 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030099397A1 (en) * | 1996-07-05 | 2003-05-29 | Masakazu Matsugu | Image extraction apparatus and method |
CN102034246A (zh) * | 2010-12-21 | 2011-04-27 | 哈尔滨工程大学 | 基于拓扑约束和匈牙利算法的高密度细胞追踪方法 |
CN102073850A (zh) * | 2010-12-24 | 2011-05-25 | 北京理工大学 | 一种基于图像处理的类圆柱体计数统计方法 |
US20110285837A1 (en) * | 2010-05-19 | 2011-11-24 | General Electric Company | Methods and systems for identifying well wall boundaries of microplates |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5920994B2 (ja) | 1976-12-09 | 1984-05-16 | 株式会社大興電機製作所 | 接点の時間特性測定装置 |
JP4703136B2 (ja) * | 2004-06-02 | 2011-06-15 | トヨタ自動車株式会社 | 線図形化処理装置 |
WO2007023715A1 (en) | 2005-08-25 | 2007-03-01 | Ricoh Company, Ltd. | Image processing method and apparatus, digital camera, and recording medium recording image processing program |
JP4712487B2 (ja) | 2005-08-25 | 2011-06-29 | 株式会社リコー | 画像処理方法及び装置、デジタルカメラ装置、並びに画像処理プログラムを記録した記録媒体 |
JP2007272435A (ja) | 2006-03-30 | 2007-10-18 | Univ Of Electro-Communications | 顔特徴抽出装置及び顔特徴抽出方法 |
JP6294700B2 (ja) | 2014-02-21 | 2018-03-14 | キヤノン株式会社 | 画像処理装置及び画像処理方法 |
TWM504301U (zh) | 2014-12-31 | 2015-07-01 | Syntec Inc | 用於辨識管件形狀之影像處理系統 |
-
2017
- 2017-11-06 EP EP17902187.8A patent/EP3605462A4/en active Pending
- 2017-11-06 WO PCT/JP2017/039910 patent/WO2018173352A1/ja active Application Filing
- 2017-11-06 CN CN201780063309.7A patent/CN109844810B/zh active Active
- 2017-11-06 US US16/485,572 patent/US11094068B2/en active Active
- 2017-11-14 TW TW106139240A patent/TWI657411B/zh active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030099397A1 (en) * | 1996-07-05 | 2003-05-29 | Masakazu Matsugu | Image extraction apparatus and method |
US20110285837A1 (en) * | 2010-05-19 | 2011-11-24 | General Electric Company | Methods and systems for identifying well wall boundaries of microplates |
CN102034246A (zh) * | 2010-12-21 | 2011-04-27 | 哈尔滨工程大学 | 基于拓扑约束和匈牙利算法的高密度细胞追踪方法 |
CN102073850A (zh) * | 2010-12-24 | 2011-05-25 | 北京理工大学 | 一种基于图像处理的类圆柱体计数统计方法 |
Also Published As
Publication number | Publication date |
---|---|
TWI657411B (zh) | 2019-04-21 |
EP3605462A1 (en) | 2020-02-05 |
WO2018173352A1 (ja) | 2018-09-27 |
US11094068B2 (en) | 2021-08-17 |
TW201835854A (zh) | 2018-10-01 |
EP3605462A4 (en) | 2020-08-12 |
CN109844810B (zh) | 2023-08-01 |
US20200005466A1 (en) | 2020-01-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9292925B2 (en) | Imaging system and control method thereof | |
CN109883391B (zh) | 基于微透镜阵列数字成像的单目测距方法 | |
US9253449B2 (en) | Mosaic picture generation | |
CN109844810A (zh) | 图像处理方法及图像处理装置 | |
CN109920003B (zh) | 相机标定检测方法、装置以及设备 | |
TW201200842A (en) | Method of inspecting a three dimensional shape | |
EP2372651A1 (en) | Image pickup apparatus and range determination system | |
CN112634376B (zh) | 标定方法及装置、标定设备和存储介质 | |
TW502111B (en) | Inspection method for foreign matters inside through hole | |
JP2006010392A (ja) | 貫通穴計測システム及び方法並びに貫通穴計測用プログラム | |
JP2010048553A (ja) | 複眼測距装置の検査方法およびそれに用いるチャート | |
JP6312410B2 (ja) | アライメント装置、顕微鏡システム、アライメント方法、及びアライメントプログラム | |
JP5339070B2 (ja) | 変位量測定装置及び同測定方法 | |
JP2018160217A (ja) | 画像処理方法および画像処理装置 | |
CN109863536B (zh) | 图像处理方法及图像处理装置 | |
CN105812669B (zh) | 曲面自动成像对焦方法及系统 | |
US8102516B2 (en) | Test method for compound-eye distance measuring apparatus, test apparatus, and chart used for the same | |
KR101559338B1 (ko) | 카메라 모듈용 결함 픽셀 평가 시스템 및 이를 사용한 카메라 모듈용 결함 픽셀 평가 방법 | |
JP2014115149A (ja) | 基板検査装置 | |
JP5891717B2 (ja) | 穴の内部検査装置、穴の内部検査方法、およびプログラム | |
JP7025124B2 (ja) | 画像処理方法および画像処理装置 | |
JP2016217913A (ja) | X線検査装置 | |
CN107113378B (zh) | 通过对图像进行组合的场景重建 | |
JP2009036696A (ja) | 画像検査装置 | |
JP2013031603A (ja) | 遊戯板の障害釘の高さ検査装置および検査方法と遊戯盤 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |