CN111382615A - 影像检测方法 - Google Patents
影像检测方法 Download PDFInfo
- Publication number
- CN111382615A CN111382615A CN201811626629.1A CN201811626629A CN111382615A CN 111382615 A CN111382615 A CN 111382615A CN 201811626629 A CN201811626629 A CN 201811626629A CN 111382615 A CN111382615 A CN 111382615A
- Authority
- CN
- China
- Prior art keywords
- region
- image
- interest
- area
- reconstruction
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 34
- 238000007781 pre-processing Methods 0.000 claims abstract description 31
- 230000007547 defect Effects 0.000 claims abstract description 19
- 238000000034 method Methods 0.000 claims description 81
- 238000001914 filtration Methods 0.000 claims description 32
- 230000002093 peripheral effect Effects 0.000 claims description 25
- 238000010586 diagram Methods 0.000 description 12
- 230000003628 erosive effect Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 239000011248 coating agent Substances 0.000 description 2
- 238000000576 coating method Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 208000029278 non-syndromic brachydactyly of fingers Diseases 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
-
- 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
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本揭示文件提供一种影像检测方法。影像检测方法包含以下步骤：撷取待测物影像，待测物影像包含多个图样特征；于待测物影像选取包含所述多个图样特征中的特定图样特征的一区块影像；撷取区块影像中所有的图样特征而形成的感兴趣区域；该感兴趣区域中执行滤除程序或重建程序，并获得前处理区域；以及根据前处理区域来检测待测物影像是否具有缺陷，据此，当检测出有瑕疵的时候，代表确实存在瑕疵，提升影像检测的准确度。
Description
技术领域
本揭示文件是有关于一种检测方法，且特别是有关于一种影像检测方法。
背景技术
在现有的光学检测方法，为了因应各种不同态样或形状的检测，往往需要针对不同态样或形状来分别设计影像处理演算法，因而在每次面临新的检测态样或形状时，需要耗费许多时间来开发新的影像处理演算法。
另一方面，在进行光学检测时，由于影像处理演算法可以检测多个态样或形状，但并不一定符合检测需求。因此，在面对每次不同的检测需求时，往往要耗费时间修改影像处理演算法，以符合当次的需求。据此，如何改善光学检测过程中的运作程序是亟需解决的问题。
发明内容
根据本揭示文件的一实施例，揭示一种影像检测方法，该影像检测方法包含以下步骤：撷取待测物影像，待测物影像包含多个图样特征；于待测物影像选取包含所述多个图样特征中的特定图样特征的一区块影像；撷取区块影像中所有的图样特征而形成的感兴趣区域；在该感兴趣区域中执行滤除程序或重建程序，并获得前处理区域；以及根据前处理区域来检测待测物影像是否具有缺陷。
在一实施例中，其中获得该前处理区域的步骤包含：在该感兴趣区域中选择并执行该滤除程序之后，获得一中间处理区域；以及对该中间处理区域执行该重建程序，以获得该前处理区域。
在一实施例中，其中在该感兴趣区域执行该滤除程序的步骤包含：使用一遮罩影像在该感兴趣区域进行比对；以及以该遮罩影像指示的像素的灰阶值，在该感兴趣区域的该外围部分的至少一像素的灰阶值设定为一第一范围值，以获得一剩余区域。
在一实施例中，其中在该感兴趣区域执行该滤除程序的步骤还包含：使用该遮罩影像在该剩余区域进行比对；以及以该遮罩影像指示的像素的灰阶值，在该剩余区域的该外围部分的该至少一像素的灰阶值设定为一第二范围值，以获得一中间处理区域。
在一实施例中，其中在该感兴趣区域执行该重建程序的步骤包含：使用该遮罩影像在该中间处理区域进行比对；以及以该遮罩影像指示的像素的灰阶值，在该中间处理区域的该外围部分的该至少一像素的灰阶值设定为该第二范围值，以获得一重建区域。
在一实施例中，其中在该感兴趣区域执行该重建程序的步骤还包含：使用该遮罩影像在该重建区域进行比对；以及以该遮罩影像指示的像素的灰阶值，在该重建区域的该外围部分的该至少一像素的灰阶值设定为该第一范围值，以获得该前处理区域。
在一实施例中，其中获得该前处理区域的步骤包含：在该感兴趣区域中选择并执行该重建程序之后，获得一中间处理区域；以及对该中间处理区域执行该滤除程序，以获得该前处理区域。
在一实施例中，其中在该感兴趣区域执行该重建程序的步骤包含：使用一遮罩影像在该感兴趣区域进行比对；以及以该遮罩影像指示的像素的灰阶值，在该感兴趣区域的该外围部分的至少一像素的灰阶值设定为一第二范围值，以获得一重建区域。
在一实施例中，其中在该感兴趣区域执行该重建程序的步骤还包含：使用该遮罩影像在该重建区域进行比对；以及以该遮罩影像指示的像素的灰阶值，在该重建区域的该外围部分的该至少一像素的灰阶值设定为一第一范围值，以获得该中间处理区域。
在一实施例中，其中在该感兴趣区域执行该滤除程序的步骤包含：使用该遮罩影像在该中间处理区域进行比对；以及以该遮罩影像指示的像素的灰阶值，在该中间处理区域的该外围部分的该至少一像素的灰阶值设定为该第一范围值，以获得一剩余区域。
在一实施例中，其中在该感兴趣区域执行该滤除程序的步骤还包含：使用该遮罩影像在该剩余区域进行比对；以及以该遮罩影像指示的像素的灰阶值，在该剩余区域的该外围部分的该至少一像素的灰阶值设定为该第二范围值，以获得该前处理区域。
附图说明
以下详细描述结合随附附图阅读时，将有利于较佳地理解本揭示文件的态样。应注意，根据说明上实务的需求，附图中各特征并不一定按比例绘制。实际上，出于论述清晰的目的，可能任意增加或减小各特征的尺寸。
图1A至图1C绘示根据本揭示文件一些实施例中一种影像检测方法的步骤流程图；
图2绘示根据本揭示文件一些实施例中撷取待测物影像的示意图；
图3绘示待测物影像的多个区块影像的示意图；
图4A绘示待测物影像的母线区块影像；
图4B绘示关联于图4A的母线区块影像的感兴趣区域；
图4C绘示对图4B的感兴趣区域执行滤除程序后获得的中间处理区域；
图4D绘示对图4C的中间处理区域执行重建程序后获得的前处理区域；
图5A绘示待测物影像的短线区块影像；
图5B绘示关联于图5A的短线区块影像的感兴趣区域；
图5C绘示对图5B的感兴趣区域执行重建程序后获得的中间处理区域；
图5D绘示对图5C的中间处理区域执行滤除程序后获得的前处理区域；
图6A绘示根据本揭示文件有关于滤除程序与重建程序的流程示意图；
图6B绘示根据本揭示文件有关于滤除程序与重建程序的流程示意图；
图7绘示根据一实施例中遮罩的态样示意图；
图8A绘示根据一实施例中将遮罩影像与感兴趣区域以叠合方式进行比对的示意图；
图8B绘示根据一实施例中剩余区域的示意图；
图9A绘示遮罩影像的保留区块在剩余区域的周围进行比对的示意图；
图9B绘示经过比对之后的中间处理区域的示意图。
具体实施方式
以下揭示内容提供许多不同实施例或实例，以便实施本发明的不同特征。下文描述元件及排列的特定实例以简化本发明。当然，该等实例仅为示例性且并不欲为限制性。举例而言，以下描述中在第二特征上方或第二特征上形成第一特征可包括以直接接触形成第一特征及第二特征的实施例，且亦可包括可在第一特征与第二特征之间形成额外特征使得第一特征及特征可不处于直接接触的实施例。另外，本发明可在各实例中重复元件符号及/或字母。此重复是出于简明性及清晰的目的，且本身并不指示所论述的各实施例及/或配置之间的关系。
请参照图1A至图1C，其绘示根据本揭示文件一些实施例中一种影像检测方法的步骤流程图。
在步骤S210中，撷取一待测物影像，待测物影像包含多个图样特征。请一并参照图2，其绘示根据本揭示文件一些实施例中撷取待测物影像的示意图。
在一实施例中，透过影像撷取装置(未绘示)(例如互补式金氧半导体(CMOS)影像感测器或一电荷耦合元件(CCD)影像感测器))对一待测物进行拍摄，以撷取待测物影像100。待测物为欲检测是否有瑕疵或污损等缺陷的物体，其可以为太阳能板、电路板或其他欲检测是否有瑕疵的物品。在本揭示文件中是以太阳能板作为实施例说明，并非意欲限制于太阳能板。
进一步地，待测物影像100包含多个导电线图样，且导电线图样具有对应的图样特征。举例来说，待测物影像100的导电线图样包含母线(busbar)BB、水平线(horizontalfinger)HF、倒角(chamfer)CF、垂直线(vertical finger)VF及短线(short finger)SF，其中母线BB的图样特征为具有一宽度的图样，且图样每间隔一段距离会有一实心涂布的图样，水平线HF的图样特征为水平长条细线的图样，倒角CF的图样特征为影像中各角落的斜细线的图样，垂直线VF的图样特征为垂直长细线的图样，短线SF的图样特征为水平短细线的图样。
值得一提的是，本揭示文件提出上述导电线图样及对应的图样特征仅作为实施例说明，通常知识者可根据实际需求设计不同的图样，而实施本揭示文件的影像检测方法。
在步骤S220中，于待测物影像选取包含图样特征中的一特定图样特征的一区块影像。请一并参照图3，其绘示待测物影像的多个区块影像的示意图。
在一实施例中，图样特征可为对应母线BB、水平线HF、倒角CF、垂直线VF及短线SF的图样特征，而特定图样特征则为母线BB、水平线HF、倒角CF、垂直线VF及短线SF的其中一者的图样特征。
举例来说，假设使用者欲检测的待测物影像100的导电图样为母线BB，因此对应的特定图样特征即为母线BB的图样特征“具有一宽度的图样，且图样每间隔一段距离会有一实心涂布的图样”，借此可在待测物影像100中选取包含特定图样特征(即母线BB的图样特征)的母线区块影像110。进一步地，由于选取区块影像100的选取框的形状为矩形，因此对待测物影像100选取母线区块影像110的过程中，将不可避免地选取到包含其他图样特征，也就是说，母线区块影像110除包含母线BB的图样特征外，还包含垂直线VF的图样特征。
再举一例进行说明。假设使用者欲检测的待测物影像100的导电图样为短线SF的图样特征，因此对应的特定图样特征即为短线SF的图样特征“水平短细线”，借此可在待测物影像100中选取包含特定图样特征(即短线SF的图样特征)的短线区块影像120，且短线区块影像120除包含短线SF的图样特征外，还包含垂直线VF的图样特征。
同样地，倒角区块影像130及水平线区块影像140亦可根据前述方式而被选取出来，其中倒角区块影像130除包含倒角CF的图样特征外，还包含垂直线VF与水平线HF的图样特征；水平线区块影像140除包含水平线HF外，还包含垂直线VF与倒角CF的图样特征。
为避免说明书中具有类似概念的内容一再重复而造成阅读疲乏，因此在之后的步骤中，将以母线区块影像110及短线区块影像120为例进行说明。
在步骤S230中，撷取区块影像中所有的图样特征而形成一感兴趣区域。
在一实施例中，以母线区块影像110为例，请一并参考图4A及图4B，图4A绘示待测物影像的母线区块影像，图4B绘示关联于图4A的母线区块影像的感兴趣区域。详言之，如图4A所示，母线区块影像110包含母线BB及垂直线VF的图样特征；如图4B所示，可根据影像处理演算法撷取母线区块影像110中的母线BB及垂直线VF的图样特征，进而形成感兴趣区域R1。
在步骤240中，在感兴趣区域中执行一滤除程序或一重建程序，并获得一前处理区域。进一步地，步骤S240更可包含如图1B所示的步骤S241与步骤S243，或者如图1C所示的步骤S241与步骤S243，至于要选择执行如图1B所示的步骤S241与步骤S243，或者如图1C所示的步骤S241与步骤S243则可依据区块影像的种类与需求来决定。
首先，以母线区块影像110为例，其适合选择执行如图1B所示的步骤S241与步骤S243，并请一并参考图4B至图4D，图4C绘示对图4B的感兴趣区域执行滤除程序后获得的中间处理区域，图4D绘示对图4C的中间处理区域执行重建程序后获得的前处理区域。
在步骤S241中，在感兴趣区域中执行滤除程序之后，获得中间处理区域。详言之，图4B所示的感兴趣区域R1包含母线BB及垂直线VF的图样特征，根据前述可以得知使用者欲检测的待测物影像100的导电线图样为母线BB，也就是说，感兴趣区域R1中的母线BB的图样特征是要被保留的，而垂直线VF的图样特征是要被移除的，为此可透过在感兴趣区域R1中执行滤除程序，以将非属母线BB的图样特征的垂直线VF的图样特征滤除，并获得如图4C的中间处理区域R2，其中有关于滤除程序的细节将于后说明。
在步骤S243中，对中间处理区域执行一重建程序，以获得前处理区域。详言之，图4C的中间处理区域R2存在一错误区域RM，造成母线BB的图样特征并未被完整地撷取，其中造成错误区域RM的原因可能是因为滤除程序的限制或母线BB本身的瑕疵等所造成，但由于并非本案的重点，故不详述。接着，将对中间处理区域R2进行重建程序，以使中间处理区域R2不存在错误区域RM，进而获得如图4D所示的前处理区域R3，其中有关于重建程序之细节将于后说明。
在步骤S250中，根据前处理区域来检测待测物影像是否具有缺陷。请一并参照图4A及图4D。详言之，图4D所示的前处理区域R3即为图4A所示的母线BB的图样特征的检测样本，因此透过前处理区域R3即可用于检测母线BB的图样特征侦测是否存在缺陷，例如透过将前处理区域R3与母线BB的图样特征叠合，以将缺陷检测的范围缩至仅包含母线BB的图样特征，并执行专门用于检测母线BB的缺陷检测演算法来进一步判断母线BB的图样特征的像素灰阶值是否与预设的一致，若一致则不存在瑕疵，若不一致则存在瑕疵。应注意的是，前述用于判断母线BB的图样特征是否存在瑕疵的方法仅为示例，并不以此为限，再加上其并非本发明的重点，故不详述。
接着，以短线区块影像120为例，其适合选择执行如图1C所示的步骤S242与步骤S244，并请一并参考图5A至图5D，图5A绘示待测物影像的短线区块影像，图5B绘示关联于图5A的短线区块影像的感兴趣区域，图5C绘示对图5B的感兴趣区域执行重建程序获得的中间处理区域，图5D绘示对图5C的中间处理区域执行滤除程序后获得的前处理区域。详言之，如图5A所示，短线区块影像120包含短线SF及垂直线VF的图样特征，且短线SF有断线的状况，而形成错误区域RM；如图5B所示，可根据影像处理演算法撷取短线区块影像120中的短线SF及垂直线VF的图样特征，进而形成感兴趣区域R1。
在步骤S242中，在感兴趣区域中选择并执行重建程序之后，获得中间处理区域。由于短线SF因断线而形成错误区域RM的关系，因此要先执行重建程序以将短线SF的断线补齐，以使感兴趣区域R1不存在错误区域RM，并获得如图5C所示的中间处理区域R2，其中有关于重建程序的细节将于后说明。
在步骤S244中，对中间处理区域执行滤除程序，以获得前处理区域。详言之，图5C所示的中间处理区域R2包含短线SF及垂直线VF的图样特征，根据前述可以得知使用者欲检测的待测物影像100的导电线图样为短线SF，也就是说，感兴趣区域R1中的短线SF的图样特征是要被保留的，而垂直线VF的图样特征是要被移除的，为此可透过在中间处理区域R2中执行滤除程序，以将非属短线SF的图样特征的垂直线VF的图样特征滤除，并获得如图5D所示的前处理区域R3，其中有关于滤除程序的细节将于后说明。
应注意的是，上述的重建程序与滤除程序的使用时机与顺序仅为例示，并不以此为限，而是可依据区块影像的种类与需求来决定。
接下来将详述滤除程序与重建程序。
首先请参照图6A，其绘示根据本揭示文件有关于滤除程序与重建程序的流程示意图。如图6A所示，步骤S410～步骤S420说明滤除程序，步骤S430～步骤S440说明重建程序。
在步骤S410中，使用遮罩影像在感兴趣区域进行比对，将感兴趣区域的外围部分的至少一像素灰阶值设定为第一范围值，以获得剩余区域。请一并参照图7，其绘示遮罩500的态样示意图。在一实施例中，遮罩影像500为九宫格的影像，每一格影像为30像素乘以30像素(在其他实施例中每一格影像亦可为长方形影像，例如20像素乘以30像素)。遮罩影像500包含保留区块520。
为说明如何使用遮罩影像500在感兴趣区域进行比对，请一并参照图8A，将遮罩影像500与感兴趣区域610以叠合方式进行比对。遮罩影像500由左而右、由上而下依序移动，在感兴趣区域610上保留区块520所指示的像素部分作保留，其余部分作滤除。在一实施例中，保留像素是指将像素的灰阶值设定为白色。保留之后的部分，如图8B所示，剩余区域620的像素的灰阶值被设定为白色。外围部分630的像素的灰阶值被设定为黑色(第一范围值)。在一实施例中，第一范围值可以为0，使得外围部分为630的呈现为黑色。值得一提的是，此为滤除程序中的第一阶段(侵蚀像素)。
在步骤S420中，使用遮罩影像在剩余区域中进行比对，将剩余区域的外围部分的至少一像素的灰阶值设定为第二范围值，以获得中间处理区域。请一并参照图9A，其绘示遮罩影像500的保留区块520在剩余区域620的周围进行比对，而获得外围部分720。经过比对之后，外围部分720的像素的灰阶值被设定为白色(第二范围值)。请参照图9B，其绘示经过比对之后的中间处理区域710的示意图。外围部分720与剩余区域620整体为中间处理区域710。在一实施例中，第二范围值可以为255，使得外围部分720的呈现为白色。值得一提的是，此为滤除程序中的第二阶段(扩张像素)。
因此，透过步骤S410及步骤S420即可将如图4B所示的感兴趣区域R1中的垂直线VF的图样特征滤除，而获得如图4C所示的中间处理区域R2。
接着，在步骤S430中，使用遮罩影像在中间处理区域比对，将中间处理区域的外围部分的至少一像素的灰阶值设定为第二范围值，以获得重建区域。此步骤中的作法，相似于前述步骤S420，于此不予重述。值得一提的是，此为重建程序中的第一阶段(扩张像素)。
在步骤S440中，使用遮罩影像在重建区域进行比对，将重建区域的外围部分的至少一像素的灰阶值设定为第一范围值，以获得前处理区域。此步骤中的作法，相似于前述步骤S410，于此不予重述。值得一提的是，此为重建程序中的第二阶段(侵蚀像素)。
因此，透过步骤S430及步骤S440即可将如图4C所示的中间处理区域R2中的错误区域RM移除并对母线BB的图样特征进行重建，而获得如图4D所示的前处理区域R3。
请参照图6B，其绘示根据本揭示文件有关于重建程序与滤除程序的流程示意图。如图6B所示，步骤S810～步骤S820说明重建程序，步骤S830～步骤S840说明滤除程序。
在步骤S810中，使用遮罩影像500在感兴趣区域中进行比对，将感兴趣区域的至少一像素灰阶值设定为第二范围值，以获得重建区域。此步骤的说明相似于前述图6A的步骤S430，于此不予重述。值得一提的是，此为重建程序中的第一阶段(扩张像素)。
在步骤S820中，使用遮罩影像在重建区域进行比对，将重建区域的外围部分的至少一像素的灰阶值设定为第一范围值，以获得中间处理区域。此步骤的作法，相似于前述图6A的步骤S440，于此不予重述。值得一提的是，此为重建程序中的第二阶段(侵蚀像素)。
在步骤S830中，使用遮罩影像500在中间区域进行比对，将中间区域的外围部分的至少一像素的灰阶值设定为第一范围值，以获得剩余区域。此步骤的作法，相似于前述第4图的步骤S410，于此不予重述。值得一提的是，此为滤除程序中的第一阶段(侵蚀像素)。
因此，透过步骤S810及步骤S820即可将如图5B所示的感兴趣区域R1中的短线SF的断线重建，而获得如图5C所示的中间处理区域R2。
在步骤S840中，使用遮罩影像500在剩余区域进行比对，将剩余区域的外围部分的至少一像素的灰阶值设定为第二范围值，以获得前处理区域。此步骤的作法，相似于前述第4图的步骤S420，于此不予重述。值得一提的是，此为滤除程序中的第二阶段(扩张像素)。经过此阶段的影像处理，可以把区块影像910中所欲检测的导电线图案筛选出来。
因此，透过步骤S830及步骤S840即可将如图5C所示的中间处理区域R2中的垂直线VF的图样特征滤除，而获得如图5D所示的前处理区域R3。
综上所述，本揭示文件揭露的影像检测方法可以对不同图样的区块影像进行滤除程序再进行重建程序，或者先进行重建程序再进行滤除程序，对混和有其他图样的特定图样进行处理，凸显出欲检测的特定图样。如此一来，在检测特定图样的时候，由于所检测的部分确实是所欲检测的图样，因而当检测出有瑕疵的时候，代表确实存在瑕疵，而非是混和到其他图样所造成的误判，提升影像检测的准确度，降低误判的机率。
上文概述若干实施例的特征，使得熟悉此项技术者可更好地理解本发明的态样。熟悉此项技术者应了解，可轻易使用本发明作为设计或修改其他制程及结构的基础，以便实施本文所介绍的实施例的相同目的及/或实现相同优势。熟悉此项技术者亦应认识到，此类等效结构并未脱离本发明的精神及范畴，且可在不脱离本发明的精神及范畴的情况下产生本文的各种变化、替代及更改。
Claims (11)
1.一种影像检测方法，其特征在于，包含：
撷取一待测物影像，该待测物影像包含多个图样特征；
于该待测物影像选取包含所述多个图样特征中的一特定图样特征的一区块影像；
撷取该区块影像中所有的图样特征而形成一感兴趣区域；
在该感兴趣区域中执行一滤除程序或一重建程序，并获得一前处理区域；以及
根据该前处理区域来检测该待测物影像是否具有缺陷。
2.根据权利要求1所述的影像检测方法，其特征在于，获得该前处理区域的步骤包含：
在该感兴趣区域中选择并执行该滤除程序之后，获得一中间处理区域；以及
对该中间处理区域执行该重建程序，以获得该前处理区域。
3.根据权利要求2所述的影像检测方法，其特征在于，在该感兴趣区域执行该滤除程序的步骤包含：
使用一遮罩影像在该感兴趣区域进行比对；以及
以该遮罩影像指示的像素的灰阶值，在该感兴趣区域的该外围部分的至少一像素的灰阶值设定为一第一范围值，以获得一剩余区域。
4.根据权利要求3所述的影像检测方法，其特征在于，在该感兴趣区域执行该滤除程序的步骤还包含：
使用该遮罩影像在该剩余区域进行比对；以及
以该遮罩影像指示的像素的灰阶值，在该剩余区域的该外围部分的该至少一像素的灰阶值设定为一第二范围值，以获得一中间处理区域。
5.根据权利要求4所述的影像检测方法，其特征在于，在该感兴趣区域执行该重建程序的步骤包含：
使用该遮罩影像在该中间处理区域进行比对；以及
以该遮罩影像指示的像素的灰阶值，在该中间处理区域的该外围部分的该至少一像素的灰阶值设定为该第二范围值，以获得一重建区域。
6.根据权利要求5所述的影像检测方法，其特征在于，在该感兴趣区域执行该重建程序的步骤还包含：
使用该遮罩影像在该重建区域进行比对；以及
以该遮罩影像指示的像素的灰阶值，在该重建区域的该外围部分的该至少一像素的灰阶值设定为该第一范围值，以获得该前处理区域。
7.根据权利要求1所述的影像检测方法，其特征在于，获得该前处理区域的步骤包含：
在该感兴趣区域中选择并执行该重建程序之后，获得一中间处理区域；以及
对该中间处理区域执行该滤除程序，以获得该前处理区域。
8.根据权利要求7所述的影像检测方法，其特征在于，在该感兴趣区域执行该重建程序的步骤包含：
使用一遮罩影像在该感兴趣区域进行比对；以及
以该遮罩影像指示的像素的灰阶值，在该感兴趣区域的该外围部分的至少一像素的灰阶值设定为一第二范围值，以获得一重建区域。
9.根据权利要求8所述的影像检测方法，其特征在于，在该感兴趣区域执行该重建程序的步骤还包含：
使用该遮罩影像在该重建区域进行比对；以及
以该遮罩影像指示的像素的灰阶值，在该重建区域的该外围部分的该至少一像素的灰阶值设定为一第一范围值，以获得该中间处理区域。
10.根据权利要求9所述的影像检测方法，其特征在于，在该感兴趣区域执行该滤除程序的步骤包含：
使用该遮罩影像在该中间处理区域进行比对；以及
以该遮罩影像指示的像素的灰阶值，在该中间处理区域的该外围部分的该至少一像素的灰阶值设定为该第一范围值，以获得一剩余区域。
11.根据权利要求10所述的影像检测方法，其特征在于，在该感兴趣区域执行该滤除程序的步骤还包含：
使用该遮罩影像在该剩余区域进行比对；以及
以该遮罩影像指示的像素的灰阶值，在该剩余区域的该外围部分的该至少一像素的灰阶值设定为该第二范围值，以获得该前处理区域。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811626629.1A CN111382615A (zh) | 2018-12-28 | 2018-12-28 | 影像检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811626629.1A CN111382615A (zh) | 2018-12-28 | 2018-12-28 | 影像检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111382615A true CN111382615A (zh) | 2020-07-07 |
Family
ID=71220501
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811626629.1A Pending CN111382615A (zh) | 2018-12-28 | 2018-12-28 | 影像检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111382615A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113406112A (zh) * | 2021-04-26 | 2021-09-17 | 威盛电子股份有限公司 | 透明基板薄膜的瑕疵检测方法及其系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050254699A1 (en) * | 2004-05-13 | 2005-11-17 | Dainippon Screen Mfg, Co., Ltd. | Apparatus and method for detecting defect and apparatus and method for extracting wire area |
| CN1699916A (zh) * | 2004-03-25 | 2005-11-23 | 株式会社三丰 | 从由机器视觉检查系统执行的检查操作中排除无关特征的系统和方法 |
| TW201005674A (en) * | 2008-07-18 | 2010-02-01 | Ind Tech Res Inst | Method for constructing image of structure |
| CN104392432A (zh) * | 2014-11-03 | 2015-03-04 | 深圳市华星光电技术有限公司 | 基于方向梯度直方图的显示面板缺陷检测方法 |
| US20170309021A1 (en) * | 2014-12-30 | 2017-10-26 | Ventana Medical Systems, Inc. | Systems and methods for co-expression analysis in immunoscore computation |
| CN107578409A (zh) * | 2017-09-16 | 2018-01-12 | 河北工业大学 | 一种太阳能电池片外观断栅缺陷检测的方法 |
-
2018
- 2018-12-28 CN CN201811626629.1A patent/CN111382615A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1699916A (zh) * | 2004-03-25 | 2005-11-23 | 株式会社三丰 | 从由机器视觉检查系统执行的检查操作中排除无关特征的系统和方法 |
| US20050254699A1 (en) * | 2004-05-13 | 2005-11-17 | Dainippon Screen Mfg, Co., Ltd. | Apparatus and method for detecting defect and apparatus and method for extracting wire area |
| TW201005674A (en) * | 2008-07-18 | 2010-02-01 | Ind Tech Res Inst | Method for constructing image of structure |
| CN104392432A (zh) * | 2014-11-03 | 2015-03-04 | 深圳市华星光电技术有限公司 | 基于方向梯度直方图的显示面板缺陷检测方法 |
| US20170309021A1 (en) * | 2014-12-30 | 2017-10-26 | Ventana Medical Systems, Inc. | Systems and methods for co-expression analysis in immunoscore computation |
| CN107578409A (zh) * | 2017-09-16 | 2018-01-12 | 河北工业大学 | 一种太阳能电池片外观断栅缺陷检测的方法 |
Non-Patent Citations (1)
| Title |
|---|
| 孙刘杰 等: "《印刷图像处理》", 28 February 2013, 印刷工业出版社, pages: 83 - 86 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113406112A (zh) * | 2021-04-26 | 2021-09-17 | 威盛电子股份有限公司 | 透明基板薄膜的瑕疵检测方法及其系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109781733B (zh) | 缺陷检查装置、缺陷检查方法及计算机可读存储介质 | |
| JP6792842B2 (ja) | 外観検査装置、変換データ生成装置、及びプログラム | |
| US7783103B2 (en) | Defect detecting device, image sensor device, image sensor module, image processing device, digital image quality tester, and defect detecting method | |
| KR20060051443A (ko) | 결함 검출장치 및 결함 검출방법 | |
| JP4711570B2 (ja) | パターン検査方法及び検査装置 | |
| CN113538603B (zh) | 一种基于阵列产品的光学检测方法、系统和可读存储介质 | |
| CN114022503A (zh) | 检测方法及检测系统、设备和存储介质 | |
| JP4230880B2 (ja) | 欠陥検査方法 | |
| KR20190023374A (ko) | 디스플레이 패널 검사 방법 | |
| CN106056608A (zh) | 一种图像点线缺陷检测方法及装置 | |
| KR101716111B1 (ko) | 이물질 검출 시스템 및 방법 | |
| CN111382615A (zh) | 影像检测方法 | |
| JP2005345290A (ja) | 筋状欠陥検出方法及び装置 | |
| JP2005165387A (ja) | 画面のスジ欠陥検出方法及び装置並びに表示装置 | |
| TWI689869B (zh) | 影像檢測方法 | |
| JP2011227748A (ja) | 画像処理装置、画像処理方法、画像処理プログラム、及び欠陥検出装置 | |
| JP3749726B1 (ja) | 周期性ノイズ下での低コントラスト欠陥検査方法、繰返しパターン下での低コントラスト欠陥検査方法 | |
| JP2006138708A (ja) | 画像欠陥検査方法、画像欠陥検査装置及び外観検査装置 | |
| JP2000171404A (ja) | 半導体集積装置のパターン検査装置及びパターン検査方法 | |
| JP2006155579A (ja) | 画像処理方法および画像処理装置 | |
| WO2021032652A1 (en) | Numerically compensating sem-induced charging using diffusion-based model | |
| KR20070035655A (ko) | 영상 데이터 레이블링 방법 | |
| JP2002310937A (ja) | 欠陥検査方法及び装置 | |
| JP2019100937A (ja) | 欠陥検査装置及び欠陥検査方法 | |
| JP4956077B2 (ja) | 欠陥検査装置及び欠陥検査方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200707 |