CN114387249A - 检测方法及检测装置、设备和存储介质 - Google Patents
检测方法及检测装置、设备和存储介质 Download PDFInfo
- Publication number
- CN114387249A CN114387249A CN202210032703.7A CN202210032703A CN114387249A CN 114387249 A CN114387249 A CN 114387249A CN 202210032703 A CN202210032703 A CN 202210032703A CN 114387249 A CN114387249 A CN 114387249A
- Authority
- CN
- China
- Prior art keywords
- image
- detected
- pixel points
- defect
- pixel point
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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
- G06T2207/30108—Industrial image inspection
Abstract
一种检测方法及检测装置、设备和存储介质,所述方法通过获取待检测图像,对所述待检测图像执行识别处理,获取所述待检测图像中满足相应阈值条件的像素点作为缺陷像素点,并基于所述缺陷像素点,获取所述待检测图像中存在的缺陷点。由于所采用的相应阈值条件与像素点在所述待检测图像中的位置相关,也即所述相应阈值条件随着所述待检测图像中的像素点所在位置进行变化,与采用固定的阈值条件相比,可以避免因阈值条件设置不合理所导致的误检和漏检情形的发生,相应能够更好地区分噪点和缺陷点,进而可以提高检测的准确性。
Description
技术领域
本发明涉及光学检测技术领域,尤其涉及一种检测方法及检测装置、设备和存储介质。
背景技术
随着技术的不断发展,精密加工被用到越来越多的领域,同时,对于加工精度也有越来越高的要求。为了满足加工精度的需求,提高产品的合格率,需要对产品进行在线检测(例如,通过进行缺陷检测,以判断产品中是否存在缺陷,并检测缺陷的位置和尺寸),以确保满足产品制造的相关指标要求。
在现有的检测方法中,光学检测是利用光与待测物相互作用实现检测的方法的总称。光学检测不与待测物接触,具有检测速度快、无附加污染等的特点,可实现在线检测,因此,光学检测在产品制造的质量监控领域中受到广泛运用。
但是,目前检测结果的准确性仍有待提高。
发明内容
本发明解决的问题是提供一种检测方法及检测装置、设备和存储介质,以提高检测的准确性。
为解决上述问题,本发明提供了一种检测方法,包括:
获取待检测图像,所述待检测图像包括多个像素点;
对所述待检测图像执行识别处理,获取所述待检测图像中满足相应阈值条件的像素点作为缺陷像素点,所述相应阈值条件与像素点在所述待检测图像中的位置相关;
基于所述缺陷像素点,获取所述待检测图像中存在的缺陷点。
可选地,所述对所述待检测图像执行识别处理,获取所述待检测图像中满足相应阈值条件的像素点作为缺陷像素点包括:
获取对比图像;
将所述待检测图像与所述对比图像执行匹配处理,使所述待检测图像与所述对比图像中的像素点一一对应;
将所述待检测图像与所述对比图像进行比较,获取所述待检测图像与所述对比图像中相对应的像素点的强度表征值之间的差异值;所述强度表征值与所述待检测图像的图像锐度相关;
将所述差异值与相应阈值进行比较,获取所述差异值与相应阈值之间的比较结果;
基于所述差异值与相应阈值之间的比较结果,获取所述缺陷像素点。
可选地,所述对比图像为一个;所述基于所述差异值与相应阈值之间的比较结果,获取所述缺陷像素点包括:若所述差异值大于相应阈值,将所述待检测图像中的像素点作为缺陷像素点。
可选地,所述对比图像为多个;
所述基于所述差异值与相应阈值之间的比较结果,获取所述缺陷像素点包括:
将所述待检测图像分别与所述多个对比图像中的每个进行比较,获取待检测图像中同一像素点被认定为异常像素点的次数;其中,若将所述待检测图像与一个对比图像进行比较且所述差异值大于相应阈值,将所述待检测图像中的像素点被认定为异常像素点的次数计为一次;
若所述次数大于预设的次数阈值时,将所述异常像素点作为所述缺陷像素点。
可选地,所述强度表征值为灰度值,所述相应阈值与所述对比图像中相对应的像素点的灰度和灰度梯度相关。
可选地,所述对比图像为多个;所述相应阈值采用如下的公式计算得到:
其中,Thresh(x,y)表示待检测图像中的像素点(x,y)的相应阈值,gray表示多个对比图像中与像素点(x,y)相对应的像素点(x',y')的平均灰度值,grayratio表示预设的灰度系数,low表示预设的基础阈值,ratio表示预设的梯度系数,s(x',y')表示当前对比图像中与像素点(x,y)相对应的像素点(x',y')的灰度梯度。
可选地,所述基于所述缺陷像素点,获取所述待检测图像中存在的缺陷点包括:
对所述缺陷像素点执行连通域判断,获取对应的连通域;同一连通域中的每个缺陷像素点均具有相邻的缺陷像素点,且连通域内的缺陷像素点与连通域外的缺陷像素点相分离;
如果获取到对应的连通域,将所述连通域内的所有缺陷像素点作为一个缺陷点;
如果未获取到对应的连通域,将所述缺陷像素点作为一个缺陷点。
相应地,本发明实施例还提供了一种检测装置,所述装置包括:
图像获取单元,适于获取待检测图像,所述待检测图像包括多个像素点;
识别处理单元,适于对所述待检测图像执行识别处理,获取所述待检测图像中满足相应阈值条件的像素点作为缺陷像素点,所述相应阈值条件与像素点在所述待检测图像中的位置相关;
缺陷获取单元,适于基于所述缺陷像素点,获取所述待检测图像中存在的缺陷点。
可选地,所述识别处理单元,适于获取对比图像;将所述待检测图像与所述对比图像执行匹配处理,使所述待检测图像与所述对比图像中的像素点一一对应;将所述待检测图像与所述对比图像进行比较,获取所述待检测图像与所述对比图像中相对应的像素点的强度表征值之间的差异值;所述强度表征值与所述待检测图像的图像锐度相关;将所述差异值与相应阈值进行比较,获取所述差异值与相应阈值之间的比较结果;基于所述差异值与相应阈值之间的比较结果,获取所述缺陷像素点。
可选地,适于在所述对比图像为一个的情况下,当确定所述差异值大于相应阈值时,将所述待检测图像中的像素点作为缺陷像素点。
可选地,所述识别处理单元,适于在所述对比图像为多个的情况下,将所述待检测图像分别与所述多个对比图像中的每个进行比较,获取待检测图像中同一像素点被认定为异常像素点的次数;其中,若将所述待检测图像与一个对比图像进行比较且所述差异值大于相应阈值,将所述待检测图像中的像素点被认定为异常像素点的次数计为一次;若所述次数大于预设的次数阈值,将所述异常像素点作为所述缺陷像素点。
可选地,所述强度表征值为灰度值,所述相应阈值与所述对比图像中相对应的像素点的灰度和灰度梯度相关。
可选地,所述识别处理单元适于在所述对比图像为多个的情况下,采用如下的公式计算得到所述相应阈值:
其中,Thresh(x,y)表示待检测图像中的像素点(x,y)的相应阈值,gray表示多个对比图像中与像素点(x,y)相对应的像素点(x',y')的平均灰度值,grayratio表示预设的灰度系数,low表示预设的基础阈值,ratio表示预设的梯度系数,s(x',y')表示当前对比图像中与像素点(x,y)相对应的像素点(x',y')的灰度梯度。
可选地,所述缺陷获取单元,适于对所述缺陷像素点执行连通域判断,获取对应的连通域;同一连通域中的每个缺陷像素点均具有相邻的缺陷像素点,且连通域内的缺陷像素点与连通域外的缺陷像素点相分离;如果未获取到对应的连通域,将所述连通域内的所有缺陷像素点作为一个缺陷点;如果未获取到对应的连通域,将所述缺陷像素点分别作为一个缺陷点
相应地,本发明实施例还提供了一种设备,其特征在于,包括至少一个存储器和至少一个处理器,所述存储器存储有一条或多条计算机指令,其中,所述一条或多条计算机指令被所述处理器执行以实现根据上述任一项所述的检测方法。
相应地,本发明实施例还提供了一种存储介质,其特征在于,所述存储介质存储有一条或多条计算机指令,所述一条或多条计算机指令用于实现根据上述任一项所述的检测方法。
与现有技术相比,本发明的技术方案具有以下优点:
本发明实施例中的技术方案,通过获取待检测图像,对所述待检测图像执行识别处理,获取所述待检测图像中满足相应阈值条件的像素点作为缺陷像素点,并基于所述缺陷像素点,获取所述待检测图像中存在的缺陷点。由于所采用的相应阈值条件与像素点在所述待检测图像中的位置相关,也即相应阈值条件随着所述待检测图像中的像素点所在位置进行变化,与采用固定的阈值条件相比,可以避免因阈值条件设置不合理所导致的误检和漏检情形的发生,相应能够更好地区分噪点和缺陷点,进而可以提高检测的准确性。
附图说明
图1示出了本发明实施例中的一种检测方法的流程示意图;
图2示出了一待检测图像的局部示意图;
图3示出了一待检测图像中的单元图像的示意图;
图4示出了从待检测图像中识别出的一缺陷像素点的示意图;
图5示出了对比图像中相对应的像素点(x',y')的周边像素点呈十字型布局的示意图;
图6示出了对比图像中相对应的像素点(x',y')的周边像素点呈X字型布局的示意图;
图7示出了对比图像中相对应的像素点(x',y')与其周边像素点呈3*3阵列布局的示意图;
图8示出了本发明实施例中的一种检测装置的结构示意图;
图9示出了本发明一实施例所提供的设备的硬件结构图。
具体实施方式
由背景技术可知,目前检测准确性仍有待提高。
图像锐度是衡量图像清晰度和边缘锐利程度的一个指标。在图像锐度较大的情况下,则图像越清晰,边缘灰度变化越明显,层次感越强,在当图像锐度较小的情况下,则图像越模糊,边缘灰度变化越平缓,层次感较弱。
通常,在光学检测的过程中,为了将异常像素点识别出来,对于图像锐度较大的待检测图像而言,相应阈值应设置地大一些;反之,则相应阈值应设置小一些。
然而,对于同一待检测图像而言,位于不同位置处的像素点的灰度和灰度梯度是不同的,因而采用固定的阈值对待检图像进行缺陷像素点识别,将会造成误检和漏检情形的发生。具体而言,若阈值设置较小,则可能将待检测图像中灰度值较大且灰度梯度变化剧烈处的正常像素点识别为异常像素点,导致误检的概率增加;若阈值设置较大,反而可能将待检测图像中灰度值较小且灰度梯度变化平缓处的异常像素点识别正常为像素点,使得漏检的几率变大。
为了解决所述技术问题,本发明实施例提供一种检测方法,包括:获取待检测图像;所述待检测图像包括多个像素点;对所述待检测图像执行识别处理,获取所述待检测图像中满足相应阈值条件的像素点作为缺陷像素点;所述相应阈值条件与像素点在所述待检测图像中的位置相关;基于所述缺陷像素点,获取所述待检测图像中存在的缺陷点。
由于所采用的相应阈值条件与像素点在所述待检测图像中的位置相关,也即相应阈值条件随着所述待检测图像中的像素点所在位置进行变化,与采用固定的阈值条件相比,可以避免因阈值条件设置不合理所导致的误检和漏检情形的发生,相应能够更好地区分噪点和缺陷点,进而可以提高检测的准确性。
为使本发明的上述目的、特征和优点能够更为明显易懂,下面结合附图对本发明的具体实施例做详细的说明。
图1示出了本发明实施例中的一种检测方法的流程图。参见图1,所述检测方法可以采用如下的步骤实现:
步骤S101:获取待检测图像,所述待检测图像包括多个像素点;
步骤S102:对所述待检测图像执行识别处理,获取所述待检测图像中满足相应阈值条件的像素点作为缺陷像素点,所述相应阈值条件与像素点在所述待检测图像中的位置相关;
步骤S103:基于所述缺陷像素点,获取所述待检测图像中存在的缺陷点。
图2是一待检测图像的局部示意图;图3是一待检测图像中的单元图像的示意图。结合参考图2和图3,执行步骤S101,获取待检测图像100,所述待检测图像具有多个像素点101。
所述待检测图像100为需要进行检测的图像。作为一种示例,所述待检测图像为需要进行缺陷检测的图像。
本实施例中,所述待检测图像100是通过对待测物进行拍摄获得的图像。具体地,获取所述待检测图像100的步骤包括:提供成像系统和待测物;利用所述成像系统拍摄所述待测物,获取所述待检测图像。
图像的最小单位是像素(pixel),因此,所述待检测图像100具有多个像素点101。具体地,所述多个像素点101构成像素阵列。
本实施例中,后续对待检测图像100进行检测时,相应对待检测图像100中的像素点101进行检测。
所述待测物包括多个重复的单元结构,相应地,所述待检测图像100相应包括多个相同的单元图像120。其中,所述单元图像120为所述待测物中的单元结构的图像。
需要说明的是,根据所述待测物中多个重复的单元结构的排列情况,所述单元图像呈周期性排列。图2中示出了9个单元图像,具体地,所述9个单元图像120呈3*3的阵列排布。可以理解的是,待检测图像100中单元图像120的数量不限于9个。
本实施例中,所述待测物为晶圆(wafer),晶圆通常包含有多个重复的晶粒(die)。相应地,所述待检测图像100为晶圆图像,每个单元图像120可以包括一个晶粒或多个晶粒的图像。
在其他实施例中,所述待测物还可以是玻璃面板等其他类型的产品。可以理解的是,玻璃面板也可以具有多个重复的单元结构。例如,每个单元结构可以用于形成电子产品显示屏。
本实施例中,后续对所述待检测图像100进行检测时,相应对各个所述单元图像120中的像素点101进行检测。
图4示出了从待检测图像中识别出的一缺陷像素点的示意图。结合参考图2至图4,执行步骤S102,对所述待检测图像100执行识别处理,获取所述待检测图像100中满足相应阈值条件的像素点101作为缺陷像素点101’。
后续根据所述缺陷像素点101’获取所述待检测图像中存在的缺陷点。
所述相应阈值条件作为判断待检测图像中的像素点是否为缺陷像素点101’的判断标准。具体地,若确定待检测图像100中的像素点101符合相应阈值条件,则将像素点101作为缺陷像素点101’。
作为一种示例,所述相应阈值条件用于判断待检测图像100中的像素点101的强度表征值是否异常。
本实施例中,对所述待检测图像100执行识别处理的步骤包括:获取对比图像;将所述待检测图像100与所述对比图像执行匹配处理,使所述待检测图像100与所述对比图像中的像素点一一对应;将所述待检测图像100与所述对比图像进行比较,获取所述待检测图像100与所述对比图像中相对应的像素点的强度表征值之间的差异值;所述强度表征值与所述待检测图像的图像锐度相关;将所述差异值与相应阈值进行比较,获取所述差异值与相应阈值之间的比较结果;基于所述差异值与相应阈值之间的比较结果,获取所述缺陷像素点101’。
所述对比图像作为对待检测图像100执行识别处理时的比较基准,通过将所述待检测图像100与所述对比图像进行比较,从而判断待检测图像100中是否存在缺陷像素点101’。
具体地,通过比较所述待检测图像100和对比图像中相对应的像素点的强度表征值之间的差异,以判定所述待检测图像100的像素点101是否为缺陷像素点。
本实施例中,采用标准图像作为对比图像。相应地,将待处理图像与所述标准图像执行匹配处理,使得所述对比图像与匹配区域的像素点与所述待检测图像中的像素点一一对应。
标准图像为与待测物一致的标准物的图像。
作为一种示例,标准图像为标准物的CAD图;作为另一种示例,标准图像为标准物的无缺陷测量图像。
采用标准图像作为对比图像时,对所述待检测图像与所述对比图像执行匹配处理的步骤包括:获取待检测图像100中与对比图像之间匹配度最高或匹配度大于预设匹配阈值的区域,得到匹配区域;所述对比图像的各像素点与所述匹配区域的各像素点具有一一对应的关系。
匹配度最高是指,所述匹配区域的各像素点与所述对比图像的各像素点之间的强度表征值的方差、标准差或绝对值最小。
匹配度大于预设匹配阈值是指,所述匹配区域的各像素点与所述对比图像的各像素点之间的强度表征值的方差、标准差或绝对值小于预设匹配阈值。其中,强度表征值的方差是指,待检测图像100中的匹配区域的像素点101与所述对比图像中相对应的像素点的强度表征值之差的平方和。
本实施例中,所述待检测图像100包括多个相同的单元图像120,所述对比图像为一个单元图像的标准图像,相应地,将所述待检测图像100与所述对比图像执行匹配处理,使得所述待检测图像100的匹配区域与所述对比图像与中的像素点一一对应的步骤还包括:重复所述匹配区域获取步骤,在所述待检测图像100中获取多个匹配区域,所述匹配区域的个数与待检测图像100中单元图像120的个数相同。
以采用无缺陷的测量图像作为标准图像为例,通过选取与所述待测物相同的标准物,所述标准物也具有多个单元结构,获取所述标准物的图像,并在所述标准物的图像上选取合格的单元结构图像,作为对比图像。例如,先选取一个合格的晶圆,获取所选取的晶圆的图像,并在所获取的晶圆的图像上选取合格的晶粒图像,作为对比图像。
相应地,在执行识别处理时,将待检测图像100中识别出的每个匹配区域分别作为待处理图像160,把每个匹配区域分别与对比图像进行比较,获取所述待处理图像160与所述对比图像中相对应的像素点的强度表征值之间的差异值。
其中,所述待处理图像160与所述对比图像中相对应的像素点,是指所述待处理图像160与所述对比图像中位于相同位置处的像素点。
在其他实施例中,还能够将待检测图像中的各个单元图像分别作为待处理图像,将所述待检测图像中位于所述待处理图像周围的多个单元图像作为对比图像。
相应地,通过将所述待处理图像与所述对比图像执行匹配处理,使得所述待处理图像的像素点与所述对比图像的像素点一一对应,并将所述待处理图像与所述对比图像中进行比较,获取所述待处理图像中的像素点与所述对比图像中相对应的像素点的强度表征值之间的差异值。
所述对比图像和待处理图像位于同一张待检测图像中,也即,所述对比图像和待处理图像来自于相同的待测物,从而可以避免因不同待测物之间平均强度表征值差异较大而对检测结果的准确性产生不良影响,相应有利于提高检测结果的准确性。
具体地,将与所述待处理图像紧邻的多个所述单元图像作为对比图像。如图2所示,作为一种示例,所述对比图像的数量为8个,所述对比图像和待处理图像呈3*3的阵列排布。
将所述待检测图像与所述对比图像进行比较,获取所述待检测图像与所述对比图像中相对应的像素点的强度表征值之间的差异值,是指获取所述待检测图像与所述对比图像中相对应的像素点之间的强度表征值之间的差值的绝对值。
本实施例中,所述强度表征值与灰度值或信噪比正相关。具体地,所述强度表征值包括灰度值或形成待处理图像160的像素点的光强值或亮度值。
本实施例中,所述强度表征值为灰度值。相应地,获取所述待检测图像100与所述对比图像中相对应的像素点的强度表征值之间的差异值,也即获取所述待检测图像100与所述对比图像中相对应的像素点之间的灰度值之间的差异值。
其中,所述待检测图像100与所述对比图像中相对应的像素点之间的灰度值之间的差异值,是指所述待检测图像100与所述对比图像中相对应的像素点之间的灰度值之差的绝对值。
本实施例中,所述对比图像为多个,基于所述差异值与相应阈值之间的比较结果,获取所述缺陷像素点101’的步骤包括:将所述待检测图像100分别与所述多个对比图像中的每个进行比较,获取待检测图像中同一像素点被认定为异常像素点的次数;其中,若将所述待检测图像与一个对比图像进行比较且所述差异值大于相应阈值,将所述待检测图像中的像素点被认定为异常像素点的次数计为一次;若所述次数大于预设的次数阈值,将所述异常像素点作为所述缺陷像素点。
若将待检测图像与一个对比图像进行比较且待检测图像与所述对比图像中相对应的像素点的灰度值之间的差异值大于相应阈值,则将待检测图像中的该像素点认定为异常像素点。
将待检测图像与一个对比图像进行比较且将待检测图像中的像素点被认定为异常像素点时,将该像素点被认定为异常像素点的次数计为一次,以此类推,若待检测图像相对应的对比图像为多个,通过将所述待检测图像与多个对比图像中的每个进行比较,便可以获取待检测图像中的同一像素点被判定为异常像素点的次数。
例如,待检测图像相对应的对比图像的数量为M(M为大于或等于1的整数)个,当将待检测图像与M个对比图像分别进行比较,且相对于其中的N(N为大于或等于1且小于或等于M的整数)个对比图像而言,待检测图像中的一像素点均被认定为异常像素点,则该像素点被认定为异常像素点的次数为N次。
由此可知,在对比图像的数量为多个的情况下,待检测图像中的同一像素点被认定为异常像素点的次数的最小值为零,最大值为待检测图像相对应的对比图像的数量。
在获取到待检测图像中同一像素点被认定为异常像素点的次数的情况下,通过将所获取的次数与预设的次数阈值进行比较,以确定该异常像素点是否为缺陷像素点。具体地,若所获取的次数大于预设的次数阈值,将所述异常像素点作为缺陷像素点。其中,所述次数阈值的最小值为一个,最大值为所述待处理图像相对应的对比图像的数量。
还需要说明的是,所述次数阈值不宜过小,也不宜过大。如果所述次数阈值过小,则易将待检测图像中的正常像素点认定为缺陷像素点,从而导致误检率增加,且使得检测出的缺陷像素点的数量过多,进而导致后续的数据处理量增加;如果所述次数阈值过大,则容易导致无法准确地识别出待检测图像中的缺陷像素点,增大漏检的概率。为此,本实施例中,所述次数阈值为2至5。
通过将待检图像进行比较的对比图像的数量设置为多个,使得待检图像与多个对比图像分别进行比较,以提高所检出的缺陷像素点的准确性,进而为后续准确地获取待检测图像中存在的缺陷点提供基础。
在其他实施例中,待检测图像相对应的对比图像的数量还能够与一个,相应还能够直接将差异值大于相应阈值的像素点作为缺陷像素点,以提高检测效率。
本实施例中,所述相应阈值与所述待检测图像中的像素点一一对应设置。具体地,所述相应阈值与像素点101在待检测图像100的位置相关。
如前所述,对于同一待检测图像而言,位于不同位置处的像素点的灰度和灰度梯度是不同的。相应地,对于待检测图像中不同位置处的像素点而言,作为判断像素点是否为异常像素点的相应阈值应随像素点的位置变化而变化。
具体地,在进行异常像素点检测时,对于灰度值较小且灰度变化平缓处的像素点,所设置的相应阈值相应较小,而灰度值较大且灰度变化剧烈处的像素点,所设置的相应阈值则相应较大。
所述对比图像作为待检测图像的比较基准,其中像素点的灰度值和灰度梯度可以真实地反映待检测图像100中相应位置处的像素点的灰度值和灰度梯度变化。因此,通过对比图像中相对应的像素点的灰度和灰度梯度,获取与待检测图像100中像素点101对应设置的相应阈值。
本实施例中,采用如下的公式计算得到与待检测图像中各个像素点对应设置的相应阈值:
其中,Thresh(x,y)表示与待检测图像中的像素点(x,y)的相应阈值,gray表示多个对比图像中与像素点(x,y)相对应的像素点(x',y')的平均灰度值,grayratio表示预设的灰度系数,low表示预设的基础阈值,ratio表示预设的梯度系数,s(x',y')表示当前对比图像中与像素点(x,y)相对应的像素点(x',y')的灰度梯度。
在其他实施例中,待检测图像对应的对比图像的数量还可以为一个。相应地,上述的公式(1)中的gray还能够表示所述对比图像中与像素点(x,y)相对应的像素点(x',y')的灰度值。
需要指出的是,在待检测图像的对比图像的数量为多个的情况下,将当前与待检测图像进行比较的对比图像称为当前对比图像。
当前对比图像中与像素点(x,y)相对应的像素点(x',y')的灰度梯度,是指当前对比图像中相对应的像素点(x',y')所在位置处的灰度变化,具体可以通过当前对比图像中相对应的像素点(x',y')及与其相邻的像素点之间的灰度变化获取。
本实施例中,将像素点(x,y)在当前对比图像中相对应的像素点记为(x',y'),当前对比图像中与像素点(x',y')相邻且与像素点(x',y')呈十字型排布(如图5所示)的像素点作为像素点(x',y')的周边像素点,采用如下的公式计算得到像素点(x',y')的灰度梯度:
其中,g(x',y')表示当前对比图像中相对应的像素点(x',y')的灰度值,g(x'+1,y')表示当前对比图像中相对应的像素点(x',y')的像周边像素点(x'+1,y')的灰度值,g(x'-1,y')表示当前对比图像中相对应的像素点(x',y')的周边像素点(x'-1,y')的灰度值,g(x',y'+1)表示当前对比图像中相对应的像素点(x',y')的周边像素点(x',y'+1)的灰度值,g(x',y'-1)表示当前对比图像中相对应的像素点(x',y')的周边像素点(x',y'-1)的灰度值,Δg表示当前对比图像中相对应的像素点(x',y')与周边像素点(x'+1,y')、(x'-1,y')、(x',y'+1)、(x',y'-1)的灰度差异值的平均值。
上述以对比图像中相对应的像素点(x',y')的周边像素点的数量为四个,且对比图像中相对应的像素点(x',y')与周边像素点呈十字型排布为例,对如何计算对比图像中相对应的像素点(x',y')的灰度梯度进行了介绍。
可以理解的是,在周边像素点的数量为四个的情况下,对比图像中相对应的像素点(x',y')的周边像素点还能够呈X型布局(如图6所示),且像素点(x',y')的周边像素点的数量不限于四个,还可以为八个,在所述周边像素点的数量为八个的情况下,对比图像中相对应的像素点(x',y')点与周边像素点呈3*3阵列布局(如图7所示)。
在上述的公式(1)和(2)中,对于待检测图像中的所有像素点(x,y)而言,基础阈值low、灰度系数grayratio和梯度系数ratio的数值均相同,而多个对比图像中对应的像素点(x',y')的平均灰度值gray及当前对比图像中对应的像素点(x',y')在当前对比图像中的灰度梯度s(x',y')的数值则随着像素点(x,y)在待检测图像中所处位置变化而产生相应的变化。
本实施例中,基础阈值low、灰度系数grayratio和梯度系数ratio的数值与待检测图像的图像锐度相关。具体地,基础阈值low、灰度系数grayratio和梯度系数ratio的数值与待检测图像的图像锐度正相关,也即待检测图像的图像锐度越大,则基础阈值low、灰度系数grayratio和梯度系数ratio的数值相应更大;反之,基础阈值low、灰度系数grayratio和梯度系数ratio的数值相应更小。
而且,通过上述的公式(1)和(2)可知,当多个对比图像中与像素点(x,y)相对应的像素点(x',y')的平均灰度值gray及灰度梯度s(x',y')的数值越大时,则相应阈值越大;在多个对比图像中与像素点(x,y)相对应的像素点(x',y')的平均灰度值gray及像素点(x',y')在对比图像中的灰度梯度s(x',y')的数值越小的情况下,则相应阈值越小。
若多个对比图像中与像素点(x,y)相对应的像素点(x',y')的平均灰度值gray及像素点(x',y')在对比图像中的灰度梯度s(x',y')的数值越大,则表明待检测图像中该位置处的像素点的灰度值越大且灰度变化剧烈,相应阈值将设置地越大,可以避免将正常像素点判定为异常像素点,从而可以降低误检的概率;而在多个对比图像中与像素点(x,y)相对应的像素点(x',y')的平均灰度值gray及像素点(x',y')在对比图像中的灰度梯度s(x',y')的数值越小的情况下,则表明待检测图像中该位置处的像素点的灰度值越小且灰度变化平缓,则相应阈值设置地越小,可以避免将异常像素点误作为正常像素点,从而可以降低漏检的概率。
因此,通过采用对比图像中像素点(x',y')的灰度和灰度梯度对待检测图像中处于不同位置处的像素点(x,y)对应的相应阈值进行调整,可以有助于避免误检和漏检情形的发生,故而可以提高异常像素点检测的准确性。
请继续参见图1,执行步骤S103,基于所述缺陷像素点101’,获取所述待检测图像中的缺陷点。
前述以像素点为单位对待检测图像进行识别处理,获取待检测图像中满足相应阈值条件的像素点作为缺陷像素点,而缺陷点的尺寸不仅限于一个像素点,还包括多个缺陷像素点相连的情形。
因此,在获取到待检测图像中的缺陷像素点之后,通过对所获取的缺陷像素点执行连通域判断,以识别出所述待检测图像中存在的缺陷点。
具体地,基于所述缺陷像素点101’,获取所述待检测图像中的缺陷点的步骤包括:对所述缺陷像素点执行连通域判断,获取对应的连通域;同一连通域中的每个缺陷像素点均具有相邻的缺陷像素点,且连通域内的缺陷像素点与连通域外的缺陷像素点相分离;如果获取到对应的连通域,将所述连通域内的所有缺陷像素点作为一个缺陷点;如果未获取到对应的连通域,将所述缺陷像素点作为一个缺陷点。
在待检测图像中,将多个符合特定条件且相连的像素点构成的集合,称为一个连通域。本实施例中,所述特定条件即为满足相应阈值条件。
通过连通域内的缺陷像素点的数量,将连通域内的所有缺陷像素点作为一个缺陷点,或者将连通域内的每个缺陷像素点分别作为一个缺陷点。
具体地,如果获取到对应的连通域,将所述连通域内的所有缺陷像素点作为一个缺陷点;如果未获取到对应的连通域,将所述缺陷像素点作为一个缺陷点。
本实施例中,所述连通域判断包括四连通域判断或八连通域判断。其中,四连通域判断指的是:判断任一缺陷像素点101’周围是否具有4个相邻的缺陷像素点101’;八连通域判断指的是:判断任一缺陷像素点101’周围是否具有8个相邻的缺陷像素点101’。
如图4所示,作为一种示例,在所述缺陷像素点为101’孤立的一个像素点101的情况下,将所述缺陷像素点101’作为一个缺陷点,否则,将连通域内的所有缺陷像素点101’作为一个缺陷点。
相应地,本发明实施例还提供一种检测装置。参考图8,示出了本发明检测装置一实施例的结构示意图。结合参考图2至图7,所述检测装置80可以包括:图像获取单元801,适于获取待检测图像,所述待检测图像包括多个像素点;识别处理单元802,适于对所述待检测图像执行识别处理,获取所述待检测图像中满足相应阈值条件的像素点作为缺陷像素点,所述相应阈值条件与像素点在所述待检测图像中的位置相关;缺陷获取单元803,适于基于所述缺陷像素点,获取所述待检测图像中存在的缺陷点。
本发明实施例中的检测装置,在进行缺陷像素点检测时,所采用的相应阈值条件与像素点在所述待检测图像中的位置相关,也即相应阈值条件随着所述待检测图像中的像素点所在位置进行变化,与采用固定的阈值条件相比,可以避免因阈值条件设置不合理所导致的误检和漏检情形的发生,相应能够更好地区分噪点和缺陷点,进而可以提高检测的准确性。
所述图像获取单元801用于获取待检测图像100。
所述待检测图像100为需要进行检测的图像。作为一种示例,所述待检测图像100为需要进行缺陷检测的图像。
本实施例中,所述待检测图像100是通过对待测物进行拍摄获得的图像。
具体地,所述图像获取单元801可以通过成像系统拍摄获取所述待测物的图像,作为待检测图像100。
所述待测物包括多个重复的单元结构,相应地,所述待检测图像100包括多个相同的单元图像120。其中,所述待检测图像100为所述多个单元结构的图像,所述单元图像120为任一单元结构的图像。
需要说明的是,根据所述待测物中多个重复的单元结构的排列情况,所述单元图像呈周期性排列。图2中示出了9个单元图像120,具体地,所述9个单元图像120呈3*3的阵列排布。可以理解的是,所述单元图像120的数量不仅限于9个。
相应地,所述检测装置的检测对象为所述待检测图像100中的各个单元图像120中的像素点101。
本实施例中,所述待测物为晶圆(wafer),晶圆通常包含有多个重复的晶粒(die)。相应地,所述待检测图像100为晶圆图像,每个单元图像120可以包括一个晶粒或多个晶粒的图像。
在其他实施例中,所述待测物还可以是玻璃面板等其他类型的产品。可以理解的是,玻璃面板也可以具有多个重复的单元结构。例如,每个单元结构可以用于形成电子产品显示屏。
还需要说明的是,图像的最小单位是像素(pixel),因此,所述待检测图像100具有多个像素点101。具体地,所述多个像素点101构成像素阵列。
本实施例中,所述检测装置后续对所述待检测图像100进行检测时,相应对各个所述单元图像120进行检测。
所述识别处理单元802用于对所述待检测图像100执行识别处理,以获得缺陷像素点101’,从而为后续获取缺陷点做准备。
所述检测装置后续根据所述缺陷像素点101’获取所述待检测图像中存在的缺陷点。
所述相应阈值条件作为判断待检测图像中的像素点是否为缺陷像素点101’的判断标准。具体地,若待检测图像100中的像素点101符合相应阈值条件,则将像素点101作为缺陷像素点101’。
作为一种示例,所述相应阈值条件用于判断待检测图像100中的像素点101的强度表征值是否异常。
本实施例中,所述识别处理单元802对所述待检测图像100执行识别处理的步骤包括:获取对比图像;将所述待检测图像100与所述对比图像执行匹配处理,使所述待检测图像100与所述对比图像中的像素点一一对应;将所述待检测图像100与所述对比图像进行比较,获取所述待检测图像100与所述对比图像中相对应的像素点的强度表征值之间的差异值;所述强度表征值与所述待检测图像的图像锐度相关;将所述差异值与相应阈值进行比较,获取所述差异值与相应阈值之间的比较结果;基于所述差异值与相应阈值之间的比较结果,获取所述缺陷像素点101’。
所述对比图像作为对待检测图像100执行识别处理时的比较基准,通过将所述待检测图像100与所述对比图像进行比较,从而判断待检测图像100中是否存在缺陷像素点101’。
具体地,所述识别处理单元802通过比较所述待检测图像100和对比图像中相对应的像素点的强度表征值之间的差异,以判定所述待检测图像100的像素点101是否为缺陷像素点。
本实施例中,所述识别处理单元802采用标准图像作为对比图像。相应地,将待处理图像与所述标准图像执行匹配处理,使得所述对比图像与匹配区域的像素点与所述待检测图像中的像素点一一对应。
标准图像为与待测物一致的标准物的图像。
作为一种示例,标准图像为标准物的CAD图;作为另一种示例,标准图像为标准物的无缺陷测量图像。
采用标准图像作为对比图像时,所述识别处理单元802对所述待检测图像与所述对比图像执行匹配处理的步骤包括:获取待检测图像100中与对比图像之间匹配度最高或匹配度大于预设匹配阈值的区域,得到匹配区域;所述对比图像的各像素点与所述匹配区域的各像素点具有一一对应的关系。
匹配度最高是指,所述匹配区域的各像素点与所述对比图像的各像素点之间的强度表征值的方差、标准差或绝对值最小。
匹配度大于预设匹配阈值是指,所述匹配区域的各像素点与所述对比图像的各像素点之间的强度表征值的方差、标准差或绝对值小于预设匹配阈值。其中,强度表征值的方差是指,待检测图像100中的匹配区域的像素点101与所述对比图像中相对应的像素点的强度表征值之差的平方和。
本实施例中,所述待检测图像100包括多个相同的单元图像120,所述对比图像为一个单元图像的标准图像,相应地,所述识别处理单元802将所述待检测图像100与所述对比图像执行匹配处理,使得所述待检测图像100的匹配区域与所述对比图像与中的像素点一一对应的步骤还包括:重复所述匹配区域获取步骤,在所述待检测图像100中获取多个匹配区域,所述匹配区域的个数与待检测图像100中单元图像120的个数相同。
以采用无缺陷的测量图像作为标准图像为例,通过选取与所述待测物相同的标准物,所述标准物也具有多个单元结构,获取所述标准物的图像,并在所述标准物的图像上选取合格的单元结构图像,作为对比图像。例如,先选取一个合格的晶圆,获取所选取的晶圆的图像,并所获取的晶圆的图像在选取合格的晶粒图像,作为对比图像。
相应地,在执行识别处理时,所述识别处理单元802将待检测图像100中识别出的每个匹配区域分别作为待处理图像160,把每个匹配区域分别与对比图像进行比较,获取所述待处理图像160与所述对比图像中相对应的像素点的强度表征值之间的差异值。
其中,所述待处理图像160与所述对比图像中相对应的像素点,是指所述待处理图像160与所述对比图像中位于相同位置处的像素点。
在其他实施例中,所述识别处理单元还能够将待检测图像中的各个单元图像分别作为待处理图像,将所述待检测图像中位于所述待处理图像周围的多个单元图像作为对比图像。
相应地,所述识别处理单元通过将所述待处理图像与所述对比图像执行匹配处理,使得所述待处理图像的像素点与所述对比图像的像素点一一对应,并将所述待处理图像与所述对比图像中进行比较,获取所述待处理图像中的像素点与所述对比图像中相对应的像素点的强度表征值之间的差异值。
所述对比图像和待处理图像位于同一张待检测图像中,也即,所述对比图像和待处理图像来自于相同的待测物,从而可以避免因不同待测物之间平均强度表征值差异大的问题而对检测结果的准确性产生不良影响,相应有利于提高检测结果的准确性。
具体地,与所述待处理图像紧邻的多个所述单元图像作为对比图像。如图2所示,作为一种示例,所述对比图像的数量为8个,所述对比图像和待处理图像呈3*3的阵列排布。
将所述待检测图像与所述对比图像进行比较,获取所述待检测图像与所述对比图像中相对应的像素点的强度表征值之间的差异值,是指获取所述待检测图像与所述对比图像中相对应的像素点之间的强度表征值之间的差值的绝对值。
本实施例中,所述强度表征值与灰度值或信噪比正相关。具体地,所述强度表征值包括灰度值或形成待处理图像160的像素点的光强值或亮度值。
本实施例中,所述强度表征值为灰度值。相应地,所述识别处理单元802获取所述待检测图像100与所述对比图像中相对应的像素点的强度表征值之间的差异值,也即获取所述待检测图像100与所述对比图像中相对应的像素点之间的灰度值之间的差异值。
其中,所述待检测图像100与所述对比图像中相对应的像素点之间的灰度值之间的差异值,是指所述待检测图像100与所述对比图像中相对应的像素点之间的灰度值之差的绝对值。
本实施例中,所述对比图像为多个,所述识别处理单元802基于所述差异值与相应阈值之间的比较结果,获取所述缺陷像素点101’的步骤包括:将所述待检测图像100与所述多个对比图像中的每个进行比较,获取待检测图像中同一像素点被认定为异常像素点的次数;其中,若将所述待检测图像与一个对比图像进行比较且所述差异值大于相应阈值,将所述待检测图像中的像素点被认定为异常像素点的次数计为一次;若所述次数大于预设的次数阈值时,将所述异常像素点作为所述缺陷像素点。
将待检测图像与一个对比图像进行比较且当待检测图像与所述对比图像中相对应的像素点的强度表征值之间的差异值大于相应阈值的情况下,将待检测图像中的像素点认定为异常像素点。
若将待检测图像与一个对比图像进行比较且将待检测图像中的像素点被认定为异常像素点,将该像素点被认定为异常像素点的次数计为一次,以此类推,在待检测图像相对应的对比图像为多个的情况下,通过将所述待检测图像与多个对比图像中的每个进行比较,便可以获取待检测图像中的同一像素点被判定为异常像素点的次数。
例如,待检测图像相对应的对比图像的数量为M(M为大于或等于1的整数)个,当将待检测图像与M个对比图像分别进行比较,且相对于其中的N(N为大于或等于1且小于或等于M的整数)个对比图像而言,待检测图像中的一像素点均被认定为异常像素点,则该像素点被认定为异常像素点的次数为N次。
由此可知,在对比图像的数量为多个的情况下,待检测图像中的同一像素点被认定为异常像素点的次数的最小值为零,最大值为待检测图像相对应的对比图像的数量。
所述识别处理单元802在获取到待检测图像中同一像素点被认定为异常像素点的次数时,通过将所获取的次数与预设的次数阈值进行比较,以确定该异常像素点是否为缺陷像素点。具体地,若所获取的次数大于预设的次数阈值,将所述异常像素点作为缺陷像素点,否则,则将所述异常像素点作为正常像素点。其中,所述次数阈值的最小值为一个,最大值为所述待处理图像相对应的对比图像的数量。
还需要说明的是,所述次数阈值不宜过小,也不宜过大。如果所述次数阈值过小,则易将待检测图像中的正常像素点认定为缺陷像素点,从而导致误检率增加,且使得检测出的缺陷像素点的数量过多,进而导致后续的数据处理量增加;如果所述次数阈值过大,则容易导致无法准确地识别出待检测图像中的缺陷像素点,增大漏检的概率。为此,本实施例中,所述次数阈值为2至5。
通过将待检图像进行比较的对比图像的数量设置为多个,使得待检图像与多个对比图像分别进行比较,以提高所检出的缺陷像素点的准确性,进而为后续准确地获取待检测图像中存在的缺陷点提供基础。
在其他实施例中,待检测图像相对应的对比图像的数量还能够与一个,所述识别处理单元相应还能够直接将差异值大于相应阈值的像素点作为缺陷像素点,以提高检测效率。
本实施例中,所述相应阈值与所述待检测图像中的像素点一一对应设置。具体地,所述相应阈值与像素点100在待检测图像110的位置相关。
如前所述,对于同一待检测图像而言,位于不同位置处的像素点的灰度和灰度梯度是不同的。相应地,对于待检测图像中不同位置处的像素点而言,作为判断像素点是否为异常像素点的相应阈值应随像素点的位置变化而变化。
具体地,在进行异常像素点检测时,对于灰度值较小且灰度变化平缓处的像素点,所设置的相应阈值相应较小,而灰度值较大且灰度变化剧烈处的像素点,所设置的相应阈值则相应较大。
所述对比图像作为待检测图像的比较基准,其中像素点的灰度值和灰度梯度可以真实地反映待检测图像100中相应位置处的像素点的灰度值和灰度梯度变化。因此,所述识别处理单元802通过对比图像中相对应的像素点的灰度和灰度梯度,获取与待检测图像100中像素点101对应设置的相应阈值。
本实施例中,在所述对比图像为多个的情况下,所述识别处理单元802相应采用前述的公式(1)计算得到与待检测图像中各个像素点对应设置的相应阈值。
在其他实施例中,待检测图像对应的对比图像的数量还可以为一个。相应地,上述的公式(1)中的gray表示所述对比图像中与像素点(x,y)相对应的像素点(x',y')的灰度值。
需要指出的是,在对比图像的数量为多个的情况下,上述公式(1)中涉及的当前对比图像是指当前与待检测图像进行比较的对比图像。
当前对比图像中与像素点(x,y)相对应的像素点(x',y')的灰度梯度s(x',y'),是指当前对比图像中相对应的像素点(x',y')所在位置处的灰度变化,具体可以通过当前对比图像中相对应的像素点(x',y')及与其相邻的像素点之间的灰度变化获取。
本实施例中,将像素点(x,y)在当前对比图像中相对应的像素点记为(x',y'),当前对比图像中与像素点(x',y')相邻且与像素点(x',y')呈十字型排布(如图5所示)的像素点作为像素点(x',y')的周边像素点,所述识别处理单元802采用前述的公式(2)计算得到像素点(x',y')的灰度梯度。
上述以对比图像中相对应的像素点(x',y')的周边像素点的数量为四个,且对比图像中相对应的像素点(x',y')与周边像素点呈十字型排布为例,对如何计算对比图像中相对应的像素点(x',y')的灰度梯度进行了介绍。
可以理解的是,在周边像素点的数量为四个的情况下,对比图像中相对应的像素点(x',y')的周边像素点还能够呈X型布局(如图6所示),且像素点(x',y')(x',y')的周边像素点的数量不限于四个,还可以为八个,在所述周边像素点的数量为八个的情况下,对比图像中相对应的像素点(x',y')点与周边像素点呈3*3阵列布局(如图7所示)。
通过上述的公式(1)和(2)可知,对于待检测图像中的所有像素点(x,y)而言,基础阈值low、灰度系数grayratio和梯度系数ratio的数值均相同,而多个对比图像中对应的像素点(x',y')的平均灰度值gray及当前对比图像中对应的像素点(x',y')在当前对比图像中的灰度梯度s(x',y')的数值则随着像素点(x,y)在待检测图像中所处位置变化而产生相应的变化。
本实施例中,基础阈值low、灰度系数grayratio和梯度系数ratio的数值与待检测图像的图像锐度相关。具体地,基础阈值low、灰度系数grayratio和梯度系数ratio的数值与待检测图像的图像锐度正相关,也即待检测图像的图像锐度越大,则基础阈值low、灰度系数grayratio和梯度系数ratio的数值相应更大;反之,基础阈值low、灰度系数grayratio和梯度系数ratio的数值相应更小。
而且,通过上述的公式(1)和(2)可知,在多个对比图像中与像素点(x,y)相对应的像素点(x',y')的平均灰度值gray及灰度梯度s(x',y')的数值越大的情况下,则相应阈值越大;在多个对比图像中与像素点(x,y)相对应的像素点(x',y')的平均灰度值gray及像素点(x',y')在对比图像中的灰度梯度s(x',y')的数值越小的情况下,则相应阈值越小。
若多个对比图像中与像素点(x,y)相对应的像素点(x',y')的平均灰度值gray及像素点(x',y')在对比图像中的灰度梯度s(x',y')的数值越大,则表明待检测图像中该位置处的像素点的灰度值越大且灰度变化剧烈,相应阈值将设置地越大,可以避免将正常像素点判定为异常像素点,从而可以降低误检的概率;而若多个对比图像中与像素点(x,y)相对应的像素点(x',y')的平均灰度值gray及像素点(x',y')在对比图像中的灰度梯度s(x',y')的数值越小,则表明待检测图像中该位置处的像素点的灰度值越小且灰度变化平缓,则相应阈值设置地越小,可以避免将异常像素点误作为正常像素点,从而可以降低漏检的概率。
因此,通过采用对比图像中像素点(x',y')的灰度和灰度梯度对待检测图像中处于不同位置处的像素点(x,y)对应的相应阈值进行调整,可以有助于避免误检和漏检情形的发生,故而可以提高异常像素点检测的准确性。
所述缺陷获取单元803用于基于所述缺陷像素点101’,获取所述待检测图像中的缺陷点。
前述以像素点为单位对待检测图像进行识别处理,获取待检测图像中满足相应阈值条件的像素点作为缺陷像素点,而缺陷点的尺寸不仅限于一个像素点,还包括多个缺陷像素点相连的情形。
在获取到待检测图像中的缺陷像素点之后,通过对所获取的缺陷像素点执行连通域判断,以识别出所述待检测图像中存在的缺陷点。
具体地,所述缺陷获取单元803用于对所述缺陷像素点执行连通域判断,获取对应的连通域;同一连通域中的每个缺陷像素点均具有相邻的缺陷像素点,且连通域内的缺陷像素点与连通域外的缺陷像素点相分离;如果获取到对应的连通域时,将所述连通域内的所有缺陷像素点作为一个缺陷点;如果未获取到对应的连通域时,将所述缺陷像素点作为一个缺陷点。
在待检测图像中,将多个符合特定条件且相连的像素点构成的集合,称为一个连通域。本实施例中,所述特定条件即为满足相应阈值条件。
通过连通域内的缺陷像素点的数量,将连通域内的所有缺陷像素点作为一个缺陷点,或者将连通域内的每个缺陷像素点分别作为一个缺陷点。
具体地,所述缺陷获取单元803在确定获取到对应的连通域的情况下,将所述连通域内的所有缺陷像素点作为一个缺陷点;如果未获取到对应的连通域,将所述缺陷像素点分别作为一个缺陷点。
本实施例中,所述缺陷获取单元803所执行的连通域判断包括四连通域判断或八连通域判断。其中,四连通域判断指的是:判断任一缺陷像素点101’周围是否具有4个相邻的缺陷像素点101’;八连通域判断指的是:判断任一缺陷像素点101’周围是否具有8个相邻的缺陷像素点101’。
请参见图4,作为一种示例,在所述缺陷像素点为101’孤立的一个像素点101的情况下,所述缺陷获取单元803将所述缺陷像素点101’作为一个缺陷点,否则,所述缺陷获取单元803将连通域内的所有缺陷像素点101’作为一个缺陷点。
本发明实施例还提供一种设备,该设备可以通过装载程序形式的上述检测方法,以实现本发明实施例提供的检测方法。
参考图9,示出了本发明一实施例所提供的设备的硬件结构图。本实施例所述设备包括:至少一个处理器01、至少一个通信接口02、至少一个存储器03和至少一个通信总线04。
本实施例中,所述处理器01、通信接口02、存储器03和通信总线04的数量均为至少一个,且所述处理器01、通信接口02以及存储器03通过所述通信总线04完成相互间的通信。
所述通信接口02可以为用于进行网络通信的通信模块的接口,例如为GSM模块的接口。
所述处理器01可能是中央处理器CPU,或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit),或者是被配置成实施本实施例所述检测方法的一个或多个集成电路。
所述存储器03可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
其中,所述存储器03存储有一条或多条计算机指令,所述一条或多条计算机指令被所述处理器01执行以实现前述实施例提供的检测方法。
需要说明的是,上述的实现终端设备还可以包括与本发明实施例公开内容可能并不是必需的其他器件(未示出);鉴于这些其他器件对于理解本发明实施例公开内容可能并不是必需,本发明实施例对此不进行逐一介绍。
本发明实施例还提供一种存储介质,所述存储介质存储有一条或多条计算机指令,所述一条或多条计算机指令用于实现前述实施例提供的检测方法。
上述本发明的实施方式是本发明的元件和特征的组合。除非另外提及,否则所述元件或特征可被视为选择性的。各个元件或特征可在不与其它元件或特征组合的情况下实践。另外,本发明的实施方式可通过组合部分元件和/或特征来构造。本发明的实施方式中所描述的操作顺序可重新排列。任一实施方式的一些构造可被包括在另一实施方式中,并且可用另一实施方式的对应构造代替。对于本领域技术人员而言明显的是,所附权利要求中彼此没有明确引用关系的权利要求可组合成本发明的实施方式,或者可在提交本申请之后的修改中作为新的权利要求包括。
本发明的实施方式可通过例如硬件、固件、软件或其组合的各种手段来实现。在硬件配置方式中,根据本发明示例性实施方式的方法可通过一个或更多个专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理器件(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器等来实现。
在固件或软件配置方式中,本发明的实施方式可以模块、过程、功能等形式实现。软件代码可存储在存储器单元中并由处理器执行。存储器单元位于处理器的内部或外部,并可经由各种己知手段向处理器发送数据以及从处理器接收数据。
对所公开的实施例的上述说明,使本领域技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其他实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是符合与本文所公开的原理和新颖特点相一致的最宽的范围。
虽然本发明披露如上,但本发明并非限定于此。任何本领域技术人员,在不脱离本发明的精神和范围内,均可作各种更动与修改,因此本发明的保护范围应当以权利要求所限定的范围为准。
Claims (16)
1.一种检测方法,其特征在于,包括:
获取待检测图像,所述待检测图像包括多个像素点;
对所述待检测图像执行识别处理,获取所述待检测图像中满足相应阈值条件的像素点作为缺陷像素点,所述相应阈值条件与像素点在所述待检测图像中的位置相关;
基于所述缺陷像素点,获取所述待检测图像中存在的缺陷点。
2.根据权利要求1所述的检测方法,其特征在于,所述对所述待检测图像执行识别处理,获取所述待检测图像中满足相应阈值条件的像素点作为缺陷像素点包括:
获取对比图像;
将所述待检测图像与所述对比图像执行匹配处理,使所述待检测图像与所述对比图像中的像素点一一对应;
将所述待检测图像与所述对比图像进行比较,获取所述待检测图像与所述对比图像中相对应的像素点的强度表征值之间的差异值,所述强度表征值与所述待检测图像的图像锐度相关;
将所述差异值与相应阈值进行比较,获取所述差异值与相应阈值之间的比较结果;
基于所述差异值与相应阈值之间的比较结果,获取所述缺陷像素点。
3.根据权利要求2所述的检测方法,其特征在于,所述对比图像为一个;
所述基于所述差异值与相应阈值之间的比较结果,获取所述缺陷像素点包括:如果所述差异值大于相应阈值,将所述待检测图像中的像素点作为缺陷像素点。
4.根据权利要求2所述的检测方法,其特征在于,所述对比图像为多个;
所述基于所述差异值与相应阈值之间的比较结果,获取所述缺陷像素点包括:
将所述待检测图像与所述多个对比图像中的每个进行比较,获取待检测图像中同一像素点被认定为异常像素点的次数;其中,若将所述待检测图像与一个对比图像进行比较且所述差异值大于相应阈值,则将所述待检测图像中的像素点被认定为异常像素点的次数计为一次;
若所述次数大于预设的次数阈值,将所述异常像素点作为所述缺陷像素点。
5.根据权利要求2所述的检测方法,其特征在于,所述强度表征值为灰度值,所述相应阈值与所述对比图像中相对应的像素点的灰度和灰度梯度相关。
7.根据权利要求1所述的检测方法,其特征在于,所述基于所述缺陷像素点,获取所述待检测图像中存在的缺陷点包括:
对所述缺陷像素点执行连通域判断,获取对应的连通域;同一连通域中的缺陷像素点均具有相邻的缺陷像素点,且连通域内的缺陷像素点与连通域外的缺陷像素点相分离;
如果获取到对应的连通域,将所述连通域内的所有缺陷像素点作为一个缺陷点;
如果未获取到对应的连通域,将所述缺陷像素点作为一个缺陷点。
8.一种检测装置,其特征在于,包括:
图像获取单元,适于获取待检测图像,所述待检测图像包括多个像素点;
识别处理单元,适于对所述待检测图像执行识别处理,获取所述待检测图像中满足相应阈值条件的像素点作为缺陷像素点,所述相应阈值条件与像素点在所述待检测图像中的位置相关;
缺陷获取单元,适于基于所述缺陷像素点,获取所述待检测图像中存在的缺陷点。
9.根据权利要求8所述的检测装置,其特征在于,所述识别处理单元,适于获取对比图像;将所述待检测图像与所述对比图像执行匹配处理,使所述待检测图像与所述对比图像中的像素点一一对应;将所述待检测图像与所述对比图像进行比较,获取所述待检测图像与所述对比图像中相对应的像素点的强度表征值之间的差异值;所述强度表征值与所述待检测图像的图像锐度相关;将所述差异值与相应阈值进行比较,获取所述差异值与相应阈值之间的比较结果;基于所述差异值与相应阈值之间的比较结果,获取所述缺陷像素点。
10.根据权利要求9所述的检测装置,其特征在于,所述识别处理单元,适于在所述对比图像为一个的情况下,若所述差异值大于相应阈值,将所述待检测图像中的像素点作为缺陷像素点。
11.根据权利要求9所述的检测装置,其特征在于,所述识别处理单元,适于在所述对比图像为多个的情况下,将所述待检测图像与所述多个对比图像中的每个进行比较,获取待检测图像中同一像素点被认定为异常像素点的次数;其中,若将所述待检测图像与一个对比图像进行比较且所述差异值大于相应阈值,将所述待检测图像中的像素点被认定为异常像素点的次数计为一次;若所述次数大于预设的次数阈值,将所述异常像素点作为所述缺陷像素点。
12.根据权利要求9所述的检测装置,其特征在于,所述强度表征值为灰度值,所述相应阈值与所述对比图像中相对应的像素点的灰度和灰度梯度相关。
14.根据权利要求8所述的检测装置,其特征在于,所述缺陷获取单元,适于对所述缺陷像素点执行连通域判断,获取对应的连通域;同一连通域中的每个缺陷像素点均具有相邻的缺陷像素点,且连通域内的缺陷像素点与连通域外的缺陷像素点相分离;如果未获取到对应的连通域,将所述连通域内的所有缺陷像素点作为一个缺陷点;如果未获取到对应的连通域,将所述缺陷像素点分别作为一个缺陷点。
15.一种设备,其特征在于,包括至少一个存储器和至少一个处理器,所述存储器存储有一条或多条计算机指令,其中,所述一条或多条计算机指令被所述处理器执行以实现根据权利要求1至7任一项所述的检测方法。
16.一种存储介质,其特征在于,所述存储介质存储有一条或多条计算机指令,所述一条或多条计算机指令用于实现根据权利要求1至7任一项所述的检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210032703.7A CN114387249A (zh) | 2022-01-12 | 2022-01-12 | 检测方法及检测装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210032703.7A CN114387249A (zh) | 2022-01-12 | 2022-01-12 | 检测方法及检测装置、设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114387249A true CN114387249A (zh) | 2022-04-22 |
Family
ID=81201804
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210032703.7A Pending CN114387249A (zh) | 2022-01-12 | 2022-01-12 | 检测方法及检测装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114387249A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116309557A (zh) * | 2023-05-16 | 2023-06-23 | 山东聚宁机械有限公司 | 一种挖掘机履带板断裂检测方法 |
-
2022
- 2022-01-12 CN CN202210032703.7A patent/CN114387249A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116309557A (zh) * | 2023-05-16 | 2023-06-23 | 山东聚宁机械有限公司 | 一种挖掘机履带板断裂检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108896278B (zh) | 一种滤光片丝印缺陷检测方法、装置及终端设备 | |
JP4095860B2 (ja) | 欠陥検査方法及びその装置 | |
JP4233397B2 (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 | |
JP4776308B2 (ja) | 画像欠陥検査装置、画像欠陥検査システム、欠陥分類装置及び画像欠陥検査方法 | |
KR100855100B1 (ko) | 외관 검사 장치 및 외관 검사 방법 | |
US20050286753A1 (en) | Automated inspection systems and methods | |
KR100598381B1 (ko) | 인-라인 타입의 자동 웨이퍼결함 분류장치 및 그 제어방법 | |
CN115100206B (zh) | 用于具有周期图案纺织物的印花缺陷识别方法 | |
CN108445010B (zh) | 自动光学检测方法及装置 | |
CN116109635B (zh) | 复合悬式绝缘子表面质量检测方法、装置、设备及介质 | |
CN109462999B (zh) | 通过数据平衡基于学习的视觉检查方法以及利用其的视觉检查装置 | |
JP2004177139A (ja) | 検査条件データ作成支援プログラム及び検査装置及び検査条件データ作成方法 | |
CN115360116B (zh) | 一种晶圆的缺陷检测方法及系统 | |
CN112635346A (zh) | 晶圆检测方法、半导体检测设备及存储介质 | |
CN114387249A (zh) | 检测方法及检测装置、设备和存储介质 | |
CN116152242A (zh) | 一种篮球用天然皮革缺陷可视化检测系统 | |
CN112767396B (zh) | 缺陷的检测方法、装置和计算机可读存储介质 | |
KR100827906B1 (ko) | 기판 검사 장치 | |
CN110544243A (zh) | 一种ct图像小缺陷自动检出、定量及可靠性评价方法 | |
CN113935927A (zh) | 一种检测方法、装置以及存储介质 | |
JPH11337498A (ja) | プリント基板の検査装置およびプリント基板の検査方法 | |
CN108508053B (zh) | 一种系统性极微物理缺陷的检测方法 | |
CN112465780B (zh) | 绝缘层膜厚异常监控方法及装置 | |
JP5155938B2 (ja) | パターン輪郭検出方法 | |
CN115829900A (zh) | 检测方法及检测系统、设备和存储介质 |
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 |