CN1285910A

CN1285910A - 镜片自动检验系统

Info

Publication number: CN1285910A
Application number: CN98813118A
Authority: CN
Inventors: H·E·罗蒂; B·C·梁; D·H·许
Original assignee: Wesley - Jason Inc
Current assignee: Wesley - Jason Inc; Wesley Jessen Inc
Priority date: 1997-11-14
Filing date: 1998-10-22
Publication date: 2001-02-28
Also published as: AU1194599A; AU746244B2; JP3581314B2; US6047082A; CA2309922A1; BR9814861A; AR016420A1; TW370609B; WO1999026052A2; EP1032812B1; KR20010024617A; WO1999026052A3; EP1032812A2; EP1032812A4; JP2001523815A

Abstract

一种用于自动检验悬浮在一个镜片容器中的盐溶液中的隐形眼睛片的系统。在制造过程中摄取放置在容器中的每个镜片的一个第一电子图象。然后在已经转动容器,并且溶液和镜片发生移动之后摄取该镜片的一个第二图象。将两个图象进行比较,并将第一图象上相对于第二图象发生相对移动的黑点作为由溶液中的杂质或镜片容器上的标记所产生的干扰物清除掉。一个计算机程序自动检验镜片的边缘、视觉区、印刷标志和虹膜印色区域以找出其中的缺陷。如果在任何被检验区域中发现存在缺陷特征,则剔除该镜片。

Description

镜片自动检验系统

技术领域

本发明涉及用于检验镜片，例如隐形眼镜片的一种自动化系统。更具体地说，本发明涉及这样一种系统，在该系统中利用一个计算机自动检验一个镜片的数字图象，以确定该镜片的制造质量是否合格或者必须当作次品剔除。这种计算机自动化镜片检验系统分析镜片边缘、镜片光学中心和镜头的彩色印刷区域中的数字图象数据。这种检验系统特别适用于甄别真实缺陷与由沉积在镜片上或落在镜片附近的灰尘或其它污染物造成的视在缺陷。

发明背景

在隐形眼镜制造业中，众所周知自动检验隐形眼镜能够降低生产成本，并且提高产品品质的一致性。所以设计了自动化系统检查和淘汰具有特殊缺陷的镜片。这种自动化系统的目的是检验所有对于产品质量控制重要的缺陷和消除对人工检验的需要，除非在检验自动化系统的运行状况时需要人工检验。

通常可以认为，经过良好设计的自动检验系统比人工检验系统的一致性更好，因为自动化系统不会受到疲劳、精神涣散或主观检验标准改变的影响。此外，自动化系统能够采集大量的数据用于统计分析，由此提供客观质量控制手段。这个统计数据库可以作为不断改进制造方法和检验方法的基础。

隐形眼镜检验系统可以包括用于将隐形眼镜放置在盐溶液中的多个独立容器。在这种系统中，使用显微镜检查每个水合镜片的，例如镜片边缘和光学中心的缺陷。在1995年8月22日授予Davis的美国专利US-5443152中公开了这样一种镜片检验系统。这个系统使用暗场照明检查放置在一个透明截头锥形盒中的水合镜片。其中公开了检验镜片各个部分的方法步骤。

在镜片自动检验系统中，灰尘的微小颗粒或其它污染物可能进入镜片盒的盐溶液中，或者可能附着在镜片盒的底部。镜片盒的底部在制造过程中也可能产生划痕。镜片盒上和盐溶液中的划痕和污染物看起来象是隐形眼镜图象中的黑点。自动检验系统可能检测到这些黑点，并错误地将它们识别为镜片中的缺陷。所以，需要提供一种手段，利用这种手段能够忽略这种干扰，从而使得检验方法不受它们的影响。本发明的镜片检验系统大大减少了这类干扰，所以增强了检验方法的可靠性。

隐形眼镜自动检验系统还必须对于诸如镜片周边的微小凹痕或裂口等缺陷特别敏感。已知系统没有提供足够稳定和准确的方法来检测这种缺陷。本发明的系统使用一种特别准确的方法检测镜片边缘的缺陷。

在镜片检验系统中提供用于对镜片光学中心和镜片虹膜部分的彩色印刷区域中的缺陷进行检测的一种可靠并且准确的手段也是重要的。此外，如果在镜片上印有公司徽标或其它标记，该检验系统必须能够在这种徽标或标记印刷区域中不可接收的缺陷。本发明的检验系统通过使用每个镜片至少两个图象的亮度值检验矩阵和稳定的检验算法实现了对这种缺陷的可靠和准确的检测。迄今为止，本发明的这种自动系统的精确度、速度和简单性在本领域中尚未实现。

发明概要

为了实现本发明的目的和解决现有技术中的问题，本发明的改进型镜片自动检验系统记录每个被检验镜片的两个或多个图象。一个镜片的第一个图象示出可能是由于镜片真实缺陷、或在盛放镜片的透明小容器上或浸泡隐形眼镜的盐溶液中的污染物产生的黑点。第二幅图象在透明小容器以及其中的盐溶液旋转起来之后摄取，从而溶液中的污染物或透明小容器上的划痕或其它标记都相对于镜片图象的方位和位置发生移动。然后将保存的镜片图象叠置，并相互比较。由每一对作比较的象素(图元)中亮度最大的象素构成一幅比较后图象，于是从比较后图象中消除了由可移动干扰物产生的黑点。所有剩余的黑点对应于镜片真实的缺陷。所以能够可靠地检测到这些缺陷，并且消除由污染物和透明小容器划痕产生的干扰。

在本发明镜片自动检验系统的操作中，检测环境光的照度，并且根据环境光在图象视场区域的变化归一化光学检验台上CCD成象装置的输出。这种归一化处理确保所检验镜片的图象不受环境光变化的影响。

在分析所得到的镜片图象时，首先利用计算机算法定位镜片的中心，该算法在镜片上画出多条弦，然后取其中点，以确定镜片中心的近似位置。然后记录在极坐标系中镜片象素的光强度。将以极坐标形式表示的光强度信息保存在一个矩阵中，在该矩阵中对应于增量角度的光强度值在矩阵中排成行，而增量半径的光强度值在矩阵中排成列。光强度数据的这种矩阵表示便于分析缺陷。这种矩阵在下文中被称为S-矩阵。当将一个镜片的两个图象的S矩阵数据进行比较和组合时，所得的S-矩阵包含除去干扰后的图象象素的光强度。

分析镜片虹膜的印色图案以发现大尺度的白斑。还分析印在镜片上的标记图以确定是否存在构成该标志的字母的完整结构。分析镜片的视觉区以定位黑点。如果黑点位于视觉区中或者如果印色图案或标志具有严重的缺陷，则剔除该镜片。

使用每个镜片图象的S-矩阵数据的边缘部分构成模拟镜片周边的线段的多项式近似。将这些多项式近似重叠和组合以模拟边缘部分。然后将对每个图象边缘部分的多项式近似模型与实际的边缘数据比较，以检测出数据的突然转变。这些转变指示出在边缘部分的裂缝或其它缺陷。然后比较在这两个图象边缘部分检测到的缺陷，如果一个缺陷在每个镜片图象中位于同一边缘区域，则确认它是一个缺陷。

从以下描述、权利要求和附图可以清楚地了解本发明的优点和特征。

附图简介

图1为在本发明的镜片自动检验方法中使用的星形轮和相配的传送机以及透明小容器的平面图。

图2为将一个水合镜片盛放在盐溶液中的透明小容器的局部剖视图。

图3为图1所示星形轮和支承机构的局部透视图。

图4a表示放置在一个透明小容器中的一个水合镜片的一个第一光场图象。

图4b表示在转动透明小容器之后图4a所示水合镜片的一个第二光场图象。

图5为本发明镜片检验系统检验台中透明小容器、镜片检验摄像机和选通光组件的示意图和局部剖视图。

图6表示放置在透明小容器中的水合镜片的一个光场图象，其中增加了一条黑线以表示边缘定位技术。

图7表示排列在图4a所示镜片图象的S-矩阵中的极坐标。

图8表示沿穿过图4a所示镜片上的一个黑点的径向上的亮度分布。

图9表示在接近图4a镜片边缘的区域中S-矩阵的表面曲线。

图10表示在视觉区中限定的用于检测该区域中黑点的范围。

图11表示图10所示视觉区的所说范围中的亮度变化。

图12a表示图4a所示的第一镜片图象，其中表示了透明小容器划痕、灰尘颗粒、镜片点缺陷和标志的极坐标。

图12b表示图4a所示的第二镜片图象，其中表示了透明小容器划痕、灰尘颗粒、镜片点缺陷和标志的极坐标。

图13示意性表示图4a、12a和4b、12b中所示的两个图象的S-矩阵，和使用这些S-矩阵的信息消除干扰和检测镜片的真实缺陷。

图14表示带有虹膜印色图案和印制标志的一个镜片的图象。

图15表示在虹膜印制区域中具有较大缺陷的一个镜片的图象。

图16为图14所示镜片的光强度信息的矩阵表示。

图17表示图16中所示S-矩阵镜片数据的对比度增强形式。

图18表示图16中所示S-矩阵镜片数据的另一对比度增强形式。

图19表示图16中所示S-矩阵镜片数据的再一对比度增强形式。

图20表示图16中所示S-矩阵镜片数据的又一对比度增强形式。

图21表示具有不同对比度阈值的一个镜片的图象亮度分布。

图22表示与一个扫描检验箱相关的对比度增强S-矩阵信息。

图23表示与一个30×30扫描检验箱相关的另一对比度增强S-矩阵。

图24表示与一个60×60扫描检验箱相关的再一对比度增强S-矩阵。

图25表示与一个100×100扫描检验箱相关的又一对比度增强S-矩阵。

图26表示一个透明镜片和一个彩色镜片的Wessley Jessen的WJ标志。

图27a-e为Wessley Jesson标志缺陷部分的放大视图。

图28a-d表示在隐形眼睛片边缘上的缺陷示例。

图29表示包含具有一个缺陷的边缘部分的S-矩阵值的表面曲线。

图30为在镜片边沿的S-矩阵数据组中各个点的径向和角向坐标曲线图。

图31为在镜片检验方法中用于获得每个镜片的第一和第二图象的计算机程序功能流程图。

图32为用于消除由镜片中污染物和透明小容器上的标记引起的干扰的计算机程序功能流程图。

图33为用于检验镜片视觉区的计算机程序功能流程图。

图34为用于检验镜片印刷虹膜区域的计算机程序功能流程图。

图35a为用于检验镜片印刷标志的计算机程序功能流程图的第一部分。

图35b为用于检验镜片印刷标志的计算机程序功能流程图的第二部分。

图36为用于检验镜片边缘的计算机程序功能流程图。

图37为用于定位镜片中心和边缘的计算机程序功能流程图。

优选实施例的详细扫描装置

图1为表示星形轮1和传送机3、5、7的平面图，所说星形轮和传送机在镜片检验系统中相互配合，相对于光学检验台11和13移动透明小容器9和隐形眼睛片15，由光学检验台摄取透明小容器和镜片的明场图象。图2表示将隐形眼睛片15盛放在盐溶液17中的透明小容器9的局部剖视图。透明小容器9是用水密透明材料，例如玻璃、聚碳酸酯、聚甲基丙烯酸甲酯塑料制成的。如在本领域中熟知的，隐形眼镜片15是由一种水凝胶制成的。透明小容器的外环壁21形成一个溢流道23，该溢流道容纳在透明小容器移动过程中溢出的少量盐溶液17。容器壁21还用作当透明小容器在检验工序中移动时各个小容器之间的减震器。如图所示，水合镜片15舒展为其正常形状，并落到透明小容器9的底部。

透明小容器9的底部19具有一个凹形内表面，其曲率半径使得隐形眼镜片15在重力的作用下能够下滑到透明小容器的中心位置。透明小容器凹形内表面的曲率半径应选择得尽可能陡峭，以使透明小容器的居中能力最大和足够浅，以保持与被检验的水合镜片对中接触。这种结构使得在光学检验台11、13中的摄像机通常所需时间内能够移动的距离最小以在检验工序中获得镜片图象。非常希望将镜片在一个视频时帧，例如1/30秒内移动的距离限制为小于被检验镜片最小特征的距离。

透明小容器的透光底部19形成一个透镜。透明小容器底部19的凹形内表面和凸形外表面提供了结合光功率，和用于通过所说水合镜片15将光聚焦到光学检验台11、13的各个摄像机的入射光孔。

在所说镜片检验系统中，将盐溶液注入沿传送机移动的透明小容器9中和将一个镜片放置在各个透明小容器的溶液中。装有水合镜片的透明小容器沿着输入传送机移动，直到它们到达传送机的末端，并被安放在星形轮1中所形成的轮齿25之间，所说星形轮1沿例如逆时针方向以每隔1.6秒转动大约一个位置的速率转动。尽管这个转动速度是令人满意的，但是也可以应用更大或更小的速度。

图3表示星形轮两个相邻轮齿25的透视图，所说星形轮在其下的一个圆形静止平台27上转动，从而从输入传送机3上沿逆时针方向推动透明小容器。如图1和3所示，每一对轮齿形成一个接受和夹持一个透明小容器的部位。为了简化表示形式，图1所示的星形轮1具有17个透明小容器夹持部位。实际上，已经采用了具有32个这种部位的星形轮。根据制造系统的要求，可以使用更多或更少的这种部位。

一个清洗台26用由混合器28产生的水和压缩空气形成的水雾喷射每个透明小容器的底部，所说混合器将经过过滤的去离子水与来自压缩机30的经过过滤的空气混合，所说压缩机以20psi的压力或其它适合的压力输送空气。水雾从透明小容器底部去除了污染物和盐滴。

一个干燥台29去除可能附着在透明小容器底部的水滴。干燥台29向每个透明小容器的底部吹送来自常规空气压缩机30的过滤干燥空气。一个在线空气过滤器32滤除压缩空气中的任何颗粒，一个除湿器34去除流向透明小容器的空气中的湿气。可以使用一种常规的过滤-调配-干燥器，例如Vortec 208R型获得经过过滤的干燥空气。

星形轮的移位速度和清洗及干燥空气吹干的时序由一个常规的生产线可编程逻辑控制器(PLC)36，例如Allen-Bradley公司出售的Series DL-5型进行控制。所说PLC以已知的方式调整和操作。

在星形轮的静止结构上安装有一条固定的容器导轨(未示出)，该导轨设置在清洗台和干燥台处容器上方，从而使得在这些工作台处产生的空气流不会将透明小容器从星形轮上吹掉。可以在导轨上钻一些通孔，以使空气通过，防止透明小容器向上移动。为此可以使用矩形的硬塑料片或其它适合的材料，包括金属。

在所说镜片检验系统中，当镜片经过星形轮时，所说光学检验台11中的一个摄像机摄取并保存每个镜片的一个第一放大数字图象。图4a表示这种图象的一个示例。外圆明亮区域31为包含镜片的透明小容器。黑色圆环33为镜片边缘，环形区35印有彩色虹膜图案。在彩色虹膜区域中印有WJ Wessley Jessen标志37。黑点39是一个镜片缺陷。点41是盐溶液中的一个杂质颗粒，线段41是透明小容器上的一条划痕。

如图1所示，当透明小容器在摄取其第一图象之后随着星形轮沿逆时针方向移动时，设置在星形轮周边的一个容器转动部件45压抵并轻轻地依附每个透明小容器。可以使用一条胶带在透明小容器随星形轮移动时在每个透明小容器上施加使其顺时针转动的一个作用力。透明小容器的转动引起盐溶液17和镜片15在透明小容器内打旋。

当透明小容器通过胶带部件45时停止转动，镜片和盐溶液的打旋转动减慢，当透明小容器到达一个第二光学检验台13时逐渐停止。已经确定这个处理工序最多需要10秒。由于有这样一个特殊时序，在第一和第二光学检验台11与13之间摄取了10幅镜片和透明小容器的第一图象。所说检验系统在检验台之间不限于10个位置。可以使用更多或更少的位置。

在所说第二检验台13，当镜片已经稳定并且停止转动时，一个摄像机摄取每个镜片的第二图象。图4b表示所说第二图象，在该图象中镜片、透明小容器和盐溶液相对于它们在图4a所示第一图象中的位置已经发生移动。可以看到，由于镜片缺陷39和WJ标志37都是镜片固有的特征，所以它们的相对位置是相同的。划痕43的变化位置对应于透明小容器的移动，杂质颗粒41的位置对应于盐溶液的移动。

现在应当理解，每个透明小容器有一个相关的第一图象和一个第二图象，第二图象反映相对于第一图象发生位移的镜片、溶液和透明小容器。盐溶液中的杂质颗粒和透明小容器底部上的点或划痕在第一图象中表现为黑点。当透明小容器转动时，这些黑点相对于镜片发生移动，所以在第二图象中具有不同的位置，如果将第二图象适当取向使得两个图象中的隐形眼睛片对齐，则这种变化可以清楚地表现出来。利用黑点的相对移动来甄别表示干扰物和镜片中的非真实缺陷的黑点。在以下对于该系统装置的进一步说明中将详细解释鉴别干扰物的程序。

图5为沿图1中心线AA箭头方向所取的光学检验台11和13的示意图和局部剖视图。如图5所示，在圆形平台27下面还设置有一个选通光源47以产生高亮度闪光。遮光管49用于遮挡选通光源47的强闪光。EG＆G Electro-optics of Salem(Massachusetts)公司出售一种MVS2020型选通光源，可以使用这种选通光源产生选通闪光。

这种选通光源能够获取透明小容器9中镜片15的静止图象。就是说，选通光源足够亮，以致于能够在此透明小容器以自动检验系统的速度移动时图象上任何部分在焦平面上移动最多一个象素的时间更短的时间内摄取隐形眼睛片的一个图象。利用一个漫射体51随机地偏转选通光源的闪光以形成漫射闪光。选通光源47发出并穿过漫射体51的漫射光通过一个准直孔盘53，在一个优选实施例中，该准直孔盘53是由一块直径约为20毫米、厚度为2毫米的黑色不透明玻璃制成的，其上具有包含大约600000个孔的一个格栅，每个孔的直径约为20微米。Compbell公司(Caiifornia)出售编号为PartNo.781-0009准直孔的这种孔盘。

从准直器盘53出射的平行光穿过在圆形平台27中形成的一个孔55，然后该平行光穿过透明小容器的底部透镜部分19。透镜19将平行光聚焦，使之通过水合镜片15和穿过数字摄像机59上的一个孔57，摄像机59具有至少一个透镜61和适配的CCD成象器件63。可取的是，所说透明小容器与准直器盘分开，使得准直器盘处于摄像机的景深范围以外，摄像机仅仅获得镜片和透明小容器的聚焦图象。

Kodak Company出品Model XFH型Kodak Megaplus摄像机及其控制单元，在镜片检验台中可以将这种型号的摄像机与尼康MicroNikkor AF60毫米镜头配合使用。这种摄像机的CCD阵列以30帧/秒的速率产生1000×1000象素的图象。因此，图5所示的第一和第二光学检验台通过这些检验台的隐形眼睛片的瞬间选通图象。如图1所示，这些图象经过数字化处理并保存在检验计算机64的随机存取存储器中，该计算机配置有例如一个200Mhz Pentium Pro处理器。这台计算机使用PLC36接口控制摄像机摄取图象的时间。

当透明小容器离开第二光学检验台13时，计算机分析每个镜片的第一和第二图象，并且根据这种分析，确定该镜片是否具有缺陷和是否应当剔除。如果自动分析判定应当剔除该镜片，则计算机64启动一个螺线管铁芯棒65，将镜片推送到废品传送机7。如果镜片和透明小容器通过了自动检验分析，则该透明小容器在星形轮上沿逆时针方向移动，计算机64启动一个螺线管铁芯棒67将该透明小容器推送到合格品传送机5。缺陷类别

这种自动镜片检验系统能够检测许多不同种类的镜片缺陷和将这些缺陷与由透明小容器上的杂质或划痕引起的干扰物区分开来。导致镜片被剔除的缺陷包括：

1、在镜片中央部分视觉区中的深色划痕。这个区域中的深色降低了镜片的性能；

2、所印虹膜图案的明显瑕疵。某些类型的镜片在视觉区周围的环形带中印有虹膜图案。如果这个图案没有正确对中，或者以多种方式误印，则会降低这个镜片的吸引力和功能性；

3、在印刷标志时，特别是在纯色镜片上产生的瑕疵。这种标志用作使用者确定镜片方向的参照标记。损坏的标志或漏印标志都是一种缺陷；

4、镜片缺陷中的机械缺陷。这些缺陷包括撕裂、刻痕、切口、孔洞、折叠和其它问题；

5、附着在镜片上的异物。附着在镜片上的任何种类的灰尘或“闪烁”都可能引起功能或安全问题，必须检测出来；和

6、镜片边缘的撕裂或切口。照度归一化

目前已经开发出在可接受的水平上检测上文所列缺陷的算法。每种缺陷都有一个剔除阈值，在所说算法中可以改变这个阈值以保持与检测标准的一致。这种缺陷检验算法的某些部分必须能够执行可靠的分析，即使图象照度是不均匀的。照明系统或成象系统中光学元件的改变都可能造成照度不均匀。照度的变化通常引起图象的渐变。通过使用归一化算法可以大大减小这些变化的影响。

照度的变化可以用图象坐标中的一个线性函数模拟。用(x，y)表示图象平面中的一个点。线性照度模型由以下方程表示：

1(x，y)=ax+by+c其中(a，b，c)为参数。如果a=b=0，则照度不随位置变化，具有均匀的亮度，即所给定的值c。如果存在变化，则a和b分别代表相对于沿x和y方向的位置变化所产生的亮度幅值变化。

利用对在图象的明亮区域上采样获得的亮度数据的简单最小二乘法拟合可以计算出这些参数值，例如，检测和保存对于恰好位于镜片边缘外面的透明小容器区域中象素的亮度测量结果。如果照度是不均匀的，则这些值会发生改变。通过用一个线性函数拟合这些亮度值可以求得该方程中的这些参数值。

令l_k表示在采样点(x_k，y_k)的亮度，其中k=1，2，…，n。则通过求解一组三个简单方程中的三个未知变量可以求得这些参数的最小二乘法解。ag_xx+bg_xy+cg_x=f_xag_xy+bg_yy+cg_y=f_yag_x+bg_y+cg₀=f₀其中

f₀=∑_kI_k，f_x=∑_kI_kx_k，f_y=∑_kI_kY_k，g_xx=∑_kx² _k，g_yy=∑_ky² _k，g_yy=∑_kx_ky_k，gx=∑_k _xk，g_y=∑_ky_k，g₀=n.

可以使用一种简单方法模拟照度的二次函数变化。在这些情况下，增加了含有xy、x²、和y²的项。这导致需要求解6个参数，过程复杂了一些，但是方法是类似的。事实上，已经发现对照度变化的线性模拟是足够的。

我们假设在点(x，y)观测到的亮度是由于穿过透射值为T(x，y)的一种介质的照度产生的。就是说，B(x，y)=T(x，y)I(x，y)。用照度模拟值相除，我们可以显著地消除由于不均匀照度引起的观测值的变化，并且保持了由于透射率变化产生的亮度值。这正是我们在检验方法中所需要的。因此，计算结果T¹(x，y)=B(x，y)/I(x，y)为进一步分析提供了经过校正的图象，其中I(x，y)是通过照度模拟得到的。

所以，归一化是通过对图象平面明亮区域上许多点照度的采样实现的。然后，用一个数学函数拟合这些照度数据。对于该图象中的每个点，用由所定义函数求得的经过校正归一化的值代替所测得的亮度。

可以预料，在任何固定的摄像机位置的照度函数在不同图象之间是缓慢变化的。这使得能够对于一序列图象以及每个图象累积模拟数据。这个程序可以用于动态更新照度模型，这种方式具有稳定性，和检测在特定图象中可能出现的较大照度变化，这种变化可能指示透明小容器存在一个缺陷。还可以将每个光学检验台的照度分别归一化，从而避免标定问题，和简化生产环境中的归一化程序。镜片边缘定位

检验一个镜片的第一步骤是确定它在每个图象中的位置。通过寻找可能处于镜片边缘的几个点来定位镜片。由于在图象中存在的噪声变化，寻找这些点的过程会产生误差，所以其后还必须执行精选这组边缘点的方法。这种方法的精度随着点数的增加而提高。

这种寻点算法利用了这样的知识，即如果按照从图象的一个边沿开始向相反边沿移动的顺序检查象素，则镜片边缘可能是遇到的第一个深色区。图6中表示了一个镜片图象。在这个图象中我们看到，镜片边缘是在一个较明亮背景上的深色环33。边缘以外的这个盘形光区是由照射透明小容器的光生成的，在该容器的盐溶液中含有所说镜片。图象的四个角上的黑色背景71是透明小容器以外的区域。

为了找到边缘上的点，我们需要查找CCD图象的行或列的亮度在达到一个较高值以后迅速下降的位置。我们要求它从一个较高值处下降，而不仅仅是在一个低值处，以越过透明小容器以外的黑色区域。在一个(0，1)标尺上，其中0对应于黑色，1对应于白色，我们预计，当我们向内移动到对应于透明小容器的亮度区域时，图象黑色周边区域的亮度从一个较低值变化到0.7至0.9。我们预计亮度将再次下降，例如下降到0.3，以表示镜片边缘的存在。通过检测镜片边缘狭窄深色区域的最小点，可以找到镜片左边缘上的一个点“a”。通过从镜片轮廓的右边向中心扫描可以找到右边缘上的一个点“b”。在图6中，黑色水平线73代表一行象素，标注“a”和“b”的点代表沿该象素行扫描发现的镜片边缘上的点。中心定位

通过如上所述扫描CCD图象的行或列可以找到镜片边缘上的多个点。对于可能横贯镜片边缘的一组象素行和列执行一组扫描。如果在扫描中确定没有遇到一个边缘，则从镜片的象素组中删除这行或列象素。

在四组扫描中获得对应于左边缘、右边缘、上边缘和下边缘的若干组点：L、R、T和B。每个点有一个行标和一个列标。将这组点的坐标值求平均可以估算出中心的位置。

利用L和R组点的列数据可以估算出中心点的列标C_x。令(i₁，i₂，…，i_n)表示其中每一行存在L和R组的一个数据点的行号。对于任一行，C_x应为u_L(i_j)和u_R(i_j)之间的中点。然后可以将这些估算值求平均以计算出该中心。

C_{x} = \frac{1}{2 m} Σ_{j = 1}^{m} (u_{L} (i_{j}) + u_{R} (i_{j}))

类似地，令{i₁，i₂，…i_n}作为其中存在T和B组的一个数据点的一组行标。然后可以通过下式计算出中心的行标：

C_{y} = \frac{1}{2 n} Σ_{j = 1}^{n} (u_{T} (i_{j}) + u_{B} (i_{j}))

(C_x，C_y)的估算值可能受到错误的非正常值点的影响。在估算出镜片边界的位置之后，可以将这些点去掉，可以用这些好点重新计算中心位置。然后在上述公式中使用精选数据。检验矩阵

检验矩阵提供了有关镜片表面浅色和深色图案的信息，是多种检验函数的核心结构。镜片图象可以用以镜片中心为极点的极坐标中的函数B(r，θ)自然地描述。可以通过对一组(r，θ)坐标上的亮度图案进行采样观测镜片上的图案。令(r_m，θ_n)1≤m≤M，1≤n≤N。然后值S=B(r_m，θ_n)，1≤m≤M，1≤n≤N的阵列构成一个M×N矩阵，该矩阵的列表示在固定角度的亮度采样值，矩阵行表示在固定半径的亮度采样值。这就是检验矩阵或S-矩阵，该矩阵包含直角坐标数据结构中的基本亮度信息，这种结构对于进行有效的处理是方便的。尽管S-矩阵是直角坐标的，但是它包含在极坐标网格上的数据点，并且表示从极坐标到直角坐标格式的变换。

在诸如图4a所示的镜片图象中，很清楚，自然参照系是以镜片中心为极点的极坐标。在运算时，将一个极坐标采样网格叠放在镜片图象上，所说S-矩阵是在这些采样点上的图象值的阵列。这个网格从印刷区域内部覆盖到边缘外侧。图7表示利用S-矩阵形成的图象。很清楚，S-矩阵包含与原始图象相应区域相同的信息。

在S-矩阵中可以找到采样区域中任何部分的亮度值。作为一个示例，在图8的亮度分布图中表示了穿过镜片上黑点39的一个径向切片的值。这个特殊切片是由S-矩阵的数据列表示的，其对应于相对于镜片顶部的0°基准角度大约290°角度。它清楚地表示了这样一个缺陷的影响。所以S-矩阵包含属于检验算法良好基础的信息。

在图9中表示了由S-矩阵中数据获得的表现形式的第二个示例。这是由覆盖镜片边缘33和深色瑕疵39的S-矩阵的一部分形成的一个表面图。在这个表示中由所说边缘形成的沟谷应是均匀和直的。该边缘沟谷横截面的变化是确定边缘缺陷位置的基础。视觉区检验

对于隐形眼睛片中央视觉区的检验需要一种用于消除由于异物产生的黑点的方法。这是通过将两个或多个独立采集的图象匹配实现的，其作用是将在一个图象上存在而在另一个图象上没有相配的黑点区域消除。

一种缺陷是镜片上由于划痕、气泡、附着的异物颗粒如闪烁颗粒、和切口或孔洞产生的标记。这种缺陷可以通过扫描视觉区中的深色部分找到，因为所有这些缺陷在图象都是可见的深色斑块。但是，深色斑块也可能是由盐溶液中的灰尘、透明小容器表面上的标记、和与镜片无关的其它类似缺陷引起的。利用下述事实可以将它们区分开来，即镜片上的缺陷将随着镜片一起移动，在两个图象中表现为相同的相对位置关系，而不是附着在镜片上的物质在两个图象中具有不同的位置。甄别干扰物与真实缺陷需要同一镜片的的两个图象在几何上相互匹配。通过图象合并可以实现这个要求。在将图象合并之后，可以检验视觉区。

镜片图象必须以这样的一种方式合并，使得能够保留共有的特征，而消除非共有的特征。这是通过下述程序实现的：(1)在每个图象上找到彼此匹配的若干个点；(2)执行几何变换，使匹配点重叠；和(3)比较重叠图象阵列中的所有点以消除不是镜片部分的干扰点。

这三个步骤中每一个步骤都可以用多种计算策略来实现。每种策略带来一种算法和在检验平台上实施的计算机码。下文中描述一种实现三个步骤中每一步骤的一种算法。寻找匹配点

下述的几何匹配算法使用6个参数。这些参数的值是通过将两个图象上的三个匹配点的坐标代入一组方程中计算出来的。精确的计算要求必须非常精确地已知三个匹配点。这些匹配点是通过定位每个图象上的特定特征找出的。准确的匹配要求选择用来比较的特征具有细致特性，使得它们能够被精确定位。精确定位特征要求进行细致的图象搜索。迅速地实现这种搜索对于实时应用是必要的。具有印色图案的镜片

在印刷镜片上的印色图案提供了能够用作匹配点源的一个图象。图4a表示这样一个印色图案35。难题是在第二个图象的一部分中找出两个不同图象中匹配的图象半帧。这种搜索是利用一种分级方法实现的，该方法在每个步骤提高图案定位的精度。下面给出定位具有印色图案的镜片上匹配点的步骤。稍后所述的改进对于没有印色图案镜片是需要的。

1、定位每个镜片图象的中心。

2、找出每个镜片上一个突出的基准点。最常用的基准点是镜片标志。从所说中心至所说基准点的一条线段形成了一条零角度基准线。利用分级模板匹配搜索可以精确和可靠地定位印色图案中的所说标志。所说搜索既可以在极坐标镜片数据上进行，也可以在直角坐标的镜片S-矩阵上进行。

3、在相隔大约120度的角度上找出第一镜片图象的印色图案中的三个点。至印色微图案的半径可能是至边缘距离的几分之一(比如说0.5)。通过分割来自每个位置的印色图案的小区域数据形成一个模板。我们可以将这三个微图案阵列称为A₁、B₁和C₁。应当指出，关于这三个供选择的微图案，我们其实没有可选择性。印色图案中印刷点的密度使得完全能够获得适合匹配的一个图案。在这个步骤将细致评价每个微图案的质量和对低于匹配要求标准的图案选择替换图案。

4、在所说第二个图象上确定匹配微图案的三个位置。这三个位置相对于基准线的极坐标与在第一镜片图象中所使用的极坐标相同。

5、对微图案A₁中位置1进行局部图案搜索。选择具有最高匹配分数的象素。对于另外两个微图案重复这个步骤。

应当指出，这个程序要求两次初步的图案搜索，以找出印色区域中的标志，和在非常局限的区域内进行三次细微搜索，以使第一图象的图案与第二图象中的图案匹配。应当指出，我们不预先选择微图案。这种选择就是简单地使这个图案在印色图案中具有清晰间隔的位置。实验表明这种搜索程序是快速的，它能够使1000×1000象素图象上的匹配点定位在一个象素内。没有印色图案的镜片

不带有印色图案的镜片上基准点的定位无法使用微图案。这个程序改进之处在于(1)精选标志位置和(2)使用在与基准线段成已知角度的镜片边缘上的点。这个方法仍然是分级的，快速而且准确。首先你必须确定每个镜片图象的中心。之后：

1、找出每个镜片上的标志记号。通过搜索一个较大的深色区域可以迅速而可靠地确定不含有印色图案的镜片中标志的位置。这种搜索可以在极坐标的镜片数据上进行，也可以在直角坐标的S-矩阵中进行。

2、从所说第一镜片图案中选择标志图案。所选择的这个标志图案是对第二镜片图象进行精细标志定位搜索的模板。

3、通过用第一图象的标志进行图案匹配，在所说第二镜片图象中以更大精度定位所说标志。现在这两个标志被定位在各个镜片图象上大约1个象素范围内。

4、标志上的中心和基准点构成每个镜片上的一条基准线。画出穿过中心与基准线成±120°角度的多条线段。这些线段与镜片边缘的交点产生两个附加点，它们可以用作几何匹配坐标。一种变化是选择通过延伸基准线直到它与边缘相交而在边缘上产生的点的位置。这第三个点可以用于代替所说标志坐标基准。

这个搜索系统对于两种类型的镜片都工作良好。所以上述应用于不含有印色图案的镜片的方法也可以用于带有印色图案的镜片。这种方法不需要使用印色图案中的点来获得基准点。几何匹配

这里所述的实现方式使用了由两个摄像机采集的图象，它要求每一图象对的匹配。可以使用同一技术匹配多个图象，但是对于本系统来说是不必要的。图象匹配是在下述假定条件下执行的，这些条件对于隐形眼睛片产品和所说成象系统是合理的。

1、镜片行为如同一个固体，所以镜片上的所有点是一起移动的。如果在两个图象之间镜片发生明显变形，则这个假定是不成立的。但是，镜片是置于液体中，它可以在两个图象之间保持短时间稳定支承超过10秒或略短的时间。

2、镜片在一个平面内运动。它可以在图象平面内转动和平移，但是其倾斜度在两个图象之间不发生变化。在给定透明小容器几何结构、摄像机系统几何结构和两个图象之间的短时间间隔的条件下，这个假定是合理的。

3、因为图象是用不同的摄像机采集的，图象尺寸有可能不同。图象重新标定尺寸是下述变换的固有部分。

众所周知，变换、转动和标定可以利用坐标线性变换在一个图象平面内实现。对于图象1中的每个点(x，y)，我们希望在图象2中找到对应的点(u，v)。这种变换，通常称为仿射变换，可以写成一对线性方程。

u=ax+by+e

v=cx+dy+f这些方程包含6个参数，(a，b，c，d，e，f)，必须确定其数值。一旦确定了这些参数值，就可以利用这些方程从一个图象映射到另一个图象。

通过找到两个图象上的三个匹配点就能够确定这6个参数。唯一的要求是这些点不能在同一条直线上。令A、B和C作为第一图象上的特征，并且分别用(x_a，y_a)、(x_b，y_b)和(x_c，y_c)表示它们的坐标。令第二图象上相应的特征为A’、B’和C’，它们的坐标为(u_a，v_a)、(u_b，v_b)和(u_c，v_c)。将相应的几对坐标代入u，v方程中我们得到6个方程。从这些方程可以求解这些参数值。

在计算出这些参数值之后，可以在u，v方程中使用它们将第一图象上的每个点与第二图象上的对应点匹配或重叠。重叠镜片的比较

比较镜片的目的是消除图象中与镜片上真实标记无关的深色象素。通过生成一个第三合成镜片图象，其中每个象素的值用两个匹配图象中象素的最大值代替就可以非常简单地实现这个目的。如果L₁和L₂为所匹配的镜片图象，则L=max(L₁，L₂)是其中每个象素等于这两个图象中该位置处的亮度最大值的一个图象。如果异物比真实镜片值亮度更暗，则该方法能够从该图象中有效地消除异物。有可能在一个异物颗粒处的象素亮度比镜片标记中的象素高。于是，将用亮度较大的一个象素代替一个亮度较暗的真实象素。这对镜片缺陷的分析具有少许的影响。

重要的是将镜片准确重合，使得真实的暗色象素匹配。如果不是这种情况，则由于划痕或其它镜片缺陷产生的暗色象素将通过比较程序消除。按照这种方式可以消除的缺陷的尺寸与图象匹配的精度密切相关。通过将两个图象匹配在1或2个象素范围内，则可以使在比较程序中消除的缺陷的尺寸足够小，以低于废品阈值。

这种比较算法可以用于“清理”镜片的选定区域，而不是整个镜片图象。这使得便于将这个比较步骤与例如视觉区检验步骤结合。对于视觉区的检验是在覆盖镜片可视区域的小的区块内进行的。如果使用这种区域比较算法仅仅“清理”那些检验表明值得怀疑的区块，使得能够对它们重新估算，则可以大大减少比较所用的计算时间，其代价是怀疑区域重新估算的少量增加。这种折衷能够大大减少整个检验时间。这正是在该系统的操作方式中所采用的方法。视觉区检验

参见图4a，视觉区(0Z)74是镜片中央部分的亮区，配戴者通过这个区域可以看，这个区域不含有缺陷是十分重要的。所以，需要检验视觉区，以寻找相应于某些种类缺陷的暗色区域。

对于视觉区的检验是通过检查以拼接方式覆盖该区域的多个小区域实现的。选择小区域尺寸使得该视觉区可以为阵列很完全地覆盖。每个小区域是一个34×34=1156象素的正方形。这个尺寸大到足以包含一个好的亮度采样值。目前的实施方式使用如图10表格中所示排列方式的37个小区域。方格c19覆盖镜片的中心，在外边缘上的那些方格位于视觉区的边界上。

视觉区中的任何缺陷都表现为该区域中的一个或多个黑点。通过评价在37个区域中每个区域内的亮度均匀性可以找到这类缺陷。令B_avg(n)为区域n上的平均亮度，B_min(n)为区域n中的最小亮度。则差值D(n)=B_avg(n)-B_min(n)是该区域亮度偏差的量度。图11所示为差值D(n)相对于特定镜片的区域编号的曲线图。这个特定镜片在区域21和22具有缺陷，在区域8和14具有可疑值。

基于视觉区缺陷的镜片剔除标准可以使用偏差值的加权分数。令T₁和T₂为阈值，例如T₁=50和T₂=60。对于所有D≤T₁的方格，给出分数0，对于所有T₁＜D≤T₂的方格，给出分数2，对于所有D＞T₂的方格给出分数6。然后剔除总分为5或更多的镜片。一个坏区域或三个可疑区域将构成剔除的条件。这里所给出的实际阈值和分数只是说明性的。可以改进这个程序以获得与检验者判断具有良好相关性的测量结果。

偏差测量D(n)=Bavg(n)-Bmin(n)测量所说视觉区中一个小区域内的亮度值的偏差。所以，它不受在整个镜片的较大尺度上的照度变化的影响。如果所说照度变化明显地影响了在小区域内的计算结果，则该检验系统将完全无法工作。因此，这个算法是可靠的，并且不需要为了得到令人满意的工作结果而对甚至接近正常技术指标的照明系统进行附加的照度归一化处理。干扰物消除的示例

该镜片检验系统能够通过在分析基础上消除透明小容器上的划痕或残点和浮动在盐溶液17中的灰尘或其它杂质，检测镜片内的实际缺陷。图12a和图12b表示图4a和图4b中的镜片，和当透明小容器顺时针转动45°时镜片的一个点缺陷39、透明小容器上的一条划痕43和盐溶液中的一个浮动灰尘颗粒41，镜片从图4a和图12a所示的第一图象顺时针转动90°变化到图4b和图12b所示的第二图象。为了便于讨论，假定这些点是区域中的一个象素。如在下文一个示例中所解释的那样，该镜片自动检验系统将忽略由浮动颗粒41和容器划痕43形成的干扰物，而将黑点39识别为镜片的一个缺陷。

图4a表示第一图象的一个示例，该图象是在第一摄像机检验台11摄取的一个镜片图象。如图4a所示，该图象表示出对应于黑点39、容器划痕43和浮动颗粒41的深色区域。图4b表示在所说镜片、盐溶液和透明小容器已经被容器转动部件45转动之后在第二摄像机检验台13摄取的相同镜片的第二图象。为了便于讨论，假设容器已经顺时针移动45°，并且镜片已经从第一图象向第二图象顺时针移动90°。这个假定的移动仅仅是为了说明。应当理解，实际上任何转动都是可以接受的。所以在第一和第二图象之间还可以有平移。但是，为了简化说明，和增强对本发明的理解，在这个示例中仅仅考虑转动。

参见图4a、4b、12a和12b，通过印刷在镜片上的WJ标志37的顺时针90°位移可以看出镜片第二图象相对于第一图象的转动。这个标志用于标识制造者Wessley Jessen，还用于标识镜片上可以用来定位第二图象相对于第一图象的平移和转动的一个固定点。

为了便于分析，如图4a所示，标志37在第一图象中的位置是相对于S-矩阵的0°的垂直角度基准线60°。将图4a和图12a中的标志定义为第一图象的0°基准。图4b和图12b所示第二图象的镜片相对于第一图象顺时针转动90°，所以如图4b所示，第二图象的0°标志坐标位于距所说S-矩阵垂直基准线150°处。将图4b和图12b中的标志定义为第二图象的0°基准。

为了比较两个图象中视在缺陷39、41和43的位置，需要在数学上平移第二图象的数据，直到这个图象的镜片与第一图象的镜片重合为止。当这些图象重合时，可以比较每个图象中黑点的位置，那些由于透明小容器和溶液相对于镜片的移动而移动的黑点将被识别为不是缺陷的干扰物。

如上所述，在该镜片检验系统中，第二图象相对于第一图象的平移是通过S-矩阵数据的仿射变换实现的。所说S-矩阵保存有图象的光强值，其中矩阵列表示相对于0°垂直轴的固定角度，矩阵行表示固定半径。因此，如图13所示，在图4a和图12a所示第一图象的S-矩阵75中，镜片上的黑点39是坐标为R2，θ的一个深色区域，其中R2为从图象中心到黑点39的距离，θ为230°角度，其对应于所说黑点相对于穿过第一图象中标志37的0°基准线的位置。如在S-矩阵75中所示，该黑点的图象数据是矩阵元77，该矩阵元位于第一图象的290列和R2行。这个列和行对应于该黑点在第一图象中的径向和角向位置。

列290对应于从所说S-矩阵的垂直基准线所夹的290°。这个角位置对应着相对于第一图象标志37的0°基准位置230°的一个角度(即，290°-60°)。同样，所说浮动灰尘颗粒41位于方格79，该方格对应于半径R3和角度θ，它是S-矩阵中300列和相对于标志240°的位置。透明小容器上的划痕43表示在方格81中，该方格对应于半径R1和相关角度θ，它是S-矩阵中180列和相对于标志120°。

参见图12b和图13，第二图象的S-矩阵83表示出保存在方格85的点39，其具有半径R2和角度θ，它是S-矩阵的20列和相对于镜片第二图象中标志230°。这个黑点是镜片的一个缺陷，它在两个图象中与标志保持相同的半径和相对角度位移。所说浮动灰尘颗粒41位于第二图象S-矩阵83的方格87中，半径R4，角度θ，它是该矩阵的340列和相对于镜片第二图象中标志190°。这个位置是由于溶液和溶液中的颗粒41的顺时针移动产生的。透明小容器上的划痕43位于第二图象S-矩阵的方格89中，半径为R1，角度为θ，它是S-矩阵的225列和相对于镜片第二图象的标志75°。这个角位置对应于假定的透明小容器相对于镜片运动的45°顺时针移动。

对于S-矩阵83实施仿射变换，使得将镜片的90°移动从第二图象数据中减去，以将这个数据转动到与第一图象的数据重合。进行90°平移以抵消第二图象相对于第一图象的90°顺时针移动。然后将经过变换的第二图象S-矩阵84与第一图象的S-矩阵75比较，以产生一个合成S-矩阵图象91，该矩阵仅仅反映了两个矩阵75和84中的最大量度象素。

因此，当将第一图象的矩阵75中的深色方格81与变换矩阵84的相应明亮空白方格比较时，变换矩阵的明亮空白方格复制到合成的S-矩阵91的方格80中。同样，将变换矩阵84的深色方格82与矩阵75的相应明亮空白方格比较，并将矩阵75的明亮空白方格复制到合成矩阵的方格86。所以忽略了对应于透明小容器上划痕的黑点。因为这个黑点相对于镜片移动，所以不能是镜片的缺陷，从而被恰当地忽略。

同样，将矩阵75和84中对应于灰尘颗粒41的深色方格79和88与它们相应的明亮空白方格进行比较，并将这些明亮空白方格复制到合成S-矩阵91的方格90和92。所以消除了S-矩阵91中浮动灰尘颗粒41的黑点。这是正确的，因为该浮动颗粒41相对于镜片移动，所以不是镜片的缺陷。

保留到合成S-矩阵91中的唯一黑点是黑点39，它是镜片的一个固定缺陷。将这个黑点复制到矩阵91的方格94，因为第一图象矩阵75的深色方格77与在经过变换的S-矩阵84中相同的R，θ位置的深色方格96匹配。所以图13表示了在镜片自动检验方法中用于消除溶液中杂质和透明小容器上刻痕的方法。合成的S-矩阵仅仅包含对应于镜片缺陷的黑点。如果在视觉区中存在这类点，则通过如上所述分析拼合的多个区域将它们作为缺陷检测出来。印色图案检验

镜片上的虹膜印色图案可以用一组数据来检验，在已经找到镜片中心之后能够很容易地获得这些数据。这个数据组是沿镜片界限周围具有规则角度间隔的径向线段的图象亮度值阵列。沿各个径向线段的亮度值保存在S-矩阵中。如上所述，所说S-矩阵列包含沿一个固定角度路径的值，而矩阵行包含沿一个固定半径路径的值。S-矩阵的虹膜部分表示在半径r₁与r₂和角度θ₁与θ₂限定的一个区域内的亮度值图，但是以矩形行和列格式显示。在这个分析过程中，分别选择r₁和r₂作为所说虹膜印色区域的内径和外径。选择角度θ₁和θ₂覆盖从0至360度的整个圆周。

对于S-矩阵的这个描述假设了所说径向路径与以镜片中心为中心的圆周路径交叉。这种算法的更复杂的形式可以利用模拟镜片形状的一个椭圆或多项式生成路径。

所说S-矩阵的大小为M×N，其中M为沿一个固定角度路径所取的点数，N为角度数。可以针对S的最佳大小进行实验。在获得更多的细节和使用更多的处理时间之间寻找折衷方案。由于目的是寻找印色图案中较大的空白图案，所以在S矩阵中不需要使用较大点数。使用的最佳大小可以根据经验来确定。

图14再现了一个镜片的图象。这个镜片在印刷区域含有多个中等尺寸的间隙，但这是图案设计的一部分。这种印色图案是可以接受的。相反，图15所示镜片具有一个较大的、穿过印刷区域的未印刷区域93。这个镜片显然应当剔除。图16表示使用600个角度(大约每隔0.6度取一个点)和150个径向步距从图14所示镜片上获得的S-矩阵。有关印刷区域质量的信息清晰地保存在这个S-矩阵中。

借助于标准的对比度增强方法可以增强亮区与印色图案之间的对比度。这种方法包括以这样的方法将一个点函数u=f(s)应用于该阵列的每个阵元“s”，使得灰度在整个亮度值范围内更加均匀地扩展。但是，这种方法费时间，对于S-矩阵的每个阵元至少实施一次乘法，并且不会实现有益于检测亮区目的的任何效果。这种方法对于将S图象与一个检测器如人的视觉系统匹配是有用的，但是这种方法在自动检验系统中是没有用的，在自动检验系统中操作者可以使检测器与图象匹配。相反，我们使用如下所述的一种阈值检测方法。

阈值检测可以用于区分具有高亮度值的象素与不具有高亮度值的象素。用u=f(s)定义一个阈值函数，其中

在实施时，将U-矩阵定标，使得0为最小值(黑色)、1为最大值(白色)。将该阈值函数应用于S产生一个新的矩阵，比如说U，其中所有值为0或1。具有大量高亮度值点的一个S区域在U中表现为一堆1。在图17-20中表示了不同阈值设定值条件下图16所示S-矩阵的U-矩阵。图17表示在(0，255)量度标尺上用T=235构成的一个U矩阵。图18表示用T=215构成的一个U-矩阵。图19表示用T=200构成的一个U-矩阵，图20表示用T=150构成的一个U-矩阵。

阈值的选择是重要的，但是不是特别灵敏的。它应当在印刷象素的最高灰度值与一个非印刷象素的亮度值之间。存在一个可以用作阈值T的值的范围。参见图21中的亮度S-矩阵直方图，我们看到，阈值可以是范围200至235中任何值。应当注意，使用低值T=150除了最黑的区域之外丢失了所有区域，如图20所示。这对于寻找印刷区域中的标志的操作是有用的，但是对于寻找印刷图案中的间隙是没有用的。在操作系统中T值可以通过依序测量若干镜片视觉区的平均亮度值而自动设定。如果你仅仅在当前的镜片上设定该阈值，则一个模糊的视觉区可以导致T值过低。T应当设定为低于平均亮度值大约20灰度级。作为一个示例，如果镜片中央区域的平均亮度值是242，由此可将阈值设定在222。使用这种自动方法能够确保印刷区域亮度值低于T，在U-矩阵中表现为黑色。为实现可靠操作，推荐自动设定T。

通过检查亮度直方图可以验证可能的阈值范围，图21表示了这样的一个示例。印刷象素和非印刷象素在大约215的最小值两侧清楚地分为两个亮度区域。

我们可以通过将对U-矩阵分级而得到的矩形区域的亮度值加和来搜索亮区。可以预料到，在亮区所说和值较大，而在其它区域较小。这个块的大小应当大约为导致剔除的印刷区域中最小亮区的大小。这个台级大小是在效率与确保所说检验窗步距落在亮区之内的需要之间的折衷值。

令A是一个矩阵，其中A(i，j)为位于位置(i，j)的块内U值之和。则当所说块在一个亮区上时A具有较大值，而当它在一个黑色区域上A具有较小值。块大小为50×50，在各个方向的步距大小为10时，A的平面图在21列和6行位置具有一个峰值。在图22中将具有由这个峰值定位的块的U矩阵突出显示。应当指出，50×50大小的块约略地覆盖了印刷区域的透明区。

图23和图24分别表示使用30×30和60×30的搜索框定位的亮区。显然，不论搜索框的大小是多少，所确定的是相同的区域。我们希望接受这些印刷间隙，因为它们是图案设计的一部分。所以，检验框的大小必须基本大于60×60。

为了寻找印刷区域中较大的问题，需要增大检验框的尺寸。图25表示了一个示例。在该图中我们看到，一个100×100的检验框设置在非印刷区中。这提供了选择检验框大小的一个指示。

该分析程序包含以下部分：

1、选择S-矩阵中对应于印刷区域的行。所选择的行应当覆盖印刷区域，但是不包含视觉区中和印刷区域以外的亮区。

2、构成作为S阈值形式的一个矩阵U。这个阈值应当比视觉区中的平均亮度低20亮度级。

3、用一个检验框扫描该U-矩阵，所说检验框大小与你想要检测的印刷区域中的间隙基本相同。

4、如果任何一个检验框的和值大于一个可接受的阈值，剔除该镜片。这个阈值应当是所说扫描框大小的大约80％。标志检验

标志检验的目的是确定已经适当地印刷在镜片上的标志。配戴者使用该标志确定镜片取向。如果该标志印刷错误，使得无法认读或者印刷位置严重错误，则不能起到所说作用。此外，印刷不正确的标志向顾客指示生产工艺控制水平低下，和产品信誉降低的原因。由于这些原因，需要检验标志，和确定它具有可以接受的质量。

一个镜片标志的示例是由彼此偏移的姓名头一个字母W和J构成的。该示例表示在图26中，其中左边的标志来自一个单色镜片，右边的标志来自具有印色图案的一个镜片。需要能够定位和检验两种类型镜片上的标志。

标志检验的主要难题在于确定该标志是否具有正确的结构。建立在一个较明亮背景下定位具有一个大的黑色目标物的区域的方法是不困难的。较为困难的是分析黑色区域的结构，以确定它是标志的可接受形式。图27(a)-(e)表示了奇形怪状的标志的一些示例。示例(a)、(b)、(d)、(e)具有导致剔除的缺陷。示例(c)的边界线是可以接受的，因为配戴者能够从两个部分的相对位置确定取向。

通过构成识别字母W和J的一种方法可以着手建立一种标志检验算法。一旦定位和识别了这些字母，就能够测量它们的相对方位。如果没有识别出它们，或者如果相对方位不正确，则该镜片不能通过检验。下述的算法基本遵循这个方法，但是没有采用一般的识别工具。因为只有两个图案需要评价，可以有效地使用一种相对简单结构的几何方法。

下面列出该算法的步骤。应当指出，定位镜片和构成S-矩阵的步骤在集成检验系统中其它部分实施，但是为了完整也列在这里。

1、在图象中定位镜片和构成S-矩阵。

2、通过对S矩阵元应用一个亮度阈值构成一个矩阵U。其目的是在亮度基础上将黑色标志象素与背景印刷象素分开。(在一个自动系统中可以动态调整该阈值。)

3、定位矩阵U中包含该标志的行的范围。这相当于寻找镜片上包含标志的角向扇区。选择矩阵U的所说行范围以构成一个缩小的矩阵A。

4、选择矩阵A中最大的一组连续黑色象素作为W部分。计算包含w的一个检验框的顶角和中心。

5、选择A矩阵中次最大的一组连续黑色象素作为J部分。计算包含J的一个检验框的顶角和中心。

6、相对于可接受的技术指标评估由W和J框形成的几何关系。

几何比较基于从W和J框坐标计算得出的5个参数：

1、W框中心与J框中心之间的距离D。必须落入区间DWJMIN＜D＜DWJMAX。

2、W框的角向尺度DWA(宽度)。必须落入区间DWAMIN＜DWA＜DWAMAX。

3、W框的径向尺度DWR(高度)。必须落入区间DWRMIN＜DWR＜DWRMAX。

4、J框的角向尺度DJA(宽度)。必须落入区间DJAMIN＜DJA＜DJAMAX。

5、J框的径向尺度DJR(高度)。必须落入区间DJRMIN＜DJR＜DJRMAX。

6、W框的高宽比WA=DWR/DWA。必须落入区间WAMIN＜WA＜WAMAX。

7、J框的高宽比JA=DJR/DJA。必须落入区间JAMIN＜JA＜JAMAX。

8、W框的面积AW=DWA×DWR。必须落入区间AWMIN＜AW＜AWMAX。

9、J框的面积AJ=DJA×DJR。必须落入区间AJMIN＜AJ＜AJMAX。

10、W的中心WC必须落入标志位置的径向限制范围内。WCMIN＜WC＜WCMAX。

标志要通过检测必须通过全部10个检测。每次检测涉及限定一个可接受区间端点的一对参数。这20个值决定了可接受标准，必须根据标志字母的规格和在镜片上的所需位置建立。采用这种检验方法的实验表明这种方法对于标志质量是快速和有效的一种检验筛选方法。

有可能收集8个计算参数的统计信息D、DWR、DJA、WA、JA、AW、AJ、WC。在生产过程中跟踪这些参数将对于印刷过程中的问题产生一个在线指示，并且能够在该过程发生故障之后采取补救措施。边缘检验

镜片的边缘必须是平滑和连续的。边缘缺陷包括刻痕、切口、断裂和粘附异物。所说出现在边缘上的刻痕可以如此之小，以致于几乎看不到它们，除非在高倍放大的情况下。图28(a)-(d)表示在隐形眼睛片边缘上一些必须检测和剔除的缺陷的一些示例。

镜片边缘的自动检验需要大量的模型。边缘检验依赖于对边缘图象轮廓的分析，所说轮廓是在边缘的几何模型基础上构成的。所说边缘模型可以对检验矩阵中边缘的椭圆参数拟合和多项式拟合。优选的是多项式拟合。

边缘检验方法是发现边缘轮廓急剧变化的基本方法之一。可以看到在S-矩阵中边缘轮廓是几乎水平横穿矩阵的一条黑色直线。图7表示了这种轮廓33的一个示例。

图30表示沿包含一个缺陷的镜片边缘的一部分的S-矩阵的一小区段的轮廓。在这个表面图中镜片33的边缘表现为一条深沟。沟的底部对应于边缘的最黑部分。在该表面图中可以看到所说缺陷表现为沟侧面的一个凸起96。这种检验算法通过寻找边缘轮廓中小范围变化可以检测到这样的缺陷。

下面概述一种检验方法，该方法能够通过分析S-矩阵中的边缘轮廓定位缺陷。在该方法中存在许多可能的变化，每种变化具有各自的调整参数，可以通过多种方式，自动或手动设定这些参数。

1、定位镜片的中心，和构成检验S-矩阵。径向轮廓线必须延伸穿过镜片边缘。

2、定位包含所说边缘的矩阵行段。这个步骤可以用许多方式实现，只要能够突出黑色区段即可。

3、使用一种比较度量制，以将k列的轮廓值与一个模型进行比较。这个模型可以是静态的，或者可以是利用S-矩阵边缘轮廓的一个子集构成的。这种比较可以是简单的或复杂的，例如调整最小点位置和轮廓深度的变化。每种比较的结果是每列的一个或多个数值的集合，这个结果描述了边缘轮廓与该模型比较的匹配程度。

4、定位那些与模型相比的变化使之可疑的轮廓。

5、可以选择地，对可疑轮廓区域进行附加分析。

6、在一对镜片图象的第二个图象上进行匹配边缘分析。

7、比较可疑的边缘点的位置。如果可疑点在两个图象上的位置不匹配到处于给定位置允差范围内，则假定该效果是由一个移动的异物引起的。如果它们的位置匹配，则假定它们是镜片边缘上的一个缺陷。

这种检验算法可以在一个单图象系统中使用。在这种情况下，该方法也可检测边缘缺陷，但是容易由于图象中的异物错误地剔除镜片。可取的是，将这种算法用于两个图象，并比较在两个图象中所检测的缺陷。如果在两个图象的同一边缘区域中都检测到一个黑点，就可以将其识别为一个镜片缺陷。多项式边缘拟合

在一个优选实施例中是通过将边缘数据与该边缘的数学模型比较来检测边缘缺陷的。一种优选的边缘模型方法是用多项式拟合用极坐标表示的数据点，然后结合多项式表示。基本的方法可以参照一个ρ_i对β_i的曲线图，例如图30来介绍。如果将数据分组为对应于角度区间(0°，90°)、(90°，180°)、(180°，270°)、(270°，360°)的四个区段，则可以计算出每个区段上对于ρ对β的多项式近似。对于使用这种方法来说，这些区段不必完全如这里所述，甚至无需相近。一个变化是允许某些数据组的重叠，这种便于在数据组边界处插入值。

用S_i，1≤i≤n表示数据组，其中n为数据组数目。使多项式f_i(β)定义在Si的各个点上，使得方差和

最小。这个多项式的系数可以利用标准方法求得。如果所选择的多项式具有相同方次p，则可以将它们写作下列形式

f_{i} (β) = c_{i 0} + c_{i 1} β + c_{i 2} β^{2} \dots + c_{ip} β^{p}, 1 \leq i \leq n

这组多项式构成了镜片边缘的一个模型，因为由此可以计算出任何角度下的半径。给定一个β值，选择它落入的区域。然后使用适合的多项式函数计算半径。如果该角度接近边界，计算相邻区域中在接近所说边界的角度的半径，并将该半径值插入。

必须注意，只能在计算它们的区域中使用所说多项式表示。多项式近似在它们的定义区域以外显然是不正确的。通过允许这些区域重叠，能够减少这种边缘效应。

多项式模型与椭圆模型相比的优点在于易于处理具有某些畸变的镜片。例如在检验部分水合镜片的情况。在这种情况下，椭圆拟合可能是效果较差的，会导致在检验程序中剔除镜片，而多项式方法较好，能够适应镜片轮廓边缘的平滑变化。

在多项式拟合中使用的项数依赖于可以得到的数据量和数据变化速率。通常，应当使用比计算系数所使用的数据点多大约1/3的数据。实际上，已经成功地使用过10阶的多项式，尽管可以使用较高或较低方次的多项式。

在已经计算了镜片边缘的一个模型之后，可以返回来，精选边缘点数据组。这可以通过计算该数据组中每个点距边界的距离，然后将落在规定距离以外的那些点去掉。然后可以使用缩减的数据组生成该模型参数的新估算值。这种精选过程在任何可能存在干扰物的环境下都是必须的。干扰物的存在有许多原因，包括透明小容器上的划痕和容器中液体里的杂质。利用前面所述的“清理”程序无法将处于黑色边缘区域中的这些干扰物消除。通常应当使用精选步骤。所说精选程序可以与椭圆方法或多项式方法结合使用，事实上，也可以与任何其它方法结合使用。

在获得一个边缘模型之后，可以使用该模型定位在中心周围任意角度的模型点。使用查阅表往往能够提高这种方法的效率。只需计算一次所说查阅表，之后可以将该查阅表用于将来的所有计算。如果需要使用不在该表中的一个值，可以从最接近的表中插入。该系统已经使用了在镜片边缘周围1/2度角度的720个点的一个查阅表。其它点的半径值是插入的。椭圆边缘拟合

尽管优选的是多项式边缘拟合，但是在模拟边缘时也可以使用椭圆拟合。在另一个实施例中，使用椭圆模型作为初始近似，以粗略地定位镜片边缘数据区域。之后，使用多项式模拟这些数据。圆形镜片的椭圆表示是有用的，因为当它相对于视角倾斜时与镜片的外观是近似的。此外，由于制造工艺的变化，所说镜片实际上也可能是略椭圆形的。

这种边缘寻找算法提供了基本落在镜片边缘上的一组点。对于图象的多种实际的限制和边缘寻找方法会产生边缘点位置的噪声变化。此外，会发现许多点甚至不在边缘附近。这种边缘模型算法必须处理边缘数据的所有随机情况，并且仍然能够较好地表示边界。椭圆模型允许图象和生产工艺的合理变化，并且提供了一种良好、严密的参数化模型。

一个椭圆可以用5个参数描述，就是说，中心坐标(C_x，C_y)、主轴和副轴的长度a和b、以及主轴相对于水平轴的角度φ。最简单的情况是所说中心位于坐标系的原点，所说主轴在水平方向。椭圆上的一个点(x，y)的坐标值由下式表示：x=acosθy=bsinθ其中θ为角度参数。中心至点(x，y)的距离由欧几里德距离公式给出：方程E1：

d = \sqrt{x^{2} + x^{2}} = \sqrt{a^{2} \cos^{2} θ + b^{2} \sin^{2} θ}

从所说点(x，y)至中心的直线与水平轴的角度为

α = \tan^{- 1} [\frac{y}{x}] = \tan^{- 1} [\frac{b \sin θ}{a \cos θ}]

角度α仅仅在主轴和副轴具有相同长度时等于角度参数θ。

通过坐标变换可以使任何几何特征围绕坐标系原点转动。实际上，我们保持几何特征不动，而转动坐标系轴。用(x，y)表示一个坐标系中某点P的位置，(u，v)表示转动坐标系中相同点的位置。让这两个坐标系具有相同的原点，但是其坐标轴转动一个角度φ。然后在两个系统中点P的坐标由下式关联：用矩阵形式可以表示相同的信息：

通过在每个坐标上增加移动值就可以简单地移动一个椭圆的原点。位于(C_x，C_y)的一个转动椭圆的方程为：

u=C_x+acosθcosφ+bsinθsinφ

v=C_y-acosθsinφ+bsinθcosφ

在这个分析过程中，我们假定已经利用中心确定算法定位了几何特征的中心，并且仅仅对于求得三个参数值{a，b，φ}是必要的。

所观测的数据是一组点(u_i，v_i)，1≤i≤n。这些点中大部分落在镜片边缘上或附近，但是有一些点会落在远离边缘处。我们的目的是使用好点以一个椭圆拟合所观测的数据，消除在边缘以外的外部点。我们必须求得主轴和副轴长度以及转动角度。

从数据中确定参数值的常用方法是统计估算法。在这种情况下，参数(a，b，φ)以非线性方式与一组点(u_i，v_i)，1≤i≤n相关。这些参数值必须在实时产生过程中在严格的时间限制下加以确定。所以需要考虑能够简化估算过程的点变换。

椭圆上的一个点(u，v)与原点的距离由下式给出：

方程E3：

R = \sqrt{u^{2} + v^{2}}

从该点至中心的直线相对于水平轴的角度为：

β = \tan^{- 1} [\frac{v}{u}]

我们可以计算出一个数据组中各个点的半径值和角度值。这相当于从直角坐标变换到极坐标：

(u_p，v_l)→(R_p，β_i)，1≤i≤n.

从单个数据点，如极端值的位置估算所说参数值的做法是不可取的。这种估算方法容易受到噪声和非正常数据的影响。估算应当利用从整个数据点组中可以得到的全部信息。因此，我们将开发一些分析工具以利用所有这些值。

从方程E2可以看出，u²+v²=x²+y²，其中(x，y)为主轴在水平方向的一个椭圆上与(u，v)相对应的点。从方程E1我们可以看到：

R²=a²cosθ+b²sin²θ代入三角恒等式

我们可以将上式写为

R^{2} = \frac{a^{2} + b^{2}}{2} + \frac{a^{2} - b^{2}}{2} \cos 2 θ

这表明R²的平均值和R²的偏差量对于确定参数(a，b)值是重要的。所以，我们定义下列中间参数：

它们对应于R²的平均值和幅值。从方程E3给出的R的定义我们知道能够计算出每个数据点(u_i，v_i)的R² _i值。如果我们能够使用R² _i值计算出参数C和M的值，则我们能够从下式中求得a和b：

角度φ相当于正弦曲线的相位角，所说正弦曲线拟合位于隐形眼镜片椭圆轮廓上或附近的边缘点的半径R_i相对于角度β_i的曲线图。需要指出，R²对β的曲线图经历了在-180°≤β≤180°范围内的两个周期。因此，我们用下列形式的曲线拟合数据：

方程5：f_i=C₁cos2β_i+C₂sin2β_i+C₃其中f_i为将β_i代入该方程计算出的一个值。我们希望选择这些系数值，从而使f_i的拟合值与实际值p_i=u² _i+v² _i尽可能接近。

如果能够从数据中求得系数值{C₁，C₂，C₃}，则可以求得椭圆参数。通过将方程5表示为一个常数项和一个正弦项可以得到所需的关系式。

f_{i} = \sqrt{C_{1}^{2} + C_{2}^{2}} (\frac{C_{1}}{\sqrt{C_{1}^{2} + C_{2}^{2}}} \cos 2 β_{i} + \frac{C_{2}}{\sqrt{C_{1}^{2} + C_{2}^{2}}} \sin 2 β_{i}) + C_{3}

通过定义下式可以将上式变换为幅值-角度形式：现在我们可以使这个方程的参数与半径R_i相对于角度β_i的曲线图中的值相关。幅值A对应于幅值M，C3对应于方程4中的C。此外，γ为该函数达到其最大值时的角度，所以它等于转动角度φ。这意味着如果我们能够求得{C₁，C₂，C₃}值，我们就可以计算出所有的参数{a，b，φ}。明确地表示就是：方程6：

现在我们必须做的就是确定如何从数据中计算这些系数。

开始时我们计算该数据组中每个点(u_i，v_i)的(p_i，β_i)值。在已知每个点的β_i之后，我们就能够用这些系数计算出f_i。所以，如果我们已知这些系数值，我们就可以计算出模型与观测数据之间的误差。

ϵ = Σ_{i = 1}^{n} (p_{1} - f_{i})^{2}

为了求得这些系数的最佳值，我们设定：由此导出包含三个未知数的三个方程。

从观测数据能够计算出矩阵A和B中的所有项。然后通过求解这组方程可以求得系数值{C₁，C₂，C₃}。通过以下计算可以从数据点获得这些矩阵元：

无需首先计算角度，从数据点的坐标值即可直接计算出函数cos2β_i和sin2β_i。这基于以下事实：

二倍角公式给出：

如果我们定义一对参数

于是矩阵元的所有方程都可以简单地用这些参数表示：

最后，可以通过下式求得这些未知系数的解：

C=A^-1B

使用方程6可以从这些系数值计算出主轴和副轴以及角度。

椭圆边缘拟合方法不要求将镜片边缘上的点按照任何特定的次序排序。在初始边缘搜索中找到的L、R、T和B组中的点都可以使用。对于组中每个点计算(g_i，h_i，p_i)值，然后根据上述方程将这些结果结合以求得这些参数。系统流程图

如参照图1所述，一个计算机64控制用于获取经过星形轮1的透明小容器的图象和分析这些图象以检测在制造过程中导致镜片被剔除的镜片缺陷的装置。该计算机按照下述流程的程序运行。可取的是该计算机程序用C⁺⁺编程语言编写。实现流程图所述功能所需的程序步骤对于普通编程员来说是显然的。

图31表示在制造过程中当隐形眼镜片围绕星形轮移动时用于获得各个镜片图象的功能步骤的流程图。如方框95所示，当如图1所示透明小容器移动到一个起始位置29时，用一股气流吹干透明小容器底部上的湿气。然后星形轮1向前移动一个位置，使得所说容器移动到第一摄像机位置11，并摄取放置在容器中溶液里的隐形眼镜片的一个第一图象。之后，在起始位置29吹干下一个透明小容器底部的湿气，星形轮向前移动一个位置，处于第一位置的透明小容器移动到第二位置，并当它移动到第二位置时被胶带45转动。然后摄取现在位于第一摄像机位置11的透明小容器的第一图象。

如流程图所示，上述操作继续进行，直到计数10，这时在起始处已经摄取图象的透明小容器移动到如图1所示的第二摄像机位置13。如图31中方框97所示，所说第二摄像机摄取在第10位置13处的透明小容器的一个第二图象。之后，由计算机程序分析处于第10位置的镜片和透明小容器的第一图象和第二图象，并对该镜片作出合格/不合格判定。然后该镜片根据计算机缺陷分析结果移动到合格品传送机或不合格品传送机。随着透明小容器和隐形眼镜片围绕星形轮移动，所说程序继续进行。

因为两个成象站允许透明小容器在星形轮上连续移动，所以该程序是有效的。在第一与第二成象位置之间的容器数量限定为10，是为了有足够的时间使透明小容器、镜片和溶液的转动在摄取第二图象之前停止下来。该系统并不限制在光学检验台之间的光学检验台或镜片位置的具体数量。实际上，可以使用一个光学检验台摄取每个容器的第一和第二图象。在这种情况下，在第一图象与第二图象之间需要有一个时间延迟，以使得溶液和镜片的移动在摄取第二图象之前停止。可取的是使用两个分开的光学检验台，以提供连续移动的容器，从而提高该系统的产率。

图32表示将一个容器和镜片的第一和第二图象结合以构成一个合成图象的程序功能的流程图，所说合成图象排除了由镜片溶液中的杂质和容器上的划痕或标记产生的干扰物。参见图32中的方框98，获取如参照图31所述的每个容器的第一和第二图象。然后，将这些图象的光强信息归一化以补偿环境光的变化。之后，以下述方式确定每个图象的中心，并且用极坐标表示保存在直角坐标的S-矩阵中的光强数据。

尽管可以从镜片的完整图象中消除干扰物，但是其巨大的计算量是不必要的。实际上，已经发现只需要校正镜片上的某些区域以消除不属于缺陷的干扰物。已经发现，通过首先消除干扰物能够有效地分析诸如视觉区、印色虹膜和标志等区域。所以，如方框99所示，该程序需要选择第二图象中一个特定区域以消除干扰物。通过使用例如一种仿射数学变换将这个区域中的象素进行变换，以使第二图象中的象素与第一图象中的对应象素重合。如判断框101所示，程序比较第一和第二图象中每对象素，并生成一个合成图象的象素，该象素具有与所比较的象素中亮度最大的一个相同。所以合成图象消除了所有相对于镜片位置改变的干扰物。于是从合成图象中消除了移动的干扰物或缺陷特征。然后分析合成图象以检测缺陷。

图33表示用于检验镜片中心视觉区的计算机功能的流程图。如方框103所示，获取所说视觉区中N个拼合检验区域的S-矩阵。计算每个区域的亮度偏差BD。每个区域的亮度偏差BD，由该区域中的黑色特征相对于在该区域中测得的平均光强的变化确定。

如方框105所示，设定一个高阈值T2和一个低阈值T1，以便为每个区域的亮度偏差赋予分数。之后，如判断框107所示，如果亮度偏差小于或等于T1，则将每个拼块的亮度偏差分数设定为0。如果该拼块的亮度偏差大于T1，小于或等于T2，则将其偏差分数设定为2。如果该亮度偏差大于T2，则将其偏差分数设定为6。对该视觉区中的所有检验区域赋予分数，并且如方框109所示，将这些分数相加，如果该和值大于或等于5，则剔除该镜片。如果这些拼块偏差分数的和值小于5，则该镜片通过视觉区检验。

图34表示用于分析虹膜印色图案以找出不能接受的缝隙的功能程序步骤。如方框111所示，获取环形虹膜印色图案的、已校正干扰物的合成S-矩阵。然后将阈值T设定为低于镜片视觉区中心平均亮度20亮度级。之后从阈值T和S-矩阵计算一个U-矩阵。如果S-矩阵的各个光强值大于或等于T，则将S-矩阵的各个光强值设定为1并复制到U-矩阵，如果S-矩阵的光强值小于T，则将其设定为0并复制到U-矩阵。所以U-矩阵包含所说印色图案的一个相对较高对比度的图象。选择阈值T以增强所检验印色图案的特征。

然后用对应于印色图案中能够导致剔除镜片的最小透明间隙的一个区域定义一个检验框。接着设定一个检验框亮度阈值BT。之后在U-矩阵上扫描该检验框，如果检验框内象素亮度之和大于亮度阈值BT，则剔除该镜片。如果检验框内象素亮度之和等于或小于亮度阈值BT，则继续扫描该检验框。如果该检验框扫描了整个U-矩阵，并且发现象素亮度之和不大于所说亮度阈值BT，则表明该镜片通过了印色图案检验。

图35a和图35b表示用于分析印刷在隐形眼镜片上的标志字符的功能程序步骤。如图35a中的方框113所示，获得镜片的合成S-矩阵，以提供已经消除干扰的数据。设定一个非常高对比度的阈值T，并以上述方式使用U-矩阵，以构成一个基本上只表现出镜片上黑色标志印刷区域的一个非常高对比度的图象。

如图35a中方框115所示，分析所说标志以选择U-矩阵中最大的一组黑色象素作为第一字符。然后确定一个检验框B(1)的尺寸以围闭这个字符。之后，逐次选择较小尺寸的字符，和确定包含这些字符的检验框，直到已经检测完所有的字符为止。在所述实施例中，只检测两个字符W和J。

从如图35b所示判断框117开始，检验每个字符框的选定几何特征。如果没有检测到一个字符的任何所需几何特征，则该镜片为不合格品。如果所有字符都具有所需的几何特征，则该镜片检验合格。

图36表示用于检测镜片边沿或边缘上缺陷的计算机程序所需的功能步骤。如方框119所示，获取第一和第二图象的S-矩阵。每个图象的边缘数据由S-矩阵中的一条黑色水平线限定。在每个S-矩阵中定位所说边缘数据，并在每个图象中确定镜片的中心。首先可以通过施加椭圆近似定位边缘数据，并如上所述消除外部数据点。之后，定义一个10阶多项式，以构成每个图象边缘模型，其具有四个重叠区段。不要求特定阶次的多项式和特定数目的重叠区域。但是，在实验中已经发现10阶多项式和4个重叠区段是足够的。

然后将每个图象的多项式边缘与实际的边缘数据进行比较，并产生分布数值以指示模型与表示可能的缺陷的边缘数据之间的不匹配。之后，将第一和第二图象中可能缺陷的位置进行比较以确定在每个图象的同一区域是否存在不匹配。如果在同一区域存在不匹配，则计数视在缺陷，并继续进行不匹配的定位、分布数值的产生和视在缺陷的比较，直到找出所有视在缺陷。如果视在缺陷的数值超过预定阈值，则剔除该镜片。如果没有找出缺陷或者缺陷数目少于预定阈值，则该镜片通过检验。

图37表示定位镜片中心和边沿或边缘所需的程序功能。如方框121所示，对于每个镜片图象从顶部和底部以及左侧和右侧扫描摄像机电荷耦合器件产生的光强数据以找出黑色象素。在从图象的黑色边沿向内扫描过程中，该程序检测何时图象的光强度从一个高强度下降到一个低强度。光强度的这种急剧下降确定了镜片边缘的位置。当沿相同方向继续扫描时，该程序检测出光强度从低值向高值的急剧增大。当最黑点在所检验的镜片边缘上时程序选择“a”。扫描从镜片的相对边缘沿同一水平线继续进行，并以相同方式产生一个点“b”，这个点是镜片相对边缘上的最黑点。按照这种方式在镜片图象1和2中从左侧和右侧以及上侧和下侧获得多对边缘点。这个程序定位镜片边缘上或在其附近的点。计算出每条a-b线的中心以构成通过镜片中心的许多直线。通过将这些直线的交点求平均值估算出镜片中心的位置。通过消除非正常点，例如采用多项式模型或椭圆边缘模型可以改善这个估算值。

虽然优选的是采用C⁺⁺语言和图示的独立子程序对该镜片检验系统的功能进行编程，以便于修改和更正，但是本发明的范围不局限于任何特定的编程语言或子程序设置结构。本发明的范围包括能够实现本发明镜片检验系统的功能和特征的任何编程语言或子程序结构。

在不脱离本发明构思的前提下可以改变所公开的制造设备如摄像机、选通光源、透明小容器、漫射体和准直器。例如，在不脱离本发明构思的前提下可以使用不同形状的和带有或不带有底部透镜表面的透明小容器或其它类型的镜片容器。本发明也不局限于使用胶带转动透明小容器或镜片容器，或使用两个摄像机。可以使用一个摄像机或两个以上的摄像机以摄取两幅或两幅以上的镜片图象。本发明的系统还可以用于检验除软隐形眼镜片以外的其它透镜。例如，可以使用本发明系统检验带有或不带有悬浮溶液的硬隐形眼镜片或任何类型的硬透镜。

所以在不脱离本发明构思或基本特征的前提下，可以以除本申请中所述方式以外的其它特殊方式实施本发明。因此，从各方面考虑，本发明的实施例都是说明性和非限定性的。

Claims

1、自动检验多个镜片的一种方法，该方法包括以下步骤：

将每个镜片放置在一个镜片容器中；

摄取处于其镜片容器中的每个镜片的一个第一图象；

转动每个镜片容器；

摄取处于其镜片容器中的每个镜片的一个第二图象；

将所说第二图象的每个象素与所说第一图象的对应象素重合；

将每个第一象素中至少一部分的象素与所说第二图象的对应部分的重合象素进行比较；

将所说第一图象中在重合的第二图象中具有对应缺陷特征的那些缺陷特征识别为镜片缺陷；和

将具有预定数量的所说识别的镜片缺陷的任何所说镜片作为废品剔除。

2、如权利要求1所述的方法，其特征在于所说识别步骤包括产生一个合成图象的步骤，所说合成图象中的象素具有与两个对应的比较象素中亮度较大的一个象素相同的光强度。

3、如权利要求1所述的方法，它还包括利用两个分开的光学检验台获得所说第一和第二图象的步骤，每个检验台使用一个选通光源短暂地照明所说镜片和镜片容器，并使用一个摄像机记录所说镜片和镜片容器的一个图象。

4、如权利要求1所述的方法，它还包括使用单个光学检验台获得所说第一和第二图象的步骤，其中：

使用一个选通光源短暂地照明所说镜片和镜片容器；

用一个数字摄像机记录所说第一图象；

转动所说镜片容器；

使用所说选通光源短暂地照明移位的镜片和镜片容器；和

用所说数字摄像机记录第二图象。

5、如权利要求1所述的方法，它还包括将所说第一图象和第二图象的光强度进行归一化处理以校正环境光变化的步骤。

6、如权利要求1所述的方法，它还包括以下步骤：生成所说图象中每个象素光强度的数字表示，定位每个所说图象的中心，和将每个图象的极坐标光强度数据保存在一个S-矩阵中，其中矩阵列保存固定角度数据，矩阵行保存固定半径数据。

7、如权利要求1所述的方法，它还包括以下步骤：

在所说镜片的视觉区中限定多个光检测区域；

确定在每个所说区域上的亮度偏差；

根据在各个区域上亮度偏差幅值的大小赋予每个区域一个数值分数；和

当所说分数之和大于一个预定阈值时剔除该镜片。

8、如权利要求1所述的方法，它还包括以下步骤：

确定每个所说图象的预定部分中每个象素的光强度；

设定一个光强度阈值，以增强所说预定部分的对比度；

将光强度等于或大于所说阈值的象素设定为“1”，而将光强度低于所说阈值的象素设定为“0”；和

分析所说合成象素值以检测过高亮度的区域。

9、如权利要求8所述的方法，其中所说设定光强度阈值的步骤包括将所说阈值设定为比所说镜片视觉区中心平均亮度低20亮度级。

10、如权利要求8所述的方法，它还包括分析一个镜片的虹膜环形印刷区域的步骤，该步骤包括：

定义一个检验框，该检验框的大小对应于在所说印刷虹膜中能够导致镜片被剔除的最小透明间隙；

在所说印刷虹膜区域的所说合成象素值矩阵上扫描所说检验框；和

如果在所说检验框内的合成象素值之和大于一个预定检验框阈值，则剔除所说镜片。

11、如权利要求10所述的方法，其中所说预定检验框阈值为检验框大小的80％。

12、如权利要求8所述的方法，它还包括分析所说镜片上印刷字符的步骤，该步骤包括：

(a)设定所说光强度阈值以将所说镜片上相对较黑的印刷字符与其它黑色图案区分开；

(b)形成所说印刷字符区域的合成象素值的一个字符矩阵；

(c)选择所说字符矩阵中最大的一组相邻黑色象素作为所说第一字符；

(d)计算包含所说第一字符的一个框的顶角和中心的位置；

(e)选择所说字符矩阵中次最大的一组相邻黑色象素作为下一个字符；

(f)计算包含所说下一个字符的顶角和中心的位置；

(g)重复步骤(e)和(f)，直至已经选择了所有字符；和

(h)相对于至少一个接受指标评估至少一个所说框的至少一个几何特征以确定该字符是否可以接受。

13、如权利要求12所述的方法，其中所说几何特征包括至少两个字符框中心之间的距离。

14、如权利要求12所述的方法，其中所说几何特征包括至少一个所说框的宽度。

15、如权利要求12所述的方法，其中所说几何特征包括至少一个所说框的高度。

16、如权利要求12所述的方法，其中所说几何特征包括至少一个所说框的高宽比。

17、如权利要求12所述的方法，其中所说几何特征包括至少一个所说框的面积。

18、如权利要求12所述的方法，其中所说几何特征包括至少一个所说框的中心位置。

19、如权利要求1所述的方法，它还包括以下步骤：

生成所说镜片边缘的一个数学模型；

将所测得的与所说第一和第二图象边缘相邻的象素的光强度与所说模型在图象边缘周围预定角度的光强度进行比较；

产生各个角度边缘比较的边缘轮廓数值，所说轮廓数值表示所测得的图象的边缘轮廓与所说模型的匹配程度；

确定第一和第二图象的边缘轮廓上具有表示不匹配的数值的点的位置；和

如果第一图象的预定不匹配数值在位置上与第二图象的不匹配对应，则剔除该镜片。

20、如权利要求19所述的方法，其中所说生成步骤包括生成所说镜片边缘的一个多项式模型。

21、如权利要求19所述的方法，其中所说生成步骤包括生成所说镜片边缘的一个椭圆模型。

22、自动检验镜片的一种方法，该方法包括以下步骤：

在一个镜片容器中的溶液中放置至少一个镜片；

获得所说镜片的一个第一图象；

使所说镜片，溶液和镜片容器彼此相对移动；

获得所说镜片的至少一个第二图象；

将所说第一图象的象素与所说第二图象的对应重合象素进行比较；和

仅仅当所说第一图象的多个象素和所说第二图象上对应的多个重合象素都是黑色时才将其识别为一个镜片缺陷。

23、自动检验镜片的一种方法，它包括以下步骤：

将一个镜片放置在镜片容器中的溶液中；

摄取在所说容器中的所说镜片的一个第一图象；

转动所说容器、镜片和所说溶液；

摄取所说容器中所说镜片的一个第二图象；

将所说第一图象的多个部分与所说第二图象的多个对应重合部分进行比较；和

构成一个合成图象，该图象消除了所说第一和第二图象之间的差异。

24、自动检验至少一个镜片的一种方法，该方法包括以下步骤：

(a)在一个镜片容器的溶液中放置一个镜片；

(b)摄取在所说容器中的所说镜片的一个第一图象；

(c)移动所说容器、镜片和所说溶液；

(d)在所说移动已经停止之后摄取在所说容器中的所说镜片的附加图象；

(e)重复步骤(c)和(d)以摄取在所说容器中的所说镜片的预定数目的附加图象；

(f)将所说第一图象的至少一个部分与每个所说的附加图象的对应重合部分进行比较；和

(g)将所说第一图象中在重合附加图象中具有对应缺陷特征的那些缺陷特征识别为镜片缺陷。

25、自动检验镜片的一种方法，该方法包括以下步骤：

将所说镜片放置在一个镜片容器的溶液中；

摄取在所说容器中的所说镜片的一个第一图象；

转动所说容器、镜片和所说溶液；

摄取所说容器中所说镜片的一个第二图象；

将所说第一图象的至少一个部分中的象素的光强度与所说第二图象的对应部分中的象素的光强度进行比较；和

构成一个合成图象，所说合成图象上的每个象素的光强度与所比较的对应象素对中亮度较高的一个相同。

26、自动检验镜片的一种方法，该方法包括以下步骤：

将一个镜片放置在一个镜片容器的溶液中；

摄取在所说镜片容器中的镜片的一个第一图象；

产生所说镜片与所说镜片容器之间的相对移动；

摄取所说镜片和所说镜片容器的一个第二图象；

使所说第二图象的每个象素与所说第一图象的对应象素重合；

将所说第一图象中至少一个部分的象素与所说第二图象中对应部分的重合象素进行比较；和

将所说第一图象中在所说重合的第二图象中具有对应的缺陷特征的那些缺陷特征识别为镜片缺陷。

27、如权利要求26所述的方法，其中所说识别步骤包括生成一个合成图象，所说合成图象上的每个象素的光强度与所比较的两个对应象素中亮度较高的一个相同。

28、如权利要求26所述的方法，它还包括利用两个分开的光学检验台获得所说第一和第二图象的步骤，每个检验台使用一个选通光源短暂地照明所说镜片和容器，一个数字摄像机记录所说镜片和镜片容器的一个图象。

29、如权利要求26所述的方法，它还包括使用一个光学检验台获得所说第一和第二图象的步骤，所说光学检验台：

短暂地照明所说镜片和容器；

用一个数字摄像机记录所说第一图象；

转动所说容器；

短暂地照明移位的镜片和容器；和

用所说数字摄像机记录所说第二图象。

30、如权利要求26所述的方法，它还包括将所说第一图象和第二图象的光强度进行归一化处理以校正环境光变化的步骤。

31、如权利要求26所述的方法，它还包括以下步骤：产生所说图象中每个象素光强度的数字表示，确定每个所说图象中心位置，和将每个图象的极坐标光强度数据保存在一个S-矩阵中，其中矩阵列保存固定角度数据，矩阵行保存固定半径数据。

32、如权利要求26所述的方法，它还包括以下步骤：

限定所说镜片视觉区中多个光检测区域；

确定每个所说区域上的亮度偏差；

根据所说区域上的亮度偏差幅值赋予每个区域一个数值分数；和

当所说分数之和超过一个预定阈值时剔除所说镜片。

33、如权利要求26所述的方法，它还包括以下步骤：

确定每个所说图象的预定部分中每个象素的光强度；

定义一个光强度阈值以增强所说预定区域的对比度；

分析所说合成象素值以检测出具有过大亮度的区域。

34、如权利要求33所述的方法，其中所说定义一个光强度阈值的步骤包括将所说阈值设定为低于所说镜片视觉区中心平均亮度20亮度级。

35、如权利要求33所述的方法，它还包括分析镜片虹膜印色环形区域的步骤，该步骤包括：

定义一个检验框，其横截面面积与所说印刷虹膜中可能导致镜片被剔除的最小透明间隙的大小相当；

在所说虹膜印色区域的一个所说合成象素值矩阵上扫描所说检验框；和

36、如权利要求35所述的方法，其中所说预定检验阈值的大小为所说检验框大小的80％。

37、如权利要求33所述的方法，它还包括分析所说镜片上印刷字符的步骤，该步骤包括：

(a)定义所说光强度阈值以将所说相对较黑的印刷字符与所说镜片上其它黑色图案区分开；

(b)对于所说印刷字符区域形成所说合成象素值的一个字符矩阵；

(c)选择所说字符矩阵中最大的一组相邻黑色象素作为第一字符；

(d)计算包含所说第一字符的一个框的顶角和中心位置；

(e)选择所说字符矩阵中次最大的一组相邻黑色象素作为第二字符；

(f)计算包含所说第二字符的一个框的顶角和中心的位置；

(g)重复步骤(e)和(f)直到已经选择了所有字符为止；和

(h)相对于至少一个验收标准评估至少一个所说框的至少一个几何特征，以确定所说字符是否可以接受。

38、如权利要求37所述的方法，其中所说几何特征包括至少两个字符框中心之间的距离。

39、如权利要求37所述的方法，其中所说几何特征包括至少一个所说框的宽度。

40、如权利要求37所述的方法，其中所说几何特征包括至少一个所说框的高度。

41、如权利要求37所述的方法，其中所说几何特征包括至少一个所说框的高度和宽度比。

42、如权利要求37所述的方法，其中所说几何特征包括至少一个所说框的面积。

43、如权利要求37所述的方法，其中所说几何特征包括至少一个所说框的中心位置。

44、如权利要求26所述的方法，它还包括以下步骤：

生成所说镜片的一个多项式模型；

将与所说第一和第二图象边缘相邻象素的光强度测量值与所说模型在所说图象边缘周围预定角度的光强度进行比较；

对于每次的角度边缘比较产生一个边缘轮廓数值，该数值表示所测得的图象边缘轮廓与所说模型比较的匹配程度；

确定第一和第二图象的边缘轮廓上具有表示不匹配数值的点的位置；和

45、自动检验多个镜片的一种方法，包括以下步骤：

获得每个镜片的至少一个图象；

生成所说镜片边缘的一个多项式模型；

将与每个所说图象边缘相邻的象素的光强度测量值与所说模型在图象边缘周围预定角度的光强度进行比较；

对于每次角度边缘比较产生一个边缘轮廓数值，所说数值表示所测得的图象边缘轮廓与所说模型比较的匹配程度；

确定图象边缘轮廓上具有表示不匹配的数值的那些点的位置；和

如果不匹配点超过预定的不匹配数值，则剔除该镜片。

46、如权利要求45所述的方法，它还包括以下步骤：

在所说镜片视觉区中限定多个光检测区域；

确定每个所说区域上的亮度偏差；

当所说分数之和超过一个预定阈值时剔除所说镜片。

47、如权利要求45所述的方法，它还包括以下步骤：

确定每个所说图象的预定部分中每个象素的光强度；

定义一个光强度阈值以增强所说预定部分的对比度；

分析合成象素值以检测出过大亮度的区域。

48、如权利要求47所述的方法，其中所说定义一个光强度阈值的步骤包括将所说阈值设定为低于所说镜片视觉区中心平均亮度20亮度级。

49、如权利要求47所述的方法，它还包括分析镜片虹膜印色环形区域的步骤，所说步骤包括：

限定一个检验框，所说检验框的横截面面积与所说印色虹膜中可能导致镜片被剔除的最小透明间隙的大小相当；

在所说印色虹膜区域的所说合成象素值矩阵上扫描所说检验框；和

如果所说检验框内的合成象素值之和大于一个预定检验框阈值，则剔除所说镜片。

50、如权利要求49所述的方法，其中所说预定检验框阈值为检验框大小的80％。

51、如权利要求47所述的方法，它还包括分析所说镜片上印刷字符的步骤，所说步骤包括：

(a)定义所说光强度阈值以将相对较黑的印刷字符与所说镜片上的其它黑色图案区分开；

(b)生成所说印刷字符区域的所说合成象素值的字符矩阵；

(c)选择所说字符矩阵中最大的一组黑色象素作为第一字符；

(d)计算包含所说第一字符的一个框的顶角和中心的位置；

(e)选择在所说字符矩阵中次最大的一组黑色象素作为第二字符；

(f)计算包含所说第二字符的一个框的顶角和中心的位置；

(g)重复步骤(e)和(f)直到已经选择所有字符；

(h)相对于至少一个验收标准评估至少一个所说框的至少一个几何特征，以确定这些字符是否可以接受。

52、如权利要求51所述的方法，其中所说几何特征包括至少两个字符框中心之间的距离。

53、如权利要求51所述的方法，其中所说几何特征包括至少一个所说框的宽度。

54、如权利要求51所述的方法，其中所说几何特征包括至少一个所说框的高度。

55、如权利要求51所述的方法，其中所说几何特征包括至少一个所说框的高度和宽度比。

56、如权利要求51所述的方法，其中所说几何特征包括至少一个所说框的面积。

57、如权利要求51所述的方法，其中所说几何特征包括至少一个所说框中心的位置。

58、如权利要求45所述的方法，它还包括将每个所说图象的光强度进行归一化处理以校正环境光偏差的步骤。

59、如权利要求45所述的方法，它还包括以下步骤：为每个所说图象的每个象素的光强度产生一个数字表示，确定每个所说图象中心的位置，将每个图象的极坐标光强度数据保存在一个直角坐标S-矩阵中。

60、自动检验多个镜片的一种方法，该方法包括以下步骤：

获得每个镜片的至少一个图象；

产生每个所说图象的每个象素的光强度的一个数字表示；

确定每个所说图象中心的位置；

将每个图象的极坐标光强度保存在一个直角坐标S-矩阵中；和

使用所说S-矩阵的数据分析每个所说图象的各个部分以检测镜片缺陷。

61、如权利要求60所述的方法，其中所说使用步骤包括使用所说数据分析每个镜片的视觉区以找出缺陷。

62、如权利要求60所述的方法，其中所说使用步骤包括使用所说数据分析每个镜片的标志以找出缺陷。

63、如权利要求60所述的方法，其中所说使用步骤包括使用所说数据分析每个镜片的一个环形印刷区域以找出缺陷。

64、如权利要求60所述的方法，其中所说使用步骤包括使用所说数据分析每个镜片的边缘以找出缺陷。

65、如权利要求60所述的方法，它还包括将每个所说图象的光强度进行归一化处理以校正环境光偏差的步骤。

66、自动检验多个镜片的一种方法，该方法包括以下步骤：

获得每个镜片的至少一个图象；

在每个所说图象的视觉区中限定多个光检测区域；

确定每个所说区域上的亮度偏差；

当所说图象区域中分数之和超过预定阈值时剔除该镜片。

67、自动检验多个镜片的一种方法，该方法包括以下步骤：

获得每个镜片的至少一个图象；

确定每个所说图象的一个预定部分中每个象素的光强度；

定义一个光强度阈值，以增强所说预定区域的对比度；

分析合成象素值以检测过大亮度的区域。

68、如权利要求67所述的方法，其中所说定义步骤包括将所说阈值设定为低于所说镜片视觉区中心平均亮度20亮度级。

69、如权利要求67所述的方法，它还包括分析镜片虹膜印色环形区域的步骤，该步骤包括：

定义一个检验框，所说检验框的横截面面积与所说印刷虹膜中可能导致镜片被剔除的最小透明间隙的大小相当；

在所说印刷虹膜区域的一个所说合成象素值矩阵上扫描所说检验框；和

如果在检验框内的合成象素值之和大于一个预定检验框阈值，则剔除所说镜片。

70、如权利要求69所述的方法，其中所说预定检验框阈值为检验框大小的80％。

71、如权利要求67所述的方法，它还包括分析所说镜片上印刷字符的步骤，该步骤包括：

(b)构成所说印刷字符区域的所说合成象素值的一个字符矩阵；

(d)计算包含所说第一字符的一个框的顶角和中心的位置；

(f)计算包含所说第二字符的一个框的顶角和中心的位置；

(g)重复步骤(e)和(f)，直到已经选择所有字符；和

72、如权利要求71所述的方法，其中所说几何特征包括至少两个字符框中心之间的距离。

73、如权利要求71所述的方法，其中所说几何特征包括至少一个所说框的宽度。

74、如权利要求71所述的方法，其中所说几何特征包括至少一个所说框的高度。

75、如权利要求71所述的方法，其中所说几何特征包括至少一个所说框的高度和宽度比。

76、如权利要求71所述的方法，其中所说几何特征包括至少一个所说框的面积。

77、如权利要求71所述的方法，其中所说几何特征包括至少一个所说框的中心位置。

78、如权利要求67所述的方法，它还包括以下步骤：

生成所说镜片边缘的多项式模型；

将与每个所说图象的边缘相邻的象素的光强度测量值与所说模型在所说图象边缘周围预定角度的光强度进行比较；

产生每次角度边缘比较的一个边缘轮廓数值，所说数值表示所测得的图象的边缘轮廓与所说模型比较的匹配程度；

确定每个所说图象的边缘轮廓上具有表示不匹配的数值的那些点的位置；和

如果所说图象不匹配的数目超过一个预定数值，则剔除该镜片。

79、自动检验多个镜片的一种方法，该方法包括以下步骤：

将每个镜片放置在一个透明小容器的溶液中；

摄取在透明小容器的溶液中的每个镜片的一个第一图象；

转动每个透明小容器和透明小容器中的镜片和溶液；

摄取在转动的透明小容器的溶液中每个镜片的一个第二图象；

将每个图象的光强度进行归一化处理；

产生所说图象的每个象素的光强度的一个数字表示；

确定每个所说图象中心的位置；

将每个图象的极坐标光强度数据保存在一个直角坐标S-矩阵中；

利用一种仿射变换将每个第一图象的S-矩阵的至少一部分的象素与所说第二图象的S-矩阵的对应部分中经过变换的象素进行比较；

产生每个镜片的一个合成图象，所说合成图象中的每个象素的光强度与所比较的两个对应象素中亮度较高的一个相同；和

分析所说合成图象以检测出每个镜片的一个视觉区中的缺陷。

80、如权利要求79所述的方法，它还包括分析所说合成图象以检测每个镜片标志图案中的缺陷的步骤。

81、如权利要求79所述的方法，它还包括分析所说合成图象以检测每个镜片的印色区域中的缺陷的步骤。

82、一种自动检测镜片的设备，它包括：

一个透明小容器，用于将一个隐形眼睛片保持在溶液中一个第一位置；

用于使所说透明小容器、镜片和溶液彼此相对移动和使所说移动停止在一个第二位置的装置；

用于短暂地照明处于所说第一位置和所说第二位置的镜片和透明小容器的装置；

用于记录处于所说第一位置的镜片和透明小容器的一个第一图象和处于所说第二位置的镜片和透明小容器的一个第二图象的装置；

用于将每个图象的所说第一和第二记录图象进行比较的装置；和

用于将所说第一图象中在所说第二图象中具有对应缺陷特征的那些缺陷特征识别为镜片缺陷的装置。

83、如权利要求82所述的设备，其中所说用于识别的装置包括用于生成每个第一和第二图象的一个合成图象的装置，所说合成图象中的每个象素的光强度与第一和第二图象中所比较的两个对应比较象素中亮度较高的一个相同。

84、如权利要求82所述的设备，其中所说用于短暂地照明的装置包括至少一个选通光源。

85、如权利要求82所述的设备，其中所说用于短暂照明的装置包括至少一个用于产生闪光的选通光源；至少一个用于漫散射所说闪光漫射体；和至少一个用于准直所说漫射闪光的多孔准直器。

86、如权利要求82所述的设备，其中所说用于记录的装置包括至少一个数字摄像机。

87、如权利要求82所述的设备，其中所说用于短暂地照明的装置包括两个分开的照明台，所说第一照明台与所说第一图象相关，所说第二照明台与所说第二图象相关，每个照明台包括用于产生闪光的一个选通光源、用于漫散射所说闪光的一个漫射体；和用于准直所说漫射闪光的一个多孔准直器。

88、如权利要求82所述的设备，其中所说用于记录的装置包括两个分开的数字摄像机，所说第一摄像机用于记录所说第一图象，所说第二摄像机用于记录每个镜片的所说第二图象。