CN1755343A - 图像检查装置、缺陷检测方法及缺陷检测程序 - Google Patents
图像检查装置、缺陷检测方法及缺陷检测程序 Download PDFInfo
- Publication number
- CN1755343A CN1755343A CNA2005100919178A CN200510091917A CN1755343A CN 1755343 A CN1755343 A CN 1755343A CN A2005100919178 A CNA2005100919178 A CN A2005100919178A CN 200510091917 A CN200510091917 A CN 200510091917A CN 1755343 A CN1755343 A CN 1755343A
- Authority
- CN
- China
- Prior art keywords
- belt
- deep
- row
- zones
- image
- 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
- 238000012360 testing method Methods 0.000 title claims abstract description 78
- 238000000034 method Methods 0.000 title claims abstract description 41
- 230000007547 defect Effects 0.000 title claims abstract description 34
- 238000007689 inspection Methods 0.000 title claims abstract description 20
- 238000003384 imaging method Methods 0.000 claims abstract description 65
- 238000009826 distribution Methods 0.000 claims abstract description 28
- 230000033228 biological regulation Effects 0.000 claims abstract description 24
- 230000002950 deficient Effects 0.000 claims description 31
- 230000003287 optical effect Effects 0.000 claims description 30
- 238000001514 detection method Methods 0.000 description 28
- 238000003860 storage Methods 0.000 description 14
- 238000004364 calculation method Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 10
- 238000012545 processing Methods 0.000 description 9
- 238000012937 correction Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 230000008859 change Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000005055 memory storage Effects 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- RKTYLMNFRDHKIL-UHFFFAOYSA-N copper;5,10,15,20-tetraphenylporphyrin-22,24-diide Chemical compound [Cu+2].C1=CC(C(=C2C=CC([N-]2)=C(C=2C=CC=CC=2)C=2C=CC(N=2)=C(C=2C=CC=CC=2)C2=CC=C3[N-]2)C=2C=CC=CC=2)=NC1=C3C1=CC=CC=C1 RKTYLMNFRDHKIL-UHFFFAOYSA-N 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000007323 disproportionation reaction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 230000001915 proofreading effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N17/00—Diagnosis, testing or measuring for television systems or their details
- H04N17/002—Diagnosis, testing or measuring for television systems or their details for television cameras
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N25/00—Circuitry of solid-state image sensors [SSIS]; Control thereof
- H04N25/60—Noise processing, e.g. detecting, correcting, reducing or removing noise
- H04N25/68—Noise processing, e.g. detecting, correcting, reducing or removing noise applied to defects
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N25/00—Circuitry of solid-state image sensors [SSIS]; Control thereof
- H04N25/60—Noise processing, e.g. detecting, correcting, reducing or removing noise
- H04N25/68—Noise processing, e.g. detecting, correcting, reducing or removing noise applied to defects
- H04N25/69—SSIS comprising testing or correcting structures for circuits other than pixel cells
-
- 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
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20216—Image averaging
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Image Processing (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Testing Of Optical Devices Or Fibers (AREA)
- Image Analysis (AREA)
Abstract
图像检查装置、缺陷检测方法及缺陷检测程序。当预先准备的明暗度特性与检查用成像设备的明暗度特性不同时,会存在错误判断的问题。所以提供了一种缺陷检测方法。该方法包括:通过以规定行数为单位进行分割,将由M行N列个像素形成的数字图像划分为多个带状区域;对于所述多个带状区域的每一个,针对各列来对所述带状区域中的像素的浓淡值求平均;计算近似线,该近似线在所述多个带状区域的每一个中近似于所述浓淡值的平均值的分布;并且判断是否存在如下连续的d个列,在所述连续的d个列中,从所述近似线得到的所述浓淡值与针对各列的所述浓淡值的平均值之间的差值超出一指定阈值。
Description
技术领域
本发明涉及用来对图像元件进行检查的图像检查装置、缺陷检测方法及缺陷检测程序。
背景技术
近年来,已将CCD(电荷耦合器件)、CMOS(互补金属氧化物半导体)器件以及其他图像采集元件用于诸如数码相机、数码摄像机,以及扫描仪的成像装置中,由于可用于便携式电话以及不断降低的成本和改善的图像质量,它们被广泛使用。在对配备有这种图像采集元件的成像装置的质量检查中,基于测试图案的采集图像来判断该图像采集元件的质量(合格或不合格)。
结果为“不合格”的一个原因是称为“瑕疵”(也称为亮度不均)的缺陷,其中会出现与周围区域具有等于或大于一规定值的浓度差的区域。在检测瑕疵的手工操作中,检查员能够通过视觉来检查所采集的图像;但是根据该检查员的技巧及其身体状况,检测的精度会发生变化,处理的速度会不同,并且在有些情况下,会出现做出误判断的问题,即:将不合格的产品判断为合格,而将合格的产品判断为不合格。另外,培训熟练的检查员需要大量的时间和成本。因此,现有技术中已经提出用于自动检测这种瑕疵的方法。
通常,由于透镜特性、照明特性或其他因素,所采集图像会具有明暗度(shading)特性,例如在中心部分浓淡(gradation)值较亮,而朝向周边则变暗。在对具有明显明暗度特性的图像(该图像在以上示例中即在中心部分与周边部分之间具有较大浓淡值差的图像)进行检查时,由于明暗度造成的处于比该浓淡值差更低级别的任何“淡的瑕疵”被明暗度特性所掩盖,所以难以进行检测。
现有技术中,如果先前采集的图像中的明暗度特性是已知的,则可采用以下的方法:对所述明暗度进行校正,进行平滑化以均匀地校正图像级(image level),从而对“瑕疵”进行自动检测。例如,日本特开平9-329527号公报提出了一种方法,其中:在平滑化之后,使用采用微分图像数据的像素值来确定暗缺陷区域和明缺陷区域的中心,以及这些区域的外接四边形的顶点的位置,并且使用这些位置关系来检测环状明缺陷和环状暗缺陷。
作为周边技术,日本特开2003-130756号公报描述了一种在图像检查装置中用来对透镜和其他光学元件的品质进行检查的光学元件检查方法,在该方法中,执行利用傅立叶变换的滤波,从而去除了周期性出现在采集图像中的浓淡图案。另外,日本特开2003-169255号公报描述了基于通过采集图像中心点的水平轴和垂直轴上的抽样点数据来对用于各轴的校正近似线进行计算。还讲述了将所述采集图像中任意坐标系处的明暗度校正系数计算为水平轴上的校正近似线的校正系数与垂直轴上的校正近似线的校正系数的乘积。日本特开平7-154675号公报描述了一种采集装置,其在屏幕上各区域中对在其中检测数据的块的大小进行改变,从而能够改善明暗度校正的校正精度和其他处理。
发明内容
然而,在上述现有技术中,可以使用预先准备的明暗度特性来校正图像,并且当已知采集图像中的明暗度特性时,能够自动检测“瑕疵”;但是实际上,由于透镜安装误差和设备制造时出现的其他散射,无法为用于检查的所有成像装置确定统一应用的明暗度特性。因此,当预先准备的明暗度特性不同于用于检查的成像装置的明暗度特性时,无法进行精确的校正,所以出现了缺陷检测精度降低以及导致错误判断的问题。
因此,本发明的一个目的是提供一种图像检查装置、缺陷检测方法及缺陷检测程序,其能够根据在用于检查的成像装置之中存在的不同的明暗度特性来自动地检测“瑕疵”。
作为本发明的第一方面,通过提供一种缺陷检测方法来实现以上目的,该方法由连接至成像装置的图像检查装置来执行,所述成像装置具有光学元件和成像元件,以将由所述光学元件接收的光转换为电信号,由所述成像装置采集的图像的数据被输入所述图像检查装置中,并且所述图像检查装置基于所述图像数据来检测所述成像装置的缺陷。该方法包括:通过以规定行数为单位进行分割,将由M行N列(M和N是自然数)个像素形成的数字图像划分成多个带状区域;对于所述多个带状区域的每一个,针对各列来对所述带状区域中的像素的浓淡值求平均;计算近似线,该近似线在所述多个带状区域的每一个中近似于所述浓淡值的平均值的分布;然后判断是否存在如下的连续的d个列(d是满足1<d<N的自然数),在所述列中,根据所述近似线推导的所述浓淡值与针对各列的所述浓淡值的平均值之间的差值超出一指定阈值。
作为本发明的第二方面,通过提供一种缺陷检测方法来实现以上目的,该方法由连接至成像装置的图像检查装置来执行,所述成像装置具有光学元件和成像元件,以将由所述光学元件接收的光转换为电信号,由所述成像装置采集的图像的数据被输入所述图像检查装置中,并且所述图像检查装置基于所述图像数据来检测所述成像装置的缺陷。该方法包括:通过以规定行数为单位进行分割,将由M行N列(M和N是自然数)个像素形成的数字图像划分成多个带状区域;对于所述多个带状区域的每一个,针对各列来对所述带状区域中的像素的浓淡值求平均;计算近似线,该近似线在所述多个带状区域的每一个中近似于所述浓淡值的平均值的分布;然后判断在所述多个带状区域的第一带状区域中,是否存在如下连续的d个列(d是满足1<d<N的自然数),在所述列中,根据所述近似线推导的所述浓淡值与针对各列的所述浓淡值的平均值之间的差超出一规定阈值,并且当存在这样的连续时,则将所述差值超过所述指定阈值的所述连续列的部分确定为缺陷的位置,并且判断邻近的第二带状区域中的缺陷的位置是否与所述第一带状区域中的所述缺陷的位置相交叠。
作为本发明的第三方面,通过提供一种缺陷检测方法来实现以上目的,该方法由连接至成像装置的图像检查装置来执行,所述成像装置具有光学元件和成像元件,以将由所述光学元件接收的光转换为电信号,由所述成像装置采集的图像的数据被输入所述图像检查装置中,并且所述图像检查装置基于所述图像数据来检测所述成像装置的缺陷。该方法包括:通过以规定行数为单位进行分割,将由M行N列(M和N是自然数)个像素形成的数字图像划分成多个带状区域;对于所述多个带状区域的每一个,针对各列来对所述带状区域中的像素的浓淡值求平均;计算近似线,该近似线在所述多个带状区域的每一个中近似于所述浓淡值的平均值的分布;识别出所述列的一连续区间,其中从根据所述近似线推导的所述浓淡值减去针对各列的所述浓淡值的平均值所得的差为正;并且针对各个所识别的区间,计算由浓淡值的所述平均值以及所述近似线包围的面积,并判断各所述区间中的所述面积是否超过了一指定阈值。
作为本发明的第四方面,通过提供一程序来实现以上目的,该程序由连接至成像装置的计算机来执行,所述成像装置具有光学元件和成像元件,用来将由所述光学元件接收的光转换为电信号,由所述成像装置采集的图像的数据被输入所述图像检查装置中,并且所述图像检查装置基于所述图像数据来检测所述成像装置的缺陷。该程序使计算机执行如下操作:通过以规定行数为单位进行分割,将由M行N列(M和N是自然数)个像素形成的数字图像划分为多个带状区域;对于所述多个带状区域中的每一个,针对各列来对所述带状区域中的像素的浓淡值求平均;计算近似线,该近似线在所述多个带状区域的每一个中近似于所述浓淡值的平均值的分布;并且判断是否存在连续的d个列(d是满足1<d<N的自然数),在这些列中,根据所述近似线得到的所述浓淡值与针对各列的所述浓淡值的平均值之间的差超出一指定阈值。
作为本发明的第五方面,通过提供一种图像检查装置来实现以上目的,该图像检查装置连接至成像装置,所述成像装置具有光学元件和成像元件,用来将由所述光学元件接收的光转换为电信号,由所述成像装置采集的图像的数据被输入所述图像检查装置中,并且所述图像检查装置基于所述图像数据来检测所述成像装置的缺陷。该图像检查装置包括:划分部分,其通过以规定行数为单位进行分割,将由M行N列(M和N是自然数)个像素形成的数字图像划分成多个带状区域;求平均部分,其针对所述多个带状区域中的每一个,针对各列来对所述带状区域中的像素的浓淡值求平均;近似部分,计算近似线,该近似线在所述多个带状区域的每一个中近似于所述浓淡值的平均值的分布;以及判断部分,其判断是否存在连续的d个列(d是满足1<d<N的自然数),在这些列中,根据由所述近似部分计算的所述近似线得到的所述浓淡值与由所述求平均部分计算的所述浓淡值的平均值之间的差值超出一指定阈值。
利用本发明,可以根据其中安装有成像元件的各成像装置的不同明暗度特性来适当地检测出瑕疵。因此在检查中无需设定预先确定的明暗度特性,并且不再需要精确安装信号采集设备的成像装置,所述信号采集设备将信号从成像装置中继至图像检测设备。
附图说明
图1示出了本发明实施例的图像检查系统的结构;
图2示出了实施例的图像检查装置的结构;
图3是用于说明实施例的图像检查装置的控制部分的功能框图;
图4是采集图像的数据结构的示例;
图5A是在以每三行为单位作为规定行数进行划分的情况下的带状区域的示例;
图5B是将计算出的浓淡值的平均数据存储在存储部分中时数据结构的一个示例;
图6是用于说明实施例的图像检查装置的操作的流程图;
图7是用于说明(第一)瑕疵检测方法的流程图;
图8是用于说明(第二)瑕疵检测方法的流程图;
图9是用于说明(第三)瑕疵检测方法的流程图;
图10A是没有瑕疵时的采集图像的示例;
图10B示出了带状区域中的浓淡值的分布;
图11A是在存在一个瑕疵时的采集图像的示例;
图11B示出了带状区域中的浓淡值的分布;
图12A是在存在两个瑕疵时的采集图像的示例;
图12B示出了带状区域中的浓淡值的分布;
图13A是在存在三个瑕疵时的采集图像的示例;
图13B示出了在宽度增加时的带状区域中的浓淡值的分布;以及
图14是在瑕疵附近的浓淡值分布的放大图。
具体实施方式
下面将参照附图来说明本发明的实施例。不过,本发明的技术范围不限于这些实施例,而是延及权利要求范围内的所述发明及其等同发明。
图1示出了本发明实施例的图像检查系统的结构。该图像检查系统具有:摄像机单元2,其利用待检查的成像元件来采集检查用采集图像1;信号输入装置5,其将来自所述摄像机单元2的电信号转换为图像格式;以及,图像检查装置10,对其输入来自所述信号输入装置5的图像数据,并且其基于所输入的图像数据来进行瑕疵的检测;通过信号线8将这些部分连接起来。
摄像机单元2包括透镜3和CCD、CMOS器件或其他成像元件4,利用透镜3将图像聚焦在成像元件上。摄像机单元2对由发自照明装置9的光所照射的检查用采集图像1进行采集。摄像机单元2通过信号线8连接至信号输入装置5,并且,将从由成像元件4所接收的光转换的电信号输入信号输入装置5的信号接触部分6中。
在通过拆卸和更换摄像机单元2来实现对多个成像元件4进行检查的设计中,通过信号接触部分6的连接端子以及摄像机单元2的连接端子将摄像机单元2连接至信号输入装置5,所述接触部分6的连接端子使得可以安装或拆卸摄像机单元2。在信号转换部分7中,将输入信号接触部分6的电信号转换为多种图像格式之一,例如RAW图像格式、TIFF(标签图像文件格式)、JPEG(联合摄取像专家组)、GIF(可交换图形格式)以及BMP(位图),随后将其作为图像数据输入图像检查装置10中。
图1所示的图像检查装置10是台式PC的主部,并将其连接至键盘41、鼠标42或其他输入设备,液晶显示器43或其他输出设备,以及照明装置9。该图像检查装置10将从信号输入装置5输出的图像数据作为采集图像显示在液晶显示器43上,基于液晶显示器43上的图像数据来显示瑕疵的检测结果,并控制照明装置9。另外,该图像检查装置10响应于操作人员通过键盘41或类似设备输入的命令来改变有关瑕疵检测的设定。
本实施例的图像检查装置10将所述采集图像的图像数据划分为多个带状区域,针对各带状区域计算浓淡值的分布,并计算出近似浓淡值分布的近似线。然后,基于实际浓淡值与从所述近似线求得的近似值之间的差值,来检测是否存在瑕疵。利用这种手段,可以根据各摄像机单元2的不同的明暗度特性来适当地检测出瑕疵,这种不同的明暗度特性是由透镜3的安装误差、成像元件4的品质、以及摄像机单元制造过程中的容差以及摄像机单元2中的类似因素造成的。
图2示出了该实施例的图像检查装置10的结构。图2中的图像检查装置10是台式PC的主部,并且具有控制部分11、RAM(随机存取存储器)12、存储部分13,以及用于与外部设备连接的接口(外部设备I/F)15,通过总线20将所有这些部分连接起来。
控制部分11包括未示出的CPU(中央处理单元),其执行存储在RAM12中的程序并控制图像检查装置10中的各个部分。RAM 12是存储装置,在其中临时地存储有由图像检查装置10处理的计算结果和程序。存储部分13是硬盘、光盘、磁盘、闪存或其他非易失性存储装置,并存储有多种数据以及OS(操作系统)或其他要读入RAM中的程序。
外部设备I/F 15是用于将外部设备连接至服务器1的接口,可以是USB(通用串行总线)端口、PCI卡槽等。可以连接的外部设备范围很广,包括打印机、TV调谐器、SCSI(小型计算机系统接口)设备、音频设备、存储卡读写器、网络接口卡、无线局域网卡、调制解调器卡、键盘和鼠标,以及显示设备。外部设备与所述图像检查装置1的连接方式可以是有线或无线的。
输入部分16是输入装置,对其输入通过键盘41、鼠标42等来自操作人员的请求;显示部分17是诸如CRT(阴极射线管)或液晶显示器43的显示装置,以向所述操作人员提供信息。在本实施例中,通过外部设备I/F 15将图1中的信号输入装置5、照明装置9、输入部分16以及显示部分17连接起来。当由笔记本PC或其他硬件设备来实现图像检查装置10时,可以将键盘、触摸垫或其他输入部分16,以及液晶显示器或其他显示部分17设置在所述主体单元内,并且直接连接至所述内部总线20。
图3是用于说明该实施例的图像检查装置10的控制部分11的功能框图。图3的各功能部分既可以实现为由包括在该控制部分11中的CPU(未示出)执行的程序,也可以实现为ASIC(特定用途集成电路)或其他硬件。
图3的控制部分11包括区域划分部分31、明暗度平均值计算部分32、近似线计算部分33以及瑕疵判断部分34。区域划分部分31将输入所述图像检查装置10的采集图像划分成多个带状区域。具体地,在对后一阶段中要执行的浓淡值平均值进行计算的准备过程中,针对各规定区域获取浓淡值数据。利用下面描述的采集图像数据结构示例来说明该操作。
图4是输入图像检查装置10并存储在存储部分13中的采集图像的数据结构的示例。此处,假定该采集图像由具有K个通道(channel)的M行和N列个像素构成;在图4中,由各像素的浓淡值来表示所述采集图像,并且数据格式为CSQ(通道顺序)格式。
对于单色图像,通道数为1。普通彩色图像有与三原色相对应的3个通道,故通道数为3。然而,在于多个波长区域(诸如用于遥感领域的波长区域)中采集图像的情况中,通道数可能大于3个。
图4中,用L_k(i,j)(下划线后的字符表示该字符为下标)来表示第i行、第j列、第k通道的像素的浓淡值。如下所述,在对浓淡值平均值进行计算的准备过程中,图3中的区域划分部分31针对各个通道获取用于规定行数的浓淡值。例如,如果作为规定区域,将该采集图像划分为3行和N列的像素单元,然后所述区域划分部分31获取头三行的浓淡值L_k(1,j)、L_k(2,j)、L_k(3,j)(1≤j≤N,1≤k≤K)。而且,在剩余的带状区域中,针对每三行获取浓淡值。
作为带状区域中的行数,即决定划分方式的行数,使用了预先在存储部分13中设定的行数。即使数据格式不同,数据划分部分31也可以获取用于与指定区域相对应的行数的数据。
回到图3,浓淡平均值计算部分32基于区域划分部分31所获取的数据,针对所述采集图像被划分成的各带状区域中的每一列来计算浓淡值的平均值。利用图5A和图5B对此进行说明。
图5A是以下情况中的带状区域的示例:作为规定行数,以三行为单位进行划分;对于第k通道中的前三行和N列来提取像素。图5A中的各像素具有如图4所示的浓淡值L_k(i,j)。
浓淡平均值计算部分32针对构成各列的三行来计算浓淡值的平均值。例如,如果由Q_k(p,j)表示第p带状区域和第k通道中的第j列的平均浓淡值,则通过(L_k(1,1)+L_k(2,1)+L_k(3,1))/3来计算图5A中的Q_k(1,1)。
浓淡平均值计算部分32对包含在图5A所示的第一带状区域中的剩余列进行类似的计算,并且针对各列计算浓淡值的平均值。浓淡平均值计算部分32随后类似地为各剩余带状区域中的各列计算出浓淡值的平均值。将以这种方式计算出的浓淡值平均值数据存储在存储部分13中。
图5B是将所计算出的浓淡值的平均值数据存储在存储部分13中时的数据结构的示例。在图5B中有“通道号”、“区域号”、“行号”、“列号”以及“平均浓淡值”几个数据字段。如图5A和图5B所示,针对每一通道、所述采集图像被分成的所述多个带状区域的每一个、以及每一列来存储平均浓淡值。
在图5B中,将采集图像划分为各具有三行N列的多个带状区域,并且由此对包含在各列中的三个浓淡值的平均值进行计算;如果带状区域为s行N列,那么显然对s个浓淡值的平均值进行计算,并将其存储为“平均浓淡值”。如果图像中的行数不能被用于划分为多个带状区域的规定行数整除而没有余数,则在边缘带状区域(例如区域号为P)中包含了比其他带状区域的行数少的行数;但是浓淡平均值计算部分32仍以类似方式针对各列来计算浓淡值的平均值。
回到图3,接下来近似线计算部分33计算近似线,该近似线表示每个带状区域中的列号与平均浓淡值之间的关系。例如,如果用x轴表示列号,用y轴表示平均浓淡值,且在二维平面内示出针对每个带状区域的列号与平均浓淡值之间的关系,则近似线计算部分33计算出可在二次近似方程y=ax2+bx+c中使用的一组参数a、b、c。
瑕疵判断部分34基于由浓淡平均值计算部分32计算的平均浓淡值与从近似线计算部分33计算的近似线导出的近似值之间的差值,来判断采集图像中是否有瑕疵,并检测所有瑕疵的位置。这样,通过输入图像检测装置10的图像数据来判断是否有瑕疵,并且如果有瑕疵,则检测它们的位置。
下面说明包含瑕疵检测方法的图像检查装置的操作。
图6是说明本实施例的图像检查装置10的操作的流程图。首先,区域划分部分31确定划分宽度(S1)。该划分宽度是带状区域中的行数,并将其预先设定在存储部分13中。在步骤S1中,区域划分部分31从存储部分13中读取所述设定值。
接下来,区域划分部分31将输入所述图像检查装置10的采集图像划分成多个带状区域(S2)。在步骤S2中,如针对图3进行的说明,通过区域划分部分31获得规定的浓淡值数据。
然后,浓淡平均值计算部分32针对各个带状区域计算浓淡的分布(S3)。如针对图3进行的说明,在各带状区域中,通过浓淡平均值计算部分32对各列的浓淡值的平均值进行计算。
此外,近似线计算部分33计算近似线,该近似线近似带状区域中的浓淡分布(S4)。在步骤S4中,如针对图3进行的说明,通过近似线计算部分33对最佳地表示每个带状区域中的列号与平均浓淡值之间关系的近似线进行计算。
基于在步骤S3中计算出的平均浓淡值和步骤S4中计算出的近似线,瑕疵判断部分34判断在所述采集图像中是否有瑕疵,如果有瑕疵,则确定它们的位置(S5)。下面对步骤S5中的瑕疵检测方法进行说明。当图像检查装置10完成了对于所有带状区域的有无瑕疵的判断(S6中为“是”),则处理结束;如果存在还未进行判断的带状区域(S6中为“否”),则处理返回步骤S5,然后对于那些剩余的带状区域继续进行处理。
在步骤S1中,在存储部分13中预先设定划分宽度;但是也可以基于与由图像检查装置10检测到的瑕疵相关的过去数据来改变该划分宽度。也就是说,在步骤S1中,区域划分部分31可以根据与作为过去的操作结果而检测的瑕疵有关的数据,将所述划分宽度(即带状区域的大小)设定为最佳值。换言之,通过在检测到瑕疵时考虑划分宽度以及考虑是否在邻近的带状区域中连续地检测到瑕疵,来估计瑕疵的大小,所述区域划分部分31可以设定所述最佳划分宽度。
下面说明图6的步骤S5中的用于瑕疵检测的处理的一个示例。
图7是用于说明(第一)瑕疵检测方法的流程图。在完成步骤S4后,瑕疵判断部分34判断其中所述近似值与所述平均浓淡值之间的差值超过一规定阈值的那些部分的列号是否至少持续了一规定长度(S51)。
瑕疵判断部分34获取以下两者之间的差值:通过将列号输入定义近似线的近似函数中而确定的浓淡值的近似值;与所输入的列号相对应的列中的浓淡值的平均值。瑕疵判断部分34随后存储所述差值超过一规定阈值的列号。通过这种方式,瑕疵判断部分34针对每个带状区域确定以上差值超过所述规定阈值的列号的组。
然后,瑕疵判断部分34在一个带状区域中判断上述列号组中的列号是否持续了规定数量(例如,d列),并且如果持续了规定的列数(S51中为“是”),则判定有瑕疵,并将与这d个列的列号相对应的列作为瑕疵位置存储在存储部分13中(S52)。例如,如果上述差值超过所述规定阈值的列号的组是{1,2,3,5,6,8,9,10,11},并且如果d=3,那么判定瑕疵存在于区间[1,3]和区间[8,11]中。
如果上述列号组不包括d个连续的列(S51中为“否”),则瑕疵判断部分34判定:该带状区域没有瑕疵(S53)。步骤S53结束后,处理前进至步骤S6,并且可以通过对所有带状区域执行类似的处理,来进行瑕疵检测。
图8是说明(第二)瑕疵检测方法的流程图。在图8所说明的检测方法中,利用由所述近似线和连接对应于列号的所述浓淡值的平均值的曲线所包围的面积来进行瑕疵检测。
在图8中,瑕疵判断部分34完成步骤S4后,计算被所述近似线和所述浓淡值分布所包围的面积(S54)。通过以下处理来执行步骤S54。
如果通过将某个列号输入所述近似函数所决定的近似值与该列号处的浓淡值之间的差值为正,则该列号处的所述近似线位于所述曲线的上方,而如果该差值为负,则位置关系互换。于是,由该近似线和该浓淡分布所包围的面积就对应于其中所述差值持续为正的列号的区间,并且对应于其中所述差值持续为负的列号的区间,所以在这些区间中,可以通过将各区间中所述近似线减去所述浓淡值平均值所得的差值的绝对值相加,来确定被所述近似线和所述浓淡值分布所包围的面积。
通过这种方式,瑕疵判断部分34判断包围在所述近似线与所述浓淡值分布之间的面积是否有等于或超过指定阈值SS的(S55),并将具有面积超过所述阈值SS的列号的任意区间判定为瑕疵(S56)。如果没有面积超过所述指定阈值SS,则瑕疵判断部分34判定该带状区域没有瑕疵(S53)。步骤S53结束后,处理前进至步骤S6,并且可以通过对所有带状区域执行类似的处理,来进行瑕疵检测。
可以将在步骤S54中计算出的浓淡差值的累计和除以包括在对应区间中的列数所得的结果与新设定的阈值SS2进行比较,并用于步骤S55的判断中。在例如与所述近似线的差值很小,但形成的曲线却总在该近似线下方时对各列的浓淡差值求平均,可以避免瑕疵的误检测。
图9是说明(第三)瑕疵检测方法的流程图。在图7和图8的检测方法中,通过对单个带状区域进行判断来执行瑕疵判断;此处,通过对多个相邻带状区域进行判断来判定瑕疵的存在。有时,根据带状区域的宽度,瑕疵会跨越多个带状区域。所以,如果在某些带状区域中,所述近似值与所述平均浓淡值之间的差值超过了所述指定阈值,则可能会在相邻的带状区域中的连续范围内观察到相似的浓淡值趋势;因此通过使用这种检测方法,可以严格地判定这种瑕疵的存在。
图9中,类似于图7,完成步骤S4后,瑕疵判断部分34判断其中近似值与平均浓淡值之间的差值超过指定阈值的区间是否持续了规定的长度或更长(S51)。例如,如图7,在一个带状区域中,对其中所述近似值与所述平均浓淡值之间的差值超过了指定阈值的列是否持续了指定列数(例如,d列)进行判断。如果存在这种持续(S51中为“是”),则瑕疵判断部分34将与所述d个列的列号相对应的列存储在存储装置13中,并为相邻区域中的所述浓淡值分布和近似线获取数据(S57)。
例如,当对于区域号为p(1≤p≤P)的带状区域执行步骤S51的处理的情况下,瑕疵判断部分34针对区域号为p+1的带状区域(见图5B),获得在图6的步骤S4中确定的所述平均浓淡值以及(参数确定)近似函数。接下来,瑕疵判断部分34基于与该相邻区域相关的数据,来判断其中近似值与平均浓淡值之间的差值超过指定阈值的区间是否持续了指定的长度或更长(S58)。
如果所述区间持续了指定长度(S58中为“是”),则类似于当步骤S51的结果为“是”的情况,瑕疵判断部分34将与所述d个列的列号相对应的列存储在存储部分13中。然后,如果在步骤S51中指定的带状区域中以及与其邻近区域中,存在列号扩展了d个列的交叠区间,则瑕疵判断部分34判定为存在一个瑕疵,并将该交叠区间(构成该交叠区间的行号)作为瑕疵的位置,存储(列号构成)在存储装置13中(S59)。
步骤S51为“否”的情况下,以及步骤S58为“否”的情况下,瑕疵判断部分34判定该带状区域没有瑕疵(S53)。步骤S53结束后,处理前进至步骤S6,并且可以通过对所有带状区域执行类似的处理,来检测瑕疵。
下面利用具体示例来说明检测瑕疵的方式。
图10A是在采集图像中没有瑕疵的一个示例。此处,出于简单的目的,对单色图像进行说明。在单色图像中,通道个数为1,并且针对各带状区域仅需要单个浓淡值分布。在图10A所示的单色图像中,明暗度特性的中心从该采集图像51的中心C移动到了右下方。
图10B示出了图10A的带状区域52中的浓淡值的分布。图10B中,分别沿横轴和纵轴绘制列号和浓淡值,从而示出了连接图6的步骤S3中计算出的、该带状区域51中的各列的浓淡值平均值的曲线。如图10B所示,浓淡值峰值位置从穿过中心C的轴上的点0移到了右侧,并且在从该点朝外周移动的过程中逐渐减小。因为图10A是没有瑕疵的采集图像的示例,所以,图10B中所示的曲线中没有与朝峰值位置移动时浓淡值增大的趋势不同的特殊区域。
图11A是采集图像有一个瑕疵时的示例。在图11A所示的单色图像中,明暗度特性的中心从该采集图像51的中心C向右下方移动,另外,在带状区域54的一部分中可以看到一个瑕疵53。
图11B示出了该带状区域54中的浓淡值的分布。在图11B中,用实线来表示连接图6的步骤S3中计算出的、所述带状区域52中的各列的浓淡值的平均值的曲线,而用虚线来表示图6的步骤S4中计算出的、基于所述近似函数的曲线。对照图10B中没有瑕疵的情况,在对应于该瑕疵53的位置,出现了一个位置55,其中浓淡值急剧变化。
如图11A所示,在该实施例中,即使峰值位置不在中心位置,也可以进行瑕疵检测。这是因为,在现有技术中,预先确定了明暗度特性,使得按照指定来表现出明暗度特性,但是在本实施例中,根据各个摄像机单元的制造公差、信号输入装置安装至摄像机单元中的安装位置偏差等,在各带状区域中来确定近似线,并且基于与实际浓淡值之间的差值来进行判断。因此,通过执行图6至图9的处理,本实施例的图像检查装置10可以基于所述近似线和实际浓淡值之间的差值,来适当地检测在位置55处出现的瑕疵。
图12A是采集图像有两个瑕疵时的示例。在图12A所示的单色图像中,明暗度特性的中心从该采集图像51的中心C向右下方移动,另外,在带状区域56的一部分中可以看到两个瑕疵57、58。
图12B示出了该带状区域56中的浓淡值的分布。图12B中,用实线来表示连接图6的步骤S3中计算出的、所述带状区域56中的各列的浓淡值的平均值的曲线,而用虚线来表示图6的步骤S4中计算出的、基于所述近似函数的曲线。图12B中,对应于所述瑕疵57、58,在峰值位置的左侧和右侧存在位置59、60,其中浓淡值急剧变化。通过执行图6至图9的处理,即使在一个带状区域中存在两个瑕疵的情况下,本实施例的图像检查装置10也可以基于所述近似线和实际浓淡值之间的差值,来适当地检测到位置59、60处瑕疵的存在。
图13A是采集图像有两个瑕疵的示例,与图12A所示相同。图13B示出了使用宽度大于带状区域56的带状区域61时的浓淡值分布。如图13B所示,如果使用宽度增加的带状区域来执行瑕疵检测,则较小的瑕疵58的特征会由于明暗度特性的变化而变得模糊,所以对较小的瑕疵的检测会很困难。然而,当人们了解会出现更大的瑕疵时,增加带状区域的宽度能够更有效地进行瑕疵检测。
图14是靠近图11中的瑕疵53的浓淡值分布的放大图,用来说明图7和图8的瑕疵检测方法。图14中的双向箭头84表示各列中以下两者之间的差值:通过向定义了近似线的近似函数输入列号所确定的近似浓淡值;具有对应列号的列中的浓淡值的平均值。
图14中超过所述阈值的区间81是其中上述差值大于图7的步骤S51中所使用的指定阈值的区间。也就是说,如果所述指定阈值由箭头83的长度来表示的话,那么该区间是其中箭头84的长度大于箭头83的区间。利用图7中所描述的检测方法,如果超过所述阈值的该区间81持续了d个或更多个列,则判定为存在瑕疵。
面积计算区间82是差值连续为正的区间,所述差值是通过从将列号输入所述近似函数而计算出的平均值中减去该列号处的浓淡值的平均值而得到的。在该面积计算区间82中,如果获取了上述差值的累计和,则得到图8中所说明的检测方法的步骤S55中使用的面积。如果该累计和超过了所述指定阈值SS2,则将图14中所示的面积计算区间82判定为瑕疵。
与基于预先规定的明暗度特性进行了校正后进行瑕疵检测的现有技术相比,如上所述,利用这些实施例,可以根据摄像机单元中的不同明暗度特性进行瑕疵的适当检测。此外,利用这些实施例,不必为了进行检查而设置预先确定的明暗度特性,也不必为了使预先设定的明暗度特性出现而将摄像机单元2安装在信号输入装置5(信号接触部分6)中。
Claims (15)
1、一种缺陷检测方法,其由连接至成像装置的图像检查装置来执行,所述成像装置具有光学元件和成像元件,以将通过所述光学元件接收的光转换为电信号,由所述成像装置采集的图像的数据被输入所述图像检查装置中,并且所述图像检查装置基于所述图像数据来检测所述成像装置的缺陷,该缺陷检测方法包括:
通过以规定行数为单位进行分割,将由M行N列个像素形成的数字图像划分为多个带状区域,所述M和N是自然数;
对于所述多个带状区域的每一个,针对各列来对所述带状区域中的像素的浓淡值求平均;
计算近似线,该近似线在所述多个带状区域的每一个中,近似于所述浓淡值的平均值的分布;并且
判断是否存在如下的连续的d个列,d是满足1<d<N的自然数,在所述的连续的d个列中,从所述近似线得到的所述浓淡值与针对各列的所述浓淡值的平均值之间的差值超出一指定阈值。
2、根据权利要求1所述的缺陷检测方法,还包括以下步骤:在所述多个带状区域的每一个中,识别其中所述差值超过所述指定阈值的所述列为连续的一部分的位置。
3、一种缺陷检测方法,其由连接至成像装置的图像检查装置来执行,所述成像装置具有光学元件和成像元件,以将通过所述光学元件接收的光转换为电信号,由所述成像装置采集的图像的数据被输入所述图像检查装置中,并且所述图像检查装置基于所述图像数据来检测所述成像装置的缺陷,所述缺陷检测方法包括:
通过以规定行数为单位进行分割,将由M行N列个像素形成的数字图像划分为多个带状区域,所述M和N是自然数;
对于所述多个带状区域中的每一个,针对各列来对所述带状区域中的像素的浓淡值求平均;
计算近似线,该近似线在所述多个带状区域的每一个中近似于所述浓淡值的平均值的分布;并且
判断在所述多个带状区域的第一带状区域中,是否存在如下连续的d个列,d是满足1<d<N的自然数,在所述连续的d个列中,从所述近似线得到的所述浓淡值与针对各列的所述浓淡值的平均值之间的差值超出一指定阈值,并且如果存在这样的连续,则将其中所述差值超过所述指定阈值的所述连续列的部分确定为缺陷的位置,然后判断邻近的第二带状区域中的缺陷的位置是否与所述第一带状区域中的所述缺陷的位置相交叠。
4、一种缺陷检测方法,其由连接至成像装置的图像检查装置来执行,所述成像装置具有光学元件和成像元件,以将通过所述光学元件接收的光转换为电信号,由所述成像装置采集的图像的数据被输入所述图像检查装置中,并且所述图像检查装置基于所述图像数据来检测所述成像装置的缺陷,所述缺陷检测方法包括:
通过以规定行数为单位进行分割,将由M行N列个像素形成的数字图像划分为多个带状区域,所述M和N是自然数;
对于所述多个带状区域中的第一个,针对各列来对所述带状区域中的像素的浓淡值求平均;
计算近似线,该近似线在所述多个带状区域的每一个中近似于所述浓淡值的平均值的分布;
识别所述多个列的一个区间,在该区间中从所述近似线得到的所述浓淡值减去针对各列的所述浓淡值的平均值所得的差值为正;并且
针对各个所识别的区间,计算由所述浓淡值的平均值分布以及所述近似线包围的面积,并判断各所述区间中的所述面积是否超过了一指定阈值。
5、根据权利要求4所述的缺陷检测方法,还包括以下步骤:识别其中所述面积超过所述指定阈值的所述区间。
6、一种程序,其由连接至成像装置的计算机来执行,所述成像装置具有光学元件和成像元件,以将通过所述光学元件接收的光转换为电信号,由所述成像装置采集的图像的数据被输入所述图像检查装置中,并且所述图像检查装置基于所述图像数据来检测所述成像装置的缺陷,该程序使得计算机来执行:
通过以规定行数为单位进行分割,将由M行N列个像素形成的数字图像划分为多个带状区域,所述M和N是自然数;
对于所述多个带状区域中的每一个,针对各列来对所述带状区域中的像素的浓淡值求平均;
计算近似线,该近似线在所述多个带状区域的每一个中近似于所述浓淡值的平均值的分布;并且
判断是否存在如下连续的d个列,d是满足1<d<N的自然数,在所述连续的d个列中,从所述近似线得到的所述浓淡值与针对各列的所述浓淡值的平均值之间的差值超出一指定阈值。
7、根据权利要求6所述的程序,还使得计算机执行以下步骤:在所述多个带状区域的每一个中,识别其中所述差值超过所述指定阈值的所述列为连续的一部分的位置。
8、一种程序,其由连接至成像装置的计算机来执行,所述成像装置具有光学元件和成像元件,以将通过所述光学元件接收的光转换为电信号,通过所述成像装置采集的图像的数据被输入所述图像检查装置中,并且所述图像检查装置基于所述图像数据来检测所述成像装置的缺陷,该程序使计算机执行:
通过以规定行数为单位进行分割,将由M行N列个像素形成的数字图像划分为多个带状区域,所述M和N是自然数;
对于所述多个带状区域中的每一个,针对各列来对所述带状区域中的像素的浓淡值求平均;
计算近似线,该近似线在所述多个带状区域的每一个中近似于所述浓淡值的平均值的分布;并且
判断在所述多个带状区域的第一带状区域中,是否存在如下连续的d个列,d是满足1<d<N的自然数,在所述连接的d个列中,从所述近似线得到的所述浓淡值与针对各列的所述浓淡值的平均值之间的差超出一指定阈值,并且如果存在这样的连续,则将其中所述差值超过所述指定阈值的所述连续列的区间确定为缺陷的位置,并且判断邻近的第二带状区域中的缺陷的位置是否与所述第一带状区域中的所述缺陷的位置相交叠。
9、一种程序,其由连接至成像装置的计算机来执行,所述成像装置具有光学元件和成像元件,以将通过所述光学元件接收的光转换为电信号,由所述成像装置采集的图像的数据被输入所述图像检查装置中,并且所述图像检查装置基于所述图像数据来检测所述成像装置的缺陷,所述程序使计算机执行:
通过以规定行数为单位进行分割,将由M行N列个像素形成的数字图像划分为多个带状区域,所述M和N是自然数;
对于所述多个带状区域中的每一个,针对各列来对所述带状区域中的像素的浓淡值求平均;
计算近似线,该近似线在所述多个带状区域的每一个中近似于所述浓淡值的平均值的分布;
识别所述列的一区间,在所述区间中从所述近似线得到的所述浓淡值减去针对各列的所述浓淡值的平均值所得的差值为正;并且
针对各个所识别的区间中,计算由所述浓淡值的分布以及所述近似线包围的面积,并判断各所述区间中的所述面积是否超过了一指定阈值。
10、根据权利要求9所述的程序,还使计算机执行以下步骤:识别其中所述面积超过所述指定阈值的所述区间。
11、一种图像检查装置,其连接至成像装置,所述成像装置具有光学元件和成像元件,以将通过所述光学元件接收的光转换为电信号,由所述成像装置采集的图像的数据被输入所述图像检查装置中,并且所述图像检查装置基于所述图像数据来检测所述成像装置的缺陷,该图像检查装置包括:
划分部分,其通过以规定行数为单位进行分割,将由M行N列个像素形成的数字图像划分为多个带状区域,所述M和N是自然数;
求平均部分,其对于所述多个带状区域中的每一个,针对各列来对所述带状区域中的像素的浓淡值求平均;
近似部分,其计算近似线,该近似线在所述多个带状区域的每一个中近似于所述浓淡值的平均值的分布;以及
判断部分,其判断是否存在如下连续的d个列,d是满足1<d<N的自然数,在所述连续的d个列中,从由所述近似部分计算出的所述近似线得到的所述浓淡值与由所述求平均部分计算出的所述浓淡值的平均值之间的差值超出一指定阈值。
12、根据权利要求11所述的图像检查装置,还包括识别部分,其在所述多个带状区域的每一个中,确定其中所述差值超过所述指定阈值的所述多个列为连续的一部分的位置。
13、一种图像检查装置,其连接至成像装置,所述成像装置具有光学元件和成像元件,以将通过所述光学元件接收的光转换为电信号,由所述成像装置采集的图像的数据被输入所述图像检查装置中,并且所述图像检查装置基于所述图像数据来检测所述成像装置的缺陷,该图像检查装置包括:
划分部分,其通过以规定行数为单位进行分割,将由M行N列个像素形成的数字图像划分为多个带状区域,所述M和N是自然数;
求平均部分,其对于所述多个带状区域中的每一个,针对各列来对所述带状区域中的像素的浓淡值求平均;
近似部分,其计算近似线,该近似线在所述多个带状区域的每一个中近似于所述浓淡值的平均值的分布;以及
严格判断部分,其判断在所述多个带状区域的第一带状区域中,是否存在如下连续的d个列,d是满足1<d<N的自然数,在所述连续的d个列中,从由所述近似线部分计算出的所述近似线得到的所述浓淡值与由所述求平均部分计算出的所述浓淡值的平均值之间的差值超出一指定阈值,并且在存在这样的连续时,将其中所述差值超过所述指定阈值的所述连续列的部分识别为缺陷的位置,并且判断邻近的第二带状区域中的缺陷的位置是否与所述第一带状区域中的所述缺陷的位置相交叠。
14、一种图像检查装置,其连接至成像装置,所述成像装置具有光学元件和成像元件,以将通过所述光学元件接收的光转换为电信号,由所述成像装置采集的图像的数据被输入所述图像检查装置中,并且所述图像检查装置基于所述图像数据来检测所述成像装置的缺陷,该图像检查装置包括:
划分部分,其通过以规定行数为单位进行分割,将由M行N列个像素形成的数字图像划分为多个带状区域,所述M和N是自然数;
求平均部分,其对于所述多个带状区域中的每一个,针对各列来对所述带状区域中的像素的浓淡值求平均;
近似部分,其计算近似线,该近似线在所述多个带状区域的每一个中近似于所述浓淡值的平均值的分布;以及
面积判定部分,识别所述多个列的一区间,在所述区间中从由所述近似部分计算出的所述近似线得到的所述浓淡值中,减去由所述求平均部分计算出的所述浓淡值的平均值所得的差值为正;并且针对各个所识别的区间,计算由所述浓淡值的平均值以及所述近似线包围的面积,并判断各所述区间中的所述面积是否超过了一指定阈值。
15、根据权利要求14所述的图像检查装置,还包括识别部分,其识别其中所述面积超过所述指定阈值的所述区间。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2004284776 | 2004-09-29 | ||
JP2004284776A JP2006098217A (ja) | 2004-09-29 | 2004-09-29 | 画像検査装置、画像検査方法及び画像検査プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1755343A true CN1755343A (zh) | 2006-04-05 |
CN100491952C CN100491952C (zh) | 2009-05-27 |
Family
ID=36099141
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB2005100919178A Expired - Fee Related CN100491952C (zh) | 2004-09-29 | 2005-08-12 | 图像检查装置、缺陷检测方法及缺陷检测程序 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20060067569A1 (zh) |
JP (1) | JP2006098217A (zh) |
CN (1) | CN100491952C (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100592202C (zh) * | 2007-05-15 | 2010-02-24 | 鸿富锦精密工业(深圳)有限公司 | 相机模组的影像测试系统及方法 |
CN112577978A (zh) * | 2019-09-30 | 2021-03-30 | 本田技研工业株式会社 | 电极结构体检查方法 |
CN114651169A (zh) * | 2019-11-22 | 2022-06-21 | 夏普株式会社 | 显示面板的制造方法 |
CN114911085A (zh) * | 2022-01-03 | 2022-08-16 | 友达光电股份有限公司 | 分析缺陷的方法 |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7738692B2 (en) * | 2006-07-20 | 2010-06-15 | Taiwan Semiconductor Manufacturing Co., Ltd. | Methods of determining quality of a light source |
JP4682181B2 (ja) * | 2007-11-19 | 2011-05-11 | シャープ株式会社 | 撮像装置および電子情報機器 |
JP5413012B2 (ja) | 2009-07-21 | 2014-02-12 | 富士ゼロックス株式会社 | 画像欠陥診断システム、画像形成装置、およびプログラム |
US8797429B2 (en) | 2012-03-05 | 2014-08-05 | Apple Inc. | Camera blemish defects detection |
JP2018180875A (ja) * | 2017-04-12 | 2018-11-15 | 富士通株式会社 | 判定装置、判定方法および判定プログラム |
KR102576277B1 (ko) * | 2018-05-02 | 2023-09-08 | 삼성디스플레이 주식회사 | 불량 검출 장치 및 방법 |
EP3923563B1 (en) * | 2019-02-07 | 2024-04-03 | Mitsubishi Electric Corporation | Infrared imaging device and infrared imaging program |
CN113744274B (zh) * | 2021-11-08 | 2022-02-08 | 深圳市巨力方视觉技术有限公司 | 产品外观缺陷检测方法、装置及存储介质 |
CN114638825B (zh) * | 2022-05-12 | 2022-08-09 | 深圳市联志光电科技有限公司 | 一种基于图像分割的缺陷检测方法和检测系统 |
CN117824889B (zh) * | 2024-03-04 | 2024-06-18 | 杭州中为光电技术有限公司 | 硅棒内力检测系统、检测方法及截断方法 |
Family Cites Families (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU565874B2 (en) * | 1983-03-11 | 1987-10-01 | Ei Solutions, Inc. | Adaptive threshold circuit for digital image processing |
JPS61290865A (ja) * | 1985-06-19 | 1986-12-20 | Ricoh Co Ltd | 中間調デジタル画像処理装置 |
US5065444A (en) * | 1988-02-08 | 1991-11-12 | Northrop Corporation | Streak removal filtering method and apparatus |
US5091963A (en) * | 1988-05-02 | 1992-02-25 | The Standard Oil Company | Method and apparatus for inspecting surfaces for contrast variations |
US5297289A (en) * | 1989-10-31 | 1994-03-22 | Rockwell International Corporation | System which cooperatively uses a systolic array processor and auxiliary processor for pixel signal enhancement |
SE506145C2 (sv) * | 1995-03-20 | 1997-11-17 | Bjoern Stefan Christian Blixt | Förfarande för omvandling av en i bildelement uppdelad gråskalebild till en svart-vit bild |
US5760829A (en) * | 1995-06-06 | 1998-06-02 | United Parcel Service Of America, Inc. | Method and apparatus for evaluating an imaging device |
JPH09329527A (ja) * | 1996-04-08 | 1997-12-22 | Advantest Corp | 画像処理方法および画像処理装置 |
US6275600B1 (en) * | 1998-03-09 | 2001-08-14 | I.Data International, Inc. | Measuring image characteristics of output from a digital printer |
US6043900A (en) * | 1998-03-31 | 2000-03-28 | Xerox Corporation | Method and system for automatically detecting a background type of a scanned document utilizing a leadedge histogram thereof |
US6636645B1 (en) * | 2000-06-29 | 2003-10-21 | Eastman Kodak Company | Image processing method for reducing noise and blocking artifact in a digital image |
US6643410B1 (en) * | 2000-06-29 | 2003-11-04 | Eastman Kodak Company | Method of determining the extent of blocking artifacts in a digital image |
US20020146171A1 (en) * | 2000-10-01 | 2002-10-10 | Applied Science Fiction, Inc. | Method, apparatus and system for black segment detection |
JP3946038B2 (ja) * | 2000-12-25 | 2007-07-18 | 株式会社リコー | 画像処理装置および画像形成装置 |
US6741741B2 (en) * | 2001-02-01 | 2004-05-25 | Xerox Corporation | System and method for automatically detecting edges of scanned documents |
US20030059099A1 (en) * | 2001-09-27 | 2003-03-27 | Longford Equipment International Limited | Optical character recognition system |
JP4169573B2 (ja) * | 2002-10-23 | 2008-10-22 | 株式会社東京精密 | パターン検査方法及び検査装置 |
EP1475957B1 (en) * | 2003-05-08 | 2010-11-03 | STMicroelectronics (Research & Development) Limited | Method and apparatus for removing column fixed pattern noise in solid state image sensors |
SK10072003A3 (sk) * | 2003-08-08 | 2005-03-04 | Dušan Kočiš | Dátový kanál pozadia na papierovom alebo inom nosiči |
US7242816B2 (en) * | 2003-08-11 | 2007-07-10 | Scanbuy, Inc. | Group average filter algorithm for digital image processing |
JP2006033797A (ja) * | 2004-06-17 | 2006-02-02 | Ricoh Co Ltd | 画像処理装置及び画像処理方法 |
US20060262210A1 (en) * | 2005-05-19 | 2006-11-23 | Micron Technology, Inc. | Method and apparatus for column-wise suppression of noise in an imager |
US7903865B2 (en) * | 2007-03-27 | 2011-03-08 | Chuang Hwa University | Automatic optical inspection system and method |
-
2004
- 2004-09-29 JP JP2004284776A patent/JP2006098217A/ja active Pending
-
2005
- 2005-08-12 CN CNB2005100919178A patent/CN100491952C/zh not_active Expired - Fee Related
- 2005-09-26 US US11/234,409 patent/US20060067569A1/en not_active Abandoned
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100592202C (zh) * | 2007-05-15 | 2010-02-24 | 鸿富锦精密工业(深圳)有限公司 | 相机模组的影像测试系统及方法 |
CN112577978A (zh) * | 2019-09-30 | 2021-03-30 | 本田技研工业株式会社 | 电极结构体检查方法 |
CN114651169A (zh) * | 2019-11-22 | 2022-06-21 | 夏普株式会社 | 显示面板的制造方法 |
CN114911085A (zh) * | 2022-01-03 | 2022-08-16 | 友达光电股份有限公司 | 分析缺陷的方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2006098217A (ja) | 2006-04-13 |
CN100491952C (zh) | 2009-05-27 |
US20060067569A1 (en) | 2006-03-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN1755343A (zh) | 图像检查装置、缺陷检测方法及缺陷检测程序 | |
US10891724B2 (en) | Automated system and method for clarity measurements and clarity grading | |
CN1666501A (zh) | 缺陷图像采样的错误图像采样数据的检测设备和方法 | |
CN1732693A (zh) | 像素缺陷检测和校正设备以及像素缺陷检测和校正方法 | |
JP5236241B2 (ja) | 欠陥検査装置、欠陥検査方法、画像処理装置、プログラム、及び該プログラムを記録したコンピュータ読み取り可能な記録媒体 | |
CN111261079B (zh) | 一种亮、暗斑异常现象的检测方法 | |
CN102595061A (zh) | 图像处理装置、图像处理方法和程序 | |
KR101941585B1 (ko) | 인공지능 기반의 검사를 위한 임베디드 시스템, 제어 방법 및 이를 포함하는 검사 시스템 | |
JP5786622B2 (ja) | 画質検査方法、画質検査装置及び画質検査プログラム | |
CN1619790A (zh) | 缺陷检查方法 | |
JP4143660B2 (ja) | 画像解析方法、画像解析装置、検査装置、画像解析プログラムおよびコンピュータ読み取り可能な記録媒体 | |
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 | |
US20150003720A1 (en) | Method of inspecting substrate | |
US8717465B2 (en) | Blemish detection sytem and method | |
JP6114559B2 (ja) | フラットパネルディスプレイの自動ムラ検出装置 | |
CN110672631B (zh) | 面板缺陷拍照方法和面板缺陷拍照装置 | |
US6720989B2 (en) | System and method for automatically inspecting an array of periodic elements | |
CN111640122A (zh) | 基于连通域的led异形显示屏光斑定位分割方法 | |
CN112763511B (zh) | 显示面板的线路缺陷的检测方法 | |
JP3953373B2 (ja) | 紡糸口金の管理方法 | |
JP2020201231A (ja) | 材料分離評価方法及び材料分離評価システム | |
CN118275451B (zh) | 一种基于视觉检测的印刷电路板缺陷检测系统及方法 | |
CN110458840B (zh) | 一种降低面板缺陷过检率的方法、系统及终端设备 | |
JP2014092402A (ja) | 表示装置の欠陥検査方法 | |
CN113866183B (zh) | 一种带钢表面检测仪的故障检测方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20090527 Termination date: 20100812 |