CN1991341A - 干涉条纹自动对焦与自动检测方法 - Google Patents

Abstract

一种干涉条纹自动对焦与自动检测方法，适用于光学干涉系统，包括：撷取多个干涉图像。每一该干涉图像是由多个像素所构成，每一上述这些像素有对应的像素强度。记录每一上述这些干涉图像的位置，清晰度与对比度。该清晰度与该对比度是根据清晰度计算与对比度计算获得。分析上述这些干涉图像的上述这些清晰度，获得与上述这些干涉图像位置相对应的清晰度分布曲线，以得出一最佳清晰度位置，作为该光学干涉系统的聚焦位置。分析上述这些干涉图像的上述这些对比度，获得对比度分布曲线。决定干涉扫描范围，其中该对比度分布曲线被独立分析，或是该对比度分布曲线与该清晰度分布曲线被混合分析，以决定该干涉扫描范围。

Description

干涉条纹自动对焦与自动检测方法

技术领域

本发明涉及一种光学干涉系统的检测技术，且特别涉及一种干涉条纹自动对焦与自动检测方法。

背景技术

近几年来，检测设备产业的发展趋势主要朝向光电科技与自动化技术的结合，而随着半导体工艺、系统微小化技术与纳米科技的发展，传统的测量与检测方法已无法满足产业界的需求。因此，新兴的检测技术皆利用非破坏性的光学检测方法为基础，其不但可以达到微小尺寸的快速检测，配合信号处理技术还可以提高检测程序的自动化程度。在自动化光学检测技术中，自动对焦为光学式测量与检测方法的重要步骤之一。无论在工艺上或成品上的检测过程中，使用快速的图像式检测方法已成为主流。

为了能正确地检视产品的特征，需要得到清晰度较佳的图像。而以人工方法判别的速度较慢，且容易受人为因素导致准确度不一，降低检测质量的可靠度。因此为了达到自动化光学式检测的目的，需要良好的自动对焦算法来辅助光学图像式的检测方法。于微小尺寸测量的领域里，最受重视的方法为光干涉技术，其为光学测量领域中非常实用且重要的测量工具，且测量极限甚至可以达到次纳米(0.5nm)等级。

光干涉技术的原理是利用待测物表面与参考面之间的光程差所产生的干涉条纹来评估待测物表面的光学特性，搭配阵列式光强传感器与位置传感器时，可达到2D与3D的光学特性测量，进而应用于检测待测物的表面质量、尺寸、缺陷等特征。

目前市售的光学显微镜，多以手动对焦为主，例如会在光路中加入对焦点(Target Mark)，以对焦点图像嵌合为对焦参考。这种方法会增加人工调整对焦的效率，但是此方法仍受人员素质的影响，使得重复精度的质量不一致。而另外于显微镜架构中，也可以加入补偿对焦误差的镜片。此外，针对单点光检测器所测得之干涉条纹，也可以设置干涉范围(fringewindow)，并于干涉范围内搜寻发生最大干涉条纹强度最大的位置，以此位置为最佳对焦点。

然而，对于现有的技术中，仍存在有多种问题，例如光学干涉系统的物镜景深范围小，而人为操作的精度粗糙，不容易有效率地撷取干涉条纹或聚焦点的位置。另外，一般显微镜架构中的自动对焦的方法容易受到干涉条纹的影响而失去准确性。因此，如何达到干涉条纹自动对焦与自动检测方法，是需要积极研发的方向。

发明内容

本发明提供一种干涉条纹自动对焦与自动检测方法，可以自动且有效地得出物镜与待测物之间的较佳聚焦距离，且自动分析得到干涉条纹的扫描范围。

本发明提出一种干涉条纹自动对焦与自动检测方法，包括首先撷取多个干涉图像。每一该干涉图像是由多个像素所构成，每一上述这些像素有对应的像素强度。记录每一上述这些干涉图像的位置，清晰度与对比度。该清晰度与该对比度是根据清晰度计算与对比度计算获得。分析上述这些干涉图像的上述这些清晰度，获得清晰度分布曲线，以得出最佳清晰度位置，作为该光学干涉系统的聚焦位置。分析上述这些干涉图像的上述这些对比度，获得对比度分布曲线。决定干涉扫描范围，其中该对比度分布曲线被独立分析，或是该对比度分布曲线与该清晰度分布曲线被混合分析，以决定该干涉扫描范围。

依照本发明的较佳实施例，于所述干涉条纹自动对焦与自动检测方法，撷取上述这些干涉图像的该步骤与记录每一上述这些干涉图像的该位置，该清晰度与该对比度的该步骤，是每撷取上述这些干涉图像之其一，就计算得出该清晰度与该对比度。又或是，撷取全部上述这些干涉图像后才计算得出上述这些清晰度与上述这些对比度。

依照本发明的较佳实施例，于所述干涉条纹自动对焦与自动检测方法，清晰度计算是根据十字自动对焦方法演算。另外，此十字自动对焦方法，例如包括使用十字型遮罩的机制，将被该十字型遮罩所涵盖的上述这些像素选出，其中该十字型遮罩的中间像素的中间位置，位于上述这些像素之其一。根据被选出的上述这些像素的上述这些像素强度，根据计算规则得出计算值。移动该十字型遮罩，以至少扫描过该干涉图像的中间区域的上述这些像素，根据相同的该计算规则得出对应的上述这些计算值的总值，作为对应每一上述这些干涉图像的该清晰度。

依照本发明的较佳实施例，于所述干涉条纹自动对焦与自动检测方法，该十字型遮罩的形状是以该中间像素为中心，间隔90度在第一、第二、第三、第四个方向延伸至少两个像素所构成，且每一个像素位置，分别设定有权重值以乘于对应的该像素强度。

依照本发明的较佳实施例，于所述干涉条纹自动对焦与自动检测方法，该十字型遮罩的中间像素的权重值为零，其它上述这些方向的上述这些权重值分配是，第一方向与第三方向对称但是符号相反，第二方向与第四方向对称但是符号相反。

依照本发明的较佳实施例，于所述干涉条纹自动对焦与自动检测方法，对于对应的该像素的该计算值，包括：计算该第一方向对应该第三方向，以及该第二方向对应该第四方向，所对应的每一对像素分别乘上对应的上述这些权重值的多个像素计算值。接着、将每一像素计算值与其对称方向的像素计算值相加后平方，再将平方值加总得到该计算值。

依照本发明的较佳实施例，于所述干涉条纹自动对焦与自动检测方法，在分析上述这些干涉图像的上述这些清晰度的该步骤中，包括分析出该清晰度分布曲线的尖峰位置，是该最佳清晰度位置。

依照本发明的较佳实施例，于所述干涉条纹自动对焦与自动检测方法，上述对比度计算包括：对每一上述这些干涉图像的上述这些像素，做出强度直方图；以及分析该强度直方图，得出分布宽度，作为对应每一上述这些干涉图像的该对比度。

依照本发明的较佳实施例，于所述干涉条纹自动对焦与自动检测方法，其中分析该强度直方图的该步骤，包括制作上述这些对比度对应上述这些干涉图像的图框顺序的该对比度分布曲线。根据该对比度分布曲线决定该对比度分布范围，进而决定该干涉扫描范围。其中该对比度分布范围是根据上述这些对比度大于对比度门坎值的曲线分布宽度所决定，或是根据该对比度分布曲线的多个尖峰的最大分布宽度所决定。

依照本发明的较佳实施例，于所述干涉条纹自动对焦与自动检测方法，在分析上述这些干涉图像的上述这些对比度的该步骤中，包括分析该对比度分布曲线的实际值或是斜率值，得到大于参考门坎值的分布范围，作为该干涉扫描范围。

依照本发明的较佳实施例，于所述干涉条纹自动对焦与自动检测方法，该对比度门坎值是根据统计机制得到。

依照本发明的较佳实施例，于所述干涉条纹自动对焦与自动检测方法，其中在分析上述这些干涉图像的上述这些对比度的该步骤中，包括对该对比度分布曲线与该清晰度分布曲线，分别做一次微分，得到对比度微分曲线与清晰度微分曲线。另外，将该对比度微分曲线与该清晰度微分曲线相加，成为干涉对焦微分曲线。对该干涉对焦微分曲线，进行噪声滤除运算。利用运算长度为同调长度之移动平均法，转换该干涉对焦微分布曲线成干涉对焦曲线。其中，移动平均法之运算长度可以是任意长度，并不局限于同调长度。根据该干涉对焦曲线的分布范围，决定该干涉扫描范围。

为让本发明之上述和其它目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合附图，作详细说明如下。

附图说明

图1表示本发明所使用的光学干涉系统的一实施例。

图2表示依据本发明实施例，干涉条纹自动对焦与自动检测方法的步骤流程。

图3表示依据本发明实施例的对比度分析流程。

图4表示依据本发明实施例的决定对比度方法。

图5表示依据本发明一实施例，根据对比度来决定干涉扫描范围的机制。

图6为依据本发明一实施例，十字型遮罩的结构示意图。

图7表示依据本发明一实施例，十字型遮罩在干涉图像的移动方式。

图8表示依据本发明实施例的清晰度分析流程。

图9表示依据本发明一实施例，根据对比度与清晰度综合分析，来决定干涉扫描范围的机制。

主要元件标记说明

100：光源

102：光学系统

104：干涉物镜

106：样本

108：分光反射单元

110：CCD

112：图像撷取卡

114：计算机系统

116：取像距离

S200～S232：步骤

600：十字型遮罩

700：干涉图像

702：像素阵列702

804：尖峰位置

具体实施方式

本发明特别考虑如何识别干涉条纹出现的范围，进而决定干涉扫描范围。同时，在干涉扫描范围内进行清晰度的分析，以求得较佳的聚焦位置，因而改善聚焦点的搜寻效率，增加自动化的程度。

在光学式的检测与测量方法中，已普遍地利用光干涉的技术来检测待测物的特征，为了获得较高的测量解析度，使用的光源必须为低同调光，此时，因光源的低同调长度而使得干涉条纹的可识别范围有限。基于图像式的检测方法，以白光干涉物镜的光路架构为例，干涉现象会发生在焦点处，干涉图像出现的范围可能仅为光路上短短的几μm至十几μm的距离。若以人工方法调整待测物至物镜的焦点处，很容易因为调整速度过快和人眼反应速度慢的影响，而错过干涉图像出现的范围。

因此，以计算机视觉搭配自动对焦算法运算图像中干涉条纹的信息，可以口低寻找干涉图像的困难度，并且提高干涉图像的搜寻速度，改善识别干涉图像的准确性。

一般包含干涉光路之光学显微镜架构受到干涉条纹的影响，容易产生自动对焦的误判。因此会以面检测的方式进行。除了以一组图像传感器撷取干涉图像之外，并利用另一组阵列式光强传感器，判断传感器上每一个像素因干涉条纹所造成的光强度的变化，进而计算出一个干涉图像所对应的对比度(contrast index)。另外，也可以计算出清晰度(sharpness index)。经过一次扫描的顺序多个干涉图像的撷取与分析，可以决定干涉条纹的扫描范围，且同时可以决定聚焦的位置。

本发明主要是应用于全域式识别图像序列中干涉条纹出现处与决定干涉条纹的扫描范围，并且达到自动对焦的功能。使用的方法为直接统计每张图像之直方图分布宽度，将此宽度视为对比度，分布较宽者为干涉条纹出现处，同时记录并统计图像序列的直方图分布宽度，作对比度指标曲线图，以此对比度指标曲线图判断干涉条纹出现的范围。另外，再搭配十字自动对焦算法，以获得清晰度指标曲线图，以及最清晰的干涉图像与最佳对焦位置。再将对比度指标曲线与清晰度指标曲线进行比对运算，可得到干涉对焦曲线，由此曲线的分布范围可决定干涉扫描的范围。

本发明直接处理图像数据，不需另外加装传感器，可节省成本。于判断干涉图像时，统计整张图像之信息，具有过滤噪声的效果，提高准确度。再配合十字自动对焦算法，可得到更清晰的干涉图像与其位置。

以下举多个实施例作为说明，但是本发明不仅受限于所举的那些实施例。

图1表示本发明所使用的光学干涉系统的一实施例。参照图1，光学干涉系统例如包括光源100。此光源100可能为宽带或是多频的光源。当光通过光学系统102，通过分光单元108，反射进入干涉物镜104后，经干涉物镜内部之分光单元122分光，一部分光投射至样本106的表面，被反射回来通过干涉物镜104，并穿过分光单元108，另一部分光被分光单元122反射至由干涉物镜内部之标准反射单元120。标准反射单元120再把此部分的光反射到分光单元122，以使依相同路径再被分光单元122反射而穿过分光单元108与样本反射光产生干涉，并由图像摄取单元110，例如CCD(chargecoupled device)所摄取。干涉物镜104与样本106之间有可以被自动调整的取像距离116。图像撷取卡(Frame Grabber)112撷取图像摄取单元110所摄取之干涉图像，且将所撷取之干涉图像传送给计算机系统114，进行计算清晰度和对比度，以及对清晰度和对比度做整体分析，得到最佳的取像距离116，以及对应取像距离116的干涉扫描范围。计算机系统114也根据最佳的取像距离116作为聚焦距离，调整干涉物镜104的焦点可以落在样本106上，以获得最清晰的干涉图像。

本发明提出例如配合图1的系统，提出自动操作流程，如图2所示。图2表示依据本发明实施例，干涉条纹自动对焦与自动检测方法的步骤流程。于步骤S200，对应取像距离116，撷取干涉图像。另外，为使较有效率操作，于步骤216，可以同时记录干涉图像的位置。另外，干涉图像的位置也可以根据参考位置，依据干涉图像的顺序，推得其位置。因此能得干涉图像的位置的任何适当方式，皆可以适用于本发明。接着，于步骤S202，利用十字自动对焦法移动于干涉图像的像素范围。于步骤S204，计算出目前的干涉图像的图像清晰度。于步骤S206，记录计算出的图像清晰度。另一方面关于对比度的分析计算，于步骤S208，统计干涉图像中，对应像素值的数目。于步骤S210，计算像素值的分布范围的大小，以决定出对应此干涉图像的对比度。于步骤S212，记录计算出来的对比度。于步骤S214，如果还要继续撷取干涉图像，则回到步骤S200，否则继续后续步骤。

于此，要注意的是，干涉图像的分析与记录也可以等全部的图像撷取储存后，才进行分析与记录。其实际操作流程不必限制于图1的流程。另外关于清晰度与对比度的计算细节，会于后面描述。

于步骤S218，根据所得到的序列的清晰度，做出清晰度分布曲线，而分析出具有最佳图像清晰度的位置。于步骤S220，另外也分析决定出具有较大图像清晰度的位置区间。另外，于步骤S222，根据所得到的序列的对比度，做出对比度分布曲线，而分析出具有最大图像对比度的位置。于步骤S224，另外也分析决定出具有较大图像对比度的位置区间。

于步骤S226，综合所得到的对比度分布曲线与清晰度分布曲线二者，进行分析步骤。于此，步骤S226可以有多种分析规则，于后面会再描述。而后，于步骤S228，找出最佳对焦的干涉图像位置。于步骤S230，另外也决定干涉图像的扫描范围。于步骤S232，根据步骤S228所得到的最佳对焦的干涉图像位置，调整物镜与样本之间的距离，使有最佳的聚焦位置。

以下，描述较详细的分析规则，其中先对如何计算对比度做说明。图3表示依据本发明实施例的对比度分析流程。参照图3，相当于图2的步骤S208～S212，针对不同的取像距离116，可以依所撷取的干涉图像或是图框(Frame)的顺序给一个编号(步骤300)。对于每一个图框，以像素值做直方图(histogram)的统计，其中像素值例如是像素强度，又或是灰阶值(步骤302)。以图框I而言，因为远离产生干涉条纹的位置，因此图像的强度较均匀，因此像素值的分布较窄。

当撷取到图框I+K的位置时，干涉条纹已出现。由于有干涉条纹时，像素的强度不再是均匀，例如有暗线区域，白色区域，以及暗线之间的灰色区域。因此，像素在直方图的分布，一般会出现三个区域，延展成一较大范围。

于步骤304，进行对比度值的计算。对于每一个直方图，需要决定像素延展的范围，其可以利用一般统计分析方法来决定。而所到像素延展范围就定义为此对应图框的对比度值。于是将所计算出的所有对比度值，例如以图框序号为横轴，对应距离116，做出对比度分布曲线。接着分析此对比度分布曲线得到具有较大分布的对比度分布范围。由于图框的序号与图2的取像距离116是有对应的关系，对比度分布范围可以被转换成干涉扫描范围。也就是说，对比度分布曲线也可以直接以取像距离116作为横轴坐标。

另外，上述统计分析方法例如图4所述，但是图4不是本发明惟一的方法。于图4，例如以左图的统计方式，针对图框I+K的直方图而言，利用门坎值N_th，将像素数目(pixel number)低于门坎值N_th的像素值滤除，而得到新的直方图的分布范围，也就是例如将最大像素值400b减去最小像素值400a所得到的范围值。另外，也可例如右图，以分析尖峰出现的位置为基础，当直方图出现多个尖峰时，例如有最大像素值的尖峰位置402b的像素值，减去最小像素值的尖峰位置402a的像素值，而得到对比度的可能分布范围大小。因此，对应每一个所撷取的干涉图像，都有一个对应的对比度，可以得到对比度的分布曲线。

图5表示依据本发明一实施例，根据对比度来决定干涉扫描范围的机制。参照图5，较直接的方式，仍是采用一般统计方式分析。例如，根据对比度分布曲线，可以估计出干涉条纹出现的范围[502a，502b]，其例如利用门坎值来决定。又例如，可以利用对比度分布曲线的斜率变化，再配合斜率门坎值的方式来决定。此时，范围[502a，502b]例如可以作为干涉扫描的范围。然而，依较实际可能变化的考虑，也可以再根据所估计的范围[502a，502b]，向外再延伸一范围，例如10％的延伸范围，成为范围[500a，500b]。此范围[500a，500b]即是自动得出的干涉扫描的范围。

要注意得是，上述的统计分析方法仅是一些实施例，不是本发明的仅有方法。特别是例如在决定干涉扫描的范围时，图像清晰度也可能会影响决定，因此也可以加入清晰度的考虑，将会描述于后。

以下描述十字自动对焦机制，其可以被用来决定图像清晰度，进而决定物镜与样本之间的聚焦距离。图6为依据本发明一实施例，十字型遮罩的结构示意图。本发明的十字型遮罩600，是针对二维像素阵列所设定的虚拟的十字型遮罩600。其以中间像素为中心，以间隔90度在第一、第二、第三、第四个方向延伸至少两个像素所构成，例如以两个像素做说明。每一个像素位置分别设定有一权重值a1～a8，如图示，用以乘于对应的8个像素强度。中间像素的权重值设为零，也就是说中间像素，仅作为位置移动的对准，而不做计算。

另外第一方向与第三方向对称但是符号相反，第二方向与第四方向对称但是符号相反。例如，[a1、a2、a3、a4、a5、a6、a7、a8]的值分别为[1、2、-2、-1、1、2、-2、-1]，用以乘上对应被屏蔽的像素强度。针对中间像素的位置，其计算方法例如，八个乘值(a_i·P_i)，i＝1～8，计算[(a₁·p₁)+(a₄·P₄)]²+[(a₂·P₂)+(a₃·P₃)]²+[(a₅·p₅)+(a₈·p₈)]²+[(a₆·P₆)+(a₇·P₇)]²，以此作为统计值，其中p_i为像素强度。例如p₁～P₈＝10，20，33，100，55，21，73，200，对应此像素而言，其计算值为[1×10+(-1)×100]²+[2×20+(-2)×33]²+[1×55+(-1)×200]²+[2×21+(-2)×73]²＝40617。

以此值作为统计值。若是十字型遮罩的延伸长度超过两个像素，则依上述原则，改变权重值，但是计算方式一样。上述的计算器制，若是对模糊的图像，对应十字型遮罩的像素值会趋向均匀，没有明显像素值变化，因此对称位置的像素会互相抵消，得到较小值。反之，统计值会有较大值。

对于干涉图像而言，十字型遮罩的中心像素，必须至少涵盖干涉图像的中心区域。图7表示依据本发明一实施例，十字型遮罩在干涉图像的移动方式。于图7，对于干涉图像700而言，是由二维的像素阵列702所构成。十字型遮罩600的中心位置位于二维的像素阵列702的其一像素。例如，移动十字型遮罩600的中心位置，一一算出前述的统计值，然后再加总得出计算值，作为清晰度的参考指标(reference index)。图7仅是一个例子。另外，也可以利用外差法，将干涉图像向外延伸两个像素。如此，十字型遮罩600的中心位置就可以移动，涵盖所有的像素。当然，针对清晰度的分析，也可以有其它的方式。只要能分析出清晰度的方式皆可以使用，而不限定于上述的分析方式。

接着、图8表示依据本发明实施例的清晰度分析流程。参照图8，与图3的步骤300一样，需要分析每一个图框。于步骤800，设定所要的十字型遮罩，且针对十字型遮罩所覆盖的像素，给予适当的权重值。于步骤802，对于每一个图框则进行如图7所述的清晰度计算，且将每一个图框的清晰度，以图框为横轴做出清晰度分布曲线。根据此清晰度分布曲线，可以分析出尖峰(peak)804的位置。由于图框的序号与图2的取像距离116是有对应的关系，因此由尖峰的位置可以得到在样本3上有最佳聚焦的取像距离116。也就是说，清晰度分布曲线也可以直接以取像距离116作为横轴坐标。另外，分析尖峰的方式是较佳的选择，然而也不是惟一的选择，例如取平均值，或是根据尖峰再考虑实际设计的次要因素，经进一步分析而得到最佳聚焦距离。

图9表示依据本发明一实施例，根据对比度与清晰度综合分析，来决定干涉扫描范围的机制。由于对比度分布曲线是以像素强度为评估原则，清晰度分布曲线则以像素间的强度差异为评估原则，因此两者对于不同的样本图像具有不同的敏感度。为了同时获得对比度与清晰度的信息，可以利用对比度分布曲线902与清晰度分布曲线900，进行一次微分904。之后，分别可以得到对比度微分曲线908与清晰度微分曲线906。两者的微分曲线可表现出干涉条纹出现的信息。再将两微分曲线相加910，合成为同时具有对比度与清晰度信息的对焦微分曲线912。由于微分的运算会引入噪声，因此可以利用门坎值过滤噪声914，而得到新的对焦微分曲线916。例如以微分曲线的平均值加上3倍标准差作为门坎值，以此门坎值过滤噪声后可得到无噪声的对焦微分曲线。并例如且利用光源之同调长度作为移动平均法918之运算长度Lm，对微分曲线916运算成干涉对焦曲线920。此干涉对焦曲线920所包含的范围作为干涉扫描范围，而于干涉扫描范围中，清晰度曲线900的尖峰位置为清晰的干涉对焦图像，其位置即聚焦点的位置。例如同调长度为101张图像的分布范围时，取移动平均法的运算长度Lm＝101，且以移动平均法的中心为运算基准，干涉对焦曲线920所包含的范围为干涉图像出现范围，再向外延伸半个同调长度。

综上所述，在本发明利用干涉条纹的高对比度特性，首先，统计图像中像素值的直方图，即是各像素值的数目，以得到每张图像上像素的强度分布范围与每个强度值上的数目，作为计算图像对比度的依据。接着利用图像对比度分析，或者，利用图像对比度和图像清晰度混合分析，以识别是否出现干涉条纹。于干涉图像的识别步骤中搭配十字自动对焦算法，能正确地寻得清晰的干涉图像，并且得到良好的对焦位置。

此外，又例如将对比度曲线与清晰度曲线各自微分后，可得两者的微分曲线，将两微分曲线相加合成为具有对比度与清晰度分布信息的微分曲线，于过滤噪声后，再以移动平均法运算成为干涉对焦曲线。参考干涉对焦曲线所包含的范围作为干涉扫描的范围，应用于干涉扫描仪器上，可提高自动化程度。

干涉条纹具有对比度高于背景图像的特性，利用图像中对比度的信息可作为干涉条纹是否出现的信息。于干涉现象发生处，图像中像素的强度值将具有较大的分布范围，分布范围愈大，表示图像对比度愈大，故可将此分布范围视为图像的对比度指标。因此，本发明统计图像中所有像素值的数目的直方图，并且计算像素值的分布范围，以像素值分布范围较广的图像视为干涉条纹出现时的图像。

另外，为了避免噪声的影响，设定像素值数目的门坎值作为判断分布范围的准则。记录所有图像序列中的像素值分布范围，作对比度指标曲线，以对比度指标曲线判断干涉图像的出现范围。干涉图像的分布有一段范围，仅以对比度所判断的干涉条纹出现处并非惟一的可能情形。此时本发明又加入对焦算法，取得清晰的干涉图像，如此能准确地得到干涉时的焦点。

虽然本发明已以较佳实施例披露如上，然其并非用以限定本发明，任何所属技术领域的技术人员，在不脱离本发明之精神和范围内，当可作些许之更动与改进，因此本发明之保护范围当视权利要求所界定者为准。

Claims (16)

1.一种干涉条纹自动对焦与自动检测方法，适用于光学干涉系统，其特征是包括：

撷取多个干涉图像，其中每一该干涉图像是由多个像素所构成，每一上述这些像素有对应的像素强度；

记录每一上述这些干涉图像的位置，清晰度与对比度，其中该清晰度与该对比度是根据清晰度计算与对比度计算获得；

分析上述这些干涉图像的上述这些清晰度，获得清晰度分布曲线，以得出最佳清晰度位置，作为该光学干涉系统的聚焦位置；

分析上述这些干涉图像的上述这些对比度，获得对比度分布曲线；以及

决定干涉扫描范围，其中该对比度分布曲线被独立分析，或是该对比度分布曲线与该清晰度分布曲线被混合分析，以决定该干涉扫描范围。

2.根据权利要求1所述之干涉条纹自动对焦与自动检测方法，其特征是撷取上述这些干涉图像的该步骤与记录每一上述这些干涉图像的该位置，该清晰度与该对比度的该步骤，是每撷取上述这些干涉图像之其一，就计算得出该清晰度与该对比度。

3.根据权利要求1所述之干涉条纹自动对焦与自动检测方法，其特征是撷取上述这些干涉图像的该步骤与记录每一上述这些干涉图像的该位置，该清晰度与该对比度的该步骤，是撷取全部上述这些干涉图像后，才计算得出上述这些清晰度与上述这些对比度。

4.根据权利要求1所述之干涉条纹自动对焦与自动检测方法，其特征是该清晰度计算是根据十字自动对焦方法演算。

5.根据权利要求4所述之干涉条纹自动对焦与自动检测方法，其特征是该十字自动对焦方法演算，包括：

使用十字型遮罩的机制，将被该十字型遮罩所涵盖的上述这些像素选出，其中该十字型遮罩的中间像素的中间位置，位于上述这些像素之其一；

根据被选出的上述这些像素的上述这些像素强度，根据计算规则得出计算值；以及

移动该十字型遮罩，以至少扫描过该干涉图像的中间区域的上述这些像素，根据相同的该计算规则得出对应的上述这些计算值的总值，作为对应每一上述这些干涉图像的该清晰度。

6.根据权利要求5所述之干涉条纹自动对焦与自动检测方法，其特征是该十字型遮罩的形状是以该中间像素为中心，间隔90度在第一、第二、第三、第四个方向延伸至少两个像素所构成，且每一个像素位置，分别设定有权重值以乘于对应的该像素强度。

7.根据权利要求6所述之干涉条纹自动对焦与自动检测方法，其特征是该至少两个像素的数量是两个像素，其中该中间像素的权重值为零。

8.根据权利要求6所述之干涉条纹自动对焦与自动检测方法，其特征是该中间像素的权重值为零，其它上述这些方向的上述这些权重值分配是，第一方向与第三方向对称但是符号相反，第二方向与第四方向对称但是符号相反。

9.根据权利要求8所述之干涉条纹自动对焦与自动检测方法，其特征是对于对应的该像素的该计算值，包括：

计算该第一方向对应该第三方向，以及该第二方向对应该第四方向，所对应的每一对像素分别乘上对应的上述这些权重值的多个像素计算值；以及

将每一像素计算值与其对称方向的像素计算值相加后平方，再将平方值加总得到该计算值。

10.根据权利要求1所述之干涉条纹自动对焦与自动检测方法，其特征是在分析上述这些干涉图像的上述这些清晰度的该步骤中，包括分析出该清晰度分布曲线的尖峰位置，是该最佳清晰部位置。

11.根据权利要求1所述之干涉条纹自动对焦与自动检测方法，其特征是该对比度计算包括：

对每一上述这些干涉图像的上述这些像素，做出一强度直方图；以及

分析该强度直方图，得出分布宽度，作为对应每一上述这些干涉图像的该对比度。

12.根据权利要求1所述之干涉条纹自动对焦与自动检测方法，其特征是分析该强度直方图的该步骤，包括：

针对该干涉图像，制作上述这些像素对应上述这些像素强度的多个像素数目的该强度直方图；

根据该强度直方图决定该对比度，并将上述这些干涉图像的上述这些对比度制作成该对比度分布曲线，进而决定该干涉扫描范围，

其中该对比度是根据该直方图的上述这些强度之上述这些像素数目大于像素数目门坎值的曲线分布宽度所决定，或是根据该强度直方图的多个尖峰的最大分布宽度所决定。

13.根据权利要求1所述之干涉条纹自动对焦与自动检测方法，其特征是在分析上述这些干涉图像的上述这些对比度的该步骤中，包括分析该对比度分布曲线的实际值或是斜率值，得到大于参考门坎值的分布范围，作为该干涉扫描范围。

14.根据权利要求13所述之干涉条纹自动对焦与自动检测方法，其特征是该对比度门坎值是根据统计机制得到。

15.根据权利要求1所述之干涉条纹自动对焦与自动检测方法，其特征是在分析上述这些干涉图像的上述这些对比度的该步骤中，包括：

对该对比度分布曲线与该清晰度分布曲线，分别做一次微分，得到对比度微分曲线与清晰度微分曲线；

将该对比度微分曲线与该清晰度微分曲线相加，成为干涉对焦微分曲线；

对该干涉对焦微分曲线，进行噪声滤除运算；

在预定的运算长度下，利用移动平均法，转换该干涉对焦微分曲线成干涉对焦曲线；以及

根据该干涉对焦曲线的分布范围，决定该干涉扫描范围。

16.根据权利要求15所述之干涉条纹自动对焦与自动检测方法，其特征是预定的该运算长度为同调长度。

Images