CN1998021A - 用于检测表面的方法 - Google Patents

Abstract

一种检测具有n+1个重复图案16的表面12的方法，利用产生图像12’的照相机18，该图像具有多个像素形成像素阵列，所述像素生成例如灰度值等的技术值，并且利用计算单元26处理所述像素数据用来检测所述表面12的情况，该方法包括如下比较步骤：将每个被检测像素即检测像素的值与一参考像素值进行比较，利用所述象素比较的差值结果确定检测结果。本发明的特征在于，只有所述图像12’的阵列的像素值是用来检测所述表面12状态的所述参考像素值的基础。

Description

用于检测表面的方法

技术领域

本申请涉及一种用于根据权利要求1所述的技术特征检测表面的方法和一种根据权利要求21所述的技术特征来实施该方法的装置。

背景技术

已经当前技术中存在一种用来检测具有重复图案的表面的方法和装置。该表面通常是其上具有导体的导体板。该导体形成重复图案，安排在没有图案即没有导体的表面或独一(非重复)图案之间。本申请仅仅涉及具有重复图案的区域；具有独一图案的区域通过已知的现有技术的方法检测。用于检测表面的装置包括具有CCD/CMOS照相传感器和光学物镜的照相机。导体板的表面通过所述物镜成像到CCD/CMOS照相传感器表面上。为了得到高质量的成像，导体板表面使用背光和/或前光照明。照相传感器的模拟或数字化图像被传输到一个计算单元。所述图像通过形成一个像素阵列的多个像素进行转换。所述的计算单元处理所述像素矩阵的数据，其每个像素都具有一个技术值。

通常主要使用的像素数据是灰度值。每个像素都在与相对于原始图像即导体板相同的位置上生成一个与原始图像的颜色对应的灰度值。灰度值构成了用于检测表面情况的基本数据，因为可以根据下面的比较步骤通过计算单元把这个值与参考像素的值比较：每个被检测的像素值(检测像素)与所谓的主图像的参考像素值比较。主图像是例如，基于已经被仔细检测的原始主导体板的图像，检测结果表明该主导体板没有缺陷、状态良好并有资格作为参考导体板。

在比较步骤中，要被检测的导体板的图像的每个像素将会与主导体的图像的相应像素(参考像素)比较。利用检测像素与参考像素通过比较得出的差异确定检测的结果。依据图像中的每个像素灰度值的强度能够非常精确地检测所述图像。

在图像处理领域，由于已知的用于检测表面的装置常常设置在导体板生产线中，因此能够迅速检测出导体表面出现的缺陷是非常重要的。并且，为了保证导体板的质量恒定，必需对每个导体板表面都进行检测。然而，现有的检测方法非常复杂并且耗时，这是因为上述的主图像构成了比较步骤的基础，即采用将被检测像素的值与主图像的参考像素值进行比较这种传统的示教(teach-in)方法。存储主图像需要的数据量非常高。因此数据存储费时并且在计算单元中需要大量的存储空间。此外，应当明白生产线上没有哪块导体板会与该生产线的其它任何一块导体板百分之百完全相同。因此，在基于传统示教法的现有技术中，与主图像的细微差异就会增加伪缺陷率。因此，许多导体板虽然它们状态良好没有表面缺陷，却仅仅由于相对于主图像存在微小的误差而被归类为不合格产品。

发明内容

因此本发明的目的是提供一种具有权利要求1所述的技术特征的用来检测表面的方法和装置，以及具有权利要求21所述的技术特征的装置，以便克服以上所述缺点，从而提供加速表面检测步骤的先决条件并且使检测的方法特别是针对缺陷率更为精确。

本发明的上述及其他目的总体上通过具有权利要求1所述的技术特征的表面检测方法实现，在该方法中，仅有关于所述图像的像素阵列的值是用于检测所述表面情况的所述参考像素的所述值的基础。因此，标准(master)的确定和标准图像(master image)的生成将不再是必要的。归功于引用的方法和根据本申请的方法，该方法比示教法变得更快和更简单。在本申请的优选实施例中，一个图案的检测像素值与来自同一图像即相同阵列的另一图案的像素值进行比较。使用另一个图案作为具有所述参考像素的参考图案。每个检测像素和相应的参考像素相对于其图案具有相同的位置。这会保证为了得到有意义的结果，仅仅比较相同类型的像素的值。然而，也可以使用相同类型的图案的任意像素。

根据本申请的另一实施例，提供若干在所述像素线的方向上沿着作为所述重复图案的部分的具有n+1个周期结构的像素线的比较步骤，所有的所述沿着所述像素线进行的比较步骤形成了一个检测步骤。对周期性重复图案的所有像素进行这个步骤。因此，系统地逐行检测像素阵列，直到检测完整个阵列。

如果原始标准及其图像在其整个范围内不具有连续规则的图像，那么在检测开始之前，确定一个被检测的表面图像的阵列区域是有利的，所述区域占有部分阵列或整个阵列。采用这种方法，就能够根据图案的优化线在经过优化的比较步骤中逐个区域地进行检测。

在又一实施例中，提供几个检测步骤，并且在执行所有的所述检测步骤后，所述区域的所有像素的所有值已经被检测了。特别地，每个检测步骤包括n个比较步骤。

由于要被检测的图像区域至少在上述确定的区域内包括规则的重复图案，在所述比较步骤中使用矢量计算是非常有利的，其中在比较步骤中所述检测像素和指定的参考像素在所述阵列中具有相对位置并且由此位置关系互相形成一个矢量k。所述矢量k在每个比较步骤中是相同的。简单地说，能借助于使用矢量k的矢量计算执行多个比较步骤，由此加速检测过程。

根据本申请的又一实施例，参考像素是来自之前的比较步骤中检测的像素。

本申请的方法允许通过与基于被检测图像阵列像素的参考像素的不同方法得到参考像素的值。

得到参考像素值的一个优选方法是通过使参考像素的值成为基于该阵列的几个像素的计算值。例如这个值可以是阵列中的参考像素的几个值的平均值，或不超过一个阈值的平均值等等。这个步骤使在阵列边界或在确定的区域内的像素能够以简单的方式检测。

特别地，参考像素的值是通过矢量k的整数倍计算的。

根据本发明的又一实施例，所述表面的情况的检测包括一确定步骤：在从比较步骤得到的所述差值结果的基础上，如果差值没有至少没有超出一个阈值，那么得出检测表面是正确的确定。具体地，确定步骤将会定义专用矢量k并且如果所述差值超出所述阈值就由此确定专用图案为缺陷。如果差值没有超出所述阈值，在直径方向上重复检测步骤，得到另一个矢量k’(k’＝-k)。这样就允许对检测像素的检测以及对该检测像素真实位置的检测，在所述检测中以所述两个检测步骤的数据为依据利用矢量k和矢量k’的计算结果超出了所述阈值。例如，在具有矢量k的检测步骤中和在具有矢量k’的检测步骤中，由于在下面将结合附图详细描述的所谓的阴影效应，不同的检测像素将会被归类为缺陷。基于这些两个像素的位置的计算方案将会能够确定实际的缺陷像素。

使用本申请方法的原理，可以在规则图像中检测缺陷，而不需要知道任何标准图案。与传统方法相比，这会导致数据的大量减少。

实际上，输入装置经常限制检测的区域，例如照相机镜头的覆盖范围。如果重复的图案比检测区宽，只要矢量k保持有效，精确定位就不是关键因素。

如果矢量k小，在大距离上累加的图案中缓慢的变形将不会象现有技术中的示教法那样产生强烈的缺陷信号。例如，对于处理透镜变形或弯曲变形的产品时，这一点非常有帮助。

确定矢量k可以几种不同的方法。根据优选实施例，矢量k由快速傅立叶变换确定，以使可以在矢量k处建立快速傅立叶变换的最大值。

或者，借助于霍夫变换(Hough transform)计算矢量k，或从预定的数据，特别是原始表面的数字化绘图来计算矢量k。

应当理解，检测步骤中线的方向或矢量k的方向取决于图案的种类。

如上所述，存在几种方法得到矢量k。这些方法总结如下：

通常存在技术绘图或数据库，用户能够从中查找两个图案示例的距离。

在数字照相机图像中，用户能设法建立一个轮廓曲线和估计的矢量k。

可以使用快速傅立叶变换对信号数据进行变换，例如在数字灰度值图像的情况下，使用离散的二维快速傅立叶变换。能够使用在频率空间内的峰值来提取矢量k。如果通过一个主频来确定参考图案，那么该方法会工作得很好。如果线状图案存在多个峰值(和声除外)，则它们表示存在不同的方向和距离。它们能够被组合起来形成共同矢量k。

如果对图案做出一些假定，例如在数字照相机图像中的平行线，可以应用霍夫变换以获得能够自动得到矢量k的对图案的描述。

软件可以简单地使用某一小步长测试所有的方向和长度并采用会产生最小的总体缺陷强度的矢量k。可以使用更小的步长将这个矢量变得更为精确。

根据本申请的又一实施例，所述值是像素的灰度值(GV)并且要被检测的表面可以是导体板的表面并且图案可以是导体板的导体。

主要通过根据权利要求21的特征的装置得到了如上所述以及本申请的其它目的，其中所述装置能够根据任意一个前述权利要求通过照相机生成形成像素阵列的多个像素的图像和计算机单元处理用于所述表面的情况的检测的所述像素数据而进行的所述方法。

附图说明

以下通过结合附图对实施例的详细描述中将会清楚本发明的其他优点和可能的应用，其中对由在附图中的示例说明的示例实施例进行参考。

在说明书、权利要求、摘要和附图中使用的术语在下面的列表中提供了相应的标记。

图1是本发明的装置的示意图。

图2是本发明的计算步骤中使用的矢量k的示意图。

图3是根据图案的第一实施例，显示沿第一实施例的线的像素的灰度值的对应正弦曲线的被检测图案的图像的顶视示意图，图中示出了对应向量k。

图4是根据图案的第二实施例的被检测的图案的图像的示意顶视图，图中示出了对应向量k。

图5是根据图案的第三实施例，沿着对应于矢量k方向的线被检测的像素灰度值强度的图，图中示出了对应矢量k。

图6是根据图案的第四实施例的被检测的图案的图像的示意顶视图，图中示出了相应矢量k和被检测的确定区域。

图7a是根据图案的第四实施例，沿着对应于矢量k的方向的线被检测的像素灰度值强度的图。

图7b是根据图案的第五实施例，沿着对应于矢量k的方向的线被检测的像素灰度值的强度图。

图7c是根据图案的第六实施例，沿着对应于矢量k的方向的线被检测的像素灰度值的强度图。

图8是分别不通过和通过低通滤波器的被检测的像素的灰度值强度的两个视图。

图9是根据图案的第七实施例，对于沿着对应于矢量k方向的线的导体，要被检测的具有非均匀表面的像素的灰度值的强度图。

图10是根据第八实施例图案的被检测图案的检测区的示意顶视图，示出了对应矢量k。

图11是根据示出了相应矢量k的图案的第九实施例，要被检测的图案的图像的示意顶视图。

图12是根据图案的第十实施例的沿着线被检测的像素灰度值的强度图和缺陷的另一强度图。

图13是沿着根据图案的第十一实施例的线，检测的像素的灰度值的强度图。

图14是沿着线检测的像素的灰度值的强度图和根据又一图案的实施例的缺陷的强度图。

图15是示出矢量k和阴影效应的图14的视图。

图16是根据又一图案的实施例沿着线检测的像素的灰度值的强度图和另外两个缺陷的强度图，图中显示了矢量k1和矢量k2。

图17是根据又一图案的实施例沿着线检测的像素灰度值的强度图和，图中显示了矢量k和阈值。

图18是根据图6的被检测图案的图像的顶视示意图，图中显示了若干可能的矢量k1到k4和不可能的矢量k5。

10：表面检测装置            12：表面

12’：图像                  14：导体板

14a：导体板基底材料         16：导体

18：照相机                  20：CCD照相机传感器

22：光学物镜                24：线

26：计算单元                28：键盘

30：显示器                  32：端口

34：线                      36：背光

38：检测圆锥                40：前光-左

42：前光-右                 44：正弦曲线

46：峰值                    47：线

48：邻近峰值                50：检验区域

52：低通长度                54：阈值

具体实施方式

图1示出了用于检测具有由导体板14的导体16形成的重复图案的导体板14的表面12的装置10的示意图。导体16(特别在图6中示出)设置导体板14上没有图案即没有导体16的表面之间。导体板14由透明的基底材料14a制成，而导体16本身是不透明的。

装置10包括具有CCD照相传感器20和光学物镜22的照相机18。CCD照相传感器20通过连接线24连接到计算单元26，其具有用于调整检测方法的参数的键盘28和用于显示检测结果和实际的方法步骤的显示器30。计算单元24包括端口32，可通过连接线34连接到用清除缺陷导体板14的操作机器(图中未示出)。在导体板14下方提供有是背光源36，并且照相机18的最大检测圆锥之上的外部设置了前光源40和42。

为了检测导体板14的表面12，可以通过光学物镜22将该表面在CCD照相传感器20的表面上成像。为了得到一个好的图像质量，通过背光源36或正光源40和42为表面12提供照明。

CCD照相传感器20的数字图像通过连接线24传输到计算单元26。该图像由多个像素构成的像素阵列形成。所述计算机单元26处理所述像素阵列的数据，其中每个象素都具有一个技术值，即分配的灰度值。

灰度值构成了用于检测表面12的情况的基础数据，通过计算单元26将这些值与参考像素值进行比较。根据本申请方法的步骤如下：

确定被检测表面12的图像12’的阵列区域，该区域是阵列的一部分或整个阵列。

将被检测导体16的像素即检测像素的每个值与来自相同图像即来自相同阵列的另一导体16的参考像素的值进行比较。所述另一导体16作为具有参考像素的参考导体16。每个检测像素和对应的参考像素都具有相对于它们各自的导体16来说相同的位置；对所述像素进行比较后得出的差异将会用来确定检测的结果，即比较步骤。

沿着作为导体16的重复图案的具有n-1周期性结构的像素线按照所述像素线的方向提供若干比较步骤，其中所有沿所述像素线进行的比较步骤形成一检测步骤。

提供几个比较步骤并且在执行所有的所述检测步骤后所述区域中的所有像素值都将完成检测。特别是，每个检测步骤包括n个比较步骤。

所述参考像素是在先前的比较步骤中经过检测的像素。

由于待检测图像的区域包括了由上述比较步骤中提到的确定区域中的有规律重复的导体16，因此采用矢量计算，其中检测像素和指定的参考像素在所述阵列内具有一个相对的位置，并且因此具有互相间的相对位置，形成一个矢量k。矢量k在各个比较步骤中都是相同的。换句话说：矢量k代表导体16在上述线中形成的一个结构周期。

如果矢量k的末端位置没有指向一个像素(不是必需的)，那么就通过对相邻像素的灰度值进行内插来确定末端位置的灰度值。

通常，可以使用参考像素的相邻像素内插参考像素。用于得到参考像素的方法举例如下：

周围有四个像素：计算其中非校直像素覆盖校直像素的区域并且使用该区域百分比作为计算邻近的像素强度的一部分。

周围有三个像素：根据它们邻近非校直像素中心使用三个最靠近相邻像素的强度进行内插。

分布方法：使用例如高斯曲线等分布法得到相邻某些像素的强度的权值。

一般来说，内插法存在缺陷。一种减小由内插法导致的缺陷强度的方法是使用结合图8描述的低通滤波器、高斯滤波器。

依靠低通滤波器和其尺寸，还可以将其用来减少空间缺陷。

根据图2，矢量k具有一个向量长度|k|，按像素给出以及一个方向，角度θ按度给出，在顺时针方向上取正。矢量k在具有n+1个导体16的图案的区域中具有1、2…、n个周期。由于角度θ的存在，这样就能够沿着上文提到的线以水平或垂直以外的其他角度对结构进行周期性的检测。

图3是根据本发明第一实施例的导体板14的图案中，具有沿着线47的像素灰度值正弦曲线44的导体板14的表面12的图像12’的顶视简图。根据这个实施例，矢量k在导体板14的表面12的图像12’的任何方向上都是周期性的。

图4示出了本发明第二实施例的导体板14的图案。为了检测在两个不同的栅格(例如不同的角度，不同的周期)之间的过渡区，存在一个共用的周期矢量k。可以通过在过渡区中的两个导体16的相交部分看到该矢量k。

图5示出了具有在第三峰值46处带有缺陷的几个比较步骤的灰度值曲线的示例。该缺陷不会在其邻近的峰值48处产生。通过把检测像素的灰度值与前面被检测的参考像素的灰度值比较，就能够借助矢量k检测出峰值46。

一个典型的图案具有固定定的边界。如果在算法中使用矢量k检查完整的图案，该算法就会在边界处就会产生一个缺陷，这是因为矢量k指向了图案区域的外部。

缩小检测区域使矢量k不指向图案外部是一种有效的方法。如果存在缺陷，在矢量k方向上图案的最后示例，该缺陷可以被复制并且与下文中将要参考附图12和13所述的标准值进行比较。

图6示出了如何确定检测区域的一个实例。检测区域为多边形50。采用某种算法在矢量k的基础上将区域50收缩到附图标记52所表示的区域，否则最后的导体16就会与确定的检测区域50之外的区域进行比较。

由于软件仅仅将多边形最左边和最右边的边界作为每条线的边界，因此调整后的多边形应该是凸起的。

如上所述，矢量k限定了形成导体板14的重复图案的两个邻近导体16之间的距离。距离和角方向可以直接设定。

还可以使用快速傅利叶变换-FFT-自动地确定矢量k。图7a、7b和7c示出了根据本发明第四和第五实施例的导体板14的图案，将要沿着对应于矢量k方向的线进行检测的像素的灰度值强度的图形。

当选择自动计算功能时，要求用户对图案上方的方框进行调整。没有必要包括整个检测区域。根据经验法则，至少应该包括10个图案的示例。然而，方框大就可能会需要更长的时间来完成。

如果在两个像素之间的灰度值差超出了某个值，那么就认为该像素位置是有缺陷的。如果灰度值差较小，那么就认为该差是噪声，即，可忽略的。这个值被称为表面噪声电平。

为了消除局部灰度值变化的影响，用户可以使用低通滤波器。低通滤波器对某一距离，即如图8所示的所谓低通长度52上的值进行平均。

在图8中示出了说明四像素低通滤波器(一维)产生的效果。使用低通滤波器将会典型地降低对照相机噪音和小的表面不规则的敏感度。大多数情况下推荐四个的或四个以上的值。

在许多情况下，导体板14的图案由均质背景，即透明基底材料14a和非均质前景，即导体16构成，如图9中所示。这种现象的原因在于事实上导体板表面上的明亮区域具有更大的变化。

为了减小前景变化造成的影响，用户可以设定一白像素衰减百分比。例如，若像素具有255的最大灰度值，那么如果将百分比设定为30％，用来发现缺陷的灰度值差就会减小30％。如果所述的像素仅仅具有128的灰度值即最大值的一半，那么灰度值差别将仅仅减小15％。

可以产生多边形特殊区以排除区域50的某些部分。在这些特殊区域内，所有的缺陷像素将被忽略。因为软件只取得最左和最右的边界作为每个线的边界，所有多边形特殊区域应该是凸出的。如果必要还可对区域进行分割。

有可能通过选择“示教(Teach In)”选项自动建立特殊区域。然而，必须注意，要求得到显示出完好装置的正确图像。因此，建议之后要利用特殊区域菜单项对建立的特殊区域进行检查。特别是如果缺陷区域看起来是如图10中所示的，那么最小的凸出多边形就会覆盖整个观察区。在这种情况下，建议手动设定特殊区域。

根据本发明的方法可以延伸到更多维度，例如如图6和11所示的重复二维图案。对于人类观察者来说这些缺陷是显而易见的。应该清楚该维度不需要是空间的。

图11示出了另一简单的二维重复图案。

如果I_act是被检测图像的像素的实际强度，I_comp是用于比较的参考像素的强度，缺陷强度可以定义如下：

I_d＝I_comp-I_act

然而，可以存在具有几个伴随条件的其它限定，例如强制最小强度等。如果缺陷强度超出了某一依赖于应用程序的阈值，就可以将图案判断为存在缺陷。

当使用所述基于矢量k的算法检测图案时，缺陷强度的绝对值在有缺陷的位置会很高，但是在相应的比较位置也会很高。图12显示了这种情况。

然而，经常需要知道实际缺陷在哪里以及其强度具有什么类型的标志。

如果可以得到更多图案的示例，有可能使用所有这些示例或其中的一些以便知晓何为“正确”的强度，其被称为标准强度(master intensity)。其实现方法如下：

所使用示例的平均值。但问题在于，缺陷像素的强度会影响标准强度。

除去界外值：从平均计算中除去一定数量的强度值，例如，果它们与平均值区别太大或它们在n个最大相异度之中。

中值

多数票：采用I_act或I_comp作为标准强度，选用更接近示例平均值的值。

如果强度I_act或I_comp接近标准强度，其中的一个可以作为缺陷阴影被忽略。

有时候仍然无法确定标准强度是多少，如图13所示。实际上仅仅存在有限数量的示例，如果它们的强度正好集中为相同尺寸的两组，在不产生伴随条件的情况下不可能得到标准强度。

进行这个检查所耗费的努力是较小的，因为仅仅检查具有缺陷的区域或检查缺陷阴影并且缺陷较罕见。

使用矢量k的算法仅仅在它们的边缘处发现缺陷，如果它们比矢量k更长，如图14所示。如果有必要得到正确的缺陷强度和位置，就需要将缺陷复制为候选缺陷并且然后对照标准强度(如果有的话)进行检查。根据图15，改变原始的缺陷强度以反映缺陷的真实尺寸。

如果仅仅是具有缺陷或缺陷阴影的区域被检测并且缺陷很罕见，那么进行这个检查的工作量就会比较小。

因为使用矢量k₁的算法检测局部变化，平缓变化的图案可能不会产生显著的缺陷强度。采用不同的矢量k₂可以消除这种情况。甚至可以同时使用超过一个的矢量k₁、k₂、…、k_m，并且采用最大缺陷强度，如图16所示。

在图17中说明了产生的另一种问题。在图案的第二示例的缺陷强度超过了缺陷阈值，而在第三示例处的缺陷强度非常小，并且没有超出缺陷强度阈值54。

如果不希望检查多个矢量k₁、k₂、…、k_m，比如为了节省计算时间，虽然图案强度与标准强度匹配，在第二图案示例的缺陷阴影不必须如上所述被除去。否则就不会触发任何缺陷。根据图17，缺陷阴影具有比真实缺陷更强的缺陷强度。

矢量k是图案的一个属性。为了得到好的结果，有必要得到正确的矢量k。如图18所示，通常不具有单个的最佳矢量k。用于这个图案的几个矢量都是有效的。

图案通常具有能够由用户定义的边界。

然而，有可能自动地确定相干区域，即，包含可使用单个矢量k检测的图案的区域。

方法之一是由任意一些初始区域开始，并将它们分割，直到它们成为上述相干。

如果两个相邻的区域能够利用同一矢量k检测，它们将被合并。这种已知的分割和合并算法还有若干变化，者是现有技术中可以得到的。

如果区域是单个的，即不存在重复的图案，并且因此没有矢量k以检测它，使用完全不同的方法(示教比较等方法)来检测该区域。如果图案本身是及时重复的，在一些装置的光学检测期间正是如此，那么就可以将单个图案的一个示例与其后续的示例比如下一个在照相机之下的部分进行比较。

Claims (21)

1、一种检测具有n+1个重复图案(16)的表面(12)的方法，利用照相机(18)产生具多个像素形成的像素阵列的图像(12’)，所述像素生成诸如灰度值等技术值，并利用计算单元(26)处理用来检测所述表面(12)的状态的所述像素数据，其中，该方法包括下面的比较步骤：

每个被检测的像素值即检测像素都与一参考像素的值比较，所述像素的比较之差会被用来确定检测的结果，其特征在于只有所述图像(12’)的阵列的像素值是用于检测所述表面(12)的状态的所述参考像素的所述值的基础。

2、根据权利要求1所述的方法，其特征在于一个图案(16)的检测像素的值与另一个被用作为参考图案(16)的具有所述参考像素的另一图案(16)的像素值进行比较，其中这两种像素都具有相对其图案相同的位置。

3、根据权利要求1或2所述的方法，其特征在于沿着具有作为所述重复图案(16)一部分的n+1周期性结构的像素线(47)在所述像素线(47)方向上进行的若干比较步骤，其中所有的沿像素线(47)进行所述比较步骤形成一个检测步骤。

4、根据前述任意权利要求所述的方法，其特征在于以下步骤：

确定被检测的表面(12)的图像(12’)的阵列的区域(50)，所述区域(50)是所述阵列的一部分或所述整个阵列。

5、如权利要求3和4所述的方法，其特征在于：提供几个检测步骤，并在执行所有的所述检测步骤之后，检测所述区域的所有像素的所有值。

6、如权利要求3到5中任意权利要求所述的方法，其特征在于每个检测步骤包括n个比较步骤。

7、根据前述任意权利要求所述的方法，其特征在于所述比较步骤使用矢量计算，其中所述检测像素和被分配的参考像素具有位于所述阵列内部的相对位置并且由此相对于彼此而形成矢量k，所述矢量k在每个比较步骤中都是相同的。

8、根据前述任意权利要求中所述的方法，其特征在于所述参考像素是在前一个比较步骤中被检测的像素。

9、根据权利要求1至8中任意权利要求所述的方法，其特征在于所述参考像素的值是基于所述阵列中的若干像素计算出来的值。

10、根据权利要求9所述的方法，其特征在于参考像素的值是通过矢量k的整数倍数计算的。

11、根据前述任意权利要求所述的方法，其特征在于所述表面的情况的检测包括一个确定步骤：以所述比较步骤的差为依据，如果该差值没有超出至少一个阈值，则确定该检测表面(12)是正确的。

12、根据权利要求11所述的方法，其特征在于：在所述确定步骤中，如果所述差值超出所述阈值，那么就将被指定的矢量k及由此被指定的图案(16)归类为有缺陷的。

13、根据权利要求11或12所述的方法，其特征在于如果所述差值超出了所述阈值，那么在在径向方向重复检测步骤，并导致另一矢量k’(k’＝-k)。

14、根据权利要求13的方法，其特征在于对检测像素的检测及对该检测像素真实位置的检测，在所述检测中以所述两个检测步骤的数据为依据利用矢量k和矢量k’的计算结果超出了所述阈值。

15、根据前述任意权利要求所述的方法，其特征在于矢量k通过快速傅立叶变换确定的，这种快速傅立叶变换的最大值将会形成矢量k。

16、根据前述任意权利要求所述的方法，其特征在于矢量k的计算是通过霍夫变换进行的。

17、根据前述任意权利要求所述的方法，其特征在于矢量k的计算是从预先确定的、特别是原始表面的数字绘图中计算出来的。

18、根据前述任意权利要求所述的方法，其特征在于在所述检测步骤中的线的方向或矢量k的方向取决于图案的种类。

19、根据前述任意权利要求所述的方法，其特征在于所述值是一个像素的灰度值。

20、根据前述任意权利要求所述的方法，其特征在于被检测的表面(12)是导体板(14)的表面(12)并且所述图案是导体板(14)的导体(16)。

21、用于实施前述任意权利要求所述方法的装置，其具有产生由多个像素形成的像素阵列的图像(12’)的照相机(18)和处理用于检测所述表面(12)的情况的所述像素的数据的计算单元(26)。

Images