JP2000046691A

JP2000046691A - 光学部材検査装置，画像処理装置，及び、コンピュータ可読媒体

Info

Publication number: JP2000046691A
Application number: JP10211535A
Authority: JP
Inventors: Taichi Nakanishi; 太一中西; Masayuki Sugiura; 正之杉浦; Kiyoshi Yamamoto; 山本　　清
Original assignee: Asahi Kogaku Kogyo Co Ltd
Current assignee: Pentax Corp
Priority date: 1998-07-27
Filing date: 1998-07-27
Publication date: 2000-02-18
Anticipated expiration: 2018-07-27
Also published as: JP4005228B2

Abstract

(57)【要約】【課題】検査対象光学部材を撮像して得られた画像デ
ータを２値化した後で、同一の不良要因に起因している
が二値化の過程で分離されてしまった複数の抽出要素を
合理的にグループ化することができる光学部材検査装置
を、提供する。【解決手段】画像メモリ領域６２ａ内に検査対象光学部
材９に対応する原画像データが合成されると、ＣＰＵ６
０は、ノイズの輝度値よりも高い二値化閾値を基準とし
てこの原画像データを二値化することによって、二値化
画像データを生成する。ＣＰＵ６０は、この二値化画像
データに含まれる各抽出要素を細線化処理するととも
に、任意の二つの細線化抽出要素の互いに近接した端点
同士を結ぶ線分の長さ，並びに、この線分と各細線化抽
出要素の方向を示すベクトルとが所定の条件を満たす場
合には、これら二つの細線化抽出要素の元となった抽出
要素が、同一の不良要因に起因するものと判定する。

Description

【発明の詳細な説明】

【０００１】

【発明が属する技術分野】本発明は、レンズ等の光学部
材の不良要因を検出するための光学部材検査装置，画像
処理装置，及びプログラムを格納したコンピュータ可読
媒体に関する。

【０００２】

【従来の技術】レンズ，プリズム等の光学部材は、入射
した光束が規則正しく屈折したり、平行に進行したり、
一点又は線状に収束したり発散するように設計されてい
る。しかしながら、光学部材の形成時において糸くず等
が光学部材内に混入してしまっていたり（いわゆる「ケ
バ」）、成形後の人的取り扱いによって光学部材の表面
上にキズ等が生じていると、入射した光束が乱れてしま
うので、所望の性能を得ることができなくなる。

【０００３】そのため、光学部材の不良要因を検出して
自動的に良否判定を行うための光学部材検査装置が、従
来、種々提案されている。このような光学部材検査装置
では、検査対象光学部材を撮像して得られた原画像デー
タからノイズ成分を除去すべく、原画像データを構成す
る各画素の輝度値が所定の閾値を超えていれば新たな輝
度値“１”を与えるとともに閾値を超えていなければ新
たな輝度値“０”を与える二値化処理を実行し、この二
値化処理によって抽出された明るい領域（輝度値“１”
が与えられた一群の画素からなる領域，以下「抽出要
素」という）については不良要因を示すとして確定し、
この領域の形状や面積等の図形的特徴量に基づいて、検
査対象光学部材の良否判定を行っていた。

【０００４】ところで、ノイズの輝度には当然にバラツ
キがあるので、全てのノイズを二値化処理によって確実
に消去するためには、閾値をできるだけ高く設定しなけ
ればならない。但し、抽出対象である不良要因内にも輝
度分布があるので、この不良要因内の最低輝度よりも閾
値を高くすると、本来一個である不良要因が複数個の抽
出要素に分離してしまう。従って、このようにして抽出
された各抽出要素は、正しい情報（大きさ等）を持って
いない可能性が大きい。

【０００５】そのため、従来の光学部材検査装置では、
二値化処理によって抽出された各抽出要素の重心と、各
重心相互間の距離とを、夫々求めていた。そして、各々
の重心相互間の距離が短い抽出要素同士を、同一の不良
要因に起因するものとみなして、グループ化していた。
そして、グループ化された抽出要素群の図形的特徴量を
全体として評価して、検査対象光学部材の良否判定を行
っていた。

【０００６】

【発明が解決しようとする課題】しかしながら、このよ
うな重心間距離に基づく各抽出要素のグループ化は、各
抽出要素の重心間距離が予め設定された閾値以内である
か否かに依って行われるのに過ぎないので、本来別個独
立の不良要因に起因する抽出要素がグループ化されてし
まう不都合を、避け得なかった。例えば、互いに独立し
た二つのキズが接近して形成されている場合や厚さ方向
に重なってクラックとキズとが形成されている場合に
は、二値化された画像データ内において夫々に対応する
抽出要素の重心間距離が非常に短くなるので、これらの
抽出要素がグループ化されてしまうが、これらは元々別
個独立の不良要因に夫々起因しているのであるから、こ
れらの抽出要素をグループ化することに客観的合理性は
ない。このような誤ったグループ化がなされると、これ
に基づいて行われる検査対象光学部材の良否判定結果も
不正確になてしまう問題があった。

【０００７】本発明の課題は、このような問題に鑑み、
検査対象光学部材を撮像して得られた画像データを２値
化した後で、同一の不良要因に起因しているが二値化の
過程で分離されてしまった複数の抽出要素を合理的にグ
ループ化することによって、検査対象光学部材の正確な
良否判定を可能とした光学部材検査装置，画像処理装
置，及び、コンピュータ可読媒体を、提供することであ
る。

【０００８】

【課題を解決するための手段】各請求項記載の発明は、
上記課題を解決するためになされたものである。

【０００９】まず、請求項１記載の光学部材検査装置
は、検査対象光学部材を撮像して当該検査対象光学部材
の像を含む原画像データを出力する撮像装置と、この撮
像装置から出力された原画像データを所定の閾値を基準
として前記原画像データに混入したノイズが除去され且
つ不良要因に起因する要素が抽出されるように二値化し
て二値化画像データを生成する二値化手段と、前記二値
化手段によって生成された二値化画像データを格納する
メモリと、このメモリに格納されている前記二値化画像
データに含まれる個々の前記要素を細線化して当該要素
の骨格を示す細線化要素に変換する細線化手段と、この
細線化手段によって変換された任意の二つの細線化要素
同士を比較し、これら二つの細線化要素における互いに
近接した端点同士を結ぶ線分の長さ，前記二つの細線化
要素のうちの一方の方向を示すベクトルと前記線分とが
なす第１角度，及び、前記二つの細線化要素のうちの他
方の方向を示すベクトルと前記線分とがなす第２角度が
所定の条件を満たす場合に前記二つの細線化要素同士を
グループ化するグループ化手段と、前記グループ化手段
によってグループ化された前記各細線化要素の元となっ
た前記二値化画像データ中の要素群の全体としての図形
的特徴量を算出する図形的特徴量算出手段と、この図形
的特徴量算出手段によって算出された図形的特徴量に基
づいて前記検査対象光学部材の良否判定を行う良否判定
手段とを、有することを特徴とする。

【００１０】このように構成されると、二値化手段によ
る二値化の結果、同一の不良要因に起因する要素が二つ
に分断されたとしても、細線化手段がこれらの要素を細
線化し、グループ化手段がこれら分断された要素同士を
比較対象した場合には、これら二つの細線化要素におけ
る互いに近接した端点同士を結ぶ線分の長さ，前記二つ
の細線化要素のうちの一方の方向を示すベクトルと前記
線分とがなす第１角度，及び、前記二つの細線化要素の
うちの他方の方向を示すベクトルと前記線分とがなす第
２角度が所定の条件を満たすために、これらの分断され
た要素は、このグループ化手段によってグループ化され
る。図形的特徴量算出手段は、グループ化手段によって
グループ化された各細線化要素の元となった二値化画像
データ中に含まれる要素群の、全体としての図形的特徴
量を算出する。従って、良否判定手段による良否判定結
果が、正確なものとなるのである。

【００１１】請求項２記載の光学部材検査装置は、請求
項１のグループ化手段が、前記細線化手段によって変換
された全ての細線化要素のあらゆる組み合わせについ
て、上記比較を行うことで、特定したものである。

【００１２】請求項３記載の光学部材検査装置は、請求
項１のグループ化手段が、前記線分の長さ，前記第１角
度，及び、前記第２角度が、夫々に用意された基準値を
下回っている場合に、前記二つの細線化要素同士をグル
ープ化することで、特定したものである。

【００１３】請求項４記載の光学部材検査装置は、請求
項１のグループ化手段が、前記線分の長さ，前記第１角
度，前記第２角度，及び、所定の基準値が所定の条件式
を満たしている場合に、前記二つの細線化要素同士をグ
ループ化することで、特定したものである。

【００１４】請求項５記載の光学部材検査装置は、請求
項４の所定の条件式が、前記第１角度をθ１，前記第２
角度をθ２，前記所定の基準値をθｍａｘとした場合、 θ１²＋θ２²≦θmax² として表されることで、特定したものである。

【００１５】請求項６記載の光学部材検査装置は、請求
項４の所定の条件式が、前記線分の長さをｒ，前記第１
角度をθ１，前記第２角度をθ２，前記所定の基準値を
Ｔとした場合、ｒ≦Ｔ・（θ１²＋θ２²）^-1/2 として表されることで、特定したものである。

【００１６】請求項７記載の画像処理装置は、検査対象
光学部材を撮像して得られた原画像データを所定の閾値
を基準として前記原画像データに混入したノイズが除去
され且つ不良要因に起因する要素が抽出されるように二
値化して二値化画像データを生成する二値化手段と、前
記二値化手段によって生成された二値化画像データを格
納するメモリと、このメモリに格納されている前記二値
化画像データに含まれる個々の前記要素を細線化して当
該要素の骨格を示す細線化要素に変換する細線化手段
と、この細線化手段によって変換された任意の二つの細
線化要素同士を比較し、これら二つの細線化要素におけ
る互いに近接した端点同士を結ぶ線分の長さ，前記二つ
の細線化要素のうちの一方の方向を示すベクトルと前記
線分とがなす第１角度，及び、前記二つの細線化要素の
うちの他方の方向を示すベクトルと前記線分とがなす第
２角度が所定の条件を示す場合に前記二つの細線化要素
同士をグループ化するグループ化手段と、前記グループ
化手段によってグループ化された前記各細線化要素の元
となった前記二値化画像データ中の要素群の全体として
の図形的特徴量を算出する図形的特徴量算出手段と、こ
の図形的特徴量算出手段によって算出された図形的特徴
量に基づいて前記検査対象光学部材の良否判定を行う良
否判定手段とを、有することを特徴とする。

【００１７】請求項８記載のコンピュータ可読媒体は、
メモリを備えたコンピュータに対して、検査対象光学部
材を撮像して得られた原画像データを所定の閾値を基準
として前記原画像データに混入したノイズが除去され且
つ不良要因に起因する要素が抽出されるように二値化し
て二値化画像データを生成させ、前記二値化手段によっ
て生成された二値化画像データを前記メモリに格納さ
せ、このメモリに格納されている前記二値化画像データ
に含まれる個々の前記要素を細線化して、当該要素の骨
格を示す細線化要素に変換させ、この細線化手段によっ
て変換された任意の二つの細線化要素同士を比較し、こ
れら二つの細線化要素における互いに近接した端点同士
を結ぶ線分の長さ，前記二つの細線化要素のうちの一方
の方向を示すベクトルと前記線分とがなす第１角度，及
び、前記二つの細線化要素のうちの他方の方向を示すベ
クトルと前記線分とがなす第２角度が所定の条件を示す
場合に、前記二つの細線化要素同士をグループ化させ、
前記グループ化手段によってグループ化された前記各細
線化要素の元となった前記二値化画像データ中の要素群
の全体としての図形的特徴量を算出させ、この図形的特
徴量算出手段によって算出された図形的特徴量に基づい
て前記検査対象光学部材の良否判定を行わせるプログラ
ムを格納したことを、特徴としている。

【００１８】請求項９記載の光学部材検査装置は、検査
対象光学部材を撮像して当該検査対象光学部材の像を含
む原画像データを出力する撮像装置と、この撮像装置か
ら出力された原画像データを所定の閾値を基準として前
記原画像データに混入したノイズが除去され且つ不良要
因に起因する要素が抽出されるように二値化して、二値
化画像データを生成する二値化手段と、前記二値化手段
によって生成された二値化画像データを格納するメモリ
と、このメモリに格納されている前記二値化画像データ
に含まれる個々の前記要素を細線化して、当該要素の骨
格を示す細線化要素に変換する細線化手段と、この細線
化手段によって変換された任意の二つの細線化要素同士
を比較し、これら二つの細線化要素における互いに近接
した端点同士を結ぶ線分の長さ，及び、前記二つの細線
化要素のうちの一方の方向を示すベクトルと前記線分と
がなす角度が所定の条件を示す場合に前記二つの細線化
要素同士をグループ化するグループ化手段と、前記グル
ープ化手段によってグループ化された前記各細線化要素
の元となった前記二値化画像データ中の要素群の全体と
しての図形的特徴量を算出する図形的特徴量算出手段
と、この図形的特徴量算出手段によって算出された図形
的特徴量に基づいて前記検査対象光学部材の良否判定を
行う良否判定手段とを、備えたことを特徴とする。

【００１９】このように構成されると、二値化手段によ
る二値化の結果、同一の不良要因に起因する要素が複数
に分断されたとしても、細線化手段がこれらの要素を細
線化し、グループ化手段がこれら分断された要素同士を
比較対象とした場合には、これら二つの細線化要素にお
ける互いに近接した端点同士を結ぶ線分の長さ，及び、
前記二つの細線化要素のうちの一方の方向を示すベクト
ルと前記線分とがなす角度が所定の条件を満たすため
に、これらの分断された要素は、このグループ化手段に
よってグループ化される。図形的特徴量算出手段は、グ
ループ化手段によってグループ化された各細線化要素の
元となった二値化画像データ中に含まれる要素群の、全
体としての図形的特徴量を算出する。従って、線状要素
のみならず点状要素もがグループ化され得るので、良否
判定手段による良否判定結果が、正確なものとなるので
ある。

【００２０】請求項１０記載の光学部材検査装置は、請
求項９のグループ化手段が、前記線分の長さ，及び、前
記角度が、夫々に用意された基準値を下回っている場合
に、前記二つの細線化要素同士をグループ化すること
で、特定したものである。請求項１１記載の光学部材検
査装置は、請求項９のグループ化手段が、前記線分の長
さ，前記角度，及び、所定の基準値が所定の条件式を満
たしている場合に、前記二つの細線化要素同士をグルー
プ化することで、特定したものである。

【００２１】請求項１２記載の光学部材検査装置は、請
求項１１の所定の条件式が、前記角度をθ，前記所定の
基準値をθｍａｘとした場合、θ≦θmaxとして表され
ることで、特定したものである。

【００２２】請求項１３記載の光学部材検査装置は、請
求項１１の所定の条件式が、前記線分の長さをｒ，前記
角度をθ，前記所定の基準値をＴとした場合、ｒ＝Ｔ／θ として表されることで、特定したものである。

【００２３】請求項１４記載の画像処理装置は、検査対
象光学部材を撮像して得られた原画像データを所定の閾
値を基準として前記原画像データに混入したノイズが除
去され且つ不良要因に起因する要素が抽出されるように
二値化して、二値化画像データを生成する二値化手段
と、前記二値化手段によって生成された二値化画像デー
タを格納するメモリと、このメモリに格納されている前
記二値化画像データに含まれる個々の前記要素を細線化
して、当該要素の骨格を示す細線化要素に変換する細線
化手段と、この細線化手段によって変換された任意の二
つの細線化要素同士を比較し、これら二つの細線化要素
における互いに近接した端点同士を結ぶ線分の長さ，及
び、前記二つの細線化要素のうちの一方の方向を示すベ
クトルと前記線分とがなす角度が所定の条件を示す場合
に前記二つの細線化要素同士をグループ化するグループ
化手段と、前記グループ化手段によってグループ化され
た前記各細線化要素の元となった前記二値化画像データ
中の要素群の全体としての図形的特徴量を算出する図形
的特徴量算出手段と、この図形的特徴量算出手段によっ
て算出された図形的特徴量に基づいて前記検査対象光学
部材の良否判定を行う良否判定手段とを、備えたこと特
徴とする。

【００２４】請求項１５のコンピュータ可読媒体は、メ
モリを備えたコンピュータに対して、検査対象光学部材
を撮像して得られた原画像データを所定の閾値を基準と
して前記原画像データに混入したノイズが除去され且つ
不良要因に起因する要素が抽出されるように二値化し
て、二値化画像データを生成させ、前記二値化手段によ
って生成された二値化画像データを前記メモリに格納さ
せ、このメモリに格納されている前記二値化画像データ
に含まれる個々の前記要素を細線化して、当該要素の骨
格を示す細線化要素に変換させ、この細線化手段によっ
て変換された任意の二つの細線化要素同士を比較し、こ
れら二つの細線化要素における互いに近接した端点同士
を結ぶ線分の長さ，及び、この線分と前記二つの細線化
要素のうちの一方の方向を示すベクトルとがなす角度が
所定の条件を示す場合に、前記二つの細線化要素同士を
グループ化させ、前記グループ化手段によってグループ
化された前記各細線化要素の元となった前記二値化画像
データ中の要素群の全体としての図形的特徴量を算出さ
せ、この図形的特徴量算出手段によって算出された図形
的特徴量に基づいて前記検査対象光学部材の良否判定を
行わせるプログラムを格納したことを、特徴としてい
る。

【００２５】請求項１６の光学部材検査装置は、請求項
４の所定の条件式が、前記線分の長さをｒ，前記第１角
度をθ１，前記第２角度をθ２，第１の前記所定の基準
値をθｍａｘ，第２の前記所定の機基準値をＴとした場
合、θ１²＋θ２²≦θmax²，ｒ≦Ｔ・（θ１²＋θ２²）
^-1/2として表されることで、特定したものである。

【００２６】請求項１７の光学部材検査装置は、請求項
１１の所定の条件式が、前記線分の長さをｒ，前記角度
をθ，第１の前記所定の基準値をθｍａｘ，第２の前記
所定の基準値をＴとした場合、θ≦θmax，ｒ＝Ｔ／θ
として表されることで、特定したものである。

【００２７】

【発明の実施の形態】以下、図面に基づいて、本発明の
実施の形態を説明する。

【実施形態１】＜光学部材検査装置の構成＞本第１実施
形態による光学部材検査装置の概略構成を、図１の側面
断面図に示す。この図１に示すように、光学部材検査装
置を構成する照明ランプ１，拡散板２，及び撮像装置３
は、同一の光軸ｌ上に配置されている。

【００２８】この撮像装置３は、正レンズ系である撮像
レンズ４と、この撮像レンズ４によって収束された光に
よる像を撮像するＣＣＤラインセンサからなる撮像素子
５とから、構成されている。図１において、撮像素子５
は、紙面に直交する方向にその画素列を向かせるように
設置されている。また、撮像素子５の画素列は、その真
中において、撮像レンズ４の光軸ｌと垂直に交わってい
る。なお、撮像レンズ４は、撮像装置３内において撮像
素子５に対して進退自在（ピント調節可能）であり、撮
像装置３自体も、光軸ｌ方向に進退調整し得る様に光学
部材検査装置の図示せぬフレームに取り付けられてい
る。

【００２９】この撮像素子５は、所定時間（各画素に電
荷が適度に蓄積する程度の時間）毎にライン状に画像を
撮像し、画素の並び順に各画素を自己走査して各画素に
蓄積した電荷を出力する。このようにして撮像素子５か
ら出力された電荷は、所定の増幅処理やＡ／Ｄ変換処理
を受けた後に、１ライン分の輝度信号からなる画像デー
タとして、画像処理装置６に入力される。

【００３０】スライドテーブル７は、スライドレール７
ａ，スライダ７ｂ，駆動モータ７ｅ，ブーム７ｃ，及
び、ホルダ７ｄから構成されている。このスライドレー
ル７ａは、撮像素子５の画素列の方向及び撮像レンズ４
の光軸ｌの方向に対して夫々直交する方向を向く様に、
光学部材検査装置の図示せぬフレームに固定されてい
る。スライダ７ｂは、ブーム７ｃ及びホルダ７ｄを介し
て検査対象光学部材９を保持しており、駆動モータ７ｅ
の駆動力によってスライドレール７ａ上をスライド移動
することにより、検査対象光学部材９を図１の左右方向
へ等速移動させる。

【００３１】この検査対象光学部材９は、図２に示すよ
うな平面矩形の平行平面透明板である。この検査対象光
学部材９は、その短辺が撮像素子５の画素列と平行とな
り且つ幅方向（撮像素子５の画素列と平行な方向）の中
点において撮像レンズ４の光軸ｌと直交するように、ス
ライダ７ｂによって保持・移動される。なお、図２は、
撮像レンズ４の位置から見た検査対象光学部材９等の位
置関係を示す平面図である。この図２においては、検査
対象光学部材９のスライドテーブル７による移動方向
は、左右方向となる。

【００３２】この検査対象光学部材９は、撮像レンズ４
に関してその表面（撮像レンズ４に対向する面）が撮像
素子５の撮像面と共役となるように配置されている。従
って、撮像素子５は、検査対象光学部材９の表面の画像
（１ライン分）を撮像することができるのである。図２
においては、撮像素子５によって撮像され得る一ライン
分の撮像対象領域が、二点鎖線によって示されている。
なお、撮像レンズ４の倍率（即ち、撮像装置３自体の位
置，及び撮像レンズ４の撮像素子５に対する位置）は、
検査対象光学部材９の表面を全幅（撮像素子５の画素列
の方向における幅）にわたって撮像素子５の撮像面に結
像し得るように、調整されている。

【００３３】一方、照明ランプ１は、照明光（白色光）
を発光する白熱ランプであり、光学部材検査装置の図示
せぬフレームに固定されている。

【００３４】この照明ランプ１と検査対象光学部材９と
の間に配置されている拡散板２は、図２に示すように、
検査対象光学部材９よりも幅広な矩形形状を有してお
り、その表面は粗面として加工されている。従って、こ
の拡散板２は、照明ランプ１から出射された照明光をそ
の裏面全面で受けて、拡散しつつ透過させることができ
る。なお、この拡散板２は、その中心において撮像レン
ズ４の光軸ｌと直交するとともに、その外縁が撮像素子
５の画素列と平行になる様に、光学部材検査装置の図示
せぬフレームに固定されている。

【００３５】この拡散板２の表面上には、帯状の形状を
有する遮光手段としての遮光板８が、その長手方向を撮
像素子５の画素列の方向と平行な方向に向けて、貼り付
けられている。この遮光板８の中心は撮像レンズ４の光
軸ｌと一致している。また、遮光板８の長手方向におけ
る全長は検査対象光学部材９の幅よりも長い。そして、
図２に示すように、撮像装置３の位置から見ると、遮光
板８の両端は、検査対象光学部材９の外縁よりも外側に
はみ出している。また、遮光板８の幅は、図１に示すよ
うに、撮像素子５の各画素に入射する光の周縁光線ｍ，
ｍの間隔よりも広い。

【００３６】制御装置６は、撮像装置３から入力された
画像データに基づいて検査対象光学部材９が良品である
か不良品であるかの判定を行うとともに、この判定に伴
って駆動モータ７ｅに駆動電流を供給する処理装置であ
る。

【００３７】図３は、この制御装置６の内部回路構成を
示すブロック図である。図３に示す様に、制御装置６
は、バスＢを介して相互に接続されたＣＰＵ６０，フレ
ームメモリ６１，ホストメモリ６２，及びモータ駆動回
路６３から、構成されている。

【００３８】フレームメモリ６１は、撮像装置３から入
力された画像データが書き込まれるバッファである。

【００３９】ホストメモリ６２は、画像メモリ領域６２
ａ，第１作業メモリ領域６２ｂ，第２作業メモリ領域６
２ｃ，及び、画像処理プログラム格納領域６２ｄを、含
んでいる。このうち、画像メモリ領域６２ａは、フレー
ムメモリ６１に書き込まれた画像データが所定時間毎に
先頭行から行単位で書き込まれ、検査対象光学部材９全
体に対応する画像データ（原画像データ）が合成される
領域である。また、第１作業メモリ領域６２ｂは、所定
の閾値を基準に原画像データを二値化して得られた二値
化画像データが格納される領域である。また、第２作業
メモリ領域６２ｃは、第１作業メモリ領域６２ｂ中の二
値化画像データを細線化処理して得られた細線化画像デ
ータが格納される領域である。また、画像処理プログラ
ム格納領域６２ｄは、ＣＰＵ６０にて実行される画像処
理プログラムを格納するコンピュータ可読媒体としての
領域である。

【００４０】モータ駆動回路６３は、検査対象光学部材
９が図１上の右方から左方へ等速移動する様に駆動モー
タ７ｅを駆動させる駆動電流を、この駆動モータ８に供
給する。

【００４１】ＣＰＵ６０は、制御装置６全体の制御を行
うコンピュータであり、二値化手段，細線化手段，グル
ープ化手段，図形的特徴量算出手段，及び良否判定手段
に、相当する。即ち、ＣＰＵ６０は、ホストメモリ６２
の画像処理プログラム格納領域６２ｄに格納されている
画像処理プログラムを実行し、フレームメモリ６１に書
き込まれた画像データを定期的にホストメモリ６２の画
像メモリ領域６２ａに書き写す。そして、画像メモリ領
域６２ａ中に検査対象光学部材９全体に対応する画像デ
ータ（原画像データ）が合成された時点で、この原画像
データに対して所定の閾値を基準とした二値化処理を実
行して第１作業メモリ６２ｂ内に二値化画像データを生
成するとともに、この二値化画像に対して細線化処理を
実行して第２作業メモリ６２ｃ内に二値化画像データを
生成する。そして、この二値化画像データに含まれる各
抽出要素相互の相対的形状関係をチェックし、所定の相
対的形状条件を満たしているもの同士を、同じ不良要因
に起因するものとしてグループ化する。そして、各グル
ープの抽出要素群の全体としての図形的特徴量をチェッ
クして、検査対象光学部材９の良否判定を行う。また、
ＣＰＵ６０は、フレームメモリ６１からの画像データ取
り込みを行うのと同期して、モータ駆動回路６３に対し
て、駆動電流を駆動モータ７ｅに供給させる指示を行
う。

【００４２】＜不良要因検出の原理＞以上のように構成
される光学部材検査装置において、図１と同じ方向から
見た状態を示す図４の面内では、撮像レンズ４に入射し
て撮像素子５の各画素に入射し得る光は、撮像レンズ４
の光軸ｌに沿った光線を主光線とする光束であり且つ図
４に示される周縁光線ｍ，ｍ間を通る光のみである。こ
の周縁光線ｍ，ｍを逆方向に辿ると、検査対象光学部材
９の表面において交差した後に、拡散板２に向かって拡
がっている。そして、拡散板２上において、この周縁光
線ｍ，ｍの間が遮光板８によって遮られている。従っ
て、図４に示すように、検査対象光学部材９における撮
像素子５による撮像対象領域（撮像レンズ４に関して撮
像素子５の画素列の受光面と共役な部位及び光軸方向に
おけるその近傍）に不良要因がないとすると、撮像素子
５の各画素に入射する光はない。即ち、拡散板２の表面
における遮光板８の側方箇所から拡散した光ｎは、検査
対象光学部材９における撮像対象領域を透過するが、周
縁光線ｍ，ｍの外側を通るので、撮像レンズ４には入射
しない。また、拡散板２の表面における遮光板８の側方
箇所から拡散して検査対象光学部材９における撮像対象
領域以外の箇所を透過した光は、撮像レンズ４に入射し
得るが、撮像素子５の各画素上には収束されない。その
ため、撮像装置３から出力される画像データは、検査対
象光学部材９の外縁に対応する明部（側面での拡散光に
因る）を除き、全域において暗くなっている。

【００４３】これに対して、図２に示すように、検査対
象光学部材９表面における撮像対象領域内にキズＣ及び
ゴミＤがある場合、図５に示すように、拡散板２の表面
における遮光板８の側方箇所から拡散した光ｎがこれら
キズＣ及びゴミＤに当たると、この光がこれらキズＣ及
びゴミＤによって拡散される。この拡散光ｎ’は、周縁
光線ｍ，ｍの交点を中心として発散するので、その一部
は、撮像レンズ４を介して撮像素子５の画素上に入射す
る。従って、キズＣ及びゴミＤの像（周囲よりも明るい
像）が撮像素子５の撮像面に形成される。

【００４４】撮像素子５による撮像（電荷蓄積及び走
査）は、スライドテーブル７による検査対象光学部材９
のスライド移動と同期して、この検査対象光学部材９が
所定距離だけ移動する毎に行われる。そして、撮像素子
５による撮像（電荷蓄積及び走査）がなされる毎に、ラ
イン状の画像データが、制御装置６のフレームメモリ６
１に書き込まれて、ホストメモリ６２の画像メモリ領域
６２ａに取り込まれる。その結果、検査対象光学部材９
が移動するにつれて、画像メモリ領域６２ａの各行に
は、撮像装置３によって撮像された各ライン状画像デー
タが、先頭行から順に書き込まれる。

【００４５】検査対象光学部材９が図１の左端まで移動
した時点でホストメモリ６２の画像メモリ領域６２ａ内
に格納されている画像データ（原画像データ）は、検査
対象光学部材９をエリアセンサによって撮像して得た画
像データと等価であり、原画像データ中の不良要因の面
積は、実際の不良要因の面積に正比例し、原画像データ
中の不良要因の形状は、実際の不良要因の形状と相似と
なる。そのために、この画像メモリ領域６２ａに格納さ
れている原画像データに基づいて、ＣＰＵ６０が良否判
定を行えるようになるのである。

【００４６】図６は、原画像データの一例を示してい
る。図６に示す原画像データにおいて、Ａ〜Ｅは、検査
対象光学部材９の不良要因そのものを示す。但し、図６
には図示されていないものの、実際の画像データ中には
ノイズに起因する明部が含まれている。このノイズに起
因する明部は不良要因に起因する明部よりも暗いという
傾向があるので、不良要因に起因する明部より暗いがノ
イズに起因する明部よりも明るい閾値を用いて二値化処
理を行って、図７に示す二値化画像データを第１作業メ
モリ領域６２ｂ内に生成する。即ち、原画像データを構
成する各画素のうち、閾値より明るい輝度値を有するも
のに対して輝度値“１”を付与し、閾値より暗い画素に
輝度値“０”を付与し、夫々、第１作業メモリ６２ｂ内
に書き込む。但し、閾値は、ノイズに起因する明部を確
実に除去できるように、可能な限り高く設定されてい
る。そのため、本来不良要因に起因する明部内に明るさ
の分布がある場合には、図７に示すように、閾値よりも
暗い部分において、二値化によって抽出された抽出要素
が途切れてしまう。

【００４７】このように途切れた抽出要素（図７におけ
る抽出要素Ａ−〜，Ｂ−〜）は、単独では、面
積も全長も小さくなっているので、検査対象光学部材９
の良否判定においては、品質の低下をもたらす程の不良
要因ではないと、判断されてしまう。しかしながら、こ
れらの抽出要素は、本来、検査対象光学部材９の品質を
大きく低下させている不良要因に起因しているので、単
独で良否判定に用いられるのは不合理である。そこで、
各抽出要素相互の相対的形状関係（各抽出要素同士の角
度，端点距離，等）に基づいて、論理的に、同一の不良
要因に起因する抽出要素同士を接続可能なものとしてグ
ループ化し、グループ化された抽出要素群の全体として
の図形的特徴量を求める。本実施形態においては、図７
に示す第１作業メモリ領域６２ａ内の二値化画像データ
に含まれる各線状抽出要素に対して、その骨格位置を示
す幅１ドットの画素列となるまで細める「細線化処理」
を行って、第２作業メモリ領域６２ｃに書き込む。これ
により、図８に示すような細線化画像データを生成す
る。そして、この細線化画像データに含まれる細線化抽
出要素を用いて、各抽出要素相互の相対的形状関係を求
める。

【００４８】以下、各抽出要素をグループ化するための
アルゴリズムを、説明する。

【００４９】ここでは、図８に示す細線化抽出要素Ａ−
と細線化抽出要素Ａ−とに注目し、それらの相対的
形状関係を求めるものとして説明する。図９は、図８に
おいて円ＩＸによって囲んだ領域の拡大図である。本実
施形態では、処理対象細線化抽出要素（Ａ−）の方向
ベクトル，比較対象細線化抽出要素（Ａ−）の方向ベ
クトル，及び、処理対象細線化抽出要素（Ａ−）及び
比較対象細線化抽出要素（Ａ−）の互いに近接した端
点（端点１，端点２）間を結ぶ線分（ｒ）のベクトル
（大きさ｜ｒ｜を含む）を夫々求め、処理対象細線化抽
出要素（Ａ−）の方向ベクトルと線分（ｒ）とがなす
角度（θ１，第１角度），及び、比較対象細線化抽出要
素（Ａ−）の方向ベクトルと線分（ｒ）とがなす角度
（θ２，第２角度）を、夫々算出する。そして、線分
（ｒ）の大きさ（長さ）（｜ｒ｜）が予め定められた一
定の基準値（Ｒｍａｘ）以下であり、且つ、両角度（θ
１，θ２）がともに予め定められた一定の基準値（θｍ
ａｘ）以下である場合には、これら二つの細線化抽出要
素に対応する線状抽出要素が、連続した同一の線状不良
要因に起因していると、判断することができる。そこ
で、比較対象細線化抽出要素（Ａ−）が処理対象細線
化抽出要素（Ａ−）に対して接続可能と判断し、それ
らをグループ化する。

【００５０】なお、各細線化抽出要素の方向ベクトル
は、その細線化抽出要素の両端を結ぶベクトルとして求
められる。これに対して、その細線化抽出要素を構成す
る各画素の隣接する画素に対する方向を夫々求め、最も
画素数の多い方向を、その細線化抽出要素の方向ベクト
ルとしても良い。また、細線化抽出要素の端点近傍を構
成する各画素の隣接する画素に対する方向を夫々求め、
最も画素数の多い方向又は平均化された方向を、その細
線化抽出要素の方向ベクトルとしても良い。

【００５１】各方向ベクトルと線分（ｒ）とがなす角度
（θ）は、ベクトルの内積として求める。即ち、各方向
ベクトルをα，線分（ｒ）のベクトルをｒとすると、両
ベクトルα，ｒがなす各θは、下記式（１）のような関
係がある。

【００５２】ｃｏｓθ＝α・ｒ／（｜α｜｜ｒ｜） ……（１）この式の右辺は、（ｒの方向ベクトルαへの投影）／｜
ｒ｜に相当する。従って、角度（θ）は、下記式（２）
のようにして求められる。

【００５３】 θ＝ｃｏｓ^-1（ｒの方向ベクトルへの投影／｜ｒ｜） ……（２）また、各基準値（θｍａｘ，Ｒｍａｘ）は、グループ化
の結果が最も正確となるように、実験的に求める。

【００５４】以上のような相対的形状関係の判定を、全
ての細線化抽出要素相互間に対して行う。そして、同一
の不良要因に起因する細線化抽出要素をグループ化す
る。そして、各グループに属する細線化抽出要素群に対
応する二値化画像データ中の抽出要素群をひとまとめに
して、全体としての図形的特徴量を計算する。

【００５５】＜制御処理＞次に、上述した不良要因検出
の原理に基づいた良否判定を行うために、画像処理プロ
グラム格納領域６２ｄから読み出した画像処理プログラ
ムに従って制御装置６（ＣＰＵ６０）が実行する制御処
理の内容を、図１０乃至図１３のフローチャートを用い
て説明する。

【００５６】図１０の制御処理は、制御装置６に接続さ
れた図示せぬ検査開始ボタンが押下されることによりス
タートする。スタート後最初のＳ００１では、ＣＰＵ６
０は、モータ駆動回路６３に対して、スライドテーブル
７の駆動モータ７ｅへの駆動電流の供給を指示し、検査
対象光学部材９をスライド移動させる。ＣＰＵ６０は、
この指示の結果として検査対象光学部材９がスライド移
動する間にフレームメモリ６１に書き込まれた画像デー
タを、ホストメモリ６２の画像メモリ領域６２ａへ順次
格納する。ＣＰＵ６０は、画像メモリ領域６２ａ内に検
査対象光学部材９全体に対応する画像データ（原画像デ
ータ）が合成されると、処理をＳ００２に進める。

【００５７】次のＳ００２では、ＣＰＵ６０は、画像メ
モリ領域６２ａ内に格納されている原画像データに対し
て、所定の閾値を基準とした上述の二値化処理を実行し
て、第１作業メモリ領域６２ｂ内に二値化画像データを
生成する（二値化手段に相当）。

【００５８】次のＳ００３では、ＣＰＵ６０は、第１作
業メモリ領域６２ｂ内に格納されている二値化画像デー
タに含まれる各抽出要素に対して、夫々、一意のラベル
番号（１，２，３，…，ｎ）を付す（ラベリング）。

【００５９】次のＳ００４では、ＣＰＵ６０は、第１作
業メモリ領域６２ｂ内に格納されている二値化画像デー
タに含まれる各抽出要素の形状判定処理を実行する。こ
の形状判定処理は、図１５に示す閾値関数を用いて行わ
れる。具体的には、ＣＰＵ６０は、各抽出要素のＸ軸方
向（図７の左右方向）における最大幅（Ｘフィレ）及び
Ｙ軸方向（図７の上下方向）における最大幅（Ｙフィ
レ）を測定し、Ｘフィレ及びＹフィレのうち大きい方の
他方に対する比率（フィレ比）を、下記式（３）に従っ
て算出する。

【００６０】フィレ比＝小さい方のフィレ／大きい方のフィレ×１００ ……（３）また、ＣＰＵ６０は、Ｘフィレ及びＹフィレ，並びにそ
の抽出要素の面積に対して下記式（４）を実行し、占有
率を算出する。

【００６１】占有率＝抽出要素の面積／（Ｘフィレ×Ｙフィレ）×１００……（４）そして、ＣＰＵ６０は、算出したフィレ比及び占有率と
図１５に示す閾値関数とを比較し、その抽出要素が点状
要素であるか線状要素であるかの判定を行う。即ち、Ｃ
ＰＵ６０は、図１５のグラフ上においてフィレ比と占有
率との交点が閾値関数よりも上に位置していれば、抽出
要素が点状要素であると判定し、フィレ比と占有率との
交点が閾値関数よりも下に位置していれば抽出要素が線
状要素であると判定する。

【００６２】次のＳ００５では、ＣＰＵ６０は、Ｓ００
３での形状判定結果に従って、第１作業メモリ領域６２
ｂ内に格納されている二値化画像データから、線状要素
のみを抽出する。

【００６３】次のＳ００６では、ＣＰＵ６０は、Ｓ００
４にて抽出した線状要素に対して、上述した細線化処理
を実行して、第２作業メモリ領域６２ｃ内に細線化画像
データを生成する（細線化手段に相当）。

【００６４】次のＳ００７では、ＣＰＵ６０は、Ｓ００
５にて生成した細線化画像データに含まれる各細線化抽
出要素の両端点座標を求める。

【００６５】次に、ＣＰＵ６０は、各細線化抽出要素毎
に、それに対して接続可能な細線化抽出要素を探すため
のＳ００８〜Ｓ０２５のループ処理を実行する。このル
ープ処理に入って最初のＳ００８では、ＣＰＵ６０は、
未だ「処理対象ラベル」として特定されていないラベル
のうち最も小さいものを「処理対象ラベル」として特定
し、その「処理対象ラベル」が付された細線化抽出要素
を「処理対象要素」とする。

【００６６】次のＳ００９では、ＣＰＵ６０は、「処理
対象要素」の一方の端点を「処理対象端点」として特定
する。

【００６７】次のＳ０１０では、ＣＰＵ６０は、「処理
対象端点」近傍における「処理対象要素」の方向ベクト
ルａを、上述した何れかの手法に従って求める。

【００６８】次に、ＣＰＵ６０は、「処理対象要素」の
「処理対象端点」に関して、未だ「処理対象要素」とし
て特定されていない全ての細線化抽出要素との上記相互
形状関係θ１，θ２，｜ｒ｜を調べるために、Ｓ０１１
〜Ｓ０１７のループ処理を実行する。このループ処理に
入って最初のＳ０１１では、ＣＰＵ６０は、「処理対象
要素」として未だ特定されておらず、且つ、「処理対象
ラベル」の比較対象としても未だ特定されていないラベ
ルのうち最も小さいものを「比較対象ラベル」特定し、
その「比較対象ラベル」が付された細線化抽出要素を
「比較対象要素」とする。

【００６９】次のＳ０１２では、ＣＰＵ６０は、「比較
対象要素」における「処理対象端点」に近接した端点
（比較対象端点）近傍の方向ベクトルｂを、上述した何
れかの手法に従って求める。

【００７０】次のＳ０１３では、ＣＰＵ６０は、「処理
対象端点」と「比較対象端点」とを結ぶ線分ｒの大きさ
（距離）｜ｒ｜及び方向を求める。

【００７１】次のＳ０１４では、ＣＰＵ６０は、方向ベ
クトルａと線分ｒとがなす角度（第１角度）θ１を求め
る。

【００７２】次のＳ０１５では、ＣＰＵ６０は、方向ベ
クトルｂと線分ｒとがなす角度（第２角度）θ２を求め
る。次のＳ０１６では、ＣＰＵ６０は、接続判定処理を
実行する。

【００７３】図１３は、Ｓ０１６にて実行される接続判
定処理サブルーチンを示すフローチャートである。この
サブルーチンに入って最初のＳ１０１では、ＣＰＵ６０
は、Ｓ０１４にて求めた角度θ１が基準値θｍａｘ以下
であるという条件を満たすか否かをチェックする。そし
て、角度θ１が基準値θｍａｘを超えていれば処理をＳ
１０５に進め、角度θ１が基準値θｍａｘ以下であれば
処理をＳ１０２に進める。

【００７４】Ｓ１０２では、ＣＰＵ６０は、Ｓ０１５に
て求めた角度θ２が基準値θｍａｘ以下であるという条
件を満たすか否かをチェックする。そして、角度θ２が
基準値θｍａｘを超えていれば処理をＳ１０５に進め、
角度θ２が基準値θｍａｘ以下であれば処理をＳ１０３
に進める。

【００７５】Ｓ１０３では、ＣＰＵ６０は、Ｓ０１３に
て求めた線分ｒの長さ｜ｒ｜が基準値Ｒｍａｘ以下であ
るという条件を満たすか否かをチェックする。そして、
｜ｒ｜が基準値Ｒｍａｘを超えていれば処理をＳ１０５
に進め、｜ｒ｜が基準値Ｒｍａｘ以下であれば処理をＳ
１０４に進める。

【００７６】Ｓ１０４では、ＣＰＵ６０は、当該「比較
対象要素」が接続可能である旨のフラグをセットし、Ｓ
１０５では、ＣＰＵ６０は、当該「比較対象要素」が接
続不能である旨のフラグをセットする。そして、何れの
場合においても、この接続判定処理サブルーチンを終了
し、処理を図１０のメインルーチンに戻す。

【００７７】処理が戻された図１０のメインルーチンで
は、Ｓ０１６の次に、処理をＳ０１７に進める。このＳ
０１７では、ＣＰＵ６０は、「処理対象要素」として未
だ特定されていない全ての細線化抽出要素を「比較対象
要素」として特定したか否かを、チェックする。そし
て、未だ全ての細線化抽出要素を「比較対象要素」とし
て特定していない場合には、ＣＰＵ６０は、処理をＳ０
１１に戻す。これに対して、未だ「処理対象要素」とし
て特定されていない全ての細線化抽出要素を「比較対象
要素」として特定し終えた場合には、ＣＰＵ６０は、処
理をＳ０１８に進める。

【００７８】Ｓ０１８では、ＣＰＵ６０は、Ｓ０１１〜
Ｓ０１７のループ処理を繰り返した結果、何れかの「比
較対象要素」に関して接続可能である旨のフラグがセッ
トされたか否かを、チェックする。そして、接続可能で
ある旨のフラグがセットされている場合には、ＣＰＵ６
０は、処理をＳ０１９に進める。

【００７９】このＳ０１９では、ＣＰＵ６０は、接続可
能である旨のフラグがセットされている「比較対象要
素」が二つ以上あるか否かをチェックする。そして、接
続可能である旨のフラグがセットされている「比較対象
要素」が一個のみである場合には、ＣＰＵ６０は、Ｓ０
２１にて当該「比較対象要素」を「接続決定要素」とし
て決定した後に、処理をＳ０２２に進める。

【００８０】これに対して、接続可能である旨のフラグ
がセットされている「比較対象要素」が二つ以上である
とＳ０１９にて判定した場合には、ＣＰＵ６０は、Ｓ０
２０にて、何れか一個の「比較対象要素」を「接続決定
要素」として決定するための接続要素判定処理を実行す
る。

【００８１】図１４は、Ｓ０２０にて実行される接続要
素判定処理サブルーチンの内容を示すフローチャートで
ある。このサブルーチンに入って最初のＳ６０１では、
ＣＰＵ６０は、接続可能である旨のフラグがセットされ
ている「比較対象要素」（以下、「接続可能要素」とい
う）のうち、Ｓ６０２以下の接続要素判定が施されてお
らず、且つ、付されたラベルが最も小さいものを「接続
要素判定対象要素」として特定する。

【００８２】次のＳ６０２では、ＣＰＵ６０は、当該
「接続要素判定対象要素」に関してＳ０１４で求めた角
度θ１とＳ０１５にて求めた角度θ２との自乗平均（以
下、「平均角度θ」という）を算出する。そして、当該
「接続要素判定対象要素」に関してＳ０１３にて求めた
線分の大きさ｜ｒ｜と平均角度θとの積（ｒ・θ）を算
出する。

【００８３】次のＳ６０３では、ＣＰＵ６０は、今回の
Ｓ６０２の処理はこの接続要素判定処理サブルーチンに
入って初めての処理であるか否かをチェックする。そし
て、初めての処理である場合には、ＣＰＵ６０は、Ｓ６
０４において、今回のＳ６０２の処理によって算出され
た積（ｒ・θ）を変数Ｘ１に代入し、この変数Ｘ１を当
該「接続要素判定対象要素」に付されたラベルに関連付
けて保存する。その後に、ＣＰＵ６０は、処理をＳ６０
１に戻す。

【００８４】これに対して、今回のＳ６０２の処理が２
度目以降の処理であるとＳ６０３にて判定した場合に
は、ＣＰＵ６０は、Ｓ６０５において、今回のＳ６０２
の処理によって算出された積（ｒ・θ）を変数Ｘ２に上
書きし、当該「接続要素判定対象要素」に付されたラベ
ルをこの変数Ｘ２に関連付ける。その後に、ＣＰＵ６０
は、処理をＳ６０６に進める。

【００８５】Ｓ６０６では、ＣＰＵ６０は、変数Ｘ２が
変数Ｘ１よりも小さいか否かをチェックする。そして、
変数Ｘ２が変数Ｘ１以上である場合には、ＣＰＵ６０
は、処理をそのままＳ６０８に進める。これに対して、
変数Ｘ２が変数Ｘ１よりも小さい場合には、ＣＰＵ６０
は、Ｓ６０７において、変数Ｘ２の値を変数Ｘ１に上書
きするとともに、変数Ｘ２に関連付けられていたラベル
を変数Ｘ１に関連付け直す。以上の後に、ＣＰＵ６０
は、処理をＳ６０８に進める。

【００８６】Ｓ６０８では、ＣＰＵ６０は、全ての「接
続可能要素」を「接続要素判定対象要素」として特定し
たか否かをチェックする。そして、未だ全ての「接続可
能要素」を「接続要素判定対象要素」として特定してい
ない場合には、ＣＰＵ６０は、処理をＳ６０１に戻す。

【００８７】これに対して、以上に説明したＳ６０１〜
Ｓ６０８のループ処理を繰り返した結果、全ての「接続
可能要素」を「接続要素判定対象要素」として特定し終
わっている場合、その時点で変数Ｘ１にラベルが関連付
けられている「接続可能要素」は、「処理対象要素」に
対して積（ｒ・θ）が最も小さくなるものである。そこ
で、ＣＰＵ６０は、次のＳ６０９において、変数Ｘ１に
関連付けられているラベルが付された「接続可能要素」
を、「接続決定要素」として決定する。以上の後に、Ｃ
ＰＵ６０は、この接続要素判定処理サブルーチンを終了
して、図１１のメインルーチンに処理を戻す。処理が戻
されたメインルーチンでは、ＣＰＵ６０は、処理をＳ０
２０からＳ０２２に進める。

【００８８】Ｓ０２２では、ＣＰＵ６０は、「接続決定
要素」のラベルを「処理対象要素」のラベルに置き換え
ることによって、「接続決定要素」を「処理対象要素」
と一連の細線化抽出要素として扱う（要素の接続）。

【００８９】次のＳ０２３では、ＣＰＵ６０は、Ｓ０２
２にて接続した元の「処理対象要素」と元の「接続決定
要素」との組み合わせを、新たな「処理対象要素」とし
て特定する。以上の後、ＣＰＵ６０は、新たな「処理対
象要素」の一方の端点に関して「接続決定要素」を探す
ために、処理をＳ００９に戻す。

【００９０】一方、接続可能である旨のフラグがどの
「比較対象要素」についてもセットされなかったとＳ０
１８にて判定した場合には、ＣＰＵ６０は、Ｓ０２４に
おいて、「処理対象要素」の両端に関して、Ｓ０１０以
下のループ処理の実行を完了しているか否かをチェック
する。そして、未だ他方の端点についての処理がなされ
ていない場合には、ＣＰＵ６は、Ｓ０２６において、他
方の端点を新たな「処理対象端点」として特定した後
に、新たな「処理対象端点」についてＳ０１０以下のル
ープ処理を行うために、処理をＳ０１０に戻す。これに
対して、既に「処理対象要素」の両端に関してＳ０１０
以下のループ処理を完了している場合には、ＣＰＵ６０
は、処理をＳ０２５に進める。

【００９１】Ｓ０２５では、ＣＰＵ６０は、Ｓ００３に
て付した全てのラベルを「処理対象ラベル」として特定
したか否かをチェックする。そして、未だ全てのラベル
を「処理対象ラベル」として特定していない場合には、
ＣＰＵ６０は、処理をＳ００８に戻し、次のラベルが付
された細線化抽出要素についての処理を実行する。これ
に対して、全てのラベルを「処理対象ラベル」として特
定した場合には、ＣＰＵ６０は、処理をＳ０２７に進め
る。以上のＳ００３乃至Ｓ０２６の処理が、グループ化
手段に相当するＳ０２７では、ＣＰＵ６０は、未だ「良
否判定対象ラベル」として特定されていないラベルのう
ち最も小さいものを、「良否判定対象ラベル」として特
定する。

【００９２】次のＳ０２８では、ＣＰＵ６０は、Ｓ０２
７にて「良否判定対象ラベル」として特定されたラベル
が付された全ての細線化要素に対応する二値化画像デー
タ中の抽出要素群を、選び出す。そして、選び出した抽
出要素群全体としての図形的特徴量（例えば、面積，最
大フィレ，等）を数値化し、この数値化された図形特徴
量が良品とみなし得る範囲にあるか不良品とみなし得る
範囲にあるかをチェックする。そして、図形的特徴量が
良品とみなし得る範囲にある場合には、ＣＰＵ６０は、
処理をＳ０２９に進める。

【００９３】このＳ０２９では、ＣＰＵ６０は、全ての
ラベルを「良否判定対象ラベル」として特定したか否か
をチェックする。そして、未だ全てのラベルを「良否判
定対象ラベル」として特定していない場合には、処理を
Ｓ０２７に戻す。

【００９４】以上説明したＳ０２７乃至Ｓ０２９のルー
プ処理を繰り返した結果、何れかの抽出要素群の図形的
特徴量が不良品とみなし得る範囲にあると判定した場合
には、ＣＰＵ６０は、処理をＳ０２８からＳ０３０に進
める。このＳ０３０では、当該検査対象光学部材９が不
良品である旨を外部出力（画像表示，音声出力）する。

【００９５】これに対して、何れの抽出要素群の図形的
特徴量が不良品とみなし得る範囲にあると判断すること
なく、全てのラベルを良否判定対象とした場合には、Ｃ
ＰＵ６０は、処理をＳ０２９からＳ０３１に進める。こ
のＳ０３１では、ＣＰＵ６０は、当該検査対象光学部材
９が良品である旨を外部出力（画像表示，音声出力）す
る。

【００９６】Ｓ０３０又はＳ０３１を実行した後に、Ｃ
ＰＵ６０は、この制御処理を終了する。

【００９７】＜実施形態の作用＞以上のように構成され
た本実施形態によると、二値化画像データ中の各抽出要
素のうち、元々同じ不良要因に起因するものが、各抽出
要素の近接する端点同士を結ぶ線分ｒの長さ｜ｒ｜，こ
の線分ｒと各抽出要素の方向ベクトルとがなす角度θ
１，θ２に基づいて、合理的にグループ化される。従っ
て、別々の不良要因に起因する抽出要素がグループ化さ
れることはない。そのため、本実施形態によると、検査
対象光学部材９の良否判定が正確になされる。

【実施形態２】本発明の第２の実施の形態は、上述の第
１実施形態と比較して、図１０のＳ０１６において実行
される接続判定処理の内容のみが異なり、他の構成を同
じくする。

【００９８】上述した第１実施形態における図１３の接
続判定処理では、個々の相互形状関係θ１，θ２，｜ｒ
｜が、夫々一定の基準値θｍａｘ，Ｒｍａｘと個別に比
較される。しかしながら、例えば何れかの相互形状関係
が小さい値であった場合には、他の相互形状関係を多少
甘くしても、正確な接続判定を行うことができるはずで
ある。そのため、本第２実施形態は、複数の相互形状関
係θ１，θ２，｜ｒ｜の関数を基準値と比較することに
よって、総合的な判定を行うようにした。

【００９９】図１６は、本第２実施形態において接続判
定処理に用いられる各角度θ１，θ２の関数と基準値θ
ｍａｘとの関係を示すグラフである。この図１６に示す
ように、本実施形態においては、ＣＰＵ６０は、各角度
θ１，θ２，及び、一定の基準値θｍａｘが下記式
（５）に示す条件を満たしているか否かをチェックす
る。

【０１００】 θ１²＋θ２²≦θｍａｘ² ……（５）また、ここで、θ１²＋θ２²＝θ²とし、θ≧０とする
と、このθは下記式（６）によって示される通りとな
る。

【０１０１】 θ＝（θ１²＋θ２²）^1/2 ……（６）ＣＰＵ６０は、このθ及び｜ｒ｜，並びに、一定の基準
値Ｔが下記式（７）を満たしているか否かをチェックす
る。

【０１０２】｜ｒ｜・θ≦Ｔ｜ｒ｜≦Ｔ／θ ≦Ｔ・（θ１²＋θ２²）^-1/2 ……（７）なお、各基準値（θｍａｘ，Ｔ）は、グループ化の結果
が最も正確となるように、実験的に求める。

【０１０３】＜制御処理＞図１７は、本第２実施形態に
おいてＣＰＵ６０が図１０のＳ０１６にて実行する接続
判定処理サブルーチンを示すフローチャートである。

【０１０４】この接続判定処理サブルーチンに入って最
初のＳ２０１では、ＣＰＵ６０は、Ｓ０１３にて求めた
角度θ１，及び、Ｓ０１４にて求めた角度θ２が、基準
値θｍａｘに対して上記式（５）の関係を満たしている
か否かをチェックする。そして、上記式（５）の関係が
満たされていない場合には、ＣＰＵ６０は、処理をＳ２
０４に進め、上記式（５）の関係が満たされている場合
には、ＣＰＵ６０は、処理をＳ２０２に進める。

【０１０５】Ｓ２０２では、ＣＰＵ６０は、Ｓ０１３に
て求めた角度θ１，Ｓ０１４にて求めた角度θ２，及
び、Ｓ０１２にて求めた線分ｒの大きさ｜ｒ｜が、基準
値Ｔに対して上記式（７）の関係を満たしているか否か
チェックする。そして、上記式（７）が満たされていな
い場合には、ＣＰＵ６０は、処理をＳ２０４に進め、上
記式（７）が満たされている場合には、ＣＰＵ６０は、
処理をＳ２０３に進める。

【０１０６】Ｓ２０３では、ＣＰＵ６０は、接続可能で
ある旨のフラグをセットし、Ｓ２０４では、ＣＰＵ６０
は、接続不能である旨のフラグをセットする。そして、
何れの場合においても、この接続判定処理サブルーチン
を終了し、処理を図１０のメインルーチンに戻す。

【０１０７】本第２実施形態よるその他の動作及び作用
は、上述した第１実施形態のものと全く同じであるの
で、その説明を省略する。

【実施形態３】本発明の第３の実施の形態は、上述の第
１実施形態と比較して、点状要素をもグループ化するこ
とを特徴とする。

【０１０８】上述の第１実施形態では、同一の不良要因
に起因する要素のみを接続するために、図１０のＳ００
５にて線状要素のみを抽出して、接続判定のための処理
対象要素と比較対象要素にしていた。そのため、不良要
因から分断された要素が偶然に点状となっていた場合に
は、この点状要素は、グループ化されないので、残りの
線状要素のみをグループ化して算出された図形的特徴量
は、本来の不良要因の程度に対応しない可能性がある。
本第３実施形態は、この点に鑑み、点状要素をもグルー
プ化の対象とすることによって、本来の不要要因の程度
に対応した図形的特徴量を得ることができるようにした
ものである。

【０１０９】＜抽出要素のグループ化アルゴリズム＞以
下、本第３実施形態において各抽出要素をグループ化す
るためのアルゴリズムを、説明する。

【０１１０】図１８は、処理対象の線状細線化抽出要素
（ラベルａ）と比較対象の点状細線化抽出要素（ラベル
ｂ）との相対的形状関係の例を示している。この図１８
に示されるように、本第３実施形態では、処理対象線状
細線化抽出要素（ラベルａ）の方向ベクトル，並びに、
処理対象線状細線化抽出要素（ラベルａ）及び比較対象
点状細線化抽出要素（ラベルｂ）の互いに近接した端点
（ラベルｂについては点状要素そのもの）間を結ぶ線分
（ｒ）のベクトル（大きさ｜ｒ｜を含む）を夫々求め、
処理対象細線化抽出要素（ラベルａ）の方向ベクトルと
線分（ｒ）とがなす角度（θ）を算出する。そして、線
分（ｒ）の大きさ（長さ）（｜ｒ｜）が予め定められた
一定の基準値（Ｒｍａｘ）以下であり、且つ、角度
（θ）が予め定められた一定の基準値（θｍａｘ）以下
である場合には、これら二つの細線化抽出要素に対応す
る抽出要素が、連続した同一の線状不良要因に起因して
いると、判断することができる。そこで、比較対象点状
細線化抽出要素（ラベルｂ）が処理対象線状細線化抽出
要素（ラベルａ）と同じ不良要因に起因する故に接続可
能と、判断する。

【０１１１】以上のような相対的形状関係の判定を、全
ての線状細線化抽出要素と各点状細線化抽出要素相互間
に対して行う。そして、同一の不良要因に起因する細線
化抽出要素をグループ化する。そして、各グループに属
する細線化抽出要素群に対応する二値化画像データ中の
抽出要素群をひとまとめにして、全体としての図形的特
徴量を計算する。

【０１１２】＜制御処理＞次に、本第３実施形態におい
て画像処理プログラム格納領域６２ｄから読み出した画
像処理プログラムに従って制御装置６（ＣＰＵ６０）が
実行する制御処理の内容を、図１９乃至図２２のフロー
チャートを用いて説明する。

【０１１３】図１９の制御処理は、制御装置６に接続さ
れた図示せぬ検査開始ボタンが押下されることによりス
タートする。スタート後最初のＳ３０１では、ＣＰＵ６
０は、モータ駆動回路６３に対して、スライドテーブル
７の駆動モータ７ｅへの駆動電流の供給を指示し、検査
対象光学部材９をスライド移動させる。ＣＰＵ６０は、
この指示の結果として検査対象光学部材９がスライド移
動する間にフレームメモリ６１に書き込まれた画像デー
タを、ホストメモリ６２の画像メモリ領域６２ａへ順次
格納する。ＣＰＵ６０は、画像メモリ領域６２ａ内に検
査対象光学部材９全体に対応する画像データ（原画像デ
ータ）が合成されると、処理をＳ３０２に進める。

【０１１４】次のＳ３０２では、ＣＰＵ６０は、画像メ
モリ領域６２ａ内に格納されている原画像データに対し
て、所定の閾値を基準とした上述の二値化処理を実行し
て、第１作業メモリ領域６２ｂ内に二値化画像データを
生成する（二値化手段に相当）。

【０１１５】次のＳ３０３では、ＣＰＵ６０は、第１作
業メモリ領域６２ｂ内に格納されている二値化画像デー
タに含まれる各抽出要素に対して、夫々、一意のラベル
番号（１，２，３，…，ｎ）を付す（ラベリング）。

【０１１６】次のＳ３０４では、ＣＰＵ６０は、上述し
た第１実施形態における図１０Ｓ００３と同様の形状判
定処理を実行し、第１作業メモリ領域６２ｂ内に格納さ
れている二値化画像データに含まれる各抽出要素が線状
要素であるか点状要素であるかを判定する。

【０１１７】次のＳ３０５では、ＣＰＵ６０は、Ｓ３０
４での形状判定結果に従って、第１作業メモリ領域６２
ｂ内の二値化画像データに含まれる各抽出要素を、線状
要素又は点状要素に分類する。

【０１１８】次のＳ３０６では、ＣＰＵ６０は、Ｓ３０
４にて抽出した各抽出要素に対して、上述した細線化処
理を実行して、第２作業メモリ領域６２ｃ内に細線化画
像データを生成する（細線化手段に相当）。なお、ＣＰ
Ｕ６０は、線状要素であると分類された抽出要素に対し
ては、上述したようにその骨格位置を示す幅１ドットの
画素列となるまで抽出要素を細めることによって細線化
処理を行うが、点状要素であると分類された抽出要素に
対しては、その重心位置に相当する１ドットの画素のみ
を残すことによって細線化処理を行う。

【０１１９】次のＳ３０７では、ＣＰＵ６０は、Ｓ３０
５にて生成した細線化画像データに含まれる各細線化抽
出要素の端点座標（線状細線化抽出要素については両
端，点状細線化抽出要素については一点）を求める。

【０１２０】次に、ＣＰＵ６０は、各線状細線化抽出要
素毎に、それに対して接続可能な点状細線化抽出要素を
探すためのＳ３０８〜Ｓ３２３のループ処理を実行す
る。このループ処理に入って最初のＳ３０８では、ＣＰ
Ｕ６０は、未だ「処理対象要素」として特定されていな
い線状細線化抽出要素のうち、付されたラベルが最も小
さいものを「処理対象要素」として特定する。

【０１２１】次のＳ３０９では、ＣＰＵ６０は、「処理
対象要素」の一方の端点を「処理対象端点」として特定
する。

【０１２２】次のＳ３１０では、ＣＰＵ６０は、「処理
対象端点」近傍における「処理対象要素」の方向ベクト
ルａを、上述した何れかの手法に従って求める。

【０１２３】次に、ＣＰＵ６０は、「処理対象要素」の
「処理対象端点」に関して、未だ「処理対象要素」とし
て特定されていない全ての点状細線化抽出要素との上記
相互形状関係θ，｜ｒ｜を調べるために、Ｓ３１１〜Ｓ
３１７のループ処理を実行する。このループ処理に入っ
て最初のＳ３１１では、ＣＰＵ６０は、「処理対象ラベ
ル」の比較対象としても未だ特定されていない点状細線
化抽出要素のうち最も小さいものを「比較対象要素」と
して特定する。

【０１２４】次のＳ３１２では、ＣＰＵ６０は、「処理
対象端点」と「比較対象要素」とを結ぶ線分ｒの大きさ
（距離）｜ｒ｜及び方向を求める。

【０１２５】次のＳ３１３では、ＣＰＵ６０は、方向ベ
クトルａと線分ｒとがなす角度θを求める。

【０１２６】次のＳ３１４では、ＣＰＵ６０は、接続判
定処理を実行する。

【０１２７】図２２は、Ｓ３１４にて実行される接続判
定処理サブルーチンを示すフローチャートである。この
サブルーチンに入って最初のＳ４０１では、ＣＰＵ６０
は、Ｓ３１２にて求めた角度θが基準値θｍａｘ以下で
あるという条件を満たしているか否かをチェックする。
そして、角度θが基準値θｍａｘを超えていれば処理を
Ｓ４０３に進め、角度θが基準値θｍａｘ以下であれば
処理をＳ４０２に進める。

【０１２８】Ｓ４０２では、ＣＰＵ６０は、Ｓ３１２に
て求めた線分ｒの大きさ｜ｒ｜が基準値Ｒｍａｘ以下で
あるという条件を満たしているか否かをチェックする。
そして、｜ｒ｜が基準値Ｒｍａｘを超えていれば処理を
Ｓ４０３に進め、｜ｒ｜が基準値Ｒｍａｘ以下であれば
処理をＳ４０４に進める。

【０１２９】Ｓ４０４では、ＣＰＵ６０は、接続可能で
ある旨のフラグをセットし、Ｓ４０３では、ＣＰＵ６０
は、接続不能である旨のフラグをセットする。そして、
何れの場合においても、この接続判定処理サブルーチン
を終了し、処理を図１９のメインルーチンに戻す。

【０１３０】処理が戻された図１９のメインルーチンで
は、Ｓ３１４の次に、処理をＳ３１５に進める。このＳ
３１５では、ＣＰＵ６０は、「処理対象要素」として未
だ特定されていない全ての点状細線化抽出要素を「比較
対象要素」として特定したか否かを、チェックする。そ
して、未だ全ての点状細線化抽出要素を「比較対象要
素」として特定していない場合には、ＣＰＵ６０は、処
理をＳ３１１に戻す。これに対して、未だ「処理対象要
素」として特定されていない全ての点状細線化抽出要素
を「比較対象要素」として特定し終えた場合には、ＣＰ
Ｕ６０は、処理をＳ３１６に進める。

【０１３１】Ｓ３１６では、ＣＰＵ６０は、Ｓ３１１〜
Ｓ３１５のループ処理を繰り返した結果、何れかの「比
較対象要素」に関して接続可能である旨のフラグがセッ
トされたか否かを、チェックする。そして、接続可能で
ある旨のフラグがセットされている場合には、ＣＰＵ６
０は、処理をＳ３１７に進める。

【０１３２】このＳ３１７では、ＣＰＵ６０は、接続可
能である旨のフラグがセットされている「比較対象要
素」が二つ以上あるか否かをチェックする。そして、接
続可能である旨のフラグがセットされている「比較対象
要素」が一個のみである場合には、ＣＰＵ６０は、Ｓ３
１９にて当該「比較対象要素」を「接続決定要素」とし
て決定した後に、処理をＳ３２０に進める。

【０１３３】これに対して、接続可能である旨のフラグ
がセットされている「比較対象要素」が二つ以上である
とＳ３１７にて判定した場合には、ＣＰＵ６０は、Ｓ３
１８にて、何れか一個の「比較対象要素」を「接続決定
要素」として決定するための接続要素判定処理を、図１
４に示した接続要素判定処理サブルーチンに従って実行
する。Ｓ３１８の完了後、ＣＰＵ６０は、処理をＳ３２
０に進める。

【０１３４】Ｓ３２０では、ＣＰＵ６０は、「接続決定
要素」のラベルを「処理対象要素」のラベルに置き換え
ることによって、「接続決定要素」を「処理対象要素」
と一連の細線化抽出要素として扱う（要素の接続）。

【０１３５】次のＳ３２１では、ＣＰＵ６０は、Ｓ３２
０にて接続した元の「処理対象要素」と元の「接続決定
要素」との組み合わせを、新たな「処理対象要素」とし
て特定する。以上の後、ＣＰＵ６０は、新たな「処理対
象要素」の一方の端点に関して「接続決定要素」を探す
ために、処理をＳ３０９に戻す。なお、新たな「処理対
象要素」に対するＳ３１０の処理では、ＣＰＵ６０は、
元の「処理対象要素（線状要素）」の端点と元の「接続
決定要素（点状要素）」とを結んだ方向として、方向ベ
クトルａを求める。

【０１３６】一方、接続可能である旨のフラグがどの
「比較対象要素」についてもセットされなかったとＳ３
１６にて判定した場合には、ＣＰＵ６０は、Ｓ３２２に
おいて、「処理対象要素」の両端に関して、Ｓ３１０以
下のループ処理の実行を完了しているか否かをチェック
する。そして、未だ他方の端点についての処理がなされ
ていない場合には、ＣＰＵ６は、Ｓ３２４において、他
方の端点を新たな「処理対象端点」として特定した後
に、新たな「処理対象端点」についてＳ３１０以下のル
ープ処理を行うために、処理をＳ３１０に戻す。これに
対して、既に「処理対象要素」の両端に関してＳ３１０
以下のループ処理を完了している場合には、ＣＰＵ６０
は、処理をＳ３２３に進める。

【０１３７】Ｓ３２３では、ＣＰＵ６０は、Ｓ３０５に
て分類した全ての線状細線化抽出要素を「処理対象要
素」として特定したか否かをチェックする。そして、未
だ全ての線状細線化抽出要素を「処理対象要素」として
特定していない場合には、ＣＰＵ６０は、処理をＳ３０
８に戻し、次のラベルが付された線状細線化抽出要素に
ついての処理を実行する。これに対して、全ての線状細
線化抽出要素を「処理対象要素」として特定した場合に
は、ＣＰＵ６０は、処理をＳ３２４に進める。以上のＳ
３０３乃至Ｓ３２３の処理が、グループ化手段に相当す
るＳ３２４では、ＣＰＵ６０は、未だ「良否判定対象ラベ
ル」として特定されていないラベルのうち最も小さいも
のを、「良否判定対象ラベル」として特定する。

【０１３８】次のＳ３２５では、ＣＰＵ６０は、Ｓ３２
４にて「良否判定対象ラベル」として特定されたラベル
が付された全ての細線化要素に対応する二値化画像デー
タ中の抽出要素群を、選び出す。そして、選び出した抽
出要素群全体としての図形的特徴量（例えば、面積，最
大フィレ，等）を数値化し、この数値化された図形特徴
量が良品とみなし得る範囲にあるか不良品とみなし得る
範囲にあるかをチェックする。そして、図形的特徴量が
良品とみなし得る範囲にある場合には、ＣＰＵ６０は、
処理をＳ３２６に進める。

【０１３９】このＳ３２６では、ＣＰＵ６０は、全ての
ラベルを「良否判定対象ラベル」として特定したか否か
をチェックする。そして、未だ全てのラベルを「良否判
定対象ラベル」として特定していない場合には、処理を
Ｓ３２４に戻す。

【０１４０】以上説明したＳ３２４乃至Ｓ３２６のルー
プ処理を繰り返した結果、何れかの抽出要素群の図形的
特徴量が不良品とみなし得る範囲にあると判定した場合
には、ＣＰＵ６０は、処理をＳ３２５からＳ３２７に進
める。このＳ３２７では、当該検査対象光学部材９が不
良品である旨を外部出力（画像表示，音声出力）する。

【０１４１】これに対して、何れの抽出要素群の図形的
特徴量が不良品とみなし得る範囲にあると判断すること
なく、全てのラベルを良否判定対象とした場合には、Ｃ
ＰＵ６０は、処理をＳ３２６からＳ３２８に進める。こ
のＳ３２８では、ＣＰＵ６０は、当該検査対象光学部材
９が良品である旨を外部出力（画像表示，音声出力）す
る。

【０１４２】Ｓ３２７又はＳ３２８を実行した後に、Ｃ
ＰＵ６０は、この制御処理を終了する。

【０１４３】本第３実施形態におけるその他の動作及び
作用は、上述した第１実施形態のものと全く同じである
ので、その説明を省略する。

【実施形態４】本発明の第４の実施の形態は、上述の第
３実施形態と比較して、図１９のＳ３１４において実行
される接続判定処理の内容のみが異なり、他の構成を同
じくする。本第４実施形態の目的は、上述した第２実施
形態のものと同じである。

【０１４４】図２３は、本第４実施形態においてＣＰＵ
６０が図１９のＳ３１４にて実行する接続判定処理サブ
ルーチンを示すフローチャートである。

【０１４５】この接続判定処理サブルーチンに入って最
初のＳ５０１では、ＣＰＵ６０は、Ｓ３１３にて求めた
角度θが基準値θｍａｘ以下であるという条件を満たし
ているか否かをチェックする。そして、角度θが基準値
θｍａｘを超えていれば処理をＳ５０４に進め、角度θ
が基準値θｍａｘ以下であれば処理をＳ５０２に進め
る。

【０１４６】Ｓ５０２では、ＣＰＵ６０は、Ｓ３１３に
て求めた角度θ，及び、Ｓ３１２にて求めた線分ｒの大
きさ｜ｒ｜が、一定の基準値Ｔに対して下記式（８）の
関係を満たしているか否かチェックする。

【０１４７】｜ｒ｜・θ≦Ｔ｜ｒ｜≦Ｔ／θ ……（８）そして、上記式（８）の条件が満たされていない場合に
は、ＣＰＵ６０は、処理をＳ５０４に進め、上記式
（８）の条件が満たされている場合には、ＣＰＵ６０
は、処理をＳ５０３に進める。

【０１４８】Ｓ５０３では、ＣＰＵ６０は、接続可能で
ある旨のフラグをセットし、Ｓ５０４では、ＣＰＵ６０
は、接続不能である旨のフラグをセットする。そして、
何れの場合においても、この接続判定処理サブルーチン
を終了し、処理を図１９のメインルーチンに戻す。

【０１４９】本第４実施形態よるその他の動作及び作用
は、上述した第１実施形態及び第３実施形態のものと全
く同じであるので、その説明を省略する。

【０１５０】

【発明の効果】以上のように構成された本発明の光学部
材検査装置，画像処理装置，及び、画像処理プログラム
を格納したコンピュータ可読媒体によれば、検査対象光
学部材を撮像して得られた画像データを２値化した後
で、同一の不良要因に起因しているが二値化の過程で分
離されてしまった複数の抽出要素を合理的にグループ化
することができる。これにより、検査対象光学部材の正
確な良否判定が可能となる。

【０１５１】

【図面の簡単な説明】

【図１】本発明の実施の形態による光学部材検査装置
の概略構成を示す側面断面図

【図２】図１の検査対象光学部材等を撮像装置の位置
から見た平面図

【図３】図１の制御装置の内部回路構成を示すブロッ
ク図

【図４】検査対象光学部材に不良要因がない場合にお
ける光の進行状態を示す図

【図５】検査対象光学部材に不良要因がある場合にお
ける光の進行状態を示す図

【図６】画像メモリ領域６２ａ内にて合成される原画
像データを示す図

【図７】第１作業メモリ６２ｂ内に生成される二値化
画像データを示す図

【図８】第２作業メモリ６２ｃ内に生成される細線化
二値化画像データを示す図

【図９】本発明の第１実施形態における各抽出要素の
グループ化アルゴリズムの説明図

【図１０】図３のＣＰＵにて実行される制御処理を示
すフローチャート

【図１１】図３のＣＰＵにて実行される制御処理を示
すフローチャート

【図１２】図３のＣＰＵにて実行される制御処理を示
すフローチャート

【図１３】図１０のＳ０１６にて実行される接続判定
処理サブルーチンを示すフローチャート

【図１４】図１１のＳ０２０にて実行される接続要素
判定処理サブルーチンを示すフローチャート

【図１５】抽出要素が点状要素であるか線状要素であ
るかの認識に用いられる閾値関数を示すグラフ

【図１６】本第２実施形態において接続判定処理に用
いられる各角度θ１，θ２の関数と基準値θｍａｘとの
関係を示すグラフ

【図１７】本発明の第２実施形態における図１０のＳ
０１６にて実行される接続判定処理サブルーチンを示す
フローチャート

【図１８】本発明の第２実施形態における各抽出要素
のグループ化アルゴリズムの説明図

【図１９】本発明の第３実施形態において図３のＣＰ
Ｕにて実行される制御処理を示すフローチャート

【図２０】本発明の第３実施形態において図３のＣＰ
Ｕにて実行される制御処理を示すフローチャート

【図２１】本発明の第３実施形態において図３のＣＰ
Ｕにて実行される制御処理を示すフローチャート

【図２２】図１９のＳ３１４にて実行される接続判定
処理サブルーチンを示すフローチャート

【図２３】本発明の第４実施形態における図１０のＳ
０１６にて実行される接続判定処理サブルーチンを示す
フローチャート

【符号の説明】

３撮像装置６制御装置９検査対象光学部材６０ＣＰＵ６２ホストメモリ６２ａ画像メモリ領域６２ｂ第１作業メモリ領域６２ｃ第２作業メモリ領域６２ｄ画像処理プログラム格納領域

───────────────────────────────────────────────────── フロントページの続き (72)発明者山本清東京都板橋区前野町２丁目36番９号旭光学工業株式会社内Ｆターム(参考） 2G086 EE08 EE12

Claims

【特許請求の範囲】

【請求項１】検査対象光学部材を撮像して当該検査対象
光学部材の像を含む原画像データを出力する撮像装置
と、この撮像装置から出力された原画像データを所定の閾値
を基準として、前記原画像データに混入したノイズが除
去され且つ不良要因に起因する要素が抽出されるように
二値化して、二値化画像データを生成する二値化手段
と、前記二値化手段によって生成された二値化画像データを
格納するメモリと、このメモリに格納されている前記二値化画像データに含
まれる個々の前記要素を細線化して、当該要素の骨格を
示す細線化要素に変換する細線化手段と、この細線化手段によって変換された任意の二つの細線化
要素同士を比較し、これら二つの細線化要素における互
いに近接した端点同士を結ぶ線分の長さ，前記二つの細
線化要素のうちの一方の方向を示すベクトルと前記線分
とがなす第１角度，及び、前記二つの細線化要素のうち
の他方の方向を示すベクトルと前記線分とがなす第２角
度が所定の条件を示す場合に、前記二つの細線化要素同
士をグループ化するグループ化手段と、前記グループ化手段によってグループ化された前記各細
線化要素の元となった前記二値化画像データ中の要素群
の全体としての図形的特徴量を算出する図形的特徴量算
出手段と、この図形的特徴量算出手段によって算出された図形的特
徴量に基づいて前記検査対象光学部材の良否判定を行う
良否判定手段とを有することを特徴とする光学部材検査
装置。
【請求項２】前記グループ化手段は、前記細線化手段に
よって変換された全ての細線化要素のあらゆる組み合わ
せについて、上記比較を行うことを特徴とする請求項１
記載の光学部材検査装置。
【請求項３】前記グループ化手段は、前記線分の長さ，
前記第１角度，及び、前記第２角度が、夫々に用意され
た基準値を下回っている場合に、前記二つの細線化要素
同士をグループ化することを特徴とする請求項１記載の
光学部材検査装置。
【請求項４】前記グループ化手段は、前記線分の長さ，
前記第１角度，前記第２角度，及び、所定の基準値が所
定の条件式を満たしている場合に、前記二つの細線化要
素同士をグループ化することを特徴とする請求項１記載
の光学部材検査装置。
【請求項５】前記所定の条件式は、前記第１角度をθ
１，前記第２角度をθ２，前記所定の基準値をθｍａｘ
とした場合、 θ１²＋θ２²≦θmax² として表されることを特徴とする請求項４記載の光学部
材検査装置。
【請求項６】前記所定の条件式は、前記線分の長さを
ｒ，前記第１角度をθ１，前記第２角度をθ２，前記所
定の基準値をＴとした場合、ｒ≦Ｔ・（θ１²＋θ２²）^-1/2 として表されることを特徴とする請求項４記載の光学部
材検査装置。
【請求項７】検査対象光学部材を撮像して得られた原画
像データを所定の閾値を基準として、前記原画像データ
に混入したノイズが除去され且つ不良要因に起因する要
素が抽出されるように二値化して、二値化画像データを
生成する二値化手段と、前記二値化手段によって生成された二値化画像データを
格納するメモリと、このメモリに格納されている前記二値化画像データに含
まれる個々の前記要素を細線化して、当該要素の骨格を
示す細線化要素に変換する細線化手段と、この細線化手段によって変換された任意の二つの細線化
要素同士を比較し、これら二つの細線化要素における互
いに近接した端点同士を結ぶ線分の長さ，前記二つの細
線化要素のうちの一方の方向を示すベクトルと前記線分
とがなす第１角度，及び、前記二つの細線化要素のうち
の他方の方向を示すベクトルと前記線分とがなす第２角
度が所定の条件を示す場合に、前記二つの細線化要素同
士をグループ化するグループ化手段と、前記グループ化手段によってグループ化された前記各細
線化要素の元となった前記二値化画像データ中の要素群
の全体としての図形的特徴量を算出する図形的特徴量算
出手段と、この図形的特徴量算出手段によって算出された図形的特
徴量に基づいて前記検査対象光学部材の良否判定を行う
良否判定手段とを有することを特徴とする画像処理装
置。
【請求項８】メモリを備えたコンピュータに対して、検査対象光学部材を撮像して得られた原画像データを所
定の閾値を基準として、前記原画像データに混入したノ
イズが除去され且つ不良要因に起因する要素が抽出され
るように二値化して、二値化画像データを生成させ、前記二値化手段によって生成された二値化画像データを
前記メモリに格納させ、このメモリに格納されている前記二値化画像データに含
まれる個々の前記要素を細線化して、当該要素の骨格を
示す細線化要素に変換させ、この細線化手段によって変換された任意の二つの細線化
要素同士を比較し、これら二つの細線化要素における互
いに近接した端点同士を結ぶ線分の長さ，前記二つの細
線化要素のうちの一方の方向を示すベクトルと前記線分
とがなす第１角度，及び、前記二つの細線化要素のうち
の他方の方向を示すベクトルと前記線分とがなす第２角
度が所定の条件を示す場合に、前記二つの細線化要素同
士をグループ化させ、前記グループ化手段によってグループ化された前記各細
線化要素の元となった前記二値化画像データ中の要素群
の全体としての図形的特徴量を算出させ、この図形的特徴量算出手段によって算出された図形的特
徴量に基づいて前記検査対象光学部材の良否判定を行わ
せるプログラムを格納したコンピュータ可読媒体。
【請求項９】検査対象光学部材を撮像して当該検査対象
光学部材の像を含む原画像データを出力する撮像装置
と、この撮像装置から出力された原画像データを所定の閾値
を基準として、前記原画像データに混入したノイズが除
去され且つ不良要因に起因する要素が抽出されるように
二値化して、二値化画像データを生成する二値化手段
と、前記二値化手段によって生成された二値化画像データを
格納するメモリと、このメモリに格納されている前記二値化画像データに含
まれる個々の前記要素を細線化して、当該要素の骨格を
示す細線化要素に変換する細線化手段と、この細線化手段によって変換された任意の二つの細線化
要素同士を比較し、これら二つの細線化要素における互
いに近接した端点同士を結ぶ線分の長さ，及び、前記二
つの細線化要素のうちの一方の方向を示すベクトルと前
記線分とがなす角度が所定の条件を示す場合に、前記二
つの細線化要素同士をグループ化するグループ化手段
と、前記グループ化手段によってグループ化された前記各細
線化要素の元となった前記二値化画像データ中の要素群
の全体としての図形的特徴量を算出する図形的特徴量算
出手段と、この図形的特徴量算出手段によって算出された図形的特
徴量に基づいて前記検査対象光学部材の良否判定を行う
良否判定手段とを有することを特徴とする光学部材検査
装置。
【請求項１０】前記グループ化手段は、前記線分の長
さ，及び、前記角度が、夫々に用意された基準値を下回
っている場合に、前記二つの細線化要素同士をグループ
化することを特徴とする請求項９記載の光学部材検査装
置。
【請求項１１】前記グループ化手段は、前記線分の長
さ，前記角度，及び、所定の基準値が所定の条件式を満
たしている場合に、前記二つの細線化要素同士をグルー
プ化することを特徴とする請求項９記載の光学部材検査
装置。
【請求項１２】前記所定の条件式は、前記角度をθ，前
記所定の基準値をθｍａｘとした場合、 θ≦θmax
として表されることを特徴とする請求項１１記載の光学
部材検査装置。
【請求項１３】前記所定の条件式は、前記線分の長さを
ｒ，前記角度をθ，前記所定の基準値をＴとした場合、ｒ＝Ｔ／θ として表されることを特徴とする請求項１１記載の光学
部材検査装置。
【請求項１４】検査対象光学部材を撮像して得られた原
画像データを所定の閾値を基準として、前記原画像デー
タに混入したノイズが除去され且つ不良要因に起因する
要素が抽出されるように二値化して、二値化画像データ
を生成する二値化手段と、前記二値化手段によって生成された二値化画像データを
格納するメモリと、このメモリに格納されている前記二値化画像データに含
まれる個々の前記要素を細線化して、当該要素の骨格を
示す細線化要素に変換する細線化手段と、この細線化手段によって変換された任意の二つの細線化
要素同士を比較し、これら二つの細線化要素における互
いに近接した端点同士を結ぶ線分の長さ，及び、前記二
つの細線化要素のうちの一方の方向を示すベクトルと前
記線分とがなす角度が所定の条件を示す場合に、前記二
つの細線化要素同士をグループ化するグループ化手段
と、前記グループ化手段によってグループ化された前記各細
線化要素の元となった前記二値化画像データ中の要素群
の全体としての図形的特徴量を算出する図形的特徴量算
出手段と、この図形的特徴量算出手段によって算出された図形的特
徴量に基づいて前記検査対象光学部材の良否判定を行う
良否判定手段とを有することを特徴とする画像処理装
置。
【請求項１５】メモリを備えたコンピュータに対して、検査対象光学部材を撮像して得られた原画像データを所
定の閾値を基準として、前記原画像データに混入したノ
イズが除去され且つ不良要因に起因する要素が抽出され
るように二値化して、二値化画像データを生成させ、前記二値化手段によって生成された二値化画像データを
前記メモリに格納させ、このメモリに格納されている前記二値化画像データに含
まれる個々の前記要素を細線化して、当該要素の骨格を
示す細線化要素に変換させ、この細線化手段によって変換された任意の二つの細線化
要素同士を比較し、これら二つの細線化要素における互
いに近接した端点同士を結ぶ線分の長さ，及び、前記二
つの細線化要素のうちの一方の方向を示すベクトルと前
記線分とがなす角度が所定の条件を示す場合に、前記二
つの細線化要素同士をグループ化させ、前記グループ化手段によってグループ化された前記各細
線化要素の元となった前記二値化画像データ中の要素群
の全体としての図形的特徴量を算出させ、この図形的特徴量算出手段によって算出された図形的特
徴量に基づいて前記検査対象光学部材の良否判定を行わ
せるプログラムを格納したコンピュータ可読媒体。
【請求項１６】前記所定の条件式は、前記線分の長さを
ｒ，前記第１角度をθ１，前記第２角度をθ２，第１の
前記所定の基準値をθｍａｘ，第２の前記所定の機基準
値をＴとした場合、 θ１²＋θ２²≦θmax²，ｒ≦Ｔ・（θ１²＋θ２²）^-1/2 として表されることを特徴とする請求項４記載の光学部
材検査装置。
【請求項１７】前記所定の条件式は、前記線分の長さを
ｒ，前記角度をθ，第１の前記所定の基準値をθｍａ
ｘ，第２の前記所定の基準値をＴとした場合、 θ≦θmax，ｒ＝Ｔ／θ として表されることを特徴とする請求項１１記載の光学
部材検査装置。