JP2003130756A

JP2003130756A - 光学部材検査方法

Info

Publication number: JP2003130756A
Application number: JP2001331262A
Authority: JP
Inventors: Taichi Nakanishi; 太一中西
Original assignee: Pentax Corp
Current assignee: Pentax Corp
Priority date: 2001-10-29
Filing date: 2001-10-29
Publication date: 2003-05-08
Anticipated expiration: 2021-10-29
Also published as: JP3905741B2

Abstract

(57)【要約】【課題】レンズ等の光学部材の品質を検査するための
画像検査装置における光学部材検査方法において、撮影
した画像に周期的な濃淡模様が現れるような被検物に対
しても不良要因の評価をより厳密に行うことが可能な光
学部材検査方法を提供することである。【解決手段】光学部材検査方法は、画像の濃淡模様の
濃淡変化の方向に平行に画像を複数枚に分割し、分割さ
れた画像のそれぞれについて濃淡模様の濃淡変化に水平
な方向の平均値を取って１次元のデータを生成し、生成
された１次元のデータをスペクトル分布に変換し、１次
元スペクトル分布から所定周波数以上の周波数帯に発生
する卓越成分を除去たうえで逆変換し、逆変換の結果復
号された１次元のデータを用いて被検物の品質を評価す
る。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】この発明は、レンズ等の光学
部材の品質を検査するための画像検査装置における検査
方法に関する。

【０００２】

【従来の技術】従来、レンズ等の光学部材（以下、被検
物という）の品質を検査する画像検査装置が知られてい
る。

【０００３】該画像検査装置を使用すると被検物は以下
のように検査される。まず、画像検査装置は、光源から
の光で照明された被検物をＣＣＤカメラ等で撮影し、撮
影された画像に所定の処理を施すことにより被検物に存
在する不良要因を抽出し、その形状ごとに分類する。一
般的に、不良要因の形状としては、ゴミやキズ、ケバ
（糸くず）、汚れ等がある。また、画像検査装置によっ
ては、撮影された被検物を複数のエリアで分割してお
り、不良要因を、該不良要因が発生した位置に対応する
エリアごとに分類する。

【０００４】抽出された不良要因を形状やエリアによっ
て分類すると、画像検査装置は、各不良要因を数値（品
質点数）化する。そして画像検査装置は、各不良要因の
合計点数によって、被検物の良否判定を行う。なお本明
細書では、撮影された画像の任意の場所での明るさのこ
とを輝度という。

【０００５】具体的には、ＣＣＤカメラ等によって撮影
した画像、またはエリアごとに分割された画像を２値化
し、さらにこの２値化画像をラベリングして不良要因を
一つ一つ抽出したうえでこれらの不良要因の評価を行
う。

【０００６】しかしながら、例えばレンチキュラーレン
ズのように、被検物の種類によっては特にゴミやキズ等
がなくても撮影した画像に周期的な濃淡模様が現れる。
このような濃淡模様は、そのレベルによっては２値化後
も縞模様として残る場合があり、この縞模様を不良要因
として評価してしまったり、或いは縞模様と二値化され
た不良要因とが重なり（例えばゴミを傷として評価して
しまうといった）不良要因の評価ミスが発生する可能性
がある。

【０００７】このような問題を解決するため、従来は２
値化後の縞模様を抽出したうえで消去していた。従っ
て、不良要因が濃淡模様と重なっているような場合は、
その不良要因を評価できず、被検物を厳密に評価するこ
とができなかった。

【０００８】

【発明が解決しようとする課題】そこで本発明は上記の
事情に鑑み、撮影した画像に周期的な濃淡模様が現れる
ような被検物に対しても不良要因の評価をより厳密に行
うことが可能な光学部材検査方法を提供することを目的
とする。

【０００９】

【課題を解決するための手段】以上の目的を達成するた
め、本発明の光学部材検査方法は、周期的な濃淡模様が
現れるような撮影画像を生成する画像生成ステップと、
画像の濃淡模様の濃淡変化の方向に平行に画像を複数枚
に分割する分割ステップと、分割ステップにて分割され
た画像のそれぞれについて濃淡模様の濃淡変化に垂直な
方向の平均値を取って１次元のデータを生成する１次元
化ステップと、１次元化ステップにて生成された１次元
のデータを１次元スペクトル分布に変換する、スペクト
ル分布変換ステップと、１次元スペクトル分布から所定
周波数以上の周波数帯に発生する卓越成分を除去するフ
ィルタリングステップと、卓越成分が除去された１次元
スペクトル分布から１次元のデータを復号する逆変換ス
テップとを有し、逆変換ステップにて復号された１次元
のデータを用いて被検物の品質を評価する。

【００１０】周期的な濃淡模様は、スペクトル分布にお
いては濃淡模様の周波数の整数倍のところに現れる急激
なピークとなるため、このスペクトル分布から所定周波
数以上の周波数帯に発生する卓越成分を除去したうえで
逆変換することにより、周期的な濃淡模様のみ除去する
ことができる。

【００１１】また、本発明によれば、１次元スペクトル
分布の変換を分割された画像の枚数分行えばよいので、
たとえば画像を直接２次元スペクトル分布に変換する場
合と比べて処理時間を大幅に短縮することができる。

【００１２】なお、１次元スペクトル分布に変換する方
法としては、フーリエ変換、離散コサイン変換、ウエー
ブレット変換等が考えられる。

【００１３】

【発明の実施の形態】図１は本発明の光源部材検査方法
を使用する画像検査装置１の概略構成図である。画像検
査装置１は、画像撮影部１００と画像処理システム２０
０とを有する。

【００１４】画像撮影部１００は、ＣＣＤカメラ１０
１、光源１０２、ホルダ１０４を有する。ホルダ１０４
の上面は、被検物Ｓが載置されるテーブル部１０４ａと
して構成される。またホルダ１０４の下部は、画像撮影
部１００のステージ１０３の上面に形成されたレール１
０３ａ上に設置され、レール１０３ａに沿って水平方向
に移動可能な駆動部１０４ｂとして構成されている。ま
た、ＣＣＤカメラ１０１および光源１０２は、それぞれ
画像撮影部１００のフレーム部１０５に固定されてい
る。ＣＣＤカメラ１０１は対物レンズユニット１０１ａ
とＣＣＤ１０１ｂとを有する。光源１０２は、複数の光
ファイバを有している。各光ファイバは、各々から射出
された光は、被検物Ｓに斜めに入射するように、かつ射
出端面が環状に並ぶように配設されている。

【００１５】画像処理システム２００は、画像撮影部１
００より送信された画像データを処理して、後述する被
検物Ｓの良否判定を行うプロセッサ２０１と、画像撮影
部１００より送信された画像データやプロセッサ２０１
による画像処理結果等を表示可能なモニタ２０２とを有
する。なお、本実施形態における「プロセッサ２０１に
よる画像処理結果」には、二値化や細線化等の処理が行
われた後の画像と、被検物Ｓが良品であるか不良品であ
るかどうかの判定結果等の画像計測結果との双方が含ま
れる。

【００１６】以上のように構成された画像検査装置１に
よる、被検物Ｓの検査手順を図面を用いて説明する。図
２は画像検査装置１による画像検査フローである。な
お、画像検査装置１の起動時、ホルダ１０４は、図１中
破線で示すように画像撮影部１００のフレーム部１０５
の外側の所定位置（供給位置）に位置している。

【００１７】画像検査装置１が起動すると、最初にＳ１
０１が実行され、光源１０２が点灯する。次いでＳ１０
３に進み、図示しない機構により被検物Ｓをホルダ１０
４のテーブル部１０４ａ上に載置する。次いでＳ１０５
に進む。

【００１８】Ｓ１０５では、画像検査装置１のコントロ
ーラはホルダ１０４の駆動部１０４ｂを制御して、供給
位置にあるホルダ１０４を画像検査装置１のフレーム部
１０５の中に向かって一定速度で移動させる。なお、ホ
ルダ１０４の移動量は画像検査装置１のコントローラに
よってカウントされている。次いでＳ１０７に進む。

【００１９】ホルダ１０４に載置された被検物Ｓは、光
源１０２からの光によって照明される領域を通過する。
被検物Ｓは光を透過する透明な部材であるので、光源１
０２からの光によって照明された被検物Ｓにゴミやキズ
等がある場合はその傷や汚れのみが光を反射して明るく
浮かび上がる。ＣＣＤカメラ１０１の対物レンズユニッ
ト１０１ａによるこの被検物Ｓの像は、ＣＣＤカメラ１
０１のＣＣＤ１０１ｂの受光面上で結像する。ＣＣＤ１
０１ｂの受光面は受光画素がホルダ１０４の移動方向と
直交かつ水平に並んでおり、ＣＣＤ１０１ｂはラインセ
ンサとして機能する。従って、光源１０２によって被検
物Ｓを照射しながらホルダ１０４を移動させることによ
り被検物Ｓの走査が行われる。

【００２０】Ｓ１０７では、この走査が終了したかどう
かの判定が行われている。すなわち、ホルダ１０４の移
動量が一定量に達したかどうかの判定が行われる。被検
物Ｓの走査が終了したのであれば（Ｓ１０７：ＹＥ
Ｓ）、Ｓ１０９に進みホルダ１０４の動作を停止した上
でＳ１１１に進む。一方、被検物Ｓの走査がまだ終了し
ていないのであれば（Ｓ１０７：ＮＯ）、Ｓ１０７を引
き続き実行する。すなわち、被検物Ｓの走査が終了する
まで待機する。

【００２１】被検物Ｓを上記のように走査することによ
って得られる画像はモノクロ２５６階調のディジタル画
像データとして画像処理システム２００のプロセッサ２
０１に送信される。

【００２２】Ｓ１１１では、プロセッサ２０１はこのデ
ィジタル画像データを処理して、被検物Ｓ上の不良要因
を抽出し、品質点数化する。次いで、算出した品質点数
の合計が許容範囲内であるかどうかの判定処理（以下、
良否判定処理という）を行う。次いでＳ１１３に進む。
本発明の光学部材検査方法は、Ｓ１１１で行われる良否
判定処理に関するものである。この点については、後に
詳述する。

【００２３】Ｓ１１３では画像検査装置１のコントロー
ラはホルダ１０４の駆動部１０４ｂを制御してホルダ１
０４を画像撮影部１００のフレーム部１０５の外側、つ
まり供給位置に向かって反転移動させる。

【００２４】次いで図示しない機構により被検物Ｓをホ
ルダ１０４のテーブル部１０４ａから取りだし、プロセ
ッサ２０１による判定結果をもとに被検物Ｓを所定の棚
に収納する（Ｓ１１５）。すなわち、被検物Ｓが良品で
あると判定されれば（Ｓ１１５：ＯＫ）、被検物Ｓは良
品棚に収納される（Ｓ１１７）。一方、被検物Ｓが不良
品であると判定されれば（Ｓ１１５：ＮＧ）、被検物Ｓ
は不良品棚に収納される（Ｓ１１９）。

【００２５】以上が画像検査装置１および該装置を用い
た被検物Ｓの検査手順の概説である。次に、本発明の実
施形態である光学部材検査方法（すなわち図２のフロー
チャートにおけるステップＳ１１１の処理内容）につい
て詳説する。

【００２６】図３は画像検査装置１によって取り込まれ
た被検物Ｓの画像の一例である。なお、以下に示す図中
に例示される被検物Ｓの画像においては、図中左右方向
をＸ軸（図中右向きを正とする）、上下方向をＹ軸（図
中下向きを正とする）と定義している。また画像座標軸
の原点は図中左上隅であり、画像における座標（ｍ，
ｎ）の画素は「原点からｍ画素分右かつｎ画素分下の画
素」を意味する。また、実際の画像においては不良要因
は背景よりも明るく示されるが、図面の簡略化のため、
明暗を逆転して不良要因を暗部として示している。

【００２７】図３中には不良要因Ｆ１、Ｆ２、Ｆ３が図
示されている。Ｆ１は所定以上の面積を有するゴミ状の
不良要因、Ｆ２は曲線として示されるケバ状の不良要
因、Ｆ３は略直線として示されるキズ状の不良要因であ
る。また画像の背景部ＢにはＸ軸方向に周期的な濃度変
動する濃淡模様Ａが発生している。なお、実際の濃淡模
様は明部から暗部へ、また暗部から名部へと徐々に輝度
が変動する濃淡模様である。

【００２８】不良要因Ｆ１、Ｆ２、Ｆ３の輝度に濃淡模
様Ａの輝度が加算されてしまうため、同じ不良要因であ
っても濃淡模様Ａのどの部分と重なっているかによって
輝度が変わってしまい、正確に評価をすることができな
い。従って、不良要因の評価を行うのに当たって、まず
このノイズ成分を除去する必要がある。

【００２９】なお、本発明の実施の形態においては、濃
淡模様の濃淡の変化方向が水平（Ｘ軸方向）となるよう
にあらかじめ画像が撮影されているが、一旦画像を撮影
した後に濃淡模様の濃淡の変化方向がＸ軸方向になるよ
う画像回転処理を行う構成としても良い。

【００３０】ノイズ成分除去ルーチンのフローチャート
を図４に示す。本ルーチンが開始すると、最初にステッ
プＳ３０１が実行される。ステップＳ３０１では、濃淡
模様の濃淡の変化方向に平行な方向すなわちＸ軸方向に
走る分割線Ｄ（図３）によって画像がＹ軸方向に分割さ
れる。なお、図３中には分割線Ｄは２本しか記載されて
いないが、実際は分割線Ｄは８画素毎の間隔で画像全体
に定義されており、８画素ごとに画像を分割している。
分割前の画像の大きさはＸ軸方向がＭ画素、Ｙ軸方向が
Ｎ画素となっているので、ステップＳ３０１によってＸ
軸方向がＭ画素、Ｙ軸方向が８画素の画像ｇ_ｄ（ｘ，
ｙ）が（Ｎ／８）枚生成される。なお、ｇ _ｄ（ｍ，ｎ）
は分割された画像の座標（ｍ，ｎ）の画素の輝度を示す
（０≦ｍ≦Ｍ−１，０≦ｎ≦７）。次いでステップＳ３
０２に進む。

【００３１】ステップＳ３０２では、ステップＳ３０１
で分割された画像の一次元化が行われる。すなわち、分
割後の画像ｇ_ｄ（ｘ，ｙ）に対して、数１に基づいてＹ
軸方向に平均化を行い、Ｘ軸方向がＭ画素、Ｙ軸方向が
１画素の画像ｇ_ｌ（ｘ）を求める（０≦ｘ≦Ｍ−１）。
次いで、ステップＳ３０３に進む。

【００３２】

【数１】

【００３３】本実施形態においては、濃淡模様の濃淡の
変化方向がＸ軸方向となっているので、一次元化された
画像ｇ_ｌ（ｘ）にも濃淡模様が含まれる。例えば、図３
の破線Ｉ−Ｉ近傍の分割された画像を一次元化すると、
図５のように濃淡模様による正弦波状部に不良要因によ
る高輝度部が加算されたｇ_ｌ（ｘ）が得られる。

【００３４】ステップＳ３０３では、このｇ_ｌ（ｘ）か
ら濃淡模様による正弦波状部のみを除去するために、ｇ
_ｌ（ｘ）をフーリエ変換する。フーリエ変換の演算式を
数２に示す。なお、フーリエ変換の結果はを周波数領域
の大きさがＭとなるよう標本化された周波数ｋの関数Ｇ
_ｌ（ｋ）で示す。

【００３５】

【数２】

【００３６】さらに、スペクトル分布Ｐ（ｋ）をＧ
_ｌ（ｋ）の実数成分Ｒ（ｋ）と虚数成分Ｉ（ｋ）より数
３を用いて演算する。次いでステップＳ３０４に進む。

【００３７】

【数３】

【００３８】なお、本実施形態においてはフーリエ変換
を用いてスペクトル分析を行っているが１次元のスペク
トル分布が得られるような他の変換手段を利用しても良
い。このような変換手段としては、例えば離散コサイン
変換やウエーブレット変換等がある。

【００３９】数３に示されるように、スペクトル分布Ｐ
（ｋ）は標本化された周波数ｋで表される。図６に示す
ように、本実施形態におけるノイズ成分はＸ軸に対して
周期的な変動を持っている。このようなノイズ成分のス
ペクトル分布Ｐ（ｋ）は、図６に示すように、このノイ
ズ成分の周波数の整数倍のところにデルタ関数状の急激
なピークＰを有する。なお、本実施の形態においてはも
ともとのノイズ成分が正弦波上の濃淡変化であるため、
ノイズ成分の周波数の１倍成分のみにピークが現れるよ
うになっているが、濃淡変化が矩形波状などの他の形態
の周期的な変動であれば、ノイズ成分の周波数のｎ倍成
分にもピークＰが発生する。なお、図６左端に発生して
いるピークは直流成分であり、ノイズ成分によるもので
はない。

【００４０】ノイズ成分のおおよその変動周期は既知で
あるため、ノイズ成分によるピークＰが発生しうる周波
数領域は既知である。そこで、ステップＳ３０４におい
ては「ピークＰが発生しうる空間周波数領域が含まれ、
かつ不良要因自身による成分が含まれえない」空間周波
数領域ｆａを実験等によりあらかじめ求め、この空間周
波数領域ｆａに含まれるピーク成分の周波数を検出す
る。次いで、検出した周波数におけるＧ_ｌ（ｋ）の値に
０を代入し、Ｇ_ｌ（ｋ）に含まれるピーク成分Ｐを除去
する。次いでステップＳ３０５に進み、ピーク成分除去
後のＧ_ｌ（ｋ）を数４を用いて逆フーリエ変換して一次
元化画像ｇ_ｌ（ｘ）に戻すと、ノイズ成分のみが除去さ
れた一次元化画像ｇ_ｌ（ｘ）が得られる。次いでステッ
プＳ３０６に進む。

【００４１】

【数４】

【００４２】ステップＳ３０６では、ステップＳ３０１
にて分割した全ての画像について、１次元スペクトル分
布を利用したノイズ成分の除去が終了したかどうかの範
囲を行っている。全ての画像について処理が終了したの
であれば（Ｓ３０６：ＹＥＳ）、ステップＳ３０７に進
み、未処理の画像が残っているのであれば（Ｓ３０６：
ＮＯ）ステップＳ３０２に戻り、次の画像の処理を実施
する。

【００４３】ステップＳ３０７では、ステップＳ３０２
で分割され、ステップＳ３０２−３０５でノイズ成分を
除去した各一次元画像をＹ軸方向に再結合し、Ｘ軸方向
がＭ画素、Ｙ軸方向がＮ／８画素の画像ｇ_ｆ（ｘ，ｙ）
を生成する。

【００４４】このようにしてノイズが除去された画像ｇ
_ｆ（ｘ，ｙ）に対して不良要因の評価が行われる。以
下、図面を用いてその方法について説明する。図７は本
実施形態による、不良要因評価ルーチンのフローチャー
トである。本ルーチンがスタートすると、最初にステッ
プＳ２０１にて画像の２値化が行われる。なお、この２
値化に当たっては経験則による閾値を一意に用いる、画
像のヒストグラムから好適な閾値を演算する、或いは各
座標につきその周囲の画素の輝度から動的に閾値を求め
る構成としても良い。

【００４５】次いでステップＳ２０２に進み、２値化画
像のラベリングが行われる。この結果、各不良要因ごと
にユニークなラベル番号が付与され、不良要因の総数Ｑ
が得られる。次いでステップＳ２０３に進む。

【００４６】ステップＳ２０３ではラベル番号がＬであ
る不良要因の評価が行われる。なお、変数Ｌの初期値は
０である。具体的な評価手順については後述する。次い
で、ステップＳ２０４に進む。

【００４７】ステップＳ２０４では、全ての不良要因に
ついて評価が行われたかどうかの判定が行われる。すな
わち、Ｌ＜Ｑが満足されているかどうかチェックされ
る。ここで、まだ全ての不良要因について評価が行われ
ていないのであれば（Ｓ２０４：ＮＯ）ステップＳ２０
５に進む。

【００４８】ステップＳ２０５では変数Ｌに１が加算さ
れ、ステップＳ２０３に戻る。

【００４９】一方、ステップＳ２０４において、全ての
不良要因について評価が行われたと判断されたのであれ
ば（Ｓ２０４：ＹＥＳ）、ステップＳ２０６に進む。ス
テップＳ２０６では各不良要因についてステップＳ２０
３にて演算された評価値の合計値を演算し、この合計値
を被検物Ｓの評価値とする。次いで本ルーチンを終了す
る。

【００５０】上記のステップＳ２０２にて抽出された不
良要因の評価方法を以下に示す。不良要因はその特徴に
応じて異なる評価基準に基づいて評価される。このよう
な特徴としては、例えば不良要因の形状やその発生位置
（エリア）といったものがある。特徴付けは、不良要因
の形状およびエリアで特定される項目のいずれかに不良
要因を分類し、各項目別に異なる評価点演算方法を用い
て不良要因の評価点を求める。

【００５１】まず、不良要因の形状分類について詳説す
る。本実施形態は、不良要因を、所定の条件要素の大小
によって、汚れ、ゴミ、キズ、ケバの四種類の特定形状
に分類する。

【００５２】抽出された不良要因が、「ゴミまたは汚
れ」または「キズまたはケバ」のいずれであるかは、該
不良要因の円度の大小によって判断される。円度は、不
良要因の面積を該不良要因の外接円の面積で除算するこ
とにより求められる。不良要因は、その円度が大きくな
ればなるほど円形状により近い形状になり、小さくなれ
ばなるほど線状により近くなる。そして本実施形態の検
査方法では、円度に関する閾値Ｃを設定している。そし
て不良要因の円度Ｃ_０が、閾値Ｃを上回れば該不良要因
は「ゴミまたは汚れ」に分類され、閾値Ｃを下回れば該
不良要因は「キズまたはケバ」に分類される。

【００５３】上記の手段によって不良要因が「ゴミまた
は汚れ」に分類された場合、この不良要因がゴミ、汚れ
のいずれであるかは、該不良要因の面積の大小によって
判断される。本実施形態の検査方法では、ゴミと汚れの
分類の指標として、面積に関する閾値Ｈを設定する。そ
して不良要因の面積Ｈ_０が、閾値Ｈを上回ればゴミに分
類され、閾値Ｈを下回れば汚れに分類される。

【００５４】なお、一般に面積が閾値Ｈを下回りかつ円
度が閾値Ｃを上回るような不良要因は所定距離内に集団
形成されている場合が多い。一方、他の特定形状の不良
要因が集団形成されているケースはごくまれである。本
実施形態では、閾値Ｈを下回る面積の不良要因を汚れ要
素として捉え、検出された該汚れ要素の重心から所定距
離内に含まれる不良要因の数Ｕ_０が所定値Ｕを上回る場
合は該汚れ要素を「集合汚れ要素」と定義し、そうでな
い場合は該汚れ要素を「単独汚れ要素」と定義してい
る。なお、単一汚れか集合汚れかについての判断はあく
までも特定形状である汚れに分類された不良要因（汚れ
要素）に対してのみ行われるものであり、ゴミと判定さ
れた不良要因に関しては、単一汚れか集合汚れかについ
ての判断は行わない。

【００５５】前述の手段によって不良要因が「キズまた
はケバ」に分類された場合、抽出された不良要因が、キ
ズ、ケバのいずれの形状であるかは、該不良要因の方向
性のばらつきの大小によって判断される。不良要因の方
向性は該不良要因を細線化した後にチェイン符号化処理
して得られる、細線化後の各画素の方向ベクトルの分布
から判断することができる。すなわち、例えばその不良
要因は略一直線状である場合は、「上と右上と右」や
「左上と左と左下」のように隣接する３ベクトルの全ベ
クトルに対する割合が（以下、直線度と称す）が極端に
高くなる。例えば、左上−左−左下の間の９０度の中の
ある方向に向かって走る一直線状の不良要因のベクトル
分布を取ると、「左上と左と左下」のベクトルがほとん
どとなる。一方、ケバのような曲線状の不良要因のベク
トル分布は、直線度が低くなる。本実施形態の検査方法
では、キズとケバの分類の指標としてこの直線度を使用
し、ある不良要因の直線度Ｒ_０が閾値Ｒよりも大きけれ
ば該不良要因はキズと判断され、小さければケバと判断
される。

【００５６】不良要因は、上記形状のいずれかに分類さ
れると、該分類結果に基づいて以下の式によって品質点
数化される。

【００５７】所定の特定形状Ｔに分類された不良要因の
品質点数Ｐ_Ｔは、数５によって求められる。

【００５８】

【数５】

【００５９】ただし、Ｂ_０は、該不良要因の相対輝度、
Ｎ_ＴＥは、該不良要因の特定形状および重心の座標に応
じて分類された、該不良要因に対するエリア重み付け係
数をそれぞれ表す。

【００６０】ここで、不良要因の相対輝度とは、不良要
因自身の平均輝度から不良要因近傍の平均輝度を減算し
た値である。

【００６１】また、重み付け係数Ｎ_ＴＥは、被検物Ｓの
良否判定に与える影響の程度を示す値であり、特定形状
および重心の座標に応じてにユーザが予め設定する。本
実施形態においては、ケバが最も被検物Ｓの性能に影響
を与えるとしてケバ、集合汚れ要素、単独汚れ要素、ゴ
ミ、キズの順に係数Ｎ_ＴＥが小さくなるように設定され
ている。

【００６２】また、被検物Ｓの性能にとって重要な箇所
における不良要因をより厳しく評価する必要があるた
め、同じ不良要因であっても位置に応じて重み付け係数
Ｎ_ＴＥを変えている。本実施形態においては、被検物Ｓ
すなわち画像の中心部における係数Ｎ_ＴＥが最も大きく
なるようにし、この中心部から離れるに従って係数Ｎ_Ｔ
_Ｅが小さくなるようにしている。

【００６３】本実施例で使用される重み付け係数Ｎ_ＴＥ
は、不良要因の形状ＴとそのエリアＥに依存する。本実
施形態の場合特定形状は５種類であり、また特定エリア
は画像中心部、画像外縁部、そして該中心部と該外縁部
の中間の中間部の３種類であるので、Ｎ_ＴＥは２次元配
列Ｎ(Ｔ,E)として、表１に示す１５種類が設定される。

【００６４】

【表１】

【００６５】以上が本発明の実施形態である。本発明は
これらの実施形態に限定されるものではなく趣旨を逸脱
しない範囲で様々な変形が可能である。

【００６６】上記実施形態で説明した、不良要因の形状
の種類は、あくまでも例示である。従って、汚れ、ゴ
ミ、キズ、ケバの４種類以上の特定形状を設定してもよ
い。また、不良要因が分類されるエリアも、例示であ
る。従って、中心部、中間部、外縁部の三種類以上の特
定エリアを設定してもよく、また中心部以外の部分（例
えば画像右上隅など）の重み付け係数が最も大きくなる
ような構成としても良い。形状やエリアの種類を上記実
施形態よりも増やせば、それだけより緻密な品質点数化
が行われ、精度の高い良否判定を行うことができる。ま
た、形状やエリアの種類を上記実施形態よりも少なめに
設定すれば、迅速な良否判定を行うことができる。

【００６７】また、不良要因の形状を特定せず、不良要
因の画素数または明るさ(コントラスト)で良否判定を行
う構成としても良い。すなわち、ステップＳ３０５で逆
フーリエ変換された一次元化画像ｇ_ｌ（ｘ）の各画素に
ついて前後それぞれＦ画素の（すなわちｇ_ｌ（ｘ−Ｆ）
からｇ_ｌ（ｘ＋Ｆ）までの２Ｆ＋１画素分の）移動平均
値を取った平均１次元データｇ_ｆｍ（ｘ）を数６を用い
て演算し、この平均１次元データｇ_ｆｍ（ｘ）とステッ
プＳ３０５で逆フーリエ変換された一次元化画像ｇ
_ｌ（ｘ）を比較して不良要因の抽出を行う。

【００６８】

【数６】

【００６９】平均１次元データｇ_ｆｍ（ｘ）とステップ
Ｓ３０５で逆フーリエ変換された一次元化画像ｇ
_ｌ（ｘ）とを比較して不良要因を抽出しその不良要因の
面積を品質点数Ｐ_Ｔとして求める方法としては、数７を
用いて一次元化画像ｇ_ｌ（ｘ）のそれぞれと平均１次元
データｇ_ｆｍ（ｘ）との差分が所定の閾値ｂ’を上回っ
ているときはその画素を不良要因と判定してカウントア
ップする方法がある。

【００７０】

【数７】

【００７１】または、不良要因の面積(画素数)に関係な
く明るさ、すなわちｇ_ｌ（ｘ）-ｇ _ｆｍ（ｘ）が閾値
ｃ’を超えるかどうかで良否判定する方法がある。

【００７２】或いは、一次元化画像ｇ_ｌ（ｘ）のうち平
均１次元データｇ_ｆｍ（ｘ）を上回っている各区間につ
いてその各区間のｇ_ｌ（ｘ）−ｇ_ｆｍ（ｘ）の合算が閾
値ａ’を超えている区間があるかどうかで良否判定する
方法がある。このときの品質点数Ｐ_Ｔは、数８によって
求められる。

【００７３】

【数８】

【００７４】

【発明の効果】このように本発明の光学部材検査方法に
よれば、画像の濃淡模様の濃淡変化の方向に平行に画像
を複数枚に分割し、分割された画像のそれぞれについて
濃淡模様の濃淡変化に垂直な方向の平均値を取って１次
元のデータを生成し、生成された１次元のデータをスペ
クトル分布に変換し、この１次元スペクトル分布からか
ら不良要因ではない周期的な濃淡模様を抽出し、その濃
淡模様を消去可能とすると共に、その濃淡模様と重なっ
ている不良要因の画像は保持される。従って、周期的な
濃淡模様が現れるような被検物に対しても不良要因の評
価をより厳密に行うことが可能となる。

【図面の簡単な説明】

【図１】本発明の光学部材検査方法を使用する画像検査
装置の概略構成図である。

【図２】画像検査装置による画像検査に関するフローチ
ャートである。

【図３】画像検査装置によって取り込まれた被検物の画
像の一例である。

【図４】本発明の実施の形態のノイズ成分除去ルーチン
のフローチャートである。

【図５】図３の破線Ｉ−Ｉ近傍の分割された画像を一次
元化した画像のＸ軸を横軸に、輝度を縦軸にとったグラ
フである。

【図６】図５のグラフのスペクトル分布である。

【図７】本発明の実施の形態の不良要因評価ルーチンの
フローチャートである。

【符号の説明】

１画像検査装置１００画像撮影部１０１ＣＣＤカメラ１０２光源１０４ホルダ１０４ａテーブル部２００画像処理システム

───────────────────────────────────────────────────── フロントページの続きＦターム(参考） 2G051 AA90 AB01 AB02 BB02 CA03 CA04 CB01 CB05 EA12 ED03 ED30 2G086 FF05 5B057 AA04 BA19 CA08 CA12 CA16 CB11 CE06 CE12 DA03 DC14 DC22 5L096 AA06 BA03 CA14 DA02 EA06 EA43 FA14 FA23 FA32 FA59 GA08 GA55

Claims

【特許請求の範囲】

【請求項１】光学部材の品質を検査するための画像検
査装置における光学部材検査方法であって、特に撮影し
た画像に周期的な濃淡模様が現れる被検物の品質を検査
する方法であり、該光学部材検査方法が、前記周期的な濃淡模様が現れるような撮影画像を生成す
る、画像生成ステップと、前記画像の濃淡模様の濃淡変化の方向に平行に前記画像
を複数枚に分割する、分割ステップと、前記分割ステップにて分割された画像のそれぞれについ
て、濃淡模様の濃淡変化に垂直な方向の平均値を取って
１次元のデータを生成する、１次元化ステップと、前記１次元化ステップにて生成された１次元のデータを
１次元スペクトル分布に変換する、スペクトル分布変換
ステップと、前記１次元スペクトル分布から、所定周波数以上の周波
数帯に発生する卓越成分を除去するフィルタリングステ
ップと、前記卓越成分が除去された前記１次元スペクトル分布か
ら１次元のデータを復号する、逆変換ステップと、前記逆変換ステップにて復号された１次元のデータを用
いて、所定の評価基準に基づいて前記被検物の品質を評
価する、評価ステップと、を有することを特徴とする、
光学部材検査方法。
【請求項２】前記分割ステップは、前記画像に含まれ
る不良要因の寸法に比べて充分に小さい画素数ごとに前
記画像を分割することを特徴とする、請求項１に記載の
光学部材検査方法。
【請求項３】前記スペクトル分布変換ステップは、フ
ーリエ変換により前記１次元のデータを１次元スペクト
ル分布に変換することを特徴とする、請求項１または請
求項２に記載の光学部材検査方法。
【請求項４】前記スペクトル分布変換ステップは、ウ
ェーブレット変換により前記１次元のデータを１次元ス
ペクトル分布に変換することを特徴とする、請求項１ま
たは請求項２に記載の光学部材検査方法。
【請求項５】前記スペクトル分布変換ステップは、離
散コサイン変換により前記画像を１次元のデータを１次
元スペクトル分布に変換することを特徴とする、請求項
１または請求項２に記載の光学部材検査方法。
【請求項６】前記評価ステップは、前記分割ステップ
にて分割された画像の前記逆変換ステップにて復号され
た１次元のデータを濃淡模様の濃淡変化に垂直な方向に
結合して２次元の画像にする、結合ステップと、前記結合ステップにて生成された画像を２値化して２値
化画像を生成する２値化ステップと、を有し、前記評価ステップは前記２値化画像を用いて前記被検物
の品質を評価することを特徴とする、請求項１から請求
項５のいずれかに記載の光学部材検査方法。
【請求項７】前記評価ステップは、前記２値化画像内
の各連結成分のそれぞれにユニークなラベルを付与する
するラベリングステップと、前記ラベリングステップによってラベルが付与された各
連結成分のそれぞれを不良要因と特定しこの不良要因毎
の不良の度合いを示す品質点数を算出する、品質点数算
出ステップと、全ての不良要因の品質点数から前記光学部材の品質を示
す品質評価値を算出する、品質評価値算出ステップと、
を有することを特徴とする、請求項６に記載の光学部材
検査方法。
【請求項８】前記評価ステップは、前記逆変換ステッ
プにて復号された１次元のデータに一定以上の強度のピ
ークが存在するかどうかで不良要因を検出することを特
徴とする、請求項１から請求項５のいずれかに記載の光
学部材検査方法。
【請求項９】前記評価ステップは、前記逆変換ステッ
プにて復号された１次元のデータを平均して得られた平
均１次元データを演算する、平均データ生成ステップ
と、前記逆変換ステップにて復号された１次元のデータと前
記平均１次元データとの輝度の差分を演算する、輝度差
分演算ステップと、を有し、前記評価ステップは、前記１次元のデータと前記平均１
次元データとの輝度の差分が所定値以上となる部分を前
記一定以上の強度のピークと判断することを特徴とす
る、請求項８に記載の光学部材検査方法。
【請求項１０】前記平均１次元データは、前記逆変換
ステップにて復号された１次元のデータの各画素につい
て前後それぞれ所定画素分の移動平均値をとることによ
って求められることを特徴とする、請求項９に記載の光
学部材検査方法。
【請求項１１】前記評価ステップは、前記逆変換ステ
ップにて復号された１次元のデータに存在するピークの
内、ある一定以上の面積をもつピークが存在するかどう
かで不良要因を検出することを特徴とする、請求項１か
ら請求項５のいずれかに記載の光学部材検査方法。
【請求項１２】前記評価ステップは、前記逆変換ステ
ップにて復号された１次元のデータを平均して得られた
平均１次元データを演算する、平均データ生成ステップ
と、前記逆変換ステップにて復号された１次元のデータと前
記平均１次元データとの輝度の差分を演算する、輝度差
分演算ステップと、前記輝度差分演算ステップの演算結果から、前記１次元
のデータが前記平均１次元データよりも連続して大きく
なる区間を抽出する、区間抽出ステップと、を有し、前記評価ステップは、前記区間抽出ステップにて抽出さ
れた区間のうち、その区間の輝度の合計が所定値を超え
る区間を前記ある一定以上の面積をもつピークと判断す
ることを特徴とする、請求項１１に記載の光学部材検査
方法。
【請求項１３】前記平均１次元データは、前記逆変換
ステップにて復号された１次元のデータの各画素につい
て前後それぞれ所定画素分の移動平均値をとることによ
って求められることを特徴とする、請求項１２に記載の
光学部材検査方法。