JP2005025503A - フィルタの設計方法、フィルタ、欠陥検査方法および欠陥検査装置 - Google Patents

Abstract

【課題】欠陥検査に要するコストおよびタクトタイムの低減を図るとともに、欠陥部の特徴量を失うことなく、入力画像からモアレ縞だけを極力除去することが可能なフィルタの設計方法、フィルタ、欠陥検査方法および欠陥検査装置を提供する。
【解決手段】モアレ縞無しのムラ欠陥画像である第１の画像２１と欠陥無しのモアレ縞画像である第２の画像２２とを取得し、これらの分散値Ｐ１，Ｐ２を取得する。次にパラメータａを仮設定したフィルタ１を用いて、第１および第２の画像２１，２２から第３および第４の画像２３，２４を生成し、これらの分散値Ｐ３（ａ），Ｐ４（ａ）を取得する。次に第１および第３の画像の分散値の比Ｑ１（ａ）と、第２および第４の画像の分散値の比Ｑ２（ａ）とに基づく評価値Ｉ（ａ）を求める。さらにパラメータａを変更して、前記第４〜第６工程を行う。最終的に全ての評価値Ｉ（ａ）に基づいて、処理パラメータａを決定する。
【選択図】 図１

Description

【０００１】
【発明の属する技術分野】
本発明は、検査対象物を撮像した入力画像を画像処理して、入力画像のモアレ縞を除去するフィルタの設計方法、フィルタ、欠陥検査方法および欠陥検査装置に関する。
【０００２】
本発明において、モアレ縞の発生を抑制する状態は、モアレ縞が皆無の状態を含む。
【０００３】
【従来の技術】
半導体基板および液晶基板などの基板を検査する方法には、検査員が検査対象物である基板を直接、目視する方法がある。ところが、この目視検査方法は、熟練の検査員であっても良品判定を同一の基準で行うことが非常に困難である。そこで、基板を撮像し、撮像した入力画像を画像処理して、基板の欠陥部の有無を判定する自動検査が行われている。
【０００４】
基板を撮像する場合、基板の周期性パターンの形成ピッチと、電荷結合素子（Ｃｈａｒｇｅ Ｃｏｕｐｌｅｄ Ｄｅｖｉｃｅ、略称ＣＣＤ）カメラのたとえば周波数とによって、入力画像に干渉によるモアレ縞が発生してしまうことがある。このようなモアレ縞の発生によって、所望の欠陥認識領域の画像情報が失われるだけでなく、基板の欠陥部の有無を判定することができなくなる。
【０００５】
そこで検査対象物に対して、レンズをデフォーカスにしたうえで、前記検査対象物を撮像する技術（特許文献１）が実用に供されている。またＣＣＤカメラと検査対象物との相対位置を変位させつつ、複数の検査対象画像を撮像する。これとともに各検査対象画像における同一座標の画素のうち最大の濃度値を、同画素の濃度値に設定して１枚の最大値画像を定める。この最大値画像に基づいて検査対象画像を検査する技術（特許文献１）も提案されている。
【０００６】
一方、入力画像に単に平滑化フィルタなどの画像処理を行い、入力画像からモアレ縞を除去する技術（特許文献２）も提案されている。
【０００７】
【特許文献１】
特開２００２−１４８２１０号公報
【特許文献２】
特開２００１−１１１８３６号公報
【０００８】
【発明が解決しようとする課題】
特許文献１のレンズをデフォーカスにして検査対象物を撮像する技術では、予め定める画像領域よりも小さい欠陥部および濃淡差の比較的小さい欠陥部が検査できなくなる場合がある。
【０００９】
特許文献１の前記最大値画像に基づいて検査対象画像を検査する技術では、ＣＣＤカメラと検査対象物との相対位置を変位させなければならない。それ故、検査対象物の寸法が大きくなればなる程、前記相対位置を変位させる装置が大形化する。これによって検査装置の製作コストが増大する。しかも検査対象物の寸法が大きくなればなる程、検査対象物を撮像する回数が増加する。これによってタクトタイムが増加する。
【００１０】
特許文献２の技術では、入力画像からモアレ縞が除去されるとともに、欠陥部の特徴量、すなわち欠陥部の画像領域自体も減少してしまう。
【００１１】
したがって本発明の目的は、欠陥検査に要するコストおよびタクトタイムの低減を図るとともに、欠陥部の特徴量を失うことなく、入力画像からモアレ縞だけを極力除去することが可能なフィルタの設計方法、フィルタ、欠陥検査方法および欠陥検査装置を提供することである。
【００１２】
【課題を解決するための手段】
本発明は、検査対象物を撮像した入力画像を、設定される処理パラメータを用いて画像処理し、入力画像から欠陥部の画像領域を抽出するフィルタの設計方法であって、
欠陥部を含む検査対象物モデルの画像である第１の画像を取得する第１工程と、
モアレ縞を含む第２の画像を取得する第２工程と、
第１および第２の画像における特徴量であり、欠陥部の有無に依存する特徴量をそれぞれ取得する第３工程と、
前記フィルタにおける処理パラメータとして採用可能なパラメータ群から１つのパラメータを選択して処理パラメータの候補として仮設定し、このフィルタを用いて、第１の画像を画像処理して第３の画像を生成するとともに、第２の画像を画像処理して第４の画像を生成する第４工程と、
第３および第４の画像における前記特徴量をそれぞれ取得する第５工程と、
第１および第３の画像の特徴量の比と、第２および第４の画像の特徴量の比とに基づく評価値を求める第６工程と、
処理パラメータの候補として仮設定されるパラメータを変更して、この変更したパラメータに基づいて前記第４〜第６工程を行う第７工程と、
全ての評価値に基づいて、前記パラメータ群から処理パラメータを決定する第８工程とを有することを特徴とするフィルタの設計方法である。
【００１３】
本発明に従えば、第１工程においては、欠陥部を含む検査対象物モデルの画像である第１の画像を取得し、第２工程においては、モアレ縞を含む第２の画像を取得する。第３工程においては、第１および第２の画像における特徴量であり、欠陥部の有無に依存する特徴量をそれぞれ取得する。第４工程においては、前記フィルタにおける処理パラメータとして採用可能なパラメータ群から１つのパラメータを選択して処理パラメータの候補として仮設定し、このフィルタを用いて、第１の画像を画像処理して第３の画像を生成するとともに、第２の画像を画像処理して第４の画像を生成する。第５工程においては、第３および第４の画像における前記特徴量をそれぞれ取得する。第６工程においては、第１および第３の画像の特徴量の比と、第２および第４の画像の特徴量の比とに基づく評価値を求める。第７工程においては、処理パラメータの候補として仮設定されるパラメータを変更して、この変更したパラメータに基づいて前記第４〜第６工程を行う。第８工程においては、全ての評価値に基づいて、前記パラメータ群から処理パラメータを決定する。このような第１〜第８工程を実行することによって、入力画像から欠陥画像を抽出するためのフィルタを設計することが可能となる。
【００１４】
特に第６工程において、第１および第３の画像の特徴量の比と、第２および第４の画像の特徴量の比とに基づく評価値を求め、第７工程において、処理パラメータの候補として仮設定されるパラメータを変更して、この変更したパラメータに基づいて第４〜第６工程を行っているので、パラメータ群の各パラメータに対して評価値を求めることができる。このようにパラメータ群の各パラメータに対して評価値を求めたうえで、第８工程において、全ての評価値に基づいて、パラメータ群から処理パラメータを決定することができる。
【００１５】
このように決定された処理パラメータを用いたフィルタによって、入力画像であって検査対象物を撮像した入力画像を画像処理する。これによって、たとえば入力画像の特徴量を小さくすることなく、モアレ縞を除去することが可能となる。換言すれば、たとえば欠陥部の画像領域を除去することなく、モアレ縞だけを極力除去することが可能となる。すなわち入力画像から欠陥部の画像領域だけを抽出することが可能となる。したがって欠陥検査に要するコストおよびタクトタイムの低減を図るとともに、欠陥部の特徴量を失うことなく、入力画像からモアレ縞だけを極力除去することができる。
【００１６】
また本発明は、第１工程は、欠陥部を含む検査対象物モデルを、モアレ縞の発生を抑制することができる撮像条件下で撮像することを特徴とする。
【００１７】
本発明に従えば、モアレ縞の発生を抑制することができる撮像条件下で、欠陥部を含む検査対象物モデルを撮像するので、モアレ縞がほとんどない第１の画像を取得することができる。逆に言えば、検査対象物モデルにおいては、撮像条件によってモアレ縞の発生を積極的に抑制することができる。このようにモアレ縞の発生を抑制した状態で、欠陥部を含む検査対象物モデルを撮像することで、第１の画像の取得を実現することができる。
【００１８】
また本発明は、第２工程は、欠陥部を有していない検査対象物モデルを、モアレ縞の発生を抑制することができる撮像条件下で撮像して非欠陥画像を取得する段階と、
非欠陥画像にモアレ縞を発生させて第２の画像を得る段階とを有することを特徴とする。
【００１９】
本発明に従えば、非欠陥画像を取得する段階において、欠陥部を有していない検査対象物モデルを、モアレ縞の発生を抑制することができる撮像条件下で撮像する。これによって非欠陥画像を取得する。次の段階において、取得した非欠陥画像にモアレ縞を発生させる。このようにしてモアレ縞だけを含む第２の画像の取得を実現することができる。換言すれば、欠陥部の画像領域を有していない第２の画像を取得することが可能となる。
【００２０】
また本発明は、撮像条件は、モアレ縞の発生を皆無にすることができる条件であることを特徴とする。
【００２１】
本発明に従えば、撮像条件は、モアレ縞の発生を皆無にすることができる条件であるので、第１の画像においては、たとえば欠陥部を含む検査対象物モデルを撮像するだけで、簡単に第１の画像を取得することができる。第２の画像においては、たとえば欠陥部の画像領域を有していない非欠陥画像を確実に取得したうえで、前記非欠陥画像にモアレ縞を発生させて第２の画像を取得することができる。
【００２２】
また本発明は、検査対象物を撮像した入力画像を、設定される処理パラメータを用いて画像処理し、入力画像から欠陥部の画像領域を抽出するフィルタの設計方法であって、
相互に異なる複数種類の欠陥部を含む検査対象物モデルの画像であって、欠陥部の種類毎に異なる第１の画像を取得する第１の工程と、
モアレ縞を含む第２の画像を取得する第２の工程と、
各第１および第２の画像における特徴量であり、欠陥部の有無に依存する特徴量をそれぞれ取得する第３の工程と、
前記フィルタにおける処理パラメータとして採用可能なパラメータ群から１つのパラメータを選択して処理パラメータの候補として仮設定し、このフィルタを用いて、各第１の画像を画像処理して各第３の画像を生成するとともに、第２の画像を画像処理して第４の画像を生成する第４の工程と、
各第３および第４の画像における前記特徴量をそれぞれ取得する第５の工程と、
欠陥部の種類毎に異なる各第１および各第３の画像の特徴量の比の総和と、第２および第４の画像の特徴量の比とに基づく評価値を求める第６の工程と、
処理パラメータの候補として仮設定されるパラメータを変更して、この変更したパラメータに基づいて前記第４〜第６の工程を行う第７の工程と、
全ての評価値に基づいて、前記パラメータ群から処理パラメータを決定する第８の工程とを有することを特徴とするフィルタの設計方法である。
【００２３】
本発明に従えば、第１の工程においては、相互に異なる複数種類の欠陥部を含む検査対象物モデルの画像であって、欠陥部の種類毎に異なる第１の画像を取得する。第２の工程においては、モアレ縞を含む第２の画像を取得する。第３の工程においては、各第１および第２の画像における特徴量であり、欠陥部の有無に依存する特徴量をそれぞれ取得する。第４の工程においては、前記フィルタにおける処理パラメータとして採用可能なパラメータ群から１つのパラメータを選択して処理パラメータの候補として仮設定し、このフィルタを用いて、各第１の画像を画像処理して各第３の画像を生成するとともに、第２の画像を画像処理して第４の画像を生成する。第５の工程においては、各第３および第４の画像における前記特徴量をそれぞれ取得する。第６の工程においては、欠陥部の種類毎に異なる各第１および各第３の画像の特徴量の比の総和と、第２および第４の画像の特徴量の比とに基づく評価値を求める。第７の工程においては、処理パラメータの候補として仮設定されるパラメータを変更して、この変更したパラメータに基づいて前記第４〜第６の工程を行う。第８の工程においては、全ての評価値に基づいて、前記パラメータ群から処理パラメータを決定する。このような第１〜第８の工程を実行することによって、入力画像から欠陥画像を抽出するためのフィルタを設計することが可能となる。
【００２４】
特に第７の工程において、処理パラメータの候補として仮設定されるパラメータを変更して、この変更したパラメータに基づいて前記第４〜第６の工程を行う。これによってパラメータ群の各パラメータに対して評価値を求めることができる。しかも第６の工程で求める評価値は、欠陥部の種類毎に異なる各第１および各第３の画像の特徴量の比の総和と、第２および第４の画像の特徴量の比とに基づく。
【００２５】
このような評価値を、パラメータ群の各パラメータに対して求めたうえで、第８の工程において、全ての評価値に基づいて、パラメータ群から処理パラメータを決定する。これによって入力画像から各種類の欠陥部の画像領域を抽出するのに最適な処理パラメータを、パラメータ群から決定することが可能となる。すなわち入力画像から複数種類の欠陥部の画像領域を抽出するフィルタの最適化を図ることが可能となる。
【００２６】
このように決定された処理パラメータを用いたフィルタによって、入力画像を画像処理する。これによって、たとえば各種類の欠陥部の画像領域を除去することなく、モアレ縞だけを極力除去することが可能となる。すなわち入力画像から複数種類の欠陥部の画像領域を抽出することが可能となる。したがって、欠陥検査に要するコストおよびタクトタイムの低減を図るとともに、複数種類の欠陥部の特徴量を失うことなく、入力画像からモアレ縞だけを極力除去することができる。
【００２７】
また本発明は、前記フィルタの設計方法によって設計されたフィルタである。本発明に従えば、フィルタは、前述のようなフィルタの設計方法によって設計されるので、たとえば欠陥部の画像領域を除去することなく、モアレ縞だけを極力除去することが可能となる。すなわち入力画像から欠陥部の画像領域を抽出することが可能となる。したがってこのフィルタによって入力画像を画像処理することによって、欠陥検査に要するコストおよびタクトタイムの低減を図るとともに、欠陥部の特徴量を失うことなく、入力画像からモアレ縞だけを極力除去することができる。
【００２８】
また本発明は、検査対象物を撮像して入力画像を得る工程と、
前記フィルタの設計方法によって設計されたフィルタを用いて、前記工程で得られた入力画像を画像処理する工程とを備えることを特徴とする欠陥検査方法である。
【００２９】
本発明に従えば、検査対象物を撮像して入力画像を得て、この入力画像を、前述のフィルタを用いて画像処理する。これによって、たとえば欠陥部の画像領域を除去することなく、モアレ縞だけを極力除去することが可能となる。すなわち入力画像から欠陥部の画像領域だけを抽出することが可能となる。したがって、欠陥検査に要するコストおよびタクトタイムの低減を図るとともに、欠陥部の特徴量を失うことなく、入力画像からモアレ縞だけを極力除去することができる。このように欠陥部の画像領域だけが抽出された画像を用いて、たとえば欠陥部の有無を検査することによって、欠陥部の有無を確実に検査することが可能となる。
【００３０】
また本発明は、検査対象物を撮像して入力画像を得る撮像手段と、
前記フィルタの設計方法によって設計されたフィルタを用いて、前記撮像手段によって得られた入力画像を画像処理する画像処理手段とを備えることを特徴とする欠陥検査装置である。
【００３１】
本発明に従えば、撮像手段によって、検査対象物を撮像して入力画像を得て、画像処理手段によって、この入力画像を、前述のフィルタを用いて画像処理する。これによって、たとえば欠陥部の画像領域を除去することなく、モアレ縞だけを極力除去することが可能となる。すなわち入力画像から欠陥部の画像領域だけを抽出することが可能となる。したがって、欠陥検査に要するコストおよびタクトタイムの低減を図るとともに、欠陥部の特徴量を失うことなく、入力画像からモアレ縞だけを極力除去することができる。このように欠陥部の画像領域だけが抽出された画像を用いて、たとえば欠陥部の有無を検査することによって、欠陥部の有無を確実に検査することが可能となる。
【００３２】
【発明の実施の形態】
図１は、本発明の実施の一形態であるフィルタ１の設計方法を段階的に示すフローチャートである。図２は、検査対象物２を撮像した入力画像３を説明するための図である。図３は、フィルタ１の構造を模式的に示す図である。前記フィルタ１は、検査対象物２を撮像した入力画像３を、本実施形態のフィルタ１の設計方法で設定される処理パラメータａを用いて画像処理し、入力画像３から欠陥部の画像領域４を抽出するフィルタである。
【００３３】
本実施形態において、図１に示されるフローチャートに基づくフィルタ１の設計プログラムは、後述の欠陥検査装置６の画像処理部７に格納されている。ただしフィルタ１の設計プログラムは、必ずしも前記画像処理部７に格納されているとは限らず、たとえばパーソナルコンピュータのメモリに格納されていてもよい。またフィルタ１の設計プログラムは、たとえば磁気ディスク、光ディスクおよびフレキシブルディスクなどの種々の記録媒体に記憶されていてもよい。
【００３４】
本実施形態においては、検査対象物２を検査するために、検査対象物２を撮像するにあたって、入力画像３にたとえば欠陥部の方向と略同一方向の並び方向のモアレ縞８が発生する場合に、本発明のフィルタ１、欠陥検査方法および欠陥検査装置６を適用した一例を示す。前記略同一方向は、同一方向を含む。入力画像３においては、画像の濃度値が変化する図２の矢符Ｙにて示す方向を、欠陥部の方向およびモアレ縞８の方向と定義する。モアレ縞８の方向はモアレ縞８の並び方向と同義である。以下、「矢符Ｙにて示す方向」を「Ｙ方向」と記載することがある。
【００３５】
また本実施形態においては、検出すべき欠陥部の種類はたとえば１つであり、検査対象物２は１種類の欠陥部を含む。この欠陥部はたとえばムラ欠陥である。ただし検出すべき欠陥部は、必ずしも１種類に限定されるものではなく、複数種類の場合もあり得る。これらの欠陥部は、たとえばムラ欠陥、キズ欠陥および異物混入欠陥などである。
【００３６】
前記検査対象物２は、その一表面部９が繰り返し形状を有する対象物、すなわちその一表面部９に周期性を有するパターンが形成された対象物である。この検査対象物２は、たとえば半導体基板および液晶基板などである。ただし検査対象物２は、必ずしもこれらの半導体基板および液晶基板に限定されるものではない。本実施形態においては、検査対象物２は、薄膜トランジスタ（Ｔｈｉｎ Ｆｉｌｍ Ｔｒａｎｓｉｓｔｏｒ、略称ＴＦＴ）液晶基板である。
【００３７】
入力画像３は、欠陥部を含む検査対象物２を撮像した入力画像である。さらに詳しくは、入力画像３は、周期性を有するパターンが形成された一表面部９に欠陥部が存在する検査対象物２の前記一表面部９を撮像した入力画像である。図２においては、理解を容易にするために、欠陥部の画像領域４を斜線で示している。さらにモアレ縞８による濃度値の変化が解るように、濃度値が予め定めるしきい値よりも高い領域を黒で示し、濃度値が予め定めるしきい値よりも低い領域を、白で示している。
【００３８】
入力画像３は、欠陥部を有していない検査対象物２を撮像した入力画像であってもよい。さらに詳しくは、入力画像３は、周期性を有するパターンが形成された一表面部９に欠陥部が存在しない検査対象物２の前記一表面部９を撮像した入力画像であってもよい。
【００３９】
本実施形態において、フィルタ１は、いわゆる平滑化フィルタである。フィルタ１は、Ｙ方向平滑化フィルタである。すなわちフィルタ１は、欠陥部の方向およびモアレ縞８の方向であるＹ方向に関して、入力画像３を平滑化するフィルタである。以下、「フィルタ１」を「平滑化フィルタ１」と記載することがある。また「フィルタ１による画像処理」を、「平滑化フィルタ処理」と記載することがある。
【００４０】
平滑化フィルタ１は、複数の重み係数ｃを含む。各重み係数ｃの値は、処理パラメータａによって決まる。本実施形態においては、重み係数は４つであり、平滑化フィルタ処理に影響を与えるフィルタサイズは、図３に示されるように１×４である。ただしフィルタサイズは、必ずしも１×４に限定されるものではない。平滑化フィルタ１においては、各重み係数ｃが並ぶ図３の矢符Ｙにて示す方向を配列方向と定義する。
【００４１】
フィルタサイズは、検査対象物２の欠陥部の寸法を考慮して、予め決定されている。さらに詳しくは、フィルタサイズは、平滑化フィルタ１を入力画像３にあてはめたときに、Ｙ方向に関して、平滑化フィルタ１の寸法が欠陥部の画像領域４の寸法よりも小さくなるように選ばれている。これによって欠陥部の画像領域４が不所望に除去されてしまうという不具合を極力防ぐことが可能となる。
【００４２】
平滑化フィルタ１の各重み係数ｃは、配列方向の一方から順に第１係数ｃ１、第２係数ｃ２、第３係数ｃ３および第４係数ｃ４と区別して記載することがある。パラメータａに２を乗じた値に２を加える。さらにこの値の逆数を求める。第１および第４係数ｃ１，ｃ４は、１に前記逆数を乗じた値をそれぞれ有する。第２および第３係数ｃ１，ｃ３は、パラメータａに前記逆数を乗じた値をそれぞれ有する。
【００４３】
平滑化フィルタ１における処理パラメータａ、すなわち前記各重み係数ｃを決定する処理パラメータａとして採用可能なパラメータ群は、３つのパラメータａを含む。パラメータ群の各パラメータａは、「１」、「２」および「３」である。パラメータ群の各パラメータａは、必ずしも「１」、「２」および「３」に限られるものではない。また前記パラメータ群に含まれるパラメータａの個数は、必ずしも３つに限らず、２つでもよいし、４つ以上でもよい。
【００４４】
本実施形態のフィルタ１の設計方法によって平滑化フィルタ１を設計するにあたっては、フィルタサイズは変更せず、パラメータａだけを変更する。そして各パラメータａのうちの１つを平滑化フィルタ１における処理パラメータａとして決定する。つまり本実施形態のフィルタ１の設計方法は、平滑化フィルタ１における処理パラメータａを決定する方法である。
【００４５】
図４は、欠陥検査装置６の構成を簡略化して示すブロック図である。欠陥検査装置６は、検査対象物２の欠陥部の有無を検査する装置である。この欠陥検査装置６は、ステージ１１、光源１２、撮像手段１３、コントローラ１４、画像処理部７および装置制御部１５を含む。
【００４６】
ステージ１１は、検査対象物２を保持する。このステージ１１は、少なくとも、検査対象物２の検査すべき一表面部９、すなわち周期性を有するパターンが形成された一表面部９を、露出させた状態で、検査対象物２を保持する。
【００４７】
光源１２は、ステージ１１によって保持される検査対象物２の前記一表面部９を照明する。撮像手段１３は、ステージ１１によって保持された状態で光源１２に照明されている検査対象物２の前記一表面部９を、予め定める分解能Ｈ１で撮像して入力画像３を得る。この撮像手段１３は電荷結合素子（Ｃｈａｒｇｅ Ｃｏｕｐｌｅｄ Ｄｅｖｉｃｅ、略称ＣＣＤ）カメラを含む。
【００４８】
コントローラ１４は、ステージ１１、光源１２および撮像手段１３をそれぞれ動作させる。画像処理部７は画像処理手段に相当する。この画像処理部７は、後述の図１５に示されるフローチャートに基づく欠陥検査プログラムを格納している。画像処理部７は、撮像手段１３によって得られた入力画像３を、本実施形態のフィルタ１の設計方法によって設計された平滑化フィルタ１を用いて、画像処理する。また画像処理部７は、前記平滑化フィルタ１を用いて入力画像３を画像処理することによって得られた画像を用いて、検査対象物２に対して欠陥部の有無を判定する。装置制御部１５は、コントローラ１４および画像処理部７を制御する。
【００４９】
欠陥検査装置６は、本実施形態のフィルタ１の設計方法によって平滑化フィルタ１を設計するときにも用いることができる。この場合、画像処理部７は、図１に示されるフローチャートに基づくフィルタ１の設計プログラムを格納している。平滑化フィルタ１を設計するときは、検査対象物２に代えて検査対象物モデルを、撮像手段１３によって撮像する。画像処理部７は、撮像手段１３によって撮像された画像を用いて、前記フィルタ１の設計プログラムを実行することによって平滑化フィルタ１を設計する。
【００５０】
図１のステップＳ１で平滑化フィルタ１の設計を開始すると、ステップＳ２に移行する。ステップＳ２では、モアレ縞無しのムラ欠陥画像２１と、欠陥無しのモアレ縞画像２２とを準備し、これらの画像２１，２２を画像処理部７に入力する。このステップＳ２は第１および第２工程に相当する。モアレ縞無しのムラ欠陥画像２１は、欠陥部を含む検査対象物モデルの画像である第１の画像２１に相当する。前記検査対象物モデルは、検査対象物２の検査に先だって予め準備されるモデルであって、前記検査対象物２とは異なるものである。欠陥無しのモアレ縞画像２２は、モアレ縞８を含む第２の画像２２に相当する。以下、「モアレ縞無しのムラ欠陥画像２１」を、「第１の画像２１」と記載することがある。また「欠陥無しのモアレ縞画像２２」を、「第２の画像２２」と記載することがある。第１および第２の画像２１，２２の取得方法については後述する。
【００５１】
第１および第２の画像２１，２２を取得した後、ステップＳ３では、第１および第２の画像２１，２２に対して特徴量をそれぞれ測定する。このステップＳ３は第３工程に相当する。前記特徴量は、欠陥部の有無に依存する量である。すなわち特徴量は、検査対象物モデルが欠陥部を含むか否かによって、その値が異なる。また特徴量は、検査対象物２が欠陥部を含むか否かによって、その値が異なる。この特徴量としては、後述の欠陥検査方法において、検査対象物２の欠陥部の有無を判定するための特徴量と同じものが用いられる。
【００５２】
本実施形態においては、特徴量として、濃度分散値が用いられる。以下、「濃度分散値」を、単に「分散値」と記載することがある。つまりステップＳ３では、第１および第２の画像２１，２２に対して分散値Ｐ１，Ｐ２をそれぞれ測定する。
【００５３】
図５は、分散値Ｐ１，Ｐ２を測定する測定領域２６，２７を説明するための図であり、図５（１）は第１の画像２１において分散値Ｐ１を測定する測定領域２６を示し、図５（２）は第２の画像２２において分散値Ｐ２を測定する測定領域２７を示す。
【００５４】
第１の画像２１は、欠陥部を含む検査対象物モデルを、モアレ縞８の発生を抑制することができる撮像条件下で撮像した画像である。検査対象物モデルに含まれる欠陥部の種類は、検査対象物２の検出すべき欠陥部の種類と同一である。第１の画像２１においては、画像の濃度値が変化する図５（１）の矢符Ｙにて示す方向を欠陥部の方向と定義する。
【００５５】
第１の画像２１に対しては、各対象領域毎に分散値がそれぞれ測定される。前記対象領域は、後述の欠陥検査方法で分散値を測定する検査領域と同様の領域である。すなわち対象領域は、検査領域と同じ大きさであり、かつ検査領域と同じ形状である。本実施形態においては、対象領域の形状は矩形である。各対象領域の分散値のうち最も大きい分散値が第１の画像２１の分散値Ｐ１として選ばれ、この分散値Ｐ１を有する対象領域が測定領域２６として選ばれる。第１の画像２１に対しては、後述の欠陥検査方法で、検査対象物２の欠陥部の有無を判定する際に分散値を測定する方法と同様の方法で分散値Ｐ１が測定される。この第１の画像２１に対して分散値Ｐ１を測定する工程は、前記ステップＳ３すなわち第３工程に相当する。
【００５６】
第２の画像２２は、欠陥部を有していない検査対象物モデルを、モアレ縞８の発生を抑制することができる撮像条件下で撮像して非欠陥画像を取得し、この非欠陥画像にモアレ縞８を発生させることによって得られる画像である。第２の画像２２においては、画像の濃度値が変化する図５（２）の矢符Ｙにて示す方向をモアレ縞８の方向と定義する。
【００５７】
第２の画像２２に対しては、各対象領域毎に分散値がそれぞれ測定される。前記対象領域は、後述の欠陥検査方法で分散値を測定する検査領域と同様の領域である。各対象領域の分散値のうち最も大きい分散値が第２の画像２２の分散値Ｐ２として選ばれ、この分散値Ｐ２を有する対象領域が測定領域２７として選ばれる。換言すれば、検査の際に最もモアレ縞の影響を受ける対象領域が測定領域２７として選ばれる。この第２の画像２２に対して分散値Ｐ２を測定する工程は、前記ステップＳ３すなわち第３工程に相当する。
【００５８】
第１および第２の画像２１，２２における分散値Ｐ１，Ｐ２を測定した後、図１のステップＳ４では、平滑化フィルタ１のパラメータａの初期値、すなわち初期パラメータａを設定する。本実施形態においては、前記パラメータａの初期値を「１」に設定する。ただしパラメータａの初期値は、必ずしも「１」に限定されるものではない。次にステップＳ５では、平滑化フィルタ１を用いて、第１および第２の画像２１，２２を平滑化フィルタ処理して第３および第４の画像２３，２４を生成する。
【００５９】
このようにステップＳ４において、平滑化フィルタ１における処理パラメータａとして採用可能なパラメータ群から１つのパラメータａを選択して処理パラメータａの候補として仮設定する。具体的には、パラメータａの初期値を先ず「１」に設定する。次にステップＳ５において、仮設定した平滑化フィルタ１を用いて、第１の画像２１を平滑化フィルタ処理して第３の画像２３を生成するとともに、第２の画像２２を平滑化フィルタ処理して第４の画像２４を生成する。これらのステップＳ４およびステップＳ５が第４工程に相当する。
【００６０】
第３および第４の画像２３，２４を生成した後、ステップＳ６では、第３および第４の画像２３，２４に対して分散値Ｐ３（ａ），Ｐ４（ａ）をそれぞれ測定する。このステップＳ６は第５工程に相当する。第３の画像２３に対しては、第１の画像２１における測定領域２６に対応する領域が測定領域として選ばれる。この測定領域で測定される分散値が、第３の画像２３の分散値Ｐ３（ａ）として用いられる。第４の画像２４に対しては、第２の画像２２における測定領域２７に対応する領域が測定領域として選ばれる。この測定領域で測定される分散値が、第４の画像２４の分散値Ｐ４（ａ）として用いられる。
【００６１】
次にステップＳ７では、前述のステップＳ３およびステップＳ６で測定した分散値Ｐ１，Ｐ２；Ｐ３（ａ），Ｐ４（ａ）に基づいて、第１および第３の画像２１，２３の分散値Ｐ１，Ｐ３（ａ）の比Ｑ１（ａ）と、第２および第４の画像２２，２４の分散値Ｐ２，Ｐ４（ａ）の比Ｑ２（ａ）とを求める。この後、第１および第３の画像２１，２３の分散値Ｐ１，Ｐ３（ａ）の比Ｑ１（ａ）を、第２および第４の画像２２，２４の分散値Ｐ２，Ｐ４（ａ）の比Ｑ２（ａ）で除す。これによって平滑化フィルタ１のパラメータａに対する評価値Ｉ（ａ）を求める。換言すれば、欠陥部の画像領域４を含む画像に対する平滑化フィルタ処理前後の分散値の比を、欠陥部の画像領域４を含まずモアレ縞８を含む画像に対する平滑化フィルタ処理前後の分散値の比で除す。これによって平滑化フィルタ１の評価値Ｉ（ａ）を求める。このステップＳ７は第６工程に相当する。
【００６２】
評価値Ｉ（ａ）を求めた後、ステップＳ８では、全てのパラメータａについて評価値Ｉ（ａ）を算出したか否かを判断する。ステップＳ８において、評価値Ｉ（ａ）を算出していないパラメータａがあると判断すると、ステップＳ９に移行する。ステップＳ９では、予め定める条件に従って、平滑化フィルタ１のパラメータａを変更して設定して、ステップＳ５に戻る。前記予め定める条件は、仮設定されたパラメータａの値を１、増加させるという条件である。具体的にステップＳ９では、パラメータａの初期値「１」に１を加えた「２」を新たなパラメータａとして設定する。この新たなパラメータａ（ａ＝２）に基づいて、前述のステップＳ５〜ステップＳ７を実行する。ステップＳ８において、全てのパラメータａについて評価値Ｉ（ａ）を算出したと判断すると、ステップＳ１０に移行する。ステップＳ５〜ステップＳ９のサブルーチンは第７工程に相当する。
【００６３】
本実施形態では、求めるべき評価値Ｉ（ａ）に対応する全てのパラメータａは、初期値「１」、前記初期値に１を加えた「２」、この値に１を加えた「３」と、予め設定されている。したがって前述のようにパラメータａ（ａ＝１）に基づいて、ステップＳ５〜ステップＳ７の工程を実行し、その後パラメータａ（ａ＝２）に基づいて、再びステップＳ５〜ステップＳ７の工程を繰り返す。最終的にパラメータａ（ａ＝３）に基づいて、再びステップＳ５〜ステップＳ７の工程を繰り返す。
【００６４】
ステップＳ１０では、全てのパラメータａのうち評価値Ｉ（ａ）が最大となるパラメータａすなわち処理パラメータａで平滑化フィルタ１を設計する。このステップＳ１０は第８工程に相当する。このように処理パラメータａを決定した後、ステップＳ１１に移行し、平滑化フィルタ１の設計を終了する。設計された平滑化フィルタ１は、欠陥検査装置６の画像処理部７で用いられる。
【００６５】
図６は、平滑化フィルタ処理の前後の各画像を説明するための図であり、図６（１）は第１の画像２１および各第３の画像２３を示し、図６（２）は第２の画像２２および各第４の画像２４を示す。
【００６６】
平滑化フィルタ１を用いて第１の画像２１を平滑化フィルタ処理するときは、平滑化フィルタ１の配列方向と欠陥部の方向とが略同一方向となるようにする。また平滑化フィルタ１を用いて第２の画像２２を平滑化フィルタ処理するときは、平滑化フィルタ１の配列方向とモアレ縞８の方向とが略同一方向となるようにする。
【００６７】
ここで図３を参照して、第１の画像２１に対する平滑化フィルタ処理を詳細に述べる。第２の画像２２に対する平滑化フィルタ処理は、第１の画像２１に対する平滑化フィルタ処理と同様であるので、重複を避けるために説明を省略する。
【００６８】
第１の画像２１に対する平滑化フィルタ処理では、第１の画像２１の画素のうち１つを注目画素とする。この注目画素の濃度値に第２係数ｃ２を乗じ、注目画素のＹ方向の一方に隣接する画素の濃度値に第１係数ｃ１を乗じ、注目画素のＹ方向の他方に隣接する画素の濃度値に第３係数ｃ３を乗じ、第３係数ｃ３を乗じる画素のＹ方向の他方に隣接する画素の濃度値に第４係数ｃ４を乗じる。これらの乗算の結果の和を、第３の画像２３の前記注目画素に対応する画素の濃度値とする。このような処理を、第１の画像２１の各画素を注目画素として行う。これによって第１の画像２１から第３の画像２３を生成する。
【００６９】
前記パラメータ群の各パラメータａを処理パラメータａの候補として仮設定した各平滑化フィルタ１を用いて、第１の画像２１を前述のように平滑化フィルタ処理することによって、各パラメータａ毎に第３の画像２３が生成される。前記パラメータ群の各パラメータａを処理パラメータａの候補として仮設定した各平滑化フィルタ１を用いて、第２の画像２２を平滑化フィルタ処理することによって、各パラメータａ毎に第４の画像２４が生成される。
【００７０】
図７は、処理パラメータａの決定方法を説明するためのグラフであり、図７（１）はパラメータａの値と、第１および第３の画像２１，２３の分散値Ｐ１，Ｐ３（ａ）の比Ｑ１（ａ）との関係を示し、図７（２）はパラメータａの値と、第２および第４の画像２２，２４の分散値Ｐ２，Ｐ４（ａ）の比Ｑ２（ａ）との関係を示し、図７（３）はパラメータａの値と評価値Ｉ（ａ）との関係を示す。図７（１）において、横軸はパラメータａの値を示し、縦軸は第１および第３の画像２１，２３の分散値Ｐ１，Ｐ３（ａ）の比Ｑ１（ａ）を示す。図７（２）において、横軸はパラメータａの値を示し、縦軸は第２および第４の画像２２，２４の分散値Ｐ２，Ｐ４（ａ）の比Ｑ２（ａ）を示す。図７（３）において、横軸はパラメータａの値を示し、縦軸は評価値Ｉ（ａ）を示す。
【００７１】
第１および第３の画像２１，２３の分散値Ｐ１，Ｐ３（ａ）の比Ｑ１（ａ）は、第３の画像２３の分散値Ｐ３（ａ）を第１の画像２１の分散値Ｐ１で除した値である。この第１および第３の画像２１，２３の分散値Ｐ１，Ｐ３（ａ）の比Ｑ１（ａ）は、平滑化フィルタ処理による欠陥部の画像領域４への影響を示す。図３に示されるような平滑化フィルタ１が用いられた場合、パラメータａの値が増加するにつれて、第１および第３の画像２１，２３の分散値Ｐ１，Ｐ３（ａ）の比Ｑ１（ａ）は、次第に増加し１に近づく傾向にある。換言すると、パラメータａの値が増加するにつれて、平滑化フィルタ処理の影響が弱まり、欠陥部の画像領域４の除去具合が弱まる傾向がある。
【００７２】
第２および第４の画像２２，２４の分散値Ｐ２，Ｐ４（ａ）の比Ｑ２（ａ）は、第４の画像２４の分散値Ｐ４（ａ）を第２の画像２２の分散値Ｐ２で除した値である。第２および第４の画像２２，２４の分散値Ｐ２，Ｐ４（ａ）の比Ｑ２（ａ）は、平滑化フィルタ処理によるモアレ縞８の除去具合を示す。図３に示されるような平滑化フィルタ１が用いられた場合、パラメータａの値が増加するにつれて、第２および第４の画像２２，２４の分散値Ｐ２，Ｐ４（ａ）の比Ｑ２（ａ）は、次第に増加し１に近づく傾向にある。換言すると、パラメータａの値が増加するにつれて、モアレ縞８の除去具合が弱まる傾向がある。
【００７３】
評価値Ｉ（ａ）は、各パラメータａ毎に求められる。評価値Ｉ（ａ）は、第１および第３の画像２１，２３の分散値Ｐ１，Ｐ３（ａ）の比Ｑ１（ａ）を第２および第４の画像２２，２４の分散値Ｐ２，Ｐ４（ａ）の比Ｑ２（ａ）で除した値である。評価値Ｉ（ａ）は、平滑化フィルタ処理による、欠陥部の画像領域４への影響とモアレ縞８の除去具合とのバランスを考慮するための指標となる。
【００７４】
前述の図１のステップＳ１０では、全ての評価値Ｉ（ａ）のうち最も高い評価値Ｉ（ａ）のパラメータａを平滑化フィルタ１における処理パラメータａとして決定する。すなわち欠陥部の画像領域４への影響とモアレ縞８の除去具合とのバランスが取れるパラメータａを処理パラメータａとする。図７（３）では、全ての評価値Ｉ（ａ）のうちパラメータａが「２」のときに、評価値Ｉ（ａ）が最大となっている。この場合は、パラメータａ（ａ＝２）を平滑化フィルタ１における処理パラメータａとして決定する。
【００７５】
本実施形態では、複数のパラメータａに対して評価値Ｉ（ａ）を求めたうえで、全ての評価値Ｉ（ａ）に基づいて、前記複数のパラメータａから処理パラメータａを決定する。しかも前記評価値Ｉ（ａ）は、後述の欠陥検査方法で検査対象物２の欠陥部の有無を判定するための分散値を用いて、求められる。したがって後述の欠陥検査方法に従う欠陥検査に好適な処理パラメータａを決定することができる。
【００７６】
評価値Ｉ（ａ）は、第２および第４の画像２２，２４の分散値Ｐ２，Ｐ４（ａ）の比Ｑ２（ａ）を第１および第３の画像２１，２３の分散値Ｐ１，Ｐ３（ａ）の比Ｑ１（ａ）で除した値であってもよい。仮にこのようにしても、前述の処理パラメータａの決定方法と同じ処理パラメータａを決定することができる。ただしこの場合、前述の図１のステップＳ１０では、全ての評価値Ｉ（ａ）のうち最も低い評価値Ｉ（ａ）のパラメータａを平滑化フィルタ１における処理パラメータａとして決定する。またこの場合、前述の図７（３）に相当するパラメータａと評価値Ｉ（ａ）との関係は、全ての評価値Ｉ（ａ）のうちパラメータａが「２」のときに、評価値Ｉ（ａ）が最小となる。
【００７７】
パラメータ群の各パラメータａは、各パラメータａの値の間隔を小さくしてもよく、また個数を増加してもよい。各パラメータａの値の間隔を小さくし、かつパラメータａの個数を増加することによって、欠陥部の画像領域４を除去することなく、モアレ縞８を極力除去するために、より好適な処理パラメータａを決定することが可能となる。
【００７８】
本実施形態のフィルタ１の設計方法では、第１の画像２１を取得した後に第２の画像２２を取得してもよいし、第２の画像２２を取得した後に第１の画像２１を取得してもよい。換言すれば、第１工程は、第２工程の前でもよいし、後でもよい。第１および第２の画像２１，２２のどちらを先に取得したとしても、同じ平滑化フィルタ１を設計することができる。すなわち同じ処理パラメータａを決定することができる。
【００７９】
図８は、第１の画像２１の取得方法の一例を段階的に示すフローチャートである。ステップＡ１で第１の画像２１の取得を開始すると、ステップＡ２に移行する。ステップＡ２では、複数の検査対象物モデルを準備する。これらの複数の検査対象物モデルは、検査対象物２に類似するが、一表面部に形成されるパターンのピッチが検査対象物２とは異なる。逆に言えば、これらの検査対象物モデルにおいては、後述のステップＡ４でモアレ縞無しの画像を確実に取得すべく、前記パターンのピッチを、実際の検査対象物２と異ならせている。
【００８０】
次にステップＡ３では、本検査と同じ分解能Ｈ１、すなわち欠陥検査のために検査対象物２を撮像するときと同じ分解能Ｈ１で、各検査対象物モデルを撮像する。こうしてステップＡ４でモアレ縞無しの画像を得る。次にステップＡ５では、前記各モアレ縞無しの画像から、欠陥のある画像、すなわち検査対象物モデルの欠陥部の画像領域４を含む画像を選出する。こうしてステップＡ６で第１の画像２１を得る。このようにして第１の画像２１を取得した後、ステップＡ７に移行し、第１の画像２１の取得を終了する。
【００８１】
図８に示される第１の画像２１の取得方法では、一表面部に形成されるパターンのピッチが検査対象物２とは異なる検査対象物モデルを、検査対象物２を撮像するときと同じ分解能Ｈ１で撮像する。特に、検査対象物モデルのパターンのピッチを、検査対象物２のパターンのピッチと異ならせていることによって、モアレ縞８の発生を抑制することができる撮像条件を実現している。
【００８２】
このようにパターンのピッチを実際の検査対象物モデルと異ならせたうえで、モアレ縞８の発生を抑制することができる撮像条件下で検査対象物モデルを撮像する。撮像した各画像から欠陥部の画像領域４を含む画像を選出するので、モアレ縞８がほとんどない第１の画像２１を取得することができる。逆に言えば、検査対象物モデルにおいては、この撮像条件によってモアレ縞８の発生を積極的に抑制することができる。このようにモアレ縞８の発生を抑制した状態で、検査対象物モデルを撮像し、撮像した各画像から欠陥部の画像領域４を含む画像を選出することで、第１の画像２１を取得することができる。
【００８３】
図９は、第２の画像２２の取得方法の一例を段階的に示すフローチャートである。図１０は、式（１）を説明するためのグラフである。図１１は、第２の画像２２のＹ方向の座標位置と、濃度値との関係を示すグラフである。図１０において、横軸は式（１）のｘの値を示し、縦軸は式（１）の値を示す。図１１において、横軸はＹ方向の座標位置を示し、縦軸は濃度値を示す。
【００８４】
ステップＢ１で第２の画像２２の取得を開始すると、ステップＢ２に移行する。ステップＢ２では、複数の検査対象物モデルを準備する。これらの複数の検査対象物モデルは、検査対象物２に類似するが、一表面部に形成されるパターンのピッチが検査対象物２とは異なる。逆に言えば、これらの検査対象物モデルにおいては、後述のステップＢ４でモアレ縞無しの画像を確実に取得すべく、パターンのピッチを実際の検査対象物２と異ならせている。
【００８５】
次にステップＢ３では、本検査と同じ分解能Ｈ１、すなわち欠陥検査のために検査対象物２を撮像するときと同じ分解能Ｈ１で、各検査対象物モデルを撮像する。こうしてステップＢ４でモアレ縞無しの画像を得る。次にステップＢ５では、前記各モアレ縞無しの画像から、欠陥のない画像、すなわち検査対象物モデルの欠陥部の画像領域４を有していない画像を選出する。検査対象物モデルの欠陥部の画像領域４を有していない画像は、非欠陥画像に相当する。これらのステップＢ３〜ステップＢ５は、欠陥部を有していない検査対象物モデルを、モアレ縞８の発生を抑制することができる撮像条件下で撮像して非欠陥画像を取得する段階に相当する。
【００８６】
次にステップＢ６では、非欠陥画像に、式（１）によって表される信号を、画像処理によって付加する。すなわち非欠陥画像にモアレ縞８を擬似的に付加する。こうしてステップＢ７で第２の画像２２を得る。これらのステップＢ６およびステップＢ７は、非欠陥画像にモアレ縞８を発生させて第２の画像２２を得る段階に相当する。このようにして第２の画像２２を取得した後、ステップＢ８に移行し、第２の画像２２の取得を終了する。
Ｃ ｓｉｎ［２πｆｎｘ−θ１］ｃｏｓ［２π（ｆ−ｆｎ）ｘ−θ２］…（１）
【００８７】
式（１）では、検査対象物２の周期性パターンの形成ピッチ周波数をｆで表し、ＣＣＤカメラの周波数ｆｓの半分の周波数であって、いわゆる折り返し周波数に相当する周波数をｆｎで表す。またＣは定数を示し、θ１およびθ２は位相定数を示し、ｘは座標位置を示す。
【００８８】
非欠陥画像にモアレ縞８を付加するための式（１）は、検査対象物２の周期性パターンの形成ピッチ周波数ｆと、ＣＣＤカメラの周波数ｆｓとから理論的に求められる。式（１）は、検査対象物２の周期性パターンの形成ピッチ周波数ｆの波と、ＣＣＤカメラの周波数ｆｓから検査対象物２の周期性パターンの形成ピッチ周波数ｆを引いた周波数（ｆｓ−ｆ）の波との合成波として計算することにより得られる。
【００８９】
式（１）の余弦成分は、図１０の低周波Ｗ１を示し、モアレ縞８の周波数を示す。式（１）の正弦成分は、図１０の高周波Ｗ２を示す。より具体的には、周波数ｆｎに座標位置ｘおよび２πを乗じた値から、位相定数θ１を減じる。さらにこの値の正弦値を求める。一方、形成ピッチ周波数ｆから周波数ｆｎを減じ、この値に座標位置ｘおよび２πを乗じた値から位相定数θ２を減じる。さらにこの値の余弦値を求める。前記正弦値に余弦値を乗じ、さらに定数Ｃを乗じる。この式（１）によって表される信号を、非欠陥画像に対して付加することによって、図１１に示されるように、濃度値が変化する第２の画像２２を生成することができる。
【００９０】
図９に示される第２の画像２２の取得方法では、一表面部に形成されるパターンのピッチが検査対象物２とは異なる検査対象物モデルを、検査対象物２を撮像するときと同じ分解能Ｈ１で撮像する。特に、検査対象物モデルのパターンのピッチを、検査対象物２のパターンのピッチと異ならせていることによって、モアレ縞８の発生を抑制することができる撮像条件を実現している。
【００９１】
非欠陥画像を取得する段階では、このようにモアレ縞８の発生を抑制することができる撮像条件下で検査対象物モデルを撮像し、撮像した各画像から欠陥部の画像領域４を有していない画像である非欠陥画像を選出する。これによって非欠陥画像を取得する。次の段階では、取得した非欠陥画像にモアレ縞８を発生させる。このようにしてモアレ縞８だけを含む第２の画像２２の取得を実現することができる。換言すれば、欠陥部の画像領域４を有していない第２の画像２２を取得することが可能となる。
【００９２】
前述の図８および図９に示される第１および第２の画像２１，２２の取得方法では、検査対象物２のパターンのピッチとは異なるピッチを有するパターンが形成される検査対象物モデルを用いる。これによって、検査対象物２を撮像するときと検査対象物モデルを撮像するときとで光学的な調整をしなくても、すなわち分解能を変えなくても、モアレ縞８の発生を抑制することができる撮像条件を実現することができる。ただし第１および第２の画像２１，２２を取得するための各検査対象物モデルは、一表面部に形成されるパターンのピッチが同じである。
【００９３】
図１２は、第１の画像２１の取得方法の他の例を段階的に示すフローチャートである。ステップＣ１で第１の画像２１の取得を開始すると、ステップＣ２に移行する。ステップＣ２では、複数の検査対象物モデルを準備する。これらの複数の検査対象物モデルは、一表面部に形成されるパターンのピッチが検査対象物２と同じである。図１２に示される第１の画像２１の取得方法では、検査対象物モデルは、検査対象物２であってもよい。仮に検査対象物２を用いたとしても、本取得方法によって第１の画像２１を取得することができる。
【００９４】
次にステップＣ３では、本検査とは異なる分解能Ｈ２（Ｈ２≠Ｈ１）、すなわち欠陥検査のために検査対象物２を撮像するときとは異なる分解能Ｈ２で、各検査対象物モデルを撮像する。次にステップＣ４では、各検査対象物モデルを撮像した各画像の解像度を、たとえば各画像の一部を間引くなどの画像処理を行い、調整する。これによって本検査と同じ解像度、すなわち欠陥検査のために検査対象物２を撮像した入力画像３の解像度と同じ解像度のモアレ縞無しの画像を得る。
【００９５】
次にステップＣ５では、解像度を調整したモアレ縞無しの各画像から、欠陥のある画像、すなわち検査対象物モデルの欠陥部の画像領域４を含む画像を選出する。こうしてステップＣ６で第１の画像２１を得る。このようにして第１の画像２１を取得した後、ステップＣ７に移行し、第１の画像２１の取得を終了する。
【００９６】
図１２に示される第１の画像２１の取得方法では、一表面部に形成されるパターンのピッチが検査対象物２と同じである検査対象物モデルを、検査対象物２を撮像するときとは異なる分解能Ｈ２で撮像する。これによってモアレ縞８の発生を抑制することができる撮像条件を実現している。
【００９７】
このようにモアレ縞８の発生を抑制することができる撮像条件下で検査対象物モデルを撮像し、撮像した各画像の解像度を調整して、解像度を調整した各画像から欠陥部の画像領域４を含む画像を選出する。これによってモアレ縞８がほとんどない第１の画像２１を取得することができる。逆に言えば、検査対象物モデルにおいては、この撮像条件によってモアレ縞８の発生を積極的に抑制することができる。このようにモアレ縞８の発生を抑制した状態で、検査対象物モデルを撮像し、撮像した各画像の解像度を調整して、解像度を調整した各画像から欠陥部の画像領域４を含む画像を選出することで、第１の画像２１を取得することができる。
【００９８】
欠陥部を含むことが予め判っている検査対象物モデルがある場合には、その欠陥部を含む検査対象物モデルを撮像し、撮像した画像の解像度を調整して、解像度を調整した画像を第１の画像２１としてもよい。これによっても、第１の画像２１を取得することができる。
【００９９】
図１３は、第２の画像２２の取得方法の他の例を段階的に示すフローチャートである。ステップＤ１で第２の画像２２の取得を開始すると、ステップＤ２に移行する。ステップＤ２では、複数の検査対象物モデルを準備する。これらの複数の検査対象物モデルは、一表面部に形成されるパターンのピッチが検査対象物２と同じである。図１３に示される第２の画像２２の取得方法では、検査対象物モデルは、検査対象物２であってもよい。仮に検査対象物２を用いたとしても、本取得方法によって第２の画像２２を取得することができる。
【０１００】
次にステップＤ３では、本検査とは異なる分解能Ｈ２、すなわち欠陥検査のために検査対象物２を撮像するときとは異なる分解能Ｈ２で、各検査対象物モデルを撮像する。次にステップＤ４では、各検査対象物モデルを撮像した各画像の解像度を、たとえば各画像の一部を間引くなどの画像処理を行い、調整する。これによって本検査と同じ解像度、すなわち欠陥検査のために検査対象物２を撮像した入力画像３の解像度と同じ解像度のモアレ縞無しの画像を得る。
【０１０１】
次にステップＤ５では、解像度を調整したモアレ縞無しの各画像から、欠陥のない画像、すなわち検査対象物モデルの欠陥部の画像領域４を有していない画像を選出する。検査対象物モデルの欠陥部の画像領域４を有していない画像は、非欠陥画像に相当する。
【０１０２】
これらのステップＤ３〜ステップＤ５は、欠陥部を有していない検査対象物モデルを、モアレ縞８の発生を抑制することができる撮像条件下で撮像して非欠陥画像を取得する段階に相当する。
【０１０３】
次にステップＤ６では、非欠陥画像に、前記式（１）によって表される信号を、画像処理によって付加する。すなわち非欠陥画像にモアレ縞８を擬似的に付加する。こうしてステップＤ７で第２の画像２２を得る。これらのステップＤ６およびステップＤ７は、非欠陥画像にモアレ縞８を発生させて第２の画像２２を得る段階に相当する。このようにして第２の画像２２を取得した後、ステップＤ８に移行し、第２の画像２２の取得を終了する。
【０１０４】
図１３に示される第２の画像２２の取得方法では、一表面部に形成されるパターンのピッチが検査対象物２と同じである検査対象物モデルを、検査対象物２を撮像するときとは異なる分解能Ｈ２で撮像する。これによってモアレ縞８の発生を抑制することができる撮像条件を実現している。
【０１０５】
非欠陥画像を取得する段階では、このようにモアレ縞８の発生を抑制することができる撮像条件下で検査対象物モデルを撮像し、撮像した各画像の解像度を調整して、解像度を調整した各画像から欠陥部の画像領域４を有していない画像である非欠陥画像を選出する。これによって非欠陥画像を取得する。次の段階では、取得した非欠陥画像にモアレ縞８を発生させる。このようにしてモアレ縞８だけを含む第２の画像２２の取得を実現することができる。換言すれば、欠陥部の画像領域４を有していない第２の画像２２を取得することが可能となる。
【０１０６】
欠陥部を有していないことが予め判っている検査対象物モデルがある場合には、その欠陥部を有していない検査対象物モデルを撮像し、撮像した画像の解像度を調整して、解像度を調整した画像を非欠陥画像としてもよい。これによっても、非欠陥画像を取得することができる。このように撮像した画像の解像度を単に調整するだけで、非欠陥画像を容易に取得することができる。
【０１０７】
前述の図１２および図１３に示される第１および第２の画像２１，２２の取得方法では、検査対象物２を撮像するときと検査対象物モデルを撮像するときとで、分解能を変えることによって、モアレ縞８の発生を抑制することができる撮像条件を実現することができる。換言すれば、検査対象物２のパターンのピッチと検査対象物モデルのパターンのピッチとが同じでも、また検査対象物モデルとして検査対象物２を用いても、モアレ縞８の発生を抑制することができる撮像条件を実現することができる。ただし第１および第２の画像２１，２２を取得するための各検査対象物モデルは、一表面部に形成されるパターンのピッチが相互に同じである。
【０１０８】
図１４は、第２の画像２２の取得方法のさらに他の例を段階的に示すフローチャートである。ステップＥ１で第２の画像２２の取得を開始すると、ステップＥ２に移行する。ステップＥ２では、検査対象物モデルを準備する。検査対象物モデルは、一表面部に形成されるパターンのピッチが検査対象物２と同じである。検査対象物モデルは、検査対象物２であってもよい。仮に検査対象物２を用いたとしても、本取得方法によって第２の画像２２を取得することができる。
【０１０９】
次のステップＥ３では、本検査と同じ分解能Ｈ１、すなわち欠陥検査のために検査対象物２を撮像するときと同じ分解能Ｈ１で、検査対象物モデルを撮像する。検査対象物モデルを撮像するときと欠陥検査のために検査対象物２を撮像するときとの分解能が同じであり、かつ検査対象物モデルのパターンのピッチと検査対象物２のパターンのピッチとが同じであるので、検査対象物２を撮像した入力画像３がモアレ縞８を含む場合は、検査対象物モデルを撮像した画像も、モアレ縞８を含む。
【０１１０】
次にステップＥ４では、検査対象物モデルを撮像した画像の中から、欠陥無しと判定できる領域を選択する。こうしてステップＥ５で第２の画像２２を得る。このようにして第２の画像２２を取得した後、ステップＥ６に移行し、第２の画像２２の取得を終了する。
【０１１１】
図１４に示される第２の画像２２の取得方法では、ステップＥ２で複数の検査対象物モデルを準備して、ステップＥ３で各検査対象物モデルを撮像し、ステップＥ４で各検査対象物モデルを撮像した各画像から、欠陥部の画像領域４を有していない画像を選出してもよい。これによっても第２の画像２２を得ることができる。
【０１１２】
前述の図１２〜図１４に示される第１および第２の画像２１，２２の取得方法では、検査対象物モデルとして検査対象物２を用いて、第１および第２の画像２１，２２を取得することができる。この第１および第２の画像２１，２２を用いて平滑化フィルタ１を設計することによって、検査対象物２の検査に好適な平滑化フィルタ１を設計することが可能となる。
【０１１３】
第１および第２の画像２１，２２の取得方法は、前述の図８〜図１４に示される方法に限られるものではない。第１および第２の画像２１，２２は、これらの第１および第２の画像２１，２２をたとえば記憶装置などに記憶しておき、この記憶装置から読み取ることによって取得してもよい。仮にこのように取得しても、前述の取得方法で取得するときと同じ処理パラメータａを決定することができる。
【０１１４】
図１５は、欠陥検査方法を段階的に示すフローチャートである。この欠陥検査方法は、前述の図４に示される欠陥検査装置６を用いて、検査対象物２を検査する方法である。
【０１１５】
ステージ１１によって検査対象物２を保持して、ステップＦ１で欠陥検査を開始すると、ステップＦ２に移行する。ステップＦ２では、撮像手段１３によって検査対象物２を撮像して入力画像３を得る。撮像手段１３は、この入力画像３を画像処理部７に与える。ステップＦ２は、検査対象物２を撮像して入力画像３を得る工程に相当する。
【０１１６】
次にステップＦ３では、画像処理部７によって、前述の図１に示されるフィルタ１の設計方法によって設計された平滑化フィルタ１を用いて、入力画像３を平滑化フィルタ処理する。このとき、平滑化フィルタ１の配列方向と入力画像３のモアレ縞の方向とが略同一方向となるようにする。ステップＦ３は、前述の図１に示されるフィルタ１の設計方法によって設計された平滑化フィルタ１を用いて、前記工程で得られた入力画像３を平滑化フィルタ処理する工程である。
【０１１７】
次にステップＦ４では、入力画像３を平滑化フィルタ処理することによって得られた画像における分散値を測定し、分散値に基づいて、検査対象物２の欠陥部の有無を判定する。分散値は、各検査領域毎にそれぞれ算出される。前記検査領域は、予め定める大きさおよび予め定める形状の領域である。本実施形態においては、検査領域の形状は矩形である。検査対象物２の欠陥部の有無を判定した後、ステップＦ５に移行し、欠陥検査を終了する。
【０１１８】
図１５に示される欠陥検査方法では、前述の図１に示されるフィルタ１の設計方法によって設計された平滑化フィルタ１を用いて、画像処理部７によって入力画像３を平滑化フィルタ処理するので、入力画像３の分散値を小さくすることなく、モアレ縞８の画像領域を除去することが可能となる。換言すれば、欠陥部の画像領域４を除去することなく、モアレ縞８を極力除去することが可能となる。このように入力画像３から欠陥部の画像領域４だけを抽出することが可能となる。したがって、欠陥検査に要するコストおよびタクトタイムの低減を図るとともに、欠陥部の分散値を失うことなく、入力画像３からモアレ縞８だけを極力除去することができる。
【０１１９】
さらに欠陥部の画像領域４だけが抽出された画像を用いて、欠陥部の有無の有無を判定することによって、欠陥部の有無を正確に判定することができる。したがって高精度な周期性パターンの検査を行うことができる。
【０１２０】
以上説明したフィルタ１の設計方法によれば、特にステップＳ７において、第１および第３の画像２１，２３の分散値Ｐ１，Ｐ３（ａ）の比Ｑ１（ａ）と、第２および第４の画像２２，２４の分散値Ｐ２，Ｐ４（ａ）の比Ｑ２（ａ）とに基づく評価値Ｉ（ａ）を求め、ステップＳ９において、処理パラメータａの候補として仮設定されるパラメータａを変更して、この変更したパラメータａに基づいてステップＳ５〜ステップＳ７を行っているので、パラメータ群の各パラメータａに対して評価値Ｉ（ａ）を求めることができる。このようにパラメータ群の各パラメータａに対して評価値Ｉ（ａ）を求めたうえで、ステップＳ１０において、全ての評価値Ｉ（ａ）に基づいて、パラメータ群から処理パラメータａを決定することができる。
【０１２１】
このように決定された処理パラメータａを用いた平滑化フィルタ１によって、入力画像３であって、検査対象物２を撮像した入力画像３を平滑化フィルタ処理する。これによって、たとえば入力画像３の分散値を小さくすることなく、モアレ縞８を除去することが可能となる。換言すれば、たとえば欠陥部の画像領域４を除去することなく、モアレ縞８だけを極力除去することが可能となる。すなわち入力画像３から欠陥部の画像領域４だけを抽出することが可能となる。したがって欠陥検査に要するコストおよびタクトタイムの低減を図るとともに、欠陥部の分散値を失うことなく、入力画像３からモアレ縞８だけを極力除去することができる。
【０１２２】
またフィルタ１の設計方法によれば、モアレ縞８の発生を抑制することができる撮像条件下で、欠陥部を含む検査対象物モデルを撮像するので、モアレ縞８がほとんどない第１の画像２１を取得することができる。逆に言えば、検査対象物モデルにおいては、撮像条件によってモアレ縞８の発生を積極的に抑制することができる。このようにモアレ縞８の発生を抑制した状態で、欠陥部を含む検査対象物モデルを撮像することで、第１の画像２１の取得を実現することができる。
【０１２３】
またフィルタ１の設計方法によれば、非欠陥画像を取得する段階において、欠陥部を有していない検査対象物モデルを、モアレ縞８の発生を抑制することができる撮像条件下で撮像する。これによって非欠陥画像を取得する。次の段階において、取得した非欠陥画像にモアレ縞８を発生させる。このようにしてモアレ縞８だけを含む第２の画像２２の取得を実現することができる。換言すれば、欠陥部の画像領域４を有していない第２の画像２２を取得することが可能となる。
【０１２４】
平滑化フィルタ１は、前述のようなフィルタ１の設計方法によって設計されるので、たとえば欠陥部の画像領域４を除去することなく、モアレ縞８だけを極力除去することが可能となる。すなわち入力画像３から欠陥部の画像領域４を抽出することが可能となる。したがってこの平滑化フィルタ１によって入力画像３を平滑化フィルタ処理することによって、欠陥検査に要するコストおよびタクトタイムの低減を図るとともに、欠陥部の分散値を失うことなく、入力画像３からモアレ縞８だけを極力除去することができる。
【０１２５】
欠陥検査方法によれば、検査対象物２を撮像して入力画像３を得て、この入力画像３を、前述の平滑化フィルタ１を用いて平滑化フィルタ処理する。これによって、たとえば欠陥部の画像領域４を除去することなく、モアレ縞８だけを極力除去することが可能となる。すなわち入力画像３から欠陥部の画像領域４だけを抽出することが可能となる。したがって、欠陥検査に要するコストおよびタクトタイムの低減を図るとともに、欠陥部の分散値を失うことなく、入力画像３からモアレ縞８だけを極力除去することができる。このように欠陥部の画像領域４だけが抽出された画像を用いて、たとえば欠陥部の有無を検査することによって、欠陥部の有無を確実に検査することが可能となる。
【０１２６】
欠陥検査装置６は、撮像手段１３によって、検査対象物２を撮像して入力画像３を得て、画像処理部７によって、この入力画像３を、前述の平滑化フィルタ１を用いて平滑化フィルタ処理する。これによって、たとえば欠陥部の画像領域４を除去することなく、モアレ縞８だけを極力除去することが可能となる。すなわち入力画像３から欠陥部の画像領域４だけを抽出することが可能となる。したがって、欠陥検査に要するコストおよびタクトタイムの低減を図るとともに、欠陥部の分散値を失うことなく、入力画像３からモアレ縞８だけを極力除去することができる。このように欠陥部の画像領域４だけが抽出された画像を用いて、たとえば欠陥部の有無を検査することによって、欠陥部の有無を確実に検査することが可能となる。
【０１２７】
図１６は、本発明の実施の他の形態であるフィルタ１の設計方法を段階的に示すフローチャートである。前記フィルタ１は、検査対象物２が複数種類の欠陥部を有する対象物である場合でも適用することができるフィルタである。検査対象物２が有する欠陥部は、たとえば異物混入欠陥、ムラ欠陥およびキズ欠陥などである。検査対象物２が有する欠陥部は、これらの異物混入欠陥、ムラ欠陥およびキズ欠陥に限られるものではない。また欠陥部の種類は、４以上であってもよい。本実施形態は、前述の実施形態に類似するので、対応する部分は重複を避けるために説明を省略する。
【０１２８】
ステップＧ１で平滑化フィルタ１の設計を開始すると、ステップＧ２に移行する。ステップＧ２では、前述の図１のステップＳ２と同様にして、各第１および第２の画像２１，２２を取得する。本実施形態においては、第１の画像２１を複数、取得する。第１の画像２１は、相互に異なる複数種類の欠陥部を含む検査対象物モデルの画像であって、欠陥部の種類毎に異なる。各検査対象物モデルは１種類の欠陥部を含み、各検査対象物モデルに含まれる欠陥部の種類は、相互に異なる。換言すると、第１の画像２１は、欠陥部の種類毎に取得される。ステップＧ２は第１および第２の工程に相当する。
【０１２９】
各第１および第２の画像２１，２２を取得した後、ステップＧ３では、前述の図１のステップＳ３と同様にして、各第１および第２の画像２１，２２に対して分散値Ｐ１，Ｐ２をそれぞれ測定する。第１の画像２１に対する分散値Ｐ１は、欠陥部の種類毎にそれぞれ測定される。このステップＧ３は第３の工程に相当する。
【０１３０】
各第１および第２の画像２１，２２における分散値Ｐ１，Ｐ２を測定した後、ステップＧ４では、前述の図１のステップＳ４と同様にして、平滑化フィルタ１のパラメータａの初期値を設定する。次にステップＳ５では、前述の図１のステップＳ５と同様にして、平滑化フィルタ１を用いて、各第１および第２の画像２１，２２を平滑化フィルタ処理して各第３および第４の画像２３，２４を生成する。これらのステップＧ４およびステップＧ５が第４の工程に相当する。
【０１３１】
各第３および第４の画像２３，２４を生成した後、ステップＧ６では、前述の図１のステップＳ６と同様にして、各第３および第４の画像２３，２４に対して分散値Ｐ３（ａ），Ｐ４（ａ）をそれぞれ測定する。第３の画像２３に対する分散値Ｐ３（ａ）は、欠陥部の種類毎にそれぞれ測定される。このステップＧ６は第５の工程に相当する。
【０１３２】
次にステップＧ７では、前述のステップＧ３およびステップＧ６で測定した分散値Ｐ１，Ｐ２；Ｐ３（ａ），Ｐ４（ａ）に基づいて、平滑化フィルタ１のパラメータａに対する評価値Ｊ（ａ）を求める。前記評価値Ｊ（ａ）を求めるにあたっては、先ず、欠陥部の種類毎に異なる各第１および各第３の画像２１，２３の分散値Ｐ１，Ｐ３（ａ）の比Ｑ１（ａ）の総和Ｓ（ａ）を求める。すなわち欠陥部の種類毎に、第１および第３の画像２１，２３の分散値Ｐ１，Ｐ３（ａ）の比Ｑ１（ａ）を求め、さらにこれらの分散値Ｐ１，Ｐ３（ａ）の比Ｑ１（ａ）の総和Ｓ（ａ）を求める。また第２および第４の画像２２，２４の分散値Ｐ２，Ｐ４の比Ｑ２（ａ）を求める。この後、欠陥部の種類毎に異なる各第１および各第３の画像２１，２３の分散値Ｐ１，Ｐ３（ａ）の比Ｑ１（ａ）の総和Ｓ（ａ）を、第２および第４の画像２２，２４の分散値Ｐ２，Ｐ４の比Ｑ２（ａ）で除す。このようにして前記評価値Ｊ（ａ）を求める。このステップＧ７は第６の工程に相当する。
【０１３３】
評価値Ｊ（ａ）を求めた後、ステップＧ８では、前述の図１のステップＳ８と同様にして、全てのパラメータａについて評価値Ｊ（ａ）を算出したか否かを判断する。ステップＧ８において、評価値Ｊ（ａ）を算出していないパラメータａがあると判断すると、ステップＧ９に移行する。ステップＧ９では、前述の図１のステップＳ９と同様にして、予め定める条件に従って、平滑化フィルタ１のパラメータａを変更して設定して、ステップＧ５に戻る。ステップＧ８において、全てのパラメータａについて評価値Ｊ（ａ）を算出したと判断すると、ステップＧ１０に移行する。ステップＧ５〜ステップＧ９のサブルーチンは第７の工程に相当する。
【０１３４】
ステップＧ１０では、前述の図１のステップＳ１０と同様にして、全てのパラメータａのうち評価値Ｊ（ａ）が最大となるパラメータａすなわち処理パラメータａで平滑化フィルタ１を設計する。このステップＧ１０は第８の工程に相当する。このように処理パラメータａを決定した後、ステップＧ１１に移行し、平滑化フィルタ１の設計を終了する。
【０１３５】
本実施形態では、複数のパラメータａに対して評価値Ｊ（ａ）を求めたうえで、全ての評価値Ｊ（ａ）に基づいて、前記複数のパラメータａから処理パラメータａを決定する。しかも前記評価値Ｊ（ａ）は、後述の欠陥検査方法で検査対象物２の欠陥部の有無を判定するための分散値を用いて、求められる。したがって複数種類の欠陥部を有する検査対象物２を後述の欠陥検査方法に従って検査するのに好適な処理パラメータａを決定することができる。
【０１３６】
図１６を用いて説明したフィルタ１の設計方法によれば、特にステップＧ９において、処理パラメータａの候補として仮設定されるパラメータａを変更して、この変更したパラメータａに基づいてステップＧ５〜ステップＧ７を行う。これによってパラメータ群の各パラメータａに対して評価値Ｊ（ａ）を求めることができる。しかもステップＧ７で求める評価値Ｊ（ａ）は、欠陥部の種類毎に異なる各第１および各第３の画像２１，２３の分散値Ｐ１，Ｐ３（ａ）の比Ｑ１（ａ）の総和Ｓ（ａ）と、第２および第４の画像２２，２４の分散値Ｐ２，Ｐ４の比Ｑ２（ａ）とに基づく。
【０１３７】
このような評価値Ｊ（ａ）を、パラメータ群の各パラメータａに対して求めたうえで、ステップＧ１０において、全ての評価値Ｊ（ａ）に基づいて、パラメータ群から処理パラメータａを決定する。これによって入力画像３から各種類の欠陥部の画像領域４を抽出するのに最適な処理パラメータａを、パラメータ群から決定することが可能となる。すなわち前記入力画像３から複数種類の欠陥部の画像領域４を抽出する平滑化フィルタ１の最適化を図ることが可能となる。
【０１３８】
このように決定された処理パラメータａを用いた平滑化フィルタ１によって、入力画像３を平滑化フィルタ処理する。これによって、たとえば各種類の欠陥部の画像領域４を除去することなく、モアレ縞８だけを極力除去することが可能となる。すなわち入力画像３から複数種類の欠陥部の画像領域４を抽出することが可能となる。したがって、欠陥検査に要するコストおよびタクトタイムの低減を図るとともに、複数種類の欠陥部の分散値を失うことなく、入力画像３からモアレ縞８だけを極力除去することができる。
【０１３９】
前述の各実施形態では、特徴量は分散値であるが、この特徴量は、たとえば濃度値そのものであってもよいし、濃度値の勾配であってもよい。また特徴量は、予め定めるパターン画像との整合性を示す相関係数であってもよい。濃度値、濃度値の勾配および相関係数を特徴量として用いても、前述の各実施形態と同様の効果を達成することができる。
【０１４０】
また検査対象物モデルを撮像するときの撮像条件は、モアレ縞８の発生を皆無にすることができる条件であってもよい。この場合、第１の画像２１においては、欠陥部を含む検査対象物モデルを撮像するだけで、簡単に第１の画像２１を取得することができる。また第２の画像２２においては、たとえば欠陥部を有していない非欠陥画像を確実に取得したうえで、前記非欠陥画像にモアレ縞８を発生させて第２の画像２２を取得することができる。
【０１４１】
【発明の効果】
以上のように本発明によれば、パラメータ群の各パラメータに対して評価値を求めたうえで、全ての評価値に基づいて、パラメータ群から処理パラメータを決定することができる。
【０１４２】
このように決定された処理パラメータを用いたフィルタによって、検査対象物を撮像した入力画像を画像処理する。これによって、たとえば入力画像の特徴量を小さくすることなく、モアレ縞を除去することが可能となる。換言すれば、たとえば欠陥部の画像領域を除去することなく、モアレ縞だけを極力除去することが可能となる。このように入力画像から欠陥部の画像領域だけを抽出することが可能となる。したがって、欠陥検査に要するコストおよびタクトタイムの低減を図るとともに、欠陥部の特徴量を失うことなく、入力画像からモアレ縞だけを極力除去することができる。
【０１４３】
また本発明によれば、モアレ縞の発生を抑制することができる撮像条件下で、欠陥部を含む検査対象物モデルを撮像するので、モアレ縞がほとんどない第１の画像を取得することができる。逆に言えば、検査対象物モデルにおいては、撮像条件によってモアレ縞の発生を積極的に抑制することができる。このようにモアレ縞の発生を抑制した状態で、欠陥部を含む検査対象物モデルを撮像することで、第１の画像の取得を実現することができる。
【０１４４】
また本発明によれば、欠陥部を有していない検査対象物モデルを、モアレ縞の発生を抑制することができる撮像条件下で撮像して非欠陥画像を取得する。この取得した非欠陥画像にモアレ縞を発生させる。このようにしてモアレ縞だけを含む第２の画像の取得を実現することができる。換言すれば、欠陥部を有していない第２の画像を取得することが可能となる。
【０１４５】
また本発明によれば、撮像条件は、モアレ縞の発生を皆無にすることができる条件であるので、第１の画像においては、たとえば欠陥部を含む検査対象物モデルを撮像するだけで、簡単にモアレ縞がない第１の画像を取得することができる。第２の画像においては、たとえば欠陥部を有していない非欠陥画像を確実に取得したうえで、前記非欠陥画像にモアレ縞を発生させて第２の画像を取得することができる。
【０１４６】
また本発明によれば、評価値は、欠陥部の種類毎に異なる各第１および各第３の画像の特徴量の比の総和と、第２および第４の画像の特徴量の比とに基づく。この評価値を、パラメータ群の各パラメータに対して求めたうえで、全ての評価値に基づいて、パラメータ群から処理パラメータを決定する。これによって入力画像から各種類の欠陥部の画像領域を抽出するのに最適な処理パラメータを、パラメータ群から決定することが可能となる。すなわち前記入力画像から複数種類の欠陥部の画像領域を抽出するフィルタの最適化を図ることが可能となる。
【０１４７】
このように決定された処理パラメータを用いたフィルタによって、入力画像を画像処理する。これによって、たとえば各種類の欠陥部の画像領域を除去することなく、モアレ縞だけを極力除去することが可能となる。すなわち入力画像から複数種類の欠陥部の画像領域を抽出することが可能となる。したがって、欠陥検査に要するコストおよびタクトタイムの低減を図るとともに、複数種類の欠陥部の特徴量を失うことなく、入力画像からモアレ縞だけを極力除去することができる。
【０１４８】
また本発明によれば、フィルタは、前述のようなフィルタの設計方法によって設計されるので、たとえば欠陥部の画像領域を除去することなく、モアレ縞だけを極力除去することが可能となる。すなわち欠陥部の画像領域を抽出することができる。したがってこのフィルタによって入力画像を画像処理することによって、欠陥検査に要するコストおよびタクトタイムの低減を図るとともに、欠陥部の特徴量を失うことなく、入力画像からモアレ縞だけを極力除去することができる。
【０１４９】
また本発明によれば、検査対象物を撮像して入力画像を得て、この入力画像を、前述のフィルタを用いて画像処理する。これによって、たとえば欠陥部の画像領域を除去することなく、モアレ縞だけを極力除去することが可能となる。すなわち入力画像から欠陥部の画像領域だけを抽出することが可能となる。したがって、欠陥検査に要するコストおよびタクトタイムの低減を図るとともに、欠陥部の特徴量を失うことなく、入力画像からモアレ縞だけを極力除去することができる。このように欠陥部の画像領域だけが抽出された画像を用いて、たとえば欠陥部の有無を検査することによって、欠陥部の有無を確実に検査することが可能となる。
【０１５０】
また本発明によれば、撮像手段によって、検査対象物を撮像して入力画像を得て、画像処理手段によって、この入力画像を、前述のフィルタを用いて画像処理する。これによって、たとえば欠陥部の画像領域を除去することなく、モアレ縞だけを極力除去することが可能となる。すなわち入力画像から欠陥部の画像領域だけを抽出することが可能となる。したがって、欠陥検査に要するコストおよびタクトタイムの低減を図るとともに、欠陥部の特徴量を失うことなく、入力画像からモアレ縞だけを極力除去することができる。このように欠陥部の画像領域だけが抽出された画像を用いて、たとえば欠陥部の有無を検査することによって、欠陥部の有無を確実に検査することが可能となる。
【図面の簡単な説明】
【図１】本発明の実施の一形態であるフィルタ１の設計方法を段階的に示すフローチャートである。
【図２】検査対象物２を撮像した入力画像３を説明するための図である。
【図３】フィルタ１の構造を模式的に示す図である。
【図４】欠陥検査装置６の構成を簡略化して示すブロック図である。
【図５】分散値Ｐ１，Ｐ２を測定する測定領域２６，２７を説明するための図である。
【図６】平滑化フィルタ処理の前後の各画像を説明するための図である。
【図７】処理パラメータａの決定方法を説明するためのグラフである。
【図８】第１の画像２１の取得方法の一例を段階的に示すフローチャートである。
【図９】第２の画像２２の取得方法の一例を段階的に示すフローチャートである。
【図１０】式（１）を説明するためのグラフである。
【図１１】第２の画像２２のＹ方向の座標位置と、濃度値との関係を示すグラフである。
【図１２】第１の画像２１の取得方法の他の例を段階的に示すフローチャートである。
【図１３】第２の画像２２の取得方法の他の例を段階的に示すフローチャートである。
【図１４】第２の画像２２の取得方法のさらに他の例を段階的に示すフローチャートである。
【図１５】欠陥検査方法を段階的に示すフローチャートである。
【図１６】本発明の実施の他の形態であるフィルタ１の設計方法を段階的に示すフローチャートである。
【符号の説明】
１ フィルタ
２ 検査対象物
３ 入力画像
４ 欠陥部の画像領域
６ 欠陥検査装置
７ 画像処理部
８ モアレ縞
１３ 撮像手段
２１ 第１の画像
２２ 第２の画像
２３ 第３の画像
２４ 第４の画像

Claims (8)

1. 検査対象物を撮像した入力画像を、設定される処理パラメータを用いて画像処理し、入力画像から欠陥部の画像領域を抽出するフィルタの設計方法であって、
   欠陥部を含む検査対象物モデルの画像である第１の画像を取得する第１工程と、
   モアレ縞を含む第２の画像を取得する第２工程と、
   第１および第２の画像における特徴量であり、欠陥部の有無に依存する特徴量をそれぞれ取得する第３工程と、
   前記フィルタにおける処理パラメータとして採用可能なパラメータ群から１つのパラメータを選択して処理パラメータの候補として仮設定し、このフィルタを用いて、第１の画像を画像処理して第３の画像を生成するとともに、第２の画像を画像処理して第４の画像を生成する第４工程と、
   第３および第４の画像における前記特徴量をそれぞれ取得する第５工程と、
   第１および第３の画像の特徴量の比と、第２および第４の画像の特徴量の比とに基づく評価値を求める第６工程と、
   処理パラメータの候補として仮設定されるパラメータを変更して、この変更したパラメータに基づいて前記第４〜第６工程を行う第７工程と、
   全ての評価値に基づいて、前記パラメータ群から処理パラメータを決定する第８工程とを有することを特徴とするフィルタの設計方法。
2. 第１工程は、欠陥部を含む検査対象物モデルを、モアレ縞の発生を抑制することができる撮像条件下で撮像することを特徴とする請求項１に記載のフィルタの設計方法。
3. 第２工程は、欠陥部を有していない検査対象物モデルを、モアレ縞の発生を抑制することができる撮像条件下で撮像して非欠陥画像を取得する段階と、
   非欠陥画像にモアレ縞を発生させて第２の画像を得る段階とを有することを特徴とする請求項１または２に記載のフィルタの設計方法。
4. 撮像条件は、モアレ縞の発生を皆無にすることができる条件であることを特徴とする請求項２または３に記載のフィルタの設計方法。
5. 検査対象物を撮像した入力画像を、設定される処理パラメータを用いて画像処理し、入力画像から欠陥部の画像領域を抽出するフィルタの設計方法であって、
   相互に異なる複数種類の欠陥部を含む検査対象物モデルの画像であって、欠陥部の種類毎に異なる第１の画像を取得する第１の工程と、
   モアレ縞を含む第２の画像を取得する第２の工程と、
   各第１および第２の画像における特徴量であり、欠陥部の有無に依存する特徴量をそれぞれ取得する第３の工程と、
   前記フィルタにおける処理パラメータとして採用可能なパラメータ群から１つのパラメータを選択して処理パラメータの候補として仮設定し、このフィルタを用いて、各第１の画像を画像処理して各第３の画像を生成するとともに、第２の画像を画像処理して第４の画像を生成する第４の工程と、
   各第３および第４の画像における前記特徴量をそれぞれ取得する第５の工程と、
   欠陥部の種類毎に異なる各第１および各第３の画像の特徴量の比の総和と、第２および第４の画像の特徴量の比とに基づく評価値を求める第６の工程と、
   処理パラメータの候補として仮設定されるパラメータを変更して、この変更したパラメータに基づいて前記第４〜第６の工程を行う第７の工程と、
   全ての評価値に基づいて、前記パラメータ群から処理パラメータを決定する第８の工程とを有することを特徴とするフィルタの設計方法。
6. 請求項１〜５のいずれかに記載のフィルタの設計方法によって設計されたフィルタ。
7. 検査対象物を撮像して入力画像を得る工程と、
   請求項１〜５のいずれかに記載のフィルタの設計方法によって設計されたフィルタを用いて、前記工程で得られた入力画像を画像処理する工程とを備えることを特徴とする欠陥検査方法。
8. 検査対象物を撮像して入力画像を得る撮像手段と、
   請求項１〜５のいずれかに記載のフィルタの設計方法によって設計されたフィルタを用いて、前記撮像手段によって得られた入力画像を画像処理する画像処理手段とを備えることを特徴とする欠陥検査装置。

Images