JP2005345290A - 筋状欠陥検出方法及び装置 - Google Patents
筋状欠陥検出方法及び装置 Download PDFInfo
- Publication number
- JP2005345290A JP2005345290A JP2004165905A JP2004165905A JP2005345290A JP 2005345290 A JP2005345290 A JP 2005345290A JP 2004165905 A JP2004165905 A JP 2004165905A JP 2004165905 A JP2004165905 A JP 2004165905A JP 2005345290 A JP2005345290 A JP 2005345290A
- Authority
- JP
- Japan
- Prior art keywords
- pixel
- value
- streak defect
- streak
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Images
Abstract
【課題】 点状欠陥やシミ等のノイズを検出することなく、筋状欠陥を高精度に検出することができる筋状欠陥検出方法及び装置を提供する。
【課題手段】 筋状欠陥検出処理工程は、検査対象となる着目画素を選択し、その着目画素を中心とする所定サイズの領域を選択する領域選択工程と、領域選択工程で選択された領域内において、予め設定された閾値以上の輝度値の画素を、その輝度値が大きい順に所定数抽出する画素抽出工程と、画素抽出工程で抽出された各画素と、前記着目画素を通る角度基準線との距離の積算最小値を求める距離算出工程と、距離算出工程で算出された積算最小値に基づく投票値を、画像に対応する投票空間において前記着目画素に対応する部分に投票する投票工程と、を備える。
【選択図】 図10
【課題手段】 筋状欠陥検出処理工程は、検査対象となる着目画素を選択し、その着目画素を中心とする所定サイズの領域を選択する領域選択工程と、領域選択工程で選択された領域内において、予め設定された閾値以上の輝度値の画素を、その輝度値が大きい順に所定数抽出する画素抽出工程と、画素抽出工程で抽出された各画素と、前記着目画素を通る角度基準線との距離の積算最小値を求める距離算出工程と、距離算出工程で算出された積算最小値に基づく投票値を、画像に対応する投票空間において前記着目画素に対応する部分に投票する投票工程と、を備える。
【選択図】 図10
Description
本発明は、液晶パネル等の表示デバイスやその応用製品であるプロジェクタ等の製造における検査工程等の各種製品の検査工程において、縦方向、横方向、斜め方向等に連続して発生する筋状欠陥を精度よく自動的に検出する筋状欠陥検出方法及び装置に関する。
従来のLCDパネル検査における筋状欠陥(スジ状欠陥、線状欠陥)の検出方法としては、欠陥の方向性を利用して、縦・横・斜め方向に画素値を積算する方法が一般的であり、着目画素を中心として縦・横・斜め方向に輝度値を積算し、それらの最大値を採用して閾値で検出する方法(例えば、特許文献1参照)や、スクリーン角度や光学系の歪み補正を行いシェーディング補正することにより検出力を向上させる方法(例えば、特許文献2参照)が提案されている。
従来の筋状欠陥の有無を判定する工程は、取得した画像に対してエッジ強調などの特徴量抽出処理を行ったり、取得した画像のまま欠陥検出のための積算処理をしていた。
しかし、強烈な点状欠陥やシミ等のノイズが存在した場合、それらの影響により本来筋状欠陥が存在しない箇所に欠陥が存在していると判断してしまうことがあったため、検出結果の精度を向上させることが難しかった。
しかし、強烈な点状欠陥やシミ等のノイズが存在した場合、それらの影響により本来筋状欠陥が存在しない箇所に欠陥が存在していると判断してしまうことがあったため、検出結果の精度を向上させることが難しかった。
本発明は、上述のような課題に鑑みてなされたものであり、点状欠陥やシミ等のノイズを検出することなく、筋状欠陥を高精度に検出することができる筋状欠陥検出方法及び装置を提供することを目的とする。
本発明の筋状欠陥検出方法は、撮像した画像内の各画素に対して筋状欠陥検出処理を行う筋状欠陥検出処理工程を備え、前記筋状欠陥検出処理工程は、検査対象となる着目画素を選択し、前記着目画素を中心とする所定サイズの領域を選択する領域選択工程と、前記領域選択工程で選択された領域内において、予め設定された閾値以上の輝度値の画素を、前記輝度値が大きい順に所定数抽出する画素抽出工程と、画素抽出工程で抽出された各画素と、前記着目画素を通る角度基準線との距離の積算最小値を求める距離算出工程と、前記距離算出工程で算出された積算最小値に基づく投票値を、画像に対応する投票空間において前記着目画素に対応する部分に投票する投票工程と、を備えることを特徴とする。
本発明では、選択された領域の中で、予め設定された閾値以上の輝度値の画素を輝度値の大きい順に所定数抽出しているので、選択領域内の白スジ欠陥、輝点、白ムラ等の他の画素に比べて輝度値の高い画素が抽出される。
そして、距離算出工程により、抽出された各画素と、着目画素を通る角度基準線との距離の積算最小値を求めると、この積算最小値は、着目画素を通る白スジ欠陥がある場合に小さくなるので、筋状欠陥の有無を判断できる。
すなわち、白スジ欠陥がある場合、画素抽出工程で抽出される各画素は、この筋状欠陥に沿ったものになる。従って、筋状欠陥に沿った角度基準線を設定すれば、距離算出工程で算出される積算最小値つまり抽出された各画素と角度基準線との距離の積算値も非常に小さくなる。一方、輝点やムラ等の筋状欠陥以外の欠陥がある場合、抽出される画素の位置はバラツキ、角度基準線との相関関係もないため、積算最小値も比較的大きくなる。従って、積算最小値に基づく投票値を求めることによって、着目画素を通る白スジ欠陥の有無を判断できる。
さらに、以上の各工程を、画像内の各画素に対して行うと、画像に対応する投票空間においては、各着目画素上に筋状欠陥が存在している場合、その着目画素の積算最小値がそれぞれ小さくなるため、その積算最小値に基づく投票値は、他の筋状欠陥が存在していない着目画素部分に比べて大きく異なることになる。従って、投票空間における投票値の分布に基づいて筋状欠陥の分布を高精度に検出することができる。
そして、距離算出工程により、抽出された各画素と、着目画素を通る角度基準線との距離の積算最小値を求めると、この積算最小値は、着目画素を通る白スジ欠陥がある場合に小さくなるので、筋状欠陥の有無を判断できる。
すなわち、白スジ欠陥がある場合、画素抽出工程で抽出される各画素は、この筋状欠陥に沿ったものになる。従って、筋状欠陥に沿った角度基準線を設定すれば、距離算出工程で算出される積算最小値つまり抽出された各画素と角度基準線との距離の積算値も非常に小さくなる。一方、輝点やムラ等の筋状欠陥以外の欠陥がある場合、抽出される画素の位置はバラツキ、角度基準線との相関関係もないため、積算最小値も比較的大きくなる。従って、積算最小値に基づく投票値を求めることによって、着目画素を通る白スジ欠陥の有無を判断できる。
さらに、以上の各工程を、画像内の各画素に対して行うと、画像に対応する投票空間においては、各着目画素上に筋状欠陥が存在している場合、その着目画素の積算最小値がそれぞれ小さくなるため、その積算最小値に基づく投票値は、他の筋状欠陥が存在していない着目画素部分に比べて大きく異なることになる。従って、投票空間における投票値の分布に基づいて筋状欠陥の分布を高精度に検出することができる。
本発明の筋状欠陥検出方法は、撮像した画像内の各画素に対して筋状欠陥検出処理を行う筋状欠陥検出処理工程を備え、前記筋状欠陥検出処理工程は、検査対象となる着目画素を選択し、前記着目画素を中心とする所定サイズの領域を選択する領域選択工程と、前記領域選択工程で選択された領域内において、予め設定された閾値以下の輝度値の画素を、前記輝度値が小さい順に所定数抽出する画素抽出工程と、前記画素抽出工程で抽出された各画素と、前記着目画素を通る角度基準線との距離の積算最小値を求める距離算出工程と、前記距離算出工程で算出された積算最小値に基づく投票値を、画像に対応する投票空間において前記着目画素に対応する部分に投票する投票工程と、を備えることを特徴とする。
本発明では、閾値以下の輝度値の画素を、輝度値の小さい順に所定数抽出しているので、投票値により着目画素を通る黒スジ欠陥の有無を判断でき、さらに投票空間の投票値の分布により、黒スジ欠陥を高精度に検出することができる。
本発明では、閾値以下の輝度値の画素を、輝度値の小さい順に所定数抽出しているので、投票値により着目画素を通る黒スジ欠陥の有無を判断でき、さらに投票空間の投票値の分布により、黒スジ欠陥を高精度に検出することができる。
なお、各発明における閾値は、欠陥が無い画素と区別して欠陥画素を抽出できるものであればよい。従って、例えば、画像全体の輝度値データの平均値や標準偏差などの統計データに基づいて閾値を算出すればよい。
また、領域選択工程で選択する領域のサイズは、検出対象の筋状欠陥の幅に合わせて設定すればよく、領域が正方形(n×n)の場合、nは5以上にすればよい。但し、領域サイズが大きすぎると、処理時間が増大するため、n<50であることが望ましい。通常は、検出精度および処理時間の点で、n=9またはn=11程度に設定すればよい。
さらに、画素抽出工程で抽出する画素数は、輝点等の点欠陥などをできるだけ排除し、スジ欠陥を検出できるように、少なくとも3個以上であることが好ましく、選択された領域のサイズ(画素数)に応じて設定すればよい。例えば、選択領域サイズが9×9や11×11の場合、抽出する画素数は5〜9個程度にすればよい。
また、領域選択工程で選択する領域のサイズは、検出対象の筋状欠陥の幅に合わせて設定すればよく、領域が正方形(n×n)の場合、nは5以上にすればよい。但し、領域サイズが大きすぎると、処理時間が増大するため、n<50であることが望ましい。通常は、検出精度および処理時間の点で、n=9またはn=11程度に設定すればよい。
さらに、画素抽出工程で抽出する画素数は、輝点等の点欠陥などをできるだけ排除し、スジ欠陥を検出できるように、少なくとも3個以上であることが好ましく、選択された領域のサイズ(画素数)に応じて設定すればよい。例えば、選択領域サイズが9×9や11×11の場合、抽出する画素数は5〜9個程度にすればよい。
本発明の筋状欠陥検出方法においては、前記画素抽出工程は、選択された領域内における最大輝度値または最小輝度値の画素を抽出した後、前記抽出された画素に隣接する画素を除く領域内で最大輝度値または最小輝度値の画素を抽出する工程を繰り返して所定数の画素を抽出することが好ましい。
なお、抽出画素に隣接する画素とは、抽出画素の周囲の画素、つまり近傍1画素を意味する。具体的には、抽出画素の上下左右および斜め方向に隣接する8個の画素を意味する。
なお、抽出画素に隣接する画素とは、抽出画素の周囲の画素、つまり近傍1画素を意味する。具体的には、抽出画素の上下左右および斜め方向に隣接する8個の画素を意味する。
通常、最大輝度で抽出された画素の周囲に次に大きな輝度が表れる可能性が高い。従って、抽出した画素の周囲1画素にマスクをかけて、次に大きな輝度値の抽出対象から外すようにすれば、白スジ欠陥のようにある程度の長さに渡って生じている欠陥の場合には、閾値以上の輝度値の画素を所定数抽出できるが、輝点やムラ等の高輝度部分が一部分に集中する欠陥の場合には、輝度値が大きな画素が固まっており、周囲の画素にマスクをかけた場合には、閾値以上の輝度値の画素を所定数抽出することが難しくなる。黒スジ欠陥を検出する場合も同様に、閾値以下の輝度値の画素を所定数抽出することが難しくなる。
このため、抽出画素の周囲にマスクをかけることにより、輝点やムラ等の筋状欠陥以外の欠陥が抽出され難くなり、筋状欠陥を効果的に抽出でき、この点でも筋状欠陥を高精度に検出できる。
このため、抽出画素の周囲にマスクをかけることにより、輝点やムラ等の筋状欠陥以外の欠陥が抽出され難くなり、筋状欠陥を効果的に抽出でき、この点でも筋状欠陥を高精度に検出できる。
本発明の筋状欠陥検出方法においては、前記画素抽出工程において、予め設定された閾値以上または閾値以下の画素を所定数抽出できなかった場合には、選択された着目画素に対する筋状欠陥検出処理工程を終了することが好ましい。
例えば、画素抽出工程において、画素を7個抽出するように設定されている場合、輝度値が閾値以上または以下の画素が6個しか抽出できなかった場合、その6個の画素による積算最小値は、7個抽出した場合と比べて積算個数が少ないため、値も小さくなる。従って、各着目画素毎に抽出した画素数が異なると、各着目画素における積算最小値同士つまり投票値同士を比較評価できない。これに対し、抽出数が少ない場合には、筋状欠陥ではない可能性が高いので、その着目画素に対する投票値を算出しないようにすれば、各投票値同士を比較評価でき、精度の高いスジ欠陥検出処理を行うことができる。
なお、例えば、積算最小値を抽出された画素数で割って平均値を求めた上で投票値とするなどの処理を行うことで、抽出数が所定数よりも1、2個程度少ない場合も処理を続行し、着目画素同士の投票値を対比できるようにしてもよい。
例えば、画素抽出工程において、画素を7個抽出するように設定されている場合、輝度値が閾値以上または以下の画素が6個しか抽出できなかった場合、その6個の画素による積算最小値は、7個抽出した場合と比べて積算個数が少ないため、値も小さくなる。従って、各着目画素毎に抽出した画素数が異なると、各着目画素における積算最小値同士つまり投票値同士を比較評価できない。これに対し、抽出数が少ない場合には、筋状欠陥ではない可能性が高いので、その着目画素に対する投票値を算出しないようにすれば、各投票値同士を比較評価でき、精度の高いスジ欠陥検出処理を行うことができる。
なお、例えば、積算最小値を抽出された画素数で割って平均値を求めた上で投票値とするなどの処理を行うことで、抽出数が所定数よりも1、2個程度少ない場合も処理を続行し、着目画素同士の投票値を対比できるようにしてもよい。
本発明の筋状欠陥検出方法においては、前記距離算出工程は、前記着目画素を通り、かつ、互いに角度が異なる複数本の角度基準線を予め設定し、前記画素抽出工程で抽出された各画素と各角度基準線との距離の積算値をそれぞれ求め、各積算値の最小値を前記積算最小値とすることが好ましい。
角度基準線としては、例えば、着目画素を通る縦方向を角度0°の基準線とした場合、時計回りに所定角度毎の角度基準線を設定すればよい。この角度基準線の本数は、様々な角度の筋状欠陥に沿った基準線を設定するためには多いほうが好ましいが、各角度基準線毎に抽出画素との距離を算出しなければならないため、処理時間が増大する。このため、様々な方向の筋状欠陥にある程度沿わせることができるとともに、処理時間をある程度短縮できる点で、例えば、30°刻み(0°、30°、60°、90°、120°、150°)の6本の角度基準線を設定すればよい。
本発明のように角度基準線を予め設定しておけば、各着目画素毎に同じ角度基準線を用いて抽出画素との距離が算出されるため、各着目画素毎に同じ条件で評価できる。また、角度基準線が固定されていれば、式を用いて角度基準線と各抽出画素との距離を算出するほか、各画素の座標と、その座標および角度基準線の距離とを予め対照表に設定しておくこともでき、迅速に積算最小値を求めることもできる。
角度基準線としては、例えば、着目画素を通る縦方向を角度0°の基準線とした場合、時計回りに所定角度毎の角度基準線を設定すればよい。この角度基準線の本数は、様々な角度の筋状欠陥に沿った基準線を設定するためには多いほうが好ましいが、各角度基準線毎に抽出画素との距離を算出しなければならないため、処理時間が増大する。このため、様々な方向の筋状欠陥にある程度沿わせることができるとともに、処理時間をある程度短縮できる点で、例えば、30°刻み(0°、30°、60°、90°、120°、150°)の6本の角度基準線を設定すればよい。
本発明のように角度基準線を予め設定しておけば、各着目画素毎に同じ角度基準線を用いて抽出画素との距離が算出されるため、各着目画素毎に同じ条件で評価できる。また、角度基準線が固定されていれば、式を用いて角度基準線と各抽出画素との距離を算出するほか、各画素の座標と、その座標および角度基準線の距離とを予め対照表に設定しておくこともでき、迅速に積算最小値を求めることもできる。
本発明の筋状欠陥検出方法においては、前記距離算出工程は、前記着目画素および前記画素抽出工程で抽出された各画素の座標データから前記着目画素を通る近似直線を求め、前記近似直線を角度基準線とし、前記画素抽出工程で抽出された各画素と前記角度基準線との距離の積算値を求め、前記積算値を前記積算最小値としてもよい。なお、近似直線の算出方法としては、例えば最小二乗法などの公知の算出方法が利用できる。
このような近似直線を求めれば、複数の角度基準線を予め用意する場合に比べて、近似直線を求める処理が発生するが、角度基準線は1本に限定されるので、各抽出画素と角度基準線との距離算出処理を短時間で行うことができる。
このような近似直線を求めれば、複数の角度基準線を予め用意する場合に比べて、近似直線を求める処理が発生するが、角度基準線は1本に限定されるので、各抽出画素と角度基準線との距離算出処理を短時間で行うことができる。
本発明の筋状欠陥検出方法においては、前記投票工程は、距離算出工程で算出された積算最小値の逆数に所定の係数をかけて投票値を求めることが好ましい。
前述のように、積算最小値は、筋状欠陥が角度基準線に沿っているほど小さな値になる。従って、積算最小値の逆数に所定の係数をかけて投票値を求めれば、投票値が大きいほどスジ欠陥が角度基準線に沿っていることになり、筋状欠陥を感覚的に把握し易くなる。
なお、投票値を積算最小値の逆数としなかった場合には、投票値が小さいほどスジ欠陥が角度基準線に沿っていると判断すればよい。
前述のように、積算最小値は、筋状欠陥が角度基準線に沿っているほど小さな値になる。従って、積算最小値の逆数に所定の係数をかけて投票値を求めれば、投票値が大きいほどスジ欠陥が角度基準線に沿っていることになり、筋状欠陥を感覚的に把握し易くなる。
なお、投票値を積算最小値の逆数としなかった場合には、投票値が小さいほどスジ欠陥が角度基準線に沿っていると判断すればよい。
本発明の筋状欠陥検出方法においては、検査対象を撮像する撮像工程と、画像から表示エリアの抽出を行う表示エリア抽出工程と、撮像した画像から予め作成しておいた背景画像との差をとる背景画像差分処理工程と、画像の平坦化処理を行う平坦化処理工程と、複数の段階の縮小画像を作成する縮小画像作成工程と、前記縮小画像作成工程で作成された各縮小画像に対して筋状欠陥検出処理を行う前記筋状欠陥検出処理工程と、前記筋状欠陥検出処理工程で得られた投票空間の各投票値に基づいて筋状欠陥の有無を判定する筋状欠陥判定工程と、を備えることが好ましい。
ここで、背景画像とは、検査対象に生じる欠陥以外のムラ等の影響を除去するために用意されるものであり、例えば、20枚程度のサンプル画像を平均化したものなどが利用される。
また、撮像工程のあと、背景画像差分処理工程、表示エリア抽出工程、平坦化処理工程、縮小画像作成工程を順次実行すればよい。
ここで、背景画像とは、検査対象に生じる欠陥以外のムラ等の影響を除去するために用意されるものであり、例えば、20枚程度のサンプル画像を平均化したものなどが利用される。
また、撮像工程のあと、背景画像差分処理工程、表示エリア抽出工程、平坦化処理工程、縮小画像作成工程を順次実行すればよい。
本発明では、背景画像差分処理工程、表示エリア抽出工程、平坦化処理工程等により、検査対象以外の影響、例えば、撮像するために用いられる照明やレンズ等の検査対象以外のものによって生じるシミムラ等の影響を無くすことができ、筋状欠陥を効果的に検出できる。また、縮小画像作成工程で複数段階の縮小画像を作成できるので、領域選択工程で選択する領域のサイズが一定であっても、様々な幅寸法の筋状欠陥を検出できる。
本発明の筋状欠陥検出方法においては、前記筋状欠陥判定工程は、各縮小画像の各投票値に基づいて統計データを計算する統計データ計算工程と、前記統計データを元にして欠陥候補の特性値を求めるblob処理を行い、blob処理により求められた欠陥候補の特性値と前記統計データに基づいて欠陥評価値を算出する欠陥評価値算出工程とを有することが好ましい。
統計データに基づいて欠陥候補の特性値を求めるblob処理を行い、blob処理により求められた欠陥候補の特性値と前記統計データに基づいて評価値を算出しているので、欠陥を客観的に評価でき、ランク付けも行うことができるので、不良品を容易に判定できる。
統計データに基づいて欠陥候補の特性値を求めるblob処理を行い、blob処理により求められた欠陥候補の特性値と前記統計データに基づいて評価値を算出しているので、欠陥を客観的に評価でき、ランク付けも行うことができるので、不良品を容易に判定できる。
本発明の筋状欠陥検出装置は、撮像した画像内の各画素に対して筋状欠陥検出処理を行う筋状欠陥検出処理手段を備え、前記筋状欠陥検出処理手段は、撮像した画像に対して検査対象となる着目画素を選択し、前記着目画素を中心とする所定サイズの領域を選択する領域選択手段と、前記領域選択手段で選択された領域内において、予め設定された閾値以上の輝度値の画素を、前記輝度値が大きい順に所定数抽出する画素抽出手段と、前記画素抽出手段で抽出された各画素と、前記着目画素を通る角度基準線との距離の積算最小値を求める距離算出手段と、距離算出手段で算出された積算最小値に基づく投票値を、画像に対応する投票空間において前記着目画素に対応する部分に投票する投票手段と、を備えることを特徴とする。
本発明では、選択された領域の中で、予め設定された閾値以上の輝度値の画素を輝度値の大きい順に所定数抽出しているので、選択領域内の白スジ欠陥、輝点、白ムラ等の他の画素に比べて輝度値の高い画素が抽出される。
そして、距離算出手段により、抽出された各画素と、着目画素を通る角度基準線との距離の積算最小値を求めると、この積算最小値は、着目画素を通る白スジ欠陥がある場合に小さくなるので、筋状欠陥の有無を判断できる。
すなわち、白スジ欠陥がある場合、画素抽出手段で抽出される各画素は、この筋状欠陥に沿ったものになる。従って、筋状欠陥に沿った角度基準線を設定すれば、距離算出手段で算出される積算最小値も非常に小さくなる。一方、輝点やムラ等の筋状欠陥以外の欠陥がある場合、抽出される画素の位置はバラツキ、角度基準線との相関関係もないため、積算最小値も比較的大きくなる。従って、積算最小値に基づく投票値を求めることによって、着目画素を通る白スジ欠陥の有無を判断できる。
さらに、以上の各手段による処理を、画像内の各画素に対して行うと、画像に対応する投票空間においては、各着目画素上に筋状欠陥が存在している場合、その着目画素の積算最小値がそれぞれ小さくなるため、その積算最小値に基づく投票値も、他の筋状欠陥が存在していない着目画素部分に比べて大きく異なることになる。従って、投票空間における投票値の分布に基づいて筋状欠陥の分布を高精度に検出することができる。
そして、距離算出手段により、抽出された各画素と、着目画素を通る角度基準線との距離の積算最小値を求めると、この積算最小値は、着目画素を通る白スジ欠陥がある場合に小さくなるので、筋状欠陥の有無を判断できる。
すなわち、白スジ欠陥がある場合、画素抽出手段で抽出される各画素は、この筋状欠陥に沿ったものになる。従って、筋状欠陥に沿った角度基準線を設定すれば、距離算出手段で算出される積算最小値も非常に小さくなる。一方、輝点やムラ等の筋状欠陥以外の欠陥がある場合、抽出される画素の位置はバラツキ、角度基準線との相関関係もないため、積算最小値も比較的大きくなる。従って、積算最小値に基づく投票値を求めることによって、着目画素を通る白スジ欠陥の有無を判断できる。
さらに、以上の各手段による処理を、画像内の各画素に対して行うと、画像に対応する投票空間においては、各着目画素上に筋状欠陥が存在している場合、その着目画素の積算最小値がそれぞれ小さくなるため、その積算最小値に基づく投票値も、他の筋状欠陥が存在していない着目画素部分に比べて大きく異なることになる。従って、投票空間における投票値の分布に基づいて筋状欠陥の分布を高精度に検出することができる。
本発明の筋状欠陥検出装置は、撮像した画像内の各画素に対して筋状欠陥検出処理を行う筋状欠陥検出処理手段を備え、前記筋状欠陥検出処理手段は、撮像した画像に対して検査対象となる着目画素を選択し、前記着目画素を中心とする所定サイズの領域を選択する領域選択手段と、前記領域選択手段で選択された領域内において、予め設定された閾値以下の輝度値の画素を、前記輝度値が小さい順に所定数抽出する画素抽出手段と、前記画素抽出手段で抽出された各画素と、前記着目画素を通る角度基準線との距離の積算最小値を求める距離算出手段と、前記距離算出手段で算出された積算最小値に基づく投票値を、画像に対応する投票空間において前記着目画素に対応する部分に投票する投票手段と、を備えることを特徴とする。
本発明では、閾値以下の輝度値の画素を、輝度値の小さい順に所定個数抽出しているので、投票値により着目画素を通る黒スジ欠陥の有無を判断でき、さらに投票空間の投票値の分布により、黒スジ欠陥を高精度に検出することができる。
本発明の筋状欠陥検出装置においては、検査対象を撮像する撮像手段と、画像から表示エリアの抽出を行う表示エリア抽出手段と、撮像した画像から予め作成しておいた背景画像との差をとる背景画像差分処理手段と、画像の平坦化処理を行う平坦化処理手段と、複数の段階の縮小画像を作成する縮小画像作成手段と、前記縮小画像作成手段で作成された各縮小画像に対して筋状欠陥検出処理を行う前記筋状欠陥検出処理手段と、前記筋状欠陥検出処理手段で得られた投票空間の各投票値に基づいて筋状欠陥の有無を判定する筋状欠陥判定手段と、を備えることが好ましい。
本発明では、背景画像差分処理手段、表示エリア抽出手段、平坦化処理手段等により、検査対象以外の影響、例えば、撮像するために用いられる照明やレンズ等の検査対象以外のものによって生じるシミムラ等の影響を無くすことができ、筋状欠陥を効果的に検出できる。また、縮小画像作成手段で複数段階の縮小画像を作成できるので、領域選択手段で選択する領域のサイズが一定であっても、様々な幅寸法の筋状欠陥を検出できる。
図1は本発明の実施の形態に係る筋状欠陥検出装置(スジ欠陥検出装置)の構成を示すブロック図である。
図1において、1は検査対象である液晶ライトバルブ、2は画像投影装置であるプロジェクタであり、液晶ライトバルブ1を外部からセットできるようになっている。3は液晶ライトバルブ1に各種パターンを出力するパターン生成装置であるパターンジェネレータ、4はスクリーン、5はスクリーン4に投影された画像を撮影する撮像手段であるCCDカメラであり、液晶ライトバルブ1の解像度以上の解像度を有するCCDを搭載している。6はパターンジェネレータ3及びCCDカメラ5を制御し、液晶ライトバルブ1の筋状欠陥(スジ欠陥)を検出する画像処理手段であるコンピュータ装置、7はコンピュータ装置6に接続された表示装置である。
図1において、1は検査対象である液晶ライトバルブ、2は画像投影装置であるプロジェクタであり、液晶ライトバルブ1を外部からセットできるようになっている。3は液晶ライトバルブ1に各種パターンを出力するパターン生成装置であるパターンジェネレータ、4はスクリーン、5はスクリーン4に投影された画像を撮影する撮像手段であるCCDカメラであり、液晶ライトバルブ1の解像度以上の解像度を有するCCDを搭載している。6はパターンジェネレータ3及びCCDカメラ5を制御し、液晶ライトバルブ1の筋状欠陥(スジ欠陥)を検出する画像処理手段であるコンピュータ装置、7はコンピュータ装置6に接続された表示装置である。
コンピュータ装置6は、画像入力手段60と、背景画像差分処理手段61と、表示エリア抽出手段62と、平坦化処理手段63と、縮小画像作成手段64と、筋状欠陥検出処理手段65と、統計データ計算手段66と、blob処理手段67と、評価値処理手段68とから構成されている。
コンピュータ装置6の画像入力手段60には、CCDカメラ5で撮像された取込画像の画像データが入力される。その取込画像は図示しない記憶手段に記憶される。従って、画像入力手段60によってCCDカメラ5を用いて検査対象を撮像する撮像工程が実施される。
背景画像差分処理手段61は、入力画像と予め作成された背景画像との差を取って検査対象以外のものによって生じるスジを除去した背景差分画像を得る背景画像差分処理工程を実施する。表示エリア抽出手段62は、背景画像差分処理工程で得られた背景差分画像から被検査部の画像部分だけを抽出する表示エリア抽出工程を実施する。
コンピュータ装置6の画像入力手段60には、CCDカメラ5で撮像された取込画像の画像データが入力される。その取込画像は図示しない記憶手段に記憶される。従って、画像入力手段60によってCCDカメラ5を用いて検査対象を撮像する撮像工程が実施される。
背景画像差分処理手段61は、入力画像と予め作成された背景画像との差を取って検査対象以外のものによって生じるスジを除去した背景差分画像を得る背景画像差分処理工程を実施する。表示エリア抽出手段62は、背景画像差分処理工程で得られた背景差分画像から被検査部の画像部分だけを抽出する表示エリア抽出工程を実施する。
平坦化処理手段63は、抽出された表示エリア画像の広い範囲のムラの影響を除去する平坦化処理工程を実施する。縮小画像作成手段64は、平坦化処理された画像から複数段階の縮小画像を作成する縮小画像作成工程を実施する。
筋状欠陥検出処理手段65は、各縮小画像に対して筋状欠陥検出処理を実施し、その結果を投票空間に投票するものであり、図2に示すように、撮像した画像に対して検査対象となる着目画素を選択し、その着目画素を中心とする所定サイズの領域を選択する領域選択手段651と、領域選択手段651で選択された領域内において、予め設定された閾値以上の輝度値の画素を、その輝度値が大きい順に所定数抽出する画素抽出手段652と、画素抽出手段652で抽出された各画素と、前記着目画素を通る角度基準線との距離の積算最小値を求める距離算出手段653と、距離算出手段653で算出された積算最小値に基づく投票値を、画像に対応する投票空間において前記着目画素に対応する部分に投票する投票手段654と、を備える。
統計データ計算手段66は、筋状欠陥検出処理が行われた画像の全領域における各画素の投票値から画面全体の投票値の平均値、標準偏差、最大値及び最小値を算出する統計データ計算工程を実施する。
blob処理手段67は、欠陥候補の白スジ又は黒スジの抽出と最大輝度、最小輝度、面積を求める。
評価値処理手段68は、blob処理により求めた白スジ又は黒スジの欠陥候補の最大輝度、最小輝度、面積の情報と画面全体の輝度値の平均値、標準偏差に基づいて所定の式により欠陥評価値を算出する。従って、blob処理手段67および評価値処理手段68により筋状欠陥判定工程を行う筋状欠陥判定手段が構成されている。
blob処理手段67は、欠陥候補の白スジ又は黒スジの抽出と最大輝度、最小輝度、面積を求める。
評価値処理手段68は、blob処理により求めた白スジ又は黒スジの欠陥候補の最大輝度、最小輝度、面積の情報と画面全体の輝度値の平均値、標準偏差に基づいて所定の式により欠陥評価値を算出する。従って、blob処理手段67および評価値処理手段68により筋状欠陥判定工程を行う筋状欠陥判定手段が構成されている。
次に、本発明の実施の形態による筋状欠陥検出装置の動作について説明する。
図3はこの実施の形態の筋状欠陥検出装置の動作を説明するためのフローチャートである。図3に示す動作はコンピュータ装置6上で実行されるプログラムにより実現されているものである。
まず、プロジェクタ2に検査対象の液晶ライトバルブ1をセットし、コンピュータ装置6によりパターンジェネレータ3を制御して液晶ライトバルブ1上に特定の明るさのパターンを表示させ、それをプロジェクタ2によりスクリーン4に投影する。そして、スクリーン4上に投影された画像をCCDカメラ5で撮影し、その撮影データの画像をコンピュータ装置6に出力し、コンピュータ装置6によりスジ欠陥検出処理(筋状欠陥検出処理)を行い、液晶ライトバルブ1のスジ欠陥(筋状欠陥)の検出結果を表示装置7に表示する。
図3はこの実施の形態の筋状欠陥検出装置の動作を説明するためのフローチャートである。図3に示す動作はコンピュータ装置6上で実行されるプログラムにより実現されているものである。
まず、プロジェクタ2に検査対象の液晶ライトバルブ1をセットし、コンピュータ装置6によりパターンジェネレータ3を制御して液晶ライトバルブ1上に特定の明るさのパターンを表示させ、それをプロジェクタ2によりスクリーン4に投影する。そして、スクリーン4上に投影された画像をCCDカメラ5で撮影し、その撮影データの画像をコンピュータ装置6に出力し、コンピュータ装置6によりスジ欠陥検出処理(筋状欠陥検出処理)を行い、液晶ライトバルブ1のスジ欠陥(筋状欠陥)の検出結果を表示装置7に表示する。
ここで、コンピュータ装置6によるスジ欠陥検出の動作について図3のフローチャートに基づいて詳細に説明する。
まず、スクリーン4上に投影された画像をCCDカメラ5で撮影し、その撮影データの画像がコンピュータ装置6の画像入力手段60に取り込まれ、撮像工程が行われる。このとき撮影データは、図示しないA/D変換器により、4096階調のデジタルデータとして、コンピュータ装置6に取り込まれる(ステップS1)。
次に、背景画像差分処理手段61は、取り込まれた画像データの中から、照明やレンズなど液晶ライトバルブ1以外のものによって生じる欠陥状の輝度変化を除去するための背景画像差分処理を行う(ステップS2)。
この背景画像差分処理工程は、検査対象画像データの被検査部の画面部分だけが抽出された画像から背景画像を減算し、輝度データがマイナスにならないように、オフセット値として2048(4096階調の1/2の値)を加算して、背景差分画像を作成するもので、その背景差分画像は2つの画像で対応する画素毎の差の画像となる。なお、この背景画像は、図1と同一の光学系及び同一の撮像系をもつ装置で、できるだけ欠陥のないサンプルを複数枚撮像し、その平均化画像を作成して、その画像から被検査部の画面部分だけを抽出して作成したものである。この背景画像差分処理によって照明やレンズなど液晶ライトバルブ1以外のものによって生じる欠陥状の輝度変化が除去される。
まず、スクリーン4上に投影された画像をCCDカメラ5で撮影し、その撮影データの画像がコンピュータ装置6の画像入力手段60に取り込まれ、撮像工程が行われる。このとき撮影データは、図示しないA/D変換器により、4096階調のデジタルデータとして、コンピュータ装置6に取り込まれる(ステップS1)。
次に、背景画像差分処理手段61は、取り込まれた画像データの中から、照明やレンズなど液晶ライトバルブ1以外のものによって生じる欠陥状の輝度変化を除去するための背景画像差分処理を行う(ステップS2)。
この背景画像差分処理工程は、検査対象画像データの被検査部の画面部分だけが抽出された画像から背景画像を減算し、輝度データがマイナスにならないように、オフセット値として2048(4096階調の1/2の値)を加算して、背景差分画像を作成するもので、その背景差分画像は2つの画像で対応する画素毎の差の画像となる。なお、この背景画像は、図1と同一の光学系及び同一の撮像系をもつ装置で、できるだけ欠陥のないサンプルを複数枚撮像し、その平均化画像を作成して、その画像から被検査部の画面部分だけを抽出して作成したものである。この背景画像差分処理によって照明やレンズなど液晶ライトバルブ1以外のものによって生じる欠陥状の輝度変化が除去される。
続いて、表示エリア抽出手段62は、被検査部の画面部分だけを抽出する表示エリア抽出を行う(ステップS3)。
この抽出画面は、被検査部画像の四隅の座標をパターンマッチング処理(画像データの四隅付近の数十画素×数十画素の4つの小領域に対して、それぞれ予め用意した4つの隅
基準画像とパターンマッチング処理を行い、四隅の座標を特定する)により検出し、この四隅の座標の位置関係が長方形になるようにアフィン変換することで抽出することができる。これによって、スクリーン4上の周囲の縁部が除去され、且つ正確な長方形とされた画面部分だけが抽出される。
この抽出画面は、被検査部画像の四隅の座標をパターンマッチング処理(画像データの四隅付近の数十画素×数十画素の4つの小領域に対して、それぞれ予め用意した4つの隅
基準画像とパターンマッチング処理を行い、四隅の座標を特定する)により検出し、この四隅の座標の位置関係が長方形になるようにアフィン変換することで抽出することができる。これによって、スクリーン4上の周囲の縁部が除去され、且つ正確な長方形とされた画面部分だけが抽出される。
次に、平坦化処理手段63は、抽出された表示エリアの背景差分画像に対して平坦化処理を行う(ステップS4)。この平坦化処理は、その表示エリアの背景差分画像の輝度の緩やかな変化を平坦にする処理であり、比較的広い範囲にわたるムラの影響を除去するために行われるものである。
かかる平坦化処理は、フィルタ処理又はモフォロジ処理によって行われる。
かかる平坦化処理は、フィルタ処理又はモフォロジ処理によって行われる。
次に、縮小画像作成手段64は、平坦化処理された平坦化画像を複数段階にわたって縮小する画像サイズ変更処理を行う(ステップS5)。
この画像サイズ変更処理は、図4に示すように、平坦化処理された画像から、1/2、1/4、1/8、1/16及び1/32と5段階の縮小画像を作成するものである。例えば、1/2の縮小画像は平坦化処理された画像の4画素の平均値を1画素として作成するものである。また、1/4の縮小画像は1/2の縮小画像の4画素の平均値を1画素として作成する。これを順次繰り返すことにより、画像を1/2ずつ縮小することができる。
この画像サイズ変更処理は、図4に示すように、平坦化処理された画像から、1/2、1/4、1/8、1/16及び1/32と5段階の縮小画像を作成するものである。例えば、1/2の縮小画像は平坦化処理された画像の4画素の平均値を1画素として作成するものである。また、1/4の縮小画像は1/2の縮小画像の4画素の平均値を1画素として作成する。これを順次繰り返すことにより、画像を1/2ずつ縮小することができる。
従って、平坦化処理された原画像が1200×1000の120万画素とすると、1/
2の縮小画像は600×500の30万画素、1/4の縮小画像は300×250の7万
5千画素、1/8の縮小画像は150×125の1万8750画素、1/16の縮小画像
は75×62の4650画素、1/32の縮小画像は38×31の1178画素を有する
画像ということになる。
このように、平坦化処理された画像から5段階の縮小画像を作成するのは、後述する筋状欠陥検出処理において、画像サイズを変えて種々の大きさのスジ欠陥を検出できるようにしたものである。
2の縮小画像は600×500の30万画素、1/4の縮小画像は300×250の7万
5千画素、1/8の縮小画像は150×125の1万8750画素、1/16の縮小画像
は75×62の4650画素、1/32の縮小画像は38×31の1178画素を有する
画像ということになる。
このように、平坦化処理された画像から5段階の縮小画像を作成するのは、後述する筋状欠陥検出処理において、画像サイズを変えて種々の大きさのスジ欠陥を検出できるようにしたものである。
次に、筋状欠陥検出処理手段65は、5段階の縮小画像に対してそれぞれスジ検出処理を行う(ステップS6)。
スジ検出処理では、白スジ検出処理および黒スジ検出処理が行われるが、これらの各処理は、基本原理は同じであるため、以下では白スジ検出処理に関して説明する。
スジ検出処理では、白スジ検出処理および黒スジ検出処理が行われるが、これらの各処理は、基本原理は同じであるため、以下では白スジ検出処理に関して説明する。
筋状欠陥検出処理手段65は、図5に示すように、領域選択手段651により、着目する画素を中心とした正方形(n×n)の選択領域のサイズを決定する(ステップS21)。本実施形態では、縮小画像作成手段64で複数段階の縮小画像を作成しているので、選択領域のサイズが固定であっても各種の幅寸法のスジ欠陥を検出できるが、さらに選択領域のサイズを設定できるようにすれば検出対象となるスジ欠陥の幅寸法を細かく設定できる。
なお、正方形の領域サイズにおいて、nは5以上にする必要がある。着目画素を中心とする正方形の選択領域を設定する場合、n=5よりも小さい領域はn=3の場合である。しかし、nが3では選択領域は3×3の9画素分しかなく、筋状欠陥と他の欠陥との区別が困難になるためである。
一方、nの最大値は特に限定されないが、領域サイズが大きすぎると、処理時間が増大するため、n<50であることが望ましい。通常は、検出精度および処理時間の点で、n=9またはn=11程度に設定すればよい。本実施形態では、n=9に設定されている。
なお、正方形の領域サイズにおいて、nは5以上にする必要がある。着目画素を中心とする正方形の選択領域を設定する場合、n=5よりも小さい領域はn=3の場合である。しかし、nが3では選択領域は3×3の9画素分しかなく、筋状欠陥と他の欠陥との区別が困難になるためである。
一方、nの最大値は特に限定されないが、領域サイズが大きすぎると、処理時間が増大するため、n<50であることが望ましい。通常は、検出精度および処理時間の点で、n=9またはn=11程度に設定すればよい。本実施形態では、n=9に設定されている。
次に、筋状欠陥検出処理手段65は、領域選択手段651により、着目画素を選択する(ステップS22)。通常、画像処理では、図6に示すように、画像の左上の画素を座標(0,0)とし、右上の画素を座標(xmax,0)とし、左下の画素を座標(0,ymax)とし、右下の画素を座標(xmax,ymax)としている。そして、検査を行う画素(着目画素)の選択は、左上の画素(座標(0,0))から右上の画素(xmax,0)の順に行う。次に、1段下の画素(0,1)から画素(xmax,1)の順に行い、以下、同様に繰り返して右下の画素(xmax,ymax)まで処理を行う。
そして、着目画素M0が選択されると、領域サイズ決定処理(ステップS21)で決定されたサイズに応じて、前記選択された着目画素M0を中心とする検出領域Eが設定される。
そして、着目画素M0が選択されると、領域サイズ決定処理(ステップS21)で決定されたサイズに応じて、前記選択された着目画素M0を中心とする検出領域Eが設定される。
次に、画素抽出手段652は、設定された領域内において各画素の輝度値を比較し、最大輝度を有する画素の座標値を抽出する(ステップS23)。
そして、抽出された画素に隣接する画素にマスクをかける(ステップS24)。すなわち、抽出した画素の座標の近傍1画素にマスクをかける。例えば、図7に示すように、座標(6,0)の画素M1が最大輝度の画素として抽出された場合、図7において斜線で示される周囲の画素にマスクをかける。なお、画素の座標は、選択された領域Eで設定されるものであり、X軸は左から右に向かって「0」から「8」とされ、Y軸は上から下に向かって「0」から「8」とされている。
そして、抽出された画素に隣接する画素にマスクをかける(ステップS24)。すなわち、抽出した画素の座標の近傍1画素にマスクをかける。例えば、図7に示すように、座標(6,0)の画素M1が最大輝度の画素として抽出された場合、図7において斜線で示される周囲の画素にマスクをかける。なお、画素の座標は、選択された領域Eで設定されるものであり、X軸は左から右に向かって「0」から「8」とされ、Y軸は上から下に向かって「0」から「8」とされている。
次に、筋状欠陥検出処理手段65は、画素の抽出数が、予め設定された所定数に達したか否かを判断する(ステップS25)。ここで、所定数に達していない場合には、ステップS23の領域内の最大輝度の画素の座標値抽出処理が再度実行される。この際、前回抽出された画素に隣接する画素(座標)は、前記ステップS24でマスク処理されているので、ステップS23での最大輝度の抽出対象から外される。つまり、既に抽出された画素およびその周囲1画素は次回以降の最大輝度の抽出対象から外される。
そして、ステップS23で新たに抽出された画素に隣接する画素にマスク処理を施し(ステップS24)、画素が所定数抽出されたかを判断し(ステップS25)、以下、所定数の画素が抽出されるまで、最大輝度画素の座標抽出(ステップS23)、隣接画素(座標)のマスク処理(ステップS24)が繰り返される。例えば、画素の抽出数が9に設定されていた場合、図8に示すように、M1〜M9の9個の画素が抽出される。
そして、ステップS23で新たに抽出された画素に隣接する画素にマスク処理を施し(ステップS24)、画素が所定数抽出されたかを判断し(ステップS25)、以下、所定数の画素が抽出されるまで、最大輝度画素の座標抽出(ステップS23)、隣接画素(座標)のマスク処理(ステップS24)が繰り返される。例えば、画素の抽出数が9に設定されていた場合、図8に示すように、M1〜M9の9個の画素が抽出される。
次に、筋状欠陥検出処理手段65は、ステップS25で所定数の画素が抽出されたと判定されると、画素抽出手段652により、これらの中から輝度値が閾値以上の画素の座標値を抽出する(ステップS26)。
これは、領域内で最大輝度の取得(ステップS23)をおこなっていくと、欠陥以外の部分の画素を抽出することがあるためである。従って、輝度値が極端に低い場合、つまり閾値未満の画素はスジ欠陥候補とみなさず、処理対象から外す。例えば、図9に示すように、画素M1〜M9において、輝度値はM1が最も高く、M9が最も低くなるが、この際、M8,M9が閾値未満の場合には、以下の処理は輝度値が閾値以上の画素M1〜M7を用いて実施される。
なお、閾値は、その画素が欠陥であるか否かを判断するものであるため、例えば、画面全体の各画素の輝度値の平均値や標準偏差などによって設定すればよい。
これは、領域内で最大輝度の取得(ステップS23)をおこなっていくと、欠陥以外の部分の画素を抽出することがあるためである。従って、輝度値が極端に低い場合、つまり閾値未満の画素はスジ欠陥候補とみなさず、処理対象から外す。例えば、図9に示すように、画素M1〜M9において、輝度値はM1が最も高く、M9が最も低くなるが、この際、M8,M9が閾値未満の場合には、以下の処理は輝度値が閾値以上の画素M1〜M7を用いて実施される。
なお、閾値は、その画素が欠陥であるか否かを判断するものであるため、例えば、画面全体の各画素の輝度値の平均値や標準偏差などによって設定すればよい。
筋状欠陥検出処理手段65は、ステップS26で閾値以上と判断された画素が予め設定された個数、例えば7個あるか否かを判断する(ステップS27)。
これは、閾値以上の輝度値を有する画素が1〜3個程度しか無い場合には、シミなどの筋状欠陥以外の欠陥の可能性が高く、以降の評価処理を行う必要がないためである。このため、ステップS27で「No」と判断された場合には、後述するステップS28〜S34の処理は行わず、ステップS35の処理に移行する。
これは、閾値以上の輝度値を有する画素が1〜3個程度しか無い場合には、シミなどの筋状欠陥以外の欠陥の可能性が高く、以降の評価処理を行う必要がないためである。このため、ステップS27で「No」と判断された場合には、後述するステップS28〜S34の処理は行わず、ステップS35の処理に移行する。
ステップS27で「Yes」と判断された場合には、図10に示すように、距離算出手段653は、着目画素M0を中心とする角度基準線Lを設定する(ステップS28)。そして、ステップS26で抽出された各画素M1〜M7の座標値と、ステップS28で設定された角度基準線Lとの距離Dを計算する(ステップS29)。この距離Dの計算は、着目画素M0を原点(0,0)とした場合の各画素Miの座標をMi(xi,yi)とした場合、次の式1〜3を用いて行われる。
すなわち、角度基準線Lがx軸に沿っている場合、つまり0°−180°方向の角度基準線の場合、各画素Miの距離Dは次の式1で表される。
距離D=|yi|……式1
また、角度基準線Lがy軸に沿っている場合、つまり90°−270°方向の角度基準線の場合、各画素Miの距離Dは次の式2で表される。
距離D=|xi|……式2
さらに、角度基準線Lがx軸、y軸以外の場合、つまり角度基準線がy=axで表される場合、各画素Miの距離Dは次の式3で表される。
距離D=|yi|……式1
また、角度基準線Lがy軸に沿っている場合、つまり90°−270°方向の角度基準線の場合、各画素Miの距離Dは次の式2で表される。
距離D=|xi|……式2
さらに、角度基準線Lがx軸、y軸以外の場合、つまり角度基準線がy=axで表される場合、各画素Miの距離Dは次の式3で表される。
筋状欠陥検出処理手段65は、ステップS29において、距離算出手段653によって、画素M1について前記式1〜3を用いた距離D1の計算を行い、次にすべての画素の距離計算が行われたか否かを判断する(ステップS30)。すべての画素に関して距離計算が終了していない場合には、ステップS29の距離算出処理に戻り、次の画素M2の距離計算を行う。
以上の処理を繰り返し、画素M1〜M7の各距離D1〜D7の算出が終了し、ステップS30で「Yes」と判定されると、筋状欠陥検出処理手段65は、すべての画素M1〜M7の座標点から角度基準線までの各距離D1〜D7を積算する(ステップS31)。
以上の処理を繰り返し、画素M1〜M7の各距離D1〜D7の算出が終了し、ステップS30で「Yes」と判定されると、筋状欠陥検出処理手段65は、すべての画素M1〜M7の座標点から角度基準線までの各距離D1〜D7を積算する(ステップS31)。
次に、筋状欠陥検出処理手段65は、すべての角度基準線との距離積算処理を行ったか否かを判定する(ステップS32)。すなわち、本実施形態では、様々な角度方向の筋状欠陥を検出できるように、予め複数の角度基準線Lを設定し、各角度基準線Lと各画素M1〜M7の座標値との距離D1〜D7を算出するようにしている。
なお、角度基準線の数などは適宜設定できるが、例えば、着目画素を通る横方向(0°)の角度基準線と、縦方向(90°)の角度基準線のみであると、斜め方向の筋状欠陥を検出することが難しくなる。従って、少なくとも45°刻み(0°、45°、90°、135°(−45°))の4本の角度基準線を用意することが好ましく、さらに前記角度の刻みを小さくして、より多くの角度基準線を用意することが、各方向の筋状欠陥を高精度に検出できる点で好ましい。但し、あまり角度基準線の数を多くすると、距離算出処理に時間がかかるため、通常は10°刻み以上(角度基準線の数が18本以下)にすることが好ましい。
本実施形態では、図11に示すように、30°刻み(0°、30°、60°、90°、120°、150°)の計6本の角度基準線L1〜L6を設定している。
なお、角度基準線の数などは適宜設定できるが、例えば、着目画素を通る横方向(0°)の角度基準線と、縦方向(90°)の角度基準線のみであると、斜め方向の筋状欠陥を検出することが難しくなる。従って、少なくとも45°刻み(0°、45°、90°、135°(−45°))の4本の角度基準線を用意することが好ましく、さらに前記角度の刻みを小さくして、より多くの角度基準線を用意することが、各方向の筋状欠陥を高精度に検出できる点で好ましい。但し、あまり角度基準線の数を多くすると、距離算出処理に時間がかかるため、通常は10°刻み以上(角度基準線の数が18本以下)にすることが好ましい。
本実施形態では、図11に示すように、30°刻み(0°、30°、60°、90°、120°、150°)の計6本の角度基準線L1〜L6を設定している。
従って、筋状欠陥検出処理手段65は、まず、ステップS28において、0°の角度基準線L1を設定し、ステップS29〜S31の処理を行うと、ステップS32ですべての角度基準線との距離算出・積算を行ったかを判断する。すべての角度基準線との距離算出・積算が終わっていない場合には、筋状欠陥検出処理手段65は、次の角度基準線、例えば30°の角度基準線L2を設定する(ステップS28)。以下、ステップS28〜S32を繰り返し、すべての角度基準線L1〜L6と画素M1〜M7の座標との距離計算および積算処理を行う。この処理結果の一例を図12に示す。
図12では、各画素M1〜M7の画像処理座標、着目画素の中心点を原点とした場合の各画素M1〜M7の中心点の位置を示す変換座標、各角度基準線毎の各画素M1〜M7の座標と各角度基準線との距離と、その合計値(積算値)とを示している。
図12では、各画素M1〜M7の画像処理座標、着目画素の中心点を原点とした場合の各画素M1〜M7の中心点の位置を示す変換座標、各角度基準線毎の各画素M1〜M7の座標と各角度基準線との距離と、その合計値(積算値)とを示している。
ステップS32ですべての角度基準線との距離算出・積算を行ったと判定されると、筋状欠陥検出処理手段65は、各角度基準線に対する各画素M1〜M7の距離の積算値のうち、最も小さな値(積算最小値)を選択する(ステップS33)。例えば、図12の例では、60°の角度基準線L3に対する距離積算値が最も小さいため、この距離積算値(9.196)を選択する。
ここで、距離積算値の最小値を選択するのは、各距離が小さいほど、その角度基準線に、各画素M1〜M7が沿っており、スジ欠陥がその角度基準線に沿って存在している可能性が高くなるためである。
ここで、距離積算値の最小値を選択するのは、各距離が小さいほど、その角度基準線に、各画素M1〜M7が沿っており、スジ欠陥がその角度基準線に沿って存在している可能性が高くなるためである。
次に、筋状欠陥検出処理手段65は、投票手段654により、ステップS34で選択された積算最小値に基づく投票値Pを投票空間に投票(プロット)する(ステップS34)。投票値Pは、積算最小値をそのまま利用することもできるが、本実施形態では、積算最小値の逆数に所定の係数をかけて求めている。すなわち、距離の積算値の最小値をDmin、係数をαとした場合、投票値Pは次の式4で表される。なお、本実施形態では、係数α=1000とされている。
なお、投票値Pを逆数としているのは、距離積算値が小さいほど、つまり筋状欠陥が角度基準線にそっているほど、投票値Pを大きくするためである。すなわち、閾値以上の輝度値を有する画素が所定数存在していない場合、投票値Pも算出されないため、その着目目画素に対応する投票空間のエリアは値が0となる。従って、投票値Pを最小基準値の逆数をベースにすれば、投票値Pが大きいほど、筋状欠陥が検出され、小さいほど筋状欠陥が検出されていないことになり、評価し易いためである。
また、投票空間は、元画像と同じサイズとされ、つまり元画像の画素数分のプロットエリアが設定されている。従って、複数段階に縮小された画像など、処理対象の画像が複数枚存在する場合には、各画像毎に投票空間が設定される。
また、投票空間は、元画像と同じサイズとされ、つまり元画像の画素数分のプロットエリアが設定されている。従って、複数段階に縮小された画像など、処理対象の画像が複数枚存在する場合には、各画像毎に投票空間が設定される。
そして、筋状欠陥検出処理手段65は、画像内の全画素に対してステップS22〜S34の処理が完了されたか否かを判定する(ステップS35)。そして、ステップS35で「No」と判定されると、次の着目画素が選択され、すべての画素の調査を完了するまで、上記ステップS22〜S34の処理が繰り返される。
すると、投票空間には、図13に示すように、算出された投票値Pが各着目画素対応部分にプロットされていく。
そして、ステップS35で「Yes」と判定されると、白スジ検出処理が完了する。
すると、投票空間には、図13に示すように、算出された投票値Pが各着目画素対応部分にプロットされていく。
そして、ステップS35で「Yes」と判定されると、白スジ検出処理が完了する。
白スジ検出処理が終了すると、筋状欠陥検出処理手段65は、図3に示すように、ステップS6において、黒スジ検出処理も設定されている場合には、白スジ検出処理後に続いて黒スジ検出処理を実行する。
なお、黒スジ検出処理は、図5のステップS23において、領域内の最小輝度の座標値を抽出する点と、ステップS26において、黒スジ検出用に設定された閾値以下の座標値を抽出する点のみが前記白スジ検出処理と異なるが、他の部分は同一であるため、説明を省略する。
なお、黒スジ検出処理は、図5のステップS23において、領域内の最小輝度の座標値を抽出する点と、ステップS26において、黒スジ検出用に設定された閾値以下の座標値を抽出する点のみが前記白スジ検出処理と異なるが、他の部分は同一であるため、説明を省略する。
筋状欠陥検出処理手段65は、各縮小画像に対して、上記白スジ検出処理および黒スジ検出処理を実施する。従って、縮小画像毎に、白スジ用投票空間および黒スジ用投票空間が得られる。
次に、統計データ計算手段66は、5段階の縮小画像に対してそれぞれ白スジ検出処理および黒スジ検出処理を行って得た10個の投票空間の投票値Pについて、投票空間全体の投票値Pの平均値、標準偏差を求める統計データ計算処理を行う(ステップS7)。
次に、blob処理手段67は、投票空間の各投票値Pデータに基づいて欠陥候補の抽出を行い、その評価値を求めるため、白スジ又は黒スジの欠陥候補の最大投票値、最小投票値、面積を求めるblob処理を行う(ステップS8)。
blob処理を行うためには、投票空間の投票値Pを2値化しなければならない。このため、本実施形態では、各着目画素の投票値Pが前記統計データ計算処理で得られた所定の閾値を越えた場合はスジ欠陥対象とし、閾値未満であればスジ欠陥ではないと判断して2値化し、blod処理する。
blob処理を行うためには、投票空間の投票値Pを2値化しなければならない。このため、本実施形態では、各着目画素の投票値Pが前記統計データ計算処理で得られた所定の閾値を越えた場合はスジ欠陥対象とし、閾値未満であればスジ欠陥ではないと判断して2値化し、blod処理する。
そして、評価値処理手段68は、blob処理により求めた各投票空間の中の、白スジ又は黒スジの欠陥候補の最大投票値、最小投票値、面積の情報と、各投票空間全体の投票値の平均値、標準偏差等に基づいて欠陥評価値を算出する評価値の計算処理を行う(ステップS9)。
そして、各縮小画像に対応する投票空間全ての評価値の最大値を取得して、この値により検査対象パネルの白スジ又は黒スジの欠陥のランクを決定し、分類する(ステップS10)。これにより、パネルの筋状欠陥の検出および評価が行える。
そして、各縮小画像に対応する投票空間全ての評価値の最大値を取得して、この値により検査対象パネルの白スジ又は黒スジの欠陥のランクを決定し、分類する(ステップS10)。これにより、パネルの筋状欠陥の検出および評価が行える。
この実施の形態によれば、次のような効果がある。
(1)筋状欠陥検出処理手段65は、領域選択手段651により選択された領域の中で、画素抽出手段652により予め設定された閾値以上の輝度値の画素を輝度値の大きい順に所定数抽出し、距離算出手段653により、抽出された各画素と、着目画素を通る角度基準線との距離の積算最小値を求め、投票手段654により、積算最小値に基づく投票値を算出しているので、投票値の値から着目画素を通る白スジ欠陥の有無を高精度に判断できる。
すなわち、白スジ欠陥がある場合、画素抽出手段652で抽出される各画素は、この筋状欠陥に沿ったものになる。従って、筋状欠陥に沿った角度基準線を設定すれば、距離算出手段653で算出される積算最小値も非常に小さくなる。一方、輝点やムラ等の筋状欠陥以外の欠陥がある場合、抽出される画素の位置はバラツキ、角度基準線との相関関係もないため、積算最小値も比較的大きくなる。従って、積算最小値に基づく投票値を求めることによって、点状欠陥やシミなどのノイズを検出せずに、筋状欠陥のみを高精度に検出できる。
さらに、筋状欠陥検出処理手段65による処理を、画像内の各画素に対して行うと、画像に対応する投票空間においては、各着目画素上に筋状欠陥が存在している場合、その着目画素の積算最小値がそれぞれ小さくなるため、その積算最小値に基づく投票値も、他の筋状欠陥が存在していない着目画素部分に比べて大きく異なることになる。従って、投票空間における投票値の分布に基づいて筋状欠陥の分布を高精度に検出でき、パネルの評価(ランク付け)も容易に行うことができる。
(1)筋状欠陥検出処理手段65は、領域選択手段651により選択された領域の中で、画素抽出手段652により予め設定された閾値以上の輝度値の画素を輝度値の大きい順に所定数抽出し、距離算出手段653により、抽出された各画素と、着目画素を通る角度基準線との距離の積算最小値を求め、投票手段654により、積算最小値に基づく投票値を算出しているので、投票値の値から着目画素を通る白スジ欠陥の有無を高精度に判断できる。
すなわち、白スジ欠陥がある場合、画素抽出手段652で抽出される各画素は、この筋状欠陥に沿ったものになる。従って、筋状欠陥に沿った角度基準線を設定すれば、距離算出手段653で算出される積算最小値も非常に小さくなる。一方、輝点やムラ等の筋状欠陥以外の欠陥がある場合、抽出される画素の位置はバラツキ、角度基準線との相関関係もないため、積算最小値も比較的大きくなる。従って、積算最小値に基づく投票値を求めることによって、点状欠陥やシミなどのノイズを検出せずに、筋状欠陥のみを高精度に検出できる。
さらに、筋状欠陥検出処理手段65による処理を、画像内の各画素に対して行うと、画像に対応する投票空間においては、各着目画素上に筋状欠陥が存在している場合、その着目画素の積算最小値がそれぞれ小さくなるため、その積算最小値に基づく投票値も、他の筋状欠陥が存在していない着目画素部分に比べて大きく異なることになる。従って、投票空間における投票値の分布に基づいて筋状欠陥の分布を高精度に検出でき、パネルの評価(ランク付け)も容易に行うことができる。
(2)筋状欠陥検出処理手段65は、白スジ検出工程および黒スジ検出工程を実施できるので、白スジ欠陥だけでなく、黒スジ欠陥も検出することができる。従って、各種の筋状欠陥を高精度にかつ容易に検出できる。
(3)最大輝度または最小輝度の画素を所定数抽出する際に、抽出された画素の周囲1画素にマスクをかけて、次の抽出対象から外しているので、輝点やムラ等の筋状欠陥以外の欠陥が抽出され難くなり、筋状欠陥を効果的に抽出でき、この点でも筋状欠陥を高精度に検出できる。
(4)画素抽出工程において、抽出された画素数が所定数に達していない場合には、その着目画素の投票値算出を行わないので、投票空間における各投票値同士を同条件で算出でき、その後の評価処理を精度よく実行でき、精度の高いスジ欠陥検出処理を行うことができる。
(5)複数本の角度基準線を予め設定しているので、着目画素毎に同じ角度基準線を用いて抽出画素との距離を算出でき、着目画素毎に同じ条件で評価できる。また、角度基準線が固定されていれば、式1〜3を用いて角度基準線と各抽出画素との距離を算出するほか、各画素の座標と、その座標および角度基準線の距離とを予め対照表に設定しておくこともでき、迅速に積算最小値を求めることもできる。
(6)投票工程において、積算最小値の逆数に所定の係数をかけて投票値を求めているので、スジ欠陥を検出できなかった着目画素部分の投票値を「0」にした際に、投票値が大きいほどスジ欠陥が角度基準線に沿っていることになり、筋状欠陥を感覚的に把握し易くなる。
(7)投票空間の各投票値に基づく統計データ計算処理を行い、求めた統計データに基づいてblob処理を行い、その後にblob処理により求めた欠陥候補の最大評価値、最小評価値、面積の情報と、投票空間全体の評価値の平均値、標準偏差に基づいて所定の式により欠陥評価値を算出する評価値計算処理を行い、評価値計算処理により求めた評価値により筋状欠陥のランクを決定するようにしたので、白スジ又は黒スジについて欠陥サイズの大小にかかわらず、スジ欠陥を高精度に検出することができ、しかもblob処理の対象が投票値において欠陥候補有りと判断されるものだけであるため、演算時間が短くて済み、欠陥の客観的なランク付けも短時間に行うことができる。
なお、本発明は、前記実施形態に限らない。
例えば、筋状欠陥の検出対象としては、前記のようなTFT素子を用いた液晶ライトバルブに限られるものではなく、その他のダイオード素子を用いた液晶パネルやプラズマディスプレイ、有機ELディスプレイ、DMD(ダイレクト・ミラー・デバイス)などの表示体部品、ならびにそれらを使用した表示装置・製品の検査に利用することができるものであり、これらに使用した場合でも本発明の範囲から除外されるものでないことはいうまでもない。
さらに、本発明は、各種表示装置の検査に限らず、例えば、家電製品のケースや車のボディなどに筋状の傷がある場合、これらを撮像して筋状の欠陥がある画像が得られればその傷を検出できるので、各種製品の傷検査などに応用することもできる。
例えば、筋状欠陥の検出対象としては、前記のようなTFT素子を用いた液晶ライトバルブに限られるものではなく、その他のダイオード素子を用いた液晶パネルやプラズマディスプレイ、有機ELディスプレイ、DMD(ダイレクト・ミラー・デバイス)などの表示体部品、ならびにそれらを使用した表示装置・製品の検査に利用することができるものであり、これらに使用した場合でも本発明の範囲から除外されるものでないことはいうまでもない。
さらに、本発明は、各種表示装置の検査に限らず、例えば、家電製品のケースや車のボディなどに筋状の傷がある場合、これらを撮像して筋状の欠陥がある画像が得られればその傷を検出できるので、各種製品の傷検査などに応用することもできる。
前記実施形態では、白スジおよび黒スジの両方を検出できるようにしていたが、例えば、白スジのみを検出すればよい場合には、黒スジの検出処理を行わずに処理してもよい。
筋状欠陥判定工程は、blob処理を行う前記実施形態の方法に限らず、他の処理方法を用いてもよい。
さらに、投票工程では、積算最小値の逆数に所定の係数をかけて投票値を求めていたが、積算最小値を逆数とせず、積算最小値に所定の係数をかけて投票値を求めてもよい。
筋状欠陥判定工程は、blob処理を行う前記実施形態の方法に限らず、他の処理方法を用いてもよい。
さらに、投票工程では、積算最小値の逆数に所定の係数をかけて投票値を求めていたが、積算最小値を逆数とせず、積算最小値に所定の係数をかけて投票値を求めてもよい。
前記実施形態では、複数の角度基準線を設定していたが、前記着目画素および抽出された画素の座標データから着目画素を通る近似直線を求め、この近似直線を角度基準線とし、この角度基準線と各抽出画素との距離を算出し、その距離の積算値を積算最小値としてもよい。このような近似直線を角度基準線とすれば、その角度基準線は1本に限定されるので、各抽出画素と角度基準線との距離算出処理を短時間で行うことができる。
前記実施形態では、輝度値の大きい順に所定数の画素を抽出後、閾値と比較し、閾値以上(あるいは閾値以下)の画素が設定数以上ある場合に、処理を続行していたが、設定数未満の場合にも処理を続行するようにしてもよい。この場合、積算する距離データの個数が各着目画素で異なるため、積算値も個数に応じて大きく相違してしまう。このため、積算値をデータ数でわって距離の平均値を求める等の処理を行うようにすればよい。
また、前記実施形態では、輝度値の大きい順に所定数の画素を抽出後、閾値と比較し、閾値以上(あるいは閾値以下)の画素が設定数以上あるか否かを判断していたが、例えば、最大輝度の画素を抽出する際に、閾値以上であるか否かも合わせて判断し、輝度値が閾値以上で輝度値が大きい順に画素を抽出するようにしてもよい。要するに、画素抽出工程では、欠陥と判断される画素を所定数抽出すればよい。
本発明は筋状欠陥検出処理工程を備えていればよく、背景差分処理工程、表示エリア抽出工程、平坦化処理工程、縮小画像作成工程などは必要に応じて設ければよい。
本発明は筋状欠陥検出処理工程を備えていればよく、背景差分処理工程、表示エリア抽出工程、平坦化処理工程、縮小画像作成工程などは必要に応じて設ければよい。
1…液晶ライトバルブ、2…プロジェクタ、3…パターンジェネレータ、4…スクリーン、5…CCDカメラ、6…コンピュータ装置、7…表示装置、60…画像入力手段、61…背景画像差分処理手段、62…表示エリア抽出手段、63…平坦化処理手段、64…縮小画像作成手段、65…筋状欠陥検出処理手段、66…統計データ計算手段、67…blob処理手段、68…評価値処理手段、651…領域選択手段、652…画素抽出手段、653…距離算出手段、654…投票手段。
Claims (12)
- 撮像した画像内の各画素に対して筋状欠陥検出処理を行う筋状欠陥検出処理工程を備え、
前記筋状欠陥検出処理工程は、
検査対象となる着目画素を選択し、前記着目画素を中心とする所定サイズの領域を選択する領域選択工程と、
前記領域選択工程で選択された領域内において、予め設定された閾値以上の輝度値の画素を、前記輝度値が大きい順に所定数抽出する画素抽出工程と、
前記画素抽出工程で抽出された各画素と、前記着目画素を通る角度基準線との距離の積算最小値を求める距離算出工程と、
前記距離算出工程で算出された積算最小値に基づく投票値を、画像に対応する投票空間において前記着目画素に対応する部分に投票する投票工程と、
を備えることを特徴とする筋状欠陥検出方法。 - 撮像した画像内の各画素に対して筋状欠陥検出処理を行う筋状欠陥検出処理工程を備え、
前記筋状欠陥検出処理工程は、
検査対象となる着目画素を選択し、前記着目画素を中心とする所定サイズの領域を選択する領域選択工程と、
前記領域選択工程で選択された領域内において、予め設定された閾値以下の輝度値の画素を、前記輝度値が小さい順に所定数抽出する画素抽出工程と、
前記画素抽出工程で抽出された各画素と、前記着目画素を通る角度基準線との距離の積算最小値を求める距離算出工程と、
前記距離算出工程で算出された積算最小値に基づく投票値を、画像に対応する投票空間において前記着目画素に対応する部分に投票する投票工程と、
を備えることを特徴とする筋状欠陥検出方法。 - 前記画素抽出工程は、選択された領域内における最大輝度値または最小輝度値の画素を抽出した後、前記抽出された画素に隣接する画素を除く領域内で最大輝度値または最小輝度値の画素を抽出する工程を繰り返して所定数の画素を抽出することを特徴とする請求項1または請求項2に記載の筋状欠陥検出方法。
- 前記画素抽出工程において、予め設定された閾値以上または閾値以下の画素を所定数抽出できなかった場合には、選択された着目画素に対する筋状欠陥検出処理工程を終了することを特徴とする請求項1から請求項3のいずれかに記載の筋状欠陥検出方法。
- 前記距離算出工程は、前記着目画素を通り、かつ、互いに角度が異なる複数本の角度基準線を予め設定し、前記画素抽出工程で抽出された各画素と各角度基準線との距離の積算値をそれぞれ求め、各積算値の最小値を前記積算最小値とすることを特徴とする請求項1から請求項4のいずれかに記載の筋状欠陥検出方法。
- 前記距離算出工程は、前記着目画素および前記画素抽出工程で抽出された各画素の座標データから前記着目画素を通る近似直線を求め、前記近似直線を角度基準線とし、前記画素抽出工程で抽出された各画素と前記角度基準線との距離の積算値を求め、前記積算値を前記積算最小値とする請求項1から請求項4のいずれかに記載の筋状欠陥検出方法。
- 前記投票工程は、距離算出工程で算出された積算最小値の逆数に所定の係数をかけて投票値を求めることを特徴とする請求項1から請求項6のいずれかに記載の筋状欠陥検出方法。
- 検査対象を撮像する撮像工程と、
画像から表示エリアの抽出を行う表示エリア抽出工程と、
撮像した画像から予め作成しておいた背景画像との差をとる背景画像差分処理工程と、
画像の平坦化処理を行う平坦化処理工程と、
複数の段階の縮小画像を作成する縮小画像作成工程と、
前記縮小画像作成工程で作成された各縮小画像に対して筋状欠陥検出処理を行う前記筋状欠陥検出処理工程と、
前記筋状欠陥検出処理工程で得られた投票空間の各投票値に基づいて筋状欠陥の有無を判定する筋状欠陥判定工程と、
を備えることを特徴とする請求項1から請求項7のいずれかに記載の筋状欠陥検出方法。 - 前記筋状欠陥判定工程は、
各縮小画像の各投票値に基づいて統計データを計算する統計データ計算工程と、
前記統計データを元にして欠陥候補の特性値を求めるblob処理を行い、前記blob処理により求められた欠陥候補の特性値と前記統計データに基づいて欠陥評価値を算出する欠陥評価値算出工程とを有することを特徴とする請求項8に記載の筋状欠陥検出方法。 - 撮像した画像内の各画素に対して筋状欠陥検出処理を行う筋状欠陥検出処理手段を備え、
前記筋状欠陥検出処理手段は、
撮像した画像に対して検査対象となる着目画素を選択し、前記着目画素を中心とする所定サイズの領域を選択する領域選択手段と、
前記領域選択手段で選択された領域内において、予め設定された閾値以上の輝度値の画素を、前記輝度値が大きい順に所定数抽出する画素抽出手段と、
前記画素抽出手段で抽出された各画素と、前記着目画素を通る角度基準線との距離の積算最小値を求める距離算出手段と、
前記距離算出手段で算出された積算最小値に基づく投票値を、画像に対応する投票空間において前記着目画素に対応する部分に投票する投票手段と、
を備えることを特徴とする筋状欠陥検出装置。 - 撮像した画像内の各画素に対して筋状欠陥検出処理を行う筋状欠陥検出処理手段を備え、
前記筋状欠陥検出処理手段は、
撮像した画像に対して検査対象となる着目画素を選択し、前記着目画素を中心とする所定サイズの領域を選択する領域選択手段と、
前記領域選択手段で選択された領域内において、予め設定された閾値以下の輝度値の画素を、前記輝度値が小さい順に所定数抽出する画素抽出手段と、
前記画素抽出手段で抽出された各画素と、前記着目画素を通る角度基準線との距離の積算最小値を求める距離算出手段と、
前記距離算出手段で算出された積算最小値に基づく投票値を、画像に対応する投票空間において前記着目画素に対応する部分に投票する投票手段と、
を備えることを特徴とする筋状欠陥検出装置。 - 検査対象を撮像する撮像手段と、
画像から表示エリアの抽出を行う表示エリア抽出手段と、
撮像した画像から予め作成しておいた背景画像との差をとる背景画像差分処理手段と、
画像の平坦化処理を行う平坦化処理手段と、
複数の段階の縮小画像を作成する縮小画像作成手段と、
前記縮小画像作成手段で作成された各縮小画像に対して筋状欠陥検出処理を行う前記筋状欠陥検出処理手段と、
前記筋状欠陥検出処理手段で得られた投票空間の各投票値に基づいて筋状欠陥の有無を判定する筋状欠陥判定手段と、
を備えることを特徴とする請求項10または請求項11に記載の筋状欠陥検出装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2004165905A JP2005345290A (ja) | 2004-06-03 | 2004-06-03 | 筋状欠陥検出方法及び装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2004165905A JP2005345290A (ja) | 2004-06-03 | 2004-06-03 | 筋状欠陥検出方法及び装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2005345290A true JP2005345290A (ja) | 2005-12-15 |
Family
ID=35497813
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2004165905A Withdrawn JP2005345290A (ja) | 2004-06-03 | 2004-06-03 | 筋状欠陥検出方法及び装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2005345290A (ja) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007322256A (ja) * | 2006-06-01 | 2007-12-13 | Dainippon Screen Mfg Co Ltd | ムラ検査方法、ムラ検査装置およびプログラム |
JP2008096296A (ja) * | 2006-10-12 | 2008-04-24 | Lasertec Corp | 異物検査方法及びその異物検査方法を用いた異物検査装置 |
JP2010092461A (ja) * | 2008-09-12 | 2010-04-22 | Canon Inc | 画像処理装置及び画像処理方法 |
JP2011028588A (ja) * | 2009-07-27 | 2011-02-10 | Canon Inc | 情報処理装置、ライン状ノイズ低減処理方法、及びプログラム |
JP2011163852A (ja) * | 2010-02-08 | 2011-08-25 | Kobe Steel Ltd | 外観検査装置 |
JP2014167430A (ja) * | 2013-02-28 | 2014-09-11 | Shin Nippon Koki Co Ltd | 欠陥検査システム、欠陥検査プログラムおよび欠陥検査方法 |
US9140546B2 (en) | 2010-07-30 | 2015-09-22 | Kla-Tencor Corporation | Apparatus and method for three dimensional inspection of wafer saw marks |
CN113569713A (zh) * | 2021-07-23 | 2021-10-29 | 浙江大华技术股份有限公司 | 视频图像的条纹检测方法及装置、计算机可读存储介质 |
CN114598830A (zh) * | 2021-03-05 | 2022-06-07 | 黑芝麻智能科技有限公司 | 缺陷像素校正方法 |
CN115035865A (zh) * | 2022-05-05 | 2022-09-09 | 石家庄市京华电子实业有限公司 | 一种基于led背光的光阀组件的分区调光方法 |
CN116912181A (zh) * | 2023-06-30 | 2023-10-20 | 深圳市圆周检测技术有限公司 | 一种屏幕均匀度检测方法、系统和可读存储介质 |
CN117471292A (zh) * | 2023-12-28 | 2024-01-30 | 深圳市森美协尔科技有限公司 | 晶圆裂痕识别方法及相关装置 |
CN117830299A (zh) * | 2024-03-04 | 2024-04-05 | 湖南南源新材料有限公司 | 一种无纺布表面缺陷检测方法及系统 |
CN116912181B (zh) * | 2023-06-30 | 2024-04-26 | 深圳市圆周检测技术有限公司 | 一种屏幕均匀度检测方法、系统和可读存储介质 |
-
2004
- 2004-06-03 JP JP2004165905A patent/JP2005345290A/ja not_active Withdrawn
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007322256A (ja) * | 2006-06-01 | 2007-12-13 | Dainippon Screen Mfg Co Ltd | ムラ検査方法、ムラ検査装置およびプログラム |
JP2008096296A (ja) * | 2006-10-12 | 2008-04-24 | Lasertec Corp | 異物検査方法及びその異物検査方法を用いた異物検査装置 |
JP2010092461A (ja) * | 2008-09-12 | 2010-04-22 | Canon Inc | 画像処理装置及び画像処理方法 |
JP2011028588A (ja) * | 2009-07-27 | 2011-02-10 | Canon Inc | 情報処理装置、ライン状ノイズ低減処理方法、及びプログラム |
JP2011163852A (ja) * | 2010-02-08 | 2011-08-25 | Kobe Steel Ltd | 外観検査装置 |
US9140546B2 (en) | 2010-07-30 | 2015-09-22 | Kla-Tencor Corporation | Apparatus and method for three dimensional inspection of wafer saw marks |
JP2014167430A (ja) * | 2013-02-28 | 2014-09-11 | Shin Nippon Koki Co Ltd | 欠陥検査システム、欠陥検査プログラムおよび欠陥検査方法 |
CN114598830A (zh) * | 2021-03-05 | 2022-06-07 | 黑芝麻智能科技有限公司 | 缺陷像素校正方法 |
CN114598830B (zh) * | 2021-03-05 | 2023-05-09 | 黑芝麻智能科技有限公司 | 缺陷像素校正方法 |
CN113569713A (zh) * | 2021-07-23 | 2021-10-29 | 浙江大华技术股份有限公司 | 视频图像的条纹检测方法及装置、计算机可读存储介质 |
CN115035865A (zh) * | 2022-05-05 | 2022-09-09 | 石家庄市京华电子实业有限公司 | 一种基于led背光的光阀组件的分区调光方法 |
CN116912181A (zh) * | 2023-06-30 | 2023-10-20 | 深圳市圆周检测技术有限公司 | 一种屏幕均匀度检测方法、系统和可读存储介质 |
CN116912181B (zh) * | 2023-06-30 | 2024-04-26 | 深圳市圆周检测技术有限公司 | 一种屏幕均匀度检测方法、系统和可读存储介质 |
CN117471292A (zh) * | 2023-12-28 | 2024-01-30 | 深圳市森美协尔科技有限公司 | 晶圆裂痕识别方法及相关装置 |
CN117471292B (zh) * | 2023-12-28 | 2024-03-19 | 深圳市森美协尔科技有限公司 | 晶圆裂痕识别方法及相关装置 |
CN117830299A (zh) * | 2024-03-04 | 2024-04-05 | 湖南南源新材料有限公司 | 一种无纺布表面缺陷检测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7978903B2 (en) | Defect detecting method and defect detecting device | |
JP2008170325A (ja) | シミ欠陥検出方法およびシミ欠陥検出装置 | |
JP2007285754A (ja) | 欠陥検出方法および欠陥検出装置 | |
JP2007172397A (ja) | エッジ勾配検出方法、シミ欠陥検出方法、エッジ勾配検出装置、シミ欠陥検出装置 | |
US11317067B2 (en) | Method and system for inspecting display image | |
JP2009259036A (ja) | 画像処理装置、画像処理方法、画像処理プログラム、記録媒体、及び画像処理システム | |
JP2005345290A (ja) | 筋状欠陥検出方法及び装置 | |
JP2005172559A (ja) | パネルの線欠陥検出方法及び装置 | |
JP2005249415A (ja) | シミ欠陥の検出方法及び装置 | |
JP2009036582A (ja) | 平面表示パネルの検査方法、検査装置及び検査プログラム | |
JP2006258713A (ja) | シミ欠陥検出方法及び装置 | |
JP2005165387A (ja) | 画面のスジ欠陥検出方法及び装置並びに表示装置 | |
JP4244046B2 (ja) | 画像処理方法および画像処理装置 | |
KR20120105149A (ko) | 평판패널 기판의 자동광학검사 방법 및 그 장치 | |
JP2004212311A (ja) | ムラ欠陥の検出方法及び装置 | |
JP2004239733A (ja) | 画面の欠陥検出方法及び装置 | |
JP2008014842A (ja) | シミ欠陥検出方法及び装置 | |
KR20220060080A (ko) | 표시 기판의 결함 검사 방법 | |
JP2005283197A (ja) | 画面のスジ欠陥検出方法及び装置 | |
JP2009294027A (ja) | パターン検査装置及び方法 | |
JP2005140655A (ja) | シミ欠陥の検出方法及びその検出装置 | |
JPH11257937A (ja) | 欠陥検査方法 | |
JP2007285868A (ja) | 輝度勾配検出方法、欠陥検出方法、輝度勾配検出装置および欠陥検出装置 | |
JP2004219291A (ja) | 画面の線欠陥検出方法及び装置 | |
JP2008171142A (ja) | シミ欠陥検出方法及び装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A300 | Withdrawal of application because of no request for examination |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 20070807 |