JP2005346300A - 筋状欠陥検出方法及び装置 - Google Patents

Abstract

【課題】 輝点や黒点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】 撮像した画像に対して筋状欠陥を検出する筋状欠陥検出フィルタをかける筋状欠陥検出フィルタ処理工程と、この工程で得られた検出値に基づいて筋状欠陥を検出する工程とを有する。筋状欠陥検出フィルタは、欠陥検出領域に対して所定の係数が設定された欠陥検出領域用フィルタと、欠陥検出領域の外周部の特定領域に対して所定の係数がそれぞれ設定された２つの特定領域用フィルタとを有するベースフィルタを、筋状欠陥の検出方向に複数並べて構成する。筋状欠陥検出フィルタ処理工程は、画像に対して各ベースフィルタの各フィルタをかけて畳み込み演算をそれぞれ行い、各演算結果に基づいて各ベースフィルタの検出結果を算出する工程と、ベースフィルタ毎の検出結果のメディアン値を筋状欠陥の検出値とする工程とを備える。
【選択図】 図２０

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、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（線状欠陥）の検出方法として、線検出オペレータを用いたもの（例えば、非特許文献１参照）や、微小領域内で様々な角度の線状領域を設定して、その線状領域の画素輝度情報を加算して、その最大値から筋状欠陥を検出する方法（例えば、特許文献１参照）がある。

「画像解析ハンドブック」、高木幹雄、下田陽久、東京大学出版会、（１９９１）、ｐ５６４〜５６７ 特開平１０−２４０９３３号公報（第１頁、図１）

これらの筋状欠陥の検出方法は、いずれも筋状欠陥（スジ欠陥、線状欠陥）だけでなく、輝点欠陥や黒点欠陥が存在した場合には、これらも検出してしまうため、筋状欠陥の検出精度を向上させることができないという問題もあった。

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、輝点や黒点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、撮像した画像に対して筋状欠陥を検出する筋状欠陥検出フィルタをかける筋状欠陥検出フィルタ処理工程と、筋状欠陥検出フィルタ処理工程で得られた検出値に基づいて筋状欠陥を検出する筋状欠陥検出工程とを有し、前記筋状欠陥検出フィルタは、欠陥検出領域に対して所定の係数が設定された欠陥検出領域用フィルタと、この欠陥検出領域の外周部の２つの特定領域に対して所定の係数がそれぞれ設定された２つの特定領域用フィルタとを有するベースフィルタを、筋状欠陥の検出方向に複数並べて構成され、前記筋状欠陥検出フィルタ処理工程は、前記画像に対して各ベースフィルタの欠陥検出領域用フィルタおよび特定領域用フィルタをかけて畳み込み演算をそれぞれ行い、各演算結果に基づいて各ベースフィルタ毎の検出結果を算出する工程と、ベースフィルタ毎の検出結果のメディアン値を筋状欠陥の検出値とする工程とを備えることを特徴とする。

本発明では、ベースフィルタを筋状欠陥の検出方向に複数個並べた筋状欠陥検出フィルタを用い、各ベースフィルタの検出値のメディアン値を検出値としているので、筋状欠陥検出フィルタの検出方向の長さの約半分以上の長さを有する筋状の欠陥のみを検出でき、それ以下の長さの短い欠陥、例えば、輝点や黒点等の点状の欠陥の検出を確実に排除できる。従って、筋状欠陥（線状欠陥）のみ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、検査対象を撮像する撮像工程と、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、画像から表示エリアの抽出を行う表示エリア抽出工程と、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を備え、前記筋状欠陥検出フィルタ処理工程は、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フィルタをかけることが好ましい。
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枚程度の良品サンプル画像を平均化したものなどが利用される。
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、筋状欠陥のサイズに応じた複数種類のフィルタを用意する必要が無く、各種サイズ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、前記筋状欠陥検出工程は、筋状欠陥検出フィルタ処理工程の検出値に基づいて、各縮小画像の統計データを計算する統計データ計算工程と、その統計データを元にして計算した閾値に基づいて欠陥候補を抽出する欠陥候補抽出工程と、抽出された欠陥候補の情報に基づき、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検出値（輝度値）の閾値を設定し、この閾値を用いて欠陥候補を抽出しているので、欠陥の有無の判定を短時間で容易に行うことができる。また、抽出された欠陥候補の情報に基づいて欠陥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。

本発明の画面の筋状欠陥検出方法においては、前記欠陥評価値算出工程は、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するものであることが好ましい。
欠陥評価値算出工程は、欠陥候補抽出工程で抽出された欠陥候補に対してのみ行えばよいため、ｂｌｏｂ処理を行う演算時間を短くでき、欠陥のランク付け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、前記筋状欠陥検出フィルタ処理工程は、前記画像の各画素の輝度値に対して各ベースフィルタの欠陥検出領域用フィルタおよび２つの特定領域用フィルタをかけて畳み込み演算をそれぞれ行い、欠陥検出領域用フィルタの畳み込み演算結果をＦ_VB、２つの特定領域用フィルタの畳み込み演算結果をそれぞれＦ_VA、Ｆ_VC、欠陥検出領域用フィルタの係数をK1、各特定領域用フィルタの係数をK2、欠陥検出領域用フィルタの係数K1の合計値をΣK1、各特定領域用フィルタの係数K2の合計値をΣK2、条件１を((Ｆ_VA×ΣK1/ΣK2＜Ｆ_VB)and(Ｆ_VC×ΣK1/ΣK2＜Ｆ_VB))or((Ｆ_VA×ΣK1/ΣK2＞Ｆ_VB)and(Ｆ_VC×ΣK1/ΣK2＞Ｆ_VB))、所定の係数をαとした場合、ベースフィルタの検出結果Ｆ_Vは、前記条件１を満たす場合は、Ｆ_V＝（Ｆ_VB−（Ｆ_VA＋Ｆ_VC)）／ΣK1×αで求め、前記条件１を満たさない場合は、Ｆ_V＝０とし、各ベースフィルタの検出結果のメディアン値を、前記筋状欠陥検出フィルタがかけられた画像の中心にある画素の輝度値とすることが好ましい。
このような筋状欠陥検出フィルタ処理工程を実施すれば、白スジだけでなく、黒スジの欠陥も検出できるとともに、筋状欠陥以外の欠陥を排除できる。

本発明の筋状欠陥検出方法においては、前記筋状欠陥検出フィルタのベースフィルタは、所定の領域に所定の係数が設定された欠陥検出領域用基準フィルタおよび特定領域用基準フィルタを、筋状欠陥の検出方向の角度に応じて回転させて作成した欠陥検出領域用角度フィルタおよび特定領域用角度フィルタで構成されていることが好ましい。
このような構成によれば、基準フィルタを回転させることで各角度方向の筋状欠陥を検出するフィルタを作成できるので、様々な角度方向の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、前記欠陥検出領域用角度フィルタおよび特定領域用角度フィルタは、前記欠陥検出領域用基準フィルタおよび特定領域用基準フィルタをそのフィルタの中心を軸として前記検出角度分回転し、回転後の各基準フィルタの各領域を、前記欠陥検出領域用角度フィルタおよび特定領域用角度フィルタの各領域で分割し、分割された領域の面積の割合を算出し、その割合に基づいて回転後の基準フィルタの係数を分割して各分割領域に割り当て、各角度フィルタの領域に含まれる各分割領域の係数を加算して各角度フィルタの各領域に割り当てることで構成されていることが好ましい。
このように構成すれば、基準フィルタを基にして、ある角度の筋状欠陥を検出するためのフィルタを計算処理で作成することができるので、様々な角度の筋状欠陥を検出するためのフィルタを容易に用意でき、各種角度方向の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、前記筋状欠陥検出フィルタ処理工程は、ベースフィルタ毎の検出結果または各ベースフィルタ毎の検出結果のメディアン値に、その画像の階調の半分の値をオフセット値として加算することが好ましい。
ベースフィルタの検出結果にオフセット値を加算したり、メディアン値にオフセット値を加算すれば、白スジ欠陥だけでなく、黒スジ欠陥も処理でき、各欠陥を高精度に検出できる。
なお、オフセット値は、各欠陥に応じて適宜設定してもよいが、特に、画像の階調の中間値とすることが好ましい。例えば、１２ビット（４０９６階調）の場合、２０４８をオフセット値として加算すればよい。階調の中間値をオフセット値とすれば、白スジおよび黒スジの検出輝度範囲を同一にできる。

本発明の筋状欠陥検出装置は、撮像した画像に対して筋状欠陥を検出する筋状欠陥検出フィルタをかける筋状欠陥検出フィルタ処理手段と、筋状欠陥検出フィルタ処理手段で得られた検出値に基づいて筋状欠陥を検出する筋状欠陥検出手段とを有し、前記筋状欠陥検出フィルタは、欠陥検出領域に対して所定の係数が設定された欠陥検出領域用フィルタと、この欠陥検出領域の外周部の２つの特定領域に対して所定の係数がそれぞれ設定された２つの特定領域用フィルタとを有するベースフィルタを、筋状欠陥の検出方向に複数並べて構成され、前記筋状欠陥検出フィルタ処理手段は、前記画像に対して各ベースフィルタの欠陥検出領域用フィルタおよび特定領域用フィルタをかけて畳み込み演算をそれぞれ行い、各演算結果に基づいて各ベースフィルタ毎の検出結果を算出し、ベースフィルタ毎の検出結果のメディアン値を筋状欠陥の検出値とすることを特徴とする。

本発明では、ベースフィルタを筋状欠陥の検出方向に複数個並べた筋状欠陥検出フィルタを用い、各ベースフィルタの検出値のメディアン値を検出値としているので、筋状欠陥検出フィルタの検出方向の長さの約半分以上の長さを有する筋状の欠陥のみを検出でき、それ以下の長さの短い欠陥、例えば、輝点や黒点等の点状の欠陥の検出を確実に排除できる。従って、筋状欠陥（線状欠陥）のみを高精度に検出できる。

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、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、画像から表示エリアの抽出を行う表示エリア抽出手段と、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を備え、前記筋状欠陥検出フィルタ処理手段は、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フィルタをかけることが好ましい。
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、筋状欠陥のサイズに応じた複数種類のフィルタを用意する必要が無く、各種サイズの筋状欠陥を検出できる。

本発明の筋状欠陥検出装置においては、前記筋状欠陥検出フィルタ処理手段は、前記画像の各画素の輝度値に対して各ベースフィルタの欠陥検出領域用フィルタおよび２つの特定領域用フィルタをかけて畳み込み演算をそれぞれ行い、欠陥検出領域用フィルタの畳み込み演算結果をＦ_VB、２つの特定領域用フィルタの畳み込み演算結果をそれぞれＦ_VA、Ｆ_VC、欠陥検出領域用フィルタの係数をK1、各特定領域用フィルタの係数をK2、欠陥検出領域用フィルタの係数K1の合計値をΣK1、各特定領域用フィルタの係数K2の合計値をΣK2、条件１を((Ｆ_VA×ΣK1/ΣK2＜Ｆ_VB)and(Ｆ_VC×ΣK1/ΣK2＜Ｆ_VB))or((Ｆ_VA×ΣK1/ΣK2＞Ｆ_VB)and(Ｆ_VC×ΣK1/ΣK2＞Ｆ_VB))、所定の係数をαとした場合、ベースフィルタの検出結果Ｆ_Vは、前記条件１を満たす場合は、Ｆ_V＝（Ｆ_VB−（Ｆ_VA＋Ｆ_VC)）／ΣK1×αで求め、前記条件１を満たさない場合は、Ｆ_V＝０とし、各ベースフィルタの検出結果のメディアン値を、前記筋状欠陥検出フィルタがかけられた画像の中心にある画素の輝度値とすることが好ましい。
このような筋状欠陥検出フィルタ処理手段によれば、白スジだけでなく、黒スジの欠陥も検出できるとともに、筋状欠陥以外の欠陥を排除できる。

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。

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、筋状欠陥検出フィルタ処理手段である線検出フィルタ処理手段６５と、統計データ計算手段６６と、欠陥候補有無判断手段６７と、ｂｌｏｂ処理手段６８と、評価値処理手段６９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欠陥上の輝度変化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。線検出フィルタ処理手段６５は、各縮小画像に対して異なる方向の線検出フィルタ（筋状欠陥検出フィルタ）をかけて筋状欠陥を強調して検出する筋状欠陥検出フィルタ処理を実施する。
統計データ計算手段６６はスジ欠陥が強調された画像の全領域における各画素の輝度値から画面全体の輝度値の平均値、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。

欠陥候補有無判断手段６７は、輝度値の平均値、標準偏差、最大値及び最小値に基づいて白スジ及び黒スジの閾値を設定し、これらの値と該閾値とから欠陥候補の有無を判断する欠陥候補抽出工程を実施する。
ｂｌｏｂ処理手段６８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６９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６８および評価値処理手段６９により欠陥評価値算出工程が実施される。

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２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２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２のフローチャートに基づいて説明する。
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、図３（Ａ）に示す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図３（Ｂ）に示す背景画像を減算し、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、図３（Ｃ）に示す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。

なお、図４（Ａ）に示すグラフは、図３（Ａ）の被検査部の画面部分だけが抽出された画像である背景差分処理前画像の点線部分における輝度値をプロットしたものである。図４（Ｂ）に示すグラフは、図３（Ｂ）の背景画像の点線部分における輝度値をプロットしたものである。図４（Ｃ）に示すグラフは、図３（Ｃ）の背景差分処理後画像の点線部分における輝度値をプロットしたものである。
このように図３及び図４を見ると、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ていることが分かる。

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。

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。

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５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、後述する線検出フィルタが所定の大きさのスジ欠陥しか強調させて検出できないので、逆に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、筋状欠陥検出フィルタ処理手段である線検出フィルタ処理手段６５は、５段階の縮小画像に対してそれぞれ線検出フィルタ処理を行う（ステップＳ６）。この線検出フィルタ処理は、そのままでは微少なレベルの白スジ・黒スジ・ラビスジ欠陥の検出が難しいために、画像の中のスジ欠陥のみを強調するように、１つの縮小画像に対して、複数枚の画像のコピーを作成して、それぞれの画像に対して筋状欠陥の検出角度が異なる線検出フィルタ（筋状欠陥検出フィルタ）を１種類ずつ適用し、所定角度の筋状欠陥を検出する。
例えば、本実施形態では、３枚の画像のコピーを作成して、それぞれの画像に対して１種類ずつの線検出フィルタを適用し、計４種類の線検出フィルタをかけて欠陥強調演算を行うものである。
４種類の線検出フィルタには、水平の線の強調処理を行う横線検出フィルタと、垂直の線の強調処理を行う縦線検出フィルタと、＋４５°の線の強調処理を行う斜め線検出フィ
ルタと、−４５°の線の強調処理を行う斜め線検出フィルタとがある。

ここで、本実施形態における各線検出フィルタ（筋状欠陥検出フィルタ）の作成方法に関し、説明する。
本実施形態では、図６に示すように、基準となる３種類のフィルタが用意されている。各フィルタは、縦９個×横９個（９×９）の領域を備え、図６（Ａ）に示す特定領域用基準フィルタＦＡは、左から１〜３列で上から３〜６行の９個の領域に係数「１」が設定され、他の領域は係数「０」が設定されている。同様に、図６（Ｂ）に示す欠陥検出領域用基準フィルタＦＢは、左から４〜６列、上から３〜６行の９個の領域のみ係数「２」が設定され、他の領域は係数「０」が設定されている。また、図６（Ｃ）に示す特定領域用基準フィルタＦＣは、左から７〜９列、上から３〜６行の９個の領域のみ係数「１」が設定され、他の領域は係数「０」が設定されている。
なお、本実施形態ではフィルタを構成する各成分（係数）の値は整数であったが、実数（浮動小数点数）を用いてもよい。

本実施形態では、この３つの基準フィルタを組み合わせてベースフィルタを構成し、このベースフィルタを筋状欠陥検出方向に並べて筋状欠陥検出フィルタＦを構成する。そして、図６の各基準フィルタＦＡ〜ＦＣは、係数が「２」とされた欠陥検出領域用基準フィルタＦＢの左右に特定領域用基準フィルタＦＡ，ＦＣが配置されるため、０°つまり縦方向の筋状欠陥を検出する際のベースフィルタとなる。

０°以外の角度の筋状欠陥を検出するフィルタは、前記基準フィルタＦＡ〜ＦＣに基づいて作成している。なお、本実施形態では、図７に示すように、縦（垂直）方向の線成分を協調するフィルタ、つまり縦方向の筋状欠陥を検出するフィルタを０°の角度の線を強調するフィルタ（縦方向の筋状欠陥検出フィルタ）と定義する。そして、この線を右回りさせる方向（図７の矢印方向）をプラス方向と設定する。本実施形態ではこのように設定するが、同一の処理系で固定しておけば、例えば横（水平）方向を０゜としても、他の任意の角度を０゜としても特に問題はない。また、回転の方向のプラスマイナスについても限定するものではなく、左回りをプラス方向に設定してもよい。

次に、本実施形態において、各角度毎のフィルタの作成方法について説明する。基準フィルタは、前述したように、図６に示す基準フィルタＦＡ〜ＦＣである。基準フィルタＦＡ〜ＦＣは、基準フィルタＦＢの係数「２」の部分に白スジや黒スジ等の欠陥があり、かつ基準フィルタＦＡ，ＦＣの係数「１」の部分に欠陥がない場合、つまり基準フィルタＦＢの係数「２」部分の２〜３画素幅の欠陥を主に検出できるように設定されている。
なお、これらの基準フィルタＦＡ〜ＦＣでは、縦方向には２〜３画素分の長さがあれば検出されるため、筋状欠陥の他、輝点や黒点のように局所的な欠陥も検出されるが、後述するように、基準フィルタＦＡ〜ＦＣからなるベースフィルタを複数並べて筋状欠陥検出フィルタＦを構成することで、一定長さ以上の筋状欠陥のみを検出できるようにしている。

図８は基準フィルタを検出しようとする角度に回転した場合を表す概念図である。図８に基づいてフィルタ作成の演算手順について説明する。このフィルタ作成処理は、線検出フィルタ処理手段６５で実行される。
ここで、一般的にコンピュータ等の処理装置で行う画像処理は、離散的なデータを扱っている。例えば画像処理で用いる画像データを構成する数値は撮像素子の各ポイント（点）に対応する値であり、通常、エリア（領域）的な情報は含まれない。これはフィルタも同様である。これを本実施形態では、フィルタの各成分が有効となるエリアを有するものと概念的にみなす。本実施形態で用いる基準フィルタでは、９×９の正方形のエリアで構成されているものとし、各エリア内で、各成分の値を持っているものとみなす。各エリアについては２次元の座標値で表す（水平方向をＸ方向、垂直方向をＹ方向とする）。

まず、新たに作成する角度フィルタで検出しようとする線成分（筋状欠陥）の角度を決定する。ここでは約１０゜の線成分を検出するものとしている。そして、図８のように基準フィルタをその角度で回転させる。図８においては、回転後の基準フィルタ（以下、回転フィルタという）は点線で表している。実線は、新たな角度フィルタを構成するエリア情報で、本実施の形態では回転前の基準フィルタの座標系と同じものを使用している。

ここで、新たな角度フィルタのサイズは、回転前の基準フィルタのサイズより大きいものとなっているが、これはフィルタを回転させることにより、新しく作成されるフィルタは、基準フィルタに比べ、最大約１．４倍の大きさになる（本実施の形態のように９×９のサイズの基準フィルタでは最大１３×１３のサイズのフィルタになる）ためで、新たな角度フィルタを構成するサイズについては、その分を考慮して用意しておく。実際には、メモリ等、ハードウェア資源の節約等の関係から、用意する新たなフィルタの座標系（座標）は有限となるが、なるべく余裕をもって設けておく方がよい。
なお、本実施形態では、各基準フィルタＦＡ，ＦＣは、４〜６列のみに係数「１」が設定され、他は係数０である。従って、新たな角度フィルタは、基準フィルタＦＡ〜ＦＣを回転させた際に、前記係数「１」部分が影響するサイズであればよく、図８に示すように、１１×１１のサイズのフィルタとすればよい。

図９は図８の一部を拡大した図である。図９では、図８において丸で囲った部分（回転した基準フィルタのエリア（座標）（４行１列、以下４，１と記載する）付近の位置）について拡大している。図９に示すように、基準フィルタの（４，１）成分の数値（係数）は「１」である。次に、回転した基準フィルタのエリアを新たな角度フィルタの座標系（以下、新たな座標系という）へ概念的に投影すると、回転した基準フィルタの各成分は、新たな座標系に構成されたそれぞれのエリアによって分割される。その分割されたエリアの面積の割合（以下、面積割合という）を計算する（図１０）。回転した基準フィルタの（４，１）成分は、それぞれ新たな角度フィルタのエリアにより５２％、２５％、１６％及び７％の面積割合で４分割される。線検出フィルタ処理手段６５は、さらに、計算した面積割合で基準フィルタの成分の値を分割する（図１１）。ここでは、基準フィルタの成分の値は「１」であるため、面積割合を掛けると分割エリアの面積の大きい順から「０．５２，０．２５，０．１６，０．０７」となる。

図１２は新たな角度フィルタの成分の数値算出方法を表す概念図である。上記のような基準フィルタの各成分の分割を基準フィルタの全てのエリアに対して行い、新たな座標系で構成されるそれぞれのエリアにおいて、そのエリア内に含まれる分割エリアの算出された数値をそれぞれ加算する（図１２（Ａ））。このようにして算出された数値が、検出対象となる所望の角度を成す線成分を適切に検出する新たな角度フィルタの成分の値となる（図１２（Ｂ））。例えば、図１２の例では、新たな角度フィルタの領域に含まれる分割エリアの数値は、０．５２と、０であるため、新たな角度フィルタの成分はこれらの数値を加算した「０．５２」となる。

図１３は、特定領域用基準フィルタＦＡを１０゜回転して作成した特定領域用角度フィルタＦＡ₁₀を表す図である。ここで、図１３のフィルタの各成分の値は、一般的なアルゴリズムであるモンテカルロ法を利用して算出しており、回転した基準フィルタと新たな座標系に作られたそれぞれのエリアによってできる分割エリアの面積割合を乱数を用いて算出した上で、各成分の値を計算したものである。本実施の形態ではモンテカルロ法を利用しているが、分割エリアの面積割合の算出方法はこれに限定するものではなく、例えば全てのエリアについて座表計算に基づいて面積を計算して求めても良い。

線検出フィルタ処理手段６５は、基準フィルタＦＢ，ＦＣについても、同様の計算を行い、欠陥検出領域用角度フィルタＦＢ₁₀、特定領域用基準フィルタＦＣ₁₀を作成する。
なお、各種の角度フィルタは、画像に対してフィルタをかける処理を行う際に、計算して求めてもよいが、処理時間短縮のためには、予め作成して登録しておくことが好ましい。例えば、本実施形態では、０°（垂直方向Ｖ）、＋４５°、９０°（水平方向Ｈ）、−４５°の４方向のフィルタを予め作成し登録している。なお、さらに、＋１０°、＋２０°、…、＋８０°、−１０°、−２０°、…、−８０°等の各種の角度フィルタを用意してもよい。また、作成されていない角度フィルタを作成する毎に登録しておくことで、角度フィルタの数を順次増やすようにしてもよい。

線検出フィルタ処理手段６５は、図１４に示すように、各縮小画像に対して、４種類のフィルタ、つまり水平方向の欠陥を検出する９０°（Ｈ）フィルタ、垂直方向の欠陥を検出する０°（Ｖ）フィルタ、＋４５°方向の欠陥を検出する＋４５°フィルタ、−４５°方向の欠陥を検出する−４５°フィルタを適用する。従って、各縮小画像毎に、フィルタ処理がされた４種類の画像が得られ、５段階の縮小画面があるため、合計２０個の筋状欠陥が強調処理された画像が得られる。

次に、本発明の特徴である各画像に対するフィルタ処理に関し、０°フィルタを例に説明する。
０°フィルタは、図１５〜１７にも示すように、ベースフィルタを構成する３種類の基準フィルタ（縦線検出フィルタ）ＦＡ〜ＦＣを備えている。この３つの縦線検出フィルタは、画像の着目する画素周辺を含む数画素×数画素（例えば９×９画素）サイズと同じ大きさの領域にそれぞれ形成されているが、その領域を図１５（Ｂ）、図１６（Ｂ）、図１７（Ｂ）に示すように、３×３画素毎に９分割し、所定の分割領域のみに重み付けして構成されている。すなわち、縦線検出フィルタは、上下方向中間部分の左側の分割領域だけを重み付けした左側強調フィルタ（特定領域用フィルタ）ＦＡ、中央の分割領域だけを重み付けした中央強調フィルタ（欠陥検出領域用フィルタ）ＦＢ、右側の分割領域だけを重み付けした右側強調フィルタ（特定領域用フィルタ）ＦＣの３つからなる。中央強調フィルタＦＢは左側強調フィルタＦＡ及び右側強調フィルタＦＣに対して２倍の重み付けがされている。

そして、この３つの縦線検出フィルタＦＡ、ＦＢ、ＦＣを画像の９×９画素サイズに対してそれぞれかけて畳み込み演算を行うことで、これらの３つの縦線検出フィルタによって構成されるベースフィルタの検出結果を算出するようにされている。
ベースフィルタを用いたフィルタ処理では、画像の９×９画素サイズに対して行った３つの縦線検出フィルタＦＡ、ＦＢ、ＦＣによる畳み込み演算の結果が後述する条件１の式を満足するかどうかでスジ欠陥の検出を行う。なお、条件１の式を満足するかどうかでスジ欠陥が検出できる理由は次のとおりである。

一般に、例えば９×９画素サイズに対して１つの縦線検出フィルタをかけて畳み込み演算を行い、畳み込み演算によりスジ欠陥が強調されるようにしたものでは、その縦線検出フィルタは左側、中央及び右側と３つの領域に分けたときに、中央を左側及び右側よりも重み付けを強くして、且つ左側及び右側の重み付けをマイナス側に設定して中央にスジ欠陥を検出するようにしている。

ところが、左側及び右側の重み付けをマイナス側に設定すると、中央にスジ欠陥を検出するが、スジ欠陥の左側及び右側に本来はないはずのスジ欠陥の成分とは逆方向成分が現れてしまい（白スジ欠陥の場合、黒スジ欠陥の成分）、これを検出してしまうために誤検出が生じてしまい、精度を向上させることができないという欠点があるものであった。
そこで、このような欠点を解消するものが、上述した３つの縦線検出フィルタである左側強調フィルタＦＡ、中央強調フィルタＦＢ及び右側強調フィルタＦＣを用いて畳み込み演算を行う方法である。

この３つの縦線検出フィルタである左側強調フィルタＦＡ、中央強調フィルタＦＢ及び右側強調フィルタＦＣを用いて畳み込み演算を行う方法では、例えば９×９画素サイズに対して３つの縦線検出フィルタである左側強調フィルタＦＡ、中央強調フィルタＦＢ及び右側強調フィルタＦＣをそれぞれかけた畳み込み演算の結果Ｆ_VA、Ｆ_VB、Ｆ_VCを比較するものである。
この場合、左側強調フィルタＦＡは左側の分割領域だけを重み付けし、中央強調フィルタＦＢは中央の分割領域だけを重み付けし、右側強調フィルタＦＣは右側の分割領域だけを重み付けしており、いずれの強調フィルタも強調領域以外は重み付けをしておらず、数値としては０である。

従って、左側強調フィルタＦＡと中央強調フィルタＦＢの畳み込み演算の結果Ｆ_VA、Ｆ_VBや、右側強調フィルタＦＣと中央強調フィルタＦＢの畳み込み演算の結果Ｆ_VC、Ｆ_VBを比較して線欠陥の成分が存在するときにのみ演算結果を算出するため、それらの演算結果に本来はないはずのスジ欠陥の成分とは逆方向成分が現れてしまうことはない。
つまり、畳み込み演算の結果Ｆ_VA、Ｆ_VB、Ｆ_VCをそれぞれ比較すると、９×９画素サイズの中央に白のスジ欠陥があったときには、中央強調フィルタＦＢの畳み込み演算の結果Ｆ_VBの数値が高く、左側・右側強調フィルタＦＡ、ＦＣの畳み込み演算の結果Ｆ_VA、Ｆ_VCの数値が低いものとして現れる。

また、９×９画素サイズの中央に黒スジ欠陥があったときには、中央強調フィルタＦＢの畳み込み演算の結果Ｆ_VBの数値が低く、左側・右側強調フィルタＦＡ、ＦＣの畳み込み演算の結果Ｆ_VA、Ｆ_VCの数値が高いものとして現れることとなる。
従って、これをスジ欠陥の検出のための条件１とすると、条件１は次の数式で表すことができる。
条件１
白の線状欠陥の検出の場合（（Ｆ_VA×２＜Ｆ_VB）ａｎｄ（Ｆ_VC×２＜Ｆ_VB））
若しくは
黒の線状欠陥の検出の場合（（Ｆ_VA×２＞Ｆ_VB）ａｎｄ（Ｆ_VC×２＞Ｆ_VB））
上記条件１で、Ｆ_VA×２及びＦ_VC×２としたのは、左側強調フィルタＦＡ及び右側強調
ＦＣに対して中央強調フィルタＦＢの重み付けを２倍にしたからである。

そして、上記条件１を満たすときは、次式により検出されたスジ欠陥の平均輝度値を求めることができる。
Ｆ_V＝（Ｆ_VB−（Ｆ_VA＋Ｆ_VC））／１８×α
上記式で、１８は中央強調フィルタＦＢの重み付けをした数値の合計であり、平均輝度値を導き出すために除算する数であり、αは輝度値を検出するための係数である。
また、条件１を満たさない状態のときはＦ_V＝０として扱う。
ここで、条件１を満たさない状態のときに、Ｆ_V＝０として扱うのは、白と黒のスジ欠陥だけを検出するためである。

そして、算出された平均輝度値Ｆ_Vにオフセット値を加算して、黒スジ欠陥も処理できるようにしている。
すなわち、フィルタをかけた画像は、図１８（Ａ）に示すように白スジ欠陥はプラスの値の階調として現れ、黒スジ欠陥はマイナスの値の階調として現れるが、画像処理のフォーマットでは画像データは通常、正の値しかとれないため、そのままでは黒スジ欠陥の成分は０となり、処理した画像データには黒スジ欠陥のデータは存在しないため検出することができない。
そこで、同じ画像から黒スジ欠陥も検出できるように、画面が１２ｂｉｔの４０９６階調で表されるときにはその半分の２０４８の値を、フィルタ処理の結果にオフセット値として加える処理を行う。これにより、図１８（Ｂ）に示すように黒スジのデータもプラスの階調として現れるので、１回のフィルタ処理で白スジと黒スジの欠陥を検出することが可能となる。なお、画像フォーマットが、８ｂｉｔのグレイスケールの場合、２５６階調となり、その半分の１２８の値をフィルタ処理の結果にオフセット値として加える。

本実施形態では、図１９，２０に示すように、このようなベースフィルタを筋状欠陥の検出方向に複数個並べて処理している。
図１９において、Ａ１、Ｂ１、Ｃ１は、各フィルタＦＡ，ＦＢ，ＦＣの強調領域部分に対応している。そして、この３つのフィルタＦＡ，ＦＢ，ＦＣでベースフィルタＦ１〜Ｆ５が構成され、このベースフィルタを筋状欠陥の検出方向、図１９の例では、縦方向に５つ並べて筋状欠陥検出フィルタＦが構成されている。

この筋状欠陥検出フィルタＦは、図２０に示すように、画像の９×１５の領域の画素に対して適用される。線検出フィルタ処理手段６５は、各ベースフィルタＦ１〜Ｆ５毎、つまり（Ａ１，Ｂ１，Ｃ１）、（Ａ２，Ｂ２，Ｃ２）、（Ａ３，Ｂ３，Ｃ３）、（Ａ４，Ｂ４，Ｃ４）、（Ａ５，Ｂ５，Ｃ５）を各１セットとして検出処理を行い、５つの検出結果のメディアン値を、筋状欠陥検出フィルタＦが適用された画像領域の中心位置つまりＢ３領域の中央位置の画素の値として画像に格納する。
これを通常のフィルタと同様に、画面内をスキャンしながら全面処理を行うことで、縦方向の筋状欠陥の検出処理を行う。

なお、各ベースフィルタの検出結果のメディアン値を筋状欠陥検出フィルタＦの検出値としているのは、次の理由からである。
すなわち、筋状欠陥検出フィルタＦは、Ｂ領域の幅内に納まる筋状欠陥を検出するものであるが、図２１に示すように欠陥１０がＢ２，Ｂ３の２つの領域内の場合、他の３つの領域Ｂ１，Ｂ４，Ｂ５では欠陥１０は検出されない。このため、各ベースフィルタＦ１〜Ｆ５の検出結果のメディアン値は、欠陥１０を検出しなかったベースフィルタの結果となる。
一方、図２２に示すように、欠陥１０が３つのベースフィルタＦ２〜Ｆ４に跨っていれば、メディアン値は欠陥１０を検出したベースフィルタの結果となる。
すなわち、メディアン値を検出値とすれば、複数個のベースフィルタＦ１〜Ｆ５のうちの約半分の長さ以上の筋状欠陥１０のみが検出されるため、輝点や黒点のように点状の欠陥検出を排除できる。従って、ベースフィルタの数は、検出したい欠陥の長さに応じて設定すればよく、５個に限らず、３個以上であればその数は限定されない。

以上は、縦線検出フィルタについての説明であるが、横線検出フィルタや±４５°の斜
め線検出フィルタについても、各角度用に作成したベースフィルタを、その角度方向に複数個並べ、各ベースフィルタの結果のメディアン値を筋状欠陥検出フィルタＦの検出値とすればよい。
例えば、横線検出フィルタは、図２３に示すように上側Ａ、中央Ｂ及び下側Ｃと３分割された各横線検出用ベースフィルタを、横方向に複数並べて筋状欠陥検出フィルタＦ₉₀を構成すればよい。

また、＋４５°斜め線検出フィルタの場合には、図２４（Ａ）に示すように、左上側の分割領域だけを重み付けした左上側強調フィルタＦＡ₊₄₅、斜め中央の分割領域だけを重み付けした斜め中央強調フィルタＦＢ₊₄₅、右下側の分割領域だけを重み付けした右下側強調フィルタＦＣ₊₄₅の３つからなるベースフィルタを作成する。そして、図２４（Ｂ）に示すように、このベースフィルタを＋４５°方向に複数並べて筋状欠陥検出フィルタＦ₊₄₅を構成すればよい。
なお、図２４に示すフィルタは、前述したように、基準フィルタＦＡ〜ＦＣを回転させて構成しており、各成分を分割領域の割合で算出しているため、図２４（Ａ）に示すように、各強調フィルタの一部が重なっている。但し、各フィルタは画像に対して個々に独立して適用されるので、フィルタの一部が重なっていても問題無く処理できる。同様に、図２４（Ｂ）に示す筋状欠陥検出フィルタＦ₊₄₅においても、各フィルタ間に隙間が生じないように、各ベースフィルタ同士が一部重なっているが、各ベースフィルタ毎に処理されているので、問題なく処理できる。

−４５°斜め線検出フィルタは、図示を略すが、図２４の＋４５°斜め線検出フィルタＦ₊₄₅を左右反転したものと同一である。
さらに、その他の角度方向の筋状欠陥を検出したい場合には、その検出したい角度に対応したフィルタを基準フィルタを元に作成し、そのフィルタを用いて処理すればよい。

図２５の模擬筋状欠陥を有する画像に対して、０°のフィルタ（Ｖ）、＋４５°のフィルタ、９０°のフィルタ（Ｈ）を適用した検出結果を、図２６〜２８にそれぞれ示す。これらの図に示すように、各方向のフィルタを用いることで、輝点や黒点を検出することなく、その方向にほぼ沿った筋状の欠陥のみを高精度に検出されていることが確認できた。

上述したように、図１４に示す５段階の縮小画像に対してそれぞれ３枚の画像のコピーを作成して、それぞれの画像に対して１種類、計４種類の線検出フィルタ処理を行うと、図１４に示すように各縮小画像から横線検出処理、縦線検出処理、＋４５°線検出処理及び−４５°線検出処理がされた４つの画像が得られ、合計２０個の筋状欠陥が強調処理された画像を得ることとなる。
なお、上記の説明では、縮小画像作成手段６４でサイズ変更処理を行う画像は平坦化処理された画像としているが、画像入力手段６０によって取り込まれた画像を縮小画像作成手段６４によって直ちに縮小し、線検出フィルタ処理手段６５によって線検出フィルタ処理を行っても欠陥強調演算ができることはいうまでもない。

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４種類の線検出フィルタ処理を行って得た２０個のスジ欠陥が強調処理された画像についてそれぞれの全画素の輝度値を取得し、画面全体の平均値、標準偏差、最大値及び最小値を求める統計データ計算処理を行う（ステップＳ７）。

そして、欠陥候補有無判断手段６７では、上記２０個の検出画像から求めたそれぞれの平均値、標準偏差、最大値及び最小値に基づいて次式により、各画像の欠陥を検出するための閾値を計算により求める。
欠陥検出閾値＝average（スジ欠陥検出画像の平均値）±ａ＊σ（スジ欠陥検出画像の標準偏差）
ａは、ある決められた定数である。
なお、１つの式の計算結果として２つの値が欠陥検出閾値として算出されるが、＋で求めた閾値は白スジ検出のための閾値となり、線検出処理画像の中でこの閾値以上のものを白スジ欠陥候補として検出し、−で求めた閾値は黒スジ検出のための閾値となり、線検出処理画像の中でこの閾値以下のものを黒スジ欠陥候補として検出することになる。

しかし、その前にスジ欠陥検出画像内にスジ欠陥候補があるかどうか調べる、すなわち、スジ欠陥検出画像から取得した画面全体の輝度値の最大値と最小値と、計算された欠陥検出閾値から、スジ欠陥検出画像の中にスジ欠陥の候補が存在するかどうか判断を行う（ステップＳ８）。

スジ欠陥検出画像の輝度値の最大値が欠陥検出閾値（＋計算）を超えている場合に、白スジのある欠陥候補のものとして、次の粒子解析処理（ｂｌｏｂ処理）へと進む。
また、その画像の輝度値の最小値が欠陥検出閾値（−計算）を超えていない場合に、黒スジのある画像として、次のｂｌｏｂ処理へと進む。輝度値の最大値が欠陥検出閾値（＋計算）を超えておらず、且つ輝度値の最小値が欠陥検出閾値（−計算）を超えている場合には、白スジ、黒スジがなく良品のものとして次のｂｌｏｂ処理は行わない。

次に、ｂｌｏｂ処理手段６８は、画像に白スジ、または黒スジの欠陥候補があると判定された画像についてだけ、欠陥候補の抽出を行い、その評価値を求めるため、前処理としてスジ欠陥検出画像の中の、白スジ又は黒スジの欠陥候補の最大輝度、最小輝度、面積を求めるｂｌｏｂ処理を行う（ステップＳ９）。
ｂｌｏｂ処理を行うためには、画像を２値化しなければならないが、このための閾値は欠陥検出閾値を使用する。

例えば、スジ欠陥検出画像に、白スジ欠陥候補があると判定されたならば、＋で計算された欠陥検出閾値を使い、それ以上の部分を白スジ欠陥候補として２値化する。２値化された画像には、複数点の欠陥候補がクラスタとして存在するが、その全てについて面積を求め、２値化してクラスタとなった領域の範囲内で、２値化をかける前の画像から最大輝度値を求める。
また、スジ欠陥検出画像に、黒スジ欠陥候補があると判定されたならば、−で計算された欠陥検出閾値を使い、それ以下の部分を黒スジ欠陥候補として２値化する。白スジの場合と同様に、２値化された画像には、複数点の欠陥候補がクラスタとして存在するが、その全てについて面積を求め、２値化してクラスタとなった領域の範囲内で、２値化をかける前の画像から最小輝度値を求める。

そして、評価値処理手段６９は、ｂｌｏｂ処理により求めた各スジ欠陥検出画像の中の、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Ｓ１０）。
欠陥候補における白スジ又は黒スジの欠陥評価値（Ｅｖ）は次式により計算して求める。
白スジ
Ｅｖ（ｎ）＝ｋ(ｉ)＊Ｓ(ｎ)＊（Ｌmax(ｎ)−Ｌave）／σ
黒スジ
Ｅｖ（ｎ）＝ｋ(ｉ)＊Ｓ(ｎ)＊（Ｌave−Ｌmin(ｎ)）／σ
ｋ(ｉ)=縮小画面係数、ｉ＝画面番号、ｎ＝ｂｌｏｂ番号、
Ｌmax（ｎ）＝欠陥候補の最大輝度、Ｌmin（ｎ）＝欠陥候補の最小輝度、
Ｓ（ｎ）＝欠陥候補の面積、Ｌave＝画面全体の平均輝度、
σ＝画面全体の輝度の標準偏差
そして、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する。

この実施の形態によれば、次のような効果がある。
（１）線検出フィルタ処理手段６５は、ベースフィルタを筋状欠陥の検出方向に複数個並べた筋状欠陥検出フィルタＦを用い、各ベースフィルタの検出値のメディアン値を検出値としているので、筋状欠陥検出フィルタＦの検出方向の長さの約半分以上の長さを有する欠陥のみを検出でき、それ以下の点状の欠陥の検出を確実に排除できる。従って、本実施形態によれば筋状欠陥（線状欠陥）のみを高精度に検出できる。

（２）さらに、検出方向に並べるベースフィルタの数によって検出可能な筋状欠陥の長さを設定できるので、検出したい筋状欠陥を容易に検出できる。
特に、ベースフィルタの数を奇数個にすれば、半分以上のベースフィルタに跨る欠陥のみが検出されるので、筋状欠陥の検出対象長さを容易に設定できる。

（３）各角度方向のフィルタは、基準フィルタを検出角度に応じて回転させて作成しているので、様々な角度方向の筋状欠陥を検出するためのフィルタを容易に作成でき、様々な角度の筋状欠陥を容易に検出することができる。
特に、本実施形態では、作成される新たなフィルタの各成分について概念的に領域を設定した上で、基準フィルタを所望の角度回転させて新たな座標系に投影し、新たな座標系のエリアにより、回転後の基準フィルタの各エリアがどのような面積割合で分割され、新たな座標系のエリアに含まれるかを判断して、その面積割合に応じて基準フィルタの成分の値を分割し、新たな座標系の各エリア内に含まれる分割エリアの値を加算することで新たなフィルタの成分の値としたフィルタを作成するようにしたので、所望の角度を成している形状が強調されるようなフィルタを容易に作成することができ、且つどの角度を検出するフィルタについても、同じ基準フィルタを基にして、その構成数値のみを使用して作成しているため、角度による検出感度の差を小さくすることができる。しかも、新たなフィルタを構成する各成分の値が、実数値であるので、角度による処理感度（検出感度）の差をさらに小さくすることができ、角度検出精度を向上することができる。そして、このようなフィルタを用いて検出を行った検査装置については、角度に応じて線成分を選択的に強調することができるので、角度成分に応じて閾値の設定等を変更しなければならない処理にも対応することができる。

（４）筋状欠陥検出フィルタＦの各ベースフィルタは、中央領域と２つの周辺領域に対して、特定の係数をかけて求めた輝度の差を求めるものであって、中央領域の輝度と、２つの周辺領域の輝度とを求め、中央領域の輝度が２つの周辺領域の輝度よりも大きいか、小さい場合に、中央領域の輝度と２つの周辺領域の輝度の和との差を求めてスジ欠陥の輝度値として検出し、同時にその画像の階調の半分の値をオフセット値として加算することとしているので、白スジ欠陥の成分とは逆方向成分を誤検出することなく、白スジ欠陥だけでなくコントラストの低い黒スジ欠陥も高精度に検出することができる。

（５）そして、１つのスジ欠陥として合成されたスジ欠陥検出画像の全画素の輝度値を取得し、画面全体の輝度値の平均値、標準偏差、最大値及び最小値を求める統計データ計算処理を行い、統計データ計算処理で求めた平均値と標準偏差から白スジを判定する欠陥検出閾値を設定し、また黒スジを判定する欠陥検出閾値を設定し、画面の輝度値の最大値がこれら白スジを判定する欠陥検出閾値を超えているか否かで画面に白スジの欠陥がないかどうかの一次判定を行い、画面の輝度値の最小値がこれら黒スジを判定する欠陥検出閾値を超えているか否かで画面に黒スジの欠陥がないかどうかの一次判定を行うようにしたので、スジ欠陥検出画像について、白スジ、黒スジの欠陥がなく、さらに各種サイズのスジもない良品かどうかの判定を短時間で容易にすることができる。

（６）さらに、欠陥があると判定されたスジ欠陥検出画像に対しては、評価値計算の前処理として欠陥候補の白スジ又は黒スジの最大輝度、最小輝度、面積を求めるｂｌｏｂ処理を行い、その後にｂｌｏｂ処理により求めた欠陥候補の白スジ又は黒スジの最大輝度、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の最大値により白スジ又は黒スジの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処理の対象が欠陥候補有りの画像だけであるために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。

前記実施形態では、オフセット値を加算して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、オフセット値の加算処理を行わずに処理してもよい。
前記実施形態では、各角度方向のフィルタを基準フィルタを回転させて作成していたが、例えば、垂直、水平、±４５°程度の角度フィルタのみを使用する場合には、それぞれの角度フィルタを直接作成してもよい。但し、基準フィルタを回転させて角度フィルタを作成する場合には、様々な角度のフィルタを容易に作成できる利点がある。
本発明は筋状欠陥検出フィルタ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。

本発明の実施の形態による画面の筋状欠陥検出装置のブロック構成図。 同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。 同筋状欠陥検出装置の背景画像差分処理を示す説明図。 図３の各画像から切り出した輝度値をそれぞれ示すグラフ。 縮小画像の作成手順を示す図。 基準フィルタの例を示す図。 任意の角度の線の一例を示す図。 基準フィルタを回転させて角度フィルタを作成する原理を示す説明図。 図８の一部を拡大した図 図９において面積割合を示す図。 面積割合に応じた成分の数値を示す図。 角度フィルタにおける成分の数値算出を示す図。 １０°回転して作成したフィルタの例を示す図。 線検出フィルタ処理後の画像を示す図。 縦線検出フィルタの例を示す図。 縦線検出フィルタの例を示す図。 縦線検出フィルタの例を示す図。 オフセットの有無による階調変化を示すグラフ。 縦線検出用の筋状欠陥検出フィルタの例を示す図。 縦線検出用の筋状欠陥検出フィルタを画像に適用した概念図。 縦線検出用の筋状欠陥検出フィルタでの検出例を示す図。 縦線検出用の筋状欠陥検出フィルタでの検出例を示す図。 横線検出用の筋状欠陥検出フィルタの例を示す図。 ＋４５°検出用の筋状欠陥検出フィルタの例を示す図。 筋状欠陥検出フィルタで処理される模擬欠陥を示す図。 縦線検出用の筋状欠陥検出フィルタによる処理結果を示す図。 ＋４５°検出用の筋状欠陥検出フィルタによる処理結果を示す図。 横線検出用の筋状欠陥検出フィルタによる処理結果を示す図。

符号の説明

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…線検出フィルタ処理手段、６６…統計データ計算手段、６７…欠陥候補有無判断手段、６８…ｂｌｏｂ処理手段、６９…評価値処理手段。

Claims (11)

1. 撮像した画像に対して筋状欠陥を検出する筋状欠陥検出フィルタをかける筋状欠陥検出フィルタ処理工程と、
   前記筋状欠陥検出フィルタ処理工程で得られた検出値に基づいて筋状欠陥を検出する筋状欠陥検出工程とを有し、
   前記筋状欠陥検出フィルタは、欠陥検出領域に対して所定の係数が設定された欠陥検出領域用フィルタと、前記欠陥検出領域の外周部の２つの特定領域に対して所定の係数がそれぞれ設定された２つの特定領域用フィルタとを有するベースフィルタを、筋状欠陥の検出方向に複数並べて構成され、
   前記筋状欠陥検出フィルタ処理工程は、前記画像に対して各ベースフィルタの前記欠陥検出領域用フィルタおよび前記特定領域用フィルタをかけて畳み込み演算をそれぞれ行い、各演算結果に基づいて各ベースフィルタ毎の検出結果を算出する工程と、ベースフィルタ毎の検出結果のメディアン値を筋状欠陥の検出値とする工程とを備えることを特徴とする筋状欠陥検出方法。
2. 検査対象を撮像する撮像工程と、
   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、
   画像から表示エリアの抽出を行う表示エリア抽出工程と、
   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を備え、
   前記筋状欠陥検出フィルタ処理工程は、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フィルタをかけることを特徴とする請求項１に記載の筋状欠陥検出方法。
3. 前記筋状欠陥検出工程は、
   前記筋状欠陥検出フィルタ処理工程の検出値に基づいて、各縮小画像の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計算した閾値に基づいて欠陥候補を抽出する欠陥候補抽出工程と、
   抽出された前記欠陥候補の情報に基づき、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１または請求項２に記載の筋状欠陥検出方法。
4. 前記欠陥評価値算出工程は、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評価値を算出するものであることを特徴とする請求項３記載の筋状欠陥検出方法。
5. 前記筋状欠陥検出フィルタ処理工程は、
   前記画像の各画素の輝度値に対して各ベースフィルタの欠陥検出領域用フィルタおよび２つの特定領域用フィルタをかけて畳み込み演算をそれぞれ行い、
   前記欠陥検出領域用フィルタの畳み込み演算結果をＦ_VB、前記２つの特定領域用フィルタの畳み込み演算結果をそれぞれＦ_VA、Ｆ_VC、欠陥検出領域用フィルタの係数をK1、各特定領域用フィルタの係数をK2、前記欠陥検出領域用フィルタの係数K1の合計値をΣK1、前記各特定領域用フィルタの係数K2の合計値をΣK2、条件１＝((Ｆ_VA×ΣK1/ΣK2＜Ｆ_VB)and(Ｆ_VC×ΣK1/ΣK2＜Ｆ_VB))or((Ｆ_VA×ΣK1/ΣK2＞Ｆ_VB)and(Ｆ_VC×ΣK1/ΣK2＞Ｆ_VB))、所定の係数をαとした場合、
   ベースフィルタの検出結果Ｆ_Vは、
   前記条件１を満たす場合は、Ｆ_V＝（Ｆ_VB−（Ｆ_VA＋Ｆ_VC)）／ΣK1×αで求め、
   前記条件１を満たさない場合は、Ｆ_V＝０とし、
   各ベースフィルタの検出結果のメディアン値を、前記筋状欠陥検出フィルタがかけられた画像の中心にある画素の輝度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。
6. 前記筋状欠陥検出フィルタのベースフィルタは、所定の領域に所定の係数が設定された欠陥検出領域用基準フィルタおよび特定領域用基準フィルタを、筋状欠陥の検出方向の角度に応じて回転させて作成した欠陥検出領域用角度フィルタおよび特定領域用角度フィルタで構成されてい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筋状欠陥検出方法。
7. 前記欠陥検出領域用角度フィルタおよび特定領域用角度フィルタは、前記欠陥検出領域用基準フィルタおよび特定領域用基準フィルタをそのフィルタの中心を軸として前記検出角度分回転し、回転後の各基準フィルタの各領域を、前記欠陥検出領域用角度フィルタおよび特定領域用角度フィルタの各領域で分割し、分割された領域の面積の割合を算出し、その割合に基づいて回転後の基準フィルタの係数を分割して各分割領域に割り当て、各角度フィルタの領域に含まれる各分割領域の係数を加算して各角度フィルタの各領域に割り当てることで構成されていることを特徴とする請求項６に記載の筋状欠陥検出方法。
8. 前記筋状欠陥検出フィルタ処理工程は、ベースフィルタ毎の検出結果または各ベースフィルタ毎の検出結果のメディアン値に、その画像の階調の半分の値をオフセット値として加算す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。
9. 撮像した画像に対して筋状欠陥を検出する筋状欠陥検出フィルタをかける筋状欠陥検出フィルタ処理手段と、
   前記筋状欠陥検出フィルタ処理手段で得られた検出値に基づいて筋状欠陥を検出する筋状欠陥検出手段とを有し、
   前記筋状欠陥検出フィルタは、欠陥検出領域に対して所定の係数が設定された欠陥検出領域用フィルタと、前記欠陥検出領域の外周部の２つの特定領域に対して所定の係数がそれぞれ設定された２つの特定領域用フィルタとを有するベースフィルタを、筋状欠陥の検出方向に複数並べて構成され、
   前記筋状欠陥検出フィルタ処理手段は、前記画像に対して各ベースフィルタの前記欠陥検出領域用フィルタおよび前記特定領域用フィルタをかけて畳み込み演算をそれぞれ行い、各演算結果に基づいて各ベースフィルタ毎の検出結果を算出し、ベースフィルタ毎の検出結果のメディアン値を筋状欠陥の検出値とすることを特徴とする筋状欠陥検出装置。
10. 検査対象を撮像する撮像手段と、
    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、
    画像から表示エリアの抽出を行う表示エリア抽出手段と、
    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を備え、
    前記筋状欠陥検出フィルタ処理手段は、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フィルタをかけることを特徴とする請求項９に記載の筋状欠陥検出装置。
11. 前記筋状欠陥検出フィルタ処理手段は、
    前記画像の各画素の輝度値に対して各ベースフィルタの欠陥検出領域用フィルタおよび２つの特定領域用フィルタをかけて畳み込み演算をそれぞれ行い、
    前記欠陥検出領域用フィルタの畳み込み演算結果をＦ_VB、前記２つの特定領域用フィルタの畳み込み演算結果をそれぞれＦ_VA、Ｆ_VC、欠陥検出領域用フィルタの係数をK1、各特定領域用フィルタの係数をK2、前記欠陥検出領域用フィルタの係数K1の合計値をΣK1、前記各特定領域用フィルタの係数K2の合計値をΣK2、条件１＝((Ｆ_VA×ΣK1/ΣK2＜Ｆ_VB)and(Ｆ_VC×ΣK1/ΣK2＜Ｆ_VB))or((Ｆ_VA×ΣK1/ΣK2＞Ｆ_VB)and(Ｆ_VC×ΣK1/ΣK2＞Ｆ_VB))、所定の係数をαとした場合、
    ベースフィルタの検出結果Ｆ_Vは、
    前記条件１を満たす場合は、Ｆ_V＝（Ｆ_VB−（Ｆ_VA＋Ｆ_VC)）／ΣK1×αで求め、
    前記条件１を満たさない場合は、Ｆ_V＝０とし、
    各ベースフィルタの検出結果のメディアン値を、前記筋状欠陥の検出方向に並べられた奇数個のベースフィルタの中央にあるベースフィルタにおける欠陥検出領域の中心にある画素の輝度値とすることを特徴とする請求項９または請求項１０に記載の筋状欠陥検出装置。

Images