JP2006098217A - 画像検査装置、画像検査方法及び画像検査プログラム - Google Patents

画像検査装置、画像検査方法及び画像検査プログラム Download PDF

Info

Publication number
JP2006098217A
JP2006098217A JP2004284776A JP2004284776A JP2006098217A JP 2006098217 A JP2006098217 A JP 2006098217A JP 2004284776 A JP2004284776 A JP 2004284776A JP 2004284776 A JP2004284776 A JP 2004284776A JP 2006098217 A JP2006098217 A JP 2006098217A
Authority
JP
Japan
Prior art keywords
average
image
column
strip
approximation
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.)
Pending
Application number
JP2004284776A
Other languages
English (en)
Inventor
Susumu Haga
進 芳賀
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fujitsu Ltd
Original Assignee
Fujitsu Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Fujitsu Ltd filed Critical Fujitsu Ltd
Priority to JP2004284776A priority Critical patent/JP2006098217A/ja
Priority to CNB2005100919178A priority patent/CN100491952C/zh
Priority to US11/234,409 priority patent/US20060067569A1/en
Publication of JP2006098217A publication Critical patent/JP2006098217A/ja
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N17/00—Diagnosis, testing or measuring for television systems or their details
    • H04N17/002—Diagnosis, testing or measuring for television systems or their details for television cameras
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N25/00—Circuitry of solid-state image sensors [SSIS]; Control thereof
    • H04N25/60—Noise processing, e.g. detecting, correcting, reducing or removing noise
    • H04N25/68—Noise processing, e.g. detecting, correcting, reducing or removing noise applied to defects
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N25/00—Circuitry of solid-state image sensors [SSIS]; Control thereof
    • H04N25/60—Noise processing, e.g. detecting, correcting, reducing or removing noise
    • H04N25/68—Noise processing, e.g. detecting, correcting, reducing or removing noise applied to defects
    • H04N25/69—SSIS comprising testing or correcting structures for circuits other than pixel cells
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20021—Dividing image into blocks, subimages or windows
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20216—Image averaging

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)
  • Testing Of Optical Devices Or Fibers (AREA)

Abstract

【課題】 予め用意したシェーディング特性と、検査対象の画像機器のシェーディング特性が異なる場合、正常な補正ができないため欠陥検出精度が低下したり、誤判定したりする問題があった。
【解決手段】 入力される画像データに基づき検査対象の品質を検査する画像検査装置において実行される欠陥検出方法であって、Ｍ行Ｎ列（Ｍ、Ｎは自然数）の画素から形成されるデジタル画像を、所定の行数毎に区切り複数の帯状領域に分割する分割ステップと、前記複数の帯状領域においてそれぞれ、前記帯状領域に含まれる各画素の濃淡値の平均を列毎に求める平均ステップと、前記複数の帯状領域においてそれぞれ、列番号と、前記列番号に対応する列における前記濃淡値の平均との関係を近似する近似関数を算出する近似ステップと、前記近似ステップにおいて算出される前記近似関数により導出される前記濃淡値と、前記平均ステップにおいて求められる前記濃淡値の平均との差に基づき、シミの有無を判定する判定ステップとを有することを特徴とする欠陥検出方法を提供する。
【選択図】 図６

Description

本発明は、画像素子の検査を行う画像検査装置、画像検査方法及び画像検査プログラムに関する。
近年、携帯電話への搭載や低価格化、高画質化といった要因から利用が拡大しているデジタルカメラ、デジタルビデオ、そしてスキャナに代表される画像機器においては、CCD(Charge Coupled Devices)やCMOS(Complementary Metal Oxide Semiconductor)等の画像素子が使用される。こうした画像素子を搭載した画像機器の品質検査においては、テストパターンを撮像した画像に基づき、画像素子の品質（良または不良）が判断される。
不良要因の一つに、周囲との濃淡の差が所定以上の領域が現れる、いわゆる「シミ」と呼ばれる欠陥（輝度ムラとも呼ばれる）がある。「シミ」の検出を手動で、つまり、撮像画像を検査者が目視することで行うことはできるが、検査者の熟練度、体調によって検出精度がばらつく、処理速度が異なる、また、場合によっては、不良品を良品と、良品を不良品と誤判定してしまうといった問題が生じる。また、熟練した検査者を養成するためには相応の時間、費用が必要になる。そこで、従来技術においても、この「シミ」を自動検出するための方法が提案されている。
一般的に、撮像画像には、レンズの特性、照明の特性等により、画像濃淡値が、例えば、中央部が明るくなり周辺に従って暗くなるようなシェーディング特性を持つ場合がある。シェーディング特性が大きい、つまり上記例では中央部と周辺部での濃淡差が大きな画像を検査する場合、シェーディングによる濃淡より小さなレベルの「薄いシミ」だと、このシェーディング特性に隠れてしまい、検出を行うことが難しい。
そこで、従来では、予め撮像画像におけるシェーディング特性が分かっている場合には、シェーディングを補正し、画像のレベルを均一に補正する平滑化を行って、「シミ」を自動検出する方法が取られてきた。例えば、特許文献１によれば、平滑化後の差分画像データの画素値から黒欠陥領域、白欠陥領域の中心と各領域の外接四角形の頂点位置とを求め、その位置関係によって、色しみであるドーナツ状の白欠陥又はドーナツ状の黒欠陥を検出する方法が提案される。
なお、周辺技術として、特許文献２には、レンズ等の光学部材の品質を検査するための画像検査装置における光学部材検査方法であって、フーリエ変換を利用したフィルタリングを行って、撮影した画像に周期的に現れる濃淡模様を取り除く方法が記載される。また、特許文献３には、撮像面の中心点を通る水平軸及び垂直軸上のサンプリング点のデータに基づき、各軸における補正近似線を求め、撮像面内の任意の座標におけるシェーディング補正係数を、水平軸における補正近似線の補正係数と、垂直軸における補正近似線の補正係数の積として算出することが記載される。また、特許文献４には、画面上の各領域においてデータを検出するブロックの大きさを変化させ、シェーディング補正処理などの補正精度を向上させることができる撮像装置が記載される。
特開平９−３２９５２７号公報 特開平２００３−１３０７５６号公報 特開２００３−１６９２５５号公報 特開平７−１５４６７５号公報
しかしながら、上述した従来技術においては、撮像画像におけるシェーディング特性が分かっている場合には、予め用意したシェーディング特性により画像を補正して「シミ」を自動検出できるが、実際は、レンズの取付誤差等、機器製造時に生じるばらつきにより、検査対象のすべての画像機器に一様に適用可能なシェーディング特性が定まるものではない。従って、予め用意したシェーディング特性と、検査対象の画像機器のシェーディング特性が異なる場合、正常な補正ができないため欠陥検出精度が低下したり、誤判定したりする問題があった。
そこで、本発明の目的は、検査対象の画像機器毎に異なるシェーディング特性に応じて、「シミ」の自動検出を行うことが可能な画像検査装置、画像検査方法及び画像検査プログラムを提供することにある。
上記目的は、本発明の第一の側面として、光学部材と前記光学部材で受ける光を電気信号に変換する画像素子とを備える画像機器に接続され、前記画像機器が撮影する画像のデータが入力され、該画像のデータに基づき、前記画像機器の欠陥を検出する画像検査装置において実行される欠陥検出方法であって、Ｍ行Ｎ列（Ｍ、Ｎは自然数）の画素から形成されるデジタル画像を、所定の行数毎に区切り複数の帯状領域に分割する分割ステップと、前記複数の帯状領域においてそれぞれ、前記帯状領域に含まれる各画素の濃淡値の平均を列毎に求める平均ステップと、前記複数の帯状領域においてそれぞれ、列番号と、前記列番号に対応する列における前記濃淡値の平均との関係を近似する近似関数を算出する近似ステップと、前記近似ステップにおいて算出される前記近似関数により導出される前記濃淡値と、前記平均ステップにおいて求められる前記濃淡値の平均との差が所定の閾値を超える前記列が、ｄ列（ｄは、１＜ｄ＜Ｎを満たす自然数）連続するかを判定する判定ステップとを有することを特徴とする欠陥検出方法を提供することにより達成される。
また、上記目的は、第二の側面として、光学部材と前記光学部材で受ける光を電気信号に変換する画像素子とを備える画像機器に接続され、前記画像機器が撮影する画像のデータが入力され、該画像のデータに基づき、前記画像機器の欠陥を検出する画像検査装置において実行される欠陥検出方法であって、Ｍ行Ｎ列（Ｍ、Ｎは自然数）の画素から形成されるデジタル画像を、所定の行数毎に区切り複数の帯状領域に分割する分割ステップと、前記複数の帯状領域においてそれぞれ、前記帯状領域に含まれる各画素の濃淡値の平均を列毎に求める平均ステップと、前記複数の帯状領域においてそれぞれ、列番号と、前記列番号に対応する列における前記濃淡値の平均との関係を近似する近似関数を算出する近似ステップと、前記複数の帯状領域のうち第一の帯状領域において、前記近似ステップにおいて算出される前記近似関数により導出される前記濃淡値と、前記平均ステップにおいて求められる前記濃淡値の平均との差が所定の閾値を超える前記列が、ｄ列（ｄは、１＜ｄ＜Ｎを満たす自然数）連続するかを判定し、連続する場合、前記差が前記所定の閾値を超える前記列が連続する部分を欠陥の位置として特定すると共に、隣接する第二の帯状領域における前記欠陥の位置が、前記第一の帯状領域における前記欠陥の位置と重複するかを判定する厳格判定ステップとを有することを特徴とする欠陥検出方法を提供することにより達成される。
また、上記目的は、第三の側面として、光学部材と前記光学部材で受ける光を電気信号に変換する画像素子とを備える画像機器に接続され、前記画像機器が撮影する画像のデータが入力され、該画像のデータに基づき、前記画像機器の欠陥を検出する画像検査装置において実行される欠陥検出方法であって、Ｍ行Ｎ列（Ｍ、Ｎは自然数）の画素から形成されるデジタル画像を、所定の行数毎に区切り複数の帯状領域に分割する分割ステップと、前記複数の帯状領域においてそれぞれ、前記帯状領域に含まれる各画素の濃淡値の平均を列毎に求める平均ステップと、前記複数の帯状領域においてそれぞれ、列番号と、前記列番号に対応する列における前記濃淡値の平均との関係を近似する近似関数を算出する近似ステップと、前記近似ステップにおいて算出される前記近似関数により導出される前記濃淡値から、前記平均ステップにおいて求められる前記濃淡値の平均を引いた差が正である前記列番号の区間を特定し、横軸に前記列番号、縦軸に前記濃淡値を配置し、前記平均ステップにおいて求められる前記濃淡値の平均を打点し、各打点を結んで形成されるグラフと、前記近似関数とで囲まれる部分の面積を、前記特定される区間毎に算出し、いずれかの前記区間における前記面積が所定の閾値を超えるかを判定する面積判定ステップとを有することを特徴とする欠陥検出方法を提供することにより達成される。
また、上記目的は、第四の側面として、光学部材と前記光学部材で受ける光を電気信号に変換する画像素子とを備える画像機器に接続され、前記画像機器が撮影する画像のデータが入力され、該画像のデータに基づき、前記画像機器の欠陥を検出するコンピュータに、Ｍ行Ｎ列（Ｍ、Ｎは自然数）の画素から形成されるデジタル画像を、所定の行数毎に区切り複数の帯状領域に分割する分割手順と、前記複数の帯状領域においてそれぞれ、前記帯状領域に含まれる各画素の濃淡値の平均を列毎に求める平均手順と、前記複数の帯状領域においてそれぞれ、列番号と、前記列番号に対応する列における前記濃淡値の平均との関係を近似する近似関数を算出する近似手順と、前記近似手順において算出される前記近似関数により導出される前記濃淡値と、前記平均手順において求められる前記濃淡値の平均との差が所定の閾値を超える前記列が、ｄ列（ｄは、１＜ｄ＜Ｎを満たす自然数）連続するかを判定する判定手順とを実行させるためのプログラムを提供することにより達成される。
また、上記目的は、第五の側面として、光学部材と前記光学部材で受ける光を電気信号に変換する画像素子とを備える画像機器に接続され、前記画像機器が撮影する画像のデータが入力され、該画像のデータに基づき、前記画像機器の欠陥を検出する画像検査装置であって、Ｍ行Ｎ列（Ｍ、Ｎは自然数）の画素から形成されるデジタル画像を、所定の行数毎に区切り複数の帯状領域に分割する分割部と、前記複数の帯状領域においてそれぞれ、前記帯状領域に含まれる各画素の濃淡値の平均を列毎に求める平均部と、前記複数の帯状領域においてそれぞれ、列番号と、前記列番号に対応する列における前記濃淡値の平均との関係を近似する近似関数を算出する近似部と、前記近似部において算出される前記近似関数により導出される前記濃淡値と、前記平均部において求められる前記濃淡値の平均との差が所定の閾値を超える前記列が、ｄ列（ｄは、１＜ｄ＜Ｎを満たす自然数）連続するかを判定する判定部とを有することを特徴とする画像検査装置を提供することにより達成される。
本発明によれば、画像素子を搭載した画像機器毎に異なるシェーディング特性に応じて、シミの検出を適切に行うことができる。従って、検査において、予め特定のシェーディング特性を設定する必要がなく、画像機器からの信号を画像検査装置に仲介する信号取込装置への画像機器の取付を厳格に行う必要がなくなる。
以下、本発明の実施の形態について図面に従って説明する。しかしながら、本発明の技術的範囲はかかる実施の形態に限定されるものではなく、特許請求の範囲に記載された発明とその均等物にまで及ぶものである。
図１は、本発明の実施形態の画像検査システムの構成を説明する図である。画像検査システムは、検査対象の画像素子を搭載し、検査用撮像面１を撮影するカメラユニット２、カメラユニット２からの電気信号を画像フォーマットに変換する信号取込装置５、信号取込装置５から画像データが入力され、その画像データに基づきシミの検出を行う画像検査装置１０から構成され、それぞれ信号線８で接続される。
カメラユニット２は、レンズ３と、レンズ３による像が結像されるCCD、CMOS等の画像素子４を含み、照明装置９からの光が照射される検査用撮像面１を撮影する。カメラユニット２は、信号線８を介して信号取込装置５に接続されており、画像素子４が受ける光を変換した後の電気信号が、信号取込装置５の信号コンタクト部６に入力される。
カメラユニット２と信号取込装置５との接続は、信号コンタクト部６に備えられる、カメラユニット２を着脱可能にする接続端子と、カメラユニット２に備えられた接続端子とを接続して行われ、カメラユニット２を交換することで複数の画像素子４を検査することが可能な設計になっている。信号コンタクト部６に入力された電気信号は、信号変換部７において、RAWイメージフォーマット、TIFF(Tag Image File Format)、JPEG(Joint Photographic Experts Group)、GIF(Graphic Interchange Format)、BMP(Bit MaP)等の各種画像フォーマットに変換され、画像データとして画像検査装置１０に入力される。
図１に示す画像検査装置１０は、デスクトップ型PCの本体部であり、キーボード４１、マウス４２等の入力装置、液晶ディスプレイ４３等の出力装置、照明装置９が接続されている。画像検査装置１０は、信号取込装置５から出力される画像データを撮像画像として液晶ディスプレイ４３に表示したり、画像データに基づいて行われるシミの有無の検出結果を液晶ディスプレイ４３に表示したり、照明装置９を制御する。また、オペレータによりキーボード４１等から入力される命令に応じて、画像検査装置１０は、シミの検出に関する設定値を変更する。
本実施形態の画像検査装置１０は、撮像画像の画像データを複数の帯状領域に分割し、その帯状領域毎の濃淡値の分布を求め、その濃淡値の分布を近似する近似線を算出する。そして、実際の濃淡値と近似線から導出される近似値との差に基づいて、シミの有無を検出する。こうすることで、カメラユニット２におけるレンズ３の取付誤差、画像素子４の品質、カメラユニット製造時のばらつき等により、カメラユニット２毎に異なるシェーディング特性に応じて、シミの検出を適切に行うことができる。
図２は、本実施形態の画像検査装置１０の構成を説明する図である。図２の画像検査装置１０は、デスクトップ型PCの本体部であり、バス２０を介して互いに接続される制御部１１、RAM(Random Access Memory)１２、記憶部１３、周辺機器接続用インタフェース(周辺機器I/F)１５を含む。
制御部１１は、図示省略されたCPU(Central Processing Unit)を含み、RAM１２に格納されるプログラムを実行し、画像検査装置１０に含まれる各部を制御する。RAM１２は、画像検査装置１０の処理における演算結果やプログラムが一時的に格納される記憶手段である。記憶部１３は、ハードディスク、光ディスク、磁気ディスク、フラッシュメモリ等の不揮発性記憶手段であり、各種データやRAMへ読み出される前のOS(Operating System)等のプログラムが格納される。
周辺機器I/F１５は、サーバ１に周辺機器を接続するためのインタフェースであり、USB(Universal Serial Bus)ポートや、PCIカードスロット等である。周辺機器は、プリンタ、TVチューナ、SCSI(Small Computer System Interface)機器、オーディオ機器、メモリカードリーダライタ、ネットワークインタフェースカード、無線LANカード、モデムカード、キーボードやマウス、ディスプレイ装置など多岐に渡る。周辺機器と画像検査装置１０との接続形態は、有線であっても無線であっても構わない。
入力部１６は、キーボード４１、マウス４２等オペレータからの要求が入力される入力手段であり、表示部１７は、CRT(Cathode Ray Tube)、液晶ディスプレイ４３等オペレータに情報を提示する表示手段である。本実施形態では、図１において、信号取込装置５、照明装置９、入力部１６、表示部１７が、周辺機器I/F１５を介して接続される。なお、画像検査装置１０をノートブック型PCや他のハードウェア装置で実現する場合には、キーボード、タッチパッド等の入力部１６、液晶ディスプレイ等の表示部１７が本体に備えられ、内部バス２０に直接接続されてもよい。
図３は、本実施形態における画像検査装置１０の制御部１１を説明する機能ブロック図である。図３の各機能部は、制御部１１に備えられる図示省略されたCPUで実行されるプログラムとして実現することも、ASIC(Application Specific Integrated Circuit)等のハードウェアにより実現することも可能である。
図３の制御部１１は、領域分割部３１、濃淡平均算出部３２、近似線算出部３３、シミ判定部３４を含んでいる。領域分割部３１は、画像検査装置１０に入力される撮像画像を複数の帯状領域に分割する。具体的には、後段で行われる濃淡値の平均の算出に備えて、所定の領域毎の濃淡値のデータを取得する。その様子を次に示す撮像画像のデータ構成例を用いて説明する。
図４は、画像検査装置１０に入力され、記憶部１３に格納される撮像画像のデータ構成例である。ここでは、撮像画像がＭ行Ｎ列Ｋチャンネルの画素から構成されるものとし、図４には、撮像画像が各画素の濃淡値により表現され、データ形式は、CSQ(channel sequential)形式である。
チャンネル数は、モノクロ画像であれば、「１」である。一般的なカラー画像は、三原色に相当する３つのチャンネルを持ち、チャンネル数は「３」である。例えばリモートセンシングの分野で使用されるような、複数の波長域で撮影した画像の場合、チャンネル数が「３」より大きな値になることもある。
ｉ行ｊ列ｋチャンネルの画素における濃淡値を、図４では、Ｌ_ｋ（ｉ、ｊ）（アンダーバーに続く記号は、ここでは下付き文字であることを示す）と表示する。図３の領域分割部３１は、後述する濃淡値の平均演算に備え所定の行数分の濃淡値をチャンネル毎に取得する。例えば、所定の領域として３行Ｎ列の画素を単位として撮像画像を分割する場合、領域分割部３１は、最初の３行分の濃淡値、Ｌ_ｋ（１、ｊ）、Ｌ_ｋ（２、ｊ）、Ｌ_ｋ（３、ｊ）（１≦ｊ≦Ｎ、１≦ｋ≦Ｋ）を取得する。残りの帯状領域においても、３行分ずつの濃淡値を取得する。
なお、分割態様を決定する帯状領域の行数は、予め記憶部１３に設定された行数が使用される。また、データ形式が異なっても、領域分割部３１は、所定の領域に対応する行数分のデータを取得する。
図３に戻り、濃淡平均算出部３２は、領域分割部３１が取得したデータを基に、分割された各帯状領域における濃淡値の列毎の平均値を算出する。その様子を図５を用いて説明する。
図５Ａは、所定の行数として３行分ずつ分割する場合の帯状領域の例であり、ｋチャンネルにおける最初の３行Ｎ列の画素を抜き出した図である。図５Ａの各画素は、図４に示される濃淡値Ｌ_ｋ（ｉ、ｊ）を持つ。
濃淡平均算出部３２は、図５Ａの場合、列毎に含まれる３行分の濃淡値の平均を算出する。例えば、ｋチャンネルでのｐ番目の帯状領域におけるｊ列目の平均濃淡値をＱ_ｋ（ｐ、ｊ）で表すとすれば、図５ＡのＱ_ｋ（１、１）は、｛Ｌ_ｋ（１、１）＋Ｌ_ｋ（２、１）＋Ｌ_ｋ（３、１）｝／３で求められる。
図５Ａに示される１番目の帯状領域に含まれる残りの列についても、濃淡平均算出部３２は同様の演算を行い、列毎の濃淡値の平均を算出する。そして、濃淡平均算出部３２は、残りの帯状領域についても同様に、列毎の濃淡値の平均を算出する。こうして算出された濃淡値の平均データは、記憶部１３に格納される。
図５Ｂは、算出された濃淡値の平均データが記憶部１３に格納されるときのデータ構成例である。図５Ｂには、「チャンネル番号」、「領域番号」、「行番号」、「列番号」、「平均濃淡値」というデータ項目を含む。図５に示されるように、各チャンネルにおいて、分割された複数の帯状領域毎に、列毎の平均濃淡値が格納される。
図５Ｂにおいては、撮像画像を３行Ｎ列の帯状領域に分割しているため、列毎に含まれる３個の濃淡値の平均を算出しているが、帯状領域がｓ行Ｎ列であれば、当然ｓ個の濃淡値の平均が算出され、「平均濃淡値」に格納される。また、画像の行数が帯状領域に分割するときの所定の行数で割り切れない場合、各チャンネルにおいて、末端の帯状領域（例えば、領域番号Ｐ）が、他の帯状領域より少ない行数しか含まれないが、濃淡平均算出部３２は、同様に列毎に濃淡値の平均を算出する。
図３に戻り、続いて近似線算出部３３は、各帯状領域における列番号と平均濃淡値との関係を表す近似線を算出する。例えば、ｘ軸に列番号を配置し、ｙ軸に平均濃淡値を配置し、帯状領域毎に両者の関係を２次元平面に打点するとき、近似線算出部３３は、ｙ＝ａｘ＾２＋ｂｘ＋ｃなる２次近似関数で近似可能なパラメータａ、ｂ、ｃの組を算出する。
シミ判定部３４は、濃淡平均算出部３２が算出する平均濃淡値と、近似線算出部３３が算出する近似線から導出される近似値との差に基づき、撮像画像に含まれるシミの有無の判定を行い、シミの位置を検出する。以上のようにして、画像検査装置１０に入力される画像データからシミの有無の判定が行われ、シミがある場合その位置が検出される。
続いて、シミの検出方法を含めた画像検査装置の動作を説明する。
図６は、本実施形態における画像検査装置１０の動作を説明するフローチャートである。まず、領域分割部３１は、分割幅を決定する（Ｓ１）。分割幅は、帯状領域の行数であり、予め記憶部１３に設定される。ステップＳ１では、領域分割部３１が、記憶部１３から設定値を読み出す。
次に、領域分割部３１が、画像検査装置１０に入力される撮像画像を複数の帯状領域に分割する（Ｓ２）。ステップＳ２では、図３において説明したように、所定の濃淡値データが領域分割部３１により取得される。
そして、濃淡平均算出部３２が、帯状領域毎に濃淡の分布を算出する（Ｓ３）。ステップＳ３では、図３において説明したように、各帯状領域において列毎の濃淡値の平均が濃淡平均算出部３２により算出される。
更に、近似線算出部３３が帯状領域における濃淡分布を近似する近似線をそれぞれ算出する（Ｓ４）。ステップＳ４では、図３において説明したように、各帯状領域における列番号と平均濃淡値との関係を最もよく表す近似線が近似線算出部３３により算出される。
ステップＳ３で算出される平均濃淡値と、ステップＳ４で算出される近似線に基づき、シミ判定部３４が、撮像画像にシミがあるかないかを判定し、シミがある場合その位置を特定する（Ｓ５）。ステップＳ５におけるシミの検出法については、後述する。画像検査装置１０は、すべての帯状領域に対して、シミの有無についての判定を完了すれば（Ｓ６Ｙｅｓ）、処理を終了し、未判定の帯状領域が存在すれば（Ｓ６Ｎｏ）、ステップＳ５に戻り、残りの帯状領域に対する処理を続行する。
なお、ステップＳ１においては、分割幅が予め記憶部１３に設定されるが、画像検査装置１０において検出された過去のシミに関するデータに基づき、分割幅が変更されてもよい。即ち、ステップＳ１において、領域分割部３１は、それまでの運用結果検出されたシミに関するデータに応じて帯状領域の大きさである分割幅を最適に設定することができる。つまり、シミが検出されたときの分割幅やそのシミが隣接する帯状領域においても検出されたか等を考慮し、各シミの大きさを推定することによって、領域分割部３１が最適な分割幅を決定することができる。
続いて、図６のステップＳ５で行われるシミの検出法の処理例を説明する。
図７は、シミの検出法（その１）を説明するフローチャートである。シミ判定部３４は、ステップＳ４が完了すると、近似値と平均濃淡との差が所定の閾値を超える列番号の区間が所定の長さ以上連続するかを判定する（Ｓ５１）。
シミ判定部３４は、近似線を定義する近似関数に列番号を入力して求まる濃淡値の近似値と、その列番号に対応する列における濃淡値の平均との差を取る。そして、シミ判定部３４は、その差が、所定の閾値を超える列番号を記憶する。こうして、シミ判定部３４は、列番号を変えながら、上記差が所定の閾値を超える列番号の集合を、帯状領域毎に求める。
そして、シミ判定部３４は、１つの帯状領域において、上記列番号の集合に含まれる列番号が、所定の個数（例えばｄ列）連続しているかを判定し、連続している場合（Ｓ５１Ｙｅｓ）、シミありと判定すると共に、ｄ列分の列番号に対応する列をシミの位置として記憶部１３に格納する（Ｓ５２）。例えば、上記差が所定の閾値を超える列番号の集合が｛１、２、３、５、６、８、９、１０、１１｝であり、ｄ＝３であるとすると、区間[１、３]、区間[８、１１]がシミであると判定されることになる。
上記列番号の集合に、ｄ列連続する番号が含まれていない場合（Ｓ５１Ｎｏ）、シミ判定部３４は、その帯状領域に関してシミなしと判定する（Ｓ５３）。ステップＳ５３が済むと、ステップＳ６に進み、すべての帯状領域について同様の処理を行うことで、シミを検出することができる。
図８は、シミの検出法（その２）を説明するフローチャートである。図８で説明する検出法では、近似線と、列番号に対応する濃淡値の平均を結んでできるグラフとで囲まれる領域の面積を利用してシミの検出を行うものである。
図８において、シミ判定部３４は、ステップＳ４が完了すると、近似線と濃淡分布で囲まれる領域の面積をそれぞれ算出する（Ｓ５４）。ステップＳ５４は以下のように処理される。
ある列番号を近似関数に入力して求まる近似値からその列番号における濃淡値の平均を引いた差が正であるならば、その列番号において近似線が上記グラフより上方に位置し、差が負であるならば、逆の位置関係になる。すると、近似線と濃淡分布で囲まれる領域は、差が連続して正である列番号の区間と差が連続して負である列番号の区間に対応するので、それぞれの区間において、近似値から濃淡値の平均を引いた差の絶対値の和をとれば、近似線と濃淡分布で囲まれる領域の面積をそれぞれ求めることができる。
こうして、シミ判定部３４は、近似線と濃淡分布で囲まれる領域の面積のいずれかが所定の閾値ＳＳ以上かを判定し（Ｓ５５）、閾値ＳＳを超える面積となる列番号の区間をシミと判定する（Ｓ５６）。所定の閾値ＳＳを超える面積がなければ、シミ判定部３４は、その帯状領域に関してシミなしと判定する（Ｓ５３）。ステップＳ５３が済むと、ステップＳ６に進み、すべての帯状領域について同様の処理を行うことで、シミを検出することができる。
なお、ステップＳ５４で求まる濃淡差の累積和を、対応する区間に含まれる列の数で割った値を、新たに設定される閾値ＳＳ２と比較し、ステップＳ５５の判定に使用してもよい。列毎の濃淡差に平均化することで、例えば、近似線との差はわずかだが、常に下回るグラフが形成されることで、誤ってシミと検出されるといった状況を避けることができる。
図９は、シミの検出法（その３）を説明するフローチャートである。図７、図８の検出法においては、１つの帯状領域における判定だけでシミの有無を判定するが、隣接する複数の帯状領域における判定によりシミの有無を判定するものである。シミは、帯状領域の幅にも依存するが複数の帯状領域に広がる場合が多く、ある帯状領域において、近似値と平均濃淡との差が所定の閾値を超えていれば、隣接する帯状領域においても、連続して同様な濃淡傾向を示すため、本検出法によって、より厳格にシミの有無を判定することができる。
図９において、シミ判定部３４は、ステップＳ４が完了すると、図７同様、近似値と平均濃淡との差が所定の閾値を超える区間が所定の長さ以上連続するかを判定する（Ｓ５１）。例えば、図７同様、１つの帯状領域において、近似値と平均濃淡との差が所定の閾値を超える列が、所定の個数（例えばｄ列）連続しているかが判定される。連続している場合（Ｓ５１Ｙｅｓ）、しみ判定部３４は、ｄ列分の列番号に対応する列を記憶部１３に格納し、隣接領域における濃淡分布と近似線のデータを取得する（Ｓ５７）。
例えば、領域番号ｐ（１≦ｐ≦Ｐ）の帯状領域に対してステップＳ５１の処理を行った場合、シミ判定部３４は、領域番号ｐ＋１の帯状領域に関する平均濃淡値（図５Ｂ参照）及び図６のステップＳ４で求まる近似関数（を決定するパラメータ）を取得する。次に、シミ判定部３４は、その隣接領域に関するデータに基づき、近似値と平均濃淡との差が所定の閾値を超える区間が所定の長さ以上連続するかを判定する（Ｓ５８）。
連続している場合（Ｓ５８Ｙｅｓ）、しみ判定部３４は、ステップＳ５１Ｙｅｓの場合同様、ｄ列分の列番号に対応する列を記憶部１３に格納する。そして、ステップＳ５１の判定対象である帯状領域と、その隣接領域とで、ｄ列分の列番号に重複区間が存在する場合、シミ判定部３４は、シミありと判定し、その重複区間（に含まれる列番号）をシミの位置として記憶部１３に格納する（Ｓ５９）。
ステップＳ５１Ｎｏの場合、ステップＳ５８Ｎｏの場合には、シミ判定部３４は、その帯状領域に関してシミなしと判定する（Ｓ５３）。ステップＳ５３が済むと、ステップＳ６に進み、すべての帯状領域について同様の処理を行うことで、シミを検出することができる。
以下、具体例を用いてシミが検出される様子を説明する。
図１０Ａは、シミがない場合の撮像画像の例である。ここでは、簡単化のため、モノクロ画像であるとして説明する。モノクロ画像では、チャンネル数が「１」であり、各帯状領域に対し濃淡分布が１つで済む。図１０Ａに示されるモノクロ画像では、そのシェーディング特性の中心が、撮像画像５１の中心Ｃから右下にずれている。
図１０Ｂは、図１０Ａの帯状領域５２における濃淡値の分布を示す図である。図１０Ｂにおいては、横軸に列番号、縦軸に濃淡値が配置され、図６ステップＳ３で算出される、帯状領域５２における列毎の濃淡値の平均を結んでできるグラフである。図１０Ｂに示されるように、濃淡値のピーク位置は、中心Ｃを通る軸上の地点Ｏより右にずれ、そこから離れ、周辺に向かうほど緩やかに下がる。図１０Ａは、シミがない場合の撮像画像例であるため、図１０Ｂに示されるグラフでは、ピーク位置に近づくにつれ濃淡値が上昇するという傾向を示す以外に特異な箇所はない。
図１１Ａは、シミが１つある場合の撮像画像の例である。図１１Ａに示されるモノクロ画像では、そのシェーディング特性の中心が、撮像画像５１の中心Ｃから右下にずれているほか、帯状領域５４にかかる部分にシミ５３が見られる。
図１１Ｂは、帯状領域５４における濃淡値の分布を示す図である。図１１Ｂでは、図６ステップ３で算出される帯状領域５２における列毎の濃淡値の平均を結んでできるグラフを実線で、図６ステップＳ４で算出される近似関数に基づくグラフを点線で示してある。シミがない場合の図１０Ｂとは異なり、シミ５３に対応する位置に濃淡値が急激な変化を示す箇所５５が存在する。
本実施形態においては、図１１Ａに示されるように、必ずしもピーク位置が中心に位置指定なくても、シミの検出が可能である。これは、従来技術のように、予め特定のシェーディング特性を設定して、その設定どおりのシェーディング特性が表れるようにするのではなく、各カメラユニットの製造時のばらつき、カメラユニットの信号取込装置への取付位置のずれ等に合わせて、各帯状領域において近似線を求め、実際の濃淡値との差に基づいた判定を行うためである。従って、本実施形態の画像検査装置１０は、図６〜図９に示す処理を行うことで、この箇所５５がシミであることを、近似線と、実際の濃淡値との差に基づき適切に検出することができる。
図１２Ａは、シミが２つある場合の撮像画像の例である。図１２Ａに示されるモノクロ画像では、そのシェーディング特性の中心が、撮像画像５１の中心Ｃから右下にずれているほか、帯状領域５６にかかる部分に２つのシミ５７、５８が見られる。
図１２Ｂは、帯状領域５６における濃淡値の分布を示す図である。図１２Ｂでは、図６ステップ３で算出される帯状領域５２における列毎の濃淡値の平均を結んでできるグラフを実線で、図６ステップＳ４で算出される近似関数に基づくグラフを点線で示してある。図１２Ｂでは、ピーク位置の左側と右側に、それぞれシミ５７、５８に対応する濃淡値の急激な変化を示す箇所５９、６０が存在する。そして、本実施形態の画像検査装置１０は、図６〜図９に示す処理を行うことで、１つの帯状領域に２つのシミがある場合でも、この箇所５９、６０がシミであることを、近似線と、実際の濃淡値との差に基づき適切に検出することができる。
図１３Ａは、シミが２つある場合の撮像画像の例であり、図１２Ａと同じものである。図１３Ｂは、幅を帯状領域５６より大きくした帯状領域６１を使用する場合の濃淡値の分布を示す図である。図１３Ｂに示されるように、帯状領域の幅を大きくしてシミの検出を行うと、小さめのシミ５８の特徴はシェーディング特性の変化に埋もれ、小さめのシミの検出がしにくくなる恐れがある。しかし、大きめのシミが現れることが分かっている場合には、帯状領域の幅を大きくする方が効率的にシミの検出が可能である。
図１４は、図７及び図８のシミの検出法を説明するために、図１１のシミ５３付近の濃淡値分布を拡大した図である。図１４に示される上下方向の矢印８４は、各列における、近似線を定義する近似関数に列番号を入力して求まる濃淡値の近似値と、その列番号に対応する列における濃淡値の平均との差を示している。
図１４に示す閾値越え区間８１は、上記差が、図７ステップＳ５１で使用される所定の閾値より大きい区間である。つまり、所定の閾値を矢印８３の長さで表すとすれば、矢印８４の長さの方が長い区間である。図７に説明した検出法によれば、この閾値超え区間８１が、ｄ列以上連続していればシミと判定されることになる。
また、面積算出区間８２は、列番号を近似関数に入力して求まる近似値からその列番号における濃淡値の平均を引いた差が、連続して正である区間である。この面積算出区間８２において、上記差の累積和を取れば、図８に説明した検出法においてステップＳ５５で使用される面積が求まる。この累積和が所定の閾値ＳＳ２を超えていれば、図１４に示される面積算出区間８２がシミと判定されることになる。
以上に述べたように、本実施形態によれば、予め定められたシェーディング特性に基づく補正を行ってシミの検出を行う従来技術とは異なり、カメラユニット毎に異なるシェーディング特性に応じて、シミの検出を適切に行うことができる。また、本実施形態によれば、検査において、予め特定のシェーディング特性を設定する必要がなく、そのシェーディング特性が表れるように、カメラユニット２を信号取込装置５（信号コンタクト部６）に取り付ける必要もない。
以上まとめると付記のようになる。
（付記１） 光学部材と前記光学部材で受ける光を電気信号に変換する画像素子とを備える画像機器に接続され、前記画像機器が撮影する画像のデータが入力され、該画像のデータに基づき、前記画像機器の欠陥を検出する画像検査装置において実行される欠陥検出方法であって、
Ｍ行Ｎ列（Ｍ、Ｎは自然数）の画素から形成されるデジタル画像を、所定の行数毎に区切り複数の帯状領域に分割する分割ステップと、
前記複数の帯状領域においてそれぞれ、前記帯状領域に含まれる各画素の濃淡値の平均を列毎に求める平均ステップと、
前記複数の帯状領域においてそれぞれ、列番号と、前記列番号に対応する列における前記濃淡値の平均との関係を近似する近似関数を算出する近似ステップと、
前記近似ステップにおいて算出される前記近似関数により導出される前記濃淡値と、前記平均ステップにおいて求められる前記濃淡値の平均との差が所定の閾値を超える前記列が、ｄ列（ｄは、１＜ｄ＜Ｎを満たす自然数）連続するかを判定する判定ステップとを有することを特徴とする欠陥検出方法。
（付記２） 付記１において、更に、
前記複数の帯状領域においてそれぞれ、前記差が前記所定の閾値を超える前記列が連続する部分の位置を特定する特定ステップを有することを特徴とする欠陥検出方法。
（付記３） 光学部材と前記光学部材で受ける光を電気信号に変換する画像素子とを備える画像機器に接続され、前記画像機器が撮影する画像のデータが入力され、該画像のデータに基づき、前記画像機器の欠陥を検出する画像検査装置において実行される欠陥検出方法であって、
Ｍ行Ｎ列（Ｍ、Ｎは自然数）の画素から形成されるデジタル画像を、所定の行数毎に区切り複数の帯状領域に分割する分割ステップと、
前記複数の帯状領域においてそれぞれ、前記帯状領域に含まれる各画素の濃淡値の平均を列毎に求める平均ステップと、
前記複数の帯状領域においてそれぞれ、列番号と、前記列番号に対応する列における前記濃淡値の平均との関係を近似する近似関数を算出する近似ステップと、
前記複数の帯状領域のうち第一の帯状領域において、前記近似ステップにおいて算出される前記近似関数により導出される前記濃淡値と、前記平均ステップにおいて求められる前記濃淡値の平均との差が所定の閾値を超える前記列が、ｄ列（ｄは、１＜ｄ＜Ｎを満たす自然数）連続するかを判定し、連続する場合、前記差が前記所定の閾値を超える前記列が連続する部分を欠陥の位置として特定すると共に、隣接する第二の帯状領域における前記欠陥の位置が、前記第一の帯状領域における前記欠陥の位置と重複するかを判定する厳格判定ステップとを有することを特徴とする欠陥検出方法。
（付記４） 光学部材と前記光学部材で受ける光を電気信号に変換する画像素子とを備える画像機器に接続され、前記画像機器が撮影する画像のデータが入力され、該画像のデータに基づき、前記画像機器の欠陥を検出する画像検査装置において実行される欠陥検出方法であって、
Ｍ行Ｎ列（Ｍ、Ｎは自然数）の画素から形成されるデジタル画像を、所定の行数毎に区切り複数の帯状領域に分割する分割ステップと、
前記複数の帯状領域においてそれぞれ、前記帯状領域に含まれる各画素の濃淡値の平均を列毎に求める平均ステップと、
前記複数の帯状領域においてそれぞれ、列番号と、前記列番号に対応する列における前記濃淡値の平均との関係を近似する近似関数を算出する近似ステップと、
前記近似ステップにおいて算出される前記近似関数により導出される前記濃淡値から、前記平均ステップにおいて求められる前記濃淡値の平均を引いた差が正である前記列番号の区間を特定し、横軸に前記列番号、縦軸に前記濃淡値を配置し、前記平均ステップにおいて求められる前記濃淡値の平均を打点し、各打点を結んで形成されるグラフと、前記近似関数とで囲まれる部分の面積を、前記特定される区間毎に算出し、いずれかの前記区間における前記面積が所定の閾値を超えるかを判定する面積判定ステップとを有することを特徴とする欠陥検出方法。
（付記５） 付記４において、更に、
前記面積が前記所定の閾値を超える前記区間を特定する特定ステップを有することを特徴とする欠陥検出方法。
（付記６） 光学部材と前記光学部材で受ける光を電気信号に変換する画像素子とを備える画像機器に接続され、前記画像機器が撮影する画像のデータが入力され、該画像のデータに基づき、前記画像機器の欠陥を検出するコンピュータに、
Ｍ行Ｎ列（Ｍ、Ｎは自然数）の画素から形成されるデジタル画像を、所定の行数毎に区切り複数の帯状領域に分割する分割手順と、
前記複数の帯状領域においてそれぞれ、前記帯状領域に含まれる各画素の濃淡値の平均を列毎に求める平均手順と、
前記複数の帯状領域においてそれぞれ、列番号と、前記列番号に対応する列における前記濃淡値の平均との関係を近似する近似関数を算出する近似手順と、
前記近似手順において算出される前記近似関数により導出される前記濃淡値と、前記平均手順において求められる前記濃淡値の平均との差が所定の閾値を超える前記列が、ｄ列（ｄは、１＜ｄ＜Ｎを満たす自然数）連続するかを判定する判定手順とを実行させるためのプログラム。
（付記７） 付記６において、更に、
前記複数の帯状領域においてそれぞれ、前記差が前記所定の閾値を超える前記列が連続する部分の位置を特定する特定手順を実行させるためのプログラム。
（付記８） 光学部材と前記光学部材で受ける光を電気信号に変換する画像素子とを備える画像機器に接続され、前記画像機器が撮影する画像のデータが入力され、該画像のデータに基づき、前記画像機器の欠陥を検出するコンピュータに、
Ｍ行Ｎ列（Ｍ、Ｎは自然数）の画素から形成されるデジタル画像を、所定の行数毎に区切り複数の帯状領域に分割する分割手順と、
前記複数の帯状領域においてそれぞれ、前記帯状領域に含まれる各画素の濃淡値の平均を列毎に求める平均手順と、
前記複数の帯状領域においてそれぞれ、列番号と、前記列番号に対応する列における前記濃淡値の平均との関係を近似する近似関数を算出する近似手順と、
前記複数の帯状領域のうち第一の帯状領域において、前記近似手順において算出される前記近似関数により導出される前記濃淡値と、前記平均手順において求められる前記濃淡値の平均との差が所定の閾値を超える前記列が、ｄ列（ｄは、１＜ｄ＜Ｎを満たす自然数）連続するかを判定し、連続する場合、前記差が前記所定の閾値を超える前記列が連続する部分を欠陥の位置として特定すると共に、隣接する第二の帯状領域における前記欠陥の位置が、前記第一の帯状領域における前記欠陥の位置と重複するかを判定する厳格判定手順とを実行させるためのプログラム。
（付記９） 光学部材と前記光学部材で受ける光を電気信号に変換する画像素子とを備える画像機器に接続され、前記画像機器が撮影する画像のデータが入力され、該画像のデータに基づき、前記画像機器の欠陥を検出するコンピュータに、
Ｍ行Ｎ列（Ｍ、Ｎは自然数）の画素から形成されるデジタル画像を、所定の行数毎に区切り複数の帯状領域に分割する分割手順と、
前記複数の帯状領域においてそれぞれ、前記帯状領域に含まれる各画素の濃淡値の平均を列毎に求める平均手順と、
前記複数の帯状領域においてそれぞれ、列番号と、前記列番号に対応する列における前記濃淡値の平均との関係を近似する近似関数を算出する近似手順と、
前記近似手順において算出される前記近似関数により導出される前記濃淡値から、前記平均ステップにおいて求められる前記濃淡値の平均を引いた差が正である前記列番号の区間を特定し、横軸に前記列番号、縦軸に前記濃淡値を配置し、前記平均手順において求められる前記濃淡値の平均を打点し、各打点を結んで形成されるグラフと、前記近似関数とで囲まれる部分の面積を、前記特定される区間毎に算出し、いずれかの前記区間における前記面積が所定の閾値を超えるかを判定する面積判定手順とを実行させるためのプログラム。
（付記１０） 付記９において、更に、
前記面積が前記所定の閾値を超える前記区間を特定する特定手順を実行させるためのプログラム。
（付記１１） 光学部材と前記光学部材で受ける光を電気信号に変換する画像素子とを備える画像機器に接続され、前記画像機器が撮影する画像のデータが入力され、該画像のデータに基づき、前記画像機器の欠陥を検出する画像検査装置であって、
Ｍ行Ｎ列（Ｍ、Ｎは自然数）の画素から形成されるデジタル画像を、所定の行数毎に区切り複数の帯状領域に分割する分割部と、
前記複数の帯状領域においてそれぞれ、前記帯状領域に含まれる各画素の濃淡値の平均を列毎に求める平均部と、
前記複数の帯状領域においてそれぞれ、列番号と、前記列番号に対応する列における前記濃淡値の平均との関係を近似する近似関数を算出する近似部と、
前記近似部において算出される前記近似関数により導出される前記濃淡値と、前記平均部において求められる前記濃淡値の平均との差が所定の閾値を超える前記列が、ｄ列（ｄは、１＜ｄ＜Ｎを満たす自然数）連続するかを判定する判定部とを有することを特徴とする画像検査装置。
（付記１２） 付記１１において、更に、
前記複数の帯状領域においてそれぞれ、前記差が前記所定の閾値を超える前記列が連続する部分の位置を特定する特定部を有することを特徴とする画像検査装置。
（付記１３） 光学部材と前記光学部材で受ける光を電気信号に変換する画像素子とを備える画像機器に接続され、前記画像機器が撮影する画像のデータが入力され、該画像のデータに基づき、前記画像機器の欠陥を検出する画像検査装置であって、
Ｍ行Ｎ列（Ｍ、Ｎは自然数）の画素から形成されるデジタル画像を、所定の行数毎に区切り複数の帯状領域に分割する分割部と、
前記複数の帯状領域においてそれぞれ、前記帯状領域に含まれる各画素の濃淡値の平均を列毎に求める平均部と、
前記複数の帯状領域においてそれぞれ、列番号と、前記列番号に対応する列における前記濃淡値の平均との関係を近似する近似関数を算出する近似部と、
前記複数の帯状領域のうち第一の帯状領域において、前記近似部において算出される前記近似関数により導出される前記濃淡値と、前記平均部において求められる前記濃淡値の平均との差が所定の閾値を超える前記列が、ｄ列（ｄは、１＜ｄ＜Ｎを満たす自然数）連続するかを判定し、連続する場合、前記差が前記所定の閾値を超える前記列が連続する部分を欠陥の位置として特定すると共に、隣接する第二の帯状領域における前記欠陥の位置が、前記第一の帯状領域における前記欠陥の位置と重複するかを判定する厳格判定部とを有することを特徴とする画像検査装置。
（付記１４） 光学部材と前記光学部材で受ける光を電気信号に変換する画像素子とを備える画像機器に接続され、前記画像機器が撮影する画像のデータが入力され、該画像のデータに基づき、前記画像機器の欠陥を検出する画像検査装置であって、
Ｍ行Ｎ列（Ｍ、Ｎは自然数）の画素から形成されるデジタル画像を、所定の行数毎に区切り複数の帯状領域に分割する分割部と、
前記複数の帯状領域においてそれぞれ、前記帯状領域に含まれる各画素の濃淡値の平均を列毎に求める平均部と、
前記複数の帯状領域においてそれぞれ、列番号と、前記列番号に対応する列における前記濃淡値の平均との関係を近似する近似関数を算出する近似部と、
前記近似部において算出される前記近似関数により導出される前記濃淡値から、前記平均部において求められる前記濃淡値の平均を引いた差が正である前記列番号の区間を特定し、横軸に前記列番号、縦軸に前記濃淡値を配置し、前記平均部において求められる前記濃淡値の平均を打点し、各打点を結んで形成されるグラフと、前記近似関数とで囲まれる部分の面積を、前記特定される区間毎に算出し、いずれかの前記区間における前記面積が所定の閾値を超えるかを判定する面積判定部とを有することを特徴とする画像検査装置。
（付記１５） 付記１４において、更に、
前記面積が前記所定の閾値を超える前記区間を特定する特定部を有することを特徴とする画像検査装置。
本発明の実施形態の画像検査システムの構成を説明する図である。 本実施形態の画像検査装置の構成を説明する図である。 本実施形態における画像検査装置の制御部を説明する機能ブロック図である。 撮像画像のデータ構成例である。 Ａは、所定の行数として３行分ずつ分割する場合の帯状領域の例であり、Ｂは、算出された濃淡値の平均データが記憶部に格納されるときのデータ構成例である。 本実施形態における画像検査装置の動作を説明するフローチャートである。 シミの検出法（その１）を説明するフローチャートである。 シミの検出法（その２）を説明するフローチャートである。 シミの検出法（その３）を説明するフローチャートである。 Ａは、シミがない場合の撮像画像の例であり、Ｂは、帯状領域における濃淡値の分布を示す図である。 Ａは、シミが１つある場合の撮像画像の例であり、Ｂは、帯状領域における濃淡値の分布を示す図である。 Ａは、シミが２つある場合の撮像画像の例であり、Ｂは、帯状領域における濃淡値の分布を示す図である。 Ａは、シミが２つある場合の撮像画像の例であり、Ｂは、幅をより大きくした帯状領域を使用する場合の濃淡値の分布を示す図である。 シミ付近の濃淡値分布を拡大した図である。
符号の説明
１ 検査用撮像面、２ カメラユニット、３ レンズ、４ 画像素子、５ 信号取込装置、６ 信号コンタクト部、７ 信号変換部、８ 信号線、９ 照明装置、１０ 画像検査装置、１１ 制御部、１２ RAM、１３ 記憶部、１５ 周辺機器インタフェース、１６ 入力部、１７ 表示部、３１ 領域分割部、３２ 濃淡平均算出部、３３ 近似線算出部、３４ シミ判定部、４１ キーボード、４２ マウス、４３ 液晶ディスプレイ

Claims (5)

  1. 光学部材と前記光学部材で受ける光を電気信号に変換する画像素子とを備える画像機器に接続され、前記画像機器が撮影する画像のデータが入力され、該画像のデータに基づき、前記画像機器の欠陥を検出する画像検査装置において実行される欠陥検出方法であって、
    Ｍ行Ｎ列（Ｍ、Ｎは自然数）の画素から形成されるデジタル画像を、所定の行数毎に区切り複数の帯状領域に分割する分割ステップと、
    前記複数の帯状領域においてそれぞれ、前記帯状領域に含まれる各画素の濃淡値の平均を列毎に求める平均ステップと、
    前記複数の帯状領域においてそれぞれ、列番号と、前記列番号に対応する列における前記濃淡値の平均との関係を近似する近似関数を算出する近似ステップと、
    前記近似ステップにおいて算出される前記近似関数により導出される前記濃淡値と、前記平均ステップにおいて求められる前記濃淡値の平均との差が所定の閾値を超える前記列が、ｄ列（ｄは、１＜ｄ＜Ｎを満たす自然数）連続するかを判定する判定ステップとを有することを特徴とする欠陥検出方法。
  2. 光学部材と前記光学部材で受ける光を電気信号に変換する画像素子とを備える画像機器に接続され、前記画像機器が撮影する画像のデータが入力され、該画像のデータに基づき、前記画像機器の欠陥を検出する画像検査装置において実行される欠陥検出方法であって、
    Ｍ行Ｎ列（Ｍ、Ｎは自然数）の画素から形成されるデジタル画像を、所定の行数毎に区切り複数の帯状領域に分割する分割ステップと、
    前記複数の帯状領域においてそれぞれ、前記帯状領域に含まれる各画素の濃淡値の平均を列毎に求める平均ステップと、
    前記複数の帯状領域においてそれぞれ、列番号と、前記列番号に対応する列における前記濃淡値の平均との関係を近似する近似関数を算出する近似ステップと、
    前記複数の帯状領域のうち第一の帯状領域において、前記近似ステップにおいて算出される前記近似関数により導出される前記濃淡値と、前記平均ステップにおいて求められる前記濃淡値の平均との差が所定の閾値を超える前記列が、ｄ列（ｄは、１＜ｄ＜Ｎを満たす自然数）連続するかを判定し、連続する場合、前記差が前記所定の閾値を超える前記列が連続する部分を欠陥の位置として特定すると共に、隣接する第二の帯状領域における前記欠陥の位置が、前記第一の帯状領域における前記欠陥の位置と重複するかを判定する厳格判定ステップとを有することを特徴とする欠陥検出方法。
  3. 光学部材と前記光学部材で受ける光を電気信号に変換する画像素子とを備える画像機器に接続され、前記画像機器が撮影する画像のデータが入力され、該画像のデータに基づき、前記画像機器の欠陥を検出する画像検査装置において実行される欠陥検出方法であって、
    Ｍ行Ｎ列（Ｍ、Ｎは自然数）の画素から形成されるデジタル画像を、所定の行数毎に区切り複数の帯状領域に分割する分割ステップと、
    前記複数の帯状領域においてそれぞれ、前記帯状領域に含まれる各画素の濃淡値の平均を列毎に求める平均ステップと、
    前記複数の帯状領域においてそれぞれ、列番号と、前記列番号に対応する列における前記濃淡値の平均との関係を近似する近似関数を算出する近似ステップと、
    前記近似ステップにおいて算出される前記近似関数により導出される前記濃淡値から、前記平均ステップにおいて求められる前記濃淡値の平均を引いた差が正である前記列番号の区間を特定し、横軸に前記列番号、縦軸に前記濃淡値を配置し、前記平均ステップにおいて求められる前記濃淡値の平均を打点し、各打点を結んで形成されるグラフと、前記近似関数とで囲まれる部分の面積を、前記特定される区間毎に算出し、いずれかの前記区間における前記面積が所定の閾値を超えるかを判定する面積判定ステップとを有することを特徴とする欠陥検出方法。
  4. 光学部材と前記光学部材で受ける光を電気信号に変換する画像素子とを備える画像機器に接続され、前記画像機器が撮影する画像のデータが入力され、該画像のデータに基づき、前記画像機器の欠陥を検出するコンピュータに、
    Ｍ行Ｎ列（Ｍ、Ｎは自然数）の画素から形成されるデジタル画像を、所定の行数毎に区切り複数の帯状領域に分割する分割手順と、
    前記複数の帯状領域においてそれぞれ、前記帯状領域に含まれる各画素の濃淡値の平均を列毎に求める平均手順と、
    前記複数の帯状領域においてそれぞれ、列番号と、前記列番号に対応する列における前記濃淡値の平均との関係を近似する近似関数を算出する近似手順と、
    前記近似手順において算出される前記近似関数により導出される前記濃淡値と、前記平均手順において求められる前記濃淡値の平均との差が所定の閾値を超える前記列が、ｄ列（ｄは、１＜ｄ＜Ｎを満たす自然数）連続するかを判定する判定手順とを実行させるためのプログラム。
  5. 光学部材と前記光学部材で受ける光を電気信号に変換する画像素子とを備える画像機器に接続され、前記画像機器が撮影する画像のデータが入力され、該画像のデータに基づき、前記画像機器の欠陥を検出する画像検査装置であって、
    Ｍ行Ｎ列（Ｍ、Ｎは自然数）の画素から形成されるデジタル画像を、所定の行数毎に区切り複数の帯状領域に分割する分割部と、
    前記複数の帯状領域においてそれぞれ、前記帯状領域に含まれる各画素の濃淡値の平均を列毎に求める平均部と、
    前記複数の帯状領域においてそれぞれ、列番号と、前記列番号に対応する列における前記濃淡値の平均との関係を近似する近似関数を算出する近似部と、
    前記近似部において算出される前記近似関数により導出される前記濃淡値と、前記平均部において求められる前記濃淡値の平均との差が所定の閾値を超える前記列が、ｄ列（ｄは、１＜ｄ＜Ｎを満たす自然数）連続するかを判定する判定部とを有することを特徴とする画像検査装置。
JP2004284776A 2004-09-29 2004-09-29 画像検査装置、画像検査方法及び画像検査プログラム Pending JP2006098217A (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2004284776A JP2006098217A (ja) 2004-09-29 2004-09-29 画像検査装置、画像検査方法及び画像検査プログラム
CNB2005100919178A CN100491952C (zh) 2004-09-29 2005-08-12 图像检查装置、缺陷检测方法及缺陷检测程序
US11/234,409 US20060067569A1 (en) 2004-09-29 2005-09-26 Image inspection device, image inspection method, and image inspection program

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2004284776A JP2006098217A (ja) 2004-09-29 2004-09-29 画像検査装置、画像検査方法及び画像検査プログラム

Publications (1)

Publication Number Publication Date
JP2006098217A true JP2006098217A (ja) 2006-04-13

Family

ID=36099141

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2004284776A Pending JP2006098217A (ja) 2004-09-29 2004-09-29 画像検査装置、画像検査方法及び画像検査プログラム

Country Status (3)

Country Link
US (1) US20060067569A1 (ja)
JP (1) JP2006098217A (ja)
CN (1) CN100491952C (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009130395A (ja) * 2007-11-19 2009-06-11 Sharp Corp 撮像装置および電子情報機器
US8531744B2 (en) 2009-07-21 2013-09-10 Fuji Xerox Co., Ltd. Image defect diagnostic system, image forming apparatus, image defect diagnostic method and computer readable medium

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7738692B2 (en) * 2006-07-20 2010-06-15 Taiwan Semiconductor Manufacturing Co., Ltd. Methods of determining quality of a light source
CN100592202C (zh) * 2007-05-15 2010-02-24 鸿富锦精密工业（深圳）有限公司 相机模组的影像测试系统及方法
US8797429B2 (en) 2012-03-05 2014-08-05 Apple Inc. Camera blemish defects detection
JP2018180875A (ja) * 2017-04-12 2018-11-15 富士通株式会社 判定装置、判定方法および判定プログラム
KR102576277B1 (ko) * 2018-05-02 2023-09-08 삼성디스플레이 주식회사 불량 검출 장치 및 방법
JP6984766B2 (ja) 2019-02-07 2021-12-22 三菱電機株式会社 赤外線撮像装置および赤外線撮像プログラム
JP7098591B2 (ja) * 2019-09-30 2022-07-11 本田技研工業株式会社 電極構造体検査方法
CN114651169A (zh) * 2019-11-22 2022-06-21 夏普株式会社 显示面板的制造方法
CN113744274B (zh) * 2021-11-08 2022-02-08 深圳市巨力方视觉技术有限公司 产品外观缺陷检测方法、装置及存储介质
TWI808595B (zh) * 2022-01-03 2023-07-11 友達光電股份有限公司 分析缺陷的方法
CN114638825B (zh) * 2022-05-12 2022-08-09 深圳市联志光电科技有限公司 一种基于图像分割的缺陷检测方法和检测系统
CN117824889B (zh) * 2024-03-04 2024-06-18 杭州中为光电技术有限公司 硅棒内力检测系统、检测方法及截断方法

Family Cites Families (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU565874B2 (en) * 1983-03-11 1987-10-01 Ei Solutions, Inc. Adaptive threshold circuit for digital image processing
JPS61290865A (ja) * 1985-06-19 1986-12-20 Ricoh Co Ltd 中間調デジタル画像処理装置
US5065444A (en) * 1988-02-08 1991-11-12 Northrop Corporation Streak removal filtering method and apparatus
US5091963A (en) * 1988-05-02 1992-02-25 The Standard Oil Company Method and apparatus for inspecting surfaces for contrast variations
US5297289A (en) * 1989-10-31 1994-03-22 Rockwell International Corporation System which cooperatively uses a systolic array processor and auxiliary processor for pixel signal enhancement
SE506145C2 (sv) * 1995-03-20 1997-11-17 Bjoern Stefan Christian Blixt Förfarande för omvandling av en i bildelement uppdelad gråskalebild till en svart-vit bild
US5760829A (en) * 1995-06-06 1998-06-02 United Parcel Service Of America, Inc. Method and apparatus for evaluating an imaging device
JPH09329527A (ja) * 1996-04-08 1997-12-22 Advantest Corp 画像処理方法および画像処理装置
US6275600B1 (en) * 1998-03-09 2001-08-14 I.Data International, Inc. Measuring image characteristics of output from a digital printer
US6043900A (en) * 1998-03-31 2000-03-28 Xerox Corporation Method and system for automatically detecting a background type of a scanned document utilizing a leadedge histogram thereof
US6643410B1 (en) * 2000-06-29 2003-11-04 Eastman Kodak Company Method of determining the extent of blocking artifacts in a digital image
US6636645B1 (en) * 2000-06-29 2003-10-21 Eastman Kodak Company Image processing method for reducing noise and blocking artifact in a digital image
US20020146171A1 (en) * 2000-10-01 2002-10-10 Applied Science Fiction, Inc. Method, apparatus and system for black segment detection
JP3946038B2 (ja) * 2000-12-25 2007-07-18 株式会社リコー 画像処理装置および画像形成装置
US6741741B2 (en) * 2001-02-01 2004-05-25 Xerox Corporation System and method for automatically detecting edges of scanned documents
US20030059099A1 (en) * 2001-09-27 2003-03-27 Longford Equipment International Limited Optical character recognition system
JP4169573B2 (ja) * 2002-10-23 2008-10-22 株式会社東京精密 パターン検査方法及び検査装置
DE60334777D1 (de) * 2003-05-08 2010-12-16 St Microelectronics Res & Dev Verfahren und Vorrichtung zur Entfernung von Spaltenfestmusterrauschen in Festkörperbildsensoren
SK10072003A3 (sk) * 2003-08-08 2005-03-04 Dušan Kočiš Dátový kanál pozadia na papierovom alebo inom nosiči
US7242816B2 (en) * 2003-08-11 2007-07-10 Scanbuy, Inc. Group average filter algorithm for digital image processing
JP2006033797A (ja) * 2004-06-17 2006-02-02 Ricoh Co Ltd 画像処理装置及び画像処理方法
US20060262210A1 (en) * 2005-05-19 2006-11-23 Micron Technology, Inc. Method and apparatus for column-wise suppression of noise in an imager
US7903865B2 (en) * 2007-03-27 2011-03-08 Chuang Hwa University Automatic optical inspection system and method

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009130395A (ja) * 2007-11-19 2009-06-11 Sharp Corp 撮像装置および電子情報機器
JP4682181B2 (ja) * 2007-11-19 2011-05-11 シャープ株式会社 撮像装置および電子情報機器
US8531744B2 (en) 2009-07-21 2013-09-10 Fuji Xerox Co., Ltd. Image defect diagnostic system, image forming apparatus, image defect diagnostic method and computer readable medium

Also Published As

Publication number Publication date
CN1755343A (zh) 2006-04-05
US20060067569A1 (en) 2006-03-30
CN100491952C (zh) 2009-05-27

Similar Documents

Publication Publication Date Title
US20060067569A1 (en) Image inspection device, image inspection method, and image inspection program
US20210281748A1 (en) Information processing apparatus
JP7271873B2 (ja) 検査装置、画像形成装置及び検査方法
US20130117723A1 (en) Pattern shape evaluation method, pattern shape evaluation device, pattern shape evaluating data generation device and semiconductor shape evaluation system using the same
JP2009211626A (ja) 画像処理装置及び方法
KR20090101356A (ko) 결함 검출 장치 및 결함 검출 방법
JP2005331929A (ja) 画像解析方法、画像解析プログラム、及びそれらを有する画素評価システム
JP6823486B2 (ja) ひび割れ検出方法
EP2793172B1 (en) Image processing apparatus, image processing method and program
WO2021189259A1 (zh) Oled屏幕点缺陷判定方法、装置、存储介质及电子设备
JP2005172559A (ja) パネルの線欠陥検出方法及び装置
JP2008310817A (ja) テキストマップの中からライン構造を検出する方法および画像処理装置
WO2019188316A1 (ja) 画像処理装置、画像処理方法及びプログラム
US11493453B2 (en) Belt inspection system, belt inspection method, and recording medium for belt inspection program
JP2008020369A (ja) 画像解析方法、画像解析装置、検査装置、画像解析プログラムおよびコンピュータ読み取り可能な記録媒体
JP2005345290A (ja) 筋状欠陥検出方法及び装置
JP4831340B2 (ja) 画像処理装置、画像処理方法、プログラム、および記録媒体
US20060126136A1 (en) Image inspecting apparatus, image inspecting method, control program and computer-readable storage medium
JP2009017158A (ja) カメラ検査装置
CN116703803A (zh) 用于检测电池极片边缘的毛刺的方法、设备和系统
JP6897448B2 (ja) 線幅推定プログラム、装置、及び方法
US20200211199A1 (en) Image inspection method
JP2007104296A (ja) 解像度測定方法、装置及びプログラム
JP5846100B2 (ja) 表示装置の欠陥検査方法
JPH0688789A (ja) 画像中の濃度変動構成画素抽出方法および濃度変動塊判定方法

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20070119

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20090217

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20090602

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20090731

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20090901

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20100105