JP2013243486A - 画像データ検査装置及び画像データ検査方法 - Google Patents

Abstract

【課題】 ノイズの影響を抑制して画像データの中から精度良く所定方向に延びる線状欠陥を検出することが可能な画像データ検査装置及び画像データ検査方法を提供することを目的とする。
【解決手段】 画像データ検査装置１は、画像データの中で所定方向に並ぶ画素から成る画素列に対して画素値が急峻に変動する境界を検出する境界検出部３と、画素列を成す画素を当該境界で複数のグループに分けそれぞれのグループに属する画素の画素値をグループ間で統計的に比較することによって画素列中から所定方向に延びた線状欠陥の検出を行う比較部４と、を備える。
【選択図】 図１

Description

本発明は、画像データを検査する画像データ検査装置及び画像データ検査方法に関する。

ＣＭＯＳ（Complementary Metal Oxide Semiconductor）イメージセンサやＣＣＤ（Charge Coupled Device）イメージセンサなどに代表される固体撮像素子や、液晶ディスプレイに代表される表示装置など、デジタルの画像データを生成したり表示したりする電子機器が広く普及している。このような電子機器では、高品質な画像データを生成したり表示したりすることが求められるため、例えば出荷前に所定の検査が行われる。

具体的に例えば、固体撮像素子または固体撮像素子を備えた電子機器の検査として、当該固体撮像素子が生成する画像データの中から、固有の位置に発生する欠陥（例えば、固体撮像素子の不良に起因して生じる欠陥）を検出するための検査が行なわれる。この検査によって、画像データの中から微小な（または修復可能な）欠陥が発見されれば、例えば当該欠陥の周辺の画素値を用いて当該欠陥を修復するように固体撮像素子または電子機器を動作させることで、生成される画像データの高品質化を図ることができる。また、画像データの中から大きな（または修復不可能な）欠陥が発見された場合は、出荷前に当該固体撮像素子を廃棄したり交換したりすることができる。

ここで、ＣＣＤイメージセンサが生成する画像データに含まれる欠陥について、図面を参照して説明する。図６は、ＣＣＤイメージセンサの構成の一例を示すブロック図である。また図７は、図６のＣＣＤイメージセンサが生成する画像データの一例を示す図である。

図６に示すように、ＣＣＤイメージセンサ１００は、マトリクス状に整列するとともに光電変換によって電荷を生成するフォトダイオード１０１と、フォトダイオード１０１が生成した電荷を垂直方向（図中上方向）に転送する垂直転送部１０２と、垂直転送部によって転送される電荷を水平方向（図中左方向）に転送する水平転送部１０３と、水平転送部１０３によって転送される電荷による電位を増幅することで画像データを生成する出力アンプ１０４と、を備える。

図６に示すＣＣＤイメージセンサ１００では、１つの垂直転送部１０２ａに、不良部分Ｗが存在している。そのため、当該垂直転送部１０２ａは、不良部分Ｗよりも後段（水平転送部１０３から離れる側、図中下側）に設けられているフォトダイオード１０１が生成する電荷を、正常に転送することができなくなる。その結果、図７に示すように、図１に示すＣＣＤイメージセンサ１００が生成する画像データ２００において、画像データ２００の端（図中下端）から垂直方向（図中上方向）に延びる線状欠陥２０１が含まれることになる。

例えば、線状欠陥２０１は、不良部分Ｗによって転送される電荷が過剰になれば画像データ２００中で白の線状欠陥（周囲よりも画素値が大きい画素が成す列）として表れ、不良部分Ｗによって転送される電荷が不足すれば画像データ２００中で黒の線状欠陥（周囲よりも画素値が小さい画素が成す列）として表れる。なお、図７は、暗時画像（光が照射されない状況下で固体撮像素子の撮像により得られる画像、以下同じ）の画像データ２００中に白の線状欠陥２０１が表れる場合について例示したものである。

図７に示したような線状欠陥２０１を検出する際に利用可能な欠陥検出方法が、特許文献１で提案されている。この欠陥検出方法を利用して線状欠陥２０１を検出する線状欠陥検出方法について、図８〜図１２を参照して説明する。図８は、従来の欠陥検出方法を利用した線状欠陥検出方法について示すフローチャートである。図９は、図８のステップ＃１０１において使用されるフィルタを示す図である。また、図１０は、図８のステップ＃１０２における演算方法を示す図である。また、図１１は、図８のステップ＃１０２によって得られるプロファイルを示すグラフである。

図８に示すように、従来の欠陥検出方法を利用した線状欠陥検出方法では、最初に検出対象の画像データを取得する（ステップ＃１００）。なお、ここでは、取得する画像データが、図６に示したＣＣＤイメージセンサの撮像によって生成される、図７に示すような暗時画像の画像データ２００であるものとする。

次に、取得した画像データ２００に対して、垂直方向のエッジを検出するフィルタ処理（画素値とフィルタ係数との畳み込み演算、以下同じ）を行う（ステップ＃１０１）。このとき、図９に示す５×５のフィルタを使用する。このフィルタは、水平方向に対して係数「−１」，「−１」，「０」，「１」，「１」が順に並ぶとともに、垂直方向に対してはそれぞれ同じ係数が５つ並ぶものとなっている。

次に、図１０に示すように、ステップ＃１０１でフィルタ処理された画像データ３００を、垂直方向に対して４つに分割して成る検出対象領域３１１〜３１４のそれぞれについて、垂直方向に並ぶ画素の画素値を平均化して、それぞれの平均値を算出する。そして、図１１に示すように、算出したそれぞれの平均値を示すプロファイルを生成する（ステップ＃１０２）。なお、ステップ＃１０２の演算によって、それぞれの検出対象領域３１１〜３１４のプロファイルが得られるが、図１２では、線状欠陥３０１が最も大きく含まれる、画像データ３００の最後段（図中最下段）の検出対象領域３１４から得られるプロファイルのみを例示している。また、図１１に示すグラフの横軸は水平方向の位置であり、縦軸は算出された平均値をｍＶで表した値である。

最後に、プロファイルにおける各平均値と、下記式（１）によって算出される閾値Ｖ_ｔｈ１，Ｖ_ｔｈ２と、を比較して、線状欠陥３０１を検出する（ステップ＃１０３）。具体的には、プロファイルが示す平均値が、閾値Ｖ_ｔｈ１よりも大きくなる、または、閾値Ｖ_ｔｈ２よりも小さくなる位置に、線状欠陥３０１が含まれていることを検出する。なお、下記式（１）において、μはプロファイルにおける各平均値の平均値、σ_１はプロファイルにおける各平均値の標準偏差、αは係数である。

Ｖ_ｔｈ１＝μ＋α×σ_１，Ｖ_ｔｈ２＝μ−α×σ_１ ・・・（１）

特開２００４−２９４２０２号公報

しかしながら、上述の線状欠陥検出方法では、ノイズの影響が大きい画像データにおいて、線状欠陥の検出が困難になるため、問題となる。

ノイズの影響が大きい画像データの一例について、図１２を参照して説明する。図１２は、ノイズの影響が大きい画像データの一例を示す図である。なお、図１２は、遮光状態の撮像により得られた画像データであり、図１２（ａ）は、実際の画像データに対してコントラストを強調した図である。また、図１２（ｂ）は、図１２（ａ）を模式的に示した図である。

図１２に示す画像データ２２０には、斜め方向（水平方向と垂直方向との間の方向、図中の右下方向）に延びた縞状であり、当該斜め方向に垂直な方向（図中右上方向）に対して画素値が波打つように変動するビートノイズ２２２が発生している。なお、図１２に示すビートノイズ２２２の画素値の振幅は、０．１ｍＶ〜０．２ｍＶ程度であり、微小なものである。

図１２に示すように、ビートノイズ２２２が発生すると、暗時画像であっても、水平方向及び垂直方向の両方に対して画素値が周期的に変動する。そのため、ビートノイズ２２２が発生している画像データ２２０に対して、上述の線状欠陥検出方法を適用すると、線状欠陥２２１による画素値の変動成分がビートノイズによる画素値の変動成分よりも大きかったとしても、プロファイルにおいて、ビートノイズ２２２による画素値の変動成分に線状欠陥２２１による画素値の変動成分が埋もれてしまい、線状欠陥２２１を精度良く検出することが困難になる。

具体的に例えば、図１１に例示するプロファイルでは、線状欠陥を示す平均値が０．３６ｍＶと小さく、ノイズレベルが０．０５６ｍＶと大きくなっており、下記式（２）によって求められるＰＳＮＲ（Peak Signal to Noise Ratio）が１６．３６ｄＢと小さくなっている。なお、ノイズレベルは、線状欠陥部分を除くプロファイルの標準偏差値として定義している（以下同じ）。また、下記式（２）において、Ｖｍａｘはプロファイルの最大値、σ_２はノイズレベルである。

ＰＳＮＲ＝２０×ｌｏｇ_１０（Ｖｍａｘ／σ_２） ・・・（２）

このように、上述の線状欠陥検出方法では、ノイズの影響を強く受けるため、ノイズによる画素値の変動成分と線状欠陥２２１による画素値の変動成分とを明確に区別することが困難になる。したがって、上述の線状欠陥検出方法では、線状欠陥２２１を精度良く検出することが困難になる。

そこで、本発明は、ノイズの影響を抑制して画像データの中から精度良く所定方向に延びる線状欠陥を検出することが可能な画像データ検査装置及び画像データ検査方法を提供することを目的とする。

上記目的を達成するため、本発明は、画像データの中で所定方向に並ぶ画素から成る画素列に対して、画素値が急峻に変動する境界を検出する境界検出部と、前記画素列を成す前記画素を、前記境界で複数のグループに分け、それぞれの前記グループに属する前記画素の画素値を、前記グループ間で統計的に比較することによって、前記画素列中から、前記所定方向に延びた線状欠陥の検出を行う比較部と、を備えることを特徴とする画像データ検査装置を提供する。

この画像データ検査装置によれば、境界検出部によって、画素列中で画素値の変動が小さい画素毎にグループの分割が行われ、比較部によって、当該グループ間で画素値が統計的に比較される。そのため、ノイズによる画素値の変動の影響を抑制して、画素列中の画素の画素値を比較することが可能になる。

また、上記特徴の画像データ検査装置において、前記前記比較部が、それぞれの前記グループに属する前記画素の画素値の平均値を算出し、当該平均値を前記グループ間で比較することによって、前記画素列中の前記線状欠陥の検出を行うと、好ましい。

この画像データ検査装置によれば、例えばビートノイズ等による周期的な画素値の変動成分を、それぞれのグループ内で低減することが可能になる。

また、上記特徴の画像データ検査装置において、前記境界検出部が、前記画素列に対して前記境界を１つ検出し、前記比較部が、前記画素列を成す前記画素を、前記境界で第１グループ及び第２グループに分け、前記第１グループに属する前記画素の画素値と、前記第２グループに属する前記画素の画素値と、を統計的に比較することによって、前記画素列中の前記線状欠陥の検出を行うと、好ましい。

この画像データ検査装置によれば、例えばＣＣＤイメージセンサが生成する画像データに含まれるような、画像データの端から所定方向に延びる線状欠陥を、簡易かつ精度良く検出することが可能になる。

また、上記特徴の画像データ検査装置において、前記比較部が、前記第１グループに属する前記画素の画素値の平均値と、前記第２グループに属する前記画素の画素値の平均値と、の差分値を算出して、当該差分値が正である第１閾値よりも大きくなる、または、負である第２閾値よりも小さくなる場合に、前記画素列中に前記線状欠陥が含まれていることを検出すると、好ましい。

この画像データ検査装置によれば、例えばビートノイズ等による周期的な画素値の変動成分を、それぞれのグループ内で低減することが可能になる。また、例えばＣＣＤイメージセンサが生成する画像データに含まれるような、画像データの端から所定方向に延びる線状欠陥を、簡易かつ精度良く検出することが可能になる。

また、上記特徴の画像データ検査装置において、前記境界検出部が、前記画素列に対して、前記所定方向に並ぶＫ個の係数Ｎ（Ｋ及びＮは自然数）と前記所定方向に並ぶＫ個の係数−Ｎとを隣接させて成る、１×２Ｋのフィルタを用いたフィルタ処理を行い、得られた出力値が最大または最小になる前記画素の位置に基づいて、前記境界を検出すると、好ましい。

この画像データ検査装置によれば、画素値が急峻に変動する境界を、精度良く検出することが可能になる。

また、上記特徴の画像データ検査装置において、前記Ｋが、４以上２５６以下であると、好ましい。

この画像データ検査装置によれば、フィルタの所定方向におけるサイズをある程度大きくすることで、画素値が急峻に変動する境界を、精度良く検出することが可能になる。また、フィルタの所定方向におけるサイズが大きくなり過ぎることを防止することで、画素列の端におけるフィルタ処理が不可能になったり、画素列の端における境界の検出精度が低くなったりすることを、抑制することが可能になる。

また、上記特徴の画像データ検査装置において、前記画像データが、輝度ムラを抑制するシェーディング補正処理と、前記所定方向のエッジを検出するエッジ検出処理と、点状欠陥を補正する点状欠陥補正処理と、の少なくともいずれか１つが施されたものであると、好ましい。

これらの画像データ検査装置によれば、所定の処理が施されることでより線状欠陥が検出され易くなった画像データから、線状欠陥を検出することが可能になる。

また、本発明は、画像データの中で所定方向に並ぶ画素から成る画素列に対して、画素値が急峻に変動する境界を検出する境界検出ステップと、前記画素列を成す前記画素を、前記境界で複数のグループに分け、それぞれの前記グループに属する前記画素の画素値を、前記グループ間で統計的に比較することによって、前記画素列中から、前記所定方向に延びた線状欠陥の検出を行う比較ステップと、を備えることを特徴とする画像データ検査方法を提供する。

この画像データ検査方法によれば、画素列中で画素値の変動が小さい画素毎にグループの分割を行い、当該グループ間で画素値を統計的に比較する。そのため、ノイズによる画素値の変動の影響を抑制して、画素列中の画素の画素値を比較することが可能になる。

上記特徴の画像データ検査装置及び画像データ検査方法によれば、ノイズによる画素値の変動の影響を抑制して、画素列中の画素の画素値を比較することが可能になる。そのため、ノイズの影響を抑制して画像データの中から精度良く所定方向に延びる線状欠陥を検出することが可能になる。

本発明の実施形態に係る画像データ検査装置の構成例について示すブロック図。 本発明の実施形態に係る画像データ検査装置の動作例について示すフローチャート。 図２のステップ＃２におけるフィルタ処理の一例を示す図。 図２のステップ＃３，＃４における演算方法を示す図。 図２のステップ＃３によって得られるプロファイルを示すグラフ。 ＣＣＤイメージセンサの構成の一例を示すブロック図。 図６のＣＣＤイメージセンサが生成する画像データの一例を示す図。 従来の欠陥検出方法を利用した線状欠陥検出方法について示すフローチャート。 図８のステップ＃１０１において使用されるフィルタを示す図。 図８のステップ＃１０２における演算方法を示す図。 図８のステップ＃１０２によって得られるプロファイルを示すグラフ。 ノイズの影響が大きい画像データの一例を示す図。

以下、本発明の実施形態に係る画像データ検査装置について説明する。ただし、以下では説明の具体化のため、例えば図６に示したようなＣＣＤイメージセンサ１００が生成した暗時画像の画像データの中に含まれる、垂直方向に延びた白の線状欠陥を検出する場合について、例示する。

最初に、図１を参照して、本発明の実施形態に係る画像データ検査装置の構成例について説明する。図１は、本発明の実施形態に係る画像データ検査装置の構成例について示すブロック図である。

図１に示すように、画像データ検査装置１は、固体撮像素子（ＣＣＤイメージセンサ）Ｓが生成する画像データを格納する第１メモリ２と、画像データの中で垂直方向に並ぶ画素から成る画素列に対して画素値が急峻に変動する境界を検出する境界検出部３と、画素列を成す画素を境界検出部３が検出した境界で複数のグループに分けそれぞれのグループに属する画素の画素値をグループ間で統計的に比較することによって画素列中から垂直方向に延びた線状欠陥の検出を行う比較部４と、画像データを各成分に分離する成分分離部５と、成分分離部５によって分離された画像データの各成分を格納する第２メモリ６と、境界検出部３及び比較部４が処理を行う際に各種データを格納する第３メモリ７と、を備える。なお、図１では、第１メモリ２、第２メモリ６及び第３メモリ７のそれぞれが別体であるかのように図示しているが、これらは一体のものであってもよい。

画像データ検査装置１に、暗時画像や輝度画像（グレー画像）のような１つの成分から成る画像データが入力される場合、第１メモリ２から境界検出部３に対して直接的に画像データが入力される。

一方、画像データ検査装置１に、カラー画像のような複数の成分（例えば、Ｒ（赤）Ｇ（緑）Ｂ（青）の成分）から成る画像データが入力される場合、成分分離部５によって分離された画像データの各成分は、第２メモリ６に格納された後で、境界検出部３に入力される。このとき、第２メモリ６から境界検出部３に対して、画像データの各成分が入力されるようにしてもよいし、画像データの一部の成分のみが入力されるようにしてもよい。

次に、図２〜図５を参照して、画像データ検査装置１の動作例について説明する。図２は、本発明の実施形態に係る画像データ検査装置の動作例について示すフローチャートである。図３は、図２のステップ＃２におけるフィルタ処理の一例を示す図である。また、図４は、図２のステップ＃３，＃４における演算方法を示す図である。また、図５は、図２のステップ＃３によって得られるプロファイルを示すグラフである。

図２に示すように、画像データ検査装置１は、最初に検出対象の画像データを取得して、第１メモリ２に格納する（ステップ＃１）。上述のように、この画像データは、暗時画像の画像データであるものとする。

次に、第１メモリ２に格納した画像データを、境界検出部３に入力する。そして、境界検出部３が、当該画像データに対して、線状欠陥の境界を検出するフィルタ処理を行う（ステップ＃２）。このとき、図３に示すように、画像データの垂直方向に並ぶ画素から成る画素列に対して、１×８のフィルタを作用させる。このフィルタは、垂直方向に対して係数「−１」が４個並ぶとともに、その後段に隣接して係数「１」が４個並んだものとなっており、画素値が急峻に変動する境界を精度良く検出することが可能な構成になっている。なお、境界検出部３は、画像データに含まれる画素列のそれぞれに対して、このフィルタ処理を行う。

ここで、画像データの水平方向の座標をｘ、垂直方向の座標をｙとして、画像データに含まれる画素の座標を（ｘ，ｙ）、その画素値をＰ（ｘ，ｙ）で表す場合、フィルタ処理後の値である出力値Ｆ（ｘ，ｙ）は、下記式（３）に示すようにして算出される。ただし、ｘは０以上ｘ_ｍａｘ以下の整数、ｙは０以上ｙ_ｍａｘ以下の整数とする。ここで、ｘ_ｍａｘは、画像データの水平方向における画素の最大の座標を示しており、ｙ_ｍａｘは、画像データの垂直方向における画素の最大の座標を示している。なお、例えば出力値Ｆ（ｘ，０）を算出しようとする場合など、フィルタの一部を作用させる画素がない（この例では、（ｘ，−３）〜（ｘ，−１）に画素が存在しない）場合、出力値は算出しなくてもよいし、所定の画素値（例えば、本例のように暗時画像の画像データから線状欠陥を検出する場合は、黒を示す画素値）の画素があると仮定して出力値を算出してもよい。

・・・（３）

そして、図４に示すように、境界検出部３は、出力値Ｆ（ｘ，ｙ）が最大となる境界画素２１の座標（ｘ，ｙ_ｂ）を検出する。出力値Ｆ（ｘ，ｙ）が大きくなる場合とは、画素値が小さい画素に対して係数「−１」を作用させるとともに、画素値が大きい画素に対して係数「１」を作用させた場合である。即ち、画素値が急峻に（階段状に）変動する境界２２を含んで隣接する画素に対して、上記のフィルタを作用させた場合に、出力値Ｆ（ｘ，ｙ）が最大になり得る。なお、図４に示すような単純な例であれば、画素値が急峻に変動する境界２２と、係数「−１」及び「１」の境界とが一致する場合に、出力値Ｆ（ｘ，ｙ）が最大になる。

境界検出部３は、出力値Ｆ（ｘ，ｙ）が最大となる境界画素２１の座標（ｘ，ｙ_ｂ）を基準として、境界２２を検出する。図３に示した例では、フィルタの垂直方向のサイズが偶数（８）であり、出力値Ｆ（ｘ，ｙ）の座標（ｘ，ｙ）は、係数「−１」及び「１」の境界の直後の座標に相当する。そのため、境界検出部３は、境界画素２１の座標（ｘ，ｙ_ｂ）とその直前の画素の座標（ｘ，ｙ_ｂ−１）との間を、境界２２として検出する。なお、境界検出部３は、画像データ１０に含まれる画素列のそれぞれに対して、この境界の検出を行う。

次に、比較部４は、画素列を成す画素について、画像データ１０の垂直方向における一方の端部（図中下端）から境界２２までの（ｘ，ｙ_ｂ）〜（ｘ，ｙ_ｍａｘ）の画素を第１グループ３１、画像データ１０の垂直方向における他方の端部（図中上端）から境界２２までの（ｘ，０）〜（ｘ，ｙ_ｂ−１）の画素を第２グループ３２として、画素列を分割する（ステップ＃３）。なお、比較部４は、画像データ１０に含まれる画素列のそれぞれに対して、このグループの分割を行う。

これにより、画素列中で、近い画素値の画素毎にグループが分割される。そのため、暗時画像の画像データ１０の通常の画素（黒の画素）と、線状欠陥１１を成す画素（白の画素）とは、別々のグループに属することになる。図４に示す例では、線状欠陥１１を成す画素が第１グループ３１に属し、暗時画像の画像データ１０の通常の画素は第２グループ３２に属している。

次に、比較部４は、下記式（４）に示すように、第１グループ３１に属する画素の画素値の平均値Ｅ１（ｘ）と、第２グループ３２に属する画素の画素値の平均値Ｅ２（ｘ）と、の差分値Ｄ（ｘ）を算出する。なお、比較部４は、画像データ１０に含まれる画素列のそれぞれに対して、この差分値Ｄ（ｘ）の算出を行う。

Ｄ（ｘ）＝Ｅ１（ｘ）−Ｅ２（ｘ） ・・・（４）

そして、図５に示すように、比較部４は、算出したそれぞれの差分値Ｄ（ｘ）を示すプロファイルを生成する（ステップ＃４）。なお、図５に示すグラフの横軸は水平方向の位置であり、縦軸は上記式（４）によって算出された差分値Ｄ（ｘ）をｍＶで表した値である。

上述のように、暗時画像の画像データ１０の通常の画素（黒の画素）と、線状欠陥１１を成す画素（白の画素）とは、別々のグループに属する。そのため、線状欠陥１１が含まれている画素列では、差分値Ｄ（ｘ）の絶対値が大きくなる。なお、図４に示す例に対して、上記式（４）を適用する場合、線状欠陥１１を成す画素（白の画素）の平均値Ｅ１（ｘ）から、暗時画像の画像データ１０の通常の画素（黒の画素）の平均値Ｅ２（ｘ）を減算して差分値Ｄ（ｘ）を算出するため、差分値Ｄ（ｘ）が正の値で大きくなる。

そこで、比較部４は、差分値Ｄ（ｘ）と閾値とを比較することにより、線状欠陥１１の検出を行う（ステップ＃５）。具体的に、比較部４は、差分値Ｄ（ｘ）が正の第１閾値よりも大きくなる、または、差分値Ｄ（ｘ）が負の第２閾値よりも小さくなる画素列に、線状欠陥１１が含まれていることを検出する。なお、第１閾値及び第２閾値として、上記式（１）の閾値Ｖ_ｔｈ１，Ｖ_ｔｈ２を適用してもよい。ただし、上記式（１）において、μはプロファイルにおける各差分値Ｄ（ｘ）の平均値、σ_１はプロファイルにおける各差分値Ｄ（ｘ）の標準偏差、αは係数であるとする。

そして、比較部４は、線状欠陥１１の検出結果を示すデータを、検出データとして出力する。なお、このとき比較部４が、差分値Ｄ（ｘ）が正である（Ｅ１（ｘ）＞Ｅ２（ｘ）である）ことに基づき、第１グループ３１に属する画素が白の線状欠陥１１であることまで検出して、その検出結果を検出データに含めて出力してもよい。

本発明の実施形態に係る画像データ検査装置１では、境界検出部３によって、画素列中で画素値の変動が小さい画素毎にグループの分割が行われ、比較部４によって、当該グループ３１，３２間で画素値が統計的に比較される。そのため、ノイズによる画素値の変動の影響を抑制して、画素列中の画素の画素値を比較することが可能になる。したがって、画像データ検査装置１は、ノイズの影響を抑制して画像データ１０の中から精度良く垂直方向に延びる線状欠陥１１を検出することが可能になる。

具体的に例えば、図５に例示するプロファイルでは、線状欠陥を示す差分値が０．６３ｍＶと大きく（図１１に示すプロファイルでは０．３６ｍＶ）、ノイズレベルが０．０４ｍＶと小さくなっており（図１１に示すプロファイルでは０．０５６ｍＶ）、ＰＳＮＲが２３．４８ｄＢと大きくなっている（図１１に示すプロファイルでは１６．３６ｄＢ）。なお、本例のプロファイルにおけるＰＳＮＲも、上記式（２）によって求められたものである。

また、比較部４が、それぞれのグループ３１，３２に属する画素の画素値の平均値を算出し、当該平均値をグループ３１，３２間で比較するため、例えばビートノイズ等による周期的な画素値の変動成分を、それぞれのグループ３１，３２内で低減することが可能になる。

このとき、それぞれのグループ３１，３２に含まれる画素数（即ち、平均値算出のための母数）が大きいほど、ビートノイズ等による周期的な画素値の変動成分を効果的に低減することが可能である。具体的に例えば、１６００万画素程度の画像データでは、垂直方向の画素数が３５００程度になり、それぞれのグループ３１，３２に十分な画素数を含ませることが可能になる。そのため、ビートノイズ等による周期的な画素値の変動成分を、効果的に低減することが可能である。

なお、比較部４が、それぞれのグループ３１，３２に属する画素の画素値を統計的に比較する際に、それぞれのグループ３１，３２における画素値の平均値以外を用いてもよい。例えば、それぞれのグループ３１，３２における画素値の中央値や、それぞれのグループ３１，３２における画素値の最大値、それぞれのグループ３１，３２における画素値の最小値、それぞれのグループ３１，３２における画素値の最大値及び最小値の平均値、グループ３１，３２の一方における最大値と他方における最小値、グループ３１，３２に属する任意の画素の画素値の差分値の平均値、などを用いて、比較部４が、それぞれのグループ３１，３２に属する画素の画素値を統計的に比較してもよい。

＜変形等＞
［１］ 境界検出部３が、境界画素２１を検出するフィルタとして１×８のフィルタを適用する場合について例示したが、適用可能なフィルタはこの例の限りではない。具体的には、垂直方向に並ぶＫ個の係数「Ｎ」と、垂直方向に並ぶＫ個の係数「−Ｎ」とを隣接させて成るフィルタであれば、どのようなフィルタを用いてもよい（Ｋ及びＮは自然数）。

例えば、図３に示したフィルタと同様に、正の係数「Ｎ」の後段に負の係数「−Ｎ」を隣接させたフィルタを用いる場合、出力値Ｆ（ｘ，ｙ）は、下記式（５）に示すものとなる。このとき、画像データの中から白の線状欠陥を検出する場合は、出力値Ｆ（ｘ，ｙ）が最大となる境界画素の座標（ｘ，ｙ_ｂ）とその直前の画素の座標（ｘ，ｙ_ｂ−１）との間を、境界とすればよい。

・・・（５）

一方、図３に示したフィルタとは異なり、負の係数「−Ｎ」の後段に正の係数「Ｎ」を隣接させたフィルタを用いる場合、出力値Ｆ（ｘ，ｙ）は、下記式（６）に示すものとなる。このとき、画像データの中から白の線状欠陥を検出する場合は、出力値Ｆ（ｘ，ｙ）が最小となる境界画素座標（ｘ，ｙ_ｓ）とその直前の画素の座標（ｘ，ｙ_ｓ−１）との間を、境界とすればよい。

・・・（６）

なお、上記式（５）及び（６）に示すフィルタ処理について、フィルタの垂直方向におけるサイズ２Ｋは、ある程度大きくすることで、画素値が急峻に変動する境界を、精度良く検出することが可能になる。そのため、Ｋが４以上（２Ｋが８以上）であると好ましい。また、フィルタの垂直方向におけるサイズ２Ｋは、大きくし過ぎると、画素列の端におけるフィルタ処理が不可能になったり、画素列の端における境界の検出精度が低くなったりする。そのため、Ｋが２５６以下（２Ｋが５１２以下）にすると、好ましい。

［２］ 画像データ検査装置１が、暗時画像の画像データから白の線状欠陥を検出する場合について例示したが、これ以外の画像の画像データの中から線状欠陥を検出することも可能である。

具体的に例えば、有照度画像（光が照射される状況下で固体撮像素子の撮像により得られる画像、以下同じ）の画像データの中から、黒の線状欠陥を検出する場合にも、上述の画像データ検査装置１を適用することができる。

このとき、境界検出部３が、上記式（５）のフィルタを用いて出力値Ｆ（ｘ，ｙ）を算出する場合、出力値Ｆ（ｘ，ｙ）が最小となる境界画素の座標（ｘ，ｙ_ｓ）とその直前の画素の座標（ｘ，ｙ_ｓ−１）との間を、境界とすればよい。また、境界検出部３が、上記式（６）のフィルタを用いて出力値Ｆ（ｘ，ｙ）を算出する場合は、出力値Ｆ（ｘ，ｙ）が最大となる境界画素の座標（ｘ，ｙ_ｂ）とその直前の画素の座標（ｘ，ｙ_ｂ−１）との間を、境界とすればよい。

そして、上述した白の線状欠陥１１を検出する場合と同様に、比較部４が、上記式（４）に示すように差分値Ｄ（ｘ）を算出し、当該差分値Ｄ（ｘ）と所定の閾値とを比較することによって、画素列に含まれる黒の線状欠陥の検出を行う。具体的に、比較部４は、差分値Ｄ（ｘ）が正の第１閾値よりも大きくなる、または、差分値Ｄ（ｘ）が負の第２閾値よりも小さくなる画素列に、線状欠陥が含まれていることを検出する。なお、第１閾値及び第２閾値として、上記式（１）の閾値Ｖ_ｔｈ１，Ｖ_ｔｈ２を適用してもよい。ただし、上記式（１）において、μはプロファイルにおける各差分値Ｄ（ｘ）の平均値、σ_１はプロファイルにおける各差分値Ｄ（ｘ）の標準偏差、αは係数であると読み替えることとする。

また、比較部４は、線状欠陥１１の検出結果を示すデータを、検出データとして出力する。なお、このとき比較部４が、差分値Ｄ（ｘ）が負である（Ｅ１（ｘ）＜Ｅ２（ｘ）である）ことに基づき、第１グループ３１に属する画素が黒の線状欠陥であることまで検出して、その検出結果を検出データに含めて出力してもよい。

［３］ 境界検出部３が、画素列を第１グループ３１及び第２グループ３２の２つに分ける場合について例示したが、３つ以上のグループに分けてもよい。例えば、境界検出部３が、出力値Ｆ（ｘ，ｙ）が極大値や極小値となる境界画素を検出することで、複数の境界を検出してもよい。この場合でも、比較部４が、それぞれのグループに属する画素の画素値を、グループ間で統計的に比較することによって、画素列中の線状欠陥の検出を行うことが可能になる。

ただし、上述の画像データ検査装置１の実施形態のように、画素列を第１グループ３１及び第２グループ３２に分けると、例えばＣＣＤイメージセンサが生成する画像データに含まれるような、画像データの端から垂直方向に延びる線状欠陥を、簡易かつ精度良く検出することが可能になる。

［４］ 画像データ検査装置１が線状欠陥を検出する画像データは、固体撮像素子Ｓが生成した画像データに何らかの処理が施されたものであってもよい。なお、この処理は、画像データ検査装置１の内部で行われるものであってもよいし、画像データ検査装置１の外部で行われるものであってもよい。

例えば、画像データ検査装置１が、シェーディング補正を行って輝度ムラを抑制した後の画像データ（特に、有照度画像の画像データ）の中から、線状欠陥を検出してもよい。また例えば、画像データ検査装置１が、垂直方向のエッジを検出するエッジ検出処理を行った後の画像データの中から、線状欠陥を検出してもよい。また例えば、画像データ検査装置１が、点状欠陥を補正した後の画像データの中から、線状欠陥を検出してもよい。なお、これらの処理を行う際に、公知の処理方法を適用可能である。

この場合、画像データ検査装置１は、所定の処理が施されて線状欠陥が検出され易くなった画像データから、線状欠陥を検出することが可能になる。

［５］ ＣＣＤイメージセンサ１００が生成する画像データの検査（換言すると、ＣＣＤイメージセンサ１００の検査）に対して、画像データ検査装置１を適用する場合について例示したが、画像データ検査装置１は、これ以外の検査にも適用可能である。

例えば、ＣＭＯＳイメージセンサでは、垂直方向に並ぶフォトダイオードに対して共通の論理回路や配線に不良があるなどの場合に、生成する画像データの中に線状欠陥が含まれることがある。そのため、画像データ検査装置１は、ＣＭＯＳイメージセンサが生成する画像データの検査（換言すると、ＣＭＯＳイメージセンサの検査）にも、好適に利用可能である。

また例えば、液晶ディスプレイなどの表示装置でも、回路の不良などにより表示画面に線状欠陥が含まれることがある。そのため、画像データ検査装置１は、表示装置の表示画面を固体撮像素子で撮像して生成される画像データの検査（換言すると、表示装置の検査）にも、好適に利用可能である。

［６］ 画像データ検査装置１が、画像データの垂直方向に延びる線状欠陥を検出する場合について例示したが、画像データ検査装置１は、水平方向に延びる線状欠陥を検出してもよいし、斜め方向に延びる線状欠陥を検出してもよい。

［７］ 画像データ検査装置１を、画像処理機能を有する電子機器（例えば、撮像装置や表示装置）に搭載してもよい。この場合、生成するまたは入力される画像データの中から、画像データ検査装置１が線状欠陥を検出して、電子機器がその検出結果に基づいて画像データの中の線状欠陥を補正してもよい。

［８］ 本発明の実施形態として例示した画像データ検査装置１は、境界検出部３がフィルタ処理によって境界２２を検出した後（図３及び図４参照）、比較部４が境界２２によって分けられたグループ３１，３２の画素値の平均値の差分値を算出して線状欠陥１１を検出しているが（図４及び図５参照）、境界検出部３によるフィルタ処理のみで線状欠陥１１を検出してもよい。

この場合、境界検出部３は、上記式（５）または（６）に示すフィルタ処理によって出力値Ｆ（ｘ，ｙ）を求め、出力値Ｆ（ｘ，ｙ）が最大または最小となる座標から境界を検出する際に、その最大となった出力値Ｆ（ｘ，ｙ_ｂ）またはその最小となった出力値Ｆ（ｘ，ｙ_ｓ）に着目して、線状欠陥を検出する。線状欠陥を含む部分に対して上記式（５）または（６）に示すフィルタ処理を行うと、最大となった出力値Ｆ（ｘ，ｙ_ｂ）が著しく大きい値となる、または、最小となった出力値Ｆ（ｘ，ｙ_ｓ）が著しく小さい値となるため、これらの値に基づいて線状欠陥を検出することは可能である。

本発明に係る画像データ検査装置や画像データ検査方法は、例えば固体撮像素子や表示装置等の検査を行う画像データ検査装置に、好適に利用され得る。

１ ： 画像データ検査装置
２ ： 第１メモリ
３ ： 境界検出部
４ ： 比較部
５ ： 成分分離部
６ ： 第２メモリ
７ ： 第３メモリ
１０ ： 画像データ
１１ ： 線状欠陥
２１ ： 境界画素
２２ ： 境界
３１ ： 第１グループ
３２ ： 第２グループ

Claims (8)

1. 画像データの中で所定方向に並ぶ画素から成る画素列に対して、画素値が急峻に変動する境界を検出する境界検出部と、
   前記画素列を成す前記画素を、前記境界で複数のグループに分け、それぞれの前記グループに属する前記画素の画素値を、前記グループ間で統計的に比較することによって、前記画素列中から、前記所定方向に延びた線状欠陥の検出を行う比較部と、
   を備えることを特徴とする画像データ検査装置。
2. 前記比較部が、
   それぞれの前記グループに属する前記画素の画素値の平均値を算出し、
   当該平均値を前記グループ間で比較することによって、前記画素列中の前記線状欠陥の検出を行うことを特徴とする請求項１に記載の画像データ検査装置。
3. 前記境界検出部が、前記画素列に対して前記境界を１つ検出し、
   前記比較部が、前記画素列を成す前記画素を、前記境界で第１グループ及び第２グループに分け、前記第１グループに属する前記画素の画素値と、前記第２グループに属する前記画素の画素値と、を統計的に比較することによって、前記画素列中の前記線状欠陥の検出を行うことを特徴とする請求項１または２に記載の画像データ検査装置。
4. 前記比較部が、
   前記第１グループに属する前記画素の画素値の平均値と、前記第２グループに属する前記画素の画素値の平均値と、の差分値を算出して、
   当該差分値が正である第１閾値よりも大きくなる、または、負である第２閾値よりも小さくなる場合に、前記画素列中に前記線状欠陥が含まれていることを検出することを特徴とする請求項３に記載の画像データ検査装置。
5. 前記境界検出部が、
   前記画素列に対して、前記所定方向に並ぶＫ個の係数Ｎ（Ｋ及びＮは自然数）と前記所定方向に並ぶＫ個の係数−Ｎとを隣接させて成る、１×２Ｋのフィルタを用いたフィルタ処理を行い、
   得られた出力値が最大または最小になる前記画素の位置に基づいて、前記境界を検出することを特徴とする請求項１〜４のいずれか１項に記載の画像データ検査装置。
6. 前記Ｋが、４以上２５６以下であることを特徴とする請求項５に記載の画像データ検査装置。
7. 前記画像データが、輝度ムラを抑制するシェーディング補正処理と、前記所定方向のエッジを検出するエッジ検出処理と、点状欠陥を補正する点状欠陥補正処理と、の少なくともいずれか１つが施されたものであることを特徴とする請求項１〜６のいずれか１項に記載の画像データ検査装置。
8. 画像データの中で所定方向に並ぶ画素から成る画素列に対して、画素値が急峻に変動する境界を検出する境界検出ステップと、
   前記画素列を成す前記画素を、前記境界で複数のグループに分け、それぞれの前記グループに属する前記画素の画素値を、前記グループ間で統計的に比較することによって、前記画素列中から、前記所定方向に延びた線状欠陥の検出を行う比較ステップと、
   を備えることを特徴とする画像データ検査方法。