JP2014174658A - 検査装置、及び検査方法 - Google Patents
検査装置、及び検査方法 Download PDFInfo
- Publication number
- JP2014174658A JP2014174658A JP2013045080A JP2013045080A JP2014174658A JP 2014174658 A JP2014174658 A JP 2014174658A JP 2013045080 A JP2013045080 A JP 2013045080A JP 2013045080 A JP2013045080 A JP 2013045080A JP 2014174658 A JP2014174658 A JP 2014174658A
- Authority
- JP
- Japan
- Prior art keywords
- evaluation
- evaluation image
- feature amount
- image
- spectrum
- 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
Links
Images
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
【課題】必要な品質は維持しつつ過剰な検査手法を排除した検査装置、検査方法の提供を目的とする。
【解決手段】評価用画像の品質を評価する検査装置であって、前記評価用画像を形成する際に用いるベクトルデータから特徴量Aを計算する手段と、前記評価用画像に含まれる評価画像を形成する手段と、前記形成された評価画像を取得する手段と、前記取得された評価画像に含まれる輪郭を示す輪郭データを抽出する手段と、前記抽出された輪郭データから特徴量Bを計算する手段と、前記特徴量Aと前記特徴量Bを、人の視覚特性の感度が高い周波数帯域におけるスペクトルに基づいて比較して、前期評価画像の品質を検査する手段と、を有する。
【選択図】図1
【解決手段】評価用画像の品質を評価する検査装置であって、前記評価用画像を形成する際に用いるベクトルデータから特徴量Aを計算する手段と、前記評価用画像に含まれる評価画像を形成する手段と、前記形成された評価画像を取得する手段と、前記取得された評価画像に含まれる輪郭を示す輪郭データを抽出する手段と、前記抽出された輪郭データから特徴量Bを計算する手段と、前記特徴量Aと前記特徴量Bを、人の視覚特性の感度が高い周波数帯域におけるスペクトルに基づいて比較して、前期評価画像の品質を検査する手段と、を有する。
【選択図】図1
Description
本発明は、画像の品質を検査する装置、及び検査方法に関する。
従来、例えば、特許文献1に記載されているように、検査対象パターン画像と基準パターンからエッジを検出し、エッジを比較することにより求めたパターン変形量から、検査対象パターン画像の欠陥を検出するパターン検査装置が知られていた。
しかしながら、特許文献1に記載のパターン検査装置では、例えば、設計データに基づき製造された、半導体集積回路(LSI)や液晶パネルなどの微細なパターンを検査するため、人が観察するために形成されたパターンを検査する際は、人の視覚には影響がない微細な特徴成分を高精度に抽出することとなる。その結果、検査に要する装置や処理が過剰なものとなるという課題があった。
本発明は、上述の課題の少なくとも一部を解決するためになされたものであり、以下の形態または適用例として実現することが可能である。
[適用例1]本適用例に係る評価用画像の品質を評価する検査装置は、前記評価用画像を形成する際に用いるベクトルデータから特徴量Aを計算する手段と、前記評価用画像に含まれる評価画像を形成する手段と、前記形成された評価画像を取得する手段と、前記取得された評価画像に含まれる輪郭を示す輪郭データを抽出する手段と、前記抽出された輪郭データから特徴量Bを計算する手段と、前記特徴量Aと前記特徴量Bを、人の視覚特性の感度が高い周波数帯域におけるスペクトルに基づいて比較して、前期評価画像の品質を検査する手段と、を有する。
本適用例によれば、前記評価画像の品質を検査する手段は、特徴量Aと特徴量Bを、人の視覚特性の感度が高い周波数帯域におけるスペクトルに基づいて比較するため、人の視覚特性に影響がない微細な特徴量を抽出する必要がなくなる。そのため、人の視覚特性を考慮しつつ、簡単な処理により評価画像の品質検査を行なうことが可能となる。
従って、例えば半導体集積回路や液晶パネルなどの微細なパターンを検査する検査装置よりも、高速にでき、かつ製造コストを低減できる検査装置を提供することができる。
従って、例えば半導体集積回路や液晶パネルなどの微細なパターンを検査する検査装置よりも、高速にでき、かつ製造コストを低減できる検査装置を提供することができる。
[適用例2]上記適用例に記載の検査装置において、前記特徴量Aを計算する手段は、前記ベクトルデータから線分データを形成し、前記線分データを形成する各成分の相対的な位置関係を所定の周期関数で示し、前記周期関数に対して周波数解析を行なうことが好ましい。
本適用例によれば、前記特徴量Aを計算する手段は、ベクトルデータから形成する線分データの相対的な位置関係を所定の周期関数で示し、前記周期関数に対して周波数解析を行なうため、周波数スペクトルを取得することが可能となる。これによって、前記周波数スペクトルから人の視覚特性の感度の高い周波数帯域におけるスペクトル値である特徴量Aを取得することができる。
[適用例3]上記適用例に記載の検査装置において、前記特徴量Bを計算する手段は、前記輪郭データを形成する各成分の相対的な位置関係を所定の周期関数で示し、前記周期関数に対して周波数解析を行なうことが好ましい。
本適用例によれば、前記輪郭データから周波数スペクトルを取得することが可能となり、これによって、周波数スペクトルを取得することが可能となる。これによって、前記周波数スペクトルから人の視覚特性の感度の高い周波数帯域におけるスペクトル値である特徴量Bを取得することができる。
そのため、特徴量Aと特徴量Bのスペクトルに基づいて両方の特徴量を容易に比較して、評価画像の品質を検査することができる。
そのため、特徴量Aと特徴量Bのスペクトルに基づいて両方の特徴量を容易に比較して、評価画像の品質を検査することができる。
[適用例4]上記適用例に記載の検査装置において、前記特徴量Aを特徴量データベースに保持する手段を有することが好ましい。
本適用例によれば、一度特徴量を計算したら特徴量データベースに保持することで、同一のデータである場合は再度計算する必要がなくなる。これによって、評価画像が同一の場合は、特徴量Aの計算過程を省略して高速な検査が可能となる。
[適用例5]上記適用例に記載の検査装置において、前記特徴量Aと前記特徴量Bを比較した結果を、評価データベースに保持する手段を有することが好ましい。
本適用例によれば、新しい評価画像を検査するときに、過去の比較データを参考にすることができる。これによって、評価画像を形成する手段へのフィードバックをすることができる。
[適用例6]本適用例に係る評価用画像の品質を評価する検査方法は、評価用画像を形成する際に用いるベクトルデータから特徴量Aを計算する工程と、前記評価用画像に含まれる評価画像を形成する工程と、前記形成された評価画像を取得する工程と、前記取得された評価画像に含まれる輪郭を示す輪郭データを抽出する工程と、前記抽出された輪郭データから特徴量Bを計算する工程と、前記特徴量Aと前記特徴量Bを、人の視覚特性の感度が高い周波数帯域におけるスペクトルに基づいて比較して、前期評価画像の品質を検査する工程と、を有する。
本適用例によれば、前記評価画像の品質を検査する工程において、特徴量Aと特徴量Bを、人の視覚特性の感度が高い周波数帯域におけるスペクトルに基づいて比較するため、人の視覚特性に影響がない微細な特徴量を抽出する必要がなくなる。そのため、人の視覚特性を考慮しつつ、簡単な処理により評価画像の品質検査を行なうことが可能となる。
従って、例えば半導体集積回路や液晶パネルなどの微細なパターンを検査する検査方法よりも、高速な検査方法を提供することができる。
従って、例えば半導体集積回路や液晶パネルなどの微細なパターンを検査する検査方法よりも、高速な検査方法を提供することができる。
以下、本発明の実施形態について、図面を参照して説明する。
(1)検査装置の概要
図1は、本発明の検査方法を説明する図である。また、図2は、本発明の検査装置1を説明するブロック構成図である。そして、図3は、検査装置1により実行される検査方法を説明するフローチャートである。さらに、図4は、検査装置1により用いられるベクトルデータから形成した評価画像を示す図である。
図1は、本発明の検査方法を説明する図である。また、図2は、本発明の検査装置1を説明するブロック構成図である。そして、図3は、検査装置1により実行される検査方法を説明するフローチャートである。さらに、図4は、検査装置1により用いられるベクトルデータから形成した評価画像を示す図である。
図2に示すように、検査装置1は、プリンター10、スキャナー20、パーソナルコンピューター(以下、PCという)30とを備える。この検査装置1では、プリンター10により印刷された評価画像を用いて、PC30による品質検査が行なわれる。
プリンター10は、周知のものを用いることができ、インクジェット式のプリンターであってもよいし、電子写真式のプリンターであってもよい。本実施形態では、プリンター10は、PC30から出力される評価用ベクトルデータを用いて、評価画像を印刷する。
評価画像は、PC30が評価画像の良否判定を行なうために用いられる画像である。本実施形態では、図4に示すように、6種類の異なる文字サイズ(40pt、20pt、11pt、10.5pt、8pt、4pt)により記録される文字列を含む評価用ベクトルデータを使用する。また、この評価用ベクトルデータに含まれる各文字列を評価画像群と記載する。そして、この評価画像群に含まれる個々の文字を評価画像とも記載する。なお、評価用ベクトルデータを構成するものは文字に限定される、検査用途に応じて適宜選択すればよい。
スキャナー20は、プリンター10により印刷された評価画像を読取り、PC30に出力する。スキャナー20により読み取られた評価画像は、所定解像度(例えば、1200dpi)の画素により構成され、各画素がsRGB色空間の各色成分値を備える。なお、スキャナー20は、周知のものを用いることができる。
PC30は、スキャナー20から出力された評価画像の良否判定を行なう。PC30は、既存のパーソナルコンピューターであり、プリンター10、及びスキャナー20と接続されている。図2に示すように、PC30は、コントローラー31と、IF32、33と、キーボード34と、外部メモリー35と、ディスプレイ36とを備える。
PC30は、IF32、33を介してプリンター10、及びスキャナー20にそれぞれ接続されている。また、IF32、33は、コントローラー31に接続されている。
コントローラー31は、CPU、ROM、RAMを備えて構成される。そして、CPUがROMに記録されたプログラムを実行することで、コントローラー31は、色変換部41、線分データ形成部42、輪郭抽出部43、スペクトル取得部44、特徴量取得部45、特徴量評価部46を機能的に備える。
さらに、コントローラー31は、外部メモリー35に記録された図示しないドライバープログラムを実行することで、プリンター10、及びスキャナー20の駆動をそれぞれ制御することができる。
さらに、コントローラー31は、外部メモリー35に記録された図示しないドライバープログラムを実行することで、プリンター10、及びスキャナー20の駆動をそれぞれ制御することができる。
外部メモリー35は、HDDやSSD等の大容量メモリーにより構成される。また、外部メモリー35には、PC30がプリンター10、又はスキャナー20を制御するためのプログラムや、評価画像の良否判定を行なうために用いられる各種データやプログラムが記録されている。
図1、図3に示すように、PC30により実行される評価画像の良否判定は、以下の手法が用いられる。
まず、図3のステップS1では、評価用ベクトルデータが取得され、特徴量A、又は特徴量Bのどちらを算出するかが決定される(図1(a))。ここで特徴量Aと特徴量Bとで処理を分割しているが、最終的には特徴量A、及び特徴量Bの両特徴量の取得処理が実行される。なお、特徴量Aが既知である場合については、特徴量Aの取得処理は省略することができる。
まず、図3のステップS1では、評価用ベクトルデータが取得され、特徴量A、又は特徴量Bのどちらを算出するかが決定される(図1(a))。ここで特徴量Aと特徴量Bとで処理を分割しているが、最終的には特徴量A、及び特徴量Bの両特徴量の取得処理が実行される。なお、特徴量Aが既知である場合については、特徴量Aの取得処理は省略することができる。
特徴量Aを算出する場合、ステップS2では、線分データ形成部42により、評価用ベクトルデータの線分データが形成される(図1(b))。具体的には、評価用ベクトルデータには、線分の情報だけでなく曲線などの情報が含まれる。線分データ形成部42では、この線分以外の情報を、線分データを構成する位置の座標(x、y)に変換することで、形成を行なう。線分データ形成部42による線分の形成は公知の手法を用いて行なわれる。
そして、ステップS3では、スペクトル取得部44により、線分データのスペクトルが取得される(図1(c))。本実施形態では、線分データのスペクトルを、線分データを構成する成分間の相対的な位置関係により取得する。
そのため、スペクトル取得部44は、線分データに含まれる各成分の相対的な位置関係を周期関数wとして表現し、この周期関数wに対して周波数解析を行なうことで、スペクトルを取得する。この周期関数wは、線分データで表現される曲線を曲線Cとすると、曲線Cの周囲長を周期とする関数として表現するものである。
さらに、ステップS4では、特徴量取得部45により、スペクトルから特徴量Aが取得される(図1(g))。特徴量取得部45は、得られたスペクトルより、特定周波数成分のスペクトルのみを取り出し、その偏差をもとに特徴量としている。
一方、特徴量Bを算出する場合、ステップS5では、評価用ベクトルデータから評価画像が形成される。具体的には、評価用ベクトルデータは、外部メモリー35に記録された図示しないドライバープログラムを介して、画素の集合であるラスターデータへと変換されて、プリンター10で評価画像が形成される。ここで、プリンター10で評価画像を形成することは一例であり、例えば、プロジェクターやディスプレイで評価画像を形成するものであってもよい。
ステップS6では、評価画像が取得される(図1(d))。また、色変換部41により、評価画像の色成分の変換が行なわれる。色変換部41は、評価画像を構成する画素の色成分値を他の色空間上の値に変換する。具体的には、色変換部41は、評価画像の画素の色成分値(sRGB空間)を、L*a*b*値(Lab色空間)に変換する。色変換部41による色成分値の変換は公知の変換式を用いて行なわれる。ここで、色変換部41が、画素の色成分値をLab色空間上の値に変換することは一例であり、例えば、XYZ色空間上の値(X、Y、Z)に変換するものであってもよい。
ステップS7では、輪郭抽出部43により、評価画像の輪郭データの抽出が行なわれる(図1(e))。輪郭データは、評価画像の境界を規定する画素により構成されるデータである。本実施形態では、輪郭抽出部43は、輪郭データを構成する画素の座標(x、y)を取得することで抽出を行なう。
そして、ステップS8では、スペクトル取得部44により、輪郭データのスペクトルが取得される(図1(f))。本実施形態では、輪郭データのスペクトルを、輪郭データを構成する成分間の相対的な位置関係により取得する。輪郭データにより表される曲線を曲線Cとし、画素(点)を結んで、曲線Cを折れ線近似する場合を想定する。画素を結んで求められる曲線Cの任意の成分が近接成分との関係で直線状である場合、その線分をがたつきや凹凸が低い成分と見なすことができる。一方、任意の線分が近接成分との関係で直線状でない場合、その線分をがたつきや凹凸が高い成分と見なすことができる。即ち、上記したがたつきや凹凸が高い成分を多く含む曲線Cは、それだけがたつき度合いが高いと判断することが可能となる。
そのため、スペクトル取得部44は、輪郭データに含まれる各線分の相対的な位置関係を周期関数wとして表現し、この周期関数wに対して周波数解析を行なうことで、スペクトルを取得する。この周期関数wは、輪郭データで表現される曲線Cを、その周囲長を周期とする関数として表現するものである。
さらに、ステップS9では、特徴量取得部45により、スペクトルから特徴量Bが取得される(図1(g))。特徴量取得部45は、得られたスペクトルより、特定周波数成分のスペクトルのみを取り出し、その偏差をもとに特徴量としている。
ステップS10では、特徴量評価部46により、特徴量Aと特徴量Bの比較と、その比較結果をもとに特徴量Bの評価値が取得される(図1(h))。比較は、プリンター10を介して出力された評価画像を評価するために行なわれる。また、特徴量Bの評価は、特徴量Aに対して特徴量Bがどれだけ大きくなっているかで評価値を決定する。
ステップS11では、評価画像の良否判定が行なわれる(図1(i))特徴量評価部46で得られた特徴量Bの評価値をもとに評価画像の良否を判定する。本実施形態では、良否判定の基準は、予め特徴量Bの評価値と、主観評価実験によって得られた主観値との対応付けにより決定されたものである。そのため、この評価画像の良否判定結果において評価が高い評価画像を出力するプリンターは、それだけ性能が高いと見なすことができる。
そして、ステップS12において、評価の対象となる全ての評価画像に対して評価が行なわれたと判定される(ステップS12:YES)まで、上記処理が繰り返し実行される。例えば、評価用ベクトルデータが複数存在する場合、全ての評価用ベクトルデータに対して特徴量Aが、全ての評価用ベクトルデータから形成される評価画像に対して特徴量Bが取得され、特徴量A、Bの比較、評価が行なわれる。
以下に、検査装置1の一例としての実施例を説明する。
(2)輪郭データの抽出
まず、図3のステップS7で実行される輪郭データの抽出方法を説明する。図5は、輪郭抽出部43の構成を説明する図である。また、図6は、ステップS7の処理を詳細に示すフローチャートである。そして、図7は、輪郭データの抽出を説明する図である。
まず、図3のステップS7で実行される輪郭データの抽出方法を説明する。図5は、輪郭抽出部43の構成を説明する図である。また、図6は、ステップS7の処理を詳細に示すフローチャートである。そして、図7は、輪郭データの抽出を説明する図である。
図5に示すように、輪郭抽出部43は、DFTC(Discrete Fourier Transform Converter)431と、VTF(Visual Transfer Function)適用部432と、IDFTC(Inverse Discrete Fourier Transform Converter)433と、二値化処理部434と、座標抽出部435と、を備える。
図6のステップS71では、DFTC431は、評価用画像を構成する画素を空間周波数特性F(u、v)に変換する(以下、F(u、v)を空間周波数成分とも記載する。)。DFTC431は、下記式(1)に示される離散フーリエ変換を用いて、空間周波数特性F(u,v)を算出する。
ステップS72では、VTF適用部432は、各空間周波数成分に対して、視覚特性に応じた重み付けを行なう。人の視覚感度は空間周波数に依存して変化することが知られている。これを、視覚特性関数VTF(u,v)としてグラフ化した場合、図7(a)に示すように、人の視覚感度は、所定の低周波数帯で最も高くなる。VTF適用部432は、画素の空間周波数成分に対して視覚特性に応じた重み付けを行なう。VTF適用部432により付与される重みは、視覚特性関数VTF(u、v)により、0から1の間の値で設定される。そのため、例えば、図7(a)に示すように、視覚感度が高い周波数成分に対しては高い重みが付与される。なお、視覚感度を視覚特性関数VTF(u、v)を用いて表すことは一例に過ぎない。例えば、視覚特性を近似した関数(例えば、コントラスト感度関数CSF(Contrast Sensitivity Function))を用いてもよい。また、視覚特性は、L*チャンネルのみならず、a*、b*チャンネルにフィルターを適用して用いてもよい。更に、L*a*b*の各チャンネルで異なるフィルターを適用して用いるものであってもよい。
ステップS73では、IDFTC433は、ステップS72で重みが付与された空間周波数成分に対して逆フーリエ変換を行い、実空間上の値に変換する。例えば、IDFTC433は、下記式(2)に示す逆離散フーリエ変換を用いて、空間周波数成分を実空間上の値に変換する。
ステップS74では、二値化処理部434は、各画素に対して二値化処理を行なう。この二値化処理により、評価用画像は、明度L*が閾値Rx以上の画素を「1」、明度L*が閾値Rx以下の画素を「0」とする二値画像に変換される。図7(b)は、一例としての2値化処理に用いられる閾値Rxの設定方法を示す。本実施形態では、2値化処理に用いる閾値Rxの設定方法として変動閾値法を用いる。そのため、閾値Rxは、以下の式(3)をもとに設定される。
本実施形態では、xを60%〜70%に設定した。閾値Rxの設定に人の視覚特性を反映させることで、得られる輪郭データを人の知覚に適合させたものとすることができる。即ち、視覚に影響を与えない成分を除去することが可能となる。
ステップS75では、座標抽出部435により、二値化画像に対して輪郭データの成分(画素)が抽出される。具体的には、まず、座標抽出部435は、二値化画像に含まれる各評価画像をラベリング処理し、評価用画像から評価画像を分離する。次に、輪郭抽出部43は、ラベリング処理された評価画像に対して輪郭抽出アルゴリズムを適用して、輪郭データを抽出する。
この輪郭抽出アルゴリズムでは、まず、所定評価画像を水平走査し、輪郭探索を行なう開始点(画素)を決定する。次に、この開始点を中心とした近傍を反時計周りで探索し、未探索の画素を探索する。本実施形態では、開始点の8近傍を探索した。そして、最初に探索された画素を次の開始点とする。また、探索された画素は輪郭データの成分としてその座標が記録される。さらに、全ての画素に対して上記処理を繰返す。そのため、座標抽出部435は、輪郭データの成分となる画素の座標(x、y)を取得することが可能となる。
(3)線分データ及び輪郭データのスペクトルの取得
次に、図3のステップS3及びステップS8において実行される線分データ及び輪郭データのスペクトル取得方法を説明する。図8は、スペクトル取得部44のより詳細な構成を示すブロック構成図である。また、図9は、ステップS3及びステップS8の処理を詳細に示すフローチャートである。そして、図10は、線分データ及び輪郭データのスペクトル取得を説明する図である。
次に、図3のステップS3及びステップS8において実行される線分データ及び輪郭データのスペクトル取得方法を説明する。図8は、スペクトル取得部44のより詳細な構成を示すブロック構成図である。また、図9は、ステップS3及びステップS8の処理を詳細に示すフローチャートである。そして、図10は、線分データ及び輪郭データのスペクトル取得を説明する図である。
図8に示すように、スペクトル取得部44は、複素平面展開部441と、周期関数算出部442と、DFTC443と、を備える。
図9のステップS31では、複素平面展開部441により、線分データ及び輪郭データの各成分の座標(x、y)が、複素平面上の座標zに変換される。複素平面は、実部(xi)と、虚部(yi)により規定される座標空間である。複素平面展開部441は、輪郭データの成分の座標(x、y)の内、xを実部(xi)とし、yを虚部(yi)として複素平面上の座標に変換する。
ステップS32では、周期関数算出部442により、複素平面上の座標zの実部(xi)、虚部(yi)のそれぞれに対して、特徴を示す周期関数wが取得される。図10(a)に示すように、曲線Cを折れ線近似して示す曲線を構成する点z(j)とz(j+1)との関係は、偏角θ(j)を用いることで、複素数値関数である周期関数w(j)を用いて表すことができる。周期関数w(j)は、下記式(4)により示される。
上記式(4)により、w(j)は、複素平面上の成分(j=1、…n)をサンプル点とする周期関数w(j)として示すことができる。また、上記式(4)から展開された下記式(5)により、曲線Cの成分z(j)を周期関数w(r)を用いて表すこともできる。
即ち、曲線Cは、周期関数w(j)により表すことができ、両者は1対1の関係を有する。これを、図10(b)(c)を用いて説明する。図10(b)は、複素平面上に展開された曲線Cの実部(xi)の変化量の推移を示し、図10(c)は、この実部(xi)の周期関数w(j)の変化量の推移を示す。なお、図10(b)は、縦軸を実部(xi)の座標(xi)とし、横軸を画素数としている。また、図10(c)は、縦軸を変化量とし、横軸を画素数とする。本実施形態では、解析対象がデジタル画像であるため、画素間の距離は最大で1となる。そのため、変化量(縦軸)は−1から1となる。図10(b)(c)に示すように、実部(xi)のがたつきが多い領域では、周期関数w(j)でも変動が大きい。このことは、周期関数w(j)に対する周波数解析により、曲線Cの解析が可能であることを示す。
ここで、評価用ベクトルデータから形成した線分データ、及び輪郭データの成分を例えば8近傍の探索により取得した場合、以下のような修正を行なう必要がある。今、線分データ及び8近傍により探索された輪郭データの成分をz(j’)とする。この場合、各成分z(j’)における複素平面上の距離δは常に一定の値とならない。このことはサンプリング間隔が一定ではないことを意味する。そのため、偏角θの値を満たしつつ、サンプリング間隔が一定となるz(j)を、z(j’)に基づいて再検索し、この求めたz(j)により、周期関数w(j)を近似する。無論、輪郭データについては、成分を4近傍探索により探索する場合は、複素平面上の距離δ=1で一定となるため、上記式(4)をそのまま適用して周期関数w(j)を用いることができる。
ステップS33では、DFTC443により、周期関数wの実部(xi)及び虚部(yi)のそれぞれのフーリエ記述子c(k)(k=0、…n−1)が取得される。具体的には、DFTC443は、下記式(6)により示されるように、周期関数w(j)に対して離散フーリエ変換を行い、スペクトルであるフーリエ記述子c(k)を取得する。
(4)スペクトルから特徴量A及び特徴量Bの取得
さらに、図3のステップS4及びステップS9において実行されるスペクトルからの特徴量A及び特徴量Bの取得方法を説明する。
図11は、特徴量取得部45のより詳細な構成を示すブロック構成図である。また、図12は、ステップS4及びステップS9の処理を詳細に示すフローチャートである。そして、図13は、特徴量A及び特徴量Bの取得を説明する図である。
さらに、図3のステップS4及びステップS9において実行されるスペクトルからの特徴量A及び特徴量Bの取得方法を説明する。
図11は、特徴量取得部45のより詳細な構成を示すブロック構成図である。また、図12は、ステップS4及びステップS9の処理を詳細に示すフローチャートである。そして、図13は、特徴量A及び特徴量Bの取得を説明する図である。
図11に示すように、特徴量取得部45は、バンドパスフィルター451と、IDFTC452と、特徴量算出部453と、を備える。
図12のステップS41では、バンドパスフィルター451により、スペクトルであるフーリエ記述子c(k)(P型フーリエ記述子)の特定周波数成分が抽出される。図10(d)は、周期関数w(j)におけるフーリエ記述子c(k)を示す。図10(d)に示す図では、横軸を周波数とし、縦軸を周波数成分(c(k))としている。
本実施形態では、高周波成分の内、人の視覚特性の感度が高い特定周波数成分を用いてスペクトルより特徴量A、Bを抽出している。ここで、人の視覚特性の感度が高い周波数成分として、例えば、(−2〜−12cycle/mm、2〜12cycle/mm)をバンドパスフィルター451により抽出することとした。
図10(d)に示すように、フーリエ記述子c(k)の低周波成分(例えば、−2.0〜2.0cycle/mm)は、曲線Cの概形を示し、高周波成分(例えば、−2.5cycle/mm以下、2.5cycle/mm以上)は細部を示している。そのため、バンドパスフィルター451により抽出される周波数成分は、人の知覚特性の感度が高く、且つ、がたつき度合いの影響を受けやすい周波数成分である。
ステップS42では、IDFTC452により、ステップS41で抽出された特定周波数成分に対して逆離散フーリエ変換が行なわれる。この逆離散フーリエ変換により、曲線Cの実部(xi)及び虚部(yi)における特定周波数成分に対応したスペクトル変化が取得される。
図13は、スペクトル変化を示す波形図である。図13から比較されるように、図13(b)に示す実部(xi)と虚部(yi)のスペクトル変化が、図13(a)に比べて大きくなっている。即ち、図13(b)に示さされるスペクトルが図13(a)に示されるスペクトルに比べて変動が大きいことが解る。
そのため、ステップS43では、上記した各スペクトルの変化を定量的に示すために、特徴量算出部453により、実部(xi)と虚部(yi)のそれぞれのスペクトルの標準偏差std(x'(t))、std(y'(t))が取得される。例えば、実部(xi)における標準偏差は、下記式(7)を用いて算出される。
そして、ステップS44では、特徴量算出部453により、ステップS43で取得された標準偏差(std(x'(t))、std(y'(t)))をもとに、特徴量A又は特徴量Bが算出される。特徴量Aは、評価画像の元となるベクトルデータの特徴を示すもので、特徴量Bは、評価画像より取得される輪郭データのがたつき度合いや、凹凸度合いを示す。具体的には、特徴量A(Feat_A)又は特徴量B(Feat_B)は、下記式(8)を用いて算出される。
特徴量算出の手法に、特定周波数成分に対応したスペクトルの標準偏差を用いることで、より簡単に特徴量を表現することが可能となる。
(5)特徴量Aと特徴量Bの比較による評価値取得
以下、図3のステップS10において実行される特徴量Aと特徴量Bの比較による評価値取得方法を説明する。
以下、図3のステップS10において実行される特徴量Aと特徴量Bの比較による評価値取得方法を説明する。
評価値は、特徴量評価部46により特徴量Aと特徴量Bを比較することで算出される。例えば、評価値EVは、上記式(8)で算出された、Feat_AとFeat_Bをもとに下記式(9)により求められる。本実施形態では、評価画像群に含まれる全ての評価画像に対して評価値EVが算出される。
特徴量Aは、評価画像形成に用いられる基データとなる、評価用ベクトルデータから得られるものであるため、ノイズのない理想な形状を表す特徴量となる。それに対して、特徴量Bは、画像形成(プリンター10)を介しているため、ノイズが付加された特徴量となる。即ち、上記式(9)で算出される評価値EVは、ノイズ付加された特徴量から理想形状の特徴量を除去することで、ノイズのみを評価していることとなる。
(6)評価値を用いた評価画像の評価
以下、図3のステップS11において実行される評価値EVを用いた評価画像の評価方法を説明する。
以下、図3のステップS11において実行される評価値EVを用いた評価画像の評価方法を説明する。
評価値EVを用いた評価画像の評価は、特徴量評価部46により行なわれる。例えば、特徴量評価部46は、評価値EVが所定の規格値に収まるか否かで評価を行なう。また、評価結果は、評価画像毎に提示するものであってもよいし、1つでも評価が低い評価画像が存在する場合を低評価としてもよい。更に、あるカテゴリーに分けて(例えば、評価画像が文字である場合は文字サイズ毎でカテゴリー分け)評価値を平均し、平均化された評価値により評価を行なうものであってもよい。
以上説明したように、本発明によれば、人の視覚特性を考慮して評価画像の検査を行なうことができるため、必要な品質は保持しつつ、検査に要する処理や装置を簡素化することができる。
(7)その他の実施形態
検査装置1をプリンター10、スキャナー20、PC30により構成することは一例にすぎない。例えば、プリンター10単体で、本発明の検査装置1の機能を実現するものであってもよい。更に、検査装置1は、LCD(liquid crystal display)に表示される画像を検査するものであってもよいし、プロジェクターに投影される画像を検査するものであってもよい。この場合、例えば、LCD又はプロジェクターにより評価用画像を表示し、デジタルカメラ等の撮像装置により表示された画像を撮像する。次に、検査装置1が撮像により得られた撮像画像を評価用画像として撮像装置から取得する。そして、検査装置1は、この評価用画像に対して本発明の処理を行なえばよい。
検査装置1をプリンター10、スキャナー20、PC30により構成することは一例にすぎない。例えば、プリンター10単体で、本発明の検査装置1の機能を実現するものであってもよい。更に、検査装置1は、LCD(liquid crystal display)に表示される画像を検査するものであってもよいし、プロジェクターに投影される画像を検査するものであってもよい。この場合、例えば、LCD又はプロジェクターにより評価用画像を表示し、デジタルカメラ等の撮像装置により表示された画像を撮像する。次に、検査装置1が撮像により得られた撮像画像を評価用画像として撮像装置から取得する。そして、検査装置1は、この評価用画像に対して本発明の処理を行なえばよい。
また、検査装置1にデータベースを加えた構成にしてもよい。この場合、例えば、図3のステップS4で取得された特徴量Aをデータベース(特徴量データベース)に登録する。次に、検査対象が変更された場合に、ステップS2の前段にて、評価用ベクトルデータが既にデータベースに登録されているかを確認する。登録されていなければ、通常通りステップS2から処理を行ない、特徴量Aを取得する。登録が確認できれば、ステップS2〜ステップS4を省略して、本発明の処理を行なえばよい。
さらに、評価値EVをデータベースに登録する構成にしてもよい。この場合、例えば、ステップS10までは、本発明の処理を行ない、ステップS11で取得された評価値EVをデータベース(評価データベース)に登録するような構成とする。このデータベースは、検査時以外でも参照できるような構成としてもよい。
輪郭データの抽出において、輪郭抽出アルゴリズムを適用して輪郭データを抽出することは一例にすぎない。例えば、公知のラスターデータ(画素の集合)からベクトルデータへの変換アルゴリズムを行なうものであってもよい。
線分データ及び輪郭データのスペクトル取得において、スペクトルをP表現に基づいて取得することは一例にすぎない。他の表現(G表現)や、その他の近似関数をもとに、周波数解析を行なうものであってもよい。
周波数解析において、フーリエ解析を用いることは一例である。例えば、ウェーブレット解析により周波数を解析するものであってもよい。
二値化処理において、視覚特性を適用することは一例にすぎない。例えば、通常の2値化処理のみで、輪郭データを抽出してもよい。更には、輪郭データの抽出を多値化処理により行なうものであってもよい。
なお、本発明は上記実施例に限られるものでないことは言うまでもない。
即ち、上記実施例の中で開示した相互に置換可能な部材及び構成等を適宜その組み合わせを変更して適用してもよい。
公知技術であって上記実施例の中で開示した部材及び構成等と相互に置換可能な部材及び構成等を適宜置換し、またその組み合わせを変更して適用してもよい。
公知技術等に基づいて当業者が上記実施例の中で開示した部材及び構成等の代用として想定し得る部材及び構成等と適宜置換し、またその組み合わせを変更して適用してもよい。
即ち、上記実施例の中で開示した相互に置換可能な部材及び構成等を適宜その組み合わせを変更して適用してもよい。
公知技術であって上記実施例の中で開示した部材及び構成等と相互に置換可能な部材及び構成等を適宜置換し、またその組み合わせを変更して適用してもよい。
公知技術等に基づいて当業者が上記実施例の中で開示した部材及び構成等の代用として想定し得る部材及び構成等と適宜置換し、またその組み合わせを変更して適用してもよい。
1…検査装置、10…プリンター、20…スキャナー、30…パーソナルコンピューター(PC)、31…コントローラー、32,33…IF、34…キーボード、35…外部メモリー、36…ディスプレイ、41…色変換部、42…線分データ形成部、43…輪郭抽出部、44…スペクトル取得部、45…特徴量取得部、46…特徴量評価部、431…DFTC、432…VTF適用部、433…IDFTC、434…二値化処理部、435…座標抽出部、441…複素平面展開部、442…周期関数算出部、443…DFTC、451…バンドパスフィルター、452…IDFTC、453…特徴量算出部。
Claims (6)
- 評価用画像の品質を評価する検査装置であって、
前記評価用画像を形成する際に用いるベクトルデータから特徴量Aを計算する手段と、
前記評価用画像に含まれる評価画像を形成する手段と、
前記形成された評価画像を取得する手段と、
前記取得された評価画像に含まれる輪郭を示す輪郭データを抽出する手段と、
前記抽出された輪郭データから特徴量Bを計算する手段と、
前記特徴量Aと前記特徴量Bを、人の視覚特性の感度が高い周波数帯域におけるスペクトルに基づいて比較して、前期評価画像の品質を検査する手段と、を有する検査装置。 - 請求項1に記載の検査装置において、前記特徴量Aを計算する手段は、前記ベクトルデータから線分データを形成し、前記線分データを形成する各成分の相対的な位置関係を所定の周期関数で示し、前記周期関数に対して周波数解析を行なうことを特徴とした検査装置。
- 請求項1又は請求項2に記載の検査装置において、前記特徴量Bを計算する手段は、前記輪郭データを形成する各成分の相対的な位置関係を所定の周期関数で示し、前記周期関数に対して周波数解析を行なうことを特徴とした検査装置。
- 請求項1から請求項3に記載の検査装置において、さらに、前記特徴量Aを特徴量データベースに保持する手段を有する検査装置。
- 請求項1から請求項4に記載の検査装置において、さらに、前記特徴量Aと前記特徴量Bを比較した結果を、評価データベースに保持する手段を有する検査装置。
- 評価用画像の品質を評価する検査方法であって、
前記評価用画像を形成する際に用いるベクトルデータから特徴量Aを計算する工程と、
前記評価用画像に含まれる評価画像を形成する工程と、
前記形成された評価画像を取得する工程と、
前記取得された評価画像に含まれる輪郭を示す輪郭データを抽出する工程と、
前記抽出された輪郭データから特徴量Bを計算する工程と、
前記特徴量Aと前記特徴量Bを、人の視覚特性の感度が高い周波数帯域におけるスペクトルに基づいて比較して、前期評価画像の品質を検査する工程と、を有する検査方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013045080A JP2014174658A (ja) | 2013-03-07 | 2013-03-07 | 検査装置、及び検査方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013045080A JP2014174658A (ja) | 2013-03-07 | 2013-03-07 | 検査装置、及び検査方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2014174658A true JP2014174658A (ja) | 2014-09-22 |
Family
ID=51695852
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013045080A Pending JP2014174658A (ja) | 2013-03-07 | 2013-03-07 | 検査装置、及び検査方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2014174658A (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108989790A (zh) * | 2018-07-11 | 2018-12-11 | 深圳职业技术学院 | 一种摄像头成像质量实时评价装置 |
-
2013
- 2013-03-07 JP JP2013045080A patent/JP2014174658A/ja active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108989790A (zh) * | 2018-07-11 | 2018-12-11 | 深圳职业技术学院 | 一种摄像头成像质量实时评价装置 |
CN108989790B (zh) * | 2018-07-11 | 2023-10-20 | 深圳职业技术学院 | 一种摄像头成像质量实时评价装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11176650B2 (en) | Data generation apparatus, data generation method, and data generation program | |
US11107210B2 (en) | Image data generating apparatus generating image data for inspecting external appearance of product | |
TWI669660B (zh) | 斑點評估裝置、斑點評估方法及程式 | |
JP4154374B2 (ja) | パターンマッチング装置及びそれを用いた走査型電子顕微鏡 | |
JP7078175B2 (ja) | 検査装置及び方法 | |
JP2018005640A (ja) | 分類器生成装置、画像検査装置、及び、プログラム | |
US9697583B2 (en) | Image processing apparatus, image processing method, and computer-readable recording medium | |
CN109934244A (zh) | 格式类别学习系统以及图像处理装置 | |
JP2018005639A (ja) | 画像分類装置、画像検査装置、及び、プログラム | |
JP2016115331A (ja) | 識別器生成装置、識別器生成方法、良否判定装置、良否判定方法、プログラム | |
JP6059486B2 (ja) | 教師データ検証装置、教師データ作成装置、画像分類装置、教師データ検証方法、教師データ作成方法および画像分類方法 | |
EP2884457B1 (en) | Image evaluation device and image evaluation program | |
CN110596120A (zh) | 玻璃边界缺陷检测方法、装置、终端及存储介质 | |
JP6613214B2 (ja) | 印刷物検査装置、印刷物検査方法及びプログラム | |
US20210272272A1 (en) | Inspection support apparatus, inspection support method, and inspection support program for concrete structure | |
JP6643856B2 (ja) | 分類方法、検査方法、検査装置、およびプログラム | |
JP2019164450A (ja) | 画像処理方法、コンピュータプログラムおよび記録媒体 | |
CN111213156B (zh) | 字符识别锐度确定 | |
JP4801697B2 (ja) | 画像形成方法,画像形成装置、及びコンピュータプログラム | |
JP2002230562A (ja) | 画像処理方法およびその装置 | |
CN112950598A (zh) | 工件的瑕疵检测方法、装置、设备及存储介质 | |
JP2014174658A (ja) | 検査装置、及び検査方法 | |
CN112543950A (zh) | 图像处理装置、图像处理方法以及图像处理程序 | |
JP2014048260A (ja) | 検査装置、検査方法 | |
JP7354790B2 (ja) | 画像検査装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20150109 |