JP4005228B2 - 光学部材検査装置，画像処理装置，及び、コンピュータ可読媒体 - Google Patents
光学部材検査装置，画像処理装置，及び、コンピュータ可読媒体 Download PDFInfo
- Publication number
- JP4005228B2 JP4005228B2 JP21153598A JP21153598A JP4005228B2 JP 4005228 B2 JP4005228 B2 JP 4005228B2 JP 21153598 A JP21153598 A JP 21153598A JP 21153598 A JP21153598 A JP 21153598A JP 4005228 B2 JP4005228 B2 JP 4005228B2
- Authority
- JP
- Japan
- Prior art keywords
- thinning
- elements
- image data
- optical member
- cpu
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Testing Of Optical Devices Or Fibers (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Description
【０００１】
【発明が属する技術分野】
本発明は、レンズ等の光学部材の不良要因を検出するための光学部材検査装置，画像処理装置，及びプログラムを格納したコンピュータ可読媒体に関する。
【０００２】
【従来の技術】
レンズ，プリズム等の光学部材は、入射した光束が規則正しく屈折したり、平行に進行したり、一点又は線状に収束したり発散するように設計されている。しかしながら、光学部材の形成時において糸くず等が光学部材内に混入してしまっていたり（いわゆる「ケバ」）、成形後の人的取り扱いによって光学部材の表面上にキズ等が生じていると、入射した光束が乱れてしまうので、所望の性能を得ることができなくなる。
【０００３】
そのため、光学部材の不良要因を検出して自動的に良否判定を行うための光学部材検査装置が、従来、種々提案されている。このような光学部材検査装置では、検査対象光学部材を撮像して得られた原画像データからノイズ成分を除去すべく、原画像データを構成する各画素の輝度値が所定の閾値を超えていれば新たな輝度値“１”を与えるとともに閾値を超えていなければ新たな輝度値“０”を与える二値化処理を実行し、この二値化処理によって抽出された明るい領域（輝度値“１”が与えられた一群の画素からなる領域，以下「抽出要素」という）については不良要因を示すとして確定し、この領域の形状や面積等の図形的特徴量に基づいて、検査対象光学部材の良否判定を行っていた。
【０００４】
ところで、ノイズの輝度には当然にバラツキがあるので、全てのノイズを二値化処理によって確実に消去するためには、閾値をできるだけ高く設定しなければならない。但し、抽出対象である不良要因内にも輝度分布があるので、この不良要因内の最低輝度よりも閾値を高くすると、本来一個である不良要因が複数個の抽出要素に分離してしまう。従って、このようにして抽出された各抽出要素は、正しい情報（大きさ等）を持っていない可能性が大きい。
【０００５】
そのため、従来の光学部材検査装置では、二値化処理によって抽出された各抽出要素の重心と、各重心相互間の距離とを、夫々求めていた。そして、各々の重心相互間の距離が短い抽出要素同士を、同一の不良要因に起因するものとみなして、グループ化していた。そして、グループ化された抽出要素群の図形的特徴量を全体として評価して、検査対象光学部材の良否判定を行っていた。
【０００６】
【発明が解決しようとする課題】
しかしながら、このような重心間距離に基づく各抽出要素のグループ化は、各抽出要素の重心間距離が予め設定された閾値以内であるか否かに依って行われるのに過ぎないので、本来別個独立の不良要因に起因する抽出要素がグループ化されてしまう不都合を、避け得なかった。例えば、互いに独立した二つのキズが接近して形成されている場合や厚さ方向に重なってクラックとキズとが形成されている場合には、二値化された画像データ内において夫々に対応する抽出要素の重心間距離が非常に短くなるので、これらの抽出要素がグループ化されてしまうが、これらは元々別個独立の不良要因に夫々起因しているのであるから、これらの抽出要素をグループ化することに客観的合理性はない。このような誤ったグループ化がなされると、これに基づいて行われる検査対象光学部材の良否判定結果も不正確になてしまう問題があった。
【０００７】
本発明の課題は、このような問題に鑑み、検査対象光学部材を撮像して得られた画像データを２値化した後で、同一の不良要因に起因しているが二値化の過程で分離されてしまった複数の抽出要素を合理的にグループ化することによって、検査対象光学部材の正確な良否判定を可能とした光学部材検査装置，画像処理装置，及び、コンピュータ可読媒体を、提供することである。
【０００８】
【課題を解決するための手段】
各請求項記載の発明は、上記課題を解決するためになされたものである。
【０００９】
まず、請求項１記載の光学部材検査装置は、検査対象光学部材を撮像して当該検査対象光学部材の像を含む原画像データを出力する撮像装置と、この撮像装置から出力された原画像データを所定の閾値を基準として前記原画像データに混入したノイズが除去され且つ不良要因に起因する要素が抽出されるように二値化して二値化画像データを生成する二値化手段と、前記二値化手段によって生成された二値化画像データを格納するメモリと、このメモリに格納されている前記二値化画像データに含まれる個々の前記要素を細線化して当該要素の骨格を示す細線化要素に変換する細線化手段と、この細線化手段によって変換された任意の二つの細線化要素同士を比較し、これら二つの細線化要素における互いに近接した端点同士を結ぶ線分の長さ，前記二つの細線化要素のうちの一方の方向を示すベクトルと前記線分とがなす第１角度，及び、前記二つの細線化要素のうちの他方の方向を示すベクトルと前記線分とがなす第２角度が所定の条件を満たす場合に前記二つの細線化要素同士をグループ化するグループ化手段と、前記グループ化手段によってグループ化された前記各細線化要素の元となった前記二値化画像データ中の要素群の全体としての図形的特徴量を算出する図形的特徴量算出手段と、この図形的特徴量算出手段によって算出された図形的特徴量に基づいて前記検査対象光学部材の良否判定を行う良否判定手段とを、有することを特徴とする。
【００１０】
このように構成されると、二値化手段による二値化の結果、同一の不良要因に起因する要素が二つに分断されたとしても、細線化手段がこれらの要素を細線化し、グループ化手段がこれら分断された要素同士を比較対象した場合には、これら二つの細線化要素における互いに近接した端点同士を結ぶ線分の長さ，前記二つの細線化要素のうちの一方の方向を示すベクトルと前記線分とがなす第１角度，及び、前記二つの細線化要素のうちの他方の方向を示すベクトルと前記線分とがなす第２角度が所定の条件を満たすために、これらの分断された要素は、このグループ化手段によってグループ化される。図形的特徴量算出手段は、グループ化手段によってグループ化された各細線化要素の元となった二値化画像データ中に含まれる要素群の、全体としての図形的特徴量を算出する。従って、良否判定手段による良否判定結果が、正確なものとなるのである。
【００１１】
請求項２記載の光学部材検査装置は、請求項１のグループ化手段が、前記細線化手段によって変換された全ての細線化要素のあらゆる組み合わせについて、上記比較を行うことで、特定したものである。
【００１２】
請求項３記載の光学部材検査装置は、請求項１のグループ化手段が、前記線分の長さ，前記第１角度，及び、前記第２角度が、夫々に用意された基準値を下回っている場合に、前記二つの細線化要素同士をグループ化することで、特定したものである。
【００１３】
請求項４記載の光学部材検査装置は、請求項１のグループ化手段が、前記線分の長さ，前記第１角度，前記第２角度，及び、所定の基準値が所定の条件式を満たしている場合に、前記二つの細線化要素同士をグループ化することで、特定したものである。
【００１４】
請求項５記載の光学部材検査装置は、請求項４の所定の条件式が、前記第１角度をθ１，前記第２角度をθ２，前記所定の基準値をθｍａｘとした場合、
θ１2＋θ２2≦θmax2
として表されることで、特定したものである。
【００１５】
請求項６記載の光学部材検査装置は、請求項４の所定の条件式が、前記線分の長さをｒ，前記第１角度をθ１，前記第２角度をθ２，前記所定の基準値をＴとした場合、
ｒ≦Ｔ・（θ１2＋θ２2）-1/2
として表されることで、特定したものである。
【００１６】
請求項７記載の画像処理装置は、検査対象光学部材を撮像して得られた原画像データを所定の閾値を基準として前記原画像データに混入したノイズが除去され且つ不良要因に起因する要素が抽出されるように二値化して二値化画像データを生成する二値化手段と、前記二値化手段によって生成された二値化画像データを格納するメモリと、このメモリに格納されている前記二値化画像データに含まれる個々の前記要素を細線化して当該要素の骨格を示す細線化要素に変換する細線化手段と、この細線化手段によって変換された任意の二つの細線化要素同士を比較し、これら二つの細線化要素における互いに近接した端点同士を結ぶ線分の長さ，前記二つの細線化要素のうちの一方の方向を示すベクトルと前記線分とがなす第１角度，及び、前記二つの細線化要素のうちの他方の方向を示すベクトルと前記線分とがなす第２角度が所定の条件を示す場合に前記二つの細線化要素同士をグループ化するグループ化手段と、前記グループ化手段によってグループ化された前記各細線化要素の元となった前記二値化画像データ中の要素群の全体としての図形的特徴量を算出する図形的特徴量算出手段と、この図形的特徴量算出手段によって算出された図形的特徴量に基づいて前記検査対象光学部材の良否判定を行う良否判定手段とを、有することを特徴とする。
【００１７】
請求項８記載のコンピュータ可読媒体は、メモリを備えたコンピュータに対して、検査対象光学部材を撮像して得られた原画像データを所定の閾値を基準として前記原画像データに混入したノイズが除去され且つ不良要因に起因する要素が抽出されるように二値化して二値化画像データを生成させ、前記二値化手段によって生成された二値化画像データを前記メモリに格納させ、このメモリに格納されている前記二値化画像データに含まれる個々の前記要素を細線化して、当該要素の骨格を示す細線化要素に変換させ、この細線化手段によって変換された任意の二つの細線化要素同士を比較し、これら二つの細線化要素における互いに近接した端点同士を結ぶ線分の長さ，前記二つの細線化要素のうちの一方の方向を示すベクトルと前記線分とがなす第１角度，及び、前記二つの細線化要素のうちの他方の方向を示すベクトルと前記線分とがなす第２角度が所定の条件を示す場合に、前記二つの細線化要素同士をグループ化させ、前記グループ化手段によってグループ化された前記各細線化要素の元となった前記二値化画像データ中の要素群の全体としての図形的特徴量を算出させ、この図形的特徴量算出手段によって算出された図形的特徴量に基づいて前記検査対象光学部材の良否判定を行わせるプログラムを格納したことを、特徴としている。
【００１８】
請求項９記載の光学部材検査装置は、検査対象光学部材を撮像して当該検査対象光学部材の像を含む原画像データを出力する撮像装置と、この撮像装置から出力された原画像データを所定の閾値を基準として前記原画像データに混入したノイズが除去され且つ不良要因に起因する要素が抽出されるように二値化して、二値化画像データを生成する二値化手段と、前記二値化手段によって生成された二値化画像データを格納するメモリと、このメモリに格納されている前記二値化画像データに含まれる個々の前記要素を細線化して、当該要素の骨格を示す細線化要素に変換する細線化手段と、この細線化手段によって変換された任意の二つの細線化要素同士を比較し、これら二つの細線化要素における互いに近接した端点同士を結ぶ線分の長さ，及び、前記二つの細線化要素のうちの一方の方向を示すベクトルと前記線分とがなす角度が所定の条件を示す場合に前記二つの細線化要素同士をグループ化するグループ化手段と、前記グループ化手段によってグループ化された前記各細線化要素の元となった前記二値化画像データ中の要素群の全体としての図形的特徴量を算出する図形的特徴量算出手段と、この図形的特徴量算出手段によって算出された図形的特徴量に基づいて前記検査対象光学部材の良否判定を行う良否判定手段とを、備えたことを特徴とする。
【００１９】
このように構成されると、二値化手段による二値化の結果、同一の不良要因に起因する要素が複数に分断されたとしても、細線化手段がこれらの要素を細線化し、グループ化手段がこれら分断された要素同士を比較対象とした場合には、これら二つの細線化要素における互いに近接した端点同士を結ぶ線分の長さ，及び、前記二つの細線化要素のうちの一方の方向を示すベクトルと前記線分とがなす角度が所定の条件を満たすために、これらの分断された要素は、このグループ化手段によってグループ化される。図形的特徴量算出手段は、グループ化手段によってグループ化された各細線化要素の元となった二値化画像データ中に含まれる要素群の、全体としての図形的特徴量を算出する。従って、線状要素のみならず点状要素もがグループ化され得るので、良否判定手段による良否判定結果が、正確なものとなるのである。
【００２０】
請求項１０記載の光学部材検査装置は、請求項９のグループ化手段が、前記線分の長さ，及び、前記角度が、夫々に用意された基準値を下回っている場合に、前記二つの細線化要素同士をグループ化することで、特定したものである。
請求項１１記載の光学部材検査装置は、請求項９のグループ化手段が、前記線分の長さ，前記角度，及び、所定の基準値が所定の条件式を満たしている場合に、前記二つの細線化要素同士をグループ化することで、特定したものである。
【００２１】
請求項１２記載の光学部材検査装置は、請求項１１の所定の条件式が、前記角度をθ，前記所定の基準値をθｍａｘとした場合、
θ≦θmax
として表されることで、特定したものである。
【００２２】
請求項１３記載の光学部材検査装置は、請求項１１の所定の条件式が、前記線分の長さをｒ，前記角度をθ，前記所定の基準値をＴとした場合、
ｒ＝Ｔ／θ
として表されることで、特定したものである。
【００２３】
請求項１４記載の画像処理装置は、検査対象光学部材を撮像して得られた原画像データを所定の閾値を基準として前記原画像データに混入したノイズが除去され且つ不良要因に起因する要素が抽出されるように二値化して、二値化画像データを生成する二値化手段と、前記二値化手段によって生成された二値化画像データを格納するメモリと、このメモリに格納されている前記二値化画像データに含まれる個々の前記要素を細線化して、当該要素の骨格を示す細線化要素に変換する細線化手段と、この細線化手段によって変換された任意の二つの細線化要素同士を比較し、これら二つの細線化要素における互いに近接した端点同士を結ぶ線分の長さ，及び、前記二つの細線化要素のうちの一方の方向を示すベクトルと前記線分とがなす角度が所定の条件を示す場合に前記二つの細線化要素同士をグループ化するグループ化手段と、前記グループ化手段によってグループ化された前記各細線化要素の元となった前記二値化画像データ中の要素群の全体としての図形的特徴量を算出する図形的特徴量算出手段と、この図形的特徴量算出手段によって算出された図形的特徴量に基づいて前記検査対象光学部材の良否判定を行う良否判定手段とを、備えたこと特徴とする。
【００２４】
請求項１５のコンピュータ可読媒体は、メモリを備えたコンピュータに対して、検査対象光学部材を撮像して得られた原画像データを所定の閾値を基準として前記原画像データに混入したノイズが除去され且つ不良要因に起因する要素が抽出されるように二値化して、二値化画像データを生成させ、前記二値化手段によって生成された二値化画像データを前記メモリに格納させ、このメモリに格納されている前記二値化画像データに含まれる個々の前記要素を細線化して、当該要素の骨格を示す細線化要素に変換させ、この細線化手段によって変換された任意の二つの細線化要素同士を比較し、これら二つの細線化要素における互いに近接した端点同士を結ぶ線分の長さ，及び、この線分と前記二つの細線化要素のうちの一方の方向を示すベクトルとがなす角度が所定の条件を示す場合に、前記二つの細線化要素同士をグループ化させ、前記グループ化手段によってグループ化された前記各細線化要素の元となった前記二値化画像データ中の要素群の全体としての図形的特徴量を算出させ、この図形的特徴量算出手段によって算出された図形的特徴量に基づいて前記検査対象光学部材の良否判定を行わせるプログラムを格納したことを、特徴としている。
【００２５】
請求項１６の光学部材検査装置は、請求項４の所定の条件式が、前記線分の長さをｒ，前記第１角度をθ１，前記第２角度をθ２，第１の前記所定の基準値をθｍａｘ，第２の前記所定の機基準値をＴとした場合、θ１2＋θ２2≦θmax2，ｒ≦Ｔ・（θ１2＋θ２2）-1/2として表されることで、特定したものである。
【００２６】
請求項１７の光学部材検査装置は、請求項１１の所定の条件式が、前記線分の長さをｒ，前記角度をθ，第１の前記所定の基準値をθｍａｘ，第２の前記所定の基準値をＴとした場合、θ≦θmax，ｒ＝Ｔ／θとして表されることで、特定したものである。
【００２７】
【発明の実施の形態】
以下、図面に基づいて、本発明の実施の形態を説明する。
【実施形態１】
＜光学部材検査装置の構成＞
本第１実施形態による光学部材検査装置の概略構成を、図１の側面断面図に示す。この図１に示すように、光学部材検査装置を構成する照明ランプ１，拡散板２，及び撮像装置３は、同一の光軸ｌ上に配置されている。
【００２８】
この撮像装置３は、正レンズ系である撮像レンズ４と、この撮像レンズ４によって収束された光による像を撮像するＣＣＤラインセンサからなる撮像素子５とから、構成されている。図１において、撮像素子５は、紙面に直交する方向にその画素列を向かせるように設置されている。また、撮像素子５の画素列は、その真中において、撮像レンズ４の光軸ｌと垂直に交わっている。なお、撮像レンズ４は、撮像装置３内において撮像素子５に対して進退自在（ピント調節可能）であり、撮像装置３自体も、光軸ｌ方向に進退調整し得る様に光学部材検査装置の図示せぬフレームに取り付けられている。
【００２９】
この撮像素子５は、所定時間（各画素に電荷が適度に蓄積する程度の時間）毎にライン状に画像を撮像し、画素の並び順に各画素を自己走査して各画素に蓄積した電荷を出力する。このようにして撮像素子５から出力された電荷は、所定の増幅処理やＡ／Ｄ変換処理を受けた後に、１ライン分の輝度信号からなる画像データとして、画像処理装置６に入力される。
【００３０】
スライドテーブル７は、スライドレール７ａ，スライダ７ｂ，駆動モータ７ｅ，ブーム７ｃ，及び、ホルダ７ｄから構成されている。このスライドレール７ａは、撮像素子５の画素列の方向及び撮像レンズ４の光軸ｌの方向に対して夫々直交する方向を向く様に、光学部材検査装置の図示せぬフレームに固定されている。スライダ７ｂは、ブーム７ｃ及びホルダ７ｄを介して検査対象光学部材９を保持しており、駆動モータ７ｅの駆動力によってスライドレール７ａ上をスライド移動することにより、検査対象光学部材９を図１の左右方向へ等速移動させる。
【００３１】
この検査対象光学部材９は、図２に示すような平面矩形の平行平面透明板である。この検査対象光学部材９は、その短辺が撮像素子５の画素列と平行となり且つ幅方向（撮像素子５の画素列と平行な方向）の中点において撮像レンズ４の光軸ｌと直交するように、スライダ７ｂによって保持・移動される。なお、図２は、撮像レンズ４の位置から見た検査対象光学部材９等の位置関係を示す平面図である。この図２においては、検査対象光学部材９のスライドテーブル７による移動方向は、左右方向となる。
【００３２】
この検査対象光学部材９は、撮像レンズ４に関してその表面（撮像レンズ４に対向する面）が撮像素子５の撮像面と共役となるように配置されている。従って、撮像素子５は、検査対象光学部材９の表面の画像（１ライン分）を撮像することができるのである。図２においては、撮像素子５によって撮像され得る一ライン分の撮像対象領域が、二点鎖線によって示されている。なお、撮像レンズ４の倍率（即ち、撮像装置３自体の位置，及び撮像レンズ４の撮像素子５に対する位置）は、検査対象光学部材９の表面を全幅（撮像素子５の画素列の方向における幅）にわたって撮像素子５の撮像面に結像し得るように、調整されている。
【００３３】
一方、照明ランプ１は、照明光（白色光）を発光する白熱ランプであり、光学部材検査装置の図示せぬフレームに固定されている。
【００３４】
この照明ランプ１と検査対象光学部材９との間に配置されている拡散板２は、図２に示すように、検査対象光学部材９よりも幅広な矩形形状を有しており、その表面は粗面として加工されている。従って、この拡散板２は、照明ランプ１から出射された照明光をその裏面全面で受けて、拡散しつつ透過させることができる。なお、この拡散板２は、その中心において撮像レンズ４の光軸ｌと直交するとともに、その外縁が撮像素子５の画素列と平行になる様に、光学部材検査装置の図示せぬフレームに固定されている。
【００３５】
この拡散板２の表面上には、帯状の形状を有する遮光手段としての遮光板８が、その長手方向を撮像素子５の画素列の方向と平行な方向に向けて、貼り付けられている。この遮光板８の中心は撮像レンズ４の光軸ｌと一致している。また、遮光板８の長手方向における全長は検査対象光学部材９の幅よりも長い。そして、図２に示すように、撮像装置３の位置から見ると、遮光板８の両端は、検査対象光学部材９の外縁よりも外側にはみ出している。また、遮光板８の幅は、図１に示すように、撮像素子５の各画素に入射する光の周縁光線ｍ，ｍの間隔よりも広い。
【００３６】
制御装置６は、撮像装置３から入力された画像データに基づいて検査対象光学部材９が良品であるか不良品であるかの判定を行うとともに、この判定に伴って駆動モータ７ｅに駆動電流を供給する処理装置である。
【００３７】
図３は、この制御装置６の内部回路構成を示すブロック図である。図３に示す様に、制御装置６は、バスＢを介して相互に接続されたＣＰＵ６０，フレームメモリ６１，ホストメモリ６２，及びモータ駆動回路６３から、構成されている。
【００３８】
フレームメモリ６１は、撮像装置３から入力された画像データが書き込まれるバッファである。
【００３９】
ホストメモリ６２は、画像メモリ領域６２ａ，第１作業メモリ領域６２ｂ，第２作業メモリ領域６２ｃ，及び、画像処理プログラム格納領域６２ｄを、含んでいる。このうち、画像メモリ領域６２ａは、フレームメモリ６１に書き込まれた画像データが所定時間毎に先頭行から行単位で書き込まれ、検査対象光学部材９全体に対応する画像データ（原画像データ）が合成される領域である。また、第１作業メモリ領域６２ｂは、所定の閾値を基準に原画像データを二値化して得られた二値化画像データが格納される領域である。また、第２作業メモリ領域６２ｃは、第１作業メモリ領域６２ｂ中の二値化画像データを細線化処理して得られた細線化画像データが格納される領域である。また、画像処理プログラム格納領域６２ｄは、ＣＰＵ６０にて実行される画像処理プログラムを格納するコンピュータ可読媒体としての領域である。
【００４０】
モータ駆動回路６３は、検査対象光学部材９が図１上の右方から左方へ等速移動する様に駆動モータ７ｅを駆動させる駆動電流を、この駆動モータ８に供給する。
【００４１】
ＣＰＵ６０は、制御装置６全体の制御を行うコンピュータであり、二値化手段，細線化手段，グループ化手段，図形的特徴量算出手段，及び良否判定手段に、相当する。即ち、ＣＰＵ６０は、ホストメモリ６２の画像処理プログラム格納領域６２ｄに格納されている画像処理プログラムを実行し、フレームメモリ６１に書き込まれた画像データを定期的にホストメモリ６２の画像メモリ領域６２ａに書き写す。そして、画像メモリ領域６２ａ中に検査対象光学部材９全体に対応する画像データ（原画像データ）が合成された時点で、この原画像データに対して所定の閾値を基準とした二値化処理を実行して第１作業メモリ６２ｂ内に二値化画像データを生成するとともに、この二値化画像に対して細線化処理を実行して第２作業メモリ６２ｃ内に二値化画像データを生成する。そして、この二値化画像データに含まれる各抽出要素相互の相対的形状関係をチェックし、所定の相対的形状条件を満たしているもの同士を、同じ不良要因に起因するものとしてグループ化する。そして、各グループの抽出要素群の全体としての図形的特徴量をチェックして、検査対象光学部材９の良否判定を行う。また、ＣＰＵ６０は、フレームメモリ６１からの画像データ取り込みを行うのと同期して、モータ駆動回路６３に対して、駆動電流を駆動モータ７ｅに供給させる指示を行う。
【００４２】
＜不良要因検出の原理＞
以上のように構成される光学部材検査装置において、図１と同じ方向から見た状態を示す図４の面内では、撮像レンズ４に入射して撮像素子５の各画素に入射し得る光は、撮像レンズ４の光軸ｌに沿った光線を主光線とする光束であり且つ図４に示される周縁光線ｍ，ｍ間を通る光のみである。この周縁光線ｍ，ｍを逆方向に辿ると、検査対象光学部材９の表面において交差した後に、拡散板２に向かって拡がっている。そして、拡散板２上において、この周縁光線ｍ，ｍの間が遮光板８によって遮られている。従って、図４に示すように、検査対象光学部材９における撮像素子５による撮像対象領域（撮像レンズ４に関して撮像素子５の画素列の受光面と共役な部位及び光軸方向におけるその近傍）に不良要因がないとすると、撮像素子５の各画素に入射する光はない。即ち、拡散板２の表面における遮光板８の側方箇所から拡散した光ｎは、検査対象光学部材９における撮像対象領域を透過するが、周縁光線ｍ，ｍの外側を通るので、撮像レンズ４には入射しない。また、拡散板２の表面における遮光板８の側方箇所から拡散して検査対象光学部材９における撮像対象領域以外の箇所を透過した光は、撮像レンズ４に入射し得るが、撮像素子５の各画素上には収束されない。そのため、撮像装置３から出力される画像データは、検査対象光学部材９の外縁に対応する明部（側面での拡散光に因る）を除き、全域において暗くなっている。
【００４３】
これに対して、図２に示すように、検査対象光学部材９表面における撮像対象領域内にキズＣ及びゴミＤがある場合、図５に示すように、拡散板２の表面における遮光板８の側方箇所から拡散した光ｎがこれらキズＣ及びゴミＤに当たると、この光がこれらキズＣ及びゴミＤによって拡散される。この拡散光ｎ’は、周縁光線ｍ，ｍの交点を中心として発散するので、その一部は、撮像レンズ４を介して撮像素子５の画素上に入射する。従って、キズＣ及びゴミＤの像（周囲よりも明るい像）が撮像素子５の撮像面に形成される。
【００４４】
撮像素子５による撮像（電荷蓄積及び走査）は、スライドテーブル７による検査対象光学部材９のスライド移動と同期して、この検査対象光学部材９が所定距離だけ移動する毎に行われる。そして、撮像素子５による撮像（電荷蓄積及び走査）がなされる毎に、ライン状の画像データが、制御装置６のフレームメモリ６１に書き込まれて、ホストメモリ６２の画像メモリ領域６２ａに取り込まれる。その結果、検査対象光学部材９が移動するにつれて、画像メモリ領域６２ａの各行には、撮像装置３によって撮像された各ライン状画像データが、先頭行から順に書き込まれる。
【００４５】
検査対象光学部材９が図１の左端まで移動した時点でホストメモリ６２の画像メモリ領域６２ａ内に格納されている画像データ（原画像データ）は、検査対象光学部材９をエリアセンサによって撮像して得た画像データと等価であり、原画像データ中の不良要因の面積は、実際の不良要因の面積に正比例し、原画像データ中の不良要因の形状は、実際の不良要因の形状と相似となる。そのために、この画像メモリ領域６２ａに格納されている原画像データに基づいて、ＣＰＵ６０が良否判定を行えるようになるのである。
【００４６】
図６は、原画像データの一例を示している。図６に示す原画像データにおいて、Ａ〜Ｅは、検査対象光学部材９の不良要因そのものを示す。但し、図６には図示されていないものの、実際の画像データ中にはノイズに起因する明部が含まれている。このノイズに起因する明部は不良要因に起因する明部よりも暗いという傾向があるので、不良要因に起因する明部より暗いがノイズに起因する明部よりも明るい閾値を用いて二値化処理を行って、図７に示す二値化画像データを第１作業メモリ領域６２ｂ内に生成する。即ち、原画像データを構成する各画素のうち、閾値より明るい輝度値を有するものに対して輝度値“１”を付与し、閾値より暗い画素に輝度値“０”を付与し、夫々、第１作業メモリ６２ｂ内に書き込む。但し、閾値は、ノイズに起因する明部を確実に除去できるように、可能な限り高く設定されている。そのため、本来不良要因に起因する明部内に明るさの分布がある場合には、図７に示すように、閾値よりも暗い部分において、二値化によって抽出された抽出要素が途切れてしまう。
【００４７】
このように途切れた抽出要素（図７における抽出要素Ａ−▲１▼〜▲３▼，Ｂ−▲１▼〜▲３▼）は、単独では、面積も全長も小さくなっているので、検査対象光学部材９の良否判定においては、品質の低下をもたらす程の不良要因ではないと、判断されてしまう。しかしながら、これらの抽出要素は、本来、検査対象光学部材９の品質を大きく低下させている不良要因に起因しているので、単独で良否判定に用いられるのは不合理である。そこで、各抽出要素相互の相対的形状関係（各抽出要素同士の角度，端点距離，等）に基づいて、論理的に、同一の不良要因に起因する抽出要素同士を接続可能なものとしてグループ化し、グループ化された抽出要素群の全体としての図形的特徴量を求める。本実施形態においては、図７に示す第１作業メモリ領域６２ａ内の二値化画像データに含まれる各線状抽出要素に対して、その骨格位置を示す幅１ドットの画素列となるまで細める「細線化処理」を行って、第２作業メモリ領域６２ｃに書き込む。これにより、図８に示すような細線化画像データを生成する。そして、この細線化画像データに含まれる細線化抽出要素を用いて、各抽出要素相互の相対的形状関係を求める。
【００４８】
以下、各抽出要素をグループ化するためのアルゴリズムを、説明する。
【００４９】
ここでは、図８に示す細線化抽出要素Ａ−▲１▼と細線化抽出要素Ａ−▲２▼とに注目し、それらの相対的形状関係を求めるものとして説明する。図９は、図８において円ＩＸによって囲んだ領域の拡大図である。本実施形態では、処理対象細線化抽出要素（Ａ−▲１▼）の方向ベクトル，比較対象細線化抽出要素（Ａ−▲２▼）の方向ベクトル，及び、処理対象細線化抽出要素（Ａ−▲１▼）及び比較対象細線化抽出要素（Ａ−▲２▼）の互いに近接した端点（端点１，端点２）間を結ぶ線分（ｒ）のベクトル（大きさ｜ｒ｜を含む）を夫々求め、処理対象細線化抽出要素（Ａ−▲１▼）の方向ベクトルと線分（ｒ）とがなす角度（θ１，第１角度），及び、比較対象細線化抽出要素（Ａ−▲２▼）の方向ベクトルと線分（ｒ）とがなす角度（θ２，第２角度）を、夫々算出する。そして、線分（ｒ）の大きさ（長さ）（｜ｒ｜）が予め定められた一定の基準値（Ｒｍａｘ）以下であり、且つ、両角度（θ１，θ２）がともに予め定められた一定の基準値（θｍａｘ）以下である場合には、これら二つの細線化抽出要素に対応する線状抽出要素が、連続した同一の線状不良要因に起因していると、判断することができる。そこで、比較対象細線化抽出要素（Ａ−▲２▼）が処理対象細線化抽出要素（Ａ−▲１▼）に対して接続可能と判断し、それらをグループ化する。
【００５０】
なお、各細線化抽出要素の方向ベクトルは、その細線化抽出要素の両端を結ぶベクトルとして求められる。これに対して、その細線化抽出要素を構成する各画素の隣接する画素に対する方向を夫々求め、最も画素数の多い方向を、その細線化抽出要素の方向ベクトルとしても良い。また、細線化抽出要素の端点近傍を構成する各画素の隣接する画素に対する方向を夫々求め、最も画素数の多い方向又は平均化された方向を、その細線化抽出要素の方向ベクトルとしても良い。
【００５１】
各方向ベクトルと線分（ｒ）とがなす角度（θ）は、ベクトルの内積として求める。即ち、各方向ベクトルをα，線分（ｒ）のベクトルをｒとすると、両ベクトルα，ｒがなす各θは、下記式（１）のような関係がある。
【００５２】
ｃｏｓθ＝α・ｒ／（｜α｜｜ｒ｜） ……（１）
この式の右辺は、（ｒの方向ベクトルαへの投影）／｜ｒ｜に相当する。従って、角度（θ）は、下記式（２）のようにして求められる。
【００５３】
θ＝ｃｏｓ-1（ｒの方向ベクトルへの投影／｜ｒ｜） ……（２）
また、各基準値（θｍａｘ，Ｒｍａｘ）は、グループ化の結果が最も正確となるように、実験的に求める。
【００５４】
以上のような相対的形状関係の判定を、全ての細線化抽出要素相互間に対して行う。そして、同一の不良要因に起因する細線化抽出要素をグループ化する。そして、各グループに属する細線化抽出要素群に対応する二値化画像データ中の抽出要素群をひとまとめにして、全体としての図形的特徴量を計算する。
【００５５】
＜制御処理＞
次に、上述した不良要因検出の原理に基づいた良否判定を行うために、画像処理プログラム格納領域６２ｄから読み出した画像処理プログラムに従って制御装置６（ＣＰＵ６０）が実行する制御処理の内容を、図１０乃至図１３のフローチャートを用いて説明する。
【００５６】
図１０の制御処理は、制御装置６に接続された図示せぬ検査開始ボタンが押下されることによりスタートする。スタート後最初のＳ００１では、ＣＰＵ６０は、モータ駆動回路６３に対して、スライドテーブル７の駆動モータ７ｅへの駆動電流の供給を指示し、検査対象光学部材９をスライド移動させる。ＣＰＵ６０は、この指示の結果として検査対象光学部材９がスライド移動する間にフレームメモリ６１に書き込まれた画像データを、ホストメモリ６２の画像メモリ領域６２ａへ順次格納する。ＣＰＵ６０は、画像メモリ領域６２ａ内に検査対象光学部材９全体に対応する画像データ（原画像データ）が合成されると、処理をＳ００２に進める。
【００５７】
次のＳ００２では、ＣＰＵ６０は、画像メモリ領域６２ａ内に格納されている原画像データに対して、所定の閾値を基準とした上述の二値化処理を実行して、第１作業メモリ領域６２ｂ内に二値化画像データを生成する（二値化手段に相当）。
【００５８】
次のＳ００３では、ＣＰＵ６０は、第１作業メモリ領域６２ｂ内に格納されている二値化画像データに含まれる各抽出要素に対して、夫々、一意のラベル番号（１，２，３，…，ｎ）を付す（ラベリング）。
【００５９】
次のＳ００４では、ＣＰＵ６０は、第１作業メモリ領域６２ｂ内に格納されている二値化画像データに含まれる各抽出要素の形状判定処理を実行する。この形状判定処理は、図１５に示す閾値関数を用いて行われる。具体的には、ＣＰＵ６０は、各抽出要素のＸ軸方向（図７の左右方向）における最大幅（Ｘフィレ）及びＹ軸方向（図７の上下方向）における最大幅（Ｙフィレ）を測定し、Ｘフィレ及びＹフィレのうち大きい方の他方に対する比率（フィレ比）を、下記式（３）に従って算出する。
【００６０】
フィレ比＝小さい方のフィレ／大きい方のフィレ×１００ ……（３）
また、ＣＰＵ６０は、Ｘフィレ及びＹフィレ，並びにその抽出要素の面積に対して下記式（４）を実行し、占有率を算出する。
【００６１】
占有率＝抽出要素の面積／（Ｘフィレ×Ｙフィレ）×１００……（４）
そして、ＣＰＵ６０は、算出したフィレ比及び占有率と図１５に示す閾値関数とを比較し、その抽出要素が点状要素であるか線状要素であるかの判定を行う。即ち、ＣＰＵ６０は、図１５のグラフ上においてフィレ比と占有率との交点が閾値関数よりも上に位置していれば、抽出要素が点状要素であると判定し、フィレ比と占有率との交点が閾値関数よりも下に位置していれば抽出要素が線状要素であると判定する。
【００６２】
次のＳ００５では、ＣＰＵ６０は、Ｓ００３での形状判定結果に従って、第１作業メモリ領域６２ｂ内に格納されている二値化画像データから、線状要素のみを抽出する。
【００６３】
次のＳ００６では、ＣＰＵ６０は、Ｓ００４にて抽出した線状要素に対して、上述した細線化処理を実行して、第２作業メモリ領域６２ｃ内に細線化画像データを生成する（細線化手段に相当）。
【００６４】
次のＳ００７では、ＣＰＵ６０は、Ｓ００５にて生成した細線化画像データに含まれる各細線化抽出要素の両端点座標を求める。
【００６５】
次に、ＣＰＵ６０は、各細線化抽出要素毎に、それに対して接続可能な細線化抽出要素を探すためのＳ００８〜Ｓ０２５のループ処理を実行する。このループ処理に入って最初のＳ００８では、ＣＰＵ６０は、未だ「処理対象ラベル」として特定されていないラベルのうち最も小さいものを「処理対象ラベル」として特定し、その「処理対象ラベル」が付された細線化抽出要素を「処理対象要素」とする。
【００６６】
次のＳ００９では、ＣＰＵ６０は、「処理対象要素」の一方の端点を「処理対象端点」として特定する。
【００６７】
次のＳ０１０では、ＣＰＵ６０は、「処理対象端点」近傍における「処理対象要素」の方向ベクトルａを、上述した何れかの手法に従って求める。
【００６８】
次に、ＣＰＵ６０は、「処理対象要素」の「処理対象端点」に関して、未だ「処理対象要素」として特定されていない全ての細線化抽出要素との上記相互形状関係θ１，θ２，｜ｒ｜を調べるために、Ｓ０１１〜Ｓ０１７のループ処理を実行する。このループ処理に入って最初のＳ０１１では、ＣＰＵ６０は、「処理対象要素」として未だ特定されておらず、且つ、「処理対象ラベル」の比較対象としても未だ特定されていないラベルのうち最も小さいものを「比較対象ラベル」特定し、その「比較対象ラベル」が付された細線化抽出要素を「比較対象要素」とする。
【００６９】
次のＳ０１２では、ＣＰＵ６０は、「比較対象要素」における「処理対象端点」に近接した端点（比較対象端点）近傍の方向ベクトルｂを、上述した何れかの手法に従って求める。
【００７０】
次のＳ０１３では、ＣＰＵ６０は、「処理対象端点」と「比較対象端点」とを結ぶ線分ｒの大きさ（距離）｜ｒ｜及び方向を求める。
【００７１】
次のＳ０１４では、ＣＰＵ６０は、方向ベクトルａと線分ｒとがなす角度（第１角度）θ１を求める。
【００７２】
次のＳ０１５では、ＣＰＵ６０は、方向ベクトルｂと線分ｒとがなす角度（第２角度）θ２を求める。
次のＳ０１６では、ＣＰＵ６０は、接続判定処理を実行する。
【００７３】
図１３は、Ｓ０１６にて実行される接続判定処理サブルーチンを示すフローチャートである。このサブルーチンに入って最初のＳ１０１では、ＣＰＵ６０は、Ｓ０１４にて求めた角度θ１が基準値θｍａｘ以下であるという条件を満たすか否かをチェックする。そして、角度θ１が基準値θｍａｘを超えていれば処理をＳ１０５に進め、角度θ１が基準値θｍａｘ以下であれば処理をＳ１０２に進める。
【００７４】
Ｓ１０２では、ＣＰＵ６０は、Ｓ０１５にて求めた角度θ２が基準値θｍａｘ以下であるという条件を満たすか否かをチェックする。そして、角度θ２が基準値θｍａｘを超えていれば処理をＳ１０５に進め、角度θ２が基準値θｍａｘ以下であれば処理をＳ１０３に進める。
【００７５】
Ｓ１０３では、ＣＰＵ６０は、Ｓ０１３にて求めた線分ｒの長さ｜ｒ｜が基準値Ｒｍａｘ以下であるという条件を満たすか否かをチェックする。そして、｜ｒ｜が基準値Ｒｍａｘを超えていれば処理をＳ１０５に進め、｜ｒ｜が基準値Ｒｍａｘ以下であれば処理をＳ１０４に進める。
【００７６】
Ｓ１０４では、ＣＰＵ６０は、当該「比較対象要素」が接続可能である旨のフラグをセットし、Ｓ１０５では、ＣＰＵ６０は、当該「比較対象要素」が接続不能である旨のフラグをセットする。そして、何れの場合においても、この接続判定処理サブルーチンを終了し、処理を図１０のメインルーチンに戻す。
【００７７】
処理が戻された図１０のメインルーチンでは、Ｓ０１６の次に、処理をＳ０１７に進める。このＳ０１７では、ＣＰＵ６０は、「処理対象要素」として未だ特定されていない全ての細線化抽出要素を「比較対象要素」として特定したか否かを、チェックする。そして、未だ全ての細線化抽出要素を「比較対象要素」として特定していない場合には、ＣＰＵ６０は、処理をＳ０１１に戻す。これに対して、未だ「処理対象要素」として特定されていない全ての細線化抽出要素を「比較対象要素」として特定し終えた場合には、ＣＰＵ６０は、処理をＳ０１８に進める。
【００７８】
Ｓ０１８では、ＣＰＵ６０は、Ｓ０１１〜Ｓ０１７のループ処理を繰り返した結果、何れかの「比較対象要素」に関して接続可能である旨のフラグがセットされたか否かを、チェックする。そして、接続可能である旨のフラグがセットされている場合には、ＣＰＵ６０は、処理をＳ０１９に進める。
【００７９】
このＳ０１９では、ＣＰＵ６０は、接続可能である旨のフラグがセットされている「比較対象要素」が二つ以上あるか否かをチェックする。そして、接続可能である旨のフラグがセットされている「比較対象要素」が一個のみである場合には、ＣＰＵ６０は、Ｓ０２１にて当該「比較対象要素」を「接続決定要素」として決定した後に、処理をＳ０２２に進める。
【００８０】
これに対して、接続可能である旨のフラグがセットされている「比較対象要素」が二つ以上であるとＳ０１９にて判定した場合には、ＣＰＵ６０は、Ｓ０２０にて、何れか一個の「比較対象要素」を「接続決定要素」として決定するための接続要素判定処理を実行する。
【００８１】
図１４は、Ｓ０２０にて実行される接続要素判定処理サブルーチンの内容を示すフローチャートである。このサブルーチンに入って最初のＳ６０１では、ＣＰＵ６０は、接続可能である旨のフラグがセットされている「比較対象要素」（以下、「接続可能要素」という）のうち、Ｓ６０２以下の接続要素判定が施されておらず、且つ、付されたラベルが最も小さいものを「接続要素判定対象要素」として特定する。
【００８２】
次のＳ６０２では、ＣＰＵ６０は、当該「接続要素判定対象要素」に関してＳ０１４で求めた角度θ１とＳ０１５にて求めた角度θ２との自乗平均（以下、「平均角度θ」という）を算出する。そして、当該「接続要素判定対象要素」に関してＳ０１３にて求めた線分の大きさ｜ｒ｜と平均角度θとの積（ｒ・θ）を算出する。
【００８３】
次のＳ６０３では、ＣＰＵ６０は、今回のＳ６０２の処理はこの接続要素判定処理サブルーチンに入って初めての処理であるか否かをチェックする。そして、初めての処理である場合には、ＣＰＵ６０は、Ｓ６０４において、今回のＳ６０２の処理によって算出された積（ｒ・θ）を変数Ｘ１に代入し、この変数Ｘ１を当該「接続要素判定対象要素」に付されたラベルに関連付けて保存する。その後に、ＣＰＵ６０は、処理をＳ６０１に戻す。
【００８４】
これに対して、今回のＳ６０２の処理が２度目以降の処理であるとＳ６０３にて判定した場合には、ＣＰＵ６０は、Ｓ６０５において、今回のＳ６０２の処理によって算出された積（ｒ・θ）を変数Ｘ２に上書きし、当該「接続要素判定対象要素」に付されたラベルをこの変数Ｘ２に関連付ける。その後に、ＣＰＵ６０は、処理をＳ６０６に進める。
【００８５】
Ｓ６０６では、ＣＰＵ６０は、変数Ｘ２が変数Ｘ１よりも小さいか否かをチェックする。そして、変数Ｘ２が変数Ｘ１以上である場合には、ＣＰＵ６０は、処理をそのままＳ６０８に進める。これに対して、変数Ｘ２が変数Ｘ１よりも小さい場合には、ＣＰＵ６０は、Ｓ６０７において、変数Ｘ２の値を変数Ｘ１に上書きするとともに、変数Ｘ２に関連付けられていたラベルを変数Ｘ１に関連付け直す。以上の後に、ＣＰＵ６０は、処理をＳ６０８に進める。
【００８６】
Ｓ６０８では、ＣＰＵ６０は、全ての「接続可能要素」を「接続要素判定対象要素」として特定したか否かをチェックする。そして、未だ全ての「接続可能要素」を「接続要素判定対象要素」として特定していない場合には、ＣＰＵ６０は、処理をＳ６０１に戻す。
【００８７】
これに対して、以上に説明したＳ６０１〜Ｓ６０８のループ処理を繰り返した結果、全ての「接続可能要素」を「接続要素判定対象要素」として特定し終わっている場合、その時点で変数Ｘ１にラベルが関連付けられている「接続可能要素」は、「処理対象要素」に対して積（ｒ・θ）が最も小さくなるものである。そこで、ＣＰＵ６０は、次のＳ６０９において、変数Ｘ１に関連付けられているラベルが付された「接続可能要素」を、「接続決定要素」として決定する。以上の後に、ＣＰＵ６０は、この接続要素判定処理サブルーチンを終了して、図１１のメインルーチンに処理を戻す。処理が戻されたメインルーチンでは、ＣＰＵ６０は、処理をＳ０２０からＳ０２２に進める。
【００８８】
Ｓ０２２では、ＣＰＵ６０は、「接続決定要素」のラベルを「処理対象要素」のラベルに置き換えることによって、「接続決定要素」を「処理対象要素」と一連の細線化抽出要素として扱う（要素の接続）。
【００８９】
次のＳ０２３では、ＣＰＵ６０は、Ｓ０２２にて接続した元の「処理対象要素」と元の「接続決定要素」との組み合わせを、新たな「処理対象要素」として特定する。以上の後、ＣＰＵ６０は、新たな「処理対象要素」の一方の端点に関して「接続決定要素」を探すために、処理をＳ００９に戻す。
【００９０】
一方、接続可能である旨のフラグがどの「比較対象要素」についてもセットされなかったとＳ０１８にて判定した場合には、ＣＰＵ６０は、Ｓ０２４において、「処理対象要素」の両端に関して、Ｓ０１０以下のループ処理の実行を完了しているか否かをチェックする。そして、未だ他方の端点についての処理がなされていない場合には、ＣＰＵ６は、Ｓ０２６において、他方の端点を新たな「処理対象端点」として特定した後に、新たな「処理対象端点」についてＳ０１０以下のループ処理を行うために、処理をＳ０１０に戻す。これに対して、既に「処理対象要素」の両端に関してＳ０１０以下のループ処理を完了している場合には、ＣＰＵ６０は、処理をＳ０２５に進める。
【００９１】
Ｓ０２５では、ＣＰＵ６０は、Ｓ００３にて付した全てのラベルを「処理対象ラベル」として特定したか否かをチェックする。そして、未だ全てのラベルを「処理対象ラベル」として特定していない場合には、ＣＰＵ６０は、処理をＳ００８に戻し、次のラベルが付された細線化抽出要素についての処理を実行する。これに対して、全てのラベルを「処理対象ラベル」として特定した場合には、ＣＰＵ６０は、処理をＳ０２７に進める。以上のＳ００３乃至Ｓ０２６の処理が、グループ化手段に相当する
Ｓ０２７では、ＣＰＵ６０は、未だ「良否判定対象ラベル」として特定されていないラベルのうち最も小さいものを、「良否判定対象ラベル」として特定する。
【００９２】
次のＳ０２８では、ＣＰＵ６０は、Ｓ０２７にて「良否判定対象ラベル」として特定されたラベルが付された全ての細線化要素に対応する二値化画像データ中の抽出要素群を、選び出す。そして、選び出した抽出要素群全体としての図形的特徴量（例えば、面積，最大フィレ，等）を数値化し、この数値化された図形特徴量が良品とみなし得る範囲にあるか不良品とみなし得る範囲にあるかをチェックする。そして、図形的特徴量が良品とみなし得る範囲にある場合には、ＣＰＵ６０は、処理をＳ０２９に進める。
【００９３】
このＳ０２９では、ＣＰＵ６０は、全てのラベルを「良否判定対象ラベル」として特定したか否かをチェックする。そして、未だ全てのラベルを「良否判定対象ラベル」として特定していない場合には、処理をＳ０２７に戻す。
【００９４】
以上説明したＳ０２７乃至Ｓ０２９のループ処理を繰り返した結果、何れかの抽出要素群の図形的特徴量が不良品とみなし得る範囲にあると判定した場合には、ＣＰＵ６０は、処理をＳ０２８からＳ０３０に進める。このＳ０３０では、当該検査対象光学部材９が不良品である旨を外部出力（画像表示，音声出力）する。
【００９５】
これに対して、何れの抽出要素群の図形的特徴量が不良品とみなし得る範囲にあると判断することなく、全てのラベルを良否判定対象とした場合には、ＣＰＵ６０は、処理をＳ０２９からＳ０３１に進める。このＳ０３１では、ＣＰＵ６０は、当該検査対象光学部材９が良品である旨を外部出力（画像表示，音声出力）する。
【００９６】
Ｓ０３０又はＳ０３１を実行した後に、ＣＰＵ６０は、この制御処理を終了する。
【００９７】
＜実施形態の作用＞
以上のように構成された本実施形態によると、二値化画像データ中の各抽出要素のうち、元々同じ不良要因に起因するものが、各抽出要素の近接する端点同士を結ぶ線分ｒの長さ｜ｒ｜，この線分ｒと各抽出要素の方向ベクトルとがなす角度θ１，θ２に基づいて、合理的にグループ化される。従って、別々の不良要因に起因する抽出要素がグループ化されることはない。そのため、本実施形態によると、検査対象光学部材９の良否判定が正確になされる。
【実施形態２】
本発明の第２の実施の形態は、上述の第１実施形態と比較して、図１０のＳ０１６において実行される接続判定処理の内容のみが異なり、他の構成を同じくする。
【００９８】
上述した第１実施形態における図１３の接続判定処理では、個々の相互形状関係θ１，θ２，｜ｒ｜が、夫々一定の基準値θｍａｘ，Ｒｍａｘと個別に比較される。しかしながら、例えば何れかの相互形状関係が小さい値であった場合には、他の相互形状関係を多少甘くしても、正確な接続判定を行うことができるはずである。そのため、本第２実施形態は、複数の相互形状関係θ１，θ２，｜ｒ｜の関数を基準値と比較することによって、総合的な判定を行うようにした。
【００９９】
図１６は、本第２実施形態において接続判定処理に用いられる各角度θ１，θ２の関数と基準値θｍａｘとの関係を示すグラフである。この図１６に示すように、本実施形態においては、ＣＰＵ６０は、各角度θ１，θ２，及び、一定の基準値θｍａｘが下記式（５）に示す条件を満たしているか否かをチェックする。
【０１００】
θ１2＋θ２2≦θｍａｘ2 ……（５）
また、ここで、θ１2＋θ２2＝θ2とし、θ≧０とすると、このθは下記式（６）によって示される通りとなる。
【０１０１】
θ＝（θ１2＋θ２2）1/2 ……（６）
ＣＰＵ６０は、このθ及び｜ｒ｜，並びに、一定の基準値Ｔが下記式（７）を満たしているか否かをチェックする。
【０１０２】
｜ｒ｜・θ≦Ｔ
｜ｒ｜≦Ｔ／θ
≦Ｔ・（θ１2＋θ２2）-1/2 ……（７）
なお、各基準値（θｍａｘ，Ｔ）は、グループ化の結果が最も正確となるように、実験的に求める。
【０１０３】
＜制御処理＞
図１７は、本第２実施形態においてＣＰＵ６０が図１０のＳ０１６にて実行する接続判定処理サブルーチンを示すフローチャートである。
【０１０４】
この接続判定処理サブルーチンに入って最初のＳ２０１では、ＣＰＵ６０は、Ｓ０１３にて求めた角度θ１，及び、Ｓ０１４にて求めた角度θ２が、基準値θｍａｘに対して上記式（５）の関係を満たしているか否かをチェックする。そして、上記式（５）の関係が満たされていない場合には、ＣＰＵ６０は、処理をＳ２０４に進め、上記式（５）の関係が満たされている場合には、ＣＰＵ６０は、処理をＳ２０２に進める。
【０１０５】
Ｓ２０２では、ＣＰＵ６０は、Ｓ０１３にて求めた角度θ１，Ｓ０１４にて求めた角度θ２，及び、Ｓ０１２にて求めた線分ｒの大きさ｜ｒ｜が、基準値Ｔに対して上記式（７）の関係を満たしているか否かチェックする。そして、上記式（７）が満たされていない場合には、ＣＰＵ６０は、処理をＳ２０４に進め、上記式（７）が満たされている場合には、ＣＰＵ６０は、処理をＳ２０３に進める。
【０１０６】
Ｓ２０３では、ＣＰＵ６０は、接続可能である旨のフラグをセットし、Ｓ２０４では、ＣＰＵ６０は、接続不能である旨のフラグをセットする。そして、何れの場合においても、この接続判定処理サブルーチンを終了し、処理を図１０のメインルーチンに戻す。
【０１０７】
本第２実施形態よるその他の動作及び作用は、上述した第１実施形態のものと全く同じであるので、その説明を省略する。
【実施形態３】
本発明の第３の実施の形態は、上述の第１実施形態と比較して、点状要素をもグループ化することを特徴とする。
【０１０８】
上述の第１実施形態では、同一の不良要因に起因する要素のみを接続するために、図１０のＳ００５にて線状要素のみを抽出して、接続判定のための処理対象要素と比較対象要素にしていた。そのため、不良要因から分断された要素が偶然に点状となっていた場合には、この点状要素は、グループ化されないので、残りの線状要素のみをグループ化して算出された図形的特徴量は、本来の不良要因の程度に対応しない可能性がある。本第３実施形態は、この点に鑑み、点状要素をもグループ化の対象とすることによって、本来の不要要因の程度に対応した図形的特徴量を得ることができるようにしたものである。
【０１０９】
＜抽出要素のグループ化アルゴリズム＞
以下、本第３実施形態において各抽出要素をグループ化するためのアルゴリズムを、説明する。
【０１１０】
図１８は、処理対象の線状細線化抽出要素（ラベルａ）と比較対象の点状細線化抽出要素（ラベルｂ）との相対的形状関係の例を示している。この図１８に示されるように、本第３実施形態では、処理対象線状細線化抽出要素（ラベルａ）の方向ベクトル，並びに、処理対象線状細線化抽出要素（ラベルａ）及び比較対象点状細線化抽出要素（ラベルｂ）の互いに近接した端点（ラベルｂについては点状要素そのもの）間を結ぶ線分（ｒ）のベクトル（大きさ｜ｒ｜を含む）を夫々求め、処理対象細線化抽出要素（ラベルａ）の方向ベクトルと線分（ｒ）とがなす角度（θ）を算出する。そして、線分（ｒ）の大きさ（長さ）（｜ｒ｜）が予め定められた一定の基準値（Ｒｍａｘ）以下であり、且つ、角度（θ）が予め定められた一定の基準値（θｍａｘ）以下である場合には、これら二つの細線化抽出要素に対応する抽出要素が、連続した同一の線状不良要因に起因していると、判断することができる。そこで、比較対象点状細線化抽出要素（ラベルｂ）が処理対象線状細線化抽出要素（ラベルａ）と同じ不良要因に起因する故に接続可能と、判断する。
【０１１１】
以上のような相対的形状関係の判定を、全ての線状細線化抽出要素と各点状細線化抽出要素相互間に対して行う。そして、同一の不良要因に起因する細線化抽出要素をグループ化する。そして、各グループに属する細線化抽出要素群に対応する二値化画像データ中の抽出要素群をひとまとめにして、全体としての図形的特徴量を計算する。
【０１１２】
＜制御処理＞
次に、本第３実施形態において画像処理プログラム格納領域６２ｄから読み出した画像処理プログラムに従って制御装置６（ＣＰＵ６０）が実行する制御処理の内容を、図１９乃至図２２のフローチャートを用いて説明する。
【０１１３】
図１９の制御処理は、制御装置６に接続された図示せぬ検査開始ボタンが押下されることによりスタートする。スタート後最初のＳ３０１では、ＣＰＵ６０は、モータ駆動回路６３に対して、スライドテーブル７の駆動モータ７ｅへの駆動電流の供給を指示し、検査対象光学部材９をスライド移動させる。ＣＰＵ６０は、この指示の結果として検査対象光学部材９がスライド移動する間にフレームメモリ６１に書き込まれた画像データを、ホストメモリ６２の画像メモリ領域６２ａへ順次格納する。ＣＰＵ６０は、画像メモリ領域６２ａ内に検査対象光学部材９全体に対応する画像データ（原画像データ）が合成されると、処理をＳ３０２に進める。
【０１１４】
次のＳ３０２では、ＣＰＵ６０は、画像メモリ領域６２ａ内に格納されている原画像データに対して、所定の閾値を基準とした上述の二値化処理を実行して、第１作業メモリ領域６２ｂ内に二値化画像データを生成する（二値化手段に相当）。
【０１１５】
次のＳ３０３では、ＣＰＵ６０は、第１作業メモリ領域６２ｂ内に格納されている二値化画像データに含まれる各抽出要素に対して、夫々、一意のラベル番号（１，２，３，…，ｎ）を付す（ラベリング）。
【０１１６】
次のＳ３０４では、ＣＰＵ６０は、上述した第１実施形態における図１０Ｓ００３と同様の形状判定処理を実行し、第１作業メモリ領域６２ｂ内に格納されている二値化画像データに含まれる各抽出要素が線状要素であるか点状要素であるかを判定する。
【０１１７】
次のＳ３０５では、ＣＰＵ６０は、Ｓ３０４での形状判定結果に従って、第１作業メモリ領域６２ｂ内の二値化画像データに含まれる各抽出要素を、線状要素又は点状要素に分類する。
【０１１８】
次のＳ３０６では、ＣＰＵ６０は、Ｓ３０４にて抽出した各抽出要素に対して、上述した細線化処理を実行して、第２作業メモリ領域６２ｃ内に細線化画像データを生成する（細線化手段に相当）。なお、ＣＰＵ６０は、線状要素であると分類された抽出要素に対しては、上述したようにその骨格位置を示す幅１ドットの画素列となるまで抽出要素を細めることによって細線化処理を行うが、点状要素であると分類された抽出要素に対しては、その重心位置に相当する１ドットの画素のみを残すことによって細線化処理を行う。
【０１１９】
次のＳ３０７では、ＣＰＵ６０は、Ｓ３０５にて生成した細線化画像データに含まれる各細線化抽出要素の端点座標（線状細線化抽出要素については両端，点状細線化抽出要素については一点）を求める。
【０１２０】
次に、ＣＰＵ６０は、各線状細線化抽出要素毎に、それに対して接続可能な点状細線化抽出要素を探すためのＳ３０８〜Ｓ３２３のループ処理を実行する。このループ処理に入って最初のＳ３０８では、ＣＰＵ６０は、未だ「処理対象要素」として特定されていない線状細線化抽出要素のうち、付されたラベルが最も小さいものを「処理対象要素」として特定する。
【０１２１】
次のＳ３０９では、ＣＰＵ６０は、「処理対象要素」の一方の端点を「処理対象端点」として特定する。
【０１２２】
次のＳ３１０では、ＣＰＵ６０は、「処理対象端点」近傍における「処理対象要素」の方向ベクトルａを、上述した何れかの手法に従って求める。
【０１２３】
次に、ＣＰＵ６０は、「処理対象要素」の「処理対象端点」に関して、未だ「処理対象要素」として特定されていない全ての点状細線化抽出要素との上記相互形状関係θ，｜ｒ｜を調べるために、Ｓ３１１〜Ｓ３１７のループ処理を実行する。このループ処理に入って最初のＳ３１１では、ＣＰＵ６０は、「処理対象ラベル」の比較対象としても未だ特定されていない点状細線化抽出要素のうち最も小さいものを「比較対象要素」として特定する。
【０１２４】
次のＳ３１２では、ＣＰＵ６０は、「処理対象端点」と「比較対象要素」とを結ぶ線分ｒの大きさ（距離）｜ｒ｜及び方向を求める。
【０１２５】
次のＳ３１３では、ＣＰＵ６０は、方向ベクトルａと線分ｒとがなす角度θを求める。
【０１２６】
次のＳ３１４では、ＣＰＵ６０は、接続判定処理を実行する。
【０１２７】
図２２は、Ｓ３１４にて実行される接続判定処理サブルーチンを示すフローチャートである。このサブルーチンに入って最初のＳ４０１では、ＣＰＵ６０は、Ｓ３１２にて求めた角度θが基準値θｍａｘ以下であるという条件を満たしているか否かをチェックする。そして、角度θが基準値θｍａｘを超えていれば処理をＳ４０３に進め、角度θが基準値θｍａｘ以下であれば処理をＳ４０２に進める。
【０１２８】
Ｓ４０２では、ＣＰＵ６０は、Ｓ３１２にて求めた線分ｒの大きさ｜ｒ｜が基準値Ｒｍａｘ以下であるという条件を満たしているか否かをチェックする。そして、｜ｒ｜が基準値Ｒｍａｘを超えていれば処理をＳ４０３に進め、｜ｒ｜が基準値Ｒｍａｘ以下であれば処理をＳ４０４に進める。
【０１２９】
Ｓ４０４では、ＣＰＵ６０は、接続可能である旨のフラグをセットし、Ｓ４０３では、ＣＰＵ６０は、接続不能である旨のフラグをセットする。そして、何れの場合においても、この接続判定処理サブルーチンを終了し、処理を図１９のメインルーチンに戻す。
【０１３０】
処理が戻された図１９のメインルーチンでは、Ｓ３１４の次に、処理をＳ３１５に進める。このＳ３１５では、ＣＰＵ６０は、「処理対象要素」として未だ特定されていない全ての点状細線化抽出要素を「比較対象要素」として特定したか否かを、チェックする。そして、未だ全ての点状細線化抽出要素を「比較対象要素」として特定していない場合には、ＣＰＵ６０は、処理をＳ３１１に戻す。これに対して、未だ「処理対象要素」として特定されていない全ての点状細線化抽出要素を「比較対象要素」として特定し終えた場合には、ＣＰＵ６０は、処理をＳ３１６に進める。
【０１３１】
Ｓ３１６では、ＣＰＵ６０は、Ｓ３１１〜Ｓ３１５のループ処理を繰り返した結果、何れかの「比較対象要素」に関して接続可能である旨のフラグがセットされたか否かを、チェックする。そして、接続可能である旨のフラグがセットされている場合には、ＣＰＵ６０は、処理をＳ３１７に進める。
【０１３２】
このＳ３１７では、ＣＰＵ６０は、接続可能である旨のフラグがセットされている「比較対象要素」が二つ以上あるか否かをチェックする。そして、接続可能である旨のフラグがセットされている「比較対象要素」が一個のみである場合には、ＣＰＵ６０は、Ｓ３１９にて当該「比較対象要素」を「接続決定要素」として決定した後に、処理をＳ３２０に進める。
【０１３３】
これに対して、接続可能である旨のフラグがセットされている「比較対象要素」が二つ以上であるとＳ３１７にて判定した場合には、ＣＰＵ６０は、Ｓ３１８にて、何れか一個の「比較対象要素」を「接続決定要素」として決定するための接続要素判定処理を、図１４に示した接続要素判定処理サブルーチンに従って実行する。Ｓ３１８の完了後、ＣＰＵ６０は、処理をＳ３２０に進める。
【０１３４】
Ｓ３２０では、ＣＰＵ６０は、「接続決定要素」のラベルを「処理対象要素」のラベルに置き換えることによって、「接続決定要素」を「処理対象要素」と一連の細線化抽出要素として扱う（要素の接続）。
【０１３５】
次のＳ３２１では、ＣＰＵ６０は、Ｓ３２０にて接続した元の「処理対象要素」と元の「接続決定要素」との組み合わせを、新たな「処理対象要素」として特定する。以上の後、ＣＰＵ６０は、新たな「処理対象要素」の一方の端点に関して「接続決定要素」を探すために、処理をＳ３０９に戻す。なお、新たな「処理対象要素」に対するＳ３１０の処理では、ＣＰＵ６０は、元の「処理対象要素（線状要素）」の端点と元の「接続決定要素（点状要素）」とを結んだ方向として、方向ベクトルａを求める。
【０１３６】
一方、接続可能である旨のフラグがどの「比較対象要素」についてもセットされなかったとＳ３１６にて判定した場合には、ＣＰＵ６０は、Ｓ３２２において、「処理対象要素」の両端に関して、Ｓ３１０以下のループ処理の実行を完了しているか否かをチェックする。そして、未だ他方の端点についての処理がなされていない場合には、ＣＰＵ６は、Ｓ３２４において、他方の端点を新たな「処理対象端点」として特定した後に、新たな「処理対象端点」についてＳ３１０以下のループ処理を行うために、処理をＳ３１０に戻す。これに対して、既に「処理対象要素」の両端に関してＳ３１０以下のループ処理を完了している場合には、ＣＰＵ６０は、処理をＳ３２３に進める。
【０１３７】
Ｓ３２３では、ＣＰＵ６０は、Ｓ３０５にて分類した全ての線状細線化抽出要素を「処理対象要素」として特定したか否かをチェックする。そして、未だ全ての線状細線化抽出要素を「処理対象要素」として特定していない場合には、ＣＰＵ６０は、処理をＳ３０８に戻し、次のラベルが付された線状細線化抽出要素についての処理を実行する。これに対して、全ての線状細線化抽出要素を「処理対象要素」として特定した場合には、ＣＰＵ６０は、処理をＳ３２４に進める。以上のＳ３０３乃至Ｓ３２３の処理が、グループ化手段に相当する
Ｓ３２４では、ＣＰＵ６０は、未だ「良否判定対象ラベル」として特定されていないラベルのうち最も小さいものを、「良否判定対象ラベル」として特定する。
【０１３８】
次のＳ３２５では、ＣＰＵ６０は、Ｓ３２４にて「良否判定対象ラベル」として特定されたラベルが付された全ての細線化要素に対応する二値化画像データ中の抽出要素群を、選び出す。そして、選び出した抽出要素群全体としての図形的特徴量（例えば、面積，最大フィレ，等）を数値化し、この数値化された図形特徴量が良品とみなし得る範囲にあるか不良品とみなし得る範囲にあるかをチェックする。そして、図形的特徴量が良品とみなし得る範囲にある場合には、ＣＰＵ６０は、処理をＳ３２６に進める。
【０１３９】
このＳ３２６では、ＣＰＵ６０は、全てのラベルを「良否判定対象ラベル」として特定したか否かをチェックする。そして、未だ全てのラベルを「良否判定対象ラベル」として特定していない場合には、処理をＳ３２４に戻す。
【０１４０】
以上説明したＳ３２４乃至Ｓ３２６のループ処理を繰り返した結果、何れかの抽出要素群の図形的特徴量が不良品とみなし得る範囲にあると判定した場合には、ＣＰＵ６０は、処理をＳ３２５からＳ３２７に進める。このＳ３２７では、当該検査対象光学部材９が不良品である旨を外部出力（画像表示，音声出力）する。
【０１４１】
これに対して、何れの抽出要素群の図形的特徴量が不良品とみなし得る範囲にあると判断することなく、全てのラベルを良否判定対象とした場合には、ＣＰＵ６０は、処理をＳ３２６からＳ３２８に進める。このＳ３２８では、ＣＰＵ６０は、当該検査対象光学部材９が良品である旨を外部出力（画像表示，音声出力）する。
【０１４２】
Ｓ３２７又はＳ３２８を実行した後に、ＣＰＵ６０は、この制御処理を終了する。
【０１４３】
本第３実施形態におけるその他の動作及び作用は、上述した第１実施形態のものと全く同じであるので、その説明を省略する。
【実施形態４】
本発明の第４の実施の形態は、上述の第３実施形態と比較して、図１９のＳ３１４において実行される接続判定処理の内容のみが異なり、他の構成を同じくする。本第４実施形態の目的は、上述した第２実施形態のものと同じである。
【０１４４】
図２３は、本第４実施形態においてＣＰＵ６０が図１９のＳ３１４にて実行する接続判定処理サブルーチンを示すフローチャートである。
【０１４５】
この接続判定処理サブルーチンに入って最初のＳ５０１では、ＣＰＵ６０は、Ｓ３１３にて求めた角度θが基準値θｍａｘ以下であるという条件を満たしているか否かをチェックする。そして、角度θが基準値θｍａｘを超えていれば処理をＳ５０４に進め、角度θが基準値θｍａｘ以下であれば処理をＳ５０２に進める。
【０１４６】
Ｓ５０２では、ＣＰＵ６０は、Ｓ３１３にて求めた角度θ，及び、Ｓ３１２にて求めた線分ｒの大きさ｜ｒ｜が、一定の基準値Ｔに対して下記式（８）の関係を満たしているか否かチェックする。
【０１４７】
｜ｒ｜・θ≦Ｔ
｜ｒ｜≦Ｔ／θ ……（８）
そして、上記式（８）の条件が満たされていない場合には、ＣＰＵ６０は、処理をＳ５０４に進め、上記式（８）の条件が満たされている場合には、ＣＰＵ６０は、処理をＳ５０３に進める。
【０１４８】
Ｓ５０３では、ＣＰＵ６０は、接続可能である旨のフラグをセットし、Ｓ５０４では、ＣＰＵ６０は、接続不能である旨のフラグをセットする。そして、何れの場合においても、この接続判定処理サブルーチンを終了し、処理を図１９のメインルーチンに戻す。
【０１４９】
本第４実施形態よるその他の動作及び作用は、上述した第１実施形態及び第３実施形態のものと全く同じであるので、その説明を省略する。
【０１５０】
【発明の効果】
以上のように構成された本発明の光学部材検査装置，画像処理装置，及び、画像処理プログラムを格納したコンピュータ可読媒体によれば、検査対象光学部材を撮像して得られた画像データを２値化した後で、同一の不良要因に起因しているが二値化の過程で分離されてしまった複数の抽出要素を合理的にグループ化することができる。これにより、検査対象光学部材の正確な良否判定が可能となる。
【０１５１】
【図面の簡単な説明】
【図１】 本発明の実施の形態による光学部材検査装置の概略構成を示す側面断面図
【図２】 図１の検査対象光学部材等を撮像装置の位置から見た平面図
【図３】 図１の制御装置の内部回路構成を示すブロック図
【図４】 検査対象光学部材に不良要因がない場合における光の進行状態を示す図
【図５】 検査対象光学部材に不良要因がある場合における光の進行状態を示す図
【図６】 画像メモリ領域６２ａ内にて合成される原画像データを示す図
【図７】 第１作業メモリ６２ｂ内に生成される二値化画像データを示す図
【図８】 第２作業メモリ６２ｃ内に生成される細線化二値化画像データを示す図
【図９】 本発明の第１実施形態における各抽出要素のグループ化アルゴリズムの説明図
【図１０】 図３のＣＰＵにて実行される制御処理を示すフローチャート
【図１１】 図３のＣＰＵにて実行される制御処理を示すフローチャート
【図１２】 図３のＣＰＵにて実行される制御処理を示すフローチャート
【図１３】 図１０のＳ０１６にて実行される接続判定処理サブルーチンを示すフローチャート
【図１４】 図１１のＳ０２０にて実行される接続要素判定処理サブルーチンを示すフローチャート
【図１５】 抽出要素が点状要素であるか線状要素であるかの認識に用いられる閾値関数を示すグラフ
【図１６】 本第２実施形態において接続判定処理に用いられる各角度θ１，θ２の関数と基準値θｍａｘとの関係を示すグラフ
【図１７】 本発明の第２実施形態における図１０のＳ０１６にて実行される接続判定処理サブルーチンを示すフローチャート
【図１８】 本発明の第２実施形態における各抽出要素のグループ化アルゴリズムの説明図
【図１９】 本発明の第３実施形態において図３のＣＰＵにて実行される制御処理を示すフローチャート
【図２０】 本発明の第３実施形態において図３のＣＰＵにて実行される制御処理を示すフローチャート
【図２１】 本発明の第３実施形態において図３のＣＰＵにて実行される制御処理を示すフローチャート
【図２２】 図１９のＳ３１４にて実行される接続判定処理サブルーチンを示すフローチャート
【図２３】 本発明の第４実施形態における図１０のＳ０１６にて実行される接続判定処理サブルーチンを示すフローチャート
【符号の説明】
３ 撮像装置
６ 制御装置
９ 検査対象光学部材
６０ ＣＰＵ
６２ ホストメモリ
６２ａ 画像メモリ領域
６２ｂ 第１作業メモリ領域
６２ｃ 第２作業メモリ領域
６２ｄ 画像処理プログラム格納領域
【発明が属する技術分野】
本発明は、レンズ等の光学部材の不良要因を検出するための光学部材検査装置，画像処理装置，及びプログラムを格納したコンピュータ可読媒体に関する。
【０００２】
【従来の技術】
レンズ，プリズム等の光学部材は、入射した光束が規則正しく屈折したり、平行に進行したり、一点又は線状に収束したり発散するように設計されている。しかしながら、光学部材の形成時において糸くず等が光学部材内に混入してしまっていたり（いわゆる「ケバ」）、成形後の人的取り扱いによって光学部材の表面上にキズ等が生じていると、入射した光束が乱れてしまうので、所望の性能を得ることができなくなる。
【０００３】
そのため、光学部材の不良要因を検出して自動的に良否判定を行うための光学部材検査装置が、従来、種々提案されている。このような光学部材検査装置では、検査対象光学部材を撮像して得られた原画像データからノイズ成分を除去すべく、原画像データを構成する各画素の輝度値が所定の閾値を超えていれば新たな輝度値“１”を与えるとともに閾値を超えていなければ新たな輝度値“０”を与える二値化処理を実行し、この二値化処理によって抽出された明るい領域（輝度値“１”が与えられた一群の画素からなる領域，以下「抽出要素」という）については不良要因を示すとして確定し、この領域の形状や面積等の図形的特徴量に基づいて、検査対象光学部材の良否判定を行っていた。
【０００４】
ところで、ノイズの輝度には当然にバラツキがあるので、全てのノイズを二値化処理によって確実に消去するためには、閾値をできるだけ高く設定しなければならない。但し、抽出対象である不良要因内にも輝度分布があるので、この不良要因内の最低輝度よりも閾値を高くすると、本来一個である不良要因が複数個の抽出要素に分離してしまう。従って、このようにして抽出された各抽出要素は、正しい情報（大きさ等）を持っていない可能性が大きい。
【０００５】
そのため、従来の光学部材検査装置では、二値化処理によって抽出された各抽出要素の重心と、各重心相互間の距離とを、夫々求めていた。そして、各々の重心相互間の距離が短い抽出要素同士を、同一の不良要因に起因するものとみなして、グループ化していた。そして、グループ化された抽出要素群の図形的特徴量を全体として評価して、検査対象光学部材の良否判定を行っていた。
【０００６】
【発明が解決しようとする課題】
しかしながら、このような重心間距離に基づく各抽出要素のグループ化は、各抽出要素の重心間距離が予め設定された閾値以内であるか否かに依って行われるのに過ぎないので、本来別個独立の不良要因に起因する抽出要素がグループ化されてしまう不都合を、避け得なかった。例えば、互いに独立した二つのキズが接近して形成されている場合や厚さ方向に重なってクラックとキズとが形成されている場合には、二値化された画像データ内において夫々に対応する抽出要素の重心間距離が非常に短くなるので、これらの抽出要素がグループ化されてしまうが、これらは元々別個独立の不良要因に夫々起因しているのであるから、これらの抽出要素をグループ化することに客観的合理性はない。このような誤ったグループ化がなされると、これに基づいて行われる検査対象光学部材の良否判定結果も不正確になてしまう問題があった。
【０００７】
本発明の課題は、このような問題に鑑み、検査対象光学部材を撮像して得られた画像データを２値化した後で、同一の不良要因に起因しているが二値化の過程で分離されてしまった複数の抽出要素を合理的にグループ化することによって、検査対象光学部材の正確な良否判定を可能とした光学部材検査装置，画像処理装置，及び、コンピュータ可読媒体を、提供することである。
【０００８】
【課題を解決するための手段】
各請求項記載の発明は、上記課題を解決するためになされたものである。
【０００９】
まず、請求項１記載の光学部材検査装置は、検査対象光学部材を撮像して当該検査対象光学部材の像を含む原画像データを出力する撮像装置と、この撮像装置から出力された原画像データを所定の閾値を基準として前記原画像データに混入したノイズが除去され且つ不良要因に起因する要素が抽出されるように二値化して二値化画像データを生成する二値化手段と、前記二値化手段によって生成された二値化画像データを格納するメモリと、このメモリに格納されている前記二値化画像データに含まれる個々の前記要素を細線化して当該要素の骨格を示す細線化要素に変換する細線化手段と、この細線化手段によって変換された任意の二つの細線化要素同士を比較し、これら二つの細線化要素における互いに近接した端点同士を結ぶ線分の長さ，前記二つの細線化要素のうちの一方の方向を示すベクトルと前記線分とがなす第１角度，及び、前記二つの細線化要素のうちの他方の方向を示すベクトルと前記線分とがなす第２角度が所定の条件を満たす場合に前記二つの細線化要素同士をグループ化するグループ化手段と、前記グループ化手段によってグループ化された前記各細線化要素の元となった前記二値化画像データ中の要素群の全体としての図形的特徴量を算出する図形的特徴量算出手段と、この図形的特徴量算出手段によって算出された図形的特徴量に基づいて前記検査対象光学部材の良否判定を行う良否判定手段とを、有することを特徴とする。
【００１０】
このように構成されると、二値化手段による二値化の結果、同一の不良要因に起因する要素が二つに分断されたとしても、細線化手段がこれらの要素を細線化し、グループ化手段がこれら分断された要素同士を比較対象した場合には、これら二つの細線化要素における互いに近接した端点同士を結ぶ線分の長さ，前記二つの細線化要素のうちの一方の方向を示すベクトルと前記線分とがなす第１角度，及び、前記二つの細線化要素のうちの他方の方向を示すベクトルと前記線分とがなす第２角度が所定の条件を満たすために、これらの分断された要素は、このグループ化手段によってグループ化される。図形的特徴量算出手段は、グループ化手段によってグループ化された各細線化要素の元となった二値化画像データ中に含まれる要素群の、全体としての図形的特徴量を算出する。従って、良否判定手段による良否判定結果が、正確なものとなるのである。
【００１１】
請求項２記載の光学部材検査装置は、請求項１のグループ化手段が、前記細線化手段によって変換された全ての細線化要素のあらゆる組み合わせについて、上記比較を行うことで、特定したものである。
【００１２】
請求項３記載の光学部材検査装置は、請求項１のグループ化手段が、前記線分の長さ，前記第１角度，及び、前記第２角度が、夫々に用意された基準値を下回っている場合に、前記二つの細線化要素同士をグループ化することで、特定したものである。
【００１３】
請求項４記載の光学部材検査装置は、請求項１のグループ化手段が、前記線分の長さ，前記第１角度，前記第２角度，及び、所定の基準値が所定の条件式を満たしている場合に、前記二つの細線化要素同士をグループ化することで、特定したものである。
【００１４】
請求項５記載の光学部材検査装置は、請求項４の所定の条件式が、前記第１角度をθ１，前記第２角度をθ２，前記所定の基準値をθｍａｘとした場合、
θ１2＋θ２2≦θmax2
として表されることで、特定したものである。
【００１５】
請求項６記載の光学部材検査装置は、請求項４の所定の条件式が、前記線分の長さをｒ，前記第１角度をθ１，前記第２角度をθ２，前記所定の基準値をＴとした場合、
ｒ≦Ｔ・（θ１2＋θ２2）-1/2
として表されることで、特定したものである。
【００１６】
請求項７記載の画像処理装置は、検査対象光学部材を撮像して得られた原画像データを所定の閾値を基準として前記原画像データに混入したノイズが除去され且つ不良要因に起因する要素が抽出されるように二値化して二値化画像データを生成する二値化手段と、前記二値化手段によって生成された二値化画像データを格納するメモリと、このメモリに格納されている前記二値化画像データに含まれる個々の前記要素を細線化して当該要素の骨格を示す細線化要素に変換する細線化手段と、この細線化手段によって変換された任意の二つの細線化要素同士を比較し、これら二つの細線化要素における互いに近接した端点同士を結ぶ線分の長さ，前記二つの細線化要素のうちの一方の方向を示すベクトルと前記線分とがなす第１角度，及び、前記二つの細線化要素のうちの他方の方向を示すベクトルと前記線分とがなす第２角度が所定の条件を示す場合に前記二つの細線化要素同士をグループ化するグループ化手段と、前記グループ化手段によってグループ化された前記各細線化要素の元となった前記二値化画像データ中の要素群の全体としての図形的特徴量を算出する図形的特徴量算出手段と、この図形的特徴量算出手段によって算出された図形的特徴量に基づいて前記検査対象光学部材の良否判定を行う良否判定手段とを、有することを特徴とする。
【００１７】
請求項８記載のコンピュータ可読媒体は、メモリを備えたコンピュータに対して、検査対象光学部材を撮像して得られた原画像データを所定の閾値を基準として前記原画像データに混入したノイズが除去され且つ不良要因に起因する要素が抽出されるように二値化して二値化画像データを生成させ、前記二値化手段によって生成された二値化画像データを前記メモリに格納させ、このメモリに格納されている前記二値化画像データに含まれる個々の前記要素を細線化して、当該要素の骨格を示す細線化要素に変換させ、この細線化手段によって変換された任意の二つの細線化要素同士を比較し、これら二つの細線化要素における互いに近接した端点同士を結ぶ線分の長さ，前記二つの細線化要素のうちの一方の方向を示すベクトルと前記線分とがなす第１角度，及び、前記二つの細線化要素のうちの他方の方向を示すベクトルと前記線分とがなす第２角度が所定の条件を示す場合に、前記二つの細線化要素同士をグループ化させ、前記グループ化手段によってグループ化された前記各細線化要素の元となった前記二値化画像データ中の要素群の全体としての図形的特徴量を算出させ、この図形的特徴量算出手段によって算出された図形的特徴量に基づいて前記検査対象光学部材の良否判定を行わせるプログラムを格納したことを、特徴としている。
【００１８】
請求項９記載の光学部材検査装置は、検査対象光学部材を撮像して当該検査対象光学部材の像を含む原画像データを出力する撮像装置と、この撮像装置から出力された原画像データを所定の閾値を基準として前記原画像データに混入したノイズが除去され且つ不良要因に起因する要素が抽出されるように二値化して、二値化画像データを生成する二値化手段と、前記二値化手段によって生成された二値化画像データを格納するメモリと、このメモリに格納されている前記二値化画像データに含まれる個々の前記要素を細線化して、当該要素の骨格を示す細線化要素に変換する細線化手段と、この細線化手段によって変換された任意の二つの細線化要素同士を比較し、これら二つの細線化要素における互いに近接した端点同士を結ぶ線分の長さ，及び、前記二つの細線化要素のうちの一方の方向を示すベクトルと前記線分とがなす角度が所定の条件を示す場合に前記二つの細線化要素同士をグループ化するグループ化手段と、前記グループ化手段によってグループ化された前記各細線化要素の元となった前記二値化画像データ中の要素群の全体としての図形的特徴量を算出する図形的特徴量算出手段と、この図形的特徴量算出手段によって算出された図形的特徴量に基づいて前記検査対象光学部材の良否判定を行う良否判定手段とを、備えたことを特徴とする。
【００１９】
このように構成されると、二値化手段による二値化の結果、同一の不良要因に起因する要素が複数に分断されたとしても、細線化手段がこれらの要素を細線化し、グループ化手段がこれら分断された要素同士を比較対象とした場合には、これら二つの細線化要素における互いに近接した端点同士を結ぶ線分の長さ，及び、前記二つの細線化要素のうちの一方の方向を示すベクトルと前記線分とがなす角度が所定の条件を満たすために、これらの分断された要素は、このグループ化手段によってグループ化される。図形的特徴量算出手段は、グループ化手段によってグループ化された各細線化要素の元となった二値化画像データ中に含まれる要素群の、全体としての図形的特徴量を算出する。従って、線状要素のみならず点状要素もがグループ化され得るので、良否判定手段による良否判定結果が、正確なものとなるのである。
【００２０】
請求項１０記載の光学部材検査装置は、請求項９のグループ化手段が、前記線分の長さ，及び、前記角度が、夫々に用意された基準値を下回っている場合に、前記二つの細線化要素同士をグループ化することで、特定したものである。
請求項１１記載の光学部材検査装置は、請求項９のグループ化手段が、前記線分の長さ，前記角度，及び、所定の基準値が所定の条件式を満たしている場合に、前記二つの細線化要素同士をグループ化することで、特定したものである。
【００２１】
請求項１２記載の光学部材検査装置は、請求項１１の所定の条件式が、前記角度をθ，前記所定の基準値をθｍａｘとした場合、
θ≦θmax
として表されることで、特定したものである。
【００２２】
請求項１３記載の光学部材検査装置は、請求項１１の所定の条件式が、前記線分の長さをｒ，前記角度をθ，前記所定の基準値をＴとした場合、
ｒ＝Ｔ／θ
として表されることで、特定したものである。
【００２３】
請求項１４記載の画像処理装置は、検査対象光学部材を撮像して得られた原画像データを所定の閾値を基準として前記原画像データに混入したノイズが除去され且つ不良要因に起因する要素が抽出されるように二値化して、二値化画像データを生成する二値化手段と、前記二値化手段によって生成された二値化画像データを格納するメモリと、このメモリに格納されている前記二値化画像データに含まれる個々の前記要素を細線化して、当該要素の骨格を示す細線化要素に変換する細線化手段と、この細線化手段によって変換された任意の二つの細線化要素同士を比較し、これら二つの細線化要素における互いに近接した端点同士を結ぶ線分の長さ，及び、前記二つの細線化要素のうちの一方の方向を示すベクトルと前記線分とがなす角度が所定の条件を示す場合に前記二つの細線化要素同士をグループ化するグループ化手段と、前記グループ化手段によってグループ化された前記各細線化要素の元となった前記二値化画像データ中の要素群の全体としての図形的特徴量を算出する図形的特徴量算出手段と、この図形的特徴量算出手段によって算出された図形的特徴量に基づいて前記検査対象光学部材の良否判定を行う良否判定手段とを、備えたこと特徴とする。
【００２４】
請求項１５のコンピュータ可読媒体は、メモリを備えたコンピュータに対して、検査対象光学部材を撮像して得られた原画像データを所定の閾値を基準として前記原画像データに混入したノイズが除去され且つ不良要因に起因する要素が抽出されるように二値化して、二値化画像データを生成させ、前記二値化手段によって生成された二値化画像データを前記メモリに格納させ、このメモリに格納されている前記二値化画像データに含まれる個々の前記要素を細線化して、当該要素の骨格を示す細線化要素に変換させ、この細線化手段によって変換された任意の二つの細線化要素同士を比較し、これら二つの細線化要素における互いに近接した端点同士を結ぶ線分の長さ，及び、この線分と前記二つの細線化要素のうちの一方の方向を示すベクトルとがなす角度が所定の条件を示す場合に、前記二つの細線化要素同士をグループ化させ、前記グループ化手段によってグループ化された前記各細線化要素の元となった前記二値化画像データ中の要素群の全体としての図形的特徴量を算出させ、この図形的特徴量算出手段によって算出された図形的特徴量に基づいて前記検査対象光学部材の良否判定を行わせるプログラムを格納したことを、特徴としている。
【００２５】
請求項１６の光学部材検査装置は、請求項４の所定の条件式が、前記線分の長さをｒ，前記第１角度をθ１，前記第２角度をθ２，第１の前記所定の基準値をθｍａｘ，第２の前記所定の機基準値をＴとした場合、θ１2＋θ２2≦θmax2，ｒ≦Ｔ・（θ１2＋θ２2）-1/2として表されることで、特定したものである。
【００２６】
請求項１７の光学部材検査装置は、請求項１１の所定の条件式が、前記線分の長さをｒ，前記角度をθ，第１の前記所定の基準値をθｍａｘ，第２の前記所定の基準値をＴとした場合、θ≦θmax，ｒ＝Ｔ／θとして表されることで、特定したものである。
【００２７】
【発明の実施の形態】
以下、図面に基づいて、本発明の実施の形態を説明する。
【実施形態１】
＜光学部材検査装置の構成＞
本第１実施形態による光学部材検査装置の概略構成を、図１の側面断面図に示す。この図１に示すように、光学部材検査装置を構成する照明ランプ１，拡散板２，及び撮像装置３は、同一の光軸ｌ上に配置されている。
【００２８】
この撮像装置３は、正レンズ系である撮像レンズ４と、この撮像レンズ４によって収束された光による像を撮像するＣＣＤラインセンサからなる撮像素子５とから、構成されている。図１において、撮像素子５は、紙面に直交する方向にその画素列を向かせるように設置されている。また、撮像素子５の画素列は、その真中において、撮像レンズ４の光軸ｌと垂直に交わっている。なお、撮像レンズ４は、撮像装置３内において撮像素子５に対して進退自在（ピント調節可能）であり、撮像装置３自体も、光軸ｌ方向に進退調整し得る様に光学部材検査装置の図示せぬフレームに取り付けられている。
【００２９】
この撮像素子５は、所定時間（各画素に電荷が適度に蓄積する程度の時間）毎にライン状に画像を撮像し、画素の並び順に各画素を自己走査して各画素に蓄積した電荷を出力する。このようにして撮像素子５から出力された電荷は、所定の増幅処理やＡ／Ｄ変換処理を受けた後に、１ライン分の輝度信号からなる画像データとして、画像処理装置６に入力される。
【００３０】
スライドテーブル７は、スライドレール７ａ，スライダ７ｂ，駆動モータ７ｅ，ブーム７ｃ，及び、ホルダ７ｄから構成されている。このスライドレール７ａは、撮像素子５の画素列の方向及び撮像レンズ４の光軸ｌの方向に対して夫々直交する方向を向く様に、光学部材検査装置の図示せぬフレームに固定されている。スライダ７ｂは、ブーム７ｃ及びホルダ７ｄを介して検査対象光学部材９を保持しており、駆動モータ７ｅの駆動力によってスライドレール７ａ上をスライド移動することにより、検査対象光学部材９を図１の左右方向へ等速移動させる。
【００３１】
この検査対象光学部材９は、図２に示すような平面矩形の平行平面透明板である。この検査対象光学部材９は、その短辺が撮像素子５の画素列と平行となり且つ幅方向（撮像素子５の画素列と平行な方向）の中点において撮像レンズ４の光軸ｌと直交するように、スライダ７ｂによって保持・移動される。なお、図２は、撮像レンズ４の位置から見た検査対象光学部材９等の位置関係を示す平面図である。この図２においては、検査対象光学部材９のスライドテーブル７による移動方向は、左右方向となる。
【００３２】
この検査対象光学部材９は、撮像レンズ４に関してその表面（撮像レンズ４に対向する面）が撮像素子５の撮像面と共役となるように配置されている。従って、撮像素子５は、検査対象光学部材９の表面の画像（１ライン分）を撮像することができるのである。図２においては、撮像素子５によって撮像され得る一ライン分の撮像対象領域が、二点鎖線によって示されている。なお、撮像レンズ４の倍率（即ち、撮像装置３自体の位置，及び撮像レンズ４の撮像素子５に対する位置）は、検査対象光学部材９の表面を全幅（撮像素子５の画素列の方向における幅）にわたって撮像素子５の撮像面に結像し得るように、調整されている。
【００３３】
一方、照明ランプ１は、照明光（白色光）を発光する白熱ランプであり、光学部材検査装置の図示せぬフレームに固定されている。
【００３４】
この照明ランプ１と検査対象光学部材９との間に配置されている拡散板２は、図２に示すように、検査対象光学部材９よりも幅広な矩形形状を有しており、その表面は粗面として加工されている。従って、この拡散板２は、照明ランプ１から出射された照明光をその裏面全面で受けて、拡散しつつ透過させることができる。なお、この拡散板２は、その中心において撮像レンズ４の光軸ｌと直交するとともに、その外縁が撮像素子５の画素列と平行になる様に、光学部材検査装置の図示せぬフレームに固定されている。
【００３５】
この拡散板２の表面上には、帯状の形状を有する遮光手段としての遮光板８が、その長手方向を撮像素子５の画素列の方向と平行な方向に向けて、貼り付けられている。この遮光板８の中心は撮像レンズ４の光軸ｌと一致している。また、遮光板８の長手方向における全長は検査対象光学部材９の幅よりも長い。そして、図２に示すように、撮像装置３の位置から見ると、遮光板８の両端は、検査対象光学部材９の外縁よりも外側にはみ出している。また、遮光板８の幅は、図１に示すように、撮像素子５の各画素に入射する光の周縁光線ｍ，ｍの間隔よりも広い。
【００３６】
制御装置６は、撮像装置３から入力された画像データに基づいて検査対象光学部材９が良品であるか不良品であるかの判定を行うとともに、この判定に伴って駆動モータ７ｅに駆動電流を供給する処理装置である。
【００３７】
図３は、この制御装置６の内部回路構成を示すブロック図である。図３に示す様に、制御装置６は、バスＢを介して相互に接続されたＣＰＵ６０，フレームメモリ６１，ホストメモリ６２，及びモータ駆動回路６３から、構成されている。
【００３８】
フレームメモリ６１は、撮像装置３から入力された画像データが書き込まれるバッファである。
【００３９】
ホストメモリ６２は、画像メモリ領域６２ａ，第１作業メモリ領域６２ｂ，第２作業メモリ領域６２ｃ，及び、画像処理プログラム格納領域６２ｄを、含んでいる。このうち、画像メモリ領域６２ａは、フレームメモリ６１に書き込まれた画像データが所定時間毎に先頭行から行単位で書き込まれ、検査対象光学部材９全体に対応する画像データ（原画像データ）が合成される領域である。また、第１作業メモリ領域６２ｂは、所定の閾値を基準に原画像データを二値化して得られた二値化画像データが格納される領域である。また、第２作業メモリ領域６２ｃは、第１作業メモリ領域６２ｂ中の二値化画像データを細線化処理して得られた細線化画像データが格納される領域である。また、画像処理プログラム格納領域６２ｄは、ＣＰＵ６０にて実行される画像処理プログラムを格納するコンピュータ可読媒体としての領域である。
【００４０】
モータ駆動回路６３は、検査対象光学部材９が図１上の右方から左方へ等速移動する様に駆動モータ７ｅを駆動させる駆動電流を、この駆動モータ８に供給する。
【００４１】
ＣＰＵ６０は、制御装置６全体の制御を行うコンピュータであり、二値化手段，細線化手段，グループ化手段，図形的特徴量算出手段，及び良否判定手段に、相当する。即ち、ＣＰＵ６０は、ホストメモリ６２の画像処理プログラム格納領域６２ｄに格納されている画像処理プログラムを実行し、フレームメモリ６１に書き込まれた画像データを定期的にホストメモリ６２の画像メモリ領域６２ａに書き写す。そして、画像メモリ領域６２ａ中に検査対象光学部材９全体に対応する画像データ（原画像データ）が合成された時点で、この原画像データに対して所定の閾値を基準とした二値化処理を実行して第１作業メモリ６２ｂ内に二値化画像データを生成するとともに、この二値化画像に対して細線化処理を実行して第２作業メモリ６２ｃ内に二値化画像データを生成する。そして、この二値化画像データに含まれる各抽出要素相互の相対的形状関係をチェックし、所定の相対的形状条件を満たしているもの同士を、同じ不良要因に起因するものとしてグループ化する。そして、各グループの抽出要素群の全体としての図形的特徴量をチェックして、検査対象光学部材９の良否判定を行う。また、ＣＰＵ６０は、フレームメモリ６１からの画像データ取り込みを行うのと同期して、モータ駆動回路６３に対して、駆動電流を駆動モータ７ｅに供給させる指示を行う。
【００４２】
＜不良要因検出の原理＞
以上のように構成される光学部材検査装置において、図１と同じ方向から見た状態を示す図４の面内では、撮像レンズ４に入射して撮像素子５の各画素に入射し得る光は、撮像レンズ４の光軸ｌに沿った光線を主光線とする光束であり且つ図４に示される周縁光線ｍ，ｍ間を通る光のみである。この周縁光線ｍ，ｍを逆方向に辿ると、検査対象光学部材９の表面において交差した後に、拡散板２に向かって拡がっている。そして、拡散板２上において、この周縁光線ｍ，ｍの間が遮光板８によって遮られている。従って、図４に示すように、検査対象光学部材９における撮像素子５による撮像対象領域（撮像レンズ４に関して撮像素子５の画素列の受光面と共役な部位及び光軸方向におけるその近傍）に不良要因がないとすると、撮像素子５の各画素に入射する光はない。即ち、拡散板２の表面における遮光板８の側方箇所から拡散した光ｎは、検査対象光学部材９における撮像対象領域を透過するが、周縁光線ｍ，ｍの外側を通るので、撮像レンズ４には入射しない。また、拡散板２の表面における遮光板８の側方箇所から拡散して検査対象光学部材９における撮像対象領域以外の箇所を透過した光は、撮像レンズ４に入射し得るが、撮像素子５の各画素上には収束されない。そのため、撮像装置３から出力される画像データは、検査対象光学部材９の外縁に対応する明部（側面での拡散光に因る）を除き、全域において暗くなっている。
【００４３】
これに対して、図２に示すように、検査対象光学部材９表面における撮像対象領域内にキズＣ及びゴミＤがある場合、図５に示すように、拡散板２の表面における遮光板８の側方箇所から拡散した光ｎがこれらキズＣ及びゴミＤに当たると、この光がこれらキズＣ及びゴミＤによって拡散される。この拡散光ｎ’は、周縁光線ｍ，ｍの交点を中心として発散するので、その一部は、撮像レンズ４を介して撮像素子５の画素上に入射する。従って、キズＣ及びゴミＤの像（周囲よりも明るい像）が撮像素子５の撮像面に形成される。
【００４４】
撮像素子５による撮像（電荷蓄積及び走査）は、スライドテーブル７による検査対象光学部材９のスライド移動と同期して、この検査対象光学部材９が所定距離だけ移動する毎に行われる。そして、撮像素子５による撮像（電荷蓄積及び走査）がなされる毎に、ライン状の画像データが、制御装置６のフレームメモリ６１に書き込まれて、ホストメモリ６２の画像メモリ領域６２ａに取り込まれる。その結果、検査対象光学部材９が移動するにつれて、画像メモリ領域６２ａの各行には、撮像装置３によって撮像された各ライン状画像データが、先頭行から順に書き込まれる。
【００４５】
検査対象光学部材９が図１の左端まで移動した時点でホストメモリ６２の画像メモリ領域６２ａ内に格納されている画像データ（原画像データ）は、検査対象光学部材９をエリアセンサによって撮像して得た画像データと等価であり、原画像データ中の不良要因の面積は、実際の不良要因の面積に正比例し、原画像データ中の不良要因の形状は、実際の不良要因の形状と相似となる。そのために、この画像メモリ領域６２ａに格納されている原画像データに基づいて、ＣＰＵ６０が良否判定を行えるようになるのである。
【００４６】
図６は、原画像データの一例を示している。図６に示す原画像データにおいて、Ａ〜Ｅは、検査対象光学部材９の不良要因そのものを示す。但し、図６には図示されていないものの、実際の画像データ中にはノイズに起因する明部が含まれている。このノイズに起因する明部は不良要因に起因する明部よりも暗いという傾向があるので、不良要因に起因する明部より暗いがノイズに起因する明部よりも明るい閾値を用いて二値化処理を行って、図７に示す二値化画像データを第１作業メモリ領域６２ｂ内に生成する。即ち、原画像データを構成する各画素のうち、閾値より明るい輝度値を有するものに対して輝度値“１”を付与し、閾値より暗い画素に輝度値“０”を付与し、夫々、第１作業メモリ６２ｂ内に書き込む。但し、閾値は、ノイズに起因する明部を確実に除去できるように、可能な限り高く設定されている。そのため、本来不良要因に起因する明部内に明るさの分布がある場合には、図７に示すように、閾値よりも暗い部分において、二値化によって抽出された抽出要素が途切れてしまう。
【００４７】
このように途切れた抽出要素（図７における抽出要素Ａ−▲１▼〜▲３▼，Ｂ−▲１▼〜▲３▼）は、単独では、面積も全長も小さくなっているので、検査対象光学部材９の良否判定においては、品質の低下をもたらす程の不良要因ではないと、判断されてしまう。しかしながら、これらの抽出要素は、本来、検査対象光学部材９の品質を大きく低下させている不良要因に起因しているので、単独で良否判定に用いられるのは不合理である。そこで、各抽出要素相互の相対的形状関係（各抽出要素同士の角度，端点距離，等）に基づいて、論理的に、同一の不良要因に起因する抽出要素同士を接続可能なものとしてグループ化し、グループ化された抽出要素群の全体としての図形的特徴量を求める。本実施形態においては、図７に示す第１作業メモリ領域６２ａ内の二値化画像データに含まれる各線状抽出要素に対して、その骨格位置を示す幅１ドットの画素列となるまで細める「細線化処理」を行って、第２作業メモリ領域６２ｃに書き込む。これにより、図８に示すような細線化画像データを生成する。そして、この細線化画像データに含まれる細線化抽出要素を用いて、各抽出要素相互の相対的形状関係を求める。
【００４８】
以下、各抽出要素をグループ化するためのアルゴリズムを、説明する。
【００４９】
ここでは、図８に示す細線化抽出要素Ａ−▲１▼と細線化抽出要素Ａ−▲２▼とに注目し、それらの相対的形状関係を求めるものとして説明する。図９は、図８において円ＩＸによって囲んだ領域の拡大図である。本実施形態では、処理対象細線化抽出要素（Ａ−▲１▼）の方向ベクトル，比較対象細線化抽出要素（Ａ−▲２▼）の方向ベクトル，及び、処理対象細線化抽出要素（Ａ−▲１▼）及び比較対象細線化抽出要素（Ａ−▲２▼）の互いに近接した端点（端点１，端点２）間を結ぶ線分（ｒ）のベクトル（大きさ｜ｒ｜を含む）を夫々求め、処理対象細線化抽出要素（Ａ−▲１▼）の方向ベクトルと線分（ｒ）とがなす角度（θ１，第１角度），及び、比較対象細線化抽出要素（Ａ−▲２▼）の方向ベクトルと線分（ｒ）とがなす角度（θ２，第２角度）を、夫々算出する。そして、線分（ｒ）の大きさ（長さ）（｜ｒ｜）が予め定められた一定の基準値（Ｒｍａｘ）以下であり、且つ、両角度（θ１，θ２）がともに予め定められた一定の基準値（θｍａｘ）以下である場合には、これら二つの細線化抽出要素に対応する線状抽出要素が、連続した同一の線状不良要因に起因していると、判断することができる。そこで、比較対象細線化抽出要素（Ａ−▲２▼）が処理対象細線化抽出要素（Ａ−▲１▼）に対して接続可能と判断し、それらをグループ化する。
【００５０】
なお、各細線化抽出要素の方向ベクトルは、その細線化抽出要素の両端を結ぶベクトルとして求められる。これに対して、その細線化抽出要素を構成する各画素の隣接する画素に対する方向を夫々求め、最も画素数の多い方向を、その細線化抽出要素の方向ベクトルとしても良い。また、細線化抽出要素の端点近傍を構成する各画素の隣接する画素に対する方向を夫々求め、最も画素数の多い方向又は平均化された方向を、その細線化抽出要素の方向ベクトルとしても良い。
【００５１】
各方向ベクトルと線分（ｒ）とがなす角度（θ）は、ベクトルの内積として求める。即ち、各方向ベクトルをα，線分（ｒ）のベクトルをｒとすると、両ベクトルα，ｒがなす各θは、下記式（１）のような関係がある。
【００５２】
ｃｏｓθ＝α・ｒ／（｜α｜｜ｒ｜） ……（１）
この式の右辺は、（ｒの方向ベクトルαへの投影）／｜ｒ｜に相当する。従って、角度（θ）は、下記式（２）のようにして求められる。
【００５３】
θ＝ｃｏｓ-1（ｒの方向ベクトルへの投影／｜ｒ｜） ……（２）
また、各基準値（θｍａｘ，Ｒｍａｘ）は、グループ化の結果が最も正確となるように、実験的に求める。
【００５４】
以上のような相対的形状関係の判定を、全ての細線化抽出要素相互間に対して行う。そして、同一の不良要因に起因する細線化抽出要素をグループ化する。そして、各グループに属する細線化抽出要素群に対応する二値化画像データ中の抽出要素群をひとまとめにして、全体としての図形的特徴量を計算する。
【００５５】
＜制御処理＞
次に、上述した不良要因検出の原理に基づいた良否判定を行うために、画像処理プログラム格納領域６２ｄから読み出した画像処理プログラムに従って制御装置６（ＣＰＵ６０）が実行する制御処理の内容を、図１０乃至図１３のフローチャートを用いて説明する。
【００５６】
図１０の制御処理は、制御装置６に接続された図示せぬ検査開始ボタンが押下されることによりスタートする。スタート後最初のＳ００１では、ＣＰＵ６０は、モータ駆動回路６３に対して、スライドテーブル７の駆動モータ７ｅへの駆動電流の供給を指示し、検査対象光学部材９をスライド移動させる。ＣＰＵ６０は、この指示の結果として検査対象光学部材９がスライド移動する間にフレームメモリ６１に書き込まれた画像データを、ホストメモリ６２の画像メモリ領域６２ａへ順次格納する。ＣＰＵ６０は、画像メモリ領域６２ａ内に検査対象光学部材９全体に対応する画像データ（原画像データ）が合成されると、処理をＳ００２に進める。
【００５７】
次のＳ００２では、ＣＰＵ６０は、画像メモリ領域６２ａ内に格納されている原画像データに対して、所定の閾値を基準とした上述の二値化処理を実行して、第１作業メモリ領域６２ｂ内に二値化画像データを生成する（二値化手段に相当）。
【００５８】
次のＳ００３では、ＣＰＵ６０は、第１作業メモリ領域６２ｂ内に格納されている二値化画像データに含まれる各抽出要素に対して、夫々、一意のラベル番号（１，２，３，…，ｎ）を付す（ラベリング）。
【００５９】
次のＳ００４では、ＣＰＵ６０は、第１作業メモリ領域６２ｂ内に格納されている二値化画像データに含まれる各抽出要素の形状判定処理を実行する。この形状判定処理は、図１５に示す閾値関数を用いて行われる。具体的には、ＣＰＵ６０は、各抽出要素のＸ軸方向（図７の左右方向）における最大幅（Ｘフィレ）及びＹ軸方向（図７の上下方向）における最大幅（Ｙフィレ）を測定し、Ｘフィレ及びＹフィレのうち大きい方の他方に対する比率（フィレ比）を、下記式（３）に従って算出する。
【００６０】
フィレ比＝小さい方のフィレ／大きい方のフィレ×１００ ……（３）
また、ＣＰＵ６０は、Ｘフィレ及びＹフィレ，並びにその抽出要素の面積に対して下記式（４）を実行し、占有率を算出する。
【００６１】
占有率＝抽出要素の面積／（Ｘフィレ×Ｙフィレ）×１００……（４）
そして、ＣＰＵ６０は、算出したフィレ比及び占有率と図１５に示す閾値関数とを比較し、その抽出要素が点状要素であるか線状要素であるかの判定を行う。即ち、ＣＰＵ６０は、図１５のグラフ上においてフィレ比と占有率との交点が閾値関数よりも上に位置していれば、抽出要素が点状要素であると判定し、フィレ比と占有率との交点が閾値関数よりも下に位置していれば抽出要素が線状要素であると判定する。
【００６２】
次のＳ００５では、ＣＰＵ６０は、Ｓ００３での形状判定結果に従って、第１作業メモリ領域６２ｂ内に格納されている二値化画像データから、線状要素のみを抽出する。
【００６３】
次のＳ００６では、ＣＰＵ６０は、Ｓ００４にて抽出した線状要素に対して、上述した細線化処理を実行して、第２作業メモリ領域６２ｃ内に細線化画像データを生成する（細線化手段に相当）。
【００６４】
次のＳ００７では、ＣＰＵ６０は、Ｓ００５にて生成した細線化画像データに含まれる各細線化抽出要素の両端点座標を求める。
【００６５】
次に、ＣＰＵ６０は、各細線化抽出要素毎に、それに対して接続可能な細線化抽出要素を探すためのＳ００８〜Ｓ０２５のループ処理を実行する。このループ処理に入って最初のＳ００８では、ＣＰＵ６０は、未だ「処理対象ラベル」として特定されていないラベルのうち最も小さいものを「処理対象ラベル」として特定し、その「処理対象ラベル」が付された細線化抽出要素を「処理対象要素」とする。
【００６６】
次のＳ００９では、ＣＰＵ６０は、「処理対象要素」の一方の端点を「処理対象端点」として特定する。
【００６７】
次のＳ０１０では、ＣＰＵ６０は、「処理対象端点」近傍における「処理対象要素」の方向ベクトルａを、上述した何れかの手法に従って求める。
【００６８】
次に、ＣＰＵ６０は、「処理対象要素」の「処理対象端点」に関して、未だ「処理対象要素」として特定されていない全ての細線化抽出要素との上記相互形状関係θ１，θ２，｜ｒ｜を調べるために、Ｓ０１１〜Ｓ０１７のループ処理を実行する。このループ処理に入って最初のＳ０１１では、ＣＰＵ６０は、「処理対象要素」として未だ特定されておらず、且つ、「処理対象ラベル」の比較対象としても未だ特定されていないラベルのうち最も小さいものを「比較対象ラベル」特定し、その「比較対象ラベル」が付された細線化抽出要素を「比較対象要素」とする。
【００６９】
次のＳ０１２では、ＣＰＵ６０は、「比較対象要素」における「処理対象端点」に近接した端点（比較対象端点）近傍の方向ベクトルｂを、上述した何れかの手法に従って求める。
【００７０】
次のＳ０１３では、ＣＰＵ６０は、「処理対象端点」と「比較対象端点」とを結ぶ線分ｒの大きさ（距離）｜ｒ｜及び方向を求める。
【００７１】
次のＳ０１４では、ＣＰＵ６０は、方向ベクトルａと線分ｒとがなす角度（第１角度）θ１を求める。
【００７２】
次のＳ０１５では、ＣＰＵ６０は、方向ベクトルｂと線分ｒとがなす角度（第２角度）θ２を求める。
次のＳ０１６では、ＣＰＵ６０は、接続判定処理を実行する。
【００７３】
図１３は、Ｓ０１６にて実行される接続判定処理サブルーチンを示すフローチャートである。このサブルーチンに入って最初のＳ１０１では、ＣＰＵ６０は、Ｓ０１４にて求めた角度θ１が基準値θｍａｘ以下であるという条件を満たすか否かをチェックする。そして、角度θ１が基準値θｍａｘを超えていれば処理をＳ１０５に進め、角度θ１が基準値θｍａｘ以下であれば処理をＳ１０２に進める。
【００７４】
Ｓ１０２では、ＣＰＵ６０は、Ｓ０１５にて求めた角度θ２が基準値θｍａｘ以下であるという条件を満たすか否かをチェックする。そして、角度θ２が基準値θｍａｘを超えていれば処理をＳ１０５に進め、角度θ２が基準値θｍａｘ以下であれば処理をＳ１０３に進める。
【００７５】
Ｓ１０３では、ＣＰＵ６０は、Ｓ０１３にて求めた線分ｒの長さ｜ｒ｜が基準値Ｒｍａｘ以下であるという条件を満たすか否かをチェックする。そして、｜ｒ｜が基準値Ｒｍａｘを超えていれば処理をＳ１０５に進め、｜ｒ｜が基準値Ｒｍａｘ以下であれば処理をＳ１０４に進める。
【００７６】
Ｓ１０４では、ＣＰＵ６０は、当該「比較対象要素」が接続可能である旨のフラグをセットし、Ｓ１０５では、ＣＰＵ６０は、当該「比較対象要素」が接続不能である旨のフラグをセットする。そして、何れの場合においても、この接続判定処理サブルーチンを終了し、処理を図１０のメインルーチンに戻す。
【００７７】
処理が戻された図１０のメインルーチンでは、Ｓ０１６の次に、処理をＳ０１７に進める。このＳ０１７では、ＣＰＵ６０は、「処理対象要素」として未だ特定されていない全ての細線化抽出要素を「比較対象要素」として特定したか否かを、チェックする。そして、未だ全ての細線化抽出要素を「比較対象要素」として特定していない場合には、ＣＰＵ６０は、処理をＳ０１１に戻す。これに対して、未だ「処理対象要素」として特定されていない全ての細線化抽出要素を「比較対象要素」として特定し終えた場合には、ＣＰＵ６０は、処理をＳ０１８に進める。
【００７８】
Ｓ０１８では、ＣＰＵ６０は、Ｓ０１１〜Ｓ０１７のループ処理を繰り返した結果、何れかの「比較対象要素」に関して接続可能である旨のフラグがセットされたか否かを、チェックする。そして、接続可能である旨のフラグがセットされている場合には、ＣＰＵ６０は、処理をＳ０１９に進める。
【００７９】
このＳ０１９では、ＣＰＵ６０は、接続可能である旨のフラグがセットされている「比較対象要素」が二つ以上あるか否かをチェックする。そして、接続可能である旨のフラグがセットされている「比較対象要素」が一個のみである場合には、ＣＰＵ６０は、Ｓ０２１にて当該「比較対象要素」を「接続決定要素」として決定した後に、処理をＳ０２２に進める。
【００８０】
これに対して、接続可能である旨のフラグがセットされている「比較対象要素」が二つ以上であるとＳ０１９にて判定した場合には、ＣＰＵ６０は、Ｓ０２０にて、何れか一個の「比較対象要素」を「接続決定要素」として決定するための接続要素判定処理を実行する。
【００８１】
図１４は、Ｓ０２０にて実行される接続要素判定処理サブルーチンの内容を示すフローチャートである。このサブルーチンに入って最初のＳ６０１では、ＣＰＵ６０は、接続可能である旨のフラグがセットされている「比較対象要素」（以下、「接続可能要素」という）のうち、Ｓ６０２以下の接続要素判定が施されておらず、且つ、付されたラベルが最も小さいものを「接続要素判定対象要素」として特定する。
【００８２】
次のＳ６０２では、ＣＰＵ６０は、当該「接続要素判定対象要素」に関してＳ０１４で求めた角度θ１とＳ０１５にて求めた角度θ２との自乗平均（以下、「平均角度θ」という）を算出する。そして、当該「接続要素判定対象要素」に関してＳ０１３にて求めた線分の大きさ｜ｒ｜と平均角度θとの積（ｒ・θ）を算出する。
【００８３】
次のＳ６０３では、ＣＰＵ６０は、今回のＳ６０２の処理はこの接続要素判定処理サブルーチンに入って初めての処理であるか否かをチェックする。そして、初めての処理である場合には、ＣＰＵ６０は、Ｓ６０４において、今回のＳ６０２の処理によって算出された積（ｒ・θ）を変数Ｘ１に代入し、この変数Ｘ１を当該「接続要素判定対象要素」に付されたラベルに関連付けて保存する。その後に、ＣＰＵ６０は、処理をＳ６０１に戻す。
【００８４】
これに対して、今回のＳ６０２の処理が２度目以降の処理であるとＳ６０３にて判定した場合には、ＣＰＵ６０は、Ｓ６０５において、今回のＳ６０２の処理によって算出された積（ｒ・θ）を変数Ｘ２に上書きし、当該「接続要素判定対象要素」に付されたラベルをこの変数Ｘ２に関連付ける。その後に、ＣＰＵ６０は、処理をＳ６０６に進める。
【００８５】
Ｓ６０６では、ＣＰＵ６０は、変数Ｘ２が変数Ｘ１よりも小さいか否かをチェックする。そして、変数Ｘ２が変数Ｘ１以上である場合には、ＣＰＵ６０は、処理をそのままＳ６０８に進める。これに対して、変数Ｘ２が変数Ｘ１よりも小さい場合には、ＣＰＵ６０は、Ｓ６０７において、変数Ｘ２の値を変数Ｘ１に上書きするとともに、変数Ｘ２に関連付けられていたラベルを変数Ｘ１に関連付け直す。以上の後に、ＣＰＵ６０は、処理をＳ６０８に進める。
【００８６】
Ｓ６０８では、ＣＰＵ６０は、全ての「接続可能要素」を「接続要素判定対象要素」として特定したか否かをチェックする。そして、未だ全ての「接続可能要素」を「接続要素判定対象要素」として特定していない場合には、ＣＰＵ６０は、処理をＳ６０１に戻す。
【００８７】
これに対して、以上に説明したＳ６０１〜Ｓ６０８のループ処理を繰り返した結果、全ての「接続可能要素」を「接続要素判定対象要素」として特定し終わっている場合、その時点で変数Ｘ１にラベルが関連付けられている「接続可能要素」は、「処理対象要素」に対して積（ｒ・θ）が最も小さくなるものである。そこで、ＣＰＵ６０は、次のＳ６０９において、変数Ｘ１に関連付けられているラベルが付された「接続可能要素」を、「接続決定要素」として決定する。以上の後に、ＣＰＵ６０は、この接続要素判定処理サブルーチンを終了して、図１１のメインルーチンに処理を戻す。処理が戻されたメインルーチンでは、ＣＰＵ６０は、処理をＳ０２０からＳ０２２に進める。
【００８８】
Ｓ０２２では、ＣＰＵ６０は、「接続決定要素」のラベルを「処理対象要素」のラベルに置き換えることによって、「接続決定要素」を「処理対象要素」と一連の細線化抽出要素として扱う（要素の接続）。
【００８９】
次のＳ０２３では、ＣＰＵ６０は、Ｓ０２２にて接続した元の「処理対象要素」と元の「接続決定要素」との組み合わせを、新たな「処理対象要素」として特定する。以上の後、ＣＰＵ６０は、新たな「処理対象要素」の一方の端点に関して「接続決定要素」を探すために、処理をＳ００９に戻す。
【００９０】
一方、接続可能である旨のフラグがどの「比較対象要素」についてもセットされなかったとＳ０１８にて判定した場合には、ＣＰＵ６０は、Ｓ０２４において、「処理対象要素」の両端に関して、Ｓ０１０以下のループ処理の実行を完了しているか否かをチェックする。そして、未だ他方の端点についての処理がなされていない場合には、ＣＰＵ６は、Ｓ０２６において、他方の端点を新たな「処理対象端点」として特定した後に、新たな「処理対象端点」についてＳ０１０以下のループ処理を行うために、処理をＳ０１０に戻す。これに対して、既に「処理対象要素」の両端に関してＳ０１０以下のループ処理を完了している場合には、ＣＰＵ６０は、処理をＳ０２５に進める。
【００９１】
Ｓ０２５では、ＣＰＵ６０は、Ｓ００３にて付した全てのラベルを「処理対象ラベル」として特定したか否かをチェックする。そして、未だ全てのラベルを「処理対象ラベル」として特定していない場合には、ＣＰＵ６０は、処理をＳ００８に戻し、次のラベルが付された細線化抽出要素についての処理を実行する。これに対して、全てのラベルを「処理対象ラベル」として特定した場合には、ＣＰＵ６０は、処理をＳ０２７に進める。以上のＳ００３乃至Ｓ０２６の処理が、グループ化手段に相当する
Ｓ０２７では、ＣＰＵ６０は、未だ「良否判定対象ラベル」として特定されていないラベルのうち最も小さいものを、「良否判定対象ラベル」として特定する。
【００９２】
次のＳ０２８では、ＣＰＵ６０は、Ｓ０２７にて「良否判定対象ラベル」として特定されたラベルが付された全ての細線化要素に対応する二値化画像データ中の抽出要素群を、選び出す。そして、選び出した抽出要素群全体としての図形的特徴量（例えば、面積，最大フィレ，等）を数値化し、この数値化された図形特徴量が良品とみなし得る範囲にあるか不良品とみなし得る範囲にあるかをチェックする。そして、図形的特徴量が良品とみなし得る範囲にある場合には、ＣＰＵ６０は、処理をＳ０２９に進める。
【００９３】
このＳ０２９では、ＣＰＵ６０は、全てのラベルを「良否判定対象ラベル」として特定したか否かをチェックする。そして、未だ全てのラベルを「良否判定対象ラベル」として特定していない場合には、処理をＳ０２７に戻す。
【００９４】
以上説明したＳ０２７乃至Ｓ０２９のループ処理を繰り返した結果、何れかの抽出要素群の図形的特徴量が不良品とみなし得る範囲にあると判定した場合には、ＣＰＵ６０は、処理をＳ０２８からＳ０３０に進める。このＳ０３０では、当該検査対象光学部材９が不良品である旨を外部出力（画像表示，音声出力）する。
【００９５】
これに対して、何れの抽出要素群の図形的特徴量が不良品とみなし得る範囲にあると判断することなく、全てのラベルを良否判定対象とした場合には、ＣＰＵ６０は、処理をＳ０２９からＳ０３１に進める。このＳ０３１では、ＣＰＵ６０は、当該検査対象光学部材９が良品である旨を外部出力（画像表示，音声出力）する。
【００９６】
Ｓ０３０又はＳ０３１を実行した後に、ＣＰＵ６０は、この制御処理を終了する。
【００９７】
＜実施形態の作用＞
以上のように構成された本実施形態によると、二値化画像データ中の各抽出要素のうち、元々同じ不良要因に起因するものが、各抽出要素の近接する端点同士を結ぶ線分ｒの長さ｜ｒ｜，この線分ｒと各抽出要素の方向ベクトルとがなす角度θ１，θ２に基づいて、合理的にグループ化される。従って、別々の不良要因に起因する抽出要素がグループ化されることはない。そのため、本実施形態によると、検査対象光学部材９の良否判定が正確になされる。
【実施形態２】
本発明の第２の実施の形態は、上述の第１実施形態と比較して、図１０のＳ０１６において実行される接続判定処理の内容のみが異なり、他の構成を同じくする。
【００９８】
上述した第１実施形態における図１３の接続判定処理では、個々の相互形状関係θ１，θ２，｜ｒ｜が、夫々一定の基準値θｍａｘ，Ｒｍａｘと個別に比較される。しかしながら、例えば何れかの相互形状関係が小さい値であった場合には、他の相互形状関係を多少甘くしても、正確な接続判定を行うことができるはずである。そのため、本第２実施形態は、複数の相互形状関係θ１，θ２，｜ｒ｜の関数を基準値と比較することによって、総合的な判定を行うようにした。
【００９９】
図１６は、本第２実施形態において接続判定処理に用いられる各角度θ１，θ２の関数と基準値θｍａｘとの関係を示すグラフである。この図１６に示すように、本実施形態においては、ＣＰＵ６０は、各角度θ１，θ２，及び、一定の基準値θｍａｘが下記式（５）に示す条件を満たしているか否かをチェックする。
【０１００】
θ１2＋θ２2≦θｍａｘ2 ……（５）
また、ここで、θ１2＋θ２2＝θ2とし、θ≧０とすると、このθは下記式（６）によって示される通りとなる。
【０１０１】
θ＝（θ１2＋θ２2）1/2 ……（６）
ＣＰＵ６０は、このθ及び｜ｒ｜，並びに、一定の基準値Ｔが下記式（７）を満たしているか否かをチェックする。
【０１０２】
｜ｒ｜・θ≦Ｔ
｜ｒ｜≦Ｔ／θ
≦Ｔ・（θ１2＋θ２2）-1/2 ……（７）
なお、各基準値（θｍａｘ，Ｔ）は、グループ化の結果が最も正確となるように、実験的に求める。
【０１０３】
＜制御処理＞
図１７は、本第２実施形態においてＣＰＵ６０が図１０のＳ０１６にて実行する接続判定処理サブルーチンを示すフローチャートである。
【０１０４】
この接続判定処理サブルーチンに入って最初のＳ２０１では、ＣＰＵ６０は、Ｓ０１３にて求めた角度θ１，及び、Ｓ０１４にて求めた角度θ２が、基準値θｍａｘに対して上記式（５）の関係を満たしているか否かをチェックする。そして、上記式（５）の関係が満たされていない場合には、ＣＰＵ６０は、処理をＳ２０４に進め、上記式（５）の関係が満たされている場合には、ＣＰＵ６０は、処理をＳ２０２に進める。
【０１０５】
Ｓ２０２では、ＣＰＵ６０は、Ｓ０１３にて求めた角度θ１，Ｓ０１４にて求めた角度θ２，及び、Ｓ０１２にて求めた線分ｒの大きさ｜ｒ｜が、基準値Ｔに対して上記式（７）の関係を満たしているか否かチェックする。そして、上記式（７）が満たされていない場合には、ＣＰＵ６０は、処理をＳ２０４に進め、上記式（７）が満たされている場合には、ＣＰＵ６０は、処理をＳ２０３に進める。
【０１０６】
Ｓ２０３では、ＣＰＵ６０は、接続可能である旨のフラグをセットし、Ｓ２０４では、ＣＰＵ６０は、接続不能である旨のフラグをセットする。そして、何れの場合においても、この接続判定処理サブルーチンを終了し、処理を図１０のメインルーチンに戻す。
【０１０７】
本第２実施形態よるその他の動作及び作用は、上述した第１実施形態のものと全く同じであるので、その説明を省略する。
【実施形態３】
本発明の第３の実施の形態は、上述の第１実施形態と比較して、点状要素をもグループ化することを特徴とする。
【０１０８】
上述の第１実施形態では、同一の不良要因に起因する要素のみを接続するために、図１０のＳ００５にて線状要素のみを抽出して、接続判定のための処理対象要素と比較対象要素にしていた。そのため、不良要因から分断された要素が偶然に点状となっていた場合には、この点状要素は、グループ化されないので、残りの線状要素のみをグループ化して算出された図形的特徴量は、本来の不良要因の程度に対応しない可能性がある。本第３実施形態は、この点に鑑み、点状要素をもグループ化の対象とすることによって、本来の不要要因の程度に対応した図形的特徴量を得ることができるようにしたものである。
【０１０９】
＜抽出要素のグループ化アルゴリズム＞
以下、本第３実施形態において各抽出要素をグループ化するためのアルゴリズムを、説明する。
【０１１０】
図１８は、処理対象の線状細線化抽出要素（ラベルａ）と比較対象の点状細線化抽出要素（ラベルｂ）との相対的形状関係の例を示している。この図１８に示されるように、本第３実施形態では、処理対象線状細線化抽出要素（ラベルａ）の方向ベクトル，並びに、処理対象線状細線化抽出要素（ラベルａ）及び比較対象点状細線化抽出要素（ラベルｂ）の互いに近接した端点（ラベルｂについては点状要素そのもの）間を結ぶ線分（ｒ）のベクトル（大きさ｜ｒ｜を含む）を夫々求め、処理対象細線化抽出要素（ラベルａ）の方向ベクトルと線分（ｒ）とがなす角度（θ）を算出する。そして、線分（ｒ）の大きさ（長さ）（｜ｒ｜）が予め定められた一定の基準値（Ｒｍａｘ）以下であり、且つ、角度（θ）が予め定められた一定の基準値（θｍａｘ）以下である場合には、これら二つの細線化抽出要素に対応する抽出要素が、連続した同一の線状不良要因に起因していると、判断することができる。そこで、比較対象点状細線化抽出要素（ラベルｂ）が処理対象線状細線化抽出要素（ラベルａ）と同じ不良要因に起因する故に接続可能と、判断する。
【０１１１】
以上のような相対的形状関係の判定を、全ての線状細線化抽出要素と各点状細線化抽出要素相互間に対して行う。そして、同一の不良要因に起因する細線化抽出要素をグループ化する。そして、各グループに属する細線化抽出要素群に対応する二値化画像データ中の抽出要素群をひとまとめにして、全体としての図形的特徴量を計算する。
【０１１２】
＜制御処理＞
次に、本第３実施形態において画像処理プログラム格納領域６２ｄから読み出した画像処理プログラムに従って制御装置６（ＣＰＵ６０）が実行する制御処理の内容を、図１９乃至図２２のフローチャートを用いて説明する。
【０１１３】
図１９の制御処理は、制御装置６に接続された図示せぬ検査開始ボタンが押下されることによりスタートする。スタート後最初のＳ３０１では、ＣＰＵ６０は、モータ駆動回路６３に対して、スライドテーブル７の駆動モータ７ｅへの駆動電流の供給を指示し、検査対象光学部材９をスライド移動させる。ＣＰＵ６０は、この指示の結果として検査対象光学部材９がスライド移動する間にフレームメモリ６１に書き込まれた画像データを、ホストメモリ６２の画像メモリ領域６２ａへ順次格納する。ＣＰＵ６０は、画像メモリ領域６２ａ内に検査対象光学部材９全体に対応する画像データ（原画像データ）が合成されると、処理をＳ３０２に進める。
【０１１４】
次のＳ３０２では、ＣＰＵ６０は、画像メモリ領域６２ａ内に格納されている原画像データに対して、所定の閾値を基準とした上述の二値化処理を実行して、第１作業メモリ領域６２ｂ内に二値化画像データを生成する（二値化手段に相当）。
【０１１５】
次のＳ３０３では、ＣＰＵ６０は、第１作業メモリ領域６２ｂ内に格納されている二値化画像データに含まれる各抽出要素に対して、夫々、一意のラベル番号（１，２，３，…，ｎ）を付す（ラベリング）。
【０１１６】
次のＳ３０４では、ＣＰＵ６０は、上述した第１実施形態における図１０Ｓ００３と同様の形状判定処理を実行し、第１作業メモリ領域６２ｂ内に格納されている二値化画像データに含まれる各抽出要素が線状要素であるか点状要素であるかを判定する。
【０１１７】
次のＳ３０５では、ＣＰＵ６０は、Ｓ３０４での形状判定結果に従って、第１作業メモリ領域６２ｂ内の二値化画像データに含まれる各抽出要素を、線状要素又は点状要素に分類する。
【０１１８】
次のＳ３０６では、ＣＰＵ６０は、Ｓ３０４にて抽出した各抽出要素に対して、上述した細線化処理を実行して、第２作業メモリ領域６２ｃ内に細線化画像データを生成する（細線化手段に相当）。なお、ＣＰＵ６０は、線状要素であると分類された抽出要素に対しては、上述したようにその骨格位置を示す幅１ドットの画素列となるまで抽出要素を細めることによって細線化処理を行うが、点状要素であると分類された抽出要素に対しては、その重心位置に相当する１ドットの画素のみを残すことによって細線化処理を行う。
【０１１９】
次のＳ３０７では、ＣＰＵ６０は、Ｓ３０５にて生成した細線化画像データに含まれる各細線化抽出要素の端点座標（線状細線化抽出要素については両端，点状細線化抽出要素については一点）を求める。
【０１２０】
次に、ＣＰＵ６０は、各線状細線化抽出要素毎に、それに対して接続可能な点状細線化抽出要素を探すためのＳ３０８〜Ｓ３２３のループ処理を実行する。このループ処理に入って最初のＳ３０８では、ＣＰＵ６０は、未だ「処理対象要素」として特定されていない線状細線化抽出要素のうち、付されたラベルが最も小さいものを「処理対象要素」として特定する。
【０１２１】
次のＳ３０９では、ＣＰＵ６０は、「処理対象要素」の一方の端点を「処理対象端点」として特定する。
【０１２２】
次のＳ３１０では、ＣＰＵ６０は、「処理対象端点」近傍における「処理対象要素」の方向ベクトルａを、上述した何れかの手法に従って求める。
【０１２３】
次に、ＣＰＵ６０は、「処理対象要素」の「処理対象端点」に関して、未だ「処理対象要素」として特定されていない全ての点状細線化抽出要素との上記相互形状関係θ，｜ｒ｜を調べるために、Ｓ３１１〜Ｓ３１７のループ処理を実行する。このループ処理に入って最初のＳ３１１では、ＣＰＵ６０は、「処理対象ラベル」の比較対象としても未だ特定されていない点状細線化抽出要素のうち最も小さいものを「比較対象要素」として特定する。
【０１２４】
次のＳ３１２では、ＣＰＵ６０は、「処理対象端点」と「比較対象要素」とを結ぶ線分ｒの大きさ（距離）｜ｒ｜及び方向を求める。
【０１２５】
次のＳ３１３では、ＣＰＵ６０は、方向ベクトルａと線分ｒとがなす角度θを求める。
【０１２６】
次のＳ３１４では、ＣＰＵ６０は、接続判定処理を実行する。
【０１２７】
図２２は、Ｓ３１４にて実行される接続判定処理サブルーチンを示すフローチャートである。このサブルーチンに入って最初のＳ４０１では、ＣＰＵ６０は、Ｓ３１２にて求めた角度θが基準値θｍａｘ以下であるという条件を満たしているか否かをチェックする。そして、角度θが基準値θｍａｘを超えていれば処理をＳ４０３に進め、角度θが基準値θｍａｘ以下であれば処理をＳ４０２に進める。
【０１２８】
Ｓ４０２では、ＣＰＵ６０は、Ｓ３１２にて求めた線分ｒの大きさ｜ｒ｜が基準値Ｒｍａｘ以下であるという条件を満たしているか否かをチェックする。そして、｜ｒ｜が基準値Ｒｍａｘを超えていれば処理をＳ４０３に進め、｜ｒ｜が基準値Ｒｍａｘ以下であれば処理をＳ４０４に進める。
【０１２９】
Ｓ４０４では、ＣＰＵ６０は、接続可能である旨のフラグをセットし、Ｓ４０３では、ＣＰＵ６０は、接続不能である旨のフラグをセットする。そして、何れの場合においても、この接続判定処理サブルーチンを終了し、処理を図１９のメインルーチンに戻す。
【０１３０】
処理が戻された図１９のメインルーチンでは、Ｓ３１４の次に、処理をＳ３１５に進める。このＳ３１５では、ＣＰＵ６０は、「処理対象要素」として未だ特定されていない全ての点状細線化抽出要素を「比較対象要素」として特定したか否かを、チェックする。そして、未だ全ての点状細線化抽出要素を「比較対象要素」として特定していない場合には、ＣＰＵ６０は、処理をＳ３１１に戻す。これに対して、未だ「処理対象要素」として特定されていない全ての点状細線化抽出要素を「比較対象要素」として特定し終えた場合には、ＣＰＵ６０は、処理をＳ３１６に進める。
【０１３１】
Ｓ３１６では、ＣＰＵ６０は、Ｓ３１１〜Ｓ３１５のループ処理を繰り返した結果、何れかの「比較対象要素」に関して接続可能である旨のフラグがセットされたか否かを、チェックする。そして、接続可能である旨のフラグがセットされている場合には、ＣＰＵ６０は、処理をＳ３１７に進める。
【０１３２】
このＳ３１７では、ＣＰＵ６０は、接続可能である旨のフラグがセットされている「比較対象要素」が二つ以上あるか否かをチェックする。そして、接続可能である旨のフラグがセットされている「比較対象要素」が一個のみである場合には、ＣＰＵ６０は、Ｓ３１９にて当該「比較対象要素」を「接続決定要素」として決定した後に、処理をＳ３２０に進める。
【０１３３】
これに対して、接続可能である旨のフラグがセットされている「比較対象要素」が二つ以上であるとＳ３１７にて判定した場合には、ＣＰＵ６０は、Ｓ３１８にて、何れか一個の「比較対象要素」を「接続決定要素」として決定するための接続要素判定処理を、図１４に示した接続要素判定処理サブルーチンに従って実行する。Ｓ３１８の完了後、ＣＰＵ６０は、処理をＳ３２０に進める。
【０１３４】
Ｓ３２０では、ＣＰＵ６０は、「接続決定要素」のラベルを「処理対象要素」のラベルに置き換えることによって、「接続決定要素」を「処理対象要素」と一連の細線化抽出要素として扱う（要素の接続）。
【０１３５】
次のＳ３２１では、ＣＰＵ６０は、Ｓ３２０にて接続した元の「処理対象要素」と元の「接続決定要素」との組み合わせを、新たな「処理対象要素」として特定する。以上の後、ＣＰＵ６０は、新たな「処理対象要素」の一方の端点に関して「接続決定要素」を探すために、処理をＳ３０９に戻す。なお、新たな「処理対象要素」に対するＳ３１０の処理では、ＣＰＵ６０は、元の「処理対象要素（線状要素）」の端点と元の「接続決定要素（点状要素）」とを結んだ方向として、方向ベクトルａを求める。
【０１３６】
一方、接続可能である旨のフラグがどの「比較対象要素」についてもセットされなかったとＳ３１６にて判定した場合には、ＣＰＵ６０は、Ｓ３２２において、「処理対象要素」の両端に関して、Ｓ３１０以下のループ処理の実行を完了しているか否かをチェックする。そして、未だ他方の端点についての処理がなされていない場合には、ＣＰＵ６は、Ｓ３２４において、他方の端点を新たな「処理対象端点」として特定した後に、新たな「処理対象端点」についてＳ３１０以下のループ処理を行うために、処理をＳ３１０に戻す。これに対して、既に「処理対象要素」の両端に関してＳ３１０以下のループ処理を完了している場合には、ＣＰＵ６０は、処理をＳ３２３に進める。
【０１３７】
Ｓ３２３では、ＣＰＵ６０は、Ｓ３０５にて分類した全ての線状細線化抽出要素を「処理対象要素」として特定したか否かをチェックする。そして、未だ全ての線状細線化抽出要素を「処理対象要素」として特定していない場合には、ＣＰＵ６０は、処理をＳ３０８に戻し、次のラベルが付された線状細線化抽出要素についての処理を実行する。これに対して、全ての線状細線化抽出要素を「処理対象要素」として特定した場合には、ＣＰＵ６０は、処理をＳ３２４に進める。以上のＳ３０３乃至Ｓ３２３の処理が、グループ化手段に相当する
Ｓ３２４では、ＣＰＵ６０は、未だ「良否判定対象ラベル」として特定されていないラベルのうち最も小さいものを、「良否判定対象ラベル」として特定する。
【０１３８】
次のＳ３２５では、ＣＰＵ６０は、Ｓ３２４にて「良否判定対象ラベル」として特定されたラベルが付された全ての細線化要素に対応する二値化画像データ中の抽出要素群を、選び出す。そして、選び出した抽出要素群全体としての図形的特徴量（例えば、面積，最大フィレ，等）を数値化し、この数値化された図形特徴量が良品とみなし得る範囲にあるか不良品とみなし得る範囲にあるかをチェックする。そして、図形的特徴量が良品とみなし得る範囲にある場合には、ＣＰＵ６０は、処理をＳ３２６に進める。
【０１３９】
このＳ３２６では、ＣＰＵ６０は、全てのラベルを「良否判定対象ラベル」として特定したか否かをチェックする。そして、未だ全てのラベルを「良否判定対象ラベル」として特定していない場合には、処理をＳ３２４に戻す。
【０１４０】
以上説明したＳ３２４乃至Ｓ３２６のループ処理を繰り返した結果、何れかの抽出要素群の図形的特徴量が不良品とみなし得る範囲にあると判定した場合には、ＣＰＵ６０は、処理をＳ３２５からＳ３２７に進める。このＳ３２７では、当該検査対象光学部材９が不良品である旨を外部出力（画像表示，音声出力）する。
【０１４１】
これに対して、何れの抽出要素群の図形的特徴量が不良品とみなし得る範囲にあると判断することなく、全てのラベルを良否判定対象とした場合には、ＣＰＵ６０は、処理をＳ３２６からＳ３２８に進める。このＳ３２８では、ＣＰＵ６０は、当該検査対象光学部材９が良品である旨を外部出力（画像表示，音声出力）する。
【０１４２】
Ｓ３２７又はＳ３２８を実行した後に、ＣＰＵ６０は、この制御処理を終了する。
【０１４３】
本第３実施形態におけるその他の動作及び作用は、上述した第１実施形態のものと全く同じであるので、その説明を省略する。
【実施形態４】
本発明の第４の実施の形態は、上述の第３実施形態と比較して、図１９のＳ３１４において実行される接続判定処理の内容のみが異なり、他の構成を同じくする。本第４実施形態の目的は、上述した第２実施形態のものと同じである。
【０１４４】
図２３は、本第４実施形態においてＣＰＵ６０が図１９のＳ３１４にて実行する接続判定処理サブルーチンを示すフローチャートである。
【０１４５】
この接続判定処理サブルーチンに入って最初のＳ５０１では、ＣＰＵ６０は、Ｓ３１３にて求めた角度θが基準値θｍａｘ以下であるという条件を満たしているか否かをチェックする。そして、角度θが基準値θｍａｘを超えていれば処理をＳ５０４に進め、角度θが基準値θｍａｘ以下であれば処理をＳ５０２に進める。
【０１４６】
Ｓ５０２では、ＣＰＵ６０は、Ｓ３１３にて求めた角度θ，及び、Ｓ３１２にて求めた線分ｒの大きさ｜ｒ｜が、一定の基準値Ｔに対して下記式（８）の関係を満たしているか否かチェックする。
【０１４７】
｜ｒ｜・θ≦Ｔ
｜ｒ｜≦Ｔ／θ ……（８）
そして、上記式（８）の条件が満たされていない場合には、ＣＰＵ６０は、処理をＳ５０４に進め、上記式（８）の条件が満たされている場合には、ＣＰＵ６０は、処理をＳ５０３に進める。
【０１４８】
Ｓ５０３では、ＣＰＵ６０は、接続可能である旨のフラグをセットし、Ｓ５０４では、ＣＰＵ６０は、接続不能である旨のフラグをセットする。そして、何れの場合においても、この接続判定処理サブルーチンを終了し、処理を図１９のメインルーチンに戻す。
【０１４９】
本第４実施形態よるその他の動作及び作用は、上述した第１実施形態及び第３実施形態のものと全く同じであるので、その説明を省略する。
【０１５０】
【発明の効果】
以上のように構成された本発明の光学部材検査装置，画像処理装置，及び、画像処理プログラムを格納したコンピュータ可読媒体によれば、検査対象光学部材を撮像して得られた画像データを２値化した後で、同一の不良要因に起因しているが二値化の過程で分離されてしまった複数の抽出要素を合理的にグループ化することができる。これにより、検査対象光学部材の正確な良否判定が可能となる。
【０１５１】
【図面の簡単な説明】
【図１】 本発明の実施の形態による光学部材検査装置の概略構成を示す側面断面図
【図２】 図１の検査対象光学部材等を撮像装置の位置から見た平面図
【図３】 図１の制御装置の内部回路構成を示すブロック図
【図４】 検査対象光学部材に不良要因がない場合における光の進行状態を示す図
【図５】 検査対象光学部材に不良要因がある場合における光の進行状態を示す図
【図６】 画像メモリ領域６２ａ内にて合成される原画像データを示す図
【図７】 第１作業メモリ６２ｂ内に生成される二値化画像データを示す図
【図８】 第２作業メモリ６２ｃ内に生成される細線化二値化画像データを示す図
【図９】 本発明の第１実施形態における各抽出要素のグループ化アルゴリズムの説明図
【図１０】 図３のＣＰＵにて実行される制御処理を示すフローチャート
【図１１】 図３のＣＰＵにて実行される制御処理を示すフローチャート
【図１２】 図３のＣＰＵにて実行される制御処理を示すフローチャート
【図１３】 図１０のＳ０１６にて実行される接続判定処理サブルーチンを示すフローチャート
【図１４】 図１１のＳ０２０にて実行される接続要素判定処理サブルーチンを示すフローチャート
【図１５】 抽出要素が点状要素であるか線状要素であるかの認識に用いられる閾値関数を示すグラフ
【図１６】 本第２実施形態において接続判定処理に用いられる各角度θ１，θ２の関数と基準値θｍａｘとの関係を示すグラフ
【図１７】 本発明の第２実施形態における図１０のＳ０１６にて実行される接続判定処理サブルーチンを示すフローチャート
【図１８】 本発明の第２実施形態における各抽出要素のグループ化アルゴリズムの説明図
【図１９】 本発明の第３実施形態において図３のＣＰＵにて実行される制御処理を示すフローチャート
【図２０】 本発明の第３実施形態において図３のＣＰＵにて実行される制御処理を示すフローチャート
【図２１】 本発明の第３実施形態において図３のＣＰＵにて実行される制御処理を示すフローチャート
【図２２】 図１９のＳ３１４にて実行される接続判定処理サブルーチンを示すフローチャート
【図２３】 本発明の第４実施形態における図１０のＳ０１６にて実行される接続判定処理サブルーチンを示すフローチャート
【符号の説明】
３ 撮像装置
６ 制御装置
９ 検査対象光学部材
６０ ＣＰＵ
６２ ホストメモリ
６２ａ 画像メモリ領域
６２ｂ 第１作業メモリ領域
６２ｃ 第２作業メモリ領域
６２ｄ 画像処理プログラム格納領域
Claims (6)
- 検査対象光学部材を撮像して当該検査対象光学部材の像を含む原画像データを出力する撮像装置と、
この撮像装置から出力された原画像データを所定の閾値を基準として、前記原画像データに混入したノイズが除去され且つ不良要因に起因する要素が抽出されるように二値化して、二値化画像データを生成する二値化手段と、
前記二値化手段によって生成された二値化画像データを格納するメモリと、
このメモリに格納されている前記二値化画像データに含まれる個々の前記要素を細線化して、当該要素の骨格を示す細線化要素に変換する細線化手段と、
この細線化手段によって変換された任意の細線化要素を処理対象として選択する処理対象細線化要素選択手段と、
前記処理対象細線化要素選択手段によって選択された処理対象細線化要素に対して他の細線化要素を比較対象として順次比較し、これら二つの細線化要素における互いに近接した端点同士を結ぶ線分の長さｒ、前記二つの細線化要素のうち一方の方向を示すベクトルと前記線分とがなす第１角度θ１，及び、前記二つの細線化要素のうち他方の方向を示すベクトルと前記線分とがなす第２角度θ２が所定の条件を満たす比較対照細線化要素を接続可能要素と決定し、決定された各接続可能要素のうち、前記線分の長さｒと前記第１角度θ１及び前記第２角度θ２の自乗平均θとの積が最も小さくなる接続可能要素を、当該処理対象細線化要素とグループ化するグループ化手段と、
前記グループ化手段によってグループ化された前記細線化要素の元となった前記二値化画像データ中の要素群の全体としての図形的特徴量を算出する図形的特徴量算出手段と、
この図形的特徴量算出手段によって算出された図形的特徴量に基づいて前記検査対象光学部材の良否判定を行う良否判定手段と
を有することを特徴とする光学部材検査装置。 - 前記グループ化手段は、処理対象細線化要素に対して、前記線分の長さｒ、前記第１角度θ１，及び、前記第２角度θ２が、夫々に用意された基準値を下回っている比較対照細線化要素を接続可能要素と決定する
ことを特徴とする請求項１記載の光学部材検査装置。 - 前記グループ化手段は、処理対象細線化要素に対して、前記第１角度θ１，及び、前記第２角度θ２が、条件式
θ１ 2 ＋θ２ 2 ≦θｍａｘ 2
（但し、θｍａｘ 2 は所定の閾値）
を満たしている比較対照細線化要素を接続可能要素と決定する
ことを特徴とする請求項１記載の光学部材検査装置。 - 前記グループ化手段は、処理対象細線化要素に対して、前記線分の長さｒ，前記第１角度θ１，及び、前記第２角度θ２が、条件式
ｒ≦Ｔ・（θ１ 2 ＋θ２ 2 ） -1/2
（但し、Ｔは所定の閾値）
を満たしている比較対照細線化要素を接続可能要素と決定する
ことを特徴とする請求項１記載の光学部材検査装置。 - 検査対象光学部材を撮像して得られた原画像データを所定の閾値を基準として、前記原画像データに混入したノイズが除去され且つ不良要因に起因する要素が抽出されるように二値化して、二値化画像データを生成する二値化手段と、
前記二値化手段によって生成された二値化画像データを格納するメモリと、
このメモリに格納されている前記二値化画像データに含まれる個々の前記要素を細線化して、当該要素の骨格を示す細線化要素に変換する細線化手段と、
この細線化手段によって変換された任意の細線化要素を処理対象として選択する処理対象細線化要素選択手段と、
前記処理対象細線化要素選択手段によって選択された処理対象細線化要素に対して他の細線化要素を比較対象として順次比較し、これら二つの細線化要素における互いに近接した端点同士を結ぶ線分の長さｒ、前記二つの細線化要素のうち一方の方向を示すベクトルと前記線分とがなす第１角度θ１，及び、前記二つの細線化要素のうち他方の方向を示すベクトルと前記線分とがなす第２角度θ２が所定の条件を満たす比較対照細線化要素を接続可能要素と決定し、決定された各接続可能要素のうち、前記ｒと前記θ１及びθ２の自乗平均θとの積が最も小さくなる接続可能要素を、当該処理対象細線化要素とグループ化するグループ化手段と、
前記グループ化手段によってグループ化された前記細線化要素の元となった前記二値化画像データ中の要素群の全体としての図形的特徴量を算出する図形的特徴量算出手段と、
この図形的特徴量算出手段によって算出された図形的特徴量に基づいて前記検査対象光学部材の良否判定を行う良否判定手段と
を有することを特徴とする画像処理装置。 - メモリを備えたコンピュータに対して、
検査対象光学部材を撮像して得られた原画像データを所定の閾値を基準として、前記原画像データに混入したノイズが除去され且つ不良要因に起因する要素が抽出されるように二値化して、二値化画像データを生成させ、
前記二値化画像データをメモリに格納させと、
このメモリに格納されている前記二値化画像データに含まれる個々の前記要素を細線化して、当該要素の骨格を示す細線化要素に変換させ、
任意の細線化要素を処理対象として選択させ、
選択された処理対象細線化要素に対して他の細線化要素を比較対象として順次比較し、これら二つの細線化要素における互いに近接した端点同士を結ぶ線分の長さｒ、前記二つの細線化要素のうち一方の方向を示すベクトルと前記線分とがなす第１角度θ１，及び、前記二つの細線化要素のうち他方の方向を示すベクトルと前記線分とがなす第２角度θ２が所定の条件を満たす比較対照細線化要素を接続可能要素と決定し、決定された各接続可能要素のうち、前記ｒと前記θ１及びθ２の自乗平均θとの積が最も小さくなる接続可能要素を、当該処理対象細線化要素とグループ化させ、
グループ化された前記細線化要素の元となった前記二値化画像データ中の要素群の全体としての図形的特徴量を算出させ、
算出された図形的特徴量に基づいて前記検査対象光学部材の良否判定を行わせる
プログラムを格納したコンピュータ読取可能な記憶媒体。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP21153598A JP4005228B2 (ja) | 1998-07-27 | 1998-07-27 | 光学部材検査装置，画像処理装置，及び、コンピュータ可読媒体 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP21153598A JP4005228B2 (ja) | 1998-07-27 | 1998-07-27 | 光学部材検査装置，画像処理装置，及び、コンピュータ可読媒体 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2000046691A JP2000046691A (ja) | 2000-02-18 |
| JP4005228B2 true JP4005228B2 (ja) | 2007-11-07 |
Family
ID=16607480
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP21153598A Expired - Fee Related JP4005228B2 (ja) | 1998-07-27 | 1998-07-27 | 光学部材検査装置，画像処理装置，及び、コンピュータ可読媒体 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP4005228B2 (ja) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPWO2006006247A1 (ja) * | 2004-07-09 | 2008-04-24 | 東京電力株式会社 | 流体流動計測システム、流体流動計測方法、画像処理方法およびコンピュータプログラム |
| JP4619112B2 (ja) * | 2004-12-27 | 2011-01-26 | 花王株式会社 | 毛形状の測定方法 |
| JP5198235B2 (ja) * | 2008-12-11 | 2013-05-15 | 新日鐵住金株式会社 | デンドライト傾角測定装置、方法及びプログラム |
| JP5085573B2 (ja) * | 2009-01-13 | 2012-11-28 | 新日本製鐵株式会社 | 欠陥検査方法および欠陥検査装置 |
| WO2017110279A1 (ja) * | 2015-12-25 | 2017-06-29 | 富士フイルム株式会社 | 損傷情報処理装置及び損傷情報処理方法 |
| JP6926846B2 (ja) * | 2017-09-01 | 2021-08-25 | 一般財団法人雑賀技術研究所 | 表面に凹凸がある柑橘類の果実の選別方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2815263B2 (ja) * | 1992-06-04 | 1998-10-27 | 松下電器産業株式会社 | 細線画像整形方法 |
| JPH0981740A (ja) * | 1995-09-12 | 1997-03-28 | Toshiba Corp | 線図形入力装置 |
| JP3538281B2 (ja) * | 1995-12-14 | 2004-06-14 | ペンタックス株式会社 | 光学部材検査装置 |
| JP3851395B2 (ja) * | 1996-12-06 | 2006-11-29 | ペンタックス株式会社 | 光学部材検査装置及び光学部材検査方法 |
-
1998
- 1998-07-27 JP JP21153598A patent/JP4005228B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JP2000046691A (ja) | 2000-02-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20220101517A1 (en) | Substrate defect inspection apparatus, substrate defect inspection method, and storage medium | |
| US6687396B1 (en) | Optical member inspection apparatus, image-processing apparatus, image-processing method, and computer readable medium | |
| US8179434B2 (en) | System and method for imaging of curved surfaces | |
| EP2608536B1 (en) | Method for counting objects and apparatus using a plurality of sensors | |
| CN110473179B (zh) | 一种基于深度学习的薄膜表面缺陷检测方法、系统及设备 | |
| CN104809437B (zh) | 一种基于实时视频的车辆检测与跟踪方法 | |
| US20110019243A1 (en) | Stereoscopic form reader | |
| US20130154985A1 (en) | Interactive whiteboards and programs | |
| CN110135396B (zh) | 地面标志的识别方法、装置、设备及介质 | |
| JP6639181B2 (ja) | 撮像装置、生産システム、撮像方法、プログラム及び記録媒体 | |
| US20150193926A1 (en) | Inspection having a segmented pupil | |
| CN113546869B (zh) | 物料分选设备、方法以及存储介质 | |
| CN109829883A (zh) | 产品质量检测方法及装置 | |
| US20220309666A1 (en) | Cell line development image characterization with convolutional neural networks | |
| CN111386530B (zh) | 车辆检测方法和设备 | |
| JP4005228B2 (ja) | 光学部材検査装置，画像処理装置，及び、コンピュータ可読媒体 | |
| CN108190774A (zh) | 一种基于投影的排绳故障检测方法及其装置 | |
| SG178772A1 (en) | Multiple surface inspection system and method | |
| JP2007316019A (ja) | 表面欠陥検査装置 | |
| CN113506288A (zh) | 基于transform注意力机制的肺结节检测方法及装置 | |
| CN111951328A (zh) | 一种物体位置检测方法、装置、设备和存储介质 | |
| CN110176000B (zh) | 道路质量检测方法及装置、存储介质、电子设备 | |
| KR101440306B1 (ko) | 유리병 검사장치 | |
| CN207397296U (zh) | 一种基于背影成像的物体识别装置 | |
| JP3641394B2 (ja) | 光学部材検査装置，画像処理装置，画像処理方法，及び、コンピュータ可読媒体 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20050428 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20070215 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20070220 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20070423 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20070821 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20070823 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100831 Year of fee payment: 3 |
|
| LAPS | Cancellation because of no payment of annual fees |