JP4146678B2

JP4146678B2 - 画像検査方法および装置

Info

Publication number: JP4146678B2
Application number: JP2002198027A
Authority: JP
Inventors: 利之須藤; 太一中西
Original assignee: Hoya Corp
Current assignee: Hoya Corp
Priority date: 2002-07-05
Filing date: 2002-07-05
Publication date: 2008-09-10
Anticipated expiration: 2022-07-05
Also published as: JP2004037399A

Description

【０００１】
【発明の属する技術分野】
本発明は、レンズ等の光学部材の品質を画像処理によって検査するための画像処理装置に関する。
【０００２】
【従来の技術】
レンズ等の光学部材（以下、被検物という）を画像処理によって検査する画像処理装置が知られている。このような画像処理装置では、まず、光源からの光で照明された被検物をＣＣＤカメラ等で撮影し、撮影された画像に所定の処理を施すことにより被検物に存在する不良要因を抽出し、その形状ごとに分類する。一般的に、不良要因としては、ゴミやキズ、ケバ（糸くず）、汚れ等がある。また、画像処理装置によっては、被検物を複数のエリアに分割し、不良要因を、その不良要因が発生した位置に対応するエリアごとに分類する。
【０００３】
抽出された不良要因を形状やエリアによって分類すると、画像処理装置は、各不良要因を数値（品質点数）化する。そして画像処理装置は、各不良要因の合計点数によって、被検物の良否判定を行う。具体的には、ＣＣＤカメラ等によって撮影した画像を二値化し、この二値化画像をラベリングして不良要因を一つ一つ抽出した上でこれらの不良要因の評価を行う。
【０００４】
一方、例えばレンチキュラーレンズ等のように、被検物によっては、とくにゴミ等がなくても、その性質上、撮像した画像に周期的な模様が現れる場合がある。つまり、被検物自体には模様があるわけではないのに、撮像すると画像上では周期的な模様が現れる場合がある。このような周期的な模様は、そのレベルによっては二値化後も縞模様として残る場合があり、したがってこのような模様については不良要因として抽出しない様にするための手法が必要である。
【０００５】
図１９に、このような周期的な模様が現れる被検物の画像の一例を示す。図１９に示す被検物の画像では、縦方向の模様が周期的に存在し（縞模様１）、不良要因３が縞模様１の一つに重なった状態で現れている。このような被検物の画像に対し、従来の手法による画像処理は次のように行われる。
【０００６】
まず、被検物の画像を二値化する。二値化後の画像を図２０に示す。被検物の縞模様は予め知ることができるので、縞模様の画像を予め準備しておく（図２１）。このように、準備を行い、次に、被検物の画像（図２０）から、予め準備しておいた縞模様の画像（図２１）を減算して取り除き、不良要因のみ抽出された画像を得る。このようにして抽出された、不良要因のみの画像を図２２に示す。不良要因が抽出されたので、後は、不良要因を評価し良否判定を行うことができる。
【０００７】
【発明が解決しようとする課題】
このように、従来の手法によって縞模様を取り除いて不良要因の抽出を行うことは可能であるものの、被検物画像において縞模様と不良要因とが重なっている場合には、図２２に示されるように、不良要因３上の縞模様と重なり合っていた部分（矢印５）が未検査領域となる。この場合、本来ゴミである不良要因３をキズと評価してしまうなど、不良要因の評価が厳密に行われなくなる可能性がある。
【０００８】
本発明はこのような事情に鑑みてなされた。すなわち、本発明は、撮影した画像にその性質上模様が現れるような被検物に対しても、不良要因の評価を厳密に行うことのできる画像処理方法および装置を提供することを目的とする。
【０００９】
【課題を解決するための手段】
上記目的を達成するため、まず、被検物を撮像して得られる被検物画像に対して、被検物の模様（被検物自体に模様はなく画像上でのみ生じる被検物の模様を含む。）の全部または一部と対応する形状の空間フィルタを用いて平滑化を行うようにする（平滑化ステップ）。被検物の模様と相似形の空間フィルタを用いて被検物画像の平滑化を行うことで、被検物画像中で被検物の模様のみの部分領域については輝度分布のピークが変化しないようにし、被検物の模様と不良要因が重なっている部分領域については輝度分布のピークが平均化により低減されるようにすることができる。次に、平滑化前の被検物画像と平滑化後の被検物画像との差分をとり差分画像を取得しておく（差分ステップ）。平滑化後の被検物画像では、被検物の模様と不良要因が重なっている部分領域については輝度分布のピークが平均化により低減されているので、差分画像は不良要因の部分領域を表すことになる。したがって、この差分画像に基づいて、被検物画像に含まれている不良要因を忠実に抽出することが可能となる（不良要因抽出ステップ）。後は、抽出された不良要因を評価して被検物の良否判定を行うことができる。
【００１０】
この場合において、被検物の模様が周期的または非周期的な直線状の縞模様である場合には、平滑化ステップにおいて、該直線状の縞模様の一つに対応する長方形の空間フィルタを用いて平滑化を行う構成とすることが好ましい。
【００１１】
或いは、被検物の模様が周期的または非周期的な同心円状の模様である場合には、平滑化ステップにおいて、円形の空間フィルタを用いて平滑化を行う構成とするのが好ましい。
【００１２】
なお、不良要因抽出ステップにおいて、差分ステップにより得られた差分画像に対して二値化処理を行い、該二値化処理後の画像に基づいて不良要因の抽出を行うように構成しても良い。
【００１３】
また、本発明の一つの実施形態では上記目的を達成するために、平滑化ステップの事前処理として被検物画像の極座標変換を行い、平滑化ステップにおいて極座標変換後の被検物画像について平滑化を行うようにする。これは、平滑化を効率化するために有効である。そして、不良要因抽出ステップにおいて、差分ステップにより得られた、不良要因を含んでいる差分画像について逆座標変換をして、極座標変換前の座標上で不良要因を抽出するようにする。
【００１４】
なお、ここで極座標変換は直交座標から極座標への変換であり、逆座標変換は極座標から直交座標への変換である。
【００１５】
被検物の模様が周期的または非周期的な同心円状の模様である場合には、同心円状の模様は、極座標変換によって、極座標上で周期的または非周期的な直線状の縞模様となる。したがってこの場合、被検物画像に対して、直線状の縞模様の一つに対応する長方形の空間フィルタを用いて平滑化を行うことが可能となり、処理が効率化される。
【００１６】
なお、不良要因抽出ステップにおいて、差分ステップにより得られた差分画像について二値化処理を行い、該二値化処理後の差分画像について逆座標変換をして、極座標変換前の座標上で不良要因を抽出する構成としても良い。
【００１７】
また、被検物画像を取得する撮像手段と、被検物画像に基づいて被検物の良否判定を行う判定手段と、良否判定の結果に基づいて出力を行う出力手段とを備えた、以上説明した画像処理方法にしたがい被検物の良否判定を行う画像検査装置を構成することができる。
【００１８】
【発明の実施の形態】
図１は本発明の実施形態としての画像検査方法を実行する画像検査装置１の概略構成図である。画像検査装置１は、画像撮影部１００と画像処理システム２００とを有する。
【００１９】
画像撮影部１００は、ＣＣＤカメラ１０１、光源１０２、ホルダ１０４を有する。ホルダ１０４の上面は、被検物Ｓが載置されるテーブル部１０４ａとして構成される。またホルダ１０４の下部は、画像撮影部１００のステージ１０３の上面に形成されたレール１０３ａ上に設置され、レール１０３ａに沿って水平方向に移動可能な駆動部１０４ｂとして構成されている。また、ＣＣＤカメラ１０１および光源１０２は、それぞれ画像撮影部１００のフレーム部１０５に固定されている。ＣＣＤカメラ１０１は対物レンズユニット１０１ａとＣＣＤ１０１ｂとを有する。光源１０２は、複数の光ファイバを有している。各光ファイバは、各々から射出された光が、被検物Ｓに斜めに入射するように、かつ射出端面が環状に並ぶように配設されている。
【００２０】
画像処理システム２００は、画像撮影部１００より送信された画像データを処理して、後述する被検物Ｓの良否判定を行うプロセッサ２０１と、画像撮影部１００より送信された画像データやプロセッサ２０１による画像処理結果等を表示可能なモニタ２０２とを有する。なお、本実施形態における「プロセッサ２０１による画像処理結果」には、二値化や細線化等の処理が行われた後の画像と、被検物Ｓが良品であるか不良品であるかどうかの判定結果等の画像計測結果との双方が含まれる。
【００２１】
以上のように構成された画像検査装置１による、被検物Ｓの検査手順を図面を用いて説明する。図２は画像検査装置１による画像検査フローである。なお、画像検査装置１の起動時、ホルダ１０４は、図１中破線で示すように画像撮影部１００のフレーム部１０５の外側の所定位置（供給位置）に位置している。画像検査装置１が起動すると、最初にステップＳ１０１が実行され、光源１０２が点灯する。次いでステップＳ１０３に進み、図示しない機構により被検物Ｓをホルダ１０４のテーブル部１０４ａ上に載置する。次いでステップＳ１０５に進む。
【００２２】
ステップＳ１０５では、画像検査装置１のコントローラはホルダ１０４の駆動部１０４ｂを制御して、供給位置にあるホルダ１０４を画像検査装置１のフレーム部１０５の中に向かって一定速度で移動させる。なお、ホルダ１０４の移動量は画像検査装置１のコントローラによってカウントされている。次いでステップＳ１０７に進む。
【００２３】
ホルダ１０４に載置された被検物Ｓは、光源１０２からの光によって照明される領域を通過する。被検物Ｓは光を透過する透明な部材であるので、光源１０２からの光によって照明された被検物Ｓにゴミやキズ等がある場合はその傷や汚れのみが光を反射して明るく浮かび上がる。ＣＣＤカメラ１０１の対物レンズユニット１０１ａによるこの被検物Ｓの像は、ＣＣＤカメラ１０１のＣＣＤ１０１ｂの受光面上で結像する。ＣＣＤ１０１ｂの受光面は受光画素がホルダ１０４の移動方向と直交かつ水平に並んでおり、ＣＣＤ１０１ｂはラインセンサとして機能する。従って、光源１０２によって被検物Ｓを照射しながらホルダ１０４を移動させることにより被検物Ｓの走査が行われる。
【００２４】
ステップＳ１０７では、この走査が終了したかどうかの判定が行われている。すなわち、ホルダ１０４の移動量が一定量に達したかどうかの判定が行われる。被検物Ｓの走査が終了したのであれば（Ｓ１０７：ＹＥＳ）、ステップＳ１０９に進みホルダ１０４の動作を停止した上でステップＳ１１１に進む。一方、被検物Ｓの走査がまだ終了していないのであれば（Ｓ１０７：ＮＯ）、Ｓ１０７を引き続き実行する。すなわち、被検物Ｓの走査が終了するまで待機する。
【００２５】
被検物Ｓを上記のように走査することによって得られる画像はモノクロ２５６階調のディジタル画像データとして画像処理システム２００のプロセッサ２０１に送信される。
【００２６】
ステップＳ１１１では、プロセッサ２０１はこのディジタル画像データを処理して、被検物Ｓ上の不良要因を抽出し、品質点数化する。そして、算出した品質点数の合計が許容範囲内であるかどうかの判定処理（以下、良否判定処理という）を行う。次いでステップＳ１１３に進む。ステップＳ１１１で行われる画像検査処理に関しては、後に詳述する。
【００２７】
ステップＳ１１３では画像検査装置１のコントローラはホルダ１０４の駆動部１０４ｂを制御してホルダ１０４を画像撮影部１００のフレーム部１０５の外側、つまり供給位置に向かって反転移動させる。
【００２８】
次いで図示しない機構により被検物Ｓをホルダ１０４のテーブル部１０４ａから取り出し、プロセッサ２０１による判定結果をもとに被検物Ｓを所定の棚に収納する（Ｓ１１５）。すなわち、被検物Ｓが良品であると判定されれば（Ｓ１１５：ＯＫ）、被検物Ｓは良品棚に収納される（Ｓ１１７）。一方、被検物Ｓが不良品であると判定されれば（Ｓ１１５：ＮＧ）、被検物Ｓは不良品棚に収納される（Ｓ１１９）。
【００２９】
以上が画像検査装置１および該装置を用いた被検物Ｓの検査手順の概説である。次に、ステップＳ１１で行われる画像検査処理について詳説する。
【００３０】
図３は、図２のステップＳ１１における画像検査処理の詳細を示すフローチャートである。以下、図３のフローチャートおよびそれに関連する図を参照して画像検査処理について説明する。画像検査処理（図３）では、まず、被検物画像の検査対象領域を決める（Ｓ２０１）。ここでは、画像検査装置１によって取り込まれた被検物Ｓの画像が図４（ａ）のようなものであり、検査対象領域は、図４（ａ）中の領域Ｒとして決定されるものとする。なお、以下に示す図中に例示される被検物Ｓの画像においては、特に記載しない限り、図中左右方向をＸ軸（図中右向きを正とする）、上下方向をＹ軸（図中上向きを正とする）と定義している。また画像座標軸の原点は図中左下隅である。また、実際の画像においては不良要因は背景よりも明るく示されるが、図面の簡略化のため、明暗を逆転して不良要因を暗部として示している。図４（ａ）中には不良要因Ｆ１が図示されている。また画像の背景部にはＸ軸方向に周期的な濃度変動する濃淡模様Ｐ１が発生している。なお、実際の濃淡模様は明部から暗部へ、また暗部から明部へと徐々に輝度が変動する濃淡模様である。
【００３１】
図４（ｂ）は、図４（ａ）の画像の図中破線Ａ上での輝度分布のグラフである。図４（ｂ）には、濃淡模様Ｐ１に対応して、周期的な輝度のピークＰＫ１が現れている。一方、不良要因Ｆ１の部分では不良要因Ｆ１と縞模様Ｐ１とが重なり、それによって輝度が加算されてピークＰＫ１よりも高い輝度ピークＰＫ２が生じる。
【００３２】
次にステップＳ２０２では、縞模様Ｐ１の一つに対応するサイズのフィルタを用意し、このフィルタによって画像の平滑化を行う。縞模様Ｐ１の形状、サイズ等は、予め知ることができる。ここでは、縞模様Ｐ１の一つに対応するサイズとして、縦Ｎ×横１のフィルタＦＬ１を用いる（図５参照）。このフィルタＦＬ１を用いて、被検物画像（図４（ａ））を平滑化する。
【００３３】
平滑化は、被検物画像においてフィルタＦＬ１のサイズに対応する部分領域（つまり、縦（Ｙ）Ｎ画素×横（Ｘ）１画素の部分領域）の輝度値を平均化する処理を、フィルタＦＬ１を被検物画像全体に亘り移動させつつ実行することで行うことができる。平滑化後の被検物画像を図６（ａ）に、また、図６（ａ）について破線Ａ上のでの輝度分布を表すグラフを図６（ｂ）に示す。
【００３４】
フィルタＦＬ１は縞模様Ｐ１の一つにサイズが対応するので、このフィルタＦＬ１で縞模様Ｐ１の部分の輝度の平均化を行っても、輝度の変化が起きない。よって、縞模様Ｐ１に対応する部分の輝度のピークは、平滑化前と同じピークＰＫ１である。
【００３５】
一方、縞模様Ｐ１と不良要因Ｆ１が重なった部分について、縦Ｎ×横１画素の縦長の部分領域で輝度を平均化すると、不良要因Ｆ１はこの部分領域の中央部にしか存在しないので、不良要因Ｆ１の輝度は平滑化される。すなわち、平滑化後の画像の破線Ａ上において不良要因Ｆ１部分の輝度ピークは、平滑化前の輝度ピークＰＫ２よりも低下してＰＫ２’となる（ＰＫ２’＜ＰＫ２）。
【００３６】
次に、ステップＳ２０３（図３）では、原画像（図４（ａ））と平滑化後画像（図６（ａ））の差分を求める。図７（ａ）に、原画像の破線Ａ上での輝度分布と、平滑化後の画像の破線Ａ上での輝度分布とを同時に示した。この場合、原画像と平滑化後画像の差分を求めると、図７（ｂ）の網掛け部分３０１に対応する領域、つまり不良要因Ｆ１を忠実に表す領域が抽出されることになる。
【００３７】
次に、ステップＳ２０４（図３）では、差分によって得られた画像の二値化処理を行い、図８に示すように、不良要因Ｆ１のみが抽出された画像を得る（Ｓ２０５）。なお、この二値化処理では、経験則によって得た閾値を用いる、画像のヒストグラムから好適な閾値を求める等、様々な手法を適用することができる。
【００３８】
以上のように、図３の画像検査処理に従って不良要因の画像の抽出を行うことで、原画像中に含まれる不良要因の画像を忠実に抽出することができる。したがって、後は、不良要因を評価し良否判定を行う（Ｓ２０６）。ステップＳ２０５において抽出された不良要因の画像は、原画像に含まれる不良要因の形状を忠実に再現しているので、ステップＳ２０６における判定処理を高い精度で行うことが可能となる。すなわち、図３の画像検査処理によれば、被検物の模様が被検物画像に生じるような場合であっても、縞模様の領域を未検査領域とすることなく被検物全面を検査可能であり、従来よりも安定的な検査が可能である。
【００３９】
以上説明した画像検査処理は、被検物の性質上、被検物画像に直線状の縞模様が生じる場合に、この縞模様に相似するフィルタとして、縞模様の１つに対応する縦長形状のフィルタを用いた場合の例であった。被検物の性質上生じる模様がこのような直線状の縞模様である場合以外も有り得るが、このような様々な被検物の模様に対しても、被検物の模様に対応する相似形のフィルタを用意して平滑化を行うことによって、不良要因の画像を忠実に抽出することが可能である。
【００４０】
例えば、被検物に生じる模様が図９に示すように同心円状の模様Ｐ２である場合を考える。模様Ｐ２の線幅は１画素相当であるものとする。この場合には、図１０に示すようにフィルタの形状を円形（例えば半径ｒ、線幅１画素）とし、この円形フィルタの半径ｒを適宜変化させて、原画像に対して平滑化の処理を行えば、同心円状の模様と重なり合った不良要因を忠実に抽出することが可能である。
【００４１】
次に、被検物の性質上生じる模様が同心円状の模様である場合に、不良要因を抽出する場合の処理としての変形例について説明する。ここでは、被検物に生じる模様が同心円状の模様である場合に、画像検査処理を効率化するために、被検物の原画像の座標変換を行う。この場合、被検物画像検査処理の流れは、上記図３の場合と同等の処理に座標変換の処理が付加される構成となる。この場合のフローチャートを図１１に示す。図１１のフローチャートは、図３と同等の処理を含むので、同等の処理については説明を簡略化している。以下では図１１のフローチャート、および関連図面を参照して説明を行う。
【００４２】
まず、被検物の画像から、検査領域を抽出する（Ｓ３０１）。いま、被検物は、図１２に示すように円形のもの（被検物３１１）であり、ここでは検査領域は被検物の輪郭と等しくとるものとする。被検物３１１の原画像には、被検物３１１の性質上生じる同心円状の模様Ｐ３が現れている。また、模様Ｐ３の一つと重なるように、不良要因Ｆ３が存在している。
【００４３】
次に、フィルタを用いた平滑化を行う前の事前処理として、座標変換処理を行う（ステップＳ３０１−１）。ここでは、同心円状の模様Ｐ３を直線状にして平滑化処理の効率を高めることを目的として極座標変換を行う。そのために、直交座標（ｘ，ｙ）で表されている原画像（図１２）を極座標（ｘ’，ｙ’）表示に変換する。極座標変換は、下記にしたがう。
ｘ＝ｃｏｓ（ｘ’）＊ｙ’＋Ｃｘ
ｙ＝ｓｉｎ（ｘ’）＊ｙ’＋Ｃｙ
ただし、Ｃｘ，Ｃｙは、被検物の中心座標。なお、以下の説明では、被検物の中心座標（Ｃｘ，Ｃｙ）＝（０，０）とする。図１２には、被検物の中心を原点Ｏとして、ｘｙ直交座標とｘ’ｙ’極座標の対応が示されている。
【００４４】
図１３（ａ）は、上記極座標変換により、原画像（図１２）を極座標で表示した場合の極座標表示画像である。図１３（ａ）において、左上が原点Ｏ（ｘ’＝０，ｙ’＝０）である。図１３（ａ）において、縦方向がｘ’（動径）方向であり、図中下方向がその増加方向である。また、図１３（ａ）において横方向はｙ’（偏角）方向であり、図中右方向がその増加方向である。
【００４５】
原画像（図１２）において模様Ｐ３が、ｘ’軸上の位置ｒ１、ｒ２に存在しているのに対応して、極座標表示画像（図１３（ａ））において、模様Ｐ３がｘ’軸上のｒ１、ｒ２の位置に、ｙ’軸上で角度０度から３６０度全体に亘って直線状に現れる。極座標表示での模様を模様Ｐ３’とする。また、不良要因Ｆ３も直線状の模様Ｐ３’の一つに重なるように現れる。
【００４６】
この場合の、図１３（ａ）中の破線Ａ２上での輝度分布を表すグラフを図１３（ｂ）に示す。図１３（ｂ）に示すように、破線Ａ２上での輝度分布は、位置ｒ２の模様に対応してピークＰＫ４が現れ、位置ｒ1の縞模様については不良要因Ｆ３と重なっていることにより輝度が加算され、よって位置ｒ1の部分については、ピークＰＫ４よりも大きなピークＰＫ５が現れる。
【００４７】
極座標変換を行うことによって模様Ｐ３は直線上の縞模様Ｐ３’となったので、極座標表示の画像上で、横方向に長い形状のフィルタによる平滑化を行うことが可能となった（ステップＳ３０２）。極座標表示画像（図１３（ａ））において、縞模様は、線幅（ｘ’方向のサイズ）が１画素相当であるものとする。この場合、図１４に示すように、フィルタＦＬ３は、縦１×横Ｎ画素とすることができる。ステップＳ３０２の平滑化は、極座標表示画像（図１３（ａ））においてフィルタＦＬ３のサイズに対応する部分領域の輝度値を平均化する処理を、フィルタＦＬ３を極座標表示画像全体に亘り移動させつつ実行することで行う。
【００４８】
ただし、極座標変換の性質上、直交座標における原点Ｏ付近の画像（ｘ’＝０付近の画像）は、極座標表示では形状が大きくなる場合等があるため、この近辺に被検物の模様と不良要因とが重なった部分がある場合には、この部分での平滑化（つまり、平均化）による、不良要因を含む部分の輝度ピークの低減の効果をより顕著にするために、フィルタの形状を縦Ｍ×横Ｎにするなど、通常用いるフィルタＦＬ３よりも大きいサイズのフィルタを用いても良い。
【００４９】
以上の平滑化によって、極座標表示画像（図１３（ａ））について、横長のフィルタＦＬ３で全体に亘り平均化が行われたので、ｘ’軸上の位置ｒ１部分の縞模様の破線Ａ２上での輝度のピークＰＫ５’は、平滑化を行う前のピークＰＫ５よりも低くなる（ＰＫ５’＜ＰＫ５）。平滑化後の極座標表示画像を図１５（ａ）に、またその画像における破線Ａ２上での輝度分布のグラフを図１５（ｂ）に示す。
【００５０】
次に、ステップＳ３０３（図１１）では、極座標表示画像（図１３（ａ））と平滑化後の極座標表示の画像（図１５（ａ））との差分を求める。図１６（ａ）に、極座標表示画像の破線Ａ２上での輝度分布と、平滑化後の極座標表示画像の破線Ａ２上での輝度分布とを同時に示した。この場合、差分を求めると、ピークＰＫ５からピークＰＫ５’を減じた図１６（ｂ）の網掛部分３３１に対応する領域が抽出されることになる。網掛け部分３３１は、不良要因Ｆ３の部分に対応する。
【００５１】
次に、差分によって得られた画像の二値化処理を行い（Ｓ３０４）、図１７のように、不良要因Ｆ３のみが抽出された画像を得る（Ｓ３０５）。図１７は、不良要因の形状を忠実に表しているが、極座標表示での形状なので、次に、極座標から直交座標への逆変換を行う（Ｓ３０５−１）。この逆変換処理によって得られた不良要因の画像を図１８に示す。原画像（図１２）に含まれる不良要因Ｆ３が忠実に抽出されている。
【００５２】
このように、図１１の画像検査処理の手順に従って不良要因の画像の抽出を行うことによって、原画像中に含まれる不良要因を忠実に抽出することができる。したがって、後は、不良要因を評価し良否判定を行う（Ｓ３０６）。ステップＳ３０５において抽出された不良要因の画像は、原画像に含まれる不良要因の形状を忠実に再現しているので、ステップＳ３０６における判定処理を高い精度で行うことが可能となる。
【００５３】
以上説明したように図１１の画像検査処理では、直交座標では被検物の模様やフィルタの形状が円形となり処理が複雑となるところを、極座標変換を行って、被検物の模様およびフィルタ形状を直線状に変換し処理の効率化を実現した。
【００５４】
なお、以上の説明における被検物の同心円状の模様の数、線幅等は一例であって、同心円状の模様の数、位置、線幅が異なる場合でも、図１１の被検物検査処理を適用することができる。また、同心円状の模様は周期的である場合のみでなく、非周期的に存在している場合でも図１１の被検物検査処理を適用することができる。すなわち、図１１の被検物検査処理によれば、被検物に周期的または非周期的な同心円状の模様が存在していても、模様の存在する領域を未検査領域とすることなく被検物全面を検査可能であり、従来よりも安定的な検査が可能となる。
【００５５】
【発明の効果】
以上説明したように本発明によれば、被検物画像に被検物の模様が存在していても、模様のある領域を未検査領域とすることなく被検物全面を検査することができ、従来よりも安定的な検査が可能となる。
【図面の簡単な説明】
【図１】本発明の実施形態としての画像検査方法を実行する画像検査装置の概略構成図である。
【図２】図１の画像検査装置の全体的な動作を表すフローチャートである。
【図３】図２における画像検査処理の詳細を示すフローチャートである。
【図４】図４（ａ）は、図１の画像検査装置によって取り込まれた被検物の画像の例として周期的な縞模様がある画像の例を示し、図４（ｂ）はその輝度分布を示すグラフである。
【図５】図４（ａ）の被検物画像に用いる縦Ｎ×横１のフィルタを示す図である。
【図６】図６（ａ）は、平滑化後の被検物画像を示し、図６（ｂ）はその輝度分布を示すグラフである。
【図７】図７（ａ）は、平滑化前の被検物画像の輝度分布と、平滑化後の被検物画像の輝度分布とを同時に示すグラフであり、図７（ｂ）は、差分によって抽出される部分を示した図である。
【図８】二値化処理によって不良要因のみが抽出された画像を示す図である。
【図９】被検物に生じる模様が同心円状の模様である場合の被検物画像の例を示す図である。
【図１０】図９のような被検物画像に対して用いるフィルタの例として、円形のフィルタを示す図である。
【図１１】画像検査処理の変形例として、座標変換を含む場合の動作を表すフローチャートである。
【図１２】被検物に生じる模様が同心円状の模様である場合の被検物画像の例を示す図である。
【図１３】図１３（ａ）は、図１２の画像を極座標変換により極座標で表示した場合の画像であり、図１３（ｂ）はその輝度分布を表すグラフである。
【図１４】図１３（ａ）の極座標表示画像に対して用いる横長のフィルタを示す図である。
【図１５】図１５（ａ）は、極座標表示における平滑化後の被検物画像を表し、図１５（ｂ）はその輝度分布を示すグラフである。
【図１６】図１６（ａ）は、極座標表示における平滑化前の被検物画像の輝度分布と、平滑化後の被検物画像の輝度分布とを同時に示すグラフであり、図１６（ｂ）は、差分によって抽出される部分を示した図である。
【図１７】二値化処理によって不良要因のみが抽出された、極座標表示における不良要因の画像を示す図である。
【図１８】図１７の画像に対して逆座標変換を行うことによって、不良要因が直交座標上で表された状態の図である。
【図１９】周期的な模様が現れる被検物の画像の一例を示す図である。
【図２０】図１９の画像を二値化した状態を示す図である。
【図２１】従来技術を説明する例として、図１９の画像に対して用いる縞模様のみの画像を示す図である。
【図２２】従来技術を説明する例として、被検物の画像から、予め準備しておいた縞模様の画像を減算して不良要因を抽出した状態を示す図である。
【符号の説明】
１画像検査装置
１００画像撮影部
１０１ＣＣＤカメラ
１０２光源
１０４ホルダ
１０４ａテーブル部
２００画像処理システム
２０１プロセッサ
２０２モニタ

Claims

被検物を撮像して得られる被検物画像に基づいて該被検物を検査するための方法であって、
前記被検物の模様が周期的または非周期的な同心円状の模様である場合に、円形の空間フィルタを用いて前記被検物画像について平滑化を行う平滑化ステップと、
前記平滑化前の被検物画像と前記平滑化後の被検物画像との差分をとり差分画像を得る差分ステップと、
前記差分ステップにより得られた差分画像に基づいて前記被検物画像に含まれる不良要因を抽出する不良要因抽出ステップと、
抽出された前記不良要因を評価して前記被検物の良否判定を行う判定ステップと、
を含むことを特徴とする画像検査方法。
前記不良要因抽出ステップにおいて、前記差分ステップにより得られた差分画像に対して二値化処理を行い、該二値化処理後の画像に基づいて前記不良要因の抽出を行うようにしたこと、を特徴とする請求項１に記載の画像検査方法。
被検物を撮像して得られる被検物画像に基づいて該被検物を検査するための方法であって、
前記被検物画像について直交座標から極座標への極座標変換を行い、前記被検物の模様が周期的または非周期的な同心円状の模様である場合に、前記極座標変換によって極座標上で周期的または非周期的な直線状の縞模様を含むこととなった被検物画像に対して、前記直線状の縞模様の一つに対応する長方形の空間フィルタを用いて前記平滑化を行う平滑化ステップと、
前記平滑化前の被検物画像と前記平滑化後の被検物画像との差分をとり差分画像を得る差分ステップと、
前記差分ステップにより得られた差分画像について極座標から直交座標への逆座標変換をして、該逆座標変換をした差分画像に基づいて前記直交座標上で前記被検物画像に含まれる不良要因を抽出する不良要因抽出ステップと、
抽出された前記不良要因を評価して前記被検物の良否判定を行う判定ステップと、
を含むことを特徴とする画像検査方法。
前記不良要因抽出ステップにおいて、前記差分ステップにより得られた前記差分画像について二値化処理を行い、該二値化処理後の差分画像について前記逆座標変換をして前記極座標変換前の座標上で前記不良要因を抽出するようにしたこと、を特徴とする請求項３に記載の画像検査方法。
被検物の良否判定を行う画像検査装置であって、
被検物画像を取得する撮像手段と、
前記被検物画像に基づいて前記被検物の良否判定を行う判定手段と、
前記良否判定の結果に基づいて出力を行う出力手段と、
を備え、前記判定手段が前記請求項１から請求項４のいずれかに記載の画像検査方法にしたがい前記被検物の良否判定を行う画像検査装置。