JP4318776B2 - ムラの検査方法及び装置 - Google Patents
ムラの検査方法及び装置 Download PDFInfo
- Publication number
- JP4318776B2 JP4318776B2 JP02334199A JP2334199A JP4318776B2 JP 4318776 B2 JP4318776 B2 JP 4318776B2 JP 02334199 A JP02334199 A JP 02334199A JP 2334199 A JP2334199 A JP 2334199A JP 4318776 B2 JP4318776 B2 JP 4318776B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- unevenness
- village
- candidate
- shape data
- 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
- Spectrometry And Color Measurement (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、光透過性の周期性パターンを有する対象物について、そのパターンの不均一性に起因するムラ感を検査する際に適用して好適な、ムラ検査方法及び装置に関する。
【０００２】
【従来の技術】
光透過性の周期性パターンを有する対象物としては、例えばカラーテレビのブラウン管用のシャドウマスクや、液晶ディスプレイ用のカラーフィルタ等の製品が知られている。このような製品は、周期性パターンが全体に亘って均一に形成されていることが重要であることから、その均一性に乱れが生じている場合は不良品として排除する必要がある。
【０００３】
このような周期性パターンの乱れは、ＣＣＤカメラや撮像管等の画像入力装置を用いて対象物を撮像して画像データを入力し、その画像データを画像処理することによって、入力した画像に存在する明るさの変化であるムラの有無を検査することが考えられる。ところが、画像データにおけるムラは微妙な階調の変化として現われるため、単純な２値化処理ではムラの有無が判定できない。
【０００４】
そこで、本出願人は、このような周期性パターンの乱れをムラとして検査する技術を、例えば特開平６−２２９７３６号公報に既に提案している。これは、図２０にその要部構成を示したように、図示しない対象物を撮像するＣＣＤカメラや撮像管等の画像入力装置１１０と、該装置１１０を介して入力した画像を処理するための画像処理装置１１２を備え、該装置１１２において前処理部１１４、強調処理部１１６及び判定部１１８により、入力された画像データを順次処理することにより、ムラを検査できるようにしたものである。
【０００５】
この検査装置について詳述すると、前記前処理部１１４では、画像を入力する際に混入したノイズを除去する平滑化処理を行う。又、ここでは対象物がシャドウマスクの場合であれば、透過率画像を作成する処理も行う。この透過率画像はシャドウマスクの裏側から光源で照明した際の透過光像を画像入力装置１１０で撮像して入力した対象画像データを、シャドウマスクがない状態で光源のみを撮像して入力した光源画像データで割って作成する。この割算処理により光源自体が持つシェーディングの影響を除くことができる。
【０００６】
次の強調処理部１１６では、検出しようとする、即ち発生が予想されるムラの形状を想定し、想定したムラ毎に異なる強調処理を微分フィルタ等で画像データをフィルタリング処理することにより行う。
【０００７】
ここで実行する強調処理としては２次微分処理があり、この処理用の空間フィルタとしては、方向性が無い円状のムラの場合は、図２１（Ａ）に概念的に示した小さいムラであれば同図（Ｂ）のように、係数４の強調領域が１要素からなるものが用いられる。このフィルタを用いる２次微分処理（フィルタリング処理）は、注目画素を中心とし、その画素値に中心要素の係数４をかけた値と、周囲８画素の画素値に対応する要素の各係数をそれぞれかけた値を加算した結果を、該注目画素の画素値に設定し直すという処理を、画像領域全体に対して実行することにあたる。
【０００８】
上記フィルタリング処理によりムラを適切に強調するためには、その大きさに応じた強調領域（係数が４の範囲）を有する空間フィルタが必要とされ、例えば図２２（Ａ）の円状のムラであれば、同図（Ｂ）の構成要素からなるフィルタを、又図２３（Ａ）に示すように縦横がいずれも略Ｎ画素のムラであれば、同図（Ｂ）に簡略化して示したように、ムラの大きさに応じたＮ×Ｎ要素からなる係数４の強調領域を有し、全体で３Ｎ×３Ｎの大きさのフィルタを使用する必要がある。但し、ここで示した空間フィルタは、２次微分フィルタによる強調処理と、強調された画像から微小変動部分を除くための平滑化処理を同時に実行できるように構成したものである。
【０００９】
又、ムラには、方向性を有する楕円状（スジ状）のムラも存在する。このムラの場合は、図２４（Ａ）に概念的に示した縦方向に長い小さいムラであれば、同図（Ｂ）に示した、幅、長さ、方向がムラの形状に近い強調領域（係数２の範囲）を有するフィルタが有効である。従って、図２５（Ａ）の楕円状ムラであれば、同図（Ｂ）に示した縦に長いフィルタが有効であり、図２６（Ａ）のムラのように、幅がＮ画素、長さがＭ画素の場合は、同図（Ｂ）に簡略化して示したように、強調領域の幅がＮ、縦方向の長さがＭのフィルタが有効である。そして、以上のような空間フィルタを使って強調処理を行う場合、ムラが大きい程、即ちＮやＭが大きい程計算に時間がかかる。
【００１０】
又、前記判定部１１８では、ムラを強調した上記強調画像から判定処理によってムラを検出する。ここで行う判定処理としては、単純な２値化処理した結果や、２値化した画像からの形状解析した結果に基づいて判定するものがある。
【００１１】
【発明が解決しようとする課題】
しかしながら、上述した検査装置には、微妙な階調変化として現われるムラを精度良く検査できる利点はあるものの、以下の（１）〜（４）の問題点があるため、検査の自動化が極めて困難となっている。
【００１２】
（１）前述したように、前記強調処理では、発生するムラの形状を想定している。ムラの形状の例としては、図２７（Ａ）に円状のムラを、同図（Ｂ）に楕円状のムラをそれぞれ小さいものから順に示したように、さまざまな大きさや長さのものが存在するため、ムラの形状を限定することは難しい。又、あらゆる形状で発生する可能性があると考えなければならないことから、上記図２７（Ｃ）に示すように、楕円状のムラの場合には、幅と長さが同じものについて、その方向（傾き）も考慮に入れることになれば、その数は更に多くなる。そして、前述したように、適切に全ての形状のムラを検査しようとする場合には、検出対象となるムラの形状毎にそれぞれ対応したフィルタを用いた強調処理が必要になるため、このように全ての形状のムラを同一の検出能力で検査しようとする場合には、信頼性は高いが全体の処理時間が非常に長くなってしまう。
【００１３】
（２）そこで、処理時間を短くするために、実際にはムラの形状を、円状のムラや楕円（スジ）状のムラに限定すると共に、その大きさや長さも限定することにより、これらに対応するいくつかのフィルタに限定して用いている。しかし、形状をある程度限定して処理時間を短くしようとする場合には、図２８（Ａ）に示した大きさが異なる円状のムラの場合であれば、（１）と（３）の形状用のフィルタのみを使用すると、（２）の形状の強調感度が低くなり、同図（Ｂ）に示した長さが異なる楕円状の場合は、同様に（１）と（３）の形状用のフィルタのみでは（２）の形状に対して感度が低くなる。
【００１４】
更に、方向については、同図（Ｃ）に示す（１）用のフィルタでは、（２）の形状に対しては低い感度で検出できるが、（３）〜（５）の形状は全く検出できない。数を増やして（１）、（３）、（５）の各形状用のフィルタを使用したとしても、（２）、（４）の形状に対しては感度が低くなる。この方向に対する依存性は、ムラの長さが長いほど顕著になる。このように、適用するフィルタの数を減らして処理時間を短くする場合には、検出できないかあるいは著しく検出感度が低いムラの形状が存在していることになるため、信頼性が低くなってしまうことになる。
【００１５】
（３）又、前記強調処理では、使用する空間フィルタの形状に応じて検査できない領域、即ち不感帯が存在する。図２９（Ａ）には、円状のムラ用の空間フィルタで処理する場合に生じる不感帯を示した。この不感帯は、前述したように、フィルタリング処理は、空間フィルタの中心要素に注目画素を対応させた状態で、各要素に対応する画素値にそれぞれの係数をかけた値の加算値を、中心画素の画素値に設定する処理であるため、図２９（Ａ）に示したように、対象画像が縦ＩＭ画素、横ＩＮ画素の大きさであり、これに適用するフィルタが縦２Ｋｍ＋１、横２Ｋｎ＋１であったとすると、強調画像は縦ＩＭ−２Ｋｍ画素、横ＩＮ−２Ｋｎ画素の大きさになり、その周囲に計算不能の縦方向Ｋｍ、横方向Ｋｎの幅からなる不感帯（斜線部の領域）が生じることになる。因みに、同図（Ｂ）に示したフィルタは、Ｋｍ＝Ｋｎ＝４の例である。
【００１６】
図３０は、楕円状のムラ用フィルタの場合であり、円状の場合に比べて横方向の幅Ｋｎは狭くなるものの、同様に不感帯が生じることになる。
【００１７】
このように、強調処理のためのフィルタの形状に応じて画像データの周辺部分に不感帯（検査できない領域）が存在してしまう。そして、特に大きなムラを対象とする場合には、そのサイズに応じて大きなフィルタを使うことになるので、不感帯の幅Ｋｍ、Ｋｎも非常に大きな領域を占めることになる。
【００１８】
（４）更に、対象物にはムラといっても欠陥としなければならないムラと、経験的に欠陥と判定しなくてもよいムラが存在する。図３１（Ａ）は、周期性パターンを有する対象物を撮像して得られた被検査画像（対象画像）のイメージを示したもので、この画像には、全体的に一様な明るさではなく、斜線で示したような明るさが不均一なムラが存在しているが、このムラには欠陥としなければならないもの（ＮＧ）と、欠陥としなくてもよいもの（ＯＫ）とが混在している。
【００１９】
この対象画像にある１つのフィルタを適用して強調すると、明るさの異なる領域が強調されて、同図（Ｂ）に示した強調画像が得られる。この強調画像からムラの欠陥を判定するために２値化する場合、閾値を高くすれば、同図（Ｃ）に示したように、ムラの形状が不明になる上に、ＮＧ以外のものも現われる。逆に、閾値を低くすれば、その形状（円状）から細長い形状のＮＧと区別つくものもあるが、つかないものも現われることがある。従って、強調画像を２値化して良否の判定処理を行う場合、その閾値の設定が非常に難しいため、誤検出が多くなるという問題もある。
【００２０】
本発明は、前記従来の問題点を解決するべくなされたもので、対象画像のムラを強調する処理時間を大幅に短縮できる上に、不感帯を狭くすることができ、しかも検査精度を向上することができる、ムラの検査方法及び装置を提供することを課題とする。
【００２１】
【課題を解決するための手段】
本発明は、周期性パターンを有する対象物を撮像して入力した対象画像を処理し、該対象画像上に周期性パターンの均一性の乱れに起因して存在するムラを検査するムラ検査方法において、前記対象画像を空間フィルタで強調して強調画像を作成し、該強調画像を上側と下側の２つの閾値でそれぞれ２値化して、ムラ強分布画像とムラ弱分布画像を作成し、ムラ強分布画像中のムラに対応するムラ弱分布画像中のムラの領域のみをラベリングして候補領域が抽出された候補領域ラベリング画像を作成し、抽出された候補領域の中から不良のムラを選択することにより、前記課題を解決したものである。
【００２２】
本発明は、又、周期性パターンを有する対象物を撮像して対象画像を入力する撮像手段と、入力された対象画像を処理し、該対象画像上に周期パターンの均一性の乱れに起因して存在するムラを検出する画像処理手段とを備えているムラ検査装置において、前記画像処理手段が、空間フィルタで対象画像のムラを強調して強調画像を作成する強調手段と、上側閾値と下側閾値とを設定する閾値設定手段と、設定された上側閾値を用いて前記強調画像を２値化してムラ強分布画像を作成するムラ強分布抽出手段と、設定された下側閾値を用いて前記強調画像を２値化してムラ弱分布画像を作成するムラ弱分布抽出手段と、ムラ強分布画像中のムラに対応するムラ弱分布画像中のムラの領域のみをラベリングして候補領域が抽出された候補領域ラベリング画像を作成するムラ候補選定手段と、抽出された候補領域に関して形状データを算出するムラ候補解析手段と、算出された形状データが予め作成されているムラの形状データに該当した場合に不良と判定する形状データ判定手段と、を備えた構成とすることにより、同様に前記課題を解決したものである。
【００２３】
本発明は、又、周期性パターンを有する対象物を撮像して対象画像を入力する撮像手段と、入力された対象画像を処理し、該対象画像上に周期パターンの均一性の乱れに起因して存在するムラを検出する画像処理手段とを備えているムラ検査装置において、前記画像処理手段が、空間フィルタで対象画像のムラを強調して強調画像を作成する強調手段と、上側閾値と下側閾値とを設定する閾値設定手段と、設定された上側閾値を用いて前記強調画像を２値化してムラ強分布画像を作成するムラ強分布抽出手段と、設定された下側閾値を用いて前記強調画像を２値化してムラ弱分布画像を作成するムラ弱分布抽出手段と、ムラ強分布画像中のムラに対応するムラ弱分布画像中のムラの領域のみをラベリングして候補領域が抽出された候補領域ラベリング画像を作成するムラ候補選定手段と、抽出された候補領域に対応する前記強調画像の輝度値の平均値を算出する平均値解析手段と、算出された輝度値の平均値が予め設定されている基準値を超えた場合に不良と判定する平均値判定手段と、を備えた構成とすることにより、同様に前記課題を解決したものである。
【００２４】
本発明は、又、周期性パターンを有する対象物を撮像して対象画像を入力する撮像手段と、入力された対象画像を処理し、該対象画像上に周期パターンの均一性の乱れに起因して存在するムラを検出する画像処理手段とを備えているムラ検査装置において、前記画像処理手段が、空間フィルタで対象画像のムラを強調して強調画像を作成する強調手段と、上側閾値と下側閾値とを設定する閾値設定手段と、設定された上側閾値を用いて前記強調画像を２値化してムラ強分布画像を作成するムラ強分布抽出手段と、設定された下側閾値を用いて前記強調画像を２値化してムラ弱分布画像を作成するムラ弱分布抽出手段と、ムラ強分布画像中のムラに対応するムラ弱分布画像中のムラの領域のみをラベリングして候補領域が抽出された候補領域ラベリング画像を作成するムラ候補選定手段と、抽出された候補領域に関して形状データを算出するムラ候補解析手段と、算出された形状データが予め作成されているムラの形状データに該当した場合に不良と判定する形状データ判定手段と、抽出された候補領域に対応する前記強調画像の輝度値の平均値を算出する平均値解析手段と、算出された輝度値の平均値が予め設定されている基準値を超えた場合に不良と判定する平均値判定手段と、該平均値判定手段及び前記形状データ判定手段の両判定結果に基づいてムラの欠陥を判定する最終判定手段と、を備えた構成とすることにより、同様に前記課題を解決したものである。
【００２５】
即ち、本発明においては、対象画像を最少限の空間フィルタで強調処理するようにしたので、その処理時間を大幅に短縮することができると共に、ムラ弱分布画像からムラの形状に相当する候補領域を抽出する際、ムラ強分布画像に含まれる強いムラにより対応する領域をラベリングし、ラベリング（抽出）された候補領域の中から不良を選択するようにしたので、ムラを高精度に検出することができる。
【００２６】
【発明の実施の形態】
以下、図面を参照して、本発明の実施の形態について詳細に説明する。
【００２７】
図１は、本発明に係る第１実施形態のムラ検査装置の概略構成を示すブロック図である。
【００２８】
本実施形態の検査装置は、図示しないシャドウマスク等の周期性パターンを有する対象物を撮像して対象画像を入力する画像入力装置（撮像手段）１０と、入力された対象画像からムラを検出するための画像処理を行う画像処理装置１２とを備えている。
【００２９】
上記画像処理装置１２は、入力された対象画像を前記図２０で説明した従来装置と同様の前処理を行う前処理部１４と、前処理後の対象画像を最少限の空間フィルタで対象画像のムラを強調して強調画像を作成するムラ強調部（強調手段）１６と、上側閾値と下側閾値とを設定する閾値設定部１８と、設定された上側閾値を用いて前記強調画像を２値化してムラ強分布画像を作成するムラ強分布抽出部２０と、設定された下側閾値を用いて前記強調画像を２値化してムラ弱分布画像を作成するムラ弱分布抽出部２２と、ムラ強分布画像中のムラに対応するムラ弱分布のムラの領域のみをラベリングして候補領域が抽出された候補領域ラベリング画像を作成するムラ候補選定部２４と、抽出された候補領域に関して形状データを算出するムラ候補解析部２６と、算出された形状データからムラの良否を判定する判定部２８と、該判定部２８に判定条件を設定する判定条件設定部３０とを備えている。
【００３０】
本実施例の検査装置について詳述すると、前記ムラ強調部１６では、従来と同様に対象画像に対して周囲との明るさの違いを強調するフィルタリング処理を行って強調画像を作成するが、従来とは異なり、沢山の空間フィルタを使用する形状に依存した強調処理は行わず、最少限必要な空間フィルタのみを使用して強調処理を行う。
【００３１】
具体的には、図２（Ａ）〜図４（Ａ）に示したように、長さと幅が次第に大きくなる縦方向の楕円状（スジ状）のムラの場合であれば、それぞれ対応させて（Ｂ）に示したように、そのムラの幅に対応する数の係数２の強調要素と、加算すると零になる数の係数−１の要素とからなる横１ラインの２次微分フィルタを使用する。但し、これらの図では、ムラの幅と係数２の要素の数とは正確に対応して示されていない。
【００３２】
このように、使用する空間フィルタを、ムラの長さや方向に合わせずに横方向に１ラインとし、係数２の強調要素の数をムラの幅のみに合わせて調整することにより、使用する空間フィルタの数を大幅に削減できることから、計算にあまり時間がかからず、不感帯も縦方向についてはないため、最少限の大きさで済ませることができる。しかも、１ラインずつ処理することになるため、ムラの方向に対する依存性は非常に小さくなる。但し、横方向１ラインの空間フィルタでは、完全に横向きの楕円状のムラは検出できないため、図２（Ｂ）〜図４（Ｂ）に示したフィルタを縦向きにした縦方向１ラインの空間フィルタ（図示省略）も別途用意する必要がある。
【００３３】
又、図５（Ａ）〜図７（Ａ）に示したように、大きさが順に大きくなる円状のムラに対しては、それぞれ対応させて（Ｂ）に示した構成の空間フィルタ（２次微分フィルタ）を適用する。ここでも、ムラの大きさとフィルタの大きさとは必ずしも対応して示されていないが、各フィルタは前記図２（Ｂ）〜図４（Ｂ）に示した横方向１ラインのフィルタと、構成が同一の縦方向１ラインのフィルタとを、中心要素を交差させて重ね合わせることにより、該要素の係数を４とした構成になっている。
【００３４】
従って、図４（Ｂ）のフィルタを組み合わせた図７（Ｂ）のフィルタは、縦横がそれぞれＮ画素の円状ムラを強調する場合に適しており、係数４の中心要素の上下左右にそれぞれ係数２の要素が（Ｎ−１）／２個ずつ配列され、更にその外側にそれぞれＮ個の係数−１の要素が配列された構成になっている。それ故、このような円状のムラに適用する空間フィルタも、強調処理は縦横に１ライン分の計算で済むことから、大幅に処理時間の短縮を図ることができる。
【００３５】
前記閾値設定部１８により設定する上側閾値と下側閾値は、それぞれムラ強分布抽出部２０とムラ弱分布抽出部２２において、ムラ強分布抽出処理とムラ弱分布抽出処理で２値化処理を行うための閾値である。上側及び下側の各閾値の決定方法としては、以下の方法が考えられる。
【００３６】
方法１：静的決定方法
対象物の代表的なサンプルを用いて事前に求めておく。この場合、用いるサンプルは多いほどよい。
方法２：動的決定方法
強調画像の統計量から決定する。例えば、分散を求め、そのＮ倍を上側閾値、Ｍ倍を下側閾値とする。但し、Ｎ＞Ｍとする。
方法３：動的決定方法
いわゆるＰタイル法を使い、例えば、以下のようにする。
上側閾値Ｔｕ＝画像のＮ％の値の画素が対象となる階調値
下側閾値Ｔｂ＝上側閾値Ｔｕ−Ｍ
【００３７】
この場合、Ｍは定数でもよいし、Ｔｕの値に応じて、例えばその７０％の値とするというように、変えてもよい。なお、上記ＴｕやＴｂの値には、予め限界値ＴｕL とＴｂL を設けておき、これを下回る場合に限界値で書き換える等の処理を行うと更に信頼性を高くすることができる。その際、限界値は前記方法１等で求めておくことができる。
【００３８】
前記ムラ強分布抽出部２０では、前記ムラ強調部１６で作成された強調画像に対して、前記閾値設定部１８で求めた上側閾値で２値化処理してムラ強分布画像を作成する。この処理で強調画像中のムラの程度の強い部分が対象として抽出された２値画像が作成される。この２値画像では、不良となるムラの領域が対象として抽出される可能性が高いが、形状的に良品としてもよいムラの領域も抽出される。
【００３９】
前記ムラ弱分布抽出部２２では、前記閾値設定部１８で作成された強調画像に対して、同様に求めた下側閾値で２値化処理してムラ弱分布画像を作成する。この処理により、強調画像中ではムラの良、不良に拘らず、ある程度以上の強さのムラが存在する領域が対象として抽出された２値画像が得られる。この２値画像には、ムラが発生している領域、つまりムラの形状が抽出されている。
【００４０】
前記ムラ候補選定部２４では、ムラ強分布画像に抽出されている強いムラが存在する強領域をラベルとして選択し、ムラ弱分布画像に抽出されている対象領域から、上記ムラ強分布画像の強領域に対応する領域のみをラベリングして不良である可能性の高い候補領域として抽出し、それを候補領域ラベリング画像とする。
【００４１】
前記ムラ候補解析部２６では、上記候補領域ラベリング画像中にラベリングされている各候補領域に関して、形状データを算出する。この形状データの例としては、例えば面積、最大径、水平フィレ径、垂直フィレ径等を挙げることができる。この形状データについて、図８に示したムラ（対象領域）を例に説明すると、このムラが内接する矩形を考え、この矩形の縦横の長さＡ、Ｂがそれぞれ垂直フィレ径、水平フィレ径であり、Ｃが最大径である。
【００４２】
前記判定部（形状データ判定手段）２８では、算出された形状データからムラの良否判定を行う。これは、得られた形状データが検出対象とするムラの形状条件に合致した場合に、そのムラを不良と判定する処理である。これは、複数の条件から判定を行う処理なので、例えば単純な条件判断、ニューロ処理、ファジー処理等の方法を採用することができる。又、前記判定条件設定部３０には、円状、楕円状の各ムラについて、欠陥（不良）として判定すべき形状データが予め保存されている。
【００４３】
次に、本実施形態の作用を、図９のフローチャートに従って説明する。
【００４４】
まず、前記画像入力装置１０により対象物を撮像して入力した対象画像に対して、前記前処理部１２によりノイズ除去や、シャドウマスクであれば更に透過率画像を作成する等の前処理を行って、図１０にイメージを示した被検査画像を作成する（ステップ１）。
【００４５】
次いで、前記ムラ強調部１６により、前記図２（Ｂ）〜図７（Ｂ）に示したような２次微分処理用の空間フィルタを用いてフィルタリング処理することにより、ムラ強調処理を行い、図１１にイメージを示した強調画像を作成する（ステップ２）。
【００４６】
次いで、前記ムラ強分布抽出部２０により、上記強調画像からムラの強い部分（輝度の高い部分）を２値化して抽出するムラ強分布抽出処理を行い、図１２にイメージを示したムラ強調分布画像を作成すると共に、前記ムラ弱分布抽出部２２により、上記強調画像からムラの弱い部分（強い部分も含む）を２値化して抽出するムラ弱分布抽出処理を行い、図１３に示したムラ弱分布画像を作成する（ステップ３、４）。
【００４７】
次いで、前記ムラ候補選定部２４により、上記図１３のムラ弱分布画像から、前記図１２のムラ強分布画像の強領域を含む候補領域を抽出（ラベリング）するムラ候補領域選定処理を行って、図１４に示した候補領域ラベリング画像を得る（ステップ５）。より被覆してもよい。
【００４８】
次いで、前記ムラ候補解析部２６により、図１５にイメージを示したように、ラベリングした個々の候補領域について、前述した形状データを算出するムラ候補領域解析処理を行い、その算出結果に基づいて前記判定部２８により、図１６に示したように、ムラに該当する形状データを持つ領域をＮＧとする判定を行う。
【００４９】
以上詳述した本実施形態によれば、ムラの形状に応じて多数の空間フィルタを用いる強調処理を行う必要がないので、短い処理時間で検査することができる。又、適切な閾値の設定が容易であり、不感帯（検査できない領域）を小さくすることができるので、未検出を少なくすることができ、又、ムラの強さと形状を使って判定することができるので、誤検出を少なくすることができる。更に、フィルタのサイズを小さくすることができるので、被検査画像における未検査領域を小さくすることができ、又、ムラの形状も計測することができる。
【００５０】
図１７は、本発明に係る第２実施形態のムラ検査装置の概略構成を示す、前記図１に相当するブロック図である。
【００５１】
図１７において、図１と同一部分は実質的に同一なので、同一の符号を付して、その詳細な説明を省略する。但し、図１における閾値設定部１８は、ムラ強分布抽出用とムラ弱分布抽出用の各閾値（図中、しきい値）設定部１８Ａ及び１８Ｂに分割されていると共に、ムラ候補解析部２６、判定部２８、判定条件設定部３０は、それぞれの特徴を明確にするために“形状データ”という文言を追加した名称にしてある。
【００５２】
本実施形態のムラ検査装置は、前記第１実施形態に、前記ムラ候補選定部２４により選定（抽出）されたムラの候補領域に対応する前記強調画像の輝度値の平均値を算出するムラ候補対応強調画像の平均値解析部３２と、算出された輝度値の平均値が、予め設定されている判定条件である基準値を超えた場合に不良と判定する強調画像の平均値判定部３４と、該判定部３４に対して上記基準値を設定する平均値判定条件設定部３６と、上記平均値判定部３４及び前記形状データ判定部２８によるそれぞれの判定結果に基づいてムラの欠陥を判定するＯＫ／ＮＧ判定部（最終判定手段）３８と、を追加した以外は、第１実施形態と実質的に同一である。
【００５３】
本実施形態においては、前記図９に相当する図１８に処理手順を示したように、ステップ１０で画像入力装置１０により検査対象を撮像して対象画像を入力し、該対象画像に対して前記第１実施形態においてステップ１〜５で示した処理と実質上同一の処理をステップ１１〜１５により順次実行する。その後、前記ステップ６のムラ候補領域解析処理に相当する処理として、前記第１実施形態と同様の形状データの算出（ステップ１６Ａ）と共に、前記平均値解析部３２による微分値の平均値の算出（ステップ１６Ｂ）の各処理を行ない、その後、ステップ１６Ａ、１６Ｂの各算出結果に対して判定処理を行なう（ステップ１７）。
【００５４】
本実施形態について詳述すると、上記ステップ１６Ｂで実行される微分値の平均値の算出は、前記平均値解析部３２において、前記ムラ候補選定部２４から入力される前記図１４に示したラベリング画像として抽出された候補領域に対応する、前記図１１に示した強調画像上の領域の輝度値の平均を求めることである。これは、前記図２〜４に示したスジ（楕円）状ムラ用と前記図５〜７に示したシミ（円）状ムラ用の２次微分フィルタにより、前記図１０の被検査画像をフィルタリングして得られた微分値（強調画像の輝度値）を前記候補領域の範囲について積算（積分）し、その積算値を面積（画素数）で除算することにより、単位面積（１画素）当たりの輝度値（平均値）を算出することに当る。
【００５５】
この平均値の算出を、図１９（Ａ）及び（Ｂ）の上段にそれぞれ示したムラ候補１及び２に関する強調画像の輝度のプロフィルを例に更に具体的に説明する。
【００５６】
この図１９（Ａ）及び（Ｂ）に示したプロファイルが、便宜上円形のムラの中心を通るライン上の輝度であるとすると、高い閾値（上側閾値）で２値化した強分布画像と低い閾値（下側閾値）で２値化した弱分布画像は、それぞれ中段と下段に図示したように、共に同じであるため、前記ラベリング画像としては同一の候補領域として抽出され、同程度のムラとして認識されることになる。
【００５７】
即ち、前記第１実施形態のように、強分布画像の強領域を決める閾値と弱分布画像によるムラの形状の２種類の情報から判定する場合には、上記ムラ候補１と２は区別できないことになる。ところが、両者のプロファイルを比較すると、ムラ候補２の方が全体として輝度値が大きいことが分かる。実際に、共に同一の候補領域として選択されるが輝度値の大きい後者のみを欠陥として選択したい場合がある。
【００５８】
そこで、上記候補領域、即ち弱分布画像の抽出範囲内にある全画素の輝度値を積算し、その積算値を同範囲の面積（画素数）で除算して平均値をそれぞれ算出すると、図１９のプロファイルに重ねて示したように、ムラ候補１と２の平均値は明確に異なる。
【００５９】
従って、前記平均値判定条件設定部３６により、上記両平均値の間の図中“閾値の範囲”に、判定条件としての基準値を設定することにより、前記平均値判定部３４により、全体としての輝度値が大きいムラ候補２の方を欠陥とし、ムラ候補１の方を実用上の良品として区別することができる。
【００６０】
その結果、ステップ１７の判定処理では、前記形状データ判定部２８により第１実施形態と同様に前記図１６に示した形状データに基づく判定ができると共に、前記平均値判定部３４による強調画像（微分画像）の輝度値（微分値）の平均値をムラの強さを表わす尺度として使用する判定もできるため、前記ＯＫ／ＮＧ判定部３８により更に精度の高い判定を行なうことができ、一段と高い精度でムラを検査することができる。
【００６１】
以上、本発明について具体的に説明したが、本発明は、前記実施形態に示したものに限られるものでなく、その要旨を逸脱しない範囲で種々変更可能である。
【００６２】
例えば、前記第２実施形態では、形状データ判定部２８による判定と、平均値判定部３４による判定とを併用する場合を示したが、これに限定されず、平均値に基づく判定のみを行なってもよい。
【００６３】
【発明の効果】
以上説明したとおり、対象画像のムラを強調する処理時間を短縮できる上に、不感帯を小さくすることができ、しかも、検査精度を向上することができる。
【図面の簡単な説明】
【図１】 本発明に係る第１実施形態のムラ検査装置の概略構成を示すブロック図
【図２】 楕円状のムラと対応する空間フィルタの関係を示す説明図
【図３】 楕円状のムラと対応する空間フィルタの関係を示す他の説明図
【図４】 楕円状のムラと対応する空間フィルタの関係を示す更に他の説明図
【図５】 円状のムラと対応する空間フィルタの関係を示す説明図
【図６】 円状のムラと対応する空間フィルタの関係を示す他の説明図
【図７】 円状のムラと対応する空間フィルタの関係を示す更に他の説明図
【図８】 ムラの形状データを示す説明図
【図９】 第１実施形態の作用を示すフローチャート
【図１０】 被検査画像のイメージを示す説明図
【図１１】 強調画像のイメージを示す説明図
【図１２】 ムラ強分布画像のイメージを示す説明図
【図１３】 ムラ弱分布画像のイメージを示す説明図
【図１４】 候補領域ラベリング画像のイメージを示す説明図
【図１５】 形状データ算出のイメージを示す説明図
【図１６】 判定結果のイメージを示す説明図
【図１７】 本発明に係る第２実施形態のムラ検査装置の概略構成を示すブロック図
【図１８】 第２実施形態の作用を示すフローチャート
【図１９】 第２実施形態による処理の特徴を示す説明図
【図２０】 従来の検査装置の概略構成を示すブロック図
【図２１】 従来の円状のムラと対応する空間フィルタの関係を示す説明図
【図２２】 従来の円状のムラと対応する空間フィルタの関係を示す他の説明図
【図２３】 従来の円状のムラと対応する空間フィルタの関係を示す更に他の説明図
【図２４】 従来の楕円状のムラと対応する空間フィルタの関係を示す説明図
【図２５】 従来の楕円状のムラと対応する空間フィルタの関係を示す他の説明図
【図２６】 従来の楕円状のムラと対応する空間フィルタの関係を示す更に他の説明図
【図２７】 従来の問題点を示す説明図
【図２８】 従来の他の問題点を示す説明図
【図２９】 従来の更に他の問題点を示す説明図
【図３０】 従来の更に他の問題点を示す説明図
【図３１】 従来の更に他の問題点を示す説明図
【符号の説明】
１０…画像入力装置
１２…画像処理部
１４…前処理部
１６…ムラ強調部
１８…閾値設定部
２０…ムラ強分布抽出部
２２…ムラ弱分布抽出部
２４…ムラ候補選定部
２６…ムラ候補解析部
２８…判定部
３０…判定条件設定部
【発明が属する技術分野】
本発明は、光透過性の周期性パターンを有する対象物について、そのパターンの不均一性に起因するムラ感を検査する際に適用して好適な、ムラ検査方法及び装置に関する。
【０００２】
【従来の技術】
光透過性の周期性パターンを有する対象物としては、例えばカラーテレビのブラウン管用のシャドウマスクや、液晶ディスプレイ用のカラーフィルタ等の製品が知られている。このような製品は、周期性パターンが全体に亘って均一に形成されていることが重要であることから、その均一性に乱れが生じている場合は不良品として排除する必要がある。
【０００３】
このような周期性パターンの乱れは、ＣＣＤカメラや撮像管等の画像入力装置を用いて対象物を撮像して画像データを入力し、その画像データを画像処理することによって、入力した画像に存在する明るさの変化であるムラの有無を検査することが考えられる。ところが、画像データにおけるムラは微妙な階調の変化として現われるため、単純な２値化処理ではムラの有無が判定できない。
【０００４】
そこで、本出願人は、このような周期性パターンの乱れをムラとして検査する技術を、例えば特開平６−２２９７３６号公報に既に提案している。これは、図２０にその要部構成を示したように、図示しない対象物を撮像するＣＣＤカメラや撮像管等の画像入力装置１１０と、該装置１１０を介して入力した画像を処理するための画像処理装置１１２を備え、該装置１１２において前処理部１１４、強調処理部１１６及び判定部１１８により、入力された画像データを順次処理することにより、ムラを検査できるようにしたものである。
【０００５】
この検査装置について詳述すると、前記前処理部１１４では、画像を入力する際に混入したノイズを除去する平滑化処理を行う。又、ここでは対象物がシャドウマスクの場合であれば、透過率画像を作成する処理も行う。この透過率画像はシャドウマスクの裏側から光源で照明した際の透過光像を画像入力装置１１０で撮像して入力した対象画像データを、シャドウマスクがない状態で光源のみを撮像して入力した光源画像データで割って作成する。この割算処理により光源自体が持つシェーディングの影響を除くことができる。
【０００６】
次の強調処理部１１６では、検出しようとする、即ち発生が予想されるムラの形状を想定し、想定したムラ毎に異なる強調処理を微分フィルタ等で画像データをフィルタリング処理することにより行う。
【０００７】
ここで実行する強調処理としては２次微分処理があり、この処理用の空間フィルタとしては、方向性が無い円状のムラの場合は、図２１（Ａ）に概念的に示した小さいムラであれば同図（Ｂ）のように、係数４の強調領域が１要素からなるものが用いられる。このフィルタを用いる２次微分処理（フィルタリング処理）は、注目画素を中心とし、その画素値に中心要素の係数４をかけた値と、周囲８画素の画素値に対応する要素の各係数をそれぞれかけた値を加算した結果を、該注目画素の画素値に設定し直すという処理を、画像領域全体に対して実行することにあたる。
【０００８】
上記フィルタリング処理によりムラを適切に強調するためには、その大きさに応じた強調領域（係数が４の範囲）を有する空間フィルタが必要とされ、例えば図２２（Ａ）の円状のムラであれば、同図（Ｂ）の構成要素からなるフィルタを、又図２３（Ａ）に示すように縦横がいずれも略Ｎ画素のムラであれば、同図（Ｂ）に簡略化して示したように、ムラの大きさに応じたＮ×Ｎ要素からなる係数４の強調領域を有し、全体で３Ｎ×３Ｎの大きさのフィルタを使用する必要がある。但し、ここで示した空間フィルタは、２次微分フィルタによる強調処理と、強調された画像から微小変動部分を除くための平滑化処理を同時に実行できるように構成したものである。
【０００９】
又、ムラには、方向性を有する楕円状（スジ状）のムラも存在する。このムラの場合は、図２４（Ａ）に概念的に示した縦方向に長い小さいムラであれば、同図（Ｂ）に示した、幅、長さ、方向がムラの形状に近い強調領域（係数２の範囲）を有するフィルタが有効である。従って、図２５（Ａ）の楕円状ムラであれば、同図（Ｂ）に示した縦に長いフィルタが有効であり、図２６（Ａ）のムラのように、幅がＮ画素、長さがＭ画素の場合は、同図（Ｂ）に簡略化して示したように、強調領域の幅がＮ、縦方向の長さがＭのフィルタが有効である。そして、以上のような空間フィルタを使って強調処理を行う場合、ムラが大きい程、即ちＮやＭが大きい程計算に時間がかかる。
【００１０】
又、前記判定部１１８では、ムラを強調した上記強調画像から判定処理によってムラを検出する。ここで行う判定処理としては、単純な２値化処理した結果や、２値化した画像からの形状解析した結果に基づいて判定するものがある。
【００１１】
【発明が解決しようとする課題】
しかしながら、上述した検査装置には、微妙な階調変化として現われるムラを精度良く検査できる利点はあるものの、以下の（１）〜（４）の問題点があるため、検査の自動化が極めて困難となっている。
【００１２】
（１）前述したように、前記強調処理では、発生するムラの形状を想定している。ムラの形状の例としては、図２７（Ａ）に円状のムラを、同図（Ｂ）に楕円状のムラをそれぞれ小さいものから順に示したように、さまざまな大きさや長さのものが存在するため、ムラの形状を限定することは難しい。又、あらゆる形状で発生する可能性があると考えなければならないことから、上記図２７（Ｃ）に示すように、楕円状のムラの場合には、幅と長さが同じものについて、その方向（傾き）も考慮に入れることになれば、その数は更に多くなる。そして、前述したように、適切に全ての形状のムラを検査しようとする場合には、検出対象となるムラの形状毎にそれぞれ対応したフィルタを用いた強調処理が必要になるため、このように全ての形状のムラを同一の検出能力で検査しようとする場合には、信頼性は高いが全体の処理時間が非常に長くなってしまう。
【００１３】
（２）そこで、処理時間を短くするために、実際にはムラの形状を、円状のムラや楕円（スジ）状のムラに限定すると共に、その大きさや長さも限定することにより、これらに対応するいくつかのフィルタに限定して用いている。しかし、形状をある程度限定して処理時間を短くしようとする場合には、図２８（Ａ）に示した大きさが異なる円状のムラの場合であれば、（１）と（３）の形状用のフィルタのみを使用すると、（２）の形状の強調感度が低くなり、同図（Ｂ）に示した長さが異なる楕円状の場合は、同様に（１）と（３）の形状用のフィルタのみでは（２）の形状に対して感度が低くなる。
【００１４】
更に、方向については、同図（Ｃ）に示す（１）用のフィルタでは、（２）の形状に対しては低い感度で検出できるが、（３）〜（５）の形状は全く検出できない。数を増やして（１）、（３）、（５）の各形状用のフィルタを使用したとしても、（２）、（４）の形状に対しては感度が低くなる。この方向に対する依存性は、ムラの長さが長いほど顕著になる。このように、適用するフィルタの数を減らして処理時間を短くする場合には、検出できないかあるいは著しく検出感度が低いムラの形状が存在していることになるため、信頼性が低くなってしまうことになる。
【００１５】
（３）又、前記強調処理では、使用する空間フィルタの形状に応じて検査できない領域、即ち不感帯が存在する。図２９（Ａ）には、円状のムラ用の空間フィルタで処理する場合に生じる不感帯を示した。この不感帯は、前述したように、フィルタリング処理は、空間フィルタの中心要素に注目画素を対応させた状態で、各要素に対応する画素値にそれぞれの係数をかけた値の加算値を、中心画素の画素値に設定する処理であるため、図２９（Ａ）に示したように、対象画像が縦ＩＭ画素、横ＩＮ画素の大きさであり、これに適用するフィルタが縦２Ｋｍ＋１、横２Ｋｎ＋１であったとすると、強調画像は縦ＩＭ−２Ｋｍ画素、横ＩＮ−２Ｋｎ画素の大きさになり、その周囲に計算不能の縦方向Ｋｍ、横方向Ｋｎの幅からなる不感帯（斜線部の領域）が生じることになる。因みに、同図（Ｂ）に示したフィルタは、Ｋｍ＝Ｋｎ＝４の例である。
【００１６】
図３０は、楕円状のムラ用フィルタの場合であり、円状の場合に比べて横方向の幅Ｋｎは狭くなるものの、同様に不感帯が生じることになる。
【００１７】
このように、強調処理のためのフィルタの形状に応じて画像データの周辺部分に不感帯（検査できない領域）が存在してしまう。そして、特に大きなムラを対象とする場合には、そのサイズに応じて大きなフィルタを使うことになるので、不感帯の幅Ｋｍ、Ｋｎも非常に大きな領域を占めることになる。
【００１８】
（４）更に、対象物にはムラといっても欠陥としなければならないムラと、経験的に欠陥と判定しなくてもよいムラが存在する。図３１（Ａ）は、周期性パターンを有する対象物を撮像して得られた被検査画像（対象画像）のイメージを示したもので、この画像には、全体的に一様な明るさではなく、斜線で示したような明るさが不均一なムラが存在しているが、このムラには欠陥としなければならないもの（ＮＧ）と、欠陥としなくてもよいもの（ＯＫ）とが混在している。
【００１９】
この対象画像にある１つのフィルタを適用して強調すると、明るさの異なる領域が強調されて、同図（Ｂ）に示した強調画像が得られる。この強調画像からムラの欠陥を判定するために２値化する場合、閾値を高くすれば、同図（Ｃ）に示したように、ムラの形状が不明になる上に、ＮＧ以外のものも現われる。逆に、閾値を低くすれば、その形状（円状）から細長い形状のＮＧと区別つくものもあるが、つかないものも現われることがある。従って、強調画像を２値化して良否の判定処理を行う場合、その閾値の設定が非常に難しいため、誤検出が多くなるという問題もある。
【００２０】
本発明は、前記従来の問題点を解決するべくなされたもので、対象画像のムラを強調する処理時間を大幅に短縮できる上に、不感帯を狭くすることができ、しかも検査精度を向上することができる、ムラの検査方法及び装置を提供することを課題とする。
【００２１】
【課題を解決するための手段】
本発明は、周期性パターンを有する対象物を撮像して入力した対象画像を処理し、該対象画像上に周期性パターンの均一性の乱れに起因して存在するムラを検査するムラ検査方法において、前記対象画像を空間フィルタで強調して強調画像を作成し、該強調画像を上側と下側の２つの閾値でそれぞれ２値化して、ムラ強分布画像とムラ弱分布画像を作成し、ムラ強分布画像中のムラに対応するムラ弱分布画像中のムラの領域のみをラベリングして候補領域が抽出された候補領域ラベリング画像を作成し、抽出された候補領域の中から不良のムラを選択することにより、前記課題を解決したものである。
【００２２】
本発明は、又、周期性パターンを有する対象物を撮像して対象画像を入力する撮像手段と、入力された対象画像を処理し、該対象画像上に周期パターンの均一性の乱れに起因して存在するムラを検出する画像処理手段とを備えているムラ検査装置において、前記画像処理手段が、空間フィルタで対象画像のムラを強調して強調画像を作成する強調手段と、上側閾値と下側閾値とを設定する閾値設定手段と、設定された上側閾値を用いて前記強調画像を２値化してムラ強分布画像を作成するムラ強分布抽出手段と、設定された下側閾値を用いて前記強調画像を２値化してムラ弱分布画像を作成するムラ弱分布抽出手段と、ムラ強分布画像中のムラに対応するムラ弱分布画像中のムラの領域のみをラベリングして候補領域が抽出された候補領域ラベリング画像を作成するムラ候補選定手段と、抽出された候補領域に関して形状データを算出するムラ候補解析手段と、算出された形状データが予め作成されているムラの形状データに該当した場合に不良と判定する形状データ判定手段と、を備えた構成とすることにより、同様に前記課題を解決したものである。
【００２３】
本発明は、又、周期性パターンを有する対象物を撮像して対象画像を入力する撮像手段と、入力された対象画像を処理し、該対象画像上に周期パターンの均一性の乱れに起因して存在するムラを検出する画像処理手段とを備えているムラ検査装置において、前記画像処理手段が、空間フィルタで対象画像のムラを強調して強調画像を作成する強調手段と、上側閾値と下側閾値とを設定する閾値設定手段と、設定された上側閾値を用いて前記強調画像を２値化してムラ強分布画像を作成するムラ強分布抽出手段と、設定された下側閾値を用いて前記強調画像を２値化してムラ弱分布画像を作成するムラ弱分布抽出手段と、ムラ強分布画像中のムラに対応するムラ弱分布画像中のムラの領域のみをラベリングして候補領域が抽出された候補領域ラベリング画像を作成するムラ候補選定手段と、抽出された候補領域に対応する前記強調画像の輝度値の平均値を算出する平均値解析手段と、算出された輝度値の平均値が予め設定されている基準値を超えた場合に不良と判定する平均値判定手段と、を備えた構成とすることにより、同様に前記課題を解決したものである。
【００２４】
本発明は、又、周期性パターンを有する対象物を撮像して対象画像を入力する撮像手段と、入力された対象画像を処理し、該対象画像上に周期パターンの均一性の乱れに起因して存在するムラを検出する画像処理手段とを備えているムラ検査装置において、前記画像処理手段が、空間フィルタで対象画像のムラを強調して強調画像を作成する強調手段と、上側閾値と下側閾値とを設定する閾値設定手段と、設定された上側閾値を用いて前記強調画像を２値化してムラ強分布画像を作成するムラ強分布抽出手段と、設定された下側閾値を用いて前記強調画像を２値化してムラ弱分布画像を作成するムラ弱分布抽出手段と、ムラ強分布画像中のムラに対応するムラ弱分布画像中のムラの領域のみをラベリングして候補領域が抽出された候補領域ラベリング画像を作成するムラ候補選定手段と、抽出された候補領域に関して形状データを算出するムラ候補解析手段と、算出された形状データが予め作成されているムラの形状データに該当した場合に不良と判定する形状データ判定手段と、抽出された候補領域に対応する前記強調画像の輝度値の平均値を算出する平均値解析手段と、算出された輝度値の平均値が予め設定されている基準値を超えた場合に不良と判定する平均値判定手段と、該平均値判定手段及び前記形状データ判定手段の両判定結果に基づいてムラの欠陥を判定する最終判定手段と、を備えた構成とすることにより、同様に前記課題を解決したものである。
【００２５】
即ち、本発明においては、対象画像を最少限の空間フィルタで強調処理するようにしたので、その処理時間を大幅に短縮することができると共に、ムラ弱分布画像からムラの形状に相当する候補領域を抽出する際、ムラ強分布画像に含まれる強いムラにより対応する領域をラベリングし、ラベリング（抽出）された候補領域の中から不良を選択するようにしたので、ムラを高精度に検出することができる。
【００２６】
【発明の実施の形態】
以下、図面を参照して、本発明の実施の形態について詳細に説明する。
【００２７】
図１は、本発明に係る第１実施形態のムラ検査装置の概略構成を示すブロック図である。
【００２８】
本実施形態の検査装置は、図示しないシャドウマスク等の周期性パターンを有する対象物を撮像して対象画像を入力する画像入力装置（撮像手段）１０と、入力された対象画像からムラを検出するための画像処理を行う画像処理装置１２とを備えている。
【００２９】
上記画像処理装置１２は、入力された対象画像を前記図２０で説明した従来装置と同様の前処理を行う前処理部１４と、前処理後の対象画像を最少限の空間フィルタで対象画像のムラを強調して強調画像を作成するムラ強調部（強調手段）１６と、上側閾値と下側閾値とを設定する閾値設定部１８と、設定された上側閾値を用いて前記強調画像を２値化してムラ強分布画像を作成するムラ強分布抽出部２０と、設定された下側閾値を用いて前記強調画像を２値化してムラ弱分布画像を作成するムラ弱分布抽出部２２と、ムラ強分布画像中のムラに対応するムラ弱分布のムラの領域のみをラベリングして候補領域が抽出された候補領域ラベリング画像を作成するムラ候補選定部２４と、抽出された候補領域に関して形状データを算出するムラ候補解析部２６と、算出された形状データからムラの良否を判定する判定部２８と、該判定部２８に判定条件を設定する判定条件設定部３０とを備えている。
【００３０】
本実施例の検査装置について詳述すると、前記ムラ強調部１６では、従来と同様に対象画像に対して周囲との明るさの違いを強調するフィルタリング処理を行って強調画像を作成するが、従来とは異なり、沢山の空間フィルタを使用する形状に依存した強調処理は行わず、最少限必要な空間フィルタのみを使用して強調処理を行う。
【００３１】
具体的には、図２（Ａ）〜図４（Ａ）に示したように、長さと幅が次第に大きくなる縦方向の楕円状（スジ状）のムラの場合であれば、それぞれ対応させて（Ｂ）に示したように、そのムラの幅に対応する数の係数２の強調要素と、加算すると零になる数の係数−１の要素とからなる横１ラインの２次微分フィルタを使用する。但し、これらの図では、ムラの幅と係数２の要素の数とは正確に対応して示されていない。
【００３２】
このように、使用する空間フィルタを、ムラの長さや方向に合わせずに横方向に１ラインとし、係数２の強調要素の数をムラの幅のみに合わせて調整することにより、使用する空間フィルタの数を大幅に削減できることから、計算にあまり時間がかからず、不感帯も縦方向についてはないため、最少限の大きさで済ませることができる。しかも、１ラインずつ処理することになるため、ムラの方向に対する依存性は非常に小さくなる。但し、横方向１ラインの空間フィルタでは、完全に横向きの楕円状のムラは検出できないため、図２（Ｂ）〜図４（Ｂ）に示したフィルタを縦向きにした縦方向１ラインの空間フィルタ（図示省略）も別途用意する必要がある。
【００３３】
又、図５（Ａ）〜図７（Ａ）に示したように、大きさが順に大きくなる円状のムラに対しては、それぞれ対応させて（Ｂ）に示した構成の空間フィルタ（２次微分フィルタ）を適用する。ここでも、ムラの大きさとフィルタの大きさとは必ずしも対応して示されていないが、各フィルタは前記図２（Ｂ）〜図４（Ｂ）に示した横方向１ラインのフィルタと、構成が同一の縦方向１ラインのフィルタとを、中心要素を交差させて重ね合わせることにより、該要素の係数を４とした構成になっている。
【００３４】
従って、図４（Ｂ）のフィルタを組み合わせた図７（Ｂ）のフィルタは、縦横がそれぞれＮ画素の円状ムラを強調する場合に適しており、係数４の中心要素の上下左右にそれぞれ係数２の要素が（Ｎ−１）／２個ずつ配列され、更にその外側にそれぞれＮ個の係数−１の要素が配列された構成になっている。それ故、このような円状のムラに適用する空間フィルタも、強調処理は縦横に１ライン分の計算で済むことから、大幅に処理時間の短縮を図ることができる。
【００３５】
前記閾値設定部１８により設定する上側閾値と下側閾値は、それぞれムラ強分布抽出部２０とムラ弱分布抽出部２２において、ムラ強分布抽出処理とムラ弱分布抽出処理で２値化処理を行うための閾値である。上側及び下側の各閾値の決定方法としては、以下の方法が考えられる。
【００３６】
方法１：静的決定方法
対象物の代表的なサンプルを用いて事前に求めておく。この場合、用いるサンプルは多いほどよい。
方法２：動的決定方法
強調画像の統計量から決定する。例えば、分散を求め、そのＮ倍を上側閾値、Ｍ倍を下側閾値とする。但し、Ｎ＞Ｍとする。
方法３：動的決定方法
いわゆるＰタイル法を使い、例えば、以下のようにする。
上側閾値Ｔｕ＝画像のＮ％の値の画素が対象となる階調値
下側閾値Ｔｂ＝上側閾値Ｔｕ−Ｍ
【００３７】
この場合、Ｍは定数でもよいし、Ｔｕの値に応じて、例えばその７０％の値とするというように、変えてもよい。なお、上記ＴｕやＴｂの値には、予め限界値ＴｕL とＴｂL を設けておき、これを下回る場合に限界値で書き換える等の処理を行うと更に信頼性を高くすることができる。その際、限界値は前記方法１等で求めておくことができる。
【００３８】
前記ムラ強分布抽出部２０では、前記ムラ強調部１６で作成された強調画像に対して、前記閾値設定部１８で求めた上側閾値で２値化処理してムラ強分布画像を作成する。この処理で強調画像中のムラの程度の強い部分が対象として抽出された２値画像が作成される。この２値画像では、不良となるムラの領域が対象として抽出される可能性が高いが、形状的に良品としてもよいムラの領域も抽出される。
【００３９】
前記ムラ弱分布抽出部２２では、前記閾値設定部１８で作成された強調画像に対して、同様に求めた下側閾値で２値化処理してムラ弱分布画像を作成する。この処理により、強調画像中ではムラの良、不良に拘らず、ある程度以上の強さのムラが存在する領域が対象として抽出された２値画像が得られる。この２値画像には、ムラが発生している領域、つまりムラの形状が抽出されている。
【００４０】
前記ムラ候補選定部２４では、ムラ強分布画像に抽出されている強いムラが存在する強領域をラベルとして選択し、ムラ弱分布画像に抽出されている対象領域から、上記ムラ強分布画像の強領域に対応する領域のみをラベリングして不良である可能性の高い候補領域として抽出し、それを候補領域ラベリング画像とする。
【００４１】
前記ムラ候補解析部２６では、上記候補領域ラベリング画像中にラベリングされている各候補領域に関して、形状データを算出する。この形状データの例としては、例えば面積、最大径、水平フィレ径、垂直フィレ径等を挙げることができる。この形状データについて、図８に示したムラ（対象領域）を例に説明すると、このムラが内接する矩形を考え、この矩形の縦横の長さＡ、Ｂがそれぞれ垂直フィレ径、水平フィレ径であり、Ｃが最大径である。
【００４２】
前記判定部（形状データ判定手段）２８では、算出された形状データからムラの良否判定を行う。これは、得られた形状データが検出対象とするムラの形状条件に合致した場合に、そのムラを不良と判定する処理である。これは、複数の条件から判定を行う処理なので、例えば単純な条件判断、ニューロ処理、ファジー処理等の方法を採用することができる。又、前記判定条件設定部３０には、円状、楕円状の各ムラについて、欠陥（不良）として判定すべき形状データが予め保存されている。
【００４３】
次に、本実施形態の作用を、図９のフローチャートに従って説明する。
【００４４】
まず、前記画像入力装置１０により対象物を撮像して入力した対象画像に対して、前記前処理部１２によりノイズ除去や、シャドウマスクであれば更に透過率画像を作成する等の前処理を行って、図１０にイメージを示した被検査画像を作成する（ステップ１）。
【００４５】
次いで、前記ムラ強調部１６により、前記図２（Ｂ）〜図７（Ｂ）に示したような２次微分処理用の空間フィルタを用いてフィルタリング処理することにより、ムラ強調処理を行い、図１１にイメージを示した強調画像を作成する（ステップ２）。
【００４６】
次いで、前記ムラ強分布抽出部２０により、上記強調画像からムラの強い部分（輝度の高い部分）を２値化して抽出するムラ強分布抽出処理を行い、図１２にイメージを示したムラ強調分布画像を作成すると共に、前記ムラ弱分布抽出部２２により、上記強調画像からムラの弱い部分（強い部分も含む）を２値化して抽出するムラ弱分布抽出処理を行い、図１３に示したムラ弱分布画像を作成する（ステップ３、４）。
【００４７】
次いで、前記ムラ候補選定部２４により、上記図１３のムラ弱分布画像から、前記図１２のムラ強分布画像の強領域を含む候補領域を抽出（ラベリング）するムラ候補領域選定処理を行って、図１４に示した候補領域ラベリング画像を得る（ステップ５）。より被覆してもよい。
【００４８】
次いで、前記ムラ候補解析部２６により、図１５にイメージを示したように、ラベリングした個々の候補領域について、前述した形状データを算出するムラ候補領域解析処理を行い、その算出結果に基づいて前記判定部２８により、図１６に示したように、ムラに該当する形状データを持つ領域をＮＧとする判定を行う。
【００４９】
以上詳述した本実施形態によれば、ムラの形状に応じて多数の空間フィルタを用いる強調処理を行う必要がないので、短い処理時間で検査することができる。又、適切な閾値の設定が容易であり、不感帯（検査できない領域）を小さくすることができるので、未検出を少なくすることができ、又、ムラの強さと形状を使って判定することができるので、誤検出を少なくすることができる。更に、フィルタのサイズを小さくすることができるので、被検査画像における未検査領域を小さくすることができ、又、ムラの形状も計測することができる。
【００５０】
図１７は、本発明に係る第２実施形態のムラ検査装置の概略構成を示す、前記図１に相当するブロック図である。
【００５１】
図１７において、図１と同一部分は実質的に同一なので、同一の符号を付して、その詳細な説明を省略する。但し、図１における閾値設定部１８は、ムラ強分布抽出用とムラ弱分布抽出用の各閾値（図中、しきい値）設定部１８Ａ及び１８Ｂに分割されていると共に、ムラ候補解析部２６、判定部２８、判定条件設定部３０は、それぞれの特徴を明確にするために“形状データ”という文言を追加した名称にしてある。
【００５２】
本実施形態のムラ検査装置は、前記第１実施形態に、前記ムラ候補選定部２４により選定（抽出）されたムラの候補領域に対応する前記強調画像の輝度値の平均値を算出するムラ候補対応強調画像の平均値解析部３２と、算出された輝度値の平均値が、予め設定されている判定条件である基準値を超えた場合に不良と判定する強調画像の平均値判定部３４と、該判定部３４に対して上記基準値を設定する平均値判定条件設定部３６と、上記平均値判定部３４及び前記形状データ判定部２８によるそれぞれの判定結果に基づいてムラの欠陥を判定するＯＫ／ＮＧ判定部（最終判定手段）３８と、を追加した以外は、第１実施形態と実質的に同一である。
【００５３】
本実施形態においては、前記図９に相当する図１８に処理手順を示したように、ステップ１０で画像入力装置１０により検査対象を撮像して対象画像を入力し、該対象画像に対して前記第１実施形態においてステップ１〜５で示した処理と実質上同一の処理をステップ１１〜１５により順次実行する。その後、前記ステップ６のムラ候補領域解析処理に相当する処理として、前記第１実施形態と同様の形状データの算出（ステップ１６Ａ）と共に、前記平均値解析部３２による微分値の平均値の算出（ステップ１６Ｂ）の各処理を行ない、その後、ステップ１６Ａ、１６Ｂの各算出結果に対して判定処理を行なう（ステップ１７）。
【００５４】
本実施形態について詳述すると、上記ステップ１６Ｂで実行される微分値の平均値の算出は、前記平均値解析部３２において、前記ムラ候補選定部２４から入力される前記図１４に示したラベリング画像として抽出された候補領域に対応する、前記図１１に示した強調画像上の領域の輝度値の平均を求めることである。これは、前記図２〜４に示したスジ（楕円）状ムラ用と前記図５〜７に示したシミ（円）状ムラ用の２次微分フィルタにより、前記図１０の被検査画像をフィルタリングして得られた微分値（強調画像の輝度値）を前記候補領域の範囲について積算（積分）し、その積算値を面積（画素数）で除算することにより、単位面積（１画素）当たりの輝度値（平均値）を算出することに当る。
【００５５】
この平均値の算出を、図１９（Ａ）及び（Ｂ）の上段にそれぞれ示したムラ候補１及び２に関する強調画像の輝度のプロフィルを例に更に具体的に説明する。
【００５６】
この図１９（Ａ）及び（Ｂ）に示したプロファイルが、便宜上円形のムラの中心を通るライン上の輝度であるとすると、高い閾値（上側閾値）で２値化した強分布画像と低い閾値（下側閾値）で２値化した弱分布画像は、それぞれ中段と下段に図示したように、共に同じであるため、前記ラベリング画像としては同一の候補領域として抽出され、同程度のムラとして認識されることになる。
【００５７】
即ち、前記第１実施形態のように、強分布画像の強領域を決める閾値と弱分布画像によるムラの形状の２種類の情報から判定する場合には、上記ムラ候補１と２は区別できないことになる。ところが、両者のプロファイルを比較すると、ムラ候補２の方が全体として輝度値が大きいことが分かる。実際に、共に同一の候補領域として選択されるが輝度値の大きい後者のみを欠陥として選択したい場合がある。
【００５８】
そこで、上記候補領域、即ち弱分布画像の抽出範囲内にある全画素の輝度値を積算し、その積算値を同範囲の面積（画素数）で除算して平均値をそれぞれ算出すると、図１９のプロファイルに重ねて示したように、ムラ候補１と２の平均値は明確に異なる。
【００５９】
従って、前記平均値判定条件設定部３６により、上記両平均値の間の図中“閾値の範囲”に、判定条件としての基準値を設定することにより、前記平均値判定部３４により、全体としての輝度値が大きいムラ候補２の方を欠陥とし、ムラ候補１の方を実用上の良品として区別することができる。
【００６０】
その結果、ステップ１７の判定処理では、前記形状データ判定部２８により第１実施形態と同様に前記図１６に示した形状データに基づく判定ができると共に、前記平均値判定部３４による強調画像（微分画像）の輝度値（微分値）の平均値をムラの強さを表わす尺度として使用する判定もできるため、前記ＯＫ／ＮＧ判定部３８により更に精度の高い判定を行なうことができ、一段と高い精度でムラを検査することができる。
【００６１】
以上、本発明について具体的に説明したが、本発明は、前記実施形態に示したものに限られるものでなく、その要旨を逸脱しない範囲で種々変更可能である。
【００６２】
例えば、前記第２実施形態では、形状データ判定部２８による判定と、平均値判定部３４による判定とを併用する場合を示したが、これに限定されず、平均値に基づく判定のみを行なってもよい。
【００６３】
【発明の効果】
以上説明したとおり、対象画像のムラを強調する処理時間を短縮できる上に、不感帯を小さくすることができ、しかも、検査精度を向上することができる。
【図面の簡単な説明】
【図１】 本発明に係る第１実施形態のムラ検査装置の概略構成を示すブロック図
【図２】 楕円状のムラと対応する空間フィルタの関係を示す説明図
【図３】 楕円状のムラと対応する空間フィルタの関係を示す他の説明図
【図４】 楕円状のムラと対応する空間フィルタの関係を示す更に他の説明図
【図５】 円状のムラと対応する空間フィルタの関係を示す説明図
【図６】 円状のムラと対応する空間フィルタの関係を示す他の説明図
【図７】 円状のムラと対応する空間フィルタの関係を示す更に他の説明図
【図８】 ムラの形状データを示す説明図
【図９】 第１実施形態の作用を示すフローチャート
【図１０】 被検査画像のイメージを示す説明図
【図１１】 強調画像のイメージを示す説明図
【図１２】 ムラ強分布画像のイメージを示す説明図
【図１３】 ムラ弱分布画像のイメージを示す説明図
【図１４】 候補領域ラベリング画像のイメージを示す説明図
【図１５】 形状データ算出のイメージを示す説明図
【図１６】 判定結果のイメージを示す説明図
【図１７】 本発明に係る第２実施形態のムラ検査装置の概略構成を示すブロック図
【図１８】 第２実施形態の作用を示すフローチャート
【図１９】 第２実施形態による処理の特徴を示す説明図
【図２０】 従来の検査装置の概略構成を示すブロック図
【図２１】 従来の円状のムラと対応する空間フィルタの関係を示す説明図
【図２２】 従来の円状のムラと対応する空間フィルタの関係を示す他の説明図
【図２３】 従来の円状のムラと対応する空間フィルタの関係を示す更に他の説明図
【図２４】 従来の楕円状のムラと対応する空間フィルタの関係を示す説明図
【図２５】 従来の楕円状のムラと対応する空間フィルタの関係を示す他の説明図
【図２６】 従来の楕円状のムラと対応する空間フィルタの関係を示す更に他の説明図
【図２７】 従来の問題点を示す説明図
【図２８】 従来の他の問題点を示す説明図
【図２９】 従来の更に他の問題点を示す説明図
【図３０】 従来の更に他の問題点を示す説明図
【図３１】 従来の更に他の問題点を示す説明図
【符号の説明】
１０…画像入力装置
１２…画像処理部
１４…前処理部
１６…ムラ強調部
１８…閾値設定部
２０…ムラ強分布抽出部
２２…ムラ弱分布抽出部
２４…ムラ候補選定部
２６…ムラ候補解析部
２８…判定部
３０…判定条件設定部
Claims (9)
- 周期性パターンを有する対象物を撮像して入力した対象画像を処理し、該対象画像上に周期性パターンの均一性の乱れに起因して存在するムラを検査するムラ検査方法において、
前記対象画像を空間フィルタで強調して強調画像を作成し、
該強調画像を上側と下側の２つの閾値でそれぞれ２値化して、ムラ強分布画像とムラ弱分布画像を作成し、
ムラ強分布画像中のムラに対応するムラ弱分布画像中のムラの領域のみをラベリングして候補領域が抽出された候補領域ラベリング画像を作成し、
抽出された候補領域の中から不良のムラを選択することを特徴とするムラ検査方法。 - 請求項１において、
前記空間フィルタが、縦１ラインの２次微分フィルタ、横１ラインの２次微分フィルタ、及びこれらを中心要素を重ねて交差させた構成の２次微分フィルタであることを特徴とするムラ検査方法。 - 請求項１において、
前記候補領域の中から不良を選択する際、該領域の形状データを算出し、該形状データが予め作成されているムラの形状データに該当した場合に不良と判定することを特徴とするムラ検査方法。 - 請求項１において、
前記候補領域の中から不良を選択する際、該領域に対応する前記強調画像の輝度値の平均値を算出し、該平均値が予め設定されている基準値を超えた場合に不良と判定することを特徴とするムラ検査方法。 - 請求項１において、
前記候補領域の中から不良を選択する際、該領域の形状データを算出し、該形状データが予め作成されているムラの形状データに該当し、
且つ、同領域に対応する前記強調画像の輝度値の平均値を算出し、該平均値が予め設定されている基準値を超えた場合に不良と判定することを特徴とするムラ検査方法。 - 周期性パターンを有する対象物を撮像して対象画像を入力する撮像手段と、入力された対象画像を処理し、該対象画像上に周期パターンの均一性の乱れに起因して存在するムラを検出する画像処理手段とを備えているムラ検査装置において、
前記画像処理手段が、空間フィルタで対象画像のムラを強調して強調画像を作成する強調手段と、
上側閾値と下側閾値とを設定する閾値設定手段と、
設定された上側閾値を用いて前記強調画像を２値化してムラ強分布画像を作成するムラ強分布抽出手段と、
設定された下側閾値を用いて前記強調画像を２値化してムラ弱分布画像を作成するムラ弱分布抽出手段と、
ムラ強分布画像中のムラに対応するムラ弱分布画像中のムラの領域のみをラベリングして候補領域が抽出された候補領域ラベリング画像を作成するムラ候補選定手段と、
抽出された候補領域に関して形状データを算出するムラ候補解析手段と、
算出された形状データが予め作成されているムラの形状データに該当した場合に不良と判定する形状データ判定手段と、を備えていることを特徴とするムラ検査装置。 - 周期性パターンを有する対象物を撮像して対象画像を入力する撮像手段と、入力された対象画像を処理し、該対象画像上に周期パターンの均一性の乱れに起因して存在するムラを検出する画像処理手段とを備えているムラ検査装置において、
前記画像処理手段が、空間フィルタで対象画像のムラを強調して強調画像を作成する強調手段と、
上側閾値と下側閾値とを設定する閾値設定手段と、
設定された上側閾値を用いて前記強調画像を２値化してムラ強分布画像を作成するムラ強分布抽出手段と、
設定された下側閾値を用いて前記強調画像を２値化してムラ弱分布画像を作成するムラ弱分布抽出手段と、
ムラ強分布画像中のムラに対応するムラ弱分布画像中のムラの領域のみをラベリングして候補領域が抽出された候補領域ラベリング画像を作成するムラ候補選定手段と、
抽出された候補領域に対応する前記強調画像の輝度値の平均値を算出する平均値解析手段と、
算出された輝度値の平均値が予め設定されている基準値を超えた場合に不良と判定する平均値判定手段と、を備えていることを特徴とするムラ検査装置。 - 周期性パターンを有する対象物を撮像して対象画像を入力する撮像手段と、入力された対象画像を処理し、該対象画像上に周期パターンの均一性の乱れに起因して存在するムラを検出する画像処理手段とを備えているムラ検査装置において、
前記画像処理手段が、空間フィルタで対象画像のムラを強調して強調画像を作成する強調手段と、
上側閾値と下側閾値とを設定する閾値設定手段と、
設定された上側閾値を用いて前記強調画像を２値化してムラ強分布画像を作成するムラ強分布抽出手段と、
設定された下側閾値を用いて前記強調画像を２値化してムラ弱分布画像を作成するムラ弱分布抽出手段と、
ムラ強分布画像中のムラに対応するムラ弱分布画像中のムラの領域のみをラベリングして候補領域が抽出された候補領域ラベリング画像を作成するムラ候補選定手段と、
抽出された候補領域に関して形状データを算出するムラ候補解析手段と、
算出された形状データが予め作成されているムラの形状データに該当した場合に不良と判定する形状データ判定手段と、
抽出された候補領域に対応する前記強調画像の輝度値の平均値を算出する平均値解析手段と、
算出された輝度値の平均値が予め設定されている基準値を超えた場合に不良と判定する平均値判定手段と、
該平均値判定手段及び前記形状データ判定手段の両判定結果に基づいてムラの欠陥を判定する最終判定手段と、を備えていることを特徴とするムラ検査装置。 - 請求項６、７又は８において、
前記空間フィルタが、縦１ラインの２次微分フィルタ、横１ラインの２次微分フィルタ、及びこれらを中心要素を重ねて交差させた構成の２次微分フィルタであることを特徴とするムラ検査装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP02334199A JP4318776B2 (ja) | 1998-10-26 | 1999-02-01 | ムラの検査方法及び装置 |
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP30363598 | 1998-10-26 | ||
| JP10-303635 | 1998-10-26 | ||
| JP02334199A JP4318776B2 (ja) | 1998-10-26 | 1999-02-01 | ムラの検査方法及び装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2000199745A JP2000199745A (ja) | 2000-07-18 |
| JP4318776B2 true JP4318776B2 (ja) | 2009-08-26 |
Family
ID=26360691
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP02334199A Expired - Fee Related JP4318776B2 (ja) | 1998-10-26 | 1999-02-01 | ムラの検査方法及び装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP4318776B2 (ja) |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004265264A (ja) * | 2003-03-04 | 2004-09-24 | Matsushita Electric Ind Co Ltd | 画像処理装置 |
| JP4563183B2 (ja) * | 2005-01-05 | 2010-10-13 | 大日本印刷株式会社 | スジ状ムラ欠陥の検査方法および装置 |
| JP4563184B2 (ja) * | 2005-01-05 | 2010-10-13 | 大日本印刷株式会社 | ムラ欠陥の検査方法および装置 |
| JP4657869B2 (ja) | 2005-09-27 | 2011-03-23 | シャープ株式会社 | 欠陥検出装置、イメージセンサデバイス、イメージセンサモジュール、画像処理装置、デジタル画像品質テスタ、欠陥検出方法、欠陥検出プログラム、およびコンピュータ読取可能な記録媒体 |
| JP4566940B2 (ja) * | 2006-03-24 | 2010-10-20 | シーケーディ株式会社 | 検査装置及びｐｔｐシートの製造装置 |
| JP5167731B2 (ja) * | 2007-09-06 | 2013-03-21 | 大日本印刷株式会社 | 検査装置および方法 |
| JP5231779B2 (ja) * | 2007-10-05 | 2013-07-10 | パナソニック株式会社 | 外観検査装置 |
| JP5531405B2 (ja) * | 2008-12-24 | 2014-06-25 | 凸版印刷株式会社 | 周期性パターンのムラ検査方法及び検査装置 |
| JP2013134666A (ja) * | 2011-12-27 | 2013-07-08 | Dainippon Screen Mfg Co Ltd | 二値画像生成装置、分類装置、二値画像生成方法および分類方法 |
| JP2019060818A (ja) * | 2017-09-28 | 2019-04-18 | 大日本印刷株式会社 | 検査装置、検査方法およびプログラム |
-
1999
- 1999-02-01 JP JP02334199A patent/JP4318776B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JP2000199745A (ja) | 2000-07-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US5917957A (en) | Method of and apparatus for processing an image | |
| JP4318776B2 (ja) | ムラの検査方法及び装置 | |
| JPH03160349A (ja) | ひび検出装置 | |
| KR100687811B1 (ko) | 용접부 결함 검출 방법 및 장치 | |
| JP5088165B2 (ja) | 欠陥検出方法および欠陥検出装置 | |
| JP2001184510A (ja) | 欠陥検出方法 | |
| KR101862310B1 (ko) | 얼룩결함 검사장치 및 얼룩결함 검사방법 | |
| JP4139291B2 (ja) | 欠陥検査方法及び装置 | |
| JP2001028059A (ja) | 色ムラ検査方法及び装置 | |
| KR20160097651A (ko) | 유효화 영상처리기법을 이용한 시료의 패턴 검사 장치 및 방법, 그리고 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체 | |
| JP5257063B2 (ja) | 欠陥検出方法および欠陥検出装置 | |
| KR20060052459A (ko) | 화상 검사 장치, 화상 검사 방법, 제어 프로그램 및 컴퓨터판독가능한 기억 매체 | |
| JP6114559B2 (ja) | フラットパネルディスプレイの自動ムラ検出装置 | |
| JP2004053477A (ja) | 色ムラ検査方法及び装置 | |
| JPH08145907A (ja) | 欠陥検査装置 | |
| JP4403036B2 (ja) | 疵検出方法及び装置 | |
| JP2000132684A (ja) | 外観検査方法 | |
| JP3126634B2 (ja) | 外観検査方法 | |
| JP2008233106A (ja) | 外観検査方法及び外観検査装置 | |
| JP2004286708A (ja) | 欠陥検出装置、方法及びプログラム | |
| JPH09288037A (ja) | Ｌｃｄパネルの検査方法 | |
| JP4121628B2 (ja) | 画面検査方法及びその装置 | |
| JP2000028540A (ja) | コンクリート表面の遊離石灰抽出方法 | |
| JPH10123064A (ja) | 外観検査方法 | |
| JP2564737B2 (ja) | 自動磁粉探傷装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20060127 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20080806 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20080819 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20081017 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20090303 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20090427 |
|
| 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: 20090526 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20090527 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120605 Year of fee payment: 3 |
|
| 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: 20120605 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130605 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140605 Year of fee payment: 5 |
|
| LAPS | Cancellation because of no payment of annual fees |