JP4323097B2 - サンプルイメージ中のエラーを検出する方法およびシステム - Google Patents
サンプルイメージ中のエラーを検出する方法およびシステム Download PDFInfo
- Publication number
- JP4323097B2 JP4323097B2 JP2000546521A JP2000546521A JP4323097B2 JP 4323097 B2 JP4323097 B2 JP 4323097B2 JP 2000546521 A JP2000546521 A JP 2000546521A JP 2000546521 A JP2000546521 A JP 2000546521A JP 4323097 B2 JP4323097 B2 JP 4323097B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- probability
- pixel
- pixels
- standard deviation
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/28—Determining representative reference patterns, e.g. by averaging or distorting; Generating dictionaries
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Closed-Circuit Television Systems (AREA)
Description
(技術分野)
この発明は、サンプルイメージ(sample image)中のエラー(error)を検出する方法及びシステムに関し、詳しくは、サンプルイメージ中のエラーを検出するコンピュータによる方法及びシステムに関する。
【0002】
(背景技術)
テンプレート比較分析(template comparison analysis)は、非常に重要なマシンビジョンのアルゴリズムであり、特許及びテキストブックの両方に広範に記載されてきた。本質的にその処理は、オブジェクトの既知の良好なイメージのデジタルで記憶されたバージョンと、しばしば製造ライン(production line)から直接取得される同一のオブジェクトと考えられるもののイメージの間の差異の領域を確認するために、マシンビジョンの技術を使用する。それの主要な目的は、サンプルイメージ(sample image)中の欠点(blemish)を「認識する(recognize)」ことによって、欠陥のある又は損傷した製品を自動的に識別することである。
【0003】
現在の手順(methodology)は、SN比を増大させるために、いくつかの知られた良好なオブジェクトからのイメージ情報(すなわち基準イメージ)を「平均する(average)」ことによって、基準(reference)又は平均(mean)テンプレートイメージをしばしば生成する。平均テンプレートイメージは、ピクセル単位にデータを結合することによって得られるため、オブジェクトとカメラの相対的な整合(relative alignment)を厳密に堅持することが重要であり、そうでなければ平均イメージ(average image)に加えられる前に整合のために後続のイメージを調整しなければならない。
【0004】
ノイズの傾向があることが知られている領域の影響を最少にするために、整合の後でさえ、多くのシステムは、標準偏差イメージ(すなわちσイメージ)又相違イメージ(variation image)も得ている。これらのイメージは、テンプレートの相違の大きい領域(high variance regions)を必ずマッピングする。標準偏差イメージは、ピクセル比較を実行することが望ましくないところのサンプルイメージの領域にフラグをたてるマスクイメージを生成するために使用することができる。
【0005】
一旦、基準又はテンプレートイメージが仕立てられると、それは、テンプレートと入ってくるサンプルイメージの間の整合ピクセル絶対値減算(pixel aligned absolute subtraction)を実行するために使用される。理想的な世界では、サンプルイメージのピクセルは、テンプレートイメージ中のピクセルとすべて同一になるであろう。しかし、実際は、変更がなかったところの領域中でさえ、ノイズによって、確実に、テンプレートとサンプルイメージの明暗度(intensity)レベルがわずかに異なるようになるであろう。主要な欠点を含む領域は、非常に大きい差異信号を生成させるであろう。絶対値の演算子(absolute operator)によって、どの差異信号も確実にいつも正となり、結果として得られるエラーマップは、イメージとして正確に取り扱うことができる。セットマスクイメージピクセル(set mask image pixel)によって指示される相違の大きい領域内で発生する差異の領域は、ゼロに設定され、そのため無視される。
【0006】
比較の処理は、平均イメージとサンプルイメージの間の絶対値減算を単純に実行し、その結果は、標準偏差又は相違イメージの閾値のバージョン(thresholded version)によって、マスクされる。
【0007】
ここで図1を参照すると、米国特許第5,640,200号の1つの技術は、「完全な(perfect)」イメージの複数の例を統計的に結合することによって、複合テンプレートイメージ(composite template image)を最初に作り出す。結果として得られるテンプレートは、標準偏差イメージ(すなわちσイメージ)と共に、平均のイメージから構成される。当然、テンプレートの構成要素内の最も「迅速な(rapid)」速さの変化の領域(すなわち、端及びカラー変化の領域)は、良好なサンプル上でさえ最も大きい相違の影響を受け、また、欠陥を探すときに、ほとんど変化の影響を受けない領域よりもはるかに小さい重みが与えられる、そのような領域のマスクを形成するために使用することができる標準偏差イメージへの寄与の大部分を提供する。
【0008】
一旦、テンプレートイメージが完全に仕立てられると、製造ラインから取得されたサンプルイメージをそれと比較することができる。しかし、テンプレートとサンプルイメージが正確に重なり合うことは非常に少ない。この不整合を除去するために、ある形態の記録(registration)がなされなくてはならない。この処理は、テンプレートとサンプルイメージの両方の上の、知られた目印(landmark)又は標準のマーク(fiducial mark)のいずれかの間の、ある形態の相関を必ず使用し、そうでなければ完全なイメージ自身を使用する。適切に実行されると、この処理は、テンプレートとサンプルの相対的位置のサブピクセル(sub-pixel)の正確な測定を提供することができる。この情報を、イメージをデジタルで再記録するために使用することができ、又はこの情報を、確実に2つのイメージが最適に整合するように、カメラに関してサンプルイメージを再配置するために使用することができる。
【0009】
次に、テンプレートイメージとサンプルイメージの間の欠陥を、その2つの絶対値の減算(absolute subtraction)を実行する簡単な処理によって検出することができる。このように、明暗度が他のものより明るいか暗いかに関わらず、どのような差異(difference)も正の差異(positive difference)となる。
【0010】
この差異の値に、閾値を設定することができるか、又はそれを標準偏差イメージと比較することができる。σイメージと比較することによって、イメージのその領域中の差異が、テンプレートサンプルに由来する分布から予想されるものより大きいかどうかを決定することができる。もし大きければ、そのピクセルは欠陥としてマークされ、そうでなければ、許容できるサンプルの間の自然な統計的な偏差(statistical variation)の部分と判断される。ブロブ分析(blob analysis)のような形態素のツール(morphological tool)を使用する更なる分析の後に、どのような製品(artifact)の位置もハイライトするエラーイメージを提供するために、結果として得られる欠陥のフラグを直接使用することができる。
【0011】
上述の特許のシステムは、多くの用途でうまく働き、広範に使用される。この技術は相当に迅速であるが、多くの望まれることが残っている。例えば、マスクイメージを生成するために、どのレベルで偏差イメージに閾値を設定するのか。また、エラーマップを生成するために、どのレベルでマスクされた差異イメージに閾値を設定するのか。値が高すぎると重大なエラーが見過ごされるであろうし、値が低すぎるとノイズによるちょっとした差異が含まれるであろう。
【0012】
(発明の概要)
本発明の目的は、サンプルイメージ中のピクセルの値(すなわち明暗度)から独立した確率イメージ(probability image)を有するテンプレート比較分析を使用してオブジェクトのサンプルイメージ中のエラーを検出するための方法及びシステムを提供することである。
【0013】
本発明の上記の目的及び他の目的を実行する際に、オブジェクトのサンプルイメージ中のエラーを検出するための方法が提供される。サンプルイメージは、値を有する複数のピクセルを有する。その方法は、オブジェクトの複数の基準イメージを作り出し、オブジェクトの平均テンプレートイメージを作り出すステップを含む。平均テンプレートイメージは、複数のピクセルを有する。平均テンプレートイメージのそれぞれのピクセルは、その複数の基準イメージの、複数の空間的に対応するピクセルの平均である。その方法は、オブジェクトの標準偏差イメージを作り出すステップも含む。標準偏差イメージは、複数のピクセルも含む。標準偏差イメージのそれぞれのピクセルは、複数の基準イメージの、複数の空間的に対応するピクセルの標準偏差である。また、この方法は、オブジェクトの確率イメージを作り出すステップも含む。確率イメージは、複数のピクセルも含む。確率イメージのそれぞれのピクセルの値は、確率(probability)である。確率イメージのそれぞれのピクセルの現在の確率は、平均テンプレート、標準偏差及びサンプルイメージの空間的に対応するピクセルの現在の値から得られる。この方法は、サンプルイメージ中のピクセルの値から独立したサンプルイメージ中のエラーを検出するために確率イメージを処理するステップを更に含む。この方法は、サンプルイメージ中のピクセルの値から独立したサンプルイメージ中のエラーを検出するために、確率イメージを処理するステップを更に含む。
【0014】
好適には、この方法は、平均テンプレート、標準偏差及びサンプルイメージのピクセルについての可能な値に基づいてキャリブレーションデータ(calibration data)を生成し、キャリブレーションデータをピクセルマップの形態で、複数の位置に記憶させるステップを更に含む。確率イメージのそれぞれのピクセルの現在の確率は、平均テンプレート、標準偏差及びサンプルイメージの空間的に対応するピクセルの現在の値によって決定される位置に記憶される。
【0015】
また、好適には、処理するステップは、エラーマップを形成するために確率イメージに閾値を設定するステップを含む。
【0016】
確率イメージは、両極性の(bipolar)確率イメージとすることができ、また、その両極性の確率イメージのピクセルの確率は、符号付きの確率である。両極性の確率イメージのピクセルの確率の符号は、平均テンプレートとサンプルイメージの空間的に対応するピクセルの現在の値の差異に基づいている。処理をするそのステップは、エラーマップを形成するためにゼロラインの両側の所定の確率のところで両極性の確率イメージに閾値を設定するステップも含む。
【0017】
本発明の上述の目的及び他の目的を実行することに加え、ビジョンステーション(vision station)でのオブジェクトのサンプルイメージ中のエラーを検出するためのシステムが提供される。サンプルイメージは、値を有する複数のピクセルを含む。システムは、オブジェクトの複数の基準イメージを作り出すためのイメージング手段(imager)、及びオブジェクトの平均テンプレートイメージを作り出すためのイメージプロセッサを含む。平均テンプレートイメージは、複数のピクセルを有する。平均テンプレートイメージのそれぞれのピクセルは、複数の基準イメージの、複数の空間的に対応するピクセルの平均である。イメージプロセッサは、オブジェクトの標準偏差イメージも作り出す。標準偏差イメージは、複数のピクセルも有する。標準偏差イメージのそれぞれのピクセルは、複数の基準イメージの、複数の空間的に対応するピクセルの標準偏差である。イメージプロセッサは、オブジェクトの確率イメージも作り出す。確率イメージは、複数のピクセルを有する。確率イメージのそれぞれのピクセルの値は、確率である。確率イメージのそれぞれのピクセルの現在の確率は、平均テンプレート、標準偏差及びサンプルイメージの空間的に対応するピクセルの現在の値から得られる。イメージプロセッサは、サンプルイメージ中のピクセルの値から独立したサンプルイメージ中のエラーを検出するために、確率イメージを更に処理する。
【0018】
好適には、システムは、平均テンプレート、標準偏差及びサンプルイメージのピクセルについての可能な値に基づいてキャリブレーションデータを生成するための手段と、当該キャリブレーションデータを複数の位置にピクセルマップの形態で記憶するためのメモリとを含む。確率イメージのそれぞれのピクセルの現在の確率は、平均テンプレート、標準偏差及びサンプルイメージの空間的に対応するピクセルの現在の値によって決定される位置に記憶される。
【0019】
イメージプロセッサは、好適には、エラーマップを形成するための確率イメージに閾値を設定する閾値手段(スレショルダ)(thresholder)も含む。
【0020】
確率イメージは、両極性の確率イメージの複数のピクセルの確率が符号付きの確率であるような、両極性の確率イメージとすることができる。両極性の確率イメージのピクセルの可能性の符号は、平均テンプレートとサンプルイメージの空間的に対応するピクセルの現在の値の間の差異に基づいている。そして、イメージプロセッサは、エラーマップを形成するためにゼロラインの両側の所定の確率のところで両極性の確率イメージに閾値を設定するための閾値手段(スレショルダ)を含む。
【0021】
本発明の、上記の目的及び他の目的、特徴、及び利点は、添付の図面と共に考慮すると、本発明を実行するためのベストモードの以下の詳細な説明から簡単に明らかになる。
【0022】
(本発明を実行するためのベストモード)
本発明の方法及びシステムは、先行技術の上述の問題へ統計的なアプローチを行う「確率イメージ(probability image)」を使用したテンプレート比較分析への新しいアプローチである。
【0023】
図面の図を再び参照すると、符号20で大まかに示される、マシンビジョンシステム及びステーションによって本発明の方法及びシステムがオブジェクトのサンプルイメージ中のエラーを自動的に検出する、そのようなマシンビジョンシステム及びステーションが概略的に示される。一般に、サンプルイメージ中のエラーは、正しくない明暗度/カラーレベルを示す。
【0024】
マシンビジョンシステム20は、典型的には、イメージデジタイザ/フレームグラバ(frame grabber)22を含む。イメージデジタイザ/フレームグラバ22は、カメラ24のようなイメージソースからの入力イメージをサンプル化及びデジタル化し、画素(picture element)を有するフレームバッファ中にそれぞれの入力イメージを置く。画素のそれぞれは、イメージ中のその点の明るさを表わす8ビットの数から構成されることができる。カメラ24は、アナログ、デジタル、又はRS−170、CCIR,NTSC及びPALのようなライン走査カメラ(line scan camera)のようなイメージソースとすることができる。デジタルカメラ25を、イメージデジタイザ/フレームグラバ22の必要性をなくすために提供することができる。
【0025】
システム20は、イメージ化しようとするオブジェクトに関連する機械31を制御するためのコントローラ27のような、外部デバイスとシステム20が通信することができるようにするための入力/出力回路30も含む。
【0026】
システムバス26は、システム20のモニタ29のところのようなシステム間の(inter-system)通信を可能にするような、PCI、EISA、ISA又はVLシステムバス又は他の標準のバスのいずれかとすることができる。
【0027】
イメージデジタイザ/フレームグラバ22は、Matrox、Cognex、Data Translationによって製造されたような普通のフレームグラバボード又は他のフレームグラバとすることができる。他には、イメージデジタイザ/フレームグラバ22は、Cognexによって作られたようなビジョンプロセッサボード(vision processor board)を含むことができる。
【0028】
マシンビジョンシステム20は、イメージ処理及びイメージ分析のためのカスタムコントロール(custom control)を含むように、マスストレージユニット32のところでプログラムすることができる。イメージ処理の例は、リニア(linear)及びノンリニア(non-linear)の強調(enhancement)、形態素(morphology)、カラー及びイメージの計算(arithmetic)を含むことができる。また、イメージ分析は、検索(search)、エッジ(edge)、キャリパー(caliper)、ブロブ(blob)、テンプレート、カラー、2次元及び3次元測定を含むことができる。
【0029】
システム20のコンピュータ28は、ペンティアム(Pentium)ベースのIBM互換PC、又は本発明に関連するアルゴリズムを実行するために十分な量のRAM及びハードディスクを有する他のコンピュータベースのシステムとすることができる。
【0030】
本発明の技術を説明するため、直ちにそれの実際の利用はできないように見える方程式を導入する必要がある。しかし、以下で説明するように、これは、実際上、ゼロの計算のオーバーヘッドで実施することができる。
【0031】
養成(training)は、図3で示した、前と全く同じである。多くの許容できる例(acceptable specimen)が、ブロック40でイメージ化され、それぞれブロック42及び44で、平均及び標準偏差イメージが、作られ、すなわち計算される。ノイズ及びサンプリングの差異のために、それぞれの許容できる例は、ガウス分布のサンプルであると考えられる。更に、それぞれのピクセルを、それ自身のローカルのガウス関数の許容できるサンプルとしてもモデル化することができる。この関数の平均は、単に、そのピクセル位置での、平均(mean or average)イメージの明暗度である。同様に、特定のピクセル中の拡散(spread)すなわち不確実性(uncertainty)の量は、単に、対応するピクセル位置の標準偏差イメージの明暗度によって与えられる。
【0032】
このようにモデル化すると、サンプルイメージを単に走査して、「もし特定のピクセルの値がテンプレートの分布に属しているなら、この位置でのこの特定のピクセルの値を見つける確率は何であるか?」という質問をすることができる。現在のサンプルピクセルと平均値の間の正確な対応が1に対応すると指定すると、以下の方程式から直接確率を計算することができる。
【0033】
【数1】
この方程式は、いくつかの興味ある特性を有することがわかる。第1に、サンプルピクセルが平均値(μ)に等しいとき、確率は1になる。また、負の冪指数の分母中のσ値は、これが大きくなるにつれて、サンプルピクセルの値は、所定の確率のレベルに到達するために、平均値から更に外れて移動しなくてはならないことにも注意する。これは、その方程式は、大きい相違(variance)の領域を自動的に補償すること−マスキング動作を含む必要がないことを意味する。
【0034】
実際は、サンプルイメージ中の欠陥を探し、そして、テンプレート分布に属するサンプルピクセルの確率を計算することの代わりに、単にこの値を1から減じ、それがその分布に属していない確率を生成する。この値は、次に、図3のブロック46に示されるように、単に大きさを変え、確率イメージの形成における明暗度値として使用することができる。
【0035】
確率イメージの背景(background)は、典型的には、直接の差異技術(straight forward difference technique)よりかなりノイズが多いようである。しかし、これは予測されている。イメージング処理は、ノイズの影響を受ける。結果として、それぞれのピクセルは、他のイメージ上のそれの対応する点と異なるであろうし、イメージの相当に低い標準偏差領域中では、この差異は、汚い雪の外見(dirty snow texture)として見えるであろう。標準偏差が非常に高いところの推移の領域では、システムは、サンプルとテンプレートの間の相当な相違に耐えることができる。これは、これらの端が差異イメージを支配するところの、先行技術において加工されていない差異イメージ(raw difference image)と比較される。差異の領域は、痛い親指(sore thumb)のように目立つ。多くのエラーは、実在し、また確率処理の単なる製品ではなく、確率平面中で簡単に検出されるが、先行技術の単純な減算処理では見ることは実際上不可能である。
【0036】
この効果は、サンプル及びテンプレートピクセルの最大の明暗度によって決定される差異イメージ中で得ることができる最も明るい明暗度を考慮するとき、比較的簡単に理解される。このようにして、イメージの暗い領域では、小さい差異、そのため暗いピクセルを予想できるのみである。
【0037】
これを、元のピクセルの明暗度に関係なく、(少なくとも理論上は)異なる2つのピクセルのゼロの確率が黒に戻り、それが異なる1の確率が白に戻ることを特徴とする、確率イメージと比較する。確率平面中のエラーを検出することは、本発明の方法及びシステムでは、事実上、明暗度から独立している。
【0038】
エラーマップを形成するために閾値を設定することは、ブロック48で示すように、はるかにより決定論的(deterministic)になる。もし80%の確実性でエラーであるすべての点を選択したければ、単に閾値レベルを255×80/100=204に設定する。
【0039】
(両極性の確率処理)
このセクションは、相当の「隠れた詳細(hidden detail)」を強調して見えるようにするような、上述の技術の簡単な拡張を手短に説明する。クリス・サンビー博士(Dr. Chris Sanby)は、ここで議論するような差異イメージ中の両極性のイメージ処理のアプリケーションを最初に開拓した。
【0040】
この技術の本質は、確率はいつも単極性(unipolar)の信号であることに注目することである。サンプルイメージ中の画素がテンプレートの明暗度に正確に等しい場合に、それはゼロであり、またそれは、エラーの方向にかかわらず、ピクセルの値が平均値から動くと更に増加する。
【0041】
均一なテンプレートの明暗度と、正確に同じ量の2つのゾーンであって、第1のゾーンはテンプレートよりわずかに明るく、第2のゾーンはそれよりわずかに暗い、そのような2つのゾーンを有するサンプルとがある状況を考える。結果として得られる確率イメージは、均一なフィールドであろう。確率イメージは、完全に正しいが、仮定されたガウス分布は対称的なので、確率はサンプルイメージの2つの部分に対して確かに同じである。これを行う際、エラーの分布に関するいくつかの重要な空間的な情報を失った可能性がある。もちろんこれは、関係がなくて当然であり、イメージ中の欠陥はそれがどのようであっても欠陥である。
【0042】
しかし、もし、この空間的情報が重要であるとすると、(小さい計算のオーバーヘッドではあるが)この空間的情報を確率平面中に持ち込むことができる機構を導入することができる。
【0043】
テンプレートとサンプルピクセルの間の差異の符号を確率に単に割り当てる。ここで、テンプレートより小さいサンプルの値には負の確率が与えられ、テンプレートより大きいサンプルの値には正の確率が与えられる。
【0044】
数学的に負の確率は全く意味がないことは強調すべきである。それは、差異が正か負かのいずれかであるかのフラグとして単に使用される。
【0045】
エラーマップを生成するために、同じ値だがゼロラインの両側で、イメージの閾値設定が実行される。確率イメージを表示することが、それの強度を単に半分にし、かつ、フルスケールの半分だけ、すべての値をオフセットすることによって、実行される。ここで、完全な一致は、黒ではなく、中間のグレーにマッピングされる。より暗いレベルは、サンプルテンプレートの差異が負である領域であり、また、より明るい領域は、それが正であるところである。
【0046】
確率イメージ上の大きい明るい部分(patch)は、もしサンプルイメージがテンプレートより暗いなら、オフセットされた両極性のイメージ上の暗い領域にマッピングする。確率イメージ上の目立たない(obvious)円盤(disc)上で素早く動く(streak)ことは、両極性のイメージ上で明白になる。イメージ中の明るさの勾配(illumination gradient)は、それは標準の差異イメージには大きい影響を与えたであろうが、確率イメージに影響を与えない。
【0047】
(確率イメージ及びカラー)
前に述べた確率イメージは、モノクロームであった。これに対する基本的な理由は、多くのアプリケーションにおいて、欠陥が存在するカラー平面がどれかを識別する際に、情報は必要ないということである。しかし、これは、情報がそこにないことを意味しない。それは単に、今までそれを必要としなかったことを意味するだけである。実際、モノクロームイメージが生成される方法は、カラーカメラ24の3つのカラーチャネルから得られる情報を結合することから得られる。それらを結合する代わりに、それぞれのカラーについての確率を、カラー平面それ自身として使用することができ、驚くほど美しいイメージを得ることができる。
【0048】
暗い領域へのマゼンタの薄い色合いは、この領域中ですべての色がなかったが、グリーンは選択的に低いことを示すであろう。同様に、明るい表面のグリーンの薄い色合いは、グリーンがわずかに優勢であることを示す。この効果は、イメージングシステムの照明(illumination)および光学系(optics)に行うべきことより多くの、カメラ24のカラーバランスに行うべきことをもたらす。
【0049】
(確率イメージの迅速な計算)
確率イメージがどれほどの情報を提供することができるかにかかわらず、もしそれらが迅速に計算できないのなら、それらはほとんど有用ではない。明らかに、上述の確率の値を計算するために必要な複素数の方程式は、それ自身に速い計算を与えない;特に、多くの関数を考慮すると、浮動小数点演算で計算する必要があろうし、このように計算のスループットを増大させるためにMMXコードを使用することが妨げられる。しかし、アルゴリズムに投入されるデータのすべては、本質的に符号の無い8ビットのピクセルであることが知られているという意味において、すべては失われていない。これらのデータは:
テンプレートピクセル値;
サンプルピクセル値;及び
標準偏差ピクセル値、
である。
【0050】
同様に、アルゴリズムから生じるデータも(符号付きかもしれない)8ビットの数であることが知られている。そのため、単一のメモリアクセス時間で計算を実行することになる、あらかじめ計算されたピクセルマップを構成することが可能である。これは、2つの方法の内の少なくとも1つで実施できる。
【0051】
第1は、システム26中のメモリの16Mバイトのスラブ(slab)を割り当てることである。システムのスタートアップ又は何か同等の便利な時間に、テンプレートの明暗度、サンプルの明暗度及び標準偏差の明暗度の、すべての可能な値のために、徹底的な計算が実行される。この計算の結果は、メモリブロック中の、上述の3つの8ビット入力パラメータの連結によって定義される位置に置かれる。この計算は、1,600万回のループの浮動小数点演算を行うであろうが、それは1回のみ実行されなくてはならない。その後、その結果をディスク上に記憶し、システムの初期化のときにアップロードすることができる。使用においては、テンプレートピクセル、サンプルピクセル及び標準偏差ピクセルの現在の値は連結され、プログラムされたピクセルマップへのアドレスとして使用され、このメモリアクセスの結果は、必要な確率値である。
【0052】
第2の方法は、実行時間において少し効率的ではないが、ピクセルマップのために必要なメモリをより現実的な64Kバイトまで減少させる。この256の削減は、標準偏差ピクセルの明暗度と、テンプレートとサンプルピクセルの明暗度の間の差異との組合わせを使用する処理により、入力アドレスレンジを24ビットから16ビットに減少させることによって達成される。直接の(straight forward)サンプルイメージについては、テンプレートとサンプルピクセルの明暗度の絶対値の差異は、16ビットのアドレスを形成するために標準偏差の明暗度と連結される。
【0053】
オフセットした両極性の確率については、テンプレートの半分とサンプルピクセルの半分の明暗度の間の差異は、16ビットのアドレスを形成するために標準偏差の明暗度と連結される。16Mバイトのシステムについて説明したのと全く同じ方法で、初期化が実施される;徹底的な計算が、テンプレートの明暗度とサンプルの明暗度の差異と標準偏差の明暗度とのために実施される。
【0054】
本発明を実施するためのベストモードを詳細に説明してきたが、本発明の技術分野の当業者は、前述の請求項によって定義されたような発明を実施するための、種々の代替のデザイン及び実施形態を認めるであろう。
【図面の簡単な説明】
【図1】 サンプルイメージ中のエラー及び欠陥を検出するための先行技術システムを表わす、概略のブロックダイヤグラムフローチャトである。
【図2】 本発明の方法及びシステムがサンプルイメージ中のエラーを自動的に検出するところであるマシンビジョンシステム及びステーションを示す概略図である。
【図3】 本発明の方法を示すブロックダイヤグラムフローチャートである。
Claims (12)
- オブジェクトのサンプルイメージ中のエラーを検出するための方法であって、前記サンプルイメージは、値を有する複数のピクセルを有し、 前記オブジェクトの複数の基準イメージを作り出すステップと、
前記オブジェクトの平均テンプレートイメージを作り出すステップであって、前記平均テンプレートイメージは、複数のピクセルを有し、前記平均テンプレートイメージのそれぞれのピクセルは、前記複数の基準イメージの空間的に対応する複数のピクセルの平均である前記ステップと、
前記オブジェクトの標準偏差イメージを作り出すステップであって、前記標準偏差イメージは、複数のピクセルを有しており、前記標準偏差イメージのそれぞれのピクセルは、前記複数の基準イメージの空間的に対応する複数のピクセルの標準偏差である前記ステップと、
前記オブジェクトの確率イメージを作り出すステップであって、前記確率イメージは、複数のピクセルを有しており、前記確率イメージのそれぞれのピクセルの値は、確率であり、前記確率イメージの前記ピクセルのそれぞれの現在の確率は、前記の、平均テンプレート、標準偏差及びサンプルイメージの空間的に対応する現在の値から得られる前記ステップと、
前記サンプルイメージ中の前記ピクセルの前記値から独立した、前記サンプルイメージ中のエラーを検出するために前記確率イメージを処理するステップと、を有することを特徴とする方法。 - 前記の、平均テンプレート、標準偏差及びサンプルイメージの前記ピクセルについての取り得る値に基いたデータを生成するステップと、
前記データをピクセルマップの形態で複数の位置に記憶させるステップであって、前記確率イメージの前記ピクセルのそれぞれの現在の確率は、前記の、平均テンプレート、標準偏差及びサンプルイメージの前記空間的に対応するピクセルの現在の値によって決定される位置に記憶される前記ステップと、を更に有することを特徴とする請求項1に記載の方法。 - 処理する前記ステップは、エラーマップを形成するために、前記確率イメージに閾値を設定するステップを含むことを特徴とする請求項1に記載の方法。
- 前記確率イメージは、両極性の確率イメージであり、前記両極性の確率イメージの前記ピクセルの確率は、符号のある確率であることを特徴とする請求項1に記載の方法。
- 前記両極性の確率イメージのピクセルの確率の符号は、前記の平均テンプレートとサンプルイメージの空間的に対応するピクセルの現在の値の間の差異に基いていることを特徴とする請求項4に記載の方法。
- 処理する前記ステップは、エラーマップを形成するために、前記両極性の確率イメージに、ゼロラインの両側の所定の確率に閾値を設定するステップを含むことを特徴とする請求項5に記載の方法。
- ビジョンステーションでオブジェクトのサンプルイメージ中のエラーを検出するためのシステムであって、前記サンプルイメージは、値を有する複数のピクセルを有し、
前記オブジェクトの複数の基準イメージを作り出すためのイメージング手段と、
イメージプロセッサであって、前記オブジェクトの平均テンプレートイメージを作り出す手段であって、前記平均テンプレートイメージは、複数のピクセルを有し、前記平均テンプレートイメージのそれぞれのピクセルは、前記複数の基準イメージの空間的に対応する複数のピクセルの平均である前記手段、
前記オブジェクトの標準偏差イメージを作り出す手段であって、前記標準偏差イメージは、複数のピクセルを有しており、前記標準偏差イメージのそれぞれのピクセルは、前記複数の基準イメージの前記空間的に対応する複数のピクセルの標準偏差である前記手段、
前記オブジェクトの確率イメージを作り出す手段であって、前記確率イメージは、複数のピクセルを有しており、前記確率イメージのそれぞれのピクセルの値は、確率であり、前記確率イメージの前記ピクセルのそれぞれの現在の確率は、前記の、平均テンプレート、標準偏差及びサンプルイメージの空間的に対応する現在の値から得られる前記手段、及び
前記サンプルイメージ中の前記ピクセルの前記値から独立した、前記サンプルイメージ中のエラーを検出するために前記確率イメージを処理する手段を有する前記イメージプロセッサと、を有することを特徴とするシステム。 - 前記の、平均テンプレート、標準偏差及びサンプルイメージの前記ピクセルについての取り得る値に基いたデータを生成する手段と、
前記データをピクセルマップの形態で複数の位置に記憶するためのメモリであって、前記確率イメージの前記ピクセルのそれぞれの現在の確率は、前記の、平均テンプレート、標準偏差及びサンプルイメージの空間的に対応するピクセルの現在の値によって決定される位置に記憶される前記メモリと、を更に有することを特徴とする請求項7に記載のシステム。 - 前記イメージプロセッサは、エラーマップを形成するために、前記確率イメージに閾値を設定するための閾値手段を含むことを特徴とする請求項7に記載のシステム。
- 前記確率イメージは、両極性の確率イメージであり、前記両極性の確率イメージの前記複数のピクセルの確率は、符号のある確率であることを特徴とする請求項7に記載のシステム。
- 前記両極性の確率イメージのピクセルの確率の符号は、前記の平均テンプレートとサンプルイメージの空間的に対応するピクセルの現在の値の間の差異に基いていることを特徴とする請求項10に記載のシステム。
- 前記イメージプロセッサは、エラーマップを形成するために、前記両極性の確率イメージに、ゼロラインの両側の所定の確率に閾値を設定するための閾値手段を含むことを特徴とする請求項11に記載のシステム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US09/065,973 | 1998-04-24 | ||
US09/065,973 US5969753A (en) | 1998-04-24 | 1998-04-24 | Method and system for detecting errors in a sample image |
PCT/US1999/008184 WO1999056469A1 (en) | 1998-04-24 | 1999-04-14 | Method and system for detecting errors in a sample image |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2002513193A JP2002513193A (ja) | 2002-05-08 |
JP4323097B2 true JP4323097B2 (ja) | 2009-09-02 |
Family
ID=22066420
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2000546521A Expired - Fee Related JP4323097B2 (ja) | 1998-04-24 | 1999-04-14 | サンプルイメージ中のエラーを検出する方法およびシステム |
Country Status (4)
Country | Link |
---|---|
US (1) | US5969753A (ja) |
EP (1) | EP1076997A4 (ja) |
JP (1) | JP4323097B2 (ja) |
WO (1) | WO1999056469A1 (ja) |
Families Citing this family (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7387253B1 (en) | 1996-09-03 | 2008-06-17 | Hand Held Products, Inc. | Optical reader system comprising local host processor and optical reader |
US6295374B1 (en) * | 1998-04-06 | 2001-09-25 | Integral Vision, Inc. | Method and system for detecting a flaw in a sample image |
JP3606430B2 (ja) * | 1998-04-14 | 2005-01-05 | 松下電器産業株式会社 | 画像整合性判定装置 |
US6731650B1 (en) * | 1998-04-27 | 2004-05-04 | Canon Kabushiki Kaisha | Data transfer apparatus and its control method |
US6603877B1 (en) * | 1999-06-01 | 2003-08-05 | Beltronics, Inc. | Method of and apparatus for optical imaging inspection of multi-material objects and the like |
US6323776B1 (en) * | 1999-12-21 | 2001-11-27 | Snap-On Technologies, Inc. | Method and apparatus of automatically identifying faults in a machine vision measuring system |
US6798093B2 (en) * | 2000-07-28 | 2004-09-28 | Canon Kabushiki Kaisha | Dual coil permanent magnet motor having inner annular member |
US7268924B2 (en) | 2001-01-22 | 2007-09-11 | Hand Held Products, Inc. | Optical reader having reduced parameter determination delay |
EP2249284B1 (en) | 2001-01-22 | 2014-03-05 | Hand Held Products, Inc. | Optical reader having partial frame operating mode |
US6637658B2 (en) | 2001-01-22 | 2003-10-28 | Welch Allyn, Inc. | Optical reader having partial frame operating mode |
US6507675B1 (en) * | 2001-03-23 | 2003-01-14 | Shih-Jong J. Lee | Structure-guided automatic learning for image feature enhancement |
US6845178B1 (en) | 2001-06-27 | 2005-01-18 | Electro Scientific Industries, Inc. | Automatic separation of subject pixels using segmentation based on multiple planes of measurement data |
US20050105789A1 (en) * | 2003-11-17 | 2005-05-19 | Isaacs Hugh S. | Method and apparatus for detecting, monitoring, and quantifying changes in a visual image over time |
US8194946B2 (en) * | 2005-07-28 | 2012-06-05 | Fujifilm Corporation | Aligning apparatus, aligning method, and the program |
US8335666B2 (en) * | 2006-09-01 | 2012-12-18 | Intelligent Manufacturing Systems International | Three-dimensional model data generating method, and three dimensional model data generating apparatus |
WO2008066040A1 (fr) * | 2006-11-29 | 2008-06-05 | Panasonic Corporation | Dispositif d'affichage vidéo, procédé d'affichage vidéo, programme et support d'enregistrement |
US8019164B2 (en) * | 2007-01-29 | 2011-09-13 | Hitachi High-Technologies Corporation | Apparatus, method and program product for matching with a template |
WO2009100835A1 (de) * | 2008-02-13 | 2009-08-20 | Ge Sensing & Inspection Technologies Gmbh | Verfahren und vorrichtung zur automatisierten fehlererkennung in der zerstörungsfreien werkstoffprüfung |
KR101605770B1 (ko) * | 2009-07-28 | 2016-03-23 | 삼성전자주식회사 | 영상 처리 방법 및 장치 |
JP5385752B2 (ja) * | 2009-10-20 | 2014-01-08 | キヤノン株式会社 | 画像認識装置、その処理方法及びプログラム |
TWI428568B (zh) * | 2010-09-03 | 2014-03-01 | Pixart Imaging Inc | 測距方法、測距系統與其處理軟體 |
DE102011120721A1 (de) * | 2011-12-12 | 2013-06-13 | Focke & Co. (Gmbh & Co. Kg) | Verfahren und Vorrichtung zum optischen Prüfen von bei der Herstellung und/oder Verpackung von Zigaretten zu prüfenden Objekten |
US10019221B2 (en) * | 2012-05-16 | 2018-07-10 | Nokia Technologies Oy | Method and apparatus for concurrently presenting different representations of the same information on multiple displays |
KR101556598B1 (ko) * | 2014-11-25 | 2015-10-13 | 연세대학교 산학협력단 | 주요 픽셀 정보에 기반한 물체 검출 장치 및 그 방법 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US2978675A (en) * | 1959-12-10 | 1961-04-04 | Bell Telephone Labor Inc | Character recognition system |
JPS5822782B2 (ja) * | 1980-03-13 | 1983-05-11 | 株式会社東芝 | パタ−ン類似度計算装置 |
JPS59226981A (ja) * | 1983-06-08 | 1984-12-20 | Fujitsu Ltd | パタ−ンマツチング方法および装置 |
GB8331248D0 (en) * | 1983-11-23 | 1983-12-29 | Kearney & Trecker Marwin Ltd | Inspecting articles |
US5274714A (en) * | 1990-06-04 | 1993-12-28 | Neuristics, Inc. | Method and apparatus for determining and organizing feature vectors for neural network recognition |
GB9105358D0 (en) * | 1991-03-13 | 1991-04-24 | Secr Defence | Anomaly detector |
JPH04315272A (ja) * | 1991-04-12 | 1992-11-06 | Eastman Kodak Japan Kk | 図形認識装置 |
US5237621A (en) * | 1991-08-08 | 1993-08-17 | Philip Morris Incorporated | Product appearance inspection methods and apparatus employing low variance filter |
US5901246A (en) * | 1995-06-06 | 1999-05-04 | Hoffberg; Steven M. | Ergonomic man-machine interface incorporating adaptive pattern recognition based control system |
US5640200A (en) * | 1994-08-31 | 1997-06-17 | Cognex Corporation | Golden template comparison using efficient image registration |
US5809171A (en) * | 1996-01-05 | 1998-09-15 | Mcdonnell Douglas Corporation | Image processing method and apparatus for correlating a test image with a template |
-
1998
- 1998-04-24 US US09/065,973 patent/US5969753A/en not_active Expired - Lifetime
-
1999
- 1999-04-14 JP JP2000546521A patent/JP4323097B2/ja not_active Expired - Fee Related
- 1999-04-14 WO PCT/US1999/008184 patent/WO1999056469A1/en not_active Application Discontinuation
- 1999-04-14 EP EP99917503A patent/EP1076997A4/en not_active Withdrawn
Also Published As
Publication number | Publication date |
---|---|
US5969753A (en) | 1999-10-19 |
EP1076997A1 (en) | 2001-02-21 |
JP2002513193A (ja) | 2002-05-08 |
WO1999056469A1 (en) | 1999-11-04 |
EP1076997A4 (en) | 2002-10-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4323097B2 (ja) | サンプルイメージ中のエラーを検出する方法およびシステム | |
JP4160258B2 (ja) | 勾配ベースの局部輪郭線検出のための新しい知覚的しきい値決定 | |
JP2000513466A (ja) | 無作為に向けられた製品用のカラー・パターン評価システム | |
JP3545506B2 (ja) | 特定色領域抽出方式および特定色領域除去方式 | |
JP2003506796A (ja) | 光学顕微鏡使用における色彩閾値を与える方法およびその装置 | |
KR20130017402A (ko) | 열간소재의 표면결함검출장치 및 검출방법 | |
JP2005165387A (ja) | 画面のスジ欠陥検出方法及び装置並びに表示装置 | |
JP2003162719A (ja) | ディジタルイメージの中のパターンの検出 | |
JP2005283197A (ja) | 画面のスジ欠陥検出方法及び装置 | |
JP5280940B2 (ja) | 特定色検出回路 | |
JPH0993443A (ja) | カラーモノクロ画像変換方法および被検査対象のエッジ位置検出方法 | |
JP2004219291A (ja) | 画面の線欠陥検出方法及び装置 | |
CN114023249A (zh) | Led显示屏图像的灯点提取方法、装置及led显示屏校正方法 | |
JP2001028059A (ja) | 色ムラ検査方法及び装置 | |
JP2006133055A (ja) | ムラ欠陥検出方法及び装置、空間フィルタ、ムラ欠陥検査システム並びにムラ欠陥検出方法のプログラム | |
JP2004219072A (ja) | 画面のスジ欠陥検出方法及び装置 | |
JPH10269352A (ja) | 画像処理装置および方法 | |
JP2638121B2 (ja) | 表面欠陥検査装置 | |
JP2000270343A (ja) | 画像合成用識別パタンパネルを備えた仮想スタジオシステム及び画像合成用識別パタンパネルを用いた識別方法 | |
CN117474921B (zh) | 基于镜面高光去除的抗噪光场深度测量方法、系统及介质 | |
JPH0310107A (ja) | 濃淡パターンマッチングによる検査方法 | |
JPH0727711A (ja) | 画像におけるマーク部の欠陥検出方法 | |
Boukouvalas et al. | Automatic grading of textured ceramic tiles | |
Vargas-Campos et al. | Optimization of DCP dehazing algorithm through sky segmentation | |
JPH10100386A (ja) | 印刷物検査装置および印刷物検査方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20060317 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20090113 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20090413 |
|
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: 20090518 |
|
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: 20090604 |
|
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: 20120612 Year of fee payment: 3 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120612 Year of fee payment: 3 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130612 Year of fee payment: 4 |
|
LAPS | Cancellation because of no payment of annual fees |