JP5403180B1 - 画像評価方法、画像評価装置及び画像評価プログラム - Google Patents

Abstract

【課題】評価対象物を高精度で評価する。
【解決手段】画像判定装置１０は、サンプルの撮像画像及び評価対象物１２の撮像画像から注目領域を抽出し、注目領域に設定した複数の分割枠の各々の画像から特徴量を抽出する。単位空間距離演算部３４は、サンプルの分割枠毎の特徴量に基づき、サンプルの分割枠の各々の第一単位空間距離及び第一単位空間距離の平均距離を演算し、第一単位空間距離からサンプルの注目領域の画像に対応する注目領域の第二単位空間距離及び当該第二単位空間距離の平均である単位空間平均距離を演算し、対象空間距離演算部３６は、評価対象物の分割枠毎の特徴量に基づき、評価対象物の分割枠の各々の第一空間距離を演算し、第一空間距離から評価対象物の注目領域の画像に対応する注目領域の第二空間距離を演算する。第１評価部３８は、第一単位空間距離の平均距離及び第二空間距離を用いて、評価対象物の注目領域を評価する。
【選択図】図１

Description

本発明は、画像評価方法、画像評価装置及び画像評価プログラムに関する。

製品の製造や部品の加工など各種の工程においては、製造工程中の生産品各種の製品、例えば、中間生産品及び最終生産品に対して、部品の欠品、取り付け向きの間違いなどの取り付け不良の有無を判定する際に、マハラノビス距離等が用いられる。

画像判定を行う場合、例えば、画像入力装置により得た複数の良品サンプル（以下、「サンプル」という。）の画像を所定数（例えば１２）のブロック領域に分割し、分割した各ブロック領域について、特徴量として赤色、緑色、及び青色のそれぞれの輝度値の平均値、標準偏差、最大値、及び最小値のパラメータを用い、サンプルに基づいて判断の基準点となるマハラノビス基準空間（単位空間）を設定し、マハラノビス基準空間距離を計算する。また、画像入力装置から入力される判定対象の画像について、マハラノビス基準空間距離に対応するマハラノビス距離を計算し、得られたマハラノビス距離をサンプルから得ているマハラノビス基準空間距離、又はマハラノビス基準空間に基づいて設定したしきい値と比較することで、良否の判定を行う。

このような判定においては、判定対象が不良品であるにもかかわらず、マハラノビス距離ががしきい値より小さくなり誤判定が生じることがある。このため、特許文献１では、例えば、特徴量として輝度値のデータを用いる際、輝度値を１６段階に分け、各段階の輝度範囲のピクセル数を輝度分布データとし、輝度分布データに対して差分処理、微分処理、積分処理等を施した値を特徴量として単位空間を設定するように提案している。これにより、特許文献１では、良品の画像のマハラノビス距離と不良の画像のマハラノビス距離とを明確に相違させている。

特開２００５−２５２４５１号公報

本発明は、サンプル及び評価対象物から抽出した特徴量に基づいて評価対象物の良否を判定するなどの評価を行う際に、誤判定の発生を抑制し、高精度の評価を行い得る画像評価方法、画像評価装置及び画像評価プログラムを提供すること目的とする。

請求項１に係る画像評価方法は、評価対象物に対する評価基準のサンプルの画像の注目領域を複数の分割枠に仕切り、当該複数の分割枠の各々の画像から分割枠の各々の第一単位空間を設定し、各々の第一単位空間距離及び第一単位空間距離の平均距離を演算すると共に、当該分割枠の各々の第一単位空間距離に基づいて前記サンプルの注目領域の画像に対応する前記サンプルの各々の第二単位空間距離を演算し、当該第二単位空間距離を平均して単位空間平均距離を予め演算する準備工程と、評価対象物の画像の注目領域を複数の分割枠に仕切り、当該複数の分割枠の各々の画像から分割枠の各々の第一空間距離を演算すると共に、当該分割枠の各々の第一空間距離に基づいて前記評価対象物の注目領域の画像に対応する評価対象物の注目領域の第二空間距離を演算する演算工程と、前記サンプルの注目領域の単位空間平均距離及び前記評価対象物の注目領域の第二空間距離を用いて、前記評価対象物の注目領域を評価する評価工程と、を含む。

ここで、第一単位空間とは、注目領域における各分割枠の正常な画像データの集合をいう。第一単位空間距離とは、第一単位空間から求められた距離をいう。第二単位空間とは、第一単位空間距離の集合を意味する。第二単位空間距離とは、第二単位空間から求められた距離をいう。単位空間平均距離とは、第二単位空間距離の平均距離（平均値）をいう。

請求項２に係る画像評価方法は、請求項１記載の画像評価方法において、前記サンプルの注目領域の単位空間平均距離及び前記評価対象物の注目領域の第二空間距離を用いた評価結果に基づき、前記サンプルの分割枠の各々の第一単位空間距離の平均距離及び前記評価対象物の分割枠の各々の第一空間距離を用いて、前記評価対象物の前記複数の分割枠の各々を評価する。

請求項３に係る画像評価方法は、請求項１又は請求項２に記載の画像評価方法において、画素毎の輝度値を所定の輝度幅の複数の輝度区間に区分けし、区分けした前記複数の輝度区間の各々を特徴項目として、前記サンプルの分割枠の各々、及び前記評価対象物の分割枠の各々から、前記特徴項目毎の特徴量を抽出し、前記サンプルの分割枠の各々から抽出された前記特徴項目毎の特徴量に基づいて前記サンプルの分割枠の各々の第一単位空間距離及び第一単位空間距離の平均距離を演算し、前記評価対象物の分割枠の各々から抽出された前記特徴項目毎の特徴量に基づいて前記評価対象物の分割枠の各々の第一空間距離を演算する。

請求項４に係る画像評価装置は、評価対象物に対する評価基準のサンプルの画像の注目領域を複数の分割枠に仕切り、当該複数の分割枠の各々の画像から分割枠の各々の第一単位空間距離及び第一単位空間距離の平均距離を演算すると共に、当該分割枠の各々の第一単位空間距離に基づいて前記サンプルの注目領域の画像に対応するサンプルの注目領域の第二単位空間距離及び当該第二単位空間距離の平均である単位空間平均距離を演算する単位空間距離演算手段と、評価対象物の画像の注目領域を複数の分割枠に仕切り、当該複数の分割枠の各々の画像から分割枠の各々の第一空間距離を演算すると共に、当該分割枠の各々の第一空間距離に基づいて前記評価対象物の注目領域の画像に対応する評価対象物の注目領域の第二空間距離を演算する対象空間距離演算手段と、前記サンプルの注目領域の単位空間平均距離及び前記評価対象物の注目領域の第二空間距離を用いて、前記評価対象物の注目領域を評価する評価手段と、を含む。

請求項５に係る画像評価装置は、請求項４記載の画像評価装置において、前記評価手段は、前記サンプルの注目領域の単位空間平均距離及び前記評価対象物の注目領域の第二空間距離を用いた評価結果に基づき、前記サンプルの分割枠の各々の第一単位空間距離の平均距離及び前記評価対象物の分割枠の各々の第一空間距離を用いて、前記評価対象物の前記複数の分割枠の各々を評価する。

請求項６に係る画像評価装置は、請求項４又は請求項５記載の画像評価装置において、画素毎の輝度値を所定の輝度幅の複数の輝度区間に区分けし、区分けした前記複数の輝度区間の各々を特徴項目として、前記サンプルの分割枠の各々、及び前記評価対象物の分割枠の各々から、前記特徴項目毎の特徴量を抽出する抽出手段を含み、前記単位空間距離演算手段が、前記サンプルの分割枠の各々から抽出された前記特徴項目毎の特徴量に基づいて前記サンプルの分割枠の各々の第一単位空間距離及び第一単位空間距離の平均距離を演算し、前記対象空間距離演算手段が、前記評価対象物の分割枠の各々から抽出された前記特徴項目毎の特徴量に基づいて前記評価対象物の分割枠の各々の第一空間距離を演算する。

請求項７に係る画像評価装置は、請求項４から請求項６の何れかに記載の画像評価装置において、撮像手段により前記評価対象物の前記撮像画像を取得する画像取得手段を含む。

請求項８に係る画像評価装置は、請求項４から請求項７の画像評価装置において、前記評価手段の評価結果を報知する報知手段を含む。

請求項９に係る画像評価プログラムは、コンピュータを、評価対象物に対する評価基準のサンプルの画像の注目領域を複数の分割枠に仕切り、当該複数の分割枠の各々の画像から分割枠の各々の第一単位空間距離及び第一単位空間距離の平均距離を演算すると共に、当該分割枠の各々の第一単位空間距離に基づいて前記サンプルの注目領域の画像に対応するサンプルの注目領域の第二単位空間距離及び当該第二単位空間距離の平均である単位空間平均距離を演算する単位空間距離演算手段と、評価対象物の画像の注目領域を複数の分割枠に仕切り、当該複数の分割枠の各々の画像から分割枠の各々の第一空間距離を演算すると共に、当該分割枠の各々の第一空間距離に基づいて前記評価対象物の注目領域の画像に対応する評価対象物の注目領域の第二空間距離を演算する対象空間距離演算手段と、前記サンプルの注目領域の単位空間平均距離及び前記評価対象物の注目領域の第二空間距離を用いて、前記評価対象物の注目領域を評価する評価手段と、して動作させる。

請求項１０に係る画像評価プログラムは、請求項９の画像評価プログラムにおいて、前記評価手段は、前記サンプルの注目領域の単位空間平均距離及び前記評価対象物の注目領域の第二空間距離を用いた評価結果に基づき、前記サンプルの分割枠の各々の第一単位空間距離の平均距離及び前記評価対象物の分割枠の各々の第一空間距離を用いて、前記評価対象物の前記複数の分割枠の各々を評価する、ことを含む。

請求項１１に係る画像評価プログラムは、請求項９又は請求項１０記載の画像評価プログラムにおいて、画素毎の輝度値を所定の輝度幅の複数の輝度区間に区分けし、区分けした前記複数の輝度区間の各々を特徴項目として、前記サンプルの分割枠の各々、及び前記評価対象物の分割枠の各々から、前記特徴項目毎の特徴量を抽出する抽出手段を含み、前記単位空間距離演算手段が、前記サンプルの分割枠の各々から抽出された前記特徴項目毎の特徴量に基づいて前記サンプルの分割枠の各々の第一単位空間距離及び第一単位空間距離の平均距離を演算し、前記対象空間距離演算手段が、前記評価対象物の分割枠の各々から抽出された前記特徴項目毎の特徴量に基づいて前記評価対象物の分割枠の各々の第一空間距離を演算する、ことを含む。

請求項１に係る発明によれば、サンプルの注目領域に基づいて評価対象物の注目領域を適正に評価することができる、という効果を有する。

請求項２に記載の発明によれば、評価結果から評価対象物の注目領域が不良と判定された場合、不良と判定された注目領域内の部位を特定することができる、という効果を有する。

請求項３に係る発明によれば、サンプルの注目領域の第一単位空間距離の演算、及び評価対象物の第一空間距離の演算の迅速化が可能となる、という効果を有する。

請求項４に係る発明によれば、サンプルに基づいて、評価対象物の注目領域を適正に評価することができる、という効果を有する。

請求項５に係る発明によれば、評価結果から評価対象物の注目領域が不良と判定された場合、不良と判定された分割枠を特定することができる、という効果を有する。

請求項６に係る発明によれば、サンプルの注目領域の第一単位空間距離の演算、及び評価対象物の第一空間距離の演算を迅速に行うことができる、という効果を有する。

請求項７に係る発明によれば、評価対象物の画像の取得が容易となる、という効果を有する。

請求項８に係る発明によれば、評価対象物に対する評価結果を的確に把握し、次工程での適切な処理が可能となる、という効果を有する。

請求項９に係る発明によれば、サンプルの注目領域に基づいて、評価対象物の注目領域を適正に評価することができる、という効果を有する。

請求項１０に記載の発明によれば、評価結果から評価対象物の注目領域が不良と判定された場合、不良と判定された注目領域内の部位を特定することができる、という効果を有する。

請求項１１に係る発明によれば、サンプルの注目領域の第一単位空間距離の演算、及び評価対象物の第一空間距離の迅速な演算が可能となる、という効果を有する。

本実施形態に係る画像判定装置の一例を示す機能ブロック図である。 画像判定装置を形成する画像処理装置の一例を示す機能ブロック図である。 （Ａ）は撮像画像上の注目領域の一例を示す概略平面図、（Ｂ）は注目領域内の分割枠の一例を示す概略平面図である。 （Ａ）及び（Ｂ）は、輝度区分ごとのデータの一例を示すヒストグラムである。 本実施形態に係る評価処理の一例を示す流れ図である。 サンプルからの単位空間平均距離の演算処理の一例を示す流れ図である。 分割枠における特徴項目とする輝度区間に対する各サンプルのデータを示す図表である。 図７の特徴項目から得られる各サンプルの感度、ＳＮ比を特徴項目とするデータを示す図表である。 図８の特徴項目を感度、標準偏差に変換した各サンプルの統計データを示す図表である。 図７〜図９のデータから演算された各分割枠における各サンプルの第一単位空間距離を特徴項目とするデータを示す図表である。 図１０の特徴項目から得られる各サンプルの感度、ＳＮ比を特徴項目とするデータを示す図表である。 図１１の特徴項目を感度、標準偏差に変換した各サンプルの統計データを示す図表である。 評価対象物からの第二空間距離の演算処理の一例を示す流れ図である。 分割枠における特徴項目とする輝度区間に対する評価対象物のデータを示す図表である。 図１４のデータから演算された各分割枠における評価対象物の第一空間距離を特徴項目とするデータを示す図表である。 実施例１に係る注目領域及び分割枠の一例を示す画像である。 各分割枠の特徴項目から演算した注目領域の第二空間距離に基づいた評価結果を示すグラフである。 （Ａ）及び（Ｂ）は分割枠毎に求めた第一空間距離に基づいた評価結果を示すグラフである。 実施例２に係る注目領域及び分割枠の一例を示す画像である。 （Ａ）は分割数に対する、評価対象物の第二空間距離の単位空間平均距離に対する距離比を示すグラフ、（Ｂ）は輝度区間係数に対する、評価対象物の第二空間距離の単位空間平均距離に対する距離比を示すグラフである。

以下に、図面を参照しながら本発明の実施の形態を説明する。図１には、本実施形態に係る画像判定装置１０の一例を示す。画像判定装置１０は、マハラノビスタグチ（ＭＴ）システムを用い、評価対象物１２の画像から得られる第二空間距離を、評価基準とする複数のサンプル１４の画像から得られる単位空間平均距離と照合することで評価し、評価対象物１２が良品であるか否かを判定する。また、画像判定装置１０は、評価対象物１２が不良品であると判定する場合、不良箇所（領域）の特定を行う。

画像判定装置１０は、評価対象物１２として、例えば、各種の機器の完成品、各種の機器を製作する際の中間生産品、及び中間生産品が組み付けられた各種の機器の完成品等を適用することができる。また、評価対象物１２は、切削、切断、及び研磨などの加工が行われた加工品等の任意の物品に適用することができる。さらに、検査対象物１２としては、ディスプレイなどに表示した画像等のように目視し得るものであれば、任意の物品を適用することができる。

画像判定装置１０は、画像情報取得部１６、演算部１８、基準記憶部２０、評価部２２、及び報知部２４を含む。 画像情報取得部１６は、例えば、評価対象物１２を撮像する撮像カメラ２６を備える。撮像カメラ２６としては、単色画像を生成するカメラであっても良いが、カラー画像を生成し得ることが好ましく、本実施形態では、ＣＣＤエリアセンサ又はＣＭＯＳエリアセンサを用いたカラー撮像カメラを用いている。なお、撮像手段としては、エリアセンサに替えてラインセンサを用い、評価対象物１２又はサンプル１４をラインセンサの読み取り方向と交差する方向へ移動させながら画像データを読み込むか、又はラインセンサを移動させながら画像データを読み込むようにしても良い。

撮像カメラ２６は、例えば、評価対象物１２を生産する生産ラインの所定位置に配置され、評価対象物１２及びサンプル１４がロボットアーム、或いは搬送コンベアなどの搬送手段により搬送され、撮像カメラ２６に対向する位置に位置決めされて配置される。

画像情報取得部１６は、評価対象物１２及びサンプル１４を撮像カメラ２６により撮像することで、評価対象物１２の画像データ、及びサンプル１４の画像データを取得する。なお、サンプル１４の画像データは、予め別の撮像カメラによりサンプル１４を撮像することにより得た画像データを用いても良く、この場合、予めサンプルを撮像することにより得た画像データを画像情報取得部１６又は演算部１８に入力すれば良い。

演算部１８は、注目領域抽出部２８、分割部３０、特徴量抽出部３２、単位空間距離演算部３４、及び対象空間距離演算部３６を含む。注目領域抽出部２８は、撮像画像のデータから予め設定した注目領域の画像の画像データを抽出する。

分割部３０は、注目領域抽出部２８で抽出した注目領域の画像を所定数の分割枠で分割する。特徴量抽出部３２は、分割枠により分割された各領域の画像から予め設定された特徴量を抽出する。なお、以下では、分割された各領域を分割枠と表記する。

単位空間距離演算部３４は、複数のサンプル１４の分割枠の各々の画像から抽出された特徴量に基づいて、分割枠毎の画像の第一単位空間距離を演算する。また、単位空間距離演算部３４は、個々のサンプル１４について分割枠毎の画像の第一単位空間距離に基づき第一単位空間距離の平均距離、及びサンプル１４個々の注目領域の画像の第二単位空間距離を演算し、当該第二単位空間距離の平均である単位空間平均距離を演算する。単位空間距離演算部３４で演算されたサンプル１４の分割枠毎の画像の第一単位空間距離、第一単位空間距離の平均距離、注目領域の画像の第二単位空間距離、及び単位空間平均距離は、基準記憶部２０に記憶される。

対象空間距離演算部３６は、評価対象物１２の撮像画像の分割枠毎の画像から抽出された特徴量に基づいて分割枠毎の画像の第一空間距離を演算する。また、対象空間距離演算部３６は、評価対象物１２の分割枠毎の画像の第一空間距離に基づき、注目領域の画像の第二空間距離を演算する。

評価部２２は、第１評価部３８及び第２評価部４０を含む。第１評価部３８は、サンプル１４から得られた注目領域の画像の単位空間平均距離に基づき、評価対象物１２の注目領域の画像の第二空間距離を評価し、評価対象物１２の注目領域について良否を判定する。また、第２評価部４０は、第１評価部３８において評価対象物１２の注目領域が不良と判定された場合、サンプル１４の分割枠毎の画像の第一単位空間距離の平均距離及び評価対象物１２の分割枠毎の画像の第一空間距離を用い、評価対象物１２を分割枠毎に評価する。これにより、第２評価部４０は、評価対象物１２の注目領域における不良部位が含まれる分割枠を特定する。

報知部２４は、評価部２２（第１評価部３８及び第２評価部４０）の評価結果を所定のディスプレイに表示するなどして報知する。また、報知部２４で実行する報知処理には、例えば、良品と判定された評価対象品１２について、生産ラインにおいて次工程へ送るように制御されるように通知することを含む。さらに、報知部２４で実行する報知処理には、不良と判定された評価対象物１２に対して、例えば、生産ラインから除くように通知することを含む。

図２に示すように、画像判定装置１０は、パーソナルコンピュータなどの画像処理装置４２が用いられる。画像処理装置４２は、マイクロコンピュータ４４を含む。マイクロコンピュータ４４は、ＣＰＵ４４Ａ、ＲＯＭ４４Ｂ、ＲＡＭ４４Ｃ、及び入出力インターフェイス４４Ｄを備え、これらがデータバス及びシステムバスを含むバス４４Ｅにより接続されている。画像処理装置４４は、ＨＤＤ４６、通信インターフェイス４８、及びＵＩ５０を含み、これらがマイクロコンピュータ４４の入出力インターフェイス４４Ｄに接続されている。また、画像処理装置４２は、入出力インターフェイス４４Ｄに撮像カメラ２６が接続される。

ＣＰＵ４４Ａは、ＲＯＭ４４Ｂ及びＨＤＤ４６に記憶された制御プログラムを実行することで、画像情報取得部１６、演算部１８、評価部２２及び報知部２４として機能する。この際、ＣＰＵ４４Ａは、ＲＡＭ４４Ｃをワークメモリ等として用い、ＨＤＤ４６に各種のデータを記憶する。また、ＵＩ５０は、各種の指示の入力用として用いるキーボード、及び各種の情報を表示するディスプレイを含み、ＣＰＵ４４Ａは、ＵＩ５０の図示しないディスプレイに評価結果を表示する。さらに、画像処理装置４２は、通信インターフェイス４８を介して、評価対象物１２の製造システムに接続され、評価結果を出力する。生産システムは、評価結果が入力されることで、評価された評価対象物１２に対して、評価結果に基づいた処理を実行する。

画像判定装置１０は、ＭＴシステムにおいてＲＴ法（Recognition Taguchi method）を適用する。前記したように、画像判定装置１０では、ＲＴ法を用いて評価対象物１２に対して評価を行う際に、評価対象物１２上で評価を行う領域が設定される。図３（Ａ）に示すように、本実施形態では、撮像された評価対象物１２の画像１２Ａ上で評価を行う領域を注目領域１２Ｂとして設定する。注目領域抽出部２８は、評価対象物１２の撮像画像１２Ａから注目領域１２Ｂの画像データを抽出する。また、注目領域抽出部２８は、サンプル１４の画像１４Ａ上で、評価対象物１２の注目領域１２Ｂに対応する領域の画像データを、サンプル１４の注目領域１４Ｂの画像の画像データとして抽出する。

評価対象物１２としては、例えば、プリント配線が形成された基板に各種の電装部品を装着した電装基板が適用される。当該工程における電装基板への部品の装着状態を評価する場合、注目領域１２Ｂは、例えば、撮像カメラ２６が配置される前段の生産工程で電装基板に装着される部品の位置を含む領域が設定される。注目領域抽出部２８は、この注目領域１２Ｂの画像データを抽出する。なお、注目領域１２Ｂは、撮像画像１２Ａの一部に限らず、例えば、電装基板の全体を評価する場合、電装基板の全体画像が適用される。

分割部３０は、注目領域１２Ｂ、１４Ｂを、予め設定している分割数ｐに基づいて分割する。特徴量抽出部３２は、分割枠の各々の画像から予め設定されている特徴量を抽出する。例えば、注目領域１２Ｂ、１４Ｂをｌ×ｍ個に分割する場合、分割数ｐは、ｐ＝ｌ×ｍとなる。図３（Ｂ）に示すように、分割部３０は、注目領域１２Ｂ及び注目領域１４Ｂを分割数ｐに基づいて分割することで分割数ｐに応じた分割領域（以下、分割枠Ｆ_ｐとする。ｐ＝１、２、・・・、ｌ×ｍ）を設定する。なお、画像判定装置１０では、分割数ｐが、２以上（ｐ≧２）に設定される。

特徴量抽出部３２は、分割枠Ｆ_ｐの各々の画像から特徴量を示すデータｘを抽出する。
なお、以下では、注目領域１２Ｂ、１４Ｂの画像を含めて注目領域１２Ｂ、１４Ｂと表記詩、分割枠Ｆ_ｐの画像を含めて分割枠Ｆ_ｐと表記して説明する。

画像判定装置１０は、撮像画像としてカラー画像を用いており、特徴量抽出部３２は、特徴量としては、例えば、画像の輝度値毎の画素数、赤色（Ｒ）の輝度値毎の画素数、緑色（Ｇ）の輝度値毎の画素数、及び青色（Ｂ）の輝度値毎の画素数を用いる。この際、特徴量としては、画像の輝度値毎の画素数のみを用いても良く、また、画像の輝度値毎の画素数に加え、赤色（Ｒ）、緑色（Ｇ）及び青色（Ｂ）の少なくとも一色の輝度値毎の画素数を用いても良く、任意の色の組み合わせを適用しても良い。なお、画像判定装置１０は、各輝度値に対して同様の処理を行うので、以下では、色を特定せずに説明する。

例えば、輝度値が８ｂｉｔの画像データでは、輝度値が０〜２５５までの２５６（２^８）段階に分けられている。ここで、画像判定装置１０では、所定の輝度幅ｗで輝度範囲を区分けし、区分けした輝度範囲の各々を特徴項目として用いる。図４（Ａ）及び図４（Ｂ）には、一つの分割枠Ｆ_ｐにおける輝度区分ｉ毎のデータｘのヒストグラムを示す。なお、図４（Ａ）は、輝度値を１６区画に区分けし（輝度区分ｉ＝１〜１６）、図４（Ｂ）は、輝度値を８区画に区分けしている（輝度区分ｉ＝１〜８）。また、図４（Ａ）及び図４（Ｂ）では、縦軸をデータ数としている。

図４（Ａ）及び図４（Ｂ）に示すように、区分けする際の輝度値の幅を広く（粗く）し、輝度区分ｉの数を少なくすることで、輝度区分ｉ毎のデータｘ_ｉの相違が明確となる。また、輝度区分ｉの数を少なくすることで、特徴項目が少なくなるので、演算処理等を行う際の処理時間の短縮（処理速度の向上）を図ることができる。しかし、区分けする際の輝度値の幅を広くしすぎると、輝度値の特徴が現れにくくなる場合がある。

ここから、輝度区分ｉの数は、変更可能であることが好ましく、また、輝度区分ｉの数は、注目領域１２Ａ内の画像に応じて設定されることが好ましく、本実施形態では、区分係数ｑを、ｑ＝０、１、２、３、４の範囲で設定されるようにしている。これにより、例えば、区分係数ｑ＝３とした場合、各輝度区分ｉの輝度値の幅ｗは、ｗ＝２^ｑとなる。また、輝度値の分割数とする輝度区間係数ｋは、ｋ＝２５６／２^ｑで表される。従って、区分係数ｑ＝３とした場合、輝度値の幅ｗは、ｗ＝８となる。また、輝度区間係数ｋは、ｋ＝３２となり、輝度区分ｉは、ｉ＝０〜ｋとなる。

特徴量抽出部３２は、輝度区分ｉを特徴項目とし、分割枠Ｆ_ｐ（ｐ＝１〜ｌ・ｍ）の各々について各輝度区分ｉのデータｘ_ｐｉを抽出する。

単位空間距離演算部３４は、各輝度区分ｉのデータｘ_Ｐｉを用いて第一単位空間距離を演算し、対象空間距離演算部３６は、各輝度区分ｉのデータｘ_Ｐｉを用いて第一空間距離を演算する。画像判定装置１０は、サンプル１４について単位空間距離演算部３４で演算する第二単位空間距離の平均を単位空間平均距離として用いる。

図５には、画像判定装置１０で実行される処理の概略を示している。

（準備工程）
画像処理装置１０は、最初のステップ１００において、評価対象物１２に対する評価に先だって複数のサンプル１４の各々の撮像画像を取得する。次のステップ１０２では、取得した複数のサンプル１４の撮像画像（画像１４Ａ）に基づき、注目領域１４Ｂの分割枠Ｆ_ｐ毎の第一単位空間距離、注目領域１４Ｂの第二単位空間距離、及び単位空間平均距離を演算する。

図６には、図５のステップ１０２で実行される第一単位空間距離、第二単位空間距離及び単位空間平均距離の演算の一例を示す。このフローチャートでは、最初のステップ１３０において、各サンプル１４の画像１４Ａの各々から注目領域１４Ｂを抽出する。この際、サンプル１４がｎ個であれば、ｎ個のサンプル１４の各々について注目領域１４Ｂが抽出される。以下、ｎ個のサンプル１４をサンプルｊ（ｊ＝１、２、・・・ｎ）として説明する。

次のステップ１３２では、サンプルｊの注目領域１４Ｂを、分割数ｐに基づいて分割した分割枠Ｆ_ｐを設定する。また、ステップ１３４では、分割枠Ｆ_ｐの各々について、各特徴項目に対応するデータｘ_ｐを抽出する。

これにより、例えば、図７に示すように、サンプルｊの各々の一つの分割枠Ｆ_ｐについて、輝度区分ｉ（ｉ＝１〜ｋ）毎に、ｎ個のデータｘ_ｐが得られる。なお、図７では、分割枠Ｆ_ｐの輝度区分ｉ毎のデータｘをｘ_Ｐｉ（ｘ_Ｐｉ＝ｘ_Ｐ１〜ｘ_ｐｋ）とし、各サンプルｊ（ｊ＝１〜ｎ）のデータｘをデータｘ_ｐｊｉとして示している。

次のステップ１３４では、分割枠Ｆ_ｐの各々について、各サンプルｊに基づく輝度区分ｉ毎のデータｘ_ｐｉの平均値ａｘ_ｐｉを演算する。平均値ａｘ_ｐｉの演算は、例えば、（１）式を用いて行われる。

これにより、図７に示すように、一つの分割枠Ｆ_ｐについて、各輝度区間ｉを特徴項目とした平均値ａｘ_ｐｉ（ａｘ_ｐ１〜ａｘ_ｐｋ）が得られる。

図６のフローチャートでは、次のステップ１３６において、サンプルｊの各々について分割枠Ｆ_ｐ毎に感度β（β_ｐｊ）、及び標準ＳＮ比η（η_ｐｊ）を演算する。

感度β_ｐｊの演算には、分割枠Ｆ_ｐごとの有効除数ｒ_ｐ、及び各サンプルｊの分割枠Ｆ_ｐ毎の線形式Ｌ_ｐｊを用いる。有効除数ｒ_ｐは、（２）式に示す特徴量（輝度値）の輝度区分ｉ毎のデータｘの平均値ａｘ_ｐｉの平均二乗和を用いる。また、線形式Ｌ_ｐｊは、（３）式により得られる。さらに、サンプルｊの分割枠Ｆ_ｐ毎の感度β_ｐｊは、有効除数ｒ_ｐ及び線形式Ｌ_ｐｊから、（４）式を用いて得られる。

各サンプルｊの分割枠Ｆ_ｐ毎の標準ＳＮ比η_ｐｊの演算には、サンプルｊ＝１〜ｎ及び分割数ｐ＝１〜ｌ×ｍの各々における全変動Ｓ_Ｔ（以下、全変動Ｓ_ｐｊＴとする）、比例項の変動Ｓ_β（以下、比例項の変動Ｓ_ｐｊβとする）、及び誤差分散Ｖ_ｅ（以下、誤差分散Ｖ_ｐｊｅとする）を用いる。全変動Ｓ_ｐｊＴは、（５）式を用いた演算により得られ、比例項の変動Ｓ_ｐｊβは、（６）式を用いた演算により得られる。また、誤差分散Ｖ_ｐｊｅを演算するために、全変動Ｓ_ｐｊＴ及び比例項の変動Ｓ_ｐｊβを用い、（７）式により誤差変動Ｓ_ｐｊｅを演算する。

誤差分散Ｖ_ｐｊｅは、誤差変動Ｓ_ｐｊｅ及び輝度区間係数ｋから、（８）式により演算され、標準ＳＮ比η_ｐｊは、誤差分散Ｖ_ｐｊｅの逆数として、（９）式から求められる。これにより、図８に示すように、単位空間サンプルにおけるサンプルｊに対する感度β（β_ｐｊ）、及び標準ＳＮ比η（η_ｐｊ）が得られる。

図６では、サンプルｊの特徴量となる感度β_ｐｊ、及び標準ＳＮ比η_ｐｊを演算すると、次のステップ１３８では、感度β_ｐｊ、及び標準ＳＮ比η_ｐｊを、２つの統計データとする感度Ｙ_ｐｊ１（（１０）式参照）、及び標準偏差Ｙ_ｐｊ２（（１１）式参照）に変換する。

次のステップ１４０では、統計データ（感度Ｙ_ｐｊ１、及び標準偏差Ｙ_ｐｊ２）から分散・共分散を求め、分散、共分散を用いた分散行列から余因子行列Ａ_ｐを求める。図９に示すように、サンプルｊの感度Ｙ_ｐｊ１、及び標準偏差Ｙ_ｐｊ２は、第一単位空間の感度Ｙ_１、及び標準偏差Ｙ_２に対応する。ここから、第一単位空間の感度Ｙ_ｐ１の分散Ｖ_ｐ１１は、（１２）式から求められ、第一単位空間の標準偏差Ｙ_ｐ２の分散Ｖ_ｐ２２は、（１３）式から求められる。また、感度Ｙ_ｐ１と標準偏差Ｙ_ｐ２の共分散Ｖ_ｐ１２、Ｖ_ｐ２１は、（１４）式から求められる。

感度Ｙ_ｐ１の分散Ｖ_ｐ１１、標準偏差Ｙ_ｐ２の分散Ｖ_ｐ２２、及び感度Ｙ_ｐ１と標準偏差Ｙ_ｐ２との共分散Ｖ_ｐ１２から、分散行列Ｖ_ｐは、（１５）式から求められる。余因子行列Ａ_ｐは、（１６）式に示すように、分散行列Ｖ_ｐから求められる。

図６のフローチャートでは、次のステップ１４２において、第一単位空間の第一単位空間距離Ｄ_ｐｊを求める。第一単位空間距離Ｄ_ｐｊは、余因子行列Ａ_ｐ（感度Ｙ_ｐ１の分散Ｖ_ｐ１１、標準偏差Ｙ_ｐ２の分散Ｖ_ｐ２２、感度Ｙ_ｐ１と標準偏差Ｙ_ｐ２との共分散Ｖ_ｐ１２、及び分散行列Ｖ_ｐ）から、（１７）式を用いて得られる。

これにより、図１０に示すように、分割枠Ｆ_ｐ（Ｆ_１〜Ｆ_ｌ×ｍ）の各々に対応するサンプルｊの第一単位空間の第一単位空間距離Ｄ_ｐｊが得られる。図６のステップ１４４では、第一単位空間距離Ｄ_ｐｊを用い、分割枠Ｆ_ｐ毎に第一単位空間距離Ｄ_ｐｊの平均距離Ｄ_ｐを演算する。分割枠Ｆ_ｐ毎の第一単位空間距離Ｄ_ｐｊの平均値ａＩ_ｐは、（１８）式を用いて演算される。また、分割枠Ｆ_ｐ毎の第一単位空間距離Ｄ_ｐｊの平均距離Ｄ_ｐは、（１９）式を用いて演算される。

図６のフローチャートでは、分割枠Ｆ_ｐ毎の第一単位空間距離Ｄ_ｐｊの平均距離Ｄ_ｐの演算が終了すると、サンプルｊの注目領域１４Ｂに対する処理を行う。注目領域１４Ｂに対する処理は、先ず、ステップ１４６において、（１８）式により得られる第一単位空間距離Ｄ_ｐｊの平均値ａＩ_ｐを用いて、各サンプルｊの注目領域１４Ｂにおける感度β（β_ｊ）、及び標準ＳＮ比η（η_ｊ）を演算する。感度β_ｊの演算には、有効除数ｒ、及び各サンプルｊの線形式Ｌ_ｊを用いる。有効除数ｒは、（２０）式に示すように、分割枠Ｆ_ｐ毎の第一単位空間距離Ｄ_ｐｊの平均値ａＩ_ｐの平均二乗和として演算する。また、線形式Ｌ_ｊは、（２１）式により得られる。さらに、第二単位空間の感度β_ｊは、有効除数ｒ及び線形式Ｌ_ｊから、（２２）式を用いて得られる。

サンプルｊの標準ＳＮ比η_ｊの演算には、全変動Ｓ_ｊＴ、比例項の変動Ｓ_ｊβ、及び誤差分散Ｖ_ｊｅを用いる。全変動Ｓ_ｊＴは、（２３）式を用いた演算により得られ、比例項の変動Ｓ_ｊβは、（２４）式を用いた演算により得られる。また、誤差分散Ｖ_ｊｅを演算するために、全変動Ｓ_ｊＴ及び比例項の変動Ｓ_ｊβを用い、（２５）式により誤差変動Ｓ_ｊｅを演算する。

誤差分散Ｖ_ｊｅは、誤差変動Ｓ_ｊｅ及び分割枠Ｆ_ｐの総数（ｌ×ｍ）から、（２６）式により演算され、標準ＳＮ比η_ｊは、誤差分散Ｖ_ｊｅの逆数として、（２７）式から求められる。これにより、図１１に示すように、第二単位空間の感度β、及び標準偏差ηとなるサンプルｊ毎の感度β_ｊ、及び標準ＳＮ比η_ｊが得られる。

サンプルｊの特徴量となる感度β_ｊ、及び標準ＳＮ比η_ｊを演算すると、次のステップ１４８では、感度β_ｊ、及び標準ＳＮ比η_ｊを、２つの統計データとする感度Ｙ_ｊ１（（２８）式参照）、及び標準偏差Ｙ_ｊ２（（２９）式参照）に変換する。

次のステップ１５０では、統計データから分散・共分散を求め、分散、共分散を用いた分散行列から余因子行列Ａを求める。図１２に示すように、サンプルｊの感度Ｙ_ｊ１、及び標準偏差Ｙ_ｊ２は、第二単位空間の感度Ｙ_１、及び標準偏差Ｙ_２に対応する。また、感度Ｙ_ｊ１、及び標準偏差Ｙ_ｊ２から、感度Ｙ_１の平均値、及び標準偏差Ｙ_２の平均値が得られる。

ここから、第二単位空間の感度Ｙ_１の分散Ｖ_１１は、（３０）式から求められ、第二単位空間の標準偏差Ｙ_２の分散Ｖ_２２は、（３１）式から求められる。また、感度Ｙ_１と標準偏差Ｙ_２の共分散Ｖ_１２は、（３２）式から求められる。（ｎは、サンプル数）。

分散行列Ｖは、感度Ｙ_１の分散Ｖ_１１、標準偏差Ｙ_２の分散Ｖ_２２、及び感度Ｙ_１と標準偏差Ｙ_２との共分散Ｖ_１２、Ｖ_２１から、（３３）式を用いて求められる。また、余因子行列Ａは、分散行列Ｖ_ｐから、（３４）式を用いて求められる。

この後、ステップ１５２では、サンプルｊの第二単位空間距離Ｄ_ｊを求める。第二単位空間距離Ｄ_ｊは、余因子行列Ａ（感度Ｙ_１の分散Ｖ_１１、標準偏差Ｙ_２の分散Ｖ_２２、感度Ｙ_１と標準偏差Ｙ_２との共分散Ｖ_１２、Ｖ_２１、及び分散行列Ｖ）から、（３５）式を用いて得られる。

サンプルｊの第二単位空間距離Ｄ_ｊの演算が終了すると、サンプルｊの第二単位空間距離Ｄ_ｊの単位空間平均距離Ｄを求める。第二単位空間距離Ｄ_ｊの単位空間平均距離Ｄは、Ｄ＝０からの標準偏差を示し、（３６）式から求められる。

このようにして、複数のサンプル１４の画像からサンプルの分割枠Ｆ_ｐ毎の第一単位空間距離Ｄ_ｐｊの平均距離Ｄ_ｐ、及び第二単位空間距離Ｄ_ｊの単位空間平均距離Ｄを演算すると、図５のフローチャートでは、ステップ１０４へ移行し、複数のサンプル１４に基づいたサンプルｊの分割枠Ｆ_ｐ毎の第一単位空間距離Ｄ_ｐｊの平均距離Ｄ_ｐ、及び第二単位空間距離Ｄ_ｊの単位空間平均距離Ｄを基準記憶部２０に格納する。これら第一単位空間距離Ｄ_ｐｊの平均距離Ｄ_ｐ、第二単位空間距離Ｄ_ｊ及び単位空間平均距離Ｄの演算、並びに基準記憶部２０への格納は、評価対象物１２の評価前の準備工程で行われる。つまり、これらは、評価対象物１２の評価に際して常に行われるものでは無く、評価（判断）の基準の作成時や修正時に行われる。

（演算工程）
次に、評価対象物１２に対する評価を行う。評価対象物１２に対する評価を行う場合、ステップ１０６において評価対象物１２の撮像画像１２Ａを取得し、ステップ１０８では、取得した評価対象物１２の撮像画像１２Ａに基づき、注目領域１２Ｂの分割枠Ｆ_ｐ毎の第一空間距離、及び注目領域１２Ｂの第二空間距離を演算する。

図１３には、図５のステップ１０８で実行される評価対象物１２の第一空間距離及び第二空間距離の演算の一例を示す。第一空間距離及び第二空間距離の演算は、最初のステップ１６０において、評価対象物１２の撮像画像１２Ａから注目領域１２Ｂを抽出する。この注目領域１２Ｂは、サンプル１４の注目領域１４Ｂに対応する領域となっている。

次のステップ１６２では、注目領域１２Ｂを、分割数ｐに基づいて分割した分割枠Ｆ_ｐを設定する。また、ステップ１６４では、分割枠Ｆ_ｐの各々について、特徴量とするデータｘ’_ｐを抽出する。これにより、図１４に示すように、各分割枠Ｆ_ｐについて、特徴項目とする輝度区分（輝度範囲）ｉ（ｉ＝１〜ｋ）毎のデータｘ’_ｐｉが得られる。

図１３のフローチャートでは、次のステップ１６６において、分割枠Ｆ_ｐ毎に感度β’（β’_ｐ）、及び標準ＳＮ比η’（η’_ｐ）を演算する。感度β’_ｐの演算には、分割枠Ｆ_ｐごとの有効除数ｒ_ｐ、及び線形式Ｌ’_ｐを用いる。有効除数ｒ_ｐとしては、（３７）式（（２）式）に示すサンプルの特徴項目として用いた輝度区分ｉ毎のデータｘ_ｐｉの平均値ａｘ_ｐｉの平均二乗和を用いる。また、線形式Ｌ’_ｐは、（３８）式により得られる。さらに、分割枠Ｆ_ｐ毎の感度β’_ｐは、有効除数ｒ_ｐ及び線形式Ｌ’_ｐから、（３９）式を用いて得られる。

評価対象物１２の分割枠Ｆ_ｐ毎の標準ＳＮ比η’_ｐの演算には、全変動Ｓ’_ｐＴ、比例項の変動Ｓ’_ｐβ、及び誤差分散Ｖ’_ｐｅを用いる。全変動Ｓ’_ｐＴは、（４０）式を用いて得られ、比例項の変動Ｓ’_ｐβは、（４１）式を用いて得られる。また、誤差分散Ｖ’_ｐｅを演算するために、全変動Ｓ’_ｐＴ及び比例項の変動Ｓ’_ｐβを用い、（４２）式により誤差変動Ｓ’_ｐｅを演算する。

誤差分散Ｖ’_ｐｅは、誤差変動Ｓ’_ｐｅ及び輝度区間係数ｋから、（４３）式により演算され、標準ＳＮ比η’_ｐは、誤差分散Ｖ’_ｐｅの逆数として、（４４）式から求められる。

評価対象物１２の注目領域１２Ｂの特徴量となる感度β’_ｐ、及び標準ＳＮ比η’_ｐを演算すると、次のステップ１６８では、感度β’_ｐ、及び標準ＳＮ比η’_ｐを、２つの統計データとする感度Ｙ’_ｐ１（（４５）式参照）、及び標準偏差Ｙ’_ｐ２（（４６）式参照）に変換する。

この後、ステップ１７０では、２つの統計データである感度Ｙ’_ｐ１、及び標準偏差Ｙ’_ｐ２より（１６）式の余因子行列Ａ’_ｐを用いて、（４７）式から評価対象物１２の分割枠Ｆ_ｐ毎の第二空間距離Ｄ’_ｐを求める。

これにより、図１５に示すように、特徴項目として分割枠Ｆ_ｐ（Ｆ_１〜Ｆ_ｌ×ｍ）の各々に対応する第一空間距離Ｄ’_ｐ（Ｄ’_１〜Ｄ’_ｌ×ｍ）が得られる。

図１３では、評価対象物１２の分割枠Ｆ_ｐについて、第一空間距離Ｄ’_ｐの演算を行うとステップ１７２へ移行し、評価対象物１２の注目領域１２Ｂについて、感度β’、及び標準ＳＮ比η’を演算する。感度β’の演算には、有効除数ｒ、及び線形式Ｌ’を用いる。有効除数ｒ及び線形式Ｌ’は、第一空間距離Ｄ’_ｐに基づいて、（４８）式（（２０式参照）及び（４９）式から得られる。また、感度β’は、有効除数ｒ及び線形式Ｌ’から、（５０）式を用いて得られる。

標準ＳＮ比η’の演算には、全変動Ｓ’_Ｔ、比例項の変動Ｓ’_β、及び誤差分散Ｖ’_ｅを用いる。全変動Ｓ’_Ｔは、（５１）式を用いた演算により得られ、比例項の変動Ｓ’_βは、（５２）式を用いた演算により得られる。また、誤差分散Ｖ’_ｅを演算するために、全変動Ｓ’_Ｔ及び比例項の変動Ｓ’_βを用い、（５３）式により誤差変動Ｓ’_ｅを演算する。

誤差分散Ｖ’_ｅは、誤差変動Ｓ’_ｅ及び分割枠Ｆ_ｐの総数（ｌ×ｍ）から、（５４）式により演算され、標準ＳＮ比η’は、誤差分散Ｖ’_ｅの逆数として、（５５）式から求められる。

評価対象物１２の注目領域１２Ｂに対する感度β’、及び標準ＳＮ比η’を演算すると、次のステップ１７４では、感度β’、及び標準ＳＮ比η’を、２つの統計データとする感度Ｙ’_１（（５６）式参照）、及び標準偏差Ｙ’_２（（５７）式参照）に変換する。

この後、ステップ１７６では、２つの統計データである感度Ｙ’_１、及び標準偏差Ｙ’_２より（３４）式の余因子行列Ａ’を用いて、（５８）式から評価対象物１２の注目領域１２Ｂについて第二空間距離Ｄ’を求める。

（評価工程）
このようにして、評価対象物１２の注目領域１２Ｂについて、第一空間距離Ｄ’を演算すると、図５のフローチャートでは、評価対象物１２の評価を行う。評価対象物１２の評価は、先ず、ステップ１１０において、単位空間平均距離Ｄを用いて、評価対象物１２の注目領域１２Ｂの第二空間距離Ｄ’を評価する。単位空間平均距離Ｄを用いた第二空間距離Ｄ’の評価は、例えば、単位空間平均距離Ｄに基づいてしきい値Ｄ_ｔｈを設定し、設定したしきい値Ｄ_ｔｈと第二空間距離Ｄ’と比較して行う。また、単位空間平均距離Ｄを用いた第二空間距離Ｄ’の評価は、単位空間平均距離Ｄに対する第二空間距離Ｄ’の比が予め設定している比を超えたか否かから評価しても良く、これらに限らず、公知の各種の評価方法を適用することができる。

ステップ１１２では、評価結果から評価対象物１２の注目領域１２Ｂが良品か否かを判定する。評価対象物１２の注目領域１２Ｂがサンプル１４の注目領域１４Ｂと一致するとみなされる場合、ステップ１１２で肯定判定して、ステップ１１４へ移行する。このステップ１１４では、評価対象物１２の注目領域１２Ｂが良品と判定されたことを報知する。また、ステップ１１６で、次の評価対象物１２の有無を確認し、次の評価対象物１２がある場合、ステップ１１６で肯定判定して、ステップ１０６へ移行し、評価対象物１２に対する評価処理を継続する。

これに対して、評価結果から評価対象品１２の注目領域１２Ｂが、サンプル１４の注目領域１４Ｂと一致しないと見なされる場合、ステップ１１２で否定判定してステップ１１８へ移行する。

ステップ１１８では、サンプル１４の分割枠Ｆ_ｐ毎の第一単位空間距離Ｄ_ｐｊの平均距離Ｄ_ｐを読み出し、分割枠Ｆ_ｐ毎に第一空間内距離Ｄ’_ｐを評価する。分割枠Ｆ_ｐ毎の第一空間距離Ｄ’_ｐの評価は、例えば、サンプル１４の分割枠Ｆ_ｐ毎に求めた第一単位空間距離Ｄ_ｐｊの平均距離Ｄ_ｐに基づいたしきい値Ｄ_ｐｔｈを設定し、このしきい値Ｄ_ｐｔｈと第一空間距離Ｄ’_ｐを評価しても良く、第一単位空間距離Ｄ_ｐｊの平均距離Ｄ_ｐと第一空間距離Ｄ’_ｐの比を用いて評価しても良く、これらに限らず、公知の評価方法を適用することができる。ステップ１１８では、第一空間距離Ｄ’_ｐを評価することで、評価対象品１２の注目領域１２Ｂ内で、不良と評価される部位（分割枠Ｆ_ｐ）を特定する。

この後、ステップ１２０では、評価対象物１２を不良と判定した判定結果を報知すると共に、評価対象物１２の分割枠Ｆ_ｐ毎の評価結果、或いは不良と判定された分割枠Ｆ_ｐを特定して報知する。

〔実施例１〕
図１６には、評価対象物１２として電装基板を適用し、この電装基板において白色のコネクタを含む注目領域１２Ｂの評価の一例を示す。図１６には、注目領域１２Ｂとして白色のコネクタを含む画像（評価画像）５２を示す。この評価画像５２は、一例として、白色のコネクタを含む３０画素×４６画素の領域として、２つの分割枠Ｆ_１、Ｆ_２に分割して評価を行った。なお、評価は、９７個の正常品と、コネクタの組立方向間違いの３個の異常品の各々について、特徴量として輝度値を用いて、輝度区間係数ｋ＝３２として行っている。

図１７には、分割枠Ｆ_１、Ｆ_２の各々について第一空間距離Ｄ’_ｊ（Ｄ’_１、Ｄ’_２）を演算し、第一空間距離Ｄ’_１、Ｄ’_２を用いて演算した第二空間距離Ｄ’を示している。また、図１８（Ａ）には、分割枠Ｆ_１について演算した第一空間距離Ｄ’_１を示し、図１８（Ｂ）には、分割枠Ｆ_２について演算した第一空間距離Ｄ’_２を示している。なお、図１７は、縦軸（第二空間距離）の最大レンジを０．０２とし、また、第二単位空間距離に基づいたしきい値Ｄ_ｔｈは、０．００９としている。図１８（Ａ）及び図１８（Ｂ）は、縦軸（第一空間距離）の最大レンジを０．２とし、また、第一単位空間距離に基づいたしきい値Ｄ_ｐｔｈは、０．０９としている。

第一空間距離Ｄ’_１、Ｄ’_２が０．０５以下が、正常品の集合と考えられたが、図１８（Ａ）及び図１８（Ｂ）に示すように、部品表面の明るさのばらつきから、正常品の第一空間距離Ｄ’_１、Ｄ’_２が、０．０５を挟んで分散している。また、例えば、撮像の濃淡が濃い場合、図１８（Ａ）に示すように、正常品であっても、第一空間距離Ｄ’_１が大きくなりしきい値Ｄ_ｔｈを超えてしまう。

この結果、分割枠Ｆ_１、Ｆ_２毎に評価した場合、分割枠Ｆ_１、Ｆ_２の何れか一方がしきい値Ｄ_ｐｔｈを超えることで不良と判定されてしまう。従って、評価対象物１２を分割枠Ｆ_ｐごとに評価した場合、正確な評価結果は得られないことがある。

一方、図１７に示すように、分割枠Ｆ_１、Ｆ_２の第一空間距離Ｄ’_１、Ｄ’_２を特徴項目とする注目領域１２Ｂの第二空間距離Ｄ’は、多数が０．００５以下となり、また、正常品においては、しきい値Ｄ_ｔｈを超えることがない。また、異常品については、第二空間距離Ｄ’がしきい値Ｄ_ｔｈ以下となることがない。さらに、正常品と異常品との間の第二空間距離Ｄ’は、十分に離れた値となっている。

従って、分割枠Ｆ_１、Ｆ_２の第一空間距離Ｄ’_１、Ｄ’_２を特徴項目とする注目領域１２Ｂの第二空間距離Ｄ’を用いることで、正常品と異常品とを適正に識別することが可能となり、高精度の評価を行うことができる。

〔実施例２〕
図１９、図２０（Ａ）及び図２０（Ｂ）には、分割枠Ｆ_ｐ毎の特徴項目とする輝度区間係数ｋを変化させた際の単位空間平均距離Ｄに対する第二空間距Ｄ’の比を示している。

図１９には、注目領域１２Ｂとして黒色のコネクタを含む画像（評価画像）５４を示す。この評価画像５４は、一例として、黒のコネクタを含む３６画素×６０画素の領域として、複数の分割枠Ｆｐに分割して評価を行った。なお、図１９は、一例として分割数ｐ＝６(分割枠Ｆ_１〜Ｆ_６)に分割した例を示している。

評価画像５４に対する評価は、９５個の正常品と、５個の異常品について行っている。５個の異常品の内訳は、２個の組立忘れ（コネクタの欠品１、２）、及び３個の組立方向間違い（コネクタの極性間違い１、２、３）としている。

図２０（Ａ）には、特徴項目とする輝度区間係数ｋを一定（ｋ＝３２）とし、分割数ｐ＝１、２、４、６、８、１０の各々における第二単位空間の平均距離である単位空間平均距離Ｄに対する第二空間距離Ｄ’の比（空間距離比）を示している。また、図２０（Ｂ）には、分割数ｐを一定（ｐ＝６）とし、特徴項目とする輝度区間係数ｋ＝１６、３２、６４の各々における第二単位空間の平均距離である単位空間平均距離Ｄに対する第二空間距離Ｄ’の比（空間距離比）を示している。なお、正常品Ｍａｘは、正常品の最大値を示している。

図２０（Ａ）に示すように、分割数ｐ＝１（分割無し）の場合、正常品と不良品（特に極性間違い）との間の空間距離比が近似している。従って、分割数ｐ＝１の場合、評価の際に誤判定を生じる可能性が高くなる。

これに対して、分割数ｐを２以上とすることで、正常品の空間距離比が不良品（特に極性間違い）の空間距離比より小さくなり、分割数ｐを４以上とすることで、正常品の空間距離比と不良品（特に極性間違い）の空間距離比の差が広がる。従って、分割数ｐを少なくとも２以上、好ましくは４以上とすることで、評価対象物１２の適正な評価が可能となる。

また、図２０（Ｂ）に示すように、特徴項目の数となる輝度区間係数ｋを６４とした場合は勿論、輝度区間係数ｋ＝１６とした場合においても、正常品の空間距離比と不良品の空間距離比との間には差が生じる。特徴項目の数が多くなると、第一空間距離Ｄ’_ｐの演算数が多くなり、輝度区間係数ｋを小さく設定すれば、特徴項目の数が減少し、演算時間の短縮が可能となる。

従って、分割枠Ｆｐの数（分割数ｐ）、及び輝度区間係数ｋを適切に設定することで、適正な評価を迅速に行うことができる。

以上説明した本実施形態は、本発明の一例を示すものであり、本発明を限定するものではない。本発明は、空間距離を用いて画像を評価する任意の構成に適用することができる。

１０ 画像判定装置
１２ 評価対象物
１２Ｂ、１４Ｂ 注目領域
１４ サンプル
１６ 撮像情報取得部
１８ 演算部
２０ 基準記憶部
２２ 評価部
２４ 報知部
２６ 撮像カメラ
２８ 注目領域抽出部
３０ 分割部
３２ 特徴量抽出部
３４ 単位空間距離演算部
３６ 対象空間距離演算部
３８ 第１評価部
４０ 第２評価部
５２、５４ 評価画像

Claims (11)

1. 評価対象物に対する評価基準のサンプルの画像の注目領域を複数の分割枠に仕切り、当該複数の分割枠の各々の画像から分割枠の各々の第一単位空間を設定し、各々の第一単位空間距離及び第一単位空間距離の平均距離を演算すると共に、当該分割枠の各々の第一単位空間距離に基づいて前記サンプルの注目領域の画像に対応する前記サンプルの各々の第二単位空間距離を演算し、当該第二単位空間距離を平均して単位空間平均距離を予め演算する準備工程と、
   評価対象物の画像の注目領域を複数の分割枠に仕切り、当該複数の分割枠の各々の画像から分割枠の各々の第一空間距離を演算すると共に、当該分割枠の各々の第一空間距離に基づいて前記評価対象物の注目領域の画像に対応する評価対象物の注目領域の第二空間距離を演算する演算工程と、
   前記サンプルの注目領域の単位空間平均距離及び前記評価対象物の注目領域の第二空間距離を用いて、前記評価対象物の注目領域を評価する評価工程と、
   を含む画像評価方法。
2. 前記サンプルの注目領域の単位空間平均距離及び前記評価対象物の注目領域の第二空間距離を用いた評価結果に基づき、前記サンプルの分割枠の各々の第一単位空間距離の平均距離及び前記評価対象物の分割枠の各々の第一空間距離を用いて、前記評価対象物の前記複数の分割枠の各々を評価する、請求項１記載の画像評価方法。
3. 画素毎の輝度値を所定の輝度幅の複数の輝度区間に区分けし、区分けした前記複数の輝度区間の各々を特徴項目として、前記サンプルの分割枠の各々、及び前記評価対象物の分割枠の各々から、前記特徴項目毎の特徴量を抽出し、
   前記サンプルの分割枠の各々から抽出された前記特徴項目毎の特徴量に基づいて前記サンプルの分割枠の各々の第一単位空間距離及び第一単位空間距離の平均距離を演算し、
   前記評価対象物の分割枠の各々から抽出された前記特徴項目毎の特徴量に基づいて前記評価対象物の分割枠の各々の第一空間距離を演算する、
   ことを含む請求項１又は請求項２記載の画像評価方法。
4. 評価対象物に対する評価基準のサンプルの画像の注目領域を複数の分割枠に仕切り、当該複数の分割枠の各々の画像から分割枠の各々の第一単位空間距離及び第一単位空間距離の平均距離を演算すると共に、当該分割枠の各々の第一単位空間距離に基づいて前記サンプルの注目領域の画像に対応するサンプルの注目領域の第二単位空間距離及び当該第二単位空間距離の平均である単位空間平均距離を演算する単位空間距離演算手段と、
   評価対象物の画像の注目領域を複数の分割枠に仕切り、当該複数の分割枠の各々の画像から分割枠の各々の第一空間距離を演算すると共に、当該分割枠の各々の第一空間距離に基づいて前記評価対象物の注目領域の画像に対応する評価対象物の注目領域の第二空間距離を演算する対象空間距離演算手段と、
   前記サンプルの注目領域の単位空間平均距離及び前記評価対象物の注目領域の第二空間距離を用いて、前記評価対象物の注目領域を評価する評価手段と、
   を含む画像評価装置。
5. 前記評価手段は、前記サンプルの注目領域の単位空間平均距離及び前記評価対象物の注目領域の第二空間距離を用いた評価結果に基づき、前記サンプルの分割枠の各々の第一単位空間距離の平均距離及び前記評価対象物の分割枠の各々の第一空間距離を用いて、前記評価対象物の前記複数の分割枠の各々を評価する、請求項４記載の画像評価装置。
6. 画素毎の輝度値を所定の輝度幅の複数の輝度区間に区分けし、区分けした前記複数の輝度区間の各々を特徴項目として、前記サンプルの分割枠の各々、及び前記評価対象物の分割枠の各々から、前記特徴項目毎の特徴量を抽出する抽出手段を含み、
   前記単位空間距離演算手段が、前記サンプルの分割枠の各々から抽出された前記特徴項目毎の特徴量に基づいて前記サンプルの分割枠の各々の第一単位空間距離及び第一単位空間距離の平均距離を演算し、
   前記対象空間距離演算手段が、前記評価対象物の分割枠の各々から抽出された前記特徴項目毎の特徴量に基づいて前記評価対象物の分割枠の各々の第一空間距離を演算する、
   請求項４又は請求項５記載の画像評価装置。
7. 撮像手段により前記評価対象物の前記撮像画像を取得する画像取得手段を含む、請求項４から請求項６の何れか１項記載の画像評価装置。
8. 前記評価手段の評価結果を報知する報知手段を含む、請求項４から請求項７の何れか１項記載の画像評価装置。
9. コンピュータを、
   評価対象物に対する評価基準のサンプルの画像の注目領域を複数の分割枠に仕切り、当該複数の分割枠の各々の画像から分割枠の各々の第一単位空間距離及び第一単位空間距離の平均距離を演算すると共に、当該分割枠の各々の第一単位空間距離に基づいて前記サンプルの注目領域の画像に対応するサンプルの注目領域の第二単位空間距離及び当該第二単位空間距離の平均である単位空間平均距離を演算する単位空間距離演算手段と、
   評価対象物の画像の注目領域を複数の分割枠に仕切り、当該複数の分割枠の各々の画像から分割枠の各々の第一空間距離を演算すると共に、当該分割枠の各々の第一空間距離に基づいて前記評価対象物の注目領域の画像に対応する評価対象物の注目領域の第二空間距離を演算する対象空間距離演算手段と、
   前記サンプルの注目領域の単位空間平均距離及び前記評価対象物の注目領域の第二空間距離を用いて、前記評価対象物の注目領域を評価する評価手段と、
   して動作させるための画像評価プログラム。
10. 前記評価手段は、前記サンプルの注目領域の単位空間平均距離及び前記評価対象物の注目領域の第二空間距離を用いた評価結果に基づき、前記サンプルの分割枠の各々の第一単位空間距離の平均距離及び前記評価対象物の分割枠の各々の第一空間距離を用いて、前記評価対象物の前記複数の分割枠の各々を評価する、請求項９記載の画像評価プログラム。
11. 画素毎の輝度値を所定の輝度幅の複数の輝度区間に区分けし、区分けした前記複数の輝度区間の各々を特徴項目として、前記サンプルの分割枠の各々、及び前記評価対象物の分割枠の各々から、前記特徴項目毎の特徴量を抽出する抽出手段を含み、
    前記単位空間距離演算手段が、前記サンプルの分割枠の各々から抽出された前記特徴項目毎の特徴量に基づいて前記サンプルの分割枠の各々の第一単位空間距離及び第一単位空間距離の平均距離を演算し、
    前記対象空間距離演算手段が、前記評価対象物の分割枠の各々から抽出された前記特徴項目毎の特徴量に基づいて前記評価対象物の分割枠の各々の第一空間距離を演算する、
    請求項９又は請求項１０記載の画像評価プログラム。