JP5469532B2 - 画像処理装置、画像処理方法及びコンピュータプログラム - Google Patents

画像処理装置、画像処理方法及びコンピュータプログラム Download PDF

Info

Publication number
JP5469532B2
JP5469532B2 JP2010117092A JP2010117092A JP5469532B2 JP 5469532 B2 JP5469532 B2 JP 5469532B2 JP 2010117092 A JP2010117092 A JP 2010117092A JP 2010117092 A JP2010117092 A JP 2010117092A JP 5469532 B2 JP5469532 B2 JP 5469532B2
Authority
JP
Japan
Prior art keywords
pixel
value
image
distribution range
feature
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
Application number
JP2010117092A
Other languages
English (en)
Other versions
JP2011243139A (ja
JP2011243139A5 (ja
Inventor
和人 佐伯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Keyence Corp
Original Assignee
Keyence Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Keyence Corp filed Critical Keyence Corp
Priority to JP2010117092A priority Critical patent/JP5469532B2/ja
Priority to US13/091,218 priority patent/US8594416B2/en
Priority to CN201110131814.5A priority patent/CN102254178B/zh
Publication of JP2011243139A publication Critical patent/JP2011243139A/ja
Publication of JP2011243139A5 publication Critical patent/JP2011243139A5/ja
Application granted granted Critical
Publication of JP5469532B2 publication Critical patent/JP5469532B2/ja
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30164—Workpiece; Machine component

Landscapes

  • Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Description

本発明は、判定対象物を撮像して取得した多値画像を、基準となる多値画像と比較する画像処理装置、画像処理方法、及びコンピュータプログラムに関する。
従来、判定対象物を撮像して取得した多値画像を、基準となる多値画像と単純に比較することにより、判定対象物が良品であるか否かを判定する方法が開発されている。しかし、両画像を単純に比較するだけでは、良品自体の形状ばらつき、計算誤差、ノイズ等による画素値変動を考慮することができず、良品であるにもかかわらず良品ではないと誤って判定する等、正しく良品判定を行うことができないおそれがある等の問題があった。
斯かる問題を解決するために、例えば特許文献１では、複数の良品に関する多値画像を準備しておき、それらの平均画像、標準偏差画像を求めることで、安定した良否判定を可能としている。具体的には、複数の良品に関する多値画像について位置合わせを行った後、同一座標の画素ごとに画素値の平均値及び標準偏差を算出する。判定対象物の多値画像について良品に関する多値画像との間で位置合わせを行った後、同一座標の画素ごとに、平均値との差分値を算出し、標準偏差に基づいて定義した閾値画像と画素ごとに比較することにより、良品判定を行っている。
このようにすることで、良品自体の形状ばらつき、計算誤差、ノイズ等による画素値変動分を画素ごとの画素値のばらつき度合に応じて効果的に排除することができるとともに、画素ごとに良品であると判定する範囲が相違することから、部位ごとに適切な良品判定の閾値を設定することができる。したがって、より高い精度で良品判定を行うことが可能となっている。
特開２００５−２６５６６１号公報
しかし、特許文献１に開示されている画像処理方法では、欠陥が輪郭線の近傍に生じている場合、画素値の標準偏差が大きいことから欠陥として認識することが困難であり、欠陥の存在を検出する感度が低くなってしまうという問題点があった。輪郭線の近傍にて画素値の標準偏差が大きくなるのは、位置合わせにおける微妙な相違の存在、撮像位置の相違、個々の良品ばらつき等に起因する。
また、白黒画像では色の相違を検出することは困難である場合もある。さらに全体的に濃淡のばらつきが大きい場合には、部分的に明暗が相違している部分、例えば表面のくぼみ部分等を検出することが困難であるという問題点もあった。
本発明は上記事情に鑑みてなされたものであり、輪郭線近傍の欠陥や色の相違についても、適切な特徴量抽出手段を選択することにより、高い精度で存在を検出することができ、良品判定を確実に行うことができる画像処理装置、画像処理方法、及びコンピュータプログラムを提供することを目的とする。
上記目的を達成するために第１発明に係る画像処理装置は、判定対象物を撮像した多値画像を、良品に関する多値画像群と比較して良品判定を行う画像処理装置において、撮像手段で撮像された、良品に関する複数の第一の多値画像を取得する良品画像取得手段と、取得した第一の多値画像の画素ごとに、色成分に関する画素値を特徴量として抽出する第一の特徴量抽出手段と、取得した第一の多値画像の画素ごとに、異なる二方向におけるエッジ強度を特徴量として抽出する第二の特徴量抽出手段とを少なくとも含む複数の特徴量抽出手段のうち、いずれか１つの特徴量抽出手段の選択を受け付ける選択受付手段と、前記複数の特徴量抽出手段のうち選択を受け付けた特徴量抽出手段により抽出した特徴量に基づき、前記第一の特徴量抽出手段が選択された場合には、良品判定を行うための分布範囲として、画素ごとに色成分に関する画素値の分布範囲を算出し、前記第二の特徴量抽出手段が選択された場合には、良品判定を行うための分布範囲として、画素ごとに異なる二方向におけるエッジ強度からエッジ強度の分布範囲を算出する分布範囲算出手段と、判定対象物に関する第二の多値画像を取得する多値画像取得手段と、取得した第二の多値画像の画素ごとに、前記複数の特徴量抽出手段のうち選択を受け付けた特徴量抽出手段により特徴量を抽出し、抽出した前記第二の多値画像の特徴量が、対応する前記第一の多値画像から得られた前記分布範囲に含まれているか否かを判断する判断手段とを備えることを特徴とする。
また、第２発明に係る画像処理装置は、第１発明において、前記第一の特徴量抽出手段の選択を受け付けた場合、前記分布範囲算出手段は、取得した各第一の多値画像の画素ごとに、色成分に関する画素値の平均値を算出する画素平均値算出手段と、算出した色成分に関する画素値の平均値に基づいて、各第一の多値画像の画素ごとに、色成分それぞれを座標軸とする多次元空間における画素値の分布範囲を算出する画素値分布範囲算出手段とを有し、前記判断手段は、取得した第二の多値画像の画素ごとに、色成分に関する画素値を算出して、色成分それぞれを座標軸とする多次元空間における画素値の分布範囲に含まれているか否かを判断するようにしてあり、前記第二の特徴量抽出手段の選択を受け付けた場合、前記分布範囲算出手段は、取得した各第一の多値画像の画素ごとに、異なる二方向におけるエッジ強度を算出する方向別エッジ強度算出手段と、算出したエッジ強度に基づいて、各第一の多値画像の画素ごとに、異なる二方向におけるエッジ強度の平均値を算出するエッジ強度平均値算出手段と、算出した平均値を中心として、各第一の多値画像の画素ごとに、異なる二方向におけるエッジ強度の相互相関分布範囲を算出するエッジ強度分布範囲算出手段とを有し、前記判断手段は、取得した第二の多値画像の画素ごとに、異なる二方向におけるエッジ強度を算出して、算出したエッジ強度が対応する前記相互相関分布範囲に含まれているか否かを判断するようにしてあることを特徴とする。
また、第３発明に係る画像処理装置は、第１又は第２発明において、前記分布範囲算出手段は、仮想的な楕円領域として前記相互相関分布範囲を算出するようにしてあることを特徴とする。
また、第４発明に係る画像処理装置は、第３発明において、前記判断手段は、仮想的な前記楕円領域の重心から前記第二の多値画像の画素ごとに抽出した特徴量までの距離を、前記重心から前記特徴量に向かう方向における前記楕円領域の境界と前記重心との距離で正規化したマハラノビス距離を算出する距離算出手段を備え、算出したマハラノビス距離が所定値より小さいか否かで前記相互相関分布範囲に含まれているか否かを判断するようにしてあることを特徴とする。
また、第５発明に係る画像処理装置は、第３発明において、前記距離算出手段は、仮想的な前記楕円領域の重心から前記第二の多値画像の画素ごとに抽出した特徴量までの距離であるユークリッド距離を算出するようにしてあり、前記判断手段は、算出したユークリッド距離が所定値より小さいか否かで前記相互相関分布範囲に含まれているか否かを判断するようにしてあることを特徴とする。
また、第６発明に係る画像処理装置は、第１乃至第５発明のいずれか１つにおいて、前記第一の多値画像と前記第二の多値画像との位置合わせを行う位置調整手段を備えることを特徴とする。
また、第７発明に係る画像処理装置は、第１乃至第６発明のいずれか１つにおいて、判定対象物の表面の粗さの特徴量を抽出する第三の特徴量抽出手段を備え、前記第三の特徴量抽出手段の選択を受け付けた場合、前記分布範囲算出手段は、取得した各第一の多値画像の画素ごとの粗さの特徴量に基づいて、画素ごとの平均値及び分布範囲を算出し、画素ごとに第二の多値画像の粗さの特徴量と前記平均値との差分値が、所定値より小さいか否かを判断するようにしてあることを特徴とする。
また、第８発明に係る画像処理装置は、第１乃至第７発明のいずれか１つにおいて、前記選択受付手段が、複数の特徴量抽出手段の選択を受け付けた場合であって、前記判断手段が、選択を受け付けた特徴量抽出手段で抽出された特徴量のうち、いずれかの特徴量がそれぞれの特徴量に対応する前記分布範囲に含まれていないと判断したとき、前記判定対象物は良品ではないと判定するようにしてあることを特徴とする。
次に、上記目的を達成するために第９発明に係る画像処理方法は、判定対象物を撮像した多値画像を、良品に関する多値画像群と比較して良品判定を行う画像処理装置で実行することが可能な画像処理方法において、撮像手段で撮像された、良品に関する複数の第一の多値画像を取得するステップと、取得した第一の多値画像の画素ごとに、色成分に関する画素値を特徴量として抽出する第一の抽出ステップと、取得した第一の多値画像の画素ごとに、異なる二方向におけるエッジ強度を特徴量として抽出する第二の抽出ステップとを少なくとも含む複数の抽出ステップのうち、いずれか１つの抽出ステップの選択を受け付けるステップと、前記複数の抽出ステップのうち選択を受け付けた抽出ステップにより特徴量を抽出し、抽出した特徴量に基づき、前記第一の抽出ステップが選択された場合には、良品判定を行うための分布範囲として、画素ごとに色成分に関する画素値の分布範囲を算出し、前記第二の抽出ステップが選択された場合には、良品判定を行うための分布範囲として、画素ごとに異なる二方向におけるエッジ強度からエッジ強度の分布範囲を算出するステップと、判定対象物に関する第二の多値画像を取得するステップと、取得した第二の多値画像の画素ごとに、前記複数の抽出ステップのうち選択を受け付けた抽出ステップにより特徴量を抽出し、抽出した前記第二の多値画像の特徴量が、対応する前記第一の多値画像から得られた前記分布範囲に含まれているか否かを判断するステップとを含むことを特徴とする。
次に、上記目的を達成するために第１０発明に係るコンピュータプログラムは、判定対象物を撮像した多値画像を、良品に関する多値画像群と比較して良品判定を行う画像処理装置で実行することが可能なコンピュータプログラムにおいて、前記画像処理装置を、撮像手段で撮像された、良品に関する複数の第一の多値画像を取得する良品画像取得手段、取得した第一の多値画像の画素ごとに、色成分に関する画素値を特徴量として抽出する第一の特徴量抽出手段と、取得した第一の多値画像の画素ごとに、異なる二方向におけるエッジ強度を特徴量として抽出する第二の特徴量抽出手段とを少なくとも含む複数の特徴量抽出手段のうち、いずれか１つの特徴量抽出手段の選択を受け付ける選択受付手段、前記複数の特徴量抽出手段のうち選択を受け付けた特徴量抽出手段により抽出した特徴量に基づき、前記第一の特徴量抽出手段が選択された場合には、良品判定を行うための分布範囲として、画素ごとに色成分に関する画素値の分布範囲を算出し、前記第二の特徴量抽出手段が選択された場合には、良品判定を行うための分布範囲として、画素ごとに異なる二方向におけるエッジ強度からエッジ強度の分布範囲を算出する分布範囲算出手段、判定対象物に関する第二の多値画像を取得する多値画像取得手段、及び取得した第二の多値画像の画素ごとに、前記複数の特徴量抽出手段のうち選択を受け付けた特徴量抽出手段により特徴量を抽出し、抽出した前記第二の多値画像の特徴量が、対応する前記第一の多値画像から得られた前記分布範囲に含まれているか否かを判断する判断手段として機能させることを特徴とする。
第１発明、第９発明及び第１０発明では、撮像手段で撮像された、良品に関する複数の第一の多値画像を取得する。取得した第一の多値画像の画素ごとに、色成分に関する画素値を特徴量として抽出する第一の特徴量抽出手段と、取得した第一の多値画像の画素ごとに、異なる二方向におけるエッジ強度を特徴量として抽出する第二の特徴量抽出手段とを少なくとも含む複数の特徴量抽出手段のうち、いずれか１つの特徴量抽出手段の選択を受け付ける。複数の特徴量抽出手段のうち選択を受け付けた特徴量抽出手段により抽出した特徴量に基づき、第一の特徴量抽出手段が選択された場合には、良品判定を行うための分布範囲として、画素ごとに色成分に関する画素値の分布範囲を算出し、第二の特徴量抽出手段が選択された場合には、良品判定を行うための分布範囲として、画素ごとに異なる二方向におけるエッジ強度からエッジ強度の分布範囲を算出する。判定対象物に関する第二の多値画像を取得し、取得した第二の多値画像の画素ごとに、複数の特徴量抽出手段のうち選択を受け付けた特徴量抽出手段により特徴量を抽出し、抽出した第二の多値画像の特徴量が、対応する第一の多値画像から得られた分布範囲に含まれているか否かを判断する。第二の多値画像の性状に応じて、特徴量抽出手段を選択することができるので、適切な特徴量を選択することにより、欠陥が輪郭線近傍に生じている場合であっても欠陥の存在を検出することができ、色の相違についても高い感度で検出することが可能となる。例えば選択を受け付けた特徴量が色成分に関する画素値である場合、良品との色の相違を検出することができ、選択を受け付けた特徴量が異なる二方向におけるエッジ強度である場合、輪郭線近傍に生じている欠陥の存在を検出することができる。
第２発明では、抽出する特徴量として色成分に関する画素値の選択を受け付けた場合、取得した各第一の多値画像の画素ごとに、色成分に関する画素値の平均値を算出し、算出した色成分に関する画素値の平均値に基づいて、各第一の多値画像の画素ごとに、色成分それぞれを座標軸とする多次元空間における画素値の分布範囲を算出する。取得した第二の多値画像の画素ごとに、色成分に関する画素値を算出して、色成分それぞれを座標軸とする多次元空間における画素値の分布範囲に含まれているか否かを判断する。一方、抽出する特徴量として異なる二方向におけるエッジ強度の選択を受け付けた場合、取得した各第一の多値画像の画素ごとに、異なる二方向におけるエッジ強度を算出し、算出したエッジ強度に基づいて、各第一の多値画像の画素ごとに、異なる二方向におけるエッジ強度の平均値を算出して、算出した平均値を中心として、各第一の多値画像の画素ごとに、異なる二方向におけるエッジ強度の相互相関分布範囲を算出する。取得した第二の多値画像の画素ごとに、異なる二方向におけるエッジ強度を算出して、算出したエッジ強度が対応する相互相関分布範囲に含まれているか否かを判断する。これにより、選択を受け付けた特徴量が色成分に関する画素値である場合、算出した画素値の分布範囲に含まれているか否かにより色の相違を検出することができ、選択を受け付けた特徴量が異なる二方向におけるエッジ強度である場合、算出したエッジ強度の相互相関分布範囲に含まれているか否かにより、輪郭線近傍の欠陥の存在を検出することができる。
第３発明では、仮想的な楕円領域として相互相関分布範囲を算出することにより、第二の多値画像の画素ごとに算出した異なる二方向におけるエッジ強度が、相互相関分布範囲に含まれているか否かをより容易に判断することが可能となる。
第４発明では、仮想的な楕円領域の重心から第二の多値画像の画素ごとに抽出した特徴量までの距離を、重心から特徴量に向かう方向における楕円領域の境界と重心との距離で正規化したマハラノビス距離を算出し、算出したマハラノビス距離が所定値より小さいか否かで相互相関分布範囲に含まれているか否かを判断する。マハラノビス距離を用いることにより、相互相関分布範囲の境界線と重心との距離に対する比率として重心からエッジ強度までの距離を表すことができるので、より良品の分布広がりに応じた感度で相互相関分布範囲に含まれているか否かを判断することが可能となる。
第５発明では、仮想的な楕円領域の重心から第二の多値画像の画素ごとに抽出した特徴量までの距離であるユークリッド距離を算出し、算出したユークリッド距離が所定値より小さいか否かで相互相関分布範囲に含まれているか否かを判断する。ユークリッド距離を用いることにより、分布広がりの大小により感度が大きく変化することなく良品として判定される相互相関分布範囲から外れている度合いを算出することが可能となる。
第６発明では、第一の多値画像と第二の多値画像との位置合わせを行うことにより、第二の多値画像の画素ごとに算出した異なる二方向におけるエッジ強度が、相互相関分布範囲に含まれているか否かをより正確に判断することが可能となる。
第７発明では、判定対象物の表面の粗さの特徴量を抽出する第三の特徴量抽出手段を備え、第三の特徴量抽出手段の選択を受け付けた場合、取得した各第一の多値画像の画素ごとの粗さの特徴量に基づいて、画素ごとの平均値及び分布範囲を算出し、画素ごとに第二の多値画像の粗さの特徴量と平均値との差分値が、所定値より小さいか否かを判断する。これにより、判定対象物に関する多値画像の粗さ、ざらつき具合等を区別することができ、判定対象物の表面の粗度の相違を確実に検出することが可能となる。
第８発明では、複数の特徴量抽出手段の選択を受け付けた場合であって、選択を受け付けた特徴量抽出手段で抽出された特徴量のうち、いずれかの特徴量がそれぞれの特徴量に対応する分布範囲に含まれていないと判断したとき、判定対象物は良品ではないと判定する。これにより、不適切な特徴量に基づいて、本来良品ではない判定対象物を誤って良品であると判定していた場合であっても、適切な特徴量に基づいて良品ではないと正しく判定することが可能となる。
本発明によれば、第二の多値画像の性状に応じて、良品であるか否かを判定する基礎となる特徴量を少なくとも一つ選択することができるので、適切な特徴量を選択することにより、欠陥が輪郭線近傍に生じている場合であっても欠陥の存在を検出することができ、色の相違についても高い感度で検出することが可能となる。例えば選択を受け付けた特徴量が色成分に関する画素値である場合、良品との色の相違を検出することができ、選択を受け付けた特徴量が異なる二方向におけるエッジ強度である場合、輪郭線近傍に生じている欠陥の存在を検出することができる。
本発明の実施の形態１に係る画像処理装置の構成を模式的に示すブロック図である。 本発明の実施の形態１に係る画像処理装置の一構成例を示す機能ブロック図である。 本発明の実施の形態１に係る画像処理装置の主制御部の良品情報収集処理の手順を示すフローチャートである。 本発明の実施の形態１に係る画像処理装置の主制御部の良品判定処理の手順を示すフローチャートである。 本発明の実施の形態１に係る画像処理装置の第一の特徴量抽出手段の選択を受け付けた場合の分布範囲算出手段の機能ブロック図である。 第一の特徴量抽出手段の選択を受け付けた場合の、画素値の分布範囲を示す例示図である。 本発明の実施の形態１に係る画像処理装置の主制御部の、第一の特徴量抽出手段の選択を受け付けた場合の、分布範囲算出処理の手順を示すフローチャートである。 本発明の実施の形態１に係る画像処理装置の第二の特徴量抽出手段の選択を受け付けた場合の分布範囲算出手段の機能ブロック図である。 本発明の実施の形態１に係る画像処理装置の所定の画素ごとの異なる二方向におけるエッジ強度の相互相関分布範囲の例示図である。 本発明の実施の形態１に係る画像処理装置の主制御部の、第二の特徴量抽出手段の選択を受け付けた場合の、分布範囲算出処理の手順を示すフローチャートである。 本発明の実施の形態１に係る画像処理装置の主制御部の、指標値を用いる場合の良品判定処理の手順を示すフローチャートである。 本発明の実施の形態１に係る画像処理装置の、エッジ強度のばらつきが小さく、ばらつく方向がランダムになっている場合の、所定の画素におけるエッジ強度の相互相関分布範囲の例示図である。 本発明の実施の形態１に係る画像処理装置の、輪郭線以外の部分の所定の画素におけるエッジ強度の相互相関分布範囲の例示図である。 本発明の実施の形態１に係る画像処理装置の、輪郭線のばらつきが大きい場合の、所定の画素におけるエッジ強度の相互相関分布範囲の例示図である。 本発明の実施の形態１に係る画像処理装置の、エッジ強度のばらつき方向がほぼ揃っている場合の、所定の画素におけるエッジ強度の相互相関分布範囲の例示図である。 本発明の実施の形態２に係る画像処理装置の、第三の特徴量抽出手段を含む場合の構成例を示す機能ブロック図である。 本発明の実施の形態２に係る画像処理装置の、第三の特徴量抽出手段の機能ブロック図である。 本発明の実施の形態２に係る画像処理装置の主制御部の、第三の特徴量抽出手段の選択を受け付けた場合の、粗さの特徴量抽出処理の手順を示すフローチャートである。 本発明の実施の形態２に係る画像処理装置の主制御部の、指標値を用いる場合の良品判定処理の手順を示すフローチャートである。
以下、本発明の実施の形態に係る画像処理装置について、図面を参照して説明する。なお、参照する図面を通じて、同一又は同様の構成又は機能を有する要素については、同一又は同様の符号を付して、詳細な説明を省略する。
（実施の形態１）
図１は、本発明の実施の形態１に係る画像処理装置の構成を模式的に示すブロック図である。図１に示すように本実施の形態１に係る画像処理装置２は、多値画像を撮像する撮像手段であるカメラ１及び撮像された多値画像又は演算処理の途上で生成された画像を表示する画像表示手段である表示装置３に接続されている。
画像処理装置２は、少なくともＣＰＵ（中央演算装置）、ＬＳＩ等で構成された主制御部２１、メモリ２２、記憶手段２３、入力手段２４、出力手段２５、通信手段２６、補助記憶手段２７及び上述したハードウェアを接続する内部バス２８で構成されている。主制御部２１は、内部バス２８を介して画像処理装置２の上述したようなハードウェア各部と接続されており、上述したハードウェア各部の動作を制御するとともに、記憶手段２３に記憶されているコンピュータプログラム５に従って、種々のソフトウェア的機能を実行する。メモリ２２は、ＳＲＡＭ、ＳＤＲＡＭ等の揮発性メモリで構成され、コンピュータプログラム５の実行時にロードモジュールが展開され、コンピュータプログラム５の実行時に発生する一時的なデータ等を記憶する。
記憶手段２３は、内蔵される固定型記憶装置（ハードディスク、フラッシュメモリ）、ＲＯＭ等で構成されている。記憶手段２３に記憶されているコンピュータプログラム５は、プログラム及びデータ等の情報を記録したＤＶＤ、ＣＤ−ＲＯＭ、フラッシュメモリ等の可搬型記録媒体４から、補助記憶手段２７によりダウンロードされ、実行時には記憶手段２３からメモリ２２へ展開して実行される。もちろん、通信手段２６を介して外部のコンピュータからダウンロードされたコンピュータプログラムであっても良い。
記憶手段２３は、取得した良品に関する複数の多値画像データを記憶しておく良品画像データ記憶部２３１と、良品画像データ記憶部２３１に記憶してある良品に関する複数の多値画像データに基づいて、特徴量ごとに算出された分布範囲に関する情報（分布範囲情報）を記憶する分布範囲情報記憶部２３２とを備えている。判定対象物に関する特徴量が、分布範囲情報記憶部２３２に記憶してある分布範囲情報に基づいて特定される分布範囲に含まれているか否かの判断に応じて、判定対象物が良品であるか否かを判定する。
通信手段２６は内部バス２８に接続されており、インターネット、ＬＡＮ、ＷＡＮ等の外部のネットワークに接続されることにより、外部のコンピュータ等とデータ送受信を行うことが可能となっている。すなわち、上述した記憶手段２３は、画像処理装置２に内蔵される構成に限定されるものではなく、通信手段２６を介して接続されている外部のサーバコンピュータ等に設置されているハードディスク等の外部記録媒体であっても良い。
入力手段２４は、キーボード及びマウス等のデータ入力媒体の他、液晶パネル等と一体となったタッチパネル等の入力情報を取得する装置全般を含む広い概念である。出力手段２５は、レーザプリンタ、ドットプリンタ等の印刷装置等を意味する。
カメラ（撮像手段）１は、ＣＣＤ撮像素子を備えたＣＣＤカメラ等である。表示装置３は、ＣＲＴ、液晶パネル等を有する表示装置である。カメラ１、表示装置３等は、画像処理装置２と一体化されていても良いし、分離されていても良い。外部制御機器６は、通信手段２６を介して接続されている制御機器であり、例えばＰＬＣ（プログラマブルロジックコントローラ）等が相当する。ここで外部制御機器６とは、画像処理装置２による画像処理結果に応じて後処理を実行する機器全般を意味している。
図２は、本発明の実施の形態１に係る画像処理装置２の一構成例を示す機能ブロック図である。図２において、本実施の形態１に係る画像処理装置２は、カメラ１と、画像処理装置２の処理を実行する画像処理部７と、記憶手段２３と、画像表示部８とから構成される。
カメラ１は、例えばディジタルカメラであり、判定対象物として例えばフィルム表面を撮像し多値画像を取得して画像処理部７へ出力する。
画像処理部７は、良品画像取得手段７１と、選択受付手段７２と、特徴量抽出手段７３と、分布範囲算出手段７４と、多値画像取得手段７５と、位置調整手段７６と、選択特徴量抽出手段７７と、判断手段７８とを含む。また、画像処理部７は、主制御部２１、メモリ２２、外部Ｉ／Ｆ等を含んで構成され、良品画像取得手段７１、選択受付手段７２、特徴量抽出手段７３、分布範囲算出手段７４、多値画像取得手段７５、位置調整手段７６、選択特徴量抽出手段７７、及び判断手段７８の処理動作を制御する。
記憶手段２３は、画像メモリとして機能し、カメラ１により撮像された多値画像に関する多値画像データ、及び画像処理部７において位置合わせ、平均値算出等の各種処理を行った後の画像データを随時記憶する。画像データとしてではなく、画素ごとの画素値データとして記憶しても良い。
画像表示部８は、コンピュータ用のモニタ等の表示装置３で構成される。画像表示部８は、良品判定の対象となる判定対象物を撮像した多値画像、良品であるか否かの判定結果を、表示装置３の表示画面上に表示させる。すなわち多値画像表示手段８１は、画像処理部７の指示に応じた多値画像を表示装置３の表示画面上に表示させ、判定結果表示手段８２は、判定対象物が良品であるか否かの判定結果を表示装置３の表示画面上に表示させる。
次に、画像処理部７の各構成について説明する。
良品画像取得手段７１は、カメラ１で撮像した、良品に関する複数の多値画像（第一の多値画像）を取得する。すなわち、良品を撮像した多値画像を複数取得しておくことにより、取得した多値画像の画素ごとに複数の特徴量を算出することができる。取得した各多値画像に関する多値画像データは、記憶手段２３の良品画像データ記憶部２３１に記憶される。
選択受付手段７２は、特徴量を抽出する複数の特徴量抽出手段のうち、少なくとも１つの特徴量抽出手段の選択を受け付ける。すなわち、本実施の形態１では、後述する第一の特徴量抽出手段７３ａ又は第二の特徴量抽出手段７３ｂの選択を受け付ける。なお、第一の特徴量抽出手段７３ａ又は第二の特徴量抽出手段７３ｂのいずれか１つの選択を受け付けても良いし、両方の選択を受け付けても良い。また、後述する第三の特徴量抽出手段を含む他の複数の特徴量抽出手段を含めた中から選択を受け付けても良いことは言うまでもない。
特徴量抽出手段７３は、第一の特徴量抽出手段７３ａと第二の特徴量抽出手段７３ｂとを備えている。第一の特徴量抽出手段７３ａは、取得した多値画像の画素ごとに、色成分に関する画素値を特徴量として抽出する。第二の特徴量抽出手段７３ｂは、取得した多値画像の画素ごとに、異なる二方向におけるエッジ強度を特徴量として抽出する。特徴量が色成分に関する画素値である場合、色の相違を検出することができ、特徴量が異なる二方向におけるエッジ強度である場合、輪郭線近傍の欠陥の存在を検出することができる。
分布範囲算出手段７４は、選択を受け付けた特徴量抽出手段７３により抽出した特徴量に基づいて、良品判定を行うための分布範囲を算出する。第一の特徴量抽出手段７３ａの選択を受け付けた場合には、分布範囲算出手段７４ａにより、第二の特徴量抽出手段７３ｂの選択を受け付けた場合には、分布範囲算出手段７４ｂにより、それぞれ分布範囲を算出する。算出した分布範囲に関する情報は、分布範囲の境界を示す関数式、座標値、閾値等として、記憶手段２３の分布範囲情報記憶部２３２に記憶される。
多値画像取得手段７５は、カメラ１で撮像した、判定対象物に関する多値画像（第二の多値画像）を取得する。位置調整手段７６は、取得した判定対象物に関する多値画像と、良品に関する多値画像（第一の多値画像）との位置合わせを行う。具体的には、良品に関する複数の多値画像の平均画像を算出しておき、平均画像との間で位置合わせを行う。
多値画像間で位置合わせを行う手段は、周知の技術であれば特に限定されるものではない。例えば、パターンマッチングにより双方の多値画像の位置を検出し、一致していると判断することが可能な上限値及び下限値を用いて位置合わせを行っても良い。また、正規化相関等を算出することにより双方の多値画像の一致度を算出し、一致度が所定値より大きくなるよう位置合わせを行っても良い。もちろん、双方の多値画像の輪郭線、面積、重心等を一致させるよう位置合わせを行っても良い。
選択特徴量抽出手段７７は、取得した判定対象物に関する多値画像の画素ごとに、選択受付手段７２にて選択を受け付けた特徴量抽出手段７３と同じ特徴量抽出手段により特徴量を抽出する。例えば、第一の特徴量抽出手段７３ａの選択を受け付けた場合、判定対象物に関する多値画像の画素ごとに、色成分に関する画素値を特徴量として抽出し、第二の特徴量抽出手段７３ｂの選択を受け付けた場合、判定対象物に関する多値画像の画素ごとに、異なる二方向におけるエッジ強度を特徴量として抽出する。
判断手段７８は、取得した判定対象物に関する多値画像の画素ごとに、選択を受け付けた特徴量抽出手段７３により対応する特徴量を抽出し、抽出した特徴量が、算出してある良品に関する複数の多値画像の、同じ特徴量ごとの分布範囲に含まれているか否かを判断する。抽出した特徴量が分布範囲に含まれていると判断した場合には、判定対象物が良品であると判定し、含まれていないと判断した場合には、判定対象物が良品ではないと判定する。
図３は、本発明の実施の形態１に係る画像処理装置２の主制御部２１の良品情報収集処理の手順を示すフローチャートである。画像処理装置２の主制御部２１は、カメラ１で撮像した、良品に関する複数の多値画像（第一の多値画像）を取得する（ステップＳ３０１）。主制御部２１は、取得した多値画像群の多値画像データを、記憶手段２３の良品画像データ記憶部２３１に記憶する（ステップＳ３０２）。
主制御部２１は、多値画像から特徴量を抽出する特徴量抽出手段７３の選択を受け付ける（ステップＳ３０３）。選択対象となる特徴量抽出手段７３は、取得した多値画像の画素ごとに、色成分に関する画素値を特徴量として抽出する第一の特徴量抽出手段７３ａ、及び取得した多値画像の画素ごとに、異なる二方向におけるエッジ強度を特徴量として抽出する第二の特徴量抽出手段７３ｂである。なお、選択を受け付ける特徴量抽出手段７３は一つであっても良いし、複数であっても良い。
主制御部２１は、選択を受け付けた特徴量抽出手段７３により、多値画像の画素ごとに特徴量を抽出し（ステップＳ３０４）、良品判定を行うための分布範囲を算出する（ステップＳ３０５ａ、Ｓ３０５ｂ）。選択を受け付けた特徴量抽出手段７３が一つである場合には、ステップＳ３０５ａのみにより、選択を受け付けた特徴量抽出手段７３が二つである場合には、ステップＳ３０５ａ、Ｓ３０５ｂにより、それぞれに対応する分布範囲を算出する。主制御部２１は、算出した分布範囲に関する情報を、分布範囲の境界を示す関数式、座標値、閾値等として、記憶手段２３の分布範囲情報記憶部２３２に記憶する（ステップＳ３０６）。
図４は、本発明の実施の形態１に係る画像処理装置２の主制御部２１の良品判定処理の手順を示すフローチャートである。画像処理装置２の主制御部２１は、カメラ１で撮像した、判定対象物に関する多値画像（第二の多値画像）を取得する（ステップＳ４０１）。主制御部２１は、取得した判定対象物に関する多値画像と、良品に関する多値画像（第一の多値画像）との位置合わせを行う（ステップＳ４０２）。具体的には、良品に関する複数の多値画像の平均画像を算出しておき、平均画像との間で位置合わせを行う。
主制御部２１は、取得した判定対象物に関する多値画像の画素ごとに、選択を受け付けた特徴量抽出手段７３により特徴量を抽出する（ステップＳ４０３）。例えば、特徴量抽出手段７３として色成分に関する画素値を抽出する第一の特徴量抽出手段７３ａの選択を受け付けた場合には、判定対象物に関する多値画像の画素ごとに、色成分に関する画素値を特徴量として抽出し、異なる二方向におけるエッジ強度を抽出する第二の特徴量抽出手段７３ｂの選択を受け付けた場合には、判定対象物に関する多値画像の画素ごとに、異なる二方向におけるエッジ強度を特徴量として抽出する。
主制御部２１は、抽出した特徴量が、算出してある良品に関する複数の多値画像の該特徴量の分布範囲に含まれているか否かを判断する（ステップＳ４０４）。主制御部２１が、抽出した特徴量が分布範囲に含まれていると判断した場合（ステップＳ４０４：ＹＥＳ）、主制御部２１は、判定対象物が良品であると判定し、判定対象物が良品である旨を示す情報を判定結果として、表示装置３の表示画面上に表示する（ステップＳ４０５）。
主制御部２１が、抽出した特徴量が分布範囲に含まれていないと判断した場合（ステップＳ４０４：ＮＯ）、主制御部２１は、判定対象物が良品ではないと判定し、判定対象物が良品ではない旨を示す情報を判定結果として、表示装置３の表示画面上に表示する（ステップＳ４０６）。なお、特徴量抽出手段７３の選択を複数受け付けた場合には、選択を受け付けた特徴量抽出手段７３により抽出された特徴量を用いた良品判定の判定結果のうち、一つでも良品ではないと判定された場合には、判定対象物が良品ではないと判定すれば良い。
ここで、第一の特徴量抽出手段７３ａの選択を受け付けた場合、すなわち抽出される特徴量が、色成分に関する画素値である場合には、良品に関する多値画像の画素ごとの色成分に関する画素値の平均値を算出し、算出した色成分に関する画素値の平均値に基づいて、良品に関する多値画像の画素ごとに画素値の分布範囲を算出する。図５は、本発明の実施の形態１に係る画像処理装置２の第一の特徴量抽出手段７３ａの選択を受け付けた場合の分布範囲算出手段７４ａの機能ブロック図である。
図５に示すように、分布範囲算出手段７４ａは、画素平均値算出手段７４１、画素値分布範囲算出手段７４２を含む。画像処理部７の主制御部２１は、画素平均値算出手段７４１、画素値分布範囲算出手段７４２の処理動作を制御する。
画素平均値算出手段７４１は、取得した各良品に関する多値画像の画素ごとに、色成分に関する画素値、例えば濃淡値の平均値を算出する。画素値分布範囲算出手段７４２は、算出した色成分に関する画素値、例えば濃淡値の平均値に基づいて、各良品に関する多値画像の画素ごとに色成分それぞれを座標軸とする多次元空間における画素値の分布範囲を算出する。
例えば、Ｒ成分、Ｇ成分、Ｂ成分それぞれを座標軸とした三次元座標系を想定する。単純にＲ成分、Ｇ成分、Ｂ成分の平均値をそれぞれ算出して、各成分の分布範囲を算出して良品判定を行う方法では、色の相違に基づいて判定することができない場合が生じうる。
例えば良品が白に近似する色から濃いグレイまでを含む範囲の色、すなわちＲ成分の画素値が３０〜２４０、Ｇ成分の画素値が３０〜２４０、Ｂ成分の画素値が３０〜２４０である場合、赤に近い色の判定対象物、例えばＲ成分の画素値が２００、Ｇ成分の画素値が５０、Ｂ成分の画素値が１００である判定対象物については、明らかに良品ではないにもかかわらず、各成分の分布範囲に含まれていると判断されるおそれがある。したがって、Ｒ成分、Ｇ成分、Ｂ成分について個別に判断するのではなく、Ｒ成分、Ｇ成分、Ｂ成分を座標軸とした仮想三次元空間における画素値の分布範囲に含まれているか否かに応じて良品であるか否かを判定する。
図６は、第一の特徴量抽出手段７３ａの選択を受け付けた場合の、画素値の分布範囲を示す例示図である。図６では、複数の良品に関する多値画像に基づいて、各色成分の画素値をＲ成分、Ｇ成分、Ｂ成分を互いに直交する座標軸とした三次元空間に点６０、６０、・・・としてプロットしている。そして、各色成分の画素値の平均値Ａｖを算出して、算出した平均値Ａｖを中心として、三次元空間に良品判定を行うための分布範囲６１を算出している。
このようにすることで、例えば判定対象物の多値画像の画素ごとの各色成分に関する画素値をプロットした点６２、６３では、点６３の方が平均値Ａｖから離れている。しかし、点６３は分布範囲６１内であるのに対し、点６２は分布範囲６１の外側にプロットされている。したがって、点６３としてプロットされた判定対象物は良品であると判定され、点６２としてプロットされた判定対象物は良品ではないと判定される。
分布範囲６１の算出方法は特に限定されるものではない。例えば空間距離であるユークリッド距離を用いても良いし、マハラノビス距離を用いても良い。以下、マハラノビス距離を用いる場合について説明する。
まず、画素ごとの色成分に関する画素値のマハラノビス距離ＤM は、三次元座標軸、すなわち図６の例ではＲ軸方向、Ｇ軸方向及びＢ軸方向における画素ごとの画素ベクトルｘ（ｒ、ｇ、ｂ）の平均値をそれぞれ平均値ベクトルμi （ｒバー、ｇバー、ｂバー）、分散共分散行列の逆行列をΣi -1 とした場合、ベクトル行列式を用いて（式１）のように算出することができる。
Figure 0005469532
（式１）において、λj は固有値であり、ベクトルφj は固有値λj に対応した固有ベクトルである。すなわち（式１）で算出するマハラノビス距離ＤM は、点ｘ（ｒ、ｇ、ｂ）と分布範囲６１の重心（平均値）との距離を、固有ベクトルφj 方向成分に分解し、φj 方向成分を分散λj で正規化した距離と言える。なお、（式１）におけるｉは分布の区別を示しており、上述した計算では分布範囲６１が１つであることから特段の意味を有してはいない。
仮想三次元空間であることから、（式１）において、ｎ＝３であり、固有値λj 、固有ベクトルφj はそれぞれ３個であり、固有ベクトルφj も三次元の行列となる。すなわち、分散共分散行列Σi は、（式２）のように表すことができる。
Figure 0005469532
（式２）において、Ｖは分散を表しており、Ｒ成分、Ｇ成分、Ｂ成分それぞれの分散は（式３）により求めることができる。
Figure 0005469532
また、（式２）において、Ｃｏｖは共分散を表しており、Ｒ成分とＧ成分との共分散、Ｒ成分とＢ成分との共分散、Ｇ成分とＢ成分との共分散は、それぞれ（式４）により求めることができる。
Figure 0005469532
（式４）の分母及び分子にｎを乗算して変形することで、（式５）を得る。
Figure 0005469532
（式５）から、良品に関する多値画像に基づいて、画素ごとに、色成分に関する画素値の総和（平均値）、色成分に関する画素値の二乗和、及び二組ずつの色成分の画素値を乗算した値の総和を算出することにより、分散共分散行列Σi を求めることができることがわかる。色成分に関する画素値の総和（平均値）、色成分に関する画素値の二乗和、及び二組ずつの色成分の画素値を乗算した値の総和は、良品画像データ記憶部２３１に記憶しておき、良品であると判定する分布範囲６１を算出する。
次に、判定対象物に関する多値画像の画素ごとの色成分に関する画素値について、（式１）で算出されるマハラノビス距離ＤM 、すなわち分布範囲６１の重心から色成分に関する画素値までの距離を、分布範囲６１の重心から色成分に関する画素値に向かう方向における分布範囲６１の境界と重心との距離で正規化した値が、所定値より大きい場合には、画素値は分布範囲６１に含まれていない。したがって、色の濃淡が良品範囲を超えて変化したことを示しているので、良品ではないと判定することができる。
別の判定方法として、例えば仮想的な楕円球のような形状の範囲（以下、楕円球範囲）の重心から第二の多値画像の画素ごとの画素値までの距離であるユークリッド距離を算出し、算出したユークリッド距離が、楕円球範囲の重心から第二の多値画像の画素ごとの画素値に向かう方向における楕円球範囲の境界と重心との距離に基づく所定値より小さいか否かで相互相関分布範囲に含まれているか否かを判断する。ユークリッド距離を用いることにより、分布広がりの大小により感度が大きく変化することなく良品として判定される相互相関分布範囲から外れている度合いを算出することが可能となる。
また、分布範囲６１を楕円球範囲に限定する必要はなく、分布範囲６１を内接する直方体形状の範囲を仮想的に算出しても良い。仮想的な楕円球範囲の長軸、及び楕円球範囲の中心点を通り該長軸と直交する２つの短軸を座標軸とした座標系に座標値を変換し、変換した座標系における各第一の多値画像の画素ごとの要素ごとの平均値、及び相互相関分布範囲を再算出する。取得した第二の多値画像の画素ごとに、変換した座標系における画素値を算出し、算出した第二の多値画像の画素ごとの要素ごとの画素値が、再算出した各第一の多値画像の画素ごとの要素ごとの相互相関分布範囲に含まれているか否かを判断する。これにより、検出精度をあまり落とすことなく、演算処理負荷を大きく軽減することが可能となる。
図７は、本発明の実施の形態１に係る画像処理装置２の主制御部２１の、第一の特徴量抽出手段７３ａの選択を受け付けた場合の、分布範囲算出処理の手順を示すフローチャートである。斯かる処理は、図３のステップＳ３０５ａに相当する。
図７において、画像処理装置２の主制御部２１は、良品に関する複数の多値画像に基づいて算出して、良品画像データ記憶部２３１に記憶してある、各多値画像の画素ごとの色成分に関する画素値の総和（平均値）、色成分に関する画素値の二乗和、及び二組ずつの色成分に関する画素値を乗算した値の総和を読み出し（ステップＳ７０１）、画素ごとの色成分に関する画素値の分散共分散行列Σiを作成する（ステップＳ７０２）。すなわち、（式２）に示す分散共分散行列Σi を作成する。
主制御部２１は、分散共分散行列Σi の固有値λj 、固有ベクトルφj を算出し（ステップＳ７０３）、分布範囲に関する分布範囲情報として分布範囲情報記憶部２３２へ記憶する（ステップＳ７０４）。
そして、図４のステップＳ４０４における分布範囲に含まれているか否かの判断は、取得した判定対象物に関する多値画像の画素ごとの特徴量として、色成分に関する画素値を算出し、（式１）にて算出することができるマハラノビス距離ＤM が所定値よりも大きい場合には分布範囲６１に含まれていないと判断し、良品ではないと判定することができる。
次に、第二の特徴量抽出手段７３ｂの選択を受け付けた場合、すなわち抽出される特徴量が、異なる二方向におけるエッジ強度である場合には、各多値画像の画素ごとの異なる二方向におけるエッジ強度の平均値を算出し、算出した平均値を中心とした各多値画像の画素ごとにエッジ強度の相互相関分布範囲を算出する。図８は、本発明の実施の形態１に係る画像処理装置２の第二の特徴量抽出手段７３ｂの選択を受け付けた場合の分布範囲算出手段７４ｂの機能ブロック図である。
図８に示すように、分布範囲算出手段７４ｂは、方向別エッジ強度算出手段７４４、エッジ強度平均値算出手段７４５、及びエッジ強度分布範囲算出手段７４６を含む。画像処理部７の主制御部２１は、方向別エッジ強度算出手段７４４、エッジ強度平均値算出手段７４５、及びエッジ強度分布範囲算出手段７４６の処理動作を制御する。
方向別エッジ強度算出手段７４４は、取得した各多値画像の画素ごとに、異なる二方向におけるエッジ強度を算出する。エッジ強度を算出する方向は特に限定されるものではないが、本実施の形態１では、異なる二方向である二次元画像の行方向及び列方向について、それぞれエッジ強度を算出する。具体的にはソーベルフィルタで用いる３×３のウインドウテンプレートを用いて、行方向及び列方向のエッジ強度を算出すれば良い。
エッジ強度平均値算出手段７４５は、算出した画素ごとの異なる二方向におけるエッジ強度に基づいて、各多値画像の画素ごとに、異なる二方向におけるエッジ強度の平均値を算出する。
エッジ強度分布範囲算出手段７４６は、算出した平均値を中心として、各多値画像の画素ごとに、異なる二方向におけるエッジ強度の相互相関分布範囲を算出する。
図９は、本発明の実施の形態１に係る画像処理装置２の所定の画素ごとの異なる二方向におけるエッジ強度の相互相関分布範囲の例示図である。図９では、二次元画像における行方向のエッジ強度ｅｘをＸ軸、列方向のエッジ強度ｅｙをＹ軸としている。
エッジ強度平均値算出手段７４５により、各多値画像の画素ごとに、二次元画像における行方向のエッジ強度ｅｘの平均値及び列方向のエッジ強度ｅｙの平均値が算出されているので、各多値画像の画素ごとのエッジ強度の平均値ベクトルＥAVE は、エッジ角度θを傾斜角とする直線上に位置する。そして、例えば取得した複数の良品に関する各多値画像（第一の多値画像）の画素ごとのエッジ強度のばらつきが大きい場合であって、エッジ方向がほぼ揃っているときには、良品に関する多値画像のエッジ強度の平均値ベクトルＥAVE を長軸及び短軸が交差する点を中心とした仮想的な楕円領域に算出したエッジ強度が分布する。したがって、判定対象物に関する多値画像の画素ごとのエッジ強度を算出して、同一の画素について、二次元画像における行方向のエッジ強度ｅｘ及び列方向のエッジ強度ｅｙをプロットしたエッジ点９２が、相互相関分布範囲９１に含まれているか否かを判断することにより、判定対象物が良品であるか否かを判定することができる。
相互相関分布範囲９１の算出方法は特に限定されるものではない。例えば空間距離であるユークリッド距離を用いても良いし、マハラノビス距離を用いても良い。以下、マハラノビス距離を用いる場合について説明する。
この場合、図２に示す判断手段７８の距離算出手段７９は、分布範囲の重心、例えば図９の例では仮想的な楕円領域である相互相関分布範囲９１の重心（中心点）から判定対象物に関する多値画像の画素ごとのエッジ点（特徴量）までの距離を、重心からエッジ点（特徴量）に向かう方向における相互相関分布範囲９１の境界と重心との距離で正規化したマハラノビス距離を算出する。
画素ごとのエッジ強度のマハラノビス距離ＤM
は、異なる二方向、すなわち図９の例ではＸ軸方向及びＹ軸方向における画素ごとのエッジ強度ベクトルｘ（ｅx 、ｅy ）の平均値をそれぞれ平均値ベクトルμi （ｅx バー、ｅy バー）、分散共分散行列の逆行列をΣi -1 とした場合、ベクトル行列式を用いて（式６）のように算出することができる。
Figure 0005469532
（式６）において、λj は固有値であり、ベクトルφj は固有値λj に対応した固有ベクトルである。すなわち（式６）で算出するマハラノビス距離ＤM は、点ｘ（ｅx 、ｅy ）と相互相関分布範囲９１の重心との距離を、固有ベクトルφj 方向成分に分解し、固有ベクトルφj 方向成分を分散λj で正規化した距離と言える。なお、（式６）におけるｉは分布の区別を示しており、上述した計算では相互相関分布範囲９１が１つであることから特段の意味を有してはいない。
図６とは異なり、異なる二方向の二次元空間であることから、（式６）において、ｎ＝２であり、固有値λj 、固有ベクトルφj はそれぞれ２個であり、固有ベクトルφj も二次元の行列となる。すなわち、分散共分散行列Σi は、（式７）のように表すことができる。
Figure 0005469532
（式７）において、Ｖは分散を表しており、Ｘ軸方向のエッジ強度、Ｙ軸方向のエッジ強度それぞれの分散は（式８）により求めることができる。
Figure 0005469532
また、（式８）において、Ｃｏｖは共分散を表しており、Ｘ軸方向のエッジ強度とＹ軸方向のエッジ強度との共分散は、（式９）により求めることができる。
Figure 0005469532
（式９）から、良品に関する多値画像に基づいて、画素ごとに、異なる二方向におけるエッジ強度の総和（平均値）、異なる二方向におけるエッジ強度の二乗和、及び異なる二方向におけるエッジ強度を互いに乗算した値の総和を算出することにより、分散共分散行列Σi を求めることができることがわかる。異なる二方向におけるエッジ強度の総和（平均値）、異なる二方向におけるエッジ強度の二乗和、及び異なる二方向におけるエッジ強度を互いに乗算した値の総和は、良品画像データ記憶部２３１に記憶しておき、良品であると判定する相互相関分布範囲９１を算出する。
次に、判定対象物に関する多値画像の画素ごとの異なる二方向（Ｘ軸方向及びＹ軸方向）におけるエッジ強度について、（式６）で算出されるマハラノビス距離ＤM 、すなわち相互相関分布範囲９１の重心からエッジ点（特徴量）までの距離を、相互相関分布範囲９１の重心からエッジ点（特徴量）に向かう方向における相互相関分布範囲９１の境界と重心との距離で正規化した値が、所定値より大きい場合には、エッジ点は相互相関分布範囲９１に含まれていない。したがって、エッジ角度が良品範囲を超えて変動したことを示しているので輪郭線の形状が大きく変化したと判断することができ、良品ではないと判定することができる。
図１０は、本発明の実施の形態１に係る画像処理装置２の主制御部２１の、第二の特徴量抽出手段７３ｂの選択を受け付けた場合の、分布範囲算出処理の手順を示すフローチャートである。斯かる処理は、図３のステップＳ３０５ｂに相当する。
図１０において、画像処理装置２の主制御部２１は、良品に関する多値画像に基づいて算出して、良品画像データ記憶部２３１に記憶してある、各多値画像の画素ごとの異なる二方向におけるエッジ強度の総和（平均値）、異なる二方向におけるエッジ強度の二乗和、及び異なる二方向におけるエッジ強度を互いに乗算した値の総和を読み出し（ステップＳ１００１）、画素ごとの異なる二方向におけるエッジ強度の分散共分散行列Σiを作成する（ステップＳ１００２）。
主制御部２１は、分散共分散行列Σi の固有値λj 、固有ベクトルφj を算出し（ステップＳ１００３）、相互相関分布範囲に関する分布範囲情報として分布範囲情報記憶部２３２へ記憶する（ステップＳ１００４）。
そして、図４のステップＳ４０４における分布範囲に含まれているか否かの判断は、取得した判定対象物に関する多値画像の画素ごとの特徴量として、異なる二方向におけるエッジ強度を算出し、（式６）にて算出することができるマハラノビス距離ＤM が所定値よりも大きい場合には相互相関分布範囲９１に含まれていないと判断し、良品ではないと判定することができる。
図１１は、本発明の実施の形態１に係る画像処理装置２の主制御部２１の、指標値を用いる場合の良品判定処理の手順を示すフローチャートである。画像処理装置２の主制御部２１は、カメラ１で撮像した、判定対象物に関する多値画像を取得する（ステップＳ１１０１）。主制御部２１は、取得した判定対象物に関する多値画像と、良品画像データ記憶部２３１に記憶してある良品に関する多値画像との位置合わせを行う（ステップＳ１１０２）。具体的には、良品に関する複数の多値画像の平均画像を算出しておき、平均画像との間で位置合わせを行う。多値画像間で位置合わせを行う手段は、周知の技術であれば特に限定されるものではない。
主制御部２１は、取得した多値画像の画素ごとに、異なる二方向におけるエッジ強度を算出する（ステップＳ１１０３）。エッジ強度を算出する方向は特に限定されるものではないが、上述した方法と同様、異なる二方向である二次元画像における列方向及び行方向について、それぞれエッジ強度を算出する。
主制御部２１は、算出した多値画像の画素ごとのエッジ強度が、算出した良品に関する複数の多値画像の画素ごとのエッジ強度の相互相関分布範囲に含まれているか否かを判断する（ステップＳ１１０４）。主制御部２１が、算出したエッジ強度が相互相関分布範囲に含まれていると判断した場合（ステップＳ１１０４：ＹＥＳ）、主制御部２１は、判定対象物が良品であると判定し、判定対象物が良品である旨を示す情報を判定結果として、表示装置３の表示画面上に表示する（ステップＳ１１０５）。主制御部２１が、算出したエッジ強度が相互相関分布範囲に含まれていないと判断した場合（ステップＳ１１０４：ＮＯ）、主制御部２１は、判定対象物が良品ではないと判定し、判定対象物が良品ではない旨を示す情報を判定結果として、表示装置３の表示画面上に表示する（ステップＳ１１０６）。
なお、上述した実施の形態１では、相互相関分布範囲が、仮想的な楕円領域である場合について説明しているが、例えば取得した良品に関する多値画像のエッジ強度のばらつきが小さい場合であって、ばらつく方向がランダムになっているときには、良品に関する多値画像のエッジ強度の平均値ベクトルＥAVE を中心とした仮想的な円領域に、算出したエッジ強度が分布する。図１２は、本発明の実施の形態１に係る画像処理装置２の、エッジ強度のばらつきが小さく、ばらつく方向がランダムになっている場合の、所定の画素におけるエッジ強度の相互相関分布範囲の例示図である。図１２も図９と同様、二次元画像の行方向のエッジ強度ｅｘをＸ軸、列方向のエッジ強度ｅｙをＹ軸としている。
図１２に示すように、相互相関分布範囲９１を算出する基礎となった良品の精度が高い場合、良品に関する多値画像のエッジ強度の平均値ベクトルＥAVE を中心とした非常に狭い円領域として相互相関分布範囲９１が算出される。判定対象物に関する画素ごとの多値画像のエッジ強度を算出し、同一の画素について、二次元画像の行方向のエッジ強度ｅｘ及び列方向のエッジ強度ｅｙをプロットしたエッジ点９２が、相互相関分布範囲９１に含まれているか否かを判断する場合、相互相関分布範囲９１が狭小であることから、図９よりも微妙な相違、例えば輪郭線のシャープさ、形状の微妙な相違等まで検出することが可能となる。
一方、良品の輪郭線以外の部分については、通常はエッジ強度は０（ゼロ）に近い。したがって、エッジ強度の平均値ベクトルＥAVE が原点である仮想的な円領域に、算出したエッジ強度が分布する。図１３は、本発明の実施の形態１に係る画像処理装置２の、輪郭線以外の部分の所定の画素におけるエッジ強度の相互相関分布範囲の例示図である。図１３も図９と同様、異なる二方向である二次元画像の行方向のエッジ強度ｅｘをＸ軸、列方向のエッジ強度ｅｙをＹ軸としている。
図１３に示すように、良品の輪郭線以外の部分である場合、良品に関する多値画像のエッジ強度の平均値ベクトルＥAVE が原点である非常に狭い円領域として相互相関分布範囲９１が算出される。判定対象物に関する多値画像の画素ごとのエッジ強度を算出して、同一の画素について、二次元画像における行方向のエッジ強度ｅｘ及び列方向のエッジ強度ｅｙをプロットしたエッジ点９２が、相互相関分布範囲９１に含まれているか否かを判断する場合、従来の方法では検出することが困難であった、判定対象物表面の傷、くぼみ等であっても、相互相関分布範囲９１が狭小であることから、形状の微妙な相違まで容易に検出することが可能となる。
また、良品ごとに、輪郭線に微妙な歪が存在する場合、すなわち輪郭線近傍の画素において、輪郭線であったりなかったりするほど輪郭線のばらつきが大きい場合には、分布範囲が仮想的な楕円領域であっても分布範囲が原点近傍を含むように広がる。図１４は、本発明の実施の形態１に係る画像処理装置２の、輪郭線のばらつきが大きい場合の、所定の画素におけるエッジ強度の相互相関分布範囲の例示図である。図１４も図９と同様、二次元画像における行方向のエッジ強度ｅｘをＸ軸、列方向のエッジ強度ｅｙをＹ軸としている。
図１４に示すように、輪郭線のばらつきが大きい場合、図９と比べて広い範囲に相互相関分布範囲９１が存在するので、輪郭線の微妙なブレ、位置の微妙なズレ等を検出することはできない。しかし、バリ、欠け等が存在する判定対象物について、二次元画像における行方向のエッジ強度ｅｘ及び列方向のエッジ強度ｅｙをプロットしたエッジ点９２は、エッジ強度の方向が変化することから、相互相関分布範囲９１に含まれていることはない。したがって、バリ、欠け等の存在は、容易に検出することができる。
さらに、良品ごとに色が異なる等の相違がある場合であって、良品に関する多値画像のエッジ強度のばらつき方向が反転しているようなときには、エッジ強度の平均値ベクトルＥAVE を中心とした複数の仮想的な円領域に、算出したエッジ強度が分布する場合も生じうる。図１５は、本発明の実施の形態１に係る画像処理装置２の、エッジ強度のばらつき方向がほぼ揃っている場合の、所定の画素におけるエッジ強度の相互相関分布範囲の例示図である。図１５も図９と同様、二次元画像における行方向のエッジ強度ｅｘをＸ軸、列方向のエッジ強度ｅｙをＹ軸としている。
図１５に示すように、相互相関分布範囲を算出する基礎となった良品ごとに色が相違し、良品に関する多値画像のエッジ強度のばらつき方向が反転しているときには、エッジ強度の平均値は２つの平均値ベクトルＥAVE1、ＥAVE2が存在し、エッジ強度の平均値ベクトルＥAVE1、ＥAVE2をそれぞれ中心とした仮想的な楕円領域として相互相関分布範囲９１ａ、９１ｂが算出される。判定対象物に関する多値画像の画素ごとのエッジ強度を算出し、同一の画素について、二次元画像の行方向のエッジ強度ｅｘ及び列方向のエッジ強度ｅｙをプロットしたエッジ点９２が、相互相関分布範囲９１ａ、９１ｂに含まれているか否かを判断する場合、相互相関分布範囲９１ａ、９１ｂを包括するような分布範囲（近似分布範囲）９３を算出して、近似分布範囲９３に含まれているか否かを判断する。
近似分布範囲９３の算出方法は特に限定されるものではない。
近似分布範囲９３に含まれているが、相互相関分布範囲９１ａ、９１ｂには含まれていない範囲については、エッジ強度の方向が略一致していると判断することができる。形状が相違する等の場合には、エッジ強度の方向が大きく相違することから、異なる二方向である二次元画像における行方向のエッジ強度ｅｘ及び列方向のエッジ強度ｅｙをプロットしたエッジ点９２は、近似分布範囲９３から離れる。したがって、エッジ強度の変化を確実に把握することができ、良品であるか否かを判定することが可能となる。
相互相関分布範囲に含まれているか否かの判断を数値演算する場合、相互相関分布範囲が角度θを有する楕円形状の範囲であることから主制御部２１の演算処理負荷が大きい。そこで、相互相関分布範囲が仮想的な楕円形状の範囲である場合、楕円形状の長軸、及び楕円形状の中心点を通り該長軸と直交する短軸を座標軸とした座標系に座標値を変換し、変換した座標系の長軸方向及び短軸方向を異なる二方向として、取得した良品に関する多値画像の画素ごとに、要素ごとのエッジ強度、エッジ強度の要素ごとの平均値、及びエッジ強度の要素ごとの分布範囲を再算出しても良い。
以上のように本実施の形態１によれば、取得した判定対象物に関する多値画像（第二の多値画像）の性状に応じて、良品であるか否かを判定する基礎となる特徴量を抽出する手段を少なくとも一つ選択することができるので、適切な特徴量抽出手段７３を選択することにより、欠陥が輪郭線近傍に生じている場合であっても欠陥の存在を検出することができ、色の相違についても高い感度で検出することが可能となる。例えば選択を受け付けた特徴量抽出手段７３が、色成分に関する画素値を特徴量として抽出する場合、色の相違による濃淡のばらつきの存在を検出することができ、選択を受け付けた特徴量抽出手段７３が異なる二方向におけるエッジ強度を特徴量として抽出する場合、輪郭線近傍に生じている欠陥の存在を検出することができる。
（実施の形態２）
本発明の実施の形態２に係る画像処理装置の構成は、実施の形態１と同様であることから、同一の符号を付することにより詳細な説明を省略する。本実施の形態２は、特徴量を抽出する手段として、判定対象物の表面の粗さの特徴量を抽出する第三の特徴量抽出手段７３ｃの選択を受け付けることができる点で、実施の形態１とは相違する。
第三の特徴量抽出手段７３ｃの選択を受け付けた場合、判定対象物の表面の粗さの特徴量として、画素ごとの画素値のばらつきの大きさを示す特徴量を抽出すればよい。しかし、局所的な画素値の分散を画素ごとに算出するのは、演算処理負荷が過大となる。そこで、画素値のエッジ強度を算出して得たエッジ強度画像において、画素ごとに周辺画素との平均化処理を実行することにより、演算処理負荷を軽減しつつ、判定対象物の表面の粗さを表す特徴量とした。図１６は、本発明の実施の形態２に係る画像処理装置２の、第三の特徴量抽出手段７３ｃを含む場合の構成例を示す機能ブロック図であり、図１７は、本発明の実施の形態２に係る画像処理装置２の、第三の特徴量抽出手段７３ｃの機能ブロック図である。
図１６に示すように、特徴量抽出手段７３は、第一の特徴量抽出手段７３ａ、第二の特徴量算出手段７３ｂに加えて、第三の特徴量算出手段７３ｃを備えている。分布範囲算出手段７４は、選択を受け付けた特徴量抽出手段７３ごとに抽出した特徴量に基づいて、良品判定を行うための分布範囲を算出する。第一の特徴量抽出手段７３ａの選択を受け付けた場合には、分布範囲算出手段７４ａにより、第二の特徴量抽出手段７３ｂの選択を受け付けた場合には、分布範囲算出手段７４ｂにより、第三の特徴量抽出手段７３ｃの選択を受け付けた場合、分布範囲算出手段７４ｃにより、それぞれ分布範囲を算出する。算出した分布範囲に関する情報は、分布範囲の境界を示す関数式、座標値、閾値等として、記憶手段２３の分布範囲情報記憶部２３２に記憶される。
また、図１７に示すように、粗さの特徴量を抽出する第三の特徴抽出手段７３ｃは、エッジ強度算出手段７３１、平均化処理手段７３２を含む。画像処理部７の主制御部２１は、エッジ強度算出手段７３１、平均化処理手段７３２の処理動作を制御する。
エッジ強度算出手段７３１は、取得した各多値画像の画素ごとに、粗さの特徴量としてエッジ強度を算出する。ただし、実施の形態１と異なり、異なる二方向のエッジ強度という限定はなく、例えば周知の異なる２方向のソーベルフィルタを用いて得た値のそれぞれの二乗和の平方根、又はそれぞれの絶対値の和を算出すれば良い。平均化処理手段７３２は、算出したエッジ強度に基づいて、各多値画像の画素ごとに、平均化処理を実行する。平均化処理は、周知の方法であれば特に限定されるものではなく、例えば３×３、５×５の平均化フィルタを用いて平均化すれば良い。
単純に、各多値画像の画素値に基づいて平均化処理を実行した場合には、判定対象物に関する多値画像の粗さ、ざらつき具合等を区別することができないことから、平均化処理を実行した画像からは表面の粗さの相違を検出することはできない。それに対して、画素ごとのエッジ強度に基づいて平均化処理を実行した場合には、ざらつきが大きい画素では値が大きくなり、ざらつきが小さい画素では値が小さくなる。
なお、第三の特徴量抽出手段７３ｃの選択を受け付けた場合、分布範囲は画素ごとの所定値により特定される。すなわち、複数の良品に関する多値画像の画素ごとの粗さの特徴量の平均値と判定対象物に関する多値画像の画素ごとの粗さの特徴量との差分値が、画素ごとに所定値より小さいか否かに基づいて良品であるか否かを判定することができる。
図１８は、本発明の実施の形態２に係る画像処理装置２の主制御部２１の、第三の特徴量抽出手段７３ｃの選択を受け付けた場合の、粗さの特徴量抽出処理の手順を示すフローチャートである。これは、第三の特徴量抽出手段７３ｃの選択を受け付けた場合の図３のステップＳ３０４の処理に相当する。
図１８において、画像処理装置２の主制御部２１は、良品に関する複数の多値画像に基づいて算出して、良品画像データ記憶部２３１に記憶してある各多値画像の画素ごとに、粗さの特徴量としてエッジ強度を算出する（ステップＳ１８０１）。ただし、実施の形態１と異なり、異なる二方向のエッジ強度という限定はなく、例えば周知の異なる２方向のソーベルフィルタを用いて得た値のそれぞれの二乗和の平方根、又はそれぞれの絶対値の和を算出すれば良い。
主制御部２１は、算出したエッジ強度に基づいて、各多値画像の画素ごとに、平均化処理を実行する（ステップＳ１８０２）。平均化処理は、周知の方法であれば特に限定されるものではなく、例えば３×３、５×５の平均化フィルタを用いて平均化すれば良い。
なお、判断の基準となる分布範囲を、画素ごとの粗さの特徴量の指標値として算出しても良い。この場合、例えば画素ごとの粗さの特徴量の平均値、画素ごとの平均値を用いた標準偏差を算出する。算出した画素ごとの標準偏差を定数倍して、定数を加算することにより、画素ごとの指標値を求めることができる。
図１９は、本発明の実施の形態２に係る画像処理装置２の主制御部２１の、指標値を用いる場合の良品判定処理の手順を示すフローチャートである。画像処理装置２の主制御部２１は、カメラ１で撮像した、判定対象物に関する多値画像を取得する（ステップＳ１９０１）。主制御部２１は、取得した判定対象物に関する多値画像と、良品画像データ記憶部２３１に記憶してある良品に関する多値画像との位置合わせを行う（ステップＳ１９０２）。具体的には、良品に関する複数の多値画像の平均画像を算出しておき、平均画像との間で位置合わせを行う。多値画像間で位置合わせを行う手段は、周知の技術であれば特に限定されるものではない。
主制御部２１は、取得した多値画像の画素ごとに、粗さの特徴量、すなわち平均化処理が実行された後のエッジ強度を算出し（ステップＳ１９０３）、算出した粗さの特徴量と、良品に関する画像から求めた粗さの特徴量の平均値との差分値を算出して（ステップＳ１９０４）、算出した差分値を指標値として、分布範囲に含まれているか否かを判断する（ステップＳ１９０５）。
主制御部２１が、指標値が分布範囲に含まれていると判断した場合（ステップＳ１９０５：ＹＥＳ）、主制御部２１は、判定対象物が良品であると判定し、判定対象物が良品である旨を示す情報を判定結果として、表示装置３の表示画面上に表示する（ステップＳ１９０６）。
主制御部２１が、指標値が分布範囲に含まれていないと判断した場合（ステップＳ１９０５：ＮＯ）、主制御部２１は、判定対象物が良品ではないと判定し、判定対象物が良品ではない旨を示す情報を判定結果として、表示装置３の表示画面上に表示する（ステップＳ１９０７）。
以上のように本実施の形態２によれば、取得した判定対象物に関する多値画像（第二の多値画像）の画素ごとに粗さの特徴量を算出し、良品に関する多値画像（第一の多値画像）の画素ごとの粗さの特徴量の平均値との差分値が所定値より小さいか否かを判断することにより、判定対象物に関する多値画像の粗さ、ざらつき具合等を区別することができ、判定対象物の表面の粗さの相違を確実に検出することが可能となる。
なお、本発明は上記実施例に限定されるものではなく、本発明の趣旨の範囲内であれば多種の変更、改良等が可能である。異なる二方向として二次元画像の列方向及び行方向としているが、特に限定されるものではないし、色成分についてもＲ成分、Ｇ成分、Ｂ成分だけではなく、シアン成分、マゼンタ成分、イエロー成分であっても良い。
１ カメラ（撮像手段）
２ 画像処理装置
３ 表示装置（画像表示手段）
４ 可搬型記録媒体
５ コンピュータプログラム
６ 外部制御機器
７ 画像処理部
８ 画像表示部
２１ 主制御部
２２ メモリ
２３ 記憶手段
２４ 入力手段
２５ 出力手段
２６ 通信手段
２７ 補助記憶手段
２８ 内部バス

Claims (10)

  1. 判定対象物を撮像した多値画像を、良品に関する多値画像群と比較して良品判定を行う画像処理装置において、
    撮像手段で撮像された、良品に関する複数の第一の多値画像を取得する良品画像取得手段と、
    取得した第一の多値画像の画素ごとに、色成分に関する画素値を特徴量として抽出する第一の特徴量抽出手段と、取得した第一の多値画像の画素ごとに、異なる二方向におけるエッジ強度を特徴量として抽出する第二の特徴量抽出手段とを少なくとも含む複数の特徴量抽出手段のうち、いずれか１つの特徴量抽出手段の選択を受け付ける選択受付手段と、
    前記複数の特徴量抽出手段のうち選択を受け付けた特徴量抽出手段により抽出した特徴量に基づき、前記第一の特徴量抽出手段が選択された場合には、良品判定を行うための分布範囲として、画素ごとに色成分に関する画素値の分布範囲を算出し、前記第二の特徴量抽出手段が選択された場合には、良品判定を行うための分布範囲として、画素ごとに異なる二方向におけるエッジ強度からエッジ強度の分布範囲を算出する分布範囲算出手段と、
    判定対象物に関する第二の多値画像を取得する多値画像取得手段と、
    取得した第二の多値画像の画素ごとに、前記複数の特徴量抽出手段のうち選択を受け付けた特徴量抽出手段により特徴量を抽出し、抽出した前記第二の多値画像の特徴量が、対応する前記第一の多値画像から得られた前記分布範囲に含まれているか否かを判断する判断手段と
    を備えることを特徴とする画像処理装置。
  2. 前記第一の特徴量抽出手段の選択を受け付けた場合、前記分布範囲算出手段は、
    取得した各第一の多値画像の画素ごとに、色成分に関する画素値の平均値を算出する画素平均値算出手段と、
    算出した色成分に関する画素値の平均値に基づいて、各第一の多値画像の画素ごとに、色成分それぞれを座標軸とする多次元空間における画素値の分布範囲を算出する画素値分布範囲算出手段と
    を有し、
    前記判断手段は、取得した第二の多値画像の画素ごとに、色成分に関する画素値を算出して、色成分それぞれを座標軸とする多次元空間における画素値の分布範囲に含まれているか否かを判断するようにしてあり、
    前記第二の特徴量抽出手段の選択を受け付けた場合、前記分布範囲算出手段は、
    取得した各第一の多値画像の画素ごとに、異なる二方向におけるエッジ強度を算出する方向別エッジ強度算出手段と、
    算出したエッジ強度に基づいて、各第一の多値画像の画素ごとに、異なる二方向におけるエッジ強度の平均値を算出するエッジ強度平均値算出手段と、
    算出した平均値を中心として、各第一の多値画像の画素ごとに、異なる二方向におけるエッジ強度の相互相関分布範囲を算出するエッジ強度分布範囲算出手段と
    を有し、
    前記判断手段は、取得した第二の多値画像の画素ごとに、異なる二方向におけるエッジ強度を算出して、算出したエッジ強度が対応する前記相互相関分布範囲に含まれているか否かを判断するようにしてあることを特徴とする請求項１記載の画像処理装置。
  3. 前記分布範囲算出手段は、仮想的な楕円領域として前記相互相関分布範囲を算出するようにしてあることを特徴とする請求項１又は２に記載の画像処理装置。
  4. 前記判断手段は、仮想的な前記楕円領域の重心から前記第二の多値画像の画素ごとに抽出した特徴量までの距離を、前記重心から前記特徴量に向かう方向における前記楕円領域の境界と前記重心との距離で正規化したマハラノビス距離を算出する距離算出手段を備え、
    算出したマハラノビス距離が所定値より小さいか否かで前記相互相関分布範囲に含まれているか否かを判断するようにしてあることを特徴とする請求項３記載の画像処理装置。
  5. 前記距離算出手段は、仮想的な前記楕円領域の重心から前記第二の多値画像の画素ごとに抽出した特徴量までの距離であるユークリッド距離を算出するようにしてあり、
    前記判断手段は、算出したユークリッド距離が所定値より小さいか否かで前記相互相関分布範囲に含まれているか否かを判断するようにしてあることを特徴とする請求項３記載の画像処理装置。
  6. 前記第一の多値画像と前記第二の多値画像との位置合わせを行う位置調整手段を備えることを特徴とする請求項１乃至５のいずれか一項に記載の画像処理装置。
  7. 判定対象物の表面の粗さの特徴量を抽出する第三の特徴量抽出手段を備え、
    前記第三の特徴量抽出手段の選択を受け付けた場合、前記分布範囲算出手段は、
    取得した各第一の多値画像の画素ごとの粗さの特徴量に基づいて、画素ごとの平均値及び分布範囲を算出し、画素ごとに第二の多値画像の粗さの特徴量と前記平均値との差分値が、所定値より小さいか否かを判断するようにしてあることを特徴とする請求項１乃至６のいずれか一項に記載の画像処理装置。
  8. 前記選択受付手段が、複数の特徴量抽出手段の選択を受け付けた場合であって、前記判断手段が、選択を受け付けた特徴量抽出手段で抽出された特徴量のうち、いずれかの特徴量がそれぞれの特徴量に対応する前記分布範囲に含まれていないと判断したとき、前記判定対象物は良品ではないと判定するようにしてあることを特徴とする請求項１乃至７のいずれか一項に記載の画像処理装置。
  9. 判定対象物を撮像した多値画像を、良品に関する多値画像群と比較して良品判定を行う画像処理装置で実行することが可能な画像処理方法において、
    撮像手段で撮像された、良品に関する複数の第一の多値画像を取得するステップと、
    取得した第一の多値画像の画素ごとに、色成分に関する画素値を特徴量として抽出する第一の抽出ステップと、取得した第一の多値画像の画素ごとに、異なる二方向におけるエッジ強度を特徴量として抽出する第二の抽出ステップとを少なくとも含む複数の抽出ステップのうち、いずれか１つの抽出ステップの選択を受け付けるステップと、
    前記複数の抽出ステップのうち選択を受け付けた抽出ステップにより特徴量を抽出し、抽出した特徴量に基づき、前記第一の抽出ステップが選択された場合には、良品判定を行うための分布範囲として、画素ごとに色成分に関する画素値の分布範囲を算出し、前記第二の抽出ステップが選択された場合には、良品判定を行うための分布範囲として、画素ごとに異なる二方向におけるエッジ強度からエッジ強度の分布範囲を算出するステップと、
    判定対象物に関する第二の多値画像を取得するステップと、
    取得した第二の多値画像の画素ごとに、前記複数の抽出ステップのうち選択を受け付けた抽出ステップにより特徴量を抽出し、抽出した前記第二の多値画像の特徴量が、対応する前記第一の多値画像から得られた前記分布範囲に含まれているか否かを判断するステップと
    を含むことを特徴とする画像処理方法。
  10. 判定対象物を撮像した多値画像を、良品に関する多値画像群と比較して良品判定を行う画像処理装置で実行することが可能なコンピュータプログラムにおいて、
    前記画像処理装置を、
    撮像手段で撮像された、良品に関する複数の第一の多値画像を取得する良品画像取得手段、
    取得した第一の多値画像の画素ごとに、色成分に関する画素値を特徴量として抽出する第一の特徴量抽出手段と、取得した第一の多値画像の画素ごとに、異なる二方向におけるエッジ強度を特徴量として抽出する第二の特徴量抽出手段とを少なくとも含む複数の特徴量抽出手段のうち、いずれか１つの特徴量抽出手段の選択を受け付ける選択受付手段、
    前記複数の特徴量抽出手段のうち選択を受け付けた特徴量抽出手段により抽出した特徴量に基づき、前記第一の特徴量抽出手段が選択された場合には、良品判定を行うための分布範囲として、画素ごとに色成分に関する画素値の分布範囲を算出し、前記第二の特徴量抽出手段が選択された場合には、良品判定を行うための分布範囲として、画素ごとに異なる二方向におけるエッジ強度からエッジ強度の分布範囲を算出する分布範囲算出手段、
    判定対象物に関する第二の多値画像を取得する多値画像取得手段、及び
    取得した第二の多値画像の画素ごとに、前記複数の特徴量抽出手段のうち選択を受け付けた特徴量抽出手段により特徴量を抽出し、抽出した前記第二の多値画像の特徴量が、対応する前記第一の多値画像から得られた前記分布範囲に含まれているか否かを判断する判断手段
    として機能させることを特徴とするコンピュータプログラム。
JP2010117092A 2010-05-21 2010-05-21 画像処理装置、画像処理方法及びコンピュータプログラム Expired - Fee Related JP5469532B2 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2010117092A JP5469532B2 (ja) 2010-05-21 2010-05-21 画像処理装置、画像処理方法及びコンピュータプログラム
US13/091,218 US8594416B2 (en) 2010-05-21 2011-04-21 Image processing apparatus, image processing method, and computer program
CN201110131814.5A CN102254178B (zh) 2010-05-21 2011-05-20 图像处理设备、图像处理方法和计算机程序

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2010117092A JP5469532B2 (ja) 2010-05-21 2010-05-21 画像処理装置、画像処理方法及びコンピュータプログラム

Publications (3)

Publication Number Publication Date
JP2011243139A JP2011243139A (ja) 2011-12-01
JP2011243139A5 JP2011243139A5 (ja) 2013-05-23
JP5469532B2 true JP5469532B2 (ja) 2014-04-16

Family

ID=44972526

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2010117092A Expired - Fee Related JP5469532B2 (ja) 2010-05-21 2010-05-21 画像処理装置、画像処理方法及びコンピュータプログラム

Country Status (3)

Country Link
US (1) US8594416B2 (ja)
JP (1) JP5469532B2 (ja)
CN (1) CN102254178B (ja)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5956814B2 (ja) * 2012-04-20 2016-07-27 株式会社キーエンス 外観検査装置、外観検査方法及びコンピュータプログラム
JP6037125B2 (ja) * 2013-02-18 2016-11-30 株式会社サタケ 光学式粒状物選別機
US11158039B2 (en) * 2015-06-26 2021-10-26 Cognex Corporation Using 3D vision for automated industrial inspection
JP7077631B2 (ja) * 2018-01-18 2022-05-31 コニカミノルタ株式会社 画像検査装置および画像形成システム
CN110057325B (zh) * 2019-04-26 2020-06-23 湖南大学 一种基于成像仿真的表面粗糙度检测方法及计算设备
CN110310275B (zh) * 2019-07-02 2021-09-28 芜湖启迪睿视信息技术有限公司 一种基于图像处理的链式传送带缺陷检测方法
CN111652319A (zh) * 2020-06-09 2020-09-11 创新奇智(广州)科技有限公司 一种布匹缺陷检测方法及装置

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3749090B2 (ja) 2000-07-06 2006-02-22 大日本スクリーン製造株式会社 パターン検査装置
JP3741672B2 (ja) 2002-07-08 2006-02-01 株式会社アドイン研究所 画像特徴学習型欠陥検出方法、欠陥検出装置及び欠陥検出プログラム
JP2005265661A (ja) 2004-03-19 2005-09-29 Ovit:Kk 画像処理方法およびその装置
JP4345930B2 (ja) * 2005-01-28 2009-10-14 Ｙｋｋ株式会社 物品の外観検査装置
JP4935109B2 (ja) * 2005-03-17 2012-05-23 オムロン株式会社 基板検査装置並びにその検査ロジック設定方法および検査ロジック設定装置
JP2007114843A (ja) * 2005-10-18 2007-05-10 Denso Corp 良否判定装置
US8103087B2 (en) * 2006-01-20 2012-01-24 Hitachi High-Technologies Corporation Fault inspection method
JP5028014B2 (ja) * 2006-02-08 2012-09-19 株式会社日立ハイテクノロジーズ パターン検査方法及びその装置
JP2008139074A (ja) * 2006-11-30 2008-06-19 Rozefu Technol:Kk 画像の欠陥検出方法
JP4943304B2 (ja) * 2006-12-05 2012-05-30 株式会社 Ｎｇｒ パターン検査装置および方法
JP2008139262A (ja) * 2006-12-05 2008-06-19 Omron Corp 欠陥検査方法およびその方法を用いた検査装置

Also Published As

Publication number Publication date
CN102254178B (zh) 2016-03-30
JP2011243139A (ja) 2011-12-01
US8594416B2 (en) 2013-11-26
CN102254178A (zh) 2011-11-23
US20110286659A1 (en) 2011-11-24

Similar Documents

Publication Publication Date Title
JP5469532B2 (ja) 画像処理装置、画像処理方法及びコンピュータプログラム
CN111028213B (zh) 图像缺陷检测方法、装置、电子设备及存储介质
US8115169B2 (en) Method and apparatus of pattern inspection and semiconductor inspection system using the same
JP5684505B2 (ja) 画像処理装置、画像処理方法及びコンピュータプログラム
CN106803244B (zh) 缺陷识别方法及系统
CN112419297B (zh) 一种螺栓松动检测方法、装置、设备及存储介质
JP4824987B2 (ja) パターンマッチング装置およびそれを用いた半導体検査システム
US8019164B2 (en) Apparatus, method and program product for matching with a template
JP4001162B2 (ja) 画像処理方法、画像処理用のプログラムならびにその記憶媒体、および画像処理装置
US11676301B2 (en) System and method for efficiently scoring probes in an image with a vision system
KR102073468B1 (ko) 비전 시스템에서 컬러 이미지에 대해 컬러 후보 포즈들의 점수화를 위한 시스템 및 방법
CN104899888B (zh) 一种基于Legendre矩的图像亚像素边缘检测方法
JP2013224833A (ja) 外観検査装置、外観検査方法及びコンピュータプログラム
CN105718931B (zh) 用于确定采集图像中的杂斑的系统和方法
Zhang et al. A new algorithm for accurate and automatic chessboard corner detection
US20200250845A1 (en) Evaluation method and information processing apparatus
JP5486403B2 (ja) 画像処理装置、画像処理方法及びコンピュータプログラム
JP3661635B2 (ja) 画像処理方法およびその装置
CN112233186A (zh) 基于图像感知的设备气密性检测相机自标定方法
JP5684550B2 (ja) パターンマッチング装置およびそれを用いた半導体検査システム
JP4894747B2 (ja) 部分領域検出装置、対象物識別装置、及びプログラム
JP4560434B2 (ja) 変化領域抽出方法およびこの方法のプログラム
WO2017109946A1 (ja) 形状弁別装置、形状弁別方法及び形状弁別プログラム
CN108399412A (zh) 一种x型角点亚像素提取方法
JP6891792B2 (ja) 測定プログラム、測定装置および測定方法

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20130409

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20130409

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20131114

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20131119

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20131225

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: 20140128

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20140131

R150 Certificate of patent or registration of utility model

Ref document number: 5469532

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

LAPS Cancellation because of no payment of annual fees