JPH05280959A

JPH05280959A - 欠陥検査装置

Info

Publication number: JPH05280959A
Application number: JP4103543A
Authority: JP
Inventors: Yoshiko Shiimori; 佳子椎森; Hironori Okamura; 広紀岡村
Original assignee: Fuji Photo Film Co Ltd
Current assignee: Fujifilm Holdings Corp
Priority date: 1992-03-30
Filing date: 1992-03-30
Publication date: 1993-10-29

Abstract

(57)【要約】【目的】複数の欠陥を含む２値画像を１つの欠陥を含
む複数の領域に分割し、各領域ごとにそこに含まれる欠
陥の形状や種類等を高精度に判別できるようにする。【構成】２値画像の周辺分布情報を用いて２値画像を
１つの欠陥を含む複数の領域に分割する。ここに２値画
像は、別手段により検出した欠陥のアドレスを含む領域
を欠陥を示す値に塗り潰すことにより他の領域から分離
した画像とするのが望ましい。周辺分布情報は、２値画
像を副走査方向あるいは主走査方向に投影したものと
し、この周辺分布のうち線状性を有する独立分布領域を
線状の欠陥がある領域として分割することができる。こ
の操作をさらに非線状性を有するとして残った領域に対
しても行うことにより領域をさらに細かく分割すること
が可能である。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、検査対象を走査して得
られる画像信号を用いて欠陥の有無を検査し、この欠陥
の種類等を高精度に判別し得るように２値画像を１つの
欠陥ごとに複数の領域に分割する欠陥検査装置に関する
ものである。

【０００２】

【従来の技術】鋼板やプラスチックフィルムや紙などの
表面を光学的に走査して、その表面のキズあるいは内部
の欠陥等を検出する欠陥検査装置が公知である。ここに
従来は検査対象を走査して得た画像信号を予め設定され
たしきい値と比較し、画像信号がこのしきい値を超える
時又は小さい時に欠陥であると判断していた（例えば特
願平２−２４５４１３号等参照）。

【０００３】また検出した欠陥の形状や種類などを判別
できるようにした装置も提案されている。例えば、検査
対象から得られた２値画像を一方向に投影した周辺分布
を用いて、この周辺分布より欠陥の特徴量を求め、欠陥
の種類を判別するものである。

【０００４】

【従来技術の問題点】ここに欠陥の特徴量は、１つの欠
陥に対して求める必要がある。しかし画像には複数の欠
陥が含まれていることがあり、その場合には、複数の欠
陥が同一の周辺分布に投影されるため、個々の欠陥に対
する特徴量を分離して求めることができず、欠陥の形状
や種類等を精度良く判別することができないという問題
があった。

【０００５】また、画像に複数の欠陥が含まれている場
合には、独立した領域ごとに領域分割する方法も考案さ
れている。しかしこの方法によると、例えば本来は１つ
ながりの線状欠陥が、ノイズなどの影響により途切れて
抽出されてしまった場合には、それぞれを別個の欠陥と
して特徴量を求めることになり、これも欠陥の形状や種
類等を精度良く判別することができないという問題があ
った。

【０００６】

【発明の目的】従って本発明は、複数の欠陥を含む２値
画像を１つの欠陥を含む複数の領域に分割し、各領域ご
とにそこに含まれる欠陥の形状や種類等を高精度に判別
できるようにした欠陥検出装置を提供することを目的と
する。

【０００７】

【発明の構成】本発明によればこの目的は、検査対象を
走査して得た画像信号を微分フィルタを含む空間フィル
タリング処理した微分画像を用いて、検査対象の複数の
欠陥を含む２値画像を抽出し、欠陥を検査する欠陥検査
装置において、前記２値画像の周辺分布情報を用いて前
記２値画像を１つの欠陥を含む複数の領域に分割する欠
陥領域分割処理手段を備えることを特徴とする欠陥検査
装置により達成される。

【０００８】ここに用いる２値画像は、別手段により検
出した欠陥のアドレスを含む領域を欠陥を示す値に塗り
潰すことにより他の領域から分離した画像とするのが望
ましい。

【０００９】また周辺分布情報は、２値画像を副走査方
向あるいは主走査方向に投影したものとし、この周辺分
布のうち線状性を有する独立分布領域を線状の欠陥があ
る領域として分割することができる。この操作をさらに
非線状性を有するとして残った領域に対しても行うこと
により領域をさらに細かく分割することが可能である。

【００１０】

【実施例】図１は本発明の第１の実施例のブロック図、
図２はその一部の詳細ブロック図、図３は閾値ＴＨ１の
決定法の一例の説明図、図４は閾値ＴＨ２の決定法の一
例の説明図、図５は閾値ＴＨ３の説明図である。

【００１１】図１において、符号１０は鋼板、紙、プラ
スチックフィルムなどの検査対象であり、この検査対象
１０は供給ロール１２から巻取りロール１４に送られ
る。この巻取りロール１４は巻取りモータ１６により駆
動される。この検査対象１０の送り中にフライングスポ
ット方式による画像検出手段１８によって表面の画像が
読取られる。

【００１２】この画像検出手段１８は、レーザー光源２
０から射出されるレーザ光からなる走査ビームＬを、モ
ータ２２により回転される回転ミラー（ポリゴナルミラ
ー）２４によって検査対象１０の幅方向に一定の速度で
走査（主走査）する一方、検査対象１０の表面による反
射光を受光ロッド２６によって一対の受光器２８（２８
ａ、２８ｂ）に導いて受光するものである。すなわち受
光ロッド２６は走査ビームＬの主走査ライン３０に近接
してこれに平行に配設され、反射光を受光すると受光ロ
ッド２６の内面で全反射させてその両端に導き、フォト
マルチプライヤ（光電子増倍管）などの受光器２８によ
り受光量が検出される。

【００１３】各受光器２８が出力する画像信号はプリア
ンプ、メインアンプで増幅され、また波形整形されてア
ナログ画像信号ａ₁ 、ａ₂ となる。各信号ａ₁ 、ａ₂ に
は、連続する異なる主走査ライン３０に対応する信号
が、時間軸方向に一定時間毎に現れている。

【００１４】各信号ａ₁ 、ａ₂ は走査ビームＬの主走査
ライン３０上の走査位置から遠くなるとレベルが低下
し、反対に走査位置に近くなるとレベルが上昇するよう
に変化する。そこでこの実施例では、両信号ａ₁ 、ａ₂
は加算手段３２で加算され、主走査ライン３０上の走査
位置の変化による影響が除去されて信号ａ₃ となる。こ
の信号ａ₃ は、走査ビームＬの検査対象１０表面への入
射角度の変化、検査対象１０表面のむらや地合い、導光
ロッド２６内での減衰などのために、その出力レベルが
大きく湾曲している。

【００１５】この加算された信号ａ₃ はＡ／Ｄ変換手段
３４においてデジタル信号ａ₄ に変換される。例えば２
５６階調の濃度信号ａ₄ に変換される。そしてラインメ
モリ（図示せず）にメモリされる。

【００１６】Ａ／Ｄ変換された信号ａ₄ は濃度変換手段
３６で濃度変換され、微分フィルタ３８に入力されて空
間フィルタリング処理される。濃度変換手段３６は所定
の変換テーブルにより信号ａ₄ を例えば２５６階調の範
囲内で適切な濃度分布に変換する。微分フィルタ３８は
注目画素を中心とする例えば３×３画素領域に所定の重
み係数をもった空間フィルタを重ね、対応する画素同志
の積を求め、これらの総和を出力とするものである。

【００１７】これら濃度変換手段３６および微分フィル
タ３８については、特願平３−６０７５４号等に詳細に
説明されているから、ここでは繰り返さない。なお濃度
変換手段３６を省いて信号ａ₄ を直接微分フィルタ３８
に入力してもよい。微分フィルタ３８で空間フィルタリ
ング処理をした信号ａ₅ は、信号ａ₄ にあった低周波成
分が除去されて欠陥の輪郭が強調されている。そしてこ
の信号ａ₅ は微分画像Ａ₀ を形成するものである。

【００１８】４０は欠陥アドレス検出手段であり、例え
ばこの信号ａ₅ を閾値ＴＨ０と比較し、ａ₅ ＞ＴＨ０
（またはａ₅ ＜ＴＨ０）の時に欠陥と判断する。そして
この欠陥を検出すると、この欠陥のアドレスＡｄが求め
られメモリされる。このアドレスＡｄは速度検出器（パ
ルスジェネレータ）４２、モータ２２の回転角から求め
る。なお、信号ａ₅ を欠陥と判断する方法は、ここで述
べた方法に限定されないものとする。

【００１９】以上のようにして欠陥のアドレスＡｄを求
めるが、この過程は単に欠陥の有無を判定すればよいの
でここに用いる閾値ＴＨ０は後記の閾値ＴＨ３などに比
べて高く、すなわち欠陥の信号レベルに接近したレベル
に設定され、ノイズによる誤検出を防止している。

【００２０】

【２値化処理手段】一方微分フィルタ３８の出力信号ａ
₅ が形成する画像すなわち微分画像Ａ₀ は２値化処理手
段４２に入力される。この手段４２は図２に示すように
第１の閾値ＴＨ１と第２の閾値ＴＨ２とから、第３の閾
値ＴＨ３を求め、この第３の閾値ＴＨ３を用いて信号ａ
₅ を２値化するものである。

【００２１】第１の閾値ＴＨ１はこの微分画像の全体の
濃度分布から決めるものであり、例えば図３に示す濃度
のヒストグラムを用いて決めることができる。この図３
で濃度の分布幅がｘであれば、これを用いて度数の閾値
Ｎ（ＴＨ１）をＮ（ＴＨ１）＝（全度数）／ｆ（ｘ）により求める。

【００２２】ここにｆ（ｘ）は分布幅ｘの関数であり、
ｘの２次関数などで決める。そして度数の閾値Ｎ（ＴＨ
１）となるヒストグラムの濃度ＴＨ１を第１の閾値とす
れば、これは微分画像全体の濃度分布が反映された閾値
となる。なお、このＮ（ＴＨ１）の値は予め実験的に求
めておき、欠陥検出処理の過程では、定数として扱って
もよい。

【００２３】第２の閾値ＴＨ２は、注目画素の近傍領域
の濃度平均値から得られるものである。例えば図４に示
すように、注目画素を中心とする３×３の画素の濃度ｄ
の総和Σｄｎを求め、これを画素数９で割ることにより
求めることができる。

【００２４】第３の閾値ＴＨ３はこれら第１、第２の閾
値ＴＨ１およびＴＨ２を用いて決める。例えばｋを定数
としてＴＨ３＝ＴＨ１−ｋ（ＴＨ１−ＴＨ２）により決める。この定数ｋは地合いの程度などを考慮し
て予め実験的に決めておく。

【００２５】２値化処理手段４２では、この微分画像Ａ
₀ の各画素ごとに決まる第３の閾値ＴＨ３を微分画像Ａ
₀ の各画素の濃度と比較することにより（比較手段４
４）、２値画像Ａ₁ を求める。この２値画像Ａ₁ は、微
分画像Ａ₀ （信号ａ₅ ）の画素濃度がＴＨ３以上の領域
が例えば“１”に、それ以外の領域が例えば“０”にな
った画像であり、本当の欠陥の領域だけでなくノイズに
より欠陥と判定された領域も含むものである。

【００２６】この２値化処理手段４２の作用を図５によ
ってさらに説明する。図５の（Ａ）は全体の閾値ＴＨ１
に対し、注目画素近傍の濃度平均値ＴＨ２を重ねて表し
たものであり、両者の差（ＴＨ１−ＴＨ２）を示す。図
５の（Ｂ）はＴＨ１からこの差に定数ｋを掛けた曲線ｋ
（ＴＨ１−ＴＨ２）を減算して得たＴＨ３を示す。図５
の（Ｃ）は微分画像Ａ₀ とこの第３の閾値ＴＨ３との関
係を示すものである。

【００２７】この（Ｃ）から明らかなように、微分画像
Ａ₀ を２値化する第３の閾値ＴＨ３は、画像濃度の大局
的な変化に追従して変動し、微分画像Ａ₀ の微小な濃度
変化も取り出すことができる。なおここに用いる定数ｋ
は、０に近いほどＴＨ１の影響が大きく、１に近いほど
ＴＨ２の影響が大きくなる。従って地合いの汚い工程で
はｋを０に近く、地合いのきれいな工程ではｋを１に近
く設定するなどのように、工程に応じてこの２値化処理
を変えることが可能である。

【００２８】

【垂直収縮処理】図２において４６は垂直収縮処理手段
である。この手段４６は２値画像Ａ₁ を垂直方向、すな
わち副走査方向（検査対象１０の送り方向）に収縮し、
縦方向の線状欠陥の形状を損なうことなく欠陥部分と背
景ノイズとの連結を除去するものである。

【００２９】図６はこの手段４６のアルゴリズムを説明
する図、図７はその処理の前後の画像を示す図である。
この処理では、処理対象画素Ｘ₀ の上下２近傍画素Ｘ
₁ 、Ｘ₂ の値を用いて、処理後の画素Ｘ₀ ′を、Ｘ₀ 、
Ｘ₁ 、Ｘ₂ のいずれかが０の時には０に、全てが１の時
に１にする。ここで“１”は欠陥がある画素を、“０”
は背景となる画素とする。この処理を全ての画素に対し
てラスタ走査順に行う。この結果図７に示すように縦方
向に連続する領域のみが残り、横方向にのびる領域や点
状のノイズが消去される。

【００３０】なおこの垂直収縮処理は、前記２値化処理
手段のｋの値が０に近い場合や欠陥が縦方向だけでなく
横方向にも多く発生する場合には省いてもよい。また以
上の説明では縦方向に連続する欠陥を残すものとしてい
るが、横方向（主走査方向）に連続する欠陥を残す場合
には図６の上下２近傍Ｘ₁ 、Ｘ₂ に代えて、左右２近傍
の画素を用いて同様な処理を行えばよい。

【００３１】

【欠陥領域抽出手段】図１、２において４８は欠陥領域
抽出手段である。この手段４８は、２値化処理で得られ
た２値画像Ａ₁ から、前記欠陥アドレス検出手段４０で
得た欠陥のアドレスＡｄが含まれる連続領域を抽出す
る。そして２値画像Ａ₁ のうち、このアドレスＡｄが含
まれていない領域は欠陥でないとして除去するものであ
る。

【００３２】図８はこの処理のアルゴリズム説明図、図
９はこの処理の前後の画像を示す図である。この処理は
次のように行われる。まず欠陥アドレス検出手段４０に
より欠陥アドレスＡｄで指定された画素、すなわち欠陥
信号が発生した画素（欠陥画素）を着目点とする。そし
て次の操作を行う。

【００３３】この着目点の座標を記録し、対応する画
素にラベルを付ける。図８に示した探索順に２値画像Ａ₁ 内の欠陥画素でか
つまだラベルが付いていない画素を見つける。見つかったら着目点をその画素に移し、へ戻る。見つからなかったら着目点を一つ前の着目点に戻し、
へ戻る。

【００３４】〜の手順を、領域中にラベルが付いて
いない画素が見つからなくなるまで繰り返す。この処理
を、すでにラベル付けされた領域以外の領域のアドレス
（Ａｄ）による欠陥信号全てについて行う。この結果２
値画像Ａ₁ の複数の領域のうち、欠陥信号を含む全ての
領域を抽出し、他の領域を除去することができる（図
９）。

【００３５】

【形状補正】次にこのように抽出した欠陥を含む領域に
対して、形状補正手段５０（図２）による形状補正処理
が施される。この処理は、抽出した領域を後記するよう
に欠陥形状や種類、等級などを認識する際に、処理をし
易くし、認識精度を向上させるために行うものであり、
欠陥領域抽出手段４８の出力形式によってはこの手段５
０による処理を省いてもよい。

【００３６】この形状補正手段５０は、図２に示すよう
に膨張処理５２と、穴埋め処理５４と、収縮処理５６と
を含む。図１０、１１、１２はそれぞれ膨張処理５２、
穴埋め処理５４、収縮処理５６のアルゴリズムの説明
図、図１３はこれら各処理による画像の変化を示す図で
ある。

【００３７】

【膨張処理】膨張処理５２は、断片化された近接する複
数の欠陥領域を連続させたり、途切れた輪郭を連結させ
るものである。すなわち図１０に示すように、処理対象
画素Ｘ₀ を中心とする例えば８近傍の画素Ｘ₁ 〜Ｘ₈ と
の関係から、処理後の画素Ｘ₀ ′を、Ｘ₀ 〜Ｘ₈ のいず
れかが１の時に１に、Ｘ₀ 〜Ｘ₈ の全てが０の時に０に
変換する。

【００３８】なおここで“１”は欠陥がある画素を、
“０”は背景となる画素とする。この処理を各画素ごと
にラスタ走査順に繰り返す。この処理は連続して２回繰
り返すのが望ましい。この結果図１３（Ａ）に示す処理
前の画像を（Ｂ）に示すように１つの連続した領域にま
とめることができる。

【００３９】

【穴埋め処理】穴埋め処理５４は、図１３の（Ｂ）に示
すように画像に穴がある場合に、この穴を埋めるもので
ある。すなわち図１１に示すように、背景と同じ“０”
の画素で形成され画像の縁に連続しない領域を穴の領域
と判定し、この穴の領域を欠陥と同じ“１”の画素に変
えるものである。この処理により図１３の（Ｂ）に示す
穴は（Ｃ）に示すように埋められる。

【００４０】

【収縮処理】収縮処理５６は膨張処理５２によって膨張
し肥大化した欠陥の画像を元の大きさに戻すものであ
る。この処理のアルゴリズムは、図１２に示すように処
理対象画素Ｘ₀ を中心とする例えば８近傍の画素Ｘ₁ 〜
Ｘ₈ との関係から、処理後の画素Ｘ₀ ′を、Ｘ₀ 〜Ｘ₈
のいずれかが０の時に０とし、Ｘ₀ 〜Ｘ₈ の全てが１の
時に１とする変換を行うものである。

【００４１】ここに“１”は欠陥のある画素を、“０”
は背景となる画素を示す。この処理を各画素ごとにラス
タ走査順に繰り返す。この処理は前記膨張処理５２の繰
り返し回数と同回数すなわち２回繰り返す。この結果図
１３の（Ｄ）のように、形状補正された欠陥を含む領域
（欠陥領域）だけが抽出された画像（欠陥画像Ａ₂ ）が
出力される。

【００４２】

【画像計測処理】以上のように欠陥領域だけが抽出され
た画像Ａ₂ は、画像計測処理手段５８に入力され、領域
分割処理６０によって欠陥ごとに領域分割され、さらに
特徴量計測処理６２によって、分割されたそれぞれの欠
陥の特徴量が求められる。

【００４３】領域分割処理６０は、例えば欠陥画像Ａ₂
のｘ軸方向およびｙ軸方向へ投影された周辺分布情報を
用いて欠陥領域の分布を調べることにより、複数の欠陥
領域に分割する。

【００４４】

【欠陥領域分割処理】ここでこの処理６０の内容を図１
４〜１７を用いて説明する。図１４は２値画像Ａ₁ の周
辺分布情報の概念図、図１５〜１７は複数の欠陥Ｄ₁ 〜
Ｄ₆ を含む２値画像Ａ₁ の分割過程の説明図、図１８は
その処理過程の動作流れ図である。

【００４５】図１４において欠陥Ｄ₀ のｘ軸方向すなわ
ち副走査方向へ投影した画素数の分布がＰで、また主走
査方向へ投影した画素数の分布がＱで示されている。こ
こで欠陥Ｄ₀ がｙ軸方向に長い筋状であれば、ｘ軸へ投
影したＰの分布が鋭い線状性を持つ。この線状性の判別
基準として周辺分布Ｐ、Ｑの幅Ｐ_x 、Ｑ_y と、ピーク値
Ｐ_y 、Ｑ_x とを用いる。

【００４６】すなわち分布Ｐの線状性は、（幅／（ピーク値）＝Ｐ_x ／Ｐ_y として定義され、また分布Ｑの線状性は、Ｑ_y ／Ｑ_x で定義される。そしてこの線状性が例えば０．２以下な
らこの欠陥Ｄ₀ は線状性有りとする。そしてこの独立し
ているＰの分布をｘ軸上で分割することができる。

【００４７】次に図１５に示すように種々の形状の欠陥
Ｄ₁ 〜Ｄ₆ を含む２値画像Ａ₁ に対する処理を図１５〜
１８を用いて説明する。まず２値画像Ａ₁ をｘ軸上に投
影して３つの独立した周辺分布Ｐ_n （Ｐ₁ 、Ｐ₂ 、Ｐ
₃ ）を得る（図１８のステップ１００）。そしてこれら
の独立した周辺分布Ｐ_n の線状性を調べる（ステップ１
０２）。すなわち各周辺分布Ｐ_n に対してＰ_x ／Ｐ_y を
求め、この値が０．２以下なら線状性有りとし（ステッ
プ１０４、ＹＥＳ）、この独立分布の領域を分割する。

【００４８】図１５の例では分布Ｐ₁ が線状性有りとさ
れ、この分布Ｐ₁ の領域が図１６に示すように分割され
る。そして線状性無しと判定された残りの領域をＡ₁ ′
とする（ステップ１０６）。また線状性を持つ独立分布
が全く無ければ分割することなく（ステップ１０４、Ｎ
Ｏ）、その画像Ａ₁ をＡ₁ ′とする（ステップ１０
８）。以上のステップ１００〜１０８の処理はｘ軸上へ
の周辺分布による分割であり、第１の分割手段Ｓ₁ とす
る。

【００４９】次に第１の分割手段Ｓ₁ による処理が終っ
た画像Ａ₁ ′に対して、ｙ軸上の周辺分布が求められる
（ステップ１１０）。この結果独立した周辺分布Ｑ_n
（Ｑ₁、Ｑ₂ ）が得られると、これらの線状性が調べら
れる（ステップ１１２）。Ｑ_y／Ｑ_x が０．２以下とな
る独立した分布Ｑ₁ （図１６）が選択されると（ステッ
プ１１４、ＹＥＳ）、このｙ軸上でＱ₁ の領域を分割
し、残りの領域をＡ₁ ″（図１７）とする（ステップ１
１６）。

【００５０】なおこの時線状性を有する分布Ｑ_n が無け
れば（ステップ１１４、ＮＯ）、ここに用いた領域Ａ
₁ ′をＡ₁ ″と置き換える（ステップ１２０）。これら
ｙ軸上に投影した周辺分布Ｑ_n を用いた分割処理は第２
の分割手段Ｓ₂ とする。次に第３の分割手段Ｓ₃ に入る
が、ここで再び第１の分割手段Ｓ₁ に戻り、同様の処理
を繰り返すようにしてもよい。

【００５１】この第３の分割手段Ｓ₃ は、ｙ軸上での処
理を終ってから、残った領域Ａ₁ ″のｘ軸上の周辺分布
を求め（ステップ１２２）、独立した分布Ｐ_m （Ｐ₄ 、
Ｐ₅）を分割するものである（ステップ１２４）。図１
７で欠陥Ｄ₅ とＤ₆ との間の破線はこの分割線を示す。

【００５２】

【特徴量計測処理】特徴量計測処理６２は、分割された
欠陥領域ごとの面積、長さ、幅、方向、濃度平均値、極
性（正または負）等の特徴量を求める。ここに濃度平均
値は欠陥領域をマスク画像としてこれに対応する原画像
の領域を抜き出し、その濃度を求めることにより算出す
る。

【００５３】

【画像認識処理】このように欠陥の特徴量が求められる
と、次に画像認識処理手段６４においてこの欠陥の形状
を求め、その欠陥の等級を判別して最終的に欠陥に対す
る総合判定を下す。

【００５４】欠陥の形状は形状認識処理６６により行わ
れる。この処理６６は、例えばニューラルネットワーク
による認識法により欠陥形状の大分類を行い、さらに決
定木による認識法により欠陥形状ごとに細分類を行うよ
うに、２段階に処理する。

【００５５】ここにニューラルネットワークは、例えば
「面積」と「幅／長さ」の２つの特徴量を入力とし、２
次元特徴空間上で３つの識別平面により点・面・線の３
つのカテゴリーの分類を行う。従ってこの場合のニュー
ラルネットワークは、入力層、中間層、出力層の３層構
造として、入力層のユニット数を特徴量すなわち特徴空
間の次元数２とし、中間層のユニット数を識別平面の数
３とし、出力層のユニット数を点・線・面のカテゴリー
数３とすることができる。

【００５６】決定木を用いる方法では、ニューラルネッ
トワークにより求めた欠陥形状ごとに判断ツリーを作成
し、このツリーの各ノードに予め設定されている閾値と
特徴量とを比較し、その結果に基づいて進路を選択して
ゆき、終端に着いたらそこに対応するカテゴリーを分類
結果とする。

【００５７】欠陥の等級は等級認識処理６８により行わ
れる。この処理６８は、例えば欠陥の「面積」、「濃度
平均値」の２つの特徴量を用い、ニューラルネットワー
クを用いて欠陥の等級を軽、中、重の３つのレベルに分
けることができる。

【００５８】このようにして欠陥の形状、等級が判定さ
れると、次に総合判定処理７０により総合判定される。
この時複数の欠陥の形状が全て同一カテゴリーであれば
その旨の情報が付加される。さらに同一形状の欠陥が複
数ある場合には、その等級をそれぞれの単一の欠陥に対
する等級より高くすることにより、欠陥個数の影響を加
味するようにしてもよい。

【００５９】

【発明の効果】請求項１の発明は以上のように、２値画
像の周辺分布情報を用いてこの２値画像を１つの欠陥を
含む複数の領域に分割するものであるから、分割された
領域ごとに欠陥の形状、種類、等級などを判定すること
が可能になる。

【００６０】ここに欠陥のアドレスを欠陥アドレス検出
手段で検出する一方、この欠陥アドレスの検出とは別に
微分画像を２値化して欠陥のアドレスを含む領域のみを
欠陥を示す値（例えば“１”）に塗り潰すようにすれば
（請求項２）、欠陥を含む領域を正確に抽出できる。こ
のため欠陥の形状、種類、等級等の判定精度を著しく向
上させることができる。

【００６１】また副または主走査方向へ投影した分布の
うち独立した線状性を有する領域を分割するようにすれ
ば、線状あるいは筋状の欠陥をそれ以外の欠陥から分け
ることができる。そこで副および主走査方向のいずれか
一方向への周辺分布による分割と、他方向への周辺分布
による分割とを１回づつ行ってから、残った領域を独立
した周辺分布でさらに分割することができる（請求項
３）。

【図面の簡単な説明】

【図１】本発明の第１の実施例のブロック図

【図２】その一部の詳細ブロック図

【図３】閾値ＴＨ１の決定法の一例の説明図

【図４】閾値ＴＨ２の決定法の一例の説明図

【図５】閾値ＴＨ３の説明図

【図６】垂直収縮のアルゴリズム説明図

【図７】垂直収縮の概念説明図

【図８】領域抽出のアルゴリズム説明図

【図９】領域抽出処理説明図

【図１０】膨張処理のアルゴリズム説明図

【図１１】穴埋め処理の説明図

【図１２】収縮処理のアルゴリズム説明図

【図１３】欠陥画像の形状補正過程を示す図

【図１４】周辺分布情報の概念図

【図１５】２値画像の分割過程の説明図

【図１６】２値画像の分割過程の説明図

【図１７】２値画像の分割過程の説明図

【図１８】分割処理過程の動作流れ図

【符号の説明】

１０検査対象３８微分フィルタ４０欠陥アドレス検出手段４２２値化処理手段４８欠陥領域抽出手段６０欠陥領域分割処理手段Ａ₀ 微分画像Ａ₁ ２値画像Ａ₂ 欠陥画像Ｐ、Ｑ周辺分布情報Ｓ₁ 第１の分割手段Ｓ₂ 第２の分割手段Ｓ₃ 第３の分割手段

Claims

【特許請求の範囲】

【請求項１】検査対象を走査して得た画像信号を微分
フィルタを含む空間フィルタリング処理した微分画像を
用いて、検査対象の複数の欠陥を含む２値画像を抽出
し、欠陥を検査する欠陥検査装置において、前記２値画
像の周辺分布情報を用いて前記２値画像を１つの欠陥を
含む複数の領域に分割する欠陥領域分割処理手段を備え
ることを特徴とする欠陥検査装置。
【請求項２】検査対象を走査して得た画像信号を微分
フィルタを含む空間フィルタリング処理した微分画像を
用いて、検査対象の複数の欠陥を含む２値画像を抽出
し、欠陥を検査する欠陥検査装置において、前記微分画
像に基づいて前記欠陥のアドレスを求める欠陥アドレス
検出手段と、前記微分画像に２値化処理を行い２値画像
を出力する２値化処理手段と、前記２値画像の前記欠陥
のアドレスを含む領域の画素を全て欠陥を示す値に塗り
潰す欠陥領域抽出手段と、前記２値画像の周辺分布情報
を用いて前記２値画像を１つの欠陥ごとに複数の領域に
分割する欠陥領域分割処理手段とを備えることを特徴と
する欠陥検査装置。
【請求項３】前記欠陥領域分割処理手段は、前記２値
画像を副走査方向および主走査方向の一方向に投影した
周辺分布を用いて線状性を有する独立分布領域を分割す
る第１の分割手段と、この第１の分割手段で非線状性と
された領域から他方向に投影した周辺分布を用いて線状
性を有する独立分布領域を分割する第２の分割手段と、
この第２の分割手段で非線状性とされた領域を前記一方
向に投影した周辺分布の独立分布領域に分割する第３の
分割手段とを備える請求項１または２の欠陥検査装置。