JPH0627715B2 - 鋳片断面の品質評価装置 - Google Patents

Description

【発明の詳細な説明】 ［産業上の利用分野］ 本発明は、鋼材、例えば連続鋳造によって製造された鋳
片を品質評価するために、それの欠陥の有無，欠陥の種
類，欠陥の程度等々を識別する装置に関する。

［従来の技術］ 鋳片に生じる欠陥としては、中心偏析，Ｖ偏析，内部割
れなどが知られている。一般に偏析は、溶融金属が凝固
するときの鋼材各部の凝固時期の差によって鋼材の組織
に偏よりを生じるものである。具体的に言えば、中心偏
析は、不純物が凝固の遅い鋳片の中心部に集まる現象で
あり、Ｖ偏析は、不純物が鋳片の中心部の周辺にある傾
きで現われ全体としてＶ字形状に見える現象である。内
部割れは、鋳片の内部に生じる割れであり、連続鋳造に
おいては、鋳片の厚み方向に向かう割れが生じ易い。

鋳片を品質評価するためには、上記のような各種の欠陥
を識別する必要がある。そこで、従来よりこの種の品質
評価を行なう場合には、鋳片の一部分を切断した断面か
ら公知のサルファープリント法によって、不純物の分布
を示す記録画像、即ちサルファープリントを作成し、こ
れを熟練者が目視検査によって調べ評価しているのが一
般的である。

しかし、従来の人間の感覚による検査では、あいまいさ
が伴なうため正確な評価結果が得られないし、熟練者が
必要であり、作業に長い時間を要する。

このため、この種の品質評価を画像処理の手法を用い
て、コンピュータで自動的に実行することが様々なとこ
ろで試みられているが、現実には満足な品質評価結果の
得られるものは知られていない。

部分的な技術としては、多値階調画像情報から二値化画
像情報を得るためのしきい値の設定方法について、特開
昭６３−１９５４３号公報に開示された技術が公知であ
る。

［発明が解決しようとする課題］ 本発明は、鋼材の品質評価を人間の感覚に頼らずに自動
的に行ない、検査の精度を向上することを第１の目的と
する。

ところで、鋼材から得られたサルファープリントを見る
と、偏析のない部分にも小さい粒子がノイズとして多数
存在し、実際の中心偏析の部分には、前記ノイズ粒子よ
りも少し濃度の濃い粒子が存在する。このため、中心偏
析を含む画像から濃度のヒストグラムを作成すると、第
６ｂ図に示すように中心偏析成分が平均的な画像成分か
らずれて分布しているため、濃度の標準偏差のばらつき
が大きい。この場合、特開昭６３−１９５４３号公報の
ように、ヒストグラムを作って濃度の平均値と標準偏差
とからしきい値を求めると、ノイズである平均的な粒子
成分と中心偏析とを区分しうる濃度（第６ｂ図のＬth）
に、正確にしきい値を設定できないので、中心偏析の識
別に誤りを生じる可能性が大きい。

そこで本発明は、画像処理において、識別すべき成分と
ノイズ成分とを正確に分離して識別の誤りをなくすこと
を第２の目的とする。

［課題を解決するための手段（１）］ サルファープリントのような画像の情報は、その濃淡変
化をある濃度をしきい値として二値化することにより、
欠陥領域の画像をおおまかに抽出することができる。し
かし、この二値画像上に粒子状に現われる個々の欠陥領
域は欠陥の一部分であるので、それだけで欠陥を識別す
ると誤差が大きく正確な評価はできない。即ち、検査す
るのは一般に１つの面だけであり、その面に現われない
奥行き方向の別の面で見れば実際には連続している１つ
の欠陥粒子（割れも含む）の場合でも、検査する面では
複数の粒子に分断されたり、部分的に濃度が低下して二
値画像上では途中でとぎれるようなことも多いので、例
えば個々の粒子の面積が所定以下のものをノイズ粒子と
して全て排除すると、実際の偏析や割れをも見のがして
しまう確率が高い。

そこで、第１の発明においては、画像各部の濃淡変化を
二値的に表わす二値画像情報を生成し、該二値画像情報
に現われた複数の欠陥候補領域同志の間の欠陥候補でな
い領域に、各々の画素とその周辺の画素との濃度の分布
状態に基づいて、欠陥候補の画素を補間して前記複数の
欠陥候補領域を１つの領域として連結し、連結によって
識別された各々の領域について、それの大きさ及び形状
の少なくとも一方に基づいて、欠陥を識別する。

［作用（１）］ 例えば、１つの線状の割れ欠陥の途中が細くなったため
に画像上の濃度が低下し、二値画像上で２つの粒子領域
に分離されて抽出された場合、二値化前の画像上で濃度
の分布を調べれば、抽出された２つの粒子領域同志の間
において、特定の条件を満足する濃度分布がみられる。
従って、その条件を満たす画素については、有効な欠陥
の一部を示す画素とみなし、それを二値画像上の抽出し
た２つの粒子領域の間に補間していくと、２つの粒子領
域は連結されて１つの欠陥領域として抽出されるので、
二値化した時の誤差、即ち欠陥のとぎれがなくなり、精
度の高い欠陥検出ができる。

なお、第１の発明については、後述する実施例において
は、内部割れの検出処理の中で適用してある。

［課題を解決するための手段（２）］ 第２の発明においては、画像各部の濃度変化を二値的に
表わす二値画像情報を生成し、該二値画像情報に現われ
た複数の欠陥候補領域を抽出し、抽出した欠陥候補領域
に対するその周辺画素領域において、その回転方向の濃
度分布が比較的大きな方向の所定範囲において、他の欠
陥候補領域のうち最も距離の近いものを、同一グループ
の欠陥候補領域として登録し、各々のグループに属する
欠陥候補領域群の全体の面積及び形状の少なくとも一方
に基づいて、欠陥を識別する。

［作用（２）］ 例えばＶ偏析の場合、不純物粒子の各々は、その向きが
比較的狭い所定の角度の範囲内に存在するが、大きな粒
子を形成せずに、小さな不純物粒子が多数集まって１つ
の偏析領域を形成することが多い。従ってこの場合、二
値化画像上で抽出される多数の粒子を、それらの向き及
び距離によって相関付け、相関性の高いものを同一のグ
ループに区分すれば、各々のグループをそれぞれ１つの
不純物粒子領域としてみなすことができる。つまり、個
々の粒子の面積が小さくても、グループ全体で大きな面
積を有するものであれば、そのグループをＶ偏析を構成
する不純物粒子の候補とみなすことができる。

なお、第２の発明については、後述する実施例において
は、Ｖ偏析の検出処理の中で適用してある。

［課題を解決するための手段（３）］ 第３の発明においては、撮像手段が撮像した画像情報を
処理し、画像上の欠陥が含まれる頻度の比較的高い第１
の領域について、画像を構成する画素の濃度分布の平均
濃度を検出し、画像上の欠陥が含まれる頻度の比較的低
い第２の領域について、画像を構成する画素の濃度分布
の標準偏差を検出し、前記平均濃度と前記標準偏差とに
基づいてしきい値濃度を設定し、少なくとも前記第１の
領域について、画像情報の濃淡変化を、前記しきい値濃
度で二値的に区分して二値画像情報を生成する。

［作用（３）］ 中心偏析を検出する場合、前述のように、中心偏析の存
在する部分では、該偏析成分の濃度が他の部分より高い
ので、濃度のばらつきが大きく、その部分で得た標準偏
差に大きなばらつきが生じうるから、その標準偏差と平
均濃度との両者に基づいてしきい値濃度を設定しても、
中心偏析成分だけを正確に二値画像情報上に抽出するこ
とができない。

しかし、第３の発明においては、欠陥が含まれる頻度の
比較的低い第２の領域から検出した標準偏差を利用して
いる。即ち、第２の領域では、偏析が存在しないので、
濃度分布は例えば第６ａ図に示すように比較的狭い濃度
の範囲に集中しており、その分布が偏析の状態と無関係
であるため、この場合の標準偏差を用いる事により、最
適なしきい値が得られ、画像濃度を二値化する際に、偏
析の成分とそれ以外のノイズ成分とを正確に区分するこ
とができる。

なお、第３の発明については、後述する実施例において
は、中心偏析の検出処理の中で適用してある。

［実施例］ 第１図に、本発明を実施する欠陥検出装置の外観を示
す。

第１図を参照すると、装置の本体には、画像処理装置１
００，ＣＲＴディスプレイ２００，キーボード２１０，
マウス２２０及びプリンタ２３０が備わっている。画像
読取ユニット３００には、撮像用のビデオカメラ３１０
と、照明用のランプ３２０及び３３０が設けられてい
る。ビデオカメラ３１０と対向する位置には、サルファ
プリント４００が配置してある。

サルファプリント４００は、第２図に示すような鋳片の
一部分の断面Ｓｐから、公知のサルファプリント法によ
って作成されたものである。具体的な大きさは、この例
では、断面Ｓｐの鋳片の厚み方向の長さ（高さ）が３０
０mm、Ｓｐの幅が１５０mmである。

サルファプリントの画像の一例を第３図に示す。第３図
において、Ｓｕ側が鋳片の上側の面に対応し、Ｓ側が
鋳片の下側の面に対応している。Ｓｐ断面（ハッチング
で示した面）の表面におけるサルファー成分の分布状態
を化学薬品を使用して紙面に転写したものが第３図に示
すサルファープリントである。

このサルファプリントを参照すると、軸ＸＣの近傍（Ａ
領域の内部）に、黒い粒子が少し現われているが、これ
が中心偏析である。また、中心偏析の周辺（Ｃ領域，Ｄ
領域）に、傾め方向に向いた細長い粒子の集りがみられ
るが、これがＶ偏析である。更に、Ｅ領域に、第３図の
横方向に向かう細長く黒いすじがみられるが、これが内
部割れである。

第１図に示す装置は、第３図に示すようなサルファプリ
ントの画像を入力して画像処理し、中心偏析、Ｖ偏析及
び内部割れを自動的に識別し、鋳片の品質評価を行な
う。

第４図に、第１図の装置の電気的な構成を示す。第４図
を参照すると、この装置の画像処理装置１００には、マ
イクロプロセッサ（ＭＰＵ）１０１，浮動小数点演算ユ
ニット（ＦＰＨ）１０２，主メモリ１０３，イメージプ
ロセッサ１０４，イメージメモリ１０５，外部記憶装置
１０６，ＣＲＴコントローラ１０７，キーボードＩＦＣ
（インターフェース）１０８，マウスＩＦＣ１０９，プ
リンタＩＦＣ１１０，ビデオカメラＩＦＣ１１１及びホ
ストＩＦＣ１１２が備わっており、各々のインターフェ
ースを介して、画像処理装置１００にＣＲＴディスプレ
イ２００，キーボード２１０，マウス２２０，プリンタ
２３０，ビデオカメラ及び照明用ランプが接続されてい
る。

ビデオカメラ３１０が撮像した画像は、画像の走査タイ
ミングに同期して、ビデオカメラＩＦＣ１１１におい
て、縦，横方向共に１０２４の画素領域に区分され、各
画素における画像の濃度が８ビットのデジタルデータに
変換される。イメージメモリ１０５は，ビデオカメラＩ
ＦＣの出力する８ビットの階調の１０２４×１０２４画
素構成の画面を１フレーム以上同時に記憶しうる容量を
備えている。通常の処理は、マイクロプロセッサ１０１
が行なうが、画像処理特有の時間のかかる複雑な繰り返
し処理等については、イメージプロセッサ１０４が処理
を行なうように構成されている。

なお図示しないが、イメージプロセッサ１０４のユニッ
トには、データ変換プロセッサ，フィルタリングプロセ
ッサ及びラベリングプロセッサが内蔵されている。

この例では、ビデオカメラＩＦＣ１１１によって生成さ
れた８ビットの画像情報と後述する処理によって生成さ
れる濃度を二値化した画像情報のいずれかが、ＣＲＴコ
ントローラ１０７を介して、ＣＲＴディスプレイ２００
上に表示される。キーボード２１０はコンピュータ（１
０１）に指示を与えるために利用され、マウス２２０は
座標を指定するのに利用される。品質評価処理の結果
は、プリンタ２３０に出力される。

第５ａ図に、欠陥検出処理の流れの概略を示す。第５ａ
図を参照して処理の概略を説明する。まず、ステップＡ
１では、公知の方法を用いて、評価すべき鋳片のサルフ
ァプリント４００を作成する。ステップＡ２では、画像
読取系（ビデオカメラ及び照明）の感度のばらつきを校
正するための基準画像を、サルファプリント４００のか
わりに画像読取ユニット３００の画像読取位置にセット
する。ビデオカメラ３１０の位置は、画像の分解能、即
ち現行画像上におえる各画素の大きさが、所定値になる
ように調整する。

ステップＡ４では、作成したサルファプリントを画像読
取ユニット３００に第１図に示すようにセットする。こ
れで、サルファプリント４００の画像がＣＲＴディスプ
レイ２００に表示される。

ステップＡ６のサブルーチンでは中心偏析を検出するた
めの処理を行ない、ステップＡ７のサブルーチンではＶ
偏析を検出するための処理を行ない、ステップＡ８のサ
ブーチンでは内部割れを検出するための処理を行ない、
ステップＡ９では各ステップ６，Ａ７及びＡ８で検出し
た欠陥の情報、即ち、品質評価の結果をプリンタ２３０
に出力する。

以下、第５ａ図に示すステップＡ６の中心偏析処理，ス
テップＡ７のＶ偏析処理，及びステップＡ８の内部割れ
処理の各々について装置の具体的な動作を説明する。

まず、中心偏析処理を説明する。この処理の詳細な内容
を第５ｂ図に示す。第５ｂ図を参照して各ステップの処
理を説明する。

ステップＢ１では、処理の対象となる画像の領域を設定
する。中心偏析処理で処理する画像の領域は第３図にＡ
で示す範囲の領域（以下Ａ領域という）とＢで示す範囲
の領域（以下Ｂ領域という）である。具体的にいうと、
Ａ領域は中心軸ＸＣの位置からｘ方向に±１０mm、ｙ方
向に１５０mm（サルファプリントの全体）の四角形の領
域であり、Ｂ領域は中心軸ＸＣからｘの逆方向に３５mm
の位置を中心とするＸ方向の±１０mm、ｙ方向の１５０
mm（サルファプリントの全体）の四角形の領域である。

各領域を上記のように定めた理由は次の通りである。Ａ
領域のｘ方向（１０mm）については、中心偏析がどの鋼
種においてもほぼ中心の±１０mmの範囲に発生するこ
と、及び品質評価対象範囲が、運用上、その範囲になっ
ているためにそのように定めてある。Ａ領域のｙ方向
（１５０mm）については、品質評価に使用するサルファ
ープリントを鋼種に関係なく一定の大きさとするため
に、このようにしてある。またＢ領域については、評価
対象領域と同一条件とするため、それと同一の領域サイ
ズが設定されている。

ステップＢ２ではＡ領域、ステップＢ３ではＢ領域の８
ビット階調（濃度が０〜２５５）の画像情報を、それぞ
れ画像処理のためにイメージメモリ１０５上の所定位置
に読込む。

ステップＢ６では、Ｂ領域の画像濃度データに基づい
て、Ｂ領域の濃度の標準偏差σＢを求める。

なお、Ｂ領域のヒストグラムをグラフに表わすと、第６
ａ図のようになる。

ステップＢ７では、Ａ領域の画像情報を処理して、その
領域の濃度の平均値μＡを求める。なお、Ａ領域の画像
情報のヒストグラムをグラフで示すと、例えば第６ｂ図
に示すようになる。

ここで第３図を参照すると、サルファプリント上には、
比較的粒子の大きな偏析や割れの成分の他に、品質上は
特に問題にならない非常に小さな粒子（黒い点）がノイ
ズとして存在する。Ａ領域には中心偏析が生じる確率が
高いが、Ｂ領域では、連続鋳造の性質上、偏析や割れが
生じる確率が非常に小さい。つまり、Ｂ領域に現わえる
粒子は、ノイズ成分であり、Ａ領域に現われる粒子はノ
イズ成分と偏析の成分の両方を含む。Ａ領域の濃度の分
布をみると、第６ｂ図に示すように、中心偏析の成分
は、他のノイズ成分よりも少し濃度が高く、Ｌthで示す
しきい値濃度で区分すれば、Ａ領域のノイズ成分と中心
偏析成分とを分離できることが分かる。

このようなしきい値濃度Ｌthは、Ａ領域の標準偏差とＡ
領域の平均濃度とに基づいて正確に設定できるように思
われるが、実際には、鋳片の品種によってサルファー成
分の量が異なり、検出対象によって偏析のノイズの濃度
差が変化したり、品質によって中心偏析の量も変化す
る。このため、認識設定すべき偏析の集中するＡ領域の
濃度情報のみによって、偏析を抽出するしきい値濃度を
設定すると、しきい値そのものが偏析の量の影響を受け
てしまい、中心偏析の抽出に誤りを生ずる恐れがある。
例えば、Ａ領域の標準偏差を使用した場合には、偏析が
多い場合には少な目に抽出し、偏析が少ない場合には多
めに抽出する傾向となってしまう。

そこで、この実施例では、次のステップＢ８に示すよう
に、しきい値濃度Ｌthを、ノイズ成分だけを含むＢ領域
の標準偏差σＢと中心偏析のあるＡ領域の平均濃度μＡ
とに応じて設定している。なお、ｎは予め定めた定数で
ある。このため、この実施例では、中心偏析の成分に大
きな変化の生じる場合であっても、しきい値濃度Ｌth
は、常時、ノイズ成分と中心偏析の成分との境界に設定
される。

ステップＢ９では、ステップＢ８で設定されたしきい値
濃度Ｌthを利用して、Ａ領域の８ビット階調の画像情報
を、濃度の変化を二値的に識別し、二値画像情報を生成
する。

つまり、ｘ方向及びｙ方向の画素単位で、各々の画素が
黒（高濃度）か白（低濃度）かを示す情報が生成され
る。この情報を画像上の画素の並びに対応付けて二次元
表示すると、例えば第７ｂ図のようになる。第７ｂ図に
おいて、ハッチングを施した画素が黒画素であり、それ
以外の画素は全て白画素である。

ステップＢ１０では、ステップＢ９の処理で得られた二
値画像情報を処理して、Ａ領域中の不純物粒子を抽出す
る。つまり、互いに隣接する黒画素の集合、例えば第７
ｂ図におけるＰＴ１，ＰＴ２をそれぞれ１つの粒子とし
て抽出する。

ステップＢ１１では、ステップＢ１０で抽出した粒子
（ＰＴ１，ＰＴ２，……）の各々について、その面積を
求める。実施には、各々の粒子を構成する黒画素の数を
計算し、その数値を面積Ｓとしている。

ステップＢ１２では、ステップＢ１０で抽出した粒子の
各々について、その粒径（半径）を求める。実際には粒
子の形状は様々であるので、ステップＢ１１で求めた各
粒子の面積を利用して、 粒径＝（面積Ｓ／π）の平方根を近似式として使い、粒
径を求めている。

ステップＢ１３では、ノイズとみなしうる微小粒子を除
いた粒子について、それらの粒径の平均値を求める。

ステップＢ１４では、抽出した粒子のうち、径の大きな
順番で５番目までのものを、重要な偏析粒子成分として
登録する。

ステップＢ１５では、ステップＢ１１で求めた各粒子の
面積の総和を計算する。

ステップＢ１６では、ステップＢ１５で求めた、偏析成
分の総面積（ΣＳ）と、検出対象のＡ領域の面積（１５
０×２０mm）とから、中心偏析の面積率を求める。

面積率＝（（ΣＳ×Ｋｍ）／(150×20)）×100（％） なお、Ｋｍは画素数を実際の面積に換算するための定数
である。

第５ａ図に示すステップＡ９においては、上述の中心偏
析処理の結果は、粒径の平均値，登録された５つの粒子
の面積及び粒径，及び面積率についてそれをプリンタで
出力するとともに、面積率又は平均粒径が予め定めたし
きい値以上であると、鋳片の品質上問題があるものとし
て、鋳片に中心偏析の不良があることを示す情報をプリ
ンタに出力する。

次に、Ｖ偏析処理を説明する。この処理の詳細な内容を
第５ｃ図及び第５ｄ図に示す。各図を参照して各ステッ
プの処理を説明する。

ステップＣ１では、処理の対象となる画像の領域を設定
する。Ｖ偏析処理で処理する画像の領域は、第３図にＣ
で示す範囲の領域（以下Ｃ領域という）とＤで示す範囲
の領域（以下Ｄ領域という）である。具体的にいうと、
Ｃ領域はＡ領域の上側（ｘ方向）のｘ方向の幅が４０m
m、ｙ方向の長さが１５０mm（サルファプリントの全
長）の領域であり、Ｄ領域は領域の下側（ｘの逆方向）
のｘ方向の幅が４０mm、ｙ方向の長さが１５０mmの領域
である。Ｖ偏析が生じるのは、Ｃ領域及びＤ領域の範囲
内である。なお、このＶ偏析処理においては、Ｃ領域と
Ｄ領域の各々について同様の処理が行なわれる。

ステップＣ２ではＣ領域、ステップＣ３ではＤ領域の８
ビット階調の画像情報を、それぞれ画像処理のためにイ
メージメモリ１０５上の所定位置に読込む。

ステップＣ６ではＣ領域及びＤ領域の各々の標準偏差σ
を検出し、ステップＣ７では各領域の平均濃度μを検出
する。

ステップＣ８では、しきい値濃度Ｌthを設定する。なお
この例では、Ｃ領域のしきい値は、Ｃ領域の標準偏差Ｃ
領域の平均濃度に応じて設定し、Ｄ領域のしきい値は、
Ｄ領域の標準偏差とＤ領域の平均濃度に応じて設定す
る。ｎは予め定めた定数である。

ステップＣ９では、ステップＣ８で設定されたしきい値
濃度Ｌthを利用して、Ｃ領域及びＤ領域の各々の８ビッ
ト階調の画像情報の、濃度の変化を二値的に識別し、二
値画像情報を生成する。つまり、ｘ方向及びｙ方向の画
素単位で、各々の画素が黒（高濃度）か白（低濃度）か
を示す情報が生成される。この情報を画像上の画素の並
びに対応付けて二次元表示すると、例えば第８ａ図のよ
うになる。第８ｂ図において、ハッチングを施した画素
が黒画素であり、それ以外の画素は全て白画素である。

ステップＣ１０では、ステップＣ９の処理で得られた二
値画像情報を処理して、Ｃ領域及びＤ領域中の不純物粒
子を抽出する。つまり、互いに隣接する黒画素の集合、
例えば、第８ａ図におけるＰＴ３１，ＰＴ３２，ＰＴ３
３，ＰＴ４，……をそれぞれ１つの粒子として抽出す
る。

ステップＣ１１では、ステップＣ１０で抽出した粒子の
各々の面積を求める。実際には、各々の粒子を構成する
黒画素の数を計算し、その数値を面積Ｓとしている。

ステップＣ１２では、ステップＣ１０で抽出した粒子の
各々の重心位置を求める。重心のｘ方向の画素位置を
、重心のｙ方向の画素位置をとすると、各々の粒子
の重心位置は、次の第（１）式により求められる。

＝（Σxi）／ｎ，＝（Σyi）／ｎ……(1)但し、ｘ
ｉ：粒子中の画素のｘ座標（ｉ＝１〜ｎ） ｙｉ：粒子中の画素のｙ座標（ｉ＝１〜ｎ） ｎ：粒子を構成する黒画素の数 ステップＣ１３では、ステップＣ１０で検出した多数の
粒子の中から１つの粒子を抽出する。このステップから
第５ｄ図のステップＤ１３までの処理は繰り返し実行さ
れ、全ての粒子の各々に対して、それぞれ実行される。

ステップＣ１４では、ステップＣ１３で抽出した１つの
粒子の面積を調べる。例えば、第８ａ図に示す粒子ＰＴ
４のように、それの面積が比較的大きいものである場合
には、その粒子単独で、Ｖ偏析を構成する粒子の候補と
みなし、次のステップＣ１５に進み、そうでなければ粒
子が小さいので、第５ｄ図のステップＤ１に進む。ｎ２
は予め定めた定数である。

ステップＣ１５では、抽出した粒子を構成するｎ個画素
（ｘｉ，ｙｉ）からそれらの共分散γを求める。この共
分散γは、それらの画素で構成される粒子が細長いか否
かを識別しうるパラメータであり、細長いほど１に近づ
き、丸くなるほど０に近づく。この場合のγは次の第
（２）式で求められる。

ステップＣ１６では、ステップＣ１５で求めた共分散γ
の大小を識別する。γが所定値ｎ３よりも大きい場合に
は、粒子が比較的細長く、Ｖ偏析を構成する粒子の可能
性が高いので、次のステップＣ１７に進んでその粒子を
有効粒子として登録し、そうでない場合には、第５ｄ図
のステップＤ１に進む。ステップＣ１８では、ステップ
Ｃ１７で有効粒子として登録した粒子のモーメント
ｍ₁₁，ｍ₂₀及びｍ₀₂を求める。各々のモーメントは、次
の第（３）式により求められる。

ｍ₁₁＝Σ（xi−）（yi−） ｍ₂₀＝Σ（xi−）^２ ｍ₀₂＝Σ（yi−）^２……（３） ステップＣ１９では、ステップＣ１８で求めたモーメン
トを利用して、登録した細長い粒子の延びる方向をｘ軸
に対する角度θとして求める。この角度は、次の第
（４）式により求められる。

θ＝(1/2)・tan^-1〔m₁₁/(m₂₀-m₀₂)〕 …
…（４） 上述のステップＣ１４で面積が比較的小さいとみなされ
た粒子、もしくはステップＣ１６で比較的丸い形状であ
るとみなされた粒子に対しては、第５ｄ図のステップＤ
１から始まる処理が適用される。

ステップＤ１では、識別すべき粒子の面積の大小を識別
する。この場合の参照値ｎ４は、予め定めた定数であっ
て、ステップＣ１４のｎ２よりも小さい値である。粒子
の面積がｎ４より小さい場合、即ち、Ｖ偏析粒子の候補
とみなせない非常に小さな粒子の場合には、ステップＤ
１３に進み、粒子の面積がｎ４以上である場合には、次
にステップＤ２に進む。

ステップＤ２では、面積がｎ４以上の粒子を、複数の粒
子でＶ偏析粒子を構成しうる粒子要素とみなしてそれを
登録する。

ステップＤ３では、ステップＤ２で登録した粒子要素に
ついて、その近傍の粒子又は粒子要素を捜す。即ち、Ｖ
偏析の場合、例えば第８ｂ図に示すように多数の粒子が
特定の方向に偏よって分布しているので、粒子間の相関
を調べて、相関の強いもの同志を結び付ける。

具体的には、まず、注目粒子の重心（又は中心）を中心
として半径Ｒ（この例では７mm相当）の範囲内で、各々
の角度θｉ方向における全画素の濃度の総和（二値画像
上の黒画素数でもよい）を求め、第８ｃ図に示すような
角度方向の濃度のヒストグラムを作成する。Ｖ偏析の場
合には、偏析粒子の分布が特定の方向にかたよっている
ので、ヒストグラム上にある角度でピークが現われる。
つまり、注目粒子に対してピークの角度θｏの方向に、
粒子が存在することになる。そこで、ステップＤ３で
は、注目粒子に対して角度θｏ±△θの範囲内で粒子を
捜す。

ステップＤ５では、みつかった粒子の中で注目粒子に最
も距離の近いものを注目粒子と相関の強いものとみなし
て、それを注目粒子と同一の粒子グループに登録する。

例えば、第８ｄ図に示すように粒子Ｐ０，Ｐ１，Ｐ２及
びＰ３が存在する場合、最初の注目粒子Ｐ０の重心Ｃｐ
ｏに対してθｏ±△θの範囲内で最も（重心が）近い粒
子はＰ１であるから、Ｐ１は粒子Ｐ０と同一のグループ
に登録される。

ステップＤ６では、注目粒子を、直前のステップＤ５で
新しくグループの要素として登録した粒子要素に移し
て、再びステップＤ３の処理に戻る。従って、同一のグ
ループに登録しうる多数の粒子要素が存在する場合に
は、ステップＤ３，Ｄ４，Ｄ５及びＤ６の処理は、何回
も繰り返し実行される。なお、ステップＤ６からＤ３に
移る場合には、前の注目粒子において検出した濃度分布
方向の角度θｏに対して、新しい注目粒子における濃度
分布方向の角度が大きく異なる場合には、同一グループ
の粒子要素がそれ以上存在しないものとみなす。

例えば、第８ｄ図に示すように粒子Ｐ０，Ｐ１，Ｐ２及
びＰ３が存在する場合、上述の処理によって、まず最初
にＰ１がグループに登録され、Ｐ１との相関で次にＰ２
がグループに登録され、次にＰ２との相関で粒子Ｐ３が
グループ内に登録される。つまりこの場合には、第８ｅ
図に示すように、１つのグループにＰ０，Ｐ１，Ｐ２及
びＰ３の４つの粒子が登録されることになる。

ステップＤ２で登録した粒子要素と同一のグループの要
素として登録しうる全ての粒子の検出が終了したら、ス
テップＤ４からステップＤ７の処理に進む。

ステップＤ７では、ステップＤ２で登録した粒子要素と
同一のグループに区分した粒子の総個数を調べる。それ
が３個以上である場合には、次にステップＤ８に進み、
そうでなければステップＤ１３に進む。

ステップＤ８では、同一のグループに区分した３個以上
の粒子要素の面積の総和を求め、それの大小を調べる。
ｎ５は予め定めた定数である。

粒子グループの総面積が比較的大きい場合には、ステッ
プＤ９に進み、そのグループ全体を、Ｖ偏析を構成する
有効な粒子群とみなして、それを登録する。

ステップＤ１０では、ステップ９で登録した１グループ
に属する粒子群全体の重心を求める。この処理は、前述
のステップＣ１２と同様である。ステップＤ１１では、
ステップＤ９で登録した１グループに属する粒子群全体
のモーメントを求める。この計算処理は、前述のステッ
プＣ１８と同様である。

ステップＤ１２では、ステップＤ９で登録した１グルー
プに属する粒子群全体の傾いている方向（角度）を求め
る。この計算処理は、前述のステップＣ１９と同様であ
る。

以上の処理が、ステップＣ１０で抽出した全ての粒子の
各々に対して実行される。全ての粒子に対して処理が終
了すると、ステップＤ１３からステップＤ１４に進む。

ステップ１４では、上述の処理で得られたＶ偏析構成要
素（粒子及び粒子グループ）の各々の角度（ステップＣ
１９又はＤ１２で得たもの）の平均値を求めて、それを
Ｖ偏析の角度とする。なお、領域Ｃと領域Ｄとでは偏析
粒子の方向が逆になるので、領域Ｃの粒子の角度と領域
Ｄの粒子の角度とは別々に平均化する。

ステップＤ１５では、Ｖ偏析構成要素の面積の総和を求
め、更に面積率、即ち、Ｃ領域とＤ領域の面積に対する
Ｖ偏析粒子部分の面積の比率を求める。

第５ａ図のステップＡ９では、ステップＡ７のＶ偏析処
理の結果（角度及び面積率）をプリンタに出力するとと
もに、その面積率が所定以上である場合には、鋳片にＶ
偏析の不良があることを示す情報をプリンタに出力す
る。

次に、内部割れ処理を説明する。この処理の詳細な内容
を第５ｅ図，第５ｆ図及び第５ｇ図に示す。各図を参照
して各ステップの処理を説明する。ステップＥ１では、
処理の対象となる画像の領域を設定する。内部割れ処理
で処理する画像の領域は、第３図にＥで示す範囲の領域
（以下Ｅ領域という）とＦで示す範囲の領域（以下Ｆ領
域という）である。具体的にいうと、Ｅ領域はＡ領域の
上側（ｘ方向）のｘ方向の幅が６５mm、ｙ方向の長さが
１５０mm（サルファプリントの全長）の領域であり、Ｆ
領域はＡ領域の下側（ｘの逆方向）のｘ方向の幅が６５
mm、ｙ方向の長さが１５０mmの領域である。内部割れが
生じ易いのはこれらの領域内（特にＥ領域）である。な
お、この内部割れ処理においては、Ｃ領域とＤ領域の各
々について同様の処理が行なわれる。

ステップＥ２ではＥ領域、ステップＥ３ではＦ領域の８
ビット階調の画像情報を、それぞれ画像処理のためにイ
メージメモリ１０５上の所定位置に読込む。

ステップＥ６ではＥ領域及びＦ領域の各々の標準偏差σ
を検出し、ステップＥ７では各領域の平均濃度μを検出
する。

ステップＥ８では、しきい値濃度Ｌthを設定する。なお
この例では、Ｅ領域のしきい値は、Ｅ領域の標準偏差と
Ｅ領域の平均濃度に応じて設定し、Ｆ領域のしきい値
は、Ｆ領域の標準偏差とＦ領域の平均濃度に応じて設定
する。ｎは予め定めた定数である。

ステップＥ９では、ステップＥ８で設定されたしきい値
濃度Ｌthを利用して、Ｅ領域及びＦ領域の各々の８ビッ
ト階調の画像情報の濃度の変化を二値的に識別し、二値
画像情報を生成する。

つまり、ｘ方向及びｙ方向の画素単位で、各々の画素が
黒（高濃度）か白（低濃度）かを示す情報が生成され
る。この情報を画像上の画素の並びに対応付けて二次元
表示すると、例えば第９ａ図のようになる。第９ａ図に
おいて、ハッチングを施した画素が黒画素であり、それ
以外の画素は全て白画素である。

ステップＥ１０では、ステップＥ９の処理で得られたＥ
領域の二値画像情報に基づいた処理を行なって、Ｅ領域
中の割れ領域の候補を抽出する。この処理は複雑である
ので、後で詳細に説明する。ステップＥ１１では、ステ
ップＥ９の処理で得られるＦ領域の二値画像情報に基づ
いた処理を行なって、Ｆ領域中の割れ領域の候補を抽出
する。この処理はステップＥ１０の処理と同様である。
ステップＥ１２では、ステップＥ１０又はＥ１１で抽出
れたＥ領域及びＦ領域の割れ領域の各々について、ｘ方
向の長さＸ及びｙ方向の長さＹを求める。具体的には、
割れ領域を構成する画素のうちｘ座標の最小のものから
最大のものまでの長さをＸとし、割れ領域を構成する画
素のうちｙ座標の最小のものから最大のものまでの長さ
をＹとする（第９ｅ図参照） ステップＥ１３では、割れの勾配、即ちＹ／Ｘを計算に
より求める。

ステップＥ１４では、割れ領域の画素数を計算し、それ
の面積を求める。

ステップＥ１５では、割れ領域の面積率を計算により求
める。

ステップＥ１６では、内部割れの判定を行なう。

具体的にいうと、この例では、割れ領域の長さが３mm以
上であること、割れ領域の傾きの角度がｘ軸に対して±
３０度以内であること、及び比較的細長い形状を有する
こと、の全ての条件を満足する場合に、それを内部割れ
と判定する。割れの角度については、鋳造の性質上、そ
の方向にだけ割れが生じるのでこのような条件を設定し
てある。なお形状については、割れ領域の長さＸ，Ｙの
うち大きい方をＬ、割れ領域の面積をＳとした場合に、
Ｓ／Ｌ^２＜０．２の条件を満たすと、細長いものとみな
している。

次に、ステップＥ１０のＥ領域連結処理について説明す
る。この内容については、第５ｆ図及び第５ｇ図に示し
てある。まず第５ｆ図を参照して説明する。

ステップＦ１では、上述のステップＥ９で生成した二値
画像情報について、画素を順次に走査し、黒画素（濃度
の大きいもの）を探索する。二値画像情報の一例を第９
ａ図に示す。走査の順番は、ｘ方向に１ラインの走査を
行ない、それが終了するとｙ方向の座標を次の画素位置
に移して再びｘ方向の走査を行なう、という動作の繰り
返しである。

ステップＦ２以降の処理は、Ｅ領域及びＦ領域の全ての
黒画素について、それぞれ処理が実行される。

ステップＦ１で黒画素がみつかったら、ステップＦ２を
介してステップＦ３に進み、方向を示すフラグＦdirに
１をセットする。

ステップＦ４では、フラグＦdirの状態を識別する。フ
ラグＦdirが１の場合には、次にステップＦ５に進み、
そうでなければ第５ｇ図のステップＧ１に進む。

ここで、相対的な画素の位置について第９ｂ図のように
定義する。なお、第９ｂ図に示す９個の画素Ｐ₁₁〜Ｐ₃₃
のうち中心の画素Ｐ₂₂を注目画素とする。

ステップＦ５，Ｆ６及びＦ７では、それぞれ、ステップ
Ｆ１で探索した黒画素（注目画素）及びその近傍の画素
の、８ビットの階調画像情報を参照して各画素の濃度を
読み、それの識別を行なう。つまり、ステップＦ５で
は、注目画素Ｐ₂₂の濃度と右隣りの画素Ｐ₃₂の濃度とを
比較する。また、ステップＦ６では、画素Ｐ₃₂の濃度と
注目画素Ｐ₂₂の濃度との差を判別する。ｎ６は定数、σ
は濃度の標準偏差である。ステップＦ７では、画素Ｐ₃₂
の濃度の大小を調べる。この場合の参照値は、μ−ｎ７
・σ（μは濃度の平均値、ｎ７は定数）である。

ステップＦ５，Ｆ６及びＦ７のいずれか１つの条件が満
たされる場合には次にステップＦ８に進み、そうでなけ
ればＦ１８に進む。

ステップＦ８では、注目画素を中心として、その周囲に
おける回転方向の濃度のヒストグラムを作成する。具体
的には、注目画素から９画素の距離の範囲内で、第９ｃ
図に示すように、１０度毎の角度の各々について濃度の
総和を求め、ヒストグラムを作成する。これにより、例
えば第９ｄ図に示すようなヒストグラムが得られる。鋳
片の内部割れの場合、その割れの方向は第３図に示すよ
うにｘ方向に向くので、内部割れの情報を含むヒストグ
ラムにおいては、第９ｄ図のように、ｘ軸に近い角度領
域Ｒ１及びＲ２（ｘ軸に対して±３０度の領域）の濃度
が他の角度領域Ｒ３，Ｒ４の濃度よりも大きい分布を示
す。

ステップＦ９では、角度領域Ｒ１の中で９画素の濃度の
総和が最大のものを抽出して、それの濃度Ｒ１ｍをしき
い値ＴＨａと比較する。このしきい値ＴＨａは、次の第
（５）式から得られる。

ＴＨａ＝（μ＋ｎ８・σ）×９……（５） 即ち、９画素分の濃度の総和で比較するため、通常のし
きい値を９倍して使用する。

但し、μはＥ又はＦ領域の平均濃度、σはＥ又はＦ領域
の濃度の標準偏差、ｎ８は定数。

ステップＦ１０では、角度領域Ｒ２の中で濃度の総和が
最大のものを抽出し、それの濃度Ｒ２ｍを前記しきい値
ＴＨａと比較する。

ステップＦ１１では、角度領域Ｒ１の中の最大の濃度Ｒ
１ｍをしきい値ＴＨｂと比較する。しきい値ＴＨｂは、
次の第（６）式から得られる。

ＴＨｂ＝〔（Ｒ３＋Ｒ４）／２〕＋ｎ９・σ ……（６） 但し、Ｒ３：角度領域Ｒ３の平均濃度 Ｒ４：角度領域Ｒ４の平均濃度 ｎ９：定数 σ：Ｅ領域Ｅ又はＦ領域の濃度の標準偏差 ステップＦ１２では、角度領域Ｒ２の中の最大の濃度Ｒ
２ｍをしきい値ＴＨｂと比較する。

ステップＦ９及びＦ１１の条件を満足するか又はステッ
プＦ１０及びＦ１２の条件を満足する場合には、ステッ
プＦ１３に進み、そうでなければステップ１７に進む。

ステップＦ１３では、注目画素Ｐ₂₂の右側の３つの画素
Ｐ₃₁，Ｐ₃₂，Ｐ₃₃の中でそれの濃度が最も大きいものを
Ｐｍとして選択し、ステップＦ１４ではＰｍの画素に注
目画素を移動する。

ステップＦ１５では、カウンタＣＮｐの内容をインクリ
メントする。なお、ＣＮｐの内容は、ステップＦ３を実
行する時に０にクリアされる。

ステップＦ１６では、Ｐｍの画素を記憶し、ステップＦ
５へもどる。Ｆ５〜Ｆ１６の処理を条件が満されなくな
る迄、注目画素を移動しながら繰り返し実行される。そ
して、これらの条件が満たさなくなった時点で、ステッ
プＦ１７に進みカウンタＣＮｐが３回以上の場合に、ス
テップＦ１８でその注目画素Ｐｍを連結画素とする。こ
れにより、濃度の二値化の際にしきい値よりも濃度が低
く、白画素とみなされた画素についても、それが割れの
一部である可能性が高い画素については、それを黒画素
として取扱う。これにより、例えば中央部の濃度が薄
く、２つの割れ領域に分離して二値化された１つの割れ
領域については、その中央のとぎれた部分に、黒画素、
即ち連結画素が補間されるので、２つの割れ領域が連結
され、本来の割れ領域全体の形状を復元できる。

なお、フラグＦdirは注目画素の移動方向を示し、それ
が１の時はｘ方向に移動し、０の時にはｘの逆方向（マ
イナス方向）に移動する。

ステップＦ１８を実行した後では、フラグＦdirが０で
あるので、ステップＦ４の次に、第５ｇ図のステップＧ
１に進む。

ステップＧ１，Ｇ２及びＧ３では、それぞれ、ステップ
Ｆ１で探索した黒画素（注目画素）及びその近傍の画素
の、８ビットの階調画像情報を参照して各画素の濃度を
読み、それの識別を行なう。つまり、ステップＧ１で
は、注目画素Ｐ₂₂の濃度と左隣りの画素Ｐ₁₂の濃度とを
比較する。また、ステップＧ２では、画素Ｐ₁₂の濃度と
注目画素Ｐ₂₂の濃度との差を判別する。ステップＧ３で
は、画素Ｐ₁₂の濃度の大小を調べる。この場合の参照値
はμ−ｎ７・σである。

ステップＧ１，Ｇ２及びＧ３のいずれか１つの条件が満
たされる場合には、ステップＧ４に進み、そうでなけれ
ばステップＦ１に戻り次の黒画素の探索に移る。

ステップＧ４では、前述のステップＦ８と同一の処理を
行ない、ステップＧ５に進む。

各手段Ｇ５，Ｇ６，Ｇ７及びＧ８では、それぞれ、前述
のステップＦ９，Ｆ１０，Ｆ１１及びＦ１２と同様の処
理を行なう。

ステップＧ５及びＧ７の条件を満足するか又はステップ
Ｇ６及びＧ８の条件を満足する場合にはステップＧ９に
進み、そうでなければステップＦ１に進む。

ステップＧ９では、注目画素Ｐ₂₂の左側の３つの画素Ｐ
₁₁，Ｐ₁₂，Ｐ₁₃の中でそれの濃度が最も大きいものをＰ
ｍとして選択し、ステップＧ１０ではＰｍの画素に注目
画素を移動する。

ステップＧ１１では、カウンタＣＮｐの内容をインクリ
メントする。なお、ＣＮｐの内容は、ステップＦ４から
Ｇ１に移る時に０にクリアされる。

ステップＧ１２では、Ｐｍの画素を記憶し、ステップＧ
１へもどる。Ｇ１〜Ｇ１２の処理を、条件が満たされな
くなる迄、注目画素を移動しながら繰り返し実行され
る。そして、条件が満足されなくなった時点で、ステッ
プＧ１３に進みカウンタＣＮｐが３回以上の場合に、ス
テップＧ１４でその注目画素Ｐｍを連結画素とする。こ
れにより、濃度の二値化の際にしきい値よりも濃度が低
く、白画素とみなされた画素についても、それが割れの
一部である可能性が高い画素については、それを黒画素
として取扱う。これにより、例えば中央部の濃度が薄
く、２つの割れ領域に分離して二値化された１つの割れ
領域については、その中央のとぎれた部分に、黒画素、
即ち連結画素が補間されるので、２つの割れ領域が連結
され、本来の割れ領域全体の形状を復元できる。

Ｆ１〜Ｇ１４の処理を濃度の二値化で得られた全ての黒
画素について上述の処理が終了するまで、繰り返し実行
する。

上記処理の結果の一例を第９ｅ図に示す。第９ｅ図にお
いて、ハッチングを施した画素が、濃度の二値化によっ
て黒画素（しきい値以上の高濃度画素）とみなされた画
素であり、その他の画素は白画素とみなされた画素であ
る。また、○印を付けた画素は、各々、上述の連結処理
によって補間された連結画素を示している。第９ｅ図の
例では、二値化の結果、２つの黒画素領域として識別さ
れたものが、連結処理によって生成された連結画素によ
り１つに連結されている。この場合の割れ領域の長さ
は、ｘ方向がＸ、ｙ方向がＹとして識別される。

第５ｅ図のステップＥ１１に示すＦ領域連結処理の内容
は、上述のＥ領域連結処理と同様であり、処理の対象と
なる領域、使用する標準偏差及び平均濃度のみが異な
る。

なお、上記実施例においては、縦方向と横方向の両方の
走査を電気的に行なうビデオカメラを用いてサルファプ
リントの画像を読込むようにしているが、例えば一次元
の固体走査を行なうラインセンサと機械的な走査駆動機
構とを組合せたイメージスキャナを用いて画像を読込む
ように構成してもよい。

また、実施例では、欠陥情報をサルファプリントの画像
から得るようにしているが、同様の欠陥情報が含まれる
画像であれば、他の手段による画像を撮像してもよい。

〔効果〕

以上のとおり、本発明によれば、画像処理装置により、
自動的に欠陥に関する品質評価の情報が生成されるの
で、人間が感覚的に評価する場合のような、あいまい
さ、個人差，ばらつき等がなくなり、高精度の品質評価
結果が得られる。しかも、本発明においては、欠陥に対
応する画素の抽出に特別な工夫があるので、従来の単純
な濃度の二値化処理に比べて、欠陥とそうでない部分と
を識別する能力が非常に高い。

【図面の簡単な説明】

第１図は、本発明を実施する一形式の欠陥検出装置の外
観を示す斜視図である。 第２図は、検査対象の鋳片を示す斜視図である。 第３図は、鋳片から得られたサルファプリントの一例を
示す平面図である 第４図は、第１図の装置の電気回路の構成を示すブロッ
ク図である。 第５ａ図は、第１図に示す装置を用いて実施される品質
評価の処理の流れを示すフローチャートである。 第５ｂ図，第５ｃ図，第５ｄ図，第５ｅ図，第５ｆ図及
び第５ｇ図は画像処理装置１００の動作を示し、第５ｂ
図は第５ａ図のステップＡ６の中心偏析処理、第５ｃ図
及び第５ｄ図は第５ａ図のステップＡ７のＶ偏析処理、
第５ｅ図，第５ｆ図及び第５ｇ図は第５ａ図のステップ
Ａ８の内部割れ処理の内容をそれぞれ示すフローチャー
トである。 第６ａ図及び第６ｂ図は、それぞれサルファプリント上
のＢ領域及びＡ領域の画像における濃度分布を示すグラ
フである。 第７ａ図はサルファプリント上のＡ領域を示す平面図、
第７ｂ図は第７ａ図の画像を読込んで濃度を二値化した
情報の一部分を示す平面図である。 第８ａ図及び第８ｂ図はサルファプリント上のＣ領域の
画像を読込んで濃度を二値化した情報の一部分を示す平
面図、第８ｃ図は第８ｂ図の粒子ＰＯに対するその周囲
の回転方向の濃度分布を示すグラフ、第８ｄ図は探索領
域と各粒子の重心との位置関係を示す平面図、第８ｅ図
は同一グループに登録した一連の粒子の情報の位置関係
を示す平面図である。 第９ａ図は、サルファプリント上のＥ領域の画像を読込
んで濃度を二値化した情報の一部分を示す平面図、第９
ｂ図は注目画素近傍における各画素の位置関係を示す平
面図、第９ｃ図は注目画素とその回転方向の領域の区分
を示す平面図、第９ｄ図は注目画素周辺の回転方向の濃
度分布を示すグラフ、第９ｅ図は第９ａ図の情報を連結
処理した後の情報を示す平面図である。 １００：画像処理装置 １０１：マイクロプロセッサ １０２：浮動小数点演算ユニット １０３：主メモリ １０４：イメージプロセッサ １０５：イメージメモリ ２００：ＣＲＴディスプレイ ２１０：キーボード ２２０：マウス ２３０：プリンタ ３００：画像読取ユニット ３１０：ビデオカメラ ３２０，３３０：ランプ ４００：サルファプリント

───────────────────────────────────────────────────── フロントページの続き (56)参考文献 特開 昭63−19543（ＪＰ，Ａ) 特開 昭53−88650（ＪＰ，Ａ) 特開 昭52−120231（ＪＰ，Ａ)

Claims (3)

【特許請求の範囲】
1. 【請求項１】検査対象鋼材の断面の組織変化を示す光学
   画像情報を撮像する撮像手段； 前記撮像手段が撮像した画像情報を処理し、画像各部の
   濃淡変化を二値的に表わす二値画像情報を生成し、該二
   値画像情報に現われた複数の欠陥候補領域同志の間の欠
   陥候補でない領域に、各々の画素とその周辺の画素との
   濃度の分布状態に基づいて、欠陥候補の画素を補間して
   前記複数の欠陥候補領域を１つの領域として連結し、連
   結によって識別された各々の領域について、それの大き
   さ及び形状の少なくとも一方に基づいて、欠陥を識別す
   る、画像処理手段；及び 前記画像処理手段が識別した欠陥の情報を出力する、出
   力手段； を備える、鋳片断面の品質評価装置。
2. 【請求項２】検査対象鋼材の断面の組織変化を示す光学
   画像情報を撮像する撮像手段； 前記撮像手段が撮像した画像情報を処理し、画像各部の
   濃淡変化を二値的に表わす二値画像情報を生成し、該二
   値画像情報に現われた複数の欠陥候補領域を抽出し、抽
   出した欠陥候補領域に対するその周辺画素領域におい
   て、その回転方向の濃度分布が比較的大きな方向の所定
   範囲において、他の欠陥候補領域のうち最も距離の近い
   ものを、同一グループの欠陥候補領域として登録し、各
   々のグループに属する欠陥候補領域群の全体の面積及び
   形状の少なくとも一方に基づいて、欠陥を識別する、画
   像処理手段；及び 前記画像処理手段が識別した欠陥の情報を出力する、出
   力手段； を備える、鋳片断面の品質評価装置。
3. 【請求項３】検査対象鋼材の断面の組織変化を示す光学
   画像情報を撮像する撮像手段； 前記撮像手段が撮像した画像情報を処理し、画像上の欠
   陥が含まれる頻度の比較的高い第１の領域について、画
   像を構成する画素の濃度分布の平均濃度を検出し、画像
   上の欠陥が含まれる頻度の比較的低い第２の領域につい
   て、画像を構成する画素の濃度分布の標準偏差を検出
   し、前記平均濃度と前記標準偏差とに基づいてしきい値
   濃度を設定し、少なくとも前記第１の領域について、画
   像情報の濃淡変化を、前記しきい値濃度で二値的に区分
   して二値画像情報を生成し、該二値画像情報に現われた
   欠陥候補領域の各々について、それの大きさ及び形状の
   少なくとも一方に基づいて、欠陥を識別する、画像処理
   手段；及び 前記画像処理手段が識別した欠陥の情報を出力する、出
   力手段； を備える、鋳片断面の品質評価装置。