JPH11328408A - データ処理装置および方法、情報記憶媒体 - Google Patents
データ処理装置および方法、情報記憶媒体Info
- Publication number
- JPH11328408A JPH11328408A JP10128768A JP12876898A JPH11328408A JP H11328408 A JPH11328408 A JP H11328408A JP 10128768 A JP10128768 A JP 10128768A JP 12876898 A JP12876898 A JP 12876898A JP H11328408 A JPH11328408 A JP H11328408A
- Authority
- JP
- Japan
- Prior art keywords
- image data
- coordinates
- density
- pixel
- pixels
- 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.)
- Withdrawn
Links
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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/168—Segmentation; Edge detection involving transform domain methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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
- G06T2207/10056—Microscopic 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
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20061—Hough transform
-
- 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
- G06T2207/30141—Printed circuit board [PCB]
-
- 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
- G06T2207/30148—Semiconductor; IC; Wafer
Abstract
(57)【要約】
【課題】 任意の角度で撮像された半導体ウェハなどの
画像データの傾斜を検出する。 【解決手段】 画像データをエッジ処理してから二値化
し、この画像データをハフ変換処理してパラメータ図表
を生成し、このパラメータ図表からハフ曲線の重複が多
数の座標を抽出してグループ化し、このグループごとに
代表の座標を選出して画像データの傾斜を推定すること
で、画像データから直線成分を認識して傾斜を推定す
る。
画像データの傾斜を検出する。 【解決手段】 画像データをエッジ処理してから二値化
し、この画像データをハフ変換処理してパラメータ図表
を生成し、このパラメータ図表からハフ曲線の重複が多
数の座標を抽出してグループ化し、このグループごとに
代表の座標を選出して画像データの傾斜を推定すること
で、画像データから直線成分を認識して傾斜を推定す
る。
Description
【０００１】
【発明の属する技術分野】本発明は、外部入力される画
像データから直線成分を認識して傾斜を検出するデータ
処理装置および方法と、本発明のデータ処理装置のコン
ピュータに本発明のデータ処理方法の処理動作を実行さ
せるためのプログラムがソフトウェアとして格納されて
いる情報記憶媒体とに関する。
像データから直線成分を認識して傾斜を検出するデータ
処理装置および方法と、本発明のデータ処理装置のコン
ピュータに本発明のデータ処理方法の処理動作を実行さ
せるためのプログラムがソフトウェアとして格納されて
いる情報記憶媒体とに関する。
【０００２】
【従来の技術】従来、プリント基板や半導体ウェハの検
査工程においては、試料の表面に欠陥や異物が発生した
とき、これをＳＥＭ(Scanning Electron Microscope)な
どで観察し、撮像した画像データをデータベースに蓄積
している。このように蓄積された欠陥の画像には、構造
が類似した多数の画像が存在する。
査工程においては、試料の表面に欠陥や異物が発生した
とき、これをＳＥＭ(Scanning Electron Microscope)な
どで観察し、撮像した画像データをデータベースに蓄積
している。このように蓄積された欠陥の画像には、構造
が類似した多数の画像が存在する。
【０００３】例えば、ある試料の画像を観察していたと
き、過去の類似した画像と比較しようとしても、現状は
記憶をたよりに画像データを次々と検索するしかない。
また、画像の特徴は言葉では表現しにくいため、撮像し
た本人しかわからず、他人とのデータ共有も容易ではな
い。このような課題を解決するため、多数の画像データ
を効率よく検索できることが要望されている。
き、過去の類似した画像と比較しようとしても、現状は
記憶をたよりに画像データを次々と検索するしかない。
また、画像の特徴は言葉では表現しにくいため、撮像し
た本人しかわからず、他人とのデータ共有も容易ではな
い。このような課題を解決するため、多数の画像データ
を効率よく検索できることが要望されている。
【０００４】プリント基板や半導体ウェハをＳＥＭなど
で撮影して入力した画像データにおいて、上述のような
欠陥や異物の検出や認識や判断を行う画像処理方法は従
来から多々存在する。従来の方法は、画像をデジタル的
に取り扱うデジタル画像処理が一般的で、コンピュータ
ーのデータ処理により画像処理を行っている。
で撮影して入力した画像データにおいて、上述のような
欠陥や異物の検出や認識や判断を行う画像処理方法は従
来から多々存在する。従来の方法は、画像をデジタル的
に取り扱うデジタル画像処理が一般的で、コンピュータ
ーのデータ処理により画像処理を行っている。
【０００５】従来、画像データの検索には主にパターン
マッチングの技術が利用されている。これは、蓄積され
ている画像と検査対象の画像を比較するものである。こ
こで、画像を比較するとは、二つの画像の対応する画素
ごとに差分を算出し、この差分を画素の濃度とする差分
画像を生成することである。
マッチングの技術が利用されている。これは、蓄積され
ている画像と検査対象の画像を比較するものである。こ
こで、画像を比較するとは、二つの画像の対応する画素
ごとに差分を算出し、この差分を画素の濃度とする差分
画像を生成することである。
【０００６】この差分画像は、比較した二つの画像が完
全に同一であれば、その差分処理によって全部の画素の
濃度が“０”の完全にフラットな画像となる。しかし、
欠陥や異物の形状が違う場合は、その部分に“０”以外
の濃度の画素が集中的に発生する。
全に同一であれば、その差分処理によって全部の画素の
濃度が“０”の完全にフラットな画像となる。しかし、
欠陥や異物の形状が違う場合は、その部分に“０”以外
の濃度の画素が集中的に発生する。
【０００７】従って、二つの画像を比較して類似を判定
する場合、差分画像の“０”以外の濃度の画素の総数な
どを計測し、その結果が設定した閾値よりも低い場合
に、比較した二つの画像は類似していると判断でき、こ
れを検索結果として出力することができる。
する場合、差分画像の“０”以外の濃度の画素の総数な
どを計測し、その結果が設定した閾値よりも低い場合
に、比較した二つの画像は類似していると判断でき、こ
れを検索結果として出力することができる。
【０００８】以上の処理により、蓄積された多数の画像
データから所定の画素に類似したものだけを抽出するこ
とができる。半導体ウェハの画像の場合、背景の部分に
配線パターンが縦横に走っているが、配線パターンは普
通、一定方向に規則的に整列しているので、パターンマ
ッチングでは背景の部分はキャンセルされ、結果として
欠陥や異物などのユニークな部分の相違だけを抽出する
ことができる。
データから所定の画素に類似したものだけを抽出するこ
とができる。半導体ウェハの画像の場合、背景の部分に
配線パターンが縦横に走っているが、配線パターンは普
通、一定方向に規則的に整列しているので、パターンマ
ッチングでは背景の部分はキャンセルされ、結果として
欠陥や異物などのユニークな部分の相違だけを抽出する
ことができる。
【０００９】
【発明が解決しようとする課題】前述したように、画像
データのパターンマッチングを利用することにより、あ
る画像データに類似した画像データをデータベースから
検索することや、二つの画像データを比較して相違部分
を抽出するようなことができる。
データのパターンマッチングを利用することにより、あ
る画像データに類似した画像データをデータベースから
検索することや、二つの画像データを比較して相違部分
を抽出するようなことができる。
【００１０】しかし、上述のようなパターンマッチング
を良好に実行するためには、複数の画像データの位置や
方向が整合している必要がある。例えば、同一の物体を
撮像した画像データでも、撮像する位置や角度が相違し
ていると、パターンマッチングの精度は極度に低下す
る。
を良好に実行するためには、複数の画像データの位置や
方向が整合している必要がある。例えば、同一の物体を
撮像した画像データでも、撮像する位置や角度が相違し
ていると、パターンマッチングの精度は極度に低下す
る。
【００１１】このため、データベースに蓄積された多数
の画像データの位置や角度が整合していない場合、比較
する画像データの位置や角度を整合させてからパターン
マッチングを実行する必要があるが、これは作業が煩雑
であり多数の画像データを高速に検索するような場合に
は実用的でない。
の画像データの位置や角度が整合していない場合、比較
する画像データの位置や角度を整合させてからパターン
マッチングを実行する必要があるが、これは作業が煩雑
であり多数の画像データを高速に検索するような場合に
は実用的でない。
【００１２】しかし、前述のように半導体ウェハの欠陥
を撮像した画像データのデータベースなどでは、観察者
が欠陥の詳しい特徴を分析するため、個々に最適な方向
で画像を撮像している。つまり、多数の画像データで位
置や方向が整合しておらず、パターンマッチングによる
高速な検索や相違部分の抽出が困難となっている。
を撮像した画像データのデータベースなどでは、観察者
が欠陥の詳しい特徴を分析するため、個々に最適な方向
で画像を撮像している。つまり、多数の画像データで位
置や方向が整合しておらず、パターンマッチングによる
高速な検索や相違部分の抽出が困難となっている。
【００１３】本発明は上述のような課題に鑑みてなされ
たものであり、画像データの傾斜を検出することができ
るデータ処理装置および方法、このデータ処理方法をデ
ータ処理装置となるコンピュータに実行させるためのプ
ログラムが格納されている情報記憶媒体、を提供するこ
とを目的とする。
たものであり、画像データの傾斜を検出することができ
るデータ処理装置および方法、このデータ処理方法をデ
ータ処理装置となるコンピュータに実行させるためのプ
ログラムが格納されている情報記憶媒体、を提供するこ
とを目的とする。
【００１４】
【課題を解決するための手段】本発明の第一のデータ処
理装置は、多値の濃度がデジタルで個々に設定された多
数の画素からなる画像データが外部入力される画像入力
手段と、該画像入力手段に外部入力された画像データを
エッジ処理してエッジ部分の画素の濃度を強調するエッ
ジ処理手段と、該エッジ処理手段によりエッジ処理され
た画像データの各画素の濃度を適正な閾値と比較して二
値化する二値化処理手段と、該二値化処理手段により二
値化された画像データをハフ変換処理してパラメータ空
間に多数のハフ曲線が描画されたパラメータ図表を生成
するハフ変換手段と、該ハフ変換手段により生成された
パラメータ図表からハフ曲線の重複が多数の座標を適正
な閾値との比較により抽出する座標抽出手段と、該座標
抽出手段により抽出されたパラメータ図表の座標を位置
の近接に対応してグループ化するラベリング手段と、該
ラベリング手段により生成されたグループごとに代表の
座標を選出する代表選出手段と、該代表選出手段により
選出された座標から画像データの傾斜を推定する傾斜検
出手段と、を具備している。
理装置は、多値の濃度がデジタルで個々に設定された多
数の画素からなる画像データが外部入力される画像入力
手段と、該画像入力手段に外部入力された画像データを
エッジ処理してエッジ部分の画素の濃度を強調するエッ
ジ処理手段と、該エッジ処理手段によりエッジ処理され
た画像データの各画素の濃度を適正な閾値と比較して二
値化する二値化処理手段と、該二値化処理手段により二
値化された画像データをハフ変換処理してパラメータ空
間に多数のハフ曲線が描画されたパラメータ図表を生成
するハフ変換手段と、該ハフ変換手段により生成された
パラメータ図表からハフ曲線の重複が多数の座標を適正
な閾値との比較により抽出する座標抽出手段と、該座標
抽出手段により抽出されたパラメータ図表の座標を位置
の近接に対応してグループ化するラベリング手段と、該
ラベリング手段により生成されたグループごとに代表の
座標を選出する代表選出手段と、該代表選出手段により
選出された座標から画像データの傾斜を推定する傾斜検
出手段と、を具備している。
【００１５】従って、本発明のデータ処理装置によるデ
ータ処理方法では、多値の濃度がデジタルで個々に設定
された多数の画素からなる画像データが画像入力手段に
外部入力されると、この外部入力された画像データがエ
ッジ処理手段によりエッジ処理されてエッジ部分の画素
の濃度が強調される。このエッジ処理された画像データ
の画素ごとに二値化処理手段により濃度が適正な閾値と
比較されて二値化され、この二値化された画像データが
ハフ変換手段によりハフ変換処理されてパラメータ空間
に多数のハフ曲線が描画されたパラメータ図表が生成さ
れる。この生成されたパラメータ図表からハフ曲線の重
複が多数の座標が座標抽出手段により適正な閾値との比
較で抽出され、この抽出されたパラメータ図表の座標が
ラベリング手段により位置の近接に対応してグループ化
される。このように生成されたグループごとに代表選出
手段により代表の座標が選出され、この選出された座標
から画像データの傾斜が傾斜検出手段により推定される
ので、デジタルの画像データから直線成分が認識されて
傾斜が推定される。
ータ処理方法では、多値の濃度がデジタルで個々に設定
された多数の画素からなる画像データが画像入力手段に
外部入力されると、この外部入力された画像データがエ
ッジ処理手段によりエッジ処理されてエッジ部分の画素
の濃度が強調される。このエッジ処理された画像データ
の画素ごとに二値化処理手段により濃度が適正な閾値と
比較されて二値化され、この二値化された画像データが
ハフ変換手段によりハフ変換処理されてパラメータ空間
に多数のハフ曲線が描画されたパラメータ図表が生成さ
れる。この生成されたパラメータ図表からハフ曲線の重
複が多数の座標が座標抽出手段により適正な閾値との比
較で抽出され、この抽出されたパラメータ図表の座標が
ラベリング手段により位置の近接に対応してグループ化
される。このように生成されたグループごとに代表選出
手段により代表の座標が選出され、この選出された座標
から画像データの傾斜が傾斜検出手段により推定される
ので、デジタルの画像データから直線成分が認識されて
傾斜が推定される。
【００１６】本発明の第二のデータ処理装置は、多値の
濃度がデジタルで個々に設定された多数の画素からなる
画像データが外部入力される画像入力手段と、該画像入
力手段に外部入力された画像データをエッジ処理してエ
ッジ部分の画素の濃度を強調するエッジ処理手段と、該
エッジ処理手段によりエッジ処理された画像データの各
画素の濃度を適正な閾値と比較して二値化する二値化処
理手段と、該二値化処理手段により二値化された画像デ
ータの位置座標(ｘ，ｙ)の画素ごとにハフ変換処理を実
行することで、直線成分“ρ＝ｘcosθ＋ｙsinθ”のｘ
軸との角度“θ”および原点との距離“｜ρ｜”を座標
(θ，ρ)としたパラメータ図表を生成するハフ変換手段
と、該ハフ変換手段により生成されたパラメータ図表か
らハフ曲線の重複が多数の座標を適正な閾値との比較に
より抽出する座標抽出手段と、該座標抽出手段により抽
出されたパラメータ図表の座標の個数を角度“θ”ごと
に積算してヒストグラムを生成するヒストグラム生成手
段と、該ヒストグラム生成手段により生成されたヒスト
グラムから座標の個数が最多の角度“θ”を特定する傾
斜検出手段と、を具備している。
濃度がデジタルで個々に設定された多数の画素からなる
画像データが外部入力される画像入力手段と、該画像入
力手段に外部入力された画像データをエッジ処理してエ
ッジ部分の画素の濃度を強調するエッジ処理手段と、該
エッジ処理手段によりエッジ処理された画像データの各
画素の濃度を適正な閾値と比較して二値化する二値化処
理手段と、該二値化処理手段により二値化された画像デ
ータの位置座標(ｘ，ｙ)の画素ごとにハフ変換処理を実
行することで、直線成分“ρ＝ｘcosθ＋ｙsinθ”のｘ
軸との角度“θ”および原点との距離“｜ρ｜”を座標
(θ，ρ)としたパラメータ図表を生成するハフ変換手段
と、該ハフ変換手段により生成されたパラメータ図表か
らハフ曲線の重複が多数の座標を適正な閾値との比較に
より抽出する座標抽出手段と、該座標抽出手段により抽
出されたパラメータ図表の座標の個数を角度“θ”ごと
に積算してヒストグラムを生成するヒストグラム生成手
段と、該ヒストグラム生成手段により生成されたヒスト
グラムから座標の個数が最多の角度“θ”を特定する傾
斜検出手段と、を具備している。
【００１７】従って、本発明のデータ処理装置によるデ
ータ処理方法では、多値の濃度がデジタルで個々に設定
された多数の画素からなる画像データが画像入力手段に
外部入力されると、この外部入力された画像データがエ
ッジ処理手段によりエッジ処理されてエッジ部分の画素
の濃度が強調される。このエッジ処理された画像データ
の画素ごとに二値化処理手段により濃度が適正な閾値と
比較されて二値化され、この二値化された画像データの
位置座標(ｘ，ｙ)の画素ごとにハフ変換手段によりハフ
変換処理が実行されることで、直線成分“ρ＝ｘcosθ
＋ｙsinθ”のｘ軸との角度“θ”および原点との距離
“｜ρ｜”を座標(θ，ρ)としたパラメータ図表が生成
される。この生成されたパラメータ図表からハフ曲線の
重複が多数の座標が座標抽出手段により適正な閾値との
比較で抽出され、この抽出されたパラメータ図表の座標
の個数がヒストグラム生成手段により角度“θ”ごとに
積算されてヒストグラムが生成される。この生成された
ヒストグラムから座標の個数が最多の角度“θ”が傾斜
検出手段により特定されるので、デジタルの画像データ
から直線成分が認識されて傾斜の角度がデータ出力され
る。
ータ処理方法では、多値の濃度がデジタルで個々に設定
された多数の画素からなる画像データが画像入力手段に
外部入力されると、この外部入力された画像データがエ
ッジ処理手段によりエッジ処理されてエッジ部分の画素
の濃度が強調される。このエッジ処理された画像データ
の画素ごとに二値化処理手段により濃度が適正な閾値と
比較されて二値化され、この二値化された画像データの
位置座標(ｘ，ｙ)の画素ごとにハフ変換手段によりハフ
変換処理が実行されることで、直線成分“ρ＝ｘcosθ
＋ｙsinθ”のｘ軸との角度“θ”および原点との距離
“｜ρ｜”を座標(θ，ρ)としたパラメータ図表が生成
される。この生成されたパラメータ図表からハフ曲線の
重複が多数の座標が座標抽出手段により適正な閾値との
比較で抽出され、この抽出されたパラメータ図表の座標
の個数がヒストグラム生成手段により角度“θ”ごとに
積算されてヒストグラムが生成される。この生成された
ヒストグラムから座標の個数が最多の角度“θ”が傾斜
検出手段により特定されるので、デジタルの画像データ
から直線成分が認識されて傾斜の角度がデータ出力され
る。
【００１８】本発明の第三のデータ処理装置は、多値の
濃度がデジタルで個々に設定された多数の画素からなる
画像データが外部入力される画像入力手段と、該画像入
力手段に外部入力された画像データをエッジ処理してエ
ッジ部分の画素の濃度を強調するエッジ処理手段と、該
エッジ処理手段によりエッジ処理された画像データの各
画素の濃度を適正な閾値と比較して二値化する二値化処
理手段と、該二値化処理手段により二値化された画像デ
ータの位置座標(ｘ，ｙ)の画素ごとにハフ変換処理を実
行することで、直線成分“ρ＝ｘcosθ＋ｙsinθ”のｘ
軸との角度“θ”および原点との距離“｜ρ｜”を座標
(θ，ρ)としたパラメータ図表を生成するハフ変換手段
と、該ハフ変換手段により生成されたパラメータ図表か
らハフ曲線の重複が多数の座標を適正な閾値との比較に
より抽出する座標抽出手段と、該座標抽出手段により抽
出されたパラメータ図表の座標を位置の近接に対応して
グループ化するラベリング手段と、該ラベリング手段に
より生成されたグループごとに代表の座標を選出する代
表選出手段と、該代表選出手段により選出された多数の
座標が集中している角度“θ”を特定する傾斜検出手段
と、を具備している。
濃度がデジタルで個々に設定された多数の画素からなる
画像データが外部入力される画像入力手段と、該画像入
力手段に外部入力された画像データをエッジ処理してエ
ッジ部分の画素の濃度を強調するエッジ処理手段と、該
エッジ処理手段によりエッジ処理された画像データの各
画素の濃度を適正な閾値と比較して二値化する二値化処
理手段と、該二値化処理手段により二値化された画像デ
ータの位置座標(ｘ，ｙ)の画素ごとにハフ変換処理を実
行することで、直線成分“ρ＝ｘcosθ＋ｙsinθ”のｘ
軸との角度“θ”および原点との距離“｜ρ｜”を座標
(θ，ρ)としたパラメータ図表を生成するハフ変換手段
と、該ハフ変換手段により生成されたパラメータ図表か
らハフ曲線の重複が多数の座標を適正な閾値との比較に
より抽出する座標抽出手段と、該座標抽出手段により抽
出されたパラメータ図表の座標を位置の近接に対応して
グループ化するラベリング手段と、該ラベリング手段に
より生成されたグループごとに代表の座標を選出する代
表選出手段と、該代表選出手段により選出された多数の
座標が集中している角度“θ”を特定する傾斜検出手段
と、を具備している。
【００１９】従って、本発明のデータ処理装置によるデ
ータ処理方法では、多値の濃度がデジタルで個々に設定
された多数の画素からなる画像データが画像入力手段に
外部入力されると、この外部入力された画像データがエ
ッジ処理手段によりエッジ処理されてエッジ部分の画素
の濃度が強調される。このエッジ処理された画像データ
の画素ごとに二値化処理手段により濃度が適正な閾値と
比較されて二値化され、この二値化された画像データの
位置座標(ｘ，ｙ)の画素ごとにハフ変換手段によりハフ
変換処理が実行されることで、直線成分“ρ＝ｘcosθ
＋ｙsinθ”のｘ軸との角度“θ”および原点との距離
“｜ρ｜”を座標(θ，ρ)としたパラメータ図表が生成
される。この生成されたパラメータ図表からハフ曲線の
重複が多数の座標が座標抽出手段により適正な閾値との
比較で抽出され、この抽出されたパラメータ図表の座標
がラベリング手段により位置の近接に対応してグループ
化される。このように生成されたグループごとに代表の
座標が代表選出手段により選出され、この選出された多
数の座標が集中している角度“θ”が傾斜検出手段によ
り特定されるので、デジタルの画像データから直線成分
が認識されて傾斜の角度がデータ出力される。
ータ処理方法では、多値の濃度がデジタルで個々に設定
された多数の画素からなる画像データが画像入力手段に
外部入力されると、この外部入力された画像データがエ
ッジ処理手段によりエッジ処理されてエッジ部分の画素
の濃度が強調される。このエッジ処理された画像データ
の画素ごとに二値化処理手段により濃度が適正な閾値と
比較されて二値化され、この二値化された画像データの
位置座標(ｘ，ｙ)の画素ごとにハフ変換手段によりハフ
変換処理が実行されることで、直線成分“ρ＝ｘcosθ
＋ｙsinθ”のｘ軸との角度“θ”および原点との距離
“｜ρ｜”を座標(θ，ρ)としたパラメータ図表が生成
される。この生成されたパラメータ図表からハフ曲線の
重複が多数の座標が座標抽出手段により適正な閾値との
比較で抽出され、この抽出されたパラメータ図表の座標
がラベリング手段により位置の近接に対応してグループ
化される。このように生成されたグループごとに代表の
座標が代表選出手段により選出され、この選出された多
数の座標が集中している角度“θ”が傾斜検出手段によ
り特定されるので、デジタルの画像データから直線成分
が認識されて傾斜の角度がデータ出力される。
【００２０】本発明の第四のデータ処理装置は、多値の
濃度がデジタルで個々に設定された多数の画素からなる
画像データが外部入力される画像入力手段と、該画像入
力手段に外部入力された画像データの全部の画素の濃度
の平均値を算出する平均算出手段と、該平均算出手段に
より算出された濃度の平均値との差分を画像データの画
素ごとに算出する差分算出手段と、該差分算出手段によ
り算出された濃度の差分を画素ごとに適正な閾値と比較
して画像データを二値化する二値化処理手段と、該二値
化処理手段により二値化された画像データをハフ変換処
理してパラメータ空間に多数のハフ曲線が描画されたパ
ラメータ図表を生成するハフ変換手段と、該ハフ変換手
段により生成されたパラメータ図表からハフ曲線の重複
が多数の座標を適正な閾値との比較により抽出する座標
抽出手段と、該座標抽出手段により抽出されたパラメー
タ図表の座標を位置の近接に対応してグループ化するラ
ベリング手段と、該ラベリング手段により生成されたグ
ループごとに代表の座標を選出する代表選出手段と、該
代表選出手段により選出された座標から画像データの傾
斜を推定する傾斜検出手段と、を具備している。
濃度がデジタルで個々に設定された多数の画素からなる
画像データが外部入力される画像入力手段と、該画像入
力手段に外部入力された画像データの全部の画素の濃度
の平均値を算出する平均算出手段と、該平均算出手段に
より算出された濃度の平均値との差分を画像データの画
素ごとに算出する差分算出手段と、該差分算出手段によ
り算出された濃度の差分を画素ごとに適正な閾値と比較
して画像データを二値化する二値化処理手段と、該二値
化処理手段により二値化された画像データをハフ変換処
理してパラメータ空間に多数のハフ曲線が描画されたパ
ラメータ図表を生成するハフ変換手段と、該ハフ変換手
段により生成されたパラメータ図表からハフ曲線の重複
が多数の座標を適正な閾値との比較により抽出する座標
抽出手段と、該座標抽出手段により抽出されたパラメー
タ図表の座標を位置の近接に対応してグループ化するラ
ベリング手段と、該ラベリング手段により生成されたグ
ループごとに代表の座標を選出する代表選出手段と、該
代表選出手段により選出された座標から画像データの傾
斜を推定する傾斜検出手段と、を具備している。
【００２１】従って、本発明のデータ処理装置によるデ
ータ処理方法では、多値の濃度がデジタルで個々に設定
された多数の画素からなる画像データが画像入力手段に
外部入力されると、この外部入力された画像データの全
部の画素の濃度の平均値が平均算出手段により算出され
る。この算出された濃度の平均値との差分が差分算出手
段により画像データの画素ごとに算出され、この算出さ
れた濃度の差分が二値化処理手段により画素ごとに適正
な閾値と比較されて画像データが二値化される。この二
値化された画像データをハフ変換処理してパラメータ空
間に多数のハフ曲線が描画されたパラメータ図表が生成
され、この生成されたパラメータ図表からハフ曲線の重
複が多数の座標が座標抽出手段により適正な閾値との比
較で抽出される。この抽出されたパラメータ図表の座標
がラベリング手段により位置の近接に対応してグループ
化され、このように生成されたグループごとに代表の座
標が代表選出手段により選出され、この選出された座標
から画像データの傾斜が傾斜検出手段により推定される
ので、デジタルの画像データから直線成分が認識されて
傾斜が推定される。
ータ処理方法では、多値の濃度がデジタルで個々に設定
された多数の画素からなる画像データが画像入力手段に
外部入力されると、この外部入力された画像データの全
部の画素の濃度の平均値が平均算出手段により算出され
る。この算出された濃度の平均値との差分が差分算出手
段により画像データの画素ごとに算出され、この算出さ
れた濃度の差分が二値化処理手段により画素ごとに適正
な閾値と比較されて画像データが二値化される。この二
値化された画像データをハフ変換処理してパラメータ空
間に多数のハフ曲線が描画されたパラメータ図表が生成
され、この生成されたパラメータ図表からハフ曲線の重
複が多数の座標が座標抽出手段により適正な閾値との比
較で抽出される。この抽出されたパラメータ図表の座標
がラベリング手段により位置の近接に対応してグループ
化され、このように生成されたグループごとに代表の座
標が代表選出手段により選出され、この選出された座標
から画像データの傾斜が傾斜検出手段により推定される
ので、デジタルの画像データから直線成分が認識されて
傾斜が推定される。
【００２２】本発明の第五のデータ処理装置は、多値の
濃度がデジタルで個々に設定された多数の画素からなる
画像データが外部入力される画像入力手段と、該画像入
力手段に外部入力された画像データの全部の画素の濃度
の平均値を算出する平均算出手段と、該平均算出手段に
より算出された濃度の平均値との差分を画像データの画
素ごとに算出する差分算出手段と、該差分算出手段によ
り算出された濃度の差分を画素ごとに適正な閾値と比較
して画像データを二値化する二値化処理手段と、該二値
化処理手段により二値化された画像データの位置座標
(ｘ，ｙ)の画素ごとにハフ変換処理を実行することで、
直線成分“ρ＝ｘcosθ＋ｙsinθ”のｘ軸との角度
“θ”および原点との距離“｜ρ｜”を座標(θ，ρ)と
したパラメータ図表を生成するハフ変換手段と、該ハフ
変換手段により生成されたパラメータ図表からハフ曲線
の重複が多数の座標を適正な閾値との比較により抽出す
る座標抽出手段と、該座標抽出手段により抽出されたパ
ラメータ図表の座標の個数を角度“θ”ごとに積算して
ヒストグラムを生成するヒストグラム生成手段と、該ヒ
ストグラム生成手段により生成されたヒストグラムから
座標の個数が最多の角度“θ”を特定する傾斜検出手段
と、を具備している。
濃度がデジタルで個々に設定された多数の画素からなる
画像データが外部入力される画像入力手段と、該画像入
力手段に外部入力された画像データの全部の画素の濃度
の平均値を算出する平均算出手段と、該平均算出手段に
より算出された濃度の平均値との差分を画像データの画
素ごとに算出する差分算出手段と、該差分算出手段によ
り算出された濃度の差分を画素ごとに適正な閾値と比較
して画像データを二値化する二値化処理手段と、該二値
化処理手段により二値化された画像データの位置座標
(ｘ，ｙ)の画素ごとにハフ変換処理を実行することで、
直線成分“ρ＝ｘcosθ＋ｙsinθ”のｘ軸との角度
“θ”および原点との距離“｜ρ｜”を座標(θ，ρ)と
したパラメータ図表を生成するハフ変換手段と、該ハフ
変換手段により生成されたパラメータ図表からハフ曲線
の重複が多数の座標を適正な閾値との比較により抽出す
る座標抽出手段と、該座標抽出手段により抽出されたパ
ラメータ図表の座標の個数を角度“θ”ごとに積算して
ヒストグラムを生成するヒストグラム生成手段と、該ヒ
ストグラム生成手段により生成されたヒストグラムから
座標の個数が最多の角度“θ”を特定する傾斜検出手段
と、を具備している。
【００２３】従って、本発明のデータ処理装置によるデ
ータ処理方法では、多値の濃度がデジタルで個々に設定
された多数の画素からなる画像データが画像入力手段に
外部入力されると、この外部入力された画像データの全
部の画素の濃度の平均値が平均算出手段により算出され
る。この算出された濃度の平均値との差分が差分算出手
段により画像データの画素ごとに算出され、この算出さ
れた濃度の差分が二値化処理手段により画素ごとに適正
な閾値と比較されて画像データが二値化される。この二
値化された画像データの位置座標(ｘ，ｙ)の画素ごとに
ハフ変換手段によりハフ変換処理が実行されることで、
直線成分“ρ＝ｘcosθ＋ｙsinθ”のｘ軸との角度
“θ”および原点との距離“｜ρ｜”を座標(θ，ρ)と
したパラメータ図表が生成される。この生成されたパラ
メータ図表からハフ曲線の重複が多数の座標が座標抽出
手段により適正な閾値との比較で抽出され、この抽出さ
れたパラメータ図表の座標の個数がヒストグラム生成手
段により角度“θ”ごとに積算されてヒストグラムが生
成される。この生成されたヒストグラムから座標の個数
が最多の角度“θ”が傾斜検出手段により特定されるの
で、デジタルの画像データから直線成分が認識されて傾
斜の角度がデータ出力される。
ータ処理方法では、多値の濃度がデジタルで個々に設定
された多数の画素からなる画像データが画像入力手段に
外部入力されると、この外部入力された画像データの全
部の画素の濃度の平均値が平均算出手段により算出され
る。この算出された濃度の平均値との差分が差分算出手
段により画像データの画素ごとに算出され、この算出さ
れた濃度の差分が二値化処理手段により画素ごとに適正
な閾値と比較されて画像データが二値化される。この二
値化された画像データの位置座標(ｘ，ｙ)の画素ごとに
ハフ変換手段によりハフ変換処理が実行されることで、
直線成分“ρ＝ｘcosθ＋ｙsinθ”のｘ軸との角度
“θ”および原点との距離“｜ρ｜”を座標(θ，ρ)と
したパラメータ図表が生成される。この生成されたパラ
メータ図表からハフ曲線の重複が多数の座標が座標抽出
手段により適正な閾値との比較で抽出され、この抽出さ
れたパラメータ図表の座標の個数がヒストグラム生成手
段により角度“θ”ごとに積算されてヒストグラムが生
成される。この生成されたヒストグラムから座標の個数
が最多の角度“θ”が傾斜検出手段により特定されるの
で、デジタルの画像データから直線成分が認識されて傾
斜の角度がデータ出力される。
【００２４】本発明の第六のデータ処理装置は、多値の
濃度がデジタルで個々に設定された多数の画素からなる
画像データが外部入力される画像入力手段と、該画像入
力手段に外部入力された画像データの全部の画素の濃度
の平均値を算出する平均算出手段と、該平均算出手段に
より算出された濃度の平均値との差分を画像データの画
素ごとに算出する差分算出手段と、該差分算出手段によ
り算出された濃度の差分を画素ごとに適正な閾値と比較
して画像データを二値化する二値化処理手段と、該二値
化処理手段により二値化された画像データの位置座標
(ｘ，ｙ)の画素ごとにハフ変換処理を実行することで、
直線成分“ρ＝ｘcosθ＋ｙsinθ”のｘ軸との角度
“θ”および原点との距離“｜ρ｜”を座標(θ，ρ)と
したパラメータ図表を生成するハフ変換手段と、該ハフ
変換手段により生成されたパラメータ図表からハフ曲線
の重複が多数の座標を適正な閾値との比較により抽出す
る座標抽出手段と、該座標抽出手段により抽出されたパ
ラメータ図表の座標を位置の近接に対応してグループ化
するラベリング手段と、該ラベリング手段により生成さ
れたグループごとに代表の座標を選出する代表選出手段
と、該代表選出手段により選出された多数の座標が集中
している角度“θ”を特定する傾斜検出手段と、を具備
している。
濃度がデジタルで個々に設定された多数の画素からなる
画像データが外部入力される画像入力手段と、該画像入
力手段に外部入力された画像データの全部の画素の濃度
の平均値を算出する平均算出手段と、該平均算出手段に
より算出された濃度の平均値との差分を画像データの画
素ごとに算出する差分算出手段と、該差分算出手段によ
り算出された濃度の差分を画素ごとに適正な閾値と比較
して画像データを二値化する二値化処理手段と、該二値
化処理手段により二値化された画像データの位置座標
(ｘ，ｙ)の画素ごとにハフ変換処理を実行することで、
直線成分“ρ＝ｘcosθ＋ｙsinθ”のｘ軸との角度
“θ”および原点との距離“｜ρ｜”を座標(θ，ρ)と
したパラメータ図表を生成するハフ変換手段と、該ハフ
変換手段により生成されたパラメータ図表からハフ曲線
の重複が多数の座標を適正な閾値との比較により抽出す
る座標抽出手段と、該座標抽出手段により抽出されたパ
ラメータ図表の座標を位置の近接に対応してグループ化
するラベリング手段と、該ラベリング手段により生成さ
れたグループごとに代表の座標を選出する代表選出手段
と、該代表選出手段により選出された多数の座標が集中
している角度“θ”を特定する傾斜検出手段と、を具備
している。
【００２５】従って、本発明のデータ処理装置によるデ
ータ処理方法では、多値の濃度がデジタルで個々に設定
された多数の画素からなる画像データが画像入力手段に
外部入力されると、この外部入力された画像データの全
部の画素の濃度の平均値が平均算出手段により算出され
る。この算出された濃度の平均値との差分が差分算出手
段により画像データの画素ごとに算出され、この算出さ
れた濃度の差分が二値化処理手段により画素ごとに適正
な閾値と比較されて画像データが二値化される。この二
値化された画像データの位置座標(ｘ，ｙ)の画素ごとに
ハフ変換手段によりハフ変換処理が実行されることで、
直線成分“ρ＝ｘcosθ＋ｙsinθ”のｘ軸との角度
“θ”および原点との距離“｜ρ｜”を座標(θ，ρ)と
したパラメータ図表が生成される。この生成されたパラ
メータ図表からハフ曲線の重複が多数の座標が座標抽出
手段により適正な閾値との比較で抽出され、この抽出さ
れたパラメータ図表の座標がラベリング手段により位置
の近接に対応してグループ化される。このように生成さ
れたグループごとに代表の座標が代表選出手段により選
出され、この選出された多数の座標が集中している角度
“θ”が傾斜検出手段により特定されるので、デジタル
の画像データから直線成分が認識されて傾斜の角度がデ
ータ出力される。
ータ処理方法では、多値の濃度がデジタルで個々に設定
された多数の画素からなる画像データが画像入力手段に
外部入力されると、この外部入力された画像データの全
部の画素の濃度の平均値が平均算出手段により算出され
る。この算出された濃度の平均値との差分が差分算出手
段により画像データの画素ごとに算出され、この算出さ
れた濃度の差分が二値化処理手段により画素ごとに適正
な閾値と比較されて画像データが二値化される。この二
値化された画像データの位置座標(ｘ，ｙ)の画素ごとに
ハフ変換手段によりハフ変換処理が実行されることで、
直線成分“ρ＝ｘcosθ＋ｙsinθ”のｘ軸との角度
“θ”および原点との距離“｜ρ｜”を座標(θ，ρ)と
したパラメータ図表が生成される。この生成されたパラ
メータ図表からハフ曲線の重複が多数の座標が座標抽出
手段により適正な閾値との比較で抽出され、この抽出さ
れたパラメータ図表の座標がラベリング手段により位置
の近接に対応してグループ化される。このように生成さ
れたグループごとに代表の座標が代表選出手段により選
出され、この選出された多数の座標が集中している角度
“θ”が傾斜検出手段により特定されるので、デジタル
の画像データから直線成分が認識されて傾斜の角度がデ
ータ出力される。
【００２６】本発明の第七のデータ処理装置は、多値の
濃度がデジタルで個々に設定された多数の画素からなる
画像データが外部入力される画像入力手段と、該画像入
力手段に外部入力された画像データの全部の画素の濃度
ｔの平均値Ｍを算出する平均算出手段と、該平均算出手
段により算出された濃度の平均値との差分“｜ｔ−Ｍ
｜”を重み係数として画像データの画素ごとに算出する
差分算出手段と、画像データの位置座標(ｘ，ｙ)の画素
ごとにハフ変換処理を実行することで、直線成分“ρ＝
ｘcosθ＋ｙsinθ”のｘ軸との角度“θ”および原点と
の距離“｜ρ｜”を座標(θ，ρ)としたパラメータ図表
を、ハフ曲線の重複ごとに対応する重み係数を加算して
生成するハフ変換手段と、該ハフ変換手段により生成さ
れたパラメータ図表から加算結果の数値が大きい座標を
適正な閾値との比較により抽出する座標抽出手段と、該
座標抽出手段により抽出されたパラメータ図表の座標を
位置の近接に対応してグループ化するラベリング手段
と、該ラベリング手段により生成されたグループごとに
代表の座標を選出する代表選出手段と、該代表選出手段
により選出された座標から画像データの傾斜を推定する
傾斜検出手段と、を具備している。
濃度がデジタルで個々に設定された多数の画素からなる
画像データが外部入力される画像入力手段と、該画像入
力手段に外部入力された画像データの全部の画素の濃度
ｔの平均値Ｍを算出する平均算出手段と、該平均算出手
段により算出された濃度の平均値との差分“｜ｔ−Ｍ
｜”を重み係数として画像データの画素ごとに算出する
差分算出手段と、画像データの位置座標(ｘ，ｙ)の画素
ごとにハフ変換処理を実行することで、直線成分“ρ＝
ｘcosθ＋ｙsinθ”のｘ軸との角度“θ”および原点と
の距離“｜ρ｜”を座標(θ，ρ)としたパラメータ図表
を、ハフ曲線の重複ごとに対応する重み係数を加算して
生成するハフ変換手段と、該ハフ変換手段により生成さ
れたパラメータ図表から加算結果の数値が大きい座標を
適正な閾値との比較により抽出する座標抽出手段と、該
座標抽出手段により抽出されたパラメータ図表の座標を
位置の近接に対応してグループ化するラベリング手段
と、該ラベリング手段により生成されたグループごとに
代表の座標を選出する代表選出手段と、該代表選出手段
により選出された座標から画像データの傾斜を推定する
傾斜検出手段と、を具備している。
【００２７】従って、本発明のデータ処理装置によるデ
ータ処理方法では、多値の濃度がデジタルで個々に設定
された多数の画素からなる画像データが画像入力手段に
外部入力されると、この外部入力された画像データの全
部の画素の濃度ｔの平均値Ｍが平均算出手段により算出
される。この算出された濃度の平均値との差分“｜ｔ−
Ｍ｜”が差分算出手段により重み係数として画像データ
の画素ごとに算出され、画像データの位置座標(ｘ，ｙ)
の画素ごとにハフ変換手段により実行されるハフ変換処
理において、ハフ曲線の重複ごとに対応する重み係数が
加算されることで、直線成分“ρ＝ｘcosθ＋ｙsinθ”
のｘ軸との角度“θ”および原点との距離“｜ρ｜”を
座標(θ，ρ)としたパラメータ図表が生成される。この
生成されたパラメータ図表から加算結果の数値が大きい
座標が座標抽出手段により適正な閾値との比較で抽出さ
れ、この抽出されたパラメータ図表の座標がラベリング
手段により位置の近接に対応してグループ化される。こ
のように生成されたグループごとに代表の座標が代表選
出手段により選出され、この選出された座標から画像デ
ータの傾斜が傾斜検出手段により推定されるので、デジ
タルの画像データから直線成分が認識されて傾斜が推定
される。
ータ処理方法では、多値の濃度がデジタルで個々に設定
された多数の画素からなる画像データが画像入力手段に
外部入力されると、この外部入力された画像データの全
部の画素の濃度ｔの平均値Ｍが平均算出手段により算出
される。この算出された濃度の平均値との差分“｜ｔ−
Ｍ｜”が差分算出手段により重み係数として画像データ
の画素ごとに算出され、画像データの位置座標(ｘ，ｙ)
の画素ごとにハフ変換手段により実行されるハフ変換処
理において、ハフ曲線の重複ごとに対応する重み係数が
加算されることで、直線成分“ρ＝ｘcosθ＋ｙsinθ”
のｘ軸との角度“θ”および原点との距離“｜ρ｜”を
座標(θ，ρ)としたパラメータ図表が生成される。この
生成されたパラメータ図表から加算結果の数値が大きい
座標が座標抽出手段により適正な閾値との比較で抽出さ
れ、この抽出されたパラメータ図表の座標がラベリング
手段により位置の近接に対応してグループ化される。こ
のように生成されたグループごとに代表の座標が代表選
出手段により選出され、この選出された座標から画像デ
ータの傾斜が傾斜検出手段により推定されるので、デジ
タルの画像データから直線成分が認識されて傾斜が推定
される。
【００２８】本発明の第八のデータ処理装置は、多値の
濃度がデジタルで個々に設定された多数の画素からなる
画像データが外部入力される画像入力手段と、該画像入
力手段に外部入力された画像データの全部の画素の濃度
ｔの平均値Ｍを算出する平均算出手段と、該平均算出手
段により算出された濃度の平均値との差分“｜ｔ−Ｍ
｜”を重み係数として画像データの画素ごとに算出する
差分算出手段と、画像データの位置座標(ｘ，ｙ)の画素
ごとにハフ変換処理を実行することで、直線成分“ρ＝
ｘcosθ＋ｙsinθ”のｘ軸との角度“θ”および原点と
の距離“｜ρ｜”を座標(θ，ρ)としたパラメータ図表
を、ハフ曲線の重複ごとに対応する重み係数を加算して
生成するハフ変換手段と、該ハフ変換手段により生成さ
れたパラメータ図表から加算結果の数値が大きい座標を
適正な閾値との比較により抽出する座標抽出手段と、該
座標抽出手段により抽出されたパラメータ図表の座標の
個数を角度“θ”ごとに積算してヒストグラムを生成す
るヒストグラム生成手段と、該ヒストグラム生成手段に
より生成されたヒストグラムから座標の個数が最多の角
度“θ”を特定する傾斜検出手段と、を具備している。
濃度がデジタルで個々に設定された多数の画素からなる
画像データが外部入力される画像入力手段と、該画像入
力手段に外部入力された画像データの全部の画素の濃度
ｔの平均値Ｍを算出する平均算出手段と、該平均算出手
段により算出された濃度の平均値との差分“｜ｔ−Ｍ
｜”を重み係数として画像データの画素ごとに算出する
差分算出手段と、画像データの位置座標(ｘ，ｙ)の画素
ごとにハフ変換処理を実行することで、直線成分“ρ＝
ｘcosθ＋ｙsinθ”のｘ軸との角度“θ”および原点と
の距離“｜ρ｜”を座標(θ，ρ)としたパラメータ図表
を、ハフ曲線の重複ごとに対応する重み係数を加算して
生成するハフ変換手段と、該ハフ変換手段により生成さ
れたパラメータ図表から加算結果の数値が大きい座標を
適正な閾値との比較により抽出する座標抽出手段と、該
座標抽出手段により抽出されたパラメータ図表の座標の
個数を角度“θ”ごとに積算してヒストグラムを生成す
るヒストグラム生成手段と、該ヒストグラム生成手段に
より生成されたヒストグラムから座標の個数が最多の角
度“θ”を特定する傾斜検出手段と、を具備している。
【００２９】従って、本発明のデータ処理装置によるデ
ータ処理方法では、多値の濃度がデジタルで個々に設定
された多数の画素からなる画像データが画像入力手段に
外部入力されると、この外部入力された画像データの全
部の画素の濃度ｔの平均値Ｍが平均算出手段により算出
される。この算出された濃度の平均値との差分“｜ｔ−
Ｍ｜”が差分算出手段により重み係数として画像データ
の画素ごとに算出され、画像データの位置座標(ｘ，ｙ)
の画素ごとにハフ変換手段により実行されるハフ変換処
理において、ハフ曲線の重複ごとに対応する重み係数が
加算されることで、直線成分“ρ＝ｘcosθ＋ｙsinθ”
のｘ軸との角度“θ”および原点との距離“｜ρ｜”を
座標(θ，ρ)としたパラメータ図表が生成される。この
生成されたパラメータ図表から加算結果の数値が大きい
座標が座標抽出手段により適正な閾値との比較で抽出さ
れ、この抽出されたパラメータ図表の座標の個数がヒス
トグラム生成手段により角度“θ”ごとに積算されてヒ
ストグラムが生成される。この生成されたヒストグラム
から座標の個数が最多の角度“θ”が傾斜検出手段によ
り特定されるので、デジタルの画像データから直線成分
が認識されて傾斜の角度がデータ出力される。
ータ処理方法では、多値の濃度がデジタルで個々に設定
された多数の画素からなる画像データが画像入力手段に
外部入力されると、この外部入力された画像データの全
部の画素の濃度ｔの平均値Ｍが平均算出手段により算出
される。この算出された濃度の平均値との差分“｜ｔ−
Ｍ｜”が差分算出手段により重み係数として画像データ
の画素ごとに算出され、画像データの位置座標(ｘ，ｙ)
の画素ごとにハフ変換手段により実行されるハフ変換処
理において、ハフ曲線の重複ごとに対応する重み係数が
加算されることで、直線成分“ρ＝ｘcosθ＋ｙsinθ”
のｘ軸との角度“θ”および原点との距離“｜ρ｜”を
座標(θ，ρ)としたパラメータ図表が生成される。この
生成されたパラメータ図表から加算結果の数値が大きい
座標が座標抽出手段により適正な閾値との比較で抽出さ
れ、この抽出されたパラメータ図表の座標の個数がヒス
トグラム生成手段により角度“θ”ごとに積算されてヒ
ストグラムが生成される。この生成されたヒストグラム
から座標の個数が最多の角度“θ”が傾斜検出手段によ
り特定されるので、デジタルの画像データから直線成分
が認識されて傾斜の角度がデータ出力される。
【００３０】本発明の第九のデータ処理装置は、多値の
濃度がデジタルで個々に設定された多数の画素からなる
画像データが外部入力される画像入力手段と、該画像入
力手段に外部入力された画像データの全部の画素の濃度
ｔの平均値Ｍを算出する平均算出手段と、該平均算出手
段により算出された濃度の平均値との差分“｜ｔ−Ｍ
｜”を重み係数として画像データの画素ごとに算出する
差分算出手段と、画像データの位置座標(ｘ，ｙ)の画素
ごとにハフ変換処理を実行することで、直線成分“ρ＝
ｘcosθ＋ｙsinθ”のｘ軸との角度“θ”および原点と
の距離“｜ρ｜”を座標(θ，ρ)としたパラメータ図表
を、ハフ曲線の重複ごとに対応する重み係数を加算して
生成するハフ変換手段と、該ハフ変換手段により生成さ
れたパラメータ図表から加算結果の数値が大きい座標を
適正な閾値との比較により抽出する座標抽出手段と、該
座標抽出手段により抽出されたパラメータ図表の座標を
位置の近接に対応してグループ化するラベリング手段
と、該ラベリング手段により生成されたグループごとに
代表の座標を選出する代表選出手段と、該代表選出手段
により選出された多数の座標が集中している角度“θ”
を特定する傾斜検出手段と、を具備している。
濃度がデジタルで個々に設定された多数の画素からなる
画像データが外部入力される画像入力手段と、該画像入
力手段に外部入力された画像データの全部の画素の濃度
ｔの平均値Ｍを算出する平均算出手段と、該平均算出手
段により算出された濃度の平均値との差分“｜ｔ−Ｍ
｜”を重み係数として画像データの画素ごとに算出する
差分算出手段と、画像データの位置座標(ｘ，ｙ)の画素
ごとにハフ変換処理を実行することで、直線成分“ρ＝
ｘcosθ＋ｙsinθ”のｘ軸との角度“θ”および原点と
の距離“｜ρ｜”を座標(θ，ρ)としたパラメータ図表
を、ハフ曲線の重複ごとに対応する重み係数を加算して
生成するハフ変換手段と、該ハフ変換手段により生成さ
れたパラメータ図表から加算結果の数値が大きい座標を
適正な閾値との比較により抽出する座標抽出手段と、該
座標抽出手段により抽出されたパラメータ図表の座標を
位置の近接に対応してグループ化するラベリング手段
と、該ラベリング手段により生成されたグループごとに
代表の座標を選出する代表選出手段と、該代表選出手段
により選出された多数の座標が集中している角度“θ”
を特定する傾斜検出手段と、を具備している。
【００３１】従って、本発明のデータ処理装置によるデ
ータ処理方法では、多値の濃度がデジタルで個々に設定
された多数の画素からなる画像データが画像入力手段に
外部入力されると、この外部入力された画像データの全
部の画素の濃度ｔの平均値Ｍが平均算出手段により算出
される。この算出された濃度の平均値との差分“｜ｔ−
Ｍ｜”が差分算出手段により重み係数として画像データ
の画素ごとに算出され、画像データの位置座標(ｘ，ｙ)
の画素ごとにハフ変換手段により実行されるハフ変換処
理において、ハフ曲線の重複ごとに対応する重み係数が
加算されることで、直線成分“ρ＝ｘcosθ＋ｙsinθ”
のｘ軸との角度“θ”および原点との距離“｜ρ｜”を
座標(θ，ρ)としたパラメータ図表が生成される。この
生成されたパラメータ図表から加算結果の数値が大きい
座標が座標抽出手段により適正な閾値との比較で抽出さ
れ、この抽出されたパラメータ図表の座標がラベリング
手段により位置の近接に対応してグループ化される。こ
のように生成されたグループごとに代表の座標が代表選
出手段により選出され、この選出された多数の座標が集
中している角度“θ”が傾斜検出手段により特定される
ので、デジタルの画像データから直線成分が認識されて
傾斜の角度がデータ出力される。
ータ処理方法では、多値の濃度がデジタルで個々に設定
された多数の画素からなる画像データが画像入力手段に
外部入力されると、この外部入力された画像データの全
部の画素の濃度ｔの平均値Ｍが平均算出手段により算出
される。この算出された濃度の平均値との差分“｜ｔ−
Ｍ｜”が差分算出手段により重み係数として画像データ
の画素ごとに算出され、画像データの位置座標(ｘ，ｙ)
の画素ごとにハフ変換手段により実行されるハフ変換処
理において、ハフ曲線の重複ごとに対応する重み係数が
加算されることで、直線成分“ρ＝ｘcosθ＋ｙsinθ”
のｘ軸との角度“θ”および原点との距離“｜ρ｜”を
座標(θ，ρ)としたパラメータ図表が生成される。この
生成されたパラメータ図表から加算結果の数値が大きい
座標が座標抽出手段により適正な閾値との比較で抽出さ
れ、この抽出されたパラメータ図表の座標がラベリング
手段により位置の近接に対応してグループ化される。こ
のように生成されたグループごとに代表の座標が代表選
出手段により選出され、この選出された多数の座標が集
中している角度“θ”が傾斜検出手段により特定される
ので、デジタルの画像データから直線成分が認識されて
傾斜の角度がデータ出力される。
【００３２】なお、上述のようなデータ処理装置におい
て、前記平均算出手段により算出された平均値をＭ、画
素の濃度の標準偏差をΣとすると“ｔ＝Ｍ＋３Σ”なる
閾値ｔを算出して前記二値化処理手段に設定する閾値設
定手段を具備していることも可能である。この場合、閾
値設定手段により二値化処理手段に適正な閾値が設定さ
れるので、これで画像データの画素の濃度が適正に二値
化される。
て、前記平均算出手段により算出された平均値をＭ、画
素の濃度の標準偏差をΣとすると“ｔ＝Ｍ＋３Σ”なる
閾値ｔを算出して前記二値化処理手段に設定する閾値設
定手段を具備していることも可能である。この場合、閾
値設定手段により二値化処理手段に適正な閾値が設定さ
れるので、これで画像データの画素の濃度が適正に二値
化される。
【００３３】また、上述のようなデータ処理装置におい
て、パラメータ図表での全部の座標の数値の平均値をＭ
ｐ、座標の数値の標準偏差をΣとすると“Ｔｈ＝Ｍｐ＋
３Σ”なる閾値Ｔｈを算出して前記座標抽出手段に設定
する閾値設定手段を具備していることも可能である。こ
の場合、閾値設定手段により座標抽出手段に適正な閾値
が設定されるので、これでパラメータ図表から座標が適
正に抽出される。
て、パラメータ図表での全部の座標の数値の平均値をＭ
ｐ、座標の数値の標準偏差をΣとすると“Ｔｈ＝Ｍｐ＋
３Σ”なる閾値Ｔｈを算出して前記座標抽出手段に設定
する閾値設定手段を具備していることも可能である。こ
の場合、閾値設定手段により座標抽出手段に適正な閾値
が設定されるので、これでパラメータ図表から座標が適
正に抽出される。
【００３４】また、上述のようなデータ処理装置におい
て、多数の画像データが事前に蓄積されているデータベ
ース手段と、該データベース手段から画像データを読み
出して前記画像入力手段に供給するデータ読出手段と、
前記データベース手段から読み出された画像データを前
記傾斜検出手段の検出結果に対応して回転させる角度補
正手段とを、さらに具備していることも可能である。
て、多数の画像データが事前に蓄積されているデータベ
ース手段と、該データベース手段から画像データを読み
出して前記画像入力手段に供給するデータ読出手段と、
前記データベース手段から読み出された画像データを前
記傾斜検出手段の検出結果に対応して回転させる角度補
正手段とを、さらに具備していることも可能である。
【００３５】この場合、データベース手段に事前に蓄積
されている多数の画像データが、データ読出手段により
読み出されて画像入力手段に供給されてから、傾斜検出
手段の検出結果に対応して角度補正手段により回転され
るので、多数の画像データの傾斜が一様に補正される。
されている多数の画像データが、データ読出手段により
読み出されて画像入力手段に供給されてから、傾斜検出
手段の検出結果に対応して角度補正手段により回転され
るので、多数の画像データの傾斜が一様に補正される。
【００３６】また、上述のようなデータ処理装置におい
て、前記角度補正手段により回転された画像データを一
時保持する画像保持手段と、該画像保持手段に保持され
た複数の画像データを比較して類似の有無を判定する画
像比較手段とを、さらに具備していることも可能であ
る。
て、前記角度補正手段により回転された画像データを一
時保持する画像保持手段と、該画像保持手段に保持され
た複数の画像データを比較して類似の有無を判定する画
像比較手段とを、さらに具備していることも可能であ
る。
【００３７】この場合、角度補正手段により回転された
画像データが画像保持手段により一時保持され、この画
像保持手段に保持された複数の画像データが画像比較手
段により比較されて類似の有無が判定される。この類似
の有無を判定するために比較する複数の画像データは、
個々に傾斜が検出されて回転されているので、画像の方
向が整合している。
画像データが画像保持手段により一時保持され、この画
像保持手段に保持された複数の画像データが画像比較手
段により比較されて類似の有無が判定される。この類似
の有無を判定するために比較する複数の画像データは、
個々に傾斜が検出されて回転されているので、画像の方
向が整合している。
【００３８】なお、本発明で云う各種手段は、その機能
を実現するように形成されていれば良く、例えば、専用
のハードウェア、適正な機能がプログラムにより付与さ
れたコンピュータ、適正なプログラムによりコンピュー
タの内部に実現された機能、これらの組み合わせ、等を
許容する。
を実現するように形成されていれば良く、例えば、専用
のハードウェア、適正な機能がプログラムにより付与さ
れたコンピュータ、適正なプログラムによりコンピュー
タの内部に実現された機能、これらの組み合わせ、等を
許容する。
【００３９】例えば、画像入力手段とは、デジタルの画
像データの外部入力を受け付けるものであれば良く、信
号受信によるデータ入力を受け付ける通信インターフェ
イス、ＦＤ(Floppy Disc)から画像データを読み出すＦ
ＤＤ(FD Drive)、等を許容する。データベース手段は、
多数の画像データを読出自在に蓄積できるものであれば
良く、例えば、ＨＤＤ(Hard Disc Drive)やＭＯ(Magnet
ic Optical Disc)等の大容量の情報記憶媒体を許容す
る。
像データの外部入力を受け付けるものであれば良く、信
号受信によるデータ入力を受け付ける通信インターフェ
イス、ＦＤ(Floppy Disc)から画像データを読み出すＦ
ＤＤ(FD Drive)、等を許容する。データベース手段は、
多数の画像データを読出自在に蓄積できるものであれば
良く、例えば、ＨＤＤ(Hard Disc Drive)やＭＯ(Magnet
ic Optical Disc)等の大容量の情報記憶媒体を許容す
る。
【００４０】また、エッジ処理手段によるエッジ処理方
法としては、例えば、Sobel オペレータ、Roberts のエ
ッジ検出オペレータ、等が適用可能である。このような
画像データのエッジ処理方法は、“「画像解析ハンドブ
ック」(高木、下田監修、束京大学出版会)pp.550-564”
に詳述されている。また、ハフ変換手段によるハフ変換
の処理方法は、例えば、“「画像認識の基礎[II]」
(森、坂倉著、オーム社)pp.3-19”に詳述されている。
法としては、例えば、Sobel オペレータ、Roberts のエ
ッジ検出オペレータ、等が適用可能である。このような
画像データのエッジ処理方法は、“「画像解析ハンドブ
ック」(高木、下田監修、束京大学出版会)pp.550-564”
に詳述されている。また、ハフ変換手段によるハフ変換
の処理方法は、例えば、“「画像認識の基礎[II]」
(森、坂倉著、オーム社)pp.3-19”に詳述されている。
【００４１】また、本発明で云う情報記憶媒体とは、コ
ンピュータに各種処理を実行させるためのプログラムが
ソフトウェアとして事前に格納されたものであれば良
く、例えば、コンピュータを一部とする装置に固定され
ているＲＯＭ(Read Only Memory)やＨＤＤ、コンピュー
タを一部とする装置に着脱自在に装填されるＣＤ(Compa
ct Disc)−ＲＯＭやＦＤ、等を許容する。
ンピュータに各種処理を実行させるためのプログラムが
ソフトウェアとして事前に格納されたものであれば良
く、例えば、コンピュータを一部とする装置に固定され
ているＲＯＭ(Read Only Memory)やＨＤＤ、コンピュー
タを一部とする装置に着脱自在に装填されるＣＤ(Compa
ct Disc)−ＲＯＭやＦＤ、等を許容する。
【００４２】また、本発明で云うコンピュータとは、ソ
フトウェアからなるプログラムを読み取って対応する処
理動作を実行できる装置であれば良く、例えば、ＣＰＵ
(Central Processing Unit)を主体として、これにＲＯ
ＭやＲＡＭ(Random Access Memory)やＩ／Ｆ(Interfac
e)等の各種デバイスが必要により接続された装置などを
許容する。
フトウェアからなるプログラムを読み取って対応する処
理動作を実行できる装置であれば良く、例えば、ＣＰＵ
(Central Processing Unit)を主体として、これにＲＯ
ＭやＲＡＭ(Random Access Memory)やＩ／Ｆ(Interfac
e)等の各種デバイスが必要により接続された装置などを
許容する。
【００４３】
【発明の実施の形態】本発明の実施の第一の形態を図１
ないし図７を参照して以下に説明する。なお、図１は本
実施の形態のデータ処理装置の傾斜検出手段である傾斜
検出機能の論理的構造を示す模式図、図２はデータ処理
装置の全体的な論理的構造を示す模式図、図３は物理的
構造を示すブロック図、図４(ａ)は実際のＳＥＭ写真を
参考に撮像内容が明瞭となるように画像データを表記し
た模式図、同図(ｂ)はエッジ処理および二値化処理され
た画像データを示す模式図、図５は画像データにｘ／ｙ
軸を設定して直線成分を想定した状態を示す模式図、図
６は画像データの直線成分から生成されたパラメータ図
表を示す模式図、図７はパラメータ図表の座標を抽出し
た状態を示す模式図である。
ないし図７を参照して以下に説明する。なお、図１は本
実施の形態のデータ処理装置の傾斜検出手段である傾斜
検出機能の論理的構造を示す模式図、図２はデータ処理
装置の全体的な論理的構造を示す模式図、図３は物理的
構造を示すブロック図、図４(ａ)は実際のＳＥＭ写真を
参考に撮像内容が明瞭となるように画像データを表記し
た模式図、同図(ｂ)はエッジ処理および二値化処理され
た画像データを示す模式図、図５は画像データにｘ／ｙ
軸を設定して直線成分を想定した状態を示す模式図、図
６は画像データの直線成分から生成されたパラメータ図
表を示す模式図、図７はパラメータ図表の座標を抽出し
た状態を示す模式図である。
【００４４】本実施の形態のデータ処理装置１は、いわ
ゆるパーソナルコンピュータからなり、図３に示すよう
に、コンピュータの主体となるハードウェアとしてＣＰ
Ｕ１０１を具備している。
ゆるパーソナルコンピュータからなり、図３に示すよう
に、コンピュータの主体となるハードウェアとしてＣＰ
Ｕ１０１を具備している。
【００４５】このＣＰＵ１０１には、バスライン１０２
により、ＲＯＭ１０３、ＲＡＭ１０４、ＨＤＤ１０５、
ＦＤ１０６が装填されるＦＤＤ１０７、ＣＤ−ＲＯＭ１
０８が装填されるＣＤドライブ１０９、キーボード１１
０、マウス１１１、ディスプレイ１１２、通信Ｉ／Ｆ１
１３、等の各種デバイスが接続されている。
により、ＲＯＭ１０３、ＲＡＭ１０４、ＨＤＤ１０５、
ＦＤ１０６が装填されるＦＤＤ１０７、ＣＤ−ＲＯＭ１
０８が装填されるＣＤドライブ１０９、キーボード１１
０、マウス１１１、ディスプレイ１１２、通信Ｉ／Ｆ１
１３、等の各種デバイスが接続されている。
【００４６】本実施の形態のデータ処理装置１では、Ｒ
ＯＭ１０３、ＲＡＭ１０４、ＨＤＤ１０５、ＦＤ１０
６、ＣＤ−ＲＯＭ１０８等が情報記憶媒体に相当し、こ
れらにＣＰＵ１０１の各種動作に必要なプログラムやデ
ータがソフトウェアとして記憶されている。
ＯＭ１０３、ＲＡＭ１０４、ＨＤＤ１０５、ＦＤ１０
６、ＣＤ−ＲＯＭ１０８等が情報記憶媒体に相当し、こ
れらにＣＰＵ１０１の各種動作に必要なプログラムやデ
ータがソフトウェアとして記憶されている。
【００４７】例えば、ＣＰＵ１０１に各種の処理動作を
実行させる制御プログラムは、ＦＤ１０６やＣＤ−ＲＯ
Ｍ１０８に事前に格納されている。このようなソフトウ
ェアはＨＤＤ１０５に事前にインストールされており、
データ処理装置１の起動時にＲＡＭ１０４に複写されて
ＣＰＵ１０１に読み取られる。
実行させる制御プログラムは、ＦＤ１０６やＣＤ−ＲＯ
Ｍ１０８に事前に格納されている。このようなソフトウ
ェアはＨＤＤ１０５に事前にインストールされており、
データ処理装置１の起動時にＲＡＭ１０４に複写されて
ＣＰＵ１０１に読み取られる。
【００４８】このようにＣＰＵ１０１が適正なプログラ
ムを読み取って各種の処理動作を実行することにより、
本実施の形態のデータ処理装置１には、図２に示すよう
に、データベース手段であるデータベース機能１１、デ
ータ読出手段であるデータ読出機能１２、傾斜検出手段
である傾斜検出機能１３、角度補正手段である角度補正
機能１４、画像保持手段である画像保持機能１５、画像
比較手段である画像比較機能１６、等の各種機能が各種
手段として論理的に実現されている。
ムを読み取って各種の処理動作を実行することにより、
本実施の形態のデータ処理装置１には、図２に示すよう
に、データベース手段であるデータベース機能１１、デ
ータ読出手段であるデータ読出機能１２、傾斜検出手段
である傾斜検出機能１３、角度補正手段である角度補正
機能１４、画像保持手段である画像保持機能１５、画像
比較手段である画像比較機能１６、等の各種機能が各種
手段として論理的に実現されている。
【００４９】データベース機能１１は、ＨＤＤ１０５な
どの大容量の情報記憶媒体の所定の記憶エリアに構築さ
れており、多数の画像データがデジタル方式のデータフ
ァイルとして事前に蓄積されている。このような画像デ
ータは、縦横に配列された多数の画素のデジタルデータ
からなり、その画素データの各々には多値の濃度がデジ
タルで個々に設定されている。
どの大容量の情報記憶媒体の所定の記憶エリアに構築さ
れており、多数の画像データがデジタル方式のデータフ
ァイルとして事前に蓄積されている。このような画像デ
ータは、縦横に配列された多数の画素のデジタルデータ
からなり、その画素データの各々には多値の濃度がデジ
タルで個々に設定されている。
【００５０】例えば、データ処理装置１の通信Ｉ／Ｆ１
１３に別体のＳＥＭ（図示せず）が接続されており、こ
のＳＥＭで撮像された画像データが通信Ｉ／Ｆ１１３に
外部入力されてＣＰＵ１０１の処理動作によりＨＤＤ１
０５のデータベース機能１１に蓄積される。
１３に別体のＳＥＭ（図示せず）が接続されており、こ
のＳＥＭで撮像された画像データが通信Ｉ／Ｆ１１３に
外部入力されてＣＰＵ１０１の処理動作によりＨＤＤ１
０５のデータベース機能１１に蓄積される。
【００５１】データ読出手段１２は、ＲＡＭ１０４等に
設定された制御プログラムに対応してＣＰＵ１０１が所
定の処理動作を実行することにより、例えば、所定条件
に対応してデータベース機能１１から画像データを読み
出し、これを傾斜検出機能１３にデータ供給する。
設定された制御プログラムに対応してＣＰＵ１０１が所
定の処理動作を実行することにより、例えば、所定条件
に対応してデータベース機能１１から画像データを読み
出し、これを傾斜検出機能１３にデータ供給する。
【００５２】以下同様に、ＲＡＭ１０４等に設定された
制御プログラムに対応してＣＰＵ１０１が所定の処理動
作を実行することにより、傾斜検出機能１３は、画像デ
ータの記録画像の傾斜を検出して角度補正機能１４に提
供し、この角度補正機能１４は、データベース機能１１
から読み出された画像データを傾斜検出機能１３の検出
結果に対応して回転させる。
制御プログラムに対応してＣＰＵ１０１が所定の処理動
作を実行することにより、傾斜検出機能１３は、画像デ
ータの記録画像の傾斜を検出して角度補正機能１４に提
供し、この角度補正機能１４は、データベース機能１１
から読み出された画像データを傾斜検出機能１３の検出
結果に対応して回転させる。
【００５３】画像保持機能１５は、ＲＡＭ１０４等の情
報記憶媒体の所定の記憶エリアに相当し、角度補正機能
１４により回転された画像データを一時保持する。画像
比較機能１６は、ＲＡＭ１０４等に設定された制御プロ
グラムに対応してＣＰＵ１０１が所定の処理動作を実行
することにより、画像保持機能１５に保持された複数の
画像データを比較して類似の有無を判定する。
報記憶媒体の所定の記憶エリアに相当し、角度補正機能
１４により回転された画像データを一時保持する。画像
比較機能１６は、ＲＡＭ１０４等に設定された制御プロ
グラムに対応してＣＰＵ１０１が所定の処理動作を実行
することにより、画像保持機能１５に保持された複数の
画像データを比較して類似の有無を判定する。
【００５４】上述の傾斜検出機能１３は、図１に示すよ
うに、画像入力手段である画像入力機能２１、エッジ処
理手段であるエッジ処理機能２２、二値化処理手段であ
る二値化処理機能２３、ハフ変換手段であるハフ変換機
能２４、座標抽出手段である座標抽出機能２５、ラベリ
ング手段であるラベリング機能２６、代表選出手段であ
る代表選出機能２７、傾斜検出手段である傾斜検出機能
２８、等からなる。
うに、画像入力手段である画像入力機能２１、エッジ処
理手段であるエッジ処理機能２２、二値化処理手段であ
る二値化処理機能２３、ハフ変換手段であるハフ変換機
能２４、座標抽出手段である座標抽出機能２５、ラベリ
ング手段であるラベリング機能２６、代表選出手段であ
る代表選出機能２７、傾斜検出手段である傾斜検出機能
２８、等からなる。
【００５５】以下の各種機能も、ＲＡＭ１０４等に設定
された制御プログラムに対応してＣＰＵ１０１が所定の
処理動作を実行することで論理的に実現されており、画
像入力機能２１は、前述のデータ読出手段１２から外部
入力される画像データを受け付ける。
された制御プログラムに対応してＣＰＵ１０１が所定の
処理動作を実行することで論理的に実現されており、画
像入力機能２１は、前述のデータ読出手段１２から外部
入力される画像データを受け付ける。
【００５６】エッジ処理機能２２は、画像入力機能２１
に外部入力された画像データを“Roberts のエッジ検出
オペレータ”によりエッジ処理してエッジ部分の画素の
濃度を強調し、二値化処理機能２３は、エッジ処理機能
２２によりエッジ処理された画像データの各画素の濃度
を適正な閾値と比較して二値化する。
に外部入力された画像データを“Roberts のエッジ検出
オペレータ”によりエッジ処理してエッジ部分の画素の
濃度を強調し、二値化処理機能２３は、エッジ処理機能
２２によりエッジ処理された画像データの各画素の濃度
を適正な閾値と比較して二値化する。
【００５７】ハフ変換機能２４は、二値化処理機能２３
により二値化された画像データをハフ変換処理し、パラ
メータ空間に多数のハフ曲線を描画することでパラメー
タ図表を生成する。座標抽出機能２５は、ハフ変換機能
２４により生成されたパラメータ図表の全部の座標でハ
フ曲線の重複の回数を積算し、その数値を適正な閾値と
比較することでハフ曲線の重複が多数の座標を抽出す
る。
により二値化された画像データをハフ変換処理し、パラ
メータ空間に多数のハフ曲線を描画することでパラメー
タ図表を生成する。座標抽出機能２５は、ハフ変換機能
２４により生成されたパラメータ図表の全部の座標でハ
フ曲線の重複の回数を積算し、その数値を適正な閾値と
比較することでハフ曲線の重複が多数の座標を抽出す
る。
【００５８】ラベリング機能２６は、座標抽出機能２５
により抽出されたパラメータ図表の座標を位置の近接に
対応してグループ化し、代表選出機能２７は、ラベリン
グ機能２６により生成されたグループごとに代表の座標
を選出する。傾斜検出機能２８は、代表選出機能２７に
より選出された座標から画像データの傾斜を推定し、こ
の推定した画像データの傾斜を前述の角度補正機能１４
に提供する。
により抽出されたパラメータ図表の座標を位置の近接に
対応してグループ化し、代表選出機能２７は、ラベリン
グ機能２６により生成されたグループごとに代表の座標
を選出する。傾斜検出機能２８は、代表選出機能２７に
より選出された座標から画像データの傾斜を推定し、こ
の推定した画像データの傾斜を前述の角度補正機能１４
に提供する。
【００５９】上述のような各種機能１１〜１４，２１〜
２８は、必要によりＨＤＤ１０５等のハードウェアを利
用して実現されるが、その主体はＲＡＭ１０４等の情報
記憶媒体に格納されたソフトウェアに対応して、ハード
ウェアからなるコンピュータであるＣＰＵ１０１が動作
することにより実現されている。
２８は、必要によりＨＤＤ１０５等のハードウェアを利
用して実現されるが、その主体はＲＡＭ１０４等の情報
記憶媒体に格納されたソフトウェアに対応して、ハード
ウェアからなるコンピュータであるＣＰＵ１０１が動作
することにより実現されている。
【００６０】このようなソフトウェアは、例えば、外部
入力される画像データをＨＤＤ１０５に所定フォーマッ
トで格納してデータベース機能１１を構築すること、こ
のデータベース機能１１から画像データを読み出すこ
と、この読み出された画像データをエッジ処理してエッ
ジ部分の画素の濃度を強調すること、このエッジ処理さ
れた画像データの各画素の濃度を適正な閾値と比較して
二値化すること、この二値化された画像データをハフ変
換処理してパラメータ図表を生成すること、このパラメ
ータ図表からハフ曲線の重複が多数の座標を適正な閾値
との比較により抽出すること、この抽出されたパラメー
タ図表の座標を位置の近接に対応してグループ化するこ
と、このように生成されたグループごとに代表の座標を
選出すること、この選出された座標から画像データの傾
斜を推定すること、この推定された傾斜に対応してデー
タベース機能１１から読み出された画像データを回転さ
せること、この回転された画像データをＲＡＭ１０４等
で一時保持すること、この一時保持された複数の画像デ
ータを比較して類似の有無を判定すること、等の処理動
作をＣＰＵ１０１に実行させるための制御プログラムと
してＲＡＭ１０４等の情報記憶媒体に格納されている。
入力される画像データをＨＤＤ１０５に所定フォーマッ
トで格納してデータベース機能１１を構築すること、こ
のデータベース機能１１から画像データを読み出すこ
と、この読み出された画像データをエッジ処理してエッ
ジ部分の画素の濃度を強調すること、このエッジ処理さ
れた画像データの各画素の濃度を適正な閾値と比較して
二値化すること、この二値化された画像データをハフ変
換処理してパラメータ図表を生成すること、このパラメ
ータ図表からハフ曲線の重複が多数の座標を適正な閾値
との比較により抽出すること、この抽出されたパラメー
タ図表の座標を位置の近接に対応してグループ化するこ
と、このように生成されたグループごとに代表の座標を
選出すること、この選出された座標から画像データの傾
斜を推定すること、この推定された傾斜に対応してデー
タベース機能１１から読み出された画像データを回転さ
せること、この回転された画像データをＲＡＭ１０４等
で一時保持すること、この一時保持された複数の画像デ
ータを比較して類似の有無を判定すること、等の処理動
作をＣＰＵ１０１に実行させるための制御プログラムと
してＲＡＭ１０４等の情報記憶媒体に格納されている。
【００６１】上述のような構成において、本実施の形態
のデータ処理装置１では、図４(ａ)に示すように、製造
過程のプリント基板や半導体ウェハのＳＥＭ写真が画像
データとしてデータベース機能１１に蓄積されており、
例えば、所望の画像データと類似する画像データをデー
タベース機能１１から検索するようなことができる。
のデータ処理装置１では、図４(ａ)に示すように、製造
過程のプリント基板や半導体ウェハのＳＥＭ写真が画像
データとしてデータベース機能１１に蓄積されており、
例えば、所望の画像データと類似する画像データをデー
タベース機能１１から検索するようなことができる。
【００６２】その場合、本実施の形態のデータ処理装置
１では、同図に示すように、複数の画像データは撮像画
像が各々固有の角度に傾斜しているが、その傾斜が各々
補正されてから比較されるので、類似の有無が的確に判
定される。このようなデータ処理装置１のデータ処理方
法を以下に説明する。
１では、同図に示すように、複数の画像データは撮像画
像が各々固有の角度に傾斜しているが、その傾斜が各々
補正されてから比較されるので、類似の有無が的確に判
定される。このようなデータ処理装置１のデータ処理方
法を以下に説明する。
【００６３】まず、データベース機能１１に事前に蓄積
されている画像データがデータ読出機能１２により読み
出されて画像入力機能２１に供給されると、この画像デ
ータがエッジ処理機能２２によりエッジ処理されてエッ
ジ部分の画素の濃度が強調される。
されている画像データがデータ読出機能１２により読み
出されて画像入力機能２１に供給されると、この画像デ
ータがエッジ処理機能２２によりエッジ処理されてエッ
ジ部分の画素の濃度が強調される。
【００６４】図４(ｂ)に示すように、このエッジ処理さ
れた画像データの各画素の濃度が二値化処理機能２３に
より適正な閾値と比較されて二値化され、この二値化さ
れた画像データがハフ変換機能２４によりハフ変換処理
されてパラメータ図表が生成される。ここで、ハフ変換
処理により二値の画像データからパラメータ図表を生成
する処理動作を以下に簡単に説明する。
れた画像データの各画素の濃度が二値化処理機能２３に
より適正な閾値と比較されて二値化され、この二値化さ
れた画像データがハフ変換機能２４によりハフ変換処理
されてパラメータ図表が生成される。ここで、ハフ変換
処理により二値の画像データからパラメータ図表を生成
する処理動作を以下に簡単に説明する。
【００６５】まず、図５に示すように、画像データにｘ
／ｙ軸を設定すると、画像データに存在する任意の直線
は、ｘ軸との角度“θ”および原点との距離“｜ρ｜”
をパラメータ(θ，ρ)として“ρ＝ｘcosθ＋ｙsinθ
(０≦θ≦π)”のように表現される。そこで、画像デー
タの任意の画素Ｐiを想定すると、その座標(ｘi，ｙi)
を通過する全部の直線は“ρ＝ｘicosθ＋ｙisinθ”と
して表現される。
／ｙ軸を設定すると、画像データに存在する任意の直線
は、ｘ軸との角度“θ”および原点との距離“｜ρ｜”
をパラメータ(θ，ρ)として“ρ＝ｘcosθ＋ｙsinθ
(０≦θ≦π)”のように表現される。そこで、画像デー
タの任意の画素Ｐiを想定すると、その座標(ｘi，ｙi)
を通過する全部の直線は“ρ＝ｘicosθ＋ｙisinθ”と
して表現される。
【００６６】このように画像データの一点を通過する全
部の直線をパラメータ(θ，ρ)によって表現したとき、
図６に示すように、このパラメータ(θ，ρ)を座標とす
るハフ曲線を横／縦軸がθ／ρ軸のパラメータ空間に描
画すればパラメータ図表が生成される。
部の直線をパラメータ(θ，ρ)によって表現したとき、
図６に示すように、このパラメータ(θ，ρ)を座標とす
るハフ曲線を横／縦軸がθ／ρ軸のパラメータ空間に描
画すればパラメータ図表が生成される。
【００６７】例えば、図５に示すように、画像データの
直線ｌ上の一つの画素Ｐ0に着目したとき、これを通過
する全部の直線は“ρ＝ｘ0cosθ＋ｙ0sinθ”として表
現され、図６に示すように、これに対応したハフ曲線Ａ
がパラメータ空間に描画される。
直線ｌ上の一つの画素Ｐ0に着目したとき、これを通過
する全部の直線は“ρ＝ｘ0cosθ＋ｙ0sinθ”として表
現され、図６に示すように、これに対応したハフ曲線Ａ
がパラメータ空間に描画される。
【００６８】同様に、画像データの直線ｌ上の第二の画
素Ｐlを通過する全部の直線を想定すると、これに対応
するハフ曲線Ｂもパラメータ空間に描画される。このよ
うにパラメータ空間に描画された二つのハフ曲線Ａ，Ｂ
は一点で交差し、この交点(θ0，ρ0)が画像データでの
直線ｌを表現するパラメータとなる。
素Ｐlを通過する全部の直線を想定すると、これに対応
するハフ曲線Ｂもパラメータ空間に描画される。このよ
うにパラメータ空間に描画された二つのハフ曲線Ａ，Ｂ
は一点で交差し、この交点(θ0，ρ0)が画像データでの
直線ｌを表現するパラメータとなる。
【００６９】さらに、直線１上の第三の画素Ｐ2に対応
するハフ曲線Ｃを描画すると、パラメータ空間の一点
(θ0，ρ0)で三本のハフ曲線Ａ〜Ｃが交差する。すなわ
ち、画像データの一つの直線上の多数の画素に対してパ
ラメータ空間に多数のハフ曲線を描画すると、それらは
画像データの直線を表現するパラメータの座標(θ0，ρ
0)で直線上の画素の個数だけ重複する。
するハフ曲線Ｃを描画すると、パラメータ空間の一点
(θ0，ρ0)で三本のハフ曲線Ａ〜Ｃが交差する。すなわ
ち、画像データの一つの直線上の多数の画素に対してパ
ラメータ空間に多数のハフ曲線を描画すると、それらは
画像データの直線を表現するパラメータの座標(θ0，ρ
0)で直線上の画素の個数だけ重複する。
【００７０】そこで、前述のように二値化した画像デー
タの直線成分の候補の画素でパラメータ空間にハフ曲線
を描画すると、パラメータ空間の特定の座標で多数のハ
フ曲線が重複することになり、このように多数のハフ曲
線が重複する座標をパラメータとする直線が画像データ
に存在することが判明する。
タの直線成分の候補の画素でパラメータ空間にハフ曲線
を描画すると、パラメータ空間の特定の座標で多数のハ
フ曲線が重複することになり、このように多数のハフ曲
線が重複する座標をパラメータとする直線が画像データ
に存在することが判明する。
【００７１】実際にデジタル方式の画像データに上述の
手法を適用する場合には、パラメータ空間の特定の座標
でハフ曲線が重複するたび、その座標の数値を“１”だ
けインクリメントする。例えば、ハフ曲線が一つも通過
しない座標の数値はデフォルト値の“０”であり、三つ
のハフ曲線が通過する座標の数値は“３”となり、この
ような処理動作を画素の座標(ｘ，ｙ)に対応するハフ曲
線の投票とよぶ。
手法を適用する場合には、パラメータ空間の特定の座標
でハフ曲線が重複するたび、その座標の数値を“１”だ
けインクリメントする。例えば、ハフ曲線が一つも通過
しない座標の数値はデフォルト値の“０”であり、三つ
のハフ曲線が通過する座標の数値は“３”となり、この
ような処理動作を画素の座標(ｘ，ｙ)に対応するハフ曲
線の投票とよぶ。
【００７２】本実施の形態のデータ処理装置１では、上
述のようなハフ変換機能２４のハフ変換処理により二値
化された画像データからパラメータ図表が生成される
と、このパラメータ図表からハフ曲線の重複が多数の座
標が座標抽出機能２５により適正な閾値との比較で抽出
される。
述のようなハフ変換機能２４のハフ変換処理により二値
化された画像データからパラメータ図表が生成される
と、このパラメータ図表からハフ曲線の重複が多数の座
標が座標抽出機能２５により適正な閾値との比較で抽出
される。
【００７３】つまり、前述のようにパラメータ図表では
ハフ曲線が通過するごとに座標の数値が積算されるの
で、パラメータ図表の全部の座標で数値を適正な閾値と
比較すれば、図７に示すように、ノイズ成分もフィルタ
リングされてハフ曲線の重複が多数の座標が抽出される
ことになる。
ハフ曲線が通過するごとに座標の数値が積算されるの
で、パラメータ図表の全部の座標で数値を適正な閾値と
比較すれば、図７に示すように、ノイズ成分もフィルタ
リングされてハフ曲線の重複が多数の座標が抽出される
ことになる。
【００７４】このようにパラメータ図表から複数の座標
が抽出されると、これらの座標がラベリング機能２６の
ラベリング処理により位置の近接に対応してグループ化
されるので、これで位置が近接した複数の座標が一つの
グループに統合されることになる。
が抽出されると、これらの座標がラベリング機能２６の
ラベリング処理により位置の近接に対応してグループ化
されるので、これで位置が近接した複数の座標が一つの
グループに統合されることになる。
【００７５】つまり、本来は画像データの一つの直線に
対応した複数のハフ曲線はパラメータ空間の一つの座標
を通過するが、実際には各種の誤差などのために多少は
分散した複数の座標を通過することになるので、このよ
うに分散された座標をラベリング処理により一つのグル
ープに統合させる。
対応した複数のハフ曲線はパラメータ空間の一つの座標
を通過するが、実際には各種の誤差などのために多少は
分散した複数の座標を通過することになるので、このよ
うに分散された座標をラベリング処理により一つのグル
ープに統合させる。
【００７６】このラベリング処理では、例えば、パラメ
ータ空間を順次走査して抽出されている複数の座標の相
対距離を検出し、この相対距離が適正な閾値の距離より
以下の複数の座標を一つのグループとし、そこに“Ａ，
Ｂ，…”などのラベルを付与する。
ータ空間を順次走査して抽出されている複数の座標の相
対距離を検出し、この相対距離が適正な閾値の距離より
以下の複数の座標を一つのグループとし、そこに“Ａ，
Ｂ，…”などのラベルを付与する。
【００７７】上述のようにパラメータ図表でグループが
生成されると、そのグループごとに代表選出機能２７に
より代表の座標が選出される。パラメータ空間でのグル
ープから代表の座標を選出する手法としては、例えば、
そのグループの全部の座標の重心(座標θ／ρの各々の
平均値)を算出すること、そのグループでの数値が最大
の座標を選出すること、等が可能である。
生成されると、そのグループごとに代表選出機能２７に
より代表の座標が選出される。パラメータ空間でのグル
ープから代表の座標を選出する手法としては、例えば、
そのグループの全部の座標の重心(座標θ／ρの各々の
平均値)を算出すること、そのグループでの数値が最大
の座標を選出すること、等が可能である。
【００７８】上述のようにパラメータ図表のグループご
とに代表の座標が選出されると、その座標から画像デー
タでの直線成分の傾斜が傾斜検出機能２８により推定さ
れる。例えば、画像データに複数の直線が存在する場
合、その各々がパラメータ図表での複数のグループに個
々に対応するが、複数の直線の方向が同一ならば複数の
グループの角度のパラメータ“θ”は一つとなる。
とに代表の座標が選出されると、その座標から画像デー
タでの直線成分の傾斜が傾斜検出機能２８により推定さ
れる。例えば、画像データに複数の直線が存在する場
合、その各々がパラメータ図表での複数のグループに個
々に対応するが、複数の直線の方向が同一ならば複数の
グループの角度のパラメータ“θ”は一つとなる。
【００７９】そこで、パラメータ図表の座標から画像デ
ータの傾斜を推定する手法としては、例えば、請求項１
記載の発明のように、選出された座標の角度のパラメー
タ“θ”を単純にデータ出力すれば良い。ただし、選出
された座標の角度のパラメータ“θ”が複数の場合に
は、請求項３記載の発明のように、前述された座標の多
数が集中している角度“θ”を特定することが好まし
い。
ータの傾斜を推定する手法としては、例えば、請求項１
記載の発明のように、選出された座標の角度のパラメー
タ“θ”を単純にデータ出力すれば良い。ただし、選出
された座標の角度のパラメータ“θ”が複数の場合に
は、請求項３記載の発明のように、前述された座標の多
数が集中している角度“θ”を特定することが好まし
い。
【００８０】本実施の形態のデータ処理装置１の傾斜検
出機能１３は、上述のように画像データの傾斜を推定し
て角度をデータ出力することができ、例えば、図４(ａ)
に例示した画像データの場合は図７に例示するパラメー
タ図表から“３０度”なる角度がデータ出力される。
出機能１３は、上述のように画像データの傾斜を推定し
て角度をデータ出力することができ、例えば、図４(ａ)
に例示した画像データの場合は図７に例示するパラメー
タ図表から“３０度”なる角度がデータ出力される。
【００８１】さらに、本実施の形態のデータ処理装置１
では、上述のように傾斜検出機能１３により画像データ
の傾斜の角度が検出されると、この角度だけ角度補正機
能１４により画像データが回転されて角度保持機能１５
により一時保持され、このように一時保持された画像デ
ータが画素比較機能１６により比較されて類似の有無が
判定される。
では、上述のように傾斜検出機能１３により画像データ
の傾斜の角度が検出されると、この角度だけ角度補正機
能１４により画像データが回転されて角度保持機能１５
により一時保持され、このように一時保持された画像デ
ータが画素比較機能１６により比較されて類似の有無が
判定される。
【００８２】つまり、本実施の形態のデータ処理装置１
では、上述のように画像データの傾斜を推定することが
でき、このように推定した傾斜の角度だけ画像データを
回転させることもでき、このように傾斜が補正された複
数の画像データの類似を判定することもできる。
では、上述のように画像データの傾斜を推定することが
でき、このように推定した傾斜の角度だけ画像データを
回転させることもでき、このように傾斜が補正された複
数の画像データの類似を判定することもできる。
【００８３】従って、本実施の形態のデータ処理装置１
では、データベース機能１１に蓄積されている多数の画
像データを類似に対応して分類することや、所望の画像
データと類似する画像データをデータベース機能１１か
ら検索するようなことができる。
では、データベース機能１１に蓄積されている多数の画
像データを類似に対応して分類することや、所望の画像
データと類似する画像データをデータベース機能１１か
ら検索するようなことができる。
【００８４】なお、このような検索作業を実行する場合
には、所望の画像データを画像入力機能２１に外部入力
して傾斜検出機能１３により角度を補正させてから画像
保持機能１５に保持させ、データ読出機能１２によりデ
ータベース機能１１から多数の画像データを順次読み出
させて画像比較機能１６に比較させれば良い。
には、所望の画像データを画像入力機能２１に外部入力
して傾斜検出機能１３により角度を補正させてから画像
保持機能１５に保持させ、データ読出機能１２によりデ
ータベース機能１１から多数の画像データを順次読み出
させて画像比較機能１６に比較させれば良い。
【００８５】なお、本発明は上記形態に限定されるもの
ではなく、その要旨を逸脱しない範囲で各種の変形を許
容する。例えば、上記形態では複数の画像データの傾斜
を一様に補正してから比較することを例示したが、検索
条件となる一つの基準の画像データの傾斜の角度を検出
してから、比較対象の画像データの傾斜の角度を検出
し、この角度を基準の角度に対応させるように比較対象
の画像データのみ回転させるようなことも可能である。
ではなく、その要旨を逸脱しない範囲で各種の変形を許
容する。例えば、上記形態では複数の画像データの傾斜
を一様に補正してから比較することを例示したが、検索
条件となる一つの基準の画像データの傾斜の角度を検出
してから、比較対象の画像データの傾斜の角度を検出
し、この角度を基準の角度に対応させるように比較対象
の画像データのみ回転させるようなことも可能である。
【００８６】また、上記形態では画像データとして製造
過程の半導体ウェハのＳＥＭ写真を利用することを例示
したが、本発明は複数の直線が同一方向に連続する各種
の画像データに適用することができる。例えば、京都の
ように道路の方向に規則性のある市街地の航空写真を画
像データとして利用した場合、その画像データでの道路
の方角を判定することや、道路の方角から撮像時の方向
を判定するようなことができる。
過程の半導体ウェハのＳＥＭ写真を利用することを例示
したが、本発明は複数の直線が同一方向に連続する各種
の画像データに適用することができる。例えば、京都の
ように道路の方向に規則性のある市街地の航空写真を画
像データとして利用した場合、その画像データでの道路
の方角を判定することや、道路の方角から撮像時の方向
を判定するようなことができる。
【００８７】さらに、上記形態ではＲＡＭ１０４等にソ
フトウェアとして格納されている制御プログラムに従っ
てＣＰＵ１０１が動作することにより、データ処理装置
１の各種手段が論理的に実現されることを例示した。し
かし、このような各種手段の各々を固有のハードウェア
として形成することも可能であり、一部をソフトウェア
としてＲＡＭ１０４等に格納するとともに一部をハード
ウェアとして形成することも可能である。
フトウェアとして格納されている制御プログラムに従っ
てＣＰＵ１０１が動作することにより、データ処理装置
１の各種手段が論理的に実現されることを例示した。し
かし、このような各種手段の各々を固有のハードウェア
として形成することも可能であり、一部をソフトウェア
としてＲＡＭ１０４等に格納するとともに一部をハード
ウェアとして形成することも可能である。
【００８８】また、上記形態ではＣＤ−ＲＯＭ１０８等
からＨＤＤ１０５に事前にインストールされているソフ
トウェアがデータ処理装置１の起動時にＲＡＭ１０４に
複写され、このようにＲＡＭ１０４に格納されたソフト
ウェアをＣＰＵ１０１が読み取ることを想定したが、こ
のようなソフトウェアをＨＤＤ１０５に格納したままＣ
ＰＵ１０１に利用させることや、ＲＯＭ１０３に事前に
固定的に格納しておくことも可能である。
からＨＤＤ１０５に事前にインストールされているソフ
トウェアがデータ処理装置１の起動時にＲＡＭ１０４に
複写され、このようにＲＡＭ１０４に格納されたソフト
ウェアをＣＰＵ１０１が読み取ることを想定したが、こ
のようなソフトウェアをＨＤＤ１０５に格納したままＣ
ＰＵ１０１に利用させることや、ＲＯＭ１０３に事前に
固定的に格納しておくことも可能である。
【００８９】さらに、単体で取り扱える情報記憶媒体で
あるＦＤ１０６やＣＤ−ＲＯＭ１０８にソフトウェアを
格納しておき、このＦＤ１０６等からＨＤＤ１０５やＲ
ＡＭ１０４にソフトウェアをインストールすることも可
能であるが、このようなインストールを実行することな
くＦＤ１０６等からＣＰＵ１０１がソフトウェアを直接
に読み取って処理動作を実行することも可能である。
あるＦＤ１０６やＣＤ−ＲＯＭ１０８にソフトウェアを
格納しておき、このＦＤ１０６等からＨＤＤ１０５やＲ
ＡＭ１０４にソフトウェアをインストールすることも可
能であるが、このようなインストールを実行することな
くＦＤ１０６等からＣＰＵ１０１がソフトウェアを直接
に読み取って処理動作を実行することも可能である。
【００９０】つまり、本発明のデータ処理装置１の各種
手段をソフトウェアにより実現する場合、そのソフトウ
ェアはＣＰＵ１０１が読み取って対応する動作を実行で
きる状態に有れば良い。また、上述のような各種手段を
実現する制御プログラムを、複数のソフトウェアの組み
合わせで形成することも可能であり、その場合、単体の
製品となる情報記憶媒体には、本発明のデータ処理装置
１を実現するための必要最小限のソフトウェアのみを格
納しておけば良い。
手段をソフトウェアにより実現する場合、そのソフトウ
ェアはＣＰＵ１０１が読み取って対応する動作を実行で
きる状態に有れば良い。また、上述のような各種手段を
実現する制御プログラムを、複数のソフトウェアの組み
合わせで形成することも可能であり、その場合、単体の
製品となる情報記憶媒体には、本発明のデータ処理装置
１を実現するための必要最小限のソフトウェアのみを格
納しておけば良い。
【００９１】例えば、既存のオペレーティングシステム
が実装されているデータ処理装置１に、ＣＤ−ＲＯＭ１
０８等の情報記憶媒体によりアプリケーションソフトを
提供するような場合、本発明のデータ処理装置１の各種
手段を実現するソフトウェアは、アプリケーションソフ
トとオペレーティングシステムとの組み合わせで実現さ
れるので、オペレーティングシステムに依存する部分の
ソフトウェアは情報記憶媒体のアプリケーションソフト
から省略することができる。
が実装されているデータ処理装置１に、ＣＤ−ＲＯＭ１
０８等の情報記憶媒体によりアプリケーションソフトを
提供するような場合、本発明のデータ処理装置１の各種
手段を実現するソフトウェアは、アプリケーションソフ
トとオペレーティングシステムとの組み合わせで実現さ
れるので、オペレーティングシステムに依存する部分の
ソフトウェアは情報記憶媒体のアプリケーションソフト
から省略することができる。
【００９２】また、このように情報記憶媒体に記述した
ソフトウェアをＣＰＵ１０１に供給する手法は、その情
報記憶媒体をデータ処理装置１に直接に装填することに
限定されない。例えば、上述のようなソフトウェアをホ
ストコンピュータの情報記憶媒体に格納しておき、この
ホストコンピュータを通信ネットワークで端末コンピュ
ータに接続し、ホストコンピュータから端末コンピュー
タにデータ通信でソフトウェアを供給することも可能で
ある。
ソフトウェアをＣＰＵ１０１に供給する手法は、その情
報記憶媒体をデータ処理装置１に直接に装填することに
限定されない。例えば、上述のようなソフトウェアをホ
ストコンピュータの情報記憶媒体に格納しておき、この
ホストコンピュータを通信ネットワークで端末コンピュ
ータに接続し、ホストコンピュータから端末コンピュー
タにデータ通信でソフトウェアを供給することも可能で
ある。
【００９３】上述のような場合、端末コンピュータが自
信の情報記憶媒体にソフトウェアをダウンロードした状
態でスタンドアロンの処理動作を実行することも可能で
あるが、ソフトウェアをダウンロードすることなくホス
トコンピュータとのリアルタイムのデータ通信により処
理動作を実行することも可能である。この場合、ホスト
コンピュータと端末コンピュータとを通信ネットワーク
で接続したシステム全体が、本発明のデータ処理装置１
に相当することになる。
信の情報記憶媒体にソフトウェアをダウンロードした状
態でスタンドアロンの処理動作を実行することも可能で
あるが、ソフトウェアをダウンロードすることなくホス
トコンピュータとのリアルタイムのデータ通信により処
理動作を実行することも可能である。この場合、ホスト
コンピュータと端末コンピュータとを通信ネットワーク
で接続したシステム全体が、本発明のデータ処理装置１
に相当することになる。
【００９４】つぎに、本発明の実施の第二の形態を図８
および図９を参照して以下に説明する。ただし、この実
施の第二の形態に関して上述した実施の第一の形態と同
一の部分は、同一の名称および符号を使用して詳細な説
明は省略する。図８は本実施の形態のデータ処理装置の
傾斜検出手段である傾斜検出機能の論理的構造を示す模
式図、図９はヒストグラムを示す模式図である。
および図９を参照して以下に説明する。ただし、この実
施の第二の形態に関して上述した実施の第一の形態と同
一の部分は、同一の名称および符号を使用して詳細な説
明は省略する。図８は本実施の形態のデータ処理装置の
傾斜検出手段である傾斜検出機能の論理的構造を示す模
式図、図９はヒストグラムを示す模式図である。
【００９５】本実施の形態のデータ処理装置３１も、ハ
ードウェアの物理的構造は前述のデータ処理装置１と同
一であり、図８に示すように、ソフトウェアの記述内容
に依存する論理的構造のみ相違している。
ードウェアの物理的構造は前述のデータ処理装置１と同
一であり、図８に示すように、ソフトウェアの記述内容
に依存する論理的構造のみ相違している。
【００９６】つまり、本実施の形態のデータ処理装置３
１は、前述したデータ処理装置１と同様に各種手段とし
て各種機能２１〜２５を具備しているが、前述したデー
タ処理装置１とは相違して、ラベリング機能２６や代表
選出機能２７は具備することなくヒストグラム生成手段
であるヒストグラム生成機能３２を具備しており、傾斜
検出手段である傾斜検出機能３３の動作内容が一部相違
している。
１は、前述したデータ処理装置１と同様に各種手段とし
て各種機能２１〜２５を具備しているが、前述したデー
タ処理装置１とは相違して、ラベリング機能２６や代表
選出機能２７は具備することなくヒストグラム生成手段
であるヒストグラム生成機能３２を具備しており、傾斜
検出手段である傾斜検出機能３３の動作内容が一部相違
している。
【００９７】ヒストグラム生成機能３２は、図９に示す
ように、座標抽出機能２５により抽出されたパラメータ
図表の座標の個数を角度“θ”ごとに積算してヒストグ
ラムを生成し、傾斜検出機能３３は、ヒストグラム生成
機能３２により生成されたヒストグラムから座標の個数
が最多の角度“θ”を特定する。
ように、座標抽出機能２５により抽出されたパラメータ
図表の座標の個数を角度“θ”ごとに積算してヒストグ
ラムを生成し、傾斜検出機能３３は、ヒストグラム生成
機能３２により生成されたヒストグラムから座標の個数
が最多の角度“θ”を特定する。
【００９８】上述のような構成において、本実施の形態
のデータ処理装置３１によるデータ処理方法でも、前述
したデータ処理装置１と同様に、画像データの傾斜の角
度“θ”をデータ出力することができるので、この傾斜
の角度だけ画像データを回転させることや、このように
傾斜が補正された複数の画像データの類似を判定するこ
ともできる。
のデータ処理装置３１によるデータ処理方法でも、前述
したデータ処理装置１と同様に、画像データの傾斜の角
度“θ”をデータ出力することができるので、この傾斜
の角度だけ画像データを回転させることや、このように
傾斜が補正された複数の画像データの類似を判定するこ
ともできる。
【００９９】ただし、本実施の形態のデータ処理装置３
１では、前述したデータ処理装置１とは相違してラベリ
ングや代表選出などの処理は実行せず、ヒストグラム生
成機能３２によりパラメータ図表の座標の個数を角度
“θ”ごとに積算してヒストグラムを生成し、このヒス
トグラムから傾斜検出機能３３により座標の個数が最多
の角度“θ”を特定する。
１では、前述したデータ処理装置１とは相違してラベリ
ングや代表選出などの処理は実行せず、ヒストグラム生
成機能３２によりパラメータ図表の座標の個数を角度
“θ”ごとに積算してヒストグラムを生成し、このヒス
トグラムから傾斜検出機能３３により座標の個数が最多
の角度“θ”を特定する。
【０１００】つまり、本実施の形態のデータ処理装置３
１は、前述のデータ処理装置１と同様な機能を相違する
手法により出現している。このような手法には相互に一
長一短が存在するので、実際の装置の仕様や画像データ
の特徴などの各種条件を考慮して選択することが好まし
い。
１は、前述のデータ処理装置１と同様な機能を相違する
手法により出現している。このような手法には相互に一
長一短が存在するので、実際の装置の仕様や画像データ
の特徴などの各種条件を考慮して選択することが好まし
い。
【０１０１】つぎに、本発明の実施の第三の形態を図１
０および図１１を参照して以下に説明する。ただし、こ
の実施の第三の形態に関して前述した実施の第一の形態
と同一の部分は、同一の名称および符号を使用して詳細
な説明は省略する。図１０は本実施の形態のデータ処理
装置の傾斜検出手段である傾斜検出機能の論理的構造を
示す模式図、図１１は二値化された画像データを示す模
式図である。
０および図１１を参照して以下に説明する。ただし、こ
の実施の第三の形態に関して前述した実施の第一の形態
と同一の部分は、同一の名称および符号を使用して詳細
な説明は省略する。図１０は本実施の形態のデータ処理
装置の傾斜検出手段である傾斜検出機能の論理的構造を
示す模式図、図１１は二値化された画像データを示す模
式図である。
【０１０２】本実施の形態のデータ処理装置４１は、図
１０に示すように、エッジ処理機能２２は具備しておら
ず、平均算出手段である平均算出機能４２、差分算出手
段である差分算出機能４３、閾値設定手段である閾値設
定機能４４、を具備しており、二値化処理機能４５の設
定内容が一部相違している。
１０に示すように、エッジ処理機能２２は具備しておら
ず、平均算出手段である平均算出機能４２、差分算出手
段である差分算出機能４３、閾値設定手段である閾値設
定機能４４、を具備しており、二値化処理機能４５の設
定内容が一部相違している。
【０１０３】平均算出機能４２は、画像入力機能２１に
外部入力された画像データの全部の画素の濃度の平均値
を算出し、差分算出機能４３は、平均算出機能４２によ
り算出された濃度の平均値との差分を画像データの画素
ごとに算出して二値化処理機能４５に供給する。
外部入力された画像データの全部の画素の濃度の平均値
を算出し、差分算出機能４３は、平均算出機能４２によ
り算出された濃度の平均値との差分を画像データの画素
ごとに算出して二値化処理機能４５に供給する。
【０１０４】閾値設定機能４４は、画素の濃度の平均値
Ｍと画素ごとの濃度の差分とで標準偏差Σを算出し、
“ｔ＝Ｍ＋３Σ”なる閾値ｔを算出して二値化処理機能
４５に設定する。そこで、この二値化処理機能４５は、
差分算出機能４３により画素ごとに算出される濃度の平
均値との差分を閾値設定機能４４により設定された閾値
ｔと比較し、図１１に示すように、画像データを二値化
する。
Ｍと画素ごとの濃度の差分とで標準偏差Σを算出し、
“ｔ＝Ｍ＋３Σ”なる閾値ｔを算出して二値化処理機能
４５に設定する。そこで、この二値化処理機能４５は、
差分算出機能４３により画素ごとに算出される濃度の平
均値との差分を閾値設定機能４４により設定された閾値
ｔと比較し、図１１に示すように、画像データを二値化
する。
【０１０５】上述のような構成において、本実施の形態
のデータ処理装置４１も、前述のデータ処理装置１と同
様な機能を相違する手法により出現している。つまり、
前述したデータ処理装置１とは相違して画像データのエ
ッジ処理は実行せず、平均算出手段４２により画像デー
タの全部の画素の濃度の平均値を算出し、この平均値と
の差分を差分算出機能４３により画像データの画素ごと
に算出する。
のデータ処理装置４１も、前述のデータ処理装置１と同
様な機能を相違する手法により出現している。つまり、
前述したデータ処理装置１とは相違して画像データのエ
ッジ処理は実行せず、平均算出手段４２により画像デー
タの全部の画素の濃度の平均値を算出し、この平均値と
の差分を差分算出機能４３により画像データの画素ごと
に算出する。
【０１０６】上述のように算出された画素の濃度の平均
値Ｍと画素ごとの濃度の差分とから、閾値設定機能４４
により標準偏差Σが算出されて“ｔ＝Ｍ＋３Σ”なる閾
値ｔが算出され、これが二値化処理機能４５に設定され
るので、この二値化処理機能４５は、画素の濃度の平均
値との差分を設定された閾値ｔと比較して画像データを
二値化する。
値Ｍと画素ごとの濃度の差分とから、閾値設定機能４４
により標準偏差Σが算出されて“ｔ＝Ｍ＋３Σ”なる閾
値ｔが算出され、これが二値化処理機能４５に設定され
るので、この二値化処理機能４５は、画素の濃度の平均
値との差分を設定された閾値ｔと比較して画像データを
二値化する。
【０１０７】このように二値化された画像データがハフ
変換処理されてパラメータ図表が生成され、ハフ曲線の
重複が多数の座標の抽出、座標のラベリング処理による
グループ化、グループごとの代表の座標の選出、画像デ
ータの傾斜の推定、が順番に実行される。
変換処理されてパラメータ図表が生成され、ハフ曲線の
重複が多数の座標の抽出、座標のラベリング処理による
グループ化、グループごとの代表の座標の選出、画像デ
ータの傾斜の推定、が順番に実行される。
【０１０８】つぎに、本発明の実施の第五の形態を図１
２を参照して以下に説明する。ただし、この実施の第四
の形態に関して上述した実施の第三の形態と同一の部分
は、同一の名称および符号を使用して詳細な説明は省略
する。同図は本実施の形態のデータ処理装置の傾斜検出
手段である傾斜検出機能の論理的構造を示す模式図であ
る。
２を参照して以下に説明する。ただし、この実施の第四
の形態に関して上述した実施の第三の形態と同一の部分
は、同一の名称および符号を使用して詳細な説明は省略
する。同図は本実施の形態のデータ処理装置の傾斜検出
手段である傾斜検出機能の論理的構造を示す模式図であ
る。
【０１０９】本実施の形態のデータ処理装置５１も、平
均算出機能４２と差分算出機能４３とを具備している
が、ハフ変換手段であるハフ変換機能５２と座標抽出手
段である座標抽出機能５３との設定内容が一部相違して
いる。そこで、差分算出機能４３とハフ変換機能５２と
に介在する二値化処理機能４５は具備しておらず、閾値
設定機能５４はハフ変換機能５２と座標抽出機能５３と
に論理的にリンクされている。
均算出機能４２と差分算出機能４３とを具備している
が、ハフ変換手段であるハフ変換機能５２と座標抽出手
段である座標抽出機能５３との設定内容が一部相違して
いる。そこで、差分算出機能４３とハフ変換機能５２と
に介在する二値化処理機能４５は具備しておらず、閾値
設定機能５４はハフ変換機能５２と座標抽出機能５３と
に論理的にリンクされている。
【０１１０】平均算出機能４２は、画像データの全部の
画素の濃度ｔの平均値Ｍを算出し、差分算出機能４３
は、画像データの画素ごとに濃度の平均値Ｍとの差分
“｜ｔ−Ｍ｜”を重み係数として算出する。
画素の濃度ｔの平均値Ｍを算出し、差分算出機能４３
は、画像データの画素ごとに濃度の平均値Ｍとの差分
“｜ｔ−Ｍ｜”を重み係数として算出する。
【０１１１】ハフ変換機能５２は、二値化されていない
画像データの画素ごとにハフ変換処理を実行し、このハ
フ変換処理ではハフ曲線の重複ごとに対応する重み係数
を加算する。つまり、前述のように本来のハフ変換処理
ではハフ曲線が重複するごとに座標の数値を“１”だけ
積算するが(ハフ曲線の投票)、ここではハフ曲線が重複
するごとに対応する重み係数“｜ｔ−Ｍ｜”を加算す
る。
画像データの画素ごとにハフ変換処理を実行し、このハ
フ変換処理ではハフ曲線の重複ごとに対応する重み係数
を加算する。つまり、前述のように本来のハフ変換処理
ではハフ曲線が重複するごとに座標の数値を“１”だけ
積算するが(ハフ曲線の投票)、ここではハフ曲線が重複
するごとに対応する重み係数“｜ｔ−Ｍ｜”を加算す
る。
【０１１２】座標抽出機能５３は、ハフ変換機能５２に
より生成されたパラメータ図表から加算結果の数値が大
きい座標を適正な閾値との比較により抽出するが、この
閾値は閾値設定手段５４により設定される。この閾値設
定手段５４は、パラメータ図表での全部の座標の数値の
平均値Ｍｐと座標の数値の標準偏差Σとを算出し、“Ｔ
ｈ＝Ｍｐ＋３Σ”なる閾値Ｔｈを座標抽出機能５３に設
定する。
より生成されたパラメータ図表から加算結果の数値が大
きい座標を適正な閾値との比較により抽出するが、この
閾値は閾値設定手段５４により設定される。この閾値設
定手段５４は、パラメータ図表での全部の座標の数値の
平均値Ｍｐと座標の数値の標準偏差Σとを算出し、“Ｔ
ｈ＝Ｍｐ＋３Σ”なる閾値Ｔｈを座標抽出機能５３に設
定する。
【０１１３】上述のような構成において、本実施の形態
のデータ処理装置５１では、画像データを二値化するこ
となく傾斜を検出する。つまり、画像データの全部の画
素の濃度ｔの平均値Ｍが平均算出機能４２により算出さ
れ、画像データの画素ごとに濃度の平均値Ｍとの差分
“｜ｔ−Ｍ｜”が差分算出機能４３により重み係数とし
て算出される。
のデータ処理装置５１では、画像データを二値化するこ
となく傾斜を検出する。つまり、画像データの全部の画
素の濃度ｔの平均値Ｍが平均算出機能４２により算出さ
れ、画像データの画素ごとに濃度の平均値Ｍとの差分
“｜ｔ−Ｍ｜”が差分算出機能４３により重み係数とし
て算出される。
【０１１４】そこで、ハフ変換機能５２により画像デー
タの画素ごとに実行されるハフ変換処理では、ハフ曲線
の重複ごとに対応する重み係数“｜ｔ−Ｍ｜”が加算さ
れてパラメータ図表が生成され、このパラメータ図表か
ら加算結果の数値が大きい座標が座標抽出機能５３によ
り抽出される。
タの画素ごとに実行されるハフ変換処理では、ハフ曲線
の重複ごとに対応する重み係数“｜ｔ−Ｍ｜”が加算さ
れてパラメータ図表が生成され、このパラメータ図表か
ら加算結果の数値が大きい座標が座標抽出機能５３によ
り抽出される。
【０１１５】上述のように画素の濃度を利用して重み係
数を生成することにより、画像データを二値化すること
なくパラメータ図表を生成して座標を抽出することがで
きる。なお、この座標の抽出の閾値Ｔｈは、閾値設定手
段５４によりパラメータ図表での全部の座標の数値の平
均値Ｍｐと座標の数値の標準偏差Σとから“Ｔｈ＝Ｍｐ
＋３Σ”として設定されるので、画像データの直線成分
に対応した座標をパラメータ図表から良好に抽出するこ
とができる。
数を生成することにより、画像データを二値化すること
なくパラメータ図表を生成して座標を抽出することがで
きる。なお、この座標の抽出の閾値Ｔｈは、閾値設定手
段５４によりパラメータ図表での全部の座標の数値の平
均値Ｍｐと座標の数値の標準偏差Σとから“Ｔｈ＝Ｍｐ
＋３Σ”として設定されるので、画像データの直線成分
に対応した座標をパラメータ図表から良好に抽出するこ
とができる。
【０１１６】なお、上述した各種の実施の形態は自在に
組み合わせが可能である。例えば、図１３に示す一変形
例のデータ処理装置６１のように、前述した第三の形態
の機能４２〜４５と前述した第二の形態の機能３２，３
３とを組み合わせるようなことも可能である。
組み合わせが可能である。例えば、図１３に示す一変形
例のデータ処理装置６１のように、前述した第三の形態
の機能４２〜４５と前述した第二の形態の機能３２，３
３とを組み合わせるようなことも可能である。
【０１１７】
【発明の効果】本発明は以上説明したように構成されて
いるので、以下に記載するような効果を奏する。
いるので、以下に記載するような効果を奏する。
【０１１８】本発明の第一のデータ処理装置によるデー
タ処理方法では、画像データがエッジ処理されてから二
値化され、この画像データがハフ変換処理されてパラメ
ータ図表が生成され、このパラメータ図表からハフ曲線
の重複が多数の座標が抽出されてグループ化され、この
グループごとに代表の座標が選出されて画像データの傾
斜が推定されることにより、デジタルの画像データから
直線成分を認識して傾斜を推定することができるので、
例えば、任意の角度で撮像された半導体ウェハのＳＥＭ
画像の傾斜を検出するようなことができる。
タ処理方法では、画像データがエッジ処理されてから二
値化され、この画像データがハフ変換処理されてパラメ
ータ図表が生成され、このパラメータ図表からハフ曲線
の重複が多数の座標が抽出されてグループ化され、この
グループごとに代表の座標が選出されて画像データの傾
斜が推定されることにより、デジタルの画像データから
直線成分を認識して傾斜を推定することができるので、
例えば、任意の角度で撮像された半導体ウェハのＳＥＭ
画像の傾斜を検出するようなことができる。
【０１１９】本発明の第二のデータ処理装置によるデー
タ処理方法では、画像データがエッジ処理されてから二
値化され、この画像データがハフ変換処理されてパラメ
ータ図表が生成され、このパラメータ図表からハフ曲線
の重複が多数の座標が抽出されてヒストグラムが生成さ
れ、このヒストグラムから座標の個数が最多の角度
“θ”が特定されることにより、デジタルの画像データ
から直線成分を認識して傾斜を推定することができるの
で、例えば、任意の角度で撮像された半導体ウェハのＳ
ＥＭ画像の傾斜を検出するようなことができる。
タ処理方法では、画像データがエッジ処理されてから二
値化され、この画像データがハフ変換処理されてパラメ
ータ図表が生成され、このパラメータ図表からハフ曲線
の重複が多数の座標が抽出されてヒストグラムが生成さ
れ、このヒストグラムから座標の個数が最多の角度
“θ”が特定されることにより、デジタルの画像データ
から直線成分を認識して傾斜を推定することができるの
で、例えば、任意の角度で撮像された半導体ウェハのＳ
ＥＭ画像の傾斜を検出するようなことができる。
【０１２０】本発明の第三のデータ処理装置によるデー
タ処理方法では、画像データがエッジ処理されてから二
値化され、この画像データがハフ変換処理されてパラメ
ータ図表が生成され、このパラメータ図表からハフ曲線
の重複が多数の座標が抽出されてグループ化され、この
グループごとに代表の座標が選出され、この選出された
多数の座標が集中している角度“θ”が特定されること
により、デジタルの画像データから直線成分が認識され
て傾斜の角度がデータ出力されるので、例えば、任意の
角度で撮像された半導体ウェハのＳＥＭ画像の傾斜を検
出するようなことができる。
タ処理方法では、画像データがエッジ処理されてから二
値化され、この画像データがハフ変換処理されてパラメ
ータ図表が生成され、このパラメータ図表からハフ曲線
の重複が多数の座標が抽出されてグループ化され、この
グループごとに代表の座標が選出され、この選出された
多数の座標が集中している角度“θ”が特定されること
により、デジタルの画像データから直線成分が認識され
て傾斜の角度がデータ出力されるので、例えば、任意の
角度で撮像された半導体ウェハのＳＥＭ画像の傾斜を検
出するようなことができる。
【０１２１】本発明の第四のデータ処理装置によるデー
タ処理方法では、画像データの全部の画素の濃度の平均
値が算出され、この平均値との差分が画素ごとに算出さ
れてから二値化され、この画像データがハフ変換処理さ
れてパラメータ図表が生成され、このパラメータ図表か
らハフ曲線の重複が多数の座標が抽出されてグループ化
され、このグループごとに代表の座標が選出されて画像
データの傾斜が推定されることにより、デジタルの画像
データから直線成分を認識して傾斜を推定することがで
きるので、例えば、任意の角度で撮像された半導体ウェ
ハのＳＥＭ画像の傾斜を検出するようなことができる。
タ処理方法では、画像データの全部の画素の濃度の平均
値が算出され、この平均値との差分が画素ごとに算出さ
れてから二値化され、この画像データがハフ変換処理さ
れてパラメータ図表が生成され、このパラメータ図表か
らハフ曲線の重複が多数の座標が抽出されてグループ化
され、このグループごとに代表の座標が選出されて画像
データの傾斜が推定されることにより、デジタルの画像
データから直線成分を認識して傾斜を推定することがで
きるので、例えば、任意の角度で撮像された半導体ウェ
ハのＳＥＭ画像の傾斜を検出するようなことができる。
【０１２２】本発明の第五のデータ処理装置によるデー
タ処理方法では、画像データの全部の画素の濃度の平均
値が算出され、この平均値との差分が画素ごとに算出さ
れてから二値化され、この画像データがハフ変換処理さ
れてパラメータ図表が生成され、このパラメータ図表か
らハフ曲線の重複が多数の座標が抽出されてヒストグラ
ムが生成され、このヒストグラムから座標の個数が最多
の角度“θ”が特定されることにより、デジタルの画像
データから直線成分が認識されて傾斜の角度がデータ出
力されるので、例えば、任意の角度で撮像された半導体
ウェハのＳＥＭ画像の傾斜を検出するようなことができ
る。
タ処理方法では、画像データの全部の画素の濃度の平均
値が算出され、この平均値との差分が画素ごとに算出さ
れてから二値化され、この画像データがハフ変換処理さ
れてパラメータ図表が生成され、このパラメータ図表か
らハフ曲線の重複が多数の座標が抽出されてヒストグラ
ムが生成され、このヒストグラムから座標の個数が最多
の角度“θ”が特定されることにより、デジタルの画像
データから直線成分が認識されて傾斜の角度がデータ出
力されるので、例えば、任意の角度で撮像された半導体
ウェハのＳＥＭ画像の傾斜を検出するようなことができ
る。
【０１２３】本発明の第六のデータ処理装置によるデー
タ処理方法では、画像データの全部の画素の濃度の平均
値が算出され、この平均値との差分が画素ごとに算出さ
れてから二値化され、この画像データがハフ変換処理さ
れてパラメータ図表が生成され、このパラメータ図表か
らハフ曲線の重複が多数の座標が抽出されてグループ化
され、このグループごとに代表の座標が選出され、この
選出された多数の座標が集中している角度“θ”が特定
されることにより、デジタルの画像データから直線成分
が認識されて傾斜の角度がデータ出力されるので、例え
ば、任意の角度で撮像された半導体ウェハのＳＥＭ画像
の傾斜を検出するようなことができる。
タ処理方法では、画像データの全部の画素の濃度の平均
値が算出され、この平均値との差分が画素ごとに算出さ
れてから二値化され、この画像データがハフ変換処理さ
れてパラメータ図表が生成され、このパラメータ図表か
らハフ曲線の重複が多数の座標が抽出されてグループ化
され、このグループごとに代表の座標が選出され、この
選出された多数の座標が集中している角度“θ”が特定
されることにより、デジタルの画像データから直線成分
が認識されて傾斜の角度がデータ出力されるので、例え
ば、任意の角度で撮像された半導体ウェハのＳＥＭ画像
の傾斜を検出するようなことができる。
【０１２４】本発明の第七のデータ処理装置によるデー
タ処理方法では、画像データの全部の画素の濃度ｔの平
均値Ｍが算出され、この平均値との差分“｜ｔ−Ｍ｜”
が重み係数として画素ごとに算出され、ハフ変換処理に
おいてハフ曲線の重複ごとに対応する重み係数が加算さ
れてパラメータ図表が生成され、このパラメータ図表か
ら加算結果の数値が大きい座標が抽出されてグループ化
され、このグループごとに代表の座標が選出されて画像
データの傾斜が推定されることにより、デジタルの画像
データから直線成分を認識して傾斜を推定することがで
きるので、例えば、任意の角度で撮像された半導体ウェ
ハのＳＥＭ画像の傾斜を検出するようなことができる。
タ処理方法では、画像データの全部の画素の濃度ｔの平
均値Ｍが算出され、この平均値との差分“｜ｔ−Ｍ｜”
が重み係数として画素ごとに算出され、ハフ変換処理に
おいてハフ曲線の重複ごとに対応する重み係数が加算さ
れてパラメータ図表が生成され、このパラメータ図表か
ら加算結果の数値が大きい座標が抽出されてグループ化
され、このグループごとに代表の座標が選出されて画像
データの傾斜が推定されることにより、デジタルの画像
データから直線成分を認識して傾斜を推定することがで
きるので、例えば、任意の角度で撮像された半導体ウェ
ハのＳＥＭ画像の傾斜を検出するようなことができる。
【０１２５】本発明の第八のデータ処理装置によるデー
タ処理方法では、画像データの全部の画素の濃度ｔの平
均値Ｍが算出され、この平均値との差分“｜ｔ−Ｍ｜”
が重み係数として画素ごとに算出され、ハフ変換処理に
おいてハフ曲線の重複ごとに対応する重み係数が加算さ
れてパラメータ図表が生成され、このパラメータ図表か
ら加算結果の数値が大きい座標が抽出されてヒストグラ
ムが生成され、このヒストグラムから座標の個数が最多
の角度“θ”が特定されることにより、デジタルの画像
データから直線成分が認識されて傾斜の角度がデータ出
力されるので、例えば、任意の角度で撮像された半導体
ウェハのＳＥＭ画像の傾斜を検出するようなことができ
る。
タ処理方法では、画像データの全部の画素の濃度ｔの平
均値Ｍが算出され、この平均値との差分“｜ｔ−Ｍ｜”
が重み係数として画素ごとに算出され、ハフ変換処理に
おいてハフ曲線の重複ごとに対応する重み係数が加算さ
れてパラメータ図表が生成され、このパラメータ図表か
ら加算結果の数値が大きい座標が抽出されてヒストグラ
ムが生成され、このヒストグラムから座標の個数が最多
の角度“θ”が特定されることにより、デジタルの画像
データから直線成分が認識されて傾斜の角度がデータ出
力されるので、例えば、任意の角度で撮像された半導体
ウェハのＳＥＭ画像の傾斜を検出するようなことができ
る。
【０１２６】本発明の第九のデータ処理装置によるデー
タ処理方法では、画像データの全部の画素の濃度ｔの平
均値Ｍが算出され、この平均値との差分“｜ｔ−Ｍ｜”
が重み係数として画素ごとに算出され、ハフ変換処理に
おいてハフ曲線の重複ごとに対応する重み係数が加算さ
れてパラメータ図表が生成され、このパラメータ図表か
ら加算結果の数値が大きい座標が抽出されてグループ化
され、このグループごとに代表の座標が選出され、この
選出された多数の座標が集中している角度“θ”が特定
されることにより、デジタルの画像データから直線成分
が認識されて傾斜の角度がデータ出力されるので、例え
ば、任意の角度で撮像された半導体ウェハのＳＥＭ画像
の傾斜を検出するようなことができる。
タ処理方法では、画像データの全部の画素の濃度ｔの平
均値Ｍが算出され、この平均値との差分“｜ｔ−Ｍ｜”
が重み係数として画素ごとに算出され、ハフ変換処理に
おいてハフ曲線の重複ごとに対応する重み係数が加算さ
れてパラメータ図表が生成され、このパラメータ図表か
ら加算結果の数値が大きい座標が抽出されてグループ化
され、このグループごとに代表の座標が選出され、この
選出された多数の座標が集中している角度“θ”が特定
されることにより、デジタルの画像データから直線成分
が認識されて傾斜の角度がデータ出力されるので、例え
ば、任意の角度で撮像された半導体ウェハのＳＥＭ画像
の傾斜を検出するようなことができる。
【０１２７】また、上述のようなデータ処理装置の二値
化処理の閾値として、画像データでの全部の画素の濃度
の平均値Ｍと画素の濃度の標準偏差Σとで“ｔ＝Ｍ＋３
Σ”なる閾値ｔを設定することにより、画像データの画
素の濃度を適正に二値化することができる。
化処理の閾値として、画像データでの全部の画素の濃度
の平均値Ｍと画素の濃度の標準偏差Σとで“ｔ＝Ｍ＋３
Σ”なる閾値ｔを設定することにより、画像データの画
素の濃度を適正に二値化することができる。
【０１２８】また、上述のようなデータ処理装置の座標
抽出の閾値として、パラメータ図表での全部の座標の数
値の平均値Ｍｐと座標の数値の標準偏差Σとで“Ｔｈ＝
Ｍｐ＋３Σ”なる閾値Ｔｈを設定することにより、パラ
メータ図表から座標を適正に抽出することができる。
抽出の閾値として、パラメータ図表での全部の座標の数
値の平均値Ｍｐと座標の数値の標準偏差Σとで“Ｔｈ＝
Ｍｐ＋３Σ”なる閾値Ｔｈを設定することにより、パラ
メータ図表から座標を適正に抽出することができる。
【０１２９】また、事前に蓄積されている多数の画像デ
ータを読み出して上述のようなデータ処理装置に供給
し、その検出結果に対応して画像データを回転させるこ
とにより、多数の画像データの傾斜を一様に補正するこ
とができるので、例えば、個々に任意の角度で撮像され
た多数の半導体ウェハのＳＥＭ画像を比較するようなこ
とが可能となる。
ータを読み出して上述のようなデータ処理装置に供給
し、その検出結果に対応して画像データを回転させるこ
とにより、多数の画像データの傾斜を一様に補正するこ
とができるので、例えば、個々に任意の角度で撮像され
た多数の半導体ウェハのＳＥＭ画像を比較するようなこ
とが可能となる。
【０１３０】さらに、上述のようなデータ処理装置で回
転された画像データを一時保持し、この保持された複数
の画像データを比較して類似の有無を判定することによ
り、複数の画像データを傾斜を補正してから比較できる
ので、その類似の有無を良好に判定することができる。
転された画像データを一時保持し、この保持された複数
の画像データを比較して類似の有無を判定することによ
り、複数の画像データを傾斜を補正してから比較できる
ので、その類似の有無を良好に判定することができる。
【図１】本発明の実施の第一の形態のデータ処理装置の
論理的構造を示す模式図である。
論理的構造を示す模式図である。
【図２】データ処理装置の全体的な論理的構造を示す模
式図である。
式図である。
【図３】物理的構造を示すブロック図である。
【図４】(ａ)は実際のＳＥＭ写真を参考に撮像内容が明
瞭となるように画像データを表記した模式図であり、
(ｂ)はエッジ処理および二値化処理された画像データを
示す模式図である。
瞭となるように画像データを表記した模式図であり、
(ｂ)はエッジ処理および二値化処理された画像データを
示す模式図である。
【図５】画像データにｘ／ｙ軸を設定して直線成分を想
定した状態を示す模式図である。
定した状態を示す模式図である。
【図６】画像データの直線成分から生成されたパラメー
タ図表を示す模式図である。
タ図表を示す模式図である。
【図７】パラメータ図表の座標を抽出した状態を示す模
式図である。
式図である。
【図８】本発明の実施の第二の形態のデータ処理装置の
要部の論理的構造を示す模式図である。
要部の論理的構造を示す模式図である。
【図９】ヒストグラムを示す模式図である。
【図１０】本発明の実施の第三の形態のデータ処理装置
の要部の論理的構造を示す模式図である。
の要部の論理的構造を示す模式図である。
【図１１】二値化された画像データを示す模式図であ
る。
る。
【図１２】本発明の実施の第四の形態のデータ処理装置
の要部の論理的構造を示す模式図である。
の要部の論理的構造を示す模式図である。
【図１３】一変形例のデータ処理装置の要部の論理的構
造を示す模式図である。
造を示す模式図である。
１，３１，４１，５１，６１ データ処理装置 １１ データベース手段であるデータベース機能 １２ データ読出手段であるデータ読出機能 １４ 角度補正手段である角度補正機能 １５ 画像保持手段である画像保持機能 １６ 画像比較手段である画像比較機能 ２１ 画像入力手段である画像入力機能 ２２ エッジ処理手段であるエッジ処理機能 ２３，４５ 二値化処理手段である二値化処理機能 ２４，５２ ハフ変換手段であるハフ変換機能 ２５，５３ 座標抽出手段である座標抽出機能 ２６ ラベリング手段であるラベリング機能 ２７ 代表選出手段である代表選出機能 ２８，３３ 傾斜検出手段である傾斜検出機能 ３２ ヒストグラム生成手段であるヒストグラム生成
機能 ４２ 平均算出手段である平均算出機能 ４３ 差分算出手段である差分算出機能 ４４，５４ 閾値設定手段である閾値設定機能 １０１ コンピュータであるＣＰＵ １０３ 情報記憶媒体であるＲＯＭ １０４ 情報記憶媒体であるＲＡＭ １０５ 情報記憶媒体であるＨＤＤ １０６ 情報記憶媒体であるＦＤ １０８ 情報記憶媒体であるＣＤ−ＲＯＭ
機能 ４２ 平均算出手段である平均算出機能 ４３ 差分算出手段である差分算出機能 ４４，５４ 閾値設定手段である閾値設定機能 １０１ コンピュータであるＣＰＵ １０３ 情報記憶媒体であるＲＯＭ １０４ 情報記憶媒体であるＲＡＭ １０５ 情報記憶媒体であるＨＤＤ １０６ 情報記憶媒体であるＦＤ １０８ 情報記憶媒体であるＣＤ−ＲＯＭ
Claims (31)
- 【請求項１】 多値の濃度がデジタルで個々に設定され
た多数の画素からなる画像データが外部入力される画像
入力手段と、 該画像入力手段に外部入力された画像データをエッジ処
理してエッジ部分の画素の濃度を強調するエッジ処理手
段と、 該エッジ処理手段によりエッジ処理された画像データの
各画素の濃度を適正な閾値と比較して二値化する二値化
処理手段と、 該二値化処理手段により二値化された画像データをハフ
変換処理してパラメータ空間に多数のハフ曲線が描画さ
れたパラメータ図表を生成するハフ変換手段と、 該ハフ変換手段により生成されたパラメータ図表からハ
フ曲線の重複が多数の座標を適正な閾値との比較により
抽出する座標抽出手段と、 該座標抽出手段により抽出されたパラメータ図表の座標
を位置の近接に対応してグループ化するラベリング手段
と、 該ラベリング手段により生成されたグループごとに代表
の座標を選出する代表選出手段と、 該代表選出手段により選出された座標から画像データの
傾斜を推定する傾斜検出手段と、を具備しているデータ
処理装置。 - 【請求項２】 多値の濃度がデジタルで個々に設定され
た多数の画素からなる画像データが外部入力される画像
入力手段と、 該画像入力手段に外部入力された画像データをエッジ処
理してエッジ部分の画素の濃度を強調するエッジ処理手
段と、 該エッジ処理手段によりエッジ処理された画像データの
各画素の濃度を適正な閾値と比較して二値化する二値化
処理手段と、 該二値化処理手段により二値化された画像データの位置
座標(ｘ，ｙ)の画素ごとにハフ変換処理を実行すること
で、直線成分“ρ＝ｘcosθ＋ｙsinθ”のｘ軸との角度
“θ”および原点との距離“｜ρ｜”を座標(θ，ρ)と
したパラメータ図表を生成するハフ変換手段と、 該ハフ変換手段により生成されたパラメータ図表からハ
フ曲線の重複が多数の座標を適正な閾値との比較により
抽出する座標抽出手段と、 該座標抽出手段により抽出されたパラメータ図表の座標
の個数を角度“θ”ごとに積算してヒストグラムを生成
するヒストグラム生成手段と、 該ヒストグラム生成手段により生成されたヒストグラム
から座標の個数が最多の角度“θ”を特定する傾斜検出
手段と、を具備しているデータ処理装置。 - 【請求項３】 多値の濃度がデジタルで個々に設定され
た多数の画素からなる画像データが外部入力される画像
入力手段と、 該画像入力手段に外部入力された画像データをエッジ処
理してエッジ部分の画素の濃度を強調するエッジ処理手
段と、 該エッジ処理手段によりエッジ処理された画像データの
各画素の濃度を適正な閾値と比較して二値化する二値化
処理手段と、 該二値化処理手段により二値化された画像データの位置
座標(ｘ，ｙ)の画素ごとにハフ変換処理を実行すること
で、直線成分“ρ＝ｘcosθ＋ｙsinθ”のｘ軸との角度
“θ”および原点との距離“｜ρ｜”を座標(θ，ρ)と
したパラメータ図表を生成するハフ変換手段と、 該ハフ変換手段により生成されたパラメータ図表からハ
フ曲線の重複が多数の座標を適正な閾値との比較により
抽出する座標抽出手段と、 該座標抽出手段により抽出されたパラメータ図表の座標
を位置の近接に対応してグループ化するラベリング手段
と、 該ラベリング手段により生成されたグループごとに代表
の座標を選出する代表選出手段と、 該代表選出手段により選出された多数の座標が集中して
いる角度“θ”を特定する傾斜検出手段と、を具備して
いるデータ処理装置。 - 【請求項４】 多値の濃度がデジタルで個々に設定され
た多数の画素からなる画像データが外部入力される画像
入力手段と、 該画像入力手段に外部入力された画像データの全部の画
素の濃度の平均値を算出する平均算出手段と、 該平均算出手段により算出された濃度の平均値との差分
を画像データの画素ごとに算出する差分算出手段と、 該差分算出手段により算出された濃度の差分を画素ごと
に適正な閾値と比較して画像データを二値化する二値化
処理手段と、 該二値化処理手段により二値化された画像データをハフ
変換処理してパラメータ空間に多数のハフ曲線が描画さ
れたパラメータ図表を生成するハフ変換手段と、 該ハフ変換手段により生成されたパラメータ図表からハ
フ曲線の重複が多数の座標を適正な閾値との比較により
抽出する座標抽出手段と、 該座標抽出手段により抽出されたパラメータ図表の座標
を位置の近接に対応してグループ化するラベリング手段
と、 該ラベリング手段により生成されたグループごとに代表
の座標を選出する代表選出手段と、 該代表選出手段により選出された座標から画像データの
傾斜を推定する傾斜検出手段と、を具備しているデータ
処理装置。 - 【請求項５】 多値の濃度がデジタルで個々に設定され
た多数の画素からなる画像データが外部入力される画像
入力手段と、 該画像入力手段に外部入力された画像データの全部の画
素の濃度の平均値を算出する平均算出手段と、 該平均算出手段により算出された濃度の平均値との差分
を画像データの画素ごとに算出する差分算出手段と、 該差分算出手段により算出された濃度の差分を画素ごと
に適正な閾値と比較して画像データを二値化する二値化
処理手段と、 該二値化処理手段により二値化された画像データの位置
座標(ｘ，ｙ)の画素ごとにハフ変換処理を実行すること
で、直線成分“ρ＝ｘcosθ＋ｙsinθ”のｘ軸との角度
“θ”および原点との距離“｜ρ｜”を座標(θ，ρ)と
したパラメータ図表を生成するハフ変換手段と、 該ハフ変換手段により生成されたパラメータ図表からハ
フ曲線の重複が多数の座標を適正な閾値との比較により
抽出する座標抽出手段と、 該座標抽出手段により抽出されたパラメータ図表の座標
の個数を角度“θ”ごとに積算してヒストグラムを生成
するヒストグラム生成手段と、 該ヒストグラム生成手段により生成されたヒストグラム
から座標の個数が最多の角度“θ”を特定する傾斜検出
手段と、を具備しているデータ処理装置。 - 【請求項６】 多値の濃度がデジタルで個々に設定され
た多数の画素からなる画像データが外部入力される画像
入力手段と、 該画像入力手段に外部入力された画像データの全部の画
素の濃度の平均値を算出する平均算出手段と、 該平均算出手段により算出された濃度の平均値との差分
を画像データの画素ごとに算出する差分算出手段と、 該差分算出手段により算出された濃度の差分を画素ごと
に適正な閾値と比較して画像データを二値化する二値化
処理手段と、 該二値化処理手段により二値化された画像データの位置
座標(ｘ，ｙ)の画素ごとにハフ変換処理を実行すること
で、直線成分“ρ＝ｘcosθ＋ｙsinθ”のｘ軸との角度
“θ”および原点との距離“｜ρ｜”を座標(θ，ρ)と
したパラメータ図表を生成するハフ変換手段と、 該ハフ変換手段により生成されたパラメータ図表からハ
フ曲線の重複が多数の座標を適正な閾値との比較により
抽出する座標抽出手段と、 該座標抽出手段により抽出されたパラメータ図表の座標
を位置の近接に対応してグループ化するラベリング手段
と、 該ラベリング手段により生成されたグループごとに代表
の座標を選出する代表選出手段と、 該代表選出手段により選出された多数の座標が集中して
いる角度“θ”を特定する傾斜検出手段と、を具備して
いるデータ処理装置。 - 【請求項７】 多値の濃度がデジタルで個々に設定され
た多数の画素からなる画像データが外部入力される画像
入力手段と、 該画像入力手段に外部入力された画像データの全部の画
素の濃度ｔの平均値Ｍを算出する平均算出手段と、 該平均算出手段により算出された濃度の平均値との差分
“｜ｔ−Ｍ｜”を重み係数として画像データの画素ごと
に算出する差分算出手段と、 画像データの位置座標(ｘ，ｙ)の画素ごとにハフ変換処
理を実行することで、直線成分“ρ＝ｘcosθ＋ｙsin
θ”のｘ軸との角度“θ”および原点との距離“｜ρ
｜”を座標(θ，ρ)としたパラメータ図表を、ハフ曲線
の重複ごとに対応する重み係数を加算して生成するハフ
変換手段と、 該ハフ変換手段により生成されたパラメータ図表から加
算結果の数値が大きい座標を適正な閾値との比較により
抽出する座標抽出手段と、 該座標抽出手段により抽出されたパラメータ図表の座標
を位置の近接に対応してグループ化するラベリング手段
と、 該ラベリング手段により生成されたグループごとに代表
の座標を選出する代表選出手段と、 該代表選出手段により選出された座標から画像データの
傾斜を推定する傾斜検出手段と、を具備しているデータ
処理装置。 - 【請求項８】 多値の濃度がデジタルで個々に設定され
た多数の画素からなる画像データが外部入力される画像
入力手段と、 該画像入力手段に外部入力された画像データの全部の画
素の濃度ｔの平均値Ｍを算出する平均算出手段と、 該平均算出手段により算出された濃度の平均値との差分
“｜ｔ−Ｍ｜”を重み係数として画像データの画素ごと
に算出する差分算出手段と、 画像データの位置座標(ｘ，ｙ)の画素ごとにハフ変換処
理を実行することで、直線成分“ρ＝ｘcosθ＋ｙsin
θ”のｘ軸との角度“θ”および原点との距離“｜ρ
｜”を座標(θ，ρ)としたパラメータ図表を、ハフ曲線
の重複ごとに対応する重み係数を加算して生成するハフ
変換手段と、 該ハフ変換手段により生成されたパラメータ図表から加
算結果の数値が大きい座標を適正な閾値との比較により
抽出する座標抽出手段と、 該座標抽出手段により抽出されたパラメータ図表の座標
の個数を角度“θ”ごとに積算してヒストグラムを生成
するヒストグラム生成手段と、 該ヒストグラム生成手段により生成されたヒストグラム
から座標の個数が最多の角度“θ”を特定する傾斜検出
手段と、を具備しているデータ処理装置。 - 【請求項９】 多値の濃度がデジタルで個々に設定され
た多数の画素からなる画像データが外部入力される画像
入力手段と、 該画像入力手段に外部入力された画像データの全部の画
素の濃度ｔの平均値Ｍを算出する平均算出手段と、 該平均算出手段により算出された濃度の平均値との差分
“｜ｔ−Ｍ｜”を重み係数として画像データの画素ごと
に算出する差分算出手段と、 画像データの位置座標(ｘ，ｙ)の画素ごとにハフ変換処
理を実行することで、直線成分“ρ＝ｘcosθ＋ｙsin
θ”のｘ軸との角度“θ”および原点との距離“｜ρ
｜”を座標(θ，ρ)としたパラメータ図表を、ハフ曲線
の重複ごとに対応する重み係数を加算して生成するハフ
変換手段と、 該ハフ変換手段により生成されたパラメータ図表から加
算結果の数値が大きい座標を適正な閾値との比較により
抽出する座標抽出手段と、 該座標抽出手段により抽出されたパラメータ図表の座標
を位置の近接に対応してグループ化するラベリング手段
と、 該ラベリング手段により生成されたグループごとに代表
の座標を選出する代表選出手段と、 該代表選出手段により選出された多数の座標が集中して
いる角度“θ”を特定する傾斜検出手段と、を具備して
いるデータ処理装置。 - 【請求項１０】 前記平均算出手段により算出された平
均値をＭ、画素の濃度の標準偏差をΣとすると“ｔ＝Ｍ
＋３Σ”なる閾値ｔを算出して前記二値化処理手段に設
定する閾値設定手段も具備している請求項４ないし６の
何れか一記載のデータ処理装置。 - 【請求項１１】 パラメータ図表での全部の座標の数値
の平均値をＭｐ、座標の数値の標準偏差をΣとすると
“Ｔｈ＝Ｍｐ＋３Σ”なる閾値Ｔｈを算出して前記座標
抽出手段に設定する閾値設定手段も具備している請求項
７ないし９の何れか一記載のデータ処理装置。 - 【請求項１２】 多数の画像データが事前に蓄積されて
いるデータベース手段と、 該データベース手段から画像データを読み出して前記画
像入力手段に供給するデータ読出手段と、 前記データベース手段から読み出された画像データを前
記傾斜検出手段の検出結果に対応して回転させる角度補
正手段とを、さらに具備している請求項１ないし１１の
何れか一記載のデータ処理装置。 - 【請求項１３】 前記角度補正手段により回転された画
像データを一時保持する画像保持手段と、 該画像保持手段に保持された複数の画像データを比較し
て類似の有無を判定する画像比較手段とを、さらに具備
している請求項１２記載のデータ処理装置。 - 【請求項１４】 多値の濃度がデジタルで個々に設定さ
れた多数の画素からなる画像データの外部入力を受け付
け、 この外部入力された画像データをエッジ処理してエッジ
部分の画素の濃度を強調し、 このエッジ処理された画像データの各画素の濃度を適正
な閾値と比較して二値化し、 この二値化された画像データをハフ変換処理してパラメ
ータ空間に多数のハフ曲線が描画されたパラメータ図表
を生成し、 この生成されたパラメータ図表からハフ曲線の重複が多
数の座標を適正な閾値との比較により抽出し、 この抽出されたパラメータ図表の座標を位置の近接に対
応してグループ化し、 このように生成されたグループごとに代表の座標を選出
し、 この選出された座標から画像データの傾斜を推定するよ
うにしたようにしたデータ処理方法。 - 【請求項１５】 多値の濃度がデジタルで個々に設定さ
れた多数の画素からなる画像データの外部入力を受け付
け、 この外部入力された画像データをエッジ処理してエッジ
部分の画素の濃度を強調し、 このエッジ処理された画像データの各画素の濃度を適正
な閾値と比較して二値化し、 この二値化された画像データの位置座標(ｘ，ｙ)の画素
ごとにハフ変換処理を実行することで、直線成分“ρ＝
ｘcosθ＋ｙsinθ”のｘ軸との角度“θ”および原点と
の距離“｜ρ｜”を座標(θ，ρ)としたパラメータ図表
を生成し、 この生成されたパラメータ図表からハフ曲線の重複が多
数の座標を適正な閾値との比較により抽出し、 この抽出されたパラメータ図表の座標の個数を角度
“θ”ごとに積算してヒストグラムを生成し、 この生成されたヒストグラムから座標の個数が最多の角
度“θ”を特定するようにしたデータ処理方法。 - 【請求項１６】 多値の濃度がデジタルで個々に設定さ
れた多数の画素からなる画像データの外部入力を受け付
け、 この外部入力された画像データをエッジ処理してエッジ
部分の画素の濃度を強調し、 このエッジ処理された画像データの各画素の濃度を適正
な閾値と比較して二値化し、 この二値化された画像データの位置座標(ｘ，ｙ)の画素
ごとにハフ変換処理を実行することで、直線成分“ρ＝
ｘcosθ＋ｙsinθ”のｘ軸との角度“θ”および原点と
の距離“｜ρ｜”を座標(θ，ρ)としたパラメータ図表
を生成し、 この生成されたパラメータ図表からハフ曲線の重複が多
数の座標を適正な閾値との比較により抽出し、 この抽出されたパラメータ図表の座標を位置の近接に対
応してグループ化し、 このように生成されたグループごとに代表の座標を選出
し、 この選出された多数の座標が集中している角度“θ”を
特定するようにしたデータ処理方法。 - 【請求項１７】 多値の濃度がデジタルで個々に設定さ
れた多数の画素からなる画像データの外部入力を受け付
け、 この外部入力された画像データの全部の画素の濃度の平
均値を算出し、 この算出された濃度の平均値との差分を画像データの画
素ごとに算出し、 この算出された濃度の差分を画素ごとに適正な閾値と比
較して画像データを二値化し、 この二値化された画像データをハフ変換処理してパラメ
ータ空間に多数のハフ曲線が描画されたパラメータ図表
を生成し、 この生成されたパラメータ図表からハフ曲線の重複が多
数の座標を適正な閾値との比較により抽出し、 この抽出されたパラメータ図表の座標を位置の近接に対
応してグループ化し、 このように生成されたグループごとに代表の座標を選出
し、 この選出された座標から画像データの傾斜を推定するよ
うにしたようにしたデータ処理方法。 - 【請求項１８】 多値の濃度がデジタルで個々に設定さ
れた多数の画素からなる画像データの外部入力を受け付
け、 この外部入力された画像データの全部の画素の濃度の平
均値を算出し、 この算出された濃度の平均値との差分を画像データの画
素ごとに算出し、 この算出された濃度の差分を画素ごとに適正な閾値と比
較して画像データを二値化し、 この二値化された画像データの位置座標(ｘ，ｙ)の画素
ごとにハフ変換処理を実行することで、直線成分“ρ＝
ｘcosθ＋ｙsinθ”のｘ軸との角度“θ”および原点と
の距離“｜ρ｜”を座標(θ，ρ)としたパラメータ図表
を生成し、 この生成されたパラメータ図表からハフ曲線の重複が多
数の座標を適正な閾値との比較により抽出し、 この抽出されたパラメータ図表の座標の個数を角度
“θ”ごとに積算してヒストグラムを生成し、 この生成されたヒストグラムから座標の個数が最多の角
度“θ”を特定するようにしたデータ処理方法。 - 【請求項１９】 多値の濃度がデジタルで個々に設定さ
れた多数の画素からなる画像データの外部入力を受け付
け、 この外部入力された画像データの全部の画素の濃度の平
均値を算出し、 この算出された濃度の平均値との差分を画像データの画
素ごとに算出し、 この算出された濃度の差分を画素ごとに適正な閾値と比
較して画像データを二値化し、 この二値化された画像データの位置座標(ｘ，ｙ)の画素
ごとにハフ変換処理を実行することで、直線成分“ρ＝
ｘcosθ＋ｙsinθ”のｘ軸との角度“θ”および原点と
の距離“｜ρ｜”を座標(θ，ρ)としたパラメータ図表
を生成し、 この生成されたパラメータ図表からハフ曲線の重複が多
数の座標を適正な閾値との比較により抽出し、 この抽出されたパラメータ図表の座標を位置の近接に対
応してグループ化し、 このように生成されたグループごとに代表の座標を選出
し、 この選出された多数の座標が集中している角度“θ”を
特定するようにしたデータ処理方法。 - 【請求項２０】 多値の濃度がデジタルで個々に設定さ
れた多数の画素からなる画像データの外部入力を受け付
け、 この外部入力された画像データの全部の画素の濃度ｔの
平均値Ｍを算出し、 この算出された濃度の平均値との差分“｜ｔ−Ｍ｜”を
重み係数として画像データの画素ごとに算出し、 画像データの位置座標(ｘ，ｙ)の画素ごとにハフ変換処
理を実行することで、直線成分“ρ＝ｘcosθ＋ｙsin
θ”のｘ軸との角度“θ”および原点との距離“｜ρ
｜”を座標(θ，ρ)としたパラメータ図表を、ハフ曲線
の重複ごとに対応する重み係数を加算して生成し、 この生成されたパラメータ図表から加算結果の数値が大
きい座標を適正な閾値との比較により抽出し、 この抽出されたパラメータ図表の座標を位置の近接に対
応してグループ化し、 このように生成されたグループごとに代表の座標を選出
し、 この選出された座標から画像データの傾斜を推定するよ
うにしたようにしたデータ処理方法。 - 【請求項２１】 多値の濃度がデジタルで個々に設定さ
れた多数の画素からなる画像データの外部入力を受け付
け、 この外部入力された画像データの全部の画素の濃度ｔの
平均値Ｍを算出し、 この算出された濃度の平均値との差分“｜ｔ−Ｍ｜”を
重み係数として画像データの画素ごとに算出し、 画像データの位置座標(ｘ，ｙ)の画素ごとにハフ変換処
理を実行することで、直線成分“ρ＝ｘcosθ＋ｙsin
θ”のｘ軸との角度“θ”および原点との距離“｜ρ
｜”を座標(θ，ρ)としたパラメータ図表を、ハフ曲線
の重複ごとに対応する重み係数を加算して生成し、 この生成されたパラメータ図表から加算結果の数値が大
きい座標を適正な閾値との比較により抽出し、 この抽出されたパラメータ図表の座標の個数を角度
“θ”ごとに積算してヒストグラムを生成し、 この生成されたヒストグラムから座標の個数が最多の角
度“θ”を特定するようにしたデータ処理方法。 - 【請求項２２】 多値の濃度がデジタルで個々に設定さ
れた多数の画素からなる画像データの外部入力を受け付
け、 この外部入力された画像データの全部の画素の濃度ｔの
平均値Ｍを算出し、 この算出された濃度の平均値との差分“｜ｔ−Ｍ｜”を
重み係数として画像データの画素ごとに算出し、 画像データの位置座標(ｘ，ｙ)の画素ごとにハフ変換処
理を実行することで、直線成分“ρ＝ｘcosθ＋ｙsin
θ”のｘ軸との角度“θ”および原点との距離“｜ρ
｜”を座標(θ，ρ)としたパラメータ図表を、ハフ曲線
の重複ごとに対応する重み係数を加算して生成し、 この生成されたパラメータ図表から加算結果の数値が大
きい座標を適正な閾値との比較により抽出し、 この抽出されたパラメータ図表の座標を位置の近接に対
応してグループ化し、 このように生成されたグループごとに代表の座標を選出
し、 この選出された多数の座標が集中している角度“θ”を
特定するようにしたデータ処理方法。 - 【請求項２３】 コンピュータが読取自在なソフトウェ
アが格納されている情報記憶媒体であって、 多値の濃度がデジタルで個々に設定された多数の画素か
らなる画像データの外部入力を受け付けること、 この外部入力された画像データをエッジ処理してエッジ
部分の画素の濃度を強調すること、 このエッジ処理された画像データの各画素の濃度を適正
な閾値と比較して二値化すること、 この二値化された画像データをハフ変換処理してパラメ
ータ空間に多数のハフ曲線が描画されたパラメータ図表
を生成すること、 この生成されたパラメータ図表からハフ曲線の重複が多
数の座標を適正な閾値との比較により抽出すること、 この抽出されたパラメータ図表の座標を位置の近接に対
応してグループ化すること、 このように生成されたグループごとに代表の座標を選出
すること、 この選出された座標から画像データの傾斜を推定するこ
と、を前記コンピュータに実行させるためのプログラム
が格納されていることを特徴とする情報記憶媒体。 - 【請求項２４】 コンピュータが読取自在なソフトウェ
アが格納されている情報記憶媒体であって、 多値の濃度がデジタルで個々に設定された多数の画素か
らなる画像データの外部入力を受け付けること、 この外部入力された画像データをエッジ処理してエッジ
部分の画素の濃度を強調すること、 このエッジ処理された画像データの各画素の濃度を適正
な閾値と比較して二値化すること、 この二値化された画像データの位置座標(ｘ，ｙ)の画素
ごとにハフ変換処理を実行することで、直線成分“ρ＝
ｘcosθ＋ｙsinθ”のｘ軸との角度“θ”および原点と
の距離“｜ρ｜”を座標(θ，ρ)としたパラメータ図表
を生成すること、 この生成されたパラメータ図表からハフ曲線の重複が多
数の座標を適正な閾値との比較により抽出すること、 この抽出されたパラメータ図表の座標の個数を角度
“θ”ごとに積算してヒストグラムを生成すること、 この生成されたヒストグラムから座標の個数が最多の角
度“θ”を特定すること、を前記コンピュータに実行さ
せるためのプログラムが格納されていることを特徴とす
る情報記憶媒体。 - 【請求項２５】 コンピュータが読取自在なソフトウェ
アが格納されている情報記憶媒体であって、 多値の濃度がデジタルで個々に設定された多数の画素か
らなる画像データの外部入力を受け付けること、 この外部入力された画像データをエッジ処理してエッジ
部分の画素の濃度を強調すること、 このエッジ処理された画像データの各画素の濃度を適正
な閾値と比較して二値化すること、 この二値化された画像データの位置座標(ｘ，ｙ)の画素
ごとにハフ変換処理を実行することで、直線成分“ρ＝
ｘcosθ＋ｙsinθ”のｘ軸との角度“θ”および原点と
の距離“｜ρ｜”を座標(θ，ρ)としたパラメータ図表
を生成すること、 この生成されたパラメータ図表からハフ曲線の重複が多
数の座標を適正な閾値との比較により抽出すること、 この抽出されたパラメータ図表の座標を位置の近接に対
応してグループ化すること、 このように生成されたグループごとに代表の座標を選出
すること、 この選出された多数の座標が集中している角度“θ”を
特定すること、を前記コンピュータに実行させるための
プログラムが格納されていることを特徴とする情報記憶
媒体。 - 【請求項２６】 コンピュータが読取自在なソフトウェ
アが格納されている情報記憶媒体であって、 多値の濃度がデジタルで個々に設定された多数の画素か
らなる画像データの外部入力を受け付けること、 この外部入力された画像データの全部の画素の濃度の平
均値を算出すること、 この算出された濃度の平均値との差分を画像データの画
素ごとに算出すること、 この算出された濃度の差分を画素ごとに適正な閾値と比
較して画像データを二値化すること、 この二値化された画像データをハフ変換処理してパラメ
ータ空間に多数のハフ曲線が描画されたパラメータ図表
を生成すること、 この生成されたパラメータ図表からハフ曲線の重複が多
数の座標を適正な閾値との比較により抽出すること、 この抽出されたパラメータ図表の座標を位置の近接に対
応してグループ化すること、 このように生成されたグループごとに代表の座標を選出
すること、 この選出された座標から画像データの傾斜を推定するこ
と、を前記コンピュータに実行させるためのプログラム
が格納されていることを特徴とする情報記憶媒体。 - 【請求項２７】 コンピュータが読取自在なソフトウェ
アが格納されている情報記憶媒体であって、 多値の濃度がデジタルで個々に設定された多数の画素か
らなる画像データの外部入力を受け付けること、 この外部入力された画像データの全部の画素の濃度の平
均値を算出すること、 この算出された濃度の平均値との差分を画像データの画
素ごとに算出すること、 この算出された濃度の差分を画素ごとに適正な閾値と比
較して画像データを二値化すること、 この二値化された画像データの位置座標(ｘ，ｙ)の画素
ごとにハフ変換処理を実行することで、直線成分“ρ＝
ｘcosθ＋ｙsinθ”のｘ軸との角度“θ”および原点と
の距離“｜ρ｜”を座標(θ，ρ)としたパラメータ図表
を生成すること、 この生成されたパラメータ図表からハフ曲線の重複が多
数の座標を適正な閾値との比較により抽出すること、 この抽出されたパラメータ図表の座標の個数を角度
“θ”ごとに積算してヒストグラムを生成すること、 この生成されたヒストグラムから座標の個数が最多の角
度“θ”を特定すること、を前記コンピュータに実行さ
せるためのプログラムが格納されていることを特徴とす
る情報記憶媒体。 - 【請求項２８】 コンピュータが読取自在なソフトウェ
アが格納されている情報記憶媒体であって、 多値の濃度がデジタルで個々に設定された多数の画素か
らなる画像データの外部入力を受け付けること、 この外部入力された画像データの全部の画素の濃度の平
均値を算出すること、 この算出された濃度の平均値との差分を画像データの画
素ごとに算出すること、 この算出された濃度の差分を画素ごとに適正な閾値と比
較して画像データを二値化すること、 この二値化された画像データの位置座標(ｘ，ｙ)の画素
ごとにハフ変換処理を実行することで、直線成分“ρ＝
ｘcosθ＋ｙsinθ”のｘ軸との角度“θ”および原点と
の距離“｜ρ｜”を座標(θ，ρ)としたパラメータ図表
を生成すること、 この生成されたパラメータ図表からハフ曲線の重複が多
数の座標を適正な閾値との比較により抽出すること、 この抽出されたパラメータ図表の座標を位置の近接に対
応してグループ化すること、 このように生成されたグループごとに代表の座標を選出
すること、 この選出された多数の座標が集中している角度“θ”を
特定すること、を前記コンピュータに実行させるための
プログラムが格納されていることを特徴とする情報記憶
媒体。 - 【請求項２９】 コンピュータが読取自在なソフトウェ
アが格納されている情報記憶媒体であって、 多値の濃度がデジタルで個々に設定された多数の画素か
らなる画像データの外部入力を受け付けること、 この外部入力された画像データの全部の画素の濃度ｔの
平均値Ｍを算出すること、 この算出された濃度の平均値との差分“｜ｔ−Ｍ｜”を
重み係数として画像データの画素ごとに算出すること、 画像データの位置座標(ｘ，ｙ)の画素ごとにハフ変換処
理を実行することで、直線成分“ρ＝ｘcosθ＋ｙsin
θ”のｘ軸との角度“θ”および原点との距離“｜ρ
｜”を座標(θ，ρ)としたパラメータ図表を、ハフ曲線
の重複ごとに対応する重み係数を加算して生成するこ
と、 この生成されたパラメータ図表から加算結果の数値が大
きい座標を適正な閾値との比較により抽出すること、 この抽出されたパラメータ図表の座標を位置の近接に対
応してグループ化すること、 このように生成されたグループごとに代表の座標を選出
すること、 この選出された座標から画像データの傾斜を推定するこ
と、を前記コンピュータに実行させるためのプログラム
が格納されていることを特徴とする情報記憶媒体。 - 【請求項３０】 コンピュータが読取自在なソフトウェ
アが格納されている情報記憶媒体であって、 多値の濃度がデジタルで個々に設定された多数の画素か
らなる画像データの外部入力を受け付けること、 この外部入力された画像データの全部の画素の濃度ｔの
平均値Ｍを算出すること、 この算出された濃度の平均値との差分“｜ｔ−Ｍ｜”を
重み係数として画像データの画素ごとに算出すること、 画像データの位置座標(ｘ，ｙ)の画素ごとにハフ変換処
理を実行することで、直線成分“ρ＝ｘcosθ＋ｙsin
θ”のｘ軸との角度“θ”および原点との距離“｜ρ
｜”を座標(θ，ρ)としたパラメータ図表を、ハフ曲線
の重複ごとに対応する重み係数を加算して生成するこ
と、 この生成されたパラメータ図表から加算結果の数値が大
きい座標を適正な閾値との比較により抽出すること、 この抽出されたパラメータ図表の座標の個数を角度
“θ”ごとに積算してヒストグラムを生成すること、 この生成されたヒストグラムから座標の個数が最多の角
度“θ”を特定すること、を前記コンピュータに実行さ
せるためのプログラムが格納されていることを特徴とす
る情報記憶媒体。 - 【請求項３１】 コンピュータが読取自在なソフトウェ
アが格納されている情報記憶媒体であって、 多値の濃度がデジタルで個々に設定された多数の画素か
らなる画像データの外部入力を受け付けること、 この外部入力された画像データの全部の画素の濃度ｔの
平均値Ｍを算出すること、 この算出された濃度の平均値との差分“｜ｔ−Ｍ｜”を
重み係数として画像データの画素ごとに算出すること、 画像データの位置座標(ｘ，ｙ)の画素ごとにハフ変換処
理を実行することで、直線成分“ρ＝ｘcosθ＋ｙsin
θ”のｘ軸との角度“θ”および原点との距離“｜ρ
｜”を座標(θ，ρ)としたパラメータ図表を、ハフ曲線
の重複ごとに対応する重み係数を加算して生成するこ
と、 この生成されたパラメータ図表から加算結果の数値が大
きい座標を適正な閾値との比較により抽出すること、 この抽出されたパラメータ図表の座標を位置の近接に対
応してグループ化すること、 このように生成されたグループごとに代表の座標を選出
すること、 この選出された多数の座標が集中している角度“θ”を
特定すること、を前記コンピュータに実行させるための
プログラムが格納されていることを特徴とする情報記憶
媒体。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP10128768A JPH11328408A (ja) | 1998-05-12 | 1998-05-12 | データ処理装置および方法、情報記憶媒体 |
| IL12989699A IL129896A0 (en) | 1998-05-12 | 1999-05-11 | Method for detecting slope of image data utilizing hough-transform |
| US09/310,789 US6408105B1 (en) | 1998-05-12 | 1999-05-12 | Method for detecting slope of image data utilizing hough-transform |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP10128768A JPH11328408A (ja) | 1998-05-12 | 1998-05-12 | データ処理装置および方法、情報記憶媒体 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH11328408A true JPH11328408A (ja) | 1999-11-30 |
Family
ID=14993001
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP10128768A Withdrawn JPH11328408A (ja) | 1998-05-12 | 1998-05-12 | データ処理装置および方法、情報記憶媒体 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US6408105B1 (ja) |
| JP (1) | JPH11328408A (ja) |
| IL (1) | IL129896A0 (ja) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7016552B2 (en) | 2000-09-07 | 2006-03-21 | Fuji Xerox Co., Ltd. | Image processing device, image processing method, and recording medium storing image processing program |
| JP2007310466A (ja) * | 2006-05-16 | 2007-11-29 | Fuji Xerox Co Ltd | 画像傾き検出装置および画像傾き検出処理プログラム |
| JP2010039868A (ja) * | 2008-08-06 | 2010-02-18 | Sharp Corp | 位置座標処理装置、及び、位置座標処理方法 |
| WO2010116774A1 (ja) * | 2009-04-07 | 2010-10-14 | 村田機械株式会社 | 画像処理装置と処理方法、処理プログラム、及び記憶媒体 |
| JP2010244352A (ja) * | 2009-04-07 | 2010-10-28 | Murata Machinery Ltd | 画像処理装置と処理方法、及び処理プログラム |
| US7848576B2 (en) | 2004-06-18 | 2010-12-07 | Sony Corporation | Image matching method, image matching apparatus, and program |
| JP2016038789A (ja) * | 2014-08-08 | 2016-03-22 | 住友電気工業株式会社 | 移動体速度算出装置、コンピュータプログラム及び移動体速度算出方法 |
| CN115457276A (zh) * | 2022-09-20 | 2022-12-09 | 哈尔滨理工大学 | 基于视觉检测的输配电变压器高压绕组缠绕角度检测方法 |
| WO2023002677A1 (ja) * | 2021-07-19 | 2023-01-26 | 浜松ホトニクス株式会社 | 傾斜推定システム、傾斜推定方法、傾斜推定プログラム、半導体検査システム及び生体観察システム |
| CN116817799A (zh) * | 2023-08-29 | 2023-09-29 | 山东卓越精工集团有限公司 | 用于超高层建筑物的垂直度测量系统 |
Families Citing this family (45)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4310090B2 (ja) * | 2002-09-27 | 2009-08-05 | 株式会社日立製作所 | 欠陥データ解析方法及びその装置並びにレビューシステム |
| JP4345426B2 (ja) * | 2003-10-07 | 2009-10-14 | ソニー株式会社 | 画像照合方法、プログラム、および画像照合装置 |
| US7373277B1 (en) | 2004-03-09 | 2008-05-13 | Kla-Tencor Technologies Corp. | Methods and systems for detection of selected defects particularly in relatively noisy inspection data |
| US7634159B2 (en) * | 2004-12-08 | 2009-12-15 | Motorola, Inc. | System and method for parallel computation of an array transform |
| EP1831362B1 (en) * | 2004-12-30 | 2011-10-26 | Genencor International, Inc. | Acid fungal proteases |
| US9137417B2 (en) | 2005-03-24 | 2015-09-15 | Kofax, Inc. | Systems and methods for processing video data |
| US9769354B2 (en) | 2005-03-24 | 2017-09-19 | Kofax, Inc. | Systems and methods of processing scanned data |
| JP2006302952A (ja) * | 2005-04-15 | 2006-11-02 | Toshiba Corp | パターン計測システムおよび半導体装置の製造方法 |
| US8385647B2 (en) * | 2006-01-25 | 2013-02-26 | Kofax, Inc. | Method of image analysis using sparse Hough transform |
| US7738730B2 (en) * | 2006-01-25 | 2010-06-15 | Atalasoft, Inc. | Method of image analysis using sparse hough transform |
| JP4038777B2 (ja) * | 2006-02-28 | 2008-01-30 | ソニー株式会社 | 登録装置及び認証装置 |
| US9349046B2 (en) | 2009-02-10 | 2016-05-24 | Kofax, Inc. | Smart optical input/output (I/O) extension for context-dependent workflows |
| US8958605B2 (en) | 2009-02-10 | 2015-02-17 | Kofax, Inc. | Systems, methods and computer program products for determining document validity |
| US8774516B2 (en) | 2009-02-10 | 2014-07-08 | Kofax, Inc. | Systems, methods and computer program products for determining document validity |
| US9767354B2 (en) | 2009-02-10 | 2017-09-19 | Kofax, Inc. | Global geographic information retrieval, validation, and normalization |
| US9576272B2 (en) | 2009-02-10 | 2017-02-21 | Kofax, Inc. | Systems, methods and computer program products for determining document validity |
| IT1401952B1 (it) * | 2010-09-22 | 2013-08-28 | Henesis S R L | Sistema e metodo per il monitoraggio di pantografi. |
| US9058580B1 (en) | 2012-01-12 | 2015-06-16 | Kofax, Inc. | Systems and methods for identification document processing and business workflow integration |
| US9483794B2 (en) | 2012-01-12 | 2016-11-01 | Kofax, Inc. | Systems and methods for identification document processing and business workflow integration |
| US8989515B2 (en) | 2012-01-12 | 2015-03-24 | Kofax, Inc. | Systems and methods for mobile image capture and processing |
| US9058515B1 (en) | 2012-01-12 | 2015-06-16 | Kofax, Inc. | Systems and methods for identification document processing and business workflow integration |
| US10146795B2 (en) | 2012-01-12 | 2018-12-04 | Kofax, Inc. | Systems and methods for mobile image capture and processing |
| GB2500431B8 (en) * | 2012-03-22 | 2017-06-07 | Sony Computer Entertainment Europe Ltd | System and method of estimating page position |
| US9582932B2 (en) * | 2012-06-05 | 2017-02-28 | Apple Inc. | Identifying and parameterizing roof types in map data |
| US9355440B1 (en) | 2012-10-10 | 2016-05-31 | Kla-Tencor Corp. | Detection of selected defects in relatively noisy inspection data |
| WO2014160426A1 (en) | 2013-03-13 | 2014-10-02 | Kofax, Inc. | Classifying objects in digital images captured using mobile devices |
| US9355312B2 (en) | 2013-03-13 | 2016-05-31 | Kofax, Inc. | Systems and methods for classifying objects in digital images captured using mobile devices |
| US9208536B2 (en) | 2013-09-27 | 2015-12-08 | Kofax, Inc. | Systems and methods for three dimensional geometric reconstruction of captured image data |
| TWI513993B (zh) | 2013-03-26 | 2015-12-21 | Ind Tech Res Inst | 三軸磁場感測器、製作磁場感測結構的方法與磁場感測電路 |
| US20140316841A1 (en) | 2013-04-23 | 2014-10-23 | Kofax, Inc. | Location-based workflows and services |
| DE202014011407U1 (de) | 2013-05-03 | 2020-04-20 | Kofax, Inc. | Systeme zum Erkennen und Klassifizieren von Objekten in durch Mobilgeräte aufgenommenen Videos |
| US9442077B2 (en) | 2013-08-28 | 2016-09-13 | Kla-Tencor Corp. | Scratch filter for wafer inspection |
| JP2016538783A (ja) | 2013-11-15 | 2016-12-08 | コファックス， インコーポレイテッド | モバイル映像データを用いて長尺文書の合成画像を生成するためのシステムおよび方法 |
| CN104331876B (zh) * | 2014-10-09 | 2020-12-08 | 北京配天技术有限公司 | 直线检测、图像处理的方法及相关装置 |
| US9760788B2 (en) | 2014-10-30 | 2017-09-12 | Kofax, Inc. | Mobile document detection and orientation based on reference object characteristics |
| US10242285B2 (en) | 2015-07-20 | 2019-03-26 | Kofax, Inc. | Iterative recognition-guided thresholding and data extraction |
| US9779296B1 (en) | 2016-04-01 | 2017-10-03 | Kofax, Inc. | Content-based detection and three dimensional geometric reconstruction of objects in image and video data |
| US10803350B2 (en) | 2017-11-30 | 2020-10-13 | Kofax, Inc. | Object detection and image cropping using a multi-detector approach |
| JP6901386B2 (ja) * | 2017-12-08 | 2021-07-14 | 株式会社東芝 | 勾配推定装置、勾配推定方法、プログラムおよび制御システム |
| CN110233947A (zh) * | 2018-03-05 | 2019-09-13 | 光宝电子(广州)有限公司 | 图像角度检测的方法及其图像处理系统 |
| TWI716684B (zh) * | 2018-05-09 | 2021-01-21 | 華邦電子股份有限公司 | 臨界尺寸量測方法及用於量測臨界尺寸的影像處理裝置 |
| WO2020006552A1 (en) * | 2018-06-29 | 2020-01-02 | Geomni, Inc. | Systems and methods for modeling symmetry planes and principal orientation from 3d segments |
| CN110658215B (zh) * | 2019-09-30 | 2022-04-22 | 武汉纺织大学 | 一种基于机器视觉的pcb板自动拼接检测方法与装置 |
| KR20220001125A (ko) | 2020-06-29 | 2022-01-05 | 삼성전자주식회사 | 기판 불량 검출 방법 및 장치 |
| CN112348037A (zh) * | 2020-11-26 | 2021-02-09 | 北京工业大学 | 一种提取离心式喷嘴锥形液膜流动特性参数的方法 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH06314339A (ja) * | 1993-04-27 | 1994-11-08 | Honda Motor Co Ltd | 画像の直線成分抽出装置 |
| JP3163215B2 (ja) * | 1994-03-07 | 2001-05-08 | 日本電信電話株式会社 | 直線抽出ハフ変換画像処理装置 |
| CA2184561C (en) * | 1995-09-12 | 2001-05-29 | Yasuyuki Michimoto | Object detecting apparatus in which the position of a planar object is estimated by using hough transform |
| JP3556766B2 (ja) * | 1996-05-28 | 2004-08-25 | 松下電器産業株式会社 | 道路白線検出装置 |
| JPH10208056A (ja) * | 1997-01-16 | 1998-08-07 | Honda Motor Co Ltd | 直線検出方法 |
-
1998
- 1998-05-12 JP JP10128768A patent/JPH11328408A/ja not_active Withdrawn
-
1999
- 1999-05-11 IL IL12989699A patent/IL129896A0/xx unknown
- 1999-05-12 US US09/310,789 patent/US6408105B1/en not_active Expired - Fee Related
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7016552B2 (en) | 2000-09-07 | 2006-03-21 | Fuji Xerox Co., Ltd. | Image processing device, image processing method, and recording medium storing image processing program |
| US7848576B2 (en) | 2004-06-18 | 2010-12-07 | Sony Corporation | Image matching method, image matching apparatus, and program |
| JP2007310466A (ja) * | 2006-05-16 | 2007-11-29 | Fuji Xerox Co Ltd | 画像傾き検出装置および画像傾き検出処理プログラム |
| JP2010039868A (ja) * | 2008-08-06 | 2010-02-18 | Sharp Corp | 位置座標処理装置、及び、位置座標処理方法 |
| CN102282588A (zh) * | 2009-04-07 | 2011-12-14 | 村田机械株式会社 | 图像处理装置、处理方法、处理程序及存储介质 |
| JP2010244352A (ja) * | 2009-04-07 | 2010-10-28 | Murata Machinery Ltd | 画像処理装置と処理方法、及び処理プログラム |
| WO2010116774A1 (ja) * | 2009-04-07 | 2010-10-14 | 村田機械株式会社 | 画像処理装置と処理方法、処理プログラム、及び記憶媒体 |
| US8682080B2 (en) | 2009-04-07 | 2014-03-25 | Murata Machinery, Ltd. | Image processing apparatus, image processing method, image processing program, and storage medium |
| JP2016038789A (ja) * | 2014-08-08 | 2016-03-22 | 住友電気工業株式会社 | 移動体速度算出装置、コンピュータプログラム及び移動体速度算出方法 |
| WO2023002677A1 (ja) * | 2021-07-19 | 2023-01-26 | 浜松ホトニクス株式会社 | 傾斜推定システム、傾斜推定方法、傾斜推定プログラム、半導体検査システム及び生体観察システム |
| JP7229439B1 (ja) * | 2021-07-19 | 2023-02-27 | 浜松ホトニクス株式会社 | 傾斜推定システム、傾斜推定方法、傾斜推定プログラム、半導体検査システム及び生体観察システム |
| CN115457276A (zh) * | 2022-09-20 | 2022-12-09 | 哈尔滨理工大学 | 基于视觉检测的输配电变压器高压绕组缠绕角度检测方法 |
| CN115457276B (zh) * | 2022-09-20 | 2023-05-30 | 哈尔滨理工大学 | 基于视觉检测的输配电变压器高压绕组缠绕角度检测方法 |
| CN116817799A (zh) * | 2023-08-29 | 2023-09-29 | 山东卓越精工集团有限公司 | 用于超高层建筑物的垂直度测量系统 |
| CN116817799B (zh) * | 2023-08-29 | 2023-11-28 | 山东卓越精工集团有限公司 | 用于超高层建筑物的垂直度测量系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| US6408105B1 (en) | 2002-06-18 |
| IL129896A0 (en) | 2000-02-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JPH11328408A (ja) | データ処理装置および方法、情報記憶媒体 | |
| US8027527B2 (en) | Method for analyzing defect data and inspection apparatus and review system | |
| JP4208918B2 (ja) | 文書画像からテキストを抽出する方法及び装置並びにコンピュータプログラム及びその記憶媒体 | |
| CN112070766B (zh) | 缺陷检测方法及装置、检测设备及可读存储介质 | |
| CN112767358A (zh) | 基于图像特征配准的铁路电力机车故障检测方法 | |
| CN116168351B (zh) | 电力设备巡检方法及装置 | |
| CN114494161A (zh) | 基于图像对比的受电弓异物检测方法、设备及存储介质 | |
| CN112419207A (zh) | 一种图像矫正方法及装置、系统 | |
| CN110288040B (zh) | 一种基于拓扑验证的图像相似评判方法及设备 | |
| US20050271260A1 (en) | Device, method and program for removing pores | |
| JP2014126445A (ja) | 位置合せ装置、欠陥検査装置、位置合せ方法、及び制御プログラム | |
| JP2864735B2 (ja) | 物体識別方法および装置ならびに物体識別のための画像処理方法および装置 | |
| JPH06207909A (ja) | 表面欠陥検査装置 | |
| CN113592761A (zh) | 存储介质、走线检测装置、走线检测模型训练装置及方法 | |
| CN115953399A (zh) | 基于轮廓特征与svdd的工业部件结构性缺陷检测方法 | |
| JP2005250786A (ja) | 画像認識方法 | |
| CN111986169A (zh) | 门窗检测方法、系统、终端以及介质 | |
| JP2000321038A (ja) | パターン欠陥検出方法 | |
| JP4674853B2 (ja) | 画像処理用部品データ作成方法及び画像処理用部品データ作成装置 | |
| JP2001099625A (ja) | パターン検査装置およびパターン検査方法 | |
| JP2000357287A (ja) | ナンバープレート認識方法および認識装置 | |
| JPH09229642A (ja) | 電子部品の外観検査方法 | |
| US20240144467A1 (en) | Hot spot defect detecting method and hot spot defect detecting system | |
| JP2001357401A (ja) | 画像処理方法 | |
| JPH07280746A (ja) | 金属板表面疵抽出装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A300 | Application deemed to be withdrawn because no request for examination was validly filed |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 20050802 |