KR102600923B1 - 마스크 생산 라인에서 마스크 필터의 정형 및 비정형 이물질 자동 판별을 위한 교차상관관계 기반 영상 처리 방법 - Google Patents

Abstract

마스크 필터의 정형 및 비정형 이물질 자동 판별을 위한 교차상관관계 기반 영상 처리 방법은 마스크의 원본 고해상도 이미지를 소정의 저해상도로 리사이징하여 저해상도 이미지로 변환한 후, 상기 마스크의 가로 방향이 생산라인의 진행방향과 평행할 수 있는 각도를 측정하는 마스크 회전각도 추출하는 제1 단계와, 상기 저해상도 이미지에서 상기 마스크의 필터부분의 꼭지점 좌표를 추출하는 제2 단계와 상기 제1 단계에서 추출된 회전각도와 상기 제2 단계에서 추출된 꼭지점 좌표를 상기 원본 고해상도 이미지에 적용하여 마스크 필터 이미지를 추출하는 제3 단계를 포함하는 것을 특징으로 한다.

Description

마스크 생산 라인에서 마스크 필터의 정형 및 비정형 이물질 자동 판별을 위한 교차상관관계 기반 영상 처리 방법{Cross-correlation-based image processing methods for automatic identification of structured and unstructured foreign objects in mask production lines}

본 발명은 마스크의 이물질 판별방법에 관한 것으로서, 더 상세하게는 마스크 생산 라인에서 마스크 필터의 정형 및 비정형 이물질 자동 판별을 위한 교차상관관계 기반 영상 처리 방법에 관한 것이다.

마스크 산업은 최근 1년간 COVID- 19의 세계적인 대유행으로 마스크의 수요 급증에 따라 크게 발전하고 있다. 본래 마스크는 패션용 또는 추운 겨울에 방한용 마스크를 쓰거나 건설 현장에서 방진용 마스크를 착용하는 것 이외에 수년에 한 번씩 발생하는 전염병의 대비로 보건용 마스크의 소비가 급증해왔다. 소비가 늘어남에 따라 생산 공정 또한 고도화와 자동화가 이루어지고 있다.

현재 생산된 마스크에 대한 불량 판별은 오로지 사람의 눈으로만 검수 되고 있다. 마스크 필터 부분에 묻은 이물은 일정한 패턴을 가진 것이 아닌 다양한 색상과 모양, 크기로 묻어 나오기 때문으로 보인다. 그러나 품질 검수자의 작업 피로도가 크고 검수 속도가 생산 속도에 영향을 미치기 때문에 생산성 저하 문제가 발생하게 된다. 이때 마스크 불량 판별을 자동화할 수 있다면 위의 많은 문제점이 해결될 수 있다.

하지만 마스크 불량 판별을 위한 영상처리는 또 다른 문제를 일으킨다. 생산라인 위에 마스크가 놓일 때 위치와 각도가 일정하지 않기 때문에 기준점을 잡기가 어렵다. 특히 라인 위의 먼지는 영상처리의 정확도를 감소시킬 수 있다. 또한, 이물의 크기가 작은 경우 검출이 불가능할 수도 있다. 이에 생산된 마스크의 자동 판별 시스템을 위해 정확한 불량 판별을 하는 영상처리 알고리즘을 짜는 것이 필요하다. 따라서 외부 요인을 극복하여 정확한 이미지를 얻을 수 있어야 하고 그 이미지를 이용해 불량을 정확하게 검출할 수 있는 알고리즘의 개발이 요구된다.

본 발명은 상기와 같은 기술적 과제를 해결하기 위해 제안된 것으로, 마스크 필터의 정형 및 비정형 이물질 자동 판별을 위한 교차상관관계 기반 영상 처리 방법을 제공한다.

상기 문제점을 해결하기 위한 본 발명의 일 실시예에 따르면, 마스크의 원본 고해상도 이미지를 소정의 저해상도로 리사이징하여 저해상도 이미지로 변환한 후, 상기 마스크의 가로 방향이 생산라인의 진행방향과 평행할 수 있는 각도를 측정하는 마스크 회전각도 추출하는 제1 단계와, 상기 저해상도 이미지에서 상기 마스크의 필터부분의 꼭지점 좌표를 추출하는 제2 단계와, 상기 저해상도 이미지에서 상기 마스크의 필터부분만을 트림한 결과와, 상기 제1 단계에서 추출된 회전각도와 상기 제2 단계에서 추출된 꼭지점 좌표를 상기 원본 고해상도 이미지에 적용하여 마스크 필터 이미지를 추출하는 제3 단계;를 포함하는 마스크 필터의 정형 및 비정형 이물질 자동 판별을 위한 교차상관관계 기반 영상 처리 방법이 제공된다.

또한, 본 발명은 상기 제3 단계의 상기 마스크 필터 이미지의 크기를 조절하는 제4 단계와, 상기 마스크 필터 이미지에서 이물질을 돋보이게 보이기 위해 영상처리를 진행하는 제5 단계를 더 포함하는 것을 특징으로 한다.

또한, 본 발명은 평균 블러링에서 커널 크기를 늘려가며 그에 해당하는 피어슨 상관계수를 도출하는 제6 단계와, 상기 제6 단계에서 구한 피어슨 상관관계 계수들의 집합에서 최소값을 구하는 제7 단계와, 미리 설정된 기준값과 상기 제7 단계에서 구한 피어슨 상관계수를 비교하여 상기 마스크의 불량여부를 판정하는 제8 단계를 더 포함하는 것을 특징으로 한다.

현재 제조업에서 품질검사는 생산 장비의 고도화와 자동화로 생산성 향상을 이끌어내고 있다. 하지만 생산된 마스크 불량 검출은 사람의 눈으로 이뤄지고 있다. 작업자의 피로도와 느린 검수 속도는 생산의 효율성을 저하시키고 이는 매출에 직접적인 영향을 미친다. 본 발명은 마스크의 불량 검출을 영상 처리를 통해 자동화할 경우 발생하는 문제점을 해결한다.

즉, 본 발명의 실시예에 따른 마스크 필터의 정형 및 비정형 이물질 자동 판별을 위한 교차상관관계 기반 영상 처리 방법은 다음과 같은 효과가 있다.

생산라인 위에 마스크가 놓일 때 라인의 진행방향과 다르게 틀어지는 문제를 영상처리를 통해 평행하도록 회전시킬 수 있다.

또한, 마스크 필터 부분 이외의 부분은 배경 제거를 통해 비교 범위를 마스크 필터 부분으로 한정시킬 수 있다.

또한, 비교를 위한 마스크 필터 부분의 크기가 달라질 수 있는 문제를 이미지 크기의 조정을 통해 해결할 수 있다.

또한, 마스크 필터 부분에 묻은 이물질을 크기와 형태에 상관없이 검출하기 위해 이미지 상에서 평균 블러링을 통해 이물이 묻은 부위와 그 주변의 픽셀 값을 변경하여 정상 이미지와의 차이를 극대화시킬 수 있다.

도 1은 본 발명의 실시예에 따른 마스크 필터의 정형 및 비정형 이물질 자동 판별을 위한 교차상관관계 기반 영상 처리 방법의 진행과정을 나타낸 도면
도 2는 마스크의 회전각도와 좌표값을 추출하는 예시도
도 2a는 마스크 이미지의 회전의 예시도
도 2b는 마스크 필터 부분 자르기의 예시도
도 3은 LoG(Laplacian of Gaussian)처리의 예시도
도 4는 커널 크기당 피어슨 상관계수의 그래프
도 4a는 마스크 필터 부분 평균 블러링의 예시도

이하, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 본 발명의 기술적 사상을 용이하게 실시할 수 있을 정도로 상세히 설명하기 위하여, 본 발명의 실시예를 첨부한 도면을 참조하여 설명하기로 한다.

도 1은 본 발명의 실시예에 따른 마스크 필터의 정형 및 비정형 이물질 자동 판별을 위한 교차상관관계 기반 영상 처리 방법의 진행과정을 나타낸 도면이고,

표 1은 제안된 방법의 개선방향을 나타낸 표이고, 도 2는 제안된 방법의 영상처리 알고리즘을 요약한 표이다.

영상처리시 발생하는 문제점	본 발명에서 제안하는 개선방향
라인 위 마스크의 위치, 각도	- 라인의 진행 방향과 마스크의 가로 방향이 평행하도록 영상처리를 통해 회전시켜 각도조절
고해상도 이미지 처리속도	- 이물을 확실히 판별하기 위해 고해상도 이미지 촬영이 요구됨 - 마스크 필터 부분 트림 단계까지 저해상도 이미지로 크기 조절 후 결과값을 고해상도 이미지에 적용하여 영상처리 속도를 높임
라인 위의 먼지	- 마스크 필터 부분 이외의 배경 부분을 이미지상에서 삭제하여 불량 판별 시 불필요한 부분을 배제
마스크의 면적	- 생산된 마스크는 매번 면적이 미세하게 달라 정상/불량 이미지 히스토그램 비교 간에 문제가 발생할 수 있음 - 마스크 필터 부분 이미지 크기 조정
이물의 크기	- 이물의 크기가 작은 경우 이물 검출에 영향 - 이물이 묻은 부분과 그 주변의 픽셀값을 조정

프로 세스 구성	내용
마스크 이미지 회전	Hough Transform 연산을 이용해 마스크 필터 부분 모서리를 추출하고 모서리 한쪽 끝을 기준으로 라인과 평행하도록 회전
마스크 필터부분 자르기	마스크 필터 부분의 모서리를 추출하고 각 꼭지점의 좌표를 구해 마스크 필터 부분만 자름
고해상도 이미지 적용	저해상도 이미지로 마스크 회전 각도와 마스크 필터 부분 꼭지점 좌표를 구해 고해상도 이미지에 회전과 트림 적용
마스크 필터부분 크기조정	정상 이미지의 크기와 같도록 대상 이미지 크기 조정
마스크 필터부분 LoG처리	마스크 필터 부분의 이물을 더 돋보이도록 LoG 처리
마스크 필터부분 블러링	마스크 필터 부분을 평균 블러링 하여 이물이 묻은 부분과 그 주변의 픽셀값 변경을 통해 정상 마스크와의 이미지 차이를 확대
피어슨 상관계수 도출	정상/불량 마스크 각각 히스토그램을 추출하고 피어슨 상관 계수를 도출
피어슨 상관계수 최소값 도출	커널 크기당 피어슨 상관계수를 구하고 이 집합에서 최소값을 구한 후 이 값으로 해당 마스크를 정상/불량 판정한다.

도 1, 표 1 및 표 2를 참조하면, 제안된 마스크 필터의 정형 및 비정형 이물질 자동 판별을 위한 교차상관관계 기반 영상 처리 방법은,

마스크의 원본 고해상도 이미지를 소정의 저해상도로 리사이징하여 저해상도 이미지로 변환한 후, 마스크의 가로 방향이 생산라인의 진행방향과 평행할 수 있는 각도를 측정하는 마스크 회전각도 추출하는 제1 단계와,

저해상도 이미지에서 마스크의 필터부분의 꼭지점 좌표를 추출하는 제2 단계와,

제1 단계에서 추출된 회전각도와 제2 단계에서 추출된 꼭지점 좌표를 원본 고해상도 이미지에 적용하여 마스크 필터 이미지를 추출하는 제3 단계와,

제3 단계의 마스크 필터 이미지의 크기를 조절하는 제4 단계와,

마스크 필터 이미지에서 이물질을 돋보이게 보이기 위해 영상처리를 진행하는 제5 단계와,

평균 블러링에서 커널 크기를 늘려가며 그에 해당하는 피어슨 상관계수를 도출하는 제6 단계와,

제6 단계에서 구한 피어슨 상관관계 계수들의 집합에서 최소값을 구하는 제7 단계와,

미리 설정된 기준값과 제7 단계에서 구한 피어슨 상관계수를 비교하여 마스크의 불량여부를 판정하는 제8 단계를 통해서 진행된다.

참고적으로, 마스크 자동 판별 시스템은 생산라인의 마스크의 영상을 촬영하는 카메라와, 카메라의 촬영정보를 영상처리하여 불량여부를 판단하는 판단부와, 판단부의 판단결과에 따라 불량 마스크를 이동시키는 불량 마스크 처리부로 구성될 수 있다.

각 진행단계를 좀 더 상세히 살펴보면 다음과 같다.

- 마스크의 원본 고해상도 이미지를 소정의 저해상도로 리사이징하여 저해상도 이미지로 변환한 후, 마스크의 가로 방향이 생산라인의 진행방향과 평행할 수 있는 각도를 측정하는 마스크 회전각도 추출하는 제1 단계

도 2는 마스크의 회전각도와 좌표값을 추출하는 예시도이다.

도 2를 참조하면, 마스크의 가로길이방향을 (생산)라인의 진행방향과 일치시키기 위해 마스크를 회전시키기 위한 각도를 측정한다. 알고리즘은 도 2와 같은 순서로 진행된다. 원본 고해상도 이미지를 저해상도로 리사이징 후 그레이 스케일(Gray scale)로 변환한다.

여기에 Canny Edge Detection 알고리즘을 이용하여 에지를 추출하고 다시 Morphology의 closing 연산을 통해 에지를 확장시킨다. 그 후 Contour 함수를 이용하여 마스크의 외곽부분을 추출하고 원본 저해상도 이미지에 그려준다. 그려진 이미지를 Hough Transform을 이용해 선을 추출하고 추출된 선의 양 끝점 좌표 리스트에서 가장 작은 x좌표와 그때의 y좌표, 가장 작은 y좌표와 그때의 x좌표값을 이용하여 그 관계수식을 통해 각도를 구한다.

도 2a는 마스크 이미지의 회전의 예시도이다.

정상/불량 마스크 간의 이미지 비교는 이미지의 크기와 면적, 각도가 같은 조건에서 진행되어야 한다. 원활한 비교를 위해 마스크의 가로길이 방향이 x축과 평행하도록 맞추는 것이 중요하다. 하지만 생산된 마스크가 라인 위에 놓일 때 마스크의 가로길이 방향과 라인의 진행 방향이 항상 일치할 수는 없다. 이에 본 발명에서는 도 2a와 같이 마스크가 라인 위에 놓일 때 발생할 수 있는 라인 진행 방향과 마스크 가로길이 방향의 각도 오차를 없애기 위하여 이미지상에서 오차 만큼 각도 회전을 하였다.

- 저해상도 이미지에서 마스크의 필터부분의 꼭지점 좌표를 추출하는 제2 단계

불량 검출 시 범위를 마스크 필터 부분으로 집중시키기 위해 필터 부분 외 바깥 부분을 자를때 필요한 좌표값을 추출한다. 저해상도 이미지에 단계 1에서 진행한 것과 같은 방법으로 Hough Transform 을 이용하여 선을 추출하고 마스크 필터 부분의 각 꼭지점 부분의 좌표를 구하기 위해 추출된 선의 양 끝점 좌표들의 리스트에서 x, y축 기준 최대값과 최소값을 구한다.

도 2b는 마스크 필터 부분 자르기의 예시도이다.

마스크 필터 부분의 불량 검사 시 도 2b와 같이 그 외적인 부분은 제외하는 것이 블량 판정에 있어서 정확도 향상을 가져올 것이다. 외적인 부분으로 마스크 이어링(Ear Ring) 부분과 촬영 시 마스크의 배경이 되는 라인이 있다. 마스크 검사 시 이어링(Ear Ring) 부분에는 이물이 묻어 나오는 경우가 매우 드물고 마스크 필터의 성능에는 아무 영향이 없다. 또한, 마스크를 이동시켜주는 벨트(라인)는 방진 시스템을 갖추더라도 공기 중의 먼지가 벨트에 묻을 수밖에 없기 때문에 불량 검출 시 영향을 미치게 된다.

- 제1 단계에서 추출된 회전각도와 제2 단계에서 추출된 꼭지점 좌표를 원본 고해상도 이미지에 적용하여 마스크 필터 이미지를 추출하는 제3 단계

단계 1에서 구한 각도로 고해상도 이미지를 회전시키고 1.5배 확대 적용한다. 또한, 단계 2에서 구한 x, y 좌표값들을 저해상도 이미지의 가로길이와 세로길이로 나누고 고해상도 이미지의 가로길이와 세로길이를 곱해준다. 여기서 구한 4개의 좌표값들로 마스크 필터 부분을 트림한다.

모든 프로세스를 고해상도 이미지에 적용할 경우, 마스크 바깥쪽 라인에 빛 반사로 인한 많은 아웃라이어(outlier)가 발생하기 때문에 외곽 검출과 선 검출에 문제점이 발생한다. 또한, 고해상도 이미지 처리의 경우 연산속도가 느려지기 때문에 본 발명에서는 원본 이미지를 저해상도로 크기 조절한 후 회전각도와 마스크 필터 부분 4개의 꼭지점 좌표를 이용하여 고해상도 이미지에 재 적용시키는 방식을 택한다.

- 제3 단계의 마스크 필터 이미지의 크기를 조절하는 제4 단계

단계 3에서 자른 이미지를 resize 함수를 이용하여 정상 이미지의 크기와 같도록 조정해 준다.

마스크는 연한 재질로 만들어져 외부 접촉이 조금만 있어도 마스크 필터 부분의 면적은 달라진다. 특히 생산된 마스크가 라인 위에 놓일 때 이러한 문제가 발생한다. 정상/ 블량 마스크 간에 원활한 비교를 위해서는 이미지상 마스크 필터 부분의 크기를 서로 동일하게 맞춰주는 것이 필요하다. 이미지의 히스토그램 값은 이미지 크기에 따라, 픽셀 값에 따라 달라지기 때문에 이미지의 크기를 맞추는 것이 중요하다.

- 마스크 필터 이미지에서 이물질을 돋보이게 보이기 위해 영상처리를 진행하는 제5 단계

도 3은 LoG(Laplacian of Gaussian)처리의 예시도이다.

도 3을 참조하면, 마스크 필터 부분의 이물을 돋보이게 보이기 위해 도 3과 같이 이미지에 LoG처리를 진행할 수 있다.

마스크 필터 부분에 묻어 나오는 이물이 더 돋보이도록 보이기 위해 LoG 처리를 한다. 우선 이미지를 그레이스케일로 변환한 후 Gaussian Blur 처리를 하고 Laplacian 함수를 이용하여 에지를 검출한다. 여기서 Threshold 함수를 이용하여 픽셀값이 임계값보다 큰 경우 흰색으로 바꿔주면 이물이 묻은 부분이 더욱 잘 보이게 된다. 여기서 LoG 처리는 일반적인 Edge Detection 알고리즘인 Laplacian이나 Canny, Sobel에 비해 더 두꺼운 에지를 검출할 수 있기 때문에 이물이 묻은 부분에 더 큰 변화를 줄 수 있다.

- 평균 블러링에서 커널 크기를 늘려가며 그에 해당하는 피어슨 상관계수를 도출하는 제6 단계

도 4는 커널 크기당 피어슨 상관계수의 그래프이고, 도 4a는 마스크 필터 부분 평균 블러링의 예시도이다.

도 4 및 도 4a를 참조하면, 평균 블러링에서 커널 크기를 늘려가며 그에 해당하는 피어슨 상관계수를 도출한다.

마스크 필터 부분에 묻어 나오는 이물의 형태는 매우 다양하다. 마스크 이물은 형태에 따라 정형과 비정형으로 나눌 수 있다. 정형의 경우 선형, 원형과 같이 일반직으로 모양을 정의할 수 있는 형태를 말하고 비정형은 그 외의 복잡한 형태를 말한다. 또한, 이물은 한눈에 알아볼 수 있을 만한 mm 단위의 크기부터 머리카락 굵기까지 크기가 다양하다. 이에 본 발명에서는 도 4a와 같이 이물의 크기와 형태에 관계없이 이물이 묻은 부분과 그 주위를 평균 블러링을 이용해 필터 크기를 매우 크게 설정하여 이미지 값을 변경시킨다. 변경된 이미지 값들은 정상 이미지와의 히스토그램 비교에서 차이를 극대화해준다.

- 제6 단계에서 구한 피어슨 상관관계 계수들의 집합에서 최소값을 구하는 제7 단계

단계 6에서 구한 피어슨 상관 계수들의 집합에서 최소값을 구한다.

생산된 마스크를 정상/불량 판정하기 위해 피어슨 상관계수를 도출한다. 피어슨 상관계수란 두 변수의 연관성을 수치로 나타낸 것을 말한다. 우선 이 계수를 도출하기 위해 각 이미지의 히스토그램 값을 추출해야 한다. 본 발명에서는 이미지를 그레이스케일로 변환한 후 히스토그램을 추출한다. 이미지의 히스토그램 이란 각 화소값 당 빈도수를 나타낸 테이블을 말한다. calcHist 함수를 이용하여 구한 이 히스토그램은 2차원 행렬이고 총 256개 의 값을 가지는데, 피어슨 상관 계수를 구하기 위해선 이 행렬을 squeeze 함수를 이용하여 1차원 행렬로 축소시키는 것이 필요하다. 정상/ 불량 마스크 이미지의 1차원인 2개의 히스토그램 행렬을 corrcoef 함수를 이용하여 피어슨 상관계수를 도출한다. 피어슨 상관계수는 - 1 ~ 1 값을 가지지만 이미지의 히스토그램은 양수만의 행렬이기 때문에 여기선 0 ~ 1 값만을 가진다. 또한, 1 에 가까울수록 두 비교군이 같은 이미지라는 것을 의미한다.

- 미리 설정된 기준값과 제7 단계에서 구한 피어슨 상관계수를 비교하여 마스크의 불량여부를 판정하는 제8 단계

미리 설정된 값을 기준으로 단계 7에서 구한 피어슨 상관계수가 이 값보다 작은 경우 대상 마스크를 불량이라고 판정한다.

즉, 평균 블러링을 할 때 입력한 커널 크기를 3 x 3부터 2씩 늘려가며 최대 301 x 301까지 for 반복문을 통하여 커널 크기당 피어슨 상관계수를 도출한다. 그 후 피어슨 상관 계수들의 집합에서 최소값을 구하고 이 값을 정상/불량 판정할 때 이용한다. 본 발명에서는 마스크의 정상/불량 판정을 위한 기준값을 미리 설정하고 피어슨 상관계수가 설정된 값보다 작은 값이 나오는 경우 불량으로 판정한다.

본 발명의 실시예에 따른 마스크 필터의 정형 및 비정형 이물질 자동 판별을 위한 교차상관관계 기반 영상 처리 방법은 다음과 같은 효과가 있다.

생산라인 위에 마스크가 놓일 때 라인의 진행방향과 다르게 틀어지는 문제를 영상처리를 통해 평행하도록 회전시킬 수 있다.

또한, 마스크 필터 부분 이외의 부분은 배경 제거를 통해 비교 범위를 마스크 필터 부분으로 한정시킬 수 있다.

또한, 비교를 위한 마스크 필터 부분의 크기가 달라질 수 있는 문제를 이미지 크기의 조정을 통해 해결할 수 있다.

또한, 마스크 필터 부분에 묻은 이물질을 크기와 형태에 상관없이 검출하기 위해 이미지 상에서 평균 블러링을 통해 이물이 묻은 부위와 그 주변의 픽셀 값을 변경하여 정상 이미지와의 차이를 극대화시킬 수 있다.

이와 같이, 본 발명이 속하는 기술분야의 당업자는 본 발명이 그 기술적 사상이나 필수적 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적인 것이 아닌 것으로서 이해해야만 한다. 본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 등가개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

Claims (3)

1. 마스크의 원본 고해상도 이미지를 소정의 저해상도로 리사이징하여 저해상도 이미지로 변환한 후, 상기 마스크의 가로 방향이 생산라인의 진행방향과 평행할 수 있는 각도를 측정하는 마스크 회전각도 추출하는 제1 단계;
   상기 저해상도 이미지에서 상기 마스크의 필터부분의 꼭지점 좌표를 추출하는 제2 단계; 및
   상기 제1 단계에서 추출된 회전각도와 상기 제2 단계에서 추출된 꼭지점 좌표를 상기 원본 고해상도 이미지에 적용하여 마스크 필터 이미지를 추출하는 제3 단계;
   를 포함하는 마스크 필터의 정형 및 비정형 이물질 자동 판별을 위한 교차상관관계 기반 영상 처리 방법.
   
2. 제1항에 있어서,
   상기 제3 단계의 상기 마스크 필터 이미지의 크기를 조절하는 제4 단계; 및
   상기 마스크 필터 이미지에서 이물질을 돋보이게 보이기 위해 영상처리를 진행하는 제5 단계;를 더 포함하는 마스크 필터의 정형 및 비정형 이물질 자동 판별을 위한 교차상관관계 기반 영상 처리 방법.
   
3. 제2항에 있어서,
   평균 블러링에서 커널 크기를 늘려가며 그에 해당하는 피어슨 상관계수를 도출하는 제6 단계;
   상기 제6 단계에서 구한 피어슨 상관관계 계수들의 집합에서 최소값을 구하는 제7 단계; 및
   미리 설정된 기준값과 상기 제7 단계에서 구한 피어슨 상관계수를 비교하여 상기 마스크의 불량여부를 판정하는 제8 단계;를 더 포함하는 마스크 필터의 정형 및 비정형 이물질 자동 판별을 위한 교차상관관계 기반 영상 처리 방법.