TWI458951B - 隱形眼鏡檢測系統 - Google Patents

Description

隱形眼鏡檢測系統

本發明是有關於一種檢測系統，特別是指一種隱形眼鏡檢測系統。

近年來，隱形眼鏡已成為人們生活中不可或缺的日常用品之一，而為了因應龐大的需求，相關製造廠商必須藉由機器大量地生產隱形眼鏡。

在製造隱形眼鏡的過程中，上述機器常常有可能在進行一些例如成形、修邊，或者是脫模等步驟時損害隱形眼鏡的鏡片，因而造成鏡片瑕疵。

為了確保有瑕疵的鏡片不會流入市面，相關製造廠商於製造的過程中會進行把關以維持品質，例如透過檢測的方式。一般而言，目前的檢測方式主要是透過人力來完成。

上述人工檢測的缺點在於，藉由人力來確認鏡片瑕疵的效率太低，且人工判斷的標準往往無法一致，使得檢測不夠精確，進而造成無法將有瑕疵的隱形眼鏡有效地檢測出的疑慮。

因此，本發明之目的，即在提供一隱形眼鏡檢測系統。

於是，本發明隱形眼鏡檢測系統，適用於一隱形眼鏡檢測器，該隱形眼鏡檢測系統包含一主體搜尋模組、一面積計算模組，及一瑕疵檢測模組。

該主體搜尋模組根據一關聯於一隱形眼鏡的影像資料，獲得一對應該隱形眼鏡的主體影像。其中該主體影像界定一封閉區域。該封閉區域具有一內輪廓與一外輪廓。

該面積計算模組根據該封閉區域，求得一對應該主體影像的主體面積參數。其中該主體面積參數代表該主體影像的面積。

該瑕疵檢測模組根據該主體影像，產生一對應該隱形眼鏡的模擬影像。其中該模擬影像界定一圓形區域。

該面積計算模組根據該封閉區域與該圓形區域，求得一代表該主體影像與該模擬影像二者的面積的差異的瑕疵面積參數。該隱形眼鏡檢測器根據該瑕疵面積參數判斷該隱形眼鏡是否異常。

本發明之功效在於，藉由產生該模擬影像，並透過該圓形區域與該封閉區域求得代表該主體影像與該模擬影像二者的面積的差異的該瑕疵面積參數，可以供該隱形眼鏡檢測器有效率地且準確地判斷該隱形眼鏡是否異常。

有關本發明之前述及其他技術內容、特點與功效，在以下配合參考圖式之一個較佳實施例的詳細說明中，將可清楚的呈現。

參閱圖1與圖2，本發明隱形眼鏡檢測系統1之較佳實施例適用於一隱形眼鏡檢測器(圖未示)與一影像擷取元件(圖未示)。該隱形眼鏡檢測器為現有的檢測器，並配合本較佳實施例針對已製造出的隱形眼鏡判斷其鏡片是否有瑕疵。該影像擷取元件為一電荷耦合元件(Charge Coupled Device，CCD)或互補式金氧半導體(Complementary Metal Oxide Semiconductor，CMOS)其中一者，並用以擷取隱形眼鏡的影像以產生相對應的影像資料。該隱形眼鏡檢測系統1包含一主體搜尋模組11、一面積計算模組12，及一瑕疵檢測模組13。在本較佳實施例中，該主體搜尋模組11、該面積計算模組12，及該瑕疵檢測模組13是以軟體方式實施，其實施態樣為一內儲相對應程式的電腦程式產品。當該隱形眼鏡檢測器的處理器(圖未示)載入並執行該電腦程式產品後，可以完成上述該主體搜尋模組11、該面積計算模組12，及該瑕疵檢測模組13等功能。

該主體搜尋模組11用以根據該影像擷取元件產生的影像資料獲得一主體影像。

該面積計算模組12用以獲得該主體影像的面積。

該瑕疵檢測模組13用以產生一對應該隱形眼鏡的模擬影像，以供該面積計算模組12產生一代表該主體影像與該模擬影像二者的面積差異的瑕疵面積參數。

以下配合一隱形眼鏡檢測方法與一應用範例，針對上述該主體搜尋模組11、該面積計算模組12，及該瑕疵檢測模組13彼此間的互動進一步地說明。其中該隱形眼鏡檢測方法包含以下步驟。

首先，在正式對隱形眼鏡進行檢測前，需先獲得欲檢測的隱形眼鏡的影像資料。當然，除了可透過上述該影像擷取元件獲得影像資料外，亦可透過其它方式獲得影像資料，並不限於本較佳實施例所揭露。其中該影像資料代表與該隱形眼鏡相對應的影像格式檔案。

如步驟S21所示，該主體搜尋模組11根據該影像資料獲得一對應該隱形眼鏡的主體影像(見圖3)。其中該主體影像界定一封閉區域31。該封閉區域31具有一內輪廓311與一外輪廓312。值得一提的是，該主體影像代表的是該隱形眼鏡原始的外觀狀態，因此若該隱形眼鏡是沒有瑕疵的，該封閉區域31應該為一正圓形，若該隱形眼鏡是有瑕疵的，則該封閉區域31嚴格來說就非一正圓形，且在外觀上可能出現如凹陷341(見圖3)、突起351(見圖4)，或者大破片38(見圖5)等瑕疵。後續將針對如何判斷上述不同狀況的瑕疵做檢測進一步地說明。

在本較佳實施例中，該主體搜尋模組11採用一邊緣檢測演算法(Edge Dection Algorithm)獲得該主體影像。該邊緣檢測演算法主要的步驟如下：首先，透過一高斯濾波器濾除關聯於該影像資料的雜訊；接著，透過一梯度運算子且根據已濾除雜訊的該影像資料獲得一對應該影像資料的梯度影像；繼而，透過一非最大化壓縮法(Non-Maxima Suppression)且根據該梯度影像獲得該主體影像。

惟該高斯濾波器濾除雜訊的細節、該梯度運算子獲得該梯度影像的細節，以及該非最大化壓縮法的細節為熟悉該領域者所能輕易理解，故不在此贅述。

如步驟S22所示，該面積計算模組12根據該封閉區域31求得一對應該主體影像的主體面積參數。其中該主體面積參數代表該主體影像的面積。其中該面積計算模組12透過以下步驟求得該主體面積參數：首先，將該主體影像劃分為多個影像組成(component)；接著，分別計算該等影像組成的面積；繼而，將該等影像組成的面積加總以獲得該主體面積參數。

其中該等影像組成為多個矩形。惟將一影像劃分為多個影像組成進而求得該影像的面積的細節為熟悉該領域者所能輕易理解，故不在此贅述。

如步驟S23所示，判斷該主體面積參數是否大於一預設的門檻值。亦即，若該主體面積參數小於該預設的門檻值，代表該隱形眼鏡有著嚴重的瑕疵，甚至是肉眼就可以觀察到的瑕疵，因此該隱形眼鏡檢測器可直接將其判斷為異常的隱形眼鏡。其中該門檻值為一般正常隱形眼鏡的面積值。

如步驟S24所示，若該主體面積參數大於或等於該預設的門檻值，則該瑕疵檢測模組13根據該主體影像產生一對應該隱形眼鏡的模擬影像(見圖3)。其中該模擬影像界定一圓形區域33。亦即，該模擬影像所界定出的該圓形區域33的意義代表相較於該主體影像，其外觀是完整的，因此可用來做為判斷該隱形眼鏡的瑕疵情況的依據。而對於上述三種不同類型的瑕疵，即，凹陷、突起，及大破片，該瑕疵檢測模組13產生該模擬影像的方式亦不同，也就是說，對於每一待檢測的隱形眼鏡，該瑕疵檢測模組13均會藉由不同的方式產生該模擬影像，以檢驗該隱形眼鏡是否存有上述的三種瑕疵，以下將進一步地介紹。

凹陷：

參閱圖3，該瑕疵檢測模組13根據該封閉區域31的外輪廓312產生一對應該主體影像的圓形軌跡32，並根據該圓形軌跡32產生該模擬影像。亦即，假設該隱形眼鏡若存有凹陷的瑕疵，透過所產生的該模擬影像，該瑕疵檢測模組13可以檢測出一凹陷341與另一凹陷342。在凹陷的情況下，該圓形區域33的範圍涵蓋該封閉區域31。

突起：

參閱圖4，該瑕疵檢測模組13根據該封閉區域31的內輪廓311產生一對應該主體影像的圓形軌跡32，並根據該圓形軌跡32產生該模擬影像。亦即，假設該隱形眼鏡若存有突起的瑕疵，透過所產生的該模擬影像，該瑕疵檢測模組13可以檢測出一突起351與另一突起352。在突起的情況下，該封閉區域31的範圍涵蓋該圓形區域33。

大破片：

參閱圖5，該封閉區域31還具有一中心36與一半徑37，該瑕疵檢測模組13根據該封閉區域31的中心36和半徑37產生該模擬影像。亦即，假設該隱形眼鏡若存有大破 片的瑕疵，透過所產生的該模擬影像，該瑕疵檢測模組13可以檢測出一大破片38。

如步驟S25所示，該面積計算模組12根據該封閉區域31與該圓形區域33求得一代表該主體影像與該模擬影像二者的面積的差異的瑕疵面積參數。亦即，當該瑕疵檢測模組13檢測出上述三種瑕疵的任何一種時，該面積計算模組12會接著計算瑕疵區域所佔的面積，以獲得該瑕疵面積參數。而對於不同類型的瑕疵，計算面積的方式也不一樣。以下將進一步地說明。

凹陷、突起：

該面積計算模組12根據該封閉區域31與該圓形區域33二者相異之區域產生至少一內切矩形，並根據該內切矩形的面積求得該瑕疵面積參數。以圖3為例，假設該隱形眼鏡的瑕疵類型為凹陷，則該面積計算模組會根據該等凹陷341、342分別產生內切矩形343，繼而再根據該等內切矩形343的長和寬計算出面積，而後將每一內切矩形343的面積分別做為該瑕疵面積參數，亦即，每一內切矩形343均存在相對應的瑕疵面積參數。類似地，以圖4為例，假設該隱形眼鏡的瑕疵類型為突起，則該面積計算模組12會根據該等突起351、352分別產生內切矩形353，繼而再根據該等內切矩形353的長和寬計算出面積，而後將每一內切矩形353的面積分別做為該瑕疵面積參數，亦即，每一內切矩形353均存在相對應的瑕疵面積參數。

大破片：

該面積計算模組12根據該圓形區域33產生一圓形面積參數，並根據該圓形面積參數與該主體面積參數二者之差求得該瑕疵面積參數。以圖5為例，假設該隱形眼鏡的瑕疵類型為大破片，則該面積計算模組12會計算該模擬影像所定義的圓形區域33的面積，即，該圓形面積參數，而後以該圓形面積參數與該主體面積參數二者之差求得該瑕疵面積參數。

如步驟S26所示，該隱形眼鏡檢測器根據該瑕疵面積參數判斷該隱形眼鏡是否異常。亦即，根據不同類型的瑕疵，該隱形眼鏡檢測器分別判斷該瑕疵面積參數是否超過一臨界值，以做為判斷該隱形眼鏡是否異常的依據。如表一所示：

其中若瑕疵類型為凹陷或突起，當分別對應的瑕疵面積參數大於臨界值一時，則該隱形眼鏡檢測器將該隱形眼鏡判斷為異常；反之，則該隱形眼鏡檢測器將該隱形眼鏡判斷為正常。以圖3為例，若該凹陷341對應的該瑕疵面積參數小於臨界值一，而該凹陷342對應的該瑕疵面積參數大於臨界值一，則該隱形眼鏡檢測器會將該隱形眼鏡判斷為異常。以圖4為例，若該突起351對應的該瑕疵面積參數小於臨界值一，且該突起352對應的該瑕疵面積參數 亦小於臨界值一，則該隱形眼鏡檢測器將該隱形眼鏡判斷為正常。類似地，若瑕疵類型為大破片，當對應的瑕疵面積參數大於臨界值二時，則該隱形眼鏡檢測器將該隱形眼鏡判斷為異常；反之，則該隱形眼鏡檢測器將該隱形眼鏡判斷為正常。

綜上所述，根據隱形眼鏡的主體影像產生對應的模擬影像後，再針對不同類型的瑕疵進行檢測，進而計算對應瑕疵區域的瑕疵面積參數，可以供該隱形眼鏡檢測器有效率地且準確地判斷該隱形眼鏡是否異常，故確實能達成本發明之目的。

惟以上所述者，僅為本發明之較佳實施例而已，當不能以此限定本發明實施之範圍，即大凡依本發明申請專利範圍及發明說明內容所作之簡單的等效變化與修飾，皆仍屬本發明專利涵蓋之範圍內。

1‧‧‧隱形眼鏡檢測系統

11‧‧‧主體搜尋模組

12‧‧‧面積計算模組

13‧‧‧瑕疵檢測模組

31‧‧‧封閉區域

311‧‧‧內輪廓

312‧‧‧外輪廓

32‧‧‧圓形軌跡

33‧‧‧圓形區域

341‧‧‧凹陷

342‧‧‧凹陷

343‧‧‧內切矩形

351‧‧‧突起

352‧‧‧突起

353‧‧‧內切矩形

36‧‧‧中心

37‧‧‧半徑

38‧‧‧大破片

S21~S26‧‧‧步驟

圖1是一系統圖，說明本發明隱形眼鏡檢測系統的較佳實施例；圖2是一流程圖，說明一對應本較佳實施例的隱形眼鏡檢測方法；圖3是一示意圖，說明本較佳實施例的主體影像、模擬影像，及凹陷瑕疵；圖4是一示意圖，說明本較佳實施例的主體影像、模擬影像，及突起瑕疵；及圖5是一示意圖，說明本較佳實施例的主體影像、模 擬影像，及大破片瑕疵。

S21~S26．．．步驟

Claims (10)

1. 一種隱形眼鏡檢測系統，適用於一隱形眼鏡檢測器，該隱形眼鏡檢測系統包含：一主體搜尋模組，根據一關聯於一隱形眼鏡的影像資料獲得一對應該隱形眼鏡的主體影像，其中該主體影像界定一封閉區域，該封閉區域具有一內輪廓與一外輪廓；一面積計算模組，根據該封閉區域求得一對應該主體影像的主體面積參數，其中該主體面積參數代表該主體影像的面積；及一瑕疵檢測模組，根據該主體影像產生一對應該隱形眼鏡的模擬影像，其中該模擬影像界定一圓形區域；其中該面積計算模組還根據該封閉區域與該圓形區域求得一代表該主體影像與該模擬影像二者的面積的差異的瑕疵面積參數，該隱形眼鏡檢測器根據該瑕疵面積參數判斷該隱形眼鏡是否異常。
2. 根據申請專利範圍第1項所述之隱形眼鏡檢測系統，其中當該主體面積參數大於一預設的門檻值，則該瑕疵檢測模組根據該主體影像產生該模擬影像。
3. 根據申請專利範圍第2項所述之隱形眼鏡檢測系統，其中該瑕疵檢測模組根據該封閉區域的內輪廓產生一對應該主體影像的圓形軌跡，並根據該圓形軌跡產生該模擬影像。
4. 根據申請專利範圍第3項所述之隱形眼鏡檢測系統，其中該面積計算模組根據該封閉區域與該圓形區域二者相異之區域產生至少一內切矩形，並根據該內切矩形的面積求得該瑕疵面積參數，用以檢測該主體影像是否具有突起瑕疵。
5. 根據申請專利範圍第2項所述之隱形眼鏡檢測系統，其中該瑕疵檢測模組根據該封閉區域的外輪廓產生一對應該主體影像的圓形軌跡，並根據該圓形軌跡產生該模擬影像。
6. 根據申請專利範圍第5項所述之隱形眼鏡檢測系統，其中該面積計算模組根據該封閉區域與該圓形區域二者相異之區域產生至少一內切矩形，並根據該內切矩形的面積求得該瑕疵面積參數，用以檢測該主體影像是否具有凹陷瑕疵。
7. 根據申請專利範圍第2項所述之隱形眼鏡檢測系統，其中該封閉區域還具有一中心與一半徑，該瑕疵檢測模組根據該封閉區域的中心和半徑產生該模擬影像。
8. 根據申請專利範圍第7項所述之隱形眼鏡檢測系統，其中該面積計算模組根據該圓形區域產生一圓形面積參數，並根據該圓形面積參數與該主體面積參數二者之差求得該瑕疵面積參數，用以檢測該主體影像是否具有大破片瑕疵。
9. 根據申請專利範圍第1項所述之隱形眼鏡檢測系統，其中該主體搜尋模組進行以下步驟獲得該主體影像： (A-1)透過一高斯濾波器濾除關聯於該影像資料的雜訊；(A-2)透過一梯度運算子且根據已濾除雜訊的該影像資料獲得一對應該影像資料的梯度影像；及(A-3)透過一非最大化壓縮法且根據該梯度影像獲得該主體影像。
10. 根據申請專利範圍第1項所述之隱形眼鏡檢測系統，其中該面積計算模組進行以下步驟獲得該主體面積參數：(B-1)將該主體影像劃分為多個影像組成；(B-2)分別計算該等影像組成的面積；及(B-3)將該等影像組成的面積加總以獲得該主體面積參數。