マハラノビス基準空間の生成方法及び検査装置
【課題】検査品の画像のマハラノビス距離に基づいてその検査品の良否判定を行う技術において、良否判定をするための処理時間を短縮し、なおかつ画像の写り具合に関わらず精度良くその判定を行うこと。
【解決手段】マハラノビス距離を算出するためのマハラノビス基準空間の生成にあたり、先ず、良品か否かの区別が付きにくい良品グレー領域を含む良品サンプルの良品画像を取得する（Ｓ１）。次いで、その良品画像に対して、２値化処理→平滑処理→差分処理の画像処理を施して、良品画像に含まれる良品グレー領域を検出する（Ｓ２）。次いで、検出した良品グレー領域の周辺領域の輝度情報を基準として、その良品グレー領域の輝度情報の特徴量を算出する（Ｓ３）。次いで、その特徴量に基づいて、マハラノビス基準空間を生成する（Ｓ４）。
【解決手段】マハラノビス距離を算出するためのマハラノビス基準空間の生成にあたり、先ず、良品か否かの区別が付きにくい良品グレー領域を含む良品サンプルの良品画像を取得する（Ｓ１）。次いで、その良品画像に対して、２値化処理→平滑処理→差分処理の画像処理を施して、良品画像に含まれる良品グレー領域を検出する（Ｓ２）。次いで、検出した良品グレー領域の周辺領域の輝度情報を基準として、その良品グレー領域の輝度情報の特徴量を算出する（Ｓ３）。次いで、その特徴量に基づいて、マハラノビス基準空間を生成する（Ｓ４）。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、マハラノビス・タグチ法（ＭＴ法）を利用して、製品の外観検査を行う技術に関する。
【背景技術】
【０００２】
従来、製品の外観検査は人手に頼る部分が大きく、この場合、検査員が目視でその検査を実施する。しかし、最終ユーザからの検査品質向上要求、人海戦術検査による人件費増大対策から、近年、市場では画像認識技術を利用した製品の外観検査の自動化が求められている。外観検査を自動的に行う検査装置は、先ずカメラや照明などの撮像機器によって検査品の外観を撮像する。そして、その撮像した検査画像に対して所定の画像処理を行うアルゴリズムにより検査品の良否判定を行う。ここで、そのアルゴリズムの一つに、ＭＴ法を利用した方法が従来知られている（例えば特許文献１参照）。
【０００３】
このＭＴ法は、多数の情報をマハラノビス距離という一つの尺度に集約し、このマハラノビス距離の大小によって、良否を判定する方法である。具体的には、良品の外観を撮像した良品画像から特徴量を抽出して、マハラノビス距離を算出するための基準空間（以下、マハラノビス基準空間とも言う）を生成する。次いで、検査品の外観を撮像した検査画像の特徴量と基準空間とに基づいて、マハラノビス距離を算出する。そして、そのマハラノビス距離の大小に基づいて検査品の良否判定を行うというものである。
【０００４】
ここで、従来のマハラノビス基準空間の生成方法について説明する。図１６は、従来のマハラノビス基準空間の生成手順を示したフローチャートである。先ず、マハラノビス基準空間を生成するために、評価の基準となる正常な画像サンプル（良品画像）を取得する（Ｓ１０１）。次いで、Ｓ１０１で取得したサンプル画像を所定の大きさごとに（例えば６４０×４８０）に切り取っていく（Ｓ１０２）。次いで、切り取った画像について、そのＲ、Ｇ、Ｂの輝度（８ｂｉｔ：０〜２５５）データから、それぞれ０〜１５、１６〜３１、３２〜４７、・・・、２４０〜２５５の１６段階（Ｒ、Ｇ、Ｂでは４８段階）の輝度範囲にある画素数をカウントし、Ｒ、Ｇ、Ｂの輝度分布データを計算する（Ｓ１０３）。次いで、Ｓ１０３で計算した輝度分布データを良品画像の特徴量とし、その特徴量に基づいてマハラノビス基準空間を生成する（Ｓ１０４）。
【先行技術文献】
【特許文献】
【０００５】
【特許文献１】特開２００５−２５２４５１号公報
【発明の概要】
【発明が解決しようとする課題】
【０００６】
ところで、上記のようにして生成した基準空間を検査時に利用する場合には、被検査対象となる検査画像に対しても、上述のＳ１０２のように切り取る処理を行って、切り取った画像ごとに輝度分布データを求める必要がある。しかし、その切り取った画像の範囲が例えば６４０×４８０のような大きな範囲になると、６４０×４８０=３０７２００の画素に対して演算が必要になる。さらに、この方法を検査画像のサイズ（フレームサイズ）で行う必要があるので、切り取る画像の枚数も多くなり、演算時間がさらに増加する。ＭＴ法では数値計算をする必要があるが、製品の外観を撮像する近年のＣＣＤカメラでは分解能ＵＰの要求から数百万画素単位で取り込めるものが汎用的になってきつつあり、数百万からなる画素を処理するためには、上記の従来方法では計算量が多くなってしまい、その結果、検査時間が長くなってしまうという問題がある。
【０００７】
また、従来の方法では、検査の際、画像が予期せぬ写り方をする場合がある。具体的には、例えば、画像全体が暗くまたは明るく写った場合や、画像処理で切り取った画像の一部が暗く、一部が明るかったりする場合がある。なお、画像が暗く写ったり明るく写ったりする原因としては例えば以下の（１）〜（３）の場合が考えられる。
（１）外乱などの影響で偶発する場合
（２）照明を長い期間にわたり使用し続ける（照明の劣化による）場合
（３）検査品の表面形状や材質の影響で、検査品の表面に均一な光を照射することが難しい場合
【０００８】
このように画像が予期せぬ写り方をした場合、その画像に不良とされる領域が写っている、写っていないに関わらず、画像全体の輝度のシフトが起こる。その輝度のシフトに伴って、輝度分布データもシフトするために、その画像が良品、不良品に関わらずマハラノビス距離（ＭＤ値）の増大を招く。この場合、検査装置の過検出(良品を不良と判断すること)に繋がるという問題がある。
【０００９】
本発明は上記問題に鑑みてなされたものであり、ＭＴ法を利用して検査品の良否判定を行う技術に関して、画像の暗い、明るいといった写り具合に関わらず精度良く良否判定を行うことを第一の課題とする。また、良否判定をするための処理時間を短縮することを第二の課題とする。
【課題を解決するための手段】
【００１０】
上記課題を解決するために、本発明に係るマハラノビス基準空間の生成方法は、良品か否かの区別が付きにくい領域である良品グレー領域を含む良品画像を取得する良品画像取得ステップと、
その良品画像取得ステップで取得した前記良品画像に含まれる前記良品グレー領域を認識する認識ステップと、
前記良品画像の領域のうち前記認識ステップで認識した前記良品グレー領域の周辺領域の輝度情報を取得する輝度取得ステップと、
その輝度取得ステップで取得した前記周辺領域の輝度情報を基準とした前記良品グレー領域の輝度情報の特徴量を算出する特徴量算出ステップと、
その特徴量算出ステップで算出した前記特徴量に基づいて、マハラノビス距離を算出するための基準空間を生成する生成ステップと、を含むことを特徴とする。
【００１１】
これによれば、良品画像に含まれる良品グレー領域に着目して基準空間を生成する。ここで、現状、目視検査員による検査は、不良領域だけを見て不良と判定しているわけではなく、不良領域と、不良の周りの領域を相対的に比較することによって区別している。つまり、対象が確かに不良だと判定するためには、対象の周りの情報が必要になる。この点、本発明では、良品グレー領域の周辺領域の輝度情報を基準とした良品グレー領域の輝度情報の特徴量を算出しているので、良品画像の写り具合の影響が考慮された特徴量を得ることができる。そして、その特徴量に基づいて基準空間を生成しているので、良品画像の写り具合の影響が考慮された精度の良い基準空間を得ることができる。よって、検査品の良否判定をする際にこの基準空間を利用することで、画像の写り具合に関わらず精度良くその良否判定を行うことができる。また、良品画像全体ではなく良品グレー領域から基準空間を生成しているので、その基準空間を生成するための処理時間や、その基準空間を利用して検査品の良否判定をするための処理時間を短縮することができる。
【００１２】
また、本発明における前記特徴量算出ステップは、前記周辺領域の輝度情報を代表する代表値を設定する代表値設定ステップと、
その代表値設定ステップで設定した前記代表値を基準とした前記良品グレー領域の輝度情報の分布を示した輝度分布データを前記特徴量として算出する輝度分布算出ステップと、を含むことを特徴とする。
【００１３】
これによれば、代表値設定ステップで、周辺領域の輝度情報の代表値を設定しているので、周辺領域の輝度情報が分布している場合であってもその周辺領域の輝度情報が反映された値（代表値）を得ることができる。そして、輝度分布算出ステップで、代表値を基準とした輝度分布データを算出しているので、周辺領域の輝度情報を基準とした良品グレー領域の特徴量を得ることができる。
【００１４】
ここで、その輝度分布算出ステップは、前記良品グレー領域の各画素の輝度値のうち前記代表値より大きい各輝度値と前記代表値との差分値をそれぞれ算出し、それら差分値の合計値と、前記良品グレー領域の各画素の輝度値のうち前記代表値より小さい各輝度値と前記代表値との差分値をそれぞれ算出し、それら差分値の合計値の少なくとも一方を前記輝度分布データとして算出するステップとすることができる。
【００１５】
これによれば、輝度分布算出ステップで、良品グレー領域の各画素の輝度値のうち代表値より大きい各輝度値と代表値との差分値の合計値を算出するので、周辺領域に対してグレー領域がどの程度明るくされているのかを示した特徴量を得ることができる。また、その輝度分布算出ステップでは、上記の合計値に代えて、又は上記の合計値と共に、良品グレー領域の各画素の輝度値のうち代表値より小さい各輝度値と代表値との差分値の合計値を算出するので、周辺領域に対してグレー領域がどの程度暗くされているのかを示した特徴量を得ることができる。
【００１６】
また、輝度分布算出ステップは、前記良品グレー領域の各画素のうち前記代表値より大きい輝度値の画素の数と前記代表値より小さい輝度値の画素の数の少なくとも一方を前記輝度分布データとして算出するステップとすることもできる。
【００１７】
これによれば、グレー領域のうち、周辺領域より明るくされている領域がどの程度含まれているかを示した特徴量と周辺領域より暗くされている領域がどの程度含まれているかを示した特徴量の一方又は両方を得ることができる。
【００１８】
また、輝度分布算出ステップは、前記良品グレー領域の各画素の輝度値のうち前記代表値より大きい各輝度値と前記代表値との各差分値の合計値、前記良品グレー領域の各画素の輝度値のうち前記代表値より小さい各輝度値と前記代表値との各差分値の合計値、前記良品グレー領域の各画素のうち前記代表値より大きい輝度値の画素の数、及び前記良品グレー領域の各画素のうち前記代表値より小さい輝度値の画素の数の少なくともいずれか一つを前記輝度分布データとして算出するステップであるとしてもよい。これにより、上記の４つの特徴量の中から選択される１又は複数の特徴量を得ることができる。
【００１９】
また、本発明における前記特徴量算出ステップは、
前記良品グレー領域の各画素の輝度値を輝度値の大きさの順に並び替える並替ステップと、
その並替ステップで並び替えた輝度値間の変化特性を示した変化特性値を前記特徴量として算出する変化特性値算出ステップと、をさらに含むことを特徴とする。
【００２０】
これによれば、並替ステップで、良品グレー領域の各画素の輝度値を輝度値の大きさの順に並び替え、変化特性値算出ステップで、その並び替えた輝度値間の変化特性を示した変化特性値を算出しているので、良品グレー領域の輝度がどのように変化しているかを示した特徴量を得ることができる。これにより、良品グレー領域の特徴をより一層反映した基準空間を得ることができる。
【００２１】
ここで、その変化特性値算出ステップは、前記並替ステップで並び替えた輝度値から、大きさが隣り合う二つの輝度値の差分値である隣接変化値を算出し、その隣接変化値の特性を示した隣接変化特性値を前記変化特性値として算出するステップとすることができる。
【００２２】
これにより、隣り合う二つの輝度値が、どの程度輝度変化しているかを示した特徴量を得ることができる。
【００２３】
また、変化特性値算出ステップは、前記並替ステップで並び替えた輝度値間の変化を近似した近似式を算出し、その近似式の特性を示した近似式特性値を前記変化特性値として算出するステップとしてもよい。
【００２４】
これによれば、変化特性値算出ステップで算出される近似式特性値は、輝度値間の変化を近似した近似式の特性を示しているので、グレー領域の輝度が各画素間でどのように変化しているかを示した特徴量を得ることができる。
【００２５】
また、本発明における前記代表値設定ステップは、良品グレー領域ごとに互いに値が異なる複数の前記代表値を設定するステップであり、
前記輝度分布算出ステップは、前記複数の代表値のそれぞれごとに、各代表値を基準とした前記輝度分布データを算出するステップであることを特徴とする。
【００２６】
これによれば、代表値設定ステップで、互いに値が異なる複数の代表値を設定するので、良品グレー領域ごとの、周辺領域の輝度情報がより一層反映された値（代表値）を得ることができる。そして、輝度分布算出ステップでは、複数の代表値のそれぞれごとに、各代表値を基準とした輝度分布データを算出しているので、良品グレー領域ごとの、周辺領域の輝度情報がより一層反映された輝度分布データを得ることができる。これにより、より一層精度の良い基準空間を得ることができる。
【００２７】
また、本発明における代表値設定ステップは、前記周辺領域の輝度値の平均値、最小値、最大値、中央値又は偏差に基づいて前記代表値を設定するステップとすることができる。
【００２８】
これによれば、平均値、最小値、最大値、中央値又は偏差は、複数の輝度値を考慮して初めて決定できるものであるので、それらに基づいて代表値を設定することで、精度の良い代表値を得ることができる。
【００２９】
本発明に係る検査装置は、請求項１〜１０のいずれか１項に記載のマハラノビス基準空間の生成方法で生成された前記基準空間が記憶された記憶手段と、
検査品の画像である検査画像を取得する検査画像取得手段と、
その検査画像取得手段が取得した前記検査画像に、良品か否かの区別が付きにくい領域である検査品グレー領域が含まれているか否かを判断するグレー領域判断手段と、
そのグレー領域判断手段が前記検査品グレー領域が含まれていると判断した場合に、前記検査画像の領域のうち前記検査品グレー領域の周辺領域の輝度情報を取得する検査品輝度取得手段と、
その検査品輝度取得手段が取得した前記周辺領域の輝度情報を基準とした前記検査品グレー領域の輝度情報の特徴量である検査品特徴量を算出する検査品特徴量算出手段と、
その検査品特徴量算出手段が算出した前記検査品特徴量と前記記憶手段に記憶された前記基準空間とに基づいて、マハラノビス距離を算出するマハラノビス距離算出手段と、
そのマハラノビス距離算出手段が算出した前記マハラノビス距離に基づいて前記検査品の良否判断を行う良否判断手段と、を備えることを特徴とする。
【００３０】
これによれば、検査品の良品判断を行うために、良品か否かの区別が付きにくい検査品グレー領域のマハラノビス距離を算出するので、検査画像全体のマハラノビス距離を算出する場合に比べて、処理時間を短縮することができる。また、検査品グレー領域の周辺領域の輝度情報を基準とした検査品グレー領域の輝度情報の特徴量を算出しているので、検査画像の写り具合の影響が考慮された精度の良い特徴量を得ることができる。そして、良品画像の写り具合の影響が考慮された上記基準空間と、検査画像の写り具合の影響が考慮されたその特徴量とに基づいてマハラノビス距離を算出しているので、画像の写り具合に影響されない精度の良いマハラノビス距離を得ることができる。これにより、画像の写り具合に関わらず、検査品の良否判定を精度良く行うことができる。
【００３１】
また、本発明におけるマハラノビス距離算出手段は、前記検査品特徴量を正規化する正規化手段を含み、その正規化手段が正規化した前記検査品特徴量と前記基準空間とに基づいて、前記マハラノビス距離を算出するものであることを特徴とする。
【００３２】
これによれば、正規化手段が検査品特徴量を正規化し、マハラノビス距離算出手段は、その正規化された検査品特徴量を使用してマハラノビス距離を算出するので、精度の良いマハラノビス距離を得ることができる。
【００３３】
また、本発明の検査装置は、前記グレー領域判断手段が前記検査品グレー領域が含まれていないと判断した場合に、前記検査品を良品と判断する良品判断手段を備えることを特徴とする。
【００３４】
これによれば、検査画像に検査品グレー領域が含まれていない場合には、良品判断手段によってその検査品が良品と判断されるので、その検査画像に対してマハラノビス距離を算出する処理を省略することができる。よって、検査品の良否判定の処理時間を短縮することができる。
【図面の簡単な説明】
【００３５】
【図１】検査装置１の全体構成を示した図である。
【図２】マハラノビス基準空間の生成手順を示したフローチャートである。
【図３】図２のＳ２の詳細手順を示したフローチャートである。
【図４】図３の画像処理の出力結果を例示した図である。
【図５】図２のＳ３の詳細手順を示したフローチャートである。
【図６】図５のＳ３１の詳細手順を示したフローチャートである。
【図７】図６の各処理ステップの過程における良品画像６２を示した図である。
【図８】図５のＳ３２の詳細手順を示したフローチャートである。
【図９】良品グレー領域６２１を示した図である。
【図１０】図８のＳ３２２の積分特性、Ｓ３２３の画素数特性の算出方法を説明する図である。
【図１１】図８のＳ３２５の詳細手順を示したフローチャートである。
【図１２】図８のＳ３２６の詳細手順を示したフローチャートである。
【図１３】図２のＳ４の詳細手順を示したフローチャートである。
【図１４】検査品の良否判定手順を示したフローチャートである。
【図１５】検査品の複数のサンプルＡ〜Ｉの画像７１〜７９を示した図である。
【図１６】従来のマハラノビス基準空間の生成手順を示したフローチャートである。
【発明を実施するための形態】
【００３６】
以下、本発明に係るマハラノビス基準空間の生成方法及び検査装置の実施形態を図面を参照しながら説明する。図１は、本実施形態の検査装置１の全体構成を示した図である。その検査装置１は、例えば切削加工した金属部品等の製品の表面にあるムラ、埃、傷、バリ等の有無を検査することで、その製品の外観の良否判定をする装置である。図１に示すように、検査装置１は、画像処理用ＰＣ１０、報知器２０、カメラ３０、及び検査台５０を備えている。検査台５０は、マハラノビス基準空間を生成するための良品サンプル６０（図１参照）や、被検査対象となる検査品７０（図１参照）が載置される台である。カメラ３０は、レンズ３１を有し、そのレンズ３１を介して検査台５０に載置された良品サンプル６０や検査品７０を撮像するものである。そのカメラ３０として、例えばＣＣＤイメージセンサやデジタルスチルカメラを用いることができる。なお、良品サンプル６０や検査品７０をカメラ３０で良好に撮像できるようにするために、良品サンプル６０や検査品７０に光を照射する照明（図示外）が適宜設けられる。
【００３７】
カメラ３０で撮像された画像はケーブル４０（図１参照）を介して、画像処理用ＰＣ１０に送信される。画像処理用ＰＣ１０は、検査品７０の画像である検査画像に対して所定の画像処理を施しつつ、ＭＴ法を利用してその検査画像の良品判定、すなわち検査品７０の良否判定を行うコンピュータである。また、画像処理用ＰＣ１０は、検査画像の良否判定を行うのに先だって、良品サンプル６０の画像である良品画像に基づいて、ＭＴ法で使用するマハラノビス基準空間を生成するコンピュータでもある。なお、検査品７０を検査するコンピュータとマハラノビス基準空間を生成するコンピュータとを別々にしてもよい。
【００３８】
画像処理用ＰＣ１０は、より詳細には、ＣＰＵ１１及びメモリ１２を有しており、ＣＰＵ１１がメモリ１２に記憶された制御プログラムにしたがった処理を実行することで、マハラノビス基準空間を生成したり、検査品７０の良否判定を行ったりする。なお、それらの詳細は後述する。メモリ１２は、ＣＰＵ１１が実行する制御プログラムが記憶されたＲＯＭやフラッシュメモリ等の記憶装置である。また、本実施形態では、メモリ１２には、画像処理用ＰＣ１０が生成したマハラノビス基準空間も記憶される。
【００３９】
報知器２０は、画像処理用ＰＣ１０によって行われた検査結果（検査品７０の良否判定結果）を報知するものである。その報知器２０として、例えば音で報知するスピーカや表示で報知するディスプレイを用いることができる。
【００４０】
次に、画像処理用ＰＣ１０が実行するマハラノビス基準空間の生成方法について詳細に説明する。なお、画像処理用ＰＣ１０がマハラノビス基準空間を生成するタイミングとしては、検査品７０を検査する前であればどのタイミングでもよい。ここで、図２は、マハラノビス基準空間の生成手順を示したフローチャートである。先ず、図２を参照してマハラノビス基準空間の生成手順を大まかに説明し、その後、図２の各手順の詳細を説明する。なお、この図２の処理は、例えば、所定の開始スイッチ（図示外）がユーザに操作された場合に開始される。
【００４１】
図２において、先ず、良品と予め解っている良品サンプル、すなわち、目視検査員が良品と判断した良品サンプルが検査台５０（図１参照）に載置されて、その良品サンプルをカメラ３０で撮像してその画像（良品画像）を取得（収集）する（Ｓ１）。この際、複数の良品サンプルの良品画像を取得するようにする。次いで、Ｓ１で取得した各良品画像に対して、所定の画像処理が施されて、各良品画像に含まれた、良品か否かの区別が付きにくい領域である良品グレー領域を検出する（Ｓ２）。次いで、検出された良品グレー領域の輝度情報の特徴量を算出する（Ｓ３）。次いで、Ｓ３で算出された特徴量に基づいて、マハラノビス基準空間を生成する（Ｓ４）。その後、図２のフローチャートの処理を終了する。
【００４２】
このように、本発明では、良品画像の全体からマハラノビス基準空間を生成するのではなく、良品画像のうちの良品グレー領域からそれを生成している。ただし、良品グレー領域だけを考慮してマハラノビス基準空間を生成しているわけではなく、その良品グレー領域の周辺領域も考慮してマハラノビス基準空間を生成している。以下、図２の各手順を詳細に説明する。
【００４３】
図３は、図２の良品グレー領域を検出する画像処理（Ｓ２）の詳細手順を示したフローチャートである。具体的には、図２のＳ１で取得された良品画像に対して２値化処理（Ｓ２１）、平滑処理（Ｓ２２）、差分処理（Ｓ２３）の順に画像処理を施す。なお、２値化処理、平滑処理、差分処理は当業者であれば説明の必要がないほど汎用的なので、各処理の詳細の説明は省略する。Ｓ２１〜Ｓ２３の画像処理によって検出された領域を良品か否かの区別が付きにくい良品グレー領域とする。次いで、その良品グレー領域とＳ２１〜Ｓ２３の画像処理が施される前の元の良品画像との両方を出力する（Ｓ２４）。その後、図３のフローチャートの処理を終了する。
【００４４】
この図３での画像処理の目的は、不良をほぼ全て検出できるように処理することであり、良品の過検出については問わない。すなわち、一般的に、過検出率と不良流出率はトレードオフの関係であるが、ここでの画像処理は、過検出を行ってもよいので、不良の可能性が少しでもあるものは、全て検出するように画像処理をしている。つまり、その不良の可能性が少しでもあるものを、ここでの良品グレー領域としている。なお、不良をほぼ全て検出できるようにするために、あらかじめ目視検査員が判断した、不良とわかっているサンプルを収集し、それらが全て検出できるように画像処理、つまりＳ２１〜Ｓ２３の各画像処理の条件（例えば２値化処理をする際の閾値）を決定している。
【００４５】
なお、良品グレー領域を検出するための画像処理は、図３の処理手順（２値化処理→平滑処理→差分処理）のアルゴリズムに関わらず、既存として存在するアルゴリズムの中で、不良流出を極力防ぐように構成されたアルゴリズムであれば、当業者で利用しているものでも、それを利用することができる。
【００４６】
ここで、図４は、図３の画像処理の出力結果を例示した図であり、より厳密には、複数の良品サンプルＡ〜Ｅの入力画像６１〜６５と、それら入力画像６１〜６５に対する出力とを示している。なお、２値化処理、平滑処理及び差分処理は当業者であれば説明の必要がないほど汎用的なので、図４では、上記処理の途中経過については省略している。図４に示すように、ここでは、５つの良品サンプルＡ〜Ｅを用意し、図２のＳ１において、それら良品サンプルＡ〜Ｅの良品画像６１〜６５が取得される。そして、各良品画像６１〜６５が、図３の画像処理をするための入力画像とされる。良品サンプルＡの良品画像６１と良品サンプルＤの良品画像６４は汚れやムラの無いきれいな画像であることを想定している、また、良品サンプルＢはその表面にムラがあることを想定しており、そのためにその良品画像６２にはムラを示した良品グレー領域６２１が含まれている。同様に、良品サンプルＥはその表面にムラがあることを想定しており、そのためにその良品画像６５にはムラを示した良品グレー領域６５１が含まれている。また、良品サンプルＣはその表面に埃が載っていることを想定しており、そのためにその良品画像６３には埃を示した良品グレー領域６３１が含まれている。
【００４７】
これら良品画像６１〜６５に対して、図３のＳ２１〜Ｓ２３の画像処理を施すことで、Ｓ２４において、図４の下欄の出力画像が出力される。具体的には、良品サンプルＢの良品画像６２に対しては、その良品画像６２に含まれる良品グレー領域６２１及び良品画像６２が出力される。また、良品サンプルＣの良品画像６３に対しては、その良品画像６３に含まれる良品グレー領域６３１及び良品画像６３が出力される。また、良品サンプルＥの良品画像６５に対しては、その良品画像６５に含まれる良品グレー領域６５１及び良品画像６５が出力される。なお、良品サンプルＡ及び良品サンプルＤは良品グレー領域が含まれていない良品であるので、図３のＳ２４においては何も出力されない。なお、ムラや埃を良品とするか、不良とするかどうかは、検出要件によって異なるが、図４の例では、ムラや埃はただのノイズとして、良品と扱う事を前提にしている。そのため、図３のＳ２１〜Ｓ２３の画像処理においては、良品画像６２、６３、６５に対して過検出をしている状況とされる。
【００４８】
次に、図２のＳ３の特徴量算出処理の詳細を説明する。ここで、図５はその特徴量算出処理の詳細手順を示したフローチャートである。本発明では、良品グレー領域の特徴量として、良品グレー領域の周辺領域の輝度情報を基準とした良品グレー領域の輝度分布データを算出する。具体的には、先ず、良品グレー領域の周辺領域の輝度情報を基準とするために、その周辺領域の輝度情報を代表する閾値ＴＨを設定する（Ｓ３１）。なお、その閾値ＴＨが本発明の「代表値」に相当する。図６は、その閾値設定の詳細手順を示したフローチャートである。なお、ここでは、図４のサンプルＢの良品画像６２及びその良品グレー領域６２１を図６の処理の対象として説明する。また、図７は、図６の各処理ステップの過程における良品画像６２を示した図である。
【００４９】
先のＳ２で検出した良品グレー領域６２１及びそれが含まれた良品画像６２（図７（ａ）参照）が入力されて、先ず、良品画像６２に含まれた良品グレー領域６２１の領域を拡大する領域拡大処理を実行する（Ｓ３１１）。具体的には、図７（ｂ）に示すように、先のＳ２で検出した良品グレー領域６２１について、良品グレー領域６２１のエッジ６２１ｂ全周に渡ってその良品グレー領域６２１を特定範囲大きくした領域６２２を、原画像である良品画像６２から取得する（Ｓ３１１）。本実施形態では、良品グレー領域６２１の拡大率を、そのエッジ６２１ｂ＋１ｐｉｘｃｅｌ（図７（ｂ）参照）に設定している。
【００５０】
次いで、差分処理を施して、良品グレー領域６２１と拡大領域６２２との差分領域６２３を抽出する（Ｓ３１２、図７（ｃ）参照）。この差分領域６２３は、（拡大領域６２２）−（良品グレー領域６２１）を行うことで抽出できる。なお、この差分領域６２３が、良品グレー領域６２１の周辺領域とされる。以下、差分領域６２３を周辺領域と言う。
【００５１】
次いで、周辺領域６２３の各画素の輝度値を取得する（Ｓ３１３）。ここで、説明簡略のために、図７（ｄ）に示すように、周辺領域６２３の画素数を１５画素としてＳ３１３の処理の具体例を説明する。Ｓ３１３では、周辺領域６２３の各画素６２３ａに順番に番号を割り振っていく。ここでは、図７（ｄ）に示すように、図７（ｄ）の紙面左上にいくほど小さい番号になるよう、言い換えると紙面右下にいくほど大きい番号になるように、各画素６２３ａに対して１番から順番に番号を割り振っていく。この場合、１５番まで番号が割り振られることになる。また、各画素６２３ａに番号を割り振るのと並行して、各画素６２３ａの輝度値を取得していく。これによって得られた輝度データを次の表１に示す。なお、表１では、割り振られた番号順に輝度値を示している。
【００５２】
【表１】
【００５３】
次いで、表１の各輝度値の最小値(本実施形態の場合は１番：輝度値３５)と、各輝度値の平均値を取得する（Ｓ３１４）。ただし、輝度値は整数で表されるものであるので、求めた平均値(４１．０６７)の小数点以下は切り捨てて、平均輝度値は４１として取得する。
【００５４】
次いで、それら輝度値の最小値、平均値に基づいて、周辺領域６２３の輝度情報を代表する閾値ＴＨを設定する（Ｓ３１５）。具体的には、求めた最小値と平均値の間の範囲で複数の閾値ＴＨを設定するようにする。ここでは、良品グレー領域６２１の特徴量を算出するための閾値ＴＨとして、３５（最小値）〜４１（平均値）の範囲で、３５、３７、３９、４１というように設定している。最小値と平均値の間の範囲でどのように閾値ＴＨを設定するかは、例えば、設定する閾値ＴＨの数が予め定められており、その閾値ＴＨの数で最小値と平均値の間の範囲を等分したときにおける各等分点の値を閾値ＴＨとして設定する。なお、良品グレー領域６２１以外の良品グレー領域６３１、６５１（図４参照）についても、前述と同様の処理を行って、それぞれの領域６３１、６５１について閾値ＴＨを設定する。
【００５５】
なお、本実施形態では、輝度の最小値、平均値に基づいて閾値ＴＨを設定しているが、例えば輝度値の偏差、中央値、最大値などを利用することもできる。例えば最小値と偏差を利用する場合には、最小値±３σ（σ＝標準偏差）の範囲で、任意に閾値ＴＨを設定することや、最大値±３σの範囲で閾値ＴＨを設定することもできる。このように、閾値ＴＨを設定する方法はいくらでも存在するが、本発明の特徴は、この閾値ＴＨを、良品グレー領域の周辺領域の輝度情報から決めていることにある。
【００５６】
Ｓ３１５で閾値ＴＨを設定した後、図６のフローチャートの処理を終了して、図５の処理に戻る。次いで、Ｓ３１で設定した閾値ＴＨに基づいて、良品グレー領域の輝度分布データを算出する（Ｓ３２）。ここで、図８は、その輝度分布データの算出の詳細手順を示したフローチャートである。なお、ここでも、図４のサンプルＢの良品画像６２を図８の処理の対象として説明する。また、良品画像６２に含まれる良品グレー領域６２１の画素数が１１画素として説明する。先ず、良品画像６２に含まれる良品グレー領域６２１の各画素の輝度値を取得する（Ｓ３２１）。ここで、図９は、良品グレー領域６２１を示した図である。Ｓ３２１では、良品グレー領域６２１の各画素６２１ａ（図９参照）に順番に番号を割り振っていく。ここでは、先に説明した周辺領域の場合と同様に、図９の紙面左上にいくほど、言い換えると紙面右下にいくほど大きい番号になるように、各画素６２１ａに対して１番から１１番まで順番に番号を割り振っていく。また、各画素６２１ａに番号を割り振るのと並行して、各画素６２１ａの輝度値を取得していく。これによって得られた輝度データを次の表２に示す。なお、表２では、割り振られた番号順に輝度値を示している。
【００５７】
【表２】
【００５８】
次いで、表２の各輝度値及び先の図５のＳ３１で設定した閾値ＴＨに基づいて、その閾値ＴＨを基準とした良品グレー領域６２１の輝度分布データを算出する（Ｓ３２２、Ｓ３２３）。具体的には、先ず、良品グレー領域６２１の輝度分布データとして、良品グレー領域６２１がその周辺領域６２３（図７参照）に対してどの程度明るくされているかを示した積分特性を算出する（Ｓ３２２）。ここで、図１０（ａ）は、その積分特性の算出方法を説明する図であり、具体的には、横軸が画素番号、縦軸が輝度値のグラフを示している。また、図１０（ａ）のグラフは、表２の各輝度値が点でプロットされている。なお、それら各輝度値の点をＰ１〜Ｐ１１で示している。また、図１０（ａ）では、先で設定した閾値ＴＨのラインＬ１（図１０（ａ）では、閾値ＴＨ＝３５のラインＬ１）が引かれている。
【００５９】
積分特性の算出をするために、輝度値Ｐ１〜Ｐ１１のうち閾値ＴＨのラインＬ１より高い輝度値Ｐ３、Ｐ５、Ｐ６、Ｐ９、Ｐ１０、Ｐ１１から閾値ＴＨを引いたときの値を、各輝度値Ｐ３、Ｐ５、Ｐ６、Ｐ９、Ｐ１０、Ｐ１１ごとに算出する。輝度値Ｐと閾値ＴＨの差分値をΔＰとすると、図１０（ａ）では、画素番号３の差分値ΔＰ３、画素番号５の差分値ΔＰ５、画素番号６の差分値ΔＰ６、画素番号９の差分値ΔＰ９、画素番号１０の差分値ΔＰ１０及び画素番号１１の差分値ΔＰ１１を示している。なお、閾値ＴＨより小さい輝度値に対する差分値ΔＰに関しては、ΔＰ＝０として計算する。そして、各差分値ΔＰの合計値（＝Σ（輝度値−閾値ＴＨ））を積分特性として算出する。図１０（ａ）では、閾値ＴＨ＝３５の例を示しているが、Ｓ３２２では、他の閾値ＴＨ（＝３７、３９、４１）に対しても、それぞれ積分特性を算出する。
【００６０】
なお、今回の説明では、閾値ＴＨより上側（大きい）にある輝度値を対象としているが、逆に、閾値ＴＨより下側（小さい）部分の輝度値の面積に相当する積分特性（＝Σ（閾値ＴＨ−輝度値））を算出してもよい。この場合には、良品グレー領域がその周辺領域に対してどの程度暗くされているかを示した特徴量を得ることができる。また、複数設定した閾値ＴＨの一部を上側にある輝度値を対象とし、別の閾値ＴＨは下側にある輝度値を対象にしてもよい。
【００６１】
図８の説明に戻り、Ｓ３２２で積分特性を算出した後、次いで、良品グレー領域６２１の輝度分布データとして、良品グレー領域６２１のうち、その周辺領域６２３（図７参照）より明るくされている領域がどの程度含まれているかを示した画素数特性を算出する（Ｓ３２３）。ここで、図１０（ｂ）は、その画素数特性の算出方法を説明する図であり、具体的には、図１０（ａ）と同様に、横軸が画素番号、縦軸が輝度値のグラフに、各輝度値をプロットした点Ｐ１〜Ｐ１１、閾値ＴＨのラインＬ１を示した図である。画素数特性として、閾値ＴＨ以上の輝度値Ｐを持つ画素の数をカウントしていく。図１０（ｂ）に示すように、閾値ＴＨ以上の輝度値Ｐは、輝度値Ｐ３、Ｐ４、Ｐ５、Ｐ６、Ｐ９、Ｐ１０、Ｐ１１とされる。よって、閾値ＴＨ＝３５の場合、画素数特性＝７（画素）となる。図１０（ｂ）では、閾値ＴＨ＝３５の例を示しているが、Ｓ３２３では、他の閾値ＴＨ（＝３７、３９、４１）に対しても、それぞれ画素数特性を算出する。
【００６２】
なお、画素数特性の算出に関しても、閾値ＴＨ以上の輝度値を持つ画素の数をカウントするのとは逆に、閾値ＴＨより小さい輝度値を持つ画素の数をカウントするようにしてもよい。この場合には、グレー領域のうち、その周辺領域より暗くされている領域がどの程度含まれているかを示した特徴量を得ることができる。また、複数設定した閾値ＴＨの一部を閾値ＴＨ以上の輝度値を持つ画素を対象とし、別の閾値ＴＨは閾値ＴＨより小さい輝度値を持つ画素を対象にしてもよい。なお、Ｓ３２２の処理とＳ３２３の処理は、どちらの処理を先に実行もよく、また並列して同時に実行してもよい。
【００６３】
Ｓ３２２及びＳ３２３によって得られた輝度分布データを次の表３に示す。なお、表３では、説明の対象とした良品グレー領域６２１の輝度分布データを示している。また、表３に示す閾値ＴＨは、良品グレー領域６２１に限った値であり、良品グレー領域の情報が変われば、それに伴って、周辺領域の輝度情報が変わるため、閾値ＴＨは変わる。つまり、良品グレー領域ごとに、閾値ＴＨが設定される。
【００６４】
【表３】
【００６５】
Ｓ３２２及びＳ３２３にて算出した良品グレー領域の輝度分布データだけでもマハラノビス基準空間を生成するための十分条件であるが、さらに精度の良いマハラノビス基準空間を生成するために、他の特徴量を算出するようにしてもよい。そこで、図８のＳ３２３の処理の後、マハラノビス基準空間の良否判別精度を向上させるか否かを判断する（Ｓ３２４）。この判断は、例えば、マハラノビス基準空間の良否判別精度を向上させるか否かをユーザに確認し、そのユーザからの確認結果に基づいて、行う。ここで、マハラノビス基準空間の良否判別精度を向上させないと判断した場合には（Ｓ３２４：Ｎｏ）、図８のフローチャートの処理を終了する。この場合には、他の特徴量の算出が行われないので、基準空間を生成するための処理時間を短縮することができる。これに対し、マハラノビス基準空間の良否判別精度を向上させると判断した場合には（Ｓ３２４：Ｙｅｓ）、処理をＳ３２５に進める。
【００６６】
Ｓ３２５では、先のＳ３２１にて取得した良品グレー領域の各画素の輝度値を、輝度値の大きさの順に並び替える並替処理を実行する。ここで、図１１は、Ｓ３２５の並替処理の詳細手順を示したフローチャートである。なお、ここでは、上記表２の良品グレー領域６２１の輝度値に対して、図１１の処理を適用した場合について説明する。先ず、表２の輝度値に対して昇順ソートを施して昇順に並び替える（Ｓ３３１）。このときの結果を次の表４に示す。
【００６７】
【表４】
【００６８】
次いで、表４の各画素の画素番号が順番になるように画素番号の再セットを行う（Ｓ３３２）。このときの結果を次の表５に示す。その後、図１１のフローチャートの処理を終了する。
【００６９】
【表５】
【００７０】
図８の説明に戻り、次いで、Ｓ３２６〜Ｓ３２８にて、Ｓ３２５で並び替えた輝度値間の変化特性を示した変化特性値を算出する。具体的には、先ず、並び替えた輝度値に対して、大きさが隣り合う二つの輝度値間の変化特性を示した隣接変化特性値を算出する（Ｓ３２６）。ここで、図１２は、そのＳ３２６の処理の詳細手順を示したフローチャートである。このフローチャートの処理では、ｉを１、２、３として、３回のループ処理が行われるようになっている。先ず、変数を初期化するために、ｎを１に、ｃｏｕｎｔｅｒを０に設定する（Ｓ３４１、Ｓ３４２）。次いで、Ｓ３２５で並び替えたデータ（表５参照）から、ｎ番目の画素の輝度値Ｘ（ｎ）を取得し（Ｓ３４３）、ｎ＋１番目の画素の輝度値Ｘ（ｎ＋１）を取得する（Ｓ３４４）。ただし、ｎは、１、２、３、４・・・、Ｎｍａｘ（＝良品グレー領域の画素数−１）とされる。表５の場合では１１画素なので、ｎは１〜１０までとされる。
【００７１】
次いで、それら輝度値Ｘ（ｎ）、Ｘ（ｎ＋１）の差分値ΔＸ（＝Ｘ（ｎ＋１）−Ｘ（ｎ））を算出する（Ｓ３４５）。次いで、その差分値ΔＸが変数ｉ以上とされているか否かを判断する（Ｓ３４６）。差分値ΔＸが変数ｉ以上の場合は（Ｓ３４６：Ｙｅｓ）、変数ｃｏｕｎｔｅｒに１を加える（Ｓ３４７）。これに対して、差分値ΔＸが変数ｉ未満の場合には（Ｓ３４６：Ｎｏ）、現状の変数ｃｏｕｎｔｅｒに保持する。次いで、変数ｎがＮｍａｘ（＝良品グレー領域の画素数−１）に達したか否かを判断する（Ｓ３４８）。未だ達していなければ（Ｓ３４８：Ｎｏ）、ｎに１を加えて（Ｓ３４９）、Ｓ３４３の処理に戻る。この場合、画素番号が前回から１大きくした隣り合う輝度値Ｘ（ｎ）、Ｘ（ｎ＋１）に対して、上記と同じ処理が繰り返される（Ｓ３４３〜Ｓ３４８）。このように、変数ｎがＮｍａｘに達するまでは、変数ｉ以上とされる差分値ΔＸの個数が変数ｃｏｕｎｔｅｒとしてカウントされることになる。
【００７２】
Ｓ３４８において、変数ｎがＮｍａｘに達した場合には（Ｓ３４８：Ｙｅｓ）、ｃｏｕｎｔｅｒの現在の値を取得するとともに（Ｓ３５０）、変数ｉに１を加えて、その新しい変数ｉに対して上記の処理（Ｓ３４１〜Ｓ３４９）が繰り返される。そして、変数ｉ＝３のときに、変数ｎがＮｍａｘに達した場合に（Ｓ３４８：Ｙｅｓ、Ｓ３５０）、図１２のフローチャートの処理を終了する。
【００７３】
なお、本実施形態では、ループ数を３回としたが、特にループ数は限定するものではない。また、差分値ΔＸが変数ｉ以上の場合にｃｏｕｎｔｅｒを１加算するとしていたが（Ｓ３４６、Ｓ３４７）、Ｓ３４６の閾値についても変数ｉ以上に限定されるものではない。例えば、変数ｉ×２を閾値としたり、変数ｉに拘ることなく単に１、３、５、７というように数値を閾値としたりしてもよい。
【００７４】
ここで、変数ｉ＝１の場合について具体的な数値を用いて、図１２の処理を説明する。なお、ここでは上記の表５の数値を用いて説明する。表５において、変数ｎ＝１の場合、１番目の輝度値Ｘ（ｎ）＝３０、２番目の輝度値Ｘ（ｎ＋１）＝３１であるので、それら差分値ΔＸは３１−３０＝１と算出される。この差分値ΔＸ＝１は、変数ｉの値である１以上であるので、ｃｏｕｎｔｅｒに１が加算される。その後、変数ｎが２になって、２番目の輝度値Ｘ（ｎ）＝３１、３番目の輝度値Ｘ（ｎ＋１）＝３１であるので、それら差分値ΔＸ＝０と算出される。よって、ｃｏｕｎｔｅｒの値は保持されて、変数ｎに１が加算される。これを繰り返していき、最終的に変数ｎが１０になった段階で、変数ｉ＝１の場合の処理が完了する。良品グレー領域６２１について、変数ｉが１、２、３の場合のそれぞれのｃｏｕｎｔｅｒの値を次の表６に示す。
【００７５】
【表６】
【００７６】
このように、Ｓ３２６の処理では、隣接変化特性値としてｃｏｕｎｔｅｒの値が算出される。この隣接変化特性値は、不良の比較的急峻に変化する輝度（輝度の最小値と最大値の差が大きい）と、不良でないノイズの比較的なだらかな輝度変化（輝度の最小値と最大値の差が小さい）の差を抽出する役割を果たしている。
【００７７】
図８の説明に戻り、Ｓ３２６の処理の後、Ｓ３２５で並び替えられた輝度値を近似式で表した場合におけるその近似式の特性を示した近似式特性値を算出する（Ｓ３２７、Ｓ３２８）。本実施形態では、各輝度値を最小二乗法にてｙ＝ａｘ＋ｂの直線で近似をする場合におけるその直線の傾きａと切片ｂを、近似式特性値として算出する。ｎ個（表５の場合はｎ＝１１）の輝度値（ｘ１、ｙ１）、（ｘ２、ｙ２）、・・・、（ｘｎ、ｙｎ）の場合、先ず、次の式１によって、傾きａを算出する（Ｓ３２７）。なお、ｎは画素数、ｘは画素番号、ｙは輝度値である。
【００７８】
【数１】
【００７９】
次いで、次の式２によって、切片ｂを算出する（Ｓ３２８）。その後、図８のフローチャートの処理を終了する。
【００８０】
【数２】
【００８１】
良品グレー領域６２１の場合（表５の場合）における傾きａ及び切片ｂを次の表７に示す。
【００８２】
【表７】
【００８３】
このように、傾きａ及び切片ｂは、各画素の輝度値を近似した近似式の特性を示したものであるので、良品グレー領域の輝度が各画素間でどのように変化しているかの特徴量を得ることができる。なお、Ｓ３２７、Ｓ３２８における近似式は直線近似でなくてもよく、例えば、ｙ＝ａｘ＋ｂにおけるｘを対数にすることで、対数関数としての傾きａや切片ｂを、特徴量として求めてもよい。
【００８４】
以上説明した図８の処理によって算出された、良品グレー領域６２１の輝度分布データの結果を次の表８に示す。
【００８５】
【表８】
【００８６】
以降、本明細書では、積分特性や画素数特性、輝度変化などを「項目」と記載し、それぞれの項目から得られた輝度分布データを総括して「特徴量」と記載する。なお、表８において、積分特性と画素数特性の項目で設定している閾値ＴＨは、良品グレー領域６２１に対するものなので、他の良品グレー領域６３１、６５１（図４参照）の特徴量を算出する場合には、各良品グレー領域ごとの閾値ＴＨが設定される。
【００８７】
説明を図５に戻り、Ｓ３２によって輝度分布データを算出した後、図５のフローチャートの処理を終了して、図２のフローチャートの処理に戻る。図２において、次いで、Ｓ３で算出した特徴量に基づいて、マハラノビス基準空間を生成する（Ｓ４）。ここで、図１３は、Ｓ４の処理の詳細手順を示したフローチャートである。以下、説明を簡略化するために、Ｓ３で算出した特徴量を次の表９の記号に置き換えて、マハラノビス基準空間の生成方法について説明する。なお、表９では、図４の良品グレー領域６２１、６３１、６５１のそれぞれについて、各項目に対する特徴量を記号Ｘで示している。また、各特徴量Ｘの添え字ｎは良品グレー領域のサンプル数を示しており、添え字ｋは項目数を示している。
【００８８】
【表９】
【００８９】
マハラノビス基準空間の生成方法としては幾つか手法が確立されているが、本実施形態では、その中でも頻繁に利用される計算方法で生成を行っている。なお、生成の過程で、上記表９のｎとｋの関係は少なくともｎ＞＝ｋである必要がある。表９では、良品グレー領域６２１、６３１、６５１のみ特徴量Ｘを示しているが、実際は、その他にも沢山のサンプル数ｎが確保されている。なお、表９の場合には、積分特性と画素数特性の計算において、良品グレー領域６２１、６３１、６５１ごとに閾値ＴＨが決まるが、以降は簡略化のために、閾値ＴＨと、輝度変化、傾き、切片を省略して説明していく。
【００９０】
図１３において、先ず、次の式３によって特徴量Ｘの正規化を行う（Ｓ４１）。なお、式３において、Ｘｊ（式３ではオーバーバー付）はｊ番目の項目の平均値であり、σｊはｊ番目の項目の標準偏差である。
【００９１】
【数３】
【００９２】
式３で正規化した後のデータｘを次の表１０に示す。
【００９３】
【表１０】
【００９４】
次いで、次の式４によって相関係数ｒｐｑを算出する（Ｓ４２）。その後、各相関係数ｒ１１〜ｒｋｋから構成された相関行列Ｒを生成する（Ｓ４２）。
【００９５】
【数４】
【００９６】
次いで、次の式５で示すように、相関行列Ｒの逆行列Ａを算出する（Ｓ４３）。その逆行列Ａをマハラノビス基準空間とする。
【００９７】
【数５】
【００９８】
その後、図１３のフローチャートの処理を終了して、図２のフローチャートの処理に戻る。そして、Ｓ４の処理の後、図２のフローチャートの処理を終了する。以上のようにして、本発明におけるマハラノビス基準空間が生成される。その生成したマハラノビス基準空間は、検査品の良否判定を行う際に使用するために、メモリ１２（図１参照）に記憶される。
【００９９】
次に、画像処理用ＰＣ１０が実行する検査品の良否判定の方法について詳細に説明する。ここで、図１４は、その方法の手順を示したフローチャートである。なお、図１４のフローチャートの処理は、例えば、所定の開始スイッチ（図示外）がユーザに操作された場合に開始される。
【０１００】
先ず、検査台５０（図１参照）に載置された検査品をカメラ３０で撮像して、その撮像画像である検査画像を取得する（Ｓ５１）。次いで、その検査画像に対して所定の画像処理を施して、その検査画像に含まれるグレー領域（検査品グレー領域）を検出する（Ｓ５２）。このＳ５２の処理の詳細は、先に説明した基準空間を生成するときの処理（図３の処理）と同じである。また、このときの画像処理（図３の２値化処理、平滑処理、差分処理）の条件は、良品画像の良品グレー領域を検出したときの条件と同じに設定する。つまり、検査品グレー領域は、良品グレー領域と同様に、良品か否かの区別が付きにくい領域とされ、換言すると不良の可能性のある領域とされる。
【０１０１】
次いで、Ｓ５２の処理によって検査品グレー領域が検出されたか否かを判断する（Ｓ５３）。これは、Ｓ５２の処理によって検査品グレー領域が検出された場合にはその検査品グレー領域が出力されるので、検査品グレー領域の出力の有無によってＳ５３の判断を行う。検査品グレー領域が検出されなかった場合には（Ｓ５３：Ｎｏ）、その検査品は良品であると判断し（Ｓ６１）、図１４のフローチャートを終了する。これに対し、検査品グレー領域が検出された場合には（Ｓ５３：Ｙｅｓ）、処理をＳ５４に進める。
【０１０２】
Ｓ５４では、その検査品グレー領域の輝度分布データ（特徴量）を算出する（Ｓ５４）。このＳ５４の処理の詳細は、先に説明した基準空間を生成するときの処理（図２のＳ３の処理）と同じである。すなわち、検査品グレー領域の周辺領域を基準とした輝度分布データを算出する。次いで、上記の式３と同様の式によって、その輝度分布データである特徴量を正規化する（Ｓ５５）。なお、正規化の際に用いる平均値と標準偏差は、上記式３の良品画像の平均値Ｘｊ（式３ではオーバーバー付き）及び標準偏差σｊを用いる。次いで、メモリ１２（図１参照）に記憶されたマハラノビス基準空間を読み出す（Ｓ５６）。
【０１０３】
次いで、そのマハラノビス基準空間に基づいて、検査画像、厳密には検査画像に含まれた検査品グレー領域のマハラノビス距離（ＭＤ値）を算出する（Ｓ５７）。具体的には、マハラノビス基準空間（上記式５参照）と、Ｓ５５で正規化した特徴量のデータ（ｘ１１〜ｘｉｋ、ただしｋは項目数、ｉはｉ＝１、２、３、・・・、識別したい検査品グレー領域の数）とを、次の式６、式７に代入することにより、ＭＤ値を算出する。
【０１０４】
【数６】
【０１０５】
【数７】
【０１０６】
例えば、検査品グレー領域が５箇所検出された場合には、各検査品グレー領域にｉ＝１番から５番までの番号を振ったときに、上記式６、式７によって、１番（ｉ＝１）におけるＭＤ値〜５番（ｉ＝５）におけるＭＤ値の全部で５つのＭＤ値が算出される。
【０１０７】
次いで、そのＭＤ値が予め設定された閾値以上であるか否かを判断する（Ｓ５８）。ＭＤ値が閾値より小さい場合には（Ｓ５８：Ｎｏ）、その検査品は良品であると判断する（Ｓ６０）。これに対し、ＭＤ値が閾値以上の場合には（Ｓ５８：Ｙｅｓ）、その検査品は不良品であると判断する（Ｓ５９）。なお、閾値の設定方法についてはいくつかの方法が考えられるが、以下にその１例をあげる。すなわち、予め良品か不良か解っている被検査対象のＭＤ値をそれぞれ求め、テスト用閾値を設定し、誤判定した場合の損失を求める。テスト用閾値を複数変更した場合に、一番損失が少なくなる閾値を、Ｓ５８で使用する閾値に設定する。なお、不良流出を可能な限り防ぐ場合には、予め不良と解っている被検査対象のＭＤ値を複数求め、求めたＭＤ値の最小値よりも小さい値で閾値を設定する。
【０１０８】
その後、良品（Ｓ６０）、不良（Ｓ５９）に関わらず報知器２０（ディスプレイなど）で報知する（Ｓ６２）。特に不良判定の場合には、検査員などがそれを認識できるように、ディスプレイ上で強調したり、音を出したりするなどして、報知の度合いを強くする（Ｓ６２）。その後、図１４のフローチャートの処理を終了する。
【０１０９】
次に、具体的な検査品のサンプルを挙げて、本実施形態の検査装置１（図１参照）による良否判定を行った場合について説明する。ここで、図１５は、検査品の複数のサンプルＡ〜Ｉの画像７１〜７９を示している。図１５の上段に示したサンプルＡ〜Ｆは、目視検査員が良品と判断した良品サンプルとされる。ただし、良品サンプルＡ、Ｂ、Ｄにはそれぞれムラが存在し、それら画像７１、７２、７４にはムラを示した領域（検査品グレー領域）７１１、７２１、７４１が含まれている。また、良品サンプルＣには埃が存在し、そのためにその画像７３には埃を示した領域（検査品グレー領域）７３１が含まれている。また、良品サンプルＥ、Ｆはきれいな良品であり、そのためにそれら画像７５、７６には検査品グレー領域が含まれていない。一方、図１５の下段に示したサンプルＧ〜Ｉは、目視検査員が不良と判断した不良サンプルである。各不良サンプルＧ〜Ｉには不良の原因とされる欠陥が存在し、そのためにそれら画像７７〜７９には欠陥を示した領域（検査品グレー領域）７７１〜７９１が含まれている。
【０１１０】
また、これらの画像７１〜７９を得る際には撮像する時間帯を変更している。具体的には、サンプルＢ、Ｅ、Ｉの画像７２、７５、７９は夜の時間帯に撮像したものであり、そのためにそれら画像７２、７５、７９は全体的に暗くされている。また、サンプルＤ、Ｆ、Ｇの画像７４、７６、７７は朝の時間帯に撮像したものであり、そのためにそれら画像７４、７６、７７は全体的に明るくされている。また、サンプルＡ、Ｃ、Ｈの画像７１、７３、７８は昼の時間帯に撮像したものであり、そのためにそれら画像７１、７３、７８は通常の明るさ（朝の撮像時の明るさと夜の撮像時の明るさの中間）とされている。
【０１１１】
これらの画像７１〜７９に対して、検査装置１で良否判定を実施した結果例を次の表１１に示す。
【０１１２】
【表１１】
【０１１３】
表１１に示すように、画像７５、７６（良品サンプルＥ、Ｆ）には検査品グレー領域が含まれていないので、それら画像７５、７６に対してはＭＤ値は算出されない。また、検査品グレー領域を含む良品サンプルＡ、Ｂ、Ｃ、Ｄに対しては、１．２〜１．８のＭＤ値が算出されている。また、不良サンプルＧ〜Ｉの画像７７〜７９に対しては、１４．４〜２３．５のＭＤ値が算出されている。このように、検査装置１では、画像の写り方（明暗）によって変化する周辺領域の輝度情報を取得して、画像処理で検出したグレー領域の特徴量を得るための閾値を設定しているため、画像の写り方に影響されずに、特徴量を計算することができる。よって、良品と不良のＭＤ値について、充分なＭＤ値の差を得ることができる。
【０１１４】
以上説明したように、本実施形態では、画像全体ではなく、良品か否かの区別が付きにくい検査品グレー領域のＭＤ値に基づいて、検査品の良否判定を行っているので、その判定を行うための処理時間を短縮することができる。また、検査品に検査品グレー領域が含まれていない場合には、ＭＤ値を算出しないで良品と判定しているので、迅速にその判定をすることができる。また、グレー領域（良品グレー領域、検査品グレー領域）の周辺領域の輝度情報を基準として、そのグレー領域の特徴量を得ているので、画像の写り方に影響されないマハラノビス基準空間やＭＤ値を算出することができる。よって、画像の写り方に関わらず良否判定を精度良く行うことができる。
【０１１５】
なお、上記実施形態において、図２のＳ１の処理が本発明の「良品画像取得ステップ」に相当する。図２のＳ２の処理が本発明の「認識ステップ」に相当する。図６のＳ３１１〜Ｓ３１３の処理が本発明の「輝度取得ステップ」に相当する。図２のＳ３の処理が本発明の「特徴量算出ステップ」に相当する。図２のＳ４の処理が本発明の「生成ステップ」に相当する。図６のＳ３１４及びＳ３１５の処理が本発明の「代表値設定ステップ」に相当する。図８のＳ３２１〜Ｓ３２３の処理が本発明の「輝度分布算出ステップ」に相当する。図８のＳ３２５の処理が本発明の「並替ステップ」に相当する。図８のＳ３２６〜Ｓ３２８の処理が本発明の「変化特性値算出ステップ」に相当する。メモリ１２が本発明の「記憶手段」に相当する。図１４のＳ５１の処理を実行する画像処理用ＰＣ１０が本発明の「検査画像取得手段」に相当する。図１４のＳ５２及びＳ５３の処理を実行する画像処理用ＰＣ１０が本発明の「グレー領域判断手段」に相当する。図１４のＳ５４の処理を実行する画像処理用ＰＣ１０が本発明の「検査品輝度取得手段」及び「検査品特徴量算出手段」に相当する。図１４のＳ５５〜Ｓ５７の処理を実行する画像処理用ＰＣ１０が本発明の「マハラノビス距離算出手段」に相当する。図１４のＳ５５の処理を実行する画像処理用ＰＣ１０が本発明の「正規化手段」に相当する。図１４のＳ５８〜Ｓ６０の処理を実行する画像処理用ＰＣ１０が本発明の「良否判断手段」に相当する。図１４のＳ６１の処理を実行する画像処理用ＰＣ１０が本発明の「良品判断手段」に相当する。
【符号の説明】
【０１１６】
１ 検査装置
１０ 画像処理用ＰＣ
１１ ＣＰＵ
１２ メモリ
２０ 報知器
３０ カメラ
６１〜６５ 良品画像
６２１、６３１、６５１ 良品グレー領域
６２３ 周辺領域
７１〜７９ 検査画像
７１１、７２１、７３１、７４１、７７１、７８１、７９１ 検査品グレー領域
【技術分野】
【０００１】
本発明は、マハラノビス・タグチ法（ＭＴ法）を利用して、製品の外観検査を行う技術に関する。
【背景技術】
【０００２】
従来、製品の外観検査は人手に頼る部分が大きく、この場合、検査員が目視でその検査を実施する。しかし、最終ユーザからの検査品質向上要求、人海戦術検査による人件費増大対策から、近年、市場では画像認識技術を利用した製品の外観検査の自動化が求められている。外観検査を自動的に行う検査装置は、先ずカメラや照明などの撮像機器によって検査品の外観を撮像する。そして、その撮像した検査画像に対して所定の画像処理を行うアルゴリズムにより検査品の良否判定を行う。ここで、そのアルゴリズムの一つに、ＭＴ法を利用した方法が従来知られている（例えば特許文献１参照）。
【０００３】
このＭＴ法は、多数の情報をマハラノビス距離という一つの尺度に集約し、このマハラノビス距離の大小によって、良否を判定する方法である。具体的には、良品の外観を撮像した良品画像から特徴量を抽出して、マハラノビス距離を算出するための基準空間（以下、マハラノビス基準空間とも言う）を生成する。次いで、検査品の外観を撮像した検査画像の特徴量と基準空間とに基づいて、マハラノビス距離を算出する。そして、そのマハラノビス距離の大小に基づいて検査品の良否判定を行うというものである。
【０００４】
ここで、従来のマハラノビス基準空間の生成方法について説明する。図１６は、従来のマハラノビス基準空間の生成手順を示したフローチャートである。先ず、マハラノビス基準空間を生成するために、評価の基準となる正常な画像サンプル（良品画像）を取得する（Ｓ１０１）。次いで、Ｓ１０１で取得したサンプル画像を所定の大きさごとに（例えば６４０×４８０）に切り取っていく（Ｓ１０２）。次いで、切り取った画像について、そのＲ、Ｇ、Ｂの輝度（８ｂｉｔ：０〜２５５）データから、それぞれ０〜１５、１６〜３１、３２〜４７、・・・、２４０〜２５５の１６段階（Ｒ、Ｇ、Ｂでは４８段階）の輝度範囲にある画素数をカウントし、Ｒ、Ｇ、Ｂの輝度分布データを計算する（Ｓ１０３）。次いで、Ｓ１０３で計算した輝度分布データを良品画像の特徴量とし、その特徴量に基づいてマハラノビス基準空間を生成する（Ｓ１０４）。
【先行技術文献】
【特許文献】
【０００５】
【特許文献１】特開２００５−２５２４５１号公報
【発明の概要】
【発明が解決しようとする課題】
【０００６】
ところで、上記のようにして生成した基準空間を検査時に利用する場合には、被検査対象となる検査画像に対しても、上述のＳ１０２のように切り取る処理を行って、切り取った画像ごとに輝度分布データを求める必要がある。しかし、その切り取った画像の範囲が例えば６４０×４８０のような大きな範囲になると、６４０×４８０=３０７２００の画素に対して演算が必要になる。さらに、この方法を検査画像のサイズ（フレームサイズ）で行う必要があるので、切り取る画像の枚数も多くなり、演算時間がさらに増加する。ＭＴ法では数値計算をする必要があるが、製品の外観を撮像する近年のＣＣＤカメラでは分解能ＵＰの要求から数百万画素単位で取り込めるものが汎用的になってきつつあり、数百万からなる画素を処理するためには、上記の従来方法では計算量が多くなってしまい、その結果、検査時間が長くなってしまうという問題がある。
【０００７】
また、従来の方法では、検査の際、画像が予期せぬ写り方をする場合がある。具体的には、例えば、画像全体が暗くまたは明るく写った場合や、画像処理で切り取った画像の一部が暗く、一部が明るかったりする場合がある。なお、画像が暗く写ったり明るく写ったりする原因としては例えば以下の（１）〜（３）の場合が考えられる。
（１）外乱などの影響で偶発する場合
（２）照明を長い期間にわたり使用し続ける（照明の劣化による）場合
（３）検査品の表面形状や材質の影響で、検査品の表面に均一な光を照射することが難しい場合
【０００８】
このように画像が予期せぬ写り方をした場合、その画像に不良とされる領域が写っている、写っていないに関わらず、画像全体の輝度のシフトが起こる。その輝度のシフトに伴って、輝度分布データもシフトするために、その画像が良品、不良品に関わらずマハラノビス距離（ＭＤ値）の増大を招く。この場合、検査装置の過検出(良品を不良と判断すること)に繋がるという問題がある。
【０００９】
本発明は上記問題に鑑みてなされたものであり、ＭＴ法を利用して検査品の良否判定を行う技術に関して、画像の暗い、明るいといった写り具合に関わらず精度良く良否判定を行うことを第一の課題とする。また、良否判定をするための処理時間を短縮することを第二の課題とする。
【課題を解決するための手段】
【００１０】
上記課題を解決するために、本発明に係るマハラノビス基準空間の生成方法は、良品か否かの区別が付きにくい領域である良品グレー領域を含む良品画像を取得する良品画像取得ステップと、
その良品画像取得ステップで取得した前記良品画像に含まれる前記良品グレー領域を認識する認識ステップと、
前記良品画像の領域のうち前記認識ステップで認識した前記良品グレー領域の周辺領域の輝度情報を取得する輝度取得ステップと、
その輝度取得ステップで取得した前記周辺領域の輝度情報を基準とした前記良品グレー領域の輝度情報の特徴量を算出する特徴量算出ステップと、
その特徴量算出ステップで算出した前記特徴量に基づいて、マハラノビス距離を算出するための基準空間を生成する生成ステップと、を含むことを特徴とする。
【００１１】
これによれば、良品画像に含まれる良品グレー領域に着目して基準空間を生成する。ここで、現状、目視検査員による検査は、不良領域だけを見て不良と判定しているわけではなく、不良領域と、不良の周りの領域を相対的に比較することによって区別している。つまり、対象が確かに不良だと判定するためには、対象の周りの情報が必要になる。この点、本発明では、良品グレー領域の周辺領域の輝度情報を基準とした良品グレー領域の輝度情報の特徴量を算出しているので、良品画像の写り具合の影響が考慮された特徴量を得ることができる。そして、その特徴量に基づいて基準空間を生成しているので、良品画像の写り具合の影響が考慮された精度の良い基準空間を得ることができる。よって、検査品の良否判定をする際にこの基準空間を利用することで、画像の写り具合に関わらず精度良くその良否判定を行うことができる。また、良品画像全体ではなく良品グレー領域から基準空間を生成しているので、その基準空間を生成するための処理時間や、その基準空間を利用して検査品の良否判定をするための処理時間を短縮することができる。
【００１２】
また、本発明における前記特徴量算出ステップは、前記周辺領域の輝度情報を代表する代表値を設定する代表値設定ステップと、
その代表値設定ステップで設定した前記代表値を基準とした前記良品グレー領域の輝度情報の分布を示した輝度分布データを前記特徴量として算出する輝度分布算出ステップと、を含むことを特徴とする。
【００１３】
これによれば、代表値設定ステップで、周辺領域の輝度情報の代表値を設定しているので、周辺領域の輝度情報が分布している場合であってもその周辺領域の輝度情報が反映された値（代表値）を得ることができる。そして、輝度分布算出ステップで、代表値を基準とした輝度分布データを算出しているので、周辺領域の輝度情報を基準とした良品グレー領域の特徴量を得ることができる。
【００１４】
ここで、その輝度分布算出ステップは、前記良品グレー領域の各画素の輝度値のうち前記代表値より大きい各輝度値と前記代表値との差分値をそれぞれ算出し、それら差分値の合計値と、前記良品グレー領域の各画素の輝度値のうち前記代表値より小さい各輝度値と前記代表値との差分値をそれぞれ算出し、それら差分値の合計値の少なくとも一方を前記輝度分布データとして算出するステップとすることができる。
【００１５】
これによれば、輝度分布算出ステップで、良品グレー領域の各画素の輝度値のうち代表値より大きい各輝度値と代表値との差分値の合計値を算出するので、周辺領域に対してグレー領域がどの程度明るくされているのかを示した特徴量を得ることができる。また、その輝度分布算出ステップでは、上記の合計値に代えて、又は上記の合計値と共に、良品グレー領域の各画素の輝度値のうち代表値より小さい各輝度値と代表値との差分値の合計値を算出するので、周辺領域に対してグレー領域がどの程度暗くされているのかを示した特徴量を得ることができる。
【００１６】
また、輝度分布算出ステップは、前記良品グレー領域の各画素のうち前記代表値より大きい輝度値の画素の数と前記代表値より小さい輝度値の画素の数の少なくとも一方を前記輝度分布データとして算出するステップとすることもできる。
【００１７】
これによれば、グレー領域のうち、周辺領域より明るくされている領域がどの程度含まれているかを示した特徴量と周辺領域より暗くされている領域がどの程度含まれているかを示した特徴量の一方又は両方を得ることができる。
【００１８】
また、輝度分布算出ステップは、前記良品グレー領域の各画素の輝度値のうち前記代表値より大きい各輝度値と前記代表値との各差分値の合計値、前記良品グレー領域の各画素の輝度値のうち前記代表値より小さい各輝度値と前記代表値との各差分値の合計値、前記良品グレー領域の各画素のうち前記代表値より大きい輝度値の画素の数、及び前記良品グレー領域の各画素のうち前記代表値より小さい輝度値の画素の数の少なくともいずれか一つを前記輝度分布データとして算出するステップであるとしてもよい。これにより、上記の４つの特徴量の中から選択される１又は複数の特徴量を得ることができる。
【００１９】
また、本発明における前記特徴量算出ステップは、
前記良品グレー領域の各画素の輝度値を輝度値の大きさの順に並び替える並替ステップと、
その並替ステップで並び替えた輝度値間の変化特性を示した変化特性値を前記特徴量として算出する変化特性値算出ステップと、をさらに含むことを特徴とする。
【００２０】
これによれば、並替ステップで、良品グレー領域の各画素の輝度値を輝度値の大きさの順に並び替え、変化特性値算出ステップで、その並び替えた輝度値間の変化特性を示した変化特性値を算出しているので、良品グレー領域の輝度がどのように変化しているかを示した特徴量を得ることができる。これにより、良品グレー領域の特徴をより一層反映した基準空間を得ることができる。
【００２１】
ここで、その変化特性値算出ステップは、前記並替ステップで並び替えた輝度値から、大きさが隣り合う二つの輝度値の差分値である隣接変化値を算出し、その隣接変化値の特性を示した隣接変化特性値を前記変化特性値として算出するステップとすることができる。
【００２２】
これにより、隣り合う二つの輝度値が、どの程度輝度変化しているかを示した特徴量を得ることができる。
【００２３】
また、変化特性値算出ステップは、前記並替ステップで並び替えた輝度値間の変化を近似した近似式を算出し、その近似式の特性を示した近似式特性値を前記変化特性値として算出するステップとしてもよい。
【００２４】
これによれば、変化特性値算出ステップで算出される近似式特性値は、輝度値間の変化を近似した近似式の特性を示しているので、グレー領域の輝度が各画素間でどのように変化しているかを示した特徴量を得ることができる。
【００２５】
また、本発明における前記代表値設定ステップは、良品グレー領域ごとに互いに値が異なる複数の前記代表値を設定するステップであり、
前記輝度分布算出ステップは、前記複数の代表値のそれぞれごとに、各代表値を基準とした前記輝度分布データを算出するステップであることを特徴とする。
【００２６】
これによれば、代表値設定ステップで、互いに値が異なる複数の代表値を設定するので、良品グレー領域ごとの、周辺領域の輝度情報がより一層反映された値（代表値）を得ることができる。そして、輝度分布算出ステップでは、複数の代表値のそれぞれごとに、各代表値を基準とした輝度分布データを算出しているので、良品グレー領域ごとの、周辺領域の輝度情報がより一層反映された輝度分布データを得ることができる。これにより、より一層精度の良い基準空間を得ることができる。
【００２７】
また、本発明における代表値設定ステップは、前記周辺領域の輝度値の平均値、最小値、最大値、中央値又は偏差に基づいて前記代表値を設定するステップとすることができる。
【００２８】
これによれば、平均値、最小値、最大値、中央値又は偏差は、複数の輝度値を考慮して初めて決定できるものであるので、それらに基づいて代表値を設定することで、精度の良い代表値を得ることができる。
【００２９】
本発明に係る検査装置は、請求項１〜１０のいずれか１項に記載のマハラノビス基準空間の生成方法で生成された前記基準空間が記憶された記憶手段と、
検査品の画像である検査画像を取得する検査画像取得手段と、
その検査画像取得手段が取得した前記検査画像に、良品か否かの区別が付きにくい領域である検査品グレー領域が含まれているか否かを判断するグレー領域判断手段と、
そのグレー領域判断手段が前記検査品グレー領域が含まれていると判断した場合に、前記検査画像の領域のうち前記検査品グレー領域の周辺領域の輝度情報を取得する検査品輝度取得手段と、
その検査品輝度取得手段が取得した前記周辺領域の輝度情報を基準とした前記検査品グレー領域の輝度情報の特徴量である検査品特徴量を算出する検査品特徴量算出手段と、
その検査品特徴量算出手段が算出した前記検査品特徴量と前記記憶手段に記憶された前記基準空間とに基づいて、マハラノビス距離を算出するマハラノビス距離算出手段と、
そのマハラノビス距離算出手段が算出した前記マハラノビス距離に基づいて前記検査品の良否判断を行う良否判断手段と、を備えることを特徴とする。
【００３０】
これによれば、検査品の良品判断を行うために、良品か否かの区別が付きにくい検査品グレー領域のマハラノビス距離を算出するので、検査画像全体のマハラノビス距離を算出する場合に比べて、処理時間を短縮することができる。また、検査品グレー領域の周辺領域の輝度情報を基準とした検査品グレー領域の輝度情報の特徴量を算出しているので、検査画像の写り具合の影響が考慮された精度の良い特徴量を得ることができる。そして、良品画像の写り具合の影響が考慮された上記基準空間と、検査画像の写り具合の影響が考慮されたその特徴量とに基づいてマハラノビス距離を算出しているので、画像の写り具合に影響されない精度の良いマハラノビス距離を得ることができる。これにより、画像の写り具合に関わらず、検査品の良否判定を精度良く行うことができる。
【００３１】
また、本発明におけるマハラノビス距離算出手段は、前記検査品特徴量を正規化する正規化手段を含み、その正規化手段が正規化した前記検査品特徴量と前記基準空間とに基づいて、前記マハラノビス距離を算出するものであることを特徴とする。
【００３２】
これによれば、正規化手段が検査品特徴量を正規化し、マハラノビス距離算出手段は、その正規化された検査品特徴量を使用してマハラノビス距離を算出するので、精度の良いマハラノビス距離を得ることができる。
【００３３】
また、本発明の検査装置は、前記グレー領域判断手段が前記検査品グレー領域が含まれていないと判断した場合に、前記検査品を良品と判断する良品判断手段を備えることを特徴とする。
【００３４】
これによれば、検査画像に検査品グレー領域が含まれていない場合には、良品判断手段によってその検査品が良品と判断されるので、その検査画像に対してマハラノビス距離を算出する処理を省略することができる。よって、検査品の良否判定の処理時間を短縮することができる。
【図面の簡単な説明】
【００３５】
【図１】検査装置１の全体構成を示した図である。
【図２】マハラノビス基準空間の生成手順を示したフローチャートである。
【図３】図２のＳ２の詳細手順を示したフローチャートである。
【図４】図３の画像処理の出力結果を例示した図である。
【図５】図２のＳ３の詳細手順を示したフローチャートである。
【図６】図５のＳ３１の詳細手順を示したフローチャートである。
【図７】図６の各処理ステップの過程における良品画像６２を示した図である。
【図８】図５のＳ３２の詳細手順を示したフローチャートである。
【図９】良品グレー領域６２１を示した図である。
【図１０】図８のＳ３２２の積分特性、Ｓ３２３の画素数特性の算出方法を説明する図である。
【図１１】図８のＳ３２５の詳細手順を示したフローチャートである。
【図１２】図８のＳ３２６の詳細手順を示したフローチャートである。
【図１３】図２のＳ４の詳細手順を示したフローチャートである。
【図１４】検査品の良否判定手順を示したフローチャートである。
【図１５】検査品の複数のサンプルＡ〜Ｉの画像７１〜７９を示した図である。
【図１６】従来のマハラノビス基準空間の生成手順を示したフローチャートである。
【発明を実施するための形態】
【００３６】
以下、本発明に係るマハラノビス基準空間の生成方法及び検査装置の実施形態を図面を参照しながら説明する。図１は、本実施形態の検査装置１の全体構成を示した図である。その検査装置１は、例えば切削加工した金属部品等の製品の表面にあるムラ、埃、傷、バリ等の有無を検査することで、その製品の外観の良否判定をする装置である。図１に示すように、検査装置１は、画像処理用ＰＣ１０、報知器２０、カメラ３０、及び検査台５０を備えている。検査台５０は、マハラノビス基準空間を生成するための良品サンプル６０（図１参照）や、被検査対象となる検査品７０（図１参照）が載置される台である。カメラ３０は、レンズ３１を有し、そのレンズ３１を介して検査台５０に載置された良品サンプル６０や検査品７０を撮像するものである。そのカメラ３０として、例えばＣＣＤイメージセンサやデジタルスチルカメラを用いることができる。なお、良品サンプル６０や検査品７０をカメラ３０で良好に撮像できるようにするために、良品サンプル６０や検査品７０に光を照射する照明（図示外）が適宜設けられる。
【００３７】
カメラ３０で撮像された画像はケーブル４０（図１参照）を介して、画像処理用ＰＣ１０に送信される。画像処理用ＰＣ１０は、検査品７０の画像である検査画像に対して所定の画像処理を施しつつ、ＭＴ法を利用してその検査画像の良品判定、すなわち検査品７０の良否判定を行うコンピュータである。また、画像処理用ＰＣ１０は、検査画像の良否判定を行うのに先だって、良品サンプル６０の画像である良品画像に基づいて、ＭＴ法で使用するマハラノビス基準空間を生成するコンピュータでもある。なお、検査品７０を検査するコンピュータとマハラノビス基準空間を生成するコンピュータとを別々にしてもよい。
【００３８】
画像処理用ＰＣ１０は、より詳細には、ＣＰＵ１１及びメモリ１２を有しており、ＣＰＵ１１がメモリ１２に記憶された制御プログラムにしたがった処理を実行することで、マハラノビス基準空間を生成したり、検査品７０の良否判定を行ったりする。なお、それらの詳細は後述する。メモリ１２は、ＣＰＵ１１が実行する制御プログラムが記憶されたＲＯＭやフラッシュメモリ等の記憶装置である。また、本実施形態では、メモリ１２には、画像処理用ＰＣ１０が生成したマハラノビス基準空間も記憶される。
【００３９】
報知器２０は、画像処理用ＰＣ１０によって行われた検査結果（検査品７０の良否判定結果）を報知するものである。その報知器２０として、例えば音で報知するスピーカや表示で報知するディスプレイを用いることができる。
【００４０】
次に、画像処理用ＰＣ１０が実行するマハラノビス基準空間の生成方法について詳細に説明する。なお、画像処理用ＰＣ１０がマハラノビス基準空間を生成するタイミングとしては、検査品７０を検査する前であればどのタイミングでもよい。ここで、図２は、マハラノビス基準空間の生成手順を示したフローチャートである。先ず、図２を参照してマハラノビス基準空間の生成手順を大まかに説明し、その後、図２の各手順の詳細を説明する。なお、この図２の処理は、例えば、所定の開始スイッチ（図示外）がユーザに操作された場合に開始される。
【００４１】
図２において、先ず、良品と予め解っている良品サンプル、すなわち、目視検査員が良品と判断した良品サンプルが検査台５０（図１参照）に載置されて、その良品サンプルをカメラ３０で撮像してその画像（良品画像）を取得（収集）する（Ｓ１）。この際、複数の良品サンプルの良品画像を取得するようにする。次いで、Ｓ１で取得した各良品画像に対して、所定の画像処理が施されて、各良品画像に含まれた、良品か否かの区別が付きにくい領域である良品グレー領域を検出する（Ｓ２）。次いで、検出された良品グレー領域の輝度情報の特徴量を算出する（Ｓ３）。次いで、Ｓ３で算出された特徴量に基づいて、マハラノビス基準空間を生成する（Ｓ４）。その後、図２のフローチャートの処理を終了する。
【００４２】
このように、本発明では、良品画像の全体からマハラノビス基準空間を生成するのではなく、良品画像のうちの良品グレー領域からそれを生成している。ただし、良品グレー領域だけを考慮してマハラノビス基準空間を生成しているわけではなく、その良品グレー領域の周辺領域も考慮してマハラノビス基準空間を生成している。以下、図２の各手順を詳細に説明する。
【００４３】
図３は、図２の良品グレー領域を検出する画像処理（Ｓ２）の詳細手順を示したフローチャートである。具体的には、図２のＳ１で取得された良品画像に対して２値化処理（Ｓ２１）、平滑処理（Ｓ２２）、差分処理（Ｓ２３）の順に画像処理を施す。なお、２値化処理、平滑処理、差分処理は当業者であれば説明の必要がないほど汎用的なので、各処理の詳細の説明は省略する。Ｓ２１〜Ｓ２３の画像処理によって検出された領域を良品か否かの区別が付きにくい良品グレー領域とする。次いで、その良品グレー領域とＳ２１〜Ｓ２３の画像処理が施される前の元の良品画像との両方を出力する（Ｓ２４）。その後、図３のフローチャートの処理を終了する。
【００４４】
この図３での画像処理の目的は、不良をほぼ全て検出できるように処理することであり、良品の過検出については問わない。すなわち、一般的に、過検出率と不良流出率はトレードオフの関係であるが、ここでの画像処理は、過検出を行ってもよいので、不良の可能性が少しでもあるものは、全て検出するように画像処理をしている。つまり、その不良の可能性が少しでもあるものを、ここでの良品グレー領域としている。なお、不良をほぼ全て検出できるようにするために、あらかじめ目視検査員が判断した、不良とわかっているサンプルを収集し、それらが全て検出できるように画像処理、つまりＳ２１〜Ｓ２３の各画像処理の条件（例えば２値化処理をする際の閾値）を決定している。
【００４５】
なお、良品グレー領域を検出するための画像処理は、図３の処理手順（２値化処理→平滑処理→差分処理）のアルゴリズムに関わらず、既存として存在するアルゴリズムの中で、不良流出を極力防ぐように構成されたアルゴリズムであれば、当業者で利用しているものでも、それを利用することができる。
【００４６】
ここで、図４は、図３の画像処理の出力結果を例示した図であり、より厳密には、複数の良品サンプルＡ〜Ｅの入力画像６１〜６５と、それら入力画像６１〜６５に対する出力とを示している。なお、２値化処理、平滑処理及び差分処理は当業者であれば説明の必要がないほど汎用的なので、図４では、上記処理の途中経過については省略している。図４に示すように、ここでは、５つの良品サンプルＡ〜Ｅを用意し、図２のＳ１において、それら良品サンプルＡ〜Ｅの良品画像６１〜６５が取得される。そして、各良品画像６１〜６５が、図３の画像処理をするための入力画像とされる。良品サンプルＡの良品画像６１と良品サンプルＤの良品画像６４は汚れやムラの無いきれいな画像であることを想定している、また、良品サンプルＢはその表面にムラがあることを想定しており、そのためにその良品画像６２にはムラを示した良品グレー領域６２１が含まれている。同様に、良品サンプルＥはその表面にムラがあることを想定しており、そのためにその良品画像６５にはムラを示した良品グレー領域６５１が含まれている。また、良品サンプルＣはその表面に埃が載っていることを想定しており、そのためにその良品画像６３には埃を示した良品グレー領域６３１が含まれている。
【００４７】
これら良品画像６１〜６５に対して、図３のＳ２１〜Ｓ２３の画像処理を施すことで、Ｓ２４において、図４の下欄の出力画像が出力される。具体的には、良品サンプルＢの良品画像６２に対しては、その良品画像６２に含まれる良品グレー領域６２１及び良品画像６２が出力される。また、良品サンプルＣの良品画像６３に対しては、その良品画像６３に含まれる良品グレー領域６３１及び良品画像６３が出力される。また、良品サンプルＥの良品画像６５に対しては、その良品画像６５に含まれる良品グレー領域６５１及び良品画像６５が出力される。なお、良品サンプルＡ及び良品サンプルＤは良品グレー領域が含まれていない良品であるので、図３のＳ２４においては何も出力されない。なお、ムラや埃を良品とするか、不良とするかどうかは、検出要件によって異なるが、図４の例では、ムラや埃はただのノイズとして、良品と扱う事を前提にしている。そのため、図３のＳ２１〜Ｓ２３の画像処理においては、良品画像６２、６３、６５に対して過検出をしている状況とされる。
【００４８】
次に、図２のＳ３の特徴量算出処理の詳細を説明する。ここで、図５はその特徴量算出処理の詳細手順を示したフローチャートである。本発明では、良品グレー領域の特徴量として、良品グレー領域の周辺領域の輝度情報を基準とした良品グレー領域の輝度分布データを算出する。具体的には、先ず、良品グレー領域の周辺領域の輝度情報を基準とするために、その周辺領域の輝度情報を代表する閾値ＴＨを設定する（Ｓ３１）。なお、その閾値ＴＨが本発明の「代表値」に相当する。図６は、その閾値設定の詳細手順を示したフローチャートである。なお、ここでは、図４のサンプルＢの良品画像６２及びその良品グレー領域６２１を図６の処理の対象として説明する。また、図７は、図６の各処理ステップの過程における良品画像６２を示した図である。
【００４９】
先のＳ２で検出した良品グレー領域６２１及びそれが含まれた良品画像６２（図７（ａ）参照）が入力されて、先ず、良品画像６２に含まれた良品グレー領域６２１の領域を拡大する領域拡大処理を実行する（Ｓ３１１）。具体的には、図７（ｂ）に示すように、先のＳ２で検出した良品グレー領域６２１について、良品グレー領域６２１のエッジ６２１ｂ全周に渡ってその良品グレー領域６２１を特定範囲大きくした領域６２２を、原画像である良品画像６２から取得する（Ｓ３１１）。本実施形態では、良品グレー領域６２１の拡大率を、そのエッジ６２１ｂ＋１ｐｉｘｃｅｌ（図７（ｂ）参照）に設定している。
【００５０】
次いで、差分処理を施して、良品グレー領域６２１と拡大領域６２２との差分領域６２３を抽出する（Ｓ３１２、図７（ｃ）参照）。この差分領域６２３は、（拡大領域６２２）−（良品グレー領域６２１）を行うことで抽出できる。なお、この差分領域６２３が、良品グレー領域６２１の周辺領域とされる。以下、差分領域６２３を周辺領域と言う。
【００５１】
次いで、周辺領域６２３の各画素の輝度値を取得する（Ｓ３１３）。ここで、説明簡略のために、図７（ｄ）に示すように、周辺領域６２３の画素数を１５画素としてＳ３１３の処理の具体例を説明する。Ｓ３１３では、周辺領域６２３の各画素６２３ａに順番に番号を割り振っていく。ここでは、図７（ｄ）に示すように、図７（ｄ）の紙面左上にいくほど小さい番号になるよう、言い換えると紙面右下にいくほど大きい番号になるように、各画素６２３ａに対して１番から順番に番号を割り振っていく。この場合、１５番まで番号が割り振られることになる。また、各画素６２３ａに番号を割り振るのと並行して、各画素６２３ａの輝度値を取得していく。これによって得られた輝度データを次の表１に示す。なお、表１では、割り振られた番号順に輝度値を示している。
【００５２】
【表１】
【００５３】
次いで、表１の各輝度値の最小値(本実施形態の場合は１番：輝度値３５)と、各輝度値の平均値を取得する（Ｓ３１４）。ただし、輝度値は整数で表されるものであるので、求めた平均値(４１．０６７)の小数点以下は切り捨てて、平均輝度値は４１として取得する。
【００５４】
次いで、それら輝度値の最小値、平均値に基づいて、周辺領域６２３の輝度情報を代表する閾値ＴＨを設定する（Ｓ３１５）。具体的には、求めた最小値と平均値の間の範囲で複数の閾値ＴＨを設定するようにする。ここでは、良品グレー領域６２１の特徴量を算出するための閾値ＴＨとして、３５（最小値）〜４１（平均値）の範囲で、３５、３７、３９、４１というように設定している。最小値と平均値の間の範囲でどのように閾値ＴＨを設定するかは、例えば、設定する閾値ＴＨの数が予め定められており、その閾値ＴＨの数で最小値と平均値の間の範囲を等分したときにおける各等分点の値を閾値ＴＨとして設定する。なお、良品グレー領域６２１以外の良品グレー領域６３１、６５１（図４参照）についても、前述と同様の処理を行って、それぞれの領域６３１、６５１について閾値ＴＨを設定する。
【００５５】
なお、本実施形態では、輝度の最小値、平均値に基づいて閾値ＴＨを設定しているが、例えば輝度値の偏差、中央値、最大値などを利用することもできる。例えば最小値と偏差を利用する場合には、最小値±３σ（σ＝標準偏差）の範囲で、任意に閾値ＴＨを設定することや、最大値±３σの範囲で閾値ＴＨを設定することもできる。このように、閾値ＴＨを設定する方法はいくらでも存在するが、本発明の特徴は、この閾値ＴＨを、良品グレー領域の周辺領域の輝度情報から決めていることにある。
【００５６】
Ｓ３１５で閾値ＴＨを設定した後、図６のフローチャートの処理を終了して、図５の処理に戻る。次いで、Ｓ３１で設定した閾値ＴＨに基づいて、良品グレー領域の輝度分布データを算出する（Ｓ３２）。ここで、図８は、その輝度分布データの算出の詳細手順を示したフローチャートである。なお、ここでも、図４のサンプルＢの良品画像６２を図８の処理の対象として説明する。また、良品画像６２に含まれる良品グレー領域６２１の画素数が１１画素として説明する。先ず、良品画像６２に含まれる良品グレー領域６２１の各画素の輝度値を取得する（Ｓ３２１）。ここで、図９は、良品グレー領域６２１を示した図である。Ｓ３２１では、良品グレー領域６２１の各画素６２１ａ（図９参照）に順番に番号を割り振っていく。ここでは、先に説明した周辺領域の場合と同様に、図９の紙面左上にいくほど、言い換えると紙面右下にいくほど大きい番号になるように、各画素６２１ａに対して１番から１１番まで順番に番号を割り振っていく。また、各画素６２１ａに番号を割り振るのと並行して、各画素６２１ａの輝度値を取得していく。これによって得られた輝度データを次の表２に示す。なお、表２では、割り振られた番号順に輝度値を示している。
【００５７】
【表２】
【００５８】
次いで、表２の各輝度値及び先の図５のＳ３１で設定した閾値ＴＨに基づいて、その閾値ＴＨを基準とした良品グレー領域６２１の輝度分布データを算出する（Ｓ３２２、Ｓ３２３）。具体的には、先ず、良品グレー領域６２１の輝度分布データとして、良品グレー領域６２１がその周辺領域６２３（図７参照）に対してどの程度明るくされているかを示した積分特性を算出する（Ｓ３２２）。ここで、図１０（ａ）は、その積分特性の算出方法を説明する図であり、具体的には、横軸が画素番号、縦軸が輝度値のグラフを示している。また、図１０（ａ）のグラフは、表２の各輝度値が点でプロットされている。なお、それら各輝度値の点をＰ１〜Ｐ１１で示している。また、図１０（ａ）では、先で設定した閾値ＴＨのラインＬ１（図１０（ａ）では、閾値ＴＨ＝３５のラインＬ１）が引かれている。
【００５９】
積分特性の算出をするために、輝度値Ｐ１〜Ｐ１１のうち閾値ＴＨのラインＬ１より高い輝度値Ｐ３、Ｐ５、Ｐ６、Ｐ９、Ｐ１０、Ｐ１１から閾値ＴＨを引いたときの値を、各輝度値Ｐ３、Ｐ５、Ｐ６、Ｐ９、Ｐ１０、Ｐ１１ごとに算出する。輝度値Ｐと閾値ＴＨの差分値をΔＰとすると、図１０（ａ）では、画素番号３の差分値ΔＰ３、画素番号５の差分値ΔＰ５、画素番号６の差分値ΔＰ６、画素番号９の差分値ΔＰ９、画素番号１０の差分値ΔＰ１０及び画素番号１１の差分値ΔＰ１１を示している。なお、閾値ＴＨより小さい輝度値に対する差分値ΔＰに関しては、ΔＰ＝０として計算する。そして、各差分値ΔＰの合計値（＝Σ（輝度値−閾値ＴＨ））を積分特性として算出する。図１０（ａ）では、閾値ＴＨ＝３５の例を示しているが、Ｓ３２２では、他の閾値ＴＨ（＝３７、３９、４１）に対しても、それぞれ積分特性を算出する。
【００６０】
なお、今回の説明では、閾値ＴＨより上側（大きい）にある輝度値を対象としているが、逆に、閾値ＴＨより下側（小さい）部分の輝度値の面積に相当する積分特性（＝Σ（閾値ＴＨ−輝度値））を算出してもよい。この場合には、良品グレー領域がその周辺領域に対してどの程度暗くされているかを示した特徴量を得ることができる。また、複数設定した閾値ＴＨの一部を上側にある輝度値を対象とし、別の閾値ＴＨは下側にある輝度値を対象にしてもよい。
【００６１】
図８の説明に戻り、Ｓ３２２で積分特性を算出した後、次いで、良品グレー領域６２１の輝度分布データとして、良品グレー領域６２１のうち、その周辺領域６２３（図７参照）より明るくされている領域がどの程度含まれているかを示した画素数特性を算出する（Ｓ３２３）。ここで、図１０（ｂ）は、その画素数特性の算出方法を説明する図であり、具体的には、図１０（ａ）と同様に、横軸が画素番号、縦軸が輝度値のグラフに、各輝度値をプロットした点Ｐ１〜Ｐ１１、閾値ＴＨのラインＬ１を示した図である。画素数特性として、閾値ＴＨ以上の輝度値Ｐを持つ画素の数をカウントしていく。図１０（ｂ）に示すように、閾値ＴＨ以上の輝度値Ｐは、輝度値Ｐ３、Ｐ４、Ｐ５、Ｐ６、Ｐ９、Ｐ１０、Ｐ１１とされる。よって、閾値ＴＨ＝３５の場合、画素数特性＝７（画素）となる。図１０（ｂ）では、閾値ＴＨ＝３５の例を示しているが、Ｓ３２３では、他の閾値ＴＨ（＝３７、３９、４１）に対しても、それぞれ画素数特性を算出する。
【００６２】
なお、画素数特性の算出に関しても、閾値ＴＨ以上の輝度値を持つ画素の数をカウントするのとは逆に、閾値ＴＨより小さい輝度値を持つ画素の数をカウントするようにしてもよい。この場合には、グレー領域のうち、その周辺領域より暗くされている領域がどの程度含まれているかを示した特徴量を得ることができる。また、複数設定した閾値ＴＨの一部を閾値ＴＨ以上の輝度値を持つ画素を対象とし、別の閾値ＴＨは閾値ＴＨより小さい輝度値を持つ画素を対象にしてもよい。なお、Ｓ３２２の処理とＳ３２３の処理は、どちらの処理を先に実行もよく、また並列して同時に実行してもよい。
【００６３】
Ｓ３２２及びＳ３２３によって得られた輝度分布データを次の表３に示す。なお、表３では、説明の対象とした良品グレー領域６２１の輝度分布データを示している。また、表３に示す閾値ＴＨは、良品グレー領域６２１に限った値であり、良品グレー領域の情報が変われば、それに伴って、周辺領域の輝度情報が変わるため、閾値ＴＨは変わる。つまり、良品グレー領域ごとに、閾値ＴＨが設定される。
【００６４】
【表３】
【００６５】
Ｓ３２２及びＳ３２３にて算出した良品グレー領域の輝度分布データだけでもマハラノビス基準空間を生成するための十分条件であるが、さらに精度の良いマハラノビス基準空間を生成するために、他の特徴量を算出するようにしてもよい。そこで、図８のＳ３２３の処理の後、マハラノビス基準空間の良否判別精度を向上させるか否かを判断する（Ｓ３２４）。この判断は、例えば、マハラノビス基準空間の良否判別精度を向上させるか否かをユーザに確認し、そのユーザからの確認結果に基づいて、行う。ここで、マハラノビス基準空間の良否判別精度を向上させないと判断した場合には（Ｓ３２４：Ｎｏ）、図８のフローチャートの処理を終了する。この場合には、他の特徴量の算出が行われないので、基準空間を生成するための処理時間を短縮することができる。これに対し、マハラノビス基準空間の良否判別精度を向上させると判断した場合には（Ｓ３２４：Ｙｅｓ）、処理をＳ３２５に進める。
【００６６】
Ｓ３２５では、先のＳ３２１にて取得した良品グレー領域の各画素の輝度値を、輝度値の大きさの順に並び替える並替処理を実行する。ここで、図１１は、Ｓ３２５の並替処理の詳細手順を示したフローチャートである。なお、ここでは、上記表２の良品グレー領域６２１の輝度値に対して、図１１の処理を適用した場合について説明する。先ず、表２の輝度値に対して昇順ソートを施して昇順に並び替える（Ｓ３３１）。このときの結果を次の表４に示す。
【００６７】
【表４】
【００６８】
次いで、表４の各画素の画素番号が順番になるように画素番号の再セットを行う（Ｓ３３２）。このときの結果を次の表５に示す。その後、図１１のフローチャートの処理を終了する。
【００６９】
【表５】
【００７０】
図８の説明に戻り、次いで、Ｓ３２６〜Ｓ３２８にて、Ｓ３２５で並び替えた輝度値間の変化特性を示した変化特性値を算出する。具体的には、先ず、並び替えた輝度値に対して、大きさが隣り合う二つの輝度値間の変化特性を示した隣接変化特性値を算出する（Ｓ３２６）。ここで、図１２は、そのＳ３２６の処理の詳細手順を示したフローチャートである。このフローチャートの処理では、ｉを１、２、３として、３回のループ処理が行われるようになっている。先ず、変数を初期化するために、ｎを１に、ｃｏｕｎｔｅｒを０に設定する（Ｓ３４１、Ｓ３４２）。次いで、Ｓ３２５で並び替えたデータ（表５参照）から、ｎ番目の画素の輝度値Ｘ（ｎ）を取得し（Ｓ３４３）、ｎ＋１番目の画素の輝度値Ｘ（ｎ＋１）を取得する（Ｓ３４４）。ただし、ｎは、１、２、３、４・・・、Ｎｍａｘ（＝良品グレー領域の画素数−１）とされる。表５の場合では１１画素なので、ｎは１〜１０までとされる。
【００７１】
次いで、それら輝度値Ｘ（ｎ）、Ｘ（ｎ＋１）の差分値ΔＸ（＝Ｘ（ｎ＋１）−Ｘ（ｎ））を算出する（Ｓ３４５）。次いで、その差分値ΔＸが変数ｉ以上とされているか否かを判断する（Ｓ３４６）。差分値ΔＸが変数ｉ以上の場合は（Ｓ３４６：Ｙｅｓ）、変数ｃｏｕｎｔｅｒに１を加える（Ｓ３４７）。これに対して、差分値ΔＸが変数ｉ未満の場合には（Ｓ３４６：Ｎｏ）、現状の変数ｃｏｕｎｔｅｒに保持する。次いで、変数ｎがＮｍａｘ（＝良品グレー領域の画素数−１）に達したか否かを判断する（Ｓ３４８）。未だ達していなければ（Ｓ３４８：Ｎｏ）、ｎに１を加えて（Ｓ３４９）、Ｓ３４３の処理に戻る。この場合、画素番号が前回から１大きくした隣り合う輝度値Ｘ（ｎ）、Ｘ（ｎ＋１）に対して、上記と同じ処理が繰り返される（Ｓ３４３〜Ｓ３４８）。このように、変数ｎがＮｍａｘに達するまでは、変数ｉ以上とされる差分値ΔＸの個数が変数ｃｏｕｎｔｅｒとしてカウントされることになる。
【００７２】
Ｓ３４８において、変数ｎがＮｍａｘに達した場合には（Ｓ３４８：Ｙｅｓ）、ｃｏｕｎｔｅｒの現在の値を取得するとともに（Ｓ３５０）、変数ｉに１を加えて、その新しい変数ｉに対して上記の処理（Ｓ３４１〜Ｓ３４９）が繰り返される。そして、変数ｉ＝３のときに、変数ｎがＮｍａｘに達した場合に（Ｓ３４８：Ｙｅｓ、Ｓ３５０）、図１２のフローチャートの処理を終了する。
【００７３】
なお、本実施形態では、ループ数を３回としたが、特にループ数は限定するものではない。また、差分値ΔＸが変数ｉ以上の場合にｃｏｕｎｔｅｒを１加算するとしていたが（Ｓ３４６、Ｓ３４７）、Ｓ３４６の閾値についても変数ｉ以上に限定されるものではない。例えば、変数ｉ×２を閾値としたり、変数ｉに拘ることなく単に１、３、５、７というように数値を閾値としたりしてもよい。
【００７４】
ここで、変数ｉ＝１の場合について具体的な数値を用いて、図１２の処理を説明する。なお、ここでは上記の表５の数値を用いて説明する。表５において、変数ｎ＝１の場合、１番目の輝度値Ｘ（ｎ）＝３０、２番目の輝度値Ｘ（ｎ＋１）＝３１であるので、それら差分値ΔＸは３１−３０＝１と算出される。この差分値ΔＸ＝１は、変数ｉの値である１以上であるので、ｃｏｕｎｔｅｒに１が加算される。その後、変数ｎが２になって、２番目の輝度値Ｘ（ｎ）＝３１、３番目の輝度値Ｘ（ｎ＋１）＝３１であるので、それら差分値ΔＸ＝０と算出される。よって、ｃｏｕｎｔｅｒの値は保持されて、変数ｎに１が加算される。これを繰り返していき、最終的に変数ｎが１０になった段階で、変数ｉ＝１の場合の処理が完了する。良品グレー領域６２１について、変数ｉが１、２、３の場合のそれぞれのｃｏｕｎｔｅｒの値を次の表６に示す。
【００７５】
【表６】
【００７６】
このように、Ｓ３２６の処理では、隣接変化特性値としてｃｏｕｎｔｅｒの値が算出される。この隣接変化特性値は、不良の比較的急峻に変化する輝度（輝度の最小値と最大値の差が大きい）と、不良でないノイズの比較的なだらかな輝度変化（輝度の最小値と最大値の差が小さい）の差を抽出する役割を果たしている。
【００７７】
図８の説明に戻り、Ｓ３２６の処理の後、Ｓ３２５で並び替えられた輝度値を近似式で表した場合におけるその近似式の特性を示した近似式特性値を算出する（Ｓ３２７、Ｓ３２８）。本実施形態では、各輝度値を最小二乗法にてｙ＝ａｘ＋ｂの直線で近似をする場合におけるその直線の傾きａと切片ｂを、近似式特性値として算出する。ｎ個（表５の場合はｎ＝１１）の輝度値（ｘ１、ｙ１）、（ｘ２、ｙ２）、・・・、（ｘｎ、ｙｎ）の場合、先ず、次の式１によって、傾きａを算出する（Ｓ３２７）。なお、ｎは画素数、ｘは画素番号、ｙは輝度値である。
【００７８】
【数１】
【００７９】
次いで、次の式２によって、切片ｂを算出する（Ｓ３２８）。その後、図８のフローチャートの処理を終了する。
【００８０】
【数２】
【００８１】
良品グレー領域６２１の場合（表５の場合）における傾きａ及び切片ｂを次の表７に示す。
【００８２】
【表７】
【００８３】
このように、傾きａ及び切片ｂは、各画素の輝度値を近似した近似式の特性を示したものであるので、良品グレー領域の輝度が各画素間でどのように変化しているかの特徴量を得ることができる。なお、Ｓ３２７、Ｓ３２８における近似式は直線近似でなくてもよく、例えば、ｙ＝ａｘ＋ｂにおけるｘを対数にすることで、対数関数としての傾きａや切片ｂを、特徴量として求めてもよい。
【００８４】
以上説明した図８の処理によって算出された、良品グレー領域６２１の輝度分布データの結果を次の表８に示す。
【００８５】
【表８】
【００８６】
以降、本明細書では、積分特性や画素数特性、輝度変化などを「項目」と記載し、それぞれの項目から得られた輝度分布データを総括して「特徴量」と記載する。なお、表８において、積分特性と画素数特性の項目で設定している閾値ＴＨは、良品グレー領域６２１に対するものなので、他の良品グレー領域６３１、６５１（図４参照）の特徴量を算出する場合には、各良品グレー領域ごとの閾値ＴＨが設定される。
【００８７】
説明を図５に戻り、Ｓ３２によって輝度分布データを算出した後、図５のフローチャートの処理を終了して、図２のフローチャートの処理に戻る。図２において、次いで、Ｓ３で算出した特徴量に基づいて、マハラノビス基準空間を生成する（Ｓ４）。ここで、図１３は、Ｓ４の処理の詳細手順を示したフローチャートである。以下、説明を簡略化するために、Ｓ３で算出した特徴量を次の表９の記号に置き換えて、マハラノビス基準空間の生成方法について説明する。なお、表９では、図４の良品グレー領域６２１、６３１、６５１のそれぞれについて、各項目に対する特徴量を記号Ｘで示している。また、各特徴量Ｘの添え字ｎは良品グレー領域のサンプル数を示しており、添え字ｋは項目数を示している。
【００８８】
【表９】
【００８９】
マハラノビス基準空間の生成方法としては幾つか手法が確立されているが、本実施形態では、その中でも頻繁に利用される計算方法で生成を行っている。なお、生成の過程で、上記表９のｎとｋの関係は少なくともｎ＞＝ｋである必要がある。表９では、良品グレー領域６２１、６３１、６５１のみ特徴量Ｘを示しているが、実際は、その他にも沢山のサンプル数ｎが確保されている。なお、表９の場合には、積分特性と画素数特性の計算において、良品グレー領域６２１、６３１、６５１ごとに閾値ＴＨが決まるが、以降は簡略化のために、閾値ＴＨと、輝度変化、傾き、切片を省略して説明していく。
【００９０】
図１３において、先ず、次の式３によって特徴量Ｘの正規化を行う（Ｓ４１）。なお、式３において、Ｘｊ（式３ではオーバーバー付）はｊ番目の項目の平均値であり、σｊはｊ番目の項目の標準偏差である。
【００９１】
【数３】
【００９２】
式３で正規化した後のデータｘを次の表１０に示す。
【００９３】
【表１０】
【００９４】
次いで、次の式４によって相関係数ｒｐｑを算出する（Ｓ４２）。その後、各相関係数ｒ１１〜ｒｋｋから構成された相関行列Ｒを生成する（Ｓ４２）。
【００９５】
【数４】
【００９６】
次いで、次の式５で示すように、相関行列Ｒの逆行列Ａを算出する（Ｓ４３）。その逆行列Ａをマハラノビス基準空間とする。
【００９７】
【数５】
【００９８】
その後、図１３のフローチャートの処理を終了して、図２のフローチャートの処理に戻る。そして、Ｓ４の処理の後、図２のフローチャートの処理を終了する。以上のようにして、本発明におけるマハラノビス基準空間が生成される。その生成したマハラノビス基準空間は、検査品の良否判定を行う際に使用するために、メモリ１２（図１参照）に記憶される。
【００９９】
次に、画像処理用ＰＣ１０が実行する検査品の良否判定の方法について詳細に説明する。ここで、図１４は、その方法の手順を示したフローチャートである。なお、図１４のフローチャートの処理は、例えば、所定の開始スイッチ（図示外）がユーザに操作された場合に開始される。
【０１００】
先ず、検査台５０（図１参照）に載置された検査品をカメラ３０で撮像して、その撮像画像である検査画像を取得する（Ｓ５１）。次いで、その検査画像に対して所定の画像処理を施して、その検査画像に含まれるグレー領域（検査品グレー領域）を検出する（Ｓ５２）。このＳ５２の処理の詳細は、先に説明した基準空間を生成するときの処理（図３の処理）と同じである。また、このときの画像処理（図３の２値化処理、平滑処理、差分処理）の条件は、良品画像の良品グレー領域を検出したときの条件と同じに設定する。つまり、検査品グレー領域は、良品グレー領域と同様に、良品か否かの区別が付きにくい領域とされ、換言すると不良の可能性のある領域とされる。
【０１０１】
次いで、Ｓ５２の処理によって検査品グレー領域が検出されたか否かを判断する（Ｓ５３）。これは、Ｓ５２の処理によって検査品グレー領域が検出された場合にはその検査品グレー領域が出力されるので、検査品グレー領域の出力の有無によってＳ５３の判断を行う。検査品グレー領域が検出されなかった場合には（Ｓ５３：Ｎｏ）、その検査品は良品であると判断し（Ｓ６１）、図１４のフローチャートを終了する。これに対し、検査品グレー領域が検出された場合には（Ｓ５３：Ｙｅｓ）、処理をＳ５４に進める。
【０１０２】
Ｓ５４では、その検査品グレー領域の輝度分布データ（特徴量）を算出する（Ｓ５４）。このＳ５４の処理の詳細は、先に説明した基準空間を生成するときの処理（図２のＳ３の処理）と同じである。すなわち、検査品グレー領域の周辺領域を基準とした輝度分布データを算出する。次いで、上記の式３と同様の式によって、その輝度分布データである特徴量を正規化する（Ｓ５５）。なお、正規化の際に用いる平均値と標準偏差は、上記式３の良品画像の平均値Ｘｊ（式３ではオーバーバー付き）及び標準偏差σｊを用いる。次いで、メモリ１２（図１参照）に記憶されたマハラノビス基準空間を読み出す（Ｓ５６）。
【０１０３】
次いで、そのマハラノビス基準空間に基づいて、検査画像、厳密には検査画像に含まれた検査品グレー領域のマハラノビス距離（ＭＤ値）を算出する（Ｓ５７）。具体的には、マハラノビス基準空間（上記式５参照）と、Ｓ５５で正規化した特徴量のデータ（ｘ１１〜ｘｉｋ、ただしｋは項目数、ｉはｉ＝１、２、３、・・・、識別したい検査品グレー領域の数）とを、次の式６、式７に代入することにより、ＭＤ値を算出する。
【０１０４】
【数６】
【０１０５】
【数７】
【０１０６】
例えば、検査品グレー領域が５箇所検出された場合には、各検査品グレー領域にｉ＝１番から５番までの番号を振ったときに、上記式６、式７によって、１番（ｉ＝１）におけるＭＤ値〜５番（ｉ＝５）におけるＭＤ値の全部で５つのＭＤ値が算出される。
【０１０７】
次いで、そのＭＤ値が予め設定された閾値以上であるか否かを判断する（Ｓ５８）。ＭＤ値が閾値より小さい場合には（Ｓ５８：Ｎｏ）、その検査品は良品であると判断する（Ｓ６０）。これに対し、ＭＤ値が閾値以上の場合には（Ｓ５８：Ｙｅｓ）、その検査品は不良品であると判断する（Ｓ５９）。なお、閾値の設定方法についてはいくつかの方法が考えられるが、以下にその１例をあげる。すなわち、予め良品か不良か解っている被検査対象のＭＤ値をそれぞれ求め、テスト用閾値を設定し、誤判定した場合の損失を求める。テスト用閾値を複数変更した場合に、一番損失が少なくなる閾値を、Ｓ５８で使用する閾値に設定する。なお、不良流出を可能な限り防ぐ場合には、予め不良と解っている被検査対象のＭＤ値を複数求め、求めたＭＤ値の最小値よりも小さい値で閾値を設定する。
【０１０８】
その後、良品（Ｓ６０）、不良（Ｓ５９）に関わらず報知器２０（ディスプレイなど）で報知する（Ｓ６２）。特に不良判定の場合には、検査員などがそれを認識できるように、ディスプレイ上で強調したり、音を出したりするなどして、報知の度合いを強くする（Ｓ６２）。その後、図１４のフローチャートの処理を終了する。
【０１０９】
次に、具体的な検査品のサンプルを挙げて、本実施形態の検査装置１（図１参照）による良否判定を行った場合について説明する。ここで、図１５は、検査品の複数のサンプルＡ〜Ｉの画像７１〜７９を示している。図１５の上段に示したサンプルＡ〜Ｆは、目視検査員が良品と判断した良品サンプルとされる。ただし、良品サンプルＡ、Ｂ、Ｄにはそれぞれムラが存在し、それら画像７１、７２、７４にはムラを示した領域（検査品グレー領域）７１１、７２１、７４１が含まれている。また、良品サンプルＣには埃が存在し、そのためにその画像７３には埃を示した領域（検査品グレー領域）７３１が含まれている。また、良品サンプルＥ、Ｆはきれいな良品であり、そのためにそれら画像７５、７６には検査品グレー領域が含まれていない。一方、図１５の下段に示したサンプルＧ〜Ｉは、目視検査員が不良と判断した不良サンプルである。各不良サンプルＧ〜Ｉには不良の原因とされる欠陥が存在し、そのためにそれら画像７７〜７９には欠陥を示した領域（検査品グレー領域）７７１〜７９１が含まれている。
【０１１０】
また、これらの画像７１〜７９を得る際には撮像する時間帯を変更している。具体的には、サンプルＢ、Ｅ、Ｉの画像７２、７５、７９は夜の時間帯に撮像したものであり、そのためにそれら画像７２、７５、７９は全体的に暗くされている。また、サンプルＤ、Ｆ、Ｇの画像７４、７６、７７は朝の時間帯に撮像したものであり、そのためにそれら画像７４、７６、７７は全体的に明るくされている。また、サンプルＡ、Ｃ、Ｈの画像７１、７３、７８は昼の時間帯に撮像したものであり、そのためにそれら画像７１、７３、７８は通常の明るさ（朝の撮像時の明るさと夜の撮像時の明るさの中間）とされている。
【０１１１】
これらの画像７１〜７９に対して、検査装置１で良否判定を実施した結果例を次の表１１に示す。
【０１１２】
【表１１】
【０１１３】
表１１に示すように、画像７５、７６（良品サンプルＥ、Ｆ）には検査品グレー領域が含まれていないので、それら画像７５、７６に対してはＭＤ値は算出されない。また、検査品グレー領域を含む良品サンプルＡ、Ｂ、Ｃ、Ｄに対しては、１．２〜１．８のＭＤ値が算出されている。また、不良サンプルＧ〜Ｉの画像７７〜７９に対しては、１４．４〜２３．５のＭＤ値が算出されている。このように、検査装置１では、画像の写り方（明暗）によって変化する周辺領域の輝度情報を取得して、画像処理で検出したグレー領域の特徴量を得るための閾値を設定しているため、画像の写り方に影響されずに、特徴量を計算することができる。よって、良品と不良のＭＤ値について、充分なＭＤ値の差を得ることができる。
【０１１４】
以上説明したように、本実施形態では、画像全体ではなく、良品か否かの区別が付きにくい検査品グレー領域のＭＤ値に基づいて、検査品の良否判定を行っているので、その判定を行うための処理時間を短縮することができる。また、検査品に検査品グレー領域が含まれていない場合には、ＭＤ値を算出しないで良品と判定しているので、迅速にその判定をすることができる。また、グレー領域（良品グレー領域、検査品グレー領域）の周辺領域の輝度情報を基準として、そのグレー領域の特徴量を得ているので、画像の写り方に影響されないマハラノビス基準空間やＭＤ値を算出することができる。よって、画像の写り方に関わらず良否判定を精度良く行うことができる。
【０１１５】
なお、上記実施形態において、図２のＳ１の処理が本発明の「良品画像取得ステップ」に相当する。図２のＳ２の処理が本発明の「認識ステップ」に相当する。図６のＳ３１１〜Ｓ３１３の処理が本発明の「輝度取得ステップ」に相当する。図２のＳ３の処理が本発明の「特徴量算出ステップ」に相当する。図２のＳ４の処理が本発明の「生成ステップ」に相当する。図６のＳ３１４及びＳ３１５の処理が本発明の「代表値設定ステップ」に相当する。図８のＳ３２１〜Ｓ３２３の処理が本発明の「輝度分布算出ステップ」に相当する。図８のＳ３２５の処理が本発明の「並替ステップ」に相当する。図８のＳ３２６〜Ｓ３２８の処理が本発明の「変化特性値算出ステップ」に相当する。メモリ１２が本発明の「記憶手段」に相当する。図１４のＳ５１の処理を実行する画像処理用ＰＣ１０が本発明の「検査画像取得手段」に相当する。図１４のＳ５２及びＳ５３の処理を実行する画像処理用ＰＣ１０が本発明の「グレー領域判断手段」に相当する。図１４のＳ５４の処理を実行する画像処理用ＰＣ１０が本発明の「検査品輝度取得手段」及び「検査品特徴量算出手段」に相当する。図１４のＳ５５〜Ｓ５７の処理を実行する画像処理用ＰＣ１０が本発明の「マハラノビス距離算出手段」に相当する。図１４のＳ５５の処理を実行する画像処理用ＰＣ１０が本発明の「正規化手段」に相当する。図１４のＳ５８〜Ｓ６０の処理を実行する画像処理用ＰＣ１０が本発明の「良否判断手段」に相当する。図１４のＳ６１の処理を実行する画像処理用ＰＣ１０が本発明の「良品判断手段」に相当する。
【符号の説明】
【０１１６】
１ 検査装置
１０ 画像処理用ＰＣ
１１ ＣＰＵ
１２ メモリ
２０ 報知器
３０ カメラ
６１〜６５ 良品画像
６２１、６３１、６５１ 良品グレー領域
６２３ 周辺領域
７１〜７９ 検査画像
７１１、７２１、７３１、７４１、７７１、７８１、７９１ 検査品グレー領域
【特許請求の範囲】
【請求項１】
良品か否かの区別が付きにくい領域である良品グレー領域を含む良品画像を取得する良品画像取得ステップと、
その良品画像取得ステップで取得した前記良品画像に含まれる前記良品グレー領域を認識する認識ステップと、
前記良品画像の領域のうち前記認識ステップで認識した前記良品グレー領域の周辺領域の輝度情報を取得する輝度取得ステップと、
その輝度取得ステップで取得した前記周辺領域の輝度情報を基準とした前記良品グレー領域の輝度情報の特徴量を算出する特徴量算出ステップと、
その特徴量算出ステップで算出した前記特徴量に基づいて、マハラノビス距離を算出するための基準空間を生成する生成ステップと、を含むことを特徴とするマハラノビス基準空間の生成方法。
【請求項２】
前記特徴量算出ステップは、前記周辺領域の輝度情報を代表する代表値を設定する代表値設定ステップと、
その代表値設定ステップで設定した前記代表値を基準とした前記良品グレー領域の輝度情報の分布を示した輝度分布データを前記特徴量として算出する輝度分布算出ステップと、を含むことを特徴とする請求項１に記載のマハラノビス基準空間の生成方法。
【請求項３】
前記輝度分布算出ステップは、前記良品グレー領域の各画素の輝度値のうち前記代表値より大きい各輝度値と前記代表値との差分値をそれぞれ算出し、それら差分値の合計値と、前記良品グレー領域の各画素の輝度値のうち前記代表値より小さい各輝度値と前記代表値との差分値をそれぞれ算出し、それら差分値の合計値の少なくとも一方を前記輝度分布データとして算出するステップであることを特徴とする請求項２に記載のマハラノビス基準空間の生成方法。
【請求項４】
前記輝度分布算出ステップは、前記良品グレー領域の各画素のうち前記代表値より大きい輝度値の画素の数と前記代表値より小さい輝度値の画素の数の少なくとも一方を前記輝度分布データとして算出するステップであることを特徴とする請求項２に記載のマハラノビス基準空間の生成方法。
【請求項５】
前記輝度分布算出ステップは、前記良品グレー領域の各画素の輝度値のうち前記代表値より大きい各輝度値と前記代表値との各差分値の合計値、前記良品グレー領域の各画素の輝度値のうち前記代表値より小さい各輝度値と前記代表値との各差分値の合計値、前記良品グレー領域の各画素のうち前記代表値より大きい輝度値の画素の数、及び前記良品グレー領域の各画素のうち前記代表値より小さい輝度値の画素の数の少なくともいずれか一つを前記輝度分布データとして算出するステップであることを特徴とする請求項２に記載のマハラノビス基準空間の生成方法。
【請求項６】
前記特徴量算出ステップは、
前記良品グレー領域の各画素の輝度値を輝度値の大きさの順に並び替える並替ステップと、
その並替ステップで並び替えた輝度値間の変化特性を示した変化特性値を前記特徴量として算出する変化特性値算出ステップと、をさらに含むことを特徴とする請求項２〜５のいずれか１項に記載のマハラノビス基準空間の生成方法。
【請求項７】
前記変化特性値算出ステップは、前記並替ステップで並び替えた輝度値から、大きさが隣り合う二つの輝度値の差分値である隣接変化値を算出し、その隣接変化値の特性を示した隣接変化特性値を前記変化特性値として算出するステップであることを特徴とする請求項６に記載のマハラノビス基準空間の生成方法。
【請求項８】
前記変化特性値算出ステップは、前記並替ステップで並び替えた輝度値間の変化を近似した近似式を算出し、その近似式の特性を示した近似式特性値を前記変化特性値として算出するステップであることを特徴とする請求項６又は７に記載のマハラノビス基準空間の生成方法。
【請求項９】
前記代表値設定ステップは、互いに値が異なる複数の前記代表値を設定するステップであり、
前記輝度分布算出ステップは、前記複数の代表値のそれぞれごとに、各代表値を基準とした前記輝度分布データを算出するステップであることを特徴とする請求項２〜８のいずれか１項に記載のマハラノビス基準空間の生成方法。
【請求項１０】
前記代表値設定ステップは、前記周辺領域の輝度値の平均値、最小値、最大値、中央値又は偏差に基づいて前記代表値を設定するステップであることを特徴とする請求項２〜９のいずれか１項に記載のマハラノビス基準空間の生成方法。
【請求項１１】
請求項１〜１０のいずれか１項に記載のマハラノビス基準空間の生成方法で生成された前記基準空間が記憶された記憶手段と、
検査品の画像である検査画像を取得する検査画像取得手段と、
その検査画像取得手段が取得した前記検査画像に、良品か否かの区別が付きにくい領域である検査品グレー領域が含まれているか否かを判断するグレー領域判断手段と、
そのグレー領域判断手段が前記検査品グレー領域が含まれていると判断した場合に、前記検査画像の領域のうち前記検査品グレー領域の周辺領域の輝度情報を取得する検査品輝度取得手段と、
その検査品輝度取得手段が取得した前記周辺領域の輝度情報を基準とした前記検査品グレー領域の輝度情報の特徴量である検査品特徴量を算出する検査品特徴量算出手段と、
その検査品特徴量算出手段が算出した前記検査品特徴量と前記記憶手段に記憶された前記基準空間とに基づいて、マハラノビス距離を算出するマハラノビス距離算出手段と、
そのマハラノビス距離算出手段が算出した前記マハラノビス距離に基づいて前記検査品の良否判断を行う良否判断手段と、を備えることを特徴とする検査装置。
【請求項１２】
前記マハラノビス距離算出手段は、前記検査品特徴量を正規化する正規化手段を含み、その正規化手段が正規化した前記検査品特徴量と前記基準空間とに基づいて、前記マハラノビス距離を算出するものであることを特徴とする請求項１１に記載の検査装置。
【請求項１３】
前記グレー領域判断手段が前記検査品グレー領域が含まれていないと判断した場合に、前記検査品を良品と判断する良品判断手段を備えることを特徴とする請求項１１又は１２に記載の検査装置。
【請求項１】
良品か否かの区別が付きにくい領域である良品グレー領域を含む良品画像を取得する良品画像取得ステップと、
その良品画像取得ステップで取得した前記良品画像に含まれる前記良品グレー領域を認識する認識ステップと、
前記良品画像の領域のうち前記認識ステップで認識した前記良品グレー領域の周辺領域の輝度情報を取得する輝度取得ステップと、
その輝度取得ステップで取得した前記周辺領域の輝度情報を基準とした前記良品グレー領域の輝度情報の特徴量を算出する特徴量算出ステップと、
その特徴量算出ステップで算出した前記特徴量に基づいて、マハラノビス距離を算出するための基準空間を生成する生成ステップと、を含むことを特徴とするマハラノビス基準空間の生成方法。
【請求項２】
前記特徴量算出ステップは、前記周辺領域の輝度情報を代表する代表値を設定する代表値設定ステップと、
その代表値設定ステップで設定した前記代表値を基準とした前記良品グレー領域の輝度情報の分布を示した輝度分布データを前記特徴量として算出する輝度分布算出ステップと、を含むことを特徴とする請求項１に記載のマハラノビス基準空間の生成方法。
【請求項３】
前記輝度分布算出ステップは、前記良品グレー領域の各画素の輝度値のうち前記代表値より大きい各輝度値と前記代表値との差分値をそれぞれ算出し、それら差分値の合計値と、前記良品グレー領域の各画素の輝度値のうち前記代表値より小さい各輝度値と前記代表値との差分値をそれぞれ算出し、それら差分値の合計値の少なくとも一方を前記輝度分布データとして算出するステップであることを特徴とする請求項２に記載のマハラノビス基準空間の生成方法。
【請求項４】
前記輝度分布算出ステップは、前記良品グレー領域の各画素のうち前記代表値より大きい輝度値の画素の数と前記代表値より小さい輝度値の画素の数の少なくとも一方を前記輝度分布データとして算出するステップであることを特徴とする請求項２に記載のマハラノビス基準空間の生成方法。
【請求項５】
前記輝度分布算出ステップは、前記良品グレー領域の各画素の輝度値のうち前記代表値より大きい各輝度値と前記代表値との各差分値の合計値、前記良品グレー領域の各画素の輝度値のうち前記代表値より小さい各輝度値と前記代表値との各差分値の合計値、前記良品グレー領域の各画素のうち前記代表値より大きい輝度値の画素の数、及び前記良品グレー領域の各画素のうち前記代表値より小さい輝度値の画素の数の少なくともいずれか一つを前記輝度分布データとして算出するステップであることを特徴とする請求項２に記載のマハラノビス基準空間の生成方法。
【請求項６】
前記特徴量算出ステップは、
前記良品グレー領域の各画素の輝度値を輝度値の大きさの順に並び替える並替ステップと、
その並替ステップで並び替えた輝度値間の変化特性を示した変化特性値を前記特徴量として算出する変化特性値算出ステップと、をさらに含むことを特徴とする請求項２〜５のいずれか１項に記載のマハラノビス基準空間の生成方法。
【請求項７】
前記変化特性値算出ステップは、前記並替ステップで並び替えた輝度値から、大きさが隣り合う二つの輝度値の差分値である隣接変化値を算出し、その隣接変化値の特性を示した隣接変化特性値を前記変化特性値として算出するステップであることを特徴とする請求項６に記載のマハラノビス基準空間の生成方法。
【請求項８】
前記変化特性値算出ステップは、前記並替ステップで並び替えた輝度値間の変化を近似した近似式を算出し、その近似式の特性を示した近似式特性値を前記変化特性値として算出するステップであることを特徴とする請求項６又は７に記載のマハラノビス基準空間の生成方法。
【請求項９】
前記代表値設定ステップは、互いに値が異なる複数の前記代表値を設定するステップであり、
前記輝度分布算出ステップは、前記複数の代表値のそれぞれごとに、各代表値を基準とした前記輝度分布データを算出するステップであることを特徴とする請求項２〜８のいずれか１項に記載のマハラノビス基準空間の生成方法。
【請求項１０】
前記代表値設定ステップは、前記周辺領域の輝度値の平均値、最小値、最大値、中央値又は偏差に基づいて前記代表値を設定するステップであることを特徴とする請求項２〜９のいずれか１項に記載のマハラノビス基準空間の生成方法。
【請求項１１】
請求項１〜１０のいずれか１項に記載のマハラノビス基準空間の生成方法で生成された前記基準空間が記憶された記憶手段と、
検査品の画像である検査画像を取得する検査画像取得手段と、
その検査画像取得手段が取得した前記検査画像に、良品か否かの区別が付きにくい領域である検査品グレー領域が含まれているか否かを判断するグレー領域判断手段と、
そのグレー領域判断手段が前記検査品グレー領域が含まれていると判断した場合に、前記検査画像の領域のうち前記検査品グレー領域の周辺領域の輝度情報を取得する検査品輝度取得手段と、
その検査品輝度取得手段が取得した前記周辺領域の輝度情報を基準とした前記検査品グレー領域の輝度情報の特徴量である検査品特徴量を算出する検査品特徴量算出手段と、
その検査品特徴量算出手段が算出した前記検査品特徴量と前記記憶手段に記憶された前記基準空間とに基づいて、マハラノビス距離を算出するマハラノビス距離算出手段と、
そのマハラノビス距離算出手段が算出した前記マハラノビス距離に基づいて前記検査品の良否判断を行う良否判断手段と、を備えることを特徴とする検査装置。
【請求項１２】
前記マハラノビス距離算出手段は、前記検査品特徴量を正規化する正規化手段を含み、その正規化手段が正規化した前記検査品特徴量と前記基準空間とに基づいて、前記マハラノビス距離を算出するものであることを特徴とする請求項１１に記載の検査装置。
【請求項１３】
前記グレー領域判断手段が前記検査品グレー領域が含まれていないと判断した場合に、前記検査品を良品と判断する良品判断手段を備えることを特徴とする請求項１１又は１２に記載の検査装置。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１１】
【図１２】
【図１３】
【図１４】
【図１６】
【図１０】
【図１５】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１１】
【図１２】
【図１３】
【図１４】
【図１６】
【図１０】
【図１５】
【公開番号】特開２０１２−１１７９０７（Ｐ２０１２−１１７９０７Ａ）
【公開日】平成２４年６月２１日（２０１２．６．２１）
【国際特許分類】
【出願番号】特願２０１０−２６７７６８（Ｐ２０１０−２６７７６８）
【出願日】平成２２年１１月３０日（２０１０．１１．３０）
【出願人】（０００００６９３２）リコーエレメックス株式会社 (708)
【Ｆターム（参考）】
【公開日】平成２４年６月２１日（２０１２．６．２１）
【国際特許分類】
【出願日】平成２２年１１月３０日（２０１０．１１．３０）
【出願人】（０００００６９３２）リコーエレメックス株式会社 (708)
【Ｆターム（参考）】
[ Back to top ]