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
【課題】 部品の種類に応じた適切な部品データを自動的に作成できるようにする。
【解決手段】 画像処理用部品データの作成対象となる部品の画像データを取り込み、この部品の画像データから当該部品の特徴を表す部分のデータ（以下「特徴データ」という）を抽出する。この特徴データには、水平方向と垂直方向のピクセル頻度とゼロクロスパターン頻度のデータが含まれる。この後、抽出した特徴データをリファレンス用部品データのデータベースの特徴データと比較して両者が最も一致する部品の種類を自動判別する。判別した部品の種類に応じて当該部品の画像データから当該部品の画像処理用部品データ（ボディ、リード、バンプ等の位置やサイズ等のデータ）を抽出する。この後、抽出した部品の画像処理用部品データを画像処理用部品データのデータベースに当該部品の種類と関連付けて保存する。
【解決手段】 画像処理用部品データの作成対象となる部品の画像データを取り込み、この部品の画像データから当該部品の特徴を表す部分のデータ（以下「特徴データ」という）を抽出する。この特徴データには、水平方向と垂直方向のピクセル頻度とゼロクロスパターン頻度のデータが含まれる。この後、抽出した特徴データをリファレンス用部品データのデータベースの特徴データと比較して両者が最も一致する部品の種類を自動判別する。判別した部品の種類に応じて当該部品の画像データから当該部品の画像処理用部品データ（ボディ、リード、バンプ等の位置やサイズ等のデータ）を抽出する。この後、抽出した部品の画像処理用部品データを画像処理用部品データのデータベースに当該部品の種類と関連付けて保存する。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、画像処理用の部品データを作成する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に関する発明である。
【背景技術】
【０００２】
例えば、電子部品実装機で使用する画像処理用の部品データは、画像処理の対象となる部品種類毎に作成する必要がある。従来の画像処理用部品データの作成手順は、図３１に示すように、まず、作業者が部品データ作成の対象となる部品の種類を見て判断して、その部品の種類に応じた適切な画像処理アルゴリズムを選択し（手順１）、更に、作業者が部品の種類に応じて部品の形状（ボディ、リード、バンプ等）のデータを手入力する（手順２）。その上で、当該部品を実際にカメラで撮像して画像処理テストを行ってみて（手順３）、画像処理が正しく行えるか否かを確認し（手順４）、画像処理が正しく行えなければ、作業を最初からやり直す。これにより、画像処理が正しく行えるまで、上記手順１から手順３までの作業を繰り返して、部品データを作成する。
【０００３】
このように、従来の画像処理用部品データの作成方法では、部品の種類の判別、画像処理アルゴリズムの選択、部品の形状データ入力、画像処理テスト等の作業を作業者が手作業で行わなければならず（画像処理テストの結果次第では１つの部品データを作成するのにこれらの作業を何回も繰り返して行わなければならず）、その結果、画像処理用部品データの作成のために多くの作業時間と多くの知識・経験を必要とするという欠点があった。
【０００４】
そこで、特許文献１（特許第２９４１６１７号公報）、特許文献２（特開平９−４４６８６号公報）に示すように、部品データの作成を自動化する技術が提案されている。
【０００５】
特許文献１には、電子部品実装機の吸着ノズルに吸着した部品の吸着姿勢の良否を判定するための部品データの自動作成方法が記載されている。この特許文献１の部品データの自動作成方法では、部品データとして、部品の各部の寸法、リード本数、リード間隔等のデータが画像処理により演算される。
【０００６】
また、特許文献２には、部品の位置を認識するためのデータの自動作成方法が記載されている。この特許文献２の部品データの自動作成方法では、部品の画像の輪郭線を抽出して、部品の各辺毎に各コーナ部のエッジ端点の位置を求めて、部品の基本概略形状の各辺の形状と各コーナ部の形状を求めて、これらのデータを部品位置認識データとして用いるようにしている。
【特許文献１】特許第２９４１６１７号公報（第３頁、図３等）
【特許文献２】特開平９−４４６８６号公報（第１頁等）
【発明の開示】
【発明が解決しようとする課題】
【０００７】
しかし、上記特許文献１，２の手法では、部品データを作成する際に、部品の種類を自動的に判別することができないため、部品の種類に応じた適切な画像処理アルゴリズムを選択して部品データを作成することができない。このため、様々な種類の部品の画像データを、同じ画像処理アルゴリズムで処理して部品データを作成することになるため、部品の種類に応じた適切な部品データを作成できないという欠点があった。
【０００８】
本発明はこのような事情を考慮してなされたものであり、従って本発明の目的は、部品の種類に応じた適切な部品データを自動的に作成できる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を提供することにある。
【課題を解決するための手段】
【０００９】
上記目的を達成するために、本発明は、画像処理用部品データの作成対象となる部品の画像データを取り込んで、当該部品の画像データから当該部品の種類を判別し、判別した部品の種類に応じて当該部品の画像データから当該部品の特徴を表すデータを抽出して画像処理用部品データを作成するようにしたものである。
【００１０】
本発明によれば、部品の画像データから当該部品の種類を判別するようにしているので、判別した部品の種類に応じた適切な画像処理アルゴリズムを選択して、部品の種類に応じて当該部品の画像データから当該部品の特徴を表すデータを自動的に抽出することができ、部品の種類に応じた適切な部品データを自動的に作成できる。
【００１１】
この場合、予め、部品種類毎にリファレンス用の部品の画像データを取り込んで各部品の特徴を表すデータを抽出して、部品種類毎に部品の特徴を表すデータを記憶したデータベースを作成しておき、部品種類判別処理では、新たに取り込んだ部品の画像データから当該部品の特徴を表すデータを抽出し、抽出したデータを前記データベースのデータと比較して両者が最も一致する部品の種類を判別するようにすると良い。このようにすれば、部品種類の判別精度を向上させることができる。
【００１２】
また、部品の特徴を表すデータとしては、部品全体に亘る形状の特徴を表すのに適したデータ、例えば、水平方向と垂直方向のピクセル頻度及び／又はゼロクロスパターン頻度のデータを含むようにすると良い。ここで、ピクセル頻度とは、所定のしきい値以上のグレー値を持つピクセルの出現頻度であり、ゼロクロスパターン頻度とは、しきい値より小さいグレー値から大きいグレー値に変化する点、または、しきい値より大きいグレー値から小さいグレー値に変化する点を意味する。ピクセル頻度やゼロクロスパターン頻度を用いれば、部品の特徴を精度良く表すデータを抽出することができる。これにより、あらゆる部品の種類を判別することが可能となり、適切な画像処理アルゴリズムと部品データを選択、作成することができる。
【００１３】
更に、部品種類判別処理で、動的計画法(Dynamic Programming) によるマッチング手法（略称：ＤＰマッチング）を用いて部品の種類を判別するようにすると良い。ＤＰマッチングは、代表的な伸縮マッチング手法であり、部品データ間の類似度を能率良く且つ精度良く演算することができる。
【発明を実施するための最良の形態】
【００１４】
以下、本発明を実施するための最良の形態を具体化した一実施例を説明する。
図１に示すように、画像処理用部品データ作成装置は、パーソナルコンピュータ等のコンピュータ１１と、部品の画像データを取り込むためのカメラ等の画像データ取り込み手段１２と、キーボード、マウス等の入力装置１３と、液晶ディスプレイ、ＣＲＴ等の表示装置１４と、後述するプログラムやデータ等を記憶する記憶装置１５を備えた構成となっている。コンピュータ１１は、後述する画像処理用の各プログラムを実行することで、画像データ取り込み手段１２で取り込んだ部品の画像データから当該部品の種類を判別する部品種類判別手段と、判別した部品の種類に応じて当該部品の画像データから当該部品の特徴を表すデータを抽出して画像処理用部品データを作成する部品データ作成手段として機能する。以下、このコンピュータ１１が実行する画像処理用の各プログラムの処理内容を説明する。
【００１５】
図２の部品データ作成プログラムが起動されると、まずステップ１０１で、作業者が入力装置１３を操作して部品データ作成開始を指示するまで待機する。その後、作業者が部品データ作成開始を指示した時点で、ステップ１０２に進み、画像データ取り込み手段１２を用いて、画像処理用部品データの作成対象となる部品の画像データを取り込む。
【００１６】
この後、ステップ１０３に進み、取り込んだ部品の画像データから当該部品の特徴を表す部分のデータ（以下「特徴データ」という）を抽出する。この特徴データには、後述する水平方向と垂直方向のピクセル頻度とゼロクロスパターン頻度のデータが含まれる。その後、抽出した特徴データを記憶装置１５に格納されたリファレンス用部品データのデータベースの特徴データと比較して両者が最も一致する部品の種類を自動判別する。これにより、部品の種類に応じて画像処理アルゴリズムを選択する処理の自動化が可能となる。この部品種類の判別は、後述する動的計画法(Dynamic Programming) によるマッチング手法（略称：ＤＰマッチング）を用いて行われる。尚、リファレンス用部品データのデータベースは、後述する図３のデータベース作成プログラムによって作成される。
【００１７】
この後、ステップ１０４に進み、判別した部品の種類に応じて当該部品の画像データから当該部品の画像処理用部品データ（ボディ、リード、バンプ等の位置やサイズ等のデータ）を抽出する。
【００１８】
この後、ステップ１０５に進み、抽出した画像処理用部品データを、記憶装置１５に格納されている画像処理用部品データのデータベースに当該部品の種類と関連付けて保存する。
【００１９】
図３のデータベース作成プログラムは、リファレンス用部品データのデータベースを作成するプログラムである。本プログラムが起動されると、まずステップ２０１で、画像データ取り込み手段１２を用いてリファレンス用の部品の画像データを取り込む。
【００２０】
この後、ステップ２０２に進み、特徴データ抽出プログラムを実行して、後述する方法で、リファレンス用の部品の画像データから当該部品の特徴を表す部分（ボディ、リード、バンプ等）の特徴データを抽出する。この際、特徴データとして、部品全体に亘る形状の特徴を表すのに適したデータである、水平方向と垂直方向のピクセル頻度とゼロクロスパターン頻度を計算する。
【００２１】
この後、ステップ２０３に進み、抽出したリファレンス用部品の特徴データ（水平方向と垂直方向のピクセル頻度とゼロクロスパターン頻度のパターン）を、記憶装置１５に格納されているリファレンス用部品データのデータベースに当該部品の種類と関連付けて保存する。
【００２２】
図４の部品種類判別プログラムは、前記図２の部品データ作成プログラムのステップ１０２〜１０３の処理を実行するプログラムである。本プログラムが起動されると、まずステップ３０１で、画像データ取り込み手段１２を用いて、画像処理用部品データの作成対象となる部品の画像データを取り込む。
【００２３】
この後、ステップ３０２に進み、上記図３のデータベース作成プログラムのステップ２０２と同じく、特徴データ抽出プログラムを実行して、画像処理用部品データの作成対象となる部品の画像データから当該部品の特徴を表す部分（ボディ、リード、バンプ等）の特徴データを抽出する。この際、特徴データとして、水平方向と垂直方向のピクセル頻度とゼロクロスパターン頻度を計算する。
【００２４】
この後、ステップ３０３に進み、画像処理用部品データの作成対象となる部品の特徴データを記憶装置１５に格納されたリファレンス用部品データのデータベースの特徴データと比較して両者が最も一致する部品の種類を自動判別する。この際、後述する動的計画法(Dynamic Programming) によるマッチング手法（略称：ＤＰマッチング）を用いて部品の種類を判別する。
【００２５】
図５のピクセル頻度算出プログラムは、前記図２のステップ１０３、図３のステップ２０２及び図４のステップ３０２で実行されるプログラムであり、次のようにしてピクセル頻度を算出する。本プログラムが起動されると、まずステップ４０１で、部品の画像データを読み込む。この後、ステップ４０２に進み、表示装置１４の画面全体の画像から部品部分のブロック（部品存在範囲）を切り出す。この部品部分のブロックを切り出しに関しては、作業者が表示装置１４の画面に表示された部品の画像を見て入力装置１３を操作して部品部分のブロックを切り出しても良いし、図７の部品部分ブロック切り出しプログラムを実行して部品部分のブロックを自動的に切り出すようにしても良い。
【００２６】
この図７の部品部分ブロック切り出しプログラムでは、まずステップ５０１で、画像全体のヒストグラムを求め、判別分析法によりしきい値を算出する。この後、ステップ５０２に進み、画像を水平・垂直方向に走査して、しきい値以上のグレー値を持つピクセルの出現頻度を計数し、水平方向と垂直方向のピクセル頻度グラフを作成する。
【００２７】
この後、ステップ５０３に進み、水平方向と垂直方向のピクセル頻度グラフをガウシアンフィルタで平滑化した後、ステップ５０４に進み、水平方向と垂直方向のピクセル頻度グラフの中で、ピクセル頻度が所定頻度以上となる範囲を部品部分のブロック（部品存在範囲）と決定して切り出す。
【００２８】
部品部分のブロックの切り出し後、図５のステップ４０３に進み、基準座標（ＸＹ座標）に対する部品部分のブロックの回転角度を算出し、部品部分のブロックの横方向と縦方向を基準座標の水平方向（Ｘ方向）と垂直方向（Ｙ方向）に一致させるように回転補正を行う。この回転補正に関しては、作業者が表示装置１４の画面に表示された部品の画像を見て部品の回転角度を判断し、入力装置１３を操作して部品の回転角度を補正しても良いし、後述する方法で部品部分のブロックの回転角度を自動的に補正するようにしても良い。
【００２９】
部品部分のブロックの回転角度の補正後、ステップ４０４に進み、大津の二値化等の適宜の二値化手法を用いて、二値化のためのしきい値を算出し、このしきい値を用いて部品部分のブロックの画像（図６参照）を二値化する。
【００３０】
この後、ステップ４０５に進み、画像を水平・垂直方向に走査して、水平方向の各走査線上においてしきい値以上のグレー値を持つピクセルが存在する頻度（ピクセル頻度）を計数して、この水平方向のピクセル頻度をＰｄｘとし、垂直方向の各走査線上においてしきい値以上のグレー値を持つピクセルが存在する頻度（ピクセル頻度）を計数して、この垂直方向のピクセル頻度をＰｄｙとする（図６参照）。
【００３１】
図８のゼロクロスパターン頻度算出プログラムは、前記図２のステップ１０３、図３のステップ２０２及び図４のステップ３０２で実行されるプログラムであり、次のようにしてゼロクロスパターン頻度を算出する。本プログラムが起動されると、まずステップ６０１で、部品の画像データを読み込む。この後、ステップ６０２に進み、前記図５のピクセル頻度算出プログラムのステップ４０２と同じ方法で、表示装置１４の画面全体の画像から部品部分のブロック（部品存在範囲）を切り出す。
【００３２】
この後、ステップ６０３に進み、前記図５のピクセル頻度算出プログラムのステップ４０３と同じ方法で、基準座標（ＸＹ座標）に対する部品部分のブロックの回転角度を算出し、部品部分のブロックの横方向と縦方向を基準座標の水平方向（Ｘ方向）と垂直方向（Ｙ方向）に一致させるように回転補正を行う。
【００３３】
この後、ステップ６０４に進み、大津の二値化等の適宜の二値化手法を用いて、二値化のためのしきい値を算出し、このしきい値を用いて部品部分のブロックの画像を二値化する。
【００３４】
この後、ステップ６０５に進み、ゼロクロスエッジを検出する。ここで、ゼロクロスエッジとは、しきい値より小さいグレー値から大きいグレー値に変化する点、又は、しきい値より大きいグレー値から小さいグレー値に変化する点を意味する。
【００３５】
この後、ステップ６０６に進み、水平方向の各走査線上においてゼロクロスエッジが存在する頻度（ゼロクロスパターン頻度）を計数して、この水平方向のゼロクロスパターンル頻度をＰｚｘとし、垂直方向の各走査線上においてゼロクロスエッジが存在する頻度（ゼロクロスパターン頻度）を計数して、この垂直方向のゼロクロスパターン頻度をＰｚｙとする（図９参照）。
【００３６】
次に、前記図５のピクセル頻度算出プログラムのステップ４０３と図８のゼロクロスパターン頻度算出プログラムのステップ６０３で用いられる回転角度の検出方法の具体例について説明する。以下、２つの回転角度検出方法を説明するが、これ以外の回転角度検出方法を用いても良いことは言うまでもない。
［回転角度検出方法（その１）］
一般に、部品角度は部品の外形形状を基準にして決定した方が良い場合が多い。
【００３７】
この点を考慮して、回転角度検出方法（その１）は、図１０〜図１６に示す手順で、部品の取り込み画像中でしきい値以上のグレー値を持つ領域の外形部分を抽出し、その直線性を判断して回転角度を検出する方法である。
【００３８】
以下、この回転角度検出方法（その１）の具体例を図１０〜図１６を用いて説明する。各図中の長方形はＩＣのリードを表している。
【００３９】
まず、図１０及び図１１に示すように、画像端から検索を開始し、予め決められた適当なしきい値以上のピクセルが現れる位置を求める（図１０及び図１１では左から右へ検索する例を示している）。
この後、図１２に示すように、外形部分の位置を使用してハフ変換を行い、直線を検出する。
【００４０】
以上のような処理を図１３〜図１６に示すように、画像の上下左右４方向についてそれぞれ行う。そして、４方向から検索した結果の中から最も直線性の高いものを選択し、その直線の角度を部品角度とする。
【００４１】
以上説明した回転角度検出方法（その１）の特徴は次の通りである。
(1) 一般に、ハフ変換を用いて線分検出を行う場合、計算ポイント数（例えば対象画像のエッジ点の数）に比例して計算時間がかかる。
(2) 通常、画像中の物体の角度を求める手法では、画像中のエッジ点を使用したり、ある適当なしきい値で二値化した点を使用する。
(3) 実装部品などの回転角度は、最外形を構成する点のみを用いても比較的精度良く検出できる場合が多い。
【００４２】
このような特徴がある中で、回転角度検出方法（その１）は、最外形を構成する点を抽出し、その点のみをハフ変換の計算に使用することによって計算コストを削減しつつ、部品の回転角度を精度良く求めることができる。
【００４３】
図１０〜図１６を用いて説明した具体例では、４方向の画像端から検索した点を用いて角度検出を行っているが、これは必ず４方向から検索しなければならないことを意味するものではない。２方向又は３方向から検索して求めた直線のうち最も直線性の高いものを採用する方法を採用しても良い。
【００４４】
ここで、最も強調したいのは、ハフ変換は通常多くの計算時間を必要とするが、実装部品などの角度は最外形を構成する点のみを使用しても精度良く求めることができるという特徴を利用して、ハフ変換に利用する点の数を減らし、高速・高精度の角度検出を行うということである。
【００４５】
また、対象物に関しても、１つのかたまりで表現されるもの（バックライトで撮像された部品）のみならず、複数のかたまりで表現されるもの（フロントライトで撮像されたＩＣリード部品やＢＧＡ部品など）においても、この回転角度検出方法（その１）は有効に機能する。
【００４６】
［回転角度検出方法（その２）］
回転角度検出方法（その２）は、部品の取り込み画像中でしきい値以上のグレー値を持つ領域の境界線を使用し、その境界線を最も多く含む外接長方形（以下「最隣接長方形」という）を求める方法である。ここで、「長方形に含まれる」とは、長方形の線分上に存在することを意味している。
【００４７】
図１７に簡単な例を示す。物体の回転角度検出に良く用いられる最小外接四角形に対しては、領域中最も長い線分とその他の角部分のみが外接長方形に含まれると考えられる。一方、認識したい角度の外接長方形に対しては、最も長い線分以外の全ての線分が外接長方形に含まれると考えられ、この場合、外接長方形に含まれる境界線は最も多くなる。
【００４８】
この回転角度検出方法（その２）では、境界線のある一点が外接長方形に含まれるかどうかを判定する必要がある。
しかし、通常、対象領域の境界線は一直線ではなく、起伏が存在する。
従って、完全に外接長方形の線分上に存在するかどうかを判定するだけでは正しい結果が得られない。
【００４９】
そこで、図１８に示すように、外接長方形の各線分から一定の距離の範囲内に存在する境界線は外接長方形に含まれると判定する方法を使用する。
【００５０】
尚、この際、外接長方形に含まれると判定する領域に存在する境界線上の点に対し、全て均等に評価しても良いし、外接長方形から境界線上の点までの距離に応じた評価を与えても良い。
【００５１】
例えば、図１９のような評価関数を与えれば、外接長方形と境界点の距離に比例した評価値を用いて評価を行う。また、ガウス関数などといった評価関数も考えられるが、この評価関数は任意のものを使用可能である。
【００５２】
次に、回転角度検出方法（その２）の具体例を図２０〜図２４を用いて説明する。各図中の長方形はＩＣのリードを表している。
まず、図２０に示すように、画像を適当なしきい値を用いて２値化した後、その領域の境界線を求める。尚、他の方法を用いて境界線を求めても良い。
【００５３】
この後、探索角度を−１０度〜１０度まで、０．１度刻みで変化させながら以下の処理を実行する。
まず、図２１に示すように、探索角度をθとした場合、境界線群を−θ回転させる。
【００５４】
この後、図２２に示すように、各辺が水平・垂直軸に平行な外接長方形を作成する。この際、長方形の角度を変化させながら外接長方形を作成するようにしても良い。
この後、図２３に示すように、境界追跡結果の各点のうち、外接長方形の各辺からある一定の距離以下に存在する点を抽出し、評価計算を行う。この評価計算には、図２４のように、外接長方形の各辺からの距離が近ければ高い得点を、遠ければ低い得点を与えるような評価関数を定義して行う。
【００５５】
本発明者が行った実験では、外接長方形の各辺から５ピクセル以内の点を有効とし、０ピクセルの距離で５点、５ピクセルの距離で０点となるような評価関数を用いた。
この場合、探索角度θの得点は、外接長方形の各辺からある一定の距離以下に存在する全ての点において計算された評価値の合計点とする。
【００５６】
以上説明した処理を探索角度θを変えて繰り返し、全ての探索角度で評価計算を行ったら、評価点の最も高かった探索角度を求め、その角度を部品の回転角度とする。これにより、部品領域の形状に関係なく、正しい角度を検出することができる。
【００５７】
次に、図２の部品データ作成プログラムのステップ１０３と図４の部品種類判別プログラムのステップ３０３で、動的計画法(Dynamic Programming) によるマッチング手法（略称：ＤＰマッチング）を用いて部品の種類を自動判別する具体例を説明する。
【００５８】
このＤＰマッチングでは、リファレンス用部品データのデータベースの中からリファレンスを選択し、少ないリファレンスパターンで未知の部品の分類を行う。ここで、リファレンスを選択する方法は以下の５つの手法１〜５が考えられる。
【００５９】
［手法１］
ある距離ｄ’まで見た場合の最大個数を選択したものと等価な評価を行うために、図２５の式を用いる。
【００６０】
［手法２］
ＤＰ距離が小さいものからｎ個までの総距離が一番小さいものを図２６の式により選択する。
【００６１】
［手法３］
平均ＤＰ距離が一番小さいものを図２７の式により選択する。
【００６２】
［手法４］
図２８に示すように、サンプルが少ないときのためにパルゼンウィンドウをかけて連続的な度数分布にすることによって、中心に近いもの（例えば手法１，２，３）を選択する。これにより、サンプルが離散的な場合においても、分類結果を安定させることが期待される。
【００６３】
［手法５］
図２９に示すように、１次元のクラスタリングを行うことによって、それぞれのクラスタの中心に近いもの（例えば手法１，２，３）を選択する。これにより、分類結果を安定させることが期待される。
【００６４】
次に、ＤＰマッチングによる判定方法を説明する。
ピクセル頻度から得られたＰｄｘ、Ｐｄｙとゼロクロスパターン頻度から得られたＰｚｘ、Ｐｚｙを用いて、各パターンのＤＰマッチングを行った距離によって分類を行う。ＤＰマッチングの概念図を図３０に示す。ＤＰマッチングを行うことによって２つのベクトル（グラフ）に位置のずれを最小にした場合の違いを計測することができる。完全に一致している場合には、距離Ｄ（Ｉ，Ｊ）は０になり、違っているほど距離Ｄ（Ｉ，Ｊ）は遠くなる（大きくなる）。
【００６５】
【数１】
【００６６】
このとき、ＤＰマッチングによる距離Ｄ（Ｉ，Ｊ）が最小となる分類をその部品の分類と判断する。この場合、図３０において、Ｔmax 、Ｒmax を１に正規化すると、分類の判別精度が上昇することが判明した。
【００６７】
以上説明した本実施例によれば、部品の画像データから当該部品の種類を判別するようにしているので、判別した部品の種類に応じた適切な画像処理アルゴリズムを選択して、部品の種類に応じて当該部品の画像データから当該部品の特徴を表すデータを自動的に抽出することができ、部品の種類に応じた適切な部品データを自動的に作成できる。
【００６８】
尚、本実施例では、部品の特徴を表すデータとして、水平方向と垂直方向のピクセル頻度とゼロクロスパターン頻度の両方のデータを含ませるようにしたが、いずれか一方のみであっても良く、勿論、この他の物理量を使用しても良いことは言うまでもない。
【図面の簡単な説明】
【００６９】
【図１】本発明の一実施例の画像処理用部品データ作成装置の構成を示すブロック図である。
【図２】部品データ作成プログラムの処理の流れを示すフローチャートである。
【図３】データベース作成プログラムの処理の流れを示すフローチャートである。
【図４】部品種類判別プログラムの処理の流れを示すフローチャートである。
【図５】ピクセル頻度算出プログラムの処理の流れを示すフローチャートである。
【図６】ピクセル頻度算出処理の結果を説明する図である。
【図７】部品部分ブロック切り出しプログラムの処理の流れを示すフローチャートである。
【図８】ゼロクロスパターン頻度算出プログラムの処理の流れを示すフローチャートである。
【図９】ゼロクロスパターン頻度算出処理の結果を説明する図である。
【図１０】回転角度検出方法（その１）における左方向からの外形検出処理を説明する図である。
【図１１】回転角度検出方法（その１）における左方向からの外形検出結果を説明する図である。
【図１２】回転角度検出方法（その１）における直線検出処理を説明する図である。
【図１３】回転角度検出方法（その１）における左方向からの外形検出処理方法を説明する図である。
【図１４】回転角度検出方法（その１）における右方向からの外形検出処理方法を説明する図である。
【図１５】回転角度検出方法（その１）における上方向からの外形検出処理方法を説明する図である。
【図１６】回転角度検出方法（その１）における下方向からの外形検出処理方法を説明する図である。
【図１７】回転角度検出方法（その２）における最小外接四角形と最隣接長方形の作成方法を説明する図である。
【図１８】回転角度検出方法（その２）における外接四角形に含まれると判定する領域を説明する図である。
【図１９】回転角度検出方法（その２）で用いる評価関数を説明する図である。
【図２０】回転角度検出方法（その２）における境界線の求め方を説明する図である。
【図２１】回転角度検出方法（その２）における境界線群をθ回転させる処理を説明する図である。
【図２２】回転角度検出方法（その２）における外接四角形を作成する方法を説明する図である。
【図２３】回転角度検出方法（その２）における外接長方形の各辺からある一定の距離以下に存在する点を抽出する方法を説明する図である。
【図２４】回転角度検出方法（その２）で用いる評価関数の具体例を説明する図である。
【図２５】ＤＰマッチングのリファレンス選択の手法１を説明する図である。
【図２６】ＤＰマッチングのリファレンス選択の手法２を説明する図である。
【図２７】ＤＰマッチングのリファレンス選択の手法３を説明する図である。
【図２８】ＤＰマッチングのリファレンス選択の手法４を説明する図である。
【図２９】ＤＰマッチングのリファレンス選択の手法５を説明する図である。
【図３０】ＤＰマッチングによる部品の種類判別方法を概念的に説明する図である。
【図３１】従来の部品データ作成作業の流れを示すフローチャートである。
【符号の説明】
【００７０】
１１…コンピュータ（部品種類判別手段，部品データ作成手段）、１２…画像データ取り込み手段、１３…入力装置、１４…表示装置、１５…記憶装置
【技術分野】
【０００１】
本発明は、画像処理用の部品データを作成する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に関する発明である。
【背景技術】
【０００２】
例えば、電子部品実装機で使用する画像処理用の部品データは、画像処理の対象となる部品種類毎に作成する必要がある。従来の画像処理用部品データの作成手順は、図３１に示すように、まず、作業者が部品データ作成の対象となる部品の種類を見て判断して、その部品の種類に応じた適切な画像処理アルゴリズムを選択し（手順１）、更に、作業者が部品の種類に応じて部品の形状（ボディ、リード、バンプ等）のデータを手入力する（手順２）。その上で、当該部品を実際にカメラで撮像して画像処理テストを行ってみて（手順３）、画像処理が正しく行えるか否かを確認し（手順４）、画像処理が正しく行えなければ、作業を最初からやり直す。これにより、画像処理が正しく行えるまで、上記手順１から手順３までの作業を繰り返して、部品データを作成する。
【０００３】
このように、従来の画像処理用部品データの作成方法では、部品の種類の判別、画像処理アルゴリズムの選択、部品の形状データ入力、画像処理テスト等の作業を作業者が手作業で行わなければならず（画像処理テストの結果次第では１つの部品データを作成するのにこれらの作業を何回も繰り返して行わなければならず）、その結果、画像処理用部品データの作成のために多くの作業時間と多くの知識・経験を必要とするという欠点があった。
【０００４】
そこで、特許文献１（特許第２９４１６１７号公報）、特許文献２（特開平９−４４６８６号公報）に示すように、部品データの作成を自動化する技術が提案されている。
【０００５】
特許文献１には、電子部品実装機の吸着ノズルに吸着した部品の吸着姿勢の良否を判定するための部品データの自動作成方法が記載されている。この特許文献１の部品データの自動作成方法では、部品データとして、部品の各部の寸法、リード本数、リード間隔等のデータが画像処理により演算される。
【０００６】
また、特許文献２には、部品の位置を認識するためのデータの自動作成方法が記載されている。この特許文献２の部品データの自動作成方法では、部品の画像の輪郭線を抽出して、部品の各辺毎に各コーナ部のエッジ端点の位置を求めて、部品の基本概略形状の各辺の形状と各コーナ部の形状を求めて、これらのデータを部品位置認識データとして用いるようにしている。
【特許文献１】特許第２９４１６１７号公報（第３頁、図３等）
【特許文献２】特開平９−４４６８６号公報（第１頁等）
【発明の開示】
【発明が解決しようとする課題】
【０００７】
しかし、上記特許文献１，２の手法では、部品データを作成する際に、部品の種類を自動的に判別することができないため、部品の種類に応じた適切な画像処理アルゴリズムを選択して部品データを作成することができない。このため、様々な種類の部品の画像データを、同じ画像処理アルゴリズムで処理して部品データを作成することになるため、部品の種類に応じた適切な部品データを作成できないという欠点があった。
【０００８】
本発明はこのような事情を考慮してなされたものであり、従って本発明の目的は、部品の種類に応じた適切な部品データを自動的に作成できる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を提供することにある。
【課題を解決するための手段】
【０００９】
上記目的を達成するために、本発明は、画像処理用部品データの作成対象となる部品の画像データを取り込んで、当該部品の画像データから当該部品の種類を判別し、判別した部品の種類に応じて当該部品の画像データから当該部品の特徴を表すデータを抽出して画像処理用部品データを作成するようにしたものである。
【００１０】
本発明によれば、部品の画像データから当該部品の種類を判別するようにしているので、判別した部品の種類に応じた適切な画像処理アルゴリズムを選択して、部品の種類に応じて当該部品の画像データから当該部品の特徴を表すデータを自動的に抽出することができ、部品の種類に応じた適切な部品データを自動的に作成できる。
【００１１】
この場合、予め、部品種類毎にリファレンス用の部品の画像データを取り込んで各部品の特徴を表すデータを抽出して、部品種類毎に部品の特徴を表すデータを記憶したデータベースを作成しておき、部品種類判別処理では、新たに取り込んだ部品の画像データから当該部品の特徴を表すデータを抽出し、抽出したデータを前記データベースのデータと比較して両者が最も一致する部品の種類を判別するようにすると良い。このようにすれば、部品種類の判別精度を向上させることができる。
【００１２】
また、部品の特徴を表すデータとしては、部品全体に亘る形状の特徴を表すのに適したデータ、例えば、水平方向と垂直方向のピクセル頻度及び／又はゼロクロスパターン頻度のデータを含むようにすると良い。ここで、ピクセル頻度とは、所定のしきい値以上のグレー値を持つピクセルの出現頻度であり、ゼロクロスパターン頻度とは、しきい値より小さいグレー値から大きいグレー値に変化する点、または、しきい値より大きいグレー値から小さいグレー値に変化する点を意味する。ピクセル頻度やゼロクロスパターン頻度を用いれば、部品の特徴を精度良く表すデータを抽出することができる。これにより、あらゆる部品の種類を判別することが可能となり、適切な画像処理アルゴリズムと部品データを選択、作成することができる。
【００１３】
更に、部品種類判別処理で、動的計画法(Dynamic Programming) によるマッチング手法（略称：ＤＰマッチング）を用いて部品の種類を判別するようにすると良い。ＤＰマッチングは、代表的な伸縮マッチング手法であり、部品データ間の類似度を能率良く且つ精度良く演算することができる。
【発明を実施するための最良の形態】
【００１４】
以下、本発明を実施するための最良の形態を具体化した一実施例を説明する。
図１に示すように、画像処理用部品データ作成装置は、パーソナルコンピュータ等のコンピュータ１１と、部品の画像データを取り込むためのカメラ等の画像データ取り込み手段１２と、キーボード、マウス等の入力装置１３と、液晶ディスプレイ、ＣＲＴ等の表示装置１４と、後述するプログラムやデータ等を記憶する記憶装置１５を備えた構成となっている。コンピュータ１１は、後述する画像処理用の各プログラムを実行することで、画像データ取り込み手段１２で取り込んだ部品の画像データから当該部品の種類を判別する部品種類判別手段と、判別した部品の種類に応じて当該部品の画像データから当該部品の特徴を表すデータを抽出して画像処理用部品データを作成する部品データ作成手段として機能する。以下、このコンピュータ１１が実行する画像処理用の各プログラムの処理内容を説明する。
【００１５】
図２の部品データ作成プログラムが起動されると、まずステップ１０１で、作業者が入力装置１３を操作して部品データ作成開始を指示するまで待機する。その後、作業者が部品データ作成開始を指示した時点で、ステップ１０２に進み、画像データ取り込み手段１２を用いて、画像処理用部品データの作成対象となる部品の画像データを取り込む。
【００１６】
この後、ステップ１０３に進み、取り込んだ部品の画像データから当該部品の特徴を表す部分のデータ（以下「特徴データ」という）を抽出する。この特徴データには、後述する水平方向と垂直方向のピクセル頻度とゼロクロスパターン頻度のデータが含まれる。その後、抽出した特徴データを記憶装置１５に格納されたリファレンス用部品データのデータベースの特徴データと比較して両者が最も一致する部品の種類を自動判別する。これにより、部品の種類に応じて画像処理アルゴリズムを選択する処理の自動化が可能となる。この部品種類の判別は、後述する動的計画法(Dynamic Programming) によるマッチング手法（略称：ＤＰマッチング）を用いて行われる。尚、リファレンス用部品データのデータベースは、後述する図３のデータベース作成プログラムによって作成される。
【００１７】
この後、ステップ１０４に進み、判別した部品の種類に応じて当該部品の画像データから当該部品の画像処理用部品データ（ボディ、リード、バンプ等の位置やサイズ等のデータ）を抽出する。
【００１８】
この後、ステップ１０５に進み、抽出した画像処理用部品データを、記憶装置１５に格納されている画像処理用部品データのデータベースに当該部品の種類と関連付けて保存する。
【００１９】
図３のデータベース作成プログラムは、リファレンス用部品データのデータベースを作成するプログラムである。本プログラムが起動されると、まずステップ２０１で、画像データ取り込み手段１２を用いてリファレンス用の部品の画像データを取り込む。
【００２０】
この後、ステップ２０２に進み、特徴データ抽出プログラムを実行して、後述する方法で、リファレンス用の部品の画像データから当該部品の特徴を表す部分（ボディ、リード、バンプ等）の特徴データを抽出する。この際、特徴データとして、部品全体に亘る形状の特徴を表すのに適したデータである、水平方向と垂直方向のピクセル頻度とゼロクロスパターン頻度を計算する。
【００２１】
この後、ステップ２０３に進み、抽出したリファレンス用部品の特徴データ（水平方向と垂直方向のピクセル頻度とゼロクロスパターン頻度のパターン）を、記憶装置１５に格納されているリファレンス用部品データのデータベースに当該部品の種類と関連付けて保存する。
【００２２】
図４の部品種類判別プログラムは、前記図２の部品データ作成プログラムのステップ１０２〜１０３の処理を実行するプログラムである。本プログラムが起動されると、まずステップ３０１で、画像データ取り込み手段１２を用いて、画像処理用部品データの作成対象となる部品の画像データを取り込む。
【００２３】
この後、ステップ３０２に進み、上記図３のデータベース作成プログラムのステップ２０２と同じく、特徴データ抽出プログラムを実行して、画像処理用部品データの作成対象となる部品の画像データから当該部品の特徴を表す部分（ボディ、リード、バンプ等）の特徴データを抽出する。この際、特徴データとして、水平方向と垂直方向のピクセル頻度とゼロクロスパターン頻度を計算する。
【００２４】
この後、ステップ３０３に進み、画像処理用部品データの作成対象となる部品の特徴データを記憶装置１５に格納されたリファレンス用部品データのデータベースの特徴データと比較して両者が最も一致する部品の種類を自動判別する。この際、後述する動的計画法(Dynamic Programming) によるマッチング手法（略称：ＤＰマッチング）を用いて部品の種類を判別する。
【００２５】
図５のピクセル頻度算出プログラムは、前記図２のステップ１０３、図３のステップ２０２及び図４のステップ３０２で実行されるプログラムであり、次のようにしてピクセル頻度を算出する。本プログラムが起動されると、まずステップ４０１で、部品の画像データを読み込む。この後、ステップ４０２に進み、表示装置１４の画面全体の画像から部品部分のブロック（部品存在範囲）を切り出す。この部品部分のブロックを切り出しに関しては、作業者が表示装置１４の画面に表示された部品の画像を見て入力装置１３を操作して部品部分のブロックを切り出しても良いし、図７の部品部分ブロック切り出しプログラムを実行して部品部分のブロックを自動的に切り出すようにしても良い。
【００２６】
この図７の部品部分ブロック切り出しプログラムでは、まずステップ５０１で、画像全体のヒストグラムを求め、判別分析法によりしきい値を算出する。この後、ステップ５０２に進み、画像を水平・垂直方向に走査して、しきい値以上のグレー値を持つピクセルの出現頻度を計数し、水平方向と垂直方向のピクセル頻度グラフを作成する。
【００２７】
この後、ステップ５０３に進み、水平方向と垂直方向のピクセル頻度グラフをガウシアンフィルタで平滑化した後、ステップ５０４に進み、水平方向と垂直方向のピクセル頻度グラフの中で、ピクセル頻度が所定頻度以上となる範囲を部品部分のブロック（部品存在範囲）と決定して切り出す。
【００２８】
部品部分のブロックの切り出し後、図５のステップ４０３に進み、基準座標（ＸＹ座標）に対する部品部分のブロックの回転角度を算出し、部品部分のブロックの横方向と縦方向を基準座標の水平方向（Ｘ方向）と垂直方向（Ｙ方向）に一致させるように回転補正を行う。この回転補正に関しては、作業者が表示装置１４の画面に表示された部品の画像を見て部品の回転角度を判断し、入力装置１３を操作して部品の回転角度を補正しても良いし、後述する方法で部品部分のブロックの回転角度を自動的に補正するようにしても良い。
【００２９】
部品部分のブロックの回転角度の補正後、ステップ４０４に進み、大津の二値化等の適宜の二値化手法を用いて、二値化のためのしきい値を算出し、このしきい値を用いて部品部分のブロックの画像（図６参照）を二値化する。
【００３０】
この後、ステップ４０５に進み、画像を水平・垂直方向に走査して、水平方向の各走査線上においてしきい値以上のグレー値を持つピクセルが存在する頻度（ピクセル頻度）を計数して、この水平方向のピクセル頻度をＰｄｘとし、垂直方向の各走査線上においてしきい値以上のグレー値を持つピクセルが存在する頻度（ピクセル頻度）を計数して、この垂直方向のピクセル頻度をＰｄｙとする（図６参照）。
【００３１】
図８のゼロクロスパターン頻度算出プログラムは、前記図２のステップ１０３、図３のステップ２０２及び図４のステップ３０２で実行されるプログラムであり、次のようにしてゼロクロスパターン頻度を算出する。本プログラムが起動されると、まずステップ６０１で、部品の画像データを読み込む。この後、ステップ６０２に進み、前記図５のピクセル頻度算出プログラムのステップ４０２と同じ方法で、表示装置１４の画面全体の画像から部品部分のブロック（部品存在範囲）を切り出す。
【００３２】
この後、ステップ６０３に進み、前記図５のピクセル頻度算出プログラムのステップ４０３と同じ方法で、基準座標（ＸＹ座標）に対する部品部分のブロックの回転角度を算出し、部品部分のブロックの横方向と縦方向を基準座標の水平方向（Ｘ方向）と垂直方向（Ｙ方向）に一致させるように回転補正を行う。
【００３３】
この後、ステップ６０４に進み、大津の二値化等の適宜の二値化手法を用いて、二値化のためのしきい値を算出し、このしきい値を用いて部品部分のブロックの画像を二値化する。
【００３４】
この後、ステップ６０５に進み、ゼロクロスエッジを検出する。ここで、ゼロクロスエッジとは、しきい値より小さいグレー値から大きいグレー値に変化する点、又は、しきい値より大きいグレー値から小さいグレー値に変化する点を意味する。
【００３５】
この後、ステップ６０６に進み、水平方向の各走査線上においてゼロクロスエッジが存在する頻度（ゼロクロスパターン頻度）を計数して、この水平方向のゼロクロスパターンル頻度をＰｚｘとし、垂直方向の各走査線上においてゼロクロスエッジが存在する頻度（ゼロクロスパターン頻度）を計数して、この垂直方向のゼロクロスパターン頻度をＰｚｙとする（図９参照）。
【００３６】
次に、前記図５のピクセル頻度算出プログラムのステップ４０３と図８のゼロクロスパターン頻度算出プログラムのステップ６０３で用いられる回転角度の検出方法の具体例について説明する。以下、２つの回転角度検出方法を説明するが、これ以外の回転角度検出方法を用いても良いことは言うまでもない。
［回転角度検出方法（その１）］
一般に、部品角度は部品の外形形状を基準にして決定した方が良い場合が多い。
【００３７】
この点を考慮して、回転角度検出方法（その１）は、図１０〜図１６に示す手順で、部品の取り込み画像中でしきい値以上のグレー値を持つ領域の外形部分を抽出し、その直線性を判断して回転角度を検出する方法である。
【００３８】
以下、この回転角度検出方法（その１）の具体例を図１０〜図１６を用いて説明する。各図中の長方形はＩＣのリードを表している。
【００３９】
まず、図１０及び図１１に示すように、画像端から検索を開始し、予め決められた適当なしきい値以上のピクセルが現れる位置を求める（図１０及び図１１では左から右へ検索する例を示している）。
この後、図１２に示すように、外形部分の位置を使用してハフ変換を行い、直線を検出する。
【００４０】
以上のような処理を図１３〜図１６に示すように、画像の上下左右４方向についてそれぞれ行う。そして、４方向から検索した結果の中から最も直線性の高いものを選択し、その直線の角度を部品角度とする。
【００４１】
以上説明した回転角度検出方法（その１）の特徴は次の通りである。
(1) 一般に、ハフ変換を用いて線分検出を行う場合、計算ポイント数（例えば対象画像のエッジ点の数）に比例して計算時間がかかる。
(2) 通常、画像中の物体の角度を求める手法では、画像中のエッジ点を使用したり、ある適当なしきい値で二値化した点を使用する。
(3) 実装部品などの回転角度は、最外形を構成する点のみを用いても比較的精度良く検出できる場合が多い。
【００４２】
このような特徴がある中で、回転角度検出方法（その１）は、最外形を構成する点を抽出し、その点のみをハフ変換の計算に使用することによって計算コストを削減しつつ、部品の回転角度を精度良く求めることができる。
【００４３】
図１０〜図１６を用いて説明した具体例では、４方向の画像端から検索した点を用いて角度検出を行っているが、これは必ず４方向から検索しなければならないことを意味するものではない。２方向又は３方向から検索して求めた直線のうち最も直線性の高いものを採用する方法を採用しても良い。
【００４４】
ここで、最も強調したいのは、ハフ変換は通常多くの計算時間を必要とするが、実装部品などの角度は最外形を構成する点のみを使用しても精度良く求めることができるという特徴を利用して、ハフ変換に利用する点の数を減らし、高速・高精度の角度検出を行うということである。
【００４５】
また、対象物に関しても、１つのかたまりで表現されるもの（バックライトで撮像された部品）のみならず、複数のかたまりで表現されるもの（フロントライトで撮像されたＩＣリード部品やＢＧＡ部品など）においても、この回転角度検出方法（その１）は有効に機能する。
【００４６】
［回転角度検出方法（その２）］
回転角度検出方法（その２）は、部品の取り込み画像中でしきい値以上のグレー値を持つ領域の境界線を使用し、その境界線を最も多く含む外接長方形（以下「最隣接長方形」という）を求める方法である。ここで、「長方形に含まれる」とは、長方形の線分上に存在することを意味している。
【００４７】
図１７に簡単な例を示す。物体の回転角度検出に良く用いられる最小外接四角形に対しては、領域中最も長い線分とその他の角部分のみが外接長方形に含まれると考えられる。一方、認識したい角度の外接長方形に対しては、最も長い線分以外の全ての線分が外接長方形に含まれると考えられ、この場合、外接長方形に含まれる境界線は最も多くなる。
【００４８】
この回転角度検出方法（その２）では、境界線のある一点が外接長方形に含まれるかどうかを判定する必要がある。
しかし、通常、対象領域の境界線は一直線ではなく、起伏が存在する。
従って、完全に外接長方形の線分上に存在するかどうかを判定するだけでは正しい結果が得られない。
【００４９】
そこで、図１８に示すように、外接長方形の各線分から一定の距離の範囲内に存在する境界線は外接長方形に含まれると判定する方法を使用する。
【００５０】
尚、この際、外接長方形に含まれると判定する領域に存在する境界線上の点に対し、全て均等に評価しても良いし、外接長方形から境界線上の点までの距離に応じた評価を与えても良い。
【００５１】
例えば、図１９のような評価関数を与えれば、外接長方形と境界点の距離に比例した評価値を用いて評価を行う。また、ガウス関数などといった評価関数も考えられるが、この評価関数は任意のものを使用可能である。
【００５２】
次に、回転角度検出方法（その２）の具体例を図２０〜図２４を用いて説明する。各図中の長方形はＩＣのリードを表している。
まず、図２０に示すように、画像を適当なしきい値を用いて２値化した後、その領域の境界線を求める。尚、他の方法を用いて境界線を求めても良い。
【００５３】
この後、探索角度を−１０度〜１０度まで、０．１度刻みで変化させながら以下の処理を実行する。
まず、図２１に示すように、探索角度をθとした場合、境界線群を−θ回転させる。
【００５４】
この後、図２２に示すように、各辺が水平・垂直軸に平行な外接長方形を作成する。この際、長方形の角度を変化させながら外接長方形を作成するようにしても良い。
この後、図２３に示すように、境界追跡結果の各点のうち、外接長方形の各辺からある一定の距離以下に存在する点を抽出し、評価計算を行う。この評価計算には、図２４のように、外接長方形の各辺からの距離が近ければ高い得点を、遠ければ低い得点を与えるような評価関数を定義して行う。
【００５５】
本発明者が行った実験では、外接長方形の各辺から５ピクセル以内の点を有効とし、０ピクセルの距離で５点、５ピクセルの距離で０点となるような評価関数を用いた。
この場合、探索角度θの得点は、外接長方形の各辺からある一定の距離以下に存在する全ての点において計算された評価値の合計点とする。
【００５６】
以上説明した処理を探索角度θを変えて繰り返し、全ての探索角度で評価計算を行ったら、評価点の最も高かった探索角度を求め、その角度を部品の回転角度とする。これにより、部品領域の形状に関係なく、正しい角度を検出することができる。
【００５７】
次に、図２の部品データ作成プログラムのステップ１０３と図４の部品種類判別プログラムのステップ３０３で、動的計画法(Dynamic Programming) によるマッチング手法（略称：ＤＰマッチング）を用いて部品の種類を自動判別する具体例を説明する。
【００５８】
このＤＰマッチングでは、リファレンス用部品データのデータベースの中からリファレンスを選択し、少ないリファレンスパターンで未知の部品の分類を行う。ここで、リファレンスを選択する方法は以下の５つの手法１〜５が考えられる。
【００５９】
［手法１］
ある距離ｄ’まで見た場合の最大個数を選択したものと等価な評価を行うために、図２５の式を用いる。
【００６０】
［手法２］
ＤＰ距離が小さいものからｎ個までの総距離が一番小さいものを図２６の式により選択する。
【００６１】
［手法３］
平均ＤＰ距離が一番小さいものを図２７の式により選択する。
【００６２】
［手法４］
図２８に示すように、サンプルが少ないときのためにパルゼンウィンドウをかけて連続的な度数分布にすることによって、中心に近いもの（例えば手法１，２，３）を選択する。これにより、サンプルが離散的な場合においても、分類結果を安定させることが期待される。
【００６３】
［手法５］
図２９に示すように、１次元のクラスタリングを行うことによって、それぞれのクラスタの中心に近いもの（例えば手法１，２，３）を選択する。これにより、分類結果を安定させることが期待される。
【００６４】
次に、ＤＰマッチングによる判定方法を説明する。
ピクセル頻度から得られたＰｄｘ、Ｐｄｙとゼロクロスパターン頻度から得られたＰｚｘ、Ｐｚｙを用いて、各パターンのＤＰマッチングを行った距離によって分類を行う。ＤＰマッチングの概念図を図３０に示す。ＤＰマッチングを行うことによって２つのベクトル（グラフ）に位置のずれを最小にした場合の違いを計測することができる。完全に一致している場合には、距離Ｄ（Ｉ，Ｊ）は０になり、違っているほど距離Ｄ（Ｉ，Ｊ）は遠くなる（大きくなる）。
【００６５】
【数１】
【００６６】
このとき、ＤＰマッチングによる距離Ｄ（Ｉ，Ｊ）が最小となる分類をその部品の分類と判断する。この場合、図３０において、Ｔmax 、Ｒmax を１に正規化すると、分類の判別精度が上昇することが判明した。
【００６７】
以上説明した本実施例によれば、部品の画像データから当該部品の種類を判別するようにしているので、判別した部品の種類に応じた適切な画像処理アルゴリズムを選択して、部品の種類に応じて当該部品の画像データから当該部品の特徴を表すデータを自動的に抽出することができ、部品の種類に応じた適切な部品データを自動的に作成できる。
【００６８】
尚、本実施例では、部品の特徴を表すデータとして、水平方向と垂直方向のピクセル頻度とゼロクロスパターン頻度の両方のデータを含ませるようにしたが、いずれか一方のみであっても良く、勿論、この他の物理量を使用しても良いことは言うまでもない。
【図面の簡単な説明】
【００６９】
【図１】本発明の一実施例の画像処理用部品データ作成装置の構成を示すブロック図である。
【図２】部品データ作成プログラムの処理の流れを示すフローチャートである。
【図３】データベース作成プログラムの処理の流れを示すフローチャートである。
【図４】部品種類判別プログラムの処理の流れを示すフローチャートである。
【図５】ピクセル頻度算出プログラムの処理の流れを示すフローチャートである。
【図６】ピクセル頻度算出処理の結果を説明する図である。
【図７】部品部分ブロック切り出しプログラムの処理の流れを示すフローチャートである。
【図８】ゼロクロスパターン頻度算出プログラムの処理の流れを示すフローチャートである。
【図９】ゼロクロスパターン頻度算出処理の結果を説明する図である。
【図１０】回転角度検出方法（その１）における左方向からの外形検出処理を説明する図である。
【図１１】回転角度検出方法（その１）における左方向からの外形検出結果を説明する図である。
【図１２】回転角度検出方法（その１）における直線検出処理を説明する図である。
【図１３】回転角度検出方法（その１）における左方向からの外形検出処理方法を説明する図である。
【図１４】回転角度検出方法（その１）における右方向からの外形検出処理方法を説明する図である。
【図１５】回転角度検出方法（その１）における上方向からの外形検出処理方法を説明する図である。
【図１６】回転角度検出方法（その１）における下方向からの外形検出処理方法を説明する図である。
【図１７】回転角度検出方法（その２）における最小外接四角形と最隣接長方形の作成方法を説明する図である。
【図１８】回転角度検出方法（その２）における外接四角形に含まれると判定する領域を説明する図である。
【図１９】回転角度検出方法（その２）で用いる評価関数を説明する図である。
【図２０】回転角度検出方法（その２）における境界線の求め方を説明する図である。
【図２１】回転角度検出方法（その２）における境界線群をθ回転させる処理を説明する図である。
【図２２】回転角度検出方法（その２）における外接四角形を作成する方法を説明する図である。
【図２３】回転角度検出方法（その２）における外接長方形の各辺からある一定の距離以下に存在する点を抽出する方法を説明する図である。
【図２４】回転角度検出方法（その２）で用いる評価関数の具体例を説明する図である。
【図２５】ＤＰマッチングのリファレンス選択の手法１を説明する図である。
【図２６】ＤＰマッチングのリファレンス選択の手法２を説明する図である。
【図２７】ＤＰマッチングのリファレンス選択の手法３を説明する図である。
【図２８】ＤＰマッチングのリファレンス選択の手法４を説明する図である。
【図２９】ＤＰマッチングのリファレンス選択の手法５を説明する図である。
【図３０】ＤＰマッチングによる部品の種類判別方法を概念的に説明する図である。
【図３１】従来の部品データ作成作業の流れを示すフローチャートである。
【符号の説明】
【００７０】
１１…コンピュータ（部品種類判別手段，部品データ作成手段）、１２…画像データ取り込み手段、１３…入力装置、１４…表示装置、１５…記憶装置
【特許請求の範囲】
【請求項１】
画像処理用部品データの作成対象となる部品の画像データを取り込む処理と、
前記部品の画像データから当該部品の種類を判別する部品種類判別処理と、
判別した部品の種類に応じて当該部品の画像データから当該部品の特徴を表すデータを抽出して画像処理用部品データを作成する処理と
を含むことを特徴とする画像処理用部品データ作成方法。
【請求項２】
予め、部品種類毎にリファレンス用の部品の画像データを取り込んで各部品の特徴を表すデータを抽出して、部品種類毎に部品の特徴を表すデータを記憶したデータベースを作成しておき、
前記部品種類判別処理では、新たに取り込んだ部品の画像データから当該部品の特徴を表すデータを抽出し、抽出したデータを前記データベースのデータと比較して両者が最も一致する部品の種類を判別することを特徴とする請求項１に記載の画像処理用部品データ作成方法。
【請求項３】
前記部品の特徴を表すデータは、水平方向と垂直方向のピクセル頻度及び／又はゼロクロスパターン頻度のデータを含むことを特徴とする請求項１又は２に記載の画像処理用部品データ作成方法。
【請求項４】
前記部品種類判別処理で、動的計画法によるマッチング手法を用いて部品の種類を判別することを特徴とする請求項１乃至３のいずれかに記載の画像処理用部品データ作成方法。
【請求項５】
画像処理用部品データの作成対象となる部品の画像データを取り込む画像データ取り込み手段と、
前記部品の画像データから当該部品の種類を判別する部品種類判別手段と、
判別した部品の種類に応じて当該部品の画像データから当該部品の特徴を表すデータを抽出して画像処理用部品データを作成する部品データ作成手段と
を含むことを特徴とする画像処理用部品データ作成装置。
【請求項６】
部品種類毎に部品の特徴を表すデータを記憶したデータベースを備え、
前記部品種類判別手段は、前記画像データ取り込み手段により新たに取り込んだ部品の画像データから当該部品の特徴を表すデータを抽出し、抽出したデータを前記データベースのデータと比較して両者が最も一致する部品の種類を判別することを特徴とする請求項５に記載の画像処理用部品データ作成装置。
【請求項７】
前記部品の特徴を表すデータは、水平方向と垂直方向のピクセル頻度及び／又はゼロクロスパターン頻度のデータを含むことを特徴とする請求項５又は６に記載の画像処理用部品データ作成装置。
【請求項８】
前記部品種類判別手段は、動的計画法によるマッチング手法を用いて部品の種類を判別することを特徴とする請求項５乃至７のいずれかに記載の画像処理用部品データ作成装置。
【請求項１】
画像処理用部品データの作成対象となる部品の画像データを取り込む処理と、
前記部品の画像データから当該部品の種類を判別する部品種類判別処理と、
判別した部品の種類に応じて当該部品の画像データから当該部品の特徴を表すデータを抽出して画像処理用部品データを作成する処理と
を含むことを特徴とする画像処理用部品データ作成方法。
【請求項２】
予め、部品種類毎にリファレンス用の部品の画像データを取り込んで各部品の特徴を表すデータを抽出して、部品種類毎に部品の特徴を表すデータを記憶したデータベースを作成しておき、
前記部品種類判別処理では、新たに取り込んだ部品の画像データから当該部品の特徴を表すデータを抽出し、抽出したデータを前記データベースのデータと比較して両者が最も一致する部品の種類を判別することを特徴とする請求項１に記載の画像処理用部品データ作成方法。
【請求項３】
前記部品の特徴を表すデータは、水平方向と垂直方向のピクセル頻度及び／又はゼロクロスパターン頻度のデータを含むことを特徴とする請求項１又は２に記載の画像処理用部品データ作成方法。
【請求項４】
前記部品種類判別処理で、動的計画法によるマッチング手法を用いて部品の種類を判別することを特徴とする請求項１乃至３のいずれかに記載の画像処理用部品データ作成方法。
【請求項５】
画像処理用部品データの作成対象となる部品の画像データを取り込む画像データ取り込み手段と、
前記部品の画像データから当該部品の種類を判別する部品種類判別手段と、
判別した部品の種類に応じて当該部品の画像データから当該部品の特徴を表すデータを抽出して画像処理用部品データを作成する部品データ作成手段と
を含むことを特徴とする画像処理用部品データ作成装置。
【請求項６】
部品種類毎に部品の特徴を表すデータを記憶したデータベースを備え、
前記部品種類判別手段は、前記画像データ取り込み手段により新たに取り込んだ部品の画像データから当該部品の特徴を表すデータを抽出し、抽出したデータを前記データベースのデータと比較して両者が最も一致する部品の種類を判別することを特徴とする請求項５に記載の画像処理用部品データ作成装置。
【請求項７】
前記部品の特徴を表すデータは、水平方向と垂直方向のピクセル頻度及び／又はゼロクロスパターン頻度のデータを含むことを特徴とする請求項５又は６に記載の画像処理用部品データ作成装置。
【請求項８】
前記部品種類判別手段は、動的計画法によるマッチング手法を用いて部品の種類を判別することを特徴とする請求項５乃至７のいずれかに記載の画像処理用部品データ作成装置。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図１８】
【図１９】
【図２０】
【図２１】
【図２２】
【図２３】
【図２４】
【図２５】
【図２６】
【図２７】
【図２８】
【図２９】
【図３０】
【図３１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図１８】
【図１９】
【図２０】
【図２１】
【図２２】
【図２３】
【図２４】
【図２５】
【図２６】
【図２７】
【図２８】
【図２９】
【図３０】
【図３１】
【公開番号】特開２００６−３３８４８２（Ｐ２００６−３３８４８２Ａ）
【公開日】平成１８年１２月１４日（２００６．１２．１４）
【国際特許分類】
【出願番号】特願２００５−１６４００２（Ｐ２００５−１６４００２）
【出願日】平成１７年６月３日（２００５．６．３）
【出願人】（０００２３７２７１）富士機械製造株式会社 (775)
【出願人】（３０４０２１２７７）国立大学法人 名古屋工業大学 (784)
【Ｆターム（参考）】
【公開日】平成１８年１２月１４日（２００６．１２．１４）
【国際特許分類】
【出願日】平成１７年６月３日（２００５．６．３）
【出願人】（０００２３７２７１）富士機械製造株式会社 (775)
【出願人】（３０４０２１２７７）国立大学法人 名古屋工業大学 (784)
【Ｆターム（参考）】
[ Back to top ]