画像処理装置
【課題】演算数を抑えつつ局所的な異常と大局的な異常を充分な精度で検出できる画像処理装置を提供する。
【解決手段】検査対象品を撮影して多数の画素からなる画像を取得する撮影部２０と、撮影部２０で取得した画像に基づき検査対象品が良品であるか不良品であるかを判別する判別部２１とを備え、記憶部２４の算出パラメータは、良品画像群を構成する各画像の各画素における輝度値と、良品画像群を構成する各画像の各画素における当該画素と隣接する画素との間の輝度の差分値と、良品画像群を構成する各画像の各画素における当該画素及び周囲の画素との輝度の積分値との、相関係数行列から算出され、判別部２１は、検査対象品の画像について、良品画像群のデータとの統計的距離を算出し、該算出された統計的距離が所定範囲にあるか否かを判別する。
【解決手段】検査対象品を撮影して多数の画素からなる画像を取得する撮影部２０と、撮影部２０で取得した画像に基づき検査対象品が良品であるか不良品であるかを判別する判別部２１とを備え、記憶部２４の算出パラメータは、良品画像群を構成する各画像の各画素における輝度値と、良品画像群を構成する各画像の各画素における当該画素と隣接する画素との間の輝度の差分値と、良品画像群を構成する各画像の各画素における当該画素及び周囲の画素との輝度の積分値との、相関係数行列から算出され、判別部２１は、検査対象品の画像について、良品画像群のデータとの統計的距離を算出し、該算出された統計的距離が所定範囲にあるか否かを判別する。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、検査対象品の外観画像から良品と不良品を判別する画像処理装置に関し、特に良品画像群と検査対象品の画像との相関関係に基づく評価式により判別を行う画像処理装置に関する。
【背景技術】
【０００２】
従来、製造した電気部品について検査を行うために、電気部品を撮影して画像を取得し、取得した画像について処理を行うことが知られている。そのための手法としてまず考えられるのは、正常に製造された良品について、例えば配線部分の面積や寸法、角度などを予め規定しておき、検査対象品を撮影して得た画像からこれらを検出して、合致しなければ異常を有するものと判定するものである。この手法では、予めどのような異常が発生するかを定義しておく必要があり、未知の外観異常については検出することができない。また、発生場所が予めある程度特定されている必要もある。さらには、部品毎に特有なソフトウェアが必要であり、設計変更などの度にソフトウェアを変更する必要も生じる。
【０００３】
これに対し、良品の画像を予め取得しておき、検査対象品を撮影して得た画像と重ね合わせて、両者の濃度の差分画像を作成し、異常を検出する手法も考えられる。この手法によれば、良品の画像を取得しておけば、部品毎にソフトウェアを変更する必要がなく、またどの場所にどのような異常が発生するかを予め定義しておく必要もないので、様々な異常に対応することができる。
【０００４】
しかし、良品の画像と検査対象品を撮影して得た画像とを重ね合わせる場合、画像同士の位置決めが少しでもずれると、差分画像に輪郭線が発生し、良品を不良品と判定しかねない。このため、輪郭部分の一定領域については、検査を行わないことで、この問題を回避することができる。ただし、検査を行わない領域については、異常を検出することができず、また輪郭線の位置、形状は部品毎に異なるので、これを個々に設定する必要も生じる。
【０００５】
これらの問題を解決するものとして、複数の良品画像を取得しておき、これらの画像について画素毎に輝度の平均値と標準偏差を算出し、この予め取得して算出したデータと検査対象品を撮影して取得した画像から得られるデータとを用いて、検査対象品が良品か否かの判別を行うことが知られている。このような手法を用いた画像処理装置としては、例えば特許文献１に挙げるようなものがある。
【先行技術文献】
【特許文献】
【０００６】
【特許文献１】特開２００５−２６５６６１号公報
【発明の概要】
【発明が解決しようとする課題】
【０００７】
従来の統計的な手法を用いた画像処理装置においては、予め取得した良品画像群と検査対象品から得られた画像との、画素毎の違いは検出することができる。しかし、この手法においては、異常を検出する精度が必ずしも高いとは言えなかった。特に、取得された画像における輝度が、正常のときと異常のときで差が小さい場合や、パターンの境界部分における異常の検出が充分ではなかった。このため、ごく局所的な異常や、逆に広い範囲に渡って良品と少しずつ異なる大局的な異常などは検出が難しい。
【０００８】
異常検出の精度を高くするためには、対象となる画素と画像を構成するそれ以外の全ての画素との差分を、良品画像群について予め算出しておくと共に、検査対象品から得られた画像についても算出し、これらから得られる統計的な距離を用いるとよいことが分かっている。これは、他の画素との差分を取って統計的に処理することで、対象画素とそれ以外の画素との関連性が累積的に考慮されることとなるためである。しかし、この場合には演算数が非常に多くなるため、実際の検査に用いるのは現実的ではない。
【０００９】
本発明は前記課題を鑑みてなされたものであり、演算数を抑えつつ局所的な異常と大局的な異常を充分な精度で検出できる画像処理装置を提供することを目的とする。
【課題を解決するための手段】
【００１０】
前記課題を解決するため、本発明に係る画像処理装置は、検査対象品を撮影して多数の画素からなる画像を取得する撮影部と、該撮影部で取得した画像に基づき前記検査対象品が良品であるか不良品であるかを判別する判別部とを備えた画像処理装置において、
前記判別部は、良品画像群のデータとの統計的距離を算出するための画素毎の算出パラメータを記憶する記憶部を備え、該記憶部の算出パラメータは、良品画像群を構成する各画像の各画素における輝度または濃度の値と、良品画像群を構成する各画像の各画素における当該画素と隣接する画素との間の輝度または濃度の差分値と、良品画像群を構成する各画像の各画素における当該画素及び周囲の画素との輝度または濃度の積分値との、相関係数行列から算出され、
前記判別部は、前記撮影部で取得した検査対象品の画像について、画素毎に輝度または濃度の値と、各画素における当該画素と隣接する画素との間の輝度または濃度の差分値と、各画素における当該画素及び周囲の画素との輝度または濃度の積分値とを検査データとして検出し、前記記憶部から対応する画素の前記算出パラメータを読み出して、前記検査データと良品画像群のデータとの統計的距離を算出し、該算出された統計的距離が所定範囲にあるか否かを判別することを特徴として構成されている。
【００１１】
また、本発明に係る画像処理装置は、前記判別部で算出する輝度または濃度の積分値は、対象画素が属する所定領域の画素の輝度または濃度を足し合わせて算出されると共に、当該所定領域内の他の画素も同じ値となるように算出されることを特徴として構成されている。
【００１２】
さらに、本発明に係る画像処理装置は、前記輝度または濃度は画素毎に３つの値からなり、前記判別部が算出する輝度または濃度の差分値と積分値も、それぞれ３つの値が算出されることを特徴として構成されている。
【００１３】
さらにまた、本発明に係る画像処理装置は、前記判別部で算出する統計的距離はマハラノビス距離であることを特徴として構成されている。
【発明の効果】
【００１４】
本発明に係る画像処理装置によれば、記憶部の算出パラメータは、良品画像群を構成する各画像の各画素における輝度または濃度の値と、良品画像群を構成する各画像の各画素における当該画素と隣接する画素との間の輝度または濃度の差分値と、良品画像群を構成する各画像の各画素における当該画素及び周囲の画素との輝度または濃度の積分値との、相関係数行列から算出され、判別部は、撮影部で取得した検査対象品の画像について、画素毎に輝度または濃度の値と、各画素における当該画素と隣接する画素との間の輝度または濃度の差分値と、各画素における当該画素及び周囲の画素との輝度または濃度の積分値とを検査データとして検出し、記憶部から対応する画素の算出パラメータを読み出して、検査データと良品画像群のデータとの統計的距離を算出し、該算出された統計的距離が所定範囲にあるか否かを判別することにより、差分値のデータを統計的に考慮することによる局所的な異常の発見が可能であると共に、積分値のデータを統計的に考慮することによる大局的な異常の発見も可能となり、局所的な異常と大局的な異常を充分な精度で検出することができる。また、差分値や積分値は対象画素の周囲の画素との関係のみ考慮するので、演算数を抑えて実用的な処理とすることができる。
【００１５】
また、本発明に係る画像処理装置によれば、判別部で算出する輝度または濃度の積分値は、対象画素が属する所定領域の画素の輝度または濃度を足し合わせて算出されると共に、当該所定領域内の他の画素も同じ値となるように算出されることにより、積分画像を所定領域の大きさを一単位としたモザイク状の画像として、大局的な異常を確実に検出できるようにすることができる。
【００１６】
さらに、本発明に係る画像処理装置によれば、輝度または濃度は画素毎に３つの値からなり、判別部が算出する輝度または濃度の差分値と積分値も、それぞれ３つの値が算出されることにより、カラー画像からなる良品画像及び検査対象の画像に対しても適用することができる。
【００１７】
さらにまた、本発明に係る画像処理装置によれば、判別部で算出する統計的距離はマハラノビス距離であることにより、統計的処理による良否判別を容易かつ確実に行うことができる。
【図面の簡単な説明】
【００１８】
【図１】本実施形態の画像処理装置で検査する電気部品の平面図である。
【図２】画像処理装置の概念的なブロック図である。
【図３】画像の取得及び位置決めのフローチャート及び各ステップにおける画像の状態について表した図である。
【図４】良品画像群の取得のフローチャートである。
【図５】１つの画素に対する輝度データ取得のフローチャートである。
【図６】差分画像作成のフローチャートである。
【図７】画像の一部における生データと差分値データの表である。
【図８】積分画像作成のフローチャートである。
【図９】画像の一部における生データと積分値データの表である。
【図１０】実際の検査におけるフローチャートである。
【発明を実施するための形態】
【００１９】
本発明の実施形態について図面に沿って詳細に説明する。図１には、本実施形態の画像処理装置で検査する電気部品の平面図を示している。図１（ａ）は、正常に製造された良品の平面図であり、図１（ｂ）と図１（ｃ）は、製造時に異常があった不良品の平面図である。図１（ａ）に示すように、検査する電気部品１には、長方形の四隅が切り欠かれた形状を有する基板１０上に、複数の配線１１ａが並列的に配置されてなる配線部１１が形成されている。
【００２０】
図１（ｂ）に示す不良品の状態の電気部品１は、配線部１１を構成する左端の配線１１ａと隣接する配線１１ａの間が、１箇所短絡するという局所的な異常部３０を有している。また、図１（ｃ）に示す不良品の状態の電気部品１は、配線部１１の略中央領域に、薄いシミ状の汚れが付着するという比較的大局的な異常部３１を有している。本実施形態の画像処理装置は、これらの不良品を良品と見分けることができるように構成される。
【００２１】
図２には、画像処理装置の概念的なブロック図を示している。この図に示すように、画像処理装置は、検査対象の電気部品１を撮影して画像のデータを取得する撮影部２０と、撮影部２０で取得したデータに基づいて検査対象の電気部品１が良品であるか不良品であるかを判別する判別部２１とを有して構成される。
【００２２】
撮影部２０は、電気部品１を載置して順次移動させる載置部２２と、載置部２２の電気部品１のうち所定位置の一つについて全体を撮影する撮影カメラ２３を有している。撮影カメラ２３は、ＣＣＤ等の撮像素子を備え、多数の画素からなる画像をデータとして得ることができる。撮影カメラ２３により撮影された電気部品１の映像は、Ａ／Ｄ変換部２５でディジタル信号の画像データに変換される。ディジタル信号の画像データは、判別部２１に送られる。
【００２３】
判別部２１は、取得した画像について判別を行うための演算に用いるパラメータを記憶した記憶部２４を有している。記憶部２４には、予め取得された良品についてのデータに基づいて算出されたパラメータが、画素毎に記憶されており、判別部２１は取得した画像について画素毎にパラメータを記憶部２４から読み出し、演算を行う。なお、判別部２１は中央演算処理装置を備える。
【００２４】
画像処理装置における判別の手法は、大まかには以下の通りである。まず、予め記憶部２４に記憶させるためのパラメータを算出する。そのために、良品であることが確認されている複数の電気部品１について、それぞれ画像を取得する。本実施形態においては、画像はモノクロであるものとする。このため、得られた画像は画素毎に輝度のデータを１つずつ有している。
【００２５】
得られた複数の画像について画素毎に、生データとしての輝度データと、隣接する画素の輝度との差分を取った差分値データと、当該画素の輝度と周囲の所定領域の画素の輝度とを加算して得られる積分値データとを算出し、これらのデータについてそれぞれ画素毎に平均値と標準偏差も算出しておく。これらの値を基に、統計的距離を算出するためのパラメータを求め、これを記憶部２４に記憶させる。
【００２６】
電気部品１の検査を行う際には、撮影部２０で取得した画像について、画素毎に良品画像群から算出されたパラメータを適用して、良品画像群との統計的距離を算出し、これが所定範囲内にあるか否かによって異常の有無を検出する。
【００２７】
以下、画像処理装置における判別について、より詳細に説明する。まず、予め取得される良品画像群に関するデータについて説明する。図３には、画像の取得及び位置決めのフローチャート及び各ステップにおける画像の状態について示している。画像の位置決めは、良品画像群を得てパラメータを算出する際と、検査対象の電気部品１の画像を得て判別を行う際の、両方において同様に行われる。
【００２８】
まず、撮影カメラ２３からの画像データを取り込んで記憶部２４に記憶させる（ステップ１−１）。判別部２１は、取得した画像データについて、基準位置を検出する（ステップ１−２）。ここでは、右側の図に示すように、電気部品１の左上の角部を基準位置としており、この位置を基準として画像を矩形状の所定の大きさに切り出す（ステップ１−３）。この画像を、改めて記憶部２４に記憶させる。本実施形態ではこの段階での画像の画素数はＰ画素あるものとする。
【００２９】
次に、良品画像群の取得について説明する。図４には、良品画像群の取得のフローチャートを示している。ここでは、良品画像をＮ枚取得するものとする。まず、取得枚数のカウントを１とし（ステップ２−１）、１つめの良品について図３で説明した画像の取得及び位置決めのフローを実行する（ステップ２−２）。１つめの良品について画像を記憶したら、取得枚数が所定のＮ枚であるか否かを判断する（ステップ２−３）。取得枚数がＮ枚より小さい場合には、取得枚数のカウントに１を加えて（ステップ２−４）、再度ステップ２−２以降を実行する。取得枚数がＮ枚であった場合には、そこで画像取得を終了する。
【００３０】
続いて、良品画像群から画素毎のデータ算出を行う。まず輝度データについてデータ算出を行う。図５には、１つの画素に対する輝度データ取得のフローチャートを示している。画像全体についてデータ算出を行うには、以下のフローを全ての画素について行うこととなる。まず、画像の枚数のカウントを１とし（ステップ３−１）、１枚目の良品画像を読み出す（ステップ３−２）。読み出した良品画像について、画素毎に輝度データＭを記憶する（ステップ３−３）。画素には、それぞれ固有の符号が割り振られており、ここでは、符号が１〜Ｐまで割り振られているものとし、１枚目の画像における画素ｎについての輝度の生データを、Ｍ11、ｍ枚目の画像における画素ｎについての輝度のデータをＭ1mと表記する。以下、画素ｎについてのデータ算出を説明するが、他の画素についても同様にデータが算出される。
【００３１】
読み出した画像の枚数が所定のＮ枚であるか否かを判断し（ステップ３−４）、枚数がＮ枚より小さい場合には、画像の枚数のカウントに１を加えて（ステップ３−５）、再度ステップ３−２以降を実行する。画像の枚数がＮ枚であった場合には、画素毎に輝度の平均値Ｍ1aveと、輝度の標準偏差Ｍ1stdを算出し、記憶部２４に記憶させる（ステップ３−６）。例えば、画素ｎについての輝度の平均値と標準偏差は、以下の式で表される。
【００３２】
【数１】
【００３３】
次に、良品画像群について差分画像を作成する。図６には、差分画像作成のフローチャートを示している。まず、画像の枚数のカウントを１とし（ステップ４−１）、１枚目の良品画像を読み出す（ステップ４−２）。読み出した良品画像について、画素毎に輝度の差分値を取って差分画像を生成する（ステップ４−３）。本実施形態では、輝度の差分値は左側に隣接する画素との差分を取ることによって得るものとする。ここでは、ｍ枚目の画像における画素ｎについての差分値データをＭ2mと表記する。
【００３４】
図７には、画像の一部における生データと差分値データを示している。図７の各マスは画素を表しており、各マス内の数値は、図７（ａ）においては輝度の生データを、図７（ｂ）においては差分値データを、それぞれ表している。図７（ａ）に示す輝度の生データに対し、各画素について左側に隣接する画素との差分Ｍ2mを算出し、その値を差分画像におけるデータとする。これを、それぞれの画素において行い、差分画像を生成する。なお、この場合には図７（ｂ）の左端１列については、差分を取る対象がないため、差分値の算出はなされない。
【００３５】
差分画像を生成したら、読み出した画像の枚数が所定のＮ枚であるか否かを判断し（ステップ４−４）、枚数がＮ枚より小さい場合には、画像の枚数のカウントに１を加えて（ステップ４−５）、再度ステップ４−２以降を実行する。画像の枚数がＮ枚であった場合には、画素毎に差分値の平均値Ｍ2aveと、差分値の標準偏差Ｍ2stdを算出し、記憶部２４に記憶させる（ステップ４−６）。
【００３６】
次に、良品画像の積分画像を作成する。図８には、積分画像作成のフローチャートを示している。まず、画像の枚数のカウントを１とし（ステップ５−１）、１枚目の良品画像を読み出す（ステップ５−２）。読み出した良品画像について、画素毎に輝度の積分値を算出して積分画像を生成する（ステップ５−３）。輝度の積分値は、所定領域毎の輝度データを足し合わせたものであり、所定領域内の各画素のデータは、いずれも同じ値とされる。
【００３７】
図９には、画像の一部における生データと積分値データを示している。図９の各マスは画素を表しており、各マス内の数値は、図９（ａ）においては輝度の生データを、図９（ｂ）においては積分値データを、それぞれ表している。本実施形態では、輝度データを足し合わせる所定領域は、縦３つ横３つの９画素分の領域とする。ここでは、ｍ枚目の画像における画素ｎについての積分値データをＭ3mと表記する。
【００３８】
図９では、太い実線で表された領域毎に輝度データが加算されて積分値Ｍ3mが算出される。図９の最も左上の領域は、領域内の輝度データがいずれも５であるため、当該領域内の画素の積分値Ｍ3mはいずれも４５となる。この領域の右隣の領域は、領域内の輝度データが１つだけ６でありそれ以外は５であるため、当該領域内の画素の積分値Ｍ3mはいずれも４６となる。同様に他の領域についても順次積分値の算出がなされ、積分画像が生成される。
【００３９】
積分画像を生成したら、読み出した画像の枚数が所定のＮ枚であるか否かを判断し（ステップ５−４）、枚数がＮ枚より小さい場合には、画像の枚数のカウントに１を加えて（ステップ５−５）、再度ステップ５−２以降を実行する。画像の枚数がＮ枚であった場合には、画素毎に差分値の平均値Ｍ3aveと、差分値の標準偏差Ｍ3stdを算出し、記憶部２４に記憶させる（ステップ５−６）
【００４０】
ここまでで得た良品画像群についての各データは、画素ｎについては以下の表１に示すとおりである。また他の画素についても同様にデータが得られる。このデータを基に、良品画像群との統計的距離を算出するための算出パラメータを画素毎に求める。
【００４１】
【表１】
【００４２】
算出パラメータを求める際は、まずこれらのデータから画素毎の相関係数行列を算出する。相関係数行列は以下の式で表される。
【００４３】
【数２】
【００４４】
ｒに付された符号は、どのデータ同士の相関係数であるかを表している。符号１は輝度データに、符号２は差分値データに、符号３は積分値データに、それぞれ対応する。例えば、ｒ12は符号１に対応する輝度データと符号２に対応する差分値データの相関係数であって、以下の式で表される。他の相関係数も同様に算出される。
【００４５】
【数３】
【００４６】
次に、相関係数行列の逆行列Ａを作成する。逆行列Ａは次式で表される。
【００４７】
【数４】
【００４８】
次式で定義されるマハラノビス距離ＭＤにより、取得した画像と良品画像群について、統計的にどの程度相違するかを画素毎に評価することができる。
【００４９】
【数５】
【００５０】
この式において、ｘ1は検査対象画像における画素ｎの輝度Ｘ1を、ｘ2は検査対象画像における画素ｎの差分Ｘ2を、ｘ3は検査対象画像における画素ｎの積分値Ｘ3を、それぞれ良品画像群の平均値及び標準偏差で正規化したものであり、それぞれ次式で表される。
【００５１】
【数６】
【００５２】
以上のように、良品画像群からのマハラノビス距離を算出するための算出パラメータを求めたら、これを記憶部２４に記憶しておくことで、検査の際にこの算出パラメータを読み出して用いることができる。
【００５３】
このように準備しておいた上で、実際の検査を行う。図１０には、実際の検査におけるフローチャートを示している。実際の検査においても、良品画像の取得と同様に、検査対象の電気部品１を撮影部２０で撮影して画像を取得する（ステップ６−１）。その取得フローは図４で説明したものと同様である。続いて、判別部２１において、取得した画像の全ての画素につき、輝度データと差分値データ及び積分値データを求める（ステップ６−２）。
【００５４】
求めた輝度データと差分値データ及び積分値データにつき、前述の計算式により正規化する（ステップ６−３）。次にマハラノビス距離ＭＤを算出するが、この際には対象とする画素毎に記憶部２４から算出パラメータを読み出し、当該算出パラメータを検査対象の電気部品１の画像から得た輝度データと差分値データ及び積分値データが正規化された値に適用する。これにより、画素毎に良品画像群との統計的距離となるマハラノビス距離ＭＤが算出される（ステップ６−４）。
【００５５】
ここでは、上述の計算式の通り、ＭＤ2が算出されるので、この値が所定値より小さいか否かにより、判別を行う（ステップ６−５）。ＭＤ2が所定値よりも小さい場合は、異常なしと判断し（ステップ６−６）、ＭＤ2が所定値より大きい場合は、異常ありと判断する（ステップ６−７）。このフローを全ての画素について行い、最終的にはいずれの画素についてもＭＤ2が所定値より小さい場合には、良品と判定し、いずれかの画素についてＭＤ2が所定値より大きい場合には、不良品と判定する。
【００５６】
本発明の画像処理装置では、輝度データに加えて差分値データと積分値データについて取得し、これらの相関係数を考慮した統計的距離を算出することで、検査対象の電気部品１について取得された画像の画素毎に異常の有無を判定することとしたので、差分値データを考慮することによる局所的な異常の発見が可能であると共に、積分値データを考慮することによる大局的な異常の発見も可能となる。特に、図１（ｃ）に示すような、良品画像群との輝度差がそれほど大きくないものの、広い範囲に渡って発生した大局的な異常について、精度よく検出することができる。
【００５７】
本実施形態では、良品画像群と検査対象画像のいずれもモノクロの画像であり、輝度データは１つの場合について説明したが、カラーの画像に対しても本発明を適用することができる。カラーの画像の場合、赤色（Ｒ）と青色（Ｂ）及び緑色（Ｇ）の各色について、それぞれ輝度データＲ1、Ｂ1、Ｇ1を取得することができる。つまり、生データとしての輝度データが１つの画素に対して３つ取得される。また、差分値データＲ2、Ｂ2、Ｇ2と積分値データＲ3、Ｂ3、Ｇ3も、各色に対応して３つずつが算出される。
【００５８】
したがって、良品画像群について算出される相関係数行列は、モノクロ画像の場合は前述のように３×３の行列であるが、カラー画像の場合は９×９の行列となる。また、検査対象の電気部品１から得られるデータも、輝度データと差分値データ及び積分値データがそれぞれ３つずつの合計９つとなる。これらについても、モノクロ画像の場合と同様の手法で統計的距離を算出することができる。
【００５９】
また、カラーの画像の場合に、輝度データＲ1、Ｂ1、Ｇ1と差分値データＲ2、Ｂ2、Ｇ2及び積分値データＲ3、Ｂ3、Ｇ3をそれぞれ１つずつのデータとしてもよい。この場合には、各色の輝度データに対し、差分値データ及び積分値データを算出し、それぞれ次式で１つのデータとすることで、カラー画像であっても相関係数行列を３×３の行列とすることができて、演算数を減らすことができる。
【００６０】
【数７】
【００６１】
以上、本発明の実施形態について説明したが、本発明の適用は本実施形態には限られず、その技術的思想の範囲内において様々に適用されうるものである。例えば、本実施形態では、画像の輝度データを基に判別を行っているが、画像の濃淡を表す濃度データに基づいて判別を行うようにしてもよい。
【００６２】
また、本実施形態において、差分値データは図７に示すように各画素について左側に隣接する画素との差分を取ることとしたが、上下右あるいは斜め方向など他の方向の画素との差分を取ることにしてもよく、また複数の方向の差分を取って平均値を算出し、その値を差分値データとしてもよい。さらには、積分値データを算出する領域は、図９では縦方向に画素３つと横方向に画素３つの領域としたが、領域はさらに小さくてもよく、また大きくてもよい。この領域を大きくすることで、より大局的な異常を検出しやすくなる。
【符号の説明】
【００６３】
１ 電気部品
１０ 基板
１１ 配線部
１１ａ 配線
２０ 撮影部
２１ 判別部
２２ 載置部
２３ 撮影カメラ
２４ 記憶部
【技術分野】
【０００１】
本発明は、検査対象品の外観画像から良品と不良品を判別する画像処理装置に関し、特に良品画像群と検査対象品の画像との相関関係に基づく評価式により判別を行う画像処理装置に関する。
【背景技術】
【０００２】
従来、製造した電気部品について検査を行うために、電気部品を撮影して画像を取得し、取得した画像について処理を行うことが知られている。そのための手法としてまず考えられるのは、正常に製造された良品について、例えば配線部分の面積や寸法、角度などを予め規定しておき、検査対象品を撮影して得た画像からこれらを検出して、合致しなければ異常を有するものと判定するものである。この手法では、予めどのような異常が発生するかを定義しておく必要があり、未知の外観異常については検出することができない。また、発生場所が予めある程度特定されている必要もある。さらには、部品毎に特有なソフトウェアが必要であり、設計変更などの度にソフトウェアを変更する必要も生じる。
【０００３】
これに対し、良品の画像を予め取得しておき、検査対象品を撮影して得た画像と重ね合わせて、両者の濃度の差分画像を作成し、異常を検出する手法も考えられる。この手法によれば、良品の画像を取得しておけば、部品毎にソフトウェアを変更する必要がなく、またどの場所にどのような異常が発生するかを予め定義しておく必要もないので、様々な異常に対応することができる。
【０００４】
しかし、良品の画像と検査対象品を撮影して得た画像とを重ね合わせる場合、画像同士の位置決めが少しでもずれると、差分画像に輪郭線が発生し、良品を不良品と判定しかねない。このため、輪郭部分の一定領域については、検査を行わないことで、この問題を回避することができる。ただし、検査を行わない領域については、異常を検出することができず、また輪郭線の位置、形状は部品毎に異なるので、これを個々に設定する必要も生じる。
【０００５】
これらの問題を解決するものとして、複数の良品画像を取得しておき、これらの画像について画素毎に輝度の平均値と標準偏差を算出し、この予め取得して算出したデータと検査対象品を撮影して取得した画像から得られるデータとを用いて、検査対象品が良品か否かの判別を行うことが知られている。このような手法を用いた画像処理装置としては、例えば特許文献１に挙げるようなものがある。
【先行技術文献】
【特許文献】
【０００６】
【特許文献１】特開２００５−２６５６６１号公報
【発明の概要】
【発明が解決しようとする課題】
【０００７】
従来の統計的な手法を用いた画像処理装置においては、予め取得した良品画像群と検査対象品から得られた画像との、画素毎の違いは検出することができる。しかし、この手法においては、異常を検出する精度が必ずしも高いとは言えなかった。特に、取得された画像における輝度が、正常のときと異常のときで差が小さい場合や、パターンの境界部分における異常の検出が充分ではなかった。このため、ごく局所的な異常や、逆に広い範囲に渡って良品と少しずつ異なる大局的な異常などは検出が難しい。
【０００８】
異常検出の精度を高くするためには、対象となる画素と画像を構成するそれ以外の全ての画素との差分を、良品画像群について予め算出しておくと共に、検査対象品から得られた画像についても算出し、これらから得られる統計的な距離を用いるとよいことが分かっている。これは、他の画素との差分を取って統計的に処理することで、対象画素とそれ以外の画素との関連性が累積的に考慮されることとなるためである。しかし、この場合には演算数が非常に多くなるため、実際の検査に用いるのは現実的ではない。
【０００９】
本発明は前記課題を鑑みてなされたものであり、演算数を抑えつつ局所的な異常と大局的な異常を充分な精度で検出できる画像処理装置を提供することを目的とする。
【課題を解決するための手段】
【００１０】
前記課題を解決するため、本発明に係る画像処理装置は、検査対象品を撮影して多数の画素からなる画像を取得する撮影部と、該撮影部で取得した画像に基づき前記検査対象品が良品であるか不良品であるかを判別する判別部とを備えた画像処理装置において、
前記判別部は、良品画像群のデータとの統計的距離を算出するための画素毎の算出パラメータを記憶する記憶部を備え、該記憶部の算出パラメータは、良品画像群を構成する各画像の各画素における輝度または濃度の値と、良品画像群を構成する各画像の各画素における当該画素と隣接する画素との間の輝度または濃度の差分値と、良品画像群を構成する各画像の各画素における当該画素及び周囲の画素との輝度または濃度の積分値との、相関係数行列から算出され、
前記判別部は、前記撮影部で取得した検査対象品の画像について、画素毎に輝度または濃度の値と、各画素における当該画素と隣接する画素との間の輝度または濃度の差分値と、各画素における当該画素及び周囲の画素との輝度または濃度の積分値とを検査データとして検出し、前記記憶部から対応する画素の前記算出パラメータを読み出して、前記検査データと良品画像群のデータとの統計的距離を算出し、該算出された統計的距離が所定範囲にあるか否かを判別することを特徴として構成されている。
【００１１】
また、本発明に係る画像処理装置は、前記判別部で算出する輝度または濃度の積分値は、対象画素が属する所定領域の画素の輝度または濃度を足し合わせて算出されると共に、当該所定領域内の他の画素も同じ値となるように算出されることを特徴として構成されている。
【００１２】
さらに、本発明に係る画像処理装置は、前記輝度または濃度は画素毎に３つの値からなり、前記判別部が算出する輝度または濃度の差分値と積分値も、それぞれ３つの値が算出されることを特徴として構成されている。
【００１３】
さらにまた、本発明に係る画像処理装置は、前記判別部で算出する統計的距離はマハラノビス距離であることを特徴として構成されている。
【発明の効果】
【００１４】
本発明に係る画像処理装置によれば、記憶部の算出パラメータは、良品画像群を構成する各画像の各画素における輝度または濃度の値と、良品画像群を構成する各画像の各画素における当該画素と隣接する画素との間の輝度または濃度の差分値と、良品画像群を構成する各画像の各画素における当該画素及び周囲の画素との輝度または濃度の積分値との、相関係数行列から算出され、判別部は、撮影部で取得した検査対象品の画像について、画素毎に輝度または濃度の値と、各画素における当該画素と隣接する画素との間の輝度または濃度の差分値と、各画素における当該画素及び周囲の画素との輝度または濃度の積分値とを検査データとして検出し、記憶部から対応する画素の算出パラメータを読み出して、検査データと良品画像群のデータとの統計的距離を算出し、該算出された統計的距離が所定範囲にあるか否かを判別することにより、差分値のデータを統計的に考慮することによる局所的な異常の発見が可能であると共に、積分値のデータを統計的に考慮することによる大局的な異常の発見も可能となり、局所的な異常と大局的な異常を充分な精度で検出することができる。また、差分値や積分値は対象画素の周囲の画素との関係のみ考慮するので、演算数を抑えて実用的な処理とすることができる。
【００１５】
また、本発明に係る画像処理装置によれば、判別部で算出する輝度または濃度の積分値は、対象画素が属する所定領域の画素の輝度または濃度を足し合わせて算出されると共に、当該所定領域内の他の画素も同じ値となるように算出されることにより、積分画像を所定領域の大きさを一単位としたモザイク状の画像として、大局的な異常を確実に検出できるようにすることができる。
【００１６】
さらに、本発明に係る画像処理装置によれば、輝度または濃度は画素毎に３つの値からなり、判別部が算出する輝度または濃度の差分値と積分値も、それぞれ３つの値が算出されることにより、カラー画像からなる良品画像及び検査対象の画像に対しても適用することができる。
【００１７】
さらにまた、本発明に係る画像処理装置によれば、判別部で算出する統計的距離はマハラノビス距離であることにより、統計的処理による良否判別を容易かつ確実に行うことができる。
【図面の簡単な説明】
【００１８】
【図１】本実施形態の画像処理装置で検査する電気部品の平面図である。
【図２】画像処理装置の概念的なブロック図である。
【図３】画像の取得及び位置決めのフローチャート及び各ステップにおける画像の状態について表した図である。
【図４】良品画像群の取得のフローチャートである。
【図５】１つの画素に対する輝度データ取得のフローチャートである。
【図６】差分画像作成のフローチャートである。
【図７】画像の一部における生データと差分値データの表である。
【図８】積分画像作成のフローチャートである。
【図９】画像の一部における生データと積分値データの表である。
【図１０】実際の検査におけるフローチャートである。
【発明を実施するための形態】
【００１９】
本発明の実施形態について図面に沿って詳細に説明する。図１には、本実施形態の画像処理装置で検査する電気部品の平面図を示している。図１（ａ）は、正常に製造された良品の平面図であり、図１（ｂ）と図１（ｃ）は、製造時に異常があった不良品の平面図である。図１（ａ）に示すように、検査する電気部品１には、長方形の四隅が切り欠かれた形状を有する基板１０上に、複数の配線１１ａが並列的に配置されてなる配線部１１が形成されている。
【００２０】
図１（ｂ）に示す不良品の状態の電気部品１は、配線部１１を構成する左端の配線１１ａと隣接する配線１１ａの間が、１箇所短絡するという局所的な異常部３０を有している。また、図１（ｃ）に示す不良品の状態の電気部品１は、配線部１１の略中央領域に、薄いシミ状の汚れが付着するという比較的大局的な異常部３１を有している。本実施形態の画像処理装置は、これらの不良品を良品と見分けることができるように構成される。
【００２１】
図２には、画像処理装置の概念的なブロック図を示している。この図に示すように、画像処理装置は、検査対象の電気部品１を撮影して画像のデータを取得する撮影部２０と、撮影部２０で取得したデータに基づいて検査対象の電気部品１が良品であるか不良品であるかを判別する判別部２１とを有して構成される。
【００２２】
撮影部２０は、電気部品１を載置して順次移動させる載置部２２と、載置部２２の電気部品１のうち所定位置の一つについて全体を撮影する撮影カメラ２３を有している。撮影カメラ２３は、ＣＣＤ等の撮像素子を備え、多数の画素からなる画像をデータとして得ることができる。撮影カメラ２３により撮影された電気部品１の映像は、Ａ／Ｄ変換部２５でディジタル信号の画像データに変換される。ディジタル信号の画像データは、判別部２１に送られる。
【００２３】
判別部２１は、取得した画像について判別を行うための演算に用いるパラメータを記憶した記憶部２４を有している。記憶部２４には、予め取得された良品についてのデータに基づいて算出されたパラメータが、画素毎に記憶されており、判別部２１は取得した画像について画素毎にパラメータを記憶部２４から読み出し、演算を行う。なお、判別部２１は中央演算処理装置を備える。
【００２４】
画像処理装置における判別の手法は、大まかには以下の通りである。まず、予め記憶部２４に記憶させるためのパラメータを算出する。そのために、良品であることが確認されている複数の電気部品１について、それぞれ画像を取得する。本実施形態においては、画像はモノクロであるものとする。このため、得られた画像は画素毎に輝度のデータを１つずつ有している。
【００２５】
得られた複数の画像について画素毎に、生データとしての輝度データと、隣接する画素の輝度との差分を取った差分値データと、当該画素の輝度と周囲の所定領域の画素の輝度とを加算して得られる積分値データとを算出し、これらのデータについてそれぞれ画素毎に平均値と標準偏差も算出しておく。これらの値を基に、統計的距離を算出するためのパラメータを求め、これを記憶部２４に記憶させる。
【００２６】
電気部品１の検査を行う際には、撮影部２０で取得した画像について、画素毎に良品画像群から算出されたパラメータを適用して、良品画像群との統計的距離を算出し、これが所定範囲内にあるか否かによって異常の有無を検出する。
【００２７】
以下、画像処理装置における判別について、より詳細に説明する。まず、予め取得される良品画像群に関するデータについて説明する。図３には、画像の取得及び位置決めのフローチャート及び各ステップにおける画像の状態について示している。画像の位置決めは、良品画像群を得てパラメータを算出する際と、検査対象の電気部品１の画像を得て判別を行う際の、両方において同様に行われる。
【００２８】
まず、撮影カメラ２３からの画像データを取り込んで記憶部２４に記憶させる（ステップ１−１）。判別部２１は、取得した画像データについて、基準位置を検出する（ステップ１−２）。ここでは、右側の図に示すように、電気部品１の左上の角部を基準位置としており、この位置を基準として画像を矩形状の所定の大きさに切り出す（ステップ１−３）。この画像を、改めて記憶部２４に記憶させる。本実施形態ではこの段階での画像の画素数はＰ画素あるものとする。
【００２９】
次に、良品画像群の取得について説明する。図４には、良品画像群の取得のフローチャートを示している。ここでは、良品画像をＮ枚取得するものとする。まず、取得枚数のカウントを１とし（ステップ２−１）、１つめの良品について図３で説明した画像の取得及び位置決めのフローを実行する（ステップ２−２）。１つめの良品について画像を記憶したら、取得枚数が所定のＮ枚であるか否かを判断する（ステップ２−３）。取得枚数がＮ枚より小さい場合には、取得枚数のカウントに１を加えて（ステップ２−４）、再度ステップ２−２以降を実行する。取得枚数がＮ枚であった場合には、そこで画像取得を終了する。
【００３０】
続いて、良品画像群から画素毎のデータ算出を行う。まず輝度データについてデータ算出を行う。図５には、１つの画素に対する輝度データ取得のフローチャートを示している。画像全体についてデータ算出を行うには、以下のフローを全ての画素について行うこととなる。まず、画像の枚数のカウントを１とし（ステップ３−１）、１枚目の良品画像を読み出す（ステップ３−２）。読み出した良品画像について、画素毎に輝度データＭを記憶する（ステップ３−３）。画素には、それぞれ固有の符号が割り振られており、ここでは、符号が１〜Ｐまで割り振られているものとし、１枚目の画像における画素ｎについての輝度の生データを、Ｍ11、ｍ枚目の画像における画素ｎについての輝度のデータをＭ1mと表記する。以下、画素ｎについてのデータ算出を説明するが、他の画素についても同様にデータが算出される。
【００３１】
読み出した画像の枚数が所定のＮ枚であるか否かを判断し（ステップ３−４）、枚数がＮ枚より小さい場合には、画像の枚数のカウントに１を加えて（ステップ３−５）、再度ステップ３−２以降を実行する。画像の枚数がＮ枚であった場合には、画素毎に輝度の平均値Ｍ1aveと、輝度の標準偏差Ｍ1stdを算出し、記憶部２４に記憶させる（ステップ３−６）。例えば、画素ｎについての輝度の平均値と標準偏差は、以下の式で表される。
【００３２】
【数１】
【００３３】
次に、良品画像群について差分画像を作成する。図６には、差分画像作成のフローチャートを示している。まず、画像の枚数のカウントを１とし（ステップ４−１）、１枚目の良品画像を読み出す（ステップ４−２）。読み出した良品画像について、画素毎に輝度の差分値を取って差分画像を生成する（ステップ４−３）。本実施形態では、輝度の差分値は左側に隣接する画素との差分を取ることによって得るものとする。ここでは、ｍ枚目の画像における画素ｎについての差分値データをＭ2mと表記する。
【００３４】
図７には、画像の一部における生データと差分値データを示している。図７の各マスは画素を表しており、各マス内の数値は、図７（ａ）においては輝度の生データを、図７（ｂ）においては差分値データを、それぞれ表している。図７（ａ）に示す輝度の生データに対し、各画素について左側に隣接する画素との差分Ｍ2mを算出し、その値を差分画像におけるデータとする。これを、それぞれの画素において行い、差分画像を生成する。なお、この場合には図７（ｂ）の左端１列については、差分を取る対象がないため、差分値の算出はなされない。
【００３５】
差分画像を生成したら、読み出した画像の枚数が所定のＮ枚であるか否かを判断し（ステップ４−４）、枚数がＮ枚より小さい場合には、画像の枚数のカウントに１を加えて（ステップ４−５）、再度ステップ４−２以降を実行する。画像の枚数がＮ枚であった場合には、画素毎に差分値の平均値Ｍ2aveと、差分値の標準偏差Ｍ2stdを算出し、記憶部２４に記憶させる（ステップ４−６）。
【００３６】
次に、良品画像の積分画像を作成する。図８には、積分画像作成のフローチャートを示している。まず、画像の枚数のカウントを１とし（ステップ５−１）、１枚目の良品画像を読み出す（ステップ５−２）。読み出した良品画像について、画素毎に輝度の積分値を算出して積分画像を生成する（ステップ５−３）。輝度の積分値は、所定領域毎の輝度データを足し合わせたものであり、所定領域内の各画素のデータは、いずれも同じ値とされる。
【００３７】
図９には、画像の一部における生データと積分値データを示している。図９の各マスは画素を表しており、各マス内の数値は、図９（ａ）においては輝度の生データを、図９（ｂ）においては積分値データを、それぞれ表している。本実施形態では、輝度データを足し合わせる所定領域は、縦３つ横３つの９画素分の領域とする。ここでは、ｍ枚目の画像における画素ｎについての積分値データをＭ3mと表記する。
【００３８】
図９では、太い実線で表された領域毎に輝度データが加算されて積分値Ｍ3mが算出される。図９の最も左上の領域は、領域内の輝度データがいずれも５であるため、当該領域内の画素の積分値Ｍ3mはいずれも４５となる。この領域の右隣の領域は、領域内の輝度データが１つだけ６でありそれ以外は５であるため、当該領域内の画素の積分値Ｍ3mはいずれも４６となる。同様に他の領域についても順次積分値の算出がなされ、積分画像が生成される。
【００３９】
積分画像を生成したら、読み出した画像の枚数が所定のＮ枚であるか否かを判断し（ステップ５−４）、枚数がＮ枚より小さい場合には、画像の枚数のカウントに１を加えて（ステップ５−５）、再度ステップ５−２以降を実行する。画像の枚数がＮ枚であった場合には、画素毎に差分値の平均値Ｍ3aveと、差分値の標準偏差Ｍ3stdを算出し、記憶部２４に記憶させる（ステップ５−６）
【００４０】
ここまでで得た良品画像群についての各データは、画素ｎについては以下の表１に示すとおりである。また他の画素についても同様にデータが得られる。このデータを基に、良品画像群との統計的距離を算出するための算出パラメータを画素毎に求める。
【００４１】
【表１】
【００４２】
算出パラメータを求める際は、まずこれらのデータから画素毎の相関係数行列を算出する。相関係数行列は以下の式で表される。
【００４３】
【数２】
【００４４】
ｒに付された符号は、どのデータ同士の相関係数であるかを表している。符号１は輝度データに、符号２は差分値データに、符号３は積分値データに、それぞれ対応する。例えば、ｒ12は符号１に対応する輝度データと符号２に対応する差分値データの相関係数であって、以下の式で表される。他の相関係数も同様に算出される。
【００４５】
【数３】
【００４６】
次に、相関係数行列の逆行列Ａを作成する。逆行列Ａは次式で表される。
【００４７】
【数４】
【００４８】
次式で定義されるマハラノビス距離ＭＤにより、取得した画像と良品画像群について、統計的にどの程度相違するかを画素毎に評価することができる。
【００４９】
【数５】
【００５０】
この式において、ｘ1は検査対象画像における画素ｎの輝度Ｘ1を、ｘ2は検査対象画像における画素ｎの差分Ｘ2を、ｘ3は検査対象画像における画素ｎの積分値Ｘ3を、それぞれ良品画像群の平均値及び標準偏差で正規化したものであり、それぞれ次式で表される。
【００５１】
【数６】
【００５２】
以上のように、良品画像群からのマハラノビス距離を算出するための算出パラメータを求めたら、これを記憶部２４に記憶しておくことで、検査の際にこの算出パラメータを読み出して用いることができる。
【００５３】
このように準備しておいた上で、実際の検査を行う。図１０には、実際の検査におけるフローチャートを示している。実際の検査においても、良品画像の取得と同様に、検査対象の電気部品１を撮影部２０で撮影して画像を取得する（ステップ６−１）。その取得フローは図４で説明したものと同様である。続いて、判別部２１において、取得した画像の全ての画素につき、輝度データと差分値データ及び積分値データを求める（ステップ６−２）。
【００５４】
求めた輝度データと差分値データ及び積分値データにつき、前述の計算式により正規化する（ステップ６−３）。次にマハラノビス距離ＭＤを算出するが、この際には対象とする画素毎に記憶部２４から算出パラメータを読み出し、当該算出パラメータを検査対象の電気部品１の画像から得た輝度データと差分値データ及び積分値データが正規化された値に適用する。これにより、画素毎に良品画像群との統計的距離となるマハラノビス距離ＭＤが算出される（ステップ６−４）。
【００５５】
ここでは、上述の計算式の通り、ＭＤ2が算出されるので、この値が所定値より小さいか否かにより、判別を行う（ステップ６−５）。ＭＤ2が所定値よりも小さい場合は、異常なしと判断し（ステップ６−６）、ＭＤ2が所定値より大きい場合は、異常ありと判断する（ステップ６−７）。このフローを全ての画素について行い、最終的にはいずれの画素についてもＭＤ2が所定値より小さい場合には、良品と判定し、いずれかの画素についてＭＤ2が所定値より大きい場合には、不良品と判定する。
【００５６】
本発明の画像処理装置では、輝度データに加えて差分値データと積分値データについて取得し、これらの相関係数を考慮した統計的距離を算出することで、検査対象の電気部品１について取得された画像の画素毎に異常の有無を判定することとしたので、差分値データを考慮することによる局所的な異常の発見が可能であると共に、積分値データを考慮することによる大局的な異常の発見も可能となる。特に、図１（ｃ）に示すような、良品画像群との輝度差がそれほど大きくないものの、広い範囲に渡って発生した大局的な異常について、精度よく検出することができる。
【００５７】
本実施形態では、良品画像群と検査対象画像のいずれもモノクロの画像であり、輝度データは１つの場合について説明したが、カラーの画像に対しても本発明を適用することができる。カラーの画像の場合、赤色（Ｒ）と青色（Ｂ）及び緑色（Ｇ）の各色について、それぞれ輝度データＲ1、Ｂ1、Ｇ1を取得することができる。つまり、生データとしての輝度データが１つの画素に対して３つ取得される。また、差分値データＲ2、Ｂ2、Ｇ2と積分値データＲ3、Ｂ3、Ｇ3も、各色に対応して３つずつが算出される。
【００５８】
したがって、良品画像群について算出される相関係数行列は、モノクロ画像の場合は前述のように３×３の行列であるが、カラー画像の場合は９×９の行列となる。また、検査対象の電気部品１から得られるデータも、輝度データと差分値データ及び積分値データがそれぞれ３つずつの合計９つとなる。これらについても、モノクロ画像の場合と同様の手法で統計的距離を算出することができる。
【００５９】
また、カラーの画像の場合に、輝度データＲ1、Ｂ1、Ｇ1と差分値データＲ2、Ｂ2、Ｇ2及び積分値データＲ3、Ｂ3、Ｇ3をそれぞれ１つずつのデータとしてもよい。この場合には、各色の輝度データに対し、差分値データ及び積分値データを算出し、それぞれ次式で１つのデータとすることで、カラー画像であっても相関係数行列を３×３の行列とすることができて、演算数を減らすことができる。
【００６０】
【数７】
【００６１】
以上、本発明の実施形態について説明したが、本発明の適用は本実施形態には限られず、その技術的思想の範囲内において様々に適用されうるものである。例えば、本実施形態では、画像の輝度データを基に判別を行っているが、画像の濃淡を表す濃度データに基づいて判別を行うようにしてもよい。
【００６２】
また、本実施形態において、差分値データは図７に示すように各画素について左側に隣接する画素との差分を取ることとしたが、上下右あるいは斜め方向など他の方向の画素との差分を取ることにしてもよく、また複数の方向の差分を取って平均値を算出し、その値を差分値データとしてもよい。さらには、積分値データを算出する領域は、図９では縦方向に画素３つと横方向に画素３つの領域としたが、領域はさらに小さくてもよく、また大きくてもよい。この領域を大きくすることで、より大局的な異常を検出しやすくなる。
【符号の説明】
【００６３】
１ 電気部品
１０ 基板
１１ 配線部
１１ａ 配線
２０ 撮影部
２１ 判別部
２２ 載置部
２３ 撮影カメラ
２４ 記憶部
【特許請求の範囲】
【請求項１】
検査対象品を撮影して多数の画素からなる画像を取得する撮影部と、該撮影部で取得した画像に基づき前記検査対象品が良品であるか不良品であるかを判別する判別部とを備えた画像処理装置において、
前記判別部は、良品画像群のデータとの統計的距離を算出するための画素毎の算出パラメータを記憶する記憶部を備え、該記憶部の算出パラメータは、良品画像群を構成する各画像の各画素における輝度または濃度の値と、良品画像群を構成する各画像の各画素における当該画素と隣接する画素との間の輝度または濃度の差分値と、良品画像群を構成する各画像の各画素における当該画素及び周囲の画素との輝度または濃度の積分値との、相関係数行列から算出され、
前記判別部は、前記撮影部で取得した検査対象品の画像について、画素毎に輝度または濃度の値と、各画素における当該画素と隣接する画素との間の輝度または濃度の差分値と、各画素における当該画素及び周囲の画素との輝度または濃度の積分値とを検査データとして検出し、前記記憶部から対応する画素の前記算出パラメータを読み出して、前記検査データと良品画像群のデータとの統計的距離を算出し、該算出された統計的距離が所定範囲にあるか否かを判別することを特徴とする画像処理装置。
【請求項２】
前記判別部で算出する輝度または濃度の積分値は、対象画素が属する所定領域の画素の輝度または濃度を足し合わせて算出されると共に、当該所定領域内の他の画素も同じ値となるように算出されることを特徴とする請求項１記載の画像処理装置。
【請求項３】
前記輝度または濃度は画素毎に３つの値からなり、前記判別部が算出する輝度または濃度の差分値と積分値も、それぞれ３つの値が算出されることを特徴とする請求項１または２記載の画像処理装置。
【請求項４】
前記判別部で算出する統計的距離はマハラノビス距離であることを特徴とする請求項１〜３のいずれか１項に記載の画像処理装置
【請求項１】
検査対象品を撮影して多数の画素からなる画像を取得する撮影部と、該撮影部で取得した画像に基づき前記検査対象品が良品であるか不良品であるかを判別する判別部とを備えた画像処理装置において、
前記判別部は、良品画像群のデータとの統計的距離を算出するための画素毎の算出パラメータを記憶する記憶部を備え、該記憶部の算出パラメータは、良品画像群を構成する各画像の各画素における輝度または濃度の値と、良品画像群を構成する各画像の各画素における当該画素と隣接する画素との間の輝度または濃度の差分値と、良品画像群を構成する各画像の各画素における当該画素及び周囲の画素との輝度または濃度の積分値との、相関係数行列から算出され、
前記判別部は、前記撮影部で取得した検査対象品の画像について、画素毎に輝度または濃度の値と、各画素における当該画素と隣接する画素との間の輝度または濃度の差分値と、各画素における当該画素及び周囲の画素との輝度または濃度の積分値とを検査データとして検出し、前記記憶部から対応する画素の前記算出パラメータを読み出して、前記検査データと良品画像群のデータとの統計的距離を算出し、該算出された統計的距離が所定範囲にあるか否かを判別することを特徴とする画像処理装置。
【請求項２】
前記判別部で算出する輝度または濃度の積分値は、対象画素が属する所定領域の画素の輝度または濃度を足し合わせて算出されると共に、当該所定領域内の他の画素も同じ値となるように算出されることを特徴とする請求項１記載の画像処理装置。
【請求項３】
前記輝度または濃度は画素毎に３つの値からなり、前記判別部が算出する輝度または濃度の差分値と積分値も、それぞれ３つの値が算出されることを特徴とする請求項１または２記載の画像処理装置。
【請求項４】
前記判別部で算出する統計的距離はマハラノビス距離であることを特徴とする請求項１〜３のいずれか１項に記載の画像処理装置
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【公開番号】特開２０１０−２７６４８１（Ｐ２０１０−２７６４８１Ａ）
【公開日】平成２２年１２月９日（２０１０．１２．９）
【国際特許分類】
【出願番号】特願２００９−１２９５４５（Ｐ２００９−１２９５４５）
【出願日】平成２１年５月２８日（２００９．５．２８）
【出願人】（００００１００９８）アルプス電気株式会社 (4,263)
【Ｆターム（参考）】
【公開日】平成２２年１２月９日（２０１０．１２．９）
【国際特許分類】
【出願日】平成２１年５月２８日（２００９．５．２８）
【出願人】（００００１００９８）アルプス電気株式会社 (4,263)
【Ｆターム（参考）】
[ Back to top ]