• 沒有找到結果。

區域成長法

在文檔中 中 華 大 學 (頁 69-77)

第四章、 研究方法

4.2 蜘蛛絲檢測方法與流程

4.2.3 區域成長法

(a) (c)

(b) (d)

圖52、剔除較大物件面積之結果說明:(a)圖及(b)圖為去除 bus bar 後之影像;(c)圖 及(d)圖分別為(a)圖與(b)圖 Blob analysis 後之影像。

使用像素聚積成長法的目的,主要是將兩類不同特徵的影像區域分割出來。影像分 割的方法有很多種,大致可分成以像素為基之分割法與以區域為基之分割法。臨界 值法是以像素為基分割法中最常見的一種,其方法是設定一個臨界值(Threshold Value)後,把影像區分成物體與背景兩部份。經實驗測試,由於多晶矽太陽能電池 之晶格會導致 EL 影像上有許多區域發光不完全,大幅增加了影像的複雜程度,單 純使用二值化法很難將瑕疵與背景正確的分割出來。有鑑於此,本研究使用區域成 長法中的像素聚積成長法進行瑕疵成長。

令R 代表整個影像區域,影像分割可視為將 R 分割成 n 個子區域R1,R2,……,Rn 的過程,至於這些子區域則必須滿足以下條件[28]:

(a) R R

n

i i =

U

=1

(b) R 是相連接(connected)的區域,i=1,2,……,n。 i (c) Ri Rj=φ(空集合),∀i,j , i≠j。

(d) P(Ri)=TURE, i=1,2,…….,n。

(e) P(Ri

U

Rj )=FALSE,對 i≠j。

條件(a)表明分割之子區域必須屬於整個區域影像,也就是每個像素都必須位於 某一區域中;條件(b)要求子區域中的點在某些預先定義準則下都必須是相連接的;

條件(c)判別各個子區域是不是相交的;條件(d)表明在分割區域中的像素都滿足同樣 的屬性,例如R 中的所有像素灰階皆相同,則i P(Ri)=TURE;最後,條件(e)就屬性 P 而言,區域R 和i Rj是不同的[29]。

像素聚積法是區域成長法中的一種,而像素聚積成長法先把影像R 分成 n 個像 素區域,每個區域包含一個種子點,然後決定一個臨界值(threshold),再利用(4.6)

式的判斷式重複去判斷種子點附近的像素,將性質類似的像素逐一納入所考慮的區 域,讓區域逐漸成長,直到區域內所有的像素點都被判斷完為止。

|ƒ(x,y)-μi|≤ threshold (4.6)

其中x,y 代表與種子點同區域的像素點,μi代表R 的平均灰階值。 i

圖53為像素聚積成長演算法之流程圖,首先計算影像之平均灰階值並設定種子 與平均灰階值之灰階差值來決定種子點,接著給予種子之灰階差異值為區域成長條 件,從種子點為出發點以八鄰近方式尋找周邊像素,影像像素與種子點間的灰階差 異值小於設定的種子之灰階差異值,即符合區域成長的條件,則將此像素判定成為 與種子點同一區域;最後根據區域成長的結果,將成長完成後之區域的灰階值指定 為255;其餘區域之灰階值則設為0,如此即可得到像素聚積成長之二值化影像。

圖53、像素聚積成長演算法之流程圖。

圖54 為像素聚積成長法的範例,首先給定兩個種子點,分別為 1 與 7,接著設 定一個種子之灰階差異值為成長條件,將鄰近像素點聚積成同一灰階影像區域。

圖54、像素聚積成長法示意圖。

而進行完Blob analysis 影像處理後所得到影像如圖 55、56 之(a)、(b)圖所示,

我們設定一個種子之灰階差異值 40 為成長條件,在 41×41 遮罩內的每個像素減掉 種子點之灰階值大於種子之灰階差異值為式子(4.7),如滿足判別式(4.8)將對我們找 到之種子點進行區域成長,在影像分割時我們使用像素聚積成長法將蜘蛛絲狀裂紋 成長出來,從圖 55、56 之(c)、(d)圖結果顯示,能把瑕疵成長出來,雖然成長出來 的瑕疵形狀並不完全,但是能確定種子點在瑕疵之位置上。因此如圖57、58 之(c)、

(d)圖結果顯示我們從種子點為 41×41 遮罩的中心點,以公式(4.9)做小區域的影像二 值化能將瑕疵完整分割出來。

( ƒ( x , y )-Q )>40,n++ (4.7)

n>1300,種子點 Q 成立 (4.8)

其中ƒ( x , y )代表位於( x , y )像素之灰階值;Q 代表種子點灰階值; n 代表大於 Q 的個數;40 為預設之種子之灰階差異值。

(a) (c)

(b) (d)

圖55、區域成長法之結果說明:(a)圖及(b)圖為 Blob analysis 後之影像;(c)圖及(d) 圖分別為(a)圖與(b)圖像素聚積成長後之影像。

(a) (c)

(b) (d)

圖56、區域成長法之結果說明:(a)圖及(b)圖為 Blob analysis 後之結果;(c)圖及(d) 圖分別為(a)圖與(b)圖像素聚積成長後之結果。

T=(mean-min)×k+min (4.9)

其中min 代表最小灰階值;mean 代表平均灰階值;k 為變數;T 為閥值。

(a) (c)

(b) (d)

圖57、區域二值化法之結果說明:(a)圖及(b)圖為 Blob analysis 後之結果;(c)圖及(d) 圖分別為(a)圖與(b)圖區域二值化後之結果。

(a) (c)

(b) (d)

圖58、區域二值化法之結果說明:(a)圖及(b)圖為 Blob analysis 後之結果;(c)圖及(d) 圖分別為(a)圖與(b)圖區域二值化後之結果。

在文檔中 中 華 大 學 (頁 69-77)

相關文件