由於本文中一部份是對 AR 玻璃上的 Mura 瑕疵做探討，基於 Mura 是低對 比的瑕疵，所以需對此瑕疵做影像強化的動作來凸顯瑕疵，在此藉由基因演算法 來調整直方圖的分佈位置，使其對比較為明顯，進而把 Mura 的瑕疵凸顯出來。
使用基因演算法做影像強化的流程步驟如下：
(1) 先定義染色體大小後，再產生族群數目，並求出族群的適應值。
(2) 族群進行交配與突變，而產生新的子代。
(3) 對子代進行影像強化的動作並計算出其適應值。
(4) 選擇出較好的染色體，做為演化的依據。
(5) 當滿足終止條件，使基因演算法停止運算，否則回到步驟(2)。
其步驟(2)之中，交配與突變的方法為先取得兩位父代做交配的動作，在此交配 方式選用單點交配，因為這裡的染色體是由直方圖所統計的結果，所以為實數型 的種類。隨機選出切割點，而兩位父代的染色體後半段相互交換，成為新的兩個 子代，有了這些子代我們要知道他們是否需要突變，因此該參考這些子代的突變 率(m ，我們先設好突變率來做突變的依據，之後用隨機的方式選出突變值，如) 果隨機值小於我們所設的突變率，此染色體就需突變，而突變的方式有許多種方 法，在此使用單點突變，由於此染色體為實數型的，所以在突變的點隨機選出數 值，檢查是否有重複，有的話就在隨機選出另一數值，沒的話就再做氣泡排序的 動作，之後產生新的染色體。
步驟(3)為經過交配與突變後會產生新的子代，而這些新的子代按上述所定 義的適應函數求出適應值，且每個子代都有所屬於的適應值。步驟(4)的方式有 許多種，在此選用競爭方式來做選擇的步驟。從整個族群中取出兩個做比較，選 出適應值較好的染色體，做為基因演化至下一代的依據。此實驗的終止條件為執 行完最大的疊代次數，到達我們所設定的疊代次數後就停止運算，最終輸出最好 的染色體，作為我們影像強化的依據，圖 6.2 為影像強化於基因演算法之流程圖。
28
29
6.4 實驗結果 實驗結果 實驗結果 實驗結果
本實驗過程中所使用的電腦之 CPU 為 Intel Pentium® Core2 P8400，記憶體 4GB。所使用的軟體工具為 BCB 6.0，以 C++語言撰寫。此實驗使用基因演算法 於影像強化的參數，族群大小設為 20，疊代次數為 20 次，突變率(m 為) 10%，
使用所提出的兩種方法進行實驗，方法 1 為使用基因演算法對直方圖全部進行調 整，方法 2 則是使用基因演算法對直方圖後 20% ( =T 0.8)的部分進行調整，以 下為整理出的實驗結果。
圖 6.3 為 AR 玻璃沒有 Mura 瑕疵的影像作影像強化的實驗結果，可看到圖 6.3 (c)圖對整個直方圖做調整的強化影像效果非常不好，整個影像全被調亮，其 會使得後續處理的難度提高，進而導致誤判或無法辨識等現象發生，而(e)只針對 一部分的直方圖進行調整，雖然會有些許的亮點產生，但其效果比使用方法 1 的 結果來得好。
(a) 檢測圖 1 (b) 檢測圖 1 的直方圖
(c) 使用方法 1 的強化後圖 (d) 方法 1 的強化後的直方圖
(e) 使用方法 2 的強化後圖 (f) 方法 2 的強化後的直方圖 圖 6.3 檢測圖 1 之強化影像與直方圖(影像大小：82× 82)
下列是對 AR 玻璃上的 Mura 瑕疵做影像強化的實驗結果，如圖 6.4 至圖 6.15 的(a)為檢測圖，(b)為檢測圖的直方圖，(c)與(e)分別為使用基因演算法於直方圖 調整強化方法 1 與方法 2 強化後的圖，而(d)和(f)為方法 1 與方法 2 的直方圖結
30
果。此實驗結果可分為四部分，第一部分為使用基因演算法做影像強化後，兩種 方法的結果皆能凸顯出 Mura 瑕疵。第二部分為強化後的結果，用方法 1 會有些 沒有瑕疵的背景部分，稍為被調亮，使用方法 2 能有效的把瑕疵凸顯出來。第三 部分為強化後的結果，使用方法 1 的結果，整張影像皆被調亮，雖然我們人眼能 看出瑕疵的位置，但機器不見得能辨識出來，而使用方法 2 的調整結果，效果比 方法 1 來的好些。最後一部份為使用方法 1 做強化的效果非常差，還會出現分層 的現象，但利用方法 2 的調整，其結果能保留背景的部分把瑕疵凸顯出來。
從圖 6.4 到圖 6.6 為實驗結果的第一部分，可看出使用方法 1 與方法 2 的強 化結果都還可以被接受，並且都能把 Mura 的瑕疵凸顯出來，由兩種方法的直方 圖分佈可看出其瑕疵的部分皆有被調整，對比也被提高，使 Mura 瑕疵有效被凸 顯出來。
(a) 檢測圖 2 (b) 檢測圖 2 的直方圖
(c) 使用方法 1 的強化後圖 (d) 方法 1 的強化後的直方圖
(e) 使用方法 2 的強化後圖 (f) 方法 2 的強化後的直方圖 圖 6.4 檢測圖 2 之強化影像與直方圖(影像大小：166× 166)
31
(a) 檢測圖 3 (b) 檢測圖 3 的直方圖
(c) 使用方法 1 的強化後圖 (d) 方法 1 的強化後的直方圖
(e) 使用方法 2 的強化後圖 (f) 方法 2 的強化後的直方圖 圖 6.5 檢測圖 3 之強化影像與直方圖(影像大小：96× 96)
(a) 檢測圖 4 (b) 檢測圖 4 的直方圖
(c) 使用方法 1 的強化後圖 (d) 方法 1 的強化後的直方圖
(e) 使用方法 2 的強化後圖 (f) 方法 2 的強化後的直方圖 圖 6.6 檢測圖 4 之強化影像與直方圖(影像大小：77× 77)
32
(a) 檢測圖 5 (b) 檢測圖 5 的直方圖
(c) 使用方法 1 的強化後圖 (d) 方法 1 的強化後的直方圖
(e) 使用方法 2 的強化後圖 (f) 方法 2 的強化後的直方圖 圖 6.7 檢測圖 5 之強化影像與直方圖(影像大小：81× 81)
(a) 檢測圖 6 (b) 檢測圖 6 的直方圖
(c) 使用方法 1 的強化後圖 (d) 方法 1 的強化後的直方圖
(e) 使用方法 2 的強化後圖 (f) 方法 2 的強化後的直方圖 圖 6.8 檢測圖 6 之強化影像與直方圖(影像大小：95× 95)
33
(a) 檢測圖 7 (b) 檢測圖 7 的直方圖
(c) 使用方法 1 的強化後圖 (d) 方法 1 的強化後的直方圖
(e) 使用方法 2 的強化後圖 (f) 方法 2 的強化後的直方圖 圖 6.9 檢測圖 7 之強化影像與直方圖(影像大小：96× 96)
圖 6.7 至圖 6.9 為第二部分，可看出使用方法 1 強化後的圖有部分區域會隨 著直方圖被調整後，使得原本為背景的部分會變的較亮，如圖 6.7 (c)圖，右下角 的部分會變得較亮，而我們使用方法 2 來處理時，可把瑕疵的地方凸顯出來，如 圖 6.7 (e)圖，其背景部分不會被調亮，且瑕疵區域較為明顯。
接下來從圖 6.10 至圖 6.12 為第三部分，可看出使用方法 1 的強化結果，幾 乎整個背景部分皆被調亮，如圖 6.10 (c)圖，雖然能看出 Mura 的瑕疵位置，但是 由人眼還能辨別得出來，若是要由電腦或機器來辨識瑕疵的話困難度很高，也許 會發生判斷錯誤的現象，因此使用方法 2 來做強化時，可看出背景部分比使用方 法 1 的結果來得好，如圖 6.10 (e)圖，或許結果並非百分之百的理想，但至少要 做進一步處理時，能較容易分辨瑕疵，使得判斷較為正確。
34
(a) 檢測圖 8 (b) 檢測圖 8 的直方圖
(c) 使用方法 1 的強化後圖 (d) 方法 1 的強化後的直方圖
(e) 使用方法 2 的強化後圖 (f) 方法 2 的強化後的直方圖 圖 6.10 檢測圖 8 之強化影像與直方圖(影像大小：115× 115)
(a) 檢測圖 9 (b) 檢測圖 9 的直方圖
(c) 使用方法 1 的強化後圖 (d)方法 1 的強化後的直方圖
(e) 使用方法 2 的強化後圖 (f) 方法 2 的強化後的直方圖 圖 6.11 檢測圖 9 之強化影像與直方圖(影像大小：72× 72)
35
(a) 檢測圖 10 (b) 檢測圖 10 的直方圖
(c) 使用方法 1 的強化後圖 (d) 方法 1 的強化後的直方圖
(e) 使用方法 2 的強化後圖 (f) 方法 2 的強化後的直方圖 圖 6.12 檢測圖 10 之強化影像與直方圖(影像大小：139× 139)
從圖 6.13 至圖 6.15 為第四部分可看出，使用方法 1 的結果非常不好，且強 化後的影像會分為好幾層，若用此方法的結果交給機器辨識是無法處理的，以圖 6.14 為例，可看出(b)的直方圖分佈有出現兩個明顯的波峰，如果直接對檢測圖(a) 做影像強化，對整個值方圖做調整，會使整個直方圖分佈範圍被拉開，雖然對比 效果很明顯，但是強化後的圖(c)，會出現分層現象，而使得判斷或是後續處理上 變得更為困難，所以透過方法 2 的強化處理，只針對一部份的直方圖進行調整，
其餘部分皆不做處理，由此有看出，直方圖後半部分有被調整，而前半部分不被 調整，如圖(f)所示，且使用方法 2 的強化影像如圖(e)。Mura 的部分有被凸顯出 來，而背景區域依然沒處理，使瑕疵部分與背景的對比提高，所以利用此方式能 有效把 Mura 瑕疵凸顯出來。
36
(a) 檢測圖 11 (b) 檢測圖 11 的直方圖
(c) 使用方法 1 的強化後圖 (d) 方法 1 的強化後的直方圖
(e) 使用方法 2 的強化後圖 (f) 方法 2 的強化後的直方圖 圖 6.13 檢測圖 11 之強化影像與直方圖(影像大小：119× 119)
(a) 檢測圖 12 (b) 檢測圖 12 的直方圖
(c) 使用方法 1 的強化後圖 (d) 方法 1 的強化後的直方圖
(e) 使用方法 2 的強化後圖 (f) 方法 2 的強化後的直方圖 圖 6.14 檢測圖 12 之強化影像與直方圖(影像大小：108× 108)
37
(a) 檢測圖 13 (b) 檢測圖 13 的直方圖
(c) 使用方法 1 的強化後圖 (d) 方法 1 的強化後的直方圖
(e) 使用方法 2 的強化後圖 (f) 方法 2 的強化後的直方圖 圖 6.15 檢測圖 13 之強化影像與直方圖(影像大小：120× 120)
下面圖 6.16 至圖 6.19 為自然影像的實驗結果，使用的是對影像的整個直方 圖來做調整，由於自然影像有值的灰階值分佈較為平均，幾乎每個灰階值都有，
所以用此方法來做影像強化，效果並非很明顯，例如圖 6.16 的直方圖之灰階值 從 0 至 255 幾乎都有，所以強化效果並不明顯。若影像有值的灰階值較少的話，
可藉由此方法，對整個直方圖做調整，例如圖 6.17 的直方圖灰階值並不像圖 6.16 的分佈來的多，所以對整張作強化的結果會比較明顯，其對比較為明顯且亮度也 較原本的影像來的高。
38
(a) 原圖 (b) 原直方圖
(c) 結果圖 (d) 強化後直方圖
圖 6.16 Couple 圖之強化影像與直方圖(影像大小：256× 256)
(a) 原圖 (b) 原直方圖
(c) 結果圖 (d) 強化後直方圖
圖 6.17 Army 圖之強化影像與直方圖(影像大小：256× 256)
39
(a) 原圖 (b) 原直方圖
(c) 結果圖 (d) 強化後直方圖
圖 6.18 F16 圖之強化影像與直方圖(影像大小：256× 256)
(a) 原圖 (b) 原直方圖
(c) 結果圖 (d) 強化後直方圖
圖 6.19 Lena 圖之強化影像與直方圖(影像大小：256× 256)
40
第 第 第
第7章 章 章 結論 章 結論 結論 結論
自動光學檢測是利用機器視覺與結合光學和影像處理的一種檢測系統，用途 其為廣泛，而檢測的物品不同的話其檢測方式與後續處理方式也不一樣。本文所 提出的類神經網路於瑕疵分類和基因演算法於影像強化，分別用 ITO 導電玻璃 與 AR 玻璃來做為探討。
在 ITO 導電玻璃瑕疵分類上，主要針對四種瑕疵(刮痕、裂縫、異物與粉塵) 進行分類，檢測影像透過第二章所介紹的影像處理的方法，如直方圖轉換、二值 化、Sobel 邊緣偵測與連接區塊標記法後，並萃取出瑕疵之重要特徵，使我們能 以影像的特徵值做為類神經網路的訓練資料與測試資料，完成訓練後的類神經網 路進行測試，進而將 ITO 導電玻璃透過此系統來加以分類，達到瑕疵分類的目 的，而實驗結果呈現其分類效果非常好，可有效分類不同瑕疵。
本文所提出的影像強化的目的在於凸顯 AR 玻璃的 Mura 瑕疵，因為 Mura 是低對比的瑕疵，若沒有進行影像強化的動作，很難辨識出瑕疵位置與範圍，也 會使得產品品質下降，所以影像強化的方法是利用直方圖調整來將對比拉開，並 使用基因演算法來尋找適當的灰階值調整，使得瑕疵部分被凸顯出來，我們所提 出的方法是以直方圖亮度較高的部分以基因演算法進行調整，使得 Mura 部分有
本文所提出的影像強化的目的在於凸顯 AR 玻璃的 Mura 瑕疵，因為 Mura 是低對比的瑕疵，若沒有進行影像強化的動作，很難辨識出瑕疵位置與範圍，也 會使得產品品質下降，所以影像強化的方法是利用直方圖調整來將對比拉開，並 使用基因演算法來尋找適當的灰階值調整，使得瑕疵部分被凸顯出來，我們所提 出的方法是以直方圖亮度較高的部分以基因演算法進行調整，使得 Mura 部分有