基本影像處理方法介紹

2.3.1 灰階化

灰階化處理是為了將彩色影像中紅色、綠色、藍色三種色階變為單一色階灰 階所做的處理，目的為使計算量減少，計算公式如下：

𝐆𝐫𝐚𝐲 = 𝛂 ∗ 𝐑 + 𝛃 ∗ 𝐆 + 𝛒 ∗ 𝐁 𝛂 + 𝛃 + 𝛒 = 𝟏

在 L. Fu 等[8] 提到使用灰階化為影像前處理第一個步驟，經由灰階化、二質 化等前處理完的奇異果影像可以和背景分離，進而計算奇異果的等級，而在此篇 論文中，也是使用灰階化為影像前處理的第一步驟。由於系統判斷的異常需再給 現場人員複查，故為了使檢測結果與人眼判斷差異不大故使用以下參數，此組參 數是著名的心理學公式。

Gray = 0.299 * Red + 0.587 * Green + 0.114 * Blue[9]

2.3.2 二值化

在影像處理中，二值化目的為將目標物件從背景中分割出來，而在本篇論文 中，即是將欲檢測導電區域從不導電區域中分割出來。選擇一個門檻值 T，若灰階 像素點值大於 T 則為 255 呈現白色，若灰階像素點值小於 T 則為 0 呈現黑色，計 算公式如下：

H(g

)=

9

 Minimum residual method：在本論文中使用田方治[3] 所使用的二值化方法，

在統計學中殘差法的定義為，實際觀測值與預測值之間差值的平方。實際觀 察值在影像處理中為經由灰階化處理的影像中，每一個像素點的灰階數值，

而預測值則為二值化處理的影像中，每一個像素點的灰階數值，如上所述最 小殘差法二值化為找一個門檻值 T 使得灰階化影像和二值化影像的平方殘差 值最小。

 Maximum entropy：在二值化方法中也有中央大學影像處理暨虛擬實境實驗室 [4] 中所提出最大熵法。在一張影像中，灰階像素的數值種類越多，則這一張 影像中的灰階熵值也就隨之越大，換句話說各種灰階值都有的影像其灰階熵 值也最大。所以最大熵法二值化的意義就是找一個門檻值 T 將像素灰階值分 為兩群，使得兩群像素的灰階熵值最大，也就是像素分佈儘量均勻分佈。

2.3.3 形態學處理

形態學(Morphology) [10] 原本是研究動植物形態的生物學門，在影像領域，

則用來抽取出影像特定部分的方法。在此篇論文，使用侵蝕運算來縮減金屬區域 邊緣，能使邊緣的灰色區域不被誤判為 NG 影像，又或者使用閉合運算讓遮罩的 毛刺可以消除，進而檢出邊緣毛刺形狀的瑕疵。

 侵蝕運算：侵蝕是使影像中白色區域縮小的影像處理方法。其定義為：

A ⊖ B = {x | B

 膨脹運算：膨脹是使影像中白色區域放大的影像處理方法。其定義為：

A ⊕ B = {x | B

∩A≠∅ }

 閉合運算：閉合先對目標影像做膨脹運算，再對影像做侵蝕運算，其作用為 將斷線連接、填補小洞與使輪廓平滑。其定義為：

A ● B = (A ⊕ B) ⊖ B

10

 斷開運算：斷開為先對目標影像做侵蝕運算，再做影像之膨脹運算，其作用 為去除影像中的小雜訊、切斷細頸、消除銳角與毛刺等。其定義為：

A ○ B = (A ⊖ B) ⊕ B

2.3.4 Blob analysis

像素之間彼此相鄰且具有相同屬性或條件的像素，所形成的像素集合。若一 張影像中含有一群像素的集合且是一個連通集合，則稱該集合是影像的一個區 域，亦稱為 Blob。而 Blob analysis 意義[11] 為，截取這些在影像中的連通集合區 域，進行特徵萃取，特徵可包括區塊面積、個數、長、寬、維度與位置等。在張 元碩[5] 中提到，會對已經影像前處理完的影像切割元件做 Blob analysis，經由 Blob analysis 可以得到對瑕疵的描述，而在本論文中使用到的 Blob 特徵如下：

 面積：Blob邊界內的像素點數量的總和。

 質心：的定義為Blob的幾何座標中心點。

 邊界盒(Bounding box)：一個可以完全包住邊界的矩形。

2.3.5 影像運算

 影像相加：數位影像是由數個像素點所組成的二維陣列，故影像相加就是二 維矩陣的相加，而影像中不會出現超過 255 的值，所以在影像相減的過程中 若有大於 255 的值，則視為 255。

 影像相減：影像相減就是二維矩陣的相減，而影像中不會出現負值，所以在 影像相減的過程中若有小於 0 的值，則視為 0。在江偉銘[6] 所寫的論文中，

利用影像相減取得移動物體的方向，而在此篇論文中所討論的影像相減運算 有二種目的，其一為兩張影像相減，利用影像相減可以讓灰階值較高的區域 留下來，該區域就可能是異常點發生的區域。其二為將整張影像的像素值減

11

掉 G 值 G 為 0 到 255 之間的一個值，目的是為了減少取像所造成的些微灰階 差異。