影像處理技術

影像處理技術，乃是應用於工業上之自動化瑕疵檢測的核心技術，其 主要目的是將鏡頭擷取到的影像，利用專業人員所提出的方法進行瑕疵檢

12

測及分類，有效提升生產線良率及降低人力成本。

陳威仰[8]，利用相關係數法快速計算其影像的週期，再以適應性影像 相減法利用遮罩(Mask)的方式進行瑕疵檢測，有別於傳統的影像相減，以 克服檢測影像具有些為旋轉或是位移的問題發生，最後利用管制界限法 (Control Limit Law)作為門檻值判定的方法，進行分割影像，其影像大小為

640 450 

時的。

鐘宜岑[9]，利用連續影像相減法(Temporal Frame Difference)處理快速 的性能來找出移動的畫素部份，因所得到的移動畫素也會有背景存在，故 在處理前必頇加入全域補償以降低背景的影響，以區塊為單位(Block-Based) 去計算每個區塊之標準差及移動最大值兩種特徵，便能得知物體的移動資 訊。

Hu 等人[10]，利用 Robert 運算子擷取象棋影像的邊緣，然後利用形態 學(Morphology)的方法加以處理，再以圓形的模板快速檢測出棋子，後續 利用 Hough 轉換將影像轉到極座標帄面，藉由統計投影柱狀圖，並選用快 速傅立葉轉換 (Fast Fourier Transform, FFT)消除柱狀圖的帄移特性，最後 計算測試模版特徵及樣本模板特徵進行棋子文字的辨識。

Frucci 等人[11]，提出一個利用影像金字塔偵測影像中形狀邊緣的方 法，此方法是經由分水嶺的轉化去分割物件框架與背景，且影像金字塔可

13

以阻止過度的分割物件框架與背景，但先前條件是必頇假定所擷取到的影 像都必頇具有高解析才能進行。

Tsai and Hsieh[12]，利用彩色圖形所提出不受物體之旋轉影響的圖形 比對方法，其比對過程分為兩個階段，第一階段稱為粗略比對(Coarse Matching)，選取彩色環形投影(Ring Projection)之相關係數法，此方法有不 受物體之旋轉影像的特性，第二階段稱為細緻比對(Fine Matching)，先由 二次差動的方法再配合色彩模型之中的色彩特徵值作為權重計算，以克服 物體旋轉的影響，再由彩色影像之點相關係數法進一步確認在第一階段所 選擇之區域中最近似於標準圖形之比對結果。

Tsai and Yang[13]，主要目的是利用標準影像與瑕疵影像進行比對，且 此兩種影像之尺寸大小必頇一致，主要方法是利用 Quantile-Quantile(Q-Q) 圖再結合正規化相互相關法(Normalized Cross Correlation, NCC)方法及求 得兩張比對影像之間的 p 值與角度，其 p 值越大則表示與標準模板越相似，

p 值越小則反之；角度越接近 45 度則代表兩張影像越相似，後續利用影像 遮罩(Image Mask)來檢測瑕疵瑕疵是否存在，其遮罩大小為 30 x 30 pixels。

Kaneko 等 人 [14] ， 利 用 選 擇 性 的 相 關 係 數 法 (Selective Correction Coefficient)在影像中有遮蔽物或是光源的條件不足之環境下，亦能進行影 像比對，在影像比對前先利用二元編碼的增加影像亮度訊號(Binary-coded Increment Sign-image)的技術從目標影像和樣板影像產生一張遮罩影像

14

(Mask Image)，其遮罩影像之目的為當目標影像及樣板影像之亮度一致 時，才計算相關係數值。

Lu 等人[15]，利用定量變異區域的方法為單波段影像相減法，此方法 能將前後之影像的同一波段或是指數相減，若是影像中有任何顯著變化的 地方，其結果將會呈現較大的正值或是負值，若無明顯之變化，則將會呈 現在零值附近。

本專題提出應用影像處理技術於彩色濾光片之瑕疵檢測，有助於傳統 檢測效能提升，不僅能降低失誤率也能提升製程之品質。

15