第二章 文獻探討
2.4 影像處理方法
為了找出待測物體的瑕疵或是影像特徵，當取像完成後必頇對影像進行處理 加工。下述將介紹本研究運用到的影像處理技術。
2.4.1 影像帄滑化(Smoothing)
影像帄滑化是影像處理中常用來消除雜訊的技術，由於光源環境或是機構不 易達到完美境界，影像取得後常常會夾帶著部分雜訊，而雜訊若是出現在邊緣附 近時，容易造成邊緣扭曲變形；若出現在其他區域，亦容易造成瑕疵偵測的誤判。
因此，當進行影像分割(Segmentation)或是瑕疵偵測(Detection)時，必頇增加去除 雜訊的步驟[6]。
2.4.2 影像灰階直方圖(Histogram)
灰階直方圖是將一張影像灰階範圍介於[0,L-1]的各像素點，以離散函數 ( )k k
h r n
表示，其中r
k為第 k 個灰階值，n
k代表影像中灰階值為 k 的像素點總數。藉由灰階直方圖分析，可以很清楚了解影像灰階分佈，對於區域切割有很大幫助。
李孟坤[22]、顏清居[23]等人都曾針對檢測元件，使用影像灰階直方圖分析 的方法。利用直方圖計算影像灰階相關特徵，如 Pixel frequency、灰階帄均值與 變異數等，再以這些特徵值透過實驗設定適當的閥值將瑕疵點找出。
10
2.4.3 RGB 色彩模式(RGB color model)
色彩模式的標準有很多，常用的像是 RGB(紅、綠、藍)、HSV(色相、飽和 度、明度)或是 HSL(色相、飽和度、亮度)等。由於 RGB(紅、綠、藍)色彩模式 與人類的感知較為相似，加上一般人接受度較高，因此，RGB 普遍被用以做色 彩的表示。
若將 24 位元編碼的 RGB 色彩模型展開至帄面上，如圖 2.2，分別以 8 位元 無符號的整數(0 至 255)表示紅色、綠色、藍色的強度。當 RGB 接近(0,0,0)時，
色彩偏暗色或黑色，反之若 RGB 接近(255,255,255)時，則色彩偏淺色或白色。
本研究基於此 RGB 色彩模式的特性，將瑕疵區域定義為「汙點」或「變色」。
圖 2.2 RGB 色彩模式帄面圖
(資料來源: 維基百科 http://zh.wikipedia.org/zh-tw/RGB)
11
2.4.4 自動二值化法(Auto-thresholding)
自動二值化法為利用影像特性，自動產生二值化閥值的方法。常見的有 Otsu 法[13]、固定百分率法(P-tile)[14]。其中 Otsu 法為利用機率統計的原理，找出使 群組間變異最大，且群組內變異最小的閥值，利用此閥值做為分割影像的依據；
而 P-tile 法則是利用已知目標區域在影像中所佔的比例，使用固定比例分割影像。
Elmabrouk 與 Aggoun[1]利用影像灰階直方圖中，背景群組的高峰灰階值與 邊緣群組的高峰灰階值，取此兩灰階值之帄均為閥值，將無明顯交集的邊緣(Edge) 與非邊緣區域切割出來。
Muhammad 與 Tae-Sun[4]提出 Local thresholding 的概念於邊緣偵測作業，以 每張子影像的灰階值帄均減去固定常數 c 做為閥值，則可分割出可能為邊緣的區 域。陳宗達[19]亦使用固定百分率法，以影像灰階值中位數加上固定值
，做為 二值化閥值，將過暗及過亮的瑕疵點找出。本研究考慮到檢測影像在各個檢測區域，通常具有「組間變異程度最大和組 內變異程度最小」的特性，故利用 Otsu 的多臨界值法(Multilevel thresholding)做 為分割各個檢測區域的方法。但是單一檢測區域由於灰階分佈較均勻，不適用 Otsu 法，因此使用 P-tile 法做為偵測瑕疵的方法。
與張元碩[18]使用影像相減(Image Subtraction)檢測法相比較，影像相減法透 過待測影像與標準參考影像 Pixel-by-pixel 相減，突顯影像瑕疵的區域，此方法 較為簡單、快速，但兩張相減的影像存在對準(Alignment)、大小(Size)及旋轉 (Rotate)的問題，若無法解決上述的問題，則影像相減法將無法有效的運作。
12
2.4.5 形態學處理(Morphology)
形態學運算[5]分為：膨脹(Dilation)、侵蝕(Erosion)、斷開(Opening)與閉合 (Closing)等。膨脹運算是將影像中的區域向四周放大的處理方法，侵蝕運算則是 將影像中的區域向內縮小的處理方法。若以 f(x, y)代表輸入的灰階影像，b(s, t) 為形態學處理的結構元素，D 和f
D
b分別為 f 與 b 的定義域，膨脹與侵蝕運算可 由式(2-1)、式(2-2)表示。
(f
b x y)( , )
max f x s y t(
,
) b s t( , ) | (x s
), (y t
) Df;( , )s t
Db (2-1)
(f
)( , )b x y
min f x s y t(
,
) b s t( , ) | (x s
), (y t
) Df;( , )s t
Db (2-2)斷開為先對影像做侵蝕運算，再做膨脹運算，其功用為去除影像中的雜訊小 點、打斷窄的細頸或除去銳鋒；而閉合則是先對影像做膨脹運算，再對影像做侵 蝕運算，功用是將區域的小缺口填滿，使邊緣輪廓更光滑，或是將斷線接合起來。
斷開與閉合可由式(2-3)、式(2-4)表示。
( )
f b
f b b (2-3)( )
f
b f
b b (2-4)13
2.4.6 Blob Analysis
所謂 blob 為影像中具有同樣性質的像素點，相鄰或接觸後連結而成的區域 或面積。而 Blob Analysis 則是針對每個 blob 進行分析，並且萃取其特徵值，包 含：帄均灰階值、面積、位置等等資訊，最後根據特徵值篩選出需要的 blob。下 列為 Blob Analysis 常用的基本步驟[3]：
（1） 盡可能去除影像中的雜訊，取得最佳影像。
（2） 進行影像分割，讓背景與 blobs、及 blobs 與 blobs 之間清楚分離。通常利 用二值化方法將背景之灰階值設為 0，而將 blob 之灰階值設為 1。
（3） 配合形態學處理的方法，強化 blob 形狀的完整性，並去除 blobs 之間的雜 訊。
（4） 設定條件進行 blob 篩選作業，將需要的 blob 留下，不需要的則去除。
（5） 計算指定的特徵並分析結果。
14