演算法參數分析

本節將對於檢測演算法中的參數部份，藉實驗方法找出適當的值，主要處理 之參數包括α1、α2與halo ratio。

4.2.1.1 LTB Auto-threshold α1

依照3.2.2、3.2.3 提出之兩階段二值化與 Auto-threshold 方法，LTB 的目的為 切除背景，以突顯瑕疵；故比較「有瑕疵影像」與「無瑕疵影像」，如表4.1 所 示，表中我們可以觀察到於灰階值於16 時兩張影像產生較大的差異，依照 3.2.3 提出之Auto-threshold 方法，設定 LTB 之 Auto-threshold 之 α1 = 4，即 low threshold 為16。

表4.1 有瑕疵影像與無瑕疵影像灰階值分佈比較表

為確認此值為一適當的參數，本研究使用110 張實驗影像在 LTB

Auto-threshold α1 = 4 的設定下測試此結果，其結果如圖 4.1 所示，圖中可發現 LTB Auto-threshold α1 = 4 的設定對這 110 張影像均能有效切除背景，驗證 α1 = 4 為一 適當之參數選擇。

圖4.1 待測影像背景切割效果圖

4.2.1.2 HTB Auto-threshold α2

依照3.2.2、3.2.3 提出之二值化方法與 Auto-threshold 方法，HTB 的目的為 切除背景與光暈，突顯高對比瑕疵，增加瑕疵大小判斷上的準確度。故本研究針 對會發生光暈之瑕疵，包括「纖維」與「粉塵」等高對比瑕疵，分別作分析，以 得到適當之α2值。

圖4.2(a)為纖維之瑕疵影像，在經過 LTB 處理切除背影後，可得到如圖 4.2(b) 之含光暈瑕疵影像，對圖4.2(b)做直方圖如圖 4.3 所示，觀察此直方圖可得約在 灰階值為26 之處為適當的切割點，依照 3.2.3 提出之 Auto-threshold 方法，設定

HTB Auto-threshold α2 = 14，圖 4.2(c)為將瑕疵影像在設定 α2 = 14 時的自動二值 化結果，圖中我們可以發現α2 = 14 之設定對纖維瑕疵光暈切除上效果良好。

(a) Original image (b) Defect with halo (c) Defect without halo

圖4.2 纖維瑕疵影像

Count

圖4.3 含光暈之纖維瑕疵影像直方圖

圖4.4(a)為粉塵之瑕疵影像，在經過 LTB 處理切除背影後，可得到如圖 4.4(b) 之含光暈瑕疵影像，對圖4.4(b)做直方圖如圖 4.5 所示，觀察此直方圖可得約在 灰階值為26 之處為適當的切割點，依照 3.2.3 提出之 Auto-threshold 方法，設定 HTB Auto-threshold α2 = 14，圖 4.4(c)為將瑕疵影像在設定 α2 = 14 時的自動二值

化結果，圖中我們可以發現α2 = 14 對粉塵瑕疵的光暈切除效果良好。

(a) Original image (b) Defect with halo(c) Defect without halo

圖4.4 粉塵瑕疵影像

圖4.5 含光暈之粉塵瑕疵影像直方圖

由以上實驗可以得知：在設定HTB Auto-threshold α2=14 時，對纖維與粉塵 此二種主要的Type II 瑕疵，均可以有效地切除光暈，得到適當的面積估計值，

故本研究將HTB Auto-threshold α2設定為14。

4.2.1.3 Halo ratio

由於光暈大小與耀點大小有一定之比例關系，在3.2.3 中本研究提出了以下 判斷Type II defect 與 Type III defect 之方法，

Let (HTB area)

／

／

＋

Else defect blob is a type III defect

表4.2 為對 Type II 瑕疵所做的 HTB area 與 LTB area 比較表，我們可發現此 13

4.2.1.1 Type I defect

使用13 張 Type I defect 之瑕疵影像，其中包括 9 張刮痕影像、3 張水痕影像 及1 張粉塵影像；為方便肉眼觀察，瑕疵影像經過反白處理且強化其對比，每張 影像解析度為150*150，影像對應之實際大小為 0.351mm*0.351mm，單一像素