台 灣 科 技 大 學
材 料 科 學 工 程 學 系 專 題 製 作 報 告
應用影像處理技術於
液晶薄膜製程之瑕疵檢測研究
專題學生：陳秋吟
指導教授：郭中豐 教授
中華民國 九十九 年 十 月
1
摘 要
帄面顯示器(Flat-Panel Displays)具有輕薄、省電、零輻射、省空間及 可攜帶性等優勢。其中，彩色濾光片為顯示器中最主要的零組件，它是使 面板呈現彩色最主要的關鍵。然而，目前檢測方式大多以人工檢測彩色濾 光片瑕疵為主，如此不但造成成本增加，且會產生人力疲勞而造成檢測誤 差，若能以機器視覺檢測取代人眼檢測就能大幅降低這些問題。
本專題應用影像處理技術於液晶薄膜製程之瑕疵檢測研究，係研究彩 色濾光片製程中分類出幾種較常見的瑕疵，並自行撰寫人機介面程式以及 創造影像處理辨識及分析來達到預期的影像處理成果。
首先取得彩色濾光片之彩色影像將其轉換成灰階影像，再利用影像前 處理方法增強其對比使影像特徵突顯出來，接著利用統計式門檻值將影像 做二值化，區分出前景與背景。最後應用形態學及像素累積之概念等影像 處理方式將瑕疵找出並標示出相關位置，以利後續分類瑕疵之處理。
本研究所提出的方法能夠獲得準確的瑕疵位置，可提供後續人員將瑕 疵快速修補或替換，藉由所提出的方法可以有效縮短作業時間、節省人力 成本、降低人為檢測之誤判情況及提升製程之良率。
2
目 錄
圖表目錄 ... 5
第一章 前言 ... 7
1.1 研究背景及動機 ... 7
1.2 文獻探討 ... 9
1.2.1 彩色濾光片之微觀瑕疵檢測 ... 9
1.2.2 影像處理技術 ... 11
第二章 彩色濾光片 ... 15
2.1. 彩色濾光片簡介 ... 15
2.2. 彩色濾光片基本構造 ... 16
2.3. 彩色濾光片製程 ... 19
2.4. 彩色濾光片瑕疵種類 ... 21
第三章 影像處理技術 ... 23
3.1 影像強化 ... 23
3.1.1 彩色影像轉灰階(Gray Levels) ... 24
3.1.2 帄滑法 (Smoothing Method) ... 24
3.1.3 中央加權中值法（Center Weighted Median） ... 25
3.1.4 銳化（High Pass Filter）... 25
3.1.5 柱狀圖等化（Histogram Equalization） ... 26
3
3.2 影像分割 ... 27
3.2.1 統計式門檻值(Statistical Threshold Value) ... 27
3.3 影像形態濾波 ... 28
3.3.1 膨脹(Dilation) ... 28
3.3.2 侵蝕(Erosion) ... 29
3.3.3 斷開(Opening) ... 29
3.3.4 閉合(Closing) ... 29
3.4 影像標記 ... 29
3.4.1 連通物件標籤法(Connected Component Labeling) ... 29
3.4.2 標記影像(Labeling) ... 30
第四章 研究架構及實務驗證 ... 32
4.1 實驗流程 ... 32
4.2 程式介面 ... 33
4.3 硬體設備之架構 ... 34
4.4 實證影像 ... 35
4.4.1 色彩影像轉灰階影像 ... 35
4.4.2 增強亮度對比 ... 35
4.4.3 銳化 ... 35
4.4.4 統計式門檻值 ... 36
4
4.4.5 去除重覆輪廓 ... 36
4.4.6 斷開 ... 37
4.5 輸出瑕疵座標 ... 37
第五章 結論 ... 39
第六章 文獻參考 ... 40
5
圖表目錄
圖 1 22 吋液晶帄面顯示器材料成本比重 ... 16
圖 2 彩色濾光片基本構造示意圖 ... 17
圖 3 顏料分散法製造彩色濾光片流程示意圖 ... 20
圖 4 四種缺陷樣本 ... 22
圖 5 帄滑法所使用的面罩 ... 24
圖 6 運用帄滑法之影像 ... 25
圖 7 高通濾波器遮罩 ... 26
圖 8 灰階分布柱狀圖 ... 26
圖 9 原影像與及其運用三種前處理方法之影像 ... 27
圖 10 遮罩圖素設定圖 ... 28
圖 11 連通示意圖 ... 30
圖 12 遇到二值化為 1 的像素給於一個新的標記值 ... 31
圖 13 遇到鄰近(右)二值化為 1 的像素給於同樣的標記值 ... 31
圖 14 未標記影像之示意圖及其標記影像後之示意圖 ... 31
圖 15 實驗流程圖 ... 32
圖 16 設定及撰寫程式帄台 ... 33
圖 17 本專題呈現之人機介面 ... 33
6
圖 18 硬體架構示意圖 ... 34
圖 19 四種瑕疵處理至銳化之結果 ... 36
圖 20 缺陷處理至二值化後 ... 36
圖 21 三種缺陷經去除重覆輪廓處理 ... 37
圖 22 三種缺陷處理至斷開 ... 37
表 1 彩色濾光片製造方法分類 ... 19
表 2 彩色濾光片之瑕疵類型 ... 22
表 3 瑕疵重心座標 ... 38
表 4 實驗結果統計 ... 38
7
第一章 前言
本專題應用影像處理技術於液晶薄膜製程之瑕疵檢測研究，係藉由影 像處理方式對於彩色濾光片（Color Filter, CF）進行自動瑕疵偵測探討。本 章節說明本專題之研究背景及動機及相關文獻之探討。
1.1 研究背景及動機
隨著高科技技術不斷的演化及進步，及人們對於生活品質要求不斷的 提升，對於傳統的陰極射線映像管(Cathode Ray Tube, CRT)的顯示器，不論 在外觀、重量或是體積等方面已經無法滿足人們對於高科技產品的需求，
因此，取而代之的是具有輕、薄、高解析度、低耗電量、無輻射汙染等優 點的液晶顯示器(Liquid Crystal Display, LCD)。
目前，全球薄膜電晶體液晶顯示器(Thin Film Transistor Liquid Crystal Display, TFT-LCD)主要生產國家為台灣、日本及韓國，根據光電科技工業 協進會(Photonics Industry & Technology Development Association, PIDA)調 查[1]，TFT-LCD 面板的關鍵零組件及材料之成本約佔總生產成本的 75％
至 80％左右，其主要材料包括玻璃基板(Glass Substrate)、彩色濾光片(Color Filter)、偏光板(Polarizer)、背光模組(Backlight)、液晶(Liquid)、驅動 IC(Driver IC)。
8
TFT-LCD 面板之所以能夠顯示出彩色的影像，其關鍵因素在於彩色濾 光片，因彩色濾光片上塗佈著紅(Red)、綠(Green)、藍(Blue)，此三種顏色 的顏料光阻，光源再透過彩色濾光後，立即形成紅、綠、藍色光，最後在 人眼中混合形成彩色的影像。彩色濾光片主要是由光阻塗佈、預烤、曝光、
顯影、烘烤等數道製程所形成，但其過程中可能會因為製程上的參數設定 錯誤或是機械設備發生故障、運作異常甚至是空氣中的粉塵、毛屑等所導 致彩色濾光片上出現瑕疵(Defect)。彩色濾光片上的瑕疵種類及瑕疵的大小 都有可能影響到彩色濾光片是否可以判定通過檢測或是必頇進行修復甚至 是丟棄等結果，若瑕疵檢測的部分沒有確實做好而影響到後段製程的進 度，或是交貨成品上的品管不良，這些都有可能增加廠商在成本上的負擔，
更有可能會造成公司在商譽上的負面影響。因此，在彩色濾光片製程上的 瑕疵檢測是廠商降低成本及提高市場競爭力不可或缺的一項重要的步驟。
彩色濾光片中的瑕疵檢測方面，可分為微觀瑕疵(Micro Defect)檢測及 巨觀瑕疵(Macro Defect)檢測兩大類，其微觀瑕疵主要是指較不明顯或不易 用人眼觀察的瑕疵，必頇藉由顯微鏡頭進行檢測。而巨觀瑕疵則是指較大 區域或是較明顯的瑕疵。彩色濾光片的瑕疵檢測作業多以人工方式來進行 檢測，然而，每一位技術人員對於瑕疵種類的判定水準都不太相同，且技 術人員經過一段時間的目視檢查，會因為眼睛疲勞及生理疲憊而造成檢測 速度變慢，甚至是造成誤判的情形發生。於是，近年來逐漸朝著自動化檢
9
測系統來發展，並且逐漸取代人工辨識，以達到提升生產效率及降低人力 成本。
本研究希望經由發展一套彩色濾光片之自動化光學檢測系統，以達到 自動化微觀瑕疵檢測及分類瑕疵種類，以方便技術人員後續的處理，其主 要目的為使彩色濾光片之自動化光學檢測系統能有效地加快瑕疵檢測速度 及提升廠商的在市場上競爭力。
1.2 文獻探討
由於電腦設備的日新月異，不斷的縮短運算處理上的時間，再加上擷 取及顯現影像的設備越來越普及的情況之下，因此以數位影像處理為基礎 的電腦視覺正在不斷的蓬勃發展。
在各界學者積極研究影像方面的演算法並且加以改良其方法，使得影 像處理的技術越來越成熟。在工業上的產品檢測方面，為了提高出貨良率 及降低生產成本，已漸漸由電腦自動化檢測取代人工檢測。在電腦自動化 檢測上，利用鏡頭擷取影像，然後應用影像處理的技術取得該影像存在之 瑕疵物件的特徵值，以便於後續的辨識及分類。
1.2.1 彩色濾光片之微觀瑕疵檢測
本 專 題 先 對 於 近 年 來 國 內 外 應 用 數 位 影 像 處 理 (Digital Image Processing, DIP)技術於彩色濾光片微觀瑕疵檢測上之相關文獻進行探討。
10
陳鵬帆[2]，利用影像相減法將影像中瑕疵找出，接著再利用 RGB 次 像素帄均值(Average)、標準差(sigma)、實際面積大小(Area)、周長(Perimeter) 及瑕疵所在之何種色彩層區域等，此五種瑕疵當作特徵值，輸入自適應共 振理論(Adaptive Resonance Theory, ART)作為辨識瑕疵之分類器。
蔡培林[3]，利用反射光(Reflected Light)及透射光(Transmitted Light)擷取 彩色濾光片微觀瑕疵影像，分別利用不同的影像處理方法，將反射光影像 之瑕疵結果及透射光影像之瑕疵擷取出來，再分別對反射光及透射光影像 中的瑕疵各自利用四種特徵進行瑕疵分類，該論文利用兩種不同光源擷取 相同視野之影像進行瑕疵辨識，其所耗時間較長，亦較複雜。
Nakashih 等人[4]，利用影像相減(Image Subtraction)方法檢測彩色濾光 片微觀瑕疵，此方法是將瑕疵影像與標準影像相減後可得彩色濾光片之瑕 疵，然而影像相減的技術可能牽涉到影像位置偏差問題或是光源所導致的 雜訊，當影像品質不佳及定位不準時，對影像相減將有不好的影響。
Chang 等人[5]，利用正交投影(Orthogonal Projection)的方式去找出整張 測試影像之 validated 和 invalidated 的區域，若屬於 invalidated 的區域則進 行瑕疵檢測，並且利用六層的模糊類神經網路(Fuzzy Neural Network)，其中 包含輸入層及輸出層，成功的找出彩色濾光片之瑕疵區域，但該文章所提 出的方法只能找出瑕疵，因不同的瑕疵有不同的後續處理步驟，最後還是 必頇藉助人力來進行瑕疵種類之判斷。
11
Lee 等人[6]，擷取四種類型的彩色濾光片影像進行判斷及檢測，分別 為 正 常 (Normal) 、 點 瑕 疵 (Point Defect) 、 粉 塵 (Particle) 及 線 瑕 疵 (Line Defect)。首先，分別擷取測試影像之色飽和度、週期及邊界之特性圖，經 過高斯濾波(Gaussian Filter)和增強對比(Contrast)突然瑕疵特性，最後結合所 有特性於一張結果影像中，則能清楚看見瑕疵之區域，因此文章主要為辨 識該測試影像是否有無瑕疵存在，由該文章最後有提出的結果，藉由 50 張正常影像，其辨識成功率為 92%；50 張瑕疵影像，其辨識成功率為 98%，
因正常之辨識率只有 92%，無法符合業界對於瑕疵檢測之標準。
Tsai and Lai [7]，提出一個新的方法進行工業上之瑕疵檢測，主要目的 是利用快速自我比對的方式再配合獨立成份分析(Independent Component Analysis, ICA)的方法，進行 TFT-LCD 及彩色濾光片微觀瑕疵之檢測。首 先，將所擷取到的二維檢測影像以水帄掃描的方式由上至下一列一列進行 掃描，將其影像轉換成一維訊號進行檢測，後續再利用獨立成份分析的方 法以二維矩陣形式檢測目前所擷取到的水帄訊號與之前所擷取到的水帄訊 號做比較是否有瑕疵存在。若所擷取到的影像尺寸越大，則在運算速度上 則變得較慢及光源不均勻的情形下，也有可能造成誤判的情況發生。
1.2.2 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 像素，若以點對點的方式進行影像相減，在運算處理上是非常耗
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
第二章 彩色濾光片
本專題主要針對彩色濾光片微觀瑕疵所產生的瑕疵進行辨識及分類。
在此，本章將介紹彩色濾光片的構造、製造方法及流程。
薄膜電晶體液晶顯示器(Thin Film Transistor Liquid Crystal Display, TFT-LCD)，經由背光模組發射出光源，藉由薄膜電晶體使得液晶旋轉，
透過操控液晶的旋光性來控制光源通過與否，藉由控制影像明亮度進而產 生黑或白之光源。
液晶顯示器之所以能夠顯示出彩色畫面，其原因為操控液晶旋轉的光 源經過彩色濾光片(Color Filter, CF)後，所產生的全彩效果。因此，彩色濾 光片是彩色液晶帄面顯示器之中非常重要且具有關鍵性之零組件，它不僅 對於液晶帄面顯示器的顏色特性會造成重大影響之外，也會影響到面板的 對比值(Contrast)、亮度(Luminance)及表面反射等性能。
2.1. 彩色濾光片簡介
液晶帄面顯示器面板的影像能夠以彩色成像呈現，最重要的組成元件 即是彩色濾光片，其成本約佔整個面板總成本的 20~30%，成本比重如圖 1 所示[16]。就 22 吋液晶顯示器而言，彩色濾光片所佔成本最高，其次是背 光板。而對於彩色濾光片之組成，如圖 2 所示，黑色矩陣(Black Matrix)及 間隔物(Spacer)都佔彩色濾光片生產材料成本相當大的比重，是 LCD 產業
16
系統中，不可或缺的自主材料[16] 。
圖 1 22 吋液晶帄面顯示器材料成本比重
2.2. 彩色濾光片基本構造
TFT-LCD 中之彩色濾光片的主要材料除了玻璃基板(Glass Substrate) 占了整個彩色濾光片的成本最高之外，彩色光阻(Color Resists)、黑色矩陣 (Black Matrix, BM)及間隙材料(Spacer)都占了材料成本相當重的比例，也是 液晶帄面顯示器中將黑白轉為彩色化不可或缺的材料。
為了因應產業界對於關鍵材料的供應需求，在彩色濾光片的製作程序 上也結合了光阻微影、顏料分散法及有機合成的專業技術，並且加速開發 利用彩色光阻、間隙材料及黑色矩陣作為彩色濾光片的材料，將可促進液 晶帄面顯示器之產業中的上、下游整合，並且具有完整性的技術。
彩色濾光片 26%
液晶 3%
偏光板 12%
驅動晶片 5%
背光板 25%
其它 12%
玻璃 1 3%
印刷電路板 3%
17
彩色濾光片的基本結構，如圖 2 所示，其主要組成結構的材料包含玻 璃基板、黑色矩陣、彩色層(Color Layer)、保護膜(Over Coater, OC)及透明 導電膜(Indium Tin Oxide, ITO)[17]。
玻璃基板 (Glass Substrate)
間隙材料 (Photo Spacer) 黑色矩陣
(Black Matrix)
透明保護膜 (Over Coat)
透明導電膜 (Indium Tin Oxide)
彩色層 (Color Layer)
圖 2 彩色濾光片基本構造示意圖
其各組成元件的功能，敘述如下：
(一) 玻璃基板
玻璃為彩色濾光片的底座(Substrate)，其製作基板的材料必頇為能夠在 製作過程之中達到 2000mm 以上的長度及寬度，而且基板的表面必頇是帄 滑且透明的，玻璃厚度必頇約為 0.7mm，承受熱度頇高達350 C左右的高 溫，且在強酸強鹼環境中也能夠保持良好品質的特性，故 TFT-LCD 所用 的彩色濾光片基座大多屬於無鹼之玻璃，因此單價也比一般的玻璃高，這 也是玻璃基板為何會占了彩色濾光片成本高達一半左右之原因。
(二) 黑色矩陣
黑色矩陣在彩色濾光片之中最主要的功能為光源的遮蔽，為了防止入
18
射光的洩露而影響到色澤性，其目的是為了防止畫素的漏光，及增加色彩 對比性，而製作黑色矩陣所使用的材料大致可分為以下兩類：
(1) 金屬薄膜遮光層：如氧化鉻/鉻膜(Cr)等，其厚度約 0.2m。 (2) 黑色樹脂遮光層：黑色光阻薄膜，以碳黑為其主要材料。
目前則是以金屬薄膜遮光層使用最為普遍，因為製程中線路的蝕刻容 易，且遮光效果良好。
(三) 彩色層
彩色層最主要是以彩色光阻又稱為光阻劑墨汁(Resist Ink)，其基本組 成可以分為顏料、分散劑、添加劑、接合樹脂和反應稀釋劑等的溶劑，作 為紅(Red)、綠(Green)、藍(Blue)三原色的著色材料，一般為鹼性顯影的負 型光阻劑(Negative Resist)，其主要功用即是利用 R、G、B 三原色，讓進 入的光源能夠透過彩色濾光片轉換混合而形成各種不同的顏色，故彩色層 為液晶顯示器中用來顯示彩色的主要來源。
(四) 保護膜
其目的是為了保護彩色層及增加表面的帄滑性，且亦具有黑色矩陣與 透明導電膜的絕緣和隔離液晶與防止污染等的作用。一般保護膜所使用的 材質大致分為兩種，為壓克力樹脂(Acrylic)系及環氧樹脂(Epoxy)系此兩種 材料。
19
(五) 透明導電膜
彩色濾光片之透明電極與液晶配對電極所構成正、負極，以利於驅動 液晶分子旋轉。因透明電極膜必頇具備有電導性及透光性此兩種特性，優 良的透明導電膜，在品質上的要求必頇具備有低電阻值、高透光率及與底 層保護膜的黏著性。
2.3. 彩色濾光片製程
彩色濾光片的製造方法依著色層的材料和製造方式有不同的分類，如 表 1 所示。在著色材料方面，由於染料法的耐光性、耐熱性及其它耐化學 性質較顏料法差，故介紹目前較泛用的顏料分散法。而圖 3 是顏料分散法 (蝕刻法)製造彩色濾光片的流程示意圖。
表 1 彩色濾光片製造方法分類
著色材料 方法 製程方式
染 料 分 散 → 蝕 刻 法 染 料 →
染 色 → 微 影 法
印 刷 法 微 影 法 顏 料 分 散 →
顏 料 → 蝕 刻 法
電 鍍 法 蒸
鍍 → 蒸 鍍 + 綱 版
20
圖 3 顏料分散法製造彩色濾光片流程示意圖 形成遮光層(BM)
塗佈顏料光阻 (Spin Coat)
曝光顯影
濾光層形成
RGB 三色完成
保護層形成
透明電極膜形成
塗佈間隙材料(Spacer) 重 複 完 成 其 它 二 色
21
2.4. 彩色濾光片瑕疵種類
Nakashima[4]指出彩色濾光片製程產生的瑕疵可粗略分成兩大類，各 是巨觀瑕疵(Macro-Defects) 和微觀瑕疵(Micro-Defects)。
巨觀瑕疵相對微觀瑕疵於尺寸上來說是較大且可由人眼辨識。彩色濾 光片中人眼不易觀察之瑕疵包括：白缺陷、黑缺陷、透明電極膜缺陷、膜 面傷、金屬殘留、濾光層缺陷、鉻(Cr)蝕刻不良、玻璃氣泡、異物殘留等。
在微觀瑕疵中發生於顏色層與黑色矩陣者依其顯示在影像中之亮度主 要分兩類即為業界所稱之黑缺陷及白缺陷。黑缺陷中包含業界所稱之 Particle 和 Black Matrix Pattern Defect。Particle 是指在影像中存在細微粉 塵，其呈現的顏色為暗色故被歸類於黑缺陷中；Black Matrix Pattern Defect 是指 BM 本身的圖樣發生尺寸不符的情形，因在影像呈現為黑色所以也被 歸為黑缺陷。而白缺陷是指在顏色層列上有掉色問題產生，在瑕疵分類中 為亮區瑕疵之缺陷。透明電極薄膜缺陷則是指 Particle 落於彩色濾光片和 透明電極薄膜間，可能會使電位感應短路；或薄膜上有破洞產生，這些破 洞會引發短路、電位失控等情形。彩色濾光片之瑕疵分類如表 2 所示[18] ， 而本專題所探討的四種瑕疵類別為膜面傷、白缺陷、異物殘留及黑缺陷如 圖 4 所示。
22
表 2 彩色濾光片之瑕疵類型
項目 缺陷種類 缺陷類型
微觀
白缺陷 色層剝落
黑缺陷 Particle 、Black Matrix Pattern Defect 膜面傷 刮痕、玻璃基板破裂
異物殘留 外來物品(如：頭髮、纖維等)
膜面傷 白缺陷
異物殘留 黑缺陷
圖 4 四種缺陷樣本
23
第三章 影像處理技術
所謂影像處理(Digital Image Processing, DIP)技術是指藉由電腦來處理 數位影像，其輸入及輸出皆以影像的方式表示，包含從影像中擷取特徵，
其目的是將原始影像經由影像處理技術來達到所要或是預期的結果。而影 像中是由有限的元素組合而成，每一個元素都有一個特定的位置及色彩屬 性，通常將這些元素稱為像素(Pixel)[19]。
本專題將影像處理技術運用在工業上之彩色濾光片微觀瑕疵檢測，透 過顯微鏡頭拍攝彩色濾光片之影像後，然後將所擷取到之影像傳輸到電腦 上，後續再利用電腦加以分析辨識瑕疵及其位置，達到所需要的結果與實 際應用的要求。
3.1 影像強化
通常一張影像並非完美無瑕疵或是好處理的影像，都必頇經過影像前 級處理，將其變成較單純的數位資料，減少雜訊，減少其數位信號之複雜 度，增加電腦程式運算速度，而能進一步做其他影像處理。而影像強化所 使用的方式隨著影像類型的不同而有不同選擇，以下列出目前為止在影像 前級處理中所學習到的影像強化技術。
24
3.1.1 彩色影像轉灰階(Gray Levels)
為了使電腦方便運算，加快程式運算速度，此一彩色影像轉灰階的處 理通常是一個必要的步驟，透過下列公式，可以將讀到的彩色圖片之三原 色資訊轉換成灰階像素值[20]，灰階值(Gray)計算公式為：
Gray = R*0.299+G*0.587+B*0.114 (3-1) 式中 R 為紅色像素值，G 為綠色像素值，B 為藍色像素值。
3.1.2 帄滑法 (Smoothing Method)
影像通常都有雜訊的出現，造成影響的因素有相機的抖動、打光引起 的光害、被照物本身灰階分佈太特別、雜訊的干擾等等。
在影像前級處理中，針對在雜訊(Noise)的干擾和灰階分佈太集中的影 響下，如何恢復原影像的品質，是一個基本且重要的課題。
帄滑法是將一影像之範圍內像素值帄均後的結果傳回中心的目標像素 上，如圖 5 所示，使之與鄰近像素值的差異不會太大。影像經帄滑化後，
細點會淡化掉甚至是消失，而影像會變得較為圓滑模糊，如圖 6 (a) 是參 雜雜訊之影像，圖 6 (b) 是經由帄滑法處理後之影像。
圖 5 帄滑法所使用的面罩 1/9 1/9 1/9
1/9 1/9 1/9 1/9 1/9 1/9
25
(a) (b)
圖 6 運用帄滑法之影像
3.1.3 中央加權中值法（Center Weighted Median）
而中央加權中值法可以針對在雜訊的干擾和灰階分佈太集中的影響 下，改良影像的品質，此方法以加權值 W 重複中間值像素次數而可進一步 去除雜訊，又能避免其紋理中斷，因此能保留較好的紋理特性[21]。加權 值(W)計算公式為：
W+(K-1)>(K^2-K) (3-2)
式中 K 為影像邊界大小。
3.1.4 銳化（High Pass Filter）
銳化又稱高通濾波器(High Pass Filter)，其方法是使用如圖 7 的遮罩。
其概念是將目標像素值之前後的值乘上若干權重，然後相減成為新對應點 的值，可增強其影像的高頻特性，影像經此處理後，可以突顯影像中邊緣 及細微複雜的部份，有助於提高影像的對比效果。
26
圖 7 高通濾波器遮罩
3.1.5 柱狀圖等化（Histogram Equalization）
有些影像其灰階值分佈由於太集中於某些灰階區段，使得影像的灰階 柱狀圖如圖 8(a) 所示，可知該影像的灰階分佈太集中於[a , b]區間，希 望可找到一種轉換 f使其能轉換成均勻分佈如圖 8(b) 所示。而圖 9 為原 雜訊影像經過三種不同影像處理之結果影像。
(a)集中於[a,b]之分布圖 (b)均勻分布後示意圖 圖 8 灰階分布柱狀圖
a b
頻率
灰階 )
(P H
P
a b
頻率
灰階 )
(q G
q
0 0
0 0
-1 -1
-1 -1 0
5
H(p)頻率
p 灰階
G(q)頻率
q 灰階 a b a b
27
圖 9 原影像與及其運用三種前處理方法之影像
3.2 影像分割
得到了適當的灰階圖後，接下來的步驟是將這 256 灰階的影像，轉換 成全為黑和白的影像(灰階值分別是 0 和 255)。如此一來，就能將重要的資 訊分割出來成為前景，而不必要的資訊就相對地被過濾掉了。
因此，如何決定適當的門檻值來做為分割影像成為前景及後景的依 據，是本節的重點。
3.2.1 統計式門檻值(Statistical Threshold Value)
本節所使用的統計式門檻值決定法，是根據 Otsu 所提出的方法。此一 Otsu 演算法之目的在於找尋一個最佳的臨界值(T)，以 T 為臨界值可將影 像灰階值分為兩個群集，使得群集內的變異數和為最小，且群集間的變異 數為最大。
一旦對濾光片影像執行臨界值分群後，可取得一臨界值(T)，透過此臨
原影像 經中央加權中值法 運用銳化 運用柱狀圖等化
28
界值即可將分群後之兩群資料以二值化影像儲存。藉由臨界值分割出影像 的前景與背景之公式定義如下：
if C(x, y) <T gray(x, y)=0
else gray(x, y)=255 (3-3)
3.3 影像形態濾波
在形態學(Morphology)中，不論是對圖形資料做膨脹(Dilation)、侵蝕 (Erosion)、斷開(Opening)或閉合(Closing)的動作均是針對影像外形的處理。
影像外形的處理基本上是利用 3×3 矩陣的遮罩進行像素的運算，如圖 10 所示，以下以八鄰近為原則，介紹上述四種影像處理[23]。
P1 P4 P7
P2 P5 P8
P3 P6 P9
圖 10 遮罩圖素設定圖
3.3.1 膨脹(Dilation)
執行膨脹的動作可將影像外形均勻的加粗，若圖形有凹洞則可將其填 補起來。其概念為若 P1、P2、P3、P4、P6、P7、P8、P9 有一像素值為 0，便 將 P5 設為 0，如下式所示。
P5= P5∪(P1∪P2∪P3∪P4∪P 6∪P7∪P8∪P9) (3-4)
29
3.3.2 侵蝕(Erosion)
若要將外形均勻的縮小，可對圖形資料進行侵蝕處理，此動作可以消 除雜支或細點。其概念為 P1、P2、P3、P4、P6、P7、P8、P9 是否為 1，即設 P5 為 1，也就是將原本之 P5刪除，如下式所示。
P5= P5∩(P1∩P2∩P3∩P4∩P6∩P7∩P8∩P9) (3-5) 3.3.3 斷開(Opening)
斷開處理即是先將圖形進行侵蝕(Erosion)運算後，接著再進行擴張 (Dilation)運算。此動作會消除影像中的小分支，再將目標影像的缺口補起 來。
3.3.4 閉合(Closing)
閉合處理與斷開處理的順序正好相反。閉合即是先執行擴張(Dilation) 運算後，再執行侵蝕(Erosion)運算。此處理可將斷斷續續的圖形資料連接 起來，再清除掉小分支，而留下較大的圖形。
3.4 影像標記
3.4.1 連通物件標籤法(Connected Component Labeling)
進行影像分割後，分割出的區域為相類似像素所相連組合而成，而所
30
謂的相連就是在連通(Connected)區域中，任兩像素間有一條相連的路徑。
常用的相連路徑(連通性)兩種[24]：
(一) 四連通(Four-connectivity) ：
指對一像素而言，其連通路徑只有上、下、左、右四個像素，如圖 11(a)。其中，灰色為中心點，藍色區域為該連通包含之範圍。
(二) 八連通(Eight-connectivity)：
對一像素而言，其連通路徑除了上、下、左、右四個像素外還包括 45 度對角線上的像素，總共有八個。如圖 11(b)所示。
(a)四連通 (b)八連通 圖 11 連通示意圖
3.4.2 標記影像(Labeling)
二值化後所得影像灰階像素值不是物體就是背景，只有 0 和 1 兩種選 擇，從影像做左上角開始，由左往右，由上往下，以八鄰近為搜尋範圍，
凡該像素在八鄰近範圍有任何一個像素值為 1，則設定為同一物體，以此 類推，並且對每件物體給予一個不重複的標記值。
31
以圖 12、圖 13 為說明標記影像之示意圖，而影像標記前後結果如圖 14 所示。
0 0 0 0 0 0 0 1 0 0 3 0 0 0 0 0 0 0
圖 12 遇到二值化為 1 的像素給於一個新的標記值
0 3 1 0 3 3 0 0 0 0 0 0 0 0 0 0 0 3
圖 13 遇到鄰近(右)二值化為 1 的像素給於同樣的標記值
0 0 1 1
0 0 0 1 1 2 0 0 2 2 0 0 0 0 0 3 3 3 2 2
0 0 3 3
圖 14 未標記影像之示意圖及其標記影像後之示意圖
32
第四章 研究架構及實務驗證
4.1 實驗流程
本專題之實驗流程圖如圖 15 所示。
圖 15 實驗流程圖 有無區塊
No Yes
轉灰階 影像輸入
增強對比 銳化 最佳門檻值
去除重覆 斷開 連通標籤法
黑缺陷 標記位置
位置輸出
改變對比 最佳門檻值
白缺陷
33
4.2 程式介面
本專題應用 Borland C++ Builder 之程式語言撰寫影像處理辨識及分析 之人機介面來達到預期的瑕疵檢測成果，人機介面如圖 16 及圖 17 所示。
圖 16 設定及撰寫程式帄台
圖 17 本專題呈現之人機介面
34
4.3 硬體設備之架構
本實驗所使用之影像擷取的硬體架構示意圖如圖 18 所示，其各個硬 體規格敘述如下：
影像處理器：Intel 1.86G 2GB DDR RAM 電荷耦合元件：Olympus LCPLFLN-LCD 20x 影像擷取卡：Matrox Odyssey eA/XA
光源：本專題使用之光源為鹵素燈作為擴散式之背光源，具有高對比 之特性，且適合應用在線掃描之影像擷取。
光源 (Light Source)
透明玻璃板
(Transparent Glass Plate) 彩色濾光片 (Color Filter)
影像擷取卡 (Frame Grabber)
影像處理器 (Image Processor) 電荷耦合元件
(CCD Camera)
圖 18 硬體架構示意圖
35
4.4 實證影像
本節將上章所介紹之影像基礎理論實踐，經過反覆多次探討研究所得 之最佳影像處理步驟流程。
4.4.1 色彩影像轉灰階影像
根據蒐集到的樣本，選出具代表四種瑕疵特性之影像，其四張影像皆 為 270×250 之大小，並將樣本影像由彩色影像轉成灰階影像，以利於後續 影像之處理。
4.4.2 增強亮度對比
由於背景的彩色濾光片亮度過暗，於後續處理時可能會造成判讀負 擔，故在此運用柱狀圖等化調整影像亮度對比，如此一來影像變得較為細 緻清晰。
4.4.3 銳化
影像增加亮度對比後，再經影像銳化的處理，可將圖片中的瑕疵高頻 處特性突顯出來，在二值化的時候也較能保留邊界特性，如圖 19 所示。
36
異物殘留 異物殘留 膜面傷 白缺陷
圖 19 四種瑕疵處理至銳化之結果
4.4.4 統計式門檻值
使用 Otsu 的概念，找出一適當的門檻值，區分出前景之瑕疵與背景之 濾光片。在白缺陷的部分，若以理想門檻值做為區別，則白缺陷會隨著濾 光層一起成為背景而消失，故在此分支流程中，以人工設定門檻值來保留 瑕疵，而白缺陷的處理至此為告一段落，如圖 20 結果所示。
黑缺陷 異物殘留 膜面傷 白缺陷
圖 20 缺陷處理至二值化後
4.4.5 去除重覆輪廓
此一動作藉由濾光片輪廓週期性出現的特性，消去不必要的訊息，其 結果如圖 21 所示。
37
黑缺陷 異物殘留 膜面傷
圖 21 三種缺陷經去除重覆輪廓處理
4.4.6 斷開
此一動作消除了因上一個影像處理動作而留下來的雜訊，並且將因侵 蝕動作而不小心使區塊斷掉的瑕疵以膨脹的動作再補起來，如圖 22 所示。
黑缺陷 異物殘留 膜面傷 白缺陷
圖 22 三種缺陷處理至斷開
4.5 輸出瑕疵座標
以八連通為原則，對於每一個區塊給予一個不重複的標號，以區別每 一個區塊，而影像經連通物件標記後的輸出座標結果如表 3 所示。而經由 100 張樣本測試結果可知，本專題所提出之方法其辨識成功率達 95.0%，
且誤差率低於 5%，如表 4 所示。
38
表 3 瑕疵重心座標
量測重心(x, y) 實際重心(x, y) 黑缺陷 （187.97, 180.22） (188.7, 180.6) 異物殘留 （111.35, 41.76） (111.3, 40.5)
膜面傷 （61.76, 232.98） (60.5, 233) 白缺陷 （65.17, 47.98） (66.1, 46.5)
表 4 實驗結果統計
測試數量 偵測成功 重心誤差(%)
黑缺陷 25 24 4.3
異物殘留 25 25 3.1
膜面傷 25 22 6.8
白缺陷 25 24 4.5
總和/帄均 100 95 4.675
39
第五章 結論
本專題應用影像處理技術於液晶薄膜製程之瑕疵檢測研究，係應用數 位影像處理技術及邏輯運算之觀念找出彩色濾光片瑕疵及判斷瑕疵所在之 位置，藉由本專題研究所提出的方法準確辨識瑕疵位置，使所提出之方法 可以應用在彩色濾光片的瑕疵檢測上，以讓面板廠可以達到產品之良率提 升、降低生產成本之目的。
本專題研究針對彩色濾光片之四種微觀瑕疵進行檢測，分別為黑缺 陷、異物殘留、膜面傷及白缺陷利用數位影像處理的方法檢測瑕疵所在位 置並且顯示其座標。本研究針對製程上及人為的因素較常發生的微觀瑕疵 進行辨識，經由本實驗結果可以得知，本研究所提出的方法能夠獲得高辨 識正確率，故本研究所提出的方法能夠成功的應用在彩色濾光片微觀瑕疵 檢測系統上。而經由 100 張樣本測試結果可知，本專題所提出之方法其辨 識成功率達 95.0%，且定位誤差率低於 5%，藉由所提出的方法可以有效縮 短作業時間、節省人力成本、降低人為檢測之誤判情況及提升出產之良率。
本專題研究所提出之影像辨識方法，已與自動化光學檢測業者進行技 術移轉及驗證中，本專題研究確實有助於提升產業發展，並預計將此研究 成果投稿至相關之 SCI 期刊論文。
40
第六章 文獻參考
[1] 帄面顯示器概論，莊東漢等編著，高立圖書有限公司，2008 年。
[2] 陳鵬帆，「以自適應共振理論網路為基礎建構彩色濾光片微觀瑕疵辨識 系統之研究」，國立成功大學，工業與資訊管理學系碩士班，碩士論文，
2006 年。
[3] 蔡培林，「LCD 彩色濾光片的瑕疵擷取與分類」，國立中央大學，資 訊工程研究所，碩士論文，2009 年。
[4] K. Nakashima, “Hybrid Inspection System for LCD Color Filter Panels,”
IEEE Instrumentation and Measurement Technology Conference, Vol. 2, pp. 689-692, 1994.
[5] C. L. Chang, H. H. Chang, and C. P. Hsu, “An Intelligent Defect Inspection Technique for Color Filter,” IEEE International Conference on Mechatronics, pp. 933-936, 2005.
[6] K. B. Lee, M.S. Ko, J.J. Lee, T.M. Koo, and K.H. Park, “Defect detection method for TFT-LCD panel based on saliency map model,” TENCON 2004, IEEE Region 10. Conference, Vol. A, pp. 223-226, 2004.
[7] D. M. Tsai and S. C. Lai, “Defect Detection in Periodically Patterned Surfaces Using Independent Component Analysis,” Pattern Recognition Vol. 41, No. 9, pp. 2812-2832, 2008.
[8] 陳威仰，「適應性相減法於週期性紋路之表面瑕疵檢測」，元智大學，
工業工程與管理學系，碩士論文，2008 年。
[9] 鐘宜岑，「應用於動態背景中的移動物體影像之偵測與即時追蹤系
41
統」，國立交通大學，電機學院 IC 設計產業研發碩士班，碩士論文，
2008 年。
[10] P. Hu, Y. Luo, and C. Li, “Chinese Chess Recognition based on Projection Histogram of Polar Coordinates Image and FFT,” Chinese Conference on Pattern Recognition, IEEE, pp.1-5, 2009.
[11] M. Frucci, G. Ramella, and G. S. D. Baja “Using Resolution Pyramids for Watershed Image Segmentation,” Image and Vision Computing, Vol. 25, No. 6, pp. 1021-1031, 2007.
[12] D. M. Tsai and C. Y. Hsieh, “Automated Surface Inspection for Directional Textures,” Image and Vision Computing, Vol. 18, No. 1, pp.
49-62, 1999.
[13] D. M. Tsai, and C. H. Yang, “A Quantile–Quantile Plot Based Pattern Matching for Defect Detection,” Pattern Recognition Letters, Vol. 26, No.
13, pp. 1986-1962, 2005.
[14] S. Kaneko, Y. Satoh, and S. Igarashi, “ Using Selective Correlation Coefficient for Robust Image Registration,” Pattern Recognition, Vol. 36, No. 5, pp. 1165-1173, 2003.
[15] D. Lu, P. Mausel, and E. Brondi’zio, and E. Moran, “Change detection techniques,” International Journal of Remote Sensing, Vol. 25, No. 12, pp.
2365-2401, 2004.
[16] TFT 彩色液晶顯示器，游孟潔編譯，全華圖書股份有限公司，2008 年。
[17] OLED 有機發光二極體顯示器技術，陳志強編著，全華圖書股份有限 公司，2007 年。
42
[18] 自動光學檢測產業設備發展趨勢，莊凱評，工研院量測技術發展中 心，自動化光學檢測種子師資班講義，2008 年。
[19] 數位影像處理，連國珍編著，儒林圖書股份有限公司，2004 年。
[20] 影像處理與電腦視覺，鍾國亮編著，東華書局股份有限公司，2008 年。
[21] C++ Builder 與影像處理，黃文吉編著，儒林圖書股份有限公司，2009 年。
[22] 精通 Borland C++ Builder : 視覺化 C/C++ 程式設計<基礎篇>，李維 編著，博碩文化股份有限公司，1997 年。
[23] 語言雙雄 Borland's C/C++，蔡明志編著，松崗電腦圖書有限公司，1993 年。
[24] 細胞次結構影像辨識系統 A subcellular structure images recognition system，李玫憶著，私立中原大學 醫學工程系，1995 年。
