本發(fā)明涉及一種物品缺陷檢測(cè)技術(shù)。

背景技術(shù)：

計(jì)算機(jī)視覺以及圖像識(shí)別技術(shù)已廣泛地應(yīng)用于工業(yè)生產(chǎn)以及傳統(tǒng)制造業(yè)以適應(yīng)產(chǎn)業(yè)自動(dòng)化以及精密化的需求，其借助于視覺圖像的處理程序，達(dá)到有效的質(zhì)量管控，以改善過(guò)程以及降低制造成本。

舉例來(lái)說(shuō)，在晶片的制造過(guò)程中，往往會(huì)因?yàn)樵O(shè)備、環(huán)境以及人為的因素而造成晶片表面缺陷。目前針對(duì)晶片表面缺陷進(jìn)行檢測(cè)的方式主要是借助于圖像捕獲設(shè)備來(lái)獲取晶片表面的圖像，并將其與參考圖像(referenceimage)中的各個(gè)區(qū)塊來(lái)進(jìn)行特征比較，從而取得晶片表面上的缺陷信息?，F(xiàn)行方法主要是先利用兩個(gè)對(duì)應(yīng)區(qū)塊的圖像相減得到的差值圖像(differenceimage)，再比較差值圖像中的像素灰階值是否大于所設(shè)定的閾值來(lái)判定。然而，當(dāng)獲取到的圖像產(chǎn)生色差、色偏、亮度不均或是噪聲干擾等情況時(shí)，會(huì)使得與參考圖像進(jìn)行比較時(shí)，產(chǎn)生多余的假缺陷，還會(huì)導(dǎo)致無(wú)法與參考圖像準(zhǔn)確地迭合進(jìn)行比較。

技術(shù)實(shí)現(xiàn)要素：

有鑒于此，本發(fā)明提供一種物品缺陷的檢測(cè)方法及其圖像處理系統(tǒng)與計(jì)算機(jī)可讀記錄介質(zhì)，其可借助于圖像預(yù)處理程序(imagepre-processing)來(lái)降低物品缺陷檢測(cè)的誤判率。

本發(fā)明提出一種物品缺陷檢測(cè)方法，適用于圖像處理系統(tǒng)，此方法包括下列步驟。首先，接收待測(cè)物品的測(cè)試圖像以及參考圖像。接著，取得測(cè)試圖像中的測(cè)試區(qū)塊，并且自參考圖像中取得對(duì)應(yīng)于測(cè)試區(qū)塊的參考區(qū)塊，以分別產(chǎn)生測(cè)試區(qū)塊圖像以及參考區(qū)塊圖像。分別將測(cè)試區(qū)塊圖像以及參考區(qū)塊圖像分割為多個(gè)測(cè)試子區(qū)塊以及多個(gè)參考子區(qū)塊，其中各個(gè)測(cè)試子區(qū)塊對(duì)應(yīng)于各個(gè)參考子區(qū)塊。之后，將上述測(cè)試子區(qū)塊與上述參考子區(qū)塊進(jìn)行比較， 以自上述測(cè)試子區(qū)塊以及上述參考子區(qū)塊中識(shí)別出任何干擾測(cè)試子區(qū)塊以及任何干擾參考子區(qū)塊，其中各個(gè)干擾測(cè)試子區(qū)塊不相似于任何干擾參考子區(qū)塊，各個(gè)干擾參考子區(qū)塊不相似于任何干擾測(cè)試子區(qū)塊。接著，自測(cè)試區(qū)塊圖像中濾除干擾測(cè)試子區(qū)塊以及對(duì)應(yīng)于干擾參考子區(qū)塊的測(cè)試子區(qū)塊，以產(chǎn)生已濾除測(cè)試區(qū)塊圖像，并且自參考區(qū)塊圖像中濾除干擾參考子區(qū)塊以及對(duì)應(yīng)于干擾測(cè)試子區(qū)塊的參考子區(qū)塊，以產(chǎn)生已濾除參考區(qū)塊圖像。之后，根據(jù)已濾除測(cè)試區(qū)塊圖像以及已濾除參考區(qū)塊圖像，取得偏移校正參數(shù)，再根據(jù)偏移校正參數(shù)，校正測(cè)試圖像中的測(cè)試區(qū)塊，以取得已校正測(cè)試區(qū)塊圖像。接著，將已校正測(cè)試區(qū)塊圖像與參考區(qū)塊圖像進(jìn)行比較，據(jù)以取得待測(cè)物品中對(duì)應(yīng)于測(cè)試區(qū)塊的缺陷信息。

本發(fā)明提出一種圖像處理系統(tǒng)，包括存儲(chǔ)單元以及至少一處理單元，其中處理單元耦接存儲(chǔ)單元。存儲(chǔ)單元用以記錄多個(gè)模塊。處理單元用以存取并執(zhí)行存儲(chǔ)單元中記錄的模塊，其中上述模塊包括圖像接收模塊、區(qū)塊采樣模塊、區(qū)塊比較模塊、區(qū)塊濾除模塊、圖像校正模塊以及缺陷檢測(cè)模塊。圖像接收模塊用以接收待測(cè)物品的測(cè)試圖像以及參考圖像。區(qū)塊采樣模塊用以自測(cè)試圖像中取得測(cè)試區(qū)塊，并且自參考圖像中取得對(duì)應(yīng)于測(cè)試區(qū)塊的參考區(qū)塊，以分別產(chǎn)生測(cè)試區(qū)塊圖像以及參考區(qū)塊圖像。區(qū)塊比較模塊用以分別將測(cè)試區(qū)塊圖像以及參考區(qū)塊圖像分割為多個(gè)測(cè)試子區(qū)塊以及多個(gè)參考子區(qū)塊，并且將上述測(cè)試子區(qū)塊與上述參考子區(qū)塊進(jìn)行比較，以自上述測(cè)試子區(qū)塊以及上述參考子區(qū)塊中識(shí)別出任何干擾測(cè)試子區(qū)塊以及任何干擾參考子區(qū)塊，其中各個(gè)測(cè)試子區(qū)塊對(duì)應(yīng)于各個(gè)參考子區(qū)塊，各個(gè)干擾測(cè)試子區(qū)塊不相似于任何干擾參考子區(qū)塊，各個(gè)干擾參考子區(qū)塊不相似于任何干擾測(cè)試子區(qū)塊。區(qū)塊濾除模塊用以自測(cè)試區(qū)塊圖像中濾除上述干擾測(cè)試子區(qū)塊以及對(duì)應(yīng)于上述干擾參考子區(qū)塊的測(cè)試子區(qū)塊，以產(chǎn)生已濾除測(cè)試區(qū)塊圖像，并且自參考區(qū)塊圖像中濾除上述干擾參考子區(qū)塊以及對(duì)應(yīng)于上述干擾測(cè)試子區(qū)塊的參考子區(qū)塊，以產(chǎn)生已濾除參考區(qū)塊圖像。圖像校正模塊用以根據(jù)已濾除測(cè)試區(qū)塊圖像以及已濾除參考區(qū)塊圖像，取得偏移校正參數(shù)，并且根據(jù)偏移校正參數(shù)，校正測(cè)試圖像中的測(cè)試區(qū)塊，以取得已校正測(cè)試區(qū)塊圖像。缺陷檢測(cè)模塊用以將已校正測(cè)試圖像與參考圖像進(jìn)行比較，據(jù)以取得待測(cè)物品中對(duì)應(yīng)于測(cè)試區(qū)塊的缺陷信息。

本發(fā)明還提供一種計(jì)算機(jī)可讀記錄介質(zhì)，存儲(chǔ)計(jì)算機(jī)程序，其用以執(zhí)行 上述物品缺陷檢測(cè)方法的各個(gè)步驟。

基于上述，本發(fā)明所提出的物品缺陷檢測(cè)方法及其圖像處理系統(tǒng)與計(jì)算機(jī)可讀記錄介質(zhì)，其可在針對(duì)測(cè)試圖像與參考圖像進(jìn)行比較之前，校正測(cè)試圖像中所偏移的測(cè)試區(qū)塊，以利于與參考圖像中對(duì)應(yīng)的區(qū)塊進(jìn)行比較，減少誤判率。

為讓本發(fā)明的上述特征和優(yōu)點(diǎn)能更明顯易懂，下文特舉實(shí)施例，并配合附圖作詳細(xì)說(shuō)明如下。

附圖說(shuō)明

圖1是根據(jù)本發(fā)明一實(shí)施例所繪示的圖像處理系統(tǒng)的框圖。

圖2為根據(jù)本發(fā)明的一實(shí)施例所繪示的物品缺陷檢測(cè)方法的流程圖。

圖3a為根據(jù)本發(fā)明的一實(shí)施例所繪示的待校正區(qū)域的定義方法的流程圖。

圖3b為根據(jù)本發(fā)明的一實(shí)施例所繪示的待校正區(qū)域的定義方法的示意圖。

圖4a為根據(jù)本發(fā)明的一實(shí)施例所繪示的干擾測(cè)試子區(qū)塊以及干擾參考子區(qū)塊的識(shí)別方法的示意圖。

圖4b為根據(jù)本發(fā)明的一實(shí)施例所繪示的檢測(cè)待測(cè)物品的缺陷的流程示意圖。

圖5為根據(jù)本發(fā)明的一實(shí)施例所繪示的物品缺陷檢測(cè)方法的功能框圖。

附圖標(biāo)記列表

100：圖像處理系統(tǒng)

10：存儲(chǔ)單元

110：圖像接收模塊

120：區(qū)塊采樣模塊

130：區(qū)塊比較模塊

140：區(qū)塊濾除模塊

150：圖像校正模塊

160：缺陷檢測(cè)模塊

20：處理單元

s202～s216：物品缺陷檢測(cè)方法的流程

s302～s306：測(cè)試區(qū)域定義方法的流程

300a：測(cè)試圖像

300b：參考圖像

301a～304a：隨機(jī)測(cè)試區(qū)塊

301b～304b：隨機(jī)參考區(qū)塊

h1a、h1b、h4a、h4b：圖像直方圖

h1avg、h4avg：平均圖像直方圖

300r1：偏移區(qū)域

300r2：非偏移區(qū)域

400a：測(cè)試區(qū)塊圖像

400b：參考區(qū)塊圖像

401a～425a：測(cè)試子區(qū)塊

401b～425b：參考子區(qū)塊

401ah～425ah：測(cè)試區(qū)塊圖像直方圖

401bh～425bh：參考區(qū)塊圖像直方圖

ta1～ta5：測(cè)試群組

rb1、rb2：參考群組

400a’：已濾除測(cè)試區(qū)塊圖像

400b’：已濾除參考區(qū)塊圖像

ts：偏移校正測(cè)試區(qū)塊圖像

r：參考區(qū)塊圖像

tsb：模糊化偏移校正測(cè)試區(qū)塊圖像

rb：模糊化參考區(qū)塊圖像

ts+(tsb–rb)：已校正測(cè)試區(qū)塊圖像

[ts+(tsb–rb)]–r：差值圖像

500a：測(cè)試圖像

500b：參考圖像

510：區(qū)塊采樣階段

511～514：區(qū)塊采樣階段的流程

520：偏移校正階段

521～526：偏移校正階段的流程

500a’：偏移校正測(cè)試圖像

530：亮度與色彩校正階段

521～532：亮度與色彩校正階段的流程

500at：已校正測(cè)試圖像

540：常態(tài)比較階段

rt：缺陷檢測(cè)結(jié)果

具體實(shí)施方式

本發(fā)明的部分實(shí)施例接下來(lái)將會(huì)配合附圖來(lái)詳細(xì)描述，以下的描述所引用的組件符號(hào)，當(dāng)不同附圖出現(xiàn)相同的組件符號(hào)將視為相同或相似的組件。這些實(shí)施例只是本發(fā)明的一部分，并未揭示所有本發(fā)明的可實(shí)施方式。更確切地說(shuō)，這些實(shí)施例只是本發(fā)明的權(quán)利要求中的裝置與方法的示例。

圖1是根據(jù)本發(fā)明一實(shí)施例所繪示的圖像處理系統(tǒng)的框圖，但此僅是為了方便說(shuō)明，并不用以限制本發(fā)明。首先圖1先介紹圖像處理系統(tǒng)的所有構(gòu)件以及配置關(guān)系，詳細(xì)功能將配合圖2一并揭露。

請(qǐng)參照?qǐng)D1，圖像處理系統(tǒng)100包括存儲(chǔ)單元10以及至少一處理單元20。圖像處理系統(tǒng)100例如可以是個(gè)人計(jì)算機(jī)、筆記本電腦、平板計(jì)算機(jī)、服務(wù)器計(jì)算機(jī)等具有運(yùn)算功能的電子裝置，或者是數(shù)字相機(jī)、掃描儀、智能手機(jī)等同時(shí)具有圖像獲取功能以及運(yùn)算功能的電子裝置，本發(fā)明不在此設(shè)限。

存儲(chǔ)單元10例如可以是任意形式的固定式或可移動(dòng)式隨機(jī)存取存儲(chǔ)器(randomaccessmemory，ram)、只讀存儲(chǔ)器(read-onlymemory，rom)、閃存(flashmemory)、硬盤、其他類似裝置或是這些裝置的組合。在本實(shí)施例中，存儲(chǔ)單元10用以記錄可加載并且由處理單元20執(zhí)行的多個(gè)模塊。這些模塊包括圖像接收模塊110、區(qū)塊采樣模塊120、區(qū)塊比較模塊130、區(qū)塊濾除模塊140、圖像校正模塊150以及缺陷檢測(cè)模塊160，其例如是存儲(chǔ)在存儲(chǔ)單元10中的程序，可加載圖像處理系統(tǒng)100的處理單元20，而對(duì)物品進(jìn)行缺陷檢測(cè)。

處理單元20例如可以是中央處理單元(centralprocessingunit，cpu)，或是其他可編程的一般用途或特殊用途的微處理器(microprocessor)、數(shù)字 信號(hào)處理器(digitalsignalprocessor，dsp)、可編程控制器、專用集成電路(applicationspecificintegratedcircuits，asic)、可編程邏輯設(shè)備(programmablelogicdevice，pld)或其他類似裝置或這些裝置的組合。處理單元20可存取以及執(zhí)行記錄于存儲(chǔ)單元10的模塊以對(duì)物品進(jìn)行缺陷檢測(cè)。

必須說(shuō)明的是，在其它實(shí)施例中，上述模塊并不限定存儲(chǔ)于存儲(chǔ)單元10中，而還可以是全部或部分以硬件、軟件或固件或其組合來(lái)實(shí)現(xiàn)。舉例而言，硬件模塊可以機(jī)械、電子、光學(xué)、電磁或任何實(shí)體連接來(lái)耦接至另一模塊。軟件模塊可借助于功能、程序、方法、子程序、或子例程調(diào)用、跨接、鏈接、參數(shù)、變量與自變量傳遞、功能轉(zhuǎn)回等來(lái)耦接至另一模塊。軟件模塊可耦接至另一模塊來(lái)接收變量、參數(shù)、自變量、指標(biāo)等，及/或產(chǎn)生或傳遞結(jié)果、更新變量、指針等。固件模塊可借助于任何上述硬件與軟件耦接方法的組合來(lái)耦接至另一模塊。硬件、軟件或固件模塊可耦接至任何另一硬件、軟件或固件模塊。

圖2為根據(jù)本發(fā)明的一實(shí)施例所繪示的物品缺陷檢測(cè)方法的流程圖，而圖2的方法可以圖1的圖像處理系統(tǒng)100的各組件實(shí)現(xiàn)。在以下的實(shí)施例中將以晶片表面缺陷的檢測(cè)進(jìn)行說(shuō)明，然而此流程也適用于其它物品或產(chǎn)品缺陷的檢測(cè)，本發(fā)明不在此設(shè)限。

請(qǐng)同時(shí)參照?qǐng)D1以及圖2，首先，圖像處理系統(tǒng)100的圖像接收模塊110接收待測(cè)物品的測(cè)試圖像以及參考圖像(步驟s202)。在此，測(cè)試圖像為自待檢測(cè)的物品所獲取的圖像，而參考圖像為實(shí)質(zhì)上不具有缺陷并且與待測(cè)物品為相同物品的圖像。然而，在其它實(shí)施例中，參考圖像也可以是該待測(cè)物品在其它指定狀態(tài)下所呈現(xiàn)的圖像以供測(cè)試圖像作為參考比較，本發(fā)明不在此設(shè)限。

在本實(shí)施例中，測(cè)試圖像可以是自待檢測(cè)的晶片所獲取的圖像，而參考圖像為實(shí)質(zhì)上不具有缺陷的晶片的圖像。參考圖像可以預(yù)先存儲(chǔ)于存儲(chǔ)單元10中。假設(shè)圖像處理系統(tǒng)100具有圖像獲取功能時(shí)，圖像接收模塊110可直接接收來(lái)自圖像獲取模塊(未繪示)所獲取到的測(cè)試圖像后，由其它模塊接續(xù)地進(jìn)行物品缺陷的檢測(cè)。假設(shè)圖像處理系統(tǒng)100不具有圖像獲取功能時(shí)，圖像接收模塊110可以無(wú)線或有線傳輸?shù)姆绞饺〉脺y(cè)試圖像后，其它模塊再接續(xù)地進(jìn)行物品缺陷的檢測(cè)。

一般而言，目前針對(duì)晶片表面缺陷進(jìn)行檢測(cè)的方式主要是走訪(iterate)測(cè)試圖像以及參考圖像中的各個(gè)區(qū)塊進(jìn)行比較，借助于比較上的差異獲取芯片上的缺陷信息。然而，當(dāng)獲取到的圖像產(chǎn)生偏移、亮度色彩不均等噪聲干擾時(shí)，往往會(huì)提高晶片表面缺陷的誤判率。因此，在進(jìn)行特征比較之前，圖像處理系統(tǒng)100將針對(duì)測(cè)試圖像進(jìn)行圖像校正，以消除上述影響特征比較的噪聲。

在此，圖像處理系統(tǒng)100可先解決圖像偏移(imageshift)的問(wèn)題。區(qū)塊采樣模塊120將自測(cè)試圖像中取得測(cè)試區(qū)塊，以及自參考圖像中取得對(duì)應(yīng)于測(cè)試區(qū)塊的參考區(qū)塊，以分別產(chǎn)生測(cè)試區(qū)塊圖像以及參考區(qū)塊圖像(步驟s204)。詳言之，區(qū)塊采樣模塊120可將自測(cè)試圖像中所取得的其中一個(gè)區(qū)塊作為“測(cè)試區(qū)塊”，并且自參考圖像中選取與測(cè)試區(qū)塊具有相同圖像坐標(biāo)的區(qū)塊作為參考區(qū)塊。在后續(xù)的步驟中將會(huì)針對(duì)測(cè)試區(qū)塊以及參考區(qū)塊的圖像進(jìn)行圖像處理，而在此測(cè)試區(qū)塊的圖像以及參考區(qū)塊的圖像則是分別為前述所定義的“測(cè)試區(qū)塊圖像”以及“參考區(qū)塊圖像”。

在一實(shí)施例中，區(qū)塊采樣模塊120可將測(cè)試圖像中的一個(gè)默認(rèn)區(qū)域作為測(cè)試區(qū)域。此默認(rèn)區(qū)域可以是測(cè)試物品在生產(chǎn)過(guò)程中統(tǒng)計(jì)出固定產(chǎn)生噪聲的局部區(qū)域。

在另一實(shí)施例中，區(qū)塊采樣模塊120還可以一種較有效率的方式完成全幅測(cè)試圖像的校正，其方法是先自動(dòng)地定義出測(cè)試圖像的待校正區(qū)域，而此待校正區(qū)域則包括多個(gè)待校正的測(cè)試區(qū)塊。詳言之，圖3a為根據(jù)本發(fā)明的一實(shí)施例所繪示的待校正區(qū)域定義方法的流程圖。

請(qǐng)參照?qǐng)D3a，首先，區(qū)塊采樣模塊120將自測(cè)試圖像中隨機(jī)采樣(randomsampling)多個(gè)隨機(jī)測(cè)試區(qū)塊(步驟s302)。接著，區(qū)塊采樣模塊120將判斷每一隨機(jī)測(cè)試區(qū)塊是否偏移(步驟s304)，并且根據(jù)判斷結(jié)果，以自動(dòng)分類器自測(cè)試圖像中劃分出包括多個(gè)待測(cè)試區(qū)塊的待校正區(qū)域(步驟s306)。詳細(xì)來(lái)說(shuō)，區(qū)塊采樣模塊120將先自參考圖像中取得對(duì)應(yīng)于各個(gè)隨機(jī)測(cè)試區(qū)塊的區(qū)塊(在此定義為“隨機(jī)參考區(qū)塊”)，并且將根據(jù)各個(gè)隨機(jī)測(cè)試區(qū)塊與其所對(duì)應(yīng)的隨機(jī)參考區(qū)塊中的圖像直方圖來(lái)判斷是否偏移。接著，區(qū)塊采樣模塊120可根據(jù)上述的判定結(jié)果，利用自動(dòng)分類器(classifier)自測(cè)試圖像中劃分出偏移區(qū)域以及非偏移區(qū)域，其中偏移區(qū)域即為測(cè)試圖像中包含多個(gè)測(cè)試區(qū)塊的待校正區(qū)域。此外，區(qū)塊采樣模塊120還可將判定結(jié)果 存儲(chǔ)至分類器的訓(xùn)練數(shù)據(jù)庫(kù)中，用以訓(xùn)練分類器。

在本實(shí)施例中是采用支持向量機(jī)(supportvectormachines，svm)分類器，其是以一種監(jiān)督式學(xué)習(xí)(supervisedlearning)的方式進(jìn)行數(shù)據(jù)分群，以根據(jù)各個(gè)隨機(jī)測(cè)試區(qū)塊是否偏移，來(lái)針對(duì)整張測(cè)試圖像劃分出偏移區(qū)域以及非偏移區(qū)域。在其它實(shí)施例中，也可利用其它分類器來(lái)進(jìn)行數(shù)據(jù)分群，本發(fā)明不在此設(shè)限。

具體來(lái)說(shuō)，圖3b為根據(jù)本發(fā)明的一實(shí)施例所繪示的待校正區(qū)域的定義方法的示意圖。

請(qǐng)參照?qǐng)D3b，區(qū)塊采樣模塊120自測(cè)試圖像300a中隨機(jī)采樣隨機(jī)測(cè)試區(qū)塊301a～304a，并且自參考圖像300b中取得對(duì)應(yīng)于隨機(jī)測(cè)試區(qū)塊301a～304a的隨機(jī)參考區(qū)塊301b～304b。接著，區(qū)塊采樣模塊120可先取得各個(gè)隨機(jī)測(cè)試區(qū)塊301a～304a以及各個(gè)隨機(jī)參考區(qū)塊301b～304b的像素值分布，并且分別計(jì)算每一隨機(jī)測(cè)試區(qū)塊及其所對(duì)應(yīng)的隨機(jī)參考區(qū)塊的平均像素值分布，再判斷平均像素值分布是否相似于隨機(jī)測(cè)試區(qū)塊的像素值分布或是隨機(jī)參考區(qū)塊的像素值分布，據(jù)以判定隨機(jī)測(cè)試區(qū)塊是否偏移。

舉例來(lái)說(shuō)，區(qū)塊采樣模塊120可判斷出隨機(jī)測(cè)試區(qū)塊301a及其所對(duì)應(yīng)的隨機(jī)參考區(qū)塊301b的平均圖像直方圖h1avg與隨機(jī)測(cè)試區(qū)塊301a的像素值直方圖h1a或者是隨機(jī)參考區(qū)塊301b的圖像直方圖h1b相似，因此則判定隨機(jī)測(cè)試區(qū)塊301a未偏移。以另一觀點(diǎn)來(lái)看，在沒有圖像偏移的情況下，像素值直方圖h1a與像素值直方圖h1b的分布實(shí)質(zhì)上相同。因此，當(dāng)像素值直方圖h1a與像素值直方圖h1b迭合時(shí)，代表兩個(gè)區(qū)塊的像素值的分布區(qū)域?qū)嵸|(zhì)上重迭。另一方面，區(qū)塊采樣模塊120可判斷出隨機(jī)測(cè)試區(qū)塊304a及其所對(duì)應(yīng)的隨機(jī)參考區(qū)塊304b的平均圖像直方圖h4avg與隨機(jī)測(cè)試區(qū)塊304a的圖像直方圖h4a或者是隨機(jī)參考區(qū)塊304b的圖像直方圖h4b皆不相似，因此則判定隨機(jī)測(cè)試區(qū)塊304a為偏移。

區(qū)塊采樣模塊120在判定出隨機(jī)測(cè)試區(qū)塊301a、302a為偏移以及隨機(jī)測(cè)試區(qū)塊303a、304a未偏移后，可利用svm分類器自原測(cè)試圖像300a中劃分出偏移區(qū)域300r1以及非偏移區(qū)域300r2，其中偏移區(qū)域300r1即為測(cè)試圖像300a中待校正的目標(biāo)區(qū)域。

請(qǐng)?jiān)賲⒄請(qǐng)D2，區(qū)塊采樣模塊120將根據(jù)取得的測(cè)試區(qū)塊圖像以及其對(duì)應(yīng)的參考區(qū)塊圖像來(lái)作為偏移校正值的取得來(lái)源。然而，若是測(cè)試區(qū)塊圖像 發(fā)生局部色差時(shí)，則會(huì)干擾圖像偏移的校正。因此，區(qū)塊比較模塊130將要先識(shí)別并且移除此區(qū)塊圖像內(nèi)的局部色差后，才會(huì)針對(duì)測(cè)試區(qū)塊圖像以及參考區(qū)塊圖像進(jìn)行偏移校正值的取得。

詳細(xì)來(lái)說(shuō)，區(qū)塊比較模塊130先將測(cè)試區(qū)塊圖像以及參考區(qū)塊圖像分割為多個(gè)測(cè)試子區(qū)塊以及多個(gè)參考子區(qū)塊(步驟s206)，再將上述測(cè)試子區(qū)塊與上述參考子區(qū)塊進(jìn)行比較，以自上述測(cè)試子區(qū)塊以及上述參考子區(qū)塊中分別識(shí)別出任何干擾測(cè)試子區(qū)塊以及任何干擾參考子區(qū)塊(步驟s208)。在此，區(qū)塊采樣模塊120可以以矩陣分割的方式將測(cè)試區(qū)塊圖像以及參考區(qū)塊圖像切割為多個(gè)相等大小的小區(qū)塊，而兩張圖像皆有相互對(duì)應(yīng)的小區(qū)塊。也就是說(shuō)，各個(gè)測(cè)試子區(qū)塊皆有與其對(duì)應(yīng)的參考子區(qū)塊，而區(qū)塊比較模塊130將會(huì)借助于相互對(duì)應(yīng)的子區(qū)塊來(lái)識(shí)別參考區(qū)塊以及測(cè)試區(qū)塊中干擾圖像偏移校正的子區(qū)塊(即為前述的“干擾測(cè)試子區(qū)塊”以及“干擾參考子區(qū)塊”)，而識(shí)別的方式可以是利用測(cè)試子區(qū)塊以及參考子區(qū)塊內(nèi)所有像素值的分布。

當(dāng)兩張圖像的拍攝主體相同，而其中一張圖像偏移時(shí)，兩張圖像的像素分布的形狀仍會(huì)極為相似。然而，當(dāng)其中一張圖像具有嚴(yán)重色差時(shí)，兩張圖像局部的像素分布將會(huì)有所差異?；诖?，區(qū)塊比較模塊130可借助于測(cè)試子區(qū)塊以及參考子區(qū)塊的圖像直方圖定義出干擾測(cè)試子區(qū)塊以及干擾參考子區(qū)塊。

從一觀點(diǎn)來(lái)看，干擾測(cè)試子區(qū)塊的像素值分布將不會(huì)與任何參考子區(qū)塊的像素值分布相似。從另一觀點(diǎn)來(lái)看，干擾參考區(qū)塊的像素分布也不會(huì)與任何測(cè)試子區(qū)塊的像素分布相似。然而，逐一地針對(duì)各個(gè)測(cè)試子區(qū)塊與其對(duì)應(yīng)的參考子區(qū)塊進(jìn)行比較將會(huì)耗費(fèi)過(guò)多的時(shí)間，因此在本實(shí)施例中，區(qū)塊比較模塊130可利用各個(gè)子區(qū)塊的像素值分布來(lái)進(jìn)行分群，以加速干擾測(cè)試子區(qū)塊以及干擾測(cè)試子區(qū)塊的識(shí)別。

在此，區(qū)塊比較模塊130在取得各個(gè)測(cè)試子區(qū)塊以及參考子區(qū)塊的圖像直方圖(分別定義為“測(cè)試子區(qū)塊圖像直方圖”以及“參考子區(qū)塊圖像直方圖”)后，可分析各個(gè)圖像直方圖的特征，并且依照相似度來(lái)將測(cè)試子區(qū)塊分布以及參考子區(qū)塊分布進(jìn)行分群，以分別產(chǎn)生多個(gè)測(cè)試群組以及多個(gè)參考群組。接著，區(qū)塊比較模塊130再將不同于任一參考群組的測(cè)試群組所對(duì)應(yīng)的測(cè)試子區(qū)塊設(shè)定為干擾測(cè)試子區(qū)塊，以及將不同于任一測(cè)試群組的參考群組所對(duì)應(yīng)的參考子區(qū)塊設(shè)定為干擾參考子區(qū)塊。以數(shù)學(xué)上而論，假設(shè)ts定 義為測(cè)試子區(qū)塊的集合，并且rs定義為參考子區(qū)塊的集合，則所有的干擾子區(qū)塊可以下列數(shù)學(xué)式來(lái)表示：

rsδts＝(rs∪ts)–(rs∩ts)

其中∪表示并集(union)，∩表示交集(intersect)，而δ表示對(duì)稱差(symmetricdifference)。換言之，所有的干擾子區(qū)塊rsδts僅能屬于其中一個(gè)集合，而不能同時(shí)屬于兩個(gè)集合。

具體來(lái)說(shuō)，圖4a為根據(jù)本發(fā)明的一實(shí)施例所繪示的干擾測(cè)試子區(qū)塊以及干擾參考子區(qū)塊的識(shí)別方法的示意圖。

請(qǐng)參照?qǐng)D4a，區(qū)塊比較模塊130將分割測(cè)試區(qū)塊圖像400a以及參考區(qū)塊圖像400b為測(cè)試子區(qū)塊401a～425a以及參考子區(qū)塊401b～425b，并且取得測(cè)試子區(qū)塊401a～425a的圖像直方圖(在此定義為“測(cè)試子區(qū)塊圖像直方圖”401ah～425ah以及“參考子區(qū)塊圖像直方圖”401bh～425bh)。接著，區(qū)塊比較模塊130可分析直方圖的特征，并且依照相似度來(lái)將測(cè)試子區(qū)塊圖像直方圖401ah～425ah以及參考子區(qū)塊圖像直方圖401bh～425bh進(jìn)行分群。在本實(shí)施例中，測(cè)試子區(qū)塊圖像直方圖401ah～425ah可為五個(gè)群組，即測(cè)試群組ta1～ta5；參考區(qū)塊圖像直方圖401bh～425bh可為兩個(gè)群組，即參考群組rb1以及rb2。

區(qū)塊比較模塊130將會(huì)分析出測(cè)試群組ta3、ta4以及ta5并不相似于參考子區(qū)塊圖像直方圖301bh～325bh所分群出來(lái)的群組rb1以及rb2。因此，區(qū)塊比較模塊130會(huì)將測(cè)試群組ta3、ta4以及ta5所對(duì)應(yīng)的測(cè)試子區(qū)塊411a～412a、416a～418a、421a～424a設(shè)定為干擾測(cè)試子區(qū)塊。另一方面，在此實(shí)施例中，并不存在干擾參考子區(qū)塊。

請(qǐng)?jiān)賲⒄請(qǐng)D2，區(qū)塊比較模塊130在識(shí)別出所有的干擾測(cè)試子區(qū)塊以及干擾參考子區(qū)塊后，區(qū)塊濾除模塊140將自測(cè)試區(qū)塊圖像濾除干擾測(cè)試子區(qū)塊以及對(duì)應(yīng)于干擾參考子區(qū)塊的測(cè)試子區(qū)塊，以產(chǎn)生已濾除測(cè)試區(qū)塊圖像，并且自參考區(qū)塊圖像濾除干擾參考子區(qū)塊以及對(duì)應(yīng)于干擾測(cè)試子區(qū)塊的參考子區(qū)塊，以產(chǎn)生已濾除參考區(qū)塊圖像(步驟s210)。詳言之，以測(cè)試區(qū)塊圖像來(lái)說(shuō)，區(qū)塊濾除模塊140除了要濾除所識(shí)別出的干擾測(cè)試子區(qū)塊之外，還要濾除測(cè)試區(qū)塊圖像中所有對(duì)應(yīng)于干擾參考子區(qū)塊的測(cè)試子區(qū)塊。同樣地，以參考區(qū)塊圖像來(lái)說(shuō)，區(qū)塊濾除模塊140除了要濾除所識(shí)別出的干擾參考子區(qū)塊之外，還要濾除參考區(qū)塊圖像中所有對(duì)應(yīng)于干擾測(cè)試子區(qū)塊的參考 子區(qū)塊。據(jù)此，區(qū)塊濾除模塊140在針對(duì)測(cè)試區(qū)塊圖像以及參考區(qū)塊圖像執(zhí)行完濾除程序后，所產(chǎn)生的已濾除測(cè)試區(qū)塊圖像與已濾除參考區(qū)塊圖像中僅將保留后續(xù)可作為圖像偏移比較用的子區(qū)塊。

具體來(lái)說(shuō)，以圖4a為例，區(qū)塊比較模塊130在圖4a將測(cè)試子區(qū)塊411a～412a、416a～418a、421a～424a設(shè)定為干擾測(cè)試子區(qū)塊后，區(qū)塊濾除模塊140將會(huì)把測(cè)試區(qū)塊圖像400a中的干擾測(cè)試子區(qū)塊以及參考區(qū)塊圖像400b中對(duì)應(yīng)于干擾測(cè)試子區(qū)塊的參考子區(qū)塊411b～412b、416b～418b、421b～424b濾除，以分別產(chǎn)生已濾除測(cè)試區(qū)塊圖像400a’以及已濾除參考區(qū)塊圖像400b’。

接著，圖像校正模塊150將根據(jù)已濾除測(cè)試區(qū)塊圖像以及已濾除參考區(qū)塊圖像，利用圖像特征比較法(feature-basedimagematching)取得偏移校正參數(shù)(步驟s212)，并且根據(jù)偏移校正參數(shù)，校正測(cè)試圖像中的測(cè)試區(qū)塊，以取得已校正測(cè)試圖像(步驟s214)。詳言之，圖像校正模塊150可根據(jù)特征的比較將已濾除測(cè)試區(qū)塊圖像與已濾除參考區(qū)塊圖像對(duì)齊(imagealignment)。圖像校正模塊150為了使兩張圖像得以重迭而針對(duì)已濾除測(cè)試區(qū)塊圖像所需補(bǔ)償?shù)闹?，即為偏移校正參?shù)。換言之，圖像校正模塊150所取得的偏移校正參數(shù)即為已濾除測(cè)試區(qū)塊圖像相對(duì)于已濾除參考區(qū)塊圖像的偏移值。接著，圖像校正模塊150可進(jìn)而利用偏移校正參數(shù)對(duì)測(cè)試區(qū)塊進(jìn)行校正。

在一實(shí)施例中，圖像校正模塊150可在執(zhí)行校正程序前，先針對(duì)濾除測(cè)試圖像以及濾除參考圖像進(jìn)行模糊化處理以及二值化處理，以取得更為準(zhǔn)確的偏移校正參數(shù)。

詳細(xì)來(lái)說(shuō)，圖像校正模塊150可先針對(duì)濾除測(cè)試圖像以及濾除參考圖像分別執(zhí)行模糊化處理，以減少圖像噪聲以及降低細(xì)節(jié)層次，而保留圖像整體的分布特征。在本實(shí)施例中，圖像校正模塊150可以利用高斯模糊濾波器(gaussianblurfilter)等低通濾波器(low-passfilter)來(lái)執(zhí)行模糊化處理，然而本發(fā)明不在此設(shè)限。在此將模糊化的濾除測(cè)試圖像以及濾除參考圖像分別定義為“模糊化測(cè)試圖像”以及“模糊化參考圖像”。

接著，圖像校正模塊150還可進(jìn)一步地針對(duì)模糊化測(cè)試圖像以及模糊化參考圖像分別執(zhí)行二值化處理，以消除不必要被檢視的噪聲，以加速進(jìn)行特征的比較。在此將二值化的濾除測(cè)試圖像以及濾除參考圖像分別定義為“二 值化測(cè)試圖像”以及“二值化參考圖像”。在此，圖像校正模塊150可利用二值化測(cè)試圖像以及二值化參考圖像來(lái)取得偏移校正參數(shù)，而根據(jù)兩張圖像取得偏移校正參數(shù)的方式請(qǐng)參照前述相關(guān)說(shuō)明，于此不再贅述。

在本實(shí)施例中，圖像校正模塊150在取得已校正測(cè)試區(qū)塊圖像后，缺陷檢測(cè)模塊160將已校正測(cè)試區(qū)塊圖像與參考區(qū)塊圖像進(jìn)行比較，據(jù)以取得待測(cè)物品中對(duì)應(yīng)于測(cè)試區(qū)塊的缺陷信息(步驟s216)。缺陷檢測(cè)模塊160可利用各種比較的方式來(lái)判斷已校正測(cè)試區(qū)塊圖像與參考區(qū)塊圖像之間是否存在差異，從而檢測(cè)出待測(cè)物品的缺陷。舉例來(lái)說(shuō)，缺陷檢測(cè)模塊160可判斷已校正測(cè)試區(qū)塊圖像的每一像素與其在參考區(qū)塊圖像所對(duì)應(yīng)的像素之間的差值是否大于檢測(cè)閾值。若是，則代表該像素為缺陷信號(hào)，缺陷檢測(cè)模塊160可判定待測(cè)物品于測(cè)試區(qū)塊存在缺陷。此外，缺陷檢測(cè)模塊160還可借助于已校正測(cè)試區(qū)塊圖像中與參考區(qū)塊圖像具有差異的像素，利用其圖像坐標(biāo)來(lái)定位出待測(cè)物品于測(cè)試區(qū)塊中的缺陷所在位置。

必須說(shuō)明的是，上述流程雖然僅針對(duì)測(cè)試圖像中的測(cè)試區(qū)塊進(jìn)行檢測(cè)，其也適用于測(cè)試圖像中待校正區(qū)域的其它測(cè)試區(qū)塊，以完成全幅測(cè)試圖像的校正。其它測(cè)試區(qū)塊的校正方式以及缺陷定位方式可參照相關(guān)說(shuō)明，于此不再贅述。然而，在另一實(shí)施例中，圖像校正模塊150可直接利用一個(gè)測(cè)試區(qū)塊的偏移校正參數(shù)校正包括多個(gè)測(cè)試區(qū)塊的整個(gè)待校正區(qū)域，以加速校正的程序。具體來(lái)說(shuō)，圖像校正模塊150以區(qū)塊采樣模塊120自圖像偏移的區(qū)域所采樣出的區(qū)塊來(lái)估測(cè)偏移校正參數(shù)，進(jìn)而對(duì)整個(gè)圖像偏移的區(qū)域進(jìn)行偏移校正。

在一實(shí)施例中，基于圖像偏移往往伴隨著圖像色彩亮度的不均，圖像校正模塊150可在根據(jù)偏移校正參數(shù)，校正測(cè)試圖像中的待校正區(qū)域后，更進(jìn)一步地針對(duì)整張校正后的測(cè)試圖像進(jìn)行色彩與亮度的校正。以下同樣將以其中的一個(gè)區(qū)塊圖像的角度來(lái)進(jìn)行描述，其它區(qū)塊圖像可以相同的校正方式類推。

詳細(xì)來(lái)說(shuō)，在此先將測(cè)試圖像中的測(cè)試區(qū)塊經(jīng)過(guò)校正后所產(chǎn)生的圖像定義為“偏移校正測(cè)試區(qū)塊圖像”。圖像校正模塊150可先針對(duì)偏移校正測(cè)試區(qū)塊圖像以及參考區(qū)塊圖像進(jìn)行模糊化處理，以分別產(chǎn)生模糊化偏移校正測(cè)試區(qū)塊圖像以及模糊化參考區(qū)塊圖像，從而減少圖像中的噪聲。在此，圖像校正模塊150也可以利用高斯模糊濾波器等低通濾波器來(lái)執(zhí)行模糊化處理， 然而本發(fā)明不在此設(shè)限。

接著，圖像校正模塊150可利用模糊化偏移校正測(cè)試區(qū)塊圖像的像素值與模糊化參考區(qū)塊圖像的對(duì)應(yīng)的像素值之間的差值，針對(duì)模糊化偏移校正測(cè)試區(qū)塊圖像進(jìn)行色彩與亮度校正。以數(shù)學(xué)上而論，假設(shè)ts以及tsb分別定義為偏移校正測(cè)試區(qū)塊圖像以及模糊化偏移校正測(cè)試區(qū)塊圖像，rb定義為模糊化參考區(qū)塊圖像，則(tsb–rb)可代表色彩與亮度校正參數(shù)，而經(jīng)過(guò)色彩與亮度校正后的模糊化偏移校正測(cè)試區(qū)塊圖像可以表示為ts+(tsb–rb)。在此實(shí)施例中，經(jīng)過(guò)色彩與亮度校正后的模糊化偏移校正測(cè)試區(qū)塊圖像則將會(huì)被圖像校正模塊150設(shè)定為已校正測(cè)試區(qū)塊圖像，并且缺陷檢測(cè)模塊160則會(huì)將已校正測(cè)試區(qū)塊圖像與參考區(qū)塊圖像進(jìn)行比較，據(jù)以檢測(cè)出待測(cè)物品于測(cè)試區(qū)塊中的缺陷。

具體來(lái)說(shuō)，圖4b為根據(jù)本發(fā)明的一實(shí)施例所繪示的檢測(cè)待測(cè)物品的缺陷的流程示意圖，其中此流程是測(cè)試圖像的待校正區(qū)域經(jīng)由校正參數(shù)校正后所接續(xù)的步驟。

請(qǐng)參照?qǐng)D4b，圖像校正模塊150在取得偏移校正測(cè)試區(qū)塊圖像ts后，圖像校正模塊150可先針對(duì)偏移校正測(cè)試區(qū)塊圖像ts以及參考區(qū)塊圖像r進(jìn)行模糊化處理，以分別產(chǎn)生模糊化偏移校正測(cè)試區(qū)塊圖像tsb以及模糊化參考區(qū)塊圖像rb，以減少圖像中的噪聲。接著，圖像校正模塊150可利用模糊化偏移校正測(cè)試區(qū)塊圖像tsb的像素值與模糊化參考區(qū)塊圖像rb的對(duì)應(yīng)的像素值之間的差值(tsb–rb)，針對(duì)模糊化偏移校正測(cè)試區(qū)塊圖像進(jìn)行色彩與亮度校正，而得到色彩與亮度校正后的模糊化偏移校正測(cè)試區(qū)塊圖像ts+(tsb–rb)，其也為前述的已校正測(cè)試區(qū)塊圖像。在此示例中，缺陷檢測(cè)模塊160則會(huì)計(jì)算已校正測(cè)試區(qū)塊圖像ts+(tsb–rb)與參考區(qū)塊圖像r之間的差值，從而得到差值圖像[ts+(tsb–rb)]–r。之后，缺陷檢測(cè)模塊160可判定差值圖像[ts+(tsb–rb)]–r中像素值大于檢測(cè)閾值的像素為缺陷信號(hào)，進(jìn)而定位出待測(cè)物品缺陷的所在位置。

前述的物品缺陷檢測(cè)方法可利用圖5依據(jù)本公開一實(shí)施例所繪示的功能框圖來(lái)表示。

請(qǐng)參照?qǐng)D5，首先，在接收測(cè)試圖像500a以及參考圖像500b，可以分為四個(gè)階段：區(qū)塊采樣階段510、偏移校正階段520、亮度與色彩校正階段530以及常態(tài)比較階段540。

在區(qū)塊采樣階段510中，先自測(cè)試圖像500a中采樣多個(gè)隨機(jī)測(cè)試區(qū)塊511，并且判斷各個(gè)隨機(jī)測(cè)試區(qū)塊是否偏移512。區(qū)塊采樣模塊120除了將判斷結(jié)果存儲(chǔ)在分類器的數(shù)據(jù)庫(kù)513，以訓(xùn)練分類器外，還根據(jù)判斷結(jié)果自測(cè)試圖像500a中劃分出待校正區(qū)域514。

在偏移校正階段520，先自測(cè)試圖像500a的測(cè)試區(qū)域中采樣一個(gè)測(cè)試區(qū)塊，并且自參考圖像500b取得與其對(duì)應(yīng)的參考區(qū)塊，再分別將測(cè)試區(qū)塊以及參考區(qū)塊進(jìn)行矩陣分割，以產(chǎn)生多個(gè)測(cè)試子區(qū)塊以及多個(gè)參考子區(qū)塊521。接著，將分析各個(gè)測(cè)試子區(qū)塊以及各個(gè)參考子區(qū)塊522，以濾除干擾測(cè)試子區(qū)塊以及干擾參考子區(qū)塊523，即可產(chǎn)生已濾除測(cè)試區(qū)塊圖像以及已濾除參考區(qū)塊圖像524。之后，在針對(duì)已濾除測(cè)試區(qū)塊圖像以及已濾除參考區(qū)塊圖像進(jìn)行模糊化處理以及二值化處理525后，利用圖像對(duì)齊的方式來(lái)取得偏移校正參數(shù)，據(jù)以校正待校正區(qū)域內(nèi)的所有測(cè)試區(qū)塊526，以較有效率的方式來(lái)產(chǎn)生偏移校正測(cè)試圖像500a’。

在亮度與色彩校正階段530，將偏移校正測(cè)試圖像500a’以及參考圖像500b整體進(jìn)行模糊化處理531，接著進(jìn)行亮度與色彩校正532，以產(chǎn)生已校正測(cè)試圖像500at。

最后，在常態(tài)比較階段540，則是逐一將已校正測(cè)試圖像500at內(nèi)的所有區(qū)塊以及其在參考圖像500b所對(duì)應(yīng)的區(qū)塊進(jìn)行比較，以自待測(cè)物品中檢測(cè)出缺陷并且輸出缺陷檢測(cè)結(jié)果rt。

本發(fā)明還提供一種計(jì)算機(jī)可讀記錄介質(zhì)，其存儲(chǔ)計(jì)算機(jī)程序，而此計(jì)算機(jī)程序產(chǎn)品基本上是由多個(gè)代碼段所組成的(例如建立組織結(jié)構(gòu)代碼段、簽核表單代碼段、設(shè)定代碼段、以及部署代碼段)，并且這些代碼段在加載到圖像處理系統(tǒng)中并執(zhí)行之后，即可完成上述物品缺陷檢測(cè)方法的步驟。

綜上所述，本發(fā)明所提出的物品缺陷檢測(cè)方法及其圖像處理系統(tǒng)與計(jì)算機(jī)可讀記錄介質(zhì)，其可在針對(duì)測(cè)試圖像與參考圖像進(jìn)行比較之前，對(duì)于測(cè)試圖像中的局部區(qū)域進(jìn)行圖像偏移校正，還可對(duì)于測(cè)試圖像中的亮度與色彩不均進(jìn)行補(bǔ)償，以降低物品缺陷檢測(cè)的誤判率。

雖然本發(fā)明已以實(shí)施例揭露如上，然其并非用以限定本發(fā)明，任何本領(lǐng)域技術(shù)人員在不脫離本發(fā)明的精神和范圍內(nèi)，當(dāng)可作些許的更動(dòng)與潤(rùn)飾，故本發(fā)明的保護(hù)范圍當(dāng)以所附的權(quán)利要求為準(zhǔn)。