JP2004294202A - 画面の欠陥検出方法及び装置 - Google Patents
画面の欠陥検出方法及び装置 Download PDFInfo
- Publication number
- JP2004294202A JP2004294202A JP2003085301A JP2003085301A JP2004294202A JP 2004294202 A JP2004294202 A JP 2004294202A JP 2003085301 A JP2003085301 A JP 2003085301A JP 2003085301 A JP2003085301 A JP 2003085301A JP 2004294202 A JP2004294202 A JP 2004294202A
- Authority
- JP
- Japan
- Prior art keywords
- defect
- image
- value
- luminance
- line
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Images
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Testing Of Optical Devices Or Fibers (AREA)
- Liquid Crystal (AREA)
Abstract
【課題】点欠陥、スジ欠陥、線欠陥及びシミ・ムラ欠陥等の欠陥をそれぞれ精度良く検出でき、しかもこれら欠陥検出で、明欠陥に限らず暗欠陥も検出でき、欠陥を検出する際の処理時間を短くすることを目的とする。
【解決手段】検査対象の画像をＣＣＤカメラ６により撮像し、撮像により取り込まれた画像から、予め作成していおいた背景画像１４との差をとり検査画像１５を作成し、検査画像１５から点欠陥、シミ欠陥、スジ欠陥、ムラ欠陥、線欠陥、画素ムラ欠陥のそれぞれを検出する６つの検出処理を行い、各欠陥検出処理後における画像１７内の各画素の輝度値に基づく輝度統計データをそれぞれ計算し、その輝度統計データに基づいて輝度値の閾値を設定し、輝度統計データと該閾値から欠陥候補を抽出する。
【選択図】 図１
【解決手段】検査対象の画像をＣＣＤカメラ６により撮像し、撮像により取り込まれた画像から、予め作成していおいた背景画像１４との差をとり検査画像１５を作成し、検査画像１５から点欠陥、シミ欠陥、スジ欠陥、ムラ欠陥、線欠陥、画素ムラ欠陥のそれぞれを検出する６つの検出処理を行い、各欠陥検出処理後における画像１７内の各画素の輝度値に基づく輝度統計データをそれぞれ計算し、その輝度統計データに基づいて輝度値の閾値を設定し、輝度統計データと該閾値から欠陥候補を抽出する。
【選択図】 図１
Description
【０００１】
【発明の属する技術分野】
本発明は、液晶ライトバルブ等の表示デバイスやその応用製品であるプロジェクタ等の製造における検査工程において、点欠陥、スジ欠陥、線欠陥及びシミ・ムラ欠陥等の欠陥を精度良く自動的に検出する画面の欠陥検出方法及び装置に関する。
【０００２】
【従来の技術】
従来の画面の欠陥検査装置では、二値化処理に代表される単一の画像処理によって欠陥検査が実行されているのが一般的であるから、様々に発生する欠陥の全てに対応することは不可能であった。例えば、液晶表示装置等の画面に現れる欠陥には、点欠陥、線欠陥、面欠陥（あるいはシミ・ムラ欠陥とも呼ばれる）等がある。これらのシミやムラといったコントラストが低い欠陥や点欠陥のような微少な欠陥や、画素の走査方向に連なる線欠陥などは、単純な二値化処理では検出することができなない。
そこで、液晶表示装置等の画面に現れる欠陥検出では、点・線・面の欠陥を３段階の閾値を用いて、偽欠陥の誤検出を防ぎつつ、それぞれの欠陥を分離抽出する方法が提案されている（例えば、特許文献１参照）。
また、微細な欠陥やムラやスジなどの様々な欠陥を一台の検査装置で検出し、その欠陥の種別を報知し、その欠陥を総合的に判定する欠陥検査装置が提案されている（例えば、特許文献２参照）。
【０００３】
【特許文献１】
特開平９−２８８０３７号公報（第１頁、図１）
【特許文献２】
特開平８−１４５９０７号公報（第１頁、図１）
【０００４】
【発明が解決しようとする課題】
上記のような従来の点・線・面の欠陥を３段階の閾値を用いてそれぞれの欠陥を分離抽出する方法では、欠陥サイズが多様な場合や、非常にコントラストの低い欠陥に対して検出力が不十分であるという問題点があった。
また、様々な欠陥を一台の検査装置で検出し、その欠陥の種別を報知し、その欠陥を総合的に判定する欠陥検査装置では、基本的には各画素間の濃度の変化量の大小で欠陥を判定しており、これは欠陥エッジの強度を求めていることになり、欠陥サイズは考慮されていないため、人による目視検査における人の判断との相違が大きくなってしまうという問題点があった。
【０００５】
本発明は、このような問題点を解決するためになされたものであり、点欠陥、スジ欠陥、線欠陥及びシミ・ムラ欠陥等の欠陥をそれぞれ精度良く検出でき、しかもこれら欠陥検出で、明欠陥に限らず暗欠陥も検出でき、欠陥を検出する際の処理時間を短くすることができる画面の欠陥検出方法及び装置を得ることを目的とする。
【０００６】
【課題を解決するための手段】
本発明に係る画面の欠陥検出方法は、検査対象の画像を撮像する工程と、撮像により取り込まれた画像から、予め作成しておいた背景画像との差をとり検査画像を作成する工程と、検査画像から点欠陥、シミ欠陥、スジ欠陥、ムラ欠陥、線欠陥、画素ムラ欠陥のそれぞれを検出する６つの検出処理工程と、各検出処理後における画像内の各画素の輝度値に基づく輝度統計データをそれぞれ計算する工程と、輝度統計データに基づいて輝度値の閾値を設定し、輝度統計データと該閾値から欠陥候補を抽出する工程とを有することを特徴とするものである。
【０００７】
このように構成したことにより、点欠陥、シミ欠陥、スジ欠陥、ムラ欠陥、線欠陥、画素ムラ欠陥の欠陥モード毎により高度な検査が可能となった。
さらに、各欠陥モード毎に画像全体での輝度統計データと閾値から欠陥候補を抽出して一次判定されるため、検出処理の量を減らすことができ、処理時間短縮することができる。
【０００８】
また、本発明に係る画面の欠陥検出方法において、検査対象の画像の点灯状態を複数設定し、それぞれ設定した画像を撮像することにより、各モードの各種の欠陥を検出することができる。
さらに、検査対象の画像を最適な露光時間で撮像し、取込画像のデータは、１２ｂｉｔの４０９６階調以上とするのが好ましい。
このようにしたことにより、微妙な輝度変化も高精度にとらえることができ、高解像度の画像データを用いることにより、前記輝度統計データの精度があがるため、欠陥検出精度の更なる向上をはかることが可能となる。また、後述する欠陥候補の評価値の精度も向上する。
【０００９】
また、本発明に係る画面の欠陥検出方法において、点欠陥、シミ欠陥、スジ欠陥、ムラ欠陥、線欠陥の明欠陥と暗欠陥の両方を検出できるようにするために、欠陥候補を抽出するための閾値は、明欠陥及び暗欠陥ごとに決定するものである。
その閾値は、輝度統計データの平均値および標準偏差を用いて決定される。
また、抽出された欠陥候補について、欠陥候補の特性値を求め、この特性値と統計データとに基づいて評価値を算出する工程を有することを特徴としている。従って、欠陥候補を客観的に・定量的に評価することができ、かつ、正確な評価を行うことができる。また、欠陥モード毎の評価結果が得られるために、欠陥モード毎のチューニング（目視検査との整合性をとること）が可能となり、目視で行っている判断により近い検査が行えるようになった。
【００１０】
また、欠陥候補の評価値は、閾値の場合と同様に、明欠陥及び暗欠陥ごとに算出される。
さらに、欠陥候補の評価値は、輝度統計データの平均値、標準偏差と、欠陥候補の最大輝度、最小輝度を用いて算出される。
従って、欠陥を製品別に客観的に評価することができる。
また、欠陥候補の評価値の大きさにより、不良品及び製品の良品ランクの分類をすることにより、欠陥のランク付け、製品の等級化が可能となる。なお、これらの統計データは品質管理に活用することができる。
【００１１】
さらに、本発明に係る画面の欠陥検出方法において、点欠陥を検出する検出処理工程は、検査画像に対してトップハットフィルタ又はウェルフィルタをかけて明点欠陥及び暗点欠陥を強調し、明点欠陥及び暗点欠陥を強調すると同時に画像を表示している階調の略中央値をオフセット値として加算するようにしたので、１回の点欠陥強調処理で検査画像の明欠陥と暗欠陥の点欠陥を検出でき、点欠陥を検出する際の処理時間を短くすることができる。
【００１２】
また、本発明に係る画面の欠陥検出方法において、シミ欠陥を検出する検出処理工程は、検査画像に対して平坦化処理を行い、平坦化画像から複数段階の縮小画像を作成し、該縮小画像のそれぞれに対してシミ欠陥強調のためのトップハットフィルタ又はウェルフィルタによるフィルタ処理を行い、シミ欠陥を強調するのと同時に画像を表示している階調の略中央値をオフセット値として加算するようにしたので、シミ欠陥のコントラストが強調され、しかも欠陥サイズの大小、あるいはコントラストの高低にかかわらず、シミ欠陥を高精度に検出することができる。
【００１３】
また、本発明に係る画面の欠陥検出方法において、スジ欠陥を検出する検出処理工程は、検査画像に対して平坦化処理を行い、平坦化画像から複数段階の縮小画像を作成し、各縮小画像に対して様々な方向のスジに対応するように強調角度を４段階に変えた線検出フィルタをそれぞれかけてスジ欠陥を強調し、スジ欠陥を強調する同時に画像を表示している階調の略中央値をオフセット値として加算するようにしたので、画面の異なる方向にそれぞれ表れる白スジ又は黒スジについて欠陥サイズの大小にかかわらず、スジ欠陥を高精度に検出することができる。
【００１４】
また、本発明に係る画面の欠陥検出方法において、ムラ欠陥を検出する検出処理工程は、検査画像または当該検査画像を縮小した縮小画像に対して複数段階の画像の平坦化処理を行い、第１及び第２の平坦化画像を作成し、検査画像または該検査画像の縮小画像と第１の平坦化画像との画像間、および第１の平坦化画像と第２の平坦化画像との画像間で、それぞれ差分処理を行い、同時に画像を表示している階調の略中央値をオフセット値として加算するようにしたので、検査画像内にムラ欠陥が存在する場合に、比較的大きいサイズのムラ欠陥は第１の検出画像内に残り、比較的小さいサイズのムラ欠陥は第２の検出画像内に残ることとなり、大小様々のムラ欠陥を精度良く検出することができる。
【００１５】
また、本発明に係る画面の欠陥検出方法において、線欠陥を検出する検出処理工程は、検査画像に対して平坦化処理を行い、平坦化画像に対してそれぞれエッジ検出フィルタをかけて線欠陥を強調し、線欠陥を強調すると同時に画像を表示している階調の略中央値をオフセット値として加算するようにしたので、画面の異なる方向にそれぞれ表れる白線又は黒線の欠陥を高精度に検出することができる。
【００１６】
また、本発明に係る画面の欠陥検出方法において、画素ムラ欠陥を検出する検出処理工程は、検査画像の各画素について膨張処理を行い、膨張処理を行った画像に対してソーベルフィルタ又はラプラシアンフィルタをかけて隣接画素の輝度差を強調するようにしたので、検査画像中に存在する画素ムラ欠陥の成分が明瞭となり、画素ムラを定性的に検出することができる。
【００１７】
さらに、本発明に係る画面の欠陥検出装置は、請求項１から１５のいずれかに記載の画面の欠陥検出方法を用いることを特徴としている。
具体的には、撮像手段と、画像処理を行う検査装置本体とからなり、検査装置本体は通常、コンピュータにより構成される。このコンピュータに前記各処理を行う検査プログラムを組み込むことによって各種欠陥を自動的に検査することができる。
【００１８】
【発明の実施の形態】
図１は本発明の実施の形態に係る画面の欠陥検出装置の構成を示すブロック図である。
この実施形態では、例えば、検査対象の画面１０をプロジェクタ１によるＴＦＴ素子を用いた液晶ライトバルブ２の投影画面としている。検査を行う場合には、プロジェクタ１によりスクリーン３に画像４を投射する。画像４はパターンジェネレータ５により所定のパターンを液晶パネル２に与えることによって描写される。撮像手段として例えばＣＣＤカメラ６により画像４を撮像し、その画像信号を図示しないＡ／Ｄ変換器によりアナログ信号からデジタル信号に変換して検査装置本体であるコンピュータ７に取り込む。このとき、画像データはＡ／Ｄ変換器により画素毎に例えば、黒を“０”、白を“４０９５”とする１２ビットのデータで４０９６階調の輝度値であらわされる。
【００１９】
さらに、コンピュータ７は画像メモリに取り込まれた画像４の画像データを後述する方法により処理することにより、明・暗欠陥ごとに点欠陥、スジ欠陥、線欠陥及びシミ・ムラ欠陥等の各種欠陥を検出する。欠陥検出にあたっては、欠陥の種類に応じて複数の縮小サイズによる縮小画像を作成したり、欠陥強調のためのフィルタ処理を行ったうえで、検出画像内の輝度情報の統計処理を行い、その統計データをもとに欠陥候補を抽出するための閾値を決定して欠陥候補を抽出し、さらに、抽出された欠陥候補について定量的に評価する評価値が演算される。これらの検査結果は表示装置８に表示される。
【００２０】
図２は画像入力から各種欠陥の検出処理を経て結果表示までを示すフローチャート、図３は背景画像差分処理を示す図である。各種欠陥の検出処理は上記のコンピュータ７または画像処理装置に組み込まれた検査プログラムに従って自動的に行われる。
図２のフローチャートに従って処理手順を説明する。
【００２１】
まず、スクリーン３上に投影された画像をＣＣＤカメラ６で撮影し、その撮影データの画像がコンピュータ装置７に取り込まれ、画像入力が行われる（ステップＳ１）。
次に、コンピュータ装置７に撮像により取り込まれた取込画像から被検査部の表示エリアである画像部分だけを抽出する表示エリア抽出処理が行われる（ステップＳ２）。
この抽出画面は、被検査部画像の四隅の座標をパターンマッチング処理（画像データの四隅付近の数十画素×数十画素の４つの小領域に対して、それぞれ予め用意した４つの隅基準画像とパターンマッチング処理を行い、四隅の座標を特定する）により検出することで抽出することができる。
【００２２】
続いて、被検査部の画面部分だけ抽出された画像である抽出画面から照明やレンズなど液晶ライトバルブ２以外のものによって生じる欠陥状の輝度変化を除去するための背景画像差分処理が行われる（ステップＳ３）。
この背景画像差分処理は、図３の（ａ）に示す検査対象画像データの被検査部の画面部分だけ抽出された画像である抽出画面１３から図３の（ｂ）に示す背景画像１４を減算し、輝度変化がマイナスにならないようにオフセット値として４０９６階調の１／２の値を加算して、図３の（ｃ）に示す背景差分画像１５を作成するもので、その背景差分画像１５は２つの画像で対応する画素毎の差の画像となる。なお、この背景画像１４は、できるだけ欠陥のないサンプルを複数枚撮像し、その平均化画像を作成し、その画像から被検査部の画面部分だけを抽出して作成したものである。
以上のステップＳ１からＳ３までが前処理といわれるものであり、以降は各種欠陥をそれぞれ検出する個々の欠陥検出処理に入る
【００２３】
即ち、まず背景差分画像から点欠陥を検出する点欠陥検出処理を行い（ステップＳ４）、次に背景差分画像からシミ欠陥を検出するシミ検出処理を行い（ステップＳ５）、さらに背景差分画像からスジ欠陥を検出するスジ検出処理を行い（ステップＳ６）、さらに背景差分画像からムラ欠陥を検出するムラ検出処理を行い（ステップＳ７）、さらに背景差分画像から線欠陥を検出する線検出処理を行い（ステップＳ８）、最後に背景差分画像から画素ムラの欠陥を検出する画素ムラ検出処理を行い（ステップＳ９）、それぞれ欠陥が強調された検出画像内の輝度情報の統計処理を行い、その統計データをもとに欠陥候補を抽出するための閾値を決定して欠陥候補を抽出し、さらに、抽出された欠陥候補について定量的に評価する評価値が演算されて全ての入力画像に対する検出処理が終了すれば（ステップＳ１０）、全ての検出処理の結果を表示装置８に表示し（ステップＳ１１）、各種欠陥の検査が終了する。
【００２４】
次に、個々の欠陥検出処理について説明する。
（１）点欠陥検出処理について図４のフローチャートに基づいて説明する。
背景差分画像では、微少なレベルの明点欠陥及び暗点欠陥などの検出が難しいため、画像処理の一手法である空間フィルタを使用して点欠陥強調処理を行う（ステップＳ２１）。
この実施の形態では、空間フィルタとしてトップハットフィルタ（７×７Ｔｏｐｈａｔフィルタ）を使用して、点欠陥の強調処理を行っている。
この７×７Ｔｏｐｈａｔ フィルタは、周囲に対して孤立している点状の輝度変化を強調するため、着目する画素の値を、その周囲の画素の値との差がより強調されるように重み付けをして畳み込み演算するフィルタである。図５に、この７×７Ｔｏｐｈａｔフィルタの数値構成の一例を示す。
【００２５】
ここで、点欠陥の強調について説明する。
明点と暗点の点欠陥である明欠陥と暗欠陥を有する画像を模式的に図６に示す。図６の画像に対して７×７Ｔｏｐｈａｔフィルタにより強調処理した結果は、図７の（ａ）に示すような背景との輝度差が小さい明点欠陥が正の値で強調され、明欠陥検出には有効な画像となっている。一方、背景との輝度差が小さい暗欠陥は負の値として強調されるため、暗欠陥は検出できない画像となっている。なお、図７の（ａ）はＴｏｐｈａｔフィルタ処理された画像を示し、図７の（ｂ）は図７の（ａ）の画像を輝度の明るい領域を抽出するための所定の閾値で切り出して明点の明欠陥を強調して検出した画像である。
このように、Ｔｏｐｈａｔフィルタをかけた画像は、明点欠陥を示す明点はプラスの値の階調として表れるが、暗点欠陥を示す暗点はマイナスの値の階調として表れる。画像処理のフォーマットでは画像データは通常正の値しかとれないため、そのままでは暗点の成分は０となり、処理した画像データには暗点のデータは存在しないため検出することはできない。
【００２６】
そこで、同じ画像から暗点も検出できるように、画面が１２ｂｉｔの４０９６階調で表されるときにはその半分の２０４８の値を、フィルタ処理を行うのと同時にオフセット値として加えるオフセット値加算処理を行う（ステップＳ２２）。なお、画像のフォーマットが８ｂｉｔのグレイスケールの場合、２５６階調となり、その半分の１２８の値を、フィルタ処理を行うのと同時にオフセット値として加えることとなる。
これにより、暗点のデータもプラスの値の階調として表れるので、１回のフィルタ処理で明点と暗点の点欠陥（明欠陥と暗欠陥）を検出することが可能となる。図８の（ａ）の画像はフィルタ処理の結果の画像にオフセット値を加えて処理した画像である。
【００２７】
しかる後に、上記処理を行った画像から明欠陥と暗欠陥を検出するため明・暗欠陥候補抽出処理を行い、チェック１である欠陥候補の有無の判定を行う（ステップＳ２３）。
この明・暗欠陥候補抽出処理は、輝度の明るい領域を抽出するための閾値と輝度の暗い領域を抽出するための閾値の２種類の閾値でそれぞれ切り出し、切り出した画像を合成して、図８の（ｂ）に示すような明欠陥と暗欠陥を検出した画像を得るものである。
即ち、点欠陥抽出用画像において、明欠陥抽出用の閾値より大きな輝度値を持つ画素が明欠陥であると判別することができ、暗欠陥抽出用の閾値より小さな輝度値を持つ画素が暗欠陥であると判別することができ、明欠陥と暗欠陥の点欠陥を有する欠陥候補が抽出される。
【００２８】
そして、明欠陥候補抽出用の閾値より大きな輝度値を持つ画素や暗欠陥候補抽出用の閾値より小さな輝度値を持つ画素がなければ、欠陥候補が皆無であり、この段階でその製品は良品と判定され、検査を終了する。
ここで、輝度の明るい領域を抽出するための閾値と輝度の暗い領域を抽出するための閾値は、点欠陥が強調処理された画像の画面全体から取得した輝度値の平均値と標準偏差とに基づいて次式により計算して求める。
明領域抽出の閾値＝ａｖｅｒａｇｅ（平均値）＋ａ１＊σ（標準偏差）
暗領域抽出の閾値＝ａｖｅｒａｇｅ（平均値）−ａ２＊σ（標準偏差）
なお、上記式でａ１、ａ２はある決められた定数であり、点欠陥の程度に応じて適宜に決定されるものである。
【００２９】
さらに、チェック２である評価値の計算を行う（ステップＳ２４）。
この２回目（つまり最終的な）チェックにおいて、チェック１で抽出された欠陥候補に対して、欠陥の程度を定量化するため評価値計算を行う。評価値は、画像から求められた輝度統計データ（平均値Ｌａｖｅ、標準偏差σ、最大値Ｌｍａｘ、最小値Ｌｍｉｎ ）を用いて、次式により評価値を計算する。
明欠陥：
Ｅｖ＝（Ｌｍａｘ−Ｌａｖｅ ）／σ
暗欠陥：
Ｅｖ＝（Ｌａｖｅ −Ｌｍｉｎ）／σ
但し Ｌｍａｘ＝欠陥候補の最大輝度
Ｌｍｉｎ＝欠陥候補の最小輝度
Ｌａｖｅ＝画像全体の平均輝度
σ＝画像全体の輝度の標準偏差
これらの計算式により評価値を求めることにより、欠陥候補として抽出された明欠陥、暗欠陥の点欠陥を、客観的なデータで定量的に評価することができ、明欠陥、暗欠陥の有無を判断するだけではなく、欠陥の程度に基づくランクを決定することができる。従って、点欠陥の検出精度が高いものとなる。
【００３０】
最後に、チェック２である欠陥候補に対して求めた評価値に基づいて欠陥ランクの分類を行う（ステップＳ２５）。
この評価値に対し、欠陥ランク分類するための閾値は、不良品及び製品の良品ランク毎に何段階かに設定することができる。これにより点欠陥の良品内のランク（等級）付けや製品の等級化が可能となる。
【００３１】
この実施の形態の点欠陥検出処理によれば、コンピュータ７は前処理された背景画像差分処理を行った画像に対してＴｏｐｈａｔフィルタにより背景との輝度差が小さい点欠陥が強調される点欠陥強調処理を行っている。
かかる７×７Ｔｏｐｈａｔ フィルタは、周囲に対して孤立している点状の輝度変化が強調されているので、液晶ライトバルブ１の点欠陥のような周囲に対して孤立しているものは強調され、モアレ縞のように周囲に対して孤立していないものは強調されないため、モアレ縞が発生している画像においても、液晶ライトバルブ１の点欠陥部のみが強調される。
さらに、点欠陥を強調するのと同時に画像にその画像の階調の中央値をオフセット値として加算し、オフセット値を加算した画像に対して輝度の明るい領域を抽出するための閾値と輝度の暗い領域を抽出するための閾値の２種類の閾値で二値化して明欠陥と暗欠陥の点欠陥候補を検出できる画像を得るようにしたので、１回のフィルタ処理で液晶ライトバルブ１の明欠陥と暗欠陥を検出でき、欠陥を検出する際の処理時間を短くすることができる。
【００３２】
（２）シミ欠陥検出処理について図９のフローチャートに基づいて説明する。
まず、背景差分画像に対して比較的小さいサイズでコントラストの異なるシミ欠陥以外を除外する平坦化処理を行う（ステップＳ３１）。
背景差分画像（検査画像）には、表示エリア全体に生じるサイズが大きくてゆるやかな輝度変化、すなわち人間が見てもそれほど問題にならないような広い範囲にわたって明るいところや暗いところがあるといったゆるやかな明るさの変化や、シミ欠陥よりサイズの比較的大きいムラ欠陥などが含まれるおそれがあるので、これらを検出対象から除外するために、背景差分画像すなわち検査画像に対して平坦化処理を行う。
この平坦化処理によって、照度ムラのような大きな明るさの変化やサイズの大きいムラ欠陥は除去されるので、比較的小さいサイズのシミ欠陥やコントラストの異なるシミ欠陥のみが残った図１０（ａ）に示すような平坦化画像１６が得られる。
なお、平坦化処理とは、平滑化フィルタを応用した処理、あるいはモフォロジ処理などによって平坦化する処理である。
【００３３】
次に、平坦化画像を各種のサイズに縮小する画像サイズ縮小処理を行う（ステップＳ３２〜Ｓ３６）。
シミ欠陥のサイズは小さいといってもその中でも様々な大きさのものがあり、またシミ欠陥のコントラストについても高いものや低いものなど様々である。
後述するトップハットフィルタは、所定のサイズのシミ欠陥しか強調できないので、平坦化画像１６内に存在する様々なサイズのシミ欠陥に対応させるために、平坦化画像１６から複数段階にわたって画像サイズを縮小する処理を行う。
【００３４】
ここでは、元画像１２００×１０００ピクセルの平坦化画像１６から、１／２（６００×５００ピクセル）、１／４（３００×２５０ピクセル）、１／８（１５０×１２５ピクセル）、１／１６（７５×６２ピクセル）、１／３２（３８×３１ピクセル）の５段階に縮小した５枚の縮小画像を作成している。
画像サイズの縮小方法は、図１１に示すように、元画像の４画素分の輝度データの平均値を新たな画像の１画素に割り付けることにより１／２サイズに縮小する。この方法を繰り返すことにより、画像サイズを１／２ずつ縮小することができる。
このように平坦化画像１６の画像サイズを次第に縮小していくことによって、縮小画像のどれかに、トップハットフィルタで強調できるサイズのものが存在することになる。
【００３５】
さらに、各縮小画像に対して空間フィルタを使用してシミ欠陥のコントラストを強調する処理を行う（ステップＳ３７〜Ｓ４１）。
各縮小画像に対して空間フィルタとしてトップハット（Ｔｏｐｈａｔ）フィルタを使用してシミ欠陥のコントラストを強調する。トップハットフィルタは、コントラスト強調を行うフィルタで、例えば図５に示すように７×７画素で構成されており、注目画素に対してこのフィルタ構成数値と畳み込み演算を行うことにより、画素内に背景と比べて約３×３画素くらいのサイズの明点（ここでは白シミ欠陥）が存在するときに、これを強調するものである。
【００３６】
しかし、トップハットフィルタは明点を強調した結果はプラスの値となるため、明欠陥（白シミ）の検出には有効であるが、暗点（ここでは黒シミ欠陥）を強調した結果はマイナスの値となり、画像処理の画像フォーマットでは通常正の値しかとれないため、結果は０と置き換えられ、暗欠陥（黒シミ）の検出には難点がある。そこで、トップハットフィルタ処理で畳み込み演算を行うと同時にオフセット値として２０４８の値を加えることで、本来はマイナスの値となる暗点の強調部分をプラスにして、その結果トップハットフィルタ処理のみで、明点と暗点の強調処理を可能にする。もちろん、空間フィルタはトップハットフィルタに限定されるものではなく、暗点を強調した結果がプラスの値となる（トップハットフィルタとは符号が逆になる）ウェル（Ｗｅｌｌ）フィルタ（図１２参照）を使用してもよい。また、これらの空間フィルタのフィルタサイズ、重み付け等も図示のものに限定されるものではない。
【００３７】
図１０（ｂ）は、縮小画像に上記のトップハットフィルタ処理を行ったときの検出画像１７を模式的に示すものである（但し、わかりやすくするために画像サイズは同じサイズで図示してある。実際には縮小サイズである）。なお、図１０（ａ）、（ｂ）の２０はシミ欠陥を示す。
上記のようなトップハットフィルタ処理とオフセット処理を同時に行うことにより、白シミ、黒シミを強調した結果を一度で取得することができ、シミ欠陥２０の検出時間を短縮することができる。
なお、図１０（ｂ）で欠陥の強調がなされていないサイズのシミ欠陥については、何段階かに縮小されることで強調可能なサイズとなった他の縮小画像において同様の方法で欠陥が強調されることになる。
【００３８】
さらに、検出画像内の各画素の輝度値に基づく統計データの計算を行う統計計算を行う（ステップＳ４２〜Ｓ４６）。
統計データの計算では、画像全体での輝度値の平均値Ｌａｖｅ、標準偏差σ、最大値Ｌｍａｘ、最小値Ｌｍｉｎを求める。これら４つの輝度統計データから、白シミ、黒シミの欠陥候補抽出のための閾値を、例えば次のように決定する。
白シミ閾値：Ｌａｖｅ＋ａ１×σ
黒シミ閾値：Ｌａｖｅ−ａ２×σ
ここで、ａ１、ａ２は、ある決められた定数である。
従って、白シミ、黒シミの欠陥候補を抽出するための閾値を、検出画像１７内の輝度データを統計計算することにより、その輝度統計データに基づいて自動的に決定することができる。そのため、閾値が人為的・試行錯誤的でなく、客観的・相対的なものとなる。
【００３９】
しかる後に、チェック１である欠陥候補の有無の判定を行う（ステップＳ４７）。
図１０の（ｂ）に示す検出画像１７内に白シミ欠陥や黒シミ欠陥の候補があるかどうかを、上記閾値に基づいて１回目のチェックを行う。すなわち、統計データの計算で求めた輝度値の最大値Ｌｍａｘが白シミ閾値を超えていれば、検出画像１７内に白シミ欠陥候補があると判定し、輝度値の最小値Ｌｍｉｎが黒シミ閾値以下であれば、検出画像１７内に黒シミ欠陥候補があると判定する。もし、欠陥候補が皆無であれば、この段階でその製品はシミに関しては良品と判定され、シミ欠陥検査を終了する。
【００４０】
さらに、抽出された欠陥候補の特性値を計算するｂｌｏｂ処理を行う（ステップＳ４８〜Ｓ５２）。
上記チェック１で検出画像１７内に欠陥候補があると判定された場合には、閾値を用いて欠陥候補を抽出し、ｂｌｏｂ処理を行って欠陥候補の特性値を計算する。ｂｌｏｂとは、画像内に存在する特定範囲の値を持った「かたまり」のことであり、ここでは白シミ閾値以上の領域、もしくは黒シミ閾値以下の領域である欠陥候補となる。
従って、白シミ閾値と黒シミ閾値を用いて２値化処理で欠陥候補を抽出し、その抽出された領域に対して画像処理の手法であるｂｌｏｂ処理を行って、欠陥候補の特性値を計算する。
ここでは欠陥候補の特性値として、領域の重心位置Ｘ，Ｙ座標と、白シミ欠陥候補であれば領域内の輝度の最大値（Ｌｍａｘ（ｎ））、黒シミ欠陥の候補であれば領域内の輝度の最小値（Ｌｍｉｎ（ｎ））を求める。
【００４１】
さらに、チェック２である評価値の計算を行う（ステップＳ５３）。
この２回目（つまり最終的な）チェックにおいて、欠陥候補として抽出された欠陥候補に対して、欠陥の程度を定量化するため評価値計算を行う。評価値は、（上記）縮小された画像毎に求められた輝度統計データ（平均値Ｌａｖｅ（ｉ）、標準偏差σ（ｉ）、ｉは縮小画像の画面番号）とｂｌｏｂ処理により求められた特性値（最大値Ｌｍａｘ（ｎ）、最小値Ｌｍｉｎ （ｎ）、ｎはｂｌｏｂ番号）を用いて、次式により評価値を計算する。
白シミ：
Ｅｖ（ｎ）＝ｋ（ｉ）×（Ｌｍａｘ（ｎ）−Ｌａｖｅ （ｉ））／σ（ｉ）
黒シミ：
Ｅｖ（ｎ）＝ｋ（ｉ）×（Ｌａｖｅ （ｉ）−Ｌｍｉｎ（ｎ））／σ（ｉ）
但し ｋ（ｉ）＝縮小画面係数 ｉ＝画面番号
Ｌｍａｘ（ｎ）＝欠陥候補の最大輝度 ｎ＝Ｂｌｏｂ番号
Ｌｍｉｎ（ｎ）＝欠陥候補の最小輝度
Ｌａｖｅ＝画像全体の平均輝度
σ＝画像全体の輝度の標準偏差
これらの計算式により評価値を求めることにより、欠陥候補として抽出された白シミ欠陥、黒シミ欠陥を、座標位置、個数（Ｂｌｏｂ番号）と共に、客観的なデータで定量的に評価することができ、白シミ欠陥、黒シミ欠陥の有無を判断するだけではなく、欠陥の程度に基づくランクを決定することができる。従って、シミ欠陥の検出精度が高いものとなる。
【００４２】
最後に、チェック２である欠陥候補に対して求めた評価値に基づいて欠陥ランクの分類を行う（ステップＳ５４）。
この評価値に対し、欠陥ランク分類するための閾値は、不良品及び製品の良品ランク毎に何段階かに設定することができる。これによりシミ欠陥の良品内のランク（等級）付けや製品の等級化が可能となる。
【００４３】
この実施の形態のシミ欠陥検出処理によれば、液晶パネル等の表示デバイスの画面に存在するシミ欠陥を欠陥サイズの大小にかかわらず、またコントラストの高低にかかわらず、高精度に自動的に検出することができ、かつ、シミ欠陥を個々に定量的に評価することができる。
また、輝度統計データに基づいてシミ欠陥を評価するものであるので、製品や部品の品質データを収集・分析することにより、品質管理に役立てることができ、更なる品質の向上を目指した手法を構築することも可能となる。
【００４４】
（３）スジ欠陥検出処理について図１３のフローチャートに基づいて説明する。
まず、背景差分画像に対して上記シミ検出の場合と同様な平坦化処理を行う（ステップＳ６１）。
次に、平坦化処理された画像に対して上記シミ検出の場合と同様な画像サイズ縮小処理を行う（ステップＳ６２）。
【００４５】
しかる後に、５段階の各縮小画像に対してそれぞれ線検出フィルタ処理を行う（ステップＳ６３）。
この線検出フィルタ処理は、そのままでは微少なレベルの白・黒スジ・ラビスジ欠陥の検出が難しいために、画像の中のスジ欠陥のみを強調するように、１つの縮小画像に対して、３枚の画像のコピーを作成して、それぞれの画像に対して１種類ずつの線検出フィルタを適用、計４種類の線検出フィルタをかけて欠陥強調処理を行うものである。
【００４６】
４種類の線検出フィルタには、水平の線の強調処理を行う横線検出フィルタと、垂直の線の強調処理を行う縦線検出フィルタと、＋４５°の線の強調処理を行う斜め線検出フィルタと、−４５°の線の強調処理を行う斜め線検出フィルタとがある。
従って、図１６の（ａ）に示す５段階の縮小画像に対してそれぞれ３枚の画像のコピーを作成して、それぞれの画像に対して１種類、計４種類の線検出フィルタ処理を行うと、図１６の（ｂ）に示すように各縮小画像から横線検出処理、縦線検出処理、＋４５°線検出処理及び−４５°線検出処理がされた４つの画像が得られ、合計２０個のスジ欠陥が強調処理された画像を得ることとなる。
【００４７】
これら４種類の線検出フィルタは共に、着目する画素周辺を含む数画素×数画素（図１５では、７×７画素）サイズの小領域に対して、検出対象となる縦線、横線、＋４５°斜め線、−４５°斜め線の成分があるかを検出するため、その成分が存在するときに、着目する画素と、その周囲の画素との輝度値の関係から、畳み込み演算により強調されるように重み付けを行ったフィルタである。
図１５の（ａ）は水平の線を強調する横線検出フィルタ、図１５の（ｂ）は垂直の線を強調する縦線検出フィルタ、図１５の（ｃ）は＋４５°の線を強調する斜め線検出フィルタ、図１５の（ｄ）は−４５°の線を強調するもう一つの斜め線検出フィルタの一例を示している。
【００４８】
なお、図１５で示す４種類の線検出フィルタをかけた画像は、白スジはプラスの値の階調として表れるが、黒スジはマイナスの値の階調として表れる。画像処理のフォーマットでは画像データは通常正の値しかとれないため、そのままでは黒スジの成分は０となり、処理した画像データには黒スジのデータは存在しないため検出することができない。このように、図１７の（ａ）のようにオフセット値が加算されていないグラフは白スジは表れるが、黒スジは表れないことを示している。
【００４９】
そこで、同じ画像から黒スジも検出できるように、画面が１２ｂｉｔの４０９６階調で表されるときにはその半分の２０４８の値を、フィルタ処理と同時にオフセット値として加える処理を行う。これにより、黒スジのデータもプラスの値の階調として表れるので、１回のフィルタ処理で白スジと黒スジの欠陥を検出することが可能となる。図１７の（ｂ）のようにオフセット値が加算されているグラフは白スジも黒スジも表われていることを示している。なお、画像フォーマットが、８ｂｉｔのグレイスケールの場合、２５６階調となり、その半分の１２８の値をフィルタ処理と同時にオフセット値として加える。
【００５０】
次に、４種類の線検出フィルタ処理を行って得た２０個のスジ欠陥が強調処理された画像について画素の輝度値に基づいて統計データ計算処理を行う（ステップＳ６４）。
この統計データ計算処理は、５段階の縮小画像に対してそれぞれ４種類の線検出フィルタ処理を行って得た２０個のスジ欠陥が強調処理された画像についてそれぞれの全領域における各画素の輝度値を取得し、画面全体の平均値、標準偏差、最大値及び最小値を求めるものである。
【００５１】
即ち、横線検出処理された５段階の縮小画像のそれぞれにつき、全領域における各画素の輝度値を取得し、画面全体の輝度値の平均値、標準偏差、最大値及び最小値を求める。また、縦線検出処理された５段階の縮小画像のそれぞれにつき、全領域における各画素の輝度値を取得し、画面全体の平均値、標準偏差、最大値及び最小値を求める。さらに、＋４５°斜め線検出処理された５段階の縮小画像のそれぞれにつき、全領域における各画素の輝度値を取得し、画面全体の平均値、標準偏差、最大値及び最小値を求める。更にまた、−４５°の斜め線検出処理された５段階の縮小画像のそれぞれにつき、全領域における各画素の輝度値を取得し、画面全体の平均値、標準偏差、最大値及び最小値を求める。
【００５２】
しかる後に、チェック１である欠陥候補有無判断処理を行う（ステップＳ６５）。
この欠陥候補有無判断処理では、横線検出処理と縦線検出処理と＋４５°斜め線検出処理及び−４５°斜め線検出処理された、２０個の画像から求めたそれぞれの平均値、標準偏差、最大値及び最小値に基づいて次式により、各画像の横線閾値、縦線閾値、＋４５°斜め線閾値と−４５°の斜め線閾値を計算により求める。
横線閾値＝ａｖｅｒａｇｅ（横線検出処理画像の平均値）±ａ１＊σ（横線検出処理画像の標準偏差）
縦線閾値＝ａｖｅｒａｇｅ（縦線検出処理画像の平均値）±ａ２＊σ（縦線検出処理画像の標準偏差）
＋４５°斜め線閾値＝ａｖｅｒａｇｅ（＋４５°斜め線検出処理画像の平均値）±ａ３＊σ（＋４５°斜め線検出処理画像の標準偏差）
−４５°斜め線閾値＝ａｖｅｒａｇｅ（−４５°斜め線検出処理画像の平均値）±ａ４＊σ（−４５°斜め線検出処理画像の標準偏差）
ａ１ 、ａ２ 、ａ３ 、ａ４ は、ある決められた定数である。
なお、１つの式の計算結果として２つの値が閾値として算出されるが、＋で求めた閾値は白スジ検出のための閾値となり、線検出処理画像の中でこの閾値以上のものを白スジ欠陥候補として検出し、−で求めた閾値は黒スジ検出のための閾値となり、線検出処理画像の中でこの閾値以下のものを黒スジ欠陥候補として検出することになる。
【００５３】
しかし、その前に線検出処理画像内にスジ欠陥候補があるかどうか調べる、すなわち、横線検出処理された各画像から取得した画面全体の輝度値の最大値と最小値、縦線検出処理された各画像から取得した画面全体の輝度値の最大値と最小値、＋４５°斜め線検出処理された各画像から取得した画面全体の輝度値の最大値と最小値、−４５°斜め線検出処理された各画像から取得した画面全体の輝度値の最大値と最小値と、計算された閾値から、各検出処理画面の中にスジ欠陥の候補が存在するかどうか判断を行う（ステップＳ６５）。
【００５４】
横線検出処理された各画像については、その画像の輝度値の最大値が横線閾値（＋計算）を超えている場合に、白スジのある欠陥候補のものとして、次の粒子解析処理（ｂｌｏｂ処理）へと進む。
また、その画像の輝度値の最小値が横線閾値（−計算）を超えていない場合に、黒スジのある画像として、次のｂｌｏｂ処理へと進む。輝度値の最大値が横線閾値（＋計算）を超えておらず、且つ輝度値の最小値が横線閾値（−計算）を超えている場合には、白スジ、黒スジがなく良品のものとして次のｂｌｏｂ処理は行わない。
【００５５】
また、縦線検出処理された各画像についても、その画像の輝度値の最大値が縦線閾値（＋計算）を超えている場合に、白スジのある欠陥候補のものとして、次のｂｌｏｂ処理へと進む。
また、その画像の輝度値の最小値が縦線閾値（−計算）を超えていない場合に、黒スジのある画像として、次のｂｌｏｂ処理へと進む。輝度値の最大値が横線閾値（＋計算）を超えておらず、且つ輝度値の最小値が横線閾値（−計算）を超えている場合には、白スジ、黒スジがなく良品のものとして次のｂｌｏｂ処理は行わない。
【００５６】
また、＋４５°斜め線検出処理された各画像についても、その画像の輝度値の最大値が＋４５°斜め線閾値（＋計算）を超えている場合に、白スジのある欠陥候補のものとして、次のｂｌｏｂ処理へと進む。
また、その画像の輝度値の最小値が＋４５°斜め線閾値（−計算）を超えていない場合に、黒スジのある画像として、次のｂｌｏｂ処理へと進む。輝度値の最大値が＋４５°斜め線閾値（＋計算）を超えておらず、且つ輝度値の最小値が＋４５°斜め線閾値（−計算）を超えている場合には、白スジ、黒スジがなく良品のものとして次のｂｌｏｂ処理は行わない。
【００５７】
さらに、−４５°斜め線検出処理された各画像についても、その画像の輝度値の最大値が−４５°斜め線閾値（＋計算）を超えている場合に、白スジのある欠陥候補のものとして、次のｂｌｏｂ処理へと進む。
また、その画像の輝度値の最小値が−４５°斜め線閾値（−計算）を超えていない場合に、黒スジのある画像として、次のｂｌｏｂ処理へと進む。輝度値の最大値が−４５°斜め線閾値（＋計算）を超えておらず、且つ輝度値の最小値が−４５°斜め線閾値（−計算）を超えている場合には、白スジ、黒スジがなく良品のものとして次のｂｌｏｂ処理は行わない。
【００５８】
次に、欠陥候補があると判定された画像について欠陥候補の最大輝度、最小輝度、面積を求めるｂｌｏｂ処理を行う（ステップＳ６７）。
このｂｌｏｂ処理は、画像に白スジ、または黒スジの欠陥候補があると判定された画像についてだけ、欠陥候補の抽出を行い、その評価値を求めるため、前処理として横線検出処理画像、縦線検出処理画像、＋４５°斜め線検出処理画像、−４５°斜め線検出処理画像の中の、白スジ又は黒スジの欠陥候補の最大輝度、最小輝度、面積を求めるものである。
ｂｌｏｂ処理を行うためには、画像を２値化しなければならないが、このための閾値は横線閾値、縦線閾値、＋４５°斜め線閾値、−４５°斜め線閾値を使用する。図１８はｂｌｏｂ処理を行うために２値化された画像を示す。
【００５９】
例えば、横線、縦線、＋４５°斜め線及び−４５°斜め線検出処理された画像に、白スジ欠陥候補があると判定されたならば、＋で計算された横線閾値、縦線閾値、＋４５°斜め線閾値及び−４５°斜め線閾値をそれぞれ使い、それ以上の部分を白スジ欠陥候補として２値化する。２値化された画像には、複数点の欠陥候補がクラスタとして存在するが、その全てについて面積を求め、２値化してクラスタとなった領域の範囲内で、２値化をかける前の画像から最大輝度値を求める。
また、横線検出処理された画像に、黒スジ欠陥候補があると判定されたならば、−で計算された横線閾値、縦線閾値、＋４５°斜め線閾値及び−４５°斜め線閾値をそれぞれ使い、それ以下の部分を黒スジ欠陥候補として２値化する。白スジの場合と同様に、２値化された画像には、複数点の欠陥候補がクラスタ存在するが、その全てについて面積を求め、２値化してクラスタとなった領域の範囲内で、２値化をかける前の画像から最小輝度値を求める。
【００６０】
さらに、白スジ又は黒スジの欠陥候補について欠陥評価値を算出する評価値の計算を行う（ステップＳ６８）。
この評価値処理は、ｂｌｏｂ処理により求めた横線検出処理画像、縦線検出処理画像、＋４５°斜め線検出処理画像、−４５°斜め線検出処理画像の中の、白スジ又は黒スジの欠陥候補の最大輝度、最小輝度、面積の情報と、画面全体の輝度値の平均値、標準偏差に基づいて欠陥評価値を算出する評価値の計算を行うものである。
欠陥候補における白スジ又は黒スジの欠陥評価値（Ｅｖ）は次式により計算して求める。
白スジ
Ｅｖ（ｉ、ｎ）＝Ｋ（ｉ）＊Ｓ（ｎ）＊（Ｌｍａｘ（ｎ）−Ｌａｖｅ（ｉ））／σ（ｉ）
黒スジ
Ｅｖ（ｉ、ｎ）＝Ｋ（ｉ）＊Ｓ（ｎ）＊（Ｌａｖｅ（ｉ）−Ｌｍｉｎ（ｎ））／σ（ｉ）
Ｋ（ｉ）＝縮小画面係数、ｉ＝画面番号、ｎ＝ｂｌｏｂ番号、
Ｌｍａｘ（ｎ）＝欠陥候補の最大輝度、Ｌｍｉｎ（ｎ）＝欠陥候補の最小輝度、
Ｓ（ｎ）＝欠陥候補の面積、Ｌａｖｅ（ｉ）＝画面全体の平均輝度、
σ（ｉ）＝画面全体の輝度の標準偏差
そして、全ての評価値の最大値を取得して、この値により検査対象パネルの白スジ又は黒スジの欠陥のランクを決定することができる。従って、スジ欠陥の検出精度が高いものとなる。
【００６１】
最後に、チェック２である欠陥候補に対して求めた評価値に基づいて欠陥ランクの分類を行う（ステップＳ６９）。
この評価値に対し、欠陥ランク分類するための閾値は、不良品及び製品の良品ランク毎に何段階かに設定することができる。これによりシミ欠陥の良品内のランク（等級）付けや製品の等級化が可能となる。
【００６２】
この実施の形態のスジ欠陥検出処理よれば、コンピュータ７は前処理された背景画像差分処理を行った画像に対し、背景差分画像の比較的広い範囲にわたるムラの影響を除去する平坦化処理をし、さらに平坦化処理された画像を５段階に縮小するサイズ変更処理を行い、５段階の縮小画像に対してそれぞれ横線、縦線、±４５°の斜め線の欠陥を強調して検出するために４種類の線検出フィルタにより線検出フィルタ処理を行って、スジ欠陥を強調するのと同時に、当該画像の階調の中央値をオフセット値として加算して、２０個のスジ欠陥が強調処理された画像についてそれぞれの全領域における各画素の輝度値を取得し、画面全体の輝度値の平均値、標準偏差、最大値及び最小値を求める統計データ計算処理を行い、統計データ計算処理で求めた平均値と標準偏差から白スジを判定する横線、縦線、斜め線閾値を設定し、また黒スジを判定する横線、縦線、斜め線閾値を設定し、画面の輝度値の最大値がこれら白スジを判定する横線、縦線、斜め線閾値を超えているか否かで画面に白スジの欠陥がないかどうかの一次判定を行い、画面の輝度値の最小値がこれら黒スジを判定する横線、縦線、斜め線閾値を超えているか否かで画面に黒スジの欠陥がないかどうかの一次判定を行うようにしたので、各画像について、白スジ、黒スジの欠陥がなく、さらに各種サイズのスジもない良品かどうかの判定を短時間で容易にすることができる。
【００６３】
さらに、欠陥があると判定された欠陥候補の画像に対しては、評価値計算の前処理として欠陥候補の白スジ又は黒スジの最大輝度、最小輝度、面積を求めるｂｌｏｂ処理を行い、その後にｂｌｏｂ処理により求めた欠陥候補の白スジ又は黒スジの最大輝度、最小輝度、面積の情報と、画面全体の輝度値の平均値、標準偏差に基づいて所定の式により欠陥評価値を算出する評価値計算処理を行い、評価値計算処理により求めた評価値の最大値により白スジ又は黒スジの欠陥のランクを決定するようにしたので、白スジ又は黒スジについて欠陥サイズの大小にかかわらず、スジ欠陥を高精度に検出することができ、しかもｂｌｏｂ処理の対象が欠陥候補有りの画像だけであるために演算時間が短かくて済み、欠陥のランク付けも短時間に行うことができることとなった。
【００６４】
（４）ムラ欠陥検出処理について図１９のフローチャートに基づいて説明する。
まず、背景差分画像に対して上記シミ検出の場合と同様な画像サイズ縮小処理を行う（ステップＳ７１）。
なお、ここでの画像サイズ縮小処理は、背景差分画像（検査画像）１５の中には大小様々な大きさの欠陥が存在するので、検出しようとする（欠陥の大きさに対応するよう）ムラ欠陥サイズ以下の欠陥（シミやスジ欠陥）を除去するため、適当な画像サイズに検査画像１５を縮小するものである。例えば、検査画像１５を４分の１の画像サイズ、すなわち３００×２５０ピクセルに縮小する。なお、縮小比は１／４に限定されるものではない。
【００６５】
このように検査画像１５の画像サイズを縮小することによって、欠陥検出に要する処理時間を短縮することができるというメリットもある。
なお、図２０ではすべての画像が同じサイズで図示してあるが、（ａ）から（ｄ）の画像は実際は１／４に縮小された画像である。
ここでは画像サイズの縮小について述べたが、もちろん、必ずしも縮小しなくてもよく、例えば、平滑化フィルタ処理を用い、フィルタサイズを調整して、検出するムラ欠陥サイズ以下の欠陥を除去してもよい。
【００６６】
次に、縮小画像の複製（コピー）画像を作成する画像複製処理を行う（ステップＳ７２）。
この画像複製処理は、ムラ欠陥をそれ以外の背景の部分（欠陥の無い部分）から分離するための処理を行うときに、後述するように少なくとも３枚の画像を必要とするため、背景差分画像（検査画像）１５の１／４縮小画像の複製（コピー）画像を作成するものである。また、このコピー画像を、ムラ欠陥以外のシミ・点・線欠陥などの検出にも利用することができる。
【００６７】
さらに、検査画像１５の１／４縮小画像またはそのコピー画像に対して２段階にわたって平坦化処理を行う（ステップＳ７３、Ｓ７４）。
この平坦化処理は、ムラ欠陥をそれ以外の背景の部分（欠陥の無い部分）から分離するための前処理として行われるものである。ここでは、２段階の平坦化処理を行っている。
第１段階の平坦化１処理（ステップＳ７３）では、検査画像１５の１／４縮小画像またはそのコピー画像をもとに、図２０（ａ）に示すような第１の平坦化画像１６が作成される。
【００６８】
この第１段階の平坦化処理では、モフォロジ処理を応用した処理などで、割と小さな輝度変化を残して、大きな輝度変化は平坦化するように処理を行う。
第２段階の平坦化２処理（ステップＳ７４）では、この第１の平坦化画像１６から、さらに平坦化した第２の平坦化画像１７が作成される（図２０（ｂ）参照）。
この第２段階の平坦化処理では、大きな輝度変化を除去した第１の平坦化画像１６から、平滑化フィルタを用いた処理などで、更に小さな輝度変化を平坦化するように処理を行う。
【００６９】
しかる後に、２段階にわたって差分処理を行う（ステップＳ７５、Ｓ７６）。
このステップＳ７５の差分処理では、検査画像１５の１／４縮小画像またはそのコピー画像から、第１の平坦化画像１６（図２０の（ａ）画像）を減算する。この処理により、図２０（ｃ）に示すような第１の検出画像１８が得られる。この第１の検出画像１８では、サイズの小さいムラ欠陥は除去され、サイズの比較的大きいムラ欠陥２０ａのみが残ることになる。
次に、ステップＳ７６の差分処理では、第１の平坦化画像１６（図２０の（ａ）画像）から第２の平坦化画像１７（図２０の（ｂ）画像）を減算する。すると、図２０（ｄ）に示すような第２の検出画像１９が得られる。この第２の検出画像１９では、サイズの小さいムラ欠陥２０ｂのみが残ることになる。
【００７０】
さらに、ムラ欠陥検出画像内の各画素の輝度値に基づく統計計算を行う（ステップＳ７７〜Ｓ７８）。
この統計計算は、ムラ欠陥検出画像１８、１９内の各画素の輝度データを用いて画面全体での輝度データの統計計算を行うものである。
統計計算では、輝度データの平均値Ｌａｖｅ、標準偏差σ、最大値Ｌｍａｘ、最小値Ｌｍｉｎを求める。これら４つの輝度統計データから、白ムラ、黒ムラの欠陥候補の有無を判定する閾値を、例えば次のように決定する。
白ムラ閾値：Ｌａｖｅ＋ａ１×σ
黒ムラ閾値：Ｌａｖｅ−ａ２×σ
ここに、ａ１、ａ２は、ある決められた定数である。
従って、白ムラ、黒ムラの欠陥候補を抽出するための閾値を、ムラ欠陥検出画像１８、１９内の輝度データを統計計算することにより、その輝度統計データに基づいて自動的に決定することができる。そのため、閾値が人為的・試行錯誤的でなく、客観的・相対的なものとなる。
【００７１】
しかる後に、チェック１である欠陥候補の有無の判定を行う（ステップＳ７９）。
この欠陥候補の有無の判定は、ムラ欠陥検出画像１８、１９内に白側、黒側の欠陥候補があるかどうかを、上記閾値に基づいて１回目のチェックを行う。
まず、Ｌｍａｘが白ムラ閾値を超えているかチェックし、超えているならばその画像内に白ムラ欠陥候補があると判断する。次に、Ｌｍｉｎが黒ムラ閾値以下であるかチェックし、それ以下であるならばその画像内に黒ムラ欠陥候補があると判断する。もし、欠陥候補が皆無であれば、この段階でムラ欠陥無しと判定され、検査は終了する。
【００７２】
次に、抽出された欠陥候補領域内の様々な特性値を求めるｂｌｏｂ処理を行う（ステップＳ８０、Ｓ８１）
上記チェック１で欠陥候補があると判断された場合は、閾値で欠陥候補を抽出する。このとき、チェック１で白ムラ欠陥候補があると判断されている場合には、白ムラ閾値以上のものを欠陥候補として抽出し、黒ムラ欠陥候補があると判断されている場合には、黒ムラ閾値以下のものを欠陥候補として抽出する。両方あると判断されている場合には、両方抽出する。
【００７３】
その抽出された欠陥候補についてｂｌｏｂ処理を行い、抽出された欠陥候補の面積（Ｓ（ｎ））と白ムラ欠陥候補であれば輝度値の最大値Ｌｍａｘ（ｎ）、黒ムラ欠陥候補であれば輝度値の最小値Ｌｍｉｎ（ｎ）を求める。ここで求められた欠陥候補領域内の特性値は次に述べる評価値の計算で使用する。
【００７４】
さらに、欠陥候補として抽出されｂｌｏｂ処理が行われたムラ欠陥候補について、評価値の計算を行う（ステップＳ８２）
欠陥候補として抽出されｂｌｏｂ処理が行われたムラ欠陥候補について、上記輝度統計データ（平均値Ｌａｖｅ、標準偏差σ）と、ｂｌｏｂ処理で求めた特性値（面積Ｓ（ｎ）、最大値Ｌｍａｘ（ｎ）、最小値Ｌｍｉｎ（ｎ））を用いて、次式により評価値を計算する。
白ムラ：
Ｅｖ（ｎ）＝ｋ（ｉ）＊Ｓ（ｎ）＊（Ｌｍａｘ（ｎ）−Ｌａｖｅ（ｉ））／σ（ｉ）
黒ムラ：
Ｅｖ（ｎ）＝ｋ（ｉ）＊Ｓ（ｎ）＊（Ｌａｖｅ （ｉ）−Ｌｍｉｎ（ｎ））／σ（ｉ）
但し ｋ（ｉ）＝縮小画面係数
ｉ＝画面番号
ｎ＝Ｂｌｏｂ番号
Ｌｍａｘ（ｎ）＝欠陥候補の最大輝度
Ｌｍｉｎ（ｎ）＝欠陥候補の最小輝度
Ｓ（ｎ）＝欠陥候補の面積
Ｌａｖｅ （ｉ）＝画像全体の平均輝度
σ（ｉ）＝画像全体の輝度の標準偏差
これらの計算式により、欠陥候補として抽出された白ムラ欠陥、黒ムラ欠陥を、その大きさ（面積）、個数（Ｂｌｏｂ番号）と共に、客観的なデータで定量的に評価することができる。従って、ムラ欠陥の検出精度が高いものとなる。
【００７５】
最後に、チェック２（つまり最終的なチェック）である欠陥候補に対して求めた評価値に基づいて欠陥ランクの分類を行う（ステップＳ８３）。
この評価値に対し、欠陥ランク分類するための閾値は、不良品及び製品の良品ランク毎に何段階かに設定することができる。これによりシミ欠陥の良品内のランク（等級）付けや製品の等級化が可能となる。
【００７６】
この実施の形態のムラ欠陥検出処理によれば、液晶パネル等の表示デバイスの画面に存在するムラ欠陥を欠陥サイズの大小にかかわらず、高精度に自動的に検出することができ、かつ、それらの欠陥を個々に定量的に評価することができる。
また、輝度統計データに基づいてムラ欠陥を評価するものであるので、製品や部品の品質データを収集・分析することにより、品質管理に役立てることができ、更なる品質の向上を目指した手法を構築することも可能となる。
【００７７】
（５）線欠陥検出処理について図２１のフローチャートに基づいて説明する。
まず、背景差分画像に対して上記シミ検出の場合と同様な平坦化処理を行う（ステップＳ９１）。
次に、平坦化処理された画像に対して水平・垂直エッジが強調処理された水平・垂直線検出画像を作成するエッジ検出フィルタ処理を行う（ステップＳ９２）。
このエッジ検出フィルタ処理は、平坦化処理された画像の複製を２つ作成し、１つの複製画像については水平エッジ検出フィルタにより水平エッジ検出処理を行って水平エッジが強調処理された図２３の（ａ）に示すような水平線検出画像を作成すると共に、もう１つの複製画像については垂直エッジ検出フィルタにより垂直エッジ検出処理を行って垂直エッジが強調処理された図２３の（ｂ）に示すような垂直線検出画像を作成するものである。
【００７８】
この水平・垂直のエッジ検出フィルタ処理は、平坦化処理された画像では微少なレベルの白・黒線欠陥の検出が難しいために、水平・垂直のエッジ検出フィルタをかけて線欠陥の強調演算を行うものである。
これら水平・垂直のエッジ検出フィルタには、水平エッジ検出処理を行う水平エッジ検出フィルタと、垂直エッジ検出処理を行う垂直エッジ検出フィルタとがある。
これら水平・垂直のエッジ検出フィルタは共に、着目する画素を含む数画素×数画素の小領域に対して、その中にエッジ成分があるかどうかを検出するため、エッジ成分が存在するときに着目する画素とその周囲の画素との輝度値の関係から、畳み込み演算を行うことにより強調されるように、各画素の重み付けを行ったフィルタである。
図２２の（ａ）は水平エッジ検出の水平エッジ検出フィルタ、図２２の（ｂ）は垂直エッジ検出の垂直エッジ検出フィルタの一例を示している。
【００７９】
なお、図２２（ａ）及び図２２（ｂ）の水平・垂直のエッジ検出フィルタをかけた画像は、線の両側で（エッジの状態により）、片側はプラスの階調、その反対側はマイナスの階調の値として表れる。画像処理のフォーマットでは画像データは通常正の値しか取れないため、そのままではマイナスの成分は０となり、処理の対象から外れてしまう。
そこで、同じ画像から両方のエッジが検出できるように、画面が１２ｂｉｔの４０９６階調で表されるときにはその半分の２０４８の値を、フィルタ処理と同時にオフセット値として加える処理を行う。これにより、マイナスとなった成分もプラスの値の階調として表れるので、１回のフィルタ処理で両方のエッジ成分を検出することが可能となる。なお、画像のフォーマットが８ｂｉｔのグレイスケールの場合、２５６階調となり、その半分の１２８の値を、フィルタ処理の結果にオフセット値として加えることとなる。
【００８０】
さらに、水平・垂直線検出画像をそれぞれ分割し、各分割された領域の各画素の輝度値を横・縦方向に積算して積算値を取得する分割プロファイル処理を行う（ステップＳ９３）。
この分割プロファイル処理は、水平エッジ検出処理された水平線検出画像を縦方向に４分割し、各分割された領域の各画素の輝度値を横方向に積算して積算値を取得する水平プロファイル処理と、垂直エッジ検出処理された垂直線検出画像を横方向に４分割し、各分割された領域の各画素の輝度値を縦方向に積算して積算値を取得する垂直プロファイル処理とからなる。
【００８１】
しかる後に、各分割領域における積算値から分割領域画面全体の輝度値の平均値、標準偏差、最大値及び最小値を算出する統計計算を行う（ステップＳ９４）。
この統計計算は、水平プロファイル処理された各分割領域における各行の積算値から分割領域画面全体の輝度値の平均値、標準偏差、最大値及び最小値と、垂直プロファイル処理された各分割領域における各列の積算値から分割領域画面全体の輝度値の平均値、標準偏差、最大値及び最小値とを算出する統計データ計算処理を行うものである。図２４の（ａ）は水平プロファイル処理されて取得した水平プロファイルデータを示し、図２４の（ｂ）は垂直プロファイル処理されて取得した垂直プロファイルデータを示す。
【００８２】
このように、水平プロファイル処理の際に水平線検出画像を縦方向に４分割し、垂直プロファイル処理の際に垂直線検出画像を縦方向に４分割するようにしているのは、分割前の大きな水平線検出画像又は垂直線検出画像では明るさの変動により薄い線欠陥が埋もれてしまうおそれがあるのと、短い線欠陥ではそれ以外の部分も積算されるため線欠陥の成分が薄まってしまうおそれがあるが、分割した小さな画像では明るさの変動の影響を受けにくいために薄い線欠陥も検出することができ、また分割することにより線欠陥以外の部分のデータが少なくなり、積算を行っても欠陥成分があまり薄まらず短い線欠陥でも検出することができるからである。
【００８３】
次に、チェック１である欠陥候補抽出処理を行う（ステップＳ９５）。
この欠陥候補抽出処理は、水平プロファイル処理された各分割領域の各行の積算値の平均値、標準偏差、最大値及び最小値と、垂直プロファイル処理された各分割領域の各列の積算値の平均値、標準偏差、最大値及び最小値とに基づいてそれぞれ次式により、横線閾値と縦線閾値を計算により求め、閾値以下のものを線欠陥候補として抽出するものである。各式のａ１，ａ２は、ある決められた定数である。
横線閾値（水平線）＝ａｖｅｒａｇｅ（平均値）±ａ１＊σ（標準偏差）
縦線閾値（垂直線）＝ａｖｅｒａｇｅ（平均値）±ａ２＊σ（標準偏差）
なお、１つの式の計算結果として２つの値が閾値として算出されるが、＋で求めた閾値はフィルタ処理によりプラス側へ強調されたエッジの閾値となり、分割プロファイル処理された画像のなかでこの閾値以上のものを線欠陥候補として検出する。また、−で求めた閾値はフィルタ処理によりマイナス側へ強調されたエッジの閾値となり、分割プロファイル処理された画像のなかでこの閾値以下のものを線欠陥候補として抽出する。
【００８４】
即ち、水平プロファイル処理された各分割領域画像については、その画像の積算値の最大値が横線閾値（＋計算）を超えている場合に、水平の線欠陥候補のある画像として、次の評価値処理へと進む。
また、その画像の積算値の最小値が横線閾値（−計算）を超えていない場合には、同じく水平の線欠陥候補のある画像として、次の評価値処理へと進む。
従って、その画像の積算値の最大値が横線閾値（＋計算）を超えておらず、且つ積算値の最小値が横線閾値（−計算）を超えている場合には、水平の線欠陥がなく良品のものとし（ステップＳ９６）、後述の評価値計算の評価値処理は行わない。
【００８５】
また、垂直プロファイル処理された各分割領域画像については、その画像の積算値の最大値が縦線閾値（＋計算）を超えている場合に、垂直の欠陥候補のある画像として、次の評価値処理へと進む。
また、その画像の積算値の最小値が縦線閾値（−計算）を超えていない場合には、垂直の線欠陥候補のある画像として、次の評価値処理へと進む。
従って、その画像の積算値の最大値が縦線閾値（＋計算）を超えておらず、且つ積算値の最小値が縦線閾値（−計算）を超えている場合には、垂直の線欠陥がなく良品のものとし（ステップＳ９６）、後述の評価値計算の評価値処理は行わない。
【００８６】
さらに、欠陥候補については、各分割領域画像から求めた平均値、標準偏差、最大値及び最小値に基づいてそれぞれ所定の式により、線評価値Ｈと線評価値Ｂとを計算により求める評価値の計算を行う（ステップＳ９７）。
この評価値の計算は、水平プロファイル処理された各分割領域画像について、その画像の積算値の最大値が横線閾値（＋計算）以上と抽出されたものと、その画像の積算値の最小値が横線閾値（−計算）を超えていないとして抽出されたものである水平線の欠陥候補と、垂直プロファイル処理された各分割領域画像について、その画像の積算値の最大値が縦線閾値（＋計算）以上と抽出されたものと、その画像の積算値の最小値が縦線閾値（−計算）を超えていないとして抽出されたものである垂直線の欠陥候補については、各分割領域画像から求めた平均値、標準偏差、最大値及び最小値に基づいてそれぞれ次式により、線評価値Ｈと線評価値Ｂとを計算により求めるものである。
線評価値Ｈ＝（最大値−平均値）／標準偏差
線評価値Ｂ＝（平均値−最小値）／標準偏差
さらに、線評価値Ｈと線評価値Ｂについては、線欠陥候補ではあるが、良品として問題がないレベルの値を閾値として設定しておく。
【００８７】
そこで、水平プロファイル処理された各分割領域画像における最大値が横線閾値以上と抽出されたものについては、線評価値Ｈ＞閾値又は線評価値Ｂ＞閾値の場合は、水平の線欠陥のあるレベルのものと評価し、それ以外は水平の線欠陥候補ではあるが、良品として問題がないレベルのものと評価する。
また、垂直プロファイル処理された各分割領域画像における最大値が縦線閾値以上と抽出されたものについては、線評価値Ｈ＞閾値又は線評価値Ｂ＞閾値の場合は、垂直の線欠陥のあるレベルのものと評価し、それ以外は垂直の線欠陥候補ではあるが、良品として問題がないレベルのものと評価する。
【００８８】
最後に、チェック２（つまり最終的なチェック）である欠陥候補に対して求めた評価値に基づいて欠陥ランクの分類を行う（ステップＳ９８）。
この評価値に対し、欠陥ランク分類するための閾値は、不良品及び製品の良品ランク毎に何段階かに設定することができる。これによりシミ欠陥の良品内のランク（等級）付けや製品の等級化が可能となる。
【００８９】
この実施の形態の線欠陥検出処理によれば、コンピュータ７は、背景画像差分処理された背景差分画像の比較的広い範囲にわたるムラの影響を除去する平坦化処理をする。
さらに平坦化処理された画像に対してそれぞれ横線、縦線の欠陥を強調して検出するために水平・垂直のエッジ検出フィルタにより水平エッジ・垂直エッジ検出処理を行って線欠陥が強調処理された水平線検出画像と垂直線検出画像を作成し、その水平線検出画像を縦方向に４分割し、各分割された領域の各画素の輝度値を横方向に積算して積算値を取得する水平プロファイル処理と、その垂直線検出画像を横方向に４分割し、各分割された領域の各画素の輝度値を縦方向に積算して積算値を取得する垂直プロファイル処理とを行い、水平プロファイル処理された各分割領域における各行の積算値から分割領域の積算値の輝度値の平均値、標準偏差、最大値及び最小値と、垂直プロファイル処理された各分割領域における各列の積算値から分割領域の積算値の平均値、標準偏差、最大値及び最小値とを算出する統計データ計算を行う。
【００９０】
そして、統計データ計算で求めた平均値と標準偏差から、水平の線欠陥候補の有無を判定する横線閾値及び垂直の線欠陥候補の有無を判定する縦線閾値を設定し、水平プロファイル処理及び垂直プロファイル処理された各分割領域の積算値の最大値が線欠陥を判定する横線、縦線閾値を超えているか否かで画面に線欠陥がないかどうか、また画面の積算値の最小値がもう１つの線欠陥候補を判定する横線、縦線閾値を超えているか否かで画面に線欠陥がないかどうかの一次判定を行うようにしたので、各分割領域画像について、白線、黒線がない良品か、或いは白線、黒線の線欠陥がある欠陥候補かどうかの判定を短時間で容易にすることができる。
【００９１】
さらに、線欠陥があると判定された欠陥候補の画像に対しては、分割領域の積算値の平均値、標準偏差、最大値及び最小値に基づいて所定の式により線評価値Ｈと線評価値Ｂを算出する評価値計算処理を行い、評価値計算処理により求めた線評価値Ｈと線評価値Ｂが予め設定された線欠陥候補ではあるが問題ないレベルの値の閾値をこえているかどうかで線欠陥候補の欠陥ランクを決定するようにしたので、線欠陥について薄い線欠陥や短い線欠陥を高精度に検出することができ、しかも評価値の計算対象が欠陥候補だけであるために演算時間が短くて済み、欠陥のランク付けも短時間に行うことができることとなった。
【００９２】
（５）画素ムラ欠陥検出処理について図２５のフローチャートに基づいて説明する。
まず、背景差分画像に対して膨張処理を行う（ステップＳ１０１）。
この膨張（Ｄｉｌａｔｅ）処理は、例えば、液晶ライトバルブに駆動素子等の遮光部としてブラックマトリクスが存在している場合に、そのブラックマトリクスの影響を低減するために行われる。
この膨張処理は、例えば、ある注目画素を中心とする近傍の８画素を含めた領域、つまり注目画素を中心とする３×３画素領域の中の最大値を注目画素とおきかえるマキシマムフィルタ処理を行うものである。この処理によって、白領域が膨張し、微少な黒領域であるブラックマトリクス部分が縮小されるために、ブラックマトリクスの成分を低減することができる。この膨張処理では、マキシマムフィルタに限定されるわけではなく、白領域を膨張させるモフォロジ処理等を使用してもよい。
【００９３】
次に、膨張処理された画像に対してソーベルフィルタ処理を行う（ステップＳ１０２）。
このソーベルフィルタ処理は膨張処理された画像をソーベル（Ｓｏｂｅｌ）フィルタを用いて画像のエッジや輪郭を検出し、強調するものである。
ソーベルフィルタは、画像（ここでは、欠陥）のエッジや輪郭成分を、強調するフィルタの一種であり、隣接するピクセル間の差異（傾き）を輝度値としてあらわすことで、画像のエッジや輪郭を強調するものである。例えば、図２６に示すような３×３画素の領域にソーベルフィルタを適用する場合、中心のＥ画素の輝度値ＬＲは、以下の公式により計算される。
ＬＲ＝（Ｘ２＋Ｙ２）１／２
但し、Ｘ＝（Ｃ＋２Ｆ＋Ｉ）−（Ａ＋２Ｄ＋Ｇ）
Ｙ＝（Ａ＋２Ｂ＋Ｃ）−（Ｇ＋２Ｈ＋Ｉ）
このソーベルフィルタを用いて、画像の左上隅から右へ、及び下へ１画素ずつずらしながら右下隅までフィルタをかけ、各画素の輝度値を演算する。その一例を図２７に示す。同図の（ａ）は処理前の各画素の輝度値をあらわし、（ｂ）はソーベルフィルタ処理後の輝度値の演算結果をあらわしている。
この結果から明らかなように、フィルタ処理後においては隣接画素間の輝度値の差が検出され、且つ強調されるため、画像のエッジや輪郭が明瞭にあらわされることになる。
このような画像（欠陥）強調処理のフィルタには、ほかにラプラシアン（Ｌａｐｌａｃｉａｎ）フィルタ等があり、このフィルタを用いてもよい。
【００９４】
さらに、ソーベルフィルタ処理後にエリア分割処理を行う（ステップＳ１０３）。
このエリア分割処理は、ソーベルフィルタ処理後に、検査画像１５を水平および垂直に分割し複数のエリアに分割するものである。ここでは、図２８に示すように、４×４の１６個のエリア１６に分割している。画像を複数のエリアに分割する目的は、次に述べる各分割エリア１６ごとの輝度値を統計処理することにより、画素ムラ欠陥の発生箇所を特定するとともに、画素ムラ欠陥の定量化を図ることにある。
なお、画像のエリア分割数は多くするほど、局所的な領域の画素ムラ欠陥を検出できるようになり、検出精度も上がる。しかし、実施例では、実際の画素ムラ欠陥が、面積的には表示エリアの４分の１程度の領域をしめるような出方をしていることから、この程度の分割でよいと思われる４×４の１６分割を選択している。
【００９５】
しかる後に、各分割エリア内の統計計算を行う（ステップＳ１０４）
この各分割エリア内の統計計算は、分割エリア１６ごとに分割エリア内の各画素の輝度値の統計計算を行うものである。そして、分割エリア１６ごとに輝度値の標準偏差σを求める。
例えば、図２９は分割エリアごとの輝度値の標準偏差σを３次元的にあらわしたグラフである。図２９のグラフは前記表示装置８に表示される。
【００９６】
さらに、評価値の計算に相当する最大標準偏差の抽出を行う（ステップＳ１０５）
この最大標準偏差の抽出は、前記のように求められた分割エリアごとの輝度値の標準偏差σの中から最大値（最大標準偏差）σｍａｘを求める工程である。最大標準偏差σｍａｘは画素ムラ欠陥が最も集中的に発生している領域をあらわしている。
したがって、本実施形態では最大標準偏差σｍａｘを画素ムラ欠陥の検出の際の評価値としている。
最後に、チェック２（つまり最終的なチェック）である欠陥候補に対して求めた評価値に基づいて欠陥ランクの分類を行う（ステップＳ１０６）。
画素ムラ欠陥の検出にあたっては、所定の閾値を設定し、最大標準偏差σｍａｘがこの閾値以下であれば画素ムラ欠陥なしと判定する。また、閾値は製品の良品ランク毎に何段階かに設定することができる。これにより画素ムラ欠陥の良品内のランク（等級）付けや製品の等級化が可能となる。
【００９７】
この実施の形態の画素ムラ欠陥検出処理によれば、液晶パネル等の表示デバイスの画面に存在する画素ムラ欠陥を定量的に自動検出することができる。
また、最大標準偏差でもって画素ムラ欠陥を評価するものであるので、製品や部品の品質データを集計、分析することにより、品質管理に役立てることができ、更なる品質の向上を目指した手法を構築することも可能になる。
【００９８】
以上説明したように、この実施の形態によれば、各種欠陥における欠陥検出にあたって、欠陥のモードを点欠陥検出処理、シミ検出処理、スジ検出処理、ムラ検出処理、線検出処理及び画素ムラ検出処理というように分類し、そのモード毎に処理方法を適用し、各モード毎に画像内の各画素の輝度値に基づく輝度統計データを計算し、輝度統計データに基づいて輝度値の閾値を設定し、輝度統計データと該閾値から欠陥候補を抽出するようにしたので、各欠陥モード毎に画像全体での統計データで一次判定されることとなり、処理画像を減らすことができ、処理時間短縮することができる。
また、液晶ライトバルブの点灯状態を複数設定し、画像を撮像する。即ち、例えばある特定の画像を検査のために撮像するだけでなく、点灯状態を変えて全白画像、全黒画像、白と黒の中間状態の画像もそれぞれ撮像して検査対象とすることにより、ある階調でしか発生しない各モードの各種の欠陥についても検出することができる。
【００９９】
さらに、画像毎に最適な露光時間を設定、例えば明るい画像は露光時間を短く、暗い画像は露光時間を長くするというようにし、１２ｂｉｔ以上の輝度分解能で撮像することにより、微妙な輝度変化も高精度にとらえることができる。
さらに、抽出された欠陥候補について、輝度統計データに基づいて評価値を算出し、欠陥の評価を行うようにしているため、欠陥モード毎に欠陥の状態を定量的に評価することができ、より高精度な検査が可能となった。
また、このように欠陥モード毎の評価結果が得られるために、欠陥モード毎の検出感度チューニング（目視検査との整合性）が可能となり、目視で行っている判断により近い検査が行えるようになった。
【０１００】
さらに、各欠陥処理の評価値に対して閾値を不良品及び製品の良品ランク毎に何段階かに設定することにより、欠陥の良品内のランク（等級）付けや製品の等級化が可能となる。
図３０は各種欠陥の欠陥候補について各モード毎の評価値の欠陥ランクの分類を示すグラフである。このグラフが表示装置８に表示されることによって、欠陥の良品内のランク（等級）付けが一目で分かることとなる。このグラフで、評価値が大きい方が欠陥の程度が悪く、小さい方が欠陥の程度が良いことを表している。また、各欠陥によって不良品と良品とを判定する評価値の値も若干異なるものである。
【０１０１】
図３０のグラフに示すように、算出された評価値は不良判断のために用いるだけでなく、その値の大きさに基づいて製品をいくつかのグループに分類されて欠陥のランク（等級）付けや製品の等級化されている。例えば、液晶パネルをＲ（赤）、Ｇ、Ｇ’（緑）、Ｂ（青）のカラー別に、プロジェクタのライトバルブとして使用する場合に、比視感度は緑のとき（波長λ＝５５５ｎｍ近辺のとき）が最も高いので、評価値の最も小さい方のランクのものをＧの製品、次に大きいランクのものをＧ’の製品、更に大きいランクのものをＲの製品、その次のものをＢの製品、さらにそれ以上の評価値のものを不良品として、等級化している。
そして、グラフの各欠陥で＊印は一枚の取り込まれた画像における具体的な欠陥の評価値を示している。
従って、グラフ中における＊印がある場所をみることによって、取り込まれた画像について、各欠陥の程度と欠陥ランクを知ることができる。
【０１０２】
本発明は、前記のようなＴＦＴ素子を用いた液晶パネルに限られるものではなく、その他のダイオード素子を用いた液晶パネルやプラズマディスプレイ、有機ＥＬディスプレイ、ＤＭＤ（ダイレクト・ミラー・デバイス）などの表示体部品、ならびにそれらを使用した表示装置・製品の検査に利用することができるものであり、これらに使用した場合でも本発明の範囲から除外されるものでないことはいうまでもない。
【図面の簡単な説明】
【図１】実施の形態の画面の欠陥検出装置の構成を示すブロック図。
【図２】各種欠陥の検出処理を経て結果表示までを示すフローチャート。
【図３】背景画像差分処理を示す図。
【図４】点欠陥検出処理を示すフローチャート。
【図５】７×７Ｔｏｐｈａｔ フィルタの一例を示す図。
【図６】明欠陥と暗欠陥を有する画像。
【図７】Ｔｏｐｈａｔ フィルタ処理された画像。
【図８】明・暗欠陥抽出処理された画像。
【図９】シミ検出処理を示すフローチャート。
【図１０】平坦化画像と縮小されたシミ欠陥検出画像の模式図。
【図１１】画像サイズの縮小方法の説明図。
【図１２】Ｗｅｌｌフィルタの一例を示す図。
【図１３】スジ検出処理を示すフローチャート。
【図１４】図３の各画像から切り出した輝度値をそれぞれ示すグラフ。
【図１５】各種の線検出フィルタの例を示す図。
【図１６】線検出フィルタ処理された画像を示す図。
【図１７】線検出フィルタ処理された各種画像の輝度値をそれぞれ示すグラフ。
【図１８】ｂｌｏｂ処理を行うために２値化された画像を示す図。
【図１９】ムラ検出処理を示すフローチャート。
【図２０】平坦化画像とムラ欠陥検出画像の模式図。
【図２１】線検出処理を示すフローチャート。
【図２２】各種のエッジ検出フィルタの例を示す図。
【図２３】エッジ検出フィルタ処理された線欠陥検出画像を示す図。
【図２４】分割プロファイル処理されたプロファイルデータを示す図。
【図２５】画素ムラ検出処理を示すフローチャート。
【図２６】ソーベルフィルタの計算式の画素位置関係を示す図。
【図２７】ソーベルフィルタの処理前、処理後の数値例を示す図。
【図２８】画像エリア分割の一例を示す図。
【図２９】分割エリアごとの輝度値の標準偏差を示すグラフ。
【図３０】各種欠陥の欠陥候補の欠陥ランク分類を示すグラフ。
【符号の説明】
１ プロジェクタ、２ 液晶パネル、３ スクリーン、４ 画像、５パターンジェネレータ、６ ＣＣＤカメラ、７ コンピュータ、８ 表示装置、１０検査対象画面。
【発明の属する技術分野】
本発明は、液晶ライトバルブ等の表示デバイスやその応用製品であるプロジェクタ等の製造における検査工程において、点欠陥、スジ欠陥、線欠陥及びシミ・ムラ欠陥等の欠陥を精度良く自動的に検出する画面の欠陥検出方法及び装置に関する。
【０００２】
【従来の技術】
従来の画面の欠陥検査装置では、二値化処理に代表される単一の画像処理によって欠陥検査が実行されているのが一般的であるから、様々に発生する欠陥の全てに対応することは不可能であった。例えば、液晶表示装置等の画面に現れる欠陥には、点欠陥、線欠陥、面欠陥（あるいはシミ・ムラ欠陥とも呼ばれる）等がある。これらのシミやムラといったコントラストが低い欠陥や点欠陥のような微少な欠陥や、画素の走査方向に連なる線欠陥などは、単純な二値化処理では検出することができなない。
そこで、液晶表示装置等の画面に現れる欠陥検出では、点・線・面の欠陥を３段階の閾値を用いて、偽欠陥の誤検出を防ぎつつ、それぞれの欠陥を分離抽出する方法が提案されている（例えば、特許文献１参照）。
また、微細な欠陥やムラやスジなどの様々な欠陥を一台の検査装置で検出し、その欠陥の種別を報知し、その欠陥を総合的に判定する欠陥検査装置が提案されている（例えば、特許文献２参照）。
【０００３】
【特許文献１】
特開平９−２８８０３７号公報（第１頁、図１）
【特許文献２】
特開平８−１４５９０７号公報（第１頁、図１）
【０００４】
【発明が解決しようとする課題】
上記のような従来の点・線・面の欠陥を３段階の閾値を用いてそれぞれの欠陥を分離抽出する方法では、欠陥サイズが多様な場合や、非常にコントラストの低い欠陥に対して検出力が不十分であるという問題点があった。
また、様々な欠陥を一台の検査装置で検出し、その欠陥の種別を報知し、その欠陥を総合的に判定する欠陥検査装置では、基本的には各画素間の濃度の変化量の大小で欠陥を判定しており、これは欠陥エッジの強度を求めていることになり、欠陥サイズは考慮されていないため、人による目視検査における人の判断との相違が大きくなってしまうという問題点があった。
【０００５】
本発明は、このような問題点を解決するためになされたものであり、点欠陥、スジ欠陥、線欠陥及びシミ・ムラ欠陥等の欠陥をそれぞれ精度良く検出でき、しかもこれら欠陥検出で、明欠陥に限らず暗欠陥も検出でき、欠陥を検出する際の処理時間を短くすることができる画面の欠陥検出方法及び装置を得ることを目的とする。
【０００６】
【課題を解決するための手段】
本発明に係る画面の欠陥検出方法は、検査対象の画像を撮像する工程と、撮像により取り込まれた画像から、予め作成しておいた背景画像との差をとり検査画像を作成する工程と、検査画像から点欠陥、シミ欠陥、スジ欠陥、ムラ欠陥、線欠陥、画素ムラ欠陥のそれぞれを検出する６つの検出処理工程と、各検出処理後における画像内の各画素の輝度値に基づく輝度統計データをそれぞれ計算する工程と、輝度統計データに基づいて輝度値の閾値を設定し、輝度統計データと該閾値から欠陥候補を抽出する工程とを有することを特徴とするものである。
【０００７】
このように構成したことにより、点欠陥、シミ欠陥、スジ欠陥、ムラ欠陥、線欠陥、画素ムラ欠陥の欠陥モード毎により高度な検査が可能となった。
さらに、各欠陥モード毎に画像全体での輝度統計データと閾値から欠陥候補を抽出して一次判定されるため、検出処理の量を減らすことができ、処理時間短縮することができる。
【０００８】
また、本発明に係る画面の欠陥検出方法において、検査対象の画像の点灯状態を複数設定し、それぞれ設定した画像を撮像することにより、各モードの各種の欠陥を検出することができる。
さらに、検査対象の画像を最適な露光時間で撮像し、取込画像のデータは、１２ｂｉｔの４０９６階調以上とするのが好ましい。
このようにしたことにより、微妙な輝度変化も高精度にとらえることができ、高解像度の画像データを用いることにより、前記輝度統計データの精度があがるため、欠陥検出精度の更なる向上をはかることが可能となる。また、後述する欠陥候補の評価値の精度も向上する。
【０００９】
また、本発明に係る画面の欠陥検出方法において、点欠陥、シミ欠陥、スジ欠陥、ムラ欠陥、線欠陥の明欠陥と暗欠陥の両方を検出できるようにするために、欠陥候補を抽出するための閾値は、明欠陥及び暗欠陥ごとに決定するものである。
その閾値は、輝度統計データの平均値および標準偏差を用いて決定される。
また、抽出された欠陥候補について、欠陥候補の特性値を求め、この特性値と統計データとに基づいて評価値を算出する工程を有することを特徴としている。従って、欠陥候補を客観的に・定量的に評価することができ、かつ、正確な評価を行うことができる。また、欠陥モード毎の評価結果が得られるために、欠陥モード毎のチューニング（目視検査との整合性をとること）が可能となり、目視で行っている判断により近い検査が行えるようになった。
【００１０】
また、欠陥候補の評価値は、閾値の場合と同様に、明欠陥及び暗欠陥ごとに算出される。
さらに、欠陥候補の評価値は、輝度統計データの平均値、標準偏差と、欠陥候補の最大輝度、最小輝度を用いて算出される。
従って、欠陥を製品別に客観的に評価することができる。
また、欠陥候補の評価値の大きさにより、不良品及び製品の良品ランクの分類をすることにより、欠陥のランク付け、製品の等級化が可能となる。なお、これらの統計データは品質管理に活用することができる。
【００１１】
さらに、本発明に係る画面の欠陥検出方法において、点欠陥を検出する検出処理工程は、検査画像に対してトップハットフィルタ又はウェルフィルタをかけて明点欠陥及び暗点欠陥を強調し、明点欠陥及び暗点欠陥を強調すると同時に画像を表示している階調の略中央値をオフセット値として加算するようにしたので、１回の点欠陥強調処理で検査画像の明欠陥と暗欠陥の点欠陥を検出でき、点欠陥を検出する際の処理時間を短くすることができる。
【００１２】
また、本発明に係る画面の欠陥検出方法において、シミ欠陥を検出する検出処理工程は、検査画像に対して平坦化処理を行い、平坦化画像から複数段階の縮小画像を作成し、該縮小画像のそれぞれに対してシミ欠陥強調のためのトップハットフィルタ又はウェルフィルタによるフィルタ処理を行い、シミ欠陥を強調するのと同時に画像を表示している階調の略中央値をオフセット値として加算するようにしたので、シミ欠陥のコントラストが強調され、しかも欠陥サイズの大小、あるいはコントラストの高低にかかわらず、シミ欠陥を高精度に検出することができる。
【００１３】
また、本発明に係る画面の欠陥検出方法において、スジ欠陥を検出する検出処理工程は、検査画像に対して平坦化処理を行い、平坦化画像から複数段階の縮小画像を作成し、各縮小画像に対して様々な方向のスジに対応するように強調角度を４段階に変えた線検出フィルタをそれぞれかけてスジ欠陥を強調し、スジ欠陥を強調する同時に画像を表示している階調の略中央値をオフセット値として加算するようにしたので、画面の異なる方向にそれぞれ表れる白スジ又は黒スジについて欠陥サイズの大小にかかわらず、スジ欠陥を高精度に検出することができる。
【００１４】
また、本発明に係る画面の欠陥検出方法において、ムラ欠陥を検出する検出処理工程は、検査画像または当該検査画像を縮小した縮小画像に対して複数段階の画像の平坦化処理を行い、第１及び第２の平坦化画像を作成し、検査画像または該検査画像の縮小画像と第１の平坦化画像との画像間、および第１の平坦化画像と第２の平坦化画像との画像間で、それぞれ差分処理を行い、同時に画像を表示している階調の略中央値をオフセット値として加算するようにしたので、検査画像内にムラ欠陥が存在する場合に、比較的大きいサイズのムラ欠陥は第１の検出画像内に残り、比較的小さいサイズのムラ欠陥は第２の検出画像内に残ることとなり、大小様々のムラ欠陥を精度良く検出することができる。
【００１５】
また、本発明に係る画面の欠陥検出方法において、線欠陥を検出する検出処理工程は、検査画像に対して平坦化処理を行い、平坦化画像に対してそれぞれエッジ検出フィルタをかけて線欠陥を強調し、線欠陥を強調すると同時に画像を表示している階調の略中央値をオフセット値として加算するようにしたので、画面の異なる方向にそれぞれ表れる白線又は黒線の欠陥を高精度に検出することができる。
【００１６】
また、本発明に係る画面の欠陥検出方法において、画素ムラ欠陥を検出する検出処理工程は、検査画像の各画素について膨張処理を行い、膨張処理を行った画像に対してソーベルフィルタ又はラプラシアンフィルタをかけて隣接画素の輝度差を強調するようにしたので、検査画像中に存在する画素ムラ欠陥の成分が明瞭となり、画素ムラを定性的に検出することができる。
【００１７】
さらに、本発明に係る画面の欠陥検出装置は、請求項１から１５のいずれかに記載の画面の欠陥検出方法を用いることを特徴としている。
具体的には、撮像手段と、画像処理を行う検査装置本体とからなり、検査装置本体は通常、コンピュータにより構成される。このコンピュータに前記各処理を行う検査プログラムを組み込むことによって各種欠陥を自動的に検査することができる。
【００１８】
【発明の実施の形態】
図１は本発明の実施の形態に係る画面の欠陥検出装置の構成を示すブロック図である。
この実施形態では、例えば、検査対象の画面１０をプロジェクタ１によるＴＦＴ素子を用いた液晶ライトバルブ２の投影画面としている。検査を行う場合には、プロジェクタ１によりスクリーン３に画像４を投射する。画像４はパターンジェネレータ５により所定のパターンを液晶パネル２に与えることによって描写される。撮像手段として例えばＣＣＤカメラ６により画像４を撮像し、その画像信号を図示しないＡ／Ｄ変換器によりアナログ信号からデジタル信号に変換して検査装置本体であるコンピュータ７に取り込む。このとき、画像データはＡ／Ｄ変換器により画素毎に例えば、黒を“０”、白を“４０９５”とする１２ビットのデータで４０９６階調の輝度値であらわされる。
【００１９】
さらに、コンピュータ７は画像メモリに取り込まれた画像４の画像データを後述する方法により処理することにより、明・暗欠陥ごとに点欠陥、スジ欠陥、線欠陥及びシミ・ムラ欠陥等の各種欠陥を検出する。欠陥検出にあたっては、欠陥の種類に応じて複数の縮小サイズによる縮小画像を作成したり、欠陥強調のためのフィルタ処理を行ったうえで、検出画像内の輝度情報の統計処理を行い、その統計データをもとに欠陥候補を抽出するための閾値を決定して欠陥候補を抽出し、さらに、抽出された欠陥候補について定量的に評価する評価値が演算される。これらの検査結果は表示装置８に表示される。
【００２０】
図２は画像入力から各種欠陥の検出処理を経て結果表示までを示すフローチャート、図３は背景画像差分処理を示す図である。各種欠陥の検出処理は上記のコンピュータ７または画像処理装置に組み込まれた検査プログラムに従って自動的に行われる。
図２のフローチャートに従って処理手順を説明する。
【００２１】
まず、スクリーン３上に投影された画像をＣＣＤカメラ６で撮影し、その撮影データの画像がコンピュータ装置７に取り込まれ、画像入力が行われる（ステップＳ１）。
次に、コンピュータ装置７に撮像により取り込まれた取込画像から被検査部の表示エリアである画像部分だけを抽出する表示エリア抽出処理が行われる（ステップＳ２）。
この抽出画面は、被検査部画像の四隅の座標をパターンマッチング処理（画像データの四隅付近の数十画素×数十画素の４つの小領域に対して、それぞれ予め用意した４つの隅基準画像とパターンマッチング処理を行い、四隅の座標を特定する）により検出することで抽出することができる。
【００２２】
続いて、被検査部の画面部分だけ抽出された画像である抽出画面から照明やレンズなど液晶ライトバルブ２以外のものによって生じる欠陥状の輝度変化を除去するための背景画像差分処理が行われる（ステップＳ３）。
この背景画像差分処理は、図３の（ａ）に示す検査対象画像データの被検査部の画面部分だけ抽出された画像である抽出画面１３から図３の（ｂ）に示す背景画像１４を減算し、輝度変化がマイナスにならないようにオフセット値として４０９６階調の１／２の値を加算して、図３の（ｃ）に示す背景差分画像１５を作成するもので、その背景差分画像１５は２つの画像で対応する画素毎の差の画像となる。なお、この背景画像１４は、できるだけ欠陥のないサンプルを複数枚撮像し、その平均化画像を作成し、その画像から被検査部の画面部分だけを抽出して作成したものである。
以上のステップＳ１からＳ３までが前処理といわれるものであり、以降は各種欠陥をそれぞれ検出する個々の欠陥検出処理に入る
【００２３】
即ち、まず背景差分画像から点欠陥を検出する点欠陥検出処理を行い（ステップＳ４）、次に背景差分画像からシミ欠陥を検出するシミ検出処理を行い（ステップＳ５）、さらに背景差分画像からスジ欠陥を検出するスジ検出処理を行い（ステップＳ６）、さらに背景差分画像からムラ欠陥を検出するムラ検出処理を行い（ステップＳ７）、さらに背景差分画像から線欠陥を検出する線検出処理を行い（ステップＳ８）、最後に背景差分画像から画素ムラの欠陥を検出する画素ムラ検出処理を行い（ステップＳ９）、それぞれ欠陥が強調された検出画像内の輝度情報の統計処理を行い、その統計データをもとに欠陥候補を抽出するための閾値を決定して欠陥候補を抽出し、さらに、抽出された欠陥候補について定量的に評価する評価値が演算されて全ての入力画像に対する検出処理が終了すれば（ステップＳ１０）、全ての検出処理の結果を表示装置８に表示し（ステップＳ１１）、各種欠陥の検査が終了する。
【００２４】
次に、個々の欠陥検出処理について説明する。
（１）点欠陥検出処理について図４のフローチャートに基づいて説明する。
背景差分画像では、微少なレベルの明点欠陥及び暗点欠陥などの検出が難しいため、画像処理の一手法である空間フィルタを使用して点欠陥強調処理を行う（ステップＳ２１）。
この実施の形態では、空間フィルタとしてトップハットフィルタ（７×７Ｔｏｐｈａｔフィルタ）を使用して、点欠陥の強調処理を行っている。
この７×７Ｔｏｐｈａｔ フィルタは、周囲に対して孤立している点状の輝度変化を強調するため、着目する画素の値を、その周囲の画素の値との差がより強調されるように重み付けをして畳み込み演算するフィルタである。図５に、この７×７Ｔｏｐｈａｔフィルタの数値構成の一例を示す。
【００２５】
ここで、点欠陥の強調について説明する。
明点と暗点の点欠陥である明欠陥と暗欠陥を有する画像を模式的に図６に示す。図６の画像に対して７×７Ｔｏｐｈａｔフィルタにより強調処理した結果は、図７の（ａ）に示すような背景との輝度差が小さい明点欠陥が正の値で強調され、明欠陥検出には有効な画像となっている。一方、背景との輝度差が小さい暗欠陥は負の値として強調されるため、暗欠陥は検出できない画像となっている。なお、図７の（ａ）はＴｏｐｈａｔフィルタ処理された画像を示し、図７の（ｂ）は図７の（ａ）の画像を輝度の明るい領域を抽出するための所定の閾値で切り出して明点の明欠陥を強調して検出した画像である。
このように、Ｔｏｐｈａｔフィルタをかけた画像は、明点欠陥を示す明点はプラスの値の階調として表れるが、暗点欠陥を示す暗点はマイナスの値の階調として表れる。画像処理のフォーマットでは画像データは通常正の値しかとれないため、そのままでは暗点の成分は０となり、処理した画像データには暗点のデータは存在しないため検出することはできない。
【００２６】
そこで、同じ画像から暗点も検出できるように、画面が１２ｂｉｔの４０９６階調で表されるときにはその半分の２０４８の値を、フィルタ処理を行うのと同時にオフセット値として加えるオフセット値加算処理を行う（ステップＳ２２）。なお、画像のフォーマットが８ｂｉｔのグレイスケールの場合、２５６階調となり、その半分の１２８の値を、フィルタ処理を行うのと同時にオフセット値として加えることとなる。
これにより、暗点のデータもプラスの値の階調として表れるので、１回のフィルタ処理で明点と暗点の点欠陥（明欠陥と暗欠陥）を検出することが可能となる。図８の（ａ）の画像はフィルタ処理の結果の画像にオフセット値を加えて処理した画像である。
【００２７】
しかる後に、上記処理を行った画像から明欠陥と暗欠陥を検出するため明・暗欠陥候補抽出処理を行い、チェック１である欠陥候補の有無の判定を行う（ステップＳ２３）。
この明・暗欠陥候補抽出処理は、輝度の明るい領域を抽出するための閾値と輝度の暗い領域を抽出するための閾値の２種類の閾値でそれぞれ切り出し、切り出した画像を合成して、図８の（ｂ）に示すような明欠陥と暗欠陥を検出した画像を得るものである。
即ち、点欠陥抽出用画像において、明欠陥抽出用の閾値より大きな輝度値を持つ画素が明欠陥であると判別することができ、暗欠陥抽出用の閾値より小さな輝度値を持つ画素が暗欠陥であると判別することができ、明欠陥と暗欠陥の点欠陥を有する欠陥候補が抽出される。
【００２８】
そして、明欠陥候補抽出用の閾値より大きな輝度値を持つ画素や暗欠陥候補抽出用の閾値より小さな輝度値を持つ画素がなければ、欠陥候補が皆無であり、この段階でその製品は良品と判定され、検査を終了する。
ここで、輝度の明るい領域を抽出するための閾値と輝度の暗い領域を抽出するための閾値は、点欠陥が強調処理された画像の画面全体から取得した輝度値の平均値と標準偏差とに基づいて次式により計算して求める。
明領域抽出の閾値＝ａｖｅｒａｇｅ（平均値）＋ａ１＊σ（標準偏差）
暗領域抽出の閾値＝ａｖｅｒａｇｅ（平均値）−ａ２＊σ（標準偏差）
なお、上記式でａ１、ａ２はある決められた定数であり、点欠陥の程度に応じて適宜に決定されるものである。
【００２９】
さらに、チェック２である評価値の計算を行う（ステップＳ２４）。
この２回目（つまり最終的な）チェックにおいて、チェック１で抽出された欠陥候補に対して、欠陥の程度を定量化するため評価値計算を行う。評価値は、画像から求められた輝度統計データ（平均値Ｌａｖｅ、標準偏差σ、最大値Ｌｍａｘ、最小値Ｌｍｉｎ ）を用いて、次式により評価値を計算する。
明欠陥：
Ｅｖ＝（Ｌｍａｘ−Ｌａｖｅ ）／σ
暗欠陥：
Ｅｖ＝（Ｌａｖｅ −Ｌｍｉｎ）／σ
但し Ｌｍａｘ＝欠陥候補の最大輝度
Ｌｍｉｎ＝欠陥候補の最小輝度
Ｌａｖｅ＝画像全体の平均輝度
σ＝画像全体の輝度の標準偏差
これらの計算式により評価値を求めることにより、欠陥候補として抽出された明欠陥、暗欠陥の点欠陥を、客観的なデータで定量的に評価することができ、明欠陥、暗欠陥の有無を判断するだけではなく、欠陥の程度に基づくランクを決定することができる。従って、点欠陥の検出精度が高いものとなる。
【００３０】
最後に、チェック２である欠陥候補に対して求めた評価値に基づいて欠陥ランクの分類を行う（ステップＳ２５）。
この評価値に対し、欠陥ランク分類するための閾値は、不良品及び製品の良品ランク毎に何段階かに設定することができる。これにより点欠陥の良品内のランク（等級）付けや製品の等級化が可能となる。
【００３１】
この実施の形態の点欠陥検出処理によれば、コンピュータ７は前処理された背景画像差分処理を行った画像に対してＴｏｐｈａｔフィルタにより背景との輝度差が小さい点欠陥が強調される点欠陥強調処理を行っている。
かかる７×７Ｔｏｐｈａｔ フィルタは、周囲に対して孤立している点状の輝度変化が強調されているので、液晶ライトバルブ１の点欠陥のような周囲に対して孤立しているものは強調され、モアレ縞のように周囲に対して孤立していないものは強調されないため、モアレ縞が発生している画像においても、液晶ライトバルブ１の点欠陥部のみが強調される。
さらに、点欠陥を強調するのと同時に画像にその画像の階調の中央値をオフセット値として加算し、オフセット値を加算した画像に対して輝度の明るい領域を抽出するための閾値と輝度の暗い領域を抽出するための閾値の２種類の閾値で二値化して明欠陥と暗欠陥の点欠陥候補を検出できる画像を得るようにしたので、１回のフィルタ処理で液晶ライトバルブ１の明欠陥と暗欠陥を検出でき、欠陥を検出する際の処理時間を短くすることができる。
【００３２】
（２）シミ欠陥検出処理について図９のフローチャートに基づいて説明する。
まず、背景差分画像に対して比較的小さいサイズでコントラストの異なるシミ欠陥以外を除外する平坦化処理を行う（ステップＳ３１）。
背景差分画像（検査画像）には、表示エリア全体に生じるサイズが大きくてゆるやかな輝度変化、すなわち人間が見てもそれほど問題にならないような広い範囲にわたって明るいところや暗いところがあるといったゆるやかな明るさの変化や、シミ欠陥よりサイズの比較的大きいムラ欠陥などが含まれるおそれがあるので、これらを検出対象から除外するために、背景差分画像すなわち検査画像に対して平坦化処理を行う。
この平坦化処理によって、照度ムラのような大きな明るさの変化やサイズの大きいムラ欠陥は除去されるので、比較的小さいサイズのシミ欠陥やコントラストの異なるシミ欠陥のみが残った図１０（ａ）に示すような平坦化画像１６が得られる。
なお、平坦化処理とは、平滑化フィルタを応用した処理、あるいはモフォロジ処理などによって平坦化する処理である。
【００３３】
次に、平坦化画像を各種のサイズに縮小する画像サイズ縮小処理を行う（ステップＳ３２〜Ｓ３６）。
シミ欠陥のサイズは小さいといってもその中でも様々な大きさのものがあり、またシミ欠陥のコントラストについても高いものや低いものなど様々である。
後述するトップハットフィルタは、所定のサイズのシミ欠陥しか強調できないので、平坦化画像１６内に存在する様々なサイズのシミ欠陥に対応させるために、平坦化画像１６から複数段階にわたって画像サイズを縮小する処理を行う。
【００３４】
ここでは、元画像１２００×１０００ピクセルの平坦化画像１６から、１／２（６００×５００ピクセル）、１／４（３００×２５０ピクセル）、１／８（１５０×１２５ピクセル）、１／１６（７５×６２ピクセル）、１／３２（３８×３１ピクセル）の５段階に縮小した５枚の縮小画像を作成している。
画像サイズの縮小方法は、図１１に示すように、元画像の４画素分の輝度データの平均値を新たな画像の１画素に割り付けることにより１／２サイズに縮小する。この方法を繰り返すことにより、画像サイズを１／２ずつ縮小することができる。
このように平坦化画像１６の画像サイズを次第に縮小していくことによって、縮小画像のどれかに、トップハットフィルタで強調できるサイズのものが存在することになる。
【００３５】
さらに、各縮小画像に対して空間フィルタを使用してシミ欠陥のコントラストを強調する処理を行う（ステップＳ３７〜Ｓ４１）。
各縮小画像に対して空間フィルタとしてトップハット（Ｔｏｐｈａｔ）フィルタを使用してシミ欠陥のコントラストを強調する。トップハットフィルタは、コントラスト強調を行うフィルタで、例えば図５に示すように７×７画素で構成されており、注目画素に対してこのフィルタ構成数値と畳み込み演算を行うことにより、画素内に背景と比べて約３×３画素くらいのサイズの明点（ここでは白シミ欠陥）が存在するときに、これを強調するものである。
【００３６】
しかし、トップハットフィルタは明点を強調した結果はプラスの値となるため、明欠陥（白シミ）の検出には有効であるが、暗点（ここでは黒シミ欠陥）を強調した結果はマイナスの値となり、画像処理の画像フォーマットでは通常正の値しかとれないため、結果は０と置き換えられ、暗欠陥（黒シミ）の検出には難点がある。そこで、トップハットフィルタ処理で畳み込み演算を行うと同時にオフセット値として２０４８の値を加えることで、本来はマイナスの値となる暗点の強調部分をプラスにして、その結果トップハットフィルタ処理のみで、明点と暗点の強調処理を可能にする。もちろん、空間フィルタはトップハットフィルタに限定されるものではなく、暗点を強調した結果がプラスの値となる（トップハットフィルタとは符号が逆になる）ウェル（Ｗｅｌｌ）フィルタ（図１２参照）を使用してもよい。また、これらの空間フィルタのフィルタサイズ、重み付け等も図示のものに限定されるものではない。
【００３７】
図１０（ｂ）は、縮小画像に上記のトップハットフィルタ処理を行ったときの検出画像１７を模式的に示すものである（但し、わかりやすくするために画像サイズは同じサイズで図示してある。実際には縮小サイズである）。なお、図１０（ａ）、（ｂ）の２０はシミ欠陥を示す。
上記のようなトップハットフィルタ処理とオフセット処理を同時に行うことにより、白シミ、黒シミを強調した結果を一度で取得することができ、シミ欠陥２０の検出時間を短縮することができる。
なお、図１０（ｂ）で欠陥の強調がなされていないサイズのシミ欠陥については、何段階かに縮小されることで強調可能なサイズとなった他の縮小画像において同様の方法で欠陥が強調されることになる。
【００３８】
さらに、検出画像内の各画素の輝度値に基づく統計データの計算を行う統計計算を行う（ステップＳ４２〜Ｓ４６）。
統計データの計算では、画像全体での輝度値の平均値Ｌａｖｅ、標準偏差σ、最大値Ｌｍａｘ、最小値Ｌｍｉｎを求める。これら４つの輝度統計データから、白シミ、黒シミの欠陥候補抽出のための閾値を、例えば次のように決定する。
白シミ閾値：Ｌａｖｅ＋ａ１×σ
黒シミ閾値：Ｌａｖｅ−ａ２×σ
ここで、ａ１、ａ２は、ある決められた定数である。
従って、白シミ、黒シミの欠陥候補を抽出するための閾値を、検出画像１７内の輝度データを統計計算することにより、その輝度統計データに基づいて自動的に決定することができる。そのため、閾値が人為的・試行錯誤的でなく、客観的・相対的なものとなる。
【００３９】
しかる後に、チェック１である欠陥候補の有無の判定を行う（ステップＳ４７）。
図１０の（ｂ）に示す検出画像１７内に白シミ欠陥や黒シミ欠陥の候補があるかどうかを、上記閾値に基づいて１回目のチェックを行う。すなわち、統計データの計算で求めた輝度値の最大値Ｌｍａｘが白シミ閾値を超えていれば、検出画像１７内に白シミ欠陥候補があると判定し、輝度値の最小値Ｌｍｉｎが黒シミ閾値以下であれば、検出画像１７内に黒シミ欠陥候補があると判定する。もし、欠陥候補が皆無であれば、この段階でその製品はシミに関しては良品と判定され、シミ欠陥検査を終了する。
【００４０】
さらに、抽出された欠陥候補の特性値を計算するｂｌｏｂ処理を行う（ステップＳ４８〜Ｓ５２）。
上記チェック１で検出画像１７内に欠陥候補があると判定された場合には、閾値を用いて欠陥候補を抽出し、ｂｌｏｂ処理を行って欠陥候補の特性値を計算する。ｂｌｏｂとは、画像内に存在する特定範囲の値を持った「かたまり」のことであり、ここでは白シミ閾値以上の領域、もしくは黒シミ閾値以下の領域である欠陥候補となる。
従って、白シミ閾値と黒シミ閾値を用いて２値化処理で欠陥候補を抽出し、その抽出された領域に対して画像処理の手法であるｂｌｏｂ処理を行って、欠陥候補の特性値を計算する。
ここでは欠陥候補の特性値として、領域の重心位置Ｘ，Ｙ座標と、白シミ欠陥候補であれば領域内の輝度の最大値（Ｌｍａｘ（ｎ））、黒シミ欠陥の候補であれば領域内の輝度の最小値（Ｌｍｉｎ（ｎ））を求める。
【００４１】
さらに、チェック２である評価値の計算を行う（ステップＳ５３）。
この２回目（つまり最終的な）チェックにおいて、欠陥候補として抽出された欠陥候補に対して、欠陥の程度を定量化するため評価値計算を行う。評価値は、（上記）縮小された画像毎に求められた輝度統計データ（平均値Ｌａｖｅ（ｉ）、標準偏差σ（ｉ）、ｉは縮小画像の画面番号）とｂｌｏｂ処理により求められた特性値（最大値Ｌｍａｘ（ｎ）、最小値Ｌｍｉｎ （ｎ）、ｎはｂｌｏｂ番号）を用いて、次式により評価値を計算する。
白シミ：
Ｅｖ（ｎ）＝ｋ（ｉ）×（Ｌｍａｘ（ｎ）−Ｌａｖｅ （ｉ））／σ（ｉ）
黒シミ：
Ｅｖ（ｎ）＝ｋ（ｉ）×（Ｌａｖｅ （ｉ）−Ｌｍｉｎ（ｎ））／σ（ｉ）
但し ｋ（ｉ）＝縮小画面係数 ｉ＝画面番号
Ｌｍａｘ（ｎ）＝欠陥候補の最大輝度 ｎ＝Ｂｌｏｂ番号
Ｌｍｉｎ（ｎ）＝欠陥候補の最小輝度
Ｌａｖｅ＝画像全体の平均輝度
σ＝画像全体の輝度の標準偏差
これらの計算式により評価値を求めることにより、欠陥候補として抽出された白シミ欠陥、黒シミ欠陥を、座標位置、個数（Ｂｌｏｂ番号）と共に、客観的なデータで定量的に評価することができ、白シミ欠陥、黒シミ欠陥の有無を判断するだけではなく、欠陥の程度に基づくランクを決定することができる。従って、シミ欠陥の検出精度が高いものとなる。
【００４２】
最後に、チェック２である欠陥候補に対して求めた評価値に基づいて欠陥ランクの分類を行う（ステップＳ５４）。
この評価値に対し、欠陥ランク分類するための閾値は、不良品及び製品の良品ランク毎に何段階かに設定することができる。これによりシミ欠陥の良品内のランク（等級）付けや製品の等級化が可能となる。
【００４３】
この実施の形態のシミ欠陥検出処理によれば、液晶パネル等の表示デバイスの画面に存在するシミ欠陥を欠陥サイズの大小にかかわらず、またコントラストの高低にかかわらず、高精度に自動的に検出することができ、かつ、シミ欠陥を個々に定量的に評価することができる。
また、輝度統計データに基づいてシミ欠陥を評価するものであるので、製品や部品の品質データを収集・分析することにより、品質管理に役立てることができ、更なる品質の向上を目指した手法を構築することも可能となる。
【００４４】
（３）スジ欠陥検出処理について図１３のフローチャートに基づいて説明する。
まず、背景差分画像に対して上記シミ検出の場合と同様な平坦化処理を行う（ステップＳ６１）。
次に、平坦化処理された画像に対して上記シミ検出の場合と同様な画像サイズ縮小処理を行う（ステップＳ６２）。
【００４５】
しかる後に、５段階の各縮小画像に対してそれぞれ線検出フィルタ処理を行う（ステップＳ６３）。
この線検出フィルタ処理は、そのままでは微少なレベルの白・黒スジ・ラビスジ欠陥の検出が難しいために、画像の中のスジ欠陥のみを強調するように、１つの縮小画像に対して、３枚の画像のコピーを作成して、それぞれの画像に対して１種類ずつの線検出フィルタを適用、計４種類の線検出フィルタをかけて欠陥強調処理を行うものである。
【００４６】
４種類の線検出フィルタには、水平の線の強調処理を行う横線検出フィルタと、垂直の線の強調処理を行う縦線検出フィルタと、＋４５°の線の強調処理を行う斜め線検出フィルタと、−４５°の線の強調処理を行う斜め線検出フィルタとがある。
従って、図１６の（ａ）に示す５段階の縮小画像に対してそれぞれ３枚の画像のコピーを作成して、それぞれの画像に対して１種類、計４種類の線検出フィルタ処理を行うと、図１６の（ｂ）に示すように各縮小画像から横線検出処理、縦線検出処理、＋４５°線検出処理及び−４５°線検出処理がされた４つの画像が得られ、合計２０個のスジ欠陥が強調処理された画像を得ることとなる。
【００４７】
これら４種類の線検出フィルタは共に、着目する画素周辺を含む数画素×数画素（図１５では、７×７画素）サイズの小領域に対して、検出対象となる縦線、横線、＋４５°斜め線、−４５°斜め線の成分があるかを検出するため、その成分が存在するときに、着目する画素と、その周囲の画素との輝度値の関係から、畳み込み演算により強調されるように重み付けを行ったフィルタである。
図１５の（ａ）は水平の線を強調する横線検出フィルタ、図１５の（ｂ）は垂直の線を強調する縦線検出フィルタ、図１５の（ｃ）は＋４５°の線を強調する斜め線検出フィルタ、図１５の（ｄ）は−４５°の線を強調するもう一つの斜め線検出フィルタの一例を示している。
【００４８】
なお、図１５で示す４種類の線検出フィルタをかけた画像は、白スジはプラスの値の階調として表れるが、黒スジはマイナスの値の階調として表れる。画像処理のフォーマットでは画像データは通常正の値しかとれないため、そのままでは黒スジの成分は０となり、処理した画像データには黒スジのデータは存在しないため検出することができない。このように、図１７の（ａ）のようにオフセット値が加算されていないグラフは白スジは表れるが、黒スジは表れないことを示している。
【００４９】
そこで、同じ画像から黒スジも検出できるように、画面が１２ｂｉｔの４０９６階調で表されるときにはその半分の２０４８の値を、フィルタ処理と同時にオフセット値として加える処理を行う。これにより、黒スジのデータもプラスの値の階調として表れるので、１回のフィルタ処理で白スジと黒スジの欠陥を検出することが可能となる。図１７の（ｂ）のようにオフセット値が加算されているグラフは白スジも黒スジも表われていることを示している。なお、画像フォーマットが、８ｂｉｔのグレイスケールの場合、２５６階調となり、その半分の１２８の値をフィルタ処理と同時にオフセット値として加える。
【００５０】
次に、４種類の線検出フィルタ処理を行って得た２０個のスジ欠陥が強調処理された画像について画素の輝度値に基づいて統計データ計算処理を行う（ステップＳ６４）。
この統計データ計算処理は、５段階の縮小画像に対してそれぞれ４種類の線検出フィルタ処理を行って得た２０個のスジ欠陥が強調処理された画像についてそれぞれの全領域における各画素の輝度値を取得し、画面全体の平均値、標準偏差、最大値及び最小値を求めるものである。
【００５１】
即ち、横線検出処理された５段階の縮小画像のそれぞれにつき、全領域における各画素の輝度値を取得し、画面全体の輝度値の平均値、標準偏差、最大値及び最小値を求める。また、縦線検出処理された５段階の縮小画像のそれぞれにつき、全領域における各画素の輝度値を取得し、画面全体の平均値、標準偏差、最大値及び最小値を求める。さらに、＋４５°斜め線検出処理された５段階の縮小画像のそれぞれにつき、全領域における各画素の輝度値を取得し、画面全体の平均値、標準偏差、最大値及び最小値を求める。更にまた、−４５°の斜め線検出処理された５段階の縮小画像のそれぞれにつき、全領域における各画素の輝度値を取得し、画面全体の平均値、標準偏差、最大値及び最小値を求める。
【００５２】
しかる後に、チェック１である欠陥候補有無判断処理を行う（ステップＳ６５）。
この欠陥候補有無判断処理では、横線検出処理と縦線検出処理と＋４５°斜め線検出処理及び−４５°斜め線検出処理された、２０個の画像から求めたそれぞれの平均値、標準偏差、最大値及び最小値に基づいて次式により、各画像の横線閾値、縦線閾値、＋４５°斜め線閾値と−４５°の斜め線閾値を計算により求める。
横線閾値＝ａｖｅｒａｇｅ（横線検出処理画像の平均値）±ａ１＊σ（横線検出処理画像の標準偏差）
縦線閾値＝ａｖｅｒａｇｅ（縦線検出処理画像の平均値）±ａ２＊σ（縦線検出処理画像の標準偏差）
＋４５°斜め線閾値＝ａｖｅｒａｇｅ（＋４５°斜め線検出処理画像の平均値）±ａ３＊σ（＋４５°斜め線検出処理画像の標準偏差）
−４５°斜め線閾値＝ａｖｅｒａｇｅ（−４５°斜め線検出処理画像の平均値）±ａ４＊σ（−４５°斜め線検出処理画像の標準偏差）
ａ１ 、ａ２ 、ａ３ 、ａ４ は、ある決められた定数である。
なお、１つの式の計算結果として２つの値が閾値として算出されるが、＋で求めた閾値は白スジ検出のための閾値となり、線検出処理画像の中でこの閾値以上のものを白スジ欠陥候補として検出し、−で求めた閾値は黒スジ検出のための閾値となり、線検出処理画像の中でこの閾値以下のものを黒スジ欠陥候補として検出することになる。
【００５３】
しかし、その前に線検出処理画像内にスジ欠陥候補があるかどうか調べる、すなわち、横線検出処理された各画像から取得した画面全体の輝度値の最大値と最小値、縦線検出処理された各画像から取得した画面全体の輝度値の最大値と最小値、＋４５°斜め線検出処理された各画像から取得した画面全体の輝度値の最大値と最小値、−４５°斜め線検出処理された各画像から取得した画面全体の輝度値の最大値と最小値と、計算された閾値から、各検出処理画面の中にスジ欠陥の候補が存在するかどうか判断を行う（ステップＳ６５）。
【００５４】
横線検出処理された各画像については、その画像の輝度値の最大値が横線閾値（＋計算）を超えている場合に、白スジのある欠陥候補のものとして、次の粒子解析処理（ｂｌｏｂ処理）へと進む。
また、その画像の輝度値の最小値が横線閾値（−計算）を超えていない場合に、黒スジのある画像として、次のｂｌｏｂ処理へと進む。輝度値の最大値が横線閾値（＋計算）を超えておらず、且つ輝度値の最小値が横線閾値（−計算）を超えている場合には、白スジ、黒スジがなく良品のものとして次のｂｌｏｂ処理は行わない。
【００５５】
また、縦線検出処理された各画像についても、その画像の輝度値の最大値が縦線閾値（＋計算）を超えている場合に、白スジのある欠陥候補のものとして、次のｂｌｏｂ処理へと進む。
また、その画像の輝度値の最小値が縦線閾値（−計算）を超えていない場合に、黒スジのある画像として、次のｂｌｏｂ処理へと進む。輝度値の最大値が横線閾値（＋計算）を超えておらず、且つ輝度値の最小値が横線閾値（−計算）を超えている場合には、白スジ、黒スジがなく良品のものとして次のｂｌｏｂ処理は行わない。
【００５６】
また、＋４５°斜め線検出処理された各画像についても、その画像の輝度値の最大値が＋４５°斜め線閾値（＋計算）を超えている場合に、白スジのある欠陥候補のものとして、次のｂｌｏｂ処理へと進む。
また、その画像の輝度値の最小値が＋４５°斜め線閾値（−計算）を超えていない場合に、黒スジのある画像として、次のｂｌｏｂ処理へと進む。輝度値の最大値が＋４５°斜め線閾値（＋計算）を超えておらず、且つ輝度値の最小値が＋４５°斜め線閾値（−計算）を超えている場合には、白スジ、黒スジがなく良品のものとして次のｂｌｏｂ処理は行わない。
【００５７】
さらに、−４５°斜め線検出処理された各画像についても、その画像の輝度値の最大値が−４５°斜め線閾値（＋計算）を超えている場合に、白スジのある欠陥候補のものとして、次のｂｌｏｂ処理へと進む。
また、その画像の輝度値の最小値が−４５°斜め線閾値（−計算）を超えていない場合に、黒スジのある画像として、次のｂｌｏｂ処理へと進む。輝度値の最大値が−４５°斜め線閾値（＋計算）を超えておらず、且つ輝度値の最小値が−４５°斜め線閾値（−計算）を超えている場合には、白スジ、黒スジがなく良品のものとして次のｂｌｏｂ処理は行わない。
【００５８】
次に、欠陥候補があると判定された画像について欠陥候補の最大輝度、最小輝度、面積を求めるｂｌｏｂ処理を行う（ステップＳ６７）。
このｂｌｏｂ処理は、画像に白スジ、または黒スジの欠陥候補があると判定された画像についてだけ、欠陥候補の抽出を行い、その評価値を求めるため、前処理として横線検出処理画像、縦線検出処理画像、＋４５°斜め線検出処理画像、−４５°斜め線検出処理画像の中の、白スジ又は黒スジの欠陥候補の最大輝度、最小輝度、面積を求めるものである。
ｂｌｏｂ処理を行うためには、画像を２値化しなければならないが、このための閾値は横線閾値、縦線閾値、＋４５°斜め線閾値、−４５°斜め線閾値を使用する。図１８はｂｌｏｂ処理を行うために２値化された画像を示す。
【００５９】
例えば、横線、縦線、＋４５°斜め線及び−４５°斜め線検出処理された画像に、白スジ欠陥候補があると判定されたならば、＋で計算された横線閾値、縦線閾値、＋４５°斜め線閾値及び−４５°斜め線閾値をそれぞれ使い、それ以上の部分を白スジ欠陥候補として２値化する。２値化された画像には、複数点の欠陥候補がクラスタとして存在するが、その全てについて面積を求め、２値化してクラスタとなった領域の範囲内で、２値化をかける前の画像から最大輝度値を求める。
また、横線検出処理された画像に、黒スジ欠陥候補があると判定されたならば、−で計算された横線閾値、縦線閾値、＋４５°斜め線閾値及び−４５°斜め線閾値をそれぞれ使い、それ以下の部分を黒スジ欠陥候補として２値化する。白スジの場合と同様に、２値化された画像には、複数点の欠陥候補がクラスタ存在するが、その全てについて面積を求め、２値化してクラスタとなった領域の範囲内で、２値化をかける前の画像から最小輝度値を求める。
【００６０】
さらに、白スジ又は黒スジの欠陥候補について欠陥評価値を算出する評価値の計算を行う（ステップＳ６８）。
この評価値処理は、ｂｌｏｂ処理により求めた横線検出処理画像、縦線検出処理画像、＋４５°斜め線検出処理画像、−４５°斜め線検出処理画像の中の、白スジ又は黒スジの欠陥候補の最大輝度、最小輝度、面積の情報と、画面全体の輝度値の平均値、標準偏差に基づいて欠陥評価値を算出する評価値の計算を行うものである。
欠陥候補における白スジ又は黒スジの欠陥評価値（Ｅｖ）は次式により計算して求める。
白スジ
Ｅｖ（ｉ、ｎ）＝Ｋ（ｉ）＊Ｓ（ｎ）＊（Ｌｍａｘ（ｎ）−Ｌａｖｅ（ｉ））／σ（ｉ）
黒スジ
Ｅｖ（ｉ、ｎ）＝Ｋ（ｉ）＊Ｓ（ｎ）＊（Ｌａｖｅ（ｉ）−Ｌｍｉｎ（ｎ））／σ（ｉ）
Ｋ（ｉ）＝縮小画面係数、ｉ＝画面番号、ｎ＝ｂｌｏｂ番号、
Ｌｍａｘ（ｎ）＝欠陥候補の最大輝度、Ｌｍｉｎ（ｎ）＝欠陥候補の最小輝度、
Ｓ（ｎ）＝欠陥候補の面積、Ｌａｖｅ（ｉ）＝画面全体の平均輝度、
σ（ｉ）＝画面全体の輝度の標準偏差
そして、全ての評価値の最大値を取得して、この値により検査対象パネルの白スジ又は黒スジの欠陥のランクを決定することができる。従って、スジ欠陥の検出精度が高いものとなる。
【００６１】
最後に、チェック２である欠陥候補に対して求めた評価値に基づいて欠陥ランクの分類を行う（ステップＳ６９）。
この評価値に対し、欠陥ランク分類するための閾値は、不良品及び製品の良品ランク毎に何段階かに設定することができる。これによりシミ欠陥の良品内のランク（等級）付けや製品の等級化が可能となる。
【００６２】
この実施の形態のスジ欠陥検出処理よれば、コンピュータ７は前処理された背景画像差分処理を行った画像に対し、背景差分画像の比較的広い範囲にわたるムラの影響を除去する平坦化処理をし、さらに平坦化処理された画像を５段階に縮小するサイズ変更処理を行い、５段階の縮小画像に対してそれぞれ横線、縦線、±４５°の斜め線の欠陥を強調して検出するために４種類の線検出フィルタにより線検出フィルタ処理を行って、スジ欠陥を強調するのと同時に、当該画像の階調の中央値をオフセット値として加算して、２０個のスジ欠陥が強調処理された画像についてそれぞれの全領域における各画素の輝度値を取得し、画面全体の輝度値の平均値、標準偏差、最大値及び最小値を求める統計データ計算処理を行い、統計データ計算処理で求めた平均値と標準偏差から白スジを判定する横線、縦線、斜め線閾値を設定し、また黒スジを判定する横線、縦線、斜め線閾値を設定し、画面の輝度値の最大値がこれら白スジを判定する横線、縦線、斜め線閾値を超えているか否かで画面に白スジの欠陥がないかどうかの一次判定を行い、画面の輝度値の最小値がこれら黒スジを判定する横線、縦線、斜め線閾値を超えているか否かで画面に黒スジの欠陥がないかどうかの一次判定を行うようにしたので、各画像について、白スジ、黒スジの欠陥がなく、さらに各種サイズのスジもない良品かどうかの判定を短時間で容易にすることができる。
【００６３】
さらに、欠陥があると判定された欠陥候補の画像に対しては、評価値計算の前処理として欠陥候補の白スジ又は黒スジの最大輝度、最小輝度、面積を求めるｂｌｏｂ処理を行い、その後にｂｌｏｂ処理により求めた欠陥候補の白スジ又は黒スジの最大輝度、最小輝度、面積の情報と、画面全体の輝度値の平均値、標準偏差に基づいて所定の式により欠陥評価値を算出する評価値計算処理を行い、評価値計算処理により求めた評価値の最大値により白スジ又は黒スジの欠陥のランクを決定するようにしたので、白スジ又は黒スジについて欠陥サイズの大小にかかわらず、スジ欠陥を高精度に検出することができ、しかもｂｌｏｂ処理の対象が欠陥候補有りの画像だけであるために演算時間が短かくて済み、欠陥のランク付けも短時間に行うことができることとなった。
【００６４】
（４）ムラ欠陥検出処理について図１９のフローチャートに基づいて説明する。
まず、背景差分画像に対して上記シミ検出の場合と同様な画像サイズ縮小処理を行う（ステップＳ７１）。
なお、ここでの画像サイズ縮小処理は、背景差分画像（検査画像）１５の中には大小様々な大きさの欠陥が存在するので、検出しようとする（欠陥の大きさに対応するよう）ムラ欠陥サイズ以下の欠陥（シミやスジ欠陥）を除去するため、適当な画像サイズに検査画像１５を縮小するものである。例えば、検査画像１５を４分の１の画像サイズ、すなわち３００×２５０ピクセルに縮小する。なお、縮小比は１／４に限定されるものではない。
【００６５】
このように検査画像１５の画像サイズを縮小することによって、欠陥検出に要する処理時間を短縮することができるというメリットもある。
なお、図２０ではすべての画像が同じサイズで図示してあるが、（ａ）から（ｄ）の画像は実際は１／４に縮小された画像である。
ここでは画像サイズの縮小について述べたが、もちろん、必ずしも縮小しなくてもよく、例えば、平滑化フィルタ処理を用い、フィルタサイズを調整して、検出するムラ欠陥サイズ以下の欠陥を除去してもよい。
【００６６】
次に、縮小画像の複製（コピー）画像を作成する画像複製処理を行う（ステップＳ７２）。
この画像複製処理は、ムラ欠陥をそれ以外の背景の部分（欠陥の無い部分）から分離するための処理を行うときに、後述するように少なくとも３枚の画像を必要とするため、背景差分画像（検査画像）１５の１／４縮小画像の複製（コピー）画像を作成するものである。また、このコピー画像を、ムラ欠陥以外のシミ・点・線欠陥などの検出にも利用することができる。
【００６７】
さらに、検査画像１５の１／４縮小画像またはそのコピー画像に対して２段階にわたって平坦化処理を行う（ステップＳ７３、Ｓ７４）。
この平坦化処理は、ムラ欠陥をそれ以外の背景の部分（欠陥の無い部分）から分離するための前処理として行われるものである。ここでは、２段階の平坦化処理を行っている。
第１段階の平坦化１処理（ステップＳ７３）では、検査画像１５の１／４縮小画像またはそのコピー画像をもとに、図２０（ａ）に示すような第１の平坦化画像１６が作成される。
【００６８】
この第１段階の平坦化処理では、モフォロジ処理を応用した処理などで、割と小さな輝度変化を残して、大きな輝度変化は平坦化するように処理を行う。
第２段階の平坦化２処理（ステップＳ７４）では、この第１の平坦化画像１６から、さらに平坦化した第２の平坦化画像１７が作成される（図２０（ｂ）参照）。
この第２段階の平坦化処理では、大きな輝度変化を除去した第１の平坦化画像１６から、平滑化フィルタを用いた処理などで、更に小さな輝度変化を平坦化するように処理を行う。
【００６９】
しかる後に、２段階にわたって差分処理を行う（ステップＳ７５、Ｓ７６）。
このステップＳ７５の差分処理では、検査画像１５の１／４縮小画像またはそのコピー画像から、第１の平坦化画像１６（図２０の（ａ）画像）を減算する。この処理により、図２０（ｃ）に示すような第１の検出画像１８が得られる。この第１の検出画像１８では、サイズの小さいムラ欠陥は除去され、サイズの比較的大きいムラ欠陥２０ａのみが残ることになる。
次に、ステップＳ７６の差分処理では、第１の平坦化画像１６（図２０の（ａ）画像）から第２の平坦化画像１７（図２０の（ｂ）画像）を減算する。すると、図２０（ｄ）に示すような第２の検出画像１９が得られる。この第２の検出画像１９では、サイズの小さいムラ欠陥２０ｂのみが残ることになる。
【００７０】
さらに、ムラ欠陥検出画像内の各画素の輝度値に基づく統計計算を行う（ステップＳ７７〜Ｓ７８）。
この統計計算は、ムラ欠陥検出画像１８、１９内の各画素の輝度データを用いて画面全体での輝度データの統計計算を行うものである。
統計計算では、輝度データの平均値Ｌａｖｅ、標準偏差σ、最大値Ｌｍａｘ、最小値Ｌｍｉｎを求める。これら４つの輝度統計データから、白ムラ、黒ムラの欠陥候補の有無を判定する閾値を、例えば次のように決定する。
白ムラ閾値：Ｌａｖｅ＋ａ１×σ
黒ムラ閾値：Ｌａｖｅ−ａ２×σ
ここに、ａ１、ａ２は、ある決められた定数である。
従って、白ムラ、黒ムラの欠陥候補を抽出するための閾値を、ムラ欠陥検出画像１８、１９内の輝度データを統計計算することにより、その輝度統計データに基づいて自動的に決定することができる。そのため、閾値が人為的・試行錯誤的でなく、客観的・相対的なものとなる。
【００７１】
しかる後に、チェック１である欠陥候補の有無の判定を行う（ステップＳ７９）。
この欠陥候補の有無の判定は、ムラ欠陥検出画像１８、１９内に白側、黒側の欠陥候補があるかどうかを、上記閾値に基づいて１回目のチェックを行う。
まず、Ｌｍａｘが白ムラ閾値を超えているかチェックし、超えているならばその画像内に白ムラ欠陥候補があると判断する。次に、Ｌｍｉｎが黒ムラ閾値以下であるかチェックし、それ以下であるならばその画像内に黒ムラ欠陥候補があると判断する。もし、欠陥候補が皆無であれば、この段階でムラ欠陥無しと判定され、検査は終了する。
【００７２】
次に、抽出された欠陥候補領域内の様々な特性値を求めるｂｌｏｂ処理を行う（ステップＳ８０、Ｓ８１）
上記チェック１で欠陥候補があると判断された場合は、閾値で欠陥候補を抽出する。このとき、チェック１で白ムラ欠陥候補があると判断されている場合には、白ムラ閾値以上のものを欠陥候補として抽出し、黒ムラ欠陥候補があると判断されている場合には、黒ムラ閾値以下のものを欠陥候補として抽出する。両方あると判断されている場合には、両方抽出する。
【００７３】
その抽出された欠陥候補についてｂｌｏｂ処理を行い、抽出された欠陥候補の面積（Ｓ（ｎ））と白ムラ欠陥候補であれば輝度値の最大値Ｌｍａｘ（ｎ）、黒ムラ欠陥候補であれば輝度値の最小値Ｌｍｉｎ（ｎ）を求める。ここで求められた欠陥候補領域内の特性値は次に述べる評価値の計算で使用する。
【００７４】
さらに、欠陥候補として抽出されｂｌｏｂ処理が行われたムラ欠陥候補について、評価値の計算を行う（ステップＳ８２）
欠陥候補として抽出されｂｌｏｂ処理が行われたムラ欠陥候補について、上記輝度統計データ（平均値Ｌａｖｅ、標準偏差σ）と、ｂｌｏｂ処理で求めた特性値（面積Ｓ（ｎ）、最大値Ｌｍａｘ（ｎ）、最小値Ｌｍｉｎ（ｎ））を用いて、次式により評価値を計算する。
白ムラ：
Ｅｖ（ｎ）＝ｋ（ｉ）＊Ｓ（ｎ）＊（Ｌｍａｘ（ｎ）−Ｌａｖｅ（ｉ））／σ（ｉ）
黒ムラ：
Ｅｖ（ｎ）＝ｋ（ｉ）＊Ｓ（ｎ）＊（Ｌａｖｅ （ｉ）−Ｌｍｉｎ（ｎ））／σ（ｉ）
但し ｋ（ｉ）＝縮小画面係数
ｉ＝画面番号
ｎ＝Ｂｌｏｂ番号
Ｌｍａｘ（ｎ）＝欠陥候補の最大輝度
Ｌｍｉｎ（ｎ）＝欠陥候補の最小輝度
Ｓ（ｎ）＝欠陥候補の面積
Ｌａｖｅ （ｉ）＝画像全体の平均輝度
σ（ｉ）＝画像全体の輝度の標準偏差
これらの計算式により、欠陥候補として抽出された白ムラ欠陥、黒ムラ欠陥を、その大きさ（面積）、個数（Ｂｌｏｂ番号）と共に、客観的なデータで定量的に評価することができる。従って、ムラ欠陥の検出精度が高いものとなる。
【００７５】
最後に、チェック２（つまり最終的なチェック）である欠陥候補に対して求めた評価値に基づいて欠陥ランクの分類を行う（ステップＳ８３）。
この評価値に対し、欠陥ランク分類するための閾値は、不良品及び製品の良品ランク毎に何段階かに設定することができる。これによりシミ欠陥の良品内のランク（等級）付けや製品の等級化が可能となる。
【００７６】
この実施の形態のムラ欠陥検出処理によれば、液晶パネル等の表示デバイスの画面に存在するムラ欠陥を欠陥サイズの大小にかかわらず、高精度に自動的に検出することができ、かつ、それらの欠陥を個々に定量的に評価することができる。
また、輝度統計データに基づいてムラ欠陥を評価するものであるので、製品や部品の品質データを収集・分析することにより、品質管理に役立てることができ、更なる品質の向上を目指した手法を構築することも可能となる。
【００７７】
（５）線欠陥検出処理について図２１のフローチャートに基づいて説明する。
まず、背景差分画像に対して上記シミ検出の場合と同様な平坦化処理を行う（ステップＳ９１）。
次に、平坦化処理された画像に対して水平・垂直エッジが強調処理された水平・垂直線検出画像を作成するエッジ検出フィルタ処理を行う（ステップＳ９２）。
このエッジ検出フィルタ処理は、平坦化処理された画像の複製を２つ作成し、１つの複製画像については水平エッジ検出フィルタにより水平エッジ検出処理を行って水平エッジが強調処理された図２３の（ａ）に示すような水平線検出画像を作成すると共に、もう１つの複製画像については垂直エッジ検出フィルタにより垂直エッジ検出処理を行って垂直エッジが強調処理された図２３の（ｂ）に示すような垂直線検出画像を作成するものである。
【００７８】
この水平・垂直のエッジ検出フィルタ処理は、平坦化処理された画像では微少なレベルの白・黒線欠陥の検出が難しいために、水平・垂直のエッジ検出フィルタをかけて線欠陥の強調演算を行うものである。
これら水平・垂直のエッジ検出フィルタには、水平エッジ検出処理を行う水平エッジ検出フィルタと、垂直エッジ検出処理を行う垂直エッジ検出フィルタとがある。
これら水平・垂直のエッジ検出フィルタは共に、着目する画素を含む数画素×数画素の小領域に対して、その中にエッジ成分があるかどうかを検出するため、エッジ成分が存在するときに着目する画素とその周囲の画素との輝度値の関係から、畳み込み演算を行うことにより強調されるように、各画素の重み付けを行ったフィルタである。
図２２の（ａ）は水平エッジ検出の水平エッジ検出フィルタ、図２２の（ｂ）は垂直エッジ検出の垂直エッジ検出フィルタの一例を示している。
【００７９】
なお、図２２（ａ）及び図２２（ｂ）の水平・垂直のエッジ検出フィルタをかけた画像は、線の両側で（エッジの状態により）、片側はプラスの階調、その反対側はマイナスの階調の値として表れる。画像処理のフォーマットでは画像データは通常正の値しか取れないため、そのままではマイナスの成分は０となり、処理の対象から外れてしまう。
そこで、同じ画像から両方のエッジが検出できるように、画面が１２ｂｉｔの４０９６階調で表されるときにはその半分の２０４８の値を、フィルタ処理と同時にオフセット値として加える処理を行う。これにより、マイナスとなった成分もプラスの値の階調として表れるので、１回のフィルタ処理で両方のエッジ成分を検出することが可能となる。なお、画像のフォーマットが８ｂｉｔのグレイスケールの場合、２５６階調となり、その半分の１２８の値を、フィルタ処理の結果にオフセット値として加えることとなる。
【００８０】
さらに、水平・垂直線検出画像をそれぞれ分割し、各分割された領域の各画素の輝度値を横・縦方向に積算して積算値を取得する分割プロファイル処理を行う（ステップＳ９３）。
この分割プロファイル処理は、水平エッジ検出処理された水平線検出画像を縦方向に４分割し、各分割された領域の各画素の輝度値を横方向に積算して積算値を取得する水平プロファイル処理と、垂直エッジ検出処理された垂直線検出画像を横方向に４分割し、各分割された領域の各画素の輝度値を縦方向に積算して積算値を取得する垂直プロファイル処理とからなる。
【００８１】
しかる後に、各分割領域における積算値から分割領域画面全体の輝度値の平均値、標準偏差、最大値及び最小値を算出する統計計算を行う（ステップＳ９４）。
この統計計算は、水平プロファイル処理された各分割領域における各行の積算値から分割領域画面全体の輝度値の平均値、標準偏差、最大値及び最小値と、垂直プロファイル処理された各分割領域における各列の積算値から分割領域画面全体の輝度値の平均値、標準偏差、最大値及び最小値とを算出する統計データ計算処理を行うものである。図２４の（ａ）は水平プロファイル処理されて取得した水平プロファイルデータを示し、図２４の（ｂ）は垂直プロファイル処理されて取得した垂直プロファイルデータを示す。
【００８２】
このように、水平プロファイル処理の際に水平線検出画像を縦方向に４分割し、垂直プロファイル処理の際に垂直線検出画像を縦方向に４分割するようにしているのは、分割前の大きな水平線検出画像又は垂直線検出画像では明るさの変動により薄い線欠陥が埋もれてしまうおそれがあるのと、短い線欠陥ではそれ以外の部分も積算されるため線欠陥の成分が薄まってしまうおそれがあるが、分割した小さな画像では明るさの変動の影響を受けにくいために薄い線欠陥も検出することができ、また分割することにより線欠陥以外の部分のデータが少なくなり、積算を行っても欠陥成分があまり薄まらず短い線欠陥でも検出することができるからである。
【００８３】
次に、チェック１である欠陥候補抽出処理を行う（ステップＳ９５）。
この欠陥候補抽出処理は、水平プロファイル処理された各分割領域の各行の積算値の平均値、標準偏差、最大値及び最小値と、垂直プロファイル処理された各分割領域の各列の積算値の平均値、標準偏差、最大値及び最小値とに基づいてそれぞれ次式により、横線閾値と縦線閾値を計算により求め、閾値以下のものを線欠陥候補として抽出するものである。各式のａ１，ａ２は、ある決められた定数である。
横線閾値（水平線）＝ａｖｅｒａｇｅ（平均値）±ａ１＊σ（標準偏差）
縦線閾値（垂直線）＝ａｖｅｒａｇｅ（平均値）±ａ２＊σ（標準偏差）
なお、１つの式の計算結果として２つの値が閾値として算出されるが、＋で求めた閾値はフィルタ処理によりプラス側へ強調されたエッジの閾値となり、分割プロファイル処理された画像のなかでこの閾値以上のものを線欠陥候補として検出する。また、−で求めた閾値はフィルタ処理によりマイナス側へ強調されたエッジの閾値となり、分割プロファイル処理された画像のなかでこの閾値以下のものを線欠陥候補として抽出する。
【００８４】
即ち、水平プロファイル処理された各分割領域画像については、その画像の積算値の最大値が横線閾値（＋計算）を超えている場合に、水平の線欠陥候補のある画像として、次の評価値処理へと進む。
また、その画像の積算値の最小値が横線閾値（−計算）を超えていない場合には、同じく水平の線欠陥候補のある画像として、次の評価値処理へと進む。
従って、その画像の積算値の最大値が横線閾値（＋計算）を超えておらず、且つ積算値の最小値が横線閾値（−計算）を超えている場合には、水平の線欠陥がなく良品のものとし（ステップＳ９６）、後述の評価値計算の評価値処理は行わない。
【００８５】
また、垂直プロファイル処理された各分割領域画像については、その画像の積算値の最大値が縦線閾値（＋計算）を超えている場合に、垂直の欠陥候補のある画像として、次の評価値処理へと進む。
また、その画像の積算値の最小値が縦線閾値（−計算）を超えていない場合には、垂直の線欠陥候補のある画像として、次の評価値処理へと進む。
従って、その画像の積算値の最大値が縦線閾値（＋計算）を超えておらず、且つ積算値の最小値が縦線閾値（−計算）を超えている場合には、垂直の線欠陥がなく良品のものとし（ステップＳ９６）、後述の評価値計算の評価値処理は行わない。
【００８６】
さらに、欠陥候補については、各分割領域画像から求めた平均値、標準偏差、最大値及び最小値に基づいてそれぞれ所定の式により、線評価値Ｈと線評価値Ｂとを計算により求める評価値の計算を行う（ステップＳ９７）。
この評価値の計算は、水平プロファイル処理された各分割領域画像について、その画像の積算値の最大値が横線閾値（＋計算）以上と抽出されたものと、その画像の積算値の最小値が横線閾値（−計算）を超えていないとして抽出されたものである水平線の欠陥候補と、垂直プロファイル処理された各分割領域画像について、その画像の積算値の最大値が縦線閾値（＋計算）以上と抽出されたものと、その画像の積算値の最小値が縦線閾値（−計算）を超えていないとして抽出されたものである垂直線の欠陥候補については、各分割領域画像から求めた平均値、標準偏差、最大値及び最小値に基づいてそれぞれ次式により、線評価値Ｈと線評価値Ｂとを計算により求めるものである。
線評価値Ｈ＝（最大値−平均値）／標準偏差
線評価値Ｂ＝（平均値−最小値）／標準偏差
さらに、線評価値Ｈと線評価値Ｂについては、線欠陥候補ではあるが、良品として問題がないレベルの値を閾値として設定しておく。
【００８７】
そこで、水平プロファイル処理された各分割領域画像における最大値が横線閾値以上と抽出されたものについては、線評価値Ｈ＞閾値又は線評価値Ｂ＞閾値の場合は、水平の線欠陥のあるレベルのものと評価し、それ以外は水平の線欠陥候補ではあるが、良品として問題がないレベルのものと評価する。
また、垂直プロファイル処理された各分割領域画像における最大値が縦線閾値以上と抽出されたものについては、線評価値Ｈ＞閾値又は線評価値Ｂ＞閾値の場合は、垂直の線欠陥のあるレベルのものと評価し、それ以外は垂直の線欠陥候補ではあるが、良品として問題がないレベルのものと評価する。
【００８８】
最後に、チェック２（つまり最終的なチェック）である欠陥候補に対して求めた評価値に基づいて欠陥ランクの分類を行う（ステップＳ９８）。
この評価値に対し、欠陥ランク分類するための閾値は、不良品及び製品の良品ランク毎に何段階かに設定することができる。これによりシミ欠陥の良品内のランク（等級）付けや製品の等級化が可能となる。
【００８９】
この実施の形態の線欠陥検出処理によれば、コンピュータ７は、背景画像差分処理された背景差分画像の比較的広い範囲にわたるムラの影響を除去する平坦化処理をする。
さらに平坦化処理された画像に対してそれぞれ横線、縦線の欠陥を強調して検出するために水平・垂直のエッジ検出フィルタにより水平エッジ・垂直エッジ検出処理を行って線欠陥が強調処理された水平線検出画像と垂直線検出画像を作成し、その水平線検出画像を縦方向に４分割し、各分割された領域の各画素の輝度値を横方向に積算して積算値を取得する水平プロファイル処理と、その垂直線検出画像を横方向に４分割し、各分割された領域の各画素の輝度値を縦方向に積算して積算値を取得する垂直プロファイル処理とを行い、水平プロファイル処理された各分割領域における各行の積算値から分割領域の積算値の輝度値の平均値、標準偏差、最大値及び最小値と、垂直プロファイル処理された各分割領域における各列の積算値から分割領域の積算値の平均値、標準偏差、最大値及び最小値とを算出する統計データ計算を行う。
【００９０】
そして、統計データ計算で求めた平均値と標準偏差から、水平の線欠陥候補の有無を判定する横線閾値及び垂直の線欠陥候補の有無を判定する縦線閾値を設定し、水平プロファイル処理及び垂直プロファイル処理された各分割領域の積算値の最大値が線欠陥を判定する横線、縦線閾値を超えているか否かで画面に線欠陥がないかどうか、また画面の積算値の最小値がもう１つの線欠陥候補を判定する横線、縦線閾値を超えているか否かで画面に線欠陥がないかどうかの一次判定を行うようにしたので、各分割領域画像について、白線、黒線がない良品か、或いは白線、黒線の線欠陥がある欠陥候補かどうかの判定を短時間で容易にすることができる。
【００９１】
さらに、線欠陥があると判定された欠陥候補の画像に対しては、分割領域の積算値の平均値、標準偏差、最大値及び最小値に基づいて所定の式により線評価値Ｈと線評価値Ｂを算出する評価値計算処理を行い、評価値計算処理により求めた線評価値Ｈと線評価値Ｂが予め設定された線欠陥候補ではあるが問題ないレベルの値の閾値をこえているかどうかで線欠陥候補の欠陥ランクを決定するようにしたので、線欠陥について薄い線欠陥や短い線欠陥を高精度に検出することができ、しかも評価値の計算対象が欠陥候補だけであるために演算時間が短くて済み、欠陥のランク付けも短時間に行うことができることとなった。
【００９２】
（５）画素ムラ欠陥検出処理について図２５のフローチャートに基づいて説明する。
まず、背景差分画像に対して膨張処理を行う（ステップＳ１０１）。
この膨張（Ｄｉｌａｔｅ）処理は、例えば、液晶ライトバルブに駆動素子等の遮光部としてブラックマトリクスが存在している場合に、そのブラックマトリクスの影響を低減するために行われる。
この膨張処理は、例えば、ある注目画素を中心とする近傍の８画素を含めた領域、つまり注目画素を中心とする３×３画素領域の中の最大値を注目画素とおきかえるマキシマムフィルタ処理を行うものである。この処理によって、白領域が膨張し、微少な黒領域であるブラックマトリクス部分が縮小されるために、ブラックマトリクスの成分を低減することができる。この膨張処理では、マキシマムフィルタに限定されるわけではなく、白領域を膨張させるモフォロジ処理等を使用してもよい。
【００９３】
次に、膨張処理された画像に対してソーベルフィルタ処理を行う（ステップＳ１０２）。
このソーベルフィルタ処理は膨張処理された画像をソーベル（Ｓｏｂｅｌ）フィルタを用いて画像のエッジや輪郭を検出し、強調するものである。
ソーベルフィルタは、画像（ここでは、欠陥）のエッジや輪郭成分を、強調するフィルタの一種であり、隣接するピクセル間の差異（傾き）を輝度値としてあらわすことで、画像のエッジや輪郭を強調するものである。例えば、図２６に示すような３×３画素の領域にソーベルフィルタを適用する場合、中心のＥ画素の輝度値ＬＲは、以下の公式により計算される。
ＬＲ＝（Ｘ２＋Ｙ２）１／２
但し、Ｘ＝（Ｃ＋２Ｆ＋Ｉ）−（Ａ＋２Ｄ＋Ｇ）
Ｙ＝（Ａ＋２Ｂ＋Ｃ）−（Ｇ＋２Ｈ＋Ｉ）
このソーベルフィルタを用いて、画像の左上隅から右へ、及び下へ１画素ずつずらしながら右下隅までフィルタをかけ、各画素の輝度値を演算する。その一例を図２７に示す。同図の（ａ）は処理前の各画素の輝度値をあらわし、（ｂ）はソーベルフィルタ処理後の輝度値の演算結果をあらわしている。
この結果から明らかなように、フィルタ処理後においては隣接画素間の輝度値の差が検出され、且つ強調されるため、画像のエッジや輪郭が明瞭にあらわされることになる。
このような画像（欠陥）強調処理のフィルタには、ほかにラプラシアン（Ｌａｐｌａｃｉａｎ）フィルタ等があり、このフィルタを用いてもよい。
【００９４】
さらに、ソーベルフィルタ処理後にエリア分割処理を行う（ステップＳ１０３）。
このエリア分割処理は、ソーベルフィルタ処理後に、検査画像１５を水平および垂直に分割し複数のエリアに分割するものである。ここでは、図２８に示すように、４×４の１６個のエリア１６に分割している。画像を複数のエリアに分割する目的は、次に述べる各分割エリア１６ごとの輝度値を統計処理することにより、画素ムラ欠陥の発生箇所を特定するとともに、画素ムラ欠陥の定量化を図ることにある。
なお、画像のエリア分割数は多くするほど、局所的な領域の画素ムラ欠陥を検出できるようになり、検出精度も上がる。しかし、実施例では、実際の画素ムラ欠陥が、面積的には表示エリアの４分の１程度の領域をしめるような出方をしていることから、この程度の分割でよいと思われる４×４の１６分割を選択している。
【００９５】
しかる後に、各分割エリア内の統計計算を行う（ステップＳ１０４）
この各分割エリア内の統計計算は、分割エリア１６ごとに分割エリア内の各画素の輝度値の統計計算を行うものである。そして、分割エリア１６ごとに輝度値の標準偏差σを求める。
例えば、図２９は分割エリアごとの輝度値の標準偏差σを３次元的にあらわしたグラフである。図２９のグラフは前記表示装置８に表示される。
【００９６】
さらに、評価値の計算に相当する最大標準偏差の抽出を行う（ステップＳ１０５）
この最大標準偏差の抽出は、前記のように求められた分割エリアごとの輝度値の標準偏差σの中から最大値（最大標準偏差）σｍａｘを求める工程である。最大標準偏差σｍａｘは画素ムラ欠陥が最も集中的に発生している領域をあらわしている。
したがって、本実施形態では最大標準偏差σｍａｘを画素ムラ欠陥の検出の際の評価値としている。
最後に、チェック２（つまり最終的なチェック）である欠陥候補に対して求めた評価値に基づいて欠陥ランクの分類を行う（ステップＳ１０６）。
画素ムラ欠陥の検出にあたっては、所定の閾値を設定し、最大標準偏差σｍａｘがこの閾値以下であれば画素ムラ欠陥なしと判定する。また、閾値は製品の良品ランク毎に何段階かに設定することができる。これにより画素ムラ欠陥の良品内のランク（等級）付けや製品の等級化が可能となる。
【００９７】
この実施の形態の画素ムラ欠陥検出処理によれば、液晶パネル等の表示デバイスの画面に存在する画素ムラ欠陥を定量的に自動検出することができる。
また、最大標準偏差でもって画素ムラ欠陥を評価するものであるので、製品や部品の品質データを集計、分析することにより、品質管理に役立てることができ、更なる品質の向上を目指した手法を構築することも可能になる。
【００９８】
以上説明したように、この実施の形態によれば、各種欠陥における欠陥検出にあたって、欠陥のモードを点欠陥検出処理、シミ検出処理、スジ検出処理、ムラ検出処理、線検出処理及び画素ムラ検出処理というように分類し、そのモード毎に処理方法を適用し、各モード毎に画像内の各画素の輝度値に基づく輝度統計データを計算し、輝度統計データに基づいて輝度値の閾値を設定し、輝度統計データと該閾値から欠陥候補を抽出するようにしたので、各欠陥モード毎に画像全体での統計データで一次判定されることとなり、処理画像を減らすことができ、処理時間短縮することができる。
また、液晶ライトバルブの点灯状態を複数設定し、画像を撮像する。即ち、例えばある特定の画像を検査のために撮像するだけでなく、点灯状態を変えて全白画像、全黒画像、白と黒の中間状態の画像もそれぞれ撮像して検査対象とすることにより、ある階調でしか発生しない各モードの各種の欠陥についても検出することができる。
【００９９】
さらに、画像毎に最適な露光時間を設定、例えば明るい画像は露光時間を短く、暗い画像は露光時間を長くするというようにし、１２ｂｉｔ以上の輝度分解能で撮像することにより、微妙な輝度変化も高精度にとらえることができる。
さらに、抽出された欠陥候補について、輝度統計データに基づいて評価値を算出し、欠陥の評価を行うようにしているため、欠陥モード毎に欠陥の状態を定量的に評価することができ、より高精度な検査が可能となった。
また、このように欠陥モード毎の評価結果が得られるために、欠陥モード毎の検出感度チューニング（目視検査との整合性）が可能となり、目視で行っている判断により近い検査が行えるようになった。
【０１００】
さらに、各欠陥処理の評価値に対して閾値を不良品及び製品の良品ランク毎に何段階かに設定することにより、欠陥の良品内のランク（等級）付けや製品の等級化が可能となる。
図３０は各種欠陥の欠陥候補について各モード毎の評価値の欠陥ランクの分類を示すグラフである。このグラフが表示装置８に表示されることによって、欠陥の良品内のランク（等級）付けが一目で分かることとなる。このグラフで、評価値が大きい方が欠陥の程度が悪く、小さい方が欠陥の程度が良いことを表している。また、各欠陥によって不良品と良品とを判定する評価値の値も若干異なるものである。
【０１０１】
図３０のグラフに示すように、算出された評価値は不良判断のために用いるだけでなく、その値の大きさに基づいて製品をいくつかのグループに分類されて欠陥のランク（等級）付けや製品の等級化されている。例えば、液晶パネルをＲ（赤）、Ｇ、Ｇ’（緑）、Ｂ（青）のカラー別に、プロジェクタのライトバルブとして使用する場合に、比視感度は緑のとき（波長λ＝５５５ｎｍ近辺のとき）が最も高いので、評価値の最も小さい方のランクのものをＧの製品、次に大きいランクのものをＧ’の製品、更に大きいランクのものをＲの製品、その次のものをＢの製品、さらにそれ以上の評価値のものを不良品として、等級化している。
そして、グラフの各欠陥で＊印は一枚の取り込まれた画像における具体的な欠陥の評価値を示している。
従って、グラフ中における＊印がある場所をみることによって、取り込まれた画像について、各欠陥の程度と欠陥ランクを知ることができる。
【０１０２】
本発明は、前記のようなＴＦＴ素子を用いた液晶パネルに限られるものではなく、その他のダイオード素子を用いた液晶パネルやプラズマディスプレイ、有機ＥＬディスプレイ、ＤＭＤ（ダイレクト・ミラー・デバイス）などの表示体部品、ならびにそれらを使用した表示装置・製品の検査に利用することができるものであり、これらに使用した場合でも本発明の範囲から除外されるものでないことはいうまでもない。
【図面の簡単な説明】
【図１】実施の形態の画面の欠陥検出装置の構成を示すブロック図。
【図２】各種欠陥の検出処理を経て結果表示までを示すフローチャート。
【図３】背景画像差分処理を示す図。
【図４】点欠陥検出処理を示すフローチャート。
【図５】７×７Ｔｏｐｈａｔ フィルタの一例を示す図。
【図６】明欠陥と暗欠陥を有する画像。
【図７】Ｔｏｐｈａｔ フィルタ処理された画像。
【図８】明・暗欠陥抽出処理された画像。
【図９】シミ検出処理を示すフローチャート。
【図１０】平坦化画像と縮小されたシミ欠陥検出画像の模式図。
【図１１】画像サイズの縮小方法の説明図。
【図１２】Ｗｅｌｌフィルタの一例を示す図。
【図１３】スジ検出処理を示すフローチャート。
【図１４】図３の各画像から切り出した輝度値をそれぞれ示すグラフ。
【図１５】各種の線検出フィルタの例を示す図。
【図１６】線検出フィルタ処理された画像を示す図。
【図１７】線検出フィルタ処理された各種画像の輝度値をそれぞれ示すグラフ。
【図１８】ｂｌｏｂ処理を行うために２値化された画像を示す図。
【図１９】ムラ検出処理を示すフローチャート。
【図２０】平坦化画像とムラ欠陥検出画像の模式図。
【図２１】線検出処理を示すフローチャート。
【図２２】各種のエッジ検出フィルタの例を示す図。
【図２３】エッジ検出フィルタ処理された線欠陥検出画像を示す図。
【図２４】分割プロファイル処理されたプロファイルデータを示す図。
【図２５】画素ムラ検出処理を示すフローチャート。
【図２６】ソーベルフィルタの計算式の画素位置関係を示す図。
【図２７】ソーベルフィルタの処理前、処理後の数値例を示す図。
【図２８】画像エリア分割の一例を示す図。
【図２９】分割エリアごとの輝度値の標準偏差を示すグラフ。
【図３０】各種欠陥の欠陥候補の欠陥ランク分類を示すグラフ。
【符号の説明】
１ プロジェクタ、２ 液晶パネル、３ スクリーン、４ 画像、５パターンジェネレータ、６ ＣＣＤカメラ、７ コンピュータ、８ 表示装置、１０検査対象画面。
Claims (16)
- 検査対象の画像を撮像する工程と、
撮像により取り込まれた画像から、予め作成しておいた背景画像との差をとり検査画像を作成する工程と、
検査画像から点欠陥、シミ欠陥、スジ欠陥、ムラ欠陥、線欠陥、画素ムラ欠陥のそれぞれを検出する６つの検出処理工程と、
各検出処理後における画像内の各画素の輝度値に基づく輝度統計データをそれぞれ計算する工程と、
輝度統計データに基づいて輝度値の閾値を設定し、輝度統計データと該閾値から欠陥候補を抽出する工程と、
を有することを特徴とする画面の欠陥検出方法。 - 前記検査対象の画像の点灯状態を複数設定し、それぞれ設定した画像を撮像することを特徴とする請求項１記載の画面の欠陥検出方法。
- 前記検査対象の画像を最適な露光時間で撮像し、取込画像のデータは、１２ｂｉｔの４０９６階調以上であることを特徴とする請求項１又は２のいずれかに記載の画面の欠陥検出方法。
- 前記点欠陥、シミ欠陥、スジ欠陥、ムラ欠陥及び線欠陥の欠陥候補を抽出するための閾値は、明欠陥及び暗欠陥ごとに決定されることを特徴とする請求項１〜３のいずれかに記載の画面の欠陥検出方法。
- 前記点欠陥、シミ欠陥、スジ欠陥、ムラ欠陥及び線欠陥の欠陥候補を抽出するための閾値は、前記輝度統計データの平均値および標準偏差を用いて決定されることを特徴とする請求項４記載の画面の欠陥検出方法。
- 前記点欠陥、シミ欠陥、スジ欠陥、ムラ欠陥及び線欠陥の抽出された欠陥候補について、欠陥候補の特性値を求め、該欠陥候補の特性値と前記統計データとに基づいて評価値を算出する工程を有することを特徴とする請求項１〜５のいずれかに記載の画面の欠陥検出方法。
- 前記欠陥候補の評価値は、明欠陥及び暗欠陥ごとに算出されることを特徴とする請求項１〜６のいずれかに記載の画面の欠陥検出方法。
- 前記欠陥候補の評価値は、前記輝度統計データの平均値、標準偏差と、欠陥候補の最大輝度、最小輝度を用いて算出されることを特徴とする請求項６〜７のいずれかに記載の画面の欠陥検出方法。
- 前記欠陥候補の評価値の大きさにより、製品の良品ランクの分類をすることを特徴とする請求項６〜８のいずれかに記載の画面の欠陥検出方法。
- 前記点欠陥を検出する検出処理工程は、前記検査画像に対してトップハットフィルタ又はウェルフィルタをかけて明点欠陥及び暗点欠陥を強調し、明点欠陥及び暗点欠陥を強調すると同時に画像を表示している階調の略中央値をオフセット値として加算することを特徴とする請求項１〜３のいずれかに記載の画面の欠陥検出方法。
- 前記シミ欠陥を検出する検出処理工程は、前記検査画像に対して平坦化処理を行い、平坦化画像から複数段階の縮小画像を作成し、該縮小画像のそれぞれに対してシミ欠陥強調のためトップハットフィルタ又はウエルフィルタによるフィルタ処理を行ってシミを強調するのと同時に、画像を表示している階調の略中央値をオフセット値として加算することを特徴とする請求項１〜３のいずれかに記載の画面の欠陥検出方法。
- 前記スジ欠陥を検出する検出処理工程は、前記検査画像に対して平坦化処理を行い、平坦化画像から複数段階の縮小画像を作成し、各縮小画像に対して様々な方向のスジに対応するようにして、強調角度を４段階に変えた線検出フィルタをそれぞれかけてスジ欠陥を強調し、スジ欠陥を強調すると同時に画像を表示している階調の略中央値をオフセット値として加算することを特徴とする請求項１〜３のいずれかに記載の画面の欠陥検出方法。
- 前記ムラ欠陥を検出する欠陥検出工程は、検査画像または当該検査画像を縮小した縮小画像に対して複数段階の画像の平坦化処理を行い、第１及び第２の平坦化画像を作成し、前記検査画像または該検査画像の縮小画像と前記第１の平坦化画像との画像間、および前記第１の平坦化画像と第２の平坦化画像との画像間で、それぞれ差分処理を行い、同時に画像を表示している階調の略中央値をオフセット値として加算することを特徴とする請求項１〜３のいずれかに記載の画面の欠陥検出方法。
- 前記線欠陥を検出する検出処理工程は、前記検査画像に対して平坦化処理を行い、平坦化画像に対してそれぞれ水平方向と垂直方向のエッジを強調するエッジ検出フィルタをかけて線欠陥を強調し、線欠陥を強調すると同時に画像を表示している階調の略中央値をオフセット値として加算することを特徴とする請求項１〜３のいずれかに記載の画面の欠陥検出方法。
- 前記画素ムラ欠陥を検出する検出処理工程は、前記検査画像の各画素について膨張処理を行い、膨張処理を行った画像に対してソーベルフィルタ又はラプラシアンフィルタをかけて隣接画素の輝度差を強調することを特徴とする請求項１〜３のいずれかに記載の画面の欠陥検出方法。
- 請求項１から１５のいずれかに記載の画面の欠陥検出方法を用いることを特徴とする画面の欠陥検出装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2003085301A JP2004294202A (ja) | 2003-03-26 | 2003-03-26 | 画面の欠陥検出方法及び装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2003085301A JP2004294202A (ja) | 2003-03-26 | 2003-03-26 | 画面の欠陥検出方法及び装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2004294202A true JP2004294202A (ja) | 2004-10-21 |
Family
ID=33400252
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2003085301A Withdrawn JP2004294202A (ja) | 2003-03-26 | 2003-03-26 | 画面の欠陥検出方法及び装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2004294202A (ja) |
Cited By (42)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006242759A (ja) * | 2005-03-03 | 2006-09-14 | Toppan Printing Co Ltd | 周期性パターンのムラ検査方法 |
| WO2008066055A1 (fr) * | 2006-11-29 | 2008-06-05 | Sharp Kabushiki Kaisha | Dispositif de détection de défaut linéaire, dispositif de fabrication de substrat semi-conducteur, procédé de détection de défaut linéaire, procédé de fabrication de substrat semi-conducteur, programme pour amener un ordinateur à fonctionner en tant que d |
| WO2009044519A1 (ja) * | 2007-10-05 | 2009-04-09 | Nikon Corporation | 表示デバイスの欠陥検出方法及び表示デバイスの欠陥検出装置 |
| US7783103B2 (en) | 2005-09-27 | 2010-08-24 | Sharp Kabushiki Kaisha | Defect detecting device, image sensor device, image sensor module, image processing device, digital image quality tester, and defect detecting method |
| EP2234170A1 (en) * | 2007-12-28 | 2010-09-29 | Nisshinbo Industries, Inc. | Solar battery inspecting apparatus and method for judging solar battery defect |
| US7929030B2 (en) * | 2007-03-30 | 2011-04-19 | Fujifilm Corporation | Device, method, and program storage medium to perform defective pixel correction on an image |
| JP2011123377A (ja) * | 2009-12-11 | 2011-06-23 | Canon Inc | 画像表示装置およびその制御方法 |
| US8391585B2 (en) | 2006-12-28 | 2013-03-05 | Sharp Kabushiki Kaisha | Defect detecting device, defect detecting method, image sensor device, image sensor module, defect detecting program, and computer-readable recording medium |
| US20130271945A1 (en) | 2004-02-06 | 2013-10-17 | Nikon Corporation | Polarization-modulating element, illumination optical apparatus, exposure apparatus, and exposure method |
| KR20140046695A (ko) * | 2012-10-10 | 2014-04-21 | 엘지디스플레이 주식회사 | 표시모듈용 자동검사장비 및 이를 이용한 이미지품질 검사방법 |
| JPWO2013161246A1 (ja) * | 2012-04-26 | 2015-12-21 | パナソニック株式会社 | 表示制御システム及び表示装置 |
| CN105372252A (zh) * | 2014-08-25 | 2016-03-02 | 研祥智能科技股份有限公司 | 一种基于机器视觉的检测系统和检测方法 |
| US9341954B2 (en) | 2007-10-24 | 2016-05-17 | Nikon Corporation | Optical unit, illumination optical apparatus, exposure apparatus, and device manufacturing method |
| US9423698B2 (en) | 2003-10-28 | 2016-08-23 | Nikon Corporation | Illumination optical apparatus and projection exposure apparatus |
| CN105892109A (zh) * | 2016-05-25 | 2016-08-24 | 江西合力泰科技有限公司 | 检测液晶玻璃pi不良点的装置及方法 |
| US9678332B2 (en) | 2007-11-06 | 2017-06-13 | Nikon Corporation | Illumination apparatus, illumination method, exposure apparatus, and device manufacturing method |
| US9678437B2 (en) | 2003-04-09 | 2017-06-13 | Nikon Corporation | Illumination optical apparatus having distribution changing member to change light amount and polarization member to set polarization in circumference direction |
| US9885872B2 (en) | 2003-11-20 | 2018-02-06 | Nikon Corporation | Illumination optical apparatus, exposure apparatus, and exposure method with optical integrator and polarization member that changes polarization state of light |
| US9891539B2 (en) | 2005-05-12 | 2018-02-13 | Nikon Corporation | Projection optical system, exposure apparatus, and exposure method |
| CN108072503A (zh) * | 2016-11-08 | 2018-05-25 | 京东方科技集团股份有限公司 | 背光源检测装置及检测方法 |
| US10101666B2 (en) | 2007-10-12 | 2018-10-16 | Nikon Corporation | Illumination optical apparatus, exposure apparatus, and device manufacturing method |
| CN108760250A (zh) * | 2018-05-30 | 2018-11-06 | 广东长天精密设备科技有限公司 | 一种膜片压合检测装置及具有该装置的背光源检测方法 |
| CN109142366A (zh) * | 2018-06-13 | 2019-01-04 | 广东拓斯达科技股份有限公司 | 球形外壳缺陷检测方法、装置及计算机可读存储介质 |
| KR20190014275A (ko) * | 2017-07-31 | 2019-02-12 | 삼성디스플레이 주식회사 | 무라 검출 장치 및 무라 검출 장치의 검출 방법 |
| WO2019041245A1 (zh) * | 2017-08-31 | 2019-03-07 | 深圳市大疆创新科技有限公司 | 斑点检测方法、系统、存储介质及计算机程序产品 |
| KR20190118627A (ko) * | 2017-03-21 | 2019-10-18 | 제이에프이 스틸 가부시키가이샤 | 표면 결함 검사 방법 및 표면 결함 검사 장치 |
| CN110428762A (zh) * | 2019-07-10 | 2019-11-08 | 武汉精立电子技术有限公司 | 基于像素点亮度的oled面板老化测试发光特性检测方法 |
| KR102045940B1 (ko) * | 2019-05-21 | 2019-11-18 | (주)케이테크놀로지 | 평판 디스플레이 액정 셀의 에지 검사방법 |
| CN110992328A (zh) * | 2019-11-28 | 2020-04-10 | 京东方科技集团股份有限公司 | 暗点检测方法和装置 |
| CN111474177A (zh) * | 2020-05-06 | 2020-07-31 | 深圳市斑马视觉科技有限公司 | 基于计算机视觉的液晶屏幕背光异物缺陷检测方法 |
| JP2021018149A (ja) * | 2019-07-19 | 2021-02-15 | 三友工業株式会社 | 撮像情報分類システム、撮像情報分類方法、撮像情報分類プログラム及び表面判別装置 |
| CN112394064A (zh) * | 2020-10-22 | 2021-02-23 | 惠州高视科技有限公司 | 一种屏幕缺陷检测的点线测量方法 |
| CN112630153A (zh) * | 2020-12-21 | 2021-04-09 | 广州辰创科技发展有限公司 | 一种镜头盖玻璃缺陷的检测方法、设备、存储介质 |
| CN112653884A (zh) * | 2019-10-10 | 2021-04-13 | 北京滴普科技有限公司 | 一种屏幕质量优缺的评价方法 |
| KR102286711B1 (ko) * | 2020-11-04 | 2021-08-06 | (주)캠시스 | 카메라 모듈의 멍 이물 검사 시스템 및 방법 |
| CN113838003A (zh) * | 2021-08-30 | 2021-12-24 | 歌尔科技有限公司 | 图像的斑点检测方法、设备、介质及计算机程序产品 |
| CN113870223A (zh) * | 2021-09-28 | 2021-12-31 | 广州绿怡信息科技有限公司 | 设备屏幕漏液检测方法及装置 |
| CN113946066A (zh) * | 2021-09-22 | 2022-01-18 | 河北汉光重工有限责任公司 | 一种液晶屏检测系统 |
| CN116051551A (zh) * | 2023-03-29 | 2023-05-02 | 深圳市康凌源科技有限公司 | 基于图像处理的显示屏缺陷检测方法及相关装置 |
| CN117036354A (zh) * | 2023-10-09 | 2023-11-10 | 深圳市魔样科技有限公司 | 一种智能戒指显示屏幕检测方法 |
| WO2024029552A1 (ja) * | 2022-08-03 | 2024-02-08 | 株式会社Joled | 検査方法、検査装置及びプログラム |
| CN118397009A (zh) * | 2024-06-28 | 2024-07-26 | 高视科技(苏州)股份有限公司 | 屏幕缺陷检测方法、电子设备及存储介质 |
-
2003
- 2003-03-26 JP JP2003085301A patent/JP2004294202A/ja not_active Withdrawn
Cited By (67)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9885959B2 (en) | 2003-04-09 | 2018-02-06 | Nikon Corporation | Illumination optical apparatus having deflecting member, lens, polarization member to set polarization in circumference direction, and optical integrator |
| US9678437B2 (en) | 2003-04-09 | 2017-06-13 | Nikon Corporation | Illumination optical apparatus having distribution changing member to change light amount and polarization member to set polarization in circumference direction |
| US9760014B2 (en) | 2003-10-28 | 2017-09-12 | Nikon Corporation | Illumination optical apparatus and projection exposure apparatus |
| US9423698B2 (en) | 2003-10-28 | 2016-08-23 | Nikon Corporation | Illumination optical apparatus and projection exposure apparatus |
| US10281632B2 (en) | 2003-11-20 | 2019-05-07 | Nikon Corporation | Illumination optical apparatus, exposure apparatus, and exposure method with optical member with optical rotatory power to rotate linear polarization direction |
| US9885872B2 (en) | 2003-11-20 | 2018-02-06 | Nikon Corporation | Illumination optical apparatus, exposure apparatus, and exposure method with optical integrator and polarization member that changes polarization state of light |
| US10241417B2 (en) | 2004-02-06 | 2019-03-26 | Nikon Corporation | Polarization-modulating element, illumination optical apparatus, exposure apparatus, and exposure method |
| US10234770B2 (en) | 2004-02-06 | 2019-03-19 | Nikon Corporation | Polarization-modulating element, illumination optical apparatus, exposure apparatus, and exposure method |
| US10007194B2 (en) | 2004-02-06 | 2018-06-26 | Nikon Corporation | Polarization-modulating element, illumination optical apparatus, exposure apparatus, and exposure method |
| US20130271945A1 (en) | 2004-02-06 | 2013-10-17 | Nikon Corporation | Polarization-modulating element, illumination optical apparatus, exposure apparatus, and exposure method |
| JP2006242759A (ja) * | 2005-03-03 | 2006-09-14 | Toppan Printing Co Ltd | 周期性パターンのムラ検査方法 |
| US9891539B2 (en) | 2005-05-12 | 2018-02-13 | Nikon Corporation | Projection optical system, exposure apparatus, and exposure method |
| US7783103B2 (en) | 2005-09-27 | 2010-08-24 | Sharp Kabushiki Kaisha | Defect detecting device, image sensor device, image sensor module, image processing device, digital image quality tester, and defect detecting method |
| WO2008066055A1 (fr) * | 2006-11-29 | 2008-06-05 | Sharp Kabushiki Kaisha | Dispositif de détection de défaut linéaire, dispositif de fabrication de substrat semi-conducteur, procédé de détection de défaut linéaire, procédé de fabrication de substrat semi-conducteur, programme pour amener un ordinateur à fonctionner en tant que d |
| US8391585B2 (en) | 2006-12-28 | 2013-03-05 | Sharp Kabushiki Kaisha | Defect detecting device, defect detecting method, image sensor device, image sensor module, defect detecting program, and computer-readable recording medium |
| US7929030B2 (en) * | 2007-03-30 | 2011-04-19 | Fujifilm Corporation | Device, method, and program storage medium to perform defective pixel correction on an image |
| JP5305246B2 (ja) * | 2007-10-05 | 2013-10-02 | 株式会社ニコン | 表示デバイスの欠陥検出方法及び表示デバイスの欠陥検出装置 |
| WO2009044519A1 (ja) * | 2007-10-05 | 2009-04-09 | Nikon Corporation | 表示デバイスの欠陥検出方法及び表示デバイスの欠陥検出装置 |
| US8926387B2 (en) | 2007-10-05 | 2015-01-06 | Nikon Corporation | Defect detection method of display device and defect detection apparatus of display device |
| US8301289B2 (en) | 2007-10-05 | 2012-10-30 | Nikon Corporation | Defect detection method of display device and defect detection apparatus of display device |
| CN103499588A (zh) * | 2007-10-05 | 2014-01-08 | 株式会社尼康 | 显示器件的缺陷检测方法及显示器件的缺陷检测装置 |
| US10101666B2 (en) | 2007-10-12 | 2018-10-16 | Nikon Corporation | Illumination optical apparatus, exposure apparatus, and device manufacturing method |
| US9341954B2 (en) | 2007-10-24 | 2016-05-17 | Nikon Corporation | Optical unit, illumination optical apparatus, exposure apparatus, and device manufacturing method |
| US9857599B2 (en) | 2007-10-24 | 2018-01-02 | Nikon Corporation | Optical unit, illumination optical apparatus, exposure apparatus, and device manufacturing method |
| US9678332B2 (en) | 2007-11-06 | 2017-06-13 | Nikon Corporation | Illumination apparatus, illumination method, exposure apparatus, and device manufacturing method |
| EP2234170A4 (en) * | 2007-12-28 | 2012-09-05 | Nisshin Spinning | SOLAR BATTERY INSPECTION APPARATUS AND METHOD FOR DETERMINING SOLAR BATTERY DEFECT |
| EP2234170A1 (en) * | 2007-12-28 | 2010-09-29 | Nisshinbo Industries, Inc. | Solar battery inspecting apparatus and method for judging solar battery defect |
| JP2011123377A (ja) * | 2009-12-11 | 2011-06-23 | Canon Inc | 画像表示装置およびその制御方法 |
| JPWO2013161246A1 (ja) * | 2012-04-26 | 2015-12-21 | パナソニック株式会社 | 表示制御システム及び表示装置 |
| KR20140046695A (ko) * | 2012-10-10 | 2014-04-21 | 엘지디스플레이 주식회사 | 표시모듈용 자동검사장비 및 이를 이용한 이미지품질 검사방법 |
| KR101940762B1 (ko) * | 2012-10-10 | 2019-01-22 | 엘지디스플레이 주식회사 | 표시모듈용 자동검사장비 및 이를 이용한 이미지품질 검사방법 |
| CN105372252A (zh) * | 2014-08-25 | 2016-03-02 | 研祥智能科技股份有限公司 | 一种基于机器视觉的检测系统和检测方法 |
| CN105892109A (zh) * | 2016-05-25 | 2016-08-24 | 江西合力泰科技有限公司 | 检测液晶玻璃pi不良点的装置及方法 |
| CN108072503A (zh) * | 2016-11-08 | 2018-05-25 | 京东方科技集团股份有限公司 | 背光源检测装置及检测方法 |
| US10657858B2 (en) | 2016-11-08 | 2020-05-19 | Boe Technology Group Co., Ltd. | Backlight detection apparatus and backlight detection method thereof |
| KR20190118627A (ko) * | 2017-03-21 | 2019-10-18 | 제이에프이 스틸 가부시키가이샤 | 표면 결함 검사 방법 및 표면 결함 검사 장치 |
| US10859507B2 (en) | 2017-03-21 | 2020-12-08 | Jfe Steel Corporation | Surface defect inspection method and surface defect inspection apparatus |
| KR102257734B1 (ko) * | 2017-03-21 | 2021-05-27 | 제이에프이 스틸 가부시키가이샤 | 표면 결함 검사 방법 및 표면 결함 검사 장치 |
| KR20190014275A (ko) * | 2017-07-31 | 2019-02-12 | 삼성디스플레이 주식회사 | 무라 검출 장치 및 무라 검출 장치의 검출 방법 |
| KR102334575B1 (ko) | 2017-07-31 | 2021-12-03 | 삼성디스플레이 주식회사 | 무라 검출 장치 및 무라 검출 장치의 검출 방법 |
| WO2019041245A1 (zh) * | 2017-08-31 | 2019-03-07 | 深圳市大疆创新科技有限公司 | 斑点检测方法、系统、存储介质及计算机程序产品 |
| CN108760250A (zh) * | 2018-05-30 | 2018-11-06 | 广东长天精密设备科技有限公司 | 一种膜片压合检测装置及具有该装置的背光源检测方法 |
| CN109142366A (zh) * | 2018-06-13 | 2019-01-04 | 广东拓斯达科技股份有限公司 | 球形外壳缺陷检测方法、装置及计算机可读存储介质 |
| CN109142366B (zh) * | 2018-06-13 | 2021-01-01 | 广东拓斯达科技股份有限公司 | 球形外壳缺陷检测方法、装置及计算机可读存储介质 |
| KR102045940B1 (ko) * | 2019-05-21 | 2019-11-18 | (주)케이테크놀로지 | 평판 디스플레이 액정 셀의 에지 검사방법 |
| CN110428762A (zh) * | 2019-07-10 | 2019-11-08 | 武汉精立电子技术有限公司 | 基于像素点亮度的oled面板老化测试发光特性检测方法 |
| CN110428762B (zh) * | 2019-07-10 | 2023-05-16 | 武汉精立电子技术有限公司 | 基于像素点亮度的oled面板老化测试发光特性检测方法 |
| JP7388684B2 (ja) | 2019-07-19 | 2023-11-29 | 三友工業株式会社 | 撮像情報分類システム、撮像情報分類方法、撮像情報分類プログラム及び表面判別装置 |
| JP2021018149A (ja) * | 2019-07-19 | 2021-02-15 | 三友工業株式会社 | 撮像情報分類システム、撮像情報分類方法、撮像情報分類プログラム及び表面判別装置 |
| CN112653884B (zh) * | 2019-10-10 | 2022-12-23 | 北京滴普科技有限公司 | 一种屏幕质量优缺的评价方法 |
| CN112653884A (zh) * | 2019-10-10 | 2021-04-13 | 北京滴普科技有限公司 | 一种屏幕质量优缺的评价方法 |
| CN110992328B (zh) * | 2019-11-28 | 2024-04-02 | 京东方科技集团股份有限公司 | 暗点检测方法和装置 |
| CN110992328A (zh) * | 2019-11-28 | 2020-04-10 | 京东方科技集团股份有限公司 | 暗点检测方法和装置 |
| CN111474177A (zh) * | 2020-05-06 | 2020-07-31 | 深圳市斑马视觉科技有限公司 | 基于计算机视觉的液晶屏幕背光异物缺陷检测方法 |
| CN112394064A (zh) * | 2020-10-22 | 2021-02-23 | 惠州高视科技有限公司 | 一种屏幕缺陷检测的点线测量方法 |
| KR102286711B1 (ko) * | 2020-11-04 | 2021-08-06 | (주)캠시스 | 카메라 모듈의 멍 이물 검사 시스템 및 방법 |
| CN112630153A (zh) * | 2020-12-21 | 2021-04-09 | 广州辰创科技发展有限公司 | 一种镜头盖玻璃缺陷的检测方法、设备、存储介质 |
| CN113838003A (zh) * | 2021-08-30 | 2021-12-24 | 歌尔科技有限公司 | 图像的斑点检测方法、设备、介质及计算机程序产品 |
| CN113838003B (zh) * | 2021-08-30 | 2024-04-30 | 歌尔科技有限公司 | 图像的斑点检测方法、设备、介质及计算机程序产品 |
| CN113946066B (zh) * | 2021-09-22 | 2024-05-10 | 河北汉光重工有限责任公司 | 一种液晶屏检测系统 |
| CN113946066A (zh) * | 2021-09-22 | 2022-01-18 | 河北汉光重工有限责任公司 | 一种液晶屏检测系统 |
| CN113870223A (zh) * | 2021-09-28 | 2021-12-31 | 广州绿怡信息科技有限公司 | 设备屏幕漏液检测方法及装置 |
| WO2024029552A1 (ja) * | 2022-08-03 | 2024-02-08 | 株式会社Joled | 検査方法、検査装置及びプログラム |
| CN116051551A (zh) * | 2023-03-29 | 2023-05-02 | 深圳市康凌源科技有限公司 | 基于图像处理的显示屏缺陷检测方法及相关装置 |
| CN117036354B (zh) * | 2023-10-09 | 2024-02-02 | 深圳市魔样科技有限公司 | 一种智能戒指显示屏幕检测方法 |
| CN117036354A (zh) * | 2023-10-09 | 2023-11-10 | 深圳市魔样科技有限公司 | 一种智能戒指显示屏幕检测方法 |
| CN118397009A (zh) * | 2024-06-28 | 2024-07-26 | 高视科技(苏州)股份有限公司 | 屏幕缺陷检测方法、电子设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2004294202A (ja) | 画面の欠陥検出方法及び装置 | |
| US7978903B2 (en) | Defect detecting method and defect detecting device | |
| CN110658198B (zh) | 光学检测方法、光学检测装置及光学检测系统 | |
| CN111474177A (zh) | 基于计算机视觉的液晶屏幕背光异物缺陷检测方法 | |
| JP2001527645A (ja) | ムラ欠陥検出方法および検出装置 | |
| JP2007285754A (ja) | 欠陥検出方法および欠陥検出装置 | |
| KR101813223B1 (ko) | 영상 표면의 결함을 검출 및 분류하는 방법 및 장치 | |
| JP2005172559A (ja) | パネルの線欠陥検出方法及び装置 | |
| JP2004212311A (ja) | ムラ欠陥の検出方法及び装置 | |
| TWI512284B (zh) | 玻璃氣泡瑕疵檢測系統 | |
| JP2005165387A (ja) | 画面のスジ欠陥検出方法及び装置並びに表示装置 | |
| JP2005249415A (ja) | シミ欠陥の検出方法及び装置 | |
| JP2005345290A (ja) | 筋状欠陥検出方法及び装置 | |
| JP2003167529A (ja) | 画面欠陥検出方法及び装置並びに画面欠陥検出のためのプログラム | |
| JP2005164565A (ja) | 低解像度および高解像度映像におけるフラットパネル用光関連板要素の欠陥検出方法 | |
| JP2007130329A (ja) | 画像による外観検査方法 | |
| CN110530894B (zh) | 导光板亮点缺陷检测方法 | |
| JP2008070242A (ja) | ノイズ除去方法および装置、ムラ欠陥検査方法および装置 | |
| JP2005283197A (ja) | 画面のスジ欠陥検出方法及び装置 | |
| JP2005140655A (ja) | シミ欠陥の検出方法及びその検出装置 | |
| JP4195980B2 (ja) | カラー画像を用いた外観検査方法及び外観検査装置 | |
| JP2004219176A (ja) | 画素ムラ欠陥の検出方法及び装置 | |
| JP2004219291A (ja) | 画面の線欠陥検出方法及び装置 | |
| JP2004226272A (ja) | シミ欠陥の検出方法及び装置 | |
| JP2001028059A (ja) | 色ムラ検査方法及び装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20060303 |
|
| A761 | Written withdrawal of application |
Free format text: JAPANESE INTERMEDIATE CODE: A761 Effective date: 20070122 |