2.影像之動態臨界值擷取
　
影像處理在實際的應用上，如果我們能將要處理的主體和不需要存在的背景分離，則後續的處理動作將變得比較簡單。影像的灰度分劃 (Threshold) 是將影像依其灰度予以分群處理[6-10]，一般的灰度分劃將影像分成只有兩種灰度值，亦即設定一個灰度值，凡是影像本身灰度大於它的便令其為亮點而灰度值低於設定值的，便令其為，一般的灰度分劃將影像分 (1bit) 的影像，凡是需要作文字識別或條紋辨認的影像，皆可利用此方式，先將一個複雜的圖面簡單化，分劃法切割影像常用以偵測平滑表面工件的瑕疵的影像，凡是需要作文字識別或條紋辨認的影像，皆可利因此如何能夠選擇適當、正確的閥值 (thresholding value) 就是一項重要的工作。假設 m 為二值化之閥值，凡是影像的灰度值低於分劃值 m 的令為 0，影像的灰度值高於分劃值 m 的令為1，這種技巧稱之為二值閥值擷取 (bilevel thresholding)。　　　　　　　
如圖 3，在一灰度為 8 階之影像中，如欲將圖像分成二個群集 (物體與背景)，則選定適當的二值化之閥值 m，令 f(x,y)>m 則f(x,y) 設為 255。f(x,y)£ m 則 f(x,y) 設為0 (圖 4)。		 　 圖 3 一個 8bit 之影像二值化分析　　　　　　　　　
　　　　　　　　　　
　　　　　　　　　　
　　　 圖 4 一個 8bit 之影像二值化後之結果
　
　
大部分的二值化影像是以一個特定的閥值將不同的物體加以分割，在實際應用上欲就一影像找出其特定的閥值之大小的方法有很多。如果二元影像大部分的二值化影像是以一個特定的閥值將不同的物體加以分割，在實際應用上欲就一影像找出其特定的閥值之大小的方法有很多。如果二元影像之灰階統計圖具有雙峰特性，那就可以利用機率統計的原理來找出最佳的閥值以分割二元影像中兩個群集的像素，以達到自動閥值擷取之目的。　　　　　　　

由於影像光場不均的情形很常見，因此在實際的作法上一個特定的閥值也許不能有效的處理這類影像二值化的問題。二值化臨界值的大小常關係到由於影像光場不均的情形很常見，因此在實際的作法上一個特定的閥值也許不能有效的處理這類影像二值化的問題。二值化臨界值的大小常關係到由於影像光場不均的情形很常見，因此在實際的作法上一個特定的閥值也許不能有效的處理這類影像二值化的問題。二值化臨界值的大小常關係到由於影像光場不均的情形很常見，因此在實際的作法上一個特定的閥值也許不能有效的處理這類影像二值化的問題。二值化臨界值的大小常關係到由於影像光場不均的情形很常見，因 ，如圖 5 所示，先將影像取成 6 區塊，然後利用動態二值化求這些區塊的二值化臨界點。　
　
圖 5 動態二值化將影像取成 6 區塊，然後求這些區塊的二值化臨界點
　
　
動態二值化臨界點的方法也有很多，一種是針對已知光場的不均勻程度事先調查好，例如在未放入物體時即對此不均勻光場先取像，然後對此影像求取各部位適當的臨界值。如果對於無法預知的光場，則可將影勻程度事先調查好，例如在未放入物體時即對此不均勻光場先取像，然後對此影像求 (pixelize 程式來作，然後定出每一小區塊的臨界值，不過這麼做還是會有問題，因為如果區塊取得太小，則無法壓抑掉背景中的微量起伏的雜訊，屆時這些程式來作，然後定出每一小區塊的臨界值，不過這麼做還是會有問題，因為如果區塊取得太小，則無法壓抑掉背景中的微量起伏的雜訊，屆時這些程式來作，然後定出每一小區塊的臨界值，不過這麼做還是會有問題，因為如果區塊取得太小，則無法壓抑掉背景中的微量起伏的雜訊，屆時這些程式來作，然後定出每一小區塊的臨界值，不過這麼做還是會有問題，因為如果區塊取得太小，則無法壓抑掉背景中的微量起伏的雜訊，屆時這些微小的亮度起伏變化都可能變成物體，導致錯誤。如果我們將區塊取得太大，則各區塊間的臨界值可能產生陡升或陡降的現象，如此也造成在區塊與區塊二值化圖形邊緣處會有明顯不連續的現象。因此比較理想的情況是使用類似遮罩運算的方式來解決二值化臨界值的問題，亦即這些區塊會隨著點素來移動，隨著點素所在區域之不同，二值化臨界值的大小亦隨之而改變。　
 
 
 
圖 6 微細墊片檢測系統之計算法則
　
　
圖 6 為檢測微細墊片的自動分析系統之計算法則，由於在液晶顯示器上下兩片玻璃板影像之光場不均的情形很常見，因此實際的作法上一個特定的閥值不能有效的處理這類影像分群化的問題。
　
圖 7 用於液晶顯示板細微墊片物的檢測的 7×7 遮罩
　
　
這裡所使用的動態分群處理之方法其區塊面積不能太小，否則仍可能出現無法壓抑掉背景中的微量起伏的雜訊之情形，例如使用如圖 7 之 7? 7 的遮罩，對於液晶顯示板細微墊片物 (spacers) 的檢測就相當合適，由於區塊的面積不能太小，因此整體的計算量將很可觀，這也是此法最大的缺點。大致上可以將點素所在區域之平均灰度值或的檢測就相當合適，由於區塊的面積不能太小，因此整體的計算量將例如我們可將動態分群處理臨界點的遮罩運算方式表示如下：　　　　　

　　　1.初始化：　　
　　　　　　　　　　　　 max=0　　　　　　 ,min= 255　　
　　　 2.遞迴：　　
　　　 repeat　　
　　　　　　 for all　　　
　　　　　　　　　 找出點素所在區域之最大值max與最小值 min 之差值 g　　　
　　　　　　　　　 if　 g < 設定值 A　　
　　　　　　　　　　　 g = 設定值 A　　
　　　　　　　　　 if　 (該點素灰度值 - min) > (g ? 設定值B)　　
　　　　　　　　　　　 該點素為亮點　　
　　　 else　　
　　　　　　　 該點素為暗點　　
　　　　　　　 let T1 to next position　　　
　　　 until T1 out of ROI　　
　　　　　

接下去我們介紹將動態分群處理臨界點的遮罩運算方式用於液晶顯示板細微墊片物 (spacers) 的檢測結果，利用影像擷取系統擷取 LCD 片夾層之微粒影像，使用程式對影像進行計數處理，處理的流程如下：由影像擷取系統取進解析度為 640×480、灰階 256 以上之數位影像，再進行二值化運算，由於 LCD 板取像中有蝕刻電路，造成背景的不均勻光場，無法以一個特定的閥值來處理這類影像分群處理的問題，因此我們使用動態二值化臨界點的遮罩運板取像中有蝕刻電8 所示，雖然影像中有蝕刻電路所造成之不均勻光場背景，我們可發現此法皆能有效將背景與微粒影像分離，可以接著針對該影像中框線內的微粒進所示，雖然影像中有蝕LCD板中之墊片微粒計算出來。　
　
　

　

圖 8 動態二值化臨界點的遮罩運算方式之結果
　
　
　　
圖 9 微細墊片的自動計算程式之詳細流程圖
分群處理臨界值的大小常關係到是否正確的偵測目標物，因此如果影像在取像時為不均勻的光場所照射，這時若只使用一個二值化臨界值，可能使點處背景中的物體也淪為背景，而明亮外的背景則也有轉變為物體的可能[11-14]，因此必須使用動態臨界值，亦即在明亮處臨界值須高些，而黑暗處臨界值不妨低些，如此才能得到良好的分群處理結果，亦即將影像取成若干小區塊，然後求這些小區塊的平均值，然後定出每一小區塊的臨界值。在此可以將分群處理與計數的動作合併再一起，以節省計算時間，其詳細之程式流程圖如圖 9 所示[15]。
　
　

　
　

回光電產業研究首頁
　
回LCD檢測首頁