臺灣博碩士論文加值系統

本研究應用數位影像處理的技術於偏光板(Polarizer)產品瑕疵檢測。首先利用線掃瞄(Line Scan)電荷耦合元件(Charged Couple Device, CCD)擷取瑕疵影像，將尺寸大小為 像素(Pixel)的瑕疵影像利用降幅抽樣壓縮法(Downsampling Compression)縮小4倍，再利用小波轉換(Wavelet Transform, WT) 將降幅抽樣壓縮法縮小4倍的影像經2次小波轉換再縮小16倍，此時影像的大小為 像素，也成為後續影像處理所運算的影像尺寸。然後利用乘冪律轉換(Power-law Transform)來強化瑕疵特徵的資訊，接著對影像進行低階高位中間(Lower-Upper-Middle, LUM)濾波器，除了可以去除背景的雜訊，同時可以保留瑕疵的邊緣特性。再利用拉普拉斯(Laplace)運算子之對45度和90度增量旋轉有等方性結果的遮罩找出瑕疵的邊緣，接著利用統計式(Statistical)門檻值決定法將瑕疵影像分割出來，最後利用霍夫轉換(Hough Transform)區分灰塵、異物、打痕和氣泡的點類瑕疵(Spot Defect)與刮痕的直線類瑕疵(Line Defect)。本研究擷取的200張偏光板瑕疵影像，經由自行研發的檢測系統測試，從實驗結果可明顯看出，可將接受測試的200張影像之瑕疵全數檢測出來，並成功的區分點類瑕疵及直線類瑕疵，其區分率為100%，且平均檢測一張影像只需要0.9秒左右，因此說明本研究已成功發展出一套適合應用於偏光板的線上即時(On-line Real time)瑕疵檢測系統。
本研究研製的偏光板自動化光學檢測(Automatic Optical Inspection, AOI)系統，可以改善克服目前以人工檢測所帶來不便和誤判，並立即告知生產者偏光板出現之缺陷為製程中所產生的點類瑕疵，或者是後續搬運過程中所造成的直線類瑕疵，讓生產者能在不同瑕疵出現情況下進行不同的改善。

This research applied digital image processing technology to the defect inspection of polarizer products. It first used line scan charged couple device (CCD) to screen the defect images, and then reduced the defect image ( pixel) to four times smaller using downsampling compression method, and then conducted the Wavelet transform (WT) on the four times smaller image for two times to reduce the size to 16 times smaller, and then the image size was pixel, so that it became the right size for the following image processing. Then the power-law transform was used to intensify the characteristics of the defect, and then processed it with lower-upper-middle (LUM) filter which could delete noise background while reserve the edge characteristics of the defect. And then the edge of the defect would be found out through the screening of the isotropic results after 45 degrees and 90 degrees increment of Laplace operator, and then used the statistic threshold method to separate the defect image, and in the end used Hough transform to distinguish the spot defect as dust, foreign matter and beat print, air bubble, and the line defect as scratch mark. This research picked out 200 sheets of polarizer defect images, then it investigated them by self-developed inspection system, the experimental result showed that it could test all the flaws on the 200 sheets of images, and successfully distinguished the spot defect and line defect, the distinguish rate is 100%, and it only cost 0.9 sec to detect a sheet. Therefore it has clear that this research has successfully developed a set of on-line real time defect inspection system applicable to the polarizer.
The polarizer automatic optical inspection (AOI) system developed by this research could overcome the inconveniences and misjudgments caused by the manual inspection, and it would inform the producers whether the defect on the polarizer was spot defect formed in the manufacture or line defect in the following transportation, so that the producers could make different improvements for different types of defects.

中文摘要 I
Abstract III
誌謝 V
目錄 VI
圖索引 IX
表索引 XII
第1章 緒論 1
1.1 研究動機與目的 1
1.2 研究步驟 2
1.3 文獻回顧 3
1.4 論文架構 4
第2章 實驗設備 6
2.1 檢測系統之機構 6
2.2 檢測系統之設備 8
第3章 偏光板 10
3.1 偏光板光學原理 11
3.2 偏光板基本結構及種類 12
3.3 偏光板製造方法 14
第4章 數位影像處理技術與原理 16
4.1 影像擷取 16
4.2 影像壓縮 17
4.2.1 降幅抽樣壓縮法 17
4.2.2 運用小波轉換的壓縮法 19
4.3 影像增強 27
4.3.1 乘冪律轉換 27
4.3.2 中值濾波器 28
4.3.3 低階高位中間濾波器 31
4.4 影像分割 35
4.4.1 拉普拉斯運算子 36
4.4.2 臨界值法 39
4.4.3 統計式門檻值決定法 40
4.4.4 蠻力法 44
4.4.5 霍夫轉換 45
第5章 實務與驗證 48
5.1 驗證步驟 48
5.2 偏光板瑕疵影像 50
5.3 壓縮偏光板瑕疵影像 51
5.4 強化偏光板瑕疵特徵 53
5.5 去除偏光板背景雜訊並保留瑕疵特徵 54
5.6 進行偏光板瑕疵的邊緣檢測 55
5.7 擷取偏光板瑕疵特徵 56
5.8 區分偏光板瑕疵的類型 57
第6章 結果與討論 58
第7章 結論及未來研究 60
參考文獻 63

圖索引
圖 1 1 偏光板的瑕疵自動化辨識流程圖 5
圖 2 1 檢測系統之機構圖 7
圖 2 2 檢測系統之設備圖 8
圖 3 1 液晶顯示器之構造組成 10
圖 3 2 偏光板的光學原理 11
圖 3 3 偏光板基本構造 12
圖 3 4 透過型偏光板 12
圖 3 5 反射．半透過型偏光板 13
圖 3 6 聚乙烯醇分子的延伸 14
圖 3 7 塗佈型偏光膜技術 15
圖 4 1 小波轉換的四個基底向量 、 、 和 20
圖 4 2 張量乘積建構的四個基底向量 21
圖 4 3 的二維影像 23
圖 4 4 行方向的小波轉換 24
圖 4 5 L和H二個頻帶 24
圖 4 6 列方向的小波轉換 25
圖 4 7 四個頻帶示意圖 25
圖 4 8 七個頻帶示意圖 26
圖 4 9 方程式 對應各種 的曲線圖 28
圖 4 10 的遮罩 29
圖 4 11 的遮罩 30
圖 4 12 的子影像 30
圖 4 13 經中值法後的子影像 31
圖 4 14 含有N個樣本的遮罩 32
圖 4 15 四連通 35
圖 4 16 八連通 36
圖 4 17 90度增量旋轉有等方性結果的遮罩 38
圖 4 18 45度和90度增量旋轉有等方性結果的遮罩 38
圖 4 19 臨界值最佳選擇的直方圖 39
圖 4 20 灰階值分佈沒有明顯交會點的直方圖 40
圖 4 21 分成兩個區域的圖 41
圖 4 22 直線式 與邊點 的距離 44
圖 4 23 - 空間和 - 空間關係圖 45
圖 4 24 累積陣列示意圖 47
圖 5 1 驗證流程圖 49
圖 5 2 偏光板瑕疵影像 50
圖 5 3 降幅抽樣壓縮法的架構 51
圖 5 4 2次小波轉換的解析架構 51
圖 5 5 降幅抽樣壓縮法縮小4倍後的影像 52
圖 5 6 2次小波轉換縮小16倍後的影像 52
圖 5 7 乘冪律轉換後的影像 53
圖 5 8 低階高位中間濾波器處理後的影像 54
圖 5 9 拉普拉斯運算子進行邊緣檢測後的影像 55
圖 5 10 統計式門檻值決定法擷取出的瑕疵影像 56
圖 5 11 霍夫轉換進行直線偵測後的影像 57


表索引
表 2 1 機構之規格資料 7
表 2 2 線掃描式電荷耦合元件規格資料 9
表 2 3 鏡頭規格資料 9
表 2 4 光源規格資料 9
表 2 5 伺服馬達規格資料 9
表 3 1 偏光板組成的材料及功能 13
表 6 1 各種影像壓縮結合方式之瑕疵區分率與平均運算時間 59
表 6 2 最佳的影像壓縮結合方式之瑕疵區分結果 59

1.A. L. Amet and A. Ercil, “Texture Defect Detection Using Domain Co-occurrence Matrices,” Image Analysis and Interpretation, 1998 IEEE Southwest Symposium, 205-210(1998).
2.D. M. Tsai and C. Y. Hsieh, “Automated Surface Inspection for Directional Textures,” Image and Vision Computing, vol. 18, No. 1, 49-62(1999).
3.J. J. Warren, J. G. Stephen and H. Potlapalli, “Texture Characterization and Defect Detection Using Adaptive Wavelets,” Optical Engineering, vol. 35, No. 11, 3140-3149(1996).
4.H. Sari-Sarraf and S. J. James, “Robust Defect Segmentation in Woven Fabrics,” Proceedings of the 1998 IEEE Computer Society Conference on Computer Vision and Pattern Recognition, 938-944(1998).
5.S. A. H. Ravandi and K. Toriumi, “Fourier Transform Analysis of Plain Weave Fabric Appearance,” Textile Res. J. 65(11), 676-683(1995).
6.B. S. Jeon, J. H. Bae and M. W. Suh, “Automatic Recognition of Woven Fabric Patterns by an Artificial Neural Network,” Textile Res. J. 73(7), 645-650(2003).
7.D. Demir, S. Birecik, F. Kurugollu, M. Sezgin, I. O. Bucak, B. Sankur and E. Anarim, “Quality Inspection in PCB and SMD Using Computer Vision Techniques,” Industrial Electronics, Control and Instrumentation 1994 IECON ’94., 20th International Conference on Volume: 2, 857-861(1994).
8.W. A. Bently, “The Inspection: An Automatic Optical Printed Circuit Board (PCB) Inspection,” Proc. Soc. Photo-Optical Instrumn. Engrs., 201, 37-47(1979).
9.L. Breaux and B. Singh, “Automatic Defect Classification System for Patterned Semiconductor Wafers,” IEEE/UCS/SEMI International Symposium on Semiconductor Manufacturing, 68-73(1995).
10.K. Keisuke and K. Yukio, “Semiconductor Defect Classification Using Hyper-ellipsoid Clustering Neural Networks and Model Switching,” Proceedings of the International Joint Conference on Neural Networks, vol. 5, 3505-3510(1999).
11.Garvin, et al., “High Selectivity Thin Film Polarizer,” United States Patent 4289381, 1981.
12.K. Shiraishi and K. Matsumura, “Fabrication of Spatial Walk-Off Polarizing Films by Oblique Deposition,” IEEE Journal of Quantum Electronics, vol. 30, No. 10, 2417-2420(1994).
13.M. Takakuwa, K. Baba and M. Miyagi, “Ultrathin Polarizing Films for the Near-Infrared Region Consisting of Stacked Anisotropic Gold Island Films,” Optics Letters, vol. 21, No.15, 1195-1197(1996).
14.K. Yamaki, K. Baba and M. Miyagi, “Submicrometer-Thick Optical Polarizing Films with High Extinction Ratio Using Stacked Silver Island Films,” Electronics and Communications in Japan, Part 2, vol. 82, No. 6, 247-253(1999).
15.趙中興 編譯，“平面顯示器的關鍵原件．材料技術”，全華科技圖書，42-43(2001)。
16.劉瑞祥 編譯，“液晶之基礎與應用”，國立編譯館，247-249(1996)。
17.R. C. Gonzalez and R. E. Woods, “Digital Image Processing,” 2nd ed., Prentice Hall, 2002.
18.繆紹綱 編著，“數位影像處理 活用-Matlab”，全華科技圖書，2001。
19.鍾國亮 編著，“資料壓縮的原理與應用”，第二版，全華科技圖書，2004。
20.Y. Meyen, Wavelets: Algorithms and Applications, SIAM Press, New York, 1993.
21.R. M. Rao and A. S. Bopardikar, Wavelet Transforms: Introduction to Theory and Applications, Addison-Wesley, Tokyo, 1998.
22.Z. Xiong, K. Ramchandran, M. T. Orchard, and Y. Q. Zhang, “A Comparative Study of DCT- and Wavelet-based Image Coding,” IEEE Trans. On Circuits and Systems for Video Technology, 9(5), 692-695(1999).
23.A. N. Skodras, C. A. Christopoulos, and T. Ebrahimi, “JPEG2000: the Upcoming Still Image Compression Standard,” Pattern Recognition Letters, 22, 1337-1345(2001).
24.連國珍 編著，“數位影像處理”，第二版，儒林圖書公司，1999。
25.鍾國亮 編著，“離散數學”，東華書局，2006。
26.R. C. Hardie and C. G. Boncelet, “LUM Filters: A Class of Rank-Order Based Filters for Smoothing and Sharpening,” IEEE Trans. Signal Processing, vol. 41, 1061-1076(1993).
27.A. Rosendeld and A. C. Kak, Digital Picture Processing, vols. 1 and 2, 2nd ed., Academic Press, New York.
28.N. Otsu, “A Threshold Selection Method from Gray Level Histogram,” IEEE Trans. On Systems, Man, and Cybernetics, SMC-8, 62-66(1978).
29.鍾國亮 編著，“影像處理與電腦視覺”，第三版，東華書局，2006。
30.R. O. Duda and P. E. Hart, “Use of Hough Transformation to Detect Lines and Curves in Pictures,” Commun. ACM, 15(1), 11-15(1972).
31.P. V. C. Hough, “Method and Means for Recognizing Complex Patterns,” U. S. Patent 3,069,654, Dec. 18, 1962.