CN101675457A - X射线成像 - Google Patents
X射线成像 Download PDFInfo
- Publication number
- CN101675457A CN101675457A CN200880014847A CN200880014847A CN101675457A CN 101675457 A CN101675457 A CN 101675457A CN 200880014847 A CN200880014847 A CN 200880014847A CN 200880014847 A CN200880014847 A CN 200880014847A CN 101675457 A CN101675457 A CN 101675457A
- Authority
- CN
- China
- Prior art keywords
- pixel
- value
- gray
- suspect
- mark
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
- G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
- G01N23/04—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30128—Food products
Abstract
一种X射线扫描装置,用于定位产品中的杂质,所述装置包括:用于生成产品的X射线图像的设备;用于对多个像素指派灰度值的设备;用于识别多个可疑像素的设备;一设备,对于每个可疑像素执行如下操作:选择在位于可疑像素的相对侧上的第一方向上的两个相邻像素并且确定哪个第一方向像素具有最低的灰度值;选择在位于可疑像素的相对侧上的第二方向上的两个相邻像素并且确定哪个第二方向像素具有最低的灰度值;通过考虑最低灰度值第一方向像素和可疑像素的灰度值之间的灰度值差值,确定第一方向差;通过考虑最低灰度值第二方向像素和可疑像素的灰度值之间的灰度值差,确定第二方向差值;从第一方向差值确定第一方向分数;从第二方向差值确定第二方向分数;将所述分数和阈值相比较;并且如果超过了所述阈值,则将可疑像素识别为代表杂质。
Description
技术领域
本发明涉及X射线成像,尤其涉及用于识别产品中杂质的X射线装置,其中杂质例如是例如金属颗粒的异物,而产品特别是指食物。
背景技术
通常,X射线成像通过简单地比较产品图像中的所有像素与一些数值(或“阈值”)来识别产品中的杂质。例如,对图像中的每个像素都指派了灰度值并且这些灰度值与灰度阈值进行比较,其中具有低于阈值的灰度值的像素(暗色像素)被认为代表杂质。这种技术对于产品是同类的情形是非常有效的,然而,如果产品是非同类的并且包含亮色和暗色区域,诸如一袋随机摆放的糖果,则不能设定合适的阈值级别。如果阈值级别被设定得太高,则没有包含杂质的袋就会错误地触发报警并且不得不被丢弃掉。对于每个袋都要仔细检查以确定是正确的报警还是错误的报警,因此成本是非常高的,因为如果报警是正确的报警则需要建立异物颗粒的源头。如果在正确的报警信号的情况下需要进一步的动作,则经常还需要立即执行这种检查。
已知有更先进的成像技术,这涉及查看图像中更局部化的变化。同样,这种技术也涉及对图像中的每个像素都指派灰度值。然而,每个像素的灰度值是与考虑了环绕该像素的像素的平均灰度值进行比较。设定阈值并且如果该像素的灰度值与环绕该像素的平均灰度值的差值处在阈值之上,则该像素被认为代表杂质。这种技术比上面讨论的简单比较技术更有效,但是会遭受相似的缺点,这是由于跨接在产品边缘之上的邻近像素之间的灰度值存在很大差异,从而导致了错误的杂质识别。这对于不能预测产品的边缘的、具有不均匀形状的产品尤其是个问题,例如糖果袋。
发明内容
本发明的目的在于,提供一种改进装置,其用于识别产品中的杂质,特别是食物中的杂质,该装置对于非同类和/或不均匀形状的产品更有效。
根据本发明的第一方面,提供了一种X射线扫描装置,用于定位产品中的杂质,所述装置包括:用于生成产品的X射线图像的设备;用于对多个像素指派灰度值的设备;用于识别多个可疑像素的设备;一设备,对于每个可疑像素执行如下操作:选择在位于可疑像素的相对侧上的第一方向上的两个相邻像素并且确定哪个第一方向像素具有最低的灰度值;选择在位于可疑像素的相对侧上的第二方向上的两个相邻像素并且确定哪个第二方向像素具有最低的灰度值;通过考虑最低灰度值第一方向像素和可疑像素的灰度值之间的灰度值差,确定第一方向差值;通过考虑最低灰度值第二方向像素和可疑像素的灰度值之间的灰度值差,确定第二方向差值;从第一方向差值确定第一方向分数;从第二方向差值确定第二方向分数;将所述分数和阈值相比较;并且如果超过了所述阈值,则将可疑像素识别为代表杂质。
值得注意的是,图像不一定以被显示而存在,而是还可在计算机等当中生成并且保持从无需显示即可处理。然而,装置还可具有用于显示图像的屏幕。进而,还值得注意的是,相邻像素不必是指直接地邻近可疑像素的像素,而是他们还可与可疑像素相隔一个或多个居间像素。然而,相邻像素也可以是直接地邻近可疑像素的像素。像素间隔可以基于将要被检测的杂质颗粒的尺寸。
在根据本发明的设置中,通过基于具有最低灰度值的相邻像素确定第一和第二方向分数,并且忽略在两个方向上具有最高灰度值的像素(最亮的像素)。这极大地降低了作为检测到产品的边缘或是同类产品中的自由空间(空白)的结果的错误触发的机率,这是由于离开产品的边缘的图像中的像素或是同类产品当中的空间中的像素都通常是那些具有最高灰度值的像素。离开产品边缘的图像中的像素(即在产品外部的图像部分的像素)被认为具有在8位位图(灰度值处在从0到255的范围内)情形下的灰度值255或在16位位图(灰度值处在从0到65535的范围内)情形下的灰度值65535。
优选地,提供了一设备,用于根据最低灰度值第一方向像素的灰度值对第一方向差值进行加权并且根据最低灰度值第二方向像素的灰度值对第二方向差值进行加权,以确定第一和第二方向分数。最优选地,根据如下等式执行所述加权:分数=差值x(1+(((可能的最大灰度值+1)-最低灰度值)/(最低灰度值+1)))。在这个等式中,可能的最大灰度值是图像中的可能的最高灰度值(即,图像中可能的最亮像素的灰度值-白色像素)。例如,在8位图像中,该值是255,并且在16位图像中,该值是65535。
通过加权最低差值,可以突出同类产品的暗色区域(低灰度值)内的小变化,这实现了对于相关图像的暗色区域内的杂质的检测并且降低了对于图像的较亮区域内的错误触发。因此,这种加权操作突出了较暗的对象,这在大多数杂质趋于引起图像中的暗色点的图像中是十分有利的。
优选地,将分数单独地和所述阈值相比较。如果一个分数超过了阈值,或是如果各个分数都超过了阈值,或是如果分数的平均值超过了阈值,则将可疑像素识别为代表杂质。
通过对分数取平均,将可疑像素与其在两个方向的相邻像素进行比较,这降低了错误触发。然而,对于平均分数而言并不总是适当的,例如,如果杂质是会在图像中垂直地或水平地对齐的非常薄的金属片(诸如针)。一个方向上的测量将会比另一方向上的测量大很多,因此平均分数会导致对于这样的杂质的灵敏度降低。
优选地,如果像素具有超过预定值的灰度值,则将该像素识别为可疑像素。
通过基于预定值识别可疑像素,减少了不必与他们相邻像素比较的像素的个数,这提高了装置核对产品是否包含杂质的速度。在公知具有大于预定值的灰度值的像素不会是杂质的情形下,可根据将要被核对的产品或是将要被检测的杂质设定预定值。优选地,选择高的预定值,因为可以提高发现图像的较亮部分中的杂质的机率。对于非常大的图像而言,计算图像中所有的像素会占用100ms以上,为了加快计算速度,在实际上可使用较低的阈值。
优选地,第一方向与第二方向正交。
优选地,提供了一设备,用于根据用户定义的最大杂质尺寸,设定相邻像素中的每一个与可疑像素之间的距离。更优选地,各相邻像素与可疑像素之间相隔一距离,使得具有最大尺寸的杂质不会横跨可疑像素和一个相邻像素。
通过设定可疑像素和各个相邻像素之间的距离以使具有最大尺寸的杂质不会横跨可疑像素和一个相邻像素,这确保了可以检测出到达用户定义的最大杂质尺寸的杂质,由于杂质会使得可疑像素(代表杂质)相对于相邻像素具有低的灰度值,因此提供了高的差值和高的分数。如果杂质横跨可疑像素和相邻像素,则这两个像素将会具有低的灰度值,但是如果给出低分数,差值将会很低并且会阻碍检测到杂质。
为了使装置既能够检测到产品中的大的杂质又能够检测到同一产品中的小的杂质,可以存在多个用户定义的最大杂质尺寸输入,如此对于各个可疑杂质,该装置可选择各个方向上的多对相邻像素,根据多个杂质尺寸将所选的每对间隔不同的距离。对于较小的杂质,相邻像素更靠近可疑像素;对于较大的杂质,相邻像素更远离可疑像素。
根据本发明的另一方面,提供了一种X射线扫描方法,用于定位产品中的杂质,所述方法包括下列步骤:生成产品的X射线图像;对多个像素指派灰度值;识别多个可疑像素;选择在位于可疑像素的相对侧上的第一方向上的两个相邻像素并且确定哪个第一方向像素具有最低的灰度值;选择在位于可疑像素的相对侧上的第二方向上的两个相邻像素并且确定哪个第二方向像素具有最低的灰度值;通过考虑最低灰度值第一方向像素和可疑像素的灰度值之间的灰度值差,确定第一方向差值;通过考虑最低灰度值第二方向像素和可疑像素的灰度值之间的灰度值差,确定第二方向差值;从第一方向差值确定第一方向分数;从第二方向差值确定第二方向分数;将所述分数和阈值相比较;以及如果超过了所述阈值,则将可疑像素识别为代表杂质。
附图说明
下面仅通过示例,参考所附的附图来说明本发明的实施方式,其中:
图1示意性地说明了本发明的X射线成像装置;以及
图2说明了当产品的边缘在检测器阵列之上经过时,可以从本发明的X射线检测器阵列获得的灰度值。
具体实施方式
参考图1,示出了根据本发明的X射线成像装置。该装置包括:X射线管1、用于检测杂质的传感器阵列2、以及用于处理传感器数据的计算机3。提供了传送带4,沿着传送带4传送将要被扫描的产品5。在使用中,对X射线管施加高电压,以使其发射X射线流,该X射线流被聚焦并且被缩减到扇形波束,以便在进入传感器阵列2之前经过在传送带上的产品,这在本领域当中是公知的。传感器将X射线信号转换为8位像素化图像。各像素都具有0至255范围内的灰度值,其中0代表黑色而255代表白色。将图像发送到计算机中进行处理。还可具有用于显示图像的屏幕,也可以将其省略。计算机利用如下的算法来处理8位图像:
X=1 to Width(BITMAP)
Y=1 to Height(BITMAP)
Suspect=value(X,Y)
UpDownMin=Minimum(Up,Down)
LeftRightMin=Minimum(Left,Right)
UpDownVal=UpDownMin-Suspect
LeftRightVal=LeftRightMin-Suspect
UpDownScore=UpDownVal*(1+(256-UpDownMin)/(UpDownMin+1))
LeftRightScore=LeftRightVal*(1+(256-LeftRightMin)/(LeftRightMin+1))
If UpDownScore>Slope Change then contaminant
If LeftRightScore>Slope Change then contaminant
下面将会详细说明上述算法的功能:
首先,上述算法定义了图像的像素范围(像素的个数)并且对每个像素都指派了灰度值:
X=1 to Width(BITMAP)
Y=1 to Height(BITMAP)
接下来,该算法识别并且选择图像中可疑的像素,其中可疑的像素具有超过预定灰度值的灰度值:
Suspect=value(X,Y)
虽然在上述实施例中指定了预定的灰度值而限制了与相邻像素比较的图像中像素的个数,从而提高了用于核对产品是否包含杂质的装置的速度,但是在可选实施例中还可省略预定的灰度值,或是将其设定为值255,从而该算法比较图像中的每个像素与他们相邻的像素。
接下来,该算法在垂直(第一)方向上选择一对相邻的像素,其位于可疑像素的相对侧,并且该算法确定哪一个垂直像素具有最低的灰度值,并且在水平(第二)方向上选择一对相邻像素,其位于可疑像素的相对侧,并且该算法确定哪一个水平像素具有最低的灰度值。
UpDownMin=Minimum(Up,Down)
LeftRightMin=Minimum(Left,Right)
根据用户定义的最大杂质的大小,根据将被扫描的对象和可被检测出的可能杂质来定义最大杂质的大小,该算法选择垂直(UpDown)方向上的一对相邻像素和水平(LeftRight)方向上的一对相邻像素。根据用户定义的最大颗粒的大小,在垂直和水平方向中的每个方向上的相对的相邻像素被彼此隔开,以便最大尺寸的杂质不会横跨(span)可疑像素与一个相邻像素。相邻像素通常不是直接邻近可疑像素,尽管当将被检测的杂质非常小时他们也可以是直接邻近可疑像素。
虽然在所述的实施例中将第一和第二方向选定为水平和垂直方向,但是还可是其他任意方向并且第一和第二方向不必彼此之间相互正交。例如,他们还可被成对角线地设置。
接下来,该算法通过考虑最低灰度值垂直方向像素与可疑的灰度值之间的灰度值差值来确定垂直(第一)方向差值,并且通过考虑最低灰度值水平方向像素与可疑的灰度值之间的灰度值差值来确定水平(第二)方向差值:
UpDownVal=UpDownMin-Suspect
LeftRightVal=LeftRightMin-Suspect
该算法通过从最低灰度值垂直方向像素中减去可疑的灰度值来确定垂直方向差值,并且通过从最低灰度值水平方向像素中减去可疑的灰度值来确定水平方向差值。
接下来,该算法通过基于最低灰度值垂直方向像素的灰度值来加权垂直方向差值以确定垂直(第一)方向的分数(score),并且通过基于最低灰度值水平方向像素的灰度值来加权水平方向差值以确定水平(第二)方向的分数:
UpDownScore=UpDownVal*(1+(256-UpDownMin)/(UpDownMin+1))
LeftRightScore=LeftRightVal*(1+(256-LeftRightMin)/(LeftRightMin+1))
该算法通过考虑垂直方向差值并且将其乘以总数(sum)以确定垂直(第一)方向分数。在总数中是从可能的最大灰度值(本实施例中的255)中减去垂直方向最低灰度值(即最低灰度值垂直方向像素的灰度值)来得到第一数值;使垂直方向最低灰度值加到最小灰度值(0)来得到第二数值;使第一数值除以第二数值来得到第三数值;并且将任意值1加到第三数值上。还将任意值1加到最大灰度值和最小灰度值(分别是给定值256和1)。增加任意值1以避免0的积,这将会引入无效值。使用相关水平数值,该算法以相同的方式来确定水平(第二)方向分数。值得注意的是,在图像不是8位图像的可选实施例中,总数中的可能的最大灰度值可被合适的数值所替代。例如,在16位灰度图像中,可能的最大灰度值是65535。
虽然在本实施例中对第一和第二方向分数进行了加权,但是不必一定这样做,还可通过第一方向差值来确定第一方向分数并且通过第二方向差值来确定第二方向分数。然而,通过加权分数,同类产品的暗色区域中的小变化可以被强调,这实现了相关图像的暗色区域中杂质的检测并且减低了图像的较亮区域中的错误触发。
最后,该算法比较垂直(第一)方向分数和阈值,并且比较水平(第二)方向分数和阈值,如果超过了阈值则将可疑像素识别为杂质:
IfUpDownScore>Slope Change then contaminant
IfLeftRightScore>Slope Change then contaminant
根据被核对的产品和可能的杂质来设定阈值(斜率变化)。通过使优质(无杂质的)产品经过装置并且分析图像以确定图像中的相邻像素之间的最大差值来设定斜率变化。基于产品处理的一致性使得阈值输入参数偏离该最大差值一个量(即,对于更加严密控制的处理而言偏离一个较小量,而对于变化更大的处理而言偏离一个较大量)。典型的偏移量是在15左右。例如,如果产品是像黄油块那样的同类产品,则最大差值可以是值30,在这种情况下阈值可以被设定为45。
该算法将垂直和水平分数与阈值相比较并且如果垂直分数或是水平分数超过了阈值,即可疑像素从为其选择的相邻像素变化超过了该值,则该算法确定可疑像素代表产品中的杂质。
虽然在本实施例中如果垂直或水平分数超过了阈值则将可疑像素识别为代表杂质,但是在可选实施例中算法还可要求上面两个分数都超过阈值。在另一可选实施例中,还可对垂直和水平分数取平均,并使平均分数与阈值相比较,如果平均分数超过了阈值则将可疑像素识别为代表杂质。
计算机持续运行上述算法直至已经处理完具有超过预定值的灰度级别的图像中的每个像素(或是在没有设定预定值的情形下,图像中的每个像素)。
下面将会参考图2说明根据本实施例的一个工作示例,图2示出了包含小的杂质(0.9mm不锈钢片)的黄油块的一部分的原始13×9像素图像。已经在图像的左侧(列1)上增加了纯的白(255)线,以便说明本发明的装置如何避免边缘检测。杂质(图像中的像素(10,5)和(10,6))已经被突出。
关于上述示例中的算法的设定如下:
预定灰度值=255,即将每个像素与它的相邻像素比较,如表2所示;
斜率变化(阈值)=35;
滤波开始=2,滤波结束=2,即用户定义的最大颗粒大小是两个像素,以便相邻像素与可疑像素相隔2个像素(在可疑像素和它的各相邻像素之间存在居间像素);并且
开启取平均,即将垂直和水平方向分数的平均值与阈值比较。
表1:
1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | |
1 | 255 | 86 | 78 | 72 | 73 | 74 | 72 | 72 | 77 | 73 | 76 | 75 | 74 |
2 | 255 | 86 | 78 | 77 | 73 | 74 | 77 | 74 | 73 | 74 | 72 | 74 | 76 |
3 | 255 | 85 | 83 | 78 | 71 | 74 | 71 | 72 | 75 | 72 | 70 | 71 | 71 |
4 | 255 | 87 | 80 | 78 | 72 | 69 | 72 | 71 | 74 | 70 | 73 | 74 | 73 |
5 | 255 | 91 | 80 | 75 | 70 | 74 | 75 | 70 | 66 | 51 | 69 | 74 | 69 |
6 | 255 | 87 | 79 | 76 | 71 | 68 | 68 | 71 | 67 | 57 | 72 | 72 | 71 |
7 | 255 | 84 | 83 | 74 | 68 | 68 | 71 | 66 | 70 | 65 | 70 | 73 | 77 |
8 | 255 | 90 | 88 | 78 | 66 | 66 | 65 | 64 | 71 | 70 | 69 | 71 | 69 |
9 | 255 | 91 | 84 | 81 | 64 | 70 | 67 | 68 | 69 | 69 | 68 | 72 | 72 |
表1引入了图2中的像素的灰度值。表1的行和列代表图2中的像素的行和列。可以看出,图2中的第一列像素是白色,这代表离开黄油的部分(黄油的边缘),并且相应地,这些像素中的每一个的灰度值是255,如表1所示。图2当中的像素(10,5)和(10,6)代表杂质并且这些杂质具有对应的低灰度值51和57,这也在表1中示出。
表2:
1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | |
1 | -287 | -25 | 0 | 13 | -4 | -3 | 0 | 2 | -11 | -3 | -13 | -10 | -1 |
2 | -287 | -12 | -5 | -3 | 5 | -8 | -15 | -4 | 0 | -6 | 3 | 0 | -11 |
3 | -262 | -9 | -29 | -16 | -1 | -3 | 2 | -3 | -25 | -53 | 0 | 7 | -4 |
4 | -277 | -15 | -16 | -19 | -1 | 2 | -6 | -3 | -16 | -26 | -1 | -10 | -3 |
5 | -277 | -37 | -13 | -2 | 5 | -17 | -23 | -54 | 13 | 62 | -3 | -61 | 4 |
6 | -282 | -17 | -12 | -11 | -14 | 2 | -7 | -44 | 9 | 49 | -14 | -34 | -1 |
7 | -262 | -6 | -32 | -8 | -2 | 0 | -12 | 2 | -7 | -32 | -3 | -16 | -26 |
8 | -240 | -23 | -56 | -25 | 7 | 0 | 8 | 16 | -18 | -40 | 5 | 0 | 4 |
9 | -258 | -25 | -40 | -31 | 13 | -6 | 1 | -1 | -1 | -9 | 5 | -3 | 1 |
利用包括阈值35的上述设定,表2引入了通过利用算法处理图2中的各像素获得的分数。正如从表2的分数中可以看出,代表边缘的第一列中的像素不会引起错误触发,这是由于邻近第一列的像素的分数都处在阈值35之下,而已经检测到杂质,这是由于代表杂质的像素(10,5)和(10,6)的分数都是超过阈值35的仅有的分数。
为了更清楚地说明相对于代表杂质的图2中的像素(10,5)(如表1所示)如何获得这些分数,下面示出了算法:
UpDownMin=Minimum(72,65)=65
LeftRightMin=Minimum(70,74)=70
UpDownVal=UpDownMin-Suspect=65-51=14
LeftRightVal=LeftRightMin-Suspect=70-51=19
UpDownScore=14*(1+(256-65)/(65+1))=55
LeftRightScore=19*(1+(256-70)/(70+1))=69
Ave=(55+69)/2=62
62>35因此是杂质
在这个示例中,如图2所示,杂质在垂直方向上具有两个像素高并且横跨像素(10,5)和(10,6)。当考虑像素(10,5)时,由于将最大颗粒大小设定为两个像素,因此不会将直接邻近它的像素,即像素(10,4)和(10,6)选为相邻像素。如果可以选择他们,则将会比较具有最低灰度值(由于杂质横跨这个像素)的像素(10,6)和像素(10,5),这将会引起低差值和由此得到的分数并且会妨碍对垂直方向上杂质的检测。然而,由于将像素(10,3)和(10,7)选为相邻像素,凭借用户定义的最大颗粒设定,杂质不会横跨这些颗粒,存在大差值并且在垂直方向检测出杂质。
如上述示例所说明的,本发明提供了一种X射线成像装置,其可以有效地定位物品中的杂质,同时避免作为边缘检测结果或类似情况的错误触发。
虽然实施例和示例考虑了具有从0到255的灰度值的8位灰度图像,上述算法还可应用到任意其他的可选灰度图像,例如具有从0到65535的灰度值的16位灰度图像。进而,通过将红色、绿色和蓝色分量都视为独立的8位位图,可将上述算法扩展到24位彩色图像。
Claims (26)
1.一种X射线扫描装置,用于定位产品中的杂质,所述装置包括:
用于生成产品的X射线图像的设备;
用于对多个像素指派灰度值的设备;
用于识别多个可疑像素的设备;
一设备,对于每个可疑像素执行如下操作:
选择在位于可疑像素的相对侧上的第一方向上的两个相邻像素并且确定哪个第一方向像素具有最低的灰度值;
选择在位于可疑像素的相对侧上的第二方向上的两个相邻像素并且确定哪个第二方向像素具有最低的灰度值;
通过考虑最低灰度值第一方向像素和可疑像素的灰度值之间的灰度值差,确定第一方向差值;
通过考虑最低灰度值第二方向像素和可疑像素的灰度值之间的灰度值差,确定第二方向差值;
从第一方向差值确定第一方向分数;
从第二方向差值确定第二方向分数;
将所述分数和阈值相比较;以及
如果超过了所述阈值,则将可疑像素识别为代表杂质。
2.根据权利要求1所述的装置,包括:
一设备,用于根据最低灰度值第一方向像素的灰度值对第一方向差值进行加权并且根据最低灰度值第二方向像素的灰度值对第二方向差值进行加权,以确定第一和第二方向分数。
3.根据权利要求2所述的装置,其中,根据如下等式执行所述加权:
分数=差值x(1+(((可能的最大灰度值+1)-最低灰度值)/(最低灰度值+1)))。
4.根据权利要求1或2或3所述的装置,其中,将分数单独地和所述阈值相比较。
5.根据权利要求4所述的装置,其中,如果一个分数超过了阈值,则将可疑像素识别为代表杂质。
6.根据权利要求4所述的装置,其中,如果各个分数都超过了阈值,则将可疑像素识别为代表杂质。
7.根据权利要求1或2或3所述的装置,其中,如果分数的平均值超过了阈值,则将可疑像素识别为代表杂质。
8.根据上述各项权利要求中的任一项所述的装置,其中,如果像素具有超过预定值的灰度值,则将该像素识别为可疑像素。
9.根据上述各项权利要求中的任一项所述的装置,其中,第一方向与第二方向正交。
10.根据上述各项权利要求中的任一项所述的装置,包括:
一设备,用于根据用户定义的最大杂质尺寸,设定相邻像素中的每一个与可疑像素之间的距离。
11.根据权利要求10所述的装置,其中,各相邻像素与可疑像素之间相隔一距离,使得具有最大尺寸的杂质不会横跨可疑像素和一个相邻像素。
12.根据上述各项权利要求中的任一项所述的装置,其中,图像是8位图像并且可能的最大灰度值是255。
13.一种X射线扫描方法,用于定位产品中的杂质,所述方法包括下列步骤:
生成产品的X射线图像;
对多个像素指派灰度值;
识别多个可疑像素;
选择在位于可疑像素的相对侧上的第一方向上的两个相邻像素并且确定哪个第一方向像素具有最低的灰度值;
选择在位于已选择的可疑像素的相对侧上的第二方向上的两个相邻像素并且确定哪个第二方向像素具有最低的灰度值;
通过考虑最低灰度值第一方向像素和可疑像素的灰度值之间的灰度值差,确定第一方向差值;
通过考虑最低灰度值第二方向像素和可疑像素的灰度值之间的灰度值差,确定第二方向差值;
从第一方向差值确定第一方向分数;
从第二方向差值确定第二方向分数;
将所述分数和阈值相比较;以及
如果超过了所述阈值,则将可疑像素识别为代表杂质。
14.根据权利要求13所述的方法,包括下列步骤:
根据最低灰度值第一方向像素的灰度值,对第一方向差值进行加权;
根据最低灰度值第二方向像素的灰度值,对第二方向差值进行加权;以及
确定第一和第二方向分数。
15.根据权利要求14所述的方法,其中,根据如下等式执行所述加权:
分数=差值x(1+(((可能的最大灰度值+1)-最低灰度值)/(最低灰度值+1)))。
16.根据权利要求13或14或15所述的方法,其中,将分数单独地和所述阈值相比较。
17.根据权利要求16所述的方法,其中,如果一个分数超过了阈值,则将可疑像素识别为代表杂质。
18.根据权利要求16所述的方法,其中,如果各个分数都超过了阈值,则将可疑像素识别为代表杂质。
19.根据权利要求13或14或15所述的方法,其中,如果分数的平均值超过了阈值,则将可疑像素识别为代表杂质。
20.根据权利要求13至19中的任一项所述的方法,其中,如果像素具有超过预定值的灰度值,则将该像素识别为可疑像素。
21.根据权利要求13至20中的任一项所述的方法,其中,第一方向与第二方向正交。
22.根据权利要求13至21中的任一项所述的方法,包括下列步骤:
根据用户定义的最大杂质尺寸,设定相邻像素中的每一个与可疑像素之间的距离。
23.根据权利要求22所述的方法,其中,各相邻像素与可疑像素之间相隔一距离,使得具有最大尺寸的杂质不会横跨可疑像素和一个相邻像素。
24.根据权利要求13至23中的任一项所述的方法,其中,图像是8位图像并且可能的最大灰度值是255。
25.一种装置,其实质上等同于参考所附附图描述的装置和/或在所附附图中说明的装置。
26.一种方法,其实质上等同于参考所附附图描述的装置和/或在所附附图中说明的方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
GB0709183.8 | 2007-05-14 | ||
GB0709183A GB2449239B (en) | 2007-05-14 | 2007-05-14 | X-ray imaging |
PCT/IB2008/001190 WO2008139316A2 (en) | 2007-05-14 | 2008-05-13 | X-ray imaging |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101675457A true CN101675457A (zh) | 2010-03-17 |
CN101675457B CN101675457B (zh) | 2012-05-30 |
Family
ID=38219319
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2008800148478A Expired - Fee Related CN101675457B (zh) | 2007-05-14 | 2008-05-13 | X射线成像 |
Country Status (7)
Country | Link |
---|---|
US (1) | US8712107B2 (zh) |
EP (1) | EP2156406B1 (zh) |
CN (1) | CN101675457B (zh) |
CA (1) | CA2683577A1 (zh) |
GB (1) | GB2449239B (zh) |
TW (1) | TW200905190A (zh) |
WO (1) | WO2008139316A2 (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5225597B2 (ja) | 2007-03-16 | 2013-07-03 | カヤバ工業株式会社 | 対向式斜板型ピストンポンプ・モータ |
US8457366B2 (en) * | 2008-12-12 | 2013-06-04 | At&T Intellectual Property I, L.P. | System and method for matching faces |
JP5864404B2 (ja) * | 2012-12-07 | 2016-02-17 | 株式会社イシダ | X線検査装置 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5774573A (en) * | 1984-12-20 | 1998-06-30 | Orbotech Ltd. | Automatic visual inspection system |
US5365596A (en) * | 1992-12-17 | 1994-11-15 | Philip Morris Incorporated | Methods and apparatus for automatic image inspection of continuously moving objects |
JPH08145904A (ja) | 1994-11-15 | 1996-06-07 | Toshiba Eng Co Ltd | 明欠陥/暗欠陥検査装置 |
US6023497A (en) * | 1996-09-12 | 2000-02-08 | Anritsu Corporation | Apparatus for detecting foreign matter with high selectivity and high sensitivity by image processing |
US6687395B1 (en) | 1999-07-21 | 2004-02-03 | Surromed, Inc. | System for microvolume laser scanning cytometry |
US6914611B2 (en) * | 2000-07-07 | 2005-07-05 | Koninklijke Philips Electronics N.V. | Window detection |
JP3526263B2 (ja) | 2000-09-08 | 2004-05-10 | 株式会社イシダ | X線異物検査装置 |
US7764824B2 (en) * | 2003-07-18 | 2010-07-27 | Applied Materials Israel, Ltd. | Method for defect detection and process monitoring based on SEM images |
CN100472206C (zh) | 2004-09-15 | 2009-03-25 | 中国农业大学 | 食品中异物的检测方法 |
US7190819B2 (en) * | 2004-10-29 | 2007-03-13 | Stereotaxis, Inc. | Image-based medical device localization |
US8264526B2 (en) * | 2008-06-27 | 2012-09-11 | The University Of Southern Mississippi | Method for front matching stereo vision |
-
2007
- 2007-05-14 GB GB0709183A patent/GB2449239B/en not_active Expired - Fee Related
-
2008
- 2008-05-09 TW TW097117262A patent/TW200905190A/zh unknown
- 2008-05-13 US US12/600,247 patent/US8712107B2/en active Active
- 2008-05-13 EP EP08750931.1A patent/EP2156406B1/en not_active Not-in-force
- 2008-05-13 CN CN2008800148478A patent/CN101675457B/zh not_active Expired - Fee Related
- 2008-05-13 WO PCT/IB2008/001190 patent/WO2008139316A2/en active Application Filing
- 2008-05-13 CA CA002683577A patent/CA2683577A1/en not_active Abandoned
Also Published As
Publication number | Publication date |
---|---|
CN101675457B (zh) | 2012-05-30 |
TW200905190A (en) | 2009-02-01 |
US20100303304A1 (en) | 2010-12-02 |
WO2008139316A2 (en) | 2008-11-20 |
GB2449239A (en) | 2008-11-19 |
WO2008139316A3 (en) | 2009-08-13 |
GB0709183D0 (en) | 2007-06-20 |
GB2449239B (en) | 2009-11-04 |
CA2683577A1 (en) | 2008-11-20 |
EP2156406A2 (en) | 2010-02-24 |
US8712107B2 (en) | 2014-04-29 |
EP2156406B1 (en) | 2017-10-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109345528B (zh) | 一种基于人眼视觉特性的显示屏缺陷检测方法及装置 | |
US6023334A (en) | Method and apparatus for detecting minute irregularities on the surface of an object | |
US6535621B1 (en) | Defect integrated processing apparatus and method thereof | |
US5966458A (en) | Display screen inspection method | |
KR20090101356A (ko) | 결함 검출 장치 및 결함 검출 방법 | |
KR101146081B1 (ko) | 마이크로-검사 입력을 이용한 매크로 결함 검출 방법 및시스템 | |
CN101675457B (zh) | X射线成像 | |
CN109141829A (zh) | 一种靶线清晰度计算及工业相机后截距的检测方法 | |
JP3357001B2 (ja) | 半導体集積装置のパターン検査装置及びパターン検査方法 | |
JP4318776B2 (ja) | ムラの検査方法及び装置 | |
US10788430B2 (en) | Surface inspection apparatus and surface inspection method | |
CN111062910A (zh) | 局部阈值分割方法及缺陷检测方法 | |
EP2302582B1 (en) | Correcting defects in an image | |
CN114705696A (zh) | 一种基于数字图像处理和自动光学检测的缺陷检测方法 | |
JP2001028059A (ja) | 色ムラ検査方法及び装置 | |
Sriratana et al. | Application of webcam for inspection of rice grain quality by using image processing technique | |
JP3372839B2 (ja) | 画質測定方法及び装置、これを用いた表示装置の製造方法 | |
JP3274255B2 (ja) | 欠陥検出方法および装置 | |
CN109378277B (zh) | 一种基板图案阵列的完整性检测方法 | |
JP4170613B2 (ja) | 印刷物検査方法および装置 | |
JP4121628B2 (ja) | 画面検査方法及びその装置 | |
CN109151453A (zh) | 一种用于工业相机检测的靶标 | |
CN115682925A (zh) | 检查方法以及检查装置 | |
JP2002195911A (ja) | 画像濃淡ムラ領域検出方法及びこの装置 | |
JPH06148094A (ja) | シート状製品の異物混入検査方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20120530 Termination date: 20150513 |
|
EXPY | Termination of patent right or utility model |