TWI742733B - 圖像轉換方法 - Google Patents
圖像轉換方法 Download PDFInfo
- Publication number
- TWI742733B TWI742733B TW109120823A TW109120823A TWI742733B TW I742733 B TWI742733 B TW I742733B TW 109120823 A TW109120823 A TW 109120823A TW 109120823 A TW109120823 A TW 109120823A TW I742733 B TWI742733 B TW I742733B
- Authority
- TW
- Taiwan
- Prior art keywords
- original contour
- contour points
- original
- points
- geometric center
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000006243 chemical reaction Methods 0.000 title claims abstract description 25
- 230000007547 defect Effects 0.000 description 30
- 238000010586 diagram Methods 0.000 description 10
- 230000000694 effects Effects 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Classifications
-
- 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
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/403—Edge-driven scaling; Edge-based scaling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20168—Radial search
-
- 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
- G06T2207/30148—Semiconductor; IC; Wafer
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
Abstract
一種圖像轉換方法,包含:(a)取得一原始圖像;(b)將該原始圖像分割為一相對應於一物體的前景,及一相對應於一非物體區域的背景;(c)取得該前景中的該物體之數個連續原始輪廓點以及該等原始輪廓點之一幾何中心;(d)根據該等原始輪廓點、該幾何中心,及一擬合函數,擬合出一近似於該等原始輪廓點的擬合曲線;(e)將該擬合曲線同心地向外偏移一預定偏移量,以獲得一偏移後擬合曲線,該物體之所有原始輪廓點被完全包圍在該偏移後擬合曲線之內部;(f)藉由將該幾何中心與數個分別關聯於該等原始輪廓點的直線端點相連,獲得數條分別關聯於該等原始輪廓點的特徵直線,每一條該特徵直線之該直線端點為該偏移後擬合曲線之對應的偏移後擬合輪廓點;(g)取得每一條該特徵直線上從該幾何中心到對應的原始輪廓點之每一像素之像素值;及(h)藉由對齊每一條該特徵直線的該直線端點,將該等特徵直線依序並排,以形成一直方圖區域。
Description
本發明是有關於一種圖像轉換方法,特別是指一種晶圓圖像轉換方法。
在使用者利用電腦檢測晶圓(wafer)表面是否有瑕疵的過程中,由於整片的晶圓之圖檔大小相當龐大,因而使用者必須將整張晶圓圖面頻繁拖曳,方能檢測出瑕疵,檢測的過程非常麻煩,有必要尋求解決之道。
因此,本發明的目的,即在提供一種圖像轉換方法。
於是,本發明圖像轉換方法,包含下列步驟:(a)取得一原始圖像;(b)將該原始圖像分割為一相對應於一物體的前景,及一相對應於一非物體區域的背景;(c)取得該前景中的該物體之數個連續原始輪廓點以及該等原始輪廓點之一幾何中心;(d)根據該等原始輪廓點、該幾何中心,及一擬合函數,擬合出一近似於該等
原始輪廓點的擬合曲線;(e)將該擬合曲線同心地向外偏移一預定偏移量,以獲得一偏移後擬合曲線,其中,該物體之所有原始輪廓點被完全包圍在該偏移後擬合曲線之內部;(f)藉由將該幾何中心與數個分別關聯於該等原始輪廓點的直線端點相連,獲得數條分別關聯於該等原始輪廓點的特徵直線,其中,每一條該特徵直線之該直線端點為該偏移後擬合曲線之對應的偏移後擬合輪廓點;(g)取得每一條該特徵直線上從該幾何中心到對應的該原始輪廓點之每一像素之像素值;及(h)藉由對齊每一條該特徵直線的該直線端點,將該等特徵直線依序並排,以形成一直方圖區域。
本發明的功效在於:透過將原始輪廓點轉換成為該直方圖區域,讓使用者可較容易找出該直方圖區域中該物體表面上的瑕疵,然後,使用者可將該瑕疵在該直方圖區域中的位置回推至該瑕疵在該前景中的位置,以檢測出該瑕疵。
1:原始圖像
11:前景
111:原始輪廓點
111’:轉換後輪廓點
112:瑕疵
12:背景
2:擬合曲線
3:偏移後擬合曲線
4:特徵直線
5:直方圖區域
50:裁切停止線
51:邊界直線
59:矩形區域
60~66:步驟
70~77:步驟
80~88:步驟
A、B、C、D:輪廓點
A1、B1、C1、D1:輪廓點
A2、B2、C2、D2:輪廓點
O:幾何中心
△:預定偏移量
本發明的其他的特徵及功效,將於參照圖式的實施方式中清楚地呈現,其中:圖1是一電腦圖像示意圖,說明本發明圖像轉換方法的第一實施例中的原始圖像,其中,該原始圖像包括一相對應於一物體的前景,及一相對應於一非物體區域的背景;
圖2是一流程圖,說明該第一實施例;圖3是一電腦圖像示意圖,說明在該第一實施例中,該物體的原始輪廓點被轉換成為一直方圖區域;圖4是一電腦圖像示意圖,說明在該第一實施例中,該直方圖區域被裁切成一矩形區域;圖5是一電腦圖像示意圖,說明本發明圖像轉換方法的第二實施例中的原始圖像,其中,該原始圖像包括一相對應於一物體的前景,及一相對應於一非物體區域的背景;圖6是一流程圖,說明該第二實施例;圖7是一電腦圖像示意圖,說明在該第二實施例中,該物體的原始輪廓點被轉換成為一直方圖區域;圖8是一電腦圖像示意圖,說明在該第二實施例中,該直方圖區域被裁切成一矩形區域;圖9是一電腦圖像示意圖,說明本發明圖像轉換方法的第三實施例中的原始圖像,其中,該原始圖像包括一相對應於一物體的前景,及一相對應於一非物體區域的背景;圖10是一流程圖,說明該第三實施例;圖11是一電腦圖像示意圖,說明在該第三實施例中轉換自該物體的原始輪廓點的直方圖區域;及圖12是電腦圖像示意圖,說明在該第三實施例中,該直方圖區
域被裁切成一矩形區域。
參閱圖1、2,本發明圖像轉換方法的第一實施例,適用於輔助使用者檢測出一物體表面上的瑕疵112。如圖2步驟60所示,首先,取得一原始圖像1。
接著,如步驟61所示,將該原始圖像1分割為一相對應於該物體的前景11,及一相對應於一非物體區域的背景12。在本第一實施例中,該物體的形狀是如圖1所示的圓形,但本發明不限於此。
接著,如步驟62所示,取得該前景11中的該物體之數個連續原始輪廓點111以及該等原始輪廓點111之一幾何中心O。由於在本第一實施例中,該物體為圓形,故該幾何中心O即為圓心。在本第一實施例中,在取得該等原始輪廓點111之過程中,是藉由將該前景11及該背景12轉換為二值化影像,而取得該等原始輪廓點111。
接著,如步驟63所示,藉由將該幾何中心O與數個分別關聯於該等原始輪廓點111的直線端點相連,獲得數條分別關聯於該等原始輪廓點111的特徵直線4。在本第一實施例中,每一特徵直線4之該直線端點即為對應的原始輪廓點111。
接著,如步驟64所示,取得每一條特徵直線4上從該幾何中心O到對應的原始輪廓點111之每一像素之像素值。
參閱圖1至4,接著,如步驟65所示,藉由對齊每一條特徵直線4的該直線端點(即原始輪廓點111),將該等特徵直線4依序並排,以形成如圖3所示的直方圖區域5。其中,該直方圖區域5的該等直線端點形成一邊界直線51。經由比較圖1與圖3可知,在本第一實施例中,本發明圖像轉換方法只要執行到步驟65,即可將原始輪廓點111轉換成為該直方圖區域5,讓使用者可較容易找出該直方圖區域5中該物體表面上的瑕疵112,然後,使用者可將該瑕疵112在該直方圖區域5中的位置回推至該瑕疵112在圖1中該前景11的位置,以檢測出該瑕疵112。
不過,在本第一實施例中,本發明圖像轉換方法還可進一步執行步驟66。在步驟66中,將該直方圖區域5之每一條特徵直線4,以每一條特徵直線4之該幾何中心O為起始點開始裁切,直到一位於該直方圖區域5內且是平行於該邊界直線51的裁切停止線50為止,以將該等原始輪廓點111轉換成如圖4所示的矩形區域59。在本第一實施例中,若該圓形的物體為晶圓,且該瑕疵112為去邊劑(EBR)的殘留物,則該瑕疵112很靠近晶圓的邊緣(瑕疵112離晶邊的距離不會超過7mm),該裁切停止線50的設置位置可依此原則來設定。因此,藉由此步驟66之裁切步驟,該等原始輪廓點111
被轉換成長條狀的矩形區域59,故可大幅降低使用者須檢測的圖檔之大小,讓使用者在不須頻繁拖曳整張晶圓圖面的情況下,即可輕易地檢測出該瑕疵112。
參閱圖5至8,本發明圖像轉換方法的第二實施例,和上述第一實施例的主要不同點在於,第二實施例還包含一擬合步驟。在第二實施例中,該物體仍是以晶圓來做舉例,不過,在本第二實施例中的晶圓是橢圓形,而非上述第一實施例中的正圓形,故第二實施例需藉由該擬合步驟來找出橢圓形物體輪廓的數學方程式。首先,如圖6步驟70所示,取得原始圖像1。
接著,如步驟71所示,將該原始圖像1分割為一相對應於該物體的前景11,及一相對應於一非物體區域的背景12。在本第二實施例中,該物體的形狀是如圖5所示的橢圓形等。
接著,如步驟72所示,取得該前景11中的該物體之數個連續原始輪廓點111以及該等原始輪廓點111之幾何中心O。在本第二實施例中,在取得該等原始輪廓點111之過程中,是藉由將該前景11及該背景12轉換為二值化影像,而取得該等原始輪廓點111。
接著,如步驟73所示,根據該等原始輪廓點111、該幾何中心O,及一擬合函數,擬合出一近似於該等原始輪廓點111的擬合曲線2。在本第二實施例中,由於該物體為橢圓形晶圓,故,該擬合函數為橢圓函數,且該擬合曲線2為橢圓,
其中,m為橢圓之半長軸,n為橢圓之半短軸。由於只要根據五個點,即可擬合出關聯於該五個點(包括橢圓中心,即該幾何中心O)的擬合曲線,故在本第二實施例中,可根據該幾何中心O(x’,y’),及該等原始輪廓點111上的四個點,例如圖5所示的四個輪廓點A、B、C、D,來擬合出該擬合曲線2。
接著,如步驟74所示,藉由將該幾何中心O與數個分別關聯於該等原始輪廓點111的直線端點相連,獲得數條分別關聯於該等原始輪廓點111的特徵直線4。在本第二實施例中,每一特徵直線4之該直線端點為該擬合曲線2之對應的擬合輪廓點,例如輪廓點A、B、C、D等。
接著,如步驟75所示,取得每一條特徵直線4上從該幾何中心O到對應的原始輪廓點111之每一像素之像素值。
接著,如步驟76所示,藉由對齊每一條特徵直線4的該直線端點(即擬合輪廓點,例如輪廓點A、B、C、D等等...),將該等特徵直線4依序並排,以形成如圖7所示的直方圖區域5。其中,該直方圖區域5的該等直線端點形成一邊界直線51。經由比較圖5與圖7可知,在本第二實施例中,本發明圖像轉換方法只要執行到步驟76,即可將原始輪廓點111轉換成為該直方圖區域5,讓使用者可較容易找出該直方圖區域5中該物體表面上的瑕疵112,然後,使用者可將該瑕疵112在該直方圖區域5中的位置回推至該瑕
疵112在圖5中該前景11的位置,以檢測出該瑕疵112。
不過,在本第二實施例中,本發明圖像轉換方法還可進一步執行步驟77。在步驟77中,將該直方圖區域5之每一條特徵直線4,以每一條特徵直線4之該幾何中心O為起始點開始裁切,直到一位於該直方圖區域5內且是平行於該邊界直線51的裁切停止線50為止,以將該等原始輪廓點111轉換成如圖8所示的矩形區域59。在本第二實施例中,若該物體為晶圓,且該瑕疵112為去邊劑(EBR)的殘留物,則該瑕疵112很靠近晶圓的邊緣(瑕疵112離晶邊的距離不會超過7mm),該裁切停止線50的設置位置可依此原則來設定。因此,藉由此步驟77之裁切步驟,該等原始輪廓點111被轉換成長條狀的矩形區域59,故可大幅降低使用者須檢測的圖檔之大小,讓使用者在不須頻繁拖曳整張晶圓圖面的情況下,即可輕易地檢測出該瑕疵112。
參閱圖9至12,本發明圖像轉換方法的第三實施例,和上述第二實施例的主要不同點在於,第三實施例還包含一偏移步驟。在第三實施例中,該物體仍是以晶圓來做舉例,且是近似於橢圓形。首先,如圖10步驟80所示,取得原始圖像1。
接著,如步驟81所示,將該原始圖像1分割為一相對應於該物體的前景11,及一相對應於一非物體區域的背景12。
接著,如步驟82所示,取得該前景11中的該物體之數個
連續原始輪廓點111以及該等原始輪廓點111之幾何中心O。如圖9中的原始輪廓點111所示,在本第三實施例中,該物體為形狀近似於橢圓形的晶圓等。在本第三實施例中,在取得該等原始輪廓點111之過程中,是藉由將該前景11及該背景12轉換為二值化影像,而取得該等原始輪廓點111。
接著,如步驟83所示,根據該等原始輪廓點111、該幾何中心O,及擬合函數,擬合出近似於該等原始輪廓點111的擬合曲線2。在本第三實施例中,由於該物體為近似於橢圓形的晶圓,故,該擬合函數為橢圓函數,且該擬合曲線2為橢圓,其中,m為橢圓之半長軸,n為橢圓之半短軸。在本第三實施例中,可根據該幾何中心O(x’,y’),及該等原始輪廓點111上的四個點(例如圖9所示的四個輪廓點A1、B1、C1、D1),來擬合出該擬合曲線2。
接著,如步驟84所示,將該擬合曲線2同心地向外偏移一預定偏移量△,以獲得一偏移後擬合曲線3。由於在本第三實施例中,該物體並非完美的橢圓形,而是近似於橢圓形,故,有一些原始輪廓點111會位於原始擬合曲線2的外部,為了避免在後續形成直方圖的過程中將位於該擬合曲線2外部的原始輪廓點111排除在外,故在本第三實施例中藉由將該擬合曲線2偏移該預定偏移量△,以獲得該偏移後擬合曲線3,因而可令該物體之所有原始輪廓
點111被完全包圍在該偏移後擬合曲線3之內部。
接著,如步驟85所示,藉由將該幾何中心O與數個分別關聯於該等原始輪廓點111的直線端點相連,獲得數條分別關聯於該等原始輪廓點111的特徵直線4。在本第三實施例中,每一特徵直線4之該直線端點即為該偏移後擬合曲線3之對應的偏移後擬合輪廓點,例如輪廓點A2、B2、C2、D2等。
接著,如步驟86所示,取得每一條特徵直線4上從該幾何中心O到對應的原始輪廓點111之每一像素之像素值。
接著,如步驟87所示,藉由對齊每一條特徵直線4的該直線端點(即偏移後擬合輪廓點,例如輪廓點A2、B2、C2、D2等等...),將該等特徵直線4依序並排,以形成如圖11所示的直方圖區域5。其中,該直方圖區域5的該等直線端點形成一邊界直線51。經由比較圖9與圖11可知,在本第三實施例中,本發明圖像轉換方法只要執行到步驟87,即可將原始輪廓點111轉換成為該直方圖區域5中的轉換後輪廓點111’,讓使用者可較容易找出該直方圖區域5中該物體表面上的瑕疵112,然後,使用者可將該瑕疵112在該直方圖區域5中的位置回推至該瑕疵112在圖5中該前景11的位置,以檢測出該瑕疵112。
不過,在本第三實施例中,本發明圖像轉換方法還可進一步執行步驟88。在步驟88中,將該直方圖區域5之每一條特徵直
線4,以每一條特徵直線4之該幾何中心O為起始點開始裁切,直到一位於該直方圖區域5內且是平行於該邊界直線51的裁切停止線50為止,以將該等原始輪廓點111轉換成如圖12所示的矩形區域59。在本第三實施例中,若該物體為晶圓,且該瑕疵112為去邊劑(EBR)的殘留物,則該瑕疵112很靠近晶圓的邊緣(瑕疵112離晶邊的距離不會超過7mm),該裁切停止線50的設置位置可依此原則來設定。因此,藉由此步驟88之裁切步驟,該等原始輪廓點111被轉換成長條狀的矩形區域59,故可大幅降低使用者須檢測的圖檔之大小,讓使用者在不須頻繁拖曳整張晶圓圖面的情況下,即可輕易地檢測出該瑕疵112。
綜上所述,本發明圖像轉換方法至少具有以下優點及功效:(1)本發明將原始輪廓點111轉換成為直方圖區域5,讓使用者可較容易找出該直方圖區域5中該物體表面上的瑕疵112;(2)藉由裁切步驟,可將該等原始輪廓點111轉換成長條狀的矩形區域,以大幅降低使用者須檢測的圖檔之大小,讓使用者在不須頻繁拖曳整張晶圓圖面的情況下,即可輕易地檢測出物體表面上的瑕疵112;(3)在第二實施例中,根據該等原始輪廓點111、該幾何中心O,及擬合函數,擬合出該近似於該等原始輪廓點111的擬合曲線2,再藉由將該幾何中心O與該等擬合輪廓點相連,獲得該等特徵直線4,繼而將該等特徵直線4依序並排,以形成直方圖區域5,讓使用
者可較容易找出該直方圖區域5中該物體表面上的瑕疵112;(4)在第三實施例中,除了需進行擬合步驟之外,由於有一些原始輪廓點111會位於原始擬合曲線2的外部,為了避免在後續形成直方圖的過程中將位於該擬合曲線2外部的原始輪廓點111排除在外,故在第三實施例中還將該擬合曲線2偏移該預定偏移量△,以獲得該偏移後擬合曲線3,因而可令物體之所有原始輪廓點111被完全包圍在該偏移後擬合曲線3之內部,繼而將該幾何中心O與該等偏移後擬合輪廓點相連,獲得該等特徵直線4,再將該等特徵直線4依序並排,以形成直方圖區域5,讓使用者可較容易找出該直方圖區域5中該物體表面上的瑕疵112;故確實能達成本發明的目的。
惟以上所述者,僅為本發明的實施例而已,當不能以此限定本發明實施的範圍,凡是依本發明申請專利範圍及專利說明書內容所作的簡單的等效變化與修飾,皆仍屬本發明專利涵蓋的範圍內。
60~66:步驟
Claims (4)
- 一種圖像轉換方法,包含下列步驟:(a)取得一原始圖像;(b)將該原始圖像分割為一相對應於一物體的前景,及一相對應於一非物體區域的背景;(c)取得該前景中的該物體之數個連續原始輪廓點以及該等原始輪廓點之一幾何中心;(d)根據該等原始輪廓點、該幾何中心,及一擬合函數,擬合出一近似於該等原始輪廓點的擬合曲線;(e)將該擬合曲線同心地向外偏移一預定偏移量,以獲得一偏移後擬合曲線,其中,該物體之所有原始輪廓點被完全包圍在該偏移後擬合曲線之內部;(f)藉由將該幾何中心與數個分別關聯於該等原始輪廓點的直線端點相連,獲得數條分別關聯於該等原始輪廓點的特徵直線,其中,每一條該特徵直線之該直線端點為該偏移後擬合曲線之對應的偏移後擬合輪廓點;(g)取得每一條該特徵直線上從該幾何中心到對應的該原始輪廓點之每一像素之像素值;及(h)藉由對齊每一條該特徵直線的該直線端點,將該等特徵直線依序並排,以形成一直方圖區域。
- 如請求項1所述的圖像轉換方法,其中,該直方圖區域的該等直線端點形成一邊界直線,該圖像轉換方法還包含一在該(h)步驟之後的(i)步驟,將該直方圖區域之每一條該特徵直線,以每一條該特徵直線之該幾何中心為起始點開 始裁切,直到一位於該直方圖區域內且是平行於該邊界直線的裁切停止線為止,以將該等原始輪廓點轉換成一矩形區域。
- 如請求項1所述的圖像轉換方法,其中,該物體為一晶圓,該擬合函數為橢圓函數,該擬合曲線及該偏移後擬合曲線皆為橢圓。
- 如請求項1所述的圖像轉換方法,其中,該(c)步驟是藉由將該前景及該背景轉換為二值化影像,而取得該等原始輪廓點。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW109120823A TWI742733B (zh) | 2020-06-19 | 2020-06-19 | 圖像轉換方法 |
US17/125,316 US20210398246A1 (en) | 2020-06-19 | 2020-12-17 | Method for reconstructing an image |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW109120823A TWI742733B (zh) | 2020-06-19 | 2020-06-19 | 圖像轉換方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI742733B true TWI742733B (zh) | 2021-10-11 |
TW202201343A TW202201343A (zh) | 2022-01-01 |
Family
ID=79023751
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW109120823A TWI742733B (zh) | 2020-06-19 | 2020-06-19 | 圖像轉換方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20210398246A1 (zh) |
TW (1) | TWI742733B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI741718B (zh) * | 2020-08-04 | 2021-10-01 | 倍利科技股份有限公司 | 圖像轉換方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101853333A (zh) * | 2010-05-26 | 2010-10-06 | 中国科学院遥感应用研究所 | 医疗机器人导航定位图像中的标记拾取方法 |
TWI405148B (zh) * | 2009-12-09 | 2013-08-11 | Univ Nat Taiwan | 合成影像之真實感評估方法 |
CN103914840A (zh) * | 2014-04-01 | 2014-07-09 | 山东大学 | 一种针对非简单背景的人体轮廓自动提取方法 |
US9269134B2 (en) * | 2012-01-05 | 2016-02-23 | Omron Corporation | Inspection area setting method for image inspecting device |
JP6098702B2 (ja) * | 2014-12-10 | 2017-03-22 | 株式会社リコー | 複数の整理されたオブジェクトを含む画像を解析する方法、システム及びコンピュータ可読プログラム |
US20180211380A1 (en) * | 2017-01-25 | 2018-07-26 | Athelas Inc. | Classifying biological samples using automated image analysis |
US10055851B2 (en) * | 2013-03-13 | 2018-08-21 | Thirdlove, Inc. | Determining dimension of target object in an image using reference object |
CN109829876A (zh) * | 2018-05-30 | 2019-05-31 | 东南大学 | 基于机器视觉的链板缺陷在线检测装置及方法 |
CN110490847A (zh) * | 2019-07-31 | 2019-11-22 | 浙江大学山东工业技术研究院 | 基于视觉的led芯片质量检测方法 |
-
2020
- 2020-06-19 TW TW109120823A patent/TWI742733B/zh active
- 2020-12-17 US US17/125,316 patent/US20210398246A1/en not_active Abandoned
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI405148B (zh) * | 2009-12-09 | 2013-08-11 | Univ Nat Taiwan | 合成影像之真實感評估方法 |
CN101853333A (zh) * | 2010-05-26 | 2010-10-06 | 中国科学院遥感应用研究所 | 医疗机器人导航定位图像中的标记拾取方法 |
US9269134B2 (en) * | 2012-01-05 | 2016-02-23 | Omron Corporation | Inspection area setting method for image inspecting device |
US10055851B2 (en) * | 2013-03-13 | 2018-08-21 | Thirdlove, Inc. | Determining dimension of target object in an image using reference object |
CN103914840A (zh) * | 2014-04-01 | 2014-07-09 | 山东大学 | 一种针对非简单背景的人体轮廓自动提取方法 |
JP6098702B2 (ja) * | 2014-12-10 | 2017-03-22 | 株式会社リコー | 複数の整理されたオブジェクトを含む画像を解析する方法、システム及びコンピュータ可読プログラム |
US20180211380A1 (en) * | 2017-01-25 | 2018-07-26 | Athelas Inc. | Classifying biological samples using automated image analysis |
CN109829876A (zh) * | 2018-05-30 | 2019-05-31 | 东南大学 | 基于机器视觉的链板缺陷在线检测装置及方法 |
CN110490847A (zh) * | 2019-07-31 | 2019-11-22 | 浙江大学山东工业技术研究院 | 基于视觉的led芯片质量检测方法 |
Also Published As
Publication number | Publication date |
---|---|
TW202201343A (zh) | 2022-01-01 |
US20210398246A1 (en) | 2021-12-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107203990B (zh) | 一种基于模板匹配与图像质量评估的标贴破损检测方法 | |
JP6312370B2 (ja) | ウェーハジオメトリ計測ツールによるウェーハ表面フィーチャの検出、分類および定量化のためのシステムおよび方法 | |
TWI262357B (en) | Method and system of defect image classification | |
CN105139386B (zh) | 一种快速自动检测电气接插件焊点不合格品的图像处理方法 | |
JP4154374B2 (ja) | パターンマッチング装置及びそれを用いた走査型電子顕微鏡 | |
TWI716684B (zh) | 臨界尺寸量測方法及用於量測臨界尺寸的影像處理裝置 | |
CN110933926B (zh) | 一种基于角点检测的贴片机吸嘴元件角度的自动校正方法 | |
CN112070766B (zh) | 缺陷检测方法及装置、检测设备及可读存储介质 | |
TWI742733B (zh) | 圖像轉換方法 | |
WO2017088637A1 (zh) | 自然背景中图像边缘的定位方法及装置 | |
CN114897806A (zh) | 缺陷检测方法、电子设备及计算机可读存储介质 | |
CN116740072B (zh) | 基于机器视觉的道路表面缺陷检测方法及*** | |
CN110688871A (zh) | 一种基于条码识别的边缘检测方法 | |
KR102043316B1 (ko) | 2d 영상 기반의 용접 비드 인식 장치 및 그것을 이용한 그을음 제거 방법 | |
CN111932490A (zh) | 一种用于工业机器人的视觉***抓取信息提取方法 | |
JP2014020926A (ja) | 表面欠陥検査装置及び表面欠陥検査方法 | |
JP3572750B2 (ja) | コンクリート欠陥の自動評価方法 | |
CN105374045B (zh) | 一种基于形态学的图像特定形状尺寸目标快速分割方法 | |
CN117269179B (zh) | 基于机器视觉的隐形眼镜边缘缺陷的高精度检测方法和*** | |
CN110060239A (zh) | 一种用于瓶子瓶口的缺陷检测方法 | |
WO2024016686A1 (zh) | 角点检测的方法和装置 | |
JP5653370B2 (ja) | 太陽電池セルのクラック検査方法 | |
CN111189399A (zh) | 一种用于圆形工业零件尺寸的图像测量算法 | |
JP6770691B2 (ja) | 塗膜端部の精度の定量化方法及び定量化装置 | |
CN107492073B (zh) | 基于权重引导滤波的数字图像修复方法 |