本發(fā)明涉及通過拍攝工件來測量工件的圖像測量裝置。

背景技術(shù)：

已知對工件進行尺寸測量和形狀測量的測量裝置。作為這樣的測量裝置，例如，已知包括了拍攝工件，獲取該工件的圖像的攝像裝置；以及基于該圖像，進行工件的尺寸測量和形狀測量等的運算裝置的圖像測量裝置(日本特開2001-241941號公報)。在這樣的測量中，例如，計算測量對象的中心位置、形狀、輪廓線、寬度等。

例如，在使用圖像測量裝置，測量工件的情況下，因圖像中包含的噪聲的影響，存在不能合適地進行尺寸測量和形狀測量等的情況。

技術(shù)實現(xiàn)要素：

本發(fā)明鑒于這樣的情況而完成，目的在于提供降低圖像中的噪聲，可合適地進行尺寸測量和形狀測量等的圖像測量裝置。

附圖說明

圖1是本發(fā)明的第1實施方式的圖像測量裝置的整體圖。

圖2表示由該圖像測量裝置獲取的工件的圖像的顯示畫面。

圖3是表示該圖像測量裝置的結(jié)構(gòu)的框圖。

圖4是表示該圖像測量裝置的動作的流程圖。

圖5是表示在該動作中生成的影像金字塔(image pyramid)。

圖6是表示沿圖2的AA線的像素位置和濃度級別之間的關(guān)系的曲線圖。

圖7表示顯示在該動作中工件的圖像中設(shè)定的區(qū)域的顯示畫面。

圖8表示顯示在該動作中所使用的邊緣檢測工具的顯示畫面。

圖9是表示以圖8的B所示的部分的放大圖。

圖10表示從圖9的邊緣點選擇出的多個邊緣點。

圖11表示顯示在該動作中獲取的測量結(jié)果的顯示畫面。

圖12表示在以往的圖像測量裝置中獲取的多個邊緣點。

圖13表示從圖12的邊緣點選擇出的多個邊緣點。

圖14表示從以往的圖像測量裝置中濾波后的圖像獲取的多個邊緣點。

圖15表示從圖14的邊緣點選擇出的多個邊緣點。

圖16表示由本發(fā)明的第2實施方式的圖像測量裝置在工件的圖像中設(shè)定的區(qū)域。

圖17表示從圖16的區(qū)域提取出的區(qū)域。

具體實施方式

為了解決這樣的課題，本發(fā)明的一實施方式的圖像測量裝置包括：拍攝工件，獲取該工件的圖像的攝像裝置；以及基于該圖像進行工件的尺寸測量和形狀測量等，輸出測量對象的中心位置、形狀、輪廓線、寬度等的測量結(jié)果的運算裝置。此外，運算裝置基于上述圖像，生成像素數(shù)比該圖像少的其他圖像，并基于該其他圖像，設(shè)定多個區(qū)域，基于這些多個區(qū)域，計算上述測量結(jié)果。

例如，上述運算裝置能夠沿上述區(qū)域的輪廓線進行邊緣檢測處理，獲取邊緣點群。此外，上述運算裝置能夠排除在該邊緣點群中包含的多個邊緣點之中的一部分。此外，上述運算裝置能夠?qū)τ谏鲜龆鄠€區(qū)域，設(shè)定各自不同的多個號。

根據(jù)本發(fā)明，可提供能夠合適地進行尺寸測量和形狀測量等的圖像測量裝置。

[第1實施方式]

接著，參照附圖詳細(xì)地說明本發(fā)明的第1實施方式。

首先，參照圖1，說明本實施方式的圖像測量裝置的概略性的結(jié)構(gòu)。

如圖1所示，本實施方式的圖像測量裝置包括：圖像測量機1，裝載有攝像機141作為攝像裝置，攝像裝置包括相互正交的X、Y、Z軸，并且在該Z軸的前端拍攝工件3；以及計算機(以下，稱為“PC”。)2，其與該圖像測量機1連接。

圖像測量機1如下構(gòu)成。即，在樣品移動裝置11之上，被裝載放置樣品臺12，使得樣品臺的上面作為基面與水平面一致，在從樣品移動裝置11的兩側(cè)端豎立設(shè)置的臂支承體13a、13b的上端支承X軸導(dǎo)軌13c。樣品臺12由樣品移動裝置11在Y軸方向上被驅(qū)動。在X軸導(dǎo)軌13c中，在X軸方向上可驅(qū)動地支承攝像單元14。在攝像單元14的下端，在Z軸方向上可驅(qū)動地安裝攝像機141。

再有，在本實施方式中，采取拍攝在樣品臺12上配置的工件3的形式，當(dāng)然可以是其它的形式，例如也可以是從橫向方向拍攝在臺面上設(shè)置的工件的各種各樣的形式。此外，可使用CCD、CMOS等各種攝像機作為攝像機141。此外，也可以采用在圖像測量機1上可拆裝的圖像探測器(probe)作為攝像機141。

PC2包括：運算裝置22；連接到該運算裝置22的顯示裝置21；以及輸入裝置23。運算裝置22在內(nèi)部包括CPU和硬盤等的存儲裝置。顯示裝置21例如是顯示器和投影儀等。輸入裝置23是輸入測量者操作的操作輸入裝置，例如鼠標(biāo)和鍵盤、觸摸板等。

接著，參照圖2，說明在顯示裝置21的畫面上顯示的影像。

如圖2所示，在顯示裝置21的畫面上，顯示由攝像機141獲取的工件3的圖像(以下，在圖中，記載為圖像i3。)。在圖2所示的例子中，工件3包含測量對象31。

接著，參照圖3，更詳細(xì)地說明本實施方式的運算裝置22的結(jié)構(gòu)。

如圖3所示，在本實施方式的圖像測量裝置中，攝像機141拍攝工件3，獲取工件3的圖像。此外，該圖像通過運算裝置22，被傳送到顯示裝置21。此外，運算裝置22通過輸入裝置23接受測量者的操作，基于該操作進行工件3的測量(尺寸測量和形狀測量等)。例如，從圖像中提取作為測量對象的部分，在該測量對象中，計算與重心等的位置有關(guān)的值，以及與輪廓線、寬度等形狀有關(guān)的值。

如圖3所示，運算裝置22通過CPU、在存儲器及硬盤(存儲裝置24)等中存儲的程序，實現(xiàn)下述功能。即，區(qū)域分割單元221對于工件3的圖像進行區(qū)域分割處理。例如，如圖7所示，對圖像進行區(qū)域分割處理，將該圖像分割為多個區(qū)域，輸出這些多個區(qū)域。例如，如圖8及圖9所示，邊緣檢測單元222對于輸出的區(qū)域的輪廓線進行邊緣檢測處理，獲取包含多個邊緣點的邊緣點群。例如，圖10所示，異常點除去單元223將多個邊緣點之中的一部分判定為異常點并除去，將剩余的點獲取作為選擇邊緣點群。測量結(jié)果獲取單元224基于該選擇邊緣點群，獲取測量結(jié)果。

接著，參照圖4～圖11，說明本實施方式的圖像測量裝置的動作。

如圖4～圖7所示，在步驟S101中，對于工件3的圖像進行區(qū)域分割處理。區(qū)域分割處理可在各種各樣的方式中進行，但在以下，例示采用了影像金字塔的方法。再有，影像金字塔是例如圖5所示、分辨率(像素數(shù))不同的同一圖像的集合。

如圖5所示，在步驟S101中，例如，基于工件3的圖像，生成影像金字塔。例如，如圖5所示，在工件3的圖像是n像素的圖像的情況下，例如將上下左右鄰接的像素的灰度等級進行平均，生成像素數(shù)比第1圖像少的圖像。然后，對該生成的圖像也進行同樣的處理，生成像素數(shù)更少的圖像。以下同樣地，以新生成的圖像為像素數(shù)比作為源圖像少的圖像的方式，依次生成圖像，生成影像金字塔。然后，從該影像金字塔中包含的多個圖像選擇k(＜n)像素的圖像。

此外，如圖6及圖7所示，在步驟S101中，例如，對該選擇出的k像素的圖像，設(shè)定多個區(qū)域。區(qū)域的設(shè)定可在各種方式中進行，但在圖6所示的例子中，以濃度級別(灰度等級)高于閾值Th的部分和濃度級別(灰度等級)低于閾值Th的部分被分割在不同的區(qū)域的方式，進行區(qū)域的設(shè)定。再有，在根據(jù)各像素的濃度級別(灰度等級)來設(shè)定區(qū)域的情況下，也可設(shè)定多個閾值Th。此外，也可基于上述k像素的圖像，確定各區(qū)域的大概的位置等，基于在攝像機141中獲取的n像素的圖像，詳細(xì)地確定各區(qū)域的邊界。

如圖4、圖8及圖9所示，在步驟S102中，對于在步驟S101中獲取到的多個區(qū)域的至少一部分進行邊緣檢測處理，獲取多個邊緣點。邊緣檢測處理可在各種方式中進行，但在圖8所示的例子中，使用邊緣檢測用的工具t。圖8中例示的邊緣檢測用的工具t包含4個框(box)b，各框b具有沿與測量對象31對應(yīng)的區(qū)域的輪廓線延伸的長方形的形狀。此外，在各框b中，在其橫向方向延伸的線段1沿其縱向方向被設(shè)置多個。在邊緣檢測中，如圖8所示，各框b被重疊在測量對象31的輪廓中，沿框b內(nèi)的線段1濃度級別的變化(斜率)最大的像素被獲取作為邊緣點。

如圖4及圖10所示，在步驟S103中，進行異常點檢測處理，從圖9所示的多個邊緣點中除去異常點，獲取選擇邊緣點。異常點檢測處理可在各種方式中進行，但例如，對在步驟S102中獲取的多個邊緣點設(shè)定近似直線(近似曲線)，從該近似直線(近似曲線)，計算至各邊緣點的距離，基于算出的距離的平均值及方差值，可判定異常點。

如圖4及圖11所示，在步驟S104中，例如基于在步驟S103中獲取的多個選擇邊緣點，獲取測量的結(jié)果。在步驟S104中，可計算測量對象(例如，測量對象31)的重心和輪廓線、寬度等各種值。

這里，在以往的圖像測量裝置中，若對于在攝像機141中獲取的圖像直接進行邊緣檢測處理，則圖12所示，因圖像中包含的噪聲的影響，有從測量對象31的輪廓離開的很多的點被計算作為邊緣點的情況。若對于這樣的圖像進行異常點檢測處理，則如圖13所示，很多的邊緣點會被除去，存在對測量的精度產(chǎn)生影響的情況。

鑒于這一點，在以往的圖像測量裝置中，有對于在攝像機141中獲取的圖像，預(yù)先進行濾波等的圖像處理，降低圖像中的噪聲，其后進行邊緣檢測處理的情況。在這樣的濾波中，例如，有時使用中值濾波器、平均濾波器、高斯濾波器、形態(tài)濾波器等的圖像濾波器。但是，即使是這樣地進行了濾波等的圖像處理的情況，如圖14所示，也有從測量對象31的輪廓離開的很多點被計算作為邊緣點的情況。因此，在對于這樣的圖像進行異常點檢測處理的情況下，如圖15所示，很多的邊緣點也會被除去，存在對測量的精度產(chǎn)生影響的情況。

對這樣的情況，在第1實施方式中，對于由攝像機141獲取的圖像進行區(qū)域分割處理，將圖像分割為多個區(qū)域(參照圖7)，對于這些多個區(qū)域的至少一部分進行邊緣檢測處理(參照圖8)，對于通過該邊緣檢測處理獲取的多個邊緣點進行異常點檢測處理(參照圖10)，基于其結(jié)果，獲取測量結(jié)果(參照圖11)。因此，如圖7所示，使測量對象31的輪廓附近的噪聲適當(dāng)?shù)亟档?，如圖9所示，可在測量對象31的輪廓上適當(dāng)?shù)孬@取多數(shù)的邊緣點。此外，與上述的情況比較，可降低在異常點檢測處理中被除去的邊緣點的點數(shù)。

再有，在參照圖4～圖11說明的例子中，使用影像金字塔進行了區(qū)域分割處理。即，基于像素數(shù)比在攝像機141中獲取的圖像的像素數(shù)少的圖像，確定各區(qū)域的大概的位置等。這里，在像素數(shù)少的圖像中，原來的圖像中包含的噪聲被大幅度地削減。因此，通過基于該圖像來確定各區(qū)域的大概的位置等，可降低測量對象31的輪廓附近的噪聲的影響，同時確定各區(qū)域的輪廓。

此外，如上述，在上述區(qū)域分割處理中，也有基于上述k像素的圖像，確定各區(qū)域的大概的位置等，基于在攝像機141中獲取的n像素的圖像，詳細(xì)地確定各區(qū)域的邊界。這樣的情況下，可基于n像素的圖像來確定上述區(qū)域的輪廓，所以可降低噪聲，同時進行詳細(xì)的測量。再有，通過基于k像素的圖像，計算測量結(jié)果，還可進行高速的估算處理。

[第2實施方式]

接著，參照圖16及圖17，說明本發(fā)明的第2實施方式的圖像測量裝置。再有，在以下的說明中，對與第1實施方式同樣的部分附加同一標(biāo)號，并省略說明。

本實施方式的圖像測量裝置，基本上與第1實施方式同樣地構(gòu)成，但在本實施方式中，如圖16所示，在進行了圖像分割處理后，對各區(qū)域分配不同的號。例如，對圖16中的區(qū)域R1分配“1”號，對區(qū)域R2分配“2”號。此外，之后，如圖17所示，提取與測量對象31對應(yīng)的區(qū)域R3，基于該提取的區(qū)域，獲取測量結(jié)果。

在本實施方式中，如圖16所示，對與噪聲部分對應(yīng)的區(qū)域R6、R7，分配與測量對象31對應(yīng)的區(qū)域R3不同的號。因此，在與測量對象31對應(yīng)的區(qū)域R3被提取的時刻，可適當(dāng)?shù)亟档蜏y量對象31的輪廓附近的噪聲。

再有，在本實施方式中，對于提取的區(qū)域R3，還可以與第1實施方式同樣地進行邊緣檢測和異常點檢測處理等的處理，基于其結(jié)果，獲取測量結(jié)果。此外，也可以通過進行其他的處理，獲取測量結(jié)果。

此外，如圖16所示，與其他區(qū)域比較，與噪聲部分對應(yīng)的區(qū)域R6、R7的面積較小。因此，例如，對于區(qū)域的面積，預(yù)先設(shè)定閾值，在對各區(qū)域分配了不同的號后，在面積為閾值以下的各種各樣的區(qū)域R6、R7存在的情況下，可將這些區(qū)域R6、R7判定為與噪聲成分對應(yīng)的區(qū)域，在測量結(jié)果的計算時排除。

[其他實施方式]

在第1實施方式中進行邊緣檢測處理和異常點檢測處理等，但也可省略這些處理，或置換為其他處理。此外，也可組合進行上述濾波等的圖像處理。

此外，本發(fā)明除了可適用于使用在Z軸方向上可驅(qū)動地構(gòu)成攝像機141，可測量Z軸方向的坐標(biāo)的三維圖像測量機的情況以外，也可適用于使用二維圖像測量機、具有圖像測量功能的顯微鏡的情況。