人眼的觀察就是一種最原始的檢測，當待檢測物發出的光或反射外界給予的光，將檢測資訊經由人眼成像於視網膜上 (相當於是Detector)，最後再由人腦加以判讀，但因每個檢測者的主觀意識與認知不同而會導致結果的不一致，因而易有客觀性的爭議。隨著科技的日新月異，結合CCD、電腦科技的影像處理技術已逐漸取代傳統的檢測，其優點為快速並能結合電腦進行自動化，因此在製造檢測、醫學檢驗、安全維安等領域日漸發揚光大。
下面就舉一個實例簡單進行說明：
在面板的製造過程中有一項測試，主要是用來測試偏光板在高溫高濕下的信賴性，當經過一段時間的測試後，於全黑畫面下觀察，會發現面板的邊緣有漏光 (業界一般稱為Edge Mura)，而這漏光的大小 (亮度與範圍)通常都是以人眼進行判斷，但因每個人的主觀意識與認知不同而會造成測試結果的差異，導致無法回饋於統計分析上。為了能將檢測結果量化並用於日後的分析上，在此引入影像處理的概念，並簡單說明其實作方式。
影像處理技術檢測面板Edge Mura的方式如下：
1. 照相：CCD可記錄光的強度成灰階值，但不保證兩者間的關係是為線性，故需確認 -- 光強 v.s. CCD灰階值的轉換函數曲線，此可藉由一些實驗將此曲線求出，未來只要設備、環境相同，即可以此轉換函數曲線對CCD灰階值進行修正。
2. 影像處理：CCD所讀取的數據尚需利用影像處理的技術進行量化，依我們所需的資訊進行處理，將影像中的像素資訊讀出。
3. 自動化：撰寫相關演算程式，自動將影像處理後所得到的資訊加以判讀與分析整理，提升效率。
以下為經影像處理後的結果，我們以數位相機對待測物進行照相，接著以影像處理的方法獲得影像平面上各點的相對亮度，並可轉繪成2-D或3-D的圖。後續可再由相關演算程式對漏光的大小進行判斷。
未來努力的目標：
1. 由於此方法需處理圖片上每點的畫素資訊，處理速度上還有待進一步提升。
留言列表
