检测方法及检测系统、设备和存储介质与流程

1.本发明实施例涉及光学检测技术领域，尤其涉及一种检测方法及检测系统、设备和存储介质。


背景技术：

2.随着技术的不断发展，精密加工被用到越来越多的领域，同时，对于加工精度也有越来越高的要求。为了满足加工精度的需求，提高产品的合格率，需要对产品进行在线检测(例如，通过进行缺陷检测，以判断产品中是否存在缺陷，并检测缺陷的位置和尺寸)，以确保满足产品制造的相关指标要求。
3.在现有的检测方法中，光学检测是利用光与待测物相互作用实现检测的方法的总称。光学检测不与待测物接触，具有检测速度快、无附加污染等的特点，可实现在线检测，因此，光学检测在产品制造的质量监控领域中受到广泛运用。
4.但是，目前检测结果的准确性仍有待提高。


技术实现要素：

5.本发明实施例解决的问题是提供一种光检测方法及检测系统、设备和存储介质，提高检测结果的准确性。
6.为解决上述问题，本发明实施例提供一种检测方法，包括：获取待处理图像，所述待处理图像具有多个像素点；对所述待处理图像进行第一识别处理，获取所述待处理图像中满足第一阈值条件的像素点作为初始异常点；根据所述初始异常点获取异常点；选取一个或多个与所述异常点相邻的像素点作为周边像素点；对所述周边像素点进行第二识别处理，将满足第二阈值条件的周边像素点作为缺陷像素点，所述第二阈值条件包含所述第一阈值条件；在所述周边像素点中存在缺陷像素点的情况下，判定所述异常点为缺陷点，在所述周边像素点中不存在缺陷像素点的情况下，判定所述异常点为噪点。
7.相应的，本发明实施例还提供一种检测系统，包括：图像获取模块，用于获取待处理图像，所述待处理图像具有多个像素点；第一识别模块，用于对所述待处理图像进行第一识别处理，获取所述待处理图像中满足第一阈值条件的像素点作为初始异常点；异常点获取模块，用于根据所述初始异常点获取异常点；像素点选取模块，用于选取一个或多个与所述异常点相邻的像素点作为周边像素点；第二识别模块，用于对所述周边像素点进行第二识别处理，将满足第二阈值条件的周边像素点作为缺陷像素点，所述第二阈值条件包含所述第一阈值条件；判断模块，用于在所述周边像素点中存在缺陷像素点的情况下，判定所述异常点为缺陷点，在所述周边像素点中不存在缺陷像素点的情况下，判定所述异常点为噪点。
8.相应地，本发明实施例还提供一种设备，包括至少一个存储器和至少一个处理器，所述存储器存储有一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行以实现本发明实施例所述的检测方法。
9.相应地，本发明实施例还提供一种存储介质，所述存储介质存储有一条或多条计算机指令，所述一条或多条计算机指令用于实现本发明实施例所述的检测方法。
10.与现有技术相比，本发明实施例的技术方案具有以下优点：
11.本发明实施例提供的检测方法中，对待处理图像进行第一识别处理，获取所述待处理图像中满足第一阈值条件的像素点作为初始异常点后，根据所述初始异常点获取异常点，选取一个或多个与所述异常点相邻的像素点作为周边像素点，并对所述周边像素点进行第二识别处理，将满足第二阈值条件的周边像素点作为缺陷像素点，所述第二阈值条件包含所述第一阈值条件；其中，与噪点相邻的像素点均为正常的像素点，而与真实缺陷相邻的像素点通常也是缺陷像素点，因此，在检测过程中，当出现异常点后，利用第二阈值条件将周边像素点再次进行识别，所述第二阈值条件包含所述第一阈值条件，也即所述第一阈值条件对应的集合包含于所述第二阈值条件对应的集合中，这使得在周边像素点与正常像素点的差异较小的情况下，仍能被检出，从而能够在异常点周围检测出更多的缺陷像素点，相应能够更好地区分噪点和缺陷点，以精确判断所述异常点是否为真实的缺陷点，便于剔除噪点并保留缺陷点，相应降低了出现误检和漏检的概率，进而提高了检测结果的准确性。
12.本发明实施例提供的检测系统中设置了异常点获取模块、像素点选取模块、第二识别模块和判断模块，在第一识别模块对待处理图像进行第一识别处理，获取所述待处理图像中满足第一阈值条件的像素点作为初始异常点后，异常点获取模块根据所述初始异常点获取异常点，像素点选取模块用于选取一个或多个与所述异常点相邻的像素点作为周边像素点，并利用第二识别模块对所述周边像素点进行第二识别处理，将满足第二阈值条件的周边像素点作为缺陷像素点，且所述第二阈值条件包含所述第一阈值条件，判断模块根据第二识别模块的结果判断所述异常点是否为缺陷或噪点；其中，与噪点相邻的像素点均为正常的像素点，而与真实缺陷相邻的像素点通常也是缺陷像素点，因此，在检测过程中，当出现异常点后，利用第二阈值条件将周边像素点再次进行识别，所述第二阈值条件包含所述第一阈值条件，也即所述第一阈值条件对应的集合包含于所述第二阈值条件对应的集合中，这使得在周边像素点与正常像素点的差异较小的情况下，仍能被检出，从而能够在异常点周围检测出更多的缺陷像素点，相应能够更好地区分噪点和缺陷点，以精确判断所述异常点是否为真实的缺陷点，便于剔除噪点并保留缺陷点，相应降低了出现误检和漏检的概率，进而提高了检测结果的准确性。
附图说明
13.图1是本发明检测方法一实施例的流程图；
14.图2是图1中步骤s1一实施例中待处理图像的局部示意图；
15.图3是图2中任一单元图像的一实施例的放大图；
16.图4是图1中步骤s2一实施例的示意图；
17.图5是图4中待测图像一实施例的示意图；
18.图6是图1中步骤s4一实施例的示意图；
19.图7是图1中步骤s5一实施例的示意图；
20.图8是本发明检测系统一实施例的功能框图；
21.图9为本发明一实施例所提供的设备的硬件结构图。
具体实施方式
22.由背景技术可知，目前检测结果的准确性仍有待提高。
23.经研究发现，在实际的检测过程中，小缺陷和噪点检出的像素尺寸较小(例如，通常为一个像素点)，这导致区分小缺陷和噪点的难度较大，如果都把两者都剔除掉，则会漏掉一个真实的缺陷，从而导致漏检，而如果把两者均保留，则会增加一个误检。
24.为了解决所述技术问题，本发明实施例提供一种检测方法，包括：获取待处理图像，所述待处理图像具有多个像素点；对所述待处理图像进行第一识别处理，获取所述待处理图像中满足第一阈值条件的像素点作为初始异常点；根据所述初始异常点获取异常点；选取一个或多个与所述异常点相邻的像素点作为周边像素点；对所述周边像素点进行第二识别处理，将满足第二阈值条件的周边像素点作为缺陷像素点，所述第二阈值条件包含所述第一阈值条件；在所述周边像素点中存在缺陷像素点的情况下，判定所述异常点为缺陷点，在所述周边像素点中不存在缺陷像素点的情况下，判定所述异常点为噪点。
25.与噪点相邻的像素点均为正常的像素点，而与真实缺陷相邻的像素点通常也是缺陷像素点，因此，在检测过程中，当出现异常点后，利用第二阈值条件将周边像素点再次进行识别，所述第二阈值条件包含所述第一阈值条件，也即所述第一阈值条件对应的集合包含于所述第二阈值条件对应的集合中，这使得在周边像素点与正常像素点的差异较小的情况下，仍能被检出，从而能够在异常点周围检测出更多的缺陷像素点，相应能够更好地区分噪点和缺陷点，以精确判断所述异常点是否为真实的缺陷点，便于剔除噪点并保留缺陷点，相应降低了出现误检和漏检的概率，进而提高了检测结果的准确性。
26.参考图1，示出了本发明检测方法一实施例的流程图。
27.本实施例中，所述检测方法包括以下基本步骤：
28.步骤s1：获取待处理图像，所述待处理图像具有多个像素点；
29.步骤s2：对所述待处理图像进行第一识别处理，获取所述待处理图像中满足第一阈值条件的像素点作为初始异常点；
30.步骤s3：根据所述初始异常点获取异常点；
31.步骤s4：选取一个或多个与所述异常点相邻的像素点作为周边像素点；
32.步骤s5：对所述周边像素点进行第二识别处理，将满足第二阈值条件的周边像素点作为缺陷像素点，所述第二阈值条件包含所述第一阈值条件；在所述周边像素点中存在缺陷像素点的情况下，判定所述异常点为缺陷点，在所述周边像素点中不存在缺陷像素点的情况下，判定所述异常点为噪点。
33.为使本发明的上述目的、特征和优点能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。
34.结合参考图2和图3，图2是待处理图像一实施例的局部示意图，图3是图2中任一单元图像一实施例的放大图，执行步骤s1，获取待处理图像100，所述待处理图像100具有多个像素点110(如图2所示)。
35.所述待处理图像100为需要进行检测的图像。作为一种示例，所述待处理图像100为需要进行缺陷检测的图像。
36.本实施例中，所述待处理图像100是通过对待测物进行拍摄获得的图像。具体地，获取所述待处理图像100的步骤包括：提供成像系统和待测物；利用所述成像系统，拍摄获
取所述待测物的图像，作为待处理图像100。
37.本实施例中，所述待测物包括多个重复的单元结构，因此，所述待处理图像100包括多个相同的单元图像150。其中，所述待处理图像100为所述多个单元结构的图像，所述单元图像150为任一单元结构的图像。
38.需要说明的是，根据所述待测物中多个重复的单元结构的排列情况，所述单元图像呈周期性排列。如图2所示，作为一种示例，仅示出了九个单元图像150。具体地，所述九个单元图像150呈3*3的阵列排布。可以理解的是，所述单元图像150的数量不仅限于九个。
39.本实施例中，所述待测物为晶圆(wafer)，晶圆通常包含有多个重复的晶粒(die)。相应的，所述待处理图像100为晶圆图像，每个单元图像150可以包括一个晶粒或多个晶粒的图像。
40.在其他实施例中，所述待测物还可以是玻璃面板等其他类型的产品。可以理解的是，玻璃面板也可以具有多个重复的单元结构。例如，每个单元结构可以用于形成电子产品显示屏。
41.还需要说明的是，图像的最小单位是像素(pixel)，因此，所述待处理图像100具有多个像素点110。具体地，所述多个像素点110构成像素阵列。
42.本实施例中，后续对所述待处理图像100进行检测时，相应对各个所述单元图像150进行检测。
43.结合参考图4和图5，图4是图1中步骤s2一实施例的示意图，图5是图4中待测图像一实施例的示意图，执行步骤s2，对所述待处理图像100进行第一识别处理，获取所述待处理图像100中满足第一阈值条件的像素点110作为初始异常点200(如图4所示)。
44.后续根据所述初始异常点200获取异常点。
45.相应的，所述第一识别处理用于为后续进行第二识别处理做准备。
46.此处，第一阈值条件指的是：符合预设条件的像素点110的集合。
47.相应的，所述第一阈值条件作为判断像素点110是否为初始异常点200的判断标准，也就是说，在像素点110符合第一阈值条件的情况下，则像素点110为初始异常点200。
48.作为一种示例，所述第一阈值条件用于判断所述像素点110的强度表征值是否异常。
49.本实施例中，所述强度表征值与灰度值或信噪比正相关。具体地，所述强度表征值包括灰度值或形成待处理图像100的像素点110的光强值或亮度值。
50.本实施例中，以所述强度表征值为灰度值作为示例进行描述。
51.本实施例中，对所述待处理图像100进行第一识别处理的步骤包括：获取参考图像；对所述参考图像与所述待处理图像100进行匹配处理，使所述待处理图像与所述参考图像匹配区域的像素点一一对应；将所述参考图像与所述待处理图像100进行比较，获取所述参考图像与所述待处理图像100中相对应像素点的强度表征值之间的第一差异值；比较所述第一差异值与第一阈值，获取所述第一差异值大于第一阈值的待处理图像的像素点作为第一差异点；利用所述第一差异点获取初始异常点200。
52.所述参考图像作为对待处理图像100进行识别处理时的比较基准，通过比较所述待处理图像100和参考图像中相对应像素点的强度表征值之间的第一差异值，从而判断待测图像151中是否存在初始异常点200。
53.本实施例中，所述第一阈值条件至少包括：所述第一差异值大于第一阈值，因此，获取所述第一差异值大于第一阈值的待处理图像的像素点作为第一差异点。
54.本实施例中，对所述待处理图像100进行第一识别处理的步骤中，对各个所述单元图像150进行所述第一识别处理，获取各个单元图像150的初始异常点200，且将当前待测的所述单元图像150作为待测图像151，将所述待测图像151周围的多个所述单元图像作为参考图像152。
55.相应的，对所述参考图像152与所述待测图像151进行匹配处理，并在匹配处理后，将所述参考图像152与所述待测图像151进行比较，获取所述参考图像152与所述待测图像151中相对应像素点的强度表征值之间的第一差异值。
56.此处，所述待测图像151与所述参考图像152中相对应像素点指的是：所述待测图像151与所述参考图像152中相同位置处的像素点。
57.所述参考图像152作为对所述待测图像151进行识别处理时的比较基准，通过比较所述待测图像151和参考图像152中相对应像素点的强度表征值之间的差异，从而判断待测图像151中是否存在异常点200。
58.所述参考图像152和待测图像151位于同一张待处理图像100中，也就是说，所述参考图像152和待测图像151来自于相同的待测物，从而避免因不同待测物之间平均强度表征值差异大的问题而对检测结果的准确性产生不良影响，相应有利于提高检测结果的准确性。
59.具体地，与所述待测图像151紧邻的多个所述单元图像作为参考图像152。如图4所示，作为一种示例，所述参考图像152的数量为8个，所述参考图像152和待测图像151呈3*3的阵列排布。
60.在其他实施例中，也可以选用标准图像作为参考图像。相应的，通过基于标准图像的匹配方式，使所述待处理图像与所述参考图像匹配区域的像素点一一对应。
61.标准图像是对一个与待测物一致的参考物进行拍摄获得的图像。可以理解的是，标准图像与待处理图像并非位于同一图像上。其中，标准图像可以包括cad图或无缺陷的测量图像。
62.当采用标准图像作为参考图像时，对所述参考图像与所述待处理图像进行匹配处理的方法包括匹配区域获取步骤，所述匹配区域获取步骤包括：获取待处理图像中与参考图像匹配度最高或大于预设值的区域，得到匹配区域，所述参考图像的各像素点与所述匹配区域的各像素点具有一一对应的关系。
63.具体的，匹配度最高指的是：所述匹配区域的各像素点与所述参考图像的各像素点之间的强度表征值的方差、标准差或绝对值最小；匹配度大于预设值指的是：所述匹配区域的各像素点与所述参考图像的各像素点之间的强度表征值的方差、标准差或绝对值小于预设值。
64.其中，所述匹配区域的像素点与所述参考图像的对应像素点的强度表征值之差为像素差，强度表征值的方差指的是：所述像素差的平方和。
65.本实施例中，所述待处理图像包括多个相同的单元图像，所述参考图像为一个单元图像的标准图像，因此，对所述参考图像与所述待处理图像进行匹配处理，使所述待处理图像与所述参考图像匹配区域的像素点一一对应的步骤还包括：重复所述匹配区域获取步
骤，在所述待处理图像中获取多个匹配区域，所述匹配区域的个数与所述单元图像的个数相同。
66.以采用无缺陷的测量图像来作为标准图像为例，通过选取与所述待测物相同的参考物，所述参考物也具有多个单元结构，获取所述参考物的图像，并在所述参考物的图像上选取合格的单元结构图像，作为标准图像(也即参考图像)。例如，先选取一个合格的晶圆的图像，在选取的晶圆的图像上选取部分合格的晶粒图像，作为参考图像。
67.相应的，若选用标准图像作为参考图像，则在进行识别处理时，把每个单元图像与参考图像进行比较。
68.本实施例中，利用所述第一差异点获取初始异常点200的步骤包括：获取第一差异点的个数，得到第一差异数量，在所述第一差异数量大于或等于预设数量的情况下，判定当前检测的像素点为初始异常点200。
69.相应的，所述第一阈值条件还包括：所述第一差异数量大于或等于预设数量。
70.需要说明的是，在第一差异数量大于或等于预设数量的情况下，判定当前检测的像素点为初始异常点200，此处的预设数量的最小值为一个，最大值为所述待测图像151相对应的参考图像152的总数量，预设数量可以根据实际需求进行设定。
71.还需要说明的是，在其他实施例中，也可以直接将所述第一差异点作为初始异常点200。
72.将所述待测图像151与所述参考图像152进行比较时，将所述待测图像151的像素点110的灰度值，与参考图像152的对应像素点的灰度值比较，从而获取所述待测图像151与所述参考图像152相对应像素点的灰度之间的第一差异值。
73.此处，所述灰度之间的第一差异值指的是：所述待测图像151与所述参考图像152相对应像素点的灰度差值的绝对值。
74.本实施例中，所述第一阈值与所述待处理图像100的清晰度正相关。图像的清晰度越高，则轮廓边缘灰度变化越明显，层次感越强，因此，为了能够将异常点200筛选出来，所述第一阈值的值相应更大。
75.具体地，图像的清晰度与灰度梯度相关，因此，通过所述灰度梯度，获取第一阈值。
76.需要说明的是，后续对所述周边像素点进行第二识别处理，判断所述周边像素点是否满足第二阈值条件，将满足所述第二阈值条件的周边像素点作为缺陷像素点，所述第二阈值条件包含所述第一阈值条件，因此，第二阈值条件与第一阈值条件具有相关性。
77.因此，获取所述第一阈值和/或获取所述第二阈值的步骤包括初始阈值获取处理，所述初始阈值获取处理包括：获取所述待处理图像100中各个像素点110的灰度梯度；获取所述待处理图像100的灰度梯度的平均值，将所述灰度梯度的平均值作为初始阈值。
78.本实施例中，所述检测方法还包括：基于所述初始阈值增加预设偏移量。需要说明的是，此处的预设偏移量可以为零，也可以不为零。
79.本实施例中，基于所述初始阈值增加预设偏移量，用于获得所述第一阈值和/或第二阈值。
80.本实施例中，可以先根据初始阈值获得第一阈值，并利用第一阈值获得第二阈值，也可以先根据初始阈值获得第二阈值，并利用第二阈值获得第一阈值，还可以根据初始阈值，获得第一阈值和第二阈值。
81.具体地，获取所述第一阈值的步骤还包括：将所述初始阈值作为第一阈值；获取所述第二阈值的步骤相应包括：使所述第一阈值与第一比例因子相乘，获得所述第二阈值；或者，获取所述第二阈值的步骤还包括：将所述初始阈值作为第二阈值；获取所述第一阈值的步骤相应包括：使所述第二阈值与第二比例因子相乘，获得所述第一阈值；或者，获取所述第一阈值和获取所述第二阈值的步骤均包括初始阈值获取处理，所述第一阈值对应的预设偏移量与所述第二阈值对应的预设偏移量不相同。
82.可以理解的是，在获取所述第一阈值的步骤还包括将所述初始阈值作为第一阈值的情况下，所述第一阈值对应的预设偏移量相应为零。
83.同理，在获取所述第二阈值的步骤还包括将所述初始阈值作为第二阈值的情况下，所述第二阈值对应的预设偏移量相应为零。
84.本实施例中，基于所述初始阈值增加预设偏移量，获得所述第一阈值。
85.需要说明的是，任一像素点110在x方向和y方向均具有相对应的灰度梯度，因此，作为一种示例，所述像素点的灰度梯度的关系式包括：
[0086][0087]
其中，m(x，y)表示所述像素点110的灰度梯度，gx表示所述像素点110在x方向上的梯度，gy表示所述像素点110在y方向上的梯度，所述x方向为像素阵列的行方向，所述y方向为像素阵列的列方向。
[0088]
还需要说明的是，基于所述初始阈值增加预设偏移量，获得所述第一阈值的步骤中，所述预设偏移量不宜过小，也不宜过大。如果所述预设偏移量过小，则在进行第一识别处理时，容易导致误检率变高，也即容易将正常的像素点110归为初始异常点200，从而导致初始异常点200的数量过多，进而增加后续根据所述初始异常点获取异常点、以及第二识别处理的数据处理量；如果所述预设偏移量过大，则容易增大漏检的概率。为此，本实施例中，所述预设偏移量为3至5。
[0089]
此外，图5中仅示意了一个像素点110为初始异常点200，但初始异常点200不仅限于一个像素点。例如，在其他实施例中，在第一识别处理后，获得多个初始异常点，且存在多个初始异常点相连的情况。
[0090]
继续参考图5，执行步骤s3，根据所述初始异常点200获取异常点250。
[0091]
后续通过对异常点250进一步的识别，以判断所述异常点250是否为缺陷点或噪点。
[0092]
本实施例中，根据所述初始异常点200获取异常点250包括：对所述待处理图像100中的初始异常点200进行连通域判断，获取连通域(connected component)，同一连通域中的每个初始异常点200均具有相邻的初始异常点200，且连通域内与连通域外的初始异常点200相互分离；在所述连通域内的初始异常点200个数大于或等于预设数量的情况下，所述连通域内的初始异常点200作为缺陷点，在所述连通域内的初始异常点200个数小于预设数量的情况下，所述连通域作为所述异常点250。
[0093]
多个符合特定条件且相连的像素点110构成的集合，称为一个连通域。具体到本实施例中，所述特定条件即为满足第一阈值条件。
[0094]
后续采用第二识别处理的方式，对异常点250进行复检，因此，通过先进行连通域
判断，从而确定后续是否需要进行第二识别处理。
[0095]
具体地，在难以确定所述初始异常点200的类型是缺陷点还是异常点250的情况下，先进行连通域判断，从而在所述连通域内的初始异常点200个数大于或等于预设数量的情况下，即可确定所述初始异常点200为缺陷点，则后续无需再选取周边像素点并进行第二识别处理，从而能够选择性地在所述连通域内的初始异常点200个数小于预设数量的情况下，对所述异常点250进行复检，从而在提高检测结果的准确性的同时，提高检测效率。
[0096]
本实施例中，所述连通域判断包括四连通域判断或八连通域判断。其中，四连通域判断指的是：判断任一初始异常点200周围是否具有4个相邻的初始异常点200；八连通域判断指的是：判断任一初始异常点200周围是否具有8个相邻的初始异常点200。
[0097]
在所述连通域内的初始异常点200个数大于或等于预设数量的情况下，所述连通域内的初始异常点200作为缺陷点，在所述连通域内的初始异常点200个数小于预设数量的情况下，所述连通域作为所述异常点250，而噪点的像素尺寸通常较小，因此，如果所述预设数量过大，则在连通域判断时，容易把缺陷点误判为异常点250，从而进行不必要的后续操作。因此，本实施例中，所述预设数量为1个至5个。
[0098]
如图5所示，作为一种示例，所述预设数量为一个。相应的，在所述初始异常点200为孤立的一个像素点110的情况下，将所述初始异常点200作为所述异常点250，否则将所述初始异常点200作为缺陷点。噪点的像素尺寸通常较小，通常为一个像素点，因此，通过将预设数量设置为一个，有利于精确获得所述异常点250，减小后续操作的运算量。
[0099]
需要说明的是，在所述连通域内的初始异常点个数小于预设数量的情况下，将所述连通域作为所述异常点，指的是将所述连通域内的所有初始异常点作为一个异常点。
[0100]
在其他实施例中，根据所述初始异常点获取异常点包括：获取与所述初始异常点相邻的像素点作为临近点，所述临近点的数量为一个或多个；判断每个临近点是否为初始异常点，且在各临近点均不是初始异常点的情况下，将所述初始异常点作为异常点。
[0101]
具体地，所述临近点的数量可以是四个或八个。在所述临近点的数量为四个的情况下，所述初始异常点与所述临近点呈十字形布局或x型布局，在所述临近点的数量为八个的情况下，所述初始异常点与所述临近点呈3*3阵列布局。
[0102]
结合参考图6，图6是图1中步骤s4一实施例的示意图，执行步骤s4，选取一个或多个与所述异常点250相邻的像素点110作为周边像素点300。
[0103]
后续对所述周边像素点300进行第二识别处理，从而实现对异常点250的复检。
[0104]
噪点(noise)的像素尺寸通常较小(例如，一个噪点的像素尺寸为一个像素点)，这导致区分缺陷和噪点的难度较大。但是，与噪点相邻的像素点均为正常的像素点，与真实缺陷相邻的像素点通常也是缺陷像素点，因此，在检测过程中，当出现异常点250后，利用第二阈值条件将所述周边像素点300再次进行识别，所述第二阈值条件包含所述第一阈值条件，也即所述第一阈值条件对应的集合包含于所述第二阈值条件对应的集合中，这使得在周边像素点300与正常像素点的差异较小的情况下，仍能被检出，从而能够在异常点250周围检测出更多的缺陷像素点，相应能够更好地区分噪点和缺陷点，以精确判断所述异常点250是否为真实的缺陷点，便于剔除噪点并保留缺陷点，相应降低了出现误检和漏检的概率，进而提高了检测结果的准确性。
[0105]
其中，缺陷点表示形成待处理图像100的待测物中真实缺陷所对应的像素点110，
噪点也称噪声，噪点主要是指待处理图像100中不该出现的外来像素，通常由检测设备本身的异常产生，例如探测器中的电子干扰产生。
[0106]
本实施例中，通过选取与所述异常点250紧邻的像素点110作为周边像素点300，使所述周边像素点300的检测结果与异常点250的相关性更高，从而提高后续第二识别处理的检测结果的准确性。
[0107]
本实施例中，选取一个或多个与所述异常点250相邻的像素点110作为周边像素点300的步骤中，选择与所述异常点250的边缘和/或顶角相邻的像素点110作为周边像素点300。具体的，所述周边像素点300的数量为8个，且所述周边像素点300与所述异常点250构成3*3的像素阵列。也就是说，所述异常点250为所述3*3像素阵列中的中心像素点，所述周边像素点300为与所述异常点250紧邻的像素点110。
[0108]
所述异常点250为所述3*3像素阵列中的中心像素点，因此，通过选取8个周边像素点300，有利于提高第二识别处理的结果准确性。
[0109]
在其他实施例中，所述周边像素点的数量为4个，且所述周边像素点与所述异常点呈十字形布局或x型布局。
[0110]
需要说明的是，根据所述初始异常点200获取异常点250的过程中，在所述连通域内的初始异常点200个数小于预设数量的情况下，所述连通域作为所述异常点250。其中，当所述预设数量为多个时，将所述连通域作为所述异常点250指的是：将所述连通域内的所有初始异常点200作为一个异常点250。选择与所述异常点250的边缘和/或顶角相邻的像素点110作为周边像素点300，则所述异常点250的周边像素点300个数可以大于8个，例如，当异常点250包括两个初始异常点200时，周边像素点300的个数为10个或6个。
[0111]
还需要说明的是，在其他实施例中，当通过获取与初始异常点相邻的像素点作为临近点，来获取异常点时，选取一个或多个与所述异常点相邻的像素点作为周边像素点包括：将所述初始异常点的临近点作为所述初始异常点的所述周边像素点。
[0112]
结合参考图7，图7是图1中步骤s5一实施例的示意图，图7(a)表示在所述周边像素点300中存在缺陷像素点的情况下的示意图，图7(b)表示在所述周边像素点300中不存在缺陷像素点的情况下的示意图，执行步骤s4，对所述周边像素点300进行第二识别处理，将满足第二阈值条件的周边像素点300作为缺陷像素点，所述第二阈值条件包含所述第一阈值条件；在所述周边像素点300中存在缺陷像素点的情况下，判定所述异常点200为缺陷点，在所述周边像素点300中不存在缺陷像素点的情况下，判定所述异常点200为噪点。
[0113]
此处，第二阈值条件指的是：符合预设条件的周边像素点300的集合。
[0114]
所述第二阈值条件作为判断周边像素点300是否为缺陷像素点的判断标准，也就是说，在周边像素点300符合所述第二阈值条件的情况下，所述周边像素点300作为缺陷像素点。
[0115]
本实施例中，所述第二阈值条件包含所述第一阈值条件，也即所述第一阈值条件对应的集合包含于所述第二阈值条件对应的集合中，从而使得第二识别处理检测出的与正常像素点之间具有差异的像素点数量变多。
[0116]
如果所述异常点200为缺陷点，则位于所述异常点200周围的周边像素点300与正常的像素点110之间通常也是具有差异的，但差异较小，而噪点周围的像素点均为正常的像素点，因此，利用第二阈值条件进行第二识别处理，如果所述异常点200为缺陷点，则如图7
(a)所示，在第二识别处理后，还能够在所述异常点200周围再检出一个或多个缺陷像素点，例如，图7(a)示出了在所述异常点200周围的两个周边像素点300被检出为缺陷像素点的情况，而如果所述异常点200为噪点，则如图7(b)所示，在第二识别处理后，所述异常点200周围未能再检测出缺陷像素点，从而对所述异常点200的真实类型进行区分，即区分噪点和缺陷点，以便后续将噪点剔除，并保留缺陷点。
[0117]
本实施例中，采用与第一识别处理相同的方式，并改变阈值条件，进行第二识别处理。
[0118]
本实施例中，对所述周边像素点300进行第二识别处理的步骤包括：获取参考图像；对所述参考图像与所述待处理图像100进行匹配处理，使所述待处理图像与所述参考图像匹配区域的像素点一一对应；将所述周边像素点300与所述参考图像中相对应像素点进行比较，获取所述周边像素点300与所述参考图像中相对应像素点的强度表征值之间的第二差异值；比较所述第二差异值与第二阈值，获取所述第二差异值大于第二阈值的周边像素点300作为第二差异点；利用所述第二差异点获取缺陷像素点。
[0119]
相应的，本实施例中，所述第二阈值条件至少包括：所述第二差异值大于第二阈值，其中，所述第二阈值小于所述第一阈值。
[0120]
本实施例中，在进行第一识别处理时，获取所述参考图像与所述待处理图像100中相对应像素点的强度表征值之间的第一差异值，并比较所述第一差异值与第一阈值，获取所述第一差异值大于第一阈值的待处理图像的像素点作为第一差异点，在进行第二识别处理时，获取所述周边像素点300与所述参考图像中相对应像素点的强度表征值之间的第二差异值，并比较所述第二差异值与第二阈值，获取所述第二差异值大于第二阈值的周边像素点300作为第二差异点，因此，通过使所述第二阈值小于所述第一阈值，从而使得所述第二阈值条件包含所述第一阈值条件。
[0121]
具体地，利用所述第二差异点获取缺陷像素点的步骤包括：获取所述第二差异点的个数，得到第二差异数量，在所述第二差异数量大于或等于预设数量的情况下，判定当前检测的周边像素点300为缺陷像素点。
[0122]
相应的，所述第二阈值条件还包括：所述第二差异数量大于或等于预设数量。
[0123]
其中，在所述第二差异数量大于或等于预设数量的情况下，判定当前检测的周边像素点300为缺陷像素点，此处的预设数量的最小值为一个，最大值为当前待测的周边像素点300相对应的参考图像152的总数量，预设数量可以根据实际需求进行设定。
[0124]
需要说明的是，在其他实施例中，也可以直接将第二差异点作为缺陷像素点。
[0125]
还需要说明的是，第二识别处理时的待测图像151即为所述异常点200所在的单元图像150。
[0126]
本实施例中，所述第二阈值与所述待处理图像100的清晰度正相关。
[0127]
本实施例中，获取所述第一阈值和获取所述第二阈值的步骤均包括初始阈值获取步骤，所述第一阈值对应的预设偏移量与所述第二阈值对应的预设偏移量不相同。
[0128]
在所述第二阈值小于所述第一阈值的情况下，获得所述第二阈值后，所述第二阈值与所述第一阈值的比值不宜过小，也不宜过大。如果所述第二阈值与所述第一阈值的比值过小，则容易导致所述第二阈值过小，则在进行第二识别处理时，容易导致误检率变高，也就是说，容易将正常的周边像素点300归为缺陷像素点，从而容易误将异常点200归为缺
陷点；如果所述第二阈值与所述第一阈值的比值过大，则容易增大漏检的概率，从而容易误将异常点200归为噪点。为此，本实施例中，所述第二阈值为所述第一阈值的60％至80％。
[0129]
需要说明的是，在其他实施例中，还可以采用其他方式进行第一识别处理和第二识别处理。
[0130]
具体地，在另一些实施例中，在所述待处理图像为暗场图像的情况下，对所述待处理图像进行第一识别处理的步骤包括：将所述待处理图像的像素点与第一阈值进行比较，获取使强度表征值大于所述第一阈值的所述像素点作为初始异常点；所述第一阈值条件包括：所述像素点的强度表征值大于所述第一阈值。
[0131]
相应的，对所述周边像素点进行第二识别处理的步骤包括：将所述周边像素点与第二阈值进行比较，获取使强度表征值大于所述第二阈值的所述周边像素点作为缺陷像素点；所述第二阈值条件包括：所述周边像素点的强度表征值大于所述第二阈值；其中，所述第二阈值小于所述第一阈值。
[0132]
暗场图像是通过暗场检测(darkfield inspection)的方式获得的图像。在暗场图像中，背景的灰度小于待测物表面的缺陷图像的灰度。
[0133]
在光学检测中，按照收集信号光的来源可包括明场检测(brightfield inspection)和暗场检测。其中，暗场检测是通过探测待测物表面的散射光强度，来实现对待测物表面进行检测的方法。
[0134]
在其他实施例中，在所述待处理图像为明场图像的情况下，对所述待处理图像进行第一识别处理的步骤包括：将所述待处理图像的各个像素点与第一阈值进行比较，获取使强度表征值小于所述第一阈值的所述像素点作为初始异常点；所述第一阈值条件包括：所述像素点的强度表征值小于所述第一阈值。
[0135]
相应的，对所述周边像素点进行第二识别处理的步骤包括：将所述周边像素点与第二阈值进行比较，获取使强度表征值小于所述第二阈值的所述周边像素点作为缺陷像素点；所述第二阈值条件包括：所述周边像素点的强度表征值小于所述第二阈值；其中，所述第二阈值大于所述第一阈值。
[0136]
在第一识别处理时，获取使强度表征值大于所述第一阈值的所述像素点作为初始异常点，在第二识别处理时，获取使强度表征值大于所述第二阈值的所述周边像素点作为缺陷像素点，因此，通过使所述第二阈值小于所述第一阈值，从而使所述第二阈值条件包含所述第一阈值条件。
[0137]
明场图像是通过明场检测(brightfield inspection)的方式获得的图像。在明场图像中，背景的灰度大于待测物表面的缺陷图像的灰度。
[0138]
其中，明场检测是通过探测待测物表面的反射光强度，来实现对待测物表面进行检测的方法。
[0139]
还需要说明的是，如果直接利用第二阈值条件进行第一识别处理，则容易导致误检率过高(例如，将具有一定强度表征值差异、但强度表征值差异处于可接受范围内的像素点归为缺陷点)，因此，本实施例中，先利用第一阈值条件进行第一识别处理，获取初始异常点，并根据所述初始异常点获取异常点，以排除正常的像素点110或者强度表征值差异处于可接受范围内的像素点110或者确定为缺陷点的像素点110，使得异常点250的数量不会过多，再利用第二阈值条件对周边像素点300进行第二识别处理，以实现对异常点250的复检，
从而在减少第二识别处理的数据处理量的情况下，更精准地筛选出真实的缺陷点。
[0140]
相应的，本发明实施例还提供一种检测系统。参考图8，示出了本发明检测系统一实施例的功能框图。
[0141]
结合参考图2至图7，所述检测系统包括：图像获取模块10，用于获取待处理图像100，所述待处理图像100具有多个像素点110；第一识别模块20，用于对所述待处理图像100进行第一识别处理，获取所述待处理图像中满足第一阈值条件的像素点110作为初始异常点200；异常点获取模块70，用于根据所述初始异常点200获取异常点250；像素点选取模块30，用于选取一个或多个与所述异常点200相邻的像素点110作为周边像素点300；第二识别模块40，用于对所述周边像素点300进行第二识别处理，将满足所述第二阈值条件的周边像素点300作为缺陷像素点，所述第二阈值条件包含所述第一阈值条件；判断模块50，用于在所述周边像素点300中存在缺陷像素点的情况下，判定所述异常点200为缺陷点，在所述周边像素点300中不存在缺陷像素点的情况下，判定所述异常点200为噪点。
[0142]
与噪点相邻的像素点均为正常的像素点，而与真实缺陷相邻的像素点通常也是缺陷像素点，因此，在检测过程中，当出现异常点后，利用第二阈值条件将所述周边像素点再次进行识别，所述第二阈值条件包含所述第一阈值条件，也即所述第一阈值条件对应的集合包含于所述第二阈值条件对应的集合中，这使得在周边像素点与正常像素点的差异较小的情况下，仍能被检出，从而能够在异常点周围检测出更多的缺陷像素点，相应能够更好地区分噪点和缺陷点，以精确判断所述异常点是否为真实的缺陷点，便于剔除噪点并保留缺陷点，相应降低了出现误检和漏检的概率，进而提高了检测结果的准确性。
[0143]
所述图像获取模块10用于获取待处理图像100，所述待处理图像100为需要进行检测的图像。作为一种示例，所述待处理图像100为需要进行缺陷检测的图像。
[0144]
本实施例中，所述待处理图像100是通过对待测物进行拍摄获得的图像。
[0145]
具体地，所述图像获取模块10包括成像系统，所述成像系统用于拍摄获取所述待测物的图像，作为待处理图像100。
[0146]
所述待测物包括多个重复的单元结构，因此，所述待处理图像100包括多个相同的单元图像150。其中，所述待处理图像100为所述多个单元结构的图像，所述单元图像150为任一单元结构的图像。
[0147]
需要说明的是，根据所述待测物中多个重复的单元结构的排列情况，所述单元图像呈周期性排列。
[0148]
如图2所示，作为一种示例，仅示出了九个单元图像150。具体地，所述九个单元图像150呈3*3的阵列排布。可以理解的是，所述单元图像150的数量不仅限于九个。
[0149]
相应的，所述检测系统的检测对象为所述待处理图像100中的各个单元图像150。
[0150]
本实施例中，所述待测物为晶圆(wafer)，晶圆通常包含有多个重复的晶粒(die)。相应的，所述待处理图像100为晶圆图像，每个单元图像150可以包括一个晶粒或多个晶粒的图像。
[0151]
在其他实施例中，所述待测物还可以是玻璃面板等其他类型的产品。可以理解的是，玻璃面板也可以具有多个重复的单元结构。例如，每个单元结构可以用于形成电子产品显示屏。
[0152]
还需要说明的是，图像的最小单位是像素(pixel)，因此，所述待处理图像100具有
多个像素点110。具体地，所述多个像素点110构成像素阵列。
[0153]
第一识别模块20用于对所述待处理图像100进行第一识别处理，以获得初始异常点200，从而为后续获取异常点做准备。
[0154]
具体地，所述第一识别模块20利用第一阈值条件对所述待处理图像100进行第一识别处理。此处，第一阈值条件指的是：符合预设条件的像素点110的集合。所述第一阈值条件作为判断像素点110是否为初始异常点200的判断标准，也就是说，在像素点110符合第一阈值条件的情况下，则像素点110为初始异常点200。
[0155]
作为一种示例，所述第一阈值条件用于判断所述像素点110的强度表征值是否异常。
[0156]
本实施例中，所述强度表征值与灰度值或信噪比正相关。具体地，所述强度表征值包括灰度值或形成待处理图像100的像素点110的光强值或亮度值。
[0157]
本实施例中，以所述强度表征值为灰度值作为示例进行描述。
[0158]
本实施例中，所述第一识别模块20包括：第一阈值设置单元，用于设置第一阈值条件；第一图像选取单元，用于获取待处理图像100；第二图像选取单元，用于获取参考图像；第一匹配单元，用于对所述参考图像与所述待处理图像100进行匹配处理，使所述待处理图像与所述参考图像匹配区域的像素点一一对应；第一比较单元，用于将所述参考图像与所述待处理图像100进行比较，获取所述参考图像与所述待处理图像100中相对应像素点的强度表征值之间的第一差异值；第二比较单元，用于比较所述第一差异值与第一阈值，获取所述第一差异值大于第一阈值的待处理图像的像素点作为第一差异点；第一异常点获取单元，用于利用所述第一差异点获取初始异常点200。
[0159]
所述参考图像作为对待处理图像100中的像素点110进行识别处理时的比较基准，通过比较所述待处理图像100和参考图像中相对应像素点的强度表征值之间的第一差异值，从而判断待测图像151中是否存在初始异常点200。
[0160]
本实施例中，所述第一阈值条件至少包括：所述第一差异值大于第一阈值，因此，获取所述第一差异值大于第一阈值的待处理图像的像素点作为第一差异点。
[0161]
本实施例中，所述第一识别模块20用于对各个所述单元图像150进行所述第一识别处理，获取各个单元图像150的初始异常点200，且将前待测的所述单元图像150作为待测图像151，将所述待测图像151周围的多个所述单元图像作为参考图像152。
[0162]
相应的，所述第一匹配单元，用于对所述参考图像152与所述待测图像151进行匹配处理；所述第一比较单元，用于将所述参考图像152与所述待测图像151进行比较，获取所述参考图像152与所述待测图像151中相对应像素点的强度表征值之间的第一差异值。
[0163]
此处，所述待测图像151与所述参考图像152中相对应像素点指的是：所述待测图像151与所述参考图像152中相同位置处的像素点。
[0164]
所述参考图像152作为对所述待测图像151进行识别处理时的比较基准，通过比较所述待测图像151和参考图像152中相对应像素点的强度表征值之间的差异，从而判断待测图像151中是否存在异常点200。
[0165]
所述参考图像152和待测图像151位于同一待处理图像100中，也就是说，所述参考图像152和待测图像151来自于相同的待测物，从而避免因不同待测物之间平均强度表征值差异大的问题，而对检测结果的准确性产生不良影响，相应有利于提高检测结果的准确性。
[0166]
具体地，与所述待测图像151紧邻的多个所述单元图像作为参考图像152。如图4所示，作为一种示例，所述参考图像152的数量为8个，所述参考图像152和待测图像151呈3*3的阵列排布。
[0167]
在其他实施例中，第二图像选取单元也可以选用标准图像作为参考图像。相应的，所述第一匹配单元通过基于标准图像的匹配方式，使所述待处理图像与所述参考图像匹配区域的像素点一一对应。
[0168]
标准图像是对一个与待测物一致的参考物进行拍摄获得的图像。可以理解的是，标准图像与待处理图像并非位于同一图像上。其中，标准图像可以包括cad图或无缺陷的测量图像。
[0169]
当采用标准图像作为参考图像时，所述第一匹配单元用于进行匹配区域获取步骤。具体地，所述第一匹配单元用于获取待处理图像中与参考图像匹配度最高或大于预设值的区域，得到匹配区域，所述参考图像的各像素点与所述匹配区域的像素点具有一一对应的关系。
[0170]
具体的，匹配度最高指的是：所述匹配区域的各像素点与所述参考图像的各像素点之间的强度表征值的方差、标准差或绝对值最小；匹配度大于预设值指的是：所述匹配区域的各像素点与所述参考图像的各像素点之间的强度表征值的方差、标准差或绝对值小于预设值。其中，所述匹配区域的像素点与所述参考图像的对应像素点的强度表征值之差为像素差，强度表征值的方差指的是：所述像素差的平方和。
[0171]
本实施例中，所述待处理图像包括多个相同的单元图像，所述参考图像为一个单元图像的标准图像，因此，所述第一匹配单元用于重复所述匹配区域获取步骤，在所述待处理图像中获取多个匹配区域，所述匹配区域的个数与所述单元图像的个数相同。
[0172]
例如，选取与所述待测物相同的参考物，所述参考物也具有多个单元结构，所述第二图像选取单元获取所述参考物的图像，并在所述参考物的图像上选取合格的单元结构图像，作为参考图像。例如，先选取一个合格的晶圆的图像，在选取的晶圆的图像上选取部分合格的晶粒图像，作为参考图像。
[0173]
相应的，若选用标准图像作为参考图像，则所述第一比较单元用于将每个单元图像与参考图像进行比较。
[0174]
本实施例中，所述第一异常点获取单元包括：第一差异数量获取子单元，用于获取第一差异点的个数，得到第一差异数量；第一筛选子单元，用于在所述第一差异数量大于或等于预设数量的情况下，判定当前检测的像素点为初始异常点200。
[0175]
相应的，所述第一阈值条件还包括：所述第一差异数量大于或等于预设数量。
[0176]
需要说明的是，此处的预设数量的最小值为一个，最大值为所述待测图像151相对应的参考图像152的总数量，预设数量可以根据实际需求进行设定。
[0177]
还需要说明的是，在其他实施例中，所述第一异常点获取单元也可以直接将所述第一差异点作为初始异常点。
[0178]
所述第一比较单元比较所述待测图像151与所述参考图像152时，将所述待测图像151的像素点110的灰度值，与参考图像152的对应像素点的灰度值比较，从而获取所述待测图像151与所述参考图像152相对应像素点的灰度之间的第一差异值。
[0179]
此处，所述灰度之间的第一差异值指的是：所述待测图像151与所述参考图像152
相对应像素点的灰度差值的绝对值。
[0180]
本实施例中，所述第一阈值与所述待处理图像100的清晰度正相关。图像的清晰度越高，则轮廓边缘灰度变化越明显，层次感越强，因此，为了能够将异常点200筛选出来，所述第一阈值的值相应更大。
[0181]
具体地，图像的清晰度与灰度梯度相关，因此，所述第一阈值设置单元通过所述灰度梯度，获取第一阈值。
[0182]
需要说明的是，后续对所述周边像素点进行第二识别处理，判断所述周边像素点是否满足第二阈值条件，将满足所述第二阈值条件的周边像素点作为缺陷像素点，所述第二阈值条件包含所述第一阈值条件，因此，第二阈值条件与第一阈值条件具有相关性。
[0183]
本实施例中，通过初始阈值，来获得第一阈值和第二阈值。
[0184]
因此，所述检测系统还包括：初始阈值获取模块60，用于获取初始阈值。
[0185]
本实施例中，所述初始阈值获取模块60包括：第一梯度获取单元，用于获取所述待处理图像100中各个像素点110的灰度梯度；第二梯度获取单元，用于获取所述待处理图像100的灰度梯度的平均值，将所述灰度梯度的平均值作为初始阈值。
[0186]
本实施例中，所述第一阈值设置单元用于基于所述初始阈值增加预设偏移量，获得所述第一阈值。在另一些实施例中，也可以为：所述第一阈值设置单元用于将所述初始阈值作为第一阈值。在其他实施例中，也可以为：所述第一阈值设置单元用于使第二阈值与第二比例因子相乘，获得所述第一阈值。
[0187]
需要说明的是，任一像素点110在x方向和y方向均具有相对应的灰度梯度，因此，作为一种示例，所述像素点的灰度梯度的关系式包括：
[0188][0189]
其中，m(x，y)表示所述像素点110的灰度梯度，gx表示所述像素点110在x方向上的梯度，gy表示所述像素点110在y方向上的梯度，所述x方向为像素阵列的行方向，所述y方向为像素阵列的列方向。
[0190]
还需要说明的是，所述第一阈值对应的预设偏移量不宜过小，也不宜过大。如果所述预设偏移量过小，则在进行第一识别处理时，容易导致误检率变高，也即容易将正常的像素点110归为初始异常点200，从而导致初始异常点200的数量过多，进而增加后续根据所述初始异常点获取异常点、以及第二识别处理的数据处理量；如果所述预设偏移量过大，则容易增大漏检的概率。为此，本实施例中，所述预设偏移量为3至5。
[0191]
此外，图5中仅示意了一个像素点110为初始异常点200，但初始异常点200不仅限于一个像素点。例如，在其他实施例中，在第一识别处理后，获得多个初始异常点，且存在多个初始异常点相连的情况。
[0192]
异常点获取模块70用于根据所述初始异常点200获取异常点250。
[0193]
后续通过对异常点250进一步的识别，以判断所述异常点250是否为缺陷点或噪点。
[0194]
本实施例中，所述异常点获取模块70包括：连通域判断单元，用于对所述待处理图像100中的初始异常点200进行连通域判断，获取连通域(connected component)，同一连通域中的每个初始异常点200均具有相邻的初始异常点200，且连通域内与连通域外的初始异
常点200相互分离；第三筛选子单元，用于在所述连通域内的初始异常点200个数大于或等于预设数量的情况下，判定所述连通域内的初始异常点200作为缺陷点，在所述连通域内的初始异常点200个数小于预设数量的情况下，判定所述连通域作为所述异常点250。
[0195]
多个符合特定条件且相连的像素点110构成的集合，称为一个连通域。具体到本实施例中，所述特定条件即为满足第一阈值条件。
[0196]
后续采用第二识别处理的方式，对异常点250进行复检，因此，通过先进行连通域判断，从而确定后续是否需要进行第二识别处理。
[0197]
具体地，在难以确定所述初始异常点200的类型是缺陷点还是异常点250的情况下，先进行连通域判断，从而在所述连通域内的初始异常点200个数大于或等于预设数量的情况下，既可确定所述初始异常点200为缺陷点，则后续无需再选取周边像素点并进行第二识别处理，从而能够选择性地在所述连通域内的初始异常点200个数小于预设数量的情况下，对所述异常点250进行复检，从而在提高检测结果的准确性的同时，提高检测效率。
[0198]
本实施例中，所述连通域判断包括四连通域判断或八连通域判断。其中，四连通域判断指的是：判断任一初始异常点200周围是否具有4个相邻的初始异常点200；八连通域判断指的是：判断任一初始异常点200周围是否具有8个相邻的初始异常点200。
[0199]
在所述连通域内的初始异常点200个数大于或等于预设数量的情况下，所述连通域内的初始异常点200作为缺陷点，在所述连通域内的初始异常点200个数小于预设数量的情况下，所述连通域作为所述异常点250，而噪点的像素尺寸通常较小，因此，如果所述预设数量过大，则在连通域判断时，容易把缺陷点误判为异常点250，从而进行不必要的后续操作。因此，本实施例中，所述预设数量为1个至5个。
[0200]
如图5所示，作为一种示例，所述预设数量为一个。相应的，在所述初始异常点200为孤立的一个像素点110的情况下，将所述初始异常点200作为所述异常点250，否则将所述初始异常点200作为缺陷点。噪点的像素尺寸通常较小，通常为一个像素点，因此，通过将预设数量设置为一个，有利于精确获得所述异常点250，减小后续操作的运算量。
[0201]
需要说明的是，在所述连通域内的初始异常点个数小于预设数量的情况下，判定所述连通域作为所述异常点，指的是将所述连通域内的所有初始异常点作为一个异常点。
[0202]
在其他实施例中，所述异常点获取模块则包括：临近点获取子单元，用于获取与所述初始异常点相邻的像素点作为临近点，所述临近点的数量为一个或多个；第四筛选子单元，用于判断每个临近点是否为初始异常点，且在各临近点均不是初始异常点的情况下，将所述初始异常点作为异常点。
[0203]
具体地，所述临近点的数量可以是四个或八个。在所述临近点的数量为四个的情况下，所述初始异常点与所述临近点呈十字形布局或x型布局，在所述临近点的数量为八个的情况下，所述初始异常点与所述临近点呈3*3阵列布局。
[0204]
像素点选取模块30用于选取一个或多个与所述异常点250相邻的像素点110作为周边像素点300。
[0205]
第二识别模块40对所述周边像素点300进行第二识别处理，从而实现对异常点200的复检。
[0206]
噪点的像素尺寸通常较小(例如，一个噪点的像素尺寸为一个像素点)，这导致区分缺陷和噪点的难度较大。但是，与噪点相邻的像素点均为正常的像素点，与真实缺陷相邻
的像素点通常也是缺陷像素点，因此，在检测过程中，当出现异常点250后，利用第二阈值条件将所述周边像素点300再次进行识别，所述第二阈值条件包含所述第一阈值条件，也即所述第一阈值条件对应的集合包含于所述第二阈值条件对应的集合中，这使得在周边像素点300与正常像素点的差异较小的情况下，仍能被检出，从而能够在异常点250周围检测出更多的缺陷像素点，相应能够更好地区分噪点和缺陷点，以精确判断所述异常点250是否为真实的缺陷点，便于剔除噪点并保留缺陷点，相应降低了出现误检和漏检的概率，进而提高了检测结果的准确性。
[0207]
本实施例中，通过选取与为与所述异常点250紧邻的像素点110作为周边像素点300，使所述周边像素点300的检测结果与异常点250的相关性更高，从而提高后续第二识别处理的检测结果的准确性。
[0208]
本实施例中，所述像素点选取模块30用于选择与所述异常点250的边缘和/或顶角相邻的像素点110作为周边像素点300。具体的，所述周边像素点300的数量为8个，且所述周边像素点300与所述异常点250构成3*3的像素阵列。也就是说，所述异常点250为所述3*3像素阵列中的中心像素点，所述周边像素点300为与所述异常点250紧邻的像素点110。所述异常点250为所述3*3像素阵列中的中心像素点，因此，通过选取8个周边像素点300，有利于提高第二识别处理的结果准确性。
[0209]
在其他实施例中，所述周边像素点的数量为4个，且所述周边像素点与所述异常点呈十字形布局或x型布局。
[0210]
需要说明的是，在所述异常点获取模块70的第三筛选子单元中，在所述连通域内的初始异常点200个数小于预设数量的情况下，判定所述连通域作为所述异常点250。其中，当所述预设数量为多个时，判定所述连通域作为所述异常点250指的是：将所述连通域内的所有初始异常点200作为一个异常点250。相应的，所述像素点选取模块30用于选择与所述异常点250的边缘和/或顶角相邻的像素点110作为周边像素点300，则所述异常点250的周边像素点300个数可以大于8个，例如，当异常点250包括两个初始异常点200时，周边像素点300的个数为10个或6个。
[0211]
还需要说明的是，在其他实施例中，当通过获取与初始异常点相邻的像素点作为临近点，来获取异常点时，则所述像素点选取模块用于将所述初始异常点的临近点作为所述初始异常点的所述周边像素点。
[0212]
第二识别模块40用于对所述周边像素点300进行第二识别处理，将满足第二阈值条件的周边像素点300作为缺陷像素点，所述第二阈值条件包含所述第一阈值条件；判断模块50，用于在所述周边像素点300中存在缺陷像素点的情况下，判定所述异常点200为缺陷点，在所述周边像素点300中不存在缺陷像素点的情况下，判定所述异常点200为噪点。
[0213]
此处，第二阈值条件指的是：符合预设条件的周边像素点300的集合。
[0214]
所述第二阈值条件作为判断周边像素点300是否为缺陷像素点的判断标准，也就是说，在周边像素点300符合所述第二阈值条件情况下，所述周边像素点300作为缺陷像素点。
[0215]
本实施例中，所述第二阈值条件包含所述第一阈值条件，也即所述第一阈值条件对应的集合包含于所述第二阈值条件对应的集合中，从而使得第二识别处理检测出的与正常像素点之间具有差异的像素点数量变多。
[0216]
如果所述异常点200为缺陷点，则位于所述异常点200周围的周边像素点300与正常的像素点110之间通常也是具有差异的，但差异较小，而噪点周围的像素点均为正常的像素点，因此，利用第二阈值条件进行第二识别处理，如果所述异常点200为缺陷点，则如图7(a)所示，在第二识别处理后，还能够在所述异常点200周围再检出一个或多个缺陷像素点，例如，图7(a)示出了在所述异常点200周围的两个周边像素点300被检出为缺陷像素点的情况，而如果所述异常点200为噪点，则如图7(b)所示，在第二识别处理后，所述异常点200周围未能再检测出缺陷像素点，从而对所述异常点200的真实类型进行区分，即区分噪点和缺陷点，以便后续将噪点剔除，并保留缺陷点。
[0217]
本实施例中，所述第二识别模块40包括：第二阈值设置单元，用于设置第二阈值；第三图像选取单元，用于获取参考图像；第二匹配单元，用于对所述参考图像与所述待处理图像100进行匹配处理，使所述待处理图像与所述参考图像匹配区域的像素点一一对应；第三比较单元，用于将所述周边像素点300与所述参考图像中相对应像素点进行比较，获取所述周边像素点300与所述参考图像152中相对应像素点的强度表征值之间的第二差异值；第四比较单元，用于比较所述第二差异值与第二阈值，获取所述第二差异值大于第二阈值的周边像素点300作为第二差异点；第二异常点获取单元，用于利用所述第二差异点获取缺陷像素点。
[0218]
相应的，本实施例中，所述第二阈值条件至少包括：所述第二差异值大于第二阈值，其中，所述第二阈值小于所述第一阈值。
[0219]
本实施例中，通过使所述第二阈值小于所述第一阈值，从而使得所述第二阈值条件包含所述第一阈值条件。
[0220]
具体地，所述第二异常点获取单元包括：第二差异数量获取子单元，用于获取所述第二差异点的个数，得到第二差异数量，第二筛选子单元，用于在所述第二差异数量大于或等于预设数量的情况下，判定当前检测的周边像素点300为缺陷像素点。
[0221]
相应的，所述第二阈值条件还包括：所述第二差异数量大于或等于预设数量。
[0222]
此处的预设数量的最小值为一个，最大值为当前待测的周边像素点300相对应的参考图像152的总数量，预设数量可以根据实际需求进行设定。
[0223]
需要说明的是，在其他实施例中，所述第二异常点获取单元也可以直接将第二差异点作为缺陷像素点。
[0224]
还需要说明的是，第二识别模块40所识别的待测图像151即为所述异常点200所在的单元图像150。
[0225]
本实施例中，所述第二阈值与所述待处理图像100的清晰度正相关。
[0226]
本实施例中，所述第一阈值设置单元用于基于所述初始阈值增加预设偏移量，获得所述第一阈值，所述第二阈值设置单元用于基于所述初始阈值增加预设偏移量，获得所述第二阈值，所述第一阈值对应的预设偏移量与所述第二阈值对应的预设偏移量不相同。
[0227]
具体地，所述第二阈值小于所述第一阈值，从而使所述第二阈值条件包含所述第一阈值条件。
[0228]
在另一些实施例中，也可以为：在所述第一阈值设置单元用于将所述初始阈值作为第一阈值的情况下，所述第二阈值设置单元用于使所述第一阈值与第一比例因子相乘，获得所述第二阈值。在其他实施例中，也可以为：在所述第一阈值设置单元用于使第二阈值
与第二比例因子相乘，以获得所述第一阈值的情况下，所述第二阈值设置单元用于将所述初始阈值作为第二阈值。
[0229]
需要说明的是，在所述第二阈值小于所述第一阈值的情况下，所述第二阈值与所述第一阈值的比值不宜过小，也不宜过大。如果所述第二阈值与所述第一阈值的比值过小，则容易导致所述第二阈值过小，则在进行第二识别处理时，容易导致误检率变高，也就是说，容易将正常的周边像素点300归为缺陷像素点，从而容易误将异常点200归为缺陷点；如果所述第二阈值与所述第一阈值的比值过大，则容易增大漏检的概率，从而容易误将异常点200归为噪点。为此，本实施例中，所述第二阈值为所述第一阈值的60％至80％。
[0230]
所述判断模块50基于所述第二识别模块40的检测结果进行判断。具体地，在所述周边像素点300中存在缺陷像素点的情况下，判定所述异常点200为缺陷点，在所述周边像素点300中不存在缺陷像素点的情况下，判定所述异常点200为噪点。
[0231]
需要说明的是，在其他实施例中，在所述第一识别模块中，采用第三异常点获取单元代替第一比较单元、第二比较单元和第一异常点获取单元；在所述第二识别模块中，采用第四异常点获取单元代替第三比较单元、第四比较单元和第二异常点获取单元。
[0232]
例如，在所述待处理图像为暗场图像的情况下，在所述第一识别模块中，所述第三异常点获取单元，用于将所述待处理图像的像素点与第一阈值进行比较，获取使强度表征值大于所述第一阈值的所述像素点作为初始异常点；所述第一阈值条件包括：所述像素点的强度表征值大于所述第一阈值。
[0233]
相应的，在所述第二识别模块中，所述第四异常点获取单元，用于将所述周边像素点与第二阈值进行比较，获取使强度表征值大于所述第二阈值的所述周边像素点作为缺陷像素点；所述第二阈值条件包括：所述周边像素点的强度表征值大于所述第二阈值；其中，所述第二阈值小于所述第一阈值。
[0234]
或者，在所述待处理图像为明场图像的情况下，在所述第一识别模块中，所述第三异常点获取单元，用于将所述待处理图像的各个像素点与第一阈值进行比较，获取使强度表征值小于所述第一阈值的所述像素点作为初始异常点；所述第一阈值条件包括：所述像素点的强度表征值小于所述第一阈值。
[0235]
相应的，在所述第二识别模块中，所述第四异常点获取单元，用于将所述周边像素点与第二阈值进行比较，获取使强度表征值小于所述第二阈值的所述周边像素点作为缺陷像素点；所述第二阈值条件包括：所述周边像素点的强度表征值小于所述第二阈值；其中，所述第二阈值大于所述第一阈值。
[0236]
在第一识别处理时，获取使强度表征值大于所述第一阈值的所述像素点作为初始异常点，在第二识别处理时，获取使强度表征值大于所述第二阈值的所述周边像素点作为缺陷像素点，因此，通过使所述第二阈值小于所述第一阈值，从而使所述第二阈值条件包含所述第一阈值条件。
[0237]
需要说明的是，如果所述检测系统中仅设置第一识别模块20，且第一识别模块20直接利用第二阈值条件进行第一识别处理，则容易导致误检率过高(例如，将具有一定强度表征值差异、但强度表征值差异处于可接受范围内的像素点归为缺陷点)，因此，本实施例中，在检测系统中还设置了异常点获取模块70、像素点选取模块30、第二识别模块40和判断模块50，先利用第一阈值条件进行第一识别处理，获取初始异常点200，并根据所述初始异
常点200获取异常点250，以排除正常的像素点110或者强度表征值差异处于可接受范围内的像素点110或者确定为缺陷点的像素点110，使得异常点250的数量不会过多，再利用第二阈值条件对周边像素点300进行第二识别处理，以实现对异常点250的复检，从而在减少第二识别处理的数据处理量的情况下，更精准地筛选出真实的缺陷点。
[0238]
本发明实施例还提供一种设备，该设备可以通过装载程序形式的上述检测方法，以实现本发明实施例提供的检测方法。
[0239]
参考图7，示出了本发明一实施例所提供的设备的硬件结构图。本实施例所述设备包括：至少一个处理器01、至少一个通信接口02、至少一个存储器03和至少一个通信总线04。
[0240]
本实施例中，所述处理器01、通信接口02、存储器03和通信总线04的数量均为至少一个，且所述处理器01、通信接口02以及存储器03通过所述通信总线04完成相互间的通信。
[0241]
所述通信接口02可以为用于进行网络通信的通信模块的接口，例如为gsm模块的接口。
[0242]
所述处理器01可能是中央处理器cpu，或者是特定集成电路asic(application specific integrated circuit)，或者是被配置成实施本实施例所述检测方法的一个或多个集成电路。
[0243]
所述存储器03可能包含高速ram存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
[0244]
其中，所述存储器03存储有一条或多条计算机指令，所述一条或多条计算机指令被所述处理器01执行以实现前述实施例提供的检测方法。
[0245]
需要说明的是，上述的实现终端设备还可以包括与本发明实施例公开内容可能并不是必需的其他器件(未示出)；鉴于这些其他器件对于理解本发明实施例公开内容可能并不是必需，本发明实施例对此不进行逐一介绍。
[0246]
本发明实施例还提供一种存储介质，所述存储介质存储有一条或多条计算机指令，所述一条或多条计算机指令用于实现前述实施例提供的检测方法。
[0247]
本实施例的检测方法中，对待处理图像进行第一识别处理，获取所述待处理图像中满足第一阈值条件的像素点作为初始异常点后，根据所述初始异常点获取异常点，选取一个或多个与所述异常点相邻的像素点作为周边像素点，并对所述周边像素点进行第二识别处理，将满足第二阈值条件的周边像素点作为缺陷像素点，所述第二阈值条件包含所述第一阈值条件；其中，与噪点相邻的像素点均为正常的像素点，而与真实缺陷相邻的像素点通常也是缺陷像素点，因此，在检测过程中，当出现异常点后，利用第二阈值条件将所述周边像素点再次进行识别，所述第二阈值条件包含所述第一阈值条件，也即所述第一阈值条件对应的集合包含于所述第二阈值条件对应的集合中，这使得在周边像素点与正常像素点的差异较小的情况下，仍能被检出，从而能够在异常点周围检测出更多的缺陷像素点，相应能够更好地区分噪点和缺陷点，以精确判断所述异常点是否为真实的缺陷点，便于剔除噪点并保留缺陷点，相应降低了出现误检和漏检的概率，进而提高了检测结果的准确性。
[0248]
上述本发明的实施方式是本发明的元件和特征的组合。除非另外提及，否则所述元件或特征可被视为选择性的。各个元件或特征可在不与其它元件或特征组合的情况下实践。另外，本发明的实施方式可通过组合部分元件和/或特征来构造。本发明的实施方式中
所描述的操作顺序可重新排列。任一实施方式的一些构造可被包括在另一实施方式中，并且可用另一实施方式的对应构造代替。对于本领域技术人员而言明显的是，所附权利要求中彼此没有明确引用关系的权利要求可组合成本发明的实施方式，或者可在提交本技术之后的修改中作为新的权利要求包括。
[0249]
本发明的实施方式可通过例如硬件、固件、软件或其组合的各种手段来实现。在硬件配置方式中，根据本发明示例性实施方式的方法可通过一个或更多个专用集成电路(asic)、数字信号处理器(dsp)、数字信号处理器件(dspd)、可编程逻辑器件(pld)、现场可编程门阵列(fpga)、处理器、控制器、微控制器、微处理器等来实现。
[0250]
在固件或软件配置方式中，本发明的实施方式可以模块、过程、功能等形式实现。软件代码可存储在存储器单元中并由处理器执行。存储器单元位于处理器的内部或外部，并可经由各种己知手段向处理器发送数据以及从处理器接收数据。
[0251]
对所公开的实施例的上述说明，使本领域技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其他实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是符合与本文所公开的原理和新颖特点相一致的最宽的范围。
[0252]
虽然本发明披露如上，但本发明并非限定于此。任何本领域技术人员，在不脱离本发明的精神和范围内，均可作各种更动与修改，因此本发明的保护范围应当以权利要求所限定的范围为准。