一种高速高精度的改进分水岭算法.docVIP

一种高速高精度改进分水岭算法 作者：黄恢乐?胡… 文章来源：电子技术应用 21ic 点击数： 更新时间：2007-7-5 23:22:20 ? ?摘要：针对高速高精度帧片机视觉检测中的元件图像分割问题，提出了一种改进分水岭算法。该算法结合传统的边缘检测和阈值分割，并采用一定的集水盆区域合并准则，有效地抑制了过分割现象。现场运行结果表明该算法效果很好，满足了帧片机视觉检测的要求。 分水岭算法 贴片机 图像分割 随着表面贴装技术的迅速发展，贴片机在我国电子组装行业中的应用越来越广泛。它是机-电-光以及微型计算机控制技术的综合体，通过吸取-位移-定位-放置等功能，实现了将表面贴装元件快速而准确地贴装到PCB板指定的焊盘位置。其中贴片机视觉检测的任务是完成帖装元件的中心定位、质量检测以及贴装校正等。而实现正确的视觉定位与检测的前提是保证图像的正确分割，即将贴装元件准确地从图像的背景中分割出来。 图像分割作为由图像处理到图像分析的关键步骤，至今已有许多相关算法被提出，大致分为三类：一是基于阈值的方法；二是基于区域的方法；三是基于边缘的方法。尽管这些方法已被广泛应用于医学图像分割、遥感影像特征提取以及红外目标检测等诸多领域中，但对于贴片机这种高速运动环境下的高速高精度图像分割算法国内目前尚处于研究应用的起步阶段。??? 分水岭（Watershed）算法是一种新近发展起来的数学形态学图像分割方法。这种方法之所以引起人们的重视，一是其计算速度较快，二是物体轮廓线的封闭性，三是定位的精确性。但分水岭算法对微弱边缘也具有良好的响应，因此采用分水岭算法进行图像分割时，通常会产生过度分割的现象。 本文针对项目组在国内率先研制和产业化的八头全自动高速高精度贴片机中涉及的微型计算机视觉检测问题，提出了一种以分水岭算法为基础，并结合传统的边缘检测和阈值分割算法的改进分水岭算法，避免了分水岭变换过度分割的缺陷，实现了贴装元件与背景的精确分割。 1 传统阈值分割算法及其缺陷 简单说来，灰度图像的阈值分割就是先确定一个处于图像灰度取值范围之中的灰度阈值，然后将图像中各像素的灰度值与这个阈值相比较。像素灰度值大于阈值的为一类，像素灰度值小于阈值的为另一类，灰度值等于阈值的像素可归入上述两类之一。这两类像素一般分属图像中的两类区域，所以对像素根据阈值分类就达到了将目标从背景中分割出来的目的。 如果要把图像中各种灰度的像素分成多个不同的类，那么需要选择一系列阈值以将每个像素分到合适的类别中去。如果只用一个阈值分割称为单阈值分割方法，如果用多个阈值分割称为多阈值分割方法。 一幅原始图像f(x,y)取单阈值T分割后的图像可定义为： 在一般的多阈值分割情况下，取阈值分割后的图像可表示为： F（x,y）=k 如Tk-1f(x,y)≤Tk k=0,1,2,…，K （2） 其中T0，T1，…，Tk是一系列分割阈值，k表示赋予分割后图像各区域的不同标号。 由此可见，阈值分割算法主要有两个步骤： （1）确定需要的阈值； （2）将分割阈值与像素值比较以划分像素。??? 以上步骤中，确定阈值是分割的关键，如果能确定一个合适的阈值就可以方便地将图像分割开来。但由于图像的复杂多变性，确定一个准确的阈值并非易事。近年来许多阈值分割算法还借用了神经网络、模糊数学、遗传算法、小波变换等工具，但由于所处理的图像不同，每种方法的适用性都受到一定的局限。特别是对于贴片机，照明情况复杂多变，光照条件和变化对贴装元件图像的灰度分布以及元件与背景的对对度影响很大，因此很难确定一个准确的阈值来对图像进行分割，传统的阈值分割算法受到了很大限制。特别当元件与背景的对比度差或元件旁边有干扰点时，即使阈值已被确定，也有可能导致误分割。 2 传统分水岭算法及其缺陷 分水岭算法是一种基于数学形态学的分割方法，基本原理是把灰度图像看作是测地学上的地形表面，图像中每个像素的灰度值代表该点的海拔高度，图像中每一个局部极小值及其影响区域被称为集水分别，而集水分盆的边界则形成分水岭。分水岭的计算方法很多，图1描述了分水岭算法的经曲体形：浸没模拟。在图像的每一个局部极小值处刺穿一个小孔，然后将其逐渐深入一个湖中，图像的局部极小值点先进水，水逐渐浸入整个集水盆地。当水位达到盆地的边缘高度就将溢出，这时在水溢出处建立堤坝。如此直到整个图像沉入水中，所建立的堤坝就成为分开盆地的分水岭。 g(x,y)=W{f(x,y)} (3) 基于上述浸没模拟，人们提出了许多分水岭计算方法，比较经典的是Vincent L提出的。在该算法中，分水岭计算分为两个步骤，一个是排序，另一个是淹没。首先按像素灰度值的升存排列像素，然后升序实现淹没过程，并利用一个先进先出的数据结构，即循环队列来扩展标记过的聚水分别地。通过一定的规则，分配分水岭标