K-均值聚类算法在电容器外观图像分割中的应用.PDFVIP

计 算 机 系 统 应 用 2012 年 第 2 1 卷 第 2 期 K-均值聚类算法在电容器外观图像分割中的应用① 孙克辉，洪天勤 ( 中南大学 物理科学与技术学院，长沙 410083) 摘 要：电容器是电子整机产品的必要器件。由于制造工艺及设备水准的限制，露白是一种常见的电容器外观 缺陷。基于 K-均值聚类算法，结合露白电容器外观图像的特点，提出了电容器露白区域分割算法。根据 Ohta 等 人的研究成果，选取能有效表示彩色特征的彩色特征集中的第一个分量，用来替代 K-均值聚类图像分割中的灰 度；确定分类类别数为两类，采取了粗糙集理论的算法，求出初始聚类中心和间距阈值。实验表明，该图像分 割算法能有效分割出电容器图像的露白区域，具有较好的精确度和准确度。 关键词：电容器；K-均值；粗糙集；图像分割 Application of K-Means Clustering Algorithm to Capacitor Appearance Image Segmentation SUN Ke-Hui, HONG Tian-Qin (School of Physics Science and Technology, Central South University, Changsha 410083, China) Abstract ：Capacitor is the necessary component of electronic whole products. Because of manufacturing technology and the limit of equipment’s level, the thief is a common capacitor cosmetic defects. This paper puts forward a regional segmentation algorithm of the thief capacitor based on the k-means clustering algorithm and combining the characteristics of the image of the thief capacitor. According to the research results of Ohta, et al, the first component of color feature is chosen and used as the image segmentation by employing the K-means clustering method. This paper defines the number of classification is two, and gives the algorithm of initial clustering center and spacing threshold according to rough set theory. Experimental results show that this image segmentation algorithm can effectively segment the thief area of the capacitor image, and have good precision and accuracy. Key words: capacitor; K-means; rough set; image segmentation 目前，计算机视觉技术在工业产品的检测中起到 遍使用的分割准则，必须根据有关图像的先验知识， 了愈加重要的作用，可以代替人来完成一系列具有重 在不同的场合采取不同的图像分割技术。 复性和一定风险的工作，大大提高了生产效率，实现 近年来，K-均值聚类法在彩色图像分割中一直受 了生产自动化。要实现基于计算机视觉的电容器外观 到广泛应用。K-均值聚类法是一种无监督动态算法， 不良产品的检测，首先要获得产品的外观特征等信息，