pcb缺陷检测中图像分割算法的分析解析跟比较资料精.pdfVIP

PCB 缺陷检测中图像分割算法的分析与比较 摘要：图像分割在图像处理中占有重要的地位，分割结果的好坏直接影响图像的后续处理。本文介绍 了4 种常用的图像分割方法及其在 PCB 缺陷检测中的应用，并且利用实际的分割效果对 4 种分割方法进行 了比较。对PCB 检测的实际应用提出了一种比较好的图像分割思路，并且做了实验研究。 关键词：图像处理；图像分割；PCB 检测 引言： 图像分割是图像处理中的一项关键技术，分割结果的好坏直接影响到图像的后续处理。 本文中图像分割的目的是根据图像灰度等级准确划分出其中有意义的目标区域。但是由于系 统在 PCB 图像的采集、传输过程中，由于光照不均，CCD 摄像机自身的电子干扰，都不同 程度的带来噪声，使图像污染。这些噪声也给图像分割带来了一定的难度。而传统的图像分 割方法针对实际应用，本文分别采用四种公认比较好的分割方法对 PCB 图像进行分割，并 对分割效果进行了比较，最后确定了适合 PCB 检测的图像分割方法。下面对它们进行具体 说明。 1. 基于标准图像的模糊推理法 模糊理论在图像处理中的应用越来越广。在图像分割中，它可以把数据的校验用一些 [1] 模糊规则来进行描述。用基于标准图像的模糊推理法进行图像的分割主要包括以下几步 ： (1) 计算原始图像的灰度直方图并用迭代阈值法计算它的阈值； (2) 寻找目标和背景的像素簇的峰值； (3) 计算 LD(象素值低与较低之间的阈值)和 LB （像素值高与较高之间的阈值）； (4) 使用模糊逻辑方法（FLM-fuzzy linguistic method ）来获取二值图像数据； 待处理 PCB 图像的灰度直方图如图 1 所示 像素数 像素值 Darkmax threshold Brightmax 255 图 1 像素值直方图 Fig.1 Pixel value histogram 背景和目标对象是直方图中的两个簇。这里采用迭代阈值的方法来求取待检测图像的阈值。 [2] 具体过程如下 ： （ 及H ,令阈值初始值为： 1） 求出图像中的最小和最大灰度值Hmin max 1 0 T = (Hmin+Hmax) （1） 2 K (2) 根据阈值T 将图像分割成目标和背景两部分，求出两部分的平均灰度值H 、H 及新的 0 b 阈值T k+1 ∑h k ∑h k k k k T k T k H k H b 0 （2 ） （3 ）