Blogue PCB - Recherche et mise en œuvre d'un prétraitement d'images basé sur des PCB

Afin d'améliorer la qualité d'image de la carte de circuit imprimé, afin d'améliorer le taux de Survey des images PCB a pré - traité l'image originale en langage MATLAB, Il comprend principalement la transformation grise du domaine spatial de l'image et le filtrage lisse de l'image pour éliminer le bruit. Tout d'abord, the noise threshold, Les méthodes de filtrage médian et de filtrage médian rapide sont étudiées, et propose un algorithme de filtrage médian pondéré rapide. Traitement de l'image par MATLAB, L'histogramme gris et le spectrogramme sont comparés et analysés. Les résultats montrent que le filtre médian pondéré rapide est utilisé. L'algorithme de filtrage résout le problème de la différence de contraste, gros bruit et détails flous des images de carte PCB, Cela améliore considérablement la qualité de l'image.Dans le secteur de l'information, Le PCB est un pilier indispensable. En tant qu'élément de base de divers produits électroniques et support d'information pour l'intégration de divers composants électroniques, les cartes PCB ont évolué rapidement vers la haute performance, Haute vitesse, Couleurs claires, menthe, courtes et petites.  Sa technologie et sa complexité ont atteint un niveau très élevé. Par conséquent, Avec l'expansion du domaine des PCB, L'importance des PCB augmente également. Pendant l'échantillonnage, la quantification et la transmission des images en niveaux de gris À mesurer sur PCB, En raison des variations inégales de la lumière, dispositif à couplage de charge (Dispositifs à couplage de charge) Capteur bruit de la caméra elle - même, and analog-digital acquisition (AD, Analog -to-Digital) process quantization noise, Bruit des particules produit par le processus de photosensibilité, and slight jitter caused by human factors, Attendez,Les images obtenues lors de l'émission et de la réception sont inévitablement influencées par les équipements internes et l'environnement externe, Qui déforme la qualité de l'image , Réduction du rapport signal sur bruit. Pour réduire le bruit, Filtre de lissage disponible pour filtrer l'image à mesurer, cependent, le choix d'un filtre lisse de différentes tailles peut rendre l'image traitée plus ou moins floue. Par conséquent, pour améliorer la qualité de l'image, Les filtres utilisés permettent non seulement d'éliminer efficacement le bruit, mais aussi de préserver au maximum l'aspect original de l'image.

1.Amélioration de l'image
L'amélioration de l'image est une technique qui améliore la qualité de l'image. Comparé au prétraitement de la reconnaissance d'image, Selon l'espace de traitement de l'amélioration d'image, il peut être divisé en deux types: le traitement du domaine spatial et le traitement du domaine de fréquence. Le premier comprend l'effet gris de l'image. Et correction des histogrammes, tous traitent directement les valeurs de niveaux de gris des pixels; Ce dernier est la composante spectrale de l'image analysée, Par transformation de Fourier, the high-frequency and low-frequency parts of the image spectrum are processed, Puis la transformation inverse de Fourier. Transformation des feuilles pour obtenir les résultats d'image souhaités. En raison de l'exposition externe et d'autres facteurs perturbateurs pendant la transmission du canal, Les images de PCB collectées diminuent la luminosité de l'image et augmentent le bruit. Pour éliminer efficacement les nuisances sonores et améliorer le clair - obscur de vos images, cet article sera testé sur la carte PCB. Traitement de transformation en niveaux de gris et traitement de lissage d'image pour le domaine spatial sélectionné dans l'amélioration d'image.

1.1 Transformation des niveaux de gris dans le domaine spatial
Un moyen important d'amélioration de l'image, La transformation en niveaux de gris peut augmenter la portée dynamique de l'image, augmentez le contraste de vos images, Rendre les caractéristiques de l'image plus évidentes et améliorer l'effet d'affichage de l'image. La transformation grise peut être divisée en transformation linéaire et non linéaire. Soit la plage de niveaux de gris de l'image d'origine m (X, y) à [A, b], celle de l'image transformée linéairement n (X, y) à [C, d], la relation leur est la suivante: surexposition, les niveaux de gris de l'image PCB acquise par CCD peuvent varier dans une petite plage, L'ordinateur peut ne pas voir les niveaux de gris et les images floues. Utilisez la transformation linéaire pour étirer linéairement les niveaux de gris de chaque pixel de l'image floue, Peut efficacement améliorer l'effet visuel de l'image. Pour améliorer le poste - traitement and feature extraction of image recognition, Tout d'abord, l'image originale du PCB est traitée à l'échelle grise binaire, L'image est ensuite égalisée à l'aide de la méthode de domaine d'image de la technique de correction d'histogramme.

1.2 Lissage d'image dans le domaine spatial
Le but du lissage d'image est de réduire et d'éliminer le bruit d'image afin d'améliorer la qualité de l'image pour des traitements ultérieurs tels que la segmentation d'image et la reconnaissance d'image. Dans le domaine spatial, la moyenne de voisinage peut être utilisée pour réduire le bruit; Dans le domaine des fréquences, en raison de la plus grande probabilité du spectre de bruit à haute fréquence, diverses formes de filtrage à faible passage peuvent être utilisées. Dans l'espace aérien, le lissage d'image comprend principalement le seuil de bruit, moyenne des quartiers, Moyenne pondérée, filtres médians et autres méthodes.

(1) Seuil de bruit
La méthode du seuil de bruit est une méthode commune d'élimination du bruit qui a une grande efficacité d'élimination du bruit et qui est simple et facile à éliminer. Quand il lisse l'image, C'est le réglage du seuil. Le réglage du seuil affecte directement l'effet de filtrage et les détails de l'image. Puis, Selon les caractéristiques de l'image, détection séquentielle de chaque pixel, Toutes les valeurs de pixels dans son voisinage sont basées sur des formules. La comparaison détermine si un pixel est du bruit. Si ce n'est pas le bruit, Valeur originale du pixel de sortie, Si c'est du bruit, la sortie est la moyenne des niveaux de gris des autres pixels dans le voisinage. Le choix du seuil t dans ce procédé est très important. Si t est trop grand ou trop petit, Cela peut entraîner plus ou moins un lissage insuffisant du bruit ou une image floue.

(2) Filtrage médian
L'algorithme de filtrage médian traditionnel se concentre principalement sur le tri des données de fenêtre. Pour réduire le nombre de permutations et obtenir la médiane plus rapidement, Un algorithme de filtrage médian rapide est proposé. Le tableau est décomposé en un tableau unidimensionnel pour fonctionner, and the array level is first taken. Prendre la médiane de chaque ligne, La médiane de la médiane de chaque ligne horizontale est alors prise en sortie du filtre.

(3) Filtre médian à pondération rapide
Pour résoudre la contradiction entre la réduction du bruit et la protection des détails de l'image, un algorithme de filtrage médian pondéré rapide est proposé, cela augmente non seulement la vitesse de filtrage, le bruit est bien filtré, Et protéger plus de détails d'image.  Pondération, la proportion de pixels centraux dans la fenêtre augmente.Entrée: i1 I2 IN, Filtre médian pondér é de sortie: r représente le poids, Med représente la fonction opérationnelle médiane et spécifie que W = (1, 1, 1) est la fenêtre standard. Spécification: où t est une fonction de seuil, lorsque W est un entier, nombre de composantes de sortie pondérées moyennes 1 1 {WrI ,2} NNW ri: le processus de calcul de l'opération médiane de filtrage médian pondéré rapide med est le suivant:, Trier les numéros CN dans la sortie pondérée par ordre croissant, Le t  ième des CN nombres en sortie après tri est la sortie médiane.

2. Traitement d'amélioration d'image MATLAB

MATLAB prend en charge 5 types d'images, dont les images indexées, les images en niveaux de gris, les images binaires, les images RGB et les tableaux d'images Multi - images; Les images de PCB collectées peuvent d'abord être améliorées par contraste, puis débruiter. Dans le processus d'amélioration du contraste, le bruit d'origine de l'image augmente également considérablement, Par conséquent, le traitement ultérieur du bruit d'image ne peut pas obtenir de bons résultats. Ainsi, cet article commence par un traitement de débruitage de l'image, suivi d'un traitement d'amélioration. Sur l'image du PCB collectée, Il peut y avoir du bruit qui nécessite un débruitage, Intensité insuffisante de la source lumineuse, Et l'image dans son ensemble peut être sombre. Forster, L'image acquise est convertie en niveaux de gris à l'aide de la fonction rgb2gray. L'image (256 couleurs) est comparée à la méthode proposée ici et à la méthode traditionnelle de filtrage médian pour traiter une image PCB contenant du bruit de sel de poivre. Après dénouement, Transformation en niveaux de gris pour améliorer les images PCB. La luminosité du spectre d'amplitude reflète l'amplitude de chaque composant de fréquence, Et l'énergie de l'image est principalement concentrée dans la bande basse (partie centrale). Bien que la bande haute fréquence contienne une petite quantité d'énergie, Il contient des informations importantes sur l'image. L'information de bord de l'image appartient à l'information de haute fréquence. En même, le niveau de gris du bruit varie rapidement, c'est aussi une information à haute fréquence. Comme le montre la figure, les deux méthodes de filtrage suppriment dans une certaine mesure la composante haute fréquence de l'image., and can effectively filter out the noise in the high-frequency band, Mais la composante basse fréquence, c'est ça, Partie lisse du changement de niveau gris, the image contour information is affected. L'histogramme montre également que les niveaux de gris de 150 à 200 qui changent lentement ont été détruits, la médiane pondérée protège bien les informations de contour. Comme le montre l'histogramme traité au niveau gris, l'histogramme occupe la plage admissible de la valeur grise de l'image entière, cela augmente la plage dynamique des niveaux de gris de l'image, Augmente également le contraste de l'image, et plus de contraste visuel dans l'image. Mettre en évidence les détails.

3. Conclusion

Dans cet article, les images de carte PCB collectées sont généralement sombres, contrastées et bruyantes pour le prétraitement de l'image. Y compris le filtrage spatial et la transformation grise pour l'amélioration d'image. Parce que les filtres médians traditionnels sont plus influencés par la taille de la fenêtre du filtre, les détails de l'image traitée deviennent flous. Un algorithme amélioré de filtrage médian pondéré, analyse de la qualité de l'image après traitement à partir d'histogrammes et de spectrogrammes en niveaux de gris. Les résultats montrent que la vitesse et la qualité du filtre sont meilleures que celles du filtre médian traditionnel. Cela améliore considérablement la capacité de protection des traces d'image des PCB, Composants et autres bords, Et le contour global de l'image. Par transformation en niveaux de gris, Les détails de l'image deviennent plus clairs, et améliore le taux de reconnaissance des images de la carte PCB post - traitement.