Technologie PCB - Segmentation d'image pour carte de circuit imprimé PCB

Voici une introduction à la segmentation d'images de circuits imprimés PCB:

1 Front

La segmentation par seuil est une étape clé du prétraitement des images. Son essence est de déterminer un seuil pour chaque pixel. En fonction de ce seuil, on détermine si le pixel courant est un pixel de premier plan ou un pixel d'arrière - plan. Actuellement, il existe un grand nombre de méthodes de traitement des seuils, telles que les seuils globaux et le positionnement. Le seuil de domaine est la méthode de segmentation la plus simple, tandis que ce dernier divise l'image entière en plusieurs sous - images, chacune utilisant un seuil différent pour la segmentation.

Cet article analyse cet algorithme et propose sur cette base une méthode améliorée de sélection de seuil adaptatif. La pratique a prouvé que la méthode était simple, peu calculée, rapide et statistiquement précise, capable d'obtenir le seuil de l'image dans le temps et de segmenter l'image PCB avec de très bons résultats. Après la segmentation de l'image, le graphique cible est garanti complet. Après l'amélioration de l'image, les circuits ouverts et les courts - circuits deviennent plus nets et saillants, bien préparés pour le traitement ultérieur de l'image.

2 Théorie algorithmique

Algorithme de segmentation de seuil adaptatif:

(1) diviser l'image en 4 sous - Images;

(2) Calculer la moyenne de chaque image de caractère;

(3) Fixer des seuils en fonction de la moyenne, les seuils ne devant être appliqués qu'aux sous - images correspondantes;

(4) selon le seuil, chaque sous - bloc est divisé.

Dans cet algorithme, la moyenne est utilisée comme seuil pour les sous - blocs.

Caractéristiques de répartition des niveaux de gris d'une carte de circuit imprimé présentant les caractéristiques suivantes:

(1) Il y a des pics de fond et des pics cibles évidents;

(2) Les deux pics sont éloignés l'un de l'autre et les valeurs de gris entre eux sont sensiblement les mêmes, sans creux perceptibles;

(3) Les changements de niveaux de gris des points de pixels d'arrière - plan et des points de pixels cibles sont continus et les niveaux de gris des limites de la cible sont progressifs et non soudains.

Il s'avère en pratique que l'algorithme n'est pas adapté aux cartes de circuits imprimés et que la segmentation n'est pas très efficace, car le niveau de gris moyen n'est pas nécessairement le creux de l'histogramme et il y a une grande partie de la zone plate dans l'histogramme du PCB, voire un niveau de gris 0. Pour segmenter avec précision l'image du PCB, il est nécessaire de rechercher un autre moyen efficace. Notez que le point de la valeur moyenne des niveaux de gris est situé entre les deux pics (c. - à - d. La valeur moyenne des niveaux de gris). Cette valeur est intermédiaire entre la valeur de niveau de gris de fond et la valeur de niveau de gris cible) et est proche de la vallée d'onde, on considère donc de trouver un point minimum dans sa zone. Pour segmenter l'image cible du PCB, vous pouvez d'abord déterminer le pic cible de l'histogramme, puis déterminer le point de minimum, puis trouver le pic de fond. Utilisez le point minimum comme seuil de segmentation et sélectionnez une échelle de gris près du pic cible et du pic de fond. Les valeurs de degrés sont utilisées comme seuils pour l'augmentation du circuit ouvert et du court - circuit, respectivement. Dans les images de PCB, parfois la cible est clairsemée, mais parfois la cible est dense. Trouver le plus grand point de l'histogramme entier est relativement simple, mais comment déterminer si ce pic est un pic de fond ou un pic cible devient la clé du problème.

Pour une image PCB générale, la cible (fil de cuivre) est représentée par un niveau de gris élevé et le fond par un niveau de gris faible. Une méthode de recherche de seuil viable est discutée ci - dessous.

(1) trouvez la valeur de niveau de gris correspondant au pic maximal. Additionner la valeur maximale de F (h) dans l'intervalle de gris complet [0255], la valeur correspondante étant H;

(2) Calculer le niveau de gris moyen de l'image:

(3) déterminer s'il s'agit d'un pic de fond ou d'un pic cible:

Si le point de minimum est sélectionné, le minimum est trouvé dans le voisinage 30 du point moyen et la valeur correspondante est hmin.

Remarque: la taille de la Cellule peut être choisie en fonction de la situation réelle.

Le deuxième point de crête est déterminé par (5):

Si seul le pic de fond HB est trouvé en (3), le minimum de F (h) est trouvé dans l'intervalle de niveaux de gris [hmin, 255] et la valeur correspondante est le point de pic cible HF;

Si le pic cible HF est trouvé en (3), le minimum de F (h) est trouvé dans l'intervalle de niveaux de gris [0, hmin] et la valeur correspondante est le pic de fond HB;

(6) Utiliser hmin comme seuil pour effectuer la segmentation de l'image;

Trouver un niveau de gris (en général HB + 10) près de la droite du pic de fond HB et réaliser un renforcement en court - circuit;

Localisez le niveau de gris (généralement HF - 10) près de la gauche du pic cible HF pour une amélioration en circuit ouvert.

Note: cet algorithme est particulièrement adapté aux images successives d'histogrammes. Pour un histogramme discontinu, vous pouvez d'abord effectuer une interpolation adjacente, puis convertir l'histogramme en un Graphe continu. La méthode décrite ci - dessus peut alors être utilisée pour déterminer le seuil.

3 résultats expérimentaux

Lorsque du bruit est présent dans une image PCB, deux méthodes sont généralement utilisées:

(1) filtrer d'abord et binariser ensuite, de sorte que l'image PCB originale perdra beaucoup d'informations de détail de bord, ce qui rend les résultats statistiques inexacts;

(2) Il n'y a pas de traitement, mais cela crée beaucoup de petits bruits dans l'image et les résultats statistiques ne sont pas assez précis.

Pour garantir l'exactitude des résultats statistiques, il ne faut pas non plus perdre certains bords de l'image et réduire la largeur des lignes sous l'effet du filtrage, et ces points bruités ne doivent pas être considérés à tort comme des lignes pour la statistique. Vous pouvez utiliser la binarisation avant de la supprimer. Méthode du bruit.

Dans cette expérience, les images de PCB obtenues à partir de la caméra sont relativement nettes et très peu bruyantes, de sorte que le traitement est effectué directement.

Les résultats expérimentaux montrent que la méthode est pratique, rapide et simple.