Технология PCB - Исследования и реализация предварительной обработки изображений PCB

Улучшенная обработка изображений MATLAB

MATLAB поддерживает 5 типов изображений, включая индексированные изображения, изображения серого цвета, двоичные изображения, изображения RGB и массивы изображений с несколькими кадрами; Можно сначала увеличить контрастность собранных PCB - изображений, а затем уменьшить их шум. При использовании этого метода исходный шум изображения также значительно увеличивается в процессе повышения контрастности, что делает последующую обработку изображения без шума неэффективной.

Таким образом, в этой статье используется изображение, которое сначала шумит, а затем усиливается. На собранном изображении PCB может быть шум, требующий шумоподавления, сила источника света недостаточна, изображение в целом может быть темным, сначала используйте функцию RGB2GRAY для преобразования собранного изображения в серое изображение (256 цветов), Изображения PCB, содержащие шум перец - соли, были сопоставлены с методами, предложенными в этой статье, и традиционными методами фильтрации среднего значения, а изображения PCB были улучшены путем преобразования серого после шумоподавления.

Можно видеть, что для изображений PCB с шумом перец - соли традиционный 3 * 3 медианный фильтр хорошо справляется с шумом изолированных точек, но следы и компоненты на изображениях PCB значительно размыты, а детали изображения не очень качественны. Достигнуты очень хорошие результаты. Имитационное изображение, которое быстро взвешивает медианную фильтрацию изображений PCB, содержащих шум перец соли, имеет очевидный эффект шумоподавления, а скорость фильтрации также увеличивается. Детали изображений и следов могут быть хорошо сохранены.

Гистограмма серого до и после шумоподавления изображений PCB с горизонтальными координатами уровня серого и вертикальными координатами соответствующего количества пикселей для каждого уровня серого. Среди них пиксельное значение 255 - это шум перец - соли. Сравнивая эти два изображения, ясно, что эти два метода фильтрации могут хорошо удалять шум, но средний фильтр фильтрует многие уровни серого, такие как 150 - 200. Уровень серого размывает границы, пики и значения долины разрушаются. Средневзвешенная фильтрация может преодолеть эти недостатки. Динамический диапазон серого и серого уровней может быть хорошо сохранен, а расположение вершин и долин хорошо сохранено. Все они хорошо сохранились, поэтому многие детали изображения видны четко, чтобы лучше анализироваться.

1 на рисунке показан спектр, полученный в результате преобразования Фурье, и для удобства анализа в соответствии с циклическим характером преобразования Фурье перенести нулевую частоту в середину. Яркость амплитудного спектра отражает амплитуду каждой частотной составляющей, а энергия изображения сосредоточена в основном в низкочастотной полосе (центральной части).

Хотя высокочастотная полоса содержит небольшое количество энергии, она содержит важную информацию для изображения. Краевая информация изображения относится к высокочастотной информации. Аналогичным образом, уровень серого шума быстро меняется, что также является высокочастотной информацией. Как видно из рисунка, оба метода фильтрации в определенной степени подавляют высокочастотные компоненты изображения и могут эффективно отфильтровывать шум в высокочастотном диапазоне, но низкочастотные компоненты, то есть части с плавным изменением серого цвета, влияют на профильную информацию изображения. Ущерб Из гистограммы также видно, что медленно меняющийся уровень серого 150 - 200 был нарушен, и взвешенное среднее значение хорошо защищает профильную информацию, делая детали более заметными и улучшая изображение. Как видно из гистограммы после обработки серого, гистограмма занимает допустимый диапазон значений серого цвета по всему изображению, что увеличивает динамический диапазон серого цвета изображения и контраст изображения. В изображении больше визуального контраста. Сделайте детали более заметными.

Выводы

В этой статье в основном проводится предварительная обработка собранных темных, контрастных и шумных изображений PCB, в том числе технология пространственной фильтрации и преобразование градации серого изображения. Поскольку традиционный медианный фильтр больше зависит от размера окна фильтра, детали обработанного изображения становятся размытыми. Качество обработанных изображений анализируется на основе гистограммы серого цвета и спектральной карты с помощью улучшенного алгоритма фильтрации взвешенных средних значений. Результаты показали, что скорость и качество фильтрации значительно улучшились. Он выходит за рамки традиционной медианной фильтрации и значительно улучшает защиту маршрутов, компонентов и других краев изображения PCB, а также защиту общего контура изображения. Наконец, преобразование серого цвета делает детали изображения более четкими и улучшает скорость распознавания изображений PCB. Обработка