PCB科技 - 印刷電路板的影像分割

下麵是對影像分割的介紹 印刷電路板：

1前沿

閾值分割是影像預處理的關鍵步驟。 本質是確定每個點數的閾值。 根據閾值，確定當前點數是前景還是背景。 現時，有大量的閾值處理方法，如全域閾值和局部閾值。 域閾值是最簡單的分割方法，而域閾值將整個影像分割為多個子影像，每個影像使用不同的閾值進行分割。

本文分析了該算灋，並在此基礎上提出了一種改進的自我調整閾值選擇方法。 實踐證明，該方法簡單、計算量小、速度快、統計準確，並能及時獲得影像的閾值，且PCB影像分割效果很好。 分割影像後，保證目標圖形的完整性。 圖像增強後，斷路和短路變得更加清晰和突出，為後續的圖像處理做好了充分準備。

2算灋理論

自我調整閾值分割算灋：

（1）將影像分為4個子影像；

（2）計算每個字元影像的平均值；

（3）根據平均值設定閾值，閾值僅應用於對應的子影像；

（4）根據閾值劃分每個子塊。

在該算灋中，平均值用作子塊的閾值。

印刷電路板的灰度分佈特徵，具有以下特徵：

（1）有明顯的背景峰和目標峰；

（2）兩個峰值相距較遠，它們之間的灰度值基本相同，沒有明顯的波谷；

（3）背景點數點和目標點數點的灰度變化是連續的，目標邊界的灰度是漸變的，而不是突變的。

實踐證明，該算灋不適用於印刷電路板, 分割效果不是很好, 因為平均灰度不一定是長條圖的波谷, 這片土地上有很大一部分是平坦的 PCB長條圖, 甚至0灰度，以便準確分割 PCB影像, 有必要找到另一種有效的方法. Note that 這個 average gray value point is between the two peak values (ie, the average gray value). The value is between the background gray value and the target gray value) and is close to the trough, 囙此，考慮在其區域中找到最小點. 為了分割PCB的目標影像, 首先可以確定長條圖的目標峰值, 然後可以確定最小值點, 然後可以找到背景峰值. 最小值點用作分割閾值, 在目標峰值和背景峰值附近選擇灰度. 度值分別用作斷路和短路增强的閾值. 在 PCB影像, 有時目標是稀疏的, 但有時目標很密集. 找到整個長條圖的最大點相對簡單, 但是，如何確定該峰值是背景峰值還是目標峰值成為問題的關鍵.

對於一般PCB影像，目標（銅線）由高灰度表示，背景由低灰度表示。 下麵討論了一種可行的閾值蒐索方法。

（1）找到最大峰值對應的灰度值。 求全灰度區間[0255]中f（H）的最大值，對應值為H；

（2）計算影像的平均灰度：

（3）確定它是背景峰值還是目標峰值：

如果選擇了最小值點，則在平均點的30個鄰域中找到最小值，相應的值為Hmin。

注：鄰域大小可根據實際情況選擇。

第二個峰值由（5）確定：

如果在（3）中僅找到背景峰值Hb，則在灰度區間[Hmin，255]中找到f（H）的最小值，相應值為目標峰值Hf；

如果在（3）中找到目標峰值Hf，則在灰度區間[0，Hmin]中找到f（H）的最小值，相應值為背景峰值Hb；

（6）使用Hmin作為閾值進行影像分割；

在背景峰值Hb右側附近找到一個灰度級（通常為Hb+10），並進行短路增强；

在目標峰值Hf左側附近找到一個灰度級（通常為Hf-10），用於開路增强。

注：該算灋特別適用於長條圖的連續影像。 對於不連續長條圖，可以首先執行相鄰插值，並將長條圖轉換為連續圖。 然後可以使用上述方法來確定閾值。

3實驗結果

當車內有譟音時 PCB影像, two methods are usually adopted:

（1）先濾波後二值化，使原始PCB影像遺失大量邊緣細節資訊，使得統計結果不够準確；

（2）無需處理，但這會導致影像中出現大量小雜訊，統計結果也不够準確。

為了確保統計結果的準確性，不應由於濾波的影響而遺失影像的某些邊緣和减小線寬，並且不應將這些雜訊點錯誤地視為統計線。 您可以先使用二值化，然後删除它們。 雜訊法。

在本實驗中，從攝像機獲得的印刷電路板影像相對清晰，雜訊很小，囙此直接進行處理。

實驗結果表明，該方法是一種實用、快速、簡單的方法。