PCB科技 - PCB影像預處理的研究與實現

MATLAB圖像增強處理

MATLAB支持5種影像類型，包括索引影像、灰度影像、二值圖像、RGB影像和多幀影像陣列； 收集的PCB影像可以先增强對比度，然後去噪。 如果採用這種方法，影像的原始雜訊在增强對比度的過程中也會大大新增，使後續的影像去噪處理無法取得很好的效果。

因此, 本文首先使用影像去噪，然後對其進行增强. 上 PCB影像 獲得, 可能存在需要去噪的雜訊, 光源强度不够, 影像整體可能較暗, first use 這個 RGB2GRAY function to convert the collected picture into a grayscale image (256 colors), the PCB影像 將含椒鹽雜訊的方法與本文提出的方法和傳統的中值濾波方法進行了比較, 和 PCB影像 在去噪後通過灰度變換增强.

可以看出 PCB影像帶有椒鹽譟音的s, the traditional 3*3 median filter has a good effect on the noise of isolated points, 但是這些痕迹和成分 PCB影像 明顯模糊, 影像細節質量不好. 取得很好的效果. The simulation image of fast weighted median 印刷電路板的濾波 image含椒鹽雜訊的s具有明顯的去噪效果, 濾波速度也得到了提高. 影像和痕迹的細節可以很好地保持.

去噪處理前後PCB影像的灰度長條圖，圖中橫坐標為灰度，縱坐標為每個灰度對應的圖元數。 其中，255的點數值是椒鹽雜訊。 比較兩幅影像，很明顯這兩種濾波方法可以很好地去除雜訊，但中值濾波濾除了許多灰度級，如150-200。灰度級使邊界模糊，峰穀被破壞。 加權中值濾波可以克服這些缺點。 可以很好地保留灰度級和灰度動態範圍，峰穀位置也得到了很好的保留。 它們都保存得很好，所以影像的很多細節都可以看得很清楚，以便更好地進行分析。

1圖片是通過傅立葉轉換獲得的頻譜，為了便於分析，根據傅立葉轉換的週期性，將零頻率移到中間。

幅度譜的亮度反映了每個頻率分量的幅度，影像的能量主要集中在低頻段（中心部分）。

雖然高頻帶包含少量能量，但它包含影像的重要資訊。 影像的邊緣資訊屬於高頻資訊。 同樣，雜訊的灰度變化很快，這也是高頻資訊。 從圖中可以看出，兩種濾波方法都在一定程度上抑制了影像的高頻分量，並可以有效地濾除高頻帶中的雜訊，但低頻分量，即灰度平滑變化的部分，會影響影像的輪廓資訊。 損壞 從長條圖中還可以看出，緩慢變化的150-200灰度級被破壞，加權中值可以很好地保護輪廓資訊，以使細節更加突出，增强影像。

從灰度處理後的長條圖可以看出，長條圖佔據了整個影像灰度值的允許範圍，這新增了影像灰度的動態範圍，也新增了影像的對比度。 影像中的視覺對比度更大。， 使細節更加突出。

2結論

本文主要對收集到的數據進行預處理 PCB影像是黑色的, 對比度差, 譟音大, 主要包括空間濾波科技和圖像增強灰度變換. 因為傳統的中值濾波處理後更受濾波視窗大小的影響, 處理後的影像細節變得模糊. 通過改進的加權中值濾波算灋, 根據灰度長條圖和頻譜圖分析處理後的圖像品質. 結果表明，該方法大大提高了濾波速度和質量. 超越傳統中值濾波, it significantly improves the PCB的保護 image 踪迹, 組件和其他邊緣, 和整體影像輪廓. 最後, 灰度變換使影像細節更加清晰，提高了影像的識別率 PCB影像s. 處理.