江门崇达电路技术有限公司 广东江门 529000
摘要：在现阶段有着许多的依托于机器视觉的检测，这种检测在PCB检测当中得到了较为广泛的应用。但是这种检测方法也有着较为显著的检测效率不高的问题。为了对这个问题进行有效的解决，在实际的算法当中提出了局部阈值分割方法，这种方法与全局的分割有着较大的不同，与此同时根据实际的检测情况来针对PCB缺陷检测进行数学形态运算结构元素的选择，用这种方式完成PCB图像的形态滤波，在此之后能够得到PCB边缘信息。从仿真分析的结果来看，效果较为显著，能够被较好的使用。
关键词：PCB缺陷检测；局部自适应分割算法；边缘检测
在现阶段电子信息技术得到不断发展的情况之下，越来越多的人开始重视电路板的图像处理，而在实际的PCB缺陷检测之中，经常会用到人工检测以及依托于机器视觉的检测方法，而后者在当前科学技术不断发展的情况之下有着越来越广泛的应用趋势。这种检测主要是通过摄像头来得知具体的电路板图像，在此之后将图像传输到计算机上来进行进一步的滤波、边缘检测等来得知其缺陷信息，这种获取形式有着自身的高效优点，但是在进行边缘信息获取的时候却无法完全考虑环境和场合带来的影响，就导致所获取的边缘信息的准确性不能得到保障。面对这种精确性不能得到保障的问题，本文将对局部自适应分割算法进行分析，在利用此种算法的基础上加上数学形态来完成边缘检测PCB图像的任务。
1.PCB图像边缘检测流程
首先文章将先行分析PCB图像边缘检测流程，从这个角度出发能够先了解边缘检测当中的各个环节，使下文当中实际的局部自适应以及数学形态的分析更为完整。
在实际的边缘检测当中，首先要做的就是通过摄像头的使用来得到相关图像，具体的图像拍摄可能会受到来自噪声等客观因素的干扰，这些干扰会让边缘检测的结果变得不精确，为了解决这个问题，就必须在图像灰度化之后再行对其进行滤波，在此之后通过局部自适应分割算法来得到图像阈值，并且在此基础上对PCB图像进行实际的分割，分割之后可完成边缘检测。具体的检测流程如下图。
2.具体算法的实现
2.1局部自适应分割
在实际的处理过程当中，环境以及条件都会对图像产生较大的影响，像是光照和噪声等等都会使图像产生照度不均匀的现象，而在这种不均匀的情况在再用单一阈值分割的话就会出现效果较差的问题，这是因为照度不均匀的时候所分割的图像阈值无法兼顾整个域。为了有效解决这种问题，文章将使用局部自适应分割来处理PCB图像。首先要做的就是图像分块，对每一块PCB图像都用一个单独的阈值来完成分隔。在分块之后对每一块的的图像阈值进行计算，计算方法可以使用最大类间方差二值化法，也就是OSTU。就分块图像来说，能够在阈值的基础上对图像像素进行两部分的分割，如下图显示，（1）和（2）就是这两部分，而（3）和（4）则是均值计算，（5）（6）则是方差的计算，将计算出的结果进行带入，如果想要t值成为阈值，则需要满足代入到（7）的结果是最大的条件。
在上述环节完成之后已经达到了对图像阈值分隔的目的，也能够看出分块的数量与分隔效果、计算量成正比。在分割原始图像的时候一般会采用分块的办法，文章所选用的案例将整个PCB图像分割成为三十二块，对每一块图像的阈值进行计算，计算之后的结果显示三十二块图像的分割大致上能够满足实验需求，如果设置的分块数量不足，则会对实际的分隔效果产生较为不利的影响。
2.2数学形态
在实际的数学形态学当中，进行图像处理的时候必须构建结构元素，使其完成依托于图像的匹配操作，通过这种形式来得到图像的特征，并且对消除噪声能够起到较好的效果。
如下图公式，（8）为膨胀运算，（9）为腐蚀运算，（10）为开运算，（11）为闭运算，由上述的膨胀运算和腐蚀运算作为（10）和（11）的运算基础，开运算的运算过程是先腐蚀然后膨胀，闭运算与其相反。
开操作的作用主要是去除峰值噪音，能够较好的处理毛刺，在实际的检测电路板的过程当中，通过开操作能够有效的消除电路板毛刺，完成此操作之后其会与标准电路板异或，而这种结果能够完善的显示出PCB毛刺缺陷；而闭操作主要是为了对波谷噪声进行有效的消除，完成填平小沟结构的任务，那么在进行闭操作之后，能够对PCB板的凹陷部分进行有效的补充，甚至其缺损部分也能够进行填平，而闭操作之后形成的凹陷图像能够与标准图像异或，从而完成对PCB的缺陷检测。
2.3边缘检测
在实际的Sobel当中，先要通过对模板的使用来完成对gx以及gy的值的计算，接着通过边缘检测进行判断。在上文的计算当中已经使用了局部自适应阈值分割法，能够较为完善的保存边缘信息，如果没有这种二值化，则可能出现信息缺失的现象，不利于边缘检测。总而言之，边缘检测有着较大的复杂性。
边缘检测结果如下图，可以得知，本文当中所采用的方法能够包括几乎所有PCB边缘信息。
3.实验分析
从文中的检测结果来看，在使用全局固定阈值进行分割时无法获得较为满意的效果，毕竟固定阈值的设定全部都是依托于人工操作经验，无法得到较好的效果的话就会更换阈值，但是因为图像会受到环境的影响，就导致实际的阈值无法完全固定，所以采用局部阈值分割方法更为合理。本文在经过对一些图像的边缘检测之后发现，在实际的PCB边缘检测当中使用局部分割能够避免因噪音、角度等原因产生的效果不佳的问题，但是在实际操作当中具体要选用哪种处理方法还是要根据实际情况而定。
4.结语
本文先行简要介绍了PCB边缘检测流程，从获取图像到局部分割到数学形态边缘检测是PCB边缘检测的主要流程，接着文章以具体的实验案例分析了实际算法，又在最后的实验分析当中对比例全局固定阈值与局部阈值分割，说明了局部自适应分割算法的优点。总而言之，在实际的PCB边缘检测当中，要想使检测结果尽可能的不受噪声、光照、角度等客观因素的影响，选用局部自适应分割算法非常有必要，通过这种方式能够得到更加清晰精确的边缘信息，这种检测方式在实际的发展当中将会得到广泛的应用。
参考文献：
[1]李世文.局部自适应分割算法在PCB图像处理中的应用[J].顺德职业技术学院学报,2019,17(2):9-12.
[2]李玉平.PCB板质量检测中的自适应阈值分割方法研究[J].黄石理工学院学报,2009,25(2):9-11.
[3]余丽红,曹蕾,柳贵东,等.PCB图像的自适应全变分去噪算法[J].红外技术,2018,40(9):875-880.
论文作者:叶卫
论文发表刊物:《城镇建设》2019年第14期
论文发表时间:2019/9/10
标签：阈值论文; 图像论文; 边缘论文; 局部论文; 自适应论文; 算法论文; 效果论文; 《城镇建设》2019年第14期论文;