摘 要：污垢檢測是石英晶片缺陷檢測的重要組成部分。為實(shí)現(xiàn)比較理想的污垢檢測，采用基于開源計(jì)算機(jī)視覺庫OpenCV的圖像處理技術(shù)對石英晶片污垢缺陷進(jìn)行檢測。在此通過依次對圖像進(jìn)行平滑去噪、二值化閾值分割、輪廓提取和跟蹤等處理，計(jì)算出輪廓的周長，將有缺陷與無缺陷晶片輪廓進(jìn)行比較，為晶片污垢檢測提供依據(jù)。實(shí)驗(yàn)結(jié)果表明在Visual Studio 2008環(huán)境下，利用OpenCV庫函數(shù)縮短了大量編程時(shí)間，提高了工作效率。

關(guān)鍵詞：OpenCV； 石英晶片； 輪廓提??； 污垢檢測

中圖分類號(hào)：TN91934 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1004373X（2012）22015503

基金項(xiàng)目：北京市教委面上項(xiàng)目：相位偏移法石英晶體動(dòng)態(tài)電參數(shù)測試技術(shù)研究（Km201110772004） 石英晶體諧振器是當(dāng)今電子設(shè)備不可缺少的關(guān)鍵組件，被廣泛應(yīng)用于電子鐘表、彩電、音響、DVD、計(jì)算機(jī)、移動(dòng)數(shù)碼設(shè)備，無線通信、電視信號(hào)轉(zhuǎn)播等各領(lǐng)域，隨著電子信息產(chǎn)業(yè)的飛速發(fā)展，尤其是數(shù)字化電路的廣泛應(yīng)用，石英晶體諧振器的市場需求量快速增長［1］。石英晶片（以下簡稱晶片）是石英晶體在鍍電極和封裝前的半成品，對石英晶體諧振器進(jìn)行封裝前要首先檢測石英晶片的電參數(shù)，然后對其進(jìn)行分選，將其合格石英晶片成品封裝。石英晶片自身存在的任何微小缺陷都會(huì)破壞其工作性能，其中污垢是自身缺陷之一。目前，國內(nèi)外大多采用人工目測檢測的方式。這種方法主觀性強(qiáng)、誤判率高，且工作人員易眼部疲勞，造成檢測精度降低。

計(jì)算機(jī)檢測技術(shù)在工業(yè)生產(chǎn)中有著廣泛的應(yīng)用，產(chǎn)品成品和次品的檢測很大程度上依賴于圖像處理技術(shù)。本文采用圖像處理技術(shù)，利用OpenCV函數(shù)庫，對CCD相機(jī)采集的圖像進(jìn)行處理，從而利用少量的代碼實(shí)現(xiàn)對晶片是否有污垢缺陷的檢測，提高了檢測精度和工作效率。實(shí)驗(yàn)證明對石英晶片的污垢缺陷能可靠的檢測出。

1 晶片污垢檢測原理圖

本文主要目的是利用OpenCV提供的圖像處理函數(shù)，對采集的晶片圖像進(jìn)行一系列預(yù)處理，提取到晶片的輪廓，利用輪廓特征參數(shù)進(jìn)行污垢缺陷的檢測［2］，檢測原理如圖1所示。

2 晶片污垢檢測具體實(shí)現(xiàn)方法

2.1 OpenCV優(yōu)點(diǎn)

OpenCV是由Intel公司資助的開源計(jì)算機(jī)視覺庫，它由一系列C函數(shù)和少量C++類構(gòu)成，實(shí)現(xiàn)了圖像處理和計(jì)算機(jī)視覺方面的很多通用算法；擁有包括 300 多個(gè)C/C++函數(shù)的跨平臺(tái)的中、高層 API；不依賴于其他的外部庫，同時(shí)也可以使用某些外部庫；它為圖像處理、模式識(shí)別、三維重建、物體跟蹤、機(jī)器學(xué)習(xí)和線性代數(shù)提供了各種各樣的算法；OpenCV 對非商業(yè)應(yīng)用和商業(yè)應(yīng)用都是免費(fèi)（Free）的，研究者可以通過調(diào)用OpenCV算法庫，在前人已完成的成熟算法基礎(chǔ)上快速有效的開展自己的工作［3］。本文采用OpenCV2.1版本，主要模塊具體功能是：CV主要的OpenCV函數(shù)，包含圖像處理和計(jì)算機(jī)視覺的算法；CVAUX輔助的（實(shí)驗(yàn)性）OpenCV函數(shù)；CXCORE包含數(shù)據(jù)結(jié)構(gòu)及線性代數(shù)的基本運(yùn)算；HIGHGUI包含圖像界面函數(shù)、視頻輸入輸出函數(shù)以及一些系統(tǒng)調(diào)用函數(shù)；ML機(jī)器學(xué)習(xí)，包括模式分類和回歸分析等。在編程過程中只需包含OpenCV庫，調(diào)用相關(guān)函數(shù)即可，較以前的OpenCV版本代碼更簡潔，縮短了編程時(shí)間，提高了開發(fā)效率。

2.2 圖像平滑去噪

本文利用黑白CCD照相機(jī)和黑白圖像采集卡采集圖像，對采集到的灰度圖像進(jìn)行處理，數(shù)據(jù)量少，效率高［4］。采集到的晶片的灰度圖像如圖2所示，（a）為無缺陷晶片，（b）為有污垢缺陷的晶片。在圖像采集過程中，因光線、成像條件、光電轉(zhuǎn)換、A/D轉(zhuǎn)換等因素，會(huì)使采集的圖像產(chǎn)生一定的噪聲，并使圖像模糊，從而惡化了圖像的質(zhì)量［5］。因此對圖像處理之前必須進(jìn)行平滑去噪，常見的平滑去噪方法有：頻域去噪法、鄰域平均法、噪聲消除法、中值濾波法、選擇式掩膜平滑法等。結(jié)合本系統(tǒng)特點(diǎn)采用中值濾波法［6］，基本原理是把數(shù)字圖像或數(shù)字序列中一點(diǎn)的值用該點(diǎn)的一個(gè)鄰域中各點(diǎn)值的中值代替，讓周圍的像素值接近真實(shí)值，從而消除孤立的噪聲點(diǎn)，是一種非線性濾波。實(shí)驗(yàn)證明該方法能很好的抑制噪聲、有效的保留圖像細(xì)節(jié)、且處理速度快。

圖2 晶片的灰度圖像對圖像的中值濾波由函數(shù)medianBlur（const Mat src， Mat dst， int ksize）實(shí)現(xiàn)，src為輸入圖像，dst為輸出圖像，ksize為線性光圈的大小，此處設(shè)置為5。經(jīng)平滑去噪后的處理結(jié)果如圖3所示。

由圖3可知，圖像中一些瑣碎的細(xì)節(jié)融入背景中變得模糊，減小了孤立的噪聲點(diǎn)。由于中值濾波不是簡單的取均值，產(chǎn)生的模糊比較少，晶片邊界細(xì)節(jié)得到了較好的保持。

圖3 平滑去噪后的圖像2.3 圖像二值化閾值分割

閾值分割是一種基于區(qū)域的圖像分割技術(shù)，其基本原理是：通過設(shè)定不同的特征閾值，把圖像象素點(diǎn)分為若干類。二值化閾值分割就是，設(shè)原始圖像為f（x，y），按一定準(zhǔn)則在 f（x，y）中找到灰度值T作為分割閾值，然后將大于等于T的像素判為1（白色），將小于T的像素判為0（黑色），結(jié)果是把灰度圖像二值化。本文目的是利用二值化閾值分割將晶片對象與背景有效的分割開來［7］，即通過實(shí)驗(yàn)設(shè)定好閾值，經(jīng)過二值化閾值分割將晶片對象處理為比較容易識(shí)別的白色，背景處理為黑色。從而盡可能的去除無效區(qū)域，完整的保存感興趣的部分，提高污垢識(shí)別的精度。圖像二值化閾值分割由函數(shù)threshold（const Mat src， Mat dst， double thresh， double maxVal， int thresholdType）實(shí)現(xiàn)。經(jīng)過多次實(shí)驗(yàn)，取thresh=200，maxVal=255，thresholdType設(shè)為THRESH_BINARY即二值化濾波。當(dāng)圖像中某點(diǎn)像素值大于200時(shí)，該點(diǎn)被判為1；小于200時(shí)，該點(diǎn)被判為0。二值化閾值分割后的圖像如圖4所示。

圖4 二值化閾值分割后圖像2.4 輪廓提取和跟蹤

輪廓提取的原理就是掏空內(nèi)部點(diǎn)，如果圖中有一點(diǎn)為黑，且它的8個(gè)相鄰點(diǎn)都是黑色時(shí)，則判斷該點(diǎn)是內(nèi)部點(diǎn)，并將該點(diǎn)刪除［8］。輪廓跟蹤就是通過順序查找邊緣點(diǎn)來跟蹤出邊界，其基本原理為：首先在圖像中按照從左到右、從上到下的順序搜索圖像的所有像素點(diǎn)，首先找到晶片左上方的邊界點(diǎn)，它的下，左下，右，右下4個(gè)鄰點(diǎn)中至少有一個(gè)是邊界點(diǎn)，記為B。從B開始找起，按右，右下，下，左下，左，左上，上，右上的順序找相鄰點(diǎn)中的邊界點(diǎn)C。如果C是A點(diǎn)，則表示邊界查找已經(jīng)循環(huán)一次，查找結(jié)束；否則從C點(diǎn)繼續(xù)找，直到找到A或找不到點(diǎn)為止［9］。

二值圖像中輪廓的查找由函數(shù)findContours（const Mat image， vector

contours， int mode， int method， Point offset=Point（））實(shí)現(xiàn)，image為輸入的8 b，單通道圖像，即threshold函數(shù)的輸出圖像；contours 為檢測到輪廓的存儲(chǔ)容器，輪廓以向量點(diǎn)的形式被存儲(chǔ)；本文要找的是所有的輪廓，所以mode設(shè)置為CV_RETR_TREE提取所有輪廓，method設(shè)置為CV_CHAIN_APPROX_NONE將所有點(diǎn)由鏈碼形式翻譯（轉(zhuǎn)化）為點(diǎn)序列形式。

找到輪廓后將輪廓繪制出來由函數(shù)：

drawContours（Mat image， const

vector contours， int

contourIdx， const Scalar color，int

thickness=1，int lineType=8， const

vector hierarchy=vector（）， int

maxLevel=INT_MAX， Point offset=Point（））實(shí)現(xiàn)

image為輸出圖像，contours為輸入的輪廓，輪廓是以點(diǎn)向量的形式存儲(chǔ)的；contourIdx指示繪制的輪廓；由于圖像背景是黑色，為了讓繪制的輪廓清晰可見，將顏色設(shè)為白色即color為Scalar（255）。輪廓跟蹤提取后圖像如圖5所示。

圖5 輪廓跟蹤提取后圖像3 污垢缺陷識(shí)別和結(jié)論

通過對輪廓的提取和跟蹤后的圖像可知，由于一般情況下污垢覆蓋在晶片表面，導(dǎo)致有污垢缺陷的晶片邊緣大輪廓內(nèi)部會(huì)有些小輪廓，而無缺陷晶片只有一個(gè)大的邊緣輪廓，其內(nèi)部沒有小輪廓。通過計(jì)算出圖像中每個(gè)輪廓的像素點(diǎn)個(gè)數(shù)，將其與無缺陷晶片的輪廓像素點(diǎn)個(gè)數(shù)進(jìn)行比較，實(shí)現(xiàn)對晶片污垢缺陷的檢測。實(shí)驗(yàn)結(jié)果如下：無缺陷晶片輪廓長度［10］為429；有污垢缺陷的晶片輪廓長度分別為：426，10，8，4，10，40。通過查找相關(guān)資料并由多次實(shí)驗(yàn)采集到的數(shù)據(jù)得出，晶片污垢大小一般不會(huì)超過晶片大小的1/4，所以本文將閾值設(shè)置為（1/4）×429（標(biāo)準(zhǔn)輪廓的長度），在計(jì)算輪廓長度時(shí)如果發(fā)現(xiàn)存在輪廓像素個(gè)數(shù)小于（1/4）×429的，則將其視為有污垢缺陷的晶片，在工業(yè)生產(chǎn)中應(yīng)將其剔除。本實(shí)驗(yàn)是在CPU為 Intel Core（TM）2 E7200 ，主頻為2.53 GHz，內(nèi)存為2 GB的硬件平臺(tái)下進(jìn)行的，取10次實(shí)驗(yàn)的時(shí)間平均值，完成整個(gè)圖像處理的時(shí)間為115 ms。目前石英晶片自動(dòng)分選技術(shù)每小時(shí)檢測3 600個(gè)晶片，用在圖像處理上的時(shí)間約為400 ms/個(gè)，與本文的圖像處理時(shí)間115 ms/個(gè)相比較，該論文的方法明顯提高了工作效率。

4 結(jié) 語

本文重點(diǎn)介紹了石英晶片污垢缺陷的檢測過程，并給出各個(gè)步驟的實(shí)驗(yàn)結(jié)果。通過實(shí)驗(yàn)可以看出，在Visual Studio 2008環(huán)境下，利用OpenCV庫函數(shù)能夠方便地對圖像進(jìn)行預(yù)處理，比較完整地將目標(biāo)從背景中分離出來，得到比較理想的晶片輪廓，方便對輪廓進(jìn)行運(yùn)算，為晶片缺陷識(shí)別檢測打下基礎(chǔ)。代碼量少，大大減少了計(jì)算機(jī)視覺方面的編程時(shí)間，提高了檢測精度，縮短了開發(fā)周期，具有很高的工業(yè)使用價(jià)值。

參 考 文 獻(xiàn)

［1］ 李璟.石英晶體負(fù)載諧振電阻測試技術(shù)研究［D］.北京：北京信息科技大學(xué)，2008.

［2］ GONZALEZ R C.數(shù)字圖像處理［M］.2版.北京：電子工業(yè)出版社，2007.

［3］ 陳勝勇，劉盛.基于OpenCV的計(jì)算機(jī)視覺技術(shù)實(shí)現(xiàn)［M］.北京：科學(xué)出版社，2008.

［4］ 陳勇.基于機(jī)器視覺的表面缺陷檢測系統(tǒng)的算法研究及軟件設(shè)計(jì)［D］.天津：天津大學(xué)，2006.

［5］ 朱煜，姚傳俊.基于圖像處理技術(shù)的銅箔疵點(diǎn)檢測系統(tǒng)研究［J］.電子技術(shù)應(yīng)用，2005（2）：1920.

［6］ WANG Zhiyu， LI Dong. Design of detection system ofquartz wafer's defect ＼[C＼]// Proceedings of 2012 IWIEE. Harbin， China： Procedia Engineering， 2012： 37083712.

［7］ 朱冠南.掃描圖像中的微小污點(diǎn)進(jìn)行識(shí)別和消除［EB/OL］.＼[20090619＼].http：//www.chinaqking.com/%D4%AD%B4%B4%D7%F7%C6%B7/2009/40400.html.

［8］ 劉慧英，王小波.基于OpenCV的車輛輪廓檢測［J］.科學(xué)技術(shù)與工程，2010，10（12）：29872991.

［9］ 劉海波，沈晶，郭聳.Visual C++ 數(shù)字圖像處理技術(shù)詳解［M］.北京：機(jī)械工業(yè)出版社，2010.

［10］ 佚名.輪廓長度與面積［EB/OL］.＼[20090220＼].http：//bbs.ednchina.com/BLOG_ARTICLE_200925.HM.

作者簡介： 宋文寧 女，1986年出生，碩士研究生。主要研究方向?yàn)闇y試計(jì)量技術(shù)及儀器。

李 東 男，1959年出生，教授。主要研究方向?yàn)闇y試計(jì)量技術(shù)及儀器。2012年11月15日第35卷第22期