楊飛平，徐雷，賀云翔，李大雙

?

基于直方圖數(shù)據(jù)擬合的PCB板嵌孔識別研究

楊飛平，徐雷，賀云翔，李大雙

（四川大學(xué) 制造科學(xué)與工程學(xué)院，四川 成都 610065）

快速精準(zhǔn)地識別PCB板上感興趣區(qū)域的位置，是圖像處理過程中衡量算法有效性的重要指標(biāo)。在圖像處理的前期，通過分析同一背景條件下灰度曲線的變化趨勢，確定光照不均勻?qū)τ赑CB板感興趣區(qū)域的影響，提出了運用同態(tài)濾波處理降低圖像灰度變化的動態(tài)范圍，從而加強(qiáng)感興趣區(qū)域中目標(biāo)和背景的對比度?；诂F(xiàn)階段相關(guān)PCB板的識別分割算法，針對研究對象PCB板實際感興趣區(qū)域的灰度分布，探討了全局閾值分割方法的優(yōu)勢。在此基礎(chǔ)上，為了更精確的圖像分割效果，提出了一種基于灰度直方圖數(shù)據(jù)擬合的閾值分割方法。根據(jù)不同的閾值分割算法對圖像進(jìn)行處理，通過比較分析，結(jié)果表明本文提出的算法能夠更加快速精確地分割出圖像的感興趣區(qū)域。

PCB板；灰度曲線；同態(tài)濾波；數(shù)據(jù)擬合；閾值分割；目標(biāo)識別

隨著二十一世紀(jì)人工智能的快速發(fā)展，在智能制造時代機(jī)器人的發(fā)展新趨勢下[1]，機(jī)器視覺中關(guān)于圖像處理和目標(biāo)識別的研究顯得尤為重要?，F(xiàn)代企業(yè)工廠的生產(chǎn)線對于自動化和智能化的要求越來越高，高精度裝配鏈的需求日益突出[2]。為了實現(xiàn)對于PCB（Printed Circuit Board，印刷電路）板上角碼元件的自動識別和匹配安裝，針對PCB板上感興趣區(qū)域精確的位置確定顯得尤為重要。因此，通過對工業(yè)相機(jī)所得到的PCB板上感興趣區(qū)域的分析處理，在成熟算法的基礎(chǔ)上，根據(jù)實際選擇的感興趣區(qū)域的特征，為提高圖像識別分割的效果，需要提出一種合理的算法。

Zhang Fen等[3]針對PCB板光電圖像，為了更好地對PCB板光電圖像進(jìn)行邊緣信息檢測，根據(jù)圖像預(yù)處理與圖像檢測相結(jié)合的邊緣信息檢測方法，分析基于自適應(yīng)迭代閾值選擇算法圖像檢測的基本原理。利用CCD和顯微鏡采集的圖像進(jìn)行分析，驗證了其基本原理的正確性。羅勝[4]等根據(jù)所處理圖像的內(nèi)容和邊界方面的信息進(jìn)行閾值的自適應(yīng)選擇，通過對直方圖計算的可分割性確定EM方法的閾值進(jìn)行GMM分割的研究，提出了基于EM和GMM結(jié)合的自適應(yīng)灰度圖像分割算法，并驗證了該算法對于分割結(jié)果的準(zhǔn)確性。上述算法雖然能夠比較精確地檢測出印刷電路板光電圖像，但沒有考慮到不均勻光照條件對圖像的影響因素。同時，針對PCB板輕觸開關(guān)孔識別分割的時間較長、效率較低的問題，喬鬧生[5]對CCD工業(yè)相機(jī)獲取圖像時產(chǎn)生光照不均勻脫化的原因，論述了Otsu最大類間方差法閾值分割的基本原理，通過分析兩類間距與各類內(nèi)聚性在圖像分割過程中的影響因素，提出了一種改進(jìn)的最大類間方差法，實驗驗證了改進(jìn)算法的優(yōu)越性。劉金[6]在解決現(xiàn)有算法在處理存在多種噪音干擾下的圖像閾值分割問題時，提出了三維最小誤差閾值分割法，通過考慮感興趣區(qū)域圖像像素元點之間的灰度相關(guān)性，根據(jù)待檢測圖像的均值、中值和灰度信息，構(gòu)造了三維測試空間，提出了基于分解的快速實現(xiàn)方法，驗證了算法的時效性。鄒耀斌[7]等根據(jù)圖像感興趣區(qū)域背景灰度分布的不均衡性，為了將所選閾值與最佳閾值的差值控制在10個灰度級別范圍內(nèi)，提出了歸一化互信息量最大化導(dǎo)向的自動閾值選擇方法，通過實驗驗證，該算法效率雖然不是最佳，但在分割過程中的適應(yīng)性和精確度方面有明顯的優(yōu)勢。龍建武[8]等結(jié)合全局算法僅適用于分割均勻光照條件下的圖像，針對自適應(yīng)性不足的問題，運用Water flow模型對非均衡光照條件下的背景圖像進(jìn)行估計，進(jìn)而獲取差值圖像降低非均勻光照的影響，通過γ矯正使差值圖增強(qiáng)，結(jié)合最小誤差算法的研究，提出了自適應(yīng)最小誤差閾值分割算法。這幾類算法雖然都考慮到光照不均勻因素對于PCB板的影響，但是算法在閾值的選擇確定上比較復(fù)雜，對于PCB板輕觸開關(guān)孔識別分割的效率也較低，優(yōu)勢不明顯。

針對PCB板上不同感興趣區(qū)域的圖像識別、處理、分割等應(yīng)根據(jù)實際情況具體分析，同時，首先需要考慮工業(yè)相機(jī)在取得目標(biāo)圖像時外界噪音、光源等不利因素對于圖像處理算法的影響。本文根據(jù)所研究的PCB板上特定輕觸開關(guān)的嵌孔的感興趣區(qū)域特點，考慮到外界光源和噪音等對圖像的影響，依據(jù)研究對象在同一背景條件下灰度曲線的變化趨勢，確定出外界的光照不均和噪音等對所處理圖像的影響。通過建立同態(tài)濾波的處理方式，壓縮圖像的灰度變化范圍，降低外部因素對于圖像處理的后續(xù)不利影響，增強(qiáng)目標(biāo)和背景的對比度。根據(jù)原始圖像灰度直方圖的特征，經(jīng)分析，本文提出了基于直方圖數(shù)據(jù)擬合的閾值分割方法。根據(jù)實驗對比結(jié)果，驗證了該算法的準(zhǔn)確性和可行性。

1 不均勻光照下圖像灰度變化分析

1.1 光照不均性的因素

本文研究的對象為工業(yè)機(jī)器人精確識別PCB板上輕觸開關(guān)孔的位置，然后抓取四角碼輕觸開關(guān)進(jìn)行匹配和組裝。如圖1所示。

圖1 裝配的PCB板和輕觸開關(guān)

由于PCB主板的顏色為綠色，輕觸開關(guān)孔是由銅材料構(gòu)成，呈金黃色，工業(yè)流水線試驗裝配和實驗室研究過程中均采用紅色環(huán)形光源，因此，實驗過程中，相機(jī)在紅色光源下取原始圖像時，即使通過光源控制器將照射光源調(diào)整到最佳的亮度，仍然存在一定的反光和光照不均勻現(xiàn)象。

1.2 光照不均性的檢測

根據(jù)研究對象的自身因素和外界因素，為了準(zhǔn)確判斷出外界光源對原始圖像的影響，提出了運用感興趣區(qū)域下同背景區(qū)域灰度變化趨勢進(jìn)行判定的方法，實驗流程為：

（1）原始圖像轉(zhuǎn)化為灰度圖像；

（2）選擇灰度圖像中具有代表性的區(qū)間在同背景下的變化范圍，如圖2所示；

圖2 灰度變化區(qū)間

（3）應(yīng)用灰度變化函數(shù)檢測出灰度變化趨勢，如圖3所示。

實驗結(jié)果分析表明：以右邊方框內(nèi)為一個檢測單位，從右到左的中間虛線部分為檢測的灰度變化區(qū)間。檢測結(jié)果顯示同背景條件下灰度變化的波動范圍大，起伏趨勢明顯。表明光照不均性對圖像的灰度影響比較大，需要進(jìn)行合適的圖像處理，壓縮其灰度變化范圍，增強(qiáng)背景和目標(biāo)的對比度，才能更準(zhǔn)確地進(jìn)行圖像識別和分割處理。

圖3 灰度變化趨勢

2 同態(tài)濾波圖像處理

2.1 同態(tài)濾波的基本原理

同態(tài)濾波是一種特殊的濾波技術(shù)，用于壓縮圖像灰度的動態(tài)范圍，且增強(qiáng)對比度。假設(shè)圖像(,)是由照射分量(,)和反射分量(,)表示，其關(guān)系為：

照射分量(,)和光源有關(guān)，常表示慢的動態(tài)變化，決定一副圖像中像素能達(dá)到的動態(tài)范圍；反射分量(,)由物體本身性質(zhì)決定，表示灰度的急劇變化部分。照射分量和傅立葉變換后的低頻分量相關(guān)，反射分量和高頻分量有關(guān)。兩個函數(shù)乘積的傅立葉變換是不可分的，所以不能對圖像進(jìn)行傅立葉變換，即：

所以，首先要對圖像(,)取大對數(shù)(,)，即：

然后進(jìn)行傅立葉變換，得：

即：

式中：(,)和(,)分別為ln[(,)]和ln[(,)]的傅立葉變換。

接下來設(shè)計濾波器的傳遞函數(shù)，為(,)和(,)相乘，則：

再接著進(jìn)行傅立葉變換，得：

最后對(,)取指數(shù)得到最終處理結(jié)果：

在進(jìn)行同態(tài)濾波時，關(guān)鍵是選擇合適的(,)。(,)對圖像中的低頻分量和高頻分量有不同的影響，故稱同態(tài)濾波[9]。同態(tài)濾波圖像處理流程如圖4所示。

圖4 同態(tài)濾波流程圖

2.2 同態(tài)濾波圖像變換和分析

光照不均勻性檢測結(jié)果反映出原始圖像的灰度變化范圍較大，目標(biāo)和背景的對比度較低，不利于圖像進(jìn)一步閾值分割。因此，為了壓縮原始圖像的灰度變化范圍、降低光照不均勻等因素的影響，本文選擇采取圖像的同態(tài)濾波變換，通過分析圖像濾波前后的灰度變化，驗證了同態(tài)濾波變換的有效性。

根據(jù)原始圖像的特征和實驗結(jié)果分析，圖像同態(tài)濾波變換的主要參數(shù)為：同態(tài)濾波的階數(shù)＝5，截止頻率0＝0.1π，濾波器矩陣中r＝0.75、r＝0.15。

為進(jìn)一步確定同態(tài)濾波后的圖像灰度變化情況，對比分析得出濾波后的圖像灰度變化趨勢，如圖5所示。

通過實驗結(jié)果對比分析可知，原始圖像的灰度變化值在30～140的區(qū)間內(nèi)波動，而經(jīng)過同態(tài)濾波處理后的圖像灰度變化值在38至120的區(qū)間內(nèi)波動。表明經(jīng)過同態(tài)濾波變換后，壓縮了圖像的灰度變化范圍，降低了光照不均勻等因素對于原始圖像的影響。

圖5 濾波前后的圖像灰度變化

3 圖像識別分割

目前對于圖像識別分割處理的主要算法有基于邊緣的圖像分割[10]，包括canny算子、sobel算子和log算子等；基于閾值的圖像分割[11]，包括全局閾值和局部閾值；基于區(qū)域的圖像分割[12]，包括區(qū)域生長合并、區(qū)域分裂合并和形態(tài)學(xué)分水嶺等；基于圖論的圖像分割[13]，包括Graph Cut和Grab Cut等；基于PDE的主動輪廓模型的分割[14]，包括Snakes算法、Level set水平集方法等。

3.1 全局閾值分割的算法

假設(shè)圖像所示的灰度級直方圖對應(yīng)于一副圖像(,)。這幅圖像由亮的對象和深的背景組成，這樣的組成方式將對象和背景具有灰度級的像素分成兩組不同的支配模式。從背景中提取對象的一種顯然的方法是選擇一個門限值，將這些模式分離開。然后所有(,)＞的點(,)稱為對象點；反之，就稱為背景點。門限處理可以被看作是一種涉及測試下列形式函數(shù)的一種操作。

式中：(,)為點(,)的灰度級，∈[1,]，∈[1,]；(,)為點(,)的局部性質(zhì)。

假設(shè)以點(,)為中心的領(lǐng)域的平均灰度級，經(jīng)門限處理后的圖像(,)定義為：

因此，標(biāo)記為－1的像素對應(yīng)于對象，而標(biāo)記為0的像素對應(yīng)于背景[15]。

④敷貼時間：選取初伏、中伏1、中伏2、末伏每期的第1天行刮痧刺絡(luò)拔罐治療后進(jìn)行敷貼，每3天再敷貼1次。共敷貼12次；每次貼敷4～6 h后取下。若貼敷過程中出現(xiàn)劇烈癢、痛、起泡等不良反應(yīng)，應(yīng)立刻停止貼敷。敷貼期間如患者感覺貼敷處有明顯不適，可自行取下，以貼敷處皮膚出現(xiàn)燒灼感、充血、潮紅或有細(xì)小水泡為宜，以患者能耐受為度；共敷貼治療12次。

由全局閾值分割算法的理論基礎(chǔ)可知，要使灰度圖像能較準(zhǔn)確地分割出目標(biāo)和背景，則需要待處理圖像的目標(biāo)和背景具有明顯的灰度級差。體現(xiàn)在圖像的灰度直方圖上則需呈現(xiàn)突出的雙峰形狀，即具有明顯的波峰波谷，而對應(yīng)的波谷的像素值即為全局閾值，根據(jù)波谷的像素值就能夠有效分割出圖像的目標(biāo)和背景。

3.2 基于直方圖數(shù)據(jù)擬合分割算法

原始圖像經(jīng)過前期處理后，由于圖像的灰度直方圖并沒有呈現(xiàn)出明顯的波峰波谷，即不能直接在圖像灰度直方圖的波谷處找到較準(zhǔn)確的分割閾值。因此，本文根據(jù)圖像灰度直方圖的特點，提出了基于直方圖數(shù)據(jù)擬合算法進(jìn)行圖像的分析和分割。

本文提出算法的核心是圖像灰度直方圖呈單峰形狀或者波峰波谷不明顯，或波谷的區(qū)間比較大，不能直觀地從灰度直方圖上找到準(zhǔn)確的波谷作為最佳的分割閾值。因此，本文算法的主要流程如圖6所示。

（1）原始圖像經(jīng)過本文所運用的同態(tài)濾波進(jìn)行預(yù)處理。處理后的圖像如圖7所示。

（2）運算出圖像經(jīng)預(yù)處理后的灰度直方圖，如圖8所示。

（3）根據(jù)直方圖數(shù)據(jù)，運用擬合函數(shù)進(jìn)行數(shù)據(jù)擬合，實驗結(jié)果如圖9所示。

（4）根據(jù)擬合函數(shù)的二階導(dǎo)數(shù)大于0，找出該點與直方圖交點，即可求出圖像分割閾值。

圖6 算法流程圖

圖7 預(yù)處理圖像

圖8 灰度直方圖

圖9 直方圖數(shù)據(jù)擬合

圖10 圖像分割結(jié)果

4 實驗平臺和實驗結(jié)果對比驗證

實驗平臺構(gòu)成如表1。運用MATLAB2014a編制程序在操作系統(tǒng)內(nèi)運行。測試的原始圖像以長虹股份有限公司智能化工廠智能裝配線PCB板為對象。實驗平臺如圖11所示。

表1 實驗平臺構(gòu)成

圖11 實驗平臺

本文依據(jù)全局閾值的基本原理，在圖像灰度直方圖的基礎(chǔ)上進(jìn)行了改進(jìn)，然后根據(jù)改進(jìn)的算法求解出圖像分割的最佳閾值，最后進(jìn)行有效的圖像分割。如表2所示，通過與其他閾值分割的時間進(jìn)行對比分析，體現(xiàn)出本文提出的分割算法的優(yōu)越性。

通過實驗平臺的實驗驗證，比較分析了閾值分割算法中Otsu算法和迭代法與本文算法所用時間，實驗結(jié)果表明，本論文提出的算法分割過程所用時間最短、效率最高。驗證了本文針對PCB板輕觸開關(guān)嵌孔所提出的圖像分割算法的正確性和有效性。

表2 分割算法時間

5 小結(jié)

根據(jù)PCB板上所研究的特定感興趣區(qū)域，結(jié)合圖像獲取過程中不均勻光照條件和噪音等因素的影響。運用圖像同背景條件下灰度變化曲線的特征，驗證了光照不均勻的影響。

針對原始圖像光照不均勻影響，提出了采用同態(tài)濾波降低灰度變化范圍的方法，減小不均勻光照的影響，增大圖像目標(biāo)和背景的對比度，評價了它的合理性。

根據(jù)全局閾值分割理論和灰度圖像直方圖的特征，本文提出了基于直方圖數(shù)據(jù)擬合的算法確定待分割圖像的最佳閾值的方法。通過與Otsu算法和迭代法閾值分割的時間對比，驗證了本文所提出算法的時間最短，凸顯了本論文提出算法的合理性。

[1]智能制造時代工業(yè)機(jī)器人的發(fā)展新趨勢[J]. 機(jī)械，2017，44（8）：17.

[2]Bo-hu LI，Bao-cun HOU，Wen-tao YU，Xiao-bing LU，Chun-wei YANG. Applications of Artificial Intelligence in Intelligent Manufacturing: a Review[J]. Frontiers of Information Technology and Electronic Engineering，2017，18（1）：86-97.

[3]ZHANGFen，QIAONaosheng，LIJianfeng. A PCB Photoelectric Image Edge Information Detection Method[J]. Optik-International Journal for Light and Electron Optics，2017（144）：642-646.

[4]羅勝，鄭蓓蓉，葉忻泉. 基于EM和GMM相結(jié)合的自適應(yīng)灰度圖像分割算法[J]. 光子學(xué)報，2009，38（6）：1581-1585.

[5]喬鬧生，葉玉堂，莫春華，吳云鋒. PCB光電圖像光照不均蛻化的校正及閾值分割方法[J]. 光子學(xué)報，2009，38（11）：2999-3003.

[6]劉金，金煒東. 3維自適應(yīng)最小誤差閾值分割法[J]. 中國圖像圖形學(xué)報，2013，18（11）：1416-1424.

[7]鄒耀斌，雷幫軍，臧兆祥，王俊英，胡澤海，董方敏. 歸一化互信息量最大化導(dǎo)向的自動閾值選擇方法[J]. 自動化學(xué)報，2018，44（X）：1-13.

[8]龍建武，申鉉京，陳海鵬. 自適應(yīng)最小誤差閾值分割算法[J]. 自動化學(xué)報，2012，38（7）：1134-1144.

[9]楊丹，趙海濱，龍哲，等. MATLAB圖像處理實例詳解[M]. 北京：清華大學(xué)出版社，2013.

[10]段瑞玲，李慶祥，李玉和. 圖像邊緣檢測方法研究綜述[J]. 光學(xué)技術(shù)，2005，31（3）：415-419.

[11]吳一全，孟天亮，吳詩婳. 圖像閾值分割方法研究進(jìn)展20年（1994－2014）[J]. 數(shù)據(jù)采集與處理，2015，30（1）：1-23.

[12]楊衛(wèi)平，李忠科，王勇，呂培軍. 基于區(qū)域的圖像分割算法綜述[J]. 電子測量與儀器學(xué)報，2007（增刊）：283-286.

[13]王梅，李玉鑑，全笑梅. 圖像分割的圖論方法綜述[J]. 計算機(jī)應(yīng)用與軟件，2014，31（9）：1-12，44.

[14]胡先瑩. 基于主動輪廓的圖像分割技術(shù)研究[D]. 西安：西安電子科技大學(xué)，2012.

[15]Rafael C. Gonzalez，Richard E. Woods.數(shù)字圖像處理（第二版）[M]. 北京：電子工業(yè)出版社，2003.

Research on PCB Plate Hole Recognition Based on Histogram Data Fitting

YANG Feiping，XU Lei，HE Yunxiang，LI Dashuang

( School of Manufacturing Science and Engineering, Sichuan University, Chengdu 610065,China)

Rapid and accurate identification of the region of interest(ROI) on the PCB is an important indicator to measure the effectiveness of the algorithm in image processing. The paper focus on the influence of uneven illumination for PCB in the ROI through the analysis of variation trend of the gray curve in the same conditions in the early stage of image processing. The researchers proposed to use the dynamic range of homomorphic filtering to reduce the image gray level, so as to enhance the contrast of target and background in the ROI. Based on the relevant recognition and segmentation algorithm of PCB board at present stage, global threshold segmentation method shows some advantages in the gray distribution of the actual ROI of PCB object. On this basis, a threshold segmentation method based on gray histogram data fitting is proposed to obtain more accurate image segmentation results. The researchers carried out image processing with different threshold segmentation algorithms. Through comparative analysis, the results show that the algorithm proposed in this paper can segment the interested area of image more quickly and accurately.

PCB board；gray curve；homomorphic filtering；data fitting；threshold segmentation；target recognition

TP391

A

10.3969/j.issn.1006-0316.2018.07.001

1006－0316 (2018) 07－0001－07

2018－01－22

四川省科技支撐計劃資助項目（2016GZ0164）；四川省經(jīng)信委項目（2017ZB073）

楊飛平（1991－），男，四川巴中人，碩士研究生，主要研究方向為機(jī)器視覺、工業(yè)機(jī)器人智能化集成應(yīng)用系統(tǒng)；賀云翔（1992－），男，四川成都人，碩士研究生，主要研究方向為計算機(jī)輔助設(shè)計制造；李大雙（1994－），男，四川綿陽人，碩士研究生，主要研究方向為機(jī)器視覺。

徐雷（1973－），女，吉林懷德人，博士，副教授，主要研究方向為數(shù)字化設(shè)計與制造、3D打印、智能制造等。