圖像分割技術(shù)用于印刷電路板檢測(cè)的研究

摘要：圖像分割在圖像分析、圖像識(shí)別、圖像檢測(cè)等方面占有非常重要的地位，是從圖像處理到圖像分析的重要步驟，圖像分割的好壞直接影響到圖像分析的結(jié)果。針對(duì)此就印刷電路板檢測(cè)過(guò)程中的圖像分割進(jìn)行研究。閾值分割技術(shù)的運(yùn)算效率高、計(jì)算簡(jiǎn)單等特點(diǎn)非常適應(yīng)印刷電路板檢測(cè)的快速性和穩(wěn)定性要求，因此著重介紹了四種闞值分割技術(shù)，并借用軟件將各算法分別應(yīng)用于實(shí)際的印刷電路板圖像，然后對(duì)各個(gè)閾值化算法的分割結(jié)果做了對(duì)比和簡(jiǎn)要分析。
關(guān)鍵詞：圖像分割；印刷電路板(PCB)；閾值分割；多閾值法

0 引言
    隨著生產(chǎn)技術(shù)的提高，印刷電路板(PCB)制造在電子工業(yè)中的作用越來(lái)越重要，PCB的質(zhì)量將對(duì)電子產(chǎn)品能否長(zhǎng)期、正常、可靠的工作帶來(lái)非常大的影響。而PCB制作工藝日趨復(fù)雜，使PCB的質(zhì)量檢驗(yàn)成為一件非常困難的工作?；谟?jì)算機(jī)與圖像處理技術(shù)進(jìn)行的PCB缺陷自動(dòng)視覺(jué)檢測(cè)的研究近年來(lái)成為PCB檢測(cè)的熱門(mén)方向。本文就圖像分割技術(shù)應(yīng)用于PCB圖像進(jìn)行研究。
    圖像分割是圖像處理與計(jì)算機(jī)視覺(jué)領(lǐng)域低層次視覺(jué)中最為基礎(chǔ)和重要的領(lǐng)域之一，它是對(duì)圖像進(jìn)行視覺(jué)分析和模式識(shí)別的基本前提，分割的準(zhǔn)確性將直接影響后續(xù)任務(wù)的有效性。圖像分割是指根據(jù)灰度、彩色、空間紋理、幾何形狀等特征把圖像劃分成若干個(gè)互不相交的區(qū)域，使得這些特征在同一區(qū)域內(nèi)，表現(xiàn)出一致性或相似性，而在不同區(qū)域間表現(xiàn)出明顯的不同。簡(jiǎn)單地講，就是在一幅圖像中，把目標(biāo)從背景中分離出來(lái)，以便于進(jìn)一步處理。值得一提的是，圖像分割是一個(gè)經(jīng)典難題，到目前為止既不存在一種通用的圖像分割方法，也不存在一種判斷是否分割成功的客觀標(biāo)準(zhǔn)。

1 圖像分割的基本概念與分類(lèi)
    首先，圖像分割的定義是：
    令集合R代表整個(gè)圖像區(qū)域，對(duì)R的分割可以看作將R分成N個(gè)滿足以下五個(gè)條件的非空子集(子區(qū)域)R1，R2，…，RN：
    (1)；
    (2)對(duì)所有的i和j，i≠j，有Ri∩Rj=φ；
    (3)對(duì)i=1，2，…，N，有P(Ri)=TRUE；
    (4)對(duì)i≠j，P(Ri∪Rj)=FALSE；
    (5)對(duì)i=1，2，…，N，R是連通區(qū)域。
    其中，P(Ri)是對(duì)所有在集合Ri中元素的邏輯謂詞，φ代表空集。
    其中，條件(1)指出在對(duì)一幅圖像的分割結(jié)果中全部子區(qū)域的總和(并集)應(yīng)能包括圖像中所有像素(就是原圖像)，或者說(shuō)分割應(yīng)將圖像中的每個(gè)像素都分進(jìn)某個(gè)子區(qū)域中。條件(2)指出在分割結(jié)果中各個(gè)子區(qū)域是互不重疊的，或者說(shuō)在分割結(jié)果中一個(gè)像素不能同時(shí)屬于兩個(gè)區(qū)域。條件(3)指出在分割結(jié)果中每個(gè)子區(qū)域都有獨(dú)特的特性，或者說(shuō)屬于同一區(qū)域中得的像素應(yīng)該具有某些相同特性。條件(4)指出在分割結(jié)果中，不同的子區(qū)域具有不同的特性，沒(méi)有公共元素，或者說(shuō)屬于不同區(qū)域的像素應(yīng)該具有一些不同的特性。條件(5)要求分割結(jié)果中同一個(gè)子區(qū)域內(nèi)的像素應(yīng)當(dāng)是連通的，即同一個(gè)子區(qū)域內(nèi)的任兩個(gè)像素在該子區(qū)域內(nèi)互相連通。
    實(shí)際應(yīng)用中圖像分割不僅要把一幅圖像分成滿足上面五個(gè)條件的各具特性的區(qū)域而且需要把其中感興趣的目標(biāo)區(qū)域提取出來(lái)。圖像閾值化分割是一種最常用，同時(shí)也是最簡(jiǎn)單的圖像分割方法，它特別適用于目標(biāo)和背景占據(jù)不同灰度級(jí)范圍的圖像，它不僅可以極大地壓縮數(shù)據(jù)量，而且也大大簡(jiǎn)化了分析和處理步驟。而對(duì)于PCB圖像檢測(cè)，不僅要求檢測(cè)的準(zhǔn)確性，還要求檢測(cè)的快速性和穩(wěn)定性，因此閾值化分割方法是非常適用于PCB圖像的分割的。
    閾值分割法是一種基于區(qū)域的圖像分割技術(shù)，簡(jiǎn)單地說(shuō)，取閾值分割就是先確定一個(gè)處于圖像灰度取值范圍之中的灰度閾值，然后將圖像中各個(gè)像素的灰度值都與這個(gè)閾值相比較，并根據(jù)比較結(jié)果將對(duì)應(yīng)的像素劃分為兩類(lèi)：像素的灰度值大于閾值的為一類(lèi)，像素灰度值小于閾值的為另一類(lèi)。如果將一類(lèi)像素點(diǎn)值記為0，另一類(lèi)記為1，則分割后的圖像就是所謂的二值圖像?；叶乳e值分割的方法通常有四種：雙峰法、迭代法、大津法、多閾值法。本文將對(duì)這四種分割算法進(jìn)行綜述，并將其分別應(yīng)用于PCB圖像的分割，討論其分割效果。
2 閾值分割算法綜述
2．1 雙峰法
    雙峰法的原理很簡(jiǎn)單：它認(rèn)為圖像的前景和背景(不同的灰度級(jí))組成，圖像的灰度分布曲線可近似認(rèn)為是由兩個(gè)正態(tài)分布函數(shù)疊加而成，圖像的直方圖將會(huì)出現(xiàn)兩個(gè)分離的峰值，選擇兩峰之間的谷底作為閾值(如圖1)。步驟如下：
    (1)找出直方圖的兩個(gè)最大的局部值：zi，zj；
    (2)求zi，zj間直方圖最低點(diǎn)zk；
    (3)用h(zk)／min(h(zi)，h(zj))測(cè)試直方圖的平坦性；
    (4)若上述值小于門(mén)限T，將zk作為分割門(mén)限。

2．2 迭代法
    迭代式閾值選擇算法是對(duì)雙峰法的改進(jìn)，它首先選擇一個(gè)近似閾值T，將圖像分割成兩部分：R1和R2，然后計(jì)算區(qū)域R1和R2的均值μ1和μ2，并選擇新的分割閾值T=(μ1+μ2)／2，重復(fù)上述步驟直到μ1和μ2不再變化為止。
迭代法是基于逼近的思想，其步驟如下：
    (1)求出圖像的最大灰度值和最小灰度值，分別記為Zmax和Zmin，令初始閾值T0=(Zmax+Zmin)／2。
    (2)根據(jù)閾值T將圖像分割為前景和背景，分別求出兩者的平均灰度值Z0，Zb。
    (3)求出新閾值T=(Z0+Zb)／2。
    (4)若兩個(gè)平均灰度值Z0和Zb不再變化(或T不再變化)，則T即為閾值；否則轉(zhuǎn)步驟(2)，迭代計(jì)算。

2．3 大津法
    大津法(OTSU法)是由大津于1979年提出的，對(duì)圖像I，記T為前景與背景的分割閾值，前景點(diǎn)數(shù)占圖像比例為W0，平均灰度為u0；背景點(diǎn)數(shù)占圖像比例為w1，平均灰度為u1，圖像的總平均灰度為：
   
    最大時(shí)，T即為分割的最佳閾值。方差是灰度分布均勻性的一種度量，方差值越大，說(shuō)明構(gòu)成圖像的兩部分差別越大，當(dāng)部分前景錯(cuò)分為背景或部分背景錯(cuò)分為前景都會(huì)導(dǎo)致兩部分差別變小，因此使方差最大的分割意味著錯(cuò)分概率最小。直接應(yīng)用大津法計(jì)算量較大，因此我們?cè)趯?shí)現(xiàn)時(shí)采用等價(jià)的公式：
   
2．4 多閾值法
    對(duì)于復(fù)雜圖像，在許多情況下對(duì)整幅圖像用單一閾值不能給出良好的分割效果。比如照射光的不均勻，使圖像的某一部分物體和背景兩者都比另一部分亮。因此，在圖像的一部分能把物體和背景精確地分開(kāi)的閾值，對(duì)另一部分來(lái)說(shuō)，可能把太多的背景也當(dāng)做物體分割下來(lái)了。克服這一缺點(diǎn)有如下一些方法：設(shè)法利用灰度級(jí)校正技術(shù)進(jìn)行校正，然后采用單一閾值來(lái)分割；另外一種方法是把圖像分成小塊，并對(duì)每一塊設(shè)置局部閾值。但是，如果某塊只含物體或只含背景，那么對(duì)這塊圖像就找不到閾值。這時(shí)，可以由附近的像塊求得的局部閾值用內(nèi)插法給此像塊指定一個(gè)閾值。這種對(duì)一幅圖像使用多個(gè)閾值進(jìn)行分割的方法就是多閾值法。

3 分割結(jié)果討論
    本文應(yīng)用MATLAB軟件實(shí)現(xiàn)上述各算法，并分別得出其分割結(jié)果，如下所示：

    由以上各圖可看出：用雙峰法分割時(shí)，當(dāng)前景圖像和背景圖像的灰度值太接近時(shí)，可能會(huì)導(dǎo)致有些前景圖像沒(méi)有從背景中分離出來(lái)，如圖3，圖像失真了；而使用迭代法分割時(shí)，基于迭代的閾值能區(qū)分出圖像的前景和背景的主要區(qū)域所在，但圖像的細(xì)微處還沒(méi)有很好的區(qū)分度，對(duì)某些特定圖像，極小的數(shù)據(jù)變化卻會(huì)引起分割效果的巨大改變，結(jié)果和雙峰法的分割效果相似，如圖4；而用大津法選取出來(lái)的閾值非常理想，對(duì)各種情況的表現(xiàn)都較為良好。大津算法是一種較為通用的分割算法。但是用大津法做全局閾值效果還是不理想，沒(méi)能很好地將背景和前景圖像分離開(kāi)，如圖5；最后，我們使用多閾值法分割算法，先將PCB圖像分割成小塊，然后對(duì)各小塊圖像使用大津法求閾值，也就是說(shuō)各個(gè)小塊圖像的閾值是分別求出來(lái)的，是不一定一樣的?？煽闯?，多閾值分割很好地將圖像的前景和背景分離開(kāi)了，較完整地提取出了需要檢測(cè)的PCB線路，如圖6。
    實(shí)驗(yàn)結(jié)果表明，閾值化分割不僅可以提高PCB圖像分割的快速性和穩(wěn)定性，而且分割效果明顯，其中的多閾值分割方法效果最好。最后，文中提出的方法還有很多不足，比如對(duì)于不同的PCB板可能使用多閾值分割時(shí)的分塊數(shù)需要做不同調(diào)整才能達(dá)到理想效果，因此此方法的通用性不強(qiáng)。希望各位讀者能從本文得到一些啟示，提出更有效的分割算法。