基于图像的pcb板的断路短路检测技术研究

基于图像的pcb板的断路短路检测技术研究 题 快递公司问题件快递公司问题件货款处理关于圆的周长面积重点题型关于解方程组的题及答案关于南海问题 目: 基于图像的pcb板的断路短路检测技术研究 摘 要 印刷电路板(PCB)是集成各种电子元器件的信息载体，在各个领域得到了广泛的应用。近年来随着印刷电路板生产复杂度和产量的提高，传统PCB缺陷检测方式因接触受限、高成本、低效率等因素，己经逐渐不能满足现代检测需要，因此研究实现一种PCB缺陷的自动检测系统具有很大的现实意义和实用价值。PCB缺陷检测技术中，自动光学检测技术越来越受到重视，其中图像检测法也将成为自动光学检测的主流。 本课题在分析国内外对AOI系统中图像识别软件研究成果的基础上，基于图像处理技术、模式识别技术和缺陷检测技术，提出了一种运用参考法和设计规则校验法处理彩色PCB图像进行缺陷检测的 方案 气瓶 现场处置方案 .pdf气瓶 现场处置方案 .doc见习基地管理方案.doc关于群访事件的化解方案建筑工地扬尘治理专项方案下载 。该系统主要由光照、CCD摄像机、图像采集卡及计算机图像处理软件组成。其中图像处理软件部分作为本课题的核心,着重研究了其关键功能模块包括图像灰度化、图像滤波、图像锐化、图像识别几个部分算法的选择与设计，并在MATLAB7.0的环境下进行仿真。 运用现代成熟的数字图像处理技术，本文实现了PCB缺陷的软件检测方案。在预处理模块中，结合PCB板的特点运用图像预处理手段,首先对彩色图像进行灰度化，其次运用图像滤波,最后通过图像锐化得到高质量的PCB图像。在识别模块中结合电路板的短路、断路缺陷的特征，识别短路和断路故障。提高了生产效率，降低了生产成本。 关键词: 缺陷检测;图像处理;图像滤波;图像识别 I Detection of Short Circuit and Open Circuit of PCB Based on Image Title Abstract Printed Circuit Board (PCB) is an information carrier integrating various electronic components. It has been applied in different fields widely.With the higher complexity and output of Printed Circuit Board manufacture in recent years, the traditional methods of PCB defect inspection can not meet demands of inspection gradually because of restricted contact, high cost or low efficiency.Therefore, the study of automatic defect inspection system is meaningful in the PCB production today. Automatic optical inspection (AOI) technology is more and more important, in which the image detection will become mainstream of automatic optical inspection in PCB defect inspection technology. Image recognition software on the basis of research results in AOI system is analyzed in the system. Then, the scheme of PCB color images treatment and PCB defect inspection was proposed, in which a reference method and design rule method is used. It is based on image processing, pattern recognition and defect detection.The inspection system is composed of several parts, including light, CCD cameras, capture cards and computer image processing software systems. As the core of this thesis, the design and implementation algorithm of functional modules is the key of image processing. Functional modules is composed of image pre-processing as image graying, image filter, sharpening, and image recognition. These algorithms are simulated in MATLAB7.0. The software detection program of PCB defect is implemented using modern sophisticated digital image processing technology in this paper. In the preprocessing module, image preprocessing methods is used combining the characteristics of PCB board.In order to get high-quality PCB image, first, the color image is grayed, then the gray image is filtered, and finally, the image is sharpened. In the module of image recognition, short circuit and open circuit is recognized by analyzing the character of two defects.The system have high production efficiency and low production costs. Keywords: Defect inspection; Image processing; Image Filtering; Image recognition II 目 次 1 绪论 ......................................................... 1 1.1 课题研究的背景 ..................................................... 1 1.2 国内外现状和发展趋势 ............................................... 2 1.3 课题研究的目的和意义 ............................................... 3 1.4 本课题主要研究的内容 ............................................... 4 2 检测总体方案的设计 ............................................. 6 2.1 图像检测结构 ....................................................... 6 2.2 图像采集单元 ....................................................... 6 2.3 图像处理单元 ....................................................... 7 2.4 采集到的图像 ....................................................... 7 3 PCB图像的预处理 ............................................... 9 3.1 MATLAB软件简介..................................................... 9 3.2 彩色图像灰度化 .................................................... 10 3.3 PCB图像的滤波..................................................... 11 3.4 PCB图像的锐化..................................................... 14 4 PCB图像的缺陷检测 ............................................ 19 4.1 PCB的主要缺陷..................................................... 19 4.2 PCB缺陷检测方法................................................... 19 4.3 图像对比 .......................................................... 20 4.4 短路断路的检测 .................................................... 20 结论 .......................................................... 23 致谢 .......................................................... 24 参考文献 ...................................................... 25 III 1 绪论 1.1 课题研究的背景 近几年来，随着通信、计算机、消费电子等产业的发展，印刷电路板(PCB)行业也迅速的发展起来了。印刷电路板(Printed Circuit Board，PCB)又称为印刷线路板或印制电路板。印刷电路板是各种电子产品的主要部件，有“电子产品之母”之称，它是任何电子设备和产品都需要配备的，其性能的好坏在很大程度上影响到电子产品的质量。几乎每一种电子设备都离不开PCB，小到电子手表、计算器，大到航空航天、 军用武器系统等，都包含各式各样，大小各异的PCB板。 印刷电路板(PCB)作为电子工业中最基础和最活跃的产业之一，发展迅速，并且随着半导体设计和制造技术的日益发展，印刷电路板也朝着超薄型、高密度、多层数、高性能等方向发展。目前，印刷电路板的设计、加工水平己达到0.2,0.3mm(孔径)，0.15-0.12mm(线条宽度和间距)，层数已经达到46层(富士公司)甚至更多，可以说印刷电路板的高技术和高复杂性已经达到一个相当高的水平。但在取得高速发展的同时，PCB行业也面临着巨大的挑战，那就是PCB的质量问题。目前的印刷电路板的质量情况不容乐观。 因为印刷电路板品质的好坏，取决于印制电路板上每根线条、每个孔品质的好坏，而一块板上数以千计的线条和孔中任意一个发生过细、过粗、残缺、针孔、粘连、断开、错位等质量问题，都会影响最终产品质量，或导致产生废品。电路板的层数越多，问题越突出，造成的废品率越高。所以在生产过程中，如何提高中间过程产品的品质，如何减少废品率，如何提高印刷电路板的质量是各个电路板生产厂家一直不懈追求的目标。 由于电路板在生产过程中受到许多不确定因素的影响，如原材料、设备稳定性、温度、环境以及人为的错误操作等，造成缺陷是很难避免的，出现的故障基本都是线路错误，主要可分为:短路、断路、毛刺、缺损几类。如果不及时地将这些质量问题检查出来，势必会在PCB板调试和使用的过程中留下隐患，造成更大的损失，所以必须实施严格的中间检测。目前，印刷电路板的在线检测已成为PCB板生产厂家和企业的共识，但真正实现在线检测难度很大，现有的PCB检测手段已经不能适应当今PCB的发展趋势了。因此，一种高效、高速、高精度的印刷电路板缺陷自动检测设备已成为PCB行业的迫切需要。 1 1.2 国内外现状和发展趋势 目前，PCB板缺陷的检测方法主要有接触式和非接触式两种，在PCB发展的早期，接触式检测发挥了重要作用，而现在非接触式则成了PCB板缺陷检测的主要方法和手段。 接触式检测主要有两种形式:针床式检测和飞针式检测。针床式检测主要适用于大批量中、低密度电路板的检测，检测速度较快。比如制造缺陷分析仪使用一个针床，接着便可以诊断输出。然而针床式检测也存在很多缺陷:针对不同的电路板需要制作不同的模板，制作和调试的周期长、成本高，因此不适合低产量原型样机的测试。飞针式检测是专门针对小批量、多品种生产的测试系统，使用来回移动的探针对整块的电路板进行测试。飞针式检测具有许多优点:设定、编程和测试简单灵活;能快速地 微间距引脚的电路板;精度、稳定性、转换测试和反馈过程错误;很方便检测具有细 可靠性高;无须专门开发夹具，降低检测成本;简化功能测试。但也有缺点，比如:由于逐点检测，测试一面后翻转再测试另一面，飞针测试时间很长;因为物理的接触通孔和焊盘，可能在焊锡上留下小凹坑;在没有焊盘的地方探针会接触到元件引脚，所以可能会错过松脱或焊接不良的元件引脚;飞针测试还限制电路板的尺寸。 非接触式检测中，检测传感器不与被检测对象发生直接的物理接触，这样可以避免因物理接触而发生故障。相对接触式检测来说，非接触式检测通常不需专门的定位和装卡，而且响应时间比较快。非接触式检测在PCB缺陷检测中有明显的优势，它不仅可以检测到功能性缺陷，而且可以很方便地检测出外观性缺陷。现在自动光学检测系统(AOI)是非接触式PCB检测中一个相当重要的研究方向。 自动光学检测系统(Automatic Optical Inspection system，简称AOI)是利用摄像头、扫描仪等对PCB板进行扫描，将 标准 excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载 板和被测板的电路图像进行比较，从而发现缺陷。自动光学检测系统比以前的检测方式有着不可比拟的优势，比如:AOI不仅能检查出PCB上断路、短路的缺陷，而且对导线上的缺口、残余铜、空洞或划痕等能进行有效的检查;它不需要和PCB板接触，不会损坏电路板;可以对高密度PCB、超小型元器件进行检测;此外AOI是一种快速的在线测试法，不会有疲劳问题，可以让操作者能及时处理有关的问题并可以日夜工作，可以跟上高速的生产线，减少重复劳动的花费，提高检测的效率。因此，可以把AOI放到生产线中的不同位置，及时发现故障和缺陷，使生产和检测合二为一，这样可以缩短发现故障和缺陷的时间，及时找出 2 故障和缺陷的原因。因此它是目前采用得比较多的一种检测方法。 自从上个世纪80年代初，国际上已经纷纷开始研制PCB缺陷自动检测系统。一些国际性的大企业、大厂商，如美国的IBM、日本的日立、美国的西屋等都投入了大量的人力、物力、财力在这方面的研究上。经过l0多年的努力，自动光学检测系统最终被成功地运用在印刷电路板的生产线上。因此，AOI供应商的数量急剧增加，各种AOI技术也得到了快速的发展。从简单的摄像系统到复杂的光检测系统，众多供应商们已经几乎能够提供可以适用于所有自动生产线的自动光学检测设备。 世界主要制造厂商目前已经将AOI技术推广到电路板上的贴装元件的位置、方向的检测以及带芯片的电路板的整体检测等领域。AOI技术在国外研究的比较的早，技术也相对来说比较的成熟，研究出来的产品也能检测出大部分的印刷电路板的缺陷。但他们大部分售价都比较贵。 国内印刷电路板的自动光学检测系统的研究大约开始于90年代初中期，还是刚刚起步。目前，从事这方面研究的科研院所也是比较少的，而且也因为受到各种因素的影响，对于印刷电路板缺陷的自动光学检测系统的研究也只是停留在一个相对初期的水平。 正是因为国外的印刷电路板的自动检测系统价格太贵，而国内也没有研制出真正意义上的印刷电路板的自动检测设备，所以国内绝大部分电路板生产厂家还是采用人工用放大镜或投影仪查看缺陷的办法进行检测。由于人工检查劳动强度大，眼睛容易产生疲劳，漏验率很高。而且随着电子产品朝着小型化、数字化发展，印制电路板也朝着高密度、高精度发展，采用人工检验的方法，基本无法实现。对更高密度和精度的电路板，已无法完全检验。 现有的电子及相关产业的生产及检测设备等高性能产品大多是进口的。由于进口设备价格非常贵，使得国内大部分印制电路板的生产厂家暂时无力购买，给他们带来了非常大的经济压力，而且这些设备往往不适合国内操作人员的习惯，在使用的过程中不能充分利用其功能，造成了资源的极大浪费。因此，现在迫切需要一种采用先进技术手段，准确、快捷地检测的仪器设备，与国外著名公司进行竞争，从而大幅度提高产品的合格率，具备高密度、高品质多层PCB板的生产能力。 1.3 课题研究的目的和意义 随着全球经济一体化步伐的加快，我国产业结构的投资方向发生了重大的调整， 3 国家“十五"计划已经把研制微电子装备作为一个专题项目提出来，必然会向该领域投入大量资金和人力资源，用于芯片和相关检测设备的研制，以填补该领域的空白。所以这对于科技最敏感的科研院，面临的既是机遇又是挑战。 行业的现状并不是太乐观，产品的生产、我国是全球生产印刷电路板的大国，但是 检测还处在一个相对低的水平，这样也导致了生产率比较低，与世界发达国家相比，还具有一定的距离。因此，研究开发具有自主知识产权的光电一体化高科技的产品一一印刷电路板自动检测系统是必须的、也是紧迫的。如果这个自动检测系统能研制成功，使我国摆脱AOI产品还需要进口这样难堪的局面，不但可以节省外汇，也将使我国印刷电路板行业检测技术落后的状况得以改观，增加竞争的能力，提高我国的PCB企业在国际上的地位。所以，研究基于图像的PCB缺陷检测系统的设计与研究具有非常深远的意义。本 论文 政研论文下载论文大学下载论文大学下载关于长拳的论文浙大论文封面下载 主要研究的是短路断路缺陷。 本课题主要采用图像处理的方法检测印刷电路板的缺陷，针对工业应用的要求，本课题主要要求如下: (1) 动态实时性。本课题用于印刷电路板的在线检测，实时性强，需要合理的设计算法，提高运算速度，以提高整个检测速率。 ) 缺陷的判断准则的优化。既不能漏掉特征信息，也不能报告虚假信息，将误(2 判率限制在合适的范围内。 (3) 适应性强。人工干预比较少，可直接从图像本身提取信息，自动加以判断处理。 本文涉及图像处理及自动化控制技术，内容广泛，涵盖面宽。本文集中于图像处理这个中间环节的处理，为进一步的研究打下坚实的基础。 1.4 本课题主要研究的内容 本课题研究的主要工作是研究设计能对印刷电路板的常见缺陷进行快速、实时识别的检测系统。主要对PCB的短路、断路缺陷进行检测。本课题主要采用图像处理的方法对印刷电路板的短路断路缺陷进行检测。涉及图像处理技术有图像灰度化，图像滤波及锐化等。本课题的主要工作分为以下几个章节来完成: (1) 首先是在查阅大量参考文献的基础上，介绍了本课题的研究背景、国内外研究现状、研究目的和意义以及本论文所要完成的工作。 (2) 其次主要是检测总体方案的设计。介绍了结构组成并对各单元进行设计与说 4 明，包括照明单元、图像采集单元、图像处理单元。 (3) 再次论述了PCB图像的预处理。介绍了MATLAB软件，根据PCB图像的特点，实现了图像的滤波、锐化，从而提高图像质量，完成了PCB图像的预处理。 (4) 最后阐述PCB图像的缺陷检测。对PCB图像的主要缺陷及其检测方法进行了简要介绍，针对PCB的短路、断路缺陷特征，主要给出相应的识别算法。 5 2 检测总体方案的设计 2.1 图像检测结构 PCB板缺陷自动检测结构由硬件部分和软件部分构成。硬件部分主要包含光照单元(光源)、图像采集单元(CCD摄像机、图像采集卡)和计算机(主机和显示器)四部分。软件部分主要是指计算机的图像处理单元。图像检测结构如图2.l。 图像采集单元图计像算CCD摄像头图像采集卡图缺机像陷图光预识像照处别处待测电路板单理理元单 元精密工作台运动控制器 运动控制单元 图2.1 图像检测结构 工作原理是:首先在光照条件下采用摄像机将待检测的PCB板面转换成图像信号，然后经过图像采集卡转化成数字信号传送给计算机图像处理单元，将图像经过预处理后送入图像缺陷识别模块中，运用各种运算来检测缺陷特征，并根据条件输出判断结果。 光照单元的主要任务就是产生合适的照明及准确的物象位置关系，以保证得到的图像有合适的对比度和清晰度。图像采集单元将待检测PCB板的图像数字化，并输入到计算机系统。计算机图像处理单元是整个系统的核心单元，该单元的主要任务是运用图像处理算法检测和识别出待测PCB板的缺陷。 光照部分在实际过程中，需要根据实际情况调整，总的要求是使获得的图像清晰、整齐。 2.2 图像采集单元 图像采集部分是由CCD摄像机、图像采集卡组成。其主要功能是根据触发信号或计算机的命令完成对图像的采集。在检测系统中获取高质量的图像是系统提高检测速率和效率的基础，图像采集单元的设计主要涉及到选取合适的摄像机和图像采集卡。 6 采集过程如图2.2所示: 照射反射光电转化量化 光源物体CCD 图像采集卡灰度 图2.2 图像采集过程 2.3 图像处理单元 图像处理单元作为本检测系统的核心模块，由图像的预处理、图像的识别等部分组成，其中预处理包括图像灰度化，图像滤波，图像锐化。图像处理单元的任务就是利用图像处理的方法检测出PCB板的缺陷，整个检测流程见图2.3。 采集图像 PCB图像灰度化 图像滤波 图像锐化 图像减法运算 输出缺陷结果 图2.3 图像处理单元流程图 软件工作流程为:首先通过图像采集模块获取待测电路板图像，根据PCB图像的特点，在预处理模块中，采用适当的算法先对图像进行灰度化，然后进行滤波，锐化等，对图像进行处理，在缺陷识别模块中，将待测电路板图像和参考图像进行减法运算，得到缺陷图像并进行缺陷位置检出。 2.4 采集到的图像 图2.4是采集到的两幅PCB缺陷图像。 7 (a)短路 (b)断路 图 2.4 彩色图像 8 3 PCB图像的预处理 图像预处理主要是在matlab下进行的。一般来说，系统在PCB待测灰度图像的采集、传输过程中，由于光照不均或变化、采集设备自身的干扰、成像的非线性、数字化过程量化噪声、传输过程误差以及人为因素等，都有可能使得实际获取的待测PCB灰度图不可避免地受到外部干扰和内部干扰，从而使图像质量降低或失真，包含各种各样的噪声和畸变。因此，为了后续图像分析和理解，应对待测图像进行预处理，改善图像质量，提取我们感兴趣的目标区域。 目前，已经有许多成熟的方法可以用来对图像进行预处理。在进行预处理的过程中，可以根据不同的情况，有针对性的选取适当方法来进行操作。 经实验证明，在电路板图像的预处理过程中，中值滤波，拉普拉斯锐化这几种方法对电路板图像预处理能较好的去除噪声，提高图像质量。因此，在本课题研究中，根据PCB图像的特点，首先对PCB图像进行灰度化，然后选取适当的方法对PCB图像进行处理，以期得到我们希望的图像，为后续研究做准备。 3.1 MATLAB软件简介 MATLAB是Math works公司于推出的一套高性能的数值计算和可视化软件，其全称是Matrix Laboratory，亦即矩阵实验室，经过多年的逐步发展与不断完善，现已成为国际公认的最优秀的科学计算与数学应用软件之一，是近几年来在国内外广泛流行的一种可视化科学计算软件。它集数值分析、矩阵运算、信号处理和图形显示于一体，构成了一个方便的、界面友好的用户环境，而且还具有可扩展性特征。MATLAB中的数字图像是以矩阵形式表示的，这意味着MATLAB强大的矩阵运算能力用于图像处理非常有利。矩阵运算的语法对MATLAB中的数字图像同样适用。 MATLAB中的基本数据结构是由一组有序的实数或复数元素构成的数组，图像对象的表达采用的是一组有序的灰度或彩色数据元素构成的实值数组。MATLAB中通常用二维数组来存储图像，数组的每一个元素对应于图像的一个像素值。例如，由200行和300列的不同颜色点组成的一幅图像在MATLAB中采用200×300的矩阵存储。 MATLAB支持多种类型的图像，而不同类型的图像其存储结构通常是不同的。如RGB图像则需要一个三维数组，3个数据维分别对应于某像素点的红色、绿色和蓝色强度值。由于对图像采用了通用的数据矩阵的表达方式，MATLAB中原有的所有基本矩阵操作都可应用于图像矩阵，例如，我们要查看图像I中某像素点的强度值，可以采用类 9 似的表达方式:I(x，y)，它代表了图像I的第x行和第y列的像素值。 MATLAB可操作的图像文件包括BMP，HDF，JPEG，PCX，TIFF和XWD等格式。MATLAB在图像处理中的应用是由MATLAB函数来实现的，MATLAB提供了图像文件读入函数imread()，还提供了imwrite()图像写出函数，显示图像函数有image()、imshow()等MATLAB在处理图像时都是以向量、矩阵、数组的形式来表示图像，并进行各种运算。MATLAB提供了图像的和、差等线性运算。 3.2 彩色图像灰度化 图像的灰度化处理的基本原理:数字图像分为彩色图像和灰度图像。RGB图像，即真彩色图像，在MATLAB中存储为n×m×3的数据矩阵。数组中的元素定义了图像中每一个像素的红、绿、蓝颜色值。像素的颜色保存在像素位置上的红、绿、蓝的强度值的组合来确定。在RGB模型中，如果R=G=B，则表示一种灰度颜色，其中R=G=B的值叫做灰度值，通常用g来表示。因此，灰度图像每个像素只需一个字节存放灰度值 ，灰度范围为 0-255。将彩色图像转化成为灰度图像的过程成为图像的灰度化处理。 由于彩色图像的存储空间较大，因此，在对图像进行识别等处理过程中，需要将彩色图像转换为灰度图像，以加快后续工作的处理速度。彩色图像中的每个像素的颜色有R、G、B三个分量决定，而每个分量有255种值可取，这样一个像素点可以有1600多万(255*255*255)的颜色的变化范围。而灰度图像是R、G、B三个分量相同的一种特殊的彩色图像，其一个像素点的变化范围为255种，所以在数字图像处理种一般先将各种格式的图像转变成灰度图像以使后续的图像的计算量变得少一些。灰度图像的描述与彩色图像一样仍然反映了整幅图像的整体和局部的色度和亮度等级的分布和特征。 灰度化是图像处理的基础之一，彩色图像如果不是直接进行彩色图像分割，就要在后续处理之前进行灰度化。预处理阶段, 都要把采集来的彩色图像进行灰度化处理,这样既可以提高后续算法速度, 而且可以提高系统综合应用实效，达到更为理想的要求。 因此对彩色图像灰度化很重要。 图像的灰度化处理，一般有以下三种 设计方案 关于薪酬设计方案通用技术作品设计方案停车场设计方案多媒体教室设计方案农贸市场设计方案 : (1)加权平均法 根据重要性及其它指标，将三个分量以不同的权值进行加权平均。由于人眼对绿色的敏感最高，对红色敏感度次之，对蓝色敏感最低，因此，在MATLAB中我们可以按 10 f(i,j)=0.30R(i,j)+0.59G(i,j)+0.11B(i,j))这个式子系统函数对RGB三分量进行加权平均能得到较合理的灰度图像。 (2)平均值法 求出每个像素点的 R、G、B 三个分量的平均值，将得到均值作为灰度值输出而得到灰度图。表达式为f(i,j)=(R(i,j)+G(i,j)+B(i,j)) /3 . (3)最大值法 将彩色图像中的三分量亮度的最大值作为灰度图的灰度值。表达式为f(i,j)=max(R(i,j),G(i,j),B(i,j)) . rgb2gray函数的功能是将彩色图像转化成灰度图像。库函数rgb2gray(),其转化是依据亮度方程f(i,j)=0.30R(i,j)+0.59G(i,j)+0.11B(i,j))来实现的，即依据人眼对不同颜色的敏感度不同(人眼对绿色最敏感，对红色敏感度次之，对蓝色最不敏感)，对RGB分量以不同的系数加权平均，即gray=O.30R+0.59G+0.11B，通常能得到最合理的灰度图像。 在matlab中，实现灰度化的程序语句如下: i=imread(‘G:\dianluban.jpg’); j=rgb2gray(i); figure,imshow(j); 结果如图3.1所示。 (a) 短路 (b) 断路 图 3.1 转换后的灰度图 3.3 PCB图像的滤波 图像滤波，即在尽量保留图像细节特征的条件下对目标图像的噪声进行抑制，是图像预处理中不可缺少的操作，其处理效果的好坏将直接响到后续图像 11 处理和分析的有效性和可靠性。图像在获取或者传输的过程中,经常会被加入大量的噪声,严重影响了图像的视觉效果,甚至妨碍了人们的正常识别。因此,图像的噪声滤除是图像处理中的一项重要任务,噪声滤除后的结果对图像锐化、特征提取和图像识别等后续处理均有直接的影响。任何一幅未经处理的图像，都存在一定程度的噪声干扰，噪声恶化了图像质量，使图像模糊，甚至淹没特征，给分析带来困难。图像滤波的主要目的就是去除或衰减混杂在图像上的噪声的干扰，改善图像的质量。常用的滤波方法有均值滤波，中值滤波等。 3.3.1均值滤波 它将一个像素及其邻域中所有像素的平均值赋均值滤波是简单的空域处理方法， 给输出图像中相应的像素，从而达到滤波的目的。 它是一种线形滤波技术，它是用一窗口逐一对准图像内每一像素，用窗口领域的像素灰度的平均值取代窗口中心像素原来的灰度值。假定有一幅M×N个像素的图像f(x,y)，滤波处理后得到一幅图像g(x,y)，g(x,y)由式(3.1)决定: 1，，，， (3.1) gx,y,fi,j,M，，I,J,s 其中:x，y=0，1，2，?，N-1;S是以(x，y)为中心的邻域集合;M是S内的像素数。 窗口领域S的形状和大小根据图像特点确定。一般选取的形状是正方形、矩形及十字形等，领域的形状和大小可以在全图处理过程中保持不变，也可根据图像的局部统计特性而变化，它的中心一般位于被处理点上。如为3*3邻域，点(m，n)位于S中心，则 111，，，，fm,n,fm，i,n，j (3.2) ,,9IJ,,,,11 2,假设噪声n是加性噪声，在空间各点互不相关，且期望为0，方差为，g是未受污染的图像，含噪图像f经过邻域平均化滤波后为: 111，，，，，，，，fmn,,fij,,gi,j，ni,j (3.3) ,,,MMM 22由上式可知，滤波后噪声的均值不变，方差,,1M,，即噪声方差变小，说明噪声, 强度减弱了，即抑制了噪声。可见，邻域平均法滤波有力地抑制了噪声，使图像变得柔和一些，同时也出现了因边缘处的灰度差趋向平均而引起的模糊现象，模糊程度与 12 邻域半径成正比。 3.3.2中值滤波 中值滤波(Median Filtering)是一种基于排序统计理论的可以有效抑制噪声的非线性滤波技术。它是一种典型的低通滤波器，目的是保护图像边缘的同时去除噪声。 1971年图基(TukeY)在进行时间序列分析时提出中值滤波的概念，后来人们将其引入到图像处理中，这种滤波的优点是运算简单而且速度快，易于实现。 它的中心思想是用像素邻域灰度值的中值来代替该像素点的灰度值。所谓中值滤波，是指把以某点为中心的小窗口内的所有像素的灰度值按从小到大的顺序排列，若窗口中的像素数为奇数个，则将中间的值作为该点处的灰度值。若窗口中的像素数为偶数个，则取两个中间值的平均值作为该点处的灰度值。具体的做法是:将所用邻域窗口内的所有像素的灰度值从小到大排序，取该组中间的灰度值作为滤波后的灰度 2值。设表示数字图像各点的灰度值,滤波窗口A的二维中值滤波，可定,,，，xi，j,Iij 义为: 2 (3.4) ,,,,y,medianx,medianx,Iijiji，rj，s，，，，，，,ArsA, 通常窗口内像素数为奇数，以便有个中间像素。若窗口像素数为偶数时，则中值取中间两像素灰度的平均值。常用的窗口形状有方形、十字型、圆形、菱形。窗口A的大小决定在多少个数值中求中值，窗口的形状决定在什么样的几何空间中取元素来计算中值。 最常用的窗口是方形或十字型。一般而言，对于具有尖角物体的图像，可采用十字窗口，而对于变化缓慢的且具有较长轮廓线物体的图像，则采用方形窗口。由于PCB图像的基本组成是线和孔，所以采用方形窗口进行滤波。另外，中值滤波窗口越大，抑制噪声效果越好，但有效信息损失也越大，因此须选择最佳窗口大小以兼顾二者。假设表示原图像的矩阵为A，经过3*3矩形窗口的中值滤波后得到图像B，如式(3.5)所示: ，，，，111010 ,,,, A B (3.5) ,161,111,,,, ,,,,111010，，，， 对受到噪声污染的图像可以采用线性滤波的方法来处理，但是很多线性滤波有低通性，在去噪声的同时也使得边缘模糊了，中值滤波在某些情况下可以做到既去除噪 13 声又保护图像的边缘。中值滤波在图像处理中对抑制离散的噪声比邻域平均法滤波更有效，而且还能保护边缘轮廓信息。因此本文采用中值滤波对图像进行滤波处理。 在matlab中，中值滤波的程序语句如下: clear [m,n] = size(j); %//或取待处理图像的大小 B=ordfilt2(j,median(1:9),ones(3,3));%并不是模板越大滤波效果越好 imshow(B); 结果如图3.2所示: (a)短路 ( b) 断路 图3.2 滤波后的图像 由图3.2可以看出，经过中值滤波处理以后的图像的轮廓比较清晰，从而提高图像质量以便后续处理。可见中值滤波对噪声具有良好的抑制作用，是一种最常用的滤波去嗓的图像增强手段之一。 3.4 PCB图像的锐化 在图像处理中，为了去除图像噪声，我们通常使用图像滤波技术，但是图像经过滤波后或多或少会使图像中的边界、轮廓变的模糊。图像锐化的目的就是为了减少这类不利效果的影响，使图像的边缘、轮廓线以及图像的细节变的清晰，以便人眼和机器的识别。 滤波的图像变得模糊的根本原因是图像受到了平均或积分运算的原因，因此对图像进行逆运算(如微分运算)来使图像变得清晰。已提出的许多图像锐化方法一般分为两类:一类是微分法，另一类是高通滤波法。常用微分算子、拉普拉斯算子、sobel 14 算子等方法对PCB图像进行锐化。 3(4(1微分算子方法 对图像某一区域内的像素求平均值往往会使得处理后的图像模糊化。从数学观点来看，区分图像某区域灰度变化的大小就是微分的概念。图像函数在某处的微分值大，表明灰度的变化率大，边缘就明显;相反，微分值小，表示灰度变化率小，边缘就不明显甚至模糊。图像处理中常用的微分方法是求梯度。对于连续函数f(x，y)，它在点(x，y)处的梯度是一个矢量，定义为: f,,,,,x,,,Gradfxy,,，，,, (3.6) f,,,,,y,,, 梯度的方向在函数点f(x，y)最大变化率的方向上，其幅度为梯度的模，用G[f]表示。 22ff,,,,,,GfGradfxy,,，，,,,,,,,， (3.7) ,,,,xy,,,,,, 对于离散的数字图像f(x，y)，采用差分运算来近似替代微分运算，在其像素点(i,j)处，x方向和y方向上的一阶差分定义为: ，，，，，，,fx,y,fi,j,fi，1,jx (3.8) ，，，，，，,fi,j,fi,j,fi,j，1y 此时，式(3.7)可以近似为: 22,,，，，，Gf,,fi,j，,fi,j xy 在计算精度允许的情况下，可采用绝对差算法: ，，，，，，，，,,Gf,fx,y,fx，1,y，fx,y,fx,y，1 (3.9) 在可以选择的所有方法中，最简单的就是令该点的锐化值g(x，y)等于计算出的梯度值，即: ，，,, (3.10) gx,y,Gf 微分算子达到了锐化PCB图像的效果，但却增加了伪的轮廓信息，并使噪声和条纹也得到了加强。 15 3.4.2 Sobel算子 Sobel算子的基本思想是:以图像的任意像素(i，j)为中心，截取一个3*3的像素窗口，分别计算窗口中心像素在x,y方向上的梯度: Sfijfijfijfij,，1,,1，2，1,，，1,，1,,1,,1，,,，，，，，，,，，x ，，，，,2fi,1,j，fi,1,j,1 Sfijfijfijfij,,，，，，，，,，，,,1,，1，2,，1，，1,，1,,1,,1，y ，，，，,f2i,j,1，fi，1,j,1 (3.11) Sobel算子: fijfijfij，，，，，，，，,1,,1,1,,1,,1 ,,,,,,, fijfijfij,, ，，，，，，,,1,,，1,,,,,,, ,,，，，，，，fi，1j,,1fi，1,jfi，1,j，1，， 增强后图像在(i,j)处的灰度值为 22g,S，S (3.12) xy Sobel算子在计算x方向和y方向上的梯度时，不像普通梯度算子那样只用两个像素灰度差值来表示，而是采用两列或者两行像素灰度加权和的差值来表示，这使得Sobel算子具有如下两个优点: (1)由于引入了加权平均，因而对图像中的随机噪声具有一定的平滑作用。 (2)由于Sobel算子采用间隔两行或者两列的差分，所以图像中边缘两侧的像素得到增强。Sobel算子得到的锐化图像的边缘显得粗而亮。 Sobel算子对图像中的噪声和条纹有一定的抑制作用，PCB图像经过Sobel算子的锐化后，边缘显得粗而亮。但边缘信息提取不够完整。 3.4.3拉普拉斯算子 拉普拉斯算子是一种线性锐化滤波器，它是一种二阶微分算子，强调图像中灰度的突变，突出细节。拉普拉斯算子是微分运算的线性组合，且是旋转不变性的线性运算。 2,设原图像为f(x,y)，锐化后图像为Dest(x,y)，为拉普拉斯算子，则: 16 22,,2 (3.13) ,,，22,x,y 因为在图像中，微分就是差分。对于数字图像f(i,j)来讲，拉普拉斯算子定义为: 222 (3.14) ，，，，，，,fi,j,,fi,j，,fi,jxy 式中: 2fijfijfijfij,,,,,,,,，1,,,，，，，,,,,，，，，xxxx fijfij,，1,,,，，，，,,xx (3.15) fijfijfijfij,，1,,,,,，,1,，，，，，，，， ，，，，，，,fi，1,j，fi,1,j,2fi,j 类似的可以求得 (3.16) ，，，，，，，，,fi,j,fi,j，1，fi,j-1-2fi,jy 所以 2 ，，，，，，，，，，，，,fi,j,fi，1,j，fi,1,j，fi,j,1，fi,j，1,4fi,j (3.17) 原数字图像f(x，y)，拉普拉斯锐化后图像Dest(x，y)为: ，，，，，，，，，，，，Destx,y,fx，1,y，fx,1,y，fx,y,1，fx,y，1,4fx,y (3.18) 为了去除图像噪声，我们使用图像滤波技术，但是图像滤波或多或少会使图像中的边界、轮廓变的模糊，为了减少这类不利效果的影响，这就需要利用图像锐化技术，使图像的边缘、轮廓线以及图像的细节变的清晰。 微分算子、拉普拉斯算子、Sobel算子都可以用来实现PCB图像的锐化，显示图像细节。微分方法锐化能清楚的提取边缘信息，但增加了伪的边缘轮廓，并使噪声和条纹也得到了加强;Sobel算子提取图像的边缘信息粗而亮，但不够完全;相比较而言，拉普拉斯算子对PCB图像有很好的锐化效果，可以清楚并完整的提取图像的边缘信息。因此本文中采用拉普拉斯算子对PCB图像进行锐化。 在matlab中，拉普拉斯算子对PCB图像进行锐化的程序语句如下: w=fspecial('laplacian',0);%生成滤波器算子。0是指laplacian的参数(与滤波器的相位有关的一个参数，取值在0-1之间)，图像的类型变为uint8 B1=im2double(B);%将图像的类型装换为double,因为imfilter函数要求输入输出的图像类一致。 CC=imfilter(B1,w,'replicate');%用生成的滤波器算子w对图像滤波。 17 imshow(CC)%; 处理后的结果如图3.3所示。 (a)短路 (b)断路 图3.3 锐化后的图像 由图3.3可以看出，应用了拉普拉斯算子对PCB图像锐化以后，将图像区域的边缘轮廓勾划了出来，可以清楚并完整的提取图像的边缘信息，因此拉普拉斯算子对提高图像的质量有很好的功效。 图3.3即是采集到的彩色图像经过灰度化，图像滤波，图像锐化等过程得到的图像，轮廓比较清晰，边缘效果好，为以后的缺陷检测做准备。 18 4 PCB图像的缺陷检测 本文的主要目的是通过对PCB数字图像的识别，找出印刷电路板上存在的缺陷。换言之，就是研究PCB上的缺陷模式。由于PCB图像中的线路是由简单、规则的几何图形组成的，因此本文采用经过处理的图像和标准图像的对比，做减法运算进行缺陷检测与识别。首先需要对PCB上的缺陷种类和特点有所了解。 4.1 PCB的主要缺陷 国家军用标准(GJB)和美国电子电路互连与封装协会标准(IPC)对PCB合格性衡量作出了标准规定，包括外观要求、线宽和线距变窄、镀层厚度、阻焊涂层要求、可焊性等因素，隐含了PCB各种缺陷种类和特征。表面缺陷是指短路、断路、凸起、缺损、针眼等。任何缺陷的长度不应大于12.70mm，导线之间缺陷不跨接，缺陷使线宽和线距减少不低于规定的最小值(如最小线宽、线距的20,)，凸起、凹陷、空洞等微小缺 2陷的最大尺寸不超过0.8mm，不跨接导体，每645范围内不超过10个，总面积不超mm ,。 过印刷电路板每一面面积的5 本文主要完成对PCB板外观表面可能影响线路导通特性的短路、断路缺陷进行检测和识别。 4.2 PCB缺陷检测方法 目前，己有很多学者对PCB基本缺陷的检测与识别方法作过研究，提出了若干检测方法，归纳起来有三类:参考比较法，非参考比较法和混合法。 (1)参考比较法 它是将参考的标准图像与被检测的图像进行对比，即异或运算，这种方法算法简单，速度最快，也容易实现，它可以检测出诸如短路、断路、毛刺等缺陷。但是对于一些缺陷并不能够检测出来，如间距违例(过大或过小)和线宽违例(过大或过小)等，且不能确定缺陷类别，同时存在被检图像与参考的标准图像之间的对位问题。 (2) 非参考比较法 这种方法无须参考图像，它依据预先定义的设计规则来判断待检测PCB图像是否有瑕疵，如果它不符合设计圳则，就认为有，因此也称为设计规则校验法，该方法内存需求小，但算法比较复杂，需对全图搜索，运算量很大，因此实现实时检测比较困难，且对于导线、焊盘丢失等大缺陷无法检测出。 (3) 混合法 19 它是前述两种方法的综合，在一定程度上克服了前两类方法的缺点，但目前这种方法还不是很成熟，其算法复杂，不能满足实时检测的要求，且自适应性不够，系统扩展能力较差。 综合这三种检测方法，参考比较法对电路板进行检测是效果最好，最易实现的一种方法。本课题采用标准图像与待测电路板图像进行异或运算产生缺陷图像。经实验证明，这种方法能得到较好的缺陷结果。 4.3 图像对比 图像对比是一种合成技术，它通过利用两幅已知输入图像，对其进行点对点的加减乘除异或等运算而获得满足需求的输出结果图像。图像相加的作用是对同一场景的多幅图像求平均，有效地降低加性随机噪声;乘运算可利用掩模图像来遮掉图像的某部分;除运算是摇撼图像处理常用方法:减运算对同一景物在不同时间拍摄图像或同一景物在不同波段图像相减，可去除图像背景和噪声等不需要部分，提供两图间的差异信息，保留需要的特征数据。本文由于检测PCB缺陷，在获得待测图像后，与标准图像比对，根据标准和待测图像两者线路特征差异来判断待测图中的线路目标是否可能存在缺陷。 两幅图像对应点相同时结果点为O(黑)，不同时为255(白)。则结果图像也应为只有0、255两级灰度的灰度图像。其中像素值为255(白)的点表示标准图和待测图像的差异，即是可能的缺陷。 4.4 短路断路的检测 对于短路、断路的缺陷，采用图像比较的方法来检测。图像相减常用于检测变化及运动的物体，图像相减运算又称为图像差分运算。将同一景物在不同时间拍摄的图像或同一景物在不同波段的图像相减，这就是差影法，实际上就是图像的减法运算。差值图像提供了图像间的差值信息，能用于指导动态监测、运动目标的检测和跟踪、图像背景的消除及目标识别等。差影技术还可以用于消除图像背景，用于混合图像的分离。 本文把经过处理的图像与参考图像进行对比，做减法运算，以得到图像的缺陷。 20 (a) 短路 (b) 断路 图4.1 参考图像 图像减法运算的程序如下: clear b=imread('G:\cankaotu.jpg');%//读取参考图像 c=imread('CC'); % //读取预处理后图像 D=imsubtract(b,c); %//进行差运算，D为输出结果 imshow(D);%//显示图像 显示结果如图4.2所示. (a) 短路 (b) 断路 图4.2 差值图像 图4.2是经过预处理后的图像与参考图像进行减法运算得到的图像，即差值图像。若图4.2全黑，则PCB板无缺陷;若图4.2有图像，则PCB板有缺陷。即可以通过该方法进行故障的初步诊断。并且可以根据图4.2图像的位置，确定缺陷的位置。至于是哪种缺陷，还需进一步识别，目前采用人工识别方法。如图4.2所示，可以根据图像的尺寸来判断故障的类别。图(a)显示的图像形状与导线间的电气距离相同，可判断为短路;图(b)显示的图像形状与导线的形状相同，可判断为断路。当然，不同的 21 pcb板，对应不同识别方法，要根据具体情况具体分析。 22 结 论 在国外AOI产品价格昂贵、国内由于经济受限而大量保持人工目检等传统的检测方式和日益增长的PCB生产之间矛盾不断加大的背景下，在数字图像处理技术发展飞速和应用于自动光学检测系统中电路印刷板的图像检测算法仍不够成熟的前提下，在理解了工控系统的结构原理特点之后，在深入分析PCB图像特点、缺陷特征、PCB质量标准和检测要求的基础上，开展了基于图像处理技术的印刷板电路缺陷检测技术的研究，本论文主要研究的是短路断路缺陷的研究。 本文根据检测技术的基本原理，以数字图像处理方法为研究内容，在图像灰度化、图像滤波、图像锐化、图像识别等相关算法的综合运用方面进行了大量工作，并结合PCB图像的固有特点，对PCB的缺陷特征进行研究分析，设计并实现了PCB缺陷短路断路检测。 在图像预处理中，首先采用了彩色图像灰度化，将采集到的图像变换成灰度图，然后根据实际情况采用了中值滤波算法，拉普拉斯变换等各种算法，使检测图像既有效去除了噪声干扰，又保持了图像的清晰，简化了后续的图像识别过程。 在缺陷检测模块中，介绍了pcb板的主要缺陷及检测方法，而本文主要研究的是短路断路缺陷，之后介绍了图像对比。对处理后的图像进行差值运算，检测出缺陷。 电路板缺陷的自动检测是一个非常复杂的系统问题，它涉及到机器视觉、自动控制、图像处理等许多领域的知识。因此本文仅对部分领域的一些关键问题进行了一定深度的研究，而且对印刷电路板缺陷自动检测系统也只是搭建了系统的试验平台，离真正产品的成型还有一段距离。相信不久的将来，随着图像处理、计算机视觉、自动控制等技术的深入发展，高速、实时的PCB缺陷自动检测系统将更加广泛的应用于实际生产中。 23 致 谢 经过这段时间的学习和实践，本次毕业设计已经接近尾声，作为一个本科生，由于经验的匮乏，难免有许多考虑不周全的地方，如果没有指导老师的督促指导，以及一起学习的同学们的支持，想要完成这个设计是难以想象的。在这近半年的时间里，感觉学到了很多东西，毕业设计是我们完成学业的最后一份答卷，每个人都是很用心的去做，老师也都很耐心的给予我们指导。 在毕业设计过程中遇到了不少问题，如图像的灰度化，图像的锐化，以及matlab程序等。在整个毕业设计过程中，老师给予了我太多的帮助，并提出新的问题，使得我的毕业设计课题能够深入地进行下去，也使我接触到了许多理论和实际上的新问题，使我做了许多有益的思考。在此表示诚挚的感谢和由衷的敬意。 通过本次毕业设计，使我对理论知识有了更深入的理解，增强了我的动手实践能力，而且锻炼了我不懈努力、刻苦钻研的意志，也使我增强了在以后的工作中自己动手、独立完成工作任务的信心。感谢我的指导老师在毕业设计过程中给予我的耐心、悉心的指导和帮助。另外，我还要感谢那些曾给我授过课的每一位老师，是你们教会我专业知识。 24 参考文献 [1] 李汉国，何星，阎晓娜(印制电路板的自动光学检测[J](无损检测，2004，26(6): 307—309. [2] 刘尚军，程宪平(PCB瑕疵图像实时视觉检测方法的研究[J](计算机工程与应 用(2002 ,71—74. [3] 谢佳豪(基于计算机视觉的印刷电路板自动检测系统的研究[D](西安理工大学 硕士学位论文，2004. [4] 崔屹(数字图像处理技术与应用[M](北京:电子工业出版社，1997. [5] 李薇(基于图像处理的印刷电路板缺陷检测技术研究[D](重庆大学硕士学位论 文，2007(4( [6] 刘直芳，王运琼，朱敏(数字图像处理与分析[M](清华大学出版社，2006. [7] Bose，Tamal(Digital signal and image processing[M](Beijing:Higher Education(2004 [8] 张屿(PCB缺陷自动检测系统的研究与设计[D](北京交通大学硕士学位论文， 2008. [9] Wang X W(The focus segmentation of color ophthalm ologic image based on modified K—means clustering and mathematical morphology[J](Chinese Jounal of Biomedical Enginerring 2002，21(5):443-448 . [10] Mogant，Madhav(Ercal，Fikret(Automatic PCB inspection systems[J](Aug-Sept 1995, 6—10. [11] 刘泉，胡文娟(基于机器视觉的PCB缺陷检测系统设计与研究[J](电子器 件(2007，30(2):88-100. [12] 贾永红(计算机图像处理与分析[M](武汉大学出版社(2001. [13] 阮秋琦(数字图像处理(MATLAB版) [M](电子工业出版社(2005. [14] 罗军辉，冯平，哈力旦.A.MATLAB7.0在图像处理中的应用[M].北京:机械工业 出版社，2006. [15] M(Moganti,F(Ercal,C(H(Dagli et a1(Aromatic PCB inspection algorithms:a survey(Computer Vision and Image Understanding,1996(63(2):287-313. [16] 沈庭芝，方子文(数字图像处理及模式识别[M](北京理工大学出版社(1998， 1-151. [17] 刘尚军，程宪(PCB瑕疵图像实时视觉检测方法的研究[J](计算机工程应用， 2002，71—74. [18] 冈萨雷斯，数字图像处理[M]，电子工业出版社，2005. [19] Pei-Chann Chang,Li-Yuan Chen,Chin-Yuan Fan.A case-based evolutionary model for defect classification of printed circuit board images[J] .Intell Manuf 2008(19): 25 203–214. [20] 高湘铃(PCB数字图像检测与识别研究[D](西南交通大学硕士学位论文,2003. [21] 王家文，李仰军.MATLAB7.0图形图像处理[M].北京:国防工业出版社，2006. [22] 李江，程建等(数字图像处理中多窗口下的自适应中值滤波[J](计算机工 程(2003，29(17):154-156. 26 27