图像分割技术用于印刷电路板检测的研究

摘要：图像分割在图像分析、图像识别、图像检测等方面占有非常重要的地位，是从图像处理到图像分析的重要步骤，图像分割的好坏直接影响到图像分析的结果。针对此就印刷电路板检测过程中的图像分割进行研究。阈值分割技术的运算效率高、计算简单等特点非常适应印刷电路板检测的快速性和稳定性要求，因此着重介绍了四种阚值分割技术，并借用软件将各算法分别应用于实际的印刷电路板图像，然后对各个阈值化算法的分割结果做了对比和简要分析。
关键词：图像分割；印刷电路板(PCB)；阈值分割；多阈值法

0 引言
随着生产技术的提高，印刷电路板(PCB)制造在电子工业中的作用越来越重要，PCB的质量将对电子产品能否长期、正常、可靠的工作带来非常大的影响。而PCB制作工艺日趋复杂，使PCB的质量检验成为一件非常困难的工作。基于计算机与图像处理技术进行的PCB缺陷自动视觉检测的研究近年来成为PCB检测的热门方向。本文就图像分割技术应用于PCB图像进行研究。
图像分割是图像处理与计算机视觉领域低层次视觉中最为基础和重要的领域之一，它是对图像进行视觉分析和模式识别的基本前提，分割的准确性将直接影响后续任务的有效性。图像分割是指根据灰度、彩色、空间纹理、几何形状等特征把图像划分成若干个互不相交的区域，使得这些特征在同一区域内，表现出一致性或相似性，而在不同区域间表现出明显的不同。简单地讲，就是在一幅图像中，把目标从背景中分离出来，以便于进一步处理。值得一提的是，图像分割是一个经典难题，到目前为止既不存在一种通用的图像分割方法，也不存在一种判断是否分割成功的客观标准。

1 图像分割的基本概念与分类
首先，图像分割的定义是：
令集合R代表整个图像区域，对R的分割可以看作将R分成N个满足以下五个条件的非空子集(子区域)R1，R2，…，RN：
(1)；
(2)对所有的i和j，i≠j，有Ri∩Rj=φ；
(3)对i=1，2，…，N，有P(Ri)=TRUE；
(4)对i≠j，P(Ri∪Rj)=FALSE；
(5)对i=1，2，…，N，R是连通区域。
其中，P(Ri)是对所有在集合Ri中元素的逻辑谓词，φ代表空集。
其中，条件(1)指出在对一幅图像的分割结果中全部子区域的总和(并集)应能包括图像中所有像素(就是原图像)，或者说分割应将图像中的每个像素都分进某个子区域中。条件(2)指出在分割结果中各个子区域是互不重叠的，或者说在分割结果中一个像素不能同时属于两个区域。条件(3)指出在分割结果中每个子区域都有独特的特性，或者说属于同一区域中得的像素应该具有某些相同特性。条件(4)指出在分割结果中，不同的子区域具有不同的特性，没有公共元素，或者说属于不同区域的像素应该具有一些不同的特性。条件(5)要求分割结果中同一个子区域内的像素应当是连通的，即同一个子区域内的任两个像素在该子区域内互相连通。
实际应用中图像分割不仅要把一幅图像分成满足上面五个条件的各具特性的区域而且需要把其中感兴趣的目标区域提取出来。图像阈值化分割是一种最常用，同时也是最简单的图像分割方法，它特别适用于目标和背景占据不同灰度级范围的图像，它不仅可以极大地压缩数据量，而且也大大简化了分析和处理步骤。而对于PCB图像检测，不仅要求检测的准确性，还要求检测的快速性和稳定性，因此阈值化分割方法是非常适用于PCB图像的分割的。
阈值分割法是一种基于区域的图像分割技术，简单地说，取阈值分割就是先确定一个处于图像灰度取值范围之中的灰度阈值，然后将图像中各个像素的灰度值都与这个阈值相比较，并根据比较结果将对应的像素划分为两类：像素的灰度值大于阈值的为一类，像素灰度值小于阈值的为另一类。如果将一类像素点值记为0，另一类记为1，则分割后的图像就是所谓的二值图像。灰度闲值分割的方法通常有四种：双峰法、迭代法、大津法、多阈值法。本文将对这四种分割算法进行综述，并将其分别应用于PCB图像的分割，讨论其分割效果。
2 阈值分割算法综述
2．1 双峰法
双峰法的原理很简单：它认为图像的前景和背景(不同的灰度级)组成，图像的灰度分布曲线可近似认为是由两个正态分布函数叠加而成，图像的直方图将会出现两个分离的峰值，选择两峰之间的谷底作为阈值(如图1)。步骤如下：
(1)找出直方图的两个最大的局部值：zi，zj；
(2)求zi，zj间直方图最低点zk；
(3)用h(zk)／min(h(zi)，h(zj))测试直方图的平坦性；
(4)若上述值小于门限T，将zk作为分割门限。

2．2 迭代法
迭代式阈值选择算法是对双峰法的改进，它首先选择一个近似阈值T，将图像分割成两部分：R1和R2，然后计算区域R1和R2的均值μ1和μ2，并选择新的分割阈值T=(μ1+μ2)／2，重复上述步骤直到μ1和μ2不再变化为止。
迭代法是基于逼近的思想，其步骤如下：
(1)求出图像的最大灰度值和最小灰度值，分别记为Zmax和Zmin，令初始阈值T0=(Zmax+Zmin)／2。
(2)根据阈值T将图像分割为前景和背景，分别求出两者的平均灰度值Z0，Zb。
(3)求出新阈值T=(Z0+Zb)／2。
(4)若两个平均灰度值Z0和Zb不再变化(或T不再变化)，则T即为阈值；否则转步骤(2)，迭代计算。