《電子技術(shù)應(yīng)用》
您所在的位置：首頁 > 其他 > 設(shè)計應(yīng)用 > 一種適用于PCB檢測的彩色圖像分割算法
一種適用于PCB檢測的彩色圖像分割算法
來源：電子技術(shù)應(yīng)用2013年第3期
惠鵬飛，苗鳳娟，陶佰睿，王成琳
齊齊哈爾大學(xué) 通信與電子工程學(xué)院， 黑龍江 齊齊哈爾161006
摘要： 針對光學(xué)檢測印刷電路板（PCB）需要進行圖像分割的問題，提出一種結(jié)合K-均值聚類算法的分水嶺算法，用于PCB彩色圖像分割。即首先將PCB彩色圖像聚類，分成不同的顏色區(qū)域，按照不同區(qū)域進行分水嶺分割，最后，將分割線透明地加在原始圖像上，完成分割。實驗表明，該算法可以分割PCB彩色圖像，并且分割效果好。
中圖分類號: TP391.41
文獻標(biāo)識碼: A
文章編號： 0258-7998(2013)03-0138-03
An algorithm of color image segmentation for PCB detection
Hui Pengfei, Miao Fengjuan, Tao Bairui, Wang Chenglin
Communication and Electronic Engineering Institute, Qiqihar University, Qiqihaer 161006, China
Abstract： According to the problem of optical detection printed circuit board (PCB) to need image segmentation, a kind of combination clustering algorithm and watershed algorithm in PCB color image segmentation algorithm is put forward, namely the PCB color image is clustered, divided into different color area, and the different area is segmented by watershed segmentation algorithm. At last, the cut-off rule transparent is added to the original image, segmentation completed. Experiments show that the proposed algorithm can split PCB color image, and segmentation effect is good.
Key words : PCB; watershed algorithm; color image segmentation; clustering

    印刷電路板PCB(Printed Circuit Board)是電子零件彼此連接溝通的支撐物，其質(zhì)量的好壞直接影響電子產(chǎn)品能否正常工作，所以PCB的檢測是非常必要的。近年來，利用光學(xué)手段獲取PCB表面圖像，并通過圖像處理的方法進行檢驗、分析和判斷的光學(xué)檢測PCB技術(shù)已成為研究的熱點[1-4]。圖像分割則是進行光學(xué)檢測的首要步驟，其成功與否直接影響到后續(xù)的檢測識別工作。目前見諸報道的PCB圖像分割算法有: (1)將PCB圖像分割轉(zhuǎn)化為閾值最優(yōu)問題，進而利用改進遺傳算法求解圖像最優(yōu)問題的算法[5]；參考文獻[6]提出了基于改進分水嶺的PCB圖像分割算法；(2)參考文獻[7] 對PCB圖像利用模糊集和Otsu理論進行分割。上述算法雖能成功地對PCB圖像進行分割，但都只針對灰度圖像，丟失了原始圖像的色彩信息，PCB彩色圖像的分割算法卻未見報道。鑒于此，本文提出一種結(jié)合K-均值聚類算法的分水嶺算法，用于PCB彩色圖像分割。

1 K-均值聚類算法
    聚類是對數(shù)據(jù)空間中的數(shù)據(jù)對象進行分類。位于同一類中的數(shù)據(jù)對象之間的相似度較大，而位于不同類之間的數(shù)據(jù)對象差異度較大。聚類是一種無監(jiān)督學(xué)習(xí)，能自動對數(shù)據(jù)集進行劃分。常見的聚類算法有：K-means、DBSCAN及CURE等算法。K-means即K-均值聚類，該算法確定的K個劃分到達平方誤差最小，當(dāng)聚類密集且類與類之間區(qū)別明顯時，K-均值聚類效果較好。對于處理大數(shù)據(jù)集，該算法是相對可伸縮和高效的，計算的復(fù)雜度為O(NKt)，其中N是數(shù)據(jù)對象的數(shù)目，t是迭代的次數(shù)，具體步驟為：
    (1)選K個初始聚類中心，z1(1)，z2(1)，…，zK(1)，其中括號內(nèi)的序號為尋找聚類中心的迭代運算的次序號。聚類中心的向量值可任意設(shè)定，例如可選開始的K個模式樣本的向量值作為初始聚類中心。
    (2)逐個將需分類的模式樣本{x}按最小距離準(zhǔn)則分配給K個聚類中心的某一個zj(1)。假設(shè)i=j時，則zi(k)=zj(k)，其中k為迭代運算的次序號，第一次迭代k=1，sj表示第j個聚類，其聚類中心為zj。

    分水嶺變換Watershed(f)就是X(h_max)的補集。

2.2 結(jié)合K-均值聚類的分水嶺算法
2.2.1 顏色空間選擇
    選擇合適的顏色空間是成功進行彩色圖像分割的首要環(huán)節(jié)，計算機處理分析系統(tǒng)接收到的PCB彩色圖像是在RGB顏色空間中表示的。由于彩色顯示器采用紅、綠、藍生成目標(biāo)顏色，所以RGB顏色空間是計算機圖形學(xué)最通常的選擇，這樣可以簡化系統(tǒng)的構(gòu)架與設(shè)計。RGB顏色空間用三維的笛卡爾坐標(biāo)系統(tǒng)來表示，如圖1所示，其中每個頂點的三色疊加值如表1所示。

    可見RGB顏色空間的色彩比較豐富，同時也是顯示器硬件系統(tǒng)的默認顏色空間，作圖像處理時的速度比其他顏色空間快，所以本文選擇RGB顏色空間。
2.2.2 圖像分割算法
    將PCB彩色圖像在RGB顏色空間中分別提取R、G、B 3幅灰度圖像。將每幅灰度圖像的像素值考慮成一組二維數(shù)學(xué)矩陣，在其中隨即選取2個像素值x(i,j)和y(i,j)作為初始聚類中心，根據(jù)下列公式對剩余的像素值進行聚類：

    設(shè)置閾值T,并對T進行取值，滿足式(4)則素味著完成3幅灰度圖像的聚類。對每幅聚類后的灰度圖像進行分水嶺分割，即對已經(jīng)聚類好的灰度圖像利用式(1)尋找相同高度的像素值，對分水嶺變換后的3幅灰度圖像進行單通道圖像整合，合成RGB空間的彩色圖像，即完成PCB彩色圖像的分割。算法流程如圖2所示。

3 實驗與分析
    利用本文提出的算法，在Matlab7.1環(huán)境下，對用CCD攝像機獲取的PCB彩色圖像進行仿真,如圖3所示。可以看到，本文提出的算法可以很好地分割PCB彩色圖像，分割清晰，PCB的結(jié)構(gòu)保持完整，同時由于所采取的方法均為無監(jiān)督算法，所以整體程序所消耗的時間較短，僅為7.254 s，證明了本文算法的高效性。

    本文成功地分割了PCB彩色圖像，并提出了結(jié)合聚類算法的分水嶺算法。通過實驗仿真可以看到，所提出的算法可以清晰地分割PCB彩色圖像，為今后的PCB檢測工作奠定了基礎(chǔ)。
參考文獻
[1] 杜顏顏, 楊帆, 王曉穎.一種彩色PCB圖像的邊緣檢測算法研究[J].電視技術(shù),2011,35(13):112-115.
[2] 李剛， 韓建國.  PCB圖像檢測中閾值化分割的研究[J].北京化工大學(xué)學(xué)報, 2002,29(4):72-74.
[3] 趙曉霞,王明泉,李高亮.一種基于偏微分方程的PCB圖像增強方法[J].電視技術(shù),2011,36(3):33-35.
[4] 孫曉霞,熊紅云.PCB檢測系統(tǒng)中的圖像預(yù)處理[J].中國科技信息,2007,30(22):116-117.
[5] 曾成, 趙錫鈞, 徐欣,等. PCB檢測中圖像分割技術(shù)研究[J]. 傳感器與微系統(tǒng),2011,30(2):26-28.
[6] 曾歆懿,章云,季秀霞,等.基于分水嶺變換的PCB圖像分割[J]. 質(zhì)量工程卷, 2007,20(1):22-26.
[7] 張鵬程, 劉若鈞, 張記龍,等.基于模糊集和Otsu理論的PCB圖像分割算法[J].中北大學(xué)學(xué)報(自然科學(xué)版),2009,30(4):386-389.

此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載。