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(cè)是非常必要的。近年來(lái)，利用光學(xué)手段獲取PCB表面圖像，并通過(guò)圖像處理的方法進(jìn)行檢驗(yàn)、分析和判斷的光學(xué)檢測(cè)PCB技術(shù)已成為研究的熱點(diǎn)[1-4]。圖像分割則是進(jìn)行光學(xué)檢測(cè)的首要步驟，其成功與否直接影響到后續(xù)的檢測(cè)識(shí)別工作。目前見(jiàn)諸報(bào)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(wèn)題，進(jìn)而利用改進(jìn)遺傳算法求解圖像最優(yōu)問(wèn)題的算法[5]；參考文獻(xiàn)[6]提出了基于改進(jìn)分水嶺的PCB圖像分割算法；(2)參考文獻(xiàn)[7] 對(duì)PCB圖像利用模糊集和Otsu理論進(jìn)行分割。上述算法雖能成功地對(duì)PCB圖像進(jìn)行分割，但都只針對(duì)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(jiàn)報(bào)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(duì)數(shù)據(jù)空間中的數(shù)據(jù)對(duì)象進(jìn)行分類。位于同一類中的數(shù)據(jù)對(duì)象之間的相似度較大，而位于不同類之間的數(shù)據(jù)對(duì)象差異度較大。聚類是一種無(wú)監(jiān)督學(xué)習(xí)，能自動(dòng)對(duì)數(shù)據(jù)集進(jìn)行劃分。常見(jiàn)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(gè)劃分到達(dá)平方誤差最小，當(dāng)聚類密集且類與類之間區(qū)別明顯時(shí)，K-均值聚類效果較好。對(duì)于處理大數(shù)據(jù)集，該算法是相對(duì)可伸縮和高效的，計(jì)算的復(fù)雜度為O(NKt)，其中N是數(shù)據(jù)對(duì)象的數(shù)目，t是迭代的次數(shù)，具體步驟為：
    (1)選K個(gè)初始聚類中心，z1(1)，z2(1)，…，zK(1)，其中括號(hào)內(nèi)的序號(hào)為尋找聚類中心的迭代運(yùn)算的次序號(hào)。聚類中心的向量值可任意設(shè)定，例如可選開(kāi)始的K個(gè)模式樣本的向量值作為初始聚類中心。
    (2)逐個(gè)將需分類的模式樣本{x}按最小距離準(zhǔn)則分配給K個(gè)聚類中心的某一個(gè)zj(1)。假設(shè)i=j時(shí)，則zi(k)=zj(k)，其中k為迭代運(yùn)算的次序號(hào)，第一次迭代k=1，sj表示第j個(gè)聚類，其聚類中心為zj。

    分水嶺變換Watershed(f)就是X(h_max)的補(bǔ)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(jìn)行彩色圖像分割的首要環(huán)節(jié)，計(jì)算機(jī)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(lán)生成目標(biāo)顏色，所以RGB顏色空間是計(jì)算機(jī)圖形學(xué)最通常的選擇，這樣可以簡(jiǎn)化系統(tǒng)的構(gòu)架與設(shè)計(jì)。RGB顏色空間用三維的笛卡爾坐標(biāo)系統(tǒng)來(lái)表示，如圖1所示，其中每個(gè)頂點(diǎn)的三色疊加值如表1所示。

    可見(jiàn)RGB顏色空間的色彩比較豐富，同時(shí)也是顯示器硬件系統(tǒng)的默認(rèn)顏色空間，作圖像處理時(shí)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(gè)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(duì)剩余的像素值進(jìn)行聚類：

    設(shè)置閾值T,并對(duì)T進(jìn)行取值，滿足式(4)則素味著完成3幅灰度圖像的聚類。對(duì)每幅聚類后的灰度圖像進(jìn)行分水嶺分割，即對(duì)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(duì)分水嶺變換后的3幅灰度圖像進(jìn)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(shí)驗(yàn)與分析
    利用本文提出的算法，在Matlab7.1環(huán)境下，對(duì)用CCD攝像機(jī)獲取的PCB彩色圖像進(jìn)行仿真,如圖3所示?？梢钥吹剑疚奶岢龅乃惴梢院芎玫胤指頟CB彩色圖像，分割清晰，PCB的結(jié)構(gòu)保持完整，同時(shí)由于所采取的方法均為無(wú)監(jiān)督算法，所以整體程序所消耗的時(shí)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(guò)實(shí)驗(yàn)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(cè)工作奠定了基礎(chǔ)。
參考文獻(xiàn)
[1] 杜顏顏, 楊帆, 王曉穎.一種彩色PCB圖像的邊緣檢測(cè)算法研究[J].電視技術(shù),2011,35(13):112-115.
[2] 李剛， 韓建國(guó).  PCB圖像檢測(cè)中閾值化分割的研究[J].北京化工大學(xué)學(xué)報(bào), 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(qiáng)方法[J].電視技術(shù),2011,36(3):33-35.
[4] 孫曉霞,熊紅云.PCB檢測(cè)系統(tǒng)中的圖像預(yù)處理[J].中國(guó)科技信息,2007,30(22):116-117.
[5] 曾成, 趙錫鈞, 徐欣,等. PCB檢測(cè)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(bào)(自然科學(xué)版),2009,30(4):386-389.