一种非均匀光照条件下的芯片引脚提取方法与流程

本发明涉及非均匀光照条件下的芯片引脚提取方法。

背景技术：

高性能贴片机是表面组装技术(SMT)领域的核心设备之一，能够完成高速、高精度的元件贴装。贴片机中的视觉检测系统对芯片引脚的检测能够防止元件引脚因变形或缺失而导致的贴片错误，而芯片引脚提取作为芯片引脚检测的关键步骤，直接决定了最终检测结果的精度与可靠性。

现有的芯片引脚提取方法主要是基于图像分割技术。其中，全局阈值化分割是在诸多分割方法中最为简单有效的方法，它是利用图像中的待提取目标与图像背景在灰度特性上的差异而把图像看作具有不同灰度级的两类区域，选取一个比较合理的阈值，即可实现图像中目标的提取。然而，在实际的应用条件下，生产条件的限制使得工业相机在采集图像时会出现光照的变化，导致得到的图像出现亮度分布不均匀的情况。这种情况下，简单的全局阈值分割方法已经不再适用。

针对上述问题，现有且已实际采用的解决方案是改用动态全局阈值分割的方法，然而，此种方法很容易产生过分割或欠分割，使得最终的提取精度降低。除此之外，现有学者还提出了一系列基于阈值的图像分割算法：最大熵阈值分割法、迭代阈值分割法、最小误差阈值分割法和最大类间方差法(Otsu法)等。然而，这些算法大多数复杂度高，无法适用于工业生产中快速检测的要求。其中的最大类间方差法(Otsu法)虽然其算法简单，并具有良好的分割性能，但该算法对噪声等干扰因素的敏感性却限制了它的使用。

本发明针对现有的图像分割算法在非均匀光照条件下进行芯片引脚提取时，提取效果差、复杂度高、鲁棒性差的问题，提出一种将动态阈值法和Otsu算法相结合的局部阈值分割算法，该算法可以提高芯片引脚提取的效率和精度。

技术实现要素：

本发明的目的是为了解决现有非均匀光照条件下，传统的芯片引脚提取技术存在提取效果差、复杂度高、鲁棒性差的问题，而提出非均匀光照条件下的芯片引脚提取方法。

一种非均匀光照条件下的芯片引脚提取方法具体过程为：

步骤一、对工业相机采集的工业元件图像进行灰度化处理，得到原始灰度图像；

步骤二、对步骤一得到的原始灰度图像，采用动态阈值分割方法进行芯片引脚的粗提取，得到二值引脚图像；

步骤三、对步骤二中得到的二值引脚图像进行连通域标记，并对已标记的连通域进行筛选，保留连通域中所含像素的个数大于预设阈值T的连通域，得到的经过连通域筛选后的二值引脚图像；

步骤四、对步骤三得到的经过连通域筛选后的二值引脚图像中的每个有效连通域，求取其中心位置；计算每个相邻引脚的间距，将间距中的最小值作为引脚间距典型值△γ；

步骤五、利用步骤四得到的引脚间距典型值△γ，在原始灰度图像上，对每个引脚中心周围半经为△γ/2的引脚邻域上采用中值Otsu算法，重新进行芯片引脚区域的分割，得到引脚局部二值图像；

所述Otsu算法为最大类间方差算法；

步骤六、对步骤五中得到的引脚局部二值图像进行形态学开运算和闭运算，以去除引脚局部二值图像中未处理的杂点和空洞，得到引脚掩模图像；

步骤七、将步骤六中得到的引脚掩模图像与原始灰度图像进行与操作，完成芯片引脚的提取。

本发明的有益效果为：

本发明解决了现有主流引脚提取方法在非均匀光照条件下，鲁棒性差、精度低的问题。特别针对芯片表面光线散射干扰导致的图像亮度分布不均匀情形，本发明提出的动态阈值和Otsu的结合算法解决了传统算法所导致的引脚“过分割”和“欠分割”问题，提高了引脚提取的提取效果、鲁棒性和精度，降低了引脚提取的复杂度。

附图说明

图1是具体实施方式一中在非均匀光照条件下的芯片引脚提取方法的流程图；

图2是步骤一中对工业相机采集的工业元件图像进行灰度化处理后的原始灰度图像

图3是具体实施方式二中，对非均匀光照条件下的原始灰度图像采用动态阈值分割得到的二值引脚图像；

图4是具体实施方式五中，对非均匀光照条件下原始灰度图像的每个引脚邻域，采用中值Ostu算法进行局部分割后得到的引脚局部二值图像。

图5是步骤七中将引脚掩模图像与原始灰度图像进行与操作，得到的芯片引脚提取图像。

具体实施方式

具体实施方式一：结合图1、图2、图3、图4、图5说明本实施方式，本实施方式的一种非均匀光照条件下的芯片引脚提取方法具体过程为：

步骤一、对工业相机采集的工业元件图像进行灰度化处理，得到原始灰度图像；

步骤二、对步骤一得到的原始灰度图像，采用动态阈值分割方法进行芯片引脚的粗提取，得到二值引脚图像；

步骤三、对步骤二中得到的二值引脚图像进行连通域标记，并对已标记的连通域进行筛选，保留连通域中所含像素的个数大于预设阈值T的连通域，得到的经过连通域筛选后的二值引脚图像；

步骤四、对步骤三得到的经过连通域筛选后的二值引脚图像中的每个有效连通域，求取其中心位置；计算每个相邻引脚的间距，将间距中的最小值作为引脚间距典型值△γ；

步骤五、利用步骤四得到的引脚间距典型值△γ，在原始灰度图像上，对每个引脚中心周围半经为△γ/2的引脚邻域上采用中值Otsu算法，重新进行芯片引脚区域的分割，得到引脚局部二值图像；

所述Otsu算法为最大类间方差算法；

步骤六、对步骤五中得到的引脚局部二值图像进行形态学开运算和闭运算，以去除引脚局部二值图像中未处理的杂点和空洞，得到引脚掩模图像；

步骤七、将步骤六中得到的引脚掩模图像与原始灰度图像进行与操作，完成芯片引脚的提取。

具体实施方式二：结合图3说明本实施方式，本实施方式与具体实施方式一不同的是：所述步骤二中对步骤一得到的原始灰度图像，采用动态阈值分割方法进行芯片引脚的粗提取，具体过程为：

步骤二一、对原始灰度图像进行均值滤波，得到均值滤波后的灰度图像，上述过程的数学表达式如下:

式中，T(x,y)表示均值滤波后的灰度图像中位置(x,y)处的像素值，w(s,t)是一个大小为m×n的滤波器模板，f(x,y)表示原始灰度图像中位置(x,y)处的灰度值；m、n是滤波器模板的大小，取值为正整数；

上式中a、b满足：

a＝(m-1)/2；b＝(n-1)/2

步骤二二、对步骤二一得到的均值滤波后的灰度图像进行动态阈值分割，得到二值引脚图像，上述过程的数学表达式如下：

式中，I(x,y)表示二值引脚图像中位置(x,y)处的像素值，C为常数，是根据采集图像时的光照条件预先指定的。

其它步骤及参数与具体实施方式一相同。

具体实施方式三：本实施方式与具体实施方式一或二不同的是：所述常数C取值为80。

其它步骤及参数与具体实施方式一或二相同。

具体实施方式四：本实施方式与具体实施方式一至三之一不同的是：所述步骤三中对步骤二中得到的二值引脚图像进行连通域标记，并对已标记的连通域进行筛选，保留连通域中所含像素的个数大于预设阈值T的连通域；具体过程为：

步骤三一、对步骤二中粗提取得到的二值引脚图像进行连通域标记，此时图像上的每个引脚视为一个连通域，并分配有一个唯一的编号；

步骤三二、对每个连通域进行分析：判断该连通域内包含的像素个数，即边缘的长度，是否大于预设阈值T；

步骤三三、如果大于该预设阈值T，则保留该连通域；否则，将该连通域进行剔除，即在二值化引脚图像上，将该连通域包含的所有像素的像素值全部设定为0。

其它步骤及参数与具体实施方式一至三之一相同。

具体实施方式五：本实施方式与具体实施方式一至四之一不同的是：所述步骤四中对步骤三得到的经过连通域筛选后的二值图像中的每个有效连通域，求取其中心位置；计算每个相邻引脚的间距，将间距中的最小值作为引脚间距典型值△γ；具体过程为：

步骤四一、对经过连通域筛选后的二值图像中的每个有效连通域，求取其中心位置，其中，第i个完整灰度芯片引脚的中心位置坐标计算公式如下：

式中：N_i为第i个完整灰度芯片引脚的像素个数，(x_k,y_k)为第i个完整灰度芯片引脚包含的第k个像素的坐标位置，i和k均为正整数；

步骤四二、针对步骤四一得到的每个完整灰度芯片引脚中心位置，计算各完整灰度芯片引脚中心之间的间距，并将间距中的最小值作为引脚间距典型值△γ。

其它步骤及参数与具体实施方式一至四之一相同。

具体实施方式六：结合图4说明本实施方式，本实施方式与具体实施方式一至五之一不同的是：所述步骤五中利用步骤四得到的引脚间距典型值△γ，在原始灰度图像上，对每个引脚中心周围半经为△γ/2的引脚邻域上采用中值Otsu算法，重新进行芯片引脚区域的分割，得到引脚局部二值图像；具体过程为：

步骤五一、求取每个芯片引脚搜索区域的分割阈值，具体计算的数学表达式如下：

式中，L表示灰度级数，ω₁和ω₂分别表示区域被阈值t分割后的前景C₁和背景C₂中所含像素个数的比例，MAD₁和MAD₂则表示相对区域图像灰度中值的平均绝对方差；具体定义如下：

式中，m₁(t)和m₂(t)分别表示区域前景C₁和背景C₂的灰度中值；h(i)为图像第i个灰度级所含像素个数的比例；t取值为0,1,2,L,L；

步骤五二、利用步骤五一得到的引脚搜索区域的分割阈值，对相应区域进行阈值分割，得到引脚局部二值图像。

其它步骤及参数与具体实施方式一至五之一相同。

具体实施方式七：本实施方式与具体实施方式一至六之一不同的是：对于灰度图像为8，所述步骤五一中灰度级数L为255。

其它步骤及参数与具体实施方式一至六之一相同。