印刷电路板的图像分割

　　1 前沿

　　阈值分割是图像预处理中关键的步骤，实质是对每一个象素点确定一个阈值，根据阈值决定当前象素是前景还是背景点，目前，已有大量的阈值处理方法，比如全局阈值和局域阈值，是简单的分割方法，而后者则是把整幅图分成许多子图像，每幅图像分别使用不同的阈值进行分割。

　　本文分析了文献［1］中的算法，并在此基础上提出了一种改进的自适应阈值选取方法，实践证明，这种方法简单、计算量小、速度快、统计准确，可以适时获取图像的阈值，PCB图像分割的效果非常好，图像分割以后，保证了目标图形的完好无损，图象增强之后，使的开路和短路更加清晰、突出，为以后的图像处理做好了充分的准备工作。

　　2 算法理论

　　文献［1］中自适应阈值分割算法：

　　（1）将图像分成4个子图像；

　　（2）计算每个字图像的均值；

　　（3）根据均值设置阈值，阈值只应用在对应的子图像；

　　（4）根据阈值，对每个子块进行分割。

　　此算法中，将均值作为子块的阈值。

　　印刷电路板的灰度分布特征，如图1所示，其具有以下特征：

　　（1）具有明显的背景峰值和目标峰值；

　　（2）两个峰值距离较远，而且其间灰度值基本相等，没有明显的波谷；

　　（3）背景象素点和目标象素点的灰度变化具有连续性，目标边界的灰度是渐变的，不是突变的，如下图所示。

　　经实践证明，文献［1］中的算法不适合印刷电路板，分割的效果也不是很好，因为平均灰度不一定是直方图的波谷，而且在PCB的直方图中有很大一部分平坦的区域，甚至为0的灰度级，寻找极小值点比较困难，为了对PCB图像进行准确的分割，需要寻找另外一种有效的方法，注意到，平均灰度值点是在两个峰值之间（即，平均灰度值在背景灰度值和目标灰度值之间），而且靠近于波谷，所以考虑在其领域内寻找极小值点。 为了分割PCB的目标图像，可以先确定出直方图的目标峰，再确定极小值点，然后可以找出背景峰，将极小值点作为分割阈值，在目标峰和背景峰附近选择一个灰度值，分别作为开路、短路增强的阈值，在PCB图像中，但有时目标比较稀疏，但有时比较密集。寻找整个直方图的值点比较简单，但是如何确定这个峰值是背景峰还是目标峰，成为问题的关键。

　　对于一般的PCB图像，其目标（铜线）表现为高灰度，背景表现为低灰度，以下讨论一种可行的阈值搜索方法。

　　（1）找出的一个峰值所对应的灰度值。在全灰度区间［0，255］找出f（H）的值，其对应值即为H；

　　（2）计算图像的平均灰度：

　　（3）确定是背景峰还是目标峰：

　　如果H《Hawe，平均灰度在值点的右侧，表明H是背景峰值，记为Hb；

　　如果H《Hawe，平均灰度在值点的左侧，表明H是目标峰值，记为Hf。

　　（4）选取极小值点，在平均值点的30邻域内，寻找极小值，其对应值即为Hmin。

　　注：邻域的大小可以根据实际情况自行选定。

　　（5）确定的第二个峰值点：

　　如果（3）中找到只是背景峰值Hb，那么在灰度区间［Hmin，255）找出f（H）的值，其对应值即为目标峰值点Hf；

　　如果（3）中找到的是目标峰值Hf，那么在灰度区间［0，Hmin］找出f（H）的值，其对应值即为背景峰值点Hb；

　　（6）以Hmin为阈值，进行图像分割；

　　在背景峰值Hb右侧附近找出一个灰度级（一般为Hb+10），进行短路增强；

　　在目标峰值Hf左侧附近找出一个灰度级（一般为Hf-10）进行开路增强。

　　注：本算法特别适用于直方图的连续的图像，对于不连续的直方图，可以先进行临近插值，将直方图转换成连续图形，即可采用上述方法来确定阈值。

　　3 实验结果

　　当图像存在噪声时，通常采取两种做法：

　　（1）先滤波再做二值化处理，这样原图像将丢失大量的边缘细节信息，使得统计结果不够准确；

　　（2）不处理，但这样又会使图像中存在许多细小的噪声，同样统计结果也不够准确。

　　为了保证统计结果的准确性，既不要由于滤波的影响，而使图像的某些边缘丢失，线宽减小，又不可将那些噪声点误当成线条而统计进来，可以采用先二值化再去除噪声的方法。

　　本实验中，从摄像机中得到的图像比较清晰，噪声很少，所以对其直接处理。