基于数字图像的矩形芯片定位方法研究与实现(3)

基于数字图像的矩形芯片定位方法研究与实现

一方面，二阶导数中的峰值检测是边线检测，只要图像操作使用一个合适的尺度表示。如上所述，边线是双重边缘，这样我们就可以在边线的一边看到一个亮度梯度，而在另一边看到相反的梯度。这样如果图像中有边线出现的话我们就能在亮度梯度上看到

非常大的变化。为了找到这些边线，我们可以在图像亮度梯度的二阶导数中寻找过零点。如果 I(x) 表示点 x 的亮度，I′′(x) 表示点 x 亮度的二阶导数，那么同样许多算法也使用卷积掩码快速处理图像数据。

一旦我们计算出导数之后，下一步要做的就是给出一个阈值来确定哪里是边缘位置。阈值越低，能够检测出的边线越多，结果也就越容易受到图片噪声的影响，并且越容易从图像中挑出不相关的特性。与此相反，一个高的阈值将会遗失细的或者短的线段。一个常用的这种方法是带有滞后作用的阈值选择。这个方法使用不同的阈值去寻找边缘。首先使用一个阈值上限去寻找边线开始的地方。一旦找到了一个开始点，我们在图像上逐点跟踪边缘路径，当大于门槛下限时一直纪录边缘位置，直到数值小于下限之后才停止纪录。这种方法假设边缘是连续的界线，并且我们能够跟踪前面所看到的边缘的模糊部分，而不会将图像中的噪声点标记为边缘。

3.3 四种典型边缘检测算子

如果一个像素落在图像中某一个物体的边界上，那么它的邻域将成为一个灰度级变化的带。对这种变化最有用的两个特征是灰度的变化率和方向，它们分别以梯度向量的幅度和方向来表示。边缘检测算子检查每个像素的邻域井并对灰度变化率进行量化，通常也包括方向的确定．有若干种方法可以使用，其中大多数是基于方向导数掩模求卷积的方法。

3.3.1 Roberts边缘检测算子

Roberts边缘检测算子是一种利用局部差分算子寻找边缘的算子,Robert算子图像处理后结果边缘不是很平滑。经分析，由于Robert算子通常会在图像边缘附近的区域内 产生较宽的响应，故采用上述算子检测的边缘图像常需做细化处理，边缘定位的精度不是很高。它由公式（3.1）给出：

g(x,y)={[f(x,y)?f(x?1,(y?1))]2

122+[

f(x?1,y)?f(x,(y?1))]} （3.1）

其中f(x, y)是具有整数像素坐标的输入图像。其中的平方根运算使该处理类似于人类视觉系统中发生的过程。 3.3.2 Sobel边缘检测算子

索贝尔算子（Sobel operator）是图像处理中的算子之一，主要用作边缘检测。在技

7

基于数字图像的矩形芯片定位方法研究与实现

术上，它是一离散性差分算子，用来运算图像亮度函数的梯度之近似值。在图像的任何一点使用此算子，将会产生对应的梯度矢量或是其法矢量。

图3.1所示的两个卷积核形成了Sobel边缘算子。图像中的每个点都用这两个核做卷积。一个核对通常的垂直边缘响应最大而另一个对水平边缘响应最大。两个卷积的最大值作为该点的输出值、运算结果是一幅边缘幅度图像。

??10?1???1?2?1???20?2?*A?0?*A00Gx=? and Gy=? ??????10?1????1?2?1?? 图3.1 Sobel边缘算子

图像的每一个像素的横向及纵向梯度近似值可用（3.2）公式结合，来计算梯度的大小。

G =

Gx2?Gy2 （3.2）

然后可用（3.3）公式计算梯度方向。

??arctan?GyGx? （3.3）

如果以上的角度?等于零，即代表图像该处拥有纵向边缘，并且左方较右方暗。

3.3.3 Prewitt边缘检测算子

在一个较大区域中，用两点的偏导数值来求梯度幅度值，受噪声干扰很大。若对两个点的各自一定领域内的灰度值求和，并根据两个灰度值和的差来计算x, y的偏导数，则会在很大程度上降低噪声干扰。源于这种思想，Prewitt于1970年提出了提取边缘的Prewitt算子，其系数加权模板如表3.1 和3.2：

表3.1 Prewitt算子模板1

-1 0 1

-1 0 1 -1 0 1 8

基于数字图像的矩形芯片定位方法研究与实现

表3.2 Prewitt算子模板2

1 1 1 0 0 0 -1 -1 -1 上图所示的两个卷积核形成了 Prewitt边缘算子。 与使用Sobel算子的方法一样，图像中的每个点都用这两个核进行卷积，取最大值作为输出。Prewitt 算子也产生一幅边缘幅度图像。

3.3.4拉普拉斯边缘检测算子

拉普拉斯算子是对二维函数进行运算的二阶导数算子，通常使用的拉普拉斯算子如表3.3和3.4.

表3.3拉普拉斯算子1

0 -1 0 -1 4 -1 0 -1 0 表3.4拉普拉斯算子2

-1 -1 -1 -1 8 -1 -1 -1 -1 由于拉普拉斯算子是一个二阶导数，他将在边缘处产生一个陡峭的零交叉，由于噪声对边缘检测有一定得影响，所以拉普拉斯算子是效果较好的边缘检测器。

根据图像边缘处的一阶微分（梯度）是极限值点，图像边缘处的二阶微分应为零，确定过零点的位置要比确定极值点容易得多，而且比较精确。但二阶微分对噪音更为敏感。因此，在通常情况下，在对图像进行拉普拉斯算子进行边缘处理前，应先对图像进行平滑滤波器处理，一般采用的是高斯滤波器。把高斯平滑滤波器和拉普拉斯锐化滤波器结合起来，先平滑噪声，再进行边缘检测的方法叫做高斯拉普拉斯算子（简写log算子）。常用的log算子是

9

基于数字图像的矩形芯片定位方法研究与实现

5×5的模块，如表3.5。

表3.5 log算子模块 -2 -4 -4 -4 -2 -4 0 8 0 -4 -4 8 24 8 -4 -4 0 8 0 -4 -2 -4 -4 -4 -2 在log算子中对边缘进行判断时采用的技术是零交叉检测，可以把零交叉检测进行推广，我们只要在检测前用指定的滤波器对图像进行滤波，然后再寻找零交叉点作为边缘。

3.4 四种典型算子的不足之处

由上述边缘算子产生的边缘图像看来很相似。它们看起来像一个绘画者从图片中做出的线条画。Robert算子是2*2算子，对具有陡峭的低噪声图像响应最好。其它三个算子，都是3*3算子，对灰度渐变和噪声较多的图像处理得较好。

使用两个掩模板组成边缘检测器时，通常取较大得幅度作为输出值。这使得它们对边缘的走向有些敏感。取它们的平方和的开方可以获得性能更一致的全方位响应。这与真实的梯度值更接近。但是以上三种经典算子检测出来的边缘在本文的芯片定位中所达到的效果却不是很好，因为本文的主要目的是通过边缘检测得出芯片的偏角和中心坐标，这些经典的算法只能把边缘显示出来，但之后要求的偏角和中心坐标却难以求出，所以边缘检测的算法必须重新设计。

10

基于数字图像的矩形芯片定位方法研究与实现

第四章 系统功能设计与实现

4.1 总体设计

本系统主要通过对芯片在电路板上的扫描图像，识别图像的外观、形态及坐标，利用正确的算法计算芯片在电路板上放置的正确性，从而达到芯片正确焊接的目的。本课题总共分为以下几个模块：

模块一：读入矩形芯片的图像，得到图像的坐标和每个坐标对应的RGB值。 模块二：设计边缘检测算法，得到图像的边缘。

包括：1.最优K的计算.2.纵向扫描和横向扫描,得出边缘所在直线的截距. 3.画出边缘直线.

模块三：求出芯片与水平线的夹角和芯片中心坐标。 系统模块如图4.1，子模块如图4.2所示：

矩形芯片定位 方法与实现 读入图像并得到图像坐标和RGB值 边缘检测 得到图像边缘 求出芯片与水平线 夹角和中心坐标 图4.1系统模块

11

百度搜索“77cn”或“免费范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，免费范文网，提供经典小说教育文库基于数字图像的矩形芯片定位方法研究与实现(3)在线全文阅读。