高精度贴片机视觉系统图像预处理算法研究_解杨敏
高精度航空遥感图像处理与解译技术研究
高精度航空遥感图像处理与解译技术研究高精度航空遥感图像处理与解译技术是一门涉及航空遥感数据获取、图像处理和解译的学科。
它以航空或卫星上获取的高分辨率图像为数据源，通过一系列图像处理步骤，利用计算机视觉和遥感技术手段，对图像进行特征提取、分类和解译，进而实现对地物信息的提取和分析。
本文将介绍高精度航空遥感图像处理与解译技术的研究内容和应用领域，并探讨当前的研究进展和挑战。
高精度航空遥感图像处理与解译技术的研究内容主要涵盖以下几个方面：图像预处理、特征提取、分类与解译、变化检测和目标识别。
首先，图像预处理是指对原始航空遥感图像进行校正、去噪、增强等处理步骤，以减少图像中的不良影响因素，提高图像质量。
其次，特征提取是将图像转化为一系列能够描述地物特征的数学特征或统计特征，如纹理、颜色、形状等。
特征提取通常包括基于像素的低层特征和基于对象的高层特征。
分类与解译则是将图像中的地物进行分类和解读，常用的方法包括监督分类、无监督分类和深度学习等。
变化检测主要用于对多时相遥感图像进行对比，以检测地物的变化情况，如城市扩张、土地利用变化等。
最后，目标识别是指在图像中自动或半自动地识别出特定的地物目标，如建筑物、道路、水体等。
高精度航空遥感图像处理与解译技术在许多领域都有广泛的应用。
首先，在城市规划和土地管理方面，高精度航空遥感图像可以提供大规模的地物信息，帮助规划部门进行城市规划、土地利用评估和环境监测。
其次，在农业资源管理方面，高精度航空遥感图像可以用于监测农作物生长情况、土地适宜性评价和灾害风险评估。
此外，高精度航空遥感图像还可以应用于森林资源监测、水资源管理、环境保护、交通规划和测绘等领域。
当前，高精度航空遥感图像处理与解译技术在算法和工具方面取得了一些研究进展。
在图像预处理方面，研究者提出了许多新的算法和模型，如多尺度分解、超像素分割和去云算法等，以提高航空遥感图像的质量和清晰度。
在特征提取和分类方面，深度学习技术的应用取得了显著的成果，如卷积神经网络（CNN）和循环神经网络（RNN）等模型，在目标检测和分类任务中具有较高的准确率和鲁棒性。
高精度贴片机视觉系统图像预处理算法研究_解杨敏
"Ｌ３ ＢＨ
×１００％＝０，
"Ｌ４ ＢＨ
×１００％≤
"ＢＨ ４×ＢＨ
×１００％≤１．７５％，
则能满足上述设计条件。"! 不会使光电元件偏离莫尔条
纹 的 中 心 线 。阿 贝 误 差 由 长 度 计 的 导 轨 的 安 装 位 置 误 差 、
模具的定位器的定位误差引起。
［ 参考文献］
［ １］ 施昌彦．现代计量学概论［ Ｍ］ ．北京： 中国计量出版社， ２００２．
Ｐ（ ｋ） ＝ｎｋ （ ｋ＝０， １， ２， …， ２５５）
（ ２）
式中， ｋ－ 图像灰度值， ｎｋ－ 灰度值为 ｋ 的像素点数。
在上述基础上将图像灰度区间分成两段乃至多段分
别作线性变换， 则可根据每幅图像不同的特点和需要， 拉
伸特征细节， 抑制不感兴趣的灰度级
ｃ (
* *
（ｆ
ｍ， ｎ）
０≤（ｆ ｍ， ｎ） ≤ａ
对实验采集并预处理后的图片进行定位结果如图 ５、６。
态进行操作的去噪方式多重滤波， 它的基本原理是腐蚀
膨胀以及由此而来的开闭运算， 数学运算符分别为○和 ●， 数学定义如下：
Ｅ１＝Ｂ○Ｓ＝（ Ｂ$Ｓ） %Ｓ
Ｅ２＝Ｂ●Ｓ＝（ Ｂ%Ｓ） $Ｓ
（ ５）
开 启 运 算 具 有 消 除 细 小 物 体（ 点 脉 冲 噪 声） ， 分 离 有
ａ*
*
*
ｇ（
ｍ，
ｎ）
＝
**ｄ－
)
**ｂ－
ｃ ａ
［
（ｆ
ｍ， ｎ）
－ ａ］
＋ｃ
ａ≤（ｆ ｍ， ｎ） ≤ｂ
（ ３）
*
**２５５－
*
《2024年视觉测量关键技术及在自动检测中的应用》范文
《视觉测量关键技术及在自动检测中的应用》篇一一、引言随着科技的飞速发展，视觉测量技术已成为现代工业自动化检测的重要手段。
视觉测量技术利用计算机图像处理技术，对物体进行精确的测量和定位，具有非接触、高精度、高效率等优点。
本文将重点探讨视觉测量的关键技术及其在自动检测中的应用。
二、视觉测量的关键技术1. 图像采集与预处理图像采集是视觉测量的第一步，其质量直接影响到后续的测量精度。
图像预处理则是为了提高图像的质量，以便于后续的图像处理和分析。
常见的图像预处理方法包括滤波、二值化、边缘检测等。
2. 特征提取与匹配特征提取与匹配是视觉测量的核心步骤。
通过对图像进行特征提取，可以获得物体的形状、尺寸、位置等信息。
特征匹配则是将提取的特征与标准模板进行比对，以实现物体的精确测量。
常见的特征提取与匹配方法包括SIFT、SURF、ORB等算法。
3. 三维重建技术三维重建技术是视觉测量的重要手段，可以实现物体的三维测量和定位。
通过多个视角的图像采集和处理，可以恢复出物体的三维结构信息。
常见的三维重建技术包括立体视觉、结构光等。
三、视觉测量在自动检测中的应用1. 工业自动化检测视觉测量在工业自动化检测中具有广泛应用。
例如，在汽车制造过程中，可以通过视觉测量技术对零部件进行精确的尺寸测量和定位，以确保装配的精度和质量。
此外，视觉测量还可以用于产品质量检测，如检测产品的外观缺陷、尺寸偏差等。
2. 机器人导航与定位视觉测量可以用于机器人的导航与定位。
通过图像处理技术，可以实现对机器人周围环境的感知和识别，从而实现机器人的自主导航和定位。
这在无人驾驶、物流等领域具有广泛的应用前景。
3. 医学诊断与治疗视觉测量在医学诊断与治疗中也发挥着重要作用。
例如，通过医学影像的采集和处理，医生可以实现对病变部位的精确测量和定位，从而制定出更有效的治疗方案。
此外，视觉测量还可以用于辅助手术操作，提高手术的精度和安全性。
四、结论视觉测量技术具有非接触、高精度、高效率等优点，在自动检测中具有广泛的应用前景。
电子信息专业数字图像处理课程教学改革探索
电子信息专业数字图像处理课程教学改革探索瞿成明;孟樱;张明艳【摘要】数字图像处理是电子信息类本科生重要的专业课程。
由于电子信息类专业教学目标的特定要求，教学改革在教学内容设置、前后续课程内容的衔接、实验教学等方面应符合专业培养的目标。
课程教学改革通过在实践中的逐步实施，夯实了学生的专业理论基础，也提高了学生的实践和创新能力。
%Digital image processing is an important course of electronic information major. As a result of specific requirements in electronic information teaching, teaching contents arrangement, previous and follow-up course content articulation, experimental training and so on should be consistent with the professional training objectives. By the gradual implementation of teaching reforms in teaching process, students strengthen their professional theoretical foundation, and improve their ability of practice and innovation.【期刊名称】《中国现代教育装备》【年(卷),期】2012(000)009【总页数】3页(P50-52)【关键词】电子信息;数字图像处理;教学改革【作者】瞿成明;孟樱;张明艳【作者单位】安徽工程大学,安徽芜湖241000;安徽工程大学,安徽芜湖241000;安徽工程大学,安徽芜湖241000【正文语种】中文【中图分类】G642.0图像是信息传递的重要媒介。
人工智能中的图像处理与模式识别技术分析
人工智能中的图像处理与模式识别技术分析随着人工智能技术的快速发展，图像处理与模式识别成为人工智能应用中的重要领域。
图像处理和模式识别技术的进步不仅给传统图像处理领域带来了革命性的变化，也为人工智能应用提供了更广阔的发展空间。
本文将深入探讨人工智能中的图像处理与模式识别技术的现状和未来发展趋势。
一、图像处理技术在人工智能中的应用图像处理是人工智能技术中非常重要的一个环节，它使用计算机算法对图像进行数字化和分析处理。
图像处理技术在人工智能中的应用有很多，包括图像识别、图像分类、图像分割等。
1. 图像识别图像识别是图像处理技术中的核心应用之一。
通过对图像中的特征进行提取和分析，图像识别技术可以实现对输入图像的自动识别和分类。
在人工智能应用中，图像识别技术广泛应用于人脸识别、物体识别、字符识别等领域。
例如，在安防领域，人工智能技术可以通过图像识别技术实现对可疑人物的自动识别和报警。
2. 图像分类图像分类是将图像划分到不同的类别中的过程。
图像分类技术通过提取图像特征，使用机器学习和深度学习算法，将输入图像与已知类别的图像进行对比，从而实现对图像的分类。
在人工智能应用中，图像分类技术广泛应用于无人驾驶、医学诊断等领域。
例如，无人驾驶汽车可以通过图像分类技术实现对道路、交通标志和行人的识别，从而做出相应的驾驶决策。
3. 图像分割图像分割是将图像划分为不同的区域，每个区域具有不同的特征和语义含义。
图像分割技术可以通过图像中的边界信息、颜色信息、纹理信息等特征对图像进行分割。
在人工智能应用中，图像分割技术广泛应用于医学影像、智能交通等领域。
例如，在医学影像领域，图像分割技术可以帮助医生准确分割病灶区域，从而提高诊断的准确性和效率。
二、模式识别技术在人工智能中的应用模式识别是指对给定的输入数据进行分类或标识的过程。
模式识别技术通过对输入数据中的特征进行分析和提取，从而实现对输入数据的识别和分类。
在人工智能中，模式识别技术被广泛运用于自然语言处理、声音识别、手写体识别等领域。
高精度全视觉贴片机的系统软件设计与实现
４ 软件核心设计
４１ ．数据管理模块设计
此时需要 系统软件底层采用 Ａ Ｃ Ｓ 数 据库 ， Ｃ ＥＳ 利用 Ｄ Ｏ接 口， Ａ 通过 量用于这种类型的同步是单向的。有时则需要双向同步 ，
所示， 程序运行到某一处时 Ｍｉ ｏｏ ｔ ｃ ｓｆＪ 数据库引擎对其访问。Ｄ Ｏ接 口的特点在于可以通 两个信号量来同步它们的行为。如图 ６ ｒ ｔｅ Ａ Ｍ Ｃ然后等待信号返回。同样， Ｐ Ａ 运行 当 Ｍ Ｃ 过 Ｄ Ｏ访问数据库中的数据和结构定义 ， Ａ 访问Ａ Ｃ Ｓ 数据库时 上位机发信号给 Ｐ Ａ ， Ｃ ＥＳ
系统控制模块设置了超时检测功能 。高优先级的任务可以 库， 它是在 Ｐ Ｂ板数据库 、 Ｃ 元件数据库和送料器数据库 的基础上 发生 ，
建立的， 其中贴装工艺表的数据结构 ， 如图 ４所示 。 当初始贴装工艺表建立完毕后 ， 一般需要利用工艺优化子系 统， 图 ３ 如 所示。 对其进行优化１ｔ ５以达到最高的贴装效率 。 ． ６ 优化后 即可开始贴装 ， 这就涉及 到了贴片机的控制系统和视觉系统 。 打断低优先级的任务 ， 并抢先运行 ， 如表 １ 所示。
Ｃ ａＤ ｔｂｓ 类 ， Ｄ ｏ ｅｏｄｅ类 ， Ｄ ｏ ａｌＤ ｆ Ｄ ｏ ａ ａｅ Ｃ ａ Ｒ ｃｒｓｔ Ｃ ａＴ ｂｅ ｅ 类。 ａ
由于干扰或其他因素 ，有可能出现上位机在等待 Ｐ Ｃ发出的信 ＭＡ 号量 ， Ｐ Ｃ同时在等待上位机发出的信号量 ， 而 ＭＡ 这会造成上位机
Ｍ Ｃ的死循环， 也就是死锁（ ｅｄｏｋ ， Ｄ ａ ｌ ）为了防止这种情况的 ｃ 在贴 片机涉及的多个数据库中 ，最重要的是贴装工艺数据 与 Ｐ Ａ
硼睡豳皿 自 动编号 贴装 Ｘ 坐标 数烹 贴装 Ｙ 坐标 数字 贴装ｚ坐标 数字 贴装转角 数字 需要贴装 是／ 否 贴装顺序级别 数字 区块号 数字 仕 ｌ Ｄ 数字 需要检测 是／ 否 视觉模板 ｊ 本 衷＿ 取料 Ｘ坐标 ｉ 数字 取料 Ｙ坐标 数字 ～ 取料 Ｚ 坐标 数字～
视觉测量图像处理关键算法的研究
视觉测量图像处理关键算法的研究作者：王鹏杨毓馨来源：《科技资讯》 2013年第15期王鹏1 杨毓馨2(1.国防科学技术大学计算机学院湖南长沙 410000;2.北京航空航天大学经济管理学院北京 100191)摘要:本篇文章介绍了一种测量图像处理的方法,在摄影进行图像摄影测量中,采用边缘特征、区域特征以及灰度特征等处理方式进行视觉测量图像的处理有效关键的计算方法进行研究,并且具有一定的实时性、自动性以及精准性的特点,可以较好的满足高精准度的视觉测量图像的关键算法。
关键词:视觉测量图像鱼眼图像关键算法中图分类号:TP391.41 文献标识码:A 文章编号:1672-3791(2013)05(c)-0001-011 采用鱼眼镜头进行殊绝测量图像处理的整体概述鱼眼镜头主要是由超大的视角进行的拍摄和图像处理,在超大范围的视角以及视觉测量图像处理上占据着一定的作用和意义。
但是鱼眼镜头自身具有一定的特点,所形成的圆形的图像可以在一定程度的视觉范围中充分的实现图像的测量与处理有效的算法。
采用传统的数字图像处理的算法为鱼眼镜头进一步实现理想的视觉效果提供了前途条件,为了在一定程度上充分的实现鱼眼镜头图像的视觉处理,当前要进行处理的方法主要采用的是先进行校正后进行处理的模式,就是将圆形透视的鱼眼的图像进行校正,校正成为平面的视觉效果的图像,最后对传统的数字图像的关键算法进行测量。
2 视觉测量图像处理关键算法分析2.1 模糊并适应中值FAMF(滤波)降噪处理算法在图像中去除噪声是数字图像进行处理中最为关键的算法和重要的步骤,和其他图像处理算法相比,FAMF视觉测量图像处理算法直接影响着后期图像处理具有一定的重要性。
当前和传统的视觉测量图像的处理去噪算法相比,FAMF(滤波)降噪处理算法已经取得了一定的研究成果,但是但是和鱼眼视觉图像的处理算法相比,传统普遍的去噪方法在一定程度上难以满足理想中图像去噪的效果。
通过比较研究可以得知,我们采用中值FAMF(滤波)降噪处理算法的基础之上进一步提出了模糊自适应图像处理技术降噪的算法,采用这样的算法可以更好的获得鱼眼视觉测量图像进行进一步的降噪处理。
基于遗传算法的高精度贴片机集成优化
基于遗传算法的高精度贴片机集成优化
倪郁东;董娟娟;何兴康
【期刊名称】《合肥工业大学学报（自然科学版）》
【年(卷),期】2013(000)012
【摘要】文章针对美国环球仪器公司研发的双拱架高速度和高精度贴片机，研究
关于其喂料器的位置分配和元器件的贴装顺序问题，引入适当的0～1决策变量，提出一类控制循环贴装的新型约束条件和一组保证模型所得解即为原优化问题可行解的充分必要条件，建立准确、简洁的数学优化模型，利用遗传算法求出优化方案。
通过计算机模拟验证了集成优化的有效性，将遗传算法和模拟退火算法的实验结果进行比较和分析，表明了遗传算法的优势。
【总页数】5页(P1529-1533)
【作者】倪郁东;董娟娟;何兴康
【作者单位】合肥工业大学数学学院，安徽合肥230009;合肥工业大学数学学院，安徽合肥 230009;合肥工业大学数学学院，安徽合肥 230009
【正文语种】中文
【中图分类】TP205
【相关文献】
1.基于模态分析的高速高精度贴片机运动机构优化设计 [J], 张识超;李兆龙;郜福亮
2.基于视觉定位的高精度多功能贴片机技术 [J], 梁伟文;马如震
3.过顶拱架型高速贴片机的PCB板装配工艺的集成优化 [J], 姜涛;王安麟;陈武
4.基于高速高精度贴片机的几种图像并行处理方法研究 [J], 陈辉;蔡妍艳;高红霞;张燕忠
5.基于SMP的高速高精度贴片机并行图像处理 [J], 蔡妍艳;胡跃明;高红霞
因版权原因，仅展示原文概要，查看原文内容请购买。
一种有效提升识别率的面部图像预处理方法
一种有效提升识别率的面部图像预处理方法谭阳;贺璐【摘要】面部关键特征点的定位和取样直接关系到面部识别率的高低，本文提出了一种对人类面部图像进行细节提取，并进行了方向场化突出，最后将其特征2值化的预处理的方法，有效地抑制了面部图像中提取的特征点样本模糊的现象。
实验证明，通过这种方法对面部图像的预处理，能够较好地提升一般面部识别算法的识别率。
%Positioning and sampling of the facial feature points are directly related to the level of facial recognition rate. This paper proposes a new preprocessing method to extract details from human facial image, highlighted by line element field, and finally charac terized by two values. It effectively suppresses the blurred sample of feature points in facial image extraction. The experiments show that this method of facial image preprocessing could enhance the recognition rate of the general face recognition algorithms.【期刊名称】《湖南广播电视大学学报》【年(卷),期】2012(000)003【总页数】5页(P60-64)【关键词】人脸识别;表情识别;关键点定位;特征提取【作者】谭阳;贺璐【作者单位】湖南网络工程职业学院,湖南长沙410004;湖南网络工程职业学院,湖南长沙410004【正文语种】中文【中图分类】TP391.41Ekman将人脸表情划分为6种基本类型［1］:高兴、悲伤、愤怒、恐惧、惊讶和厌恶。
一种高速印刷图像处理算法
收稿日期:2006-03-28;修返日期:2006-06-09 基金项目:国家自然科学基金资助项目(60474021);湖北省科技攻关计划资助项目(2004AA101B01);武汉市青年科技晨光计划资助项目(20045006071-26)作者简介:彭向前(1980-),男,湖南双峰人,博士研究生,主要研究方向为机器视觉、模式识别、智能控制(redtailfox @126.co m );陈幼平(1957-),男,江西高安人,教授,博导,主要研究方向为网络制造、智能控制、专家系统及故障诊断;余文勇(1975-),男,湖北黄冈人,博士,主要研究方向为机器视觉、机器人、智能控制;艾武(1952-),男,河南兰考人,教授,博导,主要研究方向为模式识别、智能控制、模糊控制.一种高速印刷图像处理算法*彭向前,陈幼平,余文勇,艾 武(华中科技大学机械科学与工程学院,湖北武汉430074)摘 要:针对高速印刷图像处理中的高实时性要求,分析了高速印品图像的图像特征,提出了一种利用灰度形态学提取轮廓进行快速图像配准的方法。
对配准后的图像,采用改进的图像差分算法进行图像比较和形态学滤波,能够快速准确地将印刷缺陷提取出来。
实际应用表明,该算法能满足最高300m /m i n 彩色印品质量检测的需要。
关键词:灰度形态学;轮廓提取;图像配准;图像差分中图分类号:TP391141 文献标志码:A 文章编号:1001-3695(2007)05-0300-03Processi ng A lgorith m ofH i gh Speed Pri n ti ng I m agePENG X iang -q i an ,C HEN Y ou -p i ng ,YU W en -yong ,A I W u(S c h ool of M ec han i ca lS cience&Eng i neering,H uazh ong Un iversit y of Sc ie nce &T e chnolo gy,W uhan H ubei 430074,Ch i na )Abstract :To m eet t he needs of h i gh rea-l tm i e of the hi gh -speed m i age processi ng ,a fast m i age registrati on al gorith m was pro -posed t hrough the contours extracted by m at he m aticm orphology of gray m i age based on t he anal ysis of t he pri nti ng m i age cha -racteristics .W ith the hel p of such an m i proved al gorith m,pri nti ng def ects cou l d be detected rapidl y and accuratel y by them i age s ubtract andm orphology filter .It i s sho w n by practice that the al gorith m canm eet the requ i re m ent of h i gh pri nting speed up to 300m /m i n .Key words :mat he m aticm orphology of gray m i age ;contour extraction ;m i age registration ;m i age subtract 随着凹印技术的发展,印刷速度越来越高,印刷对象发生了深刻变化,印刷图案越来越复杂,印刷色彩越来越多,这就对印刷的精确性提出了更高的要求。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
关键词： 表面贴装技术； 视觉系统； 图像处理
中图分类号： ＴＰ２４２．６２； ＴＰ３９１
文献标识码： Ａ
文章编号： １００２－ ２３３３（ ２００７） １１－ ００６３－ ０３
高精度贴片机是表面贴装生产设备的关键环节， 它 通过定位装置识别定位电路板标记点及待贴装元件， 并 自动将面贴装元件放置于电路板上的预定位置， 以高效 率高精度地完成电路板贴装工作， 在 ＭＥＭＳ、ＭＯＥＭ 和三 维封装等高精度贴装的工作场合有着广泛的应用。高精 度贴片机的关键技术之一是视觉定位系统的设计及实 现， 即采用先进的视觉检测和定位技术， 配合多贴片头和 多吸嘴等机械装置达到快速准确贴装的目的。视觉定位 系统是以计算机为主体的图像观察、识别和分析系统， 它 的 核 心 技 术 是 采 用 计 算 机 视 觉 技 术 对 待 贴 装 的 ＰＣＢ 板 和被拾取的元件进行高速、高精度检测和定位， 这两个定 位精度将直接影响最终的贴装精度。由于摄像头采集的 原始图像目标区与背景区区分度不大， 且有大量噪音干 扰， 不利于视觉系统对标记点或零件图像进行直接识别
ａ*
*
*
ｇ（
ｍ，
ｎ）
＝
**ｄ－
)
**ｂ－
ｃ ａ
［
（ｆ
ｍ， ｎ）
－ ａ］
＋ｃ
ａ≤（ｆ ｍ， ｎ） ≤ｂ
（ ３）
*
**２５５－
*
ｄ
［
（ｆ
ｍ， ｎ－ ｂ） ］
＋ｄ
ｂ≤（ｆ ｍ， ｎ） ≤２５５
+*２５５－ ｂ
ｇ（ ｍ， ｎ） 为灰 度 线 性 变 换 后 像 素 点 灰 度 值 ， （ｆ ｍ， ｎ） 为
灰度线性变换前像素点灰度值， ｍ、ｎ 为像素点坐标值， ａ、
其中图像预处理模块主要是完成去除原始图像噪音 及缺陷， 突出识别特征， 使后继识别定位算法得以简便高
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
Ｈ２ 的测量误差即长度计的读数误差。长度计的读数 误差包括细分标准量的瞄准误差、光电元件在莫尔条纹 中的等分位置误差 （ 细分标准量的计数误差） 和阿贝误 差， 前两者产生的原因是参与成像的莫尔条纹组的 ｗ 有 改变， 以及光栅传感器的导轨的直线度误差使读数头中 的点 Ｏ１ 沿测量轴线移动到某一位置时， 光栅副 间的以点 Ｏ１ 为中心的各夹角发生变化。ｗ 的变化越小越好。点 Ｏ１ 的 Ｙ 坐标变化产生瞄准误差， 光栅副间的以点 Ｏ１ 为中心 的各夹角中 ! 角的变化对光电元件在莫尔条纹中的等分 位置误差影响最大。为减小 ! 角变化引起的误差， 取 "＝
定位， 因此需要对原始图像进行前期预处理。本文即对贴 片 机 ＰＣＢ 板 标 记 点 及 元 件 原 始 图 像 预 处 理 的 算 法 进 行 了讨论与研究。 １ 图像预处理流程设计
贴 片 机 视 觉 定 位 系 统 硬 件 由 ＰＣＢ 板 摄 像 头 及 其 光 源、元件摄像 头 及 其 光 源 、ＬＥＤ 光 源及 摄 像 机 控 制 板 、校 准 基 准 、专 用 图 像处 理 机 、传 输 系 统 等 组 成 ， 主 要 完 成 摄 取 图 像 、图 像 处 理 、视 觉 定 位 等 图 像 识 别 定 位 功 能 。视 觉 软件 系 统 根 据 功 能 主 要 可 分 为 生 产 信息 交 流 模 块 、图 像 信 息 获 取 模 块 、图 像预 处 理 模 块 、ＰＣＢ 板 识 别 与 定 位 模 块、贴片元件对准及定位模块， 各模块相互关系如图 １ 所示。
６３ 机械工程师 ２００７ 年第 １１ 期
Ｍ
制造业信息化
ＭＡＮＵＦＡＣＴＵＲＩＮＧ ＩＮＦＯＲＭＡＴＩＯＮＡＬＩＺＡＴＩＯＮ
主 控 ＰＣ 监视器 摄像系统
生 产 信 息
生产信息
贴片元件对准
元定件位识信别息 ＰＣＢ
板
识
及定位模块 别及定位信息
工作图像
交互模块
元Ｐ件ＣＢ图标 记 点 像
ＰＣＢ 标记ቤተ መጻሕፍቲ ባይዱ及元件图像
Ｐ（ ｋ） ＝ｎｋ （ ｋ＝０， １， ２， …， ２５５）
（ ２）
式中， ｋ－ 图像灰度值， ｎｋ－ 灰度值为 ｋ 的像素点数。
在上述基础上将图像灰度区间分成两段乃至多段分
别作线性变换， 则可根据每幅图像不同的特点和需要， 拉
伸特征细节， 抑制不感兴趣的灰度级
ｃ (
* *
（ｆ
ｍ， ｎ）
０≤（ｆ ｍ， ｎ） ≤ａ
图像色彩的属性。ＹＵＶ 色彩系统与 ＲＧＢ 色彩系统转换关
系如下式。
Ｙ! $
"%
! "
０．２９９
" %"
Ｕ"
"
＝%
%
－"
"
０．１４８
" %"
Ｖ ０．６１５ "" %% ""
# &#
０．５８７ － ０．２８９ － ０．５１５
０．１１４
Ｒ $ !
%"
$ %
%" %
０．４３７
Ｇ % "
%"
% %
%" %
－ ０．１
心线方向的宽度相对变化量
"ＢＨ ＢＨ
×１００％≤７％， 每一个
光电元件相对莫尔条纹的移动量依次为
"Ｌ１ ＢＨ
×１００％≤
"ＢＨ ２×ＢＨ
×１００％≤３．５％，
"Ｌ２ ＢＨ
×１００％≤
"ＢＨ ４×ＢＨ
×１００％≤１．７５％，
［ ４］ 陈林才， 张鄂．精密仪器设计［ Ｍ］ ．北京： 机械工业出版社， １９９１． ［ ５］ ［ 美］ Ｍａｒｋ Ｂａｌｃｈ．完整 的数 字设 计［ Ｍ］ ．李兆 麟， 译．北京 ： 清 华 大
图像信息 获取模块
ＰＣＢ 标记点 元件图像
预处理后图像 预处理后图像
ＰＣＢ 板识别 与定位模块
图像预处理 模块
贴片机视觉软件系统
图 １ 视觉系统软件功能模块关系图
效地进行。针对贴片机的图像预处理要求用相对快速的 算法得到尽可能多地保留识别特征的图像， 预处理后的 图像要能够实现识别目标区域与背景区域的分离。本论 文设计的图像预处理算法主要分 ４ 个步骤进行（ 如图 ２） ， 最终得到目标区域灰度值为 ２５５， 背景区域灰度值为 ０ 的二值图像。
噪音信息， 根据噪音的类别不同， 有着不同的处理方式， 但是一般的滤波方法只能在整幅图像层面上改善噪声的 影响， 不能削除大部分的噪音点， 同时会模糊目标对象的 边界信息。所以本文采用了一种针对局部像素点灰度形
工作环境如图 ５， 分别进行了 ＰＣＢ 板标记点、Ｃｈｉｐ 型封装 元件图像采集的实验（ 如图 ４ 所示） 。
制造业信息化 Ｍ
ＭＡＮＵＦＡＣＴＵＲＩＮＧ ＩＮＦＯＲＭＡＴＩＯＮＡＬＩＺＡＴＩＯＮ
高精度贴片机视觉系统图像预处理算法研究
解杨敏， 刘强 （ 北京航空航天大学 机械工程及自动化系， 北京 １０００８３）
摘 要： 针对高精度自动贴片机的视觉系统图像预处理算法进行了研究， 提出了针对贴片机 ＰＣＢ 板标记点及元件图像
Ｂ %% "" %%
&# &
（ １）
２．２ 图像增强
对灰度化后的图像进行图像增强有很多种方式， 如
空 间 域 滤 波 增 强 、频 域 增 强 、灰 度 直 方 图 变 换 增 强 等 。 变
换增强和频域滤波都涉及到大量的时频变换， 需要占用
大量的计算机资源而使计算效率下降。空间域滤波一般
只考虑临近像素点灰度值对像素的影响， 不能从整幅图
（ ａ）
（ ｂ）
纤细连接的物体， 去除目标棱角毛刺平滑边界的作用，
并且不会显著改变大目标物体的面积。而闭合运算是把
比结构元素小的缺口和空隙均作了填补处理， 将一些短 的间断作了搭接连通。但有时噪音点面积较大， 用简单 的开启闭合运算并不能完全消除噪音的影响， 因此本文 使用了多级运算， 经过连续的开闭保证了噪音点的消
［ ２］ 童竞．几何量测量［ Ｍ］ ．北京： 机械工业出版社， １９８８．
［ ３］ 张善锺， 等．计量光栅技术［ Ｍ］ ．北京： 机械工业出版社， １９８５．
０．２°、ｗ＝４０!ｍ，
则
ＢＨ＝
ｗ ２ｓｉｎ"
≈５．７３ｍｍ， 限 制 莫 尔 条 纹 中
心线绕点 Ｏ１ 的全程摆动量｜"!｜≤０．０３°， 使莫尔条纹在中
二值化后的图像可能因为原始图像的缺陷而在目标
区域存在背景像素， 在背景区域存在目标像素， 这种现象
６４ 机械工程师 ２００７ 年第 １１ 期
制造业信息化 Ｍ
ＭＡＮＵＦＡＣＴＵＲＩＮＧ ＩＮＦＯＲＭＡＴＩＯＮＡＬＩＺＡＴＩＯＮ
被称为离散噪音。对于在一幅图像中存在的无相关性的 记点根据实验设计得出的不同摄像条件需要。光路实验
原始图像 灰度化
图像增强
二值化
去噪
预处理 后图像
图 ２ 图像预处理步骤
２ 预处理算法
２．１ 灰度化
灰度化是图像处理的基础。因为 ２４ 位图的图像信息
过于复杂， 针对形状特征的图像识别一般只处理只有亮
度特征而无色彩特征的灰度图。使用 ＹＵＶ 色彩系统中 Ｙ
分量描述图像像素点的灰度值， Ｕ 和 Ｖ 是指色调即描述
像的层次上调整目标与背景的灰度区分度。因为贴片机
图片的识别目标区域像素灰度集中于白色的临近区， 本
文使用灰度直方图变换来增加图像对比度， 有效地将目
标与背景灰度区分开来， 同时此算法计算量小可满足贴
片机图像处理实时性的要求。