基于計算機視覺的貼片元件定位檢測算法研究?

周 勝 常君明 李 洞 陳 曦 吳 冕 甘祥麟

（江漢大學數學與計算機學院 武漢 430056）

基于計算機視覺的貼片元件定位檢測算法研究?

周 勝 常君明 李 洞 陳 曦 吳 冕 甘祥麟

（江漢大學數學與計算機學院 武漢 430056）

人工業4.0時代，計算機視覺這個環節不可或缺。在分析已有光照不均處理方法的基礎上，討論了合適計算機視覺的同態濾波技術，分析了Marr-Hildreth算子進行邊緣檢測的應用，提出用多邊形描述最大輪廓來計算元件質心與方向特征的方法。實驗表明，算法在定位識別的速度、精度兩方面得到了綜合的平衡。

計算機視覺；光照不均；定位識別

C lassNum ber TP391

1 引言

在以智能制造為核心的工業4.0時代背景下，隨著中國制造2025戰略的深入，工業智能機器人產業市場呈現爆炸式增長勢頭，其中充當工業機器人“火眼金睛”角色的計算機視覺功不可沒。而且，隨著計算機科學和自動控制技術的發展，越來越多的不同種類的智能機器人出現在生產生活中，視覺系統作為智能機器人系統中一個重要的子系統，也越來越受到人們的重視。

在表面貼裝技術中涉及兩項關鍵技術：一是基于視覺技術的貼片元件定位檢測，另一個是運動控制。定位檢測就是利用計算機視覺對圖像進行處理、分析和理解，識別各種不同模式的目標和對象，快速準確地找到被測元器件并確認其位置等信息，以便后續引導機械手臂準確抓取。

目前，圖像定位識別方法有很多種，但是針對計算機視覺中圖像識別、分割的算法不多，其主要原因在于計算機視覺中實時性要求較高。本文從分析計算機視覺圖像特點出發，在總結已有的圖像分割與定位檢測方法的特點及不足的基礎上，對已有算法進行比較與優化，建立了合適計算機視覺的元器件定位識別算法。

2 圖像增強預處理

2.1 圖像增強目的

在智能工業監控等圖像采集場合中，由于現場條件、拍攝角度及閃光燈使用不當或物體表面反光等原因造成的圖像整體光照不均，帶有暗影或明亮區域的高動態真彩圖像隨處可見，這在一定程度上改變了圖像的原始面貌。為了盡可能地還原真實場景，獲取更多有價值的現場或客體本身的信息，需對圖片進行修正，消除照度不均勻的影響。為了解決圖像光照不均問題，國內外文獻提出了許多的解決方法，代表性的有以直方圖均衡化法為代表的灰度變換法、基于照明—反射的同態濾波法、Retinex增強方法以及梯度域圖像增強方法、小波變換法、背景擬合法等。

2.2 用同態濾波技術改善光照不均勻圖像

同態濾波是一種在頻域中進行的圖像對比度增強和壓縮圖像亮度范圍的特殊濾波方法，能夠減少低頻并增加高頻，從而能減少光照變化并銳化邊緣或細節，在很大程度保留圖像原貌的同時對圖像細節增強。

圖像的同態濾波是基于以入射光和反射光為基礎的圖像模型上的，如果把圖像函數 f(x，y)表示為光照函數（入射光）fi(x，y)和反射函數 fr(x，y)這兩個分量的乘積，那么圖像的模型可以表示為

式（1）中的光強分布取決于照明光源，而反射函數則取決于對象的物質結構形態。由于照明光源的光強分布隨空間變化較小，而對象的物質結構形態復雜，反射函數隨空間變化較大，因此，在頻率域中，光強分布函數 fi(x，y)的頻譜能量主要集中在低頻區域，而反射函數 fr(x，y)的頻譜能量主要集中在高頻區域。為此，只要能把圖像 f(x，y)中的 fi(x，y)和 fr(x，y)兩部分分離開來，然后通過選擇合適的同態濾波函數H（u，v），減弱圖像頻譜的低頻分量，增強高頻分量，即降低照明光源光強分布的影響，提高對象反射特性的作用，就能夠有效地校正圖像亮度分布不均勻的問題，銳化圖像的邊緣、細節，達到增強圖像的目的。

2.3 同態濾波實驗效果與分析

對存在光照不均圖像進行同態濾波實驗，實驗結果如圖1、圖2、圖3、圖4所示。如果不使用同態濾波處理，要增加圖像的亮度，會導致圖像目標對象變的很白，而且目標對象的部分細節會丟失，使用同態濾波處理，在對圖像灰度調節前，先對圖像的背景進行估計，然后將原始的圖像減去背景圖像，這樣得到的圖像反映的是去除了光照影響的圖像，可以保留圖像細節，然后在通過灰度調制拉大圖像像素的灰度差距，使得圖像細節得以表現。

圖1 原始圖像

圖2 總體背景灰度

圖3 減去背景后的圖像

圖4 灰度調整后的圖像

3 元件屬性特征求解

3.1 邊緣檢測

在表面貼裝技術中貼片元件的邊緣檢測的核心問題是：定位精確與抑制噪聲。而由Marr和Hildreth提出的Marr-Hildreth算子正是基于這兩點。Marr-Hildreth算子以高斯函數為平滑算子，結合拉普拉斯算子提取二階導數的零交叉理論進行邊緣檢測。Marr和Hildreth理論證明邊緣檢測中灰度變化與圖像尺寸無關，檢測算子可為不同尺度，灰度變化梯度在一階導數的極值點，或在二階導數為零的交叉點。

在拉普拉斯算子?2中，滿足 f是標準差σ的二維高斯函數為

對 ?2f(x，y)求微分，得到拉普拉斯拉斯（LoG）：

LoG算子核心的思想就是應用二階微分算子特性，對原始數據圖像進行二次微分求其零交叉，判斷相關高灰度的變化方向。噪聲點對邊緣檢測有一定的影響，而二階微分算子對噪聲相當敏感。所以把高斯平滑濾波器和拉普拉斯濾波器結合起來，先平滑掉噪聲，再進行邊緣檢測，效果會更好。常用的LoG算子模板如下

3.2 尋找最大輪廓

雖然Marr-Hildret算子之類的邊緣檢測算法可以根據像素之間的差異，檢測出輪廓邊界的像素，但是它并沒有把輪廓作為一個整體。尋找輪廓會找到一系列大小不同的輪廓，而元件肯定是這一系列輪廓中最大的，所以本文提出了在工業實踐環境中最大輪廓就是我們要尋找的元件輪廓的觀點。

3.3 實驗效果分析

質心和方向特征是元件最基本的特征屬性，本文主要以這兩個屬性為例進行實驗。文中創新性地提出用多邊形來描述尋找到的最大輪廓，這樣元件屬性特性求解就進一步簡化為對矩形屬性的求解。實驗平臺是VS2012下基于OpenCV開源庫。實驗過程與最后效果如圖5、圖6、圖7所示。求解的元件方向特征值（角度）為：α=20°。質心坐標為：x=119，y=118。

圖5 原始圖片

圖6 邊緣檢測圖

圖7 元件最大輪廓

4 結語

表面貼裝技術中元件屬性主要有質心和方向特征，本文主要圍繞這兩方面進行描述。本文思想的最大特色是利用多邊形（矩形）來描述元件最大輪廓，這樣做的好處就是能直接利用多邊形（矩形）來快速求解相關屬性，大大減少了程序算法的復雜性。

［1］李金華.德國“工業4.0”與“中國制造2025”的比較及啟示［J］.中國地質大學學報（社會科學版），2015，15（5）：71-79.

［2］賀正楚，潘紅玉.德國“工業4.0”與“中國制造2025”［J］.長沙理工大學學報（社會科學版），2015，30（3）：103-110.

［3］謝俊，吳滎滎，朱廣韜，王路路.基于機器視覺的二維尺寸檢測［J］.工具技術，2017，（1）：98-100.

［4］嚴小紅.計算機視覺在條形碼缺陷檢測中的應用［J］.華僑大學學報（自然科學版），2017，1（38）：109-112.

［5］段紅燕，邵豪，張淑珍，張曉宇，王小宏.一種基于Canny算子的圖像邊緣檢測改進算法［J］.上海交通大學學報，2016，12（50）：1861-1865.

［6］鄧輝，謝俊，孟廣月，等.基于機器視覺的重復定位精度測量技術［J］.電子測量技術，2014，37（12）：45-48.

［7］王秋云，羅鴻斌.基于改進同態濾波的光照不均車牌圖像增強方法［J］.中國建材科技 ，2016，（6）：160-162.

［8］田小平，程新，吳成茂，劉一博.基于同態濾波的彩色圖像增強［J］.西安郵電大學學報，2015，20（6）：51-55.

［9］劉南艷，劉菁，厙向陽，付秋實.光照不均條件下的鋼管圖像分割算法研究［J］.激光雜志，2016，37（3）：46-49.

［10］朱偉，趙春光，歐樂慶，王壽峰.OpenCV圖像處理編程實例［M］.北京：電子工業出版社，2016.

［11］毛星云，冷雪飛等.OpenCV3編程入門［M］.北京：電子工業出版社，2015.

Research on the Positioning and Recognition of Industrial Com ponents Based on Com puter Vision

ZHOU Sheng CHANG Junm ing LIDong CHEN Xi WU Mian GAN Xianglin
（DepartmentofMathsand Computer，Jianghan University ，Wuhan 430056）

In the era of artificial industry 4.0，computer vision is indispensable.Based on the analysis of uneven illumination processingmethod，the paper discusses the homomorphic filtering technique for proper computer vision，and analyzes the application ofmarr-hildreth operator in edge detection.Anewmethod ofdescribing themaximum contourswith polygons is presented to calculate the component centroid and direction characteristics.The results show that the algorithms achieve the balance between the speed and the accuracy.

computer vision，uneven illumination，recognition and detection

TP391

10.3969/j.issn.1672-9730.2017.09.025

2017年3月10日，

2017年4月29日

湖北省建設科技計劃項目（2016）；江漢大學學生重點科研項目（2016）資助。

周勝，男，研究方向：信息技術。常君明，男，副教授，研究方向：圖像處理。李洞，男，研究方向：信息技術。陳曦，男，研究方向：嵌入式技術。吳冕，男，研究方向：信息技術。甘祥麟，男，研究方向：信息技術。