【文章內(nèi)容簡介】 3 PCB圖像的預(yù)處理圖像預(yù)處理主要是在matlab下進(jìn)行的。一般來說，系統(tǒng)在PCB待測灰度圖像的采集、傳輸過程中，由于光照不均或變化、采集設(shè)備自身的干擾、成像的非線性、數(shù)字化過程量化噪聲、傳輸過程誤差以及人為因素等，都有可能使得實際獲取的待測PCB灰度圖不可避免地受到外部干擾和內(nèi)部干擾，從而使圖像質(zhì)量降低或失真，包含各種各樣的噪聲和畸變。因此，為了后續(xù)圖像分析和理解，應(yīng)對待測圖像進(jìn)行預(yù)處理，改善圖像質(zhì)量，提取我們感興趣的目標(biāo)區(qū)域。目前，已經(jīng)有許多成熟的方法可以用來對圖像進(jìn)行預(yù)處理。在進(jìn)行預(yù)處理的過程中，可以根據(jù)不同的情況，有針對性的選取適當(dāng)方法來進(jìn)行操作。經(jīng)實驗證明，在電路板圖像的預(yù)處理過程中，中值濾波，拉普拉斯銳化這幾種方法對電路板圖像預(yù)處理能較好的去除噪聲，提高圖像質(zhì)量。因此，在本課題研究中，根據(jù)PCB圖像的特點，首先對PCB圖像進(jìn)行灰度化，然后選取適當(dāng)?shù)姆椒▽CB圖像進(jìn)行處理，以期得到我們希望的圖像，為后續(xù)研究做準(zhǔn)備。 MATLAB軟件簡介MATLAB是Math works公司于推出的一套高性能的數(shù)值計算和可視化軟件，其全稱是Matrix Laboratory，亦即矩陣實驗室，經(jīng)過多年的逐步發(fā)展與不斷完善，現(xiàn)已成為國際公認(rèn)的最優(yōu)秀的科學(xué)計算與數(shù)學(xué)應(yīng)用軟件之一，是近幾年來在國內(nèi)外廣泛流行的一種可視化科學(xué)計算軟件。它集數(shù)值分析、矩陣運算、信號處理和圖形顯示于一體，構(gòu)成了一個方便的、界面友好的用戶環(huán)境，而且還具有可擴(kuò)展性特征。MATLAB中的數(shù)字圖像是以矩陣形式表示的，這意味著MATLAB強(qiáng)大的矩陣運算能力用于圖像處理非常有利。矩陣運算的語法對MATLAB中的數(shù)字圖像同樣適用。MATLAB中的基本數(shù)據(jù)結(jié)構(gòu)是由一組有序的實數(shù)或復(fù)數(shù)元素構(gòu)成的數(shù)組，圖像對象的表達(dá)采用的是一組有序的灰度或彩色數(shù)據(jù)元素構(gòu)成的實值數(shù)組。MATLAB中通常用二維數(shù)組來存儲圖像，數(shù)組的每一個元素對應(yīng)于圖像的一個像素值。例如，由200行和300列的不同顏色點組成的一幅圖像在MATLAB中采用200300的矩陣存儲。MATLAB支持多種類型的圖像，而不同類型的圖像其存儲結(jié)構(gòu)通常是不同的。如RGB圖像則需要一個三維數(shù)組，3個數(shù)據(jù)維分別對應(yīng)于某像素點的紅色、綠色和藍(lán)色強(qiáng)度值。由于對圖像采用了通用的數(shù)據(jù)矩陣的表達(dá)方式，MATLAB中原有的所有基本矩陣操作都可應(yīng)用于圖像矩陣，例如，我們要查看圖像I中某像素點的強(qiáng)度值，可以采用類似的表達(dá)方式：I(x，y)，它代表了圖像I的第x行和第y列的像素值。MATLAB可操作的圖像文件包括BMP，HDF，JPEG，PCX，TIFF和XWD等格式。MATLAB在圖像處理中的應(yīng)用是由MATLAB函數(shù)來實現(xiàn)的，MATLAB提供了圖像文件讀入函數(shù)imread()，還提供了imwrite()圖像寫出函數(shù)，顯示圖像函數(shù)有image()、imshow()等MATLAB在處理圖像時都是以向量、矩陣、數(shù)組的形式來表示圖像，并進(jìn)行各種運算。MATLAB提供了圖像的和、差等線性運算。 彩色圖像灰度化圖像的灰度化處理的基本原理：數(shù)字圖像分為彩色圖像和灰度圖像。RGB圖像，即真彩色圖像，在MATLAB中存儲為nm3的數(shù)據(jù)矩陣。數(shù)組中的元素定義了圖像中每一個像素的紅、綠、藍(lán)顏色值。像素的顏色保存在像素位置上的紅、綠、藍(lán)的強(qiáng)度值的組合來確定。在RGB模型中，如果R=G=B，則表示一種灰度顏色，其中R=G=B的值叫做灰度值，通常用g來表示。因此，灰度圖像每個像素只需一個字節(jié)存放灰度值 ，灰度范圍為 0255。將彩色圖像轉(zhuǎn)化成為灰度圖像的過程成為圖像的灰度化處理。由于彩色圖像的存儲空間較大，因此，在對圖像進(jìn)行識別等處理過程中，需要將彩色圖像轉(zhuǎn)換為灰度圖像，以加快后續(xù)工作的處理速度。彩色圖像中的每個像素的顏色有R、G、B三個分量決定，而每個分量有255種值可取，這樣一個像素點可以有1600多萬（255*255*255）的顏色的變化范圍。而灰度圖像是R、G、B三個分量相同的一種特殊的彩色圖像，其一個像素點的變化范圍為255種，所以在數(shù)字圖像處理種一般先將各種格式的圖像轉(zhuǎn)變成灰度圖像以使后續(xù)的圖像的計算量變得少一些?；叶葓D像的描述與彩色圖像一樣仍然反映了整幅圖像的整體和局部的色度和亮度等級的分布和特征?；叶然菆D像處理的基礎(chǔ)之一，彩色圖像如果不是直接進(jìn)行彩色圖像分割，就要在后續(xù)處理之前進(jìn)行灰度化。預(yù)處理階段, 都要把采集來的彩色圖像進(jìn)行灰度化處理,這樣既可以提高后續(xù)算法速度, 而且可以提高系統(tǒng)綜合應(yīng)用實效，達(dá)到更為理想的要求。 因此對彩色圖像灰度化很重要。圖像的灰度化處理，一般有以下三種設(shè)計方案：（1）加權(quán)平均法 根據(jù)重要性及其它指標(biāo)，將三個分量以不同的權(quán)值進(jìn)行加權(quán)平均。由于人眼對綠色的敏感最高，對紅色敏感度次之，對藍(lán)色敏感最低，因此，在MATLAB中我們可以按f(i,j)=(i,j)+(i,j)+(i,j))這個式子系統(tǒng)函數(shù)對RGB三分量進(jìn)行加權(quán)平均能得到較合理的灰度圖像。 （2）平均值法 求出每個像素點的 R、G、B 三個分量的平均值，將得到均值作為灰度值輸出而得到灰度圖。表達(dá)式為f(i,j)=(R(i,j)+G(i,j)+B(i,j)) /3 .（3）最大值法 將彩色圖像中的三分量亮度的最大值作為灰度圖的灰度值。表達(dá)式為f(i,j)=max(R(i,j),G(i,j),B(i,j)) .rgb2gray函數(shù)的功能是將彩色圖像轉(zhuǎn)化成灰度圖像。庫函數(shù)rgb2gray(),其轉(zhuǎn)化是依據(jù)亮度方程f(i,j)=(i,j)+(i,j)+(i,j))來實現(xiàn)的，即依據(jù)人眼對不同顏色的敏感度不同(人眼對綠色最敏感，對紅色敏感度次之，對藍(lán)色最不敏感)，對RGB分量以不同的系數(shù)加權(quán)平均，即gray=++，通常能得到最合理的灰度圖像。在matlab中，實現(xiàn)灰度化的程序語句如下：i=imread(‘G:\’)。j=rgb2gray(i)。figure,imshow(j)。 (a) 短路 (b) 斷路 圖 轉(zhuǎn)換后的灰度圖 PCB圖像的濾波圖像濾波，即在盡量保留圖像細(xì)節(jié)特征的條件下對目標(biāo)圖像的噪聲進(jìn)行抑制，是圖像預(yù)處理中不可缺少的操作，其處理效果的好壞將直接響到后續(xù)圖像處理和分析的有效性和可靠性。圖像在獲取或者傳輸?shù)倪^程中,經(jīng)常會被加入大量的噪聲,嚴(yán)重影響了圖像的視覺效果,甚至妨礙了人們的正常識別。因此,圖像的噪聲濾除是圖像處理中的一項重要任務(wù),噪聲濾除后的結(jié)果對圖像銳化、特征提取和圖像識別等后續(xù)處理均有直接的影響。任何一幅未經(jīng)處理的圖像，都存在一定程度的噪聲干擾，噪聲惡化了圖像質(zhì)量，使圖像模糊，甚至淹沒特征，給分析帶來困難。圖像濾波的主要目的就是去除或衰減混雜在圖像上的噪聲的干擾，改善圖像的質(zhì)量。常用的濾波方法有均值濾波，中值濾波等。均值濾波是簡單的空域處理方法，它將一個像素及其鄰域中所有像素的平均值賦給輸出圖像中相應(yīng)的像素，從而達(dá)到濾波的目的。它是一種線形濾波技術(shù)，它是用一窗口逐一對準(zhǔn)圖像內(nèi)每一像素，用窗口領(lǐng)域的像素灰度的平均值取代窗口中心像素原來的灰度值。假定有一幅MN個像素的圖像f(x,y)，濾波處理后得到一幅圖像g(x,y)，g(x,y)由式()決定： ()其中：x，y=0，1，2，?，N1；S是以(x，y)為中心的鄰域集合；M是S內(nèi)的像素數(shù)。窗口領(lǐng)域S的形狀和大小根據(jù)圖像特點確定。一般選取的形狀是正方形、矩形及十字形等，領(lǐng)域的形狀和大小可以在全圖處理過程中保持不變，也可根據(jù)圖像的局部統(tǒng)計特性而變化，它的中心一般位于被處理點上。如為3*3鄰域，點(m，n)位于S中心，則 ()假設(shè)噪聲n是加性噪聲，在空間各點互不相關(guān)，且期望為0，方差為，g是未受污染的圖像，含噪圖像f經(jīng)過鄰域平均化濾波后為： ()由上式可知，濾波后噪聲的均值不變，方差，即噪聲方差變小，說明噪聲強(qiáng)度減弱了，即抑制了噪聲。可見，鄰域平均法濾波有力地抑制了噪聲，使圖像變得柔和一些，同時也出現(xiàn)了因邊緣處的灰度差趨向平均而引起的模糊現(xiàn)象，模糊程度與鄰域半徑成正比。中值濾波(Median Filtering)是一種基于排序統(tǒng)計理論的可以有效抑制噪聲的非線性濾波技術(shù)。它是一種典型的低通濾波器，目的是保護(hù)圖像邊緣的同時去除噪聲。1971年圖基(TukeY)在進(jìn)行時間序列分析時提出中值濾波的概念，后來人們將其引入到圖像處理中，這種濾波的優(yōu)點是運算簡單而且速度快，易于實現(xiàn)。它的中心思想是用像素鄰域灰度值的中值來代替該像素點的灰度值。所謂中值濾波，是指把以某點為中心的小窗口內(nèi)的所有像素的灰度值按從小到大的順序排列，若窗口中的像素數(shù)為奇數(shù)個，則將中間的值作為該點處的灰度值。若窗口中的像素數(shù)為偶數(shù)個，則取兩個中間值的平均值作為該點處的灰度值。具體的做法是：將所用鄰域窗口內(nèi)的所有像素的灰度值從小到大排序，取該組中間的灰度值作為濾波后的灰度值。設(shè)表示數(shù)字圖像各點的灰度值,濾波窗口A的二維中值濾波，可定義為： ()通常窗口內(nèi)像素數(shù)為奇數(shù)，以便有個中間像素。若窗口像素數(shù)為偶數(shù)時，則中值取中間兩像素灰度的平均值。常用的