太陽能電池缺陷檢測圖像的分割技術(shù)

王志欣，田學(xué)民

（河北工業(yè)大學(xué) 信息工程學(xué)院，天津 300401）

當(dāng)今世界面臨的最大危機是能源與環(huán)境的矛盾，而為了解決這個危機，人類已經(jīng)著手于開發(fā)和利用各種新能源，其中太陽能，作為一種普遍均勻、清潔環(huán)保的綠色資源，有著巨大的開發(fā)應(yīng)用潛力。太陽能電池是這項技術(shù)的核心器件，直接影響發(fā)電效率。在太陽電池的生產(chǎn)過程中，容易產(chǎn)生一些隱性缺陷。隱性缺陷的存在將降低組件的效率、可靠性和使用壽命，因此太陽能電池的缺陷檢測非常的重要。

電致熒光法是目前最常用的太陽能電池缺陷檢測方法[1]。通過這種方法可以得到太陽能電池的紅外圖片，然后對去噪后的圖像進行分割，之后對圖像進行缺陷的識別和檢測[2]。

在太陽能電池缺陷檢測系統(tǒng)中，圖像的分割技術(shù)起著至關(guān)重要的作用。圖像的分割就是將圖像中的目標(biāo)和背景相分離的技術(shù)。圖像分割處理的結(jié)果將直接影響到太陽能電缺陷特征的后續(xù)分類和識別。由于太陽能電池中的缺陷沒有明顯的邊緣，因此只能使用區(qū)域分割法。本文采用一種針對太陽電池缺陷圖像特性的閾值分割方法，這種方法比普通的直方圖法和Otsu法更加的快速準(zhǔn)確，能夠很好的提取缺陷圖像的特征，準(zhǔn)確地進行圖像分割，得到較好的二值圖像。

1 直方圖閾值分割法

如果前景物體內(nèi)部灰度值分布比較均勻，背景灰度值的分布也是比較均勻的，這個圖像的灰度直方圖將有明顯的雙峰，如圖1所示。當(dāng)一幅圖像的直方圖具有雙峰時，可以選擇兩峰之間的谷底作為閾值，將目標(biāo)和背景分割開來。該方法簡單，但是當(dāng)兩個峰值相差很遠時不適用，因為前景和背景很可能有一部分灰度值是共有的，分割效果將不太理想。

圖1 具有明顯雙峰的灰度直方圖Fig.1 Has obvious bimodal histogram

太陽能電池缺陷圖像，如圖2所示。太陽能電池缺陷圖像的直方圖，如圖3所示。選取直方圖雙峰之間的谷底作為閾值T。

其中，g（x）為閾值運算后的二值圖像，運行后結(jié)果，如圖4所示。

其表達式為：

圖2 太陽能電池缺陷圖像Fig.2 Solar cell defect image

圖3 太陽能電池缺陷圖像的直方圖Fig.3 Histogram defective solar cell

圖4 直方圖法運行結(jié)果Fig.4 The result of histogram method

2 最大類間方差法（Otsu法）

當(dāng)圖像的背景與目標(biāo)之間灰度差異較小時，即灰度直方圖沒有明顯的雙峰時，可以選用最大類間方差法[3]。在對圖像進行閾值分割時，選定的分割閾值應(yīng)使前景區(qū)域的平均灰度、背景區(qū)域的平均灰度與整幅圖像的平均灰度之間差別最大，這種差異用區(qū)域的方差來表示。該算法計算過程簡單，是一種穩(wěn)定、常用的算法[4-5]。

設(shè)圖像中灰度為i的像素數(shù)為ni，灰度范圍為[0，L-1]，則總的像素數(shù)為：

各灰度值出現(xiàn)概率為：

對于 pi，有：

把圖中的像素用閾值T分成兩類C0和C1，C0由灰度值在[0，T-1]的像素組成，C1由灰度值在[T，L-1]的像素組成，則區(qū)域C0和C1的概率分別為：

區(qū)域C0和C1的平均灰度分別為：

其中，μ是整幅圖像的平均灰度：

兩個區(qū)域的總方差為：

讓T在[0，L-1]范圍內(nèi)依次取值，使σ2B最大的T值便是最佳區(qū)域分割閾值[6]。

該方法是一種自動選擇閾值的方法，而且能得到較好的結(jié)果。使用該方法處理缺陷圖像的結(jié)果如圖5所示。

圖5 Otsu法運行結(jié)果Fig.5 The result of Otsumethod

3 自創(chuàng)的閾值分割方法

通過大量的實驗統(tǒng)計，分析太陽能電池缺陷圖像的數(shù)據(jù)，可以發(fā)現(xiàn)通過電致熒光法得到的太陽能電池圖片中缺陷的熒光輻射強度基本為零，與不發(fā)光的主電極的灰度值基本相同，如圖6所示，所以通過這種特點，可以采集主電極處的灰度值作為分割的閾值進行圖像分割。

圖6 太陽能電池缺陷圖像Fig.6 Solar cell defect image

具體算法實現(xiàn)如下：

3）取兩次結(jié)果的平均值的0.8作為分割閾值T；

4）對于灰度值大于T的像素，用255代替原灰度值，對于灰度值小于等于T的像素值，用0代替原來的像素值，對圖像進行二值化。

圖7 自創(chuàng)閾值分割結(jié)果Fig.7 Own threshold segmentation results

使用此算法處理太陽能電池缺陷圖像的結(jié)果如圖7所示?？梢园l(fā)現(xiàn)幾乎所有缺陷區(qū)域都被提取出來了，提取效果非常的好。

4 實驗結(jié)果對比

圖4為直方圖法的運行結(jié)果，由于缺陷圖像的直方圖具有雙峰特性，所以分割結(jié)果較理想。但是如果直方圖不具有雙峰特性，提取結(jié)果將不理想，這種方法不具有普遍性。圖5為Otsu法得到的分割圖像，可以發(fā)現(xiàn)，雖然提取了缺陷區(qū)域，但也提取了過多的柵電極和一些不是缺陷的影響區(qū)域。圖7為自創(chuàng)的閾值分割方法得到的分割圖像，可以發(fā)現(xiàn)，這種方法不但提取了所有的缺陷區(qū)域，同時也減少了柵電極和其它非缺陷區(qū)域的影響，更好的把缺陷提取出來，同時，這種方法具有普遍性，使用范圍較廣，也更便于之后缺陷的分辨和識別。

5 結(jié) 論

本文根據(jù)電致熒光法得到的太陽能電池缺陷圖像的特性，提出了一種自創(chuàng)的閾值分割方法，通過與直方圖法和Otsu法進行試驗對比，可以明顯發(fā)現(xiàn)這種分割法可以快速準(zhǔn)確地進行分割，具有較好的分割效果，有利于下一步對圖像進行缺陷的識別和檢測。

[1]張舞杰，李迪，葉峰.硅太陽能電池視覺檢測方法研究[J].計算機應(yīng)用，2010，30（1）:249-252.ZHANG Wu-jie，LI Di，YE Feng.Silicon solar cells visual inspection method[J].Computer Applications，2010，30（1）:249-252.

[2]丁葉飛，李紅波，張瀅清，等.硅太陽電池組件工藝缺陷的紅外檢測技術(shù)[J].太陽能，2010（2）:36-38.DING Ye-fei，LI Hong-bo，ZHANG Ying-qing，et al.Silicon solarmodules workmanship infrared detection technology[J].Solar，2010（2）:36-38.

[3]齊麗娜，張博，王戰(zhàn)凱.最大類間方差法在圖像處理中的應(yīng)用[J].無線電工程，2006（7）:25-26.QI Li-na，ZHANG Bo，WANG Zhan-kai.Otsu method in image processing applications[J].Radio Engineering，2006（7）:25-26.

[4]劉直芳，王運瓊，朱敏.數(shù)字圖像處理與分析[M].北京：清華大學(xué)出版社，2006.

[5]郝穎明，朱楓.二維Otsu自適應(yīng)閾值的快速算法[J].中國圖象圖形學(xué)報，2005（4）:88-92.HAO Ying-ming，ZHU Feng.Dimensional Otsu adaptive threshold fast algorithm[J].Chinese Journal of Image and Graphics，2005（4）:88-92.

[6]Marchadier J，Arqu`es D，Michelin S.Thinning Grayscale Well-Composed Images:A New Approach for Topological Coherent Image Segmentation [J].Discrete Geometry for Computer Imagery Lecture Notes in Computer Science，2002（2301）:360-371.