基于圖像的PCB 貼片焊盤坐標(biāo)提取實驗分析

王宜結(jié)，井 田

（淮南師范學(xué)院 電子工程學(xué)院，安徽 淮南 232038）

1 引言

印刷電路板(Printed circuit board, PCB)貼片焊盤坐標(biāo)提取的目的是提供給自動點錫膏機(jī)使用，為后續(xù)人工貼片或機(jī)器貼片做準(zhǔn)備。如果電路板不便或不能通過現(xiàn)有設(shè)計軟件獲取貼片焊盤的坐標(biāo)，可通過攝像頭對電路板進(jìn)行圖像采集，并對圖像進(jìn)行修剪校正處理，去掉除焊盤圖像之外的所有不需要的圖像， 如文字圖形信息及帶鉆孔的焊盤等，再通過特定的算法可將其坐標(biāo)提取出來。

焊盤坐標(biāo)的提取關(guān)鍵在于正確地識別出焊盤。圖像識別以圖像的主要特征為基礎(chǔ)，分為特征提取和識別兩個過程［1］。 本文涉及的圖像處理較簡單，在對圖像進(jìn)行灰度化后， 通過閥值分割成二值圖像?！坝嬎愣祱D像特性的算法非常簡單，容易理解和實現(xiàn)，并且計算速度很快”［2］。邊緣檢測常用于提取特征圖像，“圖像的邊緣包含了大量重要的信息，邊緣檢測算法通常基于它的一階或二階導(dǎo)數(shù)算子進(jìn)行”［3］， 邊緣檢測法能較準(zhǔn)確地提取圖像但計算量較大。

本文先灰度化圖像再二值化，把明亮的印刷字符圖形及較暗的背景色清除，再進(jìn)行適當(dāng)?shù)男螒B(tài)學(xué)方法處理，最后提取出貼片焊盤圖像并求出質(zhì)心坐標(biāo)，避免了復(fù)雜的邊緣檢測算法。

2 研究思路

圖1 貼片焊盤坐標(biāo)提取流程圖

系統(tǒng)實現(xiàn)過程： 通過攝像頭獲得PCB 圖像，PCB 可能是自己實驗室自制的，也可能是工廠打樣后的。 圖像通過下位機(jī)采集后由USB 接口送到上位機(jī)處理。 上位機(jī)軟件首先要對圖像進(jìn)行預(yù)處理，通過四周剪切操作得到只含電路板區(qū)域的圖像，然后再對圖像進(jìn)行后續(xù)處理，識別出貼片焊盤并提取坐標(biāo)（處理流程如圖1 所示）。

3 研究過程

第1 步：拍照。 通過高清攝像頭對電路板進(jìn)行拍照，以獲得清晰的照片，并進(jìn)行四周剪切，如圖2（a）所示。 在攝像過程中盡量使攝像頭的中心對著電路板的中心，以減少圖像變形。 圖像的質(zhì)量直接影響到識別的效果，因此要盡可能提高圖像的對比度及清晰度。

圖2 電路板原圖及其灰度化和校正后圖

第2 步：對電路板原始圖像（圖2（a）進(jìn)行預(yù)處理。在拍照時，由于各種主客觀原因，圖像不可能拍得十分清晰，因此需要修補(bǔ)圖像缺陷，如有些焊盤拍照時太暗了，需要增強(qiáng)亮度，或人為添加焊盤，還要去掉非帶孔的焊盤?？捎玫? 方軟件去除照片中不必要的信息并對圖像缺陷進(jìn)行修補(bǔ)及裁剪。由于上面的圖片較大， 這里只取局區(qū)域敘述預(yù)處理過程。 圖3(a)為截取的部分原圖，該圖中部分焊盤拍照時太暗，修補(bǔ)后得到圖3(b)。 圖3(c)為去掉通孔焊盤的圖像。

圖3 部分原圖及處理后的圖

第3 步： 將預(yù)處理后的PCB 彩色圖像變換成灰度圖像。 對于彩色圖像而言，灰度化處理就是使彩色圖像的三基色R、G、B 分量值相等的過程。 灰度化處理的主要方法有3 種。 第1 種是最大值法：使 R、G、B 的值等于 3 值中最大的一個， 即 R=G=B=max（R,G,B），最大值法得到的灰度圖像亮度較高；第2 種是平均值法：取R、G、B 的平均值作為灰度值，即R=G=B=(R+G+B)/3，平均值法可得到相對柔和的灰度圖像；第3 種是加權(quán)平均值法：根據(jù)重要性或其他指標(biāo)給R、G、B 賦予不同的權(quán)值， 并使R、G、B 的值加權(quán)平均，R=G=B=xR+yG+zB，其中 x、y、z 分別表示權(quán)重。 大量實驗結(jié)果發(fā)現(xiàn)，人眼對綠色的敏感度最高，其次為紅色，而對藍(lán)色的敏感度最低， 因此x> y>z。 實驗和理論證明當(dāng)x=0.30，y=0.59，z=0.11 時，能得到最合理的灰度圖像。 但常見的印刷電路板的背景顏色為綠色、 藍(lán)色、 黑色、紅色、黃色、白色等，根據(jù)PCB 的背景顏色特征，可用下述方法將彩色圖像處理成區(qū)分度較好的灰度圖像。 以藍(lán)色電路板為例，藍(lán)色電路板的背景色是藍(lán)色，通過matlab 軟件分析，發(fā)現(xiàn)其三基色RGB 的R分量中，圖像中各區(qū)域的區(qū)分度很明顯，藍(lán)色背景色區(qū)域的R 分量值在50 以下，焊盤的R 分量值主要分布在80~130 之間，而白色字體的R 分量值分布在150~255 之間，據(jù)此，可將R 分量作為灰度值得到灰度圖像，用此法可得到原圖2（a）的灰度圖像，如圖2（b）所示。 其它顏色的電路板也容易找到有明顯灰度區(qū)分度的特征。

第4 步：對進(jìn)行圖像校正。 由于拍照時圖像不可能拍得特別正， 因此需要對圖像進(jìn)行位置校正。圖像傾斜矯正關(guān)鍵在于根據(jù)圖像特征自動檢測出圖像傾斜方向和傾斜角度。目前常用的檢測傾斜角度的方法有：基于投影的方法、基于Hough 變換和基于線性擬合的方法，還有進(jìn)行傅里葉變換到頻域來進(jìn)行檢測的方法［4］。這里僅介紹Radon 變換算法實現(xiàn)。

利用Radon 變換檢測直線傾斜角度的具體步驟如下。

（1）用edge 函數(shù)計算圖像的邊緣二值圖像，檢測出原始圖像中的直線。

（2）計算邊緣圖像的 Radon 變換，對每一個象素為1 的點進(jìn)行運算 （0 ~ 179°方向上分別做投影）。

（3）檢測出Radon 變換矩陣中的峰值，這些峰值對應(yīng)原始圖像中的直線。 Radon 變換矩陣中的這些峰值的列坐標(biāo)θ 就是與原始圖像中的直線垂直的直線的傾斜角度，所以圖像中直線的傾角為 90°。

受版面限制，這里取圖2（a）中的很小一部分（圖4（b））詳細(xì)描述圖像灰度化及后續(xù)處理過程。設(shè)圖像文件名為I_part.jpg， 該圖對應(yīng)的原始設(shè)計圖如圖 4（a）所示。

圖4 部分PCB 設(shè)計圖、部分原圖和灰度化圖

圖5 清除絲印層圖及去除噪點的圖像

通過下列matlab 代碼提取R 分量處理 ［圖4（b）］，可得到圖 4（c）所示的灰度圖像。 灰度化代碼如下：

img_part= imread ('D:I_part.jpg'); %讀取RGB格式的彩色圖像

ipg=img_part(:，:，1); %取 R 分量作為灰度值得到灰度圖像ipg

第5 步：除去圖像中背景、白色絲印字體和圖形及白色小噪點。去掉背景及白字絲印字體和圖形的具體做法是， 先將灰度值大于200 或小于80 的像素變成黑色。 這兩個值可在軟件中進(jìn)行動態(tài)調(diào)節(jié)，以獲得最佳效果。 代碼如下：

圖5（a）是對圖4（c）去除背景及絲印層后的圖像。 從圖5（a）中可以看出，圖中絲印字體及焊盤四周的圖形的邊緣由于灰度值較低，沒有除去，可通過下面的算法除去。 從圖5（a）中可不難發(fā)現(xiàn)，這些白色邊緣較細(xì)，并且其上下或左右都是黑色，據(jù)此特征，可對圖像中的全部像素進(jìn)行掃描，若發(fā)現(xiàn)某點存在上述情況，則將其變成黑色。 具體處理代碼如下：

圖5（b）是經(jīng)過上述代碼處理后進(jìn)一步去除絲印層后的圖像。 圖5（b）中一些絲印白色字體及圖像尚有殘留，形成很多小噪點，這些殘留所構(gòu)成的連通域相對于焊盤區(qū)域面積都不大， 可以通過bwareaopen 函數(shù)清除這些小噪點。該函數(shù)的調(diào)用格式如：BW2 = bwareaopen(BW,P,conn)，其作用是刪除二值圖像BW 中面積小于P 的對象， 默認(rèn)情況下，conn =8， 即 8 鄰域。 上述圖像通過 “img2 =bwareaopen(img,32,8)”處理后，再使用填充函數(shù)imfill(img2)對封閉區(qū)域的空洞進(jìn)行填充，可得到如圖5（c）所示圖像。

第6 步：平滑圖像。 腐蝕膨脹是形態(tài)學(xué)圖像處理的基礎(chǔ)， 腐蝕在二值圖像的基礎(chǔ)上做 “收縮”或“細(xì)化”操作，膨脹在二值圖像的基礎(chǔ)上做“加長”或“變粗”的操作。 先腐蝕后膨脹的過程稱為開運算，其作用是清除圖像邊緣周圍非邊緣的細(xì)小的點，用來消除小物體、在纖細(xì)點處分離物體、平滑較大物體的邊界的同時并不明顯的改變其面積。平滑過程可根據(jù)需要添加，本文中未進(jìn)行平滑處理。

第7 步：提取坐標(biāo)及標(biāo)注焊盤中心位置。 通過函數(shù)bwlabel 及plot 對焊盤坐標(biāo)提取和標(biāo)注。

bwlabel 函數(shù)的調(diào)用格式如：“［L,n］=bwlabel(I_bw,8)；”， 它返回一個和 I_bw 大小相同的 L 矩陣，包含標(biāo)記了I_bw 中每個連通區(qū)域的類別標(biāo)簽;獲取二值圖像I_bw 中8 連通域的個數(shù)n。 代碼如下：

上面求得的坐標(biāo)值單位為像素，還要進(jìn)行標(biāo)度變換。圖 3（b）的大小為 331×310 像素，對應(yīng)的 PCB實際尺寸為 19.05×17.78 mm。 19.05/331=0.575 5;17.78/310=0.537 2; 平均：0.055 64 mm/像素。

4 結(jié)果及分析

本文中的電路板是作者用PADS 軟件設(shè)計并交工廠打樣得到的。通過PADS 軟件可以提取各貼片元件焊盤的坐標(biāo)值。 表1 列出了圖3（b）中部分貼片元件的實際坐標(biāo)及通過前述算法進(jìn)行圖像處理后得到的坐標(biāo)。 從表1 中可以看出，坐標(biāo)值有一定的誤差，但大部分誤差都小于0.2 mm，對于點錫膏焊接而言，這個誤差是比較小的。 而最大誤差為0.38 mm，對焊接也不會有明顯影響，因為錫膏熔化后由于自身張力會自動找正元件。圖6 給出了坐標(biāo)誤差分布情況。

表1 貼片焊盤坐標(biāo)

圖6 坐標(biāo)誤差分布圖

引起焊盤識別誤差的原因有如下幾點：由于拍照時光線不均勻，導(dǎo)致焊盤與絲印層邊緣灰度區(qū)分度不高；部分焊盤絲印時不準(zhǔn)確，絲印圖形太貼近焊盤，有的幾乎與焊盤其連成一體；還有圖像像素密度不夠高?？赏ㄟ^提高拍照質(zhì)量及圖像分辨率來減小誤差。

5 結(jié)語

本文主要分析了貼片焊盤坐標(biāo)的提取方法并進(jìn)行了實驗驗證。 在具體操作時，由于圖像拍攝質(zhì)量不穩(wěn)定，導(dǎo)致在識別過程中對灰度的閥值取值上波動范圍較大，以至于造成二值圖像的處理難度較大。 當(dāng)圖像質(zhì)量好、焊盤與背景顏色或亮度區(qū)分度大并且失真較小時，識別效果較好，產(chǎn)生的誤差很小。但當(dāng)圖像質(zhì)量較差時，識別難度明顯加大，錯誤率偏高，因此在識別前要對圖像進(jìn)行修正和缺陷修復(fù)處理。 如果直接從PCB 軟件輸出焊盤圖像，則提取坐標(biāo)的準(zhǔn)確率可以接近100%。 總之，該算法在具體實現(xiàn)的效果上還存在一些不足，需要在以后的研究中找出更理想的方案和算法。