劉西鋒，胡玉薇

(北京京儀儀器儀表研究總院有限公司 技術(shù)中心，北京　100079)

0　引言

在電路板質(zhì)量檢測領(lǐng)域，傳統(tǒng)的人工視覺檢測逐漸被自動光學(xué)檢測(AOI)[1-2]、自動X射線檢測(AXI)[3-4]等新興檢測技術(shù)所代替。同時隨著電路板制造工藝的提高，對電路板內(nèi)部缺陷的研究也從二維擴展到三維，獲得電路板的三維形狀、空間位置、空間尺寸等信息，從而準確地了解缺陷。尤其是錐束CT的出現(xiàn)，更加促進了三維缺陷檢測技術(shù)的發(fā)展。

錐束CT(Cone Beam Computed Tomography)系統(tǒng)采用某種掃描方式獲取目標物的投影圖像，然后根據(jù)投影數(shù)據(jù)利用特定的算法得到高分辨率三維圖像，且三個方向的分辨率一致[5]。與常規(guī)CT相比，錐束CT在檢測微小缺陷和內(nèi)部缺陷方面具有明顯的優(yōu)勢。電路板一般是由導(dǎo)線、過孔、焊盤、基板等構(gòu)成，由于目前元器件都采用貼片的形式，因此焊盤在電路板中可以通過二維圖像很好地檢測，導(dǎo)線在電路板均有分布，起到電路連接的作用，如果存在短路、斷路等缺陷會導(dǎo)致PCB的功能失效，因此對電路板中導(dǎo)線進行提取是三維分析的前提條件。目前直線檢測的常用方法主要是Hough變換[6]，雖然Hough變換能檢測到直線，但不能確定直線的起始位置和尺寸。

本文在通過錐束CT設(shè)備采集CT圖像的基礎(chǔ)上，對采集的圖像進行層析獲得電路板分層圖像提取導(dǎo)線區(qū)域，最后利用等值面體繪制進行導(dǎo)線的三維可視化。

1　導(dǎo)線提取技術(shù)

1.1　導(dǎo)線區(qū)域分割篩選

導(dǎo)線區(qū)域的提取是建立在圖像分割的基礎(chǔ)之上，其主要目標是將圖像劃分為目標區(qū)和非目標區(qū)，其處理效果的好壞將直接影響圖像分析、缺陷識別等后續(xù)步驟。當一幅圖像背景和目標物對比度不夠時，采用全局閾值并不能較好地分割前景目標。如果通過頂帽變換先去除背景，得到較均勻的前景目標后再進行閾值分割，這樣會得到較為理想的分割結(jié)果。圖像的白頂帽變換(White Top-Hat，WTH)定義為原始圖像f與其開運算圖像r(f)的差，即：

WTH(f)=f-r(f).

(1)

數(shù)學(xué)形態(tài)學(xué)中的開運算一般能夠去除圖像中孤立的小點、毛刺和連通兩塊區(qū)域的部分。圖像分割后采用形態(tài)學(xué)開運算對連接區(qū)域進行平滑，能夠消除小點、毛刺等部分，圖像分割的結(jié)果如圖1所示。從圖1中可以看出,經(jīng)過對比度增強和頂帽變換后的圖像背景更加均勻，對于受到黑色偽影影響的區(qū)域，可以明顯看出偽影對導(dǎo)線的影響基本消除，分割后的形態(tài)學(xué)處理導(dǎo)線部分更加平滑。

圖1　分層圖像的分割結(jié)果

電路板分層圖像中除了有導(dǎo)線外還有過孔、焊盤等要素，為了很好地對導(dǎo)線進行單獨分析，需要對導(dǎo)線區(qū)域進行篩選。首先利用區(qū)域標識算法獲取連通區(qū)域的區(qū)域信息[7]，然后利用設(shè)定的面積閾值進行約束以便刪除較小的非導(dǎo)線區(qū)域。當區(qū)域面積大于閾值時判斷為導(dǎo)線區(qū)域；當區(qū)域面積小于閾值時判斷為非導(dǎo)線區(qū)域并進行刪除，從而篩選出導(dǎo)線區(qū)域。

1.2　目標提取

對導(dǎo)線進行提取之前首先需要對篩選出的導(dǎo)線區(qū)域進行細化以便提取導(dǎo)線的骨架。對于單像素骨架圖像的提取可以通過形態(tài)學(xué)多次細化得到。目前常用的二值圖像細化算法是根據(jù)圖像中每個區(qū)域的結(jié)構(gòu)特點來判斷是否能夠刪除其中心像素，從而實現(xiàn)骨架提取。本文采用OPENCV中的cvRectangle()函數(shù)對每個像素的八鄰域進行標記，遍歷圖像中的目標像素點，直到得到導(dǎo)線的單像素骨架圖像。

導(dǎo)線是有起始端點的一條直線，知道其端點就能完成導(dǎo)線的有效提取。對于導(dǎo)線的單像素骨架圖像來說，當某一像素的八鄰域中只有一個鄰接點時，判斷該像素點可能是導(dǎo)線的端點。以該像素為中心，提取導(dǎo)線骨架圖像每一像素點的八鄰域，當其鄰接點的個數(shù)大于2個時，該像素被認為是導(dǎo)線的最終端點然后將這些端點腐蝕，以斷開相連的導(dǎo)線。最后設(shè)定導(dǎo)線長度閾值進行導(dǎo)線的判斷，遍歷整幅圖像得到所有導(dǎo)線目標，如圖2所示。

導(dǎo)線是由線段構(gòu)成的，因此對每條導(dǎo)線的端點和拐點進行分析即可完成導(dǎo)線檢測。本文采用基于曲線曲率的方法對拐點進行檢測，該方法的關(guān)鍵是求取曲線的曲率，采用十一點法對曲線進行曲率的求解[8]，然后通過取曲率鏈表的極大值判斷該位置是否拐點，最后遍歷曲率鏈表，如果當前曲率點的值在前后各三個點內(nèi)取得極大值時則認為該點為一個拐點并記錄，對每個導(dǎo)線區(qū)域進行以上的拐點分析過程，遍歷整幅圖像完成該層導(dǎo)線檢測。如圖3所示是經(jīng)過上述步驟的某一層導(dǎo)線提取結(jié)果。

圖2　細化后提取的導(dǎo)線

圖3　導(dǎo)線檢測結(jié)果

2　實驗結(jié)果及分析

對電路板所有的分層圖像用前文所述的方法進行導(dǎo)線目標提取，最后使用體繪制方法在MATLAB中對提取導(dǎo)線后的序列CT分層圖像進行三維重建[9]。三維體繪制的步驟如下：

(1) 對提取的電路板24層CT圖像數(shù)據(jù)進行三維數(shù)據(jù)集提取，得到一個三維的矩陣，該矩陣由圖像數(shù)據(jù)的長和寬以及數(shù)據(jù)集的總數(shù)構(gòu)成。本文中實驗樣品得到的三維數(shù)據(jù)集為512×299×24矩陣。

(2) 通過調(diào)用MATLAB函數(shù)庫中的reducevolume函數(shù)來減少數(shù)據(jù)量，提高運算速度。

(3) 通過調(diào)用MATLAB函數(shù)庫中的isosurface函數(shù)來計算數(shù)據(jù)集在顯示平面的累計投影。

(4) 通過調(diào)用MATLAB函數(shù)庫中的patch函數(shù)對碎片進行重建。

(5) 自定義顯示效果。

通過上述步驟，運用MATLAB程序?qū)崿F(xiàn)了電路板導(dǎo)線的三維重建，如圖4所示。實驗結(jié)果表明:該方法對印刷電路板中的導(dǎo)線能夠?qū)崿F(xiàn)有效的自動檢測。

圖4　三維導(dǎo)線檢測結(jié)果

3　結(jié)論

本文針對印刷電路板中三維線狀目標，提出了一種基于電路板分層圖像的導(dǎo)線自動檢測方法。首先通過分析圖像中連通區(qū)域的面積對導(dǎo)線目標區(qū)域進行粗略定位和提取，然后通過形態(tài)學(xué)細化對導(dǎo)線單像素骨架進行了提取后分析導(dǎo)線的端點和拐點完成單層圖像的導(dǎo)線提取，最后采用序列圖像完成PCB板中導(dǎo)線的三維體繪制。實驗結(jié)果表明：本文提出的錐束CT電路板序列分層圖像的導(dǎo)線三維自動檢測方法，檢測效果較好，效率較高，能夠滿足實際工程中的應(yīng)用要求。

參考文獻：

[1]Mar N S S,Yarlagadda P K D V,Fookes C.Design and development of automatic visual inspection system for PCB manufacturing[J].Robotics and Computer-Integrated Manufacturing,2011,27(5):949-962.

[2]Hairulliza M J,Kumaran K,Noraidah S.Visualising automatic product inspection of PCB units[C]//2009 International Conference on Electrical Engineering and Informatics.Selangor,Malaysia:[s.n.],2009：204-207.

[3]Roh Y J,Park W S,Cho H.Correcting image distortion in the X-ray digital tomosynthesis system for PCB solder joint inspection[J].Image & Vision Computing,2003,21(3):1063-1075.

[4]Wang Yu,Wang Mingquan,Zhang Zhijie.Microfocus x-ray printed circuit board inspection system[J].Optik,2014，125 :4929-4931.

[5]Liu T.Cone-beam CT reconstruction for planar object[J].Ndt & E International,2012,45(1):9-15.

[6]Mukhopadhyay P,Chaudhuri B B.A survey of Hough transform[J].Pattern Recognition,2015,48(3):993-1010.

[7]Fu Yili,Han Xianwei,Wang Shuguo.A fast connected components labeling algorithm for binary images[J].Journal of Harbin Institute of Technology(English edition),2012,19(3):81-87.

[8]王英惠,吳維勇,趙汝嘉.平面輪廓的分段與識別技術(shù)[J].計算機輔助設(shè)計與圖形學(xué)學(xué)報,2002,14(12):1142-1145.

[9]曾箏,董芳華,陳曉,等.利用MATLAB實現(xiàn)CT斷層圖像的三維重建[J].CT理論與應(yīng)用研究,2004,13(2):24-29.