（计算机科学与技术专业论文）基于机器视觉的装片机检测定位系统的研究.pdf

r e s e a r c ho fw a f e rb o n d e rd e t e c t i o na n dl o c a t i o ns y s t e m b a s e do nm a c h i n ev i s i o n at h e s i ss u b m i t t e dt o d a l i a nm a r i t i m eu n i v e r s i t y i np a r t i a lf u l f i l l m e n to ft h er e q u i r e m e n t sf o rt h ed e g r e eo f m a s t e ro fe n g i n e e r i n g b y l i a os h e n g l o n g ( c o m p u t e rs c i e n c ea n dt e c h n o l o g y ) t h e s i ss u p e r v i s o r ：p r o f e s s o rf ux i a n p i n g j u n e2 0 1 1 。 大连海事大学学位论文原创性声明和使用授权说明 原创性声明 本人郑重声明：本论文是在导师的指导下，独立进行研究工作所取得的成果， 撰写成博硕士学位论文 = = 基壬扭矍塑觉数鉴垃扭捡塑4 庭僮丕统的班塞：。除论 文中已经注明引用的内容外，对论文的研究做出重要贡献的个人和集体，均已在 文中以明确方式标明。本论文中不包含任何未加明确注明的其他个人或集体已经 公开发表或未公开发表的成果。本声明的法律责任由本人承担。 学位论文作者签名： 交圣盎 学位论文版权使用授权书 本学位论文作者及指导教师完全了解大连海事大学有关保留、使用研究生学 位论文的规定，即：大连海事大学有权保留并向国家有关部门或机构送交学位论 文的复印件和电子版，允许论文被查阅和借阅。本人授权大连海事大学可以将本 学位论文的全部或部分内容编入有关数据库进行检索，也可采用影印、缩印或扫 描等复制手段保存和汇编学位论文。同意将本学位论文收录到中国优秀博硕士 学位论文全文数据库( 中国学术期刊( 光盘版) 电子杂志社) 、 中国学位论文全文 数据库( 中国科学技术信息研究所) 等数据库中，并以电子出版物形式出版发行和 提供信息服务。保密的论文在解密后遵守此规定。 本学位论文属于： 保密口在一一年解密后适用本授权书。 不保密( 请在以上方框内打“”) 论文作者签名：垂圣忘导师签名：衫，才 日期：夕矿，年7 月日 中文摘要 摘要 随着半导体产品制造业的高速化和低成本化，机器视觉技术在电- 了产业的集 成电路封装设备中发挥了越来越重要的作用。其巾，装片机就是一种电子元器件 生产厂家用于将晶硅片从料盘取放到料带上的一种自动化生产设备。装片机中最 重要的部分就足装片机检测定位系统。 装片机检测定位系统是一个标准的机器视觉系统，它是用来实现矫正和定位 晶元上所有晶硅片，并通过驱动w a f e r 台，将已识别的晶硅片移动到机械手的抓 取位置，最后由机械手抓取并放到相应位置。其核心的算法是对料盘上品硅片进 行倾斜矫正和定位，其难点足需要高速并且准确的完成这一过程。 本文通过大量品元图像的分析结果，对各种与系统相关的图像处理算法进行 了研究，最后确定了一种可以实现系统需求的快速检测定位算法。首先通过小波 金字塔大量减少图像处理的计算量。主要是先对读取的图像进行小波分解，建立 小波金字塔，对金字塔中低分辨率图像进行处理，较之直接对原始图像进行处理， 其计算量会有大量减少，并且低分辨率图仍然保留了大部分原图的信息，因此不 会对下一步的处理有太大的干扰。然后根据霍夫变换检测直线的功能，以及晶硅 的结构特征，可以实现对晶元图像的倾斜角度判断，从而实现倾斜校正。利用c a n n y 算子的边缘检测和数学形态学膨胀运算，将晶元图像的边缘特征( 包括其明显的纹 理特征) 提取出来，为进一步的匹配操作做好准备。分析晶元中晶硅片的排列规律 以及晶硅的结构特征，可以对图像分别进行水平和垂直投影，投影结果中的波峰 周围即为可能的边缘区域，由此筛选出晶硅片可能的位置，排除其它位置，减少 下一步匹配计算量。最后使用基于边缘特征的模板匹配方法，即通过分析晶硅片 的边缘特征得到一些细节上的不变特征，在进行模板匹配时，利用这些不变特征 设置多重阈值进行判断，判断失败即排除，进而提高匹配速度。 关键字：机器视觉：装片机；倾斜校正；特征提取；快速匹配 英文摘要 a b s t r a c t a st h es e m i c o n d u c t o rm a n u f a c t u r i n gb e c o m i n gm o r ea n dm o r eh i g h - s p e e da n d l o w c o s t ，m a c h i n ev i s i o nt e c h n o l o g yp l a y sa ni n c r e a s i n g l yi m p o r t a n tr o l e i n t h e i n t e g r a t e dc i r c u i tp a c k a g i n ge q u i p m e n to fe l e c t r o n i c si n d u s t r y a m o n gt h e m ，w a f e r b o n d e ri sa na u t o m a t e dp r o d u c t i o ne q u i p m e n t ，w h i c hm a n u f a c t u r e ro fe l e c t r o n i c c o m p o n e n t s u s et o b r i n gt h ec r y s t a l l i n e s i l i c o nm a t e r i a lf r o mt h ew a f e ri n t o c o r r e s p o n d i n gp o s i t i o n m o s ti m p o r t a n tp a r t o fw a f e rb o n d e ri sw a f e rb o n d e r d e t e c t i o na n dl o c a t i o ns y s t e m w a f e rb o n d e rd e t e c t i o na n dl o c a t i o ns y s t e mi sas t a n d a r dm a c h i n ev i s i o ns y s t e m ， w h i c hi su s e dt oa c h i e v ec o r r e c t i o na n dp o s i t i o n i n go fa l lc r y s t a ls i l i c o nw a f e r b y d r i v i n gw a f e rp l a t f o r m ，i d e n t i f i e dc r y s t a l l i n es i l i c o nw i l lb em o v et ot h ep o s i t i o no f m e c h a n i c a la r l na n df i n a l l ym e c h a n i c a la r l nc r a w la n dp u tt h e mi n t op o s i t i o n i t sc o r e a l g o r i t h mi s t i l tc o r r e c t i o na n dp o s i t i o n i n gc r y s t a l l i n es i l i c o nm a t e r i a lo nt h ed i s c ，t h e d i f f i c u l t yi st h en e e df o rr a p i da n da c c u r a t ec o m p l e t i o no f t h i sp r o c e s s i nt h i sp a p e r ，t h r o u g ha n a l y z i n gal a r g en u m b e ro fw a f e ri m a g e s ，s t u d y i n gv a r i o u s s y s t e m sr e l a t e di m a g ep r o c e s s i n ga l g o r i t h m s ，a n df i n a l l yr e a l i z eaf a s td e t e c t i o na n d l o c a t i o na l g o r i t h mw h i c hc a nm e e tt h es y s t e mr e q u i r e m e n t s f i r s t ，u s ew a v e l e tp y r a m i d t or e d u c et h ep r o c e s s i n gc o m p u t a t i o n u s et h ew a v e l e td e c o m p o s i t i o nt op r o c e s st h e i n p u ti m a g e ，e s t a b l i s ht h ew a v e l e tp y r a m i d ，c o m p a r et od i r e c tt h eo r i g i n a li m a g e ，t h e p y r a m i di nt h el o w - r e s o l u t i o ni m a g e ，t h e r ew i l lb eas i g n i f i c a n tr e d u c t i o n i nt h ea m o u n t o fc o m p u t a t i o n ，a n dl o w r e s o l u t i o nm a pi sr e t a i n e dm o s t o ft h eo r i g i n a li m a g e i n f o r m a t i o n ，s ow i l ln o th a v et o om u c hi n t e r f e r e n c et ot h en e x ts t e po ft h ep r o c e s s t h e n u s eh o u g ht r a n s f o r ml i n ed e t e c t i o nf u n c t i o n ，a n ds t r u c t u r a lf e a t u r e so fs i l i c o n , w ec a l l b r i n ga b o u tt h ew a f e ri m a g et i l ta n g l et o a c h i e v et h et i l tc o r r e c t i o n u s i n gc a n n y o p e r a t o re d g ed e t e c t i o na n dm a t h e m a t i c a lm o r p h o l o g yd i l a t i o n ，w ec a n e x t r a c tt h ee d g e f e a t u r e so ft h ew a f e ri m a g e ( i n c l u d i n gi t sa p p a r e n tt e x t u r ef e a t u r e s ) f o rf u l - t h e rm a t c h i n g o p e r a t i o n s t h ei m a g ec a nb eh o r i z o n t a la n dv e r t i c a lp r o j e c t i o nb ya n a l y z i n gt h e a r r a n g e m e n to ft h e l a wa n dt h es t r u c t u r a lc h a r a c t e r i s t i c so fc r y s t a l l i n es i l i c o n , r e s p e c t i v e l y , t h ep e a ka r e ai np r o j e c t i o nr e s u l t si sl i k e l yt ob et h ea r e aa r o u n dt h ee d g e ， 英文摘要 w h i c hm a yf i l t e ro u tt h el o c a t i o no fc r y s t a l l i n es i l i c o n ，e x c l u d eo t h e rl o c a t i o n s ，a n d r e d u c et h ea m o u n to fm a t c h i n gc o m p u t a t i o ni nt h en e x ts t e p f i n a l l y ，w eu s et h ee d g e f e a t u r eb a s e dt e m p l a t em a t c h i n gm e t h o d ，t h a ti sa n a l y z i n gt h ee d g eo ft h es i l i c o nc r y s t a l t o g e ts o m eu n c h a n g e df e a t u r e s i n d e t a i l s ，d u r i n gt h et e m p l a t em a t c h i n g ，m a t c h c r y s t a l l i n es i l i c o nw i t hm u l t i p l et h r e s h o l ds e tb yt h e s eu n c h a n g e df e a t u r e s ，w h i c hr u l e o u tf a i l u r eo n e s ，t h e ni m p r o v em a t c h i n gs p e e d k e yw o r d s ：m a c h i n ev i s i o n ；w a f e rb o n d e r ；t i l tc o r r e c t i o n ；f e a t u r ee x t r a c t i o n ； f a s tm a t c h i n g 目录 目录 第1 章绪论1 1 1 课题的背景与意义l 1 2 机器视觉检测技术综述及其研究现状2 1 2 1 机器视觉2 1 2 2 机器视觉国内外发展现状及其应用领域3 1 3 本文的主要研究内容5 第2 章图像处理技术的研究6 2 1 图像处理技术综述6 2 2 小波金字塔7 2 2 1 图像金字塔7 2 2 2 小波变换8 2 2 3 实验结果与分析9 2 3 边缘检测1 0 2 3 1 边缘检测1 0 2 3 2 实验结果与分析1 2 2 4 基于霍夫变换的倾斜校正15 2 4 1 霍夫变换l5 2 4 2 基于霍夫变换的倾斜校正技术1 6 2 4 3 实验结果与分析1 6 2 5 基于数学形态学的边缘特征提取技术18 2 5 1 图像的特征提取18 2 5 2 数学形态学2 l 2 5 3 基于数学形态学的边缘特征提取2 3 2 5 4 实验结果与分析2 4 2 6 基于晶硅构造的投影变换2 5 2 6 1 基于晶硅构造的投影变换2 5 2 6 2 实验结果与分析2 6 2 7 基于图像边缘特征的模板匹配2 7 2 7 1 模板匹配2 7 2 7 2 基于图像边缘特征的模板匹配2 9 2 7 3 实验结果和分析3l 目录 2 8 本章小结3l 第3 章系统核心算法的实现一3 2 3 1 定位方向控制3 2 3 2 系统的核心算法3 3 3 2 1 算法流程3 3 3 2 2 实验结果与分析3 7 3 3 本章小结3 8 第4 章系统的设计与实现一3 9 4 1 系统实现的硬件环境3 9 4 1 1 光源3 9 4 1 2 摄像头和图像采集卡3 9 4 1 3 控制电路和运动平台4 1 4 2 系统的设计与实现4 2 4 2 1 用户需求和开发环境4 2 4 2 2 系统的总体结构4 3 4 2 3 系统的功能模块4 3 4 3 本章小结4 8 第5 章总结与展望一4 9 5 1 总结一4 9 5 2 展望5 0 参考文献5l 攻读学位期间公开发表论文5 5 翌| 【谢5 6 基于机器视觉的装片机检测定位系统的研究 第1 章绪论 1 1 课题的背景与意义 装片机( 如图1 1 所示) 是电子元器件生产厂家用于将晶硅片从料盘( w a f e r ) 取放到料 带上的一种自动化生产设备，料盘上的单个晶硅片面积非常小( 约0 0 7 8 r a m 2 ) ，且数量极 多( 约3 4 x 3 4 个) ，由此对装片机的电机定位精度、工作稳定性和速度提出了很高的要求。 鎏 鬈 ， j 彰 妻 j ； 梦口： * k 童+ 图1 1 装片机 f i g 1 1w a f e rb o n d e r 传统的装片机是没有机器视觉功能的，其主要存在以下几个缺尉1 1 ： ( 1 ) 定位不准，在晶硅片的切割以及料盘的贴膜过程中经常造成晶硅片在料盘上的 位置分布不均，而不带视觉检测技术的粘片机以固定步距及方向走动，所以机器在取料 时必定会出现偏差，导致无法正常拾取晶硅片； ( 2 ) 晶硅片浪费，晶硅片在料盘上的分布形状呈圆形，使用传感器定位边界的方法 的问题是，它不能准确定位边界，往往使得一些晶硅片拾取不到，在料盘上残留一些晶 硅片； 第1 章绪论 ( 3 ) 操作繁琐，由于机器是根据固定步距以及方向进行走位的，所以要求料盘与电 机的水平保持高度的一致性，误差过大往往都是由一些微小的角度偏差累加所致，这使 得操作人员在每次换料过程中必须把料盘和电机位置调到最合适的位置，并且还要求操 作人员在每次开始时进行手工进行晶硅片对位。因为利用传感器进行边界定位，这就使 得操作人员要经常性的手动调节机器的边界传感器位置，操作过程较为麻烦； ( 4 ) 效率较低，因为制作工艺本身的缺陷，料盘上不可避免会存在一定数目的坏料 或空料。若使用传统的光电传感器，它的识别精准度较低，势必会降低后期成品合格率， 降低了生产效率。 将机器视觉技术引入装片机，根据图像处理相关技术对目标进行实时的校正、定位 以及引导，可以解决上面描述的各种问题，使得生产精度，稳定性及效率得到极大的提 古 同o 1 2 机器视觉检测技术综述及其研究现状 1 2 1 机器视觉 视觉、听觉、触觉与嗅觉是人类的主要感觉器官，正是通过它们人们得以感知外部 事物。其中人类最重要的感觉功能是视觉。有调查指出，8 0 以上的外部信息是通过人 类视觉感知得到的。简而言之，机器视觉可以解释成将视觉装置附加在机器上，从而使 得机器具有? 视觉”的感知能力，在特定的领域模拟人眼做出判断与测量，使其能识别 和明白观测到的事物，定位它所见区域内目标物体的方位。机器视觉可以看作是人眼的 延伸，并且它有一个更重要的特性是具有人脑的部分功能，使得机器向自动化和智能化 迈进【2 1 。 机器视觉3 卅是一个涉及多领域的交叉学科，其中包括了计算机科学、模式识别、 图像处理、神经生物学、人工智能、心理物理学等等。正是因为其涉及到诸多学科，要 准确的定义机器视觉是有一定难度的。机器视觉主要用计算机来模拟人的视觉功能，从 客观事物的图像中提取信息，进行处理并加以理解，然后将之用于实际的检测、测量和 控制。机器视觉技术【7 ，8 1 最大的特点是速度快、信息量大、功能多。 机器视觉系绀3 别是一个综合了包括数字图像处理技术、机械工程技术、控制技术、 光源照明技术，光学成像技术、传感器技术、模拟与数字视频技术、计算机软硬件技术、 基于机器视觉的装片机检测定位系统的研究 人机接口技术等技术的应用系统。机器视觉系统强调实用性，要求能够适应现场恶劣的 环境，要有合理的性价比、通用接口、较高的容错能力和安全性，并具有较强的通用性 和可移植性。它更强调实时性，要求高速度和高精度。 一个典型的工业机器视觉系统包括五大块：照明、镜头、相机、视频采集卡、视觉 处理器。照明是影响机器视觉系统输入的重要因素，它直接影响输入数据的质晕和应用 效果。由于没有通用的机器视觉照明设备，所以针对每个特定的应用实例，要选择相应 的照明装置，以达到最佳效果。镜头选择应注意【1 0 】：焦距、目标高度、影像高度、放大 倍数、影像至目标的距离、中心点节点、畸变。相机按照不同标准可分为：标准分辨率 数字相机和模拟相机等。要根据不同的实际应用场合选不同的相机和高分辨率相机：线扫 描c c d 和面阵c c d ；单色相机和彩色相机。图像采集卡只是完整的机器视觉系统的一 个部件，但是它扮演一个非常重要的角色。图像采集卡直接决定了摄像头的接口：黑白、 彩色、模拟、数字等等。视觉处理器集采集卡与处理器于一体。以往计算机速度较慢时， 采用视觉处理器加快视觉处理任务。现在由于采集卡可以快速传输图像到存储器，而且 计算机也快多了，所以现在视觉处理器用的较少了。如图1 2 所示即为机器视觉系统的 工作流程。 图1 2 机器视觉系统工作图 f i g 1 2t h em a po f m a c h i n ev i s i o ns y s t e m s 1 2 2 机器视觉国内外发展现状及其应用领域 在国外，机器视觉主要应用在半导体及电子行业领域，其中大约一半的应用都集中 在半导体领域。具体如p c b 印刷电路：各类生产印刷电路板组装技术、设备；单、双 面、多层线路板，覆铜板及所需的材料及辅料；辅助设施以及耗材、油墨、药水药剂、 配件：电子封装技术与设备；丝网印刷设备及丝网周边材料等 1 1 , 1 2 1 。s m t 表面贴装： 第1 章绪论 s m t 工艺与设备、焊接设备、测试仪器、返修设备及各种辅助工具及配件、s m t 材料、 贴片剂、胶粘剂、焊剂、焊料及防氧化油、焊膏、清洗剂等；再流焊机、波峰焊机及自 动化生产线设备。电子生产加工设备：电子元件制造设备、半导体及集成电路制造设备、 元器件成型设备、电子工模具。机器视觉系统还在质量检测的各个方面已经得到了广泛 的应用，并且其产品在应用中占据着举足轻重的地位。 而在中国，视觉技术的研究开始于9 0 年代，因为行业本身就属于新兴的领域，再 加之机器视觉产品技术的普及不够，导致以上各行业的应用几乎空白。n - 十一世纪， 大批海外从事视觉行业技术人员回国创业，视觉技术开始在自动化行业成熟应用。目前 在我国随着配套基础建设的完善，技术、资金的积累，各行各业对采用图像和机器视觉 技术的工业自动化、智能化需求开始广泛出现，困内有关大专院校、研究所和企业近两 年在图像和机器视觉技术领域进行了积极思索和大胆的尝试，逐步开始了工业现场的应 用。 除此之外，机器视觉还用于其他各个领域【l3 1 。工业领域是机器视觉应用中比重最大 的领域，按照功能又可以分成4 类：产品质量检测、产品分类、产品包装、机器人定位。 其应用行业包括印刷包装、汽车工业、半导体材料元器件连接器生产、药品食品生产、 烟草行业、纺织行业、制造行业等。在医学领域，机器视觉用于辅助医生进行医学影像 的统计与分析，主要利用数字图像处理技术、信息融合技术对x 射线透视图、核磁共振 图像和c t 图像进行适当叠加，然后进行综合分析；利用数字图像的边缘提取与图像分割 技术，自动完成细胞个数的计数或统计。在制药生产线上，机器视觉技术对药品包装进 行检测，以确定是否装入正确数量的药粒，不仅节省了人力，而且大大提高了准确率和 效率。在科学研究领域可以利用机器视觉进行材料分析、生物分析、化学分析和生命科 学，如血液细胞自动分类计数、染色体分析、癌症细胞识别等。视觉技术可用在航空、 航天、兵器( 敌我目标识别跟踪) 及测绘。在卫星遥感系统中，机器视觉技术被用于分析 各种遥感图像，进行环境监测，根据地形、地貌的图像和图形特征，对地面目标进行自 动识别、理解和分类等。 基于机器视觉的装片机拎测定位系统的研究 1 3 本文的主要研究内容 随着半导体产业的发展，生产效率需要逐步提高，因而生产设备的生产速度也需要 越来越快，但是晶硅片( 晶元中的晶硅片) 却越做越小，内部线路也越做越细，目前正向 超细间距式器件发展，因此对机器视觉的识别速度提出了新的要求。在这些新时代的机 器设备中，机器视觉对设备的生产效率的提高起了关键作用，它是提高生产线上每分钟 完成的检测和定位的器件数量的关键技术【1 4 1 。 另外，在高竞争的半导体产业中，时问就是金钱。在某些情况下，计算机视觉是限 制生产速率的个重要因素。如果检测和定位的过程更快，生产线运行速度就会更快， 因而成本就可以更低【1 5 】。 装片机中的检测与定位系统就是提高生产效率的关键部分，通过优化这一关键技术 可以是整个设备在运转过程中的效率进一步的提高。本课题具体的研究内容如下： ( 1 ) 系统的关键技术的研究 本文首先在理论上研究机器视觉检测与定位系统的关键技术，如图像预处理、边缘 检测、边缘特征提取、倾斜校正、模板匹配等内容。 ( 2 ) 系统的核心算法的实现 在对系统涉及的关键技术进行研究后，将对各个技术进行分析并融合，得出最优的 融合方案，最后实现和测试。 ( 3 ) 系统的设计与实现 从系统的软件和硬件两方面进行分析和设计，主要是设计和实现软件，即设计友好 的人机界面，提供最完善的解决方案；此外选择合适的相关硬件，实现软硬件的接口等。 第2 章图像处理技术的研究 第2 章图像处理技术的研究 2 1 图像处理技术综述 数字图像 理( d i g i t a li m a g ep r o c e s s i n g ) 是在计算机巾对目标图像进行去噪、增强、 复原、分割、提取特征等处理的方法和技术 1 6 , 1 7 】。简单的说，图像处理技术就是把输入 的图像经过相应的处理，最终转换成去除了不相关因素但保留了必要特征的另一幅图像。 在对许多的图像进行处理时，往往都不是一种算法就能达到满意的效果，需要一步一步 使用各种不同的算法，每一步算法的目的都是为了下一步处理提供理想的图像，因此每 一步的结果都应该选择最合适的算法，必要时要进行优化和改进。 常用的图像处理技术 1 8 - 2 0 】主要有以下6 种方法： ( 1 ) 图像变换：由于图像阵列很大，直接在空间域中进行处理，涉及计算量很大。 因此，往往采用各种图像变换的方法，如傅立叶变换、沃尔什变换、离散余弦变换等问 接处理技术，将窄问域的处理转换为变换域处理，不仅可减少计算量，而且可获得更有 效的处理( 如傅立叶变换可在频域中进行数字滤波处理) 。目前新兴研究的小波变换在时 域和频域中都具有良好的局部化特性，它在图像处理中也有着广泛而有效的应用。 ( 2 ) 图像编码压缩：图像编码压缩技术可减少描述图像的数据量( 即比特数) ，以便 节省图像传输、处理时问和减少所占用的存储器容量。压缩可以在不失真的前提下获得， 也可以在允许的失真条件下进行。编码是压缩技术中最重要的方法，它在图像处理技术 中是发展最早且比较成熟的技术。 ( 3 ) 图像增强和复原：图像增强和复原的目的是为了提高图像的质量，如去除噪声， 提高图像的清晰度等。图像增强不考虑图像降质的原因，突出图像中所感兴趣的部分。 如强化图像高频分量，可使图像中物体轮廓清晰，细节明显；如强化低频分量可减少图 像中噪声影响。图像复原要求对图像降质的原因有一定的了解，一般讲应根据降质过程 建立“降质模型”，再采用某种滤波方法，恢复或重建原来的图像。 ( 4 ) 图像分割：图像分割是数字图像处理中的关键技术之一。图像分割足将图像中 有意义的特征部分提取出来，其有意义的特征有图像中的边缘、区域等，这是进一步进 行图像识别、分析和理解的基础。虽然目前已研究出不少边缘提取、区域分割的方法， 基于机器视觉的装片机榆测定位系统的研究 但还没有一种普遍适用于各种图像的有效方法。因此，对图像分割的研究还在不断深入 之中，是目前图像处理中研究的热点之一。 ( 5 ) 图像描述：图像描述足图像识别和理解的必要前提。作为最简单的二：值图像可 采用其几何特性描述物体的特性，一般图像的描述方法采用二维形状描述，它有边界描 述和区域描述两类方法。对于特殊的纹理图像可采用二维纹理特征描述。随着图像处理 研究的深入发展，已经开始进行三维物体描述的研究，提出了体积描述、表面描述、广 义圆柱体描述等方法。 ( 6 ) 图像分类( 识别) ：图像分类( 识别) 属于模式识别的范畴，其主要内容是图像经过 某些预处理( 增强、复原、压缩) 后，进行图像分割和特征提取，从而进行判决分类。图 像分类常采用经典的模式识别方法，有统计模式分类和句法( 结构) 模式分类，近年来新 发展起米的模糊模式识别和人工神经网络模式分类在图像识别中也越来越受到重视。 在本文中主要用到了图像变换、图像增强、图像分割和图像识别等方法，下面将对 本系统涉及关键技术进行全面的分析和研究。 2 2 小波金字塔 2 2 1 图像金字塔 图像金字塔是以多分辨率来解释图像的一种结构。1 9 8 7 年，在一种全新而有效 的信号处理与分析方法，即多分辨率理论中，小波首次作为分析基础出现了。多分辨率 理论将多种学科的技术有效地统一在一起，如信号处理的子带编码、数字语音识别的积 分镜像过滤以及金字塔图像处理。正如其名字所表达的，多分辨率理论与多种分辨率下 的信号( 或图像) 表示和分析有关。其优势很明显，某种分辨率下无法发现的特性在另一 种分辨率下将很容易被发现。 以多分辨率来解释图像的一种有效但概念简单的结构就是图像金宗塔。图像金字塔 最初用于机器视觉和图像压缩，一幅图像的金字塔是一系列以金字塔形状排列的分辨率 逐步降低的图像集合。金字塔的底部是待处理图像的高分辨率表示，而项部是低分辨率 的近似。当向金字塔的上层移动时，尺寸和分辨率就降低。 第2 章图像处理技术的研究 2 2 2 小波变换 小波变换是在时域和频域的局部变换，具有良好的局部化特征。因此它与傅立叶变 换和伽柏变换相比较而言，能更有效地从信号中提取重要特征信息。利用在尺度一卜的伸 缩和时间上的平移等运算功能，对信号或函数进行多尺度的细化分析，弥补了傅立叶变 换未能解决的许多不足。 小波分析是一种信号的时间尺度分析方法，它具有多分辨率的特点，并且在时域 和频域都具有表征信号局部化特征的能力，在低频部分具有较低的时问分辨率和较高的 频率分辨率，而在高频部分则具有较高的时问分辨率和较低的频率分辨率。小波变换由 于具有多分辨率分析的特性，使之不但可以将图像的局部突变( 即图像的边缘轮廓部分) 有效地描述出来，而且也不会损失图像的平坦区域，因此小波变换可以聚焦到图像的任 意细节，是一种非常适合于进行图像处理的技术1 2 2 - 2 7 】。 小波分解是把图像分解成一个低频子图l l 、一个水平子带h l 、一个垂直子带l h 、 一个对角子带h h ，再进行一层小波分解就是对低频子图l l 进行同样的操作。对图像 每一次的小波变换就类似于在水平方向和垂直方向分别进行隔点采样，因此小波变换后 的图就分解成4 个原图1 4 的大小的子图( 如图2 1 所示) 。 l l1h ll l h1h h1 图2 1 小彼分解图 f i g 2 1t h em a po fw a v e l e td e c o m p o s i t i o n 对于图的图像小波变换的数学模型为 f 甥一1 ( x ，) ，) = j 历一1 ( x ，) ，) = l 局一l ( x ，) ，) = u 葛一1 ( 五) ，) = l l 子劳 h l 子带 l h 子带 h h 子带 ( 2 1 ) 基于机器视觉的装片机检测定位系统的研究 其中， 是内积运算符号。l l 子带中保留了原始图像的主要特征和能量；h l 子 带保留了图像在水平方向上的高频信息( 即边缘信息) ；l h 子带保留了图像在垂直方向上 的高频信息( 即边缘信息) ；h h 子带保留了图像对角线方向的高频信息( 即边缘信息) 。后 三者描述的都是图像的细节信息。 对于二维的图像信号的小波变换，我们可以用二维m a l l a t 算法脚j 实现。二维m a l l a t 算法是采用可分离的滤波器设计，实际上就是使用一维滤波器分别对图像数据的行和列 进行一维的小波变换。二维离散小波变换的m a l l a t 实现原理如图2 2 所示。 彩戆! 笔缭 廖毛” i 缝缓；绷范藏 爹筏 子琵 予糟 予糕 图2 2 小波分解的m a l l a t 实现 f i g 2 2m a l l a tw a v e l e td e c o m p o s i t i o n 本图中是以图像进行一次小波分解为例，此时，l l 子带为鸽一。( x ，) ，) ，h l 子带为 乃一。( 五) ，) ，l h 子带为局一t ( 五) ，) ，h h 子带为历一- ( 五y ) 。在第一层首先用h 和g 与图像 舒一，) ，) 的每行作变换( 对应于图中的行滤波) ，并丢弃奇数行( 一般以最左一列位第o y o ) ；接着，对行变换后的等阵列的每列再与h 和g 做卷积，并丢弃奇数列( 一般以最 上一行为第0 行) ；其结果就是该层变换所有求的4 个等譬阵列。同理，小波的重构就 是反过来逆操作一遍。 2 2 3 实验结果与分析 通过小波分解实现图像的金字塔处理，选择金字塔中合适的低分辨率图作为下一步 图像处理的输入图像，将会比对原图直接进行处理的计算量减小很多，并且保留了原图 像中的主要特征。这将极大的降低了算法的运行时间，提高了系统的效率。 图2 4 即是随机取的一帧晶元图像( 图2 3 ) 小波分解后的结果( 仅进行一次小波分解) 。 第2 章图像处理技术的研究 2 3 边缘检测 图2 3 一帧品元图像 f i g 2 3a w a f e ri m a g e 蘸 孽。 t * 努j j j l ，o 。 掣 j 譬； 图2 4 小波分解 f i g 2 4w a v e l e td e c o m p o s i t i o n 2 3 1 边缘检测 边缘检测在图像分割、图像分析、模式识别、纹理分析、视觉测量等应用中起着重 要的作用，是图像分析与识别的重要环节。在视觉测量任务中，为完成被测物体的定位 和特征尺寸的测量，边缘特征是必须提取的图像特征之一。理想的边缘检测应当正确解 决边缘的有无、真假和定位问题。但真正实现这一目标尚有较大的难度，这是因为实际 图像都含有噪声，并且噪声的分布、方差等信息都是未知的，同时噪声和边缘都同属高 频信号，虽然平滑滤波可抑制噪声，但它也导致边缘模糊，检测出的边缘往往移位。另 外由于物理和光照等原因，实际图像中的边缘常常发生在不同的尺度范围上，并且每一 边缘像素的尺度信息是未知的，这些都使得进行准确的边缘检测变得异常困难。 嚣o，_ho鬻蠢。窭。嚣譬o蘩蘩 雾慧辫一 基于机器视觉的装片机检测定位系统的研究 经典的边缘检测算子原理简单、能以模板表达、易于实现，在多数场合下可满足使 用要求，因此，它们仍然在边缘检测领域占据重要的地位。主要的些经典边缘提取方 法都是通过分析图像中某个邻域内各个像素的灰度变化，并根据边缘邻近一阶或阶方 向导数的变化规律，最后出使用简易方法检测边缘。根据一阶导数提取边缘比较经典的 方法有s o b e l 算子、r o b e r t s 算子、p r e w i t t 算子、l o g 算子以及c a n n y 算子等，根据_ 阶 导数提取边缘的方法有拉普拉斯算子和m a r r s h i l d e r t h 算子等。下面主要介绍一些根据 一阶导数提取边缘的方法【2 9 1 。 l 、s o b e l 算子 s o b e l 边缘算子有两个卷积核，将图像中的每个像素点都与这两个核做卷积，其中 一个卷积核对垂直边缘影响较大，用来检测垂直边缘，而另一个卷积核对水平边缘影响 大，用于检测水平边缘。最后将两个卷积的最大值作为该像素点的输出位。运算结果显 示的即是一幅提取了边缘的图像。 用模板表示为： 卜1 0 + 1 1 r + 1+ 2 + 1 1 r x2 【- 主0 0 ：小y2 l _ o o o j q 2 2 、r o b e r t s 算子 r o b e r t s 边缘检测算子是通过利用局部差分算子寻找边缘的，r o b e r t s 边缘算子在对 图像进行检测后，图像中的边缘部分不是很平滑。研究发现是由于r o b e r t s 边缘算子一 般在图像的边缘区域附近会产生较宽的响应，因此使用此边缘算子处理后的边缘图像往 往需要进行细化处理，从而导致检测出来的边缘的精度不是很高。 用模板表示为： 见= 曙三】，r y = 巴三】 ( 2 3 ) 3 、p r e w i t t 算子 p r e w i t t 边缘检测算子与s o b e l 边缘算子类似，它的原理同样是有两个卷积核，一个 卷积核用来检测垂直边缘，另一个卷积核用于检测水平边缘。此外，它是利用像素点上 下左右的相邻像素点的灰度差，在边缘处达到极值检测边缘，去掉部分伪边缘，因此对 图像具有平滑去噪的效果。 第2 章图像处理技术的研究 用模板表示： r x = l 羔三三】，r y = 【- 三萎；】 c 2 4 ， 4 、l o g 算子 l o g 算子是由m a r t 和h i l d r e t h 提出，因此又被称为m h 算子。它是通过检测过零 点米检测和定位边缘的，它比一阶微分算予更为简单，因为寻找零点比寻找局部极值点 更容易。 常用的l o g 算子是5 x 5 的模板如式2 5 所示： 一2一- i一i一_ i一2 一- | o 8o一4 482 i 9 4 4o80一- i 一2一- 一14 2 ( 2 5 ) 5 、c a n n y 算子 c a n n y 边缘检测算子是j o h nf c a n n y 于1 9 8 6 年开发出来的一个多级边缘检测算 法。c a n n y 的目标是找到一个最优的边缘检测算法，此算法要求尽可能多地检测出目标 图像的真实边缘，也就是尽可能的降低漏检真实边缘和误检非边缘的概率；要求尽量使 检测到的边缘点与实际边缘点之问的距离最小，或者在噪声的干扰下使检测山的边缘与 图像中物体的真实边缘误差尽可能最小。 为了实现这些要求，c a n n y 边缘检测算法使用了变分法，这它一种寻找满足特定功 能的函数的方法。 c a n n y 边缘检测算法中设置了很多可以调整的参数，它们的变化会影响到算法的计 算的时间与效果。我们