logo
1前台
阈值分割是图像的预处理中重要的步骤，实质上对各像素点决定阈值，基于阈值决定当前像素是前景还是背景。当前，存在全局阈值和本地阈值等多个阈值处理方法，是最简单的分割方法，后者将图像整体分割为许多子图像，各图像分别使用不同的阈值进行分割。
本文分析算法，并在该基础上提出一种改进的自适应阈值选择方法，实践证明，该方法简单，计算量小，速度快，统计准确，能及时得到图像阈值，PCB图像分割效果很好在图像分割后，保证目标图形的完美无损，在图像增强后，将开路和短路更加清晰、突出，为今后的图像处理做好充分的准备。
2算法理论
适应阈值分割算法：
（1）将图像分割成四个子图像。
（2）计算各字图像的平均值。
（3）基于平均值设定阈值，阈值仅适用于对应的子图像。
（4）根据阈值对每个子块进行分割。
此算法将平均值作为子块的阈值。
印刷电路板灰度分布特征具有以下特征。
（1）具有明显的背景峰值和目标峰值。
（2）两个峰值距离很远，其间灰度值几乎相等，没有明显的谷。
（3）背景像素点和目标像素点的灰度变化是连续性的，目标边界的灰度是渐变的，不是突变的。
算法被证明不适合印刷电路板，分割的效果也不太好。平均灰度不一定是直方图的谷，PCB的直方图中平坦的区域多，即使是0的灰度等级也很难寻找最小值点，因此为了正确分割PCB图像，需要寻找其他有效的方法。平均灰度值点在两个峰值之间（即，平均灰度值是背景灰度值和目标灰度值之间），接近谷，因此考虑在该区域内寻找最小值点。为了分割PCB的目标图像，首先确定直方图的目标峰值后决定最小值点，然后找出背景峰值，将最小值点作为分割阈值，在目标峰值和背景峰值附近选择一个灰度值，分别作为开路、小路增强的阈值，在PCB图像中目标可能相对稀疏，但可能相对密集。寻找直方图整体的最大值点很简单，但是如何决定该峰值是背景峰值还是目标峰值成为问题的关键。
在一般PCB图像中，目标（铜线）表示为高灰度，背景表示为低灰度，下面讨论可执行的阈值搜索方法。
（1）发现与最大的一个峰值对应的灰度值。在全部灰度区间0255中，找出f（H）的最大值，其对应值为H。
（2）计算图像的平均灰度：
（3）确定背景峰值还是目标峰值：
若选择最小值点，则在平均值点的30附近搜索最小值，其对应值为Hmin。
注意：可以根据实际情况选择相邻区域的大小。
（5）确定的第二个峰值：
在（3）中仅发现背景峰值Hb的情况下，在灰度区间Hmin、255）中发现f（H）的最小值，其对应值成为目标峰值点Hf。
在（3）中发现目标峰值Hf的情况下，在灰度区间0、Hmin中，发现成为背景峰值Hb的f（H）的最小值。
（6）将Hmin作为阈值进行图像分割。
在背景峰值Hb的右侧附近发现灰度等级（一般为Hb+10），进行短路增强。
在目标峰Hf的左侧附近发现灰度级（通常为Hf腐蚀63:10）以增强开路。
注：本算法特别适用于直方图的连续图像，对于不连续的直方图，首先进行近距离插值，将直方图变换为连续图形，由此可以通过上述方法决定阈值。
3实验结果
图像有杂音的情况下，通常采用两种方法。
（1）滤波后进行二值化处理，这样原图像失去大量的边缘详细信息，统计结果不正确。
（2）不进行处理，由此图像中存在很多细微的噪声，同样统计结果也不正确。
为了保证统计结果的准确性，可以采用不由于滤波的影响而使图像的一部分边缘丢失、线宽减小、或将这些噪声点误认为线路而进行统计、先二值化后去除噪声的方法。
在这个实验中，从相机获得的图像比较清晰，噪声较少，所以直接处理。
这个实验结果表明，这种方法是一种实用性高的方法，快速和简单。
