2.2  PCB图像的获取
　　用相机在规定位置对PCB板正面拍摄，得到符合检测规定的位置和尺寸要求的PCB图像。为了便于后面IC芯片的模板匹配，必须使PCB和IC芯片模板在图像尺寸和实际尺寸的比例上趋于一致。
2.3 PCB图像中IC芯片部分的定位提取
　　由于IC芯片模板很容易获得，因此采用模板匹配算法[1]来定位和提取PCB图像中的IC芯片图像。假设有IC芯片的模板图像P0，拍摄到的PCB图像P1，由于图像获取时已经考虑到图像和实际尺寸的比例上的一致性，因此可以用P0直接在P1区域内进行模板匹配。对图像P0和P1采用互相关运算，互相关值最大的位置即是要提取的IC图像的中心位置，再根据IC芯片的相应尺寸，提取出IC芯片图像。具体实现时为提高效率可以采用粗精匹配结合、限制最大匹配误差等优化方法。但模板匹配算法的角度计算精度不高，可以在后面分割管脚后利用几何原理计算出较为精确的偏角，进行进一步修正。
2.4 IC芯片图像中的四边管脚图像的提取
　　为判定是否存在焊接缺陷，只考虑IC芯片中的四边管脚图像（芯片中心的型号等信息，根据经验可以去除掉）。可以通过以下步骤把四边管脚从IC芯片图像中分割出来。
　　(1) 阈值分割" title="阈值分割">阈值分割
进行阈值分割得到较为清晰的管脚的二值图像如图2所示。

　　(2) 膨胀
　　假设管脚间距为Dist，宽度为Width，则膨胀的次数m=（Dist-Width）/2+1；将图2经m次膨胀运算后得到较为完整的四边管脚区域图像如图3所示。

　　(3) 点分析
　　点分析中将任一像素上下左右以及对角的相邻八个像素中任何一个与其灰度值相同的像素都认为是同一个点[2]。通过对图3进行点分析可以确定四个“点”（一个“点”即是一边的管脚区域）的中心坐标x_jmean、y_jmean及其分别在 X和Y方向上的最大坐标和最小坐标(x_jmax，x_jmin，y_jmax、y_jmin，j=1，2，3，4)。中心坐标xjmean，yjmean通过计算该“点”的所有像素坐标的算术平均值得到。
　　(4) 分割
　　根据点分析的结果即可将四边管脚区域分别从原图中分割出来，如图4、图5所示。

　　(5) 管脚图像修正
　　如图6所示，设管脚区域的四个顶点为P₀、P₁、P₂、P₃，则它们的坐标分别为（x_jmin，y_j1）、（x_j1，y_jmin）、（x_jmax，y_j2）、（x_j2，y_jmax），其中，x_jmax、x_jmin、y_jmax和y_jmin是前面点分析的结果，x_j1是“点”区域中纵坐标为yjmin的像素的横坐标（如果不止一个像素点，则设为这些像素的横坐标的均值），同理可得x_j2、y_j1、y_j2。根据几何原理，考虑“点”区域（P₀，P₁，P₂，P₃）为一个近似的矩形，分别计算近似的管脚边缘拟和线段P₀P₁、P₁P₂、P₂P₃、P₃P₀的斜率，再取其均值，就可以得到近似的管脚倾斜角度θ。

　　然后以前面点分析中得到的中心坐标x_jmean、y_jmean为旋转中心，θ为旋转角度，对管脚图像进行旋转得到摆正
位置的管脚图像。
2.5  四边管脚图像的频域检测
　　频域检测的过程如下：首先对管脚图像进行FFT, 并通过设计滤波器来去除管脚纹理的方向性, 再进行IFFT得到缺陷图像, 然后对缺陷图像进行阈值分割, 最后通过形态学运算去除掉纹理分割噪声和干扰, 实现缺陷目标与背景的分离。
2.5.1 对每边的管脚图像进行FFT变换后再进行滤波
　　标准管脚图像是垂直方向黑白（灰度深浅）相间的灰度条，纹理特征非常明显，而且由于管脚之间的间隔相同，频率单一，主要能量分布在一条很窄的频带上；在大多数情况下，有缺陷的管脚图像， 其缺陷纹理方向与管脚的主纹理方向不一致（如管脚间焊接短路相连的部分等），即使方向一致（如管脚缺焊等），也会破坏原来图像的单一频率，产生其他频率成分；从缺陷纹理的能量来看, 由于缺陷纹理远小于主纹理的频谱能量, 因此，通过找出频谱能量集中的主纹理方向, 并滤除这些主纹理方向的频谱,就可以有效增强缺陷纹理的图像, 再通过图像分割方法就可提取缺陷纹理。

　　因此，可以设计水平方向的窄带频域滤波器[3]。由于频域滤波器采用矩形时会产生振铃现象, 并容易引起图像模糊, 可以选择Butterworth、Chebyshev和Gaussian 滤波器, 在本文的实验中, Buttterworth 滤波器的效果较好。
2.5.2 对滤波后的图像进行IFFT，获取缺陷图像
　　进行IFFT后，滤波的结果使缺陷部分得到显著增强，正常管脚图像部分被抑制。为了得到管脚焊接缺陷判别的有效依据，还要进行以下处理：
　　(1) 阈值分割
　　对缺陷图像进行直方图分析。 由于缺陷部分的灰度和主纹理部分对比明显，可以采用简单的阈值分割方法来区分缺陷和背景图像。
　　(2) 噪声抑制
考虑到噪声是随机的, 其在二值图像上为随机分布的孤立点, 而纹理缺陷则有一定的形状。实践证明, 对图像进行开运算, 不仅可以消除这些孤立点, 同时也可消除由于图像分割而产生的误差。
2.5.3 焊接缺陷的判定
　　首先，要确定判定焊接缺陷的频谱能量的阈值，即当缺陷纹理的频谱能量大于某个规定值时，判定有焊接缺陷；小于该值时，认为是噪声，判定无焊接缺陷。实验中，可以通过多次测试得到该阈值的经验值。此部分归入专家数据库系统的建立，不在本文中深入讨论。
3 IC芯片管脚的焊接检测的仿真与实验
3.1  管脚图像频域检测的MATLAB仿真
　　(1) 取一个含有缺陷（有一个管脚缺焊）的管脚图像，如图7所示。

　　(2) 对管脚图像进行FFT变换后，其频谱图像如图8所示。

　　(3) 设计Buttterworth 滤波器，其频谱图像如图9所示。

　　(4) 用Buttterworth 滤波器对管脚图像进行滤波后，其频谱图像如图10所示。

　　(5) 再进行IFFT变换后，得到缺陷图像及其直方图，如图11和12所示。

　　由图11可见，缺陷部分得到显著增强，正常管脚图像部分被抑制。由直方图也可以看出，在缺陷位置（缺焊的管脚处）产生一个高灰度值区域。
　　(6) 阈值分割得到去除背景后的明显的缺陷图像，如图13所示。

3.2 PCB的IC芯片焊接检测实验的系统实现方案
　　考虑到PCB焊接检测在工程中的实际应用以及对实时性和准确性的要求，采用CCD相机拍摄，将采集到的PCB图像送到POWERPC的板卡，由板卡上运行的嵌入式系统及其相应软件（服务器端）实现以上检测算法，同时可在客户端的PC机上对相关参数进行配置，最后的检测结果也显示在PC机上。该实现方案如图14所示。

3.3 实验结果分析和改进方向
　　为了验证本文提出的缺陷检测算法的效果，用两种类型的缺陷样本图像进行了测试，实验统计结果如表1所示。

　　实验中对管脚间短路、缺焊的缺陷检测识别正确率在95％以上，对管脚焊接弯折的缺陷检测识别正确率在90％以上。检测结果表明：(1) 管脚间短路、缺焊在管脚图像频谱中产生的缺陷频谱与管脚主纹理的频谱反差较大，滤波后图像中的缺陷与背景灰度差距大，因此检测正确率高。(2)管脚焊接弯折时的频谱反差较小，因此检测正确率也较低。
　　为了改进检测效率，一方面可以对分割出来的四边管脚图像进行进一步的预处理，如对管脚的边缘增强和边界锐化，并借助形态学方法得到比较规整的管脚图像，使得管脚的主纹理频谱更加集中，另一方面可以根据管脚频谱的特性设计更为合适的Buttterworth 滤波器，使得主纹理的频谱得到更有效的抑制。但两者都可能进一步降低频域检测的速度。
　　本文针对PCB检测中IC芯片定位及管脚焊接检测提出了一种基于频域的图像检测算法，并用MATLAB软件进行仿真实验，给出了测试方案和结果。实验表明，该算法在速度和精度方面都可以基本满足PCB生产过程中在线检测的要求，具有较好的鲁棒性和实用性。

参考文献
[1]  GONZALEZ R C, WOODS R E. 数字图像处理[第二版].阮秋琦，阮宇智译. 北京：电子工业出版社，2004.
[2]  宗孔德，胡广书. 数字信号处理[M]. 北京：清华大学出版社，1988：229－325.
[3]  郑方, 徐明星. 信号处理原理[M]. 北京:清华大学出版社, 2000:84-97.