基于颜色特征的智能焊点定位算法

本资料包含pdf文件1个，下载需要1积分

第 3期 谢宏威 等：基于颜色特征的智能焊点定位算法 ll7文中焊点定位算法流程如图2所示.定位之前人工标定训练样本中的焊盘位置，然后通过统计运算自动获雀盘区域主要颜色的阈值；在定位时，使用该阈值对搜索区域进行二值化，然后在二值化后的图像中使用优化后的最大面积法来定位焊点。

t 回 图2 焊点定位算法流程图Fig.2 Flowchart of solder joint positioning algorithm2 阈值 自动获取2.1 颜色阈值的人工选取使用抽取颜色的方式进行焊点定位时，人工设置颜色阈值的操作过程如图3所示。

图3 人工选取阈值流程图Fig.3 Flowchart of artifcially threshold selection在图3中，初始阈值经过人工不断地调整，达到最佳焊点抽出效果为止.这个过程较为费时，但是是- 个较为标准的流程，且选取标准可以量化.鉴于此，文中使用计算机来模拟人工操作过程，提出颜色阈值 自动选取方法.首先，根据颜色直方图计算每个样本的初始阈值；然后 ，对多个样本的初始阈值进行修正，得到统-的阈值，用于图像二值化。

2.2 初始阈值的获取2.2.1 设计思路文中分别统计每个样本图像在色调(H)、饱和度(s)和亮度(I)平面的直方图，并计算相应的阈值.假设灰度级为 0-255，参照 AOI实际抽取颜色的过程，将 H平面分为红色、绿色、蓝色 3个固定区问：红色[0，43)u[200，255]、绿色[43，124)、蓝色[124，200)，然后在每种色调区间分别求取相应的 S和 I的阈值.因此，最终用于二值化的阈值实际上是由3组阈值组合而成，下面讨论的都是求 s或 I阈值的方法。

定义 直方图中，如果大部分像素值分布在区间[i ，i ]内，则称[i ，i ]为有效灰度范围.有如下定 义：≥其中，n 为灰度级， (0< <1)为评价指标，Ⅳ为像素总数.当 0接近于 1时，灰度在[i ，i：]内的像素包含了这个区域内的主要颜色。

使用阈值[t ，t ]对图像进行二值化，位置( ，Y)处的像素点 C(X，Y)的二值化结果 ，Y)可表示为f0， C( ，Y)隹[t1，t2]Y 1，c( ) 纠 )为了最大程度地将焊盘区域提取出来，同时尽量少地提雀盘区域以外的像素，必须保证：∑ 厂( ，y)> ∑ Ax，)，) (3)( ，y J∈DI ，y)ED2其中，D 为焊盘窗区域，D：为搜索窗以内、焊盘窗以外的区域。

通过大量的实例研究发现，在提取的焊盘内外像素数相差较大时，定位效果较好.因此，定义函数A( ， ，2， ， )如下：A(s ，s ，i1， )∑ 厂( ，)，)-∑ f(x，)，)(4)( ，y)ED1 ( ，y)ED2其中，[S ，s ]和[i ， ，2]分别表示 S和 I的阈值。

于是，问题转化为求取使A( ， ， ， )取得最大值时的变量s 、s 、 、 的值.若采用遍历所有取值组合的方法来求这几个值，运算量将非常大，无法满足实际工程的速度需要。

2.2.2 计算初始阈值以s平面为例，对于给定的0，在其直方图中，从频数最高的灰度开始向左右两侧不断扩展，并结合式(1)，可自动计算出 S平面的有效范围，然后用同样的方法求出I平面的有效范围.并以s平面的有效范围为初始值，求出I平面的阈值(im )，然后在( )的基础上求出s平面的阈值(sm s亿)。

第 3期 谢宏威 等：基于颜色特征的智能焊点定位算法 12l观察图8可知，灰度投影法由于没有充分利用焊点图像的像素分布信息，出现了较大的定位误差；而文中算法定位准确，对噪声具有较强的鲁棒性。

综合以上实验结果可知，文中提出的焊点定位算法的性能较好，可应用于实际 CHIP元件的焊点定位.但在训练阶段样本需要手工标定精确位置，且定位速度还不够快，这两方面仍然需要提高。

5 结论针对现有焊点定位算法的不足，提出了-种基于颜色特征的智能焊点定位算法.通过对样本颜色直方图进行统计分析，实现了焊点颜色的自动抽取。

使用最大面积法对焊点定位，对运算过程进行优化，减少了运算量.实例运算结果表明，文中提出的算法可自动设定颜色参数，且定位精度高、定位速度快、鲁棒性较好，可以满足实际应用的需要。