系統簡介

我們使用LabVIEW、IMAQ Vision和IMAQ Vision Assistant等軟件進行系統開發。LabVIEW特有的數據流式編程、IMAQ Vision強大的圖像處理能力以及IMAQ Vision Assistant的代碼自動生成功能極大地縮短了系統的開發周期、降低了成本。

圖1所示為IC芯片表面標識自動識別系統的工作流程。這里使用NI公司的PXI-1409圖像采集卡和MBC-5051黑白攝像機進行圖像采集，然后將采集到的圖像送入計算機進行處理。為了提高識別的靈活性，系統加入了學習模塊，與識別過程類似，它也包括圖像預處理、文字區域裁剪、細化以及特征量提取的過程，不同的是，學習過程直接將提取到的特征量保存到計算機上，而識別過程則需要將這些特征值與已經存儲了的特征值一一比較完成匹配。

圖1 識別系統的工作流程

芯片自動跟蹤定位

芯片一旦進入攝像頭視場，則能被系統感知，系統會開始對該芯片進行自動跟蹤，確保ROI區域始終包含芯片，從而縮小了待處理的圖像尺寸，減小了運算量。在這個過程中，系統主要完成了三個動作：閾值化采集到的圖像，定位一個尺寸大于某一閾值的物體，根據該物體的位置信息設置ROI。因此通過IMAQ Vision，很容易就能夠實現該定位功能。用戶只需要對第一個動作中的灰度閾值和第二個動作中物體尺寸進行設置。

圖像預處理

采集到的圖像中夾雜有大量的噪聲，這給圖像的細化、識別等過程帶來極大的困難，因此必須將它們濾除。圖2所示為經過預處理之后的圖像。系統采集到圖像之后會自動對圖像進行預處理，同時系統還支持手動圖像處理，這主要是為了提高其在不同環境下的適應能力。如果用戶對自動處理圖像取得的效果不滿意，可以打開圖像手動處理程序，通過調整系統提供的圖像處理函數的參數來獲得較理想的圖像質量。在進行手動處理的同時，系統將記錄下用戶使用過的圖像處理函數及它們的參數，用戶可以將這些參數保存到計算機中，因此，如果下一個待處理對象仍然是在該環境中，則可以調出這些參數，使用這些參數進行圖像自動處理。

圖2 系統經過采集、處理的芯片表面標識

文字切割、細化

系統先將每一個文字單獨分離出來，然后細化抽取它們的骨架，以方便后面的識別。文字的切分是利用文字行與行、字與字之間有間隙實現的。由于白顏色的灰度值是255，黑顏色的灰度值是零，所以可以逐行掃描下來，將當前行所有像素的灰度值之和與前一行的進行比較，如果發生正跳變，則說明該行為文字行的上邊界，如果發生負跳變，則說明該行為文字行的下邊界。確定了行邊界之后再對該行進行左右掃描確定字的左右邊界，從而分離每一個文字。但是逐行掃描速度較慢，因此系統使用了再基礎上改進的兩次掃描法，原理類似。

圖3 兩個字符的細化過程

細化過程采用的是FPA細化算法，其實現簡單，功能強大，效果理想。如圖3所示，即為對圖像中兩個已分離字符的細化過程。

文字識別

系統使用匹配法對文字進行識別。因此要先抽取圖像中的一些特征量，然后將這些特征量與事先準備好的標準特征量進行匹配。如果某一個模板的標準特征量與待識別的圖像的特征量最接近，即相似距離最小，則系統將待識別圖像識別為該模板描述的文字或圖像。

系統使用圖4所示的方法提取特征量。其中有圖像平面上縱、橫、斜交叉的20條直線。這20條直線分別標記上1～20的序號。當圖像平面上輸入一個手寫文字時，計算文字的各筆劃與各條直線的相交次數，把他們作為該文字的特征量。設特征量數組為 ， 中各個分量的值表示相應序號的特征直線與各筆劃的相交次數。

圖4 識別特征線

在提取特征值之前，系統先將分離出的文字圖像逐一擴大為正方形，并且擴充之后文字仍然位于圖像中心，使得斜向特征線更容易產生。

在特征線交點的基礎上，系統匹配了更多的字符特征，例如端點個數、端點位置等，以提高識別的精度。這些特征量的提取有賴于圖像的細化過程。

相似距離是 這樣計算的。設待識別圖形的特征量為 ，某個標準模板的特征量是 ，則待識別圖形與該標準模板之間的相似距離 由下式計算。

使用識別系統

主程序可以分為三大部分：第一部分是程序的開始，包括讀取配置文件、開辟內存空間（特別是圖像的內存空間）以及對硬件設備進行初始化；第二部分程序等待用戶的操作，一旦用戶按下前面板的按鈕，系統則對這些事件進行響應；第三部分是程序的結束，主要作用是釋放資源、進行出錯處理等。

圖6所示為識別系統主界面。

圖6 IC芯片表面標識自動識別系統

“Process”可以使用戶能夠在對自動處理的圖像不滿意的情況下完成手動圖像處理，通過擴展該功能可以更加完善系統，提高系統在不同環境下的適應能力；主程序一共具有三個圖像顯示器，左上方的圖像顯示器顯示的是采集得到的圖像或使用“Open”打開的圖像，“Open”和“Save”兩個按鈕對這個圖像顯示器中的圖像進行操作的；左下方的圖像顯示器顯示的是經過圖像處理之后的圖像，方便用戶與原圖像進行比較，“Save Image”對這個圖像顯示器中的圖像操作；右側的小型圖像顯示器顯示的是細化后的單個文字的圖像，使得用戶可以實時觀察細化效果。

在使用識別系統之前，用戶需要完成以下幾個工作。

1. 啟動采集設備，如圖像采集卡、攝像頭、光源等；

2. 調整好攝像頭焦距及位置等，調整光源方向，使得采集具有環境，從而提高系統的識別率。外界環境對于識別率具有舉足輕重的作用，一個優良的環境能夠大幅提高系統的識別率。

3. 配置好NI的圖像采集設備。

效果和結論

我們運用美國NI公司的LabVIEW、IMAQ Vision以及PXI等先進的虛擬儀器技術，通過眾多圖像處理模塊的功能實現，在較短時間內建立了一套完整的芯片表面標識自動識別系統。該系統能夠自動定位跟蹤攝像頭視場中的芯片，將芯片剪切出來，然后通過一系列的圖像處理過程，對芯片上的文字進行逐一提取，再對文字圖像進行細化，最后系統通過文字的細化結果等獲取圖像的特征信息，并與標準模板進行匹配，從而完成對文字的識別。系統具有較廣范圍的適用性，能夠完成包括廠商標志圖標等對象的識別；還具有較高的實用價值，配合芯片自動測試系統，將極大提高生產能力和效率，因此具有極其廣闊的應用前景。

責任編輯：gt