0 引言

在信息產業中PCB是一個不可缺少的重要支柱，PCB作為各種電子產品的基本零組件和集成各電子元器件的信息載體向著高性能化、高速化、輕薄短小化方向得到了快速發展，其技術和復雜程度已經達到了一個非常高的水平。因此，隨著PCB領域的不斷擴大，PCB的重要性也在進一步提高。

系統在PCB待測灰度圖像的采樣、量化、以及傳輸過程中，由于光照的不均變化、電荷耦合元件（CCD，Charge-Coupled Device）攝像機自身的傳感器噪聲、模數采集（AD，Analog-to-Digital）過程的量化噪聲、感光過程產生的顆粒噪聲、以及人為因素的輕微抖動等，在傳輸、接收處理得到的圖像都不可避免受到內部器件和外部環境的影響，從而使圖像質量失真，信噪比下降。為了降低噪聲，可以使用平滑濾波器對待測圖像進行濾波處理，但選擇不同大小的平滑濾波器對處理后圖像模糊程度不同，因此要提高圖像的質量要求所使用的濾波器不僅能夠有效地去除噪聲并且能夠盡可能保留圖像的原貌。

1 圖像增強

圖像增強是改進圖像質量的技術，相對于圖像識別的一種前期處理，根據圖像增強處理的空間不同，可分為空間域處理以及頻率域處理兩大類，前者包括對圖像的灰度級作用以及直方圖修正，都是直接對像素灰度值進行處理；后者是對圖像的頻譜成分進行分析操作，經過傅里葉變換，對圖像頻譜的高頻低頻部分進行處理，再經逆傅里葉變換獲得所需圖像結果。

采集的PCB圖像由于外部曝光以及在信道傳輸過程中的其他干擾因素，使得圖像明暗度降低、噪聲加大，為有效的消除噪聲干擾并且使圖像的明暗對比增強，本文在PCB待測圖像增強中選擇空間域的灰度變換處理和圖像平滑處理。

1.1 空間域的灰度變換

灰度變換作為圖像增強的一種重要手段，可以使圖像動態范圍加大、使圖像對比度擴展，使圖像特征更加明顯來改善圖像顯示效果。灰度變換可分為線性變換和非線性變換。令原圖像m（x，y）的灰度范圍為［a，b］，線性變換后圖像n（x，y）的灰度擴展為［c，d］，它們之間的關系為：

由于曝光過度或不足，CCD 采集的PCB 圖像灰度可能在一個很小的范圍內變化，在電腦上可能看到的是沒有灰度層次以及模糊的圖像。采用線性變換可以對模糊圖像的各個像素灰度作線性拉伸，能夠使圖像視覺效果有效地得到改善。

為提高對圖像識別的后期處理以及特征提取，先對原始 PCB 圖像進行二值化的灰度處理，然后采用直方圖修正技術的圖像域方法使圖像均衡化。

1.2 空間域圖像平滑

圖像平滑的目的是為了減少和消除圖像噪聲以改善圖像質量，以便圖像分割、圖像識別等后續處理。在空間域內可以用鄰域平均來減少噪聲；在頻率域，由于發生高頻段的噪聲頻譜概率更大，可采用各種形式的低通濾波。在空間域圖像平滑主要有噪聲門限、鄰域平均、加權平均、中值濾波等方法。

趙曉霞提出一種偏微分的圖像增強方法，這種方法降噪采用全變分（TV，Total Variation）模型與直方圖修正技術來實現，這種方法能有效地保留邊緣也能夠使對比度增強。

萬睿等人先對待測圖像進行二值化處理，然后通過閾值分割處理，得到二值化閾值，在去除噪聲的同時使處理速度也得到了提高。

1.2.1 噪聲門限

噪聲門限方法是一種常見的噪聲消除辦法，它對噪聲的執行效率高，并且消除簡單易行。它對圖像平滑時，第一是門限閾值的設定，門限閾值的設定直接影響濾波效果以及圖像細節，然后根據圖像的特性，對每個像素進行順序的檢測，根據公式與其鄰域的所有像素值進行對比，判斷是否該像素為噪聲。若不是噪聲，輸出像素原值，若為噪聲，則輸出為鄰域內其它像素灰度的平均值。該方法中門限閾值 T 的選擇至關重要，T 選擇太大或太小，都會或多或少導致噪聲平滑不夠或者圖像變得模糊。

1.2.2 中值濾波

傳統中值濾波算法運算量主要集中在窗口數據的排序上，為了減少排列次數更快的得到中值，提出了一種快速中值濾波算法，將陣列分解為一維陣列進行運算，先取陣列水平各行的中間值，再取水平各行中間值的中值，作為濾波最后的輸出。

1.2.3 快速加權中值濾波

為了解決既要降噪， 又要保護圖像細節這一矛盾本文提出了一種快速加權中值濾波算法，不僅濾波速度上提高了，噪聲得到很好的濾除，還可以保護更多的圖像細節。通過加權，使在窗口中的中心象素比重增加，對于輸入： I1 I2 ， ， ，IN） ，輸出加權中值濾波：

r 代表加權， MED{} 表示取中值運算函數， 1 2 （ ， ， ， ） N W W W W 表示加權窗口的權， 并且規定W= （ 1， 1，， 1） 時為標準窗口。規定：

其中T 是閾值函數，當W 為整數時， 1 1 {WrI ，2 2 } N N W rI W rI 中分量經加權后輸出的個數：

快速加權中值濾波中值運算MED 的運算過程是： 先對加權后的輸出中的c N 個數按照順序升冪排序，排序后輸出的c N 個數的第T 個數就是最后的中值輸出。

2 MATLAB 圖像增強處理

MATLAB 支持包括索引圖像、灰度圖像、二值圖像、RGB 圖像和多幀圖像陣列的5 種圖像類型；采集的PCB 圖像可以對其先增強對比度，再進行去噪，若運用該方法，則圖像原有的噪聲在增強對比的過程中也被大大增加了，使后續圖像去噪處理得不到很好的效果。

因此本文采用對圖像先去噪后增強，經采集得到的 PCB 圖像上，可能存在噪聲需要去噪，光源強度不夠，圖像可能整體偏暗，首先用RGB2GRAY函數將采集到的圖片轉換為灰度圖像（256 色），對含有椒鹽噪聲的PCB 圖像分別用本文提出的方法以及傳統中值濾波的方法進行比較，去噪后再利用灰度變換對PCB 圖像進行增強處理，圖1 就是用這種方法處理后的結果。

從圖1（a）和圖1（c）可以看出對于有椒鹽噪聲的PCB 圖像，傳統的3×3 中值濾波處理孤立點的噪聲雖然具有很好的效果，但是PCB圖像上的走線，器件明顯模糊，圖像的細節輪廓，質量不能達到很好的效果。圖1（e）是對帶有椒鹽噪聲的PCB 圖像進行快速加權中值濾波的仿真圖，去噪具有明顯效果，而且濾波速度也得到了提高，圖像的細節，走線都能夠很好的保持。

圖1（b）、圖1（d）、圖1（f）是PCB 圖像經去噪處理前后的灰度直方圖，圖中橫坐標為灰度等級， 縱坐標為各個灰度等級對應的像素數。其中像素值255 是椒鹽噪聲，比較兩幅圖可以明顯看出，兩種濾波方法都能將噪聲很好的去除，但是中值濾波把許多灰度等級都濾除掉了，例如150-200 的灰度等級，使邊界變得模糊，而且波峰波谷都遭到了破壞，加權中值濾波去能克服這些缺點，灰度等級，灰度動態范圍都能夠很好的保留，并且對于波峰、波谷的位置都給予了很好的保留，因此圖像許多細節都看的比較清晰，為了更好地便于分析，圖2 給出了圖像經濾波變換前后的頻譜。

3 幅圖是經傅里葉變換得到的頻譜，為了便于分析，根據傅里葉變換的周期性，把零頻移到中間。

幅值譜的明暗程度反映了各頻率成分的幅值大小，圖像的能量主要集中在低頻段（中央部分）。

盡管高頻段包含少量的能量，但包含了圖像的重要信息，圖像的邊緣信息屬于高頻信息，同樣，噪聲的灰度級變化迅速，也是高頻信息。從圖中可以看出，兩種濾波方法都在一定程度上抑制圖像的高頻成分，能夠有效濾除高頻段的噪聲，但是低頻分量，也就是灰度變化平緩的部分-圖像輪廓信息遭到了破壞，從直方圖也可以看出變化緩慢的150~200灰度級遭到了破壞，而加權中值能夠很好的保護輪廓信息，為了使細節更突出圖3 是增強后圖像。

從灰度處理后的直方圖可以看出，直方圖占據了整個圖像灰度值允許的范圍，增加了圖像灰度動態范圍，也增加了圖像的對比度，在圖像視覺上有了較大的反差，使細節更加突出。

3 結語

本文主要對采集的PCB圖像整體偏暗，對比度差，噪聲大進行圖像的預處理，主要包括空間域的濾波技術以及圖像增強的灰度變換，由于傳統的中值濾波受濾波窗口尺寸的影響較大，處理后圖像的細節變得模糊不清，通過一種改進的加權中值濾波算法，根據灰度直方圖以及頻譜圖分析了處理后圖像質量的好壞，結果表明其濾波速度及質量大大超過傳統的中值濾波，顯著地提高了PCB 圖像走線，元器件等邊緣，整體圖像輪廓的保護能力，最后通過灰度變換使圖像的細節變得更加清晰，提高PCB圖像的識別率的后期處理。
責任編輯；zl