东莞市神州视觉科技有限公司

刘恋

摘要：本文主要将一种具备多重算法的AOI进行阐述，从各个角度，分别对AOI使用的每种算法进行剖析和比较，以及通过运用不同AOI算法的检测效果进行比较。

关键词：算法、统计建模、通路投影、图像对比

前言

  随着SMT技术的普及，SMT元器件的密集化及细小化，自动光学检测设备（AOI）正被广大电子制造厂商用来监测和保证产品质量。不得不说，AOI作为一个新兴产业，技术阔步向前发展的同时，也被众多投机取巧的商业人士挪作商业用途，将AOI视为一种新型的可以牟取利润的工具。也正因为如此，才使得市场对AOI的怀疑、也因此出现了AOI应用、AOI放置、AOI原理介绍、AOI算法阐述、AOI光源阐述等多种正面解释，以让用户少受概念蒙蔽。本文将对AOI的算法（运算法则或方法）进行全面剖析，并以目前市场占有率最多的神州视觉ALeader AOI为例，论述AOI常用的几种算法、为什么要使用多重运算方法、使用多重算法的好处等等。

1.1灰度模型

  一副完整的图像，是由红色绿色蓝色三个通道组成的。红色、绿色、蓝色三个通道的缩览图都是以灰度显示的。用不同的灰度色阶来表示“红、绿、蓝”在图像中的比重。通道中的纯白，代表了该色光在此处为最高亮度，亮度级别是255。在计算机领域中，灰度数字图像是每个像素只有一个采样颜色的图像。这类图像通常显示为从最暗黑色到最亮的白色的灰度，尽管理论上这个采样可以任何颜色的不同深浅，甚至可以是不同亮度上的不同颜色。灰度图像与黑白图像不同，在计算机图像领域中黑白图像只有黑色与白色两种颜色；灰度图像在黑色与白色之间还有许多级的颜色深度。但是，在数字图像领域之外，“黑白图像”也表示“灰度图像”，例如灰度的照片通常叫做“黑白照片”。在一些关于数字图像的文章中单色图像等同于灰度图像，在另外一些文章中又等同于黑白图像。用于AOI检测的灰度模型算法即将一副合理的图片进行灰度处理，并规定其一定在变化误差，在检测过程中，如灰度的差异在允许变化的范围内即合格，反之为不合格。

1.2矢量分析

  通常一个既有大小又有方向特殊的量称之为矢量，运用在外观检测的矢量计算方法的概念本人认为实质就是规定一个器件的尺寸和方向，然后用以图像对比来等到结果。

1.3颜色分析

  颜色分析就是让用户在样本图像中定义颜色模板，学习这些颜色，然后从目标图像中找出这些颜色来。查找颜色的方法就是计算给定感兴区域的颜色平均值或者单个像素的颜色值（依据查找方式的选择确定）与训练的颜色模板间的色差。颜色模板中最接近给定区域的颜色的就是最佳匹配模板。除了要测量色差外，我们还需检测在不同照明条件下的偏差。实例的颜色表示由RGB颜色空间转换为CIELAB的颜色空间。从一个模板的所有像素中，计算出颜色中心，最佳颜色和偏差。一个模板像素到颜色中心的最大偏差用MaxDistance来表示，最小偏差用MinDistance来表示。以此三个参数来计算得到关于模板的质量。过滤器可以用于识别区域中的每一个像素。用过滤器来扫描原始区域。计算像素颜色模板的质量。然后按照过滤模式来处理图像。颜色分析的关键是如何创建一个合适的模板，和设定不同颜色之间的最大距离。不能用纯色作模板，因为此时最小距离与最大距离相等。

1.4边缘检测

  边缘是指图像局部亮度变化最显著的部分，是物体的轮廓或物体不同表面之间的交界在图像中的反映。边缘的形成是由于物体的材料不同或表面的朝向不同，引起图像中的边缘处存在明暗、色彩、纹理的变化。因此反过来在图像中检查不同灰度、色彩等特性区域的交界处就可等到边缘。物体的边缘以局部特征不连续性出现，也就是图像局部亮度变化最显著的部分，如灰度、颜色、纹理结构的突变。物体边缘是区分不同区域的分界处。图像边缘特性：方向和幅度。沿边缘走向的像素灰度变化平缓，垂直边缘走向的像素灰度变换剧烈。根据灰度变化特点可以边缘分为：阶跃型，房顶型，凸缘型，这些变化对应图像中的不同景物。传统的边缘检测利用了边缘是图像灰度变化最剧烈的特点，对图像各个像素点求微分或者二阶微分或者二阶微分来确定边缘点。一阶微分图像的峰值处对应着图像的边缘点，二阶微分图像的过零点对应着图像的边缘点。为了克服一阶导数的确定，可以计算图像的梯度。图像梯度的重要性质是：梯度的方向在图像灰度最大变化率的上，它恰好反映出图像边缘上的灰度变化。一阶导数可以用于检测图像中的一个点是不是边缘点，同样二阶层导数的符号可以用来判断一个边缘像素是在边缘高的一边还是边缘暗的一边（二阶导数为止，在暗的一边，二阶导数为负，在亮的一边）。常用的边缘提取梯度算子有：Rober算子，Sobel算子，Prewitt算子，Krisch算子等。