摘要：圖像分割在圖像分析、圖像識別、圖像檢測等方面占有非常重要的地位，是從圖像處理到圖像分析的重要步驟，圖像分割的好壞直接影響到圖像分析的結(jié)果。針對此就印刷電路板檢測過程中的圖像分割進(jìn)行研究。閾值分割技術(shù)的運算效率高、計算簡單等特點非常適應(yīng)印刷電路板檢測的快速性和穩(wěn)定性要求，因此著重介紹了四種闞值分割技術(shù)，并借用軟件將各算法分別應(yīng)用于實際的印刷電路板圖像，然后對各個閾值化算法的分割結(jié)果做了對比和簡要分析。
關(guān)鍵詞：圖像分割；印刷電路板(PCB)；閾值分割；多閾值法

0 引言
    隨著生產(chǎn)技術(shù)的提高，印刷電路板(PCB)制造在電子工業(yè)中的作用越來越重要，PCB的質(zhì)量將對電子產(chǎn)品能否長期、正常、可靠的工作帶來非常大的影響。而PCB制作工藝日趨復(fù)雜，使PCB的質(zhì)量檢驗成為一件非常困難的工作?；谟嬎銠C與圖像處理技術(shù)進(jìn)行的PCB缺陷自動視覺檢測的研究近年來成為PCB檢測的熱門方向。本文就圖像分割技術(shù)應(yīng)用于PCB圖像進(jìn)行研究。
    圖像分割是圖像處理與計算機視覺領(lǐng)域低層次視覺中最為基礎(chǔ)和重要的領(lǐng)域之一，它是對圖像進(jìn)行視覺分析和模式識別的基本前提，分割的準(zhǔn)確性將直接影響后續(xù)任務(wù)的有效性。圖像分割是指根據(jù)灰度、彩色、空間紋理、幾何形狀等特征把圖像劃分成若干個互不相交的區(qū)域，使得這些特征在同一區(qū)域內(nèi)，表現(xiàn)出一致性或相似性，而在不同區(qū)域間表現(xiàn)出明顯的不同。簡單地講，就是在一幅圖像中，把目標(biāo)從背景中分離出來，以便于進(jìn)一步處理。值得一提的是，圖像分割是一個經(jīng)典難題，到目前為止既不存在一種通用的圖像分割方法，也不存在一種判斷是否分割成功的客觀標(biāo)準(zhǔn)。

1 圖像分割的基本概念與分類
    首先，圖像分割的定義是：
    令集合R代表整個圖像區(qū)域，對R的分割可以看作將R分成N個滿足以下五個條件的非空子集(子區(qū)域)R1，R2，…，RN：
    (1)；
    (2)對所有的i和j，i≠j，有Ri∩Rj=φ；
    (3)對i=1，2，…，N，有P(Ri)=TRUE；
    (4)對i≠j，P(Ri∪Rj)=FALSE；
    (5)對i=1，2，…，N，R是連通區(qū)域。
    其中，P(Ri)是對所有在集合Ri中元素的邏輯謂詞，φ代表空集。
    其中，條件(1)指出在對一幅圖像的分割結(jié)果中全部子區(qū)域的總和(并集)應(yīng)能包括圖像中所有像素(就是原圖像)，或者說分割應(yīng)將圖像中的每個像素都分進(jìn)某個子區(qū)域中。條件(2)指出在分割結(jié)果中各個子區(qū)域是互不重疊的，或者說在分割結(jié)果中一個像素不能同時屬于兩個區(qū)域。條件(3)指出在分割結(jié)果中每個子區(qū)域都有獨特的特性，或者說屬于同一區(qū)域中得的像素應(yīng)該具有某些相同特性。條件(4)指出在分割結(jié)果中，不同的子區(qū)域具有不同的特性，沒有公共元素，或者說屬于不同區(qū)域的像素應(yīng)該具有一些不同的特性。條件(5)要求分割結(jié)果中同一個子區(qū)域內(nèi)的像素應(yīng)當(dāng)是連通的，即同一個子區(qū)域內(nèi)的任兩個像素在該子區(qū)域內(nèi)互相連通。
    實際應(yīng)用中圖像分割不僅要把一幅圖像分成滿足上面五個條件的各具特性的區(qū)域而且需要把其中感興趣的目標(biāo)區(qū)域提取出來。圖像閾值化分割是一種最常用，同時也是最簡單的圖像分割方法，它特別適用于目標(biāo)和背景占據(jù)不同灰度級范圍的圖像，它不僅可以極大地壓縮數(shù)據(jù)量，而且也大大簡化了分析和處理步驟。而對于PCB圖像檢測，不僅要求檢測的準(zhǔn)確性，還要求檢測的快速性和穩(wěn)定性，因此閾值化分割方法是非常適用于PCB圖像的分割的。
    閾值分割法是一種基于區(qū)域的圖像分割技術(shù)，簡單地說，取閾值分割就是先確定一個處于圖像灰度取值范圍之中的灰度閾值，然后將圖像中各個像素的灰度值都與這個閾值相比較，并根據(jù)比較結(jié)果將對應(yīng)的像素劃分為兩類：像素的灰度值大于閾值的為一類，像素灰度值小于閾值的為另一類。如果將一類像素點值記為0，另一類記為1，則分割后的圖像就是所謂的二值圖像?；叶乳e值分割的方法通常有四種：雙峰法、迭代法、大津法、多閾值法。本文將對這四種分割算法進(jìn)行綜述，并將其分別應(yīng)用于PCB圖像的分割，討論其分割效果。
2 閾值分割算法綜述
2．1 雙峰法
    雙峰法的原理很簡單：它認(rèn)為圖像的前景和背景(不同的灰度級)組成，圖像的灰度分布曲線可近似認(rèn)為是由兩個正態(tài)分布函數(shù)疊加而成，圖像的直方圖將會出現(xiàn)兩個分離的峰值，選擇兩峰之間的谷底作為閾值(如圖1)。步驟如下：
    (1)找出直方圖的兩個最大的局部值：zi，zj；
    (2)求zi，zj間直方圖最低點zk；
    (3)用h(zk)／min(h(zi)，h(zj))測試直方圖的平坦性；
    (4)若上述值小于門限T，將zk作為分割門限。

2．2 迭代法
    迭代式閾值選擇算法是對雙峰法的改進(jìn)，它首先選擇一個近似閾值T，將圖像分割成兩部分：R1和R2，然后計算區(qū)域R1和R2的均值μ1和μ2，并選擇新的分割閾值T=(μ1+μ2)／2，重復(fù)上述步驟直到μ1和μ2不再變化為止。
迭代法是基于逼近的思想，其步驟如下：
    (1)求出圖像的最大灰度值和最小灰度值，分別記為Zmax和Zmin，令初始閾值T0=(Zmax+Zmin)／2。
    (2)根據(jù)閾值T將圖像分割為前景和背景，分別求出兩者的平均灰度值Z0，Zb。
    (3)求出新閾值T=(Z0+Zb)／2。
    (4)若兩個平均灰度值Z0和Zb不再變化(或T不再變化)，則T即為閾值；否則轉(zhuǎn)步驟(2)，迭代計算。

2．3 大津法
    大津法(OTSU法)是由大津于1979年提出的，對圖像I，記T為前景與背景的分割閾值，前景點數(shù)占圖像比例為W0，平均灰度為u0；背景點數(shù)占圖像比例為w1，平均灰度為u1，圖像的總平均灰度為：
   
    最大時，T即為分割的最佳閾值。方差是灰度分布均勻性的一種度量，方差值越大，說明構(gòu)成圖像的兩部分差別越大，當(dāng)部分前景錯分為背景或部分背景錯分為前景都會導(dǎo)致兩部分差別變小，因此使方差最大的分割意味著錯分概率最小。直接應(yīng)用大津法計算量較大，因此我們在實現(xiàn)時采用等價的公式：
   
2．4 多閾值法
    對于復(fù)雜圖像，在許多情況下對整幅圖像用單一閾值不能給出良好的分割效果。比如照射光的不均勻，使圖像的某一部分物體和背景兩者都比另一部分亮。因此，在圖像的一部分能把物體和背景精確地分開的閾值，對另一部分來說，可能把太多的背景也當(dāng)做物體分割下來了?？朔@一缺點有如下一些方法：設(shè)法利用灰度級校正技術(shù)進(jìn)行校正，然后采用單一閾值來分割；另外一種方法是把圖像分成小塊，并對每一塊設(shè)置局部閾值。但是，如果某塊只含物體或只含背景，那么對這塊圖像就找不到閾值。這時，可以由附近的像塊求得的局部閾值用內(nèi)插法給此像塊指定一個閾值。這種對一幅圖像使用多個閾值進(jìn)行分割的方法就是多閾值法。

3 分割結(jié)果討論
    本文應(yīng)用MATLAB軟件實現(xiàn)上述各算法，并分別得出其分割結(jié)果，如下所示：

    由以上各圖可看出：用雙峰法分割時，當(dāng)前景圖像和背景圖像的灰度值太接近時，可能會導(dǎo)致有些前景圖像沒有從背景中分離出來，如圖3，圖像失真了；而使用迭代法分割時，基于迭代的閾值能區(qū)分出圖像的前景和背景的主要區(qū)域所在，但圖像的細(xì)微處還沒有很好的區(qū)分度，對某些特定圖像，極小的數(shù)據(jù)變化卻會引起分割效果的巨大改變，結(jié)果和雙峰法的分割效果相似，如圖4；而用大津法選取出來的閾值非常理想，對各種情況的表現(xiàn)都較為良好。大津算法是一種較為通用的分割算法。但是用大津法做全局閾值效果還是不理想，沒能很好地將背景和前景圖像分離開，如圖5；最后，我們使用多閾值法分割算法，先將PCB圖像分割成小塊，然后對各小塊圖像使用大津法求閾值，也就是說各個小塊圖像的閾值是分別求出來的，是不一定一樣的?？煽闯觯嚅撝捣指詈芎玫貙D像的前景和背景分離開了，較完整地提取出了需要檢測的PCB線路，如圖6。
    實驗結(jié)果表明，閾值化分割不僅可以提高PCB圖像分割的快速性和穩(wěn)定性，而且分割效果明顯，其中的多閾值分割方法效果最好。最后，文中提出的方法還有很多不足，比如對于不同的PCB板可能使用多閾值分割時的分塊數(shù)需要做不同調(diào)整才能達(dá)到理想效果，因此此方法的通用性不強。希望各位讀者能從本文得到一些啟示，提出更有效的分割算法。