©2020-2024 ioDraw All rights reserved
1 简介
当今，电子工业在国家经济发展中扮演着越来越重要的角色，作为各种电子元器件的高度信息集合，印刷电路板(PCB)被广泛应用在电子工业中的各个领域。经济的不断发展促使电子技术不断地提高，轻薄、便捷的电子工艺成为潮流，高密集、高集成度成为PCB的发展趋势，这给传统的PCB质检带来了十分巨大的挑战。传统的人工检测方法存在着速度慢、时间长和易漏检等等问题，完全无法适应技术和工艺的快速发展，怎样实现精准、高效的PCB自动缺陷检测，一直是电子工业领域非常重视的一个问题。同时，个人和中小企业对检测PCB缺陷的需求越来越高，能否达到低成本、高精度是首要考虑的问题。因此，研究如何通过低成本的图像处理技术提高PCB板缺陷检测的精度具有重要的研究意义。 基于图像的PCB缺陷检测流程包括图像预处理、图像配准、图像分割和图像识别等方面，其中图像预处理又包含图像增强、图像平滑和图像锐化操作。
2 完整代码
function pcbjiance()dcpcbrgb=imread('待检测pcb.jpg');%读入待检测pcb图像figure(1)
imshow(dcpcbrgb);title('待检测pcb');t=rgb2gray(dcpcbrgb);%待检测pcb图像灰度化
lvbo=medfilt2(t);%中值滤波uu=im2bw(lvbo);%二值化u=bwmorph(uu,'spur',8);%去除物体小的分支
p=bwmorph(u,'fill');%填充孤立黑点dc=bwmorph(p,'clean');%去除孤立亮点figure()imshow(dc);
title('预处理后待检测pcb图像');goldenpcbrgb=imread('标准pcb图像.jpg');%读入标准pcb图像
biaozhungray=rgb2gray(goldenpcbrgb);%标准pcb图像灰度化bj=im2bw(biaozhungray);%二值化
figure()imshow(goldenpcbrgb);title('标准pcb');figure()imshow(bj);
title('标准pcb二值化图像')dc_rect=[80 370 150 130];%待检测pcb图像中选取参与互相关计算区域的矩阵bj_rect=[40
320 200 190];% 标准pcb图像中选取参与互相关计算区域的矩阵bj_sub=imcrop(bj,bj_rect);%剪裁标准pcb图像
max_c=0;%初始化互相关最大值 for rr=-2:1:2%待检测pcb图像依次旋转的角度（步进值可调）
dc_rot=imrotate(dc,rr,'nearest');%待检测pcb图像旋转，使用邻近插值法
dc_sub=imcrop(dc_rot,dc_rect);%裁剪带检测pcb图像 c=normxcorr2(dc_sub,bj_sub);%计算互相系数
[max_c1,imax1]=max(abs(c(:)));%max_c1为系数最大值，imax1为系数最大值对应的位置下标
if(max_c1>max_c)%每一次循环的最大值进行比较 max_c=max_c1;%取最大的值
angle=rr;%把取得最大值时对应的旋转角度赋给angle endend
dc_tz=imrotate(dc,angle,'nearest');%按angle角，对待检测pcb图像进行旋转修正
dc_tz_sub=imcrop(dc_tz,dc_rect);%此时两幅图像的轴向已平行，重新计算互相关系数
cc=normxcorr2(dc_tz_sub,bj_sub);% [max_cc,imax]=max(abs(cc(:)));%
[ypeak,xpeak]=ind2sub(size(cc),imax);%将下标转化为行列的表示形式yd=[ypeak-(dc_rect(4)+1)
xpeak-(dc_rect(3)+1)];%子图需移动的量 bj_dc=[yd(1)+bj_rect(2)
yd(2)+bj_rect(1)];%标准pcb图像在调整后的待检测图像中的坐标 xz=[bj_dc(1)-dc_rect(2)
bj_dc(2)-dc_rect(1)];%像素修正值 dc_qu_rect=[1-xz(2) 1-xz(1) size(bj,2)-1
size(bj,1)-1]; %调整后的待检测图像中选取与标准图像同等大小的区域矩阵
dc_qu=imcrop(dc_tz,dc_qu_rect);%裁剪调整后的待检测pcb图像 figure()imshow(dc_qu)
title('匹配后的待检测pcb图像')yihuo=xor(bj,dc_qu);%图像异或运算MN=[3 3];
se=strel('rectangle',MN);%定义结构元素imr=imerode(yihuo,se);%腐蚀运算
imd=imdilate(imr,se);%膨胀运算
rgb=label2rgb(imd,@autumn,'g');%标注对象变为彩色，采用autumn映射表，背景为绿色
biaoji=imlincomb(.6,rgb,.4,goldenpcbrgb);%将两幅图像按比例线性组合figure()imshow(biaoji);
title('缺陷标注');a1=bj;b1=dc_qu;c1=a1-b1;c2=b1-a1;MN=[5 3];
se=strel('rectangle',MN);h1=imerode(c1,se);h2=imerode(c2,se);[i,j]=find(h1==1);
p1=bwselect(c1,j,i,8);[q1,mu1]=bwlabel(p1);num1=0;num1=mu1;hpqs=0;%焊盘缺失数初始化
dxqs=0;%导线缺失数初始化aoxian=0;%凹陷数初始化duan4lu=0;%断路数初始化for k1=1:num1
r1=zeros(size(q1));ij1=find(q1==k1);r1(ij1)=1;[i1,j1]=find(q1==k1);
f1=bwselect(a1,j1,i1,8);if bweuler(r1)==0; hpqs=hpqs+1;else if bwarea(r1)>500
dxqs=dxqs+1; else s1=f1-r1; if bweuler(s1)==bweuler(f1) aoxian=aoxian+1; else
bweuler(s1)>bweuler(f1) duan4lu=duan4lu+1; end endendend[i0,j0]=find(h2==1);
p2=bwselect(c2,j0,i0,8);[q2,mu2]=bwlabel(p2);num2=0;num2=mu2;hpds=0; %焊盘阻塞数初始化
dxdy=0;%导线多余数初始化tuqi=0;%突起数初始化duan3lu=0;%短路数初始化tongban=0;%铜斑数初始化for k2=1:num2
r2=zeros(size(q2));ij2=find(q2==k2);r2(ij2)=1;[i2,j2]=find(q2==k2);
f2=bwselect(b1,j2,i2,8);if bwarea(f2)-bwarea(r2)<=10 tongban=tongban+1;else if
bwarea(r2)>300 dxdy=dxdy+1; else s2=f2-r2; if bweuler(s2)==bweuler(f2)
tuqi=tuqi+1; elseif bweuler(s2)>bweuler(f2) duan3lu=duan3lu+1; else
bweuler(s2)<bweuler(f2) hpds=hpds+1; end endendendhpqsdxqsaoxianduan4luhpdsdxdy
tuqiduan3lutongban
3 仿真结果
4 参考文献
[1]熊昊. 基于图像的PCB板缺陷检测技术及应用[D]. 重庆理工大学.
博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。
部分理论引用网络文献，若有侵权联系博主删除。