IC芯片检测的图像分割算法研究及其实现

全自动上芯机是用于芯片生产后工序的关键设备之一,而机器视觉检测系统又是提高该设备产能和质量的关键系统.在机器视觉检测系统中,图像的有效分割是图像分析的基础.针对摄像机采集到的图像由于镜头具有球面像差的原因都不同程度地存在图像降质的现象(如暗角),分析了基于迭代算法、改进的自适应门限以及同态滤波的图像分割算法,并对IC芯片图像进行了三种方法的实验比较,结果表明,改进的自适应门限的图像分割算法能够满足IC芯片检测高精度、高速度的要求.     

基于小波结构矩的图像识别算法

提出了一种基于小波结构矩的具有平移、旋转、缩放不变性的新型图像识别方法.小波结构矩是在小波矩的基础上通过改变图像函数的结构即几何矩的密度得到的.该算法结合了小波和结构矩的优点,不但实现了对图像特征的精细把握还增大了相似图像之间的距离.采用三次样条函数作为母小波,有效提取了图像的全局特征和局部特征.实验证明,小波结构矩比改进的Hu矩和结构矩具有更高的识别率,目前该算法已经成功运用到全自动金丝球焊机图像识别系统.     

基于投影法和同态滤波的多模板匹配算法

半导体封装图像处理中,环境光照的变化对视频设备截取的图像影响较大.为了减少光照的影响,提出了一种基于投影法和空域同态滤波的多模版算法,该算法首先利用投影法粗略确定芯片的位置并截取包含芯片的图像,接着应用空域变换对截取图像进行同态滤波,削弱了光照变化对图像产生的影响.最后利用模板库中的模板进行传统的模板匹配并更新模板库.实验证明该算法对光照具有很强的自适应性,具有良好的应用前景.     

基于改进SUSAN算法的片式元件角度识别

元件角度识别是贴片机元件视觉检测的关键,其参数的精确获取直接影响贴片机进行元件贴装的准确性.SUSAN算法是一种基于图像灰度比较的算法,不涉及梯度的计算.讨论了该算法的模板和门限的选取方法,继而提出一种改进的SUSAN边缘检测算法对矩形片式元件进行边缘检测,并通过试验比较了该算法与传统的几种边缘检测算法的优劣.试验证明改进的SUSAN算法能更好地提取复杂成像条件下元件图像的边缘,提高了贴装过程中元件角度识别的精度和稳定性.