基于图像处理技术的铜箔疵点检测系统研究

1 系统构成

铜箔基板表面光滑，有很强的光反射能力，为获得清晰的表面图像，需谨慎配备光源。本系统中多只荧光灯置于基板上方，以产生均匀温反射光，这样面阵CCD摄像机可以拍到清晰的目标图像。检测系统主要部件的构成如图1所示。

由于铜箔基板面积较大，而一个CCD摄像机的拍摄范围有限，故系统根据每个摄像机覆盖的范围大小在基板宽度方向设置多个CCD。这样，随着基板前移，这样CCD摄像机就可以拍摄到整个基板范围，从而对基板的每一部分都进行疵点图像分析与检测。图1所示为光路部分截面图。CCD摄像机拍摄到的图像通过图像采集卡输入下位机，图像分析与处理工作由下位机完成，处理结果上传至上位机进行汇总、统计及数据库存储，同时上位机还对基板的前移状态进行实时控制。上、下位机通过交换机构形成以太网形式，通过TCP/IP协议进行数据传输。

由于铜箔基板生产线线速度较高，达到1m/s的前移速度。而一般的面阵CCD摄像机采用电视视频专输标准进行图像的采集、传输及显示，显示适合静态图像的采集。若不采取任何拱而摄像运动图像，将使图像模糊，难以处理。针对以上问题，本系统采用CCD本身配备的快门系统以及单帧图像采集方法，即只采集偶场或奇场信号，再通过内插法合成一帧信号，从而在不影响处理效果的前提下，有效地解决了运动图像模糊的问题。由于处理对象是运动图像，对处理速度要求较高。若选用彩色CCD摄像机及彩色图像采集卡摄取彩色图像，则数据量大、系统复杂、处理速度慢。对本系统而言，疵点的判别无需彩色信号，故可选用黑白CCD摄像机与黑白图像采集卡，对灰度图像进行分析与处理，数据量少，处理速度提高，节约成本。

2 图像处理

在图像获取过程中，由于成像条件、光照不均匀、光电转化过稆的噪声、脉冲干扰、A/D转换带来的误差等因素的影响，所采集的图像通常带有噪声信号。因此在图像处理之前，需先进行噪声滤除。图像的平滑去噪处理主要通过邻域平均法、中值滤波、频域滤波等方法实现。本系统采用中值滤波法，具有去噪能力强、边界细节保持好、处理速度快等优点。

中值滤波采用一个含有奇数个点的滑动窗口，将窗口中心点的值用窗口内各点的中值代替。其功能是使与周围像素灰度值的差比较大的像素用与周围像素值接近的像素替换，从而可以消除孤立的噪声点。它不是简单的取均值，产生的模糊比较少。对于二维图像数据f(i,j),中值滤波的输出fm(I,j)为：

fM(x,y)=Med{f(i,j)} (1)

其中i,j在所选定的滑动窗口内。

铜箔基板疵点的形成有多种因素，如人为造成的污点、油滴、水印等，或生产过程中产生的划痕、折边等缺陷。本文以水印疵点为例进行疵点的图像处理与识别，经过5点中值滤波预处理后的图像如图2所示。

为进行疵点的特片提取和参数测量，首先需要将疵点所在的区域从整体图像中分离出来。在计算机图像处理中区域分割与提取的方法多种多样，可划分为阈值法、边缘检测、区域生长等类型。直接利用阈值法进行区域检测具有运算量小、算法简单、速度快等优点。但在光照强度不均、目标与背景无明显灰度差的情况下，阈值的选取较困难。若采和合适的边缘检测器对图像进行处理，可以很好地克服光照影响，从而取得较好的检测效果。本文采取边缘检测与阈值法相结合，实现目标的提取。

目前已经提出了如Sobel算子、Prewitt算子、Lapalas算法、Kirsch算子等多种有效的边缘提取算子。Sobel边缘检测算子有较低的计算代价，容易实现，是常用的一种梯度算子。其算法描述如下（G（x,y）为每点的梯度幅值）：

Sobel算子由水平垂直两个正模板组成，它能够同时检测水平方向和垂直方向的边缘。采和Sobel边缘检测后得到灰度图像G（x,y）即，边缘图像。该图像包含边缘幅值信息。如果边缘检测器输出值较在，则对应于局部边缘；如果输出值较小，则对应于无边缘的区域。因此在边缘检测后，还要进行阈值处理。本文采用矩法选取阈值。实验表明，经两次Sobel边缘检测后边缘区域较明显，图3和图4分别为两次边缘检测及二值化并经过反相后的图像。

经过上以图像分析，水印区域得到明显的区分。疵点图像区域的分割为形态特征提取提供条件，但从图4二值化图像可见，边界存在明显缺损，这将严重影响参数测量的准确性。对此，可以采数学形态学的方法进行疵点轮廓边界缺损补偿。本文采用公式（5）描述的闭运算方式，即对目标先膨胀再腐蚀。该方法具有填充细小空洞、链接邻近物体、在不明显改变物体面积和现状的情况下平滑边界的作用。

B