閾值分割實質是對每一個象素點確定一個閾值，根據閾值決定當前象素是前景還是背景點，這種方法簡單、計算量小、速度快、統計準確，可以適時獲取圖像的閾值，PCB圖像分割的效果非常好，圖像分割以后，保證了目標圖形的完好無損，圖象增強之后，使的開路和短路更加清晰、突出，為以后的圖像處理做好了充分的準備工作。
算法理論
自適應閾值分割算法：
（1）將圖像分成4個子圖像；
（2）計算每個字圖像的均值；
（3）根據均值設置閾值，閾值只應用在對應的子圖像；
（4）根據閾值，對每個子塊進行分割。
此算法中，將均值作為子塊的閾值。
印刷電路板的灰度分布特征，如圖1所示，其具有以下特征：
（1）具有明顯的背景峰值和目標峰值；
（2）兩個峰值距離較遠，而且其間灰度值基本相等，沒有明顯的波谷；
（3）背景象素點和目標象素點的灰度變化具有連續性，目標邊界的灰度是漸變的，不是突變的，如下圖所示。
經實踐證明，文獻[1]中的算法不適合印刷電路板，分割的效果也不是很好，因為平均灰度不一定是直方圖的波谷，而且在PCB的直方圖中有很大一部分平坦的區域，甚至為0的灰度級，尋找極小值點比較困難，為了對PCB圖像進行準確的分割，需要尋找另外一種有效的方法，注意到，平均灰度值點是在兩個峰值之間（即，平均灰度值在背景灰度值和目標灰度值之間），而且靠近于波谷，所以考慮在其領域內尋找極小值點。 為了分割PCB的目標圖像，可以先確定出直方圖的目標峰，再確定極小值點，然后可以找出背景峰，將極小值點作為分割閾值，在目標峰和背景峰附近選擇一個灰度值，分別作為開路、短路增強的閾值，在PCB圖像中，但有時目標比較稀疏，但有時比較密集。尋找整個直方圖的最大值點比較簡單，但是如何確定這個峰值是背景峰還是目標峰，成為問題的關鍵。
對于一般的PCB圖像，其目標（銅線）表現為高灰度，背景表現為低灰度，以下討論一種可行的閾值搜索方法，如圖2所示。
（1）找出最大的一個峰值所對應的灰度值。在全灰度區間[0，255]找出f（H）的最大值，其對應值即為H；
（2）計算圖像的平均灰度：
（3）確定是背景峰還是目標峰：
如果H<Hawe，平均灰度在最大值點的右側，表明H是背景峰值，記為Hb；
如果H<Hawe，平均灰度在最大值點的左側，表明H是目標峰值，記為Hf。
（4）選取極小值點，在平均值點的30鄰域內，尋找極小值，其對應值即為Hmin。
注：鄰域的大小可以根據實際情況自行選定。
（5）確定的第二個峰值點：
如果（3）中找到只是背景峰值Hb，那么在灰度區間[Hmin，255）找出f（H）的最小值，其對應值即為目標峰值點Hf；
如果（3）中找到的是目標峰值Hf，那么在灰度區間[0，Hmin]找出f（H）的最小值，其對應值即為背景峰值點Hb；
（6）以Hmin為閾值，進行圖像分割；
在背景峰值Hb右側附近找出一個灰度級（一般為Hb+10），進行短路增強；
在目標峰值Hf左側附近找出一個灰度級（一般為Hf-10）進行開路增強。
注：本算法特別適用于直方圖的連續的圖像，對于不連續的直方圖，可以先進行臨近插值，將直方圖轉換成連續圖形，即可采用上述方法來確定閾值。
實驗結果
當圖像存在噪聲時，通常采取兩種做法：
（1）先濾波再做二值化處理，這樣原圖像將丟失大量的邊緣細節信息，使得統計結果不夠準確；
（2）不處理，但這樣又會使圖像中存在許多細小的噪聲，同樣統計結果也不夠準確。
為了保證統計結果的準確性，既不要由于濾波的影響，而使圖像的某些邊緣丟失，線寬減小，又不可將那些噪聲點誤當成線條而統計進來，可以采用先二值化再去除噪聲的方法。
上一篇：酸性蝕刻的常識介紹
下一篇異方性導電膠膜常識介紹
溫馨提示：
凡在本公司進行電路板克隆業務的客戶，必須有合法的PCB設計版權來源聲明，以保護原創PCB設計版權所有者的合法權益；