曹深怡 李笑勉 文心妍 謝子聰 楊浩瀚

（東莞職業(yè)技術(shù)學(xué)院，東莞 523808）

LED芯片在現(xiàn)代工業(yè)生產(chǎn)中應(yīng)用廣泛，如石英晶體、玻璃屏幕及透明膠囊等。電子設(shè)備是人們必不可少的用品，其中電子設(shè)備的重要元器件就是以石英晶體為原料的。但是，在生產(chǎn)過(guò)程中，由于石英晶體本身質(zhì)脆的特質(zhì)，生產(chǎn)的元器件可能會(huì)有刮痕、局部破損等情況。當(dāng)這些情況發(fā)生時(shí)，元件的功能就會(huì)受到影響。比如，晶體震動(dòng)的固有頻率會(huì)發(fā)生改變，從而影響產(chǎn)品的使用效果。所以，在生產(chǎn)過(guò)程中對(duì)元器件的缺陷檢測(cè)必不可少。玻璃制品是另一種重要的LED芯片，廣泛應(yīng)用于各個(gè)領(lǐng)域[1]。尤其是伴隨著電子信息產(chǎn)業(yè)的發(fā)展，它在各類(lèi)電子設(shè)備中得以廣泛應(yīng)用，且隨著設(shè)備性能的提高對(duì)屏幕的要求不斷提高。生產(chǎn)過(guò)程中的劃痕、氣泡或雜質(zhì)等會(huì)影響其美觀及性能，需要工作人員進(jìn)行嚴(yán)格的缺陷檢測(cè)。另外，透明膠囊也是LED芯片在醫(yī)學(xué)領(lǐng)域的一個(gè)重要應(yīng)用，其性能好壞影響藥物的保存及有效性，需要進(jìn)行嚴(yán)格的缺陷檢測(cè)。LED芯片的缺陷檢測(cè)在工業(yè)生產(chǎn)領(lǐng)域具有極其重要的作用。缺陷檢測(cè)技術(shù)在不斷發(fā)展，目前基于圖像處理的檢測(cè)方法最為流行[2]。

1 常見(jiàn)LED芯片及傳統(tǒng)缺陷檢測(cè)方法

1.1 玻璃缺陷檢測(cè)方法及其優(yōu)缺點(diǎn)

玻璃的缺陷檢測(cè)方法有人工視覺(jué)檢測(cè)法、電學(xué)參數(shù)檢測(cè)法和機(jī)器視覺(jué)檢測(cè)法3種，對(duì)比如表1所示[3]。

表1 玻璃平板常見(jiàn)缺陷檢測(cè)方式及其對(duì)比

1.1.1 人工視覺(jué)檢測(cè)法

人工視覺(jué)檢測(cè)法是將玻璃置于強(qiáng)光下，依靠人眼進(jìn)行缺陷識(shí)別。這種方法存在很大的局限性，如人眼的識(shí)別能力有限，受到視力、外界環(huán)境及個(gè)人主觀因素的影響，不能給出完全客觀的結(jié)論。人工視覺(jué)檢測(cè)需要極高的注意力和耐心，對(duì)工人要求高，且易疲勞，不利于工作效率的提高和企業(yè)效益的增加。

1.1.2 電學(xué)參數(shù)檢測(cè)法

該方法依靠傳感器與儀表進(jìn)行缺陷檢測(cè)，但傳感器比較脆弱，容易受到環(huán)境的影響而降低靈敏性，同時(shí)檢測(cè)范圍有限，不能滿足生產(chǎn)需求。

1.1.3 機(jī)器視覺(jué)檢測(cè)法

該方法通過(guò)相應(yīng)的攝影設(shè)備，結(jié)合圖像處理技術(shù)進(jìn)行缺陷檢測(cè)，克服了傳統(tǒng)檢測(cè)中對(duì)環(huán)境要求高、對(duì)人力要求高的缺點(diǎn)，具有高效、準(zhǔn)確的特點(diǎn)[4]。

1.2 石英晶體缺陷檢測(cè)及其優(yōu)缺點(diǎn)

石英晶體的缺陷檢測(cè)方法主要有目視法、明場(chǎng)檢查、暗場(chǎng)檢查、電子束檢測(cè)及數(shù)字圖像處理等。

1.2.1 目視法

最開(kāi)始晶片缺陷的檢查依靠人眼的觀測(cè)，同玻璃檢測(cè)相似。該方法耗時(shí)耗力，且限于人眼的識(shí)別能力，晶體表面存在微小瑕疵及污物無(wú)法識(shí)別。此外，人工操作容易對(duì)脆弱精致的元器件造成損傷。隨著晶體元件的體積不斷減小，人工缺陷檢測(cè)方法不再適用[5]。

1.2.2 暗場(chǎng)檢測(cè)

激光具有很高的能量和很強(qiáng)的方向性，是暗場(chǎng)檢測(cè)使用的光源。在實(shí)際應(yīng)用中，激光的光路不同于檢測(cè)信號(hào)。當(dāng)被檢測(cè)物體有缺陷時(shí)，入射光會(huì)產(chǎn)生散射現(xiàn)象，同時(shí)在暗場(chǎng)屏幕上產(chǎn)生不同的信號(hào)，表現(xiàn)為光亮的差別。這時(shí)通過(guò)探測(cè)器顯示可以發(fā)現(xiàn)缺陷，進(jìn)而進(jìn)行定位和決策。雖然暗場(chǎng)檢測(cè)效率高、成本低，但是精確性不盡人意[6]。

1.2.3 明場(chǎng)檢測(cè)

該方法中可見(jiàn)光或者激光都可以作為入射光。與暗場(chǎng)檢測(cè)不同，該方法中入射光和檢測(cè)信號(hào)通過(guò)同一通道垂直投射在被檢測(cè)元件的表面，如果有缺陷存在，那么明場(chǎng)背景中就會(huì)出現(xiàn)較暗的部分，從而捕捉到缺陷。該方法檢測(cè)缺陷具有很高的準(zhǔn)確性，但是設(shè)備昂貴，檢測(cè)效率有待提升。

1.2.4 電子束檢測(cè)

該方法用到聚焦電子束作為光源，可以發(fā)射出二次電子，通過(guò)相應(yīng)的設(shè)備可以捕捉這些發(fā)射物進(jìn)而進(jìn)行研究分析和決策。該方法不會(huì)受到被檢測(cè)物體色澤、厚薄等的影響，還可以用于微小缺陷的檢測(cè)，因而靈敏性高。但是，它的速度比明場(chǎng)檢測(cè)慢，且成本比前者高。

1.2.5 數(shù)字圖像處理

該方法是信息技術(shù)發(fā)展的產(chǎn)物，是將實(shí)際的圖片信息轉(zhuǎn)化為計(jì)算機(jī)可以處理的數(shù)字信號(hào)進(jìn)行相應(yīng)操作的過(guò)程。最初的圖片處理只是改善畫(huà)質(zhì)，現(xiàn)在已經(jīng)得到極大的發(fā)展，甚至能夠進(jìn)行對(duì)象的識(shí)別與相應(yīng)的匹配。該技術(shù)效率高、成本低、精確性高，已經(jīng)應(yīng)用于生活的方方面面[5]。

1.3 透明膠囊檢測(cè)

1.3.1 人工檢測(cè)

人工檢測(cè)主要通過(guò)人的視力觀察來(lái)發(fā)現(xiàn)膠囊的缺陷，通常稱(chēng)為燈檢。實(shí)際中，膠囊存在尺寸差別、表面污跡、輕微褶皺、擠壓變形以及切口不平整等人眼難以識(shí)別的問(wèn)題。同時(shí)，由于膠囊的產(chǎn)量很大，人工檢測(cè)效率極其低下。在實(shí)際生產(chǎn)中，耗費(fèi)大量人力仍然存在大量漏檢的情況，給藥物安全、衛(wèi)生等帶來(lái)了隱患[7]。

1.3.2 缺陷檢測(cè)機(jī)器

一些大型公司通過(guò)制造自主研發(fā)的缺陷檢測(cè)機(jī)器進(jìn)行缺陷檢測(cè)。實(shí)際應(yīng)用中，機(jī)器成本高，算法不夠精良，出現(xiàn)耗時(shí)耗力的問(wèn)題，不能很好地解決膠囊缺陷檢測(cè)問(wèn)題。

1.3.3 基于圖像處理的視覺(jué)檢測(cè)技術(shù)

該技術(shù)應(yīng)用于膠囊的缺陷檢測(cè)具有重要意義。一方面方法效率高、靈敏性高，在檢測(cè)中標(biāo)準(zhǔn)統(tǒng)一，有利于膠囊的標(biāo)準(zhǔn)化生產(chǎn)；另一方面避免了人工檢測(cè)過(guò)程中由于工作人員接觸而產(chǎn)生的二次污染。此外，由于技術(shù)的進(jìn)步，設(shè)備的費(fèi)用逐漸降低。該方法得以廣泛應(yīng)用，使得膠囊的標(biāo)準(zhǔn)化和批量化生產(chǎn)得以實(shí)現(xiàn)。

通過(guò)以上分析可知，在生產(chǎn)效率和產(chǎn)品標(biāo)準(zhǔn)迅速提高的當(dāng)今社會(huì)，傳統(tǒng)的人工、機(jī)器缺陷檢測(cè)手段已不再適用，而基于圖像處理的缺陷檢測(cè)方法由于高靈敏度、高效率、低成本的特性，在工業(yè)領(lǐng)域得到了廣泛應(yīng)用。

2 基于圖像處理的缺陷檢測(cè)方法原理及應(yīng)用

機(jī)器視覺(jué)技術(shù)的使用克服了人工缺陷檢測(cè)疲勞性的限制，避免了與檢測(cè)物體的直接碰觸，有效提高了安全衛(wèi)生性。另外，隨著技術(shù)的發(fā)展，機(jī)器視覺(jué)技術(shù)辨識(shí)度正在逐漸提高，能夠識(shí)別人眼無(wú)法辨識(shí)的缺陷。

數(shù)字圖像處理是將采集的圖片利用計(jì)算機(jī)轉(zhuǎn)換為其可以識(shí)別的數(shù)字圖片，進(jìn)而利用相應(yīng)的計(jì)算機(jī)程序進(jìn)行圖片修改。數(shù)字圖像處理技術(shù)的興起一方面是對(duì)圖像畫(huà)質(zhì)改進(jìn)的需要，另一方面是為了對(duì)圖像進(jìn)行保存、交流共享與顯示。數(shù)字圖像處理進(jìn)一步擴(kuò)充了其功能，可以進(jìn)行圖像的美化、修改甚至進(jìn)行相關(guān)的識(shí)別匹配等。由于數(shù)字圖像處理方法可以靈活高效地對(duì)圖片進(jìn)行處理和識(shí)別匹配，被應(yīng)用于工業(yè)領(lǐng)域。其中，LED芯片缺陷檢測(cè)就是一個(gè)重要的應(yīng)用。

數(shù)字圖片處理技術(shù)具有強(qiáng)大的功能及很多優(yōu)點(diǎn)，主要表現(xiàn)在以下幾個(gè)方面。

（1）不會(huì)使圖像失真。在模擬圖像操作中很容易使原本的圖像失去原來(lái)的面目，但是數(shù)字圖像處理技術(shù)讀取的是圖片的數(shù)字信息，只要這些信息得以準(zhǔn)確保留，那么任何操作都不會(huì)影響圖片的原貌。

（2）利用數(shù)組存儲(chǔ)圖像信息。圖像數(shù)字化設(shè)備可以將圖片的每個(gè)像素進(jìn)行等級(jí)量化。等級(jí)化越高，得到的圖片越精確，數(shù)組也越大。對(duì)計(jì)算機(jī)而言，數(shù)組的大小并不影響處理速度，因此數(shù)字圖像處理技術(shù)在效率和效果上都遠(yuǎn)遠(yuǎn)超過(guò)模擬處理，且更加經(jīng)濟(jì)。

（3）可用于各種途徑收集到的圖像。傳統(tǒng)的模擬處理只能處理可見(jiàn)光圖像，但數(shù)字圖像處理技術(shù)可以處理各種波譜圖像，如各種醫(yī)學(xué)成像、紅外圖等，也不限制被拍攝物體的尺寸，如從顯微鏡得到的圖片到衛(wèi)星遙感圖像都可以處理。因?yàn)閿?shù)字處理只需要得到這些圖像的數(shù)字編碼，然后對(duì)表示這些圖像的二維數(shù)組進(jìn)行處理即可，所以不管來(lái)源如何，只要能得到圖像的二維數(shù)組信息，這個(gè)方法就能使用。

（4）信息可以進(jìn)行任意的計(jì)算處理。圖像處理中一般需要進(jìn)行圖片修改和內(nèi)容分析進(jìn)而進(jìn)行重現(xiàn)。在光學(xué)處理中，由于只能對(duì)圖片進(jìn)行線性運(yùn)算，因此不能實(shí)現(xiàn)圖片處理，導(dǎo)致相當(dāng)豐富的內(nèi)容不能得到理想的效果。數(shù)字處理利用二維數(shù)組可以實(shí)現(xiàn)一切計(jì)算公式或邏輯關(guān)系可以表達(dá)的各種運(yùn)算和操作，具有極大的靈活性，能夠?qū)崿F(xiàn)更多的功能。

數(shù)字圖像處理信息的廣泛使用與計(jì)算機(jī)編程環(huán)境和編程技術(shù)的發(fā)展息息相關(guān)。OpenCV是一個(gè)開(kāi)放源代碼的視覺(jué)庫(kù)，擁有大量數(shù)字圖片處理源代碼，為圖像處理技術(shù)的使用提供了極大便利[5]。OpenCV是一個(gè)源代碼開(kāi)發(fā)的圖片處理庫(kù)，具有數(shù)字圖片處理的各種強(qiáng)大功能，可以跨平臺(tái)使用。它不僅能對(duì)圖像進(jìn)行相應(yīng)的處理，而且能對(duì)視頻進(jìn)行相應(yīng)的處理。此外，它的各個(gè)類(lèi)型的應(yīng)用程序接口都是存在的，且利用C語(yǔ)言編寫(xiě)，能夠進(jìn)行并行運(yùn)算，執(zhí)行速度快。

數(shù)字圖片處理極高的靈活性及效率，使其廣泛應(yīng)用于生活的方方面面。工業(yè)領(lǐng)域中產(chǎn)品智能檢驗(yàn)減少了人力物力投入，提高了生產(chǎn)效率。軍事領(lǐng)域中，它分析遙感圖像、紅外圖像等來(lái)追蹤敵人、打擊敵方。在民用領(lǐng)域，它可以用于交通管理、醫(yī)學(xué)圖像搜集研究等。在科學(xué)領(lǐng)域，它可以進(jìn)行各種材料分析、生物實(shí)驗(yàn)中進(jìn)行相應(yīng)的分析化驗(yàn)等。

3 基于圖像處理的缺陷檢測(cè)實(shí)現(xiàn)過(guò)程

建立基于圖像處理的LED芯片缺陷檢測(cè)系統(tǒng)，并對(duì)圖像采集、預(yù)處理、圖像分割、特征提取及分類(lèi)決策等過(guò)程及其內(nèi)容進(jìn)行詳細(xì)介紹?；趫D像處理的LED芯片缺陷檢測(cè)系統(tǒng)流程，如圖1所示。

圖1 基于圖像處理的LED芯片缺陷檢測(cè)系統(tǒng)流程圖

3.1 圖像的獲取

設(shè)計(jì)圖像采集系統(tǒng)，包括照明光源的選擇和圖像采集的各個(gè)參數(shù)，對(duì)檢測(cè)對(duì)象進(jìn)行圖像采集。在圖像采集中需要對(duì)照明設(shè)備進(jìn)行合理選取，并設(shè)置各種參數(shù)，得到更加清晰高質(zhì)量的圖片。

LED光源是一種高科技照明設(shè)備，具有很多傳統(tǒng)光源沒(méi)有的特點(diǎn)。第一，節(jié)能性高。LED燈電能轉(zhuǎn)換為光能的效率幾乎為100%，功耗非常低，照明效果遠(yuǎn)遠(yuǎn)好于傳統(tǒng)光源。第二，LED使用壽命長(zhǎng)。由于原料是環(huán)氧樹(shù)，為固體冷光源，因此它克服了傳統(tǒng)光源易發(fā)熱、易損壞的缺點(diǎn)，其使用壽命是傳統(tǒng)光源的10倍多。第三，LED光源可以變換色彩。利用三基色原理，結(jié)合計(jì)算機(jī)控制。它可以產(chǎn)生千萬(wàn)種色彩，以實(shí)現(xiàn)豐富多彩的圖像變換效果，滿足各種色彩燈光的需要。第四，科技含量高。LED等的設(shè)計(jì)和使用融合了計(jì)算機(jī)技術(shù)，利用計(jì)算機(jī)編程可以方便靈活地實(shí)現(xiàn)LED燈的升級(jí)、圖像變換等功能。此外，LED無(wú)論在功能上還是在環(huán)保上都遠(yuǎn)超傳統(tǒng)光源，可以提高所收集圖像的質(zhì)量。

3.2 圖像預(yù)處理

獲取到圖片后，需要將圖片上傳到計(jì)算機(jī)并轉(zhuǎn)換為數(shù)字信息，通過(guò)相應(yīng)的圖片處理程序進(jìn)行圖片的預(yù)處理。圖片的預(yù)處理方法多種多樣，包括圖像的色彩處理、刪減、平滑及提取等。

灰度化圖像是指只有黑白兩色的圖像。顯示器一般使用紅、綠、藍(lán)3色，按照RGB配色準(zhǔn)則表示圖像顏色，如圖2所示。通常將每種顏色分為256個(gè)亮度類(lèi)別，通過(guò)將代表3種顏色亮度的像素點(diǎn)疊合起來(lái)，就可以顯示出這個(gè)像素點(diǎn)所代表的色彩。當(dāng)3種原色分量具有同一亮度時(shí)，原本具有色彩的圖片,會(huì)成為黑白色，即變?yōu)榛叶然瘓D像?；叶葓D像雖然只有黑白兩色，但是仍然具有不同的亮度值。灰度值有0～255共256個(gè)不同的亮度等級(jí)，0表示亮度最小，255表示亮度最大。圖像的灰度化是把原本有色彩的圖利用計(jì)算機(jī)轉(zhuǎn)換為只有黑白兩色的圖。轉(zhuǎn)化中，將3原色分量的亮度按照權(quán)重進(jìn)行疊加，并用它們的加和結(jié)果表示得到圖像的明亮程度即灰度值。通常使用兩種方法得到圖片的灰度值：一是平均值算法，是對(duì)3個(gè)顏色分量進(jìn)行算數(shù)平均值的計(jì)算得到；二是權(quán)重法，即建議一個(gè)重要性標(biāo)準(zhǔn)，并分別給3個(gè)分量一個(gè)重要度的評(píng)價(jià)，進(jìn)而通過(guò)加權(quán)計(jì)算得到灰度值。

圖2 RGB顏色模型示意圖

腐蝕是將圖片變小的過(guò)程，常用來(lái)處理圖片中某些不需要或者不想要的部分。據(jù)研究，LED芯片圖片中有缺陷的部分會(huì)比沒(méi)有缺陷的部分顏色深，且灰塵等雜質(zhì)很微小，因此可以通過(guò)這個(gè)功能可以除去這些受雜質(zhì)污染的缺陷部分。

膨脹是一個(gè)與腐蝕功能相反的過(guò)程，即擴(kuò)大圖像。這個(gè)功能能夠?qū)⑿枰膶?duì)象變大，進(jìn)而有利于補(bǔ)充目標(biāo)中的空洞。

對(duì)于區(qū)域A和區(qū)域B，首先利用B對(duì)A進(jìn)行腐蝕處理，得到處理結(jié)果后再對(duì)B實(shí)施膨脹措施，這個(gè)過(guò)程叫做開(kāi)運(yùn)算。這個(gè)功能可以通過(guò)把小一些的突出刪掉，使計(jì)算機(jī)得到邊緣平滑的圖片，同時(shí)可以將有狹窄連接的部分?jǐn)嚅_(kāi)。

圖像中存在的噪聲可以通過(guò)過(guò)濾的方法處理，原理是圖片的平滑濾波。圖片平滑濾波分很多種，根據(jù)原理的差別，可以分為空間域平滑濾波和頻率域平滑濾波兩個(gè)方法。

圖像邊緣對(duì)圖像處理具有重要作用，而幅度和方向是體現(xiàn)邊緣特性的兩個(gè)重要參數(shù)。研究發(fā)現(xiàn)，在邊緣垂直方向上的點(diǎn)具有的灰度與邊緣部分有很大差異。利用這個(gè)突變，可以通過(guò)微分的方法對(duì)LED芯片檢測(cè)圖像進(jìn)行邊緣的獲取。

圖像中相互連通的區(qū)域邊緣上所有像素點(diǎn)集合起來(lái)即輪廓，一般是一條封閉的曲線。在圖像處理技術(shù)中，一般采用二值圖像輪廓跟蹤技術(shù)提取輪廓，然后針對(duì)性地對(duì)輪廓內(nèi)的連通域進(jìn)行進(jìn)一步的操作，如填充所選定的區(qū)域、對(duì)特定的對(duì)象進(jìn)行特征提取等。在輪廓追蹤中，常見(jiàn)的方法有鏈碼和傅里葉描述等。前者使用比較普遍，可以將矢量線段即具有長(zhǎng)度和方向的線按照一定的順序連接起來(lái)，從而得到圖像的輪廓即邊界線。

3.3 圖像的分割

這一階段主要是從圖片中將每個(gè)物體識(shí)別出來(lái)，且將這些識(shí)別的物體從圖片中分割?？梢?jiàn)，這是一個(gè)獲取信息的過(guò)程，可以識(shí)別檢測(cè)對(duì)象中存在的缺陷，并且將其分離出來(lái)，為后續(xù)缺陷的識(shí)別分類(lèi)奠定基礎(chǔ)。

3.4 特征的提取

這一階段將定義一些特征量或特征函數(shù)，進(jìn)而提取缺陷的特征。定義中選擇對(duì)象可以度量的重要特征建立相應(yīng)的度量法則。根據(jù)度量法則，可以實(shí)現(xiàn)對(duì)物體各方面特征的量化估計(jì)，從而區(qū)分出缺陷對(duì)象。在特征抽取中，不同的識(shí)別對(duì)象有不同的特征。對(duì)于檢測(cè)對(duì)象可以建立一個(gè)特征向量，該向量中各個(gè)分量對(duì)應(yīng)一個(gè)特征，將所有特征集合在一起就可以代表研究對(duì)象的全部特征信息。不同的對(duì)象提取特征時(shí)側(cè)重點(diǎn)不同。一般圖像特征包括3個(gè)方面——圖形的幾何特征（包括圖像中目標(biāo)的位置和方向、周長(zhǎng)和面積等）、對(duì)象的形狀特征（包括矩形度、圓形度等）和圖像的紋理特征（包括裂紋、缺損等）。

3.5 分類(lèi)決策

在特征提取進(jìn)行匹配后，可以將對(duì)應(yīng)的物體進(jìn)行歸類(lèi)和判定。通過(guò)對(duì)LED芯片提取圖像進(jìn)行特征提取，進(jìn)而與已經(jīng)建立的物體向量庫(kù)進(jìn)行對(duì)比和識(shí)別。歸類(lèi)主要依據(jù)缺陷特征如氣泡大小、裂痕位置大小形狀延伸長(zhǎng)度等來(lái)判斷產(chǎn)品的殘次等級(jí)等。

4 基于圖像處理的缺陷檢測(cè)實(shí)例應(yīng)用

以LED芯片為例，對(duì)基于圖像處理的LED芯片檢測(cè)過(guò)程進(jìn)行實(shí)驗(yàn)研究。首先讀取并顯示圖像，其次進(jìn)行圖像平滑，再次進(jìn)行圖像二值化、邊緣檢測(cè)，最后進(jìn)行模板匹配與決策。

4.1 圖像去噪

為了使圖像細(xì)節(jié)更加清晰，并實(shí)現(xiàn)對(duì)噪聲的清除，本文選取中值濾波算法。在含奇數(shù)點(diǎn)的平面窗口中，中心點(diǎn)灰度值用各點(diǎn)中值代替。二維中值濾波輸出為：

式中：f(x,y)為平滑前的函數(shù)；g(x,y)為平滑后的函數(shù)。以處理對(duì)象為中心，選一個(gè)合適大小和形狀的區(qū)域進(jìn)行數(shù)值的排序，中值就是所求的數(shù)。

灰度矩陣為：

按照同樣的方法處理其他目標(biāo)，就能完成去噪過(guò)程。函數(shù)程序如下：

void cvSmooth(const CvArr*src,CvArr*dst,int smoothtypes=CV_MEDIAN,int param1=3,int param2=0;double param3=0,double param4=0)

例如，LED芯片圖像經(jīng)過(guò)光滑處理后的圖像如圖3所示。

圖3 濾波處理后LED芯片圖像

4.2 閾值分割

通過(guò)設(shè)置一定的閾值，將目標(biāo)區(qū)域與背景區(qū)域區(qū)分開(kāi)，以便以后有目的性地對(duì)某些區(qū)域進(jìn)行處理。用一定的方法尋找一個(gè)分界值，將圖像分為兩部分[8]：

規(guī)定函數(shù)上半段為黑色，下半段為白色，得到二值化的圖片，如圖4所示。

圖4 二值化處理后LED芯片圖像

4.3 邊緣檢測(cè)

邊緣檢測(cè)方法有很多。由于Canny算子具有檢測(cè)準(zhǔn)確性高、誤檢率低、邊緣重復(fù)率低的優(yōu)點(diǎn)，因此本文選用該方法，算法程序如下：

void cbCanny(const CvArr*image,CvArr*edges,double threshold1,double threshold2,int aperture_size=3)

通過(guò)該方法得到的邊界拾取圖像如圖5所示。

圖5 邊緣檢測(cè)后的LED芯片圖像

4.4 模板匹配

得到邊緣檢測(cè)圖像后，可以進(jìn)行模板的對(duì)比和缺陷的匹配工作。實(shí)現(xiàn)的過(guò)程中，需要將檢測(cè)邊緣圖像與標(biāo)準(zhǔn)圖像進(jìn)行對(duì)比，程序如下：

double cvMatchShapes(const void*object1,const void*object2,int method,double parameter=0);

程序中的參數(shù)依次為檢測(cè)邊界、標(biāo)準(zhǔn)模板、對(duì)比方法及參數(shù)。運(yùn)行后，返回參數(shù)值如果為0，即為完全匹配；小于0.1，為合格；超過(guò)0.1，視為存在影響功能的瑕疵，不合格。通過(guò)實(shí)驗(yàn)對(duì)比得到返回值為3.456 12，表明所檢驗(yàn)的對(duì)象存在瑕疵不合格。實(shí)際觀察也是如此，因此實(shí)驗(yàn)結(jié)果令人滿意。

5 結(jié)語(yǔ)

數(shù)字圖像處理技術(shù)在LED芯片缺陷檢測(cè)領(lǐng)域發(fā)揮了重要作用。本文通過(guò)對(duì)比傳統(tǒng)LED芯片缺陷檢測(cè)手段與數(shù)字圖片處理技術(shù)檢測(cè)方法的優(yōu)缺點(diǎn)，突出了該方法的優(yōu)越性，并介紹了數(shù)字處理技術(shù)的原理應(yīng)用特點(diǎn)及應(yīng)用領(lǐng)域，進(jìn)一步建立了基于圖像處理的LED芯片缺陷檢測(cè)系統(tǒng)，對(duì)系統(tǒng)的流程進(jìn)行了詳細(xì)闡述，包括圖像采集、預(yù)處理、圖像分割、特征提取、最終的決策及對(duì)透明晶片缺陷檢驗(yàn)的實(shí)驗(yàn)，表明該方法可靠高效。本文研究可以為基于圖像處理的LED芯片缺陷檢測(cè)工作提供系統(tǒng)指導(dǎo)，對(duì)LED芯片檢測(cè)工作提高效率、降低人工成本具有重要意義。