1 贴片机视觉系统构成及实现原理  
    贴片机视觉系统一般由两类CCD摄像机组成。其一是安装在吸头上并随之作x－y方向移动的基准（MARK）摄像机，它通过拍摄PCB上的基准点来确定PCB板在系统坐标系中的坐标；其二是检测对中摄像机，用来获取元件中心相对于吸嘴中心的偏差值和元件相对于应贴装位置的转角θ。最后通过摄像机之间的坐标变换找出元件与贴装位置之间的精确差值，完成贴装任务。 


1.1 系统的基本组成 
    视觉系统的由三台相互独立的CCD成像单元、光源、图像采集卡、图像处理专用计算机、主控计算机系统等单元组成，为了提高视觉系统的精度和速度，把检测对中像机设计成为针对小型Chip元件的低分辨力摄像机CCD1和针对大型IC的高分辨力摄像机CCD2，CCD3为MARK点搜寻摄像机。当吸嘴中心到达检测对中像机的视野中心位置时发出触发信号获取图像，在触发的同时对应光源闪亮一次。 


1.2 系统各坐标系的关系 
    为了能够精确的找出待贴元件与目标位置之间的实际偏差，必须对景物、CCD摄像机、CCD成像平面和显示屏上像素坐标之间的关系进行分析，以便将显示屏幕像素坐标系的点与场景坐标系中的点联系起来；并通过图像处理软件分析计算出待贴元件中心相对于吸嘴中心的偏差值。 

    对于单台摄像机，针孔模型是适合于很多计算机视觉应用的最简单的近似模型[3]。摄像机完成的是从3D射影空间P3到2D射影空间P2的线性变换，其几何关系定义如下4个坐标系统： 
    （1）欧氏场景坐标系（下标为w）：原点在OW，点X和U用场景坐标系来表示。 
    （2）欧氏摄像机坐标系（下标为c），原点在焦点C＝Oc，坐标轴Zc与光轴重合并指向图像平面外。在场景坐标系和摄像机坐标系之间存在着唯一的关系，可以通过一个平移t和一个旋转R构成的欧氏变换将场景坐标系转化为摄像机坐标。其关系如式（1）所示： 

    （3）欧氏图像坐标系（下标为i），坐标轴与摄像机坐标系一致，Xi和Yi位于图像平面上，Oi像素坐标系的坐标为（xp0，yp0）。 
    （4）像素坐标系（下标为P），它是图像处理过程中使用的坐标系。在本系统中与欧氏图像坐标系方向相同，但原点坐标不同，尺度不同。 
    场景点Xc投影到图像平面π上是点Uc（uc，vc，-f）。通过相似三角形来可以导出它们之间的坐标关系： 

    由于视野小，采用的镜头畸变非常低，可将Uc直接简化为等于欧氏图像坐标系下的坐标，让uc＝ui，vc＝vi，而ui＝（up－xp0）δ， vi＝（vp－yp0）δ，δ为单个像素的大小。 
这样可以得到欧氏场景坐标系和欧氏图像坐标系之间的映射关系： 


    由于在该系统中各摄像机之间是相互独立的，所以各路成像出来的坐标都可以转换为同一场景坐标下的坐标。 


1.3 系统实现原理 
    贴片机视觉系统工作原理,当一块新的待贴装PCB板通过送板机构传送到指定位置固定起来，安装在贴片头上的基准摄像机CCD3在相应的区域通过图像识别算法搜寻出MARK点，并通过（3）式计算出其在欧氏场景坐标系中的坐标。接下来将相应的元器件应贴装的位置数据送给主控计算机。利用对中检测摄像机（CCD1，CCD2）对元器件检测，得到其在显示屏幕坐标系下的坐标及转角值，再通过（3）式转换为场景坐标系下的坐标，与目标位置比较，得到贴装头应移动的位置和转角。 


2 图像处理 
2.1 图像预处理 
    图像预处理的目的是改善图像数据，抑制不需要的变形或者增强某些对于后续处理重要的图像特征。由于SMT生产现场的非洁净因素造成CCD镜头上的尘埃等，易给图像带来较大的外界噪声。另外，图像的采集过程中也不可避免地引入了来自光路扰动、系统电路失真等噪声。因此，对图像进行预处理以消除这些噪声的影响是非常必要的。 

    对噪声平滑方法主要的要求是：既能有效地减少噪声，又不致引起边缘轮廓的模糊，同时还要求运算速度快。常规的方法有高斯滤波、均值滤波、Lee滤波、中值滤波、边缘保持滤波等。 

    中值滤波是一种较少边缘模糊的非线性平滑方法，它的基本思想是用邻域中亮度的中值代替图像的当前点，是一种能够在去除脉冲噪声、椒盐噪声的同时又能保留图像边缘细节的平滑方法。并且由于中值滤波不会明显的模糊边缘，因此可以迭代使用。显然，在每个像素上都要对一个矩阵（通常是3×3）内部的所有像素进行排序，这样开销会很大。一个更有效的算法[4]（由T S Huang等人提出）是注意到当窗口沿着行移动一列时，窗口内容的变化只是丢掉了最左边的列而取代为在右侧的一个新的列。对于m行n列的中值窗口，m×n－2×m个像素没有变化，并不需要重新排序，具体的算法为： 
    （1）设置th＝mn/2；
    （2）将窗口移至一个新的行的开始，对其内容排序，建立窗口像素的直方图H，确定其中值Med，记下亮度等于或小于Med的像素数目LMed；
    （3）对于最左列亮度是Pg的每个像素P做：H[Pg]＝H[Pg]－1； 
    （4）将窗口右移一列，对于最右列亮度是Pg的每个像素P做：H[Pg]＝H[Pg]＋1，如果Pg＜Med，置LMed＝LEed＋1；
    （5）如果LMed＞th 侧转（6），重复 LMed＝LMed＋H[Med] Med＝Med＋1直到LMed≥th，则转      （7）； 
   （6）重复Med＝Med－1，LMed＝LMed－H[Med]直到LMed≤th； 
   （7）如果窗口的右侧列不是图像的右边界转（3）；
    （8）如果窗口的底行不是图像的下边界转（2）；

2.2 图像分割 
    阈值法是一种传统的图像分割方法，因其实现简单、计算量小、性能较稳定而成为图像分割中最基本和应用最广泛的分割技术，已被应用于很多的领域。在这些应用中，分割是对图像进一步分析、识别的前提，分割的准确性直接影响后续任务的有效性，其中阈值的选取是图像阈值分割方法中的关键技术。 

    由Otsu于1978年提出的最大类间方差法[5]以其计算简单、稳定有效，一直广为使用。从模式识别的角度看，最佳阈值应当产生最佳的目标类与背景类的分离性能，此性能用类别方差来表征，为此引入类内方差σ2W、类间方差σ2B和总体方差σ2T ,并定义3个等效的准则测量：

    鉴于计算量的考虑，一般通过优化第三个准则获取阈值。在实际运用中，使用以下简化计算公式： 

    其中：σ2为两类间最大方差，WA为A类概率，μa为A类平均灰度，WB为B类概率，μb为B类平均灰度，μ为图像总体平均灰度。 

    即阈值T将图像分成A、B两部分，使得两类总方差σ2（T）取最大值的T，即为最佳分割阈值。 

2.3 图像识别定位 
    区域的矩表示把一个归一化的灰度级图像函数理解为一个二维随机变量的概率密度。这个随机变量的属性可以用统计特征--矩（Moment）[6]来描述。通过假设非零的像素值表示区域，矩可以用于二值或灰度的区域描述。数字图像的（p＋q）阶矩可以通过下式来计算：

    其中 i，j是区域点的像素坐标，f（i，j）是图像区域的灰度值。那么图像区域的质心（对二值化后图形区域即为中心）的坐标可以通过下面的关系来得到。

    Chip元件的长宽比2：1，因此二值化后的区域是细长的，定义区域的方向为最小外接矩形的最长边方向。根据图像中心矩可以通过下式来计算区域方向。 

其中： 


2.4 实验结果 
     针对本文提出的贴片视觉系统Chip元件对中校准图像处理方法，在VC＋＋6.0环境下进行了实验，表1是对0402的片式元件在同一位置下，不同光照的4次仿真试验结果，可以看出图像处理取得了满意的结果，误差范围在允许范围内，图像处理的时间在100ms以内，能够满足贴片机对实时性的要求。