球栅阵列芯片图像边缘提取方法研究

李克新，王金聪，宋文龙

(东北林业大学机电工程学院，哈尔滨 150040)

20世纪80年代后期以来，随着计算机技术的飞速发展和普及，设备的运行效率在不断提高，集成电路由原来的高密度转向多针和小型化的方向发展，双列直插器件也逐渐由封装更为科学的表面贴装器件所代替，相应的电子SMT技术也得到了发展，该技术包括组件，组装设备，焊接和组装配套材料。SMT器件组装技术是20世纪80年新兴的更为科学的一种封装技术，这种封装技术被认为是在电子组装技术领域的一场革命［1］。

在BGA集成电路的视觉定位系统中，边缘提取是图像处理的第一个环节也是最重要的一个环节。边缘提取可以将芯片引脚图像从背景中分离开，为下一步的定位以及识别做前提准备。作为图像特征中一个非常重要的因素，边缘在很大程度上应用于人类判别物体。处理图像过程中，对边缘进行检测的重要意义是确保留下有关物体边界有用的基本结构信息，进而降低处理的数据量，从而使图像的分析过程得到进一步地简化。作为视觉图像中最基本的特征，边缘除了包括两个视觉图像区域的交叉外，其中也包括视觉图像两个区域属性发生突变的地方，因为此处汇集了视觉图像的信息，最关键的是此处也是视觉图像模糊性最大的地方［2］。由此看来，在BGA视觉系统的初级处理中，图像的边缘提取起着举足轻重的作用，即边缘提取的好坏直接决定定位系统的精度，本文首先介绍了传统的边缘提取方法，然后重点介绍基于蛇模型的BGA图像边缘提取方法，并针对BGA图像特点对其进行了改进［3］。

1 基于经典算子的BGA图像边缘提取

经典边缘算子是以微分算子作为基础准则构成的梯度算子。一般比较常用的梯度算子有Roberts算子、Prewitt算子、Sobel算子、Laplace算子等［4］。

1.1 Roberts算子

一般来讲，以局部差分算子作为边缘寻找准则是Roberts算子常用的方法，运用近似梯度幅值对视觉图像的边缘进行检测和识别。g(x，y)=，其中f(x，y)，f(x+1，y+1)，f(x+1)，f(x，y+1)分别为4邻域坐标，且是具有整数像素坐标的输入图像。

1.2 Sobel算子

索贝尔算子(Sobel Operator)是图像处理中的算子之一，主要用作边缘检测。在技术上，它是一离散性差分算子，用来运算图像亮度函数的梯度之近似值。它由下式给出:S=(dx2+dy2)2。在图像处理中，每个点都严格采用两个核做卷积运算，在两个核中，垂直边缘受一个核会的响应很大，另外水平边缘受另一个核的响应也较大，而这两个核卷积的最大值便是输出位。这种算子是基于加权点灰度像素周围相邻的极端值的边缘检测，可以平滑噪声，使得边缘方向信息准确性得到进一步的提高。从中可以看出:定位边缘精度不够高是本算子处理图像边缘的缺陷，因此若是在不要求精度的情况下，此边缘检测方法较为常用。

1.3 Prewitt算子

Prewitt算子则是运用像素邻近点的灰度差找其中的极大值的原理 (在边缘处达到最大)检测出边缘。Prewitt算子首先通过加权平滑对图像进行处理，补充一点的是:处理时，选择不同的权值贯穿在整个平滑过程中，接着再进行微分运算，以此来获得抵抗噪声的效果。同图像的边缘相类似，噪声是高频分量，经过微分运算后，图像中的噪声也就自然而然地增强了，于是把噪声误认为边缘具有一定的可能性，进而导致检测出较粗的边缘，影响到检测的精度［5］。

1.4 Laplace算子

利用经典算子对BGA芯片图像边缘提取的实验结果，如图1所示。

图1 边缘提取算法提取后的图像(a)BGA原图;(b)Robert算子提取的BGA边缘图;(c)Prewitt算子提取的BGA边缘图;(d)Sobel算子提取的BGA边缘图;(e)Laplace算子提取的BGA边缘图Fig.1 The image after applying edge extraction algorithm(a)the artwork of the BGA．(b)the BGA edge map by Robert operator．(c)the BGA edge map by Prewitt operator．(d)the BGA edge map by Sobel operator．(e)the BGA edge map by Laplace operator．

从图1中知道，检测出的边缘较稳定应属Sobel算子和Prewitt算子，但输出的边缘比较宽，边缘定位不好［6］。Laplace算子边缘定位精度较好，能检测出绝大部分边缘但也存在虚假边缘，边缘不连续，在实际应用中很少单独使用，往往和其他算子组合起来应用。针对上述实验的经典边缘提取算子，计算简单、速度较快是它们的优势，普遍存在的不足是对噪声的干扰都比较敏感，这也从另一方便导致了检测出的图像存在较多的假边缘，同时增加了真边缘丢失，也降低了抗噪性能。

2 基于蛇模型BGA图像边缘处理

2.1 传统蛇模型基本原理

蛇模型指的是表征拟合误差的“能量”为最小化的曲线，基本原理可以定义如下:对于每一个拟合目标，假设有一个待选集，所定义能量函数要使得相关联于待选集中每一条曲线。

设v(s)={x(s)，y(s)}为活动曲线，s∈ ［0，1］是弧长，能量函数如下:

式中:Eint(v(s))=(α(s)|v′(s)|2+β(s)|v″(s)|2)/2是内部能量函数，控制参数α控制的是参数曲线的弹性，控制参数β控制的是参数曲线的刚性，v′(s)和v″(s)分别为v(s)对s的一、二阶导数。外部能量函数是Eext(v(s)):

BGA原始图像如图2所示，传统蛇模型处理的BGA图像如图3所示。

图2 BGA原始图像Fig.2 The original image of the BGA

图3 传统蛇模型处理的BGA图像Fig.3 The BGA image processed by traditional snake model

从图3可知:传统蛇模型尽管相对的稳定和简易，但如实验数据显示仍存在一定的问题:初始轮廓敏感性相对来说较明显，另外对于全局极值，蛇模型不一定收敛其中，并且收敛速度太慢，收敛数不稳定。

2.2 改进的气球蛇模型

针对传统蛇模型存在的对初始轮廓太过于敏感的问题，Cochen等首次提出了“气球”模型，为了确保轮廓线向目标靠拢就额外施加另一外部约束力在轮廓线上。于是，在此外力的作用下，不断向外膨胀的轮廓线最终渐变成目标轮廓，此力可称之为气球力。

在基本snake模型中，离散化的数值求解过程的复杂性往往是造成问题存在的因素，外力Fext的方向就是能量Eext的最速下降方向，而迭代步长正比于Eext的梯度绝对值，一旦轮廓线轻易地越过平衡点就说明了步长过大，便导致了无法收敛到物体边界［7］。为了解决这个问题，Cochen等提出归一化外部力，于是便可以忽略由噪声产生梯度最大值的孤立点，将其综合在一起得出:

式中:n(s)是轮廓线上控制点;v(s)的单位法向量;k1是膨胀力的幅值，取正、负值就可以使轮廓线具有伸缩行为能力，一般k1≈k2。

利用改建的气球蛇模型处理的BGA图像如图4所示。

图4 Balloon snake模型处理的BGA图像Fig.4 The BGA image processed by the balloon snake model

4 结束语

作为近几十年来视觉图像领域的研究热点，蛇模型是的提出从很大程度上促进了视觉图像处理等相关领域地发展。本文首先介绍了几种种经典算子提取边缘的算法的原理，并将之应用于BGA引脚图像的边缘提取，并对几种算法进行了分析;最后确定针对BGA基于蛇模型理论的边缘提取算法。通过在实验数据处理中分析可得:计算简单、速度较快是传统边缘提取算子的优势，普遍存在的不足是对噪声的干扰都比较敏感。往往由于存在图像噪声，在实际应用过程中要不断对传统的算法进行改善或将其与其他一些算法进行不同程度的结合来处理视觉图像。改进的balloon snake提取算法的图像处理方法，大大地降低了对噪声敏感性，提高了边缘判定准确性，在不遗漏真边缘的同时最大程度的不引入伪边缘，具有一定的抗噪声能力，速度快，效果好，抗干扰性强。

【参 考 文 献】

［1］谢恩桓．新世纪IC封装的回顾和发展趋势展望［J］．电子与封装，2003，3(4):1 －5．

［2］Ruyten W．Subpixel localization of synthetic references in digital images by use of an augmented template［J］．Optical Engineering，2002，41(3):601-607．

［3］王立成．面阵列芯片封装设备中的视觉定位技术［D］．武汉:华中科技大学，2004．

［4］侯卫萍，王立海．数学形态学与Canny算子在木材腐杉图像特征提取中应用［J］．森林工程，2011，27(2):28 －31．

［5］Cass T A．Polynomial-time geometric matching for object recognition［J］．International Journal of Computer Vision，1997，21(1-2):37-61．

［6］Hiroi T，et al．Precise visual inspection for LSI wafer patterns using sub-pixel Image alignment［A］．Proc．Of the Second IEEE Workshop on Applications of Computer Vision［C］，Florida，1994:26-34．

［7］曹远星，董育宁．蛇模型综述［J］．信息技术，2003，3(4):46－49．