CN107749059A - 一种基于连通域识别的电子元器件自动计数方法 - Google Patents
一种基于连通域识别的电子元器件自动计数方法 Download PDFInfo
- Publication number
- CN107749059A CN107749059A CN201711093838.XA CN201711093838A CN107749059A CN 107749059 A CN107749059 A CN 107749059A CN 201711093838 A CN201711093838 A CN 201711093838A CN 107749059 A CN107749059 A CN 107749059A
- Authority
- CN
- China
- Prior art keywords
- image
- connected domain
- component
- electronic component
- count
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06M—COUNTING MECHANISMS; COUNTING OF OBJECTS NOT OTHERWISE PROVIDED FOR
- G06M11/00—Counting of objects distributed at random, e.g. on a surface
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20036—Morphological image processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30148—Semiconductor; IC; Wafer
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30242—Counting objects in image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于连通域识别的电子元器件自动计数方法,通过使用MATLAB处理包含器件数量的图片的方式,将器件转化为图片中的连通域,通过计数连通域的个数,从而确定待计数器件的个数,步骤包括:图像采集、二值化处理、孔洞填充处理、形态学开运算边缘处理、形态学腐蚀处理、形态学开运算连通域扩张处理、连通域标记,并计数,计数输出即得需要统计的元器件的个数,该方法导入图像后一键启动输出结果,效率高,计数结果准确,解决了现有技术人工计数效率低、劳动强度大和计数结果不准确的问题。
Description
技术领域
本发明涉及一种基于连通域识别的电子元器件自动计数方法,属于自动计数领域,主要用于散装电子元器件的计数。
背景技术
在电子元器件生产企业和电子元器件检测行业中,需要对生产或者筛选测试的电子元器件进行计数统计。在实际的工作中,大多数是通过人工计数的方法进行,但人工计数任务量大,特别是对于微小的元器件,如器件尺寸为毫米量级的,计数过程中因注意力不集中或者人眼长期工作产生疲劳,从而导致计数出现错误,影响交付的合格总数。而在生产和筛选测试时规定了送筛的元器件的数量必须准确,因此,需要一种准确率能够达到100%的自动计数方法,避免人为计数的误差导致筛选器件的数量出现错误。
发明内容
本发明要解决的技术问题是:一种基于连通域识别的电子元器件自动计数方法,对计数元件图像采集、图像处理,最后采用计数连通域的原理对电子元器件进行计数,以解决人工技术方法效率低、计数不准确、劳动强度大的问题。
本发明的技术方案是:一种基于连通域识别的电子元器件自动计数方法,它包括以下步骤:
第一,将需要计数的电子元器件进行图像采集;
第二,对采集到的图像进行二值化处理,将图像上的像素点的灰度值设置为0或255,使图像呈现出明显的黑白效果;
第三,通过形态学膨胀的方法对二值化处理的图像进行孔洞填充处理;
第四,形态学开运算对孔洞填充后的图像进行边缘处理;
第五,通过形态学腐蚀的方法对粘连的器件进行分离;
第六,经过形态学腐蚀后,元器件形成的连通域边缘可能形成像素颗粒,采用形态学开运算,使连通域向外扩张,使独立的像素点包含到连通域中,以去除影响计数的干扰颗粒,到此,图像处理完毕;
第七,对处理完毕的图像中的连通域标记,并计数,计数结果输出,即得需要统计的元器件的个数。
在第一步骤中,采集图像时元器件分散放置,相邻两个元器件粘叠面积小于等于单一元器件上表面面积的20%,可以在第五步骤中通过形态学腐蚀的方法对粘连的器件进行分离。去除粘连腐蚀是一种消除边界点,使边界向内部收缩的过程,可以用来消除小且无意义的物体,如果超过了20%,形态学腐蚀的方法将不能粘连的元器件进行分离,导致粘连的多个元器件计数比实际值少,影响计数精度。
在第一步骤中,将元器件置于与元器件本身颜色有一定色差的背景色底布上,保证后续程序的图像处理对元器件的识别度。
第一步骤至第七步骤为程序一键式,即导入图片,启动程序,立刻输出计数结果,其一键式程序如下:依次启动二值化处理模块、形态学膨胀孔洞填充模块、形态学开运算边缘处理模块、形态学腐蚀模块、形态学开运算去除干扰模块、目标标记模块、计数模块和结果输出模块。
在第二步骤中,二值化处理主要包括去除不均匀背景、调节灰度对比度和灰度图像二值化过程。
在第三步骤中,由于元器件上的标识等颜色的差异,导致二值化后的图像在颜色差异处出现孔洞的现象,不能满足连通域方法计数的要求。通过形态学膨胀的方法对二值化处理的图像进行孔洞填充处理。
在第四步骤中,孔洞已经消失,图像边缘像素点可能出现毛刺、尖锐夹角等形态,采用形态学开运算,使其边缘变得圆润光滑。
在第六步骤中,经过形态学腐蚀后,元器件形成的连通域边缘可能形成像素颗粒,采用形态学开运算,使连通域向外扩张,使独立的像素点包含到连通域中,以去除影响计数的干扰颗粒。
通过对图像中包含的连通域进行标记并计数,则可以计算出原始图像中元器件的个数。
第一步骤至第七步骤为一键式程序实现,即导入图片,启动程序,立刻输出计数结果,其一键式程序如下:依次启动二值化处理模块、形态学膨胀孔洞填充模块、形态学开运算边缘处理模块、形态学腐蚀模块、形态学开运算去除干扰模块、目标标记模块、计数模块和结果输出模块。
本发明的有益效果是:一种基于连通域识别的电子元器件自动计数方法,相比人工计数的现有技术,本发明提出的计数方法能够快速、精确地进行计数,从而极大提高元器件计数的效率和准确性。
附图说明
图1是本发明的逻辑流程图;
图2是本发明实施例的二值化处理后的图像;
图3是本发明实施例的形态学膨胀孔洞填充后的图像;
图4是本发明实施例的形态学开运算边缘处理后的图像;
图5是本发明实施例的形态学腐蚀处理后的图像;
图6是本发明实施例的形态学开运算去除干扰后的图像;
图7是本发明实施例的连通域标记图。
具体实施方式
形态学腐蚀是一种消除边界点,使边界向内部收缩的过程。可以用来消除小且无意义的物体。腐蚀的算法:用3×3的结构元素,扫描图像的每一个像素用结构元素与其覆盖的二值图像做“与”操作,如果都为1,结果图像的该像素为1,否则为0。结果:使二值图像减小一圈。
形态学膨胀是将与物体接触的所有背景点合并到该物体中,使边界向外部扩张的过程,可以用来填补物体中的孔洞。膨胀的算法:用3×3的结构元素,扫描图像的每一个像素,用结构元素与其覆盖的二值图像做“与”操作,如果都为0,结果图像的该像素为0。否则为1,结果:使二值图像扩大一圈。
形态学开运算是指先腐蚀后膨胀的过程。用来消除小物体、在纤细点处分离物体、平滑较大物体的边界的同时并不明显改变其面积。
下面结合附图及具体的实施例对发明进行进一步介绍:
参考图1-7,本发明一种基于连通域识别的电子元器件自动计数方法,将需要计数的元器件:固体钽电解电容,尺寸约3mm的正方体,置于一张灰色实验布上,元器件的颜色与实验布有较大色差,将元器件尽可能铺展开,两个元器件粘叠面积不得超过一个元器件上表面积的20%,选择800万的拍照像素后拍照;
往MATLAB软件里导入拍好的图片,一键启动程序,输出需要统计的元器件的个数:89个,与手动计数数出的数据相符。
对拍照后的图像进行处理的过程为:①、二值化处理,将图像上的像素点的灰度值设置为0或255,使图像呈现出明显的黑白效果;②、孔洞填充处理,由于元器件上的标识等颜色的差异,导致二值化后的图像在颜色差异处出现孔洞的现象,不能满足连通域方法计数的要求。采用填充孔洞的方法进行处理,孔洞消失;③、形态学开运算边缘处理,图像边缘像素点可能出现毛刺、尖锐夹角等形态,采用形态学开运算,使其边缘变得圆润光滑;④、形态学腐蚀处理:部分目标物有粘连现象,通过形态学腐蚀的方法对粘连的器件进行分离。去除粘连腐蚀是一种消除边界点,使边界向内部收缩的过程,可以用来消除小且无意义的物体;⑤、经过形态学腐蚀后,元器件形成的连通域边缘可能形成像素颗粒,采用形态学开运算,使连通域向外扩张,使独立的像素点包含到连通域中,以去除影响计数的干扰颗粒,到此,图像处理完毕;⑥、对处理完毕的图像中的连通域标记,并计数,计数输出,即得需要统计的元器件的个数。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (4)
1.一种基于连通域识别的电子元器件自动计数方法,其特征在于:它包括以下步骤:
第一,将需要计数的电子元器件进行图像采集;
第二,对采集到的图像进行二值化处理,将图像上的像素点的灰度值设置为0或255,使图像呈现黑白效果;
第三,通过形态学膨胀的方法对二值化处理的图像进行孔洞填充处理;
第四,通过形态学开运算对孔洞填充后的图像进行边缘处理;
第五,通过形态学腐蚀的方法对边缘处理后图像中粘连的元器件进行分离;
第六,经过形态学腐蚀后,元器件形成的连通域边缘形成像素颗粒,采用形态学开运算,使连通域向外扩张,使独立的像素点包含到连通域中,以去除影响计数的干扰颗粒,到此,图像处理完毕;
第六,对处理完毕的图像中的连通域标记并计数,将计数结果输出。
2.根据权利要求1所述的一种基于连通域识别的电子元器件自动计数方法,其特征在于:在第一步骤中,采集图像的具体过程是将元器件放置在与其颜色不同的背景布上,拍摄包含所有元器件的一张图片。
3.根据权利要求1或2所述的一种基于连通域识别的电子元器件自动计数方法,其特征在于:在第一步骤中,采集图像时,相邻两个元器件粘叠面积小于等于单一元器件上表面面积的20%。
4.根据权利要求1所述的一种基于连通域识别的电子元器件自动计数方法,其特征在于:在第二步骤中,二值化处理包括去除不均匀背景、调节灰度对比度和灰度图像二值化过程。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711093838.XA CN107749059A (zh) | 2017-11-08 | 2017-11-08 | 一种基于连通域识别的电子元器件自动计数方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711093838.XA CN107749059A (zh) | 2017-11-08 | 2017-11-08 | 一种基于连通域识别的电子元器件自动计数方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107749059A true CN107749059A (zh) | 2018-03-02 |
Family
ID=61250784
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711093838.XA Pending CN107749059A (zh) | 2017-11-08 | 2017-11-08 | 一种基于连通域识别的电子元器件自动计数方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107749059A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108710854A (zh) * | 2018-05-22 | 2018-10-26 | 长治学院 | 一种电子元器件的识别方法和装置 |
CN109166116A (zh) * | 2018-08-31 | 2019-01-08 | 广州大学 | 一种用于芯片计数的图像处理算法 |
CN109741357A (zh) * | 2018-12-19 | 2019-05-10 | 浙江大学 | 一种基于图像处理的油菜花序计数方法和装置 |
CN109859176A (zh) * | 2019-01-09 | 2019-06-07 | 广州大学 | 一种用于二极管计数的图像处理方法与装置 |
CN110264463A (zh) * | 2019-06-25 | 2019-09-20 | 北京实验工厂有限责任公司 | 一种基于matlab图像处理的物料清点方法 |
CN110473174A (zh) * | 2019-07-26 | 2019-11-19 | 东南大学 | 一种基于图像计算铅笔精确数目的方法 |
CN111210420A (zh) * | 2020-01-09 | 2020-05-29 | 深圳瑞波光电子有限公司 | 一种半导体激光器件计数装置及方法 |
CN112884704A (zh) * | 2021-01-05 | 2021-06-01 | 武汉启瑞光电技术有限公司 | 一种适用于蓝膜微小晶元芯片自动计数系统 |
CN113177936A (zh) * | 2021-05-24 | 2021-07-27 | 广东技术师范大学 | 一种快速精确测量叉指换能器指条数量的方法及系统 |
CN113689404A (zh) * | 2021-08-24 | 2021-11-23 | 湖北三江航天红林探控有限公司 | 一种基于图像处理的零件计数系统和方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007024760A2 (en) * | 2005-08-23 | 2007-03-01 | Spx Corporation | Machine vision counting system apparatus and method |
CN102521648A (zh) * | 2011-12-15 | 2012-06-27 | 北京振兴计量测试研究所 | 一种元器件自动计数统计方法和装置 |
CN103020707A (zh) * | 2012-10-19 | 2013-04-03 | 浙江工业大学 | 基于机器视觉的流水式高精度、高速的颗粒物自动计数装置 |
CN104240204A (zh) * | 2014-09-11 | 2014-12-24 | 镇江苏仪德科技有限公司 | 一种基于图像处理的太阳能硅片和电池片的计数方法 |
CN107133922A (zh) * | 2016-02-29 | 2017-09-05 | 孙智权 | 一种基于机器视觉和图像处理的硅片计数方法 |
-
2017
- 2017-11-08 CN CN201711093838.XA patent/CN107749059A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007024760A2 (en) * | 2005-08-23 | 2007-03-01 | Spx Corporation | Machine vision counting system apparatus and method |
CN102521648A (zh) * | 2011-12-15 | 2012-06-27 | 北京振兴计量测试研究所 | 一种元器件自动计数统计方法和装置 |
CN103020707A (zh) * | 2012-10-19 | 2013-04-03 | 浙江工业大学 | 基于机器视觉的流水式高精度、高速的颗粒物自动计数装置 |
CN104240204A (zh) * | 2014-09-11 | 2014-12-24 | 镇江苏仪德科技有限公司 | 一种基于图像处理的太阳能硅片和电池片的计数方法 |
CN107133922A (zh) * | 2016-02-29 | 2017-09-05 | 孙智权 | 一种基于机器视觉和图像处理的硅片计数方法 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108710854A (zh) * | 2018-05-22 | 2018-10-26 | 长治学院 | 一种电子元器件的识别方法和装置 |
CN109166116A (zh) * | 2018-08-31 | 2019-01-08 | 广州大学 | 一种用于芯片计数的图像处理算法 |
CN109166116B (zh) * | 2018-08-31 | 2021-01-26 | 广州大学 | 一种用于芯片计数的图像处理方法 |
CN109741357A (zh) * | 2018-12-19 | 2019-05-10 | 浙江大学 | 一种基于图像处理的油菜花序计数方法和装置 |
CN109859176A (zh) * | 2019-01-09 | 2019-06-07 | 广州大学 | 一种用于二极管计数的图像处理方法与装置 |
CN110264463A (zh) * | 2019-06-25 | 2019-09-20 | 北京实验工厂有限责任公司 | 一种基于matlab图像处理的物料清点方法 |
CN110473174B (zh) * | 2019-07-26 | 2022-02-11 | 东南大学 | 一种基于图像计算铅笔精确数目的方法 |
CN110473174A (zh) * | 2019-07-26 | 2019-11-19 | 东南大学 | 一种基于图像计算铅笔精确数目的方法 |
CN111210420A (zh) * | 2020-01-09 | 2020-05-29 | 深圳瑞波光电子有限公司 | 一种半导体激光器件计数装置及方法 |
CN112884704A (zh) * | 2021-01-05 | 2021-06-01 | 武汉启瑞光电技术有限公司 | 一种适用于蓝膜微小晶元芯片自动计数系统 |
CN113177936A (zh) * | 2021-05-24 | 2021-07-27 | 广东技术师范大学 | 一种快速精确测量叉指换能器指条数量的方法及系统 |
CN113177936B (zh) * | 2021-05-24 | 2022-03-15 | 广东技术师范大学 | 一种快速精确测量叉指换能器指条数量的方法及系统 |
CN113689404A (zh) * | 2021-08-24 | 2021-11-23 | 湖北三江航天红林探控有限公司 | 一种基于图像处理的零件计数系统和方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107749059A (zh) | 一种基于连通域识别的电子元器件自动计数方法 | |
CN109447945B (zh) | 基于机器视觉和图形处理的小麦基本苗快速计数方法 | |
CN111402226A (zh) | 一种基于级联卷积神经网络的表面疵点检测方法 | |
CN107748888A (zh) | 一种图像文本行检测方法及装置 | |
CN106897748A (zh) | 基于深层卷积神经网络的人脸质量评估方法和系统 | |
CN109978839A (zh) | 晶圆低纹理缺陷的检测方法 | |
CN110288561A (zh) | 基于频率域滤波增强的耐火砖表面划痕识别方法 | |
WO2018086233A1 (zh) | 一种字符分割方法和装置、及元件检测方法和装置 | |
CN108154502A (zh) | 一种基于卷积神经网络的通孔焊点识别方法 | |
CN106855951A (zh) | 一种基于计算机视觉的粮种品质检测方法 | |
CN106932408B (zh) | 一种基于图像处理的方格蔟污染蚕茧检测方法 | |
CN112630158B (zh) | 一种脱膜布残留检测系统及其检测方法 | |
CN104966348B (zh) | 一种票据图像要素完整性检测方法及系统 | |
CN104867145B (zh) | 基于vibe模型的ic元件焊点缺陷检测方法 | |
CN103544691A (zh) | 图像处理方法及设备 | |
CN115131348B (zh) | 一种纺织品表面缺陷的检测方法及系统 | |
CN110349125A (zh) | 一种基于机器视觉的led芯片外观缺陷检测方法及系统 | |
CN109472271A (zh) | 印刷电路板图像轮廓提取方法及装置 | |
CN104156941A (zh) | 一种确定图像上几何轮廓区域的方法及系统 | |
CN107958253A (zh) | 一种图像识别的方法和装置 | |
CN108663382A (zh) | 基于视觉显著性的纸张表面缺陷检测的方法及装置 | |
CN104749801B (zh) | 高精度自动光学检测方法和系统 | |
CN101458916B (zh) | 波形抗锯齿方法及波形抗锯齿处理装置 | |
CN115266732A (zh) | 基于机器视觉的碳纤维丝束缺陷检测方法 | |
CN107909579A (zh) | 视觉检测中的产品轮廓自动提取方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180302 |