1 导言
外表贴装元器件的视觉检测和定位是影响贴片机全体功能的关键因素，其主要使命包含获取元件的图画，使用辨认算法对图画进行处理，辨认元件的质量、方位、视点、判别所拾取的元件是否合格，以便调整其贴装方位和视点[1]。
在现在现场使用中，外表贴装元器件边际提取选用的是鸿沟盯梢的办法，即从一个梯度幅值图画(鸿沟锐化图画)着手进行处理，依据必定的算法和原则，查找到一切鸿沟上灰度值最大的点为边际点，详细算法进程见文献[2]。但这种算法也存在问题：(1)边际提取点的精确度影响到这以后的最小二乘法运算，任何一个参加运算点方位改动都会改动最小二乘法的成果，所以当参加运算的鸿沟点能够契合实践的鸿沟轨道时，最小二乘法能得到和鸿沟挨近的直线方程，但若不契合鸿沟轨道，就会发生较大的搅扰。(2)数字图画的根本组成单位是像素，进行的鸿沟锐化算法精度为1个像素，但实践中像素值的改动是一个突变的进程，其差分最大值或许不会呈现在单位像素的方位，而是呈现在两个像素之间，这时单位像素的精度就满意不了需求，需引进亚像素的概念。
2 依据亚像素的边际检测
亚像素边际检测技能最早由Hueckel提出，在开展进程中形成了一些根本办法，如①几许办法，使用图画中某一方针的几许特征得到亚像素精度的丈量数据，一般是使用图画中一些规矩形状的方针，如圆、三角形、正方形等形状[3-4]，但这种算法精度较低，对不规矩形状的图画作用欠好。②矩估量办法，因为矩是依据积分的运算，被认为是对噪声不灵敏的安稳特征，已被使用于图画辨认等范畴。运用到亚像素中的有空间矩，ZOM正交矩[5]等，定位精度较好，但算法复杂度较大，核算时刻较长。③插值法，是依据亚像素边际检测的原理生成，主要有线性插值、三次正交多项式插值(即多项式)、样条插值、双线性插值四类。在文献[6]中对这几种算法进行了比照研讨，空间矩法和最小二乘法有很高的定位精度，但其核算时刻较长，而且最小二乘法需求有必定的先验常识，而且其抗噪才能较差;插值法核算时刻相对较短;样条插值和双线性插值的抗噪才能和定位精度都较高，但核算时刻较长一点。
样条插值能够用较少的点反映整个曲线的改动趋势，所需的核算量相对双线性插值要小些，而且它能够依据状况挑选适宜的阶数。图画噪音小，可用高阶样条，以便能得到很好的迫临功能，使边际定位更为精确;反之，噪音大的，可用低阶样条进行滑润。在样条插值中使用最多的是三次样条插值，因为它既克服了低次样条在端点上有连续的一阶或二阶导数成为角点的状况，又克服了高次样条核算量大和呈现不一致收敛的现象。
在现有的外表贴装元器件边际提取的算法中，也有用到亚像素的概念，如在文献[7]和[8]中都是依据边际的直线特性，经过大局特性和部分小范畴特性结合的办法，得到亚像素的精度边际，能到达杰出的定位精度，但此办法只对具有直线边际的外表贴装元器件有杰出的作用。在文献[9]和[10]中，对集成块引脚的丈量顶用到了样条插值的算法，但仅仅大略的剖析，没有详细阐明其算法思维。
依据以上剖析，本文挑选三次样条函数作为提取亚像素边际点的办法，而且详细论述怎么从像素级到亚像素级的递进边际检测算法。
3 使用三次样条插值的亚像素算法
依据多标准边际检测的思维，先在大标准下按捺噪声，粗定位找到边际处像素级的点，然后在小噪声，粗定位找到边际处像素级的点，然后在小标准下经过三次样条插值的亚像素的办法，康复边际光强函数，细定位得到边际的实在方位。拿外表贴装元器件中片式元件(chip)为例来阐明此算法。
3.1 粗定位
粗定位是在传统的sobel算子边际检测出概括之后，用鸿沟盯梢提取出像素级的鸿沟点。鸿沟盯梢是由梯度图中一个边际点动身，顺次查找并衔接相邻边际点然后逐渐检测出鸿沟的办法。本文选用的是八范畴鸿沟盯梢算法。
梯度图画中灰度值最大的像素点都会集在鸿沟上，因而从梯度图中选出灰度值最大的点作为鸿沟盯梢的第一个起点，然后在该点的八范畴中选灰度值最大的点作为第二个鸿沟点。在以当时鸿沟点为中心的3×3范畴内，调查前一个鸿沟点方位相对的邻点和这个邻点两旁的两个点，下一个鸿沟点便是上述三点中具有最高灰度值的那个点，若一切三个或两个相邻鸿沟点具有相同灰度值，就挑选中心的那个点，若两个非邻接点具有相同的最大灰度值，就任选其一。
3.2 细定位
在由粗定位、鸿沟盯梢得到的点的基础上，用三次样条函数(如式1)结构鸿沟点的光强度函数
式中：hi=xi-xi-1;xi为由粗定位得到的边际点的X或Y方向的坐标信息;yi为xi点对应的灰度值。其间C0～Cn可由式(2)的矩阵方程组解出
对式(1)用一阶微分的最大值或二阶导数的零穿插原则，就可取得亚像素级的定位精度。
因为粗定位后的chip图是现已二值化处理过的，其光强度函数已被损坏，则从头load原图进行亚像素插值定位。详细算法如下：
以上鸿沟为例，由粗定位得到的上鸿沟点中心点为第一个处理点，令其横坐标不变，纵坐标以1为单位别离向上向下各查找3个点，对这3个点结构三次样条函数， xi为这3个点的Y方向的坐标信息，yi为xi点相应的灰度值。由式(1)和(2)可得到六段函数Si(x)(i=1～6)。
光强度函数值最大的点为边际点的实在方位，对这六段函数(式3)采纳分段函数求极值的办法来确认亚像素级的鸿沟点。
下鸿沟求法类似于上鸿沟求法和分段函数求极值的办法。
4 试验成果
在亚像素算法得到物体精确的鸿沟点后，经过最小二乘法拟和出该片式元件的鸿沟直线方程，并由最小二乘法性质可知其歪斜视点，也就反映了元件的歪斜视点，从而可求出元件尺度，判别能否被贴装等。因而可在以上的后续算法中选用两种点评原则来查核本文算法的有效性。这儿对不同视点的片式元件进行试验，并同现在没有选用亚像素的算法进行比较。
① 最小二乘法对边际点拟合直线的程度可由相关系数│rxy│来点评[11]，两种算法│ rxy│比较见表。
由表1可看出，三次样条插值亚像素算法比现有算法得到的│rxy│更能趋近于1，线性相关程度更大，即有效地迫临边际直线段的概率大些。
②终究求得的偏转视点的差错状况，由最小二乘法拟合直线对原图求的视点为a;人工旋转视点为b;在对人工旋转视点后的chip用算法得到的视点为c，则算法差错为│c- (a+b)│。表2为对两种算法的视点差错比较的部分数据。
由表2看出，三次样条插值亚像素算法比现有算法差错降低了约一个数量级，视点丈量的精度大大进步。但因为三次样条插值亚像素办法是在鸿沟盯梢的基础上进行的，整个算法时刻上必定要比仅鸿沟盯梢进行边际提取要长些(见表)。
5 定论
该算法在拟合精度和偏转视点精度两方面都比现有算法有必定的进步，满意含有直线边际的外表贴装元器件进行边际提取的需求，而且因为边际点提取的精确性，可使用到其他曲线鸿沟的外表贴装元器件图画的检测处理上。但该算法在速度方面不是很抱负，如果是对含多直线边际的外表贴装元器件(如QFP)边际提取则时刻上耗费很大。因而，下一步的研讨方向是怎么将粗定位和细定位更有效地结合起来，削减算法复杂度，进步处理速度。
