基于形态学处理的太阳能晶片计数研究

1 引言

在太阳能晶片的大规模生产中，晶片计数是生产包装销售等环节中不可或缺的部分。太阳能晶片薄而易碎的特性，人工数片方法已不能满足生产需求。本文提出了一种基于图像处理技术的太阳能晶片自动计数系统，能快速有效地确定一叠晶片的片数。

国内外针对这一特定应用领域的研究不多，但对基于纹理特征的纸张计数有一定研究基础[1-2]。文献[1]从纸张叠层图像的纹理特征出发，通过LOG滤波等操作得到二值图像，然后用像素投影算法和差分统计方法获得纸张数目。文献[2]从二维Gabor滤波和一维频率分析处理的角度入手，通过提取纸张边棱来计数。但由于纸张叠层和太阳能晶片叠层纹理分布特征及应用场景的不同，这两种算法都不能直接用于太阳能晶片计数。文献[3]从条纹分析的角度出发，提出了基于条纹计数和定位的二值化、滤波和求条纹升降沿三者结合的综合方法，能有效提高条纹图像的信噪比。

本文从太阳能晶片计数这一具体应用出发，提出了基于形态学处理的太阳能晶片计数算法。

2 太阳能晶片叠层图像特点分析

观察图1的晶片叠层部分纹理特征可以发现：图像中水平或近水平的边棱两侧的灰度对比明显。这种高低对比分布于整个区域当中，具有明显的规律性，呈条纹状分布。该视觉效果是光照在晶片边棱附近留下的阴影造成的。这样，从纹理分析的角度考虑，晶片叠层图像可以近似看作是一幅由不同深浅的条纹重复排列组成的纹理图像。该纹理结构与纸张纹理结构类似，但也不尽相同。类似点有：（1）条纹基本平行，有很强的方向性；（2）黑白条纹周期性排列，具有重复性。不同点表现在：（1）纸张较薄，纸张边棱反映在图像中的部分不会带来较大的灰度变化，而且两侧空隙在适当光照条件下反映在图像上灰度分布呈渐变趋势；太阳能晶片厚度较大，晶片本身具有纹理，边棱在光照条件下有不同的散射，在图像中呈现不同的灰度变化。（2）纸张柔软，通过适当的操作可以保证纸张间隔的均匀性；太阳能晶片较硬，脆而易碎，实际操作中不能挤压，导致间隔之间以及同一间隔的不同位置在图片上反映的灰度不同。

图1 晶片叠层图像及其局部放大图

3 基于纹理分析的计数算法

分析了图像的特征后，研究了一套算法流程。总流程图如图2所示。

图2 太阳能晶片计数算法总流程图

3.1 中值滤波与边缘提取

在文献[1-2]中，图像预处理非常重要的，与计数精度密切相关。文献[1]运用Log滤波器，文献[2]使用二维Gabor滤波器，对纸张纹理部分进行滤波。本文采用简单易行的中值滤波器进行滤波即可。此方法完全可以达到预期效果，且时效性很好。

第二步进行边缘提取，采用sobel算子的边缘提取算法。需要注意的是，边缘提取只提取纵向的边缘。若提取八个方向的边缘，会导致结果非常混乱。

中值滤波和边缘提取后的结果分别如图3和图4所示。

图3 中值滤波结果

图4 边缘提取结果

3.2 优化的双阈值二值化算法

在以往的方法中计数不准确的很大一个原因是最终用来计数的序列是离散的多值的，每个数据的误差都可能对最终结果产生影响。例如在利用灰度扫描法时，计数的判定标准是对每个峰点（或谷点）进行一次计数，这是利用了条状纹理的灰度分布特征。对于光照均匀纹理清晰的图像这种算法还是可行的，但碰到光照不均导致纹理的灰度分布特征不是很明显时，这种算法就会失效，因为这样最终得到的灰度序列会有很多的假峰，如图5所示。

图5 灰度扫描一列的结果

对图像进行二值化处理后，最终用来计数的序列只有0或者1，不会存在难以判定的假峰。同时二值化过程应当能有较强的边缘发现能力，在去除背景中一些散点的同时，应能保证弱边缘不被去除，且尽量保持同一条边缘的连续性，不同边缘的独立性。

下面介绍这种优化的双阈值二值化算法流程。

（1）先采取一个全局阈值（30）进行二值化。

（2）对低于全局阈值的点不是立即进行零值化，需要再进行一次判断。判断条件如下：

①该点像素值大于一定阈值，此阈值小于全局阈值。这个条件保证了的确处在一条边缘线上，但可能由于光照原因表现得不强烈。

②该点上方或下方至少有一个像素为0。这表明该点与背景相邻，是边缘的可能性比较大。

③该点左边点为255，说明该点是在一条边缘的延长线上。

王 颖 女,1979年8月出生,天津人,硕士,讲师,毕业于燕山大学,主要研究方向为无线传感器网络,优化算法.

结果如图6所示。

图6 特殊二值化结果

3.3 特殊的膨胀腐蚀

经过二值化处理后的图像不够规整，不能直接用来计数，必须进行平滑处理。传统的图像形态学处理中的膨胀腐蚀是利用固定的一种结构对图像进行开运算或者闭运算。这种方法在此处运用并不合理，因为二值化后的图像只需要对部分细节进行处理，而不是针对整幅图像，采用传统的办法反而会顾此失彼，使得结果更加不利于计数处理。

对图6进行仔细分析，可以提取出很多典型的结构。对这些结构进行处理后，图像的纹理变得非常规整。以下举例对其中几种结构进行说明（灰色为背景，白色为上步骤中保留的边缘）。

对于图7（a），表示在同一条纹理出现了断层。图中所示中间的断层为三个像素，实际处理中可能会更多。这样的断层若没有修复，对最后一步计数的影响就是会出现一长串的0值，虽然这是可以处理的，但多一步处理就会增加产生误差的几率，因此有必要在这一步中进行修复。

对于图7（b），表示边缘的凸起。这个凸起是多余的，会对之后骨架提取的结果造成不利影响，所以这一步骤中将其去除。

对于图7（c）和（d），都是表示边缘凹下去一部分。但是两者又有区别，图7（d）显然是需要修补使边缘连续；图7（c）则需要特殊的处理，判定是修补还是去除。因为图7（c）中凹下的黑色的长度可能很长，这样两边的白色则有可能处于图7（b）所示的状态，是需要去除的部分。

图7 二值化后需修复的结构图

下面介绍算法的流程。

第一步：

（1）该点为白点（255），若满足以下条件之一，则量化为0。

①该点的左上、上方、右上、左边、右边都为0。

②该点的左下、下方、右下、左边、右边都为0。

（2）该点为黑点（0），若满足以下条件之一，则量化为其左边点的像素值减5。

①该点的左边、左上、上方、右上的点像素值大于150，且左下、下方、右下的点的像素值都为0。

②该点的左边、左下、下方、右下的点像素值大于150，且左上、上方、右上的点的像素值都为0。

第二步：

（1）若点为黑点（0），若满足以下条件之一，则量化为其左边第二个点像素值减5。

①该点的左边第二、第三个点以及右边的第二第三个点都大于100。

②该点左边及右边的点都大于100。

（2）若点为白点（255），若满足以下条件之一，则量化为黑点。

①该点的左边第二、第三个点以及右边的第二第三个点都为0。

②该点左边及右边的点都为0。

经过此两步处理后，结果及改进如图8所示。

图8 二值化图像修复结果

注意上述流程中，对于非直接1值化的像素在第二次判断要量化为1值时，并没有将像素值置为255，而是取相邻像素值减5。这样处理的原因就是为了解决图7（c）中所提到的问题，这样根据二次量化的像素值就可以判定中间背景的长度，一旦长度大于一定值，则不进行填充，而是进行图7（b）的腐蚀处理。

进行了特殊的膨胀腐蚀后的结果如图9所示，再进行一次简单的二值化，得到图10结果。

图9 特殊膨胀腐蚀结果

图10 二值化结果

3.4 骨架提取

经过二值化处理后的图像若直接拿来计数还有一个缺点：各条边缘的宽度不一致。这对计数来说是很不利的，因为不同图像的纹理宽度是不同的，即使同一图像的不同条纹的宽度也是不尽相同，在计算机处理时很难确定一个统一的值来进行计数。因此想到用骨架提取来解决这个问题。不论条纹的宽度多少，转化为骨架后都只有一个像素宽度，消除了宽度的不确定性。

骨架提取采用了经典的中轴变换（MAT）算法。具有边界B的区域R的MAT是如下确定的。对每个R中的点P，在B中搜寻与它最近的点。如果对P能找到多于一个这样的点（即有2个或以上的B中的点与P同时最近），就可认为P属于R的中线或骨架，或者说P是1个骨架点。

最终的结果如图11所示。

图11 骨架提取结果

3.5 计数流程

经过上述处理后的图像纵向扫描再进行计数非常方便，如图12所示。相比图5的结果，图12处理起来要简单很多，因为计数的判定标准就是1值，一列扫描下来碰到1值计数器加1；有一种特殊情况要考虑，如果出现没有修复的断层，则会出现一长串的0值，这是可以根据该幅图像的平均0值长度进行修正，若0值长度大于两倍平均值，则计数器加1。

图12 骨架图纵向扫描一列结果

4 计数结果

每一步实际照片处理结果的综合展示如图13。

图13 单步结果展示

通过图13的对比，可以看出每一步处理的优化过程。

对一部分样本进行计数，样本的晶片数量分别是60、70、80、87片。计数结果如图14所示。

图14 测试样本结果

多列扫描多次计数的结果中，正确计数的概率远远高于错误的计数结果。

5 结束语

通过上面的分析可以看出，本文提出的算法完全可以用于工业中太阳能晶片叠层的技术。算法简单可行，计数精度高。由于纹理及背景的复杂性，在拍摄样本时还必须加以适当地限制，正如前文所提到的，在光照条件、拍摄角度，及晶片码放方面。总的来说，从数字图像处理的角度出发实现太阳能晶片的自动计数可以大大减少人力物力，提高流水线生产效率，具有较好的经济效益，值得深入研究。进一步研究包括：（1）对于二值化图像中不完善结构的分析，对这些结构修复得越充分，对后续的计数越有利；（2）优化算法，提高运算速度。