印刷电路板(Printed circuit board,PCB)在电子产品中负责电气的连接和绝缘,负责电气的连接和绝缘,是电子产品最重要的组成部分,有着非常广泛的应用。电子产品的质量直接受到PCB质量的影响,因此PCB生产过程中的质量检测就显得尤为重要。随着现代电子产品的体积不断缩小,PCB生产精度也随之提高,PCB的线宽也越来越窄,PCB检测技术已从传统的人工检测逐渐转变为电气接触测试、功能测试、X光检测、激光检测、光学检测等多种自动检测方式。其中应用最广泛、自动化程度较高的一种检测方式为光学检测。光学检测结合机器视觉、图像处理等方法对PCB进行检测与识别。本文针对PCB在线检测,提出了一种PCB图像处理的前景提取和图像拼接的方法。对生产线上采集到的PCB图像进行前景提取,去除图像中的背景信息。首先将采集到的PCB彩色图像进行灰度处理,对R、G、B三通道的灰度级采用加权平均的方式得到灰度图像。再通过灰度增强处理拉伸灰度图像的灰度级、增强灰度图像的对比度,使图像在阈值分割时有更好的分割效果。采用最大类间方差法对增加对比度的灰度图像做阈值分割,并采用边缘检测确定图像中PCB前景部分,最后对前景图像做旋转、裁剪、去黑边等处理得到图像中PCB前景图像。由于相机在采集图像时精度和视野不能同时兼顾,为了保证采集的图像的精度,采集到的图像可能仅包括PCB前景的一部分,因此需要对相机采集到的PCB前景图像进行图像拼接得到完整的PCB图像。由于需要拼接的PCB图像中有非常多的重复单元,每个单元之间进行特征点检测时,特征点的相似度非常高,对检测到的特征点进行匹配无法得到正确的拼接结果。本文利用模板匹配与特征匹配相结合的方法,完成了高度重复图像的拼接,流程如下:PCB生产中有用于定位的基准点(Mark),先对采集到的多张PCB图像中的多个基准点做平均值叠加,得到用于匹配的基准点模板,再使用模板匹配将待拼接的PCB图像中的的基准点全部进行标记,然后对标记后的图像进行特征点查找和匹配。得到用于图像拼接时的变换矩阵,最后对拼接的图像进行渐入渐出的图像融合,得到完整的PCB图像。