1、LED芯片檢測與分選是LED芯片生產(chǎn)中的重要工序。全自動LED芯片檢測、分揀設(shè)備中的關(guān)鍵技術(shù)之一就是機器視覺圖像對準定位。視覺定位的過程是通過對待檢測、分選的LED芯片圖像進行處理與分析，提取并輸出圖像特征(如邊緣、輪廓及標識等)，通過這些特征信息的辨析，獲取芯片晶粒的形狀、位置、姿態(tài)等參數(shù)，并給伺服控制器提供運動控制參數(shù)，完成芯片對準。
　　 本文對LED芯片圖像分析，以期獲得適用于LED視覺定位任務(wù)的圖像處理技術(shù)與方法。LE

2、D芯片圖像主要表現(xiàn)為含噪背景、芯片片基、電極三類景物，要實現(xiàn)LED視覺定位任務(wù)，需對其進行圖像分割、目標識別與定位。圖像分割是為了獲取芯片片基和電極兩類感興趣區(qū)域。目標識別即分類過程，需特征提取與分析匹配。定位則是在提取的特征基礎(chǔ)上做參數(shù)計算，獲取目標位置。本文具體研究內(nèi)容如下：
　　 (1)LED圖像特征分析。探討LED芯片圖像特征，統(tǒng)計了LED芯片圖像的灰度特征。應(yīng)用幾何參數(shù)、區(qū)域與邊緣的7個Hu不變矩開展了對兩類電極和片基

3、的特征提取與分析工作。通過數(shù)據(jù)對比分析，選取可以很好的區(qū)分兩類電極目標以及片基目標的特征——周長、面積以及邊緣的不變矩做為分類依據(jù)。
　　 (2)基于區(qū)域的圖像分割技術(shù)。根據(jù)LED芯片圖像的區(qū)域特性，應(yīng)用Otsu雙閾值和基于直方圖勢函數(shù)標記的分水嶺分割方法對LED圖像進行分割。實驗結(jié)果表明，分水嶺分割較Otsu雙閾值分割效果更好。Otsu雙閾值分割能夠?qū)㈦姌O、片基和背景三類區(qū)域提取出來，但片基區(qū)域內(nèi)部含有誤判為背景的區(qū)域。標記分

4、水嶺分割方法采用直方圖多階勢函數(shù)自動衰減實現(xiàn)標記提取，在標記基礎(chǔ)上的分水嶺分割能夠?qū)㈦姌O、片基和背景區(qū)域分離提取，片基內(nèi)部不會出現(xiàn)誤判為背景的區(qū)域。而且標記分水嶺分割在LED芯片圖像的應(yīng)用中較好的抑制了過分割現(xiàn)象。
　　 (3)基于邊緣檢測的圖像分割技術(shù)。應(yīng)用Canny邊緣檢測算子對LED芯片圖像進行邊緣檢測，獲取LED芯片圖像的邊緣信息，并在Canny邊緣基礎(chǔ)上對目標區(qū)域進行種子填充與區(qū)域生長，提取區(qū)域信息。利用面積誤分率評判

5、分割效果，由Canny算子所得分割結(jié)果比采用基于區(qū)域的Otsu雙閾值分割和直方圖勢函數(shù)標記的分水嶺分割結(jié)果面積誤分率更低。
　　 (4)基于Hough變換的特征描述方法。應(yīng)用Hough變換(HT)實現(xiàn)對LED芯片圖像中直線和圓的檢測。研究隨機Hough變換(RHT)機制，在RHT基礎(chǔ)上提出了RHT與最小二乘法(LSM)相結(jié)合的算法(RHT-LSM)。該算法首先通過RHT選取合適的點集，再對選取的點集用LSM擬合，使得該算法具有R