自动缺陷分类系统在超声扫描显微镜中的应用

连军莉，魏 鹏

(中国电子科技集团公司第四十五研究所，北京 101601)

超声扫描显微镜是用于检测物体表面、内部区域，产生高分辨率特征图像的检测系统，广泛应用于无损检测领域。由于超声能量的传递要求介质是连续的，所以如气孔、杂质、分层、裂纹等不连续界面都会干扰超声信号传播或致使超声信号发生反射。在气孔、分层处会发生相位反转，在图像中表现为红色区域。

确定器件是否合格，就是判断气孔、分层等缺陷的尺寸（也就是相位图像中的红色区域）是否超出容差范围。传统的人工目测，即使使用测量工具，也不能精确判断各缺陷的面积和尺寸，很难适应产品批量的要求。因此如何快速进行缺陷分类成为工艺线上必须解决的大问题。而缺陷自动分类系统可以对缺陷进行自动分类，减少缺陷分析时间，以及主观造成的缺陷分类错误，分析结果更加精确，重复性更高，从而大大提高了整体效率。

1 系统流程

系统打开一幅图像，进行缺陷分析，测量出各缺陷特征，然后根据各设定阈值，判断是否可以忽略该缺陷。该系统可以离线操作，也可以嵌入到主检测程序中。系统流程如图1所示。

图1 缺陷自动识别系统流程图

2 缺陷标记

由超声扫描检测设备得到的扫描图像中，有气泡、分层的地方会发生相位反转，在图像中用红色来标识。由于缺陷的灰度值相等，故本系统中采用改良的区域标记算法[1-4]对各缺陷进行标记，将缺陷（即红色像素）视为物体。该方法对图像进行充分处理，可快速标记出图像中所有目标物体。标记算法的流程图如图2所示。

算法步骤描述：

（1）从左到右，从上到下逐个像素扫描。

（2）若当前点为首行像素，且为物体，判断左前点是否为物体，若是，当前点标记与左前点相同的值；否则，数标加1，此数组值为1；

（3）若当前点为首列像素，且为物体，判断右上是否为物体，若是，当前点标记与左前点相同的值；否则，判断正上是否为物体，若是，当前点标记与正上相同的值；否则，数标加1，此数组值为1；

图2 缺陷标记流程图

（4）若当前点为最后一列像素，且为物体，判断正上是否为物体，若是，当前点标记与正上点相同的值；否则，判断左上是否为物体，若是，当前点标记与左上相同的值；否则，判断左前是否为物体，若是，当前点标记与左前相同的值；否则，数标加1，此数组值为1；

（5）若当前点不是上述点，是图像中间像素（包含最后一行），且为物体，则依次判断该像素点的右上点、正上、左上及左前是否为该物体，优先级依次降低的顺序为右上点、正上点、左上点及左前点。若右上点为物体，则当前点标记和右上点相同的值；否则，判断正上是否为物体，若是，当前点标记与正上点相同的值；否则，判断左上是否为物体，若是，当前点标记与左上相同的值；否则，判断左前是否为物体，若是，当前点标记与左前相同的值；否则，数标加1，此数组值为1；若该点的左上、正上、右上及左前点共4个点的像素值都不为物体，则把数标加1，且此数组值为1，作为另一物体的区别。

（6）若该点的左上、正上、右上及左前点共4个点的像素值都不为物体，则把数标加1，且此数组值为1，作为另一物体的区别。

（7）其中有一特别调整：当前点的右上点及左前点为不同标记，正上点和左上点不为物体，则当前点标记同右上点置相同的值。此时，扫描当前像素点之前的图像，把所有同当前点标记相同的像素值都标记成与右上点同样的值。有多少个像素点转换，则统计右上点像素值(标记值)的数组就加多少。而把统计左前点的像素值(标记值)的数组置0。

3 测量特征

在超声扫描检测中，非常关注的问题之一是缺陷的大小。当缺陷的尺寸超出一定的值，即认定为缺陷。故在本系统中，主要统计缺陷的面积和最大尺寸。

3.1 面积计算

在标记图像中，相互连接的物体像素集合组成一个区域。对图像内每个像素进行标记操作，将物体的像素值改为标号，求各种标号的总和，即求得不同区域的面积数目。具体步骤如下：

(1)遍历标记图像，设置一维数组，维数为标记物体的个数；

(2)循环取得各点像素值，像素值就是标号；

(3)根据不同的标号，加到对应的数组；

(4)得到各连通区域的面积。

3.2 长宽最大值

在标记图像中，找到各种标号的出发点，然后将其余带此标号的像素的坐标值和出发点的坐标值比较，可得到此标号区域x、y坐标的最大和最小值。由此可计算出最大的长和宽。实现步骤如下：

(1)在标记图像内，根据不同的像素值，即不同的连通区域，循环取得各点像素值的标号，搜索一个出发点，记录其坐标值；

(2)遍历标记图像，将相同标记的像素坐标值和出发点坐标值进行比较，最后可得到此连通区域坐标的最大最小值；

(3)根据不同的像素值，依次执行第(2)、(3)步；

(4)根据每个连通区域的最大最小值，计算连通区域的最大长度和宽度。

4 阈值比较

将得到的结果，每个连通区域的面积和最大的长和宽，与预先设定的值进行比较。具体如下：

（1）如果：实际值>预先设定值，只要满足一个条件，即记录为缺陷；否则：实际值<预先设定值，忽略；

（2）输出此器件是否为合格品。

5 实验结果

为验证本系统的效果，本文进行了大量实验。结果表明，本系统在毫秒级的时间内能够快速处理图像，准确率99%，重复率100%，真实反映了检测器件的合格状况。图3、图4、图5、图6为本文从大量实验中随机挑选的一组结果图。

图3 原始图像

图4 处理结果1

图5 处理结果2

图6 处理结果3

说明：图4中设置总阈值为10（即总的缺陷面积阈值为10），单个阈值为2（即单个缺陷面积阈值为2），下部分表格中的显示结果为所有缺陷信息；图5显示结果为满足条件（即单个缺陷的面积大于单个阈值2）的缺陷信息，点击“处理”按钮即可执行，点击“恢复”按钮即可恢复为图4所示的表格；图6显示结果为判断结果，整个面积、单个面积只要有一个超出设定范围，即表示此器件不合格，点击“判别分析”按钮即可执行。

6 结束语

本文描述的缺陷自动分类系统，可在毫秒级时间内对图像进行自动分析、分类，减少了缺陷分析时间，以及主观分类错误，结果更加精确，重复性更高。

[1]杨淑莹.VC++图像处理程序设计[M].北京：清华大学出版社、北京交通大学出版社,2003.163-167.

[2]章德伟,蒲晓蓉,章毅.基于Max-tree的连通区域标记新算法[J].计算机应用研究，2006（8）：168-170.

[3]张桂林.基于跑长码的连通区域标记算法[J].华中理工大学学报,1994,22(5):11-14.

[4]王铁生,施鹏飞.二值图像的快速标记方法及其应用[J].微型电脑应用,2004,20(6):6-8.