4. 图像预处理基础
FPC（柔性印制电路板）对位贴合是消费电子组装中的关键工序，其视觉定位精度直接影响最终产品的良率。在Halcon视觉系统中，图像预处理并非简单的“美化”，而是为了稳定地提取对位标记（如圆形Mark点、十字线、焊盘边缘）并抑制FPC本身带来的干扰。FPC图像具有背景纹理复杂、反光不均匀、表面有轻微褶皱或透明覆盖膜等特点，直接进行阈值分割或边缘提取往往会产生大量伪特征。本章围绕灰度化、滤波、直方图均衡和形态学操作四个核心环节，讲解其在FPC图像中的具体应用逻辑、参数选择依据及工程注意事项。
上图展示了FPC图像预处理的标准链路：从原始图像输入到灰度化、滤波、直方图均衡、形态学操作，最终服务于不同的视觉定位场景。在实际工程中，并非每一步都必须执行，而是根据FPC的材质、光照环境和目标特征动态组合。下面逐一展开各环节的原理与实战要点。
4.1 灰度化：从彩色到单通道的信息压缩
核心原理：Halcon中彩色图像通常以RGB三通道存储，但FPC对位贴合使用的工业相机多为黑白相机，即便使用彩色相机，视觉算法也主要在灰度域运行。灰度化的本质是将三维颜色向量映射为一维亮度值，Halcon的rgb1_to_gray算子采用ITU-R BT.601标准权重：Gray = 0.299R + 0.587G + 0.114B。对于FPC图像，这种加权方式能够较好地保留金手指、焊盘与基材之间的对比度。
判断方法：并非所有FPC图像都必须灰度化。如果光源为红色LED（波长660nm），FPC基材为黄色聚酰亚胺，红色光照射下基材与铜箔的灰度差异已经足够大，此时直接使用红色通道提取图像反而能减少信息干扰。Halcon中可通过access_channel算子单独提取某一通道。
实战经验：在FPC对位项目中，建议先采集10~20张不同批次、不同光照条件下的样本，分别测试灰度化、单通道提取、HSI亮度分量三种方式，选择目标与背景灰度差最大且标准差最小的方案。不要盲目使用默认灰度化。
| 方法 | 适用场景 | Halcon算子 | FPC应用建议 |
|---|---|---|---|
| 加权灰度化 | 标准白光照明 | rgb1_to_gray | 通用首选 |
| 单通道提取 | 单色光照明 | access_channel | 红色光配红色通道 |
| HSI亮度分量 | 高反光FPC | trans_to_rgb / intensity | 抑制镜面反射 |
4.2 滤波：抑制噪声与纹理干扰
核心原理：FPC图像中的噪声主要来自三方面：相机传感器的高频噪声、FPC表面细微划痕、以及覆盖膜边缘产生的伪轮廓。滤波的本质是邻域操作，用周围像素的统计特征替代当前像素值。Halcon中常用的有均值滤波mean_image、高斯滤波gauss_filter和中值滤波median_image。对于FPC图像，中值滤波在抑制椒盐噪声和细小划痕方面表现最佳，同时能较好保留边缘锐度。
操作流程：
- 使用
median_image，掩膜尺寸从3×3开始测试，逐步增大到5×5、7×7，观察Mark点边缘的保留情况。 - 若FPC表面有周期性纹理（如编织纤维），可尝试
gauss_filter配合较大Sigma值（1.5~3.0）进行平滑。 - 对于需要亚像素精度的焊盘边缘，滤波后必须检查边缘梯度幅值是否下降超过15%，若超过则需减小滤波强度。
风险提示：过度滤波会导致Mark点边缘模糊，使得后续threshold分割后区域缩小，圆心拟合偏差增大。在FPC对位中，滤波的核心目标是“去噪保边”，而非“平滑美化”。建议在滤波前后分别测量同一Mark点的直径，偏差应控制在0.5像素以内。
案例拆解：某FPC项目使用5×5中值滤波后，Mark点边缘的毛刺从12个减少到2个，圆心定位重复性从±0.03mm提升到±0.015mm。但将掩膜增大到7×7时，边缘梯度下降20%，导致亚像素边缘提取失败。最终采用5×5中值滤波+3×3高斯滤波的组合，兼顾去噪与边缘保持。
4.3 直方图均衡：改善光照不均与对比度不足
核心原理：FPC在贴合工位常因弯曲或反光导致局部过亮或过暗，直方图均衡通过重新映射灰度级，使输出图像的灰度直方图近似均匀分布，从而增强暗区域细节。Halcon中equ_histo_image算子实现全局均衡，scale_image则通过线性拉伸调整对比度。
判断方法：在Halcon中打开灰度直方图窗口，若目标区域（如Mark点）与背景的灰度峰值间距小于30个灰度级，且直方图集中在狭窄区间，则需要进行均衡处理。但需注意，全局均衡可能放大背景噪声，因此更推荐使用局部自适应方法，如equ_histo_image配合ROI区域限定。
经验提醒：直方图均衡并非FPC预处理的必选项。当光照系统稳定、目标对比度足够时，跳过均衡可以避免不必要的灰度畸变。仅在以下情况使用：FPC表面有透明覆盖膜导致反光、Mark点与基材颜色接近、或相机视野内光照不均匀。
实战场景：某FPC项目使用环形光源，但FPC边缘翘起导致右上角区域过暗，Mark点灰度值仅80，背景为60，对比度极低。使用equ_histo_image后，Mark点灰度提升至150，背景为90，对比度显著改善。但同时也放大了FPC表面划痕的干扰，后续通过形态学开运算消除。
4.4 形态学操作：结构元驱动的形状处理
核心原理：形态学操作基于结构元素与图像的相互作用，包括腐蚀、膨胀、开运算、闭运算、顶帽变换和底帽变换。在FPC图像中，开运算（先腐蚀后膨胀）用于去除细小毛刺和孤立噪点，闭运算（先膨胀后腐蚀）用于填充Mark点内部的细小空洞。顶帽变换（原图减去开运算结果）能够提取暗背景上的亮细节，特别适合FPC覆盖膜下的Mark点增强。
操作流程：
- 选择结构元形状：FPC Mark点多为圆形，推荐使用圆形结构元
gen_circle；焊盘边缘为直线时可用矩形结构元。 - 确定结构元尺寸：开运算结构元半径应小于目标特征最小半径的1/2，但大于噪声颗粒的最大尺寸。例如Mark点半径15像素，噪声颗粒3像素，结构元半径取5~7像素。
- 执行操作：
opening（开运算）、closing（闭运算）、top_hat（顶帽变换）。
// Halcon示例：FPC Mark点增强与去噪
read_image (FpcImage, 'fpc_sample.png')
rgb1_to_gray (FpcImage, GrayImage)
median_image (GrayImage, MedianImage, 5, 5)
// 顶帽变换增强暗背景上的亮Mark点
gen_circle (StructElement, 0, 0, 5)
top_hat (MedianImage, TopHatImage, StructElement)
// 阈值分割提取Mark点
threshold (TopHatImage, MarkRegion, 30, 255)
// 开运算去除毛刺
opening_circle (MarkRegion, CleanRegion, 3.5)
// 计算Mark点中心
area_center (CleanRegion, Area, Row, Column)案例拆解：某FPC对位项目，Mark点为直径1.0mm的铜箔圆，表面覆盖半透明PI膜。原始图像中Mark点灰度与背景差异小，且PI膜边缘产生伪轮廓。处理流程：灰度化→5×5中值滤波→顶帽变换（结构元半径8像素）→阈值分割→开运算（半径4像素）→圆形度筛选。结果：Mark点检出率从82%提升至99.5%，定位精度±0.02mm，满足贴合要求。
常见误区：形态学操作会改变目标区域的面积和形状。腐蚀使区域缩小，膨胀使区域增大。在FPC对位中，如果使用形态学后的区域直接计算中心点，必须考虑结构元半径带来的偏移。建议在形态学处理后，使用原始灰度图像的边缘信息重新拟合Mark点中心，以保证亚像素精度。
| 操作 | 公式 | FPC应用 | 典型结构元 |
|---|---|---|---|
| 腐蚀 | A⊖B | 去除细小毛刺 | 圆形 r=2~3 |
| 膨胀 | A⊕B | 填充小孔洞 | 圆形 r=2~3 |
| 开运算 | (A⊖B)⊕B | 去毛刺+保持尺寸 | 圆形 r=3~5 |
| 闭运算 | (A⊕B)⊖B | 填充Mark点内部空洞 | 圆形 r=3~5 |
| 顶帽变换 | A - (A∘B) | 增强亮Mark点 | 圆形 r=5~8 |
总结复盘：FPC图像预处理的核心目标是稳定提取对位特征，而非追求视觉上的完美。灰度化需根据光源波长选择最优通道；滤波应在去噪与边缘保持间取得平衡；直方图均衡仅在对比度不足时使用；形态学操作需精确匹配目标特征尺寸。在Halcon中，建议建立预处理参数模板库，针对不同FPC型号保存最优参数组合，并通过set_tposition和write_tuple实现参数快速切换。最后，所有预处理步骤都应在ROI区域内执行，减少计算量并避免背景干扰。