早期的图像处理主要用于改善图像质量，随着计算机技术、图像采集技术的飞速发展，图像处理也越来越广泛地用于解决众多科学与工程领域中的问题，诸如医学图像分析、指纹鉴别、产品质量检验等。由于计算机图像处理具有许多独特的优点，因而发展非常迅速，成为现代技术研究的热点。 在电子工业中，PCB是各种电子产品的主要部件，PCB上的缺陷可能导致整块印制板甚至整台仪器报废，因此印制板的检验和测试是PCB厂商质量控制不可缺少的环节。 随着生产技术的提高，PCB制作工艺日趋复杂，大量超微器件和超细走线的采用，使PCB的质量检验成为一件非常困难的工作，难以实现自动化。传统的电测法和人工目测法已不能满足生产的需要。运用图像处理和识别技术对PCB图像进行分析，从而找出PCB上存在的缺陷是一种实时、无损、高精度和低成本的优秀方法。目前，市场上已有成品设备销售，通常被称为自动光学检查系统(AOI)，但这些设备多为国外研制，价格昂贵，国内尚在起步阶段；此外，现有的AOI系统仍存在较高的误判率。这说明在PCB图像处理和模式识别方法上仍需进一步的研究。 基于上述几点，本论文以数字图像处理和模式识别为理论基础，对PCB图像的采集、处理、识别的方法和难点进行了深入的探讨，并采用Borland 以C++ Builder6.0编制了一套PCB图像检测与识别软件，对印制板上存在的缺陷种类和数量实现自动检测和识别。 PCB图像检测与识别系统由四部分组成：图像采集、图像预处理、特征提取和图像识别。在图像预处理中，本文分析了常用图像增强和恢复方法对PCB图像的适用性，针对PCB图像的偏暗、对比度不强等特点给出了适合PCB图像特点的处理办法。对图像的二值化，采用双峰法和最大方差阈值法求阈值，取得了较好的效果。在图像识别中，本文分析了常用的模式识别方法，根据树分类法和序贯概率比检定法的思想设计了一种独特的PCB缺陷模式识别方法；并给出了针对各种PCB缺陷模式的特征选择与提取方法。同时，文中还对图像采集系统的设计和采集中的难点提出了解决方案。 在软件研制完成后，对大量PCB图像进了检测，经过对比试验证明能有效地识别印制板上的各种缺陷，收到了较好的效果。论文的设计是成功的，达到了预定的效果，研究成果具有较好的应用价值。