近年来,PCB行业取得了飞速发展。PCB向着小型化、多线路和高精度的方向不断开发,PCB的质量问题开始成为关注的热点。传统的检测手段不能满足PCB的发展需求,随着图像处理和机器视觉等领域的发展,基于机器视觉的自动缺陷检测技术已经取代了传统的检测技术。基于机器视觉的PCB缺陷检测系统主要包括光照系统、图像采集系统和图像处理系统,本文以PCB缺陷检测为应用背景,结合实际生产情况,对图像处理部分的图像预处理算法、图像配准算法和缺陷检测识别等算法进行研究,主要工作如下:(1)分析PCB缺陷检测的系统组成与图像的预处理,由于线路板独特的制作工艺以及采集图像时的噪声干扰,根据采集到的图像特点,提出了使用中值滤波和灰度变换对采集到的图像进行预处理,使图像有更好的对比度。(2)分析了关于图像配准的基本算法,对图像配准的现有技术理论和传统的配准算法进行对比分析,提出了改进的Harris的特征点提取算法,提高了检测效率。对于提取到的特征点对存在许多错误匹配的问题,因此在提取特征点之后提出了图像匹配的算法,首先用NCC算法进行粗略匹配,匹配之后再次进行RANSAC精确匹配,去除奇异点,得到了比较精确的特征点匹配,再根据两张图像的几何变换关系修正图像的尺寸和旋转偏差,从而完成图像的配准。(3)结合本课题的PCB裸板线路特点,不同的缺陷遍布在电路板的不同位置并且缺陷大小不均,提出了基于差影检测的PCB缺陷检测算法,首先对匹配过后的标准图像和待检测缺陷图像进行差影运算,然后运用阈值分割算法得到二值化差影图像,再根据缺陷区域相关性和形态学滤波对缺陷进行精确的处理,滤除虚假缺陷实现精确定位。最后提出基于连通域特征的缺陷识别算法,通过缺陷的面积、连通域和欧拉数三个特征对缺陷逐一分类识别。