本文研究了用于印制电路板(PCB)光学自动检测设备中的图像配准算法。光学自动检测(AOI)技术利用光学成像的手段获取待测PCB的数字图像,通过数字图像分析的方法,快速向制造厂商提供关于产品质量的客观评价,以提升成品率。光学自动检测仪器,通常是通过对比待测PCB的图像和标准无缺陷的图像之间的差异,来定位缺陷的位置。要实现两幅图像间的对比,就需要一个图像配准的过程,使得两幅图像在空间位置上达到对准。配准算法的结果和精度直接关系到缺陷检测的精度和分辨率,是光学自动检测中至关重要的一个阶段。配准算法通常按其操作流程,分为五个阶段,依次是图像的预处理、特征提取、特征匹配、变换模型估计和图像重采样。本文分别从这五个阶段详细阐述用于PCB光学自动检测的配准算法的具体实现。在预处理阶段,提出了一种基于移动直方图的快速中值滤波算法;并对照明不均匀的情况,提出了一种利用小波提取照明趋势,然后进行图像恢复算法,并进行了算法实验仿真,取得了理想的效果。在特征提取阶段,对于角点特征、边缘特征和区域特征的提取,分别提出了一个角点检测算法、一个彩色图像边缘检测算法和基于有监督贝叶斯分类器的图像分割算法,并使用这些算法在实际应用中提取出了PCB图像上感兴趣的特征信息,同时进行了实验结果的分析。在特征匹配阶段,阐述了基于Hausdorff距离的点特征匹配,设计了一种快速计算Hausdorff距离的方法,并进行了算法的实验和仿真,达到了像素级的配准结果。此外还进行了基于不变矩的区域特征匹配算法实验仿真,并将其应用与PCB区域的匹配过程。在变换模型估计和图像重采样阶段,文章分析了PCB光学自动检测设备中出现图像错位的原因,并相应地选取了适合的变换模型和重采样方法,应用在实际的工程中。除此之外,文章还特别介绍了程序优化技术,以保证图像配准算法在达到检测要求的情况下,能更好地满足工业上的实时性要求,最大程度发掘硬件的潜能。本文的创新点在于:在特征提取阶段,针对彩色图像提出了相应的边缘检测检测算法和基于bayesian的区域分类器,这在PCB光学自动检测领域还是十分新颖和前沿的方法。欧美和日本也是这几年才有了基于彩色图像的PCB检测仪器,国内就更未见报道。本文提出的诸多算法已经应用到实际的项目中去,对研制最终系统有着十分重要的作用。