随着绿色环保照明能源的提倡和推广,节能可靠的LED照明已逐步取代常规照明,成为未来照明的主导方向,因此提高其加工设备性能具有重要意义。LED的发光核心是LED晶片,LED自动固晶机则是完成LED晶片的检测、拾取和固晶等工作的设备。固晶机的视觉系统用来进行晶片的准确定位、检测和分类,是LED固晶机功能实现中的关键环节,影响着整个系统的识别效果,并决定了系统处理速率和准确性。本文针对自动固晶机视觉系统中相关的图像处理技术展开研究,目的是获得合格晶片的准确中心坐标以及不合格晶片的缺陷类型。首先将采集到的图像进行预处理,包括滤波、形态学处理以及金字塔缩放等,以增强边缘效果,去除了大部分背景中的毡片毛刺引起的干扰。提取图像的边缘信息后在低分辨率下通过模板匹配识别晶片的大致位置,再返回高分辨率图进行精确定位,提高匹配速率。经过对合格晶片与缺陷晶片的灰度、边缘等特征分析,使用不同的判断准则实现了合格晶片、墨点晶片、缺边缺角晶片和紧邻晶片的识别。为了满足晶片识别定位的实时性和小尺寸晶片的加工精度,采用多分辨率识别,即粗精结合的识别方法。针对Canny阈值分割需要人工调整阈值的弊端,提出了自适应阈值分割的边缘检测方法,通过大津法自适应获取阈值再使用Canny边缘检测,既能避免人工调整,又能减少复杂工况引起的各种噪声干扰,提高了适应范围和稳定性。在匹配环节提出了一种基于形态学运算的边缘模板匹配算法,在二值边缘图下进行待匹配区域和模板的与运算,寻找最优匹配点。获取的加工图像中有多个晶片,为实现多目标识别搜索,提出了一种逐步全局最优搜索的方法,即获取全局最优位置后将其区域设为背景,继续下一个全局最优值的寻找,最终得到该区域内的所有晶片坐标。针对同一个分类目标提出不同的分类特征准则,经过实验论证得到最佳分类准则。基于OpenCV开发了LED晶片图像检测系统,既能完成LED晶片的识别过程,实现晶片的定位、分类与标识,又能根据实际需要对某些图像处理函数进行单独调用。