TELKOM NIKA , Vol.12, No .4, Dece mbe r  2014, pp. 91 1~9 2 0   ISSN: 1693-6 930,  accredited  A  by DIKTI, De cree No: 58/DIK T I/Kep/2013   DOI :  10.12928/TELKOMNIKA.v12i4.304    911      Re cei v ed Au gust 27, 20 14 ; Revi sed O c t ober 1 4 , 201 4; Acce pted  No vem ber 5,  2014   High Re cognition Ratio Image Processing Algorithm of  Micro Electrical Components in Optical Microscope      Wu Jie 1,2 ,   Feng Zuren  1 ,   Wang L e i  3   1  State Ke y  La borator y for Ma nuf acturi ng S ystems Engin e e r ing,  Xi' an Ji aot ong U n ivers i t y ,    Xi' a n 71 00 49, PR Chi n a   2  School of Ele c tronic Informa tion Eng i n eeri n g, Xi' a n T e chnolo g ica l  Univ er sit y , Xi' a n 710 0 32, PR Chi n a   3  Department o f  Basis, Xi' an R a il w a y   Vocati o nal  & T e chnica l Institute, Xi’ a n  7100 16, PR C h in a   e-mail: xait _bs @16 3 .com        A b st r a ct   In order t o  pro c ess smal l co mp on ents of o r igin al  i m ag e u nder th e  micr o scope, firstly, this p a p e r   ado pts medi an  filterin g al gori t hm  to  enh anc e targets; a n d  the target s  a r e shar pen ed  by usi ng l a ter a l   inhi biti on a l g o ri thm, the  edg e  of targets is o u t line d . In  ord e r to get rel i ab le t a rget re gio n , a daptiv e thres h old   seg m e n tatio n   alg o rith m is  u s ed to  extract nee d targ et  r egi on, a nd c h aracteristics  of target is  use d  to   distin guis h   mul t iple  targ ets. Based  o n  th e c h ip  resi stor,  o ne ti ny c o mpo nent, i n  th e c a ptured  i m a ge,  w e   jud ge if the c h i p  resistor is  qu alif ie d by c a lcu l atin g the p i xel s  area va lu es. T he exp e ri me n t al results sh o w   that, the i m ag e proc essin g  a l gorit hm  an d q ualifi ed  det ecti on a l gor ith m  is  reaso nab le, w h ich  provi des t h e   theoretic al b a si s and i m p l e m e n tation  meth od  of effe ctive target extraction  and further  qua lified test.     Ke y w ords :   ele c trical co mp on ents, microsc o pe, imag e proc essin g  alg o rith m      1. Introduc tion  With the developme n t of manufa c turi n g  indus t r y an d electroni c tech nolo g y, integration  has b e come  a mode rn  manufa c turi n g  indu stry  trend [1]. In orde r to me et the need s of  integratio n,  small  pa rts a nd small chi p s and  other com pon ents are  eme r ge d a s  the tim e s  requi re. T h e s e compo nent s h a ve be en  made i n  min u te si ze i n  th e process, a nd ju st be ca use   these  com p o nents  ca n be  made m o re  a nd mo re tiny, integratio n on  a larg e scal e  can  be u s ed  in  more fields [ 2 ]. Those  produces  which  imbark i n tegration on a  large scale will  be m o re perf ect  and the  fun c tion will  be  mo re p o werful  a nd have  mo re  co ping  strate gy for differen t  situation. T h e   usa b ility of th ose p r od uces will be stre ng thened.   Because these  com ponents  size is too  sma ll, tiny misoperati on in the process  will  emerge qu est i ons in  comp onent. If these uncertain  compon ents b e  use d  in inte grated p r o d u c e s ,  there  will  be  hidde n d ang er in  p r od uce .In pra c tical  engin eeri ng  context, qualifi ed te st of e a c h  comp one nt should b e  don e. Based o n  the fact  that comp otents  h a ve been m a de in tiny size,  image analy s is  of com pon ents need   to have  the aid  of micro sco p e  [3]-[4], microscop e  is u s ed   as an a u xiliary tool to acco mplish a m plifi c ation of sma ll compo nent s.    In orde r to improve the p r o duct reli ability of  small com pone nts etc, this pa per u s e s  chi p   resi sto r s  of electri c al  co mpone nts a s  mea s ured  o b ject. With t he aid  of mi cro s copy im a g ing   prin ciple[5], a  numb e r of  chip resi sto r s  are  ca ptur ed.  Firstly, the o r iginal  imag e  is p r e - processed   and targ ets are en han ce d.The wh ole  processin g  pro c ed ure is finished by  using ad apt ive   threshold  se gmentation  a l gorithm, etc.  We ad opt reasona ble re cog n ition alg o rithm ba se d  on  cha r a c teri stic of chip re sist ance to acco mplish q ualifi ed test.       2. The optica l  imaging principle on mi crosco pe an d image acq uisition method   In the p r od uct i on p r o c e ss,  becau se th e t i ny si ze   of chi p  re si stors  are do ne, the n  t he  chip  resi sto r s im a ge is a c q u ire d  with the he lp of mi croscope to amplif y chip re si sto r s ima ge, whi c h  will facilitate t he next a nalysis  of the im a ge, pr ocessin g  and  ultimat e  qualifie d te st. The im agi ng  schemati c  is  con s tituted b y  area a rray  came ra  a nd  microsco pe i s  sh own a s  F i gure  1. The  tin y   measured  obj ects can  be a m plified th rou gh the  mi cro s cop e  len s , th en the  amplifi ed mi crosco p i c  image  of me asu r ed  obje c t s  can  be o b tained. T he  a m plified mi croscopi c im ag e is  co ndu cive to   process the t a rget s.The  mi croscopi c im age is  capt ured by optical l ens, the i m age will be form ed   on the imagin g  surfa c e.   Evaluation Warning : The document was created with Spire.PDF for Python.
                          ISSN: 16 93-6 930   TELKOM NIKA   Vol. 12, No. 4, Dece mb er 201 4: 911  – 920   912     Figure 1. Microscopy imagi ng prin cipl e       As shown in  Figure 2, th e mea s u r ed  obje c ts a r e l o cate d in o p t ical effective  regio n ,  minute obje c ts are amplif ied by micro s copi c  optica l  system. Area array ca mera  captu r es  microsco pic i m age by optical len s  of ca mera.T he ca ptured ima g e  enters the co mputer by image   acq u isitio n ca rd [6]. In the  pro c e ssi ng of  the com pute r , usi ng ima g e processing   algorith m  in t h is  pape r extra c t s  target regio n  and  u s ing  h i gh recogni tio n  ratio  algo rit h m recogni ze s target regio n .  The me asure d  obje c ts  qu ality will be t e sted,  the un qualitied  o b je cts will  be re jected and  th e  qualitied  obj ects will be  persi s ted Image acquisition diagram  under microscope i s   showed as  Figure 2.        Figure 2. Image acqui sition  princi ple un d e r the micro s cop e       3. The high precision image te st method for  tiny   componen t s  under optic al microsco pe   3.1 Image processin g  algorithms for  tin y  components un der  microscope   It is  nec ess a ry to abs trac t target effec t ively  from imag e duri ng te sting the chip resi stors.   Ho wever, du e to these factors effect  which  a r e  uneven lighti ng, diffractio n  effect, camera   perfo rman ce  and  i n tern al and external  noise,  the  fe ature of com puter ca pture d   imag e  i s   lo w  contrast a nd  blurs ed ge [7] .  These  fe atu r es  are not co ndu cive to the  target final t e st; therefo r e ,  it  is nee d to research a set of effective pro c e ssi ng alg o ri thm.  In orde r to ef fectively abst r act  ea ch target in  a b a tch of chi p  resi stors, multipl e  target s  image p r o c e s sing al gorith m  is studie d , the flow ch art  is sho w n a s   Figure 3.  In view of a  captu r ed  ori g inal imag e, d ue to the  ch ange s of b a ckgroun d is  sl ow a nd  irre gula r , whi c h  will  ob struct ta rget te sting,  so  we  use b a ckg r o und  su ppression  alg o rith m to   achi eve enh a n cem ent of target, which i s  co ndu cive to test target; The ed ge co ntains imp o rt ant  informatio n of  the target, a c cordi ng to th e lateral inhi b i tion pri n ci ple  of huma n  visual to  sha r pe n  target [8]. Becau s e the n o i s e an d targ et edge  sho w   same characte ristics, so  target is sharpe ned   and  noise  si gnal i s  al so   enha nced at  the  same  time; In o r de r to get  relia ble target re gion  Evaluation Warning : The document was created with Spire.PDF for Python.
TELKOM NIKA   ISSN:  1693-6 930       High  Recogni tion Ratio Image Processi ng Algorithm   of Micro Elect r ical  Com ponents .... (Wu Jie)  913 informatio n, we a dopt th e  method  whi c h i s  a dapt iv e thre sh old  segmentatio n  to extract ta rget  regio n . Thi s   method  ca n remove mo st  of the noi se,  but a  small a m ount of n o ise and ta rg et will   be extra c ted;  In orde r to remove the i n fluen ce  of  noise and di stingui sh m u ltiple mea s ured   targets,  and  we u s e th e m a rk cl uste ring  algo rithm,  according  to the  cha r a c teri sti cs  of the ta rg et,  to distingui sh  multiple targ e t s, and fina lly we test the m a rked target quality.           Figure 3. Image pro c e s sin g  algorith m  bl ock diag ram       3.2 The algo rithm of image prepro ce ssing and ta rget en hanc ement und er  the microsc ope   Usi ng th e a v erage  value  of a  pixel-d o main  as th e filtering  re sults is the  simple st   smoothi ng filtering  method , all the coeffi cient  of filteri ng template  are 1. F o r th e  3 3  template,   the value  of R ne ed to  b e  divided  overall  co effi cie n t 9. The  sm oothing filte r i ng ha s i nhibi ting  effect on noi se, but as t he re sult of smoothi ng filtering, ima g e  becom es fu zzi er, it can  be  deeme d  that  the detail s  ha s a dimi nutio n. Due to  the i r sm all si ze,  targets  are e a sy to drown  in   backg rou nd.  So the smo o thing filterin g is un suitabl e. This p ape r u s e s  the medi an filtering to  do   image p r ep ro ce ssi ng.   For a imag e   y x g , , the output of 2-D m edia n  filtering can be  written:         y x g median y x S y x N y x median , , , ,                                                             (1)    For the me di an filtering  which u s e s  a  n n  template, its o u tput sho u ld  be greater th an  or e qual to th e  2 1 2 n  piexl value  of the templ a te[7]. Norm a lly, if the domain of ima ge i s  to o   bright o r  too  dark an d  size  of the dom ai n is  smal l e r t han h a lf of the template  si ze, the d o ma in  woul d be elim inated.   The me dian  filtering is  a nonlin ear  sig nal  processin g  tech nology  based on th e ord e r   s t atis tical theory; it c an effec t ively s u ppres s  th e no ise, which i s  a typical no nlinea r spati a l  filtering tech n o logy. The m edian filter  can prot e c t well the sign al  details while  removing n o i se   [9]. Moreover, the median  filter is  ea sy to adaptive, so it can furt h e r imp r ove filter pe rform a n c e.  It can  remov e  the  sing ula r ity-gray s in i m age, a nd d ue to thi s  fea t ure, medi an  filtering al gori t hm   is usually use d  for ba ckg ro und supp re ss ion and ima g e  depo sin g  for dim target.   The imag e borde r in clude s impo rtant informat io n a bout image s,  borde r is sit uated the   area  whi c h has obvio us energy differen c e [10]. There are some differen c e s  in target  an d   background  energi es after  removing noi s e, but th e energy  difference is sm all, whi c h will causes  that sha r pe ni ng effect is n o t good. Thi s  pape r us es  sharp enin g  alg o rithm ba se d  on the pri n ci p l e   Evaluation Warning : The document was created with Spire.PDF for Python.
                          ISSN: 16 93-6 930   TELKOM NIKA   Vol. 12, No. 4, Dece mb er 201 4: 911  – 920   914 of lateral inhi bition [11], this sh arp enin g  algor ithm wi ll be propitio u s to se parated target fro m   background and ma kes target cont our cl early visibl e,  whi c h  will  enhance the  difference between  the target an d backg rou n d ,  image qualit y will be improved.  Loo king eve r y pixel of gray image as a sensor  in  lateral inhibi tion netwo rk,  all light  sen s e  unit  can be  supp ressed  by nei ghbo ring   nu mero us units, so late ral  inhibition  bet wee n   nume r ou s uni ts can b e  sh o w n a s :      oi i n c i i ic c c y y f y 1      n c ,... 2 , 1                                                      (2)    For formula  (2),  c f  is emi s si on freq uen cy  of pluse s  when a lig ht sense unit is  sho n e   alone;  i y  is th e emission f r equ en cy of pluses a fter  a light sen s e  unit has go t the lateral  inhibition;  ic  is the coefficie n t of lateral inhibition;  oi y  is the threshol d to generat e lateral  inhibition [12] .  Usi ng the formula (2 ) a s  a  template, we  figure out th e gray value s  after every p i xel has  been  sup p re ssed by am bi ent pixels, th e cal c ulate d   gray value i s  lateral in hibition value of t h is   pixel, lateral i nhibition val u es from all  pi xels of  im age   co nstitute  a  new  gray value mat r ix, wh ich   is  calle d late ral in hibition   matrix of ima ge [13]. Th e  re sult of l a teral i nhibitio n  is  not o b vio u s  becau se  of th e overmu ch  pixels, in hibitory a c tion i s   wea k   wh en t he templ a te i s  ove r   7 7  a nd  the comp utational  process  will ta ke  too l ong tim e .  So we ch oo se   a suitabl e cal c u l ation  tem p lat e   w h ic h  is   5 5 , that mean s  we  con s id er th e  cent re late ral inhibitio n   effect whi c h  is from  the  ambient 24 pi xels. Form ula  (3) is the  co mputing form ula.        2 2 2 2 , 05 . 0 , , ab b y a x K D y x P y x H                                                 (3)    Her e ,     b y a x P b y a x P K , , 0 .   For fo rmul a  (3 ),  0 , y x D ,  2 - , 2 - y x P , 1 - , 2 - y x P ,…, 2 , 2 y x P  are  gray va lues of   origin al imag e.   2 - , 2 - 0 y x P ,  1 - , 2 - 0 y x P ,…, 2 , 2 0 y x P  are th reshold s  of l a teral in hibiti on for  every pixel,   y x H ,  is the point  y x P , gray value af ter the point  y x P ,  has got the  lateral  inhibition fro m  the ambie n t 24 pixels,    2 - , 2 - y x D , 1 - , 2 - y x D ,…, 2 , 2 y x D  are th e differen c e  of lateral  inhibition  coef ficient betwee n  every point and center p o i nt.      3.3 The tar g et region de tection un der  the microsc ope   Whe n   the co ntrast  i s  different everywhere   in im ag e, if we  only  use a fixed  globa l   threshold to  segme n t whole imag e, segm entat ion  result s will  be affected  beca u se global   threshold  ca nnot give  co nsid eratio n t o  contrast   of everywhe re  in im age. S o  we u s e  lo cal  threshold  whi c h  correlat es  coo r din a te to  segm ent ima ge. This  relat ed with  coo r d i nate thre sh ol d  is also  called  adaptive thresh old. Firstl y, the  image  is decomp o sed into a seri es of subim a ges,   these  subim age s  can  ov erlap  o r  ju st  adjoin  wi th  o t hers.  If su bimage i s   sm a ll, the proble m s  cau s e d  by shado w o r  sp atial variation  of cont rast  will be le ss, and the n  we  can  cal c ulat e a   threshold  for  one  subi mag e . Segme n tation i s  impl em ented  by thre shol d  comp a r iso n  b e twe e n   every pixel and co rrespon ding subima g e  [14].    In ord e r to  segment ta rge t  regio n , this  pape r a dopt s adaptive th resh old  seg m entation  algorith m . Firstly, the mean value   and varian ce   of the image a r e  calculated. T he image i s   divided i n to  subim age s o f  sam e   size, and  the  pix e l me an val ues of  every  su bima ge  a r e  cal c ulate d  re spe c tively. The cal c ulatio n formul a for m ean value a n d  varian ce a r e sho w n:     Evaluation Warning : The document was created with Spire.PDF for Python.
TELKOM NIKA   ISSN:  1693-6 930       High  Recogni tion Ratio Image Processi ng Algorithm   of Micro Elect r ical  Com ponents .... (Wu Jie)  915    M i N i j i g N M 11 , 1                                                                    (4)        M i N i j i g N M 1 2 1 2 , 1                                                          (5)    The threshol ds of  whol e i m age  and  su bimage s  a r e  cal c ulate d . T he calculatio n formul as  are sho w n:     m T whole                                                                             (6)    i i i m T                                                                                 (7)    For form ula  (6) a nd (7 ),  m  is weight coeffici ent whose ran ge i s  from 3 to 10. The  sele ction of segmentatio n thre shol d  T  ne ed abid e  the followin g  form ula:    whole i i whole i whole T T T T T T T                                                                       (8)    If image  ha s  many differen t  regi on s of  g r ey  val ue, we  can sel e ct a seri es of thre shol ds,   and ea ch pi xel is divide d into the a ppro p ri ate threshold[1 5 ]. Selection  of image thresh old  segm entation  can be d e fin ed as:   This  will be assigned to t he appropriate category  to eac h pixel. The image after  threshold  seg m entation ca n be define d  as:        T y x g T y x g y x g , 0 , 1 ,                                                                  (9)    For form ula (9),   y x g ,  is original image. T he formula  (9) ca n be e s timated an d  applie d at an y pixel positio n.       3.4 High pre c ision identi fication alg o rithm of image under the  microscope    The q uality o f  target in  im age i s  im pro v ed by  a  se ri es  of processing  which  a r e targ et  enha ncement  and  ed ge  d e tection  etc,   the processin g  re sult i s   co ndu cive to  extract ta rget  a n d   sub s e que nt p r ocessin g . Capture d  ima g e  co ntain s   m u ltiple targ ets, these ta rget s a r e di strib u ted  in image  with out rule. In order to corre c tly extr act each target, mult iple mea s u r e d  target s nee d   to be  distin gu ishe d. We a d opt ma rk cl ustering  algo rithm [16]. Multiple targets ,   acc o rding to their  own  cha r a c te ristics, are disti nguished. And finally, these ma rked  targets are dete c ted on q ualit y.  Becau s e the  magnification  and ca pture d  angle of mi cro s cop e  are uncertain, wh en chi p   resi sto r  is det ected o n  qua lity, if we onl y just  calcula t e the area v a lue of sol d e r  regi on on  chip  resi sto r  to d e termin e wh ether o r  not  the chip  re sisto r  is q ual ified, t he testing re sult is not  accurate [17] -[18]. Thi s  p a per  ado pts t h is m e thod,  whe n  the  pixels  are a  valu es  A 1  and   A 2  of   sold er region  which are lo cated o n  ea ch side of  chip  resi stor a r e  equal, we de em that this chip  resi sto r  is qu alified. As sh own in Fig u re  4.    Evaluation Warning : The document was created with Spire.PDF for Python.
                          ISSN: 16 93-6 930   TELKOM NIKA   Vol. 12, No. 4, Dece mb er 201 4: 911  – 920   916 chip resistor soldering region 1 A 2 A     Figure 4. Chi p  resi sto r  ske t ch map       Whe n  image  is captu r e d , the captu r e d  cente r  is  not locate d in the center of ea ch chi p   resi sto r , so t here  i s   certai n calculation   error when  the pixel s   are a  value s  A 1  and  A 2  of sol der  regio n  a r e  calcul ated, the  permi ssible  cal c ulatio n error  ra nge i s   % 10 . So wh en th e pixel s   area  value s   of sold er re gi on is satisfie d with fo rmul a (1 0),  we  d eem that th e  chip  resi stor is  qualified.     2 2 1 % 10 A A A                                                                         (10)      4. The experi m ent and an aly s is  In the p r od uction process,  the tiny chip  re si stors h a ve  bee n d one,  we  nee d to h a ve the   aid of  amplifi ed fun c tion  o f  microsco pe  to com p lete t he ima ge  acquisitio n . The  ca pture d  im age   is processse d  by filtering  and e dge d e tection  etc. T he pu rpo s e i s  to elimin ate noi se  which i s   gene rated  in  pro c e s s of a c quisitio n  an d  transmissio n, to ma ke th e  edge  cle a r an d tidy. A se ri es  of image processing i s  essential found at ion for the ne xt target extraction.   One  ori g inal  amplified i m a ge i s   captu r e d  in thi s  pap e r   whi c h i s   sh o w n  as Fig u re   5. Fro m   the amplified  image by mi cro s cop e , we  can  see  th at the iamge  h a s lo w cl arity  and noi se, t he  origin al imag e need s to be  further p r o c e s sed.           Figure 5. Orig inal image u n der mi cro s co pe       If we can effectively supp ress backg ro u nd  duri ng ba ckgroun d su pp ressio n stag e ,  which   will red u ce the pro c e s sing  burd en. In the backg ro u n d  supp re ssion  stage, not onl y the interesti n g   area  of i m ag e shoul d b e   h i ghlighted,  bu t also  the  po ssible  target a r ea  sho u le  be   found  out. Th is  pape r  co ntra sts sm ooth  filtering  an d  median  filt eri ng,  both   of  t hem are u s e d  for backg round   Evaluation Warning : The document was created with Spire.PDF for Python.
TELKOM NIKA   ISSN:  1693-6 930       High  Recogni tion Ratio Image Processi ng Algorithm   of Micro Elect r ical  Com ponents .... (Wu Jie)  917 sup p re ssion,  the re spe c tive filt ering re sults are sh own as Fig u re  6.  From the im age after  smo o th  filtering, It is clea r that image be com e s fuzzie r,  the visual detail s  of image a r e re du ced.  And  from the ima ge after m edi an filtering, T he contra st o f  the image h a s imp r ove d , the media n  filte r   has  goo d abil i ty to remove  noise an d will  not ma ke th e detail s  too f u zzy, whi c h i m prove s  ima g e   visual effect.                         (a) Smo o thin g filtered processing ima g e                    (b) Median filtere d  pro c e ssi ng  image     Figure 6. The  filtered pro c e ssi ng imag e       After median  filterting ima ge preprocessing, the n  the ta rget s are  sha r pe ned  by usin g   lateral in hibiti on alg o rithm.  Lateral  inhib i tion sh arp eni ng effect i s  shown a s  Fig u re 7 ( a ) , at the   same time, t h is pa pe r also use  S obel   operator to e x tract edg e o f  the target, and the  resul t  is  sho w n a s  Fig u re 7(b). The  result s of edge extracti o n  show that la teral inhibitio n  algorithm  can  extract the ed ge and the e x tracted cont our is not  def ormatio n , and the extracti on effect is b e tter   than conve n tional  So bel   operator. A d j a ce nt targets ca n b e   effectively distin g u ish ed  by ed ge   extraction.                          (a) p r o c e ssi n g  image of lateral inhi bition  algorithm    (b) Pro c e ssi ng  image of  Sobel  ope rato r    Figure 7. The  edge extra c tion pro c e s sin g  image       After the ima ge sharpeni n g , the image  is th re sh old  segmente d . T h is p ape r ad opts a n   adaptive  th resh old se gm entation alg o rithm,  th e   mean  and  v a rian ce s of  the ima ge  a r e   cal c ulate d . The imag e is  divided into  subimag e s  of same  si ze, a nd the pixel  mean valu es of   Evaluation Warning : The document was created with Spire.PDF for Python.
                          ISSN: 16 93-6 930   TELKOM NIKA   Vol. 12, No. 4, Dece mb er 201 4: 911  – 920   918 every subima ge a r e  cal c ul ated respe c tively. The thre shol ds  of wh ole ima ge a n d subima ge s  are   obtaine d by  calcul ation. An d then  a c cording to   the th reshold  sele ction rul e s,  we  accom p lish t he  whol e image  threshold  segmentatio n, and the ta rget regi on s are  segm ent ed obviou s ly  from   image. The e x perime n tal result is  sho w n as Figu re 8.            Figure 8. Adaptive thresh ol d segm ent ati on algo rithm  pro c e ssi ng i m age           Figure 9. Qua lified detectio n  algorith m  proce s sing ima g e       The cle a r  i m age  i s  obtain ed  by above  a  seri es  of p r ocessin g . According  to th eir  own   cha r a c teri stics, multipl e  ta rgets a r e  dist ingui s hed.  We ad opt im ag e cl uste ring   method  to la bel   adja c ent  re gions. Eve r y t a rget  is extracted.  We  j udge  if the   chip  resi stor is qu alified  by  cal c ulatin g the pixels a r e a   values  A 1  an d  A 2 .  Finally, some un qualifi ed chip resi st ors  are rej e ct ed  whi c h is  sho w n a s  Figu re  9.  The ori g inal i m age have b een proc esse d by above a  serie s  of co mpari s o n  alg o rithm. It  is  clea r th at t he effe ct of  median  filtere d  is b e tter th an  smo o thing  filtered  from   pro c e ssi ng  re sult.   The  contrast  of the ima g e  ha s imp r ov ed afrer m e d i an filtering,  At the sam e  time to re m o ve   noise, the details will no t be made too fuzzy, which imp r ove s  image visual effect. The  comp ari s o n  result s of  edg e extra c tion  show that  late ral inhi bition  al gorithm  can  e x tract the  ed g e   and the extracted  conto u r  is not  defo r mation, an d  the extractio n  effect is b e tter than  So bel   operator. A d j a ce nt targets ca n  be  effectively dist ingu ishe d by  edg e extra c tion.  Targ et regio n s   have be en  se gmented  by  adoptin g ad a p tive thre s hol d se gme n tation alg o rithm.  The  seg m en ted  regio n s have  bee n p r o c e s sed  by hig h   pre c isi on i d e n tification  alg o rithm,  we  can o b tain im age  whi c h only co ntains q ualifie d chip resi sta n ce s.   Evaluation Warning : The document was created with Spire.PDF for Python.
TELKOM NIKA   ISSN:  1693-6 930       High  Recogni tion Ratio Image Processi ng Algorithm   of Micro Elect r ical  Com ponents .... (Wu Jie)  919 The exp e rim ental result shows th e e d ge of  ta rget s have  bee n  clea r by  usi n g imag e  pro c e ssi ng  al gorithm  from   this p ape r  an d the  imag e  quality ha s  b een i m proved . We  have  m ade  several exp e riments on  10 0 chip  re sista n ce s  by ad op ting imag e p r oce s sing  alg o rithm  and  hi gh   pre c isi on i d e n tification  alg o rithm i n  thi s  pap er.  Hom ogen eity of e x perime n tal result i s   nice  and   inaccu rate re cog n ition ratio is lo w. The s e alg o rith m s  in this pap er effectively improve s  a c curate   recognitio n  ra tio, which p r o v ides reli able  method for q ualified test.       5. Conclusio n   The ca pture d   imag e  from microsco pe e x hibits  lo w co ntrast,  poo r  cl arity. In thi s  p aper,  a  seri es of ima ge p r o c e ssi n g  algo rithm s   are  re se a r ch ed, the  captu r ed im age  fro m  micro s cop e  is  pro c e s sed  by pre p ro ce ssin g algo rithm  a nd ad apt ive  t h re shol d seg m entation alg o rithm etc.  T he  sold er  regi on s o n  ea ch  si de of  chip  re sisto r  a r e  effectively extra c ted, a nd th e  target  qualifi ed  detectio n  is  a c compli she d   by usin g qual ified dete c tio n  algo rithm.  The expe rime ntal re sults  show  that the alg o r ithm i s  rea s onabl e an d f easi b le.  Go o d  expe riment al re sult i s   achi eved. Th e   probl em existing microscopic im age s is solve d . The alg o rith m can b e  a pplied in im age   processi ng and other  simil a r probl em s, whi c h will improve the ac curacy of simil a r products.       Ackn o w l e dg ements   This work was  partially supported  by   Ph.  D. Pro g ram s  F oun dation of Mi nistry of   Educatio n of  Chin a (2 0 1002 0111 003 1), Natio nal  Natural Science Fou n d a tion of Chi na  (611 051 26 &   6087 5043 ), a nd Spe c ial  F ound ation  of  Presi dent of Xi’an  Te ch nol ogical University  (XGYXJ J05 2 4 ).       Referen ces   [1]  W angh on gmei.  Researc h  Progress o n  Image Match i n g .  Computer e n g in eeri ng a n d  Applic ations .  200 4; 19(2): 42 -44.  [2]  HO. Lim, W .  Z hang,  LM. K oh. Autom a ted  visua l  i n sp ection f o r IC  w i r e -bo nd  usin g  auto-focus i n g   techni qu e.  IEEE/CHMT Electronics Manufact u ring Technology Sym p osium . 1993; 12( 7): 31-36.   [3]  Hans han L i . Researc h  on p h o toel ectronics  prop erties  of arra y   emittin g  dio de a nd its light e ner g y   distrib u tion i n  d e tection scre e n .   Optik . 2014; 125(3): 10 96- 11 00.   [4]  Bailif en,  Xu yu xi an, Y u shu i .  Rese arches  o n  the  microsc ope  aut o focu s metho d  b a s ed  on Ima g e   process i ng.  Ch ines e Journ a l o f  scientific instr u ment . 199 9; 2 0 (6): 612- 61 4.   [5]  Peters W H , Rans on W F . Digita l  im agi ng tech ni ques  ine x perim ent al stress a n a l y s is.  Optical  Engi neer in g.  1982; 21( 3): 427 -432.   [6]  Pratt W K .·Correlati on T e chniq ues of Image R egistrati on .  IEEE Traris AES . 1974; 1 0 (3): 3 53-3 57.   [7]  Hans han  Li, Z h i y o ng L e i. Projectil e  T w o-d i m ensi ona l Co ordi nates Me a s ureme n t Method Bas ed o n   Optical F i b e r C odi ng F i re  and  its Coord i n a tes  Distributi ng Pr oba bil i t y .   Me a s ure m e n t Scie nce Rev i ew .  201 3; 10(1): 34 -38.  [8]  Sunfen g, Sun y ao. Image s h a r pen ing m e tho d  an d  its ap pl icatio n bas ed  on t he  princ i pl e of later a l   inhi biti on.  T e ch nol ogy a nd ap plicati on of a u tomatio n  in He il ong jia ng. 1 9 9 1 ; 10(3): 50-5 3 .  [9]  Che nbi ng qua n,  Liuh ong li. Cu rrent situatio n and d e vel opm ent directi on o f  digital ima g e  processin g   technology .  Jo urna l of Jisho u  Univers i ty: Natural Sci ence E d itio n.  200 9; 30(1): 63-7 0 .  [10]  Hans han Li,  Z h i y on g  Lei. Stud y  and an al ysis  o n  a n e w   optic al d e t ection des ig n  method for  photo e l e ctric d e tection targ et.  Sensor Rev i e w . 2013; 33(4):  315-3 22.   [11]  Gaoai hu a, Z huchu an gui. Si mulati on st u d i e s of comp ou nd e y e  ima g i ng e x perim ent .  Journa l o f   Northw estern  Univers i ty (nat ural sci ence e d i tion).  19 98; 28 (2): 117-1 20.   [12]  Shum H Y, Szeliski R. S y st e m s and e x p e ri ment pap er co nstruction of p anor amic ima g e mosaics  w i th  glo bal a nd l o ca l alig nme n t.  I. J. of Comp uter Visio n . 200 0; 36(2): 101- 13 0.  [13]  Hans han  Li, Z h i y o ng L e i, Z e min W ang, Ju ncha i  Gao. Re search o n  Obj e ction Informat i on E x tractio n   Arithmetic i n  Photo-e l ectri c  Detectio n  T a rget Base on W a ve let  Anal ys is Me thod.  Pr z egl ad   Elektrotech n ic zny . 2012; 8 8 (9) :  157-16 1.  [14]  Yong xin Z han g ,  Li Chen, Z h ih ua Z hao, Jia n  Jia.  Multi-focus  Image F u sion  w i t h  Spars e  F eature Base d   Pulse C o u p le d Neur al N e tw o r k.  T E LKOMNIKA T e lec o mmunic a tio n  Computi ng  Electron ics an d   Contro l.  201 4; 12(2): 35 7-3 6 6 .   Evaluation Warning : The document was created with Spire.PDF for Python.
                          ISSN: 16 93-6 930   TELKOM NIKA   Vol. 12, No. 4, Dece mb er 201 4: 911  – 920   920 [15]  Hans han  Li, Z h i y o ng L e i, Z e min W a n g , Ju ncha i G ao. R e search Ob ject  Photoe lectric  Char acteristic  and Fire  Co ord i nate D i strib u ti ng Pro bab ilit y i n  Across Scre en S y stem.  Jo urna l of Na noe lectron i cs an d   Optoelectro n ic s . 2012; 7(2): 1 99-2 03.   [16]  W angfen g, Li yanj un. A n e w   a nd Better  W a y  of Extra e tin g  D i gital  Imag e Ed ge.  Jour na l of  Northw ester n   Polytech nica l Univers i -Ty.  19 98; 16(4): 5 36- 539.   [17]  Hans han L i , Junch a i Gao. Rese arch on t a rget ph otoe le ctricit y   track method a nd i m prove d  imag e   process i ng ar ithmetic in d y n a m ic targets det ection s y stem.  Optik . 2014; 12 5(14): 35 90- 3 595.   [18]  Z hang,  Xi up in g. T he re sear ch of gr anu la r computi ng  a ppli ed  in  ima ge mos a ic.  TEL K OMNIKA  T e leco mmunic a tion C o mputi n g Electron ics a nd Co ntrol.  20 13; 11(3): 5 37- 546.   Evaluation Warning : The document was created with Spire.PDF for Python.