图像预处理：
上面是图像处理的基本流程，分别为待检测的图片。
预处理步骤一：
首先做灰度处理：
然后做如果是清晰的照片，那么可以自动加入噪声进行检测系统的滤波效果，如果输入的照片本身是带噪声的，那么就不用再次加入噪声了。
对于滤波后的图像进行二值化处理，最后对二值化处理后的效果进行平滑处理。
预处理步骤二：
由于图片中的照片中存在白色的遮挡的区域，这个会对图片的处理造成错误识别，所以需要对其进行处理，
得到单纯为芯片管脚的图片。
缺陷检测：
首先需要对芯片的管脚进行定位：
上图中红色的部分为芯片的照片管脚的定位，右图为二值化图的管脚的定位。
缺陷检测，对每个定位点对应的白色区域进行识别，得到缺陷检测效果：
这个错误的就会显示错误的方框，这个芯片有两个错误，这里就会显示了。
系统会自动提示芯片的缺陷。
具体的缺陷方法为：
步骤一：这里是将芯片存在的较大的阴影区域消除，
=>
这样就会避免芯片检测的时候错误。
步骤二：将芯片的临近的区域合并，提供检测的精度
具体如下的效果：
变为：
这样可以提高临近区域。
步骤三：这里是将芯片存在的较小的区域消除，进一步提高检测效果
将视觉处理过程中，一些较小的区域去掉。
步骤四：从代码的146行到216行，就是将芯片的管脚进行定位。
基本思路如下：
通过求图片中的联通区域，得到参数L和n，其中n为联通区域的个数：
这个代码为定位点的确定。
步骤五：计算每个定位点下面的面积
这里是func_detect是面积检测函数，计算面积。
这个代码为判断是否为缺陷部分，
通过参数errors进行检测。参数errors需要不断的调整。
代码注意点：
·这个代码有如下几个参数：
这里对于不同的光线效果，得修改bw_para参数。
对于不同大小的图片，AERAMAX需要调整。
对于不同款式的图片，需要修改errors参数。
·为了提高识别的精度，最好是直接对芯片的附近的区域进行检测，不要整板的检测。
·系统只使用同一环境下的同一信号的芯片的流水线检测，改进芯片，需要重新设置参数。
·为了达到最好的效果，我们这里给出了几个测试样本对应的参数设置：
图片一，errors值为1500 . bw_para值为90
图片二，errors值为700 . bw_para值为90
图片三，errors值为500. bw_para值为120
图片四，errors值为500. bw_para值为120
图片五，errors值为500. bw_para值为120
图片六，errors值为1000.bw_para值为180
图片七，errors值为70.bw_para值为150（图片比较小，所以errors值小）
图片八，errors值为2500.bw_para值为170
图片九，errors值为2500.bw_para值为200
这里给你总结了九个图片，每个图片都是不同的大小和光效，你可以根据这里的参数变换，设置合适的参数。
在实际中，对于同一个生产线上，光照一般是固定的，检测的产品也一定是同一款芯片的产品的流水线检测，所以设置好一组参数及可。