CN107301636A - 一种基于高斯拟合的高密度电路板圆孔亚像素检测方法 - Google Patents
一种基于高斯拟合的高密度电路板圆孔亚像素检测方法 Download PDFInfo
- Publication number
- CN107301636A CN107301636A CN201710346445.9A CN201710346445A CN107301636A CN 107301636 A CN107301636 A CN 107301636A CN 201710346445 A CN201710346445 A CN 201710346445A CN 107301636 A CN107301636 A CN 107301636A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msup
- pixel
- edge
- curve
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/0008—Industrial image inspection checking presence/absence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20061—Hough transform
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30141—Printed circuit board [PCB]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于高斯拟合的高密度电路板圆孔亚像素检测方法，包括如下，S1FPC图像进行处理得到像素级边缘，再检测出圆孔边缘，得到圆孔边缘的重心；S2在圆孔边缘像素点与圆孔重心连线上选取边缘像素点及其附近的像素点，构成待拟合曲线；S3采用高斯拟合方法对待拟合曲线的梯度曲线进行高斯拟合，得到圆孔亚像素边缘；S4根据圆孔亚像素边缘，实现圆心、半径、圆度和圆缺陷的检测。本发明在圆孔边缘像素点与重心连线上获得待拟合曲线的操作简单，鲁棒性好；采用梯度曲线的高斯拟合方法比采用阶跃模型更加符合实际情况，能够实现高密度FPC圆孔的检测。
Description
技术领域
本发明涉及图像处理技术领域，具体涉及一种基于高斯拟合的高密度电路板圆孔亚像素检测方法。
背景技术
FPC由于其体积小、重量轻及具备可挠性等优点被广泛用于航天、军事、移动终端、数码相机等多个领域。目前FPC线路板的尺寸越来越小，对工艺的要求也越来越高。与此同时，需要更高精度的方法来检测FPC的各项特征以确保FPC的性能。其中，圆孔(包括标识孔、组装孔、定位孔、导通孔和对位孔)是FPC上的一项重要特征，圆孔的位置、大小及圆度等特征都会影响FPC的功能及性能。用光学影像的方法来检测圆孔是常用的方法。而对高密度的FPC，用一般像素级的检测方法往往达不到我们的检测精度。针对这种情况，可以采用亚像素的方法来到达测量精度的要求。近年来，亚像素检测技术已得到了很大的发展，这些方法大致可以分为三类：基于插值的方法，基于矩的方法和基于拟合的方法。基于插值的方法计算时间短，但是精度低，抗噪性差；基于矩的方法抗噪性能强，但由于涉及到模板的计算，所以计算量很大。
发明内容
为了克服现有技术存在的缺点与不足，本发明提供一种基于高斯拟合的高密度电路板圆孔亚像素检测方法。
本发明采用如下技术方案：
一种基于高斯拟合的高密度电路板圆孔亚像素检测方法，包括如下步骤：
S1FPC图像进行处理得到像素级边缘，再检测出圆孔边缘，得到圆孔边缘的重心；
S2在圆孔边缘像素点与圆孔重心连线上选取边缘像素点及其附近的像素点，构成待拟合曲线；
S3采用高斯拟合方法对待拟合曲线的梯度曲线进行高斯拟合，得到圆孔亚像素边缘；
S4根据圆孔亚像素边缘，实现圆心、半径、圆度和圆缺陷的检测。
所述S2在圆孔边缘像素点与圆孔重心连线上选取边缘像素点及其附近的像素点，构成待拟合曲线，具体为：
设边缘像素点个数为N，(xi，yi)为第i个像素点的坐标，(xc，yc)为重心坐标；
作一条以重心为端点，经过点(xi，yi)(xc，yc)的射线，然后在线上的(xi，yi)两边各取4个点，包括点(xi，yi)得到的9个点作为待拟合的曲线，所述9个点都在射线上。
所述S3采用高斯拟合方法对待拟合曲线的梯度曲线进行高斯拟合，得到圆孔亚像素边缘，具体为：
S3.1待拟合曲线由9个点构成，用f表示(xi,yi)像素点的灰度值，则待拟合曲线可表示为f(x)，x＝-4,-3,-2,-1,0,1,2,3,4，依次表示9个点；
则f(x)的梯度曲线：
其中，x＝-3,-2,-1,0,1,2,3；
S3.2图像边缘沿某一梯度方向灰度的一阶导数近似为高斯分布，该高斯分布的均值即为边缘位置，故只要求得待拟合曲线即梯度曲线g(x)的高斯均值即可得到亚像素边缘坐标；
高斯曲线的表达式为：
其中，u为均值，σ为标准差，将高斯曲线两边取对数可得：
可以看出，上式是一条二次曲线y＝ax2+bx+c，故可将待拟合曲线即梯度曲线g(x)取对数来拟合抛物线，求出的抛物线顶点坐标即为亚像素的边缘坐标，
S3.3拟合抛物线时用最小二乘法来求得曲线参数a,b,c，进而得到抛物线的顶点，即高斯曲线的均值，也即亚像素坐标：
所述S4中根据圆孔亚像素边缘得到圆心及半径，具体为：
采用最小二乘法得到圆孔的圆心及半径
设圆的亚像素边缘包含N个像素点，其中为点(xi,yi)经过高斯拟合后的坐标，则圆曲线表达式为：
公式：
其中，圆心坐标为(A,B)，令a＝-2A,b＝-2B,c＝A2+B2-R2即可得到圆曲线的另一个形式：
公式：
根据得到的亚像素边缘点和最小二乘法可求得参数a，b和c，从而得到圆心的坐标和半径分别为：
根据圆心的坐标、半径及圆孔亚像素边缘得到待检测圆的圆度：
公式：
所述圆缺陷的检测具体包括孔偏位、孔径大小不符、外形残缺、多孔及少孔。
所述S1FPC图像进行处理得到像素级边缘，再检测出圆孔边缘，得到圆孔边缘的重心，具体为：
S1.1采集图像进行灰度化处理进行高斯去噪，然后采用Canny算子进行边缘检测，得到该图像的像素级边缘；
S1.2根据边缘连通域的几何特性剔除干扰边缘，再检测圆孔边缘：
S1.2.1利用边缘连通域的面积大小来剔除一些噪声边缘和可能存在的图像边框，设s＜ε1或s＞ε2，其中s为连通域面积，ε1和ε2分别为连通域面积阈值下界和上界；
S1.2.2利用边缘连通域的面积与周长关系来剔除一些类似条状的边缘，l/s＞ε3，其中l为连通域周长，ε3为连通域周长与面积比的阈值下界；
S1.2.3采用Hough变换的方法检测属于圆形的边缘，通过如下公式计算圆边缘的重心：
其中，N为边缘像素点的个数，(xi，yi)为第i个像素点的坐标，(xc，yc)为重心坐标。
本发明的有益效果：
本发明在圆孔边缘像素点与重心连线上获得待拟合曲线的操作简单，鲁棒性好；采用梯度曲线的高斯拟合方法(即边缘模型为sigmoid模型)比采用阶跃模型更加符合实际情况，能够实现高密度FPC圆孔的检测。
附图说明
图1是本发明的工作流程图；
图2是本发明实施例待拟合曲线获取结果示意图；
图3是本发明实施例待拟合曲线的一阶导图；
图4是本发明实施例中亚像素圆孔检测效果示意图。
具体实施方式
下面结合实施例及附图，对本发明作进一步地详细说明，但本发明的实施方式不限于此。
实施例
如图1所示，一种基于高斯拟合的高密度电路板圆孔亚像素检测方法，包括如下步骤：
S1采用常规图像处理方法得到FPC图像的像素级边缘，再检测出圆孔边缘，得到圆孔边缘的重心，具体为：
S1.1采用常规图像处理方法得到FPC图像的像素级边缘；
待处理的图像若还有噪声，将影响边缘检测的结果，所以在采集到图像后，先要灰度化图像并进行高斯去噪。高斯滤波是一种常用的平滑滤波，适用于消除高斯噪声，广泛应用于图像处理的减噪过程。高斯滤波的具体操作是，用一个模板扫描图像中的每一个像素，用模板确定的领域内像素的加权平均灰度值去代替模板中心像素点的值。对高斯滤波后的图像采用Canny算子进行边缘检测，得到图像的像素级边缘。
S1.2根据边缘连通域的几何特性剔除干扰边缘，再检测圆孔边缘：
用canny算子得到的边缘中由很多的非圆孔边缘，若直接从这些边缘中检测圆孔的边缘将会使计算量过大，因此有必要先通过边缘连通域的几何特性来剔除掉一部分非圆孔边缘；然后可以在剩下的边缘中用Hough变换的方法来检测出圆孔边缘。
a、利用边缘连通域的面积大小来剔除一些噪声边缘和可能存在的图像边框等，s＜ε1或s＞ε2，其中s为连通域面积，ε1和ε2分别为连通域面积阈值下界和上界。此步骤将那些面积太小和太大的边缘剔除掉；本实例中，ε1＝10000，ε2＝70000。
b、利用边缘连通域的面积与周长关系来剔除一些类似条状的边缘，l/s＞ε3，其中l为连通域周长，ε3为连通域周长与面积比的阈值下界。此步骤将明显不是圆形的类似条状的边缘剔除掉；本实例中ε3＝0.02。
c、采用Hough变换的方法检测属于圆形的边缘，通过如下公式计算圆边缘的重心：
其中，n为边缘像素点的个数，(xi，yi)为第i个像素点的坐标，(xc，yc)为重心坐标。
S2在圆孔边缘像素点与圆孔重心连线上选取一个边缘像素点及其附近的像素点，构成待拟合曲线；
具体为：
设边缘像素点个数为N，(xi，yi)为第i个像素点的坐标，(xc，yc)为重心坐标；
作一条以重心为端点，经过点(xi，yi)(xc，yc)的射线，然后在线上的(xi，yi)两边各取4个点，包括点(xi，yi)得到的9个点作为待拟合的曲线，所述9个点都在射线上。
S3采用高斯拟合方法对待拟合曲线的梯度曲线进行高斯拟合，得到圆孔亚像素边缘，具体为：
S3.1待拟合曲线由9个点构成，用f表示(xi,yi)像素点的灰度值，则待拟合曲线可表示为f(x)，x＝-4,-3,-2,-1,0,1,2,3,4，依次表示9个点；如图2所示，
则f(x)的梯度曲线：
其中，x＝-3,-2,-1,0,1,2,3；如图3所示。
S3.2图像边缘沿某一梯度方向灰度的一阶导数近似为高斯分布，该高斯分布的均值即为边缘位置，故只要求得待拟合曲线即梯度曲线g(x)的高斯均值即可得到亚像素边缘坐标；
高斯曲线的表达式为：
其中，u为均值，σ为标准差，将高斯曲线两边取对数可得：
可以看出，上式是一条二次曲线y＝ax2+bx+c，故可将待拟合曲线即梯度曲线g(x)取对数来拟合抛物线，求出的抛物线顶点坐标即为亚像素的边缘坐标，
S3.3拟合抛物线时用最小二乘法来求得曲线参数a,b,c，进而得到抛物线的顶点，即高斯曲线的均值，也即亚像素坐标，可使计算简单化：
注意，这里求得的坐标是相对边缘点坐标的偏移量，故最后圆孔的亚像素边缘坐标为边缘点坐标沿其与重心点连线方向加上偏移量u的值。
3.4、重复操作，得到所有边缘点的坐标位置即可完成圆孔的亚像素检测，如图4所示。
S4根据圆孔亚像素边缘，实现圆心、半径、圆度和圆缺陷的检测。
采用最小二乘法得到圆孔的圆心及半径
设圆的亚像素边缘包含N个像素点，其中为点(xi,yi)经过高斯拟合后的坐标，则圆曲线表达式为：
其中，圆心坐标为(A,B)，令a＝-2A,b＝-2B,c＝A2+B2-R2即可得到圆曲线的另一个形式：
根据得到的亚像素边缘点和最小二乘法可求得参数a，b和c，从而得到圆心的坐标和半径分别为：
根据圆心的坐标、半径及圆孔亚像素边缘得到待检测圆的圆度：
本示例中，左边圆的圆心坐标为(745.26,1341.54)，半径为145.60，右边圆的圆心坐标为(1765.84,1289.65)，半径为144.92，左边圆的圆度为0.95，右边圆的圆度为0.91。
通过得到的圆孔参数与标准文件进行比对，可检测出一些主要的圆孔缺陷：
孔偏位：max(|A-As|,|B-Bs|)＞ε4，其中(As,Bs)是标准文件中圆心的位置，本实例中左边圆为(750,1340)，右边圆为(1300,1390)，ε4是位置偏差的阈值上界，本实例中，ε4＝20。因此本实例中的圆不存在孔偏位。
孔径大小不符：|R-Rs|＞ε5，其中Rs是标准文件中圆的半径，本实例中Rs＝145，ε5是圆孔半径的阈值上界，本实例中，ε5＝10。因此本实例中的圆不存在孔径大小不符。
外形残缺：ρ＜ε6，其中ε6是圆孔圆度的阈值下界，本实例中，ε6＝0.75。因此本实例中的圆不存在外形残缺。
多孔：检测出圆孔的个数比标准文件中圆孔的个数多，本实例不存在多孔。
少孔：检测出圆孔的个数比标准文件中圆孔的个数少，本实例不存在少孔。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受所述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。
Claims (7)
1.一种基于高斯拟合的高密度电路板圆孔亚像素检测方法，其特征在于，包括如下步骤：
S1FPC图像进行处理得到像素级边缘，再检测出圆孔边缘，得到圆孔边缘的重心；
S2在圆孔边缘像素点与圆孔重心连线上选取边缘像素点及其附近的像素点，构成待拟合曲线；
S3采用高斯拟合方法对待拟合曲线的梯度曲线进行高斯拟合，得到圆孔亚像素边缘；
S4根据圆孔亚像素边缘，实现圆心、半径、圆度和圆缺陷的检测。
2.根据权利要求1所述的高密度电路板圆孔亚像素检测方法，其特征在于，所述S2在圆孔边缘像素点与圆孔重心连线上选取边缘像素点及其附近的像素点，构成待拟合曲线，具体为：
设边缘像素点个数为N，(xi，yi)为第i个像素点的坐标，(xc，yc)为重心坐标；
作一条以重心为端点，经过点(xi，yi)(xc，yc)的射线，然后在线上的(xi，yi)两边各取4个点，包括点(xi，yi)得到的9个点作为待拟合的曲线，所述9个点都在射线上。
3.根据权利要求1所述的高密度电路板圆孔亚像素检测方法，其特征在于，所述S3采用高斯拟合方法对待拟合曲线的梯度曲线进行高斯拟合，得到圆孔亚像素边缘，具体为：
S3.1待拟合曲线由9个点构成，用f表示(xi,yi)像素点的灰度值，则待拟合曲线可表示为f(x)，x＝-4,-3,-2,-1,0,1,2,3,4，依次表示9个点；
则f(x)的梯度曲线：
<mrow>
<mi>g</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<mo>&lsqb;</mo>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mn>2</mn>
</mfrac>
</mrow>
其中，x＝-3,-2,-1,0,1,2,3；
S3.2图像边缘沿某一梯度方向灰度的一阶导数近似为高斯分布，该高斯分布的均值即为边缘位置，故只要求得待拟合曲线即梯度曲线g(x)的高斯均值即可得到亚像素边缘坐标；
高斯曲线的表达式为：
<mrow>
<mi>y</mi>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mrow>
<msqrt>
<mrow>
<mn>2</mn>
<mi>&pi;</mi>
</mrow>
</msqrt>
<mi>&sigma;</mi>
</mrow>
</mfrac>
<msup>
<mi>e</mi>
<mrow>
<mo>-</mo>
<mfrac>
<msup>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>-</mo>
<mi>u</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mrow>
<mn>2</mn>
<msup>
<mi>&sigma;</mi>
<mn>2</mn>
</msup>
</mrow>
</mfrac>
</mrow>
</msup>
</mrow>
其中，u为均值，σ为标准差，将高斯曲线两边取对数可得：
<mrow>
<mi>ln</mi>
<mi> </mi>
<mi>y</mi>
<mo>=</mo>
<mo>-</mo>
<mfrac>
<msup>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>-</mo>
<mi>u</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mrow>
<mn>2</mn>
<msup>
<mi>&sigma;</mi>
<mn>2</mn>
</msup>
</mrow>
</mfrac>
<mo>+</mo>
<mi>l</mi>
<mi>n</mi>
<mfrac>
<mn>1</mn>
<mrow>
<msqrt>
<mrow>
<mn>2</mn>
<mi>&pi;</mi>
</mrow>
</msqrt>
<mi>&sigma;</mi>
</mrow>
</mfrac>
</mrow>
可以看出，上式是一条二次曲线y＝ax2+bx+c，故可将待拟合曲线即梯度曲线g(x)取对数来拟合抛物线，求出的抛物线顶点坐标即为亚像素的边缘坐标，
S3.3拟合抛物线时用最小二乘法来求得曲线参数a,b,c，进而得到抛物线的顶点，即高斯曲线的均值，也即亚像素坐标：
<mrow>
<mi>u</mi>
<mo>=</mo>
<mo>-</mo>
<mfrac>
<mi>b</mi>
<mrow>
<mn>2</mn>
<mi>a</mi>
</mrow>
</mfrac>
<mo>.</mo>
</mrow>
4.根据权利要求1所述的高密度电路板圆孔亚像素检测方法，其特征在于，所述S4中根据圆孔亚像素边缘得到圆心及半径，具体为：
采用最小二乘法得到圆孔的圆心及半径
设圆的亚像素边缘包含N个像素点，其中为点(xi,yi)经过高斯拟合后的坐标，则圆曲线表达式为：
公式：
<mrow>
<msup>
<mi>R</mi>
<mn>2</mn>
</msup>
<mo>=</mo>
<msup>
<mrow>
<mo>(</mo>
<mover>
<mi>x</mi>
<mo>^</mo>
</mover>
<mo>-</mo>
<mi>A</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<mover>
<mi>y</mi>
<mo>^</mo>
</mover>
<mo>-</mo>
<mi>B</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>=</mo>
<msup>
<mover>
<mi>x</mi>
<mo>^</mo>
</mover>
<mn>2</mn>
</msup>
<mo>-</mo>
<mn>2</mn>
<mi>A</mi>
<mover>
<mi>x</mi>
<mo>^</mo>
</mover>
<mo>+</mo>
<msup>
<mi>A</mi>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mover>
<mi>y</mi>
<mo>^</mo>
</mover>
<mn>2</mn>
</msup>
<mo>-</mo>
<mn>2</mn>
<mi>B</mi>
<mover>
<mi>y</mi>
<mo>^</mo>
</mover>
<mo>+</mo>
<msup>
<mi>B</mi>
<mn>2</mn>
</msup>
</mrow>
其中，圆心坐标为(A,B)，令a＝-2A,b＝-2B,c＝A2+B2-R2即可得到圆曲线的另一个形式：
公式：
<mrow>
<msup>
<mover>
<mi>x</mi>
<mo>^</mo>
</mover>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mover>
<mi>y</mi>
<mo>^</mo>
</mover>
<mn>2</mn>
</msup>
<mo>+</mo>
<mi>&alpha;</mi>
<mover>
<mi>x</mi>
<mo>^</mo>
</mover>
<mo>+</mo>
<mi>b</mi>
<mover>
<mi>y</mi>
<mo>^</mo>
</mover>
<mo>+</mo>
<mi>c</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
根据得到的亚像素边缘点和最小二乘法可求得参数a，b和c，从而得到圆心的坐标和半径分别为：
<mrow>
<mo>(</mo>
<mi>A</mi>
<mo>,</mo>
<mi>B</mi>
<mo>)</mo>
<mo>=</mo>
<mo>(</mo>
<mfrac>
<mi>a</mi>
<mrow>
<mo>-</mo>
<mn>2</mn>
</mrow>
</mfrac>
<mo>,</mo>
<mfrac>
<mi>b</mi>
<mrow>
<mo>-</mo>
<mn>2</mn>
</mrow>
</mfrac>
<mo>)</mo>
<mo>,</mo>
<mi>R</mi>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
<msqrt>
<mrow>
<msup>
<mi>a</mi>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mi>b</mi>
<mn>2</mn>
</msup>
<mo>-</mo>
<mn>4</mn>
<mi>c</mi>
</mrow>
</msqrt>
<mo>.</mo>
</mrow>
5.根据权利要求4所述的高密度电路板圆孔亚像素检测方法，其特征在于，根据圆心的坐标、半径及圆孔亚像素边缘得到待检测圆的圆度：
公式：
<mrow>
<mi>&rho;</mi>
<mo>=</mo>
<mn>1</mn>
<mo>-</mo>
<mfrac>
<mrow>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</msubsup>
<mo>|</mo>
<msqrt>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mover>
<mi>x</mi>
<mo>^</mo>
</mover>
<mi>i</mi>
</msub>
<mo>-</mo>
<mi>A</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mover>
<mi>y</mi>
<mo>^</mo>
</mover>
<mi>i</mi>
</msub>
<mo>-</mo>
<mi>B</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
<mo>-</mo>
<msup>
<mi>R</mi>
<mn>2</mn>
</msup>
<mo>|</mo>
</mrow>
<mrow>
<mi>R</mi>
<mo>&times;</mo>
<mi>N</mi>
</mrow>
</mfrac>
<mo>.</mo>
</mrow>
6.根据权利要求5所述的高密度电路板圆孔亚像素检测方法，其特征在于，所述圆缺陷的检测具体包括孔偏位、孔径大小不符、外形残缺、多孔及少孔。
7.根据权利要求1所述的高密度电路板圆孔亚像素检测方法，其特征在于，所述S1FPC图像进行处理得到像素级边缘，再检测出圆孔边缘，得到圆孔边缘的重心，具体为：
S1.1采集图像进行灰度化处理进行高斯去噪，然后采用Canny算子进行边缘检测，得到该图像的像素级边缘；
S1.2根据边缘连通域的几何特性剔除干扰边缘，再检测圆孔边缘：
S1.2.1利用边缘连通域的面积大小来剔除一些噪声边缘和可能存在的图像边框，设s＜ε1或s＞ε2，其中s为连通域面积，ε1和ε2分别为连通域面积阈值下界和上界；
S1.2.2利用边缘连通域的面积与周长关系来剔除一些类似条状的边缘，l/s＞ε3，其中l为连通域周长，ε3为连通域周长与面积比的阈值下界；
S1.2.3采用Hough变换的方法检测属于圆形的边缘，通过如下公式计算圆边缘的重心：
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>x</mi>
<mi>c</mi>
</msub>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>n</mi>
</mfrac>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</msubsup>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>y</mi>
<mi>c</mi>
</msub>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>n</mi>
</mfrac>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</msubsup>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
其中，N为边缘像素点的个数，(xi，yi)为第i个像素点的坐标，(xc，yc)为重心坐标。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710346445.9A CN107301636A (zh) | 2017-05-17 | 2017-05-17 | 一种基于高斯拟合的高密度电路板圆孔亚像素检测方法 |
| PCT/CN2017/116134 WO2018209941A1 (zh) | 2017-05-17 | 2017-12-14 | 一种基于高斯拟合的高密度电路板圆孔亚像素检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710346445.9A CN107301636A (zh) | 2017-05-17 | 2017-05-17 | 一种基于高斯拟合的高密度电路板圆孔亚像素检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107301636A true CN107301636A (zh) | 2017-10-27 |
Family
ID=60137988
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710346445.9A Pending CN107301636A (zh) | 2017-05-17 | 2017-05-17 | 一种基于高斯拟合的高密度电路板圆孔亚像素检测方法 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN107301636A (zh) |
| WO (1) | WO2018209941A1 (zh) |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108198218A (zh) * | 2018-01-16 | 2018-06-22 | 深圳市亿图视觉自动化技术有限公司 | 柔性电路板定位方法、装置及计算机可读存储介质 |
| CN108510543A (zh) * | 2018-03-23 | 2018-09-07 | 湖南科技大学 | 一种棋盘格图像特征中心亚像素定位方法 |
| CN108550142A (zh) * | 2018-03-30 | 2018-09-18 | 深圳大学 | 一种牙孔检测方法及装置 |
| WO2018209941A1 (zh) * | 2017-05-17 | 2018-11-22 | 华南理工大学 | 一种基于高斯拟合的高密度电路板圆孔亚像素检测方法 |
| CN108986126A (zh) * | 2018-06-15 | 2018-12-11 | 哈尔滨工业大学 | 基于高斯拟合亚像素边缘检测及改进ransac算法的圆心检测法 |
| CN109934820A (zh) * | 2019-03-22 | 2019-06-25 | 大连大学 | 一种激光拼焊待焊件图像中直线边缘亚像素检测方法 |
| CN111504188A (zh) * | 2020-04-28 | 2020-08-07 | 湖北文理学院 | 基于机器视觉的圆弧零件测量方法及装置 |
| CN112132886A (zh) * | 2020-09-30 | 2020-12-25 | 哈尔滨理工大学 | 一种航空零件圆孔圆心快速定位及圆度检测方法 |
| CN113012098A (zh) * | 2021-01-25 | 2021-06-22 | 郑州轻工业大学 | 一种基于bp神经网络的铁塔角钢冲孔缺陷检测方法 |
| CN114219806A (zh) * | 2022-02-22 | 2022-03-22 | 成都数联云算科技有限公司 | 一种汽车雷达检测方法、装置、设备、介质及产品 |
| CN115018833A (zh) * | 2022-08-05 | 2022-09-06 | 山东鲁芯之光半导体制造有限公司 | 一种半导体器件的加工缺陷检测方法 |
| CN116447977A (zh) * | 2023-06-16 | 2023-07-18 | 北京航天计量测试技术研究所 | 一种基于激光雷达的圆孔特征测量与参数提取方法 |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113554582B (zh) * | 2020-04-22 | 2022-11-08 | 中国科学院长春光学精密机械与物理研究所 | 电子设备盖板上功能孔的缺陷检测方法、装置以及系统 |
| CN113077467B (zh) * | 2021-06-08 | 2021-08-31 | 深圳市华汉伟业科技有限公司 | 一种目标物体的边缘缺陷检测方法及装置、存储介质 |
| CN118196032A (zh) * | 2024-03-15 | 2024-06-14 | 常州亚龙电子科技有限公司 | 一种太阳能电池板边缘缺陷检测与切割方法和系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030156748A1 (en) * | 2002-02-21 | 2003-08-21 | Tong Fang | Adaptive threshold determination for ball grid array component modeling |
| CN1728160A (zh) * | 2004-07-26 | 2006-02-01 | 大日本网目版制造株式会社 | 利用图像的区域分割的缺陷的检出 |
| CN101206116A (zh) * | 2007-12-07 | 2008-06-25 | 北京机械工业学院 | 目标点全局自动定位方法 |
| CN101334263A (zh) * | 2008-07-22 | 2008-12-31 | 东南大学 | 圆形目标的圆心定位方法 |
| CN103035004A (zh) * | 2012-12-10 | 2013-04-10 | 浙江大学 | 一种大视场下圆形目标中心定位的方法 |
| CN103530889A (zh) * | 2013-11-04 | 2014-01-22 | 天津工业大学 | 一种基于骨架提取的测量棒编码标记点解码方法 |
| CN104732207A (zh) * | 2015-03-12 | 2015-06-24 | 广东工业大学 | 高精度与高抗干扰性定位PCB板Mark点的方法及装置 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20040050569A (ko) * | 2002-12-10 | 2004-06-16 | 한국전자통신연구원 | 피두셜 마크의 중심 위치 측정방법 |
| CN101839690B (zh) * | 2010-04-13 | 2011-12-21 | 河海大学常州校区 | 一种基于边缘拟合的片式电子元件位置误差视觉检测方法 |
| CN102034101B (zh) * | 2010-10-22 | 2014-11-05 | 广东工业大学 | 一种pcb视觉检测中快速圆形标志定位方法 |
| CN103886597B (zh) * | 2014-03-24 | 2017-01-25 | 武汉力成伟业科技有限公司 | 一种基于边缘检测与拟合曲线聚类的圆检测方法 |
| CN104050660A (zh) * | 2014-05-26 | 2014-09-17 | 华中科技大学 | 一种测量工件圆形边缘的方法 |
| CN107301636A (zh) * | 2017-05-17 | 2017-10-27 | 华南理工大学 | 一种基于高斯拟合的高密度电路板圆孔亚像素检测方法 |
-
2017
- 2017-05-17 CN CN201710346445.9A patent/CN107301636A/zh active Pending
- 2017-12-14 WO PCT/CN2017/116134 patent/WO2018209941A1/zh active Application Filing
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030156748A1 (en) * | 2002-02-21 | 2003-08-21 | Tong Fang | Adaptive threshold determination for ball grid array component modeling |
| CN1728160A (zh) * | 2004-07-26 | 2006-02-01 | 大日本网目版制造株式会社 | 利用图像的区域分割的缺陷的检出 |
| CN101206116A (zh) * | 2007-12-07 | 2008-06-25 | 北京机械工业学院 | 目标点全局自动定位方法 |
| CN101334263A (zh) * | 2008-07-22 | 2008-12-31 | 东南大学 | 圆形目标的圆心定位方法 |
| CN103035004A (zh) * | 2012-12-10 | 2013-04-10 | 浙江大学 | 一种大视场下圆形目标中心定位的方法 |
| CN103530889A (zh) * | 2013-11-04 | 2014-01-22 | 天津工业大学 | 一种基于骨架提取的测量棒编码标记点解码方法 |
| CN104732207A (zh) * | 2015-03-12 | 2015-06-24 | 广东工业大学 | 高精度与高抗干扰性定位PCB板Mark点的方法及装置 |
Non-Patent Citations (5)
| Title |
|---|
| CUNEYT AKINLAR 等: "EDCircles: A real-time circle detector with a false detection control", 《PATTERN RECOGNITION》 * |
| 乔闹生 等: "PCB显微图像缺陷圆孔检测方法研究", 《光电子·激光》 * |
| 张扬: "基于图像处理的轴承防尘盖表面缺陷检测研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 * |
| 张虎 等: "一种改进的亚像素圆心定位算法", 《万方数据库》 * |
| 高雅层 等: "高斯拟合亚像素边缘检测算法", 《计算机应用》 * |
Cited By (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018209941A1 (zh) * | 2017-05-17 | 2018-11-22 | 华南理工大学 | 一种基于高斯拟合的高密度电路板圆孔亚像素检测方法 |
| CN108198218A (zh) * | 2018-01-16 | 2018-06-22 | 深圳市亿图视觉自动化技术有限公司 | 柔性电路板定位方法、装置及计算机可读存储介质 |
| CN108510543A (zh) * | 2018-03-23 | 2018-09-07 | 湖南科技大学 | 一种棋盘格图像特征中心亚像素定位方法 |
| CN108550142A (zh) * | 2018-03-30 | 2018-09-18 | 深圳大学 | 一种牙孔检测方法及装置 |
| WO2019184094A1 (zh) * | 2018-03-30 | 2019-10-03 | 深圳大学 | 一种牙孔检测方法及装置 |
| CN108986126A (zh) * | 2018-06-15 | 2018-12-11 | 哈尔滨工业大学 | 基于高斯拟合亚像素边缘检测及改进ransac算法的圆心检测法 |
| CN109934820A (zh) * | 2019-03-22 | 2019-06-25 | 大连大学 | 一种激光拼焊待焊件图像中直线边缘亚像素检测方法 |
| CN111504188B (zh) * | 2020-04-28 | 2021-11-16 | 湖北文理学院 | 基于机器视觉的圆弧零件测量方法及装置 |
| CN111504188A (zh) * | 2020-04-28 | 2020-08-07 | 湖北文理学院 | 基于机器视觉的圆弧零件测量方法及装置 |
| CN112132886A (zh) * | 2020-09-30 | 2020-12-25 | 哈尔滨理工大学 | 一种航空零件圆孔圆心快速定位及圆度检测方法 |
| CN113012098A (zh) * | 2021-01-25 | 2021-06-22 | 郑州轻工业大学 | 一种基于bp神经网络的铁塔角钢冲孔缺陷检测方法 |
| CN114219806A (zh) * | 2022-02-22 | 2022-03-22 | 成都数联云算科技有限公司 | 一种汽车雷达检测方法、装置、设备、介质及产品 |
| CN114219806B (zh) * | 2022-02-22 | 2022-04-22 | 成都数联云算科技有限公司 | 一种汽车雷达检测方法、装置、设备、介质及产品 |
| CN115018833A (zh) * | 2022-08-05 | 2022-09-06 | 山东鲁芯之光半导体制造有限公司 | 一种半导体器件的加工缺陷检测方法 |
| CN115018833B (zh) * | 2022-08-05 | 2022-11-04 | 山东鲁芯之光半导体制造有限公司 | 一种半导体器件的加工缺陷检测方法 |
| CN116447977A (zh) * | 2023-06-16 | 2023-07-18 | 北京航天计量测试技术研究所 | 一种基于激光雷达的圆孔特征测量与参数提取方法 |
| CN116447977B (zh) * | 2023-06-16 | 2023-08-29 | 北京航天计量测试技术研究所 | 一种基于激光雷达的圆孔特征测量与参数提取方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2018209941A1 (zh) | 2018-11-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107301636A (zh) | 一种基于高斯拟合的高密度电路板圆孔亚像素检测方法 | |
| WO2021138990A1 (zh) | 一种棋盘格亚像素级角点自适应检测的方法 | |
| CN110264448B (zh) | 一种基于机器视觉的绝缘子故障检测方法 | |
| CN105453153B (zh) | 交通灯检测 | |
| Yang et al. | Traffic sign recognition in disturbing environments | |
| CN104134209B (zh) | 一种视觉导航中的特征提取与匹配方法及系统 | |
| CN108346162B (zh) | 基于结构信息和空间约束的遥感图像配准方法 | |
| CN107203973A (zh) | 一种三维激光扫描系统中线激光中心的亚像素定位方法 | |
| CN103914847A (zh) | 基于相位一致性和sift的sar图像配准方法 | |
| CN106548169A (zh) | 基于深度神经网络的模糊文字增强方法及装置 | |
| CN107392929A (zh) | 一种基于人眼视觉模型的智能化目标检测及尺寸测量方法 | |
| CN106485710A (zh) | 一种元件错件检测方法和装置 | |
| CN103295014B (zh) | 基于像素位置排列直方图的图像局部特征描述方法 | |
| CN110443159A (zh) | 数字识别方法、装置、电子设备及存储介质 | |
| CN107886131A (zh) | 一种基于卷积神经网络检测电路板元器件极性方法和装置 | |
| CN104933719B (zh) | 一种积分图块间距离检测图像边缘方法 | |
| CN109117717A (zh) | 一种城市行人检测方法 | |
| CN109559273A (zh) | 一种面向车底图像的快速拼接方法 | |
| CN108537787A (zh) | 一种人脸图像的质量判定方法 | |
| CN113283441A (zh) | 一种贴片电阻上的印刷字符识别方法、装置、终端及介质 | |
| CN107944437B (zh) | 一种基于神经网络和积分图像的人脸定位方法 | |
| CN107194310A (zh) | 基于场景变化分类和在线局部特征匹配的刚体目标跟踪方法 | |
| CN106204565A (zh) | 一种通过斑块特征配准的图像清晰度检测装置 | |
| CN108388854A (zh) | 一种基于改进fast-surf算法的定位方法 | |
| CN110321869A (zh) | 基于多尺度融合网络的人员检测和提取方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171027 |
|
| RJ01 | Rejection of invention patent application after publication |