CN107463930A - 一种基于频域特征的芯片元件角度获取方法 - Google Patents

一种基于频域特征的芯片元件角度获取方法 Download PDF

Info

Publication number
CN107463930A
CN107463930A CN201710686833.1A CN201710686833A CN107463930A CN 107463930 A CN107463930 A CN 107463930A CN 201710686833 A CN201710686833 A CN 201710686833A CN 107463930 A CN107463930 A CN 107463930A
Authority
CN
China
Prior art keywords
mrow
image
frequency domain
chip
munderover
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
Application number
CN201710686833.1A
Other languages
English (en)
Inventor
高会军
杨宪强
许超
白立飞
孙光辉
于金泳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Harbin Institute of Technology
Original Assignee
Harbin Institute of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Harbin Institute of Technology filed Critical Harbin Institute of Technology
Priority to CN201710686833.1A priority Critical patent/CN107463930A/zh
Publication of CN107463930A publication Critical patent/CN107463930A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/24—Aligning, centring, orientation detection or correction of the image
    • G06V10/242—Aligning, centring, orientation detection or correction of the image by image rotation, e.g. by 90 degrees
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

一种基于频域特征的芯片元件角度获取方法，属于贴片机视觉检测技术领域。本发明是为了解决现有检测芯片元件角度的方法受光照影响较大，检测效率低的问题。本发明所述的一种基于频域特征的芯片元件角度获取方法，通过对芯片图像快速傅里叶变换、计算幅值图像、对数变换、图像裁剪重新排列、可视化变换、二值化处理和直线检测等步骤，实现所提出的方法。本发明提出的一种基于频域特征的芯片元件角度获取方法，能够应用于贴片机视觉系统中的芯片定位和检测领域。

Description

一种基于频域特征的芯片元件角度获取方法
技术领域
本发明属于贴片机视觉检测技术领域。
背景技术
贴片机是一种高速工作的芯片元件贴装生产平台，是实现电子产品大规模、高集成、小型、轻薄等特点的重要生产加工平台之一。贴片机的工作任务是将多种规格不一的芯片准确的安放到电路板的指定位置上。
芯片元件角度是贴片机的机器视觉检测过程中的重要检测结果。元件角度的检测结果直接影响芯片的贴装精度和生产效率。现有芯片元件角度检测方法多基于时域图像进行检测的，检测结果受光照影响较大，检测效率较低。
发明内容
本发明是为了解决现有检测芯片元件角度的方法受光照影响较大，检测效率低的问题，现提供一种基于频域特征的芯片元件角度获取方法。
一种基于频域特征的芯片元件角度获取方法，包括以下步骤：
步骤一：将芯片图像以左上角对齐为标准进行延拓，获得纯色延拓芯片时域图像，且使纯色延拓芯片图像的像素为2、3或5的倍数；
步骤二：对纯色延拓芯片时域图像进行离散傅里叶变换，获得频域图像，
步骤三：计算频域图像的幅值图像；
步骤四：将幅值图像每点的像素值进行对数变换，获得对数图像；
步骤五：以对数图像的中心点为原点将对数图像剪裁成四个矩形等份，将位于同一对角线的两部分互换位置，使对数图像的高频部分移到边缘位置，对数图像的低频部分移到中心位置，获得重排列图像；
步骤六：将重排列图像中各个像素点的像素值归一化至0～255的可视化区间内，获得可视化图像；
步骤七：采用自动阈值方法对可视化图像进行二值化处理，获得二值化图像；
步骤八：对二值化图像进行霍夫直线检测，并将最长的直线作为检测结果直线；
步骤九：计算检测结果直线的角度，则该角度为芯片元件角度。
本发明通过对芯片图像快速傅里叶变换、计算幅值图像、对数变换、图像裁剪重新排列、可视化变换、二值化处理和直线检测等步骤，实现所提出的方法。
本发明的有益效果是：
(1)、能够在贴片机视觉系统检测芯片元件时降低光照对检测结果的影响，提高贴片机的贴装生产的适用性，拓展光照检测范围。
(2)、将芯片元件图像通过傅里叶变换转化到频域中，通过计算图像的频域中的特征得到芯片元件的旋转角度。
(3)、提高了芯片元件角度检测的效率，降低了光照对检测结果的影响，提高了算法的的鲁棒性。
本发明提出的一种基于频域特征的芯片元件角度获取方法，能够应用于贴片机视觉系统中的芯片定位和检测领域。
附图说明
图1为一种基于频域特征的芯片元件角度获取方法的流程图；
图2为步骤五中所述的图像重新排列示意图；
其中(a)表示对数图像，(b)表示重排列图像。
具体实施方式
具体实施方式一：参照图1和图2具体说明本实施方式，本实施方式所述的一种基于频域特征的芯片元件角度获取方法，包括以下步骤：
步骤一：将芯片图像以左上角对齐为标准进行延拓，获得纯色延拓芯片时域图像，且使纯色延拓芯片图像的像素为2、3或5的倍数；
步骤二：对纯色延拓芯片时域图像进行离散傅里叶变换，获得频域图像，
步骤三：计算频域图像的幅值图像；
步骤四：将幅值图像每点的像素值进行对数变换，获得对数图像；
步骤五：以对数图像的中心点为原点将对数图像剪裁成四个矩形等份，将位于同一对角线的两部分互换位置，使对数图像的高频部分移到边缘位置，对数图像的低频部分移到中心位置，获得重排列图像；
步骤六：将重排列图像中各个像素点的像素值归一化至0～255的可视化区间内，获得可视化图像；
步骤七：采用自动阈值方法对可视化图像进行二值化处理，获得二值化图像；
步骤八：对二值化图像进行霍夫直线检测，并将最长的直线作为检测结果直线；
步骤九：计算检测结果直线的角度，则该角度为芯片元件角度。
本实施方式步骤一中，将芯片图像以左上角对齐为标准进行延拓，能够提高傅里叶变换处理速度。
步骤五中如图2(a)中对数图像的高频部分为O1、O2、O3和O4四个点所在区域，对数图像的低频部分为A、B、C和D四个点所在区域；经过四个矩形等份互换位置，重新排列后，获得如图2(b)所示的重排列图像，O1、O2、O3和O4四个点所在区域移到原对数图像的边缘位置，A、B、C和D四个点所在区域移到原对数图像的中心位置。
具体实施方式二：本实施方式是对具体实施方式一所述的一种基于频域特征的芯片元件角度获取方法作进一步说明，本实施方式中，步骤二中，利用下式对纯色延拓芯片时域图像f(x,y)进行离散傅里叶变换：
其中，x和y分别为时域图像中任一图像点的横坐标和纵坐标，u和v分别为频域图像中任一图像点的横坐标和纵坐标，j表示虚数单位，M为时域图像的宽度，N为时域图像的高度；
频域图像F(u,v)的像素值为复数，该复数的实部值表示实部图像Re(u,v)，虚部值表示虚部图像Im(u,v)，则有：
本实施方式中，采用离散傅里叶变换(DFT)，将延拓后的时域图像f(x,y)按公式(1)转变为频域图像F(u,v)。频域图像的像素值为复数，无法在时域图像中直接显示。按公式(2)，用傅里叶变换的实部值构成实部图像Re(u,v)表示实部；按公式(3)，用傅里叶变换的虚部值所构成虚部图像Im(u,v)表示虚部。
具体实施方式三：本实施方式是对具体实施方式二所述的一种基于频域特征的芯片元件角度获取方法作进一步说明，本实施方式中，利用下式计算幅值图像Magnitude(u,v)：
具体实施方式四：本实施方式是对具体实施方式三所述的一种基于频域特征的芯片元件角度获取方法作进一步说明，本实施方式中，利用下式获得对数图像Magnitude*(u,v)：
Magnitude*(u,v)＝log[1+Magnitude(u,v)] (5)。
具体实施方式五：本实施方式是对具体实施方式一所述的一种基于频域特征的芯片元件角度获取方法作进一步说明，本实施方式中，步骤六中将重排列图像中各个像素点的像素值归一化至[0，255]可视化区间内的具体过程如下：
首先，用最大最小法将重排列图像所有的素点的像素值归一化至[0，1]区间范围内的小数；
然后，将[0，1]区间内的小数映射到[0，255]区间内的整数中，完成可视化处理。
具体实施方式六：本实施方式是对具体实施方式一所述的一种基于频域特征的芯片元件角度获取方法作进一步说明，本实施方式中，对二值化图像进行霍夫直线检测的方法为：
用概率霍夫变换法进行霍夫直线检测，检测出的直线采用起点和终点坐标表示，在所有检测获得的直线中，将最长的一条直线作为检测结果直线。
具体实施方式七：本实施方式是对具体实施方式一所述的一种基于频域特征的芯片元件角度获取方法作进一步说明，本实施方式中，利用下式计算检测结果直线的角度：
其中，(x1,y1)为检测结果直线的起点坐标，(x2,y2)为检测结果直线的终点坐标。

Claims (7)

1.一种基于频域特征的芯片元件角度获取方法，其特征在于，包括以下步骤：
步骤一：将芯片图像以左上角对齐为标准进行延拓，获得纯色延拓芯片时域图像，且使纯色延拓芯片图像的像素为2、3或5的倍数；
步骤二：对纯色延拓芯片时域图像进行离散傅里叶变换，获得频域图像，
步骤三：计算频域图像的幅值图像；
步骤四：将幅值图像每点的像素值进行对数变换，获得对数图像；
步骤五：以对数图像的中心点为原点将对数图像剪裁成四个矩形等份，将位于同一对角线的两部分互换位置，使对数图像的高频部分移到边缘位置，对数图像的低频部分移到中心位置，获得重排列图像；
步骤六：将重排列图像中各个像素点的像素值归一化至0～255的可视化区间内，获得可视化图像；
步骤七：采用自动阈值方法对可视化图像进行二值化处理，获得二值化图像；
步骤八：对二值化图像进行霍夫直线检测，并将最长的直线作为检测结果直线；
步骤九：计算检测结果直线的角度，则该角度为芯片元件角度。
2.根据权利要求1所述的一种基于频域特征的芯片元件角度获取方法，其特征在于，步骤二中，利用下式对纯色延拓芯片时域图像f(x,y)进行离散傅里叶变换：
<mrow> <mi>F</mi> <mrow> <mo>(</mo> <mi>u</mi> <mo>,</mo> <mi>v</mi> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>x</mi> <mo>=</mo> <mn>0</mn> </mrow> <mrow> <mi>M</mi> <mo>-</mo> <mn>1</mn> </mrow> </munderover> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>y</mi> <mo>=</mo> <mn>0</mn> </mrow> <mrow> <mi>M</mi> <mo>-</mo> <mn>1</mn> </mrow> </munderover> <mi>f</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <msup> <mi>e</mi> <mrow> <mo>-</mo> <mi>j</mi> <mn>2</mn> <mi>&amp;pi;</mi> <mrow> <mo>(</mo> <mfrac> <mrow> <mi>u</mi> <mi>x</mi> </mrow> <mi>M</mi> </mfrac> <mo>+</mo> <mfrac> <mrow> <mi>v</mi> <mi>y</mi> </mrow> <mi>N</mi> </mfrac> <mo>)</mo> </mrow> </mrow> </msup> </mrow>
其中，x和y分别为时域图像中任一图像点的横坐标和纵坐标，u和v分别为频域图像中任一图像点的横坐标和纵坐标，j表示虚数单位，M为时域图像的宽度，N为时域图像的高度；
频域图像F(u,v)的像素值为复数，该复数的实部值表示实部图像Re(u,v)，虚部值表示虚部图像Im(u,v)，则有：
<mrow> <mi>Re</mi> <mrow> <mo>(</mo> <mi>u</mi> <mo>,</mo> <mi>v</mi> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>x</mi> <mo>=</mo> <mn>0</mn> </mrow> <mrow> <mi>M</mi> <mo>-</mo> <mn>1</mn> </mrow> </munderover> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>y</mi> <mo>=</mo> <mn>0</mn> </mrow> <mrow> <mi>M</mi> <mo>-</mo> <mn>1</mn> </mrow> </munderover> <mi>f</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>&amp;times;</mo> <mi>cos</mi> <mo>&amp;lsqb;</mo> <mo>-</mo> <mn>2</mn> <mi>&amp;pi;</mi> <mrow> <mo>(</mo> <mfrac> <mrow> <mi>u</mi> <mi>x</mi> </mrow> <mi>M</mi> </mfrac> <mo>+</mo> <mfrac> <mrow> <mi>v</mi> <mi>y</mi> </mrow> <mi>N</mi> </mfrac> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> </mrow>
<mrow> <mi>Im</mi> <mrow> <mo>(</mo> <mi>u</mi> <mo>,</mo> <mi>v</mi> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>x</mi> <mo>=</mo> <mn>0</mn> </mrow> <mrow> <mi>M</mi> <mo>-</mo> <mn>1</mn> </mrow> </munderover> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>y</mi> <mo>=</mo> <mn>0</mn> </mrow> <mrow> <mi>M</mi> <mo>-</mo> <mn>1</mn> </mrow> </munderover> <mi>f</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>&amp;times;</mo> <mi>sin</mi> <mo>&amp;lsqb;</mo> <mo>-</mo> <mn>2</mn> <mi>&amp;pi;</mi> <mrow> <mo>(</mo> <mfrac> <mrow> <mi>u</mi> <mi>x</mi> </mrow> <mi>M</mi> </mfrac> <mo>+</mo> <mfrac> <mrow> <mi>v</mi> <mi>y</mi> </mrow> <mi>N</mi> </mfrac> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> <mo>.</mo> </mrow>
3.根据权利要求2所述的一种基于频域特征的芯片元件角度获取方法，其特征在于，利用下式计算幅值图像Magnitude(u,v)：
<mrow> <mi>M</mi> <mi>a</mi> <mi>g</mi> <mi>n</mi> <mi>i</mi> <mi>t</mi> <mi>u</mi> <mi>d</mi> <mi>e</mi> <mrow> <mo>(</mo> <mi>u</mi> <mo>,</mo> <mi>v</mi> <mo>)</mo> </mrow> <mo>=</mo> <msqrt> <mrow> <mi>Re</mi> <msup> <mrow> <mo>(</mo> <mi>u</mi> <mo>,</mo> <mi>v</mi> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mo>+</mo> <mi>Im</mi> <msup> <mrow> <mo>(</mo> <mi>u</mi> <mo>,</mo> <mi>v</mi> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> </msqrt> <mo>.</mo> </mrow>
4.根据权利要求3所述的一种基于频域特征的芯片元件角度获取方法，其特征在于，利用下式获得对数图像Magnitude*(u,v)：
Magnitude*(u,v)＝log[1+Magnitude(u,v)]。
5.根据权利要求1所述的一种基于频域特征的芯片元件角度获取方法，其特征在于，步骤六中将重排列图像中各个像素点的像素值归一化至[0，255]可视化区间内的具体过程如下：
首先，用最大最小法将重排列图像所有的素点的像素值归一化至[0，1]区间范围内的小数；
然后，将[0，1]区间内的小数映射到[0，255]区间内的整数中，完成可视化处理。
6.根据权利要求1所述的一种基于频域特征的芯片元件角度获取方法，其特征在于，对二值化图像进行霍夫直线检测的方法为：
用概率霍夫变换法进行霍夫直线检测，检测出的直线采用起点和终点坐标表示，在所有检测获得的直线中，将最长的一条直线作为检测结果直线。
7.根据权利要求1所述的一种基于频域特征的芯片元件角度获取方法，其特征在于，利用下式计算检测结果直线的角度：
其中，(x1,y1)为检测结果直线的起点坐标，(x2,y2)为检测结果直线的终点坐标。
CN201710686833.1A 2017-08-11 2017-08-11 一种基于频域特征的芯片元件角度获取方法 Pending CN107463930A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710686833.1A CN107463930A (zh) 2017-08-11 2017-08-11 一种基于频域特征的芯片元件角度获取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710686833.1A CN107463930A (zh) 2017-08-11 2017-08-11 一种基于频域特征的芯片元件角度获取方法

Publications (1)

Publication Number Publication Date
CN107463930A true CN107463930A (zh) 2017-12-12

Family

ID=60547422

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710686833.1A Pending CN107463930A (zh) 2017-08-11 2017-08-11 一种基于频域特征的芯片元件角度获取方法

Country Status (1)

Country Link
CN (1) CN107463930A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111914680A (zh) * 2020-07-13 2020-11-10 苏州亚朴智能科技有限公司 基于频域特征的元器件识别定位方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050180636A1 (en) * 2004-01-28 2005-08-18 Sony Corporation Image matching system, program, and image matching method
CN103471528A (zh) * 2013-09-16 2013-12-25 西南科技大学 一种干涉条纹倾斜角测量方法
CN106652673A (zh) * 2017-01-16 2017-05-10 华南理工大学 一种自动识别和朗读药品说明书的方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050180636A1 (en) * 2004-01-28 2005-08-18 Sony Corporation Image matching system, program, and image matching method
CN103471528A (zh) * 2013-09-16 2013-12-25 西南科技大学 一种干涉条纹倾斜角测量方法
CN106652673A (zh) * 2017-01-16 2017-05-10 华南理工大学 一种自动识别和朗读药品说明书的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
JOHN HANY: "OpenCV实现基于傅里叶变换的旋转文本校正", 《HTTP://JOHNHANY.NET/2013/11/DFT-BASED-TEXT-ROTATION-CORRECTION/》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111914680A (zh) * 2020-07-13 2020-11-10 苏州亚朴智能科技有限公司 基于频域特征的元器件识别定位方法

Similar Documents

Publication Publication Date Title
CN107464240B (zh) 一种基于模板匹配的带矩形引脚芯片的定位算法
CN110119680A (zh) 一种基于图像识别的电气柜接线自动查错系统
CN106033544A (zh) 基于模板匹配的试卷内容区域提取方法
CN108334879B (zh) 一种区域提取方法、系统及终端设备
Chu et al. Invariant feature extraction method based on smoothed local binary pattern for strip steel surface defect
CN106790898B (zh) 一种基于显著性分析的手机屏幕坏点自动检测方法和系统
CN106127205A (zh) 一种适用于室内轨道机器人的数字仪表图像的识别方法
CN106485710A (zh) 一种元件错件检测方法和装置
CN110738216A (zh) 基于改进surf算法的药品识别方法
CN108709500B (zh) 一种电路板元件定位匹配方法
CN102004914B (zh) 检测圆章位置的方法和装置
CN110659637A (zh) 一种结合深度神经网络和sift特征的电能表示数与标签自动识别方法
CN107564006A (zh) 一种利用Hough变换的圆形目标检测方法
CN109726721A (zh) 一种基于卷积神经网络模型的象棋识别方法
CN108257153A (zh) 一种基于方向梯度统计特征的目标跟踪方法
CN107463930A (zh) 一种基于频域特征的芯片元件角度获取方法
CN104281850A (zh) 一种文字区域识别方法和装置
CN104050674B (zh) 一种显著性区域检测方法及装置
CN112418226A (zh) 一种鱼眼分合闸状态识别的方法及装置
CN108897781B (zh) 论文图形查重系统
CN102968622A (zh) 一种台标识别方法以及台标识别装置
CN112396638A (zh) 一种图像处理方法、终端和计算机可读存储介质
CN110197184A (zh) 一种基于傅里叶变换的快速图像sift提取方法
CN104408452A (zh) 一种基于旋转投影宽度的拉丁字符倾斜纠正方法及系统
CN110619622B (zh) 基于计算机视觉的面包板结构图像自动检测方法

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: 20171212

RJ01 Rejection of invention patent application after publication