CN107705297A - 一种柔性电路板圆孔的阈值分割检测方法 - Google Patents
一种柔性电路板圆孔的阈值分割检测方法 Download PDFInfo
- Publication number
- CN107705297A CN107705297A CN201710841688.XA CN201710841688A CN107705297A CN 107705297 A CN107705297 A CN 107705297A CN 201710841688 A CN201710841688 A CN 201710841688A CN 107705297 A CN107705297 A CN 107705297A
- Authority
- CN
- China
- Prior art keywords
- slope
- circle
- candidate
- circuit board
- flexible circuit
- 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.)
- Granted
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
-
- 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
-
- 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)
- Length Measuring Devices By Optical Means (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种柔性电路板圆孔的阈值分割检测方法,步骤为:根据柔性电路板原始图像获取到柔性电路板灰度图像;采用基于灰度直方图的自适应阈值分割法对柔性电路板的灰度图像进行分割,得到柔性电路板分割结果图像;获取柔性电路板分割结果图像的连通域轮廓图像,采用基于连通域轮廓的几何特性进行初筛选,确立圆的候选集;依次对候选集中的候选圆进行有效性判定,判定出候选集中的有效的候选圆和无效的候选圆,并且去除候选集中无效的候选圆;采用拟合的方法计算有效圆的圆心、半径和圆度参数。本发明方法可以更加快速、准确的检测出柔性电路板中的圆孔,实现对圆孔的实时检测;并且对柔性基板来说,本发明方法对其上圆孔的检测精度更高。
Description
技术领域
本发明涉及图像处理技术领域,特别涉及一种柔性电路板圆孔的阈值分割检测方法。
背景技术
柔性电路板是以聚酰亚胺或聚酯薄膜为基材制成的一种具有高度可靠性,绝佳的可挠性印刷电路板,简称软板或FPC,具有配线密度高、重量轻、厚度薄的特点。随着通信、计算机、消费电子等产业的飞速发展,FPC作为电子产品的重要组成部分也在快速发展,且性能的好坏在很大程度上也影响到电子产品的质量。其中,钻孔是柔性电路板生产过程中的一项关键工艺技术,在生产过程中对柔性电路板的钻孔参数进行快速精确的检测尤为重要,对柔性电路板钻孔的检测本质上是对圆孔的定位检测,而柔性电路板圆孔的定位检测是柔性电路板精度和性能的重要因素之一。
当柔性电路板作为芯片基板时,此时柔性电路板也称为柔性基板,柔性基板广泛应用于高端集成电路的封装尤其是倒装芯片的封装,同时,还广泛应用于国防军工以及航空航天领域,是一种极其重要的、具有战略意义的集成电路封装基础部件。相比于一些常规柔性电路板,柔性基板具有布线密度更高、封装面积更小、引脚数目更多的特点,这些特点大大增加了柔性基板关键制造过程及成品的重要物理参数和外观质量的检测难度。
现有技术中常用的柔性电路板的圆孔检测方法是采用光学影像提取图像的边缘,并对边缘进行Hough圆变换,最终得到柔性电路板的圆孔。上述方法耗时较多,不适用于柔性电路板生产过程中的实时检测,并且对于布线密度更高、封装面积更小、引脚数目更多的柔性基板来说,上述方法的检测精度会更低。
发明内容
本发明的目的在于克服现有技术的缺点与不足,提供一种柔性电路板圆孔的阈值分割检测方法,该方法可以更加快速准确的检测出柔性电路板中的圆孔,使得柔性电路板在生产过程中也可以实现对圆孔的实时检测;并且对于布线密度更高、封装面积更小、引脚数目更多的柔性基板来说,本发明方法对其上圆孔的检测精度更高。
本发明的目的通过下述技术方案实现:一种柔性电路板圆孔的阈值分割检测方法,步骤如下:
步骤S1、首先根据柔性电路板原始图像获取到柔性电路板灰度图像;然后采用基于灰度直方图的自适应阈值分割法对柔性电路板的灰度图像进行分割,得到柔性电路板分割结果图像;
步骤S2、获取柔性电路板分割结果图像的连通域轮廓图像,采用基于连通域轮廓的几何特性进行初筛选,确立圆的候选集;
步骤S3、依次对候选集中的候选圆进行有效性判定,判定出候选集中的有效圆和无效圆,并且去除候选集中无效圆;
步骤S4、针对于候选集中的有效圆,采用拟合的方法计算有效圆的圆心、半径和圆度参数。
优选的,所述步骤S1中获取到柔性电路板分割结果图像的具体过程如下:
步骤S11、首先对柔性电路板原始图像进行高斯滤波处理,并且在高斯滤波处理后转换为柔性电路板灰度图像,然后统计柔性电路板灰度图像的灰度信息得到灰度直方图,将灰度直方图归一化;
步骤S12、获取到灰度直方图中的每个坡以及每个坡的坡信息,所述每个坡的坡信息包括坡峰、坡总值、坡均值、坡起点和坡终点;其中灰度直方图中的一个坡对应为灰度直方图中两个相邻极小值之间的区域;
步骤S13、选定灰度直方图的一个灰度范围,比较在该灰度范围内所有坡的坡峰,将该灰度范围内坡峰值最大的坡选取出来,定义该坡为第一坡,该坡的坡峰为全局坡峰P;然后设定左阈值的初始值为第一坡的坡起点,右阈值的初始值为第一坡的坡终点;
步骤S14、调整左阈值和右阈值,具体为:
朝灰度直方图从右往左方向上,向第一坡左相邻的坡依次搜索,若当前搜索到的坡满足以下条件:pc≥P/e1,且sc≥e2或mc≥e3,则调将左阈值调整为当前搜索到的坡的坡起点,然后继续搜索,否则停止搜索;
朝灰度直方图从左往右方向上,向第一坡右相邻的坡依次搜索,若当前搜索到的坡满足以下条件:pc≥P/e1,且sc≥e2或mc≥e3,则调将右阈值调整为当前搜索到的坡的坡起点,然后继续搜索,否则停止搜索;
其中e1、e2和e3均为设定的参数,pc为当前搜索到的坡的坡峰,sc为当前搜索到的坡的坡总值,mc为当前搜索到的坡的坡均值;
步骤S15、确定自适应阈值:将灰度直方图中最终得到的左阈值左边所有坡的坡总值之和与最终得到的右阈值右边所有坡的坡总值之和进行比较,若前者大于后者,则将自适应阈值设置为最终得到的左阈值,否则将自适应阈值设置为最终得到的右阈值;
步骤S16、根据上述得到的自适应阈值对柔性电路板灰度图像进行二值化处理得到柔性电路板分割结果图像。
更进一步的,设定的参数e1为4~6,设定的参数e2为0.02~0.04,设定的参数e3=0.005~0.01。
优选的,所述步骤S2中确立圆的候选集的具体过程如下:
针对于柔性电路板分割结果图像,提取出其中的所有连通域轮廓,针对于提取出的每个连通域轮廓,计算其面积和周长,当其面积和周长满足以下条件时:N/e4<Sk<N/e5,2×4×π>lenk 2/ak>0.5×4×π,则将该连通域轮廓加入到圆的候选集中;
其中Sk为提取出的所有连通域轮廓中第k个连通域轮廓的面积,lenk为提取出的所有连通域轮廓中第k个连通域轮廓的周长,N为柔性电路板分割结果图像的像素总数,e4和e5分别为连通域轮廓面积下阈值参数和连通域轮廓面积上阈值参数。
更进一步的,所述连通域轮廓面积下阈值参数e4为8000~15000,连通域轮廓面积上阈值参数e5为8~15。
优选的,所述步骤S3中,针对于候选集中的每个候选圆,基于赫姆霍兹原理对其进行有效性判定,当该候选圆为候选集中的第l个候选圆时,有效性判定的具体过程如下:
步骤S31、求取该候选圆的最小外接矩形;
步骤S32、计算该候选圆中所有像素点与该候选圆的最小外接矩形的中心的平均欧式距离;
步骤S33、选择以该候选圆的最小外接矩形的中心为圆心,然后分别以长度Wl和长度Hl为半径构成环形框;
其中:
Wl=e6×dl,Hl=e7×dl;
dl为该候选圆即候选集中的第l个候选圆中所有像素点与该候选圆的最小外接矩形的中心的平均欧式距离,e6和e7为设定的参数;
步骤S34;根据赫姆霍兹原理,利用统计的方法,按照下式计算该候选圆的误报数:
其中NFAl为该候选圆即候选集中的第l个候选圆的误报数,N为柔性电路板分割结果图像的像素总数,nl为该候选圆候选集中的第l个候选圆中的像素个数,ml为该候选圆候选集中的第l个候选圆中落在环形框中的像素点个数,表示nl个像素中取i个像素的组合数,p为设定的像素点属于圆的概率;
步骤S35、将候选圆的误报数与e8进行比较,当NFAl≤e8时,则判定该候选圆有效,否则判定无效,e8是设定的误报数阈值。
更进一步的,所述设定的像素点属于圆的概率p为0.1~0.3;所述设定的参数e6为0.85~0.95,所述设定的参数e7为1.05~1.15;所述设定的误报数阈值e8为1~5。
优选的,所述步骤S4中针对于候选集中的每个有效圆,采用拟合的方法计算其圆心、半径和圆度参数的具体过程如下:
S41、首先检测出该有效圆中所包含的像素点,将该有效圆中所包含的像素点位置坐标(x,y)分别代人到下述圆曲线公式中进行最小二乘法计算,求得下述圆曲线公式中的参数a,参数b和参数c;
x2+y2+ax+by+c=0;
步骤S42、根据步骤S41中所求取出的参数a,参数b和参数c获取到该有效圆的圆心坐标(A,B)和半径R分别为:
同时获取该有效圆的面积以及周长,根据该有效圆的面积以及周长计算该有效圆的圆度为:
其中S为该有效圆的面积,len为该有效圆的周长。
本发明相对于现有技术具有如下的优点及效果:
本发明检测方法首先获取柔性电路板灰度图像,然后采用基于灰度直方图的自适应阈值分割法对柔性电路板的灰度图像进行分割,得到柔性电路板分割结果图像;获取柔性电路板分割结果图像的连通域轮廓图像,采用基于连通域轮廓的几何特性进行初筛选,确立圆的候选集;依次对候选集中的候选圆进行有效性判定,判定出候选集中的有效的候选圆和无效的候选圆,并且去除候选集中无效的候选圆;针对于候选集中的有效圆,采用拟合的方法计算有效圆的圆心、半径和圆度参数。由上述可知,本发明为一种基于自适应多阈值图像分割的圆孔检测方法,该圆孔检测方法可以更加快速、高效以及准确的检测出柔性电路板中的圆孔,使得柔性电路板在生产过程中也可以实现对圆孔的实时检测;并且对于布线密度更高、封装面积更小、引脚数目更多的柔性基板来说,本发明方法对其上圆孔的检测精度更高,在柔性电路板检测领域里具有实用的价值和广阔的应用前景。
附图说明
图1是本发明圆孔检测方法的流程图。
图2是本发明实施例中获取的柔性电路板原始图像。
图3是本发明实施例中获取到的灰度直方图。
图4是本发明实施例中获取到的圆的候选集。
图5是本发明实施例中检测到的有效圆及其圆心。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
实施例1
本发明公开了一种柔性电路板圆孔的阈值分割检测方法,如图1所示,步骤如下:
步骤S1、首先根据柔性电路板原始图像获取到柔性电路板灰度图像;然后采用基于灰度直方图的自适应阈值分割法对柔性电路板的灰度图像进行分割,得到柔性电路板分割结果图像;
本步骤中获取到柔性电路板分割结果图像的具体过程如下:
步骤S11、首先对柔性电路板原始图像进行高斯滤波处理,并且在高斯滤波处理后转换为柔性电路板灰度图像,然后统计柔性电路板灰度图像的灰度信息得到灰度直方图,将灰度直方图归一化;其中当本实施例获取到的柔性电路板原始图像如图2所示时。则本实施例获取到的灰度直方图如图3所示。
步骤S12、获取到灰度直方图中的每个坡以及每个坡的坡信息,每个坡的坡信息包括坡峰、坡总值、坡均值、坡起点和坡终点;其中灰度直方图中的一个坡对应为灰度直方图中两个相邻极小值之间的区域;
步骤S13、选定灰度直方图的一个灰度范围,在本实施例中选定的灰度范围为[0,100],比较在该灰度范围[0,100]内所有坡的坡峰,将该灰度范围[0,100]内坡峰值最大的坡选取出来,定义该坡为第一坡t,该坡的坡峰为全局坡峰P;然后设定左阈值L的初始值为第一坡的坡起点lt,右阈值R的初始值为第一坡的坡终点rt;
步骤S14、调整左阈值L和右阈值R,具体为:
朝灰度直方图从右往左方向上,向第一坡t左相邻的坡依次搜索,若当前搜索到的坡c满足以下条件:pc≥P/e1,且sc≥e2或mc≥e3,则调将左阈值调整为当前搜索到的坡c的坡起点,即L=lc,然后继续搜索,否则停止搜索;
朝灰度直方图从左往右方向上,向第一坡t右相邻的坡依次搜索,若当前搜索到的坡c满足以下条件:pc≥P/e1,且sc≥e2或mc≥e3,则调将右阈值调整为当前搜索到的坡c的坡起点,然后继续搜索,否则停止搜索;
其中pc为当前搜索到的坡c的坡峰,sc为当前搜索到的坡c的坡总值,mc为当前搜索到的坡的坡均值,lc为当前搜索到的坡c的坡起点;其中e1、e2和e3均为设定的参数;在本实施例中,设定的参数e1为4~6,设定的参数e2为0.02~0.04,设定的参数e3=0.005~0.01,在实施例中设定的参数e1为5,e2为0.03,e3为0.006。
步骤S15、确定自适应阈值σ:将灰度直方图中最终得到的左阈值L左边所有坡的坡总值之和与最终得到的右阈值R右边所有坡的坡总值之和进行比较,若前者大于后者,则将自适应阈值σ设置为最终得到的左阈值L,否则将自适应阈值σ设置为最终得到的右阈值R。
步骤S16、根据上述得到的自适应阈值σ对柔性电路板灰度图像进行二值化处理得到柔性电路板分割结果图像。
步骤S2、获取柔性电路板分割结果图像的连通域轮廓图像,采用基于连通域轮廓的几何特性进行初筛选,确立圆的候选集;
本步骤中确立圆的候选集的具体过程如下:
针对于柔性电路板分割结果图像,提取出其中的所有连通域轮廓,针对于提取出的每个连通域轮廓,计算其面积和周长,当其面积和周长满足以下条件时:N/e4<Sk<N/e5,2×4×π>lenk 2/ak>0.5×4×π,则将该连通域轮廓加入到圆的候选集中;
其中Sk为提取出的所有连通域轮廓中第k个连通域轮廓的面积,lenk为提取出的所有连通域轮廓中第k个连通域轮廓的周长,N为柔性电路板分割结果图像的像素总数,e4和e5分别为连通域轮廓面积下阈值参数和连通域轮廓面积上阈值参数,其中连通域轮廓面积下阈值参数e4可以为8000~15000,连通域轮廓面积上阈值参数e5为8~15,在本实施例中,e4=10000,e5=10。
针对于如图2所示的柔性电路板原始图像,本实施例在本步骤中获取到该图像中的圆的候选集如图4所示。
步骤S3、依次对候选集中的候选圆进行有效性判定,判定出候选集中的有效圆和无效圆,并且去除候选集中无效的候选圆;
本步骤中,针对于候选集中的每个候选圆,基于赫姆霍兹原理对其进行有效性判定,当该候选圆为候选集中的第l个候选圆时,有效性判定的具体过程如下:
步骤S31、求取该候选圆的最小外接矩形;
步骤S32、计算该候选圆中所有像素点与该候选圆的最小外接矩形的中心(cxl,cyl)的平均欧式距离dl;
步骤S33、选择以该候选圆的最小外接矩形的中心(cxl,cyl)为圆心,然后分别以长度Wl和长度Hl为半径构成环形框;
其中:
Wl=e6×dl,Hl=e7×dl;
dl为该候选圆即候选集中的第l个候选圆中所有像素点与该候选圆的最小外接矩形的中心的平均欧式距离,e6和e7为设定的参数,其中e6可为0.85~0.95,设定的参数e7可为1.05~1.15;在本实施例中e6为0.9,e7为1.1。
步骤S34;根据赫姆霍兹原理,利用统计的方法,按照下式计算该候选圆的误报数:
其中NFAl为该候选圆即候选集中的第l个候选圆的误报数,N为柔性电路板分割结果图像的像素总数,nl为该候选圆候选集中的第l个候选圆中的像素个数,ml为该候选圆候选集中的第l个候选圆中落在环形框中的像素点个数,表示nl个像素中取i个像素的组合数,p为设定的像素点属于圆的概率,其中p可以为0.1~0.3,在本实施例中p为0.25;
步骤S35、将候选圆的误报数与e8进行比较,当NFAl≤e8时,则判定该候选圆有效,否则判定无效,e8是设定的误报数阈值,其中,e8可为1~5,在本实施例中,e8为1。
步骤S4、针对于候选集中的有效圆,采用拟合的方法计算有效圆的圆心、半径和圆度参数,最终获取到柔性电路板的钻孔信息。
本步骤中,针对于候选集中的每个有效圆,采用拟合的方法计算其圆心、半径和圆度参数的具体过程如下:
S41、首先检测出该有效圆中所包含的像素点,将该有效圆中所包含的像素点位置坐标(x,y)分别代人到下述圆曲线公式中进行最小二乘法计算,求得下述圆曲线公式中的参数a,参数b和参数c:
x2+y2+ax+by+c=0;
其中M个像素点中第i个像素点的位置坐标为:(xi,yi),则将
步骤S42、根据步骤S41中所求取出的参数a,参数b和参数c获取到该有效圆的圆心坐标(A,B)和半径R分别为:
同时获取该有效圆的面积以及周长,根据该有效圆的面积以及周长计算该有效圆的圆度为:
其中S为该有效圆的面积,len为该有效圆的周长,其中当圆度越接近1时,表示圆的特性越好。
例如获取到该有效圆中包含M个像素点,则将每个像素点的位置坐标(xi,yi),i=1,…,M中的xi和yi代人到上述圆曲线公式中的x和y中进行最小二乘法计算,最终可以计算出圆曲线公式中的参数a,参数b和参数c,然后根据参数a,参数b和参数c即可计算得出该有效圆的圆心和圆半径。
针对于如图2所示的柔性电路板原始图像,本步骤中检测到柔性电路板原始图像中的有效圆及圆心如图5所示。
其中,圆曲线的表达式如下:
R2=(x-A)2+(y-B)2=x2-2Ax+A2+y2-2By+B2;
其中,圆心为(A,B),令a=-2A,b=-2B,c=A2+B2-R2,即可得到圆曲线的另一个形式:
x2+y2+ax+by+c=0。
上述可知,本发明为一种基于自使用多阈值图像分割的圆孔检测方法,该圆孔检测方法可以更加快速、高效以及准确的检测出柔性电路板中的圆孔,使得柔性电路板在生产过程中也可以实现对圆孔的实时检测;并且对于布线密度更高、封装面积更小、引脚数目更多的柔性基板来说,本发明方法对其上圆孔的检测精度更高,在柔性电路板检测领域里具有实用的价值和广阔的应用前景。
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上述实施例的限制,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 (8)
1.一种柔性电路板圆孔的阈值分割检测方法,其特征在于,步骤如下:
步骤S1、首先根据柔性电路板原始图像获取到柔性电路板灰度图像;然后采用基于灰度直方图的自适应阈值分割法对柔性电路板的灰度图像进行分割,得到柔性电路板分割结果图像;
步骤S2、获取柔性电路板分割结果图像的连通域轮廓图像,采用基于连通域轮廓的几何特性进行初筛选,确立圆的候选集;
步骤S3、依次对候选集中的候选圆进行有效性判定,判定出候选集中的有效圆和无效圆,并且去除候选集中无效圆;
步骤S4、针对于候选集中的有效圆,采用拟合的方法计算有效圆的圆心、半径和圆度参数。
2.根据权利要求1所述的柔性电路板圆孔的阈值分割检测方法,其特征在于,所述步骤S1中获取到柔性电路板分割结果图像的具体过程如下:
步骤S11、首先对柔性电路板原始图像进行高斯滤波处理,并且在高斯滤波处理后转换为柔性电路板灰度图像,然后统计柔性电路板灰度图像的灰度信息得到灰度直方图,将灰度直方图归一化;
步骤S12、获取到灰度直方图中的每个坡以及每个坡的坡信息,所述每个坡的坡信息包括坡峰、坡总值、坡均值、坡起点和坡终点;其中灰度直方图中的一个坡对应为灰度直方图中两个相邻极小值之间的区域;
步骤S13、选定灰度直方图的一个灰度范围,比较在该灰度范围内所有坡的坡峰,将该灰度范围内坡峰值最大的坡选取出来,定义该坡为第一坡,该坡的坡峰为全局坡峰P;然后设定左阈值的初始值为第一坡的坡起点,右阈值的初始值为第一坡的坡终点;
步骤S14、调整左阈值和右阈值,具体为:
朝灰度直方图从右往左方向上,向第一坡左相邻的坡依次搜索,若当前搜索到的坡满足以下条件:pc≥P/e1,且sc≥e2或mc≥e3,则调将左阈值调整为当前搜索到的坡的坡起点,然后继续搜索,否则停止搜索;
朝灰度直方图从左往右方向上,向第一坡右相邻的坡依次搜索,若当前搜索到的坡满足以下条件:pc≥P/e1,且sc≥e2或mc≥e3,则调将右阈值调整为当前搜索到的坡的坡起点,然后继续搜索,否则停止搜索;
其中e1、e2和e3均为设定的参数,pc为当前搜索到的坡的坡峰,sc为当前搜索到的坡的坡总值,mc为当前搜索到的坡的坡均值;
步骤S15、确定自适应阈值:将灰度直方图中最终得到的左阈值左边所有坡的坡总值之和与最终得到的右阈值右边所有坡的坡总值之和进行比较,若前者大于后者,则将自适应阈值设置为最终得到的左阈值,否则将自适应阈值设置为最终得到的右阈值;
步骤S16、根据上述得到的自适应阈值对柔性电路板灰度图像进行二值化处理得到柔性电路板分割结果图像。
3.根据权利要求2所述的柔性电路板圆孔的阈值分割检测方法,其特征在于,设定的参数e1为4~6,设定的参数e2为0.02~0.04,设定的参数e3=0.005~0.01。
4.根据权利要求1所述的柔性电路板圆孔的阈值分割检测方法,其特征在于,所述步骤S2中确立圆的候选集的具体过程如下:
针对于柔性电路板分割结果图像,提取出其中的所有连通域轮廓,针对于提取出的每个连通域轮廓,计算其面积和周长,当其面积和周长满足以下条件时:N/e4<Sk<N/e5,则将该连通域轮廓加入到圆的候选集中;
其中Sk为提取出的所有连通域轮廓中第k个连通域轮廓的面积,lenk为提取出的所有连通域轮廓中第k个连通域轮廓的周长,N为柔性电路板分割结果图像的像素总数,e4和e5分别为连通域轮廓面积下阈值参数和连通域轮廓面积上阈值参数。
5.根据权利要求4所述的柔性电路板圆孔的阈值分割检测方法,其特征在于,所述连通域轮廓面积下阈值参数e4为8000~15000,连通域轮廓面积上阈值参数e5为8~15。
6.根据权利要求1所述的柔性电路板圆孔的阈值分割检测方法,其特征在于,所述步骤S3中,针对于候选集中的每个候选圆,基于赫姆霍兹原理对其进行有效性判定,当该候选圆为候选集中的第l个候选圆时,有效性判定的具体过程如下:
步骤S31、求取该候选圆的最小外接矩形;
步骤S32、计算该候选圆中所有像素点与该候选圆的最小外接矩形的中心的平均欧式距离;
步骤S33、选择以该候选圆的最小外接矩形的中心为圆心,然后分别以长度Wl和长度Hl为半径构成环形框;
其中:
Wl=e6×dl,Hl=e7×dl;
dl为该候选圆即候选集中的第l个候选圆中所有像素点与该候选圆的最小外接矩形的中心的平均欧式距离,e6和e7为设定的参数;
步骤S34;根据赫姆霍兹原理,利用统计的方法,按照下式计算该候选圆的误报数:
<mrow>
<msub>
<mi>NFA</mi>
<mi>l</mi>
</msub>
<mo>=</mo>
<msup>
<mi>N</mi>
<mn>2</mn>
</msup>
<msubsup>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<msub>
<mi>m</mi>
<mi>l</mi>
</msub>
</mrow>
<msub>
<mi>n</mi>
<mi>l</mi>
</msub>
</msubsup>
<msubsup>
<mi>C</mi>
<msub>
<mi>n</mi>
<mi>l</mi>
</msub>
<mi>i</mi>
</msubsup>
<msup>
<mi>p</mi>
<mi>i</mi>
</msup>
<msup>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mi>p</mi>
<mo>)</mo>
</mrow>
<mrow>
<mo>(</mo>
<msub>
<mi>n</mi>
<mi>l</mi>
</msub>
<mo>-</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
</msup>
<mo>;</mo>
</mrow>
其中NFAl为该候选圆即候选集中的第l个候选圆的误报数,N为柔性电路板分割结果图像的像素总数,nl为该候选圆候选集中的第l个候选圆中的像素个数,ml为该候选圆候选集中的第l个候选圆中落在环形框中的像素点个数,表示nl个像素中取i个像素的组合数,p为设定的像素点属于圆的概率;
步骤S35、将候选圆的误报数与e8进行比较,当NFAl≤e8时,则判定该候选圆有效,否则判定无效,e8是设定的误报数阈值。
7.根据权利要求6所述的柔性电路板圆孔的阈值分割检测方法,其特征在于,所述设定的像素点属于圆的概率p为0.1~0.3;所述设定的参数e6为0.85~0.95,所述设定的参数e7为1.05~1.15;所述设定的误报数阈值e8为1~5。
8.根据权利要求1所述的柔性电路板圆孔的阈值分割检测方法,其特征在于,所述步骤S4中针对于候选集中的每个有效圆,采用拟合的方法计算其圆心、半径和圆度参数的具体过程如下:
S41、首先检测出该有效圆中所包含的像素点,将该有效圆中所包含的像素点位置坐标(x,y)分别代人到下述圆曲线公式中进行最小二乘法计算,求得下述圆曲线公式中的参数a,参数b和参数c;
x2+y2+ax+by+c=0;
步骤S42、根据步骤S41中所求取出的参数a,参数b和参数c获取到该有效圆的圆心坐标(A,B)和半径R分别为:
<mrow>
<mo>(</mo>
<mi>A</mi>
<mo>,</mo>
<mi>B</mi>
<mo>)</mo>
<mo>=</mo>
<mo>(</mo>
<mrow>
<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>
</mrow>
<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>
同时获取该有效圆的面积以及周长,根据该有效圆的面积以及周长计算该有效圆的圆度为:
<mrow>
<mi>&rho;</mi>
<mo>=</mo>
<mfrac>
<mrow>
<mn>4</mn>
<mi>&pi;</mi>
<mo>&times;</mo>
<mi>S</mi>
</mrow>
<mrow>
<msup>
<mi>len</mi>
<mn>2</mn>
</msup>
</mrow>
</mfrac>
<mo>;</mo>
</mrow>
其中S为该有效圆的面积,len为该有效圆的周长。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710841688.XA CN107705297B (zh) | 2017-09-18 | 2017-09-18 | 一种柔性电路板圆孔的阈值分割检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710841688.XA CN107705297B (zh) | 2017-09-18 | 2017-09-18 | 一种柔性电路板圆孔的阈值分割检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107705297A true CN107705297A (zh) | 2018-02-16 |
CN107705297B CN107705297B (zh) | 2020-05-22 |
Family
ID=61172864
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710841688.XA Active CN107705297B (zh) | 2017-09-18 | 2017-09-18 | 一种柔性电路板圆孔的阈值分割检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107705297B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108537778A (zh) * | 2018-03-27 | 2018-09-14 | 华南理工大学 | 一种用于柔性基板的改进随机圆孔检测方法 |
CN108550142A (zh) * | 2018-03-30 | 2018-09-18 | 深圳大学 | 一种牙孔检测方法及装置 |
CN110288619A (zh) * | 2018-03-14 | 2019-09-27 | 浙江大学山东工业技术研究院 | 基于视觉的太阳花模组表面螺钉孔位置检测方法 |
CN110619622A (zh) * | 2019-04-08 | 2019-12-27 | 天津职业技术师范大学(中国职业培训指导教师进修中心) | 基于计算机视觉的面包板结构图像自动检测方法 |
CN112288693A (zh) * | 2020-10-19 | 2021-01-29 | 佛山(华南)新材料研究院 | 圆孔检测方法、装置、电子设备及存储介质 |
CN112325772A (zh) * | 2020-10-28 | 2021-02-05 | 中国电力科学研究院有限公司 | 基于机器视觉的冲孔尺寸测量方法、系统、设备及介质 |
CN112991279A (zh) * | 2021-03-03 | 2021-06-18 | 华南理工大学 | 柔性电路板缺陷圆检测方法、装置、介质和设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1815489A (zh) * | 2005-01-31 | 2006-08-09 | 北京石油化工学院 | 一种智能图像计数方法 |
US20090022406A1 (en) * | 2007-07-20 | 2009-01-22 | Asustek Computer Inc. | Method for finding specific pattern and method for compensating image offset |
CN105787939A (zh) * | 2016-02-26 | 2016-07-20 | 南京理工大学 | 一种用于pcb板圆孔的快速定位检测方法 |
CN106651828A (zh) * | 2016-09-21 | 2017-05-10 | 哈尔滨工业大学 | 一种工业小尺度运动模糊成像条件下的产品尺寸亚像素测量方法 |
CN106952307A (zh) * | 2017-03-22 | 2017-07-14 | 广东工业大学 | 一种图像中球体定位方法及系统 |
-
2017
- 2017-09-18 CN CN201710841688.XA patent/CN107705297B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1815489A (zh) * | 2005-01-31 | 2006-08-09 | 北京石油化工学院 | 一种智能图像计数方法 |
US20090022406A1 (en) * | 2007-07-20 | 2009-01-22 | Asustek Computer Inc. | Method for finding specific pattern and method for compensating image offset |
CN105787939A (zh) * | 2016-02-26 | 2016-07-20 | 南京理工大学 | 一种用于pcb板圆孔的快速定位检测方法 |
CN106651828A (zh) * | 2016-09-21 | 2017-05-10 | 哈尔滨工业大学 | 一种工业小尺度运动模糊成像条件下的产品尺寸亚像素测量方法 |
CN106952307A (zh) * | 2017-03-22 | 2017-07-14 | 广东工业大学 | 一种图像中球体定位方法及系统 |
Non-Patent Citations (1)
Title |
---|
CUNEYT ALCINLAR ET AL.: "EDCircles: A real-time circle detector with a false detection control", 《PATTERN RECOGNITION》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110288619A (zh) * | 2018-03-14 | 2019-09-27 | 浙江大学山东工业技术研究院 | 基于视觉的太阳花模组表面螺钉孔位置检测方法 |
CN110288619B (zh) * | 2018-03-14 | 2021-08-03 | 浙江大学山东工业技术研究院 | 基于视觉的太阳花模组表面螺钉孔位置检测方法 |
CN108537778A (zh) * | 2018-03-27 | 2018-09-14 | 华南理工大学 | 一种用于柔性基板的改进随机圆孔检测方法 |
CN108537778B (zh) * | 2018-03-27 | 2022-03-25 | 华南理工大学 | 一种用于柔性基板的改进随机圆孔检测方法 |
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 |
CN110619622A (zh) * | 2019-04-08 | 2019-12-27 | 天津职业技术师范大学(中国职业培训指导教师进修中心) | 基于计算机视觉的面包板结构图像自动检测方法 |
CN112288693A (zh) * | 2020-10-19 | 2021-01-29 | 佛山(华南)新材料研究院 | 圆孔检测方法、装置、电子设备及存储介质 |
CN112288693B (zh) * | 2020-10-19 | 2024-02-13 | 佛山(华南)新材料研究院 | 圆孔检测方法、装置、电子设备及存储介质 |
CN112325772A (zh) * | 2020-10-28 | 2021-02-05 | 中国电力科学研究院有限公司 | 基于机器视觉的冲孔尺寸测量方法、系统、设备及介质 |
CN112991279A (zh) * | 2021-03-03 | 2021-06-18 | 华南理工大学 | 柔性电路板缺陷圆检测方法、装置、介质和设备 |
Also Published As
Publication number | Publication date |
---|---|
CN107705297B (zh) | 2020-05-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107705297B (zh) | 一种柔性电路板圆孔的阈值分割检测方法 | |
CN107610111B (zh) | 一种基于深度学习的焊点图像检测方法 | |
CN109242853B (zh) | 一种基于图像处理的pcb缺陷智能检测方法 | |
CN112991279B (zh) | 柔性电路板缺陷圆检测方法、装置、介质和设备 | |
CN109583504B (zh) | 一种基于视觉的pcb板圆形定位孔快速准确识别方法 | |
JP2021180309A (ja) | 深層学習に基づく2次元pcb外観欠陥のリアルタイム自動検出方法 | |
Wu et al. | Automated visual inspection of surface mounted chip components | |
Ma | Defect detection and recognition of bare PCB based on computer vision | |
CN116993744B (zh) | 一种基于阈值分割的焊缝缺陷检测方法 | |
CN112991305A (zh) | 一种喷漆面板表面缺陷的视觉检测方法 | |
CN115359047A (zh) | 用于pcb板智能焊接的异常缺陷检测方法 | |
Said et al. | Robust automatic void detection in solder balls | |
CN112649793A (zh) | 海面目标雷达点迹凝聚方法、装置、电子设备及存储介质 | |
CN111861979A (zh) | 一种定位方法、设备及计算机可读存储介质 | |
CN112884746A (zh) | 一种基于边缘形状匹配的字符缺陷智能检测算法 | |
CN115841488A (zh) | 一种基于计算机视觉的pcb板的检孔方法 | |
CN108537778B (zh) | 一种用于柔性基板的改进随机圆孔检测方法 | |
Aggarwal et al. | A survey on automatic printed circuit board defect detection techniques | |
CN109064420B (zh) | 一种多层pcb截面图像工艺参数提取方法 | |
CN115311287A (zh) | 一种共轨喷油器生产异常检测方法 | |
CN112581447A (zh) | 一种基于全局缺陷和局部缺陷的fpc软板线路检测方法 | |
Luo et al. | A fast circle detection method based on threshold segmentation and validity check for FPC images | |
JPH11185039A (ja) | 画像認識による計測方法および記録媒体 | |
Lakshmi et al. | A Survey of PCB Defect Detection Algorithms | |
Qi et al. | Research on printing defects inspection of solder paste images |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |