CN107705297A - 一种柔性电路板圆孔的阈值分割检测方法 - Google Patents

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

一种柔性电路板圆孔的阈值分割检测方法

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：p_c≥P/e₁，且s_c≥e₂或m_c≥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：p_c≥P/e₁，且s_c≥e₂或m_c≥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，p_c为当前搜索到的坡的坡峰，s_c为当前搜索到的坡的坡总值，m_c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<S_k<N/e₅，2×4×π＞len_k ²/a_k>0.5×4×π，则将该连通域轮廓加入到圆的候选集中；

其中S_k为提取出的所有连通域轮廓中第k个连通域轮廓的面积，len_k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W_l和长度H_l为半径构成环形框；

其中：

W_l＝e₆×d_l，H_l＝e₇×d_l；

d_l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NFA_l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，n_l为该候选圆候选集中的第l个候选圆中的像素个数，m_l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n_l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NFA_l≤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l_t，右阈值R的初始值为第一坡的坡终点r_t；

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：p_c≥P/e₁，且s_c≥e₂或m_c≥e₃，则调将左阈值调整为当前搜索到的坡c的坡起点，即L＝l_c，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：p_c≥P/e₁，且s_c≥e₂或m_c≥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p_c为当前搜索到的坡c的坡峰，s_c为当前搜索到的坡c的坡总值，m_c为当前搜索到的坡的坡均值，l_c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<S_k<N/e₅，2×4×π＞len_k ²/a_k>0.5×4×π，则将该连通域轮廓加入到圆的候选集中；

其中S_k为提取出的所有连通域轮廓中第k个连通域轮廓的面积，len_k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(cx_l,cy_l)的平均欧式距离d_l；

步骤S33、选择以该候选圆的最小外接矩形的中心(cx_l,cy_l)为圆心，然后分别以长度W_l和长度H_l为半径构成环形框；

其中：

W_l＝e₆×d_l，H_l＝e₇×d_l；

d_l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NFA_l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，n_l为该候选圆候选集中的第l个候选圆中的像素个数，m_l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n_l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NFA_l≤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：(x_i,y_i)，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(x_i,y_i)，i＝1,…,M中的x_i和y_i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：p_c≥P/e₁，且s_c≥e₂或m_c≥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：p_c≥P/e₁，且s_c≥e₂或m_c≥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，p_c为当前搜索到的坡的坡峰，s_c为当前搜索到的坡的坡总值，m_c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<S_k<N/e₅，则将该连通域轮廓加入到圆的候选集中；

其中S_k为提取出的所有连通域轮廓中第k个连通域轮廓的面积，len_k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W_l和长度H_l为半径构成环形框；

其中：

W_l＝e₆×d_l，H_l＝e₇×d_l；

d_l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>&amp;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NFA_l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，n_l为该候选圆候选集中的第l个候选圆中的像素个数，m_l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n_l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NFA_l≤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>&amp;rho;</mi> <mo>=</mo> <mfrac> <mrow> <mn>4</mn> <mi>&amp;pi;</mi> <mo>&amp;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。