CN108257174A - 基于亚像素级图像的图像块匹配方法及焊球位置识别系统 - Google Patents
基于亚像素级图像的图像块匹配方法及焊球位置识别系统 Download PDFInfo
- Publication number
- CN108257174A CN108257174A CN201810023205.XA CN201810023205A CN108257174A CN 108257174 A CN108257174 A CN 108257174A CN 201810023205 A CN201810023205 A CN 201810023205A CN 108257174 A CN108257174 A CN 108257174A
- Authority
- CN
- China
- Prior art keywords
- subgraph
- images
- recognized
- image
- value
- 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
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- 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
- G06T2207/30148—Semiconductor; IC; Wafer
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例公开了一种基于亚像素级图像的图像块匹配方法、装置及倒装芯片的焊球位置识别系统。方法应用在倒装芯片的焊球位置识别技术中,在亚像素级的子图像按照平移单位值自适应平移亚像素级待识别图像的过程中,判断子图像的当前位置是否满足预设条件;若是,则选出子图像在平移过程中所有相异度值中的极小值,从各极小值间选取满足间距像素条件的目标极小值,根据各目标极小值计算待识别图像中目标图像块的位置及个数;若否,则利用相异度函数计算子图像在当前位置的相异度值,根据相异度值、平移速度调整阈值、平移速度变化值对平移单位值进行更新,按照更新后的平移单位值自适应平移待识别图像。本申请提升了图像块匹配精度和匹配效率。
Description
技术领域
本发明实施例涉及图像处理技术领域,特别是涉及一种基于亚像素级图像的图像块匹配方法、装置及倒装芯片的焊球位置识别系统。
背景技术
随着计算机技术的快速发展,图像处理技术也得到了快速的发展。在图像处理技术领域中,模板匹配算法通过设计与图像中的目标物体几乎拥有一样形状,且像素值分布几乎相同图像作为模板。在匹配过程中,通过该模板在图像上进行以一个像素为距离单位的平移历遍,然后得到一系列的相似度或相异度的值。当相似度最大或者相异度最小时,就达到了最佳匹配效果,模板在图像中的位置的中心就是图像中特定物体的位置中心了,也就相当于图像中的特定物体被识别出来了。
举例来说,在半导体芯片制造领域,倒装芯片技术由于解决了正装芯片通过金线实现电气连接,而导致的不耐受外力挤压、可靠性低的问题,成为芯片制造领域的宠儿。倒装芯片为在I/O板上沉积锡铅球,然后将芯片翻转加热利用熔融的锡铅球与陶瓷基板相结合,可见准确定位倒装芯片中焊球的位置,对于芯片的后续封装等处理,为十分必要的。
在对倒装芯片的焊球识别过程中,现有技术可采用各种传感器进行测量,但是传感器的安装限制了整个设备集成度的提高,而采用显微视觉进行人工识别时,耗时太长,识别效率低下。此外,采用一些图像匹配方法时,需要较多的匹配时间,匹配效率较慢,导致焊球识别效率较低。
鉴于此,如何缩短图像块匹配的时间,从而提升图像匹配识别的效率,是本领域技术人员亟待解决的问题。
发明内容
本发明实施例的目的是提供一种基于亚像素级图像的图像块匹配方法、装置及倒装芯片的焊球位置识别系统,不仅确保了图像块匹配的高精度,还缩短了图像块匹配的时间,提升图像匹配识别的效率。
为解决上述技术问题,本发明实施例提供以下技术方案:从而有利于提升倒装芯片中焊球位置识别的准确度和效率。
本发明实施例一方面提供了一种基于亚像素级图像的图像块匹配方法,包括:
获取亚像素级的子图像和待识别图像,所述子图像为所述待识别图像中的目标图像块;所述子图像为焊球图像,所述待识别图像为倒装芯片图像,所述目标图像块为所述待识别图像中的焊球区域;
初始化所述子图像的平移单位值、平移速度变化值、阈值系数、平移初始点,并根据预先定义的相异度函数计算所述平移初始点的相异度值;
在所述子图像按照平移单位值自适应平移所述待识别图像的过程中,判断所述子图像的当前位置是否满足预设条件;
若是,则选出所述子图像在平移过程中与所述待识别图像的所有相异度值中的极小值,从各极小值间选取满足间距像素条件的目标极小值,根据各目标极小值计算所述待识别图像中目标图像块的位置及个数;
若否,则利用所述相异度函数计算所述子图像和所述待识别图像在当前位置的相异度值并存储,根据当前位置的相异度值、平移速度调整阈值、所述平移速度变化值对当前平移单位值进行更新,以实现所述子图像平移速度随着相异度值的增大而自适应调快;按照更新后的平移单位值自适应平移所述待识别图像;
所述平移速度调整阈值为所述阈值系数和最佳匹配效果均值的乘积,所述最佳匹配效果均值为在所述相异度函数下,预先利用模板匹配算法计算所述子图像和所述待识别图像的最佳匹配效果的均值。
可选的,所述获取亚像素级的子图像和待识别图像包括:
获取所述子图像和所述待识别图像;
判断所述子图像和所述待识别图像是否为亚像素级图像;
当判定所述子图像不为亚像素级图像,则利用三次样条插值将所述子图像转化为亚像素级图像;
当判定所述待识别图像不为亚像素级图像,则利用三次样条插值将所述待识别图像转化为亚像素级图像。
可选的,所述相异度函数为:
式中,所述子图像的图像大小为a×b(a<A,b<B),所述待识别图像的图像大小为A×B,f(x,y)为所述子图像处于(x,y)位置时,所述子图像与所述待识别图像的相异度值。可选的,所述根据当前位置的相异度值、平移速度调整阈值、所述平移速度变化值对当前平移单位值进行更新包括:
按照下述公式,计算当前平移单位值的更新值:
根据下述公式确定更新后的平移单位值:
式中,h为平移单位值且h∈[1,b),所述子图像的图像大小为a×b(a<A,b<B),所述待识别图像的图像大小为A×B,c1、c2为所述平移速度变化值且c1、c2∈(0,b)、c1、c2∈N+,l为所述阈值系数且l≥1,δ为所述最佳匹配效果均值;Δf(x,y)为当前位置的相异度值与前一次所在位置相异度值的差值。
可选的,所述判断所述子图像在所述待识别图像的位置是否满足预设条件为:
当x+a>A,执行后续的若是操作;
当x+a<A,且y+b>B,则y=y0,x=x+1,按照当前平移单位值自适应平移所述待识别图像;
当x+a<A,且y+b<B,执行后续的若否操作;
其中,所述子图像的图像大小为a×b(a<A,b<B),所述待识别图像的图像大小为A×B,所述子图像当前位置的坐标为(x,y),所述平移初始点为(x0,y0)。
可选的,所述间距像素条件为:
在各极小值之间,存在两个或两个以上相邻的极小值之间的横向距离的像素个数小于b;和/或
在各极小值之间,存在两个或两个以上相邻的极小值之间的纵向距离的像素个数小于a;
其中,所述子图像的图像大小为a×b(a<A,b<B),所述待识别图像的图像大小为A×B。
可选的,所述从各极小值间选取满足间距像素条件的目标极小值包括:
从各极小值间选取满足所述间距像素条件的第一目标极小值;
从各第一目标极小值中的选取最小值,以作为当前区域内的目标极小值。
可选的,所述根据各目标极小值计算所述待识别图像中目标图像块的位置及个数包括:
获取各目标极小值对应的匹配位置坐标;
根据各匹配位置坐标计算相应目标图像块在所述待识别图像中的位置为式中,匹配位置坐标为(x,y),所述子图像的图像大小为a×b;
统计各目标极小值的个数,以作为所述待识别图像中目标图像块的个数。
本发明实施例另一方面提供了一种基于亚像素级图像的图像块匹配装置,包括:
获取模块,用于获取亚像素级的子图像和待识别图像,所述子图像为所述待识别图像中的目标图像块;所述子图像为焊球图像,所述待识别图像为倒装芯片图像,所述目标图像块为所述待识别图像中的焊球区域;
预处理模块,用于初始化所述子图像的平移单位值、平移速度变化值、阈值系数、平移初始点,并根据预先定义的相异度函数计算所述平移初始点的相异度值;
判断模块,用于在所述子图像按照平移单位值自适应平移所述待识别图像的过程中,判断所述子图像的当前位置是否满足预设条件;
目标图像块确定模块,用于当判定所述子图像的当前位置满足预设条件,选出所述子图像在平移过程中与所述待识别图像的所有相异度值中的极小值,从各极小值间选取满足间距像素条件的目标极小值,根据各目标极小值计算所述待识别图像中目标图像块的位置及个数;
自适应平移模块,用于当判定所述子图像的当前位置不满足预设条件,利用所述相异度函数计算所述子图像和所述待识别图像在当前位置的相异度值并存储,根据当前位置的相异度值、平移速度调整阈值、所述平移速度变化值对当前平移单位值进行更新,以实现所述子图像平移速度随着相异度值的增大而自适应调快;按照更新后的平移单位值自适应平移所述待识别图像;所述平移速度调整阈值为所述阈值系数和最佳匹配效果均值的乘积,所述最佳匹配效果均值为在所述相异度函数下,预先利用模板匹配算法计算所述子图像和所述待识别图像的最佳匹配效果的均值。
本发明实施例最后还提供了一种倒装芯片的焊球位置识别系统,包括倒装芯片及处理器,所述处理器用于执行存储器中存储的基于亚像素级图像的图像块匹配程序时实现如前任一项所述基于亚像素级图像的图像块匹配方法的步骤;其中,所述子图像为焊球图像,所述待识别图像为倒装芯片图像,所述目标图像块为所述待识别图像中的焊球区域。
本发明实施例提供了一种基于亚像素级图像的图像块匹配方法,应用在倒装芯片的焊球位置识别技术中,获取亚像素级的子图像和待识别图像,子图像为待识别图像中的目标图像块;初始化子图像的平移单位值、平移速度变化值、阈值系数、平移初始点,并根据预先定义的相异度函数计算平移初始点的相异度值;在子图像按照平移单位值自适应平移待识别图像的过程中,判断子图像的当前位置是否满足预设条件;若是,则选出子图像在平移过程中与待识别图像的所有相异度值中的极小值,从各极小值间选取满足间距像素条件的目标极小值,根据各目标极小值计算待识别图像中目标图像块的位置及个数;若否,则利用相异度函数计算子图像和待识别图像在当前位置的相异度值,根据当前位置的相异度值、平移速度调整阈值、平移速度变化值对平移单位值进行更新,以实现平移单位值随着相异度值的变化进行自适应调整,继续按照更新后的平移单位值自适应平移待识别图像;平移速度调整阈值为阈值系数和最佳匹配效果均值的乘积,最佳匹配效果均值为预先利用模板匹配算法,在相异度函数下计算子图像和待识别图像的相异度值所得。
本申请提供的技术方案的优点在于,利用相异度函数计算子图像在当前位置的相异度值,然后根据当前位置的相异度值、平移速度调整阈值、平移速度变化值对当前平移单位值进行更新。当相异度低于于平移速度调整阈值时,或相异度逐渐降低的区域,则自适应的放慢平移速度,以此来确保匹配精度;随着相异度逐渐增大或高于平移速度调整阈值的区域,则自适应的加快平移速度,以此来提高匹配速度。与现有技术的图像匹配算法相比,具有更高的匹配效率,还确保了图像匹配精度以及鲁棒性,从而有利于提升倒装芯片中焊球位置识别的准确度和效率。
此外,本发明实施例还针对基于亚像素级图像的图像块匹配方法提供了相应的实现装置及倒装芯片的焊球位置识别系统,进一步使得所述方法更具有实用性,所述装置及倒装芯片的焊球位置识别系统具有相应的优点。
附图说明
为了更清楚的说明本发明实施例或现有技术的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种基于亚像素级图像的图像块匹配方法的流程示意图;
图2为本发明实施例提供的另一种基于亚像素级图像的图像块匹配方法的流程示意图;
图3为本发明实施例提供的基于亚像素级图像的图像块匹配装置的一种具体实施方式结构图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面结合附图和具体实施方式对本发明作进一步的详细说明。显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等是用于区别不同的对象,而不是用于描述特定的顺序。此外术语“包括”和“具有”以及他们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可包括没有列出的步骤或单元。
在介绍了本发明实施例的技术方案后,下面详细的说明本申请的各种非限制性实施方式。
首先参见图1,图1为本发明实施例提供的一种基于亚像素级图像的图像块匹配方法的流程示意图,应用于倒装芯片的焊球位置识别中,本发明实施例可包括以下内容:
S101:获取亚像素级的子图像和待识别图像,子图像为待识别图像中的目标图像块。
子图像为待识别图像中某个特定物体的图像,即待识别图像中包含子图像,特定物体的图像区域即为目标图像块。利用子图像平移遍历待识别图像,以匹配得到待识别图像中与子图像相同的目标图像块。举例来说,子图像为焊球图像,待识别图像为倒装芯片图像,倒装芯片中包含多个焊球,故在倒装芯片图像中存在多个区域为焊球图像,利用子图像在倒装芯片上平移遍历,可以确定焊球图像在倒装芯片图像上的具体位置,从而实现焊球的位置的识别。
S102:初始化子图像的平移单位值、平移速度变化值、阈值系数、平移初始点,并根据预先定义的相异度函数计算平移初始点的相异度值。
子图像的图像大小为a×b(a<A,b<B),平移单位值h,h∈[1,b),为子图像在待识别图像中进行自适应平移的平移速度,例如平移单位值为1时,即子图像在待识别图像上进行以1个像素为距离单位的平移。
平移速度变化值c1、c2用于作为平移单位值更新值的调整值,c1、c2∈(0,b)、c1、c2∈N+。
平移速度调整阈值lδ为阈值系数l和最佳匹配效果均值δ的乘积。阈值系数l为预先设置的不小于1的任何数,本申请对具体取值不做任何限定。δ为最佳匹配效果均值,最佳匹配效果均值δ为预先利用传统的模板匹配算法,在相异度函数下计算子图像和多张待识别图像的最佳匹配效果的均值。举例来说,在距离度量公式定义下的相异度函数,对n张样本图片,通过子图像在待识别图像上进行以1个像素为距离单位的自适应平移的传统方法,求出子图像和待识别图像匹配最佳匹配效果的均值,以作为最佳匹配效果均值。
平移初始点即为子图像在待识别图像上开始自适应平移的位置像素点。
相异度函数可利用距离度量公式进行定义,定义之后的相异度函数为:
子图像的图像大小为a×b(a<A,b<B),f(x,y)为子图像处于(x,y)位置时,子图像与待识别图像的相异度值。
当然,也可使用其他定义相异度函数,本申请对此不做任何限定。
S103:在子图像按照平移单位值自适应平移待识别图像的过程中,判断子图像的当前位置是否满足预设条件,若是,则执行S105,若否,则执行S104。
在子图像按照平移单位值自适应平移待识别图像的过程中,子图像可以在y方向上按照平移单位值进行自适应平移,也可在x方向上按照平移单位值进行自适应平移,在y方向上按照平移单位值进行自适应平移,当x+a>A时,说明当前子图像已经遍历完待识别图像了;在x方向上按照平移单位值进行自适应平移时,当y+b>B时,说明当前子图像已经遍历完待识别图像了。
在y方向上按照平移单位值进行自适应平移时,即(x,y)=(x,y+h);判断子图像的当前位置是否满足预设条件具体过程可为:
当x+a>A,执行S105;
当x+a<A,且y+b>B,则y=y0,x=x+1,按照当前平移单位值继续自适应平移待识别图像;
当x+a<A,且y+b<B,执行S104;
子图像的图像大小为a×b(a<A,b<B),待识别图像的图像大小为A×B,图像当前位置的坐标为(x,y)。
也可先判断y+b>B,然后判断x+a>A,这均不影响本申请的实现。
需要说明的是,子图像在待识别图像上进行自适应平移时,每经过一个像素点,或者一个区域,都需要进行判断当前位置是否满足条件,不满足则继续自适应平移,满足条件的则确定目标区域的位置。
在x方向上按照平移单位值进行自适应平移,即(x,y)=(x+h,y);判断子图像的当前位置是否满足预设条件具体过程,可参考上述过程,此处就不在赘述。
S104:利用相异度函数计算子图像和待识别图像在当前位置的相异度值并存储,根据当前位置的相异度值、平移速度调整阈值、平移速度变化值对当前平移单位值进行更新;按照更新后的平移单位值自适应平移待识别图像。
根据当前位置的相异度值f(x,y)、平移速度调整阈值lδ、平移速度变化值c1、c2对当前平移单位值进行更新,具体过程可为:
可按照下述公式,计算当前平移单位值的更新值,以实现对当前平移单位值的自适应调整:
在自适应调整平移单位值之后,可根据下述公式确定更新后的平移单位值:
式中,h为平移单位值且h∈[1,b),子图像的图像大小为a×b(a<A,b<B),待识别图像的图像大小为A×B,c1、c2为平移速度变化值且c1、c2∈(0,b)、c1、c2∈N+,l为阈值系数且l≥1,δ为最佳匹配效果均值;Δf(x,y)为当前位置的相异度值与前一次所在位置相异度值的差值。
按照更新后的平移单位值自适应平移待识别图像,即继续执行一边平移一边判断的过程,直至x+a>A(在y方向上按照平移单位值进行自适应平移)、或者y+b>B(在x方向上按照平移单位值进行自适应平移),结束平移过程。
S105:选出子图像在平移过程中与待识别图像的所有相异度值中的极小值,从各极小值间选取满足间距像素条件的目标极小值,根据各目标极小值计算待识别图像中目标图像块的位置及个数。
间距像素条件可为以下任意一项或组合:
在各极小值之间,存在两个或两个以上相邻的极小值之间的横向距离的像素个数小于b;在各极小值之间,存在两个或两个以上相邻的极小值之间的纵向距离的像素个数小于a;其中,子图像的图像大小为a×b(a<A,b<B),待识别图像的图像大小为A×B。
从各极小值间选取满足间距像素条件的目标极小值具体可包括:
从各极小值间选取满足间距像素条件的第一目标极小值;
从各第一目标极小值中的选取最小值,以作为当前区域内的目标极小值。根据各目标极小值计算待识别图像中目标图像块的位置及个数包括:
获取各目标极小值对应的匹配位置坐标;
根据各匹配位置坐标计算相应目标图像块在待识别图像中的位置为式中,匹配位置坐标为(x,y),子图像的图像大小为a×b;
统计各目标极小值的个数,以作为待识别图像中目标图像块的个数。
举例来说,若两个或以上相互靠近的极小值之间的横向距离的像素个数小于b,或者纵向距离的像素个数小于a,或者两个或以上相互靠近的极小值之间的横向距离的像素个数小于b且纵向距离的像素个数小于a,则取这些极小值中最小那个f(x,y)作为当前区域下相异度的极小值,最终得到的这些极小值f(x,y)以及对应的匹配位置(x,y)。那么目标图像块所在的位置为这些极小值的个数即为目标图像块的个数。
在本发明实施例提供的技术方案中,利用相异度函数计算子图像在当前位置的相异度值,然后根据当前位置的相异度值、平移速度调整阈值、平移速度变化值对当前平移单位值进行更新。当相异度低于于平移速度调整阈值时,或相异度逐渐降低的区域,则自适应的放慢平移速度,以此来确保匹配精度;随着相异度逐渐增大或高于平移速度调整阈值的区域,则自适应的加快平移速度,以此来提高匹配速度。与现有技术的图像匹配算法相比,具有更高的匹配效率,还确保了图像匹配精度以及鲁棒性,从而有利于提升倒装芯片中焊球位置识别的准确度和效率。
基于上述实施例,本申请还提供了另外一个实施例,请参见图2,图2为本发明实施例提供的另一种基于亚像素级图像的图像块匹配方法的流程示意图,本发明实施例例如倒装芯片的焊球位置识别领域中,具体的可包括以下内容:
S201:判断子图像和待识别图像是否为亚像素级图像;若是,则执行S203,若否,则执行S202。
S202:将非亚像素级的图像转换为亚像素级。
具体的可为:
获取子图像和待识别图像;判断子图像和待识别图像是否为亚像素级图像;当判定子图像不为亚像素级,则利用三次样条插值将子图像转化为亚像素级图像;当判定待识别图像不为亚像素级,则利用三次样条插值将待识别图像转化为亚像素级图像。
利用三次样条插值转化亚像素级图像可为:对图像灰度值进行三次样条插值,把像素级别的图像,插值转化为亚像素级别。插值过程中,待识别图像和子图像的相邻两个原始像素点之间应插入相同的个数的点。插入点的个数可以根据情况自定义。三次样条插值所用的点为原图中连续相邻的4个点。插值结束后,得到的亚像素级的图像中亚像素位置为(x,y)处的灰度值依然记为q(x,y),得到的亚像素级的子图像中亚像素位置为(i,j)处的灰度值依然记p(i,j)。
对于不具备亚像素级别的图像,利用三次样条插值的方法将其转化亚像素级的图像。不仅提高了图像的分辨率,还避免了因为传统插值得到的相邻亚像素点之间的灰度值过渡不光滑的问题。
S203:初始化子图像的平移单位值、平移速度变化值、阈值系数、平移初始点,并根据预先定义的相异度函数计算平移初始点的相异度值。
S204:调用子图像在y方向上,按照平移单位值自适应平移待识别图像。
即(x,y)=(x,y+h)。
S205:判断x+a>A;若是,则执行S206;若否,则执行S207。
S206:选出子图像在平移过程中与待识别图像的所有相异度值中的极小值,从各极小值间选取满足间距像素条件的目标极小值,根据各目标极小值计算待识别图像中目标图像块的位置及个数。
S207:判断y+b>B;若是,y=y0,x=x+1,并返回S205;若否,则执行S208。
S208:利用相异度函数计算子图像和待识别图像在当前位置的相异度值并存储。
S209:根据当前位置的相异度值、平移速度调整阈值、平移速度变化值对当前平移单位值进行更新,并返回S204。
由上可知,本发明实施例通过自适应的子图像的平移速度,不仅确保了图像的匹配精度,还提高图像的匹配效率。
本发明实施例还针对基于亚像素级图像的图像块匹配方法提供了相应的实现装置,进一步使得所述方法更具有实用性。下面对本发明实施例提供的基于亚像素级图像的图像块匹配装置进行介绍,下文描述的基于亚像素级图像的图像块匹配装置与上文描述的基于亚像素级图像的图像块匹配方法可相互对应参照。
参见图3,图3为本发明实施例提供的基于亚像素级图像的图像块匹配装置在一种具体实施方式下的结构图,应用于倒装芯片的焊球位置识别中,该装置可包括:
获取模块301,用于获取亚像素级的子图像和待识别图像,所述子图像为所述待识别图像中的目标图像块。
子图像为焊球图像,待识别图像为倒装芯片图像,目标图像块为待识别图像中的焊球区域。
预处理模块302,用于初始化所述子图像的平移单位值、平移速度变化值、阈值系数、平移初始点,并根据预先定义的相异度函数计算所述平移初始点的相异度值。
判断模块303,用于在所述子图像按照平移单位值自适应平移所述待识别图像的过程中,判断所述子图像的当前位置是否满足预设条件。
目标图像块确定模块304,用于当判定所述子图像的当前位置满足预设条件,选出所述子图像在平移过程中与所述待识别图像的所有相异度值中的极小值,从各极小值间选取满足间距像素条件的目标极小值,根据各目标极小值计算所述待识别图像中目标图像块的位置及个数。
自适应平移模块305,用于当判定所述子图像的当前位置不满足预设条件,利用所述相异度函数计算所述子图像和所述待识别图像在当前位置的相异度值并存储,根据当前位置的相异度值、平移速度调整阈值、所述平移速度变化值对当前平移单位值进行更新,以实现所述子图像平移速度随着相异度值的增大而自适应调快;按照更新后的平移单位值自适应平移所述待识别图像。
可选的,在本实施例的一些实施方式中,所述获取模块301可以包括:
获取单元,用于获取子图像和待识别图像;
判断单元,用于判断子图像和待识别图像是否为亚像素级图像;
转化单元,用于当判定子图像不为亚像素级,则利用三次样条插值将子图像转化为亚像素级图像;当判定待识别图像不为亚像素级,则利用三次样条插值将待识别图像转化为亚像素级图像。
所述预处理模块302可为相异度函数为下述公式的模块:
式中,子图像的图像大小为a×b(a<A,b<B),待识别图像的图像大小为A×B,f(x,y)为子图像处于(x,y)位置时,子图像与待识别图像的相异度值。
所述自适应平移模块305还可包括:
自适应调整单元,用于按照下述公式,计算当前平移单位值的更新值:
更新单元,用于根据下述公式确定更新后的平移单位值:
式中,h为平移单位值且h∈[1,b),子图像的图像大小为a×b(a<A,b<B),待识别图像的图像大小为A×B,c1、c2为平移速度变化值且c1、c2∈(0,b)、c1、c2∈N+,l为阈值系数且l≥1,δ为最佳匹配效果均值;Δf(x,y)为当前位置的相异度值与前一次所在位置相异度值的差值。
可选的,所述判断模块303可为当x+a>A,执行目标图像块确定模块304中的操作;当x+a<A,且y+b>B,则y=y0,x=x+1,按照当前平移单位值自适应平移待识别图像;当x+a<A,且y+b<B,执行自适应平移模块305中的操作;其中,子图像的图像大小为a×b(a<A,b<B),待识别图像的图像大小为A×B,子图像当前位置的坐标为(x,y),平移初始点为(x0,y0)的模块。
可选的,所述目标图像块确定模块304可为所述间距像素条件为:在各极小值之间,存在两个或两个以上相邻的极小值之间的横向距离的像素个数小于b;和/或在各极小值之间,存在两个或两个以上相邻的极小值之间的纵向距离的像素个数小于a;其中,所述子图像的图像大小为a×b(a<A,b<B),所述待识别图像的图像大小为A×B的模块。
所述目标图像块确定模块304还可为从各极小值间选取满足所述间距像素条件的第一目标极小值;从各第一目标极小值中的选取最小值,以作为当前区域内的目标极小值的模块。
所述目标图像块确定模块304例如还可包括:
获取单元,用于获取各目标极小值对应的匹配位置坐标;
计算单元,用于根据各匹配位置坐标计算相应目标图像块在待识别图像中的位置为式中,匹配位置坐标为(x,y),子图像的图像大小为a×b;
计算单元,用于统计各目标极小值的个数,以作为待识别图像中目标图像块的个数。
本发明实施例所述基于亚像素级图像的图像块匹配装置的各功能模块的功能可根据上述方法实施例中基于亚像素级图像的图像块匹配方法具体实现,其具体实现过程可以参照上述方法实施例的相关描述,此处不再赘述。
由上可知,本发明实施例利用相异度函数计算子图像在当前位置的相异度值,然后根据当前位置的相异度值、平移速度调整阈值、平移速度变化值对当前平移单位值进行更新。当相异度低于于平移速度调整阈值时,或相异度逐渐降低的区域,则自适应的放慢平移速度,以此来确保匹配精度;随着相异度逐渐增大或高于平移速度调整阈值的区域,则自适应的加快平移速度,以此来提高匹配速度。与现有技术的图像匹配算法相比,具有更高的匹配效率,还确保了图像匹配精度以及鲁棒性,从而有利于提升倒装芯片中焊球位置识别的准确度和效率。
本发明实施例还提供了一种基于亚像素级图像的图像块匹配设备,具体可包括:
存储器,用于存储图像块识别的计算机程序;
处理器,用于执行计算机程序以实现如上任意一实施例所述基于亚像素级图像的图像块匹配方法的步骤。
本发明实施例所述基于亚像素级图像的图像块匹配设备的各功能模块的功能可根据上述方法实施例中的方法具体实现,其具体实现过程可以参照上述方法实施例的相关描述,此处不再赘述。
由上可知,本发明实施例不仅保证图像块匹配的高精度,还缩短了图像块匹配的时间,提升图像匹配识别的效率,从而有利于提升倒装芯片中焊球位置识别的准确度和效率。
本发明实施例还提供了一种计算机可读存储介质,存储有基于亚像素级图像的图像块匹配程序,所述基于亚像素级图像的图像块匹配程序被处理器执行时如上任意一实施例所述基于亚像素级图像的图像块匹配方法的步骤。
本发明实施例所述计算机可读存储介质的各功能模块的功能可根据上述方法实施例中的方法具体实现,其具体实现过程可以参照上述方法实施例的相关描述,此处不再赘述。
由上可知,本发明实施例不仅保证图像块匹配的高精度,还缩短了图像块匹配的时间,从而提升图像匹配识别的效率,从而有利于提升倒装芯片中焊球位置识别的准确度和效率。
本发明实施例最后还提供了一种倒装芯片的焊球位置识别系统,包括倒装芯片及处理器,处理器用于执行存储器中存储的基于亚像素级图像的图像块匹配程序时实现如前任一个基于亚像素级图像的图像块匹配方法的实施例;其中,子图像为焊球图像,待识别图像为倒装芯片图像,目标图像块为待识别图像中的焊球区域。
本发明实施例所述倒装芯片的焊球位置识别系统的各功能模块的功能可根据上述方法实施例中的方法具体实现,其具体实现过程可以参照上述方法实施例的相关描述,此处不再赘述。
由上可知,本发明实施例不仅保证焊球位置识别的高精度,还缩短了焊球位置识别的时间,从而提升图像匹配识别的效率。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上对本发明所提供的一种基于亚像素级图像的图像块匹配方法、装置及倒装芯片的焊球位置识别系统进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (10)
1.一种基于亚像素级图像的图像块匹配方法,其特征在于,应用于倒装芯片的焊球位置识别中,包括:
获取亚像素级的子图像和待识别图像,所述子图像为所述待识别图像中的目标图像块;所述子图像为焊球图像,所述待识别图像为倒装芯片图像,所述目标图像块为所述待识别图像中的焊球区域;
初始化所述子图像的平移单位值、平移速度变化值、阈值系数、平移初始点,并根据预先定义的相异度函数计算所述平移初始点的相异度值;
在所述子图像按照平移单位值自适应平移所述待识别图像的过程中,判断所述子图像的当前位置是否满足预设条件;
若是,则选出所述子图像在平移过程中与所述待识别图像的所有相异度值中的极小值,从各极小值间选取满足间距像素条件的目标极小值,根据各目标极小值计算所述待识别图像中目标图像块的位置及个数;
若否,则利用所述相异度函数计算所述子图像和所述待识别图像在当前位置的相异度值并存储,根据当前位置的相异度值、平移速度调整阈值、所述平移速度变化值对当前平移单位值进行更新,以实现所述子图像平移速度随着相异度值的增大而自适应调快;按照更新后的平移单位值自适应平移所述待识别图像;
所述平移速度调整阈值为所述阈值系数和最佳匹配效果均值的乘积,所述最佳匹配效果均值为在所述相异度函数下,预先利用模板匹配算法计算所述子图像和所述待识别图像的最佳匹配效果的均值。
2.根据权利要求1所述的基于亚像素级图像的图像块匹配方法,其特征在于,所述获取亚像素级的子图像和待识别图像包括:
获取所述子图像和所述待识别图像;
判断所述子图像和所述待识别图像是否为亚像素级图像;
当判定所述子图像不为亚像素级图像,则利用三次样条插值将所述子图像转化为亚像素级图像;
当判定所述待识别图像不为亚像素级图像,则利用三次样条插值将所述待识别图像转化为亚像素级图像。
3.根据权利要求1所述的图像块的识别方法,其特征在于,所述相异度函数为:
式中,所述子图像的图像大小为a×b(a<A,b<B),所述待识别图像的图像大小为A×B,f(x,y)为所述子图像处于(x,y)位置时,所述子图像与所述待识别图像的相异度值。
4.根据权利要求1所述的基于亚像素级图像的图像块匹配方法,其特征在于,所述根据当前位置的相异度值、平移速度调整阈值、所述平移速度变化值对当前平移单位值进行更新包括:
按照下述公式,计算当前平移单位值的更新值:
根据下述公式确定更新后的平移单位值:
式中,h为平移单位值且h∈[1,b),所述子图像的图像大小为a×b(a<A,b<B),所述待识别图像的图像大小为A×B,c1、c2为所述平移速度变化值且c1、c2∈(0,b)、c1、c2∈N+,l为所述阈值系数且l≥1,δ为所述最佳匹配效果均值;Δf(x,y)为当前位置的相异度值与前一次所在位置相异度值的差值。
5.根据权利要求1所述的基于亚像素级图像的图像块匹配方法,其特征在于,所述判断所述子图像在所述待识别图像的位置是否满足预设条件为:
当x+a>A,执行后续的若是操作;
当x+a<A,且y+b>B,则y=y0,x=x+1,按照当前平移单位值自适应平移所述待识别图像;
当x+a<A,且y+b<B,执行后续的若否操作;
其中,所述子图像的图像大小为a×b(a<A,b<B),所述待识别图像的图像大小为A×B,所述子图像当前位置的坐标为(x,y),所述平移初始点为(x0,y0)。
6.根据权利要求1至3任意一项所述的基于亚像素级图像的图像块匹配方法,其特征在于,所述间距像素条件为:
在各极小值之间,存在两个或两个以上相邻的极小值之间的横向距离的像素个数小于b;和/或
在各极小值之间,存在两个或两个以上相邻的极小值之间的纵向距离的像素个数小于a;
其中,所述子图像的图像大小为a×b(a<A,b<B),所述待识别图像的图像大小为A×B。
7.根据权利要求6所述的基于亚像素级图像的图像块匹配方法,其特征在于,所述从各极小值间选取满足间距像素条件的目标极小值包括:
从各极小值间选取满足所述间距像素条件的第一目标极小值;
从各第一目标极小值中的选取最小值,以作为当前区域内的目标极小值。
8.根据权利要求1至3任意一项所述的基于亚像素级图像的图像块匹配方法,其特征在于,所述根据各目标极小值计算所述待识别图像中目标图像块的位置及个数包括:
获取各目标极小值对应的匹配位置坐标;
根据各匹配位置坐标计算相应目标图像块在所述待识别图像中的位置为式中,匹配位置坐标为(x,y),所述子图像的图像大小为a×b;
统计各目标极小值的个数,以作为所述待识别图像中目标图像块的个数。
9.一种基于亚像素级图像的图像块匹配装置,其特征在于,包括:
获取模块,用于获取亚像素级的子图像和待识别图像,所述子图像为所述待识别图像中的目标图像块;所述子图像为焊球图像,所述待识别图像为倒装芯片图像,所述目标图像块为所述待识别图像中的焊球区域;
预处理模块,用于初始化所述子图像的平移单位值、平移速度变化值、阈值系数、平移初始点,并根据预先定义的相异度函数计算所述平移初始点的相异度值;
判断模块,用于在所述子图像按照平移单位值自适应平移所述待识别图像的过程中,判断所述子图像的当前位置是否满足预设条件;
目标图像块确定模块,用于当判定所述子图像的当前位置满足预设条件,选出所述子图像在平移过程中与所述待识别图像的所有相异度值中的极小值,从各极小值间选取满足间距像素条件的目标极小值,根据各目标极小值计算所述待识别图像中目标图像块的位置及个数;
自适应平移模块,用于当判定所述子图像的当前位置不满足预设条件,利用所述相异度函数计算所述子图像和所述待识别图像在当前位置的相异度值并存储,根据当前位置的相异度值、平移速度调整阈值、所述平移速度变化值对当前平移单位值进行更新,以实现所述子图像平移速度随着相异度值的增大而自适应调快;按照更新后的平移单位值自适应平移所述待识别图像;所述平移速度调整阈值为所述阈值系数和最佳匹配效果均值的乘积,所述最佳匹配效果均值为在所述相异度函数下,预先利用模板匹配算法计算所述子图像和所述待识别图像的最佳匹配效果的均值。
10.一种倒装芯片的焊球位置识别系统,其特征在于,包括倒装芯片及处理器,所述处理器用于执行存储器中存储的基于亚像素级图像的图像块匹配程序时实现如权利要求1至8任一项所述基于亚像素级图像的图像块匹配方法的步骤;其中,所述子图像为焊球图像,所述待识别图像为倒装芯片图像,所述目标图像块为所述待识别图像中的焊球区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810023205.XA CN108257174A (zh) | 2018-01-10 | 2018-01-10 | 基于亚像素级图像的图像块匹配方法及焊球位置识别系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810023205.XA CN108257174A (zh) | 2018-01-10 | 2018-01-10 | 基于亚像素级图像的图像块匹配方法及焊球位置识别系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108257174A true CN108257174A (zh) | 2018-07-06 |
Family
ID=62725650
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810023205.XA Pending CN108257174A (zh) | 2018-01-10 | 2018-01-10 | 基于亚像素级图像的图像块匹配方法及焊球位置识别系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108257174A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112184715A (zh) * | 2020-11-10 | 2021-01-05 | 武汉工程大学 | 一种bga图像的焊点理论中心计算方法 |
CN113850807A (zh) * | 2021-11-30 | 2021-12-28 | 大族激光科技产业集团股份有限公司 | 图像亚像素匹配定位方法、系统、设备及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101901334A (zh) * | 2009-05-31 | 2010-12-01 | 汉王科技股份有限公司 | 静态目标检测方法 |
CN106600600A (zh) * | 2016-12-26 | 2017-04-26 | 华南理工大学 | 基于特征匹配的晶圆缺陷检测方法 |
CN106783694A (zh) * | 2017-02-06 | 2017-05-31 | 广东工业大学 | 一种晶圆级芯片倒装定位平台 |
US20170300778A1 (en) * | 2016-04-13 | 2017-10-19 | Sony Corporation | Object tracking device and method |
CN107464240A (zh) * | 2017-08-11 | 2017-12-12 | 哈尔滨工业大学 | 一种基于模板匹配的带矩形引脚芯片的定位算法 |
-
2018
- 2018-01-10 CN CN201810023205.XA patent/CN108257174A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101901334A (zh) * | 2009-05-31 | 2010-12-01 | 汉王科技股份有限公司 | 静态目标检测方法 |
US20170300778A1 (en) * | 2016-04-13 | 2017-10-19 | Sony Corporation | Object tracking device and method |
CN106600600A (zh) * | 2016-12-26 | 2017-04-26 | 华南理工大学 | 基于特征匹配的晶圆缺陷检测方法 |
CN106783694A (zh) * | 2017-02-06 | 2017-05-31 | 广东工业大学 | 一种晶圆级芯片倒装定位平台 |
CN107464240A (zh) * | 2017-08-11 | 2017-12-12 | 哈尔滨工业大学 | 一种基于模板匹配的带矩形引脚芯片的定位算法 |
Non-Patent Citations (2)
Title |
---|
吴晓: "LED 芯片粗精定位系统", 《红外与激光工程》 * |
胡小唐 等编著: "《微纳检测技术》", 31 October 2009, 天津大学出版社 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112184715A (zh) * | 2020-11-10 | 2021-01-05 | 武汉工程大学 | 一种bga图像的焊点理论中心计算方法 |
CN112184715B (zh) * | 2020-11-10 | 2022-07-19 | 武汉工程大学 | 一种bga图像的焊点理论中心计算方法 |
CN113850807A (zh) * | 2021-11-30 | 2021-12-28 | 大族激光科技产业集团股份有限公司 | 图像亚像素匹配定位方法、系统、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104581111B (zh) | 利用变换的目标区域填充 | |
CN102970548B (zh) | 一种图像深度感知装置 | |
CN107633526B (zh) | 一种图像跟踪点获取方法及设备、存储介质 | |
CN104182974B (zh) | 一种基于特征点进行图像匹配的加速方法 | |
CN102428497B (zh) | 判定三维形状一致的方法以及装置 | |
CN111563908B (zh) | 一种图像处理方法及相关装置 | |
CN107452028B (zh) | 一种确定目标图像位置信息的方法及装置 | |
CN104580883B (zh) | 图像处理装置、图像处理方法以及记录介质 | |
KR20160148577A (ko) | 깊이 이미지를 프로세싱하기 위한 방법 및 장치 | |
US9406140B2 (en) | Method and apparatus for generating depth information | |
JP5969460B2 (ja) | 爪領域検出方法、プログラム、記憶媒体、及び爪領域検出装置 | |
CN108428249A (zh) | 一种基于光流跟踪和双几何模型的初始位姿估计方法 | |
CN110490829B (zh) | 一种深度图像的滤波方法及系统 | |
CN108010123A (zh) | 一种保留拓扑信息的三维点云获取方法 | |
CN108961385B (zh) | 一种slam构图方法及装置 | |
CN108257174A (zh) | 基于亚像素级图像的图像块匹配方法及焊球位置识别系统 | |
CN110070573B (zh) | 关节图确定方法、装置、设备和存储介质 | |
CN108229500A (zh) | 一种基于函数拟合的sift误匹配点剔除法 | |
CN111220235B (zh) | 水位监测方法及装置 | |
CN108668069A (zh) | 一种图像背景虚化方法及装置 | |
CN105007475B (zh) | 产生深度信息的方法与装置 | |
CN105225233B (zh) | 一种基于两类膨胀的立体影像密集匹配方法及系统 | |
CN109003307B (zh) | 基于水下双目视觉测量的捕鱼网目尺寸设计方法 | |
Chen et al. | Algorithms to estimating fractal dimension of textured images | |
CN107133260A (zh) | 一种地标图像的匹配识别方法和装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180706 |