CN108537778B - 一种用于柔性基板的改进随机圆孔检测方法 - Google Patents

Abstract

本发明公开了一种用于柔性基板的改进随机圆孔检测方法，包括如下，第一是对图像除噪、阈值分割、提取目标的轮廓；第二是用改进的采样方法在每条轮廓中随机构建候选圆；第三是用投票的方法判定候选圆的有效性；第四个步骤是整圆孔的参数，其中，构建候选圆又分为求取轮廓像素点的灰度梯度方向、将轮廓像素点分类、按组随机采样四个轮廓像素点和构建候选圆这四个部分。构建候选圆时首先将采样点根据轮廓进行划分，然后根据梯度方向进一步约束采样的范围，大大减少了无效的采样。本发明基于轮廓提取，并采用高效的随机采样策略进行柔性基板圆孔检测，克服了传统基于边缘的随机圆孔检测方法的检测率低、检测时间长和检测鲁棒性弱的缺点。

Description

一种用于柔性基板的改进随机圆孔检测方法

技术领域

本发明涉及图像处理技术领域，具体涉及一种用于柔性基板的改进随机圆孔检测方法。

背景技术

柔性集成电路基板(FICS)简称柔性基板，是一种为集成电路(IC)电子元器件提供电气连接和保护作用的特殊组件，具有重量轻、厚度薄、体积小、弯曲性好等优点，在消费类电子产品、工业生产和军事设备等领域都有着广泛的应用。随着FICS工艺向着高密度的方向发展，对工艺的可靠性要求越来越高，FICS的成品良率越来越低，因此，高效的缺陷检测成了整个生产线的品质控制的关键问题。其中，FICS上的钻孔主要用于多面之间的连接，对钻孔位置和大小的检测监控是保证FICS成品率的基础。目前，识别钻孔的缺陷主要是通过人工来完成，但是这种方法不仅耗费人力，而且准确率低。为了提高检测钻孔缺陷的效率，有必要采用自动光学检测(AOI)的方法来替代人工检测，从而提高FICS的生产率和质量。在AOI检测FICS钻孔缺陷的过程中，识别圆孔并得到圆孔的参数是一个至关重要的步骤。目前，检测圆孔较有效的方法是随机圆孔检测方法，但这个方法的随机采样过程非常耗时，而且检测精度低，无法用于FICS的实际生产制造。

发明内容

为了克服现有技术存在的缺点与不足，本发明提供一种用于柔性基板的改进随机圆孔检测方法。

本发明采用如下技术方案：

一种用于柔性基板的改进随机圆孔检测方法，包括如下步骤：

S1对柔性基板图像进行除噪及阈值分割，然后提取分割后图像的轮廓，记录轮廓的总数contour_num；

S2用改进的采样方法在每条轮廓中随机构建候选圆，具体步骤如下：

S2.1求取轮廓像素点的灰度梯度方向；

S2.2根据轮廓像素点的灰度梯度方向，将轮廓像素点分为8类；

S2.3随机采样四个轮廓像素点，分别记为i、j、k和l；

S2.4构建候选圆；

S3用投票的方法判定候选圆的有效性；

S4调整圆孔的参数，若检测到的两个有效的圆，圆心分别为(x₁,y₂)、(x₂,y₂，半径分别为r₁、r₂，满足max(|x₁-x₂|,|y₁-y₂|)＜∈₄或者|r₁-r₂|＜∈₅，∈₄和∈₅为设置的阈值参数，则合并这两个圆，求得合并后圆的圆心(x_m,y_m)和半径r_m：

其中，N₁表示当前第一个圆是由N₁个圆合并得来的。

S2.1求取轮廓像素点的灰度梯度方向，具体步骤为：

第2.1.1步：求取轮廓像素点x方向的梯度g_x和y方向的梯度g_y：

g_x＝D_x(G(x,y,σ))*f(x,y)

g_y＝D_y(G(x,y,σ))*f(x,y)

其中，G(x,y,σ)是标准方差为σ的二维高斯函数，D_x和D_y分别为求x偏导和求y偏导操作，f(x,y)是图像(x,y)处的灰度值，*是卷积操作；

第2.1.2步：求得轮廓像素点的梯度方向θ为：

所述S2.2根据轮廓像素点的灰度梯度方向，将轮廓像素点分为8类，具体为：

当θ∈(-π/8,π/8]时，将像素归为第1类；当θ∈(π/8,3π/8]时，将像素归为第2类；当θ∈(3π/8,5π/8]时，将像素归为第3类；当θ∈(5π/8,7π/8]时，将像素归为第4类；当θ∈(7π/8,π]或θ∈(-π,-7π/8]时，将像素归为第5类；当θ∈(-7π/8,-5π/8]时，将像素归为第6类；当θ∈(-5π/8,-3π/8]时，将像素归为第7类；当θ∈(-3π/8,-π/8]时，将像素归为第8类。

所述S2.3按组随机采样四个轮廓像素点，具体是：对每条轮廓中的像素点，分别在第1、3、5、7类中或2、4、6、8类中，各随机选取一个像素点，共四个像素点，所述第1、3、5、7类和2、4、6、8类，两组交替选择。

所述S2.4构建候选圆，具体步骤如下：

S2.4.1：过i、j和k三个点构成一个圆，称为选择圆，并求得选择圆的圆心坐标(x,y)和半径r。

S2.4.2：求得l点，该点坐标记为(l_x,l_y))与圆心(x,y)的距离d_l，若|d_l–r|＜∈₁，∈₁为设置的阈值参数，则提升选择圆为候选圆，否则回到第2.3步重新采样。

所述S3用投票的方法判定候选圆的有效性，具体方法为：

计算当前轮廓中的所有像素点与候选圆圆心坐标(x,y)的距离d，统计满足|d–r|＜∈₂的像素点个数N，∈₂为设置的阈值参数，若满足N≥∈₃×2πr，∈₃为设置的阈值参数，则判定候选圆有效，否则回到第2.3步重新采样。

本发明的有益效果：

(1)本发明构建候选圆时首先将采样点根据轮廓进行划分，然后根据梯度方向进一步约束采样的范围，大大减少了无效的采样；

(2)本发明基于轮廓提取，并采用高效的随机采样策略进行柔性基板圆孔检测，克服了传统基于边缘的随机圆孔检测方法的检测率低、检测时间长和检测鲁棒性弱的缺点，从而达到实际应用的要求。

附图说明

图1为本发明中柔性基板的改进随机圆孔检测方法的流程图；

图2为本发明一个实施例的待检测柔性基板图像；

图3为本发明一个实施例中提取的轮廓；

图4为本发明一个实施例的钻孔检测结果。

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所示的一种柔性基板的改进随机圆孔检测方法，具体包括以下步骤：

第1步：如图2所示，对图像进行处噪、阈值分割，然后提取分割结果图像的轮廓，如图3所示，记录轮廓的总数contour_num，本实施例中contour_num＝9；

第2步：用改进的采样方法在每条轮廓中随机构建候选圆，具体步骤如下：

第2.1步：求取轮廓像素点的灰度梯度方向，具体方法如下：

第2.1.1步：求取轮廓像素点x方向的梯度g_x和y方向的梯度g_y：

g_x＝D_x(G(x,y,σ))*f(x,y)

g_y＝D_y(G(x,y,σ))*f(x,y)

其中，G(x,y,σ)是标准方差为σ的二维高斯函数，本实施例中取σ＝5，D_x和D_y分别为求x偏导和求y偏导操作，f(x,y)图像(x,y)处的灰度值，*是卷积操作。

第2.1.2步：求得轮像素点的梯度方向θ为：

第2.2步：将轮廓像素点分类，具体方法如下：

当θ∈(-π/8,π/8]时，将像素归为第1类；当θ∈(π/8,3π/8]时，将像素归为第2类；当θ∈(3π/8,5π/8]时，将像素归为第3类；当θ∈(5π/8,7π/8]时，将像素归为第4类；当θ∈(7π/8,π]或θ∈(-π,-7π/8]时，将像素归为第5类；当θ∈(-7π/8,-5π/8]时，将像素归为第6类；当θ∈(-5π/8,-3π/8]时，将像素归为第7类；当θ∈(-3π/8,-π/8]时，将像素归为第8类；

第2.3步：按组随机采样四个轮廓像素点，具体方法如下：

对每条轮廓中的像素点，分别在第1、3、5、7类中(或2、4、6、8类中，两组交替选择)各随机选取一个像素点，共四个像素点，分别记为i、j、k和l。

第2.4步：构建候选圆，具体步骤如下：

第2.4.1步：过i、j和k三个点构成一个圆称为选择圆，并求得选择圆的圆心坐标(x,y)和半径r。

第2.4.2步：求得l点，坐标记为(l_x,l_y)与圆心(x,y)的距离d_l，若|d_l–r|＜∈₁∈₁为设置的阈值参数，本实施例中，∈₁＝5，则提升选择圆为候选圆，否则回到第2.3步重新采样。

第3步：用投票的方法判定候选圆的有效性，具体方法如下：

计算当前轮廓中的所有像素点与候选圆圆心坐标(x,y)的距离d，统计满足|d–r|＜∈₂(∈₂为设置的阈值参数，本实施例中，∈₂＝5)的像素点个数N，若满足N≥∈₃×2πr，∈₃为设置的阈值参数，本实施例中，∈₃＝0.8，则判定候选圆有效，否则回到第2.3步重新采样。

第4步：调整圆孔的参数，若检测到的两个有效的圆，圆心分别为(x₁,y₂)、(x₂,y₂)，半径分别为r₁、r₂，满足max(|x₁-x₂|,|y₁-y₂|)＜∈₄或者|r₁-r₂|＜∈₅，其中∈₄和∈₅为设置的阈值参数，本实施例中，∈₄＝5，∈₅＝3，则合并这两个圆，求得合并后圆的圆心(x_m,y_m)和半径r_m：

其中，N₁表示当前第一个圆是由N₁个圆合并得来的，N₁是个随检测的过程变化，若在检测第一个圆时，当随机选取的点判定为有效，则N₁加一，这是一个重复且随机的过程。

本实施例的圆孔检测结果如图4所示，检测到的三个圆孔参数分别为圆心(475.78,162.93)半径44.00，圆心(365.60,525.74)半径42.71和圆心(200.20,730.68)半径42.54。

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 (2)

1.一种用于柔性基板的改进随机圆孔检测方法，其特征在于，包括如下步骤：

S1对柔性基板图像进行除噪及阈值分割，然后提取分割后图像的轮廓，记录轮廓的总数contour_num；

S2用改进的采样方法在每条轮廓中随机构建候选圆，具体步骤如下：

S2.1求取轮廓像素点的灰度梯度方向；

S2.2根据轮廓像素点的灰度梯度方向，将轮廓像素点分为8类；

所述S2.2根据轮廓像素点的灰度梯度方向，将轮廓像素点分为8类，具体为：

当θ∈(-π/8,π/8]时，将像素归为第1类；当θ∈(π/8,3π/8]时，将像素归为第2类；当θ∈(3π/8,5π/8］时 ，将像素归为第3类；当θ∈(5π/8,7π/8]时，将像素归为第4类；当θ∈(7π/8,π]或θ∈(-π,-7π/8]时，将像素归为第5类；当θ∈(-7π/8,-5π/8]时，将像素归为第6类；当θ∈(-5π/8,-3π/8]时，将像素归为第7类；当θ∈(-3π/8,-π/8]时，将像素归为第8类；

S2.3随机采样四个轮廓像素点，分别记为i、j、k和l；

具体为：将8类轮廓像素点分为两组，一组包括1、3、5、7类，另一组包括2、4、6、8类，每组每次随机选取一个像素点，两组交替选择，每组选取两次；

S2.4构建候选圆；

所述S2.4构建候选圆，具体步骤如下：

S2.4.1：过i、j和k三个点构成一个圆，称为选择圆，并求得选择圆的圆心坐标(x,y)和半径r；

S2.4.2：求得l点，该点坐标记为(l_x,l_y)，l点与圆心(x,y)的距离d_l，若|d_l–r|＜∈₁，∈₁为设置的阈值参数，则提升选择圆为候选圆，否则回到第2.3步重新采样；

S3用投票的方法判定候选圆的有效性；

S4调整圆孔的参数，若检测到的两个有效的圆，圆心分别为(x₁,y₂)、(x₂,y₂)，半径分别为r₁、r₂，满足max(|x₁-x₂|,|y₁-y₂|)＜∈₄，且|r₁-r₂|＜∈₅，∈₄和∈₅为设置的阈值参数，则合并这两个圆，求得合并后圆的圆心(x_m,y_m)和半径r_m：

其中，N₁表示第一个圆迄今为止合并其它圆的个数；

所述S3用投票的方法判定候选圆的有效性，具体方法为：

计算当前轮廓中的所有像素点与候选圆圆心坐标(x,y)的距离d，统计满足|d–r|＜∈₂的像素点个数N，∈₂为设置的阈值参数，若满足N≥∈₃×2πr，∈₃为设置的阈值参数，则判定候选圆有效，否则回到第2.3步重新采样。

2.根据权利要求1所述的改进随机圆孔检测方法，其特征在于，S2.1求取轮廓像素点的灰度梯度方向，具体步骤为：

第2.1.1步：求取轮廓像素点x方向的梯度g_x和y方向的梯度g_y：

g_x＝D_x(G(x,y,σ))*f(x,y)

g_y＝D_y(G(x,y,σ))*f(x,y)

其中，G(x,y,σ)是标准方差为σ的二维高斯函数，D_x和D_y分别为求x偏导和求y偏导操作，f(x,y)是图像(x,y)处的灰度值，*是卷积操作；

第2.1.2步：求得轮廓像素点的梯度方向θ为：

Images