CN110084802A - 一种高精度pcb板芯片引脚中心定位方法 - Google Patents
一种高精度pcb板芯片引脚中心定位方法 Download PDFInfo
- Publication number
- CN110084802A CN110084802A CN201910355340.9A CN201910355340A CN110084802A CN 110084802 A CN110084802 A CN 110084802A CN 201910355340 A CN201910355340 A CN 201910355340A CN 110084802 A CN110084802 A CN 110084802A
- Authority
- CN
- China
- Prior art keywords
- image
- pin
- edge
- point
- pixel
- 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
- 238000000034 method Methods 0.000 title claims abstract description 90
- 230000008569 process Effects 0.000 claims abstract description 20
- 239000000284 extract Substances 0.000 claims abstract description 5
- 238000003708 edge detection Methods 0.000 claims abstract description 4
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 12
- 230000001629 suppression Effects 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000005315 distribution function Methods 0.000 claims description 3
- 230000009977 dual effect Effects 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000010903 husk Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- 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
- G06T7/13—Edge detection
-
- 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
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
-
- 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]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种高精度PCB板芯片引脚中心定位方法,包括以下步骤:(1)采集PCB板图像,提取芯片区域图像;(2)对PCB板芯片区域图像进行canny边缘检测;(3)利用深度优先算法搜索所有连通的弱边缘,得到芯片区域二值化引脚图像;(4)采用加权质心法对二值化引脚图像进行中心定位,得出芯片引脚中心坐标;(5)采用高斯拟合法进行曲面拟合算法运算,计算芯片引脚中心坐标;(6)对加权质心法和高斯曲面拟合法计算的数值进行总体标准差运算,再对标准差进行均方根值的运算,得出改进的中心定位算法,并记录最终的中心坐标位置。本发明对芯片引脚进行中心定位具有更精确、更高效的特点。
Description
技术领域
本发明涉及图像中心定位算法技术领域,特别是涉及一种高精度PCB板芯片引脚中心定位方法。
背景技术
随着电子元器件向着微小化发展,机器视觉检测技术在各个领域得到了广泛的应用。对于芯片检测行业而言,由于芯片的高度集成化,芯片之间的间距越来越小,中心检测与引脚定位的难度越来越大,精度要求也越来越高,对芯片引脚进行准确的定位显得十分重要,利用一种高精度的技术对芯片引脚进行定位是急需解决的问题。现有针对芯片引脚方面的研究,主要集中于芯片引脚装置,如申请号为201210236892.6、201721519172.5的中国专利,以及芯片引脚定位与缺陷检测方法,如申请号为201810869324.7、201710685980.7的中国专利,通过查阅相关的专利与文献,发现芯片引脚中心定位方面的研究较少。张传凯于2016年在《基于机器视觉的LED芯片定位与检测技术研究》中提出了通过芯片的两端引脚轮廓,利用形心法对轮廓点进行平均加权作为轮廓中心,缺点是精度较低。方晖等于2000年在《基于Harr小波变换的集成块引脚位置偏差检测》(21卷6期)中提出基于Harr小波变换算法快速检测集成块引脚中心位置,缺点是不适用于宽度较小的引脚位置检测。张洵颖等于2008年在《基于Blob分析的芯片管脚检测方法》(S1期215-218页)中提出了通过Blob分析确定引脚位置,利用传统质心法获取各引脚中心,缺点是运算速度较慢。因此设计一种精确定位芯片引脚中心的方法,填补这一方面研究的缺失,对于芯片引脚定位的提升显的尤为重要。
发明内容
本发明所要解决的技术问题是:针对芯片间距与中心检测的问题,人工固定芯片位置已经远远满足不了芯片定位的要求,本发明提出了一种高精度PCB板芯片引脚中心定位方法。
本发明解决其技术问题所要采用的技术方案是:本发明结合加权质心法和高斯曲面拟合法,基于两种算法计算出的标准差进行均方根值的运算,提出了一种改进的高精度PCB板芯片引脚中心定位方法,包括以下步骤:
S1:采集PCB板图像,提取PCB板芯片区域的图像:
通过工控机图像采集系统采集PCB板图像,选取PCB板芯片区域图像的对角位置,将其将其对角位置的坐标值作为后续处理的固定坐标点,提取PCB板芯片区域的图像。
S2:对PCB板芯片区域图像进行canny边缘检测,具体包括:
S2.1:高斯模糊:
为去除噪声,采用5×5高斯滤波器与图像进行卷积,以平滑图像,减少边缘检测器上明显的噪声影响,计算公式如下:
其中,G(x,y)为二维高斯函数,(x,y)为点坐标,σ为标准差,A为归一化系数,使不同的权重之和为一。
S2.2:计算梯度幅值与方向:
平滑后的图像中每个像素点的梯度可以由Sobel算子(一种卷积运算)来获得,从而确定像素点的梯度G和方向计算公式如下:
其中Gx为水平方向的梯度,Gy为垂直方向的梯度。
S2.3:非极大值抑制:
对图像进行梯度计算后,仅仅通过梯度值提取边缘仍然很模糊,因此,为了将梯度值提取的边缘图像变得清晰,采用非极大值抑制算法,搜索图像局部极大值,抑制非极大值元素;非极大值抑制则可以帮助将局部最大值之外的所有梯度值抑制为0。
S2.4:双阈值检测:
为解决噪声和颜色变化引起的一些边缘像素,必须用弱梯度值过滤边缘像素,并保留具有高梯度值的边缘像素,可以通过选择高低阈值来实现,函数表达式如下:
其中,T1为像素最低阈值,T2为像素最高阈值。
S2.5:滞后边界跟踪:
检查一个弱边缘点的8连通领域像素,只要有强边缘点存在,则这个弱边缘点由真实边缘保留下来。
S3:利用深度优先算法搜索所有连通的弱边缘,得到芯片区域二值化引脚图像:
通过深度优先算法搜索所有连通的弱边缘,如果一条连通的弱边缘的任何一个点和强边缘点连通,则保留这条弱边缘,否则抑制这条弱边缘。整个图像找完后,将非边缘点剔除,即灰度值置0。
S4:采用加权质心法对二值化引脚图像进行中心定位:
使用加权质心法对二值化引脚图像进行中心定位,得出中心坐标。对于一个封闭的图形,根据微积分理论,其中心坐标计算公式如下:
其中,(xi,yi)为二值化引脚图像第i行,第j列的坐标,目标像点包含在一个矩形计算窗口内,窗口左上角像元坐标为(i1,y1),右下角像元坐标为(i2,y2),(x0,y0)为质心坐标估计值,I(xi,yi)为(xi,yi)处像元的灰度值。
S5:采用高斯拟合法对二值化引脚图像进行曲面拟合算法运算:
利用高斯拟合法对二值化引脚图像进行曲面拟合算法运算,计算出中心坐标。在噪声情况不是十分严重的情况下,图像从中心向各个区域边缘方向的像素灰度值服从二维高斯分布函数。
S6:对标准差进行均方根值的运算,得出改进的中心定位算法,并记录中心坐标:
对加权质心法与高斯曲面拟合法计算出的标准差进行均方根值的运算,得出改进的中心定位算法,并记录最终的中心坐标位置,与原来的数据进行对比。均方根是将N个项的平方进行求和,然后再除以N后开方得到的结果,公式如下:
其中N为需要进行计算的样本总数,xrms为样本的均方根值。
进一步的,在所述步骤(3)中,所述深度优先算法具体步骤如下:
①准备一个栈s,一个队列q,设连通指示变量connected为假。从图像的第一个点开始,进入②;
②如果这个点是弱边界点并且没有被标记,把它标记,并把它作为第一个元素放入栈s中,同时把它放入记录连通曲线的队列q,进入③。如果这个点不是弱边界或者已经被标记过,到图像的下一个点,重复②;
③从栈s中取出一个元素,查找它的8像素领域。如果一个领域像素是弱边界并且没有被标记过,把这个领域像素标记,并加入栈s中,同时加入队列q。同时查找领域对应的强边界图,如果有一个像素是强边界,表示这条弱边界曲线和强边界连通,设置connected为真。重复③直到栈中没有元素了。如果connected为假,则依次从队列q中取出每个元素,清空标记。如果connected为真,保留标记;
④清空队列q,设置connected为假,移动到图像的下一个点,到②。
进一步的,在所述步骤(5)中,所述高斯曲面拟合法由以下计算公式可求出:
在x方向上的一维高斯曲线方程可以表示为:
对两边同时取对数可得:
对x方向上的像素点进行最小二乘拟合,可得此截面横坐标的中心位置,如下:
其中,xi、yi分别是引脚在行方向和列方向上的位置,u1、u2分别为引脚中心实际横坐标和纵坐标位置,σx、σy分别是高斯函数在图像的行方向和列方向上的标准差,k是高斯函数的灰度幅值,x0为高斯曲面拟合法求得的横坐标。
本发明的有益效果是:本发明提供的一种高精度PCB板芯片引脚中心定位方法,利用高斯滤波来平滑图像,找寻图像的强度梯度,应用非极大值抑制算法消除边误检,使用两种不同的阈值分别检测强边缘和弱边缘,通过深度优先算法搜索所有连通的弱边缘,只要一条连通的弱边缘的任何一个点和强边缘点连通,就将弱边缘包含在输出图像中,更加准确的求出了二值化引脚图像。同时结合了加权质心法与高斯曲面拟合法的优点,对两种算法计算出的标准差进行均方根值的运算,能够更为准确的确定中心坐标,为更精确、更高效的对芯片引脚进行中心定位提供了一定的理论依据。
附图说明
下面结合附图和实施例对本发明作进一步说明。
图1a是芯片原始图像,图1b是芯片目标区域图像;
图2a是芯片目标区域灰度图像,图2b是高斯滤波后的图像;
图3是双阈值分割后的二值化引脚图像;
图4是加权质心法后的中心图像;
图5是高斯曲面拟合法后的中心图像;
图6是改进后的中心定位图像;
图7是加权质心法与改进算法对比图像;
图8是高斯曲面拟合法与改进算法对比图像;
图9是x坐标对比数据图;
图10是y坐标对比数据图;
图11是PCB板芯片引脚中心定位方法的流程图。
具体实施方式
现在结合附图对本发明作详细的说明。此图为简化的示意图,仅以示意方式说明本发明的基本结构,因此其仅显示与本发明有关的构成。
参照附图1-11,本发明公开了一种高精度PCB板芯片引脚中心定位方法,图1a为原始图像,图1b是对原始图像目标区域的提取图像,图2a为其灰度图像,以图1b、2a作为本发明内容的解释图像,包括以下步骤:
S1:采集PCB板图像,提取PCB板芯片区域的图像:
通过工控机图像采集系统采集PCB板图像(如图1a),选取PCB板芯片区域图像的对角位置,将其对角位置的坐标值作为后续处理的固定坐标点,提取PCB板芯片区域的图像(如图1b),并将其图像灰度化(如图2a)。
S2:对PCB板芯片区域图像进行canny边缘检测,具体包括:
S2.1:高斯模糊:
为去除噪声,采用5×5高斯滤波器(如图2b)与图像进行卷积,以平滑图像,减少边缘检测器上明显的噪声影响,计算公式如下:
其中,G(x,y)为二维高斯函数,(x,y)为点坐标,σ为标准差,A为归一化系数,使不同的权重之和为一。
S2.2:计算梯度幅值与方向:
平滑后的图像中每个像素点的梯度可以由Sobel算子(一种卷积运算)来获得,从而确定像素点的梯度G和方向计算公式如下:
其中Gx为水平方向的梯度,Gy为垂直方向的梯度。
S2.3:非极大值抑制:
对图像进行梯度计算后,仅仅通过梯度值提取边缘仍然很模糊,因此,为了将梯度值提取的边缘图像变得清晰,采用非极大值抑制算法,搜索图像局部极大值,抑制非极大值元素;非极大值抑制则可以帮助将局部最大值之外的所有梯度值抑制为0。
S2.4:双阈值检测:
为解决噪声和颜色变化引起的一些边缘像素,必须用弱梯度值过滤边缘像素,并保留具有高梯度值的边缘像素,可以通过选择高低阈值来实现,函数表达式如下:
其中,T1为像素最低阈值,T2为像素最高阈值;本实施例中优选,阈值T1为80,T2为140。
S2.5:滞后边界跟踪:
检查一个弱边缘点的8连通领域像素,只要有强边缘点存在,则这个弱边缘点由真实边缘保留下来。
S3:利用深度优先算法搜索所有连通的弱边缘,得到芯片区域二值化引脚图像(如图3):
通过深度优先算法搜索所有连通的弱边缘,如果一条连通的弱边缘的任何一个点和强边缘点连通,则保留这条弱边缘,否则抑制这条弱边缘。整个图像找完后,将非边缘点剔除,即灰度值置0。
S4:采用加权质心法对二值化引脚图像进行中心定位:
使用加权质心法对二值化引脚图像进行中心定位,得出中心坐标(如图4)。对于一个封闭的图形,根据微积分理论,其中心坐标计算公式如下:
其中,(xi,yi)为二值化引脚图像第i行,第j列的坐标,目标像点包含在一个矩形计算窗口内,窗口左上角像元坐标为(i1,y1),右下角像元坐标为(i2,y2),(x0,y0)为质心坐标估计值,I(xi,yi)为(xi,yi)处像元的灰度值。
S5:采用高斯拟合法对二值化引脚图像进行曲面拟合算法运算:
利用高斯拟合法对二值化引脚图像进行曲面拟合算法运算,计算出中心坐标(如图5)。在噪声情况不是十分严重的情况下,图像从中心向各个区域边缘方向的像素灰度值服从二维高斯分布函数。
S6:对标准差进行均方根值的运算,得出改进的中心定位算法,并记录中心坐标:
对加权质心法与高斯曲面拟合法计算出的标准差进行均方根值的运算,得出改进的中心定位算法,并记录最终的中心坐标位置(如图6),与原来的数据进行对比。均方根是将N个项的平方进行求和,然后再除以N后开方得到的结果,公式如下:
其中N为需要进行计算的样本总数,xrms为样本的均方根值。
在所述步骤(3)中,所述深度优先算法具体步骤如下:
①准备一个栈s,一个队列q,设连通指示变量connected为假。从图像的第一个点开始,进入②;
②如果这个点是弱边界点并且没有被标记,把它标记,并把它作为第一个元素放入栈s中,同时把它放入记录连通曲线的队列q,进入③。如果这个点不是弱边界或者已经被标记过,到图像的下一个点,重复②;
③从栈s中取出一个元素,查找它的8像素领域。如果一个领域像素是弱边界并且没有被标记过,把这个领域像素标记,并加入栈s中,同时加入队列q。同时查找领域对应的强边界图,如果有一个像素是强边界,表示这条弱边界曲线和强边界连通,设置connected为真。重复③直到栈中没有元素了。如果connected为假,则依次从队列q中取出每个元素,清空标记。如果connected为真,保留标记;
④清空队列q,设置connected为假,移动到图像的下一个点,到②。
在所述步骤(5)中,所述高斯曲面拟合法由以下计算公式可求出:
在x方向上的一维高斯曲线方程可以表示为:
对两边同时取对数可得:
对x方向上的像素点进行最小二乘拟合,可得此截面横坐标的中心位置,如下:
其中,xi、yi分别是引脚在行方向和列方向上的位置,u1、u2分别为引脚中心实际横坐标和纵坐标位置,σx、σy分别是高斯函数在图像的行方向和列方向上的标准差,k是高斯函数的灰度幅值,x0为高斯曲面拟合法求得的横坐标。
结合以上所述,图11为PCB板芯片引脚中心定位方法的流程图,图4、图5分别为加权质心法、高斯曲面拟合法后的质心图像,加权质心法能够快速的中心定位,但是算法要求较高,图像噪声不能太大。高斯拟合相对于加权质心法而言,中心定位的精度更加准确,但是图像噪声会对其造成拟合失稳,导致误差,且运算过程较复杂。本发明提出改进的中心定位算法,同时结合了加权质心法与高斯曲面拟合法的优点,对两种算法计算出的标准差进行均方根值的运算,能够更为精确的确定中心坐标(如图6所示)。
对上述一种高精度PCB板芯片引脚中心定位方法进行实验验证与比较如下:
本发明将三种算法进行对比分析,图7是加权质心法与改进算法的对比图,使用加权质心法定位中心时,在框选区域中,有四个引脚发生了一定的偏移,接近了引脚边缘,并未处于芯片引脚中心位置,产生了偏差。图8为高斯曲面拟合法与改进算法的对比图,使用高斯曲面拟合法定位中心时,在框选区域中,有一个引脚发生了严重的偏移,与引脚中心有明显的距离。而在图7、图8中,使用改进算法定位中心显然与引脚中心更为接近,更为准确。将三种算法得出的中心坐标数据进行绘制,得到三种算法的x坐标散点对比图(图9)、y坐标散点对比图(图10)。在图9、图10中,当使用加权质心法定位中心时,有四个引脚产生了偏移,其中两个引脚的x坐标方向偏左,另两个引脚的y坐标偏下。当使用高斯曲面拟合法定位中心时,其中有一个引脚偏移较为严重,往x坐标右边偏移。
本发明采用内存为4GB,处理器为AMD A10-7300RadeonR6,10Compute Cores4C+6G@1.9GHz的操作系统,MALAB版本为R2016b。改进的中心定位算法有效的修正了加权质心法与高斯拟合法的误差,更为接近芯片引脚中心位置的真实值,有效的提升了芯片引脚的位置精度,能够在现有的基础上提高芯片引脚定位的准确率。
综上所述,本发明提出的一种高精度PCB板芯片引脚中心定位方法,是一种比传统算法更为精确的方法,为芯片的中心检测以及引脚定位提供了清晰的图像。
以上述依据本发明的理想实施例为启示,通过上述的说明内容,相关的工作人员完全可以在不偏离本发明的范围内,进行多样的变更以及修改。本项发明的技术范围并不局限于说明书上的内容,必须要根据权利要求范围来确定其技术性范围。
Claims (8)
1.一种高精度PCB板芯片引脚中心定位方法,其特征在于:包括以下步骤:
S1:采集PCB板图像,提取PCB板芯片区域的图像;
S2:对PCB板芯片区域图像进行canny边缘检测;
S3:利用深度优先算法搜索所有连通的弱边缘,得到芯片区域二值化引脚图像;
S4:采用加权质心法对二值化引脚图像进行中心定位;
S5:采用高斯拟合法对二值化引脚图像进行曲面拟合算法运算;
S6:对标准差进行均方根值的运算,得出改进的中心定位算法,并记录中心坐标。
2.如权利要求1所述的高精度PCB板芯片引脚中心定位方法,其特征在于:所述步骤S1具体包括:通过工控机图像采集系统采集PCB板图像,选取PCB板芯片区域图像的对角位置,将其对角位置的坐标值作为后续处理的固定坐标点,提取PCB板芯片区域的图像。
3.如权利要求2所述的高精度PCB板芯片引脚中心定位方法,其特征在于:所述步骤S2具体包括:
S2.1:高斯模糊:
为去除噪声,采用5×5高斯滤波器与图像进行卷积,以平滑图像,减少边缘检测器上明显的噪声影响,计算公式如下:
其中,G(x,y)为二维高斯函数,(x,y)为点坐标,σ为标准差,A为归一化系数,使不同的权重之和为一;
S2.2:计算梯度幅值与方向:
平滑后的图像中每个像素点的梯度可以由Sobel算子来获得,从而确定像素点的梯度G和方向计算公式如下:
其中,Gx为水平方向的梯度,Gy为垂直方向的梯度;
S2.3:非极大值抑制:
对图像进行梯度计算后,为了将梯度值提取的边缘图像变得清晰,采用非极大值抑制算法,搜索图像局部极大值,抑制非极大值元素;
S2.4:双阈值检测:
为解决噪声和颜色变化引起的一些边缘像素,必须用弱梯度值过滤边缘像素,并保留具有高梯度值的边缘像素,可以通过选择高低阈值来实现,函数表达式如下:
其中,T1为像素最低阈值,T2为像素最高阈值;
S2.5:滞后边界跟踪:
检查一个弱边缘点的8连通领域像素,只要有强边缘点存在,则这个弱边缘点由真实边缘保留下来。
4.如权利要求3所述的高精度PCB板芯片引脚中心定位方法,其特征在于:所述步骤S3具体包括:通过深度优先算法搜索所有连通的弱边缘,如果一条连通的弱边缘的任何一个点和强边缘点连通,则保留这条弱边缘,否则抑制这条弱边缘;整个图像找完后,将非边缘点剔除,即灰度值置0。
5.如权利要求4所述的高精度PCB板芯片引脚中心定位方法,其特征在于:在所述步骤S3中,所述深度优先算法具体步骤如下:
①准备一个栈s,一个队列q,设连通指示变量connected为假,从图像的第一个点开始,进入②;
②如果这个点是弱边界点并且没有被标记,把它标记,并把它作为第一个元素放入栈s中,同时把它放入记录连通曲线的队列q,进入③;如果这个点不是弱边界或者已经被标记过,到图像的下一个点,重复②;
③从栈s中取出一个元素,查找它的8像素领域,如果一个领域像素是弱边界并且没有被标记过,把这个领域像素标记,并加入栈s中,同时加入队列q;同时查找领域对应的强边界图,如果有一个像素是强边界,表示这条弱边界曲线和强边界连通,设置connected为真;重复③直到栈中没有元素了;如果connected为假,则依次从队列q中取出每个元素,清空标记;如果connected为真,保留标记;
④清空队列q,设置connected为假,移动到图像的下一个点,到②。
6.如权利要求4所述的高精度PCB板芯片引脚中心定位方法,其特征在于:所述步骤S4具体包括:使用加权质心法对二值化引脚图像进行中心定位,得出中心坐标,对于一个封闭的图形,根据微积分理论,其中心坐标计算公式如下:
其中,(xi,yi)为二值化引脚图像第i行,第j列的坐标,目标像点包含在一个矩形计算窗口内,窗口左上角像元坐标为(i1,y1),右下角像元坐标为(i2,y2),(x0,y0)为质心坐标估计值,I(xi,yi)为(xi,yi)处像元的灰度值。
7.如权利要求5所述的高精度PCB板芯片引脚中心定位方法,其特征在于:所述步骤S5具体包括:利用高斯拟合法对二值化引脚图像进行曲面拟合算法运算,计算出中心坐标,在噪声情况不是十分严重的情况下,图像从中心向各个区域边缘方向的像素灰度值服从二维高斯分布函数;
所述高斯曲面拟合法由以下计算公式可求出:
在x方向上的一维高斯曲线方程可以表示为:
对两边同时取对数可得:
对x方向上的像素点进行最小二乘拟合,可得此截面横坐标的中心位置,如下:
其中,xi、yi分别是引脚在行方向和列方向上的位置,u1、u2分别为引脚中心实际横坐标和纵坐标位置,σx、σy分别是高斯函数在图像的行方向和列方向上的标准差,k是高斯函数的灰度幅值,x0为高斯曲面拟合法求得的横坐标。
8.如权利要求6所述的高精度PCB板芯片引脚中心定位方法,其特征在于:所述步骤S6具体包括:对加权质心法与高斯曲面拟合法计算出的标准差进行均方根值的运算,得出改进的中心定位算法,并记录最终的中心坐标位置,与原来的数据进行对比;均方根是将N个项的平方进行求和,然后再除以N后开方得到的结果,公式如下:
其中,N为需要进行计算的样本总数,xrms为样本的均方根值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910355340.9A CN110084802B (zh) | 2019-04-29 | 2019-04-29 | 一种高精度pcb板芯片引脚中心定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910355340.9A CN110084802B (zh) | 2019-04-29 | 2019-04-29 | 一种高精度pcb板芯片引脚中心定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110084802A true CN110084802A (zh) | 2019-08-02 |
CN110084802B CN110084802B (zh) | 2023-07-07 |
Family
ID=67417578
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910355340.9A Active CN110084802B (zh) | 2019-04-29 | 2019-04-29 | 一种高精度pcb板芯片引脚中心定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110084802B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110736755A (zh) * | 2019-10-30 | 2020-01-31 | 珠海格力智能装备有限公司 | 电路板余料的检测方法及装置、电子设备 |
CN111462242A (zh) * | 2020-03-11 | 2020-07-28 | 哈尔滨工业大学 | 一种基于改进的可变形部件模型的矩形引脚芯片定位方法 |
CN112348840A (zh) * | 2020-10-19 | 2021-02-09 | 江苏师范大学 | 基于像素区域生长的qfp芯片引脚缺陷判别方法 |
CN113894445A (zh) * | 2021-12-09 | 2022-01-07 | 广东佛智芯微电子技术研究有限公司 | 一种基于光学检测及自动修正一体化的芯片表面打孔方法 |
CN114531789A (zh) * | 2022-02-21 | 2022-05-24 | 浙江蓝晶芯微电子有限公司 | 一种带有限位机构的石英晶体谐振器引脚定位工艺 |
CN116758058A (zh) * | 2023-08-10 | 2023-09-15 | 泰安市中心医院(青岛大学附属泰安市中心医院、泰山医养中心) | 一种数据处理方法、装置、计算机及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08330336A (ja) * | 1995-05-31 | 1996-12-13 | Nichiden Mach Ltd | ピックアップ装置及びチップ位置決め方法 |
CN101936708A (zh) * | 2010-08-13 | 2011-01-05 | 河海大学常州校区 | Qfp芯片的定位检测方法 |
-
2019
- 2019-04-29 CN CN201910355340.9A patent/CN110084802B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08330336A (ja) * | 1995-05-31 | 1996-12-13 | Nichiden Mach Ltd | ピックアップ装置及びチップ位置決め方法 |
CN101936708A (zh) * | 2010-08-13 | 2011-01-05 | 河海大学常州校区 | Qfp芯片的定位检测方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110736755A (zh) * | 2019-10-30 | 2020-01-31 | 珠海格力智能装备有限公司 | 电路板余料的检测方法及装置、电子设备 |
CN111462242A (zh) * | 2020-03-11 | 2020-07-28 | 哈尔滨工业大学 | 一种基于改进的可变形部件模型的矩形引脚芯片定位方法 |
CN112348840A (zh) * | 2020-10-19 | 2021-02-09 | 江苏师范大学 | 基于像素区域生长的qfp芯片引脚缺陷判别方法 |
CN113894445A (zh) * | 2021-12-09 | 2022-01-07 | 广东佛智芯微电子技术研究有限公司 | 一种基于光学检测及自动修正一体化的芯片表面打孔方法 |
CN113894445B (zh) * | 2021-12-09 | 2022-02-15 | 广东佛智芯微电子技术研究有限公司 | 一种基于光学检测及自动修正一体化的芯片表面打孔方法 |
CN114531789A (zh) * | 2022-02-21 | 2022-05-24 | 浙江蓝晶芯微电子有限公司 | 一种带有限位机构的石英晶体谐振器引脚定位工艺 |
CN116758058A (zh) * | 2023-08-10 | 2023-09-15 | 泰安市中心医院(青岛大学附属泰安市中心医院、泰山医养中心) | 一种数据处理方法、装置、计算机及存储介质 |
CN116758058B (zh) * | 2023-08-10 | 2023-11-03 | 泰安市中心医院(青岛大学附属泰安市中心医院、泰山医养中心) | 一种数据处理方法、装置、计算机及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110084802B (zh) | 2023-07-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110084802A (zh) | 一种高精度pcb板芯片引脚中心定位方法 | |
CN110532894B (zh) | 基于边界约束CenterNet的遥感目标检测方法 | |
CN106910186B (zh) | 一种基于cnn深度学习的桥梁裂缝检测定位方法 | |
CN107067415B (zh) | 一种基于图像匹配的目标定位方法 | |
CN106991689B (zh) | 基于fhog和颜色特征的目标跟踪方法及gpu加速 | |
EP1944731A2 (en) | Method and apparatus for detecting objects in an image | |
EP2085928A1 (en) | Detection of blobs in images | |
CN106340010B (zh) | 一种基于二阶轮廓差分的角点检测方法 | |
CN106709452B (zh) | 一种基于智能巡检机器人的仪表位置检测方法 | |
CN111444964B (zh) | 一种基于自适应roi划分的多目标快速图像匹配方法 | |
CN108550145A (zh) | 一种sar图像质量评估方法和装置 | |
CN104123554A (zh) | 基于mmtd的sift图像特征提取方法 | |
CN108537787A (zh) | 一种人脸图像的质量判定方法 | |
CN106204570A (zh) | 一种基于非因果分数阶梯度算子的角点检测方法 | |
CN108830842A (zh) | 一种基于角点检测的医学图像处理方法 | |
Nguyen et al. | Automatic crack detection from 2D images using a crack measure-based B-spline level set model | |
CN111222507A (zh) | 数字式仪表读数的自动识别方法、计算机可读存储介质 | |
CN106537451B (zh) | 一种基于图像梯度矢量流场的血管脊点提取方法及装置 | |
CN112801141B (zh) | 基于模板匹配和孪生神经网络优化的异源图像匹配方法 | |
CN114862765B (zh) | 一种细胞分层图像处理方法 | |
Hidayat et al. | Real-time Texture Boundary Detection from Ridges in the Standard Deviation Space. | |
CN115731403A (zh) | 一种图像对齐方法、装置、存储介质及电子设备 | |
CN104318232B (zh) | 基于图像处理的椎间盘自动定位方法 | |
Brytik et al. | Research the possibilities of different filters and their application to image recognition problems | |
Fauzi et al. | Estimation of Volume and Weight of Apple by Using 2D Contactless Computer Vision Measuring Method |
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 |