CN111311552B - 一种柔性ic基板圆形金面缺失情况下的圆轮廓检测方法 - Google Patents

一种柔性ic基板圆形金面缺失情况下的圆轮廓检测方法 Download PDF

Info

Publication number
CN111311552B
CN111311552B CN202010067391.4A CN202010067391A CN111311552B CN 111311552 B CN111311552 B CN 111311552B CN 202010067391 A CN202010067391 A CN 202010067391A CN 111311552 B CN111311552 B CN 111311552B
Authority
CN
China
Prior art keywords
image
curve
circular
flexible
contour
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.)
Expired - Fee Related
Application number
CN202010067391.4A
Other languages
English (en)
Other versions
CN111311552A (zh
Inventor
胡跃明
王聪聪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
South China University of Technology SCUT
Guangzhou Institute of Modern Industrial Technology
Original Assignee
South China University of Technology SCUT
Guangzhou Institute of Modern Industrial Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by South China University of Technology SCUT, Guangzhou Institute of Modern Industrial Technology filed Critical South China University of Technology SCUT
Priority to CN202010067391.4A priority Critical patent/CN111311552B/zh
Publication of CN111311552A publication Critical patent/CN111311552A/zh
Application granted granted Critical
Publication of CN111311552B publication Critical patent/CN111311552B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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 OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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 OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics

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 Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开的一种柔性IC基板圆形金面缺失情况下的圆轮廓检测方法，包括以下步骤：获取柔性IC基板图像；将图像转换到HSV颜色空间，并提取H通道图像作为处理对象；图像预处理；构建边缘型几何活动轮廓模型；将图像输入边缘型几何活动轮廓模型，通过最小化封闭曲线的能量泛函获得最优轮廓。本发明采用HSV颜色空间中的单一通道图像进行处理，并构建边缘型几何活动轮廓模型，将轮廓检测问题转化为曲线逼近问题，通过设计边缘型几何活动轮廓模型实现柔性IC基板圆形金面缺失区域的轮廓检测，本发明可用于解决柔性IC基板Mark点不良、SMT孔不良等外观缺陷检测问题。

Description

一种柔性IC基板圆形金面缺失情况下的圆轮廓检测方法
技术领域
本发明涉及图像处理领域，特别涉及一种柔性IC基板圆形金面缺失情况下的圆轮廓检测方法。
背景技术
柔性IC基板的圆轮廓检测方法一般采用一阶或二阶边缘检测算子，包括Sobel算子、Canny算子、Laplacian算子等方法，对于金面完整的图像该方法可以准确检测出圆轮廓。然而当圆形金面缺失时，感兴趣区域与背景的对比度降低，灰度差异变小，边缘算子检测的轮廓是不连续的，为获得完整轮廓，通常采用霍夫圆变换的方法进行拟合，对于完整度较低的轮廓，拟合结果易远离真实轮廓，对于完整度较高的轮廓，拟合结果虽在真实轮廓附近，但由于霍夫圆变换的结果是理论上的圆，所以结果很难贴合真值。
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IC基板圆形金面缺失情况下的圆轮廓检测方法，该方法可以准确获取柔性IC基板缺失金面的圆形闭合轮廓，该方法可用于柔性IC基板外观缺陷检测，如Mark点不良检测、SMT孔不良检测。
本发明的目的通过以下的技术方案实现：
一种柔性IC基板圆形金面缺失情况下的圆轮廓检测方法，包括以下步骤：
(1)获取柔性IC基板图像；
(2)将图像转换到HSV颜色空间，并提取H通道图像作为处理对象；
(3)图像预处理；
(4)构建边缘型几何活动轮廓模型；
(5)将图像输入边缘型几何活动轮廓模型，通过最小化封闭曲线的能量泛函获得最优轮廓。
步骤(2)中，所述H通道图像的取值计算方式如下：
Figure BDA0002376379870000021
其中，max(i,j)＝max(r(i,j),g(i,j),b(i,j))，min(i,j)＝min(r(i,j),g(i,j),b(i,j))，分别表示位置(i,j)处r、g、b三个分量中的最大值和最小值。
步骤(3)中，所述图像预处理包括图像增强和图像去噪。
所述图像增强是采用直方图均衡化的方法对H通道图像进行增强，所述图像去噪是采用高斯平滑的方法对H通道图像进行去噪。
所述步骤(5)，具体包括：
将上述预处理后的H通道图像输入边缘型几何活动轮廓模型；
计算输入图像的梯度模值，选用合适的边缘函数；
初始化闭合曲线；
设计闭合曲线能量泛函式参数，包括强迫项系数，δ函数参数，常速度系数；
迭代计算，引入正则化Heaviside函数计算能量泛函式对应的梯度下降流；
更新闭合曲线；
判断闭合曲线是否逼近完成，若曲线更新前后变化量小于设定阈值或迭代次数到达设定阈值，则曲线逼近结束，否则继续迭代计算更新曲线。
所述边缘函数如下：
Figure BDA0002376379870000022
其中，r表示每一个像素点的梯度模值，K是反差常数，用于控制g的下降速率。
所述闭合曲线，其初始状态是圆心位于图像中心、半径是图像较短边长一半的圆形曲线。
所述闭合曲线，其能量泛函式如下式：
Figure BDA0002376379870000031
其中，Ω表示图像空间；H表示Heaviside函数，u(x,y)表示嵌入函数；g表示边缘函数；
Figure BDA0002376379870000032
表示曲线逼近的强迫项，系数μ表示强迫项系数，该项使嵌入函数保持为距离函数；
Figure BDA0002376379870000033
表示曲线逼近的外力项，它能使曲线向着边缘靠近并稳定在边缘上；
Figure BDA0002376379870000034
表示曲线逼近的内力项，它能加快曲线在图像的平坦区向内部收敛，系数c表示常速度系数。
所述闭合曲线的能量泛函式所对应的梯度下降流为：
Figure BDA0002376379870000035
其中，δε(u)表示所引入的正则化Heaviside函数的导数，Hε(u)和δε(u)如下式：
Figure BDA0002376379870000036
Figure BDA0002376379870000037
其中，ε表示δ函数系数，用于控制δε(u)的有效宽度。
所述闭合曲线，更新后如下：
Figure BDA0002376379870000038
其中，Ct+1表示更新后的曲线，Ct表示更新前的曲线，t表示时间变量，dt表示时间步长，
Figure BDA0002376379870000039
为梯度下降流。
本发明与现有技术相比，具有如下优点和有益效果：
(1)本发明将图像从RGB颜色空间转换到HSV颜色空间，把代表色调的H通道作为处理对象，获取了最大程度的灰度差异，降低了低对比度图像饱和度和明度因素的影响。
(2)本发明采用的预处理方式将图像增强和图像去噪结合，在拉大灰度范围的同时降低噪声影响，为后续利用有限差分计算图像梯度提供了前提条件。
(3)本发明构建了边缘型几何活动轮廓模型，将边缘提取问题转化为闭合曲线的逼近问题，克服了边缘提取算子轮廓不完整的缺陷。
(4)本发明在曲线逼近过程中受图像梯度模值的影响，使曲线逼近到边缘位置，克服了圆拟合方法轮廓不准确的缺陷。
附图说明
图1为本发明所述一种柔性IC基板圆形金面缺失情况下的圆轮廓检测方法的流程图。
图2为本发明所述利用边缘型几何活动轮廓模型进行曲线逼近的流程图。
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。
如图1所示，本实施例提供了一种柔性IC基板圆形金面缺失情况下的圆轮廓检测方法，该方法包括以下步骤：
S1、获取柔性IC基板图像。
本实施例利用工业CCD相机采集柔性IC基板图像，选用光源为白色光源。覆铜区域在图像中表现为金色，俗称“金面”，背景表现为绿色，当金面缺失时，缺失区域与背景相近，因此金面轮廓的检测成为难点。
S2、将图像转换到HSV颜色空间，并提取H通道图像作为处理对象。
本实施例转换到HSV空间后图像H通道的取值按照下式(1)计算：
Figure BDA0002376379870000051
其中max(i,j)＝max(r(i,j),g(i,j),b(i,j))，min(i,j)＝min(r(i,j),g(i,j),b(i,j))，分别表示位置(i,j)处r、g、b三个分量中的最大值和最小值。
S3、图像预处理。
本实施例图像预处理是先对H通道图像进行图像增强然后再进行图像去噪，图像增强采用直方图均衡化的方法，图像去噪采用高斯平滑的方法。由于后续需要计算图像的梯度模值，但直接利用有限差分计算图像梯度对噪声非常敏感，因此图像预处理的第二步进行了高斯平滑去除噪声。
S4、构建边缘型几何活动轮廓模型。
边缘型几何活动轮廓模型的能量泛函式如下式(2)：
Figure BDA0002376379870000052
其中，Ω表示图像空间；H表示Heaviside函数，u(x,y)表示嵌入函数；g表示边缘函数；
Figure BDA0002376379870000053
表示曲线逼近的强迫项，系数μ表示强迫项系数，该项使嵌入函数保持为距离函数；
Figure BDA0002376379870000054
表示曲线逼近的外力项，它能使曲线向着边缘靠近并稳定在边缘上；
Figure BDA0002376379870000055
表示曲线逼近的内力项，它能加快曲线在图像的平坦区向内部收敛，系数c表示常速度系数。
进一步的，所述能量泛函式所对应的梯度下降流为：
Figure BDA0002376379870000061
其中，δε(u)表示所引入的正则化Heaviside函数的导数，Hε(u)和δε(u)如下式(4)、(5)：
Figure BDA0002376379870000062
Figure BDA0002376379870000063
其中，ε表示δ函数系数，用于控制δε(u)的有效宽度。
S5、将图像输入边缘型几何活动轮廓模型，通过最小化封闭曲线的能量泛函获得最优轮廓。
该步骤S5如图2所示，具体包括：
S51、预处理后的H通道图像输入边缘型几何活动轮廓模型。
S52、计算输入图像的梯度模值，选用合适的边缘函数。
本实施例选用边缘函数如下式(6)：
Figure BDA0002376379870000064
其中，r表示每一个像素点的梯度模值，K是反差常数，用于控制g的下降速率。本实施例的反差常数K＝3。
S53、初始化闭合曲线。
本实施例的初始闭合曲线是圆心位于图像中心、半径是图像较短边长一半的圆形曲线。
S54、设计闭合曲线能量泛函式参数，包括强迫项系数，δ函数参数，常速度系数。
本实施例的强迫项系数为μ＝0.01；δ函数参数为ε＝1.5；常速度系数c＝0.8。
S55、迭代计算，引入正则化Heaviside函数计算能量泛函式对应的梯度下降流。
S56、更新闭合曲线。
本实施例更新闭合曲线按下式(7)：
Figure BDA0002376379870000071
其中，Ct+1表示更新后的曲线，Ct表示更新前的曲线，t表示时间变量，dt表示时间步长，
Figure BDA0002376379870000072
为所述梯度下降流。本实施例的时间步长取dt＝0.08。
S57、判断闭合曲线是否逼近完成，若曲线更新前后变化量小于设定阈值或迭代次数到达设定阈值，则曲线逼近结束，否则继续迭代计算更新曲线。
应当注意，尽管在附图中以特定顺序描述了上述实施例的方法操作，但是这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。相反，描绘的步骤可以改变执行顺序。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。
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IC基板圆形金面缺失情况下的圆轮廓检测方法，其特征在于，包括以下步骤：
(1)获取柔性IC基板图像；
(2)将图像转换到HSV颜色空间，并提取H通道图像作为处理对象；
(3)图像预处理；
(4)构建边缘型几何活动轮廓模型；
(5)将图像输入边缘型几何活动轮廓模型，通过最小化封闭曲线的能量泛函获得最优轮廓；
所述步骤(5)，具体包括：
将上述预处理后的H通道图像输入边缘型几何活动轮廓模型；
计算输入图像的梯度模值，选用合适的边缘函数；
初始化闭合曲线；
设计闭合曲线能量泛函式参数，包括强迫项系数，δ函数参数，常速度系数；
迭代计算，引入正则化Heaviside函数计算能量泛函式对应的梯度下降流；
更新闭合曲线；
判断闭合曲线是否逼近完成，若曲线更新前后变化量小于设定阈值或迭代次数到达设定阈值，则曲线逼近结束，否则继续迭代计算更新曲线；
所述闭合曲线，其能量泛函式如下式：
Figure FDA0004111656600000011
其中，Ω表示图像空间；H表示Heaviside函数，u(x,y)表示嵌入函数；g表示边缘函数；
Figure FDA0004111656600000012
表示曲线逼近的强迫项，系数μ表示强迫项系数，该项使嵌入函数保持为距离函数；
Figure FDA0004111656600000013
表示曲线逼近的外力项，它能使曲线向着边缘靠近并稳定在边缘上；
Figure FDA0004111656600000014
表示曲线逼近的内力项，它能加快曲线在图像的平坦区向内部收敛，系数c表示常速度系数。
2.根据权利要求1所述柔性IC基板圆形金面缺失情况下的圆轮廓检测方法，其特征在于，步骤(2)中，所述H通道图像的取值计算方式如下：
Figure FDA0004111656600000021
其中，max(i,j)＝max(r(i,j),g(i,j),b(i,j))，min(i,j)＝min(r(i,j),g(i,j),b(i,j))，分别表示位置(i,j)处r、g、b三个分量中的最大值和最小值。
3.根据权利要求1所述柔性IC基板圆形金面缺失情况下的圆轮廓检测方法，其特征在于，步骤(3)中，所述图像预处理包括图像增强和图像去噪。
4.根据权利要求3所述柔性IC基板圆形金面缺失情况下的圆轮廓检测方法，其特征在于，所述图像增强是采用直方图均衡化的方法对H通道图像进行增强，所述图像去噪是采用高斯平滑的方法对H通道图像进行去噪。
5.根据权利要求1所述柔性IC基板圆形金面缺失情况下的圆轮廓检测方法，其特征在于，所述边缘函数如下：
Figure FDA0004111656600000022
其中，r表示每一个像素点的梯度模值，K是反差常数，用于控制g的下降速率。
6.根据权利要求1所述柔性IC基板圆形金面缺失情况下的圆轮廓检测方法，其特征在于，所述闭合曲线，其初始状态是圆心位于图像中心、半径是图像较短边长一半的圆形曲线。
7.根据权利要求1所述柔性IC基板圆形金面缺失情况下的圆轮廓检测方法，其特征在于，所述闭合曲线的能量泛函式所对应的梯度下降流为：
Figure FDA0004111656600000031
其中，δε(u)表示所引入的正则化Heaviside函数的导数，Hε(u)和δε(u)如下式：
Figure FDA0004111656600000032
Figure FDA0004111656600000033
其中，ε表示δ函数系数，用于控制δε(u)的有效宽度。
8.根据权利要求7所述柔性IC基板圆形金面缺失情况下的圆轮廓检测方法，其特征在于，所述闭合曲线，更新后如下：
Figure FDA0004111656600000034
其中，Ct+1表示更新后的曲线，Ct表示更新前的曲线，t表示时间变量，dt表示时间步长，
Figure FDA0004111656600000035
为梯度下降流。
CN202010067391.4A 2020-01-20 2020-01-20 一种柔性ic基板圆形金面缺失情况下的圆轮廓检测方法 Expired - Fee Related CN111311552B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010067391.4A CN111311552B (zh) 2020-01-20 2020-01-20 一种柔性ic基板圆形金面缺失情况下的圆轮廓检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010067391.4A CN111311552B (zh) 2020-01-20 2020-01-20 一种柔性ic基板圆形金面缺失情况下的圆轮廓检测方法

Publications (2)

Publication Number Publication Date
CN111311552A CN111311552A (zh) 2020-06-19
CN111311552B true CN111311552B (zh) 2023-05-16

Family

ID=71158385

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010067391.4A Expired - Fee Related CN111311552B (zh) 2020-01-20 2020-01-20 一种柔性ic基板圆形金面缺失情况下的圆轮廓检测方法

Country Status (1)

Country Link
CN (1) CN111311552B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112991302B (zh) * 2021-03-22 2023-04-07 华南理工大学 基于超像素的柔性ic基板变色缺陷检测方法和装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107993237A (zh) * 2017-11-28 2018-05-04 山东大学 一种基于窄带约束的几何活动轮廓模型图像局部分割方法
CN110136152A (zh) * 2019-04-24 2019-08-16 邯郸职业技术学院 一种基于主动轮廓的钢卷边部图像分割方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015037141A1 (ja) * 2013-09-13 2015-03-19 オリンパス株式会社 画像処理装置、画像処理方法、及び画像処理プログラム

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107993237A (zh) * 2017-11-28 2018-05-04 山东大学 一种基于窄带约束的几何活动轮廓模型图像局部分割方法
CN110136152A (zh) * 2019-04-24 2019-08-16 邯郸职业技术学院 一种基于主动轮廓的钢卷边部图像分割方法

Also Published As

Publication number Publication date
CN111311552A (zh) 2020-06-19

Similar Documents

Publication Publication Date Title
CN112991193B (zh) 深度图像修复方法、设备及计算机可读存储介质
CN109242853B (zh) 一种基于图像处理的pcb缺陷智能检测方法
CN116485924B (zh) 含伪影的光纤线包ct截面图像的二值化方法
CN108109155A (zh) 一种基于改进Canny的自动阈值边缘检测方法
CN110298344A (zh) 一种基于机器视觉的仪表旋钮定位与检测方法
CN109544583B (zh) 一种提取皮革图像感兴趣区域的方法、装置及设备
CN108182671B (zh) 一种基于天空区域识别的单幅图像去雾方法
CN110688871A (zh) 一种基于条码识别的边缘检测方法
CN114022398B (zh) 基于格林函数双调和样条插值热辐射效应校正方法及装置
CN116935496B (zh) 一种电子烟烟雾视觉检测方法
CN110310323A (zh) 基于Hessian矩阵和二维高斯拟合的视网膜血管管径测量方法
CN107067375A (zh) 一种基于暗通道先验和边缘信息的图像去雾方法
CN110175999A (zh) 一种位姿检测方法、系统及装置
CN111311552B (zh) 一种柔性ic基板圆形金面缺失情况下的圆轮廓检测方法
CN113888419B (zh) 一种图像去暗角方法
CN108765355B (zh) 一种基于变分Retinex模型的雾天图像增强方法
CN102629369A (zh) 一种基于照度表面建模的单幅彩色图像阴影去除方法
CN103236056A (zh) 基于模板匹配的图像分割方法
CN115330637A (zh) 一种图像锐化方法、装置、计算设备及存储介质
CN106611419B (zh) 图像路面区域的提取方法
CN114359378A (zh) 一种带式输送机巡检机器人定位方法
CN119540326A (zh) 基于机器视觉的钢丝绳直径测量方法、系统、介质及终端
CN116167946B (zh) 一种基于暗通道先验理论的高温图像去雾增强方法及装置
CN112581487B (zh) 自动提取检测区域及定位核的方法
CN116188408A (zh) 一种基于Canny的鞋面边缘检测识别方法

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: Nansha District Avenue South Ring of 511458 cities in Guangdong province Guangzhou City, No. 25 Hua Da Guangzhou production and Research Institute

Applicant after: SOUTH CHINA University OF TECHNOLOGY

Applicant after: GUANGZHOU INSTITUTE OF MODERN INDUSTRIAL TECHNOLOGY

Address before: 510640 Tianhe District, Guangdong, No. five road, No. 381,

Applicant before: SOUTH CHINA University OF TECHNOLOGY

Applicant before: GUANGZHOU INSTITUTE OF MODERN INDUSTRIAL TECHNOLOGY

GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20230516