CN111951179B - 基于Radon变换的图像偏转矫正方法及装置 - Google Patents
基于Radon变换的图像偏转矫正方法及装置 Download PDFInfo
- Publication number
- CN111951179B CN111951179B CN202010647748.6A CN202010647748A CN111951179B CN 111951179 B CN111951179 B CN 111951179B CN 202010647748 A CN202010647748 A CN 202010647748A CN 111951179 B CN111951179 B CN 111951179B
- Authority
- CN
- China
- Prior art keywords
- image
- pcb
- deflection
- radon transformation
- deflection angle
- 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.)
- Active
Links
- 229910052704 radon Inorganic materials 0.000 title claims abstract description 95
- SYUHGPGVQRZVTB-UHFFFAOYSA-N radon atom Chemical compound [Rn] SYUHGPGVQRZVTB-UHFFFAOYSA-N 0.000 title claims abstract description 95
- 230000009466 transformation Effects 0.000 title claims abstract description 69
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000003491 array Methods 0.000 claims abstract description 16
- 238000005070 sampling Methods 0.000 claims description 21
- 239000000758 substrate Substances 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 29
- 230000000875 corresponding effect Effects 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 11
- 238000000605 extraction Methods 0.000 description 11
- 238000001514 detection method Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000011218 segmentation Effects 0.000 description 4
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000003702 image correction Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- 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
- G06T2207/20048—Transform domain processing
-
- 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]
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于Radon变换的图像偏转矫正方法及装置，其中，方法包括以下步骤：获取PCB图像，并根据PCB图像计算边缘或梯度特征图像；对特征图像进行Radon变换，并输出不同角度的投影数组；利用投影数组计算PCB的偏转角度，根据偏转角度矫正图像。该方法包括基于Radon变换的图像偏转矫正、基于Radon变换的图像偏转迭代矫正、基于增强Radon变换的图像偏转迭代矫正三种矫正技术，可以有效解决PCB偏转角度的问题，利用Radon变换精准地估计图像中的PCB偏转角度，从而为后续转正、分割等步骤提供良好的前置条件，简单易实现。
Description
技术领域
本发明涉及计算机软件工程领域，特别涉及一种基于Radon变换的图像偏转矫正方法及装置。
背景技术
PCB(Printed Circuit Board，印刷电路板)是如今各种电子设备必不可少的组成部分。其中，PCB缺陷检测技术是关系到电子系统质量和生产周期的重要环节，自从PCB发明以来就备受重视。
对于基于计算机视觉的PCB缺陷检测系统而言，如何得到一个无偏转的PCB图像是算法对于后续分割、识别等操作十分重要。在电路板生产过程中，通常获取的图像中PCB板并不一定正对着摄像头；另外，由于传动和机械结构误差的存在，图像中的PCB板也常有一定的偏转。
而传统方法是将PCB图像检测、转正放到一起操作，导致计算量非常大，需要解决。
发明内容
本申请是基于发明人对以下问题的认识和发现做出的：
如果将角度预估、区域检测分开做，不仅系统工作流程简洁，检测精度提高，还可以增强检测程序的鲁棒性。
Radon变换可以对含有重复纹理的表面进行纹理方向估计。因为PCB板上的图案一般都是由直线或重复的元件排列组合而成，本发明实施技术将PCB板也看作一种广义上的重复纹理。因此，在Radon变换的基础上改进可应用到PCB图像中。
本发明旨在至少在一定程度上解决相关技术中的问题。
为此，本发明的一个目的在于提出一种基于Radon变换的图像偏转矫正方法，该方法利用Radon变换精准地估计图像中的PCB偏转角度，从而为后续转正、分割等步骤提供良好的前置条件，简单易实现。
本发明的另一个目的在于提出一种基于Radon变换的图像偏转矫正装置。
为达到上述目的，本发明一方面实施技术提出了一种基于Radon变换的图像偏转矫正方法，包括以下步骤：获取PCB图像，并根据所述PCB图像计算边缘或梯度特征图像；对所述特征图像进行Radon变换，并输出不同角度的投影数组；根据所述投影数组进行图像偏转矫正，得到矫正后的图像。
本发明实施技术的基于Radon变换的图像偏转矫正方法，可以有效解决PCB偏转角度的问题，利用Radon变换精准地估计图像中的PCB偏转角度，从而为后续转正、分割等步骤提供良好的前置条件，简单易实现。
另外，根据本发明上述实施技术的基于Radon变换的图像偏转矫正方法还可以具有以下附加的技术特征：
进一步地，在本发明的实施技术中，
(1)所述特征图像为边缘图，其中，所述获取PCB图像，并根据所述PCB图像计算边缘特征图像，包括：提取所述PCB图像的边缘，以得到所述边缘图；
(2)所述特征图像为梯度图，其中，所述获取PCB图像，并根据所述PCB图像得到梯度特征图像，提取所述PCB图像的梯度，以得到梯度图。
进一步地，在本发明的实施技术中，所述根据所述投影数组进行图像偏转矫正，包括：根据所述投影数组计算PCB的偏转角度，再根据所述偏转角度进行图像偏转矫正。
进一步地，在本发明的实施技术中，所述根据所述投影数组进行图像偏转矫正，包括：根据得所述投影数组确定偏转角度范围，并进行Radon变换，直到最终偏转角度范围达到预设范围，并根据当前要求进行更新采样。
为达到上述目的，本发明另一方面实施技术提出了一种基于Radon变换的图像偏转迭代矫正装置，包括：获取模块，用于获取PCB图像，并根据所述PCB图像计算边缘或梯度特征图像；Radon变换模块，用于对所述特征图像进行Radon变换，并输出不同角度的投影数组；矫正模块，用于根据所述投影数组进行图像偏转矫正，得到矫正后的图像。
本发明实施技术的基于Radon变换的图像偏转矫正装置，可以有效解决PCB偏转角度的问题，利用Radon变换精准地估计图像中的PCB偏转角度，从而为后续转正、分割等步骤提供良好的前置条件，简单易实现。
另外，根据本发明上述实施技术的基于Radon变换的图像偏转矫正装置还可以具有以下附加的技术特征：
进一步地，在本发明的实施技术中，所述获取模块进一步用于：
(1)提取所述PCB图像的边缘，以得到所述边缘图；
(2)提取所述PCB图像的梯度，以得到梯度图。
进一步地，在本发明的实施技术中，所述矫正模块进一步用于：
根据所述投影数组计算PCB的偏转角度，再根据所述偏转角度进行图像偏转矫正。
进一步地，在本发明的实施技术中，所述矫正模块进一步用于：
根据得所述投影数组确定偏转角度范围，并进行Radon变换，直到最终偏转角度范围达到预设范围，并根据当前要求进行更新采样。
本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施技术的描述中将变得明显和容易理解，其中：
图1为根据本发明实施技术的基于Radon变换的图像偏转矫正方法的流程图；
图2为根据本发明第一实施技术的基于Radon变换的图像偏转矫正方法的流程图；
图3为根据本发明第二实施技术的基于Radon变换的图像偏转迭代矫正方法的流程图；
图4为根据本发明第三实施技术的基于增强Radon变换的图像偏转迭代矫正方法的流程图；
图5为根据本发明实施技术的基于Radon变换的图像偏转矫正装置的结构示意图。
具体实施方式
下面详细描述本发明的实施技术，所述实施技术的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施技术是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
下面参照附图描述根据本发明实施技术提出的基于Radon变换的图像偏转矫正方法及装置，首先将参照附图描述根据本发明实施技术提出的基于Radon变换的图像偏转矫正方法。
图1是本发明一个实施技术的基于Radon变换的图像偏转矫正方法的流程图。
如图1所示，该基于Radon变换的图像偏转矫正方法包括以下步骤：
在步骤S101中，获取PCB图像，并根据PCB图像计算边缘或梯度特征图像。
其中，在本发明的实施技术中，获取PCB图像，并根据PCB图像计算边缘或梯度特征图像，包括：提取PCB图像的边缘，以得到边缘图；或者，提取PCB图像的梯度，以得到梯度图。
在步骤S102中，对特征图像进行Radon变换，并输出不同角度的投影数组。
在步骤S103中，根据投影数组进行图像偏转矫正，得到矫正后的图像。
其中，在本发明的实施技术中，
(1)当特征图为边缘图时，根据投影数组进行图像偏转矫正，包括：根据投影数组计算PCB的偏转角度，再根据偏转角度进行图像偏转矫正；
(2)当特征图为梯度图时，根据投影数组进行图像偏转矫正，包括：根据投影数组计算PCB的偏转角度，再根据偏转角度进行图像偏转矫正；
根据得投影数组确定偏转角度范围，并进行Radon变换，直到最终偏转角度范围达到预设范围，并根据当前要求进行更新采样。
下面将通过具体实施技术对基于Radon变换的图像偏转矫正方法进行进一步阐述。
实施技术1：基于Radon变换的图像偏转矫正
如图2所示，本发明实施技术主要包括边缘提取、Radon变换和角度计算，具体如下：
(1)边缘提取：将PCB图像的边缘提取出来，得到边缘图。
输入：PCB板的灰度图像；
输出：PCB板的边缘图像；
采用Canny滤波器，调整模块参数使之能将所有PCB板上的元件边缘提取出来，同时降低噪声的影响。提取图像边缘还可采用Sobel算子、Roberts算子、PreWitt算子、Laplacian算子，但不局限于这些算子，得到图像梯度后利用阈值二值化实现。
(2)Radon变换：对边缘图进行Radon变换，然后输出不同角度的投影数组。
输入：角度采样范围和间隔，边缘图像E；
输出：各个偏转角度下X轴投影数组组成的二维数组；
对于每个角度，首先将边缘图像E旋转指定角度，得到旋转图像Et。然后，将Et投影到X轴上，像素取每个X坐标对应像素的平均值，得到投影数组At。最后，将所有一维投影数组按顺序拼接在一起，返回该二维数组。
(3)根据Radon变换的投影数组计算PCB的偏转角度。
输入：Radon变换得到的二维数组A；
输出：角度预估T；
二维数组A的横坐标是偏转角度，纵坐标是投影数组。对每个偏转角度对应的投影数组求方差，方差最大的数组对应角度为所求值。
综上，与现有技术相比，本发明第一实施技术具有如下有益效果：
(1)参数简单。算法只需要输入最大偏转范围和目标精度，参数意义直观。
(2)精度高。制定目标精度，将目标精度作为角度步长，就能得到指定精度的结果。
实施技术2：基于Radon变换的图像偏转迭代矫正
传统的方法是利用Radon变换来寻找PCB的主方向，然后将主方向转正。然而这样的计算代价和储存代价依旧十分高昂。本发明实施技术是在第一实施技术的基础上，利用Radon变换迭代计算，可以达到主方向矫正同样精度的情况，且提高算法运行速度。为后续图像矫正、分割等步骤提供良好的前置条件。下面将结合图3进行详细阐述。
如图3所示，本发明实施技术包括边缘提取、Radon变换、角度迭代计算和更新采样，具体如下：
(1)边缘提取：将PCB图像的边缘提取出来，得到边缘图。
输入：PCB板的灰度图像；
输出：PCB板的边缘图像；
采用Canny滤波器，调整模块参数使之能将所有PCB板上的元件边缘提取出来，同时噪声的影响降到最低。提取图像边缘还可采用Sobel算子、Roberts算子、PreWitt算子、Laplacian算子，但不局限于这些算子，得到图像梯度后利用阈值二值化实现。
(2)Radon变换：对边缘图Radon变换，然后将不同角度的投影数组输出。
输入：角度采样范围和间隔，边缘图像E；
输出：各个偏转角度下X轴投影数组组成的二维数组；
对于每个角度，首先将边缘图像E旋转指定角度，得到旋转图像Et。然后，将Et投影到X轴上，像素取每个X坐标对应像素的平均值，得到投影数组At。最后，将所有一维投影数组按顺序拼接在一起，返回该二维数组。
(3)角度迭代计算：根据得到的Radon变换数组，确定偏转角度范围，然后进一步进行Radon变换，直到计算误差达到设定的范围。
输入：Radon变换得到的二维数组A，目标精度；
输出：角度预估T；
根据Radon变换得到的二维数组A计算PCB板的偏转角度预估。二维数组A的横坐标是偏转角度，纵坐标是投影数组。对每个偏转角对应的投影数组计算均值、方差等，得到每个偏转角度Radon投影的特征指标，根据此指标得到偏转角度。具体操作方法如下，但不限于下述计算过程。
偏转角对应方差排序最大和第二的数组对应角度为T1和T2。令dT＝abs(T2-T1)，若dT大于目标精度，那么更新角度采样范围为[min(T1,T2),max(T1,T2)]，再传入Radon变换模块中进行迭代。否则令T＝(T1+T2)/2，输出T。
举例而言，假设初始角度范围为D，每次采样点数为k，那么第n次Radon变换过后，预测角度精度就变为D/kn。因此，该算法可以以指数级别逼近目标角度，且计算量远远小于朴素Radon变换。
(4)更新采样：根据实际要求，适当采样，使其计算既充分、又快速。
综上，与现有技术相比，本发明第二实施技术的优点如下：
(1)参数简单。算法只需要输入最大偏转范围、每次采样点数和目标精度，意义直观。
(2)速度快，空间占用低。每次Radon变换的角度采样数量少，所需储存空间少。同时总采样次数大幅降低，速度变快。
(3)精度高。每次迭代可以使精度指数级提高，在非常少的迭代次数内就能达到很高精度。
实施技术3：基于增强Radon变换的图像偏转迭代矫正
本发明实施技术是在实施技术2的基础上作增强。本发明第二实施技术中Radon变换前需要利用Canny滤波提取PCB板图像上的边缘。实际应用过程中，PCB的型号非常多，表面形态、颜色、对比度还有光照等因素千差万别。此时，Canny滤波的局限性非常大，必须针对不同批次的板子调优不同参数，会增加工作量。
本发明第三实施技术就是对提取边缘这个步骤进行改进，在减少参数的同时，使之可以适应任意类型的板子，而且在不均匀的光照条件下也能有良好表现。该过程可以嵌入到朴素的Radon变换算法和基于级联的Radon变换算法中，但不局限于这些算法，使之适用范围更广，同时提高一定精度。下面将结合图4进行详细阐述。
如图4所示，本发明实施技术包括梯度提取、Radon变换、角度迭代计算和更新采样，具体如下：
(1)梯度提取：将PCB图像的梯度提取出来，得到梯度图。
输入：PCB板的灰度图像；
输出：PCB板的梯度图像；
采用Sobel算子，分别提取X方向梯度图和Y方向梯度图，利用E＝sqrt(X2+Y2)得到综合梯度图像，进行输出。
(2)Radon变换：对梯度图进行Radon变换，然后将不同角度的投影数组输出。
输入：角度采样范围和间隔，边缘图像E；
输出：各个偏转角度下X轴投影数组组成的二维数组；
对于每个角度，首先将边缘图像E旋转指定角度，得到旋转图像Et。然后，将Et投影到X轴上，像素取每个X坐标对应像素的平均值，得到投影数组At。最后，将所有一维投影数组按顺序拼接在一起，返回该二维数组。
(3)角度迭代计算：根据得到的Radon变换数组，确定偏转角度范围，然后进一步进行Radon变换，直到计算误差达到设定的范围。
输入：Radon变换得到的二维数组A，目标精度；
输出：角度预估T；
根据Radon变换得到的二维数组A计算PCB板的偏转角度预估。二维数组A的横坐标是偏转角度，纵坐标是投影数组。对每个偏转角对应的投影数组计算均值、方差等，得到每个偏转角度Radon投影的特征指标，根据此指标得到偏转角度。具体操作方法如下，但不限于下述计算过程。
偏转角对应方差排序最大和第二的数组对应角度为T1和T2。令dT＝abs(T2-T1)，若dT大于目标精度，那么更新角度采样范围为[min(T1,T2),max(T1,T2)]，再传入Radon变换模块中进行迭代。否则令T＝(T1+T2)/2，输出T。
举例而言，假设初始角度范围为D，每次采样点数为k，那么第n次Radon变换过后，预测角度精度就变为D/kn。因此，本发明实施技术可以以指数级别逼近目标角度，且计算量远远小于朴素Radon变换。
(4)更新采样：根据实际要求，适当采样，使其计算既充分、又快速。
综上，本发明实施技术优点如下：
(1)减少预处理过程参数量。相比于Canny算子需要提供阈值参数，提取梯度不需要任何参数。
(2)速度变快。相比于Canny算子，梯度提取过程更加简洁，速度显著变快。
(3)精度变高。一般而言，梯度值大的地方一般来说是图像中比较重要的地方，在Radon变换中相应的作用权重会增加。而且相比于Canny算子提取的边缘图只有二值，该方法蕴含的信息更多，精度会更高。
其次参照附图描述根据本发明实施技术提出的基于Radon变换的图像偏转矫正装置。
图5是本发明一个实施技术的基于Radon变换的图像偏转矫正装置的结构示意图。
如图5所示，该基于Radon变换的图像偏转矫正装置10包括：获取模块100、Radon变换模块200和矫正模块300。
其中，获取模块100用于获取PCB图像，并根据PCB图像计算边缘或梯度特征图像；Radon变换模块200用于对特征图像进行Radon变换，并输出不同角度的投影数组；矫正模块300用于根据投影数组进行图像偏转矫正，得到矫正后的图像。本发明实施技术的装置10利用Radon变换精准地估计图像中的PCB偏转角度，从而为后续转正、分割等步骤提供良好的前置条件，简单易实现。
进一步地，在本发明的一个实施技术中，获取模块100进一步用于：提取PCB图像的边缘，以得到边缘图；或，提取PCB图像的梯度，以得到梯度图。
进一步地，在本发明的一个实施技术中，矫正模块300进一步用于：
根据投影数组计算PCB的偏转角度，再根据偏转角度进行图像偏转矫正。
进一步地，在本发明的一个实施技术中，矫正模块300进一步用于：
根据得投影数组确定偏转角度范围，并进行Radon变换，直到最终偏转角度范围达到预设范围，并根据当前要求进行更新采样。
需要说明的是，前述对基于Radon变换的图像偏转矫正方法实施技术的解释说明也适用于该实施技术的基于Radon变换的图像偏转矫正装置，此处不再赘述。
根据本发明实施技术提出的基于Radon变换的图像偏转矫正装置，可以有效解决PCB偏转角度的问题，利用Radon变换精准地估计图像中的PCB偏转角度，从而为后续转正、分割等步骤提供良好的前置条件，简单易实现。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
在本发明中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。
在本说明书的描述中，参考术语“一个实施技术”、“一些实施技术”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施技术或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施技术或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施技术或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施技术或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施技术或示例以及不同实施技术或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施技术，可以理解的是，上述实施技术是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施技术进行变化、修改、替换和变型。
Claims (6)
1.一种基于Radon变换的图像偏转矫正方法，其特征在于，包括以下步骤：
获取PCB图像，并根据所述PCB图像计算边缘或梯度特征图像；
对所述特征图像进行Radon变换，并输出不同角度的投影数组；以及
根据所述投影数组进行图像偏转矫正，得到矫正后的图像；
其中，所述根据所述投影数组进行图像偏转矫正，包括：
根据所述投影数组确定偏转角度范围，并进行Radon变换，直到最终偏转角度范围达到预设范围，并根据当前要求进行更新采样。
2.根据权利要求1所述的方法，其特征在于，
(1)所述特征图像为边缘图，其中，所述获取PCB图像，并根据所述PCB图像计算特征图像，包括提取所述PCB图像的边缘，以得到所述边缘图；
(2)所述特征图像为梯度图，其中，所述获取PCB图像，并根据所述PCB图像计算特征图像，包括提取所述PCB图像的梯度，以得到所述梯度图。
3.根据权利要求2所述的方法，其特征在于，所述根据所述投影数组进行图像偏转矫正，包括：
根据所述投影数组计算PCB的偏转角度，再根据所述偏转角度进行图像偏转矫正。
4.一种基于Radon变换的图像偏转矫正装置，其特征在于，包括：
获取模块，用于获取PCB图像，并根据所述PCB图像计算边缘或梯度特征图像；
Radon变换模块，用于对所述特征图像进行Radon变换，并输出不同角度的投影数组；以及
矫正模块，用于根据所述投影数组进行图像偏转矫正，得到矫正后的图像；
其中，所述矫正模块进一步用于：
根据所述投影数组确定偏转角度范围，并进行Radon变换，直到最终偏转角度范围达到预设范围，并根据当前要求进行更新采样。
5.根据权利要求4所述的装置，其特征在于，当所述获取模块具体用于：
(1)提取所述PCB图像的边缘，以得到所述边缘图；
(2)提取所述PCB图像的梯度，以得到梯度图。
6.根据权利要求5所述的装置，其特征在于，所述矫正模块进一步用于：
根据所述投影数组计算PCB的偏转角度，再根据所述偏转角度进行图像偏转矫正。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010647748.6A CN111951179B (zh) | 2020-07-07 | 2020-07-07 | 基于Radon变换的图像偏转矫正方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010647748.6A CN111951179B (zh) | 2020-07-07 | 2020-07-07 | 基于Radon变换的图像偏转矫正方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111951179A CN111951179A (zh) | 2020-11-17 |
| CN111951179B true CN111951179B (zh) | 2023-04-25 |
Family
ID=73341407
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010647748.6A Active CN111951179B (zh) | 2020-07-07 | 2020-07-07 | 基于Radon变换的图像偏转矫正方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111951179B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150206025A1 (en) * | 2014-01-17 | 2015-07-23 | University Of Electronic Science And Technology Of China | Method for identifying and extracting a linear object from an image |
| CN105678737A (zh) * | 2015-12-24 | 2016-06-15 | 华北电力大学（保定） | 一种基于Radon变换的数字图像角点检测方法 |
| CN111257346A (zh) * | 2020-02-20 | 2020-06-09 | 清华大学 | 基于投影过滤的pcb定位装置及方法 |
-
2020
- 2020-07-07 CN CN202010647748.6A patent/CN111951179B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150206025A1 (en) * | 2014-01-17 | 2015-07-23 | University Of Electronic Science And Technology Of China | Method for identifying and extracting a linear object from an image |
| CN105678737A (zh) * | 2015-12-24 | 2016-06-15 | 华北电力大学（保定） | 一种基于Radon变换的数字图像角点检测方法 |
| CN111257346A (zh) * | 2020-02-20 | 2020-06-09 | 清华大学 | 基于投影过滤的pcb定位装置及方法 |
Non-Patent Citations (4)
| Title |
|---|
| "基于图像预处理和纹理特征的车牌定位算法";孙伟;《软件开发》;20200430;第43页第2栏最后一段至第44页第1栏第一段 * |
| "基于层级特征的车牌识别算法研究";刘煜;《中国优秀博硕士学位论文全文数据库(硕士)》;20190215;第2-5页 * |
| "有色噪声干扰系统的参数辨识递推算法";赵玥 等;《清华大学学报（自然科学版）》;20091231;第49卷(第1期);全文 * |
| 《Power Line Detection Using Integrated Vector Radon Transform》;Boris Alpatov 等;《IEEE》;20160801;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111951179A (zh) | 2020-11-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110223330B (zh) | 一种可见光和红外图像的配准方法及系统 | |
| CN108229475B (zh) | 车辆跟踪方法、系统、计算机设备及可读存储介质 | |
| CN109300139B (zh) | 车道线检测方法和装置 | |
| CN112085682A (zh) | 图像降噪方法、装置、电子设备及存储介质 | |
| CN114998773B (zh) | 适用于无人机系统航拍图像的特征误匹配剔除方法及系统 | |
| Ma et al. | An automatic detection method of Mura defects for liquid crystal display | |
| CN112986259B (zh) | 智能终端oled面板制造工艺的缺陷检测方法以及装置 | |
| CN112330618B (zh) | 图像偏移检测方法、设备及存储介质 | |
| CN111951179B (zh) | 基于Radon变换的图像偏转矫正方法及装置 | |
| CN111257346B (zh) | 基于投影过滤的pcb定位装置及方法 | |
| CN107085843B (zh) | 用于估计光学系统中的调制传递函数的系统和方法 | |
| CN113112396A (zh) | 导电粒子的检测方法 | |
| CN112802080A (zh) | 基于深度学习的单目绝对深度估计方法和装置 | |
| Wang et al. | Fast blur detection algorithm for UAV crack image sets | |
| CN116071562A (zh) | 一种植物种子识别方法、装置、电子设备及存储介质 | |
| CN111275622A (zh) | 图像拼接方法、装置及终端设备 | |
| CN112785651A (zh) | 用于确定相对位姿参数的方法和装置 | |
| CN116012242A (zh) | 一种相机畸变矫正效果评价方法、装置、介质及设备 | |
| CN116416227A (zh) | 背景图像处理方法和装置 | |
| CN111931786B (zh) | 一种图像处理方法、装置及计算机可读存储介质 | |
| CN112868049B (zh) | 使用基于贴片的投影相关性进行高效自运动估计 | |
| CN111768357B (zh) | 一种图像检测的方法及装置 | |
| CN113487569A (zh) | 基于频域和空域结合的复杂背景图像缺陷检测方法及系统 | |
| CN110874837A (zh) | 一种基于局部特征分布的缺陷自动检测方法 | |
| CN116563357B (zh) | 图像匹配方法、装置、计算机设备及计算机可读存储介质 |
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 |