CN113222978A - 一种靶标识别方法 - Google Patents
一种靶标识别方法 Download PDFInfo
- Publication number
- CN113222978A CN113222978A CN202110604036.0A CN202110604036A CN113222978A CN 113222978 A CN113222978 A CN 113222978A CN 202110604036 A CN202110604036 A CN 202110604036A CN 113222978 A CN113222978 A CN 113222978A
- Authority
- CN
- China
- Prior art keywords
- target
- image
- gray level
- contour
- gray
- 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
- 238000000034 method Methods 0.000 title claims abstract description 22
- 230000009466 transformation Effects 0.000 claims abstract description 15
- 238000001914 filtration Methods 0.000 claims abstract description 14
- 238000012216 screening Methods 0.000 claims abstract description 14
- 238000000605 extraction Methods 0.000 claims abstract description 11
- 238000001514 detection method Methods 0.000 claims description 7
- 101100129496 Arabidopsis thaliana CYP711A1 gene Proteins 0.000 claims description 6
- 101100129499 Arabidopsis thaliana MAX2 gene Proteins 0.000 claims description 6
- 101100083446 Danio rerio plekhh1 gene Proteins 0.000 claims description 6
- 230000000877 morphologic effect Effects 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 5
- 238000001459 lithography Methods 0.000 abstract description 4
- 230000007547 defect Effects 0.000 abstract description 3
- 238000003384 imaging method Methods 0.000 abstract description 2
- 238000004519 manufacturing process Methods 0.000 description 5
- 239000000758 substrate Substances 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010894 electron beam technology Methods 0.000 description 1
- 238000005530 etching Methods 0.000 description 1
- 238000010884 ion-beam technique Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000001259 photo etching Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000004381 surface treatment Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
Abstract
本发明涉及激光直写光刻，具体涉及一种靶标识别方法，根据靶标图像的成像效果特点，基于图像直方图对图像进行灰度变换，可以有效区分目标与背景，并且保留信号边缘，比各类二值化算法适应性更高；通过中值滤波能够在少量损失信号的边缘的情况下剔除噪点，可有效剔除轮廓干扰，并且滤波算法速度快，能够以较低的资源消耗达到有效的滤波效果，从而为后续的轮廓提取、筛选提供了高质量的输入图像；本发明提供的技术方案能够有效克服现有技术所存在的无法在高背景干扰情况下对靶标图像进行精确定位的缺陷。
Description
技术领域
本发明涉及激光直写光刻，具体涉及一种靶标识别方法。
背景技术
激光直写光刻是制作衍射光学元件的主要技术之一，包括激光直写、电子束直写、聚焦离子束直写等方法，相比于传统掩膜光刻，激光直写技术拥有无需掩膜、加工灵活、对基底表面平整度要求较低的优势。目前，激光直写技术主要应用于集成电路制造，材料表面处理与刻蚀，衍射光学元件加工，以及微纳原型器件制作等领域。
在激光直写光刻设备中，需要将光刻图形与目标载体进行高精度对准。将激光直写光刻应用到PCB制造领域时，目标载体是PCB基板，定位基准是PCB基板上预先钻制的靶标。
由于PCB基板表面在生产过程中，会因各种原因造成板面存在大量干扰，因此简单的依赖形态学边缘提取处理算法，无法对存在高干扰度的靶标图像进行精确识别，同时各类复杂算法将会带来大量时间、资源开销，不适用于激光直写光刻设备对效率的要求。
发明内容
(一)解决的技术问题
针对现有技术所存在的上述缺点，本发明提供了一种靶标识别方法，能够有效克服现有技术所存在的无法在高背景干扰情况下对靶标图像进行精确定位的缺陷。
(二)技术方案
为实现以上目的，本发明通过以下技术方案予以实现：
一种靶标识别方法，包括以下步骤：
S1、对图像进行灰度变换，获取灰度图像，突出目标与背景的对比度；
S2、对灰度图像进行中值滤波，得到中值图像；
S3、对中值图像进行轮廓提取，并连接相近相似形态的轮廓得到轮廓集合；
S4、筛选出目标轮廓集合并拟合为目标圆，获取目标圆的圆心坐标位置参数，并返回参数。
优选地，S1中对图像进行灰度变换，获取灰度图像，包括：
获取图像直方图并得到极值点，以极值点作为参数对图像进行灰度变换，得到灰度图像。
优选地，所述获取图像直方图并得到极值点，以极值点作为参数对图像进行灰度变换，得到灰度图像，包括：
获取图像直方图后，通过一阶导数、二阶导数得到图像直方图的极值点，选取最靠近灰度坐标原点的两个极大值点MAX1、MAX2，以极大值点MAX1、MAX2作为参数对图像进行灰度变换，得到灰度图像；
其中，如果只有一个极大值点，则选取原点作为另一个极大值点。
优选地，S3中对中值图像进行轮廓提取，并连接相近相似形态的轮廓得到轮廓集合，包括：
对中值图像采用亚像素边缘提取算法进行亚像素轮廓提取，对提取的轮廓进行形态学筛选，并连接相近相似形态的轮廓得到轮廓集合。
优选地，S4中筛选出目标轮廓集合并拟合为目标圆，包括：
从轮廓集合中筛选出形态学分析最接近给定靶标半径的目标轮廓集合，并将目标轮廓集合拟合为圆形。
优选地，还包括：
S5、若未得到符合预设结构的圆心坐标位置参数，则采用预置模板匹配检测算法识别靶标区域；
S6、若识别到靶标区域，则获取靶标区域的圆心坐标位置参数，并返回参数。
优选地，所述采用预置模板匹配检测算法识别靶标，包括：
S51、根据给定靶标半径创建xld模板；
S52、基于S1、S2得到中值图像，利用xld模板寻找可能存在的圆孔；
S53、对于筛选出的圆孔，比较目标区域与整幅图像之间灰度值的均值和方差；
S54、选定灰度值的均值和方差均小于整幅图像的目标区域作为靶标区域。
(三)有益效果
与现有技术相比，本发明所提供的一种靶标识别方法，根据靶标图像的成像效果特点，基于图像直方图对图像进行灰度变换，可以有效区分目标与背景，并且保留信号边缘，比各类二值化算法适应性更高；通过中值滤波能够在少量损失信号的边缘的情况下剔除噪点，可有效剔除轮廓干扰，并且滤波算法速度快，能够以较低的资源消耗达到有效的滤波效果，从而为后续的轮廓提取、筛选提供了高质量的输入图像。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，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地介绍。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为本发明的流程示意图；
图2为本发明中进行中值滤波前与进行中值滤波后的图像示意图；
图3为本发明中的图像直方图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例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作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。
一种靶标识别方法，如图1所示，包括以下步骤：
S1、对图像进行灰度变换，获取灰度图像，突出目标与背景的对比度；
S2、对灰度图像进行中值滤波，得到中值图像；
S3、对中值图像进行轮廓提取，并连接相近相似形态的轮廓得到轮廓集合；
S4、筛选出目标轮廓集合并拟合为目标圆，获取目标圆的圆心坐标位置参数，并返回参数。
S1中对图像进行灰度变换，获取灰度图像，包括：
获取图像直方图并得到极值点，以极值点作为参数对图像进行灰度变换，得到灰度图像。
具体的：
获取图像直方图后，通过一阶导数、二阶导数得到图像直方图的极值点，选取最靠近灰度坐标原点的两个极大值点MAX1、MAX2，以极大值点MAX1、MAX2作为参数对图像进行灰度变换，得到灰度图像；
其中，如果只有一个极大值点，则选取原点作为另一个极大值点。
获取灰度图像后，对灰度图像进行中值滤波，进一步排除干扰，平滑图像，得到中值图像。如图2所示，左边的图像为进行中值滤波前的灰度图像，右边的图像为进行中值滤波后的灰度图像。
本申请技术方案中，由于PCB基板上的靶标图像中，靶标内目标像素的灰度值一定暗于孔外背景像素的灰度值。如图3所示，从直方图统计学上分析，靠近原点的极大值一定在靶标内，其次的极大值应为孔外背景，以此进行灰度变换及中值滤波后可以有效剔除目标区域内的各类干扰。
S3中对中值图像进行轮廓提取，并连接相近相似形态的轮廓得到轮廓集合，包括：
对中值图像采用canny算法或其他亚像素边缘提取算法进行亚像素轮廓提取，对提取的轮廓进行形态学筛选，屏蔽干扰，并连接相近相似形态的轮廓得到轮廓集合。
S4中筛选出目标轮廓集合并拟合为目标圆，包括：
从轮廓集合中筛选出形态学分析最接近给定靶标半径的目标轮廓集合，并将目标轮廓集合拟合为圆形。
本申请技术方案中，还包括：
S5、若未得到符合预设结构的圆心坐标位置参数，则采用预置模板匹配检测算法识别靶标区域；
S6、若识别到靶标区域，则获取靶标区域的圆心坐标位置参数，并返回参数。
其中，采用预置模板匹配检测算法识别靶标，包括：
S51、根据给定靶标半径创建xld模板；
S52、基于S1、S2得到中值图像，利用xld模板寻找可能存在的圆孔；
S53、对于筛选出的圆孔，比较目标区域与整幅图像之间灰度值的均值和方差；
S54、选定灰度值的均值和方差均小于整幅图像的目标区域作为靶标区域。
本申请技术方案，S4中拟合轮廓失败，或S5中采用预置模板匹配检测算法未识别到靶标区域时，则返回不符合预设结构的圆心坐标位置参数(横坐标、纵坐标均为0)。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不会使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (7)
1.一种靶标识别方法，其特征在于：包括以下步骤：
S1、对图像进行灰度变换，获取灰度图像，突出目标与背景的对比度；
S2、对灰度图像进行中值滤波，得到中值图像；
S3、对中值图像进行轮廓提取，并连接相近相似形态的轮廓得到轮廓集合；
S4、筛选出目标轮廓集合并拟合为目标圆，获取目标圆的圆心坐标位置参数，并返回参数。
2.根据权利要求1所述的靶标识别方法，其特征在于：S1中对图像进行灰度变换，获取灰度图像，包括：
获取图像直方图并得到极值点，以极值点作为参数对图像进行灰度变换，得到灰度图像。
3.根据权利要求2所述的靶标识别方法，其特征在于：所述获取图像直方图并得到极值点，以极值点作为参数对图像进行灰度变换，得到灰度图像，包括：
获取图像直方图后，通过一阶导数、二阶导数得到图像直方图的极值点，选取最靠近灰度坐标原点的两个极大值点MAX1、MAX2，以极大值点MAX1、MAX2作为参数对图像进行灰度变换，得到灰度图像；
其中，如果只有一个极大值点，则选取原点作为另一个极大值点。
4.根据权利要求2所述的靶标识别方法，其特征在于：S3中对中值图像进行轮廓提取，并连接相近相似形态的轮廓得到轮廓集合，包括：
对中值图像采用亚像素边缘提取算法进行亚像素轮廓提取，对提取的轮廓进行形态学筛选，并连接相近相似形态的轮廓得到轮廓集合。
5.根据权利要求4所述的靶标识别方法，其特征在于：S4中筛选出目标轮廓集合并拟合为目标圆，包括：
从轮廓集合中筛选出形态学分析最接近给定靶标半径的目标轮廓集合，并将目标轮廓集合拟合为圆形。
6.根据权利要求1-5中任意一项所述的靶标识别方法，其特征在于：还包括：
S5、若未得到符合预设结构的圆心坐标位置参数，则采用预置模板匹配检测算法识别靶标区域；
S6、若识别到靶标区域，则获取靶标区域的圆心坐标位置参数，并返回参数。
7.根据权利要求6所述的靶标识别方法，其特征在于：所述采用预置模板匹配检测算法识别靶标，包括：
S51、根据给定靶标半径创建xld模板；
S52、基于S1、S2得到中值图像，利用xld模板寻找可能存在的圆孔；
S53、对于筛选出的圆孔，比较目标区域与整幅图像之间灰度值的均值和方差；
S54、选定灰度值的均值和方差均小于整幅图像的目标区域作为靶标区域。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110604036.0A CN113222978A (zh) | 2021-05-31 | 2021-05-31 | 一种靶标识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110604036.0A CN113222978A (zh) | 2021-05-31 | 2021-05-31 | 一种靶标识别方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113222978A true CN113222978A (zh) | 2021-08-06 |
Family
ID=77081853
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110604036.0A Pending CN113222978A (zh) | 2021-05-31 | 2021-05-31 | 一种靶标识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113222978A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117830859A (zh) * | 2024-03-05 | 2024-04-05 | 农业农村部南京农业机械化研究所 | 基于图像处理的果树靶标自动识别方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108830838A (zh) * | 2018-05-28 | 2018-11-16 | 江苏大学 | 一种亚像素级的pcb板残缺基准点检测方法 |
| CN108921905A (zh) * | 2018-07-16 | 2018-11-30 | 意力(广州)电子科技有限公司 | 靶标定位方法、装置、计算机设备和可读存储介质 |
| CN109685786A (zh) * | 2018-12-20 | 2019-04-26 | 龙口味美思环保科技有限公司 | 一种禽蛋表面裂纹的无损检测及自动分级方法 |
| CN111080696A (zh) * | 2019-10-25 | 2020-04-28 | 青岛农业大学 | 一种基于计算机视觉的水下海参识别及定位方法 |
| AU2020102039A4 (en) * | 2020-08-28 | 2020-10-08 | Peng, Yue Miss | A high-precision multi-targets visual detection method in automatic driving scene |
| CN112308916A (zh) * | 2020-09-21 | 2021-02-02 | 广东电网有限责任公司广州供电局 | 一种基于图像靶标的目标位姿识别方法 |
-
2021
- 2021-05-31 CN CN202110604036.0A patent/CN113222978A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108830838A (zh) * | 2018-05-28 | 2018-11-16 | 江苏大学 | 一种亚像素级的pcb板残缺基准点检测方法 |
| CN108921905A (zh) * | 2018-07-16 | 2018-11-30 | 意力(广州)电子科技有限公司 | 靶标定位方法、装置、计算机设备和可读存储介质 |
| CN109685786A (zh) * | 2018-12-20 | 2019-04-26 | 龙口味美思环保科技有限公司 | 一种禽蛋表面裂纹的无损检测及自动分级方法 |
| CN111080696A (zh) * | 2019-10-25 | 2020-04-28 | 青岛农业大学 | 一种基于计算机视觉的水下海参识别及定位方法 |
| AU2020102039A4 (en) * | 2020-08-28 | 2020-10-08 | Peng, Yue Miss | A high-precision multi-targets visual detection method in automatic driving scene |
| CN112308916A (zh) * | 2020-09-21 | 2021-02-02 | 广东电网有限责任公司广州供电局 | 一种基于图像靶标的目标位姿识别方法 |
Non-Patent Citations (1)
| Title |
|---|
| 王晓曼;顾玲嘉;任瑞治;: "基于改进模板匹配算法的靶标图像检测", 吉林大学学报(信息科学版), vol. 25, no. 01, pages 25 - 29 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117830859A (zh) * | 2024-03-05 | 2024-04-05 | 农业农村部南京农业机械化研究所 | 基于图像处理的果树靶标自动识别方法及系统 |
| CN117830859B (zh) * | 2024-03-05 | 2024-05-03 | 农业农村部南京农业机械化研究所 | 基于图像处理的果树靶标自动识别方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107808378B (zh) | 基于垂直纵横线轮廓特征的复杂结构铸件潜在缺陷检测方法 | |
| CN109785316B (zh) | 一种芯片表观缺陷检测方法 | |
| CN109816652B (zh) | 一种基于灰度显著性的复杂铸件缺陷识别方法 | |
| KR20090066212A (ko) | 결함 검출 방법 및 결함 검출 장치 | |
| CN111583216A (zh) | Pcba电路板的缺陷检测方法 | |
| CN113295698B (zh) | 一种缺陷检测方法、存储介质和检测系统 | |
| CN113256598B (zh) | 一种用于芯片生产的视觉检测系统 | |
| CN111695373B (zh) | 斑马线的定位方法、系统、介质及设备 | |
| CN112164050B (zh) | 用于流水线上产品表面缺陷的检测方法、设备及存储介质 | |
| CN108918093B (zh) | 一种滤光片镜面缺陷检测方法、装置及终端设备 | |
| CN108596925A (zh) | 基于视觉的太阳花模组表面螺钉孔位置图像处理方法 | |
| CN113222938A (zh) | 芯片缺陷检测方法及系统与计算机可读存储介质 | |
| CN117611590B (zh) | 一种缺陷轮廓复合检测方法、装置、设备及存储介质 | |
| CN114170165A (zh) | 一种芯片表面缺陷检测方法和装置 | |
| CN117152165B (zh) | 感光芯片缺陷的检测方法、装置、存储介质及电子设备 | |
| CN110807763A (zh) | 一种陶瓦表面鼓包检测方法及系统 | |
| CN115829903A (zh) | 一种掩模缺陷检测方法及装置、计算机设备、存储介质 | |
| CN115359047A (zh) | 用于pcb板智能焊接的异常缺陷检测方法 | |
| CN115100104A (zh) | 玻璃油墨区的缺陷检测方法、装置、设备及可读存储介质 | |
| CN108573476A (zh) | 基于视觉的太阳花模组表面螺钉孔位置检测方法 | |
| CN113222978A (zh) | 一种靶标识别方法 | |
| CN114418935A (zh) | 用于手机tp框螺丝孔的检测识别方法及螺丝锁付装置 | |
| CN118037715A (zh) | 用于pcba板的智能焊点分析优化方法及系统 | |
| CN113781413A (zh) | 一种基于Hough梯度法的电解电容定位方法 | |
| CN117911353A (zh) | 一种圆形晶振片表面缺陷检测方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210806 |