CN114022439A - 一种基于形态学图像处理的柔性电路板缺陷检测方法 - Google Patents

Abstract

本发明公开了一种基于形态学图像处理的柔性电路板缺陷检测方法，检测方法包括获取待检测电路板的实物图像并对其进行去噪，再对去噪后的实物图像进行自适应二值化处理，并确定印刷线路的区域；根据印刷线路的区域生成参考图像，再确定参考子区域集合，集合包括多个ImgRef_i；选取其中一个ImgRef_i，并确定Src_i；多印检测的方法包括生成第一标记集合，集合包括多个Region1_i，选择其中一个Region1_i，若腐蚀后的Region1_i尺寸大于预设的尺寸阈值，则Src_i内存在多印缺陷，且缺陷区域为Region1_i；漏印检测的方法包括生成SpotImg2，再根据区域标记确定Src_i内的漏印区域。本发明提供的技术方案大大降低了FPC的形变对缺陷检测的影响，并可以在数据较少的情况下保证检测正确率高，同时检测速度快。

Description

一种基于形态学图像处理的柔性电路板缺陷检测方法

技术领域

本发明涉及柔性电路板缺陷检测领域，特别涉及一种基于形态学图像处理的柔性电路板缺陷检测方法。

背景技术

柔性电路板(Flexible Printed Circuit，FPC)，又称软性电路板、挠性电路板，其以质量轻、厚度薄、可自由弯曲折叠等优良特性而备受青睐，而随着电子产业飞速发展，电路板设计越来越趋于高精度、高密度化。现有的印刷电路板缺陷检测主要分为人工检测、传统视觉检测和基于深度学习的缺陷检测。但国内有关FPC的质量检测还主要依靠人工目测，成本高且效率低。人工检测需要耗费大量的人力、时间，效率低下。

现有技术中使用神经网络来解决上述问题，比如，利用CNN卷积神经网络(Convolutional Neural Network)具有端到端的分类识别能力以及强的泛化能力，通过CNN来解决FPC视觉缺陷检测，然而，新FPC产品在生产的初期产量有一个爬坡式的过程，这就导致短期内只能采集到几百张包含缺陷的FPC图像，致使神经网络训练样本极其不足。而传统检测算法大部分以简单的形态学处理方法计算电路缺陷和拓扑结构，对线路板的图像质量要求非常高，且不能有变形，这对于易变形的柔性材料影响非常大。

发明内容

鉴于以上内容，有必要提供一种基于形态学图像处理的柔性电路板缺陷检测方法，能够极大地避免FPC的形变对检测的影响，同时可以快速且精确地检测FPC的多印和漏印问题，本发明提供的技术方案如下：

本发明提供了一种基于形态学图像处理的柔性电路板缺陷检测方法，用于检测柔性电路板的印刷线路中是否存在多印和漏印缺陷，所述检测方法包括：

S1、获取待检测电路板的实物图像，并对其进行去噪，再对去噪后的实物图像进行自适应二值化处理，并基于二值化后的实物图像确定印刷线路的区域；需要说明的是，在FPC缺陷检测中椒盐噪声对检测的结果影响最大，因此在图像预处理阶段需要对图像进行去噪。通过三维块匹配(BM3D)的方法对整幅图像沿水平和垂直两个方向搜索相似块以去噪，计算速度快，噪声去除效果好；

S2、根据所述印刷线路的区域获取相应的CAD数据，并生成参考图像，再根据预设的第一规则基于所述参考图像确定参考子区域集合E，所述集合E包括多个参考子区域ImgRef_i；

S3、选取其中一个ImgRef_i，并利用SURF(Speeded-Up Robust Features)方法确定所述ImgRef_i在二值化后的实物图像中的位置，得到目标子区域Src_i；基于所述ImgRef_i和Src_i进行多印检测和漏印检测，

所述多印检测的方法包括先对所述ImgRef_i进行腐蚀，得到Erode(ImgRef_i)，再将其与所述Src_i进行差值处理，生成新的图像SpotImg1，再根据区域标记方法对所述SpotImg1处理生成第一标记集合E1，所述集合E1包括多个第一标记子区域Region1_i，选择其中一个Region1_i，并对其进行腐蚀，若腐蚀后的Region1_i尺寸大于预设的尺寸阈值，则所述Src_i内存在多印缺陷，且缺陷区域为所述Region1_i；

所述漏印检测的方法包括对Src_i与ImgRef_i进行差值处理，生成新的图像SpotImg2，再根据区域标记方法对所述SpotImg2进行处理，确定所述Src_i内的漏印区域。

其中，通过SURF方法加入积分图像，通过积分图像建立特征点检测，选用Hessian矩阵检测子来检测特征点，并利用特征点的Haar小波变换来寻找特征点的主方向，最终确定特征点的描述符再通过描述特征向量之间的欧式距离，即相似度量以欧式距离作为准则，完成图像特征点匹配，能够简化计算过程，减少检测特征点的计算量，而且对图像的平移、旋转、缩放等变化具有很好的不变性。

进一步地，所述漏印检测的方法还包括：

先对所述Src_i进行腐蚀，得到Erode(Src_i)，再将所述Src_i与Erode(Src_i)进行差值处理，并以所述ImgRef_i为掩码，生成新的图像SpotImg2，再对所述SpotImg2进行二值化处理，并根据区域标记方法对所述SpotImg2进行处理，确定所述Src_i内的漏印区域。

进一步地，步骤S1中对所述实物图像进行去噪的方法包括：

对所述实物图像进行分离，得到所述实物图像的前景图像和背景图像；

对所述背景图像进行BM3D去噪，并对所述前景图像进行中值滤波；

将去噪后的前景图像和背景图像重新结合，得到去噪后的实物图像；

需要说明的是，对于FPC这类前景与背景易于分离的图像，本发明提出一种基于图像前景与背景分离的三维块匹配(BM3D)去除椒盐噪声算法，。

进一步地，在步骤S1中对所述实物图像进行去噪后包括：

通过霍夫变换对去噪后的实物图像进行倾斜校正。

优选地，所述自适应二值化处理的方法包括大津法。

进一步地，步骤S1中的确定印刷线路的区域的方法包括：

通过霍夫变换对二值化后的实物图像进行直线检测，并判断直线是否能够形成矩形，将满足预设条件的矩形确定为印刷线路的区域。

进一步优选地，所述判断直线是否能够形成矩形的依据包括直线间的夹角，所述夹角的范围为不小于80°且不大于90°。

进一步优选地，所述预设条件包括矩形面积，对形成的矩形的面积进行排序，将面积最大的矩形确定为印刷线路的区域。

进一步地，所述实物图像中的元器件形状包括圆形，所述预设的第一规则包括：

通过霍夫变换对所述参考图像进行圆检测，得到多个圆心，再以每个圆心为中心分别划分出一个矩形，且将每个矩形作为一个参考子区域，从而得到多个参考子区域，并将其确定为参考子区域集合。

进一步优选地，每个参考子区域的宽度通过下式确定：

w＝(W/Cw)+b

式中，w为参考子区域的宽度，W为印刷线路的区域的宽度，Cw为印刷线路中横向排布的圆的个数，b为印刷线路的宽度；

每个参考子区域的高度通过下式确定：

h＝(H/Ch)+b

式中，h为参考子区域的高度，H为印刷线路的区域的高度，Ch为印刷线路中纵向排布的圆的个数，b为印刷线路的宽度。

本发明具有下列优点：基于实物图像获取参考图像，并划分多个子区域进行检测，大大降低了FPC的形变对缺陷检测的影响，同时，可以在数据较少的情况下保证检测正确率高且检测速度快。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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为本发明实施例提供的缺陷检测方法的流程框图；

图2为本发明实施例提供的缺陷检测方法中去噪处理的流程框图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，更清楚地了解本发明的目的、技术方案及其优点，以下结合具体实施例并参照附图对本发明实施例中的技术方案进行清楚、完整地描述。需要说明的是，附图中未绘示或描述的实现方式，为所属技术领域中普通技术人员所知的形式。另外，虽然本文可提供包含特定值的参数的示范，但应了解，参数无需确切等于相应的值，而是可在可接受的误差容限或设计约束内近似于相应的值。显然，所描述的实施例仅仅是本发明一部分的实施例，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做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。除此，本发明的说明书和权利要求书中的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、装置、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

在本发明的一个实施例中，提供了一种基于形态学图像处理的柔性电路板缺陷检测方法，用于检测柔性电路板的印刷线路中是否存在多印和漏印缺陷，如图1所示，所述检测方法具体包括以下步骤：

S1、获取待检测电路板的实物图像，并对其进行去噪，再对去噪后的实物图像进行自适应二值化处理，并基于二值化后的实物图像确定印刷线路的区域。

在本实施例中，通过线阵相机来采集待检测FPC的实物图像，被检测的FPC通常处于匀速运动中，利用一台或多台相机对其逐行连续扫描，可以使测量误差精确到微米。其中，线阵相机各参数之间的计算如公式(1.1)、(1.2)所示：

R_h＝W₀/N_c (1.1)

R_v＝V₀/H_c (1.2)

式(1.1)、(1.2)中，R_h表示线阵相机采集实物图像的横向实际分辨率；W₀表示实际视场宽度，其单位为mm；N_c表示线阵相机横向像元个数；R_v表示线阵相机采集实物图像的纵向实际分辨率；V₀表示扫描的运动速度，其单位为mm/s；H_c表示线阵相机的行频，其单位为Hz。通常线阵相机像元长宽比例为1：1，为了还原被拍摄物体的真实比例，在本实施中，令横向和纵向的实际分辨率相等，因此，有下式(1.3)、(1.4)、(1.5)：

R_h＝R_v (1.3)

W₀/N_c＝V₀/H_c (1.4)

W₀/V₀＝N_c/H_c (1.5)

式(1.3)、(1.4)、(1.5)中各项参数同式(1.1)、(1.2)，此处不再赘述。

如图2所示，对所述实物图像进行去噪的方法包括：

首先，对所述实物图像进行分离，得到所述实物图像的前景图像和背景图像。

其次，对所述背景图像进行BM3D去噪，并对所述前景图像进行中值滤波；其中，将背景图像与前景图像分离，可以大大提升基础估计中相似块的搜索速度，对所述背景图像进行BM3D去噪的过程具体包括两个阶段，每一阶段又分为：

a.分组：在图像中寻找相似块，使用硬阈值定义相似性，进而堆叠成不同的三维矩阵，寻找相似块这一过程可以用下式表示：

G(P)＝{d(P,Q)≤r^step

式中，d(P,Q)为两个块之间的欧氏距离；

b.协同滤波：对每一个相似分组块Q(P)做3D线性变换，最后再逆变换得到基本估计块；这一过程可以同下式表示：

上式中，T_3Dhard为3D线性变换，

为3D逆线性变换，γ为硬阈值(被检测数据所不能逾越的阀值)操作，Q′(P)表示重构估计后的得到的基本估计块，其中，组估计的权重为：

式中，

为一个阈值，对3D变换后的相似分组块Q(P)进行一次硬阈值的控制，将不符合条件的3D转换值直接变为0，该阈值

与噪声有关，在本实施例中，将

设置为8。

c.聚合：最后将叠放后的图块除以每个点的权重就得到基础估计的图像，权重取决于置0的个数和噪声强度。

在本实施例中，对所述背景图像进行BM3D去噪的过程包括：

第一阶段：获得背景图像的基本估计，以去除背景图像中绝大部分的噪声，如图2所示，具体过程包括块匹配分组、协同滤波(3D变换、系数收缩、逆3D变换)、聚合；

第二阶段：将第一阶段的基本估计作为第二阶段协同滤波的先验模型，从而获得背景图像的最终估计，以进一步提高去噪性能，如图2所示，具体过程包括分组、协同滤波、聚合。

在本实施例中，对所述前景图像进行中值滤波的过程包括：对于每一像素点取其邻域中值替代该像素点原值，使得脱离邻域的像素点被拉回到邻域附近，图像细节及噪声都被平滑，去除椒盐噪声的效果显著。

最后，基于前景图像的去噪结果和背景图像的去噪结果，将去噪后的前景图像和背景图像重新结合，得到去噪后的实物图像。

在本发明的一个实施例中，还通过霍夫变换对去噪后的实物图像进行倾斜校正，具体过程包括：利用图像所在的空间和霍夫空间之间的变换，将图像所在的直角坐标系中具有形状的曲线或直线映射到霍夫空间的一个点上以形成峰值，从而将检测任意形状的问题转化成了计算峰值的问题。

在本实施例中，通过大津法对去噪后的实物图像进行自适应二值化处理，具体过程包括假设图像像素能够根据某一阈值被分成背景和前景两部分，再确定一个最佳阈值，使得实物图像像素能够根据该阈值被分为两类，且两类像素的区分度最大，现举例具体说明：

图像的大小为M×N，图像中像素的灰度值小于阈值T的像素个数记作N0，像素灰度大于阈值T的像素个数记作N1，则有：

ω0＝N0/M×N

ω1＝N1/M×N

μ0+μ1＝M×N

ω0+ω1＝1

μ＝ω0*μ0+ω1*μ1

g＝ω0(μ0-μ)^2+ω1(μ1-μ)^2

根据上式解得：g＝ω0ω1(μ0-μ1)^2

其中，ω0为前景的像素点数占整幅图像的比，其平均灰度μ0；ω1为背景像素点数占整幅图像的比例，其平均灰度为μ1；μ为图像的总平均灰度，g为类间方差，在本实施例中，采用遍历的方法得到使类间方差g最大的阈值T，所述T即为所求最佳阈值。

在本实施例中，所述确定印刷线路的区域的方法包括：通过霍夫变换对二值化后的实物图像进行直线检测，并判断检测出的直线是否能够形成矩形，具体判断依据包括直线间的夹角，所述夹角的范围为不小于80°且不大于90°，然后对判断为能够形成的矩形进行面积大小的偏序，将面积最大的矩形确定为印刷线路的区域即印刷电路在实物图像中的范围。

S2、根据所述印刷线路的区域获取相应的CAD数据，并生成参考图像，再根据预设的第一规则基于所述参考图像确定参考子区域集合E，所述集合E包括多个参考子区域ImgRef_i。

所述生成参考图像的过程具体包括导入印刷线路的CAD数据，然后根据印刷线路的区域确定有关的矢量元素个数(即下文所述的Cw、Ch)，再依照图像像素与CAD数据的比值K值生成对应的参考图像ImgRef。

在本发明的一个实施例中，待检测的FPC中的元器件形状一般为圆形，则以圆的圆心K点作为拓扑中心，再以若干个K点为中心划分出若干矩形区域，所述若干矩形区域即形成参考子区域集合E。具体地，所述第一规则包括：通过霍夫变换对所述ImgRef进行圆检测，得到多个圆心，再以每个圆心为中心分别划分出一个矩形，且将每个矩形作为一个参考子区域，从而得到多个参考子区域，并将其确定为参考子区域集合E，其中，每个参考子区域的宽度通过下式确定：

w＝(W/Cw)+b

式中，w为参考子区域的宽度，W为印刷线路的区域的宽度，Cw为印刷线路中横向排布的圆的个数，b为印刷线路的宽度；

每个参考子区域的高度通过下式确定：

h＝(H/Ch)+b

式中，h为参考子区域的高度，H为印刷线路的区域的高度，Ch为印刷线路中纵向排布的圆的个数，b为印刷线路的宽度。

需要说明的是，通过上述第一规则划分出的参考子区域会有重叠部分，这可以更好地防止出现漏检的情况，同时，通过上述第一规则划分出的每个参考子区域的面积相对较小，可以更好地防止因FPC材料形变对缺陷检测造成不利影响。另外，对于参考子区域的划分方法除了上文所述的以K点为中心自适应分割，检测人员也可以根据实际情况自行选定参考子区域，不以此限定本发明的保护范围。

S3、选取其中一个ImgRef_i，并利用SURF方法确定所述ImgRef_i在二值化后的实物图像中的位置，得到目标子区域Src_i；基于所述ImgRef_i和Src_i进行多印检测和漏印检测。

需要说明的是，除了利用SURF方法确定所述ImgRef_i在二值化后的实物图像中的位置，还可以通过SSIM方法来衡量ImgRef_i与二值化后的实物图像的相似度，具体过程如下：

式中，μ_X、μ_Y分别表示图像X和Y的均值，σ_X、σ_Y分别表示图像X和Y的标准差，σ_X ²、σ_Y ²分别表示图像X和Y的方差，σ_Xσ_Y代表图像X和Y协方差，C1、C2和C3为常数以避免分母为0而维持稳定，在本实施例中，取C1＝(K1*L)2，C2＝(K2*L)2，C3＝C2/2，K1＝0.01，K2＝0.03，L＝255，从而得到相似度指数：

SSIM(X,Y)＝L(X,Y)*C(X,Y)*S(X,Y)

某一个ImgRef_i和二值化后的实物图像进行相似度计算，得到SSIM(X,Y)的值，计算最佳的配准初始位置matchLoc，再依据ImgRef_i的尺寸，确定比较的范围是Rect1(matchLoc，ImgRef_i.Size)。需要注意的是，由于PFC材料整体变形较小，该范围可以在图像上下左右的10-20个像素以内进行搜索，以确定目标子区域Src_i。

所述多印检测的方法包括先对所述ImgRef_i进行腐蚀，得到Erode(ImgRef_i)，再将其与所述Src_i进行差值处理，生成新的图像SpotImg1，再根据区域标记方法对所述SpotImg1处理生成第一标记集合E1，所述集合E1包括多个第一标记子区域Region1_i，选择其中一个Region1_i，并对其进行腐蚀，若腐蚀后的Region1_i尺寸大于预设的尺寸阈值，则所述Src_i内存在多印缺陷，且缺陷区域为所述Region1_i。其中，区域标记方法用于寻找连通区域，比如背景是黑色的，通过区域标记可以确定连通的白色区域。

具体地，在本发明的一个实施例中，背景白色，印刷线路为黑色，待检测的目标子区域为Src_i，与其对应的参考子区域为ImgRef_i。首先，对ImgRef_i进行腐蚀操作，即Erode(ImgRef_i)，腐蚀1或2个像素，然后与目标子区域Src_i进行差值操作，生成新的图像SpotImg1，即SpotImg1＝Erode(ImgRef_i)-Src_i，再进行区域标记处理，在本实施例中，对于差值大于0的区域进行标记，生成第一标记集合E1，然后，对于其中任意区域Region_i，先进行腐蚀1或2个像素，然后测量其尺寸，若大于指定的缺陷尺寸，比如，Region_i的面积大于预设的面积阈值20，即Area(Region_i)>areaTh，或者，Region_i的尺寸大于5，即时Size(Region_i)>sizeTh，则判断Region_i为多印缺陷。

在PFC印刷过程中，受限于工艺，且由于印刷浆料的扩散，每次印刷线路的宽度都有细微的变化，为此，本发明提供了针对较为细小或较大的漏印断线等缺陷的漏印检测的方法，具体见下文详述。

对于较大的漏印断线，具体漏印检测方法包括：

对Src_i与ImgRef_i进行差值处理，生成新的图像SpotImg2，即SpotImg2＝Src_i-ImgRef_i，再根据区域标记方法对所述SpotImg2进行处理，确定所述Src_i内的漏印区域。

对于较为细小的漏印断线，具体漏印检测方法包括：

先对所述Src_i进行腐蚀，得到Erode(Src_i)，再将所述Src_i与Erode(Src_i)进行差值处理，并以所述ImgRef_i为掩码，生成新的图像SpotImg2，即如下式所示：

SpotImg2＝(Src_i-Erode(Src_i))*Mask(ImgRef_i)

式中，Mask()为一个MASK图像，只提取感兴趣区域。然后对所述SpotImg2进行二值化处理，并根据区域标记方法对所述SpotImg2进行处理，相同的部分不检测，不同的部分就做标记，以确定所述Src_i内的漏印区域。

以上所述仅为本发明的优选实施例，并非因此限制其专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种基于形态学图像处理的柔性电路板缺陷检测方法，其特征在于，用于检测柔性电路板的印刷线路中是否存在多印和漏印缺陷，所述检测方法包括：

S1、获取待检测电路板的实物图像，并对其进行去噪，再对去噪后的实物图像进行自适应二值化处理，并基于二值化后的实物图像确定印刷线路的区域；

S2、根据所述印刷线路的区域获取相应的CAD数据，并生成参考图像，再根据预设的第一规则基于所述参考图像确定参考子区域集合E，所述集合E包括多个参考子区域ImgRef_i；

S3、选取其中一个ImgRef_i，并利用SURF方法确定所述ImgRef_i在二值化后的实物图像中的位置，得到目标子区域Src_i；基于所述ImgRef_i和Src_i进行多印检测和漏印检测，

所述多印检测的方法包括先对所述ImgRef_i进行腐蚀，得到Erode(ImgRef_i)，再将其与所述Src_i进行差值处理，生成新的图像SpotImg1，再根据区域标记方法对所述SpotImg1处理生成第一标记集合E1，所述集合E1包括多个第一标记子区域Region1_i，选择其中一个Region1_i，并对其进行腐蚀，若腐蚀后的Region1_i尺寸大于预设的尺寸阈值，则所述Src_i内存在多印缺陷，且缺陷区域为所述Region1_i；

所述漏印检测的方法包括对Src_i与ImgRef_i进行差值处理，生成新的图像SpotImg2，再根据区域标记方法对所述SpotImg2进行处理，确定所述Src_i内的漏印区域。

2.如权利要求1所述的柔性电路板缺陷检测方法，其特征在于，所述漏印检测的方法还包括：

先对所述Src_i进行腐蚀，得到Erode(Src_i)，再将所述Src_i与Erode(Src_i)进行差值处理，并以所述ImgRef_i为掩码，生成新的图像SpotImg2，再对所述SpotImg2进行二值化处理，并根据区域标记方法对所述SpotImg2进行处理，确定所述Src_i内的漏印区域。

3.如权利要求1所述的柔性电路板缺陷检测方法，其特征在于，步骤S1中对所述实物图像进行去噪的方法包括：

对所述实物图像进行分离，得到所述实物图像的前景图像和背景图像；

对所述背景图像进行BM3D去噪，并对所述前景图像进行中值滤波；

将去噪后的前景图像和背景图像重新结合，得到去噪后的实物图像。

4.如权利要求1所述的柔性电路板缺陷检测方法，其特征在于，在步骤S1中对所述实物图像进行去噪后包括：

通过霍夫变换对去噪后的实物图像进行倾斜校正。

5.如权利要求1所述的柔性电路板缺陷检测方法，其特征在于，所述自适应二值化处理的方法包括大津法。

6.如权利要求1所述的柔性电路板缺陷检测方法，其特征在于，步骤S1中的确定印刷线路的区域的方法包括：

通过霍夫变换对二值化后的实物图像进行直线检测，并判断直线是否能够形成矩形，将满足预设条件的矩形确定为印刷线路的区域。

7.如权利要求6所述的柔性电路板缺陷检测方法，其特征在于，所述判断直线是否能够形成矩形的依据包括直线间的夹角，所述夹角的范围为不小于80°且不大于90°。

8.如权利要求6所述的柔性电路板缺陷检测方法，其特征在于，所述预设条件包括矩形面积，对形成的矩形的面积进行排序，将面积最大的矩形确定为印刷线路的区域。

9.如权利要求1所述的柔性电路板缺陷检测方法，其特征在于，所述实物图像中的元器件形状包括圆形，所述预设的第一规则包括：

通过霍夫变换对所述参考图像进行圆检测，得到多个圆心，再以每个圆心为中心分别划分出一个矩形，且将每个矩形作为一个参考子区域，从而得到多个参考子区域，并将其确定为参考子区域集合。

10.如权利要求9所述的柔性电路板缺陷检测方法，其特征在于，每个参考子区域的宽度通过下式确定：

w＝(W/Cw)+b

式中，w为参考子区域的宽度，W为印刷线路的区域的宽度，Cw为印刷线路中横向排布的圆的个数，b为印刷线路的宽度；

每个参考子区域的高度通过下式确定：

h＝(H/Ch)+b

式中，h为参考子区域的高度，H为印刷线路的区域的高度，Ch为印刷线路中纵向排布的圆的个数，b为印刷线路的宽度。

Images