CN115272134B - 一种基于pcb干扰反光识别的pcb图像去反光方法 - Google Patents

Abstract

本发明涉及数据识别技术领域，具体涉及一种基于PCB干扰反光识别的PCB图像去反光方法。该方法是一种应用电子设备进行识别的方法，利用人工智能系统完成对PCB去反光识别。该方法首先采用相关的电子设备进行图像识别，以获取PCB图像和对应的反光区域；通过对反光区域进行数据处理得到干扰反光处理区域；将PCB图像和对应的干扰反光处理区域输入PCB图像去反光网络输出去反光后的PCB图像。本发明将PCB图片和干扰反光处理区域输入PCB图像去反光网络中进行去反光操作，实现了仅对干扰反光处理区域内的反光进行处理，提高去反光的精确度的目的。

Description

一种基于PCB干扰反光识别的PCB图像去反光方法

技术领域

本发明涉及数据识别技术领域，具体涉及一种基于PCB干扰反光识别的PCB图像去反光方法。

背景技术

印制线路板（printed circuit board, PCB），简称印制板，是电子工业的重要部件之一。几乎每种电子设备，小到电子手表、计算器，大到计算机、通信电子设备、军用武器系统，只要有集成电路等电子元件，为了使各个元件之间的电气互连，都要使用印制板，印制线路板由绝缘底板、连接导线和装配焊接电子元件的焊盘组成，具有导电线路和绝缘底板的双重作用。它可以代替复杂的布线，实现电路中各元件之间的电气连接，不仅简化了电子产品的装配、焊接工作，减少传统方式下的接线工作量，大大减轻工人的劳动强度；而且缩小了整机体积，降低产品成本，提高电子设备的质量和可靠性。PCB的质量决定了电子设备是否能够正常运转，故PCB质量检测显得尤为重要，常通过对PCB的图像进行处理和分析进而判断PCB是否存在缺陷。但在采集到的PCB的图像中往往会出现反光区域，会影响对PCB的图像进行缺陷检测的准确性。

目前，常见的对PCB进行去反光的方法为直接通过神经网络对输入的PCB图像进行去反光操作，但是由于PCB材料特性出现的干扰反光会影响到对后续缺陷的识别，且会导致去反光的精确度较低。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种基于PCB干扰反光识别的PCB图像去反光方法，所采用的技术方案具体如下：

获取PCB图像；预处理所述PCB图像得到对应的HSI图像；获取所述HSI图像中的反光区域；

根据所述反光区域内的像素点的灰度差异和亮度差异划分出三级区域；对于任意所述三级区域，筛选出最外圈的像素点与标准圆进行拟合，得到拟合优度；根据所述拟合优度和所述三级区域的数量计算焊点特征反光值；当所述焊点特征反光值大于预设反光阈值时，将对应的三级区域所在的反光区域作为定位区域；

获取每个所述反光区域的中心点和对应的邻近中心点，根据中心点和对应的邻近中心点的距离计算网格点指数；大于等于预设指数阈值的所述网格点指数对应的中心点和邻近中心点作为相邻网格点，将所有所述相邻网格点对应的反光区域作为一个整体，得到网格状反光纹路区；获取所述网格状反光纹路区对应的凸包作为干扰反光区域；

基于干扰反光区域的宽度从所述干扰反光区域中筛选出待选区域；将所述待选区域内的干扰反光区域和反光区域作为备选干扰反光处理区域；筛除所述备选干扰反光处理区域中的所述定位区域，得到干扰反光处理区域；

将所述PCB图像和对应的所述干扰反光处理区域输入PCB图像去反光网络，输出去反光后的PCB图像。

优选的，所述获取所述HSI图像中的反光区域，包括：

对所述HSI图像中各像素点对应的亮度值进行分割，得到最优亮度阈值，将亮度值大于所述最优亮度阈值的像素点作为反光像素点；由相邻的所述反光像素点构建备选反光区域，由所述备选反光区域最外圈的所述反光像素点构建凸包，所述反光像素点构建的凸包对应的区域作为所述HSI图像中的反光区域。

优选的，所述根据所述反光区域内的像素点的灰度差异和亮度差异划分出三级区域，包括：

对所述HSI图像中各像素点对应的亮度值进行分割，得到最优亮度阈值；获取每个反光区域对应的灰度直方图；当所述灰度直方图中对应的灰度值极差大于预设极差阈值时，选取对应的灰度直方图中的各峰值划分区域，得到多个二级区域；选取最大灰度值对应的像素点的亮度值小于所述最优亮度阈值的二级区域作为三级区域。

优选的，所述根据所述拟合优度和所述三级区域的数量计算焊点特征反光值，包括：

每个反光区域对应多个三级区域；保留所述拟合优度在预设拟合范围内的三级区域，保留后的三级区域的拟合优度的和为拟合优度之和；

以自然常数为底数，以所述拟合优度之和为指数的指数函数和所述三级区域的数量的乘积为所述焊点特征反光值。

优选的，所述获取每个所述反光区域的中心点和对应的邻近中心点，包括：

选取任意反光区域的中心点作为目标中心点，获取所述目标中心点到其他反光区域的中心点的欧式距离，将所述欧式距离从小到大进行排序得到距离序列，将距离序列中前k个欧式距离元素对应的中心点作为目标中心点的邻近中心点。

优选的，所述根据中心点和对应的邻近中心点的距离计算网格点指数，包括：

每个所述中心点对应八个邻近中心点；

根据与中心点之间的距离从小到大对邻近中心点进行排序，距离最近的邻近中心点作为第一邻近中心点，距离最远的中心点作为第八邻近中心点；

计算第一邻近中心点和第二邻近中心点的差值的绝对值作为第一绝对值；所述第一绝对值和所述第二邻近中心点至中心点的距离的比值作为行比例指数；计算第三邻近中心点和第四邻近中心点的差值的绝对值作为第二绝对值；所述第二绝对值和所述第四邻近中心点至中心点的距离的比值作为列比例指数；

计算第五邻近中心点和第六邻近中心点的差值的绝对值作为第三绝对值；计算第五邻近中心点和第七邻近中心点的差值的绝对值作为第四绝对值；计算第五邻近中心点和第八邻近中心点的差值的绝对值作为第五绝对值；计算第六邻近中心点和第七邻近中心点的差值的绝对值作为第六绝对值；计算第六邻近中心点和第八邻近中心点的差值的绝对值作为第七绝对值；计算第七邻近中心点和第八邻近中心点的差值的绝对值作为第八绝对值；获取所述第三绝对值、所述第四绝对值、所述第五绝对值、所述第六绝对值、所述第七绝对值和所述第八绝对值中的最大值作为最大绝对值，所述最大绝对值和所述第八邻近中心点至中心点的距离的比值作为斜比例指数；

当所述行比例指数大于等于预设第一阈值时，对应的米字行指数为0；反之，对应的米字行指数为1；

当所述列比例指数大于等于预设第一阈值时，对应的米字列指数为0；反之，对应的米字列指数为1；

当所述斜比例指数大于等于预设第一阈值时，对应的米字斜指数为0；反之，对应的米字斜指数为1；

所述网格点指数为所述米字行指数、所述米字列指数和所述米字斜指数之和。

优选的，所述基于干扰反光区域的宽度从所述干扰反光区域中筛选出待选区域，包括：

所述干扰反光区域内的除所述网格状反光纹路区外的区域作为备选高亮反光中心区域，将所述备选高亮反光中心区域中的反光区域作为高亮反光中心区域；

获取高亮反光中心区域的反光中心点，获取高亮反光中心区域中像素点与所述反光中心点的最大距离；以所述反光中心点为圆点，以所述最大距离为初始半径做圆，自适应迭代增大圆的半径，得到最佳半径和对应的最佳圆；

获取所述干扰反光区域中反光区域内除所述最佳圆外的像素点作为第一像素点，拟合多个所述第一像素点得到第一拟合直线；过所述反光中心点，做所述第一拟合直线的垂线，所述垂线交于所述干扰反光区域，得到两个交点，连接所述两个交点得到宽度线段；

分别过两个交点，做所述宽度线段的垂线得到两条初始垂线，两条所述初始垂线之间的范围作为待选区域。

本发明实施例至少具有如下有益效果：

该方法首先获取PCB图像和对应的反光区域，对反光区域进行数据处理得到对应的干扰反光处理区域；将PCB图像和对应的干扰反光处理区域输入PCB图像去反光网络输出去反光后的PCB图像。首先根据需要保留的反光区域内部的斑点以及干扰反光区域的网格环绕特征，将图像中的干扰反光处理区域识别出来，使去反光过程不受保留的反光区域的影响。将PCB图片和干扰反光处理区域输入PCB图像去反光网络中进行去反光操作，实现了仅对干扰反光处理区域内的反光进行处理的目的，提高了去反光的精确度。

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和优点，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的介绍，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它附图。

图1为本发明一个实施例所提供的一种基于PCB干扰反光识别的PCB图像去反光方法的方法流程图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种基于PCB干扰反光识别的PCB图像去反光方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

本发明实施例提供了一种基于PCB干扰反光识别的PCB图像去反光方法的具体实施方法，该方法适用于PCB图像去反光场景。该场景下将PCB传输到固定的待检测位置，使用相机采集PCB图像，该相机的光轴垂直于待检测位置的水平面，且使得PCB完全呈现在相机采集到的PCB图像中，没有缺失部位。为了解决PCB材料特性出现的干扰反光会影响到对后续缺陷的识别，且会导致去反光的精确度较低的问题。本发明通过对需要保留的反光区域内部的斑点以及干扰反光区域的网格环绕特征进行分析，将图像中的干扰反光处理区域识别出来，使去反光过程不受保留的反光区域的影响。将PCB图片和干扰反光处理区域输入PCB图像去反光网络中进行去反光操作，实现了仅对干扰反光处理区域内的反光进行处理的目的，提高了去反光的精确度。

下面结合附图具体的说明本发明所提供的一种基于PCB干扰反光识别的PCB图像去反光方法的具体方案。

请参阅图1，其示出了本发明一个实施例提供的一种基于PCB干扰反光识别的PCB图像去反光方法的步骤流程图，该方法包括以下步骤：

步骤S100，获取PCB图像；预处理PCB图像得到对应的HSI图像；获取HSI图像中的反光区域。

将待检测的PCB置于传送带上，通过传送带传送至固定的待检测位置。使用CMOS相机在待检测位置获取PCB图像。需要说明的是PCB图像为RGB图像。PCB上细节信息丰富，为降低噪声的干扰，使用中值滤波对图像降噪，将降噪后的PCB图像转换到HSI颜色空间，得到对应的HSI图像。

为了清晰获取PCB的细节，在获取PCB的图像时，需要对PCB进行打光，由于PCB的材料特性设置反光点和焊点。需要说明的是，PCB一般使用自动将元件安装在电路板上的置件机组装，置件机定位反光点后，根据反光点的具体位置调整内部元件的位置，故需要设置至少两个不可逆的反光点和焊点。将反光点作为定位点，定位点在后续对PCB进行缺陷识别时可以帮助定位各元件和缺陷的具体位置，焊点位置的反光可以帮助识别焊点处的缺陷，由于PCB材料特性出现的干扰反光会影响到对缺陷的识别，故可以仅对PCB图像的反光区域中的干扰反光处理区域进行去反光操作。

获取反光区域后，从反光区域中找到焊点和定位点作为定位区域，该定位区域即去反光时需要避开的区域。进一步的，在反光区域内找到干扰反光的干扰反光区域，作为去反光时需要处理的较为重点的部分，且在需要重点处理的干扰反光区域中排除出需要避开的区域。

首先，获取HSI图像中的反光区域。利用大津法对HSI图像中各像素点对应的亮度值进行分割，得到最优亮度阈值。将亮度值大于最优亮度阈值的像素点作为反光像素点。由相邻的反光像素点构建备选反光区域，由备选反光区域最外圈的反光像素点构建凸包，凸包对应的区域作为HSI图像中的反光区域，具体的：将互相在彼此的八邻域范围内的两个反光像素点记为相邻反光像素点对，将相邻的相邻反光像素点对记为一个区域，每个区域作为一个备选反光区域。

为了避免噪音的干扰，减少不必要的计算，对备选反光区域中像素点数量少于预设数量阈值的备选反光区域进行筛除，保留备选反光区域中像素点数量大于等于预设数量阈值的备选反光区域；由于焊点和PCB表面并不平滑，所以反光区域并不完全是亮度较高的区域，这些不同的不平滑的特征可以作为分辨的依据将不同类别的反光部分区分开来，所以应将这些没筛选出的亮度较低的像素点也包含进反光的范围内。对于每个备选反光区域，根据备选反光区域最外圈的反光像素点构建凸包，将凸包内所有像素点组成一个整体，凸包所对应的区域作为一个反光区域。在本发明实施例中预设数量阈值的取值为10，在其他实施例中实施者可根据实际情况调整该取值。

步骤S200，根据反光区域内的像素点的灰度差异和亮度差异划分出三级区域；对于任意三级区域，筛选出最外圈的像素点与标准圆进行拟合，得到拟合优度；根据拟合优度和三级区域的数量计算焊点特征反光值；当焊点特征反光值大于预设反光阈值时，将对应的三级区域所在的反光区域作为定位区域。

在得到反光区域之后，从反光区域中寻找焊点和定位点位置。将PCB图像转换为灰度图像，根据HSI图像中每个反光区域的位置在灰度图像中划分出反光区域。对HSI图像中各像素点对应的亮度值进行分割，得到最优亮度阈值。对于灰度图中的每个反光区域，获取每个反光区域对应的灰度直方图，当灰度直方图中对应的灰度值极差大于预设极差阈值时，选取对应的灰度直方图中的各峰值划分区域，得到多个二级区域，记灰度直方图中的峰值为

，

。在本发明实施例中预设极差阈值的取值为30，在其他实施例中实施者可根据实际情况调整该取值。

其中，选取对应的灰度直方图中的各峰值划分区域，得到多个二级区域，具体的：峰值左边的同一灰度级对应的相邻的像素点划分为一个二级区域，峰值右边的同一灰度级对应的相邻的像素点划分为一个二级区域，进而得到多个二级区域。需要说明的是，由于灰度直方图中峰值较多，为了减少计算量，进一步的对相邻峰值的灰度级差作出限制，具体的：根据灰度直方图中相邻的峰值对应的灰度级的差值的绝对值大于预设峰值差值阈值，当灰度级的差值的绝对值小于等于预设峰值差值阈值时，忽略两个峰值中距离下一个峰值较近的峰值。在本发明实施例中预设峰值差值阈值为20，在其他实施例中实施者可根据实际情况调整该取值。例如，峰值1对应的灰度级为80，峰值2对应的灰度级为75，峰值3对应的灰度级为50，峰值4对应的灰度级为20，则由于峰值1和峰值2之间的灰度级的差值的绝对值为5，小于预设峰值差值阈值，故将峰值2忽略，以峰值1、峰值3和峰值4三个峰值进行二级区域划分。

进一步的，选取最大灰度值对应的像素点的亮度值小于最优亮度阈值的二级区域作为三级区域。对于任意三级区域，筛选出最外圈的像素点与标准圆进行拟合，得到拟合优度。

其中，划分三级区域是因为所有反光区域内，只有焊点和定位点对应的反光区域内会出现呈圆环或者圆点且分布较暗的部分。干扰反光部分对应的反光区域较为均匀，出现的较暗部分为导线通路造成的纹理，呈现直线分布。为识别和表征出现的较暗部分和纹理的区别，故进一步的将反光区域进行划分，并将划分后的区域作为三级区域。所以三级区域内进入与标准圆进行拟合操作的区域为较暗部分，也即三级区域为较暗部分。进一步的，与标准圆进行拟合即检测较暗部分是否呈圆环或者圆点分布。

根据拟合优度和三级区域的数量计算焊点特征反光值，具体的：每个反光区域对应多个三级区域；保留拟合优度在预设拟合范围内的三级区域，保留后的三级区域的拟合优度的和为拟合优度之和；以自然常数为底数，以拟合优度之和为指数的指数函数和三级区域的数量的乘积为焊点特征反光值。在本发明实施例中预设拟合范围为（0.7,0.96），在其他实施例中可根据实际情况调整该范围。对拟合优度通过预设拟合范围进行限定，其中，对拟合优度的下限限制是为了筛选出较暗部分呈圆环或圆点分布的三级区域；对拟合优度的上限限制是为了防止筛选出实为呈直线分布的区域，但由于区域内像素点数量过少而造成的拟合度过高的情况。

该焊点特征反光值

的计算公式为：

其中，

为三级区域的数量；

为拟合优度之和；

为自然常数。

当焊点特征反光值大于预设反光阈值时，将对应的三级区域所在的反光区域作为定位区域。在本发明实施例中预设反光阈值的取值为4，在其他实施例中可根据实际情况调整该取值。

步骤S300，获取每个反光区域的中心点和对应的邻近中心点，根据中心点和对应的邻近中心点的距离计算网格点指数；大于等于预设指数阈值的网格点指数对应的中心点和邻近中心点作为相邻网格点，将所有相邻网格点对应的反光区域作为一个整体，得到网格状反光纹路区；获取网格状反光纹路区对应的凸包作为干扰反光区域。

由于PCB的表面材料特性，当光线照射PCB时会出现突出的明显反光区域，反光中心与其余材料反光中心相同，为较均匀的高亮度白色圆或椭圆状，将突出的明显的反光区域称为高亮反光中心区域。在PCB表面的高亮反光中心区域四周，会出现明显的网格状反光纹路。网格状反光纹路中网格呈矩形分布，网格的横纵交界点呈点状，不同点间并不连通。以网格状反光纹路中每个点为中心，其对应的上下左右四个方向的点与中心最为相近，但因网格为矩形，只能保证相对于其中心对称的两点间距离基本相同，这四个点与其距离无法保证基本相同。而对于网格状反光纹路的中心，网格对角线方向的四个距离最近的点距离基本相同。以此为依据判断图像上各反光区域是否对应该网格状反光纹路。具体的：

获取PCB图像中每个反光区域的中心点和对应的邻近中心点。具体的：选取任意一个反光区域的中心点作为目标中心点，获取目标中心点到其他反光区域的中心点的欧式距离，将欧式距离从小到大进行排序得到距离序列，将距离序列中前k个欧式距离元素对应的中心点作为目标中心点的邻近中心点。在本发明实施例中ｋ的取值为８，在其他实施例中实施者可根据实际情况调整该取值。即每个中心点对应八个邻近中心点。

根据中心点和对应的邻近中心点的距离计算网格点指数。具体的：根据与中心点之间的距离从小到大对邻近中心点进行排序，距离最近的邻近中心点作为第一邻近中心点，距离第二近的邻近中心点作为第二邻近中心点，距离第三近的邻近中心点作为第三邻近中心点，距离第四近的邻近中心点作为第四邻近中心点，距离第五近的邻近中心点作为第五邻近中心点，距离第六近的邻近中心点作为第六邻近中心点，距离第七近的邻近中心点作为第七邻近中心点，距离最远的中心点作为第八邻近中心点。

计算第一邻近中心点和第二邻近中心点的差值的绝对值作为第一绝对值；第一绝对值和第二邻近中心点至中心点的距离的比值作为行比例指数；计算第三邻近中心点和第四邻近中心点的差值的绝对值作为第二绝对值；第二绝对值和第四邻近中心点至中心点的距离的比值作为列比例指数。

计算第五邻近中心点和第六邻近中心点的差值的绝对值作为第三绝对值；计算第五邻近中心点和第七邻近中心点的差值的绝对值作为第四绝对值；计算第五邻近中心点和第八邻近中心点的差值的绝对值作为第五绝对值；计算第六邻近中心点和第七邻近中心点的差值的绝对值作为第六绝对值；计算第六邻近中心点和第八邻近中心点的差值的绝对值作为第七绝对值；计算第七邻近中心点和第八邻近中心点的差值的绝对值作为第八绝对值；获取第三绝对值、第四绝对值、第五绝对值、第六绝对值、第七绝对值和第八绝对值中的最大值作为最大绝对值，最大绝对值和第八邻近中心点至中心点的距离的比值作为斜比例指数。

当中心点与其对应的最近的8个邻近中心点所呈现的对称的距离越接近，得到的方格对称的行比例指数、列比例指数、斜比例指数越小。

当行比例指数大于等于预设第一阈值时，对应的米字行指数为0；反之，当行比例指数小于预设第一阈值时，对应的米字行指数为1；当列比例指数大于等于预设第一阈值时，对应的米字列指数为0；反之，当列比例指数小于预设第一阈值时，对应的米字列指数为1；当斜比例指数大于等于预设第一阈值时，对应的米字斜指数为0；反之，当斜比例指数小于预设第一阈值时，对应的米字斜指数为1。在本发明实施例中预设第一阈值的取值为0.06，实施者可根据实际情况调整该取值。

网格点指数为米字行指数、米字列指数和米字斜指数之和。

大于预设指数阈值的网格点指数对应的中心点和邻近中心点作为相邻网格点，将所有相邻网格点对应的反光区域作为一个整体，得到网格状反光纹路区。即当网格点指数大于等于预设指数阈值时，认定对应的中心点及其对应的邻近中心点为网格点，这9个点之间称为互为相邻网格点。在本发明实施例中预设指数阈值的取值为2，实施者可根据实际情况调整该取值。

获取网格状反光纹路区对应的凸包作为干扰反光区域。也即取网格状反光纹路区内最外层像素点对应的凸包，将凸包范围内像素点作为一个整体区域，称为干扰反光区域。其中，干扰反光区域中包括高亮反光中心区域。

步骤S400，基于干扰反光区域的宽度从干扰反光区域中筛选出待选区域；将待选区域内的干扰反光区域和反光区域作为备选干扰反光处理区域；筛除备选干扰反光处理区域中的定位区域，得到干扰反光处理区域。

根据干扰反光区域和网格状反光纹路区的位置范围差异，确定高亮反光中心区域，具体的：干扰反光区域内的除网格状反光纹路区外的区域作为备选高亮反光中心区域。将备选高亮反光中心区域中的反光区域作为高亮反光中心区域。

获取高亮反光中心区域的反光中心点，获取高亮反光中心区域中像素点与该反光中心点的最大距离。

由于干扰反光区域呈纺锤状分布在PCB图像中，中心为高亮反光中心区域，以高亮反光中心区域为中心会出现中心对称的向两边拉长的范围逐渐减小的光带，进而确定这两条光带的方向。具体的：

以反光中心点为圆点，以最大距离为初始半径做圆，进一步的，自适应迭代增大圆的半径，进而得到最佳半径和对应的最佳圆。

自适应半径

的计算公式为：

其中，

为圆通过的网格状反光纹路区中反光区域的数量；

为圆通过的网格状反光纹路区中第

个第反光区域中欧式距离最远的两个像素点之间的欧式距离。

由于网格状反光纹路区由很多网格点对应的反光区域组成，各反光区域呈现的圆形点状的范围大小不一，距离反光中心点越近，圆形点状范围越大，当圆逐步扩大时，由于圆形点状范围逐渐减少，半径增加值也应逐步减小。迭代增大圆的半径，直到圆将干扰反光区域中大部分遮挡，仅剩余两个部分，这两个部分内的所有像素点所在范围对应圆弧的圆心角均在预设角度阈值内时，停止对圆的半径的迭代，获取迭代停止时的圆的半径为最佳半径，最佳半径对应圆为最佳圆。在本发明实施例中预设角度阈值的取值为30°，在其他实施例中实施者可根据实际情况调整该取值。

获取干扰反光区域中反光区域内除最佳圆外的像素点作为第一像素点，拟合多个第一像素点得到第一拟合直线。将第一拟合直线的方向作为干扰反光区域对应的两个尾部方向。过反光中心点，做第一拟合直线的垂线，该第一拟合直线的垂线交于干扰反光区域，也即垂线的斜率垂直于拟合得到的第一拟合直线的斜率，交于干扰反光区域，得到两个交点，并连接这两个交点得到宽度线段

，这两个交点分别为

。

分别过两个交点

，分别做宽度线段的垂线，得到两条初始垂线，两条初始垂线之间的范围作为待选区域，将待选区域内的干扰反光区域和反光区域作为备选干扰反光处理区域；筛除备选干扰反光处理区域中的定位区域，得到干扰反光处理区域。也即以宽度线段

作为宽度，过

两点分别做垂直于宽度线段

的垂线，作为初始垂线；将两条初始垂线内的范围作为待选区域，待选区域内的干扰反光区域和反光区域作为一个整体，记为备选干扰反光处理区域。在该备选干扰反光处理区域内除去步骤S200得到的定位区域，得到干扰反光处理区域。

对备选干扰反光处理区域进行选取的过程中，将待选区域内的反光区域包括进备选干扰反光处理区域中，也即为了将纺锤状的干扰反光区域两个尾部方向延伸出现的干扰光影包括进备选干扰反光处理区域，根据尾部方向划定了较大的区域作为待选区域，但这一较大的区域可能会将定位点和焊点这些需要保留的定位区域包含进去，故需要将待选区域内的认为是焊点或者定位点的定位区域进行重新剔除。

步骤S500，将PCB图像和对应的干扰反光处理区域输入PCB图像去反光网络，输出去反光后的PCB图像。

将得到的干扰反光处理区域作为去反光区域的位置，使用对抗网络对PCB图像中干扰反光处理区域进行去反光。网络输入为需要去反光的PCB图像和干扰反光处理区域的标记，网络的输出为去反光后的PCB图像。

也即将PCB图像和对应的干扰反光处理区域输入PCB图像去除网络，输出去反光后的PCB图像。其中，该PCB图像去除网络即为训练好的能够对PCB图像进行去反光操作的对抗网络。

综上所述，本发明实施例涉及数据识别技术领域。该方法首先获取PCB图像和对应的HSI图像；获取HSI图像中的反光区域；根据反光区域内的像素点的灰度差异和亮度差异划分出三级区域；对于任意三级区域，筛选出最外圈的像素点与标准圆进行拟合，得到拟合优度；根据拟合优度和三级区域的数量计算焊点特征反光值；当焊点特征反光值大于预设反光阈值时，将对应的三级区域所在的反光区域作为定位区域；获取每个反光区域的中心点和对应的邻近中心点，根据中心点和对应的邻近中心点的距离计算网格点指数；大于等于预设指数阈值的网格点指数对应的中心点和邻近中心点作为相邻网格点，将所有相邻网格点对应的反光区域作为得到网格状反光纹路区；获取网格状反光纹路区对应的凸包作为干扰反光区域；从干扰反光区域中筛选出待选区域；将待选区域内的干扰反光区域和反光区域作为备选干扰反光处理区域；筛除备选干扰反光处理区域中的定位区域，得到干扰反光处理区域；将PCB图像和对应的干扰反光处理区域输入PCB图像去反光网络输出去反光后的PCB图像。本发明根据需要保留的反光区域内部的斑点以及干扰反光区域的网格环绕特征，将图像中的干扰反光处理区域识别出来，使去反光过程不受保留的反光区域的影响。将PCB图片和干扰反光处理区域输入PCB图像去反光网络中进行去反光操作，实现仅对干扰反光处理区域内的反光进行处理，提高去反光的精确度的目的。

需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种基于PCB干扰反光识别的PCB图像去反光方法，其特征在于，该方法包括以下步骤：

获取PCB图像；预处理所述PCB图像得到对应的HSI图像；获取所述HSI图像中的反光区域；

对所述HSI图像中各像素点对应的亮度值进行分割，得到最优亮度阈值；获取每个反光区域对应的灰度直方图；当所述灰度直方图中对应的灰度值极差大于预设极差阈值时，选取对应的灰度直方图中的各峰值划分区域，得到多个二级区域；选取最大灰度值对应的像素点的亮度值小于所述最优亮度阈值的二级区域作为三级区域；

对于任意所述三级区域，筛选出最外圈的像素点与标准圆进行拟合，得到拟合优度；根据所述拟合优度和所述三级区域的数量计算焊点特征反光值；当所述焊点特征反光值大于预设反光阈值时，将对应的三级区域所在的反光区域作为定位区域；

获取每个所述反光区域的中心点和对应的邻近中心点，根据中心点和对应的邻近中心点的距离计算网格点指数；大于等于预设指数阈值的所述网格点指数对应的中心点和邻近中心点作为相邻网格点，将所有所述相邻网格点对应的反光区域作为一个整体，得到网格状反光纹路区；获取所述网格状反光纹路区对应的凸包作为干扰反光区域；

基于干扰反光区域的宽度从所述干扰反光区域中筛选出待选区域；将所述待选区域内的干扰反光区域和反光区域作为备选干扰反光处理区域；筛除所述备选干扰反光处理区域中的所述定位区域，得到干扰反光处理区域；

将所述PCB图像和对应的所述干扰反光处理区域输入PCB图像去反光网络，输出去反光后的PCB图像。

2.根据权利要求1所述的一种基于PCB干扰反光识别的PCB图像去反光方法，其特征在于，所述获取所述HSI图像中的反光区域，包括：

对所述HSI图像中各像素点对应的亮度值进行分割，得到最优亮度阈值，将亮度值大于所述最优亮度阈值的像素点作为反光像素点；由相邻的所述反光像素点构建备选反光区域，由所述备选反光区域最外圈的所述反光像素点构建凸包，所述反光像素点构建的凸包对应的区域作为所述HSI图像中的反光区域。

3.根据权利要求1所述的一种基于PCB干扰反光识别的PCB图像去反光方法，其特征在于，所述根据所述拟合优度和所述三级区域的数量计算焊点特征反光值，包括：

每个反光区域对应多个三级区域；保留所述拟合优度在预设拟合范围内的三级区域，保留后的三级区域的拟合优度的和为拟合优度之和；

以自然常数为底数，以所述拟合优度之和为指数的指数函数和所述三级区域的数量的乘积为所述焊点特征反光值。

4.根据权利要求1所述的一种基于PCB干扰反光识别的PCB图像去反光方法，其特征在于，所述获取每个所述反光区域的中心点和对应的邻近中心点，包括：

选取任意反光区域的中心点作为目标中心点，获取所述目标中心点到其他反光区域的中心点的欧式距离，将所述欧式距离从小到大进行排序得到距离序列，将距离序列中前k个欧式距离元素对应的中心点作为目标中心点的邻近中心点。

5.根据权利要求1所述的一种基于PCB干扰反光识别的PCB图像去反光方法，其特征在于，所述根据中心点和对应的邻近中心点的距离计算网格点指数，包括：

每个所述中心点对应八个邻近中心点；

根据与中心点之间的距离从小到大对邻近中心点进行排序，距离最近的邻近中心点作为第一邻近中心点，距离最远的中心点作为第八邻近中心点；

计算第一邻近中心点和第二邻近中心点的差值的绝对值作为第一绝对值；所述第一绝对值和所述第二邻近中心点至中心点的距离的比值作为行比例指数；计算第三邻近中心点和第四邻近中心点的差值的绝对值作为第二绝对值；所述第二绝对值和所述第四邻近中心点至中心点的距离的比值作为列比例指数；

计算第五邻近中心点和第六邻近中心点的差值的绝对值作为第三绝对值；计算第五邻近中心点和第七邻近中心点的差值的绝对值作为第四绝对值；计算第五邻近中心点和第八邻近中心点的差值的绝对值作为第五绝对值；计算第六邻近中心点和第七邻近中心点的差值的绝对值作为第六绝对值；计算第六邻近中心点和第八邻近中心点的差值的绝对值作为第七绝对值；计算第七邻近中心点和第八邻近中心点的差值的绝对值作为第八绝对值；获取所述第三绝对值、所述第四绝对值、所述第五绝对值、所述第六绝对值、所述第七绝对值和所述第八绝对值中的最大值作为最大绝对值，所述最大绝对值和所述第八邻近中心点至中心点的距离的比值作为斜比例指数；

当所述行比例指数大于等于预设第一阈值时，对应的米字行指数为0；反之，对应的米字行指数为1；

当所述列比例指数大于等于预设第一阈值时，对应的米字列指数为0；反之，对应的米字列指数为1；

当所述斜比例指数大于等于预设第一阈值时，对应的米字斜指数为0；反之，对应的米字斜指数为1；

所述网格点指数为所述米字行指数、所述米字列指数和所述米字斜指数之和。

6.根据权利要求1所述的一种基于PCB干扰反光识别的PCB图像去反光方法，其特征在于，所述基于干扰反光区域的宽度从所述干扰反光区域中筛选出待选区域，包括：

所述干扰反光区域内的除所述网格状反光纹路区外的区域作为备选高亮反光中心区域，将所述备选高亮反光中心区域中的反光区域作为高亮反光中心区域；

获取高亮反光中心区域的反光中心点，获取高亮反光中心区域中像素点与所述反光中心点的最大距离；以所述反光中心点为圆点，以所述最大距离为初始半径做圆，自适应迭代增大圆的半径，得到最佳半径和对应的最佳圆；

获取所述干扰反光区域中反光区域内除所述最佳圆外的像素点作为第一像素点，拟合多个所述第一像素点得到第一拟合直线；过所述反光中心点，做所述第一拟合直线的垂线，所述垂线交于所述干扰反光区域，得到两个交点，连接所述两个交点得到宽度线段；

分别过两个交点，做所述宽度线段的垂线得到两条初始垂线，两条所述初始垂线之间的范围作为待选区域。

Images