CN115496927B - 基于归一化的印刷电路板影像与模板图的匹配方法及系统 - Google Patents
基于归一化的印刷电路板影像与模板图的匹配方法及系统 Download PDFInfo
- Publication number
- CN115496927B CN115496927B CN202211137449.3A CN202211137449A CN115496927B CN 115496927 B CN115496927 B CN 115496927B CN 202211137449 A CN202211137449 A CN 202211137449A CN 115496927 B CN115496927 B CN 115496927B
- Authority
- CN
- China
- Prior art keywords
- matrix
- matching
- image
- matching result
- template
- 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
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000010606 normalization Methods 0.000 title claims abstract description 11
- 239000011159 matrix material Substances 0.000 claims abstract description 148
- 238000003708 edge detection Methods 0.000 claims abstract description 19
- 230000008859 change Effects 0.000 claims abstract description 7
- 238000001914 filtration Methods 0.000 claims abstract description 7
- 230000008569 process Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000012795 verification Methods 0.000 claims description 6
- 230000010339 dilation Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000007599 discharging Methods 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- 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
-
- 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]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
基于归一化的印刷电路板影像与模板图的匹配方法,包括如下方法:步骤S1:获取PCB影像图,并对所述PCB影像图进行边缘补0操作,使修改后的PCB影像图变为正方形,获取得到修改后PCB影像图的矩阵P;对模板图进行裁剪,得到尺寸为(k,k)的方形图,并获取方形图的矩阵C;步骤S2:通过中值滤波对矩阵P进行去噪,得到矩阵p0;步骤S3:使用矩阵C与矩阵p0进行匹配操作,得到匹配结果X1;步骤S4:采用Canny算子分别对矩阵p0和矩阵C进行边缘检测,分别得到检测后的矩阵p0′和矩阵C′。本发明综合模板匹配的匹配结果X1和基于边缘匹配的匹配结果X2,得到匹配结果X,从两个维度共同判断出PCB影像图与模板图之间的匹配度,大大提高了匹配的精准度。
Description
技术领域
本发明涉及PCB检修技术领域,特别是基于归一化的印刷电路板影像与模板图的匹配方法及系统。
背景技术
印制电路板(PCB)正在不断向轻薄化及高密化方向发展,对PCB的产量和质量要求也越来越高,为提高产品质量,使用前需对PCB板缺陷进行检测。自动上下料检修机通过集成自动上料装置、检修机和自动下料装置实现了线路板的自动上料、检测和自动下料,节省了人工上下料的劳动力,在PCB线路板等行业中得到了广泛应用。
但是在PCB检修过程中,由于检修机的机械误差,无法将镜头拍摄到的影像很好地与模板图进行对位,这样导致了拍摄的会影像严重影响基于深度学习的假点排除研究。所以目前亟待需要开发一种新型的PCB图像匹配算法,以实现对于PCB影像与模板图的像素级位置匹配。
发明内容
针对上述缺陷,本发明的目的在于提出于归一化的印刷电路板影像与模板图的匹配方法,提高模板图与PCB影像图的匹配精准度以及效率。
为达此目的,本发明采用以下技术方案:基于归一化的印刷电路板影像与模板图的匹配方法,包括如下方法:
步骤S1:获取PCB影像图,并对所述PCB影像图进行边缘补0操作,使修改后的PCB影像图变为正方形,获取得到修改后PCB影像图的矩阵P;
对模板图进行裁剪,得到尺寸为(k,k)的方形图,并获取方形图的矩阵C;
步骤S2:通过中值滤波对矩阵P进行去噪,得到矩阵p0;
步骤S3:使用矩阵C与矩阵p0进行匹配操作,得到匹配结果X1;
步骤S4:采用Canny算子分别对矩阵p0和矩阵C进行边缘检测,分别得到检测后的矩阵p0′和矩阵C′;
并对矩阵p0′进行图像膨胀操作,得到矩阵p1′;
步骤S5:使用矩阵C′与矩阵p1′进行匹配操作,得到匹配结果X2;
步骤S6:对匹配结果X1和匹配结果X2进行加权处理,得到新的匹配结果X,获取匹配结果X中的最大值(x0,y0),将矩阵P中(x0,y0)到(x0+k,y0+k)作为后续PCB影像图与模板图的匹配度匹配区域。
优选的,获取匹配结果X中的最大值(x0,y0)前还包括以下步骤:
构建匹配结果X的判断指标,并通过所述判断指标判断所述匹配结果X是否为最佳匹配结果,若是最佳匹配结果,则继续执行获取匹配结果X中的最大值的步骤;
其中所述判断指标如下所示:
((Max(X1)×Max(X2))>0.12)∧((Max(X)×Max(X2)>0.5);
当满足判断指标时,所述匹配结果X为最佳匹配结果;
若否,则表示匹配结果X非最佳匹配结果,或所述模板图并非所述PCB影像图所对应的模板图。
优选的,在步骤S1中边缘补0操作的具体过程如下:
设置高度补0值a以及宽度补0值b;
构建一个尺寸为(h+2*a,w+2*b)的正方形新图像,其中h为PCB影像图的高,w为PCB影像图的宽;
将新图像中坐标为(a,b)到(a+h,b+w)的区域替换为PCB影像图;
再对新图像取第三个颜色通道,得到矩阵P。
优选的,所述步骤S3中的匹配操作具体如下:
其中x,y分别表示矩阵p0中的横坐标与纵坐标,x′,y′分别表示矩阵C中的横坐标与纵坐标。
优选的,步骤S4中对矩阵p0′进行图像膨胀操作的具体公式如下:
其中x,y分别表示矩阵p0中的横坐标与纵坐标,B为卷积核矩阵。
优选的,所述步骤S5中的匹配操作具体如下:
其中x″′,y″′分别表示矩阵p1′中的横坐标与纵坐标,x″,y″分别表示矩阵C′中的横坐标与纵坐标。
优选的,步骤S6中加权处理的加权公式具体如下:
X=(X1+0.8)×(1+X2×0.5)。
优选的,在步骤S1中对模板图进行裁剪的区域为模板图的中心区域。
基于归一化的印刷电路板影像与模板图的匹配系统,使用所述基于归一化的印刷电路板影像与模板图的匹配方法,包括图像处理模块、去噪模块、第一匹配模块、边缘检测模块、第二匹配模块以及最终结果匹配模块;
所述图像处理模块用于获取PCB影像图,并对所述PCB影像图进行边缘补0操作,使修改后的PCB影像图变为正方形,获取得到修改后PCB影像图的矩阵P;
对模板图进行裁剪,得到尺寸为(k,k)的方形图,并获取方形图的矩阵C;
所述去噪模块用于通过中值滤波对矩阵P进行去噪,得到矩阵p0;
所述第一匹配模块用于使用矩阵C与矩阵p0进行匹配操作,得到匹配结果X1;
所述边缘检测模块用于采用Canny算子分别对矩阵p0和矩阵C进行边缘检测,分别得到检测后的矩阵p0′和矩阵C′;
并对矩阵p0′进行图像膨胀操作,得到矩阵p1′;
所述第二匹配模块用于使用矩阵C′与矩阵p1′进行匹配操作,得到匹配结果X2;
所述最终结果匹配模块用于对匹配结果X1和匹配结果X2进行加权处理,得到新的匹配结果X,获取匹配结果X中的最大值(x0,y0),将矩阵P中(x0,y0)到(x0+k,y0+k)作为后续PCB影像图与模板图的匹配度匹配区域。
优选的,所述最终结果匹配模块还包括验证子模块,所述验证子模块用于构建匹配结果X的判断指标,并通过所述判断指标判断所述匹配结果X是否为最佳匹配结果。
上述技术方案中的一个技术方案具有如下优点或有益效果:1.本发明综合模板匹配的匹配结果X1和基于边缘匹配的匹配结果X2,得到匹配结果X,从两个维度共同判断出PCB影像图与模板图之间的匹配度,大大提高了匹配的精准度。避免在PCB影像图对位失败时,单一维度的匹配结果不精准。
2.本发明还选出后续用于匹配的匹配区域,加快匹配的效率。
附图说明
图1是本发明的方法的流程图。
图2是本发明的系统的一个实施例的结构示意图。
图3是本发明的一个实施例的边缘补0的示意图。
图4是本发明的一个实施例的Canny算子边缘检测示意图。
图5是本发明的一个实施例的图像膨胀示意图。
图6是本发明的一个实施例的归一化相关系数匹配示意图。
具体实施方式
下面详细描述本发明的实施方式,实施方式的示例在附图中示出,其中,相同或类似的标号自始至终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方式是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
在本发明的实施方式的描述中,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一个或者更多个所述特征。在本发明的实施方式的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
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一个或者更多个该特征。在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
如图1~6所示,基于归一化的印刷电路板影像与模板图的匹配方法,包括如下方法:
步骤S1:获取PCB影像图,并对所述PCB影像图进行边缘补0操作,使修改后的PCB影像图变为正方形,获取得到修改后PCB影像图的矩阵P;
对模板图进行裁剪,得到尺寸为(k,k)的方形图,并获取方形图的矩阵C;
步骤S2:通过中值滤波对矩阵P进行去噪,得到矩阵p0;
步骤S3:使用矩阵C与矩阵p0进行匹配操作,得到匹配结果X1;
步骤S4:采用Canny算子分别对矩阵p0和矩阵C进行边缘检测,分别得到检测后的矩阵p0′和矩阵C′;
并对矩阵p0′进行图像膨胀操作,得到矩阵p1′;
步骤S5:使用矩阵C′与矩阵p1′进行匹配操作,得到匹配结果X2;
步骤S6:对匹配结果X1和匹配结果X2进行加权处理,得到新的匹配结果X,获取匹配结果X中的最大值(x0,y0),将矩阵P中(x0,y0)到(x0+k,y0+k)作为后续PCB影像图与模板图的匹配度匹配区域。
由于检修机在设置时的误差,会导致其在拍摄PCB时,无法拍全PCB的全部。在进行模板图匹配时,就容易导致出错,误识别该PCB为非正常的PCB从而对该PCB进行标记或者检修处理。
为此,在本发明中,目前的方法只会对PCB影像图中的某一个区域进行识别匹配(例如:PCB影像图中中心的一个矩形区域,该区域的大小为PCB的大小)。所以当出现有拍摄不全的PCB影像图时,PCB偏移的地方就无法被模板图所匹配。所以在本发明中首先会对其边缘进行补0操作,如图3所示,在该操作下,所述PCB影像图被扩充。使得所述PCB影像图中超出识别区域的部分可以重新落入到与模板图识别匹配的区域中。增加两者识别的区域,提高识别的精准度。同时,本发明中还对模板图进行裁剪,由于PCB影像图的部分无法被拍摄或者已经不再识别区域内,若直接使用完整的模板图进行匹配的话,还是会影响识别的结果,以及使用完整的模板图会导致运行资源的浪费。故对所述模板图进行裁剪,其中在一个实施例中所述模板图被裁剪后的尺寸为512*512的方形图。随后对矩阵P进行去噪,提高检测的精准度。随后对两者进行匹配,得到匹配结果X1,在本次匹配中,是直接使用模板图所对应的矩阵C与以及PCB影像图所对应的矩阵p0进行匹配。其匹配结果X1可以视为PCB影像图与所述模板图之间的匹配度。但是由于在匹配结果X1中仅仅只是采用PCB图像的一部分以及模板题的一部分进行匹配。故匹配的结果可能会出现偏差。所以在本发明中还通过Canny算子分别对矩阵p0和矩阵C进行边缘检测,分别获取边缘检测后的矩阵p0′和矩阵C′,如图4所示,而边缘检测能够标识数字图像中亮度变化明显的点。图像属性中的显著变化通常反映了属性的重要事件和变化。所以通过边缘检测后的矩阵p0′和矩阵C′在进行匹配,能够进一步的使用图像中的亮度变化明显的点进行匹配,从另一个维度判断两者之间的匹配度。最后在综合两个不同维度的匹配结果,得到匹配结果X。在通常情况下,矩阵X中最大值所在的位置就是最佳匹配的位置。当X中的最大像素值为X(x0,y0)时。矩阵P中坐标(x0,y0)到(x0+k,y0+k)内部矩阵被认为与矩阵C最为相似。这样就实现了影像与模板图的模板匹配。在后续的匹配中,PCB影像图可以以(x0,y0)到(x0+k,y0+k)内部矩阵的这个区域作为与模板图的匹配度匹配区域。可以进一步提高匹配的精准度以及效率。
在本发明计算模板图与PCB影像图的匹配度时,并非使用单一维度来进行计算,由于PCB图像不全,若只是单一考虑一个维度的话,计算结果不能完全代表实际的匹配结果。而本发明是是通过边缘匹配的计算以及模板匹配的计算,最后加权得到最终的匹配结果X,在匹配结果X中找到最大像素值的点,因为匹配结果是通过两个匹配结果X1与X2加权得出,其在加权时像素最大的点就是表示PCB影像图与模板图最相似的地方。所以在PCB图像该最大像素值的点上分割出(x0,y0)到(x0+k,y0+k)内部矩阵,以该内部矩阵作为后续匹配度匹配区域是非常容易判断出所述PCB影像图与模板图之间是否匹配。
优选的,获取匹配结果X中的最大值(x0,y0)前还包括以下步骤:
构建匹配结果X的判断指标,并通过所述判断指标判断所述匹配结果X是否为最佳匹配结果,若是最佳匹配结果,则继续执行获取匹配结果X中的最大值的步骤;
其中所述判断指标如下所示:
((Max(X1)×Max(X2))>0.12)∧((Max(X)×Max(X2)>0.5);
当满足判断指标时,所述匹配结果X为最佳匹配结果;
若否,则表示匹配结果X非最佳匹配结果,或所述模板图并非所述PCB影像图所对应的模板图。
由于对于模板图的裁剪的区域是随机的,而PCB影像图在被偏移拍摄时也是随机的发生的,故无法确定PCB影像图的偏移区域。所以在执行步骤S1~步骤S6中所得到的匹配结果X1、匹配结果X2以及匹配结果X无法得知是否为最优的。故在本发明中,还设置有匹配结果X的判断指标,通过所述判断指标判断所述匹配结果是否满足匹配识别的需求。当满足所述判断指标时,说明当前的匹配结果X能够有效的匹配PCB影像图与模板图。当不满足时,此时匹配结果X非最佳匹配结果,造成这种结果有两种情况,第一种情况就是,所述模板图进行裁剪的区域刚好与PCB影像图拍摄丢失的部分重合。第二中情况就是所述模板图并非所述PCB影像图所对应的模板图。所以当遇到匹配结果X非最佳匹配结果时,优先在有限次的次数下重新裁剪所述模板图,得到新的矩阵C,再重新投入至步骤S2至步骤S6中,若在有限次的次数下,得到的匹配结果X还是不满足判断指标,此时则更换所述模板图。
优选的,在步骤S1中边缘补0操作的具体过程如下:
设置高度补0值a以及宽度补0值b;
构建一个尺寸为(h+2*a,w+2*b)的正方形新图像,其中h为PCB影像图的高,w为PCB影像图的宽;
将新图像中坐标为(a,b)到(a+h,b+w)的区域替换为PCB影像图;
再对新图像取第三个颜色通道,得到矩阵P。
优选的,所述步骤S3中的匹配操作具体如下:
其中x,y分别表示矩阵p0中的横坐标与纵坐标,x′,y′分别表示矩阵C中的横坐标与纵坐标。
如图6所示,通过上述公式可以计算出C和p0之间的匹配结果矩阵X1,X1的长和宽均为h+2×a-k+1,X1中的像素值X1(x,y)表示在矩阵p0中坐标(x,y)到(x+k,y+k)内部矩阵与矩阵C的相关度,像素值越大,相关度越高。
优选的,步骤S4中对矩阵p0′进行图像膨胀操作的具体公式如下:
其中x,y分别表示矩阵p0中的横坐标与纵坐标,B为卷积核矩阵。
由于在经过Canny算子的边缘检测后,会提取出图像中亮度变化明显的点,但是进行模板匹配获取匹配结果X2中可能因为边缘所在位置不同导致匹配结果较差,故需要对矩阵p0′进行图像碰撞,得到p1。
优选的,所述步骤S5中的匹配操作具体如下:
其中x″′,y″′分别表示矩阵p1′中的横坐标与纵坐标,x″,y″分别表示矩阵C′中的横坐标与纵坐标。
优选的,步骤S6中加权处理的加权公式具体如下:
X=(X1+0.8)×(1+X2×0.5)。
如图5所示,优选的,在步骤S1中对模板图进行裁剪的区域为模板图的中心区域。
因为在PCB影像图,在被拍摄时,大多数情况都是边缘没有给摄像所拍摄而导致缺失,所以在所述模板图的裁剪中,优先裁剪出模板图中心区域,避免裁剪后的矩阵C与PCB影像图缺失部分重合浪费计算资源。
基于归一化的印刷电路板影像与模板图的匹配系统,使用所述基于归一化的印刷电路板影像与模板图的匹配方法,包括图像处理模块、去噪模块、第一匹配模块、边缘检测模块、第二匹配模块以及最终结果匹配模块;
所述图像处理模块用于获取PCB影像图,并对所述PCB影像图进行边缘补0操作,使修改后的PCB影像图变为正方形,获取得到修改后PCB影像图的矩阵P;
对模板图进行裁剪,得到尺寸为(k,k)的方形图,并获取方形图的矩阵C;
所述去噪模块用于通过中值滤波对矩阵P进行去噪,得到矩阵p0;
所述第一匹配模块用于使用矩阵C与矩阵p0进行匹配操作,得到匹配结果X1;
所述边缘检测模块用于采用Canny算子分别对矩阵p0和矩阵C进行边缘检测,分别得到检测后的矩阵p0′和矩阵C′;
并对矩阵p0′进行图像膨胀操作,得到矩阵p1′;
所述第二匹配模块用于使用矩阵C′与矩阵p1′进行匹配操作,得到匹配结果X2;
所述最终结果匹配模块用于对匹配结果X1和匹配结果X2进行加权处理,得到新的匹配结果X,获取匹配结果X中的最大值(x0,y0),将矩阵P中(x0,y0)到(x0+k,y0+k)作为后续PCB影像图与模板图的匹配度匹配区域。
优选的,所述最终结果匹配模块还包括验证子模块,所述验证子模块用于构建匹配结果X的判断指标,并通过所述判断指标判断所述匹配结果X是否为最佳匹配结果。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例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例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本发明的实施方式,可以理解的是,上述实施方式是示例性的,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实施进行变化、修改、替换和变型。
Claims (10)
1.基于归一化的印刷电路板影像与模板图的匹配方法,其特征在于,包括如下方法:
步骤S1:获取PCB影像图,并对所述PCB影像图进行边缘补0操作,使修改后的PCB影像图变为正方形,获取得到修改后PCB影像图的矩阵P;
对模板图进行裁剪,得到尺寸为(k,k)的方形图,并获取方形图的矩阵C;
步骤S2:通过中值滤波对矩阵P进行去噪,得到矩阵p0;
步骤S3:使用矩阵C与矩阵p0进行匹配操作,得到匹配结果X1;
步骤S4:采用Canny算子分别对矩阵p0和矩阵C进行边缘检测,分别得到检测后的矩阵p0′和矩阵C′;
并对矩阵p0′进行图像膨胀操作,得到矩阵p1′;
步骤S5:使用矩阵C′与矩阵p1′进行匹配操作,得到匹配结果X2;
步骤S6:对匹配结果X1和匹配结果X2进行加权处理,得到新的匹配结果X,获取匹配结果X中的最大值(x0,y0),将矩阵P中(x0,y0)到(x0+k,y0+k)作为后续PCB影像图与模板图的匹配度匹配区域。
2.根据权利要求1所述的基于归一化的印刷电路板影像与模板图的匹配方法,其特征在于,获取匹配结果X中的最大值(x0,y0)前还包括以下步骤:
构建匹配结果X的判断指标,并通过所述判断指标判断所述匹配结果X是否为最佳匹配结果,若是最佳匹配结果,则继续执行获取匹配结果X中的最大值的步骤;
其中所述判断指标如下所示:
((Max(X1)×Max(X2))>0.12)∧((Max(X)×Max(X2)>0.5);
当满足判断指标时,所述匹配结果X为最佳匹配结果;
若否,则表示匹配结果X非最佳匹配结果,或所述模板图并非所述PCB影像图所对应的模板图。
3.根据权利要求1所述的基于归一化的印刷电路板影像与模板图的匹配方法,其特征在于,在步骤S1中边缘补0操作的具体过程如下:
设置高度补0值a以及宽度补0值b;
构建一个尺寸为(h+2*a,w+2*b)的正方形新图像,其中h为PCB影像图的高,w为PCB影像图的宽;
将新图像中坐标为(a,b)到(a+h,b+w)的区域替换为PCB影像图;
再对新图像取第三个颜色通道,得到矩阵P。
7.根据权利要求1所述的基于归一化的印刷电路板影像与模板图的匹配方法,其特征在于,步骤S6中加权处理的加权公式具体如下:
X=(X1+0.8)×(1+X2×0.5)。
8.根据权利要求1所述的基于归一化的印刷电路板影像与模板图的匹配方法,其特征在于,在步骤S1中对模板图进行裁剪的区域为模板图的中心区域。
9.基于归一化的印刷电路板影像与模板图的匹配系统,使用权利要求1~8任一项所述基于归一化的印刷电路板影像与模板图的匹配方法,其特征在于:
包括图像处理模块、去噪模块、第一匹配模块、边缘检测模块、第二匹配模块以及最终结果匹配模块;
所述图像处理模块用于获取PCB影像图,并对所述PCB影像图进行边缘补0操作,使修改后的PCB影像图变为正方形,获取得到修改后PCB影像图的矩阵P;
对模板图进行裁剪,得到尺寸为(k,k)的方形图,并获取方形图的矩阵C;
所述去噪模块用于通过中值滤波对矩阵P进行去噪,得到矩阵p0;
所述第一匹配模块用于使用矩阵C与矩阵p0进行匹配操作,得到匹配结果X1;
所述边缘检测模块用于采用Canny算子分别对矩阵p0和矩阵C进行边缘检测,分别得到检测后的矩阵p0′和矩阵C′;
并对矩阵p0′进行图像膨胀操作,得到矩阵p1′;
所述第二匹配模块用于使用矩阵C′与矩阵p1′进行匹配操作,得到匹配结果X2;
所述最终结果匹配模块用于对匹配结果X1和匹配结果X2进行加权处理,得到新的匹配结果X,获取匹配结果X中的最大值(x0,y0),将矩阵P中(x0,y0)到(x0+k,y0+k)作为后续PCB影像图与模板图的匹配度匹配区域。
10.根据权利要求9所述的基于归一化的印刷电路板影像与模板图的匹配系统,其特征在于,所述最终结果匹配模块还包括验证子模块,所述验证子模块用于构建匹配结果X的判断指标,并通过所述判断指标判断所述匹配结果X是否为最佳匹配结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211137449.3A CN115496927B (zh) | 2022-09-19 | 2022-09-19 | 基于归一化的印刷电路板影像与模板图的匹配方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211137449.3A CN115496927B (zh) | 2022-09-19 | 2022-09-19 | 基于归一化的印刷电路板影像与模板图的匹配方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115496927A CN115496927A (zh) | 2022-12-20 |
CN115496927B true CN115496927B (zh) | 2023-04-07 |
Family
ID=84469942
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211137449.3A Active CN115496927B (zh) | 2022-09-19 | 2022-09-19 | 基于归一化的印刷电路板影像与模板图的匹配方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115496927B (zh) |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8019164B2 (en) * | 2007-01-29 | 2011-09-13 | Hitachi High-Technologies Corporation | Apparatus, method and program product for matching with a template |
US8200021B2 (en) * | 2009-06-16 | 2012-06-12 | Nec Corporation | Image signature matching device |
CN108492327B (zh) * | 2018-02-07 | 2021-01-26 | 广州视源电子科技股份有限公司 | Aoi图像匹配方法、系统、可读存储介质及智能设备 |
-
2022
- 2022-09-19 CN CN202211137449.3A patent/CN115496927B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115496927A (zh) | 2022-12-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112750116B (zh) | 一种缺陷检测方法、装置、计算机设备及存储介质 | |
CN105510348A (zh) | 一种印制电路板的缺陷检测方法、装置及检测设备 | |
US20020168097A1 (en) | System and method for recognizing markers on printed circuit boards | |
WO2017071406A1 (zh) | 金针类元件的引脚检测方法和系统 | |
US20080062266A1 (en) | Image test board | |
KR20110040965A (ko) | 외관 검사 장치 | |
CN115330757B (zh) | 一种电路板焊点缺陷检测方法及系统 | |
CN108709500B (zh) | 一种电路板元件定位匹配方法 | |
CN111210764A (zh) | 一种led屏校正方法及校正装置 | |
CN115775246A (zh) | 一种pcb元器件缺陷检测的方法 | |
CN115359047A (zh) | 用于pcb板智能焊接的异常缺陷检测方法 | |
CN110992313A (zh) | 一种基于机器视觉的摄像头图像中心检测及中心调整方法 | |
WO2017181722A1 (zh) | 元件漏检方法和系统 | |
CN115496927B (zh) | 基于归一化的印刷电路板影像与模板图的匹配方法及系统 | |
CN105389818B (zh) | 元件的定位方法和系统 | |
CN116993654B (zh) | 摄像头模组缺陷检测方法、装置、设备、存储介质及产品 | |
CN109819242B (zh) | 一种flare测试方法、系统及可读存储介质 | |
US7551765B2 (en) | Electronic component detection system | |
KR101383827B1 (ko) | 인쇄회로기판의 솔더링 영역 자동검출 시스템 및 방법 | |
JP2005250786A (ja) | 画像認識方法 | |
CN113034424A (zh) | 模型训练方法与电子装置 | |
CN117470872B (zh) | 分板品质检测方法、装置、分板机及电路板生产线 | |
CN117372511B (zh) | 光伏组串定位方法、装置、系统及电子设备 | |
CN116193732B (zh) | Pcb板的定位识别方法、定位识别系统及加工系统 | |
CN117994258B (zh) | 基于计算机视觉的pcb板质量检测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |