CN116071272A - 一种图像校正方法、装置、电子设备及其存储介质 - Google Patents

Abstract

本发明公开了一种图像校正方法、装置、电子设备及其存储介质。方法包括：获取模板对象的扫描图像，模板对象中包括多个均匀分布的标记点；提取扫描图像中标记点的观测位置信息；基于扫描图像中的中心区域确定标记点的分布间距，并基于标记点的分布间距确定标记点的实际位置信息；基于各标记点的实际位置信息和观测位置信息确定校正矩阵，校正矩阵用于对目标对象的扫描图像进行校正处理。本方案通过对扫描电镜下集成电路图像确定失真校正点的位置和尺寸和失真校正点的理想不失真位置和尺寸，以及理想不失真图像和失真图像之间的映射关系，解决了扫描电镜成像的过程存在的透镜畸变等问题，提高了图像校正的高效性。

Description

一种图像校正方法、装置、电子设备及其存储介质

技术领域

本发明涉及图像处理技术领域，尤其涉及一种图像校正方法、装置、电子设备及其存储介质。

背景技术

智能化已成为当今集成电路反向工程的主流趋势，即采用计算机视觉的方法来做图像分割、点线识别、元件识别等。

集成电路反向工程是通过对芯片内部电路的提取与分析、整理，实现对芯片技术原理、设计思路、工艺制造、结构机制等方面的深入洞悉。目前，扫描电镜在获得集成电路图像时，需要逐个区域进行扫描，最后通过拼接获得完整图像。

在扫描电镜成像的过程中电磁透镜存在透镜畸变，对精确成像带来困难，进而影响后续的拼接任务，降低图像校正的效率。

发明内容

本发明提供了一种图像校正方法、装置、电子设备及其存储介质，以解决了扫描电镜下扫描图像的畸变问题。

根据本发明的一方面，提供了一种图像校正方法，包括：

获取模板对象的扫描图像，模板对象中包括多个均匀分布的标记点；

提取扫描图像中标记点的观测位置信息；

基于扫描图像中的中心区域确定标记点的分布间距，并基于标记点的分布间距确定标记点的实际位置信息；

基于各标记点的实际位置信息和观测位置信息确定校正矩阵，校正矩阵用于对目标对象的扫描图像进行校正处理。

可选的，提取扫描图像中标记点的观测位置信息，包括：

对扫描图像进行二值化处理，得到二值化图像；

确定二值化图像中的连通域，提取各个连通域的中心点位置信息作为标记点的观测位置信息。

可选的，在确定二值化图像中的连通域之前，还包括：

对二值化图像进行膨胀处理和腐蚀处理。

可选的，在对扫描图像进行二值化处理之前，方法还包括：

对扫描图像进行图像增强处理，图像增强处理包括图像锐化处理。

可选的，基于扫描图像中的中心区域确定标记点的分布间距，包括：

基于扫描图像中的中心区域内，同一行/列的两个标记点的观测位置信息，以及两个标记点之间的间隔数量，确定相邻标记点之间的分布间距。

可选的，基于标记点的分布间距确定标记点的实际位置信息，包括：

基于扫描图像的中心点坐标、分布间距和标记点与中心点之间的间隔数量，确定标记点的实际位置信息。

可选的，方法还包括：

获取集成电路板的扫描图像；

基于校正矩阵对集成电路板的扫描图像进行校正处理。

根据本发明的另一方面，提供了一种图像校正装置，包括：

扫描图像获取模块，用于获取模板对象的扫描图像，模板对象中包括多个均匀分布的标记点；

观测位置信息获取模块，用于提取扫描图像中标记点的观测位置信息；

实际位置信息确定模块，用于基于扫描图像中的中心区域确定标记点的分布间距，并基于标记点的分布间距确定标记点的实际位置信息；

校正矩阵确定模块，用于基于各标记点的实际位置信息和观测位置信息确定校正矩阵，校正矩阵用于对目标对象的扫描图像进行校正处理。

根据本发明的另一方面，提供了一种电子设备，电子设备包括：

至少一个处理器；以及

与至少一个处理器通信连接的存储器；其中，

存储器存储有可被至少一个处理器执行的计算机程序，计算机程序被至少一个处理器执行，以使至少一个处理器能够执行本发明任一实施例的图像校正方法。

根据本发明的另一方面，提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机指令，计算机指令用于使处理器执行时实现本发明任一实施例的图像校正方法。

本发明实施例的技术方案，提供一种新的扫描电镜下模板对象的校正方法，通过扫描电镜下模板对象的扫描图像的特点获取模板对象的标记位的观测位置信息和实际位置信息；将模板对象的标记位的观测位置信息和实际位置信息之间的映射关系表示为矩阵，并利用多项式拟合失真，确定校正矩阵，得到畸变函数模型，进而完后畸变图像的校正，该方法计算简单，同时不需要标定板便可以进行图像校正，提高了图像校正的高效性。

应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。

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是本发明实施例一提供的一种图像校正方法的流程图；

图2是本发明实施例提供的一种图像畸变的示意图；

图3是本发明实施例二提供的一种图像校正方法的流程图；

图4是本发明实施例三提供的一种图像校正装置的结构示意图；

图5是实现本发明实施例的图像校正方法的电子设备的结构示意图。

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，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。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，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、系统、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。

实施例一

图1是本发明实施例一提供的一种图像校正方法的流程图，本实施例可适用于扫描电镜下图像存在畸变的情况，该方法可以由图像校正装置来执行，该图像校正装置可以采用硬件和/或软件的形式实现，该图像校正装置可配置于计算机等电子设备中。如图1所示，该方法包括：

S110、获取模板对象的扫描图像，模板对象中包括多个均匀分布的标记点。

其中，模板对象指的是通过扫描电镜进行图像扫描的对象，此处的模板对象可以是用于对扫描电镜进行畸变校正的对象。标记点具体可以理解为是模板对象中存在的具有整齐排列且均匀分布的点，此处不限定标记点的形状、尺寸、材质和数量，示例性的，标记点可以是圆形的点，也可以是方形的点，或者其他任意均匀形状的点，其中，标记点可以是模板对象中的凸起点、凹陷点或者中空的孔点等。

具体的，通过扫描电镜对模板对象进行图像扫描，获取模板对象对应的扫描图像，其中，模板对象的局部区域或者全部区域存在一些整齐排列且均匀分布的标记点。

示例性的，集成电路板上存在大量整齐排列的金属圆孔，反映在集成电路板的扫描图像上具备以下特点：局部区域存在整齐排列的圆点。扫描电镜在获得集成电路板的扫描图像时，是逐个区域进行扫描的，在所获得的图像中，选取一幅满足上述条件的图像，即该图像的大部分区域中存在密集又整齐排列的圆点，将选取的图像作为模板对象的扫描图像，集成电路板上的圆孔即可作为集成电路板中的标记点。

在本实施例中，通过扫描电镜对模板对象进行图像扫描，获取模板对象对应的扫描图像，为后续进行图像处理奠定了一定的数据基础。

S120、提取扫描图像中标记点的观测位置信息。

其中，观测位置信息具体可以理解为是在模板对象的扫描图像中标记点所在的位置信息，例如可以是扫描图像中标记点的中心位置信息，该位置信息可以通过二维坐标进行表示，可以通过计算机视觉和机器学习的软件库中的函数方法进行确定，比如可以采用opencv软件对扫描图像进行识别，进而输出扫描图像中的标记点的坐标等，函数方法包含但不限于opencv软件中的connectedComponentsWithStats函数方法。

具体的，通过opencv软件中的connectedComponentsWithStats函数方法对获取到的模板对象对应的扫描图像进行处理，获取扫描图像中与标记点对应的点的中心坐标，从而确定扫描图像中标记点对应的观测位置信息。

在本实施例中，通过调用函数方法提取扫描图像中的标记点的中心坐标，确定扫描图像中标记点的观测位置信息，为后续进行图像校正处理奠定了一定的数据基础。

S130、基于扫描图像中的中心区域确定标记点的分布间距，并基于标记点的分布间距确定标记点的实际位置信息。

其中，中心区域具体可以理解为是扫描图像中未产生图像畸变或者是轻微畸变的区域。分布间距指的是相邻两个标记点的中心点之间的距离。

具体的，通过对扫描图像进行处理，确定扫描图像中的中心区域，根据中心区域中的点的坐标信息确定标记点的分布间距，其中，所述扫描图像中的中心区域可以是在行和/或列上，距中心点预设比例的范围。根据得到的分布间距确定各个标记点的实际位置信息。

可选的，基于扫描图像中的中心区域确定标记点的分布间距，包括：基于扫描图像中的中心区域内，同一行/列的两个标记点的观测位置信息，以及两个标记点之间的间隔数量，确定相邻标记点之间的分布间距。

其中，间隔数量具体可以理解为在中心区域中每一行或者每一列中的标记点之间间隔的数量，例如间隔数量可以基于每一行或者每一列中选择的两个标记点之间的标记点数量加一确定。

具体的，图像畸变在图像边缘比较严重，而在中心较为轻微。因此选取图像中心区域的圆心位置，计算圆心之间的排列间距。附图2是一种畸变图像的示意图，灰色点表示标记点的实际位置，黑色点表示标记点的观测位置，黑色矩形内即为存在轻微畸变的中心区域100，可以理解的是中心区域100中标记点的观测位置和实际位置向重叠。以横向X轴方向为例，选取黑色矩形内同一行最左侧和最右侧点，记录其坐标为

,

,同时计算两点之间点的个数N，相应的，选择的两个点之间的间隔数量为N+1，两点之间的个数不包含左侧和右侧的两个点，则排列间距

可通过以下公式进行计算，此处排列间距

为行方向上的相邻两点之间的排列距离。

相应的，对于扫描图像中的中心区域内，确定同一列的两个标记点的观测位置信息可以通过从下到上的纵向轴方向为例，选取黑色矩形内同一列中最下方和最上方的点，分别记录其坐标，根据上述公式原理获取列方向上相邻两点之间的排列距离。

可选的，基于标记点的分布间距确定标记点的实际位置信息，包括：基于扫描图像的中心点坐标、分布间距和标记点与中心点之间的间隔数量，确定标记点的实际位置信息。需要说明的是，观察位置信息和实际位置信息基于同一坐标系确定。

具体的，以图像中心区域100的中心为原点，按照上述公式计算得到的排列间距，计算每个点应处的实际位置。记录最中心点坐标

，每个观测点

与中心点之间点的个数为

，则观测点

的实际坐标可通过下面公式进行计算。

其中，

表示观测点中心点的位置方向，当观测点

位于中心点左侧时

取-1，右侧时取1。

在本实施例中，通过获取中心区域，并通过中心区域的点的坐标信息获得排列间距，进而确定观测点的实际位置信息。为后续进行图像校正处理奠定了一定的数据基础。

S140、基于各标记点的实际位置信息和观测位置信息确定校正矩阵，校正矩阵用于对目标对象的扫描图像进行校正处理。

其中，校正矩阵可以通过上述获取的各标记点的实际位置信息和观测位置信息进行确定，可以通过最小二乘法对实际位置信息和观测位置信息进行处理，计算得到畸变函数模型。

具体的，根据观测位置信息和实际位置信息的对应关系，使用最小二乘法，计算畸变函数模型。畸变函数模型可以通过矩阵映射表示：

其中，（

）表示观测的一个坐标，即观测位置信息，（

）表示要计算的校正参数，实际参数

为

。（

）表示一个实际坐标，即实际位置信息。

通过基于扫描图像中中心区域之外的畸变区域中，各个标记点分别对应的观测位置信息和实际位置信息形成解析方程组，该解析方程组中包括上述待定的校正参数。通过解析方程组，确定校正参数的参数值，形成校正矩阵，该校正矩阵可对扫描电镜进行标定。对于该扫描电镜得到的扫描图像，可通过上述校正矩阵进行校正处理，得到校正后的扫描图像。

可选的，方法还包括：获取集成电路板的扫描图像；基于校正矩阵对集成电路板的扫描图像进行校正处理。

具体的，通过电镜扫技术获取集成电路板的扫描图像，提取扫描图像中的各个点对应的观测点位置信息，对每一个真实的点使用畸变函数模型计算畸变后的位置，就能得到实际坐标和畸变坐标的一一对应关系。

具体的，确定集成电路板的扫描图像中畸变区域，例如集成电路板的扫描图像除中心区域之外的区域，对于畸变区域中的各位置点，分别通过校正矩阵进行校正处理，确定各位置点的观测位置信息对应的实际位置信息，完成通过校正矩阵对集成电路板的扫描图像进行校正处理。

本实施例的技术方案，通过扫描电镜下模板对象的扫描图像的特点获取模板对象的标记位的观测位置信息和实际位置信息；将模板对象的标记位的观测位置信息和实际位置信息之间的映射关系表示为矩阵，并利用多项式拟合失真，确定校正矩阵，得到畸变函数模型，进而完后畸变图像的校正，解决了扫描电镜成像的过程存在的透镜畸变等问题，提高了图像校正的高效性。

实施例二

图3是本发明实施例二提供的一种图像校正方法的流程图，本实施例与上述实施例方法的进一步优化。可选的，对扫描图像进行图像增强处理，图像增强处理包括图像锐化处理；对扫描图像进行二值化处理，得到二值化图像；对扫描图像进行二值化处理，得到二值化图像；对二值化图像进行膨胀处理和腐蚀处理；对二值化图像进行膨胀处理和腐蚀处理；确定二值化图像中的连通域，提取各个连通域的中心点位置信息作为标记点的观测位置信息。如图3所示，该方法包括：

S210、获取模板对象的扫描图像，模板对象中包括多个均匀分布的标记点。

S220、对扫描图像进行图像增强处理，图像增强处理包括图像锐化处理。

其中，图像增强处理具体可以理解为是为了突出图像中的细节或者增强被模糊的细节，补偿图像的轮廓，增强图像边缘及灰度跳变的部分，使图像变得更清晰。图像增强处理的方法常采用图像锐化处理。图像锐化处理是通过增强高频分量来减少图像中的模糊，增强图像细节边缘和轮廓，增强灰度反差，便于后期对目标的识别和处理。锐化处理在增强图像边缘的同时也增加了图像的噪声。锐化处理方法包含但不限于方法通常有微分法和高通滤波法。

具体的，可以通过opencv软件中的canny函数对扫描图像进行锐化处理，增强图像细节边缘和轮廓，得到较为清晰的扫描图像。

在本实施例中，通过图像锐化的方法对扫描图像进行图像增强化处理，使得获取增强后的扫描图像，有利于获取到更清晰的模板对象中的标记点的图像，提高了后期对模板对象中的标记点的识别和处理，提高了对扫描图像的识别效果。

S230、对扫描图像进行二值化处理，得到二值化图像。

其中，二值化处理指的是将图像上的像素点的灰度值设置为0或者255，也就是将整个图像呈现出明显的黑白效果的过程。二值化图像的每个像素只有两种取值，即0或者255。通过二值图像能更好地分析模板对象的形状和轮廓。二值化处理的方法包含但不限于双峰法、P参数法、迭代法和大津算法等。

具体的，通过二值化方法对扫描图像进行二值化处理，获取扫描图像对应的二值化图像。

示例性的，扫描电镜下的电路图像中的圆点都是高亮的，对整幅图像采用二值化处理，以方便提取这些圆点。

在本实施例中，通过二值化方法对图像增强处理后的扫描图像进行二值化处理，获取二值化图像，有助于更好地分析模板对象中的标记点的形状和轮廓，提高了扫描图像中的标记点的位置信息的确定。

S240、对二值化图像进行膨胀处理和腐蚀处理。

其中，膨胀处理具体可以理解为是扫描图像对应的二值化图像进行“加长”或者“加粗”处理，将目标区域接触的背景点合并到该目标物中，使目标边界向外扩张的处理，膨胀处理可以用来填补目标区域存在的某些空洞，也可以用来消除包含在目标区域中的小颗粒噪声。膨胀处理是腐蚀处理的对偶。腐蚀处理则为“收缩”或者“细化”二值化图像中的对象，腐蚀处理是一种消除边界点，使边界向内部收缩的过程，可以用来消除小且无意义的目标物，如果两目标物间有细小的连通，可以选取足够大的结构元素，将细小连通腐蚀掉。腐蚀和膨胀是两个互为对偶的运算。膨胀处理和腐蚀处理可以通过膨胀服饰算法进行处理。

具体的，可以通过使用opencv软件中的dilate和erode函数对二值化图像进行膨胀和腐蚀处理，从而获取到具有清晰且独立的图像元素的图像。

在本实施例中，通过膨胀腐蚀算法对二值化图像进行处理，将膨胀和腐蚀算法结合起来，可以达到更好分割独立的图形元素的目的,有助于更准确的获取标记点的位置信息。

S250、确定二值化图像中的连通域，提取各个连通域的中心点位置信息作为标记点的观测位置信息。

其中，图像中的连通域是指图像中具有相同像素值并且位置相邻的像素组成的区域。

具体的，确定经过二值化处理的扫描图像中的所有连通域，可以通过opencv软件中的connectedComponentsWithStats函数方法提取各个连通域的中心位置坐标信息，即标记点的观测位置信息。

S260、基于扫描图像中的中心区域确定标记点的分布间距，并基于标记点的分布间距确定标记点的实际位置信息。

S270、基于各标记点的实际位置信息和观测位置信息确定校正矩阵，校正矩阵用于对目标对象的扫描图像进行校正处理。

本实施例的技术方案，在确定标记点的观测位置信息和实际位置信息之前，依次对模板对象的扫描对象进行锐化处理、二值化处理、膨胀和腐蚀处理等，最终获取到具有清晰且独立的图像元素的扫描图像，并通过函数算法确定模板对象中的标记点的观测位置信息和实际位置信息，进而确定畸变函数模型。通过上述处理方法，提高了扫描图像中的元素的位置信息的准确性，进而提高了即便函数模型的准确性，使得畸变图像的校正效率也得到了的提高。

实施例三

图4是本发明实施例三提供的一种图像校正装置的结构示意图。如图4所示，该装置包括：

扫描图像获取模块310，用于获取模板对象的扫描图像，模板对象中包括多个均匀分布的标记点；

观测位置信息获取模块320，用于提取扫描图像中标记点的观测位置信息；

实际位置信息确定模块330，用于基于扫描图像中的中心区域确定标记点的分布间距，并基于标记点的分布间距确定标记点的实际位置信息；

校正矩阵确定模块340，用于基于各标记点的实际位置信息和观测位置信息确定校正矩阵，校正矩阵用于对目标对象的扫描图像进行校正处理。

可选的，观测位置信息获取模块320，具体用于：

对扫描图像进行二值化处理，得到二值化图像；

确定二值化图像中的连通域，提取各个连通域的中心点位置信息作为标记点的观测位置信息。

在确定二值化图像中的连通域之前，还包括：对二值化图像进行膨胀处理和腐蚀处理。

在对扫描图像进行二值化处理之前，方法还包括：对扫描图像进行图像增强处理，图像增强处理包括图像锐化处理。

可选的，实际位置信息确定模块330，具体用于：

基于扫描图像中的中心区域确定标记点的分布间距，包括：基于扫描图像中的中心区域内，同一行/列的两个标记点的观测位置信息，以及两个标记点之间的间隔数量，确定相邻标记点之间的分布间距。

基于标记点的分布间距确定标记点的实际位置信息，包括：基于扫描图像的中心点坐标、分布间距和标记点与中心点之间的间隔数量，确定标记点的实际位置信息。

本发明实施例所提供的图像校正装置可执行本发明任意实施例所提供的图像校正方法，具备执行方法相应的功能模块和有益效果。

实施例四

图5是本发明实施例四提供的一种电子设备的结构示意图。电子设备10旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备（如头盔、眼镜、手表等）和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。

如图5所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器（ROM）12、随机访问存储器（RAM）13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器（ROM）12中的计算机程序或者从存储单元18加载到随机访问存储器（RAM）13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出（I/O）接口15也连接至总线14。

电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元（CPU）、图形处理单元（GPU）、各种专用的人工智能（AI）计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器（DSP）、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如图像校正方法。

在一些实施例中，图像校正方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的图像校正方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式（例如，借助于固件）而被配置为执行图像校正方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列（FPGA）、专用集成电路（ASIC）、专用标准产品（ASSP）、芯片上系统的系统（SOC）、负载可编程逻辑设备（CPLD）、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本发明的图像校正方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

实施例五

本发明实施例五还提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机指令，计算机指令用于使处理器执行一种图像校正方法，该方法包括：

获取模板对象的扫描图像，模板对象中包括多个均匀分布的标记点；

提取扫描图像中标记点的观测位置信息；

基于扫描图像中的中心区域确定标记点的分布间距，并基于标记点的分布间距确定标记点的实际位置信息；

基于各标记点的实际位置信息和观测位置信息确定校正矩阵，校正矩阵用于对目标对象的扫描图像进行校正处理。

在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦除可编程只读存储器（EPROM或快闪存储器）、光纤、便捷式紧凑盘只读存储器（CD-ROM）、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置（例如，CRT（阴极射线管）或者LCD（液晶显示器）监视器）；以及键盘和指向装置（例如，鼠标或者轨迹球），用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈（例如，视觉反馈、听觉反馈、或者触觉反馈）；并且可以用任何形式（包括声输入、语音输入或者、触觉输入）来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统（例如，作为数据服务器）、或者包括中间件部件的计算系统（例如，应用服务器）、或者包括前端部件的计算系统（例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互）、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信（例如，通信网络）来将系统的部件相互连接。通信网络的示例包括：局域网（LAN）、广域网（WAN）、区块链网络和互联网。

计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (10)

1.一种图像校正方法，其特征在于，包括：

获取模板对象的扫描图像，所述模板对象中包括多个均匀分布的标记点；

提取所述扫描图像中所述标记点的观测位置信息；

基于所述扫描图像中的中心区域确定所述标记点的分布间距，并基于所述标记点的分布间距确定所述标记点的实际位置信息；

基于各所述标记点的实际位置信息和观测位置信息确定校正矩阵，所述校正矩阵用于对目标对象的扫描图像进行校正处理。

2.根据权利要求1所述的方法，其特征在于，所述提取所述扫描图像中所述标记点的观测位置信息，包括：

对所述扫描图像进行二值化处理，得到二值化图像；

确定所述二值化图像中的连通域，提取各个连通域的中心点位置信息作为标记点的观测位置信息。

3.根据权利要求2所述的方法，其特征在于，在确定所述二值化图像中的连通域之前，还包括：

对所述二值化图像进行膨胀处理和腐蚀处理。

4.根据权利要求2所述的方法，其特征在于，在对所述扫描图像进行二值化处理之前，所述方法还包括：

对所述扫描图像进行图像增强处理，所述图像增强处理包括图像锐化处理。

5.根据权利要求1所述的方法，其特征在于，所述基于所述扫描图像中的中心区域确定所述标记点的分布间距，包括：

基于所述扫描图像中的中心区域内，同一行/列的两个标记点的观测位置信息，以及所述两个标记点之间的间隔数量，确定相邻标记点之间的分布间距。

6.根据权利要求5所述的方法，其特征在于，所述基于所述标记点的分布间距确定所述标记点的实际位置信息，包括：

基于扫描图像的中心点坐标、所述分布间距和标记点与中心点之间的间隔数量，确定所述标记点的实际位置信息。

7.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取集成电路板的扫描图像；

基于所述校正矩阵对所述集成电路板的扫描图像进行校正处理。

8.一种图像校正装置，其特征在于，包括：

扫描图像获取模块，用于获取模板对象的扫描图像，所述模板对象中包括多个均匀分布的标记点；

观测位置信息获取模块，用于提取所述扫描图像中所述标记点的观测位置信息；

实际位置信息确定模块，用于基于所述扫描图像中的中心区域确定所述标记点的分布间距，并基于所述标记点的分布间距确定所述标记点的实际位置信息；

校正矩阵确定模块，用于基于各所述标记点的实际位置信息和观测位置信息确定校正矩阵，所述校正矩阵用于对目标对象的扫描图像进行校正处理。

9.一种电子设备，其特征在于，所述电子设备包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的图像校正方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的图像校正方法。

Images