CN116391204A - 线宽测量方法、装置、计算处理设备、计算机程序及计算机可读介质 - Google Patents

线宽测量方法、装置、计算处理设备、计算机程序及计算机可读介质 Download PDF

Info

Publication number
CN116391204A
CN116391204A CN202180003210.4A CN202180003210A CN116391204A CN 116391204 A CN116391204 A CN 116391204A CN 202180003210 A CN202180003210 A CN 202180003210A CN 116391204 A CN116391204 A CN 116391204A
Authority
CN
China
Prior art keywords
line
region
image
edge
boundary
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
Application number
CN202180003210.4A
Other languages
English (en)
Inventor
王斯凡
胡玉兰
李延钊
周超
孙拓
李龙飞
张硕
张振中
张翠芳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
BOE Technology Group Co Ltd
Original Assignee
BOE Technology Group Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by BOE Technology Group Co Ltd filed Critical BOE Technology Group Co Ltd
Publication of CN116391204A publication Critical patent/CN116391204A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • 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
    • 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
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • 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
    • G06T2207/20036—Morphological image processing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

线宽测量方法、装置、计算处理设备、计算机程序及计算机可读介质，用于测量线路的宽度。线宽测量方法包括：获取线路的目标图像，线路包括第一线段；对目标图像的边缘图像或二值化图像进行区域连通处理，获得区域连通图像；其中，区域连通图像包括与线路的图形对应的目标连通区域，目标连通区域内各像素的像素值与目标连通区域外各像素的像素值不同；基于区域连通图像，确定第一线段的第一边缘点和第二边缘点，第一边缘点位于第一线段的第一边缘线上，第二边缘点位于第二线段的第二边缘线上，第一边缘线与第二边缘线在第一方向上相对设置；根据第一边缘点和第二边缘点，确定第一线段的宽度；并根据第一线段的宽度，确定线路的宽度。

Description

线宽测量方法、装置、计算处理设备、计算机程序及计算机可读介质 技术领域
本公开涉及计算机技术领域，特别是涉及一种线宽测量方法、装置、计算处理设备、计算机程序及计算机可读介质。
背景技术
在线路的制备过程中，需要对每个批次产品进行线宽测量，确定该批次产品是否合格，或者根据线宽测量结果对制备工艺进行调整。
概述
本公开提供了一种线宽测量方法，用于测量线路的宽度，所述线宽测量方法包括：
获取所述线路的目标图像，所述线路包括第一线段；
对所述目标图像的边缘图像或二值化图像进行区域连通处理，获得区域连通图像；其中，所述边缘图像是对所述目标图像进行边缘检测获得的图像，所述二值化图像是对所述目标图像进行图像二值化处理获得的图像，所述区域连通图像包括与所述线路的图形对应的目标连通区域，所述目标连通区域内各像素的像素值与所述目标连通区域外各像素的像素值不同；
基于所述区域连通图像，确定所述第一线段的第一边缘点和第二边缘点，所述第一边缘点位于所述第一线段的第一边缘线上，所述第二边缘点位于所述第二线段的第二边缘线上，所述第一边缘线与所述第二边缘线在第一方向上相对设置；
根据所述第一边缘点和所述第二边缘点，确定所述第一线段的宽度；并根据所述第一线段的宽度，确定所述线路的宽度。
在一种可选的实现方式中，所述对所述目标图像的边缘图像或二值化图像进行区域连通处理，获得区域连通图像的步骤，包括：
对所述边缘图像或所述二值化图像依次进行膨胀处理和泛洪填充处理，得到膨胀图像；
对所述膨胀图像进行腐蚀处理，获得腐蚀图像；其中，所述腐蚀图像包括多个连通区域，所述多个连通区域内各像素的像素值为第一像素值，所述多个连通区域外各像素的像素值为第二像素值；所述多个连通区域包括孤立连通区域和目标连通区域，所述孤立连通区域为区域面积小于预设阈值的连通区域，所述目标连通区域为区域面积大于或等于所述预设阈值的连通区域；
将所述腐蚀图像中的所述孤立连通区域内各像素的像素值设置为所述第二像素值，得到所述区域连通图像。
在一种可选的实现方式中，所述膨胀处理所采用的卷积核与所述腐蚀处理所采用的卷积核的大小相同。
在一种可选的实现方式中，所述目标连通区域包括与所述第一线段对应的第一连通区域，所述基于所述区域连通图像，确定所述第一线段的第一边缘点和第二边缘点的步骤，包括：
提取所述第一连通区域在所述第一方向上相对的两个侧边上的像素，得到所述第一边缘点和所述第二边缘点。
在一种可选的实现方式中，所述线路还包括与所述第一线段交叉设置的第二线段，所述第一线段包括位于所述第一线段与所述第二线段的交叉点一侧的第一支线，所述第二线段包括位于所述交叉点一侧的第二支线，所述区域连通图像的多个像素沿行方向和列方向阵列排布，所述提取所述第一连通区域在所述第一方向上相对的两个侧边上的像素，得到所述第一边缘点和所述第二边缘点的步骤，包括：
确定所述区域连通图像中的采样区域，所述采样区域包括第一采样区域，所述第一采样区域包括在所述列方向上相对设置的第一边界和第二边界，以及连接所述第一边界与所述第二边界的第三边界和第四边界，所述第一采样区域内的目标连通区域仅包括与所述第一支线对应的第一子连通区域以及与所述第二支线对应的第二子连通区域，所述第一子连通区域在所述第一方向上相对设置的两个侧边，以及所述第二子连通区域在第二方向上相对设置的两个侧边与所述第一边界和所述第二边界均有连接，所述第一子连通区域位于所述第二子连通区域靠近所述第三边界的一侧；
对所述第一采样区域内的像素进行第一扫描处理，所述第一扫描处理包括：在同一行像素内，从所述第三边界向所述第四边界扫描，将像素值为所 述第一像素值的第一个像素确定为所述第一边缘点；从所述第四边界向所述第三边界扫描，将像素值为所述第一像素值的第一个像素确定为所述第二线段的第四边缘点；确定所述同一行像素内的所述第一边缘点与所述第四边缘点的第一中心点；从所述第一中心点向所述第三边界扫描，将像素值为所述第一像素值的第一个像素确定为所述第二边缘点；从所述第一中心点向所述第四边界扫描，将像素值为所述第一像素值的第一个像素确定为所述第二线段的第三边缘点；
其中，所述第三边缘点位于所述第二线段的第三边缘线上，所述第四边缘点位于所述第二线段的第四边缘线上，所述第三边缘线与所述第四边缘线在所述第二方向上相对设置。
在一种可选的实现方式中，所述第一线段还包括位于所述交叉点另一侧的第三支线，所述第二线段还包括位于所述交叉点另一侧的第四支线；所述采样区域还包括第二采样区域，所述第二采样区域包括在所述列方向上相对设置的第五边界和第六边界，以及连接所述第五边界与所述第六边界的第七边界和第八边界，所述第二采样区域内的目标连通区域仅包括与所述第三支线对应的第三子连通区域以及与所述第四支线对应的第四子连通区域，所述第三子连通区域在所述第一方向上相对设置的两个侧边，以及所述第四子连通区域在第二方向上相对设置的两个侧边与所述第五边界和所述第六边界均有连接，所述第三子连通区域位于所述第四子连通区域靠近所述第八边界的一侧；
所述提取所述第一连通区域在所述第一方向上相对的两个侧边上的像素，得到所述第一边缘点和所述第二边缘点的步骤，还包括：
对所述第二采样区域内的像素进行第二扫描处理，所述第二扫描处理包括：在同一行像素内，从所述第七边界向所述第八边界扫描，将像素值为所述第一像素值的第一个像素确定为所述第三边缘点；从所述第八边界向所述第七边界扫描，将像素值为所述第一像素值的第一个像素确定为所述第二边缘点；确定所述同一行像素内的所述第三边缘点与所述第二边缘点的第二中心点；从所述第二中心点向所述第七边界扫描，将像素值为所述第一像素值的第一个像素确定为所述第四边缘点；从所述第二中心点向所述第八边界扫描，将像素值为所述第一像素值的第一个像素确定为所述第一边缘点。
在一种可选的实现方式中，所述根据所述第一边缘点和所述第二边缘点，确定所述第一线段的宽度的步骤，包括：
对多个所述第一边缘点进行直线拟合，得到所述第一边缘线；对多个所述第二边缘点进行直线拟合，得到所述第二边缘线；
计算所述第一边缘点到所述第二边缘线的第一距离，以及所述第二边缘点到所述第一边缘线的第二距离；
计算所述第一距离与所述第二距离的平均值，得到第一线段的宽度；
在所述根据所述第一线段的宽度，确定所述线路的宽度的步骤之前，还包括：
对多个所述第三边缘点进行直线拟合，得到所述第三边缘线；对多个所述第四边缘点进行直线拟合，得到所述第四边缘线；
计算所述第三边缘点到所述第四边缘线的第三距离，以及所述第四边缘点到所述第三边缘线的第四距离；
计算所述第三距离与所述第四距离的平均值，得到第二线段的宽度；
所述根据所述第一线段的宽度，确定所述线路的宽度的步骤，包括：
根据所述第一线段的宽度和所述第二线段的宽度，确定所述线路的宽度；其中，所述线路的宽度包括以下至少之一：所述第一线段的宽度与所述第二线段的宽度的平均值，所述第一线段的宽度以及所述第二线段的宽度。
在一种可选的实现方式中，所述目标连通区域还包括与所述第二线段对应的第二连通区域，所述确定所述区域连通图像中的采样区域的步骤，包括：
基于所述区域连通图像，确定所述第一连通区域与所述第二连通区域的交叠坐标，所述交叠坐标为位于所述第一连通区域与所述第二连通区域的交叠区域内的交叠像素的坐标；
根据所述交叠坐标，以及所述区域连通图像在所述列方向上相对设置的第九边界和第十边界，确定所述第一采样区域和所述第二采样区域；其中，所述第一边界由所述第九边界在所述列方向上朝所述交叠像素的方向平移第一预设距离确定；所述第二边界由第一分界线在所述列方向上朝所述第九边界的方向平移第二预设距离确定；所述第五边界由所述第一分界线在所述列方向上朝所述第十边界的方向平移第三预设距离确定；所述第六边界由所述第十边界在所述列方向上朝所述交叠像素的方向平移第四预设距离确定；所 述第一分界线为经过所述交叠像素且沿所述行方向延伸的直线。
在一种可选的实现方式中，所述区域连通图像还包括连接所述第九边界和所述第十边界的参考边界，所述第一线段和/或所述第二线段的延伸方向与所述列方向不同，所述基于所述区域连通图像，确定所述第一连通区域与所述第二连通区域的交叠坐标的步骤，包括：
从所述第九边界开始，对所述区域连通图像内的像素进行逐行扫描处理，所述逐行扫描处理包括：若当前扫描行的参考像素与所述参考边界之间的距离大于或等于上一个扫描行的参考像素与所述参考边界之间的距离，且大于或等于下一个扫描行的参考像素与所述参考边界之间的距离，则确定所述当前扫描行的参考像素的坐标为所述交叠坐标；其中，所述参考像素为在同一行像素内，从所述参考边界开始扫描，像素值为所述第一像素值的第一个像素。
在一种可选的实现方式中，所述基于所述区域连通图像，确定所述第一连通区域与所述第二连通区域的交叠坐标的步骤，包括：
对所述第一连通区域与所述第二连通区域内的像素进行直线检测，得到多条检测线段；
对所述多条检测线段进行聚类，得到两个聚类簇；
将所述两个聚类簇的聚类中心对应的两条线段的交点坐标，确定为所述交叠坐标。
在一种可选的实现方式中，所述第一线段包括第五支线，所述区域连通图像的多个像素沿行方向和列方向阵列排布，所述提取所述第一连通区域在所述第一方向上相对的两个侧边上的像素，得到所述第一边缘点和所述第二边缘点的步骤，包括：
确定所述区域连通图像中的第三采样区域，所述第三采样区域包括在所述列方向上相对设置的第十一边界和第十二边界，以及连接所述第十一边界与所述第十二边界的第十三边界和第十四边界，所述第三采样区域内的目标连通区域仅包括与所述第五支线对应的第五子连通区域，所述第五子连通区域在所述第一方向上相对设置的两个侧边与所述第十一边界与所述第十二边界均有连接；
对所述第三采样区域内的像素进行第三扫描处理，所述第三扫描处理包 括：在同一行像素内，从所述第十三边界向所述第十四边界扫描，将像素值为所述第一像素值的第一个像素确定为所述第一边缘点；从所述第十四边界向所述第十三边界扫描，将像素值为所述第一像素值的第一个像素确定为所述第二边缘点。
在一种可选的实现方式中，所述目标连通区域包括与所述第一线段对应的第三连通区域，所述第一边缘线包括第一外边缘线和第一内边缘线，所述第二边缘线包括第二外边缘线和第二内边缘线，所述膨胀处理所采用的卷积核小于所述腐蚀处理所采用的卷积核，以使所述第三连通区域在所述第一方向上相对的两个侧边中的一个侧边位于所述第一外边缘线和所述第一内边缘线之间，另一个侧边位于所述第二外边缘线和所述第二内边缘线之间。
在一种可选的实现方式中，所述线路还包括与所述第一线段交叉设置的第二线段，所述第一线段包括位于所述第一线段与所述第二线段的交叉点一侧的第六支线，在所述得到所述区域连通图像的步骤之后，还包括：
提取所述区域连通图像的骨架图像，所述骨架图像包括骨架，所述骨架内各像素的像素值与所述骨架外各像素的像素值不同，所述骨架包括与所述第六支线对应的中心线；
在所述基于所述区域连通图像，确定所述第一线段的第一边缘点和第二边缘点的步骤之前，还包括：
对所述边缘图像进行直线检测，得到多个边缘线段；
从所述多个边缘线段中确定与所述第六支线对应的目标线段；
所述基于所述区域连通图像，确定所述第一线段的第一边缘点和第二边缘点的步骤，包括：
根据所述目标线段在所述边缘图像中的位置，所述第三连通区域在所述区域连通图像中的位置以及所述中心线在所述骨架图像中的位置之间的关系，从所述目标线段中确定所述第一外边缘线、所述第一内边缘线、所述第二外边缘线和所述第二内边缘线。
在一种可选的实现方式中，所述根据所述目标线段在所述边缘图像中的位置，所述第三连通区域在所述区域连通图像中的位置以及所述中心线在所述骨架图像中的位置之间的关系，从所述目标线段中确定所述第一外边缘线、所述第一内边缘线、所述第二外边缘线和所述第二内边缘线的步骤，包括：
根据所述目标线段在所述边缘图像中的位置，在所述区域连通图像中的对应位置确定与所述目标线段对应的第一映射区域，在所述骨架图像中的对应位置确定与所述目标线段对应的第二映射区域；
若所述第一映射区域位于所述第三连通区域外部的第一侧，则确定所述第一映射区域对应的目标线段为所述第一外边缘线；
若所述第一映射区域位于所述第三连通区域外部的第二侧，则确定所述第一映射区域对应的目标线段为所述第二外边缘线；
若所述第一映射区域位于所述第三连通区域内部，且所述第二映射区域位于所述中心线的第一侧，则确定所述第一映射区域和所述第二映射区域对应的目标线段为所述第一内边缘线；
若所述第一映射区域位于所述第三连通区域内部，且所述第二映射区域位于所述中心线的第二侧，则确定所述第一映射区域和所述第二映射区域对应的目标线段为所述第二内边缘线。
在一种可选的实现方式中，所述区域连通图像包括相对设置的第十五边界和第十六边界，在所述根据所述目标线段在所述边缘图像中的位置，所述第三连通区域在所述区域连通图像中的位置以及所述中心线在所述骨架图像中的位置之间的关系，从所述目标线段中确定所述第一外边缘线、所述第一内边缘线、所述第二外边缘线和所述第二内边缘线的步骤之前，还包括：
将所述区域连通图像中位于所述目标连通区域与所述第十五边界之间的区域，以及位于所述目标连通区域与所述第十六边界之间的区域内各像素的像素值设置为第三像素值；
若所述第一映射区域内各像素的像素值均为所述第三像素值，则判定所述第一映射区域位于所述第三连通区域外部的第一侧；
若所述第一映射区域内各像素的像素值均为所述第二像素值，则判定所述第一映射区域位于所述第三连通区域外部的第二侧；
若所述第一映射区域内各像素的像素值均为所述第一像素值，则判定所述第一映射区域位于所述第三连通区域内部。
在一种可选的实现方式中，在所述根据所述目标线段在所述边缘图像中的位置，所述第三连通区域在所述区域连通图像中的位置以及所述中心线在所述骨架图像中的位置之间的关系，从所述目标线段中确定所述第一外边缘 线、所述第一内边缘线、所述第二外边缘线和所述第二内边缘线的步骤之前，还包括：
将所述区域连通图像与所述膨胀图像进行异或运算，得到中间图像，所述中间图像包括多个分立的互补区域，所述多个分立的互补区域内各像素的像素值为第四像素值，所述多个分立的互补区域外各像素的像素值为第五像素值，所述中间图像包括相对设置的第十七边界和第十八边界；
将所述中间图像中与所述第十七边界相邻的互补区域，以及与所述第十八边界相邻的互补区域内各像素的像素值设置为所述第六像素值；
根据所述目标线段在所述边缘图像中的位置，在所述中间图像中的对应位置确定与所述目标线段对应的第三映射区域；
若所述第三映射区域内各像素的像素值均为所述第六像素值，则判定所述第一映射区域位于所述第三连通区域外部的第一侧；
若所述第三映射区域内各像素的像素值均为所述第四像素值，则判定所述第一映射区域位于所述第三连通区域外部的第二侧。
在一种可选的实现方式中，所述骨架图像包括相对设置的第十九边界和第二十边界，所述骨架内各像素的像素值为第七像素值，所述骨架外各像素的像素值为第八像素值；在所述根据所述目标线段在所述边缘图像中的位置，所述第三连通区域在所述区域连通图像中的位置以及所述中心线在所述骨架图像中的位置之间的关系，从所述目标线段中确定所述第一外边缘线、所述第一内边缘线、所述第二外边缘线和所述第二内边缘线的步骤之前，还包括：
将骨架图像中位于所述骨架与所述第十九边界之间的区域，以及位于所述骨架与所述第二十边界之间的区域内各像素的像素值设置为第九像素值；
若所述第二映射区域内各像素的像素值均为所述第九像素值，则判定所述第二映射区域位于所述中心线的第一侧；
若所述第二映射区域内各像素的像素值均为所述第八像素值，则判定所述第二映射区域位于所述中心线的第二侧。
在一种可选的实现方式中，根据所述第一边缘点和所述第二边缘点，确定所述第一线段的宽度的步骤，包括：
计算所述第一外边缘线的端点到所述第二外边缘线的第五距离；
计算所述第二外边缘线的端点到所述第一外边缘线的第六距离；
计算所述第一内边缘线的端点到所述第二内边缘线的第七距离；
计算所述第二内边缘线的端点到所述第一内边缘线的第八距离；
计算所述第五距离、所述第六距离、所述第七距离和所述第八距离的平均值，得到所述第一线段的宽度。
在一种可选的实现方式中，所述获取所述线路的目标图像的步骤，包括：
获取所述线路的原始图像；
对所述原始图像进行预处理，得到所述目标图像；其中，所述预处理包括以下至少之一：灰度化、对比度增强、亮度增强和降噪处理。
在一种可选的实现方式中，所述对所述原始图像进行预处理的步骤，包括：
对所述原始图像进行降噪处理，得到降噪图像；
提取所述降噪图像的边缘像素，并统计所述边缘像素的总数量；
若所述总数量小于或等于预设数量，则对所述原始图像进行对比度增强处理。
本公开提供了一种线宽测量装置，用于测量线路的宽度，所述线宽测量装置包括：
图像获取模块，被配置为获取所述线路的目标图像，所述线路包括第一线段；
连通处理模块，被配置为对所述目标图像的边缘图像或二值化图像进行区域连通处理，获得区域连通图像；其中，所述边缘图像是对所述目标图像进行边缘检测获得的图像，所述二值化图像是对所述目标图像进行图像二值化处理获得的图像，所述区域连通图像包括与所述线路的图形对应的目标连通区域，所述目标连通区域内各像素的像素值与所述目标连通区域外各像素的像素值不同；
边缘确定模块，被配置为基于所述区域连通图像，确定所述第一线段的第一边缘点和第二边缘点，所述第一边缘点位于所述第一线段的第一边缘线上，所述第二边缘点位于所述第二线段的第二边缘线上，所述第一边缘线与所述第二边缘线在第一方向上相对设置；
宽度计算模块，被配置为根据所述第一边缘点和所述第二边缘点，确定所述第一线段的宽度；并根据所述第一线段的宽度，确定所述线路的宽度。
本公开提供了一种计算处理设备，包括：
存储器，其中存储有计算机可读代码；
一个或多个处理器，当所述计算机可读代码被所述一个或多个处理器执行时，所述计算处理设备执行任一实施例所述的方法。
本公开提供了一种计算机程序，包括计算机可读代码，当所述计算机可读代码在计算处理设备上运行时，导致所述计算处理设备执行根据任一实施例所述的方法。
本公开提供了一种计算机可读介质，其中存储了任一实施例所述的方法。
上述说明仅是本公开技术方案的概述，为了能够更清楚了解本公开的技术手段，而可依照说明书的内容予以实施，并且为了让本公开的上述和其它目的、特征和优点能够更明显易懂，以下特举本公开的具体实施方式。
附图简述
为了更清楚地说明本公开实施例或相关技术中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本公开的一些实施例，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。需要说明的是，附图中的比例仅作为示意并不代表实际比例。
图1示意性地示出了一种线宽测量方法的流程示意图；
图2示意性地示出了在对比度增强前后的像素值波动示意图；
图3示意性地示出了一组腐蚀图像和区域连通图像的示意图；
图4a示意性地示出了一种区域连通图像的示意图；
图4b示意性地示出了另一种区域连通图像的示意图；
图5示意性地示出了一种确定交叠坐标的过程示意图；
图6示意性地示出了一条线段的内边缘和外边缘的示意图；
图7示意性地示出了一种获得区域连通图像的流程示意图；
图8示意性地示出了另一种获得区域连通图像的流程示意图；
图9示意性地示出了对区域连通图像和膨胀图像进行异或运算以及填充处理的结果示意图；
图10示意性地示出了对外边缘像素和内边缘像素进行筛选的结果示意图；
图11示意性地示出了边缘线段、外边缘线以及内边缘线的示意图；
图12示意性地示出了一种骨架图像以及对骨架图像进行填充的示意图；
图13示意性地示出了一种图像在处理过程中的示意图；
图14示意性地示出了另一种图像在处理过程中的示意图；
图15示意性地示出了一种线宽测量装置的结构框图；
图16示意性地示出了用于执行根据本公开的方法的计算处理设备的框图；
图17示意性地示出了用于保持或者携带实现根据本公开的方法的程序代码的存储单元。
详细描述
为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例中的附图，对本公开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公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，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，都属于本公开保护的范围。
相关技术中，通常是采用电子显微镜拍摄待测样品的高倍率图像，然后使用专业软件对线路的宽度进行人工手动测量，不仅误差大，而且效率低下。
为了对线路的宽度进行自动测量，图1示意性地示出了一种线宽测量方法的流程图，如图1所示，该方法可以包括以下步骤。
步骤S11：获取线路的目标图像，线路包括第一线段。
本实施例的执行主体可以为计算机设备，该计算机设备具有线宽测量装置，通过该线宽测量装置来执行本实施例提供的线宽测量方法。其中，计算机设备例如可以为智能手机、平板电脑、个人计算机等，本实施例对此不作限定。
在具体实现中，本步骤具体可以包括：首先获取线路的原始图像；对原始图像进行预处理，得到目标图像。其中，预处理包括以下至少之一：灰度化、对比度增强、亮度增强和降噪处理。
本实施例的执行主体可以与摄像装置连接，获取由摄像装置采集的原始图像。原始图像可以是分辨率和曝光量都满足要求的图像，例如，分辨率可 以为480×640等，曝光量可以根据实际需求设定。
可选地，对原始图像进行预处理的步骤，具体可以包括：首先对原始图像进行降噪处理，得到降噪图像；然后提取降噪图像的边缘像素，并统计边缘像素的总数量；若总数量小于或等于预设数量，则对原始图像进行对比度增强处理。
在具体实现中，可以首先对原始图像进行高斯滤波处理，去除较为明显的椒盐噪声；然后可以使用canny算子等进行边缘检测，获得边缘像素；之后可以统计边缘像素的总数量，如果总数量大于预设数量，说明边缘比较清晰，可以不进行对比度增强处理，如果总数量小于或等于预设数量，说明边缘比较模糊，则可以对原始图像进行对比度增强处理。其中，预设数量可以对多张图像的边缘像素数量进行统计平均得到。
在具体实现中，可以采用低幅滤波方法进行对比度增强处理。参照图2示意性地示出了一种低幅值滤波前后的像素值波动示意图。如图2中的a为对原始图像进行低幅值滤波前的一行像素的像素值分布，曲线为像素值，水平直线为平均值，幅值波动最大的位置对应边缘所在的区域。如图2中的b为对原始图像进行低幅值滤波后的一行像素的像素值波动曲线。
具体地，可以设置滑动窗口为W个像素，沿着一行像素从左到右滑动，当滑动窗口内的波动幅值大于最大波动幅值的80％时可以不进行滤波处理，其余进行均值滤波，得到背景均匀且对比度增强的结果，如图2中的b所示。其中，滑动窗口W可以取值3、5或7等数值。
步骤S12：对目标图像的边缘图像或二值化图像进行区域连通处理，获得区域连通图像；其中，边缘图像是对目标图像进行边缘提取获得的图像，二值化图像是对目标图像进行图像二值化处理获得的图像，区域连通图像包括与线路的图形对应的目标连通区域，目标连通区域内各像素的像素值与目标连通区域外各像素的像素值不同。
在具体实现中，可以首先计算目标图像RGB三通道的灰度直方图，然后再根据灰度直方图，采用自适应阈值边缘检测算法或者Canny算法等进行边缘检测，从而得到目标图像的边缘图像。参照图8中的a示出了一种X型线路的边缘图像，图8中的e示出了该边缘图像对应的区域连通图像。
为了获得二值化图像，可以首先对目标图像进行高斯滤波处理和灰度化 处理，然后再采用自适应阈值二值化算法对图像进行二值化处理，获得目标图像的二值化图像。图7中的d示出了一种X型线路的二值化图像对应的区域连通图像。
在具体实现中，可以采用多种方法实现区域连通处理。参照图7中的a至d示出了基于原始图像的二值化图像获得区域连通图像的流程示意图，该原始图像中的线路形状为X型。具体地，步骤S12可以包括：首先对原始图像的二值化图像依次进行膨胀处理和泛洪填充处理，得到膨胀图像(如图7中的b所示)；然后对膨胀图像进行腐蚀处理，获得腐蚀图像(如图7中的c所示)；其中，腐蚀图像包括多个连通区域，多个连通区域内各像素的像素值为第一像素值，多个连通区域外各像素的像素值为第二像素值；多个连通区域包括孤立连通区域和目标连通区域，孤立连通区域为区域面积小于预设阈值的连通区域，目标连通区域为区域面积大于或等于预设阈值的连通区域；之后将腐蚀图像中的孤立连通区域内各像素的像素值设置为第二像素值，得到区域连通图像(如图7中的d所示)。
其中，第一像素值例如可以为255，如图7所示的白色区域。第二像素值可以为0，如图7所示的黑色区域。图7中的a示出了对原始图像的二值化图像进行膨胀处理后得到的图像，在膨胀处理过程中可以将较小的空洞或狭缝进行连通，膨胀处理后得到的膨胀连通区域内如果仍存在较大的孔洞(如图7中的a图中心位置)，可以采用泛洪填充算法对膨胀连通区域内的孔洞进行填充处理，得到膨胀图像，如图7中的b所示。需要说明的是，如果膨胀处理后得到的膨胀连通区域内不存在较大的孔洞，可以不再进行泛洪填充处理，泛洪填充处理不是必需的，可以根据实际情况选择进行。
对膨胀图像进行腐蚀处理获得的腐蚀图像可能存在孤立连通区域，如图7中的c图右上角虚线框内的白点，为了消除这些孤立连通区域，可以计算各连通区域的区域面积，然后将区域面积小于预设阈值的连通区域内的像素值设置为第二像素值如0，仅在目标连通区域内各像素的像素值为第一像素值(如255，对应图7中的d所示的白色区域)，目标连通区域外各像素的像素值为第二像素值(如0，对应图7中的d所示的黑色区域)，得到如图7中的d所示的区域连通图像。其中，预设阈值例如可以设置为50，具体数值可以根据实际需求设定。
参照图3示意性地示出了一组腐蚀图像和区域连通图像的对比图。如图3中的a示出的是一张腐蚀图像，在黑色区域存在多个孤立连通区域，图3中的b示出的是对该腐蚀图像中的孤立连通区域消除后的区域连通图像。通过消除孤立连通区域，可以避免孤立连通区域的边缘干扰线路边缘点的提取，提高线宽测量的准确度。
参照图8中的a至e示出了基于原始图像的边缘图像获得区域连通图像的流程示意图，该原始图像中的线路形状为X型。具体地，步骤S12可以包括：首先对原始图像的边缘图像(如图8中的a所示)依次进行膨胀处理和泛洪填充处理，得到膨胀图像(如图8中的c所示)；然后对膨胀图像进行腐蚀处理，获得腐蚀图像(如图8中的d所示)；该腐蚀图像包括多个连通区域，多个连通区域内各像素的像素值为第一像素值，多个连通区域外各像素的像素值为第二像素值；多个连通区域包括孤立连通区域和目标连通区域，孤立连通区域为区域面积小于预设阈值的连通区域，目标连通区域为区域面积大于或等于预设阈值的连通区域；之后将腐蚀图像中的孤立连通区域内各像素的像素值设置为第二像素值，得到区域连通图像(如图8中的e所示)。
其中，第一像素值例如可以为255，如图8所示的白色区域。第二像素值可以为0，如图8所示的黑色区域。图8中的a示出了原始图像的边缘图像，图8中的b示出了对边缘图像进行膨胀处理后得到的图像，在膨胀处理过程中可以将较小的空洞或狭缝进行连通，膨胀处理后得到的膨胀连通区域内如果仍存在较大的孔洞(如图8中的b图中心位置)，可以采用泛洪填充算法对膨胀连通区域内的孔洞进行填充处理，得到膨胀图像，如图8中的c所示。需要说明的是，如果膨胀处理后不存在较大的孔洞，可以不再进行泛洪填充处理，泛洪填充处理不是必需的，可以根据实际情况选择进行。
对膨胀图像进行腐蚀处理获得的腐蚀图像可能存在孤立连通区域，为了消除这些孤立连通区域，可以计算各连通区域的区域面积，然后将区域面积小于预设阈值的连通区域内的像素值设置为第二像素值，获得仅在目标连通区域内各像素的像素值为第一像素值(如255，对应图8中的白色区域)，目标连通区域外各像素的像素值为第二像素值(如0，对应图8中的黑色区域)，得到如图8中的e所示的区域连通图像。
由于边缘图像或二值化图像可能存在不连续的现象，本实现方式通过对 边缘图像或二值化图像先进行膨胀处理后进行腐蚀处理，可以实现断线连接或区域连通，有助于提取完整的边缘线，提高线宽测量的准确性。
其中，膨胀处理和腐蚀处理被称为形态学操作，它们通常在二进制图像上执行。膨胀处理是通过将像素添加到该图像中的对象的感知边界，扩张图像中的白色区域。腐蚀处理恰恰相反，它沿着对象边界移除像素并缩小对象的大小。
在具体实现中，膨胀处理和腐蚀处理都需要设置一定大小的卷积核对图像进行卷积操作。卷积核的大小可以根据两条边缘线之间的像素数量确定，例如当两条边缘线之间的距离为5～10个像素时，可以设置卷积核的大小为3×3，或5×5，本公开对此不作限定。
本实施例中，膨胀处理所采用的卷积核与腐蚀处理所采用的卷积核的大小可以相同或不同。
步骤S13：基于区域连通图像，确定第一线段的第一边缘点和第二边缘点，第一边缘点位于第一线段的第一边缘线上，第二边缘点位于第二线段的第二边缘线上，第一边缘线与第二边缘线在第一方向上相对设置。
在具体实现中，可以根据膨胀处理所采用的卷积核与腐蚀处理所采用的卷积核之间的大小关系，确定提取第一边缘点和第二边缘点的具体方式。
例如，当膨胀处理所采用的卷积核与腐蚀处理所采用的卷积核的大小相同时，区域连通图像中与第一线段对应的第一连通区域的宽度与第一线段的宽度相同，因此可以提取区域连通图像中第一连通区域在第一方向上相对设置的一对侧边上的像素点作为第一线段的第一边缘点和第二边缘点。当膨胀处理所采用的卷积核与腐蚀处理所采用的卷积核的大小不相同时，可以首先对边缘图像中的边缘像素点进行直线检测，得到边缘线段；然后根据边缘线段与区域连通图像中的目标连通区域之间的位置关系，从边缘线段中确定第一边缘线和第二边缘线。后续实施例会对这两种情况分别进行详细说明。
步骤S14：根据第一边缘点和第二边缘点，确定第一线段的宽度；并根据第一线段的宽度，确定线路的宽度。
在具体实现中，可以计算第一边缘点到第二边缘线的距离，以及第二边缘点到第一边缘线的距离，将计算得到的距离计算平均值，得到第一线段的宽度。
如果线路中仅包括第一线段，该第一线段的宽度可以确定为线路的宽度；如果线路包括第一线段等多条线段，可以分别计算多条线段的宽度，进而可以将多条线段的宽度的平均值确定为线路的宽度。
本实施例提供的线宽测量方法，可以实现线路宽度的自动化测量，在批量生产过程中可操作性较高，可以显著提高测量效率和测量准确率。采用本实施例提供的方法，可以对纳米级显微图像中的线路进行微距测量。
在一种可选的实现方式中，膨胀处理所采用的卷积核与腐蚀处理所采用的卷积核的大小相同。当膨胀处理所采用的卷积核与腐蚀处理所采用的卷积核的大小相同时，区域连通图像中与第一线段对应的第一连通区域的宽度与第一线段的宽度相同，因此可以将区域连通图像中第一连通区域在第一方向上相对设置的一对侧边上的像素点作为第一线段的第一边缘点和第二边缘点。
本实现方式中，目标连通区域包括与第一线段对应的第一连通区域，步骤S13具体可以包括：提取第一连通区域在第一方向上相对的两个侧边上的像素，得到第一边缘点和第二边缘点。
参照图4a示出了一种区域连通图像示意图。如图4a所示，第一连通区域具有在第一方向上相对的两个侧边分别为L1和L2，可以将L1上的像素P1作为第一边缘点，将L2上的像素P2作为第二边缘点。
当线路还包括与第一线段交叉设置的第二线段时，第二线段具有在第二方向上相对设置的第三边缘线和第四边缘线，目标连通区域还包括与第二线段对应的第二连通区域，步骤S13还可以包括：提取第二连通区域在第二方向上相对的两个侧边上的像素，得到位于第三边缘线上的第三边缘点和位于第四边缘线上的第四边缘点。
如图4a所示，第二连通区域具有在第二方向上相对的两个侧边分别为L3和L4，可以将L3上的像素P3作为第三边缘点，将L4上的像素P4作为第四边缘点。
当线路包括设置的第一线段和第二线段时，第一线段可以包括位于第一线段与第二线段的交叉点一侧的第一支线，第二线段可以包括位于交叉点一侧的第二支线。第一支线和第二支线均不包括交叉点。区域连通图像的多个像素可以沿行方向和列方向阵列排布，
相应地，参照图4a，步骤S13具体可以包括：
首先，确定区域连通图像中的采样区域，采样区域包括第一采样区域，第一采样区域包括在列方向上相对设置的第一边界H1和第二边界H2，以及连接第一边界H1与第二边界H2的第三边界V1和第四边界V2，第一采样区域内的目标连通区域仅包括与第一支线对应的第一子连通区域以及与第二支线对应的第二子连通区域，第一子连通区域在第一方向上相对设置的两个侧边，以及第二子连通区域在第二方向上相对设置的两个侧边与第一边界H1和第二边界H2均有连接，第一子连通区域位于第二子连通区域靠近第三边界V1的一侧；
然后，对第一采样区域内的像素进行第一扫描处理，第一扫描处理包括：在同一行像素内，从第三边界V1向第四边界V2扫描，将像素值为第一像素值的第一个像素确定为第一边缘点P1；从第四边界V2向第三边界V1扫描，将像素值为第一像素值的第一个像素确定为第二线段的第四边缘点P4；确定同一行像素内的第一边缘点P1与第四边缘点P4的第一中心点P (中心)上；从第一中心点P (中心)上向第三边界V1扫描，将像素值为第一像素值的第一个像素确定为第二边缘点P2；从第一中心点P (中心)上向第四边界V2扫描，将像素值为第一像素值的第一个像素确定为第二线段的第三边缘点P3。
需要说明的是，在图4a中，目标连通区域为深灰色区域，即第一像素值对应的像素区域。
在图4a中，第一子连通区域为第一连通区域中位于交叉点O左上的一部分，第二子连通区域为第二连通区域中位于交叉点O右上的一部分。第一子连通区域和第二子连通区域均不包括第一连通区域与第二连通区域的交叠区域。
如图4a所示，第一子连通区域在第一方向上相对设置的两个侧边分别与第一边界H1连接，并且分别与第二边界H2连接。通过使第一子连通区域在第一方向上相对设置的两个侧边与第一边界H1和第二边界H2均有连接，可以避免提取到第一子连通区域其它侧边上的像素，提高第一边缘点和第二边缘点的提取准确率，提高线宽测量准确性。
如图4a所示，第二子连通区域在第二方向上相对设置的两个侧边分别与第一边界H1连接，并且分别与第二边界H2连接。通过使第二子连通区域在第二方向上相对设置的两个侧边与第一边界H1和第二边界H2均有连接，可 以避免提取到第二子连通区域其它侧边上的像素，提高第三边缘点和第四边缘点的提取准确率，提高线宽测量准确性。
具体地，在第一采样区域内，第一扫描处理可以从第一边界H1所在的这一行像素开始依次向下扫描，在向下扫描的过程中，可以逐行扫描或者隔行扫描等等。
在每一行像素或扫描行内，从左侧的第三边界V1开始向右侧的第四边界V2扫描，如图4a所示，由于开始经过的像素位于目标连通区域外，像素点的像素值为第二像素值，在向右扫描的过程中，将像素值为第一像素值的第一个像素确定为第一边缘点P1；从右侧的第四边界V2开始向左侧第三边界V1扫描，如图4a所示，由于开始经过的像素位于目标连通区域外，像素点的像素值为第二像素值，在向左扫描的过程中，将像素值为第一像素值的第一个像素确定为第二线段的第四边缘点P4；确定同一行像素内的第一边缘点P1与第四边缘点P4的第一中心点P (中心)上；从第一中心点P (中心)上向左侧的第三边界V1扫描，如图4a所示，由于开始经过的像素位于目标连通区域外，像素点的像素值为第二像素值，在向左扫描的过程中，将像素值为第一像素值的第一个像素确定为第二边缘点P2；从第一中心点P (中心)上向右侧的第四边界V2扫描，如图4a所示，由于开始经过的像素位于目标连通区域外，像素点的像素值为第二像素值，在向右扫描的过程中，将像素值为第一像素值的第一个像素确定为第二线段的第三边缘点P3。
其中，P (中心)上的横坐标可以为同一行像素内第一边缘点P1的横坐标与第四边缘点P4的横坐标的平均值。
对第一采样区域进行完第一扫描处理后，可以得到多个扫描行对应的第一边缘点P1、第二边缘点P2、第三边缘点P3和第四边缘点P4。
上述过程可以应用于V型、X型、Y型等形状的线路的宽度测量。
当线路形状为X型时，即第一线段还包括位于交叉点另一侧的第三支线，第二线段还包括位于交叉点另一侧的第四支线。
为了完整测量形状为X型的线路的宽度，如图4a所示，区域连通图像中的采样区域还可以包括第二采样区域，第二采样区域包括在列方向上相对设置的第五边界H3和第六边界H4，以及连接第五边界H3与第六边界H4的第七边界V1和第八边界V2，第二采样区域内的目标连通区域仅包括与第 三支线对应的第三子连通区域以及与第四支线对应的第四子连通区域，第三子连通区域在第一方向上相对设置的两个侧边，以及第四子连通区域在第二方向上相对设置的两个侧边与第五边界H3和第六边界H4均有连接，第三子连通区域位于第四子连通区域靠近第八边界V2的一侧。
相应地，步骤S13还可以进一步包括：
对第二采样区域内的像素进行第二扫描处理，第二扫描处理包括：在同一行像素内，从第七边界V1向第八边界V2扫描，将像素值为第一像素值的第一个像素确定为第三边缘点P3；从第八边界V2向第七边界V1扫描，将像素值为第一像素值的第一个像素确定为第二边缘点P2；确定同一行像素内的第三边缘点P3与第二边缘点P2的第二中心点P (中心)下；从第二中心点P (中 心)下向第七边界V1扫描，将像素值为第一像素值的第一个像素确定为第四边缘点P4；从第二中心点P (中心)下向第八边界V2扫描，将像素值为第一像素值的第一个像素确定为第一边缘点P1。
在图4a中，第三子连通区域为第一连通区域中位于交叉点O右下的一部分，第四子连通区域为第二连通区域中位于交叉点O左下的一部分。第三子连通区域和第四子连通区域均不包括第一连通区域与第二连通区域的交叠区域。
如图4a所示，第三子连通区域在第一方向上相对设置的两个侧边分别与第五边界H3连接，并且分别与第六边界H4连接。通过使第三子连通区域在第一方向上相对设置的两个侧边与第五边界H3和第六边界H4均有连接，可以避免提取到第三子连通区域其它侧边上的像素，提高第一边缘点和第二边缘点的提取准确率，提高线宽测量准确性。
如图4a所示，第四子连通区域在第二方向上相对设置的两个侧边分别与第五边界H3连接，并且分别与第六边界H4连接。通过使第四子连通区域在第二方向上相对设置的两个侧边与第五边界H3和第六边界H4均有连接，可以避免提取到第四子连通区域其它侧边上的像素，提高第三边缘点和第四边缘点的提取准确率，提高线宽测量准确性。
具体地，在第二采样区域内，第二扫描处理可以从第五边界H3所在的这一行像素开始依次向下扫描，在向下扫描的过程中，可以逐行扫描或者隔行扫描等等。
在每一行像素或扫描行内，从左侧的第七边界V1向右侧的第八边界V2扫描，如图4a所示，由于开始经过的像素位于目标连通区域外，像素点的像素值为第二像素值，在向右扫描的过程中，将像素值为第一像素值的第一个像素确定为第三边缘点P3；从右侧的第八边界V2向左侧的第七边界V1扫描，如图4a所示，由于开始经过的像素位于目标连通区域外，像素点的像素值为第二像素值，在向左扫描的过程中，将像素值为第一像素值的第一个像素确定为第二边缘点P2；确定同一行像素内的第三边缘点P3与第二边缘点P2的第二中心点P (中心)下；从第二中心点P (中心)下向左侧的第七边界V1扫描，如图4a所示，由于开始经过的像素位于目标连通区域外，像素点的像素值为第二像素值，在向左扫描的过程中，将像素值为第一像素值的第一个像素确定为第四边缘点P4；从第二中心点P (中心)下向右侧的第八边界V2扫描，如图4a所示，由于开始经过的像素位于目标连通区域外，像素点的像素值为第二像素值，在向右扫描的过程中，将像素值为第一像素值的第一个像素确定为第一边缘点P1。
其中，P (中心)下的横坐标可以为同一行像素内第三边缘点P3的横坐标与第二边缘点P2的横坐标的平均值。
对第二采样区域进行完第二扫描处理后，可以得到多个扫描行对应的第一边缘点P1、第二边缘点P2、第三边缘点P3和第四边缘点P4。
在实际应用中，区域连通图像中的采样区域，如第一采样区域、第二采样区域等，可以是预先设置好的，也可以在线宽测量的过程中确定，本公开对此不作限定。
在具体实现中，确定区域连通图像中的采样区域的步骤，可以包括：首先基于区域连通图像，确定第一连通区域与第二连通区域的交叠坐标(O x,O y)，交叠坐标为位于第一连通区域与第二连通区域的交叠区域内的交叠像素O的坐标；然后可以根据交叠坐标(O x,O y)，以及区域连通图像在列方向上相对设置的第九边界H5和第十边界H6，确定第一采样区域和第二采样区域。
如图4a所示，第一分界线H0为经过交叠像素O且沿行方向延伸的直线，即经过交叠像素O且平行于第九边界H5和第十边界H6的直线。
其中，第一边界H1由第九边界H5在列方向上朝交叠像素O的方向平 移第一预设距离确定；第二边界H2由第一分界线H0在列方向上朝第九边界H5的方向平移第二预设距离确定；第五边界H3由第一分界线H0在列方向上朝第十边界H6的方向平移第三预设距离确定；第六边界H4由第十边界H6在列方向上朝交叠像素O的方向平移第四预设距离确定.
通过设置第一边界H1由第九边界H5在列方向上朝交叠像素O的方向平移第一预设距离，可以避免提取到第一子连通区域其它侧边(与L1和L2不同的侧边)上的像素，以及第二子连通区域其它侧边(与L3和L4不同的侧边)上的像素，提高线宽测量的准确性。通过设置第二边界H2由第一分界线H0在列方向上朝第九边界H5的方向平移第二预设距离，可以确保第一采样区域内不包括第一连通区域与第二连通区域的交叠区域，避免二者相互干扰，提高边缘点提取的准确性。
通过设置第六边界H4由第十边界H6在列方向上朝交叠像素O的方向平移第四预设距离，可以避免提取到第三子连通区域其它侧边(与L1和L2不同的侧边)上的像素，以及第四子连通区域其它侧边(与L3和L4不同的侧边)上的像素，提高线宽测量的准确性。通过设置第五边界H3由第一分界线H0在列方向上朝第十边界H6的方向平移第三预设距离，可以确保第二采样区域内不包括第一连通区域与第二连通区域的交叠区域，避免二者相互干扰，提高边缘点提取的准确性。
上述的第一预设距离、第二预设距离、第三预设距离和第四预设距离的具体数值可以根据区域连通图像的分辨率确定。例如，当区域连通图像的分辨率为480×640时，为了获得较大的采样区域，可以设置第一预设距离、第二预设距离、第三预设距离和第四预设距离分别为10、50、10和50个像素，具体数值可以根据需要进行调整。
如图4a所示，第三边界和第七边界相同，均为区域连通图像的左侧边界V1；第三边界和第七边界也可以不同，本公开对此不作限定。第四边界和第八边界相同，均为区域连通图像的右侧边界V2；第四边界和第八边界也可以不同，本公开对此不作限定。
在实际应用中，确定交叠坐标(O x,O y)，即交叠像素O的坐标的方式可以有多种。在第一种方式中，如图4a所示，区域连通图像还包括连接第九边界H5和第十边界H6的参考边界。参考边界例如可以为区域连通图像的左侧 边界，即图4a中沿列方向延伸的V1。第一线段和/或第二线段的延伸方向与列方向不同。即第一线段和第二线段中的至少一个的延伸方向与列方向不同。
相应地，基于区域连通图像，确定第一连通区域与第二连通区域的交叠坐标的步骤，可以包括：从第九边界H5开始，对区域连通图像内的像素进行逐行扫描处理，逐行扫描处理包括：若当前扫描行的参考像素与参考边界V1之间的距离大于或等于上一个扫描行的参考像素与参考边界V1之间的距离，且大于或等于下一个扫描行的参考像素与参考边界V1之间的距离，则确定当前扫描行的参考像素的坐标为交叠坐标。其中，参考像素为在同一行像素内，从参考边界V1开始扫描，像素值为第一像素值的第一个像素。
当参考边界V1的横坐标为0时，参考像素与参考边界V1之间的距离即参考像素的横坐标，即行方向上的坐标。相应地，交叠坐标(O x,O y)为横坐标最大的参考像素的坐标。
具体地，如图4a所示，可以将第九边界H5所在的像素行作为第一个扫描行，从参考边界V1开始向右扫描，扫描的过程中，将像素值为第一像素值的第一个像素确定为该扫描行的参考像素，还可以将交叠坐标暂存为第一个扫描行的参考像素的坐标，如果第二个扫描行的参考像素的横坐标大于第一个扫描行的参考像素的横坐标，则将交叠坐标更新为第二个扫描行的参考像素的坐标，依次向下搜索。当交叠坐标为第N个扫描行的参考像素的坐标，并且，第N+1个扫描行的参考像素的横坐标小于或等于第N个扫描行的参考像素的横坐标时，可以确定第N个扫描行的参考像素的坐标为最终确定的交叠坐标。其中，N为正整数。
在第二种方式中，基于区域连通图像，确定第一连通区域与第二连通区域的交叠坐标的步骤，可以包括：对第一连通区域与第二连通区域内的像素进行直线检测，得到多条检测线段；对多条检测线段进行聚类，得到两个聚类簇；将两个聚类簇的聚类中心对应的两条线段的交点坐标，确定为交叠坐标。
参照图5示意性地示出了采用聚类方式确定交叠坐标的过程示意图。如图5中的a示出了直线检测得到的多条检测线段；如图5中的b示出了根据检测线段的截距和斜率进行聚类的结果，即对检测线段进行聚类得到的两个聚类簇；如图5中的c所示的两条黑色粗线为两个聚类簇的聚类中心对应的 两条线段。
在具体实现中，可以采用霍夫变换对第一连通区域与第二连通区域内的像素进行直线检测，得到多条检测线段，如图5中的a所示。对于每一条检测线段，都包含一组参数[rho,theta]，根据其中的参数theta可以确定该检测线段的斜率a和截距b，a＝cos(theta)，b＝sin(theta)，得到该检测线段的另一组参数[a，b]。之后，可以采用k-means对多条检测线段的参数[a，b]进行聚类分析，设置聚类中心为2，得到两个聚类簇(如图5中的b所示)，以及两个聚类簇的聚类中心对应的两条线段的斜率和截距，即[a k1,b k1]，[a k2,b k2]；之后可以根据这两条线段的直线方程：y＝a k1x+b k1以及y＝a k2x+b k2，求解方程可以得到交叉点坐标即交叠坐标。
本实现方式中，步骤S14中根据第一边缘点和第二边缘点，确定第一线段的宽度的步骤，可以包括：对多个第一边缘点进行直线拟合，得到第一边缘线L1；对多个第二边缘点进行直线拟合，得到第二边缘线L2；计算第一边缘点到第二边缘线的第一距离，以及第二边缘点到第一边缘线的第二距离；计算第一距离与第二距离的平均值，得到第一线段的宽度。
在根据第一线段的宽度，确定线路的宽度的步骤之前，步骤S14还可以包括：对多个第三边缘点进行直线拟合，得到第三边缘线L3；对多个第四边缘点进行直线拟合，得到第四边缘线L4；计算第三边缘点到第四边缘线的第三距离，以及第四边缘点到第三边缘线的第四距离；计算第三距离与第四距离的平均值，得到第二线段的宽度。
相应地，步骤S14中根据第一线段的宽度，确定线路的宽度的步骤，可以包括：根据第一线段的宽度和第二线段的宽度，确定线路的宽度；其中，线路的宽度包括以下至少之一：第一线段的宽度与第二线段的宽度的平均值，第一线段的宽度以及第二线段的宽度。
其中，可以采用最小二乘法进行直线拟合。
以计算第一边缘线L1上的第一边缘点到第二边缘线L2的第一距离为例，按照以下公式计算边缘点到边缘线的距离：
Figure PCTCN2021127697-APPB-000001
其中，d表示第一距离，(x，y)为第一边缘点的坐标，a和b分别为第 二边缘线L2的斜率和截距。
当线路包括多条线段时，线路的宽度可以为多条线段的宽度的平均值：
Figure PCTCN2021127697-APPB-000002
其中，d mean为线路的宽度，d i为第i条线段的宽度，n为多条线段的数量。
在上述的第一采样区域或第二采样区域中，同时包括第一线段和第二线段的连通区域，在实际应用中，还可以在各采样区域内仅包括一条线段的连通区域。可选地，第一线段包括第五支线，步骤S13可以包括：
首先确定区域连通图像中的第三采样区域，如图4b所示，第三采样区域包括在列方向上相对设置的第十一边界H7和第十二边界H8，以及连接第十一边界H7与第十二边界H8的第十三边界V3和第十四边界V4，第三采样区域内的目标连通区域仅包括与第五支线对应的第五子连通区域，第五子连通区域在第一方向上相对设置的两个侧边与第十一边界H7与第十二边界H8均有连接；
然后对第三采样区域内的像素进行第三扫描处理，第三扫描处理包括：在同一行像素内，从第十三边界V3向第十四边界V4扫描，将像素值为第一像素值的第一个像素确定为第一边缘点P1；从第十四边界V4向第十三边界V3扫描，将像素值为第一像素值的第一个像素确定为第二边缘点P2。
需要说明的是，在图4b中，目标连通区域为深灰色区域，即第一像素值对应的像素区域。
如图4b所示，第五子连通区域在第一方向上相对设置的两个侧边L1和L2分别与第十一边界H7有连接，并且L1和L2分别与第十二边界H8连接。通过使第五子连通区域在第一方向上相对设置的两个侧边与第十一边界H7与第十二边界H8均有连接，可以避免提取到第五子连通区域其它侧边上的像素，提高第一边缘点和第二边缘点的提取准确率，提高线宽测量准确性。
具体地，在第三采样区域内，第三扫描处理可以从第十一边界H7所在的这一行像素开始依次向下扫描，在向下扫描的过程中，可以逐行扫描或者隔行扫描等等。
在每一行像素或扫描行内，从左侧的第十三边界V3向右侧的第十四边 界V4扫描，如图4b所示，由于开始经过的像素位于目标连通区域外，像素点的像素值为第二像素值，在向右扫描的过程中，将像素值为第一像素值的第一个像素确定为第一边缘点P1；从右侧的第十四边界V4向左侧的第十三边界V3扫描，如图4b所示，由于开始经过的像素位于目标连通区域外，像素点的像素值为第二像素值，在向左扫描的过程中，将像素值为第一像素值的第一个像素确定为第二边缘点P2。
对第三采样区域进行完第三扫描处理后，可以得到多个扫描行对应的第一边缘点P1和第二边缘点P2。
在实际应用中，若线路仅包括一条线段，则第一线段可以为该条线段；若线路包括多条无交叉关系的线段，则第一线段可以为多条无交叉关系的线段中的任意一条；相应地，第五支线为第一线段的全部或不包括两端端点的中间一部分线段。
若线路包括多条相互交叉的线段，则第一线段可以为多条相互交叉的线段中的任意一条；相应地，第五支线可以为第一线段上不包括两端端点和交叉点的一部分线段。
例如，当线路包括相互交叉的第一线段和第二线段时，第五支线相当于前述的第一支线，第五子连通区域相当于前述的第一子连通区域。这种情况下，第三采样区域可以由第二分界线V0对前述的第一采样区域进行划分得到，如图4a所示，第二分界线V0为经过交叠坐标(O x,O y)且沿列方向延伸的一条直线。相应地，上述的第一采样区域的第一边界H1、第二边界H2和第三边界V1，可以依次作为第三采样区域的第十一边界H7、第十二边界H8和第十三边界V3，第三采样区域的第十四边界V4为第二分界线V0。
图4b对应的第三采样区域以及第三扫描处理适用于任意形状的线路的宽度测量，如I型、V型、X型、Y型等形状的线路的宽度测量。
在另一种可选的实现方式中，膨胀处理所采用的卷积核与腐蚀处理所采用的卷积核的大小不同。具体地，膨胀处理所采用的卷积核小于腐蚀处理所采用的卷积核，这种情况下，区域连通图像中的第一连通区域的宽度小于第一线段的宽度。
本实现方式中，如图6所示，第一边缘线L1包括第一外边缘线和第一内边缘线，第二边缘线L2包括第二外边缘线和第二内边缘线。目标连通区 域包括与第一线段对应的第三连通区域，膨胀处理所采用的卷积核小于腐蚀处理所采用的卷积核，以使第三连通区域在第一方向上相对的两个侧边中的一个侧边位于第一外边缘线和第一内边缘线之间，另一个侧边位于第二外边缘线和第二内边缘线之间。
例如，膨胀处理所采用的卷积核可以为5×5，腐蚀处理所采用的卷积核可以为7×7，本公开对此不作限定。
线路还可以包括与第一线段交叉设置的第二线段，第一线段可以包括位于第一线段与第二线段的交叉点一侧的第六支线。相应地，在步骤S12之后，还可以包括：提取区域连通图像的骨架图像，骨架图像包括骨架，如图12中的a所示白线，骨架内各像素的像素值与骨架外各像素的像素值不同，骨架包括与第六支线对应的中心线。
相应地，在步骤S13之前还可以包括：对边缘图像进行直线检测，得到多个边缘线段；从多个边缘线段中确定与第六支线对应的目标线段。
具体地，可以采用霍夫变换对边缘图像进行直线检测，得到多个边缘线段，如图11中的a所示，对应的边缘图像如图8中的a所示。
由于对应同一条支线的边缘线段的位置接近，因此可以根据边缘线段的位置，对多个边缘线段进行分区，获得与第六支线对应的目标线段。
需要说明的是，线路中所有支线的处理方式可以与第六支线的处理方式相同，这里仅以第六支线为例对方案进行说明。其中，支线为一条线段中位于交叉点一侧的一段线段，支线上不包括交叉点。
其中，分区的数量可以与线路中所包含的支线数量相同，各分区对应不同的支线。例如，当第一线段和第二线段构成的线路图形为V型时，包含两条支线，可以将多个边缘线段划分至两个区域；当第一线段和第二线段构成的线路图形为Y型时，包含三条支线，可以将多个边缘线段划分至三个区域；当第一线段和第二线段构成的线路图形为X型时，包含四条支线，可以将多个边缘线段划分至四个区域。
具体地，当第一线段和第二线段构成的线路图形为X型时，可以首先确定多条边缘线段的交叉点，然后根据交叉点坐标将边缘图像划分为4个区域：左上区域、左下区域、右上区域和右下区域。为了提高线宽测量的准确性，各区域可以不包括交点及其附近的区域。
在实际应用中，可以遍历每一条边缘线段，如果该边缘线段上的像素均位于第六支线对应的区域内，则该边缘线段为第六支线对应的目标线段。本实施例中，以第六支线对应的区域为左上区域为例进行说明，则目标线段为位于左上区域内的边缘线段。
在实际应用中，还可以计算所有目标线段的斜率平均值，然后判断各目标线段与该斜率平均值之间的差值，如果该差值小于或等于指定值，则保留该目标线段，否则剔除该目标线段。
需要说明的是，当线路仅包括一条线段时，该条线段的处理过程与第六支线相同，这种情况下，直线检测得到的多个边缘线段均可作为目标线段。
相应地，步骤S13可以包括：根据目标线段在边缘图像中的位置，第三连通区域在区域连通图像中的位置以及中心线在骨架图像中的位置之间的关系，从目标线段中确定第一外边缘线、第一内边缘线、第二外边缘线和第二内边缘线。
其中，根据目标线段在边缘图像中的位置，第三连通区域在区域连通图像中的位置以及中心线在骨架图像中的位置之间的关系，从目标线段中确定第一外边缘线、第一内边缘线、第二外边缘线和第二内边缘线的步骤，可以包括：
根据目标线段在边缘图像中的位置，在区域连通图像中的对应位置确定与目标线段对应的第一映射区域，在骨架图像中的对应位置确定与目标线段对应的第二映射区域。
具体地，可以根据目标线段的两个端点在边缘图像中的位置，在区域连通图像中的对应位置确定与目标线段对应的第一映射区域，在骨架图像中的对应位置确定与目标线段对应的第二映射区域。由于两个端点可以确定一条线段，因此可以用目标线段的两个端点在边缘图像中的位置，来代表目标线段在边缘图像中的位置，这样可以减少计算量，提高测量效率。
若第一映射区域位于第三连通区域外部的第一侧，则确定第一映射区域对应的目标线段为第一外边缘线；
若第一映射区域位于第三连通区域外部的第二侧，则确定第一映射区域对应的目标线段为第二外边缘线；
若第一映射区域位于第三连通区域内部，且第二映射区域位于中心线的 第一侧，则确定第一映射区域和第二映射区域对应的目标线段为第一内边缘线；
若第一映射区域位于第三连通区域内部，且第二映射区域位于中心线的第二侧，则确定第一映射区域和第二映射区域对应的目标线段为第二内边缘线。
本实现方式中，由于第三连通区域在第一方向上相对的两个侧边中的一个侧边位于第一外边缘线和第一内边缘线之间，另一个侧边位于第二外边缘线和第二内边缘线之间，因此，可以根据与目标线段对应的第一映射区域与第三连通区域之间的关系，判断该目标线段为第一线段的内边缘线或外边缘线。
具体地，若第一映射区域位于第三连通区域内部，则与该第一映射区域对应的目标线段为第一线段的内边缘线，若第一映射区域位于第三连通区域外部，则与该第一映射区域对应的目标线段为第一线段的外边缘线。
如图10中的a示出了采用目标连通区域对边缘图像进行筛选得到的外边缘像素；如图10中的b示出了采用目标连通区域对边缘图像进行筛选得到的内边缘像素。如图11中的b示出了采用目标连通区域对多个边缘线段进行筛选得到的外边缘线；如图11中的c示出了采用目标连通区域对多个边缘线段进行筛选得到的内边缘线。
进一步地，若第一映射区域位于第三连通区域外部第一侧，则与该第一映射区域对应的目标线段为第一外边缘线；若第一映射区域位于第三连通区域外部第二侧，则与该第一映射区域对应的目标线段为第二外边缘线。
从目标线段中筛选出内边缘线之后，可以根据各内边缘线对应的第二映射区域与中心线之间的位置关系，来区分第一内边缘线和第二内边缘线。具体地，若第二映射区域位于中心线的第一侧，则对应的内边缘线为第一内边缘线；若第二映射区域位于中心线的第二侧，则对应的内边缘线为第二内边缘线。
为了确定上述位置关系，在第一种实现方式中，区域连通图像可以包括相对设置的第十五边界V5和第十六边界V6，如图7中的d所示。在根据目标线段在边缘图像中的位置，第三连通区域在区域连通图像中的位置以及中心线在骨架图像中的位置之间的关系，从目标线段中确定第一外边缘线、第 一内边缘线、第二外边缘线和第二内边缘线的步骤之前，还可以包括：
将第一填充区域和第二填充区域内各像素的像素值设置为第三像素值，其中，第一填充区域为区域连通图像中位于目标连通区域与第十五边界V5之间的区域，第二填充区域为位于目标连通区域与第十六边界V6之间的区域。
如图7中的e所示，目标连通区域(包括第三连通区域)内各像素的像素值为第一像素值(如255)，对应图7中的d或e所示的白色区域；第一填充区域和第二填充区域内各像素的像素值为第三像素值(如64)，对应图7中的e所示的灰色区域；其它区域内各像素的像素值为第二像素值(如0)，对应图7中的e所示的黑色区域。
在具体实现中，为了将第一填充区域和第二填充区域内各像素的像素值设置为第三像素值，可以遍历区域连通图像(如图7中d所示)中的每一行像素，对于每一行像素，分别从左侧(对应图7中d所示的V5)和右侧(对应图7中d所示的V6)向中心遍历该行内每个像素的像素值，将像素值为第一像素值的第一个像素之前遍历过的像素点的像素值设置为第三像素值，左右两侧遍历采取相同的操作，直到遍历完整张图像结束，得到如图7中e所示的图像。
之后，在第三连通区域对应的左上分区中，分别位于第三连通区域外部两侧的像素值不同，一侧为第二像素值(对应图7中的e所示的黑色区域)，另一侧为第三像素值(对应图7中的e所示的灰色区域)。因此，可以根据与目标线段对应的第一映射区域内各像素的像素值，确定第一映射区域与第三连通区域之间的位置关系。
具体地，若第一映射区域内各像素的像素值均为第三像素值，则判定第一映射区域位于第三连通区域外部的第一侧；若第一映射区域内各像素的像素值均为第二像素值，则判定第一映射区域位于第三连通区域外部的第二侧；若第一映射区域内各像素的像素值均为第一像素值，则判定第一映射区域位于第三连通区域内部。
本实现方式中，第十五边界V5和第十六边界V6为区域连通图像在行方向上相对设置的两个边界，在具体实现中，这两个边界也可以为区域连通图像在列方向上相对设置的两个边界。
在第二种实现方式中，在根据目标线段在边缘图像中的位置，第三连通区域在区域连通图像中的位置以及中心线在骨架图像中的位置之间的关系，从目标线段中确定第一外边缘线、第一内边缘线、第二外边缘线和第二内边缘线的步骤之前，还可以包括：
将区域连通图像与膨胀图像进行异或运算，得到中间图像，中间图像包括多个分立的互补区域，多个分立的互补区域内各像素的像素值为第四像素值(如255，如图9中的a所示的白色区域)，多个分立的互补区域外各像素的像素值为第五像素值(如0，如图9中的a所示的黑色区域)，中间图像包括相对设置的第十七边界V7和第十八边界V8；
将中间图像中与第十七边界V7相邻的互补区域确定为第三填充区域，以及与第十八边界V8相邻的互补区域确定为第四填充区域，并将第三填充区域和第四填充区域内各像素的像素值设置为第六像素值(如64，如图9中的b所示的灰色区域)。
根据目标线段在边缘图像中的位置，在中间图像中的对应位置确定与目标线段对应的第三映射区域。
如图8中的c所示，膨胀图像中包括膨胀连通区域，膨胀连通区域内各像素的像素值为第一像素值，膨胀连通区域外各像素的像素值为第二像素值。通过将膨胀图像与区域连通图像(如图8中的e所示)进行异或运算，得到中间图像，如图9中的a所示，异或运算可以将目标连通区域的边界与膨胀连通区域的边界之间的区域提取出来，即互补区域(如图9中的a所示的白色区域)。
本实现方式中，由于第三连通区域在第一方向上相对的两个侧边中的一个侧边位于第一外边缘线和第一内边缘线之间，另一个侧边位于第二外边缘线和第二内边缘线之间，因此，可以根据与目标线段对应的第三映射区域与互补区域之间的关系，判断该目标线段为第一线段的内边缘线或外边缘线。
具体地，若第三映射区域位于互补区域内部，则与该第三映射区域对应的目标线段为第一线段的外边缘线；若第三映射区域位于互补区域外部，则与该第三映射区域对应的目标线段为第一线段的内边缘线。
由于第三连通区域对应的互补区域分别位于该第三连通区域的两侧，因此，可以根据各外边缘线所在的互补区域，将各外边缘线划分为第一外边缘 线和第二外边缘线。
为了确定各外边缘线属于哪个互补区域，可以将与第三连通区域对应的两个互补区域(位于左上区域)的像素分别设置为不同的像素值，如图9中的b所示，左上区域的两个互补区域内的像素值分别为第四像素值(如图9中的b所示的白色区域)和第六像素值(如图9中的b所示的灰色区域)。
为了将第三填充区域和第四填充区域内各像素的像素值设置为第六像素值，可以遍历区域连通图像中的每一行像素，对于每一行像素，分别从左侧(对应图9中a所示的V7)和右侧(对应图9中a所示的V8)向中心遍历该行内每个像素的像素值，当遇到像素值为第四像素值的第一个像素时，将该像素所在的像素值为第四像素值的区域内各像素的像素值设置为第六像素值，左右两侧遍历采取相同的操作，直到遍历完整张图像结束，得到如图9中的b所示的图像。
填充完之后，可以根据与目标线段对应的第三映射区域内各像素的像素值，确定第一映射区域与第三连通区域之间的位置关系。
具体地，若第三映射区域内各像素的像素值均为第六像素值，则判定第一映射区域位于第三连通区域外部的第一侧；若第三映射区域内各像素的像素值均为第四像素值，则判定第一映射区域位于第三连通区域外部的第二侧。
本实现方式中，第十七边界V7和第十八边界V8为中间图像在行方向上相对设置的两个边界，在具体实现中，这两个边界也可以为中间图像在列方向上相对设置的两个边界。
在第三种实现方式中，如图12中的a所示，骨架图像包括相对设置的第十九边界V9和第二十边界V10，骨架内各像素的像素值为第七像素值(如255，对应图12中的a所示白线)，骨架外各像素的像素值为第八像素值(如0，对应图12中的a所示黑色区域)。
在根据目标线段在边缘图像中的位置，第三连通区域在区域连通图像中的位置以及中心线在骨架图像中的位置之间的关系，从目标线段中确定第一外边缘线、第一内边缘线、第二外边缘线和第二内边缘线的步骤之前，还可以包括：
将骨架图像中位于骨架与第十九边界V9之间的区域(第五填充区域)，以及位于骨架与第二十边界V10之间的区域(第六填充区域)内各像素的像 素值设置为第九像素值(如64，对应图12中的b所示灰色区域)。
为了判断第二映射区域位于中心线的第一侧还是第二侧，可以将第三连通区域所在的左上区域内的中心线两侧的像素设置为不同的像素值。具体地，可以遍历区域连通图像中的每一行像素，对于每一行像素，分别从左侧(对应图12中a所示的V9)和右侧(对应图12中a所示的V10)向中心遍历该行内每个像素的像素值，当遇到像素值为第七像素值的第一个像素时，将之前遍历过的像素值设置为第九像素值，左右两侧遍历采取相同的操作，直到遍历完整张图像结束，得到如图12中b所示的图像。
填充完成之后，可以根据第二映射区域内各像素的像素值判断第二映射区域位于中心线的第一侧或第二侧。具体地，若第二映射区域内各像素的像素值均为第九像素值，则判定第二映射区域位于中心线的第一侧；若第二映射区域内各像素的像素值均为第八像素值，则判定第二映射区域位于中心线的第二侧。
本实现方式中，第十九边界V9和第二十边界V10为骨架图像在行方向上相对设置的两个边界，在具体实现中，这两个边界也可以为骨架图像在列方向上相对设置的两个边界。
本实现方式中，在步骤S14中，根据第一边缘点和第二边缘点，确定第一线段的宽度的步骤，可以包括：计算第一外边缘线的端点到第二外边缘线的第五距离；计算第二外边缘线的端点到第一外边缘线的第六距离；计算第一内边缘线的端点到第二内边缘线的第七距离；计算第二内边缘线的端点到第一内边缘线的第八距离；计算第五距离、第六距离、第七距离和第八距离的平均值，得到第一线段的宽度。
为了获得合适的曝光计量，提高线宽测量的准确度。可以通过实验调整曝光剂量的值，然后计算实验前后所拍摄图片的预测距离(线宽)的比值的平均值。
具体地，实验前预测均值：
Figure PCTCN2021127697-APPB-000003
其中，d为标准值，
Figure PCTCN2021127697-APPB-000004
为同一曝光计量下所有图片预测距离的 平均值。
Figure PCTCN2021127697-APPB-000005
为第i张图片的预测距离，n为同一曝光计量图片数量，m为曝光计量个数。
实验后预测距离与实验前预测均值的比值的平均值：
Figure PCTCN2021127697-APPB-000006
其中，K为图片数据量。在实际应用中，可以根据eval的数值来判断曝光剂量的调整是否合适。
本实施例中，可以对目标图像进行灰度化处理后，再进行二值化处理获得二值化图像。在二值化处理的过程中，可以首先确定二值化阈值，将像素值小于二值化阈值的像素点的像素值设置为最小灰度值如0，将像素值大于或等于二值化阈值的像素点的像素值设置为最大灰度值如255。
在具体实现中，可以采用灰度平均值法、百分比阈值法、基于谷底最小值的阈值方法、基于双峰平均值的阈值方法迭代确定最佳阈值法、大津法等方法来确定二值化阈值。然而，发明人发现，单一的二值化阈值确定方法对噪点比较多、光照多样的图像的处理效果较差。
为了获得较为准确的二值化阈值，可以根据图像本身的特征，例如对于整体偏绿的目标图像，可以基于目标图像的绿色通道图像进行二值化处理。
如图13中的a示出了一种偏绿的目标图像，b示出了该目标图像的绿色通道图像。如图14中的a示出了另一种偏绿的目标图像，b示出了该目标图像的绿色通道图像。
具体地，基于目标图像的G通道图像确定二值化阈值的步骤可以包括：采用大津法确定第一阈值；根据线路图案在目标图像中所占的比例，进而根据该比例以及线路图案中各像素的像素值，确定第二阈值；对第一阈值与第二阈值进行加权求和，得到二值化阈值。
其中，大津法是一种确定图像二值化分割阈值的算法，又称作最大类间方差法。按照大津法求得的阈值对图像进行二值化分割后，前景与背景图像的类间方差最大。大津法被认为是图像分割中选取阈值的最佳算法，计算简单，不受图像亮度和对比度的影响，因此在数字图像处理上得到了广泛的应用。大津法是按图像的灰度特性，将图像分成背景和前景两部分。因方差是 灰度分布均匀性的一种度量,背景和前景之间的类间方差越大,说明构成图像的两部分的差别越大,当部分前景错分为背景或部分背景错分为前景时都会导致两部分差别变小。因此，使类间方差最大的分割意味着错分概率最小。
在第二阈值的确定过程中，例如，当线路图案在目标图像中所占的比例为8％时，可以对线路图案中各像素的像素值按照从大到小的顺序进行排序，然后计算像素值在中间值与最大像素值之间的像素点数量与所有像素点数量的比值，当该比值为8％时，可以将该中间值确定为第二阈值。
当目标图像的噪声较多时，可以按照以下公式计算二值化阈值：
t＝w 1×t 1+w 2×t 2
其中：t 1为第一阈值，w 1为第一阈值所占的权重，t 2为第二阈值，w 2为第二阈值所占权重，t为二值化阈值。
参照图13中的c和图14中的c分别示出了采用上述方法得到的二值化图像。其中，图13中的c示出了对图13中的b所示的绿色通道图像进行二值化处理得到的二值化图像。图14中的c示出了对图14中的b所示的绿色通道图像进行二值化处理得到的二值化图像。
上述二值化处理的方法，是基于图像本身的特征选用绿色通道图像，融合了大津法和线路在图像中所占的比例进行二值化阈值计算，可以减小图片明暗不一的影响，减少二值化图像的噪声，提高二值化图像的质量。
需要说明的是，当目标图像偏红时，可以基于目标图像的红色通道进行二值化处理；当目标图像偏蓝时，也可以基于目标图像的蓝色通道进行二值化处理。
本实施例中，可以采用中值滤波的方法对图像进行降噪处理。中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，中值滤波的基本原理是把数字图像或数字序列中一个像素的值用该像素的一个邻域中各像素值的中值代替，让周围的像素值接近真实值，从而消除孤立的噪声点。具体过程是用某种结构的二维滑动模板，将板内像素按照像素值的大小进行排序，生成单调上升(或下降)的为二维数据序列。二维中值滤波的输出为：
g(x,y)＝med(f(x-k,y-l)),(k,l∈W)
其中，f(x,y)，g(x,y)分别为处理前图像和处理后图像，(x,y)为图像中的 像素坐标，W为二维模板，大小可以为3×3或5×5，形状例如可以为矩形、线状、圆形、十字形或圆环形等。
在实际应用中，可以采用上述中值滤波的方法对二值化图像进行降噪处理，得到降噪图像。如图13中的d示出了对图13中的c所示的二值化图像进行中值滤波处理得到的降噪图像。如图14中的d示出了对图14中的c所示的二值化图像进行中值滤波处理得到的降噪图像。
本实施例中，可以采用Canny边缘检测算子对图像进行边缘检测。其中Canny边缘检测算子是一种多级检测算法，Canny边缘检测算子进行边缘检测的准则如下：(1)低错误率的边缘检测：检测算法应该精确地找到图像中尽可能多的边缘，尽可能地减少漏检和误检；(2)最优定位：检测到的边缘点应该精确地定位于边缘的中心；(3)图像中的任意边缘应该只被标记一次，同时图像噪声不应产生伪边缘。
Canny边缘检测算子进行边缘检测的步骤包括：高斯滤波器平滑图像；用一阶偏导的有限差分来计算梯度的幅值和方向；对梯度幅值进行非极大值抑制；用双阈值算法检测和连接边缘。
在实际应用中，可以采用Canny边缘检测算子对降噪图像进行边缘提取。如图13中的e示出了对图13中的d所示的降噪图像进行边缘提取得到的边缘图像。如图14中的e示出了对图14中的d所示的降噪图像进行边缘提取得到的边缘图像。
对边缘图像进行直线检测可以分为从上而下和从下而上两种模式，从上而下的直线检测模式包括霍夫变换，将直线由坐标空间变换为参数空间，进而投票检测直线；从下而上的直线检测模式包括链码跟踪以及相位编组等。从下而上的直线检测方法主要检测到短线段，可以通过聚类将短线段聚类形成长直线。
其中，采用霍夫变换对边缘图像进行直线检测的步骤可以包括：
步骤1：随机抽取图像中的一个特征点，即边缘点，如果该点已经被标定为是某一条直线上的点，则继续在剩下的边缘点中随机抽取一个边缘点，直到所有边缘点都被抽取完为止；
步骤2：对该点进行霍夫变换，并进行累加计算；
步骤3：选取在霍夫空间内最大的点，如果该点大于指定阈值，则进行 步骤4，否则返回步骤1；
步骤4：根据霍夫变换得到的最大值，从该点出发，沿着直线的方向位移，从而找到直线的两个端点；
步骤5：计算直线的长度，将长度满足预设条件的直线输出，回到步骤1。
在实际应用中，可以采用上述霍夫变换的步骤对图13和图14中的边缘图像进行直线检测。如图13中的f示出了对图13中的e所示的边缘图像进行直线检测得到的直线图像。如图14中的f示出了对图14中的e所示的边缘图像进行直线检测得到的直线图像。
之后，可以根据直线图像中的直线确定线路的宽度。具体步骤可以包括：使用最小二乘法拟合霍夫变换检测到的所有直线，得到参考斜率k(对于图13和图14所示的情况，得到两个参考斜率，对应交叉设置的两条线段)；计算霍夫变换检测到各直线的斜率和截距；将斜率小于k-t，或者大于k+t的直线滤除，即将斜率大于或等于k-t，且小于或等于k+t的直线作为目标直线；其中，t为斜率阈值，可以根据经验预先设定；之后可以采用层次聚类算法，对目标直线的截距进行聚类，得到相互平行的目标直线(对于图13和图14所示的情况，聚类得到4个截距，两组相互平行的目标直线)。之后计算相互平行的目标直线之间的距离，可以得到线路的宽度。
如图13中的g示出了对图13中的f所示的直线进行聚类得到相互平行的目标直线的图像。如图14中的g示出了对图14中的f所示的直线进行聚类得到相互平行的目标直线的图像。
最小二乘法是按照以下公式进行直线拟合：
标准数＝∑(观测值-理论值) 2
其中，观测值是构成直线的像素点，理论值就是假设的拟合函数。
层次聚类是聚类算法的一种，通过计算不同类别数据点间的相似度来创建一棵有层次的嵌套聚类树。在聚类树中，不同类别的原始数据点是树的最低层，树的顶层是一个聚类的根节点，创建聚类树有自下而上合并和自上而下分裂两种方法。
这样，结合霍夫变换、最小二乘法和层次聚类进行直线检测，可以提高 边缘线检测的精确度。
图15示意性地示出了一种线宽测量装置框图，该装置用于测量线路的宽度。参照图15，可以包括：
图像获取模块1501，被配置为获取所述线路的目标图像，所述线路包括第一线段；
连通处理模块1502，被配置为对所述目标图像的边缘图像或二值化图像进行区域连通处理，获得区域连通图像；其中，所述边缘图像是对所述目标图像进行边缘检测获得的图像，所述二值化图像是对所述目标图像进行图像二值化处理获得的图像，所述区域连通图像包括与所述线路的图形对应的目标连通区域，所述目标连通区域内各像素的像素值与所述目标连通区域外各像素的像素值不同；
边缘确定模块1503，被配置为基于所述区域连通图像，确定所述第一线段的第一边缘点和第二边缘点，所述第一边缘点位于所述第一线段的第一边缘线上，所述第二边缘点位于所述第二线段的第二边缘线上，所述第一边缘线与所述第二边缘线在第一方向上相对设置；
宽度计算模块1504，被配置为根据所述第一边缘点和所述第二边缘点，确定所述第一线段的宽度；并根据所述第一线段的宽度，确定所述线路的宽度。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关线宽测量方法的实施例中进行了详细描述，例如，使用软件、硬件、固件等方式实现，此处将不做详细阐述说明。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
本公开的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据 本公开实施例的计算处理设备中的一些或者全部部件的一些或者全部功能。本公开还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本公开的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
例如，图16示出了可以实现根据本公开的方法的计算处理设备。该计算处理设备传统上包括处理器1010和以存储器1020形式的计算机程序产品或者计算机可读介质。存储器1020可以是诸如闪存、EEPROM(电可擦除可编程只读存储器)、EPROM、硬盘或者ROM之类的电子存储器。存储器1020具有用于执行上述方法中的任何方法步骤的程序代码1031的存储空间1030。例如，用于程序代码的存储空间1030可以包括分别用于实现上面的方法中的各种步骤的各个程序代码1031。这些程序代码可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。这些计算机程序产品包括诸如硬盘，紧致盘(CD)、存储卡或者软盘之类的程序代码载体。这样的计算机程序产品通常为如参考图17所述的便携式或者固定存储单元。该存储单元可以具有与图16的计算处理设备中的存储器1020类似布置的存储段、存储空间等。程序代码可以例如以适当形式进行压缩。通常，存储单元包括计算机可读代码1031’，即可以由例如诸如1010之类的处理器读取的代码，这些代码当由计算处理设备运行时，导致该计算处理设备执行上面所描述的方法中的各个步骤。
本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设 备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上对本公开所提供的一种线宽测量方法、装置、计算处理设备、计算机程序及计算机可读介质进行了详细介绍，本文中应用了具体个例对本公开的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本公开的方法及其核心思想；同时，对于本领域的一般技术人员，依据本公开的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本公开的限制。
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
本文中所称的“一个实施例”、“实施例”或者“一个或者多个实施例”意味着，结合实施例描述的特定特征、结构或者特性包括在本公开的至少一个实施例中。此外，请注意，这里“在一个实施例中”的词语例子不一定全指同一个实施例。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本公开的实施例可以在没有这些具体细节的情况下被实践。在一些实例中，并 未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本公开可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
最后应说明的是：以上实施例仅用以说明本公开的技术方案，而非对其限制；尽管参照前述实施例对本公开进行了详细的说明，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，并不使相应技术方案的本质脱离本公开各实施例技术方案的精神和范围。

Claims (24)

  1. 一种线宽测量方法，其中，用于测量线路的宽度，所述线宽测量方法包括：
    获取所述线路的目标图像，所述线路包括第一线段；
    对所述目标图像的边缘图像或二值化图像进行区域连通处理，获得区域连通图像；其中，所述边缘图像是对所述目标图像进行边缘检测获得的图像，所述二值化图像是对所述目标图像进行图像二值化处理获得的图像，所述区域连通图像包括与所述线路的图形对应的目标连通区域，所述目标连通区域内各像素的像素值与所述目标连通区域外各像素的像素值不同；
    基于所述区域连通图像，确定所述第一线段的第一边缘点和第二边缘点，所述第一边缘点位于所述第一线段的第一边缘线上，所述第二边缘点位于所述第二线段的第二边缘线上，所述第一边缘线与所述第二边缘线在第一方向上相对设置；
    根据所述第一边缘点和所述第二边缘点，确定所述第一线段的宽度；并根据所述第一线段的宽度，确定所述线路的宽度。
  2. 根据权利要求1所述的线宽测量方法，其中，所述对所述目标图像的边缘图像或二值化图像进行区域连通处理，获得区域连通图像的步骤，包括：
    对所述边缘图像或所述二值化图像依次进行膨胀处理和泛洪填充处理，得到膨胀图像；
    对所述膨胀图像进行腐蚀处理，获得腐蚀图像；其中，所述腐蚀图像包括多个连通区域，所述多个连通区域内各像素的像素值为第一像素值，所述多个连通区域外各像素的像素值为第二像素值；所述多个连通区域包括孤立连通区域和目标连通区域，所述孤立连通区域为区域面积小于预设阈值的连通区域，所述目标连通区域为区域面积大于或等于所述预设阈值的连通区域；
    将所述腐蚀图像中的所述孤立连通区域内各像素的像素值设置为所述第二像素值，得到所述区域连通图像。
  3. 根据权利要求2所述的线宽测量方法，其中，所述膨胀处理所采用的卷积核与所述腐蚀处理所采用的卷积核的大小相同。
  4. 根据权利要求3所述的线宽测量方法，其中，所述目标连通区域包括与所述第一线段对应的第一连通区域，所述基于所述区域连通图像，确定所述第一线段的第一边缘点和第二边缘点的步骤，包括：
    提取所述第一连通区域在所述第一方向上相对的两个侧边上的像素，得到所述第一边缘点和所述第二边缘点。
  5. 根据权利要求4所述的线宽测量方法，其中，所述线路还包括与所述第一线段交叉设置的第二线段，所述第一线段包括位于所述第一线段与所述第二线段的交叉点一侧的第一支线，所述第二线段包括位于所述交叉点一侧的第二支线，所述区域连通图像的多个像素沿行方向和列方向阵列排布，所述提取所述第一连通区域在所述第一方向上相对的两个侧边上的像素，得到所述第一边缘点和所述第二边缘点的步骤，包括：
    确定所述区域连通图像中的采样区域，所述采样区域包括第一采样区域，所述第一采样区域包括在所述列方向上相对设置的第一边界和第二边界，以及连接所述第一边界与所述第二边界的第三边界和第四边界，所述第一采样区域内的目标连通区域仅包括与所述第一支线对应的第一子连通区域以及与所述第二支线对应的第二子连通区域，所述第一子连通区域在所述第一方向上相对设置的两个侧边，以及所述第二子连通区域在第二方向上相对设置的两个侧边与所述第一边界和所述第二边界均有连接，所述第一子连通区域位于所述第二子连通区域靠近所述第三边界的一侧；
    对所述第一采样区域内的像素进行第一扫描处理，所述第一扫描处理包括：在同一行像素内，从所述第三边界向所述第四边界扫描，将像素值为所述第一像素值的第一个像素确定为所述第一边缘点；从所述第四边界向所述第三边界扫描，将像素值为所述第一像素值的第一个像素确定为所述第二线段的第四边缘点；确定所述同一行像素内的所述第一边缘点与所述第四边缘点的第一中心点；从所述第一中心点向所述第三边界扫描，将像素值为所述第一像素值的第一个像素确定为所述第二边缘点；从所述第一中心点向所述第四边界扫描，将像素值为所述第一像素值的第一个像素确定为所述第二线段的第三边缘点；
    其中，所述第三边缘点位于所述第二线段的第三边缘线上，所述第四边缘点位于所述第二线段的第四边缘线上，所述第三边缘线与所述第四边缘线 在所述第二方向上相对设置。
  6. 根据权利要求5所述的线宽测量方法，其中，所述第一线段还包括位于所述交叉点另一侧的第三支线，所述第二线段还包括位于所述交叉点另一侧的第四支线；所述采样区域还包括第二采样区域，所述第二采样区域包括在所述列方向上相对设置的第五边界和第六边界，以及连接所述第五边界与所述第六边界的第七边界和第八边界，所述第二采样区域内的目标连通区域仅包括与所述第三支线对应的第三子连通区域以及与所述第四支线对应的第四子连通区域，所述第三子连通区域在所述第一方向上相对设置的两个侧边，以及所述第四子连通区域在第二方向上相对设置的两个侧边与所述第五边界和所述第六边界均有连接，所述第三子连通区域位于所述第四子连通区域靠近所述第八边界的一侧；
    所述提取所述第一连通区域在所述第一方向上相对的两个侧边上的像素，得到所述第一边缘点和所述第二边缘点的步骤，还包括：
    对所述第二采样区域内的像素进行第二扫描处理，所述第二扫描处理包括：在同一行像素内，从所述第七边界向所述第八边界扫描，将像素值为所述第一像素值的第一个像素确定为所述第三边缘点；从所述第八边界向所述第七边界扫描，将像素值为所述第一像素值的第一个像素确定为所述第二边缘点；确定所述同一行像素内的所述第三边缘点与所述第二边缘点的第二中心点；从所述第二中心点向所述第七边界扫描，将像素值为所述第一像素值的第一个像素确定为所述第四边缘点；从所述第二中心点向所述第八边界扫描，将像素值为所述第一像素值的第一个像素确定为所述第一边缘点。
  7. 根据权利要求5或6所述的线宽测量方法，其中，所述根据所述第一边缘点和所述第二边缘点，确定所述第一线段的宽度的步骤，包括：
    对多个所述第一边缘点进行直线拟合，得到所述第一边缘线；对多个所述第二边缘点进行直线拟合，得到所述第二边缘线；
    计算所述第一边缘点到所述第二边缘线的第一距离，以及所述第二边缘点到所述第一边缘线的第二距离；
    计算所述第一距离与所述第二距离的平均值，得到第一线段的宽度；
    在所述根据所述第一线段的宽度，确定所述线路的宽度的步骤之前，还包括：
    对多个所述第三边缘点进行直线拟合，得到所述第三边缘线；对多个所述第四边缘点进行直线拟合，得到所述第四边缘线；
    计算所述第三边缘点到所述第四边缘线的第三距离，以及所述第四边缘点到所述第三边缘线的第四距离；
    计算所述第三距离与所述第四距离的平均值，得到第二线段的宽度；
    所述根据所述第一线段的宽度，确定所述线路的宽度的步骤，包括：
    根据所述第一线段的宽度和所述第二线段的宽度，确定所述线路的宽度；其中，所述线路的宽度包括以下至少之一：所述第一线段的宽度与所述第二线段的宽度的平均值，所述第一线段的宽度以及所述第二线段的宽度。
  8. 根据权利要求6所述的线宽测量方法，其中，所述目标连通区域还包括与所述第二线段对应的第二连通区域，所述确定所述区域连通图像中的采样区域的步骤，包括：
    基于所述区域连通图像，确定所述第一连通区域与所述第二连通区域的交叠坐标，所述交叠坐标为位于所述第一连通区域与所述第二连通区域的交叠区域内的交叠像素的坐标；
    根据所述交叠坐标，以及所述区域连通图像在所述列方向上相对设置的第九边界和第十边界，确定所述第一采样区域和所述第二采样区域；其中，所述第一边界由所述第九边界在所述列方向上朝所述交叠像素的方向平移第一预设距离确定；所述第二边界由第一分界线在所述列方向上朝所述第九边界的方向平移第二预设距离确定；所述第五边界由所述第一分界线在所述列方向上朝所述第十边界的方向平移第三预设距离确定；所述第六边界由所述第十边界在所述列方向上朝所述交叠像素的方向平移第四预设距离确定；所述第一分界线为经过所述交叠像素且沿所述行方向延伸的直线。
  9. 根据权利要求8所述的线宽测量方法，其中，所述区域连通图像还包括连接所述第九边界和所述第十边界的参考边界，所述第一线段和/或所述第二线段的延伸方向与所述列方向不同，所述基于所述区域连通图像，确定所述第一连通区域与所述第二连通区域的交叠坐标的步骤，包括：
    从所述第九边界开始，对所述区域连通图像内的像素进行逐行扫描处理，所述逐行扫描处理包括：若当前扫描行的参考像素与所述参考边界之间的距离大于或等于上一个扫描行的参考像素与所述参考边界之间的距离，且大于 或等于下一个扫描行的参考像素与所述参考边界之间的距离，则确定所述当前扫描行的参考像素的坐标为所述交叠坐标；其中，所述参考像素为在同一行像素内，从所述参考边界开始扫描，像素值为所述第一像素值的第一个像素。
  10. 根据权利要求8所述的线宽测量方法，其中，所述基于所述区域连通图像，确定所述第一连通区域与所述第二连通区域的交叠坐标的步骤，包括：
    对所述第一连通区域与所述第二连通区域内的像素进行直线检测，得到多条检测线段；
    对所述多条检测线段进行聚类，得到两个聚类簇；
    将所述两个聚类簇的聚类中心对应的两条线段的交点坐标，确定为所述交叠坐标。
  11. 根据权利要求4所述的线宽测量方法，其中，所述第一线段包括第五支线，所述区域连通图像的多个像素沿行方向和列方向阵列排布，所述提取所述第一连通区域在所述第一方向上相对的两个侧边上的像素，得到所述第一边缘点和所述第二边缘点的步骤，包括：
    确定所述区域连通图像中的第三采样区域，所述第三采样区域包括在所述列方向上相对设置的第十一边界和第十二边界，以及连接所述第十一边界与所述第十二边界的第十三边界和第十四边界，所述第三采样区域内的目标连通区域仅包括与所述第五支线对应的第五子连通区域，所述第五子连通区域在所述第一方向上相对设置的两个侧边与所述第十一边界与所述第十二边界均有连接；
    对所述第三采样区域内的像素进行第三扫描处理，所述第三扫描处理包括：在同一行像素内，从所述第十三边界向所述第十四边界扫描，将像素值为所述第一像素值的第一个像素确定为所述第一边缘点；从所述第十四边界向所述第十三边界扫描，将像素值为所述第一像素值的第一个像素确定为所述第二边缘点。
  12. 根据权利要求2所述的线宽测量方法，其中，所述目标连通区域包括与所述第一线段对应的第三连通区域，所述第一边缘线包括第一外边缘线和第一内边缘线，所述第二边缘线包括第二外边缘线和第二内边缘线，所述 膨胀处理所采用的卷积核小于所述腐蚀处理所采用的卷积核，以使所述第三连通区域在所述第一方向上相对的两个侧边中的一个侧边位于所述第一外边缘线和所述第一内边缘线之间，另一个侧边位于所述第二外边缘线和所述第二内边缘线之间。
  13. 根据权利要求12所述的线宽测量方法，其中，所述线路还包括与所述第一线段交叉设置的第二线段，所述第一线段包括位于所述第一线段与所述第二线段的交叉点一侧的第六支线，在所述得到所述区域连通图像的步骤之后，还包括：
    提取所述区域连通图像的骨架图像，所述骨架图像包括骨架，所述骨架内各像素的像素值与所述骨架外各像素的像素值不同，所述骨架包括与所述第六支线对应的中心线；
    在所述基于所述区域连通图像，确定所述第一线段的第一边缘点和第二边缘点的步骤之前，还包括：
    对所述边缘图像进行直线检测，得到多个边缘线段；
    从所述多个边缘线段中确定与所述第六支线对应的目标线段；
    所述基于所述区域连通图像，确定所述第一线段的第一边缘点和第二边缘点的步骤，包括：
    根据所述目标线段在所述边缘图像中的位置，所述第三连通区域在所述区域连通图像中的位置以及所述中心线在所述骨架图像中的位置之间的关系，从所述目标线段中确定所述第一外边缘线、所述第一内边缘线、所述第二外边缘线和所述第二内边缘线。
  14. 根据权利要求13所述的线宽测量方法，其中，所述根据所述目标线段在所述边缘图像中的位置，所述第三连通区域在所述区域连通图像中的位置以及所述中心线在所述骨架图像中的位置之间的关系，从所述目标线段中确定所述第一外边缘线、所述第一内边缘线、所述第二外边缘线和所述第二内边缘线的步骤，包括：
    根据所述目标线段在所述边缘图像中的位置，在所述区域连通图像中的对应位置确定与所述目标线段对应的第一映射区域，在所述骨架图像中的对应位置确定与所述目标线段对应的第二映射区域；
    若所述第一映射区域位于所述第三连通区域外部的第一侧，则确定所述 第一映射区域对应的目标线段为所述第一外边缘线；
    若所述第一映射区域位于所述第三连通区域外部的第二侧，则确定所述第一映射区域对应的目标线段为所述第二外边缘线；
    若所述第一映射区域位于所述第三连通区域内部，且所述第二映射区域位于所述中心线的第一侧，则确定所述第一映射区域和所述第二映射区域对应的目标线段为所述第一内边缘线；
    若所述第一映射区域位于所述第三连通区域内部，且所述第二映射区域位于所述中心线的第二侧，则确定所述第一映射区域和所述第二映射区域对应的目标线段为所述第二内边缘线。
  15. 根据权利要求14所述的线宽测量方法，其中，所述区域连通图像包括相对设置的第十五边界和第十六边界，在所述根据所述目标线段在所述边缘图像中的位置，所述第三连通区域在所述区域连通图像中的位置以及所述中心线在所述骨架图像中的位置之间的关系，从所述目标线段中确定所述第一外边缘线、所述第一内边缘线、所述第二外边缘线和所述第二内边缘线的步骤之前，还包括：
    将所述区域连通图像中位于所述目标连通区域与所述第十五边界之间的区域，以及位于所述目标连通区域与所述第十六边界之间的区域内各像素的像素值设置为第三像素值；
    若所述第一映射区域内各像素的像素值均为所述第三像素值，则判定所述第一映射区域位于所述第三连通区域外部的第一侧；
    若所述第一映射区域内各像素的像素值均为所述第二像素值，则判定所述第一映射区域位于所述第三连通区域外部的第二侧；
    若所述第一映射区域内各像素的像素值均为所述第一像素值，则判定所述第一映射区域位于所述第三连通区域内部。
  16. 根据权利要求14所述的线宽测量方法，其中，在所述根据所述目标线段在所述边缘图像中的位置，所述第三连通区域在所述区域连通图像中的位置以及所述中心线在所述骨架图像中的位置之间的关系，从所述目标线段中确定所述第一外边缘线、所述第一内边缘线、所述第二外边缘线和所述第二内边缘线的步骤之前，还包括：
    将所述区域连通图像与所述膨胀图像进行异或运算，得到中间图像，所 述中间图像包括多个分立的互补区域，所述多个分立的互补区域内各像素的像素值为第四像素值，所述多个分立的互补区域外各像素的像素值为第五像素值，所述中间图像包括相对设置的第十七边界和第十八边界；
    将所述中间图像中与所述第十七边界相邻的互补区域，以及与所述第十八边界相邻的互补区域内各像素的像素值设置为所述第六像素值；
    根据所述目标线段在所述边缘图像中的位置，在所述中间图像中的对应位置确定与所述目标线段对应的第三映射区域；
    若所述第三映射区域内各像素的像素值均为所述第六像素值，则判定所述第一映射区域位于所述第三连通区域外部的第一侧；
    若所述第三映射区域内各像素的像素值均为所述第四像素值，则判定所述第一映射区域位于所述第三连通区域外部的第二侧。
  17. 根据权利要求14所述的线宽测量方法，其中，所述骨架图像包括相对设置的第十九边界和第二十边界，所述骨架内各像素的像素值为第七像素值，所述骨架外各像素的像素值为第八像素值；在所述根据所述目标线段在所述边缘图像中的位置，所述第三连通区域在所述区域连通图像中的位置以及所述中心线在所述骨架图像中的位置之间的关系，从所述目标线段中确定所述第一外边缘线、所述第一内边缘线、所述第二外边缘线和所述第二内边缘线的步骤之前，还包括：
    将骨架图像中位于所述骨架与所述第十九边界之间的区域，以及位于所述骨架与所述第二十边界之间的区域内各像素的像素值设置为第九像素值；
    若所述第二映射区域内各像素的像素值均为所述第九像素值，则判定所述第二映射区域位于所述中心线的第一侧；
    若所述第二映射区域内各像素的像素值均为所述第八像素值，则判定所述第二映射区域位于所述中心线的第二侧。
  18. 根据权利要求13所述的线宽测量方法，其中，根据所述第一边缘点和所述第二边缘点，确定所述第一线段的宽度的步骤，包括：
    计算所述第一外边缘线的端点到所述第二外边缘线的第五距离；
    计算所述第二外边缘线的端点到所述第一外边缘线的第六距离；
    计算所述第一内边缘线的端点到所述第二内边缘线的第七距离；
    计算所述第二内边缘线的端点到所述第一内边缘线的第八距离；
    计算所述第五距离、所述第六距离、所述第七距离和所述第八距离的平均值，得到所述第一线段的宽度。
  19. 根据权利要求1至18任一项所述的线宽测量方法，其中，所述获取所述线路的目标图像的步骤，包括：
    获取所述线路的原始图像；
    对所述原始图像进行预处理，得到所述目标图像；其中，所述预处理包括以下至少之一：灰度化、对比度增强、亮度增强和降噪处理。
  20. 根据权利要求19所述的线宽测量方法，其中，所述对所述原始图像进行预处理的步骤，包括：
    对所述原始图像进行降噪处理，得到降噪图像；
    提取所述降噪图像的边缘像素，并统计所述边缘像素的总数量；
    若所述总数量小于或等于预设数量，则对所述原始图像进行对比度增强处理。
  21. 一种线宽测量装置，其中，用于测量线路的宽度，所述线宽测量装置包括：
    图像获取模块，被配置为获取所述线路的目标图像，所述线路包括第一线段；
    连通处理模块，被配置为对所述目标图像的边缘图像或二值化图像进行区域连通处理，获得区域连通图像；其中，所述边缘图像是对所述目标图像进行边缘检测获得的图像，所述二值化图像是对所述目标图像进行图像二值化处理获得的图像，所述区域连通图像包括与所述线路的图形对应的目标连通区域，所述目标连通区域内各像素的像素值与所述目标连通区域外各像素的像素值不同；
    边缘确定模块，被配置为基于所述区域连通图像，确定所述第一线段的第一边缘点和第二边缘点，所述第一边缘点位于所述第一线段的第一边缘线上，所述第二边缘点位于所述第二线段的第二边缘线上，所述第一边缘线与所述第二边缘线在第一方向上相对设置；
    宽度计算模块，被配置为根据所述第一边缘点和所述第二边缘点，确定所述第一线段的宽度；并根据所述第一线段的宽度，确定所述线路的宽度。
  22. 一种计算处理设备，其中，包括：
    存储器，其中存储有计算机可读代码；
    一个或多个处理器，当所述计算机可读代码被所述一个或多个处理器执行时，所述计算处理设备执行如权利要求1至20中任一项所述的方法。
  23. 一种计算机程序，包括计算机可读代码，当所述计算机可读代码在计算处理设备上运行时，导致所述计算处理设备执行根据如权利要求1至20中任一项所述的方法。
  24. 一种计算机可读介质，其中存储了如权利要求1至20中任一项所述的方法。
CN202180003210.4A 2021-10-29 2021-10-29 线宽测量方法、装置、计算处理设备、计算机程序及计算机可读介质 Pending CN116391204A (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2021/127697 WO2023070593A1 (zh) 2021-10-29 2021-10-29 线宽测量方法、装置、计算处理设备、计算机程序及计算机可读介质

Publications (1)

Publication Number Publication Date
CN116391204A true CN116391204A (zh) 2023-07-04

Family

ID=86158914

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202180003210.4A Pending CN116391204A (zh) 2021-10-29 2021-10-29 线宽测量方法、装置、计算处理设备、计算机程序及计算机可读介质

Country Status (3)

Country Link
US (1) US20240221201A1 (zh)
CN (1) CN116391204A (zh)
WO (1) WO2023070593A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117308794A (zh) * 2023-11-30 2023-12-29 杭州汇萃智能科技有限公司 一种线宽量测方法、系统及计算机存储介质

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116703903B (zh) * 2023-08-04 2023-10-20 山东济宁运河煤矿有限责任公司 一种基于机器视觉的锚杆修复质量检测方法
CN116912273B (zh) * 2023-09-13 2023-12-12 国网山东省电力公司莱芜供电公司 基于三维gis的输电线路跨越施工方案可视化方法
CN117495857B (zh) * 2023-12-29 2024-04-02 合肥金星智控科技股份有限公司 皮带撕边的检测方法、系统、设备和介质
CN117576416B (zh) * 2024-01-15 2024-05-14 北京阿丘机器人科技有限公司 工件边缘区域的检测方法、设备及存储介质
CN118209053B (zh) * 2024-05-22 2024-08-30 致真精密仪器(青岛)有限公司 一种线形磁畴宽度测量方法、设备及存储介质

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101182729B1 (ko) * 2011-03-10 2012-09-13 동국대학교 산학협력단 의료용 혈관영상 처리방법
CN103389041B (zh) * 2013-07-30 2016-05-18 中节能太阳能科技（镇江）有限公司 一种测量栅线宽度的方法
CN106228543A (zh) * 2016-07-13 2016-12-14 凌云光技术集团有限责任公司 对pcb图像中导线的线宽和线距进行检测的方法及装置
CN107798672B (zh) * 2016-08-31 2021-06-29 上海创和亿电子科技发展有限公司 烟丝或梗丝的宽度测定方法、系统及具有该系统的服务器

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117308794A (zh) * 2023-11-30 2023-12-29 杭州汇萃智能科技有限公司 一种线宽量测方法、系统及计算机存储介质
CN117308794B (zh) * 2023-11-30 2024-04-19 杭州汇萃智能科技有限公司 一种线宽量测方法、系统及计算机存储介质

Also Published As

Publication number Publication date
WO2023070593A1 (zh) 2023-05-04
US20240221201A1 (en) 2024-07-04

Similar Documents

Publication Publication Date Title
CN116391204A (zh) 线宽测量方法、装置、计算处理设备、计算机程序及计算机可读介质
CN109978839B (zh) 晶圆低纹理缺陷的检测方法
CN108805023B (zh) 一种图像检测方法、装置、计算机设备及存储介质
CN110866924B (zh) 一种线结构光中心线提取方法及存储介质
Zhao et al. Superpixel guided deformable convolution network for hyperspectral image classification
CN108765465B (zh) 一种无监督sar图像变化检测方法
CN109636824B (zh) 一种基于图像识别技术的多目标计数方法
CN111027546B (zh) 一种字符分割方法、装置以及计算机可读存储介质
CN109741356B (zh) 一种亚像素边缘检测方法及系统
JP7508556B2 (ja) 文字分割方法、装置、および、コンピュータ可読記憶媒体
CN115775250B (zh) 基于数字图像分析的金手指电路板缺陷快速检测系统
US20170178341A1 (en) Single Parameter Segmentation of Images
CN109978848A (zh) 基于多光源颜色恒常模型检测眼底图像中硬性渗出的方法
CN117649451B (zh) 一种用于寻边器晶圆定位的视觉定位方法
Medvedeva et al. Image segmentation based on two-dimensional Markov chains
CN111354047A (zh) 一种基于计算机视觉的摄像模组定位方法及系统
CN108205657A (zh) 视频镜头分割的方法、存储介质和移动终端
CN106407959A (zh) 基于小波变换和svm的低照度的复杂背景车牌定位方法
CN111882565B (zh) 一种图像二值化方法、装置、设备及存储介质
Haq et al. An edge-aware based adaptive multi-feature set extraction for stereo matching of binocular images
CN113609984A (zh) 一种指针式仪表读数识别方法、装置及电子设备
CN114972575A (zh) 一种基于轮廓边缘的直线拟合算法
CN114283332A (zh) 一种模糊聚类遥感影像分割方法、系统、终端及存储介质
CN115033721A (zh) 基于大数据的图像检索方法
CN117635615B (zh) 基于深度学习实现冲孔模具的缺陷检测方法及系统

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