CN116977342A - 基于图像分割的pcb板线路检测方法 - Google Patents
基于图像分割的pcb板线路检测方法 Download PDFInfo
- Publication number
- CN116977342A CN116977342A CN202311242566.0A CN202311242566A CN116977342A CN 116977342 A CN116977342 A CN 116977342A CN 202311242566 A CN202311242566 A CN 202311242566A CN 116977342 A CN116977342 A CN 116977342A
- Authority
- CN
- China
- Prior art keywords
- pcb
- neighborhood
- initial
- circuit
- pixel points
- 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.)
- Granted
Links
- 238000003709 image segmentation Methods 0.000 title claims abstract description 29
- 238000001514 detection method Methods 0.000 title claims abstract description 18
- 238000000034 method Methods 0.000 claims abstract description 47
- 238000012545 processing Methods 0.000 claims description 7
- 238000012935 Averaging Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 2
- 238000007689 inspection Methods 0.000 claims description 2
- 230000002159 abnormal effect Effects 0.000 abstract description 3
- 230000005856 abnormality Effects 0.000 abstract description 2
- 238000010191 image analysis Methods 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 11
- 238000004422 calculation algorithm Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 5
- 230000007704 transition Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 150000003071 polychlorinated biphenyls Chemical class 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及图像分析技术领域,具体涉及一种基于图像分割的PCB板线路检测方法。该方法根据像素点与邻域整体灰度值的差异选取初始点,对邻域内疑似线路像素点进行直线拟合得到邻域直线,计算邻域内像素点与背景区域像素点的灰度差异,获得邻域直线之间的整体分布距离,根据整体分布距离、梯度幅值与灰度差异得到像素点的置信指数,根据整体分布距离计算第一阈值,根据置信指数之间的差异与第一阈值选择待合并像素点,将待合并像素点合并为初始线路区域,并将所有邻接初始线路区域合并为PCB板的线路区域,对线路区域进行检测并判断PCB板是否有线路异常。本发明能够获得准确完整的线路区域,方便后续检测PCB板的线路是否异常。
Description
技术领域
本发明涉及图像分析技术领域,具体涉及一种基于图像分割的PCB板线路检测方法。
背景技术
随着电子信息技术的飞速发展,PCB板将会有更多的应用场景,也会出现更多变化,市场需求将会逐渐增加。然而在PCB板的生产过程中,如果电路板的线路存在问题,轻则发生功能不稳定、电路板失效的问题,重则导致电流异常,损坏整个电子设备,所以PCB板的线路检测是制造电路板时非常重要的环节,可以确保PCB板不会因线路问题产生一系列的后果。
在实际环境下,有些PCB板的背景区域与线路区域灰度值相似,且线路非常密集,可能会出现两条线路之间的间距小于图像分辨率对应的距离大小,或者采集到的图像光照和相机等原因导致分辨率不足等情况。在现有技术中,利用常规图像分割算法提取PCB板的线路区域时,可能会出现无法准确识别线路之间的背景区域从而导致多条线路合并成一块区域。如此得到的图像分割结果便会出现线路区域不清晰等严重问题,从而影响进一步的检测任务。
发明内容
为了解决常规图像分割算法提取PCB板线路区域可能会出现相邻线路合并导致线路区域不清晰,影响进一步检测的技术问题,本发明的目的在于提供一种基于图像分割的PCB板线路检测方法,所采用的技术方案具体如下:
一种基于图像分割的PCB板线路检测方法,该方法包括:
获取PCB板中含有密集线路侧的图像作为PCB图像;
根据所述PCB图像上所有像素点的灰度值获取所述PCB图像上所有疑似线路像素点与背景区域像素点;在所述PCB图像中根据每个像素点的灰度值与邻域范围内整体灰度值之间的差异,选取初始点;
获得以所述初始点为中心的邻域,对所述邻域内所述疑似线路像素点进行直线拟合得到邻域直线;获得所述邻域直线之间的整体分布距离;计算所述初始点与邻域内背景区域像素点之间的灰度差异;根据所述灰度差异、梯度幅值与所述整体分布距离获得所述初始点的置信指数;以每个像素点为中心构建对应的邻域获得每个像素点的置信指数;
根据所述整体分布距离计算第一阈值;计算所述初始点与对应邻域内其他像素点的置信指数之间的差异,根据置信指数之间的差异与所述第一阈值选取待合并像素点;将所述待合并像素点作为新的初始点获得所有待合并像素点;
根据所述待合并像素点获得初始线路区域;获得所述PCB图像中的所有所述初始线路区域,将所有所述初始线路区域合并得到PCB板的线路区域;
根据所述线路区域对所述PCB板进行检测。
进一步地,根据所述PCB图像上所有像素点的灰度值获取所述PCB图像上所有疑似线路像素点与背景区域像素点,包括:
获取所述PCB图像所有像素点的灰度值;
将所述灰度值的范围平均划分,得到灰度级;
将最大灰度级对应的灰度值范围内的像素点作为疑似线路像素点;将最小灰度级对应的灰度值范围内的像素点作为背景区域像素点。
进一步地,所述初始点的获取方法包括:
预设第二阈值;在PCB图像上,若像素点的灰度值与邻域范围内的灰度均值之间的差异大于所述第二阈值,则该像素点作为初始点。
进一步地,从水平方向、垂直方向、45°和135°方向计算所述梯度幅值。
进一步地,获得所述邻域直线之间的整体分布距离,包括:
将邻域内互相平行的邻域直线作为初始待分析直线组,以元素最多的初始待分析直线组作为待分析直线组;
计算所述待分析直线组内所有相邻邻域直线之间的截距差异;根据所述截距差异得到所有相邻邻域直线之间的距离;根据所有相邻邻域直线之间的距离之和求平均获得所述邻域直线之间的整体分布距离;
若邻域内不存在所述初始待分析直线组,则将所述整体分布距离设置为预设距离数值。
进一步地,所述置信指数的获取方法包括:
获得所述初始点的邻域内的背景区域像素点的平均灰度值,以所述初始点的灰度值与所述平均灰度值的差异作为所述灰度差异;
将所述灰度差异归一化处理得到第一归一化值;
将所述梯度幅值与所述邻域内的所述整体分布距离的比值作为置信参数;
将所述置信参数经过归一化处理得到初始置信指数;
将所述第一归一化值与所述初始置信指数的乘积作为所述置信指数。
进一步地,所述第一阈值获取方法包括:
将所述邻域内所述整体分布距离的平方进行归一化处理得到所述第一阈值。
进一步地,所述待合并像素点的获取方法包括:
在所述邻域内,将任意像素点的所述置信指数与所述初始点的所述置信指数的差异作为置信差异;当所述置信差异小于所述第一阈值时,将所述置信指数对应所述邻域内的任意像素点作为待合并像素点。
进一步地,得到PCB板的线路区域,包括:
在所述邻域内,将所述初始点与所述待合并像素点进行合并,得到所述初始线路区域;
在所述PCB图像中,在得到的初始线路区域外继续选取初始点,重复上述操作,得到PCB板的所有所述初始线路区域,将所有邻接的所述初始线路区域进行合并得到PCB板的所述线路区域。
进一步地,根据所述线路区域对所述PCB板进行检测,包括:
将所述线路区域的像素点设置为1,其他区域的像素点设置为0,对所述PCB图像进行二值化处理,得到所述线路区域的所有连通域;
根据所述连通域对所述PCB板进行检测。
本发明具有如下有益效果:
本发明首先获取PCB板中含有密集线路侧的图像作为PCB图像,基于PCB板线路区域的特性,线路区域的灰度值高于其他区域,所以可以根据像素点的灰度值提取出疑似线路像素点;根据PCB图像中根据每个像素点的灰度值与邻域范围内整体灰度值之间的差异,选取初始点,灰度差异越大,说明该邻域线路越密集,该像素点位于线路区域内;对邻域内的疑似线路像素点进行直线拟合得到邻域直线,计算邻域直线之间的整体分布距离与初始点的梯度幅值考虑到了初始点的纹理特征,整体分布距离较小,初始点的梯度幅值较大时,纹理特征越丰富,此时线路越密集,初始点周围的变化率越高,计算邻域内初始点灰度值与背景区域像素点的灰度差异,灰度差异越大,该初始点越有可能在线路区域上,根据灰度差异、梯度幅值和整体分布距离获得初始点的置信指数,通过获取初始点置信指数的方法获取所有像素点的置信指数。因为比较两个像素点的置信指数能够反映出两个像素点特征的相似性,所以可以通过计算任意像素点与初始点之间置信指数的差异,把置信指数差异较小的像素点作为待合并像素点,此时可以保证将特征相似的像素点进行合并,特征差异比较明显的像素点不做合并考虑,由此提升了合并过程中的准确性,并且能够自适应所有线路区域,最终得到准确完整的PCB板线路区域,并根据得到的线路区域对PCB板进行检测。本发明通过计算置信指数,对线路区域内的像素点进行精准合并,进而得到准确完整的线路区域,方便了后续对线路区域进行检测。
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图像分割的PCB板线路检测方法流程图;
图2为本发明一个实施例所提供的PCB板线路区域与线路间隙的示意图;
图3为本发明一个实施例所提供的PCB板线路区域、过渡区域与背景区域的灰度示意图。
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图像分割的PCB板线路检测方法,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。
下面结合附图具体的说明本发明所提供的一种基于图像分割的PCB板线路检测方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种基于图像分割的PCB板线路检测方法流程图,该方法包括:
步骤S1:获取PCB板中含有密集线路侧的图像作为PCB图像。
本发明实施例目的在于提供一种基于图像分割的PCB板线路检测方法,针对PCB板线路检测的问题,需要采用图像分割算法提取PCB板所有属于线路区域的像素点,并将其合并,进而通过线路区域对PCB板进行检测。所以首先需要获取本发明实施例的检测对象,即PCB图像,且该PCB图像必须包含PCB板的密集线路,由于PCB板线路可能过于密集,具体可参照图2所示,线路区域的间距大于两条线路之间的间距,所以本发明实施例对采集的PCB图像提出较高要求。需要说明的是,若是需要检测的PCB板为两面都含有密集线路的双面PCB板,则分别获取双面PCB板两个面的PCB图像作为检测对象。
本发明一个实施例中,使用CCD工业相机采集PCB图像,考虑到图像采集过程容易受到光照影响,本发明一个实施例为了保证PCB板表面不出现反光等因素,采用与PCB板背景颜色相似的LED灯组成的灯带,可以使光照均匀铺照在PCB板上,进一步提高CCD工业相机拍摄图像的信噪比,使PCB板上的线路区域清楚完整。需要说明的是,为了保证后续图像分割过程中的图像质量,获得PCB图像后需要进行灰度化处理、滤波去噪和图像增强等预处理过程,在本发明实施例中滤波去噪操作可以采用中值滤波,图像增强操作可以采用直方图均衡化,也可以采用其他图像预处理操作,具体图像预处理操作为本领域技术人员熟知的技术手段,在此不做限定及赘述。
步骤S2:根据PCB图像上所有像素点的灰度值获取PCB图像上所有疑似线路像素点与背景区域像素点;在PCB图像中根据每个像素点的灰度值与邻域范围内整体灰度值之间的差异,选取初始点。
由于线路区域像素点、背景区域像素点以及两者中间的边缘过渡区域的像素点均有各自相似的灰度值和明确的方向性,且根据实施场景可知线路区域像素点拥有最高的亮度,PCB板的背景区域像素点亮度最暗,线路与背景区域之间的过渡区域亮度在二者之间,所以可以根据灰度值判定像素点属于哪个区域。具体可参考图3所示,其中,灰度值最大的像素点为疑似线路像素点,灰度值最小的像素点为背景区域像素点,其余的为过渡像素点。通过比较像素点灰度值与邻域范围内整体灰度值之间的灰度差异,能够知道该像素点位于哪个区域,灰度差异越大,说明该像素点位于密集的线路区域内,可以将该像素点作为初始点进行后续的图像分割处理。
优选地,本发明一个实施例中,根据PCB图像上所有像素点的灰度值获取PCB图像上所有疑似线路像素点与背景区域像素点,包括:
获取PCB图像所有像素点的灰度值;将灰度值的范围平均划分,得到灰度级;将最大灰度级对应的灰度值范围内的像素点作为疑似线路像素点,将最小灰度级对应的灰度值范围内的像素点作为背景区域像素点。本发明一个实施例中,将灰度值的范围平均划分为16个灰度级,获得PCB图像中所有像素点的灰度值,将最大灰度级对应的灰度值范围内的像素点作为疑似线路像素点。
优选地,本发明一个实施例中,初始点的获取方法包括:
预设第二阈值;在PCB图像上,若像素点的灰度值与邻域范围内的灰度均值之间的差异大于第二阈值,则该像素点作为初始点。需要说明的是,第二阈值取经验值20,第二阈值具体取值可由具体实施人员根据具体实施场景自行设置,在此不做限定。
步骤S3:获得以初始点为中心的邻域,对邻域内疑似线路像素点进行直线拟合得到邻域直线;获得邻域直线之间的整体分布距离;计算初始点与邻域内背景区域像素点之间的灰度差异;根据灰度差异、梯度幅值与整体分布距离获得初始点的置信指数;以每个像素点为中心构建对应的邻域获得每个像素点的置信指数。
以初始点为中心获得邻域,对邻域内的疑似线路像素点进行直线拟合得到邻域直线,计算邻域直线之间的整体分布距离,整体分布距离较小的邻域内,线路越密集,邻域内梯度变化较大。邻域内所有背景区域像素点的灰度值反映了该邻域背景亮度水平,计算初始点与背景区域像素点的灰度均值之间的灰度差异,灰度差异越大,该像素点越有可能出现在线路区域上,灰度差异越小,则初始点越有可能出现在无线路区域或者线路不密集区域。初始点的梯度幅值反映了该像素点在各个方向上的变化率,变化率越高的初始点说明邻域范围内线路越密集。由灰度差异、梯度幅值和整体分布距离计算得出的初始点的置信指数能够反映出初始点的纹理特征;再以每个像素点为中心构建邻域,重复获得初始点置信指数的操作步骤,得到所有像素点的置信指数,置信指数相似的像素点拥有相似的纹理特征。
优选地,本发明一个实施例中,获得邻域直线之间的整体分布距离,包括:
因为在电路板中线路区域形成的直线往往是互相平行的,因此将邻域内互相平行的邻域直线作为初始待分析直线组,进一步为了避免噪声直线的影响以元素最多的初始待分析直线组作为待分析直线组;计算待分析直线组内所有相邻邻域直线之间的截距差异;根据截距差异得到所有相邻邻域直线之间的距离;根据所有相邻邻域直线之间的距离之和求平均获得邻域直线之间的整体分布距离;若邻域内不存在初始待分析直线组,则将整体分布距离设置为预设距离数值。本发明一个实施例中,整体分布距离的计算步骤如下所示:
待分析直线组内邻域直线的表达式如下所示:
,
式中,a表示第N条邻域直线的斜率,bN表示第N条邻域直线的截距,x表示第N条邻域直线所包含像素点的横坐标,yN表示第N条邻域直线所包含像素点的纵坐标。因为待分析直线组内各邻域直线相互平行,所以邻域内每条邻域直线的斜率相同。
整体分布距离的计算公式如下所示:
,
式中,dmean表示邻域直线之间的整体分布距离,bN表示待分析直线组中第N条邻域直线的截距,bN-1表示待分析直线组中第N-1条邻域直线的截距,M表示待分析直线组中邻域直线的数量,a表示邻域直线的斜率。
在整体分布距离计算公式中,表示第N条邻域直线与第N-1条邻域直线之间的直线距离,依次求出所有相邻两条邻域直线之间的直线距离后进行求和得到待分析直线组中距离最远的两条邻域直线之间的距离,求平均可以得到待分析直线组内相邻两条邻域直线之间的平均距离,将其作为邻域直线之间的整体分布距离。平均距离越小,即邻域直线之间的整体分布距离越小,说明邻域内线路区域越密集,线路之间的关联性越强,邻域内的像素点越有可能出现线路区域中。
本发明一个实施例中,预设邻域的尺寸根据经验值设置为15×15的窗口。需要说明的是,基于PCB线路必要时才相交,相交时一定是垂直状态的特性,若是出现邻域内没有相互平行的邻域直线的情况,则将整体分布距离设置为预设距离数值。在本发明一个实施例中预设距离数值为。
本发明一个实施例中,使用Laplacian算子计算水平方向、垂直方向、45°和135°方向的梯度幅值,进而得到每个像素点的梯度幅值,使用Laplacian算子计算像素点相邻两个像素点的二阶梯度值,作差可以得到对应方向的梯度幅值。梯度幅值反映出该像素点在对应方向的梯度变化,梯度变化越大,对应梯度幅值越大,线路区域越密集,该像素点出现在线路区域的概率增加。
需要说明的是,可以采用其他方法,例如利用Sobel、Prewitt、Scharr算子计算每个像素点的梯度幅值,具体步骤为本领域技术人员熟知的技术手段,在此不再进行赘述及限定。
优选地,本发明一个实施例中,置信指数的获取方法包括:
获得初始点的邻域内的背景区域像素点的平均灰度值,以初始点的灰度值与平均灰度值的差异作为灰度差异;将灰度差异归一化处理得到第一归一化值;将梯度幅值与邻域内的整体分布距离的比值作为置信参数;将置信参数经过归一化处理得到初始置信指数;将第一归一化值与初始置信指数的乘积作为置信指数。本发明一个实施例中,像素点(u,v)的置信指数计算公式如下:
,
式中,P表示像素点的置信指数,I(u,v)表示像素点(u,v)的灰度值,是邻域内背景区域像素点的灰度均值,g(u,v)表示像素点(u,v)的梯度幅值,dmean表示邻域直线之间的整体分布距离。
在置信指数计算公式中,表示像素点(u,v)与邻域内背景区域像素点灰度均值的灰度差异,将灰度差异进行归一化处理得到第一归一化值,灰度差异越大,该像素点越有可能出现在线路区域中,此时第一归一化值越大;/>表示置信参数,置信参数越大,表示像素点在各个方向的变化量相对于线路之间的距离来说越大,说明邻域内纹理越丰富,线路区域越密集,该像素点在线路区域的可能性越高;/>是将置信参数进行归一化处理得到的初始置信指数,置信参数越大,初始置信指数越大,上述归一化处理使灰度差异与初始置信指数的对应数值缩放在0-1的范围之间,避免量纲产生影响。第一归一化值与初始置信指数越大,计算得到的置信指数越大,该像素点越有可能出现在PCB板的线路区域中。
步骤S4:根据整体分布距离计算第一阈值;计算初始点与对应邻域内其他像素点的置信指数之间的差异,根据置信指数之间的差异与第一阈值选取待合并像素点;将待合并像素点作为新的初始点获得所有待合并像素点;根据待合并像素点获得初始线路区域;获得PCB图像中的所有初始线路区域,将所有初始线路区域合并得到PCB板的线路区域。
在基于初始点对特征相同的像素点进行合并的图像分割算法中,在PCB图像中,整体分布距离越小代表邻域内线路越密集,密集的线路容易混淆线路区域与背景区域,对像素点进行合并时需要更加精细的要求,所以利用整体分布距离得到第一阈值,将第一阈值作为选取待合并像素点的判断依据,当任意像素点的置信指数与初始点的置信指数的差异满足条件时,可以作为下一个将要与初始点合并的待合并像素点,通过比较邻域所有像素点与初始点的置信指数,选取所有待合并像素点。根据邻域内所有待合并像素点可以得到初始线路区域。重复获得初始线路区域的操作,获得PCB图像中的所有初始线路区域,将所有初始线路区域进行合并可以得到PCB板的线路区域。
本发明一个实施例中,待合并像素点的获取步骤包括:
优选地,本发明一个实施例中,第一阈值获取方法包括:
将邻域内整体分布距离的平方进行归一化处理得到第一阈值。本发明一个实施例中,第一阈值的计算公式如下所示:
,
式中,T表示第一阈值,dmean表示邻域直线之间的整体分布距离。
优选地,本发明一个实施例中,待合并像素点的获取方法包括:
在邻域内,计算任意像素点的置信指数与初始点的置信指数的差异作为置信差异;当置信差异小于第一阈值时,将置信指数对应邻域内的任意像素点作为待合并像素点。
根据上述步骤得到待合并像素点的条件不等式:
,
式中,P(a,b)表示邻域内初始点(a,b)的置信指数,P(u,v)表示邻域内像素点(u,v)的置信指数,T表示第一阈值。
在待合并像素点的条件不等式中,整体分布距离dmean越小,线路越密集,第一阈值T越小,此时对像素点进行合并的要求需要越精细,只允许将置信指数非常相似的像素点与初始点进行合并。而对于线路并不密集的区域,整体分布距离dmean增大,相应的第一阈值T也会变大,此时对像素点进行合并的要求也会相应放宽,能够纳入更多的像素点。
优选地,本发明一个实施例中,PCB板的线路区域获取方法包括:
在邻域内,将初始点与待合并像素点进行合并,得到初始线路区域;在PCB图像中,在得到的初始线路区域外继续选取初始点,重复上述操作,得到PCB板的所有初始线路区域,将所有邻接的初始线路区域进行合并得到PCB板的线路区域。
本发明一个实施例中,采用区域生长法获得PCB板的线路区域步骤如下:
将邻域内的初始点作为种子点,将邻域内置信指数最相近的像素点作为下一个种子点继续生长,直至生长停止,得到初始线路区域。在PCB板图像中,在得到的初始线路区域外继续选取种子点重复上述操作,得到PCB板的所有初始线路区域,将所有邻接初始线路区域合并,获得PCB板的线路区域。
需要说明的是,本发明实施例还可以采用聚类算法、分水岭算法、区域分裂与合并等算法获得PCB板线路区域,具体计算步骤为本领域技术人员熟知的技术手段,在此不再进行赘述。
步骤S5:根据线路区域对PCB板进行检测。
根据步骤S4得到的PCB板线路区域,可以通过采取一系列操作检测线路区域是否出现断裂、堆叠或是线路区域连接是否准确,来检测PCB板的线路是否异常。
优选地,本发明一个实施例中,根据线路区域对PCB板进行检测,包括:
将线路区域的像素点设置为1,其他像素点设置为0,对PCB图像进行二值化处理,得到线路区域的所有连通域;将连通域标记成不同的颜色,遍历每一个连通域,通过检测线路的起点和终点判断线路连接的准确性,通过检测线路之间是否堆叠来检测线路是否短路,通过计算每个连通域的像素点数量判断线路是否断路。需要说明的是,还可以采用机器学习、统计分析、热成像及光学检查等方法对PCB板的线路进行检测,具体方法为本领域技术人员熟知的技术手段,在此不再进行限定及赘述。
至此完成了PCB板线路检测的全部过程。
综上所述,本发明获取PCB图像,并根据灰度值对疑似线路像素点进行提取,计算其梯度幅值,通过对邻域内的疑似线路像素点进行直线拟合得到平行的邻域直线,并计算相邻邻域直线的整体分布距离,计算邻域内背景区域像素点的灰度均值以及任意像素点与其的灰度差异,根据整体分布距离、梯度幅值与灰度差异得到像素点的置信指数,根据整体分布距离计算第一阈值,根据置信指数之间的差异与第一阈值选择待合并像素点,最终,将待合并像素点合并为初始线路区域,并将所有初始线路区域合并为PCB板的线路区域,对线路区域进行检测并判断PCB板是否有线路异常。本发明可以得到准确完整的线路区域,方便了后续对PCB板线路进行检测。
一种PCB板线路识别方法实施例:
在现有技术中,在PCB板线路识别过程中,往往会因为线路间距过于狭窄,对初始点进行合并时无法准确地选取线路像素点,导致提取线路区域时会出现相邻几条线路合并在一起,无法得到准确完整的线路区域的技术问题。为了解决该技术问题,本实施例提供一种PCB板线路识别方法,包括:
步骤S1:获取PCB板中含有密集线路侧的图像作为PCB图像。
步骤S2:根据PCB图像上所有像素点的灰度值获取PCB图像上所有疑似线路像素点与背景区域像素点;在PCB图像中根据每个像素点的灰度值与邻域范围内整体灰度值之间的差异,选取初始点。
步骤S3:获得以初始点为中心的邻域,对邻域内疑似线路像素点进行直线拟合得到邻域直线;获得邻域直线之间的整体分布距离;计算初始点与邻域内背景区域像素点之间的灰度差异;根据灰度差异、梯度幅值与整体分布距离获得初始点的置信指数;以每个像素点为中心构建对应的邻域获得每个像素点的置信指数。
步骤S4:根据整体分布距离计算第一阈值;计算初始点与对应邻域内其他像素点的置信指数之间的差异,根据置信指数之间的差异与第一阈值选取待合并像素点;将待合并像素点作为新的初始点获得所有待合并像素点;根据待合并像素点获得初始线路区域;获得PCB图像中的所有初始线路区域,将所有初始线路区域合并得到PCB板的线路区域。
由于步骤S1-S4的具体实现过程在上述基于图像分割的PCB板线路检测方法中已给出详细说明,不再赘述。
本实施例的技术效果:本实施例基于PCB板线路区域的特性,线路区域的灰度值高于其他区域,所以可以根据像素点的灰度值得到疑似线路像素点;根据PCB图像中根据每个像素点的灰度值与邻域范围内整体灰度值之间的差异,选取初始点,灰度差异越大,说明该邻域线路越密集,该像素点位于线路区域内;对邻域内的疑似线路像素点进行直线拟合得到邻域直线,计算邻域直线之间的整体分布距离与初始点的梯度幅值考虑到了初始点的纹理特征,整体分布距离较小,像素点的梯度幅值较大时,纹理特征越丰富,此时线路越密集,初始点周围的变化率越高,计算邻域内初始点灰度值与背景区域像素点的灰度差异,灰度差异越大,该初始点越有可能在线路区域上,根据灰度差异、梯度幅值和整体分布距离获得初始点的置信指数,比较两个像素点的置信指数能够反映出两个像素点特征的相似性,所以可以通过计算任意线路像素点与初始点之间置信指数的差异,把置信指数差异较小的线路像素点作为待合并像素点,此时可以保证将特征相似的线路像素点进行合并,特征差异比较明显的线路像素点不做合并考虑,由此提升了合并过程中的准确性,并且能够自适应所有线路区域,最终得到准确完整的PCB板线路区域。
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。
Claims (10)
1.一种基于图像分割的PCB板线路检测方法,其特征在于,所述方法包括:
获取PCB板中含有密集线路侧的图像作为PCB图像;
根据所述PCB图像上所有像素点的灰度值获取所述PCB图像上所有疑似线路像素点与背景区域像素点;在所述PCB图像中根据每个像素点的灰度值与邻域范围内整体灰度值之间的差异,选取初始点;
获得以所述初始点为中心的邻域,对所述邻域内所述疑似线路像素点进行直线拟合得到邻域直线;获得所述邻域直线之间的整体分布距离;计算所述初始点与邻域内背景区域像素点之间的灰度差异;根据所述灰度差异、梯度幅值与所述整体分布距离获得所述初始点的置信指数;以每个像素点为中心构建对应的邻域获得每个像素点的置信指数;
根据所述整体分布距离计算第一阈值;计算所述初始点与对应邻域内其他像素点的置信指数之间的差异,根据置信指数之间的差异与所述第一阈值选取待合并像素点;将所述待合并像素点作为新的初始点获得所有待合并像素点;
根据所述待合并像素点获得初始线路区域;获得所述PCB图像中的所有所述初始线路区域,将所有所述初始线路区域合并得到PCB板的线路区域;
根据所述线路区域对所述PCB板进行检测。
2.根据权利要求1所述的一种基于图像分割的PCB板线路检测方法,其特征在于,根据所述PCB图像上所有像素点的灰度值获取所述PCB图像上所有疑似线路像素点与背景区域像素点,包括:
获取所述PCB图像所有像素点的灰度值;
将所述灰度值的范围平均划分,得到灰度级;
将最大灰度级对应的灰度值范围内的像素点作为疑似线路像素点;将最小灰度级对应的灰度值范围内的像素点作为背景区域像素点。
3.根据权利要求1所述的一种基于图像分割的PCB板线路检测方法,其特征在于,所述初始点的获取方法包括:
预设第二阈值;在PCB图像上,若像素点的灰度值与邻域范围内的灰度均值之间的差异大于所述第二阈值,则该像素点作为初始点。
4.根据权利要求1所述的一种基于图像分割的PCB板线路检测方法,其特征在于,从水平方向、垂直方向、45°和135°方向计算所述梯度幅值。
5.根据权利要求1所述的一种基于图像分割的PCB板线路检测方法,其特征在于,获得所述邻域直线之间的整体分布距离,包括:
将邻域内互相平行的邻域直线作为初始待分析直线组,以元素最多的初始待分析直线组作为待分析直线组;
计算所述待分析直线组内所有相邻邻域直线之间的截距差异;根据所述截距差异得到所有相邻邻域直线之间的距离;根据所有相邻邻域直线之间的距离之和求平均获得所述邻域直线之间的整体分布距离;
若邻域内不存在所述初始待分析直线组,则将所述整体分布距离设置为预设距离数值。
6.根据权利要求1所述的一种基于图像分割的PCB板线路检测方法,其特征在于,所述置信指数的获取方法包括:
获得所述初始点的邻域内的背景区域像素点的平均灰度值,以所述初始点的灰度值与所述平均灰度值的差异作为所述灰度差异;
将所述灰度差异归一化处理得到第一归一化值;
将所述梯度幅值与所述邻域内的所述整体分布距离的比值作为置信参数;
将所述置信参数经过归一化处理得到初始置信指数;
将所述第一归一化值与所述初始置信指数的乘积作为所述置信指数。
7.根据权利要求1所述的一种基于图像分割的PCB板线路检测方法,其特征在于,所述第一阈值获取方法包括:
将所述邻域内所述整体分布距离的平方进行归一化处理得到所述第一阈值。
8.根据权利要求1所述的一种基于图像分割的PCB板线路检测方法,其特征在于,所述待合并像素点的获取方法包括:
在所述邻域内,将任意像素点的所述置信指数与所述初始点的所述置信指数的差异作为置信差异;当所述置信差异小于所述第一阈值时,将所述置信指数对应所述邻域内的任意像素点作为待合并像素点。
9.根据权利要求1所述的一种基于图像分割的PCB板线路检测方法,其特征在于,得到PCB板的线路区域,包括:
在所述邻域内,将所述初始点与所述待合并像素点进行合并,得到所述初始线路区域;
在所述PCB图像中,在得到的初始线路区域外继续选取初始点,重复上述操作,得到PCB板的所有所述初始线路区域,将所有邻接的所述初始线路区域进行合并得到PCB板的所述线路区域。
10.根据权利要求1所述的一种基于图像分割的PCB板线路检测方法,其特征在于,根据所述线路区域对所述PCB板进行检测,包括:
将所述线路区域的像素点设置为1,其他区域的像素点设置为0,对所述PCB图像进行二值化处理,得到所述线路区域的所有连通域;
根据所述连通域对所述PCB板进行检测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311242566.0A CN116977342B (zh) | 2023-09-25 | 2023-09-25 | 基于图像分割的pcb板线路检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311242566.0A CN116977342B (zh) | 2023-09-25 | 2023-09-25 | 基于图像分割的pcb板线路检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116977342A true CN116977342A (zh) | 2023-10-31 |
CN116977342B CN116977342B (zh) | 2024-04-09 |
Family
ID=88471655
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311242566.0A Active CN116977342B (zh) | 2023-09-25 | 2023-09-25 | 基于图像分割的pcb板线路检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116977342B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112765930A (zh) * | 2021-01-18 | 2021-05-07 | 广州市奥威亚电子科技有限公司 | 电路原理图的检查方法、装置、设备及存储介质 |
CN117252874A (zh) * | 2023-11-16 | 2023-12-19 | 深圳市京鼎工业技术股份有限公司 | 一种塑胶模具生产质量视觉检测方法 |
CN118013925A (zh) * | 2024-04-08 | 2024-05-10 | 丰顺县锦顺科技有限公司 | 一种pcb板外层线路处理方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108613998A (zh) * | 2018-05-30 | 2018-10-02 | 广州兴森快捷电路科技有限公司 | 应用于pcb板的晶粒均匀性的评价方法及评价系统 |
CN115205290A (zh) * | 2022-09-15 | 2022-10-18 | 深圳市合成快捷电子科技有限公司 | 一种pcb板生产过程在线检测方法及系统 |
CN115272134A (zh) * | 2022-09-26 | 2022-11-01 | 南通睿禧智能科技有限公司 | 一种基于pcb干扰反光识别的pcb图像去反光方法 |
CN116170940A (zh) * | 2023-04-21 | 2023-05-26 | 广州添利电子科技有限公司 | 一种pcb测试板 |
-
2023
- 2023-09-25 CN CN202311242566.0A patent/CN116977342B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108613998A (zh) * | 2018-05-30 | 2018-10-02 | 广州兴森快捷电路科技有限公司 | 应用于pcb板的晶粒均匀性的评价方法及评价系统 |
CN115205290A (zh) * | 2022-09-15 | 2022-10-18 | 深圳市合成快捷电子科技有限公司 | 一种pcb板生产过程在线检测方法及系统 |
CN115272134A (zh) * | 2022-09-26 | 2022-11-01 | 南通睿禧智能科技有限公司 | 一种基于pcb干扰反光识别的pcb图像去反光方法 |
CN116170940A (zh) * | 2023-04-21 | 2023-05-26 | 广州添利电子科技有限公司 | 一种pcb测试板 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112765930A (zh) * | 2021-01-18 | 2021-05-07 | 广州市奥威亚电子科技有限公司 | 电路原理图的检查方法、装置、设备及存储介质 |
CN117252874A (zh) * | 2023-11-16 | 2023-12-19 | 深圳市京鼎工业技术股份有限公司 | 一种塑胶模具生产质量视觉检测方法 |
CN117252874B (zh) * | 2023-11-16 | 2024-03-19 | 深圳市京鼎工业技术股份有限公司 | 一种塑胶模具生产质量视觉检测方法 |
CN118013925A (zh) * | 2024-04-08 | 2024-05-10 | 丰顺县锦顺科技有限公司 | 一种pcb板外层线路处理方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN116977342B (zh) | 2024-04-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116977342B (zh) | 基于图像分割的pcb板线路检测方法 | |
CN114937055B (zh) | 基于人工智能的图像自适应分割方法与系统 | |
CN115601367B (zh) | 一种led灯芯缺陷检测方法 | |
CN114140462B (zh) | 一种基于图像处理的轴承磨损程度评估方法 | |
CN114723701A (zh) | 基于计算机视觉的齿轮缺陷检测方法和系统 | |
CN113808138B (zh) | 一种基于人工智能的电线电缆表面缺陷检测方法 | |
CN116758083B (zh) | 基于计算机视觉的金属洗脸盆缺陷快速检测方法 | |
CN114842027A (zh) | 基于灰度共生矩阵的织物疵点分割方法和系统 | |
CN116977358B (zh) | 一种瓦楞纸生产品质视觉辅助检测方法 | |
CN115311275B (zh) | 一种电子元器件表面缺陷检测方法及系统 | |
CN110047063B (zh) | 一种物料掉落的检测方法、装置、设备及存储介质 | |
CN116721107B (zh) | 一种电缆生产质量智能监控系统 | |
CN115131348B (zh) | 一种纺织品表面缺陷的检测方法及系统 | |
CN115100206B (zh) | 用于具有周期图案纺织物的印花缺陷识别方法 | |
CN115170567B (zh) | 一种船舶用的防水钢板缺陷检测方法 | |
CN110648330B (zh) | 摄像头玻璃的缺陷检测方法 | |
CN109543686B (zh) | 基于自适应多阈值的字符识别预处理二值化方法 | |
CN114972575A (zh) | 一种基于轮廓边缘的直线拟合算法 | |
CN116152242B (zh) | 一种篮球用天然皮革缺陷可视化检测系统 | |
CN110807763A (zh) | 一种陶瓦表面鼓包检测方法及系统 | |
CN115272350A (zh) | 一种计算机pcb主板生产质量检测方法 | |
CN113592811B (zh) | 一种基于图像处理的熔喷布厚度一致性检测方法 | |
CN111476804A (zh) | 托辊图像高效分割方法、装置、设备及存储介质 | |
CN117078678B (zh) | 基于图像识别的废硅片形状检测方法 | |
CN112330618B (zh) | 图像偏移检测方法、设备及存储介质 |
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 |