论文部分内容阅读
摘 要：本文首先分析了PCB图像的特点，提出了利用PCB图像的轮廓特征来进行匹配和拼接，并规定了特征的选取范围和搜索范围。在此基础上给出了基于轮廓特征的PCB图像拼接的具体方法，利用形态学法来提取轮廓，基于轮廓的曲率提取了轮廓上的角点，然后利用Hausdorff距离对点集进行配准。
关键词：PCB图像；形态学；轮廓特征；角点；Hausdorff距离
1.拼接方法的选择及拼接区域的确定
1.1 .PCB图像拼接问题的具体分析
现有的图像拼接技术大致分为两类：基于区域的方法和基于特征的方法。在基于区域的方法中，图像的像素点阵直接参与匹配运算，利用图像本身具有的灰度信息来度量图像的相似程度。基于特征的方法则是通过提取并匹配两图像共有的特征结构来完成图像拼接。通常使用的特征结构包括边界、轮廓、区域、线交叉点等。图像拼接采用何种技术，与图像的特性以及图像之间的关系紧密相关。
图像拼接要考虑的问题有[1]：第一，图像之间的变换性质；即待拼接的两图像之间是何种变换。第二，特征选择；即选取什么样的特征作为两图像匹配的目标。第三，特征匹配；即如何建立特征之间的对应关系。
首先我们来看一下PCB图像拼接中图像与图像之间的变换性质。首先，两图像之间存在平移变换，这是因为拍摄相邻两图像时摄像镜头与PCB之间有平移量。其次是存在一定的旋转变换，因为在工作台微移时或扫描时照片放置的偏斜，导致两图像之间有一定的旋转角度；再有就是微小的尺度差异。假设在拼接相邻两图像时尺度差异可以忽略不计，图像拼接变换就是图像之间的平移变换和旋转变换，也就是刚性变换。
关于特征的选择，也跟图像的内容以及图像之间的变换有关。PCB图像拼接存在两个特点。首先是由摄像机采集到的PCB原始图像只包含目标（PCB线条、焊盘）和背景图像信息以及极少量的噪声，目标灰度与背景灰度之间差别较大，目标与目标、背景与背景之间灰度相差不大，使得PCB图像的轮廓特征容易提取。其次为了满足PCB视觉检测中高速度和精度的要求，相邻图像间重叠区域应该尽可能狭窄，所选择的特征最好包含尽可能多的信息。图像的特征点比图像的像素點要少很多，从而大大减少了匹配过程的计算量。特征点的匹配度量值对位置变化比较敏感，可以大大提高匹配的精度。特征点的提取过程可以减少噪声的影响，对灰度变化、图像形变以及遮挡等都有较好的适应能力。基于以上两点我们选择轮廓特征作为匹配特征。
第三，确定特征之间的对应关系。选择轮廓作为特征之后，图像拼接问题化解为轮廓匹配问题。在其中一幅图像的重叠区域选择一块作为特征提取区域，提取这个区域内的轮廓特征，在另一幅图像的重叠区域内搜索与此特征区域匹配的区域，记录最佳匹配位置的坐标。我们需要一个定位准确的匹配算法，以满足图像之间的完好拼合。
1.2. 模板的选取及搜索区域的确定
2.两幅图像的拼接算法
在基于前面分析及假设的基础上，本文提出了一种基于轮廓特征点的PCB图像拼接算法。
2.1.图像分割
PCB图像的灰度分布特征。
2.1.1.具有明显的背景峰值和目标峰值；
2.1.2. 两个峰值距离较远，而且其间灰度值基本相等，没有明显的波谷；
2.1.3.背景像素点和目标像素点的灰度变化具有连续性，目标边界的灰度是渐变的，不是突变的。
根据PCB图像的特点，PCB图像在进行图像分割时多采用阈值分割的方法，本文参照文献[2]使用了一种自适应阈值的图像分割方法。
3. 结论
在利用Hausdorff距离对特征点集进行配准时，特征区域 在搜索区域 中每一个可能位置上移动并求取 与对应图像中被匹配区域上的点集的部分Hausdorff距离，这种搜索方法计算量大，因此需要采用适当的快速搜索法以加快匹配速度。
此方法利用的是轮廓中的角点特征，因此只适用于能提取出角点的PCB图像，如果PCB图像只有焊盘或者线条都为直线，则此方法不适用。
参考文献：
[1] 衣晓飞.集成电路芯片图像处理技术的研究：[博士学位论文].国防科技大学，2001，10
[2] 连军莉.印刷电路板的图像分割[J].测试技术，2006，4
[3] 陈兰兰，毕笃彦.数学形态学在图像处理中的应用. 维普资讯 http：//www.cqvip.com.2002，6.
关键词：PCB图像；形态学；轮廓特征；角点；Hausdorff距离
1.拼接方法的选择及拼接区域的确定
1.1 .PCB图像拼接问题的具体分析
现有的图像拼接技术大致分为两类：基于区域的方法和基于特征的方法。在基于区域的方法中，图像的像素点阵直接参与匹配运算，利用图像本身具有的灰度信息来度量图像的相似程度。基于特征的方法则是通过提取并匹配两图像共有的特征结构来完成图像拼接。通常使用的特征结构包括边界、轮廓、区域、线交叉点等。图像拼接采用何种技术，与图像的特性以及图像之间的关系紧密相关。
图像拼接要考虑的问题有[1]：第一，图像之间的变换性质；即待拼接的两图像之间是何种变换。第二，特征选择；即选取什么样的特征作为两图像匹配的目标。第三，特征匹配；即如何建立特征之间的对应关系。
首先我们来看一下PCB图像拼接中图像与图像之间的变换性质。首先，两图像之间存在平移变换，这是因为拍摄相邻两图像时摄像镜头与PCB之间有平移量。其次是存在一定的旋转变换，因为在工作台微移时或扫描时照片放置的偏斜，导致两图像之间有一定的旋转角度；再有就是微小的尺度差异。假设在拼接相邻两图像时尺度差异可以忽略不计，图像拼接变换就是图像之间的平移变换和旋转变换，也就是刚性变换。
关于特征的选择，也跟图像的内容以及图像之间的变换有关。PCB图像拼接存在两个特点。首先是由摄像机采集到的PCB原始图像只包含目标（PCB线条、焊盘）和背景图像信息以及极少量的噪声，目标灰度与背景灰度之间差别较大，目标与目标、背景与背景之间灰度相差不大，使得PCB图像的轮廓特征容易提取。其次为了满足PCB视觉检测中高速度和精度的要求，相邻图像间重叠区域应该尽可能狭窄，所选择的特征最好包含尽可能多的信息。图像的特征点比图像的像素點要少很多，从而大大减少了匹配过程的计算量。特征点的匹配度量值对位置变化比较敏感，可以大大提高匹配的精度。特征点的提取过程可以减少噪声的影响，对灰度变化、图像形变以及遮挡等都有较好的适应能力。基于以上两点我们选择轮廓特征作为匹配特征。
第三，确定特征之间的对应关系。选择轮廓作为特征之后，图像拼接问题化解为轮廓匹配问题。在其中一幅图像的重叠区域选择一块作为特征提取区域，提取这个区域内的轮廓特征，在另一幅图像的重叠区域内搜索与此特征区域匹配的区域，记录最佳匹配位置的坐标。我们需要一个定位准确的匹配算法，以满足图像之间的完好拼合。
1.2. 模板的选取及搜索区域的确定
2.两幅图像的拼接算法
在基于前面分析及假设的基础上，本文提出了一种基于轮廓特征点的PCB图像拼接算法。
2.1.图像分割
PCB图像的灰度分布特征。
2.1.1.具有明显的背景峰值和目标峰值；
2.1.2. 两个峰值距离较远，而且其间灰度值基本相等，没有明显的波谷；
2.1.3.背景像素点和目标像素点的灰度变化具有连续性，目标边界的灰度是渐变的，不是突变的。
根据PCB图像的特点，PCB图像在进行图像分割时多采用阈值分割的方法，本文参照文献[2]使用了一种自适应阈值的图像分割方法。
3. 结论
在利用Hausdorff距离对特征点集进行配准时，特征区域 在搜索区域 中每一个可能位置上移动并求取 与对应图像中被匹配区域上的点集的部分Hausdorff距离，这种搜索方法计算量大，因此需要采用适当的快速搜索法以加快匹配速度。
此方法利用的是轮廓中的角点特征，因此只适用于能提取出角点的PCB图像，如果PCB图像只有焊盘或者线条都为直线，则此方法不适用。
参考文献：
[1] 衣晓飞.集成电路芯片图像处理技术的研究：[博士学位论文].国防科技大学，2001，10
[2] 连军莉.印刷电路板的图像分割[J].测试技术，2006，4
[3] 陈兰兰，毕笃彦.数学形态学在图像处理中的应用. 维普资讯 http：//www.cqvip.com.2002，6.