基于輪廓特征的PCB圖像拼接方法

2014-01-01 00:00:00張悅悅趙欣

中國機械 2014年5期

摘要：本文首先分析了PCB圖像的特點，提出了利用PCB圖像的輪廓特征來進行匹配和拼接，并規定了特征的選取范圍和搜索范圍。在此基礎上給出了基于輪廓特征的PCB圖像拼接的具體方法，利用形態學法來提取輪廓，基于輪廓的曲率提取了輪廓上的角點，然后利用Hausdorff距離對點集進行配準。

關鍵詞：PCB圖像；形態學；輪廓特征；角點；Hausdorff距離

1.拼接方法的選擇及拼接區域的確定

1.1 .PCB圖像拼接問題的具體分析

現有的圖像拼接技術大致分為兩類：基于區域的方法和基于特征的方法。在基于區域的方法中，圖像的像素點陣直接參與匹配運算，利用圖像本身具有的灰度信息來度量圖像的相似程度。基于特征的方法則是通過提取并匹配兩圖像共有的特征結構來完成圖像拼接。通常使用的特征結構包括邊界、輪廓、區域、線交叉點等。圖像拼接采用何種技術，與圖像的特性以及圖像之間的關系緊密相關。

圖像拼接要考慮的問題有[1]：第一，圖像之間的變換性質；即待拼接的兩圖像之間是何種變換。第二，特征選擇；即選取什么樣的特征作為兩圖像匹配的目標。第三，特征匹配；即如何建立特征之間的對應關系。

首先我們來看一下PCB圖像拼接中圖像與圖像之間的變換性質。首先，兩圖像之間存在平移變換，這是因為拍攝相鄰兩圖像時攝像鏡頭與PCB之間有平移量。其次是存在一定的旋轉變換，因為在工作臺微移時或掃描時照片放置的偏斜，導致兩圖像之間有一定的旋轉角度；再有就是微小的尺度差異。假設在拼接相鄰兩圖像時尺度差異可以忽略不計，圖像拼接變換就是圖像之間的平移變換和旋轉變換，也就是剛性變換。

關于特征的選擇，也跟圖像的內容以及圖像之間的變換有關。PCB圖像拼接存在兩個特點。首先是由攝像機采集到的PCB原始圖像只包含目標（PCB線條、焊盤）和背景圖像信息以及極少量的噪聲，目標灰度與背景灰度之間差別較大，目標與目標、背景與背景之間灰度相差不大，使得PCB圖像的輪廓特征容易提取。其次為了滿足PCB視覺檢測中高速度和精度的要求，相鄰圖像間重疊區域應該盡可能狹窄，所選擇的特征最好包含盡可能多的信息。圖像的特征點比圖像的像素點要少很多，從而大大減少了匹配過程的計算量。特征點的匹配度量值對位置變化比較敏感，可以大大提高匹配的精度。特征點的提取過程可以減少噪聲的影響，對灰度變化、圖像形變以及遮擋等都有較好的適應能力。基于以上兩點我們選擇輪廓特征作為匹配特征。

第三，確定特征之間的對應關系。選擇輪廓作為特征之后，圖像拼接問題化解為輪廓匹配問題。在其中一幅圖像的重疊區域選擇一塊作為特征提取區域，提取這個區域內的輪廓特征，在另一幅圖像的重疊區域內搜索與此特征區域匹配的區域，記錄最佳匹配位置的坐標。我們需要一個定位準確的匹配算法，以滿足圖像之間的完好拼合。

1.2. 模板的選取及搜索區域的確定

2.兩幅圖像的拼接算法

在基于前面分析及假設的基礎上，本文提出了一種基于輪廓特征點的PCB圖像拼接算法。

2.1.圖像分割

PCB圖像的灰度分布特征。

2.1.1.具有明顯的背景峰值和目標峰值；

2.1.2. 兩個峰值距離較遠，而且其間灰度值基本相等，沒有明顯的波谷；

2.1.3.背景像素點和目標像素點的灰度變化具有連續性，目標邊界的灰度是漸變的，不是突變的。

根據PCB圖像的特點，PCB圖像在進行圖像分割時多采用閾值分割的方法，本文參照文獻[2]使用了一種自適應閾值的圖像分割方法。

3. 結論

在利用Hausdorff距離對特征點集進行配準時，特征區域在搜索區域中每一個可能位置上移動并求取與對應圖像中被匹配區域上的點集的部分Hausdorff距離，這種搜索方法計算量大，因此需要采用適當的快速搜索法以加快匹配速度。