摘 要：本文首先分析了PCB圖像的特點(diǎn)，提出了利用PCB圖像的輪廓特征來(lái)進(jìn)行匹配和拼接，并規(guī)定了特征的選取范圍和搜索范圍。在此基礎(chǔ)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(tài)學(xué)法來(lái)提取輪廓，基于輪廓的曲率提取了輪廓上的角點(diǎn)，然后利用Hausdorff距離對(duì)點(diǎn)集進(jìn)行配準(zhǔn)。

關(guān)鍵詞：PCB圖像；形態(tài)學(xué)；輪廓特征；角點(diǎn)；Hausdorff距離

1.拼接方法的選擇及拼接區(qū)域的確定

1.1 .PCB圖像拼接問(wèn)題的具體分析

現(xiàn)有的圖像拼接技術(shù)大致分為兩類：基于區(qū)域的方法和基于特征的方法。在基于區(qū)域的方法中，圖像的像素點(diǎn)陣直接參與匹配運(yùn)算，利用圖像本身具有的灰度信息來(lái)度量圖像的相似程度?；谔卣鞯姆椒▌t是通過(guò)提取并匹配兩圖像共有的特征結(jié)構(gòu)來(lái)完成圖像拼接。通常使用的特征結(jié)構(gòu)包括邊界、輪廓、區(qū)域、線交叉點(diǎn)等。圖像拼接采用何種技術(shù)，與圖像的特性以及圖像之間的關(guān)系緊密相關(guān)。

圖像拼接要考慮的問(wèn)題有[1]：第一，圖像之間的變換性質(zhì)；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(biāo)。第三，特征匹配；即如何建立特征之間的對(duì)應(yīng)關(guān)系。

首先我們來(lái)看一下PCB圖像拼接中圖像與圖像之間的變換性質(zhì)。首先，兩圖像之間存在平移變換，這是因?yàn)榕臄z相鄰兩圖像時(shí)攝像鏡頭與PCB之間有平移量。其次是存在一定的旋轉(zhuǎn)變換，因?yàn)樵诠ぷ髋_(tái)微移時(shí)或掃描時(shí)照片放置的偏斜，導(dǎo)致兩圖像之間有一定的旋轉(zhuǎn)角度；再有就是微小的尺度差異。假設(shè)在拼接相鄰兩圖像時(shí)尺度差異可以忽略不計(jì)，圖像拼接變換就是圖像之間的平移變換和旋轉(zhuǎn)變換，也就是剛性變換。

關(guān)于特征的選擇，也跟圖像的內(nèi)容以及圖像之間的變換有關(guān)。PCB圖像拼接存在兩個(gè)特點(diǎn)。首先是由攝像機(jī)采集到的PCB原始圖像只包含目標(biāo)（PCB線條、焊盤(pán)）和背景圖像信息以及極少量的噪聲，目標(biāo)灰度與背景灰度之間差別較大，目標(biāo)與目標(biāo)、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(jué)檢測(cè)中高速度和精度的要求，相鄰圖像間重疊區(qū)域應(yīng)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(diǎn)比圖像的像素點(diǎn)要少很多，從而大大減少了匹配過(guò)程的計(jì)算量。特征點(diǎn)的匹配度量值對(duì)位置變化比較敏感，可以大大提高匹配的精度。特征點(diǎn)的提取過(guò)程可以減少噪聲的影響，對(duì)灰度變化、圖像形變以及遮擋等都有較好的適應(yīng)能力?；谝陨蟽牲c(diǎn)我們選擇輪廓特征作為匹配特征。

第三，確定特征之間的對(duì)應(yīng)關(guān)系。選擇輪廓作為特征之后，圖像拼接問(wèn)題化解為輪廓匹配問(wèn)題。在其中一幅圖像的重疊區(qū)域選擇一塊作為特征提取區(qū)域，提取這個(gè)區(qū)域內(nèi)的輪廓特征，在另一幅圖像的重疊區(qū)域內(nèi)搜索與此特征區(qū)域匹配的區(qū)域，記錄最佳匹配位置的坐標(biāo)。我們需要一個(gè)定位準(zhǔn)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(qū)域的確定

2.兩幅圖像的拼接算法

在基于前面分析及假設(shè)的基礎(chǔ)上，本文提出了一種基于輪廓特征點(diǎn)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(biāo)峰值；

2.1.2. 兩個(gè)峰值距離較遠(yuǎn)，而且其間灰度值基本相等，沒(méi)有明顯的波谷；

2.1.3.背景像素點(diǎn)和目標(biāo)像素點(diǎn)的灰度變化具有連續(xù)性，目標(biāo)邊界的灰度是漸變的，不是突變的。

根據(jù)PCB圖像的特點(diǎn)，PCB圖像在進(jìn)行圖像分割時(shí)多采用閾值分割的方法，本文參照文獻(xiàn)[2]使用了一種自適應(yīng)閾值的圖像分割方法。

3. 結(jié)論

在利用Hausdorff距離對(duì)特征點(diǎn)集進(jìn)行配準(zhǔn)時(shí)，特征區(qū)域 在搜索區(qū)域 中每一個(gè)可能位置上移動(dòng)并求取 與對(duì)應(yīng)圖像中被匹配區(qū)域上的點(diǎn)集的部分Hausdorff距離，這種搜索方法計(jì)算量大，因此需要采用適當(dāng)?shù)目焖偎阉鞣ㄒ约涌炱ヅ渌俣取?/p>

此方法利用的是輪廓中的角點(diǎn)特征，因此只適用于能提取出角點(diǎn)的PCB圖像，如果PCB圖像只有焊盤(pán)或者線條都為直線，則此方法不適用。

參考文獻(xiàn)：

[1] 衣曉飛.集成電路芯片圖像處理技術(shù)的研究：[博士學(xué)位論文].國(guó)防科技大學(xué)，2001，10

[2] 連軍莉.印刷電路板的圖像分割[J].測(cè)試技術(shù)，2006，4

[3] 陳蘭蘭，畢篤彥.數(shù)學(xué)形態(tài)學(xué)在圖像處理中的應(yīng)用. 維普資訊 http：//www.cqvip.com.2002，6.