[发明专利]一种电路板布线边缘提取方法及提取平台

权利要求书

1.一种电路板布线边缘提取方法，其包括以下步骤：

I)设置一电路板布线边缘提取平台，其包括电路板图像提取装置和布线边缘提取单元；

II)电路板图像提取装置将提取的电路板图像传输至布线边缘提取单元，布线边缘提取单元采用基于高斯小波一维峰值识别的多角度边缘检测方法对接收到的电路板图像中的布线边缘进行提取，其包括以下步骤：

1)对接收到的电路板图像进行直方图分析，得到目标及其背景的灰度值，采用得到的灰度值对给定的18种模板图像中的目标及其背景进行赋值；

2)预设若干组边缘检测参数：高斯函数的一阶导数f_σ(t)的参数σ、一维峰值极大值阈值α和二值化阈值，采用预设的若干组边缘检测参数分别对赋值后的18种模板图像进行边缘检测，并找出与模板图像近似度最高的边缘检测结果，将得到该结果所用的边缘检测参数作为最优参数，其具体包括以下步骤：

(1)利用m行×m tanθ列的图像子块对模板图像进行分割，将模板图像分割为若干个m行×m tanθ列的图像子块，其中，θ为边缘检测角度，θ∈[45°,90°)；

(2)在每个m行×m tanθ列的图像子块中沿其对角线构建若干一维向量；

(3)将构建的若干一维向量分别与高斯函数的一阶导数f_σ(t)作卷积运算，并对卷积运算结果取绝对值；

(4)确定卷积结果绝对值的局部极大值；

(5)对得到的局部极大值赋灰度值，并根据像素下标将生成的边缘图像像素替换原图像中相同位置上的像素；

(6)将不同边缘检测角度方向得到的若干边缘图像进行灰度叠加，根据多次叠加后图像的灰度直方图，将灰度百分比最高的灰度值作为二值化阈值，根据该二值化阈值对多次叠加后图像的边缘进行二值化处理；

(7)采用Pratt边缘检测品质因数方法将生成的图像边缘与模板图像中图像边缘进行比较，得到与模板图像边缘近似度最高的一组边缘检测结果，并将得到该边缘检测结果所用的边缘检测参数作为最优参数；

3)采用步骤2)得到的最优参数，重复步骤2)中的步骤(1)～步骤(6)，布线边缘提取单元对接收到的电路板图像中的布线边缘进行提取。

2.如权利要求1所述的一种电路板布线边缘提取方法，其特征在于：所述步骤(2)中，对m行×m tanθ列的图像子块构建一维向量，其包括：

①根据边缘检测角度θ的取值范围：θ∈[45°,90°)，给出m行×m tanθ列的图像子块的三种形式和Q_90°，和Q_90°分别用像素a表示为：

θ₁为图像子块的形式对应的边缘检测角度，

θ₂为图像子块的形式对应的边缘检测角度，

②对于m行×mtanθ列的图像子块的形式按照以下形式

沿图像子块的形式的对角线方向取若干一维向量X₁、X₂…X_m和Y₁…Y_m-1，其中k＝2,3,…；

$\left\{\begin{array}{c}{X}_1=\left[\begin{array}{ccccccccccc}{a}_{11}& \mathrm{...}& a_{1k},& a_{2k}& \mathrm{...}& a_{2(2k-1)},& \mathrm{...}& \mathrm{...}& a_{m\[(m-1)(k-1)+1\]}& \mathrm{...}& a_{m\[m(k-1)+1\]}\end{array}\right]\\ X_2=\left[\begin{array}{ccccccccccc}{a}_{21}& \mathrm{...}& a_{2k},& a_{3k}& \mathrm{...}& a_{3(2k-1)},& \mathrm{...}& \mathrm{...}& a_{m\[(m-2)(k-1)+1\]}& \mathrm{...}& a_{m\[(m-1)(k-1)+1\]}\end{array}\right]\\ .\\ .\\ .\\ X_m=\left[\begin{array}{ccc}{a}_{m1}& \mathrm{...}& a_{mk}\end{array}\right]\\ Y_{m-1}=\left[\begin{array}{ccccccccccc}{a}_{1k}& \mathrm{...}& a_{1(2k-1)},& a_{2(2k-1)}& \mathrm{...}& a_{2(3k-2)},& \mathrm{...}& \mathrm{...},& a_{(m-1)\[(m-1)(k-1)+1\]}& \mathrm{...}& a_{(m-1)\[m(k-1)+1\]}\end{array}\right]\\ Y_1=\left[\begin{array}{ccc}{a}_{1\[(m-1)(k-1)+1\]}& \mathrm{...}& a_{1\[m(k-1)+1\]}\end{array}\right]\end{array}\right.,$

对于m行×mtanθ列的图像子块的形式按照以下形式

沿图像子块的形式的对角线方向取若干一维向量X′₁、X'₂…X'_m和Y′₁…Y′_m-1，其中k＝1,2,3,…；

$\left\{\begin{array}{c}{X}_1^{\′}=\left[\begin{array}{ccccccccccc}{a}_{11}& \mathrm{...}& a_{1k},& a_{2(k+1)}& \mathrm{...}& a_{2\left(2k\right)},& \mathrm{...}& \mathrm{...}& a_{m\[(m-1)k+1\]}& \mathrm{...}& a_{m\left(mk\right)}\end{array}\right]\\ X_2^{\′}=\left[\begin{array}{ccccccccccc}{a}_{21}& \mathrm{...}& a_{2k},& a_{3(k+1)}& \mathrm{...}& a_{3\left(2k\right)},& \mathrm{...}& \mathrm{...}& a_{m\[(m-2)k+1\]}& \mathrm{...}& a_{m\[(m-1)k\]}\end{array}\right]\\ X_m^{\′}=\left[\begin{array}{ccc}{a}_{m1}& \mathrm{...}& a_{mk}\end{array}\right]\\ Y_{m-1}^{\′}=\left[\begin{array}{ccccccccccc}{a}_{1(k+1)}& \mathrm{...}& a_{1\left(2k\right)},& a_{2(2k+1)}& \mathrm{...}& a_{2\left(3k\right)},& \mathrm{...}& \mathrm{...}& a_{(m-1)\[(m-1)k+1\]}& \mathrm{...}& a_{(m-1)\left(mk\right)}\end{array}\right]\\ .\\ .\\ .\\ Y_1^{\′}=\left[\begin{array}{ccc}{a}_{1\[(m-1)k+1\]}& \mathrm{...}& a_{1\left(mk\right)}\end{array}\right]\end{array}\right.;$

对于m行×m tanθ列的图像子块的形式Q_90°，构建的一维向量X″₁、X″₂…X″_m为：

$\left\{\begin{array}{c}{X}_1^{\′\′}=\left[\begin{array}{ccccc}{a}_{11}& a_{12}& \mathrm{...}& \mathrm{...}& a_{1m}\end{array}\right]\\ X_2^{\′\′}=\left[\begin{array}{ccccc}{a}_{21}& a_{22}& \mathrm{...}& \mathrm{...}& a_{2m}\end{array}\right]\\ .\\ .\\ .\\ X_m^{\′\′}=\left[\begin{array}{ccccc}{a}_{m1}& a_{m2}& \mathrm{...}& \mathrm{...}& a_{mm}\end{array}\right]\end{array}\right.;$

③通过将图像矩阵转置和翻转后，采用与[45°,90°]所对应的图像矩阵子块构建一维向量相同的方法，对[0°,45°]所对应的图像矩阵子块构建一维向量；通过将图像矩阵翻转后，采用与[45°,90°]所对应的图像矩阵子块构建一维向量相同的方法，对[90°,135°]所对应的图像矩阵子块构建一维向量；通过将图像矩阵转置后，采用与[45°,90°]所对应的图像矩阵子块构建一维向量相同的方法，对[135°,180°]所对应的图像矩阵子块构建一维向量；完成对[0°,180°]所对应的图像矩阵子块的一维向量的构建。