[发明专利]一种基于PCA和分段RHT的PCB图像圆检测方法

说明书

本发明公开了一种基于PCA和分段RHT的PCB图像圆检测方法，包括以下步骤：S1.载入原始彩色PCB板图像；S2.对图像进行灰度二值化，采用边缘检测算法提取图像边缘，除去交叉次数较多的点；S3.对灰度二值化图像中的线段进行标记，找出长度大于所设阈值t的线段；S4.对每条线段进行主成分分析，得到特征值，保留类圆曲线段；S5.对类圆曲线段进行圆拟合，得到粗略圆参数，在类圆曲线段中筛选出有效曲线段；S6.对有效曲线段进行分段圆检测，得到精确圆参数。本发明的优点在于，对圆的检测更加精确，对非圆曲线的去除更加有效，圆的参数误差更小，处理速度上也有优势。

技术领域

本发明涉及图像处理与机器视觉领域，更具体地，涉及一种基于PCA和分段RHT的PCB图像圆检测方法。

背景技术

目前，印刷电路板(PCB)缺陷检测常用的方法是参考法，将待匹配板与参考模版图像配准，其中圆形孔的检测与定位最为重要。现有的发明与技术中，有些只适合内容较单一的印刷电路板(PCB)图像，有些不能保证较好的精确度，有些处理会引入很多的噪声，鲁棒性差。

发明内容

本发明为克服上述现有技术所述的缺陷，提供一种基于PCA和分段RHT的PCB图像圆检测方法。

为解决上述技术问题，本发明的技术方案如下：

一种基于PCA和分段RHT的PCB图像圆检测方法，包括以下步骤：

S1.载入原始彩色PCB板图像；

S2.对图像进行灰度二值化，采用边缘检测算法提取图像边缘，除去交叉次数较多的点；

S3.对灰度二值化图像中的线段进行标记，找出长度大于所设阈值t的线段；

S4.对每条线段进行主成分分析(Principal Component Analysis，PCA)，得到特征值，保留类圆曲线段；

S5.对类圆曲线段进行圆拟合，得到粗略圆参数，在类圆曲线段中筛选出有效曲线段；

S6.对有效曲线段进行分段圆检测，得到精确圆参数。

上述的工作原理为：首先对图像进行灰度二值化，通过边缘检测算法提取图像边缘并出去交叉次数多的点；对图像中的线段均进行标记，通过主成分分析，筛选出类圆曲线段；对类圆曲线段进行圆拟合，得到粗略圆参数，并筛选出有效曲线段；最后采用分段的方式对有效曲线段进行圆检测，得到精确圆参数。

优选地，所述步骤S4的PCA方向分析具体步骤如下：

对于每条线段，设像素为N,任一点坐标(x_i,y_i),根据以下公式：

得出S₁₁,S₁₂,S₂₁和S₂₂，用于构成以下协方差矩阵：

得出S的特征根λ₁和λ₂；

判断线段是否为满足条件1≤λ₁/λ₂≤t的类圆曲线段，如果是，则保留，否则就除去。

优选地，所述步骤S5中圆拟合的具体过程如下：

采用带约束的最小二乘圆拟合法，近似得到圆的圆心和半径，用于筛选曲线段。

优选地，所述步骤S6中分段圆检测采用随机霍夫变换(Random Hough Transform，RHT)，具体过程如下：