基于塊處理的直線型標志符高精度輪廓提取技術研究

家建奎 ，齊 敏 ，李 珂

（1.西北工業大學 電子信息學院，陜西 西安 710129；2.西北工業大學 自動化學院，陜西 西安 710129）

隨著近年來電子信息產業的迅速發展，表面貼裝技術（Surface Mount Technology，SMT）產業由于其高密度、焊點缺陷率低、生產流程易實現自動化等優點得到了快速的增長。在SMT生產中，通常會在印刷電路板（Printed Circuit Board，PCB）的對角位置設置兩個定位標志符，作為后續的定位標準[1]。因此，標志符的精確識別將直接影響到整個設備定位的準確性。通常標志符有許多形狀，比如圓形和直線型的正方形、三角形、十字形等，其中直線型的標識符研究較少。為了精確地檢測識別標志符，需要對標志符進行邊緣擬合，實際中由于多種因素的影響，直線型標識符被高像素的相機拍攝出來的圖像邊緣并不很直，拐角處的直角也帶有一定的弧度，這會影響到后續的標志符高精度定位，因此，有必要對PCB中的標志符做進一步的邊緣擬合，使得其成為標準的正方形、十字形。

常見的直線邊緣擬合方法有Hough變換[2-3]、最小二乘擬合[4]、矩形模板[5]等。Hough變換檢測直線應用十分廣泛，具有抗噪聲能力強，連接共線短直線的優點，但是檢測出來的直線段數目眾多，分布密集，很容易將屬于不同直線的點誤認為屬于同一直線，結果很不理想。最小二乘擬合直線的方法是最常用的直線擬合，該方法將邊緣像素提取出來并組成列表，然后對該列表進行直線段擬合，其中tolerance為偏離直線的最大距離，當超過該距離后，直線段就會一分為二。這種方法通常存在著兩個問題：1)結果受閾值選取的影響較大，對閾值的依賴性較強。2)當對不同的標志符進行處理時，由于不同形狀的目標對擬合的tolerance要求不同，導致所得結果不理想。矩形模板的方法只針對矩形目標有效，具有很強的局限性。當目標為十字形，或者由兩個矩形塊拼接而成時，矩形模板都無法得到準確的結果。

因此，針對PCB板中形狀為正方形、十字形和正方形拼接的標志符，本文首先利用閾值分割、邊緣檢測等方法提取出PCB圖像中標志符的二值圖像，接著利用Hough變換檢測出目標形狀的主軸，最后利用塊處理方法對提取出的標志符區域進行直線化處理，該方法在有效避免閾值選取的同時，保證了最終提取出的標志符輪廓具有邊緣直線性和直角特性。

1 Hough變換檢測標志符的主軸

針對標準Hough變換[6]中計算量大，占用內存多等缺點，Galamhos等[7]提出了一種改進的概率霍夫變換，這種方法將圖像數據映射到參數空間中具有較大概率的單元塊，而非所有的單元塊，因此大大減少了投票數，提高了編程效率。具體的概率霍夫變換算法如下：

1)檢查輸入圖像，如果是空的就退出程序。

2)從輸入圖像中隨機選取一個像素，更新累加器。

3)將選取的像素從輸入圖像中移除。

4)檢查累加器中的峰值是否因為新像素而超過了閾值l，如果沒有就返回步驟1)。

5)根據累加器中的峰值確定直線方向，并找到該方向上的最長直線段，這里的直線段

包括了連續的和間隔不超過給定閾值的不連續直線。

6)將上一步中得到的直線段像素從輸入圖像中移除。

7)將步驟5)中得到的直線段像素對應的累加器全部置零。

8)如果直線段長度大于允許的最小長度，則將其加入輸出列表中。

9)返回到步驟 1)。

在本文中，利用改進的概率霍夫變換檢測出PCB板上的標志符的主軸，即利用霍夫變換檢測出的最長直線段。如圖1所示，直線段l表示檢測出的正方形標志符主軸。

圖1 主軸l與x軸夾角thetaFig.1 The angle theta between domain line l and x axis

2 利用塊處理方法對標志符區域進行直線化處理

對于十字形、正方形和由正方形拼接的標志符而言，它們的邊緣都是直線，角度都是直角，根據這樣的特點，本文提出了塊處理的方法，將標志符區域劃分為許多小塊的區域，根據小塊中標志符區域所占的比重，確定小塊是否屬于標志符區域。

在圖1中，設theta角為標志符區域主軸l與圖像坐標系中x軸正方向的夾角，單位為度。以主軸一端為定點，將目標區域輪廓旋轉至主軸與圖像坐標系的坐標軸平行，當時，將標志符區域輪廓旋轉至主軸與圖像坐標系的x軸平行；當時，將標志符區域輪廓旋轉至主軸與圖像坐標系的y軸平行。具體的坐標變換公式如下：

經過上述步驟之后，我們得到了標志符區域的正視圖，即標志符邊緣處于平行或垂直的方向。如圖2所示。

圖2 標志符區域被分割為許多unit單元塊。Fig.2 The mark region divided by unit

將上一步中得到的標志符區域以x，y軸為邊等間隔分塊，如圖2所示，間隔為7*7個像素（具體大小值根據拍攝圖像而定）。每一個分塊定義為一個單元塊unit，期間要保證區域的4個邊界都與建筑物區域的輪廓相切，避免最后的圖像尺寸發生改變。

在圖2中，由上到下，至左而右逐行掃描各單元塊，計算各單元塊中標志符區域的面積與單元塊面積的比值：

其中，Amark是單元塊中標志符區域的面積，Aunit為單元塊的面積，面積單位均為像素個數。

當Percentage大于等于0.45時，填充該單元塊為標志符區域。否則填充該單元塊為背景顏色。掃描結束后，最后保留的所有單元塊組成了完整的標志符區域，跟蹤區域的邊緣就可以得到直線化的標志符輪廓。

處理完成之后，將得到的直線化輪廓圖以主軸的定點為圓心，旋轉-theta角度調整回原始位置，就可以得到待識別[8]的標志符區域的直線化輪廓圖。該方法不僅對正方形的標志符有效，對十字形和多正方形拼接的標志符也同樣起作用。

3 試驗結果與分析

圖3 正方形標志符原始圖及其識別檢測結果Fig.3 Square mark original picture and its detection result

圖4 拼接正方形標志符原始圖及其識別檢測結果Fig.4 Splicing rectangle mark original picture and its detection result

本文針對PCB板上的正方形、十字形標志符進行了輪廓提取試驗，并與利用最小二乘法擬合后的標志符做了對比。圖3～圖5分別是正方形、拼接正方形、十字形標志符的原始圖像與對應的輪廓提取結果圖。從中可以看出，本方法提取出的正方形標志符區域在邊緣區域具有直線的特性，并且在容易失真的角度區域具有直角的特性，完全符合實際的正方形標志符。相反，利用最小二乘擬合對標志符輪廓提取的結果顯示邊緣由多個線段連接組成，更重要的是在標志符輪廓的角度區域并非是直角，而是由多條線段組成的鈍角，這些與實際的標志符有很大的失真，因此，本文提出的方法具有更高的精確度。

4 結論

本文針對現有識別檢測正方形、拼接正方形、十字形標志符的方法的不足，提出了一種新的直線化的標志符輪廓精確提取算法。該方法首先將PCB板上的標志符標記圖像由灰度圖轉化為二值圖，然后利用改進的概率霍夫變換檢測出標志符區域的主軸，最后使用塊處理的方法對標志符區域進行了直線化輪廓提取。本方法有效的避免了傳統最小二值擬合方法中的閾值選取問題，同時也解決了邊緣夾角區域的直角化和輪廓邊緣的直線化的問題，有利于標志符的高精度定位。本方法不僅針對正方形的標志符有效，對其他的具有直角特性的多邊形PCB標志符同樣有效。

[1]熊光潔，馬樹元，劉瑞禎．PCB檢測中圓Mark的快速精確定位[J]．計算機工程，2012，11(21）：211-213．XIONG Guang-jie,MA Shu-yuan,LIU Rui-zhen.Fast precise positioning of circular mark in PCB inspection[J].Computer Engineering，2012，11(21）：211-213．

[2]張廣斌，束洪春，于繼來．基于Hough變換直線檢測的行波波頭標定[J]．中國電機工程學報，2013，19（6）：165-173.ZHANG An-bin,SHU Hong-chun,YU Ji-lai.Surge identification for travelling wave based on straight lines detection via hough transform[J].Proceedings of the CSEE,2013，19（6）：165-173.

[3]張江鑫，沈小蘭，王輝，等．快速隨機Hough變換多直線檢測算法[J]．浙江工業大學學報，2013（3）：346-350．ZHANG Jiang-xin,SHEN Xiao-lan,WANG Hui,et al.Fast multi-line detection algorithm using randomized hough transform [J].Journal of Zhejiang University of Technology(Social Science),2013(3):346-350.

[4]范文博，王文龍，陳岳龍，等．最小二乘直線擬合方法及其在同位素地質年代學中的應用研究 [J]．地質論評，2013（5）：801-815．FAN Wen-bo,WANG Wen-long,CHEN Yue-long,et al.Methods for least squares fitting of a straight line and their application in geochronology[J].Geological Review,2013(5):801-815.

[5]崔世勇．高分辨率遙感影像建筑物半自動提取方法研究[D]．北京：中國測繪科學研究院，2009．

[6]HOUGH P C.Machine analysis of bubble chamber pictures[C]//Proc.Int.Conf.High Energy Accelerators and Inst,1959(55):554-558.

[7]GALAMHOS C,MATAS J,KITTLER J.Progressive probabilistic Hough transform for line detection[C]//Computer Vision and Pattern Recognition,1999.Los Alamitos:IEEE Computer Society,1999:554-560.

[8]張蒙正，馬杰.冪律型流體射流破碎建模和實驗問題探討[J].火箭推進，2011（4）：1-6，41.Zhang Meng-zheng,Ma Jie.Discussion about modeling and experiment problem of power-law fluids[J].Journal of Rocket Propulsion,2011（4）：1-6，41.

圖5 十字形標志符原始圖及其識別檢測結果Fig.5 Cross mark original picture and its detection result