PCB板缺陷檢測中圖像配準技術(shù)研究

周戀玲，張靜

（1.武警警官學院 電子技術(shù)系，四川 成都　610213；2.電子科技大學 光電信息學院，四川 成都　610054）

PCB板缺陷檢測中圖像配準技術(shù)研究

周戀玲1，張靜2

（1.武警警官學院 電子技術(shù)系，四川 成都610213；2.電子科技大學 光電信息學院，四川 成都610054）

PCB缺陷檢測系統(tǒng)中，圖像的配準精度直接影響著整個系統(tǒng)的檢測精度。針對PCB板標準圖像和待測圖像本身存在差異，傳統(tǒng)方法用標準圖像來配準待測圖像的精度較低的問題，文中通過引入Gerber文件，對標準PCB板圖像和待測PCB板圖像進行二次配準，并對配準后的圖像進行坐標修正。對采集的大尺寸PCB圖像進行配準實驗，結(jié)果顯示配準偏移可控制在1-2個像素范圍內(nèi)，配準精度得到很大提高。

PCB；圖像配準；Gerber文件；二次配準

目前各種電子產(chǎn)品都離不開PCB板，PCB板的質(zhì)量問題直接決定了企業(yè)的生存問題，對于PCB板缺陷的檢測成為企業(yè)質(zhì)量保證必不可少的環(huán)節(jié)。圖像配準作為檢測的核心，如果配準精度存在較大誤差，將會影響整個檢測系統(tǒng)的結(jié)果。

Chun-Jen Chen［1］等人提出了將Hausdorff距離運用到圖像定位和缺陷檢測中，這種方法對于圖像配準中，邊緣產(chǎn)生的差異有一定的改善作用，但是這種方法只是采用了平移，還是存在一定的問題。Syamsian Mashohor［2］使用混合遺傳算法（Hybrid Genetic Algorithm）來判定圖像的位置偏移，從而進行配準，綜合利用了Sobel邊緣檢測、圖像差值法、噪聲濾波等方法來進行檢測，檢測針對灰度圖像進行，對于高集成度的PCB板能有效地進行檢測，整個系統(tǒng)自適應性高。Oh.Hae-Won［3］等人在PCB的裝配檢測儀器中，根據(jù)Gerber文件來識別PCB元器件的位置，從而實現(xiàn)了PCB的元件的準確定位與檢測。文中利用Gerber文件對標準PCB圖像和待測PCB圖像分別進行配準，相當于兩次配準過程，配準精度得到提高。

1　Gerber文件和圖像配準

1.1Gerber文件簡介

Gerber文件又稱為光繪文件，它是線路板行業(yè)圖像轉(zhuǎn)換的一種標準格式［4］。許多PCB制造廠引進了CAD設(shè)計系統(tǒng)，利用Gerber文件，進行貼片機生產(chǎn)。因此，PCB板通常有其對應的Gerber文件。由于Gerber是PCB板制作的標準文件，因此，文中通過引入Gerber文件，利用生成Gerber圖像，作為配準的基準圖像，從而提高配準的精度。

1.2圖像配準原理

在圖像處理中，根據(jù)標準信息來校正圖像位置的處理是非常重要的一步，常用的空間校正圖像公式如下：

式中的兩個函數(shù)為變換函數(shù)，計算（x，y）在校正圖像坐標系統(tǒng)中的正確位置，同時把該點的灰度值移植到計算得到的新位置上。通常，計算出來的新坐標值并不是整數(shù)，這樣便無法得到該點的精確灰度值，為此，需要采用灰度插值技術(shù)進行處理。雙線性插值，是利用該點的四個最近鄰像素的值來估算灰度值，假設(shè)每個小方格內(nèi)的灰度值都是坐標的簡單函數(shù)［5］：

其中α、…δ是一些參數(shù)，將4個角的像素值代入上式，可以求出這些參數(shù)，然后用這些值來估計新坐標點的灰度值。

2　文中圖像配準過程

一般的PCB板上會提供3～4個圓形標志，作為定位控制點，在建立標準庫時，首先對標準板圖像進行一次配準，記錄數(shù)據(jù)到數(shù)據(jù)庫；在檢測待測板時，再對待測圖像進行一次配準。然后采用仿射變換來調(diào)整圖像的幾何位置，利用雙線性二插值來調(diào)整圖像的灰度值，以達到配準的目的。下面是文中利用Gerber文件對圖像配準的步驟。

1）導入Gerber的焊盤層圖像，手動框選定位點區(qū)域，計算出3對標準點的坐標。解析的Gerber圖像都是二值的圖像，框選出來的定位點區(qū)域圖像，只有定位點區(qū)域是黑色或白色，可以直接根據(jù)圓形追跡算法，求得圓心的坐標位置。

2）采集要配準的PCB圖像，按順序框選出 PCB板上3對定位點區(qū)域，計算出3對定位點的坐標。

3）根據(jù)兩組坐標值，求得變換矩陣的系數(shù)，如下從左至右依次是標準點坐標矩陣、待配點坐標矩陣、變換矩陣。

4）根據(jù)求出的系數(shù)，帶入方程，計算仿射變換后的圖像坐標。

5）修正圖像尺寸。將變換矩陣帶入計算后，得到的圖像仍然是不正確的，原因在于，計算出來的坐標可能會出現(xiàn)負數(shù)，或者原本在一條水平或垂直線上的兩頂點，變換后在一條斜邊上了，當出現(xiàn)這樣的情況時，就需要補齊邊界，或者裁減邊界，如圖1所示。

圖1　頂點變換修正Fig.1　Vertex transformed and corrected

將4個頂點坐標與變換矩陣相乘，有如下計算過程：

由于數(shù)字圖像是具有寬、高屬性的，以左上角為圖像的原點，水平向右為x軸，垂直向下為y軸，由上式可知：變換后的圖像，左上角的頂點x根據(jù)T1x、T4x最小值求得，記為m1，y根據(jù)T1y、T2y最小值求得，記為m2；右下角的頂點x根據(jù)T2x、T3x最大值求得，記為m3，y根據(jù)T3y、T4y最大值求得，記為m4；然后將（m1，m2）映射為（0，0）點坐標，變換后的圖像尺寸寬為（m3-m1），高為（m4-m2），如此得到一幅變換圖像，并且得到的變換圖像尺寸總是大于等于標準圖像的尺寸。

變換圖像并不是我們最終需要的配準圖像，因為它的尺寸與標準的圖像尺寸不一，因此需要作修正。

上述式子是用變換后圖像的4個頂點坐標減去標準圖像的4個頂點坐標，得出變換圖像的修正方法為：

1）若Δx1<0或Δx4<0，則取其中最小值，記為Δm1，然后向下取整數(shù)，需要豎著裁掉左邊個像素的圖像；

2）若Δy1<0或Δy2<0，則取其中最小值，記為Δm2，然后向下取整，此時需要橫著裁掉上面?zhèn)€像素的圖像；

3）若Δx1＞0和Δx4＞0，則取其中最小值，記為Δm3，然后向下取整，此時需要在圖像左邊補上個像素的黑色圖像；

4）若Δy1＞0和Δy2＞0，則取其中最小值，記為Δm4，然后向下取整，此時需要在圖像上邊補上個像素的黑色圖像。

值得注意的是，以上步驟中，1、3是沖突的，2、4也是沖突，所以只有兩種情況會出現(xiàn)，操作完畢后，就確定了圖像左上角的頂點，對于右邊的圖像，只需要按照標準圖像的寬、高來裁剪即可，最終得到我們需要的配準圖像。

3　實驗結(jié)果

圖2是實例選取的一個圖像變換的坐標，經(jīng)過仿射變換后，可以確定，此時以（-241.3，-116.968 6）點來映射變換圖像的（0，0）點，然后重新構(gòu)建圖像，根據(jù)結(jié)果，則需要裁掉左邊242個像素、上邊117個像素的圖像，并且保持圖像的寬、高尺寸為4 565和7 134。變換過程的圖像如圖3所示，由于圖像尺寸比較大，圖中圖像被縮小了，看到的效果并不是非常明顯。

4　結(jié)　論

一般的配準過程，是選擇一塊較好的PCB板作為標準板，其余待測PCB板根據(jù)標準板進行配準。由于圖像采集過程中，存在光照強度不一、放置位置不同等因素，造成標準板圖像與待測板圖像存在較大差異，所提取的定位點信息本身存在誤差，導致配準精度不高。Gerber圖像是根據(jù)Gerber文件信息繪制而成，定位點信息精度高，本文將Gerber圖像分別與標準板圖像和待測板圖像進行配準，相當于兩次配準，配準精度得到極大提高，該方法已在實際系統(tǒng)中得到應用。

圖2　圖像匹配頂點坐標變換實例Fig.2　The vertex coordinate transformation of image matching

圖3　PCB圖像配準實例Fig.3　PCB image matching instance

［1］CHEN Chun-Jen，LAI Shang-Hong，LEE Win-How，et al. Hau-sdorff distance based PCB inspection system with defect cl-assification［C］.Two-and Three-Dimensional Methods for In-spection and Metrology III，SPIE，2005：1-12.

［2］Syamsiah Mashohor，Jonathan R.Evans，Ahmet T.Erdogan. Automatic hybrid genetic algorithm based printed circuit board inspection［C］//Proceedings of the First NASA/ESA Conference on Adaptive Hardware and Systems，IEEE，2006：390-400.

［3］Hae-Won Oh，Jin-He Jung，Tae-Hyung Park.Gerbercharacter recognition system of auto-teaching program for PCB assembly machines［C］//SICE Annual Conference 2004：300-305.

［4］Gilles Aubert，Pierre Kornprobst.Mathematical problems in image processing［J］.New York：Springer Science，2006：150-167.

［5］陳顯毅.圖像配準技術(shù)及其MATLAB編程實現(xiàn)［M］.北京：電子工業(yè)出版社，2009.

［6］張靜，葉玉堂，謝煜，等.印刷電路板表觀檢測中光電圖像的快速配準方法［J］.光電工程，2013，40（6）：51-57.

［7］張波，李銳華，彭年才，等.基于小波變換的PCB缺陷視覺檢測技術(shù)研究［J］.系統(tǒng)仿真學報，2004，16（8）：1864-1866.

［8］申麗然，尹清波.圖像仿射不變方法研究［M］.哈爾濱：哈爾濱工程大學出版社，2009.

The research on image matching of PCB defect detection

ZHOU Lian-ling1，ZHANG Jing2
（1.School of Electronic Technology，Armed Police Academy，Chengdu 610213，China；2.School of Optoelectronic Information，University of Electronic Science and Technology of China，Chengdu 610054，China）

The accuracy of image matching would affect the detection accuracy of the PCB defect detection system.The standard PCB image and the test PCB image were different.The accuracy of traditional method using the standard PCB image to match the test PCB image was low.In this paper，the standard PCB image and the test PCB image were both matched with the Gerber.Then we corrected the coordinate value of the matched image.After the experiments for the matching of large-size PCB images，the experimental results showed that the offset of image matching could be controlled in the range of 1-2 pixels，so the accuracy for the matching was improved.

PCB；image matching；gerber；twice match

TN247

A

1674－6236（2016）03-0166-03

2015-02-28稿件編號：201502156

周戀玲（1986—），女，四川成都人，碩士研究生，助理實驗師。研究方向：光電圖像檢測、圖像信息處理。