基于颜色和梯度的元件定位方法和系统技术方案

本发明专利技术涉及一种基于颜色和梯度的元件定位方法和系统，其是获取模板图像的HSV图像和梯度幅值图像以及待测图像的HSV图像和梯度幅值图像，将模板图像的HSV图像中各像素点的V通道数值分别替换为模板图像的梯度幅值图像中对应像素点的梯度幅值，得到目标模板图像，将待测图像的HSV图像中各像素点的V通道数值也分别替换为待测图像的梯度幅值图像中对应像素点的梯度幅值，得到目标待测图像，利用目标模板图像和目标待测图像进行模板匹配，就可以对待测图像中的待测元件进行定位。此方案中由于在模板匹配时考虑了图像的梯度信息，可以有效地降低不同光照的影响，从而有效地提高电子元件定位的稳定性。

【技术实现步骤摘要】

本专利技术涉及自动光学检测领域，特别是涉及基于颜色和梯度的元件定位方法和系统。
技术介绍
当前，对PCB电路板(印制电路板)进行检测，使用较多的是AOI(Automatic Optic Inspection，自动光学检测)系统，自动光学检测是工业制作过程的必要环节，利用光学方式取得成品的表面状态，以影像处理来检测异物或表面瑕疵。电子元件的错、漏、反检测是电路板缺陷检测领域中的一种常见应用，机器通过摄像头自动扫描电路板获取图像，提取每个电子元件的局部图像，并通过图像处理技术，判断电子元件是否存在错、漏、反缺陷，最后将疑似缺陷的元件显示或标记出来，方便查看与检修。对电子元件的检测的首先要解决的问题是电子元件的精确定位，只有取得了电子元件的精确定位的结果后，才能进行元件错件、漏件、反件等缺陷问题的检测。在传统的AOI系统中，电子元件的精确定位主要是通过彩色图像的模板匹配得到的，也即是通过工人制版时得到的电子元件的模板图像片在待搜索的区域进行搜索，以得到电子元件的定位信息。但是这种基于彩色图像模板匹配的方法考虑的信息太过单调，只依赖于彩色图像的三个通道的颜色信息，比较容易受到光照、周围类似颜色区域的影响，定位的结果不够稳定。
技术实现思路
基于此，有必要针对现有元件定位方法得到定位结果的稳定性不够的问题，提供一种基于颜色和梯度的元件定位方法和系统。一种基于颜色和梯度的元件定位方法，包括以下步骤：获取待测元件的模板图像和对待测元件进行实际拍摄的待测图像；获取模板图像的HSV图像和梯度幅值图像，获取待测图像的HSV图像和梯度幅值图像；将模板图像的HSV图像中各像素点的V通道数值分别替换为模板图像的梯度幅值图像中对应像素点的梯度幅值，获得目标模板图像；将待测图像的HSV图像中各像素点的V通道数值分别替换为待测图像的梯度幅值图像中对应像素点的梯度幅值，获得目标待测图像；通过目标模板图像对目标待测图像进行模板匹配，确定待测元件在待测图像中所在的位置。一种基于颜色和梯度的元件定位系统，包括以下单元：第一获取单元，用于获取待测元件的模板图像和对待测元件进行实际拍摄的待测图像；第二获取单元，用于获取模板图像的HSV图像和梯度幅值图像，获取待测图像的HSV图像和梯度幅值图像；合成单元，用于将模板图像的HSV图像中各像素点的V通道数值分别替换为模板图像的梯度幅值图像中对应像素点的梯度幅值，获得目标模板图像；合成单元还用于将待测图像的HSV图像中各像素点的V通道数值分别替换为待测图像的梯度幅值图像中对应像素点的梯度幅值，获得目标待测图像；匹配单元，用于通过目标模板图像对目标待测图像进行模板匹配，确定待测元件在待测图像中所在的位置。根据上述本专利技术的方案，其是先分别获取待测元件的模板图像和对待测元件进行实际拍摄的待测图像，再获取模板图像的HSV图像和梯度幅值图像以及待测图像的HSV图像和梯度幅值图像，将模板图像的HSV图像中各像素点的V通道数值分别替换为模板图像的梯度幅值图像中对应像素点的梯度幅值，得到目标模板图像，将待测图像的HSV图像中各像素点的V通道数值也分别替换为待测图像的梯度幅值图像中对应像素点的梯度幅值，得到目标待测图像，利用目标模板图像和目标待测图像进行模板匹配，就可以对待测图像中的待测元件进行定位。此方案中将图像转换到HSV颜色空间，再将HSV三个通道中的V通道数值替换为图像的梯度幅值，由于在模板匹配时考虑了图像的梯度信息，
可以有效地降低不同光照的影响，从而有效地提高电子元件定位的稳定性。附图说明图1是其中一个实施例中基于颜色和梯度的元件定位方法的流程示意图；图2是其中一个实施例中基于颜色和梯度的元件定位系统的结构示意图；图3是其中一个实施例中基于颜色和梯度的元件定位系统的结构示意图；图4是其中一个实施例中基于颜色和梯度的元件定位系统的结构示意图。具体实施方式为使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步的详细说明。应当理解，此处所描述的具体实施方式仅仅用以解释本专利技术，并不限定本专利技术的保护范围。参见图1所示，为本专利技术的基于颜色和梯度的元件定位方法的实施例。该实施例中的基于颜色和梯度的元件定位方法包括如下步骤：步骤S101：获取待测元件的模板图像和对待测元件进行实际拍摄的待测图像；待测元件可以为PCB板上的电子元器件，如电阻、电感、电容等；模板图像中只包括待测元件的图像信息；待测图像是包括待测元件的PCB板图像，是对包括待测元件的PCB板进行实际拍摄得到的；步骤S102：获取模板图像的HSV图像和梯度幅值图像，获取待测图像的HSV图像和梯度幅值图像；模板图像的HSV图像是模板图像在H(色调)、S(饱和度)、V(明度)三个通道的图像，模板图像的HSV图像中的各像素点是与模板图像的各像素点相对应的；模板图像的梯度幅值图像是根据模板图像中各像素点的梯度幅值组成的，模板图像的梯度幅值图像中的各像素点也是与模板图像的各像素点相对应的；待测图像的HSV图像是待测图像在H(色调)、S(饱和度)、V(明度)三个通道的图像，待测图像的HSV图像中的各像素点是与待测图像的各像素点相
对应的；待测图像的梯度幅值图像是根据待测图像中各像素点的梯度幅值组成的，待测图像的梯度幅值图像中的各像素点也是与待测图像的各像素点相对应的；步骤S103：将模板图像的HSV图像中各像素点的V通道数值分别替换为模板图像的梯度幅值图像中对应像素点的梯度幅值，获得目标模板图像；步骤S104：将待测图像的HSV图像中各像素点的V通道数值分别替换为待测图像的梯度幅值图像中对应像素点的梯度幅值，获得目标待测图像；步骤S105：通过目标模板图像对目标待测图像进行模板匹配，确定待测元件在待测图像中所在的位置。在本实施例中，其是将图像转换到HSV颜色空间，再将HSV三个通道中的V通道数值替换为图像的梯度幅值，由于在模板匹配时考虑了图像的梯度信息，可以有效地降低不同光照的影响，从而有效地提高电子元件定位的稳定性。在其中一个实施例中，获取模板图像的HSV图像的步骤包括以下步骤：将模板图像从RGB颜色空间转换到HSV颜色空间，获得模板图像的HSV图像；获取待测图像的HSV图像的步骤包括以下步骤：将待测图像从RGB颜色空间转换到HSV颜色空间，获得待测图像的HSV图像。在本实施例中，获取模板图像和待测图像两者的HSV图像，均是将原始图像从RGB颜色空间转换到HSV颜色空间获得的，一般图像的RGB颜色空间数据较易获得，而且方便转换到HSV颜色空间数据。优选的，从RGB颜色空间转换到HSV颜色空间的公式为： H = 0 , Δ = 0 60 本文档来自技高网...

【技术保护点】
一种基于颜色和梯度的元件定位方法，其特征在于，包括以下步骤：获取待测元件的模板图像和对所述待测元件进行实际拍摄的待测图像；获取所述模板图像的HSV图像和梯度幅值图像，获取所述待测图像的HSV图像和梯度幅值图像；将所述模板图像的HSV图像中各像素点的V通道数值分别替换为所述模板图像的梯度幅值图像中对应像素点的梯度幅值，获得目标模板图像；将所述待测图像的HSV图像中各像素点的V通道数值分别替换为所述待测图像的梯度幅值图像中对应像素点的梯度幅值，获得目标待测图像；通过所述目标模板图像对所述目标待测图像进行模板匹配，确定所述待测元件在所述待测图像中所在的位置。

【技术特征摘要】
1.一种基于颜色和梯度的元件定位方法，其特征在于，包括以下步骤：获取待测元件的模板图像和对所述待测元件进行实际拍摄的待测图像；获取所述模板图像的HSV图像和梯度幅值图像，获取所述待测图像的HSV图像和梯度幅值图像；将所述模板图像的HSV图像中各像素点的V通道数值分别替换为所述模板图像的梯度幅值图像中对应像素点的梯度幅值，获得目标模板图像；将所述待测图像的HSV图像中各像素点的V通道数值分别替换为所述待测图像的梯度幅值图像中对应像素点的梯度幅值，获得目标待测图像；通过所述目标模板图像对所述目标待测图像进行模板匹配，确定所述待测元件在所述待测图像中所在的位置。2.根据权利要求1所述的基于颜色和梯度的元件定位方法，其特征在于：获取所述模板图像的梯度幅值图像的步骤包括以下步骤：根据所述模板图像获取所述模板图像的灰度图像，对所述模板图像的灰度图像进行卷积运算，获得在横向方向上的第一边缘图像和在纵向方向上的第二边缘图像，根据所述第一边缘图像和所述第二边缘图像获取所述模板图像的梯度幅值图像；获取所述待测图像的梯度幅值图像的步骤包括以下步骤：根据所述待测图像获取所述待测图像的灰度图像，对所述待测图像的灰度图像进行卷积运算，获得在横向方向上的第三边缘图像和在纵向方向上的第四边缘图像，根据所述第三边缘图像和所述第四边缘图像获取所述待测图像的梯度幅值图像。3.根据权利要求2所述的基于颜色和梯度的元件定位方法，其特征在于：所述对所述模板图像的灰度图像进行卷积运算的步骤包括以下步骤：通过索贝尔算子、鲁宾孙算子或拉普拉斯算子中的任意一种算子对所述模板图像的灰度图像进行卷积运算；所述对所述待测图像的灰度图像进行卷积运算的步骤包括以下步骤：通过索贝尔算子、鲁宾孙算子或拉普拉斯算子中的任意一种算子对所述待测图像的灰度图像进行卷积运算。4.根据权利要求2所述的基于颜色和梯度的元件定位方法，其特征在于：所述根据所述第一边缘图像和所述第二边缘图像获取所述模板图像的梯度幅值图像的步骤包括以下步骤：根据所述第一边缘图像中各像素点的梯度幅值和所述第二边缘图像中对应像素点的梯度幅值计算所述模板图像中对应像素点的梯度幅值，获得所述模板图像的梯度幅值图像；所述根据所述第三边缘图像和所述第四边缘图像获取所述待测图像的梯度幅值图像的步骤包括以下步骤：根据所述第三边缘图像中各像素点的梯度幅值和所述第四边缘图像中对应像素点的梯度幅值计算所述待测图像中对应像素点的梯度幅值，获得所述待测图像的梯度幅值图像。5.根据权利要求1至4中任意一项所述的基于颜色和梯度的元件定位方法，其特征在于，所述通过所述目标模板图像对所述目标待测图像进行模板匹配，确定所述待测元件在所述待测图像中所在的位置的步骤包括以下步骤：选取所述目标待测图像中任意一个像素点，并根据所选取的像素点在所述目标待测图像中获取与所述目标模板图像相同大小的图像作为所述目标待测图像的子图像，其中，所述子图像的横向边缘与所述目标待测图像的横向边缘平行，所述子图像的纵向边缘与所述目标待测图像的纵向边缘平行，所选取的像素点为所述子图像的一个顶点；计算各所述子图像与所述目标模板图像的匹配度，选取代表匹配程度最高的匹配度对应的子图像，确定所述代表匹配程度...

【专利技术属性】
技术研发人员：林建民，
申请(专利权)人：广州视源电子科技股份有限公司，
类型：发明
国别省市：广东;44