本發(fā)明屬于自動(dòng)化檢測領(lǐng)域，涉及工業(yè)視覺技術(shù)領(lǐng)域，具體涉及一種快速穩(wěn)定的亞像素級精度器件厚度檢測方法。

背景技術(shù)：

隨著我國制造業(yè)的飛速發(fā)展，對質(zhì)量的重視日益重要。在各種產(chǎn)品的生產(chǎn)過程中，對各種元器件利用自動(dòng)化設(shè)備進(jìn)行質(zhì)量檢測，就可以降低廢品率，降低對材料的損耗，這已經(jīng)成為提高企業(yè)利潤和品牌影響力的強(qiáng)有力的手段。工業(yè)視覺技術(shù)是自動(dòng)化檢測領(lǐng)域最常用的技術(shù)。

對元器件的厚度和尺寸進(jìn)行測量，是工業(yè)視覺檢測的最常見的應(yīng)用。在得到元器件的尺寸參數(shù)之后，就可以判斷器件是否合格，從而提前加以剔除，防止對后續(xù)制造環(huán)節(jié)造成影響。通過測量元器件的各種尺寸參數(shù)，然后與標(biāo)準(zhǔn)尺寸進(jìn)行對比，就可以知道哪些元器件是不合格的，以及不合格的比例和詳細(xì)情形。

器件的厚度檢測，是自動(dòng)化檢測中的最常見的步驟。目前的厚度檢測，都是通過在圖像中，對器件的亞像素邊界進(jìn)行定位而實(shí)現(xiàn)的。但是，當(dāng)前常見的亞像素邊界定位算法，復(fù)雜度過高，存在較高程度的冗余計(jì)算，導(dǎo)致自動(dòng)檢測設(shè)備的效率降低，從而降低了產(chǎn)能，影響了企業(yè)的利潤。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明目的是提供一種快速穩(wěn)定的亞像素級精度器件厚度檢測方法，針對亞像素邊界定位算法進(jìn)行改進(jìn)，從初定位、參數(shù)大致估計(jì)、快速搜索最佳參數(shù)三個(gè)方面，在保證了定位精度滿足要求的基礎(chǔ)上，進(jìn)一步實(shí)現(xiàn)了算法速度的提升，從而提高亞像素邊界定位算法的應(yīng)用潛力。

為了實(shí)現(xiàn)以上目的，本發(fā)明采用的技術(shù)方案為：一種快速穩(wěn)定的亞像素級精度器件厚度檢測方法，包括以下步驟：

1)邊界初步定位：將圖像分成目標(biāo)和空氣兩個(gè)區(qū)域，然后得到這兩個(gè)區(qū)域的分界線，作為初步的邊界定位結(jié)果；

2)亞像素精準(zhǔn)定位：采用反正切曲線擬合的方法，采用粒子群優(yōu)化算法進(jìn)行求解，針對每一列的定位結(jié)果，再采用貝塞爾曲線進(jìn)行擬合；

3)異常情況處理。

進(jìn)一步的，邊界初步定位的初定位位置與最終的亞像素景區(qū)坐標(biāo)的偏差在1個(gè)像素的距離之內(nèi)。

再進(jìn)一步的，所述的邊界初步定位包括以下步驟：

a)由粗到精的邊界初步定位

按照如下流程來得到分界面的初步定位坐標(biāo)點(diǎn)：

1a)圖像縮?。簩D像先進(jìn)行縮小，縮小到原有尺寸的四分之一；

2a)提取目標(biāo)區(qū)域參考亮度值、空氣區(qū)域參考亮度值：預(yù)先計(jì)算圖像中，目標(biāo)區(qū)域和空氣區(qū)域的亮度參考值，采用聚類方法，對所有像素，根據(jù)亮度值，分成兩個(gè)大類，然后計(jì)算每一類的亮度平均值，分別作為目標(biāo)亮度和空氣區(qū)域亮度的參考值；

3a)二值化操作：在得到目標(biāo)區(qū)域和空氣區(qū)域的參考亮度值之后，利用二者的均值，作為整幅圖像的二值化閾值，對所有像素進(jìn)行二值化操作；

4a)提取最大連通區(qū)域：提取二值化操作結(jié)果中的最大連通區(qū)域；

5a)基于對稱性的初步邊界定位；利用邊界附近的像素亮度變化規(guī)律曲線的對稱性來得到初步判定；

6a)初定位時(shí)的異常處理；

b)承重界面的定位

1b)設(shè)定傾斜角度的范圍，對該角度進(jìn)行遍歷，根據(jù)設(shè)定的角度值，對二值圖像進(jìn)行水平投影，得到投影曲線；

2b)對各種角度下的投影曲線，進(jìn)行分析，統(tǒng)計(jì)投影值從0增長到圖像寬度值n，所需要經(jīng)歷的行數(shù)，選擇行數(shù)最少的情形對應(yīng)的角度值作為承重界面的傾斜角；

3b)找到傾斜角對應(yīng)的投影曲線，對其進(jìn)行差分計(jì)算，計(jì)算上下兩行投影值的差，選擇差分值最大的一行，作為承重界面的位置；

4b)然后在差分曲線中，濾除承重界面對應(yīng)的值，再搜索其中最大的差分值，作為器件頂部邊界的初定位位置；

c)器件左右邊界的定位：

1c)利用前面步驟得到的器件頂部邊界位置，以及承重界面的位置，得到二者的分界線；

2c)將所有邊界點(diǎn)中的坐標(biāo)值位于分界線上方的點(diǎn)提取出來；

3c)根據(jù)被提取出來的點(diǎn)，找到最左側(cè)和最右側(cè)的；

4c)在左側(cè)點(diǎn)周邊20個(gè)像素范圍內(nèi)，對二值圖進(jìn)行垂直投影；

5c)對投影曲線進(jìn)行差分，找到差分值最大的位置，作為器件的左邊界；

6c)在右側(cè)點(diǎn)周邊20個(gè)像素范圍內(nèi)，對二值圖進(jìn)行垂直投影，對投影曲線進(jìn)行差分，找到差分值最大的位置，得到器件的右邊界；

d)器件頂部坐標(biāo)圓角的定位

1d)利用前面步驟得到的承重面坐標(biāo)、器件頂部坐標(biāo)、器件左右邊界位置，將器件對應(yīng)的子輪廓提取出來；

2d)針對器件子輪廓，計(jì)算其對應(yīng)的凸包；

3d)利用該凸包，生成新的二值圖像，凸包區(qū)域填充為白色；

4d)凸包區(qū)域圖像與原來的器件圖像做差；

5d)差值圖中，定位到面積最大的四個(gè)連通區(qū)域；

6d)計(jì)算得到四個(gè)連通區(qū)域的位置，得到器件圓角位置。

進(jìn)一步的，所述的亞像素精準(zhǔn)定位通過對反正切曲線與邊界位置附近的列像素曲線進(jìn)行擬合，反正切曲線的數(shù)學(xué)表達(dá)式為：y＝p1*atan(p2*x+p3)+p4,得到當(dāng)前列的亮度曲線的精確數(shù)學(xué)模型，然后，利用下式得到：x0＝-p3/p2,計(jì)算得到每一列的亞像素坐標(biāo)。

再進(jìn)一步的，所述的亞像素精準(zhǔn)定位包括以下步驟：

a)p1和p4兩個(gè)參數(shù)的直接估值：提前利用亮度曲線的形狀，將p1和p4兩個(gè)參數(shù)算出來，再計(jì)算出來的這兩個(gè)參數(shù)值作為p1和p4的初始值：

按照如下流程：

1a)從初始邊界位置的上方開始，逐漸將當(dāng)前列的像素加入到集合中，如果集合中的像素亮度標(biāo)準(zhǔn)差小于5，則繼續(xù)增加新的像素,如果大于5，則停止增加新的像素，計(jì)算此時(shí)集合中的像素亮度的平均值，作為該上側(cè)的平均亮度；

2a)從初始邊界位置的下方開始，逐漸將當(dāng)前列的像素加入到集合中，如果集合中的像素亮度標(biāo)準(zhǔn)差小于5，則繼續(xù)增加新的像素,如果大于5，則停止增加新的像素，計(jì)算此時(shí)集合中的像素亮度的平均值，得到該下側(cè)的平均亮度，該上側(cè)的平均亮度與該下側(cè)的平均亮度的差值為p1；

3a)p4的計(jì)算：將亮度曲線上所有的像素亮度值計(jì)算平均值，得到邊界曲線中心點(diǎn)位置的縱坐標(biāo)；

b)基于粒子群算法的反正切曲線求解：

按照如下流程：

1b)設(shè)定一組粒子，總共20個(gè)，每個(gè)粒子包含4個(gè)參數(shù)，隨機(jī)設(shè)定初始值，代表反正切曲線的一個(gè)解；

2b)計(jì)算當(dāng)前20個(gè)粒子所對應(yīng)的曲線，與實(shí)際的亮度曲線的誤差，將誤差取反，作為適應(yīng)度；

3b)找到當(dāng)前最合適的曲線參數(shù)，然后調(diào)整各個(gè)粒子的方向和位置，繼續(xù)計(jì)算；

4b)重復(fù)2b)、3b)兩個(gè)步驟，直到最好的粒子的誤差小于閾值10為止；

5b)根據(jù)式x0＝-p3/p2計(jì)算得到精確的亞像素邊界位置；

c)前一列結(jié)果的應(yīng)用，得到p2和p3的初始值：

在完成指定一列曲線擬合之后，將該列的參數(shù)中的p2和p3的值，作為下一列的亮度曲線的參數(shù)，p1和p4依然通過計(jì)算進(jìn)行估計(jì)；

d)噪聲干擾的解決：

通過判斷擬合過程中的誤差，來決定當(dāng)前列的擬合結(jié)果是否正確，對于誤差較大的情形，該列不進(jìn)行邊界的精準(zhǔn)定位，是后期通過邊界平滑得到修補(bǔ)；

e)邊界平滑：

采用貝塞爾曲線擬合方法，完成邊界點(diǎn)坐標(biāo)的擬合。

進(jìn)一步的，所述的異常情況處理包括

a)沒有器件預(yù)警：通過分析玻璃分界面上的垂直坐標(biāo)進(jìn)行檢測，將分界面的坐標(biāo)，擬合成一條直線，然后計(jì)算每一個(gè)點(diǎn)到直線的距離，如果所有點(diǎn)到直線的距離，都小于3個(gè)像素，則沒有器件，對于圖像中沒有器件存在的情形，需要進(jìn)行預(yù)警；

b)多個(gè)器件預(yù)警：包括：

1b)多塊器件彼此分開：如果上升次數(shù)和下降次數(shù)都超過1次，預(yù)警；

2b)多塊器件發(fā)生交疊：在利用器件坐標(biāo)上升和下降的規(guī)律，得到器件的左右邊界之后，考察左右邊界之間的器件的厚度分布，在左右邊界之間，如果某一個(gè)位置的厚度值，等于或者超過兩倍厚度的高度，則說明發(fā)生了多個(gè)器件的交疊，進(jìn)行預(yù)警；

c)縫隙預(yù)警：

1c)器件區(qū)域的輪廓提取：在器件邊界的初步定位過程中，已經(jīng)得到了器件的左右邊界的位置，根據(jù)這個(gè)位置，將器件對應(yīng)的二值化子圖像截取出來，然后提取輪廓，后續(xù)步驟將在輪廓的基礎(chǔ)上，進(jìn)行縫隙的檢測；

2c)器件頂部和左右兩側(cè)輪廓的濾除：利用初定位過程中得到的承重界面坐標(biāo)，以及器件左右邊界坐標(biāo)，得到器件的左下角和右下角坐標(biāo)，然后根據(jù)這兩個(gè)坐標(biāo)值，將器件的頂部輪廓、左側(cè)輪廓、右側(cè)輪廓都過濾掉，只留下縫隙區(qū)域的輪廓點(diǎn)；

3c)縫隙區(qū)域尺寸測量：經(jīng)過前面1c)、2c)兩個(gè)步驟的處理，此時(shí)留存下來的直線段，是器件與玻璃平面之間的縫隙所對應(yīng)的輪廓，分析此時(shí)的輪廓點(diǎn)，計(jì)算該區(qū)域的邊界，如果該區(qū)域的高度小于5個(gè)像素，而寬度大于20個(gè)像素，則是縫隙，需要預(yù)警；

d)灰塵干擾的過濾：

1d)對亞像素邊界坐標(biāo)，進(jìn)行局部直線擬合：采用邊增長，邊搜索的方式，試探性的將邊界點(diǎn)分成多個(gè)字跡合；

2d)將距離大于閾值的坐標(biāo)點(diǎn)，挑選出來；在每一個(gè)子集中，將輪廓點(diǎn)到直線距離大于閾值的坐標(biāo)點(diǎn)挑選出來；

3d)針對被挑選出來的坐標(biāo)點(diǎn)，進(jìn)行分段；分析子集中被挑選出來的坐標(biāo)點(diǎn)，根據(jù)是否連接，分成多個(gè)子段；

4d)考察每一個(gè)子段的寬度，寬度小于閾值的，都算作是灰塵；

5d)重新計(jì)算坐標(biāo)點(diǎn)：濾除灰塵對應(yīng)的子段，將該子段上的坐標(biāo)點(diǎn)，全部用對應(yīng)的擬合的直線上的坐標(biāo)點(diǎn)來替代；

e)拖尾現(xiàn)象的預(yù)警

1e)器件頂部邊界垂直坐標(biāo)一致性的判斷：在器件的左右兩端，各自選擇一個(gè)長度為20的區(qū)域，然后在器件的中心位置，選擇一個(gè)長度是50的區(qū)域，分別計(jì)算這三個(gè)區(qū)域的器件的頂部輪廓點(diǎn)垂直坐標(biāo)的平均值，如果左右兩端之中有一個(gè)區(qū)域，其平均坐標(biāo)與中心區(qū)域平均坐標(biāo)相比，差值大于5，則存在拖尾現(xiàn)象，預(yù)警；

2e)器件中心區(qū)域，與首尾兩端區(qū)域的亮度一致性分析：與1e)一樣，在器件的左右兩端，各自選擇一個(gè)長度為20的區(qū)域，然后在器件的中心位置，選擇一個(gè)長度是50的區(qū)域，分別計(jì)算這三個(gè)區(qū)域的平均亮度，如果左右兩端之中有一個(gè)區(qū)域，其亮度與中心區(qū)域平均亮度，差值大于20，則存在拖尾現(xiàn)象，預(yù)警。

本發(fā)明的技術(shù)效果在于：

1、速度快，本發(fā)明所提出的亞像素邊界定位方法，在算法的各個(gè)環(huán)節(jié)，都進(jìn)行了最大限度的優(yōu)化，將計(jì)算量降低了到了最低限度，能夠最大限度提高系統(tǒng)的整體運(yùn)行速度；

2、精度高，與器件的實(shí)際厚度(使用游標(biāo)卡尺多次測量)，偏差在3微米以內(nèi)；

3、能適應(yīng)各種干擾情況，針對系統(tǒng)真實(shí)使用過程中，可能遇到的各種異常情況進(jìn)行了處理，保證這些異常情況不會(huì)干擾正常檢測，在必要的情形下，還可以對異常情況進(jìn)行預(yù)警。

附圖說明

圖1為本發(fā)明器件厚度檢測系統(tǒng)總流程圖；

圖2為本發(fā)明器件邊界初步定位流程圖；

圖3為本發(fā)明器件承重界面定位流程圖；

圖4為本發(fā)明器件左右邊界的定位流程圖；

圖5為本發(fā)明器件圓角位置計(jì)算流程圖；

圖6為本發(fā)明亞像素邊界定位流程圖；

圖7為本發(fā)明參數(shù)p1和p4的估計(jì)流程圖；

圖8為本發(fā)明基于pso算法的反正切曲線求解流程圖；

圖9為本發(fā)明器件厚度檢測過程中的異常情況處理流程圖；

圖10為本發(fā)明多個(gè)器件存在時(shí)的檢測流程圖；

圖11為本發(fā)明器件縫隙預(yù)警流程圖；

圖12為本發(fā)明灰塵過濾流程圖；

圖13為本發(fā)明拖尾現(xiàn)象預(yù)警流程圖。

具體實(shí)施方式

參照附圖，本發(fā)明處理的異常情況包括：視野中沒有器件，視野中有多個(gè)器件，器件發(fā)生交疊，器件與玻璃盤面之間存在縫隙，器件上的灰塵干擾，器件角度擺放不準(zhǔn)造成的甩尾現(xiàn)象。針對亞像素邊界定位算法進(jìn)行改進(jìn)，從初定位、參數(shù)大致估計(jì)、快速搜索最佳參數(shù)三個(gè)方面，在保證了定位精度滿足要求的基礎(chǔ)上，進(jìn)一步實(shí)現(xiàn)了算法速度的提升，從而提高亞像素邊界定位算法的應(yīng)用潛力。

1、邊界的初步定位

將圖像分成目標(biāo)和空氣兩個(gè)區(qū)域，然后得到這兩個(gè)區(qū)域的分界線，作為初步的邊界定位結(jié)果。這樣后續(xù)的亞像素級別的精確定位，在此基礎(chǔ)上展開，從而節(jié)約了大量的搜索時(shí)間。此外，初步定位階段，還將根據(jù)邊界點(diǎn)的坐標(biāo)，得到器件所在的水平位置。

2、亞像素精準(zhǔn)定位

本發(fā)明采用反正切曲線擬合的方法。來實(shí)現(xiàn)邊界點(diǎn)的亞像素級精度定位。為了提高曲線擬合的速度，采用粒子群優(yōu)化算法進(jìn)行求解。最終，針對每一列的定位結(jié)果，再采用貝塞爾曲線進(jìn)行擬合，使最終的邊緣變的平滑。

3、異常情況處理

這個(gè)步驟，需要解決一些異常情況：視野中沒有器件，視野中有多個(gè)器件，器件發(fā)生交疊，器件與玻璃盤面之間存在縫隙，器件上的灰塵干擾，器件角度擺放不準(zhǔn)造成的甩尾現(xiàn)象。

具體是，1.快速定位器件在圖像中的位置：由于每個(gè)坐標(biāo)點(diǎn)位置，進(jìn)行亞像素坐標(biāo)的精確求解，所需要的計(jì)算量是很大的，因此必須在亞像素坐標(biāo)求解之前，就得到邊界的初定位位置。初定位位置與最終的亞像素景區(qū)坐標(biāo)的偏差在1個(gè)像素的距離之內(nèi)。這樣可以在后續(xù)的反正切曲線擬合時(shí)，降低搜索的次數(shù)，盡快完成求解。

a)由粗到精的邊界初步定位

按照如下流程來得到分界面的初步定位坐標(biāo)點(diǎn)：

1a)圖像縮小

為了提高粗定位的精度，將圖像先進(jìn)行縮小，縮小到原有尺寸的四分之一。這樣算法可以處理盡量少的像素，同時(shí)又不會(huì)影響最終的精度。

2a)提取目標(biāo)區(qū)域參考亮度值、空氣區(qū)域參考亮度值

在進(jìn)行二值化操作之前，需要預(yù)先計(jì)算圖像中，目標(biāo)區(qū)域和空氣區(qū)域的亮度參考值。采用聚類方法，對所有像素，根據(jù)亮度值，分成兩個(gè)大類。然后計(jì)算每一類的亮度平均值，分別作為目標(biāo)亮度和空氣區(qū)域亮度的參考值。

3a)二值化操作

在得到目標(biāo)區(qū)域和空氣區(qū)域的參考亮度值之后，利用二者的均值，作為整幅圖像的二值化閾值，對所有像素進(jìn)行二值化操作。

4a)提取最大連通區(qū)域

為了盡量降低噪聲的干擾，需要提取二值化操作結(jié)果中的最大連通區(qū)域。因?yàn)槠骷c承重面是粘連的，它們共同組成目標(biāo)區(qū)域，因此只需要找到最大面積的連通區(qū)域，就可以濾除各種噪聲的干擾。

5a)基于對稱性的初步邊界定位

二值化操作后，連通域的邊界，可能與真實(shí)的邊界位置有一定的偏差，這是因?yàn)槎祷撝?，并不一定等于真?shí)邊界位置的亮度值。為了得到足夠精準(zhǔn)的初始邊界位置，降低后續(xù)搜索的復(fù)雜度，本發(fā)明利用邊界附近的像素亮度變化規(guī)律曲線的對稱性來得到初步判定估計(jì)。

具體做法如下：以二值化邊界作為中心點(diǎn)，設(shè)置一個(gè)長度為21的列向搜索窗口；然后對這21個(gè)像素進(jìn)行逐一考察，每個(gè)像素上都采集長度為11的一列像素；然后，分析這11個(gè)像素的中心對稱性；選擇對稱性最好的位置，作為初定位邊界。

6a)初定位時(shí)的異常處理

實(shí)際拍攝的圖像中，會(huì)受到各種異常情況的干擾——器件與玻璃盤面之間因?yàn)槠骷A角而出現(xiàn)的縫隙，或者是邊界周邊因?yàn)槎祷霈F(xiàn)的噪聲。這些干擾情況都會(huì)使邊界的初步定位遇到挑戰(zhàn)。

采用如下辦法來實(shí)現(xiàn)干擾情況下的邊界定位：如果該列像素亮度變化正常(僅僅存在一處變化)，則是正常情形，沒有干擾；如果該列像素亮度跳變多次，則屬于干擾情況。

b)承重界面的定位

承重界面是用來放置被檢測器件的平臺(tái)，一般能夠轉(zhuǎn)動(dòng)，其表面可以認(rèn)為是完全平滑的。為了得到器件的精準(zhǔn)位置，需要從初定位邊界坐標(biāo)中提前得到承重界面的坐標(biāo)。為了提高穩(wěn)定性，降低噪聲的干擾，本發(fā)明采用投影的方法，來實(shí)現(xiàn)承重界面的定位。同時(shí)，為了防止稱重接線可能存在的傾斜，還需要在一定范圍內(nèi)對圖像進(jìn)行旋轉(zhuǎn)，然后才能投影。

具體是：

1b)設(shè)定傾斜角度可能的范圍，對該角度進(jìn)行遍歷。根據(jù)設(shè)定的角度值，對二值圖像進(jìn)行水平投影，得到投影曲線；

2b)對各種角度下的投影曲線，進(jìn)行分析，統(tǒng)計(jì)投影值從0增長到圖像寬度值n，所需要經(jīng)歷的行數(shù)，選擇行數(shù)最少的情形對應(yīng)的角度值作為承重界面的傾斜角；

3b)找到傾斜角對應(yīng)的投影曲線，對其進(jìn)行差分計(jì)算，計(jì)算上下兩行投影值的差，選擇差分值最大的一行，作為承重界面的位置；

4b)然后在差分曲線中，濾除承重界面對應(yīng)的值，再搜索其中最大的差分值，作為器件頂部邊界的初定位位置。

c)器件左右邊界的定位

為了便于后續(xù)亞像素級別的精確定位，同樣需要確定器件的左右邊界。為了降低噪聲的干擾，利用垂直投影來確定邊界。具體步驟如下：

1c)利用前面步驟得到的器件頂部邊界位置，以及承重界面的位置，得到二者的分界線(二者垂直坐標(biāo)平均值)；

2c)將所有邊界點(diǎn)中的坐標(biāo)值位于分界線上方的點(diǎn)提取出來；

3c)根據(jù)被提取出來的點(diǎn)，找到最左側(cè)和最右側(cè)的；

4c)在左側(cè)點(diǎn)周邊20個(gè)像素范圍內(nèi)，對二值圖進(jìn)行垂直投影；

5c)對投影曲線進(jìn)行差分，找到差分值最大的位置，作為器件的左邊界；

6c)同樣的方法，得到器件的右邊界；

d)器件頂部坐標(biāo)圓角的定位

由于有些器件的四角是圓角的，其邊界點(diǎn)的坐標(biāo)值，比正常的頂部邊界點(diǎn)要低。如果不能對圓角位置進(jìn)行精確定位，則會(huì)對后續(xù)的精準(zhǔn)厚度測量造成影響。本發(fā)明采用如下方法定位圓角范圍：

1d)利用前面幾個(gè)步驟得到的承重面坐標(biāo)、器件頂部坐標(biāo)、器件左右邊界位置，將器件對應(yīng)的子輪廓提取出來；

2d)針對器件子輪廓，計(jì)算其對應(yīng)的凸包；

3d)利用該凸包，生成新的二值圖像，凸包區(qū)域填充為白色；

4d)凸包區(qū)域圖像與原來的器件圖像做差；

5d)差值圖中，定位到面積最大的四個(gè)連通區(qū)域；

6d)計(jì)算得到四個(gè)連通區(qū)域的位置，進(jìn)而推算得到器件圓角位置。

2.亞像素邊界定位

在高清的工業(yè)相機(jī)拍攝的圖像中，器件的邊界，在亮度上會(huì)形成一種緩慢下降的階梯形狀。這種形狀與反正切曲線的形狀非常相似。出現(xiàn)這種形狀的原因，是工業(yè)相機(jī)在捕獲圖像時(shí)，由于數(shù)據(jù)采樣的精度以及鏡頭的清晰度等問題，導(dǎo)致器件空氣的邊界不能截然分開，從而發(fā)生了一定程度的模糊現(xiàn)象。通常這種帶有一定過渡效應(yīng)的邊界，需要采用亞像素邊界定位技術(shù)，否則會(huì)影響器件尺寸的測量。

傳統(tǒng)的亞像素邊界定位技術(shù)，諸如灰度矩方法等，計(jì)算量都較大，影響了算法的實(shí)時(shí)性能。本發(fā)明通過對反正切曲線與邊界位置附近的列像素曲線進(jìn)行擬合，來實(shí)現(xiàn)邊界的亞像素定位。反正切曲線的數(shù)學(xué)表達(dá)式如下：

y＝p1*atan(p2*x+p3)+p4(1)

假定邊界位置附近的列方向圖像亮度曲線，也是符合反正切曲線的形狀的。因此只需用式(1)，求解出當(dāng)前列的亮度曲線的四個(gè)參數(shù)：p1,p2,p3,p4，即可得到當(dāng)前列的亮度曲線的精確數(shù)學(xué)模型。然后，精準(zhǔn)的亞像素邊界位置，就是反正切曲線的中心點(diǎn)位置，可以利用下式得到：

x0＝-p3/p2(2)

根據(jù)式(2)，很快就能計(jì)算得到每一列的亞像素坐標(biāo)。

為了提高求解的速度，本發(fā)明不再利用諸如lm之類的迭代求解方法，而直接采用粒子群優(yōu)化算法(pso)進(jìn)行快速搜索，從而實(shí)現(xiàn)了求解過程的大規(guī)模提速。

亞像素定位過程流程如下：

a)p1和p4兩個(gè)參數(shù)的直接估值

反正切曲線總共有四個(gè)參數(shù)，為了降低搜索次數(shù)，可以提前利用亮度曲線的形狀，將p1和p4兩個(gè)參數(shù)算出來，這樣后續(xù)可以將計(jì)算出來的這兩個(gè)參數(shù)值作為p1和p4的初始值。

p1的計(jì)算——p1描述的物理量其實(shí)就是反正切曲線在垂直方向上的覆蓋范圍。因此該值的估算，可以通過計(jì)算邊界兩側(cè)的亮度平均值，然后做差得到。但是，在計(jì)算兩側(cè)亮度平均值時(shí)，需要將亮度過渡區(qū)域?yàn)V除掉，以免造成干擾。具體做法如下：

1a)從初始邊界位置的上方開始，逐漸陸續(xù)將當(dāng)前列的像素加入到集合中。如果集合中的像素亮度標(biāo)準(zhǔn)差小于5，則可以繼續(xù)增加新的像素。如果大于5，則停止增加新的像素。計(jì)算此時(shí)集合中的像素亮度的平均值，作為該上側(cè)的平均亮度。

2a)同樣，從初始邊界位置的下方開始，也進(jìn)行同樣的操作，得到下側(cè)的平均亮度。兩個(gè)亮度值的差值，就是p1。

3a)p4的計(jì)算——p4其實(shí)就是邊界曲線中心點(diǎn)位置的縱坐標(biāo)。該值的計(jì)算比較簡單，只需要將亮度曲線上所有的像素亮度值計(jì)算平均值即可。

b)基于粒子群算法(pso)的反正切曲線求解

式(1)中的反正切曲線模型包含4個(gè)參數(shù)，無法使用解方程的方式得到精確地解，因此常規(guī)的方法是利用諸如梯度下降法等迭代方法，逐步逼近較好的結(jié)果。這些方法往往搜索次數(shù)較多，而且容易陷入局部最優(yōu)。為了同時(shí)解決速度和局部最優(yōu)的問題，本發(fā)明采用最優(yōu)化搜索策略(pso算法)，來進(jìn)行反正切曲線模型的求解。

粒子群算法(pso)是一種經(jīng)典的演化計(jì)算方法。該算法模擬了鳥類尋找食物的規(guī)律。一群鳥在某個(gè)區(qū)域搜索食物，它們具有各自的位置和速度。如果某一只鳥找到了食物，周邊的其它鳥則會(huì)參考它的方向，對自己的飛行方向進(jìn)行調(diào)整。同時(shí)，每一只鳥也具有一定的記憶，它們會(huì)記住到目前為止，曾經(jīng)食物最多的地方，其飛行的方向，也在一定程度上參考該位置。這樣，經(jīng)過少數(shù)幾次迭代之后，鳥群的整體適應(yīng)度，就可以達(dá)到一個(gè)較高的值，從而得到一個(gè)較好的解。

利用pso算法求解反正切曲線的參數(shù)的具體辦法如下：

1b)設(shè)定一組粒子，總共20個(gè)，每個(gè)粒子包含4個(gè)參數(shù)，隨機(jī)設(shè)定初始值，代表反正切曲線的一個(gè)解；

2b)計(jì)算當(dāng)前20個(gè)粒子所對應(yīng)的曲線，與實(shí)際的亮度曲線的誤差，將誤差取反，作為適應(yīng)度；

3b)找到當(dāng)前最合適的曲線參數(shù)，然后調(diào)整各個(gè)粒子的方向和位置，繼續(xù)計(jì)算；

4b)重復(fù)上述兩個(gè)步驟，直到最好的粒子的誤差小于閾值10為止；

5b)此時(shí)最好的粒子的4個(gè)參數(shù)，就是最終需要的反正切曲線的參數(shù)，根據(jù)式(2)計(jì)算得到精確的亞像素邊界位置。

c)前一列結(jié)果的應(yīng)用，得到p2和p3的初始值

在完成指定某一列的曲線擬合之后，可以將該列的參數(shù)中的p2和p3的值，作為下一列的亮度曲線的參數(shù)。而p1和p4依然通過計(jì)算進(jìn)行估計(jì)。這樣可以使得當(dāng)前列在進(jìn)行結(jié)果搜索時(shí)，一開始的初始值就是比較接近真實(shí)位置的，這樣可以進(jìn)一步降低搜索量。

d)噪聲干擾問題的解決

噪聲的存在，會(huì)引起亮度曲線與常規(guī)的反正切曲線的形狀，相差極大。此時(shí)直接套用反正切曲線模型進(jìn)行求解，最終的結(jié)果與沒有噪聲干擾的情形，相差也很大。本發(fā)明通過判斷擬合過程中的誤差，來決定當(dāng)前列的擬合結(jié)果是否正確。對于誤差較大的情形，該列不進(jìn)行邊界的精準(zhǔn)定位，而是后期通過邊界平滑得到修補(bǔ)。

e)邊界平滑

對初步得到的邊界亞像素坐標(biāo)值，相鄰列之間的坐標(biāo)進(jìn)行平滑操作，以降低噪聲干擾，或者是圖像采樣過程中的隨機(jī)偏差，引起的邊界抖動(dòng)現(xiàn)象。如果不對邊界坐標(biāo)進(jìn)行平滑，則可能會(huì)對后續(xù)的灰塵濾除過程造成影響，導(dǎo)致很多真實(shí)的灰塵檢測不出來，從而影響測量結(jié)果。

本發(fā)明采用貝塞爾曲線擬合方法，來完成邊界點(diǎn)坐標(biāo)的擬合。

3.異常情況處理

a)沒有器件預(yù)警

檢測視野中是否存在器件的策略比較簡單，但是要注意節(jié)約時(shí)間，提高算法效率。本發(fā)明采用如下方法，快速驗(yàn)證視野中是否存在器件：

不存在器件時(shí)，圖像中玻璃分界面是一條直線。通過分析玻璃分界面上的垂直坐標(biāo)即可進(jìn)行檢測。將分界面的坐標(biāo)，擬合成一條直線。然后計(jì)算每一個(gè)點(diǎn)到直線的距離。如果所有點(diǎn)到直線的距離，都足夠小，則沒有器件。

對于圖像中沒有器件存在的情形，需要進(jìn)行預(yù)警，防止測量結(jié)果出現(xiàn)異常。

b)多個(gè)器件預(yù)警

由于系統(tǒng)機(jī)械部分可能存在的異常，導(dǎo)致圖像中可能同時(shí)出現(xiàn)多個(gè)器件。這種情況必須預(yù)警，防止測量結(jié)果出現(xiàn)異常。分兩種情況來處理：

1b)多塊器件彼此分開

考察邊界坐標(biāo)的上升和下降的次數(shù)，如果上升次數(shù)和下降次數(shù)都超過1次，那么可以理解預(yù)警。

2b)多塊器件發(fā)生交疊

在利用器件坐標(biāo)上升和下降的規(guī)律，得到器件的左右邊界之后，就需要考察左右邊界之間的器件的厚度分布。由于器件的厚度都是固定的，因此可以設(shè)置經(jīng)驗(yàn)值。在左右邊界之間，如果某一個(gè)位置的厚度值，接近或者超過兩倍厚度的高度，則說明發(fā)生了多個(gè)器件的交疊。此時(shí)，需要進(jìn)行預(yù)警。

c)縫隙預(yù)警

玻璃盤上可能存在顆粒較大的灰塵，如果此時(shí)碰巧器件位于灰塵上，則器件與玻璃盤之間就會(huì)出現(xiàn)縫隙。由于工業(yè)檢測要求的精度在微米級，這種縫隙足以造成器件厚度檢測不準(zhǔn)確。因此必須對這種情況進(jìn)行預(yù)警。

采用如下方法來檢測縫隙的存在：

1c)器件區(qū)域的輪廓提取

在器件邊界的初步定位過程中，已經(jīng)得到了器件的左右邊界的大致位置。根據(jù)這個(gè)位置，將器件對應(yīng)的二值化子圖像截取出來，然后提取輪廓。后續(xù)步驟將在輪廓的基礎(chǔ)上，進(jìn)行縫隙的檢測。

2c)器件頂部和左右兩側(cè)輪廓的濾除

利用初定位過程中得到的承重界面坐標(biāo)，以及器件左右邊界坐標(biāo)，可以大致得到器件的左下角和右下角坐標(biāo)。然后根據(jù)這兩個(gè)坐標(biāo)值，將器件的頂部輪廓、左側(cè)輪廓、右側(cè)輪廓都過濾掉，只留下可能的縫隙區(qū)域的輪廓點(diǎn)。

3c)縫隙區(qū)域尺寸測量

經(jīng)過前面兩個(gè)步驟的處理，此時(shí)留存下來的直線段，就可以認(rèn)為是器件與玻璃平面之間的縫隙所對應(yīng)的輪廓。分析此時(shí)的輪廓點(diǎn)，計(jì)算該區(qū)域的邊界。如果該區(qū)域的高度小于5個(gè)像素，而寬度大于20個(gè)像素，則認(rèn)為是縫隙。此時(shí)需要預(yù)警。

d)灰塵干擾的過濾

灰塵對亞像素邊界的定位，影響非常大，如果不能準(zhǔn)確的過濾灰塵，則整個(gè)器件厚度檢測系統(tǒng)無法得到正確的測量結(jié)果。尤其是今天的中國，大氣污染嚴(yán)重，空氣中顆粒物比重很高，灰塵對工業(yè)檢測系統(tǒng)的干擾，非常普遍。

本發(fā)明按照如下的策略來進(jìn)行灰塵過濾：

1d)對亞像素邊界坐標(biāo)，進(jìn)行局部直線擬合：采用邊增長，邊搜索的方式，試探性的將邊界點(diǎn)分成多個(gè)字跡合：

首先，選擇最坐標(biāo)的輪廓點(diǎn)，加入集合。然后，陸續(xù)將右側(cè)新的鄰接點(diǎn)加入集合。每加入一個(gè)點(diǎn)，就擬合一次直線，然后計(jì)算集合中所有點(diǎn)到該直線的距離。如果平均距離大于閾值(1個(gè)像素)，則停止增加點(diǎn)，該直線子段擬合完成。后續(xù)的輪廓點(diǎn)加入到新的集合中。

2d)將距離大于閾值的坐標(biāo)點(diǎn)，挑選出來；

在每一個(gè)子集中，將輪廓點(diǎn)到直線距離大于閾值的坐標(biāo)點(diǎn)挑選出來。

3d)針對被挑選出來的坐標(biāo)點(diǎn)，進(jìn)行分段；

分析子集中被挑選出來的坐標(biāo)點(diǎn)，根據(jù)是否連接，分成多個(gè)子段。

4d)考察每一個(gè)子段的寬度，寬度小于閾值的，都算作是灰塵；

5d)重新計(jì)算坐標(biāo)點(diǎn)，濾除灰塵對應(yīng)的子段，將該子段上的坐標(biāo)點(diǎn)，全部用對應(yīng)的擬合的直線上的坐標(biāo)點(diǎn)來替代。

e)拖尾現(xiàn)象的預(yù)警

器件在玻璃盤上的擺放位置，受到機(jī)械設(shè)備的影響，并不能保證每一次器件的方向都跟相機(jī)光軸方向垂直。當(dāng)器件方向與相機(jī)光軸方向存在較大夾角時(shí)，由于攝像機(jī)的焦距比較小，遠(yuǎn)離相機(jī)的器件末端，將不能正確聚焦，并且在器件圖像的末尾，出現(xiàn)一個(gè)亮度偏高的灰色區(qū)域。該區(qū)域直接導(dǎo)致器件的厚度測量出現(xiàn)問題，因此必須對這種情況加以檢測，并且進(jìn)行預(yù)警。

采用如下的流程，來實(shí)現(xiàn)拖尾現(xiàn)象的預(yù)警：

1e)器件頂部邊界垂直坐標(biāo)一致性的判斷

發(fā)生拖尾現(xiàn)象時(shí)，由于器件遠(yuǎn)端在圖像中的垂直方向所占的像素較少，因此其頂部邊界坐標(biāo)，比器件上其他頂部邊界坐標(biāo)的垂直位置偏低。可以利用這個(gè)特性，對拖尾現(xiàn)象進(jìn)行初步預(yù)警。具體做法如下：

在器件的左右兩端，各自選擇一個(gè)長度為20的區(qū)域。然后在器件的中心位置，選擇一個(gè)長度是50的區(qū)域，分別計(jì)算這三個(gè)區(qū)域的器件的頂部輪廓點(diǎn)垂直坐標(biāo)的平均值。

如果左右兩端之中有一個(gè)區(qū)域，其平均坐標(biāo)與中心區(qū)域平均坐標(biāo)相比，差值大于5，則認(rèn)為存在拖尾現(xiàn)象，預(yù)警。

2e)器件中心區(qū)域，與首尾兩端區(qū)域的亮度一致性分析

與上面一樣，在器件的左右兩端，各自選擇一個(gè)長度為20的區(qū)域。然后在器件的中心位置，選擇一個(gè)長度是50的區(qū)域，分別計(jì)算這三個(gè)區(qū)域的平均亮度。

如果左右兩端之中有一個(gè)區(qū)域，其亮度與中心區(qū)域平均亮度，差值大于20，則認(rèn)為存在拖尾現(xiàn)象，預(yù)警。