范洪浩，劉新妹，殷俊嶺

（中北大學 電子測試技術(shù)國家重點實驗室，山西 太原 030051）

0 引 言

隨著科技的發(fā)展和工藝制作水平的進步，電路板制作更加精細，電路板的測試更加困難。自動測試系統(tǒng)在對大尺寸電路板測試時，由于設(shè)備的限制，無法獲得清晰、完整的電路板圖像，嚴重影響了自動測試系統(tǒng)的效率和準確率。因此，實現(xiàn)大尺寸電路板局部特征圖片的拼接至關(guān)重要。

電路板圖像拼接是按照多幅局部重合的電路板圖像中的相同特征，通過映射變換拼接成具有超廣角視角的大場景圖像，并且拼接處看不出明顯的痕跡。圖像拼接克服了一般成像設(shè)備視野小、相機畸變的弊端，在較多領(lǐng)域中被廣泛應用。本文通過AKAZE 特征檢測算法對多幅局部重復的電路板圖像進行特征點檢測，提出了一種基于AKAZE 特征檢測算法的大尺寸電路板圖像拼接。首先采用AKAZE 算法檢測多幅局部重合的電路板圖像特征，然后經(jīng)RANSAC 選取最合適的特征點，局部重合的電路板圖像經(jīng)視角變換后，采用權(quán)重的方法進行圖像融合，完成大尺寸電路板圖像的拼接。經(jīng)測試，所得結(jié)果有效地解決了成像弊端，與直接拍攝相比，細節(jié)處理好且更加清晰，誤差小。

1 電路板圖像拼接總體框架

大尺寸電路板圖像由多張具有重合區(qū)域的不同位置的局部電路板圖像拼接而成，實驗過程中，采用4 張局部電路板圖像進行拼接。本文算法的流程主要有：

首先獲得具有重復區(qū)域的4 張局部電路板圖像，經(jīng)AKAZE 特征檢測算法對多幅局部重合的電路板圖像進行關(guān)鍵點檢測，通過BFMatcher 和KNN 算法將圖像中的關(guān)鍵點進行雙向匹配；

然后利用RANSAC 篩除各局部電路板圖像中匹配錯誤的特征點，獲得單應性矩陣；

最后對其中一幅局部的電路板圖像進行視角變換后，采用以權(quán)重方式的圖像融合技術(shù)完成大尺寸電路板圖像的拼接。具體流程如圖1 所示。

圖1 大尺寸電路板圖像拼接流程

2 AKAZE 特征檢測算法

2.1 AKAZE 算法的優(yōu)點

局部特征相關(guān)算法中被廣泛應用的是SIFT 和SURF。這兩種算法都是通過圖像金字塔構(gòu)建高斯尺度空間，但這種構(gòu)建方式降低了局部的精度，會導致圖像邊界模糊和細節(jié)丟失。而AKAZE 算法采用非線性方式構(gòu)建，保留了各層中圖像的邊緣細節(jié)信息。

2.2 非線性尺度空間

SIFT 算法采用下采樣的方式，而AKAZE 每層中的圖像大小與輸入圖像保持相同。尺度空間同樣是金字塔型，共組 圖 像、層。scale 用標 記，Octave 用標識，參數(shù)如下：

式中：是初始尺度參數(shù)；是空間層數(shù)；=是總圖像數(shù)。將尺度參數(shù)δ映射到以時間t為單位的尺度參數(shù)，得：

2.3 特征點檢測及描述

關(guān)鍵點的確定需要在各層中計算黑森矩陣，將其中各點的響應值與相鄰的26個點進行比較，判斷其是否為最大值。找到關(guān)鍵點后，采用亞像素級別精準定位。

3 不同算法對比

在構(gòu)建尺度空間方面，SURF 算法的不同之處在于除去了下采樣的過程，所有圖片的大小并不改變，模糊程度不同。AKAZE 算法構(gòu)建非線性的尺度空間除能夠濾除小細節(jié)的優(yōu)點外，還保留了更多的特征信息。本文選取其中一副待檢測的局部電路板圖像，如圖2 所示。分別采用AKAZE、SIFT、SURF 算法進行檢測，統(tǒng)計特征點數(shù)量及計算時間，檢測結(jié)果如圖3a）～圖3c）所示。

圖2 待檢測圖像

圖3 三種算法的檢測結(jié)果

針對同一局部電路板圖像進行檢測，檢測結(jié)果如表1 所示。

由表1 可知，三種算法的檢測速度為AKAZE>SIFT>SURF，檢測效果為AKAZE>SURF>SIFT。由此可知，對于細節(jié)和邊界的檢測，AKAZE 算法優(yōu)于SURF 算法和SIFT 算法。

表1 SURF、SIFT、AKAZE 算法檢測結(jié)果比較

4 實驗結(jié)果及分析

4.1 拼接圖像

本文實驗平臺為Visual Studio 2017，所有算法基于OpenCV 3.4.5 實現(xiàn)。使用4 幅具有重復區(qū)域的局部電路板圖像進行拼接，匹配結(jié)果如圖4 所示。

圖4 匹配電路板圖像

4.2 拼接結(jié)果

對于具有重復區(qū)域的4 幅電路板圖像，經(jīng)AKAZE特征檢測獲得特征點和特征向量后，通過特征描述、單應性矩陣計算等操作，可得到完整的大尺寸電路板的拼接圖像，如圖5 所示。從實驗結(jié)果可以看出，電路板圖像拼接效果較好，與原電路板圖像的重復率達98%。

圖5 拼接后的電路板圖像

5 結(jié) 語

針對一般成像設(shè)備視野小、相機畸變而無法獲取完整、清晰的大尺寸電路板圖像問題，本文提出一種多幅局部重合的電路板圖像拼接方法。該算法能夠有效降低邊界模糊及圖像細節(jié)的丟失，在與SIFT 和SURF 算法對比中顯示出極大的優(yōu)勢。本文中首先利用AKAZE 算法檢測出多幅局部重合電路板圖像中的關(guān)鍵點；然后采用類似于SURF 特征描述方法，使用BFMatcher 對各電路板圖像中的關(guān)鍵點進行匹配，經(jīng)RANSAC 算法完成關(guān)鍵點的精準匹配；視角變換完成后，以權(quán)重方式對重復部分進行融合，最終完成4 幅局部重合的電路板圖像的拼接。通過實驗驗證，本文方法對大尺寸的電路板拼接后的圖像與原電路板圖像的重復率達98%，大大減少了特征點提取時間與特征點匹配時間，能夠解決圖像的精確拼接問題，可為后續(xù)識別工作提供有效支持。