本发明涉及图像处理与机器视觉领域，更具体地，涉及一种基于pca和分段rht的pcb图像圆检测方法。
背景技术：
目前，印刷电路板(pcb)缺陷检测常用的方法是参考法，将待匹配板与参考模版图像配准，其中圆形孔的检测与定位最为重要。现有的发明与技术中，有些只适合内容较单一的印刷电路板(pcb)图像，有些不能保证较好的精确度，有些处理会引入很多的噪声，鲁棒性差。
技术实现要素：
本发明为克服上述现有技术所述的缺陷，提供一种基于pca和分段rht的pcb图像圆检测方法。
为解决上述技术问题，本发明的技术方案如下：
一种基于pca和分段rht的pcb图像圆检测方法，包括以下步骤：
s1.载入原始彩色pcb板图像；
s2.对图像进行灰度二值化，采用边缘检测算法提取图像边缘，除去交叉次数较多的点；
s3.对灰度二值化图像中的线段进行标记，找出长度大于所设阈值t的线段；
s4.对每条线段进行主成分分析(principalcomponentanalysis，pca)，得到特征值，保留类圆曲线段；
s5.对类圆曲线段进行圆拟合，得到粗略圆参数，在类圆曲线段中筛选出有效曲线段；
s6.对有效曲线段进行分段圆检测，得到精确圆参数。
上述的工作原理为：首先对图像进行灰度二值化，通过边缘检测算法提取图像边缘并出去交叉次数多的点；对图像中的线段均进行标记，通过主成分分析，筛选出类圆曲线段；对类圆曲线段进行圆拟合，得到粗略圆参数，并筛选出有效曲线段；最后采用分段的方式对有效曲线段进行圆检测，得到精确圆参数。
优选地，所述步骤s4的pca方向分析具体步骤如下：
对于每条线段，设像素为n,任一点坐标(xi,yi),根据以下公式：
得出s11,s12,s21和s22，用于构成以下协方差矩阵：
得出s的特征根λ1和λ2；
判断线段是否为满足条件1≤λ1/λ2≤t的类圆曲线段，如果是，则保留，否则就除去。
优选地，所述步骤s5中圆拟合的具体过程如下：
采用带约束的最小二乘圆拟合法，近似得到圆的圆心和半径，用于筛选曲线段。
优选地，所述步骤s6中分段圆检测采用随机霍夫变换(randomhoughtransform，rht)，具体过程如下：
设d为保留下来的图像边缘点集，对有效曲线段进行标记，按照标记顺序依次进行随机霍夫变换：
从曲线段点集中随机选取3个点，确定一个候选圆参数，通过证据积累计算曲线段点集中落在该候选圆上的点数，若大于圆所必需的最小点数，则确认该候选圆为真实圆，从d中删除该圆上的点，然后继续进行下一个圆的检测，直到所有的曲线段都检测完毕。
优选地，所述步骤s6在得到精确圆参数后，在图像空间删除对应的像素点，直到所有的曲线段检测完毕。
优选地，所述阈值t为1.5。
优选地，所述边缘检测算法为canny算子。
与现有技术相比，本发明技术方案的有益效果是：
本发明在使用主成分分析的基础上，采用随机霍夫变换进行分段圆检测，对圆的检测更加精确，对非圆曲线的去除更加有效，圆的参数误差更小，处理速度上也有优势。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是基于pca和分段rht的pcb图像圆检测方法示意图。
具体实施方式
附图仅用于示例性说明，不能理解为对本专利的限制；
对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
一种基于pca和分段rht的pcb图像圆检测方法，如图1所示，包括以下步骤：
s1.载入原始彩色pcb板图像；
s2.对图像进行灰度二值化，采用边缘检测算法提取图像边缘，除去交叉次数较多的点；
s3.对灰度二值化图像中的线段进行标记，找出长度大于所设阈值t的线段；
s4.对每条线段进行pca方向分析，得到特征值，保留类圆曲线段；
s5.对类圆曲线段进行圆拟合，得到粗略圆参数，在类圆曲线段中筛选出有效曲线段；
s6.对有效曲线段进行分段圆检测，得到精确圆参数。
在本实施例中，步骤s4的pca方向分析具体步骤如下：
对于每条线段，设像素为n,任一点坐标(xi,yi),根据以下公式：
得出s11,s12,s21和s22，用于构成以下协方差矩阵：
得出s的特征根λ1和λ2；
判断线段是否为满足条件1≤λ1/λ2≤t的类圆曲线段，如果是，则保留，否则就除去。
在本实施例中，步骤s5中圆拟合的具体过程如下：
采用带约束的最小二乘圆拟合法，近似得到圆的圆心和半径，用于筛选曲线段。
在本实施例中，步骤s6中分段圆检测采用随机霍夫变换，具体过程如下：
设d为保留下来的图像边缘点集，对有效曲线段进行标记，按照标记顺序依次进行随机霍夫变换：
从曲线段点集中随机选取3个点，确定一个候选圆参数，通过证据积累计算曲线段点集中落在该候选圆上的点数，若大于圆所必需的最小点数，则确认该候选圆为真实圆，从d中删除该圆上的点，然后继续进行下一个圆的检测，直到所有的曲线段都检测完毕。
在本实施例中，步骤s6在得到精确圆参数后，在图像空间删除对应的像素点，直到所有的曲线段检测完毕。
在本实施例中，阈值t为1.5。
在本实施例中，边缘检测算法为canny算子。
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。