一种随机阵列图片中点坐标的获取方法及系统与流程

1.本发明涉及图像处理技术领域，具体涉及一种随机阵列图片中点坐标的获取方法及系统。


背景技术：

2.在对芯片瑕疵检测过程中，客户需要知道检测出瑕疵的芯片在总体芯片阵列中的行列号，以便后续筛选以及溯源，因此，程序需标注出每个芯片的行列号。现有技术中为了确定图片中芯片阵列上每一个芯片相对于整个阵列的坐标，按照每个点所在的像素坐标xy进行排列，但因阵列在实际检测中情况多变，比如行数和列数不固定，中间也有可能出现缺漏，整体阵列倾斜，一旦阵列有一点倾斜，或者不是一个矩形(平行四边形)等情况，按图片上的像素坐标排列，导致最终结果会产生错位。


技术实现要素：

3.为此，本发明提供一种随机阵列图片中点坐标的获取方法及系统，以解决现有瑕疵芯片在芯片阵列中的行列号获取方法存在的当阵列出现行数和列数不固定，中间也有可能出现缺漏，整体阵列倾斜等情况，导致获取结果不准确的问题。
4.为了实现上述目的，本发明提供如下技术方案：
5.根据本发明实施例的第一方面，提出了一种随机阵列图片中点坐标的获取方法，所述方法包括：
6.获取随机阵列图片并进行二值化处理，所述图片中包括由多个点组成的阵列；
7.基于预设卷积核通过卷积计算将所述图片中处于同一行/列的点连接起来形成多行/列连通域；
8.获取每个连通域的外接矩形，根据待检测点所对应的连通域的行数和列数，获取待检测点的行列坐标。
9.进一步地，二值化黑白图像中黑色背景部分像素值为0，各个点为代表芯片的像素值为255的白色方块。
10.进一步地，基于预设卷积核通过卷积计算将所述图片中处于同一行/列的点连接起来形成多行/列连通域，具体包括：
11.同一行的点连接时，采用的卷积核的高为1像素，宽为多像素的横向长条，卷积核从左到右移动进行卷积计算；
12.同一列的点连接时，采用的卷积核的宽为1像素，高为多像素的纵向长条，卷积核从上到下移动进行卷积计算。
13.进一步地，基于预设卷积核通过卷积计算将所述图片中处于同一行/列的点连接起来形成多行/列连通域，具体包括：
14.当卷积核框选位置计算得到的像素值不为0时，将相应位置的像素值赋值为255，以将同一行或同一列的点连接形成同为白色的连通域。
15.进一步地，获取每个连通域的外接矩形，根据待检测点所对应的连通域的行数和列数，获取待检测点的行列坐标，具体包括：
16.以图像左下角作为坐标原点，利用opencv的外接矩形算法找到每个连通域的外接矩形，按x轴/y轴进行排序，x/y值最小的连通域中的每个点的行/列坐标便为1，根据各连通域的x/y值排序其行/列坐标依次加1，由此得到所有点的行/列的坐标。
17.进一步地，所述待检测点为检测出的瑕疵芯片点。
18.根据本发明实施例的第二方面，提出了一种随机阵列图片中点坐标的获取系统，所述系统包括：
19.图像处理模块，用于获取随机阵列图片并进行二值化处理，所述图片中包括由多个点组成的阵列；
20.卷积模块，用于基于预设卷积核通过卷积计算将所述图片中处于同一行/列的点连接起来形成多行/列连通域；
21.点坐标获取模块，用于获取每个连通域的外接矩形，根据待检测点所对应的连通域的行数和列数，获取待检测点的行列坐标。
22.进一步地，所述卷积模块，具体用于：
23.同一行的点连接时，采用的卷积核的高为1像素，宽为多像素的横向长条，卷积核从左到右移动进行卷积计算；
24.同一列的点连接时，采用的卷积核的宽为1像素，高为多像素的纵向长条，卷积核从上到下移动进行卷积计算。
25.进一步地，所述卷积模块，具体用于：
26.当卷积核框选位置计算得到的像素值不为0时，将相应位置的像素值赋值为255，以将同一行或同一列的点连接形成同为白色的连通域。
27.根据本发明实施例的第三方面，提出了一种计算机存储介质，所述计算机存储介质中包含一个或多个程序指令，所述一个或多个程序指令用于被一种随机阵列图片中点坐标的获取系统执行如上任一项所述的方法。
28.本发明具有如下优点：
29.本发明提出的一种随机阵列图片中点坐标的获取方法及系统，获取随机阵列图片并进行二值化处理，所述图片中包括由多个点组成的阵列；基于预设卷积核通过卷积计算将所述图片中处于同一行/列的点连接起来形成多行/列连通域；获取每个连通域的外接矩形，根据待检测点所对应的连通域的行数和列数，获取待检测点的行列坐标。可对在芯片阵列出现行数和列数不固定、中间也有可能出现缺漏，整体矩阵倾斜等情况时对阵列中瑕疵芯片的行列坐标进行确定，对阵列角度的要求较低，倾斜度可以在5度左右(取决于阵列点与点之间的距离)，并且整个算法中点的像素坐标都没有参与到确定位置中去，避免了阵列角度倾斜造成坐标的错位。
附图说明
30.为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式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示例性的，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
提供的附图引伸获得其它的实施附图。
31.图1为本发明实施例1提供的一种随机阵列图片中点坐标的获取方法的流程示意图；
32.图2为卷积计算示意图；
33.图3为本发明实施例1提供的一种随机阵列图片中点坐标的获取方法中二值化阵列图像示意图；
34.图4为本发明实施例1提供的一种随机阵列图片中点坐标的获取方法中卷积核示意图；
35.图5为本发明实施例1提供的一种随机阵列图片中点坐标的获取方法中卷积计算初始示意图；
36.图6为本发明实施例1提供的一种随机阵列图片中点坐标的获取方法中卷积计算过程示意图；
37.图7为本发明实施例1提供的一种随机阵列图片中点坐标的获取方法中单行连通域示意图；
38.图8为本发明实施例1提供的一种随机阵列图片中点坐标的获取方法中随机阵列图片原图示意图；
39.图9为本发明实施例1提供的一种随机阵列图片中点坐标的获取方法中行连接示意图；
40.图10为本发明实施例1提供的一种随机阵列图片中点坐标的获取方法中列连接示意图。
具体实施方式
41.以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
42.实施例1
43.如图1所示，本实施例提出了一种随机阵列图片中点坐标的获取方法，所述方法包括：
44.s100、获取随机阵列图片并进行二值化处理，所述图片中包括由多个点组成的阵列；
45.s200、基于预设卷积核通过卷积计算将所述图片中处于同一行/列的点连接起来形成多行/列连通域；
46.s300、获取每个连通域的外接矩形，根据待检测点所对应的连通域的行数和列数，获取待检测点的行列坐标。
47.卷积的定义：在泛函分析中，卷积、旋积或摺积(英语：convolution)是通过两个函数f和g生成第三个函数的一种数学算子，表征函数f与g经过翻转和平移的重叠部分函数值乘积对重叠长度的积分。
48.卷积算法公式(图像处理中为加权平均算法)：
[0049][0050]
其中：
[0051]
h(t-τ)中负号表示反转；
[0052]
t是一个函数划过另一个函数的位移；
[0053]
τ是积分假变量。
[0054]
在图像处理中卷积操作的示例如图2所示：
[0055]
左边是一个图像，后面是经过卷积操作之后的图像，中间的3
×
3的二维矩阵就是一个卷积核。具体计算流程如下：
[0056]
31＝(15*1 17*1 19*1 56*1 18*1 20*1 97*1 19*1 20*1)/9
[0057]
卷积核从左到右，从上到下，扫过每个点。
[0058]
本次应用的卷积核为单行(计算行号)或者单列(计算列号)。
[0059]
本实施例中，二值化图像如图3所示，图中黑色部分像素值为0，白色部分像素值为255。
[0060]
以连接行为例，设置卷积核的宽为9像素，高为1像素，核内的所有像素像素值都为255，如图4所示。
[0061]
卷及计算示意：
[0062]
计算从图片的左上角开始，如图5所示：
[0063]
此时计算过程为：
[0064]
(255*0 255*0 255*0 255*0 255*0 255*0 255*0 255*0 255*0 255*0)/10＝0
[0065]
计算结果保存到保存图片中，该图片左上角第一个像素值为0，卷积核向右移动一格，继续计算，以此类推。
[0066]
当计算来到了如图6所示位置(14行)，计算方式变成：
[0067]
(255*0 255*0 255*0 255*0 255*0 255*0 255*255 255*255 255*255)/9＝21675
[0068]
此时保存图片第4行第1列的像素值为21675，但像素值最大为255，所以保存计算数据的时候会自动将21675保存为255。以此类推，只要卷积核所框选的位置中有像素值不为0的点(二值化图片像素值不是0就是255)那么卷积核锚点在保存图片对应的位置上像素值就是255。
[0069]
保存图片最终计算结果如图7所示。
[0070]
该算法可以将单行上的非零像素方块相连，即使这些像素方块的坐标有些许偏差，但只要偏差不大于本身的高度或宽度，依然可以将他们连在一起形成连通域，这样一个连通域就可以包含一行上所有的像素方块。
[0071]
列方向的连接与行方向的连接同理。原图如图8所示，最后得到的行连接如图9所示，列连接如图10所示。
[0072]
本实施例提出的一种随机阵列图片中点坐标的获取方法，利用算法将矩阵中处在同一行的点连接到一起，形成若干连通域，利用opencv的外接矩形算法找到每个连通域外接矩形的y轴，然后按y轴进行排序，y值最小的连通域中的每个点的行坐标便为1(左下角为0，0点)，以此类推，确定所有点的行坐标，相同的方法确定所有点的列坐标。
[0073]
通过卷积算法将处于一行或一列上的所有点都链接到一起，该算法对角度的要求较低，倾斜度可以在5度左右(取决于矩阵点与点之间的距离)，并且整个算法中点的像素坐标都没有参与到确定位置中去避开了角度倾斜造成坐标的错位。
[0074]
实施例2
[0075]
与上述实施例1相对应的，本实施例提出了一种随机阵列图片中点坐标的获取系统，所述系统包括：
[0076]
图像处理模块，用于获取随机阵列图片并进行二值化处理，所述图片中包括由多个点组成的阵列；
[0077]
卷积模块，用于基于预设卷积核通过卷积计算将所述图片中处于同一行/列的点连接起来形成多行/列连通域；
[0078]
点坐标获取模块，用于获取每个连通域的外接矩形，根据待检测点所对应的连通域的行数和列数，获取待检测点的行列坐标。
[0079]
进一步地，所述卷积模块，具体用于：
[0080]
同一行的点连接时，采用的卷积核的高为1像素，宽为多像素的横向长条，卷积核从左到右移动进行卷积计算；
[0081]
同一列的点连接时，采用的卷积核的宽为1像素，高为多像素的纵向长条，卷积核从上到下移动进行卷积计算。
[0082]
进一步地，所述卷积模块，具体用于：
[0083]
当卷积核框选位置计算得到的像素值不为0时，将相应位置的像素值赋值为255，以将同一行或同一列的点连接形成同为白色的连通域。
[0084]
本发明实施例提供的一种随机阵列图片中点坐标的获取系统中各部件所执行的功能均已在上述实施例1中做了详细介绍，因此这里不做过多赘述。
[0085]
实施例3
[0086]
与上述实施例相对应的，本实施例提出了一种计算机存储介质，计算机存储介质中包含一个或多个程序指令，一个或多个程序指令用于被一种随机阵列图片中点坐标的获取系统执行如实施例1的方法。
[0087]
虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。