1. PCB图片拼接技术介绍与研究意义

随着科技发展，人们对于图片质量的要求愈来愈强烈，其中关于图像拼接技术研究也愈来愈火热。数字图像拼接技术是数字图像处理领域内一项重要技术,很多实际领域中都用到了数字图像拼接技术,例如全景视频场景中的虚拟场景表达、全景图绘制、数字地图的制作、遥感图像处理、医学图像分析等。图像拼接技术主要包括图像配准和图像融合两个关键环节，其核心技术是图像配准技术。

PCB也成为印刷电路板，是集成各种电子元器件的信息载体。它的发展已有100多年的历史了。在电子工业中,PCB是各种电子产品的主要部件,PCB上的上的小缺漏直接影响着电子产品的质量。为此进行的PCB图像检测是生产PCB必须干的首要工作。

随着生产技术的提高,PCB制作工艺日趋复杂,PCB层数也不断提升，大量超微元器件和超细走线的采用,使PCB的质量检验成为一件非常困难的工作,传统的电测法和人工目测法已不能满足生产的需要。运用图像处理和识别技术对PCB图像进行分析,从而找出PCB上存在的缺陷是一种实时、无损、高精度和低成本的优秀方法逐步成为人们追求的方式。近年来，由于PCB的层数越来越多、密度越来越高，基于计算机与图像处理的视觉检测技术^[1]开始成为 PCB 检测的热门方向。

为了用图像处理的方式实现对缺陷的在线自动检测,第一步是要获取高质量的PCB数字图像。在PCB自动光学检测（AOI）^[2]中，由于受到高倍率显微镜头视场限制，通常不可能一次成像得到试件的全部显微图像，为了在低成本下获得大面积高精度图像，需经过多次局部成像，再进行图像拼接操作获得被测件的全景图^[3]。PCB图像拼接就是将多个具有重叠区域的小图像合成为一个大图像的过程，为随后进行PCB尺寸检测、模式识别和缺陷检测等的重要技术提供支持。

2. PCB图片拼接研究现状

基于PCB的图片拼接技术可分为基于特征匹配和非特征匹配两种。

国外，基于特征匹配的图像拼接方法以微软研究院提出了一种2D空间八参数投影变换模型^[4]为代表,采用Levenberg-Marquard迭代非线性最小化方法（简称L-M算法）求出图像间的几何变换参数来进行图像配准，收敛速度快,因此成为图像拼接领域的经典算法；Shmuel Peleg^[5]等人提出了自适应图像拼接模型，根据相机的不同运动而自适应选择拼接模型,通过把图像分成狭条进行多重投影来完成图像的拼接，这一研究相比微软提出的2D空间八参数投影变换模型更加自动化，使得算法更容易编写,从此自适应问题成为图像拼接领域新的研究热点；匹兹堡大学的 Sevket Gumustekin^[6][7]对消除在固定点旋转摄像机拍摄自然景物时形成的透视变形和全景图像的拼接进行了研究，通过标定摄像机来建立成像模型,根据成像模型将捕获到的图像投影到统一的高斯球面上,从而得到拼接图，该方法对比自适应图像拼接精度大大提高；M.Brown^[8]在ICCV大会上发表了一篇名Recognising Panoramas的文章，文中使用了基于不变量技术的SIFT算法进行图像拼接，算法完全自动完成，M.Brown的大会发言再次掀起了全景图拼接技术研究的热潮。国内，赵向阳，杜立民提出了一种基于特征点匹配的图像自动拼接算法，其中使用了Harris算法提取角点并进行匹配。该算法采用了鲁棒变换估计技术，在一定程度上提高配准算法的稳健性，但是计算速度比较慢；侯舒维，郭宝龙针对现有基于灰度级相似的图像拼接方法的缺点，提出了一种图像自动拼接的快速算法，该算法综合考虑了图像拼接的精度和速度，在基准特征块的提取上，采用简单的边缘信息闭值法，在块的搜索上，采用金字塔式分层搜索策略^[9]，该方法大大提高了速度和精度。

非特征的图像拼接方法以基于傅立叶变换的相位相关法^[10][11]为代表。这个方法首先对要拼接的图像进行傅立叶变换,通过频域内的相位差峰值找到图像的重叠位置,从而进行图像拼接。相对于特征匹配，这个方面精度较低，控制系统更为复杂。