(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210809170.9 (22)申请日 2022.07.11 (71)申请人 上海工程 技术大学 地址 201620 上海市松江区龙腾路3 33号 (72)发明人 孙霆瑞　李志伟　涂必胜　陈明　 郑照　张钊　肖新杰　 (74)专利代理 机构 上海伯瑞杰知识产权代理有 限公司 312 27 专利代理师 孟旭彤 (51)Int.Cl. G06V 10/24(2022.01) G06V 10/74(2022.01) G06V 10/20(2022.01) (54)发明名称 QFN引线框架检测图像处 理方法及装置 (57)摘要 本发明公开了一种QFN引线框架 检测图像处 理方法， 包括， 获取QFN引线框架检测图像； 利用 模板匹配法获取所述QFN引线框架的定位点信 息； 根据获得的QFN引线框架 定位点信息， 计算所 述QFN引线框架检测图像倾斜角度； 计算所述引 线框架在所述检测图像中的形心坐标。 根据计算 得到的倾斜角度和形心坐标对所述QFN引线框架 在检测图像中的位置进行校正。 权利要求书3页 说明书7页 附图7页 CN 115205515 A 2022.10.18 CN 115205515 A 1.一种QFN引线框架检测图像处 理方法， 其特 征在于， 该 方法包括， 获取QFN引线框架检测图像； 利用模板匹配法获取 所述QFN引线框架的定位 点信息； 根据获得的QFN引线框架定位 点信息， 计算所述 QFN引线框架检测图像倾 斜角度； 计算所述引线框架在所述检测图像中的形心坐标。 2.根据权利要求1所述的方法， 其特 征在于， 进一 步包括， 根据计算得到的倾斜角度和形心坐标对所述QFN引线框架在检测图像 中的位置进行校 正。 3.根据权利要求1所述的方法， 其特征在于， 进一步包括， 采用工业相机获取所述的QFN 引线框架检测图像， 并且 对获得的所述的QFN引线框架检测图像进行 预处理。 4.根据权利要求3所述的方法， 其特征在于， 所述的预处理包括对所述QFN引线框架检 测图像进行 滤波。 5.根据权利要求4所述的方法， 其特征在于， 所述的预处理进一步包括， 对所述QFN引线 框架检测图像进行 灰度化。 6.根据权利要求5所述的方法， 其特征在于， 所述的预处理进一步包括， 对所述QFN引线 框架检测图像进行二 值化处理。 7.根据权利要求6所述的方法， 其特征在于， 通过形心法获取所述QFN引线框架的形心 坐标。 8.根据权利要求1所述的方法， 其特征在于， 在获取所述QFN引线框架的定位点坐标后， 求取定位 点局部最大 得分点， 剔除多余定位 点， 通过定位 点计算所述 QFN引线框架在所述检测图像中的倾 斜角度。 9.一种QFN引线框架检测图像处 理装置， 其特 征在于， 所述装置包括存 储器； 以及 耦合到所述存储器的处理器， 该处理器被配置为执行存储在所述存储器中的指令， 所 述处理器执行以下操作： 获取QFN引线框架检测图像； 利用模板匹配法获取 所述QFN引线框架的定位 点坐标； 根据获得的QFN引线框架定位 点坐标， 计算所述 QFN引线框架检测图像倾 斜角度； 计算所述引线框架在所述检测图像中的形心坐标； 根据计算得到的倾斜角度和形心坐标对所述QFN引线框架在检测图像 中的位置进行校 正。 10.一种QFN引线框架检测图像处 理方法， 其特 征在于， 该 方法包括以下步骤， 步骤A、 对相机采集到的引线框架图像进行 预处理， 具体又有： a1、 通过3*3的高斯滤波器对引线框架图像进行卷积操作， 使用二维高斯函数进行滤 波； a2、 将彩色的引线框架图像转 化为灰度图像； a3、 采用固定阈值法对引线框架图像进行二 值化处理； 步骤B、 利用模板匹配算法获取QFN引线框架的定位 点信息， 具体又有： b1、 在待检测QFN引线框架的左右两侧有间距不等的圆形定位孔， 截取定位孔的最小外 接矩形图像作为模板图像；权　利　要　求　书 1/3 页 2 CN 115205515 A 2b2、 利用模板匹配的方法对待检测的QFN引线框架图像进行模板匹配， 获取定位点坐标 信息； b3、 剔除邻近多余定位 点坐标， 保留得分点 最大的定位 点坐标； b4、 对定位点的坐标信息进行聚类， 分别定义为引线框架左侧定位点和引线框架右侧 定位点； 步骤C、 基于获取到的QFN引线框架定位 点信息， 计算图像倾 斜角度， 具体又有： c1、 求取同侧任意两个定位 点所构成直线的斜 率； c2、 对所有斜 率进行均值计算， 求取QFN引线框在检测图像中的倾 斜角度； 步骤D、 基于对工业相机采集到的QFN引线框检测图像进行预处理过后的二值化 图像， 计算出引线框架在图像中的形心坐标， 具体又有： d1、 遍历二 值化图像的像素值； d2、 求取图像的形心坐标； 步骤E、 基于计算到的倾 斜角度和形心坐标对图片中的工件进行旋转校正， 具体又有； e1、 通过图像的形心坐标和倾 斜角度， 获取旋转矩阵； e2、 通过仿射变换对图像进行矫 正； 又， 在步骤a1中， 二维高斯 函数进行 滤波的公式为 其中， G(x， y)为 二维高斯 函数， (x， y)为 点坐标， σ 为标准差， A为归一 化系数； 在步骤a2中， 将彩色图像转 化为灰度图像的公式为Grey＝0.2 99*R+0.587*G+0.1 14*B； 其中， R代表彩色图像一个像素点的R通道， G代表彩色图像一个像素点的R通道， B代表 彩色图像一个 像素点的R通道， Grey表示灰度值， 在步骤a3中， 二 值化处理的公式为 其中， G(x， y)表示经过二值化处理后图像像素值的分布函数， T为阈值， f(x， y)表示步 骤a2处理过后的图像 像素值的分布函数， 在步骤c1中， 斜 率的计算公式为 其中， a为 倾斜角度， X的值 为xn‑xn+1， L的值为yn‑yn+1， 在步骤d1中， 对于二值化图像的像素值， 定义白色像素 区域为目标像素的区域target， 黑色像素区域为背景区域backgr ound， 定义白色像素为1， 黑色像素为0， 图像的长度为h， 宽 为w， 具体公式为 在步骤d2中， 图像的左上角点坐标为(0， 0)， 右下角坐标为(h， w)通过图像的遍历， 求取 图像目标的形心坐标， 具体公式为 。 其中x0， y0是形心坐标， f(x， y)是二 值化图像在点(x， y)处的像素值， 在步骤e1中， 图像的旋转中心为(tx， ty)， 旋转角度为θ， 获取到的旋转矩阵M为权　利　要　求　书 2/3 页 3 CN 115205515 A 3