基于数字图像分析的金手指电路板缺陷快速检测系统

技术领域

本发明涉及图像处理技术领域，具体涉及一种基于数字图像分析的金手指电路板缺陷快速检测系统。

背景技术

随着电子行业蓬勃发展，电路设计愈加复杂化、细致化，PCB板作为电子产品电路的主要载体，对其质量的要求也越来越严格。PCB板上由多个金黄色的导电触片组成的用于传输信号的区域被称作金手指区域，是影响PCB板质量的关键区域。目前在对电路板进行缺陷检测的方法中，常采用阈值分割的方法对电路板进行快速检测，但是由于采集图像不清晰会使得分割得到缺陷区域较不准确，故需要对采集的图像进行增强处理。而现有的对图像进行增强的方法在对噪声进行抑制的同时使图像变得较为模糊，使得图像增强的效果较差，进而影响缺陷检测的结果。

发明内容

为了解决现有的图像增强的方法在对噪声进行抑制的同时使图像变得较为模糊，使得图像增强的效果较差的技术问题，本发明的目的在于提供一种基于数字图像分析的金手指电路板缺陷快速检测系统，所采用的技术方案具体如下：

图像数据预处理模块，用于获取金手指电路板中金手指区域的灰度图像记为待分析图像，对待分析图像进行尺度变换得到不同尺度下的尺度图像，分别对尺度图像进行边缘检测得到不同尺度下的边缘图像，根据相邻尺度下的边缘图像得到差分图像；

图像数据分析模块，用于根据差分图像中像素点的像素值确定缺失像素点和保留像素点，以缺失像素点为初始聚类中心对保留像素点进行密度聚类得到至少两个类别；根据类别内缺失像素点和保留像素点之间的距离得到混乱程度；根据类别内保留像素点的梯度信息得到一致性程度；

图像数据增强模块，用于根据特定方向上相邻保留像素点之间的距离得到连贯性程度；根据一致性程度和连贯性程度得到形态统一性程度，根据形态统一性程度和混乱程度得到必要性指标，根据必要性指标筛选出差分图像中待增强的像素点；对待增强的像素点在待分析图像中对应位置的像素点进行增强；

电路板缺陷检测模块，用于对增强后的图像进行缺陷检测，得到金手指电路板的缺陷区域。

优选地，所述根据特定方向上相邻保留像素点之间的距离得到连贯性程度具体为：

对于任意一个类别，获取类别内所有保留像素点的梯度方向，对保留像素点的梯度方向进行主成分分析，获得主成分方向，将所述主成分方向记为类别对应的主方向；计算主方向上相邻两个保留像素点之间的距离，对所有相邻两个保留像素点之间的距离的均值进行负相关映射得到类别对应的连贯性程度。

优选地，所述根据类别内保留像素点的梯度信息得到一致性程度具体为：

对于任意一个类别，获取保留像素点的梯度方向的角度，计算类别内保留像素点与其邻域内像素点梯度方向的角度之间的差值的和值，将所述和值记为保留像素点的方向特征值；计算类别内所有保留像素点的方向特征值的方差，对所述方差进行负相关映射得到类别对应的一致性程度。

优选地，所述根据类别内缺失像素点和保留像素点之间的距离得到混乱程度具体为：

对于任意一个类别，获取保留像素点与该类别初始聚类中心对应的缺失像素点之间的距离，所有保留像素点对应的距离的熵值为该类别对应的混乱程度。

优选地，所述根据差分图像中像素点的像素值确定缺失像素点和保留像素点具体为：

将差分图像中像素值为第一数值的像素点记为缺失像素点，将差分图像中像素值不为第一数值的像素点记为保留像素点。

优选地，所述对待分析图像进行尺度变换得到不同尺度下的尺度图像具体为：

对待分析图像进行下采样生成设定层数的图像金字塔，图像金字塔中除底层外的其他层图像即为不同尺度下的尺度图像。

优选地，所述根据相邻尺度下的边缘图像得到差分图像具体为：

在图像金字塔中任选两层相邻的尺度图像对应的边缘图像，将层数较小的记为第一边缘图像，将层数较大的记为第二边缘图像，对第二边缘图像进行上采样得到对应的优选边缘图像，计算第一边缘图像与优选边缘图像之间的差值得到差分图像。

优选地，所述根据必要性指标筛选出差分图像中待增强的像素点具体为：

在差分图像中，将必要性指标大于指标阈值的类别记为待增强类别，获取所有待增强类别内像素点记为差分图像中待增强的像素点。

优选地，所述对增强后的图像进行缺陷检测，得到金手指电路板的缺陷区域具体为：

利用大津阈值分割法对增强后的图像进行分割，得到金手指电路板的缺陷区域。

优选地，所述根据一致性程度和连贯性程度得到形态统一性程度，根据形态统一性程度和混乱程度得到必要性指标具体为：

对于任意一个类别，获取混乱程度的倒数，以一致性程度和连贯性程度的乘积作为形态统一性程度，对所述倒数和形态统一性程度进行加权求和得到类别对应的必要性指标。

本发明实施例至少具有如下有益效果：

本发明通过对待分析图像进行尺度变换获得不同尺度下的尺度图像，考虑到待分析图像中存在噪声部分对待分析图像进行缺陷检测产生影响，通过对尺度图像进行边缘检测得到不同尺度下的边缘图像，对不同尺度下的尺度图像中边缘信息进行分析，进而根据相邻尺度下的边缘图像之间的差值得到差分图像，差分图像能够反映相邻尺度下的尺度图像之间边缘信息的差异情况，根据差分图像中像素点的像素值确定差分图像中缺失像素点和保留像素点，利用缺失像素点表征不同尺度下的尺度图像中边缘信息不存在像素值差异的像素点，表示不同尺度下的尺度图像中边缘信息差异较小，利用保留像素点表征不同尺度下的尺度图像中边缘信息存在像素值差异的像素点，表示不同尺度下的图像中边缘信息的差异较大；对缺失像素点周围的保留像素点进行密度聚类，能够在类别内对缺失像素点和保留像素点的分布情况进行分析，计算混乱程度，表征了类别内缺失像素点与保留像素点之间的距离的分布随机性以及混乱性；对类别内保留像素点的梯度信息进行分析，计算一致性程度，表征了类别内保留像素点梯度信息的分布一致性；对类别内设定方向上保留像素点之间的距离进行分析，计算连贯性程度，表征了类别内保留像素点的分布连续性；获取形态统一性程度，在考虑保留像素点分布一致性的同时对分布连续性进行分析，再结合混乱程度，能够确定在待分析图像中真实的边缘信息，计算必要性指标，表征了类别内像素点的增强的必要性，进而确定待增强的像素点，对待分析图像中对应位置的像素点进行增强处理，能够有效的抑制待分析图像中的噪声部分的影响，并且能够保证对待分析图像中需要进行增强处理的像素点进行增强处理，在保证图像清晰程度的同时提高待分析图像增强后的质量，最终使得缺陷检测的效果较好。

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和优点，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的介绍，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它附图。

图1是本发明的一种基于数字图像分析的金手指电路板缺陷快速检测系统的系统框图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种基于数字图像分析的金手指电路板缺陷快速检测系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的一种基于数字图像分析的金手指电路板缺陷快速检测系统的具体方案。

实施例：

请参阅图1，其示出了本发明一个实施例提供的一种基于数字图像分析的金手指电路板缺陷快速检测系统的系统框图，该系统包括：图像数据预处理模块，图像数据分析模块，图像数据增强模块，电路板缺陷检测模块。

图像数据预处理模块，用于获取金手指电路板中金手指区域的灰度图像记为待分析图像，对待分析图像进行尺度变换得到不同尺度下的尺度图像，分别对尺度图像进行边缘检测得到不同尺度下的边缘图像，根据相邻尺度下的边缘图像得到差分图像。

首先，需要说明的是，PCB板即印制电路板，是重要的电子部件，是电子元器件的支撑体，在PCB板上由多个金黄色的导电触片组成的用于传输信号的区域被称作金手指区域，是影响PCB板质量的关键区域。即PCB板也可以被称作金手指电路板，在本发明实施例中以PCB板为例进行说明。并利用AOI自动光学检测机获取PCB板的表面图像，对采集到的RGB图像进行灰度化处理，得到PCB板的灰度图像。其中，对图像进行灰度化的方法为公知技术，实施者可根据具体实施场景选择合适的灰度化方法进行处理。

由于采集到的PCB板对应的图像为全局图像，故需首先对灰度图像进行分割获得图像中的金手指区域，在本实施例中，采用语义分割的方法对灰度图像进行处理得到图像中的金手指区域，其中语义分割为公知技术，在此不再过多介绍。分割得到的金手指区域构成的图像为待分析图像。在经过分割后获得的待分析图像属于全局图像中的部分区域，其分辨率较低，同时容易受到噪声的影响使得待分析图像中金手指的边缘和缺陷的边缘不清晰，因此需要对待分析图像进行增强。

待分析图像存在噪声会对待分析图像进行阈值分割的结果产生影响，而待分析图像是通过PCB板的全景图像分割得到的，待分析图像本身的分辨率较低，再对待分析图像进行去噪处理后会更大程度的损失待分析图像中的细节信息，故本发明实施例对待分析图像进行尺度变换，获得不同尺度下的尺度图像。也即在对待分析图像进行下采样后，能够使得待分析图像中较为重要的轮廓边缘被保留，从而能够对不同尺度下的尺度图像之间边缘信息的差异情况进行分析。

在本实施例中，对待分析图像进行下采样生成设定层数的图像金字塔，图像金字塔中除底层外的其他层图像即为不同尺度下的尺度图像。其中，设定层数的取值为3，实施者可根据实际情况进行设置。

需要说明的是，待分析图像是图像金字塔中底层较为清晰的原始图像，随着层数的增加图像越模糊，在较为清晰的待分析图像中能够保留较多的金手指区域的细节，同时也会存在噪声的影响。而随着图像尺度的缩小，分辨率逐渐降低，丢失了图像中的部分细节，保留下的是金手指区域的轮廓信息。进而可以通过对图像金字塔中每层图像中的边缘轮廓进行分析，也即是基于不同尺度下的尺度图像中的边缘轮廓的变化情况，判断原始图像中需要进行增强的真实边缘的像素点。

然后，对不同尺度下的尺度图像进行边缘检测，具体地，利用canny边缘检测算法对图像金字塔中除底层外的每层尺度图像进行边缘检测，得到不同尺度下的边缘图像。canny边缘检测算法能够有效的得到不同尺度下的尺度图像中的边缘信息。其中，canny边缘检测算法为公知技术，在此不再过多介绍，实施者也可根据实际情况选择其他边缘检测算法对图像进行边缘检测。同时，由于canny边缘检测算法容易受到噪声的干扰导致得到的图像的边缘不清晰，因此在对金手指电路板进行缺陷检测时不直接进行边缘检测，而是通过分析尺度变换后尺度图像之间的边缘差异情况，进而确定金手指区域边缘部分和缺陷区域边缘部分，并对其进行增强。

由于待分析图像中金手指区域的边缘、缺陷部分的边缘以及噪声部分均属于高频信息，使用现有的图像增强算法对待分析图像进行增强时，会受到图像中噪声的影响，因此通过对不同尺度下的尺度图像的边缘信息之间的变化情况进行分析，判断待分析图像中的像素点是否需要进行增强，能够有效抑制调图像中噪声的同时对金手指区域的边缘以及缺陷部分的边缘进行增强，提高图像的质量。

根据相邻尺度下的边缘图像得到差分图像，具体地，在图像金字塔中任选两层相邻的尺度图像对应的边缘图像，将层数较小的记为第一边缘图像，将层数较大的记为第二边缘图像，对第二边缘图像进行上采样得到对应的优选边缘图像，计算第一边缘图像与优选边缘图像之间的差值得到差分图像。

需要说明的是，由于不同尺度下的边缘图像是通过不同尺度下的尺度图像边缘检测获得的，而不同尺度下的尺度图像的大小不一，无法直接进行作差处理，故需对不同尺度下的边缘图像进行上采样处理，使得每个尺度下的边缘图像进行差分运算时，两张图像之间的尺寸大小相同。对图像进行上采样的方法为公知技术，常采用插值的方法来实现，实施者可根据实际情况选择插值的方式，例如，在图像中的每个像素点右侧和下方，采用空间邻域插值法插入相邻像素点的灰度值。举例说明，需要进行上采样的四个像素点像素值分别为

同时，上采样和下采样是相反的两种操作，但是上采样和下采样会丢失像素值，故上采样和下采样操作是不可逆的，即一张图像先向下采样，再向上采样后得到的图像与原始图像并不是同一张图像。

在本实施例中，图像金字塔的层数为3层，故除底层外还包括两层图像，图像金字塔中底层图像为第0层的图像，则将图像金字塔中第一层的图像记为第一尺度下的尺度图像，将图像金字塔中第二层的图像记为第二尺度下的尺度图像，每张尺度图像均对应一张边缘图像。则第一尺度下的边缘图像为第一边缘图像，第二尺度下的边缘图像为第二边缘图像，由于第一边缘图像与第二边缘图像两者的尺寸大小不同，故需对第二边缘图像进行上采样处理得到优选边缘图像，进而计算第一边缘图像与优选边缘图像对应位置像素点的像素值之间的差值得到差分图像。

其中，随着图像金字塔层数增加，下采样得到的图像数量也增加，实施者可在图像金字塔下采样得到的图像对应的边缘图像中，任选相邻两层图像对应的边缘图像获取差分图像。两个尺度之间的差分图像表征了两个尺度对应的尺度图像中边缘信息之间的差异，能够反映不同尺度对应的尺度图像中边缘的变化情况。同时，相邻两层图像中边缘信息的变化情况更能够准确获得待分析图像中真实的边缘信息。

图像数据分析模块，用于根据差分图像中像素点的像素值确定缺失像素点和保留像素点，以缺失像素点为初始聚类中心对保留像素点进行密度聚类得到至少两个类别；根据类别内缺失像素点和保留像素点之间的距离得到混乱程度；根据类别内保留像素点的梯度信息得到一致性程度。

首先，在差分图像中，像素点的像素值取值为0，说明该像素点在第一边缘图像和优选边缘图像中对应位置像素点的像素值相同，进而说明在该像素点的位置处，第一尺度下的边缘图像和第二尺度下对应的优选边缘图像之间的边缘信息相同，可能是在待分析图像中较为重要的边缘信息，也可能是待分析图像中的噪声部分，在不同尺度下的图像中均存在。在差分图像中像素点的像素值取值不为0，说明在两个尺度下的图像中边缘信息存在一定的差异情况，即不同尺度下的尺度图像中边缘信息存在差异，使得一部分边缘信息被保留在差分图像中，进而需根据边缘信息相同以及存在差异的像素点之间的分布规律，确定待分析图像中需要进行增强的像素点。

基于此，根据差分图像中像素点的像素值确定缺失像素点和保留像素点，具体地，将差分图像中像素值为第一数值的像素点记为缺失像素点，将差分图像中像素值不为第一数值的像素点记为保留像素点。在本实施例中第一数值的取值为0。进而缺失像素点为两个尺度下的图像中边缘信息相同的像素点，保留像素点为两个尺度下的图像中边缘信息存在差异的像素点。同时，缺失像素点是指在差分图像中缺失像素值的像素点，保留像素点是指在差分图像中保留像素值的像素点。

然后，以缺失像素点为初始聚类中心对保留像素点进行密度聚类得到至少两个类别，具体地，以一个缺失像素点为初始聚类中心，设置聚类半径，统计聚类半径内保留像素点的数量是否满足密度阈值，将满足密度阈值的保留像素点聚为一个类别，利用DBSCAN聚类算法对缺失像素点进行密度聚类得到至少两个类别。其中聚类半径的取值为10，密度阈值的取值为30，实施者可根据具体实施场景进行设置，同时，实施者也可根据实际情况选择其他密度聚类算法进行处理。

在差分图像中，若缺失像素点的分布较为分散，则说明在两个不同尺度下的尺度图像中边缘信息相同的像素点分布较为分散，则该缺失像素点可能为待分析图像中的噪声部分。若缺失像素点的分布较为连续，则说明在两个不同尺度下的尺度图像中边缘信息相同的像素点分布较为连续，则该缺失像素点可能为待分析图像中真实的边缘信息。

基于此，对于任意一个类别，获取保留像素点与该类别初始聚类中心对应的缺失像素点之间的距离，所有保留像素点对应的距离的熵值为该类别对应的混乱程度。

当缺失像素点的分布状态为随机分布状态时，缺失像素点越可能属于待分析图像中的噪声部分，受噪声随机分布的影响，在随机分布的缺失像素点周围的保留像素点的分布状态也为随机分布状态，则作为类别初始聚类中心的缺失像素点与保留像素点之间的距离分布就较为复杂，较为随机。

当缺失像素点的分布呈现出规律性时，缺失像素点越可能属于待分析图像中真实的边缘信息，受真实的边缘信息均匀分布的影响，在具有规律性分布特征的缺失像素点周围的保留像素点的分布也呈现出规律性，则作为类别初始聚类中心的缺失像素点与保留像素点之间的距离分布就较为均匀，具有一定的规律性。

所述混乱程度用公式表示为：

其中，

根据类别内初始聚类中心对应的缺失像素点与保留像素点之间的距离的熵值获得类别对应的混乱程度，则混乱程度能够表征类别内初始聚类中心对应的缺失像素点与保留像素点之间的距离分布是否较为随机，混乱程度能够反映类别内缺失像素点与保留像素点之间的位置分布情况。

当类别对应的混乱程度取值越大时，表示类别内初始聚类中心对应的缺失像素点与保留像素点之间的距离分布越复杂，且越随机，说明类别内的缺失像素点周围存在其他随机分布的缺失像素点，也即存在噪声点，进而类别内保留像素点的分布状态为随机分布状态，则类别内缺失像素点和保留像素点为待分析图像中的噪声部分的可能性越大。

当类别对应的混乱程度取值越小时，表示类别内初始聚类中心对应的缺失像素点与保留像素点之间的距离分布越均匀，且具有一定的规律性，说明类别内缺失像素点周围不存在其他随机分布的缺失像素点，也即不存在噪声点，进而保留像素点的分布也呈现出规律性，则类别内缺失像素点和保留像素点为待分析图像中真实的边缘信息的可能性越大。

最后，当一个类别内缺失像素点和保留像素点的分布状态为随机分布状态时，该类别内缺失像素点和保留像素点为待分析图像中噪声部分的可能性越大，而保留像素点的梯度方向就较为混乱，且较不一致。当一个类别内缺失像素点和保留像素点的分布呈现出一定的规律性时，该类别内缺失像素点和保留像素点为待分析图像中真实的边缘信息的可能性越大，而保留像素点的梯度方向一致性就越大。

基于此，对于任意一个类别，获取保留像素点的梯度方向的角度，计算类别内保留像素点与其邻域内像素点梯度方向的角度之间的差值的和值，将所述和值记为保留像素点的方向特征值；计算类别内所有保留像素点的方向特征值的方差，对所述方差进行负相关映射得到类别对应的一致性程度，用公式表示为：

其中，

类别对应的一致性程度表征了类别内保留像素点的梯度方向的一致性的大小，一致性程度取值越大，说明类别内保留像素点的梯度方向的一致性越大，则保留像素点的分布呈现出一定的规律性，说明类别内保留像素点为待分析图像中真实的边缘信息的可能性越大。一致性程度取值越小，说明类别内保留像素点的梯度方向的一致性越小，则保留像素点的分布状态为随机分布状态，说明类别内保留像素点为待分析图像中噪声部分的可能性越大。

图像数据增强模块，用于根据特定方向上相邻保留像素点之间的距离得到连贯性程度；根据一致性程度和连贯性程度得到形态统一性程度，根据形态统一性程度和混乱程度得到必要性指标，根据必要性指标筛选出差分图像中待增强的像素点；对待增强的像素点在待分析图像中对应位置的像素点进行增强。

首先，对于一致性程度较大的类别，说明该类别内保留像素点的梯度方向之间的一致性较大，但是可能存在部分随机分布的缺失像素点使得一致性程度较大的类别内保留像素点之间的距离较大，则该类别内保留像素点可能不是待分析图像中真实的边缘信息，而被误判为待分析图像中真实的边缘信息。

故需在获得一致性程度的基础上进一步基于保留像素点的梯度方向对保留像素点的连贯性进行分析，若保留像素点的分布状态为随机分布状态，则保留像素点的分布不具有连续性，保留像素点的梯度方向之间的一致性较小的同时，在特定方向上相邻的保留像素点之间的距离较大。若保留像素点的分布呈现出较为规律的连续分布，则保留像素点的分布具有连续性，保留像素点的梯度方向之间的一致性较大的同时，在特定方向上相邻的保留像素点之间的距离较小。

基于此，根据特定方向上相邻保留像素点之间的距离得到连贯性程度，具体地，对于任意一个类别，获取类别内所有保留像素点的梯度方向，对保留像素点的梯度方向进行主成分分析，获得主成分方向，将所述主成分方向记为类别对应的主方向，主方向即为特定方向；计算主方向上相邻两个保留像素点之间的距离，对所有相邻两个保留像素点之间的距离的均值进行负相关映射得到类别对应的连贯性程度，用公式表示为：

其中，

以类别对应的主方向上所有相邻的保留像素点之间的距离的均值作为连贯性程度，则连贯性程度反映了类别对应的主方向上相邻的保留像素点之间的距离的整体均衡情况，能够表征类别内保留像素点或者缺失像素点的连续性。

类别对应的主方向表征类别内保留像素点的梯度方向的最大投影方向，若保留像素点的分布呈现出较为规律的连续分布，保留像素点的梯度方向之间的差异变化较小，则类别内保留像素点的梯度方向类别对应的主方向之间的一致性较大。通过分析主方向上保留像素点之间的距离变化情况，能够更好的表征类别内保留像素点之间的距离分布状态。

当连贯性程度的取值越小，表示在类别对应的主方向上保留像素点之间的距离越大，说明类别内保留像素点分布较为离散，则类别内保留像素点的分布状态为随机分布状态，说明类别内保留像素点的连续性越小，说明类别内保留像素点为待分析图像中噪声部分的可能性越大。

当连贯性程度的取值越大，表示在类别对应的主方向上保留像素点之间的距离越小，说明类别内保留像素点分布较为均匀，则类别内保留像素点的分布呈现出较为规律的连续性，说明类别内保留像素点的连续性越大，说明保留像素点为待分析图像中真实的边缘信息的可能性越大。

然后，需要说明的是，由于噪声和边缘信息均为高频信息，故对待分析图像进行增强时，容易受到噪声的干扰，影响图像增强的结果。基于此，通过分析不同尺度下的图像中边缘轮廓信息的差异情况，对待分析图像中的噪声部分和边缘信息部分进行区分，进而对边缘信息进行增强，排除噪声的干扰。

若类别对应的混乱程度取值越大，说明缺失像素点呈随机分布时造成周围保留像素点呈现出较为随机的分布状态，当一致性程度取值越小的同时连贯性程度取值也越小，说明类别内保留像素点的梯度方向的一致性越小的同时，在主方向上保留像素点之间的距离间隔越大，进而说明类别内缺失像素点和保留像素点为待分析图像中噪声部分的可能性越大，故不需要对该类别内的像素点进行增强处理。

若类别对应的混乱程度取值越小，说明缺失像素点的分布呈现出较为规律的分布，进而造成周围保留像素点也呈现出较为规律的分布，当一致性程度取值越大的同时连贯性程度取值越大，说明类别内保留像素点的梯度方向一致性越大的同时，在主方向上保留像素点之间的距离间隔越小，进而说明缺失像素点和保留像素点为待分析图像中真实的边缘信息的可能性越大，故需要对该类别内的像素点进行增强处理。

基于此，根据混乱程度、一致性程度和连贯性程度得到必要性指标，具体地，对于任意一个类别，获取混乱程度的倒数，以一致性程度和连贯性程度的乘积作为形态统一性程度，对所述倒数和形态统一性程度进行加权求和得到类别对应的必要性指标，用公式表示为：

其中，

形态统一性程度基于类别内保留像素点对应的梯度方向以及距离获得的特征参数，其表征了保留像素点的分布形态统一性大小，即当类别内一致性程度取值越大的同时，连贯性程度取值越大，则说明类别内保留像素点的梯度方向一致性越大的同时，在主方向上保留像素点之间的距离间隔越小，对应的形态统一性程度取值越大，说明保留像素点的分布形态统一性越大。

必要性指标反映了类别内像素点进行增强处理的必要程度，必要性指标的取值越小，说明类别内缺失像素点和保留像素点的分布状态为随机分布状态，则类别内像素点为待分析图像中噪声部分的可能性越大，故对待分析图像中该类别对应的像素点的增强的必要程度越小。必要性指标的取值越大，说明类别内缺失像素点和保留像素点的分布呈现出较为规律的连续性，则类别内像素点为待分析图像中真实边缘信息的可能性越大，故对待分析图像中该类别对应的像素点的增强的必要程度越大。

进一步的，设置指标阈值，在本实施例中指标阈值的取值为0.6，实施者可根据实际情况进行设置。当必要性指标大于指标阈值时，即

在差分图像中，将必要性指标大于指标阈值的类别记为待增强类别，获取所有待增强类别内像素点记为差分图像中待增强的像素点，对待增强的像素点在待分析图像中对应位置的像素点进行增强，得到增强后的图像。其中，对图像中像素点进行增强的方法是多种多样的，在本实施例中，采用反锐化掩膜增强算法进行处理，实施者可根据实际情况进行选择。

根据必要性指标确定需要增强的像素点，能够有效的抑制待分析图像中的噪声部分的影响，并且能够保证对待分析图像中需要进行增强处理的像素点进行增强处理，提高待分析图像增强后的质量。

电路板缺陷检测模块，用于对增强后的图像进行缺陷检测，得到金手指电路板的缺陷区域。

具体地，增强后的图像是通过对待分析图像中真实的边缘信息进行增强后获得的图像，其有效的抑制了待分析图像中的噪声部分的影响，使得增强后的图像质量较高。因此，可通过对增强后的图像进行缺陷检测获得金手指电路板的缺陷区域。在本实施例中，利用阈值分割的方法对增强后的图像进行处理，例如，利用大津阈值分割法对增强后的图像进行分割，得到金手指电路板的缺陷区域，实现金手指电路板缺陷的快速检测。

其中，对图像进行缺陷检测，识别获得缺陷区域的方法是多种多样的，实施者可根据具体实施场景进行选择，例如还可以利用神经网络对增强后的图像进行缺陷识别。

以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围，均应包含在本申请的保护范围之内。