CN118864243B - Pcba板的图像拼接方法、介质和终端设备 - Google Patents

Abstract

本发明涉及PCBA板的图像拼接方法、介质和终端设备，相较于传统方法提取特征点进行直接配对以拼接，其首先根据特征点信息，确定每张局部图像的电路参数，进而根据电路参数确定各特征点的配对优先级，再进行同名点配对和后续的拼接，能够避免各特征点进行盲目配对，提高了配对效率和配对准确性；能够依托于PCBA板的电路拓扑结构，在尽可能保留图像细节的前提下，高效、精确地进行PCBA板全景拼接，使拼接后的图片能展示整个PCBA板的全景。

Description

PCBA板的图像拼接方法、介质和终端设备

技术领域

本发明涉及图像处理领域，特别是涉及一种PCBA板的图像拼接方法、介质和终端设备。

背景技术

随着现代电子产品对印刷电路板PCBA质量要求的日益严格，对PCBA板进行图像采集已成为制造过程中确保质量控制与产品追溯的关键环节。鉴于PCBA板上器件的高密集度和复杂走线，捕获其每个细节至关重要。为此，必须采用小视野、高精度的图像采集方法。然而，这种方法面临的挑战在于，小视野、高精度的图像采集方法，使得缩小的视野无法通过单次采集获得PCBA板的完整全景视图，只能得到整块PCBA板的多张局部图像。

因此，如何对该多张局部图像进行拼接，以得到整张PCBA板的完整视图，是该领域亟待解决的技术问题。

发明内容

为解决上述技术问题的至少一个，本发明提供一种PCBA板的图像拼接方法，包括：

采集PCBA板的若干局部图像，其中任意一张局部图像，至少与另外一张图像具备重叠区域；

提取每张局部图像的特征点，并根据特征点信息，确定每张局部图像的电路参数；

根据每张局部图像的电路参数，确定各特征点的配对优先级；

按照优先级对各特征点，进行同名点配对；

根据同名点配对结果，构建各局部图像的关联关系，对各局部图像进行拼接，得到拼接后的PCB板全景图像。

进一步地，确定每张局部图像的电路参数的步骤，包括：

提取每张局部图像的特征点，并对特征点进行聚类，划定每张局部图像的器件区域；

根据各器件区域的特征点，拟合每个器件区域的边缘轮廓，以确定每个器件区域表征的器件类型及其连接关系；

根据器件类型求取每个边缘轮廓的关键点，根据各关键点位置，确定相连器件的位置关系。

进一步地，确定各特征点的配对优先级的步骤，包括：

将每张局部图像，划分为若干待比对区域；

根据各待比对区域的电路参数，构建待比对区域组，并确定各待比对区域组的特征值；

根据构建的待比对区域组，确定仅对各待比对区域组包含的特征点进行配对；并根据各待比对区域组的特征值，确定各待比对区域组包含的特征点的配对优先级。

进一步地，构建待比对区域组的步骤，具体为：

根据待比对区域内包含的器件类型，将不同局部图像中包括相同器件类型的待比对区域，构建为一组待比对区域组。

进一步地，确定各待比对区域组的特征值的步骤，具体为：

以器件类型的基础信息为第一梯度，依权重确定各待比对区域的第一特征系数；

以各器件之间的连接关系和位置关系为第二梯度，依权重确定各待比对区域的第二特征系数；

根据每个待比对区域的第一特征系数和第二特征系数，确定各待比对区域组的特征值。

进一步地，确定各待比对区域组的特征值的步骤，具体为：

T=k1×T1+k2×T2；

其中，T1、T2分别表示第一特征系数和第二特征系数；k1、k2分别表示第一特征系数T1和第二特征系数T2的第一权重系数和第二权重系数；T表示特征值。

进一步地，提取每张局部图像的特征点之前，还包括：

通过自适应区域划分算法划定每张局部图像的特征点检测区域；后面仅提取每张局部图像中特征点检测区域的特征点。

进一步地，对各局部图像进行拼接的步骤，包括：

根据同名点配对结果，将配对成功的位置定位为各局部图像的重叠区域，并进行仿射变换以生成单应性矩阵，将对应的局部图像进行配准，以在同一坐标系下对齐；

通过同名点配对结果，计算局部图像之间的变换关系；根据变换关系，对局部图像进行校正后拼接；

对拼接边缘进行融合处理，得到融合后的拼接图像。

另一方面，本发明还提供一种计算机可读存储介质，其上存储有用于执行上述任意一项所述的PCBA板的图像拼接方法。

另一方面，本发明还提供一种终端设备，包括存储器和处理器；所述存储器存储有可被处理器执行的程序代码；所述程序代码用于执行上述任意一项所述的PCBA板的图像拼接方法。

本发明提供的PCBA板的图像拼接方法、介质和终端设备，相较于传统方法提取特征点进行直接配对以拼接，其首先根据特征点信息，确定每张局部图像的电路参数，进而根据电路参数确定各特征点的配对优先级，再进行同名点配对和后续的拼接，能够避免各特征点进行盲目配对，提高了配对效率和配对准确性；能够依托于PCBA板的电路拓扑结构，在尽可能保留图像细节的前提下，高效、精确地进行PCBA板全景拼接，使拼接后的图片能展示整个PCBA板的全景。

附图说明

图1为本发明PCBA板的图像拼接方法的一个实施例的流程图；

图2为本发明PCBA板的图像拼接方法的另一个实施例的流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，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作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。

需要说明，若本发明实施例中有涉及方向性指示，诸如上、下、左、右、前、后……，则该方向性指示仅用于解释在某一特定姿态下，各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。另外，若本发明实施例中有涉及“第一、第二”、“S1、S2”、“步骤一、步骤二”等的描述，则该类描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量或者表明方法的执行顺序等，本领域技术人员可以理解的凡是在发明技术构思下，不违背其发明要点的，都应该列入本发明的保护范围。

如图1 所示，本发明提供一种PCBA板的图像拼接方法，包括：

S1：采集PCBA板的若干局部图像，其中任意一张局部图像，至少与另外一张图像具备重叠区域；

具体的，可选采用多个图像采集设备，分区域分别获取PCBA板的若干局部图像；或采用同一图像采集设备，按照一定路径，如从左至右、从上至下，分次获取PCBA板的若干局部图像，为待拼接图像，用于后续拼接整板的完整图像；值得注意的，该任意一张图像，其必须至少与另外一张图像存在重叠区域，以能够建立二者之间的关联关系，以用于后续拼接。具体的，为了解PCBA板的全貌，该若干局部图像，优选拼接起来全覆盖PCBA整板。

S2：提取每张局部图像的特征点，并根据特征点信息，确定每张局部图像的电路参数；

具体的，可选使用计算机视觉算法，如尺度不变特征变换SIFT、加速稳健特征SURF、ORB（Oriented FAST and Rotated BRIEF）等，检测各局部图像；优选的，使用AKAZE特征点检测器进行特征点检测，相较于传统的SIFT特征点检测器，AKAZE能够在PCBA板上提取到更多的特征点，且AKAZE专门设计用于加速特征点检测过程，能够提高特征点检测速度，以提取每张局部图像的特征点；进而根据各特征点的位置等信息，对特征点进行区域划分，得到若干器件区域；最后，分析各器件区域的具体信息，以识别该器件区域表征的电路板上的器件、走线、焊点等，以确定每个器件区域的相关电路参数，如该器件区域表征的器件类型、位置、尺寸等。

示例的，电路参数，包括器件类型、各器件的连接关系、各器件的位置关系的任意一个或多个；优选的，步骤S2，可选但不仅限于包括：

S21：提取每张局部图像的特征点，并对特征点进行聚类，划定每张局部图像的器件区域；

具体的，由于PCBA板中没有器件的区域，特征点较少；而有器件的区域，会存在诸多密集的特征点，因此可选但不仅限于根据各特征点之间的距离，对特征点进行聚类，将距离小于设定阈值的特征点，划分为同一区域的特征点，而将每张局部图像的特征点，划分为若干器件区域，每个器件区域包括距离小于设定阈值的若干特征点。

S22：根据各器件区域的特征点，拟合每个器件区域的边缘轮廓，以确定每个器件区域表征的器件类型及其连接关系；

具体的，对于每个器件区域内的特征点，拟合得到其边缘轮廓，以根据轮廓形状、尺寸等独特性质信息，而确定该器件区域具体表征的是什么器件；示例的，可选但不仅限于包括：导线、电阻、‌电容、‌电感、‌电位器、‌变压器、‌晶体二极管、‌场效应管、‌电声器件、‌光电器件、‌显示器件、‌传感器等；一方面确定各器件区域的具体器件类型；另一方面根据两两之间是否有导线，而确定各器件是否连接。

优选的，步骤S2，还可选但不仅限于包括：

S23：根据器件类型求取每个边缘轮廓的关键点，根据各关键点位置，确定相连器件的位置关系。

具体的，可选根据每个器件类型的自身特征，确定角点、中心点等为特征关键点，以确定各边缘轮廓的关键点，通过根据步骤S22确定的各器件类型及其连接关系，而确定相应关键点的方向、两两关键点之间的距离等，表征各连接器件之间的相对位置关系，示例的电阻在电容的左下角，其距离为3cm等，而进一步了解各器件之间的电路拓扑结构。

在该实施例中，给出了步骤S2的优选实施例，通过对特征点进行聚类划分器件区域，并对每个器件区域进行拟合，确定器件类型、连接关系、位置关系等，以了解每张局部图像中各器件区域的实际情况，确定每张局部图像的电路参数，为后续特征点匹配的优先级奠定基础。

优选的，步骤S21之前，还可选但不仅限于包括步骤S20：

通过自适应区域划分算法划定每张局部图像的特征点检测区域；步骤S21中，仅提取每张局部图像中特征点检测区域的特征点。

在该实施例中，给出了步骤S2的进一步优选实施例，增设步骤S20，能够自适应的划分有效特征点最多的检测区域。在该增设步骤基础上，相对于传统方式中针对局部图像的全图进行特征点检测而言，该方式从全图检测优化为小图检测，能够大大降低计算资源占有量，降低对计算资源的消耗并缩短计算时间，提高特征点提取的效率。

S3：根据每张局部图像的电路参数，确定各特征点的配对优先级；

具体的，可选根据每张局部图像的电路参数，如包括哪些器件、各器件之间的连接关系、位置关系的任意一个或多个参数，而确定先对哪些特征性比较强的特征点进行配对、再对哪些特征性比较弱的特征点进行配对。

优选的，步骤S3，可选但不仅限于包括：

S31：将每张局部图像，划分为若干待比对区域；

具体的，可选但不仅限于根据步骤S1中先前采集设备预设的重叠区域大小，而设置略大于重叠区域大小的尺寸，将每张局部图像，划分为若干待比对区域；

S32：根据各待比对区域的电路参数，构建待比对区域组，并确定各待比对区域组的特征值；

具体的，可选根据每个待比对区域的电路参数，确定哪些区域有可能是不同局部图像中的同一区域，而构建为待比对区域组；哪些区域不可能是不同局部图像中的同一区域，可直接舍弃，无需进行比对；进一步的，根据每个待比对区域的电路参数，确定各构建的待比对区域的特征值，即特征相似程度，可选程度高则后续优先配对，程度低则后续延迟配对。

S33：根据构建的待比对区域组，确定仅对各待比对区域组包含的特征点进行配对；并根据各待比对区域组的特征值，确定各待比对区域组包含的特征点的配对优先级。

在该实施例中，给出了步骤S3的优选实施例，其通过划分待比对区域，构建待比对区域组、并确定其特征值，对特征点的配对进行筛选、并设置优先级，将待比对区域组中，特征值高的优先配对、特征值低的后面配对。这样经过筛选和分级，一方面将无需配对的进行筛选；另一方面将程度高的先进行配对确认，相当于先把可能性高的进行挑选，避免盲选；进一步提高了配对效率、配对成功率和配对准确性。

更为优选的，步骤S32，可选但不仅限于包括：

S321：根据待比对区域内包含的器件类型，将不同局部图像中包括相同器件类型的待比对区域，构建为一组待比对区域组；

具体的，根据待比对区域内是否包括相同的器件类型，可确定哪些待比对区域需要进行比对判断特征是否相似；哪些待比对区域压根不需要进行比对，不可能是不同局部图像中对应的同一个区域；示例的，根据器件类型，若不同局部图像中的两个待比对对区域，根本不存在相同的器件类型，示例的，A局部图像中的待比对区域A1，与B局部图像中的待比对区域B1之间，压根不包含相同的器件类型，示例的A1中有场效应管、但B1中没有，则这二者不可能为对应的同一个区域，无需比对；但是，二者之间如果有相同的器件类型，则可能是同一个区域、也可能不是同一个区域，需要组建为待比对区域组。

S322：以器件类型的基础信息为第一梯度，依权重确定各待比对区域的第一特征系数T1；

具体的，可选根据待比对区域中器件类型的基础类型，如该器件的数量、常见程度、特殊性等，而设置各待比对区域组的第一特征系数，表征器件类型所反映的该区域特征。示例的，以器件的常见程度为例，若两个待比对区域中，包括相同的器件类型为电阻，其作为常见元器件、出现频率高，可设置低一点的特征系数0.1，即该两个待比对区域的第一特征系数为0.1；若两个待比对区域中，包括相同的器件类型为场效应管，其作为特殊器件、出现频率低，可设置高一点的特征系数0.3，即该两个待比对区域的第一特征系数为0.3。以数量为例，若两个待比对区域中，包括相同的2个电阻和1个场效应管，那么其第一特征系数=0.1×2+0.3=0.5。

S323：以各器件之间的连接关系和位置关系为第二梯度，依权重确定各待比对区域的第二特征系数T2；

具体的，可选根据各器件之间的连接关系和位置关系，示例的，上述示例了两个待比对区域中，包括相同的2个电阻和1个场效应管，那么其第一特征系数=0.1×2+0.3=0.5。那么如果该2个电阻在两个待比对区域中，若都是相连的，则可增加第二特征系数0.1，如其位置关系，如都是一个在另一个的左上角，则可再增加第二特征系数0.1，如两个电阻的中心点的距离相等，则可再增加第二特征系数0.1。

S324：根据每个待比对区域的第一特征系数T1和第二特征系数T2，确定各待比对区域组的特征值T；

具体的，可选但不仅限于同样的，为第一特征系数T1和第二特征系数T2，设置权重系数，而计算每组待比对区域组的特征值T=k1×T1+k2×T2；k1、k2分别为第一特征系数T1和第二特征系数T2的第一权重系数和第二权重系数。

在该实施例中，给出了步骤S32，如何根据各待比对区域的电路参数，构建待比对区域组，并确定各待比对区域组的特征值的优选实施例，其基于电路参数——器件类型、器件之间的连接关系、位置关系等，而确定各待比对区域组的特征值，后续根据特征值反映相关程度高的待比对区域组先进行配对；相关策划高难度低的待比对区域组后进行配对；避免盲目配对所造成的计算量大。

S4：按照优先级对各特征点，进行同名点配对；

具体的，在步骤S2确定好各特征点的配对优先级后，即可使用特征点匹配算法，如快速近邻库FLANN或Brute-Force匹配，按照优先级顺序，对应找出不同局部图像的各器件区域中，相同或相似的特征点，进行同名点配对。优选的，使用快速最近邻匹配算法FLANN替代传统方法中的最近邻匹配算法进行特征点匹配，相较于最近邻匹配算法，FLANN能够快速匹配特征点且保持较高匹配准确度的同时减少计算量，提高匹配的效率。

更为优选的，特征点匹配后，会得到候选的匹配对，但其中可能包含一些误匹配的点对。为了提高匹配的准确性，还可选通过RANSAC筛选算法去除错误匹配的点对，保留正确的匹配点对。

S5：根据同名点配对结果，构建各局部图像的关联关系，对各局部图像进行拼接，得到拼接后的PCB板全景图像。

具体的，可选根据同名点配对结果，确定各局部图像的重叠区域，再根据不同局部图像中的相同重叠区域，分析局部图像之间的空间关系，而构建各局部图像的关联关系。

优选的，可选但不仅限于包括：

S51：根据同名点配对结果，将配对成功的位置定位为各局部图像的重叠区域，并进行仿射变换以生成单应性矩阵，将对应的局部图像进行配准，以在同一坐标系下对齐。

具体的：该过程首先通过这些匹配点对，计算出仿射变换所需的参数。仿射变换是一种线性变换，可以保持直线的平行性和直线的相对位置关系。根据计算得到的仿射变换参数，构建出仿射变换矩阵。该矩阵描述了如何将一个图像中的点映射到另一个图像中的对应点，从而实现两幅图像之间的配准。通过对仿射变换矩阵进行适当的扩展，生成单应性矩阵。将生成的单应性矩阵应用于其中一幅图像，通过对图像中的像素点进行变换，将其映射到另一幅图像中的位置从而实现两幅图像就在同一坐标系下的对齐。

S52：通过同名点配对结果，计算局部图像之间的变换关系，可选但不仅限于包括平移、旋转、缩放等几何变换参数；对局部图像进行校正后拼接。

具体的，由于拍摄局部图像时可能存在相机拍摄姿态与位置的变化情况，导致不同图像之间存在位置偏移、旋转和缩放的差异。图像关系匹配可以将这些图像进行校准，校正这些差异，使得不同图像之间的偏移、旋转和尺度保持一致。通过图像关系匹配，可以减少图像拼接后出现的伪影和拼接边缘的不连续性，使得拼接后的全景图像更加平滑和真实。

优选的，还包括图像拼接后，对其边缘进行处理，S53：图像融合。

优选的，使用图像融合技术，如梯度域融合、泊松融合等，来平滑拼接区域，减少拼接痕迹。最后，通过自适应调整图像参数，并使用泊松融合策略进行图像融合，使全景图像获得更自然的过渡效果。整个过程旨在实现PCBA板的全景图像无缝拼接，在保持几何和光度的一致性的前提下，呈现更自然、更符合人眼的视角，且无拼接缝隙的全景图像。该模块旨在对图像关系匹配后图像进行无缝拼接，消除拼接痕迹，保证图像质量。该模块通过精细的像素值融合和过渡区域处理，能够有效地消除拼接产生的痕迹，同时，在融合过程中能够对图像进行色彩校正，以确保不同图像之间的色彩一致性。该模块能够在最大限度保持图像的清晰度和细节的前提下，避免因融合而导致图像质量下降。

更为优选的，还可选但不仅限于包括：自动评估图像集的图像参数（曝光、对比度、饱和度等），将图像集中的图像自适应的调整为统一的图像参数，并根据输入的图像、掩码、特征点和分辨率信息，对图像进行裁剪。该过程首先根据掩码信息，将图像中非目标区域去除，只保留目标区域。之后，通过将掩码应用到原始图像上，去除掩码中标记为背景的部分，从而得到裁剪后的图像，并根据特征点的位置来确定裁剪区域的范围，确保重要的特征点都包含在裁剪后的图像中。根据输入的分辨率信息，对裁剪后的图像进行调整，确保其符合所需的宽度和高度。最终，经过裁剪处理后的图像将符合输入的要求，只包目标区域，该裁剪过程可以提取和调整图像中特定的目标区域，以满足后续处理或展示的需求。将裁剪后的图像进行拼接对齐，并重新自适应调整拼接对齐后的图像参数，该操作有利于后续图像融合消除拼接痕迹。最后，使用泊松融合的策略进行图像融合，避免融合边缘出现不连续的情况，最终输出拼接后的全景图片，即：将所有局部图像拼接在一起，形成一个无缝的全景PCB板图像。

本发明提供的PCBA板的图像拼接方法，相较于传统方法提取特征点进行直接配对以拼接，其首先根据特征点信息，确定每张局部图像的电路参数，进而根据电路参数确定各特征点的配对优先级，再进行同名点配对和后续的拼接，能够避免各特征点进行盲目配对，提高了配对效率和配对准确性；能够依托于PCBA板的电路拓扑结构，在尽可能保留图像细节的前提下，高效、精确地进行PCBA板全景拼接，使拼接后的图片能展示整个PCBA板的全景。

另一方面，本发明还提供一种计算机存储介质，存储有可执行程序代码；所述可执行程序代码，用于执行上述任意的PCBA板的图像拼接方法。

另一方面，本发明还提供一种终端设备，包括存储器和处理器；所述存储器存储有可被处理器执行的程序代码；所述程序代码用于执行上述任意的PCBA板的图像拼接方法。

示例性的，所述程序代码可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述程序代码在终端设备中的执行过程。

所述终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。终端设备可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，终端设备还可以包括输入输出设备、网络接入设备、总线等。

所述处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列 (Field-Programmable Gate Array，FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述存储器可以是终端设备的内部存储单元，例如硬盘或内存。所述存储器也可以是终端设备的外部存储设备，例如终端设备上配备的插接式硬盘，智能存储卡（SmartMedia Card, SMC），安全数字（Secure Digital, SD）卡，闪存卡（Flash Card）等。进一步地，所述存储器还可以既包括终端设备的内部存储单元也包括外部存储设备。所述存储器用于存储所述程序代码以及终端设备所需的其他程序和数据。所述存储器还可以用于暂时地存储已经输出或者将要输出的数据。

上述计算机存储介质和终端设备基于上述PCBA板的图像拼接方法而创造，其技术作用和有益效果在此不再赘述，以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。

Claims (9)

1.一种PCBA板的图像拼接方法，其特征在于，包括：

采集PCBA板的若干局部图像，其中任意一张局部图像，至少与另外一张图像具备重叠区域；

提取每张局部图像的特征点，并根据特征点信息，确定每张局部图像的电路参数；

根据每张局部图像的电路参数，确定各局部图像的特征值，根据各局部图像的特征值，确定各局部图像包含的特征点的配对优先级；电路参数，包括：器件类型、器件数量、各器件之间的连接关系、各器件之间的位置关系的任意一个或多个参数；

按照优先级对各特征点，进行同名点配对；

根据同名点配对结果，构建各局部图像的关联关系，对各局部图像进行拼接，得到拼接后的PCB板全景图像；

确定每张局部图像的电路参数的步骤，包括：

提取每张局部图像的特征点，并对特征点进行聚类，划定每张局部图像的器件区域；

根据各器件区域的特征点，拟合每个器件区域的边缘轮廓，以确定每个器件区域表征的器件类型及其连接关系；

根据器件类型求取每个边缘轮廓的关键点，根据各关键点位置，确定相连器件的位置关系。

2.根据权利要求1所述的PCBA板的图像拼接方法，其特征在于，确定各特征点的配对优先级的步骤，包括：

将每张局部图像，划分为若干待比对区域；

根据各待比对区域的电路参数，构建待比对区域组，并确定各待比对区域组的特征值；

根据构建的待比对区域组，确定仅对各待比对区域组包含的特征点进行配对；并根据各待比对区域组的特征值，确定各待比对区域组包含的特征点的配对优先级。

3.根据权利要求2所述的PCBA板的图像拼接方法，其特征在于，构建待比对区域组的步骤，具体为：

根据待比对区域内包含的器件类型，将不同局部图像中包括相同器件类型的待比对区域，构建为一组待比对区域组。

4.根据权利要求3所述的PCBA板的图像拼接方法，其特征在于，确定各待比对区域组的特征值的步骤，具体为：

以器件类型的基础信息为第一梯度，依权重确定各待比对区域的第一特征系数；

以各器件之间的连接关系和位置关系为第二梯度，依权重确定各待比对区域的第二特征系数；

根据每个待比对区域的第一特征系数和第二特征系数，确定各待比对区域组的特征值。

5.根据权利要求4所述的PCBA板的图像拼接方法，其特征在于，确定各待比对区域组的特征值的步骤，具体为：

T=k1×T1+k2×T2；

其中，T1、T2分别表示第一特征系数和第二特征系数；k1、k2分别表示第一特征系数T1和第二特征系数T2的第一权重系数和第二权重系数；T表示特征值。

6.根据权利要求1所述的PCBA板的图像拼接方法，其特征在于，提取每张局部图像的特征点之前，还包括：

通过自适应区域划分算法划定每张局部图像的特征点检测区域；后面仅提取每张局部图像中特征点检测区域的特征点。

7.根据权利要求1-6任意一项所述的PCBA板的图像拼接方法，其特征在于，对各局部图像进行拼接的步骤，包括：

根据同名点配对结果，将配对成功的位置定位为各局部图像的重叠区域，并进行仿射变换以生成单应性矩阵，将对应的局部图像进行配准，以在同一坐标系下对齐；

通过同名点配对结果，计算局部图像之间的变换关系；根据变换关系，对局部图像进行校正后拼接；

对拼接边缘进行融合处理，得到融合后的拼接图像。

8.一种计算机可读存储介质，其特征在于，其上存储有用于执行权利要求1-7任意一项所述的PCBA板的图像拼接方法。

9.一种终端设备，其特征在于，包括存储器和处理器；所述存储器存储有可被处理器执行的程序代码；所述程序代码用于执行权利要求1-7任意一项所述的PCBA板的图像拼接方法。