1.一种高精度PCB板芯片引脚中心定位方法，其特征在于：包括以下步骤：S1：采集PCB板图像，提取PCB板芯片区域的图像；

S2：对PCB板芯片区域图像进行canny边缘检测；

S3：利用深度优先算法搜索所有连通的弱边缘，得到芯片区域二值化引脚图像；

S4：采用加权质心法对二值化引脚图像进行中心定位；

S5：采用高斯拟合法对二值化引脚图像进行曲面拟合算法运算；

S6：对标准差进行均方根值的运算，得出改进的中心定位算法，并记录中心坐标。

2.如权利要求1所述的高精度PCB板芯片引脚中心定位方法，其特征在于：所述步骤S1具体包括：通过工控机图像采集系统采集PCB板图像，选取PCB板芯片区域图像的对角位置，将其对角位置的坐标值作为后续处理的固定坐标点，提取PCB板芯片区域的图像。

3.如权利要求2所述的高精度PCB板芯片引脚中心定位方法，其特征在于：所述步骤S2具体包括：S2.1：高斯模糊：

为去除噪声，采用5×5高斯滤波器与图像进行卷积，以平滑图像，减少边缘检测器上明显的噪声影响，计算公式如下：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，使不同的权重之和为一；

S2.2：计算梯度幅值与方向：

平滑后的图像中每个像素点的梯度可以由Sobel算子来获得，从而确定像素点的梯度G和方向 计算公式如下：其中，Gx为水平方向的梯度，Gy为垂直方向的梯度；

S2.3：非极大值抑制：

对图像进行梯度计算后，为了将梯度值提取的边缘图像变得清晰，采用非极大值抑制算法，搜索图像局部极大值，抑制非极大值元素；

S2.4：双阈值检测：

为解决噪声和颜色变化引起的一些边缘像素，必须用弱梯度值过滤边缘像素，并保留具有高梯度值的边缘像素，可以通过选择高低阈值来实现，函数表达式如下：其中，T1为像素最低阈值，T2为像素最高阈值；

S2.5：滞后边界跟踪：

检查一个弱边缘点的8连通领域像素，只要有强边缘点存在，则这个弱边缘点由真实边缘保留下来。

4.如权利要求3所述的高精度PCB板芯片引脚中心定位方法，其特征在于：所述步骤S3具体包括：通过深度优先算法搜索所有连通的弱边缘，如果一条连通的弱边缘的任何一个点和强边缘点连通，则保留这条弱边缘，否则抑制这条弱边缘；整个图像找完后，将非边缘点剔除，即灰度值置0。

5.如权利要求4所述的高精度PCB板芯片引脚中心定位方法，其特征在于：在所述步骤S3中，所述深度优先算法具体步骤如下：①准备一个栈s，一个队列q，设连通指示变量connected为假，从图像的第一个点开始，进入②；

②如果这个点是弱边界点并且没有被标记，把它标记，并把它作为第一个元素放入栈s中，同时把它放入记录连通曲线的队列q，进入③；如果这个点不是弱边界或者已经被标记过，到图像的下一个点，重复②；

③从栈s中取出一个元素，查找它的8像素领域，如果一个领域像素是弱边界并且没有被标记过，把这个领域像素标记，并加入栈s中，同时加入队列q；同时查找领域对应的强边界图，如果有一个像素是强边界，表示这条弱边界曲线和强边界连通，设置connected为真；

重复③直到栈中没有元素了；如果connected为假，则依次从队列q中取出每个元素，清空标记；如果connected为真，保留标记；

④清空队列q，设置connected为假，移动到图像的下一个点，到②。

6.如权利要求4所述的高精度PCB板芯片引脚中心定位方法，其特征在于：所述步骤S4具体包括：使用加权质心法对二值化引脚图像进行中心定位，得出中心坐标，对于一个封闭的图形，根据微积分理论，其中心坐标计算公式如下：其中，(xi,yi)为二值化引脚图像第i行，第j列的坐标，目标像点包含在一个矩形计算窗口内，窗口左上角像元坐标为(i1,y1)，右下角像元坐标为(i2,y2)，(x0,y0)为质心坐标估计值，I(xi,yi)为(xi,yi)处像元的灰度值。

7.如权利要求5所述的高精度PCB板芯片引脚中心定位方法，其特征在于：所述步骤S5具体包括：利用高斯拟合法对二值化引脚图像进行曲面拟合算法运算，计算出中心坐标，在噪声情况不是十分严重的情况下，图像从中心向各个区域边缘方向的像素灰度值服从二维高斯分布函数；

所述高斯曲面拟合法由以下计算公式可求出：

在x方向上的一维高斯曲线方程可以表示为：

对两边同时取对数可得：

对x方向上的像素点进行最小二乘拟合，可得此截面横坐标的中心位置，如下：其中，xi、yi分别是引脚在行方向和列方向上的位置，u1、u2分别为引脚中心实际横坐标和纵坐标位置，σx、σy分别是高斯函数在图像的行方向和列方向上的标准差，k是高斯函数的灰度幅值，x0为高斯曲面拟合法求得的横坐标。

8.如权利要求6所述的高精度PCB板芯片引脚中心定位方法，其特征在于：所述步骤S6具体包括：对加权质心法与高斯曲面拟合法计算出的标准差进行均方根值的运算，得出改进的中心定位算法，并记录最终的中心坐标位置，与原来的数据进行对比；均方根是将N个项的平方进行求和，然后再除以N后开方得到的结果，公式如下：其中，N为需要进行计算的样本总数，xrms为样本的均方根值。