數(shù)字圖像處理在自動切紙機(jī)質(zhì)量分析中的應(yīng)用

摘 要：簡要介紹一種針對自動切紙機(jī)質(zhì)量分析過程中生成圖像的圖像處理算法，分析了切痕圖像特點，提出一般處理算法，并開發(fā)了獨有的去噪處理算法，根據(jù)處理結(jié)果判別切紙質(zhì)量，說明了數(shù)字圖像在自動切紙機(jī)質(zhì)量分析中的應(yīng)用的可用性。

關(guān)鍵詞：數(shù)字圖像處理 自動切紙機(jī)質(zhì)量分析 算法開發(fā)

中圖分類號：TP391 文獻(xiàn)標(biāo)識碼：A 文章編號：1672-3791（2013）04（a）-0004-02

切紙機(jī)是一種應(yīng)用廣泛的印刷機(jī)械、包裝機(jī)械，在印刷后期的紙張裁切中必不可少。隨著整個國家經(jīng)濟(jì)的發(fā)展，印刷、包裝行業(yè)的重要性日益突出，印刷廠、圖文店也日益增多，全自動切紙機(jī)的應(yīng)用也越來越廣泛，而自動切紙機(jī)質(zhì)量分析對于自動切紙機(jī)的發(fā)展有至關(guān)重要的作用。因此，自動切紙機(jī)質(zhì)量分析技術(shù)也越來越受到人們的重視。

隨著計算機(jī)和數(shù)學(xué)學(xué)科的發(fā)展，數(shù)字圖像處理在農(nóng)牧業(yè)、林業(yè)、環(huán)境、軍事、工業(yè)和醫(yī)學(xué)等方面的應(yīng)用需求日益增長。將數(shù)字圖像處理技術(shù)用在自動切紙機(jī)質(zhì)量分析技術(shù)上可以大大增加自動切紙機(jī)的切割質(zhì)量，進(jìn)一步提高了切紙機(jī)的自動化水平。通過對圖像進(jìn)行二值化，濾波，去噪等處理來提取劃痕特征可以很好的檢測切紙質(zhì)量。

1 數(shù)字圖像處理基礎(chǔ)

數(shù)字圖像處理是通過計算機(jī)對圖像進(jìn)行去除噪聲、增強(qiáng)、復(fù)原、分割、提取特征等處理，以提高圖像質(zhì)量或達(dá)到人們要求的預(yù)期結(jié)果。數(shù)字圖像處理將圖像信號轉(zhuǎn)換成數(shù)字信號并利用計算機(jī)對其進(jìn)行處理的過程，可以有效地分析圖像特征。

1.1 頂帽變換

對于亮度不均勻的圖片做閾值處理很困難，難以將圖片特征安全提取出來。開運(yùn)算可用于補(bǔ)償不均勻的背景亮度，只要使用結(jié)構(gòu)元素大到不能完全匹配圖像前景特征以產(chǎn)生對整個圖像背景的合理估計。再在原圖像的基礎(chǔ)上減去經(jīng)開運(yùn)算后的圖像，就能得到一幅背景均勻的圖像。直接使用IPT函數(shù)imtophat可以實現(xiàn)此操作。

g=imtophat（f，NHOOD）

其中NHOOD是一個值為0和1的數(shù)組，用于指定結(jié)構(gòu)元素的大小和形狀。

1.2 去噪算法

二值化后的圖像有較多的噪聲點，會大大影響紙片質(zhì)量分析的結(jié)果。根據(jù)多幅圖像處理結(jié)果，圖像提取目標(biāo)為較窄的線條狀，但噪聲點多為面積較大的島狀，難以找到合適的結(jié)構(gòu)元素以過濾噪聲。經(jīng)過觀察多幅圖像發(fā)現(xiàn)，噪聲點寬度大多大于18小于20個像素，20個像素之后像素值為0，而連續(xù)的直線向左20個像素之后的像素值為1。根據(jù)噪聲向左不連續(xù)的特點，書寫程序流程圖，如圖1，并開發(fā)算法。

去噪算法如下所示：

1、input（f）

1、r←M

2、c←N △分別將輸入圖像的高和寬賦值給r和c

2、 g←f

3、 for i←1：r

1、for j←1：c △逐行讀取每一個元素

If f（i，j）==1 then

1、for k←18：20 △當(dāng)檢測到像素值為1的點時，再檢測此點之后的第18-20個像素的像素值。

If f（i，min（j+k，c））==0 then△像素值為0則代表此像素點是島狀噪聲點

1、for t←0：k

1、g（i，min（j+t，c））=0 △將島狀噪聲點賦值為0。

2 圖像處理過程

經(jīng)過反復(fù)試驗總結(jié)，經(jīng)過以下幾個步驟可以處理自動切紙機(jī)的切痕圖片，提取切痕特征進(jìn)行質(zhì)量分析。圖2為整個處理過程的程序流程圖。

以下通過處理一幅切割完整和一幅切割不完全的圖像來說明圖像處理過程。如圖3所示為圖像處理原圖像，即自動切紙機(jī)的切痕圖像。圖3-a為一幅切割較為完整的圖像，圖3-b存在切割缺陷的圖像。

2.1 圖像預(yù)處理

首先將圖3使用imadjust變換成負(fù)片圖像。從圖3可以看出，由于圖片拍攝中光照不均勻，造成右下部的圖片背景比左半部分黑，會對閾值處理帶來較大的干擾。采用使用頂帽變換來補(bǔ)償不均勻的背景亮度，可以得到很好的處理效果。根據(jù)圖像實際情況，選擇半徑為10的圓形結(jié)構(gòu)元素完全大于前景切痕，在開運(yùn)算時除去前景元素，原圖像減去不均勻的背景圖像后就可以得到背景均勻的圖像。

1、se←strel（'disk'，10）；

2、g1←imtophat（g，se）；

3、figure，imshow（g1）

可以明顯地看到頂帽變換完全去除了不均勻的背景，初步將切痕提取出來，但劃痕顏色較淺且不夠清晰，存在毛刺和細(xì)小的斷口。接下來將使用值為2的方形結(jié)構(gòu)元素對形成圖像進(jìn)行開閉濾波，平滑提取圖像的劃痕，再使用膨脹加強(qiáng)圖像劃痕，膨脹后的圖像閾值處理的效果會更好。

經(jīng)過以上變換，劃痕已經(jīng)初步提取出來，但顏色較淺。圖像二值化能反映圖像整體和局部特征，有利于圖像的進(jìn)一步處理，使圖像變得簡單，而且數(shù)據(jù)量減小，能凸顯出感興趣的目標(biāo)的輪廓，同時也是霍夫變換的預(yù)處理步驟。對膨脹后圖像進(jìn)行二值化，會明顯地突出切痕。圖4為二值化后的圖像。

從圖4中可以看出，二值化后紙片的劃痕雖已經(jīng)較為明顯，但噪聲雜點同時也被顯現(xiàn)出來，不利于后續(xù)處理，影響霍夫變換的使用，而且會對切割質(zhì)量的判斷造成影響。圖像提取目標(biāo)為線條狀，噪聲點多為面積較大的島狀，單一采用開閉交替濾波，難以找到合適大小的模板。因此采用單獨開發(fā)去噪算法，去除圖5中的噪聲點。圖5為去噪后的圖像。

2.2 霍夫變換線檢測和鏈接

由于圖片拍攝時放置不平整或者光照的原因造成線段中間會有斷裂，且經(jīng)過去噪處理以后，有部分較細(xì)線段被去除?；舴蜃儞Q可以識別出黑白圖像中的幾何圖形，houghpeaks和houghlines可以進(jìn)行線段連接。經(jīng)過多次試驗，只要合理的選擇霍夫變換參數(shù)就能得到線檢測和鏈接很好的效果。

[H，theta，rho]=hough（g12）；

imshow（H，[]，'XData'，theta，'YData'，rho，.InitialMagnification'，'fit'）；

xlabel（'＼theta'）， ylabel（'＼rho'）；

axis on， axis normal， hold on；

P= houghpeaks（H，10，'threshold'，ceil（0.3*max（H（：））））；

plot（theta（P（：，2）），rho（P（：，1）），'s'，'color'，'white'）；

lines = houghlines（g12，theta，rho，P，'FillGap'，50，'MinLength'，15）

figure，imshow（g12），hold on

for k=1：length（lines）

xy=[lines（k）.point1；lines（k）.point2]；

plot（xy（：，1），xy（：，2），'Linewidth'，2，'color'，'green'）；

end

圖6為霍夫變換線檢測和連接后的結(jié)果。

3 結(jié)語

整個處理過程目的是提取出質(zhì)量分析所需要的紙片切痕。以頂帽變換均勻背景為基礎(chǔ)，加上專門開發(fā)的去噪算法，最后使用霍夫變換做線鏈接，從圖6可以看出，得到了較好的處理結(jié)果。不僅提取出了切痕，沒有噪聲點，而且線鏈接之后的切痕平滑沒有斷裂。圖6-a中圖像中的劃痕完整且清晰，說明了切紙機(jī)的切割質(zhì)量合格。而圖6-b中可以明顯的看出有一段明顯地沒有切痕，說明了這個位置存在切割缺陷。經(jīng)過實踐證明，此算法能很好地處理自動切紙機(jī)的切痕圖像，檢測切割缺陷。數(shù)字圖像像處理必然會在自動化切紙機(jī)質(zhì)量分析領(lǐng)域引起廣泛的關(guān)注，大大提高自動切紙機(jī)的處理能力。

參考文獻(xiàn)

[1]岡薩雷斯.數(shù)字圖像處理[M].3版.北京：電子工業(yè)出版社，2011.

[2]岡薩雷斯.數(shù)字圖像處理（MATLAB版）.北京：電子工業(yè)出版社，2005.