SLEE算法與Hough圓擬合在香煙小包拉線錯牙檢測中的研究

楊 恕,鄭云富,吳明毅,張桂蓮,錢 斌

(1.曲靖卷煙廠 制造二部，云南 曲靖 655000； 2.昆明理工大學(xué) 信息工程與自動化學(xué)院，昆明 650500)

?

SLEE算法與Hough圓擬合在香煙小包拉線錯牙檢測中的研究

楊 恕1,鄭云富1,吳明毅1,張桂蓮2,錢 斌2

(1.曲靖卷煙廠 制造二部，云南 曲靖 655000； 2.昆明理工大學(xué) 信息工程與自動化學(xué)院，昆明 650500)

針對香煙生產(chǎn)中廣泛存在的小包拉線錯牙問題，提出一種基于圖形識別的檢測方法；利用圖像校正、平滑濾波、迭代閾值分割、邊緣提取對拉線圖像進行預(yù)處理，再采用隨機霍夫變換(RHT)對兩個拉線U型切口進行圓擬合，進而根據(jù)兩個圓心在垂直方向上的距離計算出拉線錯牙偏移量；針對Sobel、Canny等獲取的邊緣存在較多冗余信息問題，提出了一種掃描線邊緣提取(SLEE)算法；實驗結(jié)果表明所提方法能有效地檢測出煙包拉線的錯牙程度，誤差小于0.3 mm且具有較好的魯棒性。

拉線錯牙；圖形識別；掃描線邊緣提取；隨機霍夫變換

0 引言

煙草行業(yè)非常重視香煙的包裝品質(zhì)，將其作為考核生產(chǎn)車間質(zhì)量管理水平的重要依據(jù)。在香煙小包包裝過程中，經(jīng)常出現(xiàn)外包裝上沒有拉線或拉線錯牙的現(xiàn)象。這類現(xiàn)象在香煙包裝質(zhì)量問題上占有一定的比例。由于卷包生產(chǎn)線速度較快，同時拉線錯牙存在一定的隱蔽性，人工無法準(zhǔn)確判斷快速移動的香煙小包是否存在拉線錯牙的問題。目前各煙廠基本靠巡檢或抽檢，但這種檢測方式具有較大滯后性和隨機性，當(dāng)發(fā)現(xiàn)不合格產(chǎn)品時生產(chǎn)早已進入后續(xù)工序，不利于質(zhì)量追溯和責(zé)任認(rèn)定，嚴(yán)重影響了車間的生產(chǎn)和質(zhì)量管理。同時，不合格產(chǎn)品會減少用戶的滿意度，也會降低品牌價值和產(chǎn)品信譽。因此，在卷包生產(chǎn)線上進行香煙小包包裝質(zhì)量檢測，對優(yōu)化煙草產(chǎn)品包裝質(zhì)量和提高企業(yè)競爭力具有重要意義。

傳統(tǒng)的香煙包裝質(zhì)量是利用光纖傳感器或位移傳感器進行檢測[1]，但只能檢測煙包的特定部位，且無法有效地檢測出煙包拉線有無或錯牙等現(xiàn)象。近年來，基于圖像的檢測方法因其處理精度高、速度快等優(yōu)點[2]，已在云南、河南、貴州和廣東部分煙廠的香煙條包和小包包裝質(zhì)量檢測系統(tǒng)中得到成功應(yīng)用。汪洋[1]提出了一種基于機器視覺的香煙小包外包裝膜破損檢測方法。曾文艷[3]采用快速圖像匹配方法檢測香煙小包外觀質(zhì)量。王珍[4]針對香煙條包拉線為黃色或白色的Cocopalm、金許昌等香煙品牌，采用直線擬合的方法檢測香煙條包有無錯牙，但對拉線為透明或半透明的其他品牌香煙條包的檢測效果不理想。

目前尚無關(guān)于香煙小包拉線錯牙檢測方法的研究，針對云南省曲靖卷煙廠香煙小包拉線錯牙實時檢測的要求，本文提出一種基于圖形識別技術(shù)的拉線錯牙檢測方法。針對Sobel、Canny等獲取的邊緣存在較多冗余信息問題，提出了一種掃描線邊緣提取(SLEE)算法，明顯減少了圖像中的目標(biāo)像素量且弱化了圖像邊緣凹凸的情況，極大地減少Hough圓擬合的時間，增加檢測的精度。

1 檢測原理與流程

1.1 煙包拉線錯牙檢測原理

基于圖像處理的煙包拉線錯牙檢測，關(guān)鍵在于拉線邊緣的提取和識別。通過對香煙小包拉線區(qū)域進行不同角度的打光和拍照測試發(fā)現(xiàn)拉線弧的邊界最為清晰，故可對其進行圓擬合和識別，進而根據(jù)圓心在垂直方向(y軸方向)上的距離來計算拉線錯牙偏移量。

圖1為一幅煙包拉線圖像，其尺寸為width(pixel)×height(pixel)，單位像素所占的實際尺寸為R(mm/pixel)。圓O1、O2是拉線弧1和拉線弧2分別基于隨機霍夫變換擬合而成的圓，圓心坐標(biāo)分別為(X1,Y1)，(X2,Y2)。設(shè)Dist為拉線錯牙的偏移量，計算如公式(1)：

(1)

圖1 拉線錯牙檢測原理圖

1.2 煙包拉線錯牙檢測流程

煙包拉線錯牙檢測系統(tǒng)原理圖如圖2所示。

圖2 系統(tǒng)原理圖

使用定制的光源為煙包打光，通過外觸發(fā)信號來控制工業(yè)相機采集圖像。相機通過與計算機的接口和接口設(shè)備程序?qū)D像傳入計算機內(nèi)存中。利用開發(fā)的軟件檢測煙包拉線有無錯牙，執(zhí)行機構(gòu)將不合格煙包從生產(chǎn)線上剔除。

表1 煙包拉線錯牙檢測流程

2 圖像預(yù)處理

2.1 圖像校正

在圖像采集過程中，小包香煙是在機器振動下由機械拉桿不斷推送到轉(zhuǎn)盤上，采集到的圖像會出現(xiàn)一定程度幾何變形，即香煙小包在圖像中未處于水平位置，而是旋轉(zhuǎn)了一定的角度。為了消除這一影響，需對采集的圖像進行幾何矯正，確保拉線偏移量Dist的準(zhǔn)確性。

采用雙線性插值法校正圖像，將待求像素點的灰度值取為與它相鄰的4個點的灰度值在行和列兩個方向上的線性內(nèi)插[11]。如圖3，即根據(jù)與點(x,y)相鄰的4個點的灰度值，通過兩次插值計算出點(x,y)的灰度值p(x,y)。

圖3 雙線性插值算法示意圖

2.2 圖像平滑

由于光、灰塵等車間環(huán)境的影響，采集到的圖像會有噪聲，噪聲不僅會影響圖像的質(zhì)量還會降低檢測結(jié)果的精確度。中值濾波是一種非線性的信號處理方法，可以克服線性濾波器處理圖像細節(jié)模糊的問題[5]，不僅能去除孤點噪聲，而且可以保持圖像的邊緣特性，不會使圖像產(chǎn)生顯著的模糊。

中值濾波將周圍的像素灰度值的差比較大的像素改為選取與周圍的像素值接近的值，從而消除孤立噪聲點。圖4顯示的是使用中值濾波器平滑后的圖像，從圖中可以看出，圖像的邊緣信息被保留下來，獲得較滿意的濾波效果。

圖4 中值濾波器平滑處理后的圖像

2.3 二值化

選擇固定閾值T將源圖像從灰階轉(zhuǎn)換為二值化圖像，如下式所示：

(2)

迭代法分割圖像可以更準(zhǔn)確地找到閾值并獲得較理想的圖像分割效果。迭代法[6-8]的基本思想是：選擇一個閾值作為初始估計值，然后按照某種策略通過迭代不斷改變這一估計值，直到滿足給定的準(zhǔn)則為止。采用迭代法分割圖像的結(jié)果如圖5所示。

圖5 對濾波圖像進行閾值分割的結(jié)果

2.4 掃描線邊緣提取

圖像的邊緣是所要提取目標(biāo)和背景的分界線，提取出邊緣才能將目標(biāo)和背景區(qū)分開來。通過對不同邊緣檢測算法的實驗結(jié)果進行分析，如圖6所示，Sobel、Canny等邊緣檢測算法獲得的拉線弧1和拉線弧2的邊緣清晰、完整，但邊緣凹凸不平且內(nèi)外邊緣之間有較多冗余邊緣，將會影響檢測的精度和圓擬合的計算量。

圖6 使用Canny算子提取的圖像邊緣

無論是經(jīng)典的Hough圓檢測還是其改進算法如基于梯度的Hough變換、隨機Hough等都是對目標(biāo)像素進行逐一映射，目標(biāo)像素越多，計算量越大。因此如果能用盡量少的邊緣信息代替整個圖像信息，又能保留圖像中待檢測的圓弧的大致形狀，將大幅度減少計算量，提高擬合速度。本文基于小盒煙包拉線圖像的特點，提出一種掃描線邊緣提取算法，原理如下：

1) 設(shè)置一條高度為H的掃描線，從左至右掃描圖像。當(dāng)掃描線位于x(0≤x

2) 生成新的目標(biāo)像素NewTarget，其X方向坐標(biāo)為x，Y方向坐標(biāo)為NewY=YAddition/YTargetNumber。重新生成一幅相同大小的黑色圖像f，將f上像素點(x，NewY)置為白色，依次遍歷整個圖像。水平掃描線邊緣提取后的圖像如圖7所示。

圖7 水平方向掃描后的圖像

3) 設(shè)置一條寬度為W的掃描線，從上至下掃描圖像。當(dāng)掃描線位于Y(0≤y

4) 生成新的目標(biāo)像素NewTarget，其X方向坐標(biāo)為NewX=XAddition/XTargetNumber，Y方向坐標(biāo)為y，將f上像素點(NewX，y)置為白色。依次遍歷整個圖像。垂直掃描線邊緣提取后的圖像如圖8所示。經(jīng)過掃描線法提取邊緣明顯減少且重要輪廓保持清晰。

圖8 垂直方向掃描后的圖像

分別對十幅圖像進行二值化、Canny邊緣檢測和掃描線邊緣提取，處理后的圖像中目標(biāo)像素(即白色像素)的個數(shù)如表2 所示。由表2可知，掃描線邊緣提取明顯減少圖像中的目標(biāo)像素量且弱化了圖像邊緣凹凸的情況，將極大地減少Hough檢測的時間，增加檢測的精度。

表2 3種方法的比較

3 RHT對拉線U型切口的識別和圓擬合

要判斷煙包拉線有無錯牙，最關(guān)鍵的是要檢測出拉線弧1、拉線弧2的位置及其擬合圓的圓心坐標(biāo)。霍夫變換是應(yīng)霍夫變換是應(yīng)用很廣泛的識別幾何形狀的方法，主要用來從圖像中分離出直線，圓等，與其它方法相比其抗干擾能力較強[9]。

設(shè)圓的方程為(x-a)2+(y-b)2=r2，與Hough直線變換一樣，經(jīng)典的Hough圓變換也是將直角坐標(biāo)系中的點投影到三維空間(a,b,r)中，但是直接用參數(shù)空間投票的方法計算復(fù)雜，資源需求大，處理時間長[10]，而采用 RHT可以極大地降低計算的復(fù)雜度并減少處理時間。

RHT的原理圖如圖9所示，隨機取3個點，利用A、B、C點的坐標(biāo)值求出AB和BC兩線段的中點坐標(biāo)值(x1,y1)，(x2,y2)即：

(3)

(4)

(5)

(6)

圖9 三點共圓示意圖

求出通過這兩點的法線方程為：

(7)

(8)

由式(7)、(8)可得到兩直線的交點，在與圖像映像的二維累加器中對該交點對應(yīng)的單元進行增值操作[10-12]。在對兩條直線均完成此操作后，遍歷累加器中所有存儲單元的累加值，最大者即為圓心坐標(biāo)(x0,y0)。各點到圓心坐標(biāo)距離的均值為半徑r，即：

(9)

圖10和11中白線為擬合出的圓，其中圖10是Canny邊緣提取后圓擬合的效果圖，可見白色圓弧和拉線切口邊界重合度有偏差，擬合效果不理想；而圖11是掃描線邊緣提取后圓擬合的效果，圖中白色圓弧和拉線切口重合度較高，擬合效果較好。

圖10 基于RHT的拉線U型切口的識別和圓擬合(Canny邊緣檢測)

圖11 基于RHT的拉線U型切口的識別和圓擬合(掃描線邊緣提取)

4 實驗結(jié)果與分析

隨機購買5種品牌香煙各10包，基于所提方法和實際檢測方法(螺旋測微儀測量長度)對每包香煙拉線錯牙偏移量進行測量，結(jié)果見表3，表4，表5，表6和表7。由表3-7可知，本文方法的結(jié)果與實際檢測值之間的誤差基本都在0.2 mm之內(nèi)(除表3中的NO.7)，表明使用該方法檢測煙包拉線錯牙具有較高的精度。

表3 硬盒云煙小包錯牙檢測結(jié)果 (單位：mm)

表5 硬盒紅河小包錯牙檢測結(jié)果 (單位：mm)

表4 軟盒云煙小包錯牙檢測結(jié)果 (單位：mm)

表6 軟盒玉溪小包錯牙檢測結(jié)果 (單位：mm)

表7 硬盒中華小包錯牙檢測結(jié)果 (單位：mm)

5 結(jié)語

本文針對香煙生產(chǎn)過程中廣泛存在的香煙小包拉線錯牙問題，提出一種基于圖形識別技術(shù)的拉線錯牙檢測方法，測試結(jié)果驗證了所提方法的有效性和魯棒性。提出的掃描線邊緣提取(SLEE)算法，明顯減少圖像中的目標(biāo)像素量，極大地減少Hough圓擬合的時間，提高了檢測速度。該方法已在所研制的基于機器視覺的小盒香煙拉線錯牙智能檢測系統(tǒng)中得到應(yīng)用。

[1] 汪 洋. 基于機器視覺的香煙外包裝膜在線檢測技術(shù)研究[D]. 武漢: 華中科技大學(xué), 2006.

[2] 周 品, 李曉東. MATLAB數(shù)字圖像處理[M]. 北京: 清華大學(xué)出版社, 2012.

[3] 曾文艷, 王亞剛. 基于機器視覺的香煙小包裝外觀質(zhì)量檢測系統(tǒng)[J]. 哈爾濱: 信息技術(shù), 2014(1):46-49.

[4] 王 珍. 基于機器視覺的香煙條包檢測系統(tǒng)的研究[D]. 南京: 南京航空航天大學(xué), 2008.

[5] 王曉凱, 李 峰. 改進的自適應(yīng)中值濾波[J]. 北京:計算機工程與應(yīng)用, 2010(3): 175-176.

[6] Hirata, Nina S. T, Dougherty, Edward R. Iterative design of morphological binary image operators[J]. Optical Engineering, Bellingham，2000(12): 3106-3123.

[7] 趙春江. C#數(shù)字圖像處理算法典型實例[M]. 北京: 人民郵電出版社, 2009.

[8] 賈永紅. 數(shù)字圖像處理[M]. 武漢: 武漢大學(xué)出版社，2010.

[9] 段汝嬌，趙 偉，黃松嶺. 一種基于改進Hough變換的直線快速檢測算法[J]. 儀器儀表學(xué)報, 2010(12): 2774-2780.

[10] 周勇亮, 金 燕, 何 萍,等. 隨機Hough變換圓檢測累計加速算法[J].計算機輔助設(shè)計與圖形學(xué)學(xué)報, 2014(4): 574-580.

[11] 章毓晉. 圖像處理和分析[M]. 北京: 清華大學(xué)出版社, 1999.

[12] Carsten Steger, Markus Ulrich, Christian Wiedemann. Machine Vision Algorthms and Applications[M]. 楊少榮，等譯.北京: 清華大學(xué)出版社, 2008.

Research on SlEE Algorithm and Hough Circle Fitting for Cigarete Bracing Wires Dislocation Detection

Yang Shu1, Zheng Yunfu1, Wu Mingyi1, Zhang Guilian2, Qian Bin2

(1.Manufacture Department Two, Qujing Cigarette Factory, Qujing 655000,China; 2.Faculty of Information Engineering and Automation, Kunming University of Science and Technology, Kunming 650500,China)

A detection method based on shape recognition is proposed for dealing with the cigarette bracing wires dislocation problem, which widely exits in cigarette production. Firstly, image correction, smoothing filtering, iterative threshold segmentation and edge extraction are utilized to preprocess the image of cigarette bracing wires. Secondly, the random Hough transform is used to recognize two U-type incisions of bracing wires and fit a circle to each one, then the distance of two circle centers in the vertical direction is obtained as the offset of bracing wires. A scanning line edge extraction(SLEE) algorithm is put forward for the issue that the edge has more redundant information acquired by Sobel and Canny. Experimental results show that the proposed method can detect the extent of the packaged cigarette bracing wires dislocation effectively, the errors are less than 0.3mm and has a better robustness.

shape recognition; bracing wire dislocation; SLEE; RHT

2015-09-11；

2015-11-04。

楊 恕(1970-),男，云南曲靖人，高級工程師，主要從事工業(yè)過程控制、質(zhì)量統(tǒng)計分析方向的研究。

1671-4598(2016)03-0025-04

10.16526/j.cnki.11-4762/tp.2016.03.008

TP3

A