基于機(jī)器視覺(jué)的藥片表面字符檢測(cè)的研究*

華鑫炎，周凱汀，鄭力新

(1.華僑大學(xué) 信息科學(xué)與工程學(xué)院，福建 廈門(mén) 361021；2.華僑大學(xué) 工學(xué)院，福建 泉州 362021)

?

基于機(jī)器視覺(jué)的藥片表面字符檢測(cè)的研究*

華鑫炎1，周凱汀1，鄭力新2

(1.華僑大學(xué) 信息科學(xué)與工程學(xué)院，福建 廈門(mén) 361021；2.華僑大學(xué) 工學(xué)院，福建 泉州 362021)

針對(duì)目前藥片表面字符缺陷檢測(cè)難的情況，提出了一種字符缺陷檢測(cè)算法。該算法根據(jù)字符的灰度值特性對(duì)Gamma映射函數(shù)進(jìn)行了改進(jìn)，結(jié)合γ=0.8和γ=1.2兩種曲線(xiàn)特征，較好地分離出了藥片表面字符的特征。同時(shí)，根據(jù)字符的幾何特征，可以準(zhǔn)確識(shí)別出字符存在的缺陷。實(shí)驗(yàn)結(jié)果表明，該算法具備較好的檢測(cè)效果，檢測(cè)準(zhǔn)確率為92%。該算法在工業(yè)生產(chǎn)中具有一定的實(shí)用價(jià)值，可以降低藥片檢測(cè)的成本，提高檢測(cè)效率。

機(jī)器視覺(jué)；缺陷檢測(cè)；圖像掩膜；Gamma函數(shù)

0 引言

藥片的質(zhì)量是關(guān)系著醫(yī)療安全的極為重要的因素之一。為了提高藥片的生產(chǎn)質(zhì)量，必須對(duì)藥片生產(chǎn)過(guò)程中出現(xiàn)的諸如藥片表面劃傷、藥片破碎、污漬及表面字符缺損等不合格現(xiàn)象進(jìn)行嚴(yán)格監(jiān)管。早期通過(guò)人工的方法對(duì)整個(gè)生產(chǎn)過(guò)程進(jìn)行質(zhì)量監(jiān)控[1]，這樣的過(guò)程往往是低效率高成本的。隨著計(jì)算機(jī)處理能力、運(yùn)動(dòng)控制技術(shù)和圖像處理算法的發(fā)展，基于機(jī)器視覺(jué)的藥片質(zhì)量檢測(cè)系統(tǒng)應(yīng)運(yùn)而生[2]。字符是藥片的重要組成部分，它用于區(qū)分不同類(lèi)型的藥片，防止藥片被錯(cuò)誤的使用，引發(fā)嚴(yán)重的醫(yī)療事故。藥片在生產(chǎn)的過(guò)程中，由于刻字設(shè)備的磨損老化，或者由于藥片在傳送帶上傳輸?shù)倪^(guò)程中產(chǎn)生的摩擦碰撞，使藥片表面字符上出現(xiàn)一些劃痕。因此，設(shè)計(jì)一種高效的識(shí)別藥片表面字符的系統(tǒng)，提高藥片表面字符的可讀性及生產(chǎn)效率是有必要的。

1 藥片表面字符檢測(cè)系統(tǒng)方案

1.1 系統(tǒng)組成

該系統(tǒng)主要由CCD工業(yè)相機(jī)、鏡頭、環(huán)形LED光源、工控機(jī)、圖像采集卡及運(yùn)動(dòng)控制卡等部分組成，如圖1所示[3]。

圖1 基于機(jī)器視覺(jué)的藥片表面字符檢測(cè)系統(tǒng)結(jié)構(gòu)示意圖

1.2 系統(tǒng)工作原理

基于機(jī)器視覺(jué)的藥片表面字符檢測(cè)系統(tǒng)主要包括圖像采集單元、圖像處理單元和剔除不合格品的運(yùn)動(dòng)控制單元三個(gè)部分。其工作原理如下：當(dāng)流水線(xiàn)上的藥片進(jìn)入相機(jī)視野范圍時(shí)，處于連續(xù)拍攝狀態(tài)的CCD相機(jī)就會(huì)獲取待測(cè)藥片的圖像信息；然后相機(jī)通過(guò)基于FPGA的高速圖像采集卡把采集到的圖像信息傳送至基于工控機(jī)的圖像處理單元[4]，分析待測(cè)藥片是否存在缺陷及缺陷的類(lèi)型；最后圖像處理單元分析得到的藥片缺陷信息反饋給剔除不合格品的運(yùn)動(dòng)控制單元，對(duì)有缺陷的藥片進(jìn)行剔除操作，最終實(shí)現(xiàn)對(duì)藥片質(zhì)量的檢測(cè)與把控的目的。

2 圖像預(yù)處理

本系統(tǒng)采用短焦拍攝進(jìn)行藥片圖像的采集，雖然系統(tǒng)自身噪聲很小，可以清晰地獲取表面字符，但由于藥片的一些固有屬性，藥片表面會(huì)存在一些噪聲及斑點(diǎn)，這些信息將嚴(yán)重影響后期的圖像處理及特征提取，所以需要對(duì)獲取的圖像進(jìn)行預(yù)處理。

2.1 圖像映射

圖像預(yù)處理的本質(zhì)是將原始圖像的灰度級(jí)通過(guò)預(yù)處理函數(shù)映射到另一個(gè)可以凸顯圖像細(xì)節(jié)的灰度級(jí)上。假設(shè)原始圖像的灰度級(jí)范圍為[Rmin，Rmax]，則預(yù)處理后的圖像T(x)為：

常見(jiàn)的圖像預(yù)處理函數(shù)映射有：線(xiàn)性、對(duì)數(shù)、指數(shù)等。

2.2 字符圖像預(yù)處理

為了很好地得到圖像的字符特征，首先采用灰度值反轉(zhuǎn)(Reserve)的方法，對(duì)采集的原始圖像進(jìn)行灰度值反轉(zhuǎn)運(yùn)算，原始圖像見(jiàn)圖2(a),處理結(jié)果見(jiàn)圖2(b)。經(jīng)過(guò)反轉(zhuǎn)運(yùn)算后，圖像的背景變?yōu)榘咨?，藥片變?yōu)楹谏?，藥片表面的字符及噪聲點(diǎn)也變?yōu)榘咨?，字符邊緣則是黑色的，這樣就可以凸顯藥片字符特征。

經(jīng)過(guò)灰度值反轉(zhuǎn)運(yùn)算后的圖像，并沒(méi)有去除字符周?chē)脑肼朁c(diǎn)，因此采用灰度值增強(qiáng)(Power)對(duì)藥片圖像再次進(jìn)行灰度映射。不同增強(qiáng)函數(shù)的映射效果如圖3所示。通過(guò)比較不同倍數(shù)的灰度值增強(qiáng)效果，本系統(tǒng)最終選取1.8倍的灰度值增強(qiáng)函數(shù)。經(jīng)過(guò)灰度值增強(qiáng)后，圖像白色區(qū)域的對(duì)比度顯著增加，暗區(qū)域的對(duì)比度減少，字符的特征較為明顯，圖像上的噪聲點(diǎn)明顯減少。

圖2 藥片圖像預(yù)處理結(jié)果

圖3 不同增強(qiáng)函數(shù)的映射效果

2.3 圖像中字符區(qū)域的提取

采用圖像掩膜法(Image Mask)提取藥片的字符區(qū)域，并且調(diào)整了字符區(qū)域的位置和亮度，以凸顯圖像的字符特征，便于后期處理。

圖像掩膜運(yùn)算，即用選定的圖像對(duì)待分析的圖像進(jìn)行局部(或是全部)遮擋，以提取出感興趣區(qū)域。在圖像掩膜中的像素決定感興趣區(qū)域中對(duì)應(yīng)的像素是否要進(jìn)行處理。

圖像掩膜主要用于：提取出感興趣區(qū)域,感興趣區(qū)域內(nèi)圖像灰度值保持不變,而區(qū)域外圖像灰度值都為零。屏蔽作用即是用圖像掩膜對(duì)圖像上某些區(qū)域作屏蔽,使其不參與下一步的圖像處理。圖形結(jié)構(gòu)特征的提取,即用相似變量或模板匹配的方法檢測(cè)和提取出圖像中與掩膜相似的結(jié)構(gòu)特征。

設(shè)藥片圖像為f(x,y)，掩膜圖像為B(x,y)，掩膜處理后的圖像g(x,y)為：

g(x,y)=f(x,y)*B(x,y)

常見(jiàn)的掩膜形狀為矩形，掩膜的步驟如下：(1)求取藥片的中心位置坐標(biāo)；(2)設(shè)定掩膜的大小(長(zhǎng)度和寬度值)，求取掩膜模型；(3)根據(jù)掩膜模型，對(duì)藥片圖像進(jìn)行掩膜，獲取藥片的字符區(qū)域。

圖4 藥片字符的掩膜處理

掩膜后的處理效果見(jiàn)圖4。

3 字符特征的提取及檢測(cè)3.1 改進(jìn)的Gamma矯正

視覺(jué)系統(tǒng)對(duì)圖像的亮度感知大致呈對(duì)數(shù)關(guān)系[5]。為了克服這一非線(xiàn)性關(guān)系，引入Gamma映射函數(shù)對(duì)圖像灰度值進(jìn)行矯正，稱(chēng)為Gamma矯正[6]。Gamma函數(shù)為式(1)：

(1)

本系統(tǒng)采集的圖像的灰度值范圍為0～255。為了取得一定的線(xiàn)性關(guān)系，對(duì)字符區(qū)域灰度值進(jìn)行估計(jì)，對(duì)式(1)進(jìn)行改進(jìn)，改進(jìn)后如式(2)所示:

(2)

圖5 原始的Gamma矯正曲線(xiàn)

從式(2)可以看出，Gamma矯正實(shí)際執(zhí)行的是對(duì)灰度值的一種映射變換。為了更好地觀察Gamma矯正對(duì)圖像灰度值變化的影響，繪制其曲線(xiàn)圖，見(jiàn)圖5。結(jié)合式(1)分析，當(dāng)γ=1時(shí)，圖像的灰度值沒(méi)有發(fā)生改變；當(dāng)γ>1時(shí)，圖像中暗區(qū)域的灰度值將拓寬，亮區(qū)域的灰度值將收窄。結(jié)果是增加暗區(qū)域的對(duì)比度，減小亮區(qū)域的對(duì)比度；當(dāng)γ<1時(shí)，圖像中亮區(qū)域的對(duì)比度得到增加，暗區(qū)域的對(duì)比度減小。

從圖4可知，藥片總體為黑色，其表面字符為白色。如果在減小黑色區(qū)域的灰度值的同時(shí)，增加白色區(qū)域的灰度值，這樣字符的特征就會(huì)比較明顯地顯現(xiàn)出來(lái)。根據(jù)這個(gè)思路，本系統(tǒng)采用改進(jìn)的Gamma矯正曲線(xiàn)做灰度值的映射運(yùn)算。

通過(guò)比較可知，圖6所示曲線(xiàn)是對(duì)圖5曲線(xiàn)的變形。因此可以構(gòu)造新的映射函數(shù)(改進(jìn)的Gamma矯正函數(shù))為式(3)：

(3)

其中：k為圖像中曲線(xiàn)交點(diǎn)的橫坐標(biāo)，c為圖像的灰度最大值。本系統(tǒng)中取k為圖像灰度值的平均值21，γ分別取0.8和1.2。

圖6 改進(jìn)的Gamma矯正曲線(xiàn)

3.2 算法的驗(yàn)證

圖像經(jīng)過(guò)掩膜運(yùn)算后，提取出藥片的字符區(qū)域，如圖7(a)所示,經(jīng)過(guò)改進(jìn)Gamma函數(shù)的映射運(yùn)算后，凸顯了藥片的字符區(qū)域，如圖7(b)所示。

圖7 提取藥片的字符區(qū)域

3.3 分離藥片表面字符特征

本系統(tǒng)采用Ostu算法對(duì)字符區(qū)域進(jìn)行二值化運(yùn)算，以凸顯字符特征。

Ostu二值化算法的核心思想是：整個(gè)圖像采用同一閾值(全局閾值)T對(duì)圖像進(jìn)行二值化處理。一般通過(guò)圖像的灰度直方圖確定一個(gè)全局閾值T， 將圖像中每個(gè)像素的灰度值與閾值T進(jìn)行比較，若大于T，則認(rèn)為是前景，反之,則為背景[7]。在圖像完成二值化處理后, 使背景和前景兩個(gè)類(lèi)的類(lèi)間方差值最大，從而達(dá)到區(qū)別背景和前景的目的。在圖像的前景和背景類(lèi)中, 將每一像素到相應(yīng)類(lèi)中心的方差定義為類(lèi)的分散[8]。每個(gè)類(lèi)的分散度越小, 則其內(nèi)斂性越強(qiáng), 達(dá)到的分類(lèi)效果就會(huì)越好。

整個(gè)圖像中任意點(diǎn)的像素灰度值范圍為0～255，圖像中任意點(diǎn)(x,y)的灰度值表示為I(x,y)，灰度值為x的點(diǎn)的概率為P(x)。則Ostu二值化算法就是求式(4)達(dá)到最大值時(shí)候的灰度級(jí)m。

(4)

經(jīng)過(guò)Ostu二值化處理后，效果如圖8(a)。

3.4 中值濾波去除噪聲

經(jīng)過(guò)Ostu二值化處理后，藥片的字符特征可以較好地顯示出來(lái)。由于Ostu算法是一種對(duì)全局雙峰、圖像成像有一定要求的算法，因此難免有很多噪聲點(diǎn)的存在。從圖8(a)可知，經(jīng)過(guò)Ostu二值化處理后，可以清晰地顯示藥片表面的字符“X D”及劃痕的特征，與此同時(shí)，字符及劃痕周?chē)霈F(xiàn)了很多白色的噪聲點(diǎn)。因此需要對(duì)圖像進(jìn)行濾波。本系統(tǒng)采用中值濾波器來(lái)除去圖像的噪聲點(diǎn)。處理結(jié)果如圖8(b)。

圖8 二值化處理結(jié)果示意圖

從圖8(b)可知，字符 “X D”變細(xì)了，亮度也稍微有些變?nèi)趿?，但是白色的噪聲點(diǎn)減少了許多。

4 實(shí)驗(yàn)結(jié)果與分析

字符缺陷檢測(cè)算法的結(jié)果見(jiàn)圖9，其中(a)～(h)分別為原始圖像、灰度值反轉(zhuǎn)、灰度值增強(qiáng)、掩膜處理、伽馬校正、Ostu二值化、中值濾波處理后的效果圖；(1)和(2)分別為合格藥片及存在字符劃傷的藥片檢測(cè)的效果。

圖9 字符缺陷檢測(cè)算法的檢測(cè)結(jié)果

通過(guò)大量的實(shí)驗(yàn)，最終確定本系統(tǒng)選擇的字符面積區(qū)間為Pa=[1 987,2 250]。字符面積特征見(jiàn)表1。

表1 字符面積特征參數(shù)

為了進(jìn)一步測(cè)試系統(tǒng)的準(zhǔn)確性及可靠性，隨機(jī)選擇了100粒藥片，對(duì)其進(jìn)行字符缺陷檢測(cè)的測(cè)試。測(cè)試結(jié)果表明，本系統(tǒng)對(duì)藥片字符劃傷的缺陷檢測(cè)準(zhǔn)確率達(dá)92%。

5 結(jié)束語(yǔ)

本系統(tǒng)為自主開(kāi)發(fā)的智能化藥片表面字符缺陷視覺(jué)檢測(cè)系統(tǒng)。針對(duì)有字符的藥片，提出了字符缺陷檢測(cè)算法，通過(guò)提取藥片字符特征、設(shè)定相應(yīng)閾值來(lái)判別待測(cè)藥片是否合格。經(jīng)測(cè)試，該系統(tǒng)準(zhǔn)確率高，實(shí)時(shí)性好，有一定的實(shí)際應(yīng)用價(jià)值。

[1] 王新明.應(yīng)用于藥品檢測(cè)中的圖像信息處理系統(tǒng)研究[D].西安：西北工業(yè)大學(xué),2003.

[2] ZHANG L Z. Automatic color printing inspection by image processing[J]. Journal of Material Technology. 2003(139):373-378.

[3] ACKLEY E M, FORD M. Inspection system: U.S. patent application 13/740, 684[P]. 2013-1-14.

[4] 郭柳柳,甄國(guó)涌,劉東海,等.基于FPGA高速圖像數(shù)據(jù)的存儲(chǔ)及顯示設(shè)計(jì)[J].電子技術(shù)應(yīng)用,2014,40(11):75-77,84.

[5] GASTALDO P, ZUNINO R，HEYNDERICKX I，et al. Objective quality assessment of displayed images by using neural networks [J]. Signal Processing: Image Communication，2005,20(7): 643-661.

[6] 李國(guó)芳,王力.基于改進(jìn)Gamma和改進(jìn)BP算法的人臉識(shí)別研究[J].微型機(jī)與應(yīng)用,2015,34(4):49-51.

[7] OSTU N.A threshold selection method from gray-level histogram[J]. IEEE Trans Systems Man Cybernetic, 1978(8):62-65.

[8] 陳敏.一種自動(dòng)識(shí)別最優(yōu)閾值的圖像分割方法[J] .計(jì) 算機(jī)應(yīng)用與軟件, 2006, 23(4):85-87.

Research on the detection of the surface characters of tablets based on machine vision

Hua Xinyan1，Zhou Kaiting1，Zheng Lixin2

(1.College of Information Science and Engineering, Huaqiao University, Xiamen 361021, China;2.College of Engineering, Huaqiao University, Quanzhou 362021, China)

Aiming at the difficulty of detecting the surface characters of the tablets, a new method is proposed. According to the gray value of character, the Gamma mapping function will be improved, with the two curves of γ=0.8 andγ=1.2, the characteristics of the surface are better to separated. At the same time, according to the geometrical features of the characters, the defects of the characters can accurate identification. The experimental results show that the proposed algorithm has good detection effect, and the detection accuracy is 92%. The algorithm has a certain practical value in industrial production, it can reduce the cost of the detection of the tablets, and improve the detection efficiency.

machine vision; defect detection; image mask; gamma function

福建省科技廳項(xiàng)目“物聯(lián)網(wǎng)云計(jì)算平臺(tái)建設(shè)”(2013H2002)；華僑大學(xué)研究生科研創(chuàng)新能力培育計(jì)劃資助項(xiàng)目(1400401004)

TP391.9

A

1674-7720(2016)07- 0048- 03

華鑫炎，周凱汀，鄭力新．基于機(jī)器視覺(jué)的藥片表面字符檢測(cè)的研究[J].微型機(jī)與應(yīng)用，2016,35(7)：48-50，59.

2015-12-10)

華鑫炎(1988-)，男，碩士研究生，主要研究方向：光電信息檢測(cè)、機(jī)器視覺(jué)與模式識(shí)別。

周凱汀(1968-)，女，碩士，副教授，主要研究方向：光電信息檢測(cè)與智能計(jì)算、模式識(shí)別。

鄭力新(1967-)，通信作者，男，教授，主要研究方向：工業(yè)自動(dòng)化技術(shù)、人工智能。E-mail: 1275373176@qq.com。