應(yīng)用于印刷品缺陷檢測(cè)的改進(jìn)模版匹配算法

李敏，周強(qiáng)，王崢，李俊雨

(陜西科技大學(xué)電氣與信息工程學(xué)院，陜西西安710021)

應(yīng)用于印刷品缺陷檢測(cè)的改進(jìn)模版匹配算法

李敏，周強(qiáng)，王崢，李俊雨

(陜西科技大學(xué)電氣與信息工程學(xué)院，陜西西安710021)

模版匹配算法是印刷品缺陷檢測(cè)的重要環(huán)節(jié)，傳統(tǒng)的模板匹配算法無(wú)法適應(yīng)現(xiàn)在印刷產(chǎn)品的生產(chǎn)速度并難以達(dá)到越來(lái)越高的精度要求。因此，文章提出一種基于形狀模版匹配的多區(qū)域模版匹配的改進(jìn)算法，該算法創(chuàng)建多個(gè)特征區(qū)域并依次進(jìn)行配準(zhǔn)，根據(jù)配準(zhǔn)數(shù)據(jù)獲得均勻變換矩陣，并利用此變換矩陣進(jìn)行仿射變換，從而完成整個(gè)模版匹配過(guò)程。該文在HALCON這一視覺(jué)軟件平臺(tái)開(kāi)展算法研究，實(shí)驗(yàn)表明，該算法具有穩(wěn)定、準(zhǔn)確的特點(diǎn)，通過(guò)該算法可以實(shí)現(xiàn)對(duì)印刷品缺陷的精確檢測(cè)。

HALCON，多區(qū)域，模版匹配

Abstract：Template matching algorithm is an important part of print defect detection,and the traditional template matching algo?rithm can not adapt to the speed of printing products now,and it is difficult to achieve higher precision requirements.Therefore,this paper proposes an improved algorithm for multi region template matching Based on shape template matching,the algorithm creates a plurality of characteristic areas and in order to obtain a uniform registration,according to the registration data and trans?form matrix,affine transformation using the transformation matrix,thus completing the whole process of template matching.In this paper,the algorithm is researched on the visual software platform of HALCON.The experimental results show that the algo?rithm is stable and accurate.Through this algorithm,the printed defects can be detected accurately.

Key words：HALCON;Multi regions;Template matching

隨著科技的進(jìn)步，印刷行業(yè)的生產(chǎn)已日趨自動(dòng)化，但是由于一些人為和環(huán)境因素的影響,印刷品在印刷的過(guò)程中可能會(huì)產(chǎn)生各種缺陷，常見(jiàn)的印刷品缺陷主要有：飛墨、針孔、偏色、漏印、黑點(diǎn)、刮擦、套印不準(zhǔn)等[1]。、因此針對(duì)于印刷產(chǎn)品的缺陷檢測(cè)是至關(guān)重要的。早期傳統(tǒng)檢測(cè)缺陷方法依靠人工檢測(cè)，但人工檢測(cè)方法成本高、速度慢、識(shí)別率低，難以滿足包裝產(chǎn)品批量化生產(chǎn)的要求[2]。隨著智能化、信息化時(shí)代的到來(lái)，基于機(jī)器視覺(jué)的缺陷檢測(cè)與傳統(tǒng)的人工檢測(cè)相比，具有非接觸、速度快以及現(xiàn)場(chǎng)抗干擾能力強(qiáng)等優(yōu)點(diǎn)，可以降低檢測(cè)人員的勞動(dòng)強(qiáng)度，提高了檢測(cè)效率和檢測(cè)精度[3-4]。

印刷品缺陷的自動(dòng)檢測(cè)是利用機(jī)器視覺(jué)獲取印刷品圖像，經(jīng)過(guò)圖像降噪等預(yù)處理后與模板圖像匹配，通過(guò)檢測(cè)算法確定印刷缺陷的過(guò)程。圖像匹配作為質(zhì)量檢測(cè)的必要前提，一直以來(lái)都是圖像處理的重要研究?jī)?nèi)容，它是根據(jù)已知模板圖像到另一幅圖像中尋找與模板圖像相似的子圖像[2]。然而由于印刷品材質(zhì)較軟在印刷過(guò)程易發(fā)生伸縮、褶皺或扭曲等變形導(dǎo)致定位不精確，圖像匹配誤差大；且印刷品的背景多變而復(fù)雜及光照不均等原因更易對(duì)匹配造成干擾，從而使得印刷缺陷檢測(cè)易產(chǎn)生誤檢，因此，針對(duì)印刷品，傳統(tǒng)模板匹配算法匹配誤差較大，印刷品誤檢率大，所以改進(jìn)模版匹配算法提高定位精度，減少誤檢是至關(guān)重要的。

HALCON在工業(yè)檢測(cè)上有著廣泛的應(yīng)用，其提供了高速、高精度、強(qiáng)有力的方法和平臺(tái)[5]。在HALCON平臺(tái)上，文章針對(duì)大幅印刷產(chǎn)品進(jìn)行多區(qū)域模板匹配算法研究，該算法通過(guò)多模塊區(qū)域的聯(lián)合匹配，減少匹配誤差，實(shí)驗(yàn)結(jié)果表明該方法可以減少漏檢誤檢的發(fā)生，提高檢測(cè)的實(shí)時(shí)性和準(zhǔn)確性。

1 印刷品缺陷檢測(cè)及技術(shù)瓶頸

1.1 印刷品缺陷檢測(cè)流程

一般印刷品的檢測(cè)流程為：首先通過(guò)CCD相機(jī)采集圖像，選取無(wú)缺陷的標(biāo)準(zhǔn)印刷圖像，然后在線采集待檢測(cè)印刷品圖像，將待檢圖像和標(biāo)準(zhǔn)圖像不斷地進(jìn)行比對(duì)，從而判斷是否有缺陷，并得到缺陷圖像。最后對(duì)缺陷圖像進(jìn)行缺陷分類(lèi)和特征統(tǒng)計(jì)，如圖1。因此，是否可以精確地檢測(cè)和辨識(shí)到缺陷，主要依靠待檢測(cè)圖像與標(biāo)準(zhǔn)圖像的比對(duì)，而比對(duì)的前提是模板匹配的準(zhǔn)確性，因此模板匹配是印刷品缺陷檢測(cè)的重中之重。

1.2 印刷品缺陷檢測(cè)中的模板匹配算法

通常情況下，模板匹配是通過(guò)計(jì)算模板圖像和待搜索圖像的相似度量，從而在待搜索圖像中找到模板圖像的過(guò)程[6]。模板匹配的過(guò)程大致可以表述為：首先按像素計(jì)算模板圖像與待搜索圖像的相似度量，然后找到最大或最小的相似度量區(qū)域作為匹配位置[7]。

圖1 印刷缺陷檢測(cè)流程圖

印刷品缺陷檢測(cè)的過(guò)程中，會(huì)有各種因素影響模版匹配的效果，因此匹配算法也需要進(jìn)行改進(jìn)從而提高精度和速度。若待檢圖像與標(biāo)準(zhǔn)圖像兩者直接匹配，則運(yùn)算量極大，不能滿足實(shí)時(shí)性的要求。若選擇單模板匹配，則匹配不準(zhǔn)確誤差大。由于形狀匹配算法提取圖像的輪廓信息，并用輪廓信息進(jìn)行相關(guān)性比較，因?yàn)閳D像的邊緣不會(huì)或者很少受到非線性光線、混亂和遮擋的影響，因此對(duì)一些外界因素有一定的魯棒性[8]，所以本文提出一種基于形狀匹配的多模板匹配算法，提高印刷缺陷檢測(cè)精度。

2 多區(qū)域改進(jìn)模板匹配

本文在HALCON平臺(tái)上，提出一種基于形狀匹配算法進(jìn)行多區(qū)域模板匹配算法，具體流程圖如下所示：

圖2 多區(qū)域模版匹配流程圖

如圖2所示，多區(qū)域模版匹配算法首先創(chuàng)建多個(gè)模板匹配區(qū)域，依次進(jìn)行搜索匹配，得到多組中心點(diǎn)坐標(biāo)，通過(guò)坐標(biāo)信息數(shù)據(jù)計(jì)算得到均勻變換矩陣，根據(jù)均勻變換矩陣進(jìn)行配準(zhǔn)。

2.1 創(chuàng)建配準(zhǔn)模板

文章是利用基于形狀的模板匹配對(duì)待檢測(cè)圖像進(jìn)行快速對(duì)準(zhǔn)，所以需要根據(jù)合格印刷品形狀特征創(chuàng)建模板。利用采集到的合格印刷品圖像，進(jìn)行特征區(qū)域ROI選取，本文由于印刷品的變形，選取4個(gè)不同方位的ROI，進(jìn)行模板的創(chuàng)建，如圖3。首先調(diào)用rgb1_to_gray算子將彩色圖像轉(zhuǎn)換為灰度圖像[9]，隨后利用gen_rectangle1算子根據(jù)分割的區(qū)域創(chuàng)建矩形特征區(qū)域,接下來(lái)利用reduce_domain和create_shape_model算子根據(jù)劃分的特征區(qū)域ROI創(chuàng)建多個(gè)匹配模板。

2.2 搜索模板

根據(jù)創(chuàng)建的匹配模板，對(duì)待檢測(cè)圖像進(jìn)行搜索匹配，針對(duì)檢測(cè)缺陷的大幅印刷產(chǎn)品，若整幅圖進(jìn)行搜索模板，耗時(shí)長(zhǎng)效率低。因?yàn)橛∷a(chǎn)品標(biāo)準(zhǔn)圖像和待檢測(cè)圖像印刷環(huán)境相同，所以配準(zhǔn)模板在待檢測(cè)圖像上相對(duì)存在的區(qū)域大概區(qū)域位置變化不大，因此文章調(diào)用dilation_rectangle1算子將上一章節(jié)創(chuàng)建的配準(zhǔn)區(qū)域ROI擴(kuò)大幾百個(gè)像素點(diǎn)作為搜索區(qū)域，避免了因?yàn)樗阉髡鶊D像而導(dǎo)致的模板匹配時(shí)長(zhǎng)過(guò)長(zhǎng)，如圖4為創(chuàng)建的搜索區(qū)域。確定了搜索區(qū)域，調(diào)用find_shape_model搜索模板，得到帶檢測(cè)圖像中ROI的中心坐標(biāo)、角度等信息數(shù)據(jù)。搜索過(guò)程中，待檢測(cè)圖像是否被搜索成功主要是依靠匹配分值以及匹配個(gè)數(shù)。按照每一個(gè)對(duì)應(yīng)邊緣點(diǎn)的梯度方向是否一致來(lái)判斷，符合的點(diǎn)越多，分值就高，圖像就越相似[10]。

圖3 印刷品上創(chuàng)建的配準(zhǔn)區(qū)域

圖4 搜索區(qū)域

圖5 相似度量示意圖

模板匹配中模板可以看做是由許多點(diǎn)pi=(xi,yi)T,(i=1,2,3,4,…,n)構(gòu)成，如圖5，每一個(gè)點(diǎn)梯度方向方向向量為gi=(ti,ui)T，待檢測(cè)圖像也轉(zhuǎn)換成一系列的點(diǎn)與模板的點(diǎn)對(duì)應(yīng)，它的點(diǎn)梯度方向向量則模板中梯度向量變換表達(dá)式：

相似度量函數(shù)表達(dá)式：

相似度量函數(shù)計(jì)算的是模板與待檢測(cè)圖像對(duì)應(yīng)點(diǎn)的方向向量點(diǎn)積平均值，需要做歸一化處理[11]。

取值范圍[-1,1]，返回值為1時(shí)，表示模板與搜索的圖像完全匹配。

通過(guò)計(jì)算模板與搜索圖像的相似度量值獲取與模板相似的大概位置；將配準(zhǔn)結(jié)果映射到圖像金字塔下一層，使用小間隔對(duì)搜索圖像與模板重采樣，并在映射位置小鄰域內(nèi)進(jìn)行相似度量計(jì)算，獲得更精確的匹配位置；如此往復(fù)循環(huán)，直到映射到圖像金字塔最底層，得到原分辨率下精確的匹配位置。搜索到圖像后，調(diào)用算子get_shape_model_contours返回模板的形狀輪廓，為變換做準(zhǔn)備。

2.3 仿射變換

仿射變換屬于二維直角坐標(biāo)系下的線性變換,它的顯著特征就是可以通過(guò)諸如平移、翻轉(zhuǎn)、縮放和旋轉(zhuǎn)等各種變換的組合實(shí)現(xiàn)空間直角坐標(biāo)系的轉(zhuǎn)換,在轉(zhuǎn)換的同時(shí)不改變圖像的平行性和平直性[7]。調(diào)用vector_angle_to_rigid算子創(chuàng)建變換矩陣，通過(guò)變換矩陣進(jìn)行仿射變換。仿射變換一般有三個(gè)分量，見(jiàn)公式4-9。

計(jì)算得到仿射矩陣后，利用affine_trans_contour_xld算子利用獲得的仿射變換矩陣將模板輪廓進(jìn)行對(duì)準(zhǔn)。

2.4 多區(qū)域模版匹配

根據(jù)上述描述按步驟分別對(duì)4個(gè)模板區(qū)域進(jìn)行配準(zhǔn)，得到四個(gè)模板區(qū)域的配準(zhǔn)的中心線點(diǎn)坐標(biāo)數(shù)據(jù)，隨后調(diào)用vec?tor_to_aniso算子，得到最終的變換矩陣，vector_to_aniso算子為各向異性相似變換，即從至少三個(gè)點(diǎn)對(duì)應(yīng)的旋轉(zhuǎn)，非均勻縮放和平移組成的變換，并將其返回為均勻變換矩陣HomMat2D。文章得到四個(gè)區(qū)域中心點(diǎn)坐標(biāo)的變換數(shù)據(jù)，同過(guò)四組數(shù)據(jù)得到均勻變換矩陣，矩陣由3個(gè)分量組成：在x和y方向上具有不相同縮放的縮放矩陣S，旋轉(zhuǎn)矩陣R和平移向量t(公式10)。使用afine_trans_image算子對(duì)整個(gè)待檢測(cè)圖像進(jìn)行仿射變換。

3 實(shí)驗(yàn)結(jié)果與結(jié)論

將印刷品分別通過(guò)直接模版匹配算法和本文模版匹配算法進(jìn)行配準(zhǔn)，為了比較兩種算法的性能，將同一副待檢測(cè)圖像分別進(jìn)行兩種匹配再分別與標(biāo)準(zhǔn)圖像差分運(yùn)算，差分后的結(jié)果體現(xiàn)出匹配效果。

如圖6所示，直接匹配算法差分后的圖形有很明顯的偽影，而使用本文的多區(qū)域模板匹配偽影較少且不清晰，有利于后續(xù)的印刷品缺陷檢測(cè)。針對(duì)檢測(cè)印刷品的缺陷，對(duì)算法進(jìn)一步從結(jié)果進(jìn)行分析，圖像膨脹腐蝕運(yùn)算后再進(jìn)行差分，消除部分的偽影，隨后通過(guò)形態(tài)學(xué)處理得到印刷品的缺陷。如表1所示，在HALCON平臺(tái)上，實(shí)現(xiàn)以上操作對(duì)印刷品進(jìn)行缺陷檢測(cè)，得到直接模版匹配速度為0.541s，缺陷檢測(cè)會(huì)有很多誤檢，單特征區(qū)域模版匹配雖然速度快但是正確率過(guò)低，而本文的多區(qū)域模板匹配運(yùn)行速度為0.127s，缺陷檢測(cè)的正確率也得到了提高。由實(shí)驗(yàn)得到多區(qū)域模板匹配在傳統(tǒng)的模板匹配基礎(chǔ)上在速度和精度上都有了較大的提高。

4 結(jié)束語(yǔ)

本文基于形狀模版匹配算法提出了一種改進(jìn)的模板匹配算法,該算法將單模板匹配改進(jìn)為多模板匹配，通過(guò)各個(gè)方位的特征區(qū)域聯(lián)合匹配，使配準(zhǔn)更加精確，同時(shí)通過(guò)減少搜索區(qū)域面積大大減少了搜索模板時(shí)間，既體現(xiàn)了傳統(tǒng)模板匹配法的簡(jiǎn)單快捷,又改善了傳統(tǒng)模板匹配的精度,一定程度上減少印刷品變形易產(chǎn)生錯(cuò)誤結(jié)論的狀況,使得正確率和適應(yīng)性都得到了提高，具有很好的魯棒性和應(yīng)用價(jià)值。

a直接模版匹配

圖6 印刷品差分偽影

表1 算法檢測(cè)性能比較

[1]譚剛,董祥龍,徐繼,等.基于機(jī)器視覺(jué)的玻璃瓶表面缺陷檢測(cè)[J].上海工程技術(shù)大學(xué)學(xué)報(bào),2009(6).

[2]肖?？?葛廣英,等.基于Halcon的噴碼字符識(shí)別技術(shù)的研究與實(shí)現(xiàn)[J].現(xiàn)代電子技術(shù),2015,38(15)：95-98.

[3]李小東,陳路,龔修端.基于數(shù)字圖像處理的印刷品圖像清晰度檢測(cè)算法研究[J].包裝工程,2009,30(1)：2-3.

[4]王文成.基于HALCON的齒輪缺陷檢測(cè)系統(tǒng)設(shè)計(jì)[J].機(jī)械傳動(dòng),2014,38(9)：60-63.

[5]陳藝峰.Halcon在工件二維尺寸檢測(cè)上的應(yīng)用[J].機(jī)電技術(shù),2011(8)：12-17.

[6]Zhang Z Y,A Flexible New Technique for Camera Calibration[J].IEEE Transaction onPattern Analysis and Machine Intelli?gence,2000,11(22):1330-1334.

[7]周麗莎.基于模板匹配的視覺(jué)定位技術(shù)研究與應(yīng)用[D].遼寧：大連理工,2012.

[8]曾強(qiáng),孫堅(jiān).基于HALCON的剎車(chē)片輪廓缺陷檢測(cè)方法研究[J].煤礦機(jī)械,2016,37(8)：143-146.

[9]王宏麗,趙不賄,孫智權(quán),等.基于HALCON的醫(yī)療袋缺陷檢測(cè)[J].包裝工程,2015,36(13)：125-129.

[10]肖開(kāi)明.圖像配準(zhǔn)算法及其在印刷質(zhì)量檢測(cè)中的應(yīng)用[D].上海：上海大學(xué),2004.

[11]鄒廣華.基于幾何特征的快速模板匹配算法[D].黑龍江：哈爾濱工業(yè)大學(xué),2010.

An Improved Template Matching Algorithm for Printed Matter Defect Detection

LI Min,ZHOU Qiang,WANG Zheng,LI Jun-yu
(Shaanxi University of Science and Technology,College of Electrical&Information Engineering，Xi’an 710021)

TP311

A

1009-3044(2017)24-0167-03

2017-07-15

陜西省教育廳專(zhuān)項(xiàng)科技項(xiàng)目(16JK1105)；陜西省科技攻關(guān)項(xiàng)目(2016GY-005)

李敏(1993—)，女，陜西渭南人，在讀碩士研究生，研究方向?yàn)閳D像處理。