藥用玻璃瓶印刷字缺陷檢測的算法研究

，，，

(1.河北科技大學 電氣工程學院，石家莊 050000； 2.河北省科學院 應用數(shù)學研究所，石家莊 050000；3.河北省信息安全認證工程技術研究中心，石家莊 050000)

藥用玻璃瓶印刷字缺陷檢測的算法研究

王星1，劉朝英1，宋雪玲1，郝存明2,3

(1.河北科技大學電氣工程學院，石家莊050000； 2.河北省科學院應用數(shù)學研究所，石家莊050000；3.河北省信息安全認證工程技術研究中心，石家莊050000)

藥用玻璃瓶在傳送的過程中可能會發(fā)生平移、旋轉或者受到噪聲的影響，目前藥瓶印刷字還沒有有效的方法來檢測;為了準確的檢測出印刷字的缺陷，比較了兩種檢測的方法：Harris與歸一化互相關 (NCC)相結合的匹配方法、SIFT(scale invariant feature transform)與歐氏距離相結合的匹配方法；將這兩種方法應用到藥瓶印刷字檢測系統(tǒng)中，選出最有效的方法。實驗結果表明：與Harris相比，SIFT方法能夠更準確地提取圖像的特征點，且與歐氏距離相匹配的正確匹配率高，可達到理想的實驗效果。

SIFT算子；Harris算子；特征點提??；圖像配準；藥用玻璃瓶印刷字缺陷檢測

0 引言

因為藥用玻璃瓶生產(chǎn)企業(yè)采用的印刷字設備后端沒有與其配套的印刷字檢測設備，所以印刷字出現(xiàn)不清楚或者內容不全的情況時有發(fā)生，會嚴重影響產(chǎn)品的質量。目前很多企業(yè)通過人工用肉眼或專用的檢測工具對藥瓶印刷質量進行檢測，人工檢測的方法效率低、速度慢還會出現(xiàn)漏檢，因此很有必要開發(fā)一套藥瓶印刷字質量檢測系統(tǒng)。該系統(tǒng)主要涉及的方法是圖像配準，圖像配準是一種將兩幅圖像經(jīng)過空間位置對齊，再進行對比與分析的圖像處理技術。圖像配準最早應用在軍事上，隨著圖像處理技術的不斷進步，圖像配準技術也不斷的出現(xiàn)了很多新的算法，并且應用領域也較廣泛，例如模式識別、遙感、定位導航等。因此圖像配準的研究是大勢所趨，并且為藥用玻璃瓶印刷字的檢測提供了很好的平臺。

圖像配準是計算機視覺和數(shù)字圖像處理的重要組成部分。本文選用了最常用的基于特征的圖像配準方法，該方法計算簡單、抗噪性好、穩(wěn)定性好、不受幾何形變的影響?；谔卣魈崛∈桥錅实年P鍵之處，一般選用的特征為角點、邊緣、交叉點、高曲率點、輪廓中心等。在特征點提取算子中，當前比較流行的有：基于圖像灰度自相關的興趣點算子[1]、SUSAN算子[2]、Harris算子[3]、SIFT特征描述不變子[4]等。

針對藥用玻璃瓶印刷字的檢測，特征點提取采用了Harris角點檢測算子和SIFT特征點檢測算子[5]。1981年Moravec算子[6]被提出，1988年C.Harris和M.J.Stephens教授針對其不足，提出了Harris算子。 Harris算子計算效率高，時間復雜度低，受圖像的亮度變化影響小，對圖像的旋轉不敏感。SIFT(Scale Invariant Feature Transform)[7]算法是大衛(wèi).勞伊教授在1999年提出，并且于2004年對該算法進行了歸納與優(yōu)化。圖像發(fā)生平移、旋轉等變化時不影響SIFT算法的穩(wěn)定性，該算法對噪音的干擾也有一定的抵抗性[8]，本文將這兩種方法應用到藥用玻璃瓶印刷字檢測系統(tǒng)中，通過比較分析配準的結果，選出正確匹配率較高的方法。

1 Harris角點檢測算子

圖像的亮度變化值E(u,v)表達式如下：

(1)

式中,[I(x+u,y+v)-I(x,y)]2為圖像亮度的梯度值，w(x,y)為高斯濾波器。圖像I(x,y)在坐標點(x,y)處移動(u,v)后的泰勒展開式：

(2)

由矩陣M，可得角點響應函數(shù)R：

R=detM-k(traceM)2

(3)

式中，λ1、λ2是M的特征值；detM為矩陣M的行列式，detM=λ1λ2=AC-B2；K是一個正的經(jīng)驗值，一般取值：0.04—0.2[9]；traceM為矩陣的跡，traceM=λ1+λ2=A+C。根據(jù)式(3)計算每個像素的R值，R取得局部極大值的點即為候選角點。

2 SIFT特征點檢測算子

2.1 尺度空間構建

通過高斯核對原始圖形進行尺度變換，得到多尺度下的表示序列。一幅圖像的尺度空間L(x,y,σ)可以由圖像和高斯核卷積得到：

L(x,y,σ)=G(x,y,σ)*I(x,y)

(4)

高斯核[10]是唯一能產(chǎn)生多尺度空間的核，G(x,y,σ)表達式：

(5)

L為尺度空間因子，該值的大小代表了圖像被平滑的程度。

構造高斯差分金字塔(DOG)可以通過對相鄰的兩尺度空間的函數(shù)作差并同圖像卷積得到差分尺度空間。D(x,y,σ)用來表示高斯差值方程：

D(x,y,σ)=(G(x,y,kσ)-G(x,y,σ))*I(x,y)=

L(x,y,kσ)-L(x,y,σ)

(6)

建好高斯金字塔后，需要找到DOG圖像的極值點。每一個采樣點需要同與其同層相鄰的8個像素點以及周圍上下兩層9×2=18個像素點總共8+18=26個像素點進行對比，觀察選取的采樣點是否比它所在尺度域的相鄰點大或者小，假如找到的點大于(或小于)此26個點時，該采樣點才能被認為極值點，并進行下一步計算。

2.2 特征點位置的確定

在得到SIFT候選特征點集合后，需要把穩(wěn)定的特征點篩選出來，為后續(xù)的計算做準備。剩下一些對比度低的點，這些點響應值較小，容易受噪聲的影響，因此會影響SIFT特征點的抗噪能力。候選點中還留有一些邊緣上的點，這些點有較強的響應值，一旦有特征點落在上面位置就很難確定，對SIFT特征點的穩(wěn)定性有影響。所以這兩種點必須剔除掉。

2.3 特征點主方向的生成

為了讓算子具備旋轉不變性，我們需要以極值點為中心，將其所在鄰域圖像梯度的方向和位置旋轉一個角度。

m(x,y)=

(7)

(8)

式(7)、(8)是對于每個高斯圖像，特征點的梯度值和梯度方向，在完成梯度計算后，需要用直方圖來統(tǒng)計每個特征點周圍像素點的梯度值和梯度方向。直方圖的橫軸代表梯度方向，縱軸代表每個特征點的梯度值的累加值。直方圖的峰值就是該特征點處領域內圖像梯度的主方向。

2.4 SIFT特征向量的生成

將SIFT特征區(qū)域以特征點為中心劃分為2×2個鄰域窗口，計算每個窗口4×4個特征點的梯度方向，把這些梯度方向累加到8個方向上，這樣每個窗口可以形成一個8方向的種子點，一共有4個窗口，可形成2×2×8=32維的SIFT特征點。實際計算過程中，文獻[11]建議將特征區(qū)域劃分為4×4個方格，每個方格有一個8方向的種子點，所以此特征區(qū)域就有4×4×8=128個數(shù)據(jù)，形成128維的特征向量。此時的特征向量很穩(wěn)定，不受其它因素的影響，再繼續(xù)將特征向量的尺度歸一化，進而能減少灰度差異帶來的影響。

3 圖像匹配

Harris算子提取出圖像的特征點后，利用經(jīng)典的統(tǒng)計匹配方法即歸一化互相關Normalized Cross Correlation method(NCC)[12]的方法進行點對間的匹配運算。

SIFT算子在特征向量生成后，需采用歐氏距離[13]的方法對兩幅圖像進行初匹配，即在基準圖像中選取一個特征點，然后在待配準圖像中找到與其歐氏距離最短的兩個點，把最短距離除以第二短距離的比值作為匹配對的判別標準。如果比值在設定的閾值范圍內，就認為此匹配點對符合要求。

在圖像匹配部分，兩者都采用RANdom Sample Consensus(RANSAC[14])的去外點方法剔除誤匹配點。RANSAC是一種經(jīng)典的去外點方法，通過利用特征點集合中的內在約束關系來剔除錯誤的匹配。RANSAC算法穩(wěn)定、可靠、精度高，對噪聲和特征點的提取有很強的魯棒性，剔除誤匹配點的能力較好。

剔除誤匹配點之后，該進行圖像配準，圖像配準的過程就是找到最優(yōu)匹配點對之間的關系參數(shù)，待配準圖像根據(jù)這個關系參數(shù)進行空間變換，變換到基準圖像的坐標系中。配準圖像的空間坐標與基準圖像相同，在對應的坐標位置與待配準圖像的像素值相同。一般最常見的空間變換關系包括平移、旋轉、縮放等。

4 實驗與分析

4.1 藥用玻璃瓶在線檢測系統(tǒng)整體結構設計

線陣相機主要應用領域是連續(xù)的材料，被檢測物一般是勻速運動的，多用在滾筒檢測上。藥用玻璃瓶印刷字的檢測場合就是藥瓶在傳送鏈上進行勻速移動，并在相機拍攝范圍內進行勻速旋轉一圈，所以選擇線陣相機來進行連續(xù)拍攝勻速旋轉的藥瓶，來完成對藥瓶表面印刷字的完整成像，圖1是形成的清晰完整的瓶身印字圖像，然后通過圖像處理的方式來對藥瓶表面的印刷字(藥物的名字、用量、有效期等)進行在線實時檢測。當上述檢測完成后，得出藥瓶的檢測結果，通過分析檢測結果，完成在線廢品剔除動作，真正實現(xiàn)藥瓶在線檢測分揀流程。

圖1 藥瓶印字檢測設備最終成像圖像

藥用玻璃瓶的印刷字質量檢測系統(tǒng)的總體結構如圖2所示，按功能可以分為3部分：機械結構單元(傳送鏈、伺服電機、步進電機、氣缸、機械框架等)、圖像采集、處理單元(光源、線陣相機、PC機)、控制單元(PLC、驅動器)。

機械結構單元用來傳送藥瓶到相機的視野中，伺服電機帶動傳送鏈的轉動，步進電機以及氣缸影響藥瓶的旋轉，并且機械結構單元給整體系統(tǒng)的相機、光源以及控制單元的安裝提供了機械框架。圖像采集、處理單元用來設置被檢測對象的光照和被檢測對象的表面成像采集，并且包括檢測目標點的特征提取、特征匹配、模型判斷、優(yōu)化計算等，是藥瓶質量檢測系統(tǒng)的穩(wěn)定性和準確性的決定性部分?？刂茊卧饕撠煓C械結構的傳動控制和相機采集的觸發(fā)判斷。圖像配準算法在圖2中的圖像采集、處理單元實現(xiàn)，藥瓶印刷字圖像配準算法的流程圖如圖3所示。

圖2 藥用玻璃瓶印刷字質量檢測系統(tǒng)整體結構

圖3 圖像配準的流程圖

4.2 比較與分析

為了比較算法的優(yōu)劣性，下面進行真實的藥用玻璃瓶印刷字的在線檢測實驗。實驗環(huán)境：雙核處理器(2.5 GHz，睿頻可達3.1 GHz)、1 GB獨立顯存、4GB DDR3內存； MATLAB R2010a的仿真環(huán)境?；鶞蕡D像和待配準圖像的像素值為365×296。在線檢測的過程中，藥瓶在傳送鏈傳送時可能會發(fā)生平移、旋轉、即平移又旋轉、也可能會受噪聲的影響，所以本文將這兩種方法應用到這些環(huán)境中來對結果進行比對?；鶞蕡D像是藥用玻璃瓶印刷字檢測設備的最終成像圖像，選取的待配準圖像分別由基準圖像經(jīng)過平移變化、旋轉變化、平移和旋轉、加入噪聲等條件得到。如圖4(a)、(b)、(c)、(d)所示。

圖4 待配準圖像

Harris和SIFT特征點匹配情況分析：

藥用玻璃瓶在傳送帶上傳送的過程中會發(fā)生各種變化或受到影響，為了說明情況，本文選擇藥瓶在傳送過程中發(fā)生平移、旋轉變化為例。圖5是利用Harris算子匹配的圖像，圖6是利用SIFT算子匹配得到的圖像，通過圖5可以看出，大部分特征點對能被正確的匹配(如圖中平行的直線)，但還是有誤匹配的點對(如圖中的相交直線)[15]。圖6中全部的特征點對被正確匹配(如圖中平行的直線)，無相交的直線。由此可以看出SIFT比Harris的正確匹配率高。圖像平移、旋轉、平移和旋轉、加噪等變化后匹配性能比較如表1所示，表1中顯示了Harris算法與SIFT算法中分別提取基準圖像的特征點數(shù)為203、651個，并且由表1可以看出，無論圖像怎么變化，SIFT算法都比Harris算法的正確匹配率高，能達到理想的效果。

圖5 圖像旋轉后Harris匹配圖像

圖6 圖像旋轉后SIFT匹配圖像

表1 Harris算法與SIFT算法的匹配性能比較

5 結論

本文介紹了Harris算法和SIFT算法的檢測原理，并詳細介紹了藥瓶印刷字缺陷檢測的整體構架，將兩種算法在圖像處理單元進行實現(xiàn)，SIFT算子使用了128維的特征向量，使圖像的特征點更加準確和穩(wěn)定，通過比較與分析藥用玻璃瓶印刷字檢測的實驗結果，可以看出SIFT算法比Harris算法的正確匹配率高，能夠達到理想的實驗效果。

[1] Moravec H P. Towards automatic visual obstacle avoidance[A]. proceedings of the Fourth Alvey Vision Conference[C].1998:147-151.

[2] 王冠群.基于SUSAN算子的特征檢測方法研究[D].西安：陜西師范大學，2015.

[3] Harris C J, Stephens M. A combined Corner and Edge Detector[A]. Proceedings of the 5th International Joint Conference on Artificial Inteligence[C]. 1977.

[4] 牛海濤,趙勛杰,李成金等.基于改進SIFT算法的建筑物圖像立體匹配[J].計算機工程, 2011,37(12):206-208.

[5] 敖麗霞.基于圖像處理的印刷品缺陷在線檢測系統(tǒng)研究[D].南昌：南昌大學，2014.

[6] 周龍萍.基于改進的Harris算法檢測角點[J]. 計算機技術與發(fā)展, 2013，23(2):11-14.

[7] 馮 嘉. SIFT算法的研究和改進[D].吉林：吉林大學，2010.

[8] 趙亞萌.基于改進SIFT的多波段遙感影像自動快速配準方法研究與應用[D].開封：河南大學，2013.

[9] 汪淑夢.基于改進的SIFT算法的圖像配準技術的研究與實現(xiàn)[D].北京：中國地質大學，2013.

[10] 羅文超,劉國棟,楊海燕.SIFT和改進的RANSAC算法在圖像配準中的應用[J].計算機工程與應用, 2013,49(15):147-156.

[11] Faugeras O, Robert L. What can two images tell us about the third one[A]. Proceedings of the Europe Conference on Computer Vision[C]. Sweden, 1994.

[12] 姚 宇.基于特征點提取的圖像配準技術及應用[D].長沙：國防科技大學, 2010.

[13] 仲 明.基于特征點精確配準的圖像拼接技術的研究[D].上海：華東師范大學, 2015.

[14] 李柏林.基于特征點圖像拼接的配準算法研究[D].天津:天津大學，2008.

[15] 仲 明.基于特征點精確配準的圖像拼接技術的研究[D].上海:華東師范大學，2015.

AlgorithmResearchonMedicinalGlassBottlesDefectDetectionofPrintingWords

Wang Xing1, Liu Chaoying1, Song Xueling1, Hao Cunming2,3

(1.School of Electrical Engineering, Hebei University of Science and Technology, Shijiazhuang 050000, China; 2.Institute of Applied Mathematics, Hebei Academy of Sciences , Shijiazhuang 050000, China; 3.Hebei Authentication Technology Engineering Research Center, Shijiazhuang 050000,China)

In the process of transmission，medicinal glass bottle may occur translation, rotation or affected by noise. At present, printed words of bottle have no effective way to detect. In order to accurately detect the defects of printed words, two matching methods are compared, Harris combined with normalized cross correlation method (NCC) and SIFT combined with Euclidean distance method. Two methods are applied to the the defect detection system, the most effective method is chosen. The experiment results show that compared with Harris, SIFT method can more accurately extract the image feature points, and the correct matching rate with Euclidean distance is high, which can achieve the desired experimental result.

SIFT algorithm; Harris algorithm; feature point extraction; image registration; medicinal glass bottles printing word detection

2017-05-07；

2017-05-26。

河北省科學院科技計劃項目(17602)。

王 星(1991-)，女，河北石家莊人，研究生在讀，主要從事機器視覺方向的研究。

劉朝英(1958-)，女，江蘇徐州人，教授，碩士研究生導師，主要從事過程控制、智能控制方向的研究。

宋雪玲(1974-)，女，河北石家莊人，碩士，教授，主要從事工業(yè)過程智能控制方向的研究。

1671-4598(2017)11-0265-04

10.16526/j.cnki.11-4762/tp.2017.11.067

TP391.4

A