基于多區(qū)域變形補(bǔ)償?shù)挠∷⑽淖秩毕輽z測(cè)算法研究

李　敏， 周　強(qiáng)， 陳　晗， 王亞波

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

0　引言

在日常生活中，人們通過(guò)噴碼印刷的塑料薄膜包裝了解產(chǎn)品信息，但是塑料薄膜包裝噴碼印刷過(guò)程中由于不確定因素的干擾，導(dǎo)致產(chǎn)品會(huì)出現(xiàn)印刷不清、漏印、白點(diǎn)、褶皺、拖筆、斷筆畫(huà)等缺陷，造成產(chǎn)品文字信息的不完全，從而對(duì)人們了解產(chǎn)品信息造成影響，因此印刷產(chǎn)品的文字缺陷問(wèn)題不容忽視.

現(xiàn)今，針對(duì)文字缺陷檢測(cè)的方法有文字字庫(kù)識(shí)別檢測(cè)、直接匹配差分檢測(cè)[1]、骨架模板匹配檢測(cè)[2]等方法.其中，文字字庫(kù)檢測(cè)需要將所有文字一一辨識(shí)出來(lái)進(jìn)行訓(xùn)練，運(yùn)算量過(guò)大，時(shí)長(zhǎng)無(wú)法滿(mǎn)足工業(yè)上的效率要求；直接匹配差分檢測(cè)需將閾值分割出的文字與標(biāo)準(zhǔn)圖像文字進(jìn)行匹配以得到缺陷信息，檢測(cè)速度過(guò)慢，誤差較大；而骨架模板匹配檢測(cè)則需通過(guò)粗精分割、連通量分析得到骨架模板，將樣品圖像與骨架模板匹配得到缺陷信息，此方法較前兩種檢測(cè)法精度有所提高，但在背景復(fù)雜區(qū)域無(wú)法輕易提取出骨架模板，不易檢測(cè)出缺陷.

相對(duì)而言，針對(duì)印刷產(chǎn)品圖像缺陷的檢測(cè)研究成果較為成熟，常用的方法有圖像差分法、模板匹配法及分層檢測(cè)法，為縮短檢測(cè)時(shí)間，一些學(xué)者還提出了分層和隔點(diǎn)抽樣檢測(cè)法[3,4].但是以上方法通常不能有效解決印刷過(guò)程中各色板因配準(zhǔn)誤差、抖動(dòng)等帶來(lái)的影響，檢測(cè)精度不夠高.為提高圖像缺陷的檢測(cè)精度，又有學(xué)者提出分區(qū)域分等級(jí)檢測(cè)方法[5]，將印刷品設(shè)置成不同的檢測(cè)等級(jí)進(jìn)行缺陷特征分析，但此方法對(duì)于缺陷的定位不夠精確，只可以檢測(cè)到一般的圖像缺陷，對(duì)于細(xì)小的文字缺陷檢測(cè)結(jié)果誤差往往較大.因此，針對(duì)現(xiàn)有方法的不足，找出一種能夠快速精確檢測(cè)印刷文字缺陷的方法至關(guān)重要.

針對(duì)塑料薄膜印刷品文字缺陷，本文將待檢測(cè)文字區(qū)域視為一種小篇幅圖像，提出針對(duì)文字缺陷圖像的檢測(cè)算法：首先對(duì)樣本圖像進(jìn)行多次分割，實(shí)現(xiàn)多區(qū)域聯(lián)合定位的變形補(bǔ)償和差分規(guī)律訓(xùn)練，隨后通過(guò)待檢測(cè)文字圖像與差分模型的對(duì)比，以獲得印刷品文字缺陷信息.并且由于HALCON軟件功能完善且效率高，因而本文在HALCON平臺(tái)上進(jìn)行了算法研究以實(shí)現(xiàn)文字缺陷檢測(cè)的功能.實(shí)驗(yàn)結(jié)果表明該方法可以實(shí)現(xiàn)對(duì)文字缺陷的精確定位，提高檢測(cè)速度，可大大減少漏檢誤檢的發(fā)生，具有一定的生產(chǎn)指導(dǎo)意義.

1　檢測(cè)系統(tǒng)及檢測(cè)流程

印刷工業(yè)的自動(dòng)化生產(chǎn)線(xiàn)上，缺陷檢測(cè)系統(tǒng)對(duì)經(jīng)過(guò)噴涂印刷的塑料薄膜進(jìn)行文字在線(xiàn)檢測(cè)和廢品剔除.

如圖1所示，缺陷檢測(cè)系統(tǒng)主要由機(jī)械傳送模塊、圖像采集模塊、計(jì)算機(jī)控制模塊組成.機(jī)械傳送模塊主要由傳送機(jī)械和編碼器組成，其將產(chǎn)品按一定速度運(yùn)送到檢測(cè)區(qū)域；圖像采集模塊由LED光源，CCD線(xiàn)陣相機(jī)，鏡頭和采集卡組成，通過(guò)線(xiàn)陣相機(jī)拍攝印刷品并將圖像傳送到計(jì)算機(jī)；計(jì)算機(jī)控制模塊主要由計(jì)算機(jī)，IO卡及報(bào)警裝置組成，支持開(kāi)發(fā)者在HALCON軟件平臺(tái)上進(jìn)行圖像處理算法的設(shè)計(jì)、仿真和調(diào)試，并生成可執(zhí)行的C++程序?qū)Ξa(chǎn)品進(jìn)行在線(xiàn)檢測(cè)，若檢測(cè)到有缺陷，計(jì)算機(jī)將利用I/O卡驅(qū)動(dòng)外部報(bào)警設(shè)備，提示產(chǎn)線(xiàn)操作人員.

(b)檢測(cè)系統(tǒng)結(jié)構(gòu)圖圖1　檢測(cè)系統(tǒng)結(jié)構(gòu)及實(shí)物圖

2　文字缺陷檢測(cè)的難點(diǎn)

印刷產(chǎn)品中圖像通常會(huì)存在如白點(diǎn)、刮痕、墨斑等缺陷，當(dāng)前的缺陷檢測(cè)技術(shù)能夠檢測(cè)到它們.比較而言，印刷品的字符缺陷難以檢測(cè)，主要有以下幾點(diǎn)原因：

(1)文字缺陷窄小.相對(duì)于整幅圖像文字的尺寸往往很小，而文字所包含的信息卻很豐富，細(xì)小的文字缺陷都可能給文字信息造成破壞，如圖2(a)所示的斷筆畫(huà)缺陷和圖2(b)所示的文字?jǐn)嗔讶毕?，缺陷寬度僅3～5個(gè)像素，缺陷面積十多個(gè)甚至幾十個(gè)像素，這樣窄小的缺陷原本就不易檢測(cè)，而設(shè)備抖動(dòng)和塑料薄膜變形產(chǎn)生的圖像隨機(jī)偏移，其幅度可達(dá)到幾百個(gè)甚至上千個(gè)像素，使現(xiàn)有的圖像處理方法更加難以檢測(cè)文字缺陷.

(2)文字信息背景復(fù)雜.文字形狀特征多樣，其特征量不易構(gòu)建，而印刷品的背景多變且復(fù)雜，使得淹沒(méi)于背景之中的文字缺陷辨識(shí)特征量受到嚴(yán)重影響，如圖2(c)，印刷品背景與文字信息顏色相近使得文字難以區(qū)分，同時(shí)文字缺陷難以檢測(cè).

(3)文字變形嚴(yán)重.塑料薄膜產(chǎn)品的材質(zhì)較軟在印刷過(guò)程易發(fā)生伸縮、褶皺或扭曲等變形，使得文字嚴(yán)重變形，現(xiàn)有的補(bǔ)償方法難以將文字恢復(fù)原形狀，文字變形造成的匹配差分誤差遠(yuǎn)大于文字缺陷造成的誤差.因此，變形對(duì)文字缺陷檢測(cè)造成的影響很難克服.

正是以上因素造成了文字缺陷易漏檢誤檢的問(wèn)題，本文針對(duì)這些因素提出了一種字符圖像缺陷檢測(cè)的算法.

(a)斷筆畫(huà)

(b)斷裂

(c)背景與字符顏色相近圖2　常見(jiàn)的難點(diǎn)文字缺陷

3　HALCON平臺(tái)的文字缺陷檢測(cè)算法

為了克服印刷品難點(diǎn)缺陷檢測(cè)問(wèn)題，本文使用HALCON這一圖像處理算法開(kāi)發(fā)平臺(tái).

HALCON包含很強(qiáng)大的視覺(jué)算法開(kāi)發(fā)包[5]，有一千多個(gè)獨(dú)立的算子，是一款功能完善、效率高的圖像處理軟件.同時(shí)HALCON可以將算法程序?qū)С鰹镃++，C，C#，Visual Basic和 Delphi等多種語(yǔ)言程序，并將這些程序移植在計(jì)算機(jī)上運(yùn)行[6-9].因此，本文將在HALCON平臺(tái)上進(jìn)行塑料薄膜印刷產(chǎn)品文字缺陷檢測(cè)新方法的研究.

3.1　缺陷檢測(cè)算法流程

在HALCON平臺(tái)上，研究并實(shí)現(xiàn)了一種采用多特征區(qū)域定位的二次分割技術(shù)的文字缺陷檢測(cè)算法.具體算法如下:

(1)針對(duì)文字缺陷信息窄小問(wèn)題，將印刷品中的圖片與文字圖像進(jìn)行區(qū)分，檢測(cè)文字圖像區(qū)域比圖片的比對(duì)閾值系數(shù)小，使得缺陷識(shí)別率高，可準(zhǔn)確檢測(cè)到信息窄小的文字缺陷.

(2)針對(duì)文字信息背景復(fù)雜問(wèn)題，將彩色圖像轉(zhuǎn)換為灰度圖像，通過(guò)多幅圖像訓(xùn)練出差分模型，從而得到對(duì)應(yīng)像素點(diǎn)灰度的均值和偏差，在比對(duì)過(guò)程中可以高效準(zhǔn)確地檢測(cè)出復(fù)雜背景上的文字缺陷.

(3)針對(duì)文字變形問(wèn)題，提出多次分割法將整幅圖劃分成了若干塊小篇幅圖像，對(duì)這些小篇幅圖像進(jìn)行不同程度的變形補(bǔ)償，以大化小，分塊處理；同時(shí)，采用多特征區(qū)域的聯(lián)合定位來(lái)提高圖像變形補(bǔ)償?shù)木_度，從而解決印刷中由于抖動(dòng)而造成的文字變形問(wèn)題.

完整的檢測(cè)算法流程如圖3所示：

(1)建立差分模型.通過(guò)對(duì)樣本圖像進(jìn)行基本處理和差分模型訓(xùn)練獲得了印刷品文字凸顯的差分模型.

(2)文字待檢測(cè)圖像的變形補(bǔ)償.通過(guò)基本處理模塊對(duì)實(shí)時(shí)拍攝到的文字圖像進(jìn)行變形補(bǔ)償.

(3)文字缺陷檢測(cè).通過(guò)對(duì)差分模型和經(jīng)過(guò)變形補(bǔ)償后的文字圖像比對(duì)可以判斷是否存在文字缺陷.

圖3　檢測(cè)算法流程圖

3.2　圖像基本處理模塊

圖像基本處理模塊對(duì)樣本圖像以及實(shí)時(shí)采集待檢測(cè)圖像進(jìn)行變形補(bǔ)償，為缺陷檢測(cè)做準(zhǔn)備，其流程圖如圖4所示.需變形補(bǔ)償圖像和標(biāo)準(zhǔn)圖像在經(jīng)過(guò)灰度變換及相同的一次分割后，利用標(biāo)準(zhǔn)圖像對(duì)需變形補(bǔ)償圖像進(jìn)行一次變形補(bǔ)償，使得塑料薄膜材料伸縮引起的文字圖像的輪廓變形獲得初步補(bǔ)償；隨后進(jìn)行的二次分割和二次變形補(bǔ)償，使得文字圖像的細(xì)節(jié)變形也獲得校正.

圖像基本處理模塊的處理過(guò)程包含灰度轉(zhuǎn)換、圖像分割和變形補(bǔ)償?shù)茸幽K.

圖4　圖像基本處理模塊流程圖

3.2.1灰度轉(zhuǎn)換

通常獲取的圖像為彩色圖像，需要將圖像進(jìn)行灰度轉(zhuǎn)換，圖像灰度化方法有 RGB 三原色等權(quán)法和不等權(quán)法[10,11].本文采用不等權(quán)法進(jìn)行轉(zhuǎn)換，轉(zhuǎn)換后灰度為：

f(x,y)=0.299R(x,y)+0.587G(x,y)+

0.114B(x,y)

(1)

式(1)中：x,y分別為圖像的橫縱坐標(biāo).

3.2.2圖像分割

灰度轉(zhuǎn)換后，對(duì)灰度圖像進(jìn)行初次分割，初次分割根據(jù)圖中字符信息所占的區(qū)域，將一幅圖像分割成多幅圖像，對(duì)分割后的圖像分別進(jìn)行變形校正；再對(duì)校正后圖像進(jìn)行二次分割.一次分割大體將字符區(qū)域劃分出來(lái)，二次分割將劃分出來(lái)的字符區(qū)域均分，分別對(duì)均分后的每塊小區(qū)域進(jìn)行檢測(cè)處理，使得配準(zhǔn)的精度和檢測(cè)質(zhì)量提高.圖像經(jīng)過(guò)兩次分割可以有效解決亮度不均勻?qū)е碌拈撝惦y以確定的問(wèn)題.

3.2.3變形補(bǔ)償

在噴涂印刷過(guò)程中，塑料薄膜印刷產(chǎn)品存在抖動(dòng)等一系列干擾因素，造成伸縮，褶皺或者扭曲等的產(chǎn)品變形，由于變形存在不確定性和隨機(jī)性，使得補(bǔ)償效果往往不佳.因此本文補(bǔ)償思想是多次分割和多次補(bǔ)償相結(jié)合，從而提高配準(zhǔn)精度補(bǔ)償效果[8].變形補(bǔ)償?shù)牧鞒倘鐖D5所示.

圖5　圖像變形補(bǔ)償流程框圖

其具體步驟如下：

(1)創(chuàng)建配準(zhǔn)模板[12]

獲取配準(zhǔn)區(qū)域(ROI)，變形補(bǔ)償?shù)呐錅?zhǔn)過(guò)程中選用多個(gè)ROI，初次變形補(bǔ)償選取標(biāo)準(zhǔn)圖像中上下左右四塊特征比較明顯的小區(qū)域依次進(jìn)行多次配準(zhǔn)，二次分割后的圖像選取兩個(gè)ROI.再根據(jù)配準(zhǔn)區(qū)域ROI創(chuàng)建形狀模板.

(2)建立變換矩陣

①創(chuàng)建搜索區(qū)域.需變形補(bǔ)償?shù)膱D像搜索形狀模板的范圍是在之前創(chuàng)建的配準(zhǔn)區(qū)域基礎(chǔ)上擴(kuò)展出100～200個(gè)像素點(diǎn)進(jìn)行搜索，由于在印刷的過(guò)程中，印刷品的變形移動(dòng)范圍不會(huì)有過(guò)大的偏移，因此選擇部分區(qū)域作為搜索區(qū)域準(zhǔn)確率不會(huì)改變，且因?yàn)樗阉鲄^(qū)域減小而節(jié)省了搜索時(shí)間.

(2)

為模板與待檢測(cè)圖像對(duì)應(yīng)點(diǎn)的方向向量點(diǎn)積總和，對(duì)相似度函數(shù)做歸一化處理，得到：

(3)

相似度s取值范圍[-1,1]，取值為1時(shí)，表示模板圖像與待檢測(cè)圖像完全匹配.

③生成仿射變換矩陣.根據(jù)搜索得到ROI的中心點(diǎn)坐標(biāo)、旋轉(zhuǎn)角度等數(shù)值生成仿射變換矩陣，變換矩陣能夠?qū)︻A(yù)處理后的圖像進(jìn)行變形補(bǔ)償，變換矩陣包含平移、旋轉(zhuǎn)、縮放三種算子[15,16].

本文通過(guò)待配準(zhǔn)圖像與標(biāo)準(zhǔn)圖像進(jìn)行多個(gè)不同區(qū)域的配準(zhǔn)獲得平均變換矩陣H.

(4)

(3)仿射變換

根據(jù)變換矩陣H對(duì)待配準(zhǔn)圖像局部區(qū)域像素點(diǎn)(x1,y1)進(jìn)行仿射變換，如公式(5).

(5)

經(jīng)過(guò)仿射變換，圖像得到變形補(bǔ)償，更有利于字符信息缺陷檢測(cè).

3.3　缺陷檢測(cè)過(guò)程

樣本圖像經(jīng)過(guò)基本處理模塊處理后，訓(xùn)練得到差分模型，隨后實(shí)時(shí)采集的圖像傳送入計(jì)算機(jī)，對(duì)其進(jìn)行灰度轉(zhuǎn)換，圖像分割，變形補(bǔ)償?shù)然咎幚?，并與差分模型進(jìn)行比對(duì)，找出文字缺陷.

3.3.1差分模型訓(xùn)練

訓(xùn)練差分模型是將一組樣本圖像計(jì)算出理想圖像和變化圖像，即對(duì)樣本圖像進(jìn)行基于灰度的運(yùn)算，取樣本圖像平均值或者中值為理想圖像，訓(xùn)練圖像的標(biāo)準(zhǔn)偏差為變化圖像.針對(duì)圖像的灰度變動(dòng)進(jìn)行變換范圍的計(jì)算，將訓(xùn)練出的理想圖像和變化圖像轉(zhuǎn)換為兩個(gè)閾值圖像并將它們存儲(chǔ)在差分模型中來(lái)完成，以加速待檢測(cè)圖像與差分模型的比較.

3.3.2在線(xiàn)缺陷檢測(cè)

令A(yù)=a(x,y)為理想圖像，B=b(x,y)為變異圖像，如下計(jì)算兩個(gè)閾值圖像：

Tu=A+max{au,bu·B}

(6)

Tl=A-max{al,bl·B}

(7)

式(6)、(7)中：Tu為最大閾值圖像范圍，Tl為最小閾值圖像范圍.au、al、bu、bl都是設(shè)置的閾值系數(shù)，設(shè)置的系數(shù)較大，訓(xùn)練點(diǎn)的灰度變動(dòng)大，不同情況下設(shè)置不同的系數(shù).

如表1～4所示，本文以減少計(jì)算量為目的，設(shè)au=al，bu=bl，使用試湊法對(duì)a,b的取值進(jìn)行選取，由實(shí)驗(yàn)可得，相同條件下當(dāng)a=33,b=3.5時(shí)，文字缺陷檢測(cè)的正確率最高.

表1　當(dāng)b=1時(shí)，a的取值對(duì)正確率的影響

表2　當(dāng)b=3時(shí)，a的取值對(duì)正確率的影響

表3　當(dāng)b=4時(shí)，a的取值對(duì)正確率的影響

表4　當(dāng)b=3.5時(shí)，a的取值對(duì)正確率的影響

令待檢測(cè)圖像為C=cx,y，待檢測(cè)圖像與差分模型進(jìn)行比對(duì)，比對(duì)原理參照以下公式：

C>Tu或C

(8)

在比對(duì)的過(guò)程中，圖片圖像和文字圖像設(shè)置不同的閾值系數(shù)，針對(duì)文字缺陷設(shè)置小的閾值系數(shù)以達(dá)到精度高的要求.經(jīng)過(guò)對(duì)比的圖像區(qū)域進(jìn)行形態(tài)學(xué)處理，形態(tài)學(xué)處理的基本思想就是用具有一定形態(tài)的結(jié)構(gòu)元素提取圖像中對(duì)應(yīng)的形狀，從而實(shí)現(xiàn)對(duì)圖像的分析和識(shí)別[7]，即通過(guò)對(duì)比的區(qū)域去除干擾區(qū)域得到缺陷區(qū)域.

根據(jù)上述圖像局部區(qū)域的缺陷檢測(cè)方法，得到圖像局部缺陷信息，從而判定整幅圖像的質(zhì)量狀況：若圖像局部檢測(cè)均合格，則認(rèn)為該整幅印刷品質(zhì)量合格；若有任何一圖像出現(xiàn)局部缺陷，則該檢測(cè)圖像存在質(zhì)量問(wèn)題.

4　實(shí)驗(yàn)

4.1　實(shí)驗(yàn)條件

將本文算法應(yīng)用于圖6所示的塑料薄膜印刷品生產(chǎn)線(xiàn)進(jìn)行24 h的在線(xiàn)實(shí)驗(yàn).本次實(shí)驗(yàn)生產(chǎn)線(xiàn)中印刷品材料寬度為1 000 mm，印刷機(jī)型號(hào)為羅蘭700，現(xiàn)場(chǎng)印刷機(jī)速度一般為230 m/min.

(a)印刷生產(chǎn)設(shè)備　　　　(b) 圖像檢測(cè)設(shè)備圖6　塑料薄膜印品生產(chǎn)環(huán)境

4.2　算法流程

實(shí)驗(yàn)中，在HALCON平臺(tái)上實(shí)現(xiàn)所采用的算法流程如下：

(1)對(duì)圖像進(jìn)行灰度轉(zhuǎn)換和圖像分割.調(diào)用rgb1_to_gray算子(公式(1))將彩色圖像轉(zhuǎn)換成灰度圖.隨后對(duì)圖像進(jìn)行分割，首次分割將灰度圖分為左中右三部分，二次分割對(duì)分割后的圖像進(jìn)行均分；

(2)對(duì)圖像進(jìn)行變形補(bǔ)償.調(diào)用gen_rectangle1算子在標(biāo)準(zhǔn)圖像上選取四個(gè)配準(zhǔn)區(qū)域ROI1～ROI4，使用reduce_domain算子截取配準(zhǔn)區(qū)域，同時(shí)利用算子area_center得到配準(zhǔn)區(qū)域ROI中心坐標(biāo).調(diào)用create_shape_model算子創(chuàng)建匹配模板.調(diào)用dilation_rectangle1算子將四個(gè)配準(zhǔn)區(qū)域擴(kuò)大200個(gè)像素作為搜索區(qū)域.調(diào)用算子find_shape_model(公式(3))在搜索區(qū)域中尋找配準(zhǔn)區(qū)域，找到后利用vector_to_aniso算子對(duì)圖像進(jìn)行仿射變換.隨后將補(bǔ)償后的圖像進(jìn)行二次分割，創(chuàng)建兩個(gè)ROI再次進(jìn)行配準(zhǔn)變形補(bǔ)償；

(3)將樣本進(jìn)行變形補(bǔ)償后，調(diào)用train_variation_model(公式(6)、(7))訓(xùn)練模板.隨后調(diào)用prepare_variation_model算子，在默認(rèn)的參數(shù)基礎(chǔ)上調(diào)試算子參數(shù)，為比對(duì)做準(zhǔn)備；

(4)使用camepare_variation_model算子(公式(8))將做了相同基本處理后的待檢測(cè)圖像與差分模型進(jìn)行比較，輸出的區(qū)域調(diào)用connection進(jìn)行連通域處理，調(diào)用select_shape算子根據(jù)特征設(shè)定去除干擾區(qū)域從而得到缺陷.

4.3　實(shí)驗(yàn)結(jié)果及分析

圖7為兩幅含有文字缺陷的待檢測(cè)圖像.

(a)存在斷筆畫(huà)缺陷的圖像

(b)背景復(fù)雜的地方存在缺陷圖7　兩幅含有文字缺陷的待檢測(cè)圖像

待檢測(cè)圖像經(jīng)過(guò)4.2的檢測(cè)過(guò)程，該檢測(cè)過(guò)程如圖8所示.

圖8　檢測(cè)過(guò)程圖

檢測(cè)結(jié)果如圖9所示，該方法能夠準(zhǔn)確地辨識(shí)出文字中的不同缺陷.

(a)斷筆畫(huà)缺陷檢測(cè)結(jié)果

(b)背景復(fù)雜下對(duì)文字缺陷的檢測(cè)結(jié)果圖9　缺陷檢測(cè)結(jié)果

現(xiàn)將完成同樣文字缺陷檢測(cè)功能的普通算法與本文算法進(jìn)行性能比較，其結(jié)果如表5所示.

表5　文字缺陷檢測(cè)性能對(duì)比

通過(guò)表5中檢測(cè)時(shí)間、正確率以及精度等參數(shù)對(duì)比，說(shuō)明本文算法優(yōu)于通常檢測(cè)方法.通常的方法在配準(zhǔn)上耗時(shí)大，無(wú)法解決印刷過(guò)程中產(chǎn)生的不均勻變形問(wèn)題，而經(jīng)實(shí)驗(yàn)證明本文多區(qū)域聯(lián)合定位與多次分割結(jié)合顯著提高了定位的精度；配準(zhǔn)過(guò)程中選取小特征區(qū)域同時(shí)減少了搜索配準(zhǔn)區(qū)域面積，提高了變形補(bǔ)償?shù)乃俣?；文字圖像與差分模型精確比對(duì)，不僅可以提高查找文字缺陷的正確率而且提高了檢測(cè)速度，縮短了檢測(cè)時(shí)間，因此本文算法較之以往的方法在速度、精度等方面均有了較大的提高.

5　結(jié)論

在現(xiàn)今檢測(cè)方法的基礎(chǔ)上，本文利用HALCON平臺(tái)針對(duì)塑料薄膜文字缺陷檢測(cè)易誤檢漏檢的難題，提出并實(shí)現(xiàn)了多次分割，多區(qū)域變形補(bǔ)償，比較差分模型的改進(jìn)算法.實(shí)驗(yàn)證明，采用本文算法可以更精確的配準(zhǔn)校正，正確率達(dá)到99%，有效地檢測(cè)到印刷產(chǎn)品文字信息缺陷，同時(shí)檢測(cè)速度和精度上都有了較大的提升.隨著自動(dòng)化不斷地融入到工業(yè)生產(chǎn)過(guò)程中，基于HALCON的機(jī)器視覺(jué)算法也將不斷地?cái)U(kuò)大應(yīng)用范圍.

[1] 徐瑋東,王毅,張榮閣.基于機(jī)器視覺(jué)的液晶屏字符缺陷檢測(cè)系統(tǒng)設(shè)計(jì)[J].電腦知識(shí)與技術(shù),2016,12(17):182-184.

[2] 肖習(xí)雨,張昌凡,龍永紅.基于骨架模板匹配的彩色印刷品文字缺陷檢測(cè)[J].包裝學(xué)報(bào),2010,2(1):38-41.

[3] 劉飛.基于圖像處理的印刷質(zhì)量自動(dòng)檢測(cè)算法研究[D].武漢：華中科技大學(xué)，2006.

[4] 劉海娟.基于圖像處理的印刷品缺陷檢測(cè)技術(shù)研究[D].哈爾濱：哈爾濱工業(yè)大學(xué)，2012.

[5] 田敏,劉全香.分區(qū)域分等級(jí)的印刷品缺陷檢測(cè)方法[J].包裝工程,2015,36(21):122-127.

[6] 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.

[7] 肖?？?，葛廣英,姚坤，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.

[8] 郭佳寅,岳秀江,吳雙，等.基于 HALCON 的乳制品箱體噴碼字符識(shí)別方法研究[J].制造業(yè)自動(dòng)化,2013，35(2):21-22.

[9] 盧泉奇,苗同升,汪地等.基于HALCON的機(jī)械手視覺(jué)抓取應(yīng)用研究[J].光學(xué)儀器,2014，36(6):492-498.

[10] Rafael C Gonzalez,Richard E Woods.數(shù)字圖像處理[M].阮秋琦，阮宇智.北京:電子工業(yè)出版社， 2007.

[11] 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.

[12] 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.

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

[14] 汪青芳.基于機(jī)器視覺(jué)的標(biāo)簽缺陷檢測(cè)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D].成都:電子科技大學(xué),2014.

[15] Chen C Y,Deng Q L,Lin B S,et al.Quartz-blazed grating applied on auto stereoscopic display[J].Journal of Display Technology,2012,8(8):433-438.

[16] Joo D Y,Youngshin K,Seungjoon Y.Evaluation of perceptual resolution and crosstalk in stereoscopic displays[J].Journal of Display Technology,2013,9(2):106-111.