基于邊緣與非邊緣分開(kāi)處理的印刷品缺陷檢測(cè)

馬鵬，韓震宇，鄒龍飛，蘭云

(四川大學(xué)制造科學(xué)與工程學(xué)院，四川成都610065)

基于邊緣與非邊緣分開(kāi)處理的印刷品缺陷檢測(cè)

馬鵬，韓震宇，鄒龍飛，蘭云

(四川大學(xué)制造科學(xué)與工程學(xué)院，四川成都610065)

針對(duì)印刷品缺陷檢測(cè)問(wèn)題，通過(guò)對(duì)經(jīng)典缺陷識(shí)別算法的研究，提出了一種邊緣點(diǎn)與非邊緣點(diǎn)分開(kāi)處理的印刷品檢測(cè)缺陷識(shí)別算法。算法以統(tǒng)計(jì)過(guò)程原理為出發(fā)點(diǎn)，根據(jù)邊緣點(diǎn)和非邊緣點(diǎn)不同的像素特征，對(duì)非邊緣點(diǎn)采用統(tǒng)計(jì)閾值法處理，對(duì)邊緣點(diǎn)采用鄰域平均值與梯度值相結(jié)合的算法處理。該算法經(jīng)過(guò)實(shí)驗(yàn)證明，能夠有效地剔除偽疵點(diǎn)，提取出真正的缺陷。

統(tǒng)計(jì)閾值;偽疵點(diǎn);梯度;印刷品缺陷檢測(cè)

0 引言

隨著數(shù)字化和信息化進(jìn)程的不斷加快，人們對(duì)于生活和學(xué)習(xí)中離不開(kāi)的各種印刷品的質(zhì)量要求也不斷提高。由于印刷工藝及設(shè)備精度不高以及印刷技術(shù)不完善等一些不可避免的因素使得印刷品常會(huì)出現(xiàn)各種缺陷，如版印、污跡、飛墨、刀絲、毛刺、皺折等，這就要求對(duì)印刷品出現(xiàn)的各種缺陷進(jìn)行準(zhǔn)確的識(shí)別和判斷，剔除不合格產(chǎn)品。

基于機(jī)器視覺(jué)和圖像處理的印刷品在線檢測(cè)技術(shù)是保證印刷品質(zhì)量的有效手段，它代替了人工肉眼識(shí)別，具有更穩(wěn)定、更高效、更精確的優(yōu)勢(shì)。本文在對(duì)經(jīng)典印刷品檢測(cè)方法的研究上，基于統(tǒng)計(jì)過(guò)程原理，發(fā)現(xiàn)邊緣點(diǎn)和非邊緣點(diǎn)像素灰度值分布的特征差異，提出了將邊緣和非邊緣分開(kāi)處理算法，將該算法應(yīng)用于實(shí)驗(yàn)，結(jié)果證明，該算法能夠剔除偽疵點(diǎn)，提取出真正缺陷，并且滿足實(shí)時(shí)性要求。

1 經(jīng)典缺陷提取算法

對(duì)于大多數(shù)的印刷品質(zhì)量檢測(cè)，都采用經(jīng)典的圖像差影法(也稱差分法)。圖像差影法是指同一批次的的印刷品在不同時(shí)段和不同波段采集到的圖像與標(biāo)準(zhǔn)圖像(也稱模板圖像)進(jìn)行相減，結(jié)合判斷閾值，提取出不同的部分，然后通過(guò)分析連通區(qū)域面積是否超過(guò)系統(tǒng)精度，從而判斷待測(cè)圖像是否存在缺陷。經(jīng)典差影算法的定義如下:

式中:f(x，y)表示標(biāo)準(zhǔn)圖像，g(x，y)表示待測(cè)圖像，value表示固定閾值，T(x，y)表示檢測(cè)出的點(diǎn)，1表示缺陷點(diǎn)，0表示非缺陷點(diǎn)。

式(1)中的f(x，y)標(biāo)準(zhǔn)圖像通常根據(jù)統(tǒng)計(jì)學(xué)原理，采用統(tǒng)計(jì)平均的方式建立。統(tǒng)計(jì)平均法是抽取N個(gè)樣本圖像，根據(jù)各個(gè)圖像樣本的像素值的概率分布，求出統(tǒng)計(jì)平均值作為標(biāo)準(zhǔn)值，計(jì)算公式為

式中:N表示樣本數(shù)量;fi(x，y)表示每個(gè)樣本圖像，i=1，2，…，N。

在圖像采集過(guò)程中，由于印刷設(shè)備的振動(dòng)、設(shè)備環(huán)境的變化使得印刷品圖像存在著圖像波動(dòng)以及圖像偏移，經(jīng)典算法對(duì)整幅圖像取固定閾值value，因此差分后的結(jié)果并非真正缺陷，這樣容易引起誤判。為了減少誤判，消除偽疵點(diǎn)，經(jīng)典算法一般采用圖像形態(tài)學(xué)運(yùn)算，即對(duì)檢測(cè)出的異常點(diǎn)T(x，y)進(jìn)行一系列的膨脹和腐蝕操作。形態(tài)學(xué)運(yùn)算雖然能減少誤判，但是它同樣會(huì)將一些小的缺陷(由形體學(xué)的核大小決定)一起剔除，造成小缺陷漏檢，影響系統(tǒng)檢測(cè)精度。

本文從統(tǒng)計(jì)過(guò)程原理出發(fā)，發(fā)現(xiàn)非邊緣點(diǎn)的圖像像素波動(dòng)在一個(gè)小的范圍內(nèi);而對(duì)于邊緣點(diǎn)，由于像素梯度變化很劇烈，其波動(dòng)范圍很大，甚至達(dá)到了8位像素的寬度?；诖?，本文對(duì)邊緣點(diǎn)和非邊緣點(diǎn)分開(kāi)處理，對(duì)于非邊緣點(diǎn)，采用統(tǒng)計(jì)閾值法進(jìn)行處理;對(duì)于邊緣點(diǎn)，采用鄰域平均值和梯度值相結(jié)合的算法進(jìn)行處理。

2 邊緣點(diǎn)非邊緣點(diǎn)算法

2.1 統(tǒng)計(jì)閾值算法

統(tǒng)計(jì)閾值算法采用的是統(tǒng)計(jì)學(xué)小概率原理［1］，即:在一次觀測(cè)中，小概率事件是不可能發(fā)生的，一旦發(fā)生則認(rèn)為系統(tǒng)出了問(wèn)題。目前最常用“3δ法”來(lái)控制其界限，即:產(chǎn)品的質(zhì)量特征服從均值為μ，標(biāo)準(zhǔn)偏差為δ的正態(tài)分布，則全部數(shù)據(jù)的99.73%會(huì)落在［μ－3δ，μ+3δ］的范圍內(nèi)，當(dāng)超過(guò)這個(gè)范圍，則說(shuō)明小概率事件發(fā)生，即系統(tǒng)出現(xiàn)問(wèn)題。

在印刷品質(zhì)量檢測(cè)中，圖像的灰度值變化符合正態(tài)分布，因此，可以利用上述“3δ法”觀點(diǎn)來(lái)確定統(tǒng)計(jì)閾值來(lái)用于非邊緣點(diǎn)的檢測(cè)。

統(tǒng)計(jì)閾值的確定是在創(chuàng)建標(biāo)準(zhǔn)圖像的f(x，y)的過(guò)程中完成的，其算法公式為如下:

式中:δ(x，y)表示標(biāo)準(zhǔn)偏差圖像。

根據(jù)統(tǒng)計(jì)閾值算法，令value=3δ(x，y)，那么(1)式可以轉(zhuǎn)化為

即:對(duì)待測(cè)圖像g(x，y)匹配定位后，與標(biāo)準(zhǔn)圖像f(x，y)作差取絕對(duì)值，當(dāng)絕對(duì)值超過(guò)3δ(x，y)范圍，則標(biāo)記該點(diǎn)為缺陷點(diǎn)，否則為非缺陷點(diǎn)。

統(tǒng)計(jì)閾值算法針對(duì)每一個(gè)像素點(diǎn)提出對(duì)應(yīng)點(diǎn)的判斷閾值，相比經(jīng)典固定閾值，該算法能夠剔除大部分非邊緣點(diǎn)的偽疵點(diǎn)，真正起到了動(dòng)態(tài)閾值的效果，具有極大的優(yōu)越性。

2.2 鄰域平均值和梯度值算法

印刷品的印刷過(guò)程是不穩(wěn)定的，在控制張力和設(shè)備振動(dòng)的作用下，印刷品會(huì)在行走方向發(fā)生不同程度的拉伸變形，同時(shí)也會(huì)有左右方向的錯(cuò)動(dòng)，這些變形和錯(cuò)動(dòng)導(dǎo)致待測(cè)圖像和標(biāo)準(zhǔn)圖像差影后出現(xiàn)大量的輪廓?dú)埐睿?］，由于這些殘差不是真正的缺陷，我們稱之為偽輪廓，那么如果消除偽輪廓成為印刷品在線質(zhì)量檢測(cè)的一個(gè)關(guān)鍵環(huán)節(jié)［3］。

許多學(xué)者對(duì)該問(wèn)題進(jìn)行了研究，也提出了相應(yīng)的解決辦法。在文獻(xiàn)［4］中，作者提出了采用數(shù)學(xué)形態(tài)學(xué)去除偽輪廓的方法，他提出偽輪廓的像素寬度一般為2～3個(gè)像素，于是采用3×3的結(jié)構(gòu)元素對(duì)差影后的圖像進(jìn)行開(kāi)運(yùn)算。雖然該算法可以消除部分偽輪廓，但也會(huì)同時(shí)消除一些小的點(diǎn)缺陷和線缺陷，導(dǎo)致系統(tǒng)漏檢。在文獻(xiàn)［5］中，作者采用灰度形態(tài)學(xué)來(lái)提取圖像的邊緣范圍，同文獻(xiàn)［4］一樣也會(huì)產(chǎn)生系統(tǒng)漏檢。

本文對(duì)于邊緣點(diǎn)，采用鄰域平均值和梯度值相結(jié)合的算法來(lái)消除偽輪廓。它可以在去除偽輪廓的同時(shí)提取出真正的缺陷點(diǎn)。該算法首先就是選擇一種合適的邊緣檢測(cè)算子，提取出標(biāo)準(zhǔn)圖像的輪廓圖，由于偽輪廓是出現(xiàn)在圖像輪廓上，因此可以對(duì)閾值分割后的差影圖和待測(cè)圖的邊緣輪廓進(jìn)行比較。當(dāng)在差影圖上發(fā)現(xiàn)像素值為非零點(diǎn)時(shí)，就去標(biāo)準(zhǔn)圖像輪廓圖中查看對(duì)應(yīng)點(diǎn)是否為非零點(diǎn)，如果是，則初步判定該點(diǎn)是偽輪廓點(diǎn)。由于輪廓上可能會(huì)存在真缺陷，所以在初步判斷之后，要對(duì)標(biāo)準(zhǔn)圖像和待測(cè)圖像對(duì)應(yīng)點(diǎn)進(jìn)行鄰域平均值和梯度值閾值比較，當(dāng)差影圖該點(diǎn)的像素值小于閾值，則最終判定該點(diǎn)為偽輪廓點(diǎn)，反之，為真缺陷點(diǎn);在初步判斷之后，如果輪廓圖對(duì)應(yīng)位置的點(diǎn)為零點(diǎn)，此時(shí)，為保證算法準(zhǔn)確性，要繼續(xù)對(duì)該點(diǎn)進(jìn)行鄰域平均值閾值比較，如果小于閾值，則該點(diǎn)為偽疵點(diǎn)，反之為真缺陷。

輪廓相鄰點(diǎn)的鄰域一般有如圖1所示的三種形式:采用12鄰域的精度最高，但是其時(shí)間復(fù)雜度也是最高的;4鄰域的耗時(shí)最少，但其精度也是最低的;8鄰域精度和時(shí)間消耗都比較適中，故本文采用8鄰域算法。

圖1 輪廓相鄰點(diǎn)的鄰域圖

圖像的梯度，包含了圖像像素的變化大小和變化方向信息。對(duì)于邊緣上的點(diǎn)，由于其像素大小變化劇烈，故其梯度也較大，因此可以用梯度來(lái)對(duì)邊緣點(diǎn)進(jìn)行判斷。由于圖像有上下、左右方向的變形，故在本文中梯度采用45°或者135°方向進(jìn)行判斷。

算法的具體描述如下:

1)判斷閾值分割后的差影圖像上當(dāng)前點(diǎn)是否為非零點(diǎn);

2)如果當(dāng)前點(diǎn)為零點(diǎn)，則按照從左到右，從上到下的原則移動(dòng)到下一點(diǎn)，轉(zhuǎn)至1)中進(jìn)行判斷;如果當(dāng)前點(diǎn)為非零點(diǎn)，則轉(zhuǎn)至3);

3)判斷標(biāo)準(zhǔn)輪廓圖對(duì)應(yīng)點(diǎn)是否為非零點(diǎn)，如果為零點(diǎn)，則對(duì)標(biāo)準(zhǔn)圖像和待測(cè)圖像對(duì)應(yīng)點(diǎn)按照8鄰域平均值閾值判斷，小于閾值，為偽疵點(diǎn)，反之為真缺陷;如果為非零點(diǎn)，則對(duì)標(biāo)準(zhǔn)圖像和待測(cè)圖像對(duì)應(yīng)點(diǎn)按照8鄰域平均值和梯度值相結(jié)合進(jìn)行判斷小于閾值，為偽輪廓，反之為真缺陷。移動(dòng)到下一點(diǎn)，轉(zhuǎn)至1)。

3 實(shí)驗(yàn)及其結(jié)果分析

實(shí)驗(yàn)時(shí)，將經(jīng)典算法結(jié)果以及形態(tài)學(xué)操作與本文的算法進(jìn)行對(duì)比實(shí)驗(yàn)，驗(yàn)證本文算法是否可行。

標(biāo)準(zhǔn)圖像和待測(cè)圖像如圖2、圖3所示。

圖2 標(biāo)準(zhǔn)圖像

圖3 待測(cè)圖像

圖3待測(cè)圖像中有3條長(zhǎng)線、2條短線、4個(gè)小點(diǎn)和一個(gè)大塊，這些都是真缺陷，并且有著不同的灰度等級(jí)。兩幅圖像經(jīng)過(guò)預(yù)處理和配準(zhǔn)后的差影圖和固定閾值(實(shí)驗(yàn)時(shí)取20)分割圖如圖4、圖5所示。

圖4 差影圖

圖5 固定閾值分割圖

從圖4和圖5中可以清楚的看到，由于變形嚴(yán)重，分割圖中出現(xiàn)了大量的偽疵點(diǎn)和偽輪廓，這會(huì)造成系統(tǒng)誤判。對(duì)圖4進(jìn)行形態(tài)學(xué)開(kāi)運(yùn)算操作(開(kāi)運(yùn)算的核大小為3)，其結(jié)果如圖6所示。

圖6 差影圖的開(kāi)運(yùn)算結(jié)果

從圖6可以看到，真正的小缺陷被剔除了，但由于變形較大，造成的偽輪廓卻沒(méi)有完全消除。

對(duì)標(biāo)準(zhǔn)圖像采用Canny算子找邊緣得到的輪廓圖如圖7所示。然后按照本文中邊緣點(diǎn)和非邊緣點(diǎn)分開(kāi)處理的算法進(jìn)行試驗(yàn)，實(shí)驗(yàn)時(shí)，根據(jù)文獻(xiàn)［2］并結(jié)合現(xiàn)場(chǎng)試驗(yàn)情況，對(duì)平均閾值取25，對(duì)梯度取35，得到的結(jié)果如圖8所示。

圖7 標(biāo)準(zhǔn)圖像的輪廓圖

圖8 本文算法處理效果

將本文算法結(jié)果圖8和形態(tài)學(xué)圖6以及經(jīng)典算法圖5的效果進(jìn)行對(duì)比，可以發(fā)現(xiàn):經(jīng)典的缺陷提取算法沒(méi)有剔除疵點(diǎn)的能力，而形態(tài)學(xué)的算法在剔除疵點(diǎn)的同時(shí)也把小尺寸真缺陷一起剔除了，并且當(dāng)變形較大時(shí)，也達(dá)不到處理效果。本文算法能真正做到在剔除偽輪廓的同時(shí)，保留了較小的真缺陷，并且沒(méi)有明顯改變真缺陷的特征。

在印刷品檢測(cè)時(shí)，必須保證實(shí)時(shí)性。根據(jù)現(xiàn)場(chǎng)常用印刷版周為560 mm，設(shè)備運(yùn)行速度為160 m/min，則可計(jì)算出平均每秒要處理5幅圖，每幅圖需要200 ms，而本算法的運(yùn)算時(shí)間為35 ms，并且在現(xiàn)場(chǎng)穩(wěn)定運(yùn)行，故能夠保證實(shí)時(shí)性。

由以上的效果及分析，可以看出本文算法能夠克服經(jīng)典算法的缺點(diǎn)，超越形態(tài)學(xué)的算法，驗(yàn)證了本文算法的可行性。

4 結(jié)語(yǔ)

本文提出的基于邊緣點(diǎn)和非邊緣點(diǎn)分開(kāi)處理的算法，具有提取真正缺陷的效果，并且滿足實(shí)時(shí)性要求，能夠應(yīng)用于印刷品質(zhì)量在線檢測(cè)，具有一定的實(shí)用意義。

［1］官燕燕，劉昕.基于統(tǒng)計(jì)閾值法的印品缺陷檢測(cè)［J］.西安理工大學(xué)學(xué)報(bào)，2007，23(4):410－413.

［2］肖飛，劉雨，趙鍵.一種基于邊緣提取的印刷品斑點(diǎn)檢測(cè)方法［J］.多媒體技術(shù)，2007(12):122－124.

［3］許超.印刷品疵點(diǎn)檢測(cè)中一種基于輪廓的偽疵點(diǎn)剔除算法的研究［J］.工業(yè)控制計(jì)算機(jī)，2010，23(11):57－58.

［4］魯鎮(zhèn)惡，謝勇.印刷品外觀缺陷機(jī)器視覺(jué)的檢測(cè)與識(shí)別［J］.包裝工程.2002，23(1):10－11.

［5］楊歐，郭寶平，胡濤，等.灰度形態(tài)學(xué)在印刷品缺陷檢測(cè)中的應(yīng)用［J］.微計(jì)算機(jī)信息，2008，24(7):226－227.

Print Defects Detection Based on an Edge and Non Edge Separation Processing Algorithm

MA Peng，HAN Zhenyu，ZOU Longfei，LAN Yun
(School of Manufacturing Sci.＆Eng.，Sichuan University，Chengdu 610065，China)

The classic defects recognition algorithm is studied with an aim at printing defects detection，and this paper puts forward a recognition algorithm that processes edge and non－edge points separately in print defects detection.The algorithm is based on statistical process principle according to the characteristic difference of pixel edge points and non－edge points;the statistical threshold method is used for non－edge points，and the combination of field average value and gradient value is used for edge points.The algorithm was proved by experimentand it can effectively eliminate the false defects in the process of extracting the real defects.

statistical threshold;false defect;gradient;printing defects detection

TP391.41;TB114

A

1674－5795(2015)01－0017－04

10.11823/j.issn.1674－5795.2015.01.04

2014－10－23;

2014－11－06

作者介紹:馬鵬(1989－)，男，四川巴中人，碩士，主要研究方向?yàn)闄C(jī)器視覺(jué)與自動(dòng)化控制;韓震宇(1963－)，男，甘肅蘭州人，教授，主要研究方向?yàn)楣I(yè)自動(dòng)化控制、計(jì)算機(jī)技術(shù)、機(jī)器視覺(jué)、動(dòng)態(tài)檢測(cè)。