基于角點優(yōu)化的印刷品質(zhì)量動態(tài)檢測方法仿真

梁 銳，韓震宇

(四川大學(xué)機(jī)械工程學(xué)院，四川 成都 610065)

1 引言

檢測算法在印刷品缺陷檢測系統(tǒng)中的研究和實現(xiàn)是技術(shù)關(guān)鍵[1]。在印刷品缺陷的檢測中，由于印刷圖案一般預(yù)先不可知且多要求在線檢測，因此工業(yè)上常使用兩幅圖像進(jìn)行差分的方式來尋找缺陷的存在，即差影檢測法。在差影檢測法中，校正的精度將直接影響后續(xù)檢測結(jié)果的準(zhǔn)確性和精準(zhǔn)性[2]。然而這種方法不能保證在兩個時刻點圖像采集的環(huán)境一致，具體的環(huán)境波動如印刷品的拉伸形變、印刷品的左右擺動、線陣相機(jī)觸發(fā)脈沖不均勻，從而導(dǎo)致圖像產(chǎn)生畸變無法直接通過一次配準(zhǔn)和差影的方式獲得精準(zhǔn)的檢測結(jié)果。為了提高印刷品的精度，武漢大學(xué)田敏[1]提出分區(qū)域分等級的印刷品缺陷檢測方法，其根據(jù)印刷品不同區(qū)域的不同的特征和重要性來設(shè)定不同的檢測等級，但該方法在特殊區(qū)域無法對微小缺陷進(jìn)行檢測。此外，還有的學(xué)者利用一些數(shù)學(xué)變換，如剛體變換、仿射變換、多項式變換來進(jìn)行圖像幾何校正，如楊曉妍[3]提出了一種針對畸變印刷品字符校正的多項式自尋優(yōu)化改進(jìn)方法，利用菌群算法對畸變區(qū)域進(jìn)行控制點自尋優(yōu)，從而達(dá)到字符畸變區(qū)域最優(yōu)校正的目的，但是該算法主要針對印刷字體畸變嚴(yán)重情況且計算量大響應(yīng)慢，適用于小圖幅圖像檢測。

通過觀察印刷品被檢圖像中的畸變形狀特征，發(fā)現(xiàn)圖像主要發(fā)生漸變拉伸和錯位現(xiàn)象，針對以上現(xiàn)象給印刷品質(zhì)量檢測帶來位置噪聲，提出一種基于角點優(yōu)化的印刷品質(zhì)量動態(tài)在線檢測方法。仿真證明，該方法能夠有效降低以上畸變現(xiàn)象帶來的噪聲，降低信噪比，提高在線檢測精度，具有一定的生產(chǎn)指導(dǎo)意義。

2 印刷品質(zhì)量動態(tài)檢測原理

目前工業(yè)上印刷品質(zhì)量檢測的流程基本為：對圖像和模板圖像進(jìn)行預(yù)處理，對預(yù)處理后的圖像進(jìn)行模板匹配使得兩幅圖像位置配準(zhǔn)，然后利用差影的方式結(jié)合評判標(biāo)準(zhǔn)來找出在印刷品中所存在的缺陷[4]。但是實際生產(chǎn)過程中的環(huán)境復(fù)雜，兩幅圖像的生成時刻點不同，圖像采集過程中會受到環(huán)境波動的影響，直接反映在圖像上就是會導(dǎo)致圖像發(fā)生平移、拉伸、重影等畸變現(xiàn)象。

在采集兩幅圖像線陣相機(jī)觸發(fā)脈沖不均勻性將會導(dǎo)致縱向位置噪聲，兩幅圖像的觸發(fā)間隔分別為ΔL1、ΔL2，如圖1所示。

圖1 相機(jī)觸發(fā)脈沖不均勻產(chǎn)生的影響

在圖1中在第一幅圖像的第6個脈沖和的第二幅圖像第7的脈沖所掃描內(nèi)容大致相同，但是兩幅圖像的第6個脈沖所掃描的圖像相差甚遠(yuǎn)，兩者無法直接進(jìn)行差影比較。該情況出現(xiàn)的條件為

(1)

在理想情況下，認(rèn)為印刷物品為剛性物體，然而對于在線檢測過程中，印刷品因受到機(jī)械作用力而產(chǎn)生一定的伸縮變形，使得印刷品的版周長度發(fā)生變化且變化不具有規(guī)律性。此外，在印刷過程中印刷品也會隨滾筒旋轉(zhuǎn)發(fā)生橫向方向上的擺動，從而帶來橫向位置噪聲。印刷品的位置可以使用設(shè)備坐標(biāo)系來表述，圖2表示模板圖像與被檢測圖像由于圖像采集時間點不一致且印刷品在滾筒發(fā)生橫向擺動導(dǎo)致兩幅圖像在設(shè)備坐標(biāo)系中位置不同。

圖2 印刷品的橫向擺動

圖像的采集原理也會造成圖像發(fā)生位置噪聲。圖3(a)為三條黑白的相間的印刷圖像，其中第一條、第二條直線的線寬小于一個像素，第三條線寬大于一個像素。圖3(b)和圖3(c)為線陣相機(jī)在采集時間不一致可能的成像效果，線陣相機(jī)每條掃描線之間的間距并非嚴(yán)格一致，加上相機(jī)成像時環(huán)境波動，因此會形成圖3(b)和圖3(c)的數(shù)字圖像，這種圖像是原印刷圖像的一種輕微失真圖像。兩幅(模板和被檢)失真或者畸變的圖像，在差影檢測法中表現(xiàn)就是一種位置噪聲。

圖3 相機(jī)采集圖像

在差影檢測法中，如果發(fā)生以上位置錯位就會導(dǎo)致結(jié)果誤判，因此圖像應(yīng)該具有隨機(jī)或者定期對已配準(zhǔn)的位置進(jìn)行動態(tài)位置調(diào)整的能力。根據(jù)缺陷在印刷品中總是小概率事件，該動態(tài)檢測法采用最壞預(yù)測策略，在搜尋過程中如果采用了其它消除噪聲的方法后差影值依然超差，才可能進(jìn)行動態(tài)位置調(diào)整，盡量減小搜索和重新匹準(zhǔn)的代價。

在進(jìn)行差影比較中，如果某一像素在其它處理歷程完成后灰度依然異常(即超差)，要經(jīng)過錯位判定機(jī)制檢測無誤才能將其歸入缺陷集合，否者說明圖像發(fā)生錯配，需根據(jù)錯位判定機(jī)制檢測結(jié)果信息進(jìn)行動態(tài)位置調(diào)整之后返回檢測流程中繼續(xù)進(jìn)行后續(xù)檢測環(huán)節(jié)，檢測流程如圖4所示。

圖4 印刷質(zhì)量動態(tài)檢測流程圖

錯位判定機(jī)制是整個動態(tài)位置調(diào)整檢測的關(guān)鍵，其意味著在圖像中的像素點要不斷的標(biāo)定參考坐標(biāo)系中的位置，因此需要尋找圖像中的某些特征作為錯位判定機(jī)制的參考。田亮[5]利用圖像增強進(jìn)行特征點提取并通過最近鄰方法進(jìn)行匹配實現(xiàn)圖像的平移校正，但該方法會進(jìn)行大量的預(yù)處理并需要維持很多特征來完成圖像配準(zhǔn)。通過觀察工業(yè)印刷品及圖像特征，發(fā)現(xiàn)印刷品在局部范圍內(nèi)具有一定的剛度，也就是說圖像在局部范圍內(nèi)不會發(fā)生像素級的形變，因此在局部范圍內(nèi)只需要一個特征參考即可完成該區(qū)域的錯位判定。而圖像上不同特征點的位置調(diào)整能力不相同，其中圖像角點為二維圖像亮度變化十分明顯的點或曲線邊緣上曲率極大值的點[6]，其自身特征和周圍像素特征差異化較大，具有較強的位置調(diào)整能力，容易形成較為精準(zhǔn)的位置配準(zhǔn)。通過找出圖像中的角點并每個角點負(fù)責(zé)一塊局部區(qū)域的錯位判定，在缺陷檢測過程中根據(jù)兩幅圖像合格角點的位置關(guān)系判定圖像中是否發(fā)生位置錯位以及根據(jù)兩個角點提供位置信息進(jìn)行動態(tài)位置調(diào)整。

3 基于圖像角點的印刷品質(zhì)量動態(tài)檢測方法研究

3.1 圖像角點檢測算法

圖像角點(Corner Detection)是計算機(jī)視覺系統(tǒng)中用來獲得圖像特征的一種重要方法，廣泛用于運動檢測、圖像匹配、三維建模和目標(biāo)識別等領(lǐng)域[7]。目前角點檢測算法中最常見的有Harris角點檢測算法、Shi-Tomasi角點檢測算法、FAST檢點檢測算法、surf檢測和sift檢測等等[8]，而其中Harri算法和Shi-tomasi算法在局部特征檢測中表現(xiàn)優(yōu)越，根據(jù)印刷品局部具有一定的剛度特性，應(yīng)首先考慮這兩種算法。Harris角點檢測算法是基于Moravec算子提出的，是對Moravec算子的改良和優(yōu)化，它是通過Taylor級數(shù)展開法擴(kuò)展Harris角點來計算窗口沿任何方向移動后的灰度變化情況，用數(shù)學(xué)解析式進(jìn)一步確定特征點，同時引入了平滑因子，增強抗干擾能力[9]。Harris在圖像上以點I(x，y)以相對位移(Δx，Δy)進(jìn)行平移，其窗口灰度特性可以根據(jù)點自相關(guān)函數(shù)式(2)計算得到：

(2)

(3)

式(2)(3)中I(x，y)為圖像的灰度值，Δx，Δy為相對位移量，W(x，y)表示以點x，y為中心的窗口函數(shù)，一般為高斯加權(quán)函數(shù)，具體如式(4)所示。

(4)

(5)

(6)

式(5)中Ix，Iy分別為圖像在水平方向和垂直方向上的偏導(dǎo)數(shù)。矩陣M(x，y)的特征值大小反映了當(dāng)前位置像素點在局部范圍的突出程度。而Harris算法則通過響應(yīng)值R來進(jìn)行圖像角點的判斷。

R=det(M)-k(tr(M))2

(7)

式中det(M)為矩陣M的行列式，tr(M)為矩陣M的跡，如式(8)，(9)所示。

det(M)=λ1λ2=AB-C2

(8)

Tr(M)=λ1+λ2=A+B

(9)

3.2 動態(tài)調(diào)整的角點優(yōu)化策略

在圖像的局部范圍內(nèi)可能存在多個角點，因印刷品具有局部剛度特性，畸變在局部范圍內(nèi)不會以像素級別體現(xiàn)。如果在圖像檢測過程中將冗余角點信息存儲將會導(dǎo)致動態(tài)調(diào)整過程中角點污染和耗用內(nèi)存高等問題。假設(shè)圖像分辨率為w，印刷品畸變出現(xiàn)一個像素差的距離為x，因此可以推導(dǎo)出畸變在圖像上反映距離像素點個數(shù)n(剛度有效距離)，λ為調(diào)整系數(shù)。

(10)

通過Shi-tomasi角點算法對圖像進(jìn)行處理，提取到的角點放置于集合A中。為尋找圖像中特征最強的角點，對集合A按照角點響應(yīng)值由大到小排序操作

(11)

式(11)中I表示兩個數(shù)值的度量函數(shù)，u，v表示集合A中的兩個角點分別所擁有的響應(yīng)值R信息，σ表示給定的角點評判標(biāo)準(zhǔn)最小閾值。對集合A中的每個響應(yīng)值R進(jìn)行上式運算，通過X次計算即可完成集合A的排序工作

(12)

式(12)中，c(A)表示為集合A中元素的個數(shù)，即全局搜索角點的個數(shù)。其中整個過程兩個響應(yīng)值R有可能從未參與過式(11)比較，也有可能參與了比較，但是最多只會比較一次并不會多次比較。

設(shè)定最終的角點信息有效集合為C，其定義為

C={z，μc(z)|z∈A}

(13)

(14)

式(14)中集合B表示集合C對應(yīng)排斥集合。根據(jù)式(10)算出來印刷品剛度有效距離n，每當(dāng)一個角點被選入最終有效集，其距離大小為n范圍內(nèi)的角點都應(yīng)該舍棄。

B={z0(u0，v0)，z2(u1，v1)，1-μB(z0，z1)|z1∈A}

(15)

(16)

式(15)(16)中z0表示在式(13)中被選入到最終有效集C的角點，lower為向下取整操作。為加速后續(xù)的角點查詢，利用散列表的方式將角點信息進(jìn)行存儲，通過散列函數(shù)快速查找角點是否在最終有效結(jié)果集中。最終有效集存儲的角點信息為角點的橫向坐標(biāo)和縱向坐標(biāo)，自定義散列函數(shù)為

hash(x，y)=(x×cows+y)%m

(17)

式(17)中cows為所檢圖像像素排數(shù)，m為大于檢測所需角點數(shù)量的某一質(zhì)數(shù)。

通過角點篩選后獲得圖像中滿足提供動態(tài)檢測依據(jù)的角點并將其進(jìn)行存儲優(yōu)化以便后續(xù)動態(tài)調(diào)整過程的快速查找。圖5為本文待檢測圖像，通過不同方法將所檢測到的角點信息輸出在相同大小的圖幅中展示，圖中白色表示角點所在位置。圖6為未進(jìn)行角點優(yōu)化之前角點分布圖，圖7為角點優(yōu)化方法角點分布圖。

圖5 被檢圖像

圖6 未優(yōu)化前角點分布圖

圖7 角點優(yōu)化后角點分布圖

可見通過上述方法優(yōu)化的角點信息具有規(guī)律、不聚集等特性，能夠在局部范圍內(nèi)提供動態(tài)調(diào)整參考信息。

4 仿真結(jié)果和分析

為了驗證基于圖像角點的印刷品質(zhì)量動態(tài)檢測方法的可行性和有效性，進(jìn)行相關(guān)實驗，實驗設(shè)備配置為CPU為AMD Ryzen 5 2600X Six-Core Processor的微型計算機(jī)、操作系統(tǒng)為Windows10、實驗環(huán)境為基于opencv庫的visual studio2019。實驗圖像為項目合作印刷廠商的采集圖像，通過實驗，得到的實驗結(jié)果和分析如下所述。

實驗的評價指標(biāo)為目前比較常用的缺陷評測指標(biāo)：檢測精度(precision)，召回率(recall)和F1值(F1-score)。在視覺領(lǐng)域三者通常是基于像素級別定義，公式如下[10]：

Pre=TP/(TP+FP)

(18)

Rec=TP/(TP+FN)

(19)

F1=2*Pre*Rec/(Pre+Rrc)

(20)

其中TP表示正確檢測到的像素點數(shù)，F(xiàn)P表示虛假缺陷像素點數(shù)、FN表示未檢測到缺陷像素點數(shù)。Precision表示檢測出來的缺陷有多少是準(zhǔn)確的，Recall表示所有準(zhǔn)確(已知)的缺陷有多少被檢測出來，兩者都是越高越好，F(xiàn)1-score是兩者通過關(guān)系函數(shù)得出的綜合指標(biāo)。實驗過程中，分別利用了未進(jìn)行動態(tài)調(diào)整、基于普通角點、基于角點優(yōu)化后的方法對印刷圖像進(jìn)行了檢測，得到的圖像結(jié)果如表1所示。其中F表示實驗方法，a、b、c分別表示未進(jìn)行動態(tài)調(diào)整的普通差影法、基于普通角點動態(tài)檢測法、基于角點優(yōu)化動態(tài)檢測法。

表1 不同方法檢測精度對比

通過對比表1中三種方法可以看出，方法b、c的FP明顯降低，pre值明顯增高，說明通過動態(tài)調(diào)整法可以顯著提高印刷品檢測精度。方法c在進(jìn)行印刷品缺陷檢測中的三項評價指標(biāo)中都是最高，F(xiàn)P相對于方法b來說明顯降低，說明基于角點優(yōu)化的印刷品質(zhì)量動態(tài)檢測方法能夠有效的抑制由于環(huán)境原因產(chǎn)生的位置噪聲，提高缺陷檢測的精度。實驗不同方法進(jìn)行圖像缺陷檢測過程中得到的處理圖像結(jié)果如圖8所示。

圖8 不同方法檢測結(jié)果圖像

觀察圖a，左邊呈現(xiàn)橢圓形狀污點為印刷品缺陷，而右邊區(qū)域的零碎污點為圖像畸變帶來的位置噪聲，通過對比圖a，b可知，基于普通角點的動態(tài)檢測方法，在一定程度上可能消除噪聲，但也會因為角點污染在原本沒有噪聲的區(qū)域發(fā)生錯配而產(chǎn)生新的噪聲，導(dǎo)致缺陷檢測不準(zhǔn)確。圖c為提出的基于角點優(yōu)化的動態(tài)檢測方法實驗結(jié)果，圖中的噪聲在3幅圖像中最少，說明該方法能夠精準(zhǔn)的對圖像中的缺陷進(jìn)行提取，并能夠抑制由于檢測環(huán)境影響所帶來的圖像位置噪聲，保證圖像缺陷檢測的精度。

5 結(jié)束語

印刷品印刷質(zhì)量的在線檢測作為實現(xiàn)印刷品生產(chǎn)與檢測一體化的重要過程，越來越受到相關(guān)專家學(xué)者的重視。目前基于差影法的印刷品圖像缺陷檢測過程中，難以使用簡便的處理對環(huán)境所引起的圖像噪聲進(jìn)行抑制，影響檢測精度，且隨著而來帶來大量誤報、檢測速度慢等問題。為解決上述問題，提出一種基于角點優(yōu)化的印刷品質(zhì)量動態(tài)檢測方法。實驗結(jié)果表明，所提方法能夠有效緩解當(dāng)前印刷品檢測中的不足，為該研究方向的深入研究發(fā)展提供思路和理論依據(jù)。