數字圖像處理在自動切紙機質量分析中的應用

摘 要：簡要介紹一種針對自動切紙機質量分析過程中生成圖像的圖像處理算法，分析了切痕圖像特點，提出一般處理算法，并開發了獨有的去噪處理算法，根據處理結果判別切紙質量，說明了數字圖像在自動切紙機質量分析中的應用的可用性。

關鍵詞：數字圖像處理 自動切紙機質量分析 算法開發

中圖分類號：TP391 文獻標識碼：A 文章編號：1672-3791（2013）04（a）-0004-02

切紙機是一種應用廣泛的印刷機械、包裝機械，在印刷后期的紙張裁切中必不可少。隨著整個國家經濟的發展，印刷、包裝行業的重要性日益突出，印刷廠、圖文店也日益增多，全自動切紙機的應用也越來越廣泛，而自動切紙機質量分析對于自動切紙機的發展有至關重要的作用。因此，自動切紙機質量分析技術也越來越受到人們的重視。

隨著計算機和數學學科的發展，數字圖像處理在農牧業、林業、環境、軍事、工業和醫學等方面的應用需求日益增長。將數字圖像處理技術用在自動切紙機質量分析技術上可以大大增加自動切紙機的切割質量，進一步提高了切紙機的自動化水平。通過對圖像進行二值化，濾波，去噪等處理來提取劃痕特征可以很好的檢測切紙質量。

1 數字圖像處理基礎

數字圖像處理是通過計算機對圖像進行去除噪聲、增強、復原、分割、提取特征等處理，以提高圖像質量或達到人們要求的預期結果。數字圖像處理將圖像信號轉換成數字信號并利用計算機對其進行處理的過程，可以有效地分析圖像特征。

1.1 頂帽變換

對于亮度不均勻的圖片做閾值處理很困難，難以將圖片特征安全提取出來。開運算可用于補償不均勻的背景亮度，只要使用結構元素大到不能完全匹配圖像前景特征以產生對整個圖像背景的合理估計。再在原圖像的基礎上減去經開運算后的圖像，就能得到一幅背景均勻的圖像。直接使用IPT函數imtophat可以實現此操作。

g=imtophat（f，NHOOD）

其中NHOOD是一個值為0和1的數組，用于指定結構元素的大小和形狀。

1.2 去噪算法

二值化后的圖像有較多的噪聲點，會大大影響紙片質量分析的結果。根據多幅圖像處理結果，圖像提取目標為較窄的線條狀，但噪聲點多為面積較大的島狀，難以找到合適的結構元素以過濾噪聲。經過觀察多幅圖像發現，噪聲點寬度大多大于18小于20個像素，20個像素之后像素值為0，而連續的直線向左20個像素之后的像素值為1。根據噪聲向左不連續的特點，書寫程序流程圖，如圖1，并開發算法。

去噪算法如下所示：

1、input（f）

1、r←M

2、c←N △分別將輸入圖像的高和寬賦值給r和c

2、 g←f

3、 for i←1：r

1、for j←1：c △逐行讀取每一個元素

If f（i，j）==1 then

1、for k←18：20 △當檢測到像素值為1的點時，再檢測此點之后的第18-20個像素的像素值。

If f（i，min（j+k，c））==0 then△像素值為0則代表此像素點是島狀噪聲點

1、for t←0：k

1、g（i，min（j+t，c））=0 △將島狀噪聲點賦值為0。

2 圖像處理過程

經過反復試驗總結，經過以下幾個步驟可以處理自動切紙機的切痕圖片，提取切痕特征進行質量分析。圖2為整個處理過程的程序流程圖。

以下通過處理一幅切割完整和一幅切割不完全的圖像來說明圖像處理過程。如圖3所示為圖像處理原圖像，即自動切紙機的切痕圖像。圖3-a為一幅切割較為完整的圖像，圖3-b存在切割缺陷的圖像。

2.1 圖像預處理

首先將圖3使用imadjust變換成負片圖像。從圖3可以看出，由于圖片拍攝中光照不均勻，造成右下部的圖片背景比左半部分黑，會對閾值處理帶來較大的干擾。采用使用頂帽變換來補償不均勻的背景亮度，可以得到很好的處理效果。根據圖像實際情況，選擇半徑為10的圓形結構元素完全大于前景切痕，在開運算時除去前景元素，原圖像減去不均勻的背景圖像后就可以得到背景均勻的圖像。

1、se←strel（'disk'，10）；

2、g1←imtophat（g，se）；

3、figure，imshow（g1）

可以明顯地看到頂帽變換完全去除了不均勻的背景，初步將切痕提取出來，但劃痕顏色較淺且不夠清晰，存在毛刺和細小的斷口。接下來將使用值為2的方形結構元素對形成圖像進行開閉濾波，平滑提取圖像的劃痕，再使用膨脹加強圖像劃痕，膨脹后的圖像閾值處理的效果會更好。

經過以上變換，劃痕已經初步提取出來，但顏色較淺。圖像二值化能反映圖像整體和局部特征，有利于圖像的進一步處理，使圖像變得簡單，而且數據量減小，能凸顯出感興趣的目標的輪廓，同時也是霍夫變換的預處理步驟。對膨脹后圖像進行二值化，會明顯地突出切痕。圖4為二值化后的圖像。

從圖4中可以看出，二值化后紙片的劃痕雖已經較為明顯，但噪聲雜點同時也被顯現出來，不利于后續處理，影響霍夫變換的使用，而且會對切割質量的判斷造成影響。圖像提取目標為線條狀，噪聲點多為面積較大的島狀，單一采用開閉交替濾波，難以找到合適大小的模板。因此采用單獨開發去噪算法，去除圖5中的噪聲點。圖5為去噪后的圖像。

2.2 霍夫變換線檢測和鏈接

由于圖片拍攝時放置不平整或者光照的原因造成線段中間會有斷裂，且經過去噪處理以后，有部分較細線段被去除。霍夫變換可以識別出黑白圖像中的幾何圖形，houghpeaks和houghlines可以進行線段連接。經過多次試驗，只要合理的選擇霍夫變換參數就能得到線檢測和鏈接很好的效果。

[H，theta，rho]=hough（g12）；

imshow（H，[]，'XData'，theta，'YData'，rho，.InitialMagnification'，'fit'）；

xlabel（'＼theta'）， ylabel（'＼rho'）；

axis on， axis normal， hold on；

P= houghpeaks（H，10，'threshold'，ceil（0.3*max（H（：））））；

plot（theta（P（：，2）），rho（P（：，1）），'s'，'color'，'white'）；

lines = houghlines（g12，theta，rho，P，'FillGap'，50，'MinLength'，15）

figure，imshow（g12），hold on

for k=1：length（lines）

xy=[lines（k）.point1；lines（k）.point2]；

plot（xy（：，1），xy（：，2），'Linewidth'，2，'color'，'green'）；

end

圖6為霍夫變換線檢測和連接后的結果。

3 結語

整個處理過程目的是提取出質量分析所需要的紙片切痕。以頂帽變換均勻背景為基礎，加上專門開發的去噪算法，最后使用霍夫變換做線鏈接，從圖6可以看出，得到了較好的處理結果。不僅提取出了切痕，沒有噪聲點，而且線鏈接之后的切痕平滑沒有斷裂。圖6-a中圖像中的劃痕完整且清晰，說明了切紙機的切割質量合格。而圖6-b中可以明顯的看出有一段明顯地沒有切痕，說明了這個位置存在切割缺陷。經過實踐證明，此算法能很好地處理自動切紙機的切痕圖像，檢測切割缺陷。數字圖像像處理必然會在自動化切紙機質量分析領域引起廣泛的關注，大大提高自動切紙機的處理能力。

參考文獻

[1]岡薩雷斯.數字圖像處理[M].3版.北京：電子工業出版社，2011.

[2]岡薩雷斯.數字圖像處理（MATLAB版）.北京：電子工業出版社，2005.