基于邊緣與非邊緣分開處理的印刷品缺陷檢測

馬鵬，韓震宇，鄒龍飛，蘭云

(四川大學制造科學與工程學院，四川成都610065)

基于邊緣與非邊緣分開處理的印刷品缺陷檢測

馬鵬，韓震宇，鄒龍飛，蘭云

(四川大學制造科學與工程學院，四川成都610065)

針對印刷品缺陷檢測問題，通過對經典缺陷識別算法的研究，提出了一種邊緣點與非邊緣點分開處理的印刷品檢測缺陷識別算法。算法以統計過程原理為出發點，根據邊緣點和非邊緣點不同的像素特征，對非邊緣點采用統計閾值法處理，對邊緣點采用鄰域平均值與梯度值相結合的算法處理。該算法經過實驗證明，能夠有效地剔除偽疵點，提取出真正的缺陷。

統計閾值;偽疵點;梯度;印刷品缺陷檢測

0 引言

隨著數字化和信息化進程的不斷加快，人們對于生活和學習中離不開的各種印刷品的質量要求也不斷提高。由于印刷工藝及設備精度不高以及印刷技術不完善等一些不可避免的因素使得印刷品常會出現各種缺陷，如版印、污跡、飛墨、刀絲、毛刺、皺折等，這就要求對印刷品出現的各種缺陷進行準確的識別和判斷，剔除不合格產品。

基于機器視覺和圖像處理的印刷品在線檢測技術是保證印刷品質量的有效手段，它代替了人工肉眼識別，具有更穩定、更高效、更精確的優勢。本文在對經典印刷品檢測方法的研究上，基于統計過程原理，發現邊緣點和非邊緣點像素灰度值分布的特征差異，提出了將邊緣和非邊緣分開處理算法，將該算法應用于實驗，結果證明，該算法能夠剔除偽疵點，提取出真正缺陷，并且滿足實時性要求。

1 經典缺陷提取算法

對于大多數的印刷品質量檢測，都采用經典的圖像差影法(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段和不同波段采集到的圖像與標準圖像(也稱模板圖像)進行相減，結合判斷閾值，提取出不同的部分，然后通過分析連通區域面積是否超過系統精度，從而判斷待測圖像是否存在缺陷。經典差影算法的定義如下:

式中:f(x，y)表示標準圖像，g(x，y)表示待測圖像，value表示固定閾值，T(x，y)表示檢測出的點，1表示缺陷點，0表示非缺陷點。

式(1)中的f(x，y)標準圖像通常根據統計學原理，采用統計平均的方式建立。統計平均法是抽取N個樣本圖像，根據各個圖像樣本的像素值的概率分布，求出統計平均值作為標準值，計算公式為

式中:N表示樣本數量;fi(x，y)表示每個樣本圖像，i=1，2，…，N。

在圖像采集過程中，由于印刷設備的振動、設備環境的變化使得印刷品圖像存在著圖像波動以及圖像偏移，經典算法對整幅圖像取固定閾值value，因此差分后的結果并非真正缺陷，這樣容易引起誤判。為了減少誤判，消除偽疵點，經典算法一般采用圖像形態學運算，即對檢測出的異常點T(x，y)進行一系列的膨脹和腐蝕操作。形態學運算雖然能減少誤判，但是它同樣會將一些小的缺陷(由形體學的核大小決定)一起剔除，造成小缺陷漏檢，影響系統檢測精度。

本文從統計過程原理出發，發現非邊緣點的圖像像素波動在一個小的范圍內;而對于邊緣點，由于像素梯度變化很劇烈，其波動范圍很大，甚至達到了8位像素的寬度?；诖?，本文對邊緣點和非邊緣點分開處理，對于非邊緣點，采用統計閾值法進行處理;對于邊緣點，采用鄰域平均值和梯度值相結合的算法進行處理。

2 邊緣點非邊緣點算法

2.1 統計閾值算法

統計閾值算法采用的是統計學小概率原理［1］，即:在一次觀測中，小概率事件是不可能發生的，一旦發生則認為系統出了問題。目前最常用“3δ法”來控制其界限，即:產品的質量特征服從均值為μ，標準偏差為δ的正態分布，則全部數據的99.73%會落在［μ－3δ，μ+3δ］的范圍內，當超過這個范圍，則說明小概率事件發生，即系統出現問題。

在印刷品質量檢測中，圖像的灰度值變化符合正態分布，因此，可以利用上述“3δ法”觀點來確定統計閾值來用于非邊緣點的檢測。

統計閾值的確定是在創建標準圖像的f(x，y)的過程中完成的，其算法公式為如下:

式中:δ(x，y)表示標準偏差圖像。

根據統計閾值算法，令value=3δ(x，y)，那么(1)式可以轉化為

即:對待測圖像g(x，y)匹配定位后，與標準圖像f(x，y)作差取絕對值，當絕對值超過3δ(x，y)范圍，則標記該點為缺陷點，否則為非缺陷點。

統計閾值算法針對每一個像素點提出對應點的判斷閾值，相比經典固定閾值，該算法能夠剔除大部分非邊緣點的偽疵點，真正起到了動態閾值的效果，具有極大的優越性。

2.2 鄰域平均值和梯度值算法

印刷品的印刷過程是不穩定的，在控制張力和設備振動的作用下，印刷品會在行走方向發生不同程度的拉伸變形，同時也會有左右方向的錯動，這些變形和錯動導致待測圖像和標準圖像差影后出現大量的輪廓殘差［2］，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量檢測的一個關鍵環節［3］。

許多學者對該問題進行了研究，也提出了相應的解決辦法。在文獻［4］中，作者提出了采用數學形態學去除偽輪廓的方法，他提出偽輪廓的像素寬度一般為2～3個像素，于是采用3×3的結構元素對差影后的圖像進行開運算。雖然該算法可以消除部分偽輪廓，但也會同時消除一些小的點缺陷和線缺陷，導致系統漏檢。在文獻［5］中，作者采用灰度形態學來提取圖像的邊緣范圍，同文獻［4］一樣也會產生系統漏檢。

本文對于邊緣點，采用鄰域平均值和梯度值相結合的算法來消除偽輪廓。它可以在去除偽輪廓的同時提取出真正的缺陷點。該算法首先就是選擇一種合適的邊緣檢測算子，提取出標準圖像的輪廓圖，由于偽輪廓是出現在圖像輪廓上，因此可以對閾值分割后的差影圖和待測圖的邊緣輪廓進行比較。當在差影圖上發現像素值為非零點時，就去標準圖像輪廓圖中查看對應點是否為非零點，如果是，則初步判定該點是偽輪廓點。由于輪廓上可能會存在真缺陷，所以在初步判斷之后，要對標準圖像和待測圖像對應點進行鄰域平均值和梯度值閾值比較，當差影圖該點的像素值小于閾值，則最終判定該點為偽輪廓點，反之，為真缺陷點;在初步判斷之后，如果輪廓圖對應位置的點為零點，此時，為保證算法準確性，要繼續對該點進行鄰域平均值閾值比較，如果小于閾值，則該點為偽疵點，反之為真缺陷。

輪廓相鄰點的鄰域一般有如圖1所示的三種形式:采用12鄰域的精度最高，但是其時間復雜度也是最高的;4鄰域的耗時最少，但其精度也是最低的;8鄰域精度和時間消耗都比較適中，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。對于邊緣上的點，由于其像素大小變化劇烈，故其梯度也較大，因此可以用梯度來對邊緣點進行判斷。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前點是否為非零點;

2)如果當前點為零點，則按照從左到右，從上到下的原則移動到下一點，轉至1)中進行判斷;如果當前點為非零點，則轉至3);

3)判斷標準輪廓圖對應點是否為非零點，如果為零點，則對標準圖像和待測圖像對應點按照8鄰域平均值閾值判斷，小于閾值，為偽疵點，反之為真缺陷;如果為非零點，則對標準圖像和待測圖像對應點按照8鄰域平均值和梯度值相結合進行判斷小于閾值，為偽輪廓，反之為真缺陷。移動到下一點，轉至1)。

3 實驗及其結果分析

實驗時，將經典算法結果以及形態學操作與本文的算法進行對比實驗，驗證本文算法是否可行。

標準圖像和待測圖像如圖2、圖3所示。

圖2 標準圖像

圖3 待測圖像

圖3待測圖像中有3條長線、2條短線、4個小點和一個大塊，這些都是真缺陷，并且有著不同的灰度等級。兩幅圖像經過預處理和配準后的差影圖和固定閾值(實驗時取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，由于變形嚴重，分割圖中出現了大量的偽疵點和偽輪廓，這會造成系統誤判。對圖4進行形態學開運算操作(開運算的核大小為3)，其結果如圖6所示。

圖6 差影圖的開運算結果

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

對標準圖像采用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和非邊緣點分開處理的算法進行試驗，實驗時，根據文獻［2］并結合現場試驗情況，對平均閾值取25，對梯度取35，得到的結果如圖8所示。

圖7 標準圖像的輪廓圖

圖8 本文算法處理效果

將本文算法結果圖8和形態學圖6以及經典算法圖5的效果進行對比，可以發現:經典的缺陷提取算法沒有剔除疵點的能力，而形態學的算法在剔除疵點的同時也把小尺寸真缺陷一起剔除了，并且當變形較大時，也達不到處理效果。本文算法能真正做到在剔除偽輪廓的同時，保留了較小的真缺陷，并且沒有明顯改變真缺陷的特征。

在印刷品檢測時，必須保證實時性。根據現場常用印刷版周為560 mm，設備運行速度為160 m/min，則可計算出平均每秒要處理5幅圖，每幅圖需要200 ms，而本算法的運算時間為35 ms，并且在現場穩定運行，故能夠保證實時性。

由以上的效果及分析，可以看出本文算法能夠克服經典算法的缺點，超越形態學的算法，驗證了本文算法的可行性。

4 結語

本文提出的基于邊緣點和非邊緣點分開處理的算法，具有提取真正缺陷的效果，并且滿足實時性要求，能夠應用于印刷品質量在線檢測，具有一定的實用意義。

［1］官燕燕，劉昕.基于統計閾值法的印品缺陷檢測［J］.西安理工大學學報，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檢測方法［J］.多媒體技術，2007(12):122－124.

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

［4］魯鎮惡，謝勇.印刷品外觀缺陷機器視覺的檢測與識別［J］.包裝工程.2002，23(1):10－11.

［5］楊歐，郭寶平，胡濤，等.灰度形態學在印刷品缺陷檢測中的應用［J］.微計算機信息，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，主要研究方向為機器視覺與自動化控制;韓震宇(1963－)，男，甘肅蘭州人，教授，主要研究方向為工業自動化控制、計算機技術、機器視覺、動態檢測。