基于圖像處理的印品質量檢測系統研究

劉浩　孫建明　王小芳　李昭

【摘 要】本文針對基于圖像處理的印刷品質量檢測系統進行研究，主要采用了基于動態灰度閾值和分層檢測的圖像缺陷識別算法。該算法考慮到人的視覺感官特性，首先將所用的灰度閾值對采集到的印刷品圖像進行缺陷的初步識別和標定，然后再按照印刷品質量檢測要求采用分層檢測的方法進行搜索，解決了以往圖像檢測缺陷識別中的檢測效果和速度不理想的問題，提高了檢測的速度和效果。

【關鍵詞】圖像處理；缺陷檢測；動態閾值；分層檢測

0 引言

目前，提高印刷質量檢測的自動化程度已經成為印刷領域里急需研究的重要課題。

常見的印刷品缺陷主要有顏色失真、油墨濺污、黑點、文字模糊、起皺、漏印、刮傷、套印不準等。但是概括起來可以分為點缺陷、線缺陷和面缺陷等。印刷包裝企業一般采用人工方法，直接將印刷品和標準樣張進行比對，評價印刷品與標準樣張顏色差異，做出定性評估。雖然簡單靈活，但是由于觀測人員的經驗和生理、心理等眾多影響因素，從而影響到該方法的準確性和可靠性[1]。而隨著機器視覺以及數字圖像處理技術的發展，目前已經開始利用計算機來控制印刷過程和檢測印刷質量，為了保證印刷生產和質量檢測的自動化相適應，需要對圖像的缺陷識別算法進行研究，以滿足印刷圖像檢測的高速度和幅面大的特點，實現實時在線高速檢測。本文就基于圖像處理的印刷品質量檢測系統進行研究。

1 印刷品質量檢測流程

基于圖像處理的印刷品質量檢測系統的基本原理是，通過圖像采集設備采集一幅或多幅無缺陷的標準印刷品圖像作為標準模板，接著在線采集待檢圖像。由于印刷品在印刷過程中難免會發生平移和旋轉，因此在進行下一步的匹配比較前首先要將標準模板和待檢圖像進行對準。然后將待檢圖像和標準模板進行匹配和比較，再對所得缺陷圖像進行缺陷分類和統計分析處理。根據比較結果可以確定生產線上的產品是否符合質量要求，是否存在缺陷并判斷缺陷的位置，及時發出警告信息；或者反饋給印刷機對印刷工藝參數進行自動調節[2]。印刷品圖像質量檢測流程見圖1所示。

2 圖像缺陷識別算法原理

目前對標準模板圖像和采集圖像的檢測比較一般是采用逐像素比較算法，即采用待檢圖像與模板圖像進行減影操作，獲得其差別圖像，通過差別圖像可以直觀地判斷出待檢產品是否合格。但是這種方法需要對每一像素點進行檢測，耗時較大，在對大幅面印刷品的實時檢測中不能滿足要求[3]。

按照人眼的視覺特性以及印刷質量檢測標準為基礎，本系統采用了一種基于動態灰度閾值和分層檢測方法的印刷圖像缺陷識別算法，不僅可以保證印刷缺陷識別的精度，而且可以縮短檢測時間，滿足印刷質量實時在線檢測的需要。

該算法的識別步驟為：首先根據模板圖像以及客戶對印刷品質量的要求，設定動態的灰度閾值范圍；根據動態灰度閾值范圍判別圖像狀態；然后按照確定的檢測標準采用分層檢測方法找出圖像缺陷。算法基本結構如圖2所示。

2.1 基于人眼視覺特性的動態灰度閾值

根據人眼的視覺特性，在相同亮度的刺激下，背景亮度不同所感覺到的明暗程度也不同，這主要是由于人眼視覺的不均勻性所造成的。在印刷圖像階調不同的區域，即使灰度級差相同，人眼所感覺到的視覺差異卻不同，比如在亮調區域和暗調區域，同樣相差20個灰度級，人眼所感受到的色彩差異卻明顯不同。從人眼的視覺感官效果來看，人眼對于印刷品暗調區域的色彩變化更為敏感，能分辨更小的灰度差異。因此，在設定圖像檢測的閾值標準時，需要把不同灰度區域的視覺差異考慮進去，設立灰度的相對閾值。

本系統設定了動態閾值范圍標準的方法，閾值范圍給出兩個調節值，一為絕對閾值，另一為相對閾值，而圖像的閾值標準即為兩部分的總和。假如設A為所設定的圖像的灰度絕對閾值，設R為所設定的圖像的灰度相對閾值，設f（x，y）為已建立的模板圖像函數，設g（x，y）為待檢圖像函數，設Fins為檢測結果（1表示檢測合格，0相反），則：

由上式可見，由于相對閾值R的存在，使得圖像灰度值f（x，y）不同的區域的閾值也不一樣，這樣檢測圖像上各像素點都有隨像素灰度變化的灰度閾值[4]。

這種灰度閾值標準是基于人眼的視覺特性設定的，合理地評價圖象質量應充分遵循人眼的視覺特性。并且這樣設定閾值標準也考慮了印刷圖像的實際檢測要求，因為所采集到的印刷圖像分辨率很高，但是人眼不可能敏銳地感覺到圖像上的一個像素點大小的錯誤，也就沒有必要使印刷圖像檢測的精度超過人眼的視覺精度。

2.2 印刷品圖像狀態判別方法

在設計印刷缺陷識別算法時，需要能夠區別出印刷品合格與否。因此，在設定檢測閾值時，即根據上節所述的閾值設定標準設定臨界閾值T，臨界閾值有相對閾值R和絕對閾值A來進行調節。若模板圖像函數為f（x，y），則：

待檢圖像像素點經過臨界閾值的判斷，就轉化為只有0、1兩種數字的檢測狀態。凡是在檢測圖像狀態中出現數字1的情況，即已有圖像像素點達到不合格閾值，該待檢圖像應該被認為是不合格品。

2.3 結合動態的灰度閾值的分層檢測算法

本系統設定檢測的基本標準為3×3像素大小，即檢測要求不能漏檢任一9個像素大小的正方形缺陷點，同時應進一步檢測出含有5個及更多像素缺陷點的9個像素大小的正方形臨界點。這是本文高精度圖像檢測的標準，也是采用分層檢測算法的基礎。

本系統采用的分層檢測算法是根據確定的圖像檢測標準，按照十字方向對圖像進行分層次的檢測，減少了需要檢測的像素點數目，可以達到大大縮短檢測時間的目的[5]。

在圖3（圖中每一方格表示一像素點）中，首先對圖像進行隔點檢測即檢測圖中標記為A的像素點（圖3（a））；若出現不合格的A點（如圖3（b）中A點）則對其四周十字架型的標記為B的像素點進行搜索（圖3（b））；若出現不合格的相鄰B點（如圖3（c）中被灰色覆蓋的B點）則再開始對其周圍標記為C的像素點進行檢測（圖3（c））；若不合格則再按3×3像素大小矩形檢測其余點，找出是否存在缺陷點矩形。而在以上對A、B、C類點進行檢測過程中，如果有合格點，則可以有相對應的像素點免于檢測，從而縮短搜索時間。

同時，該分層檢測算法結合了前面所述的動態灰度閾值方法，在對圖像中某點進行檢測前，按照公式（3）先對該點進行初步識別和標定，這樣可以獲得更好的檢測效果。雖然加入動態灰度閾值方法使得檢測算法在檢測單個像素點時需要更長時間，但是由于采用了分層檢測，算法對于圖像的檢測時間還是能夠被大大縮短。而加入了動態閾值思想的分層檢測算法可以保證在檢測過程中不漏檢任何不合格缺陷點，同時又能縮短檢測時間。

3 實驗和結果分析

本系統所采用的檢測算法主要目的在于保證檢測要求的同時大大縮短檢測時間，從而達到能夠適應印刷品質量在線檢測的要求。

在實驗中，采用一臺Celeron 2.4G的微機，Windows XP Professional操作環境，整個系統算法采用Visual C++6.0編程語言來實現，實驗系統采集的分辨率為1024×768dpi，每一像素所占的實際大小為0.2mm×0.2mm。

實驗時，直接以所采集到的合格印刷品圖像經過預處理后作為標準模板。然后分別對帶有點缺陷、線缺陷、面缺陷的印刷品進行圖像采集，然后進行檢測。采用分層檢測法平均檢測時間為52ms，大大縮短了檢測時間，滿足了印刷品質量實時檢測的需要。

通過實驗可知，當缺陷點數目不是很多的情況下，分層檢測算法與逐像素比較法相比檢測時間大大縮短，尤其是當圖像中缺陷點數目不是很多的情況下。實驗證明，

（1）對于逐像素檢測算法，缺陷點數量以及缺陷數量的多少對其檢測時間基本沒有影響；

（2）對于分層檢測算法，缺陷越少，檢測時間越少；檢測時間隨著缺陷的增多而延長；

（3）當缺陷點少時，分層檢測算法可以只檢測少量的圖像象素點，而減少時間；

（4）當缺陷點數量多且面積大時，分層檢測算法就必須要檢測大量的象素點，減少檢測時間的效果就沒那么明顯了。

（5）另外，對于高精度圖像的質量檢測系統，檢測時的定位匹配精度對圖像缺陷點的檢測也有直接的影響。在這一點上，可以通過對校正范圍來進行人工設置，從而提高定位匹配精度并減少時間。

4 結束語

本系統采用了一種基于圖像處理的印刷品質量檢測的實時圖像缺陷識別算法。該算法基于人的視覺感官特性和印刷品圖像檢測的基本要求，采用了結合動態的灰度閾值標準的分層檢測方法，解決了以往印刷圖像檢測缺陷識別中檢測速度和效果上存在的問題，在進一步提高對不同灰度區域的檢測效果的基礎上大大縮短了檢測時間，從而達到實時的印刷品質量實時高速在線檢測的要求。本算法通過在高精度印刷圖像質量自動化檢測系統中的應用，證明檢測確實取得比較滿意的效果和速度。

本系統所研究的印刷品質量檢測技術大大減少了印刷品質量控制的人為干預，能大幅度提高印刷機械的生產效率，從而降低了對操作人員技能的要求，為真正實現印刷機械的自動化提供了一項可行的實施方案，在印刷領域里具有廣闊的應用前景。

【參考文獻】

[1]孫建明.標簽、票據類印刷品全面質量檢測時代來臨[J].印刷工業，2008（07）.

[2]孫建明，周世生，周利國.基于CIEDE2000色差公式的印刷品色差檢測研究[J].機械科學與技術，2011（04）.

[3]韓斌，劉以安，王士同.基于圖像處理的印刷缺陷計算機自動檢測[J].自動化技術與應用，2002（21）：37-38.

[4]劉玄玄，王曉紅，章婷.一種基于視覺底層特征的圖像質量評價方法[J].光學技術，2015（05）.

[5]余文勇，周祖德，陳幼平.一種高速印刷品缺陷在線檢測系統[J].華中科技大學學報（自然科學版），2006（06）.

[責任編輯：楊玉潔]