基于MATLAB的香煙小包裝圖像處理研究

劉歡　溫晶晶

【摘 要】本研究應(yīng)用MATLAB數(shù)字處理工具箱對香煙小包裝圖像信息進(jìn)行處理。詳細(xì)介紹了應(yīng)用圖像處理方法（圖像濾波、圖像增強(qiáng)等）對煙包圖像進(jìn)行預(yù)處理，采用二值圖像邊沿連接方式來求邊緣檢測圖像和邊緣坐標(biāo)，并用imcrop函數(shù)對目標(biāo)圖像區(qū)域進(jìn)行定位，最終通過圖像匹配進(jìn)行煙包圖像的合格性分析。仿真結(jié)果表明，所設(shè)計(jì)的方案可以有效的解決采用圖像處理技術(shù)進(jìn)行包裝質(zhì)量檢測的一系列關(guān)鍵問題，具有重要的理論價(jià)值和應(yīng)用前景。

【關(guān)鍵詞】香煙包裝;圖像處理;MATLAB;質(zhì)量檢測

中圖分類號： TP23 文獻(xiàn)標(biāo)識碼： A 文章編號： 2095-2457（2019）27-0042-003

DOI：10.19694/j.cnki.issn2095-2457.2019.27.019

【Abstract】In this study， the digital processing toolbox of MATLAB is application for small packages of cigarettes image information processing. Many of image processing method （image filtering， image enhancement， etc.） use to cigarette image preprocess are introduced in detail. Using binary image edge connections to seek the edge detection and edge coordinates， imcrop function is used to locate the target image region and at the final the quality of the cigarette package image is analyzed by image matching. The results of the simulation show that the design of the program can effectively solve a series of key issues in the image processing technology for packaging quality testing and it has important theoretical value and application prospect.

【Key words】Cigarette packaging; Image processing; MATLAB; Quality inspection

0 引言

在競爭激烈的煙草行業(yè)中，香煙外包裝是否精美直接體現(xiàn)煙草企業(yè)商標(biāo)和品牌形象，香煙的任何包裝質(zhì)量問題都會(huì)影響人們對產(chǎn)品的滿意度和企業(yè)信譽(yù)度，如何保證香煙包裝生產(chǎn)的質(zhì)量，減少和杜絕不合格產(chǎn)品流入市場，是各大卷煙企業(yè)全面質(zhì)量控制的一個(gè)關(guān)鍵[1]。

現(xiàn)代化香煙大都由高速流水線生產(chǎn)，設(shè)備的自動(dòng)化程度較高，導(dǎo)致生產(chǎn)過程中出現(xiàn)不合格產(chǎn)品的狀況時(shí)有發(fā)生[2]。其中香煙包裝上圖案文字的錯(cuò)印是一類常見的現(xiàn)象，該類差錯(cuò)在香煙生產(chǎn)的質(zhì)量問題中占有一定比的例。因此，在煙包生產(chǎn)線上對有包裝瑕疵的香煙進(jìn)行檢測并及時(shí)剔除有重要意義。

目前，針對香煙小包裝外觀的檢測大多采用原始的人工檢測方法，該方法容易受檢測人員身心素質(zhì)和精神狀態(tài)的影響，主觀因素大、錯(cuò)檢率高、效率低、勞動(dòng)強(qiáng)度大，影響對香煙包裝質(zhì)量的檢測[3]。隨著圖像處理技術(shù)和軟件工程的迅速發(fā)展，香煙外包裝在線自動(dòng)檢測成為可能。針對香煙包裝質(zhì)量檢測的研究有很多，有對條煙包裝質(zhì)量的檢測，香煙小包裝外觀質(zhì)量的檢測甚至有專門針對香煙小包拉線的檢測，由此也出現(xiàn)了很多針對包裝質(zhì)量檢測的算法，其中最主要的是圖像匹配算法。Matlab在圖像處理方面功能強(qiáng)大，將其應(yīng)用在香煙小包裝圖像質(zhì)量檢測工作中意義重大。

1 圖像處理

1.1 圖像處理實(shí)現(xiàn)方案

本次實(shí)驗(yàn)針對煙包小包裝圖像在線檢測，解決的思路大體如下：圖像獲取預(yù)處理目標(biāo)分割目標(biāo)定位合格性分析。

圖像可以直接從CCD圖像傳感器獲取;而獲取圖像后一般要先對其進(jìn)行預(yù)處理，指的是圖像濾波（去噪），圖像增強(qiáng)等過程;目標(biāo)分割，在這里是指把煙包圖像從所拍攝的整張圖像中找出來以及確定煙包的特征邊緣位置;目標(biāo)定位就是要把煙包圖像上需要進(jìn)行檢測的區(qū)域作以劃分，以便進(jìn)行區(qū)域圖像匹配;合格性分析是將處理過的圖像與標(biāo)準(zhǔn)圖像的對應(yīng)區(qū)域進(jìn)行一致性比較，匹配的為合格，反之為不合格。

如圖1所示，（a）是合格圖像預(yù)存步驟，（b）是識別圖像處理步驟。圖像識別是圖像信息的加工過程，從圖像信息輸入到識別結(jié)果輸出，每經(jīng)一次處理，信息量就減少一部分，直到識別結(jié)果的一位信息與此相應(yīng)。識別運(yùn)算的復(fù)雜程度由簡單到復(fù)雜變化，這樣才能使每一個(gè)運(yùn)算過程所占用的時(shí)間大致相當(dāng)，整個(gè)運(yùn)算時(shí)間最短。從圖像的獲取開始，經(jīng)過圖像的預(yù)處理、分割、特征提取，到最后的識別過程是運(yùn)算量逐級增加，信息量逐級減少的過程。

1.2 煙包圖像預(yù)處理

1.2.1 圖像濾波去噪

在圖像處理中，濾波常常用來修改或增強(qiáng)圖像，以提高圖像的信息質(zhì)量。常用的濾波算法有中值濾波算法和均值濾波算法[4]。

MATLAB圖像處理工具箱里提供的均值濾波器函數(shù)為filter2，如圖2是采用不同尺寸的均值濾波器（分別是3*3，5*5，7*7大小的模板）進(jìn)行低通濾波處理的結(jié)果，比較可知，當(dāng)所用的平滑模板的尺寸增大時(shí)，消除噪聲的效果增強(qiáng)，但同時(shí)所得的圖像也變得更模糊，細(xì)節(jié)的銳化程度逐步減弱。

MATLAB圖像處理工具箱里提供的中值濾波器函數(shù)為medfilt2，如圖3就是采用不同尺寸的中值濾波器（分別是3*3，5*5，7*7大小的模板）進(jìn)行低通濾波的結(jié)果，從處理結(jié)果來看，中值濾波器不像均值濾波器那樣，在衰弱噪聲的同時(shí)它不會(huì)使圖像的邊界模糊，這也說明中值濾波器效果較好。

還有很多的函數(shù)可以進(jìn)行濾波，不再一一詳解。僅提供一個(gè)各個(gè)濾波器濾波后圖像，如圖4所示。通過比較，本次實(shí)驗(yàn)將采用中值濾波進(jìn)行去噪。

1.2.2 圖像增強(qiáng)

圖像增強(qiáng)的主要目的是改善圖像的質(zhì)量，因?yàn)樵讷@取圖像的過程中，由于種種非理想因素的影響，都會(huì)導(dǎo)致圖像質(zhì)量的退化。圖像增強(qiáng)技術(shù)可分為頻域增強(qiáng)和空域增強(qiáng)兩大類。

如圖5，有兩組對比圖像，左下角的圖像是用imadjust函數(shù)擴(kuò)展了左上角圖像的對比度，由右邊直方圖的變化可知，變換之前灰度級的呈現(xiàn)較集中，將直方圖調(diào)整后，灰度級擴(kuò)展到[0，256]，使圖像對比度得到增強(qiáng)，圖像也變得清晰了。右邊一組是采用對數(shù)變換前后的對比圖像，可見在處理煙包圖像時(shí)，用對數(shù)方法加強(qiáng)的圖像效果沒有灰度直接擴(kuò)展的效果好。

直方圖均衡化的基本思想是把原始圖像的直方圖變換成均勻分布的形式，從而達(dá)到了增強(qiáng)圖像整體對比度的效果。MATLAB圖像處理工具箱提供了histeq函數(shù)來完成直方圖均衡化。直方圖規(guī)格化則是通過一個(gè)灰度映象函數(shù)Gnew=F（Gold），將原灰度直方圖改成所希望的直方圖，可見此法關(guān)鍵就是灰度映象函數(shù)。用直方圖均衡化和直方圖規(guī)格化對煙包圖像進(jìn)行處理，處理結(jié)果如圖6所示。

從圖6來看，用直方圖均衡化的圖像的效果要比用直方圖規(guī)定化的圖像的效果好。所以，選用何種增強(qiáng)效果要依具體的對象而定。

因?yàn)檫@里是針對煙包圖像（屬一般性質(zhì)的圖像）進(jìn)行操作，綜合以上各種方法處理結(jié)果，選擇采用最簡單的灰度調(diào)整方法。

1.3 煙包圖像目標(biāo)分割

圖像分割是指將圖像中有意義的對象與背景分離，并把這些對象按照不同的含義分割開來[5]。本次實(shí)驗(yàn)中考慮用到的是基于邊緣提取的分割法和分裂—合并法。MATLAB圖像處理工具箱提供的用于邊緣檢測的函數(shù)是edge，由于邊緣檢測算法的類型較多，就大體將它們的處理結(jié)果做一下比較，如下圖7所示。但MATLAB的edge函數(shù)只能進(jìn)行邊緣檢測處理，卻不能返回特征邊緣坐標(biāo)之類的參數(shù)值，在此考慮采用有返回值的四叉樹分解或二值圖像邊界提取。

如圖8是煙包圖像分別用四叉樹分解算法和二值圖像邊沿連接方式方法求得的邊緣檢測圖像：從圖像上看，用四叉樹分解算法求出的邊緣圖像難于辨認(rèn)，而用二值圖像邊沿連接方式方法求出的邊緣圖像卻較清晰;在此采用二值圖像邊沿連接方式來求邊緣檢測圖像和邊緣坐標(biāo)。

1.4 煙包圖像目標(biāo)定位

對目標(biāo)圖像區(qū)域的定位，即是要以煙包特征點(diǎn)為參照，根據(jù)在原來標(biāo)準(zhǔn)圖像上選定的區(qū)域相對煙包同一特征點(diǎn)的位置數(shù)據(jù)，提取出與標(biāo)準(zhǔn)圖像區(qū)域相對應(yīng)的要比較的目標(biāo)區(qū)域。在MATLAB里，用imcrop函數(shù)就能根據(jù)位置數(shù)據(jù)在識別圖像上提取出相應(yīng)的區(qū)域圖像。通過調(diào)用此函數(shù)，可在標(biāo)準(zhǔn)圖像上先隨意選定各個(gè)區(qū)域圖像，獲取各個(gè)位置參數(shù)并記錄下;待煙包部分圖像確定后，再根據(jù)這些位置參數(shù)剪切出對應(yīng)區(qū)域圖像，下一步就可以進(jìn)行比較了。

1.5 煙包圖像合格性分析

可以用圖像匹配、相關(guān)性、歐拉數(shù)和面積計(jì)算等來檢驗(yàn)合格性。

圖像匹配的主要目的是通過選擇圖像中的控制點(diǎn)（輸入，輸出圖像的匹配位置）來推斷空間變換的參數(shù)，然后對圖像的其他像素應(yīng)用推斷出的空間變換，使得輸出圖像與給定基本圖像所體現(xiàn)的場景一致（沒有位移），最后比較配準(zhǔn)后的圖像以獲取真正有意義的圖像差別。圖像匹配涉及到的思路較復(fù)雜，所調(diào)用的函數(shù)也比較多，但它檢測合格的圖像的相關(guān)性相當(dāng)高。此次使用圖像匹配進(jìn)行圖像的合格性分析。

2 MATLAB編程流程

MATLAB總體編程的流程圖如下：

如圖9，（a）為預(yù)設(shè)部分，是執(zhí)行一次或少數(shù)幾次的程序，就是選定煙包的牌號，確定要選擇的圖像區(qū)域，然后以處理后的特征邊緣坐標(biāo)作為基準(zhǔn)點(diǎn)計(jì)算出各區(qū)域的相對坐標(biāo)參數(shù)，將這些坐標(biāo)參數(shù)存儲起來，以便后面調(diào)用使用。（b）為循環(huán)執(zhí)行部分，就是將要識別的圖像進(jìn)行與合格圖像相同的預(yù)處理，再用相同的方法進(jìn)行特征邊緣的提取，這樣才能確保不會(huì)產(chǎn)生太大的誤差;之后根據(jù)前面存儲的坐標(biāo)參數(shù)提取出識別圖像上的對應(yīng)圖像區(qū)域。再對各區(qū)域圖像進(jìn)行比較識別輸出合格或不合格的結(jié)果，完成檢測。各個(gè)子模塊的編程流程圖在此不再一一贅述。

3 結(jié)束語

對程序的各個(gè)子模塊進(jìn)行了編程和調(diào)試，也對同一部分的各種算子進(jìn)行了調(diào)試和比較得出較好的方案。所編的程序基本上能完成所要求的功能，即處理圖像、選擇比較區(qū)域、識別圖像得到是否合格的結(jié)果。

本文提出的是基于圖像處理的煙包質(zhì)量檢測系統(tǒng)的仿真，它的成功仿真表明所設(shè)計(jì)的方案應(yīng)當(dāng)可以有效的解決采用圖像處理技術(shù)進(jìn)行包裝質(zhì)量檢測的一系列關(guān)鍵問題，方案真正實(shí)現(xiàn)后的應(yīng)用效果能滿足廠家的質(zhì)量控制要求，具有較大的應(yīng)用推廣價(jià)值。

【參考文獻(xiàn)】

[1]曾文艷，王亞剛，蔣念平，邵惠鶴.基于機(jī)器視覺的香煙小包裝外觀質(zhì)量檢測系統(tǒng)[J].信息技術(shù)，2014，01：46-49.

[2]趙眾，常燦，陳磊.基于圖像識別技術(shù)的煙包封條缺陷檢測[J].北京工業(yè)大學(xué)學(xué)報(bào)，2014，07：986-991.

[3]羅雪寧，彭云發(fā)，代希君，胡曉男，羅華平.基于MATLAB的紅棗圖像處理研究[J].農(nóng)機(jī)化研究，2015，03：183-186.

[4]BROX T，KLEINSCHMIDT O，CREMERSD. Efficient nonlocal means for denoising of textural patterns[J].IEEE Transactions on Image Processing，2008，17（7）：1083-1092.

[5]WANG Y，LIU L，ZHANG H. Image segmentation using active contours with normally biased GVF external force[J].IEEE Signal Process Letters，2010，17（10）： 875-878.