印刷品缺陷检测技术研究

学号 2011301760038 密级_ 武汉大学本科毕业论文印刷品缺陷检测技术研究院（系）名 称：印刷与包装系专 业 名 称 ：印刷工程学 生 姓 名 ：韦明胜指 导 教 师 ：刘全香 教授 二一五年五月郑 重 声 明本人呈交的学位论文，是在导师的指导下，独立进行研究工作所取得的成果，所有数据、图片资料真实可靠。尽我所知，除文中已经注明引用的内容外，本学位论文的研究成果不包含他人享有著作权的内容。对本论文所涉及的研究工作做出贡献的其他个人和集体，均已在文中以明确的方式标明。本学位论文的知识产权归属于培养单位。本人签名： 日期： 摘 要人们对印刷品的印刷速度与印刷质量要求越来越高，针对人们的这种高标准要求，许多印刷设备厂商都在研发各自的印刷品缺陷检测系统。印刷品缺陷检测系统是借助CCD相机来代替人眼视觉，通过CCD相机拍摄在线印刷品图像，将印刷品图像数字化并传输到计算机处理中心，利用图像处理技术对图像进行检测处理。这种利用机器视觉代替人眼，利用计算机代替人脑来完成印刷品缺陷检测的系统能够高效、准确地对生产线上的印刷品进行质量检测。印刷品缺陷检测的关键技术是数字图像处理技术，主要包括图像配准和图像缺陷检测。不同的配准算法和检测算法，对最终的检测精度、检测速度都是有影响的。本文的重点是对检测算法的研究，对差分法和分层检测法进行了分析比较。通过比较差分法与分层检测法的优势与局限，结合检测系统的高精度、高实效性的要求，本文在图像差分法的基础上提出了一种检测法。这种检测法采用直接差分法和均值差分法相结合的方式对图像进行差分，然后对差分图像进行二值化，最后利用递归算法对二值图像进行缺陷判定。本文还通过VC+实现了所设计的检测算法，并对实验结果进行了分析。通过实验证实了这种检测方法的差分效果确实优于直接差分法和均值差分法，同时，最终的缺陷检测效果也比较理想，在对有限数量的缺陷样品检测时都可以正确检测出样品上的表面形状缺陷。关键词：缺陷检测系统； 图像配准； 图像检测ABSTRACTPrinting speed of printing and printing quality requirements more and more high, in view of the people of the higher standard requirement, many printing equipment factory are have developed different print defect detection system. Print defect detection system is using CCD camera to take the place of the human eye vision, and through the CCD to shoot printed matter. Then transmit the image to the computer processing center, and using the computer for image processing. This kind of print defect detection system can efficiently and accurately evaluate the quality in the production line of print. The key technology of print defect detection is digital image processing technology .Different image processing methods will affect the final detection result.The focus of this paper is the study of detection algorithm. It analyses and compares the Image Differencing Algorithms and Hierarchical Detection Algorithms. By comparing advantages and differences of the Image Differencing Algorithms and Hierarchical Detection Algorithms, combining with detection system requirement of high precision and high efficiency, this paper proposes an Algorithm which basis on Image Differencing Algorithms. This Algorithm employs Direct Difference Algorithms and Mean Difference Algorithms for difference, and then binaries the difference image. Finally it uses recursive algorithm for binary image defects. Finally, using VC+ realize the detection algorithm and analyzing the experimental results. Experiments has proved that the differential effects of this test method are better than the Direct Difference Algorithms and Mean Difference Algorithms. In addition, the final detection effect is more ideal, for it can correctly detect the defects of surface shape of the samples when it detect a limited number of defective samples.Key word: Inspection System; Image Registration; Defect DetectionIII目 录1 绪论11.1 课题研究背景及意义11.2 国内外对该课题的研究现状及发展趋势21.3 论文的主要工作与结构安排32 印刷品缺陷检测流程及系统组成42.1 印刷品缺陷检测流程42.2 印刷品缺陷检测系统的组成52.2.1 硬件主要组成部分52.2.2 软件主要组成部分53 图像配准方法分析73.1 图像配准的相关理论73.1.1 图像变换模型73.1.2 图像灰度插值93.2 常用的图像配准算法103.2.1 基于灰度值的配准算法103.2.2 基于特征的图像配准算法113.2.3 双模板配准算法123.3 图像配准算法的分析比较133.4 本章小结134 图像缺陷检测算法研究及设计144.1 图像缺陷检测的相关理论144.1.1 图像二值化144.1.2 连通区域标记144.2 常用的图像缺陷检测算法154.2.1 图像差分法154.2.2 分层检测法154.3 不同检测算法的分析比较164.3.1 图像差分法的优点与局限164.3.2 分层检测法的优点与局限174.4 本论文检测算法的设计174.4.1 检测算法思路174.4.2 图像差分184.4.3 二值化204.4.4 缺陷判定及位置标记224.5 试验结果与分析234.5.1 三种差分法的实验比较234.5.2 缺陷检测结果及分析244.6 本章小结27总结28参考文献29致谢311 绪论1.1 课题研究背景及意义如今，很多产品包装的表面印刷质量已经成为了该种产品质量的一种象征，所以很多产品品牌都在致力提高其产品外包装的印刷质量。为了满足人们的需求，许多国家的印刷设备厂商已经研发出了高效、高质的先进印刷设备，大大提高了印刷生产的速度和印刷产品的质量。虽然目前的印刷设备已经很先进了，但是在生产过程中仍然不可避免的存在一些印刷品质量问题。尤其是在那些资金比较匮乏，没有能力购买昂贵的高级印刷设备的中小型企业，他们在印刷品质量的检测上仍然是以人力为主。依靠人力对印刷品质量进行检测存在着许多的不足之处，主要有以下几点：1. 标准难以统一。人工检测主要就是靠人眼的观察来识别印刷品的缺陷，但是每一个质检员对标准都有着不一样的理解，而且每个质检员对色度的敏感程度和对缺陷大小的识别能力是不一样的。所以很难形成一个统一的检测标准，从而容易产生错检漏检的现象。2. 原材料浪费严重。人力检测无法在高速运转的印刷机上进行，只能在印刷完成之后才对其进行检测，剔除不良品。这种事后检测的方法不能够及时的发现印刷不良品，无法及时阻止不良品的批量生产，容易导致很多原材料的浪费。3. 人员培养成本高。一个普通的印刷企业员工需要经过长期的工作经验积累以及专业培训之后才能成为一个比较合格的质检员，而印刷企业中，人员的高流动性就意味着企业需要投入更多的成本来培养质检员。4. 效率低。质检员在长时间的重复相同的质检动作，会导致其在情绪和心态上发生变化，这样也容易导致错检漏检现象，同时效率也会随着连续工作时间的增多而下降。高速、高效、高质量、低浪费是现代化生产的一个必然发展趋势，为满足这样的发展趋势，人们已经将自动化技术引进了印刷行业。在印刷缺陷检测中，也提出了自动化的实时检测方法。这种方法采用照相机代替人眼，通过照相机实时拍摄生产线上的印刷品，然后利用计算机对图像做分析检测。这种方法不仅仅是速度快，同时检测标准客观统一。此外，这种检测方法是实时在线检测的，可以及时地发现印刷品缺陷，及时地排除印刷故障，避免了不必要的浪费。在线检测技术的关键点是高效的图像实时处理算法，因此，研究一套良好的高效的图像处理算法对印刷品质量检测具有重要的意义。1.2 国内外对该课题的研究现状及发展趋势日本的Katsuyuki Tanimizu在1990年提出的一种索引空间法，是最早用于印刷品缺陷检测的方法 K. Janimizu. High-speed Defect Detection Method for Color Printed MatterJ.Industrial Electronics Society, 1990. IECON 90. 16th Annual Conference ofIEEE. 1990(1): 653-658.。由于这种算法比较复杂，在实际应用中难以实现。到了1998年，Gabor filter法被运用到图像质量检测中，这种方法可以识别出图像中多种不同类型的缺陷。虽然这种方法具有良好的识别性，但是对配准的精确度要求很高，所以导致了运算的复杂性，从而大大减弱了这种方法在生产当中的实用性 华新星.基于线阵CCD的印刷品缺陷在线检测方法研究D. 哈尔滨: 哈尔滨工业大学, 2006.。随着图像处理技术的发展，很多学者也提出了许多不同的图像处理算法应用到印刷质量检测中，比如傅里叶变换、小波变换、Blod分析等。随着科学技术的快速发展，计算机对图像的处理能力大大提升，不少公司研发出了各种不同的印刷品在线检测设备。在2008年德鲁巴印刷展上，知名的印刷设备产商比如海德堡、小森、曼罗兰等都推出了自己的印刷品质量在线检测装置。海德堡推出的CPC23图像控制系统，不仅可以精确的检测到印刷图像的其他缺陷，比如蹭脏、套印不准等，还可以在线进行色彩控制。这套系统利用高分辨率相机来拍摄生产线上的印刷品，将得到的图片输送到计算机中对其进行处理及检测。最后将结果显示在监控显示器上，操作人员可以很明显的从显示器上看到检测的信息，从而及时地采取纠正措施。小森的PQA系统是采用拍摄效果极佳的相机来拍摄印刷机上的印刷品，然后将实时拍摄得到的图像传到计算机中进行检测，最后将结果反馈到监控屏幕上。PQA系统可以检测多种不同的缺陷，比如：墨迹、脏点、持续性环状白点等。我们国内的厂商也在紧跟国外先进厂商的脚步，加快研发自己的印刷在线质量检测系统。在2012年的drupa印展上，大恒图像公司展出了新型产品DH-JP420品检机，该机器可对模切后的产品如标签、烟包等进行高速的检测，速度可达到80000张每小时。在2012年，洛阳圣瑞携带自己的EE9200卷筒纸印刷品质量在线检测系统亮相drupa印展。该系统最大识别速度可以达到150m/s，而且该系统不仅可以检测常见的印刷品表面形状缺陷以及色彩缺陷。同时还可以对变化的信息进行检测，如对条码的检测等。北京凌云光科技公司也是国内知名的印刷缺陷检测设备的厂商。在2015年的PRINTCHINA展会上，凌云光科技展示了自己的PackRoll产品。该产品主要是用于软包装的质量检测，具有高速高精度，高稳定性及低故障的特点。可以准确地把产品表面形状缺陷检测出来，同时该系统还支持分区分级检测。虽然目前的印刷图像检测系统相比以前先进了很多，但是依然无法满足人们对印刷的高速、高质量的要求。印刷生产也在向智能化发展，所以我们必须继续对印刷设备进行研究改进，对印刷品缺陷检测方案进行研究，开发性能更好的检测系统。1.3 论文的主要工作与结构安排本论文分为五个章节：第一章阐述了研究背景及意义，接着分析了关于在线质量检测系统的国内外研究现状及发展趋势。第二章介绍印刷品缺陷类型和检测系统的工作流程及其组成，包括硬件、软件部分的介绍。第三章详细阐述并对比分析目前应用得比较多的图像配准算法，然后根据本论文对印刷品的需求选择合适的图像配准算法。第四章详细阐述并对比分析目前应用得比较多的图像检测算法，比较各种算法的优劣性，根据本课题的需求在已有的算法基础上进行改进设计，然后在计算机上对设计的算法进行实验，并分析实验的结果。第五章是对论文的总结。2 印刷品缺陷检测流程及系统组成印刷品缺陷分为表面形状缺陷和色彩缺陷两大类型。表面形状缺陷是指印刷品在印刷过程中所发生的表面质量残缺的现象，表面形状缺陷还可以按照缺陷形状再进行细分为点缺陷、线缺陷和面缺陷。常见的有：脏点、沾污、刀线、擦伤、溅墨、墨迹、纸毛等。而色彩缺陷是指印刷过程中由于原材料或者是机器的原因造成印刷品油墨不均匀，使得印刷品的颜色和原稿颜色不一致的现象。常见的色彩缺陷有：色差、偏色、套印不准等 王秀丽.基于机器视觉的印刷品全面缺陷检测系统的研究D. 汕头: 汕头大学, 2008.。本论文设计的算法只针对于印刷品表面形状缺陷进行检测，而不对色彩缺陷进行检测。2.1 印刷品缺陷检测流程缺陷检测的基本流程如图2.1所示：图2.1 印刷品缺陷检测流程图根据图2.1所示的流程图，可以把检测流程分为以下几个主要过程：1. 标准参考图的获取。利用CCD相机拍摄标准的印刷品样张，将拍摄得到的印刷品样张制作成数字图像存储在计算机中。2. 待检图像的获取。在相同照明条件下，利用相同的CCD相机拍摄印刷生产线上的印刷品，形成数字图像。3. 图像配准。通过计算机图像处理中心将拍摄得到的待检图像与标准印刷品样张图像进行配准，使这两张图像在空间位置上相对应。4. 缺陷检测。在计算机图形处理中心对已配准完成的待检图像做检测，将待检图像与标准图做相减运算，然后利用图像分割的方法进行缺陷判定与分析。5. 缺陷输出。显示反馈缺陷的数量、位置坐标等。2.2 印刷品缺陷检测系统的组成2.2.1 硬件主要组成部分硬件部分由照相机、照明系统、计算机等组成。照相机：照相机的主要功能是拍摄获取印刷品图像。目前主流的有CCD和CMOS两种照相机，CMOS照相机发展得相对比较晚，其拍摄的画面质量比较差。20世纪70年代初，CCD(Charge Coupled Device) 开始发展，其拍摄效果要优于CMOS。CCD照相机按照其拍摄的方式不同，可以分为两种，一种叫做线阵CCD，是以线扫描的方式成像的，另一种叫做面阵CCD，这种相机可以同时拍摄一幅完整的图像。线阵CCD对拍摄扫描运动图像的效果要好过面阵CCD，同时在结构上要比面阵CCD简单，所以其成本也会相对比较低。基于以上几点本论文选用了分辨率为500PPI的线阵CCD来拍摄获取印刷品图像。照明系统：照明系统是用于照明印刷品的，是影响拍摄效果好坏的一个关键因素。目前主流的光源是LED光源，这种光源是由发光二极管作为发光体的，具有单色性好，耗电少，发光效率高等特点，在工业检测中应用广泛。计算机：计算机是印刷品缺陷检测系统的大脑，主要负责对整个检测系统进行控制，同时还负责对图像的处理。计算机的配置可以根据自身的需求和经济条件来选择。本论文在实验中使用的计算机配置如下：1.65GHz的AMD E-450处理器，4GB内存，Windows7 旗舰版64位操作系统。2.2.2 软件主要组成部分软件部分主要是图像处理模块。软件首先要能够制作模板，模板的制作是通过CCD照相机拍摄标准的印刷品图像传输到计算机软件处理中心，由图像处理软件对图像进行降噪、裁剪等处理之后存储在计算机中作为模板图像。模板图像制作好之后即可对待检图像进行处理，待检图像也需要进行降噪处理等。然后将待检图像和模板图像进行配准，使它们对应的像素点配准。对配准后的图像进行差分运算并二值化处理，根据阈值判定待检图像是否存在缺陷，最后将检测结果反馈显示在监控屏幕上。3 图像配准方法分析印刷品缺陷检测中，图像配准就是将印刷生产线上拍摄得到的印刷品图像与标准印刷品的图像进行套合，使这两幅图像在空间上对齐。设标准图像为I1，待检图像为I2，则图像的配准可以用公式（3.1）来表示：I2 ( x , y ) = g ( I1 (f ( x , y)（3.1）其中 f 表示的是空间上的变换函数，即：( x , y ) = f ( x , y)（3.2）g 表示的是灰度的变换函数。3.1 图像配准的相关理论要实现图像的配准，首先要求出空间上的转换关系，也就是图像的变换模型。 完成了空间上的变换之后，要利用插值算法计算灰度值，将非整型的灰度值转换成整型的灰度值 。3.1.1 图像变换模型在印刷品缺陷检测过程中，待检图像与标准参考图像在空间上主要发生的是平移变换和旋转变换。平移变换是根据要求把图像的每一个像素点在垂直方向和水平方向上进行移动。图像的平移改变的是空间坐标位置，图像的灰度值没有被改变。假设初始坐标为(x0，y0)的点经过平移（tx，ty）后，坐标变为（x1，y1），则这两点之间的关系为 于殿泓.图像检测与处理技术M.西安: 西安电子科技大学出版社, 2006.：（3.3）以矩阵的形式表示为（3.4）其逆变换为（3.5）旋转变换是将图像像素点围绕一个点按照一定的角度进行旋转，这个点称为原点，图像中的任何一个点都可以作为原点。如图3.1所示，点（x0，y0）顺时针旋转a角后至（x1，y1）。旋转过程中，点（x0，y0）到原点的距离r不变；（x0，y0）与原点及x轴所成的角为b。图 3.1 图像旋转示意图旋转前（3.6）旋转a角度后（3.7）以矩阵的形式表示为（3.8）其逆变换为： （3.9）3.1.2 图像灰度插值经过旋转、平移等几何运算之后，新图像的某些像素点与原图像无对应点，而是落在原图像的几个点之间的位置。此时，需要采用一种插值方法来为这个像素点填充一个估计的值。常见的灰度值插值方法有以下三种：1. 最近邻插值法。当待配准图像的像素点变换之后落在标准参考图像的四个像素点之间时，此时利用与其最近的像素点的灰度值作为变换之后的像素点的灰度值，这种插值算法即为最近邻插值法。这种方法虽然简单，但是得到的结果并不是很理想，一般会存在灰度不连续性，出现比较明显的锯齿状。2. 均值插值法。当待配准图像的像素点变换之后落在标准参考图像的四个像素点之间时，此时利用这四个像素点的灰度平均值作为变换之后的像素点的灰度值，这就是均值插值法。这种方法相比最近邻法的效果要好一些，图像画面效果的劣化被大大减弱。3. 双线性插值法又称为二次线性插值法，它的插值效果要比最邻近法和均值法好很多，但是计算速度也慢不少 左飞.数字图像处理技术详解与Visual C+实践M. 北京: 电子工业出版社, 2014: 305-307.。双线性插值法是在四个点中进行两次插值计算，如图3.2所示：图3.2 双线性插值原理首先，对f(x,0)，由于f(0,0)到f(1,0)的灰度变化为线性关系，因此进行线性插值得 贾永红.数字图像处理M. 武汉: 武汉大学出版社, 2010: 114-116.：（3.10）对f(x,1)进行线性插值：（3.11）对f(x, y)进行线性插值：（3.12）将式（3.10）和（3.11）代入式（3.12）得：（3.13）3.2 常用的图像配准算法3.2.1 基于灰度值的配准算法这种基于灰度的配准算法也称为模板配准法。模板配准法是通过一定的算法在待检图像中寻找与模板相同或相似的区域，寻找到相似区域之后将配准点记录下来，根据配准点求出变换模型。设模板图像 T和待检图像 S的大小分别为 M N、 W H， Si,j表示搜索子图，i, j表示搜索子图左顶点在待检图中的位置，即搜索子图的特征点，其中1 i W M + 1，1 j H N + 1。配准时通过计算相关函数来判定模板图与搜索子图的相似性，尽可能找到与模板图最相似的搜索子图，并记录该搜索子图的位置坐标 王杰.两种基于灰度的快速配准算法研究D. 大连: 大连海事大学, 2007.。相似性测度公式有如公式（3.14）和公式（3.15）两种不同的公式：（3.14）（3.15）其中：Si,j(m, n) = S(i+m-1, j+n-1) 当D（i , j）取得最小值时，搜索子图Si,j与模板图像T最相似。所以配准中只需求出D（i , j）的最小值，然后记录求得最小值时的i，j值，i, j值表示的就是配准点。对于公式（3.14）进行化解得：（3.16）公式（3.16）中，最后一项与i, j无关，所以求D(i, j)的最大值只与公式（3.16）右边的第一第二项有关，因此相似性测度可以转化为公式（3.17），当R(i, j)取得最大值时，公式（3.16）中的D(i, j)就取得最小值： （3.17）3.2.2 基于特征的图像配准算法基于特征的图像配准算法是在模板图像和待检图像的特征空间上提取共同的信息，建立对应关系，从而提取出配准点对，根据配准点对建立变换模型，实现图像的配准。这种配准算法有4个关键步骤：特征的提取；特征配准；模型参数估计；图像变换和灰度插值 陈贤巧.基于特征的图像配准算法研究D. 合肥: 中国科学技术大学, 2009.。其中特征的提取和特征的配准是决定配准准确与否的两个关键步骤。特征的提取是指把图像中的特征信息提取出来，比如图像中的直角、拐点、直线段等。一般所提取的特征都是比较显著而且易于提取的，同时，这些特征是不容易受图像的变形而发生变化的 郭凡慈.图像配准和缺陷检测算法在印刷系统中的应用研究D. 北京: 北京交通大学, 2011.。特征配准就是对提取出来的特征建立对应关系，把模板图像的特征与待检图像的特征对应起来，目的是为了从对应关系中寻找到控制点对。模型参数估计是指建立变换模型。在特征配准中得到了控制点对之后，根据控制点对来建立最佳拟合模板图像和待检图像的几何变换模型。图像变换就是对待检图像进行变换，按照上一步得到的变换模型进行变换。由于待检图像在变换模型的反变换中经常会出现灰度值是浮点数，因此在变换的过程中需要对灰度进行插值，将浮点数灰度变成整型灰度。3.2.3 双模板配准算法双模板配准算法是在模板配准算法的基础上加以改进得到的一种配准算法。基本原理：如图3.3所示，T1和T2是在标准图像中选取两个模板，中心坐标分别为（x1, y1），（x2, y2）。图3.3 双模板配准原理这两个模板的连线与水平方向的夹角为：（3.18）配准时，模板T1配准得到的配准点记为T1（x1，y1），模板T2配准得到的配准点记为T2（x2，y2），则T1和T2连线与与水平方向的夹角为：（3.19）图像旋转角度为：（3.20）得到待检图像的旋转角度a和平移量（x，y）之后，通过建立变换模型对待检图像进行反向变换，图像配准即完成。3.3 图像配准算法的分析比较基于灰度值的配准算法简单，精度高，而且一般情况下基于灰度值配准算法都有通用的数学模型对配准进行误差估计、相似度判定等。但是，由于这种方法是对所有像素点进行处理的，所以在应用中往往容易受到噪声、光照不均匀等的影响。由于是逐行逐列的对各个搜索子图进行搜索，涉及到的特征点比较多，从而导致运算量较大，运算的速度会比较慢，实时性较差。另外，基于灰度值配准的方法是通过在横向和纵向上进行平移来寻找最佳配准点，当图像如果发生旋转，该种方法是无法找到旋转角度的。基于特征的配准方法由于不需要对所有的像素点都进行运算，所以计算量比较小，运算速度快，稳健性好 Barbara Zitova, Jan FlusserImage registration methods：a surveyJ，Image and Vision Computing,2003,2 1: 9771 000。但是这种方法对特征的提取和特征的配准要求都比较高，如果提取的特征不显著或者在特征配准过程中没有配准精准，那么最终的配准结果精度都将会受到影响。双模板配准算法很好的克服了单模板配准算法无法对发生旋转的图像进行配准的局限性，继承了模板配准算法高精度的配准特点。同时不需要进行特征的提取和特征配准等多个步骤，降低了在配准过程中的误差累积。3.4 本章小结本章对三种配准算法的基本原理进行了阐述并分析了它们各自的优缺点，结合印刷品缺陷检测系统高精度、高实时性的要求，双模板配准算法是比较适合本论文的要求的。4 图像缺陷检测算法研究及设计图像缺陷检测是整个系统流程中关键的一个步骤，是对待检图像进行缺陷的判定与分析。4.1 图像缺陷检测的相关理论在图像缺陷检测中，是通过图像分割来进行缺陷判定和分析的。图像分割方法很多，在印刷品缺陷检测过程中使用到的是基于阈值法和基于区域法。4.1.1 图像二值化图像二值化是一种非常简单、直接的基于阈值的分割方法。二值化是将一幅图像的灰度值设置为0或者255，因为整幅图像中只有0和255这两个灰度值，所以称为二值化。经过二值化之后，图像中目标和背景可以很直观的呈现出来，便于对图像进行分析 王刚.图像二值化方法研究及其在监控识别系统中的应用D. 长沙: 湖南大学, 2010.。二值化的基本原理是：如公式(4.1)所示，设定一个阈值（threshold），将图像中的每一个像素点f(x, y)与阈值进行比较，如果f(x, y)小于等于阈值，g(x, y)就等于零，反之如果f(x, y)大于阈值，g(x, y)就等于255。（4.1）公式（4.1）中f(x, y)表示原图像，g(x, y)表示二值图。4.1.2 连通区域标记由于人眼的识别能力是有限的，所以并非每一个缺陷像素点都是我们所需要寻找的缺陷。而是人眼能够识别的具有一定面积的缺陷区域才是有意义的，因此在判断缺陷区域的时候，需要对图像进行分割，将具有意义的缺陷局域分割出来。连通区域标记是常见的针对于二值图像的一种基于区域的分割方法，是对二值图像中相邻的“255”值像素集合进行标记，对同一区域的相邻的缺陷像素点进行统计 韩海.运动目标检测与跟踪系统的嵌入式实现D. 大连: 大连理工大学, 2008.。通过判断同一标记区域的缺陷像素点个数可以得到该区域的面积大小，从而可以判断该区域是否属于缺陷区域。如图4.1所示分别为八邻域连通区域和四邻域连通区域。图4.1 连通区域示意图4.2 常用的图像缺陷检测算法在不同的应用领域所用到的图像检测算法都不大一样，但是绝大多数的图像缺陷检测算法都是在基础的检测算法上加以改进设计的。下面介绍两个基础的检测算法。4.2.1 图像差分法图像差分法就是将两幅大小相等的图像做减法运算。图像差分的运算模型：（4.2）式（4.2）中，T(i, j)表示的是标准参考图像，S(i, j)表示待检图像。D(i, j)是差分图像的结果，用图像T(i, j)和S(i, j)对应像素直接的差值绝对值来表示。如果待检测图像和标准参考图像越相似，则差分结果D(i, j)越小。当D(i, j)的值等于零时，表示待检图像和标准参考图像对应像素值是完全一样的。图像差分的方法简单而且易于实现，同时这种方法中没有涉及到乘法运算，所以计算机执行起来速度特别快。4.2.2 分层检测法分层检测算法是结合了差分方法和分区域的思想，首先将标准参考图像和待检图像划分成了多个nn大小的区域，然后在每个nn的区域中进行分层差分检测。这种方法中，检测精度的高低与n值的大小成反相关。分层检测法的具体思路是：对图像分区域后，如图4.2(a)所示，进行第一层检测，如果图(a)中的A点是合格点，那么跳过该区域的检测，直接对下一区域的A点进行检测。如果A点不合格，则对该区域进行第二层检测，即对A点周围的B点进行检测，如图(b)所示，如果这8个B点中只要有一个点合格，则跳过该区域，对下一个区域的A点进行检测。如果这8个B点都不合格，则进入第三层检测，第三层分为四组点进行检测，如图(c)(d)(e)(f)所示，在每一组的检测中只要该组有一个合格点，则该组即为合格的；反之，如果该组所有点都不合格，则该组即为不合格；在C1、C2、C3、C4中如果至少有两组不合格，则判定该A点区域有缺陷；若只有一组或零组不合格，则该A点区域是合格区域，回到第一层对下一个区域的 A点进行检测 李展望.基于机器视觉的印刷品缺陷在线检测系统设计D. 西安: 西安科技大学, 2008.。(a)第一层检测(b)第二层检测(c)第三层检测-1(d) 第三层检测-2(e) 第三层检测-3(f) 第三层检测-4图4.2 分层检测法示意图4.3 不同检测算法的分析比较4.3.1 图像差分法的优点与局限图像差分法的一个最大的特点也是其优点，那就是算法非常简单，实现方便，检测精度高。由于在差分过程中完全没有涉及到乘法运算，所以计算机执行起来速度较快。没有涉及到乘法运算，所以计算机执行起来速度较快。第二点是图像差分法是对每一个像素点都进行了相减运算，也就是对每一个像素点都进行了检测，这使得检测精度可以达到单像素级别。但是这种高精度的图像差分检测法也具有其局限性。印刷品的缺陷往往只占据了整个印刷品的一小部分，而图像差分法是对整幅图像的所有像素点不管是缺陷区域还是非缺陷区域都进行了差分运算，这导致了灵活性的降低和检测速度的下降。第二个局限性是图像差分法对图像的配准精度要求高，对配准误差比较敏感。如果采用图像差分法进行检测，那么在前期的图像配准过程中就必须要达到一个高精度的图像配准要求。4.3.2 分层检测法的优点与局限分层检测算法的优点就是灵活性高、速度快、实时性好，但是在某些情况下会存在漏检现象。经分析发现，在某些情况下，该检测法就会出现漏检现象。当一个区域中第一层或者第二层中只要有一个合格点，而区域中其他的点都是缺陷点时，在利用这种分层检测算法的过程中，该区域就会被判为非缺陷区域，从而导致了漏检现象的发生2。4.4 本论文检测算法的设计印刷品检测系统的算法不仅要求实时性好，检测速度快，同时还要求检测准确度高。在算法的设计过程中，算法应简单易于实现，过于复杂的算法会导致计算机的处理速度变慢，无法达到高实时性的要求。但是，追求简单的算法也不能忽略了检测的精度。通过对差分法和分层检测法的分析比较，本论文在检测精度较高的差分法的基础上研究设计出了一种新的检测算法。4.4.1 检测算法思路检测过程分为三部分：图像的差分、二值化处理及缺陷的判定。基本算法思路如图4.3所示：缺陷判定图像差分二值化图4.3 检测算法基本思路在完成了图像配准之后，即可对图像缺陷进行检测。首先对待检图像和标准参考图像进行差分，本论文采用的是直接差分法和均值差分法相结合的方法进行差分运算；然后对差分结果进行二值化处理；最后进行缺陷的判定与分析。4.4.2 图像差分本论文选用的算法是图像直接差分和均值差分相结合的方法。所谓直接差分法就是参考图像和待检图像对应像素直接差分，而均值差分法是先分别计算参考图像和待检图像中对应点的周围的八个点的灰度平均值，然后用这个平均值来相减。这种检测法有以下三点优势：1. 图像差分法的检测精度要比分层检测法的精度高；2. 均值差分法考虑到了邻域像素点灰度值对当前像素点灰度值的影响，这更加符合人眼的视觉特性；3. 均值差分法还具有一定的降噪作用，从而可以降低拍摄过程中所产生的噪声对检测结果的影响。（1）这种检测算法具体思路：设标准参考图像为f(x, y)，经过配准之后的待检图像为g(x, y)，差值图像为D(x, y)。则图像差分公式为：（4.3）f（i, j）和g(i, j)是参考图像和待检图像的一个对应点，如果 |f（i, j）- g(i, j)| N （ N是选定的一个阈值，关于N的选择依据在后文有详细说明），那么此时就采用均值差分法，即分别计算参考图像点f（i, j）和待检图像中点g（i, j）周围八个邻域点的灰度平均值来代替点f（i, j）和点g（i, j）的灰度值进行相减运算。如果|f（i, j）- g(i, j)| N，则采用直接差分法，直接用参考图像点f（i, j）和待检图像的点g（i, j）进行差分运算。最终图像的差分公式如式4.4，其中f8 (i, j)和g8 (i, j)分别表示点f（i, j）和g（i, j）的八邻域的灰度平均值。（4.4）（2）阈值N的选择依据分析图像差分的过程中，在判定该采用均值差分法还是直接差分法的时候，本论文采用了一个阈值N来作为选择的依据。如果N的值太小，则在某些情况下会导致漏检现象，而如果N的值太大，会导致差分过程中对噪点的抑制效果下降。所以阈值N的最佳选择是避免漏检现象的前提下选择最小的N值。通过分析得出当N = 3T的时候即可避免漏检的现象，分析如下：如图4.4所示，灰色部分表示的是图像中的一个缺陷区域。一般情况下同一个缺陷区域中的像素点的灰度值都是相似甚至是相同的，即ABCEFGHI这九个缺陷点的灰度值相近或者相等。该缺陷区域的像素点灰度值与标准参考图对应区域的像素点灰度值的差值大小可以分为以下三种情况：（1） T | f(x, y) - g(x, y) | 2T;（2）2T | f(x, y) - g(x, y) | 3T;（3）3T | f(x, y) - g(x, y) | 说明：T是二值化阈值，也是该检测系统的一个检测精度指标，即当待检图像与标准参考图像对应像素点灰度值的差值大于T时，则说明该点是缺陷点。图4.4 缺陷示意图如果是第（1）种情况即T | f(x, y) - g(x, y) | 2T 的时候就采用均值差分算法，经过均值差分之后，缺陷区域边缘的点ABCDFGHI这八个点的差值将会小于二值化的阈值T，因而经过二值化之后这八个点将会被误判为非缺陷点；如果是第（2）种情况即2T | f(x, y) - g(x, y) | 3T时采用均值差分算法，经过均值差分之后，缺陷区域角上的点ACGI这四个点的差值将会小于二值化的阈值T，二值化之后这四个点将会判为非缺陷点；如果是第（3）种情况，即3T 3T时采用均值差分法，这样可以避免漏检现象。关于此处所论述的观点，在本论文后面的实验分析部分会有实验验证。4.4.3 二值化完成了图像的差分运算之后，再进行二值化处理可以突出有缺陷的像素点，有利于对缺陷进行判定与分析。关于二值化的原理在前文中已经进行了阐述，在此不再重复。这里详细说明本论文检测算法中二值化阈值T的选择依据：根据人眼视觉特性的实验研究表明，人眼睛在不一样的亮度区域，其敏感程度是不一样的，一般情况下人眼对中间调区域的灰度值变化最为敏感，在暗调区域和亮调区域人眼的敏感度都有所下降于天河,戴景民.结合人眼视觉特性的红外图像增强技术J. 红外与激光工程, 2008,37(6): 951-954.15 张锐娟. 图像配准理论及算法研究D. 西安: 西安电子科技大学, 2009.16 余文勇,周祖德,陈幼平. 一种高速印刷品缺陷在线检测系统J. 华中科技大学学报, 2006,34(6):8083.17 Kristen Grauman, Trevor Darrell. Efficient Image Matching with Distributions of Local Invariant FeaturesD. Massachusetts Institute of Technology Computer Science and Artificial Intelligence Laboratory,2005.18 陈灿,马英.国内外印刷品质量检测的发展与现状J. 广东印刷, 2011.4：35-36.19 王锋.基于动态阈值和分层检测的图像缺陷识别算法的研究和应用J. 北方交通大学学报, 2002, 26(1):1922.20 赵小梅.印刷品缺陷在线检测算法的研究J. 包装工程, 2007, 28(3):5860.21 廉姝媚.关于印刷品质量检测技术的探讨J. 印刷质量与标准化, 2014.5:2829.22 Lisa Gottesfeld Brown. A Survey of Image Registration TechniquesJ. ACM Computing Surveys,1992:325376.23 白家森. 图像处理技术在印刷缺陷检测中的应用J. 印刷质量与标准化, 2013.5:5456.24 鲁镇恶. 印刷品外观缺陷机器视觉的检测与识别J. 包装工程, 2002,23(5):1011.25 章毓晋,黄翔宇,李睿. 自动检测精细印刷品缺陷的初步方案J. 中国体视学与图像分析, 2001:109116.。人眼灰度敏感度如图4.5所示：图4.5人眼的灰度分辨能力假设R代表人眼对灰度变化的敏感程度，那么从图4.5中可以看出R是一个关于图像灰度值Gray的函数。理论上，在印刷品缺陷检测中对差分图像进行二值化时所用的阈值T应该等于人眼的灰度分辨能力R，即T并不是一个固定的值，而是随着图像灰度值的改变而变换。但是，不同人的眼睛视觉敏感程度并不是完全一样的，所以我们人眼对灰度值的变化的敏感程度并非完全像图4.5中的曲线所表示的那么精确。为了减少运算的复杂度，本论文设计的算法中没有严格按照图4.5中的函数曲线来选择阈值T，而是通过实验来选择了一个固定的阈值T。本论文通过实验改变了一幅图像中某个中调区域的灰度值，如图4.6所示：(c)灰度值加5(b)灰度值加3(a)(e)灰度值加10(f)灰度值加15(d)灰度值加7图4.6 改变图像灰度值效果图图4.6(a)中白色的小方块表示的是图像灰度值修改的位置，在后面的(b)(c)(d)(e)(f)中都是在原图像中的这个小方块区域改变其灰度值，(b)(c)(d)(e)(f)分别是灰度值增加了3、5、7、10、15个单位后的实验结果图。从这些实验结果图中可以看出当图像灰度值比原图像增加3个单