（机械电子工程专业论文）大幅面丝网疵点的图像识别算法研究.pdf

浙江理工大学学位论文版权使用授权书 iil翰iliil辱il?lizi110ll6lll 学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留 并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅或借阅。 本人授权浙江理工大学可以将本学位论文的全部或部分内容编入有关数据库进 行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 本学位论文属于 学位论文作者签名： 保密口，在年解密后使用本版权书。 不保密明 。 日期：凹，d 年弓月f - 7 日 大幅面丝网疵点的图像识别算法研究 t h er e s e a r c ho fi m a g e r e c o g n i t i o na l g o r i t h mu s e di nd e f e c t i n s p e c t i o no fl a r g ef o r m a ts c r e e np l a t e s 浙江理工大学硕士学位论文 摘要 近年来，丝网印刷的发展及网版的高成本使得企业开始越来越多地关注丝网质量，传 统的依靠人工检测的方法已经不能满足企业生产发展的需要。关于丝网自动检测装置，国 内尚无相关产品，国外在一些高档网印设备上集成了检测功能，但大都价格昂贵、幅面较 小，且大多针对电子线路板的印刷，不能满足国内印染企业的实际需要。本文研究的是图 像识别技术在大幅面丝网疵点检测中的应用，为丝网自动检测装置设计一套切实可行的方 案。 论文首先描述了丝网疵点检测系统的构成，分析了系统需要满足的性能要求，并据此 确定视觉系统的硬件设计方案及软件设计方案。丝网本身的特点决定了丝网检测必须采用 模板匹配的方法才能实现疵点分割。根据网孔特点将采集到的丝网图像分为两类，针对每 一类分别设计检测方案。根据采集设备的移动顺序将标准图像预先进行分块、编号，定位 时只需读入对应的比采集图像稍大的标准图像即可，而不必在整幅标准图像中寻找匹配 点，减少了搜索空间，提高了定位速度。 系统要在短时间内处理大量数据，现存的匹配算法无法满足系统的快速性要求。在分 析比较现存匹配算法优缺点的基础上，针对丝网检测过程中模板图像和标准图像大小接近 的特点，结合最小误差法和投影法，提出一种基于投影特征的自适应图像匹配算法。实验 证明：该算法在快速性和准确性方面具有明显优势。 确定疵点位置时采用粗细两级检测相结合的方式，正常图像只需通过粗检即可完成检 测，降低漏检率的同时提高了检测速度。 在丝网检测装置上运行后的检测结果证明：本文设计的方案及算法无论在快速性、准 确性还是稳定性方面，均优于人工检测。 关键词：大幅面；丝网；疵点；图像识别 浙江理工大学硕士学位论文 t h er e s e a r c ho fi m a g er e c o g n i t i o na l g o r i t h mu s e di nd e f e c ti n s p e c t i o n o fl a r g ef o r m a ts c r e e np l a t e s a b s t r a c t a st h ed e v e l o p m e n to fs i l k s c r e e na n dt h eh i g hp r i c eo fs c r e e np l a t e s ，m o r ea n dm o r e c o m p a n i e st u r nt h e i ra t t e n t i o nt ot h eq u a l i t yo fs c r e e np l a t e s ，w h i l et h et r a d i t i o n a lm e t h o do f h u m a nd e t e c t i o nc a nn o tm e e tt h ed e m a n d s t h e r ei s n ta n ya u t o m a t i cd e t e c t i o ne q u i p m e n tf o r s c r e e np l a t e si no u rc o u n t r y , a n ds o m ef a n c ye q u i p m e n t sf o rp r i n t i n ga r ea d d e dd e t e c t i o n f u n c t i o ni no t h e rc o u n t r i e s b u tm o s to ft h e mo n l yf i tf o rp c b ，w h i c ha r ee x p e n s i v ea n ds m a l li n s i z e t h a tc a nn o tt a l l yw i t l lt h ea c t u a ls i t u a t i o n t h ep u r p o s eo ft h i sp a p e ri sg e t t i n gs o f t w a r e s o l u t i o nf o rd e f e c ti n s p e c t i o no fs c r e e np l a t e sb yd o i n gs o m er e s e a r c hi ni m a g er e c o g n i t i o nu s e d i n i t t h ep a p e rd e s c r i b e dt h es t r u c t u r eo fw h o l es y s t e m ，a n a l y z e dt h eg i v e np e r f o r m a n c et h e s y s t e mm u s tr e a c h e d ，a n dt h e nm a d eh a r d w a r es o l u t i o na n ds o f t w a r es o l u t i o no ft h ev i s i o n s y s t e m i m a g es e g m e n t a t i o nm u s tb ec a r r i e do u tb yt e m p l a t em a t c h i n gb e c a u s eo ft h es c r e e n p l a t e s f e a t u r e t h eo r i g i n a li m a g e sc a nb ef a l l e ni n t ot w ob r o a dc a t e g o r i e sb a s e do nt h es t a t u so f m e s h , e i t h e ro ft h e mh a si t so w ns o l u t i o n p l o ta n dn u m b e rt h er e f e r e n c ei m a g eb e f o r ed e t e c t i o n a c c o r d i n gt ot h em o v i n go ft h ec o l l e c t i n gd e v i c e i nt h i sw a y , n o tc o m p a r i n gt h ei m a g e 、析mt h e w h o l er e f e r e n c ei m a g eb u tr e a d i n gt h er e l e v a n ti m a g el a r g e rt h a ni tw h i l ep o s i t i o n i n g ，w h i c hc a n r e d u c es e a r c hs p a c ea n di n c r e a s et h es p e e do f p o s i t i o n i n g o t h e r w i s e ，d a t ap r o c e s s i n gm u s tb ef i n i s h e da ss o o na sp o s s i b l e ，b u tt h el i v i n ga l g o r i t h mo f i m a g em a t c h i n gc a nn o tm e e tt h er e q u i r e m e n t c o n s i d e r i n gt h ef e a t u r eo fo r i g i n a li m a g ea n d r e f e r e n c ei m a g e ，t h ea u t h o ra n a l y z e da d v a n t a g ea n dd i s a d v a n t a g eo fe x i s t e n ta l g o r i t h m ，a n dt h e n p u tf o r w a r dan e wa l g o r i t h mb a s e do np r o j e c t i o nw i t ha d a p t i v et h r e s h o l d t h ee x p e r i m e n tr e s u l t s h o w e dt h a tt h ei m p r o v e da l g o r i t h mi sp r e f e r a b l eo nr a p i d i t ya n da c c u r a c y t h ed e f e c ti sl o c a t e db yt w os t e p s m o s tn o r m a li m a g ec a ne n di t sd e t e c t i o nb yt h ef i r s ts t e p ， a n do n l yt h em i n o r i t yn e e d e dt h es e c o n ds t e p b yt h i sm e a n ，m i s sr a t i oi sr e d u c e dw h i l et h e s p e e do fd e t e c t i o ni si n c r e a s e d s t a r tt h ee q u i p m e n to fd e f e c ti n s p e c t i o no fs c r e e np l a t e s ，a n dt h er e s u l ts h o w e dt h a tt h e s o l u t i o na n da l g o r i t h mp u tf o r w a r di nt h i sp a p e ra r eb e r e rt h a nh u m a nd e t e c t i o no nr a p i d i t y , i i 浙江理工大学硕士学位论文 一一1 a c c u r a c ya n ds t a b i l i t y k e yw o r d s ：l a r g ef o r m a t ；s c r e e np l a t e ；i m a g er e c o g n i t i o n i i i 浙江理工大学硕士学位论文 目录 摘要i a b s t r a c t i i 目勇乏i v 第一章绪论l 1 1 课题来源及意义1 1 1 1 课题来源1 1 1 2 课题的背景和意义1 1 2 国内外研究现状2 1 2 1 图像识别技术的应用现状2 1 2 2 图像识别方法的研究现状3 1 2 3o p e n c v 图像处理类库4 1 3 本文研究内容与结构安排。4 1 3 1 论文研究内容4 1 3 2 论文结构安排5 第二章疵点检测视觉系统的总体设计方案6 2 1 疵点检测视觉系统简介6 2 2 系统性能分析7 2 3 视觉系统的硬件设计方案7 2 4 视觉系统的软件设计方案8 2 4 1 采集图像前的准备工作8 2 4 2 采集图像9 2 4 3 疵点检测的图像处理的整体设计方案1 1 2 5 本章小结12 第三章丝网检测的图像预处理与分割1 3 3 1 丝网图像的主要噪声1 3 3 2 图像预处理l3 3 2 1 均值滤波l4 3 2 2 中值滤波1 6 l v 浙江理工大学硕士学位论文 3 2 3 直方图均衡化1 7 3 3 图像分割1 9 3 4 1 基于灰度相似性的阈值分割2 0 3 4 2 基于灰度跃变性的边缘检测2 2 3 5 本章小结2 8 第四章丝网图像的模板匹配算法研究2 9 4 1 图像匹配所研究的问题2 9 4 1 1 图像匹配的研究内容2 9 4 1 2 评价算法性能的指标3 0 4 2 基于灰度相关的图像匹配( 定位) 算法3 0 4 2 1 归一化算法( n n c ) 3 1 4 2 2 序贯相似性检测算法( s s d a ) 3 2 4 2 3 自适应阈值s s d a 算法3 3 4 3 基于灰度特征的图像匹配( 定位) 算法3 4 4 3 1 特征选取的原则3 4 4 3 2 基于投影特征的图像匹配算法3 6 4 3 3 基于投影特征的自适应阈值的图像匹配方法3 7 4 4 图像匹配( 定位) 算法比较与分析3 8 4 5 疵点分割4 l 4 6 本章小结4 4 第五章疵点特征提取4 5 5 1 丝网疵点分类4 5 5 2 特征提取的原则4 6 5 3 常用的几个特征参数4 6 5 4 丝网疵点的特征提取4 7 5 4 1 常用的数学形态学方法4 7 5 4 2 区域划分5l 5 4 3 特征分析及结果统计5l 5 5 本章小结5l 第六章总结与展望5 3 v 浙江理工大学硕士学位论文 6 1 全文总结5 3 6 2 研究展望5 4 参考文献5 5 致谢5 8 攻读硕士学位期间的研究成果5 9 v i 浙江理工大学硕士学位论文 1 1 课题来源及意义 1 1 1 课题来源 第一章绪论 本课题来源于导师承担的浙江省科技攻关项目( 2 0 0 7 c 2 1 0 7 8 ) “基于计算机视觉的丝网 印版自动检测装置的研制。 1 1 2 课题的背景和意义 近年来，丝网印刷凭借其墨层厚，色彩鲜艳，适应于各种承印物等优势，已经越来越 广泛地渗透到人们的日常生活中，小到几厘米的p c b 版，大到几米宽的户外广告牌，随处 可见丝网印刷的“杰作 。中国的网印市场年营业额达千亿元，网印经营单位有8 万家， 是仅次于美、日、德的世界第四大网印市场【。 丝网印刷的基本原理【lj 是：以丝网为版材，制成文字和图案部分透孔、其余部分网孔 不通的丝网印版。刮刀运行时，文字和图案部分的油墨通过网孔漏印至承印物上，其余部 分由于网孔堵死，不能透过油墨，在承印物上形成空白。这样即可形成所需图文。 丝网印版在纺织行业中主要用于布匹的印染，其本身的质量直接决定了印染的质量。 由于污损和张力等原因导致丝网在反复使用后可能会出现的一系列问题，而丝网本身的成 本较高，一旦出现问题，绝大部分企业会选择修复而非更换。因此及时准确地发现丝网疵 点，对于提高丝网寿命，减少印染产品的次品率，降低企业生产成本具有重要意义。 目前，国内对丝网的检测还是依据人工离线检测的方法，即依靠经验丰富的检测工人 利用肉眼对每一幅丝网进行检查。人工检测受检验员的主观影响较大，检验过程存在以下 几方面的缺点： ( 1 ) 由于检测的效果直接依赖于工人的经验技术和身心状况，所以无法保证检测准确 率的稳定性。 ( 2 ) 该工作的劳动强度大，对工人的身体损害也比较大。 ( 3 ) 由于对熟练的检测工人的需求量较大，该岗位的流动性也较强，无法保证企业连 续性生产的要求。 ( 4 ) 一旦引进新丝网，检验员需要一段时间的培训和适应才能掌握新图案的特征，这 段时间无疑会降低检测准确率。 浙江理工大学硕士学位论文 因此，企业迫切需要自动检测装置来代替工人完成对丝网的检测。基于计算机视觉的 图像识别技术可以克服人工检测的缺陷，实现丝网自动检测。 根据调研，我们了解到，目前企业对丝网的检测主要是在两次使用之间进行的。即当 该丝网框架完成了本次印染工作之后入库到下次再次使用该丝网进行印染之前的这段时 间，应该划分到印前的准备工序或者印后的处理工序中。 通常企业所使用的都是大幅面丝网( 大幅面，是相对于胶印印刷的最大尺寸来说的， 胶印的最大面积1 2 j 是1 1 8 9 m m x 8 5 0 m m ，故大于此面积的即可称为大幅面丝网) ，网眼细密， 网线之间的间距通常为毫米级。丝网检测除了需要检测丝网本身的缺陷( 如断线，网眼变 形等) ，还要考虑丝网图案与模板图案的比较( 如网眼堵塞，会造成印染图案的不匹配， 图案走样等) 。 纺织行业是浙江省的重要经济产业，实现了对丝网的自动检测，能够更好地调整印染 企业的生产流程，提高这些企业的自动化程度，提高产品的正品率，从而对浙江省的经济 发展起到促进作用。此外，除了纺织行业外，丝网在其它行业也有着广泛的用途，如印刷、 陶瓷、电子制版等重要行业。丝网的自动检测技术可以大大提高这些行业的工作效率和产 品质量，具有很强的行业间借鉴意义。随着检测技术和识别速度的提高，对丝网的自动检 测技术还能够实现在线监测，实时控制丝网的工作状况，缩短了停机时间。另外，本课题 所研究的疵点识别和图像模板匹配技术对印刷后获得产品的印染效果的在线监测也有很 好的参考价值。 1 2 国内外研究现状 国内目前尚无丝网自动检测的相关产品，国外在一些高档网印设备上集成了此功能， 例如s p e e d l i n e 公司的a c l l a 丝网印刷机就配备了全面的视觉检测系统能在工作和丝网清洗 的时候对丝网进行实时检测，从而大大提高了设备的正品率和工作效能。但该设备主要用 于电子线路板的印刷，幅面较小，且价格昂贵，不能解决中国印染企业的实际需求问题， 不宣在国内推广。 本课题主要解决丝网印版的疵点快速检测问题。通常，疵点检测包括图像采集，图像 预处理，图像分析和疵点识别等阶段，其核心内容是对采集图像进行识别的方法。 1 2 1 图像识别技术的应用现状 近年来，随着计算机视觉技术、人工智能、神经生物学及模式识别等技术的发展【3 1 ， 2 浙江理工大学硕士学位论文 各行各业对采用图像和机器视觉技术的工业自动化、智能化需求开始广泛出现，国内外有 关大专院校、研究所和企业近两年在图像和机器视觉技术领域进行了积极思索和大胆的尝 试，逐步开始了许多领域的应用【4 1 。 工业方面，利用图像识别技术对机械零件的缺陷进行评定，实现产品质量监控和故障 诊断【5 1 ，应用于纺织领域的织物疵点检测是对织物质量进行控制和实现织造及检验工序自 动化、无人化的关键环节【6 】；农业方面，通过分析采集到的水果图片，根据颜色、形状和 大小等特征参数【7 9 】对水果进行分级；医学方面，利用数字图像处理技术、信息融合技术 对x 射线透视图、核磁共振图像、c t 图像进行适当叠加，辅助医生进行医学影像的分析【1 0 】， 正常细胞和病变细胞的识别及分类1 2 1 。 以上研究成果，尤其是图像识别技术在织物的疵点检测中的应用，对本课题有很强的 指导和借鉴意义。 1 2 2 图像识别方法的研究现状 常用的图像识别方法及其特点如表1 1 所示。 表1 1 常用图像识别算法比较 识别方法特点 统计模式识别 结构模式识别 神经网络识别 模板匹配识别 这是目前最成熟也是应用最广泛的方法，主要是利用贝叶斯决策规则解决 最优分类器问剧1 3 j 。该方法能考虑干扰、噪声等影响，识别模式基元能力 强，缺点是在实际问题中，计算条件概率通常比较困难。 又称句法模式识别。该方法识别方便，可从简单的基元开始，由简至繁， 能反映模式的结构特性，能描述模式的性质，对图像畸变的抗干扰能力较 强。缺点是存在干扰及噪声时，抽取基元困难，且易失误。 根据神经网络的特点建立模式识别的模型。可处理一些环境信息复杂，背 景知识不清楚，推理规则不是很明确的问题，允许样本有较大的缺损和畸 变。缺点是模型尚需完善，目前能识别的疵点种类很少。 利用实体特征( 灰度、点、线、面及形状) 进行模板匹配，通常模板本身 具有从样本集中学习的功能，该方法在实际中是可行的，但执行的效率不 高，而且当模式由于图像处理，视觉点改变或模式内部类变化而损坏时， 此方法将不再有效。 由于丝网和织物都是经线和纬线互相交织而成的，因此也会像织物一样出现一些疵 点，如断线，破洞等。但是丝网本身是有图案的，疵点混杂在图案当中，采用通常的织物 疵点检测方法不能将其识别出来。这是因为通常的织物疵点检测方法都是基于疵点所造成 的图像在平凡背景上的突变来进行识别的，也就是往往采用统计模式识别方法进行特征提 取。在有图案的前提下，由于图案本身也是镂空的，这时采用统计的方法只能使疵点特征 被湮没。 3 浙江理工大学硕士学位论文 因此，本课题选择模板匹配识别方法来检测丝网，这样不仅能够发现丝网本身的疵点 ( 断线，破洞等) ，对于其它缺陷( 如因网框变形引起的张力变化所导致的丝网模板严重 变形，漏花，塞网等) 也能够进行识别。 常见的模板匹配算法主要包括两类：一类是基于灰度相关的匹配【1 4 】；一类是基于特 征的匹配【1 5 】。 h u t e e n l o c h e r 在1 9 9 3 年提出了部分h a u s d o r f f 距离的概念。刘莹【1 6 1 等人采用三步搜索 策略对归一化算法进行改进，大大减少了该算法的计算量，提高了匹配速度；将 m l ( m a x i m u ml i k e l i h o o d ) 距离【1 7 】用于最小误差法，匹配速度有了一定提高，但是该算法在 复杂背景下的应用并不理想。刘础1 8 】结合序贯相似性检测【1 9 和h a u s d o r f f 距离检测提出了 一种新的图像匹配算法，该算法在实时匹配方面效果较好，但当目标尺度变化较大时，该 算法鲁棒性不强。 1 2 3 o p e n c v 图像处理类库 好的类库可以使程序编写事半功倍。o p e n c v 是i n t e l 公司资助的开源计算机视觉库。 它由一系列c 函数和少量c + + 类构成，包含图像处理和计算机视觉方面的很多通用算法。 本课题中的大量算法需要对图像像素值进行运算，o p e n c v 中的i p l l m a g e 定义了图像的头 部，其中的i m a g e d a t a 指向图像的像素值，利用该指针可以方便快捷地访问图像元素。 1 3 本文研究内容与结构安排 1 3 1 论文研究内容 本文主要是对图像识别算法进行研究，通过比较、改进目前已相对成熟的算法，得到 适合丝网检测的图像识别算法，在规定时间内完成对丝网的检测。主要研究内容有： ( 1 ) 图像预处理。由于传感器噪声，光照或者环境改变，同一物体在不同条件下的成 像难免会有差异，匹配前对图像进行预处理，可以减少噪声对于疵点的干扰。 ( 2 ) 图像的粗略定位，避免图像拼接，减少模板匹配时所处理的数据量。 ( 3 ) 丝网图像的快速匹配技术。该内容是整个丝网检测装置的核心，主要研究如何在 较短的时间内将扫描得到的图像与预先设定的丝网模板图案进行匹配，从而检测是否存在 疵点以及疵点的位置和类型等。丝网疵点的特点是必须要与模板图像进行匹配，单靠图像 识别的方法是无法确定疵点的。这也是丝网疵点检测不同于织物疵点检测的一点。本课题 旨在研究在规定的时间内采用快速匹配算法及实现手段判别出丝网是否存在疵点以及疵 点的位置。由于丝网幅面大，需要处理的数据非常大，因此对检测算法的快速性有非常高 浙江理工大学硕士学位论文 的要求。 1 3 2 论文结构安排 第一章绪论 介绍课题来源，阐述课题意义，介绍图像识别技术的分类、应用领域，综述图像识别 技术的国内外研究现状，说明本文的研究内容。 第二章丝网疵点检测视觉系统的总体设计方案 简要介绍视觉系统的各部分构成，分析系统性能要求，给出视觉系统的硬件设计方案， 根据图像采集的顺序性及采集到的图像的特点，制定软件设计方案。 第三章丝网检测的图像预处理与分割 分析采集到图像可能含有的噪声，比较常用的预处理方法的优缺点，选择符合要求的 算法。给出边缘检测算子的模板，比较各算子的效果，确定最终选择的算子，完成不含图 案丝网图像的分割。 第四章丝网图像的模板匹配算法研究 对于包含图案的丝网，必须要通过模板比对的方法才能完成疵点检测。比较现存定位 算法的优缺点，提出满足本课题要求的快速图像定位算法。阐述两级检测确定疵点位置、 进行疵点分割的优点。 第五章疵点的特征提取 分析常见的丝网疵点，介绍特征提取的原则及常用的特征参数，给出本文所选用的特 征值，分析特征图像，给出检测结果。 第六章总结与展望 对全文进行总结，指出丝网检测装置进一步研究需要注意的问题，展望图像识别技术 的应用前景。 浙江理工大学硕士学位论文 第二章疵点检测视觉系统的总体设计方案 疵点检测视觉系统简介 借鉴织物疵点检测系统，丝网检测系统一般包括以下几个部分：传动机构、执行机构、 照明机构、采集机构和疵点图像检测机构。其中，传动机构和执行机构为采集机构提供地 点和运动速度；照明机构为整个视觉系统提供稳定的光源，保证采集到的图像足够清晰； 采集系统负责将丝网转化为图像数据，并将采集到的图像信息传递给疵点检测机构；检测 机构是整个系统的核心部分，通过控制采集部分各机构的运动，完成丝网图像采集，并对 采集图像进行分析，完成检测，将结果在显示器上输出。整个检测装置及各部分名称如图 2 1 所示。 图2 1 丝网检测装置 其中，右侧为采集部分，包括待检丝网、采集设备、照明系统、电机及导轨。左侧为 检测部分，包括显示器和工控机，供操作人员进行操作并输出检测结果。 6 浙江理工大学硕士学位论文 2 2 系统性能分析 系统实现的关键在于如何提高视觉系统对丝网图像的处理速度和检测精度，因此对检 测系统提出了以下性能上的要求： ( 1 ) 高分辨率：丝网的网格一般为m m 级，疵点则更小，这就要求该系统必须要能检 测到最小尺寸为l r l l n 级的疵点才能保证能检测到绝大部分疵点，因此，对采集系统的分辨 率和空间覆盖率提出了很高要求。 ( 2 ) 快速性：通常情况下，一个熟练工人肉眼检测一幅2 m 2 m 的丝网大约需要l o m i n ， 这就要求检测装置对同样大小的丝网进行检测所耗费的时间要小于1 0 m i n 。要在如此短的 时间内处理完4 0 0 m 的数据，需要高效率的图像匹配算法。 ( 3 ) 高检测精度。衡量检测精度的指标通常有两个：漏检率和误检率。漏检率和误检 率越低，系统检测精度越高。漏检是指将疵点误认为正常，漏检会使企业蒙受巨大的经济 损失损失，企业不仅需要召回由于网版存在疵点导致出现印刷问题的印刷品，还需要对由 此造成的客户的损失承担一定的赔偿。错检是指将正常网版误认为问题网版，错检会影响 企业的生产，造成不必要的经济损失。 总的来说，疵点检测系统需要高分辨率的采集系统提供高质量的丝网图片，再经过高 效率高速度的图像处理算法来完成图像检测。 整个视觉系统包括硬件和软件两大部分，硬件负责采集丝网图像，软件负责对采集到 的图像进行分析，并将检测结果输出。 2 3 视觉系统的硬件设计方案 本课题选用的丝网大小为2 m 2 m ，精度为1 0 0 目( 单位：每英寸) ，网孔大小约为 0 2 6 m m 0 2 6 m m 。由于网孔和疵点都非常小，因此要求所获得的图像必须要足够高的分 辨率。在充分考虑了课题需求和装置的成本问题之后，最后选定陕西维视图像公司型号为 m v 1 3 0 0 u m 的工业相机。相关参数如下： ( 1 ) 最高分辨率：1 2 8 0 1 0 2 4 ： ( 2 ) 像素尺寸：5 2u m 5 2um ； ( 3 ) 帧率：1 5 f p s 1 2 8 0 x 1 0 2 4 ； ( 4 ) 传输方式：u s b 2 0 。 镜头选用的是日本c a m p u t a r 工业自动化镜头m 3 2 1 2 2 8 c m p 。镜头焦距f 为1 2 m m ，要 拍完整幅丝网，相机需要移动4 0 0 个位置。 浙江理工大学硕士学位论文 该工业相机，除了硬件满足要求以外，还支持用户二次开发，其代码完全开放，便于 在主程序中调用。 另外，该相机自带噪声消除函数。通过g e t p a t t e m n o i s e 函数得到噪声模板，接着利用 a v g p a t t e r n o i s e 函数对多次累加的噪声模板值进行平均，最后调用f i x p a t t e m n o i s e 函数即 可根据噪声模板，消除原始图像中的噪声。 2 4 视觉系统的软件设计方案 根据图像处理的一般步骤，疵点检测的过程可以分为以下几个部分，如图2 2 所示。 图2 2 疵点检测的一般流程 本课题根据大幅面丝网印版的制作过程及丝网图像的特点，针对每一步骤，给出具体 方案。 由于工业制版照相机及电分机的最大幅面为全开( 11 9 4 m m x 8 8 9 m m ) ，在过去很长一段 时间里，制版时的阳图底片都是采用拼接的方法f 2 0 l 。该方法不适于制作半色调图像的印刷 品，现在的大幅面丝网印版全都是采用直接投影的方法制作的。采用该方法可以用较小的 阳图，通过投影放大制作大幅面丝网印版。 具体工艺步骤为【2 0 】：用通常的方法制作加网阳图片，根据丝网印版的大小，将加网 阳图片按照一定倍数，投影放大到丝网模版上曝光，然后冲洗成丝网印版，一张2 m x 4 m 的丝网印版投影曝光只需四分钟 2 4 1采集图像前的准备工作 根据丝网印版制版的特点，在对丝网进行检测前，先将阳图扫描到计算机里，按照制 版时的放大倍数放大到和丝网印版等大，作为匹配时的参考图。 由于丝网幅面较大，工业相机需要需要移动多个位置方能完成对整幅丝网的图像采 集。若待全部图像采集完毕后将小图像拼接成完整图像再进行匹配，则需要处理大量数据。 因此，考虑采集的同时进行匹配。即利用相机从第i 个位置移动到第i + 1 个位置的时间间 隙，完成对第i 个位置所采集到的图像的处理。这样，每采集一幅实时图像( 模板图) ，首先 需要确定该图像在整幅图像中的具体位置，为确保接下来的疵点识别的准确性，必须保证 定位的精确性。因此选用模板匹配法进行定位。在整幅图像中寻找实时小图像的位置，计 8 浙江理工大学硕士学位论文 算量仍很大。 由于工业相机的拍摄位置及各位置的顺序是确定的，故采集到的实时图像的顺序也是 一定的。根据这一特点，可以事先将参考图进行分块，并进行编号。这样，相机达到某一 位置时，只需读入对应的小参考图与采集图像进行匹配即可，大大减少了搜索空间，提高 了匹配速度。 本课题中，相机共有4 0 0 个拍摄位置，拍摄到的每幅图像的大小约为1 2 8 0 1 0 2 4 ( 单 位：像素) ，从第i 个位置移动到第i + 1 个位置所需时间为t 。据此，将参考图进行分块， 每块实际大小约为1 2 c m 1 2 c m ( 比采集图像稍大) ，并按照相机的拍摄顺序进行编号。 2 4 2采集图像 采集前，需要先对相机进行初始化，否则相机将无法正常拍摄。需要初始化的参数包 括以下几个常数： ( 1 ) c o n s ti n td e v i c e n u m = 1 ；该参数为设备类型，用以表征相机的型号。数字1 为 m v - 1 3 0 0 u m 对应的设备类型编号。 ( 2 ) c o n s th v r e s o l u t i o nr e s o l u t i o n = r e s _ m o d e 0 ；该参数用以标识采集图像的 分辨率。该工业相机共有三种类型分辨率可供用户选择，r e sm o d e 0 为最高分辨率，即 1 2 8 0 1 0 2 4 。 ( 3 ) c o n s th v _ s n a p m o d es n a p m o d e = c o n t i n u a t i o n ；用以标识图像采集模式。 c o n t i n u a t i o n 意为连续采集模式。 ( 4 ) c o n s th v b a y e r l a y o u tl a y o u t = b a y e r _ g r ；该参数用于标识b a y e r 格式图 像数据的排列，b a y e r g r 是指图像数据的第一行以g r 开始。该相机将采集到的图像数 据以b a y e r 格式储存，然后通过c o n v e r t b a y e r 2 r g b 函数将8 位b a y e r 格式的图像数据转换 为r g b 2 4 位格式，输出图像。这种数据存储方式可以在不降低图像质量的情况下降低采 样频率。 ( 5 ) c o n s th v b a y e r c o n v e r t _ t y p ec o n v e a t y p e 2b a y e r 2 r g b _ n e i g h b o u r ； 该参数用以指定b a y e r 格式图像数据转换为r g b 2 4 位格式的算法类型。 b a y e r 2 r g bn e i g h b o u r 为邻域平均法。 ( 6 ) c o n s tl o n gg a i n = 8 ；增益。 ( 7 ) c o n s tl o n ge x p o s u r e t i n t _ _ u p p e r = 6 0 ；曝光上限。 ( 8 ) c o n s tl o n ge x p o s u r e t i n t _ l o w e r = 10 0 0 ；曝光下限。 q 浙江理工大学硕士学位论文 ( 9 ) c o n s tl o n gs h u t t e r d e l a y = o ；快门延迟。 ( 1 0 ) c o n s tl o n ga d c l e v e l = a d c l e v e l 2 ；用以标识模拟数字转换级别， a d cl e v e l 2 意为2 级，即1 0 位数据取中间8 位有效。 ( 1 1 ) c o n s t i n t x s t a r t = 0 ；输出窗1 2 1 的左上角x 坐标，数值应为4 的倍数。 ( 1 2 ) c o n s ti n ty s t a r t = 0 1 输出窗口的左上角y 坐标，数值应为2 的倍数。 ( 1 3 ) c o n s t i n t w i d t h = 1 2 8 0 ；输出窗口的宽度，数值应为4 的倍数。 ( 1 4 ) c o n s t i n t h e i g h t = 1 0 2 4 ；输出窗口的高度，数值为2 的倍数。 其中，输出窗口的宽度和高度的设定与所选择的分辨率有关。 该系统中，相机共有两个状态，设静止状态( 采集状态) 为0 ，运动状态为1 。相机 的工作流程如图2 3 所示。 图2 3 图像采集流程图 l o 浙江理工大学硕士学位论文 将相机移动到初始位置，同时将计时器置零，此时时间t = 0 ，开始采集第一幅图像。 采集完毕( 设定时间为2 s ) ，读入编号为t t + 1 的参考图。相机开始移动，计时器开始计 时，同时开始对第一幅图像进行处理。当相机移动到下一个指定位置时停止计时，采集完 毕，读入编号为t t + 1 的参考图，相机继续移动，直到完成整幅丝网的采集。 2 4 3疵点检测的图像处理的整体设计方案 按照网孔的状态不同，可将采集到的图片大致分为两类：不含图案的和包含图案的。 两类图像如图2 4 所示。 其中，不含图案的丝网，其网孔全部为堵孔；而包含图案的丝网，图案部分为通孔， 其余部分为堵孔。若图案部分的网孔被油墨堵住，则会变成堵孔；而没有图案部分若出现 破洞，原来的堵孔也会变成通孔。因此，单纯根据网孔的状态，无法判断该点是疵点还是 正常点。 ，? 。 -+t 一缘 霪 移 j 。：c 。 ，? i 。? ￥a ( a ) 不含图案的丝网图像( b ) 包含图案的丝网图像 图2 4 采集到的两类丝网图像 对于不含图案的丝网图像，由于其正常状态下，所有的网孔均为堵孔，并不存在灰度 跃变。一旦出现灰度跃变，则一定是疵点所致，因此完全可以借鉴织物疵点检测的方法， 按照图2 2 所示的流程进行检测；而对于含有图案的丝网图像，若采用通常的织物疵点检 测方法，则无法检出混迹在图案中的疵点，导致漏检。含有图案的丝网图像的疵点检测方 法如图2 5 所示。 浙江理工大学硕士学位论文 图2 5 丝网图像的疵点检测流程 首先根据相机的位置，即相机移动到该位置所需时间t 粗略定位采集图像在整幅丝网 中的大致位置，读入编号为t t + 1 的参考图。由于包含图案的丝网疵点识别时需要利用模 板比对法，故对采集图像( 模板图像) 和参考图采用相同的预处理方法。然后利用快速定 位算法找出采集图像在参考图中对应的子图像作为疵点识别的标准图像进行模板比对，得 到疵点具体位置，分别用2 5 5 和0 表示疵点和正常点，得到疵点分割后的图像，并输出结 果。 定位与匹配需要处理大量数据，所需时间占整个疵点检测过程的9 0 以上。针对不同 的丝网图像，采用不同的检测方案，避免了对于不含图案的丝网进行定位、匹配时所浪费 的时间，大大提高了检测速度。 2 5 本章小结 本章介绍了检测系统的组成，分析了系统所需满足的性能要求，并据此确定了检测前 的准备工作及采集方案；根据采集到的图像的特点将丝网图像分为两类，并针对每一类图 像给出具体的检测方案。 1 2 浙江理工大学硕士学位论文 第三章丝网检测的图像预处理与分割 在实际应用中，由于存在干扰，采集到的图像一般都会含有噪声。引起噪声的原因有 很多，如光照条件改变，敏感元器件的内部噪声，电器设备运动所产生的抖动噪声等等， 这些干扰无疑会对影响图像质量，甚至湮没图像特征。为了尽可能减小这种影响，在对图 像进行分析之前通常要进行预处理【2 l 】。 虽然相机中自带的噪声处理函数可以在一定程度上消除随机噪声，但采集到的图像仍 然不能直接用于图像分析，仍需对其进行预处理。通过预处理，可以尽可能多地保留或者 增强所需要的信息，减少或者去掉噪声和无关信息。本章将介绍几种常用的通过改变图像 灰度值来改善图像质量的预处理方法。 3 1 丝网图像的主要噪声 通常情况下，噪声是不可预测的随机信号，只能用统计的方