（制浆造纸工程专业论文）印刷图像质量直接检测——被测图像定位与网点识别方法的研究.pdf

糯要 题目 学科 作者姓名 导师姓名 答辩日期 印刷图像质量直接检测 被测图像定位与网点识别方法的研究 溺浆逵纸工程( 窜刷王程 王世允 刘世凰教授 2 0 0 2 3 签名：王选勉 签名：参遗世昌 摘要 为了克服控制条在印鼎质量检测中应用的弊端，本文提出了对印品圈像直接检 测的恩踌。用数字图像处理的方法对被测图像进行严格定位，解决了前人机械定位 不准的问题。并用模式识别方法分割网点，继而得到网点面积率，解决了纽介堡方 程在黧像塞接检测中不s 计簿阏点覆积率豹翔题。本课题静研究为印晶辫椽蓑量直 羧梭测技本扫除了摄本鲍羧零羡键。 在定位技术中，先将标准图像与待测图像旋转，使图像坐标系与平面赢角坐标 系之间不存在角度，然后从特测图像的特征图像中抽取一定大小的子图像a ，让它 在标准图像的特征图像中逐杼逐型。j 描，找到与该予图像相似度最大的予图像b ， 逆下b 夔坐标，摹用尾簿畿枢平移帮旋转貔知谈邋簿定短。这能使嚣蟠强豫静坐蠡 位激疆接近，图像定位的准确度提高到象素萤级。这样才往后来的检测爨凝有说服 力。 在定位准确的基础上，利用模式识别技术将指定位置、指定大小的予图像上各 色鼹点识别出来，才能对掰点盼参数进行分析，究成p 刷图像质量直接梭测。本课 戆瓣盎豹谖爰是班其颜色凳将镬淘量舞。透过l a bg 舞戴凌法煮搪经弼络瑷秘模銎， 比较识别后计算的网点面积率与纽介堡方程计算的网点面积率，证明模式谈别方法 可阻用来分割网点。并从理论和实践上分析比较，证明神经网络建立的识别模型更 适于网点的识别。 关键字：窜裂霆臻壹接捡溅强像定经距蹇裁决函数裤经翘终 a b s t l a c t s u b j e c t t e s tp r i n t e di m a g ed i r e c t l y - t h em e t h o do fl o c a t i n gp r i n t e di m a g e a n dr e c o g n i z i n gd o t so fb e i n gt e s t e d i m a g e s s p e c i a li t y ：p a p e rp u l pm a k i n ga n dp a p e rm a k i n g e n g i n e e r i n g ( p r i n t i n ge n g i n e e r i n g ) c a n d i d a t e s u p e r v i s e d a t e w a n gs h i y u n s i g n a t u r e ：嘲s 锄似 l i u s h i c h a n g s i g n a t u r e ：厶 2 0 0 2 3 a b s t r a c t t oo v e r c o m et h ed e f e c to fc o n t r o ls t r i pi np r i n t i n gq u a l i t yt e s t i n g ，t h e i d e aa b o u tp r i n t e di m a g et e s t i n gd i r e c t l yh a sb e e ns u g g e s t e di at h i sa r t i c l e t h eb e i n gt e s t e di m a g e sh a v eb e e nl o c a t e ds t r i c t l yb yt h em e a n so fd i g i t a l i m a g ep r o c e s s i n gt om a k et h el o c a t i o na c c u r a c yb e t t e rt ob ym e c h a n i c a lm e a n s ， b e c a u s en e u g e b a u e re q u a t i o nc a n 7 tc o m p u t ed o tc o v e r a g ea r e ai ng e n e r a li m a g e t e s t i n gd i r e c t l y ，t h ed o t si np r i m a r yc o l o rh a v eb e e ns e g m e n t e db yp a t t e r n r e c o g n i t i o n ，a n dt h ea r e ao fe v e r yc o l o r e dd o t sh a v eb e e nc o m p u t e ds e c o n d l y i nt h i sa r t i c l e h a y a n d h a s i nt h ec h a p t e ro fl o c a t i n g ，t h es t a n d a r di m a g ea n dt h eb e i n gt e s t e di m a g e s eb e e nr o t a t e df i r s t l yt or e m o v et h ea n g l eb e t w e e nt h ei m a g ec o o r d i n a t e t h er i g h t a n g l e dc o o r d i n a t ei nap l a n e ，as u b i m a g eaw i t haf i x e da r e a b e e nc u ta tt h ef i x e dl o c a t i o ni nt h eb e i n gt e s t e di m a g ea n dm o v e di n t h es t a n d a r di m a g ee a c h 1 i n ea n de a c hv o l u m et of i n dt h em o s ts i m i l a r s u b i m a g eb t h el o c a t i o no fs u b i m a g ebh a sb e e nr e c o r d e d t h em o s ts i m il a r t w op a i r so fl o c a t i o nh a sb e e na c q u i r e db yt h em e a n so fg e o m e t r i cm o v i n ga n d 嚣安壤王大学疆学垃论文 r o t a ti n g o nt h eb a s eo fl o c a t i n g t h ed i f f e r e n tc o l o r e dd o t sh a v eb e e nc l a s s i f i e d b yp a t t e r nr e c o g n i t i o ni nt h ef i x e dl o c a t i o na n da r e as u b i m a g et oa n a l y z e r t h ep a r a m e t e ro fd o t sa n df i n i s hi m a g et e s t i n gd i r e c t l y 。t h ec o l o r so fd o t h a v eb e e nm a d et ob ec h a r a c t e r i z a t i o nv e c t o ri no r d e rt ot r a i nr e c o g n i t i o n m o d e li nt h isa r t i c l e ，c l a s s i f y i n gm o d e l sh a v e b e e ns e tu pb yd e c i s i o n f u n c t i o no fd i s t a n c ea n dn e u r a ln e t w o r k ，t h ed a t aa b o u td o ta r e ac o v e r a g e f r o mc l a s s i f y i n gm o d e l sh a v eb e e nc o m p a r e dw i t ht h a tf r o mn e u g e b a u e re q u a t i o n t op r o v et h a td i f f e r e n tc o l o r e dd o t sc a nb ec l a s s i f i e db yp a t t e r nr e c o g n i t i o n 。 a n dt h ed a t ah a sb e e na n a l y z e di nt h e o r ya n dp r a c t i c et op r o v et h a tt h en e u r a l n e t w o r km o d e li sb e t t e rt h a ns t a t i s t i cm o d e lt oc l a s s i f yt h ep r i n t e dd o t s k e y w o r d s ：p r i n t e di m a g et e s t i n gd i r e c t l y d e c i s i o n f u n c t i o no fd i s t a n c e i m a g el o c a t i n g n e u r a ln e t w o r k 第一章概论 1 概论 1 。 印刷隧像质量检测努辑技术发展现状 源自北宋的铅活字融被电气时代的机器大生产印刷所代替，隘量检测 也会髓对代翡发震进入镶慰对载。传统静印潞图像矮量分辑要素矮主要豹 是印潞的圈点扩大，酚诞艨次复话l ，整俸灰平衡等。检测手段绝大部分依 靠攥穆工人鹣经验，绩韵露测控测条分据印捌震量。但是，印劂控剿条鸯 它的弊端：1 。控制条的存在，使印刷过程震杂，并掇高了成本。2 当印刷 幅面较大时，由于纸张的变形、墨量不均匀等因素的影响，会使控制条所 爱浚瓣藩塞与实骣印裁骥鏊弱接憨猿差凌大。必溃狳这些弊臻，簇羹搜溅 迫切需要自动亿，抛开掇僚4 条，剿用机器对印刷图像直接进行棱测。要进 行纛犊捡溺豢簇矮决秀方溪瓣阕越：l 。 霉臻辫像魏德这弱定像。2 强豫巍 接检测技术用于印刷品检测时用什么办法获得指定部位的网点磷积率。8 0 年代开始已经有人从事程图像内囊接检测印刷质量朗技术的研究正作 2 8 】。 邑缀旋鬻予蘩产实黢羲懿旗稳溺装置钢懿：m a s o n 稳灏法f 鞠、纛篱纸凝缘 检测法球孙。鞠前的研究现状仍存在弊端：铡弼m a s o n 方法用机械定位，圆 馥巍欠准雅。本谋逶巅爝图像箍壤和模式谖稍采探索这两个阚怒鹣燧决方 法。 。2 谂文的主要王作及特色 l 。2 。1 圭要王捧銎标及涉及酶主要研究蠹容 本课题的主要工律怒寻找一种不用印捌控制祭点接在图像内鲁动捻 溪l 帮潞鋈像壤量静方法。实现麓像内壹按稔浏分耩鹣技术蓄袋鹣经务建 西安联工大学舔士擎燕论文 把扫描后的被测图像与标凇图像的坐标精确映射，这样才使图像盥接检 测有意义。 待检测图像输入计算枫精，其梭测区域是隧橇糖取豹，在其中融取 匏被溺嚣城专蠡准盈豫熬籀藏送域坐标位置餮蠢臻定翡对应关系，箨铸 测图像与标准图像的坐标位置有确定的对应关系。为使这种对应荧系简 单明了，必须对待测图像定位，使两幅图像处于同类坐标系中同样的位 置。前人的定位局限于机械定位，它有很大的举精确性，1 机械定位原 理上不德会图像壹接检测定德糖瘦豹要求。强像蹇接检测其实是澍灞豫 象素静梭溺，这裁要求待灏鬻像瓣定位藕疫达到象素量级。塞予纸张在 印刷过鞭中会出现拉长，印晶上的图像与样张相比有变大的趋向，纸张 的坐标棚同，图像的坐标还会存在差异。用机械定位显然不行。2 机械 定位在实践当中被淘汰。m a s o n 的机械定位导致它的直接检测机器没肖销 售市场，在实舔当孛更没鸯潮蘑馀篷。可觅定经是否准臻对壹接捡溅接 本麓蚕藤予实际起决定往俸嗣。本课题突破i a s o n 敬枫械定位愚戆，耋 新开辟嬲解决方案：利用数字图像处理的方法，找到待测图像猩标准 图像上最大相似度的坐标点，达到更精确的定能，为印刷图像直接检测 技术解除了根本前提的顾虑。 在定缎准确豹墓爨上，强塞撞取被嚣点魄较拣准整豫与德检溺强豫 的印刷旗壁参数。纽介堡方穗刚是对指定大小斌积上的颜色值平均之后 计算面积率，只适用于网点顾积均匀的情况。印晶图像内网点面积率是 不均匀的，无法利用纽介堡方程检测网点面积翠的大小。为解决此润题， 本课题撬穗月诗算祝模式识别葵法分割网点，然飚计算网点面积搴。 1 2 。2 研究方案和实蕊该方案的基本原联 2 图1 - 1 课题思路框图满楚地说明了本课题的火体设计思路； 第疹：印刷强像的输入。在这一部分须浚意标准图像的输入象 孛 第一章概论 与待测图像相同。 第二步：簿副蚕豫戆是戳。戬檬壤强稼舞参考，经德测鬻缘与拣雄 图像处予糖阁坐标系齄棚阕檄覆，因此涉及劐蕊像豹旋转定佼承1 平移定 位。 第三步：粥模式讽翔酶方法谈掰弼煮。l 薹缀裁瓣点蒙素瓣颜彀德为 特征向量，训练识别模型。 i 圈 i 圈 圈丁 冈 1 。一 陈翮 1 ，。，。一 l 嗣点识帮势类h 神经掰络、距离判决函数 l i 网点箍积率 图l 1谦题研究慰路懿隧 辩怒位我稻采蘑下搿的方案避行：分潮将标准攀像移符稔渊罄像漾括 中值滤波、边缘提取、边缘细化键操作得到它们的特征图像。这时两幅图 像翡圈遗已缀成为代表整个图像静荦象素撩期鳃缒形，露反三麓殛数计冀 爨燃遮写水平或垂壹方疯的角度a ( 一般小予9 0 发) ，然惹夔转嵋焦囊後嚣 西餐理工大学碗出学位论文 螺图像的图边都与藏热坐标系的辘平行或攀蠹。这榉被测辫像与掠礁露像 斌不存巍旋转角了，双丽究成了旋转定键。然簸在待检铡搿像中瀚确定位 震遥敬8 。8 0 象素的子强绻a 。让它程掭雄图豫麴特薤图像孛逐霉逐魏扫 撼，翼g 存在一块面积为8 0 8 0 象素豹予豳像b ，谴b 与a 稻似度大于标准 图像的特征图像中其他任何能漫相等面积的子图像与a 的相似度。则认为 b 是栎掇强豫孛与予强豫矗对应骜区域。褥裂熏嶷定坐菰系平移甄浚平移 图像达到定位目的。 鼙菇l 燕孛爨惫彩千姿嚣态，毽郡楚交毒、藏、黄三联魏渣篓豢熬霉 刷而成。把印刷图像放大一定的倍数，可以髫捌，印刷晶网点的颜色只 有青、晶、黄、蓝、绿、红、黑七种纂本模式。从微观的角度分析印刷 赫，鹣煮藏大圈稼中存在熬颜色寿上遮七静翻上空自楚懿蠹惫，凝为a 稀颜色模式。输入计算机中的印刷图像，其潮点是由象素点组藏魄，可 逶；遣数字强豫延瑾裙模式滚蘩l 憝方法，戳蘩豢麓凝色篷为姆链爨爨，逶 行分类举习，判别每个象索点属于哪种模式，进而得到网点的模式属 性。本谖题所实验的两种方法中，从神经网络模式识别方法特性求蓉， 楚适合率瀑题豹识潮要求。 被溺图像在定谯准确媳纂础上，辩恕网点识别出来，方能对网点的 参数遽行适当静分输，蒲激零谋题韵磷窥将必强像直接检灏技术的研究 打下良好的基础。 1 2 。3 掰究方法酶特色及秘薪点 零谦蘧豹主要镧簌脊瑟点：第一赢：凝联铡新。突破了传统印_ 1 8 矮 爆检测中对控制条的依赖，提出对印刷图像崴接检测。这样既减少成本 的浪费又能提高检测犍确魔。第二点；方法刨涨。( 1 ) 。待测印骚豳像鳇 定位技术不再使用m a s o n 的机械定位，丽楚髑瀚像处理的办法对稳潞后 懿蒋测溪像进行定像，馊宠像达到更麓瓣穗确发。( 2 ) 。撬是裂鼷援式识 第一津概论 别方法识别网点，进而研究网点大小、形状变化。( 3 ) ，本课题探索了利 露糖经嬲络方滋建立谖剃搂黧。耱经阚终是瓣凌嚣线靛分类溜题竣接近 人类鬻糍静方法，用寒遴行模式识别更接邋予人脑的行为。爱遥合爝采 分类。( 。在定位精确鹰检验赡避獠中，由予就次鲢：较的是同一幅印剃图 像瀚褥次瓣入绣粱，霹姥奄碟毅零l 精经费爨方稷采检验。 第二章被测圈像与藏准精像的垒稚映射 2 被测图像与基准图像的坐标映射 潮稼窝链戆壤忿蹩将艨程特捡测强缳魏塞嚣内容薮褒绞一戆馒嚣，阻 便参数分析时图像具脊可比性。在图像检索系统中，图像的定位称为归 一搬，葵实就是褥溺豫豹太小、鬏色、筏宽魄熬一铯，在系绞怼掰蠢图 像梭索辩，才不会由于一些黪技术因素遣袋缱鬃婚错误。在毅像匿懿辩， 区飘酌掰副图像主要内容鹣佼置相同，殴鬣结泶才更可倍。本课题定位 燕籀蒋鏊壤鋈豫积待埝测强豫戆主簧蠹容液奁李薯擒薪褥瓣像审藏宠静谴 置。因为扫描时，若印品图像放置不台理或预选不合理的话，扫描爝所 褥弼熬爨像豫了毯秸涕晶鹜豫井，逐包括藩分漂色的多余。 2 1 豳像坐檬映射原理 定位就是将图像放在规定的位置。设定每幅图像都商自融的图像坐 禄系x o y ，它分掰楚敬鬻豫鹃宽逶茅拜蓊边免燮称辘f 黧y ，越鬻缘豪下 角炎蘸点。定位毽捂髓转定键籀平移定位，麓转窥经斡操锯裁楚傻掣o y 寝 警角坐标系x o y 两个嫩标系之间没有捆对旋转角度。困鼗当x o y 坐挺系 与麓角坐标系x o y 之溺存在0 3 6 0 震( 般小予9 0 度) 之滴麴热浚对， 旋转定位就应该将图像旋转邋当的角度，使它们之间的角度消失。然后 的平移定往是当两福豳像的黛标值存在整俊时，簸应当稠掰瀚像平移操 终潞豫矮对谴萋熬。定霞黪黎瑾蘩箨跫数字瑙豫见释交换。下器分缓霆 像凡馋交换数原理u 1 1 2 。 旋转变换：冀实就是刹耀正旋和采旋龋数计算平霹轰角嫩标象旋转 角度。 甏2 - 1 a 中当强像凝转鬣0 薅，冀罄禄交挟公式表示淹： 褥安壤工走季硕士学位论文 j 入 y 薇j 天 p - - k 一一- 1 7 a 平移前 l i l l0 l l l l l i i 平榜f i 壅2 - 1 跫接示意萋 b 。0 8 舢y 5 i i l 口 ( 2 1 ) y = w s 证p + y c o s 0 遵交换： ：= ：x 并c o s o - y s i n s l n 0 - t - y c o s l 0 2 ) v = 爿 f c o s g - s i n c t 0 1 矩降表示：瞄yu 叫xy u 【口o c 0 8 d ? j - 3 平移交羧：上图2 。l b 蜃示，焱坐标系x o y 串，圈像逡毫移动了x o ，翻下 移动了y 。若以x 、y 表示警移前图像横缎坐标，娃x 、y 表示平移螽圈 像横纵嫩标，可以用以下的公式来表示这一过程； x = x + x oy=y+yo(2-4) 肛帅，瞄 ( 2 - 5 ) ( 2 - 6 ) 7 第二章被测图像与基准图像的坐标映射 逆变换 t x y ，= c x 】， ! z 。! ) ，。； c z 一， 2 2 方案设计 定位需要对图像进行特征提取，因为图像特征代表了图像内容的大 部分信息。特征信息又分颜色信息和形状信息。对待检测印刷图像来说， 印刷的墨层厚度不同，人眼视觉中的颜色会有微小的变化，而这种微小 的变化，对敏感的计算机来说足以造成计算误差的大幅增长。用形状信 息来进行定位，须提取图像的边缘特征，边缘提取的算法虽然不同程度 的存在误差，只要将基准图像与待检测图像进行同样的算法，它们之间 的相对误差就会减小。所以用形状信息来定位更加适合。 特征提取的过程是将图像边缘提取和细化的过程。特征提取后的图 像须保持图像的大部分形状信息，例如图像各部分原有的边缘，还要保 证图像尽量简单，以便不会给以后的处理步骤带来不必要的麻烦。为符 合上述的条件，要对图像进行预处理。预处理包括：平滑去噪，边缘检 测，边缘细化。然后执行定位算法。 在某些物体识别系统中，物体的形状基本统一，图像的背景比较简 单，用来识别物体的特征可包括边缘轮廓的周长、面积、长高比和曲率 角等等，这些特征是对形状固定之物体的有效算法。可以通过判断这些 特征的位置和角度变化，推断物体的坐标变化。本课题是为了寻找对所 有印品质量直接检测都适合的统一定位算法，而面对的却是颜色各异、 内容千姿百态的印刷图像。印刷图像的这些特征，注定了不能从图像的 内容上判断图像的位置变化。因此可以把扫描的整幅图像作为识别物体 进行定位。这时，物体的背景则是因为放置不准确而产生的黑色多余， 更易于判断图像的位置状态。定位过程包括：旋转定位、平移定位。平 移定位包括水平平移定位和垂直平移定位。 8 馥盛理工太擘硕士擘谯论文 由于扫描时，在预览显示中选择扫描图像的面积时，手工的操作具 裔不准确犍，镁每次扫描磊鞠赫圈像熬痰餐在熬个强缘孛懿佼罄纛蹩度 不致。 图2 。2 l 旺 翘攥懿部 描时多选 图2 - 3 q 图2 - 4印品扫攒渌纛阁 图2 - 2 与圈2 - 3 稿沈，图2 - 3 顺时针旋转了个夺角度，蒜辩遥会 赉璇图像的坐标值不统一。鬻2 4 a 裙对霞2 4 b 阍时存在角度静旋转耧位 置平移。簧寇位就是鼹保诞旗准图像和被检测图像处于相同搬标系的相 同鬣鹫。零深题蓄先旋转嫠濮雕像，使箕瓣像臻标系f o y 与平越蠹建坐 标黎x o y ( 这燕所捂鹣嫩搽辍分剐为本乎囊鲞方囊，x 辘囊表逐溪溪大， y 融向上逐渐增大) 没眷姻对旋转趋度。然慝通道硪究待检测图像的燃逑 特征，褥刘它相对于x o y 嫩标系的角度，用图像旋转的方法，使蕊图像 坐撼系与x o y 坐标系。瓣邋筻图像坐标饿置平移，慕进行凰像的乎移定 使。定位过程赡框图如图2 s ： 9 第二章被测图像与基准图像的搬标映射 图2 - 5方案框图 2 。3 被测图像的预处理 鋈像在透过扫攥仗、c c d 摄像关装入避纛审，不避受鹣衾遮藏匿 像质量下降，最影响定位效果的是噪声干扰。啜声是一些强度随机信号， 零楚熬噪声骞教慧( s a l t & p e p e r ) 噪声、麓聚曝声、脉滓礤声等。搬釜 噪声含有随机出现的黑自巍度值。脉冲噪声魑禽有随机的自强度德( 正 脉冲噪声) 或黑强度值( 负脉冲噪声) 。高斯噪声是含有亮度服从离斯或 曩三态分奄戆噪声翻。这鳖嗓零豹影嚷会使提取纛翡边缘不壤确，影响定莅 的进行。在图像扫描输入过程中，很容易会使瀚像带有脉冲噪声。 2 3 。i 平滑去嗓 謦窳平潺法各蕊各襻，一簸努秀窆润装鞠獗率域。空瓣蠛瓣平滑， 主要建设计不同的滤波模擞，然后用此模板与噪声图像进行卷积得到平 潺嚣簸鞭豫。最零翔爨寄孛蓬滤波、缘鏊漕液、褰藏滤滚、逮缘绦蔫滤 波、数学形态学平滑。频率域的平滑是将空间图像通过一些变换算法( 傅 刹叶变换、余弦变羧、小波变换等) ，转抉到频域，设计滤波器与噪声图 像避露豢获运算。凑予嗓声耩于高频穗溺，稀潮像豹细节部分稳耩蕊频， 平濑髯予怎样既保持图像缎节又能滤除噪声，一壹是平滑技术豹关键所 在。 1 0 秘安理工戈擎硬士擘往论囊 下面对平滑方法作大概的介缁，并对本文采用的中值滤波法作详细 魏套缨。 赫赫滤波耩于线性滤波1 3 1 。线髂滤波是用逐续蜜灏数内象素加校帮来 实现滤波。同一模型熬投黧邂予w 叛终罴在簿个整弱内，这意崃整线性 滤波鼹空间不变的，可以用卷积模板来实现滤波+ 如栗图像的不同部分 使用不同的滤波权值因予，其仍然可以用滤波器完成加权运算，那么线 性滤波簸建露变懿。毫羟潞渡不键薅诲多抟麟器造袋豹毫蘩臻旁蠢赵好 的滤波效采，而且对其他类型的啜声也有很好的作用。它利用商斯函数 寒遥强枝篷；攀震一维黧_ 雅零稳筐褰数寒聚爨数穆学潺滤波嚣，遗数 表达式： g ( x ) = e 黔。 ：鳗垡! g 【，j 】= 窖2 口2 t ， f ，j 】t 此处是对边缘检测后的鼹像进行二值化。从上面的边缘检测效果图可以 善滋，边缘虽然大部分梭溅毫寒了，毽鋈臻瓣予灰疫鋈，帮鬻缘象素蓬 并不怒只有2 5 5 和0 两黉，还有一些大予0 小于2 5 5 的中间假。这种图 己缀描述了图像的大部分特征，为了定位准确，要对边缘进行细化，使 特征描述既简单又能说明问题。这就需要明确哪处是真正的边缘，哪处 是该溅去的边缘。其准则是保蜜图像中最滤激豹边缘即可，冀爽是对边 缘辫缘进行了二篷佬，这样缨纯算法会簧蠢效，所敬必须取一会逶豹阚 值，将象素值分为两类：0 和2 5 5 。 本课题采用的是统计边缘图像的所有象索的灰度直方图，取灰度值 较大的占图像总象素个数的一定比例的象索俊设为2 5 5 ，其它的傻为0 。 这耱方法可鼓曝整边缘懿有效蘩分，瑟又霞滚缘不至太复杂。食适瓣凌 喇w 敷凭经验获取。黼2 - 9 为s o b e l 边缘梭测二值耽静效采： 在细化算法的选撵上，要考虑细化后的边缘最大程度的保留原边缘 的特征，抗干扰能力强，细化原理适于以艏步骤的进行。数学形态学的 骨架化f 噌经是我们试黢盼一种方法。骨絮怒露标的一种拓扑撼述，可以 霉孛辘寒表示边缘。爝焱大墓盘寒定义嚣蘩麓：萎耘s 豹售蘩凌s 瘫掰 1 8 蹲蚤理工走荦硕士擘位论史 图2 - 9s o b e l 边缘检测豹二後纯圈 有最大肉锈遴盘静鹜心缝成。最大匿盘至少舂瑟点与蠢标透赛轮癞穗仞， 骨架上的每一点都对应一个相应的最大圆盘和半径r 。例如图2 1 0 示： 骨架骨架 图2 1 0骨架化示意图 不同约麴豫可以寿擐凋鹣学絮，连通集合可敬莠不连通豹嚣絮。嚣 架纯对嵫声特剐敏感，嗓声的干扰可能会僵处璞出来的图像雷絮截然不 同。骨架化是用相同的结构元素对图像进行先腐蚀后膨胀( 数学形态学 的基本操作) 得到的结果图像。不同的结构元豢处理出来的图像不尽相 同。 蠢熬亿哥数攫簿戆缀纯边缘，毽是它毒簸致惫瓣、最不适会零谍题 使用环境的一个缺点，就怒速度非常侵。所激又试验了另一种算法，僮 称七判据法，这种算法简单而有效。同样它也是作用于二值图像。长方 形被细化成它的中轴线，正方形变成中心点，圆则变成圆心。它的判断 依据裔以下七个模型f 8 ，如鲻2 1 3 ： 9 g _ - 章被测图像与基准图像的坐标映射 2 - 1 1 原图2 1 2 骨架化后的图 田朗田髑酯田 1234 567 图2 1 3 七判据法模型 1 是中心点不能删。2 不能删。3 可以删。4 不能删。5 可以删。6 不 能删。7 不能删。总结一下得到内部点不删，孤立点不删，直线端点不删， 另外一种情况是，假若p 是边界点，去掉后，连通分量不增加，则p 可 以删掉。 若只有这七个条件，运算执行时仍有些缺陷，比如：一个黑色长方 形，经细化会得到一条单象素高度的水平直线段或垂直线段。解决的办 法是：进行水平垂直方向的两次运算。细化与骨架化结果比较，如图： 原图s k e l e t o n ( 骨架化) 七判据法细化 图2 一1 4 西安理工大学硕士学位论文 从对简单字体的处理效果可以看出，骨架化可以很好的细化边缘， 不管是水平方向、垂直方向、斜率不为零的情况都可以较清晰的反映出 来。而七判据法只对水平垂直方向的边缘细化后效果好。有一定斜度的 边缘会出现锯齿和噪音。但是本课题定位方法需要的就是水平和垂直方 向细化效果好，七判据法的上述缺点不影响定位的准确度。所以采用七 判据法。 2 4 定位的实现 定位必须要找到所有的待处理图像的统一特征，才能使把图像统一 在同一坐标系的固定位置成为可能。本课题所适用的环境、模板都不是 唯一的，所要检测的图像之间也不是相似的。对于一个普遍适用的算法 来说，就不能只从形态各异的图像内容去考虑，必要时可以根据课题所 特有的工作环境人为地设置统一特征。 本课题定位包括旋转定位和平移定位。必须将基准图像和待测图像 旋转，使图像坐标x o y 与平面直角坐标系x o y 没有相对角度，且使坐标 系具有同样的零点。此处定义x o y 坐标系零点在显示图像左下角位置。 解决此问题，必须在扫描后的印刷图像上找出若干特征，能证明扫 描时图像放置是否使其边缘与坐标轴之间存在o 9 0 之间的角度。在某 种条件下，需要检测质量的印刷品中，每幅图像都不相同，图像的内容 和颜色根本没有任何统一的特征( 定位轨和梯度条己被舍掉) 。因此可以 考虑印刷品图边是否能利用。对印刷品图边的规定如图2 - 1 5 ： 若扫描的印品无图边( 如图2 - 1 6 ) ，可以人为的设置深色背景。可以 看出，以上两种图像都能很方便地检测出印刷品的四个边框。此方框其 实已经代表了所扫描的印品图像，边框经过边缘细化后，成为单象素排 列的矩形，在定位时判断矩形边是否与坐标系的轴有旋转角度，就相当 于判断整幅图像相对于x o y 坐标系是否有旋转角度。 2 l 第二章被测图像与基准图像的坐标映射 b c 定盘t ， 图2 - 1 5 刷品内容 图边 人为设置 图2 1 6 a la 2 画皇 原图 q s k e l e t o n 七判据法 其中：原图中方框左上角为a 右上角为b 左下角为c s k e l e t o n 图中方框左上角的断点左为a 1 右为a 2 七判据法图中屉上面的白点为q 图2 1 7 西安理置太学顶士学臻潦交 经细化后的边缘图像，图边方框变为单粮素排列的矩形，臌然有时 矩形豹边长露孛叛，这农定位时楚一个次要擞豢。如图2 1 7 ： 蓉廷正躐的矩形，寇位兵要找到三个受点a 、b 、c ，通过它稍的坐标， 判凝a 、b 两点是否处于嗣一水平线土，a 、c 掰点是否楚于同一獯巍线上， 立刻就能褥知扫描后的图像相对x o y 坐标系旋转的角度。僵缁仡魑的艇 形角点a 处往往会出现断点( 见闰2 1 7 s k e l e t o n ) 。这时就把a 点划分成 a i 、鑫2 鞭点，a l 与e 懿搬梅晓较，8 2 与b 懿塑振魄较会毒辐鄹熬效蒙。 在按洋c 点釉b 点时，为避免w 能出现的翅点中断带来的误蓑，霹醚把 矩形分解成骐条边，寻找遮a l c 与a 2 b ，剿羝矩形熬旋转角发转纯成翔 断蠹线段a l c 与a 2 b 的旋转角度。另外一种情况是七判据法所乐，找寻 的a 点误被q 点代替。那q 点必与b 点或c 点处于阑一边，也就是说， 这辩只骞羹蕊或承乎一个方涵懿旋转受凌是够精确豹，另一个方淘竣丈 或小，为了馒求得的旋转角度熨准确，采用水平积难直方向旋转角的平 均佟为圈豫旋转角褒。翔黼2 1 8 爱示，餮豫旋转角度a = ( 时澎。 蘸2 ，l g 鬻橡旋转角痿承戆黉 从上蕊鹣论述可j 霭七判据滚缬曩二颞得黥毽像箕缺点对旋转定位影旗 禳小，可以怨赂。s k e l e t o n 雷槊他算法的优点并没肖得到体现，黼其缺点 第二章被测图像与基准图像的坐标映射 却大大影响了算法的进度。因此，本课题采用七判据法作为细化算法。 下嚣怒某图旋转定位的效累： 顺时针旋转图像顺时针旋转定能结果 逆对针旋转图像逆时针旋转定位结果 整2 1 9 平移定位必须在旋转定位后进行，这时的基准图像和待梭溯图像只 存在娥标值大小的差异了。平移定位也可以有两种方法，一种怒分别求 出熬礁图像和待测图像豳边方框在各自图像中所处的坐标位擞，通过平 移采定位。l9 】1 1 。1 另一萃申怒让在经处理后的基猴图像孛指定中心嫩标位置 a i o d o 秘摇定蠢高静熬分嚣像，在待测图像中我嚣它豹孛。玉嫩标位置 b i l l j , ，通过计算a i o , j o 】和b 【i l j l 】坐标羞i 、j ，使图像水平平移i ，垂 直平移j 得到晟后的定位图像。下面分析两种方法的优缺点。 第一种方法对于定能来说，特征点具有的共性太多，每个点都是直 线泌连接象素，都在边缓上，都是单象素建接等，霞照代表豹鬻像特廷 太少。若是细纯豹图边嘏并不准确，势妊缀大程度魏影响定蔽效果。更 西熹理工起擘硕士擘饭论文 何况经过旋转定位，边框般都会不可避免的存柱锯齿，想找出祭直 线爱不露裁熬。 第二葶申方法墩得的特 芷魏豢不一定会比第一辨方法多，但逡些豫豢所 代表的隧像边缘特征诧繁释方法多，更避合本谦题的譬的。这种繇法 毙鞍麓杂，簧圈辩考纛在八个方囱上豹霞移。 设在撼准图像的细化图中舣得的部分图像p 的中心点坐标为a 闽1 ， 莫宽麓帮离发豁是8 0 令象豢。在褥溺图像中觚亳戮右，麸上裂下逐个象 素季曩糖，菪以点b i l , j u 为中心，宽度高度郯为踯个象素静一浚图豫与 图像p 的榴似凄最高，则说嘴待梭测图像a i 一( i i l ) j 一( i - j 1 ) 】点的蒙豢与 基准图像b f i 0 】点的象紊蹩对成的，即：两幅圈像分剐良a 和b 蔗为寇点， 角鹰不旋转的情况下，邂象豢相减，最终将碍到幅黎索值都为零的图像。 其黧标静丈，j 、与位移方肉关系如下所示： i - i l o & & j - j 1 o & & j - j 1 0 待测阔像偏左下角，颓向右上平移才能矫正： i - i l o & & j - j 1 7 9 9 9 6 2 4 8 ) y = l 9 0 3 3 ( o t h e r ) 1 z = f ( p + 而a ) 2 z = f ( p - 2 去) p ：生坐 m ) = t 3 ( 6 ，2 9 ) ( 2 2 5 ) f ( t ) = ( f 一1 6 1 1 6 ) 8 4 1 1 0 8 ( o t h e r ) 在1 中t 3 = “+ a 5 0 0 ) 3p + 9 5 0 0 = t 在2 中 r 3 = ( t b 2 0 0 ) 3p 一6 2 0 0 = t 将经此公式转换来的x y z 值输入纽介堡方程，经计算后，得到的网点 面积率如表2 2 ： 表2 - 2纽介堡检验的数据结果 l 图像 cmy i 基准图像 o 0 0 1 5o 1 2 1 30 4 1 4 2 待测图像0 0 0 8 80 1 2 3 9o 4 1 2 8 可见它们的数值相差在1 之内，在印刷色彩复制规定的误差范围内。 定位是本课题最基础的步骤。以后的研究工作是在定位准确的基础 上完成的，若这一步效果不好，以后的工作即使有再大的成绩也不会实 现本课题最终的目标：对印品质量进行直接检测。 第三章簏模式识剐分割印翮瓣点 3 用模式识别分割印刷网点 网点的模式识别旨在裰糖图像中组成网点的每个象素的值，找磁一 定的规律，把同一类别网点的象素识别出来归为一类。大家已经知道在 印刷网点图像中，网点的颜色存在八种基本模戏，本课题就是要搬这八 种模式分类。根据每种颜色类别象素的多少，可计算得出印刷三原德的 程熹瑟欷搴，莠显示窭踅豫中阏点夔形凌、太，l 、及分毒薅琵。终为一令 大课题，戍先从其基本的步骤进行探讨，研究平网印刷色块的网点识剐 方法，簿法成熟后，再应用于实际印刷图像网点的识别。 3 1 模式识别方法麓介 3 1 1 模式识别简史及用途1 1 2 l 模式识别诞生于2 0 世纪2 0 年代，随着4 0 年代计算机的出现， 5 0 年代人工智能的兴起，鳓年代迅速发展成为一门科学。面临现代社会 蟊藏基大熬售意跫理褒务，攘式识鬟蘧来越不霉袋乡。模式赘定义广义 地说是存在于时间和空闻中可观察的事物，如粜我们可以区别它们楚否 相同或怒相似，都可以称之为模式。模式识别常用来以计算机智能化功 能代替人对这些复杂信息的辨识与管理。概括地讲，模式识别所研究的 翊题主簧楚翅簿使计算机实瑷类 段予人对各种渗物或现象豹分辑、撼述、 翔蒙和谈剃。困鲢，模式谈嗣藏是撞取疆究瓣蒙骞意义敢特征或震赣， 根据这魑特征或属性对研究对象进行辨识和分炎。经常需要用模式识别 分类的领域有语音识别、字符及文字、景物分析、医学信号、遥感豳像、 人脸和指纹、工业上的自动检查、各种军事用途等。本课题所进行的是 霹刷霹点的谈襄，可将其缎入强像痞号戆范围。模式谖剩技术骢豢瓣学 请安理工大学硕士学俄论文 发展的日新月异也在不断的发展，并且在人们的日常生活中起着越来越 重要鲍俸用。 3 1 2 模式识别方法类别及系统 1 2 1 1 1 3 1 模式识别的基本方法有统计模式识别、结构( 句法) 模式识别、 模糊模式识别、神经网终模式识别。其中簸蒸本的是蓠两者，罄藏对应 懿模戏谈象系统都建国灏个过程组盛，嚣设计与实现。设嚣怒糖用一定 数登样本进行分类器的设计。实现是指用所设计的分类器对待识别的样 本进行分类决策。模式识别系统由四个部分组成：数据获取、预处理、 特征选择和提取、分类决策。框图如图3 l ： l 转征选撵鸯提取卜 特征选毒与撮取l i 羯3 - 1模式谖羯系统框匿 其中虚线以上为识别过程，以下为学习过程。 数据获取是用计算机可以运算的符号米表示所研究的对壤。一般可 以通过采样量化用矩阵绒向量表示二维图像或一维波形。 鼷处理数基的是去除噪声，热强有用髂患势对辕入测登议器或萁毽 困豢逶成的退诧瑷象遗纷复原。 特征提取和选择是乎巴获得的大量数据缀过变换，得到蠼反映分类本 质的特征，即从测量空间变换到特征空间。本课题待识别类的特征空间 为髓点本身所具有的颜色空间，颜色空间的选取将在后面详细介缓。 分类决策是撵在跨缎空舞孛逶遘一定方法，恕识爨对象熬菇莱一类 澍。藻本锨法是在样本黛豹基础上确定菜个翔决规则，使按这稀规则对 第晨章舟模式识别分割印刷鹇点 被识剐对象的分类所溅成的误差最小。 缝计模式浚裂必绥建立嶷麓“芷确”测墼撼彀模装特援豹蒸旗土， 然聪统计摸式识别方法不能提供对测量或糊取姆短的指导。姆嬲爨程复 杂模式下，掏取特征罴相当黼难的。西丽钌法模式识剐诞生，搬一个复 杂戆模式掰篱攀翡予横式或麓元遽癌建攒述。毽它貔零屡是一释枣行鹣 操作，建逝在二值逻辑的基础上，有很大局限。模糊集识别方法应运而 生，它建立在数学基獭上，受按邋于久静葱缝方法。零l 用镤筑截然推遴 及摸嬲方法等渡拳实瑗搂式谈剿。毽上霆嬲三大模式镣别方法毒亵个 共阍的间鼷，即在一般情况下，甏在实觋识剐结构翡同时检如物体，健 特征摊取和谈涮同时遴行的葬法在理论上缺乏麓础。神经网络是新j 琏发 展的种模式识别方法，它艨袭瑰出的类似人麴学习、归纳殷分类艟力 以及并行分奄式处理结构，不但能在模式警闻内形成各种复杂的判决表 蘸，麓纛蒸膏整适应麓力，磁 鬟囊适窿懿学习秘灞整溺络靛艇模太小。 藏辨，一般的季孛经鹦绦分类器蒸蠢模式交羧积模式特征提取蜘功熬，麟 决了传统模式识别所凭法解；突的问题。 3 1 。3 糗器学习 学习是模式识别联论的个熏要概念，不论是人述是撬嚣，其识剐 能力和方法都是通过学习褥到的。机器学习可以分为有导师举习和茏导 妤学习。如暴羯来学潮的榉本横妓的类别攀先穗知，或者事先已经掌握 了跫够的有关样本类别的先验倍恿，则这种学习称为有导师魄学习。在 毒零薅攀嚣：；妻程孛，举习戆终受副己j 霭类搿熬穰怠瓣整督鞠攒导，麸蘑 对攀习戆分类觏到进行爱复修改。直到分类结暴与恐如懿类躐信感囊垒 相间为止，这时机器学习结策，学习得到的分淡规则就可以用来对朱知 类粼豹模式送行分类。躲暴襻零豹类裂糸翘袋麴遘较少豹类涮绩慰，称 为无学师学习。匿为没青足够的类别信息来指嚣学习过程并衡鬟学习缕 西安艘工大学硕士学位论史 聚，学习褥到的分炎规则釉方法是否埝灏，只黢根据经验键剥的悠评 价原触求衡量学习络粟，常常需要反复的学习和多次评价才能得到比较 会逶麴分类鲍趣裂。 有导师学习常阁作学习辫决函数，藩知道判决函数翡形式时，用于 举习函数的参数。糟不知道判决函数的澎式，则赢接用来学习判决姻数。 巍享枣经瓣终模式识鬟中，鸯蛰薅学习懿搂矮终麓一秘零震粼缳，京i 疆豢 都是假设每个类别在输出端辩应一个节点，这种情况特别遗合予类别模 式分蠢旋窆霹菜令较集中斡嚣域或连遴嚣壤。落德分类壤式分磷零涟逶， 则可柱输出端使用多个节点来代表，最艏将这几个节点归为统类别， 如图3 - 2 所示，可以用两个节点分别代表a 区和b 区。无导师学习用作聚 炎分撵浚跫学习聚类恁剿。魏嚣裁焉学溺方法宠簸谖弱程努，称羹麴缡。 攀习翱姻纳构成了模式识别赡主要过瑕。本课赚中，网点的特征肉爨为 瓣患的激龟，模式类鬟数怒范知熬，耩予蠢舅爨熬学习。 。 “ 龇缚 图3 - 2 模式类不滚暹分布黼 3 ，1 。4 最小误差分类准粼 b 区 模式识别最佳的分类凇则【1 5 l 是基予分类误差概率最小盼贝叶瓶 壤雯| j 。暇设存在两类模式钒，铙，谴们的先验橇壤分别为联奶) ，p ( o ) 2 ) 。 菠整它稍的样本嶷含继诗蹬链髓对应载类条 睾橇搴密蹙爨数 第盖章j l 模式识别分割印零| 璃点 p ( x l c o i ) ，p ( x c 0 2 ) ，则它们的分撩误差分别为： 蕺= j p ( x o , 1 ) 攒 龟= f p ( x t c 0 2 ) 耧 ( 3 1 ) n ， 篡中，q i 鞠q ：分别是类别镪和c o ：判决联域。则总的分类谈麓为： , 5 - = p ( 0 1 ) q + p ( 缈2 ) 8 2 ( 3 - 2 ) 对予c 个类裁，总分类误差为： 占= p ( c o 。琏 式中 占，= i p ( x c o ，) 凼 x e n 0 0 1 1l 8 = 5 0 0 ( x l 磊) 3 一眵，写) 3 】 主主 b = 2 0 0 ( y i y o ) 3 一( z i z o ) 3 】 ( 3 - 4 ) 第互章瘸模式识别分篱印捌弼点 其中x 、y 、z 色样晶的三刺激值 x o 、y o 、z o 为c i e 标准照明体的三刺激德 乙为心理计量暖疫 8 ，b 为心理计量色度 c i el a b 空凌惫藏诗冀公式： 1 a e l a b = 【( 厶) 2 + ( a a ) 2 + ( 6 ) 2 2 ( 3 5 ) c i el a b 空滴是一秘心理颜色空闻，与嚣整尔龋援坐标体系缀捆议， 因j 逝裰c i e 的推荐中，还定义了理计量彩度c 和心理计量色桶角h4 ， 萁计爨方法为 f c 二= 【( 口) 2 + ( 6 ) 2 】“2 砬：堕t g - i ( 6 崩) 咱 t 万 e 尉色空间：是印刷中使用的色空间，与所用的漓墼及其它印利祭件 都毒褰甥瓣关