基于BLOB算法的缺陷在线检测

1、基于BLOB算法的缺陷在线检测    基于BLOB算法的缺陷在线检测【摘要】机器视觉技术在工业在线检测中的应用逐渐广泛,Blob分析是机器视觉系统中的一个重要组成部分,为满足工业应用的实时性要求需研究快速高效标记算法。本文对图像匹配和Blob分析算法进行了研究。提出了一种基于连通区域标记的快速Blob分析方法,算法使用游程链表和动态数组的方法,只需扫描图像一次,并且无需建立等价表和进行等价标记合并,解决了现有算法中的标记冗余现象。实验结果表明,该算法对于任意复杂形状、任意数目的Blob区域都能正确检测并计算参数,并且具有很快的速度和很好的稳定性。【关键词

2、】 印刷缺陷； 在线检测； Blob算法；AbstractMachine vision technology is widely used in the on-line inspection system in the industry field.Blob analysis is an important part of machine vision system.Fast and efficient Blob analysis is needed to meet real-time demands in industrial applications. image matching and

3、 Blob analysis algorithm were researched.this paper  presented a fast algorithm for blob analysis based on connected components labeling, the algorithm used the method of run-lists and dynamic array, performed just a single scan, neednt to build equivalences table and to unite equivalent labels

4、, in this way, resolved label redundancies in conventional algorithms. Experiments showed that with faster speed and good stability, it could correctly detect any blob regions with complicated shapes and random numbers, and computed blobs features.【Key words】 printing defect； on-line detection； Blob

5、 algorithm；在计算机视觉与图像处理中, BLOB的概念是指具有相似图像特征(如颜色、纹理等) ,而且在空间上是连通的像素组成的块。BLOB分析已经广泛应用于工业检测(表面贴装电子元器件的视觉检测) 、生物医学(如细胞) 、食品生产线(如饼干)的品质检测、农产品(稻谷的缺陷检测)及表面缺陷在线检测等应用领域。随着印刷技术的不断提高, 目前胶印生产中已经实现了自动化和数字化,印刷品质量的全画面在线检测中, 要求能对印刷过程中印刷品出现的各种缺陷进行准确识别和判断, 并把得到的信息及时反馈给印刷机及相应的控制系统, 对印刷机进行适当调整, 以实现对印刷过程的实时控制。笔者在基于数字图像处理

6、的机器视觉检测的基础上, 采用BLOB算法成功检测和显示缺陷位置、面积、类型等特征参数, 实现全画面的胶印质量在线检测, 满足了快速发展的胶印技术的要求, 保证印品总体质量, 避免了不必要的浪费。基于机器视觉的研究，国内己经做了不少工作，但大都是算法研究，或者是实验研究，很少应用到工业场合。陈燕等进行了机器视觉中高速图像处理算法研究及FPGA实现。杨海涛等研究了机器视觉检测算法并且进行了实现，鲁继文、张二虎4研究了印刷品缺陷检测中图像处理算法的应用，鲁镇恶、谢勇5对印刷品外观缺陷机器视觉的检测与识别进行了研究，取得了一定的成果。BLOB分析的核心是连通区域检测算法，目前的算法根据处理方法大致可

7、以分为两类:基于像素扫描的方法和基于游程编码的方法。基于像素的标记方法比较有代表性的是递归法，和两次扫描法。递归法扫描图像，找到没有标记的x点，给它分配一个新的标记L，递归分配标记L给X点的邻点，直到所有点都有标记。这种方法需要反复的扫描图像，空间复杂度和时间复杂度都很高。两次扫描法对上面的方法进行了改进:第一次扫描，对所有连通区域进行临时标记，同时用等价表来记录所有标记冗余；第二次扫描等价表，利用特定的搜索算法，进行等价标记合并。基于游程编码的方法首先对二值图像进行游程编码，然后对编码后的图像进行连通区域标记，同样利用等价表，来记录标记冗余，该方法能有效地压缩图像，使得搜索空间变小，从而降低

8、了算法搜索的空间复杂度。利用等价表记录标记冗余，避免了重复扫描连通区域，但是，在图像中连通区域数目很大或者连通区域形状很复杂时，标记冗余现象严重，等价表结构复杂，搜索等价表进行等价标记合并的算法耗时很长。在工业环境下采集的图像由于噪声、光照等原因，采集的图像经过二值化处理后存在很多噪声，基于等价表的算法非常耗时，而且当噪声很严重时算法很不稳定，很难应用到工业视觉检测中。1.BLOB分析算法BLOB分析是计算机视觉和图像理解的一个很重要的组成部分，在对图像中物体的位置、形状和大小几乎没有任何先验知识的情况下可以很方便的定位物体，计算物体的各种几何特征，从而可以根据这些特征对物体进行选择和分类。缺

9、陷检测是在待检样张和标准样张匹配完成的基础上进行的, 因此如何快速准确判断缺陷是否存在以及得到缺陷的具体特征信息, 是要解决的主要问题。程序分区比较像素差异, 并运用Blob 算法对有差异区域的参数分析, 从而正确区分点、线、面缺陷。从视觉角度看, 不管是形状缺陷还是颜色缺陷, 都是待检印品画面与标准样张的不同之处, 而最终人眼都是通过颜色的不同进行判断,为了更接近人眼的视觉判断, 同时减少颜色的损失,本文提出一种适合工业应用的快速高效的Blob分析方法,主要思想是将动态数组引入到连通区域标记算法中,通过动态链表存储相邻两行的游程信息,通过分析游程节点间连通性,将游程节点进行标记. 算法每次只

10、处理相邻的两行图像数据,只需一次扫描图像就能完成所有连通区域的标记. 由于抛弃了等价表,回避了通过建立等价表来解决标记冗余的步骤,从而大大提高了算法的计算速度。2.游程很显然，在连通区域标记过程中判断所有像素点的做法是没有效率的。游程将一系列重复的象素点值使用该值和一个计数值进行表示，例如数据0A，0A，0A，0A，0A，0A，0A，0B，0B，0B，0B，0B，可表示为07，0A，05，0B，只需要4Byte即可。同时，在连通区域标记时，无需判断全部这12个像素的连通性，只需判断两个游程之间的连通性。与常规的游程数据存储结构不同，我们采用了图4-l所示的方式。在这一结构方式中共有5个信息域，

11、其中Known为游程标志位，如果此游程已经被标记过则known=1；否则 known=0；index为游程在本行中的索引，记录游程在本行中的位置信息，start为游程的起始坐标，end为终止坐标，value为游程中像素的灰度值。Known Index Start End Value                      图1  游程存

12、储结构3.动态数组在 BLOB分析中的应用通过在图像中寻找一个或多个相似灰度的“斑点”，并将这些“斑点”按照四邻域或者八邻域方式进行连通分析，就可以形成一个BLOB单元。通过对Blob单元进行图形特征分析，可以将单纯的图案灰度信息迅速转化为图案的形状信息，包括图形质心、图形面积、图形周长、图形外接最小矩形以及其他图形信息，这种方法叫斑点分析算法，也称为BLOB分析算法 (BLOB Analysis)，常用于对目标图像进行图形特征提取和分类。BLOB分析算法在缺陷检测领域中扮演着重要的角色，在很多工业领域都有应用。图像处理一般数据量都较大，使用静态数组往往需要很大的内存空间，定义数组的大小也是个

13、难题，引入动态数组可以很好的解决这些难题。下面以BLOB分析为例，说明用动态数组在图像分析中的应用。在基于机器视觉的印刷图像缺陷检测系统中，得到2048*2000的二值图像，对于图像中的BLOB区域，每个BLOB都有很多属性。包括中心、面积、周长、外接矩形、矩、长轴、短轴、圆形度等。所以可以看到以下几个特点：(l)图像文件大，BLOB区域多，需要处理的数据量大；(2)每个BLOB的特征属性值较多，导致需要存储处理的数据非常复杂，每一步都可能产生大量数据，并可能需要存储，以再利用。为了解决上面的问题，算法使用了C+标准库中的标准容器类std:vector<>来管理动态数组， Type

14、def std:vector<CBlob*> Blob_vector;Blob_ vector是CBlob类对象指针容器，用来容纳指向CBlob类对象的指针。这样可以方便的进行链表节点间的添加、删除、插入等操作。CBlob类中封装了计算Blob属性的函数。4.算法流程算法按照从上到下、从左到右的顺序扫描图像,每次只处理图像中相邻的两行数据,为图像设计两个动态链表ThisRow和LastRow,分别指向当前行和上一行的所有游程节点. 判断ThisRow中各游程节点与上一行LastRow中各游程节点间的连通关系,连通区域标记就转化成分析动态链表中游程节点的连通性. 若连通,则将此游程归

15、并到LastRow游程所属的Blob类中;否则,为该游程分配新的Blob类.算法中使用动态数组建立B lob类,效率很高。图2 传统算法与本文算法的时间对比图像 大小 Blob数 A  B C Da  495 ×488  254  211  104  59  11b  768 ×576  391  5 134  574  205  63c  768 ×576  148

16、 1 545  209  87  34d  632 ×476  72  1 254 160 71  33得到Blob区域后,就要计算其特征参数,包括中心坐标、面积、周长、长/宽比及矩等. 它们的计算方法比较简单,比如计算B lob区域的中心坐标X ,只需要将所有游程列坐标相加最后除以这个Blob区域总的像素数;对于中心坐标Y,首先计算每个游程的长度与其所在行数的乘积,然后将所有的乘积加起来,最后除以总的像素数. Blob区域的面积是所有属于这个Blob的游程所代表的像素数目之和,其他有

17、关特征参数的详细计算可以参考文献。通过对比实验数据，得到如下实验结论:(1)在工业环境下，由于光照不均等各方面原因，图像噪声严重，基于等价表的方法耗时很长，无法满足实时性要求。本文算法对噪声不敏感，比传统算法速度更快，能够满足工业在线检测的实时性要求。(2)传统算法无法准确标记图像中形状复杂的Blob区域中的内洞无法检测，而且对噪声非常敏感。本文算法具有很好的鲁棒性，在图像较大，连通区域较多，以及连通区域形状复杂，有内洞等情况下都能准确地检测连通区域，而且速度很快。5.总结在基于数字图像处理的机器视觉检测基础上, 采用Blo b 算法结合缺陷特征, 能够准确检测出印刷缺陷, 并将其归类为点、线

18、、面3 种类型。可以通过设定分区数和色差阈值E, 完成对不同精度印刷品的检测。参考文献：1 贾云得编著. 机器视觉M. 科学出版社, 20002 (美)RafaelC.Gonzalez,(美)RichardE.Woods,(美)StevenL.Eddins著,阮秋琦等译. 数字图像处理M. 电子工业出版社, 2005 3 刘武辉等编著. 印刷色彩学M. 化学工业出版社, 20044 陈亚军,张二虎.   基于图像处理的印刷缺陷在线检测系统研究J. 包装工程. 2005年06期 5 鲁继文,张二虎,段刚龙.   基于图像处理的印品质量在线检测J. 印刷杂志. 2005年02期 6 徐利华,陈早生.   二值图像中的游程编码区域标记J. 光电工程. 2004年06期7 Krystian Mikolajczyk,Cordelia Schmid.   Scale & Affine Invariant Interest Point DetectorsJ 2004,(1):6386 8 Cordelia Schmid,