印刷缺陷检测的计算机方法

印刷缺陷检测的计算机方法

通常，印刷精美表面的错误主要包括针灸孔、颜色错误、油漆泥浆、红光、文字模糊、书法疲劳、起皱、打印、刮伤、错误等。所有的缺陷反映到视觉效果上就是和原先期望的印刷效果的不一致。以计算机为核心的自动检测系统的基本原理是,通过CCD摄像头采集一幅无缺陷的标准印刷品图像,保存在计算机中,然后在线采集待检图像。不断将待检图像和标准图像进行对比,检出错误,得到缺陷图像,再对缺陷图像进行缺陷分类和测量统计。本文主要介绍信用卡印刷中,成品缺陷检测的方法。1图像准准时的操作印刷品缺陷的计算机自动检测工作流程图1所示,其中标准图像需在每种印刷品印前输入,正常工作时只需不断采集待检图像。由于印刷品在传动过程中难免会发生平移和旋转,因此将待检品图像和标准图像进行比较前要首先将标准图像和待检图像对准,也即求出两者的位置变换参数,以便于对比时校正。这里我们采用了遗传算法进行图像对准。严格意义上讲,图像对准应使得两幅图像的每一个像素点都能一一对应上,但这样运算量很大。由于平移和旋转变换时所有的像素点都是遵循同样的变换规则,我们在图像上选取了部分采样点,组成点集S,通过求出这些采样点的位置变换参数,得到整幅图像的变换参数。比较操作即减影操作。将两幅图像相同之处减去,留下的就是缺陷图像。下面分别予以介绍。2图像像素规范标准图像和待检图像可分别用F(m,n)和f′(m′,n′)这样的M行N列的矩阵表示。以标准图像的像素坐标为标准,对准后的待检图像为f(m,n),则:其中,0≤m,m′≤M-1,0≤n,n′≤N-1,α为逆时针旋转角度,Δm和Δn分别为行和列方向的偏移像素。对M行N列中的所有像素点,有f(m,n)=f′(m′,n′)。图像对准的过程即为寻找α、Δm和Δn的过程。2.1n染色体由三部分组成,分别对应变换参数的Δm、Δn和α。采用二进制编码,染色体的长度可根据运行中可能发生的最大变换范围和对准精度要求而定,这里我们各取8位二进制数,染色体长度为24位。2.2计算适应度值由每条染色体经译码得到相应的变换参数Δx、Δy和α,计算f(m,n),以作为适应度值。其中S为采样点集合。显然Fit(α,Δm,Δn)越趋于零,该染色体的性能越优异,代表的对准精度越高。2.3不同个体的生存期望值采用遗传性能较好的期望值方法,即(1)根据每个个体的适应度值,计算群体中每个个体在下一代生存的期望数目。(2)随机选择一个个体,若其生存期望值小于零,重复(2)。(3)若某个个体被选中参与配对或交叉,则它在下一代中的生存期望值减去0.5;若不参与配对或交叉,直接被复制到下一代,则它在下一代中的生存期望值减去1。(4)转(2),直到生成新的群体。2.4遗传处理交叉算子采用单点交叉,变异算子也是采用基本变异算子。2.5计算子代的适应度(1)确定种规模,随即生成初始种群。(2)计算每个个体的适应度值。(3)根据每个个体的适应度值,从种群中选择个体进入下一子代。(4)以交叉概率和突变概率对子代中的个体进行遗传操作。(5)计算子代中每个个体的适应度值。(6)如满足结束条件退出;否则转(3)。3采样点边缘提取抽样点的选取质量,直接关系到图像对准的准确性。要能比较好地反映原图像方位信息,像素点子集中像素的数量不能过少,分布要比较均匀。同时为了能精确对准,应使遗传算法中适应度函数相对于对准偏差尽可能敏感,因此采样选取点应处于图像颜色变化比较剧烈的地方,而颜色变化剧烈的地方往往就是图像边缘。因此,我们首先对标准图像进行边缘提取,然后在得到的边缘上均匀地取点,得到抽样子集S。这里边缘提取采用简单的二介微分算子,即将标准图像与图2所示模板进行卷积运算,再将结果二值化,得到边缘图像。4算法2,有缺陷图像的检测对于无缺陷的合格印刷品图像,理想情况下式(2)应为0。考虑到实际印刷过程中色彩的偏差,设置一容限θ,如用遗传算法得到的最优对准参数的Fit(∂,Δm,Δn)<θ,则义为合格,无需减影提取缺陷;否则提取缺陷图像,过程如下:(1)建立与标准图像同像素大小的空白图像E(m,n)。(2)对待检图像中每一像素点f′(m′,n′),若abs(F(m,n)-f(m,n))<β,则该像素点印刷正确,不操作;否则E(m′,n′)=f′(m′,n′)。β为阈值,设置阈值的目的同样是考虑到实际印刷过程中会出现能接受的色彩偏差。这样,图像E(m,n)即为检测出的缺陷偏差图像。5遗传算法筛选对图3标准图像(344×408像素)和图4所示待检测图像,采用上述算法进行检测,根据图像篇幅,自动选取了24个采样点。再使用遗传算法对准图像,种群40,突变概率0.02,交叉概率0.4,计算10次,平均进化442代搜索到变换参数δm=0,Δn=0,α=0.157(实际搜索结果Δm和Δn有±1至±2像素的对准误差,α的误差范围大约±0.008),再进行减影操作,检测出印刷缺陷如图6所示。运行结果表明,该方法能有效地从经旋转、平移后的待检图像中检出缺陷图像。6测结果特