基于图像处理的印品质量检测系统研究

刘浩　孙建明　王小芳　李昭

【摘 要】本文针对基于图像处理的印刷品质量检测系统进行研究，主要采用了基于动态灰度阈值和分层检测的图像缺陷识别算法。该算法考虑到人的视觉感官特性，首先将所用的灰度阈值对采集到的印刷品图像进行缺陷的初步识别和标定，然后再按照印刷品质量检测要求采用分层检测的方法进行搜索，解决了以往图像检测缺陷识别中的检测效果和速度不理想的问题，提高了检测的速度和效果。

【关键词】图像处理；缺陷检测；动态阈值；分层检测

0 引言

目前，提高印刷质量检测的自动化程度已经成为印刷领域里急需研究的重要课题。

常见的印刷品缺陷主要有颜色失真、油墨溅污、黑点、文字模糊、起皱、漏印、刮伤、套印不准等。但是概括起来可以分为点缺陷、线缺陷和面缺陷等。印刷包装企业一般采用人工方法，直接将印刷品和标准样张进行比对，评价印刷品与标准样张颜色差异，做出定性评估。虽然简单灵活，但是由于观测人员的经验和生理、心理等众多影响因素，从而影响到该方法的准确性和可靠性[1]。而随着机器视觉以及数字图像处理技术的发展，目前已经开始利用计算机来控制印刷过程和检测印刷质量，为了保证印刷生产和质量检测的自动化相适应，需要对图像的缺陷识别算法进行研究，以满足印刷图像检测的高速度和幅面大的特点，实现实时在线高速检测。本文就基于图像处理的印刷品质量检测系统进行研究。

1 印刷品质量检测流程

基于图像处理的印刷品质量检测系统的基本原理是，通过图像采集设备采集一幅或多幅无缺陷的标准印刷品图像作为标准模板，接着在线采集待检图像。由于印刷品在印刷过程中难免会发生平移和旋转，因此在进行下一步的匹配比较前首先要将标准模板和待检图像进行对准。然后将待检图像和标准模板进行匹配和比较，再对所得缺陷图像进行缺陷分类和统计分析处理。根据比较结果可以确定生产线上的产品是否符合质量要求，是否存在缺陷并判断缺陷的位置，及时发出警告信息；或者反馈给印刷机对印刷工艺参数进行自动调节[2]。印刷品图像质量检测流程见图1所示。

2 图像缺陷识别算法原理

目前对标准模板图像和采集图像的检测比较一般是采用逐像素比较算法，即采用待检图像与模板图像进行减影操作，获得其差别图像，通过差别图像可以直观地判断出待检产品是否合格。但是这种方法需要对每一像素点进行检测，耗时较大，在对大幅面印刷品的实时检测中不能满足要求[3]。

按照人眼的视觉特性以及印刷质量检测标准为基础，本系统采用了一种基于动态灰度阈值和分层检测方法的印刷图像缺陷识别算法，不仅可以保证印刷缺陷识别的精度，而且可以缩短检测时间，满足印刷质量实时在线检测的需要。

该算法的识别步骤为：首先根据模板图像以及客户对印刷品质量的要求，设定动态的灰度阈值范围；根据动态灰度阈值范围判别图像状态；然后按照确定的检测标准采用分层检测方法找出图像缺陷。算法基本结构如图2所示。

2.1 基于人眼视觉特性的动态灰度阈值

根据人眼的视觉特性，在相同亮度的刺激下，背景亮度不同所感觉到的明暗程度也不同，这主要是由于人眼视觉的不均匀性所造成的。在印刷图像阶调不同的区域，即使灰度级差相同，人眼所感觉到的视觉差异却不同，比如在亮调区域和暗调区域，同样相差20个灰度级，人眼所感受到的色彩差异却明显不同。从人眼的视觉感官效果来看，人眼对于印刷品暗调区域的色彩变化更为敏感，能分辨更小的灰度差异。因此，在设定图像检测的阈值标准时，需要把不同灰度区域的视觉差异考虑进去，设立灰度的相对阈值。

本系统设定了动态阈值范围标准的方法，阈值范围给出两个调节值，一为绝对阈值，另一为相对阈值，而图像的阈值标准即为两部分的总和。假如设A为所设定的图像的灰度绝对阈值，设R为所设定的图像的灰度相对阈值，设f（x，y）为已建立的模板图像函数，设g（x，y）为待检图像函数，设Fins为检测结果（1表示检测合格，0相反），则：

由上式可见，由于相对阈值R的存在，使得图像灰度值f（x，y）不同的区域的阈值也不一样，这样检测图像上各像素点都有随像素灰度变化的灰度阈值[4]。

这种灰度阈值标准是基于人眼的视觉特性设定的，合理地评价图象质量应充分遵循人眼的视觉特性。并且这样设定阈值标准也考虑了印刷图像的实际检测要求，因为所采集到的印刷图像分辨率很高，但是人眼不可能敏锐地感觉到图像上的一个像素点大小的错误，也就没有必要使印刷图像检测的精度超过人眼的视觉精度。

2.2 印刷品图像状态判别方法

在设计印刷缺陷识别算法时，需要能够区别出印刷品合格与否。因此，在设定检测阈值时，即根据上节所述的阈值设定标准设定临界阈值T，临界阈值有相对阈值R和绝对阈值A来进行调节。若模板图像函数为f（x，y），则：

待检图像像素点经过临界阈值的判断，就转化为只有0、1两种数字的检测状态。凡是在检测图像状态中出现数字1的情况，即已有图像像素点达到不合格阈值，该待检图像应该被认为是不合格品。

2.3 结合动态的灰度阈值的分层检测算法

本系统设定检测的基本标准为3×3像素大小，即检测要求不能漏检任一9个像素大小的正方形缺陷点，同时应进一步检测出含有5个及更多像素缺陷点的9个像素大小的正方形临界点。这是本文高精度图像检测的标准，也是采用分层检测算法的基础。

本系统采用的分层检测算法是根据确定的图像检测标准，按照十字方向对图像进行分层次的检测，减少了需要检测的像素点数目，可以达到大大缩短检测时间的目的[5]。

在图3（图中每一方格表示一像素点）中，首先对图像进行隔点检测即检测图中标记为A的像素点（图3（a））；若出现不合格的A点（如图3（b）中A点）则对其四周十字架型的标记为B的像素点进行搜索（图3（b））；若出现不合格的相邻B点（如图3（c）中被灰色覆盖的B点）则再开始对其周围标记为C的像素点进行检测（图3（c））；若不合格则再按3×3像素大小矩形检测其余点，找出是否存在缺陷点矩形。而在以上对A、B、C类点进行检测过程中，如果有合格点，则可以有相对应的像素点免于检测，从而缩短搜索时间。

同时，该分层检测算法结合了前面所述的动态灰度阈值方法，在对图像中某点进行检测前，按照公式（3）先对该点进行初步识别和标定，这样可以获得更好的检测效果。虽然加入动态灰度阈值方法使得检测算法在检测单个像素点时需要更长时间，但是由于采用了分层检测，算法对于图像的检测时间还是能够被大大缩短。而加入了动态阈值思想的分层检测算法可以保证在检测过程中不漏检任何不合格缺陷点，同时又能缩短检测时间。

3 实验和结果分析

本系统所采用的检测算法主要目的在于保证检测要求的同时大大缩短检测时间，从而达到能够适应印刷品质量在线检测的要求。

在实验中，采用一台Celeron 2.4G的微机，Windows XP Professional操作环境，整个系统算法采用Visual C++6.0编程语言来实现，实验系统采集的分辨率为1024×768dpi，每一像素所占的实际大小为0.2mm×0.2mm。

实验时，直接以所采集到的合格印刷品图像经过预处理后作为标准模板。然后分别对带有点缺陷、线缺陷、面缺陷的印刷品进行图像采集，然后进行检测。采用分层检测法平均检测时间为52ms，大大缩短了检测时间，满足了印刷品质量实时检测的需要。

通过实验可知，当缺陷点数目不是很多的情况下，分层检测算法与逐像素比较法相比检测时间大大缩短，尤其是当图像中缺陷点数目不是很多的情况下。实验证明，

（1）对于逐像素检测算法，缺陷点数量以及缺陷数量的多少对其检测时间基本没有影响；

（2）对于分层检测算法，缺陷越少，检测时间越少；检测时间随着缺陷的增多而延长；

（3）当缺陷点少时，分层检测算法可以只检测少量的图像象素点，而减少时间；

（4）当缺陷点数量多且面积大时，分层检测算法就必须要检测大量的象素点，减少检测时间的效果就没那么明显了。

（5）另外，对于高精度图像的质量检测系统，检测时的定位匹配精度对图像缺陷点的检测也有直接的影响。在这一点上，可以通过对校正范围来进行人工设置，从而提高定位匹配精度并减少时间。

4 结束语

本系统采用了一种基于图像处理的印刷品质量检测的实时图像缺陷识别算法。该算法基于人的视觉感官特性和印刷品图像检测的基本要求，采用了结合动态的灰度阈值标准的分层检测方法，解决了以往印刷图像检测缺陷识别中检测速度和效果上存在的问题，在进一步提高对不同灰度区域的检测效果的基础上大大缩短了检测时间，从而达到实时的印刷品质量实时高速在线检测的要求。本算法通过在高精度印刷图像质量自动化检测系统中的应用，证明检测确实取得比较满意的效果和速度。

本系统所研究的印刷品质量检测技术大大减少了印刷品质量控制的人为干预，能大幅度提高印刷机械的生产效率，从而降低了对操作人员技能的要求，为真正实现印刷机械的自动化提供了一项可行的实施方案，在印刷领域里具有广阔的应用前景。

【参考文献】

[1]孙建明.标签、票据类印刷品全面质量检测时代来临[J].印刷工业，2008（07）.

[2]孙建明，周世生，周利国.基于CIEDE2000色差公式的印刷品色差检测研究[J].机械科学与技术，2011（04）.

[3]韩斌，刘以安，王士同.基于图像处理的印刷缺陷计算机自动检测[J].自动化技术与应用，2002（21）：37-38.

[4]刘玄玄，王晓红，章婷.一种基于视觉底层特征的图像质量评价方法[J].光学技术，2015（05）.

[5]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（自然科学版），2006（06）.

[责任编辑：杨玉洁]