基于HALCON的大幅面柔性印刷品质量检测

周　阳, 王正家， 徐　伟， 邬礼默， 罗　欢

(湖北工业大学机械工程学院， 湖北 武汉 430068)



基于HALCON的大幅面柔性印刷品质量检测

周阳, 王正家， 徐伟， 邬礼默， 罗欢

(湖北工业大学机械工程学院， 湖北 武汉 430068)

一般印刷品表面质量的检测只需与样品进行完全对照，相异部分即可判定为缺陷，而大幅面柔性印刷品在生产线上与样品存在一定的拉伸变形，但对几个丝的划痕、甚至零点几个丝的套印不准都必须检出，这给视觉检测带来了很大的困难。对此设计了大幅图像分区块、区块图像检测和整体图像判定等算法， 并利用该方法对大幅面商标印刷品的表面质量进行检测，检测结果表明了该方法的有效性与实用价值。

机器视觉；HALCON；大幅面印刷品；质量检测

大幅面印刷[1]能在多种承印材料(如感光性树脂固体版、柔性塑料等)上印刷，并以生产高质量的产品作为目标。大幅面印刷并不单指幅面大，它还意味着在相同工作时间内可以印刷出更大面积的半成品，经过印后加工(如模切等工艺)，可以完成更多印刷成品的生产[2]。大幅面印刷技术的应用日益广泛，而对大幅面印刷品，尤其是对具有一定柔性的印刷品，检测方法依然停留在传统的人工检测方法上。基于图像处理的机器视觉技术为印刷品表面缺陷的自动化检测提供了良好的解决方案[3-7]，但这些方案都没有涉及困扰生产实际的大幅面印刷品变形问题。

由于大幅面柔性印刷品的不同部位会有不同程度的形变，且变形量通常很微小，人眼无法观测到，这将导致利用机器视觉检测方法对该产品进行检测时匹配不准或产生较大偏差。另外，印刷品上常常印刷有重复的小区域图像(图1)，这将会使得利用机器视觉方法检测时无法找到与参考模板同位置的区域进行配准，因为形状匹配算子只会在整张大幅面印刷品中寻找到最佳的匹配区域，在检测时最佳的匹配区域可能出现在第一个小区域图像中，同样也有可能出现在第二、第三、第四个小区域图像中。对此本文提出了一种分区块检测大幅面印刷品图像质量的方法。该方法主要包括大幅图像分区块、区块图像检测和整体图像判定等。

图 1　大幅面印刷品

1　检测基本流程

针对上述大幅面柔性印刷品检测的关键性问题，提出的利用HALCON的检测方法基本思路如图2所示。首先需要对大幅面图像进行初步剪裁，去除与检测无关的区域以缩小检测范围，提高检测效率。由于大幅面图像不同部位的变形量不同，采取分区域制作匹配模板，按照分区域匹配的原则进行图像检测。

图 2　检测基本思路

先根据参考小区块选取配准区域，然后利用形状匹配算法在待检测的区块搜寻到对应区域，建立参考小区块与对应小区块间的对应关系，最后利用配准模板实现图像配准并利用检测模板来检测缺陷(图3)。根据每一小区块的检测结果可以知道整幅图的质量状况，进而进行最终的评定。

图 3　区块检测流程

2　大幅图像预处理

现在利用HALCON对一幅大幅面商标印刷品(图4)进行检测，其基本流程如图2和图3所示。

2.1获取并显示图像

在HALCON中调用read_image算子，输入图片在计算机中的存储位置，通过dev_display算子即可以将读取到的图像显示在窗口中。

图 4　一幅大幅面印刷品

2.2初步缩小图像区域

需要检测的图像通常是印刷在胶印纸上，由于胶印纸与待检测印刷区域灰度值存在较大的差异，所以可以通过全局阈值分割方法来缩小检测区域。在HALCON中可以用threshold算子找到胶印纸的区域，通过smallest_rectangle1算子即可以计算出胶印纸的最小外接矩形区域，最后通过crop_part算子裁剪出该区域。

2.3图像区域分块

由于图像不同部位有不同的变形量，需要将图像按区域进行分块，使后续的匹配步骤能在限定的区域中进行，这是大幅面印刷检测中的关键。在gen_rectangle1算子中输入分块区域的左上角坐标和右下角坐标即可在图像中得到矩形框(图5)。通过reduce_domain算子就可以裁剪出该小区块，依次对余下部分进行分块就得到了区块1，区块2，区块3，……，接下来的图像检测就是在对应的小区块中进行的。

图 5　图像区域分块

3　区块检测

以第1区块的检测为例，说明区块检测的方法。

3.1制作配准模板

在参考小区块中调用gen_rectangle1算子框选印刷品上的特定标志，调用reduce_domain算子将框选的特定区域裁剪下来，但其图像像素依然和原始图像一样大，此时调用crop_domain算子可获得只有特定标志的图像。在HALCON中，调用create_shape_model算子即可方便地将上述只有特定标志的图像制作成为匹配模板(图6)，最后调用get_shape_model算子以获得特定标志的轮廓边缘。

3.2形状匹配

采用基于形状的图形匹配算子find_shape_model在待检测小区块中搜索配准模板，得到待检测图像中特征标志的相似度、中心坐标和角度等信息数据(图7)，为后续的仿射变换做准备。

图 6　配准模板制作

图 7　模板搜寻

3.3仿射变换

结合参考区块图像中的特征标志中心坐标和待检测区块图像中的特征区域匹配找到的特征标志中心坐标数据，采用vector_angle_to_rigid算子进行仿射变换，建立待检测区块图像与参考区块图像之间的变换矩阵，最后采用affine_trans_image算子将变换矩阵应用到待检测图像上，使待检测图像与标准图像在坐标系中具有相同的方位。

3.4对比差异分析

将仿射变换后的待检测小区块与参考小区块图像进行对比差异分析，采用abs_diff_image算子即可以算出两幅图像的绝对差异，图8用亚像素轮廓显示差异边缘。

图 8　区块检测结果

3.5缺陷分析

前述绝对差异图像即是灰度图，对图像的缺陷分析即是对绝对差异图中的图像灰度值进行处理和分析。采用connection算子进行分割处理操作后，可以采用形态学相关的算法和设置合理的阈值可对差异区域进行分析。area_center算子可以计算各区域的面积，tuple_max算子即可求得最大面积，通过分析差异区域的面积大小等对该区块图像质量的影响程度来判定该检测图片是否合格。

4　整体图像判定

根据上述小区块图像的分析检测，可以判定整幅图像的质量状况：若小区块的图像检测均合格，则认为该大幅面印刷品质量合格；若有任一一小区块图像检测为不合格，则可认为该大幅面图像存在质量问题。

5　结束语

大幅面柔性印刷品图像质量检测是新兴的领域。相较传统人工检测方法，本文所提出的基于HALCON机器视觉技术的图像质量检测方法在印刷品质量检测的速度和精度上具有重大的改进。随着生产自动化程度的提高和生产规模的扩大，机器视觉技术将会在印刷品质量检测中得到更广泛的应用和发展[3]。

[1]凌曦.大幅面印刷引领包装行业未来 [J].数码印刷,2012.(3):53.

[2]赵连冲.大块头有大智慧——浅析大幅面印刷[J].广东印刷, 2009(1):32-33.

[3]张琼,沈海宏,沈民奋等, 基于HALCON的无标记印刷品图像质量检测[J].汕头大学学报(自然科学学报), 2011,26(2):54.

[4]孙怀远,廖跃华,周夫之等.基于HALCON的药品包装瓶批号检测技术研究[J].包装工程.2008.29(8):71-73.

[5]张强.基于机器视觉的产品检测技术研究[D].郑州：中国人民解放军信息工程大学，2005.

[6]康启来.大幅面印刷工艺的分析和技术控制[J].中国包装,2010.5.

[7]王秀丽.基于机器视觉的印刷品全画面缺陷检测系统的研究[D].汕头：汕头大学，2011.

[责任编校： 张众]

A Study of Large Format Print Quality Testing Based on HALCON

ZHOU Yang, WANG Zhengjia, XU Wei，WU Limo, Luo Huan

(TheSchoolofMechanicalEngineering,HubeiUniversityofTechnology，Wuhan430068,China)

Compared with general products’ surfaces testing, the flexible large format prints’ inspection is different. While the general need to be in contrast with the sample and the distinct portions are determined to be defective, it demands detecting of the nicks and erroneous chromatography due to its tensile deformation compared with samples on the product line. And this makes it difficult for the Visual Inspection. For this, this paper holds a method which consists of image blocking, image detection in different areas, overall image determination and so on. And the result proves its effectiveness and value in use through inspections.

machine vision; HALCON; large format prints; quality inspection

2016-04-12

国家自然科学基金(51275158)； 重点实验室开放基金(DMETKF2014015)

周阳(1993-)， 男， 湖北武汉人，湖北工业大学本科生，研究方向为机器视觉

1003-4684(2016)04-0014-03

TS807

A