基于机器视觉的色差检测算法*

范鹏飞， 孙 俊

(江南大学 物联网工程学院，江苏 无锡 214122)



基于机器视觉的色差检测算法*

范鹏飞， 孙 俊

(江南大学 物联网工程学院，江苏 无锡 214122)

针对金属印刷质量中的色差检测问题，采用机器视觉的技术对色差检测算法进行了研究。通过在金属印刷品的留白区域印刷色标，使用工业CCD相机采集金属印刷产品上的色标区域，使用数字图像处理技术提取色标。使用了基于HSV颜色空间的色差检测算法和基于CIELAB颜色空间的色差检测算法，分析了两种颜色空间下色差检测的实验结果，采用两种颜色空间检测算法相结合的方法，实现对色差合理有效的快速检测，同时能保证检测结果的准确性。

机器视觉； 图像处理； 色差检测

0 引 言

印铁包装行业是印刷业中的一个分支，主要是指其承印物为金属的印刷包装行业。在印铁过程中，由于墨量调节不均匀等原因会造成印件的色误差，影响产品的一致性。目前国内普遍采用的判别方法是人工判别，人工判别不但受人的主观因素影响，而且判别结果因人而异而缺乏一致性，因此,本文通过机器视觉技术对金属印刷的色差质量检测具有重要的现实意义[1]。

1 基于机器视觉技术的色标提取

机器视觉从原理上来说就是利用传感器获取目标图像,然后利用计算机分析处理各种信息[2]。金属印刷的色差检测需要对获取到图像的颜色信息进行分析，这就要求相机是彩色相机，为了获取彩色色标，采用了德国Allied Vision Technologies公司(AVT)的Stingray F088C面阵相机，选取D65做照明光源。

1.1 图像去噪

数字图像在采集过程中由于成像传感器的性能受到各种干扰而存在一定程度的噪声。考虑到不仅要消除噪声对图像分析的干扰，而且要保证图像具有良好的边缘，便于图像分割，选用中值滤波来对图像去除噪声[3]。

1.2 图像分割

图像的冗余信息大多是白色的背景图像，因此,可以通过累积灰度值的方法实现色标区域的初次分割，消除图像的冗余信息。首先将图像转换为灰度图像，再将图像的每行的灰度值进行简单的累加，得到图像在行方向的灰度值累加图，找出灰度值累加图的峰谷，峰谷的行坐标y，即色标的中心线位置，以y行为中心，分割出高度为H的子图像，由于色标的大小是固定的，相机离金属承印物的距离也是固定的，所以相机获取到的图像中，色标的大小大致是相同，因此，设定H为80能保证分割出来完整的色标。初次分割出来的图像如图1。

图1 初次分割Fig 1 First segmentation

为了能精确的分割出色标，把初次分割出的子图像采用阈值分割算法[4]进行阈值处理。将图像在横向分成多个大小相同的矩形区域，并对矩形区域分别进行全局阈值分割。图2(a)是分成8个矩形区域的二值图像。

图2 二次分割Fig 2 Second segmentation

对阈值分割图像的每一列灰度值进行累加计算，使用一阶差分对列累加灰度值进行处理[5]。在数字图像处理中，一阶差分算法通常转化为公式(1)来进行计算

(1)

经过一阶差分后能准确的找到目标色标的两端的边界，从而成功分割出目标色标。最终得到的色标图像如图2(b)所示。

2 色差检测算法与实验验证

2.1 基于HSV颜色空间的色差检测算法

HSV颜色空间通过色调H、饱和度S、亮度V描述颜色信息。计算HSV颜色空间下的颜色直方图时，为了降低算法的计算量和存储空间，可以将HSV颜色空间三个分量分别进行量化处理。依据经验和人眼对各分量的不同范围的敏感程度不同进行非等间隔量化，其中，色调H分成12份，饱和度S和亮度V分成3份[6]。

量化之后，将H，S，V三维特征矢量组合成一维特征向量，从而实现对颜色直方图的降维。合成时为了体现不同分量对人眼色彩感知影响的程度的区别，三个矢量要分别取不同的权值，通过式(2)将颜色三维特征矢量组合成一个一维矢量L，即

L=HQSQV+SQV+V

(2)

式中QS为分量S的量化级数，QV为分量V的量化级数，实验中，取QS=3，QV=3。计算可知L的取值范围是[0,107]。

图3 色标Fig 3 Color mark

实验中，采用直方图交叉算法进行颜色相似性度量，直方图交叉算法是通过计算两幅图像直方图的公共部分。相似度取值范围为0～1，相似性取值越低，说明存在的色差越严重。对于归一化的直方图，它们之间相交距离的计算如式(3)

(3)

式中 Q为标准样品，其颜色直方图特征矢量为Hq(q0,q1,…，qi)，S为待测样品，其颜色直方图特征矢量为Hs(s0,s1,…，si)，其中，0≤qi≤1,0≤si≤1，L是一维直方图矢量的维数。

图4 图3HSV颜色空间中的一维矢量直方图Fig 4 1D vector histogram in HSV color space of fig3

从图4(a)和图4(b)中可以看出，图3(a)和图3(b)人眼无法识别是否存在颜色差异，其一维颜色特征矢量的直方图也基本相同。通过式(3)计算得出两者相似度为0.977 6。

从图4(a)和图4(c)中可以看出，图3(a)和图3(c)存在人眼可以识别的颜色差异，其一维颜色特征矢量的直方图也存在一定的差异性。计算得出两者相似度为0.401 8。

该算法能较为准确地检测出两幅图像之间的色差大小。多次实验测试证实相似度在0.95以上的图像，人眼是无法观察出其颜色差异的。相似度在0.90以下的图像，人眼能明显观察到其颜色差异。

2.2 基于CIELAB颜色空间的色差检测算法

CIELAB色差公式[7]作为国际通用的测色标准，其结果能较好地反映出人眼对颜色变化的感知程度。

总色差公式为

(4)

各单项色差公式为：

明度差

ΔL=L1-L0

(5)

色度差

Δa=a1-a0,Δb=b1-b0

(6)

彩度差

(7)

色相差

(8)

式中 L1，a1，b1为待测样品在CIELAB颜色空间的坐标值，L0，a0，b0为标准样品在CIELAB颜色空间的坐标值。在CIELAB色差公式发展出来的CIEDE2000色差公式[8]计算比较复杂，分以下步骤进行计算：

(9)

2)计算ΔL′,ΔC′,ΔH′

(10)

3)计算色差权重函数SL,SC,SH和旋转函数RT,RC

(11)

(12)

(13)

4)计算色差ΔE00

ΔE00=

(14)

CIEDE2000色差公式中KL，KC，KH为权重系数，公式中选取KL=1.4，KC=1，KH=1。将两个色差公式运用到金属印刷的色差检测中，对实验的结果数据进行分析。

首先在图3(a)、图3(b)和3(c)上每个小色块中随机选取一点，分别计算两个公式计算得出的色差值。表1为图3(b)和图3(c)像素点坐标值和计算出对应的色差值，从表1可以看出，对相同的一个像素点，使用CIELAB和CIEDE2000计算出来的色差值是不一样的。CIELAB计算出的色差值都要比CIEDE2000计算出的色差值大。

表1 图3(b)和图3(c)随机点的色差值

表2是计算每个色块的区域平均色差值，反映色标在不同大小印刷网点色块存在的色差程度。从表2中的数据，可以看出CIEDE2000计算出色差值大多是在1.0～3.0之间，比较符合人眼的视觉感知，CIELAB在计算出的区域色差值较人眼视觉感知明显偏大。从表2中的数据可以看出，CIEDE2000计算出色差值都在4.0～6.0之间，而CIELAB在计算出色差值都在6.0以上。当图像存在严重的色差时，CIELAB计算出的色差值和人眼视觉感知更加贴近。

通过上面对表1和表2的分析，两者都能较好地反映色差变化，但是CIELAB对小色差过于敏感，而CIEDE2000对大色差不够敏感。

对于基于HSV颜色空间的相似度的色差检测法，虽然不能定量地描述色差，但是能提供色差问题的严重程度。因此，采用HSV相似度和CIELAB的两个色差公式结合起来，以实现对检测出的色差值更符合人眼的颜色感知。因此，可设定当相似度低于80 %时使用CIELAB公式计算色差；当相似度介于80 %～95 %时，使用CIEDE2000公式计算色差；当相似度在95 %上时，可以判定待测样品不存在色差问题。

表2 图3(b)和图3(c)的区域色差值

3 结束语

在金属印刷色差检测算法的研究中，通过机器视觉的方法实现了对金属印刷制品的有效检测。从定性和定量的角度研究了金属印刷色差检测算法，定性检测是根据HSV颜色空间的直方图交叉算法进行颜色相似性度量，定量检测是根据CIELAB颜色空间的色差公式计算色标的色差值。实验结果表明：根据不同的HSV颜色空间的相似度值，选取不同的色差公式进行色差检测，可实现有效准确的检测。

[1] 徐明亮,李成渊,梅 娟.基于SURF特征的印铁图像色差在线检测研究].包装工程,2012,33(15):103-108.

[2] 杨思思,周 泓,虞侠挺.基于机器视觉的人工光植物工厂植物生长状况监测系统].传感器与微系统,2014,33(12):88-90.

[3] Yuan H D.Blind forensics of median filtering in digital image-s].IEEE Transactions on Information Forensics and Security,2011,6(4):1335-1345.

[4] Cai H,Yang Z,Cao X,et al.A new iterative triclass thresholding technique in image segmentation].IEEE Transactions on Image Processing,2014,23(3):1038-1046.

[5] 阮秋琦.数字图像处理学].北京：电子工业出版社,2007.

[6] 李鹏飞,王 婧,景军锋.织物色差的定性和定量测试方法].棉纺织技术,2014,42(4):38-41.

[7] 黄 虎,程 建,蒲 恬.基于机器视觉的工业品色差检测系统].兵工自动化,2010,29(7):78-80.

[8] 郑元林,刘士伟.最新色差公式:CIEDE2000].印刷质量与标准化,2004(7):34-37.

孙 俊，通讯作者，E—mail:sunjun_wx@hotmail.com。

Research on color difference detection algorithm based on machine vision*

FAN Peng-fei, SUN Jun

(School of Internet of Things Engineering,Jiangnan University,Wuxi 214122,China)

Algorithm for color difference detection based on machine vision is studied to solve the problem of color difference detection in metal printing.By printing color mark in metal blank area,capture color mark areas on metal printing products using industrial CCD cameras,digital image processing technique is applied to extract color.Use color difference detection algorithm based on HSV color space and color difference detection algorithm based on CIELAB color space,analyze color difference detection results in two kinds of color space,using the method combining the two kinds of color space detection algorithms,implement rapid and effective detection,and at the same time,it can ensure accuracy of detection results.

machine vision; image processing; color difference detection

2015—11—13

国家自然科学基金资助项目(61170119,61311130141)

10.13873/J.1000—9787(2016)10—0120—03

TP 391.4

A

1000—9787(2016)10—0120—03

范鹏飞(1989-),男，山东淄博人，硕士研究生，主要研究方向为图像处理与模式识别。