基于机器视觉的药品包装滤波算法实现

刘志强，孙怀远，宋晓康



基于机器视觉的药品包装滤波算法实现

刘志强1，孙怀远2*，宋晓康1

（1. 上海理工大学医疗器械与食品学院，上海 200093；2. 上海健康医学院医疗器械学院，上海 201318）

为了有效地滤除泡罩药品包装视觉检测系统中的图像噪声，本文采用了一种结合高斯滤波器的导向滤波去噪方法。首先是分析了导向滤波的数学模型，利用高斯滤波器对含噪声的原始图像进行预去噪，然后再由得到的图像作为输入图像，原始图像进行灰度化处理后作为导向图像，最后进行导向滤波的去噪处理。同时与经典的滤波算法（均值滤波、中值滤波、双边滤波）进行实验对比分析，实验结果表明，改进的导向滤波能够滤除图像中的噪声，同时能很好地保留原始图像细节信息和边缘部分，对后续的图像处理具有一定的价值。

图像处理；导向滤波；泡罩药品包装；视觉检测系统

0 引言

随着科技水平的不断提高和药品市场的快速发展，人们对药品包装的质量要求越来越高，特别是近年来，改革开放的进一步深入使国内外药品市场的竞争日益激烈。目前，药品包装主要有瓶装、袋装、铝塑泡罩包装等三种主流的包装形式[1-3]，其中铝塑泡罩包装是当前最为流行的药品包装方式之一，该包装具有安全性好、成本低、便于携带、生产速度快，贮存期长等优点，因此受到越来越多的药品包装企业以及消费者的青睐[4]。

药品是一种较为特殊的产品，在铝塑泡罩包装药品的生产过程中，需要经过搅拌、填充、封和、切割等一系列复杂工序作业。因此难免在包装环节里会发生药品漏装、缺损、污渍等问题，从而会产生大量的缺陷药品。一旦缺陷药品流通到市场上，将会对消费者生命健康产生一定影响。在对图像进行系统采集后，进行传输的过程中，源图像将会受到各种噪声的干扰比如脉冲噪声，使得图像质量变差，进而会影响到缺陷药品的进一步检测。为了从含有噪声的图像中恢复源图像的信息，需要滤除噪声，保留下源图像的细节和图像数据中的相关信息，其处理的好坏将直接影响到后续的图像分割、特征提取、边缘检测的有效性和可靠性。常用的滤波方法有中值滤波、盒滤波和均值滤波等，这几种滤波算法在去除噪声的同时模糊了图像的边缘，丢失了大量的图像细节[5-7]。边界保护、细节增强的平滑滤波器主要有高斯滤波器、双边滤波器等[8-9]。文中利用结合高斯滤波器的导向滤波算法对泡罩药品包装图像的噪声进行滤波，并与经典的滤波算法进行对比分析。

1 泡罩包装视觉检测系统简介

泡罩包装视觉检测系统组成主要由图像采集、图像处理、计算机系统和机械控制剔除装置等四大部分。其工作原理：通过图像采集系统对药品泡罩包装图像获取待检测的目标，并将获取的目标图像输入计算机进行图像处理，最后根据处理的结果，机械剔除机构将缺陷的药品进行剔除达到检测的目的。药品被填充到泡罩后，泡罩被封合前，通过视觉检测系统的CCD工业相机将药品泡罩包装转变成图像信息，并将图像信息传送到图像处理系统，图像处理系统将信号进行各种运算并提取图像的具体特征，最后实现泡罩药品包装的自动识别检测。视觉检测系统的结构见图1。

图1 视觉检测系统结构图

2 导向滤波

导向滤波是一种局部多点式滤波器，属于局部线性模型[10]，在对图像边缘平滑滤波的同时能够保持边缘信息且在边缘附近没有产生梯度的变形，广泛应用于图像增强、图像去雾、图像抠图及HDR压缩等领域。

假设在一幅图像里导向滤波函数的输出与输入满足线性关系：

3 改进导向滤波

由于导向滤波在对图像边缘滤波时，对边缘处

理后的锐化效果不理想，因此针对该问题本文采取经过高斯滤波之后的结果当作输入图像，原图像作为导向滤波图像，从而可以在滤除噪声的同时达到锐化边缘的效果并且能保护原图像的细节信息。算法改进的步骤如下：

4 实验评价与分析

4.1 质量评价指标

本文采用经典的图像质量评价指标峰值信噪比PSNR（Peak Signal to Noise Rotio）对图像滤波后的性能评价。对于源图像I和滤波后的图像K，尺寸大小为mxn，两幅图像的信噪比PSNR公式如下：

4.2 实验结果分析

本文实验对象是视觉检测系统采集到的缺陷药片，对图像分别进行均值滤波、中值滤波、双边滤波和导向滤波，并进行仿真对比，图像处理的结果如图2。从结果可以看出双边滤波和均值滤波算法虽然能滤除图像中的噪声，但图像中的细节信息和边缘部分会被平滑处理掉，图像较为模糊；导向滤波能够较好保留图像的细节和边缘信息，但边缘的锐化效果较差，而本文提出的改进导向滤波算法既能滤除掉噪声，并且原图像中的细节信息和边缘部分能较好地保留下来，达到了实验的目的。在滤波算法的质量评价里，使用峰值信噪比PSNR对滤波效果优良进行评价，使用均值滤波、中值滤波、双边滤波、导向滤波、改进的导向滤波对原图像滤波处理的峰值信噪比分别为：30.63、34.08、32.80、34.32、36.97db，由此可以得出改进后的导向滤波在处理泡罩包装药片图像的噪声处理效果更优。

图2 不同滤波算法效果对比

5 结语

本文针对未改进的导向滤波在滤除噪声时不能有效地锐化边缘效果的问题，同时为了能提升缺陷药品检测的效率，为此提出了基于高斯滤波器对导向滤波改进的方法。介绍了机器视觉检测系统的基本工作原理，对经典的滤波算法进行对比并验证了改进后的导向滤波能更好地适用于泡罩包装药品的滤波预处理。通过实验可知改进后的导向滤波算法在保留原始图像边缘和细节的基础上，可有效地滤除掉原始图像中的噪声，有利于泡罩包装图像的分割和特征提取，为下一步工作奠定了基础。

[1] 刘圣晓. 基于图像处理的药片实时检测及处理系统的研究及其应用[J]. 计算机与现代化, 2013(5): 66-69.

[2] 薛利军, 张虎, 李自田. 采用机器视觉的药品包装实时在线检测系统的研究[J]. 包装工程, 2005, 26(2): 52-54.

[3] 马志刚, 赵志强, 王保云. 全自动泡罩药品包装视觉检测控制系统设计[J]. 包装工程, 2017, 38(17): 124-127.

[4] 疏义桂. 基于机器视觉的铝塑泡罩包装药品缺陷检测[D]. 华中科技大学, 2013.

[5] Siegel R L, Miller K D, Fedewa S A, et al. Colorectal cancer statistics, 2017[J]. Ca A Cancer Journal for Clinicians, 2017, 67(3): 177.

[6] Chan R H, Ho C W, Nikolova M. Salt-and-Pepper noise removal by median-type noise detectors and detail-preserving regularization.[J]. IEEE Trans Image Process, 2005, 14(10): 1479-1485.

[7] 吴婉. 机器视觉中泡罩药品包装缺陷检测算法研究[D]. 湖南工业大学, 2014.

[8] Yu L, Manduca A, Trzasko J, et al. Projection-space denoising with bilateral filtering in computed tomography: US, US8965078[P]. 2015.

[9] 王海菊, 谭常玉, 王坤林, 等. 自适应高斯滤波图像去噪算法[J]. 福建电脑, 2017, 33(11): 5-6.

[10] He K, Sun J, Tang X. Guided Image Filtering[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence, 2013, 35(6): 1397-409.

Filtering Algorithm for Pharmaceutical Packaging based on Machine Vision

LIU Zhi-qiang1, SUN Huai-yuan2*, SONG Xiao-kang1

(1. School of Medical instrument, University of Shanghai for Science and Technology, Shanghai 200093, China;2. School of Medical Instrumentation, Shanghai University of Medicine and Health Sciences 201318, China)

In order to effectively filter the image noise in the visual inspection system of blister medicine packaging, this paper uses a Gaussian filter-based guided filtering denoising method. Firstly, the mathematical model of guided filtering is analyzed. The Gaussian filter is used to pre-noise the noise-containing original image, and then the resulting image is used as the input image. After the original image is grayed, it is used as a guide image, and finally guided. Filtered noise reduction. At the same time, the experiments were compared with the classical filtering algorithms (mean filter, median filter, and bilateral filter). Experimental results show that the improved steerable filter can filter out the noise in the image while retaining the original image details and edges. In part, it has a certain value for the subsequent image processing.

Image processing; Oriented filtering; Blister packs; Visual inspection system

TP391.41

A

10.3969/j.issn.1003-6970.2018.09.019

刘志强(1990-)，男，研究生，主要研究方向：机器视觉与图像处理；宋晓康(1993-)，男，研究生，主要研究方向：喷墨打印与植入类医疗器械。

孙怀远(1962-)，男，教授，主要研究方向：药剂设备及在线检测技术。

本文著录格式：刘志强，孙怀远，宋晓康. 基于机器视觉的药品包装滤波算法实现[J]. 软件，2018，39（9）：93-96