一种基于同态滤波的陶瓷防眩光处理技术研究

王俊祥 ，张 影 ，胡 欢 ，黄 霖 ，朱永红

(1.景德镇陶瓷大学，江西 景德镇 333403；2.景德镇市电信公司政企客户部，江西 景德镇 333000)

关键字：防眩光；同态滤波；陶瓷；计算机视觉

0 引 言

作为传统行业，陶瓷器具的生产过程存在韧性较低，生产工艺比较特殊，成批生产时质量不易控制等特点。为了提高产品良品率，提升企业竞争力，绝大部分厂家均会设置产品质量检测部门。然而，大部分企业的日用陶瓷缺陷检测仍然停留在人工肉眼检测水平，检测效率低，劳动强度大，产品质量不稳定，漏检率较高成为一大诟病。

目前，随着工业现代化水平的进步，无损检测技术得以发展。常用的无损检测方法[1-3]主要有如下五种，即：超声检测、射线检测、涡流检测、渗透检测和磁粉检测。超声检测、射线检测主要利用待检物体对声波或射线的反射、透射情况来探测物体内部的一些缺陷。声振检测技术[4]的基本原理是通过外加激励敲击使被检物体发生振动，然后通过振动状态可以分析出物件的结构与材料的缺陷。相比之下，涡流检测、渗透检测和磁粉检测则分别利用导体表面的感应涡流分布、渗透液在物体表面的渗透性特点以及磁性物体附近产生的漏磁场情况来检测被检物表面的缺陷。以上这些无损检测技术在我们的生活中已经得到了根据被检物体的材质特性进行自主选择。但它们都有一个共同的遗憾就是目前这些技术广泛的应用，这些检测技术大部分是对物体内部的探伤，检测物体内部是否有缺陷，所用算法均需要还没有应用于陶瓷产品的检测之上。

近几年来，随着计算机技术的发展和数据处理能力的增强，多种高精度的无损检测技术脱颖而出，其中机器视觉测量技术[5-6]作为一种新型的无接触式、无损检测技术，非常适合于产品在线检测，并获得了空前的发展。这种新技术的产生和应用，极大地解放了人类劳动力，提高了生产自动化水平。目前机器视觉的检测技术虽然在各个领域均已取得广泛应用，但在传统陶瓷行业的普及率不高，大部分集中在高精度的工程陶瓷方面[7-9]，针对日用陶瓷的智能检测设备几乎处于空白状态。仅论文[10]以及本团队前期发表的论文[11-12]给出了陶瓷缺口的检测方案。一般认为，制约计算机视觉技术在日用陶瓷行业推广的一个重要原因是具有高反光性的陶瓷釉面在光源照射下会产生眩光现象。此现象会覆盖陶瓷表面的细节，不利于计算机视觉设备进行图像采集，进而影响图像的精度和后期处理。因此如何解决陶瓷表面因眩光带来的问题，成为陶瓷检测领域里一个迫切需要解决的关键。目前常见的做法是：在使用条形光源或者环形光源的同时，给相机镜头额外加上偏振光镜片以改变进入镜头的光线角度，以此来达到尽量减小陶瓷眩光的现象。但是此做法无疑增加了系统的复杂性，降低了系统的稳定性，并且增加了成本。

基于此，设计一套针对日用陶瓷缺陷的通用陶瓷防眩光算法，具有十分重要的意义，本文正基于此展开。

1 基于同态滤波的陶瓷防眩光算法

本文设计了一种基于同态滤波的陶瓷防眩光算法，用于去除陶瓷眩光现象，为后续的陶瓷智能检测提供便利。本文首先在较暗环境下获取图像以避免陶瓷表面眩光。但由于图像采集时亮度不足，会产生图像细节不清晰的问题，鉴于此，本文借助同态处理技术，实现图像的增强，以恢复图像细节信息。具体算法说明如下：

1.1 同态滤波的优势

将陶瓷放置在光线较弱的环境中进行图像拍摄以避免陶瓷眩光。此过程会产生陶瓷与背景相差不明显，对比度不明显，陶瓷内部花纹细节模糊不清的现象，如图3。

基于此，本算法欲对图像进行预处理以实现以下三个功能：(1)保持背景(图像中最黑且最光滑的部分)信息不变，无需做任何光线增强处理；(2)利用同态滤波技术增强陶瓷器件的整体亮度，方便细节的判定和人眼的观察；(3)对图像的细节部分(陶瓷碗的内部花纹)进行增强，方便后续的贴花出界检测。

本算法借助频域增强领域的同态滤波技术[13-14]进行图像预处理。在同态滤波技术中，图像像素灰度值可看作是照度和反射两个分量共同作用的结果。考虑到图像的照度分量通常以空间域的慢变化为特征，而反射分量往往出现在图像突变处，所以照射分量对应于傅里叶变换时的低频成分，即亮度信息；反射分量对应于高频分量、细节信息。因此，为凸显细节，需增强反射分量，同时为了区别位于中频的陶瓷器件与位于低频部分的背景，并进行分别处理，需寻找到一个合适的截至频率。具体算法如下所述。

1.2 同态滤波的执行步骤

本算法借鉴同态滤波的技术框架，在传输函数的设计上进行改进，具体步骤如下：

步骤1：图像模型f(x,y)可由照度i(x,y)和反射系数r(x,y)组成：

步骤2：对上式两边取对数，分开上述二分量：

步骤3：对上式进行傅里叶变换：

步骤5：将结果反变换到空域：

步骤6：将上式两边取指数，将图像还原：

则

1.3 传递函数的设计和参数选择

低频巴特沃斯高通滤波传递函数可设计如下，如图1(a)所示：

本文同态滤波传递函数设计如下，如图1(b)所示：

其中，Hh为高频权重。Hh＞1，表明对高频分量的增强效果；HL为低频权重，0＜Hh＜1表示稍微压缩低频分量(背景信息)；D0为截止频率，用于区分高频与低频分量的范围；C为锐化系数，反映传输函数在高低频分割线上的陡峭程度，一般可以取以点为滤波中心的频域距离计算公式为为 了 凸 显 高 频 细节，Hh一般取值较大；为了保持背景亮度不变，仅是稍微压缩低频分量以进一步凸显对高频的增强效果；Hh一般取略小于1的值。为了提升陶瓷区域的亮度，需要选择合适的D0以便将陶瓷区域对应的中频划入需要增强的高频区域。一般D0取很小，将绝大部分区域划归到高频区域以便增强图像的亮度。

综上所述，对低频区域略微压缩，对高频区域进行较大增强，同时配合以较小的截至频率D0，能够有效的提升整个图像的亮度，凸显图像细节。结果图像如图4。

2 实验部分

为了验证本文算法的有效性，本节给出本文设计的同态增强算法与传统时域增强的对比实验，以说明本文算法在防眩光方面的优势，然后给出了300个不同特征的圆形陶瓷产品的在线检测结果，以体现本文防眩光算法为后续陶瓷产品检测提供的积极作用。

2.1 同态增强与时域增强的对比实验

为了验证本文防眩光算法的有效性，本节给出了同态滤波的实验结果以及对比实验。图2给出了存在眩光的原始图像。如图所示，当眩光区域与缺陷区域重合时，可能导致无法准确识别陶瓷缺陷的现象。基于此，本文将其放在光线较弱的环境中进行图像拍摄，如图3。最后借助第2部分给出的同态滤波增强技术对图3进行处理，可获得较清晰的无眩光图像，如图4。对比图2和图4可验证本文算法的有效性。

此外，为了验证本文算法的优势，本节借助传统的空域增强算法(灰度变换)对图3进行处理，给出对比实验，结果如图5所示。对比图4和5可知，传统的灰度增强算法获得的图像(图5)相对比较模糊，而本文给出的基于同态滤波的增强图像(图4)整体更加清晰。其主要原因在于：传统的空域增强算法仅是对一个连续灰度范围进行拉伸，没有区分背景、细节等，所以不具备细节增强效果，在视觉上不够清晰。本文算法可以借助频域对三种不同的纹理进行区分，并分别进行增强处理，其中频域越高表示细节越明显，变化越剧烈。据此本文算法可对不同部分进行不能程度的增强，从而获得了更好的效果。

2.2 执行时间和效率

为了检测防眩光算法的实用性，本文在生产线上随机抽取了300个圆形样品进行实验。借助本课题组之前提出的缺口检测方案[12]对有、无进行防眩光处理的产品分别进行测试，实验结果如表1所示。鉴于本文算法能够更好的展现产品视觉效果，所以在“检测精度”和“检测时间”方面均有一定优势。所有算法均在CPU为I3，主频为3.2 GHZ，内存为4G的主机上运行。实验表明：本文算法在陶瓷图像预处理阶段具有较强的实用性。

图2 带眩光的原始图像Fig.2 Original image with glare

图3 低光照情况下采集的图像Fig.3 Image captured under low light

图4 同态滤波后的结果Fig.4 Homomorphic fi ltered image

图5 空域灰度增强图像Fig.5 Spatial-greyscale enhanced image

表1 缺陷检测的统计对比结果Tab.1 Statistical comparison of defect detection

4 结 论

针对陶瓷产品表面光滑，在各种陶瓷图像获取过程中存在眩光的现象，本文给出了一种基于同态滤波的陶瓷防眩光算法。本算法首先采用暗室拍照技术获取无眩光的图像，然后借助同态滤波获取反射分量，并对其进行增强，以解决陶瓷在光源条件不均匀时造成的眩光问题。实验证明本文给出的同态滤波算法能够对高频细节和低频背景分别进行处理，以便达到既提高图像亮度，又保持图像细节的双重效果，在陶瓷图像预处理方面具有较高的可行性和实用性。