一類迅速印制圖片解決計算
發(fā)布時間：2024-03-01 點(diǎn)擊：113
隨著凹印技術(shù)的發(fā)展，印刷速度越來越高，印刷對象發(fā)生了深刻變化，印刷圖案越來越復(fù)雜，印刷色彩越來越多，這就對印刷的精確性提出了更高的要求。傳統(tǒng)的人工檢測已經(jīng)很難滿足現(xiàn)代印刷的速度和準(zhǔn)確性的需要。隨著計算機(jī)技術(shù)的發(fā)展，出現(xiàn)了一些基于機(jī)器視覺的質(zhì)量檢測設(shè)備。由于受圖像處理龐大的數(shù)據(jù)量和硬件速度這一矛盾的制約，常用的機(jī)器視覺設(shè)備很難滿足高速印品質(zhì)量檢測的實(shí)時性和完全檢測的要求。
為解決這一對矛盾，本文分析了高速、高精度圖像的成像機(jī)理和成像質(zhì)量，提出了一種基于輪廓的快速圖像配準(zhǔn)方法和基于圖像差分方法與數(shù)學(xué)形態(tài)學(xué)的圖像匹配算法。
實(shí)驗的對象是瑞士博斯特650型印刷生產(chǎn)線，最高印刷速度250 m /min.為保證相機(jī)的采集速度與印刷速度和檢測精度匹配，減少運(yùn)動模糊，采用了高速彩色線陣ccd相機(jī)和超強(qiáng)直流光源構(gòu)成采集系統(tǒng)。該系統(tǒng)能將相機(jī)的曝光時間控制在微秒級，從而保證運(yùn)動模糊在1像素以內(nèi)。高速印刷時，影響視覺檢測主要是紙張抖動和張力變化引起的圖像1～2個像素橫向和縱向（紙張前進(jìn)方向）偏移以及編碼器定位引起的2～3個像素縱向偏移。旋轉(zhuǎn)位移和尺度變化極小，且算法可修正。
1基于輪廓的快速圖像配準(zhǔn)算法圖像配準(zhǔn)的目的是建立兩個圖像的幾何相關(guān)性。其考慮的參數(shù)主要有平移參數(shù)、旋轉(zhuǎn)參數(shù)、尺度參數(shù)和灰度幅度參數(shù)。用f （ x， y）和g （ x， y）表示待配準(zhǔn)圖像，則配準(zhǔn)過程可以描述為f （ x， y）= k×g （ x′， y′）（1）其中， k是灰度變化幅度； x′=λx < （ x +δx） cosθ+ （ y +δy）sinθ>； y′=λy < （ y +δy） cosθ+ （ x +δx） sinθ>.λx和 λy是尺度變化幅度；δx和 δy是平移參數(shù)；θ是旋轉(zhuǎn)角度參數(shù)。由于圖像只有極微小的旋轉(zhuǎn)位移和尺度變化，不會影響檢測精度，故取 θ= 0，λx = 1，λy = 1.在同樣采集條件下，相鄰圖像灰度變化也可以忽略， k = 1.因此有x′= x +δx， y′= y +δy.
配準(zhǔn)就是要求出待測圖像相對標(biāo)準(zhǔn)圖像的坐標(biāo)變換值（δx，δy）。設(shè)p x <δx < q x， p y <δy < q y； p x、q x是δx的極限值，p y、q y是 δy的極限值。根據(jù)前面對印刷圖像的分析，取p x = - 4， q x = 4， p y = - 2， q y = 2.
圖像輪廓表達(dá)了圖像的形狀和分布特征，而且具有各向同性的特征，可由此對兩個圖像進(jìn)行配準(zhǔn)。同時，考慮到同一彩色圖像派生出的三個單通道圖像的配準(zhǔn)位置具有一致性，只需對其中一個進(jìn)行配準(zhǔn)操作。本文選擇對g通道圖像進(jìn)行處理。
1基于灰度形態(tài)學(xué)的輪廓提取（1）灰度形態(tài)學(xué)灰度形態(tài)學(xué)采用最大及最小極值運(yùn)算分別代替了二值形態(tài)學(xué)中所用到的交、并運(yùn)算，將圖像的函數(shù)空間從二維平面推廣到三維空間，函數(shù)的值域從。其基本運(yùn)算包括膨脹（d ilation）、腐蝕（ erosion）、開（open）、閉（close）等。
設(shè)f （ x， y）是輸入圖像函數(shù)， b（ s， t）是結(jié)構(gòu)元素， d f、d b分別為f （ x， y）、b （ s， t）的定義域。若用表示膨脹運(yùn)算，則用b（ s， t）對函數(shù)f （ x， y）進(jìn)行灰度膨脹操作，表示為（ f b） （ s， t）=max{ f （ s - x， t - y）+ b（ x， y）|（ （ s - x， （ t - y） ）∈d f；（ x， y）∈d b }（2）若用 θ表示灰度腐蝕運(yùn)算，則用b （ s， t）對函數(shù)f （ x， y）進(jìn)行灰度腐蝕操作，可以表示為（ fθb） （ s， t）=max{ f （ s - x， t - y）- b （ x， y）|（ （ s - x） ， （ t - y） ）∈d f； （ x， y）∈d b }（3）（2）基于灰度形態(tài)學(xué)的輪廓提取輪廓提取是利用圖像灰度值局部不連續(xù)性和鄰域相似性，通過求取圖像局部梯度實(shí)現(xiàn)的。常用的算子，如sobel算子、prewitt算子、canny算子等，計算復(fù)雜度大且抗噪聲能力差；而形態(tài)學(xué)處理具有良好的并行計算和抗噪聲能力。因此，本文用灰度形態(tài)學(xué)的方法提取印刷圖像的輪廓。形態(tài)學(xué)提取圖像輪廓有三種方法：①f b - f；②f - fθb；③f b - fθb.方法 ①在提取高灰度值、小間距的輪廓時，容易產(chǎn)生輪廓錯位和合并，導(dǎo)致檢測不準(zhǔn)確。方法 ②則容易引起間距小的低灰度輪廓的錯位和合并。方法 ③又稱做形態(tài)學(xué)梯度，對噪聲敏感且提取的輪廓較粗，而且要進(jìn)行膨脹和腐蝕操作各一次，因而計算復(fù)雜度大。在用輪廓進(jìn)行配準(zhǔn)定位時，輪廓越細(xì)膩和完整，配準(zhǔn)越精確。綜合考慮以上因素，為了保證高灰度值輪廓點(diǎn)的準(zhǔn)確提取，選擇方法 ②對圖像進(jìn)行處理。從標(biāo)準(zhǔn)圖像和待測圖像的g通道圖像提取的灰度輪廓如圖4所示。對其用二次平均閾值法求得閾值h = 37.
1 2基于輪廓的自搜索小區(qū)域快速圖像配準(zhǔn)算法如果對原始圖像直接進(jìn)行配準(zhǔn)運(yùn)算，計算復(fù)雜度大。為了減少計算復(fù)雜度，本文提出了基于輪廓的自搜索小區(qū)域快速圖像配準(zhǔn)算法。其方法為：首先利用標(biāo)準(zhǔn)圖像二值輪廓圖像快速定位一個合適的m×n的配準(zhǔn)區(qū)域（本文取256×256的區(qū)域） ；然后對配準(zhǔn)區(qū)域的灰度輪廓點(diǎn)進(jìn)行最大相關(guān)法配準(zhǔn)。
（1）配準(zhǔn)區(qū)域的快速定位由于配準(zhǔn)區(qū)域遠(yuǎn)小于實(shí)際圖像，如果對不同的印刷品都以同一固定位置取配準(zhǔn)區(qū)域，則可能出現(xiàn)該區(qū)域圖像特征不明顯或者輪廓灰度值過低的情況，不利于精確配準(zhǔn)，需要搜索圖像以尋找較佳的配準(zhǔn)區(qū)域。由于同一印刷過程中，相機(jī)總是對重復(fù)場景采樣，配準(zhǔn)區(qū)域搜索只需在檢測開始時進(jìn)行，后續(xù)檢測可沿用相同區(qū)域。如果印刷內(nèi)容改變需重新搜索。
為判斷所取區(qū)域輪廓點(diǎn)和輪廓特征是否充分，本文提出以平均輪廓點(diǎn)比率或平均灰度值作為衡量值。輪廓點(diǎn)是指二值圖像中高灰度值的像素。設(shè)二值輪廓圖像的大小為m×n，以左上角為原點(diǎn)， f （ i， j）表示（ i， j）點(diǎn)的灰度值， s和s分別表示圖像中輪廓點(diǎn)數(shù)和總像素數(shù)，則s =m×n.二值圖像的輪廓點(diǎn)比率和平均灰度值定義如下：平均輪廓點(diǎn)比率 η：η= s/s平均灰度值 λ：λ= < 6 i =m， i = n i = 1， j = 1 f （ i， j） > /s = 255 s/s = 255×η條件1所取區(qū)域的平均輪廓點(diǎn)比率和平均灰度值用 η′和 λ′表示，如果滿足 η′≥η或 λ′≥λ，則該區(qū)域可作為配準(zhǔn)區(qū)域。
搜索配準(zhǔn)區(qū)域的方法為：在二值輪廓圖像中，從原點(diǎn)開始取掩模區(qū)域，以 δ為橫向步長移動區(qū)域；行搜索完后，再以 δy為縱向步長轉(zhuǎn)入下一行搜索，計算每個區(qū)域的平均輪廓點(diǎn)比率或平均灰度值；如果滿足條件1則退出搜索，該區(qū)域即為配準(zhǔn)區(qū)域，其左上角坐標(biāo)為（ x o， y o）。步長 δx和 δy一般取掩模寬度的一半，本文中配準(zhǔn)模板大小取256×256，δx =δy = 128.從灰度輪廓圖像取配準(zhǔn)區(qū)域圖像作為配準(zhǔn)圖像模板，記為t（ x， y） ；在配準(zhǔn)灰度輪廓圖像中以（ x o + p x， y o + p y）為起點(diǎn)取大小為（256 + q x - p x） （256 + q y - p y）的圖像作為待配準(zhǔn)圖像，記為b（ x， y）。對t（ x， y）和b（ x， y）進(jìn)行配準(zhǔn)獲得的偏差（δx，δy）與標(biāo)準(zhǔn)圖像和待測圖像的偏差是一致的。由于本文使用互相關(guān)的方法進(jìn)行配準(zhǔn)，在接近圖像邊緣時，互相關(guān)系數(shù)的計算可能失去準(zhǔn)確性而出現(xiàn)誤配準(zhǔn)，應(yīng)避免使用圖像邊緣作為配準(zhǔn)區(qū)域。
（2）相關(guān)性配準(zhǔn)操作對灰度輪廓圖像采用相關(guān)系數(shù)法配準(zhǔn)結(jié)果可靠，抗干擾能力強(qiáng)，但計算復(fù)雜度大。在基于輪廓特征的配準(zhǔn)方法中，配準(zhǔn)主要利用輪廓特征，非輪廓點(diǎn)對配準(zhǔn)的貢獻(xiàn)不大，而且過多的非輪廓點(diǎn)還會帶來干擾因素，影響配準(zhǔn)精度。在輪廓圖像中，輪廓點(diǎn)只是極小的部分，因此在計算相關(guān)性系數(shù)時忽略t （ x，y）中的非輪廓點(diǎn)能極大地降低計算規(guī)模。輪廓點(diǎn)是指前文中二值輪廓圖像輪廓點(diǎn)的對應(yīng)點(diǎn)。
« 1 2 »
深圳地鐵的這組母親節(jié)文案，讓每個游子心情復(fù)雜
東莞3D打印技能人才匱乏 需求量為4000人
西門子將采用3D打印金屬零部件制造氣輪機(jī)
減少污染的噴墨打印機(jī)墨盒再制造技術(shù)
低碳環(huán)保，北京印刷企業(yè)踐行四個戰(zhàn)略
3Q大戰(zhàn)終審判決結(jié)果出爐 奇虎360賠償騰訊500萬
國內(nèi)包裝機(jī)械品種需多樣化
優(yōu)化及自定義Photoshop預(yù)置選項（一）
為解決這一對矛盾，本文分析了高速、高精度圖像的成像機(jī)理和成像質(zhì)量，提出了一種基于輪廓的快速圖像配準(zhǔn)方法和基于圖像差分方法與數(shù)學(xué)形態(tài)學(xué)的圖像匹配算法。
實(shí)驗的對象是瑞士博斯特650型印刷生產(chǎn)線，最高印刷速度250 m /min.為保證相機(jī)的采集速度與印刷速度和檢測精度匹配，減少運(yùn)動模糊，采用了高速彩色線陣ccd相機(jī)和超強(qiáng)直流光源構(gòu)成采集系統(tǒng)。該系統(tǒng)能將相機(jī)的曝光時間控制在微秒級，從而保證運(yùn)動模糊在1像素以內(nèi)。高速印刷時，影響視覺檢測主要是紙張抖動和張力變化引起的圖像1～2個像素橫向和縱向（紙張前進(jìn)方向）偏移以及編碼器定位引起的2～3個像素縱向偏移。旋轉(zhuǎn)位移和尺度變化極小，且算法可修正。
1基于輪廓的快速圖像配準(zhǔn)算法圖像配準(zhǔn)的目的是建立兩個圖像的幾何相關(guān)性。其考慮的參數(shù)主要有平移參數(shù)、旋轉(zhuǎn)參數(shù)、尺度參數(shù)和灰度幅度參數(shù)。用f （ x， y）和g （ x， y）表示待配準(zhǔn)圖像，則配準(zhǔn)過程可以描述為f （ x， y）= k×g （ x′， y′）（1）其中， k是灰度變化幅度； x′=λx < （ x +δx） cosθ+ （ y +δy）sinθ>； y′=λy < （ y +δy） cosθ+ （ x +δx） sinθ>.λx和 λy是尺度變化幅度；δx和 δy是平移參數(shù)；θ是旋轉(zhuǎn)角度參數(shù)。由于圖像只有極微小的旋轉(zhuǎn)位移和尺度變化，不會影響檢測精度，故取 θ= 0，λx = 1，λy = 1.在同樣采集條件下，相鄰圖像灰度變化也可以忽略， k = 1.因此有x′= x +δx， y′= y +δy.
配準(zhǔn)就是要求出待測圖像相對標(biāo)準(zhǔn)圖像的坐標(biāo)變換值（δx，δy）。設(shè)p x <δx < q x， p y <δy < q y； p x、q x是δx的極限值，p y、q y是 δy的極限值。根據(jù)前面對印刷圖像的分析，取p x = - 4， q x = 4， p y = - 2， q y = 2.
圖像輪廓表達(dá)了圖像的形狀和分布特征，而且具有各向同性的特征，可由此對兩個圖像進(jìn)行配準(zhǔn)。同時，考慮到同一彩色圖像派生出的三個單通道圖像的配準(zhǔn)位置具有一致性，只需對其中一個進(jìn)行配準(zhǔn)操作。本文選擇對g通道圖像進(jìn)行處理。
1基于灰度形態(tài)學(xué)的輪廓提取（1）灰度形態(tài)學(xué)灰度形態(tài)學(xué)采用最大及最小極值運(yùn)算分別代替了二值形態(tài)學(xué)中所用到的交、并運(yùn)算，將圖像的函數(shù)空間從二維平面推廣到三維空間，函數(shù)的值域從。其基本運(yùn)算包括膨脹（d ilation）、腐蝕（ erosion）、開（open）、閉（close）等。
設(shè)f （ x， y）是輸入圖像函數(shù)， b（ s， t）是結(jié)構(gòu)元素， d f、d b分別為f （ x， y）、b （ s， t）的定義域。若用表示膨脹運(yùn)算，則用b（ s， t）對函數(shù)f （ x， y）進(jìn)行灰度膨脹操作，表示為（ f b） （ s， t）=max{ f （ s - x， t - y）+ b（ x， y）|（ （ s - x， （ t - y） ）∈d f；（ x， y）∈d b }（2）若用 θ表示灰度腐蝕運(yùn)算，則用b （ s， t）對函數(shù)f （ x， y）進(jìn)行灰度腐蝕操作，可以表示為（ fθb） （ s， t）=max{ f （ s - x， t - y）- b （ x， y）|（ （ s - x） ， （ t - y） ）∈d f； （ x， y）∈d b }（3）（2）基于灰度形態(tài)學(xué)的輪廓提取輪廓提取是利用圖像灰度值局部不連續(xù)性和鄰域相似性，通過求取圖像局部梯度實(shí)現(xiàn)的。常用的算子，如sobel算子、prewitt算子、canny算子等，計算復(fù)雜度大且抗噪聲能力差；而形態(tài)學(xué)處理具有良好的并行計算和抗噪聲能力。因此，本文用灰度形態(tài)學(xué)的方法提取印刷圖像的輪廓。形態(tài)學(xué)提取圖像輪廓有三種方法：①f b - f；②f - fθb；③f b - fθb.方法 ①在提取高灰度值、小間距的輪廓時，容易產(chǎn)生輪廓錯位和合并，導(dǎo)致檢測不準(zhǔn)確。方法 ②則容易引起間距小的低灰度輪廓的錯位和合并。方法 ③又稱做形態(tài)學(xué)梯度，對噪聲敏感且提取的輪廓較粗，而且要進(jìn)行膨脹和腐蝕操作各一次，因而計算復(fù)雜度大。在用輪廓進(jìn)行配準(zhǔn)定位時，輪廓越細(xì)膩和完整，配準(zhǔn)越精確。綜合考慮以上因素，為了保證高灰度值輪廓點(diǎn)的準(zhǔn)確提取，選擇方法 ②對圖像進(jìn)行處理。從標(biāo)準(zhǔn)圖像和待測圖像的g通道圖像提取的灰度輪廓如圖4所示。對其用二次平均閾值法求得閾值h = 37.
1 2基于輪廓的自搜索小區(qū)域快速圖像配準(zhǔn)算法如果對原始圖像直接進(jìn)行配準(zhǔn)運(yùn)算，計算復(fù)雜度大。為了減少計算復(fù)雜度，本文提出了基于輪廓的自搜索小區(qū)域快速圖像配準(zhǔn)算法。其方法為：首先利用標(biāo)準(zhǔn)圖像二值輪廓圖像快速定位一個合適的m×n的配準(zhǔn)區(qū)域（本文取256×256的區(qū)域） ；然后對配準(zhǔn)區(qū)域的灰度輪廓點(diǎn)進(jìn)行最大相關(guān)法配準(zhǔn)。
（1）配準(zhǔn)區(qū)域的快速定位由于配準(zhǔn)區(qū)域遠(yuǎn)小于實(shí)際圖像，如果對不同的印刷品都以同一固定位置取配準(zhǔn)區(qū)域，則可能出現(xiàn)該區(qū)域圖像特征不明顯或者輪廓灰度值過低的情況，不利于精確配準(zhǔn)，需要搜索圖像以尋找較佳的配準(zhǔn)區(qū)域。由于同一印刷過程中，相機(jī)總是對重復(fù)場景采樣，配準(zhǔn)區(qū)域搜索只需在檢測開始時進(jìn)行，后續(xù)檢測可沿用相同區(qū)域。如果印刷內(nèi)容改變需重新搜索。
為判斷所取區(qū)域輪廓點(diǎn)和輪廓特征是否充分，本文提出以平均輪廓點(diǎn)比率或平均灰度值作為衡量值。輪廓點(diǎn)是指二值圖像中高灰度值的像素。設(shè)二值輪廓圖像的大小為m×n，以左上角為原點(diǎn)， f （ i， j）表示（ i， j）點(diǎn)的灰度值， s和s分別表示圖像中輪廓點(diǎn)數(shù)和總像素數(shù)，則s =m×n.二值圖像的輪廓點(diǎn)比率和平均灰度值定義如下：平均輪廓點(diǎn)比率 η：η= s/s平均灰度值 λ：λ= < 6 i =m， i = n i = 1， j = 1 f （ i， j） > /s = 255 s/s = 255×η條件1所取區(qū)域的平均輪廓點(diǎn)比率和平均灰度值用 η′和 λ′表示，如果滿足 η′≥η或 λ′≥λ，則該區(qū)域可作為配準(zhǔn)區(qū)域。
搜索配準(zhǔn)區(qū)域的方法為：在二值輪廓圖像中，從原點(diǎn)開始取掩模區(qū)域，以 δ為橫向步長移動區(qū)域；行搜索完后，再以 δy為縱向步長轉(zhuǎn)入下一行搜索，計算每個區(qū)域的平均輪廓點(diǎn)比率或平均灰度值；如果滿足條件1則退出搜索，該區(qū)域即為配準(zhǔn)區(qū)域，其左上角坐標(biāo)為（ x o， y o）。步長 δx和 δy一般取掩模寬度的一半，本文中配準(zhǔn)模板大小取256×256，δx =δy = 128.從灰度輪廓圖像取配準(zhǔn)區(qū)域圖像作為配準(zhǔn)圖像模板，記為t（ x， y） ；在配準(zhǔn)灰度輪廓圖像中以（ x o + p x， y o + p y）為起點(diǎn)取大小為（256 + q x - p x） （256 + q y - p y）的圖像作為待配準(zhǔn)圖像，記為b（ x， y）。對t（ x， y）和b（ x， y）進(jìn)行配準(zhǔn)獲得的偏差（δx，δy）與標(biāo)準(zhǔn)圖像和待測圖像的偏差是一致的。由于本文使用互相關(guān)的方法進(jìn)行配準(zhǔn)，在接近圖像邊緣時，互相關(guān)系數(shù)的計算可能失去準(zhǔn)確性而出現(xiàn)誤配準(zhǔn)，應(yīng)避免使用圖像邊緣作為配準(zhǔn)區(qū)域。
（2）相關(guān)性配準(zhǔn)操作對灰度輪廓圖像采用相關(guān)系數(shù)法配準(zhǔn)結(jié)果可靠，抗干擾能力強(qiáng)，但計算復(fù)雜度大。在基于輪廓特征的配準(zhǔn)方法中，配準(zhǔn)主要利用輪廓特征，非輪廓點(diǎn)對配準(zhǔn)的貢獻(xiàn)不大，而且過多的非輪廓點(diǎn)還會帶來干擾因素，影響配準(zhǔn)精度。在輪廓圖像中，輪廓點(diǎn)只是極小的部分，因此在計算相關(guān)性系數(shù)時忽略t （ x，y）中的非輪廓點(diǎn)能極大地降低計算規(guī)模。輪廓點(diǎn)是指前文中二值輪廓圖像輪廓點(diǎn)的對應(yīng)點(diǎn)。
« 1 2 »
深圳地鐵的這組母親節(jié)文案，讓每個游子心情復(fù)雜
東莞3D打印技能人才匱乏 需求量為4000人
西門子將采用3D打印金屬零部件制造氣輪機(jī)
減少污染的噴墨打印機(jī)墨盒再制造技術(shù)
低碳環(huán)保，北京印刷企業(yè)踐行四個戰(zhàn)略
3Q大戰(zhàn)終審判決結(jié)果出爐 奇虎360賠償騰訊500萬
國內(nèi)包裝機(jī)械品種需多樣化
優(yōu)化及自定義Photoshop預(yù)置選項（一）