一、图像采集及预处理
本系统所采用图像采集卡为Matrox公司的meteor II/MCwww.cechina.cn,CCD摄像头为Pulnix6703,系统图像采集速度设定为60帧/秒(图像大小为640×480)。微机系统CPU为PIII750,内存256M。软件开发环境为Win98!VC6.0。
图像采集过程中,由于摄像机精度、照明环境等因素的影响,采集的图像会存在一定的随机噪声控制工程网版权所有,从而导致图像失真。这里采用即可去掉尖锋干扰,又能保持边缘细节的加权中值滤波算法。确定一个像素个数为奇数的窗口W,先对窗口内各像素加权,某一像素加权值为mwww.cechina.cn,即窗口像素灰度排队时该像素重复m个,再将窗口内的各像元按灰度值从大到小排列,再用其中间位置的灰度值代替原图像f(x,y)的中间值,得到增强图像g(x,y)。
二、视觉检测
(一)缺陷检测
印刷缺陷表现在图像上,即为采集图像缺陷处的灰阶值与标准图的差异。将采集图像的灰度值同标准图进行差分(像素值相减),判断其差值(两幅图灰阶值的相差程度)是否超出以预先设定的标准值范围,就能判断出这幅印刷品有无缺陷。
(二)缺陷识别
差分完成后,得到一幅同采集图大小相同的差分图,其像素值是每两幅图像对应像素点的差值。随后,对差分图像进行逐行扫描,对缺陷点进行探测。当遇到缺陷点像素时(其值>0),用递归的方法遍历整个缺陷区域,同时记录下缺陷区的大小、尺寸。整个扫描过程完成后,递归的次数就是缺陷的个数。在缺陷识别过程中,会有两个或多个相距很近的缺陷区(比如两个缺陷点在图像上只有一个像素距离),通常认为它们同属一个缺陷区,因此,检测前需要先把它们合并成一个缺陷区。这里采用的是数学形态学的膨胀算法(如图1所示)。再经过腐蚀、膨胀、再腐蚀等一系列操作,将缺陷图像的边缘形状提取出来,以便进行进一步的分析和判断。
三、实验结果
对在静态方式下所采集的印刷品图像进行测试,实验结果表明(参见图2、图3、图4、图5),上述方法是有效的,能够将仿真的缺陷完整地检测出来CONTROL ENGINEERING China版权所有,达到了预期的目的。
四、讨论
利用机器视觉识别系统代替人工进行印刷品质量检测,具有实用价值,对此进行了初步的探讨和尝试。下一步需要解决的,一是在线动态图像捕捉及处理,二是较之外观缺陷要困难得多的如色差、套印不准等缺陷的检测与识别问题。此外,印刷质量的评价是一个综合指标,提高系统的智能化信息处理能力也是十分必要的。