印刷缺陷檢測的計算機方法

印刷缺陷檢測的計算機方法

通常，印刷精美表面的錯誤主要包括針灸孔、顏色錯誤、油漆泥漿、紅光、文字模糊、書法疲勞、起皺、打印、刮傷、錯誤等。所有的缺陷反映到視覺效果上就是和原先期望的印刷效果的不一致。以計算機為核心的自動檢測系統(tǒng)的基本原理是,通過CCD攝像頭采集一幅無缺陷的標準印刷品圖像,保存在計算機中,然后在線采集待檢圖像。不斷將待檢圖像和標準圖像進行對比,檢出錯誤,得到缺陷圖像,再對缺陷圖像進行缺陷分類和測量統(tǒng)計。本文主要介紹信用卡印刷中,成品缺陷檢測的方法。1圖像準準時的操作印刷品缺陷的計算機自動檢測工作流程圖1所示,其中標準圖像需在每種印刷品印前輸入,正常工作時只需不斷采集待檢圖像。由于印刷品在傳動過程中難免會發(fā)生平移和旋轉(zhuǎn),因此將待檢品圖像和標準圖像進行比較前要首先將標準圖像和待檢圖像對準,也即求出兩者的位置變換參數(shù),以便于對比時校正。這里我們采用了遺傳算法進行圖像對準。嚴格意義上講,圖像對準應使得兩幅圖像的每一個像素點都能一一對應上,但這樣運算量很大。由于平移和旋轉(zhuǎn)變換時所有的像素點都是遵循同樣的變換規(guī)則,我們在圖像上選取了部分采樣點,組成點集S,通過求出這些采樣點的位置變換參數(shù),得到整幅圖像的變換參數(shù)。比較操作即減影操作。將兩幅圖像相同之處減去,留下的就是缺陷圖像。下面分別予以介紹。2圖像像素規(guī)范標準圖像和待檢圖像可分別用F(m,n)和f′(m′,n′)這樣的M行N列的矩陣表示。以標準圖像的像素坐標為標準,對準后的待檢圖像為f(m,n),則:其中,0≤m,m′≤M-1,0≤n,n′≤N-1,α為逆時針旋轉(zhuǎn)角度,Δm和Δn分別為行和列方向的偏移像素。對M行N列中的所有像素點,有f(m,n)=f′(m′,n′)。圖像對準的過程即為尋找α、Δm和Δn的過程。2.1n染色體由三部分組成,分別對應變換參數(shù)的Δm、Δn和α。采用二進制編碼,染色體的長度可根據(jù)運行中可能發(fā)生的最大變換范圍和對準精度要求而定,這里我們各取8位二進制數(shù),染色體長度為24位。2.2計算適應度值由每條染色體經(jīng)譯碼得到相應的變換參數(shù)Δx、Δy和α,計算f(m,n),以作為適應度值。其中S為采樣點集合。顯然Fit(α,Δm,Δn)越趨于零,該染色體的性能越優(yōu)異,代表的對準精度越高。2.3不同個體的生存期望值采用遺傳性能較好的期望值方法,即(1)根據(jù)每個個體的適應度值,計算群體中每個個體在下一代生存的期望數(shù)目。(2)隨機選擇一個個體,若其生存期望值小于零,重復(2)。(3)若某個個體被選中參與配對或交叉,則它在下一代中的生存期望值減去0.5;若不參與配對或交叉,直接被復制到下一代,則它在下一代中的生存期望值減去1。(4)轉(zhuǎn)(2),直到生成新的群體。2.4遺傳處理交叉算子采用單點交叉,變異算子也是采用基本變異算子。2.5計算子代的適應度(1)確定種規(guī)模,隨即生成初始種群。(2)計算每個個體的適應度值。(3)根據(jù)每個個體的適應度值,從種群中選擇個體進入下一子代。(4)以交叉概率和突變概率對子代中的個體進行遺傳操作。(5)計算子代中每個個體的適應度值。(6)如滿足結(jié)束條件退出;否則轉(zhuǎn)(3)。3采樣點邊緣提取抽樣點的選取質(zhì)量,直接關(guān)系到圖像對準的準確性。要能比較好地反映原圖像方位信息,像素點子集中像素的數(shù)量不能過少,分布要比較均勻。同時為了能精確對準,應使遺傳算法中適應度函數(shù)相對于對準偏差盡可能敏感,因此采樣選取點應處于圖像顏色變化比較劇烈的地方,而顏色變化劇烈的地方往往就是圖像邊緣。因此,我們首先對標準圖像進行邊緣提取,然后在得到的邊緣上均勻地取點,得到抽樣子集S。這里邊緣提取采用簡單的二介微分算子,即將標準圖像與圖2所示模板進行卷積運算,再將結(jié)果二值化,得到邊緣圖像。4算法2,有缺陷圖像的檢測對于無缺陷的合格印刷品圖像,理想情況下式(2)應為0?？紤]到實際印刷過程中色彩的偏差,設置一容限θ,如用遺傳算法得到的最優(yōu)對準參數(shù)的Fit(?,Δm,Δn)<θ,則義為合格,無需減影提取缺陷;否則提取缺陷圖像,過程如下:(1)建立與標準圖像同像素大小的空白圖像E(m,n)。(2)對待檢圖像中每一像素點f′(m′,n′),若abs(F(m,n)-f(m,n))<β,則該像素點印刷正確,不操作;否則E(m′,n′)=f′(m′,n′)。β為閾值,設置閾值的目的同樣是考慮到實際印刷過程中會出現(xiàn)能接受的色彩偏差。這樣,圖像E(m,n)即為檢測出的缺陷偏差圖像。5遺傳算法篩選對圖3標準圖像(344×408像素)和圖4所示待檢測圖像,采用上述算法進行檢測,根據(jù)圖像篇幅,自動選取了24個采樣點。再使用遺傳算法對準圖像,種群40,突變概率0.02,交叉概率0.4,計算10次,平均進化442代搜索到變換參數(shù)δm=0,Δn=0,α=0.157(實際搜索結(jié)果Δm和Δn有±1至±2像素的對準誤差,α的誤差范圍大約±0.008),再進行減影操作,檢測出印刷缺陷如圖6所示。運行結(jié)果表明,該方法能有效地從經(jīng)旋轉(zhuǎn)、平移后的待檢圖像中檢出缺陷圖像。6測結(jié)果特