一種基于面陣相機的印刷質量在線監(jiān)測方法
【專利摘要】本發(fā)明公開了一種基于面陣相機的印刷質量在線監(jiān)測方法，其包括以下工藝步驟，步驟1：通過面陣相機采集印刷品圖像；步驟2：用步驟1所采集到的圖像制作標準模板；步驟3：將步驟1所采集到的待測圖像與步驟2所制作的標準模板圖像進行配準，并通過對兩幅圖像進行比對，以判斷印刷質量是否有缺陷。本發(fā)明具有以下優(yōu)點：1、制作程序簡單，能適應小批量、多品種印刷的經(jīng)常換線的需求；2、檢測速度快，能滿足高速生產(chǎn)線的需求；3、基于面陣相機的檢測方法除了能檢測劃痕、異物等缺陷外，還能檢測印刷質量的顏色異常等缺陷，能全覆蓋印刷質量的缺陷；4、方法簡單，不需要對面陣相機進行校正，維護方便，能很好適應實際工程環(huán)境，具有較高可靠性。
【專利說明】
-種基于面陣相機的印刷質量在線監(jiān)測方法
技術領域
[0001] 本發(fā)明設及印刷監(jiān)測技術領域，尤其設及一種基于面陣相機的印刷質量在線監(jiān)測 方法。
【背景技術】
[0002] 目前，印刷行業(yè)面臨著所有種類的印刷物都必須滿足小批量、交貨快及更嚴格的 質量管理等要求。但是，越是追求質量管理，便越需要返工，運樣就會出現(xiàn)增加"生產(chǎn)時間" 和"人工費"而引起的生產(chǎn)效率大幅度降低的問題。為了解決上述問題，就很有必要研發(fā)一 種在線實時監(jiān)測印刷圖像質量的系統(tǒng)。運種印刷質量監(jiān)測系統(tǒng)集成先進的圖像檢測算法， 能在印刷機流水線生產(chǎn)過程中進行檢測，早期發(fā)現(xiàn)缺陷部分，幫助操作人員將印刷不良的 發(fā)生率抑制在最小限度內(nèi)。
[0003] 當前國內(nèi)外印刷品自動檢測技術現(xiàn)狀如下所述:印刷圖像質量自動檢測技術起步 于上個世紀八、九十年代。1990年，日本東京的Katsuy址i化nimizu進行了印刷工業(yè)自動質 量檢測研究，提了一種用于自動檢測印刷品表面缺陷的索引空間法（Index Space Me化od)，WX、Y表示各像素點的位置坐標，WZ軸表示像點灰度值，建立了空間坐標系，運樣 每一圖點都能在此坐標系中找到其相應的位置，通過比較坐標系中模板圖像和待檢圖像的 對位置的灰度值，確定待檢圖像中是否存在缺陷點，運種方法的圖像處理過程和檢測過程 相互獨立，能夠檢測較復雜的圖片。但其算法比較復雜，應用上有很多不便。
[0004] 1993年，法國的B.Mehenni也進行了本課題的研究工作，他提出了一種把n-化pe法 和逐像素比較法相結合的方法，運種方法具有速度快、參數(shù)輸出多等特點，但它要求?？诘?硬件設備，同時要通過示教才能完成自動質量檢測的任務。
[0005] 1998年，又陸續(xù)有學者把Gabor filter法引入到印刷品圖像質量檢測中，此種方 法可檢測出多種圖像缺陷，且有一定的自適應性，適用于對大數(shù)據(jù)系統(tǒng)的檢測，但Gabor方 法有一大缺陷，識別速度慢，因為它的良好識別性是建立在精確匹配基礎上的，運大大提高 了運算的復雜性，同時降低了它的實用性。
[0006] 2003年，英國?？巳卮髮W的J丄UO和Z. Zhang，基于圖像處理技術，提出了 一種彩 色印刷品檢測算法。該算法首先進行照明修正，然后給出色彩=維直方圖，進行特征提取， 最后利用神經(jīng)網(wǎng)絡進行圖像分類，識別合格圖像。然而，運種系統(tǒng)操作復雜，系統(tǒng)訓練的最 優(yōu)點不易把握，也很難實現(xiàn)在線實時監(jiān)測。

【發(fā)明內(nèi)容】

[0007] 本發(fā)明的目的在于針對現(xiàn)有技術的不足而提供一種基于面陣相機的印刷質量在 線監(jiān)測方法，該基于面陣相機的印刷質量在線監(jiān)測方法能夠有效地滿足現(xiàn)代印刷行業(yè)的小 批量、速度快、質量高的要求，且能在印刷品種多、檢測環(huán)境變化等實際工程環(huán)境下，實時準 確地檢測出劃痕、異物或顏色異常等印刷質量的缺陷。
[000引為達到上述目的，本發(fā)明通過W下技術方案來實現(xiàn)。
[0009] -種基于面陣相機的印刷質量在線監(jiān)測方法，包括有W下工藝步驟，具體為， 步驟1:通過面陣相機采集印刷品圖像； 步驟2:用步驟1所采集到的圖像制作標準模板； 步驟3:將步驟1所采集到的待測圖像與步驟2所制作的標準模板圖像進行配準，并通過 對兩幅圖像進行比對，W判斷印刷質量是否有缺陷。
[0010] 其中，所述步驟2包括有W下工藝步驟，具體為， 步驟21:面陣相機實時拍攝當前場景圖像，，判斷拍攝的當前場景中的圖像是否包含印 刷品前端的邊緣； 步驟22:如果該位置的圖片不包含印刷品前端的邊緣，則等到下一個印刷品的前端邊 緣，且同時判斷圖片的大部分是否是印刷品圖像部分； 步驟23:如果當前場景中圖像包含印刷品前端的邊緣，并且圖片的大部分是印刷品圖 像部分，則就用運個位置所拍攝到的圖片制作標準模板； 步驟24:如果當前場景中圖像包含印刷品前端的邊緣，但是圖片的大部分是印刷品背 景部分，則需要等到后面幾帖的圖片，檢測到圖片的大部分是印刷品圖像部分，就可W用該 位置的圖片來做標準模板。
[0011] 其中，于所述步驟21中，判斷圖片是否包含印刷品的前端邊緣的具體方法為： 先對圖像進行二值化處理，而后進行邊緣檢測，最后對邊緣檢測后的圖像進行直線捜 索，如果存在所允許方向的直線，則表示該圖片包含印刷品的前端邊緣，否則就表示該圖片 不包含印刷品的前端邊緣。
[0012] 其中，于所述步驟22、所述步驟23、所述步驟24中，判斷圖片中大部分是否是印刷 品部分的方法為： 圖片的印刷品背景部分一般和前景相差很大，而且背景部分色彩單一，則可W用背景 部分的顏色作為圖片二值化的參考顏色，先對圖像進行二值化處理，而后對圖像進行運動 方向上的投影，對投影方向上滿足條件的像素數(shù)目小于一定闊值的進行清零，最后計算圖 片投影最前端和圖片的前端邊緣距離，如果距離小于相機采樣帖時間間隔內(nèi)鐵皮在場景中 的移動距離，則表示圖片中大部分是印刷品部分，否則就表示圖片中大部分不是印刷品部 分。
[0013] 其中，所述步驟3包括有W下工藝步驟，具體為， 步驟31:分別提取標準模板圖像和待測圖像的特征點； 步驟32:分別計算標準模板特征點和待測圖像特征點的描述特征向量； 步驟33:匹配步驟32中的兩個描述特征向量； 步驟34:剔除步驟33中的誤差大的誤匹配點，用剩下的好匹配點生成一個仿射變換矩 陣，即標準模板圖像和待測圖像之間的轉換矩陣； 步驟35:用步驟34中的仿射變換矩陣校正標準模板圖像或待測圖像； 步驟36:對比校正過的標準模板圖像和待測圖像，根據(jù)其邊緣差異值是否超過設定的 闊值，判斷印刷質量是否存在劃痕或異物等缺陷； 步驟37:對比校正過的標準模板圖像和待測圖像，根據(jù)其顏色差異值是否超過設定的 闊值，判斷印刷質量是否存在顏色異常等缺陷。
[0014] 其中，所述步驟34具體做法為： 先計算匹配點之間的距離，剔除超過設定距離闊值的匹配點，而后在剩下的點中用隨 機抽樣一致算法剔除錯誤的匹配點，即誤匹配點，用最終留下的好匹配點來生成仿射變換 矩陣。
[0015] 其中，所述步驟36包括由W下工藝步驟，具體為， 步驟361:將標準模板圖像和待測圖像分別分成3個通道B、G、R的3幅圖像，標準模板圖 像的3幅圖像為81、61、31，待測圖像的3幅圖像為82、62、尺2; 步驟362:分別計算Bl和B2兩幅圖像的差值絕對值圖像B12、G1和G2兩幅圖像的差值絕 對值圖像Gl 2、R1和R2兩幅圖像的差值絕對值圖像Rl 2; 步驟363:對圖像B12，G12，R12進行二值化處理，處理后的圖像分別為B120、G120、R120; 步驟364:對圖像B120、G120、R120進行輪廓查找，并計算輪廓圍繞的面積，根據(jù)面積的 大小是否超過設定的闊值，W判斷印刷存在劃痕或異物缺陷。
[0016] 其中，所述步驟37包括有W下工藝步驟，具體為， 步驟371:將標準模板圖像和待測圖像分別分成3個通道B、G、R的3幅圖像，標準模板圖 像的3幅圖像為81、61、31，待測圖像的3幅圖像為82、62、尺2; 步驟372:分別將81、61、31、82、62、1?2從1?^顏色系統(tǒng)轉換到冊￥顏色系統(tǒng)，轉換后的圖 像分別為B化、G化、R化、B2h、G2h、R2h: 步驟373:分別計算圖像B化、G化、R化、B2h、G2h、R2h的HSV顏色系統(tǒng)中的色調（H)平均 值，分別為 H(bl)、H(gl)、H(rl)、H(b2)、H(g2)、H(r2); 步驟374:分別計算化(b)=H(b2)/ H(bl)、BL(g) = H(g2)/ H(gl)、BL(r) = H(r2)/ H (rl)，根據(jù)比例值是否超過設定的闊值，判斷印刷質量是否顏色異常。
[0017] 本發(fā)明的有益效果為：本發(fā)明所述的一種基于面陣相機的印刷質量在線監(jiān)測方 法，其包括W下工藝步驟，具體為，步驟1:通過面陣相機采集印刷品圖像;步驟2:用步驟1所 采集到的圖像制作標準模板;步驟3:將步驟1所采集到的待測圖像與步驟2所制作的標準模 板圖像進行配準，并通過對兩幅圖像進行比對，W判斷印刷質量是否有缺陷。通過上述工藝 步驟設計，本發(fā)明具有W下優(yōu)點：1、制作程序簡單，能適應小批量、多品種印刷的經(jīng)常換線 的需求;2、檢測速度快，能滿足高速生產(chǎn)線的需求;3、相對于線陣相機只檢測劃痕、異物等 缺陷，基于面陣相機的檢測方法除了能檢測劃痕、異物等缺陷外，還能檢測印刷質量的顏色 異常等缺陷，能全覆蓋印刷質量的缺陷;4、方法簡單，不需要對面陣相機進行校正，維護方 便，能很好地適應實際的工程環(huán)境，具有較高的可靠性;故而，本發(fā)明能夠有效地克服現(xiàn)有 技術在實際工程應用方面難W解決的困難，即可真正實現(xiàn)對印刷質量的在線監(jiān)測。
【附圖說明】
[0018] 下面利用附圖來對本發(fā)明進行進一步的說明，但是附圖中的實施例不構成對本發(fā) 明的任何限制。
[0019] 圖1為本發(fā)明的流程圖； 圖2為本發(fā)明的圖像配準和對比算法的流程圖。
【具體實施方式】
[0020] 下面結合具體的實施方式來對本發(fā)明進行說明。
[0021] 如圖I和圖2所示，一種基于面陣相機的印刷質量在線監(jiān)測方法，其包括有W下工 藝步驟，具體為， 步驟1:通過面陣相機采集印刷品圖像，其中，面陣相機采集印刷品圖像要注意W下幾 個方面，具體為， (1 )、面陣相機的相元尺寸、像素數(shù):相元尺寸要合理，相元太小，圖像就不夠清晰，相元 太大，成本就會提高；像素數(shù)要合理，像素數(shù)太小，就不能全部覆蓋待測的區(qū)域，像素數(shù)太 大，會拍照到無關的物體，就會增加成本和降低采集速度； (2) 、面陣相機的曝光時間t和光源的亮度:待測物體在流水線上移動速度合理設定面 陣相機的曝光時間保證相機拍的圖片清晰，沒有拖影； (3) 、面陣相機的帖率f:帖率f太小，就會跟不上生產(chǎn)線的速度，就會出現(xiàn)漏測的區(qū)域； 帖率f太大，就會采集太多重復的區(qū)域，就會給圖像處理的帶來過多的重復運算量； 步驟2:用步驟1所采集到的圖像制作標準模板； 步驟3:將步驟1所采集到的待測圖像與步驟2所制作的標準模板圖像進行配準，并通過 對兩幅圖像進行比對，W判斷印刷質量是否有缺陷。
[0022] 其中，步驟2進一步包括W下工藝步驟，具體為， 步驟21:面陣相機拍攝當前場景中圖像，判斷拍攝到的當前場景圖像是否包含印刷品 前端的邊緣，具體的，先對圖像進行二值化處理，而后進行邊緣檢測，最后對邊緣檢測后的 圖像進行直線捜索，如果存在所允許方向的直線，則表示該圖片包含印刷品的前端邊緣，否 則就表示該圖片不包含印刷品的前端邊緣;需進一步解釋，圖像中直線的檢測是用化U曲變 換，化U曲變換思想為:在原始圖像坐標系下的一個點對應了參數(shù)坐標系中的一條直線，同 樣參數(shù)坐標系的一條直線對應了原始坐標系下的一個點，然后，原始坐標系下呈現(xiàn)直線的 所有點，它們的斜率和截距是相同的，所W它們在參數(shù)坐標系下對應于同一個點，運樣在將 原始坐標系下的各個點投影到參數(shù)坐標系下之后，看參數(shù)坐標系下有沒有聚集點，運樣的 聚集點就對應了原始坐標系下的直線;在實際應用中，
杉式的直線方程沒有 辦法表示龍=杉形式的直線(運時候，直線的斜率為無窮大），所W實際應用中，是采用參數(shù) 方程
;運樣，圖像平面上的一個點就對應到參數(shù)衣一巧平 面上的一條曲線上，其它的還是一樣。
[0023] 步驟22:如果拍攝到的當前場景中圖像不包含印刷品前端的邊緣，則重復步驟21 直至等到下一個印刷品的前端邊緣，且同時判斷圖片的大部分是否是印刷品圖像部分； 步驟23:如果拍攝到的當前場景中圖像包含印刷品前端的邊緣，并且圖片的大部分是 印刷品圖像部分，將當前場景圖像制作標準模板； 步驟24:如果拍攝到的當前場景中圖像包含印刷品前端的邊緣，但是圖片的大部分是 印刷品背景部分，則需要等到后面幾帖的圖片，檢測到圖片的大部分是印刷品圖像部分，就 可W用該片來做標準模板。
[0024] 需進一步指出，于步驟22、步驟23、步驟24中，判斷圖片中大部分是否是印刷品部 分的方法為： 圖片的印刷品背景部分一般和前景相差很大，而且背景部分色彩單一，則可W用背景 部分的顏色作為圖片二值化的參考顏色，先對圖像進行二值化處理，而后對圖像進行運動 方向上的投影，對投影方向上滿足條件的像素數(shù)目小于一定闊值的進行清零，最后計算圖 片投影最前端和圖片的前端邊緣距離，如果距離小于相機采樣帖時間間隔內(nèi)鐵皮在場景中 的移動距離，則表示圖片中大部分是印刷品部分，否則就表示圖片中大部分不是印刷品部 分。
[0025] 需進一步指出，步驟3進一步包括W下工藝步驟，具體為， 步驟31:分別提取標準模板圖像和待測圖像的特征點； 步驟32:分別計算標準模板特征點和待測圖像特征點的描述特征向量； 步驟33:匹配步驟32中的兩個描述特征向量； 步驟34:剔除步驟33中的誤差大的誤匹配點，用剩下的好匹配點生成一個仿射變換矩 陣，即標準模板圖像和待測圖像之間的轉換矩陣； 步驟35:用步驟34中的仿射變換矩陣校正標準模板圖像或待測圖像； 步驟36:對比校正過的標準模板圖像和待測圖像，根據(jù)其邊緣差異值是否超過設定的 闊值，判斷印刷質量是否存在劃痕或異物等缺陷； 步驟37:對比校正過的標準模板圖像和待測圖像，根據(jù)其顏色差異值是否超過設定的 闊值，判斷印刷質量是否存在顏色異常等缺陷。
[0026] 其中，在步驟31和步驟32中，標準模板圖像和待測圖像的特征點檢測及計算其描 述特征向量都是用SURF算法來實現(xiàn)的。洲RF算法的全稱是Speed-up robust feaUires(加 速健壯特征），是SIFlXScale-invariant fea1:ure transformation,尺度不變特征變換）算 法的加速版。SURF檢測圖像的特征點包括S個步驟:積分圖的建立，箱式濾波器建立圖像的 尺度空間，然后在建立的尺度空間上對特征點進行定位;洲RF檢測圖像的特征點的核屯、是 化SSian矩陣，定義如下:對于空間的任意一點（?騎，對應尺度空間中的尺度為:狂，其表達 式為：
是圖像上的點分別與高斯二階偏導I
、
積的結果，其中g為高斯函數(shù)。為了減少計算量，此處又做了一個近似， 采用箱式濾波模板與原始輸入圖像的卷積記為每1、％來分別代替兵^仁^^4、 y. .
_ 的初始箱式濾波器與O等于1.2的二階高斯偏導近似，Hessian 矩陣的行列式計貸可Pi巧似親示為：
其中，權重系數(shù)化約為0.9。
[0027] 另外，SURF計算描述特征向量分為兩個步驟，首先求取特征點的主方向，運樣可W 保證算法的旋轉不變性，然后將特征點的領域旋轉到主方向，對特征點進行描述。
[0028] 對于步驟33而言，進行描述子向量匹配的是FLMN匹配器，F(xiàn)LMN全稱是快速最近 鄰逼近捜索函數(shù)庫（Fast Approximate Nearest 化iglibor Search Library) ;FLANN方法 基于K均值樹或KD-TR邸捜索操作所實現(xiàn)的，可W根據(jù)數(shù)據(jù)集的分布特點、對映射精度和空 間資源消耗的要求來推薦索引類型和檢索參數(shù)，在高維空間最近鄰查找不受局部敏感哈希 影響;FLMN算法模型的特征空間一般是n維實數(shù)向量空間直a,核屯、在于使用歐式距離找 到實例點的鄰居。特征點P和q的特征分向量可記為毎和％，則馬f化的歐氏距離可 W表示為式：
；通過KD-TR邸將數(shù)據(jù)點在n維空間度a:劃分為特定 的幾個部分，其目的是檢索在KD-TRffi中與查詢點距離最近的歐氏距離；向量空間如中所有 歐氏距離江扣，，的通過KD-TREE結構存儲后，便可W有效捜索與參考點距離最鄰近的點;整 個捜索過程是KD-TREE由上至下的遞歸過程。首先W某一特定維數(shù)為基準將目標點和分 害d點的值進行比較，判別目標點是在左區(qū)域還是右區(qū)域;然后循環(huán)和對應節(jié)點進行比較，直 到目標捜索成功為止。
[0029] 進一步的，步驟34的具體做法分下面兩步進行:先計算匹配點之間的距離(例如歐 式距離等），剔除超過設定距離闊值的匹配點；然后在剩下的點中，用隨機抽樣一致算法 (random sample consensus,RANSAC)剔除錯誤的匹配點，用最終留下的好匹配點來生成仿 射變換矩陣。其中，RANSAC基本思想描述如下： (1) 、考慮一個最小抽樣集的勢為n的模型(n為初始化模型參數(shù)所需的最小樣本數(shù))和 一個樣本集P，集合P的樣本數(shù)#(P)〉n，從P中隨機抽取包含n個樣本的P的子集S初始化模型 M； (2) 、余集SC=P\S中與模型M的誤差小于某一設定闊值t的樣本集W及S構成S*，S*認為 是內(nèi)點集，它們構成S的一致集(Consensus Set); (3) 、若#(S*)>N，認為得到正確的模型參數(shù)，并利用集S*(內(nèi)點inliers)采用最小二乘 等方法重新計算新的模型M*;重新隨機抽取新的S，重復W上過程； (4) 、在完成一定的抽樣次數(shù)后，若未找到一致集則算法失敗，否則選取抽樣后得到的 最大一致集判斷內(nèi)外點，算法結束。
[0030] 對于步驟36而言，其進一步包括W下工藝步驟，具體為， 步驟361:將標準模板圖像和待測圖像分別分成3個通道B、G、R的3幅圖像，標準模板圖 像的3幅圖像為B1、G1、R1，待測圖像的3幅圖像為B 2、G 2、R 2。
[0031] 步驟362:分別計算Bl和B2兩幅圖像的差值絕對值圖像B12、Gl和G2兩幅圖像的差 值絕對值圖像G12、Rl和R2兩幅圖像的差值絕對值圖像Rl 2;設B1、B2、Gl、G2、Rl、R2、B12、
步驟363:對圖像B12，G12，R12進行二值化處理，處理后的圖像分別為B120、G120、R120; 步驟364:對圖像B120、G120、Rl 20進行輪廓查找，并計算輪廓圍繞的面積，根據(jù)面積的 大小是否超過設定的闊值，W判斷印刷存在劃痕或異物缺陷。
[0032] 對于步驟37而言，其進一步包括有W下工藝步驟，具體為， 步驟371:將標準模板圖像和待測圖像分別分成3個通道B、G、R的3幅圖像，標準模板圖 像的3幅圖像為81、61、31，待測圖像的3幅圖像為82、62、尺2; 步驟372:分別將81、61、31、82、62、1?2從1?^顏色系統(tǒng)轉換到冊￥顏色系統(tǒng)，轉換后的圖 像分別為B化、G化、R化、B2h、G2h、R2h: 步驟373:分別計算圖像B化、G化、R化、B2h、G2h、R2h的HSV顏色系統(tǒng)中的色調（H)平均 值，分別為 H(bl)、H(gl)、H(rl)、H(b2)、H(g2)、H(r2); 步驟374:分別計算化(b)=H(b2)/ H(bl)、BL(g) = H(g2)/ H(gl)、BL(r) = H(r2)/ H (rl)，根據(jù)比例值是否超過設定的闊值，判斷印刷質量是否顏色異常。
[0033] 綜合上述情況可知，通過上述工藝步驟設計，本發(fā)明具有W下優(yōu)點，具體為：1、審。 作程序簡單，能適應小批量、多品種印刷的經(jīng)常換線的需求;2、檢測速度快，能滿足高速生 產(chǎn)線的需求;3、相對于線陣相機只檢測劃痕、異物等缺陷，基于面陣相機的檢測方法除了能 檢測劃痕、異物等缺陷外，還能檢測印刷質量的顏色異常等缺陷，能全覆蓋印刷質量的缺 陷;4、方法簡單，不需要對面陣相機進行校正，維護方便，能很好地適應實際的工程環(huán)境，具 有較高的可靠性;故而，本發(fā)明能夠有效地克服現(xiàn)有技術在實際工程應用方面難W解決的 困難，即可真正實現(xiàn)對印刷質量的在線監(jiān)測。
[0034] 另外，本發(fā)明針對印刷行業(yè)對印刷質量在線實時監(jiān)測的需要，利用計算機視覺技 術，實現(xiàn)了對印刷質量的在線實時監(jiān)測，具有維護操作簡便、速度快、可靠性強等優(yōu)點，特別 是系統(tǒng)維護簡便，不需要相機標定等復雜操作，自動制作程序的標準模板，實現(xiàn)印刷質量的 在線監(jiān)測，克服了 W往技術方法都難W克服的難點，也消除了實現(xiàn)真正工程應用的主要障 礙。
[0035] 再者，本發(fā)明使用計算機視覺理論中的圖像配準和比對技術，實現(xiàn)了對印刷質量 的實時監(jiān)測，最終為基于面陣相機的在線監(jiān)測系統(tǒng)提供了可靠的關鍵技術。
[0036] W上內(nèi)容僅為本發(fā)明的較佳實施例，對于本領域的普通技術人員，依據(jù)本發(fā)明的 思想，在【具體實施方式】及應用范圍上均會有改變之處，本說明書內(nèi)容不應理解為對本發(fā)明 的限制。
【主權項】
1. 一種基于面陣相機的印刷質量在線監(jiān)測方法，其特征在于，包括有以下工藝步驟，具 體為， 步驟1:通過面陣相機采集印刷品圖像； 步驟2:用步驟1所采集到的圖像制作標準模板； 步驟3:將步驟1所采集到的待測圖像與步驟2所制作的標準模板圖像進行配準，并通過 對兩幅圖像進行比對，以判斷印刷質量是否有缺陷。2. 根據(jù)權利要求1所述的一種基于面陣相機的印刷質量在線監(jiān)測方法，其特征在于，所 述步驟2包括有以下工藝步驟，具體為， 步驟21:面陣相機實時拍攝當前場景圖像，判斷拍攝的當前場景圖像是否包含印刷品 前端的邊緣； 步驟22:如果當前場景中圖像不包含印刷品前端的邊緣，則重讀步驟21直至等到下一 個印刷品的前端邊緣，且同時判斷圖片的大部分是否是印刷品圖像部分； 步驟23:如果當前場景中拍攝到的圖像包含印刷品前端的邊緣，并且圖片的大部分是 印刷品圖像部分，則就用這個位置所拍攝到的圖片制作標準模板； 步驟24:如果當前場景中圖像包含印刷品前端的邊緣，但是圖片的大部分是印刷品背 景部分，則需要等到后面幾幀的圖片，檢測到圖片的大部分是印刷品圖像部分，就可以用該 位置的圖片來做標準模板。3. 根據(jù)權利要求2所述的一種基于面陣相機的印刷質量在線監(jiān)測方法，其特征在于，于 所述步驟21中，判斷圖片是否包含印刷品的前端邊緣的具體方法為： 先對圖像進行二值化處理，而后進行邊緣檢測，最后對邊緣檢測后的圖像進行直線搜 索，如果存在所允許方向的直線，則表示該圖片包含印刷品的前端邊緣，否則就表示該圖片 不包含印刷品的前端邊緣。4. 根據(jù)權利要求2所述的一種基于面陣相機的印刷質量在線監(jiān)測方法，其特征在于，于 所述步驟22、所述步驟23、所述步驟24中，判斷圖片中大部分是否是印刷品部分的方法為： 圖片的印刷品背景部分一般和前景相差很大，而且背景部分色彩單一，則可以用背景 部分的顏色作為圖片二值化的參考顏色，先對圖像進行二值化處理，而后對圖像進行運動 方向上的投影，對投影方向上滿足條件的像素數(shù)目小于一定閾值的進行清零，最后計算圖 片投影最前端和圖片的前端邊緣距離，如果距離小于相機采樣幀時間間隔內(nèi)鐵皮在場景中 的移動距離，則表示圖片中大部分是印刷品部分，否則就表示圖片中大部分不是印刷品部 分。5. 根據(jù)權利要求1所述的一種基于面陣相機的印刷質量在線監(jiān)測方法，其特征在于，所 述步驟3包括有以下工藝步驟，具體為， 步驟31:分別提取標準模板圖像和待測圖像的特征點； 步驟32:分別計算標準模板特征點和待測圖像特征點的描述特征向量； 步驟33:匹配步驟32中的兩個描述特征向量； 步驟34:剔除步驟33中的誤差大的誤匹配點，用剩下的好匹配點生成一個仿射變換矩 陣，即標準模板圖像和待測圖像之間的轉換矩陣； 步驟35:用步驟34中的仿射變換矩陣校正標準模板圖像或待測圖像； 步驟36:對比校正過的標準模板圖像和待測圖像，根據(jù)其邊緣差異值是否超過設定的 閾值，判斷印刷質量是否存在劃痕或異物等缺陷； 步驟37:對比校正過的標準模板圖像和待測圖像，根據(jù)其顏色差異值是否超過設定的 閾值，判斷印刷質量是否存在顏色異常等缺陷。6. 根據(jù)權利要求5所述的一種基于面陣相機的印刷質量在線監(jiān)測方法，其特征在于，所 述步驟34具體做法為： 先計算匹配點之間的距離，剔除超過設定距離閾值的匹配點，而后在剩下的點中用隨 機抽樣一致算法剔除錯誤的匹配點，即誤匹配點，用最終留下的好匹配點來生成仿射變換 矩陣。7. 根據(jù)權利要求5所述的一種基于面陣相機的印刷質量在線監(jiān)測方法，其特征在于，所 述步驟36包括由以下工藝步驟，具體為， 步驟361:將標準模板圖像和待測圖像分別分成3個通道B、G、R的3幅圖像，標準模板圖 像的3幅圖像為BI、GI、R1，待測圖像的3幅圖像為B 2、G 2、R 2; 步驟362:分別計算Bl和B2兩幅圖像的差值絕對值圖像B12、G1和G2兩幅圖像的差值絕 對值圖像G12、Rl和R2兩幅圖像的差值絕對值圖像Rl 2; 步驟363:對圖像B12，G12，R12進行二值化處理，處理后的圖像分別為B120、G120、R120; 步驟364:對圖像B120、G120、R120進行輪廓查找，并計算輪廓圍繞的面積，根據(jù)面積的 大小是否超過設定的閾值，以判斷印刷存在劃痕或異物缺陷。8. 根據(jù)權利要求5所述的一種基于面陣相機的印刷質量在線監(jiān)測方法，其特征在于，所 述步驟37包括有以下工藝步驟，具體為， 步驟371:將標準模板圖像和待測圖像分別分成3個通道B、G、R的3幅圖像，標準模板圖 像的3幅圖像為BI、GI、R1，待測圖像的3幅圖像為B 2、G 2、R 2; 步驟372:分別將價、61、1?1、82、62、1?2從1?^顏色系統(tǒng)轉換到!^￥顏色系統(tǒng)，轉換后的圖 像分別為 Blh、Glh、Rlh、B2h、G2h、R2h: 步驟373:分別計算圖像8111、6111、1?111、8211、6211、1?211的!《￥顏色系統(tǒng)中的色調（!〇平均 值，分別為 H(bl)、H(gl)、H(rl)、H(b2)、H(g2)、H(r2); 步驟374:分別計算BL(b)=H(b2)/ H(bl)、BL(g) = H(g2)/ H(gl)、BL(r) = H(r2)/ H (rl)，根據(jù)比例值是否超過設定的閾值，判斷印刷質量是否顏色異常。
【文檔編號】G06T7/00GK105957082SQ201610284385
【公開日】2016年9月21日
【申請日】2016年5月4日
【發(fā)明人】孔慶杰, 孫旭光, 易群生
【申請人】廣東銳視智能檢測有限公司