一類迅速印制圖片解決計算
發布時間：2024-03-01 點擊：94
隨著凹印技術的發展，印刷速度越來越高，印刷對象發生了深刻變化，印刷圖案越來越復雜，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。傳統的人工檢測已經很難滿足現代印刷的速度和準確性的需要。隨著計算機技術的發展，出現了一些基于機器視覺的質量檢測設備。由于受圖像處理龐大的數據量和硬件速度這一矛盾的制約，常用的機器視覺設備很難滿足高速印品質量檢測的實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理和成像質量，提出了一種基于輪廓的快速圖像配準方法和基于圖像差分方法與數學形態學的圖像匹配算法。
實驗的對象是瑞士博斯特650型印刷生產線，最高印刷速度250 m /min.為保證相機的采集速度與印刷速度和檢測精度匹配，減少運動模糊，采用了高速彩色線陣ccd相機和超強直流光源構成采集系統。該系統能將相機的曝光時間控制在微秒級，從而保證運動模糊在1像素以內。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算法圖像配準的目的是建立兩個圖像的幾何相關性。其考慮的參數主要有平移參數、旋轉參數、尺度參數和灰度幅度參數。用f （ x， y）和g （ x， y）表示待配準圖像，則配準過程可以描述為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；θ是旋轉角度參數。由于圖像只有極微小的旋轉位移和尺度變化，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.
配準就是要求出待測圖像相對標準圖像的坐標變換值（δx，δy）。設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行配準。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位置具有一致性，只需對其中一個進行配準操作。本文選擇對g通道圖像進行處理。
1基于灰度形態學的輪廓提取（1）灰度形態學灰度形態學采用最大及最小極值運算分別代替了二值形態學中所用到的交、并運算，將圖像的函數空間從二維平面推廣到三維空間，函數的值域從。其基本運算包括膨脹（d ilation）、腐蝕（ erosion）、開（open）、閉（close）等。
設f （ x， y）是輸入圖像函數， b（ s， t）是結構元素， d f、d b分別為f （ x， y）、b （ s， t）的定義域。若用表示膨脹運算，則用b（ s， t）對函數f （ x， y）進行灰度膨脹操作，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表示灰度腐蝕運算，則用b （ s， t）對函數f （ x， y）進行灰度腐蝕操作，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）基于灰度形態學的輪廓提取輪廓提取是利用圖像灰度值局部不連續性和鄰域相似性，通過求取圖像局部梯度實現的。常用的算子，如sobel算子、prewitt算子、canny算子等，計算復雜度大且抗噪聲能力差；而形態學處理具有良好的并行計算和抗噪聲能力。因此，本文用灰度形態學的方法提取印刷圖像的輪廓。形態學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，容易產生輪廓錯位和合并，導致檢測不準確。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又稱做形態學梯度，對噪聲敏感且提取的輪廓較粗，而且要進行膨脹和腐蝕操作各一次，因而計算復雜度大。在用輪廓進行配準定位時，輪廓越細膩和完整，配準越精確。綜合考慮以上因素，為了保證高灰度值輪廓點的準確提取，選擇方法 ②對圖像進行處理。從標準圖像和待測圖像的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域快速圖像配準算法如果對原始圖像直接進行配準運算，計算復雜度大。為了減少計算復雜度，本文提出了基于輪廓的自搜索小區域快速圖像配準算法。其方法為：首先利用標準圖像二值輪廓圖像快速定位一個合適的m×n的配準區域（本文取256×256的區域） ；然后對配準區域的灰度輪廓點進行最大相關法配準。
（1）配準區域的快速定位由于配準區域遠小于實際圖像，如果對不同的印刷品都以同一固定位置取配準區域，則可能出現該區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，需要搜索圖像以尋找較佳的配準區域。由于同一印刷過程中，相機總是對重復場景采樣，配準區域搜索只需在檢測開始時進行，后續檢測可沿用相同區域。如果印刷內容改變需重新搜索。
為判斷所取區域輪廓點和輪廓特征是否充分，本文提出以平均輪廓點比率或平均灰度值作為衡量值。輪廓點是指二值圖像中高灰度值的像素。設二值輪廓圖像的大小為m×n，以左上角為原點， f （ i， j）表示（ i， j）點的灰度值， s和s分別表示圖像中輪廓點數和總像素數，則s =m×n.二值圖像的輪廓點比率和平均灰度值定義如下：平均輪廓點比率 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所取區域的平均輪廓點比率和平均灰度值用 η′和 λ′表示，如果滿足 η′≥η或 λ′≥λ，則該區域可作為配準區域。
搜索配準區域的方法為：在二值輪廓圖像中，從原點開始取掩模區域，以 δ為橫向步長移動區域；行搜索完后，再以 δy為縱向步長轉入下一行搜索，計算每個區域的平均輪廓點比率或平均灰度值；如果滿足條件1則退出搜索，該區域即為配準區域，其左上角坐標為（ x o， y o）。步長 δx和 δy一般取掩模寬度的一半，本文中配準模板大小取256×256，δx =δy = 128.從灰度輪廓圖像取配準區域圖像作為配準圖像模板，記為t（ x， y） ；在配準灰度輪廓圖像中以（ x o + p x， y o + p y）為起點取大小為（256 + q x - p x） （256 + q y - p y）的圖像作為待配準圖像，記為b（ x， y）。對t（ x， y）和b（ x， y）進行配準獲得的偏差（δx，δy）與標準圖像和待測圖像的偏差是一致的。由于本文使用互相關的方法進行配準，在接近圖像邊緣時，互相關系數的計算可能失去準確性而出現誤配準，應避免使用圖像邊緣作為配準區域。
（2）相關性配準操作對灰度輪廓圖像采用相關系數法配準結果可靠，抗干擾能力強，但計算復雜度大。在基于輪廓特征的配準方法中，配準主要利用輪廓特征，非輪廓點對配準的貢獻不大，而且過多的非輪廓點還會帶來干擾因素，影響配準精度。在輪廓圖像中，輪廓點只是極小的部分，因此在計算相關性系數時忽略t （ x，y）中的非輪廓點能極大地降低計算規模。輪廓點是指前文中二值輪廓圖像輪廓點的對應點。
« 1 2 »
深圳地鐵的這組母親節文案，讓每個游子心情復雜
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
減少污染的噴墨打印機墨盒再制造技術
低碳環保，北京印刷企業踐行四個戰略
3Q大戰終審判決結果出爐 奇虎360賠償騰訊500萬
國內包裝機械品種需多樣化
優化及自定義Photoshop預置選項（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理和成像質量，提出了一種基于輪廓的快速圖像配準方法和基于圖像差分方法與數學形態學的圖像匹配算法。
實驗的對象是瑞士博斯特650型印刷生產線，最高印刷速度250 m /min.為保證相機的采集速度與印刷速度和檢測精度匹配，減少運動模糊，采用了高速彩色線陣ccd相機和超強直流光源構成采集系統。該系統能將相機的曝光時間控制在微秒級，從而保證運動模糊在1像素以內。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算法圖像配準的目的是建立兩個圖像的幾何相關性。其考慮的參數主要有平移參數、旋轉參數、尺度參數和灰度幅度參數。用f （ x， y）和g （ x， y）表示待配準圖像，則配準過程可以描述為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；θ是旋轉角度參數。由于圖像只有極微小的旋轉位移和尺度變化，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.
配準就是要求出待測圖像相對標準圖像的坐標變換值（δx，δy）。設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行配準。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位置具有一致性，只需對其中一個進行配準操作。本文選擇對g通道圖像進行處理。
1基于灰度形態學的輪廓提取（1）灰度形態學灰度形態學采用最大及最小極值運算分別代替了二值形態學中所用到的交、并運算，將圖像的函數空間從二維平面推廣到三維空間，函數的值域從。其基本運算包括膨脹（d ilation）、腐蝕（ erosion）、開（open）、閉（close）等。
設f （ x， y）是輸入圖像函數， b（ s， t）是結構元素， d f、d b分別為f （ x， y）、b （ s， t）的定義域。若用表示膨脹運算，則用b（ s， t）對函數f （ x， y）進行灰度膨脹操作，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表示灰度腐蝕運算，則用b （ s， t）對函數f （ x， y）進行灰度腐蝕操作，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）基于灰度形態學的輪廓提取輪廓提取是利用圖像灰度值局部不連續性和鄰域相似性，通過求取圖像局部梯度實現的。常用的算子，如sobel算子、prewitt算子、canny算子等，計算復雜度大且抗噪聲能力差；而形態學處理具有良好的并行計算和抗噪聲能力。因此，本文用灰度形態學的方法提取印刷圖像的輪廓。形態學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，容易產生輪廓錯位和合并，導致檢測不準確。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又稱做形態學梯度，對噪聲敏感且提取的輪廓較粗，而且要進行膨脹和腐蝕操作各一次，因而計算復雜度大。在用輪廓進行配準定位時，輪廓越細膩和完整，配準越精確。綜合考慮以上因素，為了保證高灰度值輪廓點的準確提取，選擇方法 ②對圖像進行處理。從標準圖像和待測圖像的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域快速圖像配準算法如果對原始圖像直接進行配準運算，計算復雜度大。為了減少計算復雜度，本文提出了基于輪廓的自搜索小區域快速圖像配準算法。其方法為：首先利用標準圖像二值輪廓圖像快速定位一個合適的m×n的配準區域（本文取256×256的區域） ；然后對配準區域的灰度輪廓點進行最大相關法配準。
（1）配準區域的快速定位由于配準區域遠小于實際圖像，如果對不同的印刷品都以同一固定位置取配準區域，則可能出現該區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，需要搜索圖像以尋找較佳的配準區域。由于同一印刷過程中，相機總是對重復場景采樣，配準區域搜索只需在檢測開始時進行，后續檢測可沿用相同區域。如果印刷內容改變需重新搜索。
為判斷所取區域輪廓點和輪廓特征是否充分，本文提出以平均輪廓點比率或平均灰度值作為衡量值。輪廓點是指二值圖像中高灰度值的像素。設二值輪廓圖像的大小為m×n，以左上角為原點， f （ i， j）表示（ i， j）點的灰度值， s和s分別表示圖像中輪廓點數和總像素數，則s =m×n.二值圖像的輪廓點比率和平均灰度值定義如下：平均輪廓點比率 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所取區域的平均輪廓點比率和平均灰度值用 η′和 λ′表示，如果滿足 η′≥η或 λ′≥λ，則該區域可作為配準區域。
搜索配準區域的方法為：在二值輪廓圖像中，從原點開始取掩模區域，以 δ為橫向步長移動區域；行搜索完后，再以 δy為縱向步長轉入下一行搜索，計算每個區域的平均輪廓點比率或平均灰度值；如果滿足條件1則退出搜索，該區域即為配準區域，其左上角坐標為（ x o， y o）。步長 δx和 δy一般取掩模寬度的一半，本文中配準模板大小取256×256，δx =δy = 128.從灰度輪廓圖像取配準區域圖像作為配準圖像模板，記為t（ x， y） ；在配準灰度輪廓圖像中以（ x o + p x， y o + p y）為起點取大小為（256 + q x - p x） （256 + q y - p y）的圖像作為待配準圖像，記為b（ x， y）。對t（ x， y）和b（ x， y）進行配準獲得的偏差（δx，δy）與標準圖像和待測圖像的偏差是一致的。由于本文使用互相關的方法進行配準，在接近圖像邊緣時，互相關系數的計算可能失去準確性而出現誤配準，應避免使用圖像邊緣作為配準區域。
（2）相關性配準操作對灰度輪廓圖像采用相關系數法配準結果可靠，抗干擾能力強，但計算復雜度大。在基于輪廓特征的配準方法中，配準主要利用輪廓特征，非輪廓點對配準的貢獻不大，而且過多的非輪廓點還會帶來干擾因素，影響配準精度。在輪廓圖像中，輪廓點只是極小的部分，因此在計算相關性系數時忽略t （ x，y）中的非輪廓點能極大地降低計算規模。輪廓點是指前文中二值輪廓圖像輪廓點的對應點。
« 1 2 »
深圳地鐵的這組母親節文案，讓每個游子心情復雜
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
減少污染的噴墨打印機墨盒再制造技術
低碳環保，北京印刷企業踐行四個戰略
3Q大戰終審判決結果出爐 奇虎360賠償騰訊500萬
國內包裝機械品種需多樣化
優化及自定義Photoshop預置選項（一）
下一篇：快印行業中一些常見的印刷術語