CN103454282A - 一种基于图像灰度梯度的印刷品墨斑测量方法 - Google Patents

Abstract

本发明公开了一种基于图像灰度梯度的印刷品墨斑测量方法，该方法按照以下步骤进行印刷品墨斑的测量，通过扫描仪进行印刷墨斑的图像采集，按照测量区域的尺寸进行图像分析取样，利用不同的小波基进行多级小波分解图像，将图像分解为高频部分和低频部分，保留图像主体成分，并除去高频噪声部分；采用离散小波逆变换对墨斑图像进行还原，得到印刷墨斑平滑图像，并计算平滑墨斑图像的灰度梯度整体和局部的变化，即墨斑大小的程度。本发明基于图像灰度梯度的印刷品墨斑测量方法，方法简单，方便、精度高，很好解决了印刷品墨斑难测量及评价的问题。

Description

一种基于图像灰度梯度的印刷品墨斑测量方法

技术领域

本发明属于印刷品质量检测技术领域，涉及一种印刷品墨斑测量的方法，具体涉及一种基于图像灰度梯度的印刷品墨斑测量方法。

背景技术

所谓印刷墨斑，在印刷品的实际生产中，主要是在实地区域或者等阶调区域，由于油墨分布不均匀而形成的色彩不正常，深浅不一致的斑点和条纹。目前为止，针对墨斑的计算和测量，并没有一个统一，规范的计算方法。但是印刷墨斑作为印刷质量中的常见问题，一直备受印刷企业所关注。

目前对印刷墨斑的测量方法主要有ISO印刷墨斑测量法，比参数墨斑算法和人工视觉判断法。但这些方法对印刷墨斑进行分析及评价，仍然存在着相关的不足：ISO印刷墨斑法仅是从几何计算的方法对墨斑进行简单计算，且算法比较粗造，精度比较差；比参数墨斑测量法通过测量亮斑和暗斑的周长及其密度对比来表达印刷墨斑的程度，但是此方法由于未考虑噪音的影响及在50%的阈值处周长与人眼视觉评价时的不均匀性差，使得与人眼的相关性差，同时也降低了墨斑测量的精度；而人眼视觉判断法，是靠人工去逐一观察，十分费时，费力，而且因人的视觉差异，判断结果不太准确。

发明内容

本发明的目的是提供一种基于图像灰度梯度的印刷品墨斑测量方法，解决了现有测量方法精度低，计算方法粗糙，效率低的问题，该方法在描述墨斑图像中墨斑信息的微量变化同时，也体现存在墨斑信息在图像整体灰度的变化，较全面的反应了图像中墨斑信息，精确的评价了印刷品墨斑的程度。

本发明所采用的技术方案是，一种基于图像灰度梯度的印刷品墨斑测量方法，具体按照以下步骤实施：

步骤1：用扫描仪采集印刷图像；

步骤2：选择印刷图像上需要测量的部位，并将图像转化为灰度图像，即为印刷墨斑图像；

步骤3：对步骤2得到的印刷墨斑图像，采用小波分解技术，用不同的小波基在不同级数的条件下进行分解，将印刷墨斑图像分解成高频图像和低频图像两部分，去除高频噪声，并保留低频图像；

步骤4：对步骤3得到的去除噪声后的图像通过二维离散平稳小波逆变换，进行图像重构，得到印刷墨斑的平滑墨斑图像；

步骤5：根据步骤4得到的平滑墨斑图像，并基于任一像素点的灰度值及其相邻像素点的灰度值，利用梯度差分计算方法，计算该点的灰度梯度G[I(x,y)]：

$G\left[I(x,y)\right]={\{{[I(x,y)-I(x+1,y+1)]}^2+{[I(x+1,y)-I(x,y+1)]}^2\}}^{\frac{1}{2}},$

其中：（x，y）为平滑图像的纵横坐标，I（x，y）为平滑图像像素的灰度值，I（x+1，y）I（x，y+1）I（x+1，y+1）为其相邻点的灰度值，G[I(x,y)]为此点灰度梯度；

步骤6：按照步骤5中的方法，计算步骤4中得到的平滑图像所有点的灰度梯度，并计算墨斑平滑图像灰度梯度的平均值

$\stackrel{\→}{G}=\frac{1}{M\·N}\underset{x=0}{\overset{M-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{N-1}{\mathrm{\Σ}}}G\left[I(x,y)\right],$

其中，M,N为离散图像矩阵的大小；

步骤7：计算步骤6中，墨斑平滑图像灰度梯度的标准差：

${\mathrm{\σ}}_{\stackrel{\‾}{G}}=\sqrt{\frac{1}{M\·N}\underset{x=0}{\overset{M-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{N-1}{\mathrm{\Σ}}}{\left[G\right[I(x,y)]-\stackrel{\‾}{G}]}^2},$

步骤8：根据平均灰度梯度及标准差，得墨斑大小计算公式PM：

$\mathrm{PM}=\frac{1}{M\·N}\underset{x=0}{\overset{M-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{N-1}{\mathrm{\Σ}}}G\left[I(x,y)\right]\·\sqrt{\frac{1}{M\·N}\underset{x=0}{\overset{M-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{N-1}{\mathrm{\Σ}}}{\left[G\right[I(x,y)]-\stackrel{\‾}{G}]}^2},$

通过上述墨斑计算公式，计算出测量区域印刷品墨斑大小，将测量区域印刷品墨斑大小与测量区域的标准图像的参考值比较，如果测量区域印刷品墨斑值比测量区域的标准图像的参考值大，则说明有墨斑，并视为不合格印刷品，反之，则视为合格印刷品。

本发明的特点还在于，

其中的步骤3中采用不同的小波基进行不同级数的分解，具体按照以下步骤实施：分解级数J选为1到4级，小波基函数选为HAAR，SYM4，SYM5，BIOR3.7，DB1，DB3，DB4，DB5，首先选定特定的分解级数和小波基函数，利用Matlab软件小波工具箱中的二维离散平稳小波函数Swt2进行分解，分解完后，得到印刷墨斑图像的高频部分和低频部分，然后利用Size函数计算高频部分矩阵的大小，利用Zeros函数将高频矩阵信息置0，从而去除墨斑图像的高频部分。

其中的步骤4中的二维离散平稳小波逆变换，具体按照以下步骤实施：利用Matlab软件小波工具箱中的二维离散平稳小波逆变换函数Iswt2进行图像重构，得到印刷墨斑平滑图像。

本发明的有益效果是，本发明方法利用小波数字图像处理技术和数理统计的方法，采用不同的小波基函数对印刷墨斑图像进行多级分解及小波逆变换，计算平滑去噪的印刷品墨斑图像灰度梯度整体和局部的变化，最终简单、方便、高精度的测量出印刷品墨斑。

附图说明

图1是本发明基于图像灰度梯度的印刷品墨斑测量方法的计算流程图。

具体实施方式

下面结合附图和具体实施方式对本发明进行详细说明。

本发明基于图像灰度梯度的印刷品墨斑测量方法，利用计算机存储图像并通过墨斑算法计算印刷品的墨斑，对于一个印刷图像，测量图像有没有墨斑及墨斑指数的大小，在印刷行业中，也以此来评价印刷质量。如图1所示，具体按照以下步骤实施：

（1）设置扫描仪参数，包括亮度、来源、扫描模式、分辨率及对比等参数，其中分辨率最小应该为1200DPI。其他参数的设置，必须使得能够采集到足够清晰的图像。用扫描仪采集印刷图像。

（2）印刷墨斑图像取样，选择图像上需要测量部位。为了准确测量墨斑，取样图像大小应该与图像分辨率相匹配，并将图像转化为灰度图像。

（3）采用不同的小波基进行不同级数的分解，将墨斑图像I分解成高频图像和低频图像两部分，去除高频噪声，并保留低频图像。分解级数J可选为1到4级，小波基函数可选为HAAR，SYM4，SYM5，BIOR3.7，DB1，DB3，DB4，DB5。具体算法步骤为：首先选定特定的分解级数和小波基函数，利用Matlab软件小波工具箱（Wavelet Toolbox）中的二维离散平稳小波函数Swt2进行分解，分解完后，将会得到印刷墨斑图像的高频部分和低频部分。然后利用Size函数计算高频部分矩阵的大小，利用Zeros函数将高频矩阵信息置0，从而去除墨斑图像的高频部分。

（4）对去除噪声的图像进行二维离散平稳小波逆变换，进行图像重构，得到印刷墨斑的平滑图像。具体步骤为：利用软件小波工具箱（WaveletToolbox）中的二维离散平稳小波逆变换函数Iswt2进行图像重构，便可得到印刷墨斑平滑图像I。

（5）根据得到的平滑墨斑图像，基于任一像素点的灰度值及其相邻像素点的灰度值，利用梯度差分计算方法，计算该点的灰度梯度G[I(x,y)]：

$G\left[I(x,y)\right]={\{{[I(x,y)-I(x+1,y+1)]}^2+{[I(x+1,y)-I(x,y+1)]}^2\}}^{\frac{1}{2}},---\left(1\right)$

其中：（x，y）为平滑图像的纵横坐标，I（x，y）为平滑图像像素的灰度值，I（x+1，y）I（x，y+1）I（x+1，y+1）为其相邻点的灰度值，G[I(x,y)]为此点灰度梯度；

计算平滑图像所有点的灰度梯度，并计算墨斑平滑图像灰度梯度的平均值

$\stackrel{\→}{G}=\frac{1}{M\·N}\underset{x=0}{\overset{M-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{N-1}{\mathrm{\Σ}}}G\left[I(x,y)\right],---\left(2\right)$

其中，M,N为离散图像矩阵的大小；

计算墨斑平滑图像灰度梯度的标准差：

${\mathrm{\σ}}_{\stackrel{\‾}{G}}=\sqrt{\frac{1}{M\·N}\underset{x=0}{\overset{M-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{N-1}{\mathrm{\Σ}}}{\left[G\right[I(x,y)]-\stackrel{\‾}{G}]}^2},---\left(3\right)$

根据墨斑公式计算墨斑大小（PM）：

$\mathrm{PM}=\frac{1}{M\·N}\underset{x=0}{\overset{M-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{N-1}{\mathrm{\Σ}}}G\left[I(x,y)\right]\·\sqrt{\frac{1}{M\·N}\underset{x=0}{\overset{M-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{N-1}{\mathrm{\Σ}}}{\left[G\right[I(x,y)]-\stackrel{\‾}{G}]}^2},---\left(4\right)$

其中：（x，y）为平滑图像的纵横坐标，I（x，y）为平滑图像像素点的灰度值，G[I(x,y)]像素点灰度梯度，M,N为离散图像矩阵的大小，

为墨斑平滑图像灰度梯度的平均值，通过上述墨斑计算公式，即可以计算出测量区域印刷品墨斑大小。测量区域印刷品墨斑大小与测量区域的标准图像的PM值(参考值)比较，如果测量区域印刷品墨斑值比测量区域的标准图像的PM值(参考值)大，则说明有墨斑，并视为不合格印刷品，反之，则视为合格印刷品。

实施例

现以胶版印刷纸的印刷墨斑为例，具体来说明本发明测量墨斑的方法及过程。

（1）调整扫描仪参数，放置好胶版印刷纸印刷墨斑样张进行图像的正确采集。扫描仪参数设置如下：亮度50，来源选为一般，扫描模式为黑白照片，分辨率为1200DPI。

（2）取样胶版印刷纸印刷图像，图像大小为42.7mm*42.7mm，图像像素点离散为2048*2048，图像的灰度等级为256，图像数量为70副。

（3）对每一副图像进行多尺度离散小波变换，采用不同的小波基进行不同级数的分解，将印刷墨斑图像分解成高频图像和低频图像两部分，去除高频噪声，并保留低频图像，并得到每副图像的低频系数及水平方向、垂直方向和对角方向的高频系数。具体算法为：

选定特定的分解级数J和小波基函数

利用Matlab软件小波工具箱（Wavelet Toolbox）中的二维离散平稳小波函数Swt2进行分解，Swt2函数的具体格式为：[A，H，V，D]=Swt2（I，J，

Swt2函数的返回值便是印刷图像的低频部分A，高频部分的水平方向系数H，垂直方向系数V及对角方向系数D。从而得到印刷墨斑图像的高频部分和低频部分。

（4）将每一级上的高频系数去除，去除噪声，利用二维离散平稳小波逆变换函数，将去噪图像的低频系数还原，重构新的胶版印刷纸墨斑平滑图像。具体算法为：

利用Size函数计算高频部分矩阵的大小，Size(D)，通过Zeros函数将高频矩阵信息置0，H=V=D=Zeros(Size(D))，从而去除墨斑图像的高频部分；

利用软件小波工具箱（Wavelet Toolbox）中的二维离散平稳小波逆变换函数Iswt2进行图像重构，其具体格式为：I=Iswt2（A，D，V，D，便可得到印刷墨斑平滑图像I。

（5）按照

$\mathrm{PM}=\frac{1}{M\·N}\underset{x=0}{\overset{M-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{N-1}{\mathrm{\Σ}}}G\left[I(x,y)\right]\·\sqrt{\frac{1}{M\·N}\underset{x=0}{\overset{M-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{N-1}{\mathrm{\Σ}}}{\left[G\right[I(x,y)]-\stackrel{\‾}{G}]}^2},---\left(5\right)$

计算胶版印刷纸平滑图像的墨斑，即得到该印刷品墨斑值的大小。

（6）为了检验该方法的正确性，是否符合人眼的视觉评价系统，将本发明的方法跟人眼的视觉系统做了相关性分析，结果如下：

表1胶版印刷纸墨斑与人眼视觉评价系统相似度

表1中数据表示采用该方法分析的胶版印刷纸墨斑程度与人眼视觉系统的相似度。从结果表明，采用HAAR，BIOR3.7，SYM4，SYM5，DB1，DB3，DB4，DB5小波基并进行1-4级的分解，最终测量墨斑结果跟人眼有很好的相似度，可以代替人眼进行测量，是一种高效的测量方法，而且，小波基函数的选择对测量结果基本上没有影响，上述小波基均达到非常好的相似度，最佳的分解级数是2，或者3。

Claims (3)

1.一种基于图像灰度梯度的印刷品墨斑测量方法，其特征在于，具体按照以下步骤实施：

步骤1：用扫描仪采集印刷图像；

步骤2：选择印刷图像上需要测量的部位，并将图像转化为灰度图像，即为印刷墨斑图像；

步骤3：对步骤2得到的印刷墨斑图像，采用小波分解技术，用不同的小波基在不同级数的条件下进行分解，将印刷墨斑图像分解成高频图像和低频图像两部分，去除高频噪声，并保留低频图像；

步骤4：对步骤3得到的去除噪声后的图像通过二维离散平稳小波逆变换，进行图像重构，得到印刷墨斑的平滑墨斑图像；

步骤5：根据步骤4得到的平滑墨斑图像，并基于任一像素点的灰度值及其相邻像素点的灰度值，利用梯度差分计算方法，计算该点的灰度梯度G[I(x,y)]：

$G\left[I(x,y)\right]={\{{[I(x,y)-I(x+1,y+1)]}^2+{[I(x+1,y)-I(x,y+1)]}^2\}}^{\frac{1}{2}},$

其中：（x，y）为平滑图像的纵横坐标，I（x，y）为平滑图像像素的灰度值，I（x+1，y）I（x，y+1）I（x+1，y+1）为其相邻点的灰度值，G[I(x,y)]为此点灰度梯度；

步骤6：按照步骤5中的方法，计算步骤4中得到的平滑图像所有点的灰度梯度，并计算墨斑平滑图像灰度梯度的平均值

$\stackrel{\→}{G}=\frac{1}{M\·N}\underset{x=0}{\overset{M-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{N-1}{\mathrm{\Σ}}}G\left[I(x,y)\right],$

其中，M,N为离散图像矩阵的大小；

步骤7：计算步骤6中，墨斑平滑图像灰度梯度的标准差：

${\mathrm{\σ}}_{\stackrel{\‾}{G}}=\sqrt{\frac{1}{M\·N}\underset{x=0}{\overset{M-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{N-1}{\mathrm{\Σ}}}{\left[G\right[I(x,y)]-\stackrel{\‾}{G}]}^2},$

步骤8：根据平均灰度梯度及标准差，得墨斑大小计算公式PM：

$\mathrm{PM}=\frac{1}{M\·N}\underset{x=0}{\overset{M-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{N-1}{\mathrm{\Σ}}}G\left[I(x,y)\right]\·\sqrt{\frac{1}{M\·N}\underset{x=0}{\overset{M-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{N-1}{\mathrm{\Σ}}}{\left[G\right[I(x,y)]-\stackrel{\‾}{G}]}^2},$

通过上述墨斑计算公式，计算出测量区域印刷品墨斑大小，将测量区域印刷品墨斑大小与测量区域的标准图像的参考值比较，如果测量区域印刷品墨斑值比测量区域的标准图像的参考值大，则说明有墨斑，并视为不合格印刷品，反之，则视为合格印刷品。

2.根据权利要求1所述的基于图像灰度梯度的印刷品墨斑测量方法，其特征在于，所述的步骤3中用不同的小波基在不同级数的条件下进行分解，具体按照以下步骤实施：分解级数J选为1到4级，小波基函数选为HAAR，SYM4，SYM5，BIOR3.7，DB1，DB3，DB4，DB5，首先选定特定的分解级数和小波基函数，利用Matlab软件小波工具箱中的二维离散平稳小波函数Swt2进行分解，分解完后，得到印刷墨斑图像的高频部分和低频部分，然后利用Size函数计算高频部分矩阵的大小，利用Zeros函数将高频矩阵信息置0，从而去除墨斑图像的高频部分。

3.根据权利要求1所述的基于图像灰度梯度的印刷品墨斑测量方法，其特征在于，所述的步骤4中的二维离散平稳小波逆变换，具体按照以下步骤实施：利用Matlab软件小波工具箱中的二维离散平稳小波逆变换函数Iswt2进行图像重构，得到印刷墨斑平滑图像。

Images