CN104048613A - 一种基于机器视觉的墨层厚度检测方法 - Google Patents

Abstract

本发明公开了一种基于机器视觉的墨层厚度检测方法，按照以下步骤实施：步骤1：制作各油墨的单色实地色块并测量其密度值；步骤2：获取各油墨实地色块的图像及其数字色彩信息；步骤3：建立各墨色实地色块图像的数字色彩信息与密度信息之间的数学关系模型；步骤4：由各墨色实地图像的数字色彩信息求取其墨层厚度，至此，实现了基于机器视觉的黄墨Y、品墨M、青墨C、黑墨K四色油墨的墨层厚度检测。本发明方法，由各墨色实地图像的数字色彩信息求取其墨层厚度，实现墨层厚度的检测，方法简单实用，精度高。

Description

一种基于机器视觉的墨层厚度检测方法

技术领域

本发明属于印品质量检测技术领域，涉及一种基于机器视觉的墨层厚度检测方法。

背景技术

墨层厚度是指附着在纸张表面上的墨层在纸张垂直方向上的平均厚度。印张上墨层厚度是否合适，是实现印刷色彩最佳还原的关键因素之一，因此墨层厚度的测量对于印刷过程中彩色印品呈色质量的检测与控制非常重要。

目前常用的墨层厚度测量方法有两种：

第一种是称重法，称重法是通过称量转移到印张上的油墨的重量m、测量油墨的覆盖面积S，利用公式(1)计算墨层厚度d：

$d=\frac{m}{\mathrm{\ρ}\×S},---\left(1\right)$

其中ρ为油墨的比重；

另一种是密度测量法，密度测量法是通过密度计测量油墨的实地反射密度来获取墨层厚度信息，实地反射密度与墨层厚度关系的表达式如公式(2)：

D＝D_∞(1-e^-kl)，       (2)

其中，D是实地油墨层的反射密度；D_∞为常数，是指饱和状态时的反射密度值；k是与印刷纸张平滑度有关的常数，l是墨层厚度。

因此现有这两种方法都需要人工手动测量，费时费力。

发明内容

本发明的目的是提供一种基于机器视觉的墨层厚度检测方法，解决了现有的墨层厚度测量方法需要人工手动测量，费时费力的问题。

本发明所采用的技术方案是，一种基于机器视觉的墨层厚度检测方法，具体按照以下步骤实施：

步骤1：制作各油墨的单色实地色块并测量其密度值；

步骤2：获取各油墨实地色块的图像及其数字色彩信息；

步骤3：建立各墨色实地色块图像的数字色彩信息与密度信息之间的数学关系模型；

步骤4：由各墨色实地图像的数字色彩信息求取其墨层厚度，

至此，实现了基于机器视觉的黄墨Y、品墨M、青墨C、黑墨K四色油墨的墨层厚度检测。

本发明的有益效果是，通过制作黄墨Y、品墨M、青墨C、黑墨K各油墨的单色实地色块并测量其密度值，获取各油墨实地色块的数字图像及其数字色彩信息的RGB描述以及HSV描述，建立各墨色实地色块图像的数字色彩信息与密度信息之间的数学关系模型，由各墨色实地图像的数字色彩信息求取其墨层厚度，实现墨层厚度的检测。本发明方法，简单实用，精度高。

具体实施方式

下面结合具体实施方式对本发明进行详细说明。

本发明基于机器视觉的墨层厚度检测方法，具体按照以下步骤实施：

步骤1：制作各油墨的单色实地色块并测量其密度值

制作黄墨Y、品墨M、青墨C、黑墨K各单色油墨的实地色块，色块的大小均为1cm×1cm；

设各油墨的印刷实地密度合格范围的下限与上限分别为：黄墨Y为YDmin及YDmax；品墨M为MDmin及MDmax；青墨C为CDmin及CDmax；黑墨K为KDmin及KDmax；

要求制作的黄墨Y、品墨M、青墨C、黑墨K各油墨的实地色块的密度范围的下限与上限分别为：(D_Ymin、D_Ymax)，(D_Mmin、D_Mmax)，(D_Cmin、D_Cmax)，(D_Kmin、D_Kmax)，并分别满足公式(3)中的条件：

D_Ymin＝0.5YDmin

D_Ymax＝1.5YDmax

D_Mmin＝0.5MDmin

D_Mmax＝1.5MDmax，       (3)

D_Cmin＝0.5CDmin

D_Cmax＝1.5CDmax

D_Kmin＝0.5KDmin

D_Kmax＝1.5KDmax

每色油墨的实地色块数≥30，其密度在各色油墨所要求的密度范围的下限与上限分别为(D_Ymin,D_Ymax)，(D_Mmin,D_Mmax)，(D_Cmin,D_Cmax)，(D_Kmin,D_Kmax)之间均匀分布；

用分光密度计测量各实地色块的密度，记黄墨Y色块的实地密度为D_Yi，i＝1，2，…，N_Y，N_Y≥30；品墨M色块的实地密度为D_Mi，i＝1，2，…，N_M，N_M≥30；青墨C色块的实地密度为D_Ci，i＝1,2，…，N_C，N_C≥30；黑墨K色块的实地密度为D_Ki，i＝1，2，…，N_K，N_K≥30，其中N_Y、N_M、N_C、N_K分别为黄墨Y、品墨M、青墨C、黑墨K各单色油墨的实地色块的个数；

步骤2：获取各油墨实地色块的图像及其数字色彩信息

拍摄步骤1中各油墨实地色块的RGB彩色图像，在每个实地色块图像的中部取100×100个像素，分别计算其红色分量R、绿色分量G、蓝色分量B的平均值，作为所获取的油墨实地色块图像的数字色彩信息的RGB描述；记品墨M各实地色块图像的蓝色分量平均值为B_Mi，i＝1，2，…，N_M，记青墨C各实地色块图像的绿色分量平均值为G_Ci，i＝1，2，…，N_C；

把油墨实地色块图像的数字色彩信息的RGB描述转换到色相H、饱和度S、明度V的色彩空间，作为各油墨实地色块图像的数字色彩信息的HSV描述，转换公式如公式(4)：

V＝max(R,G,B)

$S=\left\{\begin{array}{cc}0& V=0\\ \frac{\max (R,G,B)-\min (R,G,B)}{\max (R,G,B)}& V\≠0,\end{array}\right.---\left(\text{4}\right)$

$H=\left\{\begin{array}{cc}0& V=0\\ \frac{(G-B)}{\mathrm{VS}}\&times;60& V=R\\ (2+\frac{B-R}{\mathrm{SV}})\&times;60& V=G\\ (4+\frac{R-G}{\mathrm{SV}})\&times;60& V=B\\ H+360& H<0\end{array}\right.$

其中max(R,G,B)、min(R,G,B)分别为R、G、B值中的最大值和最小值；

记黄墨Y各实地色块图像的饱和度为S_Yi，i＝1，2，…，N_Y，记黑墨K各实地色块图像的明度为V_Ki，i＝1，2，…，N_K，且从小到大排序；

步骤3：建立各墨色实地色块图像的数字色彩信息与密度信息之间的数学关系模型

3.1)建立黄墨Y实地图像的饱和度与其实地密度的数学关系模型

定义黄墨Y的实地图像的饱和度S_Y与其实地密度D_Y的数学表达式为：

D_Y＝1000×(ay₀+ay₁×S_Y+ay₂×S_Y ²+ay₃×S_Y ³+ay₄×S_Y ⁴)，   (5)

以步骤2中黄墨Y的各实地色块图像的饱和度S_Yi为自变量，i＝1，2，…，N_Y，以相应的步骤1中各实地色块的密度D_Yi为因变量，i＝1，2，…，N_Y，分别代入公式(5)，用广义最小二乘法拟合求得公式(5)中的待定系数ay₀、ay₁、ay₂、ay₃、ay₄，即得到黄墨Y实地图像的饱和度S_Y与实地密度D_Y的数学关系模型；

3.2)建立品墨M实地图像的蓝色分量与其实地密度的数学关系模型

定义品墨M实地图像的蓝色分量B_M与其实地密度D_M的数学表达式为：

D_M＝am₀+am₁×B_M+am₂×B_M ²+am₃×B_M ³，     (6)

以步骤2中品墨M的各实地色块图像的蓝色分量B_Mi为自变量，i＝1，2，…，N_M，以相应的步骤1中各实地色块的密度D_Mi为因变量，i＝1，2，…，N_M，分别代入公式(6)，用广义最小二乘法拟合求得公式(6)中的待定系数am₀、am₁、am₂、am₃，即得到品墨M实地图像的蓝色分量B_M与实地密度D_M的数学关系模型；

3.3)建立青墨C实地图像的绿色分量与其实地密度的数学关系模型

定义青墨C实地图像的绿色分量G_C与其实地密度D_C的数学表达式为：

D_C＝ac₀+ac₁×G_C+ac₂×G_C ²+ac₃×G_C ³，      (7)

以步骤2中青墨C的各实地色块图像的绿色分量G_Ci为自变量，i＝1，2，…，N_C，以相应的步骤1中各实地色块的密度D_Ci为因变量，i＝1,2，…，N_C，分别代入公式(7)，用广义最小二乘法拟合求得公式(7)中的待定系数ac₀、ac₁、ac₂、ac₃，即得到青墨C实地图像的绿色分量G_C与实地密度D_C的数学关系模型；

3.4)建立黑墨K实地图像的明度与其实地密度的数学关系模型

以步骤2中黑墨K的各实地色块图像的明度V_Ki以及相应的步骤1中各实地色块的密度D_Ki，i＝1，2，…，N_K，建立查找表如表1所示；

表1、黑墨K的明度V_K到实地密度D_K的查找表

当任给一黑墨K的明度值V_K求其实地密度D_K时，先判断V_K是否为表1中的明度值，如果是，那么V_K所对应的实地密度值就等于表1中与V_K相等的明度值对应的实地密度值；如果不是，则在表1中查找与V_K相差最小的两个明度值V_Kb和V_Kt，且V_Kb＜V_K＜V_Kt，然后根据V_K在V_Kb和V_Kt中的比例关系求得对应的实地密度D_K，计算公式如公式(8)：

$D_K=D_{\mathrm{Kb}}+(D_{\mathrm{Kt}}-D_{\mathrm{Kb}})\frac{V_K-V_{\mathrm{Kb}}}{V_{\mathrm{Kt}}-V_{\mathrm{Kb}}},---\left(8\right)$

其中，D_Kb、D_Kt分别是表1中明度值V_Kb、V_Kt所对应的实地密度值，即得到黑墨K实地图像的明度V_K与实地密度D_K的数学关系模型；

步骤4：由各墨色实地图像的数字色彩信息求取其墨层厚度

利用公式(2)所示的密度与墨层厚度的关系，根据步骤3各墨色实地图像的数字色彩信息与其密度的关系模型，求取其墨层厚度；

4.1)根据黄墨Y实地图像的饱和度S_Y求取其墨层厚度l_Y

由公式(2)以及公式(5)得黄墨Y实地图像的饱和度S_Y与其墨层厚度l_Y的数学关系模型，如公式(9)：

$l_Y=\frac{\ln (1-\frac{1000\&times;({\mathrm{ay}}_0+{\mathrm{ay}}_1\&times;S_Y+{\mathrm{ay}}_2\&times;{S_Y}^2+{\mathrm{ay}}_3\&times;{S_Y}^3+{\mathrm{ay}}_4\&times;{S_Y}^4)}{D_{Y\&infin;}})}{-k},---\left(9\right)$

其中，D_Y∞是黄墨Y饱和状态下的密度值，k是与印刷用纸张平滑度有关的常数；

4.2)根据品墨M实地图像的蓝色分量B_M求取其墨层厚度l_M

由公式(2)以及公式(6)得品墨M实地图像的蓝色分量B_M与其墨层厚度l_M的数学关系模型，如公式(10)：

$l_M=\frac{\ln (1-\frac{{\mathrm{am}}_0+{\mathrm{am}}_1\&times;B_M+{\mathrm{am}}_2\&times;{B_M}^2+{\mathrm{am}}_3\&times;{B_M}^3}{D_{M\&infin;}})}{-k},---\left(10\right)$

其中，D_M∞是品墨M饱和状态下的密度值，k是与印刷用纸张平滑度有关的常数；

4.3)根据青墨C实地图像的绿色分量G_C求取其墨层厚度l_C

由公式(2)以及公式(7)得青墨C实地图像的绿色分量G_C与其墨层厚度l_C的数学关系模型，如公式(11)：

$l_C=\frac{\ln (1-\frac{{\mathrm{ac}}_0+{\mathrm{ac}}_1\&times;G_C+{\mathrm{ac}}_2\&times;{G_C}^2+{\mathrm{ac}}_3\&times;{G_C}^3}{D_{C\&infin;}})}{-k},---\left(11\right)$

其中，D_C∞是青墨C饱和状态下的密度值，k是与印刷用纸张平滑度有关的常数；

4.4)根据黑墨K实地图像的明度V_K求取其墨层厚度l_K

由公式(2)以及公式(8)得黑墨K实地图像的明度V_K与其墨层厚度l_K的数学关系模型，如公式(12)：

$1_K=\frac{1n(1-\frac{D_{\mathrm{Kb}}+(D_{\mathrm{Kt}}-D_{\text{Kb}})\frac{V_K-V_{\mathrm{Kb}}}{V_{\mathrm{Kt}}-V_{\mathrm{Kb}}}}{D_{K\&infin;}})}{-k}---\left(12\right)$

其中，D_K∞是黑墨K饱和状态下的密度值，k是与印刷用纸张平滑度有关的常数；

彩色印刷一般是由黄墨Y、品墨M、青墨C、黑墨K四色墨叠印而成，所以黄墨Y、品墨M、青墨C、黑墨K的实地墨层厚度都要求取。至此，实现了基于机器视觉的黄墨Y、品墨M、青墨C、黑墨K四色油墨的墨层厚度检测，即成。

Claims (5)

1.一种基于机器视觉的墨层厚度检测方法，其特点在于，具体按照以下步骤实施：

步骤1：制作各油墨的单色实地色块并测量其密度值；

步骤2：获取各油墨实地色块的图像及其数字色彩信息；

步骤3：建立各墨色实地色块图像的数字色彩信息与密度信息之间的数学关系模型；

步骤4：由各墨色实地图像的数字色彩信息求取其墨层厚度，

至此，实现了基于机器视觉的黄墨Y、品墨M、青墨C、黑墨K四色油墨的墨层厚度检测，即成。

2.根据权利要求1所述的基于机器视觉的墨层厚度检测方法，其特点在于，所述的步骤1中，具体按照以下过程实施：

制作黄墨Y、品墨M、青墨C、黑墨K各单色油墨的实地色块，色块的大小均为1cm×1cm；

设各油墨的印刷实地密度合格范围的下限与上限分别为：黄墨Y为YDmin及YDmax；品墨M为MDmin及MDmax；青墨C为CDmin及CDmax；黑墨K为KDmin及KDmax；

要求制作的黄墨Y、品墨M、青墨C、黑墨K各油墨的实地色块的密度范围的下限与上限分别为：(D_Ymin、D_Ymax)，(D_Mmin、D_Mmax)，(D_Cmin、D_Cmax)，(D_Kmin、D_Kmax)，并分别满足公式(3)中的条件：

D_Ymin＝0.5YDmin

D_Ymax＝1.5YDmax

D_Mmin＝0.5MDmin

D_Mmax＝1.5MDmax，           (3)

D_Cmin＝0.5CDmin

D_Cmax＝1.5CDmax

D_Kmin＝0.5KDmin

D_Kmax＝1.5KDmax

每色油墨的实地色块数≥30，其密度在各色油墨所要求的密度范围的下限与上限分别为(D_Ymin,D_Ymax)，(D_Mmin,D_Mmax)，(D_Cmin,D_Cmax)，(D_Kmin,D_Kmax)之间均匀分布；

用分光密度计测量各实地色块的密度，记黄墨Y色块的实地密度为D_Yi，i＝1，2，…，N_Y，N_Y≥30；品墨M色块的实地密度为D_Mi，i＝1，2，…，N_M，N_M≥30；青墨C色块的实地密度为D_Ci，i＝1,2，…，N_C，N_C≥30；黑墨K色块的实地密度为D_Ki，i＝1，2，…，N_K，N_K≥30，其中N_Y、N_M、N_C、N_K分别为黄墨Y、品墨M、青墨C、黑墨K各单色油墨的实地色块的个数。

3.根据权利要求2所述的基于机器视觉的墨层厚度检测方法，其特点在于，所述的步骤2中，具体按照以下过程实施：

拍摄步骤1中各油墨实地色块的RGB彩色图像，在每个实地色块图像的中部取100×100个像素，分别计算其红色分量R、绿色分量G、蓝色分量B的平均值，作为所获取的油墨实地色块图像的数字色彩信息的RGB描述；记品墨M各实地色块图像的蓝色分量平均值为B_Mi，i＝1，2，…，N_M，记青墨C各实地色块图像的绿色分量平均值为G_Ci，i＝1，2，…，N_C；

把油墨实地色块图像的数字色彩信息的RGB描述转换到色相H、饱和度S、明度V的色彩空间，作为各油墨实地色块图像的数字色彩信息的HSV描述，转换公式如公式(4)：

V＝max(R,G,B)

$S=\left\{\begin{array}{cc}0& V=0\\ \frac{\max (R,G,B)-\min (R,G,B)}{\max (R,G,B)}& V\&NotEqual;0,\end{array}\right.---\left(\text{4}\right)$

$H=\left\{\begin{array}{cc}0& V=0\\ \frac{(G-B)}{\mathrm{VS}}\&times;60& V=R\\ (2+\frac{B-R}{\mathrm{SV}})\&times;60& V=G\\ (4+\frac{R-G}{\mathrm{SV}})\&times;60& V=B\\ H+360& H<0\end{array}\right.$

其中max(R,G,B)、min(R,G,B)分别为R、G、B值中的最大值和最小值；

记黄墨Y各实地色块图像的饱和度为S_Yi，i＝1，2，…，N_Y，记黑墨K各实地色块图像的明度为V_Ki，i＝1，2，…，N_K，且从小到大排序。

4.根据权利要求3所述的基于机器视觉的墨层厚度检测方法，其特点在于，所述的步骤3中，具体按照以下过程实施：

3.1)建立黄墨Y实地图像的饱和度与其实地密度的数学关系模型

定义黄墨Y的实地图像的饱和度S_Y与其实地密度D_Y的数学表达式为：

D_Y＝1000×(ay₀+ay₁×S_Y+ay₂×S_Y ²+ay₃×S_Y ³+ay₄×S_Y ⁴)，   (5)

以步骤2中黄墨Y的各实地色块图像的饱和度S_Yi为自变量，i＝1，2，…，N_Y，以相应的步骤1中各实地色块的密度D_Yi为因变量，i＝1，2，…，N_Y，分别代入公式(5)，用广义最小二乘法拟合求得公式(5)中的待定系数ay₀、ay₁、ay₂、ay₃、ay₄，即得到黄墨Y实地图像的饱和度S_Y与实地密度D_Y的数学关系模型；

3.2)建立品墨M实地图像的蓝色分量与其实地密度的数学关系模型定义品墨M实地图像的蓝色分量B_M与其实地密度D_M的数学表达式为：

D_M＝am₀+am₁×B_M+am₂×B_M ²+am₃×B_M ³，      (6)

以步骤2中品墨M的各实地色块图像的蓝色分量B_Mi为自变量，i＝1，2，…，N_M，以相应的步骤1中各实地色块的密度D_Mi为因变量，i＝1，2，…，N_M，分别代入公式(6)，用广义最小二乘法拟合求得公式(6)中的待定系数am₀、am₁、am₂、am₃，即得到品墨M实地图像的蓝色分量B_M与实地密度D_M的数学关系模型；

3.3)建立青墨C实地图像的绿色分量与其实地密度的数学关系模型

定义青墨C实地图像的绿色分量G_C与其实地密度D_C的数学表达式为：

D_C＝ac₀+ac₁×G_C+ac₂×G_C ²+ac₃×G_C ³，        (7)

以步骤2中青墨C的各实地色块图像的绿色分量G_Ci为自变量，i＝1，2，…，N_C，以相应的步骤1中各实地色块的密度D_Ci为因变量，i＝1,2，…，N_C，分别代入公式(7)，用广义最小二乘法拟合求得公式(7)中的待定系数ac₀、ac₁、ac₂、ac₃，即得到青墨C实地图像的绿色分量G_C与实地密度D_C的数学关系模型；

3.4)建立黑墨K实地图像的明度与其实地密度的数学关系模型

以步骤2中黑墨K的各实地色块图像的明度V_Ki以及相应的步骤1中各实地色块的密度D_Ki，i＝1，2，…，N_K，建立查找表如表1所示；

表1、黑墨K的明度V_K到实地密度D_K的查找表

当任给一黑墨K的明度值V_K求其实地密度D_K时，先判断V_K是否为表1中的明度值，如果是，那么V_K所对应的实地密度值就等于表1中与V_K相等的明度值对应的实地密度值；如果不是，则在表1中查找与V_K相差最小的两个明度值V_Kb和V_Kt，且V_Kb＜V_K＜V_Kt，然后根据V_K在V_Kb和V_Kt中的比例关系求得对应的实地密度D_K，计算公式如公式(8)：

$D_K=D_{\mathrm{Kb}}+(D_{\mathrm{Kt}}-D_{\mathrm{Kb}})\frac{V_K-V_{\mathrm{Kb}}}{V_{\mathrm{Kt}}-V_{\mathrm{Kb}}},---\left(8\right)$

其中，D_Kb、D_Kt分别是表1中明度值V_Kb、V_Kt所对应的实地密度值，即得到黑墨K实地图像的明度V_K与实地密度D_K的数学关系模型。

5.根据权利要求4所述的基于机器视觉的墨层厚度检测方法，其特点在于，所述的步骤4中，具体按照以下过程实施：

利用公式(2)所示的密度与墨层厚度的关系，根据步骤3各墨色实地图像的数字色彩信息与其密度的关系模型，求取其墨层厚度，

4.1)根据黄墨Y实地图像的饱和度S_Y求取其墨层厚度l_Y

由公式(2)以及公式(5)得黄墨Y实地图像的饱和度S_Y与其墨层厚度l_Y的数学关系模型，如公式(9)：

$l_Y=\frac{\ln (1-\frac{1000\&times;({\mathrm{ay}}_0+{\mathrm{ay}}_1\&times;S_Y+{\mathrm{ay}}_2\&times;{S_Y}^2+{\mathrm{ay}}_3\&times;{S_Y}^3+{\mathrm{ay}}_4\&times;{S_Y}^4)}{D_{Y\&infin;}})}{-k},---\left(9\right)$

其中，D_Y∞是黄墨Y饱和状态下的密度值，k是与印刷用纸张平滑度有关的常数；

4.2)根据品墨M实地图像的蓝色分量B_M求取其墨层厚度l_M

由公式(2)以及公式(6)得品墨M实地图像的蓝色分量B_M与其墨层厚度l_M的数学关系模型，如公式(10)：

$l_M=\frac{\ln (1-\frac{{\mathrm{am}}_0+{\mathrm{am}}_1\&times;B_M+{\mathrm{am}}_2\&times;{B_M}^2+{\mathrm{am}}_3\&times;{B_M}^3}{D_{M\&infin;}})}{-k},---\left(10\right)$

其中，D_M∞是品墨M饱和状态下的密度值，k是与印刷用纸张平滑度有关的常数；

4.3)根据青墨C实地图像的绿色分量G_C求取其墨层厚度l_C

由公式(2)以及公式(7)得青墨C实地图像的绿色分量G_C与其墨层厚度l_C的数学关系模型，如公式(11)：

$l_C=\frac{\ln (1-\frac{{\mathrm{ac}}_0+{\mathrm{ac}}_1\&times;G_C+{\mathrm{ac}}_2\&times;{G_C}^2+{\mathrm{ac}}_3\&times;{G_C}^3}{D_{C\&infin;}})}{-k},---\left(11\right)$

其中，D_C∞是青墨C饱和状态下的密度值，k是与印刷用纸张平滑度有关的常数；

4.4)根据黑墨K实地图像的明度V_K求取其墨层厚度l_K

由公式(2)以及公式(8)得黑墨K实地图像的明度V_K与其墨层厚度l_K的数学关系模型，如公式(12)：

$l_K=\frac{\ln (1-\frac{D_{\mathrm{Kb}}+(D_{\mathrm{Kt}}-D_{\mathrm{Kb}})\frac{V_K-V_{\mathrm{Kb}}}{V_{\mathrm{Kt}}-V_{\mathrm{Kb}}}}{D_{K\&infin;}})}{-k},---\left(12\right)$

其中，D_K∞是黑墨K饱和状态下的密度值，k是与印刷用纸张平滑度有关的常数。