CN104647893A - 一种基于十字线的印刷套印误差检测方法 - Google Patents

Abstract

本发明公开一种基于十字线的印刷套印误差检测方法，S1、提取十字线图形的轮廓；S2、计算十字图案纵横向线的长度和宽度；S3、计算套印误差。本发明利用形态学方法和几何微分的方法计算十字线套印标记的宽度，从而实现套印误差的检测，应用广泛、紧密联合实际准确性强、可靠性高，是保证高效率高准确率高精度的套印误差检测的关键,具有抗干扰强、精度高、实时性强的优点。

Description

一种基于十字线的印刷套印误差检测方法

技术领域

本发明涉及一种印刷套印误差的检测方法，，具体为一种基于十字线的印刷套印误差检测方法。

背景技术

准确套印是现代印刷技术的最基本要求。随着社会生产效率的提高，套印偏差检测技术的要求越来越高，传统的目视检测的弊端越来越来明显，无法满足印刷技术的实际要求。

图形图像技术的不断发展，使其在印刷质量检测方面的优势得到广泛的关注，采用图像处理技术在线进行套印偏差检测具有精度高效率高等优点，克服了传统目视的诸多缺点。在印刷过程中，通常通过检测印品特定位置上的标记来实现套印偏差的检测，即所谓色标。经过对现有技术的文献检索发现，西安理工大学孟璇等人在西安理工大学学报上2006年发表的《单张纸胶印机自动套准的研究》提出通过匹配技术,确定各色组“十字线的中心坐标,由中心坐标来计算套印误差。北京工业大学黄云峰等人在北京工业大学报上2006年发表的《基于计算机视觉的彩色印刷自动套准检测》提出通过识别带圆圈的套印标记,确定各色组套印标记圆心的坐标,由圆心坐标来计算套印误差。王梅等人在2007年的包装工程26(8)60-62发表的《印刷自动套准标记识别方法的研究》应用了“米字字型标记”图标,通过识别每条颜色线的首尾位置和倾斜角度,来计算四色套印误差。赵明炎等在北京印刷学院学报,2009,17(2):1-4发表的《基于数字图像处理的套印误差检测方法》。选用圆点图标作为套印图标,通过根据印刷颜色RGB的响应特征，将各个圆点图标提取出来，然后采用提取和处理圆周水平和垂直弦中心点的方法，确定圆心坐标和圆心距离即套印偏差。

上述印刷套印误差检测方法分两类方法，一类是采用传统的十字线、角线套印标记进行套印误差检测，该类方法主要用在单张胶印印刷中，在进行偏差检测时首先将各种颜色进行分离，分别对各色标进行定位后才能够对套印误差进行分析。在进行颜色分离的过程中不可避免的引入了误差，影响了最后的检测精度。另外一类比如空间上不重合的“米字线条或圆形、方形色标点的套印标记。这些图标在计算机图像识别时,可避免颜色重叠的复杂情况,颜色分割算法简单,但此法很难进行人眼识别而且针对不同的检测项目和印刷方式需设计不同的色标。

发明内容

本发明所解决的技术问题在于提供一种基于十字线的印刷套印误差检测方法，基于传统十字线套印标记的进行套印误差检测，避免了设计特定色标，适用性强，同时是在十字线的灰度图中进行十字线宽度的测量，避免了进行复杂的颜色分割,提高了识别效率和精度，具有非常强的抗干扰能力。

本发明所解决的技术问题采用以下技术方案来实现：

一种基于十字线的印刷套印误差检测方法，包括如下具体步骤：

S1、提取十字线图形的轮廓：首先把十字线彩色图像转换成灰度图像，然后利用形态学的腐蚀、膨胀算子对灰度图像进行运算得到膨胀和腐蚀图，在此基础上利用灰度图像、膨胀和腐蚀图像提取形态梯度即十字线图像的边缘图像，为了取得十字线图形的轮廓还需要进行边缘图像的二值化，采用OTSU阈值分割方法即对边缘图像先进行直方图统计得到边缘图的灰度分布，采用OTSU方法得到分割阈值，最后根据阈值对边缘图像进行二值化，对二值图像采用轮廓跟踪的方法最终确定十字线图像的外轮廓边缘像素集合；

S2、计算十字图案纵横向线的长度和宽度：为了确定十字线的亚像素边缘，采用迭代最小二乘法对十字线外轮廓边缘像素集合进行直线拟合，在拟合过程中根据数据滤波原理，对偏离拟合直线大于3倍平均方差的点要进行剔除，通过直线拟合得到套印误差十字线的纵向上下边缘直线和横向左右边缘直线，根据边缘直线的位置关系可以计算出十字线的宽度和长度；

S3、计算套印误差：经过对十字线进行最小二乘法直线拟合已经能够计算出其十字线的宽度和长度，根据宽度和长度能够计算出套印的误差，但是为了克服十字线边缘的噪声影响，首先利用十字图案纵横向线的长度和宽度获取纵向和横向套印误差检测图像区域的数据，对套印误差检测灰度图像数据进行纵横向灰度投影计算并构造十字线条的一维灰度分布函数，然后采用几何微分的方法定位分布函数的波峰和波谷即十字线的边界，根据边界最终计算出线的宽度即纵向和横向套印误差。

优选地，S1中十字图形的轮廓提取，首先采用灰度形态学的方法得到十字线图像的边缘，然后对边缘图像进行直方图统计，利用OTSU自动阈值分割方法进行边缘图像二值化，完成十字线的轮廓提取。灰度形态学方法具体步骤如下：

灰度形态学图像边缘提取

h(i，j)＝[f(i，j)+f(i+1，j)+f(i，j+1)+f(i-1，j)+f(i，j-1)]/5|

灰度腐蚀的表达式如下：

灰度膨胀的表达式如下：

表达式中的f(x,y)表示输入图像，b(x,y)元素，D_f,D_b分别是f和b中的定义域，D_b采用3×3的矩形结构。

优选地，S2中所述获取纵横向线段长度和宽度，采用最小二乘法对十字图案的二值化图像进行直线拟合得到纵向左边缘、右边缘直线和横向上边缘、下边缘直线，从而计算出十字图案中纵横向线的长度和宽度。

优选地，获取纵横向套印误差数据，由于十字线的纵横向线的边缘都是平行的，为了克服十字线边缘的噪声影响，首先利用十字图案纵横向线的长度和宽度获取纵向和横向套印误差检测图像区域数据，对套印误差检测图像数据进行纵横向灰度投影计算并构造十字线条的一维灰度分布函数，然后采用几何微分的方法定位分布函数的波峰和波谷即十字线的边界，根据边界最终计算出线的宽度即纵向和横向套印误差。几何微分方法定义线条边缘位置为一维灰度分布函数f_p(x)的一阶导数等于零，二阶导数的绝对值大于阈值Th的点,其数学表达式如下：

$g\left(x\right)=\left\{\begin{array}{c}1,f_p^{\&prime;}\left(x\right)=0\mathrm{and}\left|f_p^{\&prime;\&prime;}\left(x\right)\right|>\mathrm{Th}\\ 0,f_p^{\&prime;}\left(x\right)\&NotEqual;0\mathrm{or}\left|f_p^{\&prime;\&prime;}\left(x\right)\right|<\mathrm{Th}\end{array}\right.$

其中，f_p′(x),f_p″(x)表示一维灰度分布函数的一阶导数和二阶导数，采用一个高斯平滑核和f_p(x)卷积运算得到，具体方法如下：

1)一阶导数和二阶导数的估计

2)高斯卷积核 

$\left\{\begin{array}{c}\mathrm{g\&sigma;}\left(x\right)=\frac{1}{\sqrt{2\mathrm{\&pi;}}\mathrm{\&sigma;}}{e}^{\frac{x^2}{2{\mathrm{\&sigma;}}^2}}\\ g_{\mathrm{\&sigma;}}^{\&prime;}\left(x\right)=\frac{-x}{\sqrt{2\mathrm{\&pi;}}{\mathrm{\&sigma;}}^3}{e}^{\frac{x^2}{2{\mathrm{\&sigma;}}^2}}.\\ g_{\mathrm{\&sigma;}}^{\&prime;\&prime;}\left(x\right)=\frac{x^2-{\mathrm{\&sigma;}}^2}{\sqrt{2\mathrm{\&pi;}}{\mathrm{\&sigma;}}^5}{e}^{\frac{x^2}{2{\mathrm{\&sigma;}}^2}}\end{array}\right.$

3)高斯核积分运算

${\mathrm{\&phi;}}_{\mathrm{\&sigma;}}\left(x\right)=\underset{\&infin;}{\overset{x}{\&Integral;}}{e}^{\frac{t^2}{2{\mathrm{\&sigma;}}^2}}\mathrm{dt}.$

其中，ω为1，σ为高斯平滑系数，取值0.4～50。

本发明首先把彩色十字图案转化成灰度图，然后利用形态学算子进行灰度边缘提取，再利用OTSU方法自动提取十字线的轮廓；采用最小二乘法对轮廓进行直线拟合得到十字线的纵向的上下和横向的左右边缘，最后分别对十字线区域的图像纵横向灰度投影；采用几何微分的方法确定十字线的纵向和横向边缘位置，根据边缘位置得到十字线纵横向宽度即两个方向上的套印综合误差。

本发明首先采用线条检测技术对传统的十字套印标记进行图像处理提取十字线纵横向线段，然后采用轮廓检测算法分别得到纵向和横向线段的宽度，根据这个宽度分别得到测量纵向和横向线段宽度的测量区域，最后在测量区域里采用灰度投影方法得到十字线的一维分布函数并对这个函数采用求极致的方法得到十字线的纵横向的线段边界及宽度，从而得到套印的偏差数据。本发明利用形态学方法和几何微分的方法计算十字线套印标记的宽度，从而实现套印误差的检测，应用广泛、紧密联合实际准确性强、可靠性高，是保证高效率高准确率高精度的套印误差检测的关键,具有抗干扰强、精度高、实时性强的优点。

附图说明

图1为本发明的结构示意图；

图2为发明程序步骤示意图；

图3为本发明十字线图像示意图。

具体实施方式

下面结合附图对本发明的实施做详细说明：

如图1和图2所示：一种基于十字线的印刷套印误差检测方法，包括如下具体步骤：

S1、提取十字线图形的轮廓

为了提取十字线图形的轮廓首先把需要十字线彩色图像转换成灰度图像，然后采用数学形态学的方法在灰度图像提取形态梯度即十字线图像的边缘图像。其中彩色图像转换成灰度图像的公式如下：

gray(x，y)＝0.299×R(x，y)+0.587×G(x，y)+0.114×B(x，y)

数学形态学是以形态结构元素为基础对图像进行分析的数学工具。它的基本思想是用具有一定形态的结构元素去度量和提取图像中的对应形状以达到对图像分析和识别的目的。数学形态学的应用可以简化图像数据，保持它们基本的形状特征，并除去不相干的结构。数学形态学的基本运算有4个：膨胀、腐蚀、开启和闭合。二值数学形态学可推广到灰度图像空间。只是灰度数学形态学的运算对象不是集合，而是图像函数。以下设f(x，y)是输入图像，b(x，y)是结构元素。用结构元素b对输入图像y进行膨胀和腐蚀运算分别定义为：

(f⊙b)(s，t)＝min{f(s+x，t+y)+b(x，y)|

(s+x，t+y)∈D_f，(x，y)∈D_b}

对灰度图像的膨胀(或腐蚀)操作有两类效果：

如果结构元素的值都为正的，则输出图像会比输入图像亮(或暗)；

根据输入图像中暗(或亮)细节的灰度值以及它们的形状相对于结构元素的关系，它们在运算中或被消减或被除掉。

灰度数学形态学中开启和闭合运算的定义与在二值数学形态学中的定义一致。用b对f进行开启和闭合运算的定义为：

本发明采用模糊数学形态学方法进行十字线边缘的检测，将模糊集合理论

用于数学形态学就形成了模糊形态学。模糊算子的定义不同，相应的模糊形态

运算的定义也不相同。本发明定义的模糊形态算子如下：

灰度形态学图像边缘提取：

图像均值滤波：

h(i，j)＝[f(i，j)+f(i+1，j)+f(i，j+1)+f(i-1，j)+f(i，j-1)]/5|

灰度腐蚀的表达式如下：

灰度膨胀的表达式如下：

表达式中的f(x,y)表示输入图像，b(x,y)结构元素，D_f,D_b分别是f和b中的定义域，s，t，x，y分别表示在图像和元素结构中的位置，D_b采用3×3的矩形结构。

为了取得十字线图形的轮廓还需要对经过模糊形态算子处理而得到的边缘图像进行二值化，本发明采用速度快、精度高，参数自适应的OTSU阈值分割方法，OTSU阈值分割方法的步骤如下：

对边缘图像进行直方图统计得到边缘图的灰度分布；

采用OTSU得到分割阈值，最后根据阈值对边缘图像进行二值化；

对二值图像采用轮廓跟踪的方法最终确定十字线图像的外轮廓边缘像素集合。

其中，OTSU依据类间距离极大准则来确定分割阈值t，该方法概述如下：设图像有L个灰度级，灰度值是i的像素数为ni，则总的像素数是各灰度值出现的概率为pi＝ni/N，显然，设阈值为t，将图像分割成2个区域，即把灰度级分为两类，背景类

A:(0,1,…….,t)，和目标类B:(t+1,t+2,……,L一1).两类出现的概率分别为

$P_A={\mathrm{\&Sigma;}}_{i=0}^{t-1}{P}_i,P_B={\mathrm{\&Sigma;}}_{i=t+1}^{L-1}{P}_i=1-P_A$

A,B两类的灰度均值分别为

${\mathrm{\&omega;}}_A={\mathrm{\&Sigma;}}_{i=0}^{t-1}i\&times;P_i/P_A,{\mathrm{\&omega;}}_B={\mathrm{\&Sigma;}}_{i=t+1}^{L-1}{\mathrm{\&Sigma;}}_{i=0}^{t-1}i\&times;P_i/P_B$

图像总的灰度均值为

${\mathrm{\&omega;}}_0=p_A{\mathrm{\&omega;}}_A+p_B{\mathrm{\&omega;}}_B=\underset{i=0}{\overset{L-1}{\mathrm{\&Sigma;}}}i\&times;p_i$

由此可以得到A、B两区域的类间方差:

σ²＝p_A(ω_A-ω₀)²+p_B(ω_B-ω₀)²

类间方差越大，两类灰度差别越大.则使得类间方差最大的t即为所求的最佳阈值：

图像的二值化处理为下式所示：

$f(i,j)=\left\{\begin{array}{cc}1& f(i,j)\&GreaterEqual;t\\ 0& f(i,j)\&le;t\end{array}\right.$

这里的t为分割阈值。为了得到十字线的边缘像素集合需要对二值化图像进行十字线的轮廓提取，二值图像的轮廓提取算法很简单，具体实现就是将内部点掏空，如果图中某个像素点非零且它的8领域都是非零点时，则该点时内部点，应将该点删除。

S2、获取十字线图案纵横向线的长度和宽度

十字线的轮廓是由一些直线段的边缘像素组成，为了进一步提高边缘的精度，本发明采用常规迭代最小二乘法拟合得到亚像素边缘，如图2所示的最小二乘法处理流程图，根据数据滤波原理，对偏离拟合直线大于3倍平均方差的点进行剔除，然后继续使用最小二乘拟合直到方差收敛，或者迭代达到限制次数(实际经验值)。通过剔除某些数据减少噪声的干扰，提高了直线边缘的定位 精度。最后再拟合得到纵向左边缘、右边缘直线和横向上边缘、下边缘直线，从而根据边缘距离计算出十字图案中纵横向线的长度和宽度，图3中(i),(j)。

S3、获取纵横向套印误差

为了克服十字线边缘的噪声影响，首先利用十字图案纵横向线的长度和宽度获取纵向和横向套印误差确定检测区域，然后对检查区域里的灰度图像f进行纵横向灰度投影计算并构造十字线条的一维灰度分布函数数f_p(x)，然后采用几何微分的方法定位分布函数的波峰和波谷即十字线的边界，根据两个边界的距离就是十字线的宽度即纵向和横向套印误差。检测横向套印误差要选择十字线中竖向直线的2(套印的最大误差)倍宽度和长度范围内的图像区域进行纵向灰度投影。同理检测纵向误差要在有效图像区域进行横向灰度投影。另外，几何微分方法定义线的条边缘为一维灰度分布函数f_p(x)的一阶导数等于零，二阶导数的绝对值大于阈值Th的点,其数学表达式如下：

$g\left(x\right)=\left\{\begin{array}{cc}1,f_p^{\&prime;}\left(x\right)=0& \mathrm{and}\left|f_p^{\&prime;\&prime;}\left(x\right)\right|>\mathrm{Th}\\ 0,f_p^{\&prime;}\left(x\right)\&NotEqual;0& \mathrm{or}\left|f_p^{\&prime;\&prime;}\left(x\right)\right|<\mathrm{Th}\end{array}\right.$

其中，Th根据实际情况调整，一般为20。f_p′(x),f_p″(x)表示一维灰度分布函数的一阶导数和二阶导数，采用一个高斯平滑核g(x)和f_p(x)卷积运算得到，具体方法如下：

1)一阶导数和二阶导数的估计

$\begin{array}{c}{r}_p^{\&prime;}(x,\mathrm{\&sigma;},w,h)=g_{\mathrm{\&sigma;}}^{\&prime;}\left(x\right)*f_p\left(x\right)\\ =\frac{h}{w^2}(-2x({\mathrm{\&phi;}}_{\mathrm{\&sigma;}}(x+w)-{\mathrm{\&phi;}}_{\mathrm{\&sigma;}}(x-w))+\\ (w^2-x^2-{3\mathrm{\&sigma;}}^2)(g_{\mathrm{\&sigma;}}(x+w)-g_{\mathrm{\&sigma;}}(x-w))-\\ {2\mathrm{\&sigma;}}^{2}x(g_{\mathrm{\&sigma;}}^{\&prime;}(x+w)-g_{\mathrm{\&sigma;}}^{\&prime;}(x-w))-\\ {\mathrm{\&sigma;}}^4(g_{\mathrm{\&sigma;}}^{\&prime;\&prime;}(x+w)-g_{\mathrm{\&sigma;}}^{\&prime;\&prime;}(x-w)))\\ r_p^{\&prime;\&prime;}(x,\mathrm{\&sigma;},w,h)=g_{\mathrm{\&sigma;}}^{\&prime;\&prime;}\left(x\right)*f_p\left(x\right)\\ =\frac{h}{w^2}(-2({\mathrm{\&phi;}}_{\mathrm{\&sigma;}}(x+w)-{\mathrm{\&phi;}}_{\mathrm{\&sigma;}}(x-w))-\\ 4x(g_{\mathrm{\&sigma;}}(x+w)-g_{\mathrm{\&sigma;}}(x-w))+\\ (w^2-x^2-5{\mathrm{\&sigma;}}^2)(g_{\mathrm{\&sigma;}}^{\&prime;}(x+w)-g_{\mathrm{\&sigma;}}^{\&prime;}(x-w))-\\ {2\mathrm{\&sigma;}}^{2}x(g_{\mathrm{\&sigma;}}^{\&prime;\&prime;}(x+w)-g_{\mathrm{\&sigma;}}^{\&prime;\&prime;}(x-w))-\\ {\mathrm{\&sigma;}}^4(g_{\mathrm{\&sigma;}}^{\&prime;\&prime;\&prime;}(x+w)-g_{\mathrm{\&sigma;}}^{\&prime;\&prime;\&prime;}(x-w))\end{array}$

2)高斯卷积核 

$\begin{array}{c}\mathrm{g\&sigma;}\left(x\right)=\frac{1}{\sqrt{2\mathrm{\&pi;}}\mathrm{\&sigma;}}{e}^{\frac{x^2}{2{\mathrm{\&sigma;}}^2}}\\ g_{\mathrm{\&sigma;}}^{\&prime;}\left(x\right)=\frac{-x}{\sqrt{2\mathrm{\&pi;}}{\mathrm{\&sigma;}}^3}{e}^{\frac{x^2}{2{\mathrm{\&sigma;}}^2}}.\\ g_{\mathrm{\&sigma;}}^{\&prime;\&prime;}\left(x\right)=\frac{x^2-{\mathrm{\&sigma;}}^2}{\sqrt{2\mathrm{\&pi;}}{\mathrm{\&sigma;}}^5}{e}^{\frac{x^2}{2{\mathrm{\&sigma;}}^2}}\end{array}$

3)高斯核积分运算

${\mathrm{\&phi;}}_{\mathrm{\&sigma;}}\left(x\right)=\underset{\&infin;}{\overset{x}{\&Integral;}}{e}^{\frac{t^2}{2{\mathrm{\&sigma;}}^2}}\mathrm{dt}.$

其中，ω为1，σ为高斯平滑系数，取值0.4～50。

由本发明的具体实施算法得出的结果如图3所示。其中图(a)是十字线彩色图像，图(b)是十字线的模糊形态梯度图像，图(c)是十字线的模糊形态 梯度图像二值图像，图示中看到的内层红线圈出的是十字线宽度的最小范围，外层红线圈出的是十字线宽度的最大范围。图(d)是采用最小二乘化拟合得到的十字线的轮廓，图(e)和(f)是横向灰度投影图像区域，横向投影左右两端为分别投影计算。图(g)和(h)是纵向灰度投影图像区域，纵向投影左右两端为分别投影计算。图(i)是采用几何微分方法计算横线条的上下边缘，图(j)是采用几何微分方法计算竖线条的左右边缘。

以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明的要求保护范围由所附的权利要求书及其等效物界定。

Claims (1)

1.一种基于十字线的印刷套印误差检测方法，其特征在于，包括如下具体步骤：

S1、提取十字线图形的轮廓：首先把十字线彩色图像转换成灰度图像，然后利用形态学的腐蚀、膨胀算子对灰度图像进行运算得到膨胀和腐蚀图，在此基础上利用灰度图像、膨胀和腐蚀图像提取形态梯度即十字线图像的边缘图像，为了取得十字线图形的轮廓还需要进行边缘图像的二值化，采用OTSU阈值分割方法即对边缘图像先进行直方图统计得到边缘图的灰度分布，采用OTSU方法得到分割阈值，最后根据阈值对边缘图像进行二值化，对二值图像采用轮廓跟踪的方法最终确定十字线图像的外轮廓边缘像素集合；

S2、计算十字图案纵横向线的长度和宽度：为了确定十字线的亚像素边缘，采用迭代最小二乘法对十字线外轮廓边缘像素集合进行直线拟合，在拟合过程中根据数据滤波原理，对偏离拟合直线大于3倍平均方差的点要进行剔除，通过直线拟合得到套印误差十字线的纵向上下边缘直线和横向左右边缘直线，根据边缘直线的位置关系可以计算出十字线的宽度和长度；

S3、计算套印误差：经过对十字线进行最小二乘法直线拟合已经能够计算出其十字线的宽度和长度，根据宽度和长度能够计算出套印的误差，但是为了克服十字线边缘的噪声影响，首先利用十字图案纵横向线的长度和宽度获取纵向和横向套印误差检测图像区域的数据，对套印误差检测灰度图像数据进行纵横向灰度投影计算并构造十字线条的一维灰度分布函数，然后采用几何微分的方法定位分布函数的波峰和波谷即十字线的边界，根据边界最终计算出线的宽度即纵向和横向套印误差。