CN106296636B - 印刷图像的检测方法及检测装置 - Google Patents

Abstract

本发明公开了一种印刷图像的检测方法及检测装置，其中，方法包括以下步骤：采集印刷图像；通过自动阈值分割方法对前景区域的边缘轮廓进行粗提取；根据灰度差异阈值对边缘轮廓进行编辑，以精确提取前景区域的边缘轮廓线；根据区域定位方法和直线定位方法定位边缘轮廓线；根据Blob分析方法检测边缘轮廓线是否存在缺陷。本发明实施例的检测方法不但提高了边缘轮廓的提取精确度，并且提高了边缘轮廓的定位准确度，从而实现边缘缺陷的精确检测。

Description

印刷图像的检测方法及检测装置

技术领域

本发明涉及图像技术领域，特别涉及一种印刷图像的检测方法及检测装置。

背景技术

目前印刷检测行业中，边缘缺陷是一种较常见的缺陷类型，模切的不完整，印刷机的影响，操作人员的不慎等都会造成印刷品边缘的不齐整，从而产生毛边、缺边、缺角、褶皱、刮白、边缘脏点等缺陷。由于这样的缺陷分布在边缘位置，被统称为边缘缺陷。边缘缺陷的特点是距离边缘很近，同时缺陷的尺寸较小与产品背景的对比度较低。对传统的检测方法提出了更高的要求：首先，距离边缘近意味着需要定位精度更高的精定位算法，在检测边缘缺陷的同时，有效的防止边缘定位偏差造成的误报；其次，尺寸小缺陷对比度低对传统算法的检测精度也做出了更高的要求。

然而，传统的基于学习比对的印刷品表面检测算法很难达到以上的要求，很难对边缘缺陷进行检测，亟需改进。

相关技术中，传统的印刷品表面检测算法都是基于学习比对的，即先采集一定数量的好品图像，通过机器学习的方法找到好品的灰度值范围，得到低值图像和高值图像，选择一定程度上高于高值图像或低于低值图像的产品为残次品，剔除残次品，保留好品，完成检测。然而，相关技术中的检测方法对定位有一定的要求，假如发生局部的定位偏差，学习到的图像需要检测部分的图案轮廓就会变得模糊不清，即常说的学糊了，导致检测能力受到很大影响，漏检很多不良品。

进一步地，由于边缘缺陷的位置都在产品边缘，且产品的边缘大多都是平坦区域，传统的学习比对方法使用了区域定位方法，这种方法需要一个或多个特征区域作为定位核。而平坦区域无明显的特征区域，导致定位难度较大，从而产生一定的定位偏差，使得学习后的图像边缘模糊，对边缘缺陷的检测效果较差。虽然使用直线定位方法定位边缘轮廓线后，效果有所好转，但由于边缘缺陷尺寸小，对比度低，基于学习比对的检测算法仍不能很好对边缘缺陷进行检测。同时，传统的学习比对检测方法，将检测区画出产品边界范围后，由于皮带区域和皮带孔区域的影响，使用学习到的图像作为好品范围会产生较多的误检。

发明内容

本发明旨在至少在一定程度上解决上述相关技术中的技术问题之一。

为此，本发明的一个目的在于提出一种能够提高边缘轮廓的提取精确度和定位准确度的印刷图像的检测方法。

本发明的另一个目的在于提出一种印刷图像的检测装置。

为达到上述目的，本发明一方面实施例提出了一种印刷图像的检测方法，包括以下步骤：采集印刷图像；通过自动阈值分割方法对所述印刷图像的前景区域的边缘轮廓进行粗提取；根据背景区域的灰度和所述边缘轮廓的灰度之间的灰度差异阈值对所述边缘轮廓进行编辑，以精确提取所述前景区域的边缘轮廓线；根据区域定位方法和直线定位方法定位所述边缘轮廓线；根据Blob分析方法检测所述边缘轮廓线是否存在缺陷。

根据本发明实施例提出的印刷图像的检测方法，首先对边缘轮廓进行粗提取，其次精确提取边缘轮廓线，并且根据区域定位和直线定位混用的方式定位边缘轮廓线，从而根据Blob分析方法检测边缘轮廓线是否存在缺陷，不但提高边缘轮廓的提取精确度，而且提高边缘轮廓的定位准确度，从而实现边缘缺陷的精确检测。

另外，根据本发明上述实施例的印刷图像的检测方法还可以具有如下附加的技术特征：

进一步地，在本发明的一个实施例中，在定位所述边缘轮廓线时，通过多个定位核定位关联所述边缘轮廓线，以根据所述多个定位核的定位结果加权获取定位偏移结果。

进一步地，在本发明的一个实施例中，上述方法还包括：对于所述轮廓线外部，输出与所述边缘轮廓线相连接的边缘轮廓缺陷；对于所述轮廓线内部，输出与所述边缘轮廓线的距离大于预设阈值的可疑面积缺陷。

进一步地，在本发明的一个实施例中，通过点集方式保存所述边缘轮廓线。

本发明另一方面实施例提出了一种印刷图像的检测装置，包括：采集模块，用于采集印刷图像；第一提取模块，用于通过自动阈值分割方法对所述印刷图像的前景区域的边缘轮廓进行粗提取；第二提取模块，用于根据背景区域的灰度和所述边缘轮廓的灰度之间的灰度差异阈值对所述边缘轮廓进行编辑，以精确提取所述前景区域的边缘轮廓线；定位模块，用于根据区域定位方法和直线定位方法定位所述边缘轮廓线；以及检测模块，根据Blob分析方法检测所述边缘轮廓线是否存在缺陷。

根据本发明实施例提出的印刷图像的检测装置，首先对边缘轮廓进行粗提取，其次精确提取边缘轮廓线，并且根据区域定位和直线定位混用的方式定位边缘轮廓线，从而根据Blob分析方法检测边缘轮廓线是否存在缺陷，不但提高边缘轮廓的提取精确度，而且提高边缘轮廓的定位准确度，从而实现边缘缺陷的精确检测。

另外，根据本发明上述实施例的印刷图像的检测装置还可以具有如下附加的技术特征：

进一步地，在本发明的一个实施例中，在定位所述边缘轮廓线时，所述定位模块还用于通过多个定位核定位关联所述边缘轮廓线，以根据所述多个定位核的定位结果加权获取定位偏移结果。

进一步地，在本发明的一个实施例中，上述装置还包括：输出模块，对于所述轮廓线外部，输出与所述边缘轮廓线相连接的边缘轮廓缺陷，并且对于所述轮廓线内部，输出与所述边缘轮廓线的距离大于预设阈值的可疑面积缺陷。

进一步地，在本发明的一个实施例中，上述装置还包括：存储模块，用于通过点集式保存所述边缘轮廓线。

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：

图1为根据本发明实施例的印刷图像的检测方法的流程图；

图2为根据本发明一个实施例的边缘内外缺陷示意图；

图3为根据本发明一个实施例的刮白和白点缺陷示意图；

图4为根据本发明实施例的印刷图像的检测装置的结构示意图；

图5为根据本发明一个具体实施例的印刷图像的检测装置的结构示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

在本发明中，除非另有明确的规定和限定，第一特征在第二特征之“上”或之“下”可以包括第一和第二特征直接接触，也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且，第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”包括第一特征在第二特征正上方和斜上方，或仅仅表示第一特征水平高度小于第二特征。

下面参照附图描述根据本发明实施例提出的印刷图像的检测方法及检测装置，首先将参照附图描述根据本发明实施例提出的印刷图像的检测方法。参照图1所示，该方法包括以下步骤：

S101，采集印刷图像。

S102，通过自动阈值分割方法对印刷图像的前景区域的边缘轮廓进行粗提取。

S103，根据背景区域的灰度和边缘轮廓的灰度之间的灰度差异阈值对边缘轮廓进行编辑，以精确提取前景区域的边缘轮廓线。

进一步地，在本发明的一个实施例中，通过点集方式保存边缘轮廓线。

具体地，通常对产品前景区域的提取多使用自动阈值分割方法，然而自动阈值分割方法的通用性有限，导致对产品与背景灰度较为接近的情况提取效果不好，同时，提取到的前景区域与实际的产品范围会有一定像素的误差(例如大概5个像素左右)。

基于以上原因，本发明实施例通过传统的自动阈值分割方法进行前景区域粗提取，在粗提取的基础上，根据粗提取得到的产品边缘轮廓，充分考虑产品边缘与背景灰度的微小差异，从而对轮廓周围的区域进行精提取，精提取的灰度差异阈值可以自动生成也可支持对此参数的手动修改。其中，只需点击提取轮廓按钮精提取后的边缘轮廓一键自动生成，并以点集的方式保存，误差在1个像素之内，远远小于5个像素的误差。同时，本发明实施例可支持对边缘轮廓的编辑，并且可支持鼠标拖拉和键盘输入的方式移动特定轮廓点的位置，在两个轮廓点直接新增轮廓点，以及删除特定轮廓点等操作。本发明实施例也可支持整体编辑轮廓线，并且可支持手动逐点添加一条或多条轮廓线，遇到产品区域与背景区域灰度较为接近的情况，仍能生成较精确的轮廓线。

S104，根据区域定位方法和直线定位方法定位边缘轮廓线。

其中，在本发明的一个实施例中，在定位边缘轮廓线时，通过多个定位核定位关联边缘轮廓线，以根据多个定位核的定位结果加权获取定位偏移结果。

具体地，在本发明的实施例中，本发明实施例使用区域定位和直线定位混用的方式定位产品边缘轮廓线，支持一条轮廓线多定位核定位关联，最终的定位偏移结果根据多个定位核的定位结果加权得到。

S105，根据Blob分析方法检测边缘轮廓线是否存在缺陷。

在本发明的一个实施例中，根据Blob分析方法检测边缘轮廓线是否存在缺陷具体包括：将图像根据特定阈值进行二值化，分割得到前景和背景，然后进行连通区域检测，选择可疑区域，通过相关参数控制检测所述边缘轮廓线是否存在缺陷。其中，特定阈值可以根据实际情况进行设定。

具体地，参照图2和图3所示，在图2中毛边与折角缺陷和图3中褶皱与白点缺陷，图中对边缘轮廓外的皮带区域使用产品平均灰度作为阈值进行二值化，皮带区域为背景区域，产品毛边为前景区域，则很容易得到毛边区域的连通域，并进行连通区域检测，选择可疑区域；对于正常的产品来说，前景区域面积较小几乎不存在，因此通过相关参数可以很好地检测所述边缘轮廓线是否存在缺陷。

进一步地，在本发明的一个实施例中，本发明实施例的检测方法还包括：对于轮廓线外部，输出与边缘轮廓线相连接的边缘轮廓缺陷；对于轮廓线内部，输出与边缘轮廓线的距离大于预设阈值的可疑面积缺陷。

具体地，本发明实施例无论是轮廓线内部产品区域内的褶皱、缺边、刮白、脏点还是轮廓线外部背景区域内多边、模切不完整等缺陷都可以很好地检测。对轮廓线外部可选择只输出与边缘轮廓线相连接的缺陷输出，避免皮带上非连接的纸毛等杂物干扰；轮廓线内部，可以选择与轮廓线距离大于一定阈值的可疑面积输出缺陷。本发明实施例可对输出的缺陷的面积阈值、能量阈值、大小阈值等特征进行手动或自动控制。

根据本发明实施例提出的印刷图像的检测方法，首先对边缘轮廓进行粗提取，其次精确提取边缘轮廓线，并且根据区域定位和直线定位混用的方式定位边缘轮廓线，从而根据Blob分析方法检测边缘轮廓线是否存在缺陷，不但提高边缘轮廓的提取精确度，而且提高边缘轮廓的定位准确度，从而实现边缘缺陷的精确检测。本发明实施例和相关技术中基于学习对比的检测方法相比，提取到的边缘轮廓更精确，定位边缘轮廓的精度更高，以及对边缘缺陷的检测能力更强。

下面参照附图描述根据本发明实施例提出的印刷图像的检测装置。参照图4所示，该监测装置100包括：采集模块10、第一提取模块20、第二提取模块30、定位模块40和检测模块50。

其中，采集模块10用于采集印刷图像。第一提取模块20用于通过自动阈值分割方法对印刷图像的前景区域的边缘轮廓进行粗提取。第二提取模块30用于根据背景区域的灰度和边缘轮廓的灰度之间的灰度差异阈值对边缘轮廓进行编辑，以精确提取前景区域的边缘轮廓线。定位模块40用于根据区域定位方法和直线定位方法定位边缘轮廓线。检测模块50根据Blob分析方法检测边缘轮廓线是否存在缺陷。本发明实施例的检测方法不但提高了边缘轮廓的提取精确度，并且提高了边缘轮廓的定位准确度，从而实现边缘缺陷的精确检测。

进一步地，在本发明的一个实施例中，在定位边缘轮廓线时，定位模块40还用于通过多个定位核定位关联边缘轮廓线，以根据多个定位核的定位结果加权获取定位偏移结果。

进一步地，在本发明的一个实施例中，参照图5所示，本发明实施例的检测装置100还包括：输出模块60。对于轮廓线外部，输出模块60输出与边缘轮廓线相连接的边缘轮廓缺陷，并且对于轮廓线内部，输出模块60输出与边缘轮廓线的距离大于预设阈值的可疑面积缺陷。

进一步地，在本发明的一个实施例中，参照图5所示，本发明实施例的检测装置100还包括：存储模块70。存储模块70用于通过点集式保存边缘轮廓线。

具体地，通常对产品前景区域的提取多使用自动阈值分割方法，然而自动阈值分割方法的通用性有限，导致对产品与背景灰度较为接近的情况提取效果不好，同时，提取到的前景区域与实际的产品范围会有一定像素的误差(例如大概5个像素左右)。

基于以上原因，本发明实施例通过传统的自动阈值分割方法进行前景区域粗提取，在粗提取的基础上，根据粗提取得到的产品边缘轮廓，充分考虑产品边缘与背景灰度的微小差异，从而对轮廓周围的区域进行精提取，精提取的灰度差异阈值可以自动生成也可支持对此参数的手动修改。其中，只需点击提取轮廓按钮精提取后的边缘轮廓一键自动生成，并以点集的方式保存，误差在1个像素之内，远远小于5个像素的误差。同时，本发明实施例可支持对边缘轮廓的编辑，并且可支持鼠标拖拉和键盘输入的方式移动特定轮廓点的位置，在两个轮廓点直接新增轮廓点，以及删除特定轮廓点等操作。本发明实施例也可支持整体编辑轮廓线，并且可支持手动逐点添加一条或多条轮廓线，遇到产品区域与背景区域灰度较为接近的情况，仍能生成较精确的轮廓线。

进一步地，在本发明的实施例中，本发明实施例使用区域定位和直线定位混用的方式定位产品边缘轮廓线，支持一条轮廓线多定位核定位关联，最终的定位偏移结果根据多个定位核的定位结果加权得到。

在本发明的一个实施例中，根据Blob分析方法检测边缘轮廓线是否存在缺陷具体包括：将图像根据特定阈值进行二值化，分割得到前景和背景，然后进行连通区域检测，选择可疑区域，通过相关参数控制检测所述边缘轮廓线是否存在缺陷。其中，特定阈值可以根据实际情况进行设定。

具体地，参照图2和图3所示，在图2中毛边与折角缺陷和图3中褶皱与白点缺陷，图中对边缘轮廓外的皮带区域使用产品平均灰度作为阈值进行二值化，皮带区域为背景区域，产品毛边为前景区域，则很容易得到毛边区域的连通域，并进行连通区域检测，选择可疑区域；对于正常的产品来说，前景区域面积较小几乎不存在，因此通过相关参数可以很好地检测所述边缘轮廓线是否存在缺陷。

进一步地，本发明实施例无论是轮廓线内部产品区域内的褶皱、缺边、刮白、脏点还是轮廓线外部背景区域内多边、模切不完整等缺陷都可以很好地检测。对轮廓线外部可选择只输出与边缘轮廓线相连接的缺陷输出，避免皮带上非连接的纸毛等杂物干扰；轮廓线内部，可以选择与轮廓线距离大于一定阈值的可疑面积输出缺陷。本发明实施例可对输出的缺陷的面积阈值、能量阈值、大小阈值等特征进行手动或自动控制。

根据本发明实施例提出的印刷图像的检测装置，首先对边缘轮廓进行粗提取，其次精确提取边缘轮廓线，并且根据区域定位和直线定位混用的方式定位边缘轮廓线，从而根据Blob分析方法检测边缘轮廓线是否存在缺陷，不但提高边缘轮廓的提取精确度，而且提高边缘轮廓的定位准确度，从而实现边缘缺陷的精确检测。本发明实施例和相关技术中基于学习对比的检测方法相比，提取到的边缘轮廓更精确，定位边缘轮廓的精度更高，以及对边缘缺陷的检测能力更强。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (6)

1.一种印刷图像的检测方法，其特征在于，包括以下步骤：

采集印刷图像；

通过自动阈值分割方法对所述印刷图像的前景区域的边缘轮廓进行粗提取；

根据背景区域的灰度和所述边缘轮廓的灰度之间的灰度差异阈值对所述边缘轮廓进行编辑，以精确提取所述前景区域的边缘轮廓线，并且通过点集方式保存所述边缘轮廓线；

根据区域定位方法和直线定位方法定位所述边缘轮廓线；以及

根据Blob分析方法检测边缘轮廓线是否存在缺陷。

2.根据权利要求1所述的印刷图像的检测方法，其特征在于，在定位所述边缘轮廓线时，通过多个定位核定位关联所述边缘轮廓线，以根据所述多个定位核的定位结果加权获取定位偏移结果。

3.根据权利要求1所述的印刷图像的检测方法，其特征在于，还包括：

对于所述轮廓线外部，输出与所述边缘轮廓线相连接的边缘轮廓缺陷；

对于所述轮廓线内部，输出与所述边缘轮廓线的距离大于预设阈值的可疑面积缺陷。

4.一种印刷图像的检测装置，其特征在于，包括：

采集模块，用于采集印刷图像；

第一提取模块，用于通过自动阈值分割方法对所述印刷图像的前景区域的边缘轮廓进行粗提取；

第二提取模块，用于根据背景区域的灰度和所述边缘轮廓的灰度之间的灰度差异阈值对所述边缘轮廓进行编辑，以精确提取所述前景区域的边缘轮廓线；

存储模块，用于通过点集式保存所述边缘轮廓线；

定位模块，用于根据区域定位方法和直线定位方法定位所述边缘轮廓线；以及

检测模块，根据Blob分析方法检测所述边缘轮廓线是否存在缺陷。

5.根据权利要求4所述的印刷图像的检测装置，其特征在于，在定位所述边缘轮廓线时，所述定位模块还用于通过多个定位核定位关联所述边缘轮廓线，以根据所述多个定位核的定位结果加权获取定位偏移结果。

6.根据权利要求4所述的印刷图像的检测装置，其特征在于，还包括：

输出模块，对于所述轮廓线外部，输出与所述边缘轮廓线相连接的边缘轮廓缺陷，并且对于所述轮廓线内部，输出与所述边缘轮廓线的距离大于预设阈值的可疑面积缺陷。