CN109030494B - 基于机器视觉的激光雕刻凹印印版滚筒网穴质量检测方法 - Google Patents

基于机器视觉的激光雕刻凹印印版滚筒网穴质量检测方法 Download PDF

Info

Publication number
CN109030494B
CN109030494B CN201810595656.0A CN201810595656A CN109030494B CN 109030494 B CN109030494 B CN 109030494B CN 201810595656 A CN201810595656 A CN 201810595656A CN 109030494 B CN109030494 B CN 109030494B
Authority
CN
China
Prior art keywords
cell
image
edge
intaglio
value
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201810595656.0A
Other languages
English (en)
Other versions
CN109030494A (zh
Inventor
何自芬
唐海艳
张印辉
吴启科
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Kunming University of Science and Technology
Original Assignee
Kunming University of Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Kunming University of Science and Technology filed Critical Kunming University of Science and Technology
Priority to CN201810595656.0A priority Critical patent/CN109030494B/zh
Publication of CN109030494A publication Critical patent/CN109030494A/zh
Application granted granted Critical
Publication of CN109030494B publication Critical patent/CN109030494B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • G01N2021/889—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques providing a bare video image, i.e. without visual measurement aids
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30144—Printing quality

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Quality & Reliability (AREA)
  • Manufacture Or Reproduction Of Printing Formes (AREA)

Abstract

本发明公开基于机器视觉的激光雕刻凹印印版滚筒网穴质量检测方法，包括扫描凹印印版滚筒的整个表面采集得连续调网穴图像；将连续调网穴图像转换成多灰度网穴图像并进行灰度线性变换增加对比度，提取经过对比度增强后的网穴图像的网穴边缘信息；确定网穴图像矩阵尺寸，从网穴边缘信息中提取出凹版网穴边缘图，遍历扫描凹版网穴边缘图得各网穴的通沟值d x 和暗调值s x ；根据激光雕刻工艺确定凹版网穴的通沟标准值范围和暗调标准值范围，若d x 及s x 都落入通沟和暗调标准值范围中，则判定网穴x合格；若凹版网穴边缘图所有网穴合格数大于阈值，则判定整幅图像的网穴质量合格。本发明不仅检测精度和检测效率高，还能提供检测报告以提升制版合格率。

Description

基于机器视觉的激光雕刻凹印印版滚筒网穴质量检测方法
技术领域
本发明属于图像处理技术领域，具体涉及检测精度和检测效率高，能提供检测报告以提升制版合格率的基于机器视觉的激光雕刻凹印印版滚筒网穴质量检测方法。
背景技术
凹版印刷具有墨层厚实，色泽鲜艳、均匀，层次丰富、清晰，立体感强的特点，在包装印刷中所占比重不断提高。同时，由于凹版印刷的油墨是从凹版的网穴内直接转移到承印物表面，因此，凹版网穴的质量对印品质量有着很大影响。自进入二十世纪六十年代起，凹印制版技术就进入了高质量、高速度、高精度发展阶段，在这之前生产的方法是通过化学物质去腐蚀版面；1962年德国HELL公司生产了第一台凹印电子雕刻机，从此进入凹印印前领域的研发中。到了2004年12800HZ的超髙速雕刻技术应运而生。但是电子雕刻机的刻刀每次的雕刻只能得到一个网穴并且它的形状与滚筒转速、刻刀的角度及横向进给速度等密切相关，这就产生了一系列的问题，比如：“雕刻出的凹版网穴的形状可变化的自由度较小，整体图像分辨率较低等”，特别是对于一些小号的文字和图形，其边缘雕刻的效果不佳。因此，随着社会的进步和发展，为适应市场的变化及满足市场的需求，凹印制版的方式也在不断地往高质量、高精度、高速度的方向目标迈进。
二十世纪七十年代，开始了激光在制版领域的应用探索。激光雕刻是利用激光的开关状态来控制高能激光束作用于凹版滚筒中的某一特定区域内，使得该区域表面上的材料迅速产生蒸发而在该表面上形成一个凹陷点的过程。图像或文字经过输入接口进行接收，随之经过数字半色调方法处理的数字信号传送至激光调制器。从激光发生器中发出一束带有高能量而平稳的激光束，且该激光束是由原先的图像或者文字信息通过电子计算机控调器和光能量调节器产生的，然后经由聚焦透镜扫射在滚筒的表面上，使凹印滚筒表面涂覆的保护层受热蒸发，最终导致滚筒的铁底露出并与空气得以接触，经由不同时间腐蚀之后才得以形成与半色调图像中网点相对应的网穴。激光雕刻凹版制版不仅具备高速度和高精度的特点，还可以在印版上雕刻出任意的圆弧和斜线条，这些都是机械雕刻和电子雕刻无法比拟的，并且其质量和效率都有了大幅度的提升。
激光雕刻在凹版滚筒上的多灰度图像质量与滚筒上的网穴好坏密切相关，而凹版滚筒上的多灰度图像质量决定了最终印刷品的质量，故对滚筒上网穴质量的控制具有重要的意义。传统滚筒上网穴质量的控制主要有两种：人工通过显微设备进行检测。人工检测不仅检测效率低、易受人主观因素和视觉疲劳的影响，不同人的检测结果会有一定误差，因此检测精度差。而且人工通过显微设备检测无法精确得到每个网穴的实际大小和分布情况，也无法精确统计整个滚筒上的网穴变形数量，从而难以对雕刻工艺的改进进行指导。随着机器视觉的迅速发展，基于机器视觉的印版检测技术得到了广泛的应用。机器视觉检测技术是一种建立在计算机视觉理论上的新技术，将该项技术应用于滚筒网穴的自动检测，对于控制滚筒激光雕刻的网穴品质、保障滚筒质量来说都有着无法比拟的作用，可以及时防止劣质滚筒的外流，而且还能提供检测报告以供激光雕刻工艺的改进和流程的优化，从而提升制版合格率。目前的机器视觉检测凹印滚筒网穴技术，由于受采样图像质量的限制，凹穴边缘难以清晰的划分，使得检测的准确率有待提高，难以进入实际应用。
发明内容
本发明的目的在于提供检测精度和检测效率高，能提供检测报告以提升制版合格率的基于机器视觉的激光雕刻凹印印版滚筒网穴质量检测方法。
本发明目的是这样实现的，包括图像采集、图像数字处理、网穴变形检测、网穴质量判别步骤，具体包括：
A、图像采集：利用采集设备扫描遍历经激光雕刻的凹印印版滚筒的整个表面，采集得到连续调网穴图像；
B、图像数字处理：将A步骤得到的连续调网穴图像转换成多灰度网穴图像，对多灰度网穴图像进行灰度线性变换增加对比度，然后对经过对比度增强后的网穴图像进行边缘信息提取，得到网穴边缘信息；
C、网穴变形检测：确定网穴图像的矩阵尺寸，然后从B步骤得到的网穴边缘信息中提取出凹版网穴边缘图，遍历扫描凹版网穴边缘图获取各网穴的通沟值d x 和暗调值s x ；
D、网穴质量判别：根据激光雕刻工艺确定凹印印版滚筒网穴的通沟标准值d 0 及偏差a和暗调标准值s 0 及偏差b，若C步骤得到的d x 落入d 0 +a中且s x 落入s 0 +b中，则判定网穴x合格，否则判定网穴x不合格；若C步骤得到的凹版网穴边缘图中所有网穴的合格数或合格率大于预设阈值时，则判定整幅图像的网穴质量合格，否则为整幅图像的网穴质量不合格。
本发明通过图像采集系统获取激光雕刻后的凹印印版滚筒上连续调网穴图像，然后对连续调网穴图像进行灰度的线性变换以增加其对比度，之后用边缘检测方法提取灰度变化后网穴图像的边缘信息，然后通过确定网穴图像的矩阵尺寸并从网穴边缘信息中提取出凹版网穴边缘图，最后测量凹版网穴边缘图中各网穴的通沟值和暗调值，通过将各网穴的通沟值和暗调值与标准值作比较，来判别网穴的质量是否合格。本发明不仅检测效率和检测精度高，能够及时发现制版过程中的问题，而且还能提供检测的分析报告，为采取相应的调整措施、确定最佳的生产工艺参数提供了可靠的基础，从而能够有效提升凹版的合格率，同时对帮助改进工艺流程起到一定的积极作用。
附图说明
图1为本发明的机器视觉系统框架图；
图2为实验例凹版中一个网穴的原图像；
图3为图2经灰度线性变换后的对比度增强图像；
图4为图3经canny方法边缘信息提取的凹穴图像；
图5为图3经log方法边缘信息提取的凹穴图像；
图6为图3经prewitt方法边缘信息提取的凹穴图像；
图7为图3经roberts方法边缘信息提取的凹穴图像；
图8为图3经sobel方法边缘信息提取的凹穴图像；
图9为实验例canny、log、prewitt、roberts、sobel方法的ROC曲线；
图10为实验例canny、log、prewitt、roberts、sobel方法的RPFM柱状图；
图11为激光雕刻凹印印版滚筒网穴特征图；
图12为实验例凹版中第一网穴的原图像；
图13为图12经灰度线性变换后的对比度增强图像；
图14为图13经roberts方法边缘信息提取的凹穴图像；
图15为实验例凹版中第二网穴的原图像；
图16为图15经灰度线性变换后的对比度增强图像；
图17为图16经roberts方法边缘信息提取的凹穴图像；
其中：d-通沟值，s-暗调值，w-网墙值。
具体实施方式
下面结合附图与实施例对本发明作进一步的说明，但不以任何方式对本发明加以限制，依据本发明的教导所作的任何变更或替换，均属于本发明的保护范围。
本发明包括图像采集、图像数字处理、网穴变形检测、网穴质量判别步骤，具体包括：
A、图像采集：利用采集设备扫描遍历经激光雕刻的凹印印版滚筒的整个表面，采集得到连续调网穴图像；
B、图像数字处理：将A步骤得到的连续调网穴图像转换成多灰度网穴图像，对多灰度网穴图像进行灰度线性变换增加对比度，然后对经过对比度增强后的网穴图像进行边缘信息提取，得到网穴边缘信息；
C、网穴变形检测：确定网穴图像的矩阵尺寸，然后从B步骤得到的网穴边缘信息中提取出凹版网穴边缘图，遍历扫描凹版网穴边缘图获取各网穴的通沟值d x 和暗调值s x ；
D、网穴质量判别：根据激光雕刻工艺确定凹印印版滚筒网穴的通沟标准值d 0 及偏差a和暗调标准值s 0 及偏差b，若C步骤得到的d x 落入d 0 +a中且s x 落入s 0 +b中，则判定网穴x合格，否则判定网穴x不合格；若C步骤得到的凹版网穴边缘图中所有网穴的合格数或合格率大于预设阈值时，则判定整幅图像的网穴质量合格，否则为整幅图像的网穴质量不合格。
所述A步骤采用显微摄取设备采集凹印印版滚筒表面包含清晰网穴的连续调网穴图像。
所述B步骤中采用matlab图像处理方法将多灰度网穴图像进行灰度的线性变换增加对比度。
所述B步骤中采用prewitt、roberts或sobel边缘检测方法提取对比度增强后的网穴图像边缘信息。
所述roberts边缘检测方法主要通过局部差分来寻找图像边缘的，计算公式如下：
Figure 812954DEST_PATH_IMAGE002
，
Figure 385887DEST_PATH_IMAGE004
，
其中：和分别表示网穴图像在(i, j)处梯度的大小和方向，f(i, j)为对比度增强后的网穴图像灰度的分布函数；
Figure 900045DEST_PATH_IMAGE006
，
用差分的方法取代一阶偏导的方法，roberts边缘检测方法的形式如下式：
Figure 826412DEST_PATH_IMAGE008
。
所述prewitt边缘检测方法通过寻找三对像素点的值之间差值的平均，用差分法替换一阶偏导可得prewitt边缘检测方法的形式如下式：
Figure 312889DEST_PATH_IMAGE010
，
其中：f(i, j)为对比度增强后的网穴图像灰度的分布函数。
所述sobel边缘检测方法首先定义g 1 (i, j)和g 2 (i, j)为两个卷积核，然后将g 1 (i, j)和g 2 (i, j)与对比度增强后的网穴图像f(i, j)进行卷积运算，从而获得网穴边缘信息；sobel边缘检测方法的计算公式如下：
Figure 666510DEST_PATH_IMAGE012
，
用差分的方法取代一阶偏导的方法，sobel边缘检测方法的形式如下式：
Figure 667964DEST_PATH_IMAGE014
。
所述暗调值s x 为凹版网穴边缘图的各网穴图像矩阵中横向距离的最大值；所述通沟值d x 为凹版网穴边缘图的各网穴图像矩阵中横向距离的最小值。
所述C步骤的凹版网穴边缘图中亮点部分为1且其余部分为0，所述暗调值s x 为凹版网穴边缘图的各网穴中具有相同纵坐标的像素对之间其横向坐标之差的最大值；所述通沟值d x 是以逐行检测的方式遍历扫描凹版网穴边缘图的各网穴中第一行的所有元素，其结果是无亮点的，则之后扫描下一行，得到r、c值，设c m 和c s 分别为横向坐标的最大值和最小值，则c m 与c s 之间的差值即为通沟值d x 。
实验例：
1、实验条件
1.1 为了验证本发明的有效性，实验采用配置为2.56GHz CPU、4G内存、64位的win7笔记本电脑，所用到的软件是Matlab2014a，基于以上平台实现了本发明的效果验证。
1.2 德国SCHEPERS激光雕刻机
该激光雕刻机有两束多模式激光，每束激光的功率为400W，频率为35kHZ，其能量是由声光调制器来控制的，调制后可达到600W且频率为70kHZ。再经透射率为92%的光导纤维透射后，平均有超过500W的能量经聚焦透镜照射到滚筒的表面上。
1.3 上海典翔SH-DXA凹版打样机
该凹版打印机的运动方式是由两边双气缸推动的，它的样鼓直径为500mm,打样压力为3~5kg，版辊的旋转速度为70r/min，样鼓旋转速度可调，整机的外形尺寸为3350×1750×1200mm，功率为4KW，采用了VEC*Cs镜头，有效保证网点的清晰度，再加上十字发生器及DYLJ28卡头，使网点可放大50倍，呈像清晰。
1.4爱普生V300扫描仪
其扫描元件为12线CCD，其扫描速度为1200dpi:10.08ms/线、600dpi:单色2.88ms/线，光学分辨率为4800×4800dpi，最大分辨率为12800×12800dpi，扫描用的是LED光源，动态密度为3.2，其透扫器的尺寸为30.9×244mm。
1.5 图像采集系统的设备
表1图像采集设备
Figure DEST_PATH_IMAGE015
2、制版过程
实验中的凹版印版滚筒是由SCHEPERS激光雕刻机雕刻而成，其凹印印版滚筒的轴长为1.0m，周长为0.6m。其工艺过程是：(1)对镀铜的凹版滚筒进行全面的腐蚀而使其形成传统的着墨孔，孔的深度大约为50μm。(2)首先采取静电喷涂的工艺方法将环氧树脂涂抹于滚筒的表面上，然后执行热处理操作，最后经过研磨工艺可使其表面平整光滑。(3)滚筒在激光雕刻机上以10rpm的转速匀速旋转且其表面受到以速度为75mm/min的能量高且平稳的激光束横向扫射而导致环氧树脂产生汽化。
3、本发明试验过程
3.1 利用显微摄取设备采集设备，扫描遍历经激光雕刻的凹印印版滚筒整个表面，采集得到连续调网穴图像。
3.2 将连续调网穴图像转换成多灰度网穴图像（图2），对多灰度网穴图像用matlab图像处理方法对所采集来的100幅网穴实验图片中的一幅进行信息的读取和显示，然后对其进行灰度的线性变换增加对比度（图3），最后对经过对比度增强后的网穴图像分别采用canny、log、prewitt、roberts、sobel边缘检测方法提取对比度增强后的网穴图像边缘信息，得到网穴边缘信息（图4~图8）；
3.2.1 roberts边缘检测方法主要通过局部差分来寻找图像边缘的，计算公式如下：
Figure 319394DEST_PATH_IMAGE002
，
Figure 722693DEST_PATH_IMAGE004
，
其中：和分别表示网穴图像在(i, j)处梯度的大小和方向，f(i, j)为对比度增强后的网穴图像灰度的分布函数；
Figure 388161DEST_PATH_IMAGE006
，
用差分的方法取代一阶偏导的方法，roberts边缘检测方法的形式如下式：
Figure 876911DEST_PATH_IMAGE008
；
3.2.2 prewitt边缘检测方法通过寻找三对像素点的值之间差值的平均，用差分法替换一阶偏导可得prewitt边缘检测方法的形式如下式：
Figure 410661DEST_PATH_IMAGE010
，
其中：f(i, j)为对比度增强后的网穴图像灰度的分布函数；
3.2.3 sobel边缘检测方法首先定义g 1 (i, j)和g 2 (i, j)为两个卷积核，然后将g 1 (i, j)和g 2 (i, j)与对比度增强后的网穴图像f(i, j)进行卷积运算，从而获得网穴边缘信息；sobel边缘检测方法的计算公式如下：
Figure 668467DEST_PATH_IMAGE012
，
用差分的方法取代一阶偏导的方法，sobel边缘检测方法的形式如下式：
Figure 757033DEST_PATH_IMAGE014
。
3.2.4 为了更好地评估五种边缘检测方法对凹版网穴图像的边缘检测结果，采用文献（Achanta R,Hemami S,Estrada F,et al.Frequency-tuned salient regiondetection. Computer Vision and Pattern Recognition,2009.CVPR 2009.IEEEConference on. IEEE,2009:1597-1604）及（Cheng M M,Zhang G X,Mitra N J,etal.Global contrast based salient region detection. Computer Vision andPattern Recognition. IEEE,2011:409-416）中的查全率R、查准率P、F-测量以及平均绝对误差MAE对所采集的100幅凹版网穴实验图像进行定量分析评价，P代表着计算被正确标记为前景像素的数目与整个图像中被人眼认定并标注是前景像素总数之间的比值；R代表为计算前景像素中被正确地标记为前景像素的数目与标准结果前景像素总数之间的比值；其中：TP为真正类样本数，也就是前景像素中被准确无误地记为前景的像素数目；FN为假负类样本数，即为前景像素中被错误记为背景的像素数目；TN为真负类样本数，即为背景像素中被准确无误记为背景的像素数目；FP为假正类样本数，即为背景像素中被错误记为前景的像素数目；R和P的计算公式分别为R=TP/(TP+FN)和P=TP/(TP+FP)。F-测量是衡量整体分割效果好坏的指标，表达式为F=((1+β 2 ）PR)/(β 2 P+R)，其中β 2 的值设置为0.3。MAE的表达式如下：
Figure DEST_PATH_IMAGE017
，
其中：p和q为结果图像S(x, y)的尺寸，G(x, y)为人工分割的标准结果图像。
其定量分析的结果如表2所示；对应的ROC曲线及RPFM柱状图结果如图9和图10所示；
表2 五种边缘检测方法的R、P、F值
方 法 <i>R</i> <i>P</i> <i>F</i> <i>MAE</i>
Canny 0.8876 0.6448 0.6883 0.0923
Log 0.8430 0.6323 0.6710 0.0392
Prewitt 0.8833 0.6437 0.6867 0.0231
Roberts 0.9782 0.6679 0.7207 0.0027
Soble 0.8843 0.6439 0.6870 0.0230
从表2可看出，roberts边缘检测方法的R、P、F值及MAE的值均优于其他四种方法。观察图9中不难发现，在ROC曲线中，roberts边缘检测方法精确度最高。图10中RPFM柱状图也体现出了roberts边缘检测方法的查全率最高且平均绝对误差最小，且sobel和prewitt两种方法的检测精度也较高且非常相近。
3.3 确定网穴图像的矩阵尺寸，然后从网穴边缘信息中提取出凹版网穴边缘图，遍历扫描凹版网穴边缘图获取各网穴的通沟值d x 和暗调值s x （图11）；
其中：暗调值s x 为凹版网穴边缘图的各网穴图像矩阵中横向距离的最大值；通沟值d x 为凹版网穴边缘图的各网穴图像矩阵中横向距离的最小值；
将凹版网穴边缘图中亮点部分设为1且其余部分设为0，暗调值s x 为凹版网穴边缘图的各网穴中具有相同纵坐标的像素对之间其横向坐标之差的最大值；设j m 为横向坐标最大值，j s 为横向坐标最小值，则j m 与j s 之间的差值也就是暗调值s x ，得到结果j m =416，j s=17 ，则暗调值s x 为399；通沟值d x 是以逐行检测的方式遍历扫描凹版网穴边缘图的各网穴中第一行的所有元素，其结果是无亮点的，则之后扫描下一行，得到r、c值，设c m 和c s 分别为横向坐标的最大值和最小值，则c m 与c s 之间的差值即为通沟值d x ；当扫描过程结束之后，得到r值都为1，c的值分别为138、179、225和270，c m 为270，c s 为138，d x 为132。
3.4 根据激光雕刻工艺，确定凹印印版滚筒网穴的通沟标准值d 0 =125及偏差a为d 0 ±10和暗调标准值s 0 =394及偏差b为s 0 ±10；若d x 落入d 0 +a中且s x 落入s 0 +b中，则判定网穴x合格，否则判定网穴x不合格；若C步骤得到的凹版网穴边缘图中所有网穴的合格数或合格率大于预设阈值时，得到结果z为1，则判定整幅图像的网穴质量合格，否则为整幅图像的网穴质量不合格。
3.4.1 提取了另外两幅凹版网穴实验图像（图12、图15），它们经过灰度线性变换操作（图13、图16）后采用roberts边缘检测方法提取出边缘信息（图14、图17），之后分别对它们进行质量判别，得到的结果如表3所示。
表3三幅凹版网穴实验原图的测试结果
Figure 529817DEST_PATH_IMAGE018

Claims (4)

1.基于机器视觉的激光雕刻凹印印版滚筒网穴质量检测方法，其特征在于包括图像采集、图像数字处理、网穴变形检测、网穴质量判别步骤，具体包括：
A、图像采集：利用采集设备遍历扫描经激光雕刻的凹印印版滚筒的整个表面，采集得到连续调网穴图像；
B、图像数字处理：将A步骤得到的连续调网穴图像转换成多灰度网穴图像，采用matlab图像处理方法对多灰度网穴图像进行灰度线性变换增加对比度，然后采用prewitt、roberts或sobel边缘检测方法对经过对比度增强后的网穴图像进行边缘信息提取，得到网穴边缘信息；其中：
所述roberts边缘检测方法主要通过局部差分来寻找图像边缘的，计算公式如下：
Figure 859142DEST_PATH_IMAGE001
，
Figure 245124DEST_PATH_IMAGE002
，
其中：v(i, j)和
Figure 480321DEST_PATH_IMAGE003
分别表示网穴图像在(i, j)处梯度的大小和方向，f(i, j)为对比度增强后的网穴图像灰度的分布函数；
Figure 344372DEST_PATH_IMAGE004
，
用差分的方法取代一阶偏导的方法，roberts边缘检测方法的形式如下式：
Figure 627586DEST_PATH_IMAGE005
；
所述prewitt边缘检测方法通过寻找三对像素点的值之间差值的平均，用差分法替换一阶偏导可得prewitt边缘检测方法的形式如下式：
Figure 168157DEST_PATH_IMAGE006
，
其中：f(i, j)为对比度增强后的网穴图像灰度的分布函数；
所述sobel边缘检测方法首先定义g 1 (i, j)和g 2 (i, j)为两个卷积核，然后将g 1 (i, j)和g 2 (i, j)与对比度增强后的网穴图像f(i, j)进行卷积运算，从而获得网穴边缘信息；sobel边缘检测方法的计算公式如下：
Figure 904032DEST_PATH_IMAGE007
，
用差分的方法取代一阶偏导的方法，sobel边缘检测方法的形式如下式：
Figure 571774DEST_PATH_IMAGE008
；
C、网穴变形检测：确定网穴图像的矩阵尺寸，然后从B步骤得到的网穴边缘信息中提取出凹版网穴边缘图，遍历扫描凹版网穴边缘图获取各网穴的通沟值d x 和暗调值s x ；
D、网穴质量判别：根据激光雕刻工艺确定凹印印版滚筒网穴的通沟标准值d 0 及偏差a和暗调标准值s 0 及偏差b，若C步骤得到的d x 落入d 0 +a中且s x 落入s 0 +b中，则判定网穴x合格，否则判定网穴x不合格；若C步骤得到的凹版网穴边缘图中所有网穴的合格数或合格率大于预设阈值时，则判定整幅图像的网穴质量合格，否则为整幅图像的网穴质量不合格。
2.根据权利要求1所述基于机器视觉的激光雕刻凹印印版滚筒网穴质量检测方法，其特征在于所述A步骤采用显微摄取设备采集凹印印版滚筒表面包含清晰网穴的连续调网穴图像。
3.根据权利要求1所述基于机器视觉的激光雕刻凹印印版滚筒网穴质量检测方法，其特征在于所述暗调值s x 为凹版网穴边缘图的各网穴图像矩阵中横向距离的最大值；所述通沟值d x 为凹版网穴边缘图的各网穴图像矩阵中横向距离的最小值。
4.根据权利要求1所述基于机器视觉的激光雕刻凹印印版滚筒网穴质量检测方法，其特征在于所述C步骤的凹版网穴边缘图中亮点部分为1且其余部分为0，所述暗调值s x 为凹版网穴边缘图的各网穴中具有相同纵坐标的像素对之间其横向坐标之差的最大值；所述通沟值d x 是以逐行检测的方式遍历扫描凹版网穴边缘图的各网穴中第一行的所有元素，其结果是无亮点的，则之后扫描下一行，得到r、c值，设c m 和c s 分别为横向坐标的最大值和最小值，则c m 与c s 之间的差值即为通沟值d x 。
CN201810595656.0A 2018-06-11 2018-06-11 基于机器视觉的激光雕刻凹印印版滚筒网穴质量检测方法 Active CN109030494B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810595656.0A CN109030494B (zh) 2018-06-11 2018-06-11 基于机器视觉的激光雕刻凹印印版滚筒网穴质量检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810595656.0A CN109030494B (zh) 2018-06-11 2018-06-11 基于机器视觉的激光雕刻凹印印版滚筒网穴质量检测方法

Publications (2)

Publication Number Publication Date
CN109030494A CN109030494A (zh) 2018-12-18
CN109030494B true CN109030494B (zh) 2021-04-20

Family

ID=64612574

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810595656.0A Active CN109030494B (zh) 2018-06-11 2018-06-11 基于机器视觉的激光雕刻凹印印版滚筒网穴质量检测方法

Country Status (1)

Country Link
CN (1) CN109030494B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111301037B (zh) * 2019-12-16 2021-09-21 华南理工大学广州学院 基于LabVIEW的多功能雕刻机的工作方法
CN111907191B (zh) * 2020-06-19 2022-03-01 固高科技股份有限公司 补偿方法、装置、电雕控制系统和计算机可读存储介质
CN111812090B (zh) * 2020-06-19 2023-04-14 固高科技股份有限公司 检测方法、装置、电雕控制系统和计算机可读存储介质
CN111791574A (zh) * 2020-06-19 2020-10-20 固高科技(深圳)有限公司 电雕设备和检测方法
CN113334978B (zh) * 2021-07-07 2021-12-14 东莞市昂图智能科技有限公司 应用于cnc雕刻机的图像采集系统
CN117102586B (zh) * 2023-10-19 2024-01-16 深圳市国匠数控科技有限公司 一种电子雕刻机自动试雕方法及电子雕刻机

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN201657207U (zh) * 2010-03-16 2010-11-24 浙江博玛数码电子有限公司 基于视觉的数字式电子雕刻制版质量在线监控装置
CN202583074U (zh) * 2011-12-21 2012-12-05 北京兆维电子(集团)有限责任公司 基于机器视觉的胶印版材表面检测系统
CN104463097A (zh) * 2014-10-31 2015-03-25 武汉工程大学 基于局部自适应阈值分割算法的高压线图像检测方法
CN105069807A (zh) * 2015-08-28 2015-11-18 西安工程大学 一种基于图像处理的冲压工件缺陷检测方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101259784B (zh) * 2008-04-23 2011-07-27 昆明理工大学 印刷压力机器视觉检测与在线调节方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN201657207U (zh) * 2010-03-16 2010-11-24 浙江博玛数码电子有限公司 基于视觉的数字式电子雕刻制版质量在线监控装置
CN202583074U (zh) * 2011-12-21 2012-12-05 北京兆维电子(集团)有限责任公司 基于机器视觉的胶印版材表面检测系统
CN104463097A (zh) * 2014-10-31 2015-03-25 武汉工程大学 基于局部自适应阈值分割算法的高压线图像检测方法
CN105069807A (zh) * 2015-08-28 2015-11-18 西安工程大学 一种基于图像处理的冲压工件缺陷检测方法

Also Published As

Publication number Publication date
CN109030494A (zh) 2018-12-18

Similar Documents

Publication Publication Date Title
CN109030494B (zh) 基于机器视觉的激光雕刻凹印印版滚筒网穴质量检测方法
US5652804A (en) Automatic inspection of printing plates or cylinders
US6970606B2 (en) Automatic image quality evaluation and correction technique for digitized and thresholded document images
CN111145163A (zh) 一种纸张褶皱缺陷检测方法及装置
CN107389693A (zh) 一种基于机器视觉的印刷品缺陷自动检测方法
CN113002161B (zh) 一种印刷机色彩质量控制方法、系统、终端及存储介质
CN103837537B (zh) 一种无砂目金属喷墨印版网点面积率测量方法
CN115049645B (zh) 一种太阳能电池板表面缺陷检测方法
CN108982525A (zh) 一种用于书刊绿色高精细印刷质量的分析及检测方法
CN105760869B (zh) 一种基于图像灰度识别及处理的阅卷方法
CN104949626A (zh) 胶印印刷版网点还原密度测定方法
CN114359276B (zh) 基于麻点缺陷的钢模下料优选方案获取方法
CN113920121B (zh) 基于图像处理的工艺品印刷条痕检测方法和系统
KR101858829B1 (ko) 편석 분석 장치 및 방법
CN113043723A (zh) 一种网框套位方法
CN116580031B (zh) 一种无溶剂复合印刷异常检测方法
CN112862755B (zh) 一种印刷品墨层厚度的检测装置及检测方法
CN117214183B (zh) 一种基于机器视觉的纸张缺陷检测方法
CN103604754A (zh) 一种报纸印刷的文字墨色的测量方法
CN118032812B (zh) 一种防伪油墨印刷缺陷检测方法
CN114926403A (zh) 一种基于sfr检测柔性印刷重影方法及装置
CN118134886A (zh) 一种镭射印刷品成像缺陷检测方法
CN117183562A (zh) 一种凹版电雕曲线的标准化方法
Pavlović et al. Comparative study of offset plate tone value reproduction using different measuring and image processing tools
CN117124723A (zh) 一种多通道图像的凹印数码打样方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant