CN111309271B - 一种基于机器视觉的双色打印机检测方法 - Google Patents

一种基于机器视觉的双色打印机检测方法 Download PDF

Info

Publication number
CN111309271B
CN111309271B CN202010038996.0A CN202010038996A CN111309271B CN 111309271 B CN111309271 B CN 111309271B CN 202010038996 A CN202010038996 A CN 202010038996A CN 111309271 B CN111309271 B CN 111309271B
Authority
CN
China
Prior art keywords
paper
black
red
lsu
boundary
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
CN202010038996.0A
Other languages
English (en)
Other versions
CN111309271A (zh
Inventor
翁芳
赵永生
章逸丰
张艳
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.)
Binhai Industrial Technology Research Institute of Zhejiang University
Original Assignee
Binhai Industrial Technology Research Institute of Zhejiang University
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 Binhai Industrial Technology Research Institute of Zhejiang University filed Critical Binhai Industrial Technology Research Institute of Zhejiang University
Priority to CN202010038996.0A priority Critical patent/CN111309271B/zh
Publication of CN111309271A publication Critical patent/CN111309271A/zh
Application granted granted Critical
Publication of CN111309271B publication Critical patent/CN111309271B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/12—Digital output to print unit, e.g. line printer, chain printer
    • G06F3/1201—Dedicated interfaces to print systems
    • G06F3/1202—Dedicated interfaces to print systems specifically adapted to achieve a particular effect
    • G06F3/1203—Improving or facilitating administration, e.g. print management
    • G06F3/1204—Improving or facilitating administration, e.g. print management resulting in reduced user or operator actions, e.g. presetting, automatic actions, using hardware token storing data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/12—Digital output to print unit, e.g. line printer, chain printer
    • G06F3/1201—Dedicated interfaces to print systems
    • G06F3/1202—Dedicated interfaces to print systems specifically adapted to achieve a particular effect
    • G06F3/121—Facilitating exception or error detection and recovery, e.g. fault, media or consumables depleted
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Image Processing (AREA)

Abstract

本发明提供一种基于机器视觉的双色打印机检测方法，一部分是打印纸缺陷检测，主要包括纸张形状、纸张边界、纸张深浅度检测三部分，其中，纸张形状检测是指判断纸张是否有破损、弯角、折角、褶皱等异常现象，纸张边界检测是指判断纸张边界及标尺是否有缺失，纸张深浅度是判断无内容的空白区域是否有黑、红重影、底灰及其它的深浅异常效果，有内容的区域是否有白重影、底灰、过深、过浅及其它的深浅异常效果，还有灰度等级的判断。另一部分是打印纸参数的测量，主要包括歪斜度、对齐度、放大率、红黑偏差等参数的检测，把检测到的参数发给打印机参数调整软件，可以对打印机参数进行重新调整。

Description

一种基于机器视觉的双色打印机检测方法
技术领域
本发明属于打印机检测技术领域，尤其是涉及一种基于机器视觉的双色打印机检测方法。
背景技术
检测技术是现代自动化技术的重要组成部分，也是当代工业高度发达的基础技术之一。在现代的工业生产线中，包含各种类型的检测，如机器零件尺寸测量、商品外观包装检测、产品表面缺陷检测等。这些检测的共同特点是产品大批量生产、检测环节高度重复、产品检测速度快、特殊区域检测精度要求高。如果依赖人工视觉检测，不仅使人工成本增加，而且还会由于人工视觉速度很慢、易疲劳、精度较差等问题，最终会导致漏检、误检等问题，从而不能满足当代某些制造业领域的需要。机器视觉检测是一种新兴的自动化技术，最基本的特点就是提高生产的灵活性和自动化程度。在一些不适于人工作业的危险工作环境或者人工视觉难以满足要求的场合，常用机器视觉来替代人工视觉。同时，在大批量重复性工业生产过程中，用机器视觉检测方法可以大大提高生产的效率和自动化程度。
在打印机的生产线中，打印机打印出来的样张的质量的好坏，可以做为检测打印机打印质量好坏的衡量标准。通过对样张的缺陷、图像饱和度、对齐度等指标进行检测来判定打印机打印质量的好坏。在目前的打印机生产线中，打印样张的检测方法主要通过人工借助观片灯、量尺等工具对获取图像进行肉眼观察分析。这种方法不仅成本高，效率低，且长时间的工作易使人眼疲劳，导致漏检和误判等情况的出现，一定程度上影响了打印机的生产效率。因此，研发一种快速高效且不受人为因素影响的打印机纸张检测方法有着重要的意义。
发明内容
有鉴于此，本发明旨在提出一种基于机器视觉的双色打印机检测方法，以解决上述背景技术中提到的问题。
为达到上述目的，本发明的技术方案是这样实现的：
一种基于机器视觉的双色打印机检测方法，对打印机打印的纸张进行检测，若纸张出现异常则直接报异常，继续检测下一台，如果纸张没有异常，则把检测的打印机参数发给打印机参数调整软件，调整成标准的打印机。
进一步的，所述对打印机的纸张进行检测具体包括如下步骤：
S1：通过彩色相机采集纸张背面图像；
S2：提取纸张背面图像的边界；
S3：对纸张背面分割，根据外角点，利用透视投影进行图像校正，分割出纸张背面；
S4：使用阈值法检测纸张背面是否有缺陷；
S5：通过彩色相机采集纸张正面图像；
S6：提取纸张正面图像的边界；
S7：对纸张正面分割，根据内角点，利用透视投影进行图像校正，分割出纸张正面；
S8：利用搜索法，对黑红LSU区域分割并检测；
S9：根据上述所得的映射关系，求取参数值。
进一步的，所述步骤S2中，从图像的四角点开始搜索，得到纸张外边界的四个顶点，然后利用得到的四个顶点搜索并拟合出纸张的上、下、左、右四条边界，根据所述的四条边界，获得纸张四个顶点的坐标；利用所述四个顶点的坐标，对纸张进行图像分割，以获得纸张图像。
进一步的，所述步骤S4中，对分割出的纸张背面进行检测，首先通过透视投影把纸张背面校正成矩形的图像，获取纸张的ROI区域，然后利用阈值法检测纸张背面是否有缺角、破损、黑色浸染缺陷，提取图像R通道，利用阈值法检测纸张背面是否红色浸染重影缺陷。
进一步的，所述步骤S7中，利用内边界的四个顶点通过透视投影把纸张校正成矩形的图像，然后得到四条内边界的ROI区域，通过搜索判断像素点之间的距离来判断内边界是否断线，通过判断直线上的像素点的灰度变化来判断边界是否线虚。
进一步的，所述步骤S8中，根据步骤S7中获取的纸张正面的ROI区域，利用黑色模块的相对位置关系，首先获取整个LSU黑色色块的大致区域，然后通过像素搜索的方法把每条边界给搜索出来，得到五个色块的位置，然后利用边缘检测和阈值法检测黑色LSU区域是否有白色重影，提取图像R通道，利用阈值法检测LSU区域是否有红色重影缺陷，通过LSU色块的位置可以获取LSU上方的黑色标尺区域，通过判断黑色标尺之间的距离判断黑色标尺是否有缺失。
进一步的，所述步骤S8中，若LSU黑色色块检测正常，通过左右各自第二块LSU黑色色块分别向左和向右扫描得到红色标尺左右边界，在相对于LSU黑色中间色块一定的位置向上或向下扫描就得到红色标尺的上下边界，得到红色标尺的四条边界，在得到的四条边界附近分别向上下左右四个方向进行搜索，在搜索的同时根据像素的位置信息来判断红色标尺是否断线，若没有断线，则得到红色标尺的四条边界及四个顶点坐标，同理，根据黑色标尺与内边界的相对位置关系，得到四条黑色标尺边界，利用上述的方法来判断黑色标尺是否断线，若无断线则得到黑色标尺的精确位置信息。
进一步的，通过得到的红色标尺信息，定位出LSU红色色块的整个位置，然后得到五个LSU红色色块的位置信息，利用边缘检测和阈值法检测红色LSU区域是否有白色重影，提取图像R通道，利用阈值法检测红色LSU区域是否有黑色重影或者红色色块偏浅缺陷，判断LSU红色色块上方的标尺是否有缺失。
进一步的，若上述检测纸张没有缺陷，则判断空白区域是否深浅度异常，利用得到的黑色边界和红色边界的位置，根据相对位置关系把所有黑色区域和红色区域都用白色填充矩形覆盖，利用阈值法来判断所有空白区域是否是深浅度异常。
进一步的，所述步骤S8还包括若纸张检测没有缺陷，则进行参数测量，检测纸张歪斜度、对齐度、放大率、红黑偏差。
相对于现有技术，本发明所述的一种基于机器视觉的双色打印机检测方法具有以下优势：
本发明通过对打印纸缺陷检测、以及打印纸参数的测量从而判断打印机的质量，把检测到的参数发给打印机参数调整软件，可以对打印机参数进行重新调整，提高了检测效率以及打印机的生产效率，降低了成本。
附图说明
构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为本发明实施例所述的一种基于机器视觉的双色打印机检测方法示意图；
图2为本发明实施例所述的打印纸张示意图；
图3为本发明实施例所述的相机标定参数示意图；
图4为本发明实施例所述的背面原图边界提取图；
图5为本发明实施例所述的背面校正图背面缺陷检测结果图；
图6为本发明实施例所述的纸张原图外边界提取结果图；
图7为本发明实施例所述的内边界提取结果图纸张校正图；
图8为本发明实施例所述的黑色LSU检测效果图；
图9为本发明实施例所述的红色LSU检测效果图。
具体实施方式
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”等仅用于描述目的，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”等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，除非另有说明，“多个”的含义是两个或两个以上。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”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，可以通过具体情况理解上述术语在本发明中的具体含义。
下面将参考附图并结合实施例来详细说明本发明。
如图1-9所示，本发明主要包含两部分，一部分是打印纸缺陷检测，主要包括纸张形状、纸张边界、纸张深浅度检测三部分，其中，纸张形状检测是指判断纸张是否有破损、弯角、折角、褶皱等异常现象，纸张边界检测是指判断纸张边界及标尺是否有缺失，纸张深浅度是判断无内容的空白区域是否有黑、红重影、底灰及其它的深浅异常效果，有内容的区域是否有白重影、底灰、过深、过浅及其它的深浅异常效果，还有灰度等级的判断。另一部分是打印纸参数的测量，主要包括歪斜度、对齐度、放大率、红黑偏差等参数的检测，把检测到的参数发给打印机参数调整软件，可以对打印机参数进行重新调整。
打印机参数定义如下：
歪斜度：|a-b|、|c-d|
对齐度：顶边距和顶边距
放大率：H黑、H红、Z黑、Z红长度
红黑偏差：H1--H2、Z1--Z5区域中红色刻度与黑色刻度偏差数值
灰度等级：J区域中灰度级数
算法处理主要包括以下几个步骤：
步骤一：对RGB相机利用张正友标定板法进行标定，得到相机的内部参数和外部参数，利用内部参数对图像进行畸变校正，利用外部参数确定图像坐标系到世界坐标之间的转换关系；
相机标定参数中，RGB相机内参K,畸变系数Dist,相机外参旋转矩阵R和平移矩阵T，具体如下推导，如图3所示：相机内参K:
Figure BDA0002367057960000071
Figure BDA0002367057960000072
Figure BDA0002367057960000073
Figure BDA0002367057960000074
其中(Xc,Yc,Zc)为Q在相机坐标系下的坐标，(x,y)为图像坐标系的坐标，(u,v)为像素坐标系下的坐标。f为摄像机(相机)的焦距，单位是mm；dx,dy为像元尺寸；u0，v0为图像中心。
Figure BDA0002367057960000075
分别称为x轴和y轴上的归一化焦距。
相机外参R、T：
Figure BDA0002367057960000076
其中，(Xw,Yw,Zw)为Q在世界坐标系下的坐标。
畸变系数Dist：
Xcorrected＝X(1+k1r2+k2r4+k3r6)
Ycorrected＝Y(1+k1r2+k2r4+k3r6)
这里(x,y)是畸变点在成像仪上的原始位置，r为该点距离成像仪中心的距离，(xcorrected，ycorrected)是校正后的新位置。
把像素坐标系转换到世界坐标系，具体如下推导：
2.
Figure BDA0002367057960000081
Figure BDA0002367057960000082
Figure BDA0002367057960000083
步骤二：从图像的四角点开始搜索，得到纸张外边界的四个顶点，然后利用得到的四个顶点搜索并拟合出纸张的上、下、左、右四条边界，根据所述的四条边界，获得纸张四个顶点的坐标；利用所述四个顶点的坐标，对纸张进行图像分割，以获得纸张图像；
步骤三：利用步骤二分割出纸张背面并进行检测，首先通过透视投影把纸张背面校正成矩形的图像，获取纸张的ROI区域，然后利用阈值法检测纸张背面是否有缺角、破损、黑色浸染等缺陷，提取图像R通道，利用阈值法检测纸张背面是否红色浸染重影等缺陷。
本步骤中，透视投影是将成像投影到一个新的视平面，也称作投影映射。
透视变换通用公式为：
Figure BDA0002367057960000091
(u,v)为源图像的像素坐标，
Figure BDA0002367057960000092
为源图像变换后的点所对应的的像素坐标
Figure BDA0002367057960000093
Figure BDA0002367057960000094
Figure BDA0002367057960000095
T3＝[a31 a32]
T为透视变换矩阵，T1表示图像的线性变换，T2表示透视变换，T3表示图像平移。
根据透视变换的通用公式，可以得到透视变换的数学表达式为：
Figure BDA0002367057960000096
Figure BDA0002367057960000097
步骤四：若纸张背面正常，利用步骤二分割出纸张正面，同时得到纸张的外边界及四个顶点坐标，同理可以得到纸张的内边界及四个内边界的顶点。
步骤五：若上述检测纸张没有缺陷，则利用内边界的四个顶点通过透视投影把纸张校正成矩形的图像，然后得到四条内边界的ROI区域，通过搜索判断像素点之间的距离来判断内边界是否断线，通过判断直线上的像素点的灰度变化来判断边界是否线虚。
步骤六：若上述检测纸张没有缺陷，通过步骤四校正后的纸张获取纸张正面的ROI区域，由于打印机打印出来的纸张有一定的偏差，利用黑色模块的相对位置关系，首先获取整个LSU黑色色块的大致区域，然后通过像素搜索的方法把每条边界给搜索出来，这样就可以精确的得到五个色块的位置，然后利用边缘检测和阈值法检测黑色LSU区域是否有白色重影，提取图像R通道，利用阈值法检测LSU区域是否有红色重影等缺陷，通过LSU色块的位置可以获取LSU上方的黑色标尺区域，通过判断黑色标尺之间的距离就可以判断黑色标尺是否有缺失。
步骤七：若LSU黑色色块检测正常，由于红黑色块没有相对位置关系，所以通过左右各自第二块LSU黑色色块分别向左和向右扫描可以得到红色标尺左右边界，在相对于LSU黑色中间色块一定的位置向上或向下扫描就可以得到红色标尺的上下边界，通过上述方法就可以大致得到红色标尺的四条边界，为了提高算法的精度，获取更加准确的红色标尺的位置信息，在上述得到的四条边界附近分别向上下左右四个方向进行搜索，在搜索的同时根据像素的位置信息来判断红色标尺是否断线，若没有断线，则可以精确得到红色标尺的四条边界及四个顶点坐标。同理，根据黑色标尺与内边界的相对位置关系，得到大致的四条黑色标尺边界，利用上述的方法来判断黑色标尺是否断线，若无断线则得到黑色标尺的精确位置信息。
步骤八：通过步骤六得到的红色标尺信息，可以大致定位出LSU红色色块的整个位置，利用步骤六可以精确得到五个LSU红色色块的位置信息，然后后利用边缘检测和阈值法检测红色LSU区域是否有白色重影，提取图像R通道，利用阈值法检测红色LSU区域是否有黑色重影或者红色色块偏浅等缺陷，同步骤六也可以判断LSU红色色块上方的标尺是否有缺失。
步骤九：若上述检测纸张没有缺陷，则判断空白区域是否深浅度异常，利用上述得到的黑色边界和红色边界的位置，根据相对位置关系把所有黑色区域和红色区域都用白色填充矩形覆盖，利用阈值法来判断所有空白区域是否是深浅度异常。
步骤十：若纸张检测没有缺陷，则进行参数测量，通过步骤四可以得到原始图片的内外的角点以及内外边界的直线方程，利用上述参数分别计算得到a、b、c、d的值，就可以求得歪斜度。左边距与顶边距通过求内左边距和顶边距中心到外左边距和顶边距的距离就可以得到，从而得到对齐度。通过步骤六可以得到校正后图像的红黑标尺的位置信息，从黑色标尺的中心点向两边搜索可以得到Z黑的边界坐标，同理可以求得H黑、Z红、H红的边界坐标。通过步骤五和步骤七可以得到LSU红黑色块的具体位置信息，红黑色块x方向上中心的偏差就是Z1--Z5、H1--H2的水平偏差，通过相对位置关系得到Z1--Z5、H1--H2的ROI区域，分别对Z1--Z5从左右纵向搜索，对H1--H2从上下横向搜索可以得到竖直方向上的偏差。通过相对位置关系得到J区域，再对每个块求灰度平均值就可以得到灰度级数。
步骤十一：由于图像校正改变了图像的放大率，所以需要把在校正图像上搜索到的坐标反投影到原始图像上，然后计算放大率和红黑偏差。由于参数的求取都是在图像坐标系下，所以得到的参数都是以像素为单位，而打印机调整参数软件是以毫米为单位，所以要把像素坐标系转化到世界坐标系，从而把像素转化为毫米。
在进行打印机检测时，机械装置接收到打印机打印完成的信号，将该信号发给取纸装置，取纸装置取纸到检测工位上，控制柜通过工控机读取到取纸信号，工控机开启RGB相机采图程序，获取RGB图像，接着上述算法步骤整体描述中的步骤，进行打印纸检测，若纸张出现异常则直接报异常，继续检测下一台，如果纸张没有异常，则把检测的打印机参数发给打印机参数调整软件，调整成标准的打印机。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种基于机器视觉的双色打印机检测方法，其特征在于：对打印机打印的纸张进行检测，若纸张出现异常则直接报异常，继续检测下一台，如果纸张没有异常，则把检测的打印机参数发给打印机参数调整软件，调整成标准的打印机；
所述对打印机的纸张进行检测具体包括如下步骤：
S1：通过彩色相机采集纸张背面图像；
S2：提取纸张背面图像的边界；
S3：对纸张背面分割，根据外角点，利用透视投影进行图像校正，分割出纸张背面；
S4：使用阈值法检测纸张背面是否有缺陷；
S5：通过彩色相机采集纸张正面图像；
S6：提取纸张正面图像的边界；
S7：对纸张正面分割，根据内角点，利用透视投影进行图像校正，分割出纸张正面；
S8：利用搜索法，对黑红LSU区域分割并检测；
S9：根据上述所得的映射关系，求取参数值。
2.根据权利要求1所述的一种基于机器视觉的双色打印机检测方法，其特征在于：所述步骤S2中，从图像的四角点开始搜索，得到纸张外边界的四个顶点，然后利用得到的四个顶点搜索并拟合出纸张的上、下、左、右四条边界，根据所述的四条边界，获得纸张四个顶点的坐标;利用所述四个顶点的坐标，对纸张进行图像分割，以获得纸张图像。
3.根据权利要求1所述的一种基于机器视觉的双色打印机检测方法，其特征在于：所述步骤S4中，对分割出的纸张背面进行检测，首先通过透视投影把纸张背面校正成矩形的图像，获取纸张的ROI区域，然后利用阈值法检测纸张背面是否有缺角、破损、黑色浸染缺陷，提取图像R通道，利用阈值法检测纸张背面是否红色浸染重影缺陷。
4.根据权利要求1所述的一种基于机器视觉的双色打印机检测方法，其特征在于：所述步骤S7中，利用内边界的四个顶点通过透视投影把纸张校正成矩形的图像，然后得到四条内边界的ROI区域，通过搜索判断像素点之间的距离来判断内边界是否断线，通过判断直线上的像素点的灰度变化来判断边界是否线虚。
5.根据权利要求1所述的一种基于机器视觉的双色打印机检测方法，其特征在于：所述步骤S8中，根据步骤S7 中获取的纸张正面的ROI区域，利用黑色模块的相对位置关系，首先获取整个LSU黑色色块的大致区域，然后通过像素搜索的方法把每条边界给搜索出来，得到五个色块的位置，然后利用边缘检测和阈值法检测黑色LSU区域是否有白色重影，提取图像R通道，利用阈值法检测LSU区域是否有红色重影缺陷，通过LSU色块的位置可以获取LSU上方的黑色标尺区域，通过判断黑色标尺之间的距离判断黑色标尺是否有缺失。
6.根据权利要求5所述的一种基于机器视觉的双色打印机检测方法，其特征在于：所述步骤S8中，若LSU黑色色块检测正常，通过左右各自第二块LSU黑色色块分别向左和向右扫描得到红色标尺左右边界，在相对于LSU黑色中间色块一定的位置向上或向下扫描就得到红色标尺的上下边界，得到红色标尺的四条边界，在得到的四条边界附近分别向上下左右四个方向进行搜索，在搜索的同时根据像素的位置信息来判断红色标尺是否断线，若没有断线，则得到红色标尺的四条边界及四个顶点坐标，同理，根据黑色标尺与内边界的相对位置关系，得到四条黑色标尺边界，利用上述的方法来判断黑色标尺是否断线，若无断线则得到黑色标尺的精确位置信息。
7.根据权利要求6所述的一种基于机器视觉的双色打印机检测方法，其特征在于：通过得到的红色标尺信息，定位出LSU红色色块的整个位置，然后得到五个LSU红色色块的位置信息，利用边缘检测和阈值法检测红色LSU区域是否有白色重影，提取图像R通道，利用阈值法检测红色LSU区域是否有黑色重影或者红色色块偏浅缺陷，判断LSU红色色块上方的标尺是否有缺失。
8.根据权利要求7所述的一种基于机器视觉的双色打印机检测方法，其特征在于：若上述检测纸张没有缺陷，则判断空白区域是否深浅度异常，利用得到的黑色边界和红色边界的位置，根据相对位置关系把所有黑色区域和红色区域都用白色填充矩形覆盖，利用阈值法来判断所有空白区域是否是深浅度异常。
9.根据权利要求8所述的一种基于机器视觉的双色打印机检测方法，其特征在于：所述步骤S8还包括若纸张检测没有缺陷，则进行参数测量，检测纸张歪斜度、对齐度、放大率、红黑偏差。
CN202010038996.0A 2020-01-14 2020-01-14 一种基于机器视觉的双色打印机检测方法 Active CN111309271B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010038996.0A CN111309271B (zh) 2020-01-14 2020-01-14 一种基于机器视觉的双色打印机检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010038996.0A CN111309271B (zh) 2020-01-14 2020-01-14 一种基于机器视觉的双色打印机检测方法

Publications (2)

Publication Number Publication Date
CN111309271A CN111309271A (zh) 2020-06-19
CN111309271B true CN111309271B (zh) 2022-05-31

Family

ID=71160149

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010038996.0A Active CN111309271B (zh) 2020-01-14 2020-01-14 一种基于机器视觉的双色打印机检测方法

Country Status (1)

Country Link
CN (1) CN111309271B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113377306B (zh) * 2021-06-23 2022-09-20 南京辰光融信技术有限公司 基于纸张褶皱识别的自适应硒鼓成像系统、方法和设备
CN116721067B (zh) * 2023-05-29 2024-04-12 宿迁凯达环保设备制造有限公司 一种基于机器视觉的浸渍纸浸渍质量检测方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103644957A (zh) * 2013-12-03 2014-03-19 华中科技大学 一种基于机器视觉的点胶质量检测方法
CN106897996A (zh) * 2017-02-04 2017-06-27 同济大学 基于机器视觉的套印误差检测方法
CN110097561A (zh) * 2019-03-14 2019-08-06 长安大学 一种基于空间约束条件的快速纸张检测及分割方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6487867B2 (ja) * 2016-03-09 2019-03-20 富士フイルム株式会社 印刷結果検査装置、方法およびプログラム

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103644957A (zh) * 2013-12-03 2014-03-19 华中科技大学 一种基于机器视觉的点胶质量检测方法
CN106897996A (zh) * 2017-02-04 2017-06-27 同济大学 基于机器视觉的套印误差检测方法
CN110097561A (zh) * 2019-03-14 2019-08-06 长安大学 一种基于空间约束条件的快速纸张检测及分割方法

Also Published As

Publication number Publication date
CN111309271A (zh) 2020-06-19

Similar Documents

Publication Publication Date Title
CN108562250B (zh) 基于结构光成像的键盘键帽平整度快速测量方法与装置
CN108613630B (zh) 基于图像处理技术的两线型管水准器气泡偏移量测量方法
US20020041383A1 (en) Distortion free image capture system and method
CN108716890A (zh) 一种基于机器视觉的高精度尺寸检测方法
CN111309271B (zh) 一种基于机器视觉的双色打印机检测方法
US10102631B2 (en) Edge detection bias correction value calculation method, edge detection bias correction method, and edge detection bias correcting program
CN110966956A (zh) 一种基于双目视觉的三维检测装置和方法
CN112802123B (zh) 一种基于条纹虚拟靶标的双目线阵相机静态标定方法
CN116165216B (zh) 一种液晶显示屏微划伤瑕疵3d检测方法、系统及计算设备
CN114331924B (zh) 大工件多相机视觉测量方法
CN106023234A (zh) 一种线阵ccd相机对准调节方法
CN115880369A (zh) 线结构光3d相机和线阵相机联合标定的装置、系统及方法
CN113902894A (zh) 一种基于图像处理的条式水平仪自动读数识别方法
CN111231530B (zh) 一种双色打印机质量检测方法
CN112634375B (zh) 一种ai智能检测中的平面标定和三维重建方法
CN113552133A (zh) 一种电芯裙边开裂检测方法及视觉检测装置
CN115289997B (zh) 一种双目相机三维轮廓扫描仪及其使用方法
CN111091121A (zh) 一种基于图像处理的椭圆表盘检测矫正的方法
CN113870146B (zh) 一种彩色相机图像边缘伪彩的校正方法
CN112837285B (zh) 一种板面图像的边缘检测方法及装置
CN112215240B (zh) 一种提高2d复杂边缘检测精度的优化方法
CN114998571A (zh) 基于固定尺寸标志物的图像处理及颜色检测方法
CN113256569A (zh) 芯片尺寸图像测量的自适应建模方法
CN113077478A (zh) 显示面板的对位方法、补偿方法、系统及可读存储介质
TWI832205B (zh) 光學量測裝置與量測方法

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
OL01 Intention to license declared