CN113920121B - 基于图像处理的工艺品印刷条痕检测方法和系统 - Google Patents
基于图像处理的工艺品印刷条痕检测方法和系统 Download PDFInfo
- Publication number
- CN113920121B CN113920121B CN202111525279.1A CN202111525279A CN113920121B CN 113920121 B CN113920121 B CN 113920121B CN 202111525279 A CN202111525279 A CN 202111525279A CN 113920121 B CN113920121 B CN 113920121B
- Authority
- CN
- China
- Prior art keywords
- edge line
- line segment
- matched
- streak
- matching degree
- 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
Links
Images
Classifications
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及图像处理和缺陷检测技术领域,具体涉及一种基于图像处理的工艺品印刷条痕检测方法和系统。该方法包括:通过边缘检测和霍夫变换直线检测获得条痕的边缘线段;通过待匹配边缘线段和候选边缘线段之间的角度差异、区域匹配度系数和距离差异获得两边缘线段之间的匹配度,同时获得其他边缘线段与待匹配边缘线段之间的匹配度;根据匹配度选择边缘线段与待匹配边缘线段相连组成条痕新的边缘线段;对于新的边缘线段持续进行与其他边缘线段的匹配相连直至组成完整的条痕;根据完整的条痕分析其形成的原因。本发明提高条痕检测过程中的计算效率和条痕形成原因判断结果的准确率,使实施者能够及时的进行改进,提高印刷工艺品的质量。
Description
技术领域
本发明涉及图像处理和缺陷检测技术领域,具体涉及一种基于图像处理的工艺品印刷条痕检测方法和系统。
背景技术
在工艺品印刷过程中,可能会出现由于印刷设备异常、工艺流程条出错和油墨不均匀等原因导致出现异常的条状印痕,影响印刷质量,在实际的生产过程中需要对其形成原因进行分析,以采取对应的解决措施,提高生产质量和生产效率。
根据条痕产生原因的不同,条痕缺陷可能呈现出规律性或非规律性的分布。则可根据条痕的分布情况判断其产生原因,从而针对性地进行设备的维修和材料的调整,提高工艺品的印刷质量和印刷效率。
目前可基于DNN网络对条痕缺陷进行检测并判断其产生原因,但由于条痕在形成过程中会受到印刷设备和外界环境的干扰,且图像采集和处理过程中也存在一定的误差和干扰,条痕缺陷在成像中可能为断断续续的条状印痕,使得网络判断的准确性较低。
发明内容
为了解决上述技术问题,本发明的目的在于提供一种基于图像处理的工艺品印刷条痕检测方法和系统,所采用的技术方案具体如下:
第一方面,本发明一个实施例提供了一种基于图像处理的工艺品印刷条痕检测方法:利用边缘检测和霍夫变换获得印刷图像中各条痕的边缘线段;
获取待匹配边缘线段和候选边缘线段的匹配度,过程如下:将待匹配边缘线段和其他边缘线段中的任一候选边缘线段与图像底部边缘的夹角作差获得待匹配边缘线段与候选边缘线段的角度差异;根据待匹配边缘线段的端点的垂线确定待匹配边缘线段的存在区域;通过候选边缘线段与待匹配边缘线段的存在区域的位置关系获得相应的区域匹配度系数;获得待匹配边缘线段与候选边缘线段距离最小的两个端点的距离,记为第一距离,并获得过候选边缘线段该端点的垂线与待匹配边缘线段的延长线的交点;计算交点与待匹配边缘线段的距离,记为第二距离;根据第一、第二距离对待匹配边缘线段和候选边缘线段的匹配度的影响获得距离差异;根据待匹配边缘线段与候选边缘线段的角度差异、区域匹配度系数和距离差异获得待匹配边缘线段与候选边缘线段的匹配度;
获得待匹配边缘线段与其他边缘线段的匹配度,并根据匹配度选择其他边缘线段与待匹配边缘线段相连;持续寻找与相连后边缘线段相匹配的其他边缘线段直至形成完整的条痕;根据边缘线段组合成的完整条痕分析条痕形成的原因。
优选地,通过候选边缘线段与待匹配边缘线段的存在区域的位置关系获得相应的区域匹配度系数之前还需得到待匹配边缘线段与候选边缘线段的位置指数,位置指数的获取步骤具体包括:根据待匹配边缘线段的两个端点的垂线将印刷图像分为三个子区域,分别为第一子区域、第二子区域和第三子区域,其中待匹配边缘线段位于第二子区域;根据候选边缘线段与第二子区域的位置关系获得位置指数,具体如下:若候选边缘线段存在属于第二子区域的像素点,则位置指数取值为第一预设值;若候选边缘线段不存在属于第二子区域的像素点,则位置指数取值为第二预设值。
优选地,区域匹配度系数的获取具体为;获得待匹配边缘线段与候选边缘线段的位置指数取值;根据候选边缘线段的像素点中属于第二子区域的像素点的占比和相应的位置指数获得待匹配边缘线段与候选边缘线段的区域匹配度系数。
其中,表示待匹配边缘线段i与候选边缘线段j的匹配度;表示待匹配边缘线段i与候选边缘线段j的角度差异;表示待匹配边缘线段i与候选边缘线段j的区域匹配度系数;表示待匹配边缘线段i与候选边缘线段j的距离差异;u表示优化系数;和分别表示距离差异和角度差异的尺度系数。
优选地,根据匹配度选择其他边缘线段与待匹配边缘线段相连的具体操作包括:设定匹配度阈值,获得待匹配边缘线段与其他边缘线段的匹配度,并获得其中最大的匹配度;若待匹配边缘线段的最大匹配度小于匹配度阈值,则该待匹配边缘线段没有与之匹配的边缘线段;若待匹配边缘线段没有与之相匹配的边缘线段,该待匹配边缘线段不再参与后续其他边缘线段的匹配;若待匹配边缘线段的最大匹配度大于或等于匹配度阈值,则选择该最大匹配度对应的边缘线段待匹配边缘线段相连,其中用于连接的线段为第一距离对应的线段。
优选地,根据边缘线段组合成的完整条痕分析条痕形成的原因的具体步骤包括:将所有的边缘线段进行匹配并相连接组成完整的条痕,获得印刷条痕图像;将印刷条痕图像输入条痕分析神经网络,输出该条痕印刷图像属于各类别条痕的概率;根据印刷条痕的条痕属于各类别条痕的概率分析条痕产生的原因。
第二方面,本发明另一个实施例提供了一种基于于图像处理的工艺品印刷条痕检测系统。系统包括:边缘线段获取模块,用于利用边缘检测和霍夫变换获得印刷图像中各条痕的边缘线段; 匹配度获取模块,用于将待匹配边缘线段和其他边缘线段中的任一候选边缘线段与图像底部边缘的夹角作差获得待匹配边缘线段与候选边缘线段的角度差异;根据待匹配边缘线段的端点的垂线确定待匹配边缘线段的存在区域;通过候选边缘线段与待匹配边缘线段的存在区域的位置关系获得相应的区域匹配度系数;获得待匹配边缘线段与候选边缘线段距离最小的两个端点的距离,记为第一距离,并获得过候选边缘线段该端点的垂线与待匹配边缘线段的延长线的交点;计算交点与待匹配边缘线段的距离,记为第二距离;根据第一、第二距离对待匹配边缘线段和候选边缘线段的匹配度的影响获得距离差异;根据待匹配边缘线段与候选边缘线段的角度差异、区域匹配度系数和距离差异获得待匹配边缘线段与候选边缘线段的匹配度;
条痕分析模块,获得待匹配与其他边缘线段的匹配度,并根据匹配度选择其他边缘线段与待匹配边缘线段相连;持续寻找与相连后边缘线段相匹配的其他边缘线段直至形成完整的条痕;用于根据边缘线段组合成的完整条痕分析条痕形成的原因。
优选地,匹配度获取模块还用于根据待匹配边缘线段的两个端点的垂线将印刷图像分为三个子区域,分别为第一子区域、第二子区域和第三子区域,其中待匹配边缘线段位于第二子区域;根据其他各边缘线段与第二子区域的所属关系获得位置指数,具体如下:若其他各边缘线段存在属于第二子区域的像素点,则位置指数取值为第一预设值;若其他各边缘线段不存在属于第二子区域的像素点,则位置指数取值为第二预设值。
其中,表示待匹配边缘线段i与候选边缘线段j的匹配度;表示待匹配边缘线段i与候选边缘线段j的角度差异;表示待匹配边缘线段i与候选边缘线段j的区域匹配度系数;表示待匹配边缘线段i与候选边缘线段j的距离差异;u表示优化系数;和分别表示距离差异和角度差异的尺度系数。
优选地,条痕分析模块,还用于将所有的边缘线段进行匹配并相连接组成完整的条痕,获得印刷条痕图像;将印刷条痕图像输入条痕分析神经网络,输出该条痕印刷图像属于各类别条痕的概率;根据印刷条痕的条痕属于各类别条痕的概率分析条痕产生的原因。
本发明实施例至少具有如下有益效果:基于条痕边缘线段之间的角度差异和位置关系判断相互之间的匹配度,完成同一条条痕边缘线段之间的匹配组合,对匹配的条痕直线进行连接获得较为完整的条痕,并对其特征进行提取,从而判断印刷过程中该条痕形成的原因,本发明提高条痕检测过程中的计算效率和条痕形成原因判断结果的准确率,使实施者能够及时的进行改进,提高印刷工艺品的质量。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它附图。
图1为基于图像处理的工艺品印刷条痕检测方法流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种基于图像处理的工艺品印刷条痕检测方法和系统,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种基于图像处理的工艺品印刷条痕检测方法的具体方案。
实施例1
本发明的主要应用场景为:工艺品的印刷过程中,在工艺品侧面生产线布置相机,采集印刷后的工艺品表面印刷图像,根据对印刷图像中条痕的形状特征,分布特征等判断条痕缺陷产生的原因。
请参阅图1,其示出了本发明一个实施例提供的一种基于图像处理的工艺品印刷条痕检测方法流程图,该方法包括以下步骤:
步骤一:利用边缘检测和霍夫变换获得印刷图像中各条痕的边缘线段。
在根据对印刷图像分析获得条痕的类别及形成原因时需对采集待检测工艺品表面印刷图像进行图像预处理,并基于灰度阈值完成正常像素点和异常像素点的划分,对于划分后的像素点基于边缘检测和霍夫变换进行直线检测获得条痕的边缘线段,并根据投票阈值进行边缘线段的筛选,具体过程如下:
在工艺品的印刷生产线侧面布置一个相机,用来采集印刷后的工艺品表面图像,从而可根据图像中条痕的分布情况判断其产生原因,及时对生产设备和生产材料进行调整,以提高工艺品的印刷质量和印刷效率。
对通过相机采集到的印刷图像进行图像灰度化、图像滤波去噪以及图像增强等一系列图像预处理,通过提高图像质量来提升后续检测结果的准确性。可获得高质量的印刷图像,进而可基于像素点灰度阈值进行正常、异常像素点的初步划分。
根据其中每个像素点的灰度值H获得灰度直方图,并获得其中频率最大的灰度值。由于黑条痕与周围非条痕相比的灰度值更小,则设置灰度阈值,其中a的具体数值可自行设定,优选地,本实施例中设定1.1。则灰度值大于灰度阈值,即的像素点即为正常像素点,而灰度值不大于灰度阈值,即的像素点即为异常像素点,据此完成对所有像素点正常、异常的类别划分。
由于条痕缺陷为条状印痕缺陷,则以印刷图像中的异常像素点为基础,进行边缘检测,获得条痕的边缘,通过霍夫变换对边缘进行直线检测,获得多条边缘线段每条边缘线段对应的投票值T。
而该投票阈值的具体数值与霍夫变换的检测结果相关:若霍夫变换检测到的所有边缘线段的投票均值较大,该投票阈值也较大,则本实施例中设置,优选地,基于经验值设定0.01。则可基于投票阈值完成对霍夫变换检测到的边缘线段的筛选。
由于条痕在形成过程中会受到印刷设备和外界环境的干扰,且图像采集和处理过程中也存在一定的误差和干扰,则条痕缺陷可能存在异常像素点的中断,在霍夫变换直线检测过程中被检测为多条不连续的边缘线段,使得后续位置分布的计算过程较为繁琐,影响计算效率和结果的准确度。因此,对于通过筛选的边缘线段,进一步根据其相互之间的匹配度进行边缘线段之间的匹配并获得组合边缘线段,进而基于边缘线段匹配相连后组成的条痕进行分析,对条痕缺陷原因的判断。
步骤二:获取待匹配边缘线段和候选边缘线段的匹配度,过程如下:将待匹配边缘线段和其他边缘线段中的任一候选边缘线段与图像底部边缘的夹角作差获得待匹配边缘线段与候选边缘线段的角度差异;根据待匹配边缘线段的端点的垂线确定待匹配边缘线段的存在区域;通过候选边缘线段与待匹配边缘线段的存在区域的位置关系获得相应的区域匹配度系数;获得待匹配边缘线段与候选边缘线段距离最小的两个端点的距离,记为第一距离,并获得过候选边缘线段该端点的垂线与待匹配边缘线段的延长线的交点;计算交点与待匹配边缘线段的距离,记为第二距离;根据第一、第二距离对待匹配边缘线段和候选边缘线段的匹配度的影响获得距离差异;根据待匹配边缘线段与候选边缘线段的角度差异、区域匹配度系数和距离差异获得待匹配边缘线段与候选边缘线段的匹配度。
其中,当前时刻寻找可以匹配的其他边缘线段的边缘线段为待匹配边缘线段,经过检测筛选的边缘线段中的任一条边缘线段都可以作为待匹配边缘线段,候选边缘线段为除了待匹配边缘线段的其他边缘线段中的任一条边缘线段。
首先,根据各条边缘线段的像素点坐标可计算其与正方向,即印刷图像下边缘向右的方向的夹角,且该夹角的取值范围为。则对于不同的边缘线段,可将待匹配边缘线段和候选边缘线段与印刷图像边缘的夹角作差获得角度差异,如可获得待匹配边缘线段i与其他各边缘线段之间的角度差异,以其他边缘线段中的任一候选边缘线段j为例,获得待匹配边缘线段i的夹角和候选边缘线段j的夹角,其中和都经过弧度化转换为弧度制,则待匹配边缘线段i和候选边缘线段j的角度差异为:。该角度差异越小,待匹配边缘线段i和候选边缘线段j之间的关联性越大,可匹配度越大。
进一步的,对待匹配边缘线段和候选边缘线段的位置关系进行分析获得区域匹配度系数:已知每条边缘线段的起点和终点,经过待匹配边缘线段i的两个端点可分别获得与待匹配边缘线段i垂直的直线ia和直线ib,则直线ia和直线ib将整个印刷图像分成第一子区域Zi1,第二子区域Zi2,第三子区域Zi3,共三个子区域,其中待匹配边缘线段i存在于第二子区域Zi2中。
可判断其他边缘线段的像素点与待匹配边缘线段所存在的第二个子区域的位置关系,根据其位置关系获得的待匹配边缘线段与其他各边缘线段的位置指数,若任一候选边缘线段的像素点有存在于第二子区域中的部分,则待匹配边缘线段与该候选边缘线段的位置指数的取值为第一预设值,优选地,第一预设值为1;若该候选边缘线段的像素点没有存在于第二子区域中的部分存,则则待匹配边缘线段与该候选边缘线段的位置指数的取值为第二预设值,优选地,第二预设值为0。
以候选边缘线段j为例,其相对于待匹配边缘线段i的位置指数为,由于要根据候选边缘线段与待匹配边缘线段i的关联性判断其匹配关系,则可知,当时,候选边缘线段j和待匹配边缘线段i出现在同一个子区域中即第二子区域,此时待匹配边缘线段i和候选边缘线段j在空间上会出现相互重叠的部分,进行相连作为条痕的边缘线段的可能性较小,则其相互之间的匹配度较小;若候选边缘线段j只出现在第一子区域Zi1或第三子区域Zi3中,此时待匹配边缘线段i和候选边缘线段j在空间上不会出现相互重叠的部分,进行相连作为条痕的边缘线段的可能性较大,则其相互之间的匹配度较大。因此,当待匹配边缘线段i与候选边缘线段j的位置指数时,边缘线段j相对于待匹配边缘线段i的区域匹配度系数取的最大值,而当位置指数时,需要根据候选边缘线段j在第二子区域Zi2中的像素点占比获得其区域匹配度系数。则区域匹配度系数:
然后,获得待匹配边缘线段i与候选边缘线段j的距离差异,具体过程如下:获得待匹配边缘线段i与候选边缘线段j距离最近的两个端点的距离,为第一距离,用来表征待匹配边缘线段i和候选边缘线段j之间的第一距离;因为可能存在不同边缘线段相对于待匹配边缘线段i的第一距离一致的情况,则进一步将第一距离对应的两个像素点中属于候选边缘线段j的像素点记为端点jD,属于待匹配边缘线段i的像素点记为端点iD,进而获得过端点jD与候选边缘线段j垂直的直线jc,并将待匹配边缘线段i的延长线与候选边缘线段jc的交点记为端点ijD,则用两个端点iD和ijD之间的距离表征待匹配边缘线段i和候选边缘线段j之间的第二距离:
在第一距离的相等的情况下,第二距离和待匹配边缘线段i、候选边缘线段j之间的角度差异相关,则可与第一距离相结合用来表征待匹配边缘线段i与候选边缘线段j的距离差异:
且该距离差异越小,两边缘线段之间的关联性越大,可匹配度越大,在待匹配边缘线段与其他边缘线段的第一距离相等或者不等的情况下都可以用距离差异来表征待匹配边缘线段与其他各边缘线段的关联程度即匹配度。
最后,由待匹配边缘线段i与候选边缘线段j的角度差异、区域匹配度系数和距离匹配度变化系数获得待匹配边缘线段i与候选边缘线段j的匹配度:
通过对候选边缘线段j相对于待匹配边缘线段i的角度差异、区域匹配度系数和距离差异的分析,可知区域匹配度系数的取值范围为,距离差异的取值范围为,且,则角度差异和距离差异与匹配度成负相关,区域匹配度系数与匹配度成正相关,则待匹配边缘线段i与候选边缘线段j的匹配度为:
其中,u为优化系数,可调节指数函数自变量的有效取值范围,来提高结果的合理性。和分别为待匹配边缘线段i与候选边缘线段j的距离差异和角度差异的尺度系数,用来进行距离差异和角度差异的尺度统一。其具体数值可根据实际情况进行设定,优先地,本实施例设定,,。对上述匹配度模型进行归一化处理,使得匹配度的值在[0,1]之间,便于后续进行直线之间的匹配操作。
步骤三:获得待匹配与其他边缘线段的匹配度,并根据匹配度选择其他边缘线段与待匹配边缘线段相连;持续寻找与相连后边缘线段相匹配的其他边缘线段直至形成完整的条痕;根据边缘线段组合成的完整条痕分析条痕形成的原因。
则可分别计算候选边缘线段与待匹配边缘线段i的匹配度,进而获得待匹配边缘线段i对应的匹配度最大值,并设定匹配度阈值:若,则对于待匹配边缘线段i没有相匹配的边缘线段,若,则待匹配边缘线段i与匹配度最大值对应的边缘线段相匹配,匹配度阈值的具体数值可基于实际情况设定,优选地本实施例设定匹配度阈值。以待匹配边缘线段i和候选边缘线段j为例,相匹配的边缘线段进行连接时获得新的边缘线段包括:待匹配边缘线段i、候选边缘线段j和待匹配边缘线段i与候选边缘线段j的第一距离对应的线段。
若待匹配边缘线段i没有与之相匹配的边缘线段,则在后续的边缘线段匹配中不考虑边缘线段i,且此时待匹配边缘线段i为一个完整的条痕;若待匹配边缘线段i匹配成功并进行连接获得了新的边缘线段,则在新的边缘线段的基础上进一步判断与其他边缘的匹配度,以此类推,完成所有相匹配边缘线段之间的匹配连接。基于所有的边缘线段的匹配连接结果获得印刷条痕图像,进一步基于DNN网络获得对应的条痕类别概率序列,从而获得对应的条痕缺陷产生原因。
完成所有相匹配边缘线段之间的匹配连接后,即可获得多条边缘线段连接组合成的条痕,进而获得用于检测条痕缺陷产生原因的印刷条痕图像。将该印刷条痕图像输入到Encoder-FC结构的DNN网络中,进行条痕分布特征的提取以及条痕规则的判断,具体步骤为:
首先进行DNN网络的训练:网络输入为边缘线段经过匹配连接组合后的印刷条痕图像,首先使用编码器Encoder对该图像进行特征提取获得Feature map,进而使用FC全连接网络进行分类,输出一个概率序列。其中,分别表示该印刷条痕图像属于条痕类别1,2,3,4,5的概率。网络采用交叉熵损失函数进行迭代优化。
将处理好的待检测印刷条痕图像输入到上述训练好的网络中,即可获得对应的概率序列,则可基于各概率对应的缺陷产生原因采取针对性的处理措施。该概率序列的条痕类别数可根据实际情况进行设定,本实施例提供一个适用的类型以作参考。条痕类别1,2,3,4,5以及条痕类别对应的条痕缺陷产生原因为:
条痕类别1:等距离粗条条痕,条痕间距与齿轮间距相等;产生原因:滚筒齿轮的精确度不高或磨损,齿形改变;
条痕类别2:不规则的黑杠;产生原因:表面摩擦过大;
条痕类别3:条痕区域固定;产生原因:包衬过厚或调整压力过大;
条痕类别4:条痕位置不规则;产生原因:油墨稀薄;
条痕类别5:咬口处几条宽条痕,少数等距离条痕;产生原因:轴承磨损。
则可完成条痕缺陷产生原因的判断,从而可针对性地进行设备的维修和材料的调整,提高工艺品的印刷质量和印刷效率。
实施例2
本实施例提供了一种系统实施例。一种基于图像处理的工艺品印刷条痕检测系统,该系统包括:边缘线段获取模块,用于利用边缘检测和霍夫变换获得印刷图像中各条痕的边缘线段; 匹配度获取模块,用于将待匹配边缘线段和其他边缘线段中的任一候选边缘线段与图像底部边缘的夹角作差获得待匹配边缘线段与候选边缘线段的角度差异;根据待匹配边缘线段的端点的垂线确定待匹配边缘线段的存在区域;通过候选边缘线段与待匹配边缘线段的存在区域的位置关系获得相应的区域匹配度系数;获得待匹配边缘线段与候选边缘线段距离最小的两个端点的距离,记为第一距离,并获得过候选边缘线段该端点的垂线与待匹配边缘线段的延长线的交点;计算交点与待匹配边缘线段的距离,记为第二距离;根据第一、第二距离对待匹配边缘线段和候选边缘线段的匹配度的影响获得距离差异;根据待匹配边缘线段与候选边缘线段的角度差异、区域匹配度系数和距离差异获得待匹配边缘线段与候选边缘线段的匹配度;
条痕分析模块,用于获得待匹配边缘线段与其他边缘线段的匹配度,并根据匹配度选择其他边缘线段与待匹配边缘线段相连;持续寻找与相连后边缘线段相匹配的其他边缘线段直至形成完整的条痕;根据边缘线段组合成的完整条痕分析条痕形成的原因。
匹配度获取模块还用于根据待匹配边缘线段的两个端点的垂线将印刷图像分为三个子区域,分别为第一子区域、第二子区域和第三子区域,其中待匹配边缘线段位于第二子区域;根据其他各边缘线段与第二子区域的所属关系获得位置指数,具体如下:若其他各边缘线段存在属于第二子区域的像素点,则位置指数取值为第一预设值;若其他各边缘线段不存在属于第二子区域的像素点,则位置指数取值为第二预设值。
其中,表示待匹配边缘线段i与候选边缘线段j的匹配度;表示待匹配边缘线段i与候选边缘线段j的角度差异;表示待匹配边缘线段i与候选边缘线段j的区域匹配度系数;表示待匹配边缘线段i与候选边缘线段j的距离差异;u表示优化系数;和分别表示距离差异和角度差异的尺度系数。
条痕分析模块,还用于将所有的边缘线段进行匹配并相连接组成完整的条痕,获得印刷条痕图像;将印刷条痕图像输入条痕分析神经网络,输出该条痕印刷图像属于各类别条痕的概率;根据印刷条痕的条痕属于各类别条痕的概率分析条痕产生的原因。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。 以上所述仅为本发明的较佳实施例,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 (10)
1.一种基于图像处理的工艺品印刷条痕检测方法,其特征在于,该方法包括:利用边缘检测和霍夫变换获得印刷图像中各条痕的边缘线段;
获取待匹配边缘线段和候选边缘线段的匹配度,过程如下:将待匹配边缘线段和其他边缘线段中的任一候选边缘线段与图像底部边缘的夹角作差获得待匹配边缘线段与候选边缘线段的角度差异;根据待匹配边缘线段端点的垂线确定待匹配边缘线段的存在区域;通过候选边缘线段与待匹配边缘线段的存在区域的位置关系获得相应的区域匹配度系数;获得待匹配边缘线段与候选边缘线段距离最小的两个端点的距离,记为第一距离,并获得候选边缘线段该端点的垂线与待匹配边缘线段的延长线的交点;计算交点与待匹配边缘线段的距离,记为第二距离;根据第一、第二距离对待匹配边缘线段和候选边缘线段的匹配度的影响获得距离差异;根据待匹配边缘线段与候选边缘线段的角度差异、区域匹配度系数和距离差异获得待匹配边缘线段与候选边缘线段的匹配度;
获得待匹配边缘线段与其他边缘线段的匹配度,并根据匹配度选择其他边缘线段与待匹配边缘线段相连;持续寻找与相连后边缘线段相匹配的其他边缘线段直至形成完整的条痕;根据边缘线段组合成的完整条痕分析条痕形成的原因;
其中,所述第一、第二距离对待匹配边缘线段和候选边缘线段的匹配度的影响获得距离差异为:
2.根据权利要求1所述的一种基于图像处理的工艺品印刷条痕检测方法,其特征在于,所述通过候选边缘线段与待匹配边缘线段的存在区域的位置关系获得相应的区域匹配度系数之前还需得到待匹配边缘线段与候选边缘线段的位置指数,位置指数的获取步骤包括:根据待匹配边缘线段的两个端点的垂线将印刷图像分为三个子区域,分别为第一子区域、第二子区域和第三子区域,其中待匹配边缘线段位于第二子区域;根据候选边缘线段与第二子区域的位置关系获得位置指数,具体如下:若候选边缘线段存在属于第二子区域的像素点,则位置指数取值为第一预设值;若候选边缘线段不存在属于第二子区域的像素点,则位置指数取值为第二预设值。
3.根据权利要求2所述的一种基于图像处理的工艺品印刷条痕检测方法,其特征在于,所述区域匹配度系数的获取包括;获得待匹配边缘线段与候选边缘线段的位置指数取值;根据候选边缘线段的像素点中属于第二子区域的像素点的占比和相应的位置指数获得待匹配边缘线段与候选边缘线段的区域匹配度系数。
5.根据权利要求1所述的一种基于图像处理的工艺品印刷条痕检测方法,其特征在于,所述根据匹配度选择其他边缘线段与待匹配边缘线段相连的具体操作包括:设定匹配度阈值,获得待匹配边缘线段与其他边缘线段的匹配度中最大的匹配度;若待匹配边缘线段的最大匹配度小于匹配度阈值,则该待匹配边缘线段没有与之匹配的边缘线段;若待匹配边缘线段没有与之相匹配的边缘线段,该待匹配边缘线段不再参与后续其他边缘线段的匹配;若待匹配边缘线段的最大匹配度大于或等于匹配度阈值,则选择该最大匹配度对应的边缘线段待匹配边缘线段相连,其中用于连接的线段为第一距离对应的线段。
6.根据权利要求1所述的一种基于图像处理的工艺品印刷条痕检测方法, 其特征在于,所述根据边缘线段组合成的完整条痕分析条痕形成的原因的具体步骤包括:将所有的边缘线段进行匹配并相连接组成完整的条痕,获得印刷条痕图像;将印刷条痕图像输入条痕分析神经网络,输出该条痕印刷图像属于各类别条痕的概率;根据印刷条痕的条痕属于各类别条痕的概率分析条痕产生的原因。
7.一种基于图像处理的工艺品印刷条痕检测系统,其特征在于,该系统包括边缘线段获取模块,用于利用边缘检测和霍夫变换获得印刷图像中各条痕的边缘线段; 匹配度获取模块,用于将待匹配边缘线段和其他边缘线段中的任一候选边缘线段与图像底部边缘的夹角作差获得待匹配边缘线段与候选边缘线段的角度差异;根据待匹配边缘线段的端点的垂线确定待匹配边缘线段的存在区域;通过候选边缘线段与待匹配边缘线段的存在区域的位置关系获得相应的区域匹配度系数;获得待匹配边缘线段与候选边缘线段距离最小的两个端点的距离,记为第一距离,并获得过候选边缘线段该端点的垂线与待匹配边缘线段的延长线的交点;计算交点与待匹配边缘线段的距离,记为第二距离;根据第一、第二距离对待匹配边缘线段和候选边缘线段的匹配度的影响获得距离差异;根据待匹配边缘线段与候选边缘线段的角度差异、区域匹配度系数和距离差异获得待匹配边缘线段与候选边缘线段的匹配度;
条痕分析模块,用于获得待匹配边缘线段与其他边缘线段的匹配度,并根据匹配度选择其他边缘线段与待匹配边缘线段相连;持续寻找与相连后边缘线段相匹配的其他边缘线段直至形成完整的条痕;根据边缘线段组合成的完整条痕分析条痕形成的原因;
其中,所述第一、第二距离对待匹配边缘线段和候选边缘线段的匹配度的影响获得距离差异为:
8.根据权利要求7所述的系统,其特征在于,所述匹配度获取模块还用于根据待匹配边缘线段的两个端点的垂线将印刷图像分为三个子区域,分别为第一子区域、第二子区域和第三子区域,其中待匹配边缘线段位于第二子区域;根据其他各边缘线段与第二子区域的所属关系获得位置指数,具体如下:若其他各边缘线段存在属于第二子区域的像素点,则位置指数取值为第一预设值;若其他各边缘线段不存在属于第二子区域的像素点,则位置指数取值为第二预设值。
10.根据权利要求7所述的系统,其特征在于,所述条痕分析模块,还用于将所有的边缘线段进行匹配并相连接组成完整的条痕,获得印刷条痕图像;将印刷条痕图像输入条痕分析神经网络,输出该条痕印刷图像属于各类别条痕的概率;根据印刷条痕的条痕属于各类别条痕的概率分析条痕产生的原因。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111525279.1A CN113920121B (zh) | 2021-12-14 | 2021-12-14 | 基于图像处理的工艺品印刷条痕检测方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111525279.1A CN113920121B (zh) | 2021-12-14 | 2021-12-14 | 基于图像处理的工艺品印刷条痕检测方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113920121A CN113920121A (zh) | 2022-01-11 |
CN113920121B true CN113920121B (zh) | 2022-03-15 |
Family
ID=79249197
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111525279.1A Active CN113920121B (zh) | 2021-12-14 | 2021-12-14 | 基于图像处理的工艺品印刷条痕检测方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113920121B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115266536B (zh) * | 2022-09-26 | 2022-12-13 | 南通钧儒卫生用品有限公司 | 一种纸尿裤吸水性能检测方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2003900865A0 (en) * | 2003-02-26 | 2003-03-13 | Silverbrook Research Pty Ltd | Methods, systems and apparatus (NPW010) |
CN102411777B (zh) * | 2011-06-15 | 2014-04-30 | 湖南领创智能科技有限公司 | 一种印刷品划痕缺陷检测方法 |
CN106023181B (zh) * | 2016-05-16 | 2019-03-08 | 宋育锋 | 一种基于印刷品的局部线段偏离度特征匹配方法 |
CN106127778B (zh) * | 2016-06-27 | 2019-01-04 | 安徽慧视金瞳科技有限公司 | 一种用于投影交互系统的直线检测方法 |
CN106018429A (zh) * | 2016-07-07 | 2016-10-12 | 福州觉感视觉软件科技有限公司 | 一种高速印刷品在线质量检测系统及其检测方法 |
CN106251341B (zh) * | 2016-07-22 | 2019-12-24 | 凌云光技术集团有限责任公司 | 一种印刷品质量检测方法 |
CN111612738B (zh) * | 2020-04-16 | 2023-02-10 | 上海大学 | 基于检测直线和线段的菊池花样几何信息提取方法 |
-
2021
- 2021-12-14 CN CN202111525279.1A patent/CN113920121B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113920121A (zh) | 2022-01-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115829883B (zh) | 一种异性金属结构件表面图像去噪方法 | |
CN105067638B (zh) | 基于机器视觉的轮胎胎膜表面字符缺陷检测方法 | |
CN111080582B (zh) | 工件内外表面缺陷检测方法 | |
CN116205919B (zh) | 基于人工智能的五金零件生产质量检测方法及系统 | |
CN109993099A (zh) | 一种基于机器视觉的车道线提取识别方法 | |
CN115222733A (zh) | 基于图像识别的金属构件表面缺陷检测方法 | |
CN115187548A (zh) | 一种基于人工智能的机械零件缺陷检测方法 | |
CN115359053B (zh) | 一种金属板材缺陷智能检测方法及系统 | |
CN113077392B (zh) | 一种针对指针表模糊照片的高准确度自动读数方法 | |
CN115131348B (zh) | 一种纺织品表面缺陷的检测方法及系统 | |
CN109858438B (zh) | 一种基于模型拟合的车道线检测方法 | |
CN115100206B (zh) | 用于具有周期图案纺织物的印花缺陷识别方法 | |
CN110648330B (zh) | 摄像头玻璃的缺陷检测方法 | |
CN114022439B (zh) | 一种基于形态学图像处理的柔性电路板缺陷检测方法 | |
CN114782329A (zh) | 一种基于图像处理的轴承缺陷损伤程度评估方法及系统 | |
CN114627080B (zh) | 基于计算机视觉的车辆冲压配件缺陷检测方法 | |
CN115311507B (zh) | 基于数据处理的建筑板材分类方法 | |
CN117710399B (zh) | 一种基于视觉的地质调查中裂缝轮廓提取方法 | |
CN113920121B (zh) | 基于图像处理的工艺品印刷条痕检测方法和系统 | |
CN111354047A (zh) | 一种基于计算机视觉的摄像模组定位方法及系统 | |
CN115018835B (zh) | 一种汽车起动机齿轮检测方法 | |
CN117011303B (zh) | 基于机器视觉的油料生产质量检测方法 | |
CN108399614B (zh) | 一种基于无抽样小波与Gumbel分布的织物缺陷检测方法 | |
CN107516315B (zh) | 一种基于机器视觉的掘进机出渣监测方法 | |
CN112950594B (zh) | 产品表面缺陷的检测方法、设备及存储介质 |
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 |