CN114399506B - 彩虹印刷品的图像检测方法和系统 - Google Patents
彩虹印刷品的图像检测方法和系统 Download PDFInfo
- Publication number
- CN114399506B CN114399506B CN202210299696.7A CN202210299696A CN114399506B CN 114399506 B CN114399506 B CN 114399506B CN 202210299696 A CN202210299696 A CN 202210299696A CN 114399506 B CN114399506 B CN 114399506B
- Authority
- CN
- China
- Prior art keywords
- image
- detection area
- sequence
- mean value
- positioning
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 247
- 238000012549 training Methods 0.000 claims abstract description 53
- 238000000034 method Methods 0.000 claims abstract description 52
- 238000001914 filtration Methods 0.000 claims abstract description 35
- 230000007547 defect Effects 0.000 claims abstract description 18
- 238000004364 calculation method Methods 0.000 claims description 42
- 230000007704 transition Effects 0.000 claims description 17
- 238000006243 chemical reaction Methods 0.000 claims description 13
- 230000004807 localization Effects 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000013519 translation Methods 0.000 claims description 8
- 238000003709 image segmentation Methods 0.000 claims description 5
- 238000007689 inspection Methods 0.000 claims description 5
- 230000011218 segmentation Effects 0.000 claims description 5
- 238000007639 printing Methods 0.000 abstract description 22
- 230000008569 process Effects 0.000 description 20
- 239000003086 colorant Substances 0.000 description 7
- 230000000694 effects Effects 0.000 description 4
- 238000003491 array Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000001351 cycling effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000007261 regionalization Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
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
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种彩虹印刷品的图像检测方法和系统，方法包括：获取正常印刷品图像，并基于正常印刷品图像创建参考图像，在参考图像上划定至少一个检测区和至少一个定位核；获取标准样图像，并将标准样图像作为训练图像，使用训练图像、各检测区、各定位核，获取并存储各检测区的滤波后的标准色度均值数组序列；获取待测印刷品的实时图像，并计算各检测区滤波后的目标色度均值数组序列；针对序列中的每一个元素，分别计算该元素基于目标色度均值数组与标准色度均值数组的相关值；若相关值低于预设阈值，则判定待检测印刷品中该元素对应的检测区存在缺陷。该方法提高了彩虹印刷的图像检测准确性。
Description
技术领域
本发明涉及图像检测方法技术领域，具体涉及一种彩虹印刷品的图像检测方法和系统。
背景技术
随着社会经济发展，人们对印刷品的品质要求越来越高。如图1所示，X轴方向为横向，Y轴方向为纵向。“彩虹印刷”属于特殊印刷技术，它从制版和印刷两个方面实现两种颜色沿横向（即X轴方向）平缓过渡的彩虹效果。制版时，彩虹印刷图纹需要刻制在同一块印版上；印刷时，由印刷机的不同供墨机构供给两种颜色的油墨，再由一个横向（X轴方向）反复移动的传墨辊筒实现颜色平缓过渡。
“彩虹印刷”的图纹，由于使用同一块印版，其图纹线条清晰、完整、不重叠、不间断、不错位；由于使用横向反复移动的传墨辊筒，其颜色沿横向过渡自然流畅，就像雨后的彩虹一样。
“彩虹印刷”的图纹样式由印版决定，但颜色必须实现自然均匀的过渡效果。其印刷指标为颜色过渡区的宽度以及每个横向位置两种颜色的混合程度。如图2所示，颜色过渡区的宽度是指从颜色一与颜色过渡区的边界到颜色二与颜色过渡区的边界之间的距离；两种颜色的混合程度是指颜色过渡区内每个横向位置处两种颜色混合后所呈现出的色彩。“彩虹印刷”的检测难点在于其检测对象并非纯色，而是由两种颜色按照不同比例混合后的渐变颜色。
因此，提供一种彩虹印刷品的图像检测方法和系统，以期针对彩虹印刷的印刷品，进行较为准确的图像质量检测，从而提高彩虹印刷的图像检测准确性，就成为本领域技术人员亟待解决的问题。
发明内容
为此，本发明提供一种彩虹印刷品的图像检测方法和系统，以期针对彩虹印刷的印刷品，进行较为准确的图像质量检测，从而提高彩虹印刷的图像检测准确性。
为了实现上述目的，本发明实施例提供如下技术方案：
一种彩虹印刷品的图像检测方法，所述方法包括：
获取正常印刷品图像，并基于所述正常印刷品图像创建参考图像，在所述参考图像上划定至少一个检测区和至少一个定位核，每个所述定位核与至少一个所述检测区具有定位关联关系；所述检测区的宽度至少包括部分第一纯色区域、整个颜色过渡区和部分第二纯色区域；
获取标准样图像，并将所述标准样图像作为训练图像，使用所述训练图像、各所述检测区、各所述定位核，获取并存储各所述检测区的滤波后的标准色度均值数组序列；
获取待测印刷品的实时图像，并计算各检测区滤波后的目标色度均值数组序列；
针对序列中的每一个元素，分别计算该元素基于目标色度均值数组与标准色度均值数组的相关值；
若所述相关值低于预设阈值，则判定所述待检测印刷品中该元素对应的检测区存在缺陷。
进一步地，计算各检测区滤波后的目标色度均值数组序列，具体包括：
基于所述实时图像，使用各所述定位核进行定位计算，以得到各所述定位核的位置偏移量；所述位置偏移量为定位核在实时图像上的位置相对于其在参考图像上的位置的偏移量；
基于各所述定位核的位置偏移量，分别对与之关联的各所述检测区的位置进行整像素平移和亚像素差值计算，以得到基于实时图像的各检测区的子图序列；
基于所述子图序列和预存的颜色空间转化模型，计算各所述检测区的色度分量子图序列；
沿所述检测区的宽度方向，统计每列像素色度均值，以得到各所述检测区的色度均值数组序列，并对所述色度均值数组序列进行平滑滤波处理，以得到各检测区滤波后的目标色度均值数组序列。
进一步地，沿所述检测区的宽度方向，统计每列像素色度均值，之前还包括：
基于所述子图序列和预存的颜色空间转化模型，计算各所述检测区的饱和度分量子图序列与色度分量子图序列；
循环各检测区的饱和度分量子图序列，使用百分比分割算法对每一张饱和度分量子图进行图像分割；
将饱和度低于预设饱和度阈值的像素点置为无效点；
将饱和度高于预设饱和度阈值的像素点置为有效点；
所述统计每列像素色度均值具体为统计每列有效点的像素色度均值。
进一步地，利用以下公式，针对序列中的每一个元素，分别计算该元素基于目标色度均值数组与标准色度均值数组的相关值R：
其中，RTH为目标色度均值数组；
STDH为标准色度均值数组；
A为目标色度均值数组的长度；
进一步地，所述使用各所述定位核进行定位计算，具体包括：
采用面匹配方式、边缘匹配方式或者几何匹配方式进行定位核的定位计算，并将得到的定位计算结果记作
；
其中，
为任一定位核i在所述实时图像上的坐标，n为定位核的数量，n为正整数。
进一步地，基于各所述定位核的位置偏移量，分别对与之关联的各所述检测区的位置进行整像素平移和亚像素差值计算，以得到基于实时图像的各检测区的子图序列，具体包括：
循环每一个检测区，根据检测区与定位核的关联关系，对检测区的位置进行整像素偏移和亚像素插值计算，得到基于实时图像的各检测区的子图序列，记作
，其中，m为检测区的数量，每一个元素对应一个检测区所覆盖的实时图像。
进一步地，使用所述训练图像、各所述检测区、各所述定位核，获取并存储各所述检测区的滤波后的标准色度均值数组序列，具体包括：
在所述训练图像上，使用各所述定位核进行定位计算，以得到各所述定位核在所述训练图像上的位置，并计算各所述定位核的位置相对于其在参考图像上位置的偏移量；
基于所述定位核的位置偏移量，对与其关联的各所述检测区的位置进行整像素偏移和亚像素差值计算，以得到基于训练图像的各所述检测区的子图序列；
基于所述子图序列和预存的颜色空间转化模型，计算各所述检测区的色度分量子图序列；
使用饱和度过滤算法，过滤检测区的无效点，以得到检测区内的有效点；
沿所述检测区的宽度方向，针对有效点统计每列像素色度均值，以得到各所述检测区的色度均值数组序列，并对所述色度均值数组序列进行平滑滤波处理，以得到各检测区滤波后的色度均值数组序列，并将滤波后的色度均值数组序列作为标准色度均值数组序列进行保存。
本发明还提供一种彩虹印刷品的图像检测系统，所述系统包括：
模板创建单元，用于获取正常印刷品图像，并基于所述正常印刷品图像创建参考图像，在所述参考图像上划定至少一个检测区和至少一个定位核，每个所述定位核与至少一个所述检测区具有定位关联关系；所述检测区的宽度至少包括部分第一纯色区域、整个颜色过渡区和部分第二纯色区域；
参数训练单元，用于获取标准样图像，并将所述标准样图像作为训练图像，使用所述训练图像、各所述检测区、各所述定位核，获取并存储各所述检测区的滤波后的标准色度均值数组序列；
实时图像获取单元，用于获取待测印刷品的实时图像，并计算各检测区滤波后的目标色度均值数组序列；
相关值计算单元，用于针对序列的每一个元素，分别计算该元素基于所述目标色度均值数组与标准色度均值数组的相关值；
结果输出单元，用于在所述相关值低于预设阈值时，判定所述待检测印刷品中该元素对应的检测区存在缺陷。
本发明还提供一种智能终端，所述智能终端包括：数据采集装置、处理器和存储器；
所述数据采集装置用于采集数据；所述存储器用于存储一个或多个程序指令；所述处理器，用于执行一个或多个程序指令，用以执行如上所述的方法。
本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中包含一个或多个程序指令，所述一个或多个程序指令用于执行如上所述的方法。
本发明所提供的一种彩虹印刷品的图像检测方法，通过获取正常印刷品图像，并基于所述正常印刷品图像创建参考图像，在所述参考图像上划定至少一个检测区和至少一个定位核，每个所述定位核与至少一个所述检测区具有定位关联关系；所述检测区的宽度至少包括部分第一纯色区域、整个颜色过渡区和部分第二纯色区域；获取标准样图像，并将所述标准样图像作为训练图像，使用所述训练图像、各所述检测区、各所述定位核，获取并存储各所述检测区的滤波后的标准色度均值数组序列；获取待测印刷品的实时图像，并计算各检测区滤波后的目标色度均值数组序列；针对序列中的每一个元素，分别计算该元素基于目标色度均值数组与标准色度均值数组的相关值；若所述相关值低于预设阈值，则判定所述待检测印刷品中该元素对应的检测区存在缺陷。
在该方法中，首先针对参考图像完成建模、针对标准图像完成训练、针对实时图像或称待检测图像完成检测，在训练过程与检测过程中，依次完成定位、转换为色度子图、使用饱和度过滤无效点、计算有效点均值等步骤，并利用计算得到的相关值得到缺陷检测结果。这样，该方法利用待检测产品的目标色度均值数组序列与预存的标准色度均值数组序列之间的相关性的大小，来判断是否存在图像缺陷，实现了对彩虹印刷品图像品质的准确检测，从而提高彩虹印刷的图像检测准确性。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是示例性的，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，还可以根据提供的附图引伸获得其它的实施附图。
本说明书所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容得能涵盖的范围内。
图1为彩虹印刷图像示意图；
图2为图1所示彩虹印刷图像中过渡区位置的示意图；
图3为本发明所提供的彩虹印刷品的图像检测方法一种具体实施方式的流程图；
图4为图3所示方法中标准色度均值数组序列的获取方法的流程图；
图5为模型训练过程的流程图；
图6某一检测区滤波前的色度均值数组曲线与滤波后的色度均值数组曲线的对比图；
图7为图3所示方法中目标色度均值数组序列的获取方法的流程图；
图8为图3所示方法中像素统计过程的流程图；
图9为本发明所提供的彩虹印刷品的图像检测系统一种具体实施方式的结构框图。
具体实施方式
以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参考图3，图3为本发明所提供的彩虹印刷品的图像检测方法一种具体实施方式的流程图。
在一种具体实施方式中，如图3所示，本发明所提供的彩虹印刷品的图像检测方法包括以下步骤：
S101：获取正常印刷品图像，并基于所述正常印刷品图像创建参考图像，在所述参考图像上划定至少一个检测区和至少一个定位核，每个所述定位核与至少一个所述检测区具有定位关联关系；所述检测区的宽度至少包括部分第一纯色区域、整个颜色过渡区和部分第二纯色区域；在进行图像检测之前，需要创建一个参考图像作为模板，并在参考图像上划定检测区和定位核等，以完成建模过程。
S102：获取标准样图像，并将所述标准样图像作为训练图像，使用所述训练图像、各所述检测区、各所述定位核，获取并存储各所述检测区的滤波后的标准色度均值数组序列。在建模完成后，利用在参考图像上划定的检测区和定位核，并以标准样图像作为训练图像，以完成训练过程。
S103：获取待测印刷品的实时图像，并计算各检测区滤波后的目标色度均值数组序列。在实际检测过程中，为了得到更好地检测效果，用于进行彩虹印刷图纹检测的设备一般为离线方式，即需要从印刷设备抽取样品后放置在离线检测设备上进行图像采集与检测计算。应当理解的是，在进行实时图像获取时，也可以采用在线方式。
S104：针对序列中的每一个元素，分别计算该元素基于目标色度均值数组与标准色度均值数组的相关值。在检测时，获取预先计算得到的基于训练图像的标准色度均值数组，并将该标准色度均值数组与计算得到的基于实时图像的目标色度均值数组进行相关性计算，从而获得相关值。
S105：若所述相关值低于预设阈值，则判定所述待检测印刷品中该元素对应的检测区存在缺陷。在图像检测中，相关值作为缺陷判断的指标，当计算得到的相关值低于预设阈值时，则可以判断出在待测印刷品中存在缺陷，该缺陷所处的位置即为当前计算的元素所在的检测区的位置。
如图4所示，在一些实施例中，使用所述训练图像、各所述检测区、各所述定位核，获取并存储各所述检测区的滤波后的标准色度均值数组序列，具体包括以下步骤：
S201：在所述训练图像上，使用各所述定位核进行定位计算，以得到各所述定位核在所述训练图像上的位置，并计算各所述定位核的位置相对于其在参考图像上位置的偏移量。
其中，所述使用各所述定位核进行定位计算，具体包括：
采用面匹配方式、边缘匹配方式或者几何匹配方式进行定位核的定位计算，并将得到的定位计算结果记作
；
其中，
为任一定位核i在所述实时图像上的坐标，n为定位核的数量，n为正整数。
S202：基于所述定位核的位置偏移量，对与其关联的各所述检测区的位置进行整像素偏移和亚像素差值计算，以得到基于训练图像的各所述检测区的子图序列；
S203：基于所述子图序列和预存的颜色空间转化模型，计算各所述检测区的色度分量子图序列；
S204：使用饱和度过滤算法，过滤检测区的无效点，以得到检测区内的有效点；
S205：沿所述检测区的宽度方向，针对有效点统计每列像素色度均值，以得到各所述检测区的色度均值数组序列，并对所述色度均值数组序列进行平滑滤波处理，以得到各检测区滤波后的色度均值数组序列，并将滤波后的色度均值数组序列作为标准色度均值数组序列进行保存。
需要指出的是，在检测过程之前，需要先进行模板创建（以下简称建模）和训练。其中，建模过程具体如下：
首先，采集一张完全正常的印刷品图像作为建模过程的参照，该完全正常的印刷品图像也称之为“参考图像”。在参考图像上，绘制检测区和定位核（即指定检测区和定位核的位置），设定检测相关参数。其中检测区是在训练和检测时，参与计算的被检图纹区域；定位核用于计算检测区在实时图像与参考图像上的位置差异；检测相关参数是检测计算时需要使用的一些参数。
参考图像上所有需要检测的“彩虹印刷”位置都可以绘制检测区，检测区的宽度应涵盖一小段颜色一对应的第一纯色区域、整个颜色过渡区、一小段颜色二对应的第二纯色区域。在检测区的附近应绘制定位核，并建立定位核与检测区的关联关系。一个定位核可以与多个检测区进行关联。为了使检测区获得更好的定位精度，定位核与检测区的距离越近越好。
在建模完成后，需要进行训练，如图5所示，训练过程具体如下：
1、定位核位置偏移量计算
首先，采集一张“彩虹印刷”完全标准的印刷品图像作为训练图像，也称之为“标准样图像”。然后在标准样图像上进行所有定位核的定位计算，一般精确到亚像素精度。定位结果序列记作
。其中，
为第i个定位核在标准样图像上的横坐标与纵坐标，n为定位核的数量。之后，还需要计算这些定位核位置相对于其在参考图像上位置的偏移量，可以记作
，
。其中，
为第i个定位核在参考图像上的横坐标与纵坐标，n为定位核的数量。
2、检测区平移与插值
定位核的位置偏移量就是与其关联的检测区的位置偏移量。循环与这些定位核关联的各检测区，根据对应定位核的位置偏移量进行整像素平移和亚像素插值，其目的就是使各检测区在标准样图像上所覆盖区域与其在参考图像上所覆盖区域的图纹是“对齐”的。拷贝各检测区在标准样图像上所覆盖区域的图像数据，得到基于标准样图像的所有检测区的子图序列，记作
。m为检测区的数量，每一个元素对应一个检测区的标准样图像数据。
3、颜色转换
循环
子图序列，利用RGB颜色空间到饱和度S的转化公式，得到这些检测区子图序列对应的饱和度S分量子图序列，记作：
。
4、过滤无效点
循环所有检测区的饱和度S分量子图序列
，使用百分比分割算法对每一张子图进行图像分割，将低饱和度像素点置为无效点，将高饱和度像素点置为有效点。例如，百分比阈值为0.6，则占该子图像素数量60%的饱和度低值像素点被置为无效点；其余40%的饱和度高值像素点被置为有效点。进而得到所有检测区标记有效点和无效点的子图序列
。
循环
子图序列，利用RGB颜色空间到色度H的转化公式，得到这些检测区子图序列对应的色度H分量子图序列，记作：
。
5、计算饱和度均值数组
循环所有检测区的色度H分量子图序列
，针对每一张子图，沿X轴方向统计每个坐标所在列的有效点的色度均值，得到该子图色度均值数组，故其数组长度等于该子图的宽度。进而得到所有检测区的色度均值数组序列，记作
。其每个元素都对应一个检测区的色度均值数组。
6、色度均值数组滤波处理
循环所有检测区的色度均值数组序列
，针对每一个均值数组进行平滑滤波处理，具体平滑滤波算法根据实际情况进行选择。例如，我们通常可以采用宽度为5的均值滤波器对这些数组进行平滑滤波处理。进而得到所有检测区滤波后的色度均值数组序列，记作
。如图6所示，某检测区的宽度为350像素，带有“毛刺”的曲线为该检测区的色度均值数组曲线，而无“毛刺”的平滑曲线为该检测区滤波后的色度均值数组曲线。也就是说，图6中，平滑曲线为过滤后的色度均值数组曲线，另一不规则曲线为滤波前的色度均值数组曲线。
7、保存训练数据
循环
，将每个检测区滤波后的色度均值数组曲线保存在数据库中，待检测过程调取使用。
以上即完成建模和训练过程。
在检测过程中，如图7所示，计算各检测区滤波后的目标色度均值数组序列，具体包括以下步骤：
S501：基于所述实时图像，使用各所述定位核进行定位计算，以得到各所述定位核的位置偏移量；所述位置偏移量为定位核在实时图像上的位置相对于其在参考图像上的位置的偏移量。
在实际使用场景中，首先，读取训练数据
并采集一张待检品图像，然后在待检品图像上进行所有定位核的定位计算，之后计算这些定位核位置相对于其在参考图像上位置的偏移量。
S502：基于各所述定位核的位置偏移量，分别对与之关联的各所述检测区的位置进行整像素平移和亚像素差值计算，以得到基于实时图像的各检测区的子图序列。
其中，步骤S502具体包括：
循环每一个检测区，根据检测区与定位核的关联关系，对检测区的位置进行整像素偏移和亚像素插值计算，得到基于实时图像的各检测区的子图序列，记作
，其中，m为检测区的数量，每一个元素对应一个检测区所覆盖的实时图像。
事实上，定位核的位置偏移量就是与其关联的检测区的位置偏移量。循环与这些定位核关联的各检测区，根据对应定位核的位置偏移量进行整像素平移和亚像素插值。拷贝各检测区在待检品图像上所覆盖区域的图像数据，得到基于待检品图像的所有检测区的子图序列，记作
。
S503：基于所述子图序列和预存的颜色空间转化模型，计算各所述检测区的色度分量子图序列。具体地，循环
子图序列，利用RGB颜色空间到色度H的转化公式，得到这些检测区子图序列对应的色度H分量子图序列，记作：
。
S504：沿所述检测区的宽度方向，统计每列像素色度均值，以得到各所述检测区的色度均值数组序列，并对所述色度均值数组序列进行平滑滤波处理，以得到各检测区滤波后的目标色度均值数组序列。
其中，沿所述检测区的宽度方向，统计每列像素色度均值，也就是沿X轴方向统计每列像素色度均值时，循环所有检测区的色度H分量子图序列
，针对每一张子图，沿X轴方向统计每个坐标所在列的有效点的色度均值，得到该子图色度均值数组。进而得到针对该待检品图像，所有检测区的色度均值数组序列，记作
。
其中，色度均值数组滤波处理时，循环所有检测区的色度均值数组序列
，针对每一个均值数组进行平滑滤波处理。进而得到所有检测区滤波后的色度均值数组序列，记作
。
这样，针对待检品图像，通过计算得到了所有检测区滤波后的色度均值数组序列
。针对标准样图像，通过读取训练数据库得到了所有检测区滤波后的色度均值数组序列
。循环这些序列的每一个元素，对
序列与
序列的每个元素进行归一化相关性计算。这些序列的每个元素都是一个数组。为了便于描述，将
序列的某个元素表示为RTH，将
序列的对应元素表示为STDH，归一化相关性计算公式如下，则利用以下公式，针对序列中的每一个元素，分别计算该元素基于目标色度均值数组与标准色度均值数组的相关值R：
其中，RTH为目标色度均值数组；
STDH为标准色度均值数组；
A为目标色度均值数组的长度；
R的值域范围在[-1,1]。值为1表示完全匹配，值为-1表示完全误匹配。当R的值小于建模时设定的阈值时，则判定该元素对应的检测区“彩虹印刷”产品质量不符合要求。
在一些实施例中，为了降低计算量且保证结果准确性，需过滤掉无效点。
因此，如图8所示，沿所述检测区的宽度方向，统计每列像素色度均值，之前还包括以下步骤：
S601：基于所述子图序列和预存的颜色空间转化模型，计算各所述检测区的饱和度分量子图序列与色度分量子图序列；
S602：循环各检测区的饱和度分量子图序列，使用百分比分割算法对每一张饱和度分量子图进行图像分割；
S603：将饱和度低于预设饱和度阈值的像素点置为无效点；
S604：将饱和度高于预设饱和度阈值的像素点置为有效点；
S605：所述统计每列像素色度均值具体为统计每列有效点的像素色度均值。
也就是说，在过滤无效点时，循环所有检测区的饱和度S分量子图序列
，使用百分比分割算法对每一张子图进行图像分割，将低饱和度像素点置为无效点，将高饱和度像素点置为有效点。进而得到针对该待检品图像，所有检测区标记有效点和无效点的子图序列
。需要指出的是，每个检测区所使用的百分比分割阈值需要与训练过程该检测区使用的阈值保持一致。
在上述具体实施方式中，本发明所提供的一种彩虹印刷品的图像检测方法，通过获取正常印刷品图像，并基于所述正常印刷品图像创建参考图像，在所述参考图像上划定至少一个检测区和至少一个定位核，每个所述定位核与至少一个所述检测区具有定位关联关系；所述检测区的宽度至少包括部分第一纯色区域、整个颜色过渡区和部分第二纯色区域；获取标准样图像，并将所述标准样图像作为训练图像，使用所述训练图像、各所述检测区、各所述定位核，获取并存储各所述检测区的滤波后的标准色度均值数组序列；获取待测印刷品的实时图像，并计算各检测区滤波后的目标色度均值数组序列；针对序列中的每一个元素，分别计算该元素基于目标色度均值数组与标准色度均值数组的相关值；若所述相关值低于预设阈值，则判定所述待检测印刷品中该元素对应的检测区存在缺陷。
在该方法中，首先针对参考图像完成建模、针对标准图像完成训练、针对实时图像或称待检测图像完成检测，在训练过程与检测过程中，依次完成定位、转换为色度子图、使用饱和度过滤无效点、计算有效点均值等步骤，并利用计算得到的相关值得到缺陷检测结果。这样，该方法利用待检测产品的目标色度均值数组序列与预存的标准色度均值数组序列之间的相关性的大小，来判断是否存在图像缺陷，实现了对彩虹印刷品图像品质的准确检测，从而提高彩虹印刷的图像检测准确性。
除了上述方法，本发明还提供一种彩虹印刷品的图像检测系统，如图7所示，所述系统包括：
模板创建单元100，用于获取正常印刷品图像，并基于所述正常印刷品图像创建参考图像，在所述参考图像上划定至少一个检测区和至少一个定位核，每个所述定位核与至少一个所述检测区具有定位关联关系；所述检测区的宽度至少包括部分第一纯色区域、整个颜色过渡区和部分第二纯色区域；
参数训练单元200，用于获取标准样图像，并将所述标准样图像作为训练图像，使用所述训练图像、各所述检测区、各所述定位核，获取并存储各所述检测区的滤波后的标准色度均值数组序列；
实时图像获取单元300，用于获取待测印刷品的实时图像，并计算各检测区滤波后的目标色度均值数组序列；
相关值计算单元400，用于针对序列的每一个元素，分别计算该元素基于所述目标色度均值数组与标准色度均值数组的相关值；
结果输出单元500，用于在所述相关值低于预设阈值时，判定所述待检测印刷品中该元素对应的检测区存在缺陷。
在上述具体实施方式中，本发明所提供的系统首先针对参考图像完成建模、针对标准图像完成训练、针对实时图像或称待检测图像完成检测，在训练过程与检测过程中，依次完成定位、转换为色度子图、使用饱和度过滤无效点、计算有效点均值等步骤，并利用计算得到的相关值得到缺陷检测结果。这样，该方法利用待检测产品的目标色度均值数组序列与预存的标准色度均值数组序列之间的相关性的大小，来判断是否存在图像缺陷，实现了对彩虹印刷品图像品质的准确检测，从而提高彩虹印刷的图像检测准确性。
本发明还提供一种智能终端，所述智能终端包括：数据采集装置、处理器和存储器；
所述数据采集装置用于采集数据；所述存储器用于存储一个或多个程序指令；所述处理器，用于执行一个或多个程序指令，用以执行如上所述的方法。
与上述实施例相对应的，本发明实施例还提供了一种计算机可读存储介质，该计算机可读存储介质中包含一个或多个程序指令。其中，所述一个或多个程序指令用于被一种双目相机深度标定系统执行如上所述的方法。
在本发明实施例中，处理器可以是一种集成电路芯片，具有信号的处理能力。处理器可以是通用处理器、数字信号处理器（Digital Signal Processor，简称DSP）、专用集成电路（Application Specific工ntegrated Circuit，简称ASIC）、现场可编程门阵列（FieldProgrammable Gate Array，简称FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。处理器读取存储介质中的信息，结合其硬件完成上述方法的步骤。
存储介质可以是存储器，例如可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。
其中，非易失性存储器可以是只读存储器（Read-Only Memory，简称ROM）、可编程只读存储器（Programmable ROM，简称PROM）、可擦除可编程只读存储器（Erasable PROM，简称EPROM）、电可擦除可编程只读存储器（Electrically EPROM，简称EEPROM）或闪存。
易失性存储器可以是随机存取存储器（Random Access Memory，简称RAM），其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器（Static RAM，简称SRAM）、动态随机存取存储器（Dynamic RAM，简称DRAM）、同步动态随机存取存储器（Synchronous DRAM，简称SDRAM）、双倍数据速率同步动态随机存取存储器（Double Data RateSDRAM，简称DDRSDRAM）、增强型同步动态随机存取存储器（EnhancedSDRAM，简称ESDRAM）、同步连接动态随机存取存储器（Synchlink DRAM，简称SLDRAM）和直接内存总线随机存取存储器（DirectRambus RAM，简称DRRAM）。
本发明实施例描述的存储介质旨在包括但不限于这些和任意其它适合类型的存储器。
本领域技术人员应该可以意识到，在上述一个或多个示例中，本发明所描述的功能可以用硬件与软件组合来实现。当应用软件时，可以将相应功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机可读存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是通用或专用计算机能够存取的任何可用介质。
以上的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的技术方案的基础之上，所做的任何修改、等同替换、改进等，均应包括在本发明的保护范围之内。
Claims (10)
1.一种彩虹印刷品的图像检测方法，其特征在于，所述方法包括：
获取正常印刷品图像，并基于所述正常印刷品图像创建参考图像，在所述参考图像上划定至少一个检测区和至少一个定位核，每个所述定位核与至少一个所述检测区具有定位关联关系；所述检测区的宽度至少包括部分第一纯色区域、整个颜色过渡区和部分第二纯色区域；
获取标准样图像，并将所述标准样图像作为训练图像，使用所述训练图像、各所述检测区、各所述定位核，获取并存储各所述检测区的滤波后的标准色度均值数组序列；
获取待测印刷品的实时图像，并计算各检测区滤波后的目标色度均值数组序列；
针对序列中的每一个元素，分别计算该元素基于目标色度均值数组与标准色度均值数组的相关值；
若所述相关值低于预设阈值，则判定所述待测印刷品中该元素对应的检测区存在缺陷。
2.根据权利要求1所述的图像检测方法，其特征在于，计算各检测区滤波后的目标色度均值数组序列，具体包括：
基于所述实时图像，使用各所述定位核进行定位计算，以得到各所述定位核的位置偏移量；所述位置偏移量为定位核在实时图像上的位置相对于其在参考图像上的位置的偏移量；
基于各所述定位核的位置偏移量，分别对与之关联的各所述检测区的位置进行整像素平移和亚像素差值计算，以得到基于实时图像的各检测区的子图序列；
基于所述子图序列和预存的颜色空间转化模型，计算各所述检测区的色度分量子图序列；
沿所述检测区的宽度方向，统计每列像素色度均值，以得到各所述检测区的色度均值数组序列，并对所述色度均值数组序列进行平滑滤波处理，以得到各检测区滤波后的目标色度均值数组序列。
3.根据权利要求2所述的图像检测方法，其特征在于，沿所述检测区的宽度方向，统计每列像素色度均值，之前还包括：
基于所述子图序列和预存的颜色空间转化模型，计算各所述检测区的饱和度分量子图序列与色度分量子图序列；
循环各检测区的饱和度分量子图序列，使用百分比分割算法对每一张饱和度分量子图进行图像分割；
将饱和度低于预设饱和度阈值的像素点置为无效点；
将饱和度高于预设饱和度阈值的像素点置为有效点；
所述统计每列像素色度均值具体为统计每列有效点的像素色度均值。
4.根据权利要求1所述的图像检测方法，其特征在于，利用以下公式，针对序列中的每一个元素，分别计算该元素基于目标色度均值数组与标准色度均值数组的相关值R：
其中，RTH为目标色度均值数组；
STDH为标准色度均值数组；
A为目标色度均值数组的长度；
5.根据权利要求2所述的图像检测方法，其特征在于，所述使用各所述定位核进行定位计算，具体包括：
采用面匹配方式、边缘匹配方式或者几何匹配方式进行定位核的定位计算，并将得到的定位计算结果记作
；
其中，
为任一定位核i在所述实时图像上的坐标，n为定位核的数量，n为正整数。
6.根据权利要求2所述的图像检测方法，其特征在于，基于各所述定位核的位置偏移量，分别对与之关联的各所述检测区的位置进行整像素平移和亚像素差值计算，以得到基于实时图像的各检测区的子图序列，具体包括：
循环每一个检测区，根据检测区与定位核的关联关系，对检测区的位置进行整像素偏移和亚像素插值计算，得到基于实时图像的各检测区的子图序列，记作
，其中，m为检测区的数量，每一个元素对应一个检测区所覆盖的实时图像。
7.根据权利要求1所述的图像检测方法，其特征在于，使用所述训练图像、各所述检测区、各所述定位核，获取并存储各所述检测区的滤波后的标准色度均值数组序列，具体包括：
在所述训练图像上，使用各所述定位核进行定位计算，以得到各所述定位核在所述训练图像上的位置，并计算各所述定位核的位置相对于其在参考图像上位置的偏移量；
基于所述定位核的位置偏移量，对与其关联的各所述检测区的位置进行整像素偏移和亚像素差值计算，以得到基于训练图像的各所述检测区的子图序列；
基于所述子图序列和预存的颜色空间转化模型，计算各所述检测区的色度分量子图序列；
使用饱和度过滤算法，过滤检测区的无效点，以得到检测区内的有效点；
沿所述检测区的宽度方向，针对有效点统计每列像素色度均值，以得到各所述检测区的色度均值数组序列，并对所述色度均值数组序列进行平滑滤波处理，以得到各检测区滤波后的色度均值数组序列，并将滤波后的色度均值数组序列作为标准色度均值数组序列进行保存。
8.一种彩虹印刷品的图像检测系统，其特征在于，所述系统包括：
模板创建单元，用于获取正常印刷品图像，并基于所述正常印刷品图像创建参考图像，在所述参考图像上划定至少一个检测区和至少一个定位核，每个所述定位核与至少一个所述检测区具有定位关联关系；所述检测区的宽度至少包括部分第一纯色区域、整个颜色过渡区和部分第二纯色区域；
参数训练单元，用于获取标准样图像，并将所述标准样图像作为训练图像，使用所述训练图像、各所述检测区、各所述定位核，获取并存储各所述检测区的滤波后的标准色度均值数组序列；
实时图像获取单元，用于获取待测印刷品的实时图像，并计算各检测区滤波后的目标色度均值数组序列；
相关值计算单元，用于针对序列的每一个元素，分别计算该元素基于所述目标色度均值数组与标准色度均值数组的相关值；
结果输出单元，用于在所述相关值低于预设阈值时，判定所述待测印刷品中该元素对应的检测区存在缺陷。
9.一种智能终端，其特征在于，所述智能终端包括：数据采集装置、处理器和存储器；
所述数据采集装置用于采集数据；所述存储器用于存储一个或多个程序指令；所述处理器，用于执行一个或多个程序指令，用以执行如权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中包含一个或多个程序指令，所述一个或多个程序指令用于执行如权利要求1-7任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210299696.7A CN114399506B (zh) | 2022-03-25 | 2022-03-25 | 彩虹印刷品的图像检测方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210299696.7A CN114399506B (zh) | 2022-03-25 | 2022-03-25 | 彩虹印刷品的图像检测方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114399506A CN114399506A (zh) | 2022-04-26 |
| CN114399506B true CN114399506B (zh) | 2022-07-26 |
Family
ID=81235095
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210299696.7A Active CN114399506B (zh) | 2022-03-25 | 2022-03-25 | 彩虹印刷品的图像检测方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114399506B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117764970B (zh) * | 2023-12-29 | 2024-10-29 | 沈阳中荣印刷有限公司 | 一种基于图像特征的印刷品质量检测方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0149542A2 (en) * | 1984-01-12 | 1985-07-24 | Bradbury Wilkinson (Cheques) Limited | Security document |
| JP2000151198A (ja) * | 1998-11-16 | 2000-05-30 | Victor Co Of Japan Ltd | 外観検査装置 |
| CN101518980A (zh) * | 2008-12-30 | 2009-09-02 | 武汉大学 | 综合目测、密度测量与色度测量的印刷色彩品质检测方法 |
| CN101915617A (zh) * | 2010-07-26 | 2010-12-15 | 武汉大学 | 一种光栅基彩虹全息图像色度检测评价方法 |
| CN112581487A (zh) * | 2020-12-30 | 2021-03-30 | 征图新视(江苏)科技股份有限公司 | 自动提取检测区域及定位核的方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9060078B2 (en) * | 2012-05-30 | 2015-06-16 | Ricoh Company, Ltd. | Printer consistency measurement, evaluation and correction |
-
2022
- 2022-03-25 CN CN202210299696.7A patent/CN114399506B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0149542A2 (en) * | 1984-01-12 | 1985-07-24 | Bradbury Wilkinson (Cheques) Limited | Security document |
| JP2000151198A (ja) * | 1998-11-16 | 2000-05-30 | Victor Co Of Japan Ltd | 外観検査装置 |
| CN101518980A (zh) * | 2008-12-30 | 2009-09-02 | 武汉大学 | 综合目测、密度测量与色度测量的印刷色彩品质检测方法 |
| CN101915617A (zh) * | 2010-07-26 | 2010-12-15 | 武汉大学 | 一种光栅基彩虹全息图像色度检测评价方法 |
| CN112581487A (zh) * | 2020-12-30 | 2021-03-30 | 征图新视(江苏)科技股份有限公司 | 自动提取检测区域及定位核的方法 |
Non-Patent Citations (1)
| Title |
|---|
| 沈志伟.数码打样技术的基本常识和正确使用.《印刷技术》.2002,第10-13页. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114399506A (zh) | 2022-04-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10095903B2 (en) | Block decoding method and system for two-dimensional code | |
| CN108960062A (zh) | 校正发票图像的方法、装置、计算机设备和存储介质 | |
| US4583116A (en) | Method and apparatus for eliminating defects in images in polychromatic printing due to faulty registration of superimposed printing of color separations | |
| CN114399506B (zh) | 彩虹印刷品的图像检测方法和系统 | |
| CN110717942A (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
| EP1467554A2 (en) | Method and system for printing press image distortion compensation. | |
| CN109510948A (zh) | 曝光调整方法、装置、计算机设备和存储介质 | |
| CN108280829A (zh) | 焊缝图像识别方法、计算机装置及计算机可读存储介质 | |
| JP2021531571A (ja) | 証明書画像抽出方法及び端末機器 | |
| CN112085707B (zh) | 印刷品颜色检测方法、装置、设备及介质 | |
| CN113838144B (zh) | 一种基于机器视觉和深度学习的uv打印机上物件定位方法 | |
| CN107911682A (zh) | 图像白平衡处理方法、装置、存储介质和电子设备 | |
| CN106846412A (zh) | 一种棋盘格角点检测方法及装置 | |
| CN107911683A (zh) | 图像白平衡处理方法、装置、存储介质和电子设备 | |
| CN114882037A (zh) | 基于动态印次掩模的图像缺陷检测方法和系统 | |
| CN116012322A (zh) | 一种相机脏污检测方法、装置、设备及介质 | |
| CN110751690A (zh) | 铣床刀头视觉定位方法 | |
| CN112184533B (zh) | 一种基于sift特征点匹配的水印同步方法 | |
| CN112052859B (zh) | 一种自由场景下的车牌精准定位方法及装置 | |
| CN113538399A (zh) | 一种用于获取工件精准轮廓的方法、机床及存储介质 | |
| JPH0666884B2 (ja) | 網点写真領域識別方法 | |
| CN114332092B (zh) | 缺陷图像检测方法、系统、智能终端和介质 | |
| CN114295561B (zh) | 基于设备无关颜色空间的色差测量方法和系统 | |
| Ernst et al. | Check my chart: A robust color chart tracker for colorimetric camera calibration | |
| CN113156832B (zh) | 一种胶印机墨路系统性能参数快速分析方法与系统 |
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 |