CN114878595A - 一种书本印刷质量检测方法 - Google Patents

一种书本印刷质量检测方法 Download PDF

Info

Publication number
CN114878595A
CN114878595A CN202210796838.0A CN202210796838A CN114878595A CN 114878595 A CN114878595 A CN 114878595A CN 202210796838 A CN202210796838 A CN 202210796838A CN 114878595 A CN114878595 A CN 114878595A
Authority
CN
China
Prior art keywords
brightness
light intensity
optimal
area
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.)
Granted
Application number
CN202210796838.0A
Other languages
English (en)
Other versions
CN114878595B (zh
Inventor
王艳彬
孙宪景
郑博
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.)
Shandong Blue Color World Education Technology Co ltd
Original Assignee
Shandong Blue Color World Education Technology Co ltd
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 Shandong Blue Color World Education Technology Co ltd filed Critical Shandong Blue Color World Education Technology Co ltd
Priority to CN202210796838.0A priority Critical patent/CN114878595B/zh
Publication of CN114878595A publication Critical patent/CN114878595A/zh
Application granted granted Critical
Publication of CN114878595B publication Critical patent/CN114878595B/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
    • 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
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/956—Inspecting patterns on the surface of objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • 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
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • 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
    • 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
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Biochemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Quality & Reliability (AREA)
  • Signal Processing (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及图像处理技术领域，具体涉及一种书本印刷质量检测方法。该方法包括：获得HSI图像中的多个反光区域以及反光区域的光照切分线；利用光强区域中像素点的亮度值和亮度值的均值构建目标函数，当目标函数取最小值时获得最优区域线，利用最优区域线将第一区域分为多个最优光强区域；构建各最优光强区域的亮度修正函数和亮度修正函数的参数优化函数，当参数优化函数取最小值时获得最优光强区域的最优亮度修正函数；利用每个最优光强区域的最优亮度修正函数对各最优光强区域的亮度进行修正；基于最优光强区域修正后的书页的表面图像进行印刷质量的检测。本发明降低了对书本书页质量检测过程中光照的影响，大大提升了书本印刷质量检测的精度。

Description

一种书本印刷质量检测方法
技术领域
本发明涉及图像处理技术领域，具体涉及一种书本印刷质量检测方法。
背景技术
书本印刷产品在我国占据较大的市场，每年书本印刷产品的生产总量持续增长。在书本印刷过程中，由于印刷环境、印刷机器参数以及人员操作不当，会印刷出出现缺陷的书本纸张，例如少印、漏印、字体模糊等，这严重影响了书本的美观性和使用，由此需要书本印刷完成后对其进行质量检测，避免印刷不合格的书本流入市场。
传统的对于书本的印刷的校对主要还是通过人工校对，这样的校对方式不仅效率低下还十分容易出现校对错误，随着图像处理技术的发展，利用图像处理技术对于书页的印刷质量的检测很容易受到光照的影响，拍摄的书页的图像会出现反光，这样会使对于反光区域的字体的印刷质量的检测出现误差，从而导致检测的准确度不够。
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书本印刷质量检测方法，所采用的技术方案具体如下：
本发明一个实施例提供了一种书本印刷质量检测方法：将书本各书页的表面图像转换为HSI图像，并获得HSI图像中的多个反光区域；利用反光区域中各像素点亮度值的海森矩阵获得各像素点的亮度梯度方向角度，并获得最优亮度梯度方向角度；基于所述最优亮度梯度方向角度，反光区域中长度最大的一行像素点的行坐标和列坐标获得多个光照梯度线；根据各光照梯度线与反光区域相交的线段上的像素点的亮度梯度方向的突变情况获得各光照梯度线的光照切分点；对所述各光照梯度线的光照切分点进行直线拟合获得反光区域的光照切分线；
利用光照切分线将反光区域分割为两个区域，其中一个为第一区域，获得第一区域相切且与光照切分线平行的切分线，作为第一切线；在第一区域中构建四条与第一切线平行的区域线将第一区域分为多个光强区域；利用光强区域中像素点的亮度值和亮度值的均值构建目标函数，当目标函数取最小值时获得最优区域线，利用最优区域线将第一区域分为多个最优光强区域；获得HSI图像中所有反光区域中的多个最优光强区域；
构建每个最优光强区域的亮度修正函数和亮度修正函数的参数优化函数，当参数优化函数取的最小值时获得最优光强区域的最优亮度修正函数；利用每个最优光强区域的最优亮度修正函数对各最优光强区域的亮度进行修正；基于最优光强区域修正后的书页的表面图像进行印刷质量的检测。
优选地，获得HSI图像中的多个反光区域包括：基于HSI图像中各像素点的亮度值利用阈值分割方法获得最优亮度分割阈值，亮度值大于最优亮度分割阈值的像素点组成待选反光区域；将待反光区域中最大亮度值和中值亮度值的像素点作为初始生长点；设定生长规则和亮度差阈值，所述生长规则为在初始生长点的八邻域中寻找满足与初始生长点的亮度值之差小于亮度差阈值且亮度值大于最优亮度分割阈值的像素点；基于生长规则获得HSI图像中的反光区域。
优选地，利用反光区域中各像素点亮度值的海森矩阵获得各像素点的亮度梯度方向角度，并获得最优亮度梯度方向角度包括：获得反光区域中各像素点亮度值的二阶差分组成各像素点亮度值的海森矩阵；利用主成分分析算法对各像素点亮度值的海森矩阵进行分析获得主成分方向对应的角度，所述主成分方向对应的角度为亮度梯度方向角度；利用Otsu大津法对反光区域中各像素点的亮度梯度方向角度进行阈值分割，获得最优亮度梯度方向角度。
优选地，基于所述最优亮度梯度方向角度，反光区域中长度最大的一行像素点的行坐标和列坐标获得多个光照梯度线包括：利用最优亮度梯度方向角度获得各光照梯度线的斜率，各光照梯度线之间相互平行；且每个光照梯度线经过反光区域中长度最大的一行像素点中的一个像素点。
优选地，根据各光照梯度线与反光区域相交的线段上的像素点的亮度梯度方向的突变情况获得各光照梯度线的光照切分点包括：将一个光照梯度线与反光区域相交的线段上的像素点按照顺序排列，以排列后的像素点一端为起点，计算每两个相邻的像素点的亮度梯度方向角度的差值的绝对值；所述差值的绝对值为两个相邻的像素点中第一个像素点对应的亮度梯度变化，亮度梯度变化最大的像素点为光照梯度线的光照切分点。
优选地，构建目标函数包括：目标函数为：
Figure 57993DEST_PATH_IMAGE001
其中，
Figure 601101DEST_PATH_IMAGE002
表示目标函数；
Figure 410926DEST_PATH_IMAGE003
、
Figure 545235DEST_PATH_IMAGE004
、
Figure 315876DEST_PATH_IMAGE005
和
Figure 115205DEST_PATH_IMAGE006
分别为四条区域线直线方程的截距；
Figure 717218DEST_PATH_IMAGE007
和
Figure 209380DEST_PATH_IMAGE008
表示调节参数，
Figure 264054DEST_PATH_IMAGE009
，
Figure 601495DEST_PATH_IMAGE010
；
Figure 323594DEST_PATH_IMAGE011
表示光强区域内像素点亮度值的均匀程度；
Figure 986657DEST_PATH_IMAGE012
表示第一区域中多个光强区域之间的平均亮度值的对比度；
目标函数的约束条件为：
Figure 522768DEST_PATH_IMAGE013
其中，
Figure 663900DEST_PATH_IMAGE014
表示第一切线的直线方程的截距
Figure 365139DEST_PATH_IMAGE015
和光照切分线的直线方程的截距
Figure 949836DEST_PATH_IMAGE016
中的最小值；
Figure 962791DEST_PATH_IMAGE017
表示第一切线的直线方程的截距
Figure 658346DEST_PATH_IMAGE015
和光照切分线的直线方程的截距
Figure 73147DEST_PATH_IMAGE016
中的最大值；
光强区域内像素点亮度值的均匀程度
Figure 94323DEST_PATH_IMAGE011
为：
Figure 594575DEST_PATH_IMAGE018
其中，
Figure 93820DEST_PATH_IMAGE019
表示第一区域中的第i个光强区域；
Figure 628707DEST_PATH_IMAGE020
表示第i个光强区域中行坐标为
Figure 555206DEST_PATH_IMAGE021
，列坐标为
Figure 808333DEST_PATH_IMAGE022
的像素点的亮度值；
Figure 845690DEST_PATH_IMAGE023
表示第i个光强区域中像素点的亮度值的均值；
第一区域中多个光强区域之间的平均亮度值的对比度
Figure 969504DEST_PATH_IMAGE012
为：
Figure 66904DEST_PATH_IMAGE024
其中，
Figure 541747DEST_PATH_IMAGE025
表示第i个光强区域中像素点的亮度值的均值和第i+1个光强区域中像素点的亮度值的均值中的最小值；
Figure 376936DEST_PATH_IMAGE026
表示第i个光强区域中像素点的亮度值的均值和第i+1个光强区域中像素点的亮度值的均值中的最大值。
优选地，每个最优光强区域的亮度修正函数为：
Figure 761781DEST_PATH_IMAGE027
其中，
Figure 92399DEST_PATH_IMAGE028
表示利用亮度修正函数修正后的像素点的亮度值；
Figure 320118DEST_PATH_IMAGE029
表示未修正时最优光强区域中像素点的亮度值；
Figure 699278DEST_PATH_IMAGE030
表示第一参数；
Figure 63264DEST_PATH_IMAGE031
表示第二参数；所述第一参数和第二参数需要根据参数优化函数进行求解。
优选地，亮度修正函数的参数优化函数包括：利用亮度修正函数对最优光强区域中各像素点的亮度值进行修正，修正后的最优光强区域中各像素点在RGB空间的三个通道值的和为各像素点的偏黑指数；基于偏黑指数进行阈值分割获得像素点的亮度值修正后的最优光强区域中的背景区域和字体区域；利用所述背景区域和字体区域中像素点的偏黑指数的均值构建亮度修正函数的参数优化函数；参数优化函数为：
Figure 502466DEST_PATH_IMAGE032
其中，
Figure 437055DEST_PATH_IMAGE033
表示参数优化函数，
Figure 885485DEST_PATH_IMAGE030
和
Figure 838398DEST_PATH_IMAGE031
分别表示亮度修正函数中的第一参数和第二参数；
Figure 182923DEST_PATH_IMAGE034
和
Figure 854075DEST_PATH_IMAGE035
分别表示所述背景区域和字体区域中像素点的偏黑指数的均值；
参数优化函数的约束条件为：
Figure 100337DEST_PATH_IMAGE036
Figure 173335DEST_PATH_IMAGE037
Figure 344554DEST_PATH_IMAGE038
其中，
Figure 253735DEST_PATH_IMAGE039
表示利用亮度修正函数修正后的像素点的亮度值。
优选地，基于最优光强区域修正后的书页的表面图像进行印刷质量的检测包括：选择一张最优光强区域修正后的HSI图像，将其转换为书页的表面图像，作为第一图像，并获得该书页对应的标准的表面图像，作为第二图像；获得第一图像中的每个像素点与第二图像中对应的每个像素点的相关系数
Figure 293235DEST_PATH_IMAGE040
：
Figure 971472DEST_PATH_IMAGE041
其中，
Figure 438226DEST_PATH_IMAGE042
表示第一图像中每个像素点在RGB通道中第n个通道的值；
Figure 100282DEST_PATH_IMAGE043
第二图像中与第一图像中每个像素点对应的像素点在RGB通道中第n个通道的值；
设定相关性阈值，获得第一图像中相关系数小于相关性阈值的像素点的数量与第一图像中所有像素点数量的比值；设定异常阈值，若所述比值大于异常阈值，则第一图像对应的书页出现印刷质量问题。
本发明实施例至少具有如下有益效果：针对书本的书页的表面图像的出现反光使得反光区域的印刷字体模糊、颜色较浅的特点，这些区域的印刷字体很容易被误分类为字迹模糊、墨色较少的印刷缺陷从而影响书本印刷质量检测的精度的问题，采用自适应去反光的方法，根据反光区域中像素的亮度特点将反光区域进行自适应分割成若干个最优光强区域，使得同一最优光强区域的亮度值较为接近且不同最优光强区域的平均亮度值相差越大，同时设置参数优化函数使得最优光强区域中字体区域的颜色更黑，且字体与背景的对比度更大，从而得到最优的亮度修正函数对反光区域的像素点的亮度值进行修正，降低光照对于图像的影响，大大提升了书本印刷质量检测的精度。
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为本发明提供的一种书本印刷质量检测方法的方法流程图。
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书本印刷质量检测方法，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书本印刷质量检测方法的具体方案。
实施例1：
本发明的主要应用场景为：在对书本的印刷质量进行检测时，经常会受到光照的影响，其中书本纸面的反光对于书本的印刷质量检测是一个非常大的问题，本发明主要在对书本印刷质量检测过程中去除反光的影响使得检测更加准确。
请参阅图1，其示出了本发明一个实施例提供的一种书本印刷质量检测方法的方法流程图，该方法包括以下步骤：
步骤S1，将书本各书页的表面图像转换为HSI图像，并获得HSI图像中的多个反光区域；利用反光区域中各像素点亮度值的海森矩阵获得各像素点的亮度梯度方向角度，并获得最优亮度梯度方向角度；基于所述最优亮度梯度方向角度，反光区域中长度最大的一行像素点的行坐标和列坐标获得多个光照梯度线；根据各光照梯度线与反光区域相交的线段上的像素点的亮度梯度方向的突变情况获得各光照梯度线的光照切分点；对所述各光照梯度线的光照切分点进行直线拟合获得反光区域的光照切分线。
首先，采用工业相机对书本书页表面进行拍照，将工业相机固定在书本的正上方，将书本放到与其大小相同的采集框中，对书本的每一页进行拍摄得到每一页的表面图像，其大小为M×N，假设书本一共包含D页，得到D张书页的表面图像。采用中值滤波器对D张表面图像进行噪声。需要说明的是，在印刷过程中，不可能对所有的印刷书本进行检测，因此本实施例采用抽检的方式，抽取同一批印刷的书本中一定数量的书本进行检测，从而对印刷质量进行评判。
进一步的，由于书本的书页在成像过程中会出现反光区域，反光区域与其他区域相比表现为亮度较高，且出现反光区域的印刷字体模糊、颜色较浅的特点，这些区域的印刷字体很容易被误分类为字迹模糊、墨色较少的印刷缺陷从而影响书本印刷质量检测的精度。另外，即使书本的书页中不存在明显的反光区域，但是如果书本的书页中存在光照不均衡的区域，即书本的不同区域呈现不同的亮度值，亮度值较高的区域的字体会出现颜色变浅及字体边缘模糊的情况，进而会影响书本印刷质量的检测。
将获得的各书页的RGB格式的表面图像转化到HSI颜色空间获得HSI图像，HSI格式的图像包含H、S和I三个通道，分别对应为色调、饱和度和亮度值，将表面图像的R、G和B三个通道的值转化成HSI图像的H，S和I三个通道的值，具体计算过程如下：
Figure 412315DEST_PATH_IMAGE044
Figure 600851DEST_PATH_IMAGE045
Figure 989238DEST_PATH_IMAGE046
Figure 122279DEST_PATH_IMAGE047
其中，
Figure 254314DEST_PATH_IMAGE048
表示在R、G和B三个通道的值中取最小的值。
接着，由于HSI图像中的反光区域相对于正常区域具有较高的对比度而且反光区域呈现从中间向两侧亮度值由大到小的特点，由此判断图像中是否有反光区域。反光区域相较于正常区域的像素的亮度值较大，而且反光区域的像素在空间位置上是相互连通的。
采用阈值分割方法对HSI图像中的像素点的亮度值I进行分割，优选地，本实施例采用Otsu大津法得到最优亮度分割阈值
Figure 156411DEST_PATH_IMAGE049
，HSI图像中的亮度值大于最优亮度值分割阈值
Figure 715700DEST_PATH_IMAGE049
的像素点组成待选反光区域。
对待选反光区域的像素点的亮度值进行统计，选取具有最大亮度值和为中值亮度值的若干个像素点作为反光区域的初始生长点，其中中值亮度值为将待选反光区域中像素点的亮度值按照大小顺序的排列，排列后的亮度值的中值；设定生长规则和亮度差阈值，优选地，在本实施例中亮度差阈值的取值为
Figure 70458DEST_PATH_IMAGE050
，生长规则为：在初始生长点的八邻域中寻找满足与初始生长点的亮度值之差小于亮度差阈值且亮度值大于最优亮度分割阈值的像素点；满足生长规则的像素点作为新的生长点，继续在其八邻域内寻找是否有新的像素点满足生长规则，直到没有新的像素点加入反光区域中；此外，为了避免HSI图像中出现孤立光点，也即是像素点的亮度值较高但其与周围的像素点的亮度值相差较大，对最终得到反光区域的影响，只保留包含像素数目大于
Figure 740604DEST_PATH_IMAGE051
的反光区域为最终的反光区域，至此可以获得HSI图像中的反光区域。
最后，由于光的照射方向是固定的，反光区域的像素点的亮度值的梯度方向在小范围区域中是固定的，且在反光区域中的最亮区域的两侧有不同的亮度值的梯度方向。对反光区域中的每个像素点在亮度通道I上计算其对应的
Figure 638153DEST_PATH_IMAGE052
矩阵，
Figure 352031DEST_PATH_IMAGE053
，其中
Figure 493554DEST_PATH_IMAGE054
，
Figure 216660DEST_PATH_IMAGE055
，
Figure 578502DEST_PATH_IMAGE056
和
Figure 728861DEST_PATH_IMAGE057
分别是像素点亮度值的二阶差分。然后采用
Figure 808943DEST_PATH_IMAGE058
算法对
Figure 70160DEST_PATH_IMAGE052
矩阵计算主成分方向对应的角度作为该像素点的亮度梯度方向角度
Figure 286509DEST_PATH_IMAGE059
。采用Otsu大津法对反光区域中所有像素点的亮度梯度方向角度
Figure 873348DEST_PATH_IMAGE059
进行阈值分割，得到最优亮度梯度方向角度
Figure 440727DEST_PATH_IMAGE060
。
获得反光区域中长度最长的一行像素点，其列坐标的最小值为
Figure 240056DEST_PATH_IMAGE061
，最大值为
Figure 966703DEST_PATH_IMAGE062
，则长度为：
Figure 209597DEST_PATH_IMAGE063
，长度最长的一行像素点中任一像素点的行坐标为
Figure 247960DEST_PATH_IMAGE064
；基于最优亮度梯度方向角度获得一个斜率：
Figure 867291DEST_PATH_IMAGE065
利用斜率和长度最长的一行像素点中任一像素点的行坐标和列坐标构建光照梯度线
Figure 573079DEST_PATH_IMAGE066
，其中
Figure 986874DEST_PATH_IMAGE067
，则光照梯度线
Figure 778113DEST_PATH_IMAGE068
（
Figure 664117DEST_PATH_IMAGE069
）的直线方程为：
Figure 224411DEST_PATH_IMAGE070
在光照梯度线与反光区域的相交的线段上的像素点中寻找亮度梯度方向发生突变的像素点，具体为：将光照梯度线与反光区域的相交的线段上的像素点按照空间位置的顺序排列，从排列好的像素点的一段开始寻找，计算相邻的像素点的亮度梯度方向角度差值的绝对值作为相邻的像素点中第一个像素点的亮度梯度变化，获得亮度梯度变化最大的像素点作为光照梯度线上的光照切分点。各光照梯度线的光照切分点进行直线拟合获得反光区域的光照切分线
Figure 543528DEST_PATH_IMAGE071
，其直线方程为：
Figure 822063DEST_PATH_IMAGE072
。至此可以获得HSI图像中各反光区域的光照切分线。
步骤S2，利用光照切分线将反光区域分割为两个区域，其中一个为第一区域，获得第一区域相切且与光照切分线平行的切分线，作为第一切线；在第一区域中构建四条与第一切线平行的区域线将第一区域分为多个光强区域；利用光强区域中像素点的亮度值和亮度值的均值构建目标函数，当目标函数取最小值时获得最优区域线，利用最优区域线将第一区域分为多个最优光强区域；获得HSI图像中所有反光区域中的多个最优光强区域。
光照分切线
Figure 783197DEST_PATH_IMAGE071
将反光区域划分为两个区域
Figure 338943DEST_PATH_IMAGE073
和
Figure 343808DEST_PATH_IMAGE074
，区域
Figure 594792DEST_PATH_IMAGE073
和
Figure 77726DEST_PATH_IMAGE074
中的像素点具有一致亮度梯度方向，其中将区域
Figure 363345DEST_PATH_IMAGE073
作为第一区域。由于区域
Figure 539111DEST_PATH_IMAGE073
和
Figure 542971DEST_PATH_IMAGE074
中亮度梯度的大小不是均匀变化的，呈现的特点靠近光照分切线的像素的亮度变化较大，远离光照分切线的亮度变化较小。在基于不同亮度区域的亮度特点对其进行去反光操作时，为了提高去反光时的准确率，需要将区域
Figure 829596DEST_PATH_IMAGE073
和
Figure 969721DEST_PATH_IMAGE074
划分一系列光强区域，使得在同一光强区域的像素点亮度较为相似，不同光强区域的像素点的亮度差距较明显。
在区域
Figure 581968DEST_PATH_IMAGE073
和
Figure 807544DEST_PATH_IMAGE074
中划分区域的具体操作为：在第一区域
Figure 632281DEST_PATH_IMAGE073
的外侧求取与光照切分线
Figure 17126DEST_PATH_IMAGE071
平行且与第一区域
Figure 279568DEST_PATH_IMAGE073
相切的外切线，作为第一切线，求取第一切线的直线方程，则其截距为
Figure 507287DEST_PATH_IMAGE015
；在第一切线和光照分切线
Figure 886446DEST_PATH_IMAGE071
之间用四条与第一切线平行的区域线将第一区域分为5个光强区域，获得四条区域的直线方程，由此获得四条区域线的截距分别为
Figure 984852DEST_PATH_IMAGE003
、
Figure 689634DEST_PATH_IMAGE004
、
Figure 139070DEST_PATH_IMAGE005
和
Figure 321921DEST_PATH_IMAGE006
，5个光强区域为
Figure 540413DEST_PATH_IMAGE075
，对5个光强区域进行分析获得第一区域对应的目标函数：
Figure 540730DEST_PATH_IMAGE076
其中，
Figure 962615DEST_PATH_IMAGE077
表示目标函数；
Figure 198424DEST_PATH_IMAGE003
、
Figure 287734DEST_PATH_IMAGE004
、
Figure 583586DEST_PATH_IMAGE005
和
Figure 492768DEST_PATH_IMAGE006
分别为四条区域线直线方程的截距；
Figure 266689DEST_PATH_IMAGE007
和
Figure 210505DEST_PATH_IMAGE008
表示调节参数，
Figure 552625DEST_PATH_IMAGE009
，
Figure 802297DEST_PATH_IMAGE010
；
Figure 114330DEST_PATH_IMAGE011
表示光强区域内像素点亮度值的均匀程度，
Figure 302866DEST_PATH_IMAGE011
越小则证明光强区域的像素值的亮度值越相似；
Figure 425674DEST_PATH_IMAGE012
表示第一区域中多个光强区域之间的平均亮度值的对比度，
Figure 558715DEST_PATH_IMAGE012
越大说明两个相邻区域之间的平均亮度值差距越小；
目标函数的约束条件为：
Figure 690750DEST_PATH_IMAGE078
其中，
Figure 592847DEST_PATH_IMAGE079
表示第一切线的直线方程的截距
Figure 886556DEST_PATH_IMAGE015
和光照切分线的直线方程的截距
Figure 506893DEST_PATH_IMAGE016
中的最小值；
Figure 177040DEST_PATH_IMAGE080
表示第一切线的直线方程的截距
Figure 809010DEST_PATH_IMAGE015
和光照切分线的直线方程的截距
Figure 273620DEST_PATH_IMAGE016
中的最大值；
光强区域内像素点亮度值的均匀程度
Figure 646833DEST_PATH_IMAGE011
为：
Figure 855091DEST_PATH_IMAGE081
其中，
Figure 200622DEST_PATH_IMAGE082
表示第一区域中的第i个光强区域；
Figure 119291DEST_PATH_IMAGE020
表示第i个光强区域中行坐标为
Figure 448641DEST_PATH_IMAGE021
，列坐标为
Figure 460591DEST_PATH_IMAGE022
的像素点的亮度值；
Figure 191786DEST_PATH_IMAGE023
表示第i个光强区域中像素点的亮度值的均值。
第一区域中多个光强区域之间的平均亮度值的对比度
Figure 653992DEST_PATH_IMAGE012
为：
Figure 955791DEST_PATH_IMAGE083
其中，
Figure 20699DEST_PATH_IMAGE084
表示第i个光强区域中像素点的亮度值的均值和第i+1个光强区域中像素点的亮度值的均值中的最小值；
Figure 622713DEST_PATH_IMAGE085
表示第i个光强区域中像素点的亮度值的均值和第i+1个光强区域中像素点的亮度值的均值中的最大值。
为了实现第一区域中同一光强区域的像素点的亮度较为相似而不同光强区域的像素点的亮度差距较明显的效果，需要最小化目标函数
Figure 849295DEST_PATH_IMAGE086
，也即是在约束条件下取得最小值，且满足约束条件截距
Figure 169549DEST_PATH_IMAGE003
、
Figure 772569DEST_PATH_IMAGE004
、
Figure 229089DEST_PATH_IMAGE005
和
Figure 892151DEST_PATH_IMAGE006
在光照分切线
Figure 699702DEST_PATH_IMAGE071
与第一切线的截距
Figure 591565DEST_PATH_IMAGE016
与
Figure 417439DEST_PATH_IMAGE015
之间。采用优化算法根据最小化目标函数
Figure 730697DEST_PATH_IMAGE086
得到全局最优的
Figure 743652DEST_PATH_IMAGE003
、
Figure 439207DEST_PATH_IMAGE004
、
Figure 119587DEST_PATH_IMAGE005
和
Figure 609605DEST_PATH_IMAGE006
，并采用最优解
Figure 109856DEST_PATH_IMAGE003
、
Figure 609102DEST_PATH_IMAGE004
、
Figure 878409DEST_PATH_IMAGE005
和
Figure 70487DEST_PATH_IMAGE006
得到四条最优区域线将第一区域
Figure 58035DEST_PATH_IMAGE073
划分为五个最优光强区域
Figure 95392DEST_PATH_IMAGE075
。
对于另一个区域
Figure 484785DEST_PATH_IMAGE074
也是如此，获得区域
Figure 847765DEST_PATH_IMAGE074
对应的四条最优区域线，将区域
Figure 57029DEST_PATH_IMAGE074
划分为五个最优光强区域，至此，可以获得HSI图像中所有反光区域中的最优光强区域。
步骤S3，构建每个最优光强区域的亮度修正函数和亮度修正函数的参数优化函数，当参数优化函数取的最小值时获得最优光强区域的最优亮度修正函数；利用每个最优光强区域的最优亮度修正函数对各最优光强区域的亮度进行修正；基于最优光强区域修正后的书页的表面图像进行印刷质量的检测。
首先，构建每个最优光强区域的亮度修正函数，利用亮度修正函数对最优光强区域中的像素点的亮度值进行修正达到对最优光强区域去反光操作，实现的效果是根据最优光强区域的亮度值分布情况，将最优光强区域中亮度值较高且分布较集中的亮度值进行扩展和平移的操作，使得去反光后的图像字体区域的颜色更深且字体与背景的对比度越大。
任选一个最优光强区域，构建其亮度修正函数：
Figure 288290DEST_PATH_IMAGE087
其中，
Figure 282922DEST_PATH_IMAGE088
表示利用亮度修正函数修正后的像素点的亮度值；
Figure 800491DEST_PATH_IMAGE089
表示未修正时最优光强区域中像素点的亮度值；
Figure 507504DEST_PATH_IMAGE030
表示第一参数；
Figure 401511DEST_PATH_IMAGE031
表示第二参数，基于亮度修正函数修正最优光强区域中每个像素点的亮度值将亮度修正过的亮度值赋予该像素，并将像素原始的色调和饱和度的值以及亮度修正过的亮度值作为像素点的HSI颜色进行更新；需要说明的是第一参数和第二参数需要根据参数优化函数进行求解，获得其最优解。
进一步的，构建亮度修正函数的参数优化函数，在构建参数优化函数之前需要获得偏黑指数，具体为：修正后的最优光强区域中各像素点在RGB空间的三个通道值的和为各像素点的偏黑指数，三个通道值的和越小即偏黑指数τ越小，说明像素点越偏黑色。接着采用Otsu大津法对最优光强区域中所有像素点的偏黑指数τ进行阈值分割得到最优偏黑指数阈值，将偏黑指数小于最优偏黑指数阈值的像素点作为最优光强区域的字体区域，不小于最优偏黑指数阈值的像素点作为最优光强区域的背景区域。如果最优光强区域中字体区域的颜色更黑且字体与背景的对比度越大，则最优光强区域去反光的效果越好。
则参数优化函数为：
Figure 516228DEST_PATH_IMAGE090
其中，
Figure 673540DEST_PATH_IMAGE091
表示参数优化函数，
Figure 608129DEST_PATH_IMAGE030
和
Figure 305827DEST_PATH_IMAGE031
分别表示亮度修正函数中的第一参数和第二参数；
Figure 275051DEST_PATH_IMAGE092
和
Figure 134423DEST_PATH_IMAGE093
分别表示修正后最优光强区域中背景区域和字体区域中像素点的偏黑指数的均值，如果
Figure 556308DEST_PATH_IMAGE094
越小表明最优光强区域中字体区域的颜色更黑，
Figure 792117DEST_PATH_IMAGE095
越小表示字体与背景的对比度越大，即最优光强区域的去反光的效果越好。
参数优化函数的约束条件为：
Figure 615848DEST_PATH_IMAGE096
Figure 911700DEST_PATH_IMAGE097
Figure 820881DEST_PATH_IMAGE098
其中，
Figure 594802DEST_PATH_IMAGE099
表示利用亮度修正函数修正后的像素点的亮度值，为了实现对较窄的亮度区间进行扩展，设置约束条件
Figure 538619DEST_PATH_IMAGE100
，为了实现亮度值处于0到255之间适中的位置，设置约束条件
Figure 880738DEST_PATH_IMAGE101
，同时保证亮度值在进行扩展和平移之后新的亮度值仍处于0到255之间，设置约束条件
Figure 260904DEST_PATH_IMAGE098
。
采用优化算法根据参数优化函数
Figure 848968DEST_PATH_IMAGE102
得到每个最优光强区域的亮度修正函数的全局最优的第一参数
Figure 162138DEST_PATH_IMAGE030
和第二参数
Figure 284946DEST_PATH_IMAGE031
，基于最优的第一参数
Figure 152407DEST_PATH_IMAGE030
和第二参数
Figure 284443DEST_PATH_IMAGE031
得到的最优光强区域的最优亮度修正函数对最优光强区域进行去反光操作，实现了自适应去反光的效果，提高了去反光的效果以及精度。
最后，对于D张书页对应的D张HSI图像中的最优光强区域中的亮度值进行修正后，分别对这些书页的修正后的表面图像采用其对应的标准的表面图像对每一张书页的表面图像进行质量检测。选择一张最优光强区域修正后的HSI图像，将其转换为书页的表面图像，作为第一图像，同时，获得该书页对应的标准的表面图像，作为第二图像；获得第一图像中的每个像素点与第二图像中对应的每个像素点的相关系数
Figure 327485DEST_PATH_IMAGE040
：
Figure 870462DEST_PATH_IMAGE103
其中，
Figure 507111DEST_PATH_IMAGE042
表示第一图像中每个像素点在RGB通道中第n个通道的值；
Figure 426525DEST_PATH_IMAGE043
第二图像中与第一图像中每个像素点对应的像素点在RGB通道中第n个通道的值。
Figure 465019DEST_PATH_IMAGE040
的取值范围是
Figure 178898DEST_PATH_IMAGE104
，
Figure 161897DEST_PATH_IMAGE040
值越接近
Figure 635735DEST_PATH_IMAGE105
说明两个像素点越相似，对第一图像和其对应的标准的表面图像，也即是第二图像中包含的所有像素点求取相关系数
Figure 512424DEST_PATH_IMAGE040
，设定相关性阈值，优选地，本实施例中相关性阈值的取值为0.9，获得第一图像中相关系数小于相关性阈值的像素点的数量
Figure 413515DEST_PATH_IMAGE106
，这些像素点为异常像素点，获得异常像素点的比例
Figure 8444DEST_PATH_IMAGE107
，
Figure 20394DEST_PATH_IMAGE108
为图像中所有像素点的数量，设定异常阈值，优选地，本实施例中异常阈值的取值为
Figure 892535DEST_PATH_IMAGE109
，若异常像素点的比例大于异常阈值，则说明书页的印刷出现了质量问题，需要技术人员进一步进行分析处理。
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。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 (9)

1.一种书本印刷质量检测方法，其特征在于，该方法包括：
将书本各书页的表面图像转换为HSI图像，并获得HSI图像中的多个反光区域；利用反光区域中各像素点亮度值的海森矩阵获得各像素点的亮度梯度方向角度，并获得最优亮度梯度方向角度；基于所述最优亮度梯度方向角度，反光区域中长度最大的一行像素点的行坐标和列坐标获得多个光照梯度线；根据各光照梯度线与反光区域相交的线段上的像素点的亮度梯度方向的突变情况获得各光照梯度线的光照切分点；对所述各光照梯度线的光照切分点进行直线拟合获得反光区域的光照切分线；
利用光照切分线将反光区域分割为两个区域，其中一个为第一区域，获得第一区域相切且与光照切分线平行的切分线，作为第一切线；在第一区域中构建四条与第一切线平行的区域线将第一区域分为多个光强区域；利用光强区域中像素点的亮度值和亮度值的均值构建目标函数，当目标函数取最小值时获得最优区域线，利用最优区域线将第一区域分为多个最优光强区域；获得HSI图像中所有反光区域中的多个最优光强区域；
构建每个最优光强区域的亮度修正函数和亮度修正函数的参数优化函数，当参数优化函数取的最小值时获得最优光强区域的最优亮度修正函数；利用每个最优光强区域的最优亮度修正函数对各最优光强区域的亮度进行修正；基于最优光强区域修正后的书页的表面图像进行印刷质量的检测。
2.根据权利要求1所述的一种书本印刷质量检测方法，其特征在于，所述获得HSI图像中的多个反光区域包括：基于HSI图像中各像素点的亮度值利用阈值分割方法获得最优亮度分割阈值，亮度值大于最优亮度分割阈值的像素点组成待选反光区域；将待反光区域中最大亮度值和中值亮度值的像素点作为初始生长点；设定生长规则和亮度差阈值，所述生长规则为在初始生长点的八邻域中寻找满足与初始生长点的亮度值之差小于亮度差阈值且亮度值大于最优亮度分割阈值的像素点；基于生长规则获得HSI图像中的反光区域。
3.根据权利要求1所述的一种书本印刷质量检测方法，其特征在于，所述利用反光区域中各像素点亮度值的海森矩阵获得各像素点的亮度梯度方向角度，并获得最优亮度梯度方向角度包括：获得反光区域中各像素点亮度值的二阶差分组成各像素点亮度值的海森矩阵；利用主成分分析算法对各像素点亮度值的海森矩阵进行分析获得主成分方向对应的角度，所述主成分方向对应的角度为亮度梯度方向角度；利用Otsu大津法对反光区域中各像素点的亮度梯度方向角度进行阈值分割，获得最优亮度梯度方向角度。
4.根据权利要求1所述的一种书本印刷质量检测方法，其特征在于，所述基于所述最优亮度梯度方向角度，反光区域中长度最大的一行像素点的行坐标和列坐标获得多个光照梯度线包括：利用最优亮度梯度方向角度获得各光照梯度线的斜率，各光照梯度线之间相互平行；且每个光照梯度线经过反光区域中长度最大的一行像素点中的一个像素点。
5.根据权利要求1所述的一种书本印刷质量检测方法，其特征在于，所述根据各光照梯度线与反光区域相交的线段上的像素点的亮度梯度方向的突变情况获得各光照梯度线的光照切分点包括：将一个光照梯度线与反光区域相交的线段上的像素点按照顺序排列，以排列后的像素点一端为起点，计算每两个相邻的像素点的亮度梯度方向角度的差值的绝对值；所述差值的绝对值为两个相邻的像素点中第一个像素点对应的亮度梯度变化，亮度梯度变化最大的像素点为光照梯度线的光照切分点。
6.根据权利要求1所述的一种书本印刷质量检测方法，其特征在于，所述构建目标函数包括：目标函数为：
Figure DEST_PATH_IMAGE002
其中，
Figure DEST_PATH_IMAGE003
表示目标函数；
Figure DEST_PATH_IMAGE004
、
Figure DEST_PATH_IMAGE005
、
Figure DEST_PATH_IMAGE006
和
Figure DEST_PATH_IMAGE007
分别为四条区域线直线方程的截距；
Figure DEST_PATH_IMAGE008
和
Figure DEST_PATH_IMAGE009
表示调节参数，
Figure DEST_PATH_IMAGE010
，
Figure DEST_PATH_IMAGE011
；
Figure DEST_PATH_IMAGE012
表示光强区域内像素点亮度值的均匀程度；
Figure DEST_PATH_IMAGE013
表示第一区域中多个光强区域之间的平均亮度值的对比度；
目标函数的约束条件为：
Figure DEST_PATH_IMAGE014
其中，
Figure DEST_PATH_IMAGE015
表示第一切线的直线方程的截距
Figure DEST_PATH_IMAGE016
和光照切分线的直线方程的截距
Figure DEST_PATH_IMAGE017
中的最小值；
Figure DEST_PATH_IMAGE018
表示第一切线的直线方程的截距
Figure 509670DEST_PATH_IMAGE016
和光照切分线的直线方程的截距
Figure 239860DEST_PATH_IMAGE017
中的最大值；
光强区域内像素点亮度值的均匀程度
Figure 81914DEST_PATH_IMAGE012
为：
Figure DEST_PATH_IMAGE020
其中，
Figure DEST_PATH_IMAGE022
表示第一区域中的第i个光强区域；
Figure DEST_PATH_IMAGE023
表示第i个光强区域中行坐标为
Figure DEST_PATH_IMAGE024
，列坐标为
Figure DEST_PATH_IMAGE025
的像素点的亮度值；
Figure DEST_PATH_IMAGE027
表示第i个光强区域中像素点的亮度值的均值；
第一区域中多个光强区域之间的平均亮度值的对比度
Figure 119534DEST_PATH_IMAGE013
为：
Figure DEST_PATH_IMAGE029
其中，
Figure DEST_PATH_IMAGE031
表示第i个光强区域中像素点的亮度值的均值和第i+1个光强区域中像素点的亮度值的均值中的最小值；
Figure DEST_PATH_IMAGE033
表示第i个光强区域中像素点的亮度值的均值和第i+1个光强区域中像素点的亮度值的均值中的最大值。
7.根据权利要求1所述的一种书本印刷质量检测方法，其特征在于，所述每个最优光强区域的亮度修正函数为：
Figure DEST_PATH_IMAGE035
其中，
Figure DEST_PATH_IMAGE037
表示利用亮度修正函数修正后的像素点的亮度值；
Figure DEST_PATH_IMAGE039
表示未修正时最优光强区域中像素点的亮度值；
Figure DEST_PATH_IMAGE040
表示第一参数；
Figure DEST_PATH_IMAGE041
表示第二参数；所述第一参数和第二参数需要根据参数优化函数进行求解。
8.根据权利要求1所述的一种书本印刷质量检测方法，其特征在于，所述亮度修正函数的参数优化函数包括：利用亮度修正函数对最优光强区域中各像素点的亮度值进行修正，修正后的最优光强区域中各像素点在RGB空间的三个通道值的和为各像素点的偏黑指数；基于偏黑指数进行阈值分割获得像素点的亮度值修正后的最优光强区域中的背景区域和字体区域；利用所述背景区域和字体区域中像素点的偏黑指数的均值构建亮度修正函数的参数优化函数；参数优化函数为：
Figure DEST_PATH_IMAGE043
其中，
Figure DEST_PATH_IMAGE044
表示参数优化函数，
Figure 367195DEST_PATH_IMAGE040
和
Figure 2706DEST_PATH_IMAGE041
分别表示亮度修正函数中的第一参数和第二参数；
Figure DEST_PATH_IMAGE046
和
Figure DEST_PATH_IMAGE048
分别表示所述背景区域和字体区域中像素点的偏黑指数的均值；
参数优化函数的约束条件为：
Figure DEST_PATH_IMAGE050
Figure DEST_PATH_IMAGE052
Figure DEST_PATH_IMAGE054
其中，
Figure DEST_PATH_IMAGE056
表示利用亮度修正函数修正后的像素点的亮度值。
9.根据权利要求1所述的一种书本印刷质量检测方法，其特征在于，所述基于最优光强区域修正后的书页的表面图像进行印刷质量的检测包括：选择一张最优光强区域修正后的HSI图像，将其转换为书页的表面图像，作为第一图像，并获得该书页对应的标准的表面图像，作为第二图像；获得第一图像中的每个像素点与第二图像中对应的每个像素点的相关系数
Figure DEST_PATH_IMAGE057
：
Figure DEST_PATH_IMAGE059
其中，
Figure DEST_PATH_IMAGE060
表示第一图像中每个像素点在RGB通道中第n个通道的值；
Figure DEST_PATH_IMAGE061
第二图像中与第一图像中每个像素点对应的像素点在RGB通道中第n个通道的值；
设定相关性阈值，获得第一图像中相关系数小于相关性阈值的像素点的数量与第一图像中所有像素点数量的比值；设定异常阈值，若所述比值大于异常阈值，则第一图像对应的书页出现印刷质量问题。
CN202210796838.0A 2022-07-08 2022-07-08 一种书本印刷质量检测方法 Active CN114878595B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210796838.0A CN114878595B (zh) 2022-07-08 2022-07-08 一种书本印刷质量检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210796838.0A CN114878595B (zh) 2022-07-08 2022-07-08 一种书本印刷质量检测方法

Publications (2)

Publication Number Publication Date
CN114878595A true CN114878595A (zh) 2022-08-09
CN114878595B CN114878595B (zh) 2022-09-20

Family

ID=82683261

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210796838.0A Active CN114878595B (zh) 2022-07-08 2022-07-08 一种书本印刷质量检测方法

Country Status (1)

Country Link
CN (1) CN114878595B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115331094A (zh) * 2022-10-11 2022-11-11 山东辰升科技有限公司 一种基于无人机遥感的海洋安全监测方法及系统
CN116228747A (zh) * 2023-05-04 2023-06-06 青岛穗禾信达金属制品有限公司 一种金属柜加工质量监测方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6424730B1 (en) * 1998-11-03 2002-07-23 Eastman Kodak Company Medical image enhancement method for hardcopy prints
JP2007285754A (ja) * 2006-04-13 2007-11-01 Seiko Epson Corp 欠陥検出方法および欠陥検出装置
JP2008224497A (ja) * 2007-03-14 2008-09-25 Omron Corp 計測位置表示方法および計測装置
JP2012007953A (ja) * 2010-06-23 2012-01-12 Nippon Paint Co Ltd 塗装ムラ評価値算出方法、塗装ムラ評価値算出装置、及び塗装ムラ評価方法
JP2016206760A (ja) * 2015-04-17 2016-12-08 有限会社修榮シール 色判別方法及び色判別装置、並びに印刷機色調制御方法
CN108876742A (zh) * 2018-06-25 2018-11-23 深圳市华星光电技术有限公司 图像色彩增强方法和装置
CN109472748A (zh) * 2018-10-26 2019-03-15 河北工业大学 基于纳米颗粒sem图像亮度提取的图像亮度校正方法
CN110874844A (zh) * 2018-08-30 2020-03-10 京东方科技集团股份有限公司 线段检测方法、装置和设备

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6424730B1 (en) * 1998-11-03 2002-07-23 Eastman Kodak Company Medical image enhancement method for hardcopy prints
JP2007285754A (ja) * 2006-04-13 2007-11-01 Seiko Epson Corp 欠陥検出方法および欠陥検出装置
JP2008224497A (ja) * 2007-03-14 2008-09-25 Omron Corp 計測位置表示方法および計測装置
JP2012007953A (ja) * 2010-06-23 2012-01-12 Nippon Paint Co Ltd 塗装ムラ評価値算出方法、塗装ムラ評価値算出装置、及び塗装ムラ評価方法
JP2016206760A (ja) * 2015-04-17 2016-12-08 有限会社修榮シール 色判別方法及び色判別装置、並びに印刷機色調制御方法
CN108876742A (zh) * 2018-06-25 2018-11-23 深圳市华星光电技术有限公司 图像色彩增强方法和装置
CN110874844A (zh) * 2018-08-30 2020-03-10 京东方科技集团股份有限公司 线段检测方法、装置和设备
CN109472748A (zh) * 2018-10-26 2019-03-15 河北工业大学 基于纳米颗粒sem图像亮度提取的图像亮度校正方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115331094A (zh) * 2022-10-11 2022-11-11 山东辰升科技有限公司 一种基于无人机遥感的海洋安全监测方法及系统
CN115331094B (zh) * 2022-10-11 2023-01-24 山东辰升科技有限公司 一种基于无人机遥感的海洋安全监测方法及系统
CN116228747A (zh) * 2023-05-04 2023-06-06 青岛穗禾信达金属制品有限公司 一种金属柜加工质量监测方法

Also Published As

Publication number Publication date
CN114878595B (zh) 2022-09-20

Similar Documents

Publication Publication Date Title
CN114878595B (zh) 一种书本印刷质量检测方法
US10592764B2 (en) Reconstructing document from series of document images
CN101622631B (zh) 扫描文件的多色彩舍去
US8358835B2 (en) Method for detecting and correcting chromatic aberration, and apparatus and method for processing image using the same
CN114565612B (zh) 一种基于图像对比的pcb板u型槽加工异常检测方法
CN112308854B (zh) 一种芯片表面瑕疵的自动检测方法、系统及电子设备
CN112967669B (zh) 一种提高led显示屏灰度一致性的校正方法
CN109064439B (zh) 基于分区的单侧入光式导光板暗影缺陷提取方法
CN105701491A (zh) 固定格式文档图像模版的制作方法及其应用
CN115170525A (zh) 一种图像差异检测方法及装置
CN117576101A (zh) 一种油墨印刷品质检智能控制方法及系统
CN110751690B (zh) 铣床刀头视觉定位方法
CN117274405B (zh) 基于机器视觉的led灯工作颜色检测方法
CN107094219A (zh) 图像处理装置和图像处理方法
CN110136105A (zh) 一种基于方差和平滑度的同一内容图像的清晰度评价方法
CN109816609A (zh) 一种基于傅里叶变换的数字pcr图像还原方法及其应用
TWI783288B (zh) 影像處理方法
US8068669B2 (en) Text and graphic separation method and text enhancement method
CN110740306B (zh) 彩色白平衡统计校正方法
CN117593303B (zh) 一种量子点光学膜的缺陷检测方法及系统
CN115439356A (zh) 一种彩色图像边缘伪彩消除方法
WO2012172699A1 (ja) 文字領域画素判定装置またはその方法
CN118537335B (zh) 一种布料表面版图印刷不正的缺陷检测方法
CN117372420B (zh) 一种染整过程中纺织印花质量视觉检测方法
CN114581344B (zh) 一种视频图像紫边校正方法

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