CN114882037B - 基于动态印次掩膜的图像缺陷检测方法和系统 - Google Patents
基于动态印次掩膜的图像缺陷检测方法和系统 Download PDFInfo
- Publication number
- CN114882037B CN114882037B CN202210809974.9A CN202210809974A CN114882037B CN 114882037 B CN114882037 B CN 114882037B CN 202210809974 A CN202210809974 A CN 202210809974A CN 114882037 B CN114882037 B CN 114882037B
- Authority
- CN
- China
- Prior art keywords
- image
- value
- printing
- blob
- target
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于动态印次掩模的图像缺陷检测方法和系统,所述方法包括:获取待测印刷品的实时图像,以及所述实时图像上目标印次所处的印次状态;若所述目标印次为前置印次,则计算所述目标印次与所述后置印次之间的套印偏差,并计算所述目标印次的灰度值图像;基于所述套印偏差、所述前置印次掩膜、后置印次掩膜、灰度值图像、所述高阈值图像和所述低阈值图像,得到针对所有目标像素位置的高值Blob图像和低值Blob图像;对高值Blob图像和低值Blob图像进行聚类分析,以标记出所述目标印次的缺陷位置。该方法通过加入套印偏差作为约束条件,对多印次印刷品进行检测时,避免了套印偏差对图像缺陷检测效果的影响,从而保证了图像缺陷检测的准确性。
Description
技术领域
本发明涉及图像缺陷检测技术领域,具体涉及一种基于动态印次掩膜的图像缺陷检测方法和系统。
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。因此,在印刷品进行印制的过程中,通常会配置在线检测设备对实时印刷的情况进行质量检测。
目前的高端印刷品,通常都会由两道(或以上)印刷工序进行印制,即印刷品最终呈现的图纹是由两道工序印制的两幅图纹按照预先设计叠加而成的,每道工序所印制的图纹称之为印次图纹。由于印刷机的进纸飞达与传送系统本身存在精度问题,这使得两道工序印刷的图纹的相对位置存在随机性波动,这种波动后的相对位置与标准的相对位置之间存在的偏差,称为套印偏差。
如图1所示,如果大圆和小圆分属不同的印次图纹,其标准的相对位置如图1中的a所示,其实际印刷后的某一张印刷品相对位置如图1中的b所示,那么实际印刷的套印偏差则如图1中的c所示,可见,套印偏差包含横向套印偏差和纵向套印偏差。由于套印偏差是在一定范围内随机波动的,每张印刷品的套印偏差都是各不相同的,其对在线检测设备的缺陷检测效果势必会带来影响,最终导致检测效果的下降。
因此,提供一种基于动态印次掩膜的图像缺陷检测方法和系统,以期规避套印偏差对图像缺陷检测效果的影响,从而保证图像缺陷检测的准确性,就成为本领域技术人员亟待解决的问题。
发明内容
为此,本发明提供一种基于动态印次掩膜的图像缺陷检测方法和系统,以期规避套印偏差对图像缺陷检测效果的影响,从而保证图像缺陷检测的准确性。
为了实现上述目的,本发明实施例提供如下技术方案:
一种基于动态印次掩膜的图像缺陷检测方法,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;在所述参考图像上划定前置印次掩膜和后置印次掩膜;
循环训练多个印刷品图像样本,以得到针对目标印次所有像素位置的高阈值图像和低阈值图像;
获取待测印刷品的实时图像,以及所述实时图像上目标印次所处的印次状态;
若所述目标印次为前置印次,则计算所述目标印次与所述后置印次之间的套印偏差,并计算所述目标印次的灰度值图像;
基于所述套印偏差、所述前置印次掩膜、所述后置印次掩膜、所述灰度值图像、所述高阈值图像和所述低阈值图像,得到针对所有目标像素位置的高值Blob图像和低值Blob图像;
对高值Blob图像和低值Blob图像进行聚类分析,以标记出所述目标印次的缺陷位置。
进一步地,利用以下公式计算所述套印偏差:
其中:
进一步地,计算所述目标印次的灰度值图像,具体包括:
通过定位处理,使得所述实时图像上的目标图纹与所述参考图像上的对应图纹相对齐;
计算所述实时图像的目标印次上检测区内的所有目标像素位置的灰度值,以得到灰度值图像。
进一步地,所述通过定位处理,使得所述实时图像上的目标图纹与所述参考图像上的对应图纹相对齐,具体包括:
对所述目标印次的所有定位核进行定位计算;
分别对与各定位核关联的检测区进行平移和亚像素插值计算,以使得所述实时图像上的目标图纹与所述参考图像上的对应图纹相对齐。
进一步地,基于所述灰度值图像、所述前置印次掩膜、所述后置印次掩膜、所述高阈值图像和所述低阈值图像,得到针对所有目标像素位置的高值Blob图像和低值Blob图像,具体包括:
根据目标像素位置对应的灰度值、高阈值和低阈值,计算该所述目标像素位置的高值Blob能量值和低值Blob能量值;
循环所有所述目标像素位置;
分别计算所有所述目标像素位置的高值Blob能量值,以生成所述高值Blob图像;
分别计算所有所述目标像素位置的低值Blob能量值,以生成所述低值Blob图像。
进一步地,利用以下公式,计算该所述目标像素位置的高值Blob能量值和低值Blob能量值,具体包括:
其中:
HBlob为目标像素位置的高值Blob能量值;
LBlob为目标像素位置的低值Blob能量值;
RTData为目标像素位置的灰度值;
HThr为目标像素位置在所述参考图像上对应的高阈值;
LThr为目标像素位置在所述参考图像上对应的低阈值。
进一步地,获取目标印次所处的印次状态,之后还包括:
若所述目标印次为后置印次,则以印次掩膜覆盖的区域内的像素位置作为所述目标像素位置。
本发明还提供一种基于动态印次掩膜的图像缺陷检测系统,所述系统包括:
参考图像获取单元,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;在所述参考图像上划定前置印次掩膜和后置印次掩膜;
阈值图像计算单元,用于循环训练多个印刷品图像样本,以得到针对目标印次所有像素位置的高阈值图像和低阈值图像;
实时图像获取单元,用于获取待测印刷品的实时图像,以及所述实时图像上目标印次所处的印次状态;
套印偏差计算单元,用于若所述目标印次为前置印次,则计算所述目标印次与所述后置印次之间的套印偏差;
灰度值图像计算单元,用于计算所述目标印次的灰度值图像;
Blob图像计算单元,用于基于所述套印偏差、所述灰度值图像、所述高阈值图像、所述低阈值图像、所述目标印次掩膜、所述后置印次掩膜,得到针对所有目标像素位置的高值Blob图像和低值Blob图像;
结果输出单元,用于对高值Blob图像和低值Blob图像进行聚类分析,以标记出所述目标印次的缺陷位置。
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。
本发明所提供的基于动态印次掩膜的图像缺陷检测方法,通过循环训练多个印刷品图像样本,以得到针对目标印次所有像素位置的高阈值图像和低阈值图像;基于所述套印偏差、所述灰度值图像、所述高阈值图像和所述低阈值图像,得到针对所有目标像素位置的高值Blob图像和低值Blob图像;最后对高值Blob图像和低值Blob图像进行聚类分析,以标记出所述目标印次的缺陷位置。这样,该方法通过加入套印偏差作为约束条件,对多印次印刷品进行检测时,避免了套印偏差对图像缺陷检测效果的影响,从而保证了图像缺陷检测的准确性。
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为套印偏差原理示意图;
图2为本发明所提供的基于动态印次掩膜的图像缺陷检测方法一种具体实施方式的流程图;
图3为参考图像的示意图;
图4为本发明所提供的方法中目标印次的灰度值图像的计算方法流程图;
图5为本发明所提供的方法中Blob图像的生成方法流程图;
图6为本发明所提供的基于动态印次掩膜的图像缺陷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。
从原理上来讲,多印次印刷品中套印偏差的存在,不会使后印刷的印次图纹(即图1中的小圆区域)受到先印刷的印次图纹的影响,但会使先印刷的印次图纹受到后印刷的印次图纹的影响,为了便于描述,将在先印刷的印次称为前置印次,在后印刷的印次称为后置印次。据此,本发明所提供的基于动态印次掩膜的多印次印刷品图像缺陷检测方法,通过将套印偏差融入计算中,避免了印次偏差对缺陷检测的影响,提高了图像检测的准确性。
用于缺陷检测的在线检测设备,通常都是安装于印刷设备上,以便实时对印刷品的印刷质量进行检测,极大的降低发生连续废品时造成的损失。为了更加清晰的进行说明,本文以局部印刷品来进行举例,而应当理解的是,实际上大多数印刷品都是以大张的形态进行印刷的。
请参考图2,图2为本发明所提供的基于动态印次掩膜的图像缺陷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2所示,本发明所提供的基于动态印次掩膜的图像缺陷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;在所述参考图像上划定前置印次掩膜和后置印次掩膜。
为了便于理解,首先简述参考图像、检测区、定位核与印次掩膜的含义。其中,印刷品的参考图像、检测区、定位核如图3中(a)图所示,印次掩膜如图3中(b)图所示。在建模过程中,首先,需要采集一张完全正常的印刷品图像作为建模过程的参照,称之为“参考图像”。在参考图像上,绘制检测区和定位核(指定检测区和定位核的位置),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。印次掩膜用于区分不同印次的图纹。
在图3中(a)图中,四个实线矩形就是四个检测区,四个检测区的大小不同,且各检测区的编号分别为1、2、3、4(编号分别设置在四个实线矩形的左下角)。其中,编号为1、2的检测区为前置印次检测区;编号为2、3的检测区为后置印次检测区。通过对这些检测区所覆盖图纹的计算,得到该印次图纹检测结果。编号为A、B、C、D的虚线矩形就是定位核,用来在训练和检测时进行定位计算,得到定位偏置,从而指导检测区进行偏移。前置印次检测区使用的必须是前置印次定位核(即定位核A、B)的定位结果,且通常来讲,定位核距离检测区越近,越能更好的表示检测区的位置偏移量;后置印次检测区使用的必须是后置印次定位核(即定位核C、D)的定位结果,同样,定位核与检测区的关联关系为就近原则。某印次检测区所覆盖的图纹大部分属于该印次,但也可能有部分图纹属于其它色次,为了避免这些图纹对该检测结果的影响,我们通常在建模时,通过绘制非规则形态的图形对其加以区分,我们称这种非规则形态的图形为“印次掩膜”。前置印次先印刷,后置印次后印刷,仅需对后印刷的后置印次绘制印次掩膜即可。图中的“祥云”区域为后置印次的图纹,因而在建模时,被印次掩膜所覆盖。
S102:循环训练多个印刷品图像样本,以得到针对目标印次所有像素位置的高阈值图像和低阈值图像。
在训练过程中,循环所有参与训练的印刷品图像,针对每一张图像,首先进行所有前置印次定位核的定位计算,然后对与这些定位核关联的检测区进行平移和亚像素插值,其目的就是使得参与训练的印刷品图像的前置印次图纹与参考图像前置印次的图纹进行“对齐”。然后循环所有前置印次的检测区的所有像素位置,对每个像素位置做统计。需要注意的是,参与统计的像素位置必须是被前置印次掩膜覆盖,且同时不能被后置印次掩膜覆盖的区域。在完成所有参与训练的印刷品图像的循环后,就可以统计出前置印次每个像素位置处的最大值、最小值、均值。再通过以下方式,针对前置印次每个像素位置进行如下计算:
其中,对于某个像素位置,HThr为计算得到的高阈值、LThr为计算得到的低阈值、Mean为统计得到的均值、Max为统计得到的最大值、Min为统计得到的最小值、Toler为均值图像上该像素位置邻域(如3×3)内最大值与最小值之差。ParaH1、ParaH2、ParaH3是为计算高阈值提前设置的参数;ParaL1、ParaL2、ParaL3是为计算低阈值提前设置的参数。
当计算完所有前置印次像素位置的HThr值和LThr值,就生成了针对前置印次的高阈值图像和低阈值图像。对于非前置印次图纹区域(非印次掩膜所覆盖的区域),高阈值图像填充255;低阈值图像填充0。这样填充的目的是在检测过程中,非前置印次图纹区域,不会产生高值Blob和低值Blob。
S103:获取待测印刷品的实时图像,以及所述实时图像上目标印次所处的印次状态;
S104:若所述目标印次为前置印次,则计算所述目标印次与所述后置印次之间的套印偏差,并计算所述目标印次的灰度值图像;
进一步地,利用以下公式计算所述套印偏差:
其中:
S105:基于所述套印偏差、所述前置印次掩膜、所述后置印次掩膜、所述灰度值图像、所述高阈值图像和所述低阈值图像,得到针对所有目标像素位置的高值Blob图像和低值Blob图像;通常来说,套印偏差的存在,不会使后印刷的印次图纹受到先印刷的印次图纹的影响;但会使先印刷的印次图纹受到后印刷的印次图纹的影响。
S106:对高值Blob图像和低值Blob图像进行聚类分析,以标记出所述目标印次的缺陷位置。
其中,如图4所示,计算所述目标印次的灰度值图像,具体包括以下步骤:
S401:通过定位处理,使得所述实时图像上的目标图纹与所述参考图像上的对应图纹相对齐;具体地,对所述目标印次的所有定位核进行定位计算;再分别对与各定位核关联的检测区进行平移和亚像素插值计算,以使得所述实时图像上的目标图纹与所述参考图像上的对应图纹相对齐。
S402:计算所述实时图像的目标印次上检测区内的所有目标像素位置的灰度值,以得到灰度值图像。
在步骤S105中,为了提高图像生成效果,如图5所示,基于所述灰度值图像、所述前置印次掩膜、所述后置印次掩膜、所述高阈值图像和所述低阈值图像,得到针对所有目标像素位置的高值Blob图像和低值Blob图像,具体包括以下步骤:
S501:根据目标像素位置对应的灰度值、高阈值和低阈值,计算该所述目标像素位置的高值Blob能量值和低值Blob能量值;
S502:循环所有所述目标像素位置;
S503:分别计算所有所述目标像素位置的高值Blob能量值,以生成所述高值Blob图像;
S504:分别计算所有所述目标像素位置的低值Blob能量值,以生成所述低值Blob图像。
其中,利用以下公式,计算该所述目标像素位置的高值Blob能量值和低值Blob能量值,具体包括:
其中:
HBlob为目标像素位置的高值Blob能量值;
LBlob为目标像素位置的低值Blob能量值;
RTData为目标像素位置的灰度值;
HThr为目标像素位置在所述参考图像上对应的高阈值;
LThr为目标像素位置在所述参考图像上对应的低阈值。
进一步地,获取目标印次所处的印次状态,之后还包括:
若所述目标印次为后置印次,则以印次掩膜覆盖的区域内的像素位置作为所述目标像素位置。
为了便于理解,下面一个具体使用场景为例,描述本发明对二印次印刷品的图像检测过程。应当理解的是,在二印次印刷品中,第一印次即前述前置印次,第二印次即为前述后置印次。在一些实施例中,也不局限于二印次印刷品,其可以为更多印次的印刷品,此时,当前检测的目标印次为前置印次,其后印刷的印次均为后置印次。
进一步地,为了说明多印次的图像检测方法,首先对单印次的图像检测方法进行说明。由于后印刷的后置印次图纹不会受到先印刷的前置印次图纹的影响和干扰,如果则只对后置印次图纹进行检测,此时不需考虑前置印次图纹的检测,也就相当于单印次的图像检测。
基于该二印次图像的场景,在检测过程中,首先获取待检的印刷品图像,并进行所有后置印次定位核的定位计算,然后对与这些定位核关联的检测区进行平移和亚像素插值,使待检的印刷品图像的后置印次图纹与参考图像后置印次的图纹进行“对齐”。然后循环所有后置印次的检测区的所有像素位置,对每个像素位置做如下计算。需要注意的是,参与计算的像素位置必须是被印次掩膜覆盖的区域。
其中,针对该像素位置,HBlob为计算得到的高值Blob能量值,LBlob为计算得到的低值Blob能量值,RTData为待检印刷品图像该像素位置灰度值,HThr为对应的高阈值,LThr为对应的低阈值。当计算完所有后置印次像素位置的HBlob值和LBlob值,就生成了针对待检印刷品图像后置印次的高值Blob图像和低值Blob图像。
对待检印刷品图像后置印次的高值Blob图像和低值Blob图像进行聚类分析,最终标记出真正缺陷所在的位置,并反馈给操作人员对其进行警示提醒。在聚类分析时,可以从三个维度评估:面积、能量值、聚散程度。原则如下:面积越大越容易被判定为真实缺陷;Blob图像能量值越高越容易被判定为真实缺陷;聚散程度越聚合(而不是越分散)越容易被判定为真实缺陷。至于三个维度的阈值,视具体检测场景设定。
为了说明多印次的图像检测方法,需要对前置印次图纹和后置印次图纹都要进行检测。前置印次先印刷,后置印次后印刷覆盖前置印次之上。后印刷的图纹基本不会受先印刷图纹的干扰,可以按照上述单印次印刷品图像检测方法进行检测。由于两个印次图纹套印偏差的随机性,先印刷图纹会受到后印刷图纹的影响。所以,以下仅对先印刷的前置印次图纹的检测方法进行说明。
训练过程中,循环所有参与训练的印刷品图像,针对每一张训练图像,首先进行所有前置印次定位核的定位计算,然后对与这些定位核关联的检测区进行平移和亚像素插值,其目的就是使得每一张训练图像的前置印次图纹与参考图像前置印次的图纹进行“对齐”。由于套印偏差的存在,前置印次的训练和检测计算会受到后置印次的影响,我们必须计算得到前置印次图纹与参考图像前置印次的图纹“对齐”时,后置印次(即印次掩膜)的位置。通过前置印次定位核结果与后置印次定位核结果,可以进行如下计算:
其中,为训练图像后置印次定位核的定位结果,为训练图像前置印次定位核的定位结果,为参考图像后置印次定位核的位置,为参考图像前置印次定位核的位置,即为前置印次图纹与参考图像前置印次的图纹“对齐”时,后置印次(即印次掩膜)的位置偏移量,即套印偏差。上述的定位结果、位置、位置偏移量都是有横向与纵向两个分量构成的。
再循环所有前置印次的检测区的所有像素位置,对每个像素位置做统计。在完成所有参与训练的印刷品图像的循环后,就可以统计出前置印次每个像素位置处的最大值、最小值、均值。需要注意的是,被偏移后的印次掩膜所覆盖的像素位置为后置印次的图纹,不可以参与统计。偏移后的印次掩膜所覆盖的像素位置可以由原印次掩膜所覆盖的像素位置与上述套印偏差相加得到。
在完成统计后,针对前置印次每个像素位置进行计算,以生成针对前置印次的高阈值图像和低阈值图像。对于统计时,样本数量为零的像素位置(对于所有参与训练的印刷品图像,该像素位置一直被印次掩膜所覆盖),高阈值图像填充255;低阈值图像填充0。这样填充的目的是在检测过程中,这些像素位置,不会产生高值Blob和低值Blob。
检测过程中,获取待检的印刷品图像,首先进行所有前置印次定位核的定位计算,然后对与这些定位核关联的检测区进行平移和亚像素插值,使待检的印刷品图像的前置印次图纹与参考图像前置印次的图纹进行“对齐”。并计算得到后置印次(即印次掩膜)的套印偏差。
循环所有前置印次的检测区的所有像素位置,然后对每个像素位置做计算,就生成了针对待检印刷品图像前置印次的高值Blob图像和低值Blob图像。需要注意的是,被偏移后的印次掩膜所覆盖的像素位置为后置印次的图纹,不可以参与计算。
对待检印刷品图像前置印次的高值Blob图像和低值Blob图像进行聚类分析,最终标记出真正缺陷所在的位置,并反馈给操作人员对其进行警示提醒。在聚类分析时,可以从三个维度评估:面积、能量值、聚散程度。至于三个维度的阈值,视具体检测场景设定。
在上述具体实施方式中,本发明所提供的基于动态印次掩膜的图像缺陷检测方法,通过循环训练多个印刷品图像样本,以得到针对目标印次所有像素位置的高阈值图像和低阈值图像;基于所述套印偏差、所述灰度值图像、所述高阈值图像和所述低阈值图像,得到针对所有目标像素位置的高值Blob图像和低值Blob图像;最后对高值Blob图像和低值Blob图像进行聚类分析,以标记出所述目标印次的缺陷位置。这样,该方法通过加入套印偏差作为约束条件,对多印次印刷品进行检测时,避免了套印偏差对图像缺陷检测效果的影响,从而保证了图像缺陷检测的准确性。
除了上述方法,本发明还提供一种基于动态印次掩膜的图像缺陷检测系统,如图6所示,所述系统包括:
参考图像获取单元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;在所述参考图像上划定前置印次掩膜和后置印次掩膜;
阈值图像计算单元200,用于循环训练多个印刷品图像样本,以得到针对目标印次所有像素位置的高阈值图像和低阈值图像;
实时图像获取单元300,用于获取待测印刷品的实时图像,以及所述实时图像上目标印次所处的印次状态;
套印偏差计算单元400,用于若所述目标印次为前置印次,则计算所述目标印次与所述后置印次之间的套印偏差;
灰度值图像计算单元500,用于计算所述目标印次的灰度值图像;
Blob图像计算单元600,用于基于所述套印偏差、所述灰度值图像、所述高阈值图像、所述低阈值图像、所述目标印次掩膜、所述后置印次掩膜,得到针对所有目标像素位置的高值Blob图像和低值Blob图像;
结果输出单元700,用于对高值Blob图像和低值Blob图像进行聚类分析,以标记出所述目标印次的缺陷位置。
在上述具体实施方式中,本发明所提供的基于动态印次掩膜的图像缺陷检测系统,通过循环训练多个印刷品图像样本,以得到针对目标印次所有像素位置的高阈值图像和低阈值图像;基于所述套印偏差、所述灰度值图像、所述高阈值图像和所述低阈值图像,得到针对所有目标像素位置的高值Blob图像和低值Blob图像;最后对高值Blob图像和低值Blob图像进行聚类分析,以标记出所述目标印次的缺陷位置。这样,该方法通过加入套印偏差作为约束条件,对多印次印刷品进行检测时,避免了套印偏差对图像缺陷检测效果的影响,从而保证了图像缺陷检测的准确性。
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(DigitalSignalProcessor,简称DSP)、专用集成电路(ApplicationSpecific工ntegratedCircuit,简称ASIC)、现场可编程门阵列(FieldProgrammableGateArray,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-OnlyMemory,简称ROM)、可编程只读存储器(ProgrammableROM,简称PROM)、可擦除可编程只读存储器(ErasablePROM,简称EPROM)、电可擦除可编程只读存储器(ElectricallyEPROM,简称EEPROM)或闪存。
易失性存储器可以是随机存取存储器(RandomAccessMemory,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(StaticRAM,简称SRAM)、动态随机存取存储器(DynamicRAM,简称DRAM)、同步动态随机存取存储器(SynchronousDRAM,简称SDRAM)、双倍数据速率同步动态随机存取存储器(DoubleDataRateSDRAM,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(SynchlinkDRAM,简称SLDRAM)和直接内存总线随机存取存储器(DirectRambusRAM,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 (8)
1.一种基于动态印次掩膜的图像缺陷检测方法,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;在所述参考图像上划定前置印次掩膜和后置印次掩膜;
循环训练多个印刷品图像样本,以得到针对目标印次所有像素位置的高阈值图像和低阈值图像;
获取待测印刷品的实时图像,以及所述实时图像上目标印次所处的印次状态;
若所述目标印次为前置印次,则计算所述目标印次与所述后置印次之间的套印偏差,并计算所述目标印次的灰度值图像;
基于所述套印偏差、所述前置印次掩膜、所述后置印次掩膜、所述灰度值图像、所述高阈值图像和所述低阈值图像,得到针对所有目标像素位置的高值Blob图像和低值Blob图像;
对高值Blob图像和低值Blob图像进行聚类分析,以标记出所述目标印次的缺陷位置;
基于所述灰度值图像、所述前置印次掩膜、所述后置印次掩膜、所述高阈值图像和所述低阈值图像,得到针对所有目标像素位置的高值Blob图像和低值Blob图像,具体包括:
根据目标像素位置对应的灰度值、高阈值和低阈值,计算该所述目标像素位置的高值Blob能量值和低值Blob能量值;
循环所有所述目标像素位置;
分别计算所有所述目标像素位置的高值Blob能量值,以生成所述高值Blob图像;
分别计算所有所述目标像素位置的低值Blob能量值,以生成所述低值Blob图像;
利用以下公式,计算该所述目标像素位置的高值Blob能量值和低值Blob能量值,具体包括:
其中:
HBlob为目标像素位置的高值Blob能量值;
LBlob为目标像素位置的低值Blob能量值;
RTData为目标像素位置的灰度值;
HThr为目标像素位置在所述参考图像上对应的高阈值;
LThr为目标像素位置在所述参考图像上对应的低阈值。
3.根据权利要求1所述的图像缺陷检测方法,其特征在于,计算所述目标印次的灰度值图像,具体包括:
通过定位处理,使得所述实时图像上的目标图纹与所述参考图像上的对应图纹相对齐;
计算所述实时图像的目标印次上检测区内的所有目标像素位置的灰度值,以得到灰度值图像。
4.根据权利要求3所述的图像缺陷检测方法,其特征在于,所述通过定位处理,使得所述实时图像上的目标图纹与所述参考图像上的对应图纹相对齐,具体包括:
对所述目标印次的所有定位核进行定位计算;
分别对与各定位核关联的检测区进行平移和亚像素插值计算,以使得所述实时图像上的目标图纹与所述参考图像上的对应图纹相对齐。
5.根据权利要求1所述的图像缺陷检测方法,其特征在于,获取目标印次所处的印次状态,之后还包括:
若所述目标印次为后置印次,则以印次掩膜覆盖的区域内的像素位置作为所述目标像素位置。
6.一种基于动态印次掩膜的图像缺陷检测系统,其特征在于,所述系统包括:
参考图像获取单元,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;在所述参考图像上划定前置印次掩膜和后置印次掩膜;
阈值图像计算单元,用于循环训练多个印刷品图像样本,以得到针对目标印次所有像素位置的高阈值图像和低阈值图像;
实时图像获取单元,用于获取待测印刷品的实时图像,以及所述实时图像上目标印次所处的印次状态;
套印偏差计算单元,用于若所述目标印次为前置印次,则计算所述目标印次与所述后置印次之间的套印偏差;
灰度值图像计算单元,用于计算所述目标印次的灰度值图像;
Blob图像计算单元,用于基于所述套印偏差、所述灰度值图像、所述高阈值图像、所述低阈值图像、所述前置印次掩膜、所述后置印次掩膜,得到针对所有目标像素位置的高值Blob图像和低值Blob图像;
结果输出单元,用于对高值Blob图像和低值Blob图像进行聚类分析,以标记出所述目标印次的缺陷位置;
基于所述灰度值图像、所述前置印次掩膜、所述后置印次掩膜、所述高阈值图像和所述低阈值图像,得到针对所有目标像素位置的高值Blob图像和低值Blob图像,具体包括:
根据目标像素位置对应的灰度值、高阈值和低阈值,计算该所述目标像素位置的高值Blob能量值和低值Blob能量值;
循环所有所述目标像素位置;
分别计算所有所述目标像素位置的高值Blob能量值,以生成所述高值Blob图像;
分别计算所有所述目标像素位置的低值Blob能量值,以生成所述低值Blob图像;
利用以下公式,计算该所述目标像素位置的高值Blob能量值和低值Blob能量值,具体包括:
其中:
HBlob为目标像素位置的高值Blob能量值;
LBlob为目标像素位置的低值Blob能量值;
RTData为目标像素位置的灰度值;
HThr为目标像素位置在所述参考图像上对应的高阈值;
LThr为目标像素位置在所述参考图像上对应的低阈值。
7.一种智能终端,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1-5任一项所述的方法。
8.一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1-5任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210809974.9A CN114882037B (zh) | 2022-07-11 | 2022-07-11 | 基于动态印次掩膜的图像缺陷检测方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210809974.9A CN114882037B (zh) | 2022-07-11 | 2022-07-11 | 基于动态印次掩膜的图像缺陷检测方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114882037A CN114882037A (zh) | 2022-08-09 |
CN114882037B true CN114882037B (zh) | 2022-10-21 |
Family
ID=82682842
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210809974.9A Active CN114882037B (zh) | 2022-07-11 | 2022-07-11 | 基于动态印次掩膜的图像缺陷检测方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114882037B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116542934B (zh) * | 2023-05-09 | 2023-12-22 | 哈尔滨工业大学重庆研究院 | 薄膜电容工艺检测方法及电子设备 |
CN117764963A (zh) * | 2023-12-25 | 2024-03-26 | 深圳市恒顺亿包装材料有限公司 | 基于机器视觉的包装袋缺陷检测方法、装置、终端及介质 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8326079B2 (en) * | 2009-09-24 | 2012-12-04 | Hewlett-Packard Development Company, L.P. | Image defect detection |
CN102565074B (zh) * | 2012-01-09 | 2014-02-05 | 西安印钞有限公司 | 小张清分机疑似缺陷产品图像复检系统及方法 |
US8654398B2 (en) * | 2012-03-19 | 2014-02-18 | Seiko Epson Corporation | Method for simulating impact printer output, evaluating print quality, and creating teaching print samples |
CN103048331B (zh) * | 2012-12-20 | 2015-09-23 | 石家庄印钞有限公司 | 基于柔性模板配准的印刷缺陷检测方法 |
EP3942520A1 (en) * | 2019-03-22 | 2022-01-26 | BASF Coatings GmbH | Method and system for defect detection in image data of a target coating |
CN111766248A (zh) * | 2020-07-07 | 2020-10-13 | 四川中烟工业有限责任公司 | 一种基于彩色ccd的钢印在线检测系统及方法 |
CN111768407B (zh) * | 2020-09-01 | 2020-12-01 | 征图新视(江苏)科技股份有限公司 | 基于快速定位的缺陷检测算法 |
CN114612458A (zh) * | 2022-03-21 | 2022-06-10 | 广东工业大学 | 一种基于电子样稿的柔印首件检测方法 |
-
2022
- 2022-07-11 CN CN202210809974.9A patent/CN114882037B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN114882037A (zh) | 2022-08-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114882037B (zh) | 基于动态印次掩膜的图像缺陷检测方法和系统 | |
FI95888C (fi) | Menetelmä painatuksen laadun valvomiseksi | |
JP6030732B1 (ja) | 見当誤差量検出方法および装置 | |
EP1641243A2 (en) | Device, program and method for generating a profile for an image output device | |
JPH05269975A (ja) | 原画の品質チェックの実施方法 | |
DE102017221163A1 (de) | Strukturinspektionseinrichtung, Strukturpositionsmesseinrichtung, Luftbildmesssystem, Verfahren zur Messung eines Luftbilds, Strukturpositionswiederherstellungseinrichtung, Verfahren zur Wiederherstellung einer Strukturposition, Luftbilddatenverarbeitungseinrichtung, Verfahren zur Verarbeitung von Luftbilddaten, Strukturbelichtungseinrichtung, Verfahren zur Belichtung einer Struktur, Verfahren zur Herstellung einer Maske, und Maskenherstellungssystem | |
JP4033233B1 (ja) | 端部位置判定装置および画像形成装置 | |
JP2021135145A5 (zh) | ||
CN104331693B (zh) | 一种印刷品对称性检测方法及系统 | |
US10715683B2 (en) | Print quality diagnosis | |
CN111814673A (zh) | 一种修正文本检测边界框的方法、装置、设备及存储介质 | |
US20130201533A1 (en) | Image evaluating apparatus, image evaluating method, and non-transitory storage medium | |
US6453061B1 (en) | Method of controlling banknotes | |
US8493627B2 (en) | Method for the digital screening of halftone images | |
US10474133B2 (en) | Inspection device for inspecting wafer and method of inspecting wafer using the same | |
CN117057376A (zh) | 一种获得目标定位框的方法、装置、设备及介质 | |
US10992840B2 (en) | Obtaining printed element data of patches to determine calibration data of a printer | |
US20120105876A1 (en) | Color plane registration error correction | |
US20160078324A1 (en) | Iterative calibration ommitting first corrections from a next iteration | |
CN113420579B (zh) | 标识码位置定位模型的训练及定位方法、装置、电子设备 | |
CN114332092A (zh) | 缺陷图像检测方法、系统、智能终端和介质 | |
CN116563902A (zh) | 一种对抗样本生成方法、装置及电子设备 | |
US11108918B2 (en) | Assessing print quality using intensity histograms and perimeter lengths | |
CN114295561B (zh) | 基于设备无关颜色空间的色差测量方法和系统 | |
CN114399506A (zh) | 彩虹印刷品的图像检测方法和系统 |
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 |