CN116152261A - 一种印刷制品质量的视觉检测系统 - Google Patents

Abstract

本发明涉及图像数据处理技术领域，具体涉及一种印刷制品质量的视觉检测系统，该系统包括存储器和处理器，处理器执行存储器存储的计算机程序，以实现如下步骤：确定待检测印刷制品对应的第一模糊边缘区域对应的灰度均值，进而确定最外层边缘中每个边缘像素点的灰度梯度；根据灰度梯度和灰度均值确定像素提取终止值，根据像素提取终止值和像素提取方向，确定第二模糊边缘区域，进而获得边缘清晰灰度图像；对边缘清晰灰度图像进行质量检测，获得待检测印刷制品的质量检测结果。本发明通过确定像素提取终止值，实现对模糊灰度图像进行边缘清晰处理，有助于提高确定边缘清晰灰度图像的效率，进一步节省了印刷制品的质量检测时间。

Description

一种印刷制品质量的视觉检测系统

技术领域

本发明涉及图像数据处理技术领域，具体涉及一种印刷制品质量的视觉检测系统。

背景技术

印刷制品在生产过程中会产生各种各样的缺陷，例如，墨点、异物、印刷文字残缺、文字粘连等，这些缺陷不仅会影响印刷制品的美观，甚至可能会影响到客户的满意度。因此，需要对印刷制品成品进行质量检测。由于在采集印刷制品表面图像时，容易受灯光、人为失误等原因的影响，导致采集的印刷制品的表面图像模糊，为了提高质量检测结果的准确度，现有质量检测方法，先通过去模糊神经网络对采集的印刷制品表面图像进行边缘增强处理，获得去模糊图像，再根据去模糊图像进行印刷制品质量检测。

现有质量检测方法中的边缘增强处理方法，通过提取图像特征，将图像特征经过融合卷积，获得模糊图像边缘，该方法的实现过程的计算量较大，而且需要用到大量的训练样本和参数，导致计算成本高，最终使获取清晰边缘图像的效率低，即图像边缘增强处理方法的效率低下，进而影响印刷制品质量检测的效率。

发明内容

为了解决上述现有印刷制品质量检测过程中，图像边缘增强处理方法的效率低下的技术问题，本发明的目的在于提供一种印刷制品质量的视觉检测系统，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印刷制品质量的视觉检测系统，包括存储器和处理器，所述处理器执行所述存储器存储的计算机程序，以实现如下步骤：

获取待检测印刷制品的模糊灰度图像，确定所述模糊灰度图像的灰度直方图，根据所述灰度直方图确定第一模糊边缘区域对应的灰度均值；

确定所述第一模糊边缘区域的最外层边缘，将最外层边缘中每个边缘像素点的法线方向确定为对应边缘像素点的灰度梯度方向，计算最外层边缘中每个边缘像素点的灰度梯度；

根据最外层边缘中每个边缘像素点的灰度梯度和所述第一模糊边缘区域对应的灰度均值，确定所述每个边缘像素点的像素提取终止值；

将每个边缘像素点的灰度梯度方向确定为像素提取方向，根据每个边缘像素点的像素提取终止值和像素提取方向，确定第二模糊边缘区域；

根据第二模糊边缘区域，对模糊灰度图像进行边缘清晰处理，获得边缘清晰灰度图像；

对边缘清晰灰度图像进行质量检测，获得待检测印刷制品的质量检测结果。

进一步的，根据最外层边缘中每个边缘像素点的灰度梯度和所述第一模糊边缘区域对应的灰度均值，确定所述每个边缘像素点的像素提取终止值，包括：

对于最外层边缘中的任意一个边缘像素点，对边缘像素点的灰度梯度进行反比例的归一化处理，将反比例的归一化处理后的数值确定为对应边缘像素点的像素提取因子；

将边缘像素点的像素点提取因子与第一模糊边缘区域对应的灰度均值的乘积，确定为对应边缘像素点的像素提取权重；

将边缘像素点的像素提取权重与第一模糊边缘区域对应的灰度均值的和，确定为对应边缘像素点的像素提取终止值。

进一步地，根据每个边缘像素点的像素提取终止值和像素提取方向，确定第二模糊边缘区域，包括：

对于最外层边缘中的任意一个边缘像素点，沿着该边缘像素点的像素提取方向，将与该边缘像素点相临的边缘像素点确定为第一模糊像素点；

依次比对该边缘像素点的像素提取终止值与第一模糊像素点的灰度值，直至某个第一模糊像素点的灰度值大于或等于该边缘像素点的像素提取终止值，将灰度值小于或等于像素提取终止值的第一模糊像素点确定为第二模糊像素点；

将最外层边缘中的每个边缘像素点及其对应的各第二模糊像素点构成的区域，确定为第二模糊边缘区域。

进一步地，根据第二模糊边缘区域，对模糊灰度图像进行边缘清晰处理，获得边缘清晰灰度图像，包括：

获取模糊灰度图像中背景像素点的灰度值，将模糊灰度图像中的第二模糊边缘区域中的像素点的灰度值更新为背景像素点的灰度值，将更新后的模糊灰度图像确定为边缘清晰灰度图像。

进一步地，根据所述灰度直方图确定第一模糊边缘区域对应的灰度均值，包括：

将灰度直方图中两个峰值点对应的灰度级确定为第一灰度级，将两个第一灰度级之间的灰度级确定为第二灰度级；

将模糊灰度图像中各个第二灰度级对应的像素点构成的区域确定为第一模糊边缘区域，根据第一模糊边缘区域内每个像素点的灰度值，确定第一模糊边缘区域对应的灰度均值。

进一步地，对边缘清晰灰度图像进行质量检测，获得待检测印刷制品的质量检测结果，包括：

将待检测印刷制品的边缘清晰灰度图像作为输入图像，输入到预先构建并训练好的质量检测神经网络中，质量检测神经网络输出待检测印刷制品的质量检测结果。

本发明具有如下有益效果：

本发明提供了一种印刷制品质量的视觉检测系统，该视觉检测系统利用图像数据处理方法，对待检测印刷制品的模糊灰度图像进行图像处理，提取模糊边缘图像的图像特征信息，根据图像特征信息，可以确定模糊边缘区域的像素提取终止值，进而获得边缘清晰灰度图像，其有效提高了模糊边缘区域进行边缘清晰处理的效率，进一步提高了印刷制品质量检测的效率，主要应用于印刷制品质量检测领域。通过模糊灰度图像的灰度直方图，获得灰度区间较大的第一模糊边缘区域，初步确定模糊灰度图像的模糊边缘，为了提高清晰边缘的精度，根据第一模糊边缘区域获得灰度均值，该灰度均值是后续实现模糊像素点提取的初步像素提取终止值；为了保证清晰边缘灰度图像的最外层边缘像素点处于同一灰度水平，根据第一模糊边缘区域的最外层边缘中每个边缘像素点的灰度梯度，对初步像素提取终止值进行修正处理，获得像素提取终止值，其有利于提高后续获得清晰边缘灰度图像的参考价值，提高印刷制品质量检测结果的准确度；将每个边缘像素点的灰度梯度方向确定为像素提取方向，有利于避免重复提取像素点，提高像素提取的规范性和效率；根据第二模糊边缘区域，对模糊灰度图像进行边缘清晰处理，获得边缘清晰灰度图像，相比现有的形态学方法，本发明可以快速准确的确定边缘清晰灰度图像。

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为本发明一种印刷制品质量的视觉检测方法的流程图；

图2为本发明实施例中的待检测印刷制品的模糊灰度图像；

图3为本发明实施例中的模糊灰度图像的灰度直方图；

图4为本发明实施例中的第一模糊边缘区域图像；

图5为本发明实施例中的第一模糊边缘区域的最外层边缘图；

图6为本发明实施例中的边缘像素点A对应的各第一模糊像素点的示意图；

图7为本发明实施例中的清晰边缘灰度图像。

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技术方案的具体实施方式、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”指的不一定是同一个实施例。此外，一个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。

本实施例提供了一种印刷制品质量的视觉检测系统，包括存储器和处理器，所述处理器执行所述存储器存储的计算机程序，以实现如下步骤：

获取待检测印刷制品的模糊灰度图像，确定所述模糊灰度图像的灰度直方图，根据所述灰度直方图确定第一模糊边缘区域对应的灰度均值；

确定所述第一模糊边缘区域的最外层边缘，将最外层边缘中每个边缘像素点的法线方向确定为对应边缘像素点的灰度梯度方向，计算最外层边缘中每个边缘像素点的灰度梯度；

根据最外层边缘中每个边缘像素点的灰度梯度和所述第一模糊边缘区域对应的灰度均值，确定所述每个边缘像素点的像素提取终止值；

将每个边缘像素点的灰度梯度方向确定为像素提取方向，根据每个边缘像素点的像素提取终止值和像素提取方向，确定第二模糊边缘区域；

根据第二模糊边缘区域，对模糊灰度图像进行边缘清晰处理，获得边缘清晰灰度图像；

对边缘清晰灰度图像进行质量检测，获得待检测印刷制品的质量检测结果。

下面对上述各个步骤进行详细展开：

本发明针对的具体场景可以为：对印刷制品的印刷质量进行检测时，需要采集印刷制品的表面图像。但是，在采集印刷制品的表面图像时，受灯光或其他外界环境因素的干扰，采集的表面图像很有可能为模糊图像。为了提高印刷制品质量检测结果的准确度和效率，需要对模糊图像进行图像处理，以更快速度获得清晰度更高的表面图像，得到清晰图像后，再进行质量检测，有助于提高质量检测结果的准确度。参考图1，示出了本发明一种印刷制品质量的视觉检测方法的流程图，该视觉检测方法包括以下步骤：

S1，获取待检测印刷制品的模糊灰度图像，确定模糊灰度图像的灰度直方图，根据灰度直方图确定第一模糊边缘区域对应的灰度均值。

第一步，获取待检测印刷制品的模糊灰度图像。

在本实施例中，利用工业相机拍摄待检测印刷制品，得到待检测印刷制品的表面图像，待检测印刷制品的表面图像可以为印刷品单面的RGB（Red Green Blue，红绿蓝）图像，印刷品单面的RGB图像为拍摄模糊的图像。为了便于后续提取模糊灰度图像的精准图像特征信息，需要获得清晰平整的灰度图像。利用加权平均法对印刷制品的表面图像进行灰度化处理，可以获得待检测印刷制品的模糊灰度图像，待检测印刷制品的模糊灰度图像如图2所示。加权平均法对图像进行灰度化处理的过程为现有技术，不在本发明保护范围内，此处不再进行详细阐述。当然，在其他实施例中可以用最大值法或平均值法等方法实现图像的灰度化处理。

第二步，确定模糊灰度图像的灰度直方图，根据灰度直方图确定第一模糊边缘区域对应的灰度均值，其步骤可以包括：

第一子步骤，确定模糊灰度图像的灰度直方图。

在本实施例中，灰度直方图可以直观反映图像灰度值的分布规律，将灰度直方图与模糊灰度图像相结合，可以获得模糊灰度图像中模糊边缘区域的图像特征信息。因此，为了提高图像处理的速度，需要确定模糊灰度图像的灰度直方图。具体为：根据模糊灰度图像中每个像素点的灰度值，统计不同灰度值在模糊灰度图像中的出现频率，进而绘制模糊灰度图像的灰度直方图。灰度直方图的确定过程为现有技术，不在本发明保护范围内，此处不再进行详细阐述。其中，模糊灰度图像的灰度直方图如图3所示，在图3中，模糊灰度图像的灰度直方图的横纵为灰度级，纵轴为不同灰度级在模糊灰度图像中的出现频率。

第二子步骤，根据灰度直方图确定第一模糊边缘区域对应的灰度均值。

首先，根据灰度直方图确定第一模糊边缘区域。

在本实施例中，通过灰度直方图的图像特征，可以获得模糊灰度图像中某个区域的灰度值区间，即通过模糊边缘的灰度区间的图像特征信息，可以初步确定模糊灰度图像中模糊边缘区域，模糊边缘可以为印刷制品中的印刷文字边缘，具体为：

将模糊灰度图像的灰度直方图大致划分为三个区域，分别为背景区域、模糊边缘区域和印刷文字区域。背景区域和印刷文字区域在整体模糊灰度图像中的占比面积比较大，在灰度直方图中表现为两个最为突出的峰值点对应的灰度级。而模糊边缘区域具有一定的包容性，呈现出由背景区域向印刷文字区域过渡，也就是位于背景区域和印刷文字区域之间，在灰度直方图中表现为两个最为突出的峰值点之间的灰度级。为了便于描述，将灰度直方图中两个峰值点对应的灰度级确定为第一灰度级，将两个第一灰度级之间的灰度级确定为第二灰度级；将模糊灰度图像中各个第二灰度级对应的像素点组成的区域确定为第一模糊边缘区域，第一模糊边缘区域也就是初步确定的模糊边缘区域，模糊灰度图像对应的第一模糊边缘区域的示意图如图4所示。

例如，灰度级50和灰度级210为第一灰度级，那么位于（50，210）范围内的灰度级确定为第二灰度级，其说明模糊灰度图像的背景区域内的像素点的灰度值可以为50，文字区域内像素点的灰度值可以为210，模糊边缘区域内的像素点的灰度值的取值范围可以为（50，210），也就是将模糊灰度图像中灰度值属于（50，210）的像素点构成的区域作为第一模糊边缘区域。

然后，根据第一模糊边缘区域内每个像素点的灰度值，确定第一模糊边缘的灰度均值。

在本实施例中，为了缩小印刷文字边缘的灰度值范围，获得更加精准的清晰边缘图像，需要确定第一模糊边缘区域对应的灰度均值，以便于将第一模糊边缘区域对应的灰度均值作为初步像素提取终止值。对于第一模糊边缘区域对应的灰度均值，利用加权平均法，计算第一模糊边缘区域对应的灰度均值，加权平均法可以将第一模糊边缘区域中每个灰度值按照合理比例进行加权，计算平均值获得灰度均值。加权平均法的实现过程为现有技术，不在本发明保护范围内，此处不再进行详细阐述。

作为示例，根据第一模糊边缘区域中每个像素点的灰度值，计算第一模糊边缘区域对应的灰度均值，其计算公式可以为：

其中，K为第一模糊边缘区域对应的灰度均值，

为第i个第二灰度级对应的像素 点在第一模糊边缘区域中的个数，

为第i个第二灰度级的灰度值，I为第二灰度级的个数， a为超参数，取经验值可以为0.01，超参数的作用是用于防止分母为0的特殊情况。

至此，本实施例通过加权平均法缩小了模糊边缘的灰度区间，获得了第一模糊边缘区域对应的灰度均值，即获得了初步像素提取终止值。

S2，确定第一模糊边缘区域的最外层边缘，将最外层边缘中每个边缘像素点的法线方向确定为对应边缘像素点的灰度梯度方向，计算最外层边缘中每个边缘像素点的灰度梯度。

需要说明的是，模糊边缘区域具备一定的容错性，故第一模糊边缘区域并非最精确的模糊边缘区域，需要对第一模糊边缘进行进一步的边缘区域提取，具体为：

第一步，确定第一模糊边缘区域的最外层边缘，即确定像素提取起始点。

在本实施例中，利用骨架提取算法，对第一模糊边缘区域进行边缘检测处理，获得第一模糊边缘区域的最外层边缘，将第一模糊边缘区域的最外层边缘作为进一步像素提取的起始点，第一模糊边缘区域的最外层边缘的示意图如图5所示。骨架提取算法的实现过程为现有技术，不在本发明保护范围内，从此不再进行详细阐述。当然，在一些其他实施例中，可以使用其他边缘检测方法，获得第一模糊边缘区域的最外层边缘。

第二步，确定边缘提取方向。

在本实施例中，为了避免重复提取相同模糊边缘像素点，减少运算量，提高模糊边缘像素点的提取效率，利用现有法线相关知识，获得第一模糊边缘区域的最外层边缘中每个边缘像素点的法线方向，将法线方向确定为第二模糊边缘区域的提取方向，该法线方向同时也为像素提取起始点的灰度梯度方向。确定每个边缘像素点的法线方向的过程为现有技术，不在本发明保护范围内，此处不再进行详细阐述。值得说明的是，所有边缘像素点的法线方向均朝向模糊灰度图像的中心点。

第三步，根据第一模糊边缘区域的最外层边缘中每个边缘像素点的灰度值和灰度梯度方向，确定每个边缘像素点的灰度梯度值。

在本实施例中，第一模糊边缘区域介于背景区域与印刷文字区域之间，故第一模糊边缘区域内像素点的灰度值呈现过渡变化，其导致第一模糊边缘区域内像素点的灰度值变化具有差异性。通过计算最外层边缘中每个边缘像素点的灰度梯度来表征灰度变化的差异性，灰度梯度即为灰度值变化率，灰度值变化率可以表征为初步像素提取终止值的修正系数。确定灰度变化的差异性，有利于后续确定每个边缘像素点的像素提取终止值。灰度梯度的计算过程为现有技术，此处不再详细阐述。

例如，第一模糊边缘区域的最外层边缘中每个边缘像素点的灰度梯度的计算公式可以为：

其中，

为最外层边缘中法线方向为x轴方向的边缘像素点的灰度梯度，

为最外层边缘中坐标位置为

的边缘像素点的灰度值，

为最外层边缘中坐 标位置为

的边缘像素点的灰度值，

为最外层边缘中法线方向为y轴方向的边缘 像素点的灰度梯度，

为最外层边缘中坐标位置为

的边缘像素点的灰度 值，

为最外层边缘中法线方向为z轴方向的边缘像素点的灰度梯度，

和

均为横坐 标，

和

均为纵坐标。

需要说明的是，法线方向不同，边缘像素点的梯度不同，根据法线方向和灰度值，可以获得每个边缘像素点在其对应的灰度梯度方向上的灰度梯度值。

至此，本实施例获得了最外层边缘中每个边缘像素点的灰度梯度，即获得了每个像素提取起始点对应的初步像素提取终止值的修正系数。

S3，根据最外层边缘中每个边缘像素点的灰度梯度和第一模糊边缘区域对应的灰度均值，确定每个边缘像素点的像素提取终止值。

需要说明的是，通过多张历史模糊边缘图像的图像特征信息可知，模糊边缘区域内像素点的灰度值变化不具备规律性。对于同一方向且方向属于水平或竖直的边缘像素点，其灰度值的变化相对较快，即以该边缘像素点为像素提取起始点时，沿着像素提取起始点的提取方向所提取的像素点的个数较多；而对于同一方向且方向属于非水平或非竖直的像素点，其灰度值的变化相对较慢，即以该边缘像素点为像素提取起始点时，沿着像素提取起始点的提取方向所提取的像素点的个数较少。

因此，模糊边缘区域的最外层边缘中不同方向的边缘像素点的灰度变化率存在着差异，需要根据灰度变化率的差异情况，对第一模糊边缘区域对应的灰度均值进行修正，即对初步像素提取终止值进行修正，获得最外层边缘中每个边缘像素点的像素提取终止值，以保证后续确定的清晰边缘图像处于同一灰度水平。

作为示例，确定每个边缘像素点的像素点提取终止值的步骤可以包括：

第一步，确定最外层边缘中每个边缘像素点的像素提取因子。对于最外层边缘中的任意一个边缘像素点，对边缘像素点的灰度梯度进行反比例的归一化处理，将反比例的归一化处理后的数值确定为对应边缘像素点的像素提取因子。

第二步，确定最外层边缘中每个边缘像素点的像素提取权重。将边缘像素点的像素点提取因子与第一模糊边缘区域对应的灰度均值的乘积，确定为对应边缘像素点的像素提取权重。

第三步，确定最外层边缘中每个边缘像素点的像素提取终止值。将边缘像素点的像素提取权重与第一模糊边缘区域对应的灰度均值的和，确定为对应边缘像素点的像素提取终止值。

例如，最外层边缘中每个边缘像素点的像素提取终止值的计算公式可以为：

其中，

为最外层边缘中每个边缘像素点的像素提取终止值，

为第一模糊边缘 区域对应的灰度均值，

为最外层边缘中每个边缘像素点的像素提取因子，

为 最外层边缘中每个边缘像素点的像素提取权重。

又如，最外层边缘中每个边缘像素点的像素提取终止值的计算公式可以为：

其中，

为最外层边缘中每个边缘像素点的像素提取终止值，

为第一模糊边缘 区域对应的灰度均值，

为最外层边缘中每个边缘像素点的像素提取因子，

为最外层 边缘中每个边缘像素点的像素提取权重。

在像素提取终止值的计算公式中，像素提取因子与像素提取终止值为负相关，像素提取因子越大，像素提取终止值越小。在像素提取权重中，像素提取因子为第一模糊边缘区域对应的灰度均值的权值，对灰度均值起到修正作用，有利于提高像素提取终止值的精确度。像素提取终止值可以表征在第一模糊边缘区域内，沿着像素提取起始点方向可以提取的像素点的个数，像素提取终止值越大，提取的模糊边缘像素点的个数越多。

至此，本实施例获得了第一模糊边缘区域对应的最外层边缘中每个边缘像素点的像素提取终止值。

S4，将每个边缘像素点的灰度梯度方向确定为像素提取方向，根据每个边缘像素点的像素提取终止值和像素提取方向，确定第二模糊边缘区域。

本实施例在获得像素提取起始点和像素提取终止值后，沿着每个提取起始点对应的像素提取方向，在第一模糊边缘区域范围进行模糊边缘像素点的提取，其步骤可以包括：

第一步，确定最外层边缘中每个边缘像素点对应的各第一模糊像素点。

对于最外层边缘中的任意一个边缘像素点，沿着该边缘像素点的像素提取方向，将与该边缘像素点相临的像素点确定为第一模糊像素点。

在本实施例中，边缘像素点A对应的各第一模糊像素点的示意图如图6所示。例如，在图6中，第一模糊像素点的确定过程可以为：边缘像素点A为像素提取起始点，像素提取起始点的法线方向为斜线方向，即像素提取方向为斜线方向，所以沿着像素提取起始点对应的像素提取方向，可以获得与像素提取起始点相临的像素点，即可以确定边缘像素点A对应的各第一模糊边缘像素点，分别为：a1、a2以及a3。值得说明的是，每个边缘像素点均可以得到其对应的多个第一模糊像素点。

第二步，根据各第一模糊像素点确定第二模糊边缘区域。

依次比对边缘像素点的像素提取终止值与第一模糊像素点的灰度值，直至某个第一模糊像素点的灰度值大于或等于该边缘像素点的像素提取终止值，将灰度值小于或等于像素提取终止值的第一模糊像素点确定为第二模糊像素点。将最外层边缘中的每个边缘像素点及其对应的各第二模糊像素点构成的区域，确定为第二模糊边缘区域。

例如，在图6中，第二模糊像素点的确定过程可以为：假设边缘像素点A对应的像素提取终止值为100，第一模糊边缘像素点a1对应的灰度值为90，第一模糊边缘像素点a2对应的灰度值为98，第一模糊边缘像素点a3对应的灰度值为101。依次比对边缘像素点A的像素提取终止值与其对应的各第一模糊像素点的灰度值，由于第一模糊边缘像素点a3对应的灰度值为101大于边缘像素点A对应的像素提取终止值100，故将第一模糊边缘像素点a1和第一模糊边缘像素点a2，确定为边缘像素点A对应的第二模糊像素点。值得说明的是，每个边缘像素点均可以得到其对应的多个第二模糊像素点，将最外层边缘中的每个边缘像素点及其对应的各第二模糊像素点构成的区域，确定为第二模糊边缘区域。

至此，本实施例获得了模糊灰度图像的第二模糊边缘区域。

S5，根据第二模糊边缘区域，对模糊灰度图像进行边缘清晰处理，获得边缘清晰灰度图像，其步骤可以包括：

获取模糊灰度图像中背景像素点的灰度值，将模糊灰度图像中的第二模糊边缘区域中的像素点的灰度值更新为背景像素点的灰度值，将更新后的模糊灰度图像确定为边缘清晰灰度图像。

例如，首先，根据模糊灰度图像对应的灰度直方图，如图3所示，可以将第一个峰值点对应的灰度值作为背景像素点的灰度值，即模糊灰度图像中背景像素点的灰度值可以为40。然后，将模糊灰度图像中的第二模糊边缘区域中的像素点的灰度值更新为背景像素点的灰度值，即将模糊灰度图像中的第二模糊边缘区域中的所有像素点均置换为背景像素点，获得边缘清晰灰度图像，边缘清晰灰度图像如图7所示。

又如，将模糊灰度图像中背景像素点和第二模糊边缘区域中的像素点均赋值为0，将模糊灰度图像中的其他像素点均赋值为1，这里的其他像素点为非背景像素点和非第二模糊边缘区域中的像素点，实现对模糊灰度图像的二值化处理，将二值化处理后的模糊灰度图像作为边缘清晰灰度图像。

S6，对边缘清晰灰度图像进行质量检测，获得待检测印刷制品的质量检测结果。

在本实施例中，将待检测印刷制品的边缘清晰灰度图像作为输入图像，输入到预先构建并训练好的质量检测神经网络中，质量检测神经网络输出待检测印刷制品的质量检测结果。边缘清晰灰度图像为印刷制品质量检测提供了更清晰的表面图像，相比直接将采集的模糊灰度图像作为质量检测的输入图像，其有效增强了质量检测的精准度。将边缘清晰灰度图像作为质量检测神经网络的输入图像，有效减少了偶然因素对质量检测结果的影响。此时，再利用神经网络等现有算法对待检测印刷制品进行缺陷检测时，有助于得到更准确的检测结果。

需要说明的是，质量检测神经网络的训练数据为多张历史印刷制品表面图像，训练数据对应的印刷制品与待检测印刷制品属于同类型的印刷制品。质量检测神经网络的检测结果为印刷制品生产过程中产生的各种缺陷，例如，墨点、异物、文字残缺以及文字粘连等。质量检测神经网络的构建和训练过程为现有技术，不在本发明保护范围内，此处不再进行详细阐述。

本发明提供了一种印刷制品质量的视觉检测系统，其利用图像数据处理技术，对印刷文字的模糊边缘图像的图像特征信息进行处理和分析，得到第二模糊边缘区域，将第二模糊边缘区域内的像素点置换为背景像素点，可以获得清晰边缘灰度图像，再利用清晰边缘灰度图像，实现对待检测印刷制品进行质量检测。本发明利用图像数据处理技术，获得第二模糊边缘区域，有效提高了获取清晰边缘灰度图像的效率，进一步提升了印刷制品质量检测的效率，可以应用于印刷制品质量检测领域。

以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，均应包含在本发明的保护范围之内。

Claims (6)

1.一种印刷制品质量的视觉检测系统，其特征在于，包括存储器和处理器，所述处理器执行所述存储器存储的计算机程序，以实现如下步骤：

获取待检测印刷制品的模糊灰度图像，确定所述模糊灰度图像的灰度直方图，根据所述灰度直方图确定第一模糊边缘区域对应的灰度均值；

确定所述第一模糊边缘区域的最外层边缘，将最外层边缘中每个边缘像素点的法线方向确定为对应边缘像素点的灰度梯度方向，计算最外层边缘中每个边缘像素点的灰度梯度；

根据最外层边缘中每个边缘像素点的灰度梯度和所述第一模糊边缘区域对应的灰度均值，确定所述每个边缘像素点的像素提取终止值；

将每个边缘像素点的灰度梯度方向确定为像素提取方向，根据每个边缘像素点的像素提取终止值和像素提取方向，确定第二模糊边缘区域；

根据第二模糊边缘区域，对模糊灰度图像进行边缘清晰处理，获得边缘清晰灰度图像；

对边缘清晰灰度图像进行质量检测，获得待检测印刷制品的质量检测结果。

2.根据权利要求1所述的一种印刷制品质量的视觉检测系统，其特征在于，根据最外层边缘中每个边缘像素点的灰度梯度和所述第一模糊边缘区域对应的灰度均值，确定所述每个边缘像素点的像素提取终止值，包括：

对于最外层边缘中的任意一个边缘像素点，对边缘像素点的灰度梯度进行反比例的归一化处理，将反比例的归一化处理后的数值确定为对应边缘像素点的像素提取因子；

将边缘像素点的像素点提取因子与第一模糊边缘区域对应的灰度均值的乘积，确定为对应边缘像素点的像素提取权重；

将边缘像素点的像素提取权重与第一模糊边缘区域对应的灰度均值的和，确定为对应边缘像素点的像素提取终止值。

3.根据权利要求1所述的一种印刷制品质量的视觉检测系统，其特征在于，根据每个边缘像素点的像素提取终止值和像素提取方向，确定第二模糊边缘区域，包括：

对于最外层边缘中的任意一个边缘像素点，沿着该边缘像素点的像素提取方向，将与该边缘像素点相临的像素点确定为第一模糊像素点；

依次比对该边缘像素点的像素提取终止值与第一模糊像素点的灰度值，直至某个第一模糊像素点的灰度值大于或等于该边缘像素点的像素提取终止值，将灰度值小于或等于像素提取终止值的第一模糊像素点确定为第二模糊像素点；

将最外层边缘中的每个边缘像素点及其对应的各第二模糊像素点构成的区域，确定为第二模糊边缘区域。

4.根据权利要求1所述的一种印刷制品质量的视觉检测系统，其特征在于，根据第二模糊边缘区域，对模糊灰度图像进行边缘清晰处理，获得边缘清晰灰度图像，包括：

获取模糊灰度图像中背景像素点的灰度值，将模糊灰度图像中的第二模糊边缘区域中的像素点的灰度值更新为背景像素点的灰度值，将更新后的模糊灰度图像确定为边缘清晰灰度图像。

5.根据权利要求1所述的一种印刷制品质量的视觉检测系统，其特征在于，根据所述灰度直方图确定第一模糊边缘区域对应的灰度均值，包括：

将灰度直方图中两个峰值点对应的灰度级确定为第一灰度级，将两个第一灰度级之间的灰度级确定为第二灰度级；

将模糊灰度图像中各个第二灰度级对应的像素点构成的区域确定为第一模糊边缘区域，根据第一模糊边缘区域内每个像素点的灰度值，确定第一模糊边缘区域对应的灰度均值。

6.根据权利要求1所述的一种印刷制品质量的视觉检测系统，其特征在于，对边缘清晰灰度图像进行质量检测，获得待检测印刷制品的质量检测结果，包括：

将待检测印刷制品的边缘清晰灰度图像作为输入图像，输入到预先构建并训练好的质量检测神经网络中，质量检测神经网络输出待检测印刷制品的质量检测结果。

Images