APP下载

数字图像处理在自动切纸机质量分析中的应用

2013-12-29滕雅婷曾竞威闫磊

科技资讯 2013年10期

摘 要:简要介绍一种针对自动切纸机质量分析过程中生成图像的图像处理算法,分析了切痕图像特点,提出一般处理算法,并开发了独有的去噪处理算法,根据处理结果判别切纸质量,说明了数字图像在自动切纸机质量分析中的应用的可用性。

关键词:数字图像处理 自动切纸机质量分析 算法开发

中图分类号:TP391 文献标识码:A 文章编号:1672-3791(2013)04(a)-0004-02

切纸机是一种应用广泛的印刷机械、包装机械,在印刷后期的纸张裁切中必不可少。随着整个国家经济的发展,印刷、包装行业的重要性日益突出,印刷厂、图文店也日益增多,全自动切纸机的应用也越来越广泛,而自动切纸机质量分析对于自动切纸机的发展有至关重要的作用。因此,自动切纸机质量分析技术也越来越受到人们的重视。

随着计算机和数学学科的发展,数字图像处理在农牧业、林业、环境、军事、工业和医学等方面的应用需求日益增长。将数字图像处理技术用在自动切纸机质量分析技术上可以大大增加自动切纸机的切割质量,进一步提高了切纸机的自动化水平。通过对图像进行二值化,滤波,去噪等处理来提取划痕特征可以很好的检测切纸质量。

1 数字图像处理基础

数字图像处理是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理,以提高图像质量或达到人们要求的预期结果。数字图像处理将图像信号转换成数字信号并利用计算机对其进行处理的过程,可以有效地分析图像特征。

1.1 顶帽变换

对于亮度不均匀的图片做阈值处理很困难,难以将图片特征安全提取出来。开运算可用于补偿不均匀的背景亮度,只要使用结构元素大到不能完全匹配图像前景特征以产生对整个图像背景的合理估计。再在原图像的基础上减去经开运算后的图像,就能得到一幅背景均匀的图像。直接使用IPT函数imtophat可以实现此操作。

g=imtophat(f,NHOOD)

其中NHOOD是一个值为0和1的数组,用于指定结构元素的大小和形状。

1.2 去噪算法

二值化后的图像有较多的噪声点,会大大影响纸片质量分析的结果。根据多幅图像处理结果,图像提取目标为较窄的线条状,但噪声点多为面积较大的岛状,难以找到合适的结构元素以过滤噪声。经过观察多幅图像发现,噪声点宽度大多大于18小于20个像素,20个像素之后像素值为0,而连续的直线向左20个像素之后的像素值为1。根据噪声向左不连续的特点,书写程序流程图,如图1,并开发算法。

去噪算法如下所示:

1、input(f)

1、r←M

2、c←N △分别将输入图像的高和宽赋值给r和c

2、 g←f

3、 for i←1:r

1、for j←1:c △逐行读取每一个元素

If f(i,j)==1 then

1、for k←18:20 △当检测到像素值为1的点时,再检测此点之后的第18-20个像素的像素值。

If f(i,min(j+k,c))==0 then△像素值为0则代表此像素点是岛状噪声点

1、for t←0:k

1、g(i,min(j+t,c))=0 △将岛状噪声点赋值为0。

2 图像处理过程

经过反复试验总结,经过以下几个步骤可以处理自动切纸机的切痕图片,提取切痕特征进行质量分析。图2为整个处理过程的程序流程图。

以下通过处理一幅切割完整和一幅切割不完全的图像来说明图像处理过程。如图3所示为图像处理原图像,即自动切纸机的切痕图像。图3-a为一幅切割较为完整的图像,图3-b存在切割缺陷的图像。

2.1 图像预处理

首先将图3使用imadjust变换成负片图像。从图3可以看出,由于图片拍摄中光照不均匀,造成右下部的图片背景比左半部分黑,会对阈值处理带来较大的干扰。采用使用顶帽变换来补偿不均匀的背景亮度,可以得到很好的处理效果。根据图像实际情况,选择半径为10的圆形结构元素完全大于前景切痕,在开运算时除去前景元素,原图像减去不均匀的背景图像后就可以得到背景均匀的图像。

1、se←strel('disk',10);

2、g1←imtophat(g,se);

3、figure,imshow(g1)

可以明显地看到顶帽变换完全去除了不均匀的背景,初步将切痕提取出来,但划痕颜色较浅且不够清晰,存在毛刺和细小的断口。接下来将使用值为2的方形结构元素对形成图像进行开闭滤波,平滑提取图像的划痕,再使用膨胀加强图像划痕,膨胀后的图像阈值处理的效果会更好。

经过以上变换,划痕已经初步提取出来,但颜色较浅。图像二值化能反映图像整体和局部特征,有利于图像的进一步处理,使图像变得简单,而且数据量减小,能凸显出感兴趣的目标的轮廓,同时也是霍夫变换的预处理步骤。对膨胀后图像进行二值化,会明显地突出切痕。图4为二值化后的图像。

从图4中可以看出,二值化后纸片的划痕虽已经较为明显,但噪声杂点同时也被显现出来,不利于后续处理,影响霍夫变换的使用,而且会对切割质量的判断造成影响。图像提取目标为线条状,噪声点多为面积较大的岛状,单一采用开闭交替滤波,难以找到合适大小的模板。因此采用单独开发去噪算法,去除图5中的噪声点。图5为去噪后的图像。

2.2 霍夫变换线检测和链接

由于图片拍摄时放置不平整或者光照的原因造成线段中间会有断裂,且经过去噪处理以后,有部分较细线段被去除。霍夫变换可以识别出黑白图像中的几何图形,houghpeaks和houghlines可以进行线段连接。经过多次试验,只要合理的选择霍夫变换参数就能得到线检测和链接很好的效果。

[H,theta,rho]=hough(g12);

imshow(H,[],'XData',theta,'YData',rho,.InitialMagnification','fit');

xlabel('\theta'), ylabel('\rho');

axis on, axis normal, hold on;

P= houghpeaks(H,10,'threshold',ceil(0.3*max(H(:))));

plot(theta(P(:,2)),rho(P(:,1)),'s','color','white');

lines = houghlines(g12,theta,rho,P,'FillGap',50,'MinLength',15)

figure,imshow(g12),hold on

for k=1:length(lines)

xy=[lines(k).point1;lines(k).point2];

plot(xy(:,1),xy(:,2),'Linewidth',2,'color','green');

end

图6为霍夫变换线检测和连接后的结果。

3 结语

整个处理过程目的是提取出质量分析所需要的纸片切痕。以顶帽变换均匀背景为基础,加上专门开发的去噪算法,最后使用霍夫变换做线链接,从图6可以看出,得到了较好的处理结果。不仅提取出了切痕,没有噪声点,而且线链接之后的切痕平滑没有断裂。图6-a中图像中的划痕完整且清晰,说明了切纸机的切割质量合格。而图6-b中可以明显的看出有一段明显地没有切痕,说明了这个位置存在切割缺陷。经过实践证明,此算法能很好地处理自动切纸机的切痕图像,检测切割缺陷。数字图像像处理必然会在自动化切纸机质量分析领域引起广泛的关注,大大提高自动切纸机的处理能力。

参考文献

[1]冈萨雷斯.数字图像处理[M].3版.北京:电子工业出版社,2011.

[2]冈萨雷斯.数字图像处理(MATLAB版).北京:电子工业出版社,2005.