基于数字图像处理的图像缺陷检测软件系统设计

刘少鹏

摘 要：随着社会的发展，企业对物体质量要求越来越高，基于图像处理的标签质量检测系统越来越被人们所看重。然而，标签在生产过程中，由于受到生产机器精度等因素的影响，生产出来的标签有很多质量问题，比如：少印。因此标签缺陷检测越来越重要。本论文主要针对对标签视觉检测系统的软件算法设计，使检测图像与标准图像进行相减，从而提取出缺陷部分，解决标签少印的问题。整个少印缺陷的检测过程不需要人工进行费力的对比，此过程由软件自行处理，人们只需要对检测出的标签进行确认，实现人工与智能化的完美结合，保证标签质量的目的。本文使用Visual C++6.0开发工具进行软件代码编程，最后很好的完成了本论文少印的缺陷检测检测系统，在实验室中，我们对本系统稳定性，精确度进行了测试，测试结果表明本论文的缺陷检测系统能够满足要求。

关键词：标签质量；图像相减；测试

图像相减（又称为图像差影），是指把同一物体图片在不同时刻拍摄的两幅图像进行减法运算，从而得到差值结果图像。差值图像显示了图像间的差异信息，本论文基本思想是针对标准模板图像与缺陷图像进行想减运算，从而得到想减结果图像，通过分析相减图像的灰度值，对要测试的图像是否合格做出判断，若判断合格，则系统停止处理，若判断为不合格则对不合格标签进行剔除处理。

算法设计：设模板标准图像灰度像素值为A（x，y），设待检测缺陷图像为B（x，y），两图像做相减运算为C（x，y），他们之间的关系式为： C（x，y）=|B（x，y）-A（x，y）|

图像减法运算结果体现两幅图像的差异，算法容易实现，通过对两幅图像进行相减结果取绝对值，可以清除两幅图像之间共同的背景图案，分割出图像之间的不同之处，最后保留有缺陷的图像。如果两幅图像相减后C（x，y）越小，则表明图像之间的差异越小，两幅图像之间的相似度就越高，否则，相反。

如图所示，图1—1为标准模板标签图像，图1—2为待检测标签图像。经过如下算法：

BOOL WINAPI TuXJianFa（LPSTR lpYDIB，LPSTR lpBDIB，LONG lkuan，LONG lgao）

{

LPSTR lpsrc，lpsrcB；

LPSTR lpDst；

LPSTR lpNewDIB；

HLOCAL hNewDIB；

long i；

long j；

unsigned char xiangsu，xiangsuB；

LONG mhzj；

mhzj=WIDTHBYTES（lkuan*8）；

hNewDIB=LocalAlloc（LHND，lkuan*lgao）；

lpNewDIB=（char*）LocalLock（hNewDIB）；

lpDst=（char*）lpNewDIB；

memset（lpDst，（BYTE）255，lkuan*lgao）；

for（i=0；i

{

for（j=0；j

{

lpsrc=（char*）lpYDIB+mhzj*i+j；

lpsrcB=（char*）lpBDIB+mhzj*i+j；

lpDst=（char*）lpNewDIB+mhzj*i+j；

xiangsu=（unsigned char）*lpsrc；

xiangsuB=（unsigned char）*lpsrcB；

*lpDst=abs（xiangsu-xiangsuB）；

}

}

memcpy（lpYDIB，lpNewDIB，lkuan*lgao）；

LocalUnlock（hNewDIB）；

LocalFree（hNewDIB）；

return TRUE；

}

使得两幅标签图像的差异如图1—3所示：

从图1—3可以看出：待检测标签图像与标准模板标签图像进行相减后，能够清除图像之间共同的部分，从而使差异部分体现出来。

总结：本文通过对现有的标签进行观察分析，提出了图像相减的软件检测算法，并依据该算法对标签缺陷检测系统进行测试，最终得以实现，该系统能够减轻工人的繁重的劳动，实现标签检测的工作效率。

参考文献：

[1] 宋慧欣，解读“新经济时代”中国机器视觉市场[J]，自动化博览，2010.4：69～69

[2] 历小飞，基于机器视觉的汽车零件缺陷检测技术研究，武汉理工大学[D]，武汉理工大学2012：11～15

[3] 何斌，马天宇，王运坚，Visual C++数字图像处理[D] 2002：473～477