基于视觉传达的青铜器凤纹图像缺陷检测系统

张小慧

摘  要： 传统的青铜器凤纹图像缺陷检测系统存在检测时间长的问题，为解决此问题，将视觉传达技术应用到青铜器凤纹图像缺陷检测系统中。系统硬件主要包括加速芯片、系统接口、主控制器，加速芯片主要显示青铜器凤纹图像缺陷检测的工作状态，系统接口为系统与显示器之间提供连接，主控制器完成系统的初始化、配置和控制。系统的软件部分，首先对青铜器凤纹图像噪声处理，并利用视觉传达技术对青铜器凤纹图像的集合参数和特征描述与处理，对青铜器凤纹图像边缘检测，最后利用视觉传达技术对青铜器凤纹图像缺陷检测，以此完成基于视觉传达的青铜器凤纹图像缺陷检测系统的设计。实验对比结果表明，此次设计的基于视觉传达的青铜器凤纹图像缺陷检测系统比传统系统的图像缺陷检测时间短，能够有效检测青铜器凤纹图像缺陷特征。

关键词： 青铜器; 凤纹图像; 缺陷检测; 系统设计; 视觉传达; 特征描述

Abstract： The visual communication technology is applied to the bronze ware phoenix patterns image defect detection system to shorten the detection time of the traditional defect detection system of the bronze ware phoenix patterns images. The hardware of the system mainly includes the acceleration chip， system interface and master controller. The acceleration chip is mainly used to display the state of defect detection for the bronze ware phoenix patterns images. The system interface is used to provide the connection between the system and the display. The master controller is utilized to complete the initialization， configuration and control of the system. In the software part of the system， the image noise of phoenix patterns on bronze ware is processed， and the visual communication technology is used to describe and process the set parameters and features of phoenix patterns image on bronze ware and detect the image edge. The phoenix patterns image defect on bronze ware is detected by means of the visual communication technology， so as to complete the design of bronze ware phoenix patterns image defect detection system based on visual communication. The experimental comparison results show that the designed bronze ware phoenix patterns image defect detection system based on visual communication takes shorter detection time than that of the traditional system， and can effectively detect the defect features in bronze ware phoenix patterns image.

Keywords： bronze ware; phoenix pattern image; defect detection; system design; visual communication; feature description

0  引  言

青銅器凤纹图像是中华民族的传统文化符号，其中凝聚着丰富的象征意蕴和多样炫丽的形式风格，对现代设计的观念和造型方面都有着非常重要的启示作用。青铜器凤纹图像历史悠久，其凤纹图像会存在缺陷，为了更好地对青铜器凤纹图像进行分析，检测青铜器凤纹图像缺陷是目前亟需解决的问题。传统青铜器凤纹图像缺陷检测系统受检查人员主观影响较大，无法保证检测结果的稳定性和过程的可重复性;同时，传统的青铜器凤纹图像缺陷检测系统检测时间长，不能有效对青铜器凤纹图像缺陷检测。为解决这一问题，设计一种基于视觉传达的青铜器凤纹图像缺陷检测系统。视觉传达是一种通过视觉媒介表现并传递给观众的设计，具有多媒体、三维立体、虚拟信息传达的优点，将其应用到青铜器凤纹图像缺陷检测系统设计中具有重要的意义。

此次设计的青铜器凤纹图像缺陷检测系统从硬件部分和软件部分两方面来完成。

1  青铜器凤纹图像缺陷检测系统硬件设计

1.1  加速芯片设计

此次设计的青铜器凤纹图像缺陷检测[1]系统外接了一个普通显示器来显示青铜器凤纹图像缺陷检测状态。为提高显示器的分辨率，加入DISF55I8加速芯片[2]，该芯片为多媒体辅助芯片，采用297脚BGA封装，提供嵌入式功能，并为显示器提供视频和2D能力。同时，该加速芯片提供很多I/O接口，包括模拟RGB显示器[3]接口、LCD液晶显示器接口、8位并行接口、USB接口、I2C接口和脉冲宽度调制接口，可供用户自由配置。加速芯片的结构框图如图1所示。

DISF55I8加速芯片支持320×240至1 024×768分辨率、16/32位色LCD/CRT显示，带有8/16位数字视频信号输入接口，7个硬件显示层[4]，能够分割青铜器凤纹图像画面，为青铜器凤纹图像检测提供较为清晰的画面。

1.2  系统接口设计

显卡的输出接口是与电脑和显示器之间的桥梁，显卡处理的图像信息最终要输出到显示器上，因此采用IBM公司生产的VGA接口向显示器输出图像信号。

该VGA接口能够直接与显示器连接，VGA接口部分原理图如图2所示。利用SN708驱动VGA接口，显示图像通过A/D转换器转变为数字信号[5]，最后在计算机内部以数字方式生成相应的显示图像。

1.3  主控制器设计

采用Intel公司生产的DFioo处理器，能完成系统的初始化、配置和控制。DFioo处理器采用ArmV5TE架构，CPU拥有Thumb压缩指令，64位长乘法指令，并集成众多的外设接口。其结构框图如图3所示。

DFioo处理器具有三种复位方式，复位芯片内部自带，不需要外部电路[6]。在系统待机时，按下按键系统就能够恢复到正常的工作模式。

2  青铜器凤纹图像缺陷检测系统软件实现

2.1  青铜器凤纹图像配准

在上述对青铜器凤纹图像缺陷检测系统硬件设计的基础上，对该系统的软件进行设计。首先对青铜器凤纹图像配准[7]，采集青铜器凤纹图像时会受到输入转换器件[8]以及周围光线环境的影响，使图像上含有各种各样的噪声和其他类型缺陷。因此，需要对采集的青铜器凤纹图像噪声进行处理[9]，利用视觉传达技术中的空间相关性去除噪声，计算公式为：

式中：[Fx，y]为待去除噪声图像;[η]为图像衰减率;[a]，[g]为图像的高频部分;[c]为图像噪声。

在此基础上，对青铜器凤纹图像进行形态学操作[10]，以改善图像质量。利用视觉传达技术对青铜器凤纹图像的集合参数与特征描述和处理，计算公式为：

式中：[A]为要处理的图像集合;[B]为结构元素;[fc]为凤纹图像纹理特征[11];[K]为形态学基本计算因子。

根据上述定义，完成青铜器凤纹图像的配准，为青铜器凤纹图像缺陷检测提供基础。

2.2  青铜器凤纹图像缺陷检测

在上述对青铜器凤纹图像配准的基础上，利用视觉传达技术对青铜器凤纹图像缺陷检测[12]。假设青铜器凤纹图像区域大小为[M×N]，[c，v]分别代表青铜器凤纹图像边缘的长度和宽度，得到青铜器凤纹图像的轮廓图像[13]，计算公式如下：

式中：[G]为图像的关键特征点;[Cd]，[Vi]分别为图像长度和宽度的转换因子;[σ]为图像分块特征向量。

将待检测的缺陷图像与上述配准图像进行差分操作[14]，假设配准后的图像为[Gx，y]，待检测图像为[Ai，j]，匹配相减后得到与采集图像大小相同的差分图像[Hi，j]，则：

在图像缺陷检测过程中会有两个或多个相距较近的缺陷区域，在检测时将它们合并成一个缺陷区，以进一步对缺陷区域分析和判断。

在此基础上，确定缺陷的所述种类、个数、位置及即面积，采用视觉传达技术，对目标图像进行图像特征提取[15]与分类，准确地判定缺陷，计算公式如下：

式中：[H]为检测图像数据与其他图像的相似度;[fz]为缺陷图像的位置;[Dv]为缺陷图像统计特征值;[di]为配准统计特征值。

根据上述定义对青铜器凤纹图像缺陷的检测，以此完成基于视觉传达的青铜器凤纹图像缺陷检测系统的设计。

3  实验对比

为验证上述设计的检测系统的有效性，将此次设计的系统与传统系统的图像缺陷检测时间进行对比，以使实验更具说明性。

3.1  實验样本准备

选取180张带有缺陷的青铜器凤纹图像，将其中160张图像随机分为6组构成训练集，样本中缺陷特征如表1所示。

在此基础上，对图像进行中值滤波处理，采用4个尺度，8个方向，共32组滤波器对待实验图像滤波，并在图像尺寸上对其规格化处理。

3.2  实验结果分析

实验主要对比此次设计系统与传统系统的图像缺陷检测时间，对比结果如图4所示。

由实验结果可知，此次设计检测系统的图像缺陷检测时间比传统系统的缺陷图像检测时间短，证明此次设计的系统能够快速检测到更深层的缺陷信息。因为此次设计的系统利用视觉传达技术，能够快速对青铜器凤纹图像配准以及缺陷检测;而传统的缺陷检测系统整体的图像检测时间较长，不能快速获取更准确的青铜器凤纹图像缺陷特征，从而对检测结果产生影响。

为了验证本文系统的有效性，在实验样本图像中选择了一张带有缺陷的青铜器凤纹图像，通过采用本文系统和传统系统对该图像存在的缺陷进行检测。其中，检测的缺陷点越多证明系统应用性更好。检测结果如图5所示。

分析图5可以看出，采用本文系统对存在缺陷的青铜器凤纹图像进行检测的结果更好，检测出的缺陷点更多，而采用传统系统进行检测后，检测出来的缺陷点较少，证明本文系统的检测性能更好，在实际应用中更具优势。

4  结  语

针对传统的青铜器凤纹图像检测系统检测时间长的问题，设计一种基于视觉传达的青铜器凤纹图像缺陷检测系统。实验对比结果表明，此次设计的基于视觉传达的青铜器凤纹图像缺陷检测系统比传统检测系统图像缺陷检测时间短，能够在短时间内检测到更深层的图像缺陷信息，为青铜器凤纹图像研究提供帮助。

参考文献

[1] 王卓.基于视觉传达效果的三维图像虚拟重建[J].现代电子技术，2019，42（1）：62?64.

[2] 李硕.基于计算机图形图像设计及视觉传达设计研究[J].电视技术，2018，42（6）：113?116.

[3] 雷桐，燕耀.拍摄全景建筑图像自动拼接匹配仿真[J].计算机仿真，2018，35（4）：377?381.

[4] 郑仁思.基于红外光谱的多帧影视图像视觉传达方法[J].激光杂志，2019，40（2）：114?117.

[5] 刘旭.考虑视觉传达效果的震后区域三维图像虚拟重建[J].地震工程学报，2018，40（4）：826?832.

[6] 高正中，赵晨晖，薛寒，等.基于图像处理的产品表面缺陷检测系统研究[J].电子技术应用，2017，43（5）：64?66.

[7] 岳彪，闵永智，马宏锋，等.钢轨表面缺陷检测系统中图像增强预处理方法研究[J].铁道科学与工程学报，2018，15（12）：3248?3256.

[8] 朱妍妍，左建华，卢继平，等.基于图像处理的胶管缺陷在线检测系统开发[J].北京理工大学学报，2017，37（9）：937?941.

[9] 马宝秋.基于图像小波变换的食品包装印刷缺陷检测方法[J].食品研究与开发，2017，38（5）：212?215.

[10] 文生平，洪华锋，舒凯翔.精密注塑手机外壳表面缺陷视觉检测系统设计[J].塑料工业，2017，45（9）：53?56.

[11] 钱基德，陈斌，钱基业，等.基于机器视觉的液晶屏Mura缺陷检测方法[J].计算机科学，2018，45（6）：296?300.

[12] 李澄非，田果，董超俊，等.基于变异系数法的工业产品表面缺陷快速检测应用研究[J].化工学报，2018，69（3）：1238?1243.

[13] 贾真真，张涛，曹兴强.基于机器视觉的食品内包装缺陷检测装置设计与实现[J].食品与机械，2018，34（7）：111?114.

[14] 田亮，张任.平移校正下印刷图像缺陷检测优化仿真[J].计算机仿真，2019，36（1）：409?412.

[15] 王素芬.多维彩色图像印刷缺陷快速检测仿真[J].计算机仿真，2017，34（6）：411?414.