數(shù)字圖像處理在自動(dòng)切紙機(jī)質(zhì)量分析中的應(yīng)用

摘 要：簡(jiǎn)要介紹一種針對(duì)自動(dòng)切紙機(jī)質(zhì)量分析過(guò)程中生成圖像的圖像處理算法，分析了切痕圖像特點(diǎn)，提出一般處理算法，并開(kāi)發(fā)了獨(dú)有的去噪處理算法，根據(jù)處理結(jié)果判別切紙質(zhì)量，說(shuō)明了數(shù)字圖像在自動(dòng)切紙機(jī)質(zhì)量分析中的應(yīng)用的可用性。

關(guān)鍵詞：數(shù)字圖像處理 自動(dòng)切紙機(jī)質(zhì)量分析 算法開(kāi)發(fā)

中圖分類(lèi)號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-3791（2013）04（a）-0004-02

切紙機(jī)是一種應(yīng)用廣泛的印刷機(jī)械、包裝機(jī)械，在印刷后期的紙張裁切中必不可少。隨著整個(gè)國(guó)家經(jīng)濟(jì)的發(fā)展，印刷、包裝行業(yè)的重要性日益突出，印刷廠、圖文店也日益增多，全自動(dòng)切紙機(jī)的應(yīng)用也越來(lái)越廣泛，而自動(dòng)切紙機(jī)質(zhì)量分析對(duì)于自動(dòng)切紙機(jī)的發(fā)展有至關(guān)重要的作用。因此，自動(dòng)切紙機(jī)質(zhì)量分析技術(shù)也越來(lái)越受到人們的重視。

隨著計(jì)算機(jī)和數(shù)學(xué)學(xué)科的發(fā)展，數(shù)字圖像處理在農(nóng)牧業(yè)、林業(yè)、環(huán)境、軍事、工業(yè)和醫(yī)學(xué)等方面的應(yīng)用需求日益增長(zhǎng)。將數(shù)字圖像處理技術(shù)用在自動(dòng)切紙機(jī)質(zhì)量分析技術(shù)上可以大大增加自動(dòng)切紙機(jī)的切割質(zhì)量，進(jìn)一步提高了切紙機(jī)的自動(dòng)化水平。通過(guò)對(duì)圖像進(jìn)行二值化，濾波，去噪等處理來(lái)提取劃痕特征可以很好的檢測(cè)切紙質(zhì)量。

1 數(shù)字圖像處理基礎(chǔ)

數(shù)字圖像處理是通過(guò)計(jì)算機(jī)對(duì)圖像進(jìn)行去除噪聲、增強(qiáng)、復(fù)原、分割、提取特征等處理，以提高圖像質(zhì)量或達(dá)到人們要求的預(yù)期結(jié)果。數(shù)字圖像處理將圖像信號(hào)轉(zhuǎn)換成數(shù)字信號(hào)并利用計(jì)算機(jī)對(duì)其進(jìn)行處理的過(guò)程，可以有效地分析圖像特征。

1.1 頂帽變換

對(duì)于亮度不均勻的圖片做閾值處理很困難，難以將圖片特征安全提取出來(lái)。開(kāi)運(yùn)算可用于補(bǔ)償不均勻的背景亮度，只要使用結(jié)構(gòu)元素大到不能完全匹配圖像前景特征以產(chǎn)生對(duì)整個(gè)圖像背景的合理估計(jì)。再在原圖像的基礎(chǔ)上減去經(jīng)開(kāi)運(yùn)算后的圖像，就能得到一幅背景均勻的圖像。直接使用IPT函數(shù)imtophat可以實(shí)現(xiàn)此操作。

g=imtophat（f，NHOOD）

其中NHOOD是一個(gè)值為0和1的數(shù)組，用于指定結(jié)構(gòu)元素的大小和形狀。

1.2 去噪算法

二值化后的圖像有較多的噪聲點(diǎn)，會(huì)大大影響紙片質(zhì)量分析的結(jié)果。根據(jù)多幅圖像處理結(jié)果，圖像提取目標(biāo)為較窄的線條狀，但噪聲點(diǎn)多為面積較大的島狀，難以找到合適的結(jié)構(gòu)元素以過(guò)濾噪聲。經(jīng)過(guò)觀察多幅圖像發(fā)現(xiàn)，噪聲點(diǎn)寬度大多大于18小于20個(gè)像素，20個(gè)像素之后像素值為0，而連續(xù)的直線向左20個(gè)像素之后的像素值為1。根據(jù)噪聲向左不連續(xù)的特點(diǎn)，書(shū)寫(xiě)程序流程圖，如圖1，并開(kāi)發(fā)算法。

去噪算法如下所示：

1、input（f）

1、r←M

2、c←N △分別將輸入圖像的高和寬賦值給r和c

2、 g←f

3、 for i←1：r

1、for j←1：c △逐行讀取每一個(gè)元素

If f（i，j）==1 then

1、for k←18：20 △當(dāng)檢測(cè)到像素值為1的點(diǎn)時(shí)，再檢測(cè)此點(diǎn)之后的第18-20個(gè)像素的像素值。

If f（i，min（j+k，c））==0 then△像素值為0則代表此像素點(diǎn)是島狀噪聲點(diǎn)

1、for t←0：k

1、g（i，min（j+t，c））=0 △將島狀噪聲點(diǎn)賦值為0。

2 圖像處理過(guò)程

經(jīng)過(guò)反復(fù)試驗(yàn)總結(jié)，經(jīng)過(guò)以下幾個(gè)步驟可以處理自動(dòng)切紙機(jī)的切痕圖片，提取切痕特征進(jìn)行質(zhì)量分析。圖2為整個(gè)處理過(guò)程的程序流程圖。

以下通過(guò)處理一幅切割完整和一幅切割不完全的圖像來(lái)說(shuō)明圖像處理過(guò)程。如圖3所示為圖像處理原圖像，即自動(dòng)切紙機(jī)的切痕圖像。圖3-a為一幅切割較為完整的圖像，圖3-b存在切割缺陷的圖像。

2.1 圖像預(yù)處理

首先將圖3使用imadjust變換成負(fù)片圖像。從圖3可以看出，由于圖片拍攝中光照不均勻，造成右下部的圖片背景比左半部分黑，會(huì)對(duì)閾值處理帶來(lái)較大的干擾。采用使用頂帽變換來(lái)補(bǔ)償不均勻的背景亮度，可以得到很好的處理效果。根據(jù)圖像實(shí)際情況，選擇半徑為10的圓形結(jié)構(gòu)元素完全大于前景切痕，在開(kāi)運(yùn)算時(shí)除去前景元素，原圖像減去不均勻的背景圖像后就可以得到背景均勻的圖像。

1、se←strel（'disk'，10）；

2、g1←imtophat（g，se）；

3、figure，imshow（g1）

可以明顯地看到頂帽變換完全去除了不均勻的背景，初步將切痕提取出來(lái)，但劃痕顏色較淺且不夠清晰，存在毛刺和細(xì)小的斷口。接下來(lái)將使用值為2的方形結(jié)構(gòu)元素對(duì)形成圖像進(jìn)行開(kāi)閉濾波，平滑提取圖像的劃痕，再使用膨脹加強(qiáng)圖像劃痕，膨脹后的圖像閾值處理的效果會(huì)更好。

經(jīng)過(guò)以上變換，劃痕已經(jīng)初步提取出來(lái)，但顏色較淺。圖像二值化能反映圖像整體和局部特征，有利于圖像的進(jìn)一步處理，使圖像變得簡(jiǎn)單，而且數(shù)據(jù)量減小，能凸顯出感興趣的目標(biāo)的輪廓，同時(shí)也是霍夫變換的預(yù)處理步驟。對(duì)膨脹后圖像進(jìn)行二值化，會(huì)明顯地突出切痕。圖4為二值化后的圖像。

從圖4中可以看出，二值化后紙片的劃痕雖已經(jīng)較為明顯，但噪聲雜點(diǎn)同時(shí)也被顯現(xiàn)出來(lái)，不利于后續(xù)處理，影響霍夫變換的使用，而且會(huì)對(duì)切割質(zhì)量的判斷造成影響。圖像提取目標(biāo)為線條狀，噪聲點(diǎn)多為面積較大的島狀，單一采用開(kāi)閉交替濾波，難以找到合適大小的模板。因此采用單獨(dú)開(kāi)發(fā)去噪算法，去除圖5中的噪聲點(diǎn)。圖5為去噪后的圖像。

2.2 霍夫變換線檢測(cè)和鏈接

由于圖片拍攝時(shí)放置不平整或者光照的原因造成線段中間會(huì)有斷裂，且經(jīng)過(guò)去噪處理以后，有部分較細(xì)線段被去除。霍夫變換可以識(shí)別出黑白圖像中的幾何圖形，houghpeaks和houghlines可以進(jìn)行線段連接。經(jīng)過(guò)多次試驗(yàn)，只要合理的選擇霍夫變換參數(shù)就能得到線檢測(cè)和鏈接很好的效果。

[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

圖6為霍夫變換線檢測(cè)和連接后的結(jié)果。

3 結(jié)語(yǔ)

整個(gè)處理過(guò)程目的是提取出質(zhì)量分析所需要的紙片切痕。以頂帽變換均勻背景為基礎(chǔ)，加上專(zhuān)門(mén)開(kāi)發(fā)的去噪算法，最后使用霍夫變換做線鏈接，從圖6可以看出，得到了較好的處理結(jié)果。不僅提取出了切痕，沒(méi)有噪聲點(diǎn)，而且線鏈接之后的切痕平滑沒(méi)有斷裂。圖6-a中圖像中的劃痕完整且清晰，說(shuō)明了切紙機(jī)的切割質(zhì)量合格。而圖6-b中可以明顯的看出有一段明顯地沒(méi)有切痕，說(shuō)明了這個(gè)位置存在切割缺陷。經(jīng)過(guò)實(shí)踐證明，此算法能很好地處理自動(dòng)切紙機(jī)的切痕圖像，檢測(cè)切割缺陷。數(shù)字圖像像處理必然會(huì)在自動(dòng)化切紙機(jī)質(zhì)量分析領(lǐng)域引起廣泛的關(guān)注，大大提高自動(dòng)切紙機(jī)的處理能力。

參考文獻(xiàn)

[1]岡薩雷斯.數(shù)字圖像處理[M].3版.北京：電子工業(yè)出版社，2011.

[2]岡薩雷斯.數(shù)字圖像處理（MATLAB版）.北京：電子工業(yè)出版社，2005.