基于HALCON的大幅面柔性印刷品質量檢測

周　陽, 王正家， 徐　偉， 鄔禮默， 羅　歡

(湖北工業大學機械工程學院， 湖北 武漢 430068)

?

基于HALCON的大幅面柔性印刷品質量檢測

周陽, 王正家， 徐偉， 鄔禮默， 羅歡

(湖北工業大學機械工程學院， 湖北 武漢 430068)

一般印刷品表面質量的檢測只需與樣品進行完全對照，相異部分即可判定為缺陷，而大幅面柔性印刷品在生產線上與樣品存在一定的拉伸變形，但對幾個絲的劃痕、甚至零點幾個絲的套印不準都必須檢出，這給視覺檢測帶來了很大的困難。對此設計了大幅圖像分區塊、區塊圖像檢測和整體圖像判定等算法， 并利用該方法對大幅面商標印刷品的表面質量進行檢測，檢測結果表明了該方法的有效性與實用價值。

機器視覺；HALCON；大幅面印刷品；質量檢測

大幅面印刷[1]能在多種承印材料(如感光性樹脂固體版、柔性塑料等)上印刷，并以生產高質量的產品作為目標。大幅面印刷并不單指幅面大，它還意味著在相同工作時間內可以印刷出更大面積的半成品，經過印后加工(如模切等工藝)，可以完成更多印刷成品的生產[2]。大幅面印刷技術的應用日益廣泛，而對大幅面印刷品，尤其是對具有一定柔性的印刷品，檢測方法依然停留在傳統的人工檢測方法上。基于圖像處理的機器視覺技術為印刷品表面缺陷的自動化檢測提供了良好的解決方案[3-7]，但這些方案都沒有涉及困擾生產實際的大幅面印刷品變形問題。

由于大幅面柔性印刷品的不同部位會有不同程度的形變，且變形量通常很微小，人眼無法觀測到，這將導致利用機器視覺檢測方法對該產品進行檢測時匹配不準或產生較大偏差。另外，印刷品上常常印刷有重復的小區域圖像(圖1)，這將會使得利用機器視覺方法檢測時無法找到與參考模板同位置的區域進行配準，因為形狀匹配算子只會在整張大幅面印刷品中尋找到最佳的匹配區域，在檢測時最佳的匹配區域可能出現在第一個小區域圖像中，同樣也有可能出現在第二、第三、第四個小區域圖像中。對此本文提出了一種分區塊檢測大幅面印刷品圖像質量的方法。該方法主要包括大幅圖像分區塊、區塊圖像檢測和整體圖像判定等。

圖 1　大幅面印刷品

1　檢測基本流程

針對上述大幅面柔性印刷品檢測的關鍵性問題，提出的利用HALCON的檢測方法基本思路如圖2所示。首先需要對大幅面圖像進行初步剪裁，去除與檢測無關的區域以縮小檢測范圍，提高檢測效率。由于大幅面圖像不同部位的變形量不同，采取分區域制作匹配模板，按照分區域匹配的原則進行圖像檢測。

圖 2　檢測基本思路

先根據參考小區塊選取配準區域，然后利用形狀匹配算法在待檢測的區塊搜尋到對應區域，建立參考小區塊與對應小區塊間的對應關系，最后利用配準模板實現圖像配準并利用檢測模板來檢測缺陷(圖3)。根據每一小區塊的檢測結果可以知道整幅圖的質量狀況，進而進行最終的評定。

圖 3　區塊檢測流程

2　大幅圖像預處理

現在利用HALCON對一幅大幅面商標印刷品(圖4)進行檢測，其基本流程如圖2和圖3所示。

2.1獲取并顯示圖像

在HALCON中調用read_image算子，輸入圖片在計算機中的存儲位置，通過dev_display算子即可以將讀取到的圖像顯示在窗口中。

圖 4　一幅大幅面印刷品

2.2初步縮小圖像區域

需要檢測的圖像通常是印刷在膠印紙上，由于膠印紙與待檢測印刷區域灰度值存在較大的差異，所以可以通過全局閾值分割方法來縮小檢測區域。在HALCON中可以用threshold算子找到膠印紙的區域，通過smallest_rectangle1算子即可以計算出膠印紙的最小外接矩形區域，最后通過crop_part算子裁剪出該區域。

2.3圖像區域分塊

由于圖像不同部位有不同的變形量，需要將圖像按區域進行分塊，使后續的匹配步驟能在限定的區域中進行，這是大幅面印刷檢測中的關鍵。在gen_rectangle1算子中輸入分塊區域的左上角坐標和右下角坐標即可在圖像中得到矩形框(圖5)。通過reduce_domain算子就可以裁剪出該小區塊，依次對余下部分進行分塊就得到了區塊1，區塊2，區塊3，……，接下來的圖像檢測就是在對應的小區塊中進行的。

圖 5　圖像區域分塊

3　區塊檢測

以第1區塊的檢測為例，說明區塊檢測的方法。

3.1制作配準模板

在參考小區塊中調用gen_rectangle1算子框選印刷品上的特定標志，調用reduce_domain算子將框選的特定區域裁剪下來，但其圖像像素依然和原始圖像一樣大，此時調用crop_domain算子可獲得只有特定標志的圖像。在HALCON中，調用create_shape_model算子即可方便地將上述只有特定標志的圖像制作成為匹配模板(圖6)，最后調用get_shape_model算子以獲得特定標志的輪廓邊緣。

3.2形狀匹配

采用基于形狀的圖形匹配算子find_shape_model在待檢測小區塊中搜索配準模板，得到待檢測圖像中特征標志的相似度、中心坐標和角度等信息數據(圖7)，為后續的仿射變換做準備。

圖 6　配準模板制作

圖 7　模板搜尋

3.3仿射變換

結合參考區塊圖像中的特征標志中心坐標和待檢測區塊圖像中的特征區域匹配找到的特征標志中心坐標數據，采用vector_angle_to_rigid算子進行仿射變換，建立待檢測區塊圖像與參考區塊圖像之間的變換矩陣，最后采用affine_trans_image算子將變換矩陣應用到待檢測圖像上，使待檢測圖像與標準圖像在坐標系中具有相同的方位。

3.4對比差異分析

將仿射變換后的待檢測小區塊與參考小區塊圖像進行對比差異分析，采用abs_diff_image算子即可以算出兩幅圖像的絕對差異，圖8用亞像素輪廓顯示差異邊緣。

圖 8　區塊檢測結果

3.5缺陷分析

前述絕對差異圖像即是灰度圖，對圖像的缺陷分析即是對絕對差異圖中的圖像灰度值進行處理和分析。采用connection算子進行分割處理操作后，可以采用形態學相關的算法和設置合理的閾值可對差異區域進行分析。area_center算子可以計算各區域的面積，tuple_max算子即可求得最大面積，通過分析差異區域的面積大小等對該區塊圖像質量的影響程度來判定該檢測圖片是否合格。

4　整體圖像判定

根據上述小區塊圖像的分析檢測，可以判定整幅圖像的質量狀況：若小區塊的圖像檢測均合格，則認為該大幅面印刷品質量合格；若有任一一小區塊圖像檢測為不合格，則可認為該大幅面圖像存在質量問題。

5　結束語

大幅面柔性印刷品圖像質量檢測是新興的領域。相較傳統人工檢測方法，本文所提出的基于HALCON機器視覺技術的圖像質量檢測方法在印刷品質量檢測的速度和精度上具有重大的改進。隨著生產自動化程度的提高和生產規模的擴大，機器視覺技術將會在印刷品質量檢測中得到更廣泛的應用和發展[3]。

[1]凌曦.大幅面印刷引領包裝行業未來 [J].數碼印刷,2012.(3):53.

[2]趙連沖.大塊頭有大智慧——淺析大幅面印刷[J].廣東印刷, 2009(1):32-33.

[3]張瓊,沈海宏,沈民奮等, 基于HALCON的無標記印刷品圖像質量檢測[J].汕頭大學學報(自然科學學報), 2011,26(2):54.

[4]孫懷遠,廖躍華,周夫之等.基于HALCON的藥品包裝瓶批號檢測技術研究[J].包裝工程.2008.29(8):71-73.

[5]張強.基于機器視覺的產品檢測技術研究[D].鄭州：中國人民解放軍信息工程大學，2005.

[6]康啟來.大幅面印刷工藝的分析和技術控制[J].中國包裝,2010.5.

[7]王秀麗.基于機器視覺的印刷品全畫面缺陷檢測系統的研究[D].汕頭：汕頭大學，2011.

[責任編校： 張眾]

A Study of Large Format Print Quality Testing Based on HALCON

ZHOU Yang, WANG Zhengjia, XU Wei，WU Limo, Luo Huan

(TheSchoolofMechanicalEngineering,HubeiUniversityofTechnology，Wuhan430068,China)

Compared with general products’ surfaces testing, the flexible large format prints’ inspection is different. While the general need to be in contrast with the sample and the distinct portions are determined to be defective, it demands detecting of the nicks and erroneous chromatography due to its tensile deformation compared with samples on the product line. And this makes it difficult for the Visual Inspection. For this, this paper holds a method which consists of image blocking, image detection in different areas, overall image determination and so on. And the result proves its effectiveness and value in use through inspections.

machine vision; HALCON; large format prints; quality inspection

2016-04-12

國家自然科學基金(51275158)； 重點實驗室開放基金(DMETKF2014015)

周陽(1993-)， 男， 湖北武漢人，湖北工業大學本科生，研究方向為機器視覺

1003-4684(2016)04-0014-03

TS807

A