卷煙煙支圓周成像測量算法的研究

徐國現 陳 圣 王茂方 崔六瓊

（紅云紅河集團會澤卷煙廠，云南 曲靖 654200）

隨著我國煙草工業的快速發展，煙草行業的規模也在不斷地擴張，大型煙草公司的競爭日趨加劇。建立高質量的名牌，優化品牌結構，特別是高端卷煙更是如此，提升產品品質是提升企業的核心競爭力。品質是一個公司的生存之道，制作精美的卷煙是每一家煙草公司的奮斗目標。生產高品質、零缺陷的卷煙，既能增強卷煙的品牌形象，又能擴大卷煙的消費者群體，增強卷煙的核心競爭能力，煙支圓周指標是卷煙的一項關鍵參數。

1 卷煙煙支圓周成像測量技術發展現狀

卷煙煙支圓周成像是實現煙草行業質量控制的關鍵環節，其準確高效的測量是卷煙質量控制中至關重要的環節。利用多參數采集技術可以實現對卷煙煙支的檢測。對煙支圓周成像測量是一項有效且可靠的檢測方法。采用光學成像法可以精確獲得煙支檢測位置的精確度更高、誤差更小。本文主要研究了檢測技術原理和關鍵技術及設備設置。

卷煙煙支檢測是卷煙質量控制中不可或缺的環節，其準確高效的測量是卷煙質量控制中至關重要的環節，通過對煙支圓周成像測量來精確獲得煙支檢測位置信息，對提高卷煙質量具有重大意義。當前國內外關于煙支圓周成像測量算法有較多方面探討。本文研究基于 CCD 光學設備對煙草煙支圓周成像測量技術原理和關鍵技術。采用多種成像方法進行分析，對卷煙煙支的圓周成像測量方法進行研究，并對其進行改進和提升。該方法主要通過改變煙支在圖像上的位置，并根據這一位置對煙支進行圖像處理、測量和分析。在測量過程中獲取各參數值，利用這些參數來確定物體的輪廓形狀，以確定煙枝圓周輪廓。

對于煙支圓周成像檢測，盧騰達、趙海玉等前輩已有研究，基于OpenCV 的成像方式檢測不需要旋轉煙支，過程為圖像預處理、閾值分割、橢圓擬合，橢圓如何轉換到圓周的計算過程有待完善，另外這種角度的成像只能拍攝到煙支的局部變形圖像，不能很好地代表煙支的圓周，其過程見下文[1]：

《基于圖像處理的卷煙圓周檢測方法研究》一文中其過程為指數變換、中值濾波、局部閾值分割、開操作運算、采用 LabVIEW 軟件和系統的圖像處理工具包，通過測量卷煙圓周不同方向上的直徑，求出相應的半徑，然后按弧長公式計算此段的弧長，對圓360 等分，求出每1 份的弧長，求和后即得總周長。該方法拍攝圖像能夠很好代表煙支圓周，但在弧長計算時采用了L=nπR/180 公式[2]，實際運用中發現，煙支的截面圖像與圓相差甚遠，圓心如何確定，邊緣斷裂的地方如何處理等方面沒有明確，該方法實施起來有一定困難。

2 煙支圓周檢測系統組成

該系統由煙支取樣模塊、圖像采集模塊、圖像處理模塊、周長計算模塊、人機交互模塊組成。通過煙支取樣模塊將煙支移動到測量工位，將環形光源置于煙支點火端截面的正前方，再將相機置于光源的正后方，保證煙支、環形光源和相機在同一軸線上，煙支移模塊觸發光源點亮，隨后觸發相機連續拍攝20 幀圖像，關閉高亮度的環形光源。所生成的圖像連續傳送至計算機進行圖像加工[3]。

圖像采集模塊主要由大恒MER-2000-5GM 相機、遠焦無畸變顯微鏡頭和光源組成，設置相機參數后，將相機的5192*3672 分辨率的原始圖像裁剪成3672*3672分辨率的正方形圖像，通過USB3.0 接口將3672*3672圖像數據傳送給計算機進行圖像處理，1350 萬像素的正方形灰度圖像使得煙支點火端的截面圖像細節更加清晰；煙支的直徑是7.73 毫米[4]，在卷煙的固定工作狀態下，以3672 個像素中的3000 個像素為基準，卷煙煙支的直徑測量精度準確地控制在7.73/3000 ≈0.0026毫米，這大大降低了煙支圓周的技術需求。采用計算機圖像運算后以保證系統的高精度。本系統使用高亮的內徑25mm、外徑50mm、發光角度75°的環形LED均勻光源，配合黑色背景和高清工業相機獲得較高的成像質量，更能凸顯煙支截面似圓輪廓邊緣細節，以便對煙支圓周進行測量[5]。

圖像處理模塊包括保邊降噪、快速尋邊和斷點拼接。

周長計算模塊包括弧長積分、類均值計算、標定換算。

人機交互模塊負責過程圖形展示、重要參數設置和測量結果顯示。系統組成見下文所述。

3 圖像處理模塊

3.1 保邊降噪

在煙支圖像采集、編碼、傳輸等方面，由于外界環境、設備等原因，往往會產生一定的噪聲，從而影響圖像的辨識和圖像的視覺判斷，會給以后的圖像分析帶來很大的麻煩，所以，降噪對卷煙進行預處理是一項非常重要的工作，在圖像處理技術中，通常采用圖像濾波技術以達到對圖像進行抑制或去除的目的，以減少由噪聲引起的不利效應，改善影像品質。但是在降噪的同時，像均值濾波、中值濾波等方法會丟失重要邊緣信息，所以在選擇降噪方法的同時還需要保存邊緣突出信息，否則不能準確找出煙支的截面輪廓，使其更加貼近實際。為了得到精確的尺寸，必須進行如下的處理：一是對圖像進行降噪處理，剔除一些孤立的無效點，特別是在有真實邊緣處。二是對卷煙的邊界進行提取，當圖像亮度存在差異時，若采用絕對灰度法進行邊界判斷，則會產生較大的偏差，而采用平均方差法進行邊界的計算，則可以得到較好的結果[6]。

3.2 快速尋邊

在本課題中，煙支輪廓邊緣是最重要的信息，由于每秒需要處理完20 張左右的1350 萬像素高清圖像，處理過程復雜，傳統能夠的搜尋算法為全圖掃描，大大增加了計算機的運算載荷，幾乎不能完成，因此探索了一種更為快速的邊緣尋找算法，該算法完成了常規的閾值化和輪廓查找兩項功能，大大減少了搜尋范圍，步驟如下：

（1）設置8 個向量為v1(-1,0)、v2(-1,1)、v3(0,1)、v4(1,1)、v5(1,0)、v6(1,-1)、v7(0,-1)、v8(-1,-1)，(v1至v8順時針旋轉)，Q=3*H/4（H 為圖像高度）。

（2）從圖像Q 行開始向水平方向行掃像素點，找到第一個大于設定閾值（參數）的像素點作為邊緣的起始點記為p0(x0,y0)裝入邊緣點容器VL 的VL[1]，P=p0，N=n=1,v=v1,cn=0。

（3）p=P,N=N-1（若N=0，則N=8），v=vN（逆時針旋轉45°）。

（4）p=p+v（向量加）,若p 與p0的距離小于設定值，結束；若p 像素點的灰度大于設定閾值，則P=p,n=n+1，將P 點坐標裝入邊緣點容器VL 的VL[n]，進行（3）；否則進行（5）。

（5）cn=cn+1,若cn=8,Q=Q+1,進行（2），否則N=N+1（若N=9，則N=1），v=vN（順時針旋轉45°），進行（4）。

算法解釋：借助v 從v1至v8賦值，再加上P 點坐標，即可實現以P 為中心向該點的8 個順時針方向尋找P 的鄰接像素點，若找到大于設定閾值的像素點，將該點坐標裝入邊緣點容器VL，隨后v 向量逆時針旋轉45°后45°步進順時針尋找鄰接點，若8 個方向均未找到，那么該點為孤立點，再次移動搜索起始點，如此循環，當搜索再次回到p0附近，搜尋結束。

3.3 斷點拼接

課題實施中遇到了一個困難，由于煙支截面圖像輪廓邊緣總會有部分邊緣不清晰的現象（被煙絲遮擋），若只按3.2 節中的快速尋邊算法進行搜索，會搜索到煙支內部，內部的煙絲就像迷宮一樣，該算法就失效了，因此在上述基礎上還應該加入斷點感知和拼接算法。

（1）斷點感知：設置三個坐標點A（x1,y1）、B（x2,y2），C（x3,y3），當邊緣點群數量達到設定參數N（本課題N 設置為50）的2 倍后，此時已經找到第n個邊緣點，將A 點坐標記為VL[n-2*N]，將B 點坐標記為VL[n-N]，將C 點坐標記為VL[n]，當AB·BC=(x2-x1)*(x3-x2)+(y2-y1)*(y3-y2)＜0 時，說明B點出現了轉折，也就是斷點。

（2）斷點拼接：當感知到斷點后，刪除VL 中BC之間的邊緣點，將直線AB 延長至整張圖的邊緣，以直線AB 上的點為起點，從AB 的法向量方向圖像中心搜索（需要在設定的進入距離LJR 參數內搜索），當搜尋到符合閾值的邊緣像素點后，本項目采用貝塞爾曲線插值的方式將斷點邊緣進行拼接，補全斷裂的邊緣并存入邊緣點容器VL。

將VL 邊緣進行毛刺剔除，最小二乘法擬合后所得的弧線輪廓，該輪廓越貼近實際，測量結果越準確。

4 周長計算模塊

4.1 弧長積分

通過圖像處理模塊，煙支點火端截面圖像邊緣輪廓每一像素點的坐標已經存入VL 容器中，獲得輪廓的每一像素點位置（x,y）；逐一將兩像素點的距離進行累加求和，兩像素點間的距離因采用2000 萬像素圖像來拍攝直徑約為7mm 的煙支斷面，可以近似認為兩像素點間的距離di等價于弧長li；di即等價無窮小于li。則弧長積分公式為：。該方法建立在微積分的數學模型上，理論上可以計算任意不規則圖形的周長。

4.2 類均值計算

通過連續計算20 張照片的弧長后，為避免單次測量的不可靠性，普通做法是將該20 個數據做均值運算，本課題采用的使先將該20 個數據進行排序，丟棄最大和最小的8 個值，然后再取中間的12 個值做均值運算作為最終結果。

4.3 周長換算

由于圖像處理算法是以像素為計算單位，而實際應用中要根據給定的煙支圓周標準數值來判定煙支是否合格，因此需將檢測出的圓周像素值轉換成圓周的數值。為確定圓周像素值與圓周實際數值的轉換公式，選擇30 支香煙樣品，分別用圓周檢測儀和圖像處理算法進行檢測，將實測值與檢測像素值采用最小二乘法進行擬合，得到二者的一元回歸方程如下：

式中：Y 為圓周檢測值；X 為圓周像素值。

將轉換式（1）加入算法程序即可得到煙支圓周的檢測值。

對式（1）得到的檢測值進行分析，可得檢測值的平均值為24.21mm，標準差為0.0631；煙支圓周實測值的平均值為24.21mm，標準差為0.0653 進行對比，兩者平均值相同，標準差相近，表明檢測方法有效。按照會澤卷煙廠的煙支生產技術標準，在生產過程中，卷煙煙支的周長必須在（24.20±0.15 毫米）以內，為了驗證所用的圖像加工技術的卷煙周邊檢測方法的準確性,選擇不同品牌的香煙樣品各1000 支進行測試，以實驗室圓周檢測儀檢測出的不合格煙支數量為標準。

本檢測方法的檢出率(即準確率)為96.59%。與試驗機所測的結果進行比較，結果表明，該方法的準確度為96.59%，錯誤為3.41%，符合煙草企業的檢驗標準。這種偏差主要是由于光源偏移、相機校正和圖像處理算法等因素造成的，并在以后的工作中加以完善。

5 結語

本課題對基于圖像處理的卷煙圓周質量檢測的一些關鍵性技術進行了研究，該卷煙煙支周長測量系統采用了保邊降噪、快速尋邊、斷點拼接和弧長積分方式實時監測卷煙煙支圓周，并有超限提醒和標定能力，可以測量任意不規則形狀的周長特性，能夠測量圓度不理想的煙支圓周，監測結果可以按要求進行存儲。通過本課題的研究，可以對煙草生產過程中的卷煙煙支進行實時的在線監測，對改善煙草產品的品質起到了重要作用。本文主要針對卷煙周邊品質監測的核心技術如圖像加工等進行了深入的探討，運用OpenCV 和微軟MFC 框架優勢，采用C++語言完成了卷煙圓周檢測的軟件設計，測試的正確率達96.59%。通過改進和擴充可以運用到測量任意不規則圖像的周長，研究內容還存在需要完善的地方，例如一開始搜尋第一個點就遇到了斷點的情況，還沒有做妥善處理。