基于圖像配準的玻璃瓶印刷字缺陷檢測系統研究與設計

摘要：設計基于圖像配準的玻璃瓶印刷字缺陷檢測系統，通過圖像采集部分獲取玻璃瓶印刷字圖像，圖像處理部分利用空間域算法增強該圖像，提升圖像的清晰度與辨識度。圖像配準部分以增強后的圖像為基礎，提取圖像中關鍵點，并且確定關鍵特征點的位置和方向，采用高維向量的最近鄰搜索算法匹配關鍵特征點，通過計算兩幅待匹配圖像上關鍵特征點之間的相似性實現特征匹配，從而完成圖像配準，以此確定印刷字缺陷情況。測試結果顯示：該系統能夠獲取瓶上的印刷字的關鍵特征提取結果，并且提取的字體特征完整，通過配準可靠確定玻璃瓶印刷字缺陷位置。

關鍵詞：圖像配準；玻璃瓶；印刷字；缺陷檢測

一、前言

玻璃瓶作為常見的包裝材料，其印刷字體的清晰度和準確性直接關系到產品的品牌形象和消費者體驗。然而，在玻璃瓶的生產和印刷過程中，由于工藝控制、機械精度及環境等多種因素的影響，印刷字體常會出現模糊、錯位、漏印等缺陷，這些缺陷不僅影響產品的美觀度，還可能誤導消費者，對產品的質量和安全性構成潛在威脅[1]。傳統上，玻璃瓶印刷字缺陷的檢測主要依賴人工目視檢查，這種方法存在諸多局限性。首先，人工檢測效率低下，難以適應大規模生產的需求。其次，檢測結果易受主觀因素影響，存在漏檢和誤檢的風險。最后，長時間的人工檢測還可能導致視力疲勞和職業病等問題[2]。因此，開發一種高效、準確、自動化的玻璃瓶印刷字缺陷檢測系統顯得尤為重要。

圖像配準（Image Registration）是將不同時間、不同傳感器（成像設備）或不同條件下（如天候、照度、攝像位置和角度等）獲取的兩幅或多幅圖像進行匹配、疊加的過程。它已經被廣泛地應用于遙感數據分析、計算機視覺、圖像處理等多個領域。圖像配準的目的是找到圖像之間的點對點映射關系，或者對某種感興趣的特征建立關聯，從而實現對圖像的精確對齊和融合[3]。因此，本文研究基于圖像配準的玻璃瓶印刷字缺陷檢測系統，該系統通過圖像采集設備獲取玻璃瓶印刷圖像，利用圖像處理技術對圖像進行預處理和特征提取，然后采用圖像配準算法將待檢測圖像與標準圖像進行精確對齊，最后基于配準結果對印刷字缺陷進行識別和判定。

二、玻璃瓶印刷字缺陷檢測

（一）基于圖像配準的玻璃瓶印刷字缺陷檢測系統架構

為保證玻璃瓶印刷字缺陷的檢測效果，本文結合該類印刷字的特點設計基于圖像配準的玻璃瓶印刷字缺陷檢測系統。該系統整體包含3個部分，分別為圖像采集部分、圖像處理部分以及圖像配準部分。圖像采集部分的主要作用是實現玻璃瓶印刷字圖像采集，圖像處理部分的主要目的是對采集的圖像進行增強處理，以此提升印刷字的細節和清晰度[4]。圖像配準部分主要是提取圖像中的特征點，然后依據特征點的提取結果實現特征匹配，從而實現玻璃瓶印刷字缺陷檢測。基于圖像配準的玻璃瓶印刷字缺陷檢測系統架構如圖1所示。

（二）基于空間域算法的玻璃瓶印刷字圖像增強

圖像的增強過程是一個針對特定需求而定制的技術手段，其核心在于強調圖像中的關鍵信息，同時可能淡化或消除不必要的細節。這一過程旨在提升圖像質量，使之更契合計算機視覺處理的需求。首先，通過優化圖像的視覺表現，提升圖像的清晰度與辨識度，特別是強化或凸顯那些對分析至關重要的敏感特征。這一過程不僅僅是簡單的信息放大，而是根據研究者的具體需求，對圖像中的不同信息特征進行有選擇性的增強，以滿足特定分析場景的精細要求[5]。其次，待測圖像的增強還能顯著提升計算機視覺處理系統的效能。特別是當圖像經過銳化處理，其邊緣輪廓變得更加鮮明，極大地便利了系統對目標的識別與檢測過程。通過聚焦于圖像中用戶感興趣的目標區域，圖像增強技術不僅減少了處理數據的冗余度，還提高了處理速度和準確性[5]，從而使整個視覺處理系統的工作效率和性能得到質的飛躍。

本文為實現玻璃瓶印刷字圖像增強采用空間域法實現增強處理，該方法是通過灰度級對采集的圖像進行處理，以此降低圖像中的噪聲。天工石能夠通過灰度級矯正以及直方圖修正提升圖像的均勻性。如果采集的原始圖像用S（x，y）表示，增強后的圖像用G（x，y）表示，其映射處理公式為：

式中：f（x，y，z）表示映射函數，其中z表示銳化因子。

為實現圖像的增強處理，通過二維正交變換進行原始圖像的處理，獲取該圖像的頻率域，其公式為：

式中：Q（m，n）表示變換后獲取的空間域圖像。

對上述公式進行反變換處理，以此獲取圖像的最終增強結果，其公式為：

（三）基于圖像配準的印刷字缺陷檢測

1.關鍵點提取

完成圖像增強處理后，為提升印刷字缺陷的檢測精度，需提取圖像中的關鍵點，本文結合圖像配準需求，采用一種基于尺度變換且保持特征不變性的算法，以提取兩幅圖像中的顯著特征點。該算法的關鍵點提取流程如圖2所示。

此算法的核心在于遍歷多個尺度空間，精準定位那些在不同尺度下均表現為極值的點。為進一步提升這些極值點的定位精度，算法利用高斯差分函數結合極值點處的二階泰勒展開式，實現對極值點位置及其所屬尺度的精細調整。算法以每個關鍵點為中心，構建一個8×8的局部鄰域窗口，并在此窗口內進一步細分為四個4×4的子區域。在每個子區域內，算法計算8個不同方向上的梯度累加值，這些累加值共同構成了該關鍵點的特征描述符，該描述符能夠全面而緊湊地刻畫關鍵點周圍的局部紋理信息。最后，為評估兩幅待配準圖像中關鍵點之間的相似性或相關性，算法采用特征描述符之間的匹配策略。通過比較不同圖像中關鍵點特征描述符的相似度，可以識別出潛在的對應點對，進而為后續的圖像配準或拼接任務提供有力的支持[6]。

2.特征點主方向確定

在通過上述小結獲取關鍵點后，可生成關鍵點特征點集合，即候選特征點集。為確保特征點的穩定性和可靠性，必須執行一個篩選過程，以剔除兩類不利特征點：一類是對比度較低的點，這些點由于響應值微弱，容易受到噪聲干擾，進而削弱SIFT（尺度不變特征變換）特征點的抗噪性能；另一類是邊緣上的點，該類點可能展現出較高的響應值，但邊緣區域的不確定性使得特征點的精確定位變得困難，從而影響SIFT特征點的整體穩定性。因此，通過這一篩選步驟保留那些既顯著又穩定的特征點，為后續的圖像匹配和配準任務奠定堅實的基礎。

完成特征點位置確定后，需確定特征點的主方向，以此保證圖像的旋轉不變性，基于此，本文以極值為中心，以特征點鄰域圖像梯度方向m（x，y）和位置θ（x，y）為基礎，旋轉一個角度，公式為：

式中：L表示圖像的尺度空間，arctan表示反正切函數。

在梯度計算過程結束后，采用直方圖分析技術來綜合領域內像素的梯度強度與方向信息。直方圖的構造中，橫坐標軸映射梯度方向的各種可能性，縱坐標軸則累積展示對應于每個梯度方向上的梯度強度總和。通過這樣的統計方式，直方圖中的顯著峰值指示特征點周圍區域中梯度分布的主要趨勢，這一趨勢被定義為該特征點的主導方向，是后續特征匹配與識別過程中的關鍵參考點。

3.關鍵特征點配準

完成特征點主方向確定后，進行關鍵特征點配準，為保證該匹配的精準性，采用高維向量的最近鄰搜索算法進行匹配，該算法主要是通過計算兩幅待匹配圖像上關鍵特征點之間的相似性實現特征匹配，從而完成圖像配準，以此確定印刷字缺陷情況。

如果兩幅圖像的關鍵特征點及描述符數量分別用M和N表示，計算兩個關鍵點之間的相似性R（i，j），其計算公式為：

式中：E和F表示兩幅圖像中關鍵點描述符。

本文采用了雙向匹配策略，旨在規避一對多匹配情況并剔除錯誤的特征點匹配，從而增強匹配的精確性。具體實施時，首先在圖像1上執行FLANN算法來搜索與待配準圖像中關鍵點的匹配項。隨后，反向操作，從待配準圖像出發，再次利用FLANN算法搜索與圖像1中關鍵點的匹配項。在該過程中，計算兩次匹配過程中關鍵點坐標的累加和。只有當這兩個方向的匹配結果所得到的坐標和完全一致時，才將這一對點視為有效的匹配點，否則將其排除。

在完成精確匹配步驟后，隨即進入圖像配準階段，依據上述結果生成配準圖像，此配準圖像不僅與基準圖像共享相同的空間坐標系統，而且在每一個對應的坐標點上，都精確映射待配準圖像中的像素值，確保信息的完整性與一致性，通過配準結果判斷玻璃瓶印刷字的缺陷情況。

三、結果分析

為驗證文中系統的應用效果，以某公司生產的玻璃化妝品瓶為例展開相關測試，由于該玻璃瓶尺寸較小，字體印刷時極易發生缺陷，因此，通過文中涉及的系統進行檢測，以此衡量該系統的應用效果。利用CCD相機采集該化妝品瓶的20張圖像，將該圖像用于后續測試中。

系統在進行玻璃瓶印刷字缺陷檢測時，需先獲取關鍵特征點，特征點的獲取效果直接影響后續的配準效果，隨機選擇一張采集的圖像，通過系統提取圖像中目標印刷字的特征（目標印刷字OHMY），目標字的關鍵特征提取結果如圖3所示。

依據圖3測試結果可知：通過系統進行玻璃瓶目標印刷字關鍵點特征提取后，能夠獲取瓶上印刷字的關鍵特征提取結果，并且提取的字體特征完整，不存在模糊和缺失位置。

為驗證系統對于印刷字缺陷的檢測效果，在圖3特征提取的基礎上，進行圖像配準，通過該配準進行玻璃瓶印刷字缺陷檢測，檢測結果如圖4所示。

依據圖4測試結果可知：通過系統完成圖像配準后，能夠依據配準情況確定兩張圖像之間無法匹配的區域，以此確定印刷字的缺陷位置，完成該缺陷檢測。

四、結語

在包裝瓶的印刷流程中，檢測環節扮演著至關重要的角色，其成效直接關系到產品質量。然而，這一環節復雜多變，常因多種生產因素導致印刷字體出現瑕疵。鑒于人工檢測存在的局限性，本文創新性地融合機器視覺與先進的圖像處理技術，設計基于圖像配準的玻璃瓶印刷字缺陷檢測系統。對該系統的應用效果進行實驗分析后確定，該系統不僅具備實時檢測能力，還保證缺陷識別效果，為實現包裝流程的加速、印刷材料的高效利用，以及生產線自動化水平的提升開辟新的路徑。

參考文獻

[1]戴志威，林淼，陳超，等.基于差異模型的印刷標簽缺陷檢測算法[J].工業控制計算機，2023，36（06）：63-64.

[2]張德海，祝志逢，李艷芹，等.基于機器視覺的二維圖像質量缺陷檢測研究進展[J].包裝工程，2023，44（23）：198-207.

[3]左才，張勇斌，齊元勝，等.基于機器視覺的印刷品表面劃痕缺陷檢測[J].印刷與數字媒體技術研究，2023，（05）：42-48.

[4]裴帥，桂志國，劉祎，等.基于圖像配準的鑄件內部缺陷檢測技術[J].無損檢測，2022，44（11）：16-21.

[5]牛彤，劉立東，武憶涵.基于CUDA加速的圖像配準算法[J].計算機系統應用，2023，32（01）：146-155.

[6]劉學，姚洪利，金世龍.基于擴展的SURF描述符的彩色圖像配準技術[J].計算機應用研究，2011，28（03）：1191-1194.

基金項目：黃岡職業技術學院重點科研項目“基于機器視覺的玻璃瓶缺陷檢測系統開發”（項目編號：2021C2011102）

作者單位：黃岡職業技術學院

責任編輯：王穎振、鄭凱津