迅速印刷　图片解决计算

　　随着凹印技术的发展，印刷速度越来越高，印刷对象发生了深刻变化，印刷图案越来越复杂，印刷色彩越来越多，这就对印刷的精确性提出了更高的要求。传统的人工检测已经很难满足现代印刷的速度和准确性的需要。随着计算机技术的发展，出现了一些基于机器视觉的质量检测设备。由于受图像处理庞大的数据量和硬件速度这一矛盾的制约，常用的机器视觉设备很难满足高速印品质量检测的实时性和完全检测的要求。

　　为解决这一对矛盾，本文分析了高速、高精度图像的成像机理和成像质量，提出了一种基于轮廓的快速图像配准方法和基于图像差分方法与数学形态学的图像匹配算法。

　　实验的对象是瑞士博斯特650型印刷生产线，最高印刷速度250 m /min.为保证相机的采集速度与印刷速度和检测精度匹配，减少运动模糊，采用了高速彩色线阵CCD相机和超强直流光源构成采集系统。该系统能将相机的曝光时间控制在微秒级，从而保证运动模糊在1像素以内。高速印刷时，影响视觉检测主要是纸张抖动和张力变化引起的图像1～2个像素横向和纵向（纸张前进方向）偏移以及编码器定位引起的2～3个像素纵向偏移。旋转位移和尺度变化极小，且算法可修正。

　　1基于轮廓的快速图像配准算法图像配准的目的是建立两个图像的几何相关性。其考虑的参数主要有平移参数、旋转参数、尺度参数和灰度幅度参数。用f （ x， y）和g （ x， y）表示待配准图像，则配准过程可以描述为f （ x， y）= k×g （ x′， y′）（1）其中， k是灰度变化幅度； x′=λx < （ x +Δx） cosθ+ （ y +Δy）sinθ>； y′=λy < （ y +Δy） cosθ+ （ x +Δx） sinθ>.λx和 λy是尺度变化幅度；Δx和 Δy是平移参数；θ是旋转角度参数。由于图像只有极微小的旋转位移和尺度变化，不会影响检测精度，故取 θ= 0，λx = 1，λy = 1.在同样采集条件下，相邻图像灰度变化也可以忽略， k = 1.因此有x′= x +Δx， y′= y +Δy.

　　配准就是要求出待测图像相对标准图像的坐标变换值（Δx，Δy）。设p x <Δx < q x， p y <Δy < q y； p x、q x是Δx的极限值，p y、q y是 Δy的极限值。根据前面对印刷图像的分析，取p x = - 4， q x = 4， p y = - 2， q y = 2.

　　图像轮廓表达了图像的形状和分布特征，而且具有各向同性的特征，可由此对两个图像进行配准。同时，考虑到同一彩色图像派生出的三个单通道图像的配准位置具有一致性，只需对其中一个进行配准操作。本文选择对G通道图像进行处理。

　　1基于灰度形态学的轮廓提取（1）灰度形态学灰度形态学采用最大及最小极值运算分别代替了二值形态学中所用到的交、并运算，将图像的函数空间从二维平面推广到三维空间，函数的值域从。其基本运算包括膨胀（D ilation）、腐蚀（ Erosion）、开（Open）、闭（Close）等。

　　设f （ x， y）是输入图像函数， b（ s， t）是结构元素， D f、D b分别为f （ x， y）、b （ s， t）的定义域。若用表示膨胀运算，则用b（ s， t）对函数f （ x， y）进行灰度膨胀操作，表示为（ f b） （ s， t）=max{ f （ s - x， t - y）+ b（ x， y）|（ （ s - x， （ t - y） ）∈D f；（ x， y）∈D b }（2）若用 Θ表示灰度腐蚀运算，则用b （ s， t）对函数f （ x， y）进行灰度腐蚀操作，可以表示为（ fΘb） （ s， t）=max{ f （ s - x， t - y）- b （ x， y）|（ （ s - x） ， （ t - y） ）∈D f； （ x， y）∈D b }（3）（2）基于灰度形态学的轮廓提取轮廓提取是利用图像灰度值局部不连续性和邻域相似性，通过求取图像局部梯度实现的。常用的算子，如Sobel算子、Prewitt算子、Canny算子等，计算复杂度大且抗噪声能力差；而形态学处理具有良好的并行计算和抗噪声能力。因此，本文用灰度形态学的方法提取印刷图像的轮廓。形态学提取图像轮廓有三种方法：①f b - f；②f - fΘb；③f b - fΘb.方法 ①在提取高灰度值、小间距的轮廓时，容易产生轮廓错位和合并，导致检测不准确。方法 ②则容易引起间距小的低灰度轮廓的错位和合并。方法 ③又称做形态学梯度，对噪声敏感且提取的轮廓较粗，而且要进行膨胀和腐蚀操作各一次，因而计算复杂度大。在用轮廓进行配准定位时，轮廓越细腻和完整，配准越精确。综合考虑以上因素，为了保证高灰度值轮廓点的准确提取，选择方法 ②对图像进行处理。从标准图像和待测图像的G通道图像提取的灰度轮廓如图4所示。对其用二次平均阈值法求得阈值h = 37.

　　1 2基于轮廓的自搜索小区域快速图像配准算法如果对原始图像直接进行配准运算，计算复杂度大。为了减少计算复杂度，本文提出了基于轮廓的自搜索小区域快速图像配准算法。其方法为：首先利用标准图像二值轮廓图像快速定位一个合适的M×N的配准区域（本文取256×256的区域） ；然后对配准区域的灰度轮廓点进行最大相关法配准。

　　（1）配准区域的快速定位由于配准区域远小于实际图像，如果对不同的印刷品都以同一固定位置取配准区域，则可能出现该区域图像特征不明显或者轮廓灰度值过低的情况，不利于精确配准，需要搜索图像以寻找较佳的配准区域。由于同一印刷过程中，相机总是对重复场景采样，配准区域搜索只需在检测开始时进行，后续检测可沿用相同区域。如果印刷内容改变需重新搜索。

　　为判断所取区域轮廓点和轮廓特征是否充分，本文提出以平均轮廓点比率或平均灰度值作为衡量值。轮廓点是指二值图像中高灰度值的像素。设二值轮廓图像的大小为m×n，以左上角为原点， f （ i， j）表示（ i， j）点的灰度值， s和S分别表示图像中轮廓点数和总像素数，则S =m×n.二值图像的轮廓点比率和平均灰度值定义如下：平均轮廓点比率 η：η= s/S平均灰度值 λ：λ= < 6 i =m， i = n i = 1， j = 1 f （ i， j） > /S = 255 s/S = 255×η条件1所取区域的平均轮廓点比率和平均灰度值用 η′和 λ′表示，如果满足 η′≥η或 λ′≥λ，则该区域可作为配准区域。

　　搜索配准区域的方法为：在二值轮廓图像中，从原点开始取掩模区域，以 δ为横向步长移动区域；行搜索完后，再以 δy为纵向步长转入下一行搜索，计算每个区域的平均轮廓点比率或平均灰度值；如果满足条件1则退出搜索，该区域即为配准区域，其左上角坐标为（ x o， y o）。步长 δx和 δy一般取掩模宽度的一半，本文中配准模板大小取256×256，δx =δy = 128.从灰度轮廓图像取配准区域图像作为配准图像模板，记为t（ x， y） ；在配准灰度轮廓图像中以（ x o + p x， y o + p y）为起点取大小为（256 + q x - p x） （256 + q y - p y）的图像作为待配准图像，记为b（ x， y）。对t（ x， y）和b（ x， y）进行配准获得的偏差（Δx，Δy）与标准图像和待测图像的偏差是一致的。由于本文使用互相关的方法进行配准，在接近图像边缘时，互相关系数的计算可能失去准确性而出现误配准，应避免使用图像边缘作为配准区域。

　　（2）相关性配准操作对灰度轮廓图像采用相关系数法配准结果可靠，抗干扰能力强，但计算复杂度大。在基于轮廓特征的配准方法中，配准主要利用轮廓特征，非轮廓点对配准的贡献不大，而且过多的非轮廓点还会带来干扰因素，影响配准精度。在轮廓图像中，轮廓点只是极小的部分，因此在计算相关性系数时忽略t （ x，y）中的非轮廓点能极大地降低计算规模。轮廓点是指前文中二值轮廓图像轮廓点的对应点。

[时间：2012-08-07  来源：印刷机械网]