基于图像处理的印刷品在线缺陷检测系统

论文摘要

由于印刷技术的不完善以及其他不可避免的随机因素,印刷品表面经常会出现各种缺陷,主要有颜色失真、油墨溅污、黑点、文字模糊、玷污、起皱、漏印、刮伤、错位等。在高速印刷中,操作者必须随时了解印刷质量的情况,并及时采取措施加以控制,保证生产的顺利进行进而提高产品的印刷质量。本文对印刷品在线缺陷检测中的图像处理算法进行了详细的研究和试验,得到了系统的图像处理流程,并应用于印刷品缺陷检测系统。通过线阵CCD实时数据采集得到的图像需要做数字化处理,势必会产生误差;同时光照的不均匀,环境中存在的噪声干扰也会降低图像的质量,所有这些都需要进行图像预处理来提高图像质量。本文中采用中值滤波算法,在去除脉冲噪声、椒盐噪声的同时又能保留图像边缘细节。理想情况下,图像每次拍摄的位置理论上应该是相同的。但是,实际中总会存在少量偏移,这就需要配准待检测图像和标准图像。图像配准贯穿模板制作和缺陷检测的整个过程,算法的选择至关重要。本文选择了基于特征量的配准算法,计算量小,速度快,满足了在线印刷品检测的特殊要求。如果不考虑外界因素影响,合格印刷产品图像即可作为模板图像。但是在多数情况下,需要用一定数量的合格样本制作模板图像,以减小或去除随机因素的干扰。最后,将处理结果作为印刷品的标准图像。本文根据实际情况,选择单模板和双模板的方法制作模板图像。若干合格样本图像经过配准后,可采用统计平均法得到单模板图像;采用极端比对法得到双模板图像。待检图像与标准图像配准后,通过图像减影得到差分图像。将各像素上的差值与预先设定好的阈值进行比较,如果大于阈值,则记为缺陷点。本文通过对缺陷图像进行数学形态学的腐蚀、膨胀后,采用斑点分析算法对缺陷进行提取和分类。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 本课题研究的目的和意义
• 1.2 国内外研究进展
• 1.2.1 国外研究进展
• 1.2.2 国内研究进展
• 1.3 机器视觉系统
• 1.3.1 机器视觉概述
• 1.3.2 机器视觉应用
• 1.3.3 机器视觉图像处理
• 1.4 课题主要研究内容
• 第2章 常用图像处理算法
• 2.1 图像预处理
• 2.1.1 线性滤波
• 2.1.2 非线性滤波
• 2.2 图像配准
• 2.2.1 图像配准简介
• 2.2.2 ICP算法及其改进算法
• 2.2.3 遗传算法
• 2.2.4 特征量匹配算法
• 2.3 连通性标记算法
• 2.3.1 像素标记算法
• 2.3.2 游程连通性标记算法
• 2.3.3 顶点坐标表示法
• 2.4 本章小结
• 第3章 印刷品图像处理
• 3.1 印刷品图像配准
• 3.1.1 印刷品特点
• 3.1.2 印刷品图像配准
• 3.2 模板图像的制作
• 3.2.1 单模板法
• 3.2.2 双模板法
• 3.3 图像减影
• 3.3.1 图像减影原理
• 3.3.2 缺陷检测中的图像减影特点
• 3.4 游程连通性标记算法
• 3.4.1 算法流程
• 3.4.2 算法原理
• 3.5 本章小结
• 第4章 在线缺陷检测系统
• 4.1 在线缺陷检测系统概述
• 4.1.1 在线缺陷检测系统工作流程
• 4.1.2 在线检测特点
• 4.1.3 印刷品缺陷检测需要考虑的主要问题
• 4.1.4 在线检测图像处理流程
• 4.2 缺陷检测预备工作
• 4.2.1 图像采集
• 4.2.2 图像预处理
• 4.2.3 样本制作
• 4.3 缺陷图像处理
• 4.3.1 常见的缺陷类型
• 4.3.2 缺陷检测结果
• 4.3.3 缺陷信息的统计和报警
• 4.4 彩色图像的缺陷检测
• 4.4.1 色彩模式
• 4.4.2 图像处理
• 4.5 本章小结
• 结论
• 参考文献
• 致谢