基于机器视觉的药盒印刷质量检测系统配准算法研究_图文

1、 广东印刷 2010.1在印刷品质量检测系统中，图像配准算法是一项关键技术。配准的精度和速度直接影响到系统的性能。根据药盒印刷质量检测的特点和要求，文章针对印刷图像配准算法进行研究。本文采用互相关算法和基于控制点搜索策略相结合的配准方法。实验结果显示该算法能够快速、有效地配准采集到的药盒印刷图像。一、介绍印刷质量检测的整体思路是用一幅合格的印刷品模版图像和一幅待检的印刷品图像进行比较，提取两者的差异信息，并设定相应的阈值，用来判断待检图像是否合格。印刷质量检测系统的原理框图，如图一所示。二、互相关算法与基于控制点搜索策略相结合的图像配准算法药盒在印刷过程中，因为机械原因会存在一定程度的变形，而

2、产生的变形可以看成一种刚体变形（只存在水平和旋转这两种变形），相应的模版图像和待配准图像之间的配准操作可以通过刚体变换来完成。1. 图像边缘提取和二值化操作在图像配准和缺陷检测之前，为了克服噪声的影响，更多的获取图像的主要边缘信息，需要对采集到的印刷品图像进行边缘提取、二值化等预处理操作。在系统中，我们采用改进的二值化技术，如下：if （f (x ，y 臆T f (x ，y =0；else f (x ，y =f(x ，y (1T 为二值化的阈值，针对药盒的印刷图像检测，T 将会在110到130之间取值。印刷品的边界图像，以及进行二值化处理后的图像，如图二所示。2. ROI （Region of

3、 Interest ）区域选择根据前面的分析可知，药盒上的印刷图像的变形可看成刚体变形，通过选择一块特定的ROI 区域，并将从此ROI 区域中获得的变换参数，作为整幅印刷图像的变换参数，这样可以极大的减少算法所需处理的数据量。这里需要特别指出的是，在选择模版图像和待测图像的ROI 区域时，我们必须遵守两点原则。第一点：保 证基于机器视觉的药盒印刷质量检测系统文/綦宏伟赵丽花 图一印刷品质量检测系统原理图包装印刷（A ）原始模板图像（B ）边缘提取，二值化后的图像图二边缘提取和二值化技术专栏48- 广东印刷2010.1所选择的两个ROI 区域完全相同；第二点：两个ROI 区域要形状规则，对比明显

4、。本系统中，所选择的ROI 区域如图三所示。3. 图像配准配准操作，主要在所选择的ROI 区域中，采用最大互相关算法来确定模板图像和待配准图像的相对旋转角度和水平、垂直的偏移量，进而完成模板图像和待配准图像的配准工作。当对两个ROI 区域采用互相关算法时，要先固定一个ROI 区域，然后让另一个ROI 区域在横向、纵向，以及轴向区域进行变换。假定横向平移量为 x ，垂直平移量为 y ，旋转角为 ，对任意一组形变参数（ x ， y ， ），采用互相关运算可以获得两个ROI 区域的相关度。通过遍历ROI 区域中的每一组（ x ， y ， ）参数，可以得到最大相关度的一组参数，以这组参数作为两个ROI

5、 区域的配准参数，完成配准操作。刚体变形的旋转偏角确定。药盒在印制过程中，是将多个药盒印在一张大纸上（一张纸上可以印制56个药盒，分为8行7列）。假定获得的印刷图像只存在一定的刚体变形，且同一行的8个药盒印刷图像严格平行，通过比较同一行的两幅药盒印刷图像，即可得到模版图像和待配准图像的相对旋转角度。在待配准图像的同一行药盒印刷图像中选择两个相同的ROI 区域ROI1和ROI2，同时再在模版图像中和ROI1和ROI2相对应的位置选择ROI3和ROI4。模版图像和配准图像的相对旋转角度 ，能够通过如下方法确定。首先假定ROI1和ROI2的质心相距(dx ，dy ，同时这两个区域通过互相关算法完成有

6、效配准时的实际偏移位移为（ x ， y ）；同理ROI3和ROI4的质心为(dx ，dy 有效配准时的偏移位移为（ x ， y ）。待配准图像和水平方向的分离角 1为： 1=arctan( (2同理，模版图像和水平方向的分离角 2为： 2=arctan( (3模版印刷图像和待检印刷图像的相对旋转偏角 为： = 2- 1(4计算模板图像和待配准图像旋转偏角的算法示意图，如图五：图像旋转和插值变换。确定了模板图像和待配准图像的相对旋转角度 后，将待配准图像f （x ，y ）反向旋转 ，相应的模版图像和待检图像的配准就简化为单纯的平移变换。对图像进行旋转操作，首先必须选定一点(x 0，y 0 作为图

7、像的旋转中心，通常选择ROI 区域的中心点或者是顶点。图像f （x ，y ）进行旋转操作后不是每个像素点都对应一个整数坐标，因此一个图像进行旋转操作后，需要进行相应的插值变换操作来得到旋转后图像。插值算法有很多种，考虑到算法的耗时和精度，本系统采用双线性插值算法。假定坐标系中(x ，y 是图像f （x ，y ）的一个点，当图像围绕点(x 0，y 0 旋转 ，相应的坐标变为(x ，y ，有：x =(x -x 0 cos +(y-y 0 sin +x 0=x cos +y sin +Dx(5y =(y -y 0 cos -(x-x 0 sin +y 0=y cos +x sin +Dy(6其中，D

8、x=-x0cos -y 0sin +x 0(7 Dy=-x0sin +y 0cos +y 0(8待配准图像进行旋转、插值操作后，只剩下简单的 平图三ROI 区域的 选择图四同行的两幅药盒图像ROI 区域 选择图五计算旋转偏角的算法示意图包装印刷技术专栏49- 广东印刷 2010.1移操作。4. 基于控制点的搜索策略在得到模版图像和待配准图像的相对旋转偏角 和平移量（ x ， y ）后，如果利用互相关算法搜索给定区域的每一个控制点（在图像配准中，每个（ x ， y ， ）参数组称为一个控制点），当搜索区域较大且要求的配准精度较高时，全局搜索耗时长，无法满足系统实时性要求，为了解决这个问题，这里采

9、用了基于控制点的优化搜索策略。基于控制点的优化搜索策略采用一种由粗到细的搜索思路。首先在低精度情况下对图像进行粗略搜索，找到相应的最优控制点（ x i ， y j ），然后以此控制点（ x i ， y j ）作为一个范围更小、精度更高的搜索区域中心，再次搜索得到一个精度更高的控制点。按此思路继续搜索，可以很快找到所需精度下的最优的控制点（ x ， y ）。基于控制点的优化搜索算法，其思路在图六中给出直观的说明。如图六所示，该搜索区域为-1+1像素，最小搜索精度为1/4个像素。图六（A ）指出算法在搜索区域为-1+1像素范围内的9个控制点，搜索精度在一个像素以内，寻找最优的匹配点。最佳配准点即如图六（A ）中所示的黑点。然后提高搜索精度，搜索步长和搜索范围减半，在15个点中找到最优的匹配点为图六（B ）中所示黑点。搜索算法继续进行下去，直到搜索到满足配准精度的匹配点。5. 实验结果和分析为了测试互相关算法和基于控制点的优化搜索策略相结合的配准算法的配准精度和速度，我们采用两组图像对算法进行测试：一组是模板图像，另一组是对模板图像按照参数（x ，y ，）进行刚体变换形成的待配准图像。采用上述算法对进行两组图像的配准工作，获得组配准参数。通过比较这两组参数，我们可以得出配准的精度。刚体变形参数值和通过上述算法得到的变形参数的计算值