[发明专利]印刷图像的检测方法及检测装置

说明书

技术领域

本发明涉及图像技术领域，特别涉及一种印刷图像的检测方法及检测装置。

背景技术

目前印刷检测行业中，边缘缺陷是一种较常见的缺陷类型，模切的不完整，印刷机的影响，操作人员的不慎等都会造成印刷品边缘的不齐整，从而产生毛边、缺边、缺角、褶皱、刮白、边缘脏点等缺陷。由于这样的缺陷分布在边缘位置，被统称为边缘缺陷。边缘缺陷的特点是距离边缘很近，同时缺陷的尺寸较小与产品背景的对比度较低。对传统的检测方法提出了更高的要求：首先，距离边缘近意味着需要定位精度更高的精定位算法，在检测边缘缺陷的同时，有效的防止边缘定位偏差造成的误报；其次，尺寸小缺陷对比度低对传统算法的检测精度也做出了更高的要求。

然而，传统的基于学习比对的印刷品表面检测算法很难达到以上的要求，很难对边缘缺陷进行检测，亟需改进。

相关技术中，传统的印刷品表面检测算法都是基于学习比对的，即先采集一定数量的好品图像，通过机器学习的方法找到好品的灰度值范围，得到低值图像和高值图像，选择一定程度上高于高值图像或低于低值图像的产品为残次品，剔除残次品，保留好品，完成检测。然而，相关技术中的检测方法对定位有一定的要求，假如发生局部的定位偏差，学习到的图像需要检测部分的图案轮廓就会变得模糊不清，即常说的学糊了，导致检测能力受到很大影响，漏检很多不良品。

进一步地，由于边缘缺陷的位置都在产品边缘，且产品的边缘大多都是平坦区域，传统的学习比对方法使用了区域定位方法，这种方法需要一个或多个特征区域作为定位核。而平坦区域无明显的特征区域，导致定位难度较大，从而产生一定的定位偏差，使得学习后的图像边缘模糊，对边缘缺陷的检测效果较差。虽然使用直线定位方法定位边缘轮廓线后，效果有所好转，但由于边缘缺陷尺寸小，对比度低，基于学习比对的检测算法仍不能很好对边缘缺陷进行检测。同时，传统的学习比对检测方法，将检测区画出产品边界范围后，由于皮带区域和皮带孔区域的影响，使用学习到的图像作为好品范围会产生较多的误检。

发明内容

本发明旨在至少在一定程度上解决上述相关技术中的技术问题之一。

为此，本发明的一个目的在于提出一种能够提高边缘轮廓的提取精确度和定位准确度的印刷图像的检测方法。

本发明的另一个目的在于提出一种印刷图像的检测装置。

为达到上述目的，本发明一方面实施例提出了一种印刷图像的检测方法，包括以下步骤：采集印刷图像；通过自动阈值分割方法对所述印刷图像的前景区域的边缘轮廓进行粗提取；根据背景区域的灰度和所述边缘轮廓的灰度之间的灰度差异阈值对所述边缘轮廓进行编辑，以精确提取所述前景区域的边缘轮廓线；根据区域定位方法和直线定位方法定位所述边缘轮廓线；根据Blob分析方法检测所述边缘轮廓线是否存在缺陷。

根据本发明实施例提出的印刷图像的检测方法，首先对边缘轮廓进行粗提取，其次精确提取边缘轮廓线，并且根据区域定位和直线定位混用的方式定位边缘轮廓线，从而根据Blob分析方法检测边缘轮廓线是否存在缺陷，不但提高边缘轮廓的提取精确度，而且提高边缘轮廓的定位准确度，从而实现边缘缺陷的精确检测。

另外，根据本发明上述实施例的印刷图像的检测方法还可以具有如下附加的技术特征：

进一步地，在本发明的一个实施例中，在定位所述边缘轮廓线时，通过多个定位核定位关联所述边缘轮廓线，以根据所述多个定位核的定位结果加权获取定位偏移结果。

进一步地，在本发明的一个实施例中，上述方法还包括：对于所述轮廓线外部，输出与所述边缘轮廓线相连接的边缘轮廓缺陷；对于所述轮廓线内部，输出与所述边缘轮廓线的距离大于预设阈值的可疑面积缺陷。

进一步地，在本发明的一个实施例中，通过点集方式保存所述边缘轮廓线。

本发明另一方面实施例提出了一种印刷图像的检测装置，包括：采集模块，用于采集印刷图像；第一提取模块，用于通过自动阈值分割方法对所述印刷图像的前景区域的边缘轮廓进行粗提取；第二提取模块，用于根据背景区域的灰度和所述边缘轮廓的灰度之间的灰度差异阈值对所述边缘轮廓进行编辑，以精确提取所述前景区域的边缘轮廓线；定位模块，用于根据区域定位方法和直线定位方法定位所述边缘轮廓线；以及检测模块，根据Blob分析方法检测所述边缘轮廓线是否存在缺陷。