一种印刷品质量检测方法
【专利摘要】本发明公开了一种印刷品质量检测方法，该方法包括图像预处理、印刷品定位、缺陷分割、缺陷识别等方面，解决了印刷品识别的问题。图像预处理阶段，对图像进行了灰度化、中值滤波、灰度拉伸、二值化等处理。在这一过程中，采用OTSU法对图像进行了二值化处理，达到了理想效果，去除了图像的噪声，为印刷品定位和缺陷分割奠定了基础。基于印刷品的基本特征采用一种改进的水平投影法对印刷品进行了缺陷分割。针对印刷品识别的后期技术，该网络由BP神经网络识别模块和模糊控制器构成。实验结果表明，和标准BP网络相比，该算法具有更加良好的性能，满足实时识别印刷品的要求。
【专利说明】
一种印刷品质量检测方法
技术领域
[0001] 本发明属于图像处理技术领域，具体涉及一种印刷品质量检测方法。
【背景技术】
[0002] 随着人们生活水平的提高，人们对印刷品的外观要求越来越高，印刷品也越来越 精细另一方面，当前印刷生产已经实现了自动化和数字化，印刷速度越来越高，这就导致了 印刷品的生产难度不断增加。由于印刷过程中印刷机械和印刷材料的不完善以及一些不易 避免的随机因素的影响，在印刷过程中经常会出现颜色深浅失真、油墨污点、文字模糊、起 皱、漏印、刮伤、套印不准等各种缺陷。
[0003] 为了使印刷品的废品率得到严格的控制，使不合格品得到快速剔除，这就要求我 们在印刷过程中对印刷品出现的各种缺陷能进行准确地识别和判断，并把得到的信息及时 地反馈给印刷机，对印刷机进行适当地调整，以实现对印刷过程的实时控制和印刷品质量 的在线检测。
【发明内容】
[0004] 根据以上现有技术的不足，本发明所要解决的技术问题是提出一种印刷品质量检 测方法，通过获取印刷品的图像，对图像进行预处理并送入识别系统，完成印刷品的自动识 别技术。
[0005] 为了解决上述技术问题，本发明采用的技术方案为:一种印刷品质量检测方法，包 括如下步骤:SOlXCD摄像机由主机控制，当被测印刷品到达预设检测点时，采集接口根据 主机信号自动摄入印刷品正面包含印刷品的视频图像，并对所摄取的图像进行输入接口处 理、帧存和模数转换，图像采集卡获得印刷品图像；S02、对所采集到的图像进行滤波及增 强，通过边缘检测确定印刷品在整个图像中的具体相对位置，并从中将印刷品区域分割出 来并去除噪声干扰，由整个原始图像得到矩形印刷品图像;S03、对图像采集阶段产生倾斜 的印刷品区域图像进行倾斜矫正，去除边框，然后将得到的矩形印刷品区域图像进行分割， 得到几个只包含单个印刷品缺陷的小矩形图像;S04、把分割出的单个缺陷图像输入缺陷识 别系统进行识别，并将结果输出到数据库或显示界面。所述步骤S02中，印刷品在整个图像 中的定位方法具体为:Ρ〇1、边缘腐蚀，在对二值化的印刷品图像进行了边缘检测后，构造垂 直方向的结构基元对图像进行腐蚀运算，来消除背景区域内的噪声;P02、区域连通，采用闭 运算对图像进行处理，通过其连接邻近物体和平滑边界的性能将印刷品区域变为连通区 域;P03、去除干扰，设置印刷品区域面积阈值范围为[T 1;],则把面积大小在[T1, T2]之外 区域看作干扰区域，并将其删除;P04、搜索印刷品，自下而上对图像进行逐行扫描，记录第i 行中白色像素点的数目为X，根据经验设置X的阈值为Thdl，若所在行满足条件P: x>Thdl，记 录i的数值作为缺陷区域下边界ibottom，然后再向上逐行扫描，直到白色像素点数目突然 减少到不满足条件P，再记录此时i的数值作为缺陷区域上边界itop。所述步骤S03中，倾斜 的印刷品图像矫正的具体步骤为:M01、由于图像中印刷品倾斜角度通常在20°以内，于是对 边缘检测后的图像作范围为(-20°，20°)的Radon变换;M02、求取在每个角度Radon变换后投 影图像梯度绝对值，并进行累加;M03、选取最大累加值对应角度作为倾斜角度并进行输出； M04、将印刷品图像根据倾斜角度做逆时针校正。所述步骤S03中，去除图像边框的步骤具体 为:A01、在印刷品图像高度四分之一处自下而上逐行对其扫描，并记录i数值，即上一步i减 I; A02、计算扫描行所含有连续黑色像素点的个数j ; A03、选取阈值为n/5，并将所在行j与其 进行比较，如果j>n/5,则停止扫描，执行下一步；否则返回步骤1继续循环，A04、去除此行以 上所有区域。所述步骤S03中，图像分割的具体步骤为:B01、将二值化后的图像自左向右逐 列扫描，记录每一列的白色像素点数目X，可以用一个In的向量来表示，其中η为印刷品图像 像素列数，可选取X阈值t为2;Β02、在扫描过程中，将所在列X数值与阈值t作比较，直到首次 扫描到X大于阈值t的列，将其标记为缺陷分割起始处，继续扫描直到寻找到X小于阈值t的 列则标记并暂停;B03、然后设置宽度阈值d为印刷品宽度的1/9,计算上述标记的两列之间 宽度并与阈值d作比较，若大于d，则停止扫描;若小于d，继续进行扫描直到寻找到下一个白 色像素点大于阈值t的列并将其标记，继续重复上述宽度判断的过程，直到大于阈值d则缺 陷分割完成。B04、印刷品中其他缺陷均为连通区域，继续自左向右对图像逐列扫描，直到遇 到白色像素点X大于阈值t的列作为起始位置，继续扫描直到X小于阈值或该列与起始列之 间宽度大于总宽度的1/6。
[0006] 本发明有益效果是：（1)本发明先对印刷品图像进行了预处理，去除噪声，克服干 扰，为印刷品定位和缺陷分割奠定基础。采用了分段先行灰度化法，对图像进行了灰度化， 并进行了中值滤波。二值化法采用全局阈值发中的OTSU法，对图像进行了二值化。
[0007] (2)对经过预处理的印刷品进行精确的定位。采用SObel算子法对预处理后的图像 进行了边缘检测，并通过数学形态学方法做了一系列处理，对印刷品进行了精准的定位。
[0008] (3)对定位后的印刷品进行了 Radon变换倾斜校正和去边框的处理，校正效果良 好，保证了印刷品图像的质量。
[0009] (4)分析了常用的缺陷分割法，根据缺陷特征，提出一种基于水平投影的改进型分 割法，对处理后的印刷品缺陷进行了分割，效果良好。
[0010] (5)使用了并行神经网络算法进行印刷品识别，该识别算法具有良好的快速性，稳 定性和准确性，满足印刷品实时识别的要求。由于将一个大样本库分成4个独立的子样本 库，简化了识别过程，也适合硬件实现。
【附图说明】
[0011] 下面对本说明书附图所表达的内容及图中的标记作简要说明：
[0012] 图1是本发明的【具体实施方式】的方法流程图。
[0013] 图2是本发明的【具体实施方式】的并行识别系统构架。
[0014]图3是本发明的【具体实施方式】的BP网络结构图。
【具体实施方式】
[0015]下面对照附图，通过对实施例的描述，本发明的【具体实施方式】如所涉及的各构件 的形状、构造、各部分之间的相互位置及连接关系、各部分的作用及工作原理、制造工艺及 操作使用方法等，作进一步详细的说明，以帮助本领域技术人员对本发明的发明构思、技术 方案有更完整、准确和深入的理解。
[0016] 一种印刷品质量检测方法，包括如下步骤:SO I、CXD摄像机由主机控制，当被测印 刷品到达预设检测点时，采集接口根据主机信号自动摄入印刷品正面包含印刷品的视频图 像，并对所摄取的图像进行输入接口处理、帧存和模数转换，图像采集卡获得印刷品图像； S02、对所采集到的图像进行滤波及增强，通过边缘检测确定印刷品在整个图像中的具体相 对位置，并从中将印刷品区域分割出来并去除噪声干扰，由整个原始图像得到矩形印刷品 图像;S03、对图像采集阶段产生倾斜的印刷品区域图像进行倾斜矫正，去除边框，然后将得 到的矩形印刷品区域图像进行分割，得到几个只包含单个印刷品缺陷的小矩形图像;S04、 把分割出的单个缺陷图像输入缺陷识别系统进行识别，并将结果输出到数据库或显示界 面。所述步骤S02中，印刷品在整个图像中的定位方法具体为:P01、边缘腐蚀，在对二值化的 印刷品图像进行了边缘检测后，构造垂直方向的结构基元对图像进行腐蚀运算，来消除背 景区域内的噪声;P02、区域连通，采用闭运算对图像进行处理，通过其连接邻近物体和平滑 边界的性能将印刷品区域变为连通区域;P03、去除干扰，设置印刷品区域面积阈值范围为 [T 1,T2]，则把面积大小在[T1,T2]之外区域看作干扰区域，并将其删除;P04、搜索印刷品，自 下而上对图像进行逐行扫描，记录第i行中白色像素点的数目为X，根据经验设置X的阈值为 Thdl，若所在行满足条件P:x>Thdl，记录i的数值作为缺陷区域下边界ibottom，然后再向上 逐行扫描，直到白色像素点数目突然减少到不满足条件P，再记录此时i的数值作为缺陷区 域上边界itop。所述步骤S03中，倾斜的印刷品图像矫正的具体步骤为:M01、由于图像中印 刷品倾斜角度通常在20°以内，于是对边缘检测后的图像作范围为（-20°，20°)的Radon变 换;M02、求取在每个角度Radon变换后投影图像梯度绝对值，并进行累加;M03、选取最大累 加值对应角度作为倾斜角度并进行输出;M04、将印刷品图像根据倾斜角度做逆时针校正。 所述步骤S03中，去除图像边框的步骤具体为:A01、在印刷品图像高度四分之一处自下而上 逐行对其扫描，并记录i数值，即上一步i减1;A02、计算扫描行所含有连续黑色像素点的个 数j;A03、选取阈值为n/5,并将所在行j与其进行比较，如果j>n/5,则停止扫描，执行下一 步；否则返回步骤1继续循环，A04、去除此行以上所有区域。所述步骤S03中，图像分割的具 体步骤为:BO1、将二值化后的图像自左向右逐列扫描，记录每一列的白色像素点数目X，可 以用一个I η的向量来表示，其中η为印刷品图像像素列数，可选取X阈值t为2; BO 2、在扫描过 程中，将所在列X数值与阈值t作比较，直到首次扫描到X大于阈值t的列，将其标记为缺陷分 割起始处，继续扫描直到寻找到X小于阈值t的列则标记并暂停;B03、然后设置宽度阈值d为 印刷品宽度的1/9,计算上述标记的两列之间宽度并与阈值d作比较，若大于d，则停止扫描； 若小于d，继续进行扫描直到寻找到下一个白色像素点大于阈值t的列并将其标记，继续重 复上述宽度判断的过程，直到大于阈值d则缺陷分割完成。B04、印刷品中其他缺陷均为连通 区域，继续自左向右对图像逐列扫描，直到遇到白色像素点X大于阈值t的列作为起始位置， 继续扫描直到X小于阈值或该列与起始列之间宽度大于总宽度的1/6。
[0017] 本发明的识别方法主要思路如下:CCD摄像机由主机控制，当被测印刷品到达预设 检测点时，采集接口根据主机信号自动摄入印刷品正面的视频图像，并对所摄取的图像进 行输入接口处理、帧存和模数转换，图像采集卡获得印刷品图像。
[0018] 计算机视觉系统安装在印刷生产线上，对生产线上的印刷产品图像实现实时的动 态采集，采集得到的图像经传输、变换等一系列处理，最后进行缺陷检测。在图像的形成、传 输和变换的过程中，图像经常会被各种不同的噪声，如生产线上传送带的抖动引起的噪声、 传感装置的电噪声、图像传感器和图像传输产生的椒盐噪声等噪声污染。为了提高检测系 统的分析与识别能力，在图像做进一步处理之前，需要进行滤波以去除原始图像中的噪声。
[0019] 通过边缘检测确定印刷品在整个图像中的具体相对位置，并从中将印刷品区域分 割出来并去除噪声干扰，由整个原始图像得到印刷品图像。为了便于后续的识别工作效果 更好，在缺陷分割之前，需要对图像采集阶段产生倾斜的印刷品区域图像进行倾斜矫正。然 后将得到的印刷品区域图像进行分割，得到几个只包含单个印刷品小矩形图像，这便是待 识别的印刷品。在印刷质量检测系统中，印刷品缺陷的检测是通过比较"标准的"模板图像 与实际采集图像，根据它们之间是否存在差异以及差异的大小，来判断印刷品合格与否的。
[0020] 原始印刷品图像一般是通过摄像机等设备拍摄采集所得，所以得到的图像通常是 印刷品及复杂背景的彩色数字图像，这会使系统的运行处理速度变低，而且还会占据很大 的存储空间。于是应该先将原始图像进行灰度化处理，得到灰度图像;另外图像在拍摄的过 程会受到当时印刷品运行速度及外界天气及光线等不确定因素影响，给采集到的图片带来 噪声干扰，而图片质量的降低是不利于后续的定位、缺陷分割及识别工作的。因此，要保证 高的正确识别率，需要提高对图像进行预处理工作，去除噪声和与识别无关的信息，弱化背 景影响，同时增强缺陷区域，使图像质量更适合识别。
[0021] 图像增强是指对图像按照具体需求来进行加工处理，来增强图像中一些重要信息 并抑制其他信息，改善原图像的视觉效果使其变得更有利于后续工作。在拍摄采集和传输 印刷品图像时，往往会有许多不良因素的干扰影响，例如光线条件、拍摄距离、印刷品运行 速度等，这些干扰可能会导致所采集的图像质量降低，印刷品区域对比度低，图像细节模糊 难以辨认，给下一步的定位和识别工作增加难度。于是，应该对印刷品图像做相应的图像增 强处理，来改善图片质量和视觉效果。
[0022] 图像增强是图像预处理的基本内容，包括空域增强和频域增强两大类。空域增强 是指通过改变原图像中像素的灰度值来直接对其进行处理，相当于对图片自身进行处理； 而频域增强则是先改变原图像的傅立叶变换系数，然后将其进行傅立叶变换，得到图像增 强的效果。常用的图像增强手段有图像灰度变换、图像滤波等。在复杂环境下可以采用 Retinex算法和暗原色先验去雾算法等等。
[0023]灰度图像一般共有256个灰度级，虽然其明暗对比度看上去比较明显，但对于印刷 品定位工作来说，还存在着太多的背景像素干扰。为了提高定位和识别的准确率，要将目标 像素和背景像素彻底分离开来，使图像只含有黑与白两种灰度色彩，即图像的灰度级只包 括0和1。将灰度图像进行处理转变成二值图像的过程便是图像的二值化过程。数字图像二 值化所起的作用很大，因为不仅减少了信息量，在存储和运算方面降低了系统资源占用率 和运行时间，还更有利于去除噪声，便于对图像特征进行检测与提取。
[0024] 二值化的具体算法是先根据灰度图像中目标像素和背景像素的灰度值对比，设置 一个二值化阈值范围，然后依据其对像素进行处理，灰度级在阈值范围内划分为一类，其余 的划分为另一类。将背景像素灰度值设置为〇,目标像素灰度值设置为1。由此看来，选取合 适的阈值范围是十分关键的。确定阈值范围的方法很多，总体上可分为全局阈值法和局部 阈值法。
[0025] 为了能准确地将印刷品区域定位提取出来，应将边缘检测后的图像运用数学形态 学方法来进行处理。数学形态学是一种基于几何学与形态集合论，使用特定形态的结构基 元来对二值图像进行分析与处理的理论方法。该方法作为一种独特的研究图像形态特征的 新方法，在图像处理分析、模式识别、视觉检测等领域中取得广泛应用。数学形态学方法是 先选取对图像处理合适类型的结构基元，并采用像素邻域逻辑运算完成对图像形态变换过 程，以加强图像中所需信息。
[0026]本发明采用了数学形态学，选取了不同类型的结构基元，对边缘检测后的图像进 行了多次处理，削弱了背景区域内的干扰因素影响，并将缺陷区域连通成为整体，与其他区 域断开。然后对处理后的图像进行分析，获得准确的定位结果。基于数学形态学处理的印刷 品定位具体步骤为：
[0027] 1.边缘腐蚀
[0028] 在对二值化的印刷品图像进行了边缘检测后，印刷品区域被突出的同时也伴随着 外部区域一些孤立噪声被加强。此时印刷品缺陷区域内含有较丰富的纵向边缘，可以构造 垂直方向的结构基元对图像进行腐蚀运算，来消除背景区域内的噪声。
[0029] 2.区域连通
[0030] 此时印刷品区域内还存在着断开的缺陷边缘纹理，需将其中的空洞和裂缝填补以 成为一个整体。于是可以采用闭运算对图像进行处理，通过其连接邻近物体和平滑边界的 性能将印刷品区域变为连通区域。
[0031] 3.去除干扰
[0032] 闭运算之后的图像中存在一些连通的区域，其中除了印刷品区域外其余都是背景 的干扰，需要尽可能地将这些干扰区域去除。本发明是根据面积来去除一些和印刷品区域 面积相差过多的干扰区域，保留面积接近的作为候选区域。
[0033] 通常来说，经过拍摄所采集印刷品图像中，印刷品区域的面积是在一定范围内的， 设置该面积阈值范围为[T1J 2],则把面积大小在[T1, T2]之外区域看作干扰区域，并将其删 除。摄像机对印刷品的拍摄存在很大的随性，因此需要针对具体情况调整阈值TjPT 2的大 小。
[0034] 4.搜索印刷品
[0035] 将部分干扰区域消除后，自下而上对图像进行逐行扫描，记录第i行中白色像素点 (灰度级为255)的数目为X。根据经验设置X的阈值为Thdl。若所在行满足条件P:x>Thdl，记 录i的数值作为缺陷区域下边界ibottom。然后再向上逐行扫描，直到白色像素点数目突然 减少到不满足条件P，再记录此时i的数值作为缺陷区域上边界itop。最后适量在上下边框 外部各放宽几行以保留印刷品边框。
[0036] 用同样的算法从左向右逐列扫描，也可以将缺陷区域的左右边框ileft和iright 搜索到，在搜索过程中设置白色像素数目y的阈值Thd2要比Thdl小。
[0037] 经过印刷品定位所提取出的印刷品区域还是一个整体，需要将其中的污点等缺陷 分割出来，变成单个缺陷图像的形式，这便是缺陷分割的过程。正确的缺陷分割是印刷品缺 陷识别顺利进行的关键，分割的效果直接影响了识别的正确率。往往实际中拍摄的印刷品 图像中，会或多或少地出现污点、褪色以及光照不匀等因素，再加上分割技术本身的难度， 影响缺陷分割的准确性。本发明对几种常用的缺陷分割算法分别进行了深入研究，然后针 对传统算法的优缺点提出了一种改进算法，并完成了印刷品缺陷分割过程而且效果比较精 确。
[0038] 1.针对印刷品左起第一个缺陷为汉字缺陷进行分割。将二值化后的图像自左向右 逐列扫描，记录每一列的白色像素点数目X，可以用一个In的向量来表示，其中η为印刷品图 像像素列数，可选取X阈值t为2。
[0039] 2.在扫描过程中，将所在列X数值与阈值t作比较，直到首次扫描到X大于阈值t的 列，将其标记为缺陷分割起始处，继续扫描直到寻找到X小于阈值t的列则标记并暂停。然后 设置宽度阈值d为印刷品宽度的1/9,计算上述标记的两列之间宽度并与阈值d作比较，若大 于d，则停止扫描;若小于d，则说明所扫描的为不连通污点，所在列为污点中的间隙，需继续 进行扫描直到寻找到下一个白色像素点大于阈值t的列并将其标记。继续重复上述宽度判 断的过程，直到大于阈值d则缺陷分割完成。
[0040] 3.印刷品中其他缺陷均为连通的，继续自左向右对图像逐列扫描，直到遇到白色 像素点X大于阈值t的列作为起始位置(此时阈值取值应大于3,以跳过第二个缺陷后面的小 圆点），继续扫描直到X小于阈值或该列与起始列之间宽度大于总宽度的1/6。用同样方法分 割出剩余缺陷。
[0041] 缺陷识别是印刷品自动识别系统中最关键的工作步骤，本发明提出了图2所示的 一种并行神经网络结构，识别算法可细分为某些子任务，而且为了减少通信和同步的开销， 各子任务是相互独立的，然后对判决器的工作状态进行如下控制：
[0042] 分类控制采取模糊控制算法，首先判定输入缺陷对各缺陷子集隶属度的最大值， 即
[0043] A(x) =.:max〇),//&(x)}x，其中 A ⑴表示缺陷X对缺陷子集Ri的 隶属程度，取值范围为[0，1]，然后控制Ri的判决器工作是否有效。IF输入向量e缺陷集Ri, THEN缺陷集Ri识别结果有效，判决器将识别结果送往系统输出向量；IF输入向量g缺陷集 R1，THEN缺陷集心识别结果无效，判决器放弃相应识别结果，用' 0 '填充编码结果并发送给系 统输出向量。系统每个输出向量编码对应第i个缺陷集的第j个缺陷。
[0044] 每个网络选取101维特征向量作为输入，根据先验知识，字母识别网络有25个输出 单元(字母A~Z不包括I )，数字识别网络有10个输出单元，汉字识别网络分别有34个输出单 元。经实验，20个隐层单元数有较好的收敛速度。
[0045] -般的说，一个神经元可以同时发送它的激励信号到其它的神经元，函数f(x)是 处处可导的，X的值尽量控制在收敛比较快的范围内，本发明选取神经元作用函数为：
[0046] f(x)=-l/2+l/(l+e-x) (3)
[0047] 实验表明，采用此函数和采用标准S函数相比，收敛时间可以减少40 %左右。用粗 网格和纹理特征作为输入，对4个神经网络分别进行无噪声和有噪声训练，无噪声训练时目 标误差取〇. 1，最大次数为5000次，有噪声训练时目标误差取0.5，最大次数为500次。
[0048]针对网络学习时间长，收敛速度慢的特点，本发明采用式(4-2)加动量项的方法来 调节BP网的连接权值和式(4-1)改进的神经元作用函数，改善学习收敛效果。
[0049] Wy(N + l) -/<3H^.(iV)+ (4)
[0050] 式中 μ取0.8。
[0051] 上面结合附图对本发明进行了示例性描述，显然本发明具体实现并不受上述方式
【主权项】
1. 一种印刷品质量检测方法，其特征在于，包括如下步骤： SO 1、CCD摄像机由主机控制，当被测印刷品到达预设检测点时，采集接口根据主机信号 自动摄入印刷品正面包含印刷品的视频图像，并对所摄取的图像进行输入接口处理、帧存 和模数转换，图像采集卡获得印刷品图像； 502、 对所采集到的图像进行滤波及增强，通过边缘检测确定印刷品在整个图像中的具 体相对位置，并从中将印刷品区域分割出来并去除噪声干扰，由整个原始图像得到矩形印 刷品图像； 503、 对图像采集阶段产生倾斜的印刷品区域图像进行倾斜矫正，去除边框，然后将得 到的矩形印刷品区域图像进行分割，得到几个只包含单个印刷品缺陷的小矩形图像； 504、 把分割出的单个缺陷图像输入缺陷识别系统进行识别，并将结果输出到数据库或 显示界面。2. 根据权利要求1所述的印刷品质量检测方法，其特征在于，所述步骤S02中，印刷品在 整个图像中的定位方法具体为： P01、边缘腐蚀，在对二值化的印刷品图像进行了边缘检测后，构造垂直方向的结构基 元对图像进行腐蚀运算，来消除背景区域内的噪声； P02、区域连通，采用闭运算对图像进行处理，通过其连接邻近物体和平滑边界的性能 将印刷品区域变为连通区域； P03、去除干扰，设置印刷品区域面积阈值范围为[T^Ts]，则把面积大小在[T^Ts]之外 区域看作干扰区域，并将其删除； P04、搜索印刷品，自下而上对图像进行逐行扫描，记录第i行中白色像素点的数目为X， 根据经验设置X的阈值为Thdl，若所在行满足条件P: x>Thdl，记录i的数值作为缺陷区域下 边界ibottom，然后再向上逐行扫描，直到白色像素点数目突然减少到不满足条件P，再记录 此时i的数值作为缺陷区域上边界itop。3. 根据权利要求1所述的印刷品质量检测方法，其特征在于，所述步骤S03中，倾斜的印 刷品图像矫正的具体步骤为： M01、由于图像中印刷品倾斜角度通常在20°以内，于是对边缘检测后的图像作范围为 (-20° ,20°)的Radon变换； M02、求取在每个角度Radon变换后投影图像梯度绝对值，并进行累加； M03、选取最大累加值对应角度作为倾斜角度并进行输出； M04、将印刷品图像根据倾斜角度做逆时针校正。4. 根据权利要求1所述的印刷品质量检测方法，其特征在于，所述步骤S03中，去除图像 边框的步骤具体为： A01、在印刷品图像高度四分之一处自下而上逐行对其扫描，并记录i数值，即上一步i 减1; A02、计算扫描行所含有连续黑色像素点的个数j; A03、选取阈值为n/5,并将所在行j与其进行比较，如果j>n/5,则停止扫描，执行下一 步;否则返回步骤1继续循环， A04、去除此行以上所有区域。5. 根据权利要求1所述的印刷品质量检测方法，其特征在于，所述步骤S03中，图像分割 的具体步骤为： BO 1、将二值化后的图像自左向右逐列扫描，记录每一列的白色像素点数目X，可以用一 个In的向量来表示，其中η为印刷品图像像素列数，可选取X阈值t为2; B02、在扫描过程中，将所在列X数值与阈值t作比较，直到首次扫描到X大于阈值t的列， 将其标记为缺陷分割起始处，继续扫描直到寻找到X小于阈值t的列则标记并暂停； B03、然后设置宽度阈值d为印刷品宽度的1/9,计算上述标记的两列之间宽度并与阈值 d作比较，若大于d，则停止扫描;若小于d，继续进行扫描直到寻找到下一个白色像素点大于 阈值t的列并将其标记，继续重复上述宽度判断的过程，直到大于阈值d则缺陷分割完成。 B04、印刷品中其他缺陷均为连通区域，继续自左向右对图像逐列扫描，直到遇到白色 像素点X大于阈值t的列作为起始位置，继续扫描直到X小于阈值或该列与起始列之间宽度 大于总宽度的1/6。
【文档编号】G06N3/02GK105844621SQ201610157347
【公开日】2016年8月10日
【申请日】2016年3月17日
【发明人】程小飞
【申请人】阜阳市飞扬印务有限公司