一种基于图像处理的包装盒印刷质量检测方法与流程

本发明涉及图像数据处理，具体涉及一种基于图像处理的包装盒印刷质量检测方法。

背景技术：

1、在包装盒印刷的过程中，由于印刷辊轴表面可能残留的晶体或其墨层不均匀，从而导致在图像中的某些区域中出现未上色或上色不均匀的缺陷，由于第一区域与正常区域存在颜色差异，因此常用阈值分割算法对包装盒表面的印刷质量进行检测，并根据其阈值分割的结果对当前包装盒的印刷质量进行评估。

2、但是在利用传统阈值分割算法对包装盒表面的印刷质量进行检测时，由于其缺陷产生的原因导致的上色不全，存在部分第一区域所表现出的灰度特征可能与当前图像中的其他区域近似，导致对图像整体进行阈值分割后阈值分割结果不明显，难以准确分辨分割结果中的第一区域，进一步导致包装盒印刷质量检测准确性低。

技术实现思路

1、本发明提供一种基于图像处理的包装盒印刷质量检测方法，以解决现有的问题。

2、本发明的一种基于图像处理的包装盒印刷质量检测方法采用如下技术方案：

3、本发明一个实施例提供了一种基于图像处理的包装盒印刷质量检测方法，该方法包括以下步骤：

4、获取包装盒印刷后表面的rgb印刷图像以及灰度化后的印刷图像；

5、获取印刷图像中的边缘线以及rgb印刷图像中像素点的梯度幅值，根据未形成闭合区域的边缘线上端点处边缘像素点与相邻像素点的梯度幅值差异，将未形成闭合区域的边缘线进行闭合处理，将印刷图像中每个边缘线形成的闭合区域记为目标区域，获取各个目标区域的分割阈值，并分割出各个目标区域的背景区域和前景区域；

6、根据目标区域内前景区域和背景区域的面积差异以及像素点的灰度值分布情况获得目标区域的缺陷表现程度，将各个目标区域的缺陷表现程度和面积进行融合获得目标区域的异常可信度，根据异常可信度的大小将所有目标区域划分为第一区域和第二区域，利用印刷图像中第一区域的异常可信度对第一区域的分割阈值进行加权，获得印刷图像的最优分割阈值，利用最优分割阈值获取第二区域的更新前景区域和更新背景区域，根据第一区域的前景区域和背景区域以及第二区域的更新前景区域和更新背景区域内像素点的灰度值差异、前景区域和更新前景区域的面积，获得印刷图像的缺陷程度；

7、根据印刷图像的缺陷程度的大小对包装盒印刷质量进行检测。

8、进一步地，所述对印刷图像进行边缘检测获取印刷图像中的边缘线以及像素点的梯度幅值，包括的具体方法为：

9、利用canny算法对印刷图像进行边缘检测，获得印刷图像的边缘图像，获取边缘图像中未形成闭合区域的边缘线，记为第一边缘线；

10、利用sobel算子获取印刷图像中任意像素点分别在rgb印刷图像的r通道、g通道以及b通道下的梯度幅值。

11、进一步地，所述根据未形成闭合区域的边缘线上端点处边缘像素点与相邻像素点的梯度幅值差异，将未形成闭合区域的边缘线进行闭合处理，包括的具体方法为：

12、将边缘图像中任意一个边缘像素点的8邻域像素点记为边缘像素点的邻域像素点；

13、从任意第一边缘线的端点开始，获取第一边缘线的任意一个端点处边缘像素点与所述端点处边缘像素点的任意一个邻域像素点之间的梯度差异参数，当与端点处边缘像素点之间的梯度差异参数大于预设的第一阈值时，将对应邻域像素点作为第一边缘线的边缘像素点，重新获取第一边缘线的端点处对应的边缘像素点，以此类推，使第一边缘线形成闭合区域。

14、进一步地，所述梯度差异参数的具体计算方法为：

15、

16、其中，表示第一边缘线的任意一个端点处边缘像素点与所述边缘像素点的第个邻域像素点之间的梯度差异参数；、和表示第一边缘线的任意一个端点处边缘像素点分别在r通道、g通道和b通道下的梯度幅值；、和表示第一边缘线的任意一个端点处边缘像素点的第个邻域像素点分别在r通道、g通道和b通道下的梯度幅值；表示绝对值符号。

17、进一步地，所述获取各个目标区域的分割阈值，并分割出各个目标区域的背景区域和前景区域，包括的具体方法为：

18、利用大津法获取每个目标区域的分割阈值，获取任意目标中各个灰度值在目标区域中对应像素点的数量，将目标区域中各个灰度值对应像素点的数量最多的像素点记为第一像素点；

19、当第一像素点的灰度值大于所在目标区域的分割阈值时，将目标区域中所有第一像素点形成的区域记为目标区域的背景区域，背景区域以外的其他区域为前景区域；

20、当第一像素点的灰度值小于等于所在目标区域的分割阈值时，将目标区域中所有第一像素点形成的区域记为目标区域的前景区域，前景区域以外的区域记为背景区域。

21、进一步地，所述根据目标区域内前景区域和背景区域的面积差异以及像素点的灰度值分布情况获得目标区域的缺陷表现程度，包括的具体方法为：

22、将目标区域的前景区域和背景区域的面积比值记为第一比值；将一个灰度值作为一个灰度级，获取目标区域中灰度级的数量以及目标区域中所有像素点的灰度值的信息熵；

23、将第一比值、目标区域中灰度级的数量以及目标区域中所有像素点的灰度值的信息熵的累乘结果记为目标区域的前景混乱程度；

24、将目标区域的前景区域中所有像素点的最小灰度值与目标区域的分割阈值的差值绝对值记为第一差值，将目标区域的背景区域中所有像素点的最大灰度值与目标区域的分割阈值的差值绝对值记为第二差值；将第一差值和第二差值的和值记为目标区域的分割系数；

25、将目标区域的前景混乱程度、分割系数以及目标区域的前景区域内所有像素点的灰度值的方差的累乘结果记为目标区域的缺陷表现程度。

26、进一步地，所述将各个目标区域的缺陷表现程度和面积进行融合获得目标区域的异常可信度，根据异常可信度的大小将所有目标区域划分为第一区域和第二区域，包括的具体方法为：

27、将目标区域的缺陷表现程度与目标区域的面积相乘，将相乘结果记为可信因子，对所有目标区域的可信因子进行线性归一化，将归一化结果记为对应目标区域的异常可信度，将异常可信度大于等于预设的可信度阈值的目标区域记为第一区域，将第一区域以外的目标区域记为第二区域。

28、进一步地，所述利用印刷图像中第一区域的异常可信度对第一区域的分割阈值进行加权，获得印刷图像的最优分割阈值，利用最优分割阈值获取第二区域的更新前景区域和更新背景区域，包括的具体方法为：

29、印刷图像的最优分割阈值的具体计算方法为：

30、

31、其中，表示印刷图像的最优分割阈值；表示印刷图像中第一区域的数量；表示印刷图像中第个第一区域的异常可信度；表示印刷图像中第个第一区域的分割阈值；

32、将印刷图像的最优分割阈值作为印刷图像中第二区域的分割阈值，获取第二区域中的更新背景区域和更新前景区域，所述第二区域中的更新背景区域和更新前景区域的获取方法与目标区域的背景区域和前景区域的获取方法相同。

33、进一步地，所述根据第一区域的前景区域和背景区域以及第二区域的更新前景区域和更新背景区域内像素点的灰度值差异、前景区域和更新前景区域的面积，获得印刷图像的缺陷程度，包括的具体方法为：

34、将第一区域和第二区域统称为第三区域；将第一区域的前景区域和第二区域的更新前景区域统称为最终前景区域，将第一区域的背景区域和第二区域的更新背景区域统称为最终背景区域；

35、印刷图像的缺陷程度的具体计算方法为：

36、

37、其中，表示印刷图像的缺陷程度；表示印刷图像中第三区域的数量；表示印刷图像中第个第三区域的最终前景区域的面积；表示印刷图像中第个第三区域的面积；和分别表示印刷图像中第个第三区域的最终前景区域和最终背景区域内所有像素点的灰度值均值；表示绝对值符号；表示sigmoid归一化函数。

38、进一步地，所述根据印刷图像的缺陷程度的大小对包装盒印刷质量进行检测，包括的具体方法为：

39、当印刷图像的缺陷程度大于预设的缺陷程度阈值时，将印刷图像对应的包装盒标记为印刷不合格，并进行废弃回收。

40、本发明的技术方案的有益效果是：通过边缘检测对印刷图像进行区域划分，将印刷图像中不同图案对应的区域划分开获得若干个目标区域，通过对每个目标区域进行阈值分割，并利用第一区域的异常可信度对第一区域的分割阈值进行加权获得印刷图像的最优分割阈值，以对第二区域重新分割，提高了对印刷图像中阈值分割效果不理想区域的分割效果，进一步提高了对包装盒印刷质量检测结果的准确性。