圖像分割方法在包裝缺陷檢測(cè)分析中的應(yīng)用

王彩霞 何文華 楊 威

（1、西安航空技術(shù)高等?？茖W(xué)校，陜西 西安 710077 2、西安巨豐智能科技有限公司，陜西 西安710075）

引言

在一般企業(yè)中依靠普通的檢測(cè)設(shè)備可以準(zhǔn)確檢測(cè)出的最小缺陷的面積為0.2mm2，而對(duì)于劃痕、氣泡、斬型不良，印偏等0.02mm2以內(nèi)的缺陷，以及對(duì)鍍鋁、燙印、鐳射等特殊光學(xué)特性產(chǎn)品的質(zhì)量檢測(cè)普遍還存在一定的問題。造成用戶在即將完成包裝時(shí)，可能發(fā)現(xiàn)有上述缺陷問題，經(jīng)常會(huì)退單、返單，追究經(jīng)濟(jì)責(zé)任等。針對(duì)這些情況，與中糧包裝合作，尋找一些高速在線檢測(cè)的方法，以提高包裝的質(zhì)量和效率。要很好地檢測(cè)這些特有的缺陷，只有可能在軟件算法和光學(xué)系統(tǒng)設(shè)計(jì)兩方面進(jìn)行突破。本文僅論述我們從圖像分割的角度入手，對(duì)問題進(jìn)行的分析、處理。

1 基本思路

我們采用的彩色圖像的邊緣檢測(cè)方法，主要是基于內(nèi)容的圖像檢測(cè)系統(tǒng)的彩色圖像分割。它利用圖像的邊緣，確定區(qū)域的空間范圍，在空間范圍的基礎(chǔ)上，統(tǒng)計(jì)該空間的區(qū)域內(nèi)RGB3 分量的波動(dòng)，并最終形成圖像分割依據(jù)。流程框圖如下：

2 圖像分割過程分析

彩色圖像分割是數(shù)字圖像處理中一種廣泛應(yīng)用的技術(shù)。彩色圖像分割與灰度圖像分割的算法相比，大部分算法在分割思想上是一致的，都是基于像素?cái)?shù)值的相似性和空間的接近性。彩色圖像分割只是在對(duì)像素屬性的考察以及特征提取由一維空間轉(zhuǎn)向多維空間。這是由于灰度圖像和彩色圖像對(duì)每一個(gè)像素的描述不同，前者是在一維亮度空間上，而后者是在三維顏色空間上。

2.1 邊緣檢測(cè)方法的選擇

圖像的邊緣檢測(cè)是圖像處理和識(shí)別的主要內(nèi)容之一，一幅圖像識(shí)別的主要信息來自于它的邊緣輪廓。有研究表明，彩色圖像中大約90%邊緣與灰度圖像中的邊緣相同。因此，無(wú)論是彩色圖像還是灰度圖像，邊緣檢測(cè)方法的實(shí)質(zhì)是相同的，都是通過建立一個(gè)圖像函數(shù)，對(duì)圖像中的所有像素從左到右，從上到下進(jìn)行掃描，在某一局部范圍內(nèi)，函數(shù)值最大的點(diǎn)則被認(rèn)為是邊緣點(diǎn)。彩色圖像與灰度圖像的不同之處在于彩色圖像能夠提供更多的邊緣信息，除了可以利用灰度的梯度外，還可以利用顏色梯度以及紋理信息建立圖像函數(shù)來判斷邊緣部分。常用的邊緣檢測(cè)方法有：1）Sobel、Laplacian、Robert 等算子分別作用于R、G、B 三個(gè)通道，再把運(yùn)算結(jié)果以某種方式組合起來，如：取三個(gè)結(jié)果的平方和的平方根、或絕對(duì)值中的最大值、絕對(duì)值之和等。用這種方法檢測(cè)到彩色圖像邊緣，易引起圖像色調(diào)的變化，并且抗噪音能力較弱。2）向量空間方法：其主要思想是將圖像中的每一個(gè)像素看成是RGB 空間中的一個(gè)三維向量，那么整幅彩色圖像就被認(rèn)為是一個(gè)二維三分量的向量場(chǎng)。3)顏色空間方法：就是把彩色圖像映射到超復(fù)數(shù)空間，在空間中對(duì)彩色圖像進(jìn)行變換運(yùn)算，把色彩變化比較大的區(qū)域映射為彩色區(qū)域，而色彩變化較為平和的區(qū)域映射為灰色區(qū)域，這樣就可以實(shí)現(xiàn)彩色分量的分離。這種方法適用于顏色變化明顯的圖像。

經(jīng)過分析對(duì)比，我們選擇了具有最優(yōu)邊緣檢測(cè)所需的特性的Canny 邊緣檢測(cè)算法。它具有好的信噪比，即將非邊緣點(diǎn)判為邊緣點(diǎn)的概率較低，將邊緣點(diǎn)判為非邊緣點(diǎn)的概率也低。其次，具有好的定位性，即檢測(cè)出的邊緣點(diǎn)盡可能地在實(shí)際邊緣的中心。

2.2 輪廓特征提取

輪廓提取就是掏空內(nèi)部點(diǎn)。如果原圖中一點(diǎn)為黑色，且它的8 個(gè)相鄰點(diǎn)都是黑色時(shí)，則將該點(diǎn)排除。雖然我們處理的是二值圖，但實(shí)際是256 級(jí)灰度圖，也只用到了0 和255兩種顏色。

這樣一個(gè)二值圖像閉合邊界的輪廓確定就可以首先按從上到下，由左到右的順序搜索，找到第一個(gè)黑色點(diǎn)一定是最左邊的邊界點(diǎn)，記為A。它的右、右下、下、左下四個(gè)相鄰點(diǎn)中至少有一個(gè)是邊界點(diǎn)，記為B。從B 再開始找，按右、右下、下、左下、左、左上、上、右上的順序找相鄰點(diǎn)中的邊界點(diǎn)C。如果C 點(diǎn)就是A 點(diǎn)，則表明已經(jīng)轉(zhuǎn)一圈，程序結(jié)束。否則，從C 點(diǎn)繼續(xù)找，直到找到A 點(diǎn)為止。這樣，就很容易找到邊界點(diǎn)，如果它的上下左右四個(gè)相鄰點(diǎn)都是黑色，則不是邊界點(diǎn)。否則，即是邊界點(diǎn)。

2.3 區(qū)域顏色統(tǒng)計(jì)與合并

利用前面得到的邊緣信息，對(duì)每一個(gè)邊緣包含的局部區(qū)域，提取其在原圖中的點(diǎn)的信息，進(jìn)行顏色統(tǒng)計(jì)。將灰度相同的點(diǎn)的信息檢測(cè)其RGB 值，如果RGB 值范圍相當(dāng)，則把這些點(diǎn)放在一起，統(tǒng)計(jì)一個(gè)RGB 范圍值，然后用這個(gè)范圍值給對(duì)應(yīng)的邊緣包含的局部區(qū)域賦值，使相鄰的兩部分的RGB 值不同。這樣，統(tǒng)計(jì)區(qū)域中所有點(diǎn)的RGB 值。

做好區(qū)域顏色統(tǒng)計(jì)，對(duì)灰度值相等的圖像區(qū)域的每一個(gè)RGB 分塊進(jìn)行統(tǒng)計(jì)，RGB 值范圍相同的放在一起給其賦一個(gè)新范圍值，這樣就完成了顏色區(qū)域的合并，避免重復(fù)勞動(dòng)，提高了檢索效率。

3 實(shí)驗(yàn)結(jié)果分析

在實(shí)驗(yàn)過程中，我們也發(fā)現(xiàn)Canny 算子對(duì)于一幅包含模糊邊緣的圖像，如果選擇大尺寸的濾波器，雖然能檢測(cè)出模糊邊緣的位置，但得到的邊緣往往偏離其所在實(shí)際位置。所以在能檢測(cè)出邊緣的前提下，Canny 算子應(yīng)盡可能選擇尺度較小的濾波器，但尺度小的濾波器的抗噪音性能又較差。可見，各種算法沒有最好的，只有相對(duì)方便、適用的。

對(duì)于圖像噪音，我們先對(duì)輸入圖像進(jìn)行高斯濾波，除去圖像中的噪音并且對(duì)圖像進(jìn)行平滑處理。然后再利用邊界強(qiáng)度的變化對(duì)圖像進(jìn)行粗分，粗分得到的每塊區(qū)域具有基本一致的顏色和較明晰的輪廓。再就各個(gè)定義塊之間的關(guān)系函數(shù)，進(jìn)行權(quán)重矩陣計(jì)算，將粗分結(jié)果轉(zhuǎn)化成向量圖，最后對(duì)圖進(jìn)行遞歸二分切割。

4 結(jié)論

本試驗(yàn)采取首先對(duì)一幅圖像提取其邊緣信息，利用邊緣跟蹤獲得圖像的基本框架，在得到框架以后，只須對(duì)框架的顏色進(jìn)行比較，就可以快速分析出圖像位置，幫助檢測(cè)系統(tǒng)作出有無(wú)缺陷的判斷。改變了以往的由顏色來確定區(qū)域的模式，并減少了噪音對(duì)圖像的干擾，解決了顏色對(duì)比精度不高帶來的問題。

[1]史婷婷.基于內(nèi)容的圖像檢索方法研究與實(shí)現(xiàn)[D].2007 2；10-11；35-36；

[2]L Yang and F.Algregtsen.Fast Computation of Invariant Geimetric Moments：

A New Method Giving Correct Results[C[，Proe.IEEE Int.conf.On Image Processing，1994

[3]劉禾.數(shù)字圖像處理及應(yīng)用[M].北京:中國(guó)電力出版社,2005.

[4]龔聲榕，劉純平，王強(qiáng)等.數(shù)字圖像處理與分析[M].北京：清華大學(xué)出版社，2006.7