基于機(jī)器視覺(jué)的色差檢測(cè)算法*

范鵬飛， 孫 俊

(江南大學(xué) 物聯(lián)網(wǎng)工程學(xué)院，江蘇 無(wú)錫 214122)

?

基于機(jī)器視覺(jué)的色差檢測(cè)算法*

范鵬飛， 孫 俊

(江南大學(xué) 物聯(lián)網(wǎng)工程學(xué)院，江蘇 無(wú)錫 214122)

針對(duì)金屬印刷質(zhì)量中的色差檢測(cè)問(wèn)題，采用機(jī)器視覺(jué)的技術(shù)對(duì)色差檢測(cè)算法進(jìn)行了研究。通過(guò)在金屬印刷品的留白區(qū)域印刷色標(biāo)，使用工業(yè)CCD相機(jī)采集金屬印刷產(chǎn)品上的色標(biāo)區(qū)域，使用數(shù)字圖像處理技術(shù)提取色標(biāo)。使用了基于HSV顏色空間的色差檢測(cè)算法和基于CIELAB顏色空間的色差檢測(cè)算法，分析了兩種顏色空間下色差檢測(cè)的實(shí)驗(yàn)結(jié)果，采用兩種顏色空間檢測(cè)算法相結(jié)合的方法，實(shí)現(xiàn)對(duì)色差合理有效的快速檢測(cè)，同時(shí)能保證檢測(cè)結(jié)果的準(zhǔn)確性。

機(jī)器視覺(jué)； 圖像處理； 色差檢測(cè)

0 引 言

印鐵包裝行業(yè)是印刷業(yè)中的一個(gè)分支，主要是指其承印物為金屬的印刷包裝行業(yè)。在印鐵過(guò)程中，由于墨量調(diào)節(jié)不均勻等原因會(huì)造成印件的色誤差，影響產(chǎn)品的一致性。目前國(guó)內(nèi)普遍采用的判別方法是人工判別，人工判別不但受人的主觀因素影響，而且判別結(jié)果因人而異而缺乏一致性，因此,本文通過(guò)機(jī)器視覺(jué)技術(shù)對(duì)金屬印刷的色差質(zhì)量檢測(cè)具有重要的現(xiàn)實(shí)意義[1]。

1 基于機(jī)器視覺(jué)技術(shù)的色標(biāo)提取

機(jī)器視覺(jué)從原理上來(lái)說(shuō)就是利用傳感器獲取目標(biāo)圖像,然后利用計(jì)算機(jī)分析處理各種信息[2]。金屬印刷的色差檢測(cè)需要對(duì)獲取到圖像的顏色信息進(jìn)行分析，這就要求相機(jī)是彩色相機(jī)，為了獲取彩色色標(biāo)，采用了德國(guó)Allied Vision Technologies公司(AVT)的Stingray F088C面陣相機(jī)，選取D65做照明光源。

1.1 圖像去噪

數(shù)字圖像在采集過(guò)程中由于成像傳感器的性能受到各種干擾而存在一定程度的噪聲?？紤]到不僅要消除噪聲對(duì)圖像分析的干擾，而且要保證圖像具有良好的邊緣，便于圖像分割，選用中值濾波來(lái)對(duì)圖像去除噪聲[3]。

1.2 圖像分割

圖像的冗余信息大多是白色的背景圖像，因此,可以通過(guò)累積灰度值的方法實(shí)現(xiàn)色標(biāo)區(qū)域的初次分割，消除圖像的冗余信息。首先將圖像轉(zhuǎn)換為灰度圖像，再將圖像的每行的灰度值進(jìn)行簡(jiǎn)單的累加，得到圖像在行方向的灰度值累加圖，找出灰度值累加圖的峰谷，峰谷的行坐標(biāo)y，即色標(biāo)的中心線(xiàn)位置，以y行為中心，分割出高度為H的子圖像，由于色標(biāo)的大小是固定的，相機(jī)離金屬承印物的距離也是固定的，所以相機(jī)獲取到的圖像中，色標(biāo)的大小大致是相同，因此，設(shè)定H為80能保證分割出來(lái)完整的色標(biāo)。初次分割出來(lái)的圖像如圖1。

圖1 初次分割Fig 1 First segmentation

為了能精確的分割出色標(biāo)，把初次分割出的子圖像采用閾值分割算法[4]進(jìn)行閾值處理。將圖像在橫向分成多個(gè)大小相同的矩形區(qū)域，并對(duì)矩形區(qū)域分別進(jìn)行全局閾值分割。圖2(a)是分成8個(gè)矩形區(qū)域的二值圖像。

圖2 二次分割Fig 2 Second segmentation

對(duì)閾值分割圖像的每一列灰度值進(jìn)行累加計(jì)算，使用一階差分對(duì)列累加灰度值進(jìn)行處理[5]。在數(shù)字圖像處理中，一階差分算法通常轉(zhuǎn)化為公式(1)來(lái)進(jìn)行計(jì)算

(1)

經(jīng)過(guò)一階差分后能準(zhǔn)確的找到目標(biāo)色標(biāo)的兩端的邊界，從而成功分割出目標(biāo)色標(biāo)。最終得到的色標(biāo)圖像如圖2(b)所示。

2 色差檢測(cè)算法與實(shí)驗(yàn)驗(yàn)證

2.1 基于HSV顏色空間的色差檢測(cè)算法

HSV顏色空間通過(guò)色調(diào)H、飽和度S、亮度V描述顏色信息。計(jì)算HSV顏色空間下的顏色直方圖時(shí)，為了降低算法的計(jì)算量和存儲(chǔ)空間，可以將HSV顏色空間三個(gè)分量分別進(jìn)行量化處理。依據(jù)經(jīng)驗(yàn)和人眼對(duì)各分量的不同范圍的敏感程度不同進(jìn)行非等間隔量化，其中，色調(diào)H分成12份，飽和度S和亮度V分成3份[6]。

量化之后，將H，S，V三維特征矢量組合成一維特征向量，從而實(shí)現(xiàn)對(duì)顏色直方圖的降維。合成時(shí)為了體現(xiàn)不同分量對(duì)人眼色彩感知影響的程度的區(qū)別，三個(gè)矢量要分別取不同的權(quán)值，通過(guò)式(2)將顏色三維特征矢量組合成一個(gè)一維矢量L，即

L=HQSQV+SQV+V

(2)

式中QS為分量S的量化級(jí)數(shù)，QV為分量V的量化級(jí)數(shù)，實(shí)驗(yàn)中，取QS=3，QV=3。計(jì)算可知L的取值范圍是[0,107]。

圖3 色標(biāo)Fig 3 Color mark

實(shí)驗(yàn)中，采用直方圖交叉算法進(jìn)行顏色相似性度量，直方圖交叉算法是通過(guò)計(jì)算兩幅圖像直方圖的公共部分。相似度取值范圍為0～1，相似性取值越低，說(shuō)明存在的色差越嚴(yán)重。對(duì)于歸一化的直方圖，它們之間相交距離的計(jì)算如式(3)

(3)

式中 Q為標(biāo)準(zhǔn)樣品，其顏色直方圖特征矢量為Hq(q0,q1,…，qi)，S為待測(cè)樣品，其顏色直方圖特征矢量為Hs(s0,s1,…，si)，其中，0≤qi≤1,0≤si≤1，L是一維直方圖矢量的維數(shù)。

圖4 圖3HSV顏色空間中的一維矢量直方圖Fig 4 1D vector histogram in HSV color space of fig3

從圖4(a)和圖4(b)中可以看出，圖3(a)和圖3(b)人眼無(wú)法識(shí)別是否存在顏色差異，其一維顏色特征矢量的直方圖也基本相同。通過(guò)式(3)計(jì)算得出兩者相似度為0.977 6。

從圖4(a)和圖4(c)中可以看出，圖3(a)和圖3(c)存在人眼可以識(shí)別的顏色差異，其一維顏色特征矢量的直方圖也存在一定的差異性。計(jì)算得出兩者相似度為0.401 8。

該算法能較為準(zhǔn)確地檢測(cè)出兩幅圖像之間的色差大小。多次實(shí)驗(yàn)測(cè)試證實(shí)相似度在0.95以上的圖像，人眼是無(wú)法觀察出其顏色差異的。相似度在0.90以下的圖像，人眼能明顯觀察到其顏色差異。

2.2 基于CIELAB顏色空間的色差檢測(cè)算法

CIELAB色差公式[7]作為國(guó)際通用的測(cè)色標(biāo)準(zhǔn)，其結(jié)果能較好地反映出人眼對(duì)顏色變化的感知程度。

總色差公式為

(4)

各單項(xiàng)色差公式為：

明度差

ΔL=L1-L0

(5)

色度差

Δa=a1-a0,Δb=b1-b0

(6)

彩度差

(7)

色相差

(8)

式中 L1，a1，b1為待測(cè)樣品在CIELAB顏色空間的坐標(biāo)值，L0，a0，b0為標(biāo)準(zhǔn)樣品在CIELAB顏色空間的坐標(biāo)值。在CIELAB色差公式發(fā)展出來(lái)的CIEDE2000色差公式[8]計(jì)算比較復(fù)雜，分以下步驟進(jìn)行計(jì)算：

(9)

2)計(jì)算ΔL′,ΔC′,ΔH′

(10)

3)計(jì)算色差權(quán)重函數(shù)SL,SC,SH和旋轉(zhuǎn)函數(shù)RT,RC

(11)

(12)

(13)

4)計(jì)算色差ΔE00

ΔE00=

(14)

CIEDE2000色差公式中KL，KC，KH為權(quán)重系數(shù)，公式中選取KL=1.4，KC=1，KH=1。將兩個(gè)色差公式運(yùn)用到金屬印刷的色差檢測(cè)中，對(duì)實(shí)驗(yàn)的結(jié)果數(shù)據(jù)進(jìn)行分析。

首先在圖3(a)、圖3(b)和3(c)上每個(gè)小色塊中隨機(jī)選取一點(diǎn)，分別計(jì)算兩個(gè)公式計(jì)算得出的色差值。表1為圖3(b)和圖3(c)像素點(diǎn)坐標(biāo)值和計(jì)算出對(duì)應(yīng)的色差值，從表1可以看出，對(duì)相同的一個(gè)像素點(diǎn)，使用CIELAB和CIEDE2000計(jì)算出來(lái)的色差值是不一樣的。CIELAB計(jì)算出的色差值都要比CIEDE2000計(jì)算出的色差值大。

表1 圖3(b)和圖3(c)隨機(jī)點(diǎn)的色差值

表2是計(jì)算每個(gè)色塊的區(qū)域平均色差值，反映色標(biāo)在不同大小印刷網(wǎng)點(diǎn)色塊存在的色差程度。從表2中的數(shù)據(jù)，可以看出CIEDE2000計(jì)算出色差值大多是在1.0～3.0之間，比較符合人眼的視覺(jué)感知，CIELAB在計(jì)算出的區(qū)域色差值較人眼視覺(jué)感知明顯偏大。從表2中的數(shù)據(jù)可以看出，CIEDE2000計(jì)算出色差值都在4.0～6.0之間，而CIELAB在計(jì)算出色差值都在6.0以上。當(dāng)圖像存在嚴(yán)重的色差時(shí)，CIELAB計(jì)算出的色差值和人眼視覺(jué)感知更加貼近。

通過(guò)上面對(duì)表1和表2的分析，兩者都能較好地反映色差變化，但是CIELAB對(duì)小色差過(guò)于敏感，而CIEDE2000對(duì)大色差不夠敏感。

對(duì)于基于HSV顏色空間的相似度的色差檢測(cè)法，雖然不能定量地描述色差，但是能提供色差問(wèn)題的嚴(yán)重程度。因此，采用HSV相似度和CIELAB的兩個(gè)色差公式結(jié)合起來(lái)，以實(shí)現(xiàn)對(duì)檢測(cè)出的色差值更符合人眼的顏色感知。因此，可設(shè)定當(dāng)相似度低于80 %時(shí)使用CIELAB公式計(jì)算色差；當(dāng)相似度介于80 %～95 %時(shí)，使用CIEDE2000公式計(jì)算色差；當(dāng)相似度在95 %上時(shí)，可以判定待測(cè)樣品不存在色差問(wèn)題。

表2 圖3(b)和圖3(c)的區(qū)域色差值

3 結(jié)束語(yǔ)

在金屬印刷色差檢測(cè)算法的研究中，通過(guò)機(jī)器視覺(jué)的方法實(shí)現(xiàn)了對(duì)金屬印刷制品的有效檢測(cè)。從定性和定量的角度研究了金屬印刷色差檢測(cè)算法，定性檢測(cè)是根據(jù)HSV顏色空間的直方圖交叉算法進(jìn)行顏色相似性度量，定量檢測(cè)是根據(jù)CIELAB顏色空間的色差公式計(jì)算色標(biāo)的色差值。實(shí)驗(yàn)結(jié)果表明：根據(jù)不同的HSV顏色空間的相似度值，選取不同的色差公式進(jìn)行色差檢測(cè)，可實(shí)現(xiàn)有效準(zhǔn)確的檢測(cè)。

[1] 徐明亮,李成淵,梅 娟.基于SURF特征的印鐵圖像色差在線(xiàn)檢測(cè)研究].包裝工程,2012,33(15):103-108.

[2] 楊思思,周 泓,虞俠挺.基于機(jī)器視覺(jué)的人工光植物工廠植物生長(zhǎng)狀況監(jiān)測(cè)系統(tǒng)].傳感器與微系統(tǒng),2014,33(12):88-90.

[3] Yuan H D.Blind forensics of median filtering in digital image-s].IEEE Transactions on Information Forensics and Security,2011,6(4):1335-1345.

[4] Cai H,Yang Z,Cao X,et al.A new iterative triclass thresholding technique in image segmentation].IEEE Transactions on Image Processing,2014,23(3):1038-1046.

[5] 阮秋琦.數(shù)字圖像處理學(xué)].北京：電子工業(yè)出版社,2007.

[6] 李鵬飛,王 婧,景軍鋒.織物色差的定性和定量測(cè)試方法].棉紡織技術(shù),2014,42(4):38-41.

[7] 黃 虎,程 建,蒲 恬.基于機(jī)器視覺(jué)的工業(yè)品色差檢測(cè)系統(tǒng)].兵工自動(dòng)化,2010,29(7):78-80.

[8] 鄭元林,劉士偉.最新色差公式:CIEDE2000].印刷質(zhì)量與標(biāo)準(zhǔn)化,2004(7):34-37.

孫 俊，通訊作者，E—mail:sunjun_wx@hotmail.com。

Research on color difference detection algorithm based on machine vision*

FAN Peng-fei, SUN Jun

(School of Internet of Things Engineering,Jiangnan University,Wuxi 214122,China)

Algorithm for color difference detection based on machine vision is studied to solve the problem of color difference detection in metal printing.By printing color mark in metal blank area,capture color mark areas on metal printing products using industrial CCD cameras,digital image processing technique is applied to extract color.Use color difference detection algorithm based on HSV color space and color difference detection algorithm based on CIELAB color space,analyze color difference detection results in two kinds of color space,using the method combining the two kinds of color space detection algorithms,implement rapid and effective detection,and at the same time,it can ensure accuracy of detection results.

machine vision; image processing; color difference detection

2015—11—13

國(guó)家自然科學(xué)基金資助項(xiàng)目(61170119,61311130141)

10.13873/J.1000—9787(2016)10—0120—03

TP 391.4

A

1000—9787(2016)10—0120—03

范鵬飛(1989-),男，山東淄博人，碩士研究生，主要研究方向?yàn)閳D像處理與模式識(shí)別。