在印刷過程中,由于工藝等原因,印刷品往往會出現色差、套印不準現象,還會出現一些缺陷點、墨線、黑皮之類的外觀缺陷,從而導致印刷次品的出現。印刷企業一般采用人工方法,在印中抽樣及印后逐一進行目測的方法分揀次品,檢測效率低、成本高、勞動強度大。實踐證明,利用機器視覺系統來代替人進行印刷品缺陷檢測,可以提高生產效率,降低生產成本。利用基于PC的機器視覺系統代替人工進行印刷品檢測,利用計算機精度高、速度快的特點,迅速而精確地檢測出印刷品的外觀缺陷,并對缺陷程度進行綜合分析,從而判斷印刷品是否為次品或廢品。
一、圖像采集
圖像采集過程中,由于攝像機精度、照明環境等因素的影響,采集的圖像會存在一定的隨機噪聲,從而導致圖像失真。這里采用即可去掉尖鋒干擾,又能保持邊緣細節的加權中值濾波算法。確定一個像素個數為奇數的窗口W,先對窗口內各像素加權,某一像素加權值為m,即窗口像素灰度排隊時該像素重復m個,再將窗口內的各像元按灰度值從大到小排列,再用其中間位置的灰度值代替原圖像f(x,y)的中間值,得到增強圖像g(x,y)。
二、視覺檢測
(一)缺陷檢測
印刷缺陷表現在圖像上,即為采集圖像缺陷處的灰階值與標準圖的差異。將采集圖像的灰度值同標準圖進行差分(像素值相減),判斷其差值(兩幅圖灰階值的相差程度)是否超出以預先設定的標準值范圍,就能判斷出這幅印刷品有無缺陷。
(二)缺陷識別
差分完成后,得到一幅同采集圖大小相同的差分圖,其像素值是每兩幅圖像對應像素點的差值。隨后,對差分圖像進行逐行掃描,對缺陷點進行探測。當遇到缺陷點像素時(其值>0),用遞歸的方法遍歷整個缺陷區域,同時記錄下缺陷區的大小、尺寸。整個掃描過程完成后,遞歸的次數就是缺陷的個數。在缺陷識別過程中,會有兩個或多個相距很近的缺陷區(比如兩個缺陷點在圖像上只有一個像素距離),通常認為它們同屬一個缺陷區,因此,檢測前需要先把它們合并成一個缺陷區。這里采用的是數學形態學的膨脹算法(如圖1所示)。再經過腐蝕、膨脹、再腐蝕等一系列操作,將缺陷圖像的邊緣形狀提取出來,以便進行進一步的分析和判斷。
下一步需要解決的,一是在線動態圖像捕捉及處理,二是較之外觀缺陷要困難得多的如色差、套印不準等缺陷的檢測與識別問題。此外,印刷質量的評價是一個綜合指標,提高系統的智能化信息處理能力也是十分必要的。