CN103175839A - 胶印版材表面检测的处理方法及*** - Google Patents
胶印版材表面检测的处理方法及*** Download PDFInfo
- Publication number
- CN103175839A CN103175839A CN2011104329940A CN201110432994A CN103175839A CN 103175839 A CN103175839 A CN 103175839A CN 2011104329940 A CN2011104329940 A CN 2011104329940A CN 201110432994 A CN201110432994 A CN 201110432994A CN 103175839 A CN103175839 A CN 103175839A
- Authority
- CN
- China
- Prior art keywords
- flaw
- image
- offset plate
- plate material
- original image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种胶印版材表面检测的处理方法及***,涉及图像处理技术领域,所述方法包括以下步骤:S1:对胶印版材表面的原始图像进行边界定位,以获得所述原始图像中的有效区域,并将所述有效区域作为待测图像;S2:对所述待测图像进行预处理;S3:对预处理后的待测图像进行瑕疵识别,以获得瑕疵的位置;S4:根据瑕疵的位置,获得瑕疵的特性参数。本发明通过以图像处理技术为基础的机器视觉技术,通过机器视觉进行检测,提高了胶印版材表面的瑕疵的检测速度和检测精度,并降低了成本。
Description
技术领域
本发明涉及图像处理技术领域,特别涉及一种胶印版材表面检测的处理方法及***。
背景技术
胶印版材(offset printing plate),表面经过涂布处理,可以在其上产生转移油墨的区域和不转移油墨的区域面,且两种区域处于同一平面的平板工件。目前,我国胶印版材市场的总体趋势是“PS版产量迅猛提高,CTP版材新品种不断涌现,市场竞争更加激烈”,但随着胶印版材大规模的生产及应用,长期以来,胶印版材的质量问题也越来多。
目前,在生产一线,主要是由工人依靠经验来直接对胶印版材的质量进行观察,是结合印刷品的质量来对胶印版材的质量进行检测。这种检测方式速度低、精度低、而且成本高。
发明内容
(一)要解决的技术问题
本发明要解决的技术问题是:如何提高胶印版材表面的瑕疵的检测速度和检测精度,并降低成本。
(二)技术方案
为解决上述技术问题,本发明提供了一种胶印版材表面检测的处理方法,所述方法包括以下步骤:
S1:对胶印版材表面的原始图像进行边界定位,以获得所述原始图像中的有效区域,并将所述有效区域作为待测图像;
S2:对所述待测图像进行预处理;
S3:对预处理后的待测图像进行瑕疵识别,以获得瑕疵的位置;
S4:根据瑕疵的位置,获得瑕疵的特性参数。
优选地,步骤S1中胶印版材表面的原始图像通过一个线阵CCD相机采集获得。
优选地,步骤S1中胶印版材表明的原始图像通过至少两个并行拼接的线阵CCD相机采集获得;
步骤S1和步骤S2之间还包括步骤:
S21:对至少两个并行拼接的线阵CCD相机分别获得的待测图像,并将获得的每两个待测图像之间的重合部分只归于一个待测图像进行处理。
优选地,步骤S2中,所述预处理采用:图像增强、高斯去噪、双阈值算法、以及形态学中的至少一种。
优选地,步骤S2中采用的双阈值算法为自适应阈值的双阈值算法。
优选地,步骤S2中进行预处理时,将预处理后的待测图像分为至少两个检测区域,对每个检测区域采用不同的双阈值算法的参数。
优选地,步骤S4中所述瑕疵的特性参数包括:所述瑕疵的面积、长宽、灰度均值、外接矩形长宽、瑕疵坐标、以及瑕疵类型中的至少一个。
本发明还公开了一种胶印版材表面检测的处理***,所述***包括:
边界定位模块,用于对胶印版材表面的原始图像进行边界定位,以获得所述原始图像中的有效区域,并将所述有效区域作为待测图像;
预处理模块,用于对所述待测图像进行预处理;
瑕疵识别模块,用于对预处理后的待测图像进行瑕疵识别,以获得瑕疵的位置;
参数获得模块,用于根据瑕疵的位置,获得瑕疵的特性参数。
(三)有益效果
本发明通过以图像处理技术为基础的机器视觉技术,通过机器视觉进行检测,提高了胶印版材表面的瑕疵的检测速度和检测精度,并降低了成本。
附图说明
图1是按照本发明一种实施方式的胶印版材表面检测的用于图像采集的图像采集装置结构示意图;
图2是按照本发明一种实施方式的胶印版材表面检测的处理方法的流程图;
图3是四个相机分别采集的图像的拼接示意图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
本实施方式中,参照图1,所述***以一个相机为例来说明图像的采集,所述图像采集装置包括:相机1、图像处理设备6、以及光源3,所述相机1采集PS版5上表面的原始图像;所述图像处理设备对所述相机所采集的原始图像进行处理,以识别所述PS版上表面的瑕疵2;所述光源3为所述相机1在采集PS版5上表面的原始图像时提供成像照明。
本实施方式中,通过线阵电荷耦合元件(Charge-coupled Device,CCD)相机采集胶印版材图像,在胶印版材左右边缘会多采集30个像素,保证采集图像的完整性,多采集的像素(或为检测平台或为地面),需要在检测之初进行边界定位,用以查找胶印版材的有效区域。
图2是按照本发明一种实施方式的胶印版材表面检测的处理方法的流程图;参照图2,本实施方式的方法包括以下步骤:
S1:对胶印版材表面的原始图像进行边界定位,以获得所述原始图像中的有效区域,并将所述有效区域作为待测图像;
由于胶印版材图像的有效区域占大多部分,有效区域和边界区域在色阶上有明显差异,确定好边界阈值,利用边界搜索算法即可得到边界坐标(x,y),将算法做如下说明:边界阈值设为M,预计查找的边界点数设为N个(初值n=0),图像的长L,宽为W,胶印版材在滚抽作用下传送时,基本保持与传送方向同向无倾斜,图像计算左边界时,可暂认为选取的N个边界点Y坐标一致,分析X坐标即可。在理想情况下,检测平台或地面没有干扰图像边界无噪声,将N个边界点的坐标做简单均值计算就能得到边界坐标,可由于空气中的灰尘、地面不干净出现噪声,简单均值影响整体检测。所以,为了保证准确性尽量不要用此方法。为此,对N个边界点的X坐标做一个冒泡排序,然后选取中间3个数据做均值,接着将排序后的点列与均值做差,在范围内的读入,范围外地剔除,这样就得到了较为准确的左边界X坐标,直线方程为Y=X。
S2:对所述待测图像进行预处理;
S3:对预处理后的待测图像进行瑕疵识别,以获得瑕疵的位置;
S4:根据瑕疵的位置,获得瑕疵的特性参数,本实施方式中,所述瑕疵的特性参数包括:所述瑕疵的面积、长度、以及灰度均值中的至少一个;先根据瑕疵的位置对瑕疵进行定位,然后按照每一个边缘计算瑕疵的面积、长宽、灰度均值等特征,面积计算通常是计算瑕疵轮廓多边形的面积,但如果瑕疵并不是填充满整个轮廓,计算就不准确。因此设计了一种新的面积计算方法,先计算好瑕疵轮廓的外接矩形的长rectL、宽rectW和外接矩形的左顶点rectX坐标、rectY坐标,再与处理后的图像相应外置,读取若像素为黑则累加,最后到的黑像素个数即为瑕疵面积。
步骤S1中胶印版材表面的原始图像可以通过一个线阵CCD相机采集获得;
但为了保证检测精度,检测宽幅面的胶印版材需要安装多台线阵CCD,这样每一张图像的左边界或右边界或左右边界都有和其它图像重合的图像区域,这就需要确定重合区域,保证之后的图像处理不重复计算,瑕疵数量不重复累加,直接将重合部分只归为一个图像去计算,另一个截去相应的图像信息即可,优选地,步骤S1中胶印版材表明的原始图像通过至少两个并行拼接的线阵CCD相机采集获得;相应的,步骤S1和步骤S2之间还包括步骤:
S21:对至少两个并行拼接的线阵CCD相机分别获得的待测图像,并将获得的每两个待测图像之间的重合部分只归于一个待测图像进行处理;
设被检测幅宽为L,相机的交叠像素个数为a,像元大小为b,若采用4K相机,则所需相机个数n=L/(4096*b),若为整数或小数,考虑到交叠像素,要进一位;即,4096*n-(n-1)*a>L,这样每一张图像的左边界或右边界或左右边界都有和其它图像重合的图像区域,这就需要确定重合区域,保证之后的图像处理不重复计算,瑕疵数量不重复累加。
所有数据单位为像素。参照图3,假设每台相机的采集宽度为4000,边缘留取30,重合100,则共采集图像宽度为4000*4-100*3-30*2=15640。每隔4000代表一台相机,共4台。直接将重合部分只归为一个图像去计算,另一个截去相应的图像信息即可。最左边界,即上图的刻度0处,距离胶印版材左边界分别为30个像素;其中灰色区域为左右重合部分。幅宽是指每台相机所需处理图像的宽度,在计算时应该截取的边界如下表:
相机编号 | 采集边界 | 暗场幅宽 |
I | (30,4000) | 3970 |
II | (4000,7900) | 3900 |
III | (7900,11800) | 3900 |
IV | (11800,15670) | 3870 |
合计 | 15640 |
在获得待测图像后需要对所述待测图像先进行预处理,优选地,本实施方式中,步骤S2中,所述预处理采用:图像增强、高斯去噪、双阈值算法、以及形态学中的至少一种。
由于胶印版材表面的瑕疵有胶印、脏点、划伤、凹坑等类型,线阵CCD扫描图像后,在光照均匀无反光时胶印版材背景色阶基本一致,瑕疵的色阶有比背景大的也有比背景小的,这就需要用到双阈值算法,所述双阈值算法公式如下:
其中,data[i][j]为图像第i行j列的像素的灰度级别(灰度取值范围为0~255,且取0为黑色,取255为白色),max_value的值定为255,m和M分别为像素的灰度阈值,m和M的取值依赖于版材的灰度级别,例如,版材灰度为40±15,则在(25,55)认为是背景,其他为瑕疵。
如果图像背景不均匀,又由于胶印版材反光,造成背景的灰度级别在一个较大的范围内,一些瑕疵的灰度值也在此范围内,应用双阈值算法后会丢失部分瑕疵信息。这时,通过自适应阈值的双阈值算法能解决此类问题。自适应阈值,是对图像进行的局部自适应二值化,将整幅图像划分为若干个窗口,然后对每一个窗口按照一定的规则设定该窗口的阈值,这样就得到二值化的图像,优选地,步骤S2中采用的双阈值算法为自适应阈值的双阈值算法,应用自适应阈值的双阈值算法,既保证了瑕疵信息不会丢失,又解决了背景图像的不均匀性干扰。
在生产线运行中,如果每一块胶印版材在固定位置出现同一种瑕疵,遇到此种情况,应用分区检测算法即可解决。分区检测是将胶印版材图像分成几个检测区域,在每一个检测区域设置检测精度和检测算法参数,保证能检测到不同类型、不同级别、不同灰度值的瑕疵,优选地,在遇到上述情况时,在步骤S2中进行预处理时,将预处理后的待测图像分为至少两个检测区域,对每个检测区域采用不同的双阈值算法的参数。
本发明还公开了一种胶印版材表面检测的处理***,所述***包括:
边界定位模块,用于对胶印版材表面的原始图像进行边界定位,以获得所述原始图像中的有效区域,并将所述有效区域作为待测图像;
预处理模块,用于对所述待测图像进行预处理;
瑕疵识别模块,用于对预处理后的待测图像进行瑕疵识别,以获得瑕疵的位置;
参数获得模块,用于根据瑕疵的位置,获得瑕疵的特性参数。
本实施方式中,通过以图像处理技术为基础的机器视觉技术,通过机器视觉进行检测,不仅可以大大提高生产效率和生产的自动化程度,而且机器视觉易于实现信息集成,满足数字化、自动化生产的要求,还达到速度高、精度高和节约人工成本的目的。
以上实施方式仅用于说明本发明,而并非对本发明的限制,有关技术领域的普通技术人员,在不脱离本发明的精神和范围的情况下,还可以做出各种变化和变型,因此所有等同的技术方案也属于本发明的范畴,本发明的专利保护范围应由权利要求限定。
Claims (8)
1.一种胶印版材表面检测的处理方法,其特征在于,所述方法包括以下步骤:
S1:对胶印版材表面的原始图像进行边界定位,以获得所述原始图像中的有效区域,并将所述有效区域作为待测图像;
S2:对所述待测图像进行预处理;
S3:对预处理后的待测图像进行瑕疵识别,以获得瑕疵的位置;
S4:根据瑕疵的位置,获得瑕疵的特性参数。
2.如权利要求1所述的方法,其特征在于,步骤S1中胶印版材表面的原始图像通过一个线阵CCD相机采集获得。
3.如权利要求1所述的方法,其特征在于,步骤S1中胶印版材表明的原始图像通过至少两个并行拼接的线阵CCD相机采集获得;
步骤S1和步骤S2之间还包括步骤:
S21:对至少两个并行拼接的线阵CCD相机分别获得的待测图像,并将获得的每两个待测图像之间的重合部分只归于一个待测图像进行处理。
4.如权利要求1所述的方法,其特征在于,步骤S2中,所述预处理采用:图像增强、高斯去噪、双阈值算法、以及形态学中的至少一种。
5.如权利要求4所述的方法,其特征在于,步骤S2中采用的双阈值算法为自适应阈值的双阈值算法。
6.如权利要求5所述的方法,其特征在于,步骤S2中进行预处理时,将预处理后的待测图像分为至少两个检测区域,对每个检测区域采用不同的双阈值算法的参数。
7.如权利要求1所述的方法,其特征在于,步骤S4中所述瑕疵的特性参数包括:所述瑕疵的面积、长宽、灰度均值、外接矩形长宽、瑕疵坐标、以及瑕疵类型中的至少一个。
8.一种胶印版材表面检测的处理***,其特征在于,所述***包括:
边界定位模块,用于对胶印版材表面的原始图像进行边界定位,以获得所述原始图像中的有效区域,并将所述有效区域作为待测图像;
预处理模块,用于对所述待测图像进行预处理;
瑕疵识别模块,用于对预处理后的待测图像进行瑕疵识别,以获得瑕疵的位置;
参数获得模块,用于根据瑕疵的位置,获得瑕疵的特性参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011104329940A CN103175839A (zh) | 2011-12-21 | 2011-12-21 | 胶印版材表面检测的处理方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011104329940A CN103175839A (zh) | 2011-12-21 | 2011-12-21 | 胶印版材表面检测的处理方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103175839A true CN103175839A (zh) | 2013-06-26 |
Family
ID=48635841
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2011104329940A Pending CN103175839A (zh) | 2011-12-21 | 2011-12-21 | 胶印版材表面检测的处理方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103175839A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103454283A (zh) * | 2013-09-12 | 2013-12-18 | 电子科技大学 | 线路检测***及其方法 |
CN105388162A (zh) * | 2015-10-28 | 2016-03-09 | 镇江苏仪德科技有限公司 | 基于机器视觉的原料硅片表面划痕检测方法 |
CN109738461A (zh) * | 2019-01-04 | 2019-05-10 | 安徽地势坤光电科技有限公司 | 一种应用于丝网印刷设备中的网版视觉检测方法 |
CN110857920A (zh) * | 2018-08-24 | 2020-03-03 | 东华大学 | 一种卷装长丝的成型不良缺陷检测方法 |
CN114742788A (zh) * | 2022-04-01 | 2022-07-12 | 南通高精数科机械有限公司 | 一种基于机器视觉的铜排缺陷检测方法及*** |
CN117309903A (zh) * | 2023-10-10 | 2023-12-29 | 青岛峻海物联科技有限公司 | 一种隧道内缺陷定位方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1400922A1 (en) * | 2002-09-20 | 2004-03-24 | Nitto Denko Corporation | Print inspection method and apparatus |
CN1670513A (zh) * | 2004-03-17 | 2005-09-21 | 中国印钞造币总公司 | 用于检测片状材料的装置和方法 |
WO2006088150A1 (ja) * | 2005-02-17 | 2006-08-24 | Central Glass Company, Limited | ガラス基板検査装置および検査方法 |
-
2011
- 2011-12-21 CN CN2011104329940A patent/CN103175839A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1400922A1 (en) * | 2002-09-20 | 2004-03-24 | Nitto Denko Corporation | Print inspection method and apparatus |
CN1670513A (zh) * | 2004-03-17 | 2005-09-21 | 中国印钞造币总公司 | 用于检测片状材料的装置和方法 |
WO2006088150A1 (ja) * | 2005-02-17 | 2006-08-24 | Central Glass Company, Limited | ガラス基板検査装置および検査方法 |
Non-Patent Citations (5)
Title |
---|
《科技博览大百科》编写组: "《百科大揭密 科技博览大百科》", 31 May 2011, article "百科大揭秘 科技博览大百科", pages: 157 * |
余洪山等: "一种改进型Canny边缘检测算法", 《计算机工程与应用》, vol. 40, no. 20, 31 December 2004 (2004-12-31), pages 27 - 29 * |
孙春凤等: "《一种新的边缘保持局部自适应图像插值算法》", 《仪器仪表学报》, vol. 31, no. 10, 31 October 2010 (2010-10-31), pages 2279 - 2284 * |
李钰等: "自适应双阈值Canny算子的图像边缘检测", 《长春工程学院学报(自然科学版)》, vol. 8, no. 3, 31 December 2007 (2007-12-31), pages 44 - 53 * |
李雅静: "基于图像处理的PS版面缺陷检测的研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》, no. 9, 15 September 2011 (2011-09-15), pages 5 - 43 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103454283A (zh) * | 2013-09-12 | 2013-12-18 | 电子科技大学 | 线路检测***及其方法 |
CN105388162A (zh) * | 2015-10-28 | 2016-03-09 | 镇江苏仪德科技有限公司 | 基于机器视觉的原料硅片表面划痕检测方法 |
CN105388162B (zh) * | 2015-10-28 | 2017-12-01 | 镇江苏仪德科技有限公司 | 基于机器视觉的原料硅片表面划痕检测方法 |
CN110857920A (zh) * | 2018-08-24 | 2020-03-03 | 东华大学 | 一种卷装长丝的成型不良缺陷检测方法 |
CN109738461A (zh) * | 2019-01-04 | 2019-05-10 | 安徽地势坤光电科技有限公司 | 一种应用于丝网印刷设备中的网版视觉检测方法 |
CN114742788A (zh) * | 2022-04-01 | 2022-07-12 | 南通高精数科机械有限公司 | 一种基于机器视觉的铜排缺陷检测方法及*** |
CN117309903A (zh) * | 2023-10-10 | 2023-12-29 | 青岛峻海物联科技有限公司 | 一种隧道内缺陷定位方法及装置 |
CN117309903B (zh) * | 2023-10-10 | 2024-05-07 | 青岛峻海物联科技有限公司 | 一种隧道内缺陷定位方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103175839A (zh) | 胶印版材表面检测的处理方法及*** | |
CN110490842B (zh) | 一种基于深度学习的带钢表面缺陷检测方法 | |
CN104616275A (zh) | 一种缺陷检测方法和装置 | |
CN104504388B (zh) | 一种路面裂缝识别和特征提取算法及*** | |
CN102043950B (zh) | 基于canny算子和边缘点统计的车辆轮廓识别方法 | |
CN104749184A (zh) | 自动光学检测方法和*** | |
CN109255787A (zh) | 基于深度学习和图像处理技术的丝锭划痕检测***及方法 | |
CN101320004A (zh) | 基于机器视觉的竹条缺陷在线检测方法 | |
CN104318543A (zh) | 基于图像处理方法的板材计量方法与装置 | |
CN102974551A (zh) | 一种基于机器视觉的多晶硅太阳能检测分选的方法 | |
CN105913093A (zh) | 一种用于文字识别处理的模板匹配方法 | |
CN104574389A (zh) | 基于彩色机器视觉的电池片色差分选控制方法 | |
CN106056020A (zh) | 一种基于机器视觉***的条码检测识别方法及*** | |
CN115131348B (zh) | 一种纺织品表面缺陷的检测方法及*** | |
CN102184405A (zh) | 图像采集分析方法 | |
CN101995412B (zh) | 一种鲁棒的玻璃划伤缺陷检测方法及其装置 | |
CN102305798A (zh) | 基于机器视觉的玻璃缺陷的检测与分类方法 | |
CN104978748A (zh) | 一种基于局部像素值的液晶屏缺陷检测方法 | |
CN110555467A (zh) | 一种基于模型迁移的工业数据分类方法 | |
CN105388162A (zh) | 基于机器视觉的原料硅片表面划痕检测方法 | |
CN103077387B (zh) | 视频中货运列车车厢自动检测方法 | |
CN104483320A (zh) | 工业脱硝催化剂的数字化缺陷检测装置与检测方法 | |
CN107102009A (zh) | 一种基于机器视觉的筒纱管质量检测的方法 | |
CN109523540A (zh) | 基于霍夫变换的纱线断头检测方法 | |
CN116977358A (zh) | 一种瓦楞纸生产品质视觉辅助检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20130626 |